Crédito: dominio público Unsplash/CC0
El baloncesto profesional es más rápido, más físico y cada vez más tácticamente sofisticado. Incluso la falta más pequeña puede inclinar el equilibrio de un juego. Ahora, investigación publicado En el International Journal of Computational Systems Engineering, muestra cómo la inteligencia artificial, específicamente la visión artificial, podría aportar precisión sin precedentes a una de las áreas más disputadas del deporte: la detección de faltas.
La visión artificial es una forma de IA que permite a las computadoras interpretar y analizar datos visuales. En este estudio, los investigadores lo aplicaron a imágenes de baloncesto de alto nivel, con un enfoque específico en identificar y clasificar las faltas en tiempo real. La tecnología procesa el video marco por marco, aislando movimientos sutiles, puntos de contacto y dinámica espacial que a menudo escapan a simple vista, incluso la de un árbitro experimentado.
La investigación se centró en el análisis de juegos que involucran al equipo nacional de baloncesto chino y a sus oponentes internacionales. El estudio encontró diferencias notables en los patrones de falta entre los dos lados. Los jugadores chinos, por ejemplo, cometieron más faltas durante los intentos de tiro de los oponentes, conocidos como faltas defensivas relacionadas con el tiro. Por el contrario, sus oponentes tenían más probabilidades de ensuciar durante las jugadas de goteo.
El sistema AI también rastreó las subcategorías de faltas, como el uso ilegal de manos o colisiones de jugadores, revelando tendencias de comportamiento que van mucho más allá de las estadísticas estándar de la puntuación de caja.
Este nuevo nivel de granularidad posible con la visión artificial tendrá implicaciones significativas para el futuro del juego si adopta como estándar. Convencionalmente, detectar faltas se debe a la observación humana, los árbitros, los entrenadores y los analistas. Cada uno de estos caracteres está sujeto a los límites de la percepción, la fatiga y, inevitablemente, el sesgo.
La visión artificial, por el contrario, ofrece una vista consistente y objetiva. Ve no solo el contacto, sino el contexto: dónde ocurrió en la cancha, en qué ángulo, y cómo ambos jugadores se movían en los momentos anteriores a la falta.
Para fines de coaching, este tipo de datos podría usarse para diagnosticar debilidades o desequilibrios en el comportamiento defensivo u ofensivo de un equipo. Un patrón de faltas específicas, si se ve temprano, podría señalar problemas con el juego de pies, el posicionamiento o el tiempo de reacción. Estas áreas podrían abordarse a través de la capacitación personalizada. Para los jugadores, especialmente aquellos que navegan por la línea delgada de Razor entre el juego agresivo e imprudente, la tecnología ofrece comentarios con una claridad que una simple revisión de video posterior al partido no puede proporcionar.
Quizás lo más importante es que la investigación podría remodelar cómo se entrenan los árbitros. La retroalimentación precisa basada en datos sobre la toma de decisiones en situaciones en vivo podría mejorar tanto la consistencia como la equidad. Estos son comúnmente dos de los desafíos más persistentes para oficiar deportes de alta velocidad.
Es poco probable que la visión artificial reemplace completamente al árbitro humano, pero pronto puede convertirse en una herramienta indispensable en su desarrollo, ayudando a reducir los errores y mejorar el flujo del juego profesional.
Más información: Xueliang Jia et al, Característica de la extracción de la acción sucia de los jugadores de baloncesto utilizando Machine Vision, International Journal of Computational Systems Engineering (2025). Doi: 10.1504/ijcsyse.2025.146812
Cita: el sistema AI aporta una nueva precisión a la detección y análisis de faltas de baloncesto (2025, 7 de julio) Recuperado el 7 de julio de 2025 de https://techxplore.com/news/2025-07-ai-prrecision-basketball-foul-analysis.html
Este documento está sujeto a derechos de autor. Además de cualquier trato justo con el propósito de estudio o investigación privada, no se puede reproducir ninguna parte sin el permiso por escrito. El contenido se proporciona solo para fines de información.
