Sports Analyst Meetup #5 2019-11-02 (Sat)

1. 「フォーメーションを自動で検知する」
Sports Analyst Meetup #5
2019/11/02(Sat)
さえない / Yamamuro Saeru (@saeeeeru)

2. Today’s Agenda
1. 自己紹介 さえないってナニモノ？
2. 論文「Large-Scale Analysis of Soccer Matches using Spatiotemporal
Tracking Data」@ICDM2014の紹介
3. 実装・実験のプロセスと実験結果
4. きょうのLTのまとめ
2

3. Today’s Agenda
1. 自己紹介 さえないってナニモノ？
2. 論文「Large-Scale Analysis of Soccer Matches using Spatiotemporal
Tracking Data」@ICDM2014の紹介
3. 実装・実験のプロセスと実験結果
4. きょうのLTのまとめ
3

4. 1. 自己紹介 さえないってナニモノ？
❏ 熊本育ちの九州男児(25)です
❏ 時系列データの解析技術を研究していました
- IoTセンサーデータ（加速度、角速度 ...）
- 隠れマルコフモデルを用いたパターン認識
- 深層学習によるラベル分類と重要度算出
❏ 東福岡高校のサッカー部に所属していました
- 夢の国立には一度もたどり着けず
❏ 汐留のIT企業でデータサイエンティスト
❏ 趣味も特技もサッカーです
- オフの日はサッカーをプレイするか、戦術分析
@saeeeeru
Sakurai Lab.
@ Kumamoto University
4

5. 1. 自己紹介 さえないってナニモノ？
5
https://twitter.com/saeeeeru/status/1186232884375384064?s=20

6. Today’s Agenda
1. 自己紹介 さえないってナニモノ？
2. 論文「Large-Scale Analysis of Soccer Matches using Spatiotemporal
Tracking Data」@ICDM2014の紹介
3. 実装・実験のプロセスと実験結果
4. きょうのLTのまとめ
6

7. 2. 論文紹介
http://www.yisongyue.com/publications/icdm2014_soccer_formation.pdf
7

8. 2. 論文紹介
「フォーメーションは電話番号にすぎない」
ペップ・グアルディオラ
→ ？？？？
8

9. 2. 論文紹介
サッカー = カオス、選手の位置が頻繁に・高速に入れ替わる
参考（とんとんさんのブログ） : https://birdseyefc.com/tactics/theory/redondo/
9
ハンブルガー SV ベルギー代表 マンチェスター・シティ

10. ● 前に見せたサンプルからも、
選手の立ち位置が瞬間的に入れ替わることが増えている
● 可変式フォーメーション（攻撃と守備で、時間帯で配置が変わる）
を採用するチームが増えている
2. 論文紹介
10

11. ● 前に見せたサンプルからも、
選手の立ち位置が瞬間的に入れ替わることが増えている
● 可変式フォーメーション（攻撃と守備で、時間帯で配置が変わる）
を採用するチームが増えている
➢ トラッキングデータ から
現時刻でのフォーメーションを自動で検知するすることができれば...
➢ 現場の監督やコーチ : 相手の戦術変更をより早く見抜き、対応可能！
➢ 観戦者 : 各チームの並びが把握できて、サッカーがわかりやすくなる？？
2. 論文紹介
11

12. Given
トラッキングデータ
2. 論文紹介
Output
各フォーメーションの重心情報
12

13. ❏ Method :
① フォーメーション（役割分布）の定義
② EM Algorithm :
0.1. 全選手が左から右へ攻撃するよう正規化
0.2. 1選手=1ポジションとして、役割分布を初期化
1. E.step
各フレームにおいて、ハンガリアン法により各選手にポジションを割り当てる
2. M.step
1.を試合全体に行ったのちに、割り当てられた選手の位置から役割分布を推定
-> 1.と2.を収束するまで繰り返す
③ フォーメーションのクラスタリング
2. 論文紹介
13

14. ❏ Method① : モデル（役割分布）の定義
● 1クラスタ = 1フォーメーション
● 1フォーメーション has 11ポジション
● 1ポジション = 1役割分布（2次元ガウス分布）
2. 論文紹介
14

15. ❏ Method② : EM Algorithm
※ 1バッチ（=例えば1チームの前半のみ）に対して以下の推定を行う
0.1. 全選手が左から右へ攻撃するよう正規化
0.2. 1選手=1ポジションとして、役割分布を初期化
1. E.step
各フレームにおいて、 ハンガリアン法により各選手にポジションを割り当てる
2. M.step
1.を全時刻で行ったのちに、割り当てられた選手の位置から役割分布を最推定
-> 1.と2.をエントロピーが収束するまで繰り返す
（役割分布の重なりが小さくなるように学習が進む）
2. 論文紹介
15

16. ❏ 各クラスタの役割分布の学習過程
2. 論文紹介
Iteration
Cluster 1
4-4-2
Cluster 2
4-1-4-1
16

17. ❏ Method③ : フォーメーションのクラスタリング
➢ Wasserstein Distanceに基づいた凝集型クラスタリング
2. 論文紹介
17

18. ❏ Method③ : フォーメーションのクラスタリング
➢ Wasserstein Distanceに基づいた凝集型クラスタリング
2. 論文紹介
画像引用元 : https://qiita.com/g-k/items/8f0d9905d3e106caed59
18
❏ 似ているもの同士をくっつけていく
❏ バラバラなものを凝集させる

19. ❏ Method③ : フォーメーションのクラスタリング
➢ Wasserstein Distanceに基づいた凝集型クラスタリング
2. 論文紹介
画像引用元 : https://qiita.com/mittyantest/items/0fdc9ce7624dbd2ee134
19
❏ 11ポジションの役割分布のセット
同士の距離を計算しなければ
❏ （イメージではKL-Divergence）
-> 非対称な値になるので距離ではない
❏ Wasserstein Distance
= 分布を荷物量とみなし
荷物を他の分布に移し換えるときのコスト

20. ❏ Output : 推定された各クラスターの重心情報
2. 論文紹介
20

21. ❏ Output : 推定された各クラスターの重心情報
2. 論文紹介
21
画像引用元 : https://www.soccerdigestweb.com/news/detail/id=43207
日本代表

22. ❏ Output : 推定された各クラスターの重心情報
2. 論文紹介
22
画像引用元 : https://web.ultra-soccer.jp/news/view?news_no=361735
アトレティコ

23. ❏ Output : 推定された各クラスターの重心情報
2. 論文紹介
23
画像引用元 : https://web.ultra-soccer.jp/news/view?news_no=350996
バルセロナ

24. ❏ Output : ストリーミングにフォーメーションを検知
2. 論文紹介
24

25. Today’s Agenda
1. 自己紹介 さえないってナニモノ？
2. 論文「Large-Scale Analysis of Soccer Matches using Spatiotemporal
Tracking Data」@ICDM2014の紹介
3. 実装・実験のプロセスと実験結果
4. きょうのLTのまとめ
25

26. 3. 実装・実験のプロセスと実験結果
26

27. ❏ Given : DEBS2013 Grand Challenge
3. 実装・実験のプロセスと実験結果
❏ オープンなデータセット
❏ 前後半 20分 8人制
❏ 選手とボールの位置情報（ **Hz）
❏ 実際の試合の映像もある
27

28. ❏ docs : sphinxでhtmlファイル作成 -> Github Pagesで公開
3. 実装・実験のプロセスと実験結果
28

29. ❏ Output : そもそもフォーメーションが変わっていませんでした泣
3. 実装・実験のプロセスと実験結果
学習
「フォーメーションを自動で検知する」
（実験）https://note.mu/deepfoot/n/n5f504610bbdc
（論文紹介）https://note.mu/deepfoot/n/n1c987477f5d5
前半後半
各チームのフォーメーションの遷移
フォーメーションの種類
各クラスタの学習過程
29

30. Today’s Agenda
1. 自己紹介 さえないってナニモノ？
2. 論文「Large-Scale Analysis of Soccer Matches using Spatiotemporal
Tracking Data」@ICDM2014の紹介
3. 実装・実験のプロセスと実験結果
4. きょうのLTのまとめ
30

31. ✓ 前回のSports Analyst Meetup #4にて、flaty (@flaty13)さんが紹介された論文
「Actions Speak Louder Than Goals: Valuing Player Actions in Soccer」を検証中なので
結果がまとまり次第、共有したいと思います。。。
✓ 余談
EOF
31
論文紹介URL : http://flaty1992.hatenablog.com/entry/2019/08/24/090416

32. ✓ 可変フォーメーション
✓ トラッキングデータから役割分布とEM-Algorithm、EMDに基づいた
クラスタリングによってフォーメーションを自動で検知
✓ オープンなトラッキングデータであるDEBS2013
✓ pythonによる実装とsphinxによるdocument公開
✓ 実験結果の共有
4. きょうのLTのまとめ
32