Top > Search of International Patents > EVALUATION DEVICE, EVALUATION METHOD, PROGRAM, AND INFORMATION RECORDING MEDIUM

EVALUATION DEVICE, EVALUATION METHOD, PROGRAM, AND INFORMATION RECORDING MEDIUM UPDATE_EN

Foreign code F190009886
File No. 08697-WO
Posted date Aug 23, 2019
Country WIPO
International application number 2018JP019838
International publication number WO 2018221349
Date of international filing May 23, 2018
Date of international publication Dec 6, 2018
Priority data
  • P2017-105889 (May 29, 2017) JP
Title EVALUATION DEVICE, EVALUATION METHOD, PROGRAM, AND INFORMATION RECORDING MEDIUM UPDATE_EN
Abstract The purpose of the present invention is to estimate a score probability from a position time series of players and an object, the players belonging to two teams participating in team sport where a score is obtained by controlling the object until scoring conditions are satisfied. In an evaluation device (101), a distance unit (102) calculates a plurality of kinds of distance time series between an attacker belonging to a desired team, of the two teams, and a defender belonging to the other team on the basis of an attacking segment formed by a position time series while the object is controlled by the desired team. A decomposition unit (103) decomposes the calculated plurality of kinds of distance time series into feature vectors. A learning unit (104) learns for estimating a score probability for an attack segment on the basis of the feature vector by using whether a score is obtained by the attack segment as teaching data.
Outline of related art and contending technology BACKGROUND ART
From the prior art, the goal point can be obtained by the waveform of the ball-ball like ball game population, the object score until a condition is satisfied can be controlled by the point can be obtained in a sports team, the player can be analyzed the formation of which has been widely used.
Such as a sports team, a basketball ball object is adopted, soccer, rugby, American football, hockey, or the like or handball, ice hockey and the like employed as a pack the object.
In particular a professional sports industry, the team and the opponent team to analyze the movement of, and evaluation of a strategy or plan, are carried out systematically.
Measured by the development of technology, video camera or from the course of the game each player to collect a time series of the position of the object, various types of information as a series of processes of the distribution has been a service of the system. Of each team coach may, using this system, in accordance with its own experience, such as planning or analysis of the formation can be achieved.
Furthermore, the natural language processing or the like used in the machine learning technique is used, the rough motion of the entire team has been proposed a technique for analyzing the (non-patent document 1, 2).
In non-patent document 1, the trajectory of the players of the neural network (RNN) the optical image input to the recursive type, attack technique for performing the classification of the formation have been disclosed.
In non-patent document 2, the length of the trajectory data of a personal player as a unit, in consideration of the arrangement thereof is not set may be used to, unsupervised learning approach (LDA) is a Dirichlet distribution method applied potential, the formation of the classification of the attack part.
On the other hand, the inventors of the present invention, the control ball in a basketball team is on the side of the attack and a score point condition is satisfied can be obtained in the assessment of whether, and to analyze the relationship between the position of the player. As a result, at (1) least one player belonging to the team on the attack side of the main closest to the ball and the attacker, the defense side player belonging to the team of the user and closest to the attacker the main defense, (a ball-mark distance) the distance between the main, (2) and the attacker, the defense side player belonging to the team as a main operator 2 is the closest attacker defense, the distance between the (ball-help distance) the offense side, (3) the main player belonging to the team other than the each of the sub-attack by the attacker, one of the defense side player belonging to the team of the user closest to each sub-attack and defense, the distance of the maximum value of 3 (path-mark distance) a distance of one, the to-be to play an important role in was found. Based on these parameters whether or not the point can be obtained when estimating whether or not the correct answer ratio, was about 54% (non-patent document 3).
In addition, the present inventors, observability of the infinite dimensional in terms of a subject in a linear operator by the operator person coop spectrum analysis, non-linear dynamic system behavior of the global mode, dynamic mode (Dynamic Mode Decomposition) proposed decomposition algorithm (Non-Patent Document 4). Based on the present algorithm uses the dynamic mode if the kernel method, a potential having a non-linear dynamics to a small number of time series obtained from the system, explicit knowledge of the governing equation of the system even if it is not, strictly mechanical meaning mode can be defined.
Scope of claims (In Japanese)[請求項1]
得点条件が満たされるまでオブジェクトをコントロールすることにより点が得られるチームスポーツに参加する2つのチームのうち、所望のチームが前記オブジェクトをコントロールしている間の前記2つのチームに属するプレイヤおよび前記オブジェクトの位置時系列からなる攻撃セグメントから、前記所望のチームに属する攻撃者と他方のチームに属する守備者との間の、複数種類の距離時系列を算定する距離部、
前記算定された複数種類の距離時系列を特徴ベクトルに分解する分解部、
前記攻撃セグメントにて点が得られたか否かを教師データとして、前記攻撃セグメントに対する特徴ベクトルから得点確率を推定するための学習をする学習部
を備えることを特徴とする評価装置。

[請求項2]
前記分解部は、カーネル法により前記複数種類の距離時系列を動的モード分解することにより、前記特徴ベクトルを得る
ことを特徴とする請求項1に記載の評価装置。

[請求項3]
前記分解部は、クープマン固有値、クープマン固有関数、及びクープマンモードに対して指数割引を適用したシルベスタ方程式を解くことにより、クープマントレースカーネルまたはクープマン行列式カーネルを算定し、当該算定されたクープマントレースカーネルまたはクープマン行列式カーネルを前記攻撃セグメントの類似度とする
ことを特徴とする請求項2に記載の評価装置。

[請求項4]
前記分解部は、時系列を直列に結合した観測データの中心化グラム行列の右上部分を切り取った行列に基いてクープマンモードを作成し、当該作成されたクープマンモードの内積を合成した行列を用いて、一般化固有値問題を解くことにより、クープマン主成分角カーネルを算定し、当該算定されたクープマン主成分角カーネルを前記攻撃セグメントの類似度とする
ことを特徴とする請求項2に記載の評価装置。

[請求項5]
前記複数種類の距離時系列として、
(1)前記オブジェクトに最も近い主攻撃者と、当該主攻撃者に最も近い守備者と、の間の距離の時系列、
(2)前記主攻撃者と、前記守備者のうち前記主攻撃者に2番目に近い守備者と、の間の距離の時系列、
(3)前記主攻撃者以外の副攻撃者の各々と、当該副攻撃者の各々に前記守備者のうち最も近い守備者と、の距離の最大値の時系列、および、
(4)前記攻撃者の各々と、前記攻撃者の各々に前記守備者のうち2番目に近い守備者と、の距離の最大値の時系列
を採用する
ことを特徴とする請求項1に記載の評価装置。

[請求項6]
前記学習部は、単純ベイズ分類器により学習する
ことを特徴とする請求項1に記載の評価装置。

[請求項7]
前記学習部は、関連ベクトルマシンにより学習する
ことを特徴とする請求項1に記載の評価装置。

[請求項8]
前記2つのチームに属するプレイヤおよび前記オブジェクトの前記チームスポーツにおける位置時系列を、前記所望のチームが前記オブジェクトをコントロールしているか否かにより、前記攻撃セグメントと、守備セグメントと、のいずれかに分割する分割部をさらに備え、
前記分割された攻撃セグメントから、前記複数種類の距離時系列が算定される
ことを特徴とする請求項1に記載の評価装置。

[請求項9]
評価装置が、
得点条件が満たされるまでオブジェクトをコントロールすることにより点が得られるチームスポーツに参加する2つのチームのうち、所望のチームが前記オブジェクトをコントロールしている間の前記2つのチームに属するプレイヤおよび前記オブジェクトの位置時系列からなる攻撃セグメントから、前記所望のチームに属する攻撃者と他方のチームに属する守備者との間の、複数種類の距離時系列を算定し、
前記算定された複数種類の距離時系列を特徴ベクトルに分解し、
前記攻撃セグメントにて点が得られたか否かを教師データとして、前記攻撃セグメントに対する特徴ベクトルから得点確率を推定するための学習をする
ことを特徴とする評価方法。

[請求項10]
コンピュータに、
得点条件が満たされるまでオブジェクトをコントロールすることにより点が得られるチームスポーツに参加する2つのチームのうち、所望のチームが前記オブジェクトをコントロールしている間の前記2つのチームに属するプレイヤおよび前記オブジェクトの位置時系列からなる攻撃セグメントから、前記所望のチームに属する攻撃者と他方のチームに属する守備者との間の、複数種類の距離時系列を算定し、
前記算定された複数種類の距離時系列を特徴ベクトルに分解し、
前記攻撃セグメントにて点が得られたか否かを教師データとして、前記攻撃セグメントに対する特徴ベクトルから得点確率を推定するための学習をする
処理を実行させることを特徴とするプログラム。

[請求項11]
請求項10に記載のプログラムが記録された非一時的なコンピュータ読取可能な情報記録媒体。
  • Applicant
  • ※All designated countries except for US in the data before July 2012
  • INSTITUTE OF PHYSICAL AND CHEMICAL RESEARCH
  • Inventor
  • FUJII, Keisuke
  • KAWAHARA, Yoshinobu
IPC(International Patent Classification)
Specified countries National States: AE AG AL AM AO AT AU AZ BA BB BG BH BN BR BW BY BZ CA CH CL CN CO CR CU CZ DE DJ DK DM DO DZ EC EE EG ES FI GB GD GE GH GM GT HN HR HU ID IL IN IR IS JO KE KG KH KN KP KR KW KZ LA LC LK LR LS LU LY MA MD ME MG MK MN MW MX MY MZ NA NG NI NO NZ OM PA PE PG PH PL PT QA RO RS RU RW SA SC SD SE SG SK SL SM ST SV SY TH TJ TM TN TR TT TZ UA UG US UZ VC VN ZA ZM ZW
ARIPO: BW GH GM KE LR LS MW MZ NA RW SD SL SZ TZ UG ZM ZW
EAPO: AM AZ BY KG KZ RU TJ TM
EPO: AL AT BE BG CH CY CZ DE DK EE ES FI FR GB GR HR HU IE IS IT LT LU LV MC MK MT NL NO PL PT RO RS SE SI SK SM TR
OAPI: BF BJ CF CG CI CM GA GN GQ GW KM ML MR NE SN ST TD TG

PAGE TOP

close
close
close
close
close
close