KR102149581B1 - 앱 기반 ａｉ 축구 경기 분석 제공 방법, 이를 위한 축구 분석 앱, 그리고 앱 기반 ａｉ 축구 경기 분석 제공 프로그램을 기록한 컴퓨터로 판독가능한 기록매체 - Google Patents
앱 기반 ａｉ 축구 경기 분석 제공 방법, 이를 위한 축구 분석 앱, 그리고 앱 기반 ａｉ 축구 경기 분석 제공 프로그램을 기록한 컴퓨터로 판독가능한 기록매체 Download PDFInfo
- Publication number
- KR102149581B1 KR102149581B1 KR1020180122843A KR20180122843A KR102149581B1 KR 102149581 B1 KR102149581 B1 KR 102149581B1 KR 1020180122843 A KR1020180122843 A KR 1020180122843A KR 20180122843 A KR20180122843 A KR 20180122843A KR 102149581 B1 KR102149581 B1 KR 102149581B1
- Authority
- KR
- South Korea
- Prior art keywords
- soccer
- data
- analysis
- player
- hybrid
- Prior art date
Links
- 238000004458 analytical method Methods 0.000 title claims abstract description 153
- 238000013473 artificial intelligence Methods 0.000 title 2
- 238000000034 method Methods 0.000 claims abstract description 48
- 238000005516 engineering process Methods 0.000 claims abstract description 15
- 230000005540 biological transmission Effects 0.000 claims abstract description 9
- 239000000284 extract Substances 0.000 claims abstract description 8
- 230000000903 blocking effect Effects 0.000 claims description 2
- 238000004364 calculation method Methods 0.000 abstract description 6
- 230000000694 effects Effects 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 14
- 238000004422 calculation algorithm Methods 0.000 description 7
- 238000010801 machine learning Methods 0.000 description 7
- 238000013528 artificial neural network Methods 0.000 description 5
- 238000006243 chemical reaction Methods 0.000 description 4
- 238000007635 classification algorithm Methods 0.000 description 4
- 238000013135 deep learning Methods 0.000 description 4
- 238000012706 support-vector machine Methods 0.000 description 4
- 230000001360 synchronised effect Effects 0.000 description 4
- 238000011161 development Methods 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 3
- 238000009825 accumulation Methods 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 2
- 238000003066 decision tree Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000007637 random forest analysis Methods 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 230000001174 ascending effect Effects 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 239000013256 coordination polymer Substances 0.000 description 1
- 230000000977 initiatory effect Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000000059 patterning Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000003307 slaughter Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- Biophysics (AREA)
- General Business, Economics & Management (AREA)
- Primary Health Care (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Strategic Management (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Two-Way Televisions, Distribution Of Moving Picture Or The Like (AREA)
Abstract
본 발명은 앱 기반 AI 축구 경기 분석 제공 방법, 이를 위한 축구 분석 앱, 그리고 앱 기반 AI 축구 경기 분석 제공 프로그램을 기록한 컴퓨터로 판독가능한 기록매체에 관한 것이다. 본 발명은, 하이브리드 축구 방송 제공 서버(500)가 FBC(Football Big-data Code)에 대해서 기술 결과값을 추출하여 추출된 값이 각 FBC 별로 미리 설정된 유효 공격인지 여부에 대한 분석을 수행하는 제 1 단계; 상기 제 1 단계의 분석 결과 유효 공격인 경우, 하이브리드 축구 방송 제공 서버(500)가 유효 공격에 해당하는 FBC가 이전에 분석되어 저장된 적어도 하나 이상의 FBC와의 관계에서 미리 설정된 전술 카테고리 중 하나에 해당하는 전술인지 여부에 대한 분석을 수행하며, 미리 설정된 전술 카테고리 중 하나에 해당하는 전술에 해당하지 않는 경우, FBC에 대해서 TAP(Total Attack Points, 총 공격 포인트)를 설정하는 제 2 단계; 상기 제 2 단계의 분석결과 미리 설정된 전술 카테고리 중 하나에 해당하는 전술에 해당하는 경우, 하이브리드 축구 방송 제공 서버(500)가 전술 카테고리에 해당하는 FBC에서 추출된 기술 팩터가 헤딩/슈팅인지 여부에 대한 분석을 수행하는 제 3 단계; 및 상기 제 3 단계의 분석 결과 헤딩/슈팅인 경우, 하이브리드 축구 방송 제공 서버(500)가 FBC에 대해서 TTP(Total Tactical Point, 총 전술 포인트)에 해당하는 CTP(Completed Tactic Point, 완결형 전술 포인트)를 설정하며, 헤딩/슈팅이 아닌 경우, FBC에 대해서 TTP(Total Tactical Point, 총 전술 포인트)에 해당하는 UTP(Uncompleted Tactic Point, 미완결형 전술 포인트)를 설정하는 제 4 단계; 를 포함하는 것을 특징으로 한다.
이에 의해, 분석 데이터 및 분석 데이터 생성을 위한 수집 데이터에 대한 분류 체계를 세분화하고, 세분화된 분류 체계에 따라 단순 전송 및 데이터 조합과 연산에 따른 정밀한 정보 제공을 통해 시청자가 필요로 하는 데이터에 대한 정밀한 제공이 가능할 뿐만 아니라, 시청자에게 제공되는 앱을 분석 데이터 중 사용자의 선택을 통해 직관적인 정보 제공이 가능한 효과를 제공한다.
이에 의해, 분석 데이터 및 분석 데이터 생성을 위한 수집 데이터에 대한 분류 체계를 세분화하고, 세분화된 분류 체계에 따라 단순 전송 및 데이터 조합과 연산에 따른 정밀한 정보 제공을 통해 시청자가 필요로 하는 데이터에 대한 정밀한 제공이 가능할 뿐만 아니라, 시청자에게 제공되는 앱을 분석 데이터 중 사용자의 선택을 통해 직관적인 정보 제공이 가능한 효과를 제공한다.
Description
본 발명은 앱 기반 AI 축구 경기 분석 제공 방법, 이를 위한 축구 분석 앱, 그리고 앱 기반 AI 축구 경기 분석 제공 프로그램을 기록한 컴퓨터로 판독가능한 기록매체에 관한 것으로, 보다 구체적으로는, 분석 데이터 및 분석 데이터 생성을 위한 수집 데이터에 대한 분류 체계를 세분화하고, 세분화된 분류 체계에 따라 단순 전송 및 데이터 조합과 연산에 따른 정밀한 정보 제공을 통해 시청자가 필요로 하는 데이터에 대한 정밀한 제공이 가능할 뿐만 아니라, 시청자에게 제공되는 앱을 분석 데이터 중 사용자의 선택을 통해 직관적인 정보 제공이 가능하여 시청자의 니즈(NEEDS)에 부합하도록 하기 위한 앱 기반 AI 축구 경기 분석 제공 방법, 이를 위한 축구 분석 앱, 그리고 앱 기반 AI 축구 경기 분석 제공 프로그램을 기록한 컴퓨터로 판독가능한 기록매체에 관한 것이다.
스마트 폰, 스마트 TV 등과 같은 컴퓨팅 기능을 구비한 유/무선 단말, 즉 스마트 디바이스의 발전에 따라 단순한 방송에 대한 시청뿐만 아니라, 방송에서 제공하는 영상과 관련된 가공 데이터를 활용한 정보 접근의 편의가 향상되었다.
이러한 기술발전과 함께 종래의 축구 데이터 분석 시스템에 의해 축구 경기와 같은 방송 시청 중 또는 축구 경기가 종료하거나 전반전 또는 후반전, 그 밖의 시간 단위로 경기를 치르는 양 팀의 전력을 쉽게 분석할 수 있게 되었다.
그러나 이러한 종래의 스마트 디바이스와 축구 데이터 분석 시스템을 활용한 분석 데이터를 제공시, 분석된 데이터의 종류가 단순할 뿐만 아니라, 각 선수, 포지션, 선수의 위치 영역, 시간 영역 등과 관련된 세밀한 정보에 대한 접근성이 떨어지는 한계점이 있어 왔다.
이에 따라 해당 기술분야에 있어서는 분석 데이터 및 분석 데이터 생성을 위한 수집 데이터에 대한 분류 체계를 세분화하고, 세분화된 분류 체계에 따라 단순 전송 및 데이터 조합과 연산에 따른 정밀한 정보 제공을 통해 시청자가 필요로 하는 데이터에 대한 정밀한 제공이 가능할 뿐만 아니라, 시청자에게 제공되는 앱을 분석 데이터 중 사용자의 선택을 통해 직관적인 정보 제공이 가능하여 시청자의 니즈(NEEDS)에 부합하도록 하기 위한 기술 개발이 요구되고 있다.
본 발명은 상기의 문제점을 해결하기 위한 것으로, 분석 데이터 및 분석 데이터 생성을 위한 수집 데이터에 대한 분류 체계를 세분화하고, 세분화된 분류 체계에 따라 단순 전송 및 데이터 조합과 연산에 따른 정밀한 정보 제공을 통해 시청자가 필요로 하는 데이터에 대한 정밀한 제공이 가능할 뿐만 아니라, 시청자에게 제공되는 앱을 분석 데이터 중 사용자의 선택을 통해 직관적인 정보 제공이 가능하여 시청자의 니즈(NEEDS)에 부합하도록 하기 위한 앱 기반 AI 축구 경기 분석 제공 방법, 이를 위한 축구 분석 앱, 그리고 앱 기반 AI 축구 경기 분석 제공 프로그램을 기록한 컴퓨터로 판독가능한 기록매체를 제공하기 위한 것이다.
또한, 본 발명은 공격 유형에 따라 구분한 카테고리에 해당하는 축구 빅데이터 코드(Football Big-data Code, FBC)로의 변환을 통해 변환된 FBC를 기초로 각 팀, 선수, 그리고 복수의 경기, 즉 리그 및 토너먼트 등의 자료 수집시 빅데이터 기반으로 가능하게 하며, 빅데이터 기반으로 수집된 데이터에 대한 축적을 통해 점차 AI를 이용한 정밀한 전략 분석할 수 있도록 하기 위한 앱 기반 AI 축구 경기 분석 제공 방법, 이를 위한 축구 분석 앱, 그리고 앱 기반 AI 축구 경기 분석 제공 프로그램을 기록한 컴퓨터로 판독가능한 기록매체를 제공하기 위한 것이다.
그러나 본 발명의 목적들은 상기에 언급된 목적으로 제한되지 않으며, 언급되지 않은 또 다른 목적들은 아래의 기재로부터 당업자에게 명확하게 이해될 수 있을 것이다.
상기의 목적을 달성하기 위해 본 발명의 실시예에 따른 앱 기반 AI 축구 경기 분석 제공 방법은, 하이브리드 축구 방송 제공 서버(500)가 FBC(Football Big-data Code)에 대해서 기술 결과값을 추출하여 추출된 값이 각 FBC 별로 미리 설정된 유효 공격인지 여부에 대한 분석을 수행하는 제 1 단계; 상기 제 1 단계의 분석 결과 유효 공격인 경우, 하이브리드 축구 방송 제공 서버(500)가 유효 공격에 해당하는 FBC가 이전에 분석되어 저장된 적어도 하나 이상의 FBC와의 관계에서 미리 설정된 전술 카테고리 중 하나에 해당하는 전술인지 여부에 대한 분석을 수행하며, 미리 설정된 전술 카테고리 중 하나에 해당하는 전술에 해당하지 않는 경우, FBC에 대해서 TAP(Total Attack Points, 총 공격 포인트)를 설정하는 제 2 단계; 상기 제 2 단계의 분석결과 미리 설정된 전술 카테고리 중 하나에 해당하는 전술에 해당하는 경우, 하이브리드 축구 방송 제공 서버(500)가 전술 카테고리에 해당하는 FBC에서 추출된 기술 팩터가 헤딩/슈팅인지 여부에 대한 분석을 수행하는 제 3 단계; 및 상기 제 3 단계의 분석 결과 헤딩/슈팅인 경우, 하이브리드 축구 방송 제공 서버(500)가 FBC에 대해서 TTP(Total Tactical Point, 총 전술 포인트)에 해당하는 CTP(Completed Tactic Point, 완결형 전술 포인트)를 설정하며, 헤딩/슈팅이 아닌 경우, FBC에 대해서 TTP(Total Tactical Point, 총 전술 포인트)에 해당하는 UTP(Uncompleted Tactic Point, 미완결형 전술 포인트)를 설정하는 제 4 단계; 를 포함하는 것을 특징으로 한다.
이때, 본 발명은, 상기 제 1 단계 이전에, 하이브리드 축구 방송 제공 서버(500)가 자동 정보 제공 디바이스 그룹(100g)을 구성하는 각 자동 정보 제공 디바이스(100)로부터 수신된 선수 기술 데이터에 대해서 FBC(Football Big-data Code)에 해당하는 공격 데이터로 변환하는 단계; 를 더 포함하는 것을 특징으로 한다.
또한, 본 발명은, 상기 제 4 단계 이후, 축구 경기 시청 디바이스 그룹(700g)을 구성하는 복수의 축구 경기 시청 디바이스(700) 각각이 네트워크(200)를 통해 축구 분석 앱 제공 서버(300)에 액세스하여 하이브리드 축구 경기 시청 앱(700a)에 대한 전송 요청을 통해 하이브리드 축구 경기 시청 앱(700a)을 반환받아 보조메모리 장치에 저장 및 설치하고 주메모리 장치상에 로딩(loading) 하는 제 5 단계; 를 더 포함하는 것을 특징으로 한다.
또한, 본 발명은, 상기 제 5 단계 이후, 하이브리드 축구 경기 시청 앱(700a)이 실시간 또는 녹화된 축구 디지털 방송 정보에 대한 타임 라인(time line)에 따라 매칭되는 기준 분석 데이터인 팀별, 선수별 FBC, TAP, CTP, UTP를 축구 디지털 방송 정보와 함께 하이브리드 축구 방송 제공 서버(500)로부터 수신하는 출력하는 제 6 단계; 를 더 포함하는 것을 특징으로 한다.
상기의 목적을 달성하기 위해 본 발명의 실시예에 따른 앱 기반 AI 축구 경기 분석 제공 프로그램을 기록한 컴퓨터로 판독가능한 기록매체는 상술한 앱 기반 AI 축구 경기 분석 제공 방법을 실행하는 것을 특징으로 한다.
상기의 목적을 달성하기 위해 본 발명의 실시예에 따른 하이브리드 축구 경기 시청 앱은, 축구 경기 시청 디바이스 그룹(700g)을 구성하는 복수의 축구 경기 시청 디바이스(700) 각각에 설치되며, 각 축구 경기 시청 디바이스(700)가 네트워크(200)를 통해 축구 분석 앱 제공 서버(300)에 액세스하여 대한 전송 요청을 통해 반환받아 보조메모리 장치에 저장 및 설치되어 주메모리 장치상에 로딩(loading) 되면, 실시간 또는 녹화된 축구 디지털 방송 정보에 대한 타임 라인(time line)에 따라 매칭되는 기준 분석 데이터인 팀별(또는 선수별) FBC, TAP, CTP, UTP를 축구 디지털 방송 정보와 함께 하이브리드 축구 방송 제공 서버(500)로부터 네트워크(200)를 통해 수신하여 축구 디지털 방송과 기준 분석 데이터를 동기화시켜서 출력하는 것을 특징으로 한다.
본 발명의 실시예에 따른 앱 기반 AI 축구 경기 분석 제공 방법, 이를 위한 축구 분석 앱, 그리고 앱 기반 AI 축구 경기 분석 제공 프로그램을 기록한 컴퓨터로 판독가능한 기록매체는, 분석 데이터 및 분석 데이터 생성을 위한 수집 데이터에 대한 분류 체계를 세분화하고, 세분화된 분류 체계에 따라 단순 전송 및 데이터 조합과 연산에 따른 정밀한 정보 제공을 통해 시청자가 필요로 하는 데이터에 대한 정밀한 제공이 가능할 뿐만 아니라, 시청자에게 제공되는 앱을 분석 데이터 중 사용자의 선택을 통해 직관적인 정보 제공이 가능한 효과를 제공한다.
뿐만 아니라, 본 발명의 다른 실시예에 따른 앱 기반 AI 축구 경기 분석 제공 방법, 이를 위한 축구 분석 앱, 그리고 앱 기반 AI 축구 경기 분석 제공 프로그램을 기록한 컴퓨터로 판독가능한 기록매체는, 공격 유형에 따라 구분한 카테고리에 해당하는 축구 빅데이터 코드(Football Big-data Code, FBC)로의 변환을 통해 변환된 FBC를 기초로 각 팀, 선수, 그리고 복수의 경기, 즉 리그 및 토너먼트 등의 자료 수집시 빅데이터 기반으로 가능하게 하며, 빅데이터 기반으로 수집된 데이터에 대한 축적을 통해 점차적으로 AI를 이용한 정밀한 전략 분석할 수 있는 효과를 제공한다.
도 1은 본 발명의 실시예에 다른 앱 기반 AI 축구 경기 분석 제공 방법을 나타내는 흐름도이다.
도 2는 본 발명의 실시예에 따른 앱 기반 AI 축구 경기 분석 제공 방법이 수행되는 전체 시스템을 나타내는 도면이다.
도 3은 본 발명의 실시예에 따른 앱 기반 AI 축구 경기 분석 제공 방법이 수행되는 전체적인 프로세스를 나타내는 도면이다.
도 4 내지 도 8은 본 발명의 실시예에 따른 앱 기반 AI 축구 경기 분석 제공 방법에 의해 축구 경기 시청 디바이스(700)의 출력부로 구현된 유저 인터페이스(User Interface, 'UI') 화면을 나타내는 도면이다.
도 9는 본 발명의 실시예에 따른 앱 기반 AI 축구 경기 분석 제공 방법에서 사용되는 FANN(Football Artificial Neural Network)의 구조를 나타내는 도면이다.
도 10은 본 발명의 실시예에 다른 앱 기반 AI 축구 경기 분석 제공 방법에서 사용되는 FBC에서 기술 결과값을 설명하기 위한 도면이다.
도 11은 본 발명의 실시예에 다른 앱 기반 AI 축구 경기 분석 제공 방법에서 사용되는 축구 빅데이터 전술 패턴을 나타내는 도면이다.
도 12 및 도 13은 본 발명의 실시예에 다른 앱 기반 AI 축구 경기 분석 제공 방법에서 하이브리드 축구 경기 분석 서버(600)에 의해 생성되는 상세 분석 데이터를 설명하기 위한 도면이다.
도 14는 본 발명의 실시예에 다른 앱 기반 AI 축구 경기 분석 제공 방법에서 제공되는 전술 개념을 설명하기 위한 도면이다.
도 2는 본 발명의 실시예에 따른 앱 기반 AI 축구 경기 분석 제공 방법이 수행되는 전체 시스템을 나타내는 도면이다.
도 3은 본 발명의 실시예에 따른 앱 기반 AI 축구 경기 분석 제공 방법이 수행되는 전체적인 프로세스를 나타내는 도면이다.
도 4 내지 도 8은 본 발명의 실시예에 따른 앱 기반 AI 축구 경기 분석 제공 방법에 의해 축구 경기 시청 디바이스(700)의 출력부로 구현된 유저 인터페이스(User Interface, 'UI') 화면을 나타내는 도면이다.
도 9는 본 발명의 실시예에 따른 앱 기반 AI 축구 경기 분석 제공 방법에서 사용되는 FANN(Football Artificial Neural Network)의 구조를 나타내는 도면이다.
도 10은 본 발명의 실시예에 다른 앱 기반 AI 축구 경기 분석 제공 방법에서 사용되는 FBC에서 기술 결과값을 설명하기 위한 도면이다.
도 11은 본 발명의 실시예에 다른 앱 기반 AI 축구 경기 분석 제공 방법에서 사용되는 축구 빅데이터 전술 패턴을 나타내는 도면이다.
도 12 및 도 13은 본 발명의 실시예에 다른 앱 기반 AI 축구 경기 분석 제공 방법에서 하이브리드 축구 경기 분석 서버(600)에 의해 생성되는 상세 분석 데이터를 설명하기 위한 도면이다.
도 14는 본 발명의 실시예에 다른 앱 기반 AI 축구 경기 분석 제공 방법에서 제공되는 전술 개념을 설명하기 위한 도면이다.
이하, 본 발명의 바람직한 실시예의 상세한 설명은 첨부된 도면들을 참조하여 설명할 것이다. 하기에서 본 발명을 설명함에 있어서, 관련된 공지 기능 또는 구성에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명을 생략할 것이다.
도 1은 본 발명의 실시예에 다른 앱 기반 AI 축구 경기 분석 제공 방법을 나타내는 흐름도이다. 도 2는 본 발명의 실시예에 따른 앱 기반 AI 축구 경기 분석 제공 방법이 수행되는 전체 시스템을 나타내는 도면이다. 도 3은 본 발명의 실시예에 따른 앱 기반 AI 축구 경기 분석 제공 방법이 수행되는 전체적인 프로세스를 나타내는 도면이다. 도 4 내지 도 8은 본 발명의 실시예에 따른 앱 기반 AI 축구 경기 분석 제공 방법에 의해 축구 경기 시청 디바이스(700)의 출력부로 구현된 유저 인터페이스(User Interface, 'UI') 화면을 나타내는 도면이다. 도 9는 본 발명의 실시예에 따른 앱 기반 AI 축구 경기 분석 제공 방법에서 사용되는 FANN(Football Artificial Neural Network)의 구조를 나타내는 도면이다. 도 10은 본 발명의 실시예에 다른 앱 기반 AI 축구 경기 분석 제공 방법에서 사용되는 FBC에서 기술 결과값을 설명하기 위한 도면이다. 도 11은 본 발명의 실시예에 다른 앱 기반 AI 축구 경기 분석 제공 방법에서 사용되는 축구 빅데이터 전술 패턴을 나타내는 도면이다. 도 12 및 도 13은 본 발명의 실시예에 다른 앱 기반 AI 축구 경기 분석 제공 방법에서 하이브리드 축구 경기 분석 서버(600)에 의해 생성되는 상세 분석 데이터를 설명하기 위한 도면이다. 도 14는 본 발명의 실시예에 다른 앱 기반 AI 축구 경기 분석 제공 방법에서 제공되는 전술 개념을 설명하기 위한 도면이다.
먼저, 도 2 및 도 3을 참조하면, 앱 기반 AI 축구 경기 분석 제공 방법이 수행되는 전체 시스템(1)은 복수의 자동 정보 제공 디바이스(100)로 이루어진 자동 정보 제공 디바이스 그룹(100g), 네트워크(200), 축구 분석 앱 제공 서버(300), 빅데이터 서버(400), 하이브리드 축구 방송 제공 서버(500), 하이브리드 축구 경기 분석 서버(600), 복수의 축구 경기 시청 디바이스(700)로 이루어진 축구 경기 시청 디바이스 그룹(700g)을 포함할 수 있다.
축구 경기 시청 디바이스 그룹(700g)을 구성하는 복수의 축구 경기 시청 디바이스(700) 각각은 네트워크(200)를 통해 축구 분석 앱 제공 서버(300)에 액세스하여 하이브리드 축구 경기 시청 앱(700a)에 대한 전송 요청을 통해 하이브리드 축구 경기 시청 앱(700a)을 반환받아 보조메모리 장치에 저장 및 설치하고 주메모리 장치상에 로딩(loading) 함으로써, 실시간 또는 녹화된 축구 디지털 방송 정보에 대한 타임 라인(time line)에 따라 매칭되는 기준 분석 데이터를 축구 디지털 방송 정보와 함께 하이브리드 축구 방송 제공 서버(500)로부터 수신할 수 있다.
여기서, 하이브리드 축구 방송 제공 서버(500)는 기준 분석 데이터를 제공하기 위해 복수의 자동 정보 제공 디바이스(100)로 이루어진 자동 정보 제공 디바이스 그룹(100g)으로부터 수신된 선수 기술 데이터에 대해서 FBC(Football Big-data Code)로 변환하여 FANN(Football Artificial Neural Network)을 통해 축구 빅데이터 전술 패턴(행동 패턴) 인식 분석을 수행함으로써, 기준 분석 데이터를 생성할 수 있다.
여기서, FANN은 축구 신경망으로, 축구 경기에서 선수와 선수 간 기술적 연결 시나리오를 전술적 코드로 인식 및 패턴화하여 축구 전술 신경망 구조에 의한 전술 데이터와 코드 값을 자동 인식하는 알고리즘으로 도 9과 같은 구조로 형성될 수 있다.
즉, 하이브리드 축구 방송 제공 서버(500)는 빅데이터 서버(400)의 축구 빅데이터 코드 DB(410) 및 전술 빅데이터 DB(420)에 저장된 기준 분석 데이터를 빅데이터 서버(400)의 방송 데이터 DB(430)에 저장된 축구 디지털 방송 정보와 동기화시켜서 네트워크(200)를 통해 축구 경기 시청을 요청한 축구 경기 시청 디바이스(700)로 전송할 수 있다.
이에 따라, 하이브리드 축구 방송 제공 서버(500)에 의해 축구 경기 시청 디바이스(700)에서 제공되는 기준 분석 데이터는 생성을 위한 시간이 소요되므로, 생방송 또는 녹화된 경우 모두 초기의 생방송 제작 시점 및 녹화 시점에 비해 타임 갭(time gap)이 발생할 수 있으나, 이러한 타입 갭은 복수의 하이브리드 축구 방송 제공 서버(500)의 배치와, 역할 분담 예컨대 상술한 하이브리드 축구 방송 제공 서버(500)를 구성하는 각 FANN를 복수개로 형성함으로써, 최소화시킬 수 있다.
즉, 하이브리드 축구 방송 제공 서버(500)는 실시간 기준 분석 데이터 생성에 따라 축구 디지털 방송 정보와 동기화된 정보에 해당하는 축구 디지털 방송 콘텐츠에 대한 제공 서비스를 수행한다.
본 발명에서, 하이브리드 축구 방송 제공 서버(500)에 의해 생성되는 기준 분석 데이터는 후술하는 TAP(Total Attack Points, 총 공격 포인트), TTP(Total Tactical Point, 총 전술 포인트), CTP(Completed Tactic Point, 완결형 전술 포인트), UTP(Uncompleted Tactic Point, 미완결형 전술 포인트) 외에 BAP(유효공격 횟수), 골(goal) 수, 슈팅(shooting) 수, GSR(골 결정력), ASR(공격 성공률) 등에 해당하며, 네트워크(200)를 통해 축구 경기 시청 디바이스(700)로 축구 디지털 방송 정보와 함께 동기화되어 전송됨으로써, 축구 경기 시청 디바이스(700) 상에서는 도 5와 같은 유저 인터페이스(User Interface, 'UI') 화면으로 출력할 수 있다.
하이브리드 축구 경기 분석 서버(600)는 전술 빅데이터 DB(420)의 각 타임 라인의 셀에서 제 2 메타데이터에 해당하는 각 선수 ID 별로 TAP, CTP, UTP를 추출한 뒤, TAP에 제 1 평점 가중치, UTP에 제 2 평점 가중치, CTP에 제 3 평점 가중치를 적용하여 합산 또는 평균한 평점을 연산한 뒤, 선수 ID 별로 미리 설정된 제 1 내지 제 n 단계(n은 2 이상의 자연수 또는 실수)의 평점 레벨을 포함하는 선수별 평가 데이터에 해당하는 제 1 상세 분석 데이터를 생성하여 빅데이터 서버(400)의 전술 빅데이터 DB(420)에 저장할 수 있다. 여기서, 제 1 평점 가중치, 제 2 평점 가중치, 제 3 평점 가중치는 TAP, UTP, CTP로 갈수록 공격에 대한 공로가 향상되므로 제 1 평점 가중치에서 제 3 평점 가중치로 갈수록 오름차순으로 높아지도록 하이브리드 축구 경기 분석 서버(600)에 의해 설정되는 것이 바람직하다.
본 발명의 또 다른 실시예로, 하이브리드 축구 경기 분석 서버(600)는 미리 설정된 임계 평점을 기준으로 선수 비교 정보를 제 1 상세 분석 데이터에 포함시켜 도 12의 a1과 같이 그래프 형태로 생성하여 전술 빅데이터 DB(420)에 저장한 뒤, 축구 경기 시청 디바이스(700)에 축구 디지털 방송 정보와 동기화시켜서 네트워크(200)를 통해 제공할 수 있다.
이때, 평점 분포를 기준으로 선수 비교 정보의 예로, 축구 경기 시청 디바이스(700)의 유저 인터페이스(UI) 화면에 "1 내지 3위의 평점이 특히 높음, 12 내지 13위의 평점이 특히 낮음" 등과 같은 형식으로 출력하도록 하이브리드 축구 경기 분석 서버(600)가 정보를 제공할 수 있다.
또한, 하이브리드 축구 경기 분석 서버(600)는 도 12의 a2와 같이 상세 평점 정보 및 상세 공격 정보를 생성하여 제 1 상세 분석 데이터에 포함시켜 전술 빅데이터 DB(420)에 저장한 뒤, 축구 경기 시청 디바이스(700)에 축구 디지털 방송 정보와 동기화시켜서 네트워크(200)를 통해 제공할 수 있다. 이때, 하이브리드 축구 경기 분석 서버(600)는 상세 평점 정보의 예로, "절대 평점 및/또는 상대 평점"과 같은 형식으로 제공할 수 있으며, 상세 공격 정보의 예로, "세부 공격 내용 및/또는 총 공격량/전술량"과 같은 형식으로 제공할 수 있다.
또한, 하이브리드 축구 경기 분석 서버(600)는 전술 빅데이터 DB(420)에 저장된 제 1 상세 분석 데이터에 대해서 선수 ID별 평가 데이터를 축구 빅데이터 코드 DB(410)에서 제 1 메타데이터에 해당하는 팀 ID별로 구분 합산 또는 평균 등의 연산을 통한 팀 평가 데이터에 해당하는 제 2 상세 분석 데이터를 생성하여 전술 빅데이터 DB(420)에 저장한 뒤, 제 2 상세 분석 데이터를 네트워크(200)를 통해 축구 경기 시청 디바이스(700)로 전송하여 도 7 및 도 8과 같은 유저 인터페이스(UI) 화면으로 출력하도록 할 수 있다.
또한 본 발명의 다른 실시예로, 하이브리드 축구 경기 분석 서버(600)는 기준 분석 데이터, 제 1 축구 분석 데이터 내지 제 2 상세 분석 데이터를 복수의 축구 경기에 대해서 수집된 빅데이터 서버(400)를 활용하여, 하나의 리그 또는 토너먼트 상에서 각 선수 ID 별로 골 득점 100위, 어시스트 100위, 공격 평점 100위, 공격 성공률 100위, 슈팅 성공률 100위, 전술 메이커 100위, 크로스 성공률 100위 등과 같은 제 3 상세 분석 데이터를 추가로 생성하여 전술 빅데이터 DB(420)에 저장한 뒤, 방송 데이터 DB(430)에 저장된 축구 디지털 방송 정보와 동기화시켜서 네트워크(200)를 통해 축구 경기 시청을 요청한 축구 경기 시청 디바이스(700)로 전송할 수 있다.
하이브리드 축구 경기 분석 서버(600)는 축구 빅데이터 코드 DB(410)에 저장된 FBC에서 시간 정보를 추출한 뒤, 한 축구 경기의 축구 디지털 방송 정보에서 추출된 시간 정보와 매칭되는 영상 정보를 타임 라인에 따라, 즉 Time(시간대별) 영상 정보로 편집하여, 편집된 하이라이트 영상 정보를 네트워크(200)를 통해 축구 경기 시청 디바이스(700)로 전송할 수 있다.
동일한 방식으로, 하이브리드 축구 경기 분석 서버(600)는FBC, TTP, CTP, UTP에 대한 전술 빅데이터 DB(420)에 저장된 상의 타임 라인의 셀 정보를 1차 추출한 뒤, 추출된 셀 정보에 따라 시간 배열을 수행하여, Pattern(전술패턴), Graphic(전술시나리오), AI 전술 음성서비스, 전술 데이터(거리/위치) 및 AI 영상 연결서비스 등과 관련된 관련 영상 정보를 2차 추출한 뒤, 1차 추출된 시간 배열 정보에 따라 2차 추출된 관련 영상 정보로 편집하여, 편집된 하이라이트 영상 정보를 네트워크(200)를 통해 축구 경기 시청 디바이스(700)로 전송할 수 있다.
하이브리드 축구 경기 분석 서버(600)는 기준 분석 데이터, 제 1 내지 제 3 상세 분석 데이터에 대해서 공격수, 미드필더, 수비수, 골키퍼 등과 같은 선수 타입 카테고리에 따라 평균값 또는 총점값을 연산한 뒤, 도 7과 같은 제 4 상세 분석 데이터를 생성하여 전술 빅데이터 DB(420)에 실시간으로 저장한 뒤, 축구 경기의 전반전 또는 후반전이 끝난 경우 네트워크(200)를 통해 축구 경기 시청 디바이스(700)로 전송하거나, 실시간으로 방송 데이터 DB(430)에 저장된 축구 디지털 방송 정보와 동기화시켜서 네트워크(200)를 통해 축구 경기 시청을 요청한 축구 경기 시청 디바이스(700)로 전송할 수 있다.
또한, 하이브리드 축구 경기 분석 서버(600)는 기준 분석 데이터, 제 1 내지 제 4 상세 분석 데이터에 대해서 도 4와 같이 A팀 영역과 B팀 영역으로 구분한 UI 화면 정보를 축구 경기 시청 디바이스(700)로 제공하기 위해, 머신러닝과 딥러닝 방식을 활용한 양팀의 선수 비교, 선수 타입 카테고리별 비교 등의 통계적 분석을 통해 AI 경기 예측 데이터를 생성하여 네트워크(200)를 통해 축구 경기 시청 디바이스(700)로 전송할 수 있다.
여기서 머신러닝 방식으로, 하이브리드 축구 경기 분석 서버(600)는 빅데이터 서버(400)의 축구 빅데이터 코드 DB(410) 및 전술 빅데이터 DB(420)를 관리하는 분산 파일 제어 프로그램을 활용하여 축구 경기를 하는 양팀인 A팀과 B팀의 팀 ID를 통한하여 생성된 경기 DB 단위로 분산 저장된 수집 데이터를 머신러닝 알고리즘을 통해 분석하고 AI 경기 예측 데이터를 생성할 수 있다. 보다 구체적으로, 분산 파일 제어 프로그램에서 사용되는 머신러닝 알고리즘은 결정 트리(DT, Decision Tree) 분류 알고리즘, 랜덤 포레스트 분류 알고리즘, SVM(Support Vector Machine) 분류 알고리즘 중 하나일 수 있다.
분산 파일 제어 프로그램은 경기 DB 단위로 분산 저장된 수집 데이터를 분석하여 그 분석한 결과로 복수의 선수 및 팀 특징 정보를 추출하고 추출된 선수 및 팀 정보를 복수의 머신러닝 알고리즘 중 적어도 하나 이상을 이용하여 학습하여 학습한 결과로 AI 경기 예측 데이터를 생성할 수 있다.
즉, 분산 파일 제어 프로그램은 AI 경기 예측 데이터의 정확도 향상을 위해 다수의 상호 보완적인 머신러닝 알고리즘들로 구성된 앙상블 구조를 적용할 수 있다.
결정 트리 분류 알고리즘은 트리 구조로 학습하여 결과를 도출하는 방식으로 결과 해석 및 이해가 용이하고, 데이터 처리 속도가 빠르며 탐색 트리 기반으로 룰 도출이 가능할 수 있다. DT의 낮은 분류 정확도를 개선하기 위한 방안으로 RF를 적용할 수 있다. 랜덤 포레스트 분류 알고리즘은 다수의 DT를 앙상블로 학습한 결과를 도축하는 방식으로, DT보다 결과 이해가 어려우나 DT보다 결과 정확도가 높을 수 있다. DT 또는 RF 학습을 통해 발생 가능한 과적합의 개선 방안으로 SVM을 적용할 수 있다. SVM 분류 알고리즘은 서로 다른 분류에 속한 데이터를 평면 기반으로 분류하는 방식으로, 일반적으로 높은 정확도를 갖고, 구조적으로 과적합(overfitting)에 낮은 민감도를 가질 수 있다.
하이브리드 축구 경기 분석 서버(600)는 머신러닝 이후 정제된 데이터를 활용해 딥러닝 방식을 추가로 수행할 수 있다. 여기서 딥러닝 방식은
분산 파일 제어 프로그램에 의한 AI 경기 예측 데이터를 각 경기별로 분석하여 형성된 패턴 데이터 생성을 위한 반복 작업시 하나의 전체 프로세스에 소요되는 시간인 사이클 타임(Cycle time)과, 각 패턴 데이터 생성 시간의 최대 시간인 택트 타임(Tact time)의 감소를 최소화하는 방식으로 각 AI 경기 예측 데이터에 사용되는 기준 분석 데이터, 제 1 내지 제 4 상세 분석 데이터에 해당하는 파라미터에 대한 딥러닝 알고리즘 프로그램의 변환 및 적용에 따라 수행될 수 있다.
다음으로 도 1을 참조하면, 하이브리드 축구 방송 제공 서버(500)는 자동 정보 제공 디바이스 그룹(100g)을 구성하는 각 자동 정보 제공 디바이스(100)로부터 수신된 선수 기술 데이터에 대해서 FBC에 해당하는 공격 데이터로 변환한다(S11).
단계(S11)에 대해서 보다 구체적으로 살펴보면, 하이브리드 축구 방송 제공 서버(500)는 자동 정보 제공 디바이스 그룹(100g)을 구성하는 각 자동 정보 제공 디바이스(100)로부터 타임 라인에 따른 축구 선수에 대한 선수 기술 데이터를 네트워크(200)를 통해 수신한 뒤, 입력된 선수 기술 데이터 대해서 미리 설정된 공격 카테고리 중 하나에 해당하는 FBC로 변환하여, 축구 빅데이터 코드 DB(410)에 저장한다.
이때, 자동 정보 제공 디바이스 그룹(100g)을 구성하는 각 자동 정보 제공 디바이스(100)는 하나의 축구 경기에서 양팀 중 적어도 하나 이상의 축구 선수에 대한 선수 기술 데이터를 빅데이터 서버(400)의 방송 데이터 DB(430)에 저장된 축구 디지털 방송 정보에서 자동으로 분석한 뒤, 하이브리드 축구 방송 제공 서버(500)에 제공하는 것이 바람직하다.
여기서, 축구 디지털 방송 정보는 축구장 전체에 대한 화각을 갖는 하나의 영상 정보 또는 각 축구 선수별 영상 정보로 방송 데이터 DB(430)에 저장됨으로써, 축구 선수 간의 축구공을 기준으로 전달 정보를 추출할 수 있다. 이에 따라, 각 자동 정보 제공 디바이스(100)는 축구 디지털 방송 정보에 대한 네트워크(200)를 통한 방송 데이터 DB(430)으로의 액세스와 인증을 통해 정보를 수신할 수 있으며, 수신된 축구 디지털 방송 정보에 대한 자동 분석시 빅데이터 서버(400)의 축구 빅데이터 코드 DB(410)에 대한 액세스를 통해 축구 선수에 대한 사전 축구 선수 이미지 정보 및 정형화된 선수 기술 데이터를 제공받아서 사전 축구 선수 이미지 정보와 축구 디지털 방송 정보에서 추출된 축구공을 컨트롤하는 인물의 이미지 정보에 대한 비교를 통해 선수 ID를 제 1 차로 추출하며, 추출된 선수 ID에 해당하는 인물의 이미지 정보의 연속된 동작과 적어도 두 개 이상의 프레임 정보로 형성된 정형화된 선수 기술 데이터와의 비교를 통해 미리 설정된 영상 매칭 확률 이상인 경우 동일한 선수 기술 데이터로 제 2 차로 추출할 수 있다.
즉, 각 자동 정보 제공 디바이스(100)는 축구 디지털 방송 정보에서 추출되는 디지털 영상 데이터에 대해서 축구 선수 및 선수 기술 데이터를 판별하는데, 이를 위해 사전 축구 선수 이미지 정보로 다양한 축구 선수 이미지 패턴으로 축구 선수 자체 이미지 정보, 축구 선수 자체 이미지 패턴의 기울어진 것, 역으로 된 것, 약간 각도가 기울어진 것 등과 디지털 영상 데이터에 포함된 축구 선수의 패턴을 비교하여 디지털 영상 데이터 속의 축구 선수를 판별할 수 있으며, 동일한 방식으로, 선수 기술 데이터에 대해서도 판별을 수행할 수 있다.
본 발명에서 FBC는 '상대 공격 진영'에서 골(goal)을 넣기 위한 유효한 공격 기술을 분석하기 위한 기술 데이터 및 최소 기술 단위 요소, 즉 미리 설정된 공격 카테고리 중 하나에 해당하는 '크로스(Cross)', '패스(Pass)', '슈팅(Shooting)' 등의 경우일 수 있으며, 하이브리드 축구 방송 제공 서버(500)는 선수 기술 데이터와 매칭되는 FBC(Football Big-data Code)를 빅데이터 서버(400)의 축구 빅데이터 코드 DB(410)에 저장한다.
보다 구체적으로, FBC는 한 축구 선수의 공격 기술을 축구 빅데이터 코드로 변환된 데이터 레코드로, "선수 ID + 시간 + 기술 팩터 + 위치(x,y 좌표값) + 기술 결과값(성공,실패) + 결과 위치(x, y 좌표값)"의 형식으로 축구 빅데이터 코드 DB(410)에 하이브리드 축구 방송 제공 서버(500)에 의해 저장될 수 있다. 여기서 기술 팩터는 상술한 P(Pass), C(Cross), S(Shooting), 외에 K(corner Kick), H(Header), F(Free Kick) 등을 추가로 포함할 수 있다. 그리고 기술 결과값(성공,실패)은 O(성공), B(Blocking), X(실패) 등으로 설정될 수 있으며 이에 한정되진 않는다.
단계(S11) 이후, 하이브리드 축구 방송 제공 서버(500)는 단계(S11)에서 생성된 FBC에 대해서 유효 공격인지 여부에 대한 분석을 수행한다(S12).
즉, 하이브리드 축구 방송 제공 서버(500)는 빅데이터 서버(430)의 축구 빅데이터 코드 DB(410)에 공격 데이터화되어 저장된 FBC에 대해서 기술 결과값(성공,실패)을 추출한 뒤, 유효 공격인지 여부를 분석한다. 여기서, 하이브리드 축구 방송 제공 서버(500)는 유효 공격에 대한 분석시, 추출된 FBC의 기술 결과값(성공,실패)이 각 공격 데이터와 매칭되는 미리 설정된 코드 정보인지를 비교하여 판단할 수 있다.
보다 구체적으로, 도 10을 참조하여 FBC에서 기술 결과값(성공,실패)에 대해서 구체적으로 살펴보면, 도 10a의 C(Cross)의 경우 기술 결과값 분류로 O : 같은 팀 선수에게 공이 전달된 경우, X : 같은 팀 선수에게 공이 전달되지 못한 경우, A : 다음 단계가 슈팅으로 이어진 크로싱일 경우(일반적인 키패스 개념) B : 크로싱이 수비수에 의하여 블로킹 당하는 경우로 구분될 수 있으며, 여기서 하이브리드 축구 방송 제공 서버(500)는 C(Cross)에 대해서 기술 결과값(성공,실패)이 O, A에 해당하는 경우 유효 공격으로 분석할 수 있다.
다음으로 도 10b의 P(Pass)의 경우 기술 결과값 분류로 O : 같은 팀 선수에게 공이 전달된 경우, X : 같은 팀 선수에게 공이 전달되지 못한 경우, A : 다음 단계가 슈팅으로 이어질 수 있었던 패싱일 경우(일반적인 키패스 개념), B : 패싱이 수비수에 의하여 블로킹 당하는 경우로 구분될 수 있으며, 여기서 하이브리드 축구 방송 제공 서버(500)는 P(Pass)에 대해서 기술 결과값(성공,실패)이 O, A에 해당하는 경우 유효 공격으로 분석할 수 있다.
또한, 도 10c의 K(corner Kick)의 경우 기술 결과값 분류로 O : 코너킥 시도 시, 같은 팀 선수에게 공이 닿았을 경우, X : 같은 팀 선수에게 공이 전달되지 못한 경우, A : 다음 단계가 슈팅으로 이어질 수 있었던 코너킥일 경우, B : 코너킥이 수비수에 의하여 블로킹 당하는 경우로 구분될 수 있으며, 여기서, 하이브리드 축구 방송 제공 서버(500)는 K(corner Kick)에 대해서 기술 결과값(성공,실패)이 O, A에 해당하는 경우 유효 공격으로 분석할 수 있다.
또한, 도 10d의 H(Header) 및 도 11e의 S(Shooting)의 경우 기술 결과값 분류로 도 11f와 같이 G : 헤딩/슈팅으로 골을 넣었을 경우, X : 헤딩/슈팅 시, 상대편 골키퍼가 공을 막았을 경우, B : 헤딩/슈팅 시, 상대편 수비수에게 공을 블로킹 당한 경우, R : 헤딩/슈팅 시, 골대 오른쪽 골포스트에 맞거나, 오른쪽으로 공이 빗나간 경우(50cm 이내), RX : 헤딩/슈팅 시, 골대 오른쪽으로 많이 빗나간 경우(50cm 이상), L : 헤딩/슈팅 시, 골대 왼쪽 골포스트에 맞거나, 왼쪽으로 공이 빗나간 경우(50cm 이내), LX : 헤딩/슈팅 시, 골대 왼쪽으로 많이 빗나간 경우(50cm이상), H : 헤딩/슈팅 시, 골대 위쪽 크로스바에 맞거나, 위쪽으로 공이 빗나간 경우(50cm 이내), HX : 헤딩 슈팅시, 골대 위쪽으로 많이 빗나간 경우(50cm 이상)로 구분될 수 있으며, 여기서, 하이브리드 축구 방송 제공 서버(500)는 K(corner Kick)에 대해서 제 1 실시예로 기술 결과값(성공,실패)이 G에 해당하는 경우 유효 공격으로 분석하거나, 제 2 실시예로, G 뿐만 아니라, R, L, H인 경우 유효 공격으로 분석할 수 있다.
한편, 단계(S12)의 분석 결과 유효 공격이 아닌 경우, 하이브리드 축구 방송 제공 서버(500)는 단계(S11)로 회귀하여 선수 기술 데이터를 제공한 자동 정보 제공 디바이스(100)로부터 타임 라인(time line)에 따른 다음번 선수 기술 데이터를 수신하여 FBC 변환 및 기술 결과값 추출을 통한 유효 공격인지 여부를 분석한다.
반대로 단계(S12)의 분석 결과 유효 공격인 경우, 하이브리드 축구 방송 제공 서버(500)는 단계(S13)로 진행함으로써, 유효 공격이 미리 설정된 전술 카테고리 중 하나에 해당하는 전술인지 여부에 대한 분석을 수행한다(S13).
즉, 하이브리드 축구 방송 제공 서버(500)는 유효 공격에 해당하는 FBC가 이전에 분석되어 저장된 적어도 하나 이상의 FBC와의 관계에서 미리 설정된 전술 카테고리 중 하나에 해당하는 전술인지 여부에 대한 분석을 수행하며, 도 11을 참조하면 본 발명에서는 이전에 축구 빅데이터 코드 DB(410)에 동일한 선수 ID를 제 2 메타데이터로 저장된 FBC는 1개 또는 2개로 설정될 수 있다.
단계(S13)에 대해서 보다 구체적으로 살펴보면, 하이브리드 축구 방송 제공 서버(500)는 빅데이터 서버(400)의 전술 빅데이터 DB(420)에 사전에 저장된 미리 설정된 전술 카테고리 중 하나에 해당하는 전술에 해당하지 않는 경우, FBC에 대해서 TAP(Total Attack Points, 총 공격 포인트)를 설정한다(S13a).
즉, 단계(S13a)에서 하이브리드 축구 방송 제공 서버(500)는 축구 빅데이터 코드 DB(410)에서 양 팀 중 분석되는 선수의 팀 ID를 제 1 메타데이터로 추출하고, 추출된 팀 ID에서 분석의 대상이 된 축구 선수의 선수 ID를 제 2 메타데이터로 추출한 뒤, 제 1 메타데이터, 제 2 메타데이터, TAP 정보를 함께 분석된 선수 기술 데이터의 타임 라인에 해당하는 셀(cell)로 지정하여 빅데이터 서버(400)의 전술 빅데이터 DB(420)에 저장할 수 있다. 여기서, TAP는 상대 공격 진영에서 골(goal)을 넣기 위한 유효한 공격 기술의 수에 해당한다.
하이브리드 축구 방송 제공 서버(600)에 의해 설정되어 빅데이터 서버(400)의 전술 빅데이터 DB(420)에 사전에 저장된 미리 설정된 전술 카테고리의 보다 구체적인 예로, 도 12와 같이 축구 빅데이터 전술의 대표적인 10가지 패턴(PS, CS, PPS, PCS, CCS, CPS, CC, PP, PC, CP)일 수 있으며, 이러한 전술 카테고리는 하이브리드 축구 방송 제공 서버(500) 운영자의 선택에 따라 전술 빅데이터 DB(420)에 사전에 지정되어 저장되는 것이 바람직하다. 즉, 도 14를 참조하면, 본 발명에서 제공되는 축구 빅데이터의 전술 개념(코드)는 공격 하프라인을 넘어선 Build-up된 공격 선수 간의 공격 시나리오를 의미하며, 슈팅(또는 헤딩)까지 이어지는 공격 전개 플레이를 사전에 설정하여 전술 빅데이터 DB(420)에 전술 빅데이터 유닛으로 저장하고 있어야 한다.
여기서 전술 빅데이터 유닛을 구성하는 b1 영역은 전술 시뮬레이션 영역으로 실제의 축구 경기에서 수행된 선수 간의 전술에 대한 시각적 요약으로 전술 내용(경로/선수)에 관련된 데이터이며, b2 영역은 AI 전술 내용 및 음성 설명 데이터로 적어도 하나 이상의 자동 정보 제공 디바이스(100) 또는/및 축구 경기 시청 디바이스(700)로부터 네트워크(200)를 통해 빅데이터 및 AI 기반으로 전술 빅데이터 DB(420) 수집되어 차후의 하이브리드 축구 방송 제공 서버(600)에 의한 분석시 비교 자료로 활용될 수 있다.
단계(S13)의 분석결과 미리 설정된 전술 카테고리 중 하나에 해당하는 전술에 해당하는 경우, 하이브리드 축구 방송 제공 서버(500)는 전술 카테고리에 해당하는 FBC에서 추출된 기술 팩터가 헤딩/슈팅인지 여부에 대한 분석을 수행할 수 있다(S14).
단계(S14)의 분석 결과 헤딩/슈팅인 경우, 하이브리드 축구 방송 제공 서버(500)는 FBC에 대해서 TTP(Total Tactical Point, 총 전술 포인트)에 해당하는 CTP(Completed Tactic Point, 완결형 전술 포인트)를 설정하여, 축구 빅데이터 코드 DB(410)에서 양 팀 중 분석되는 선수의 팀 ID를 제 1 메타데이터로 추출하고, 해당 선수의 선수 ID를 제 2 메타데이터로 추출한 뒤, 제 1 메타데이터, 제 2 메타데이터, CTP 정보를 선수 기술 데이터의 타임 라인에 해당하는 셀(cell)로 지정하여 빅데이터 서버(400)의 전술 빅데이터 DB(420)에 저장할 수 있다(S15).
여기서, TTP는 상대 공격 진영에서 골(goal)을 넣기 위한 선수와 선수 간의 유효한 공격 기술의 시나리오의 수(2개 이상의 연결)에 해당하는 경우이며, CTP는 슈팅/헤딩이 포함한 유효한 공격 시나리오에 해당하는 경우에 생성된다.
반대로 단계(S14)의 분석 결과 헤딩/슈팅이 아닌 경우, 하이브리드 축구 방송 제공 서버(500)는 FBC에 대해서 TTP(Total Tactical Point, 총 전술 포인트)에 해당하는 UTP(Uncompleted Tactic Point, 미완결형 전술 포인트)를 설정하여, 축구 빅데이터 코드 DB(410)에서 양 팀 중 분석되는 선수의 팀 ID를 제 1 메타데이터로 추출하고, 추출된 팀 ID에서 분석의 대상이 된 축구 선수의 선수 ID를 제 2 메타데이터로 추출하여, 제 1 메타데이터, 제 2 메타데이터 및 UTP 정보를 분석된 선수 기술 데이터의 타임 라인에 해당하는 셀(cell)로 지정하여 빅데이터 서버(400)의 전술 빅데이터 DB(420)에 저장한다(S15a). 여기서, UTP(Uncompleted Tactic Point, 미완결형 전술)는 슈팅이 포함되지 않은 중단된 공격 시나리오에 해당하는 경우에 생성된다.
단계(S15) 및 단계(S15a) 이후, 하이브리드 축구 방송 제공 서버(500)는 단계(S11) 내지 단계(S15a)에 따른 분석의 대상이 된 선수 기술 데이터를 제공한 자동 정보 제공 디바이스(100)로부터 분석된 선수 기술 데이터와 매칭되는 축구 디지털 방송 정보의 타임 라인 이후에 새로운 선수 기술 데이터가 수신되는지를 여부를 분석한다(S16).
이에 따라 단계(S16)에서 새로운 선수 기술 데이터가 수신되는 경우, 하이브리드 축구 방송 제공 서버(500)는 단계(S11)로 회귀하여 단계(S11) 내지 단계(S16)의 과정을 새로운 선수 기술 데이터가 수신되지 않는 경우까지 반복적으로 수행한다.
반대로 단계(S16)에서 미리 설정된 시간 동안 새로운 선수 기술 데이터가 수신되지 않거나, 축구 디지털 방송 정보의 복수의 프레임 내 또는 프레임 사이에 포함된 방송 종료 신호를 인식하는 경우, 하이브리드 축구 방송 제공 서버(500)는 각 선수 ID 별로 누적된 FBC 정보, TAP, CTP, UTP 정보에 해당하는 기준 분석 데이터를 전술 빅데이터 DB(420)에 저장한 뒤, 네트워크(200)를 통해 축구 경기 시청 디바이스(700)로 전송하도록 하여 정보를 제공할 수 있다.
이후, 상술한 하이브리드 축구 경기 분석 서버(600)에 의한 하이브리드 축구 경기 시청 앱(700a)을 주메모리 장치인 시스템 메모리 상에 로딩한 축구 경기 시청 디바이스(700)에 대해서 제 1 내지 제 4 상세 분석 데이터에 대한 네트워크(200)를 통한 제공과정이 진행될 수 있다.
이상과 같이, 본 명세서와 도면에는 본 발명의 바람직한 실시예에 대하여 개시하였으며, 비록 특정 용어들이 사용되었으나, 이는 단지 본 발명의 기술 내용을 쉽게 설명하고 발명의 이해를 돕기 위한 일반적인 의미에서 사용된 것이지, 본 발명의 범위를 한정하고자 하는 것은 아니다. 여기에 개시된 실시예 외에도 본 발명의 기술적 사상에 바탕을 둔 다른 변형 예들이 실시 가능하다는 것은 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에게 자명한 것이다.
1 : 앱 기반 AI 축구 경기 분석 제공 방법이 수행되는 전체 시스템
100 : 자동 정보 제공 디바이스
100g : 자동 정보 제공 디바이스 그룹
200 : 네트워크
300 : 축구 분석 앱 제공 서버
400 : 빅데이터 서버
500 : 하이브리드 축구 방송 제공 서버
600 : 하이브리드 축구 경기 분석 서버
700 : 축구 경기 시청 디바이스
700a : 하이브리드 축구 경기 시청 앱
700g : 축구 경기 시청 디바이스 그룹
100 : 자동 정보 제공 디바이스
100g : 자동 정보 제공 디바이스 그룹
200 : 네트워크
300 : 축구 분석 앱 제공 서버
400 : 빅데이터 서버
500 : 하이브리드 축구 방송 제공 서버
600 : 하이브리드 축구 경기 분석 서버
700 : 축구 경기 시청 디바이스
700a : 하이브리드 축구 경기 시청 앱
700g : 축구 경기 시청 디바이스 그룹
Claims (6)
- 하이브리드 축구 방송 제공 서버(500)가 FBC(Football Big-data Code)에 대해서 기술 결과값을 추출하여 추출된 값이 각 FBC 별로 미리 설정된 유효 공격인지 여부에 대한 분석을 수행하는 제 1 단계;
상기 제 1 단계의 분석 결과 유효 공격인 경우, 하이브리드 축구 방송 제공 서버(500)가 유효 공격에 해당하는 FBC가 이전에 분석되어 저장된 적어도 하나 이상의 FBC와의 관계에서 미리 설정된 전술 카테고리 중 하나에 해당하는 전술인지 여부에 대한 분석을 수행하며, 미리 설정된 전술 카테고리 중 하나에 해당하는 전술에 해당하지 않는 경우, FBC에 대해서 TAP(Total Attack Points, 총 공격 포인트)를 설정하는 제 2 단계;
상기 제 2 단계의 분석결과 미리 설정된 전술 카테고리 중 하나에 해당하는 전술에 해당하는 경우, 하이브리드 축구 방송 제공 서버(500)가 전술 카테고리에 해당하는 FBC에서 추출된 기술 팩터가 헤딩/슈팅인지 여부에 대한 분석을 수행하는 제 3 단계; 및
상기 제 3 단계의 분석 결과 헤딩/슈팅인 경우, 하이브리드 축구 방송 제공 서버(500)가 FBC에 대해서 TTP(Total Tactical Point, 총 전술 포인트)에 해당하는 CTP(Completed Tactic Point, 완결형 전술 포인트)를 설정하며, 헤딩/슈팅이 아닌 경우, FBC에 대해서 TTP(Total Tactical Point, 총 전술 포인트)에 해당하는 UTP(Uncompleted Tactic Point, 미완결형 전술 포인트)를 설정하는 제 4 단계; 를 포함하며,
상기 제 1 단계는, 하이브리드 축구 방송 제공 서버(500)가, 자동 정보 제공 디바이스 그룹(100g)을 구성하는 각 자동 정보 제공 디바이스(100)로부터 수신된 선수 기술 데이터에 대해서 FBC에 해당하는 공격 데이터로 변환하는 제 1-1 단계;
하이브리드 축구 방송 제공 서버(500)는 생성된 FBC에 대해서 유효 공격인지 여부에 대한 분석을 수행하는 제 1-2 단계; 로 구분되며,
상기 제 1-1 단계에 있어서, 하이브리드 축구 방송 제공 서버(500)는,
자동 정보 제공 디바이스 그룹(100g)을 구성하는 각 자동 정보 제공 디바이스(100)로부터 타임 라인에 따른 축구 선수에 대한 선수 기술 데이터를 네트워크(200)를 통해 수신한 뒤, 입력된 선수 기술 데이터 대해서 미리 설정된 공격 카테고리 중 하나에 해당하는 FBC로 변환하여, 축구 빅데이터 코드 DB(410)에 저장하도록 하기 위해,
자동 정보 제공 디바이스 그룹(100g)을 구성하는 각 자동 정보 제공 디바이스(100)는, 하나의 축구 경기에서 양팀 중 적어도 하나 이상의 축구 선수에 대한 선수 기술 데이터를 빅데이터 서버(400)의 방송 데이터 DB(430)에 저장된 축구 디지털 방송 정보에서 자동으로 분석한 뒤, 하이브리드 축구 방송 제공 서버(500)에 제공하며,
분석에 사용되는 축구 디지털 방송 정보는 축구장 전체에 대한 화각을 갖는 하나의 영상 정보 또는 각 축구 선수별 영상 정보로 방송 데이터 DB(430)에 저장되어 축구 선수 간의 축구공을 기준으로 전달 정보를 추출하도록 하며,
각 자동 정보 제공 디바이스(100)가,
축구 디지털 방송 정보에 대한 네트워크(200)를 통한 방송 데이터 DB(430)으로의 액세스와 인증을 통해 정보를 수신하며, 수신된 축구 디지털 방송 정보에 대한 자동 분석시 빅데이터 서버(400)의 축구 빅데이터 코드 DB(410)에 대한 액세스를 통해 축구 선수에 대한 사전 축구 선수 이미지 정보 및 정형화된 선수 기술 데이터를 제공받아서 사전 축구 선수 이미지 정보와 축구 디지털 방송 정보에서 추출된 축구공을 컨트롤하는 인물의 이미지 정보에 대한 비교를 통해 선수 ID를 제 1 차로 추출하며, 추출된 선수 ID에 해당하는 인물의 이미지 정보의 연속된 동작과 적어도 두 개 이상의 프레임 정보로 형성된 정형화된 선수 기술 데이터와의 비교를 통해 미리 설정된 영상 매칭 확률 이상인 경우 동일한 선수 기술 데이터로 제 2 차로 추출하며,
각 자동 정보 제공 디바이스(100)는,
축구 디지털 방송 정보에서 추출되는 디지털 영상 데이터에 대해서 축구 선수 및 선수 기술 데이터를 판별하기 위해 사전 축구 선수 이미지 정보로 축구 선수 이미지 패턴으로 복수의 축구 선수 자체 이미지 정보, 각 축구 선수 자체 이미지 패턴의 미리 설정된 각도로 기울어진 것, 역으로 된 것과 디지털 영상 데이터에 포함된 축구 선수의 패턴을 비교하여 디지털 영상 데이터 속의 축구 선수를 판별하며, 동일한 방식으로, 선수 기술 데이터에 대해서도 판별을 수행하며,
FBC는 '상대 공격 진영'에서 골(goal)을 넣기 위한 유효한 공격 기술을 분석하기 위한 기술 데이터 및 최소 기술 단위 요소로 미리 설정된 공격 카테고리 중 하나에 해당하는 '크로스(Cross)', '패스(Pass)', '슈팅(Shooting)'인 경우,
하이브리드 축구 방송 제공 서버(500)는 선수 기술 데이터와 매칭되는 FBC(Football Big-data Code)를 빅데이터 서버(400)의 축구 빅데이터 코드 DB(410)에 저장하되, FBC로 한 축구 선수의 공격 기술을 축구 빅데이터 코드로 변환된 데이터 레코드로, "선수 ID + 시간 + 기술 팩터 + 위치(x,y 좌표값) + 기술 결과값(성공,실패) + 결과 위치(x, y 좌표값)"의 형식으로 축구 빅데이터 코드 DB(410)에 저장하며, 기술 팩터는 P(Pass), C(Cross), S(Shooting), 외에 K(corner Kick), H(Header), F(Free Kick)을 추가로 포함하며, 기술 결과값(성공,실패)은 O(성공), B(Blocking), X(실패)인 것을 특징으로 하는 앱 기반 AI 축구 경기 분석 제공 방법.
- 삭제
- 청구항 1에 있어서, 상기 제 4 단계 이후,
축구 경기 시청 디바이스 그룹(700g)을 구성하는 복수의 축구 경기 시청 디바이스(700) 각각이 네트워크(200)를 통해 축구 분석 앱 제공 서버(300)에 액세스하여 하이브리드 축구 경기 시청 앱(700a)에 대한 전송 요청을 통해 하이브리드 축구 경기 시청 앱(700a)을 반환받아 보조메모리 장치에 저장 및 설치하고 주메모리 장치상에 로딩(loading) 하는 제 5 단계; 를 더 포함하는 것을 특징으로 하는 앱 기반 AI 축구 경기 분석 제공 방법.
- 청구항 3에 있어서, 상기 제 5 단계 이후,
하이브리드 축구 경기 시청 앱(700a)이 실시간 또는 녹화된 축구 디지털 방송 정보에 대한 타임 라인(time line)에 따라 매칭되는 기준 분석 데이터인 팀별, 선수별 FBC, TAP, CTP, UTP를 축구 디지털 방송 정보와 함께 하이브리드 축구 방송 제공 서버(500)로부터 수신하는 출력하는 제 6 단계; 를 더 포함하는 것을 특징으로 하는 앱 기반 AI 축구 경기 분석 제공 방법.
- 청구항 1, 청구항 3, 청구항 4 중 어느 하나의 앱 기반 AI 축구 경기 분석 제공 방법을 수행하는 것을 특징으로 하는 앱 기반 AI 축구 경기 분석 제공 프로그램을 기록한 컴퓨터로 판독가능한 기록매체.
- 삭제
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020180122843A KR102149581B1 (ko) | 2018-10-15 | 2018-10-15 | 앱 기반 ａｉ 축구 경기 분석 제공 방법, 이를 위한 축구 분석 앱, 그리고 앱 기반 ａｉ 축구 경기 분석 제공 프로그램을 기록한 컴퓨터로 판독가능한 기록매체 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020180122843A KR102149581B1 (ko) | 2018-10-15 | 2018-10-15 | 앱 기반 ａｉ 축구 경기 분석 제공 방법, 이를 위한 축구 분석 앱, 그리고 앱 기반 ａｉ 축구 경기 분석 제공 프로그램을 기록한 컴퓨터로 판독가능한 기록매체 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20200046147A KR20200046147A (ko) | 2020-05-07 |
| KR102149581B1 true KR102149581B1 (ko) | 2020-08-28 |
Family
ID=70733412
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020180122843A KR102149581B1 (ko) | 2018-10-15 | 2018-10-15 | 앱 기반 ａｉ 축구 경기 분석 제공 방법, 이를 위한 축구 분석 앱, 그리고 앱 기반 ａｉ 축구 경기 분석 제공 프로그램을 기록한 컴퓨터로 판독가능한 기록매체 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102149581B1 (ko) |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR100986647B1 (ko) * | 2010-01-21 | 2010-10-08 | 한양대학교 산학협력단 | 축구 경기력 평가 서비스 제공 방법, 장치 및 시스템 |
| KR101764227B1 (ko) * | 2017-03-17 | 2017-08-03 | (주)에이피케이어플킹 | 스포츠 빅 데이터 기반의 데이터 마이닝 기법을 이용한 스포츠 경기 예측분석 인터페이스 제공 시스템 및 방법 |
| KR101844874B1 (ko) * | 2017-03-15 | 2018-04-04 | (주)에이피케이어플킹 | 데이터 마이닝 기법에 기반한 빅데이터를 이용한 결과예측 시스템 및 방법 |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR100643292B1 (ko) | 2005-04-29 | 2006-11-10 | 삼성전자주식회사 | 세션 개시 프로토콜 단말기 사용자의 주소 정보 관리 방법및 이를 위한 서버 |
| US8449361B2 (en) * | 2010-10-18 | 2013-05-28 | Pre Play Sports Llc | Systems and methods for scoring competitive strategy predictions of users on a play-by-play basis |
| KR101938364B1 (ko) * | 2016-12-02 | 2019-04-10 | (주) 지티씨솔루션 | 축구 정보 분석 장치 및 그 방법 |
-
2018
- 2018-10-15 KR KR1020180122843A patent/KR102149581B1/ko active IP Right Grant
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR100986647B1 (ko) * | 2010-01-21 | 2010-10-08 | 한양대학교 산학협력단 | 축구 경기력 평가 서비스 제공 방법, 장치 및 시스템 |
| KR101844874B1 (ko) * | 2017-03-15 | 2018-04-04 | (주)에이피케이어플킹 | 데이터 마이닝 기법에 기반한 빅데이터를 이용한 결과예측 시스템 및 방법 |
| KR101764227B1 (ko) * | 2017-03-17 | 2017-08-03 | (주)에이피케이어플킹 | 스포츠 빅 데이터 기반의 데이터 마이닝 기법을 이용한 스포츠 경기 예측분석 인터페이스 제공 시스템 및 방법 |
Also Published As
| Publication number | Publication date |
|---|---|
| KR20200046147A (ko) | 2020-05-07 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US20200401809A1 (en) | Methods and systems of combining video content with one or more augmentations to produce augmented video | |
| CN109194978A (zh) | 直播视频剪辑方法、装置和电子设备 | |
| US20190076741A1 (en) | Interaction Interleaver | |
| US20170072321A1 (en) | Highly interactive fantasy sports interleaver | |
| CN109040766B (zh) | 直播视频处理方法、装置及存储介质 | |
| US11625987B2 (en) | Systems and methods for generation of virtual sporting events | |
| CN109640112B (zh) | 视频处理方法、装置、设备及存储介质 | |
| US20160317933A1 (en) | Automatic game support content generation and retrieval | |
| US20220335720A1 (en) | Data processing systems and methods for generating interactive user interfaces and interactive game systems based on spatiotemporal analysis of video content | |
| CN112642161B (zh) | 射击游戏的作弊检测、模型训练方法、设备及存储介质 | |
| CN111861572A (zh) | 广告投放方法、装置、电子设备及计算机可读存储介质 | |
| CN112312142B (zh) | 视频播放控制方法、装置和计算机可读存储介质 | |
| CN111757147A (zh) | 一种赛事视频结构化的方法、装置及系统 | |
| US20230338840A1 (en) | Systems and methods for manipulation of outcomes for virtual sporting events | |
| CN113544697A (zh) | 用数据和身体姿态分析运动表现以对表现进行个性化预测 | |
| KR102149581B1 (ko) | 앱 기반 ａｉ 축구 경기 분석 제공 방법, 이를 위한 축구 분석 앱, 그리고 앱 기반 ａｉ 축구 경기 분석 제공 프로그램을 기록한 컴퓨터로 판독가능한 기록매체 | |
| Babaei et al. | A state-based game attention model for cloud gaming | |
| CN107133561A (zh) | 事件处理方法和装置 | |
| KR102123738B1 (ko) | Ａｉ 전력 평가 기반 축구 콘텐츠 제공 시스템, 이를 위한 ai 기반 기술 평가 서버 및 축구 디지털 콘텐츠 제공 서버 | |
| KR20180089977A (ko) | 영상 이벤트 단위 세그멘테이션 시스템 및 그 방법 | |
| KR102601283B1 (ko) | 경기 영상으로부터 타겟 영상 생성 시 불필요한 영상을 제거하기 위한 컴퓨터 시스템 및 그의 방법 | |
| US10376794B2 (en) | Method of providing observing service using event prediction in game | |
| US11290766B2 (en) | Automatic generation of augmented reality media | |
| EP3968644A1 (en) | Method and data processing system for making predictions during a live event stream | |
| CN110314368B (zh) | 台球击球的辅助方法、装置、设备及可读介质 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E902 | Notification of reason for refusal | ||
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |