智能足球裁判，能否突破专业运动的技术瓶颈​

如果说随便在街头抓一个人来问，全球最受欢迎的运动是哪个？那么你所能得到的结论十有八九是足球。2022 作为世界杯再次到来的一年，今年的初冬也势必会由足球点燃我们沉寂许久的激情。

我们知道，在绿茵场上，除了奔跑的球员外，每场比赛也会有多位裁判随之而奔跑。可是根据中国足协官网公布的数据来看，中国现有国际级裁判员 39 人。不仅是国内，全球范围内都在面临专业裁判人员不足的情况，不仅专业裁判稀缺，业余裁判也一样缺乏。

而在今年的冬奥会上，我们发现了一种新的可能。冬奥会上，速滑赛道的猎豹大显神威，在滑雪场上也有大量的相机可以实时还原并且多角度分析运动员的动作。可以预见的是，AI+体育几乎是未来一种不可逆的大势。如果用 AI 来帮助足球比赛进行一些适当的裁判工作，是否可行呢？近期，CoCoPIE 正在研发的 AI 足球裁判，能够运行于多种智能终端设备之上，对于缓解足球业余裁判不足等问题有着明显帮助。针对这一进展，笔者采访了 CoCoPIE chairman 王言治，来听他们对于未来的探索及规划。

智能+体育，赛场上的第三只眼睛

在今年的冬奥赛场上，AI+体育得到了全面的应用，智能化的裁判系统使得判罚更加精准，也减少了很多赛场内外的争议。当然，AI 的价值使得其可以深入到各行各业，不仅可以让体育的打分更加客观，也能让生活更加便利高效，以后肯定会有越来越广泛的应用。在冬奥级别的大型赛事里，AI 能够落地的方向不仅有裁判，如赛事组织、安防、餐饮等方面均有进一步使用的空间。CoCoPIE chairman 王言治认为，在走出赛场后，AI 技术下沉到可穿戴设备上，便能真正实现普及。

以往想要把 AI 技术下沉最难的地方便在于芯片。以往，实时运算需要计算能力强大的服务器支撑，而手机和可穿戴设备计算资源有限，很难达到实时。但是 CoCoPIE 打造的压缩编译联合优化技术可以在边缘侧实现实时 AI，并完成高精度 AI 支持。压缩编译协同技术，可以有效地使神经网络及 AI 应用达到最优运行，并且不损失准确率，从而达到实时运算。在手机上，其也能支撑实现多用户骨架检测，其可以在比赛中对判罚、训练等提供信息。其价值便在于能够在足球比赛或者青训中，提供更加专业的建议，实现更加准确的比赛及训练效果提升。

这款产品的价值就在于其为用户提供了智能的足球裁判服务。在瞬息万变的赛场上，产品能够基于 YOLOBILE 的图像分割，自动判断球入网或者是出界；通过人体骨架检测、多人检测及相对方位，用于判断越位等；借用目标检测和 YOLO，其能够实现对球和球员的追踪，从而实现精准判罚；通过动作识别，判断是否存在违规动作，判断手球……这些技术在体育爱好者听起来或许简单，但在人工智能和机器学习领域则需要投入大量的研究才能取得如今的成果。

智能模型的构建离不开数据和训练，而这套系统的打造便利用了联邦学习等技术，使得同样在一个赛场上的设备实现联动。当发现一个犯规之后，多个设备可能会进行复核，利用 AI 的协同运作，共同确定判罚是否合适。

事实上，CoCoPIE 在创立之初便一直在终端智能方向持续努力。而此次产品的研发本身是由于其合作方的一个需求，他们需要有一个产品来为用户提供更准确的判罚和更准确的辅助训练。这一产品将会用在一些大众普及性的赛事之中，使运动员在没有专业裁判的情况下可以获得令人满意的比赛体验。

这一需求和理念与 CoCoPIE 不谋而合，CoCoPIE 以往的产品专注于可穿戴设备、摄像头或者智能手机，无论从成本还是技术方面来讲都相对成熟。廉价和便捷性并存，两大特点使得这款产品能够为国内和世界足球运动作出贡献。同时，通过收集比赛和运动数据，这款产品也能为用户提供更好的辅助方案。比如如何让动作更加准确等，这会帮助运动员整体水平的提高。

目前，这款产品还没有开始全面推广，但其核心技术已经完备。未来的系统升级方向大体如下：对于现有系统会优化并新增一些 AI 能力；在场景中，AI 能力会更多地放在端侧；有裁判的情况下，可以使用设备提供辅助；如果没有裁判，则可以用设备替代裁判。同时，系统也会针对球员做日常训练分析，提供改进方向，也会在教练及观众观赛时提供提示。

精准识别与检测，挖掘端侧智能的价值

当前来看，这款产品的技术核心还在于可以脱离云端。作为一个比较初级的版本，其对于技术打分、具体位置预估、球员动作检测等各类能力的实现，均可以做到完全脱离云端。这样的价值就在于其能够更加及时地反馈一些信息，提升用户的使用体验。

系统对于球员本身的识别是比较容易的，设备本身具备目标识别能力，如果只是识别这两队球员不同的人，现有的 YOLO 系统可以识别 80 种情况，能够轻松地将场上的人员识别并设置为裁判和两队的球员。但是也有比较麻烦的情况，那就是对于同一个球员的运动识别，以及在遮挡时的动作识别等。

比如在球场上，受限于角度和动作等，很多图像的捕捉并不是完整的。比如一个球员在带球前进，一会儿出现在第一个镜头里，一会儿又进了另一个镜头，这就需要 AI 来识别和认知究竟是不是同一个球员。AI 可以通过球衣来识别球员，但万一球衣褶皱或遮挡时，也可能无法识别。所以这就需要产品尽可能地去跟踪相同球员，在能够识别球衣的时候尽量追踪，当到了识别不出的时候，便根据球员的运动轨迹来预测，判断是否出现交叠或者其他情况，并基于此来确定镜头中不同位置的球员是谁。

对于球员的位置，AI 可以做到预估和定位，这对于动态球员的检测很重要。和我们的眼睛工作原理类似，运动员的具体位置也可以通过多路摄像头的协同，共同分析出球员的位置。

对于球员动作的分析，大多数时候需要经过深度神经网络来进行分析。从目前的角度来看，如果是检测越位或者检测触碰球等问题时，需要设备追踪具体运动员本身并给出判断。而对于球员本身训练中的帮助修正，其对于检测的精确度会有更高的要求。这就需要检测具体的动作发力点，或者技术动作的标准度，这对于行业而言都是比较困难的。不过目前由于版本处于初期阶段，这些功能的提升将会在后期的研发中一并进行。

端侧加速，实现更多可能

一款产品的成功，不会只有一个理由，也不会只有一片土地。

王言治认为，这款产品的愿景是希望能够将其相关技术运用到所有的场景中。举例而言，当前的版本可能会适合于青训或者业余的比赛中，但之后也会有更加高级的比赛版本，其相比日常的使用可能会有所不同。因为 AI+体育的市场是十分广阔的，不同的运动、不同的训练、不同的辅助检测和不同的场合下，大量的用户都会存在需求。

如今的初级版本中，CoCoPIE 主要打造了单手机的识别能力，今后会研究多手机和多手机协同的能力。这其中包括了多手机摆位，多手机移动及固定配比，多手机整体协调等。同时，除了这些基本功能外，辅助训练、精确动作捕捉，以及动作检测等也在研发中。当然，研发的进度也会根据合作方需求进行调整，今后也可能会有更多的合作方一起来参与到这件事情中。

从这一产品来看，其所用的技术是有着一定的通用性的，未来肯定不只是能够用于体育赛事上，比如自动驾驶、智能家居等都可能是可用的方向。比如提升自动驾驶的检测速度，检测司机的疲劳驾驶，提升智能家居跟人的交互，在家中检测自己运动健身的姿势等。这些方向目前 CoCoPIE 都已经有了相关应用和落地产品。

在采访的最后，王言治表示，当前这款产品还是一个比较初级的阶段，整体 AI 裁判全部落地的问题也需要时间才有可能攻破。但是，CoCoPIE 所做的事情便是以整体的技术，将 AI 的端侧进行加速，使得很多事情能够拓展，把原本只能在云侧运行，或者需要很大算力才能实现的 AI 应用，做到随时随地都可以运行，所有的平台均可支持。而在未来，这也是 CoCoPIE 所希望能推动的事情。