Use este identificador para citar ou linkar para este item: https://repositorio.unipampa.edu.br/jspui/handle/riu/3701
Tipo: Trabalho de Conclusão de Curso
Título: Detecção automática de eventos em partidas de futebol
Autor(es): Pinheiro, Tiago Furtado Drehmer
Primeiro Orientador: Thielo, Marcelo Resende
Resumo: Cada vez mais o mundo dos esportes tem se modernizado através do uso de novas tecnologias, no futebol não é diferente. A tecnologia contribui, por exemplo, no levantamento estatístico das equipes, o que as ajuda melhorar o desempenho tático, assim como o desempenho coletivo e individual dos atletas. O presente trabalho tem como objetivo desenvolver uma ferramenta para a realização do levantamento automatizado dessas informações, através da detecção de eventos em vídeo, nele é utilizado técnicas de aprendizado de máquina e visão computacional. Na área de aprendizado de máquina, técnicas como redes neurais convolucionais e k-means são utilizados para o reconhecimento e classificação de objetos. Na área de visão computacional, é proposto um novo método para a detecção de eventos, baseado em uma máquina de estados definida pelo posicionamento dos jogadores e da bola. Para se obter resultados para a ferramenta proposta, foram feitas diferentes formas de avaliações nela, afim de obter resultados para cada uma das técnicas propostas. Cabe destacar os resultados obtido pelo modelo de rede neural convolucional Faster R-CNN para identificação de objetos e a técnica proposta para classificação dos jogadores, que atingiram uma precisão a cima de 90%. Os resultados obtidos para detecção de eventos variam conforme o evento, para a detecção de passes por exemplo os resultados foram a cima de 90% porém para eventos mais difíceis como roubo de bola a precisão cai para cerca de 70%.
Abstract: Increasingly the world of sports has been modernized through the use of new technologies, in football is no different. The technology contributes, for example, to the statistical survey of the teams, which helps them to improve the tactical performance, as well as the collective and individual performance of the athletes. The present work aims to develop a tool to perform the automated collection of this information through the detection of video events, using machine learning techniques and computer vision. In the area of machine learning, techniques such as convolutional neural networks and k-means are used for the recognition and classification of objects. In the area of computer vision, a new method for event detection is proposed, based on a state machine defined by the positioning of the players and the ball. In order to obtain results for the proposed tool, different forms of evaluation were done in order to obtain results for each of the proposed techniques. It is worth noting the results obtained by the Faster R-CNN convolutional neural network model for object identification and the proposed technique for player classification, which reached a precision of over 90 %. The results obtained for event detection vary according to the event, for the detection of passes for example the results were over 90 % but for more difficult events such as stealing the ball accuracy drops to about 70 %.
Palavras-chave: Ciência da computação
Visão computacional
Detecção
Futebol
Computer science
Computer vision
Detection
Soccer
CNPq: CNPQ::CIENCIAS EXATAS E DA TERRA
Idioma: por
País: Brasil
Editor: Universidade Federal do Pampa
Sigla da Instituição: UNIPAMPA
Campus: Campus Alegrete
Citação: PINHEIRO, Tiago Furtado Drehmer. Detecção automática de eventos em partidas de futebol. Orientador: Marcelo Resende Thielo. 57 p. Trabalho de Conclusão de Curso (Graduação em Ciência da Computação) – Universidade Federal do Pampa, Campus Alegrete, Alegrete, 2018.
Tipo de Acesso: Acesso Aberto
URI: http://dspace.unipampa.edu.br:8080/jspui/handle/riu/3701
Data do documento: 4-Dez-2018
Aparece nas coleções:Ciência da Computação

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
Tiago Furtado Drehmer Pinheiro - 2018.pdf2.58 MBAdobe PDFVisualizar/Abrir


Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.