2022世界杯正在火热进行，各路豪强逐一登场亮相。在往届世界杯上，大数据分析和可视化已大量应用于赛后数据统计分析，但需要大量的人力和物力，智能化程度较低。

近些年来，AI和智能分析大量应用于竞技比赛项目，有实力的豪门纷纷投入巨资打造武装到牙齿数据智能设备用于辅助训练和战术决策，展开了另一场超级“军备竞赛”。

随着云技术和AI技术的发展，Oracle 云基础设施远程软件服务（Oracle Cloud Infrastructure, OCI）平台和分析智能在球类比赛、赛车、帆船、游戏竞技等领域进行了大量实践，取得了显著的成果。

这个示例中，我们看到用户可以在OCI云平台上简便快速的搭建英超足球比赛视频分析系统，通过预先部署的无服务器深度学习模型识别赛场信息，将非结构化数据转化为结构化数据进行分析展示，为专业人士提供决策支持。

面对看似复杂的工作，如果利用甲骨文OCI 人工智能视觉及分析云，再选用海量对象存储、视频流处理、数据科学平台、自治数据仓库、容器化及微服务部署等基础服务，以上场景功能可以在短时间内一气呵成地实现和发布：

下面，就让我们使用甲骨文OCI平台逐步实现以上场景。首先，用户需要提前创建以下OCI资源：

OCI AI Vision Services

OCI Data Science

Autonomous Data Warehouse （including Oracle Machine Learning）

Oracle Analytics Cloud

步骤1：使用OCI Vision Console界面实现关键目标检测及球衣号码文本识别

上图是OCI AI视觉服务对球员等关键目标的检测，下图为视觉服务对球衣号码的OCR识别检测：

步骤2：使用OCI 数据科学笔记本批量实现关键目标检测和球员号码识别

由于比赛视频由大量图像帧组成，因此我们随后需要使用OCI数据科学笔记本调用OCI Vision REST API批量实现赛场对象和球员号码识别，同时将AI识别到的球员和球衣号码关联到一起：

步骤3：使用OCI 数据科学笔记本将视频坐标转换为足球场坐标

为了统一进行球员位置的分析，我们还需要将AI识别的每一帧图像坐标转换为标准足球场坐标以备分析：

步骤4：使用OCI 数据科学笔记本将图像分析结果写入ADW或MySQL

一旦我们有了球员跟踪信息，我们就可以从中提取各种统计数据。例如，球探可能想要计算球员表现的统计数据。教练可能想查看预期目标等。为了让球探和教练等分析师能够轻松访问数据进行分析，我们会将从视频中提取的所有信息存储到自治数据仓库中：

步骤5：自动处理整个比赛视频并将视频分析结果写入ADW或MySQL

我们现在有了处理视频的要素。这个步骤中，我们将向系统添加完整视频并逐帧处理，将得到AI标记后的增强视频（带有球员定位框和球衣号码），并在ADW或MySQL数据库中生成完整的球员跟踪信息数据表以备进一步分析：

步骤6：使用OAC为最终用户提供统计分析展现和决策支持

剩下的工作就不用多讲了，都是我们分析处理结构化数据传统的拿手好戏：球探可能想要计算球员表现的统计数据，教练可能想查看预期目标等。分析师可以随时随地的使用OAC分析ADW/MySQL中的数据，或使用ADW OML/AutoML、HeatWave ML进行进一步挖掘：

总结：

本实验充分验证了OCI AI Vision Service具备高商用价值和品质

采用多个全方位多角度摄像头的信息集成，可以得到更加完整的比赛信息

整个端到端的流程通过OCI 容器化或微服务部署后可实现无需IT人工干预的自动化智能运行

本方案使用的OCI技术平台可推广至制造、零售、医疗、安防、物业等多个场景

编辑：殷海英