Broadcast analytics – an evaluation of video-based tracking systems with constrained player visibility
Notice bibliographique
Résumé
Advancements in recent years have enabled the generation of tracking data from broadcast videos. However, regardless of the quality of these systems, off-screen actions cannot be monitored since the athletes are not visible. The present study investigates the influence of player visibility in soccer broadcast videos on typical data analysis routines in soccer. To this end, we emulate broadcast player tracking data from two video sources (scouting feed, SF; broadcast television, TV) and compare the quality of physical and tactical performance metrics to the official player tracking data (GT) in two experiments. Experiment 1 analyzes the impact of player visibility on total distance and high-speed distance covered, while experiment 2 investigates its effect on tactical formation detection through template matching. The results show that overall 97% but less than 50% of player activity is visible in SF and TV, respectively. Experiment 1 indicates that visibility in SF and TV significantly affects the assessment of physical match intensity. Experiment 2 shows that SF visibility has no meaningful effect on formation recognition accuracy, while limited visibility in TV results in minor accuracy reductions. The findings suggest that while some tactical analysis can be reliably conducted using broadcast tracking data, physical metrics may be more susceptible to inaccuracies caused by missing data. Although data quality may be improved through interpolation of missing player trajectories, researchers and practitioners rely on transparency from data providers regarding their methods to assess the sufficiency of their data to the task at hand.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,006 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».