基于计算机视觉的人工智能足球分析
计算机视觉与模式识别
2026-04-13 v1 人工智能
摘要
体育分析对于球队绩效至关重要，因为它提供可为教练决策、改进球员表现和增强团队战略提供可操作数据。为了从比赛影片中分析更复杂的特征，可使用计算机视觉模型来识别和跟踪场上的关键实体。我们提出使用目标检测和跟踪系统来预测球员在比赛期间的位置。为了将其转化为相对于场地尺寸的位置，我们使用点预测模型识别场地上的关键点，并将其与已知场地尺寸结合，以提取实际距离。对于球员识别模型，评估 YOLO 和 Faster R-CNN 等目标检测模型在我们的自定义视频影片上的准确性，使用多种不同的评估指标。目标是识别最佳模型用于对象识别，以获得与 SAM2（Segment Anything Model 2）用于分割和跟踪的最准确结果。对于关键点检测模型，我们使用 CNN 模型在足球场上找到一致的位置。通过单异质投影，摄像机视角中的点和对象的位置将转换为真实地面视角。通过单异质投影，将 SAM2 生成的球员掩码从摄像机视角转换为真实世界场坐标，无论摄像机角度或移动。转换后的真实世界坐标可用于计算有价值的战术洞察，包括球员速度、覆盖距离、位置热图以及更复杂的团队统计数据，为教练和球员提供此前从标准视频分析中无法获得的可操作绩效数据。
引用
@article{arxiv.2604.08722,
title = {AI Driven Soccer Analysis Using Computer Vision},
author = {Adrian Manchado and Tanner Cellio and Jonathan Keane and Yiyang Wang},
journal= {arXiv preprint arXiv:2604.08722},
year = {2026}
}