手機拍的低畫質影片也能分析投手錶現！滑鐵盧大學AI技術顛覆棒球資料分析

加拿大滑鐵盧大學的研究團隊開發出一項突破性人工智慧技術，僅需使用智慧手機拍攝的低解析度比賽影片，就能精準分析棒球投手的表現與投球機制。這項名為「PitcherNet」的系統，正為巴爾的摩金鶯隊提供革命性的資料分析解決方案。

目前大聯盟各球場普遍採用Hawk-Eye Innovations公司開發的高階追蹤系統，這套造價不菲的裝置需在球場安裝多部特殊攝影機。然而，這些系統產出的資料通常僅供主場球隊使用，讓客場比賽與小聯盟賽事的資料分析出現缺口。為瞭解決這個問題，金鶯隊三年前找上滑鐵盧大學的影像與AI專家尋求協助。

PitcherNet系統的創新之處在於，它能克服動態模糊等技術挑戰，從標準轉播畫面或球探用手機拍攝的影片中，準確追蹤投手在投手丘上的動作，並提供球速、放球點等關鍵資料。這項研究成果已發表於2024年IEEE/CVF電腦視覺與模式識別會議，相關論文可在arXiv預印本伺服器上查閱。

滑鐵盧大學系統設計工程學系教授John Zelek博士解釋：「金鶯隊向我們提出挑戰，因為他們無法在缺乏高解析度攝影機的場地分析投手姿勢與生物力學資料。我們的目標是複製甚至超越Hawk-Eye技術，僅需使用轉播畫面或球探手機拍攝的影片就能產出相同品質的分析結果。」

研究團隊特別建立投手的三維虛擬模型，從多角度觀察其動作，藉此訓練系統的AI演演算法。這些分析資料可幫助球隊調整投手姿勢以提升表現、避免受傷，同時評估潛力新秀的未來發展性與續航力。

主導此研究的博士生Jerrin Bright指出：「現有技術確實提升了棒球資料分析，但僅限於主場比賽。球探工作特別需要能在任何場地使用的解決方案，這正是我們系統的價值所在。」

研究團隊現正將這項技術的核心概念—利用AI分析標準轉播與手機影片中的球員姿勢—拓展至冰球、籃球等其他職業運動，以及棒球打擊等不同面向，開啟運動科學的新篇章。

[end]