Análisis de la condición del campo de fútbol basado en el agrupamiento de k-means
Resumen
El fútbol, un deporte muy popular en todo el mundo, requiere que los futbolistas profesionales lo practiquen en un campo de juego en condiciones ideales, lo que, entre otras cosas, incluye el uso y mantenimiento de un césped natural saludable. En este estudio, presentamos una estrategia de asignación sin supervisión para el análisis de imágenes de campos de fútbol que utiliza agrupamiento k-means y comparación de colores para evaluar si un campo de juego está en buenas o malas condiciones. Nuestro enfoque considera las proporciones de los colores RGB dominantes para automatizar la toma de decisiones. Para tal fin, se desarrolló un prototipo que se probó con una serie de imágenes; los resultados obtenidos se compararon con los esperados.
Descargas
Citas
Carter, W. (2020). Corner flag in the soccer field at Brastad arena [Photograph]. Wikimedia Commons. https://commons.wikimedia.org/wiki/File:Soccer_field_at_Brastad_arena_6.jpg
El País. (2018, November 9). Así fue como pintaron el césped del Centenario de verde. https://www.elpais.com.uy/ovacion/futbol/asi-pintaron-cesped-centenario-verde.html
Football NSW Limited. (2015, November 6). Field marking & equipment. A guide to preparing your field for football. https://footballnsw.com.au/wp-content/uploads/2017/06/Field-Markings-and-Equipment.pdf
Forgy, E. W. (1965). Cluster analysis of multivariate data: efficiency versus interpretability of classifications. Biometrics, 21, 768-780.
Kassambara, A. (n.d.). Cluster validation statistics: Must know methods. Datanovia. https://www.datanovia.com/en/lessons/cluster-validation-statistics-must-know-methods/
Lloyd, S. (1982). Least squares quantization in PCM. IEEE Transactions on Information Theory, 28(2), 129–137. https://doi.org/10.1109/TIT.1982.1056489
Loesdau, M., Chabrier, S., & Gabillon, A. (2014). Hue and Saturation in the RGB Color Space. In A. Elmoataz, O. Lezoray, F. Nouboud, & D. Mammass, (Eds), Image and Signal Processing. ICISP 2014. Lecture Notes in Computer Science, vol 8509. Springer. https://doi.org/10.1007/978-3-319-07998-1_23
Maklaan. (2015). A RGB color cube explained with three diagrams [Diagram]. Wikimedia Commons. https://commons.wikimedia.org/wiki/File:RGB_color_cube.svg
Na, S., Xumin, L., & Yong, G. (2010). Research on k-means clustering algorithm: An improved k-means clustering algorithm. In F. Yu, X. Peng, H. Liu, J. Shiu, & R. Ng (Eds.), Proceedings of the Third International Symposium on Intelligent Information Technology and Security Informatics (pp. 63-67). IEEE Computer Society; Conference Publishing Services. https://doi.org/10.1109/IITSI.2010.74
Pavan Kumar, I., Hara Gopal, V. P., Ramasubbareddy, S., Nalluri, S., & Govinda, K. (2020). Dominant color palette extraction by k-means clustering algorithm and reconstruction of image. In K. Raju, R. Senkerik, S. Lanka, & V. Rajagopal (Eds.), Data engineering and communication technology, vol 1079 (pp. 921–929). Springer Singapore. https://doi.org/10.1007/978-981-15-1097-7_78
Pham, D. T., Dimov, S. S., & Nguyen, C. D. (2005). Selection of K in K-means clustering. Proceedings of the Institution of Mechanical Engineers, Part C: Journal of Mechanical Engineering Science, 219(1), 103-119. https://doi.org/10.1243/095440605X8298
Radovanović, B. (2011). NK Zelengaj football pitch in Dugave neighborhood, Zagreb, Croatia [Photography]. Wikimedia Commons. https://commons.wikimedia.org/wiki/File:NK_Zelengaj_football_pitch_20110918_3186.jpg
Rhyne, T.-M. (2016). applying color theory to digital media and visualization. CRC Press. https://doi.org/10.1145/2776880.2792696
Sharma, A. (2021, December 9). How to find the most dominant colors in an image using kmeans clustering —with source code— interesting project. Towards Dev. https://towardsdev.com/how-to-find-the-most-dominant-colors-in-an-image-in-python-using-kmeans-clustering-with-source-527ef3e6775f
Solomon, C. & Breckon, T. (2011). Fundamentals of digital image processing: A practical approach with examples in Matlab. John Wiley & Sons, Ltd. https://doi.org/10.1002/9780470689776
Stockman, G., & Shapiro, L. G. (2001). Computer vision. Pearson.
Szymanski, S. (2014). It’s football not soccer. http://ns.umich.edu/Releases/2014/June14/Its-football-not-soccer.pdf
Derechos de autor 2022 Interfases
Esta obra está bajo licencia internacional Creative Commons Reconocimiento 4.0.
Los autores/as que publiquen en esta revista aceptan las siguientes condiciones:
Los autores/as conservan los derechos de autor y ceden a la revista el derecho de la primera publicación, con el trabajo registrado con la licencia de atribución de Creative Commons, que permite a terceros utilizar lo publicado siempre que mencionen la autoría del trabajo y a la primera publicación en esta revista.
Los autores/as pueden realizar otros acuerdos contractuales independientes y adicionales para la distribución no exclusiva de la versión del artículo publicado en esta revista (p. ej., incluirlo en un repositorio institucional o publicarlo en un libro) siempre que indiquen claramente que el trabajo se publicó por primera vez en esta revista.
Se permite y recomienda a los autores/as a publicar su trabajo en Internet (por ejemplo en páginas institucionales o personales) antes y durante el proceso de revisión y publicación, ya que puede conducir a intercambios productivos y a una mayor y más rápida difusión del trabajo publicado (vea The Effect of Open Access).
Última actualización: 03/05/21