EFPI：基于模板匹配与线性分配的足球（足球）弹性形成与位置识别
机器学习
2025-07-01 v1
摘要
理解球队阵型和球员位置是足球（足球）战术分析的关键。本文提出了一种灵活的方法，用于足球中的阵型识别和球员位置分配，称为 EFPI。该方法利用预定义的静态阵型模板和基于时空跟踪数据的代价最小化来实现。我们的做法采用线性求和分配以在一组模板阵型中最优匹配球员位置，通过最小化实际球员位置与模板位置之间的总距离来实现匹配，随后选择代价最低的阵型。为提高准确度，我们将实际球员位置按模板在宽度和长度上的尺寸进行比例缩放。虽然该方法在单个帧上效果良好，但它自然可扩展到更大的游戏段落，如完整的比赛时段、possession 序列或特定时间区间（例如 10 秒区间、5 分钟区间等）。此外，我们还包含一个可选的稳定性参数，用于防止在时间段之间的分配代价仅有细微差异时不必要的阵型变更。EFPI 通过 unravelsports Python 包提供为开源代码。
引用
@article{arxiv.2506.23843,
title = {EFPI: Elastic Formation and Position Identification in Football (Soccer) using Template Matching and Linear Assignment},
author = {Joris Bekkers},
journal= {arXiv preprint arXiv:2506.23843},
year = {2025}
}