La ciencia de datos en el mundo del fútbol está avanzando a pasos agigantados en los últimos años, y los equipos más punteros ya disponen de equipos técnicos analíticos que trabajan con nuevas métricas para intentar optimizar el rendimiento del equipo. "A grandes rasgos, estas estadísticas provienen de datos de tracking de los jugadores, las cuales indican la posición de los jugadores en el campo para cada instante de tiempo. A partir del tracking se pueden construir modelos predictivos o agrupar jugadas similares a partir de patrones que se producen mediante la interacción de los jugadores en el campo", afirma Adrià Arbués, doctorando de la UPF en el Grupo de Investigación en Procesamiento de la Imagen (GPI) en el Departamento de Tecnologías de la Información y las Comunicaciones (DTIC) de la UPF.

Aún así, a estos modelos predictivos, algunos de ellos ya empleados actualmente, todavía les faltan algunas variables específicas que pueden afectar drásticamente el desenlace de la jugada, como la orientación del jugador. En la versión actual del fútbol, la orientación es una habilidad vital que deben dominar los jugadores para realizar / recibir un pase en condiciones y anticiparse a la defensa. Sin embargo, los datos de tracking no incluyen este tipo de información ya que aún no incorporan modelos de pose.

"Así pues, nuestra investigación reciente ha consistido en la creación de dos modelos: el primero encuentra la orientación de los jugadores en función de su posición corporal, y el segundo predice qué pasada tiene más / menos riesgo en un momento dado, gracias a la orientación de todos los jugadores", manifiesta Arbués.

Esta investigación la han llevado a cabo investigadores de la Universidad Pompeu Fabra y del FC Barcelona: Adrià Arbués Sangüesa, doctorando del GPI; Adrián Martín, miembro del grupo de investigación Image Processing for Enhanced Cinematography (IP4EC), Coloma Ballester y Gloria Haro, coordinadora y miembro del GPI, respectivamente, todos ellos en el (DTIC),  con Carlos Rodríguez  y Javier Fernández (FCB).

Cálculo de la orientación del cuerpo del jugador a partir la posición corporal

La primera parte de la investigación ha sido presentada en un artículo que ha sido recientemente aceptado en la International Conference on Image Processing (ICIP2020). En este trabajo los autores calculan la orientación de los jugadores a partir de su posición corporal; más concretamente, un modelo de posición llamado OpenPose y, mapeando aquellas partes correspondientes a la parte superior del torso (cadera y hombros) en un plano bidimensional, "podemos extraer un vector normal sobre el plano, que nos devolverá dicha orientación; en aquellos casos en los que no identificamos la cadera o los hombros, la posición de las partes faciales juega un rol importante", añade Arbués.

Conseguir una estimación de la orientación del jugador refinada

"La calidad de la imagen puede no ser la deseada en determinadas ocasiones, y aquellos jugadores que están lejos de la cámara tienen una resolución notablemente baja, por ello, intentamos refinar la estimación de la orientación de dos maneras: mediante un modelo de aprendizaje automático que nos dice si el jugador está de cara o de espaldas; compensando la orientación con la posición del  balón, dado que la mayoría de jugadores suelen estar ligeramente sesgados por la posición de este", sigue explicando Arbués, primer autor de los trabajos.

"Gracias a los datos que nos ha provisto el FC Barcelona, hemos podido comparar la orientación obtenida con nuestro método con datos reales de partido, captadas mediante el uso de sensores como wearable; nuestro método tiene un error mediano de menos de 30 grados", especifica Arbués.

¿Cuál es el pase más fiable en cada momento?

Dentro de la segunda parte de la investigación, los investigadores definen una nueva métrica que mide la viabilidad de los acontecimientos de paso; es decir, en un momento dado, cuando se está a punto de efectuar un pase, ¿qué jugador puede recibir el balón en mejores condiciones?

"Para contestar a esta pregunta, hemos combinado tres estimaciones independientes de viabilidad de paso, a partir de: (a) la distancia entre pasador y posibles receptores, (b) la presión defensiva sobre el pasador / receptor, y (c) la compatibilidad de orientaciones entre pasador y receptor, obtenida mediante una solución geométrica", explica Arbués.

Con ello, "Demostramos que esta última es la pieza o ingrediente clave para obtener el pase más probable en aquellos instantes de tiempo del partido. Para estimarla, hemos optado por una solución geométrica en la que se definen conos con el campo de visión de cada jugador (definida por la orientación) y se buscan potenciales intersecciones entre el cono del pasador y el de los posibles receptores", añade el primer autor de los trabajos.

Utilizando una base de datos de más de 6000 pasos, los resultados demuestran que el modelo es bastante robusto, ya que el 70% de las pasadas efectuadas están en el top 3 más viable según nuestro modelo y que la orientación es clave para la toma de decisiones en la mayoría de los casos (posición del jugador, zona del campo).

Trabajos de referencia:

• Adrià Arbués-Sangüesa, Adrián Martín, Javier Fernández, Carlos Rodríguez, Gloria Haro, Coloma Ballester  (2020), "Always Look on the Bright Side of the Field: Merging Pose and Contextual Data to Estimate Orientation of Soccer Players", accepted in the International Conference on Image Processing (ICIP 2020).
   
• Adrià Arbués-Sangüesa, Adrián Martín, Javier Fernández, Gloria Haro, Coloma Ballester  (2020), "Using Player's Body-Orientation to Model Pass Feasibility in Soccer", accepted in the Computer Vision in Sports Workshop (CVPR 2020).