基于Possession Path推断的无球足球事件检测框架：PathCRF
机器学习
2026-02-13 v1
摘要
尽管近期的人工智能进展显著，但足球赛事数据收集仍严重依赖高成本的人工标注。虽然先前的工作尝试仅凭球员和球轨迹进行自动事件检测，但球迹跟踪因其高基础设施和运营成本而难以规模化。因此，足球领域的综合数据收集主要局限于顶级赛事，限制了该领域更广泛的数据驱动分析的普及。为此，本文提出PathCRF——一个仅使用球员跟踪数据即可检测盘球足球事件的框架。我们将球员轨迹建模为完全连接的动态图，并将事件检测形式化为在每个时间步选择恰好一条对应当前掌控状态的边。为确保生成边序列的逻辑一致性，我们采用条件随机场（CRF）以禁止连续边之间的不可能转换。观测边嵌入由基于集合注意力的骨干网络动态计算发射分数和转换分数。在推断阶段，通过 Viterbi 解码获得最可能的边序列，当选定边在相邻时间步间变化时，即检测到球控或传球等事件。实验表明，PathCRF 能产生准确且逻辑一致的掌控路径，使下游分析可靠地进行，同时大幅降低对人工事件标注的需求。该项目源码已公开于 https://github.com/hyunsungkim-ds/pathcrf.git。
引用
@article{arxiv.2602.12080,
title = {PathCRF: Ball-Free Soccer Event Detection via Possession Path Inference from Player Trajectories},
author = {Hyunsung Kim and Kunhee Lee and Sangwoo Seo and Sang-Ki Ko and Jinsung Yoon and Chanyoung Park},
journal= {arXiv preprint arXiv:2602.12080},
year = {2026}
}