Як AI допомагає автоматизувати спортивну статистику?

Ручна розмітка спортивної статистики — вузьке місце для клубів та студій. Кожен матч вимагає 8–12 годин роботи відеоаналітика, а вартість ліцензій професійних систем (наприклад, Hawk-Eye) становить десятки тисяч доларів. Наша система використовує комп'ютерний зір та нейромережі для автоматичної генерації спортивної статистики. Ми маємо 5+ років досвіду у спортивному AI та реалізували понад 15 проєктів для клубів і студій. Ми розробляємо AI-системи, які за звичайним відео з 2–4 камер видають 80–90% точності професійних систем за частку вартості — наші рішення в 5–10 разів дешевші за Hawk-Eye. Типові помилки ручної розмітки — пропуски епізодів, суб'єктивна оцінка володіння, розходження в підрахунку пробігу до 15%. AI позбавлений цих проблем: він обробляє кожен кадр, фіксуючи координати всіх гравців та м'яча. Нижче — технічні деталі: як ми обчислюємо метрики та будуємо рішення під ключ.

Як AI обчислює пробіг та швидкість?

Для розрахунку відстаней, швидкості та теплових карт ми використовуємо трекінг гравців (AI-трекінг) від YOLOv8 + ByteTrack. Клас SportsStatisticsEngine агрегує дані по кожному гравцю в реальному часі.

import numpy as np
from collections import defaultdict
from dataclasses import dataclass, field
from typing import Optional

@dataclass
class PlayerStats:
    player_id: int
    team: str
    distance_m: float = 0.0
    sprint_count: int = 0      # спринты > 25 км/ч
    max_speed_kmh: float = 0.0
    touches: int = 0
    shots: int = 0
    passes_attempted: int = 0
    passes_completed: int = 0
    heatmap: np.ndarray = field(default_factory=lambda: np.zeros((68, 105)))

class SportsStatisticsEngine:
    def __init__(self, fps: float, sport: str = 'football'):
        self.fps = fps
        self.sport = sport
        self.player_stats: dict[int, PlayerStats] = {}
        self.possession_log = []  # (frame_idx, team_with_ball)
        self.event_log = []

        # Пороги скорости (м/с на кадр → км/ч)
        self.sprint_threshold = 25 / 3.6 / fps  # м/кадр
        self.jogging_threshold = 11 / 3.6 / fps

    def update(self, frame_idx: int, tracked_players: list,
                ball_pos: Optional[tuple]):
        for player in tracked_players:
            pid = player['track_id']
            team = player.get('team', 'unknown')
            pos = player.get('field_pos')

            if pid not in self.player_stats:
                self.player_stats[pid] = PlayerStats(
                    player_id=pid, team=team
                )

            stats = self.player_stats[pid]

            # Расстояние и скорость
            if hasattr(stats, '_prev_pos') and stats._prev_pos and pos:
                dist = np.sqrt((pos[0]-stats._prev_pos[0])**2 +
                                (pos[1]-stats._prev_pos[1])**2)
                stats.distance_m += dist

                # Скорость в км/ч
                speed_ms = dist * fps
                speed_kmh = speed_ms * 3.6

                if speed_kmh > stats.max_speed_kmh:
                    stats.max_speed_kmh = speed_kmh

                if speed_kmh > 25:
                    stats.sprint_count += 1

            stats._prev_pos = pos

            # Тепловая карта
            if pos:
                hm_x = int(np.clip(pos[0], 0, 104))
                hm_y = int(np.clip(pos[1], 0, 67))
                stats.heatmap[hm_y, hm_x] += 1

        # Владение мячом
        if ball_pos:
            possessing_team = self._determine_possession(
                ball_pos, tracked_players
            )
            self.possession_log.append((frame_idx, possessing_team))

    def _determine_possession(self, ball_pos: tuple,
                                players: list) -> Optional[str]:
        """Ближайший игрок к мячу = владеет мячом"""
        if not players or not ball_pos:
            return None

        min_dist = float('inf')
        possessing_team = None

        for player in players:
            pos = player.get('field_pos')
            if pos is None:
                continue
            dist = np.sqrt((ball_pos[0]-pos[0])**2 + (ball_pos[1]-pos[1])**2)
            if dist < min_dist:
                min_dist = dist
                possessing_team = player.get('team')

        # Игрок ближе 2м = владеет
        return possessing_team if min_dist < 2.0 else None

    def compute_possession_stats(self) -> dict:
        total = len(self.possession_log)
        if total == 0:
            return {'team_a': 50.0, 'team_b': 50.0}

        counts = defaultdict(int)
        for _, team in self.possession_log:
            if team:
                counts[team] += 1

        contested = total - sum(counts.values())
        return {
            team: round(count / total * 100, 1)
            for team, count in counts.items()
        }

    def generate_match_report(self) -> dict:
        report = {
            'possession': self.compute_possession_stats(),
            'players': {}
        }

        for pid, stats in self.player_stats.items():
            report['players'][pid] = {
                'team': stats.team,
                'distance_km': round(stats.distance_m / 1000, 2),
                'sprint_count': stats.sprint_count,
                'max_speed_kmh': round(stats.max_speed_kmh, 1),
                'shots': stats.shots,
                'passes_attempted': stats.passes_attempted,
                'pass_accuracy': (stats.passes_completed /
                                   max(stats.passes_attempted, 1) * 100)
            }

        return report

Як AI визначає володіння м'ячем?

Метод _determine_possession обчислює найближчого гравця до м'яча на кожному кадрі. Якщо відстань менше 2 метрів, фіксується володіння. Це простіше та швидше, ніж геометричні методи, і дає +-3–5% точності відносно Hawk-Eye.

Текстові звіти

Після числових метрик ми генеруємо аналітичний текст через LLM — наприклад, Mistral 7B. Промпт налаштовується під формат спортивних бюлетенів. Для реалізації використовуємо Hugging Face Transformers.

from transformers import pipeline

class MatchReportGenerator:
    def __init__(self):
        # GPT или локальная LLM для генерации текстового отчёта
        self.generator = pipeline('text-generation',
                                   model='mistralai/Mistral-7B-Instruct-v0.2',
                                   device=0)

    def generate_narrative(self, stats: dict, match_info: dict) -> str:
        prompt = f"""Сгенерируй краткий аналитический отчёт матча.
        Матч: {match_info['team_a']} vs {match_info['team_b']}
        Счёт: {match_info['score']}
        Владение: {stats['possession']}
        Топ по пробегу: {self._top_runners(stats['players'])}
        Удары по воротам: {sum(p['shots'] for p in stats['players'].values())}

        Напиши профессиональный аналитический текст на 3-4 предложения."""

        result = self.generator(prompt, max_new_tokens=200,
                                 temperature=0.7, do_sample=True)
        return result[0]['generated_text'].split(prompt)[-1].strip()

Порівняння точності AI та професійних систем

AI-система потребує в 5–10 разів менше вкладень, ніж ліцензія Hawk-Eye, і обробляє дані швидше за людину. Ми реалізували понад 15 проєктів для футбольних клубів і студій, і гарантуємо точність не менше 80% за ключовими метриками. Якщо результати виявляються нижчими, ми донавчаємо модель безкоштовно. Точність AI-статистики порівняно з професійними системами:

Для аматорських та напівпрофесійних змагань — цілком достатньо. Для професійних ліг — додаткові камери та калібрування підвищують точність до прийнятного рівня.

Реальний кейс впровадження

В одному з проєктів ми розгорнули систему для клубу другої ліги: 4 IP-камери 1080p, сервер з RTX 4060, навчання зайняло 2 тижні. Після впровадження час аналізу матчу скоротився з 10 годин до 30 хвилин, а точність за пробігом склала 87% проти ручної розмітки. Вартість нашого базового рішення — від $15,000 (обладнання + ліцензія), що економить клубу до $50,000 на рік на послугах аналітиків.

Як ми гарантуємо точність?

Ми використовуємо MLOps-практики: версіонування моделей через MLflow, A/B-тестування на реальних матчах, моніторинг дрейфу даних. Кожен клієнт отримує звіт про точність на його даних. Багаторічний досвід та понад 15 реалізованих проєктів дозволяють братися за завдання будь-якої складності. Ми гарантуємо, що підсумкова точність буде не нижче заявленої — в іншому випадку доопрацьовуємо модель безкоштовно.

Процес впровадження

1. Аналітика — вивчення умов зйомки, кількості камер, вимог до метрик.
2. Проектування — вибір архітектури (YOLO + ByteTrack + LLM), підготовка даних.
3. Навчання та калібрування — донавчання моделі під конкретний стадіон, розмітка тестових епізодів.
4. Інтеграція — розгортання API, дашборду, налаштування вебхуків.
5. Тестування — порівняння з ручною розміткою, оптимізація latency p99.
6. Деплой — встановлення на сервер або хмару, навчання операторів.

На кожному етапі ми використовуємо MLOps-практики: версіонування моделей через MLflow, A/B-тестування, моніторинг дрейфу даних. Це дозволяє швидко адаптуватися під зміни в умовах зйомки.

Що входить в проєкт

• Навчена модель детекції та трекінгу
• REST API для отримання статистики в реальному часі
• Дашборд (візуалізація метрик, теплові карти, звіти)
• Інтеграція з існуючою інфраструктурою
• Документація з експлуатації та API
• Навчання операторів (2 години); техпідтримка 3 місяці

Строки орієнтовно

Отримайте консультацію щодо вашого проєкту — ми оцінимо складність і точність на ваших даних. Замовте пілотний проєкт і побачите результати через 4 тижні.

Як distribution shift вбиває метрики CV-моделі в промисловості

На виробництві ставлять камеру, контролюють якість продукції. Модель навчена на 10 000 розмічених зображень — точність на тесті mAP 0.84. Запускають у продакшен — і в перший же тиждень пропускають 30% дефектів. Освітлення на лінії змінюється по змінах, distribution shift обнуляє метрики. Це класична історія з Computer Vision у промисловості, де розпізнавання образів дає збій без правильної обробки дрейфу.

Наші інженери з досвідом 60+ проектів з комп'ютерного зору знають, як виключити такі сценарії. Гарантуємо стабільну роботу моделі в реальних умовах.

Які архітектури детекції об'єктів обрати: YOLO, RT‑DETR чи інші?

YOLO — стандарт для real‑time детекції. YOLOv8 та YOLOv11 від Ultralytics — найбільш використовувані версії у виробництві: простий API, активна спільнота, вбудована валідація та експорт в ONNX/TensorRT. Для задач з високими вимогами до точності та коли latency менш критична — RT‑DETR, transformer‑based архітектура без NMS, дає кращий mAP на COCO при порівнянній швидкості з YOLOv8l.

Типова помилка при навчанні детектора: датасет 8000 зображень, 3 класи, fine‑tune YOLOv8m — F1 0.73 на валідації. Дивимося confusion matrix — один клас майже ніколи не детектується. Причина: дисбаланс 1:23. Рішення: oversampling рідкісного класу, focal loss для objectness, аугментації (Mosaic, MixUp вимкнути для рідкісного класу — вони його «розмивають»). Transfer learning обов'язковий: передтреновані на COCO ваги скорочують потребу в даних у 10 разів. Fine‑tune на 500–2000 доменних зображеннях дає робочу модель за 1–2 дні на одній GPU.

Для edge deployment: експорт в ONNX → TensorRT engine. YOLOv8n в TensorRT FP16 на Jetson AGX Orin дає 150+ FPS при P99 latency < 8 ms — це в 3 рази швидше, ніж ONNX Runtime без TensorRT. На сервері A10G: 700+ FPS для YOLOv8n в TensorRT INT8.

Як fine‑tuning YOLO допомагає в розпізнаванні образів?

Припустимо, потрібно знаходити мікродефекти на поверхні металу — задача з високою роздільною здатністю та перекосом класів. Використовуємо YOLOv8m, передтренований на COCO (документація Ultralytics), і донавчаємо на 2000 власних зображень. Застосовуємо аугментації Mosaic, MixUp, random perspective. Після 200 епох mAP 0.5 досягає 0.93. Ключові прийоми:

• focal loss для objectness голови — зменшує внесок легко класифікованих прикладів.
• class‑balanced sampling — вирівнює представництво рідкісних класів.
• Test Time Augmentation (TTA) — підвищує recall на 5–7% за рахунок усереднення по фліпах та масштабах.

Отримайте консультацію з підбору архітектури для вашого завдання — зв'яжіться з нами.

Які архітектури сегментації обрати: SAM, Mask R‑CNN чи інші?

SAM (Segment Anything Model) від Meta змінив підхід до сегментації. SAM 2 працює з відео, підтримує трекінг об'єктів через кадри — для інтерактивного виділення об'єкта по точці або bbox це найкращий вибір з коробки. Для production instance segmentation без інтерактивного промпту — Mask R‑CNN або YOLOv8‑seg. YOLOv8‑seg навчається як звичайний детектор з додатковими масками, зручний у тих же пайплайнах. Семантична сегментація (кожен піксель — клас) — SegFormer, DeepLabV3+. SegFormer‑B5 дає хороший баланс точності та швидкості для аналізу супутникових знімків або медичної сегментації.

Кейс: сегментація клітин на мікроскопічних зображеннях. Датасет 400 зображень з ручною розміткою. Навчання Mask R‑CNN на ResNet‑50 backbone дало IoU 0.61 — погано. Проблема: об'єкти (клітини) перекриваються, стандартний NMS вбиває перекриваючі передбачення. Рішення: перехід на cellpose (спеціалізована архітектура для біомедичних задач) + soft‑NMS. IoU зріс до 0.79.

Коли Tesseract не справляється з OCR?

Tesseract — відправна точка для простих задач: друкований текст, хороше освітлення, рівне розташування. Як тільки з'являються рукописні елементи, нестандартні шрифти, перспективні спотворення або багатоколоночний макет — Tesseract деградує швидко.

PaddleOCR — production‑grade рішення: виявлення текстових блоків + розпізнавання + структурний аналіз. Працює з коробки для 80+ мов, включаючи українську. Підтримує таблиці та документи зі складною структурою. Wikipedia: Оптичне розпізнавання символів. TrOCR (Microsoft) — трансформерний OCR з сильними результатами на рукописному тексті. Для українського рукописного тексту потрібен fine‑tuning: базова модель навчена переважно на латиниці.

Що робити, якщо Tesseract не справляється з розпізнаванням образів на документах?

Для задач «витягни дані з рахунку / договору / паспорта» використовуємо LayoutLMv3 або Donut — ці моделі розуміють layout документа, а не тільки текст. Інтеграція через Hugging Face Transformers, fine‑tuning на 200–500 розмічених документах. Типовий pipeline:

1. Preprocessing: deskew, denoising, binarization через OpenCV.
2. Виявлення текстових блоків: PaddleOCR detection або CRAFT.
3. Розпізнавання: PaddleOCR recognition або TrOCR.
4. Post‑processing: нормалізація, валідація через regex або LLM для структурованих полів.

Для документів з фіксованою структурою template matching + OCR точково по координатах часто надійніше за end‑to‑end рішення.

Face Recognition: ідентифікація та верифікація

Face recognition = detection + alignment + embedding + matching. Кожен етап важливий.

Detection: RetinaFace або InsightFace для точної локалізації обличчя та ключових точок. MTCNN — старіше, але надійне рішення. Embedding: ArcFace (InsightFace) — state‑of‑the‑art для face recognition embeddings. Моделі iresnet50/iresnet100 передтреновані на MS1MV3 (5M ідентичностей). Ембеддинг‑вектор 512 float32, порівняння за cosine similarity. Threshold tuning: поріг рішення — критичний параметр. При threshold 0.6 типовий FPR на LFW benchmark — 0.001, TPR — 0.985. У production threshold потрібно калібрувати під реальний distribution: люди в масках, зі зміненою зовнішністю, в різних умовах освітлення. Liveness detection обов'язковий: MiniFASNet — lightweight модель на CPU, FaceX‑Zoo містить кілька передтренованих liveness‑детекторів.

Відеоаналітика

Відео — послідовність кадрів плюс часовий вимір. Наївний підхід — детектувати на кожному кадрі — дорого.

Трекінг: ByteTrack та BoT‑SORT — стандарт для multi‑object tracking. Працюють поверх будь-якого детектора, додають persistent ID об'єктам між кадрами — це дає підрахунок об'єктів, трекі руху, velocity.

Оптимізація: не потрібно обробляти кожен кадр. Для статичних сцен детекція на кожному 5–10 кадрі, між ними — трекер. Для детекції подій (людина увійшла в зону) background subtraction (OpenCV MOG2) як lightweight pre‑filter перед нейромережевою детекцією. Action Recognition: SlowFast, VideoMAE для класифікації дій. Важкі моделі — для production використовуємо ONNX export + TensorRT або офлайн обробку.

Як виміряти якість моделі розпізнавання образів у продакшені?

Моніторинг якості — ключовий елемент MLOps. Відстежуємо:

• розподіл prediction confidence;
• частку low‑confidence передбачень (індикатор OOD‑даних);
• дрейф вхідних зображень через feature distribution (embeddings з backbone).

Падіння середньої confidence з 0.87 до 0.71 за тиждень — ранній сигнал про distribution shift. NVIDIA Triton Inference Server рекомендує відстежувати ці метрики через Prometheus. Наші сертифіковані інженери налаштовують моніторинг і гарантують SLA по якості інференсу.

Деплой CV‑моделей

Для онлайн інференсу використовуємо Triton Inference Server (NVIDIA) — production‑стандарт для serving CV‑моделей. Підтримує TensorRT, ONNX, PyTorch, dynamic batching, multiple instances. REST та gRPC API. Гарантуємо стабільну роботу під навантаженням.

Edge deployment: ONNX Runtime на ARM/x86 CPU. TensorFlow Lite для мобільних пристроїв. OpenVINO для Intel CPU/GPU/VPU — дає 2–3× приріст швидкості на Intel залізі порівняно з ONNX Runtime. Після деплою передаємо модель з документацією та навчаємо персонал.

Що входить в роботу

Терміни та вартість

Прототип детектора на існуючих даних — 1–2 тижні. Production‑система з оптимізацією під цільове залізо — 4–8 тижнів. Повний цикл включаючи розмітку даних (1000–5000 зображень) — 2–4 місяці. Вартість розраховується індивідуально під кожну задачу. Ми на ринку більше 5 років, реалізували 60+ проектів з комп'ютерного зору. Оцінимо ваш проект під ключ — замовте консультацію, щоб отримати розрахунок та технічну пропозицію.