💻 computer science

Towards Athlete Fatigue Assessment from Association Football Videos

Dit onderzoek toont aan dat monokulaire broadcastvideo's, gecombineerd met geavanceerde game-state reconstructie en kinematische verwerking, een veelbelovende en kosteneffectieve basis vormen voor het objectief beoordelen van vermoeidheid bij voetballers, ondanks uitdagingen zoals ruis en kalibratiefouten.

Oorspronkelijke auteurs: Xavier Bou, Nathan Correger, Alexandre Cloots, Cédric Gavage, Silvio Giancola, Cédric Schwartz, François Delvaux, Rudi Cloots, Marc Van Droogenbroeck, Anthony Cioppa

Gepubliceerd 2026-04-08

📖 4 min leestijd☕ Koffiepauze-leesvoer

CC BY 4.0

Oorspronkelijke auteurs: Xavier Bou, Nathan Correger, Alexandre Cloots, Cédric Gavage, Silvio Giancola, Cédric Schwartz, François Delvaux, Rudi Cloots, Marc Van Droogenbroeck, Anthony Cioppa

Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer

Samenvatting: Hoe we vermoeidheid bij voetballers kunnen meten met alleen een camera

Stel je voor dat je een voetbalwedstrijd bekijkt op tv. Je ziet de spelers rennen, passen en schieten. Maar wat je niet ziet, is hoe moe ze eigenlijk zijn. Normaal gesproken moeten sportwetenschappers spelers een hartslagmeter omdoen, een GPS-harnas laten dragen of bloed afnemen om te weten of ze op het punt staan om een blessure op te lopen door vermoeidheid.

De auteurs van dit paper stellen een nieuwe, goedkopere manier voor: gebruik gewoon de beelden van de tv-uitzending.

Hier is hoe ze dat doen, vertaald in alledaagse taal:

1. Het Grote Puzzelspel (Game State Reconstruction)

Eerst moeten de computers de spelers van de tv-beelden halen en op een virtueel veld zetten.

De analogie: Stel je voor dat je een foto van een drukke markt maakt en je probeert voor elke persoon precies te zeggen waar ze lopen op een plattegrond van de markt. Dat is wat de computer doet. Ze noemen dit Game State Reconstruction. De computer kijkt naar de tv-beelden, herkent de spelers (aan hun shirtnummers en beweging) en projecteert hun positie op het veld, alsof we een vogelperspectief hebben.

2. Het Gladmaken van de Rimpels (Trajecten en Snelheid)

De computer maakt soms kleine foutjes. Soms ziet hij een speler even niet, of springt de positie een beetje raar.

De analogie: Het is alsof je een auto volgt die over een hobbelige weg rijdt. Als je alleen naar de foto's kijkt, lijkt de auto te springen. De auteurs gebruiken wiskundige "gladmakende" technieken (zoals een Kalman-filter) om die hobbels weg te werken. Zo krijgen ze een vloeiende lijn die precies laat zien hoe de speler echt heeft bewogen.
Vervolgens berekenen ze de snelheid (hoe hard hij loopt) en de versnelling (hoe snel hij harder gaat of remt). Versnelling is lastiger, want dat is als het verschil tussen het verschil van twee foto's nemen – dat wordt snel erg "ruisig". Ze gebruiken slimme wiskunde om hier toch betrouwbare cijfers uit te halen.

3. De "Vermoeidheids-Compass" (Het A-S Profiel)

Nu ze de snelheid en versnelling hebben, maken ze een grafiek. Dit noemen ze het Acceleratie-Snelheid (A-S) profiel.

De analogie: Stel je voor dat elke speler een eigen "motor" heeft.
- Een sterke motor kan heel hard versnellen (van 0 naar 100 km/u in een seconde), maar misschien niet zo lang top-snelheid houden.
- Een andere motor kan misschien niet zo snel optrekken, maar wel urenlang met een hoge snelheid blijven rijden.
- In de grafiek zie je de relatie tussen hoe hard ze lopen en hoe snel ze kunnen optrekken.
Het geheim van vermoeidheid: Als een speler moe wordt, verandert zijn "motor". Hij kan nog steeds hard lopen, maar hij kan niet meer zo snel optrekken. De lijn in hun grafiek wordt dan steiler of verandert van vorm. Dit is het teken dat de speler moe is, zonder dat we hem ooit hebben aangeraakt.

4. Wat hebben ze ontdekt?

De auteurs hebben dit getest met echte tv-beelden van wedstrijden (van het SoccerNet-project).

Het goede nieuws: Hun methode werkt! Ze kunnen de bewegingen van spelers uit de tv-beelden halen en een betrouwbaar "vermoeidheidsprofiel" maken dat lijkt op wat je zou krijgen met dure GPS-harnassen.
De uitdaging: Het is niet perfect. Als de camera de speler even niet ziet (bijvoorbeeld omdat hij achter een ander speler loopt), of als de beelden wazig zijn, dan wordt de meting minder nauwkeurig. Het is alsof je probeert de snelheid van een auto te meten terwijl er af en toe een wolk voor de zon schuift: je krijgt dan even een verkeerd beeld.

Conclusie

Dit onderzoek laat zien dat we in de toekomst geen dure sensoren meer hoeven om te weten of een voetballer moe is. We kunnen gewoon kijken naar de tv-uitzending.

Waarom is dit belangrijk? Het is goedkoper, makkelijker te doen voor elke club (ook die zonder veel geld), en het kan helpen om blessures te voorkomen. Als de computer ziet dat de "versnellings-motor" van een speler langzaam afzwakt, kan de trainer weten: "Hé, deze speler is op, haal hem van het veld voordat hij zijn hamstring breekt."

Kortom: Ze hebben een manier gevonden om de vermoeidheid van een speler te "lezen" uit de pixels van een tv-beeld, net zoals een dokter een ziekte kan zien op een röntgenfoto.

Titel: Towards Athlete Fatigue Assessment from Association Football Videos

Auteurs: Xavier Bou et al. (Universiteit Parijs-Saclay, Universiteit Luik, KAUST, enz.)

1. Probleemstelling

In het voetbal is vermoeidheid een kritieke factor die direct correleert met blessurerisico's en tactische prestaties. Traditionele methoden om vermoeidheid te monitoren zijn echter beperkt:

Subjectief: Gebaseerd op zelfrapportage van spelers (bijv. perceptie van inspanning).
Invasief/Logistiek complex: Vereist laboratoriumtests (bloed/urine) of draagbare sensoren (GPS, hartslagmeters). Deze zijn duur, niet altijd beschikbaar voor alle teams, en meten vaak alleen voor of na de wedstrijd, niet tijdens het spel.
Data-afhankelijkheid: Bestaande objectieve methoden (zoals Acceleratie-Snelheid-profielen) vertrouwen vaak op proprietary GPS-data of dure multi-camera systemen, wat reproduceerbaarheid en schaalbaarheid beperkt.

Doel van het paper: Onderzoeken of monoculaire broadcast-video's (standaard televisiebeelden) voldoende kwalitatieve ruimtelijk-temporale signalen kunnen leveren om vermoeidheid objectief te analyseren, zonder afhankelijk te zijn van GPS of dure hardware.

2. Methodologie

De auteurs stellen een volledige pijplijn voor die video-gegevens omzet in fysiologische vermoeidheidsindicatoren. Het proces bestaat uit drie hoofdfasen:

A. Game State Reconstruction (GSR)

Het systeem gebruikt state-of-the-art GSR-methoden (specifiek Broadcast2Pitch en SoccerMaster binnen het SoccerNet-framework) om uit broadcast-video's de volgende data te halen:

Detectie en tracking van spelers.
Camera-calibratie en homografie-estimatie.
Projectie van 2D-pixel-coördinaten naar metrische veldcoördinaten (x, y) op het veld.
Output: Een tijdsreeks van posities $p_i(t_k)$ voor elke speler $i$ .

B. Kinematische Verwerking (Snelheid en Versnelling)

Directe differentiatie van posities leidt tot ruis (hoge frequentie ruis door de afgeleide). Om dit op te lossen, passen de auteurs een geavanceerde verwerkingsstap toe:

Interpolatie: Korte gaten in de trajecten (max. 3 frames) worden lineair opgevuld.
Temporele Glating: Toepassing van een Kalman-filter of Savitzky-Golay-filter om lokale lokalisatieruis te reduceren.
Differentiatie over een venster: In plaats van frame-tot-frame, wordt snelheid en versnelling berekend over een tijdsvenster ( $l_n$ $l_{n}$ ) van 0,5 tot 2 seconden.
- Snelheid ( $v$ ): Berekend als $\frac{p(t_+) - p(t_-)}{t_+ - t_-}$ .
- Versnelling ( $a$ ): Berekend als de afgeleide van de snelheid over een vergelijkbaar venster.
Post-processing: Verwijdering van onrealistische snelheden (>15 m/s) en verdere smoothing van versnellingssignalen.

C. Acceleratie-Snelheid (A-S) Profielen

Op basis van de berekende signalen worden A-S-profielen geconstrueerd. Dit model beschrijft de lineaire relatie tussen de lopende snelheid en de maximale versnelling die een speler kan genereren.

Parameters:
- $A_0$ : Theoretische maximale versnelling (y-as snijpunt).
- $S_0$ : Theoretische maximale snelheid (x-as snijpunt).
- Helling (Slope): Geeft de balans weer tussen versnelling en snelheid. Een steilere helling duidt op een meer versnelling-georiënteerd profiel.
Vermoeidheidsindicatie: Naarmate een speler vermoeid raakt, neemt de capaciteit om hoge versnellingen te genereren af bij hogere snelheden. Dit manifesteert zich als een verandering in de helling of interceptie van het A-S-profiel gedurende de wedstrijd.

3. Experimenten en Evaluatie

De methode werd geëvalueerd op het SoccerNet-GSR benchmark-dataset.

Datasets:
- 30-seconde clips (49 video's, 773 spelers).
- Een volledige 45-minuten wedstrijd (Swiss Super League) om langetermijntrends te analyseren.
Ground Truth: Vergelijking met handmatig geannoteerde trajecten (gefilterd op dezelfde manier als de voorspellingen om eerlijk te vergelijken).
Metingen:
- Amplitude: MAE (Mean Absolute Error) en RMSE.
- Temporele consistentie: Pearson-correlatie ( $r$ ) en max-lag correlatie.
- Betrouwbaarheidsscore: Een combinatie van correlatie, amplitude-error en het percentage frames waarin de speler zichtbaar was.

Belangrijkste bevindingen uit de experimenten:

Filtering: Kalman-filters presteerden beter dan Savitzky-Golay filters voor temporele consistentie, wat cruciaal is voor vermoeidheidsanalyse.
Venstergrootte: Een groter tijdsvenster ( $l_n$ ) verbeterde de nauwkeurigheid, maar te grote vensters (boven 1,64s) leidden tot over-smoothing en verlies van dynamische informatie. Een venster van 20 frames (1,64s) werd gekozen.
Betrouwbaarheid: Er is een grote variatie in kwaliteit.
- De top 30% meest betrouwbare detecties toonden zeer hoge correlaties ( $r \approx 0,97$ voor snelheid) en lage fouten.
- De bodem 30% (vaak door occlusie of rommel) had aanzienlijk lagere prestaties en was ongeschikt voor analyse.
A-S Profielen:
- Op korte clips (30s) volgen de voorspelde A-S-curves de ground truth redelijk goed, hoewel er ruis is.
- Op de volledige 45-minuten wedstrijd toonde een kwalitatieve analyse van één speler een steilere helling in het tweede halfuur vergeleken met het eerste. Dit suggereert een snellere afname van versnelling bij hogere snelheden, wat consistent is met vermoeidheid.

4. Belangrijkste Bijdragen

Eerste studie: Dit is het eerste werk dat vermoeidheidsindicatoren volledig automatisch afleidt uit monoculaire broadcast-video's, zonder GPS.
Nieuwe methode: Introductie van een kinematische verwerkingsalgoritme dat temporeel consistente snelheid- en versnellingssignalen genereert uit gereconstrueerde spoorlijnen, specifiek ontworpen voor A-S-profielconstructie.
Empirische analyse: Een uitgebreide evaluatie op het SoccerNet-GSR dataset die de haalbaarheid toont, maar ook de methodologische beperkingen (zoals gevoeligheid voor occlusie en kalibratiefouten) duidelijk in kaart brengt.
Reproduceerbaarheid: Alle gebruikte methoden en datasets zijn publiek beschikbaar, wat een basis legt voor eerlijke vergelijkingen in dit onderzoeksveld.

5. Betekenis en Conclusie

Het paper concludeert dat monoculaire broadcast-video's een veelbelovende, kosteneffectieve basis vormen voor vermoeidheidsanalyse in het voetbal.

Potentieel: Voor de meest betrouwbare detecties (waar de speler goed zichtbaar is) kunnen robuuste A-S-profielen worden gegenereerd die gevoelig zijn voor vermoeidheidseffecten.
Beperkingen: De methode is gevoelig voor ruis, kalibratiefouten en tijdelijke discontinuïteiten in broadcast-beelden (bijv. bij cameramoves of occlusie). Versnellingssignalen zijn inherent ruiziger dan snelheidssignalen.
Toekomst: Er is behoefte aan publieke benchmarks met GPS-ground truth voor een onbevooroordeelde evaluatie. Ook is verdere ontwikkeling nodig om onbetrouwbare detecties automatisch te identificeren en te filteren.

Samenvattend positioneert dit werk single-camera vermoeidheidsmonitoring als een haalbaar alternatief voor dure GPS-systemen, mits de kwaliteit van de videodetectie voldoende hoog is. Het opent de deur voor schaalbare, lage-kosten analyses op professioneel en amateurniveau.