Development of Data Model for Attacking Behavior in Ball Sports

2022 Fiscal Year Final Research Report

• Project/Area Number: 19K11529
• Research Category: Grant-in-Aid for Scientific Research (C)
• Allocation Type: Multi-year Fund
• Section: 一般
• Review Section: Basic Section 59020:Sports sciences-related
• Research Institution: Tokyo University of Science
• Principal Investigator: Ichimura Shiro 東京理科大学, 教養教育研究院野田キャンパス教養部, 教授 (30408702)
• Project Period (FY): 2019-04-01 – 2023-03-31
• Keywords: 機械学習 / 画像分類 / ハンドボール / 攻撃行動

Outline of Final Research Achievements

The purpose of this study was to develop a data model for evaluating the qualitative behavior of offensive behavior in ball sports based on the player's position information, movement amount, and movement trajectory that can be obtained during games and practices.We created an image data set (2344 images) classified into 22 attacking behavior patterns in organized attack scenes of a handball match using an illustration creation application. Using this dataset, we performed image classification by machine learning.
As a result, 89.3% accuracy was achieved in the classification model of 24 types of attacking behavior patterns in this study.

Free Research Field

スポーツ科学

Academic Significance and Societal Importance of the Research Achievements

本研究課題では、一部精度に球技スポーツの質的な行動を理解するための補助として、ハンドボールの選手の移動軌跡から「どのように」、「どのような」といった質的行動を行っているかを機械学習の画像分類手法にて分類することを可能とした。その結果は、質的ゲーム分析の最大の問題点であった分析者による結果のばらつきを少なくすることが可能とする。また、このような手法の発展は、熟達したコーチや選手のみが有している複数選手の動きで構成された戦術行動がどのような狙いを持っているのかを把握することのできる能力を未熟達なコーチや選手に拡張させることが可能となる。