Логотип Логотип Логотип Логотип
Интервью

В Перми делают компьютерное зрение для спорта: оно должно распознавать элементы лучше судей и развлекать зрителей

Бывший маркетолог «Амкара» хочет сделать гимнастику, бокс и другие виды понятнее и прозрачнее.

Все знают: в России мало технологических стартапов для спорта. Но они все-таки появляются, и один из самых заметных развивается в Перми: бывший работник маркетингового отдела «Амкара» и местной федерации прыжков с трамплина Александр Азанов и IT-специалист Дмитрий Кассин занимаются распознаванием движений там, где глаз человека не может оценить все одинаково быстро и точно. Компьютерному зрению не знакома ни потеря концентрации, ни сомнение, поэтому технологией BD-Sport уже интересуются в спортивной и художественной гимнастиках (где нужно оценивать точность выполнения каждого элемента), а также в боксе (где надо фиксировать все удары).

Sport Connect поговорил с сооснователем проекта Александром Азановым, чтобы понять: как именно работает компьютерное зрение и кому пригодится такая технология.

Как работает BD-Sport?

По периметру площадки мы устанавливаем четыре камеры, калибруем их, снимаем упражнение – в личном кабинете появляется видео со скелетом спортсмена и деталями об элементах, которые распознал алгоритм. Там же отображается аналитика – в диаграммах и графиках.

С помощью четырех камер мы видим каждый элемент с четырех сторон – получаем 3D-объект с маркерами в области суставов человека (колени, запястья и так далее). Как только 3D-координаты зафиксированы, запускается поиск по схожим элементам: система сравнивает биомеханическую модель элемента с идеалом. На сегодняшний день точности системы достаточно, чтобы без ошибок определять, какой именно элемент исполнил спортсмен.

Решение может быть полезным и спортсмену с тренером, и судьям. Такую технологию можно использовать как дополнительный инструмент для вовлечения аудитории в медиа – мы разрабатываем программу так, чтобы использовать ее могли максимально широко. Сейчас общаемся с федерациями по разным видам спорта, с тренерами – разбираемся в их требованиях, чтобы максимально адаптироваться под них. Движемся по принципу customer development: в первую очередь ориентируемся на запрос потенциальных клиентов.

Нашу систему можно использовать в любом помещении, главное требование – чтобы спортсмен был полностью в кадре на всех камерах. Установка камер занимает минут 15, еще столько же – калибровка. Если обработка нужна в онлайн-режиме, понадобится скоростной интернет – чтобы передавать данные в облако, где находится алгоритм распознавания.

Как разработали BD-Sport?

80% нашего стартового бюджета (2 миллиона рублей – Sport Connect) – затраты на людей, 15% – программное обеспечение, услуги серверов и другие технические детали.

Сейчас в команде 7 человек. Двое занимаются компьютерным зрением – безмаркерным захватом движения, один – алгоритмом распознавания элементов, биомеханик формирует модели элементов, бухгалтер-финансист контролирует денежную часть, а я с партнером Дмитрием Кассиным делю административные функции.

Изначально нам казалось, что безмаркерный захват движения всеми изучен, что все уже есть в общем доступе. Оказалось, все как раз наоборот: что уже сделано – очень сырое, не соответствует нашим требованиям. Пришлось все делать самим. Мы проверили, наверное, 30, а то и 50 гипотез о том, как должна работать технология захвата. И в октябре 2018-го одна из них подтвердилась, показала жизнеспособность.

Какие перспективы?

Мы планируем внедрять BD-Sport как услугу, которой можно воспользоваться по требованию: не покупать дорогое оборудование, а установить готовое решение и ограничиться простыми камерами, виртуальными серверами.

Рассчитываем вскоре запустить пилотный проект – где представители конкретного вида спорта укажут, какие именно данные будут полезны, а мы адаптируем технологию под эти требования. Далее – тест на каком-либо соревновании. Стоимость пилотного проекта будет зависеть от количества спортсменов на площадке, сложности отдельных элементов и их количества. Если спортсменов два вместо одного, алгоритму нужно в два раза больше процессов, чтобы следить за обоими. Если элемент можно описать в статическом положении – алгоритм простой и быстрый, если суть в смене положения тела, биомеханическую модель алгоритм будет распознавать дольше. Пилотный проект может стоить от 10 миллионов рублей.

Идеально, чтобы такой пилотный проект могли оценить сразу все заинтересованные стороны: тренеры увидят инструмент для контроля техники, судьи – технологию, которая поможет точнее оценивать качество исполнения, медиа и спонсоры – новый вид аналитики и пространство для активации. Медиа-направление развивается: Fujitsu активирует спонсорские права разработкой инновационного решения для судейства в спортивной гимнастике, Alibaba и IBM заявили о желании представить на Олимпиаде-2020 новые данные во время телетрансляций – на основе американского стартапа Wrnch.

Первая волна интереса к нам возникла после конкурса Sport Innovation Awards. Появилось несколько контактов, мы начали первые переговоры. Один из таких контактов – из Канады, там интерес к нашей технологии есть у частных клубов по художественной гимнастике.

В первую очередь на переговорах спрашивают о скорости предоставления данных, большинство хочет получать данные в онлайн-режиме. Мы к этому стремимся и в ближайшее время придем. Как только получится, сможем предлагать медиа то же, что и судьям: оценку качества элементов и аналитику о преимуществе одного спортсмена над другим. Считаем медиа важнейшим источником дохода, но все же планируем диверсифицировать продажи с помощью услуг для тренеров и судей.

Кому поможет компьютерное зрение?

Наша сфера – одиночные и парные виды, где спортсмены развивают высокую скорость и должны двигаться настолько точно, что человек (тренер, судья и болельщик) уже не может четко увидеть преимущество одного участника над другим. Например, в гимнастике и фигурном катании сложно различить качество элемента, в прыжках с трамплина человеческим глазом никак не оценить фазу отталкивания, в боксе судьи не всегда успевают фиксировать точные удары. Эти и многие другие виды спорта без компьютерного зрения рискуют потерять болельщиков.

Аналитика ударов в боксе.

Мы запустили тестовое предложение для бокса: промоутеры, менеджеры и тренеры заказывают аналитику, чтобы изучать соперников, анализировать бои и даже подтверждать или опровергать судейские решения. Наша цель – привнести в бокс объективную оценку. Сейчас конкретные критерии в боксе отсутствуют – есть только описания действий боксера, которые каждый судья может интерпретировать по-своему.

В мире много разработок, суть которых – понимание движений человека. Выделяются две: wrnchAI, которую мы уже упомянули, и OpenPose. Вторая лежит в основе технологии AutoStats, которую в марте 2019-го презентовала аналитическая компания STATS. Обе технологии с помощью нейросетей научились ставить на двухмерные картинки маркеры в области суставов.

Специалистов по компьютерному зрению очень мало. Мы планируем работать с университетами, чтобы решать эту проблему. Уже сейчас тесно общаемся с физическим факультетом пермского Национального исследовательского университета, там есть хороший курс по компьютерному зрению. Наш сотрудник уже читает там лекции, дальше собираемся привлекать студентов к своим практическим задачам.

Переезжать из Перми мы не планируем. Здесь у нас самый ценный и редкий ресурс – люди, наша команда.

Автор: Андрей Васильев

рубрика
Интервью