大数据文摘出品
来源：wired
8月8日晚，第32届夏季奥林匹克运动会正式闭幕。
本次奥运会中国以38金、32银、18铜的战绩，追平了参加境外奥运会的最佳战绩。
由于疫情原因，本次奥运会没有开放观众入场，偌大的比赛场上能清楚听到选手的呐喊和喘息声。
但在一些比赛场上，比如沙滩排球，除了教练和队友，还有这么一群特殊的“观众”。
“我们使用带有计算机视觉技术的摄像头来跟踪运动员和排球，”Omega Timing的负责人Alain Zobrist说，“这是我们将相机技术和人工智能结合实现的”。
自1932年以来，Omega Timing一直为奥运会提供官方计时服务。
最让人印象深刻的，可能是1948年在伦敦推出的第一台光电照相机Magic Eye，在此之前，裁判都是用人眼与秒表，结合判定哪个运动员最先越过终点线。
多年来，Omega Timing除了一直提高准确性，还实时开发了对新项目的判定方法。比如，竞技攀岩、游泳、田径、体操和马术都在今年获得了新的计时方法。
但其中，最有趣的应当要数Omega Timing花了四年时间训练人工智能来学习沙滩排球。
据了解，Omega Timing的研发部门由180名工程师组成，开发过程从内部定位系统和运动传感器系统开始。他们的目标是，在每年500多项体育赛事中，可以为多个项目提供关于运动员表现的详细实时数据。这些数据在赛事期间的测量、处理和传输时间必须少于十分之一秒，以便呈现给屏幕前的观众。
对于沙滩排球来说，这意味着采用定位和运动技术，并训练人工智能来识别各种击球类型，比如击球到拦网到扣球的变化，以及传球类型和球的飞行路径，然后将这些数据与从球员衣服上的陀螺仪传感器收集的信息结合起来。这些传感器能够让系统知道运动员的运动方向，跳跃高度和速度等。
处理完毕后，相关信息和数据就会用于直播、评论或以屏幕上的图形进行展示。
据Zobrist说，人工智能要学习的最难的课程之一是在摄像机不能再看到球的情况下准确地跟踪球的运动。
“有时，球会被运动员的身体部位遮住，有时在电视画面外，因此，如何在看不见球的时候进行追踪，让软件预测球的运动轨迹，然后，当球再次出现时，重新计算这段时间的差距，自动填补缺失的数据，并再度实现追踪”。
Zobrist说，“当跟踪球时，系统会知道它的位置，以及它何时改变了方向，如果再结合运动员身上的传感器，算法就会识别出击球行为，同时你会知道是哪支球队哪名球员发出了这个动作。也正是基于这两种技术，使我们能够准确地测量数据”。
Omega Timing声称，沙滩排球系统的准确率为99%，这要归功于传感器和以每秒250帧运行的多个摄像头。然而，达勒姆大学计算机视觉和图像处理教授Toby Breckon表示，关键还在于，系统是否会被种族和性别的差异所欺骗。
“这些已经完成的工作相当令人印象深刻，你需要一个大的数据集来训练人工智能”，Breckon说，“但其中一个问题是准确性。在这些不同的动作方面，它有多长时间会出错?它多长时间会失去对球的追踪?还有，如果它在所有种族和性别上都能统一工作，比如说，对美国女队的准确率是99%，系统对加纳女队的准确率仍然是99%吗?”
Zobrist对此很有信心，他解释说，虽然调用谷歌或IBM来提供所需的人工智能专业知识可能更容易，但这不是他们的选择。“重要的是，不管是对于计分运动，还是计时运动，我们都不能让成绩的解释和最终结果之间出现差异”。
至于未来的计时和跟踪升级，Zobrist讳莫如深，但他说2024年的巴黎奥运会将是关键。
“你会看到一套全新的设备。它仍将围绕计时、计分，以及运动传感器和定位系统，当然也可以期待一下2028年的洛杉矶，我们还将有更为有趣的项目，虽然我们才刚刚开始”。
相关报道：https://www.wired.co.uk/article/tokyo-olympics-timekeeping-omega
【本文是51CTO专栏机构大数据文摘的原创译文，微信公众号“大数据文摘（ id: BigDataDigest）”】
