본 연구는 배드민턴 단식 경기 영상 내에서 선수를 자동으로 인식하고 위치 정보를 기록할 수 있는 시스템을 구현하는데 목적이 있다. 구체적으로 본 연구는 세 가지 관점에서 진행되었다. 연구 I에서는 영상 내에서 나타나는 선수를 인식하기 위한 모델 수립단계로 딥러닝 기술을 활용하여 모델 학습을 진행하였으며 최종 모델 평가를 통해 적합한 수준의 모델을 개발하였다. 연구 II에서는 모델 적용단계로 모델 개발에 사용되지 않은 실제 경기 영상을 배드민턴 선수 위치 추적 시스템에 적용하여 추적 결과를 데이터베이스에 저장하고 선수 인식 정확도를 평가하였다. 연구 III에서는 모델 검증단계로 기존 선행연구의 경기 분석방법으로 직접 수집한 관찰 데이터와 본 연구에서 제안하는 시스템에서 얻어진 결과 값의 일치도 분석을 통해 배드민턴 선수 위치 추적 시스템의 신뢰성을 검증하고자 하였다. 이러한 세 가지의 관점으로 진행된 각 연구방법과 그에 따른 결과는 다음과 같이 나타났다. 연구 I은 배드민턴 단식 선수를 추적할 수 있는 ...
본 연구는 배드민턴 단식 경기 영상 내에서 선수를 자동으로 인식하고 위치 정보를 기록할 수 있는 시스템을 구현하는데 목적이 있다. 구체적으로 본 연구는 세 가지 관점에서 진행되었다. 연구 I에서는 영상 내에서 나타나는 선수를 인식하기 위한 모델 수립단계로 딥러닝 기술을 활용하여 모델 학습을 진행하였으며 최종 모델 평가를 통해 적합한 수준의 모델을 개발하였다. 연구 II에서는 모델 적용단계로 모델 개발에 사용되지 않은 실제 경기 영상을 배드민턴 선수 위치 추적 시스템에 적용하여 추적 결과를 데이터베이스에 저장하고 선수 인식 정확도를 평가하였다. 연구 III에서는 모델 검증단계로 기존 선행연구의 경기 분석방법으로 직접 수집한 관찰 데이터와 본 연구에서 제안하는 시스템에서 얻어진 결과 값의 일치도 분석을 통해 배드민턴 선수 위치 추적 시스템의 신뢰성을 검증하고자 하였다. 이러한 세 가지의 관점으로 진행된 각 연구방법과 그에 따른 결과는 다음과 같이 나타났다. 연구 I은 배드민턴 단식 선수를 추적할 수 있는 딥러닝 모델을 개발하기 위해 학습 데이터 500개와 테스트 데이터 60개를 사용하였다. 그 결과 학습 데이터 100개 모델은 mAP 점수 90.0%로 나타났고, 300개 모델은 95.83%로 나타났으며, 최종 모델인 학습 데이터 500개 모델은 98.33%로 높은 성능을 나타냈다. 따라서 배드민턴 단식 선수 추적을 위해서는 최소 500개 이상의 학습 데이터가 필요하다는 결론을 도출하였다. 연구 II는 연구 I에서 개발한 모델의 실제 적용을 위해 학습에 사용되지 않은 총 6경기 영상을 대상으로 연구를 진행하였다. 그 결과 사용된 영상의 총 프레임 수는 334,654개이고, 인식에 성공한 프레임은 321,235개, 인식에 실패한 프레임은 13,419개로 실제 경기 영상을 적용했을 때 선수 인식 정확도는 95.86%로 나타났다. 연구 III은 배드민턴 단식 선수 위치 추적 시스템 검증을 위해 연구자가 직접 수집한 관찰 값과 시스템을 통해 얻어진 결과 값의 비교 검증을 실시하였다. 그 결과 총 6경기의 전체 스트로크 3,537개 중 3,169개의 결과 값이 일치하였고 시스템 정확도는 89.59%로 나타났다. 이러한 결과를 종합해보면 본 연구에서 제안하는 시스템이 실제 경기 영상에서 배드민턴 선수를 안정적으로 추적하고 있는 것을 확인할 수 있었고, 향후 배드민턴 경기 기록 자동화를 기대해 볼 수 있을 것으로 사료된다.
본 연구는 배드민턴 단식 경기 영상 내에서 선수를 자동으로 인식하고 위치 정보를 기록할 수 있는 시스템을 구현하는데 목적이 있다. 구체적으로 본 연구는 세 가지 관점에서 진행되었다. 연구 I에서는 영상 내에서 나타나는 선수를 인식하기 위한 모델 수립단계로 딥러닝 기술을 활용하여 모델 학습을 진행하였으며 최종 모델 평가를 통해 적합한 수준의 모델을 개발하였다. 연구 II에서는 모델 적용단계로 모델 개발에 사용되지 않은 실제 경기 영상을 배드민턴 선수 위치 추적 시스템에 적용하여 추적 결과를 데이터베이스에 저장하고 선수 인식 정확도를 평가하였다. 연구 III에서는 모델 검증단계로 기존 선행연구의 경기 분석방법으로 직접 수집한 관찰 데이터와 본 연구에서 제안하는 시스템에서 얻어진 결과 값의 일치도 분석을 통해 배드민턴 선수 위치 추적 시스템의 신뢰성을 검증하고자 하였다. 이러한 세 가지의 관점으로 진행된 각 연구방법과 그에 따른 결과는 다음과 같이 나타났다. 연구 I은 배드민턴 단식 선수를 추적할 수 있는 딥러닝 모델을 개발하기 위해 학습 데이터 500개와 테스트 데이터 60개를 사용하였다. 그 결과 학습 데이터 100개 모델은 mAP 점수 90.0%로 나타났고, 300개 모델은 95.83%로 나타났으며, 최종 모델인 학습 데이터 500개 모델은 98.33%로 높은 성능을 나타냈다. 따라서 배드민턴 단식 선수 추적을 위해서는 최소 500개 이상의 학습 데이터가 필요하다는 결론을 도출하였다. 연구 II는 연구 I에서 개발한 모델의 실제 적용을 위해 학습에 사용되지 않은 총 6경기 영상을 대상으로 연구를 진행하였다. 그 결과 사용된 영상의 총 프레임 수는 334,654개이고, 인식에 성공한 프레임은 321,235개, 인식에 실패한 프레임은 13,419개로 실제 경기 영상을 적용했을 때 선수 인식 정확도는 95.86%로 나타났다. 연구 III은 배드민턴 단식 선수 위치 추적 시스템 검증을 위해 연구자가 직접 수집한 관찰 값과 시스템을 통해 얻어진 결과 값의 비교 검증을 실시하였다. 그 결과 총 6경기의 전체 스트로크 3,537개 중 3,169개의 결과 값이 일치하였고 시스템 정확도는 89.59%로 나타났다. 이러한 결과를 종합해보면 본 연구에서 제안하는 시스템이 실제 경기 영상에서 배드민턴 선수를 안정적으로 추적하고 있는 것을 확인할 수 있었고, 향후 배드민턴 경기 기록 자동화를 기대해 볼 수 있을 것으로 사료된다.
This study aims to implement a system allowing automatic recognition of players and record of their location information in the video of badminton single match. To be specific, this study was carried out from three perspectives as follows: Study I, as a phase of establishing a model to recognize a p...
This study aims to implement a system allowing automatic recognition of players and record of their location information in the video of badminton single match. To be specific, this study was carried out from three perspectives as follows: Study I, as a phase of establishing a model to recognize a player appeared in the video, conducted a model learning by applying deep learning technology, and developed an appropriate model through the final model evaluation. Study II, as a phase of model application, saved the tracking results in the data base and assessed the accuracy of player recognition by applying the real match video that was not used for model development to the location tracking system of the player. Study III, as a phase of model verification, was intended to verify reliability of location tracking system of badminton players, by analyzing coincidence of the result value between the observation data directly collected as an analysis method of the game of the previous study and the value obtained from the system proposed by this study. The research methods obtained by three perspectives and the consequent results can be summarized as follows: Study I used 500 learning data and 60 test data to develop a deep learning model allowing the location tracking of badminton players of single match. According to the results, 100 models accounted for 90.0 % in mAP score, while 300 models showed 95.83 %. On the other hand, 500 learning data models, which is the final model, turned out to reach high performance of 98.33 %. For this reason, this study reached the conclusion of which it is required to have at least 500 learning data to track badminton players of single match. Study II carried out research oriented to videos of six games that had not been used, to make real application of the model developed in Study I. According to the results, the total number of video frames used was 334,654, and the frames that achieved successful recognition reached 321,235 while 13,419 frames failed to recognize the player. Accuracy level of recognition of the player reached 95.86 % when applying the match video for real. To verify the location tracking system of badminton players of single match. Study III carried out comparative verification of results values between the observation value collected directly by me, in quality of researcher and the value obtained from the system. The results show that the result value of 3,169 out of the entire 3,537 strokes of six matches in total coincided. The system accuracy turned out to be 89.59 %. Combining the analysis results, it was possible to confirm that the system proposed by this study was tracking the badminton players in the real match video in a stable manner. It is expected to have the automated record system of badminton matches in the future.
This study aims to implement a system allowing automatic recognition of players and record of their location information in the video of badminton single match. To be specific, this study was carried out from three perspectives as follows: Study I, as a phase of establishing a model to recognize a player appeared in the video, conducted a model learning by applying deep learning technology, and developed an appropriate model through the final model evaluation. Study II, as a phase of model application, saved the tracking results in the data base and assessed the accuracy of player recognition by applying the real match video that was not used for model development to the location tracking system of the player. Study III, as a phase of model verification, was intended to verify reliability of location tracking system of badminton players, by analyzing coincidence of the result value between the observation data directly collected as an analysis method of the game of the previous study and the value obtained from the system proposed by this study. The research methods obtained by three perspectives and the consequent results can be summarized as follows: Study I used 500 learning data and 60 test data to develop a deep learning model allowing the location tracking of badminton players of single match. According to the results, 100 models accounted for 90.0 % in mAP score, while 300 models showed 95.83 %. On the other hand, 500 learning data models, which is the final model, turned out to reach high performance of 98.33 %. For this reason, this study reached the conclusion of which it is required to have at least 500 learning data to track badminton players of single match. Study II carried out research oriented to videos of six games that had not been used, to make real application of the model developed in Study I. According to the results, the total number of video frames used was 334,654, and the frames that achieved successful recognition reached 321,235 while 13,419 frames failed to recognize the player. Accuracy level of recognition of the player reached 95.86 % when applying the match video for real. To verify the location tracking system of badminton players of single match. Study III carried out comparative verification of results values between the observation value collected directly by me, in quality of researcher and the value obtained from the system. The results show that the result value of 3,169 out of the entire 3,537 strokes of six matches in total coincided. The system accuracy turned out to be 89.59 %. Combining the analysis results, it was possible to confirm that the system proposed by this study was tracking the badminton players in the real match video in a stable manner. It is expected to have the automated record system of badminton matches in the future.
주제어
#badminton single match 딥러닝 위치 추적 시스템 경기기록 자동화 배드민턴 단식경기 Deep learning location tracking system automated record system
학위논문 정보
저자
양준석
학위수여기관
중앙대학교 대학원
학위구분
국내박사
학과
스포츠산업정보학과 스포츠정보테크놀로지전공
지도교수
박성제
발행연도
2020
총페이지
vii, 116장
키워드
badminton single match 딥러닝 위치 추적 시스템 경기기록 자동화 배드민턴 단식경기 Deep learning location tracking system automated record system
AI-Helper
※ AI-Helper는 부적절한 답변을 할 수 있습니다.