Original title: Počítačová analýza sportovních zápasů
Translated title: Computer analysis of sport matches
Authors: Židlík, Pavel ; Balík, Miroslav (referee) ; Atassi, Hicham (advisor)
Document type: Master’s theses
Year: 2009
Language: cze
Publisher: Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií
Abstract: [cze] [eng]
Tato práce se zabývá možností rychlé analýzy fotbalového utkání z audio složky záznamu s možností využití některých metod také pro jiná než fotbalová utkání. Při úvodním zamyšlení bylo zaměřeno na detekci hvizdu píšťalky. Ten se ve spektru projevuje svým specifickým základním kmitočtem, který je mimo kmitočty běžné mluvy. Po odhadu harmonických kmitočtu, bylo zaměřeno na rozpoznání významu hvizdu. K této problematice bylo využito pana rozhodčího, který mne informoval o počtu druhů hvizdu a poskytl mi referenční vzorky pro klasifikaci hvizdu. Pro zjištění významu hvizdu bylo použito neuronové sítě s typem učení zpětné šíření. Dalším příznakem pro detekci významných okamžiků ze zápasu bylo zaměřeno na  základní tón komentátora. V případě, že komentátor zápas prožívá naplno tak s každou významnou akcí, která se v zápase odehraje, se automaticky zvyšuje také jeho základní tón promluvy. Dalším příznakem, na který bylo zaměřeno, je detekce zvýšeného základního tónu komentátorova hlasu. Významným okamžikem v zápase jsou také národní hymny týmu, které proti sobě hrají. Dalším příznakem pro analýzu je tedy detekce hymny. Pro získání příznaku z audio signálu bylo využito výhod melovských kepstrálních koeficientů (MFCC) z nich bylo získáno 20 koeficientů. Tyto koeficienty byly použity jako vstup pro klasifikátor založený na neuronové sítí s typem učení zpětné šíření. Pro snadné použití těchto metod bylo vytvořeno grafické uživatelské rozhraní s možností přehledného náhledu získaných výsledků a také s možností přehrání vybraného úseku. This work deals with the possibility of a fast football match analysis from audio part of record with the possibility of implementation of some methods for other than football matches as well. The first intention was concentrated on detection of whiz of the soccer whistle that has specific frequency in its specter, which is out of common speech frequency. After detection harmonic frequency , the attention was focused on the definition of whiz meaning. Referee was helpful with the issue as he informed me about the number of whiz styles and provided me with referential samples for whiz classification. Neural network with back propagation was used for definition of whiz meaning. Another subject for detection of important moments of the match was concentration on the commentator’s basic tone. In case the commentator is really excited with the match, his basic speech tone automatically intensifies with every important action of the game. Analysis of commentator’s intensified basic speech tone was realized in this work too. Also the national hymns of teams playing against each other are a significant moment of the match. That is why detection of a hymn became another subject of analysis. Advantages of MFCC were used to obtain audio signal feature, from which 20 coefficients were gained. These were used as an entrance for classifier based on neural network with back propagation. For easy usage of these methods a graphic user interface with possibility of well-arranged look on gained results and also with possibility of replaying chosen section was created.
Keywords: detection basic speech tone; football; Matlab; MFCC; Neural network; spectral analysis; autokorelace; detekce základního tónu; fotbal; Matlab; MFCC; neuronové sítě; spektrální analýza

Institution: Brno University of Technology (web)
Document availability information: Fulltext is available in the Brno University of Technology Digital Library.
Original record: http://hdl.handle.net/11012/10245

Permalink: http://www.nusl.cz/ntk/nusl-218104


The record appears in these collections:
Universities and colleges > Public universities > Brno University of Technology
Academic theses (ETDs) > Master’s theses