Roboflow와 Gemini 2.5 Pro를 활용한 축구 전술 분석 AI 파이프라인 구축

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

핵심 요약

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.

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.

실무 Takeaway

RF-DETR과 VLM을 결합하면 전술 레이블링 데이터셋 없이도 시각적 정보만으로 전술 분석이 가능하다.
Roboflow Workflows를 사용하면 탐지, 시각화, VLM 추론, 데이터 파싱을 하나의 파이프라인으로 통합할 수 있다.
경기 영상에서 추출된 선수 좌표와 추적 ID를 활용하면 히트맵 생성 등 심층적인 코칭 인사이트 도출이 가능하다.

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

핵심 요약

배경

대상 독자

의미 / 영향

섹션별 상세

실무 Takeaway

언급된 리소스

Roboflow와 Gemini 2.5 Pro를 활용한 축구 전술 분석 AI 파이프라인 구축

핵심 요약

배경

대상 독자

의미 / 영향

섹션별 상세

실무 Takeaway

언급된 리소스

관련 토론

댓글

관련 피드

관련 토론

댓글

관련 피드