Reconhecimento automático do tempo de jogo no Basquetebol baseado em Processamento de Imagens

Lucas Antônio Monezi , Luciano Allegretti Mercadante, Milton Shoiti Misuta

Faculdade de Ciências Aplicadas (FCA) Universidade Estadual de Campinas (Unicamp)

lucas.monezi@fca.unicamp.br,milton.misuta@fca.unicamp.br

Resumo – A análise da dinâmica do basquetebol requer o desenvolvimento de metodologias eficientes e automatizadas de forma a obter o maior número de informações pertinentes da modalidade. O objetivo deste trabalho consistiu em desenvolver e implementar uma ferramenta de reconhecimento automático do tempo cronometrado em jogos de basquetebol baseada em processamento de imagens. A aplicação da ferramenta sobre a filmagem do placar eletrônico em uma partida oficial mostrou-se viável e eficaz pelos resultados apresentados (98,81%). Palavras-chave: basquetebol, tempo de jogo, reconhecimento de números.

1. Introdução A análise da dinâmica do basquetebol requer o desenvolvimento de metodologias eficientes e automatizadas de forma a obter o maior número de informações pertinentes da modalidade. Na literatura, há uma crescente presença da análise quantitativa das informações usando recursos da computação, da eletrônica e da matemática. O tratamento de modalidades coletivas como objetivo de investigação científica aponta para o desenvolvimento de métodos para registro, tratamento, análise e interpretação das informações referentes ao jogo. Com relação ao processo de registro, diversas metodologias têm sido relatadas na literatura para a obtenção de dados contínuos sobre a posição do atleta em função do tempo em várias modalidades [2,4,5]. Especificamente no basquetebol, o registro do tempo de jogo torna-se importante, pois o cronômetro é interrompido em diversas situações durante a partida, denominadas bola morta, definidas pela regra e aplicadas pelos árbitros. Assim, o conhecimento do tempo de jogo torna-se importante à medida que se obtém esta informação associada às variáveis cinemáticas. Neste sentido, o reconhecimento automático do tempo de jogo torna-se fundamental devido à rapidez e precisão na obtenção desta informação, uma vez que a anotação manual do tempo de jogo pode acarretar em erros causados pelo operador, além da demora na obtenção do mesmo. Neste contexto, o objetivo deste trabalho consistiu em desenvolver e implementar uma ferramenta de reconhecimento automático do tempo cronometrado em jogos de basquetebol baseada em processamento de imagens. Os objetivos específicos consistem em: a) aplicar a ferramenta desenvolvida em um jogo oficial da NBB; b) apresentar os dados de distância percorrida associados ao tempo de jogo.

2. Reconhecimento dos números O tratamento do problema de reconhecer padrões em um conjunto de dados é encontrado em uma série de aplicações nas mais diversas áreas do conhecimeto. Neste sentido, a área de Reconhecimento de Padrão (pattern recognition) tem como interesse encontrar automaticamente regularidades nos dados baseados em algoritmos computacionais [3] e a partir disto resolver questões como classificação dos dados em categorias. Entre os métodos utilizados para reconhecimentos de caracteres ou digitos pode-se citar redes neurais [6], modelo oculto de markov, programação genérica, template matching, entre outros. Com relação ao reconhecimento de números gerados por máquinas de impressão, os métodos que são usados abordam modelos estatísticos e rapid transform. No trabalho apresentado em [1], o reconhecimento de números de máquinas de impressão é realizado usando a estimativa de movimento de translação. Especificamente no esporte, a identificação dos numerais presentes no placar eletrônico para posterior obtenção do tempo de jogo viabiliza e aumenta as perspectivas de estudos associados a este tempo obtido de forma automática e precisa. No caso do placar eletrônico, a etapa de segmentação da região da imagem correspondente aos numerais (números de 0 a 9) que apresentam padrões bem definidos, foi tratada utilizando algoritmos de processamento de imagens. Em seguida, realizou-se a classificação do numeral visando a conversão do tempo de jogo naquele instante.

2.1. Processamento de imagens A aquisição da imagem foi feita com uma câmera de vídeo digital (JVC GZHD10) posicionada estaticamente de modo a enquadrar o placar eletrônico. As quatro regiões da imagem que correspondem aos quatro números que representam a informação do tempo de jogo são determinadas pelo operador no primeiro quadro da sequência de imagens. As etapas do processamento das imagens envolvem algoritmos de morfologia matemática. As seguintes operações são aplicadas para cada região da imagem selecionada (figura 1): a) conversão para níveis de cinza, b) filtro passa-alta para extrair os pixels que correspondem ao número, c) binarização da imagem, d) abertura e fechamento para eliminar os ruídos. O resultado final corresponde a uma matriz binária [A] em que o conjunto de pixels correspondente ao número de interesse é representado por “1” e os demais pixels são representados por “0”.

2.2. Classificação Primeiramente, a criação do modelo (matriz Oi: i=1, .., 10) de referência de cada número (dígitos de 0 a 9) é feita pelo operador a partir das imagens dos dígitos do próprio placar eletrônico. O processo de obtenção desta matriz ocorre da mesma forma para obtenção da matriz A. A classificação do número de interesse (dígito) é feita aplicando-se a correlação bidimensional entre a matriz A e Oi (equação 1). A matriz Oi que resultar o maior valor de correlação bidimensional é classificado como o número reconhecido.

r(A,O) =(Amn − A

n∑

m∑ )(Omn −O)

(Amn − An∑

m∑ )2#

$%

&

'( (Omn −O

n∑ )2

m∑#

$%

&

'(

, (1)

Figura 1: Sistema de reconhecimento do tempo de jogo de partidas de Basquetebol.

3. Variáveis cinemáticas A filmagem do jogo foi feita com quatro câmeras de vídeo digitais (JVC GZHD10) posicionadas de forma a enquadrar toda a quadra. O processo de medição, calibração e a reconstrução 2D (DLT) foi realizado no sistema Dvideo [4]. O filtro digital butterworth passa baixa e frequencia de corte de 0,4 Hz foi aplicado para a suavização dos dados de posição em função do tempo (Matlab). Os dados de distância percorrida a serem apresentados associados ao tempo de jogo referem-se aos jogadores que atuaram durante o primeiro quarto de um jogo oficial. 4. Resultados

O processo de reconhecimento do tempo de jogo e o exemplo de classificação de um numeral está representado na figura 1. O resultado do reconhecimento do tempo de jogo (primeiro quarto de jogo com 8000 quadros) apresentou o percentual de acerto de 98,81% e o tempo de processamento de 1,35 segundos por quadro. A classificação incorreta ocorreu na situação em que as lampadas que representam o próximo número no placar começam a acender enquanto as lampadas que representam o número anterior ainda continuam acesas. Nestas situações a correção foi realizada manualmente.

Figura 2: Processo de reconhecimento do tempo de jogo.

A representação da distância percorrida pelos jogadores (figura 3) apresentada inclui os

instantes do jogo em que o cronômetro encontra-se ativo (trecho azul) ou parado (trecho vermelho). Como exemplo, o jogador (J5) percorreu 1159,29m (primeiro quarto de jogo), sendo 1007,96m (cronômetro ativo – 87%) e 151,52m (cronômetro parado – 13%).

Figura 3: Distância percorrida pelos jogadores no 1º quarto de jogo, azul (cronômetro ativo) e vermelho (cronômetro parado).

Conclusões A ferramenta de reconhecimento automático do tempo de jogo foi desenvolvido e implementado com base em processamento de imagens. A aplicação da ferramenta sobre a filmagem do placar eletrônico em uma partida oficial mostrou-se viável e eficaz pelos resultados apresentados (98,81%). Por fim, a obtenção da distância percorrida de cada jogador com os indicativos dos instantes com o cronômetro ativo e com o cronômetro parado possibilita uma análise mais aprofundada nesta modalidade, bem como em outras modalidades que envolvem esta forma de cronometragem.

Referências [1] Al-Zoubi H, Al-Khassaweneh M. Offline Machine-Print Hindi Digit Recognition Using Translational

Motion Estimation. In Computional Intelligence for Modelling Control & Automation, 1118-1122, 2008. [2] Barros RML, Misuta MS, Menezes RP, et al. Analysis of the distances covered by first division Brazilian

soccer players obtained with an automatic tracking method. J Sports Sci Med 2007; 6(2): 233-42. [3] Bishop CM. Pattern Recognition and Machine Learning. Springer, 2006. [4] Figueroa PJ, Leite NJ, Barros RML. Tracking soccer players aiming their kinematical motion analysis.

Comput Vis Image Underst. 101(2):122-135, 2006. [5] Pers J, Kovacic S. A system for tracking players in sports games by computer vision. Electrotech Rev.

Ljubljana, Slovenija 67(5):281-288, 2000. [6] Singh D, Dutta M, Singh S. Neural Network Based Handwritten Hindi Character Recognition System. In

Proceedings of the 2nd Bangalore Annual Compute Conference (COMPUTE '09). ACM, New York, NY, USA, Article 15, 4 pages, 2009.

0,423 0,184 0,978 0,669 0,142

0,292 0,258 0,313 0,630 0,273