BEPRO Dev Team
Il Tactical Feed di BEPRO - Una panoramica generale
Scopri come abbiamo migliorato il nostro feed tattico automatizzato

Questo articolo evidenzia i motivi alla base di una vista tattica, la sua creazione e la sua evoluzione, sfruttando al massimo l’ecosistema BEPRO.
La trasmissione televisiva del calcio
Quando pensiamo a una partita di calcio su uno schermo, abbiamo in mente una classica trasmissione televisiva. La telecamera è gestita da un operatore umano e la regia decide quali immagini mostrarci alla fine. Tuttavia, se desideri osservare la partita da un punto di vista tattico, ti trovi di fronte a un problema: è la telecamera a determinare ciò che vedi. Il video segue l’azione — e, chi l’avrebbe mai detto, questa si svolge quasi sempre dove si trova il pallone. Ma per osservare la gara come un match analyst, non puoi limitarti a seguire la palla, perché ciò che accade sul pallone rappresenta solo una piccola parte del quadro generale. Infatti, per la maggior parte del tempo ci sono oltre venti giocatori in campo che non stanno interagendo attivamente con la sfera. Cosa stanno facendo? Dove si stanno muovendo? Quale posizione o zona del campo stanno occupando? In realtà, i movimenti di questi giocatori sono spesso più importanti della situazione immediata sul pallone, poiché molto probabilmente determineranno la giocata successiva.
Video panoramico A differenza del calcio in TV, le nostre telecamere catturano ogni singolo istante della tua partita. Il nostro video panoramico copre l’intera area di gioco per tutta la durata dell’incontro. Il video player 3D consente all’utente di diventare egli stesso l’operatore di ripresa e di decidere l’inquadratura della partita — Leggi di più qui.
Vista tattica automatica Manovrare personalmente la telecamera è divertente, ma non permette di concentrarsi appieno sull’andamento complessivo del gioco. È qui che entra in gioco la nostra Vista Tattica generata dall’Intelligenza Artificiale (AI-Generated Tactical View). Il movimento automatico della telecamera consente ai nostri utenti di seguire le azioni più interessanti della propria squadra valutando al contempo ogni sfumatura tattica sul terreno di gioco. La Vista Tattica di BEPRO è progettata in modo tale che nell’angolo di visuale della telecamera sia visibile in ogni momento il maggior numero possibile di giocatori di movimento. Alcune eccezioni che escludono determinati giocatori — ad esempio il portiere o calciatori molto arretrati — permettono di ottenere la migliore prospettiva possibile senza perdere la visione d’insieme dello schieramento tattico.
Dal campo allo schermo
Un rapido riepilogo di come viene creata la Vista Tattica come risultato finale:

Creazione di un video panoramico a partire dai flussi video di ciascuna telecamera
Esecuzione del rilevamento degli oggetti (object detection: giocatori e pallone) tramite un modello di IA
Determinazione della posizione ideale dell’inquadratura sulla base delle informazioni raccolte
Presentazione del risultato sulla nostra piattaforma e disponibilità del video per il download
I punti 2 e 3 sono i più rilevanti per la creazione della Vista Tattica, quindi analizziamoli più nel dettaglio.
Rilevamento degli oggetti (Object Detection) Affinché la telecamera mostri la porzione ideale dell’intero panorama video, dobbiamo valutare cosa sta accadendo in campo e, per farlo, dobbiamo sapere dove si trovano i giocatori e il pallone. Per ottenere queste informazioni utilizziamo la tecnologia di object detection. La prima frase su Wikipedia lo riassume perfettamente:
“Il rilevamento di oggetti (object detection) è una tecnologia informatica legata alla visione artificiale e all’elaborazione delle immagini che si occupa di rilevare istanze di oggetti semantici di una determinata classe (come esseri umani, edifici o automobili) in immagini e video digitali.”
Resta però una domanda: come funziona tutto questo? — Beh, la risposta breve (e francamente imprecisa) è: IA! Oggi l’acronimo IA viene indicato come la soluzione per quasi ogni problema da risolvere, spesso a sproposito, ma ammettiamolo: è affascinante immaginare un’intelligenza artificiale capace di risolvere qualcosa. Tuttavia, il rilevamento degli oggetti è davvero un ambito dominato dall’IA, o più precisamente dal Deep Learning. Utilizziamo un modello progettato su misura, nello specifico una rete neurale convoluzionale (CNN). Questo modello è stato addestrato con milioni di esempi per identificare gli oggetti (in questo caso giocatori, pallone e sfondo). Per i dati di addestramento necessari possiamo contare sul nostro enorme volume di video registrati (attualmente circa 60.000 ore). Inoltre, abbiamo il vantaggio di disporre non solo di moltissimi set di dati, ma anche di un’ampia varietà grazie alle location e agli utenti completamente diversi dei nostri sistemi.
Determinazione della posizione dell’inquadratura
Il primo passo consiste nel trasformare la posizione degli oggetti rilevati dal sistema di coordinate dell’immagine (la posizione all’interno del fotogramma video) al sistema di coordinate reali (la posizione effettiva sul terreno di gioco). I calcoli necessari vengono ricavati dalla posizione della telecamera rispetto al campo. Una volta determinata la collocazione degli oggetti sul terreno di gioco, ogni istanza passa attraverso una serie di fasi di filtraggio per ridurre al minimo gli errori di rilevamento. L’inquadratura effettiva della telecamera è definita da un insieme di regole e operazioni basate sulle informazioni relative alla posizione dei giocatori e del pallone. Chiamiamo queste definizioni Tactical View Logic (Logica della Vista Tattica). La logica decide quindi quali giocatori siano rilevanti e quali possano essere esclusi a favore di una migliore prospettiva della telecamera. A questo scopo vengono utilizzate diverse informazioni, come la distanza tra i giocatori identificati o la distanza dal pallone, oltre alla sua posizione generale. Inoltre, vengono calcolati vari indicatori per valutare lo stato attuale del gioco e adattare di conseguenza l’inquadratura. Il passaggio finale della logica consiste nell’utilizzare le informazioni raccolte per determinare la migliore porzione d’immagine possibile e tradurla in un movimento fluido della telecamera.

Arriva la Versione 2.0
La prima versione della Vista Tattica è attiva da parecchio tempo e ha ricevuto aggiornamenti costanti. Nel corso del tempo sono stati implementati numerosi piccoli miglioramenti e correzioni di bug, ma per compiere un vero salto di qualità a volte la scelta migliore è ripartire da un foglio bianco. Ed è esattamente ciò che abbiamo fatto. Abbiamo riprogettato da zero sia la struttura che la logica della Vista Tattica. In una riprogettazione di questo tipo, l’obiettivo iniziale è ricreare la qualità della versione originale. Allo stesso tempo, però, puntiamo anche ad aumentare l’efficienza, la comprensibilità e la modularità del codice analizzando ogni singola riga. Una volta raggiunto un certo livello di emulazione, inizia la fase successiva: l’allievo supera il maestro. Mettere in discussione la logica esistente produce spesso approcci completamente nuovi, che ora possono essere introdotti e testati rapidamente grazie alla struttura migliorata del codice. Rispetto alla versione originale, ecco alcuni dei principali aspetti migliorati o sviluppati:
Tempi di risposta della telecamera più rapidi
Allineamento migliorato della telecamera per ridurre gli sfondi vuoti
Nuovo metodo per escludere i giocatori così da garantire la migliore prospettiva possibile
Maggiore efficacia dei meccanismi di filtraggio per evitare falsi rilevamenti
Nuova funzione per valutare lo sviluppo del gioco in base ai movimenti dei giocatori
Nuova funzione per rilevare e inquadrare i calci d’angolo
Metodo innovativo per individuare situazioni critiche con potenziale da gol
Valutazione — Sfruttare i vantaggi dell’ecosistema BEPRO L’argomento conclusivo di questo articolo riguarda uno dei punti più importanti nello sviluppo della Vista Tattica, ovvero la valutazione della qualità. Per chiarire questo aspetto, occorre prima stabilire due presupposti:
Non esiste una definizione universalmente valida della Vista Tattica ideale
La qualità della Vista Tattica è in larga misura soggettiva
Di fronte a questi dati di fatto, probabilmente ti starai chiedendo: come si può valutare e migliorare qualcosa che non è rigidamente definito ed è altamente soggettivo? La nostra soluzione sono i dati! Ricordi i milioni di esempi estratti dai nostri video che utilizziamo per addestrare la nostra IA a identificare gli oggetti? Eseguiamo anche analisi dettagliate delle partite per il nostro ecosistema all-in-one. Utilizziamo i nostri dati evento analizzati per trasformare la qualità soggettiva della Vista Tattica in numeri confrontabili. L’informazione più importante ricavata da questi dati è la posizione degli eventi. Riferendo con esattezza ogni azione al terreno di gioco, possiamo determinare se l’evento sia visibile all’interno della vista tattica. Questo è il requisito fondamentale e il punto di partenza di qualsiasi miglioramento. Tuttavia, per non perdere nessun evento, la telecamera virtuale non deve mostrare l’intero campo, ma soltanto quanto basta. A tal fine è possibile valutare il livello di zoom e la posizione della Vista Tattica. Inoltre, il numero di cambi di direzione della telecamera deve essere mantenuto il più basso possibile per offrire un’esperienza di visione piacevole. Ciononostante, la percezione reale della messa a fuoco e del movimento della telecamera resta soggettiva e viene vissuta in modo diverso da ciascun utente. Ecco perché lavoriamo costantemente per perfezionare la nostra Vista Tattica.
Scene di esempio I seguenti video mostrano alcune clip di situazioni migliorate individuate dalla valutazione automatica della vista tattica. La versione precedente è a sinistra e la nuova versione è a destra.



