استعداد یابی ورزشی فوتبال با کمک هوش مصنوعی و بینایی کامپیوتر

همواره استعداد یابی منصفانه روش های سنتی وقت گیر و کم دقتی داشت که در آن شخص باید ساعت ها وقت خود را صرف بررسی بازیکنان مختلف و یا ویدئوهای آنها می کرد، در نتیجه ممکن بود بعضاً با اشکالاتی همچون خطای انسانی و اشتباه در فرایند تصمیم گیری روبه رو شود. در این راستا الگورتیم های جدید هوش مصنوعی و بینایی کامپیوتر به کمک آمده اند تا با خودکار کردن فرایند ها تشخیص ها را ساده تر و دقیقتر کنند.  در این میان سیستم هایی هستند که به صورت خودکار استفاده می شوند اما صرفا برای دنبال کردن بازیکنان از لحاظ موقعیت در زمین و تخمین سرعت ولی  نه برای استخراج اطلاعات دقیق نسبت به هر بازیکن و یا ثبت حرکت در حال انجام.

از این رو از دانشکده علوم کامیپوتر در دانشگاه لافبورو Loughborough University که دانشگاه رتبه نخست در علوم ورزشی جهان است و گروه های تحقیقاتی آن تلاش کردند سیستمی را بر پایه شبکه های عصبی عمیق  و بینایی ماشین طراحی کنند، تا به توان به کمک آن به سه هدف عمده دست یافت:
1) تخمین حالت بدن ورزشکار و تشخیص حرکت بازیکن مثلا دویدن، راه رفتن و یا پاس دادن.
2) مکان یابی هر بازیکن نسبت به بقیه بازیکنان در زمین.
3) توسعه سیستمی جهت فیلم برداری با هزینه کمتر جهت آنالیز تیم های مختلف در همه سطوح.

1) جهت تخمین بازیکن و تفکیک نوع حرکت این سیستم حرفه ای  قادر است بدون استفاده از مارکر خاصی  اسکلت بدن ورزشکار را تشخیص دهد. بدین ترتیب آنالیز های بعدی جهت بررسی سرعت حرکت هر کدام از مفاصل آسانتر می شود. علاوه بر این در الگورتیم طراحی شده میتوان به نوع عمل از پاس و شوت گرفته تا دویدن و انواع دریبل ها پی برد  که اطلاعات تحلیلی قابل ارزشی را به مربی می دهد. این مهم توسط  آموزش دادن  ساعت ها  فیلم ویدئویی از مسابقات مختلف به الگوریتم یادگیری عمیق انجام شده است  تا بدین ترتیب در شرایط کاملاً تصادفی داده  های ویدئویی آزمایشی، قابلیت اعتماد بالایی داشته باشند. در این میان تمامی حرکات بازیکنان، حالت بدنی پاسها و شوتها در زوایای مختلف توسط الگوریتم مورد بررسی قرار می گیرد و بازیکن با شرایط بهتر گزینش می شود. 
2) چالش بزرگ این تحقیق بررسی موقعیت هر بازیکن نسبت به بازیکنان دیگر است. این مهم زمانی اهمیت خود را نشان می دهد که آرایش تهاجمی و یا تدافعی تیم ها نیاز به ارزیابی دارد. از این رو می توان از لحاظ تیمی نیز به تحلیل سطح بالایی از علمکرد هر بازیکن  دست یافت.
3) تمام این فرایند ها بدون داشتن امکان اولیه دوربین هیچ ارزشی نخواهد داشت و چالش بزرگ این مرحله بالا بودن قیمت دوربین های با کیفیت و البته بزرگی زمین فوتبال جهت دنبال کردن  و ردیابی بازیکنان در تمام میدان دید دوربین می باشد. از این رو تیم تحقیقاتی سعی کردند تا با کمک دو دوربین گوپرو  GoPro ساده در هر نیمه زمین و با استفاده از تجمیع تصاویر بر پایه مفهوم ویژگیهای مشترک هر تصویر تصاویر دو دوربین راه به هم مرتبط کند، تا در نهایت یک تصویر بزرگ برای آنالیز به دست دهد.
شایان ذکراست بودجه این پروژه توسط دانشگاه لافبورو و شرکت تحقیقاتی  Statmetrix که شرکت مادر تخصصی در زمینه آنالیز فوتبال است تامین شده است.