Roboflow와 Gemini 2.5 Pro를 활용한 축구 전술 분석 AI 파이프라인 구축

이 요약은 AI가 원문을 분석해 생성했습니다. 정확한 내용은 원문 기준으로 확인하세요.

TL;DR

스포츠 분석 AI는 컴퓨터 비전을 활용해 경기 영상에서 선수 위치와 전술적 움직임을 구조화된 데이터로 변환한다. 이 파이프라인은 RF-DETR 모델로 선수와 공을 탐지하고, 그 결과를 Gemini 2.5 Pro에 전달하여 전술 포메이션을 추론한다. 84.4%의 mAP@50 성능을 기록한 모델을 통해 경기 영상에서 포메이션, 공격 방향, 전술적 근거를 포함한 JSON 데이터를 생성한다. 이 방식은 별도의 전술 레이블링 없이 시각적 정보만으로 전술을 자동 분석한다.

배경

Roboflow 계정, 기본적인 컴퓨터 비전 및 파이프라인 개념, Python 프로그래밍 기초

대상 독자

스포츠 분석 시스템을 구축하려는 컴퓨터 비전 개발자 및 데이터 분석가

의미 / 영향

이 파이프라인은 고가의 하드웨어 없이도 범용적인 방송 영상만으로 정교한 전술 분석을 가능하게 한다. 머신러닝 기반의 자동화된 전술 분석은 엘리트 스포츠 팀의 전술 계획 수립 방식을 근본적으로 변화시킬 것이다.

섹션별 상세

RF-DETR은 방송 중계 영상에서 선수, 골키퍼, 심판, 공을 실시간으로 탐지하는 공간적 기반을 제공한다.

축구 경기 영상에서 선수들을 탐지한 예시 — ScreenshotRF-DETR 모델이 경기장 내 선수들을 바운딩 박스로 정확하게 탐지하고 있음을 보여준다.

Roboflow에서 RF-DETR 모델 아키텍처 선택 화면 — Screenshot스포츠 분석을 위해 RF-DETR 모델을 선택하고 설정을 구성하는 과정을 보여준다.

데이터셋 버전 생성 및 Train/Test 분할 설정 화면 — Screenshot70/15/15 비율로 데이터를 분할하고 전처리 단계를 설정하는 과정을 보여준다.

근거

RF-DETR Small 모델은 84.4% mAP@50, 91.2% precision, 84.5% recall, 87.1% F1 score를 기록했다. — Step 3: Evaluate Metrics 섹션

Roboflow Workflows를 통해 탐지된 선수 위치 정보를 Gemini 2.5 Pro로 전달하여 전술적 상황을 해석한다.

스포츠 분석 AI 파이프라인의 전체 흐름도 — Diagram영상 입력부터 RF-DETR 탐지, 시각화, Gemini 분석, JSON 출력으로 이어지는 전체 파이프라인 구조를 보여준다.

Gemini 2.5 Pro는 선수 배치와 필드 방향을 분석하여 4-3-3, 4-4-2 등 전술 포메이션을 추론하고 근거를 제시한다.

RF-DETR 모델 학습 결과 지표 — ChartmAP@50 84.4%, Precision 91.2% 등 모델의 우수한 탐지 성능을 수치로 보여준다.

파이프라인 후단에 JSON 파싱 블록을 배치하여 비정형 VLM 출력을 기계가 읽을 수 있는 구조화된 데이터로 변환한다.

python

import json
import re
def run(self, raw_json):
    text = str(raw_json).strip()
    match = re.search(r"```json\s*([\s\S]*?)\s*```", text)
    if match:
        text = match.group(1).strip()
    try:
        data = json.loads(text)
        return {"parsed_json": data}
    except Exception as e:
        return { "parsed_json": { "error": str(e), "raw": text } }

Gemini의 비정형 JSON 응답을 파싱하여 구조화된 딕셔너리로 변환하는 파서 코드

Roboflow Workflows 배포 옵션 — Screenshot학습된 모델을 워크플로로 배포하여 추론에 활용하는 방법을 보여준다.

ByteTrack을 추가하면 선수에게 고유 ID를 부여하고 이동 경로를 추적하여 히트맵을 생성할 수 있다.

Gemini 2.5 Pro 블록 설정 화면 — ScreenshotVLM 블록에서 전술 분석을 위한 프롬프트와 모델 설정을 구성하는 방법을 보여준다.

용어 해설

Computer Vision: — 디지털 이미지나 영상에서 시각적 정보를 추출하고 해석하는 AI 기술 분야. 스포츠 분석에서는 선수, 공, 심판의 위치를 탐지하고 움직임을 추적하는 데 사용된다.
Object Detection: — 이미지 내에서 특정 객체의 위치를 바운딩 박스로 지정하고 클래스를 분류하는 기술. 본문에서는 선수와 공을 실시간으로 식별하는 핵심 단계로 활용된다.
Vision Language Model: — 이미지 입력과 텍스트 출력을 동시에 처리하는 멀티모달 모델. 탐지된 선수들의 위치 정보를 바탕으로 전술적 포메이션을 추론하고 해석하는 역할을 수행한다.

언급된 리소스

튜토리얼Training RF-DETR on Custom Sports Datasets

import json import re def run(self, raw_json): text = str(raw_json).strip() match = re.search(r"```json\s*([\s\S]*?)\s*```", text) if match: text = match.group(1).strip() try: data = json.loads(text) return {"parsed_json": data} except Exception as e: return { "parsed_json": { "error": str(e), "raw": text } }

Roboflow와 Gemini 2.5 Pro를 활용한 축구 전술 분석 AI 파이프라인 구축

TL;DR

배경

대상 독자

의미 / 영향

섹션별 상세

용어 해설

언급된 리소스

Roboflow와 Gemini 2.5 Pro를 활용한 축구 전술 분석 AI 파이프라인 구축

TL;DR

배경

대상 독자

의미 / 영향

섹션별 상세

용어 해설

언급된 리소스

관련 토론

댓글

관련 기사

3D 축구 VAR 시스템 구축

Roboflow로 구현하는 활주로 이물질(FOD) 자동 감지 시스템

사출 성형 결함 검출

비디오 피드를 활용한 프로세스 모니터링 분석하기

Roboflow로 구현하는 송전선 점검 AI 튜토리얼

관련 토론

댓글

관련 기사

3D 축구 VAR 시스템 구축

Roboflow로 구현하는 활주로 이물질(FOD) 자동 감지 시스템

사출 성형 결함 검출

비디오 피드를 활용한 프로세스 모니터링 분석하기

Roboflow로 구현하는 송전선 점검 AI 튜토리얼