KR20020078707A - 스포츠 동영상에서의 통계 정보 자동 추출 장치 및 방법 - Google Patents

Abstract

본 발명은 스포츠 동영상을 입력받아 디지털 영상 처리 기법으로 자동 분석하여 다양한 경기 정보를 제공하기 위한 것으로, 획득된 동영상을 영상처리 기술로 분석하여 경기장 정보 및 선수, 공의 이동 궤적 정보 등의 기초 정보를 획득한 뒤 이를 바탕으로 고수준 통계적 분석을 통하여 선수들의 공격 패턴, 팀웍, 최대 이동 속도, 경기 중 이동 거리 등의 고차원 정보를 분석하는 것을 목적으로 하고 있다.

본 발명은 기존의 영상 처리를 이용한 스포츠 경기 분석과는 달리, 장면 전환 분석을 통하여 녹화방송 분석의 용이성을 꾀하였으며, 카메라 동작 분석 과정을 추가함으로써 여러 대의 고정 카메라가 아닌 한 대의 이동 카메라에서의 입력도 허용하였다. 본 발명은 스포츠 경기에 대한 과학적 분석 정보를 획득하고 방송 시청자 및 경기 분석 전문가에게 유용한 정보를 제공할 수 있으며, 나아가 손쉬운 인터페이스로 경기 분석가의 편의를 도모하였다.

본 발명은 히스토그램 비교법을 이용한 영상 분류 방법과 체인 코딩 및 영역 크기 비교를 통한 객체 추적 방법, 그리고 원근 매핑 모델로 영상 대 모델간 변환을 정의하고 최소제곱법으로 이를 계산하는 경기 정보 분석 방법을 특징으로 한다.

Description

스포츠 동영상에서의 통계 정보 자동 추출 장치 및 방법{An Apparatus and Method for Automatic Extraction of Statistical Information from Sports Video}

본 발명은 스포츠 경기 영상 자동 분석 장치에 관한 것으로, 특히 경기장의 카메라 혹은 테잎 및 하드 디스크 등으로 저장, 기록된 동영상 매체에 대해 영상 처리 기법으로 자동 분석하고 선수와 공의 흐름 및 팀웍 등을 분석할 수 있도록 하는 스포츠 경기 영상 자동 분석 장치 및 방법에 관한 것이다.

근래에는 스포츠에 과학적 분석 방법을 동원하여 경기를 분석하려는 시도는 점점 늘어나고 있으며, 아직은 여러 명의 분석 전문가를 동원하여 경기를 분석하거나, 연습 및 훈련 시 공이나 기구 혹은 선수의 몸에 센서를 부착하여 분석하는 경우가 일반적이다. 그러나 실제 시합 시에 선수나 공에 센서 등을 부착하는 것은 아직까지 선수들이나 경기 진행에 부담이 되는 것은 사실이다. 적외선 장비를 미리 경기 전에 지정된 곳에 설치하여 골프, 야구, 볼링, 테니스 등의 라켓이나 장갑이 적외선을 지날 때를 감지하여 스윙 속도를 측정하는 방법도 있으나 축구, 농구, 야구 등 선수들이 공과 자주 접촉하고 그 위치가 일정하지 않은 경기에서는 적합하지 않다.

이에 따라 센서가 필요 없이 카메라로부터 얻어지는 동영상을 분석하는 영상 처리 기술로 이러한 단점을 극복하고자 하는 여러 시도가 있었다. 스포츠 동영상에서 차영상 분석을 통해 선수의 연기동작을 분석하는 발명(스포츠 영상 효과장치: 출원번호 특1997-023473, 공개번호 특1999-000526)이 있으나 이는 장치의 환경을 고정 카메라만인 경우로 설정하여 카메라가 팬, 틸트, 줌 등의 동작을 하는 경우 처리가 불가능하고, 분석 결과도 단순히 선수의 움직임을 한 화면에 나타내는 등 단순한 표시에 머물렀다. 또한 다수의 카메라로 스포츠 영상을 분석하려는 보다 고차원적인 발명도 있으나(스포츠 영상 분석 방송 시스템 및 방법: 출원번호 10-2000-0048301, 공개번호 특2000-0064088) 이 또한 카메라의 움직임을 분석하지 않으므로 고정 카메라 환경이라는 제약을 벗어날 수 없다. 또한 이 발명은 장면 전환 검출을 고려하지 않음으로 해서 녹화 경기 분석이 불가능하고 다양한 경기력 분석 산출물이 없다는 단점이 있다.

이외에도 미국 특허에서는 야구 훈련시에 배팅 연습을 할 때, 영상 처리 기법을 도입하여 분석하는 방법(특허번호: 6042492) 등이 있으나 연습 이외에 경기를 분석하기에는 무리가 따르는 어려움이 있다.

본 발명은 앞서 말한 종래의 기술의 한계를 극복하고자 영상 처리 기법을 도입한, 스포츠 동영상 자동 분석 장치 및 방법이다. 발명의 목표는 입력 동영상과 경기장 모델, 선수 정보 등의 기반 지식 데이터를 입력하여 자동 분석한뒤, 다양한 통계적 데이터를 산출할 수 있도록 선수와 공 궤적 정보 등을 계산하는 것이다. 또한, 이렇게 얻어진 기초 데이터를 통해 보다 의미 있는 통계적 데이터, 즉 선수의 스피드, 공격 패턴, 체력 및 팀웍 등의 다양한 정보를 얻어내고 시청자에게는 흥미를 유발하며 경기 분석 전문가에게는 유용한 정보를 제공한다.

도 1은 본 발명 장치의 전체 블록 구성도.

도 2는 도 1의 각부분에 대한 상세 블록 구성도.

도 3은 도 2의 영상 분류기에 대한 순서도.

도 4는 도 2의 객체 추적기에 대한 순서도.

도 5는 도 2의 경기 정보 분석기에 대한 순서도.

도 6은 도 2의 본 발명의 전체 작용을 예시한 도면

도 7은 도 5의 경기 정보 분석기에서 사용되는 경기장 모델을 예시한 도면.

도 9는 도 3의 영상 분류기에 대한 작용을 예시한 도면.

도 10은 도 4의 객체 추적기에 대한 작용을 예시한 도면.

도 11은 도 5의 경기 정보 분석기에 대한 작용을 예시한 도면.

도 12는 객체 추적기 중 체인 코딩의 작용을 예시한 도면.

도 13은 객체 추적기 중 선수 매핑의 작용을 예시한 도면.

이상의 목적을 달성하기 위해 본 발명은 스포츠 경기 상황을 촬영하여 디지털 형태의 동영상으로 변환하는 영상 입력부(1)와 변환된 동영상으로부터 하이라이트를 분석하거나 선수 및 공의 궤적 정보를 얻어내는 영상 분석부(2)와 경기의 분석에 필요한 관련 지식들, 즉 선수의 유니폼 색상 및 포지션, 그리고 경기장의 전체 모델 등이 저장되어 있는 데이터베이스를 포함하는 정보 저장부(3), 그리고 분석된 경기 정보들을 문자, 숫자, 그래프, 그리고 애니메이션이나 기타 형태로 표시해 주는 결과 출력부(4)로 구성되어 있는 것을 특징으로 한다.

앞서 언급한 영상 입력부(1)는, 온라인 입력 상태일 경우 경기장에 설치되어 경기장의 상황을 아날로그 데이터로 입력 해 주는 카메라와 이로부터 얻어진 아날로그 신호를 디지털 데이터로 바꾸어주는 A/D 변환기를 포함하는 것을 특징으로 한다. 만일, 오프라인 처리, 즉 녹화 테잎 등을 입력으로 하는 경우는 이미 입력 데이터가 디지털로 변환되어 있으므로 상기의 두 장치(카메라와 A/D 변환기)는 생략할 수 있다.

영상 분석부(2)는 디지털 경기 데이터를 임시 기억 장치에 저장하기 위한 동영상 기억버퍼와 기억된 디지털 영상 한 프레임이 분석의 대상으로 적합한 장면인지를 판단하는 영상 분류기와 분석 대상 장면에 한하여 선수와 공의 이동 궤적을 계산하기 위한 객체 추적부와 분석된 선수와 공의 궤적 정보 및 영상 분류기를 통해 영상과 경기장 모델 간의 매핑 정보를 이용하여 경기장 모델상에서의 선수와 공의 궤적을 산출하는 경기 정보 분석부와 경기 정보 분석부에서 산출한 기초 궤적 데이터를 기반으로 선수와 공의 움직임, 선수의 공격 패턴, 팀웍 등의 고수준의 통계적 데이터를 계산하는 통계적 경기 분석부로 구성되어 있는 것을 특징으로 한다.

그리고 정보 저장부(3)는 현재 입력되는 경기에 대한 정보, 즉 선수의 유니폼 색상과 경기장의 형태, 규모 및 바닥의 색상 등의 경기와 관련된 정보들을 포함하는 경기 정보 데이터베이스로 구성되어 있는 것을 특징으로 한다.

마지막으로, 결과 출력부(4)는 위에서 설명한 영상 분석부(2)에서 얻어진 경기에 대한 여러 가지 정보들을 사용자, 즉 방송 관계자나 오퍼레이터 등의 시스템 이용자에게 시각적으로 경기의 데이터를 보여줄 수 있도록 문자, 숫자, 그래프, 동영상 혹은 기타의 방법으로 출력할 수 있도록 해주는 출력 장치를 포함하는 것을 특징으로 한다.

이하, 본 발명에 따른 실시 예를 첨부된 도면을 참조하며 상세하게 설명한다.

스포츠 경기장에서 경기 현황 동영상을 얻기 위해 우선 하나 이상의 카메라(11)를 경기장에 설치한다. 이 카메라들은 고정되어 있을 수도 있고 움직이는 것일 수도 있다. 현장에서 얻어진 아날로그 경기 영상들은 디지털로 변환시켜 주는 A/D 변환기(13)를 통해 디지털화된다. 여기서 만약 생방송이 아닌 녹화방송 입력을 처리할 경우 본 발명은 앞서 말한 카메라(11)는 필요 없으며 테이프나 하드 디스크 등의 영상 매체 저장부(12)에 기록된 경기 동영상을 입력으로 받게 된다.

입력으로 들어온 영상 프레임은 임시 버퍼에 저장되며, 영상 분류기(22)가 이를 분석하게 된다. 영상 분류기는 입력 영상들을 분석 대상 프레임과 그렇지 않은 프레임으로 분류한다. 분석 대상의 선정 기준은 경기 정보 데이터베이스(31)에 저장이 되어 있는데, 이는 각 스포츠 경기마다 경기장 모델 정보를 가지고 있어서 현재 입력 동영상의 경기장에서 각종 라인과 원 등을 이용하여 카메라가 경기장의 어느 위치를 촬영하고 있는지, 혹은 경기장 바깥 부분인지를 판단하게 된다(도 7).분석 대상 프레임은 경기와 관련된 장면들, 즉 슛, 패스 등의 주요한 장면이다. 이외의 경기장 밖이나 관중석 등을 비추는 경우는 분석 대상에서 제외된다(도 9). 객체 추적기(24)에서는 분석 대상 프레임에 대해서 경기 정보 데이터베이스(31)와 연동하여 선수와 공의 초기 정보를 얻어낸 뒤 경기와 관련된 객체, 즉 선수나 공 등의 물체를 추적한다(도 9). 경기 정보 분석기(22)에서는 앞서 계산한 경기장 내의 물체 이동 궤적과 경기 정보 데이터베이스(31)에서 얻어진 경기장 모델 정보를 이용하여 탑뷰(top-view) 시점의 경기장 모델 위에 선수 및 공 등 경기 관련 객체들의 궤적을 도시한다(도 11). 여기까지 얻어진 정보들은 통계적 경기 분석기(25)의 입력으로 사용되어 선수의 뛰는 속도 및 슈팅 속도라든지 공격 및 패스의 패턴, 팀웍, 그리고 볼 점유율과 경기 주도율과 같은 보다 고차원적인 경기 정보를 얻어낸다.

경기 정보 데이터베이스(31)는 경기와 관련된 여러 가지 정보들을 포함한다. 예를 들어 월드컵에서 한국 축구 선수의 유니폼은 붉은색 윗도리에 청색 바지, 혹은 청색 윗도리에 흰색 바지이다. 그리고 분석 대상의 스포츠가 축구인 경우 중앙에 센터 라인과 센터 서클 등의 경기장에 대한 정보도 포함된다. 그리고 포지션에 따른 선수 이름 및 번호 등도 포함될 수 있다.

앞서 설명한 경기 정보 데이터베이스(31)를 이용해 얻어진 통계적 분석 정보는 출력 장치(41)에 의해 출력된다. 출력 장치(41)는 분석된 정보를 숫자, 문자, 그래프, 애니메이션 및 기타 방식으로 모니터나 프린터 등으로 출력한다.

도 6에는 시스템 작동자가 사용하는 인터페이스를 도시해 놓았다. 동영상 출력 창(61)은 스포츠 경기 동영상이 출력 표시되는 창이고, 동영상 제어 창(62)는 동영상의 제어(재생, 정지, 일시 정지 등)를 위한 창이다. 장면 전환 표시 창(63)은 스포츠 동영상의 장면 전환이 발생할 때마다 대표 프레임을 표시하기 위한 창이다. 경기장 모델 표시 창(64)은 모델 경기장의 특징점과 영상 내의 특징점을 사상(매핑)시켜주기 위한 인터페이스를 제공한다. 모드 설정 창(65)은 경기 분석의 모드를 변환시켜주기 위한 것이다. 분석 모드에는 세 가지가 있는데 첫째, 수동 모드는 사용자가 수동으로 분석 정보를 입력하는 경우이다. 날씨나 잔디 상태 및 응원을 위한 종이나 도구 등으로 인해 경기장의 상태가 몹시 안 좋은 경우처럼 영상 기반으로 경기를 분석하기 힘든 경우에 이와 같은 수동 모드를 이용할 수 있다. 둘째, 자동 모드는 영상의 질이 깨끗하여 자동 분석이 용이한 경우 이 모드를 선택하여 경기를 사용자의 개입 없이 자동 분석한다. 셋째, 수정 모드는 자동 분석했으나 오류가 있는 경우 혹은 수동 입력 후 잘못 입력한 정보가 있는 경우에 이 모드를 선택하여 쉽게 정보를 수정할 수 있도록 한다. 다음으로, 추적 및 액션 설정 창(66)이 있는데, 이 창에서는 환경 설정, 추적, 영상-모델 사상, 액션 설정, 분석 정보 저장 및 분석 정보로부터 통계적 경기 정보를 획득하기 위한 명령을 내릴 수 있는 버튼을 포함한다. 여기서 액션이라 함은 경기 중 선수의 동작, 즉 슛이나 패스, 코너 킥, 프리 킥 및 반칙 등의 표시를 말한다. 이는 경기에 있어서 중요한 정보로 영상 기반 처리에서 오류가 있는 경우 수작업으로 이를 지정해주기 위한 것이다.

앞서 개략적으로 설명한 영상 분류기, 객체 추적기, 경기 정보 분석기에 대한 자세한 방법에 대해 순서도 도면 3, 4, 5를 들어 설명한다.

영상 분류기는 입력으로 들어오는 매 프레임을 연관성을 지닌 하나의 장면 단위로 분할하기 위해 샷(shot, 프레임 경계)을 검출한다(도 3). 여기서 사용되는 알고리즘은 히스토그램(histogram) 비교법으로, 연속된 두 프레임에 대해 히스토그램을 분석한다(S31). 히스토그램은 256단계의 명암도를 가지는 벡터의 형태로 표현된다.

이렇게 분석된 n번째와 n-1번째 프레임의 히스토그램에 대해 두 히스토그램의 차를 계산한다. 두 히스토그램의 차는 다음과 같이 정의된다(S33).

즉, Diff(n-1,n)은 두 영상의 히스토그램 차벡터의 노름(norm)으로 정의한다. 영상 내의 모든 연속된 두 프레임에서 이 값이 일정 임계치보다 큰 경우 이 프레임 사이를 샷으로 검출하며 샷과 샷 사이를 장면(scene)으로 간주한다.

객체 추적기는 경기 내에서 의미 있는 물체들, 즉 선수와 공을 추적한다(도 4). 우선 영상에서 선수를 검출해야 하는데, 선수 검출은 유니폼 색상에 의존한다(S41). 유니폼 색상은 선수 검출을 쉽게 해 주며 팀 구분도 가능하게 해 주므로 좋은 특징이다. 색상 필터링(filtering)을 위해 본 발명에서 사용되는 색상 모델은 HSV 모델인데, 이는 흔히 쓰이는 RGB 색상 모델보다 조명에 덜 민감하고 사감이 인지하는 방식과 유사하다는 장점이 있다. HSV 색상 공간에서의 두 색상간 차이값은 다음과 같이 표현된다.

여기서 C₁과 C₂는 비교되는 두 색상값이며, H₁, S₁, V₁과 H₂, S₂, V₂는 각각의 H(Hue, 색상), S(Saturation, 채도), V(Value, 명도) 값이다. 이 식을 바탕으로 영상 전체에 대해서 선수 후보 영상 P를 구한다.

여기서 P(x,y)는 x,y 위치에 해당하는 선수 후보 영역값이며, Cxy는 x,y 위치에서의 색상값, 그리고 C_M은 유니폼 모델 색상값이다. 영역의 모든 위치에 대해 모델의 유니폼 색상과 비교하여 특정 임계치보다 작으면 이를 선수 영역 후보 화소로 간주한다. 이렇게 구해진 선수 후보 영상 P에 대해 연결 요소 분석(connected component labeling)을 거치면 해당 유니폼을 입은 개개의 선수 영역이 검출된다(S41).

이렇게 검출된 개개의 선수 영역에 대해 형태와 크기 정보를 분석해야 하는데, 형태 정보는 체인 코딩(chain coding)이라는 방법을 사용하고, 크기 정보는 영역의 가로와 세로 폭으로 한다. 체인 코딩을 하기 위해 영역의 경계값이 필요한데 이를 위해 3x3 크기의 커널(kernel)을 구성하고 이 커널 안에 1과 0의 값이 동시에 나타난 점을 영역 경계점으로 삼고 하나의 경계점 집합에 대해 체인 코딩을 한다(도 12).

체인 코딩과 영역의 크기 정보 획득이 완료된 후 연속된 두 프레임에 대해 선수 궤적 정보를 생성한다. 궤적 정보는 1:1이 아닌 n:n 매핑으로 얻어질 수 있는데, 이것은 선수간 겹침이 고려되었기 때문이다(도 13). 도 13에서 (1)->(1) 매핑인 경우는 추적이 성공적으로 완료되어 선수 이동 궤적이 제대로 생성된 경우이다. (2,3)->(3)인 경우는 두 선수가 겹쳐져서 한 선수 영역으로 나타나는 경우이다. 이 경우 n+1 프레임에서의 3번 선수는 n 프레임에서 2, 3번이 겹쳐졌음을 나타내는 표시를 가지게 된다. (m-1)->(m'-1,m')인 경우는 그 반대의 경우로 겹쳐져 있던 영역이 다시 두 선수의 영역으로 분리되는 경우이다. n+1프레임에서의 2번 영역은 새롭게 등장한 선수이므로 새로운 선수 리스트에 추가한다(S47).

이러한 논리적 연산은 앞서 계산한 형태 정보와 크기 정보의 분석, 및 이전 궤적을 통한 다음 위치 예측을 통해 가능하다. 형태 정보의 비교는 체인 코딩 상관관계의 분석을 통해 가능한데, 이는 다음과 같이 계산된다.

여기서 c와 c'는 길이와 시작점이 정규화된 두 체인 코드이며, m은 그 때의 정규화된 체인 코드 길이이다. 크기 비교는 다음 식으로 규정된다.

여기서 w, h는 각각 영역의 넓이와 높이를 뜻하고, n-1, n은 입력 영상의 프레임 번호이다. 상기의 두 측정값으로 추출된 영역 간의 비교 함수는 다음과같다(S45).

여기서 p는 선수 후보 영상 P에서 얻어진 선수 영역이며, n은 프레임 번호, 그리고 α는 0과 1 사이의 값으로 형태 정보와 크기 정보간의 가중치를 나타낸다. 이 p값이 특정 임계치보다 작은 경우 매핑이 이루어진 것이며(S47), n:1 매핑이 이루어졌을 때는 겹침으로 처리하고(S49) 새로이 나타난 영역은 신규로 처리한다(S48). 1:n 매핑인 경우 이전 프레임의 영역이 겹침 영역이면 궤적의 예측 정보로 분리하고 이외의 경우 분석 에러로 처리한다.

공 추적의 경우 크기 및 궤적 정보만을 이용하며 1:1 매핑만을 이용하게 된다. 공의 영역이 사라지는 경우는 선수의 영역에 가려진 것이므로 선수끼리의 겹침과 동일하게 처리한다. 경기장 내의 특징점 추적도 이와 유사한데, 이는 특징으로 추출된 코너(corner)점 위치와 주위 특징점간의 관계를 이용하며 가려지는 경우 역시 선수의 영역에 가려진 것이므로 공의 추적 문제와 동일하게 취급한다.

상기와 같이 추출된 영상 내에서의 공과 선수 궤적을 경기장 모델 위에 도시하기 위해서는 영상 대 모델간 매핑 함수가 계산되어야 한다. 이를 위해 매핑 변환 모델을 원근 매핑 모델로 설정하였다. 이는 다음과 같이 표현할 수 있다.

여기서 x, y는 경기장 모델 내의 점 좌표이며, u, v는 영상 내에 존재하는특징점의 좌표이다. 원근 매핑 함수는 a∼h까지의 8개의 매개 변수로 정의되는데, 각각의 변수값을 알기 위해서 본 발명에서는 최소제곱법(least squares approximation)을 이용한다.

최소제곱법은 실제값(여기서는 경기장 모델 상의 좌표)과 측정값 (영상의 좌표에서 변환된 좌표)과의 차이의 제곱이 최소가 되도록 변수를 조정하도록 하는 통계적 방법이다. 이 방법에 따라 위의 매개 변수를 구하기 위해서 먼저 좌표값과 모델 함수와의 관계를 행렬로 정의한다.

여기서 x',y',z'은 경기장 모델 상의 좌표 x,y의 3차원 좌표이다. 즉 x=x'/z', y=y'/z'이다. 실제 구하려는 원근 매핑 모델 P는 다음과 같다.

여기서 최소 제곱법을 사용하기 위해 최소값을 찾을 대상 함수 F를 다음과 같이 정의한다.

이제 이 목적 함수 F에 최소제곱법을 적용하면 다음과 같은 식이 성립한다.

상기의 해를 구하게 되면 원하는 a∼h값을 구할 수 있다(S52).

앞서 객체 추적기에서 구한 선수와 공의 궤적 정보는 점의 리스트 형태이다. n번째 프레임에서의 i번째 선수의 위치를 p_i(n), 공의 위치를 b_i(n)라고 했을 때, 각각의 속도 정보는 다음 식으로 표현된다.

이 정보는 전 경기에 걸쳐 측정되며 경기 중의 선수의 최대 이동 속도, 즉 어떤 선수의 발이 가장 빠른가, 혹은 누구의 슛 속도가 가장 빠른가 등의 정보를 얻어낼 수 있다(S54). 또한 선수의 경기 중 총 이동 거리는 위의 v의 합으로 표현할 수 있다. 이 외에 부가적으로 물리에서 사용되는 운동량의 법칙을 이용하여 특정 선수의 전 경기 동안에 소모한 총 운동량을 구할 수도 있다. 선수의 체중을 미리 알고 있다고 가정하고 이 값을 m이라고 한다면 i번째 선수의 총운동량 P는 다음 식에 의해 결정된다.

보다 고차원의 정보를 구하기 위해서 슛과 패스 및 드리블 등의 정보추출이 필수적이다. 슛은 선수의 영역에서 공이 일정 속도 이상으로 멀어지며 연장선이 골대와 가까워지는 경우로 정한다. 패스는 슛의 속도보다는 적으나 빠른 속도로 멀어지며 연장선상에 같은 팀의 선수가 근접해 있는 경우로 하며, 드리블은 공과 선수가 비슷한 속도로 움직이며 그 방향 또한 비슷한 경우로 한다(S55).

본 발명은 스포츠를 보다 과학적, 통계적으로 분석할 수 있는 자동화 도구를 제공하며 이를 이용하는 스포츠 경기 분석가를 통해, 경기를 보다 심도 있게 즐기려는 시청자 혹은 경기 해설가 및 감독 등, 스포츠 관계자들에게 고수준의 경기 분석 정보를 제공할 수 있다.

Claims (5)

1. 경기장에 고정 혹은 이동 가능한 한 대 이상의 카메라로 경기장의 상황을 촬영하여 디지털 동영상 데이터로 변환/전달하거나 카메라 없이 TV 중계방송 데이터가 저장된 영상 기록 매체를 입력으로 하는 영상 입력 장치와;

   스포츠 경기를 영상 기반으로 자동 분석하고 그 결과를 고수준 통계적 데이터로 변환하는 영상 자동 분석기와;

   분석된 고수준 통계적 데이터를 기반으로 화면 및 종이에 문자, 숫자, 그래프 등 다양한 형태로 출력할 수 있는 장치를 포함하는 스포츠 경기 분석 장치.
2. 제 1 항에 있어서 ,

   상기 영상 처리 수단에서, 실시간 처리를 위해 영상 지연을 해결하기 위한 동영상 기억 버퍼와;

   경기에 관련된 기반 정보들, 즉 경기장의 형태, 그라운드 색상, 유니폼 색상, 선수의 포지션 등의 각종 정보를 데이터베이스로 구성하여 관리하는 방법과;

   현재 장면이 분석 대상 프레임인 지 아닌지를 분석하여 관심 장면에 대해서만 경기 분석을 시도하는 영상 분류기와;

   분석된 기초 경기 데이터를 바탕으로 보다 고수준의 통계적 경기 데이터를 분석하기 위한 통계적 경기 분석부를 포함하는 스포츠 경기 분석 장치.
3. 제 1 항에 있어서

   입력되는 스포츠 경기 동영상에서 경기 정보 데이터베이스와 연동하여 분석 대상 프레임을 자동 선정하는 영상 분류 방법과;

   경기 정보 데이터베이스와 연동하여 경기와 관련된 객체, 즉 선수와 공 등의 궤적 정보를 얻어내는 객체 추적 방법과;

   최종적으로 구해진 객체의 궤적 정보를 이용하여 고수준의 통계적 경기 정보를 얻어내는 통계적 경기 분석 방법을 포함하는 스포츠 경기 분석 장치.
4. 경기 동영상 분석을 위한 경기 정보 데이터베이스와 경기장 모델 표시 창 및 장면 전환 분석 창, 그리고 기타 제어 버튼 창을 포함하는 분석 정보 입력 및 수정을 위한 사용자 인터페이스.
5. 히스토그램 비교법을 이용하여 연관된 프레임을 하나의 장면 단위로 처리하는 영상 분류 방법과;

   체인 코딩 및 영역 크기를 이용한 영역 비교법 및 n:n 매핑 논리 함수로 경기와 관련된 객체를 추적하는 객체 비교 방법과;

   원근 매핑 모델로 영상 대 모델간의 변환을 정의하고 이를 최소제곱법으로 계산하여 관계를 얻어내는 경기 정보 분석 방법.