如何让AI看懂球赛

各类电视转播中，体育赛事一直占据着相当大的比重。无论是球迷想要快速回顾一场比赛的精彩集锦，还是教练寻找战术漏洞来提升队伍表现，海量的体育视频都存在巨大的整理与检索需求。

面对动辄数小时的比赛视频，依靠人工去寻找特定的画面既费时又费力。近年来，随着计算机视觉与视频处理技术的发展，让计算机“看懂”体育赛事、自动分析视频内容正在成为可能。

为什么体育视频能够成为计算机视觉研究的热点？在于体育运动具有高度结构化的特征。与普通的家庭录像不同，体育比赛在有着严格规则和固定场地布局的有限空间内进行的明确的规则和场地先验知识为计算机理解视频内容提供了丰富的领域知识。

体育视频的研究方向大体可以归纳为两大核心目标：

（1）索引与检索系统：通过高层语义查询，快速找出用户感兴趣的特定场景。

（2）增强现实呈现：通过附加信息展示，为用户带来沉浸式的观看体验。

在这其中，如何检测并追踪比赛中的核心元素——比如运动员以及小巧快速移动的球，往往是整个分析流程的基础。

要实现智能分析，系统需要依赖一系列基础的算法构件。在这篇论文中，研究人员梳理了多个关键技术环节：

（1）事件与亮点检测：亮点检测旨在找出观众最感兴趣的特殊时刻（如进球、网球中的精彩得分，或是教练关心的失误镜头）。检测手段可以综合利用视频、音频以及文本等多通道信息。例如，利用解说员激昂的声音或观众的欢呼声作为音频标记来辅助判断。

（2）结构分析：不同的运动有其独特的临时组织形式，例如网球比赛严格划分为盘、局、点。通过结构分析识别比赛中的“有效比赛时间”与“中断时间”，可以帮助观众跳过沉闷的间歇。

（3）球与运动员追踪：由于球和运动员的位置至关重要，研究人员开发了专门的追踪算法。特别是追踪一颗体积小、速度快、且容易被遮挡的球，往往需要跨越多帧图像来联合判定其飞行轨迹，以此来增强算法的鲁棒性。

（4）相机标定与三维重建：仅靠图像坐标只能知道物体在画面中的位置，无法得知其在真实球场上的坐标。利用球场上已知的标准划线进行相机标定，再结合多摄像机系统，甚至可以实现比赛场地的完整三维重建。

当上述基础算法与计算机视觉技术结合后，催生了诸多极具实用价值的应用：

（1）智能摘要生成：利用音频特征（如观众掌声、解说员音量突变）或结构分析直接评估场景的兴奋度，自动剪辑出保留核心信息的比赛摘要，为观众节省大量时间。

（2）战术与表现分析：通过追踪球员和球的运动轨迹，结合相机标定将屏幕坐标转化为真实世界的场地位置，教练和队员可以对球队阵型、控球率以及个人跑动轨迹进行量化评估。

（3）增强现实（AR）呈现：通过三维重建技术，系统可以从裁判或场上球员的视角生成虚拟三维视图。此外，在电视转播中叠加虚拟辅助线（例如足球比赛中任意球距离球门的距离标记）或商业广告，也能大幅提升视频的观赏性与商业价值。

（4）裁判辅助系统：面对肉眼难以瞬间决断的争议球，基于实时视频分析的系统（如网球赛事中应用的技术）能够精准显示球体落点是否压线，确保判罚的公正性。

学者介绍：余新国，华中师范大学国家数字化学习工程技术研究中心教授、博士生导师，澳大利亚伍伦贡大学名誉教授，湖北省智能科教研究会会长。主要研究方向包括人工智能教育、智能教育技术、教育机器人、智能教学系统，以及视频分析、计算机视觉、人机交互与多媒体技术，聚焦人工智能赋能教育与科研、智能科教系统研发及教育场景应用等问题。

ORCID：0000-0001-8379-6742

DOI：10.1109/ICME.2005.1521476