[論文レビュー] Using Player's Body-Orientation to Model Pass Feasibility in Soccer

Adrià Arbués-Sangüesa, Adrián Martín+3 more|arXiv (Cornell University)|Apr 15, 2020

Video Analysis and Summarization参考文献 27被引用数 33

ひとこと要約

本論文では、選手の身体の向き、守備の配置、空間的近接性を統合することで、サッカーにおける最も現実的なパスを予測する計算モデルを提案する。モノクローラル動画とポーズ推定を用い、各潜在的レシーバーの幾何的妥当性スコアを計算し、Top-3正解率が0.7を超える結果を達成。特に、身体の向きを特徴量として含めることで、最先端のパス予測モデルが著しく改善された。

ABSTRACT

Given a monocular video of a soccer match, this paper presents a computational model to estimate the most feasible pass at any given time. The method leverages offensive player's orientation (plus their location) and opponents' spatial configuration to compute the feasibility of pass events within players of the same team. Orientation data is gathered from body pose estimations that are properly projected onto the 2D game field; moreover, a geometrical solution is provided, through the definition of a feasibility measure, to determine which players are better oriented towards each other. Once analyzed more than 6000 pass events, results show that, by including orientation as a feasibility measure, a robust computational model can be built, reaching more than 0.7 Top-3 accuracy. Finally, the combination of the orientation feasibility measure with the recently introduced Expected Possession Value metric is studied; promising results are obtained, thus showing that existing models can be refined by using orientation as a key feature. These models could help both coaches and analysts to have a better understanding of the game and to improve the players' decision-making process.

研究の動機と目的

• 選手の身体の向き、守備の配置、空間的近接性を用いて、サッカーにおけるパスの妥当性を推定する計算モデルを開発すること。
• 身体の向きがパス意思決定に与える影響を定量化し、従来のモデルが選手の向きを無視するというギャップを埋めること。
• 身体の向きを重要な特徴量として統合することで、既存の最先端のパス予測および期待支配価値（EPV）モデルを改善すること。
• リアルタイムのサッカー動画分析において、攻撃選手間の向きの妥当性を測る幾何的フレームワークを提供すること。
• 向きのデータが意思決定モデリングを向上させることを示し、監視者やアナリストに実行可能なインサイトを提供すること。

提案手法

• 上半身のポーズキーポoinの2次元投影から、最先端のポーズ推定モデル（OpenPose）を用いて身体の向きを推定し、キーポイントの入れ替えを防ぐためにサポートベクターマシンによる誤差補正を実施する。
• パスラーとレシーバーの間の相対的な角度に基づいて、幾何的妥当性測度を定義し、レシーバーがパスラーに向かって適切に向き合っているかどうかを定量化する。
• 守備の妥当性は、パスライン（パスラーとレシーバーを結ぶ線分）から守備選手までの最小距離を測定することで計算され、守備が強いターゲットはペナルティを受ける。
• 近接性の妥当性は、攻撃選手同士のペアワイズ距離を用いてモデル化され、距離が近い選手がより高いレシーバー可能性を持つと仮定する。
• 融合モデルは、3つの妥当性スコア（向き、守備、近接性）を統合し、1つのパス妥当性ランク付けを生成する。
• EPVおよびパス確率モデルへの統合のため、2次元フィールドマップを個々のレシーバーの値に変換する幾何的マッピング技術を用い、パスラーからレシーバーへのチューブ状領域とその周囲の円盤を用い、面積加重統合（式10）を実施する。

実験結果

リサーチクエスチョン

• RQ1 選手の身体の向きは、サッカーにおけるパスの妥当性にどのように影響を与えるか？
• RQ2 パスの方向性に基づく幾何的妥当性測度は、距離と守備の配置のみを用いた場合と比較して、パス予測の正確性を向上させるか？
• RQ3 向きのデータを統合することで、期待支配価値（EPV）やパス確率マップのような既存の最先端モデルはどの程度洗練されるか？
• RQ4 2次元フィールドマップから個々の選手の妥当性スコアへと向きのデータを効果的にマッピングする方法は何か？この際、空間的文脈を保持できるか？
• RQ5 パスラーの視野外にあるレシーバーに対して、向きに基づく妥当性が誤った予測を是正するか？

主な発見

• 向きを妥当性測度として含めることで、基準モデル（向きなし）と比較してTop-1正解率が0.089向上、Top-3正解率が0.045向上した。
• 3つの妥当性測度（向き、守備、近接性）を組み合わせたモデルは、個々の要因よりも優れた性能を示し、Top-3正解率は0.701に達した。
• EPVモデルと組み合わせた場合、向きの追加によりTop-1正解率は0.266から0.337に、Top-3正解率は0.606から0.637に向上した。
• パス確率モデルのTop-1正解率は、向きを追加することで0.243から0.332に向上し、予測力が相対的に10%向上した。
• 視野外にあるレシーバーに対して、特に守備が強い状況で、向きに基づく妥当性が誤った予測を是正する効果を示した。
• 幾何的統合手法（式10）は、2次元フィールドマップと個々の選手の妥当性を効果的に一致させ、既存の最先端モデルとの統合を可能にした。