[發明專利]用于改進多主體數據的結構發現和表示學習的系統和方法

在審

• 申請號: 202080067662.4
• 申請日: 2020-09-25
• 公開（公告）號: CN114556325A
• 公開（公告）日: 2022-05-27
• 發明（設計）人: 珍妮弗·哈伯斯;帕特里克·露西
• 申請（專利權）人: 斯塔特斯公司
• 主分類號: G06F16/28
• 分類號: G06F16/28;G06F16/906;G06N3/00;G06N7/00;G06N20/00;G09B19/00
• 代理公司: 北京高沃律師事務所 11569
• 代理人: 趙興華

一種計算系統檢索跨多個事件多個選手的選手跟蹤數據。選手跟蹤數據包括每個事件期間的選手位置坐標。計算系統基于多個事件中每個選手的平均位置來初始化選手跟蹤數據。計算系統基于選手跟蹤數據使用高斯混合模型來學習選手位置的最佳陣型。計算系統通過識別最佳陣型中的每個分布與全局模板中的每個分布之間的距離來將選手位置的最佳陣型與全局模板對齊，以生成經學習的陣型模板。計算系統為經學習的模板中的每個選手分配一個角色。

相關申請的交叉引用

本申請要求于2019年9月27日提交的美國申請序列號62/907,133的優先權，該美國申請的全部內容通過引用并入本文。

技術領域

本公開一般涉及用于學習體育中的選手分布和角色分配的系統和方法。

背景技術

越來越多地，體育迷和數據分析師在體育分析中變得根深蒂固。在一些情況下，特別是在體育分析的團隊方面和分析師方面，預測對手的陣型可能對團隊進入比賽或競賽的策略至關重要。然而，預測對手的陣型或團隊的陣型并非易事。團隊體育中存在一種固有的排列紊亂，這增加了系統在給定的有限信息的情況下預測團隊陣型或團隊成員在比賽場地上的位置的難度。

發明內容

在一些實施例中，本發明內容提供了一種方法。一種計算系統檢索跨多個事件的多個選手的選手跟蹤數據。選手跟蹤數據包括每個事件期間的選手位置坐標。基于在多個事件中的每個選手平均位置，計算系統初始化選手跟蹤數據。基于選手跟蹤數據，使用高斯混合模型計算系統學習選手位置的最佳陣型。通過識別最佳陣型中的每個分布與全局模板中的每個分布之間的距離，計算系統將選手位置的最佳陣型與全局模板對齊以生成經學習的陣型模板。計算系統為經學習的模板中的每個選手分配角色。

在一些實施例中，本發明內容公開了非暫時性計算機可讀介質。非暫時性計算機可讀介質包括指令，當指令由計算系統執行時，使計算系統執行操作。操作包括通過計算系統檢索跨越多個事件的多個選手的選手跟蹤數據。選手跟蹤數據包括每個事件期間的選手位置坐標。操作進一步包括基于在多個事件中的每個選手平均位置，通過計算系統初始化選手跟蹤數據。操作進一步包括基于選手跟蹤數據，使用高斯混合模型通過計算系統學習選手位置的最佳陣型。操作進一步包括通過識別最佳陣型中的每個分布與全局模板中的每個分布之間的距離，通過計算系統將選手位置的最佳陣型與全局模板對齊以生成經學習的陣型模板。操作進一步包括通過計算系統向經學習的模板中的每個選手分配角色。

在一些實施例中，本發明內容公開了一種系統。系統包括處理器和存儲器。存儲器具有存儲在其上的編程指令，當編程指令由處理器執行時，使計算系統執行操作。操作包括接收來自客戶端設備的請求，以識別在選擇的比賽子集中的團隊陣型和角色分配。請求定義比賽子集的每個比賽內的情境。操作進一步包括檢索選擇的比賽子集的選手跟蹤數據。選手跟蹤數據包括每次比賽期間的選手位置坐標。操作進一步包括過濾選手跟蹤數據以識別對應于定義的情境的幀。操作進一步包括基于選手跟蹤數據和使用高斯混合模型定義的情境，學習選手位置的最佳陣型以生成學習的陣型模板。操作進一步包括為學習的陣型模板中的每個選手分配角色。操作進一步包括為定義的情境生成跨比賽子集的團隊陣型的結構化表示的圖形表示。

附圖說明

為了能夠詳細理解本公開的上述列舉的特征的方式，可以通過參考實施例來獲得對上述簡要概括的本公開的更具體的描述，其中一些實施例在附圖中示出。然而，要注意的是，附圖僅示出了本公開的典型實施例，因此不應被視為對本公開的范圍的限制，因為本公開可以承認其他同等有效的實施例。

圖1是根據示例實施例的示出計算環境的框圖。

圖2A是根據示例實施例的示出陣型學習過程的一部分的框圖。

圖2B是根據示例實施例的示出陣型學習過程的一部分的框圖。

圖3A是根據示例實施例的示出預測團隊的陣型的方法的流程圖。