Aprendizagem Automática para Treinador Virtual de Padel

Abstract

A análise desportiva é uma área de investigação emergente com aplicações em temas como a previsão do desempenho de equipas, estimativa do valor de mercado de joga- dores e previsão de possíveis lesões. Jogadores e treinadores estão dispostos a integrar ferramentas capazes de oferecer recomendações e melhorar o desempenho dos jogadores. A indústria do desporto gera grandes conjuntos de dados. Os dados gerados têm enorme potencial e costumam estar representados em formato vídeo. A grande disponi- bilidade de dados promove a aplicação de áreas como a Inteligência Artificial, Aprendi- zagem Automática e Visão por Computador. O Padel é um jogo de raquetes que tem ganho participantes em todo o mundo, tendo sido considerado recentemente como o desporto com maior taxa de crescimento. Sem sinais de abrandamento a profissionalização de competições e atletas é crescente. Os gran- des desportos de raquetes como o ténis, ténis de mesa ou o badmínton já têm ferramentas capazes de extrair dados dos vídeos e recomendar algumas estratégias. Como desporto diferente e emergente, o Padel tem uma componente de estratégia por explorar. Esta dissertação propõe uma ferramenta que recebe um vídeo de uma sessão de Padel e recomende uma melhor estratégia de jogo ao jogador do que as que os jogadores apre- sentaram na sequência de vídeo. A ferramenta é dividida em duas grandes componentes: Sistema de Visão e Treinador Virtual. O Sistema de Visão tem como função detetar e seguir individualmente cada jogador recorrendo a algoritmos de deteção e tracking de objetos como o YOLOv4 e Deep SORT. A componente de Treinador Virtual aplica um modelo de Aprendizagem Automática sobre os dados referentes à posição de cada jogador e sugere ao jogador uma melhor estratégia em cada jogada efetuada. O modelo de Aprendizagem mencionado foi treinado com um conjunto de dados recolhido e posteriormente anotado por dois jogadores experientes de Padel.

Sports analytics is an emerging area of research with applications in topics such as predict- ing team performance, estimating the market value of players, and predicting potential injuries. Players and coaches are willing to integrate tools that can provide recommenda- tions and improve player performance. The sports industry generates large data sets. The data generated has enormous po- tential and is usually represented in video format. The large availability of data promotes the application of areas such as Artificial Intelligence, Machine Learning and Computer Vision. Padel is a game of rackets that has been gaining participants all over the world, and was recently considered the sport with the highest growth rate. With no signs of slowing down, the professionalization of competitions and athletes is growing. The big racket sports like tennis, table tennis or badminton already have tools capable of extracting data from videos and recommending some strategies. As a different and emerging sport, Padel has an unexplored strategy component. This dissertation proposes a tool that receives a video of a Padel session and recom- mends a better game strategy to the player than the ones the players presented in the video sequence. The tool is divided into two major components: Vision System and Virtual Coach. The Vision System has the function of detecting and tracking each player individually using object detection and tracking algorithms such as YOLOv4 and Deep SORT. The Virtual Trainer component applies a Machine Learning model on player’s position data and suggests a better strategy to the player for each move. The learning model mentioned above was trained with a data set collected and later annotated by two experienced padel players.