人工智能可以大幅减少英超足球比赛中 VAR 越位判罚所需的时间

Josiah02

英超联赛 (EPL) 新赛季开始后，VAR（视频助理裁判）的运作方式将发生进一步变化。VAR 于 2019 年引入英超联赛，旨在减少包括越位在内的错误裁判判罚数量——但其使用仍受到很多批评。
裁判和其他位于伦敦西部斯托克利公园的官员会实时回放裁判判罚的视频回放。然后，这些官员的建议和关键时刻的视频会反馈给场上的裁判，以确保他们判罚的准确性。
英超联赛声称，现在正确的判罚率已达到96%，高于引入 VAR 之前的 82%。学术研究还发现，在引入 VAR 后，裁判的决策能力有所提高，上赛季 VAR 审查了约 1,300 场英超联赛比赛。
对 VAR 最大的批评之一是审查所需的时间，而英超联赛即将开始采用人工智能（AI）来解决这个问题。
半自动越位技术(SAOT) 已经在2022 年卡塔尔世界杯和2024 年欧洲杯上使用，它利用人工智能对球员进行高速跟踪，并且细节丰富。
据估计，SAOT 可将越位判定时间缩短 31 秒。它还为观看这些越位犯规的电视观众提供了更清晰的图像。SAOT 不是在球场图像上手动放置两条蓝线和一条绿线或一条红线，而是施加一个虚拟的垂直幕布，准确显示球员身体的哪个部位越位。
该技术基于计算机视觉系统，可以追踪每个球员和球的多达 10,000 个表面身体点。据赢得英超联赛 SAOT 合同的数据公司 Genius Sports 称，它可以以每秒 200 次更新的速度跟踪球员。
这种高细节和高速的跟踪是通过现代人工智能和深度学习算法实现的，这种技术模拟了人脑的决策方式。它可以消化安装在每个英超足球场上的数十台摄像机捕捉到的大量视频数据。
工作原理
卷积神经网络（CNN）是一种深度学习算法，专门用于处理和理解图像和视频的内容。它们在 SAOT 的运行中发挥着关键作用。
CNN 通过所谓的多阶段分层过程来分析图像。处理初始阶段的层会从图像中提取基本特征，例如边缘、斑点和角落，而下游的层会将这些特征聚合并组合成空间上更大、概念上更有意义的类别。
当应用于表面点跟踪时，就像 Genius Sports 的计算机视觉技术一样，CNN 经过定制和训练，可以对每个流图像产生球员身体和球上每个点的空间坐标估计值。
但首先，人工智能系统需要接受“训练”——换句话说，输入多个它将要寻找的东西的例子，以改进它执行这些任务的方式。这个训练过程基本上是自动进行的，对计算机的要求很高——但一旦完成，系统就可以为 SAOT 提供实时预测。
VAR 可能永远不会完美
人工智能研究和工程的不断进步正在突破体育数据分析的许多方面的界限，其中 SAOT 在顶级足球比赛中的应用就是最新技术的一个突出例子。
预计 SAOT 将于 2024 年 10 月开始引入，届时英超联赛负责人将确信它已达到标准。英超联赛首席足球官托尼·斯科尔斯表示，VAR 可能“永远不会完美”。然而，SAOT 的引入可能会让它更接近完美，这可能有助于该技术被大多数球迷更广泛地接受。
许多球迷表示，如果 VAR 得到改进，他们会支持。除了决策时间较长外，批评还包括降低球迷的观赏性、降低进球庆祝的自发性，以及对边缘决策的过度吹毛求疵。
在 2022-23 赛季末的一次英超俱乐部会议上，狼队甚至提议取消英超联赛使用 VAR 的提议，但狼队以 19-1 的比分否决了这一提议。