Análisis de fútbol con visión por computador

Qué hace

Coge un vídeo de un partido y saca tres cosas: dónde está cada jugador, de qué equipo es, y cuánto y cómo se movió. Sobre eso construye mapas de calor de posición y estadísticas de distancia y velocidad.

Lo que de verdad tiene mérito, y lo que no

Lo interesante del proyecto es la homografía. Una cámara de fútbol no mira el campo desde arriba ni desde un ángulo constante: mira desde una tribuna. Para pasar de píxeles a metros hay que estimar la transformación entre el plano de la imagen y el plano del campo, y para eso hacen falta puntos de referencia reconocibles.

Entrené un detector de esos puntos porque los modelos genéricos no distinguen las líneas de un campo de fútbol de cualquier otra línea. Con la homografía resuelta, la distancia recorrida y la velocidad pasan a ser metros y metros por segundo en lugar de píxeles.

Lo que no tiene mérito es presentarlo como un sistema. Son cuadernos: la detección está resuelta, la ingeniería alrededor no existe, y no hay una sola métrica que pueda enseñar. Un modelo que no se puede reentrenar porque los pesos no están en el repositorio no es reproducible, es una captura de pantalla con código.

Lo que aprendí

Que en visión por computador el 80 % del trabajo es preparar los datos y el 20 % es el modelo, y que ese reparto no se ve en los tutoriales porque los tutoriales empiezan con el conjunto de datos ya preparado.

Y que un proyecto de portfolio sin números no convence, por bueno que sea el resultado visual. Este lo tengo en el portfolio precisamente por eso: muestra qué sé hacer y muestra, sin adornos, hasta dónde llegué.