@mastersthesis{20.500.12880/13565,
year = {2025},
url = {https://hdl.handle.net/20.500.12880/13565},
abstract = {Este TFM desarrolla un sistema completo de visión por computador para reconstruir el estado 
de juego en fútbol a partir de vídeo de transmisión, con el objetivo de democratizar el análisis 
táctico y generar análisis operativos casi en tiempo real. Aborda la falta de un pipeline unificado 
que integre detección, seguimiento, identificación de dorsales, calibración de cámara y 
proyección métrica fiable al campo, reduciendo la dependencia de anotación manual y la 
degradación en material no profesional. La solución implementa, entre otras técnicas, detección 
y seguimiento basados en YOLO y un sistema de OCR para leer dorsales, junto con una 
calibración geométrica que transforma posiciones en coordenadas del terreno de juego. A partir 
de las trayectorias, se construyen mapas que reparten el espacio del campo entre los jugadores 
según cercanía e influencia dinámica, se detectan momentos donde un futbolista ocupa o libera 
espacio para un compañero, se estima el peligro potencial de la jugada y se señalan receptores 
prometedores sin oposición inmediata. Todo ello en una interfaz 2D funcional aplicada a 
secuencias SoccerNet. Los resultados evidencian viabilidad con hardware común y software 
open-source, traduciendo datos visuales en métricas tácticas operativas útiles para la toma de 
decisiones.},
title = {Desarrollo de modelo IA para optimización de decisiones y rendimiento en partidos de fútbol},
keywords = {Visión por computador},
keywords = {YOLO},
keywords = {Fútbol},
author = {Molpeceres Mingo, Angel},
}