CO-DESIGN E IMPLEMENTAÇÃO DE MÉTRICAS TÁTICAS E TÉCNICAS DO FUTEBOL: UMA ABORDAGEM POR VISÃO COMPUTACIONAL

Abstract

O futebol representa um fenômeno de destaque no cenário esportivo, exercendo uma significativa influência no Brasil. Nesse contexto, há amplas oportunidades para a exploração de inovações durante sua prática e análise. O desenvolvimento de novas abordagens para avaliar o futebol tem conquistado espaço no mercado, impulsionando a tecnologia a desempenhar um papel crucial na forma como o jogo é estudado e jogado. Entre as tecnologias preponderantes nesse domínio, destacam-se a Visão Computacional e a Ciência de Dados, ambas voltadas para a captação, extração e análise de informações durante as partidas. Esse enfoque permite às equipes analisar e estudar diversos aspectos do jogo, como jogadas específicas e comportamentos individuais de jogadores, de acordo com as necessidades particulares de cada equipe. Assim, emergem diversas inteligências, contribuindo para a evolução e aprimoramento do futebol, um esporte amplamente popular e admirado. A utilização dessas tecnologias permite a construção de algoritmos próprios visando a análise de métricas que constituem uma partida de futebol. Dessa forma, a visão computacional extrai as informações brutas, como o posicionamento dos jogadores em campo, e a ciência de dados transforma essas informações em material de aplicação para os times. Ao longo dessa pesquisa foram desenvolvidos algoritmos responsáveis por analisar duas métricas relacionadas ao futebol: compactação e ruptura. A construção desses códigos teve como objetivo detectar jogadores específicos em instantes importantes dentro de uma partida. Eles foram desenvolvidos utilizando métodos de Co-Design e ágeis, com a realização de sprints semanais garantindo a evolução constante dos códigos. Para a análise de desempenho desse código, foi necessário alinhar a opinião de especialistas em conjunto com testes visuais que fizeram uso de imagens geradas de acordo com as coordenadas dos jogadores. O algoritmo de compactação apresentou resultados satisfatórios, no melhor caso acertando 64% dos casos e o algoritmo de ruptura teve um índice de acerto, no melhor caso, de 82,9%. Esses resultados traduzem um bom funcionamento dos algoritmo, mas englobam também a ideia de que não se constrói tecnologia sem uma análise manual mais aprofundada.

Football represents a prominent phenomenon in the sports scene, exerting significant influence in Brazil. In this context, there are ample opportunities for the exploration of innovations during its practice and analysis. The development of new approaches to evaluate football has gained ground in the market, driving technology to play a crucial role in how the game is studied and played. Among the predominant technologies in this domain are Computer Vision and Data Science, both focused on capturing, extracting, and analyzing information during matches. This approach allows teams to analyze and study various aspects of the game, such as specific plays and individual player behaviors, according to each team’s particular needs. Thus, various intelligences emerge, contributing to the evolution and improvement of football, a widely popular and admired sport. The use of these technologies enables the construction of custom algorithms aimed at analyzing metrics that constitute a football match. Thus, computer vision extracts raw information, such as player positioning on the field, and data science transforms this information into actionable material for the teams. Throughout this research, algorithms were developed to analyze two metrics related to football: compression and rupture. The construction of these codes aimed to detect specific players at important moments within a match. They were developed using Co-Design and agile methods, with weekly sprints ensuring the constant evolution of the codes. To analyze the performance of this code, it was necessary to align the opinion of experts together with visual tests that made use of images generated according to the players’ coordinates. The compression algorithm presented satisfactory results, in the best case correctly identifying 64% of cases, and the rupture algorithm had an accuracy rate, in the best case, of 82.9%. These results reflect a good functioning of the algorithms, but also encompass the idea that technology is not built without a more in-depth manual analysis.