Track2 Idea Development : University of Seoul Public AI Competition

본 프로젝트는 K-리그 이벤트 데이터를 기반으로 패스 성공률, 세트피스 분석, 경기 흐름 파악을 수행하는 3가지 AI 모델을 구축하고, 이를 실시간 시각화 서비스로 구현한 통합 데이터 파이프라인입니다.

-데이터 전처리 및 표준화 socceraction 라이브러리를 활용해 K-리그 원천 데이터를 국제 표준 포맷인 SPADL로 변환하여 데이터 통일성을 확보했습니다. 또한 경기 위협도 모델 학습을 위해 경기장을 16x12 그리드로 이산화했습니다.

-다중 AI 모델링 서비스 목적에 특화된 3가지 모델을 유기적으로 결합했습니다.

패스 성공률: Scikit-learn의 로지스틱 회귀 모델을 통해 패스 좌표와 선수 포지션에 따른 성공 확률을 산출하고 확률 보정을 수행했습니다.

세트피스 가치 평가: XGBoost 분류기로 득점 및 실점 확률을 각각 예측하여, 프리킥과 코너킥 상황에서 해당 플레이가 득점에 기여한 가치, 즉 vaep 값을 정량화했습니다.

경기 위협도: 패스와 운반 이벤트의 전이 행렬을 분석하여, 볼 이동에 따른 기대 득점 변화량을 산출했습니다.

-서비스 구현 및 시각화

중계 전환 로직: 3분 단위로 전 구장의 평균 경기 위협도를 실시간 비교하여, 타 구장의 위협도가 임계치를 넘을 경우 알림을 발송하는 트리거 알고리즘을 구현했습니다.

영상 처리: OpenCV의 호모그래피 기술을 적용해 2D 분석 데이터를 실제 중계 화면에 히트맵과 궤적으로 매핑했으며, MoviePy를 통해 오디오 동기화를 수행하여 최종 결과물을 완성했습니다.