Reconocimiento automático de jugadas de baloncesto
Summary
No summary yet. VIRAT can read this paper and write a plain-language summary of its aim, methods, key findings and limitations.
Summarise with VIRAT Free to try with your Science Catalogs account.Abstract
En el ámbito del baloncesto, los diagramas tácticos son una herramienta fundamental utilizada por entrenadores de todos los niveles, desde categorías base hasta equipos profesionales, tanto para la formación y el diseño de estrategias como para la toma de decisiones rápidas durante los partidos. La inteligencia artificial está transformando numerosos sectores mediante la automatización de tareas complejas. En este contexto, la aplicación de estas tecnologías al análisis deportivo ofrece nuevas oportunidades para la digitalización y el estudio del juego. Estos diagramas representan situaciones de juego mediante símbolos sencillos, tales como círculos (jugadores atacantes), cruces o equis (jugadores defensores) y flechas, que se utilizan para representar acciones que pueden tener lugar en una jugada, como movimientos, pases o desplazamientos con balón (dribbling). La interpretación automática de este tipo de representaciones gráficas, a menudo realizadas a mano alzada, plantea un reto interesante desde el punto de vista de la visión por computador, debido a la variabilidad en el estilo de dibujo, el ruido presente en las imágenes y la similitud visual entre algunos de los elementos. En este trabajo se ha desarrollado un sistema capaz de reconocer y clasificar automáticamente estos elementos para facilitar el análisis de la jugada y la digitalización de diagramas hechos a mano. Para ello, se utilizan herramientas de visión por computador para la detección de figuras y se ha implementado una Red Neuronal Convolucional (CNN) capaz de clasificar con precisión los diferentes elementos que pueden aparecer en una jugada. ABSTRACT In basketball, tactical diagrams are a fundamental tool used by coaches at all levels, from youth categories to professional teams, both for training and strategy design as well as for quick decision-making during games. Artificial Intelligence is transforming numerous sectors through the automation of complex tasks. In this context, the application of these technologies to sports analysis offers new opportunities for the digitization and study of the game. These diagrams represent game situations using simple symbols, such as circles (offensive players), crosses or Xs (defensive players), and arrows, which are used to represent actions that may take place in a play, such as movements, passes, or dribbling. The automatic interpretation of these types of graphical representations, often hand-drawn, poses an interesting challenge from a computer vision perspective due to the variability in drawing style, the noise present in the images, and the visual similarity between some of the elements. In this project, a system capable of automatically recognizing and classifying these elements has been developed to facilitate the analysis of the play and the digitization of hand-drawn diagrams. To this end, computer vision tools are used for shape detection, and a Convolutional Neural Network (CNN) has been implemented to accurately classify the different elements that may appear in a play.
Fields of Study & Subjects
Handwritten Text Recognition Techniques
Advanced Neural Network Applications
Computer Science and Engineering
Publication details
- Journal / source
- Hispana
- Publication date
- 1 January 2026
- Language
- ES
- Document type
- Thesis