Skip to content

Latest commit

 

History

History
146 lines (105 loc) · 5.35 KB

README.md

File metadata and controls

146 lines (105 loc) · 5.35 KB
Raw

FootballVideoEdit_withDL

アメフトの試合のビデオの仕分けをディープラーニングで自動で行う試み．

現在はあまりよい結果は得られていないが，アイデアと検証結果を述べる．

目標

異なる視点からの2つの動画を比較し，プレーの同一判定を行う．

背景

アメリカンフットボールでは，他チームの試合の動画から他チームのプレーや選手を分析するスカウティングという作業をよく行う． その際に，試合の動画を見やすく編集することは重要である．

アメフトの試合では，スカウティングがしやすいようにプレーごとに区切って動画を撮影することが多い． また，異なる視点から別々のカメラで撮影することが好ましい． 今回，その2つの動画をwide(横)とvertical(正面)と称する． このwideとverticalの動画ファイル群を， 以下の図のように同じプレイをwideとvertical交互に見れるようにまとめることを考える．

この作業をするには，以下の動画の処理が大変である．

  • 撮影ミスの動画
  • wideにあるがverticalにはない動画

これらの動画をうまく処理するために，wideとverticalの動画を比較していき， 同じプレーの動画を対応付けることができれば，作業の自動化をすることができると考えた．

以上のことを踏まえて，wideとverticalの2つの動画を比較し，プレーの同一判定を行う．

Pythonでの必須ライブラリ (動作確認時のバージョン)

  • numpy (1.18.1)
  • tensorflow (2.1.0)
  • keras (2.3.1)

2つの動画の同一判定

深層距離学習(Deep Metric Learning)を用いて，wideとverticalの2つの動画のプレー同一判定を行う．

wideとverticalの2つの動画を入力し，[0, 1]の値を出力する． この出力値が1に近ければ一致，0に近ければ不一致とする．

モデルはSiamese Networksの原理を利用したものとし，https://gist.github.com/hlamba28/529de1c24c2a1bb318701d7469e47697#file-siamese_model_one_shot-py を参照した．

(参考：https://towardsdatascience.com/one-shot-learning-with-siamese-networks-using-keras-17f34e75bb3d)

python deeptest.py

を実行することで，モデルの学習と検証を行うことができる． その際，入力データは特殊な前処理で準備する必要がある．

入力データの形式と前処理の方法

入力データは，wideとverticalの動画のペアに対し，一致(1)/不一致(0)の教師ラベルを付けるという構成で用意する．

入力データ, 教師ラベル
(wide1, vertical1), (target1)
(wide2, vertical2), (target2)
       :

動画は全て(Frame, Width, Height) = (150, 200, 200)のグレースケール動画に統一する．

このような訓練データセットに前処理するため，MakePairData.pyを用意している．

まず，以下のようなフォルダ構成で試合の動画ファイルを準備する：

dataset
│ 
├── 試合1
│    ├── 1Q
│    │    ├── 1.mp4
│    │    ├── 1v.mp4
│    │         :
│    ├── 2Q
│    ├── 3Q
│    └── 4Q
│
├── 試合2
│    ├── 1Q
│    │    ├── 1.mp4
│    │    ├── 1v.mp4
│    │         :
│    ├── 2Q
│    ├── 3Q
│    └── 4Q
│    :

datasetフォルダ内に2つのフォルダ階層(試合，クォーター)があり，その中に動画ファイルがある構成である． また，動画はwideは1.mp4，2.mp4，...と数字のみのファイル名，verticalは1v.mp4，2v.mp4，...と「数字+v」というファイル名にし， 同じ数字の動画どうしがプレーが同じとする．

次に，MakePairData.pyのmain部分において，

if __name__ == '__main__':
    # フォルダパス指定
    folder_path = "D:/2018mp4/"
    output_path = "D:/VE/TRANS_DATA"

    folders = glob(folder_path + "**/**")
    print(folders)
    for folder in folders:
        MakePairData(folder, output_path)

のfolder_pathに先程のdatasetのパスを指定し，

python MakePairData.py

を実行することで，動画を前処理をすることができる． 前処理された動画はnpyファイルとしてoutput_pathのフォルダに保存される．

結果

テストデータを推定させた結果を示す．

score:[[0.49962726]
 [0.49962726]
 [0.49962726]
 [0.49962726]
       :

どのペアデータに対しても0.49962726しか返さないため， ネットワークが一致/不一致どちらとも判定できていないという結果になった．

原因として，入力データはただの動画であるため，この同一判定というタスクに対してネットワークが理解できず， ネットワークの特徴抽出がうまくいかなかったと考えられる．

これを解決するためには，選手をトラッキングしてフィールドでの二次元座標に落とし込むなど， 動画を同一判定用の特徴量に変換させる必要があると考えた．