Detección en tiempo real de offside en partidos de fútbol
- Autores
- Cadaval, Matías Ezequiel; Noli Villar, Juan Ignacio
- Año de publicación
- 2023
- Idioma
- español castellano
- Tipo de recurso
- tesis de grado
- Estado
- versión publicada
- Colaborador/a o director/a de tesis
- Acevedo, Daniel Germán
- Descripción
- La detección de offside es uno de los problemas de decisión más recurrentes y controversiales en el fútbol. Un jugador está en offside cuando su cabeza, tronco o pierna (pie incluido) se encuentran, total o parcialmente, en la mitad del terreno de juego adversario (excluyendo la línea central) y más cerca de la línea de meta contraria que el balón y el penúltimo adversario. De acuerdo a una investigación realizada por la Professional Game Match Officials (PGMO) en el a ̃no 2017, sobre datos de la Premier League (primera división del fútbol inglés), los ́árbitros asistentes toman en promedio 45 decisiones por partido exclusivamente sobre acciones de offside. El ojo humano ha demostrado no ser un medio preciso para juzgar dichas situaciones, e históricamente se ha convivido con fallos arbitrales, que en muchos casos cambian drásticamente el resultado de los partidos. Es por ello que en los últimos años se ha comenzado a incorporar tecnología para asistir a los árbitros y evitar fallos incorrectos. Sin embargo, como se puede ver en las transmisiones de la actualidad, el uso del VAR (Video Assistant Referee) resulta lento y requiere en gran medida intervención manual, afectando la dinámica del juego. Resulta interesante poder hallar métodos automatizados que permitan resolver la detección de offside de manera más rápida y precisa. En este trabajo se presenta un algoritmo semiautomático que utiliza técnicas de visión en computadora y procesamiento de imágenes para trazar la línea de offside y determinar si hay uno o más jugadores en posición fuera de juego. Se utilizan diversas técnicas como la transformada de Hough, la detección de bordes de Canny, operaciones morfológicas, algoritmos de agrupamiento, segmentación mediante grafo de componentes conexas, sustracción de fondo, entre otras. Los resultados de los experimentos realizados permiten comprender la complejidad de problema y todas las variables a considerar para su correcto análisis, como así también la efectividad de las soluciones propuestas.
Fil: Cadaval, Matías Ezequiel. Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales; Argentina.
Fil: Noli Villar, Juan Ignacio. Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales; Argentina. - Materia
-
FUTBOL
DETECCION DE OFFISDE
TIEMPO REAL
VISION EN COMPUTADORA
PROCESAMIENTO DE IMAGENES
OPERACIONES MORFOLOGICAS
OPTICAS CANNY
HOUGH
SUSTRACCION DE FONDO
K-MEANS
BSAS
OTSU - Nivel de accesibilidad
- acceso abierto
- Condiciones de uso
- https://creativecommons.org/licenses/by-nc-sa/2.5/ar
- Repositorio
- Institución
- Universidad Nacional de Buenos Aires. Facultad de Ciencias Exactas y Naturales
- OAI Identificador
- seminario:seminario_nCOM000538_CadavalNoliVillar
Ver los metadatos del registro completo
id |
BDUBAFCEN_eed3d003d6f8135af76aa33ef64c5c8f |
---|---|
oai_identifier_str |
seminario:seminario_nCOM000538_CadavalNoliVillar |
network_acronym_str |
BDUBAFCEN |
repository_id_str |
1896 |
network_name_str |
Biblioteca Digital (UBA-FCEN) |
spelling |
Detección en tiempo real de offside en partidos de fútbolCadaval, Matías EzequielNoli Villar, Juan IgnacioFUTBOLDETECCION DE OFFISDETIEMPO REALVISION EN COMPUTADORAPROCESAMIENTO DE IMAGENESOPERACIONES MORFOLOGICASOPTICAS CANNYHOUGHSUSTRACCION DE FONDOK-MEANSBSASOTSULa detección de offside es uno de los problemas de decisión más recurrentes y controversiales en el fútbol. Un jugador está en offside cuando su cabeza, tronco o pierna (pie incluido) se encuentran, total o parcialmente, en la mitad del terreno de juego adversario (excluyendo la línea central) y más cerca de la línea de meta contraria que el balón y el penúltimo adversario. De acuerdo a una investigación realizada por la Professional Game Match Officials (PGMO) en el a ̃no 2017, sobre datos de la Premier League (primera división del fútbol inglés), los ́árbitros asistentes toman en promedio 45 decisiones por partido exclusivamente sobre acciones de offside. El ojo humano ha demostrado no ser un medio preciso para juzgar dichas situaciones, e históricamente se ha convivido con fallos arbitrales, que en muchos casos cambian drásticamente el resultado de los partidos. Es por ello que en los últimos años se ha comenzado a incorporar tecnología para asistir a los árbitros y evitar fallos incorrectos. Sin embargo, como se puede ver en las transmisiones de la actualidad, el uso del VAR (Video Assistant Referee) resulta lento y requiere en gran medida intervención manual, afectando la dinámica del juego. Resulta interesante poder hallar métodos automatizados que permitan resolver la detección de offside de manera más rápida y precisa. En este trabajo se presenta un algoritmo semiautomático que utiliza técnicas de visión en computadora y procesamiento de imágenes para trazar la línea de offside y determinar si hay uno o más jugadores en posición fuera de juego. Se utilizan diversas técnicas como la transformada de Hough, la detección de bordes de Canny, operaciones morfológicas, algoritmos de agrupamiento, segmentación mediante grafo de componentes conexas, sustracción de fondo, entre otras. Los resultados de los experimentos realizados permiten comprender la complejidad de problema y todas las variables a considerar para su correcto análisis, como así también la efectividad de las soluciones propuestas.Fil: Cadaval, Matías Ezequiel. Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales; Argentina.Fil: Noli Villar, Juan Ignacio. Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales; Argentina.Universidad de Buenos Aires. Facultad de Ciencias Exactas y NaturalesAcevedo, Daniel Germán2023info:eu-repo/semantics/bachelorThesisinfo:eu-repo/semantics/publishedVersionhttp://purl.org/coar/resource_type/c_7a1finfo:ar-repo/semantics/tesisDeGradoapplication/pdfhttps://hdl.handle.net/20.500.12110/seminario_nCOM000538_CadavalNoliVillarspainfo:eu-repo/semantics/openAccesshttps://creativecommons.org/licenses/by-nc-sa/2.5/arreponame:Biblioteca Digital (UBA-FCEN)instname:Universidad Nacional de Buenos Aires. Facultad de Ciencias Exactas y Naturalesinstacron:UBA-FCEN2025-09-29T13:43:40Zseminario:seminario_nCOM000538_CadavalNoliVillarInstitucionalhttps://digital.bl.fcen.uba.ar/Universidad públicaNo correspondehttps://digital.bl.fcen.uba.ar/cgi-bin/oaiserver.cgiana@bl.fcen.uba.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:18962025-09-29 13:43:41.825Biblioteca Digital (UBA-FCEN) - Universidad Nacional de Buenos Aires. Facultad de Ciencias Exactas y Naturalesfalse |
dc.title.none.fl_str_mv |
Detección en tiempo real de offside en partidos de fútbol |
title |
Detección en tiempo real de offside en partidos de fútbol |
spellingShingle |
Detección en tiempo real de offside en partidos de fútbol Cadaval, Matías Ezequiel FUTBOL DETECCION DE OFFISDE TIEMPO REAL VISION EN COMPUTADORA PROCESAMIENTO DE IMAGENES OPERACIONES MORFOLOGICAS OPTICAS CANNY HOUGH SUSTRACCION DE FONDO K-MEANS BSAS OTSU |
title_short |
Detección en tiempo real de offside en partidos de fútbol |
title_full |
Detección en tiempo real de offside en partidos de fútbol |
title_fullStr |
Detección en tiempo real de offside en partidos de fútbol |
title_full_unstemmed |
Detección en tiempo real de offside en partidos de fútbol |
title_sort |
Detección en tiempo real de offside en partidos de fútbol |
dc.creator.none.fl_str_mv |
Cadaval, Matías Ezequiel Noli Villar, Juan Ignacio |
author |
Cadaval, Matías Ezequiel |
author_facet |
Cadaval, Matías Ezequiel Noli Villar, Juan Ignacio |
author_role |
author |
author2 |
Noli Villar, Juan Ignacio |
author2_role |
author |
dc.contributor.none.fl_str_mv |
Acevedo, Daniel Germán |
dc.subject.none.fl_str_mv |
FUTBOL DETECCION DE OFFISDE TIEMPO REAL VISION EN COMPUTADORA PROCESAMIENTO DE IMAGENES OPERACIONES MORFOLOGICAS OPTICAS CANNY HOUGH SUSTRACCION DE FONDO K-MEANS BSAS OTSU |
topic |
FUTBOL DETECCION DE OFFISDE TIEMPO REAL VISION EN COMPUTADORA PROCESAMIENTO DE IMAGENES OPERACIONES MORFOLOGICAS OPTICAS CANNY HOUGH SUSTRACCION DE FONDO K-MEANS BSAS OTSU |
dc.description.none.fl_txt_mv |
La detección de offside es uno de los problemas de decisión más recurrentes y controversiales en el fútbol. Un jugador está en offside cuando su cabeza, tronco o pierna (pie incluido) se encuentran, total o parcialmente, en la mitad del terreno de juego adversario (excluyendo la línea central) y más cerca de la línea de meta contraria que el balón y el penúltimo adversario. De acuerdo a una investigación realizada por la Professional Game Match Officials (PGMO) en el a ̃no 2017, sobre datos de la Premier League (primera división del fútbol inglés), los ́árbitros asistentes toman en promedio 45 decisiones por partido exclusivamente sobre acciones de offside. El ojo humano ha demostrado no ser un medio preciso para juzgar dichas situaciones, e históricamente se ha convivido con fallos arbitrales, que en muchos casos cambian drásticamente el resultado de los partidos. Es por ello que en los últimos años se ha comenzado a incorporar tecnología para asistir a los árbitros y evitar fallos incorrectos. Sin embargo, como se puede ver en las transmisiones de la actualidad, el uso del VAR (Video Assistant Referee) resulta lento y requiere en gran medida intervención manual, afectando la dinámica del juego. Resulta interesante poder hallar métodos automatizados que permitan resolver la detección de offside de manera más rápida y precisa. En este trabajo se presenta un algoritmo semiautomático que utiliza técnicas de visión en computadora y procesamiento de imágenes para trazar la línea de offside y determinar si hay uno o más jugadores en posición fuera de juego. Se utilizan diversas técnicas como la transformada de Hough, la detección de bordes de Canny, operaciones morfológicas, algoritmos de agrupamiento, segmentación mediante grafo de componentes conexas, sustracción de fondo, entre otras. Los resultados de los experimentos realizados permiten comprender la complejidad de problema y todas las variables a considerar para su correcto análisis, como así también la efectividad de las soluciones propuestas. Fil: Cadaval, Matías Ezequiel. Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales; Argentina. Fil: Noli Villar, Juan Ignacio. Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales; Argentina. |
description |
La detección de offside es uno de los problemas de decisión más recurrentes y controversiales en el fútbol. Un jugador está en offside cuando su cabeza, tronco o pierna (pie incluido) se encuentran, total o parcialmente, en la mitad del terreno de juego adversario (excluyendo la línea central) y más cerca de la línea de meta contraria que el balón y el penúltimo adversario. De acuerdo a una investigación realizada por la Professional Game Match Officials (PGMO) en el a ̃no 2017, sobre datos de la Premier League (primera división del fútbol inglés), los ́árbitros asistentes toman en promedio 45 decisiones por partido exclusivamente sobre acciones de offside. El ojo humano ha demostrado no ser un medio preciso para juzgar dichas situaciones, e históricamente se ha convivido con fallos arbitrales, que en muchos casos cambian drásticamente el resultado de los partidos. Es por ello que en los últimos años se ha comenzado a incorporar tecnología para asistir a los árbitros y evitar fallos incorrectos. Sin embargo, como se puede ver en las transmisiones de la actualidad, el uso del VAR (Video Assistant Referee) resulta lento y requiere en gran medida intervención manual, afectando la dinámica del juego. Resulta interesante poder hallar métodos automatizados que permitan resolver la detección de offside de manera más rápida y precisa. En este trabajo se presenta un algoritmo semiautomático que utiliza técnicas de visión en computadora y procesamiento de imágenes para trazar la línea de offside y determinar si hay uno o más jugadores en posición fuera de juego. Se utilizan diversas técnicas como la transformada de Hough, la detección de bordes de Canny, operaciones morfológicas, algoritmos de agrupamiento, segmentación mediante grafo de componentes conexas, sustracción de fondo, entre otras. Los resultados de los experimentos realizados permiten comprender la complejidad de problema y todas las variables a considerar para su correcto análisis, como así también la efectividad de las soluciones propuestas. |
publishDate |
2023 |
dc.date.none.fl_str_mv |
2023 |
dc.type.none.fl_str_mv |
info:eu-repo/semantics/bachelorThesis info:eu-repo/semantics/publishedVersion http://purl.org/coar/resource_type/c_7a1f info:ar-repo/semantics/tesisDeGrado |
format |
bachelorThesis |
status_str |
publishedVersion |
dc.identifier.none.fl_str_mv |
https://hdl.handle.net/20.500.12110/seminario_nCOM000538_CadavalNoliVillar |
url |
https://hdl.handle.net/20.500.12110/seminario_nCOM000538_CadavalNoliVillar |
dc.language.none.fl_str_mv |
spa |
language |
spa |
dc.rights.none.fl_str_mv |
info:eu-repo/semantics/openAccess https://creativecommons.org/licenses/by-nc-sa/2.5/ar |
eu_rights_str_mv |
openAccess |
rights_invalid_str_mv |
https://creativecommons.org/licenses/by-nc-sa/2.5/ar |
dc.format.none.fl_str_mv |
application/pdf |
dc.publisher.none.fl_str_mv |
Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales |
publisher.none.fl_str_mv |
Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales |
dc.source.none.fl_str_mv |
reponame:Biblioteca Digital (UBA-FCEN) instname:Universidad Nacional de Buenos Aires. Facultad de Ciencias Exactas y Naturales instacron:UBA-FCEN |
reponame_str |
Biblioteca Digital (UBA-FCEN) |
collection |
Biblioteca Digital (UBA-FCEN) |
instname_str |
Universidad Nacional de Buenos Aires. Facultad de Ciencias Exactas y Naturales |
instacron_str |
UBA-FCEN |
institution |
UBA-FCEN |
repository.name.fl_str_mv |
Biblioteca Digital (UBA-FCEN) - Universidad Nacional de Buenos Aires. Facultad de Ciencias Exactas y Naturales |
repository.mail.fl_str_mv |
ana@bl.fcen.uba.ar |
_version_ |
1844618757868093440 |
score |
13.070432 |