Object detection in basketball game videos

Abstract

Η ανίχνευση αντικειμένων στην αθλητική ανάλυση έχει αποκτήσει σημαντική προσοχή λόγω της δυνατότητάς της να βελτιώσει την ανάλυση αγώνων, την παρακολούθηση της απόδοσης των παικτών και τη διαιτησία μέσω αυτοματοποίησης. Η παρούσα διατριβή εστιάζει στην ανάπτυξη ενός προηγμένου συστήματος ανίχνευσης αντικειμένων ειδικά σχεδιασμένου για βίντεο αγώνων μπάσκετ. Η προτεινόμενη προσέγγιση χρησιμοποιεί τεχνικές βαθιάς μάθησης, και συγκεκριμένα το μοντέλο YOLOv8, για την ανίχνευση και παρακολούθηση βασικών στοιχείων, όπως οι παίκτες, η μπάλα και η στεφάνη. Επιπλέον, εφαρμόζεται ομογραφικός μετασχηματισμός για την απεικό- νιση των θέσεων των παικτών σε μια δισδιάστατη αναπαράσταση του γηπέδου, επιτρέποντας πιο αποτελεσματική ανάλυση κίνησης και χωρική χαρτογράφηση. Το σύνολο δεδομένων που χρη- σιμοποιείται προέρχεται από πραγματικά πλάνα αγώνων και προεπεξεργάζεται με τεχνικές τμη- ματοποίησης του γηπέδου για τη βελτίωση της ακρίβειας ανίχνευσης. Η έρευνα συμβάλλει στον αναπτυσσόμενο τομέα της αθλητικής ανάλυσης, παρέχοντας ένα αυτοματοποιημένο σύστημα σε πραγματικό χρόνο που μπορεί να βοηθήσει προπονητές, αναλυτές και σχολιαστές στην καλύτερη κατανόηση του παιχνιδιού.