Développement d’une méthode d’extraction automatique de métriques de performance en boxe basée sur la vision par ordinateur

Seminaro, Juliette (2022). Développement d’une méthode d’extraction automatique de métriques de performance en boxe basée sur la vision par ordinateur. Mémoire de maîtrise électronique, Montréal, École de technologie supérieure.

Prévisualisation

PDF Télécharger (8MB) | Prévisualisation

Résumé

En boxe, plusieurs études ont démontré que l’efficience des coups d’un athlète, c’est-à-dire le ratio entre les coups atteignant leur cible sur le total des coups lancés, est un indicateur clé d’une victoire lors d’un combat. Les mouvements des boxeurs et leur contrôle du ring sont également importants puisqu’il s’agit d’éléments considérés dans le système de pointage de la boxe. Il est donc essentiel de faire le suivi de telles métriques afin de mesurer les performances des athlètes ou encore, obtenir de l’information stratégique sur le profil des adversaires. Toutefois, le visionnement des vidéos de combat ainsi que l’annotation des divers événements est une tâche chronophage, principalement effectuée par un expert analyste des performances. Des tentatives d’automatisation de ce processus requièrent de l’équipement spécialisé tel que des caméras à temps de vol, des systèmes de capture de mouvement ou des capteurs inertiels. De plus, il n’est pas pratique pour les athlètes d’être munis de marqueurs réfléchissants ou de capteurs pendant des combats, puisqu’ils peuvent entraver leurs mouvements, être endommagés ou même blesser les boxeurs. Dans le cadre de cette maîtrise, une méthode d’extraction automatique de métriques de performance en boxe basée sur la vision par ordinateur a été développée. Celle-ci permet d’extraire le nombre et le type de coups de poing donnés par un boxeur à partir d’une vidéo de shadow boxing (méthode d’entraînement où l’athlète boxe dans le vide en imaginant un adversaire), en plus de générer des courbes et des cartes de chaleur permettant de quantifier le contrôle du ring par les athlètes. En utilisant uniquement des images enregistrées par une seule caméra vidéo, la méthode est donc accessible puisqu’elle est abordable et ne requiert pas d’équipement spécialisé. Elle permet d’obtenir une exactitude de classification moyenne pondérée de 77 % sur les positions et techniques offensives suivantes : garde ouverte, garde, direct avant, direct arrière, crochet avant, crochet arrière, uppercut avant et uppercut arrière. La méthode d’extraction automatique de métriques de performance permet également de faire le suivi des boxeurs sur l’aire de combat à 12,2 cm près.

Titre traduit

Development of an automated method for performance analysis in boxing based oncomputer vision

Résumé traduit

In boxing, studies have shown that punching efficiency, i.e. ratio between punches landed and the total number of punches thrown, is key for winning a bout. The movements of the boxers and their control of the ring space are also important as they are part of ring generalship, which is a component that is considered in the boxing scoring system. Therefore, monitoring such metrics is crucial to assess an athlete’s performance or to gain knowledge about a boxer’s fighting style. However, subjectively observing and manually annotating these events during a bout is a tedious task that must be done by a sport performance analyst. Previous attempts to automate the process required specialized equipment such as time-of-flight cameras, motion capture systems or inertial sensors. The markers and sensors required by these methods are not practical to use in real bouts since they can disrupt the natural motion of the boxers, may be damaged upon contact, or worst, may injure the athletes. In this work, we propose an innovative computer vision-based method to automatically extract performance metrics such as the number and type of punches thrown by a boxer from a shadowboxing video, and ring control through trajectories and heatmaps from a bout video. Our cost-effective approach requires only monocular images recorded by a single video camera, which eliminates the need of any specialized equipment. On average, it achieves 77 % weighted classification accuracy of the following stances and punches: unguarded, guarded, jab, cross, lead hook, rear hook, lead uppercut and rear uppercut. Moreover, it can track a boxer’s position in the ring within a 12,2 cm margin of error on average.

Type de document:	Mémoire ou thèse (Mémoire de maîtrise électronique)
Renseignements supplémentaires:	"Mémoire présenté à l’École de technologie supérieure comme exigence partielle à l’obtention de la maîtrise avec mémoire en génie des technologies de la santé". Comprend des références bibliographiques (127-133).
Mots-clés libres:	boxe, vision par ordinateur, apprentissage machine, analyse des performances
Directeur de mémoire/thèse:	Directeur de mémoire/thèse Labbé, David
Codirecteur:	Codirecteur Andrews, Sheldon Faubert, Jocelyn
Programme:	Maîtrise en ingénierie > Génie
Date de dépôt:	27 oct. 2022 13:42
Dernière modification:	27 oct. 2022 13:42
URI:	https://espace.etsmtl.ca/id/eprint/3098

Gestion Actions (Identification requise)

Dernière vérification avant le dépôt