这些数据到底是数据如何统计出来的，人工or人工智能？

日期：2023/02/04 06:05作者：佚名人气：

导读：在回答这个问题之前，到底的人我们先来看看早期的何统足球比赛的数据统计。这个时期的计出足球数据统计依然是依靠人工。要回答这个问题，工o工智首先要清楚足球比赛中的数据实时数据是谁来统计的。一场看似简单的到底的人解说，实际运用了多路神经网络卷积模型对球及球员定位，何统加上高效的计出跟踪算法，就实现了对球员和球的工o工智实时跟踪。由此可见，数据未来人工智能在足球领域的到底的人一大应用可能是呈现更多形式、更精准的何统赛事转播。...

这些数据是计出怎么计算出来的，人工还是工o工智人工智能？ 在回答这个问题之前，我们先来看看早期足球比赛的数据统计。

足球统计历史

现代足球起源于19世纪末的英格兰，随后得到了疯狂的发展，席卷了世界。 当时主要的媒体是报纸。 足球比赛结束后，报纸通过简单的评论将比分、照片和比赛中的各种数据传播到世界各地。 可以想象，当时的足球数据仅限于“场景数据”的统计。 简单的比分、扑救、定位球次数、红黄牌数等，都被各大报社的工作人员记录在了小本子上。 比赛结束后，大家进行比较，记录下来。 都差不多，所以把稿子发给写稿子的人，这样就是初步的统计。 这种在现在看来缺乏时效性和参与性的方式，却在当时为全世界埋下了足球文明的种子。

图：英国早期体育报纸的足球报道

球迷们显然对纸媒的及时性非常不满，于是在1927年1月27日，英国BBC电台首次通过无线电转播了阿森纳VS谢菲尔德的比赛。 BBC为这场比赛安排了两名解说员，一名负责解说场上情况，另一名则指出足球在下图所示方格中的位置。 两人合作，将最正确的比赛信息传播给了观众。 这种直播方式现在看来是非常考验想象力和反应力的。 由此可以想象，早期球迷的足球素养是非常高的。

图：英国广播评论区地图，球场分为8个区域

同样在英国，同一个阿森纳，同一个BBC，1939年，电视屏幕上播放了一段阿森纳一线队与预备队比赛的视频。 虽然录播令人遗憾，但为球迷打开了电视机前观看比赛的大门。 观众可以自主进行数据统计和核对，这对播出公司的实时数据统计提出了更高的要求，必须更加准确和及时。 这一时期的足球统计仍然依赖于人工。

这时，计算机技术逐渐发展，计算机成为专业的统计辅助工具。 专业统计人员将球场上的每一个动作都转化为一个事件，将每分钟30多个高密度动作转化为事件存储起来，然后人工验证，通过程序实时发布。 这种方法对人工要求极高，所以准确率也很高。 常被第三方数据服务商用来为广播公司、评论员、游戏公司等提供服务。

然而，那些如雨后春笋般涌现的黑科技，是否改变了行业？

谁负责统计

要回答这个问题，首先要知道足球比赛的实时数据是谁统计的。 作为电视机前的观众，在比赛过程中获取信息的渠道有两个，一个是眼睛获得的画面，一个是耳朵听到的解说。 转播画面给球迷带来最原始的视觉冲击，解说则是帮助球迷更深入地了解比赛。 球迷们经常能听到这样的话“***本场比赛多达15次射门，其中只有3次射正”。 解说员在比赛中必须要带小本子记录数据吗？ 边解说边加减减数据算出控球率？

若是这样，德艺双馨的老解说早就累死了。

一般来说，一些大型足球联赛的转播，比如欧洲五大联赛，都是由专业的信号制作公司提供的。 他们在比赛场馆设置了6台、8台甚至更多的摄像机，从赛前采访到进球后，尽量捕捉球员的每一个眼神，然后在大型制作现场通过卫星传输比赛信号。充满了通往世界各地的电线。 游戏中的实时数据由专门的数据公司提供。 广播公司向数据公司购买服务，数据公司采用专业的数据采集手段采集实时数据。 一部分数据在直播中展示，一部分更深入、更详细的数据在赛后进行梳理、分析和展示。 简单来说，我们在CCTV5上看到的中超转播信号其实是由一家叫Tiao Power的公司提供的，而我们看到的实时数据则是英利大数据公司名下提供的。

国外从事数据服务的公司很多，很多公司的技术都非常成熟，竞争也相当激烈。 这些公司里面有很多巨头，比如英国的OPTA，法国的Sport Universal等等，不同的公司有不同的数据采集系统。 下面以OPTA为例进行分析。

来自英国的OPTA直播体育数据公司是全球领先的数据提供商。 公司目前是包括英超、德甲、荷甲在内的多项重大赛事的官方数据合作伙伴。 也是下图所示的大联盟。 提供包括中超在内的数据服务。 除了为俱乐部提供服务外，OPTA还与Canal+、Sky Sports、ESPN等电视台合作，提供赛前、赛中和赛后的数据分析服务。

图：OPTA的活动合作伙伴（来源：OPTA官网）

比赛期间，OPTA会对赛场上的200多项技术统计数据进行统计分析，实时更新，并为客户提供XML数据接口，方便全球客户调用。 OPTA还拥有世界上最完整的体育历史数据库。 从1996年开始收集各类游戏数据，逐步形成了全球最大最权威的游戏数据库。 此外，OPTA会根据不同的需求提供不同的数据服务，包括评论支持。 球迷们一定对比赛期间的历史数据并不陌生。 解说员总是清楚地知道下一个进球是球员职业生涯的第一球，甚至是欧冠历史第一球等等，其实这在很大程度上取决于数据服务OPTA 等供应商。 总而言之，这家公司真的几乎什么都做，跟足球数据有关。

图：OPTA提供的服务类型（数据来源：OPTA官网）

数据是如何计算的？

以及游戏中的数据如何统计？ 人们普遍认为，顶级职业联赛使用了很多惊人的高科技，只需要安装一台机器，数据就会像流水一样流出。 这种想法显然是不现实的。 其实无论是哪家公司，采用什么样的高科技，核心都是解决两个问题。 一是球在哪里，人就在哪里； 另一个是人们对球所做的事情以及人们对人所做的事情。

人和球在哪里，有很多解决方案，其中之一就是安装多个高速摄像机，确保每个区域都被两个以上的摄像机覆盖。 图像识别可以判断出球的人是谁，球的速度有多快，但是这个人想做什么，这个动作是射门还是传球，需要有经验的记录员来判断。 一个优秀的记录员可以在很短的时间内判断出选手的意图怎样查询足球球员往年数据，然后通过辅助录音软件选择选手和选手此刻对应的事件。 这些事件包括传球、传中、拦截、射门、扑救、犯规等，这样一共记录了比赛中的2000多个事件。

图：OPTA的数据专家正在采集实时数据（图片来源：OPTA官网）

OPTA的实时统计系统就是这种人工+智能的方式。 每个录制组3人怎样查询足球球员往年数据，其中2人进行实时数据采集，1人进行实时视频素材回放校验。 有些人可能会质疑这种人工方法的准确性。 事实上，不同公司给出的游戏数据确实存在差异，每个公司在数据收集背后都有独特的理念。

2018年1月13日的一场西甲常规赛，皇马在主场迎战黄色潜水艇比利亚雷亚尔。 在赛后统计中，Whoscored的数据显示：控球率58% VS 42%，传球成功率89% VS 85%。 国内足球数据公司创兵科技给出的控球率为54.9%VS 45.1%，传球成功率为84%VS 84%。 即使是射门次数这样一个看似简单的统计指标，两家网站也给出了28 VS 10、27 VS 9等不同的结果，可见两家公司的统计人员对射门事件的判断不同。 这是足球比赛统计中的“人为错误”。

图：whoscored皇马VS比利亚雷亚尔的统计数据（图片来源：whoscored）

图：创兵DATA对皇马VS比利亚雷亚尔的统计（来源：创兵DATA）

人工+智能的数据采集方式可以说是八仙过海各显神通，统计指标的计算方式也会影响最终的统计结果。 结合上面对采集方式的介绍，我们可以大致知道，射门、角球、任意球、点球、犯规的统计方式无非就是一个字：统计。 在这类赛事中，记录员有很长的时间来反映场上发生的事情，出错的可能性比较小。 控球率也是一个容易记录的指标。 控球率=控球时间/两队总控球时间，控球时间是指传出的球未被对方触及前的时间。 机器可以记录下此时哪支球队有球，需要多长时间才能持球。 只需要人工进行一些简单的修正，比如去掉死球时间（庆祝时间、角球时间、任意球时间），就可以得到控球率。 同理，传球成功率=传球成功次数/全队总传球次数，其实就是全队没有被拦截的次数。 也是机器和人一起收集，人工核对统计。

事实上，每个公司对指标的统计方法不同，这也是我们看到的结果不同的原因。 同时也说明，足球统计是一个值得统计人员深入研究的领域，懂足球的人也是这个行业的核心生产力。

AI+AI的方式当然不是AI的代名词，但一定只是足球统计史上的一个时期。 事实上，现在有很多可穿戴设备可以用于球员数据采集，可以监测球员的各种身体数据，甚至脑电波。 不过，由于竞技体育对球员的着装要求比较严格，因此可穿戴设备在赛场上的应用并不广泛，但一些俱乐部在训练中使用较多。 希望在不久的将来，我们能看到梅西踢球时的脑电波，拿球突破时解说大喊“梅西有球，他要传给阿尔巴”在前场，这时他改变了主意，他打算在前场远射，应该是在球门的左下角，这时候守门员的脑电波显示他要去打在球门右侧，梅西这一脚的成功率在80%左右，果然，球进了！！！

足球行业数据分析

大数据正在悄然改变着每一个行业，足球也不例外。 对于足球数据的应用，大家首先想到的就是博彩。 对于博彩公司来说，一份真实完整的历史数据报告可以为精算师计算初始赔率提供数据支持。 实时比赛数据的持续及时输入，将有助于庄家及时调整实时赔率，从而获得更大的利润。 值得注意的是，虽然庄家的初始赔率是基于球队数据，但决定性因素其实是市场预期。 这也是足球数据行业值得关注的领域。

在前不久举行的2017年世俱杯半决赛中，皇马客场对阵阿布扎比半岛。 这场比赛最引人注目的不是两队的对决，而是阿里云团队使用人工智能技术分析比赛。 理解。 AI不仅能正确识别球队和球员，还能识别球员的传球、射门等动作。

解说员在紧张的比赛中难免出现失误，但人工智能背后强大的数据可以有效避免这一问题。 看似简单的解说，其实是利用多通道神经网络卷积模型对球和球员进行定位，再加上高效的跟踪算法，实现了对球员和球的实时跟踪。 同时，人工智能提前学习球衣号码，提取球员的面部特征，再与输入的球员信息进行比对，完成对球员的身份识别。 此外，球门、界线等球场基本信息的识别，也能让机器对球场形成更全面的感知。 由此可见，未来人工智能在足球领域的一个重大应用，可能是呈现更多形式、更精准的比赛转播。

回到足球本身，如何帮助球队赢球，如何用最低的溢价签下最合适的球员，或许才是足球数据最有意义的应用。 众所周知，每支球队都有自己著名的球队风格。 比如巴萨的Tiki-Taka战术重在传控，而死敌皇马则重在速度取胜。 每种打法各有特点，相得益彰。 再比如西甲中下游球队维戈塞尔塔和英超中下游球队水晶宫。 他们虽然在联赛中战绩不佳，但却是名副其实的强队收割机。 足球大数据探索。

或许有人会说强大的数据让足球失去了原有的魅力，甚至担心有一天人工智能机器人会打败人类足球，但实际上数据只是让大家更理性地参与足球活动，甚至从中受益。 足球永远是一项充满不确定性的运动，因为足球是圆的。

只有视频！

本文地址：http://www.sip58.com/news/57c899223.html