Developing an Algorithm for Analysing Passes in a Football Match using spatio-temporal data
Authors
Hansen, Jacob de Fønss Strømholt Gandrup ; Jørgensen, Morten Blegvad
Term
4. semester
Education
Publication year
2019
Submitted on
2019-06-06
Pages
45
Abstract
Analyse af præstationer i fodbold er vigtig for trænere. Moderne tracking-teknologier registrerer i dag store mængder spatio-temporale data, som viser, hvor spillere og bolden befinder sig over tid. Disse data kan afsløre taktiske og tekniske mønstre, men det kræver automatiske metoder at udtrække dem. Dette speciale udviklede og evaluerede en automatiseret algoritme, der opdager og klassificerer afleveringer ved hjælp af spatio-temporale trackingdata. Metoden bestod af flere trin: anvendelse af filtre til at reducere støj, procedurer til at finde afleveringsbegivenheder og klassificering af afleveringer efter længde og retning, kategorier som algoritmen kunne detektere. Data stammede fra én halvleg af en kamp i den danske Superliga, optaget med et optisk tracking-system (kameraer, der registrerer spillernes positioner over tid). De afleveringer, algoritmen fandt, blev sammenlignet med en ground truth oprettet af menneskelige observatører og opnåede en F-score på 0,80, et samlet mål for nøjagtighed, der kombinerer præcision og dækning. Konklusionen er, at metoden er et brugbart værktøj til at opdage afleveringer, men begrænsninger i både algoritmen og data bør adresseres i fremtidig forskning.
Analyzing performance in football matters to coaches. Modern tracking technologies now record large amounts of spatio-temporal data that show where players and the ball are over time. These data can reveal tactical and technical patterns, but automated methods are needed to extract them. This thesis developed and evaluated an automated algorithm that detects and classifies passes using spatio-temporal tracking data. The method included several steps: applying filters to reduce noise, procedures to detect pass events, and classifying passes by length and direction, categories that the algorithm could identify. The data came from one half of a Danish Superliga match recorded with an optical tracking system (cameras that capture player positions over time). The algorithm’s detected passes were compared with a ground truth created by human observers and achieved an F-score of 0.80, a combined measure of precision and recall. In conclusion, the method is a useful tool for pass detection, but limitations in the algorithm and the data should be addressed in future research.
[This abstract was generated with the help of AI]
Keywords
Documents