AUEB Library - Digital Repository

PYXIDA Institutional Repository
and Digital Library

Username
Password

Collections :	Ιδρυματικό Αποθετήριο ΟΠΑ / AUEB Institutional Repository Σχολή Διοίκησης Επιχειρήσεων / School of Business Τμήμα Διοικητικής Επιστήμης και Τεχνολογίας / Department of Management Science and Technology Μεταπτυχιακές Εργασίες / Postgraduate dissertations

Title :	Football analytics based on player tracking data using interpolation techniques for the prediction of missing coordinates

Alternative Title :	Ανάλυση ποδοσφαιρικών δεδομένων καταγραφής παικτών αξιοποιώντας τεχνικές παρεμβολής για την πρόβλεψη των ελλιπών συντεταγμένων τους

Creator :	Kontos, Christos Κοντός, Χρήστος

Contributor :	Karlis, Dimitrios (Επιβλέπων καθηγητής) Athens University of Economics and Business, Department of Management Science and Technology (Degree granting institution)

Type :	Text

Extent :	142p.

Language :	en

Identifier :	http://www.pyxida.aueb.gr/index.php?op=view_object&object_id=8742

Abstract :	Nowadays the sports industry has integrated Computer Vision and Artificial Intelligence that can be applied directly to live broadcast videos, in order to identify and monitor the precise location of a player and the ball. Players’ and ball’s positions are obtained from the main broadcast camera and are being tracked as long as they are observed inside the main broadcast camera shot. Hence, a major challenge, that prevents existing methods for multicamera tracking data from being applied directly to broadcast tracking data, is the censoring and the effect of missingness. Within this framework, the primary aim of this Thesis, is the exploration and discovery of the most accurate method for filling the missingness information of players’ positions and rectify as much as possible the effect of censoring which often leads to discontinuous player tracks and unreliable player identification. We explored and compared different interpolation methodologies by using a number of various imputation algorithms, non-linear Machine Learning regression algorithms as well as a Time Series forecasting technique, in order to address this problem. Moreover, we tried to distinguish possible differences between the actual data, as they were tracked from the camera and the interpolated data as they have been estimated from our best selected method. We extracted important insights that are mainly based on tactical analyses as well as on players’ performances. We also tried to derive important insights by effectively estimate teams’ formations and calculate the consistency of each player according to his initial position in the team formation. Finally, we tried to observe possible correlations when a team is attacking or defending by using a pitch control model that quantifies the probability of a player could control the ball assuming it is at that location. Την εποχή που ζούμε, η αθλητική βιομηχανία έχει ενσωματώσει τη Μηχανική Όραση και την Τεχνητή Νοημοσύνη απευθείας σε ζωντανές τηλεοπτικές μεταδόσεις καταγράφοντας και εντοπίζοντας την ακριβή θέση ενός παίκτη και της μπάλας. Οι θέσεις αυτές εντοπίζονται συνήθως μέσω της κύριας κάμερας μετάδοσης του αγώνα και καταγράφονται εφόσον παρατηρηθούν στο συγκεκριμένο πλάνο της κάμερας κάθε φορά. Συνεπώς, μια από τις σημαντικότερες προκλήσεις που καλούνται να αντιμετωπίσουν οι υπάρχουσες μέθοδοι καταγραφής δεδομένων μέσω της χρησιμοποίησης πολλαπλών καμερών κατά τη διάρκεια μετάδοσης αγώνων, αποτελεί το ζήτημα της λογοκρισίας και της έλλειψης πληροφορίας σχετικά με τη θέση των παικτών. Υπό το πλαίσιο αυτό, κύριος στόχος της Διπλωματικής αυτής εργασίας αποτελεί η διερεύνηση και ο εντοπισμός της αποτελεσματικότερης μεθόδου αντιμετώπισης ελλιπών πληροφοριών που σχετίζονται με τη θέση των παικτών κατά τη διάρκεια ενός αγώνα και η όσο το δυνατόν καλύτερη επίλυση του φαινομένου της λογοκρισίας που συχνά οδηγεί σε ανακρίβειες όσον αφορά τις διαδρομές των παικτών που έχουν διανύσει καθώς και στην αναξιόπιστη ταυτοποίηση τους. Ερευνήσαμε και συγκρίναμε διαφορετικές μεθοδολογίες παρεμβολής χρησιμοποιώντας έναν αριθμό διαφόρων αλγορίθμων καταλογισμού, μη γραμμικής παλινδρόμησης αλγορίθμους Μηχανικής Μάθησης καθώς και μια τεχνική πρόβλεψης Χρονολογικών Σειρών για την αντιμετώπιση του συγκεκριμένου προβλήματος. Προσπαθήσαμε επίσης να διακρίνουμε πιθανές διαφορές που παρατηρήθηκαν μεταξύ των αρχικών δεδομένων όπως αυτά είχαν καταγραφεί από την τηλεοπτική κάμερα και των παρεμβαλλόμενων δεδομένων όπως εκτιμήθηκαν στην πορεία. Αντλήσαμε σημαντικές πληροφορίες οι οποίες βασίστηκαν σε αναλύσεις τακτικής καθώς και στις επιδόσεις των παικτών. Προσπαθήσαμε επίσης να εξάγουμε αξιόλογα συμπεράσματα εκτιμώντας αποτελεσματικά τις συνθέσεις των ομάδων υπολογίζοντας παράλληλα τη συνέπεια κάθε παίκτη ανάλογα με τη αρχική του θέση στον σχηματισμό της ομάδας. Τέλος, προσπαθήσαμε να παρατηρήσουμε πιθανές συσχετίσεις όταν μια ομάδα επιτίθεται ή αμύνεται χρησιμοποιώντας ένα μοντέλο ελέγχου του γηπέδου που ποσοτικοποιεί την πιθανότητα ότι ένας παίκτης μπορεί να ελέγξει τη μπάλα υποθέτοντας ότι βρίσκεται σε αυτή τη θέση.

Abstract :

Nowadays the sports industry has integrated Computer Vision and Artificial Intelligence that can be applied directly to live broadcast videos, in order to identify and monitor the precise location of a player and the ball. Players’ and ball’s positions are obtained from the main broadcast camera and are being tracked as long as they are observed inside the main broadcast camera shot. Hence, a major challenge, that prevents existing methods for multicamera tracking data from being applied directly to broadcast tracking data, is the censoring and the effect of missingness. Within this framework, the primary aim of this Thesis, is the exploration and discovery of the most accurate method for filling the missingness information of players’ positions and rectify as much as possible the effect of censoring which often leads to discontinuous player tracks and unreliable player identification. We explored and compared different interpolation methodologies by using a number of various imputation algorithms, non-linear Machine Learning regression algorithms as well as a Time Series forecasting technique, in order to address this problem. Moreover, we tried to distinguish possible differences between the actual data, as they were tracked from the camera and the interpolated data as they have been estimated from our best selected method. We extracted important insights that are mainly based on tactical analyses as well as on players’ performances. We also tried to derive important insights by effectively estimate teams’ formations and calculate the consistency of each player according to his initial position in the team formation. Finally, we tried to observe possible correlations when a team is attacking or defending by using a pitch control model that quantifies the probability of a player could control the ball assuming it is at that location.
Την εποχή που ζούμε, η αθλητική βιομηχανία έχει ενσωματώσει τη Μηχανική Όραση και την Τεχνητή Νοημοσύνη απευθείας σε ζωντανές τηλεοπτικές μεταδόσεις καταγράφοντας και εντοπίζοντας την ακριβή θέση ενός παίκτη και της μπάλας. Οι θέσεις αυτές εντοπίζονται συνήθως μέσω της κύριας κάμερας μετάδοσης του αγώνα και καταγράφονται εφόσον παρατηρηθούν στο συγκεκριμένο πλάνο της κάμερας κάθε φορά. Συνεπώς, μια από τις σημαντικότερες προκλήσεις που καλούνται να αντιμετωπίσουν οι υπάρχουσες μέθοδοι καταγραφής δεδομένων μέσω της χρησιμοποίησης πολλαπλών καμερών κατά τη διάρκεια μετάδοσης αγώνων, αποτελεί το ζήτημα της λογοκρισίας και της έλλειψης πληροφορίας σχετικά με τη θέση των παικτών. Υπό το πλαίσιο αυτό, κύριος στόχος της Διπλωματικής αυτής εργασίας αποτελεί η διερεύνηση και ο εντοπισμός της αποτελεσματικότερης μεθόδου αντιμετώπισης ελλιπών πληροφοριών που σχετίζονται με τη θέση των παικτών κατά τη διάρκεια ενός αγώνα και η όσο το δυνατόν καλύτερη επίλυση του φαινομένου της λογοκρισίας που συχνά οδηγεί σε ανακρίβειες όσον αφορά τις διαδρομές των παικτών που έχουν διανύσει καθώς και στην αναξιόπιστη ταυτοποίηση τους. Ερευνήσαμε και συγκρίναμε διαφορετικές μεθοδολογίες παρεμβολής χρησιμοποιώντας έναν αριθμό διαφόρων αλγορίθμων καταλογισμού, μη γραμμικής παλινδρόμησης αλγορίθμους Μηχανικής Μάθησης καθώς και μια τεχνική πρόβλεψης Χρονολογικών Σειρών για την αντιμετώπιση του συγκεκριμένου προβλήματος. Προσπαθήσαμε επίσης να διακρίνουμε πιθανές διαφορές που παρατηρήθηκαν μεταξύ των αρχικών δεδομένων όπως αυτά είχαν καταγραφεί από την τηλεοπτική κάμερα και των παρεμβαλλόμενων δεδομένων όπως εκτιμήθηκαν στην πορεία. Αντλήσαμε σημαντικές πληροφορίες οι οποίες βασίστηκαν σε αναλύσεις τακτικής καθώς και στις επιδόσεις των παικτών. Προσπαθήσαμε επίσης να εξάγουμε αξιόλογα συμπεράσματα εκτιμώντας αποτελεσματικά τις συνθέσεις των ομάδων υπολογίζοντας παράλληλα τη συνέπεια κάθε παίκτη ανάλογα με τη αρχική του θέση στον σχηματισμό της ομάδας. Τέλος, προσπαθήσαμε να παρατηρήσουμε πιθανές συσχετίσεις όταν μια ομάδα επιτίθεται ή αμύνεται χρησιμοποιώντας ένα μοντέλο ελέγχου του γηπέδου που ποσοτικοποιεί την πιθανότητα ότι ένας παίκτης μπορεί να ελέγξει τη μπάλα υποθέτοντας ότι βρίσκεται σε αυτή τη θέση.

Subject :	Ανάλυση Χρονολογικών Σειρών και συστάδων Sports analytics Player tracking data Missing values Interpolation algorithms Imputation algorithms Time series analysis Clustering analysis Ανάλυση αθλητικών δεδομένων Δεδομένα καταγραφής παικτών Ελλείπουσες τιμές Αλγόριθμοι παρεμβολής Αλγόριθμοι καταλογισμού Ανάλυση χρονολογικών σειρών Ανάλυση συστάδων

Subject :

Ανάλυση Χρονολογικών Σειρών και συστάδων
Sports analytics
Player tracking data
Missing values
Interpolation algorithms
Imputation algorithms
Time series analysis
Clustering analysis
Ανάλυση αθλητικών δεδομένων
Δεδομένα καταγραφής παικτών
Ελλείπουσες τιμές
Αλγόριθμοι παρεμβολής
Αλγόριθμοι καταλογισμού
Ανάλυση χρονολογικών σειρών
Ανάλυση συστάδων

Date Available :	2021-09-10 08:36:47

Date Issued :	09/10/2021

Date Submitted :	2021-09-10 08:36:47

Access Rights :	Free access

Licence :

File: Kontos_2021.pdf

Type: application/pdf

Login