23、体育与房产领域的智能研究进展

体育与房产领域的智能研究进展

1. 橄榄球高风险擒抱的客观检测

在橄榄球运动中，球员受伤尤其是头部受伤是一个备受关注的问题。通过研究利用深度学习和机器学习相结合的方法，致力于实现对高风险擒抱事件的客观检测。

在模型输入方面，各身体关键点的特征重要性有所不同。模型显示，擒抱者和持球者的头部、髋部，以及擒抱者的肘部具有较高的重要性。然而，该研究存在一些局限性：
- 数据选择的局限性 ：由于识别困难，研究排除了在致伤事件发生一段时间后进行的头部损伤评估（HIAs），这可能导致选择的样本相对较为严重。此外，姿势估计失败的样本也被移除。在橄榄球这类接触性运动中，由于频繁的遮挡，姿势估计模型的性能相对较低，因此需要更强大的抗遮挡姿势估计模型来克服这一限制。
- 拍摄方向的变化 ：擒抱事件的拍摄方向因样本而异，这可能对分类准确性产生一定影响。例如，在研究中持球者的肩部特征重要性相对较高，但并没有证据表明肩部位置与头部受伤风险之间存在关系。这可能是因为在高风险擒抱中，持球者偶然地直接面向相机。针对这一局限性，一种技术解决方案是重建球员的3D坐标并对齐拍摄方向，已有一些深度学习模型可用于从多个2D图像进行3D重建。

虽然目前模型还不能实时使用，因为事件帧的提取和擒抱者/持球者的识别仍需手动选择，但研究团队计划使用深度学习实现这些过程的自动化，从而构建一个仅使用视频作为输入就能完全自动识别高风险事件的模型。这个模型将作为职业比赛中医师的支持工具，或者在没有专业医疗团队的次精英比赛中作为独立系统，为检测高风险事件做出重要贡献。

2. 平面图对租金预测的增量信息价值