连梅西「毫米级」越位都能识别,阿根廷哭了,黑科技赢了
本文经AI新媒体量子位(公众号ID:QbitAI)授权转载,转载请联系出处。
离了个谱,夺冠热门阿根廷竟一比二输给沙特。
今年世界杯首个大冷门竟来得如此之快,想必昨晚不少球迷都在黯然神伤。
但回过头看,可能即便是路人都觉得这次阿根廷有点“冤”。
上半场四个进球,三个被判越位无效。整场比赛累计7次越位判罚,超过了上届俄罗斯世界杯任何一支球队在整届赛事的总和。
这一波属实要把运动员和球迷心态搞崩。
连“小白”冰冰都说,这场绝对是一场越位球学习指南。
而且更具争议的是,其中不乏多次上演「毫米级越位」。要搁以前,这绝对只是一场精彩的进球。
背后的“始作俑者”就是以VAR为首的世界杯黑科技了。连解说詹俊也调侃说:VAR不解人情。
趁此机会就来盘一盘「毫米级越位」到底是如何识别的?
如何识别「毫米级越位」?
首先浅科普一下什么叫越位。
简言之,队友传球瞬间,你比球和倒数第二位对方球员更靠近对方底线(通常只剩下对方门将),这时候你就处于越位位置。
△图源:Wikipedia,最左蓝前锋处于越位位置
以往通常两位在场边的助理裁判,或者视频回放的方式来判断,现在就新增了一系列黑科技。
主要分为三个部分:
足球AI RIHLA、半自动越位技术SAOT、视频助理裁判VAR。严格意义上讲,主要是后两者。
半自动越位技术SAOT由两部分构成,一是足球内设传感器,二是场内摄像头。
足球的球中心安装了一个惯性测量传感器IMU,可以每秒500次的速率向操作室传输数据,以此来实时精确地检测到足球位置。
△图源:FIFA,下同
与此同时,球场上还安装了12个跟踪摄像头,一方面检测足球位置,另一方面还可以追踪每名球员身上的29个点,以此计算球员位置,每秒50次传输数据。
每当有越位球员接触到球时,利用AI结合肢体和球数据,SOAT就会向视频操作室(VOR)发出警报,然后供主裁判判断。
做出决定后,VAR组快速生成与越位判罚直接相关的3D动画,完整显示球员四肢在比赛中的位置和越位情况。
据消息,也正因为这项技术,可将越位判罚的平均耗时从70秒减少到25秒钟。
VAR对于熟悉足球的读者并不陌生,早在上届世界杯中就已经使用,但这一次可以说是场外的大明星了。
VAR组是被关在一个小黑屋里,由一位视频助理裁判(VAR,绿衫最右)和三名助理(剩下绿衫)组成。
他们可以访问场内安放的42个摄像机(其中8个是超慢动作,4个是更慢动作的回放),以及半自动越位技术传递的摄像机信号。
整场比赛,他们的工作是不断检查这四项工作:
- 进球和导致进球的犯规;
- 处罚决定和导致处罚的违法行为;
- 直接红牌事件(不是第二张黄牌/警告)
- 错误的身份。
只有在出现明显失误或者严重漏判的情况下才会与裁判沟通。
不过正如冰冰所说:一切以裁判为准。
比如阿根廷对阵沙特之后,在丹麦队对阵突尼斯的比赛中疑似出现手球,VAR做出提醒,但裁判决定不做判罚。
不过即便如此,这一整套裁判技术也引发了不小的争议。知乎相关话题都有上百万浏览。
有人认为,公平性的提升只会提高体育的水平。
还有人吐槽说,可以倒是可以,但有明显的越位能不能先举旗。
对此,你怎么看呢?
相关文章
- 一篇运维老司机的大数据平台监控宝典(2)-联通大数据集群平台监控体系详解
- 一篇运维老司机的大数据平台监控宝典(1)-联通大数据集群平台监控体系进程详解
- 空中换引擎 博时基金数字化转型经验谈
- 如何高效地学习编程语言
- 作为一名阿里巴巴数据分析大牛,送给学弟学妹的经验积分
- 为什么要学习R语言
- Hadoop大数据分析平台的介绍性讨论
- 最全面的Spring学习笔记
- 16个用于数据科学和机器学习的顶级平台
- 给有抱负的数据科学家的六条建议
- 如何做一枚合格的数据产品经理
- 除Kaggle外,还有哪些顶级数据科学竞赛平台
- 一个鲜为人知却可以保护隐私的训练方法:联合学习
- 干货 :送你12个关于数据科学学习的关键提示(附链接)
- 大数据行业有多少种工作岗位,各自的技能需求是什么?
- 中国移动研究院常耀斌:商用大数据平台的研发之路
- 这些数据科学家必备的技能,你拥有哪些?
- 自学成才的开发者有何优势和劣势?
- Gartner报告:正处于数据科学与机器学习工具 “大爆炸”的时代
- Ready Computing借助InterSystems IRIS医疗版为医疗机构提供具有高度互操作性和可扩展性的解决方案