Konenäkö joukkueurheilun kontekstissa

Tässä tutkimuksessa tarkastellaan konenäön nykytilaa joukkueurheilun kontekstissa kirjallisuuskatsauksena. Konenäkö on koneoppimisen alalaji, jolla pyritään tuottamaan informaatiota video- tai still-kuvista. Konenäkö on ottanut viime vuosina harppauksia teknologian kehittymisen ja tietokoneiden parantuneen laskentatehon ansiosta. Tämä on luonut painetta konenäön hyödyntämiseen myös urheilun automaattisessa analysoinnissa. Tärkeimmät videosta analysoitavat asiat ovat pelaajien ja pelivälineen sijainti suhteessa pelikenttään, sekä pelaajien identiteetti. Tästä paikkatietodatasta saadaan jalostettua huomattava määrä erilaista informaatiota, joka on hyödyksi sekä pelaajille, valmennukselle että urheilun kuluttajille. Konenäön avulla saatu paikkatietodata on erilaisiin pelaajiin kiinnitettäviin sensoreihin perustuviin järjestelmiin verrattuna ihannetilanteessa halvempi ja helpompi toteuttaa. Konenäköjärjestelmät ovat kuitenkin tähän mennessä kyenneet analysoimaan vain spesifejä lajeja ja perustuvat yleensä useaan kameraan. Pelaajien paikan tunnistaminen on huomattavasti helpompaa kuin pelivälineen tunnistus. Pelaajien identifiointi taas on erittäin vaikea haaste, jota ei ole luotettavasti saatu ratkaistua. Parhaat kaupalliset konenäköjärjestelmät ovat laajasti käytössä eri lajeissa, ja ovat ratkaisseet koenäön ongelmia maailman johtavissa joukkueurheilulajeissa. Näillä järjestelmillä on automatisoitu eri lajien, kuten jalkapallo, jääkiekko ja koripallo, analysointia. Käytännössä kaikki johtavat järjestelmät perustuvat konvoluutioneuroverkkoihin, joka kertoo syväoppimisen voimasta kuvien ja videon käsittelyssä. Konenäköjärjestelmä, joka soveltuu usean lajin analysoimiseen, on vielä kaukana, eikä sellaisen toteuttaminen ole välttämättä järkevää, sillä eri lajien analysoijalle tuomat vaatimukset ovat niin erilaisia.