Automatizovaný střih videa zápasů beachvolejbalu

Abstract

Práce se zabývá automatizovaným střihem videa zápasů beachvolejbalu. Byl vytvořen dataset 324 videí zápasů z beachvolejbalové sezóny 2023 a 88 zápasů ze sezóny 2024, což odpovídá více než 300 hodinám záznamu. V rámci vlastní realizace byly implementovány tři algoritmy automatizovaného střihu videa pomocí optical flow, 2D klasifikace a 2.5D klasifikace. Model nejlépe vyhodnoceného přístupu - 2.5D klasifikace - je postaven na architektuře EfficientNetV2-B3 a byl trénován na 221 záznamech. Střih dosahuje 93% přesnosti na jednotlivých snímcích videa, IoU skóre intervalů střihu odpovídá 77,2 %. Precision na úrovni jednotlivých výměn, tedy pravděpodobnost, že predikovaná výměna je skutečnou výměnou, dosahuje 99,6 % a model sestříhá 64 % zápasů bez chyby v počtu výměn. Průměrná chyba začátku či konce výměny nepřesahuje 2 sekundy.

The thesis deals with the automated cutting of beach volleyball matches. A dataset comprising 324 match videos from the 2023 beach volleyball season and 88 matches from the 2024 season was created, totalling over 300 hours of footage. Three algorithms for automated video cutting were implemented: optical flow, 2D classification and 2.5D classification. The model employing the most successful approach - 2.5D classification - is built upon the EfficientNetV2-B3 architecture and was trained on 221 recordings. The classification accuracy on individual video frames achieves a 93% accuracy, with an IoU score for rally intervals of 77.2 %. Precision at the level of individual rallies, indicating the probability that a predicted rally corresponds to an actual rally, reaches 99.6 %, and the model successfully edits 64 % of matches without errors in the total number of rallies. The average error in start or end of a rally does not exceed 2 seconds.