スポーツ IoT LT vol.1 2019-11-01(Fri)

1. サッカーにおけるトラッキングデータの取得と分析と可視化
スポーツIoTLT vol.1
2019/11/01(Fri)
さえない / Yamamuro Saeru (@saeeeeru)

2. 1. 自己紹介 さえないってナニモノ？
2. サッカーにおけるデータの種類 イベント / トラッキング
3. 収集（あつめる）〜Collect〜
4. 分析（わかりやすくする）〜Analyze〜
5. 可視化（みせる）〜Vizualize〜
6. きょうのLTのまとめ
Today’s Agenda
2

3. 1. 自己紹介 さえないってナニモノ？
2. サッカーにおけるデータの種類 イベント / トラッキング
3. 収集（あつめる）〜Collect〜
4. 分析（わかりやすくする）〜Analyze〜
5. 可視化（みせる）〜Vizualize〜
6. きょうのLTのまとめ
Today’s Agenda
3

4. 1. 自己紹介 さえないってナニモノ？
2. サッカーにおけるデータの種類 イベント / トラッキング
3. 収集（あつめる）〜Collect〜
4. 分析（わかりやすくする）〜Analyze〜
5. 可視化（みせる）〜Vizualize〜
6. きょうのLTのまとめ
Today’s Agenda
4

5. 1. 自己紹介 さえないってナニモノ？
❏ 熊本育ちの九州男児(25)です
❏ 時系列データの解析技術を研究していました
- IoTセンサーデータ（加速度、角速度 ...）
- 隠れマルコフモデルを用いたパターン認識
- 深層学習によるラベル分類と重要度算出
❏ 東福岡高校のサッカー部に所属していました
- 夢の国立には一度もたどり着けず
❏ 汐留のIT企業でデータサイエンティスト
❏ 趣味も特技もサッカーです
- オフの日はサッカーをプレイするか、戦術分析
@saeeeeru
Sakurai Lab.
@ Kumamoto University
5

6. 2. サッカーにおけるデータの種類
試合中の選手とボールの全時刻における地
点情報を取得したデータのこと
e.g) DEBS2013 Grand Challenge
トラッキングデータ
試合中のパスやドリブルといったイベントに関
する様々な情報を収集したデータ
e.g) statsbombのオープンデータセット
イベントデータ
6

7. 1. 自己紹介 さえないってナニモノ？
2. サッカーにおけるデータの種類 イベント / トラッキング
3. 収集（あつめる）〜Collect〜
4. 分析（わかりやすくする）〜Analyze〜
5. 可視化（みせる）〜Vizualize〜
6. きょうのLTのまとめ
Today’s Agenda
7

8. 3. 収集（あつめる）〜Collect〜
❏ データスタジアム社の定義だと...
https://www.datastadium.co.jp/service/tracking.html
トラッキングとはスタジアムの試合映像から
リアルタイムにピッチ上のすべての動き（選手、ボール、審判）を追尾し
データ化することができるシステム
❏ TRACAB
❏ 米国に本社を置くChyronHego社のシステム
❏ 欧州リーグでも採用されている
8

9. 3. 収集（あつめる）〜Collect〜
❏ IoTっぽいのだと... Catapult社のデジタルブラジャー
https://tech.nikkeibp.co.jp/dm/atcl/feature/15/110200006/051600078/
❏ 背中にGPSデバイスを固定するポケット有り
❏ 加速度 / 角速度センサーを内蔵している
❏ 走行距離や走行スピード、加速・減速、体の向き
➢ TRACABが採用されていないリーグ(J2以下)や
育成年代のチームにニーズがある
9

10. 1. 自己紹介 さえないってナニモノ？
2. サッカーにおけるデータの種類 イベント / トラッキング
3. 収集（あつめる）〜Collect〜
4. 分析（わかりやすくする）〜Analyze〜
5. 可視化（みせる）〜Vizualize〜
6. きょうのLTのまとめ
Today’s Agenda
10

11. 4. 分析（わかりやすくする）〜Analyze〜
「フォーメーションの自動検知」
「フォーメーションを自動で検知する」
（実験）https://note.mu/deepfoot/n/n5f504610bbdc
（論文紹介）https://note.mu/deepfoot/n/n1c987477f5d5
11
❏ Given :
- 選手とボールの位置情報データ
（トラッキングデータ）
❏ Method :
- 各ポジションに役割分布を導入
- 目的関数 = KLダイバージェンス
- EMアルゴリズムで分布を推定
- 各フォーメーションをクラスタリング
役割分布の学習過程
-> Iterationを重ねると
重なりがなくなるようになる

12. 4. 分析（わかりやすくする）〜Analyze〜
「フォーメーションの自動検知」
「フォーメーションを自動で検知する」
（実験）https://note.mu/deepfoot/n/n5f504610bbdc
（論文紹介）https://note.mu/deepfoot/n/n1c987477f5d5
12
❏ Output :
- クラスタを推定することで
フォーメーションを自動的に検知可能
- Cluster 1 : 4-2-3-1
- Cluster 2 : 4-4-2
- Cluster 3 : 3-4-3
- Cluster 4 : 4-1-4-1
- Cluster 5 : 4-3-3
- Cluster 6 : 4-1-3-2
各クラスタの中心点

13. 4. 分析（わかりやすくする）〜Analyze〜
「フォーメーションの自動検知」
学習
「フォーメーションを自動で検知する」
（実験）https://note.mu/deepfoot/n/n5f504610bbdc
（論文紹介）https://note.mu/deepfoot/n/n1c987477f5d5
前半 後半
各チームのフォーメーションの遷移
フォーメーションの種類
各クラスタの学習過程
13

14. 1. 自己紹介 さえないってナニモノ？
2. サッカーにおけるデータの種類 イベント / トラッキング
3. 収集（あつめる）〜Collect〜
4. 分析（わかりやすくする）〜Analyze〜
5. 可視化（みせる）〜Vizualize〜
6. きょうのLTのまとめ
Today’s Agenda
14

15. 5. 可視化（みせる）〜Visualize〜
「プレッシングの矢印の可視化」
15
https://twitter.com/saeeeeru/status/1075307025293168640?s=20
❏ Given :
- 選手とボールの位置情報データ
（トラッキングデータ）
❏ Method :
- ボールと選手の距離と時間情報を
用いたボール保持選手・チーム判定
- 守備チームの選手の移動ベクトルを
プレッシングの矢印として描画
15

16. 1. 自己紹介 さえないってナニモノ？
2. サッカーにおけるデータの種類 イベント / トラッキング
3. 収集（あつめる）〜Collect〜
4. 分析（わかりやすくする）〜Analyze〜
5. 可視化（みせる）〜Vizualize〜
6. きょうのLTのまとめ
Today’s Agenda
16

17. 6. きょうのLTのまとめ
✓ サッカーにおいて使用できるデータとして、
イベントデータ / トラッキングデータの2つが大きく分けてあります
✓ 後者のトラッキングデータを収集するためには、
複数台のカメラを使うものとブラジャーを着用するものの2つの方法があります
✓ トラッキングデータを用いた分析は、
基礎集計のみならず様々なデータ分析技術を駆使して行われています（途中です）
✓ トラッキングデータの可視化においては、
ボール非保持者（ディフェンス）のプレッシングの矢印を描画したりしました
✓ 活用方法については、アイデアを考案中です！
17

18. EOF （宣伝）
現在の取り組みと成果物⑤「スポーツアナリティクスに関する論文まとめ」
https://sportech-sanity.herokuapp.com
❏ Given :
- 日々アップデートされ続ける技術
- たくさんの投稿された論文
❏ Method :
- Github issueへ有志で
論文の要約をまとめ、
Webサイト化
❏ Goal :
- スポーツアナリティクスで
日本のスポーツを活性化
18