Details

Объектом исследования является разработка клиент-серверного приложения для определения положения и траектории полета мяча на примере волейбола. Целью работы является разработка и экспериментальное тестирование программного обеспечения для автоматизированного определения положения и траектории волейбольного мяча по видеозаписям на основе нейросетевой модели. Методология основывается на системном анализе предметной области, методах компьютерного зрения, прямого линейного преобразования и наименьших квадратов для нелинейной триангуляции. В результате работы реализована микросервисная архитектура. Модель TrackNetV5 достигла Precision=0,981, Recall=0,967. Нагрузочное тестирование подтвердило производительность: средняя пропускная способность - 444,1 запроса/с, пиковая - 761 запроса/с. Выводы: подтверждена эффективность архитектуры TrackNetV5 для детекции мяча в условиях окклюзий. Полученные метрики и пропускная способность соответствуют выдвинутым гипотезам. Выведена формула полной ковариации трёхмерной точки, позволяющая разделить вклад ошибок детектирования и калибровки. Разработанная система может служить доступной альтернативой коммерческим решениям для любительских и полупрофессиональных лиг. Область применения: системы видеопомощи судьям, автоматизированный сбор спортивной статистики, анализ технико-тактических действий в волейболе. В работе использованы Python, FastAPI, PyTorch, PostgreSQL+TimescaleDB, Kafka, Vue.js, Debezium, Docker, Nginx.

The object of the research is the development of a client-server application for determining the position and trajectory of a ball using the example of volleyball. The aim of the work is to develop and experimentally test software for automated determination of the position and trajectory of a volleyball ball from video recordings based on a neural network model. The methodology is based on the system analysis of the subject area, computer vision methods, direct linear transformation and least squares for nonlinear triangulation. As a result, a microservice architecture has been implemented. The TrackNetV5 model reached Precision=0.981, Recall=0.967. Load testing confirmed performance: average throughput - 444.1 requests/s, peak - 761 requests/s. Conclusions: the effectiveness of the TrackNetV5 architecture for detecting the ball in occlusion conditions has been confirmed. The metrics and throughput obtained correspond to the hypotheses put forward. A formula for the total covariance of a three-dimensional point is derived, which makes it possible to separate the contribution of detection and calibration errors. The developed system can serve as an affordable alternative to commercial solutions for amateur and semi-professional leagues. Scope of application: video assistance systems for referees, automated collection of sports statistics, analysis of technical and tactical actions in volleyball. Python, FastAPI, PyTorch, PostgreSQL+TimescaleDB, Kafka, and Vue are used in the work.js, Debezium, Docker, Nginx.