Wide Open Gazes: Quantifying Visual Exploratory Behavior in Soccer with Pose Enhanced Positional Data

Each language version is independently generated for its own context, not a direct translation.

"Wijd Open Ogen": Hoe we de 'blik' van voetballers meten met een slimme camera

Stel je voor dat je een voetbalwedstrijd bekijkt. Je ziet de spelers rennen, passen en schieten. Maar wat gebeurt er in hun hoofd? Waar kijken ze naartoe voordat ze de bal ontvangen?

Vroeger probeerden wetenschappers dit te meten door te tellen hoeveel keer een speler zijn hoofd snel draaide (zoals een uil die omkijkt). Maar die methode had grote nadelen: het was lastig te tellen, het werkte alleen voor middenvelders, en het vertelde niets over of die speler echt iets zag dat belangrijk was.

Joris Bekkers, een onderzoeker van de Amerikaanse voetbalbond, heeft een nieuwe manier bedacht. Hij gebruikt geavanceerde camera's die niet alleen de positie van spelers volgen, maar ook de hoek van hun hoofd en schouders. Hiermee heeft hij een digitale "visie-laag" gemaakt die precies laat zien wat een speler op dat moment ziet.

Hier is hoe het werkt, vertaald in alledaagse taal:

1. De "Onzichtbare Bril" (De Visie-Layer)

Stel je voor dat elke speler een onzichtbare bril op heeft die een kaart projecteert van het hele veld.

Wat zie ik? De bril weet waar de speler naar kijkt (op basis van de hoofdstand).
Wat wordt geblokkeerd? De bril weet ook wie er voor de speler staat. Als een tegenstander precies tussen de speler en de bal staat, "verduistert" de bril dat stukje veld. Het is alsof je door een raam kijkt, maar er staat iemand voor het raam; je ziet dan alleen de randen.

Deze bril maakt geen simpele "ja/nee"-meting (zie ik wel/niet), maar een grijstint-meting. Hoe sneller de speler loopt, hoe "waziger" de bril wordt (want bij hoge snelheid is het moeilijker om scherp te zien). Hoe verder weg iets is, hoe minder scherp het beeld wordt.

2. De "Waarde-kaart" van het veld

Naast de bril van de speler, heeft het systeem ook een waarde-kaart van het veld.

Denk aan een warmtekaart: gebieden dicht bij de doellijn van de tegenstander zijn "heet" (zeer waardevol). Gebieden in het midden zijn "koud" (minder waardevol).
Het systeem weet ook wie welk stukje veld "bezit". Als de verdediging een gebied goed bewaakt, is dat gebied voor de aanval minder waardevol.

3. De Grote Test: Kijken om te winnen

De onderzoekers wilden weten: Helpt het om goed te kijken om beter te voetballen?

Ze keken naar de momenten net voordat een speler de bal krijgt (het "wacht-moment").

De oude methode: Telde alleen hoofd-draai-bewegingen. Resultaat: Geen enkel bewijs dat dit helpt. Het was alsof je zegt: "Hij keek veel om, dus hij is slim," zonder te weten wat hij zag.
De nieuwe methode: Keek naar wat de speler werkelijk zag op de waarde-kaart.

Het verrassende resultaat:
Spelers die tijdens het wachten op de bal, een groot deel van het verdedigende veld (waar de tegenstanders staan) goed in beeld hadden, bleken daarna veel slimmer te dribbelen. Ze wisten precies waar de ruimte was en konden daar naartoe rennen om meer "waarde" voor hun team te creëren.

Spelers die alleen maar rondkeken zonder te focussen op de verdediging, of die te weinig zagen, maakten minder slimme keuzes.

Waarom is dit zo belangrijk?

Het werkt voor iedereen: Of je nu een verdediger of een aanvaller bent, de methode werkt voor iedereen. De oude methode negeerde verdedigers vaak.
Geen menselijke fouten: Je hoeft niet meer urenlang video's te bekijken om te tellen wie zijn hoofd draaide. De computer doet het automatisch en continu.
Voorspellend vermogen: Het laat zien dat kwaliteit van kijken (wat zie je?) belangrijker is dan hoe vaak je kijkt (hoofd-draai-bewegingen).

De conclusie in één zin

Deze studie toont aan dat de beste voetballers niet per se de meest draaiende hoofden hebben, maar de spelers die tijdens het wachten op de bal, een duidelijk beeld hebben van waar de verdediging zwak is, en die ruimte daarna slim weten te benutten. Het is alsof ze een onzichtbare radar hebben die hen precies vertelt waar de weg vrij is.

Each language version is independently generated for its own context, not a direct translation.

1. Probleemstelling

Traditionele methoden om visueel exploratief gedrag (Visual Exploratory Actions - VEAs) in voetbal te meten, zijn gebaseerd op het tellen van snelle hoofdrotaties (boven de 125°/s). De auteurs identificeren echter fundamentele tekortkomingen in deze aanpak:

Positiebias: De methode favoriseert spelers in centrale middenveldposities die vaker hun hoofd bewegen, terwijl andere posities onderbelicht blijven.
Annotatie-uitdagingen: Het handmatig tellen is lastig, leidt tot grote variatie tussen waarnemers en is onbetrouwbaar bij standaard 25 FPS-trackingdata.
Binair karakter: Het is een "ja/nee"-meting (scannen of niet-scannen), wat de continue aard van visuele aandacht negeert.
Voorspellende waarde: Studies tonen aan dat VEA-frequentie geen statistisch significante voorspeller is voor succesvolle speluitkomsten (zoals passsucces) en niet onderscheidt tussen super-elite en elite spelers.
Incompatibiliteit: Bestaande VEAs passen niet naadloos in geavanceerde analytische modellen zoals pitch control (veldcontrole) en pitch value.

2. Methodologie

De auteurs introduceren een novel, formulematige continue stochastische visie-laag die pose-gebaseerde spatiotemporele trackingdata combineert met bestaande ruimtelijke modellen.

A. Datagrondslag

Dataset: 32 wedstrijden van de Copa América 2024.
Data: Gesynchroniseerde broadcast-trackingdata (25 FPS) van Respo.Vision, verrijkt met pose-estimation (OpenPose/HRNet) voor hoofd-, schouder- en heuprotatiehoeken.
Fase-definitie: Analyse focust op de "awaiting phase" (speler wacht op een pass) en de daaropvolgende "on-ball phase" (dribbel na ontvangst).

B. De Visie-Layer (Vision Layer)

De kern van de methode is het creëren van een 2D-waarschijnlijkheidskaart (105x68 raster) voor elke speler, bestaande uit twee componenten:

Probabilistisch Zichtveld (Field of View - $V_\rho$ ):
- Gebaseerd op binoculair zicht (120°) en hoofdoriëntatie.
- Gebruikt Gaussische verdelingen voor afstand ( $R$ ) en hoek ( $A$ ).
- Snelheidsafhankelijkheid: De nauwkeurigheid neemt af bij hogere snelheden (speler heeft minder ruimtelijk bewustzijn), wat resulteert in een smaller en minder scherp zichtveld.
Probabilistische Occlusie (Occlusion - $V_\Phi$ ):
- Modelleert welke delen van het veld worden geblokkeerd door andere spelers.
- Berekent een "probabilistische straal" van speler $i$ naar speler $j$ , waarbij de breedte van de blokkade afhangt van de afstand en de schouderoriëntatie van de blokkerende speler (een speler die zijwaarts staat blokkeert minder dan een speler die recht op de kijker staat).
- De totale occlusiekaart is het elementsgewijze product van alle individuele blokkades.
Totale Visiekaart ( $V_i$ ):
- Het eindresultaat is het elementsgewijze product van het zichtveld en de occlusiekaart: $V_i = V_{\rho,i} \odot V_{\Phi,i}$ . Dit geeft een continue kaart van waar speler $i$ met welke waarschijnlijkheid naar kijkt.

C. Integratie met Pitch Control en Pitch Value

De visiekaart wordt gecombineerd met modellen van Fernández & Bornn (2018):

Imminent Pitch Control: Een aangepaste versie van pitch control met een schalingsparameter ( $c_{in}$ ) om het gebied te definiëren dat een speler in een zeer korte tijd kan bereiken.
Pitch Value: Een neurale netwerk-model dat de strategische waarde van veldsectoren schat op basis van de balpositie en defensieve opstelling.
Analyse: Door de visiekaart te vermenigvuldigen met de "imminent pitch control" van het verdedigende team, kunnen de auteurs kwantificeren hoeveel verdedigende ruimte een speler waarneemt terwijl hij op de bal wacht.

3. Validatie en Resultaten

De auteurs hebben vier XGBoost-classificatiemodellen getraind om te voorspellen of een speler na een dribbel significant meer (of minder) pitch value zal beheersen dan voorafgaand aan de pass.

Baseline & Traditionele VEA: Het toevoegen van het traditionele VEA-telresultaat (aantal snelle hoofdrotaties) aan het model had geen enkele invloed op de prestaties (AUC bleef rond de 0.65). Dit bevestigt dat VEAs als prestatie-indicator ontoereikend zijn.
Regulier Model: Een model met standaard features (positie, snelheid, afstand tot doel) bereikte een AUC van 0.744.
Visie Model: Het toevoegen van geaggregeerde visiemetrics (bijv. percentage verdedigend gebied waargenomen tijdens het wachten) verhoogde de AUC naar 0.788.

Belangrijkste bevindingen uit de SHAP-analyse:

Spelers die tijdens het wachten op een pass een hoger percentage van het verdedigende gebied waarnemen, hebben een grotere kans om na ontvangst van de bal een waardevollere positie te bereiken.
Het simpelweg "meer van het veld zien" (kwaliteit van observatie vs. kwantiteit) is cruciaal; het observeren van verdedigende ruimte is een betere voorspeller dan het observeren van aanvallende ruimte.
De methode werkt onafhankelijk van de spelerpositie.

4. Belangrijkste Bijdragen

Nieuwe Metriek: Introductie van een continue, stochastische visiekaart die visuele exploratie kwantificeert zonder handmatige annotatie.
Technische Integratie: Naadloze koppeling van pose-data met gevestigde ruimtelijke modellen (pitch control/value), waardoor visueel gedrag direct vertaalbaar is naar tactische waarde.
Onderzoeksbewijs: Empirisch bewijs dat traditionele VEA-metingen geen voorspellende waarde hebben voor korte-termijn succes, terwijl de nieuwe visiemetrics wel significant correleren met spelresultaten.
Open Source: De auteurs hebben de code en tools open-source gemaakt om reproduceerbaarheid en verdere adoptie in de sportanalytics te stimuleren.

5. Significantie

Deze studie markeert een verschuiving in sportanalytics van het tellen van fysieke bewegingen (hoofdbewegingen) naar het modelleren van perceptuele cognitie. Door visuele waarneming te vertalen naar een continue, ruimtelijke waarschijnlijkheidskaart, kunnen clubs en analisten nu objectief meten hoe goed een speler het spel "leest" en waar hij naar kijkt. Dit biedt een krachtig instrument voor scouting, tactische analyse en het ontwikkelen van spelers, en is toepasbaar op andere invasiesporten (zoals American Football en Basketbal) zodra pose-data beschikbaar wordt.