Análisis automático de los lanzamientos de falta en el ámbito futbolístico

Abstract

Este proyecto aborda la realización de análisis predictivos y estadísticos acerca de una acción técnica muy habitual en el ámbito futbolístico como son los lanzamientos de falta directa. Su punto de origen radica en la creación de una base de datos a partir de la recopilación de un conjunto de datos no estructurados como son los vídeos de dicho lance del juego. Tras un proceso de estudio y observación de los mismos, se obtienen unos datos estructurados organizados en tablas que forman el etiquetado de los atributos de los videos. Estos detallan características como la posición de la falta en el campo, la posición del jugador, el pie de golpeo, datos sobre la barrera, por donde entra el balón en la portería, por dónde se lanza el portero, etc. La obtención de los datos tabulares es crucial para el fin que se persigue que no es otro que el análisis estadístico y la predicción del resultado final de la acción aplicando un modelo de deep learning, apoyado en algoritmos de clasificación. Gracias a la información detallada que proporcionan las diferentes estadísticas y pronósticos recabados, se contribuye a la mejora de otros aspectos del análisis del fútbol, como la detección de patrones en los movimientos de los jugadores y la toma de decisiones técnicas y tácticas.

This project addresses the realization of predictive and statistical analysis concerning a technical and very common action of football such as direct free kicks. Its starting point lies in the creation of a database by collecting a set of non-structured data just as the videos of these game actions are. After the process of studying and observing these, structured data organized in tables is obtained which will become the labelling of the attributes of the videos. These detail characteristics such as the position of the foul in the field, the position of the player, the striking foot, data about the wall, the side of the goal to which the ball is directed, to where the goalkeeper launches, etc. Collecting these tabular data is crucial for achieving the purpose established which is not other than the statistical analysis and the prediction of the final outcome of the action applying a deep learning model, supported by classifying algorithms. Thanks to the detailed information that the different statistics and forecasts gathered will provide, a contribution is made to improving other aspects of football analysis, such as the detection of patterns in the movements of players and technical and tactical decision making.