随着社会进步和居民生活水平的提高，人们对于科学化运动的需求也不断增高。在闭幕不久的十九大中提到，要深化体育产业改革、推动体育产业转型，逐步实施各维度发展战略。同时，随着计算机视觉、物联网技术、机器学习等人工智能技术的发展，已经有许多智能技术被应用于体育行业。而球类运动作为近年来流行范围广、受关注程度高、商业化程度高的体育项目，在此契机下也存在极大的发展潜力。本文主要从人工智能技术应用的角度阐述智能球类运动的发展情况。
作者 |郑恩昱、陆少游
一 体育运动产业市场规模及现状
自2012年开始，我国体育产业市场规模逐步上升，至2018年，累计增长了152%，达到24000亿元。据预测到2025年，我国体育产业总规模将再增长108%，达到50000亿元，可见体育产业存在广阔的发展空间。目前我国体育赛事球类运动中市场规模比较大的项目是足球和篮球，这两个体育项目具有更深的球迷基础、较为健全的商业开发模式，在全国以及全世界的流行程度也更高，因此具有更大的行业发展潜力。
二 球类运动场景常用智能技术
大数据技术：大数据又称为巨量资料，指的是传统数据处理应用软件不足以处理它们的大或复杂的数据集的术语。从大量数据中快速挖掘提取出有价值的信息，涉及到数据采集、数据整理、数据存储、数据安全、数据分析等。可应用于比赛视频分析、球员培养方案定制等场景。
物联网技术：是指通过信息传感设备，按设定的电子标签，将物体与网络相连接，物体通过信息传播媒介进行信息交换和通信，以实现智能化识别、定位、跟踪、监管等功能。
传感器技术：是指利用物理、化学、生物等信息，把被测的物理量、化学量、生物量等指标转换成符合需要的电量进而得到所需指标。常使用在智能穿戴设备，应用于跑动距离、跑动步数、心率等身体指标的记录
计算机视觉：计算机视觉（CV）是指机器感知环境的能力，使用摄像头等设备代替人眼对目标进行跟踪识别。这一技术类别中的经典任务有图像形成、图像处理、图像提取和图像的三维推理。可应用于比赛视频剪辑、球员动作分析等场景
机器学习:机器学习是人工智能的一个分支，是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、计算复杂性理论等多门学科。机器学习理论主要是设计和分析一些让计算机可以自动“学习”的算法。可应用于分析球员赛场特点、球队战术、伤病预防等场景。
三
人工智能在球类运动场景的应用分布
四 人工智能在球类运动场景的应用案例
1. HIPLAY智能运动手环：通过连接手机app进行实时的运动检测。能够捕捉佩戴者的每一个动作，而佩戴者的动作将成为数据，在手机app上实时显示。手环还具有动作分析能力，当手环捕捉到佩戴者每次运动的详细数据后，HIPLAY会进行智能分析运算。用户可以实时查看自己各项运动能力值，也可以通过查看历史运动记录，进行更深层的分析，全方位提高篮球水平。
2. Keemotion解决方案：使用三个摄像头围绕着耶鲁大学的健身房进行拍摄。摄像头会自动跟踪篮球并调整图像中心，然后将镜头提供给英特尔可扩展打包服务器。打包服务器会将1080p的素材拼接成单一全景视图，而在英特尔的AI DevCloud云计算平台上可以识别出得分。Keemotion的软件平台能够将带注释的视频流传输到平板电脑，教练可以查看回放并在特定的点上反复琢磨。
3. Reee system：是一套架设在普通篮球场，集视频记录、大数据、云存储与人工智能算法，使其升级为互联网视频化篮球场的整体解决方案”。Reee system包括三个系统和两个平台，即赛事管理系统、技术统计系统、视频导播转播系统，球记手机客户端和Rootsports数据平台。Reee System可以把球场的高清视频发到云端。在云端还有很多智能算法，包括进球检测、行为检测等等。
4. AI足球大脑：基于人工智能技术，通过学习海量的比赛视频和训练数据，采用世界前沿优秀算法，不仅能在球员选拔当中发挥重大作用，也可以分析球员运动数据趋势，提供高效科学的比赛对手分析，产生数据模型，产生新的训练模块。不仅可以提高球员运动表现能力，更可以提升球员的决策力、注意力、预判能力。
五 人工智能在球类运动场景的局限性
1.体育大数据完善程度不足：①数据采集困难，目前球类运动数据主要采集设备皆处于初期研发阶段，未有成熟的产品能够广泛应用于数据采集。②数据采集主要为初级数据，对于高阶数据的深入分析和挖掘较少。③数据分享程度低，目前数据采集者主要为各个球队，由于数据可能涉及球队信息，因此难以将数据共享形成大数据。
2. 球员发展情况不同：不同地区、种族、性别的球员的身体素质和成长特点存在区别，因此同一套分析、培养方案无法适用于多类型的球员，导致球员培养水平存在地区性差异，进而使智能体育产业的发展受限。
六 人工智能在球类运动场景的发展趋势
1.建立完善的体育大数据库：1）促进体育消费，进而刺激智能体育产业发展，促进产品研发，加强设备的数据采集能力。2）加大对球类数据挖掘和分析算法的投入，由初级数据逐渐向高级数据的采集分析过度。3）建立成熟的智能体育制度，促进球类数据资源的公享，并且确保球员个人隐私和球队机密信息的安全。
2. 构建技术解决方案：根据不同类别球员的数据进行比较分析，加入多维度数据，构建多种模型，针对不同球员提出该类球员典型的解决方案。使所有球员都能够受到同一水平程度的培养，形成公平的体育竞争局势，有利于智能体育产业的发展。
