No hay deporte sin aficionados. Son ellos quienes aportan a los jugadores apoyo, confianza y motivación. Y, por supuesto, los aficionados crean fuentes de ingresos comprando entradas y artículos de merchandising. Por eso es crucial mantenerlos satisfechos y darles algo más que un buen rendimiento. Sin embargo, es muy fácil que los clubes dañen la lealtad de los aficionados.
Basta pensar en lo que ocurriría si los aficionados se quedaran fuera del estadio una vez comenzado el partido. Puede sonar extraño, pero es habitual. Imagina que los aficionados llegan intencionadamente con antelación, pero los sistemas de escaneo de entradas funcionan con demasiada lentitud, tienen fallos o incluso fallan. O tal vez la inspección manual de las entradas lleva demasiado tiempo. El partido ya está en marcha, pero cientos de aficionados siguen haciendo cola fuera del estadio. Esto puede arruinar la reputación de un club e incluso llevarle a perder fieles seguidores.
La visión por computador (computer vision, CV) puede ayudar a resolver éste y otros problemas para que los aficionados disfruten más del deporte y, por supuesto, para que los clubes obtengan ingresos. Profundicemos en los casos de uso de la visión por computador en el deporte y sus ejemplos reales.
Explicación de la visión por computador en el deporte
Para explicar cómo funciona la CV en la industria del deporte, volvamos a los retrasos en las entradas antes mencionados. Para ayudar a los aficionados a pasar rápidamente por las puertas, las empresas pueden sustituir el escaneado manual de entradas por plataformas de CV. Éstas no requieren la exhibición física de las entradas. Funcionan así:
Primero, el usuario sube a la plataforma una imagen de su cara y el número del código de barras de la entrada. Después, al entrar en el estadio, unos dispositivos especiales escanean la cara del aficionado. Gracias a la tecnología de reconocimiento facial basada en CV, el sistema compara la foto, analiza los rasgos faciales clave y reconoce a la persona. Una vez verificado, los aficionados pueden entrar en el estadio (un gran ejemplo de esta tecnología lo realiza la empresa Veridas).
En función de las necesidades de los equipos y clubes, la visión por ordenador en el deporte funciona según tres modelos básicos de autonomía:
- Inteligencia asistida: La CV realiza tareas básicas y sencillas, ayudando a los entrenadores o directivos a realizar su trabajo con mayor rapidez. Por ejemplo, puede contar el número de series y repeticiones que realiza un deportista durante una sesión de entrenamiento.
- Inteligencia aumentada: La CV realiza algunas tareas, lo que se traduce en una mayor eficacia y precisión. Pensemos en el seguimiento de pelotas en el tenis. La visión por ordenador sigue la trayectoria de la pelota cada segundo. Esto ayuda a los jueces de línea a determinar con precisión si la pelota aterrizó dentro o fuera de los límites durante el partido. El resultado es un ahorro de tiempo en el procesamiento manual y un arbitraje 100% justo.
- Inteligencia autónoma: La CV realiza tareas de forma independiente y puede tomar decisiones de forma autónoma. Un ejemplo es el entrenamiento deportivo totalmente automatizado. Las herramientas basadas en la CV monitorizan a un atleta durante el ejercicio y le proporcionan planes para mejorar su rendimiento. Estas soluciones pueden sustituir a los entrenadores durante los entrenamientos de resistencia.
La visión por computador en el deporte está en pleno auge, y muchos clubes ya se han beneficiado de ella. Los analistas predicen que la CV en el mercado deportivo no hará más que crecer.
Veamos tres casos de uso de la visión por computador en el deporte y sus ejemplos reales.
Caso 1. Visión por computador para el seguimiento de jugadores
Las lesiones pueden costarle la carrera a un deportista y mucho dinero a un club deportivo. Consideremos algunos datos: cada equipo de la Premier League inglesa (EPL) pierde una media de 50 millones de euros por temporada debido a la disminución del rendimiento relacionada con las lesiones. Además, se gastan más de 300 millones de euros en salarios para deportistas lesionados. ¡Y eso sólo en una temporada!
En este caso, la responsabilidad recae sobre los hombros del entrenador. Durante el entrenamiento, el entrenador tiene que vigilar a cada jugador. Si un deportista realiza movimientos peligrosos que pueden provocar una lesión, el entrenador debe darse cuenta y corregirlos a tiempo.
¿Cómo podemos cambiar las cosas? La visión por computador para el seguimiento del cuerpo puede intervenir. Ayuda a detectar la posición del jugador en un momento dado.
Con ese conocimiento, los entrenadores no sólo pueden evitar lesiones, sino también ver dónde tienen que mejorar sus jugadores. También pueden desarrollar tácticas y estrategias de juego eficaces.
Ejemplo de la vida real: Seguimiento de deportistas en tiempo real para mejorar el rendimiento
Sentio Sports ha desarrollado un sistema de seguimiento para jugadores de fútbol. Utiliza algoritmos de visión por computador y aprendizaje automático para seguir los movimientos de los atletas. La solución ayuda a los entrenadores a mejorar el rendimiento de los jugadores y a identificar posibles factores de riesgo de lesiones. El sistema realiza un seguimiento del rendimiento de los jugadores y del equipo y proporciona información en tiempo real.
Un equipo de fútbol ha implantado el sistema Sentio en sus sesiones de entrenamiento. Querían reducir el número de lesiones entre sus jugadores y recortar así los gastos mensuales de recuperación. Además, el club quería mejorar el rendimiento de cada miembro del equipo.
Ahora pueden gestionar mejor la carga de trabajo de cada jugador y ajustarla para lograr resultados aún mejores. El club también puede predecir cuánto ejercicio pueden hacer sus atletas sin poner en riesgo su salud y cuándo necesitan descansar y recuperarse. El equipo utiliza actualmente el sistema durante todas sus competiciones.
Beneficios
- Prevención de lesiones mediante la identificación de riesgos potenciales.
- Mejora del rendimiento de los atletas ajustando las cargas de trabajo individuales.
Caso práctico 2. Visión por computador para la analítica deportiva
Comprar nuevos jugadores e integrarlos en un equipo es costoso. Por eso los entrenadores ponen mucho empeño en encontrar a su próxima estrella. Se preguntan si un nuevo fichaje merece la inversión y si un nuevo miembro del equipo recuperará los gastos consiguiendo más victorias.
Para responder a estas preguntas, los entrenadores llevan a cabo una investigación exhaustiva. En primer lugar, seleccionan un grupo de posibles candidatos. A continuación, observan y evalúan su rendimiento actual. Esto incluye sus habilidades y capacidades a nivel técnico, táctico y físico. También predicen el rendimiento futuro del jugador y su compatibilidad con otros futbolistas.
No hace mucho, los clubes tenían que analizar manualmente el número de goles marcados, el estilo de juego y los datos de las jugadas para evaluar a un jugador.
Las plataformas de análisis de vídeo deportivo por visión computerizada pueden ser útiles en este caso. Estos sistemas analizan cualquier partido grabado sin necesidad de cámaras en el estadio. Identifican la posición de un jugador y cada uno de sus movimientos. A partir de estos datos, el CV proporciona información en tiempo real sobre el estilo, las habilidades y la forma física del jugador. Como resultado, los entrenadores pueden tomar decisiones informadas sobre si merece la pena comprar a ese jugador.
Ejemplo de la vida real: Predecir el rendimiento futuro de los jugadores para facilitar su contratación
Una empresa tecnológica, STATS, diseñó una plataforma de análisis deportivo basada en la tecnología de reconocimiento corporal por visión computerizada. Denominada AutoStats, identifica directamente los movimientos de los jugadores, las trayectorias del balón, los tiros y los pases en las retransmisiones de vídeo. A continuación, estos datos se convierten en un resumen de la técnica de cada jugador. Los entrenadores pueden analizarla para seleccionar a los atletas más fuertes y crear un catálogo de jugadores que facilite su contratación.
Orlando Magic, un equipo de la NBA, probó AutoStats para alcanzar nuevas cotas. Su objetivo era recopilar datos más objetivos sobre los jugadores, encontrar nuevas estrellas de la NBA y crear estrategias de equipo eficaces. Antes, los entrenadores tenían que visitar cada partido, recopilando y registrando todos los datos manualmente.
Con AutoStats, el club puede obtener descripciones detalladas de los jugadores, incluidos sus puntos fuertes y débiles. Basándose en estos datos, Magic seleccionó a un nuevo escolta que les aportó siete victorias y hizo avanzar al club en la clasificación de la liga.
Ventajas
- Comprensión del rendimiento de los jugadores a nivel granular.
- Conseguir jugadores estrella que recuperen los gastos.
- Mejorar el rendimiento deportivo analizando los movimientos de los jugadores, las estrategias y tácticas de los equipos y las condiciones de juego.
Caso práctico 3. Visión por computador para detectar y seguir balones
Recientemente, la NBA revisó 26.000 jugadas de 1.500 partidos que tuvieron lugar a lo largo de tres años. Los árbitros no pitaron o pitaron incorrectamente casi 2.200 jugadas, es decir, alrededor del 10% de todas las jugadas revisadas. Para las franquicias, esto puede suponer enormes pérdidas económicas. Cuando un equipo pierde, recibe menos fondos. También puede hacer que un club pierda aficionados decepcionados por un juicio injusto.
Los sistemas de seguimiento por visión computerizada resultan muy útiles para este fin. Se centran en varios objetos de la imagen similares a la forma y el tamaño del balón. A continuación, definen la trayectoria del balón a través de los distintos ángulos de la cámara. Como resultado, la visión por ordenador puede detectar con precisión si la pelota ha caído dentro o fuera de los límites del campo durante el partido.
Ejemplo de la vida real: Detección de pelotas de tenis para juzgar la línea con precisión
En 2001, Hawk-Eye Innovations Ltd creó la tecnología de seguimiento de pelotas Hawk-Eye. Su objetivo era ayudar a los jueces de línea a tomar siempre la decisión correcta. La solución es un sistema que sigue la trayectoria del balón desde diferentes ángulos. Se basa en una red de 10 cámaras colocadas alrededor de la pista. Captan 60 imágenes de alta resolución por segundo. A continuación, un sistema informático centralizado procesa rápidamente las imágenes y calcula una representación tridimensional exacta de la trayectoria del balón.
En la actualidad, la empresa trabaja con 23 de las 25 principales ligas y federaciones deportivas del mundo. La tecnología se utilizó en Wimbledon 2022 para mejorar la fiabilidad de los jueces de línea. Tras el torneo, los analistas de Wimbledon concluyeron que el uso de Hawk-Eye les ayudó a corregir hasta cuatro errores cometidos por los jueces de línea por set. También redujeron el número de personas en la pista, dejando sólo a los jugadores y a un juez de línea.
Ventajas
- Lograr un arbitraje justo mediante el seguimiento de las trayectorias de la pelota.
- Atraer a más espectadores al ofrecer un 100% de transparencia.
