JP7078667B2 - 勝敗予測システム - Google Patents

Description

本発明は、試合の勝敗結果を予測することができる勝敗予測システムに関する。

従来、サッカーチームの戦力を分析するシステムが提案されている。従来のシステムでは、例えば、サッカーチームに関する既存データベースから各サッカーチームについてホームとアウェイに分けた定性的強さを反映する参考指標としての勝敗結果コード及び各サッカーチームの他の関連データ項目とを収集して記憶し、収集した参考指標としての勝敗結果コードと他の関連データ項目とを相関分析により定性的に関連付けて、関連付けした関連付け指標を基に各サッカーチームのホームとアウェイとに分けた線形和演算による定性的な戦力格付けが行われる（例えば特許文献１参照）。

特開２００４－１１０８２６号公報

しかしながら、従来のシステムにおいては、サッカーチームの戦力を分析することができるものの、試合の勝敗結果を予測することはできなかった。

本発明は、上記の課題に鑑みてなされたもので、試合の勝敗結果を予測することのできる勝敗予測システムを提供することを目的とする。

本発明の勝敗予測システムは、分析対象の試合中の映像を取得する映像取得部と、前記試合中におけるボールポゼッションを推定する第１システムと、前記試合中に発生するイベントを推定する第２システムと、前記第１システムの検出結果と前記第２システムの検出結果から前記試合の勝敗結果を予測する第３システムと、を備え、前記第１システムは、過去の試合の所定シーンの映像と、当該過去の試合の所定シーンにおける選手とボールの位置に関する情報との関係を、機械学習により分析する第１機械学習部と、前記第１機械学習部で分析した関係に基づいて、前記映像取得部で取得した前記分析対象の試合中の所定シーンの映像を入力として、当該分析対象の試合の所定シーンにおける選手とボールの位置を推定して出力する第１推定部と、前記第１推定部から出力された前記選手とボールの位置に基づいて、前記分析対象の試合の所定シーンにおけるボールポゼッションを判定して出力する第１判定部と、を備え、前記第２システムは、過去の試合の所定シーンの映像と、当該過去の試合中の所定シーンで発生したイベントに関する情報との関係を、機械学習により分析する第２機械学習部と、前記第２機械学習部で分析した関係に基づいて、前記映像取得部で取得した前記分析対象の試合中の所定シーンの映像を入力として、当該分析対象の試合中の所定シーンで発生したイベントを推定して出力する第２推定部と、を備え、前記第３システムは、過去の試合の所定シーンにおけるボールポゼッション、前記所定シーンで発生したイベント、試合開始から前記所定シーンまでの経過時間、前記所定シーンの時点における得失点に関する情報と、当該過去の試合の勝敗結果との関係を、機械学習により分析する第３機械学習部と、前記第３機械学習部で分析した関係に基づいて、前記第１判定部から出力された前記分析対象の試合の所定シーンにおけるボールポゼッション、前記第２推定部から出力された前記分析対象の試合の所定シーンで発生したイベント、前記分析対象の試合開始から前記所定シーンまでの経過時間、前記分析対象の試合の所定シーンの時点における得失点に関する情報を入力として、当該分析対象の試合の所定シーンの時点において予想される試合の勝敗結果を推定して出力する第３推定部と、を備えている。

この構成によれば、まず、分析対象の試合中の所定シーンの映像が入力されると、機械学習で分析した関係（過去の試合の所定シーンの映像と、その過去の試合の所定シーンにおける選手とボールの位置に関する情報との関係）を用いて、その所定シーンにおける選手とボールの位置が推定される。そして、推定された選手とボールの位置に基づいて、その所定シーンにおけるボールポゼッションが判定される。また、分析対象の試合中の所定シーンの映像が入力されると、機械学習で分析した関係（過去の試合の所定シーンの映像と、その過去の試合中の所定シーンで発生したイベントに関する情報との関係）を用いて、その所定シーンで発生したイベント（例えば、ゴール前まで攻めあがってシュートを打ったなど）が推定される。そして、分析対象の試合の所定シーンにおけるボールポゼッション（判定されたボールポゼッション）、その所定シーンで発生したイベント（推定されたイベント）、その所定シーンまでの経過時間、その所定シーンにおける得失点に関する情報が入力されると、機械学習で分析した関係（過去の試合の所定シーンにおけるボールポゼッション、その所定シーンで発生したイベント、その所定シーンまでの経過時間、その所定シーンの時点における得失点に関する情報と、当該過去の試合の勝敗結果との関係）を用いて、その所定シーンの時点においてリアルタイムで予想される試合の勝敗結果が推定される。このようにして、分析対象の試合中の映像から、その試合の勝敗結果をリアルタイムで予測することができる。

また、本発明の勝敗予測システムでは、前記第３システムは、前記分析対象の試合中の所定シーンの映像を画像分析して、当該所定シーンの前記分析対象の試合開始から前記所定シーンまでの経過時間、前記分析対象の試合の所定シーンの時点における得失点に関する情報を取得する画像分析部を備えてもよい。

この構成によれば、分析対象の試合中の所定シーンの映像を画像分析することにより、その所定シーンまでの経過時間、その所定シーンの時点における得失点に関する情報を取得することができる。画像分析により取得された情報（その所定シーンまでの経過時間、その所定シーンの時点における得失点に関する情報）は、第３推定部に入力して、その試合の勝敗結果の推定に用いることができる。

また、本発明の勝敗予測システムでは、前記第３推定部は、前記分析対象の試合の所定シーンの時点においてリアルタイムで予想される勝敗結果として、勝ちの確率、負けの確率、引き分けの確率を、それぞれ推定して出力してもよい。

この構成によれば、予想される勝敗結果として、勝ちの確率、負けの確率、引き分けの確率が出力されるので、勝敗結果を一目で簡単に理解することができる。

本発明の勝敗予測方法は、分析対象の試合中の映像を取得する映像取得部と、前記試合中におけるボールポゼッションを推定する第１システムと、前記試合中に発生するイベントを推定する第２システムと、前記第１システムの検出結果と前記第２システムの検出結果から前記試合の勝敗結果を予測する第３システムと、を備える勝敗予測システムで実行される勝敗予測方法であって、前記第１システムにおいて、過去の試合の所定シーンの映像と、当該過去の試合の所定シーンにおける選手とボールの位置に関する情報との関係を、機械学習により分析する第１機械学習ステップと、前記第１機械学習ステップで分析した関係に基づいて、前記映像取得部で取得した前記分析対象の試合中の所定シーンの映像を入力として、当該分析対象の試合の所定シーンにおける選手とボールの位置を推定して出力する第１推定ステップと、前記第１推定ステップから出力された前記選手とボールの位置に基づいて、前記分析対象の試合の所定シーンにおけるボールポゼッションを判定して出力する第１判定ステップと、を実行することと、前記第２システムにおいて、過去の試合の所定シーンの映像と、当該過去の試合中の所定シーンで発生したイベントに関する情報との関係を、機械学習により分析する第２機械学習ステップと、前記第２機械学習ステップで分析した関係に基づいて、前記映像取得部で取得した前記分析対象の試合中の所定シーンの映像を入力として、当該分析対象の試合中の所定シーンで発生したイベントを推定して出力する第２推定ステップと、を実行することと、前記第３システムにおいて、過去の試合の所定シーンにおけるボールポゼッション、前記所定シーンで発生したイベント、試合開始から前記所定シーンまでの経過時間、前記所定シーンの時点における得失点に関する情報と、当該過去の試合の勝敗結果との関係を、機械学習により分析する第３機械学習ステップと、前記第３機械学習ステップで分析した関係に基づいて、前記第１判定ステップから出力された前記分析対象の試合の所定シーンにおけるボールポゼッション、前記第２推定ステップから出力された前記分析対象の試合の所定シーンで発生したイベント、前記分析対象の試合開始から前記所定シーンまでの経過時間、前記分析対象の試合の所定シーンの時点における得失点に関する情報を入力として、当該分析対象の試合の所定シーンの時点において予想される試合の勝敗結果を推定して出力する第３推定ステップと、を実行する。

この方法によっても、上記のシステムと同様、まず、分析対象の試合中の所定シーンの映像が入力されると、機械学習で分析した関係（過去の試合の所定シーンの映像と、その過去の試合の所定シーンにおける選手とボールの位置に関する情報との関係）を用いて、その所定シーンにおける選手とボールの位置が推定される。そして、推定された選手とボールの位置に基づいて、その所定シーンにおけるボールポゼッションが判定される。また、分析対象の試合中の所定シーンの映像が入力されると、機械学習で分析した関係（過去の試合の所定シーンの映像と、その過去の試合中の所定シーンで発生したイベントに関する情報との関係）を用いて、その所定シーンで発生したイベント（例えば、ゴール前まで攻めあがってシュートを打ったなど）が推定される。そして、分析対象の試合の所定シーンにおけるボールポゼッション（判定されたボールポゼッション）、その所定シーンで発生したイベント（推定されたイベント）、その所定シーンまでの経過時間、その所定シーンにおける得失点に関する情報が入力されると、機械学習で分析した関係（過去の試合の所定シーンにおけるボールポゼッション、その所定シーンで発生したイベント、その所定シーンまでの経過時間、その所定シーンの時点における得失点に関する情報と、当該過去の試合の勝敗結果との関係）を用いて、その所定シーンの時点においてリアルタイムで予想される試合の勝敗結果が推定される。このようにして、分析対象の試合中の映像から、その試合の勝敗結果をリアルタイムで予測することができる。

本発明によれば、分析対象の試合中の映像から、その試合の勝敗結果を予測することができる。

本発明の実施の形態における勝敗予測システムの構成を示す図である。 本発明の実施の形態における第１システムのブロック図である。 本発明の実施の形態におけるボールポゼッションの判定の例を示す図である。 本発明の実施の形態における第２システムのブロック図である。 本発明の実施の形態におけるイベントの例を示す図である。 本発明の実施の形態における第３システムのブロック図である。 本発明の実施の形態における勝敗予測の例を示す図である。 本発明の実施の形態における勝敗予測システムの動作（処理の流れ）を示す図である。

以下、本発明の実施の形態の勝敗予測システムについて、図面を用いて説明する。本実施の形態では、サッカー等の試合の勝敗予測に用いられる勝敗予測システムの場合を例示する。

本発明の実施の形態の勝敗予測システムの構成を、図面を参照して説明する。図１は、本実施の形態の勝敗予測システムの構成を示す図である。図１に示すように、勝敗予測システム１は、ネットワークＮを介して試合撮影システム１０と接続されている。試合撮影システム１０は、サッカーなどの試合中の映像を撮影する撮影部１１と、撮影した映像をネットワークＮを介して配信する映像配信部１２を備えている。

図１に示すように、勝敗予測システム１は、試合撮影システム１０から配信された試合中の映像（分析対象の試合中の映像）を取得する映像取得部２と、試合中におけるボールポゼッションを推定する第１システム４と、試合中に発生するイベントを推定する第２システム５と、第１システム４の検出結果と第２システム５の検出結果から試合の勝敗結果を予測する第３システム６を備えている。また、勝敗予測システム１は、過去の試合の映像データが記憶される映像記憶部３を備えている。なお、映像記憶部３には、試合撮影システム１０から配信された試合中の映像（分析対象の試合中の映像）が記憶されてもよい。

図２は、第１システム４のブロック図である。図２に示すように、第１システム４は、第１入出力部４０と、第１機械学習部４１と、第１推定部４２と、第１判定部４３を備えている。

第１入出力部４０には、映像記憶部３に記憶された過去の試合の映像や、映像取得部２で取得した分析対象の試合中の映像が、入力される。第１入出力部４０からは、第１判定部４３での判定結果の情報（分析対象の試合の所定シーンにおけるボールポゼッションの情報）が、出力される。

第１機械学習部４１は、映像記憶部３に記憶された過去の試合の所定シーンの映像と、当該過去の試合の所定シーンにおける選手とボールの位置に関する情報との関係を、機械学習により分析する。この機械学習には、ニューラルネットワークによるディープラーニング等の任意の手法が用いられる。例えば、ニューラルネットワークであれば、過去の試合の所定シーンの映像を入力層に入力し、その過去の試合の所定シーンにおける選手とボールの位置に関する情報を出力層から出力するように構成する。そして、入力層に入力するデータと出力層から出力されるデータとが紐付けられた分析用データを用いた教師あり学習によって、ニューラルネットワークのニューロン間の重み付け係数が最適化される。

第１推定部４２は、第１機械学習部４１で分析した関係に基づいて、映像取得部２で取得した分析対象の試合中の所定シーンの映像を入力として、その分析対象の試合の所定シーンにおける選手とボールの位置を推定して出力する。例えば、上記のニューラルネットワークであれば、映像取得部２で取得した分析対象の試合中の所定シーンの映像を入力層に入力し、その分析対象の試合の所定シーンにおける選手とボールの位置に関する情報を出力層から出力することにより、推定が行われる。

第１判定部４３は、第１推定部４２から出力された選手とボールの位置に基づいて、分析対象の試合の所定シーンにおけるボールポゼッション（どちらのチームがボールを所持しているか）を判定して出力する。例えば、第１判定部４３は、ボールと選手との距離に基づいて、ボールとの距離が最も近い選手側のチームが、ボールを所持しているチームであると判定する。

図３は、ボールポゼッションの判定の例を示す図である。図３では、左から右に攻めるチーム（Ａチーム）の選手が「斜線付き三角形」で図示されており、右から左に攻めるチーム（Ｂチーム）の選手が「白三角形」で図示されている。また、ボールは「黒丸」で図示されている。この図３の例では、ボールとの距離が最も近い選手は、Ａチームの選手であるため、Ａチームがボールを所持しているチームであると判定される。

図４は、第２システム５のブロック図である。図４に示すように、第２システム５は、第２入出力部５０と、第２機械学習部５１と、第２推定部５２を備えている。

第２入出力部５０には、映像記憶部３に記憶された過去の試合の映像が、入力される。第２入出力部５０からは、第２推定部５２での推定結果の情報（分析対象の試合の所定シーンで発生したイベントの情報）が、出力される。

第２機械学習部５１は、過去の試合の所定シーンの映像と、当該過去の試合中の所定シーンで発生したイベントに関する情報との関係を、機械学習により分析する。この機械学習には、ニューラルネットワークによるディープラーニング等の任意の手法が用いられる。例えば、ニューラルネットワークであれば、過去の試合の所定シーンの映像を入力層に入力し、その過去の試合中の所定シーンで発生したイベントに関する情報を出力層から出力するように構成する。そして、入力層に入力するデータと出力層から出力されるデータとが紐付けられた分析用データを用いた教師あり学習によって、ニューラルネットワークのニューロン間の重み付け係数が最適化される。

第２推定部５２は、第２機械学習部５１で分析した関係に基づいて、映像取得部２で取得した分析対象の試合中の所定シーンの映像を入力として、当該分析対象の試合中の所定シーンで発生したイベントを推定して出力する。例えば、上記のニューラルネットワークであれば、映像取得部２で取得した分析対象の試合中の所定シーンの映像を入力層に入力し、その分析対象の試合中の所定シーンで発生したイベントに関する情報を出力層から出力することにより、推定が行われる。

図５は、試合中の所定シーンで発生するイベントの例を示す図である。図５では、ボールを所持しているチームについて発生するイベントの例が示されている。例えば、攻撃が成功した場合のイベントの例としては「ドリブル突破成功」「パス成功」「シュート成功」などが挙げられる。また、攻撃が失敗した場合のイベントの例としては「ドリブル突破失敗」「パス失敗」「シュート失敗」などが挙げられる。

図６は、第３システム６のブロック図である。図６に示すように、第３システム６は、第３入出力部６０と、第３機械学習部６１と、第３推定部６２を備えている。

第３入出力部６０には、過去の試合の所定シーンにおけるボールポゼッション、その所定シーンで発生したイベント、試合開始から所定シーンまでの経過時間、所定シーンの時点における得失点に関する情報や、第１判定部４３から出力された分析対象の試合の所定シーンにおけるボールポゼッション、第２推定部５２から出力された分析対象の試合の所定シーンで発生したイベント、分析対象の試合開始から所定シーンまでの経過時間、分析対象の試合の所定シーンの時点における得失点に関する情報が、入力される。第３入出力部６０からは、第３推定部６２での推定結果の情報（分析対象の試合の所定シーンの時点において予想される試合の勝敗結果の情報）が、出力される。

第３機械学習部６１は、過去の試合の所定シーンにおけるボールポゼッション、所定シーンで発生したイベント、試合開始から所定シーンまでの経過時間、所定シーンの時点における得失点に関する情報と、当該過去の試合の勝敗結果との関係を、機械学習により分析する。この機械学習には、ニューラルネットワークによるディープラーニング等の任意の手法が用いられる。例えば、ニューラルネットワークであれば、過去の試合の所定シーンにおけるボールポゼッション、所定シーンで発生したイベント、試合開始から所定シーンまでの経過時間、所定シーンの時点における得失点に関する情報を入力層に入力し、その過去の試合の勝敗結果に関する情報を出力層から出力するように構成する。そして、入力層に入力するデータと出力層から出力されるデータとが紐付けられた分析用データを用いた教師あり学習によって、ニューラルネットワークのニューロン間の重み付け係数が最適化される。

第３推定部６２は、第３機械学習部６１で分析した関係に基づいて、第１判定部４３から出力された分析対象の試合の所定シーンにおけるボールポゼッション、第２推定部５２から出力された分析対象の試合の所定シーンで発生したイベント、分析対象の試合開始から所定シーンまでの経過時間、分析対象の試合の所定シーンの時点における得失点に関する情報を入力として、当該分析対象の試合の所定シーンの時点において予想される試合の勝敗結果を推定して出力する。例えば、上記のニューラルネットワークであれば、第１判定部４３から出力された分析対象の試合の所定シーンにおけるボールポゼッション、第２推定部５２から出力された分析対象の試合の所定シーンで発生したイベント、分析対象の試合開始から所定シーンまでの経過時間、分析対象の試合の所定シーンの時点における得失点に関する情報を入力層に入力し、その分析対象の試合の所定シーンの時点において予想される試合の勝敗結果に関する情報を出力層から出力することにより、推定が行われる。

なお、第３システム６は、分析対象の試合中の所定シーンの映像を画像分析して、当該所定シーンの分析対象の試合開始から所定シーンまでの経過時間、分析対象の試合の所定シーンの時点における得失点に関する情報を取得する画像分析部（図示せず）を備えてもよい。この画像分析には、公知の技術を利用することができる。また、第３推定部６２は、分析対象の試合の所定シーンの時点において予想される勝敗結果として、勝ちの確率、負けの確率、引き分けの確率を、それぞれ推定して出力してもよい。

また、第３推定部６２には、各チームの出場メンバー（先発出場、途中出場）の過去成績、各チームの攻撃スタッツ（ドリブル距離、パス成功率、シュート成功率など）、各チームの守備スタッツ（ボールクリア、ボール奪取数など）各チームのフィジカルスタッツ（デュエル回数など）、各チームの反則回数（ファール回数、イエロー/レッドカード枚数など）、自チームと相手チームとの過去対戦成績、自チームと相手チームの直近の成績（勝敗・得点・失点）、試合実施時点における自チームと相手チームの順位、試合実施時点における自チームと相手チームの順位差、リーグ・地域・大会情報、天候（晴れ、曇り、雨など）、気温・湿度、スタジアム観客数、キックオフ時刻、キックオフ時期（年・月）などの情報が、入力されてもよい。

また、第３推定部６２からは、試合の最終スコア、試合の途中スコア、次に得点するチーム/選手、次に得点するまでの経過時間、次にプレイアクションする（シュート、ドリブル、スルーパス、スローイングなどのアクションをする）チーム／選手、次にプレイアクションするまでの経過時間、次に交代する選手などの情報が、出力されるようにしてもよい。

以上のように構成された勝敗予測システム１について、図８のフロー図を参照してその動作を説明する。

本実施の形態の勝敗予測システム１では、まず事前の準備として、第１システム４において、過去の試合の所定シーンの映像と、当該過去の試合の所定シーンにおける選手とボールの位置に関する情報との関係を、機械学習により分析する（第１機械学習ステップ）。また、第２システム５において、過去の試合の所定シーンの映像と、当該過去の試合中の所定シーンで発生したイベントに関する情報との関係を、機械学習により分析する（第２機械学習ステップ）。さらに、第３システム６において、過去の試合の所定シーンにおけるボールポゼッション、所定シーンで発生したイベント、試合開始から所定シーンまでの経過時間、所定シーンの時点における得失点に関する情報と、当該過去の試合の勝敗結果との関係を、機械学習により分析する（第３機械学習ステップ）。

そして、図８に示すように、分析対象の試合の勝敗結果を予測する場合には、試合撮影システム１０で撮影した映像（分析対象の試合中の映像）を取得し（Ｓ１）、第１機械学習ステップで分析した関係に基づいて、映像取得部２で取得した分析対象の試合中の所定シーンの映像を入力として、当該分析対象の試合の所定シーンにおける選手とボールの位置を推定して出力し（Ｓ２）、出力された選手とボールの位置に基づいて、分析対象の試合の所定シーンにおけるボールポゼッションを判定して出力する（Ｓ３）。

つぎに、第２システム５において、第２機械学習ステップで分析した関係に基づいて、映像取得部２で取得した分析対象の試合中の所定シーンの映像を入力として、当該分析対象の試合中の所定シーンで発生したイベントを推定して出力する（Ｓ４）。そして、第３システム６において、第１判定ステップから出力された分析対象の試合の所定シーンにおけるボールポゼッション、第２推定ステップから出力された分析対象の試合の所定シーンで発生したイベント、分析対象の試合開始から所定シーンまでの経過時間、分析対象の試合の所定シーンの時点における得失点に関する情報を入力として、当該分析対象の試合の所定シーンの時点において予想される試合の勝敗結果を推定して出力する（Ｓ５）。

このような本実施の形態の勝敗予測システム１によれば、サッカーの試合の勝敗結果を予測することができる。

すなわち、本実施の形態では、まず、分析対象の試合中の所定シーンの映像が入力されると、機械学習で分析した関係（過去の試合の所定シーンの映像と、その過去の試合の所定シーンにおける選手とボールの位置に関する情報との関係）を用いて、その所定シーンにおける選手とボールの位置が推定される。そして、推定された選手とボールの位置に基づいて、その所定シーンにおけるボールポゼッションが判定される。

また、分析対象の試合中の所定シーンの映像が入力されると、機械学習で分析した関係（過去の試合の所定シーンの映像と、その過去の試合中の所定シーンで発生したイベントに関する情報との関係）を用いて、その所定シーンで発生したイベント（例えば、ゴール前まで攻めあがってシュートを打ったなど）が推定される。

そして、分析対象の試合の所定シーンにおけるボールポゼッション（判定されたボールポゼッション）、その所定シーンで発生したイベント（推定されたイベント）、その所定シーンまでの経過時間、その所定シーンにおける得失点に関する情報が入力されると、機械学習で分析した関係（過去の試合の所定シーンにおけるボールポゼッション、その所定シーンで発生したイベント、その所定シーンまでの経過時間、その所定シーンの時点における得失点に関する情報と、当該過去の試合の勝敗結果との関係）を用いて、その所定シーンの時点においてリアルタイムで予想される試合の勝敗結果が推定される。このようにして、分析対象の試合中の映像から、その試合の勝敗結果をリアルタイムで予測することができる。

また、本実施の形態では、分析対象の試合中の所定シーンの映像を画像分析することにより、その所定シーンまでの経過時間、その所定シーンの時点における得失点に関する情報を取得することができる。画像分析により取得された情報（その所定シーンまでの経過時間、その所定シーンの時点における得失点に関する情報）は、第３推定部６２に入力して、その試合の勝敗結果の推定に用いることができる。

また、本実施の形態では、予想される勝敗結果として、勝ちの確率、負けの確率、引き分けの確率が出力されるので、勝敗結果を一目で簡単に理解することができる。

以上、本発明の実施の形態を例示により説明したが、本発明の範囲はこれらに限定されるものではなく、請求項に記載された範囲内において目的に応じて変更・変形することが可能である。

例えば、以上の説明では、サッカーの試合の勝敗結果を予測する例について説明したが、本発明はサッカー以外の試合（例えば、ラグビー、アメリカンフットボール、バスケットボール、アイスホッケーなど）の勝敗予測についても、同様に実施可能である。

以上のように、本発明にかかる勝敗予測システムは、分析対象の試合中の映像から、その試合の勝敗結果を予測することができるという効果を有し、サッカー等の試合の勝敗予測システムとして有用である。

１ 勝敗予測システム
２ 映像取得部
３ 映像記憶部
４ 第１システム
５ 第２システム
６ 第３システム
１０ 試合撮影システム
１１ 撮影部
１２ 映像配信部
４０ 第１入出力部
４１ 第１機械学習部
４２ 第１推定部
４３ 第１判定部
５０ 第２入出力部
５１ 第２機械学習部
５２ 第２推定部
６０ 第３入出力部
６１ 第３機械学習部
６２ 第３推定部
Ｎ ネットワーク

Claims (4)

1. 分析対象の試合中の映像を取得する映像取得部と、前記試合中におけるボールポゼッションを推定する第１システムと、前記試合中に発生するイベントを推定する第２システムと、前記第１システムの検出結果と前記第２システムの検出結果から前記試合の勝敗結果を予測する第３システムと、を備え、
   前記第１システムは、
   過去の試合中の所定シーンの映像と、当該過去の試合中の所定シーンにおける対戦している両チームの選手の位置とボールの位置に関する情報との関係を、機械学習により分析する第１機械学習部と、
   前記第１機械学習部で分析した関係に基づいて、前記映像取得部で取得した前記分析対象の試合中の所定シーンの映像を入力として、当該分析対象の試合中の所定シーンにおける対戦している両チームの選手の位置とボールの位置を推定して出力する第１推定部と、
   前記第１推定部から出力された前記対戦している両チームの選手の位置とボールの位置に基づいて、前記分析対象の試合中の所定シーンにおけるボールポゼッションを判定して出力する第１判定部と、
   を備え、
   前記第２システムは、
   過去の試合中の所定シーンの映像と、当該過去の試合中の所定シーンで発生したイベントに関する情報との関係を、機械学習により分析する第２機械学習部と、
   前記第２機械学習部で分析した関係に基づいて、前記第１推定部から出力された前記対戦している両チームの選手の位置とボールの位置を入力とすることなく、前記映像取得部で取得した前記分析対象の試合中の所定シーンの映像を入力として、当該分析対象の試合中の所定シーンで発生したイベントを推定して出力する第２推定部と、
   を備え、
   前記第３システムは、
   過去の試合中の所定シーンにおけるボールポゼッション、前記所定シーンで発生したイベント、試合開始から前記所定シーンまでの経過時間、前記所定シーンの時点における得失
   点に関する情報と、当該過去の試合の勝敗結果との関係を、機械学習により分析する第３機械学習部と、
   前記第３機械学習部で分析した関係に基づいて、前記第１判定部から出力された前記分析対象の試合中の所定シーンにおけるボールポゼッション、前記第２推定部から出力された前記分析対象の試合中の所定シーンで発生したイベント、前記分析対象の試合開始から前記所定シーンまでの経過時間、前記分析対象の試合中の所定シーンの時点における得失点に関する情報を入力として、当該分析対象の試合中の所定シーンの時点において予想される試合の勝敗結果を推定して出力する第３推定部と、
   を備えることを特徴とする勝敗予測システム。
2. 前記第３システムは、
   前記分析対象の試合中の所定シーンの映像を画像分析して、当該所定シーンの前記分析対象の試合開始から前記所定シーンまでの経過時間、前記分析対象の試合中の所定シーンの時点における得失点に関する情報を取得する画像分析部を備える、請求項１に記載の勝敗予測システム。
3. 前記第３推定部は、前記分析対象の試合中の所定シーンの時点において予想される勝敗結果として、勝ちの確率、負けの確率、引き分けの確率を、それぞれ推定して出力する、請求項１または請求項２に記載の勝敗予測システム。
4. 分析対象の試合中の映像を取得する映像取得部と、前記試合中におけるボールポゼッションを推定する第１システムと、前記試合中に発生するイベントを推定する第２システムと、前記第１システムの検出結果と前記第２システムの検出結果から前記試合の勝敗結果を予測する第３システムと、を備える勝敗予測システムで実行される勝敗予測方法であって、
   前記第１システムにおいて、
   過去の試合中の所定シーンの映像と、当該過去の試合中の所定シーンにおける対戦している両チームの選手の位置とボールの位置に関する情報との関係を、機械学習により分析する第１機械学習ステップと、
   前記第１機械学習ステップで分析した関係に基づいて、前記映像取得部で取得した前記分析対象の試合中の所定シーンの映像を入力として、当該分析対象の試合中の所定シーンにおける対戦している両チームの選手の位置とボールの位置を推定して出力する第１推定ステップと、
   前記第１推定ステップから出力された前記対戦している両チームの選手の位置とボールの位置に基づいて、前記分析対象の試合中の所定シーンにおけるボールポゼッションを判定して出力する第１判定ステップと、
   を実行することと、
   前記第２システムにおいて、
   過去の試合中の所定シーンの映像と、当該過去の試合中の所定シーンで発生したイベントに関する情報との関係を、機械学習により分析する第２機械学習ステップと、
   前記第２機械学習ステップで分析した関係に基づいて、前記第１推定ステップから出力された前記対戦している両チームの選手の位置とボールの位置を入力とすることなく、前記映像取得部で取得した前記分析対象の試合中の所定シーンの映像を入力として、当該分析対象の試合中の所定シーンで発生したイベントを推定して出力する第２推定ステップと、
   を実行することと、
   前記第３システムにおいて、
   過去の試合中の所定シーンにおけるボールポゼッション、前記所定シーンで発生したイベント、試合開始から前記所定シーンまでの経過時間、前記所定シーンの時点における得失点に関する情報と、当該過去の試合の勝敗結果との関係を、機械学習により分析する第３機械学習ステップと、
   前記第３機械学習ステップで分析した関係に基づいて、前記第１判定ステップから出力された前記分析対象の試合中の所定シーンにおけるボールポゼッション、前記第２推定ステップから出力された前記分析対象の試合中の所定シーンで発生したイベント、前記分析対象の試合開始から前記所定シーンまでの経過時間、前記分析対象の試合中の所定シーンの時点における得失点に関する情報を入力として、当該分析対象の試合中の所定シーンの時点において予想される試合の勝敗結果を推定して出力する第３推定ステップと、
   を実行することを含むことを特徴とする勝敗予測方法。

Images