運動賽事的電腦視覺:鷹眼系統如何運作?

作者 | 發布日期 2021 年 08 月 01 日 10:58 | 分類 AI 人工智慧 , 尖端科技 , 科技生活 Telegram share ! follow us in feedly


鷹眼系統廣泛出現在多項賽事,觀眾也習慣這項技術,裁判更仰賴它做關鍵判決,但你知道協助台灣拿下東京奧運羽球男雙金牌的鷹眼系統,究竟如何運作的嗎?

2020 年東京奧運羽球男子雙打金牌戰,台灣選手李洋與王齊麟在第二盤以 20:12 領先,李洋一記回球落在中國隊底線上,線審第一時間判定界內,但無路可退的中國選手只能提出挑戰,最終結果大家都知道了,鷹眼系統顯示羽球壓在線上,有效得分。

雖然麟洋配已經大比分領先,但這判定還是替這次歷史性的奪金過程增添了戲劇性,鷹眼系統回放的畫面也成為台灣網友一夜之間最熱門的話題。不過,究竟鷹眼系統如何運作,為什麼能即時提供準確判斷畫面?且這畫面值不值得相信?

▲ 鷹眼系統透過多台高速攝影機組成。(Source:Hawk-eye Innovation

Hawk-Eye 的發明與演進

鷹眼系統英文是 Hawk-Eye,取名固然象徵老鷹一樣視力,但也有點私心,因為發明人是英國人 Paul Hawkins。鷹眼系統首見於 2001 年板球賽事,透過六台高速攝影機,記錄球的飛行軌跡,建立 3D 模型,模擬球的落點,誤差值為 3.6 公釐,也就是 0.36 公分。

經過 5 年嘗試與進化,為了捕捉球速更快的網球軌跡,鷹眼系統將攝影機數量增加到 8~10 台,每秒可拍攝 340 張畫面,現場共有 3~4 部電腦負責運算建立模擬畫面,同時為了轉播與現場判斷需求,增加現場大螢幕重播,成為我們目前熟悉的鷹眼系統樣貌,並在 2006 年美國網球公開賽正式獲得大滿貫賽事認可,協助判決。

鷹眼系統呈現的畫面,其實並不是真正的「影像重播」,而是電腦模擬的結果,因此鷹眼並非完美無缺,畢竟運動場上什麼事都可能發生,就真的有人打出低於誤差值 0.3 公分的球,且還發生於兩大球王的頂尖對決。

2007 年溫布頓網球決賽,納達爾(Rafael Nadal)對決費德勒(Roger Federer)的第四局,納達爾底線球被線審判出界後發起挑戰,鷹眼系統重播判定這球壓在線上,由納達爾得分,讓費德勒與現場觀眾非常不滿。

▲ 費德勒對鷹眼判決非常不滿。(Source:影片截圖

從畫面看,這球似乎超出邊線,但賽後檢討重播發現,這一球說巧不巧只超出底線 0.1 公分,剛好小於鷹眼系統 0.3 公分誤差值,因此成為鷹眼系統史上最有名的爭議,好險費德勒最終拿下冠軍,否則鷹眼系統恐怕活不到今天。

歷經十多年、上千場賽事考驗,鷹眼系統已證明可信度,並廣泛使用於網球、排球、板球、羽球甚至連足球,都利用鷹眼技術輔助判決。但鷹眼系統用在羽球比賽,其實受到許多質疑。

難以模擬的羽毛球

各種鷹眼系統可用的球類比賽,羽毛球是特例,因不是球體,且重量僅約 5 公克,飛行過程會受旋轉、羽毛破損、空調風向影響,而鷹眼系統是透過捕捉飛行軌跡計算落點,因此模擬難度高出其他球類許多。

世界羽球協會直到 2014 年才首度接納鷹眼系統,終於大幅消除長久以來的肉眼誤判爭議,運用挑戰權也成為取勝關鍵之一,當然也發生過許多爭議和趣事。

2018 年南韓公開賽日本選手山口茜對決中國高昉潔的比賽,爭議性的底線球讓中國選手提出挑戰,從轉播單位的現場慢動作重播看球已經出界,但鷹眼系統卻判定為界內,成為羽球賽場知名的案例。

中國前世界球王林丹,曾經在一場比賽送了對手一次挑戰。當時對方扣球,林丹救球不及,線審判定出界。當大家都以為林丹贏得比賽時,林丹卻主動提出挑戰,結果鷹眼系統判定確認這球在界內,林丹多掉一分,卻贏得尊敬。

雖然鷹眼系統並非 100% 完美,但已大幅減少誤判,然而再怎麼厲害的系統也敵不過「紅眼系統」。2016 年中國公開賽時,第一種子日本組合出戰中國隊伍時,發生邊線球,但中國籍裁判直接拒絕日本選手提出挑戰,讓鷹眼系統根本無用武之地,也讓黃東萍、李茵暉這組搭檔,在第二第三盤皆以 22:20 爆冷擊敗第一種子,最終進到決賽取得第二名。

或許這種種與判決相關的事蹟,都讓這次東京奧運的底線勝出更讓人激動。

鷹眼系統不僅許多運動比賽採用,也能協助頂尖選手訓練時獲得更多數據判讀,提升自我表現,此結合光學攝影、電腦視覺和人工智慧的系統也引起許多企業競爭。目前最多賽事採用的這套 Hawk-eye 系統,2011 年由 Sony 併購,成為賽場與轉播的利器。

除此之外,包括 Cyclops、FoxTenn 等公司也都提出相似效果的技術,並宣稱擁有比 Hawk-eye 更真實的資料取樣方式,未來這項輔助判決技術,肯定能持續讓運動賽事更精彩又不留遺憾。

(首圖來源:愛爾達體育家族

 

 

關鍵字: , , , ,