COMPARTE ESTE PROYECTO

BasketballTracker

Seguimiento de balón y jugadores de baloncesto dentro de una cancha, durante un partido, para la creación de un dataset de movimientos.

De cara a mejorar el rendimiento de un equipo de baloncesto, es importante poder saber los movimientos de cada uno de los jugadores dentro de la pista y, en base a estos, determinar los tipos de jugada que ha realizado (tiros, pases, bloqueos, etc). Por eso, es de interés la construcción de un conjunto de datos de posiciones X e Y dentro de una cancha de baloncesto tanto de los jugadores como del balón.

Durante los años 2015 y 2016 la NBA instaló cámaras en los estadios de baloncesto para la recopilación y compartición de este tipo de datos. Llegado cierto momento dejó de difundirlos y el proyecto tomó un rumbo más comercial, sin embargo, los datos de aquella época siguen siendo estando disponibles [1][2].

En este proyecto nos gustaría replicar un proceso de toma de datos análogo y de bajo coste. Para ello, se pueden evaluar alternativas con dispositivos IoT para localización mediante radiofrecuencia (BT) [3][4], teniendo en cuenta el coste de estos sistemas y la potencial negativa del equipo visitante a su utilización. No obstante, preferiblemente se utilizarán tecnologías de análisis de imagen y de vídeo [5][6] para el seguimiento de los jugadores y del balón.

Por lo tanto, se pide:

  • Creación de un sistema de recogida de datos basado en IoT de bajo coste o análisis de imágenes de video (preferido) que genere datos análogos al sistema SportsVU.
  • Los datos estarán anotados con las posiciones X e Y de cada jugador dentro del campo en un momento determinado, con la resolución en segundos que se determine adecuada.
  • En caso de que la cámara no sea cenital sino lateral, será necesario realizar la transformación adecuada para tener posiciones en un campo de baloncesto ortogonal [5].
  • Asimismo, se incluirá la posición X e Y (e idealmente, Z) del balón.
  • Se identificará a los jugadores en base al color de su equipación e, idealmente, en base a su dorsal para saber quién es quién.
[1] https://github.com/sealneaward/nba-movement-data
[2] https://github.com/neilmj/BasketballData
[3] https://www.mdpi.com/1424-8220/18/6/1940
[4] https://www.computer.org/csdl/proceedings-article/icdmw/2017/3800a894/12OmNzV70CJ
[5] https://dev.to/stephan007/open-source-sports-video-analysis-using-maching-learning-2ag4
[6] https://www.kaggle.com/datasets/trainingdatapro/basketball-tracking-dataset


TOP