[发明专利]在定位进攻期间对球队队形进行识别的方法、系统、介质

说明书

本文公开了在定位进攻期间对球队队形进行识别的方法、系统、介质。计算系统接收一个或更多个跟踪数据流。该计算系统识别所述一个或更多个跟踪数据流中包含的定位进攻。该计算系统识别第一球队的防守队形和第二球队的进攻队形。该计算系统通过将定位进攻传递通过卷积神经网络，经由该卷积神经网络提取与由第一球队实现的防守队形的类型相对应的一个或更多个特征。该计算系统经由机器学习算法对定位进攻进行扫描，以识别指示由第二球队实现的进攻队形的类型的一个或更多个特征。该计算系统推导由第一球队实现的防守队形的类型。

本申请是原案申请号为201980018888.2的发明专利申请(国际申请号：PCT/US2019/014614，申请日：2019年1月22日，发明名称：在定位进攻期间对球队队形进行识别的方法、系统、介质)的分案申请。

相关申请的交叉引用

本申请要求对2018年1月21日提交的美国临时申请序列号No.62/619,896的引用，其全部内容通过引用而并入于此。

技术领域

本公开总体上涉及对进攻球队队形(alignment)与防守球队队形进行分类的系统和方法。

背景技术

在2016-2017赛季的英超联赛中，所有进球(goal scored)中约有16％来自定位进攻(set-piece)(例如，角球和任意球)。然而，作为球队，这些数字之间也存在着很大的差异，诸如West Bromwich Albion在他们的43个进球中的16个进球来自于定位进攻(他们的进球数的35％)，而其他球队在他们的进球数中从定位进攻获得的进球不到7％(例如，Sunderland在他们的29个进球中从定位进攻获得2个进球)。世界足球方面最富的球队与最穷的球队之间的资源差距各个赛季变得越来越大，如在Neymar身上花费了创纪录的2.2亿欧元的Paris Saint-Germain所证明的，Neymar打进了15个球。小市场球队以有效的定位进攻策略的价格复制相同的进球输出的能力是可以加以利用的市场低效率。因此，可以帮助球队利用这种低效率的新方法将是一个关键优势。

发明内容

本文所公开的实施方式总体上涉及对进攻球队队形与防守球队队形进行分类的系统和方法。在一些实施方式中，本文公开了一种对定位进攻中的防守队形和进攻队形进行识别的方法。计算系统接收与一个或更多个比赛相关联的一个或更多个跟踪数据流。该计算系统识别所述一个或更多个跟踪数据流中包含的定位进攻。该计算系统识别第一球队的防守队形和第二球队的进攻队形。该计算系统通过使定位进攻通过卷积神经网络，来经由该卷积神经网络提取与由第一球队实现的防守队形的类型相对应的一个或更多个特征。该计算系统经由机器学习算法对定位进攻进行扫描，以识别指示由第二球队实现的进攻队形的类型的一个或更多个特征。该计算系统经由机器学习算法，至少基于所述一个或更多个识别的特征以及所述一个或更多个提取的特征，来推断由第一球队实现的防守队形的类型。

在一些实施方式中，本文公开了一种对定位进攻中的防守队形和进攻队形进行识别的系统。所述系统包括处理器和存储器。该存储器上存储有编程指令，该编程指令在由处理器执行时，执行一个或更多个操作。一个或更多个操作包括：与一个或更多个比赛相关联的一个或更多个跟踪数据流。所述一个或更多个操作还包括：识别所述一个或更多个跟踪数据流中包含的定位进攻。所述一个或更多个操作还包括：识别第一球队的防守队形和第二球队的进攻队形。所述一个或更多个操作还包括：通过使定位进攻通过卷积神经网络，来经由该卷积神经网络提取与由第一球队实现的防守队形的类型相对应的一个或更多个特征。所述一个或更多个操作还包括：经由机器学习算法对定位进攻进行扫描，以识别指示由第二球队实现的进攻队形的类型的一个或更多个特征。所述一个或更多个操作还包括：经由机器学习算法，至少基于所述一个或更多个识别的特征以及所述一个或更多个提取的特征，来推断由第一球队实现的防守队形的类型。