20.500.12556/RUL-188361 Sistem za analizo nogometnih tekem z računalniškim vidom A Computer Vision System for Football Match Analysis V diplomskem delu predstavljamo celovit sistem za avtomatsko analizo nogometnih tekem iz videoposnetka ene kamere. Sistem združuje zaznavanje objektov z modelom RF-DETR, sledenje igralcem z modelom SAM2, sledenje žogi s Kalmanovim filtrom, določanje pripadnosti ekipam z vizualnimi opisniki SigLIP ter zaznavanje ključnih točk igrišča in homografsko preslikavo položajev na dvodimenzionalni model igrišča. Na podlagi položajev igralcev in gibanja žoge sistem prepoznava podaje, prestrezanja, strele in obrambe vratarjev. Sistem smo ovrednotili na šestih ročno anotiranih videoposnetkih s skupno 3554 okvirji. Predlagani pristop je pri sledenju igralcem dosegel IDF1 0,96 in ohranil pravilno identiteto pri 95,8 % ujemanih sledi. Pri sledenju žogi je dosegel 97,0-odstotno stopnjo sledenja in povprečno napako položaja 6,2 slikovne pike. Natančnost določanja pripadnosti ekipam je znašala 97,6 %, skupna mera F1 pri prepoznavanju dogodkov pa 79,1 %. Rezultati kažejo, da je mogoče sodobne metode računalniškega vida povezati v enoten sistem za rekonstrukcijo poteka nogometne tekme in pridobivanje podatkov za nadaljnjo športno analitiko. Glavni omejitvi sta računska zahtevnost modela SAM2 in vrednotenje na lastnem testnem naboru, zato nadaljnje delo vključuje optimizacijo hitrosti ter preizkus na javnih referenčnih zbirkah. This thesis presents a comprehensive system for the automatic analysis of football matches from a single-camera video recording. The system combines object detection using RF-DETR, player tracking using SAM2, ball tracking using a Kalman filter, team assignment based on SigLIP visual descriptors, pitch keypoint detection, and homographic projection of object positions onto a two-dimensional pitch model. Based on player positions and ball movement, the system recognises passes, interceptions, shots, and goalkeeper saves. The system was evaluated on six manually annotated video clips comprising a total of 3,554 frames. The proposed approach achieved an IDF1 score of 0.96 for player tracking and preserved the correct identity in 95.8% of the matched tracks. For ball tracking, it achieved a tracking rate of 97.0% and a mean location error of 6.2 pixels. Team assignment accuracy reached 97.6%, while event recognition achieved an overall F1 score of 79.1%. The results demonstrate that modern computer vision methods can be integrated into a unified system for reconstructing the course of a football match and obtaining data for further sports analytics. The main limitations are the computational complexity of SAM2 and evaluation on a custom test set. Future work therefore includes improving processing speed and evaluating the system on publicly available benchmark datasets. Računalniški vid Športna analitika Sledenje igralcem Sledenje žogi Detekcija objektov SAM2 RF-DETR Computer vision Sports analytics Player tracking Ball tracking Object detection SAM2 RF-DETR true false false Slovenski jezik Angleški jezik Diplomsko delo/naloga 2026-09-21 15:50:03 2026-09-21 15:50:17 2026-09-22 04:04:56 0000-00-00 00:00:00 2026 0 0 0000-00-00 NiDoloceno NiDoloceno NiDoloceno 0000-00-00 0000-00-00 0000-00-00 1970-01-01 38933 Vidrih_Gregor_-_Sistem_za_analizo_nogometnih_tekem_z_racunalniskim_vidom.pdf Vidrih_Gregor_-_Sistem_za_analizo_nogometnih_tekem_z_racunalniskim_vidom.pdf 1 888C095C000416717922C002D0CBB2C7 b1e152846a615fa3a995eb9d1168df3734d9ffba48e76fd0f0f941435eaeaecd 51cc6b8a-b5c3-11f1-8bc5-0050569b8976 https://repozitorij.uni-lj.si/Dokument.php?lang=slv&id=248455 Fakulteta za računalništvo in informatiko 0 0 0