Univerzita Palackého v Olomouci Fakulta tělesné kultury
SYSTÉMY ZAMĚŘENÉ NA ANALÝZU FOTBALOVÝCH UTKÁNÍ Diplomová práce (bakalářská)
Autor: Jaromír Tomčík, učitelství pro střední školy, tělesná výchova - aplikovaná ekonomická studia Vedoucí práce: Mgr. Radim Weisser Olomouc 2011
Jméno a příjmení autora: Jaromír Tomčík Název diplomové práce: Produkty a software zaměřené na analýzu fotbalových utkání Pracoviště: Katedra sportu Vedoucí diplomové práce: Mgr. Radim Weisser Rok obhajoby diplomové práce: 2011 Abstrakt: Cílem bakalářské práce je seznámit učitele tělesné výchovy, fotbalové trenéry a odbornou veřejnost s programy, software a produkty analyzujícími fotbalová utkání. Vzhledem k malému mnoţství související literatury v českém jazyce byly téměř veškeré poznatky čerpány ze zahraničních zdrojů. Bakalářská práce je věnována i vlastnímu výzkumu - ověření a pouţitelnosti programu VideoManualMotionTracking system 1.0 pro účely analýzy fotbalových utkání.
Klíčová slova: analýza utkání – fotbal – software – video-analýza – kalibrace – výzkum VideoManualMotionTracking system 1.0.
Souhlasím s půjčováním diplomové práce v rámci knihovních sluţeb.
2
Autor´s first name and surname: Jaromír Tomčík Title of the masters thesis: Products and software aimed at anaylzing football Department: Department of sports Supervisor: Mgr. Radim Weisser The year of presentation: 2011 Abstract: The aim of this work is to introduce physical education teachers, football coaches and professionals with the tools, software products and analyzing football games. Given the small number of related literature in the Czech language, almost all of the evidence gathered from foreign sources. The thesis is devoted to his own research - verification and application program VideoManualMotionTracking System 1.0 for analysis of football matches.
Keywords: analysis of the game – football – software – video-analysis – calibration – research - VideoManualMotionTracking System 1.0.
I agree the thesis paper to be lent within the library service.
3
Prohlašuji, ţe jsem diplomovou práci zpracoval samostatně s odbornou pomocí Mgr. Radima Weissera, uvedl všechny pouţité literární a odborné zdroje a řídil se zásadami vědecké etiky. ……………………………
V Olomouci dne 30. dubna 2011 4
Děkuji Mgr. Radimu Weisserovi a Mgr. Zdeňku Psotkovi za pomoc a cenné rady, které mi poskytli při zpracování diplomové práce. Děkuji také své nejbliţší rodině za ochotu a pomoc,
kterou
mi
nejenom
v průběhu
5
bakalářského
studia
projevovala.
OBSAH
1
ÚVOD ................................................................................................................................. 8
2
PŘEHLED POZNATKŮ .................................................................................................... 9 2.1
Historie a vývoj měření pohybu hráčů ........................................................................ 9
2.2
Software, programy a produkty ke sledování utkání ................................................. 12
2.2.1 2.2.1.1
Slovinský program APAS ........................................................................... 12
2.2.1.2
Německý program Automated SPOrt Game Analysis MOdel ................... 15
2.2.1.3
Brazilský software DVideo ......................................................................... 18
2.2.2
2.3 3
4
5
Nekomerční produkty – univerzitní výzkumy.................................................... 12
Komerční produkty – jiţ pouţívané programy .................................................. 19
2.2.2.1
Švédský systém a know-how Tracab .......................................................... 19
2.2.2.2
Francouzský program Amisco .................................................................... 21
2.2.2.3
Americký know-how Match Analysis ........................................................ 23
2.2.2.4
Britský program Prozone ............................................................................ 25
2.2.2.5
Italský software Panini Digital .................................................................... 28
Pohybová struktura hráčů fotbalu .............................................................................. 30
CÍLE A ÚKOLY PRÁCE ................................................................................................. 34 3.1
Cíl bakalářské práce ................................................................................................... 34
3.2
Úkoly bakalářské práce ............................................................................................. 34
METODIKA ..................................................................................................................... 35 4.1
Charakteristika výzkumného souboru ....................................................................... 35
4.2
Pouţité metody .......................................................................................................... 36
4.3
Průběh měření ............................................................................................................ 37
4.4
Popis měřícího systému ............................................................................................. 38
VÝSLEDKY ..................................................................................................................... 42 5.1
Objektivita měření přední poloviny hřiště posuzovateli ............................................ 42
5.2
Objektivita měření zadní poloviny hřiště posuzovateli ............................................. 43
5.3
Reliabilita sledování 11ti hráčů v utkání ................................................................... 44
5.4
Další hodnocení a zjištění .......................................................................................... 45
5.5
Výsledné porovnání popisovaných programů ........................................................... 46
6
ZÁVĚRY .......................................................................................................................... 47
7
SOUHRN .......................................................................................................................... 49
8
SUMMARY ...................................................................................................................... 51 6
9
REFERENČNÍ SEZNAM ................................................................................................ 53
7
1
ÚVOD Kolektivní hra fotbal se neustále vyvíjí, zrychluje a zdokonaluje. Je to dáno nejen
profesionalizací sportu a vyššími tréninkovými dávkami hráčů, ale i kvalitnějšími analýzami odehraných fotbalových utkání. Analýzy jsou prováděny manuálně, ale zároveň jsou ve stále větší míře vyhodnocovány i profesionálními programy a produkty. Výstupy, grafy a statistiky většina diváků a fanoušků fotbalu z televizních obrazovek zná, neví však, jak se jmenují, na jakém principu pracují, jaké údaje jsou schopny vyhodnotit, případně jak by se daly zdokonalit. Právě na tyto produkty a programy jsem se v bakalářské práci zaměřil, popíši je, zhodnotím a porovnám. Analýza fotbalových utkání mě zajímá nejen z trenérského, ale i z hráčského hlediska. Při studiu se věnuji trenérské praxi a fotbal stále aktivně i hraji. V dorosteneckém věku jsem prošel všemi kategoriemi SK Sigma Olomouc, kde jsem jako kapitán týmu získal dorostenecký titul mistra ČR v lize i v hale. V SK Sigma jsem poznal mnoho trenérů včetně jejich práce, přístupů, herních stylů a před i pozápasových hodnocení utkání. V prvoligovém dorosteneckém týmu mě vedl trenér Mgr. Zdeněk Psotka, který nyní úspěšně působí v muţském A týmu SK Sigma Olomouc. Pro mou bakalářskou práci byla právě setkání s trenérem Psotkou velmi inspirující, protoţe mi poskytl konkrétní informace a poznatky z praxe, které jsem mohl porovnat s daty a výstupy ze zahraničních zdrojů a které jsem vyuţil při výzkumu. V bakalářské
práci
jsem
se
zaměřil
na
nově
vyvinutý
program
VideoManualMotionTracking system 1.0, analyzující uběhnuté vzdálenosti hráčů při utkání s cílem ověření jeho vyuţitelnosti ve fotbale. Ve výzkumu jsem analyzoval a ověřoval objektivitu a reliabilitu tohoto produktu.
8
2
PŘEHLED POZNATKŮ 2.1
Historie a vývoj měření pohybu hráčů Historicky prvotní záznamy pohybu jsou datovány do roku 180 našeho letopočtu, kdy
čínský vynálezce Ting Huan sestavil přístroj k promítání rychle se měnících obrázků obsahujících rozfázovaný pohyb. V roce 1872 Angličan Eadwerd Muybridge zachytil pohyb člověka na fotografiích a umoţnil tak dokonalejší zkoumání chůze člověka. V roce 1891 němečtí profesoři Ch. W. Braune a O. Fischer vyfotili lidskou chůzi pomocí 4 kamer, coţ byl základ pro dnešní 3D analýzu pohybu (Janura & Zahálka, 2004). První videostudie zabývající se konkrétně fotbalem sledovala umístění hráčů na hřišti, změny směru jejich pohybu a čas fotbalistů strávený při stoji, chůzi, běhu a sprintu. Reilly & Thomas (1976) byli na dlouhou dobu při analýze pohybu jedni z nejvíce citovaných autorů; z jejich prací zkoumajících biomechaniku sportovce ve fotbalovém prostředí vycházeli i další vědci a z jejich poznatků je čerpáno doposud. Analýzou fotbalového utkání se zabývali i Withers, Maricic, Wasilevski & Kelly (1982), kteří pro analýzu pohybu fotbalisty pouţili kameru a podle záznamu natočeného na pásce určovali trajektorii pohybu na hřišti. Kolem roku 1982 se na trhu objevila společnost Motion Analysis, jedna z největších současných světových výrobců programů pro záznam a analýzu pohybu hráče ve fotbale, americkém fotbale, rugby i sportech hraných v hale (Janura & Zahálka, 2004). V roce 1985 Mayhew Wenger sledoval pohyb fotbalistů při hře tak, ţe postupně střídavě po 7 minutách natáčel na kameru dva hráče; následně analyzoval jejich činnost na hřišti a počítal časové intervaly jejich jednotlivých statických pozic, chůzí, běhu a sprintu. Autor první studie zaměřené na délku uběhnuté vzdálenosti v kilometrech Erdmann (1991) natáčel fotbalová utkání s jednou statickou televizní kamerou a změny směru pohybu kaţdého hráče na hřišti analyzoval tak, ţe přehrával snímek po snímku pomocí videokamery a na čtverečkovaném listě papíru, umístěném na obrazovce, zaznamenával pohyb a pozici hráče kaţdou 1 sekundu během 5 minut (Janura & Zahálka, 2004). Začátkem roku 1998 se na trhu objevila společnost Prozone, specializující se zejména na fotbal. Začala působit na ostrovech Spojeného Království Anglie a postupně expandovala do Západní Evropy, Severní Ameriky a Asie (www.prozone.com, 2009). Vědci Hennig & Briehle (2000) začali zkoumat fotbalisty novou metodou, kdy pohyb hráčů na hřišti lokalizovali pomocí globálního navigačního signálu (GPS). Tento systém ale vyţadoval upevnit na kaţdém jedinci zařízení o hmotnosti 250 gramů po celou dobu jeho sledování a zároveň bylo nutné kaţdého hráče označit. Edgecomb & Bortin (2006) zjistili, ţe chybovost globálního navigačního systému 9
(GPS) při 4,8% v porovnání s pouţívaným software pro analýzu utkání při natáčení televizními kamerami, kdy chybovost činí 5,8% je sice niţší, ale další nevýhodou je, ţe nelze pouţít v uzavřených prostorách, tj. v hale. V roce 2003 se na trhu objevil systém – pouţívaný dosud i v České republice - produkt společnosti Tracab sledující fotbalové utkání pomocí 18 kamer se schopností vyčíslit uběhnuté kilometry hráčů, střely, přihrávky apod. Výčet výše uvedených autorů, produktů a systémů není zcela kompletní z důvodu jejich četnosti a navzájem na sebe navazujících faktů; pro téma bakalářská práce je však zásadní a dostačující. Konkrétními produkty, videozáznamy a studiemi zkoumanými na vědeckých pracovištích v Německu, Slovinsku, České republice, Anglii nebo i Brazílii se budeme zabývat podrobněji, jelikoţ z výsledků analýz je moţné čerpat důleţité informace a lze je aplikovat v praxi. Podle Janury & Zahálky (2004) lze zkoumat videozáznamy při analýze pohybové činnosti sportovce libovolně: „Důleţitým faktorem pro vyuţití videozáznamu je moţnost uchování záznamu pohybu, záznam pohybů prováděných velkou rychlostí nebo ve ztíţených prostorových podmínkách, opakované vyhodnocení pohybové sekvence nebo porovnání provedení u více jedinců současně“ (Janura & Zahálka, 2004, 37). Jediným omezením mohou být technické moţnosti přístroje, který pohybovou aktivitu sleduje a natáčí. Pomocí přístrojů lze zkoumat jak správné drţení těla, popř. jeho změny, tak chůzi a k ní přidruţené činnosti běhy, sprinty, změny směru, délky kroku apod. Další moţností je elementární sledování a zkoumání pohybů v různorodých sportovních odvětvích. Konkrétně ve fotbale jsou to například techniky pro kop přímým nártem silnější nohou, slabší nohou, výskok z přírodní trávy, umělé trávy nebo z palubovky, tzn. tvrdý podklad, hala. Pohyb (motus) se zabývá vnějšími aspekty pohybových projevů lidského těla. Tedy pohybovými aktivitami člověka, zajišťovanými činností příčně pruhovaného svalstva a aspekty, které jsou řízeny centrální nervovou soustavou. Pohyb z kinanatropologického hlediska je chápán jako zjevná změna polohy v prostoru a čase. To platí pro fotbal, házenou, i jakýkoliv jiný sport. Je to tedy specifická činnost, jíţ se uskutečňují pohybové úkoly, projevující se změnou vzájemného postavení jednotlivých segmentů pohybové soustavy nebo místní změnou tzn. přemístěním celého organismu v prostoru (Čelikovský et al., 1985). „Čím je podloţka pevnější, tím efektivněji lze provést odraz. Na druhé straně měkčí podloţka lépe absorbuje náraz při dopadu, coţ má pozitivní vliv jak na dolní končetiny, tak na osový systém“ (Janura & Zahálka, 2004, 162). 3D kinematická analýza objasnila, ţe frekvence kroku na přírodní trávě je niţší neţ na tvrdé podloţce, délka kroku je větší na tvrdém povrchu a ţe při stejném běhu je rychlost na přírodních površích niţší neţ na 10
podloţkách tvrdších. Ze 3D kinematické analýzy vyplynulo, ţe sportovci fotbalisté musí při běhu vynaloţit větší úsilí, protoţe se většinou nehraje na příliš tvrdých površích. Z tohoto důvodu je sledování fotbalisty odlišné, protoţe se jeho trajektorie běhu při stejné rychlosti můţe vlivem různých povrchů lišit. Změny např. při skoku a odrazu jsou proto důleţitým aspektem v nově tvořených programech (Janura & Zahálka, 2004).
11
2.2
Software, programy a produkty ke sledování utkání 2.2.1
Nekomerční produkty – univerzitní výzkumy
2.2.1.1
Slovinský program APAS
Program APAS sledující pohyb hráče na hřišti byl vytvořen na Univerzitě ve Slovinsku. Fakulta Sportu v Lublani sice řešila problém trajektorie hráčů házené, ale bylo zjištěno, ţe program je aplikovatelný i na fotbal. Výzkum byl podpořen Ministerstvem vědy a techniky republiky Slovinsko (Research program 1538-517). APAS funguje na bázi jedné zavěšené kamery umístněné na stropě haly snímající jednu polovinu hřiště. Kamera je nainstalována přesně vprostřed poloviny hřiště. Software pracuje s videozáznamem tak, ţe vyhodnocuje trajektorii hráče přes zkreslený obraz na monitoru (obrázek 1).
Obrázek 1. Zkreslení obrazu (Perš, Bon et Kovačevič, 2001, 27). Dle popisu výzkumu uvedeného v článku Chyby a omyly v automatickém hráčském sledování Perše, Bona & Kovačeviče (2001); originál: Errors and Mistakes in Automated Player Tracking byly prvotně před započetím výzkumu definovány nejčastější chyby při video-analýze utkání vyskytující se v jiných obdobných software. Jednalo se o chyby (Perš et al., 2001) seskupené do čtyř kategorií: pohyby končetin hráče (nestejnost a nestálost v porovnání různých osob při pohybu), nedokonalá kalibrace kamery, šumy a kompresní artefakty degradované kvalitou obrazu a chyby lidské obsluhy. Definovanou chybou bylo, ţe pohyby končetin vzhledem ke statickému nastavení kamer vůči tělu sniţují přesné rozpoznání dráhy pohybu hráčů. Vzhledem k pohybu hráče z místa A do místa B by však podle studie v určení jeho směru (trajektorie) neměl být problém. Jestliţe chyba nastane, je kvalifikována jako chyba lidského faktoru. Dalším
12
problémem nejen ve výzkumu systému APAS je kalibrace kamery, kdy detailní rozpoznání dráhy pohybu je obtíţné pouze u velkých zkreslení obrazu. Ve výzkumu Perše et al. (2001) však zkreslení výsledného obrazu nebylo natolik velké, aby trajektorii hráče nebylo moţné sledovat. Jak je z obrázku 1 zjevné, ve středu obrázku jsou pozorovatelná větší okna neţ na okrajích, coţ znamená, ţe výsledky překonaných vzdáleností jsou lepší uprostřed neţ na krajích hřiště. Další chyby, které slovinští odborníci popsali, byly šumy a kompresní artefakty. Ty se však nedají vyloučit v ţádném případě, proto je s nimi i v programu APAS počítáno. Problémy lidské obsluhy souvisí s případným zjevně chybným nastavením v průběhu sledování; ve výzkumu Slovinců bylo ale předpokládáno, ţe takovéto chyby nenastaly. Při diagnostice chyb a problémů se Slovinci zabývali i nastavením kamer na konkrétní sledování hráčů. Program sledoval pouze jednu polovinu hřiště z toho důvodu, ţe druhá je naprosto identicky symetrická. Výsledky se tudíţ nemohly lišit, byly by stejné. Po definování chyb a problémů Perš et al. (2001) začali se samotnými experimenty. Jedním z experimentů bylo zkoumání vlivu různých sledovacích metod na výstupu trajektorie. Čtyři hráči se pohybovali po polovině házenkářského hřiště v přesně vyměřeném čtverci 6x6 metrů přímo pod kamerou umístěnou na stropě uprostřed v ose. Zbylí dva hráči se pohybovali po krajích (čarách) označujících polovinu házenkářského hřiště 20x20 m. Všech 6 hráčů bylo instruováno tak, aby pohyb po hřišti vykonávali po dobu 60 sekund, přičemţ jejich dráhy byly před pokusem přesně změřeny metrem pro porovnání. Hráči měli pohybovat končetinami nestejně a nesourodě a mohli se pohybovat pouze po čarách hřiště. Po experimentu bylo zjištěno, ţe v blízkosti blíţe optické osy, tj. uprostřed hřiště, jsou výsledky přesnější neţ na krajích u brankové nebo střední čáry (Perš et al., 2001). Dalším experimentem bylo posouzení trajektorie přesné pozice hráče. Zjistilo se, ţe chyby při pohybech s rychlými změnami směru jsou rovněţ patrné. Metoda na odstranění moţných chyb vyhodnotila, ţe při niţší filtraci jsou odchylky pohybu vůči skutečnosti malé. To znamená, ţe pohyby končetin mají na trajektorii pohybu bezpochyby velký vliv. Vidíme to na obrázku 2 vlevo, kde filtr pouţit nebyl. Naopak velká filtrace na odstranění chyb ukazuje téměř obloukovité zatáčení rohů, coţ není pro sledování hráčů vhodné; je nepřesné. Filtry s hodnotami 5, 11 i 25 nevykazovaly velké rozdíly a Perš et al. (2001) vyhodnotili, ţe filtr 11 je nejvhodnější.
13
Obrázek 2. Filtrace na odstranění chyb (Perš, Bon et Kovačevič, 2001, 31). Analýza programu APAS nebyla provedena u hráčů ve vysoké rychlosti; podle autorů těchto experimentů by bylo velmi obtíţné - vzhledem k lidskému tělu - sledovat polohy a pohyby při vysoké rychlosti. V závěru práce bylo uvedeno, ţe úroveň detailů by bylo moţné zvýšit
více
sofistikovaným
filtrováním,
pouţitím
vysokého
rozlišení
kamer,
vysokorychlostními kamerami nebo zvýšením počtu kamer pro pozorování. Vylepšení původního nastavení by ale podstatně zvýšilo náklady a sloţitost celého systému (Perš et al, 2001).
14
2.2.1.2
Německý program Automated SPOrt Game Analysis MOdel
Dalším programem, který se zabývá analýzou a sledováním hráčů, je program ASPOGAMO (Automated SPOrt Game Analysis MOdel) Technické Univerzity v Mnichově v Německu. Automatický model pro analýzu sportovní hry je počítačový systém, který odhaduje pohyb trajektorie hráče po hřišti pomocí souřadnic na základě televizního vysílání. V reálném čase to znamená, ţe program můţe analyzovat jakékoliv utkání, které je natočeno pro televizní vysílání. Němci Beetz, Gedikli, Bandouch, Kirchlechner, v. Hoyningen-Huene & Perzylo (2006) popsali Aspogamo v článku databáze EBSCO. Systém řeší sloţitý pravděpodobnostní odhad. K detekci hráče na hřišti se v programu pouţívá odhad těţiště člověka. Šablona pro tento program spočívá v rozdělení na dres, kraťasy a stulpny (viz obrázek 3). Jiné biomechanické modely rozdělují hráče např. na jednotlivé segmenty (Chandler et al., 1975), na model lidského těla (Hanavan, 1964) nebo na hominoid (Hatze, 1980). Jestliţe jsou barvy dresů hráčů, čáry a hřiště rozlišné, není problém objekty a míč oddělit. Hráč můţe být v rozlišení kamer viditelný jako 30 pixelový, ale také 10 pixelový i menší. Problémem můţe být prolínání jednotlivých hráčů do sebe, například při rohových kopech, volných přímých kopech apod. Detekce osob není příznivá ani při rychlém pohybu kamery, coţ má za následek dodatečné rozmazání pohybu hráče (Beetz et al., 2006).
Obrázek 3. Odhad těţiště hráče v programu (Beetz et al., 2006, 5).
15
Know-how software spočívá ve výpočtu trajektorie hráče v průběhu hry. Software funguje na principu televizního sledování, přičemţ důleţitým aspektem je hlavní kamera. Program je schopen zpracovat jakýkoliv záznam utkání, ale vyţaduje, aby hlavní kamera byla statická, byla umístěna 8 – 22 metrů nad povrchem hřiště a směřovala k hlavní oblasti hry. Filmování hlavní kamerou je v průběhu utkání přerušováno opakovanými záběry nebo záznamy z jiných kamer, kdyţ se na hřišti neděje nic významného. Nevadí jí zvětšování nebo zmenšování ohniska kamery („zoomování“). Pro odhad je důleţité znát parametry kamery. Je třeba zkoordinovat pozici a směr kamery včetně zvětšení pixelů na obrazovce a v kameře nebo radiálního zkreslení. Ostatní údaje jsou stanoveny v poloautomatickém procesu. Průběţně se vypočítává směr a zoom, protoţe v důsledku sledování hry se neustále mění. Odhad předpovídá parametry kamery pro kaţdý aktuální snímek pomocí optického toku. Na základě těchto údajů systém pouţívá informace k předpokladu detekce hráče s míčem, přičemţ zaznamenává pouze hráče, kteří se dotkli míče. Odhad znalostí parametrů kamery a pozice hráče jsou v programu vypočteny a předány do dalšího systému. Tam se jednotlivé akce spojí v průběhu času a jsou generovány. Poloautomatické procesy dokončí stopy, vyhladí a uloţí zjištěné záznamy (Beetz et al., 2006).
Obrázek 4. Způsob snímání kamerou na ose X, Y a Z (Beezt et al, 2006, 4).
16
Také tento program řeší problémy při analýze. Ty se skládají ze tří chyb - odhadu směru kamery a zvětšení, sledování hráčů a rozpoznání hráčů. Rozpoznání hráčů je podle nejnovějších výzkumů nejsloţitějším problémem. Obtíţně se na televizní obrazovce, potaţmo v Aspogamu, odhaduje takový snímek, který je nehomogenní ve světelných podmínkách. Jsou to třeba stíny, které způsobují vysoké variační odchylky, ale také navzájem se kryjící hráči. Problémy působí překrývající se hráči s podloţkou, s reklamními bannery nebo diváky v hledišti. Při nízkém rozlišení kamer, nízkém rozlišení obrazu, nebo při příliš nízkém umístění hlavní kamery dojde k nepřesnému nebo nejednoznačnému obrazu. V tomto případě můţe systém selhat. Aspogamo vyuţívá pomyslných siločar na hřišti, které si program „nakreslí“ k přesnějšímu odhadu v daném snímku (Beetz et al., 2006). Největší problém nejenom v tomto software autoři programů na analýzu pohybu spatřují v označení jednotlivých hráčů a jejich stálosti i při sebemenším překrytí (Figueroa, Neucimar & Barros, 2006).
Obrázek 5. Stíny na hřišti (Beetz et al., 2006, 3). Analyzér Aspogamo byl zkoumán v neomezených podmínkách a v téměř reálném čase na Mistrovství světa ve fotbale v roce 2006 v Německu. Detekce hráčů sledovaných tímto programem byla větší neţ 90 % s průměrnou nepřesností menší neţ 50 cm (Beetz et al, 2006). Hlavní poznatky z programu Aspogamo, který Němci testovali, jsou následující: přesný a spolehlivý systém odhadu pro parametry kamerového systému zaloţený na video sekvenci, detekci hráčů i za náročných podmínek, tj. obtíţných světelných niancích i světelnosti a kvalitní výsledky při sledování hráčů. Z práce, která byla Beetzem et al. (2006) popsána, vyplývá, ţe program Aspogamo funguje spolehlivě a ţe se dokáţe vyrovnat s osvětlením, rychlými pohyby kamer i vzdálenostmi hráčů, včetně jejich prolínání. Je vhodný jak pro trenéry, fotbalové reportéry, tak i pro zpravodajská vysílání v interaktivních formách.
17
2.2.1.3
Brazilský software DVideo
Další program analyzující fotbalové utkání se jmenuje DVideo. Právě pomocí tohoto software prováděli brazilští vědci Barros, Misuta, Menezes, Figueroa, Moura, Cunha, Anido & Leite (2007) výzkum a zkoumali 55 utkání v brazilské fotbalové lize. Zápasy byly natočeny v letech 2001 – 2004 a za souhlasu etické komise z Paulista State University byly vyhodnoceny. Podmínkou pro pouţití DVideo byla instalace čtyř digitálních kamer upevněných na nejvyšších místech stadionu, přičemţ kaţdá z nich pokrývala přibliţně ¼ hřiště včetně malého překrytí sousedních částí.
Obrázek 6. Nainstalované kamery na stadionu – DVideo (Barros et al., 2007, 234). Vzhledem k nemoţnosti natáčení na všech stadionech z důvodu nedostatečné výšky tribun, se natáčení provádělo pouze na stadionech, kde to parametry stadionů umoţňovaly. Systém pracoval automaticky, ale vzhledem ke zjištěným chybám musel být přibliţně z 5 % opravován ručně. Chyby a odchylky se vyskytovaly při špatné světelnosti hřiště nebo při překrývání hráčů (Barros et al., 2007). I těchto 5% ručních oprav chyb bylo podle Barros et al. (2007) vyhodnoceno jako velké mnoţství práce při dodatečných manuálních úpravách, jejichţ odstranění by dle jejich návrhu vyřešilo pouţití většího mnoţství kamer na protějších stranách hřiště. Ty jsou totiţ dosud umístěny jen na jedné straně, coţ při zpracování DVideo činí problém. Problémy nastávají právě tehdy, kdyţ se hráč nachází na opačné straně stadionu, neţ na které jsou kamery umístěny. Nainstalování dvojnásobného mnoţství kamer v počtu 8 by problémy vyřešilo, avšak vyšší počet kamer by dobu nutnou na zpracování dat zvýšil. Výzkum ukázal, ţe metoda automatického sledování DVideo je uţitečnější a méně pracná neţ programy Aspogamo a APAS, protoţe přináší lepší a rychlejší výsledky o výkonnosti hráčů.
18
2.2.2
Komerční produkty – již používané programy
2.2.2.1
Švédský systém a know-how Tracab
Automatickým a komerčně dostupným programem při sledování a analyzování fotbalového utkání je i Českou televizí pouţitá technologie švédské společnosti Tracab. Jedná se o odzkoušenou technologii, vyuţívanou jiţ i pro komerční účely. Dříve (od roku 1960) se know-how pouţíval pro vojenské účely - vedení raket, sledujících pozemní cíle. V civilních formách ţivota systém pouţívala společnost Saab např. pro měření silničního mýta. Právě pro vyuţívání technologie pro fotbal byla zaloţena výše zmíněná společnost Tracab. Aplikace se poprvé na trhu objevila v roce 2003. Začala se pouţívat při fotbalových utkáních na sledování pohybu hráčů po hřišti, uběhnuté vzdálenosti, aktuální rychlosti hráčů nebo trajektorii či akčního rádia v utkání. Systém určí přesnost (správnou nebo špatnou) a parametry přihrávek (krátkou, střední, dlouhou nebo po zemi, vzduchem). Systém Tracab se zabývá analýzou fotbalových utkání pouze při vrcholovém sportu. Vrcholový sport je definován maximálním úsilím pro dosaţení nejvyššího výkonu v „profesionálních“ soutěţích, jakoţto hlavní pracovní náplň jedince, který daný sport provozuje (Hodaň et al., 1985). Systém Tracab funguje tak, ţe jeden pár kamer snímá obraz z určitého místa hřiště. Speciálně vyvinutý program pak vyhodnocuje prostorový obraz a převádí ho do dat. Systém provádí kompletní analýzu hry jednotlivce i celého týmu a vypíše údaje do grafické podoby (Jančar, 2006). Pro správné pouţití a fungování systému je nutno mít celkem 18 kamer (z toho dvě rezervní.). Do příslušenství spadají napájecí zdroje a voděodolné kabely pro spojení do notebooku a notebook. Pro upevnění kamer se pouţívají hlavy fotografických stativů, připevněné na dutý, skládací nosný rám (www.tracab.com, 2010). Všechny kamery musí prostorově snímat celé hřiště. Na závěr musí technici spravující software provést kalibraci systému. Z pozice pravých kamer musí vyfotografovat plochu hřiště. Pak se nasnímané údaje přenesou do notebooku a zadají se rozměry hřiště a můţe začít kalibrace. Vzhledem k tomu, ţe princip know-how kalibrace společnosti Tracab je jedinečný na celém světě, není dostupný a není moţné ho přesně zjistit, respektive popsat (Jančar, 2006).
19
Obrázek 7. Jedna kamera a Tracab stereo systém kamer - více kamer pro snímání (www.tracab.com, 2010). Tento software se pouţívá po celém světě a byl provozován jiţ několikrát při sledování Ligy mistrů nebo ve fotbalových prvních ligách ve Francii, Německu či Švédsku. V ČR byl poprvé pouţit v roce 2006 při praţském derby SK Slavia Praha vs. AC Sparta Praha. V tomto utkání měli diváci v přímém přenosu moţnost vidět výstupy software Tracab přímo na obrazovkách České televize, kdy sledovali aktuální rychlost nebo aktuální uběhnutou vzdálenost fotbalistů po hřišti, v interaktivních grafech a tabulkách mohli vidět počty přihrávek, střel nebo počet faulů. Problémem je, ţe program Tracab nelze pouţít na všech stadionech 1. Gambrinus ligy v ČR. Všechny fotbalové stánky totiţ nemají stejné výškové parametry jako stadion SK Slavia Praha, coţ má za následek nemoţnost optimálního vyuţití software Tracab. Výška pohledu kamer pro program je nedostatečná u většiny stadionu v 1. Gambrinus lize v ČR. Z tohoto důvodu Česká televize vyuţívá nabídky produktů jiných společností, pro které výška stadionů nehraje roli (Jančar, 2006). Program Tracab (www.tracab.com) vyuţívají i tyto týmy, federace a instituce:
Rusko:
Russian Premier League,
Švédsko:
Swedish Premiere League,
USA:
Major League Soccer (Americká fotbalová liga); spolupráce s firmou Prozone,
Japonsko:
Japanese J-League football,
UEFA:
UEFA Champions
League
(Liga mistrů),
EURO 2008
a Švýcarsku, FIFA:
World Cup 2010 (Mistovství světa 2010 v Jihoafrické republice).
20
v Rakousku
2.2.2.2
Francouzský program Amisco
Dalším programem zaměřeným na sledování zápasů vlastní technikou je francouzský program Amisco. Stejně jako jiţ zmíněné programy umí porovnávat a analyzovat hráčské dovednosti jednotlivě i celkově, respektive týmově. Amisco má vlastní analýzu, editaci a prezentační nástroje a oproti jiným programům umí navíc sledovat uběhnuté vzdálenosti hráčů. Amisco poskytuje veškerá zjištěná data ihned v reálném čase hry a to prostřednictvím dat, která systém pošle do notebooku, TABLETů, na své webové stránky nebo do Iphonů. Výsledky a závěry, které program Amisco zjistí, jsou jako jedny z mála přísně utajeny. Zjištěné informace jsou k dispozici jen týmu, který si je pro provoz zakoupil a to na rozdíl například od programu Panini Digital (viz níţe), kdy data z jiných zápasů si můţe koupit kdokoliv. Produkt Amisco umoţňuje studium fyzické i taktické výkonnosti hráčů a rovněţ poskytuje moţnost ukládat a archivovat videoklipy, grafy, data a statistiky shromáţděné v průběhu celé sezóny. Vyuţívá téţ hloubkové analýzy hry odehraných utkání z více zápasů nebo třeba (půl)sezónní trvání soutěţe. Francouzská společnost se sídlem v Nice několik dní před utkáním pošle zájemci - fotbalovému týmu všechny dostupné historické a statistické údaje o silných a slabých stránkách budoucího soupeře (www.sport-universal.com, 2010). Amisco spolupracuje s mediálně celosvětově známou televizní stanicí Canal+, coţ je pro ni ta nejvýznamnější a nejlepší reklama. Produkt grafů a dat prodává dle www.sportunivesal.com týmům a institucím:
Francie:
Ligue 1 (fotbalová federace), Olympique Lyonnais, AS Saint-Etienne, AS Monaco FC,
Anglie:
Chelsea FC, Liverpool FC,
Německo:
Deutscher Fußball-Bund (fotbalová federace), VfL Wolfsburg, Bayern Mnichov,
Skotsko:
Celtic FC,
Belgie:
RSC Anderlecht,
Itálie:
Inter Milano,
Média:
CANAL+, Orange, Ligue de Football Professionnel (TV a tisk). Amisco zpracovává analýzu v 7 úrovních podle počtu akcí za zápas. Standardní data
obsahují jména hráčů, udělené ţluté a červené karty, skóre (100 akcí za zápas). Dále hrací dobu, fauly, ofsajdy (500), drţení míče, střely, střely na bránu, doteky s míčem hrané -
21
úspěšné, neúspěšné (1000), přihrávky, kličky, dlouhé přihrávky (1500), délku hry, směr hry (2000). Tyto údaje bývají zpravidla nejčastěji dodávány pro média – TV a tisk. Fotbalové kluby ovšem chtějí i jiná data. Do těch spadají lokalizované pohyby hráčů, jejich trajektorie pohybu anebo přesné umístění, v jakém místě pole se dotkli míče (2500 akcí během hry) a veškerá další sledování hráče s míčem a analyzování pohybu hráče, coţ můţe být více neţ 4,5 milionů informací za zápas. Nutnost pro analýzu ovšem je mít na stadionu nainstalována sledovací zařízení, skrze která je hra natáčena a data posílána do software (www.sportuniversal.com, 2010).
Obrázek 8. Způsob zavěšení kamer na stadionu (www.sport-univesal.com, 2010).
22
2.2.2.3
Americký know-how Match Analysis
Produkt, který se pro sledování a analýzu fotbalových utkání pouţívá, je i program Match Analysis. Byl vyvinut ve Spojených státech amerických pomocí produktu Tango a odhaluje silné a slabé stránky jednotlivců i týmů. Zaznamenává kaţdý dotek hráče s míčem a analyzuje veškeré obejití protihráče nebo protihráčem, kličku, špatnou a dobrou přihrávku, střelu na bránu, apod. První analýzu utkání prostřednictvím Match Analysis provedl roku 2001 americký tým MLS Dallas Burn. Byla to analýza zpracovaná ručně těsnopisem v papírové podobě, nyní se provádí jiţ plně automaticky pomocí PC. Grafy a statistiky kooperují přímo s aktuální funkcí videa. Match Analysis je schopen zpracovat analýzu utkání z videozáznamu natočeného jakoukoliv osobou. Není tudíţ nutné drahé technické vybavení, ale stačí poslat záznam utkání na DVD k vyhodnocení. Nevýhodou tohoto programu je však absence počítání uběhnutých kilometrů hráčů v zápase (www.matchanalysis.com, 2010). Produkt Tango provádí analýzy 13ti z 16ti týmů 1. americké fotbalové ligy MLS. Je vyuţíván profesionálními muţstvy v Mexiku, kluby v Evropě a na Středním východě, týmy z univerzit (Univerzities a College) a středních škol (High Schools and Youth) v USA. Uvádíme výčet některých konkrétních týmů, univerzit a škol vyuţívajících produkt Match Analysis Tango dle www.matchanalysis.com: Německo:
Hamburger SV, Bayer 04 Leverkusen, FC Schalke 04, Alemannia Aachen, FSV Mainz 05,
USA:
Red Bull New York, Chivas USA, FC Dallas, Los Angeles Galaxy, Chicago Fire,
Spojené arabské emiráty:
Al Ain FC,
Mexiko:
Atlante, Chiapas, Chivas de Guadalajara, Cruz Azul, Jaguares de Chiapas ,
Národní týmy:
Německo, Mexiko, Ghana, Azerbajdţán, USA (U20),
Univerzities a College:
University
of
Kentucky,
University
of
Ohio,
Virginia
Commonwealth University, Miami University, Michigan State University, University of Florida, University of Kentucky, High Schools and Youth:
Berkeley High School, Calvert Hall High Schoul.
23
Obrázek 9. Výstup ze software Match Analysis. Přihrávky Israel Castra v daném území hřiště (www.matchanalysis.com, 2010).
Obrázek 10. Výstup ze software Match Analysis. Kruhový graf v základním rozestavení hráčů a
počet
doteků
s míčem
+
největší
četnosti
(www.matchanalysis.com, 2010).
24
přihrávek
mezi
hráči
v utkání
2.2.2.4
Britský program Prozone
Jeden z nejrozšířenějších a nejvíce vyuţívaných software ve fotbalovém světě je automatický program Prozone, který analyzuje výkon pohybů a trajektorii hráče v utkání. Poskytuje informace o celkovém počtu střel, o střelách na bránu, o úspěšných přihrávkách a neúspěšných křiţných přihrávkách. Program sleduje zahrávání rohových kopů, dotyky s míčem v pokutovém území, neúspěšné kontakty s míčem v poslední třetině útočné poloviny, ale i kontakty úspěšné. Analyzuje a zaznamenává blokování soupeře, úspěšné (nenechat se obejít s míčem od protihráče) a neúspěšné zachycení míče. Rovněţ sleduje úspěšné i nedokonané pokusy o vlastní projití vpřed nebo bokem soupeře (klička). Zachycuje téţ krátké, střední a dlouhé přihrávky a jsou zaznamenávány také volné přímé kopy na branku soupeře (www.prozonesports.com, 2010). Software Prozone pouţívá více neţ 100 sportovních organizací po celém světě. Jsou to nejen největší fotbalové kluby (např. Arsenal London v čele s Arsenem Wengerem, který se aktivně podílel na vylepšení tohoto programu), ale i mnoho škol a univerzit ve Velké Britanii a USA. Příklad týmů a asociací, vyuţívajících produkty Prozone (www.prozonesports.com):
Anglie:
Leeds United, Derby County, Manchester United, Arsenal FC, Aston Villa FC, Bolton Wanderers, Liverpool FC, Manchester City FC,
Španělsko:
Real Madrid,
Řecko:
Řecká fotbalová asociace,
USA:
Americká fotbalová federace. Zpracované informace jsou prezentovány pomocí řady videoklipů, hloubkových dat,
plnohodnotných animací a mnohonásobně vrstvené grafiky. Nedostatkem produktů Prozone je absence ukazatele moţnosti sledování počtu kilometrů uběhnutých hráčem v utkání. Program Prozone nabízí několik produktů, mezi něţ například patří Prozone3. Ten pouţívá 15 z 20ti klubů 1. Anglické Premier League. Pro fungování program vyţaduje instalaci 8 – 10 kamer na stadionu (oproti Tracab velké zredukování a tím i menší finanční náklady). Kamery musí pokrýt celé hřiště a tak zachytit pohyb všech 22 hráčů (včetně rozhodčích, pro které je také produkt od Prozone vyvinut) během 90 minut.
25
Obrázek 11. Systém Prozone – umístění kamer (www.prozonesports.com, 2010). Dalším z produktů systému Prozone je Matchviewer, který pouţívají nejen kluby Premier Leauge, ale i vysoký počet vysokoškolských týmů ve Spojených státech amerických a univerzit v jiných částech světa. Produkt je vyuţíván na pozápasové analýzy a analýzy pro sledování a vyhledávání hráčů – pro „skauting“. Tyto informace jsou pro manaţery, kouče a trenéry přínosné z mnoha hledisek (www.prozonesports.com, 2010). Sportovní výchova mládeţe, jejímţ primárním úkolem je výběr talentů, je v případě perspektivy přípravou k následnému přesunu do vrcholového sportu. Nutno podotknout, ţe pomyslný odpad (síto) je v této kategorii velký (Hodaň, 2006). Software Prozone pro zkvalitnění práce trenérů i skautů a vyhledávání nových talentů je proto vyuţíván nejen na univerzitách, ale také ve střediscích mládeţe (Liebner, 2006). Všechny informace o vlastních hráčích jsou v podstatě dostupné i v opačné formě sledování. To znamená, ţe si lze prohlíţet soupeře a jejich hráče a lépe se připravit na jejich hru. Informace o soupeřích umoţní identifikovat jejich silné a slabé stránky. To představuje obecně vnímaný termín v evropských ligách jako technický skauting. Technický skauting můţe být rovněţ dodán ve videoklipech, v různých datech či grafech. S tím souvisí porovnání a srovnání výkonnosti hráčů na stejné pozici v různých mezinárodních ligách nebo i v rámci stejné ligy. Například Manchester City FC vyuţívá produkty Prozone a na plný úvazek zaměstnává
7
analytiků,
kteří
s danými
daty
pracují
a
vyhodnocují
je
(www.prozonesports.com, 2010). Následnou ukázkou, co vše si trenéři, hráči nebo diváci mohou z grafů vyčíst, chceme demonstrovat důleţitost středního záloţníka (Xavi Hernandes), který hraje nepostradatelnou klíčovou roli v národním týmu Španělska. Tepelné mapy semifinalistů na Mistrovství světa ve fotbale 2010 na obrázku 12 ukazují, jakou mají hráči kontrolu míče a kde se s ním pohybují. Červená barva značí nejvyšší hodnoty, modrá nejniţší. V porovnání s jinými týmy na MS
26
2010 lze vidět, jak se jednotliví střední záloţníci liší ve stylu a funkčnosti pro týmovou souhru. Xavi Hernandes – Španělsko, Bastian Schweinsteiger – Německo, Andreas Iniesta – Španělsko, Wesley Sneijder – Nizozemsko.
Obrázek
12.
Výstup
z Prozone
–
pohyb
hráče
v utkání
semifinále
MS
2010
(www.prozone.live.com, 2010). Z obrázku 13 vyplývá, ţe Španělsko mělo v semifinále turnaje nejvyšší průměrný počet přihrávek a drţení míče. V průměru celého Mistrovství světa mělo Španělsko 527 přihrávek na jeden zápas. To je téměř o 200 přihrávek více, neţ byl celkový průměr v turnaji, který činil 343 přihrávek (www. prozone.live.com, 2010).
Obrázek 13. Výstup z Prozone – pohyb muţstva a kontakty s míčem v utkání v semifinále MS 2010 (www.prozone.live.com, 2010). Prozone také prostřednictvím internetových stránek thetimes.co.uk a prozone.live.com nabídl sledování všech 64 utkání na mistrovství světa 2010 pomocí těchto aplikací, dat a grafů. Jediné negativum, které Prozone má, je absence údajů o uběhnutých vzdálenostech jednotlivých hráčů a týmů celkově. S tím souvisí i nemoţnost získání informací o aktuální nebo nejvyšší rychlosti, kterou nabízí například know-how firmy Tracab. Z důvodu vylepšení kvality produktu od března 2010 společnost Prozone s firmou Tracab kooperuje, ale pouze v USA v MLS (americká fotbalová liga).
27
2.2.2.5
Italský software Panini Digital
Program Panini Digital (dále Panini) vyprodukovala italská firma se sídlem v severní Itálii v Brescii. Firma Panini byla zaloţena v roce 2000. Tento program pracuje zcela odlišným způsobem neţ výše zmíněné software. Je pouţíván na bázi hlasových příkazů, které ho aktivují. Školený odborník sledující hru buď přímo na utkání, nebo u obrazovky specifickými zkratkovitými výrazy identifikuje příslušné činnosti, které na hřišti hráč vykoná. V programu je více neţ 150 výrazů úkonů, které fotbalista můţe v průběhu hry učinit. Díky hands-free a detailní detekci rozpoznání hlasu stačí k obsluze programu jediný člověk. Pro kaţdou činnost, kdykoliv se hráč míče dotkne, zaznamená operátor programu čas, hráče, typ činnosti a pozici hráče na hřišti. Je ale zaznamenáván pouze ten hráč, který se právě nachází s míčem. Tyto statistiky zadávané obsluhou do software, jsou jako v předešlých programech zapracovávány do tabulek, grafů a analýz. Panini rovněţ srovnává jednotlivé hráče i týmy. Na italských webových stránkách autoři uvádějí různé příklady. Statistiky například ukazují, kteří hráči si navzájem nejvíce přihrávají, v které části hry jsou nejaktivnější apod. Tyto statistické údaje jsou prodávány fotbalovým týmům, agentům, skautům, médiím a také společnostem, vytvářejícím fotbalové hry na počítač nebo i na playstation (www.paninidigital.com). Tak jako software Prozone, i Panini usnadňuje práci trenérům a skautům, sledujícím výkony jednotlivců i celého muţstva. Trenér si můţe vybrat části hry nebo hráče, které chce analyzovat. Vybere si například střely na bránu, neúspěšné kličky vpřed, centry z kraje hřiště apod. V podstatě se jedná o program, který přetransformuje videosekvence z utkání do indexů. Indexy umoţní okamţité vyhledávání dané situace pro hráče nebo pro týmy a tím, ţe se všechny indexy ze zápasů do software ukládají, je snadné najít jakékoliv údaje i z předešlých utkání (www.paninidigital.com). Chceme-li najít všechny rohy, ze kterých jsme dostali v sezóně gól, stačí kliknout na příslušná tlačítka a za chvíli vidíme kaţdý rohový kop, při kterém tým inkasoval, bylo řečeno Mgr. Zdeňkem Psotkou (osobní konzultace dne 21. 2. 2011). Produkt Panini měla moţnost vyzkoušet i SK Sigma Olomouc. Dle trenéra SK Sigma Olomouc, a.s. Mgr. Zdeňka Psotky (osobní konzultace dne 26. 11. 2010), jsou informace zpracované tímto programem dobré nejen pro jeho vlastní sebereflexi, vlastní zhodnocení správnosti postavení hráčů do utkání, systému hry hráčů, vhodnost střídání, vedení útoků muţstva středem či po stranách, ale i sledování zakončení útoků. Ukázky vlastní hry jsou vhodné i pro hráče, z důvodu uvědomění si špatného vyhodnocení daných situací. Mgr. Psotka sestaví v programu Panini hráči záznam, obsahující všechny kontakty hráče s míčem.
28
Sestřih netrvá déle neţ 7 minut – akce, kde je hráč s míčem, je natočena 2 sekundy před a 3 sekundy po doteku či dotycích s míčem. Na těchto záznamech potom trenér ukazuje špatná řešení a radí, jak situaci příště vyhodnotit lépe. Jednou z moţností je také řešení gólových šancí (proměněných nebo neproměněných takřka stoprocentních gólových šancí). Tato efektivní pozápasová analýza umoţňuje zhodnotit kaţdou sekvenci odehraného utkání, výkony a výkonnost všech hráčů muţstva. Doplňuje vlastní představy během hry s vědeckými informacemi po zápase a identifikuje silné a slabé stránky hráčů i celého týmu, coţ umoţňuje zkvalitnění a přesné zaměření na situace, jeţ jsou v zápasech nejslabší. V programu lze také nastavit i celosezónní sledování hráče, hráčů či celého týmu za účelem sledování zlepšení, stagnace či zhoršení výkonnosti. Stejně jako v programu Prozone i zde je chybou dle trenéra SK Sigma Olomouc Mgr. Zdeňka Psotky absence údajů o uběhnutých vzdálenostech. Panini vyuţívají fotbalové kluby v italské Serii A i Serii B. Expanzí firmy se produkt dostal do více neţ 50ti fotbalových soutěţí. Je vyuţíván fotbalovými týmy ve francouzské, španělské, německé, české lize, ale také v Lize mistrů UEFA nebo Copa Libertadores v Jiţní Americe nebo v Severní Americe v soutěţích Copa America. Uvádíme některé týmy, které statistiky a grafy programu Panini vyuţívají: Itálie:
Juventus Torino, Napoli, Parma, Bologna, Hellas Verona, Vicenza,
Francie:
Olympique Lyonnais, Paris Saint-Germain,
Rumunsko:
Steaua Bucuresti, Rapid Bucuresti,
Media:
RAI Trade, Gazzetta dello Sport, La Repubblica (TV a noviny).
Obrázek 14. Výstup ze software Panini. Mapa, kde se nejvíce hráč pohyboval a četnosti přihrávek spoluhráčů (www.paninidigital.com, 2010). Podle vyjádření Mgr. Zdeňka Psotky, trenéra SK Sigma Olomouc (osobní konzultace 21. 2. 2011) jsou pro analýzu fotbalových utkání nejvhodnějšími a nejlepšími programy produkty Amisco a Prozone.
29
2.3
Pohybová struktura hráčů fotbalu Z popisu uváděných světových produktů analyzujících fotbalová utkání vyplývá, ţe na
zjištění a analýzu údajů o naběhaných kilometrech hráčů v utkáních se omezují pouze některé z nich. Problémem však je nejen jejich finanční nedostupnost pro nepříliš bohaté kluby, ale i nemoţnost jejich vyuţití na některých fotbalových stadionech, z důvodu produktům nevyhovujících výškových parametrů. Přitom nejen trenér Mgr. Psotka z fotbalového klubu SK Sigma Olomouc (osobní konzultace 18. 11. 2010), ale i další trenéři různých týmů informace o uběhnuté vzdálenosti (anglicky distance covered) povaţují za velice důleţité a proto by uvítali program nebo produkt (finančně dostupnější), který by tyto údaje dokázal vyhodnotit. Vzhledem k tomu, ţe informace o naběhaných kilometrech v utkáních jsou v literatuře k dispozici v omezeném mnoţství, uvádíme některé z nich chronologicky pro přehlednost. Pohybová studie na zjištění uběhnutých kilometrů fotbalistů v utkání byla poprvé provedena ve fotbalovém týmu Everton FC v Liverpoolu v Anglii v roce 1970. Průměrná uběhnutá vzdálenost z celé sezóny činila dle studie necelých 8800 m na zápas (Reilly & Thomas, 1976, Kirkendall, 2008). Asi 5800 uběhnutých kilometrů byla v roce 1970 nepříliš intenzivní chůze a běh. Cca 2200 metrů hráči uběhli tempem menším neţ sprint, avšak rychleji neţ během. Asi 800 metrů z celkových 8,8 km bylo uběhnuto sprintem – deseti aţ čtyřiceti metrové úseky. Hráč měl pod kontrolou míč v průměru 200 m v celkovém čase 1,5 minuty. Změna směru byla učiněna v průměru kaţdých 5 – 6 sekund (Kirkendall, 2008). Angličtí vědci Reilly & Thomas (1976) zjistili, ţe hráč kaţdých 5 - 6 vteřin udělal změnu směru, a pomocí audiozáznamu vyhodnotili (Figueroa et al., 2005), ţe v průměru kaţdou 1,5 minutu sprintovali 15 m. Celkovou uběhnutou vzdálenost změřili na 8 aţ 11 kilometrů. 25 % (18 minut) fotbalisté dle nich šli chůzí, 37 % (33,3 minut) běţeli, 20 % (18 minut) běţeli pod hranicí sprintu – rychle ale ne sprintem, 11 % - téměř 10 minut sprintovali (Brandon, 2010). Ohashi et al. (2004) zkoumali fotbal v Japonsku a tyto analýzy potvrdili. 70 % utkání fotbalisté běhali v nízkém aţ středním tempu a zbývajících 30 procent bylo uběhnuto v rychlém běhu anebo v nejvyšší rychlosti, sprintu. (Brandon, 2010). V letech 2002 - 2006 se jiţ průměrná uběhnutá vzdálenost hráče v zápasech anglické Premier League pohybovala okolo 11 km. Vzdálenosti naběhaných kilometrů u hráčů v Anglii byly v porovnání předešlých 10ti let o 1 km vyšší neţ dříve (Reilly & Gilbourne, 2003). V Brazílii na Univerzitách a College Barros et al. (2007) analyzovali ve výzkumu uběhnuté vzdálenosti fotbalistů během zápasu v brazilské lize. Utkání byla v Brazílii 30
sledována v letech 2001 – 2004. Bylo zjištěno, ţe průměr naběhaných vzdáleností za zápas se rovná 10,0 km (uvádím bez odchylek) za 90 minut. Hodnoty se lišily v pozicích hráčů (hodnoty uvádím v průměru). Krajní obránci uběhli 10,6 km, střední obránci 9,1 km, střední záloţníci 10,5 km, krajní záloţníci 10,6 km a útočníci 9,6 kilometrů. (Barros et al., 2007). Pro porovnání dřívějších výzkumů s tímto výzkumem uvádím příklady počtu naběhaných kilometrů. Zjištění od Barros et al. (2007) je na posledním místě obrázku č. 15.
Obrázek 15. Počet uběhnutých kilometrů v utkání (Barros, et al., 2007, 239).
Ve studii Bloomfielda, Polmana
&
O´Donoghueho (2007) bylo na Univerzitách Ulstr
v Severním Irsku, Kingston upon Hull v Anglii a Univerzitě Cardiff ve Walesu při společné práci zjištěno, ţe hráči v Premier League v sezóně 2003/2004 strávili při pohybové činnosti 40,6% (+-10%) ze zápasu. Obránci a útočníci naběhali 10 - 10,5 kilometrů za zápas, útočníci o 1 km více, tzn. 11,5 kilometrů. Z výzkumu Barrosa et al. (2007) byla pro bakalářskou práci vyuţita zjištění o uběhnuté vzdálenosti hráčů a porovnání v brazilské a anglické lize. Dle zjištění z uváděného výzkumu na Anglických ostrovech a v Jiţní Americe v Brazílii hráči v průměru naběhali 9 – 12 km za zápas. Výzkum potvrdil o 5% vyšší hodnoty naběhaných kilometrů v zápase v evropské části světa – v Anglii. Na turnaji v Jihoafrické republice při Mistrovství světa 2010 se rovněţ tyto údaje fotbalistů měřily. Nejvíce naběhaných kilometrů ze všech týmů na MS mělo Španělsko. Hráči, kteří za tuto evropskou zemi hráli, stihli během turnaje naběhat dohromady 767,39 km. Nejvíce kilometrů uběhl Xavi Hernandes, který dirigoval celý španělský tým. Překonal během turnaje v sedmi zápasech 80,20 km, tj. v průměru 11,4 kilometrů za zápas (Anonymous, 2010). V zápasech v JAR se také díky programům a software měřila i nejvyšší rychlost běhu.
31
Jako nejrychlejší hráč na turnaji byl vyhodnocen Mexičan Javier Hernández, kterému byla při jednom z jeho sprintů naměřena rychlost 32,15 km/h. I kdyţ uběhnutá vzdálenost fotbalistů při utkání není nejdůleţitějším a vše určujícím aspektem hry, mnozí odborníci a trenéři tuto hodnotu chtějí znát. V pohárových soutěţích, konkrétně v předkole Ligy mistrů v letošním ročníku 2010/2011, český tým AC Sparta Praha, respektive jejich hráči dominovali v naběhaných kilometrech po hřišti. Sparťanský tým (www.uefa.com, 2010) uběhl v posledním předkole ve dvou zápasech 120 a 117 kilometrů. Hrál proti vítězi Corgoň ligy (slovenskému muţstvu z Ţiliny). Ţilina naběhala také velké mnoţství kilometrů - 122 a 117. První zápas tedy měli v součtu hráči obou týmů dohromady 242 km a druhý odvetný zápas 234 kilometrů. V porovnání s ostatními týmy, které naběhaly podstatně méně, se do základní skupiny Ligy mistrů AC Sparta Praha nedostal. Pro porovnání uvádím vysledované údaje i jiných týmů v soutěţích UEFA a FIFA 2009/2010 a 2010/2011. Předkolo Ligy mistrů 2010/2011: Ţilina (Slovensko) – AC Sparta Praha (ČR): 120 – 122 km (dohromady 242 km) – 1. zápas, AC Sparta Praha (ČR) – Ţilina (Slovensko): 117 – 117 km (dohromady 234 km) – 2. zápas, Rosenborg Trondheim (Norsko) – FC Kodaň (Dánsko): 114 - 113 km (dohromady 227 km), FC Braga (Portugalsko) – Sevilla FC (Španělsko): 110 - 104 km (214 km). Základní skupina Ligy mistrů 2010/2011: AS Roma (Itálie) - FC Bayern Munchen (Německo): 111 – 112 km (223 km), FC Bremen (Německo) - Janov FC (Itálie): 113 - 110 km (223 km), Olympique Marseille (Francie) – FC Chelsea London (Anglie): 106 – 108 km (214 km) (UEFA.com, 2010). Mistrovství světa (MS) 2010: Austrálie - Srbsko (rekord MS 2010): dohromady 238,6 km, Španělsko - Německo (finále MS 2010): dohromady 221 km (www.prozone.live.com, 2010). Průměrné uběhnuté vzdálenosti týmů v Lize mistrů 2009/2010 – výběr nejlepších týmů ze závěrečné fáze play-off Champions League (týmy hrály min. 8 utkání): AC Milan
(Itálie)
103,1 km
(nejméně z nejlepších 16 týmů),
FC Inter Milano
(Itálie)
103,2 km
(vítěz Ligy mistrů),
Bayern Munchen
(Německo)
108,6 km
(finalista v Lize mistrů),
32
FC Barcelona
(Španělsko)
108,6 km,
Chelsea FC
(Anglie)
110,0 km,
Real Madrid CF
(Španělsko)
110,3 km,
Arsenal London
(Anglie)
110,4 km,
CSKA Moskva
(Rusko)
118,0 km
(nejvíce z nejlepších 16 týmů)
(www.uefa.com, 2010). Výsledky uváděných produktů slouţí k analýze fotbalových utkání a jejich prostřednictvím jsou statistiky a grafy z fotbalových zápasů na očích celému světu. Jak primární informace (výsledky, góly, udělené karty), tak i sekundární údaje (trajektorie běhu, uběhnuté kilometry, (ne)zkaţené přihrávky, apod.) patří v dnešní době k očekávaným a ţádaným informacím. Vzhledem k tomu, ţe výše popisované zahraniční software jsou finančně nákladné anebo je nelze z důvodů nevyhovujících parametrů některých stadionů pouţít,
byl
proveden
vlastní
výzkum
zaměřený
na
nový
český
program
VideoManualMotionTracking system 1.0. Tento program je zaměřen výhradně na zjištění počtu uběhnutých kilometrů v utkání a je v tomto ohledu alternativou k výše popsaným produktům APAS, Amisco a Tracab. Hlavním cílem výzkumu bylo zjištění pouţitelnosti a aplikace programu VideoManualMotionTracking system 1.0 pro analýzu fotbalových utkání v praxi.
33
3
CÍLE A ÚKOLY PRÁCE 3.1
Cíl bakalářské práce Cílem
bakalářské
práce
bylo
zjistit
objektivitu
a
reliabilitu
VideoManualMotionTracking 1.0 ve fotbale (dále jen VMMTS 1.0).
3.2
Úkoly bakalářské práce
1. Vyhledat odbornou literaturu. 2. Určit metodiku práce. 3. Obdrţet souhlas od vedení SK Sigma Olomouc k natočení hřiště a utkání. 4. Nafilmovat videozáznamy z utkání SK Sigma Olomouc, a. s. a výzkumu. 5. Seznámit se s programem VMMTS 1.0. 6. Nahrát videozáznam do software VMMTS 1.0. 7. Nastavit a kalibrovat program pro fotbalové utkání a pořízený videozáznam. 8. Analyzovat záznam v programu. 9. Statisticky zpracovat a vyhodnotit naměřená data. 10. Sepsat zjištěná data a informace do bakalářské práce.
34
systému
4
METODIKA 4.1
Charakteristika výzkumného souboru Výzkumný soubor, v bakalářské práci pouţitý, se skládá z hráčů SK Sigma Olomouc
při přípravném utkání. Hráči byli před přípravným zápasem seznámeni a informováni o průběhu a vyhodnocování výzkumu. S jeho natáčením a prováděním souhlasili. Byli ujištěni, ţe nikde nebudou figurovat jejich jména a ţe výzkum v tomto slova smyslu bude anonymní. Hráči byli poučeni, ţe výkon mají podat takový, jako kdyby nebyli filmováni. Výkon se měl tedy podobat klasickému standardnímu výkonu v utkání v průběhu sezony. Hráči SK Sigma Olomouc jsou ve výzkumu anonymně označeni v rozestavení (1-4-2-3-1). Tabulka 1. Somatické charakteristiky sledovaného souboru (n =11) Číslo Pozice 1 2 3 4 5 6 7 8 9 10 11
Brankář Levý obránce Levý střední obránce Pravý střední obránce Pravý obránce Levý střední záloţník Pravý střední záloţník Pravý křídelní útočník Podhrotový útočník Levý křídelní útočník Hrotový útočník Průměr Průměrná odchylka Median Modus
Věk
Výška (m)
Váha (kg)
34 25 37 28 29 26 30 21 22 25 28 27,73 3,57 28 25
1,88 1,79 1,88 1,88 1,83 1,76 1,85 1,86 1,81 1,80 1,91 1,84 0,04 1,85 1,88
79 74 86 88 76 69 86 77 72 79 84 79,09 5,02 79 79
BMI =kg/(m*m) 22,35 23,10 24,33 24,90 22,69 22,28 25,13 22,26 21,98 24,38 23,03 23,31 1,00 23,03 -
Ve výzkumu byli analyzováni probandi ve věku 21–37 let. Průměrný věk zúčastněných byl 27,73 roku. Výška se pohybuje od 176 cm do 191 cm a průměrná výška je 1,84 m. Hmotnost byla v rozmezí 69 aţ 88 kg s průměrem 79,09 kg. BMI (Body Mass Index) se pohyboval v rozmezí od 21,98 do 25,13 a průměrná hodnota je 23,31 (coţ odpovídá normě). Medián, prostřední číslo ve skupině čísel, kdy má polovina čísel hodnotu vyšší neţ medián a polovina čísel hodnotu niţší neţ medián, byl u věku změřen jako 28 let, medián výšky změřen na 1,85 metrů a váha 79 kg. Medián u BMI byl vyčíslen jako 23,03. Modus, nejčastěji
35
se vyskytující číslo ve skupině čísel, byl u věku určen 25 let, u výšky 1,88 metrů a u váhy 79 kilogramů. Vyhodnocování na provedení objektivity provedl autor bakalářské práce a studentka Právnické fakulty Univerzity Palackého v Olomouci, studující obor Právo, která byla před samotným úkolem proškolena jak a proč úkol vykonat. Byla ujištěna, ţe tento výzkum je anonymní. Dostala také libovolný počet zkušebních pokusů. Tabulka 2. Posuzovatelé na měření objektivity Posuzovatel Pohlaví
Věk
Student
Sport -
Výška
Váha
UP
aktivně
(metry)
(kg)
BMI
1
MUŢ
23
FTK
ANO
1,86
75
21,7
2
ŢENA
24
PF
NE
1,84
59
17,4
Použité metody
4.2
Byla pouţita historická metoda ke zjištění a shromáţdění dat. Jelikoţ v české literatuře nejsou téměř ţádné informace o produktech zabývajících se analýzou, potaţmo videoanalýzou fotbalových utkání k dispozici, bylo čerpáno v zahraničních titulech a zdrojích. Zejména v časopisech databáze Journal of Sports Sciences, Journal of Sports Sciences and Medicine, Inernational Journal of Applied Sports Sciences z výzkumů vědeckých týmů univerzit z USA, Německa, Velké Británie, Švédska, Portugalska, Číny, Brazílie, Slovinska a Korey. Byly vyuţity zahraniční oficiální internetové stránky tvůrců příslušných popisovaných software; důleţité informace pro bakalářskou práci byly získány i v české literatuře autorů vyučujících na Univerzitě Palackého v Olomouci. Také opakovaná osobní setkání s trenérem SK Sigma Olomouc byla pro bakalářskou práci inspirující. Fotbalové utkání a měření bylo natočeno za souhlasu trenéra SK Sigma Olomouc Mgr. Zdeňka Psotky a bezpečnostního technika klubu Milana Zapletala. Byly pouţity 3 videokamery: Panasonic HDC-SD60 Full-HD s 35,7 mm širokoúhlým objektivem a zoomem 35x, v kvalitě Full-HD 1920 x 1080, Panasonic SDR-S70 se záznamem na SD
36
karty a 33 mm širokoúhlým objektivem se 78x ultra zoomem a rozlišením 0,8 Mpix a SONY HDR-PJ10 s 30x optickým zoomem a 3,3 Mpix s Full HD 1920 x 1080. V den natáčení videozáznamu, pouţitého pro výzkum v bakalářské práci bylo polojasné aţ oblačné počasí. Teplota se pohybovala od 12 aţ 15 °C. Vál mírný severovýchodní vítr 3 aţ 7 m/s, místy v nárazech kolem 15 m/s. Tlaková tendence: slabý vzestup (www.chmi.cz).
4.3
Průběh měření Nafilmování videozáznamu, který byl při kalibraci pouţit, proběhlo po důkladném
zanalyzování tribun Androva stadionu v Olomouci. Na kaţdé z tribun byla vybrána a vytipována optimální místa k umístění kamer instalovaných na stativech. Jednalo se hlavně o zajištění co nejrozsáhlejší výhledu na plochu hřiště. Nejvhodněji se jevily sektory L horní na severní tribuně, E a A na západní, skybox anebo sektor X na jiţní tribuně a sektor P a U na jihu. Z důvodu omezeného mnoţství kamer (3 ks) a podobnosti tribun bylo vyuţito umístění natáčecích zařízení na tribuně severní a západní (obrázek 15). První kamera byla umístěna na tribuně sektoru L snímající hřiště na délku kolmo k brankové čáře, druhá byla na straně kolmo k pomezní čáře snímající pokutové území na bliţší polovině vzhledem k první kameře v sektoru E a třetí byla nainstalovaná tak, aby snímala první polovinu hřiště šikmo z rohu na vzdálenější polovině hřiště v sektoru A. Všechny kamery byly umístěny na tribunách co nejvýše, aby dostatečně pokryly celou plochu hřiště. Videokamery (červené tečky na obrázku 16) byly postaveny na stativy v nejvyšší řadě tribuny. Modré tečky (kamery) jsou fiktivní a značí analog červených teček (kamer) – výsledky by byly obdobné. Veškeré výsledky a analýzy, zpracované v programu VMMTS 1.0, jsou vyhodnoceny z kamery snímající hřiště umístěné na severní tribuně.
37
Obrázek 16. Umístění kamer na Andrově stadionu v Olomouci při filmování: červené tečky – skutečné umístění kamer, modré tečky – fiktivní umístění kamer (www.sigmafotbal.cz, 2008).
Popis měřícího systému
4.4
Produkt VMMTS 1.0 Katedry sportu Fakulty tělesné kultury na Univerzitě Palackého v Olomouci vznikl ve spolupráci s Ing. Janem Bařinkou v rámci projektu Studentské grantové soutěţe UP v Olomouci č. 43510007 „Analýza zatíţení hráčů během utkání ve sportovních hrách (basketbal, fotbal, házená a volejbal)“. Software je určen k manuální obsluze na základě pohybu pera po dotykové obrazovce nebo pomocí myši na monitoru. Ke kalibraci je nutné nastavení „sítě“, která se graficky v počítači překryje na natočené video utkání. Zápas je moţné nafilmovat jakoukoliv videokamerou (ale čím vyšší rozlišení, tím lépe). Nejprve je nutné rozměry natáčeného hřiště vloţit do X, Y souřadnice k nastavení brankových, pomezních anebo půlících čar ve formátu PG. K nastavení bylo pouţito 11 čar v ose X a Y (doba trvání asi 15 minut). Poté byla síť pomocí programu VMMTS 1.0, respektive pozice kamery nastavena díky prostorovým osám X, Y a Z. V nastavení bylo nutné brát v potaz umístění snímající kamery, kterou bylo utkání natáčeno. V programu musela být určena výška kamery nad zemí, sklon k pozici hřiště a vzdálenost ke středu hřiště. Tímto způsobem bylo nutné síť naprogramovat. Ve výzkumu byl kalibrován software na hřiště Androva stadionu SK Sigma Olomouc (rozměry byly 105
38
metrů x 68 metrů). Po nastavení hodnot v umístění kamery bylo nutné přiřadit v software na PC vytvořenou síť na nafilmované utkání, aby se skutečné pomezní čáry s nafilmovaným záznamem překrývaly. Nastavení sítě na videozáznam v software trvalo cca 10 hodin. Pozice, která byla na základě pohybu pera na dotykové obrazovce snímána, byla v ten samý okamţik vyhodnocovaná a zpracovávána v jiném kooperujícím programu. Byla zaznamenávána pozice na ose X a Y + čas. Do programu bylo uloţeno, v jakém čase a odkud kam došlo na ose X, Y k pohybu. Výsledkem rozdílu pohybu na ose bylo moţno pomocí software určit vzdálenost neboli počet uběhnutých kilometrů. Poté by se dala při rozdílu času a dráhy ve vztahu rychlost = dráha/čas vypočítat i výsledná rychlost pohybu hráče. Na obrázku 17 je zobrazen vzhled programu VMMTS 1.0. Centrální největší prostor programu zaujímá video, kde je vidět síť a pohyb hráčů. Vpravo nahoře je uvedeno nastavení, které síť ukotvilo do X, Y a Z osy. Dole uprostřed je umístěna pozice, kde se nachází sledovací zařízení (myš). Vpravo dole vidíme počet uběhnutých kilometrů sledovaného hráče.
Obrázek 17. Vzhled programu VMMTS 1.0.
39
V rámci bakalářské práce byla programem VMMTS 1.0 vyhodnocována objektivita a reliabilita. Objektivita (=souhlasnost) je: „stupeň toho, jak jsou výsledky nezávislé na výzkumníkovi nebo měřeném jedinci ve smyslu subjektivního úmyslného nebo neúmyslného zkreslení“ (Hendl, J., 2004, 47). Po natočení videa na Andrově stadionu byly nejdříve měřeny vzdálenosti přední (241 metrů) a zadní části (237,5 metrů) hřiště z pohledu první kamery. Vyhodnocování provedl autor bakalářské práce a student Právnické fakulty Univerzity Palackého. Měření objektivity proběhlo tak, ţe ručně byly myší na obrazovce v programu VMMTS 1.0 kopírovány měřené obvodové čáry Androva stadionu SK Sigma Olomouc (obrázek 18).
Obrázek 18. Měření přední poloviny hřiště (zelená barva) – obvod 237,5 m, zadní poloviny hřiště (červená barva) – obvod 241 m (www.eturnaje.cz, 2010) Reliabilita (= spolehlivost) je: „stupeň shody výsledků měření jedné osoby nebo jednoho objektu provedeného za stejných podmínek“ (Hendl, J., 2004, 48). Ověření reliability provedl autor práce. Bylo měřeno natočené utkání SK Sigma Olomouc – FK Frýdek-Místek. Úkol byl definován jako zaznamenání trajektorie pohybu na dotykové obrazovce v ose a těţišti hráče v přesně stanoveném čase v určitém úseku utkání s přestávkou minimálně 24 hodin. Byly zaznamenávány uběhnuté vzdálenosti všech 11ti hráčů během zápasu. Měřilo se
40
v určitém přesně daném intervalu utkání 3 minuty kaţdého jednoho hráče (měření listopad 2010 aţ duben 2011). Měření reliability proběhlo tak, ţe myší byla na obrazovce kopírována trajektorie pohybu hráčů SK Sigma Olomouc (obrázek 19).
Obrázek 19. Trajektorie hráče, který se pohyboval po hřišti (ilustrační obrázek). Při výzkumu moţnosti aplikace a vyuţití software VMMTS 1.0 na fotbal nebylo při ověřování, zda program pracuje správně, analyzováno celé fotbalové utkání, ale pouze úseky a dané intervaly. Kdyby se měl vyhodnocovat celý zápas, doba měření jednoho hráče by trvala 1x90 minut, tzn. 1x90x11 hráčů celkem (16,5 hodiny/1 muţstvo). Výsledné průměry, průměrné odchylky, Paersonovy korelační koeficienty byly vypočítány dle učební knihy Základy statistiky (Kubátová, 2008), vedoucí Katedry aplikované ekonomie na Filosofické fakultě UP v Olomouci a dle knihy Přehled statistických metod zpracování dat (Hendl, 2004). Výsledky jsou uvedeny v tabulkách a grafech.
41
5
VÝSLEDKY 5.1
Objektivita měření přední poloviny hřiště posuzovateli
Skutečné rozměry hřiště Androva stadionu v Olomouci splňují normy UEFA, respektive měřené úseky pro výzkum bakalářské práce dle vyjádření bezpečnostního technika SK Sigma Olomouc Milana Zapletala (osobní konzultace 20. 10 2010) vykazují hodnotu 237,5 metrů. Měření objektivity spočívalo v posouzení stupně toho, jak jsou výsledky nezávislé na měřiteli ve smyslu subjektivního úmyslného nebo neúmyslného zkreslení (Hendl, 2004). První posuzovatel kopíroval daný úsek hřiště 40krát a druhý posuzovatel rovněţ 40krát (obrázek 18). Výsledná data byla dosazena do vzorců a byl vypočítán: průměr - aritmetický průměr vypočtený součtem skupiny čísel a jeho následným vydělením počtem těchto čísel, Pearsonův korelační koeficient r. Hodnota r leţí mezi -1.0 pro úplnou zápornou korelaci a +1.0 pro úplnou kladnou korelaci a vyjadřuje lineární vztah mezi dvěma mnoţinami dat, průměrná odchylka, vrátí průměr absolutních odchylek bodů dat od jejich střední hodnoty. Je měřítkem variability mnoţiny dat (Kubátová, 2008). Tabulka 3. Vypočítané hodnoty z výsledných měření 1. posuzovatel 2. posuzovatel Skutečná délka (metry) 237,5 237,5 Průměr (metry) 242,08 260,71 Chyba skutečnosti a měření 1,9 % 9,5 % Paersonův korelační koeficient 0,59 0,59 Průměrná odchylka 9,70 9,70 Skutečná velikost měření úseku hřiště se měla pohybovat v hodnotě 237,5 metrů. V průměru ji posuzovatel 1 naměřil s chybou 1,9 %. Posuzovatelem 2 dle výpočtu byla naměřena chyba 9,5 %. Paersonův korelační koeficient byl změřen dle Hendla (2004) jako 0,59. Koeficient korelace svědčí o tom, ţe mezi oběma vypočítanými znaky existuje nepříliš vysoká přímá lineární závislost – čím je vyšší mez plasticity, tím je vyšší mez pevnosti, a čím je niţší mez plasticity, tím je niţší mez pevnosti (Kubátová, 2008).
42
5.2
Objektivita měření zadní poloviny hřiště posuzovateli
Skutečné rozměry hřiště Androva stadionu v Olomouci splňují normy UEFA, respektive měřené úseky pro výzkum bakalářské práce dle vyjádření bezpečnostního technika SK Sigma Olomouc Milana Zapletala (osobní konzultace 20. 10 2010) vykazují hodnotu 241 metrů. Měření objektivity spočívalo v posouzení stupně toho, jak jsou výsledky nezávislé na měřiteli ve smyslu subjektivního úmyslného nebo neúmyslného zkreslení (Hendl, 2004). První posuzovatel kopíroval daný úsek hřiště 40krát a druhý posuzovatel rovněţ 40krát (obrázek 18). Výsledná data byla dosazena do vzorců a byl vypočítán: průměr - aritmetický průměr vypočtený součtem skupiny čísel a jeho následným vydělením počtem těchto čísel, Pearsonův korelační koeficient r. Hodnota r leţí mezi -1.0 pro úplnou zápornou korelaci a +1.0 pro úplnou kladnou korelaci a vyjadřuje lineární vztah mezi dvěma mnoţinami dat, průměrná odchylka, vrátí průměr absolutních odchylek bodů dat od jejich střední hodnoty. Je měřítkem variability mnoţiny dat. Tabulka 4. Vypočítané hodnoty z výsledných měření 1. posuzovatel 2. posuzovatel Skutečná délka (metry) 241 241 Průměr (metry) 261,42 305,07 Chyba skutečnosti a měření 8,5 % 26,6 % Paersonův korelační koeficient 0,57 0,57 Průměrná odchylka 25,72 25,72 Skutečná velikost měření úseku hřiště se měla pohybovat v hodnotě 241 metrů. V průměru posuzovatel 1 ji naměřil s chybou 8,5 %. Posuzovatelem 2 dle výpočtu byla naměřena chyba 26,6 %. Paersonův korelační koeficient byl změřen dle Hendla (2004) jako 0,57. Koeficient korelace svědčí o tom, ţe mezi oběma vypočítanými znaky existuje nepříliš vysoká přímá lineární závislost – čím je vyšší mez plasticity, tím je vyšší mez pevnosti, a čím je niţší mez plasticity, tím je niţší mez pevnosti (Kubátová, 2008).
43
5.3
Reliabilita sledování 11ti hráčů v utkání Sledování pohybu 11ti hráčů na ověření reliability bylo autorem bakalářské práce
provedeno 4x. Interval zápasu, při kterém byl měřen kaţdý hráč v prvním poločase utkání, byl vyhodnocován s delším časovým odstupem v časovém úseku 8. minuty aţ 11. minuty utkání. Měření začínalo ve dnech uvedených v legendě obrázku a kaţdé probíhalo přibliţně tři dny.
Obrázek 20. Srovnání výsledků při měření 11ti hráčů při utkání z pohledu jednotlivých hráčů. Měření reliability spočívalo ve shodě výsledků měření jedné osoby – autora bakalářské práce – provedeného za stejných podmínek s odstupem několika měsíců. Pro reliabilitu bylo vyhodnocováno měření ze dnů 20. 11. 2010 a 14. 12. 2010 proti dnům 7. 3. 2011 a 13. 4. 2011. Paersonův korelační koeficient r byl dle Hendla (2004) zjištěn jako 0,97, coţ je hodnota, která odpovídá v tomto programu VMMTS 1.0 pro fotbal vysoké míře reliability.
44
5.4
Další hodnocení a zjištění Při měření perem na dotykové obrazovce bylo zjištěno, ţe fixovaný tedy poloţený
loket na stole před obrazovkou a následné vedení pera v trajektorii hráče po monitoru je přesnější, neţ kdyţ je loket (ruka) bez opory. Avšak při měření myší na klasické obrazovce byly hodnoty vyhodnoceny s niţší chybovostí neţ perem na dotykové obrazovce. Čím rychleji se při měření objektivity posuzovatel myší pohyboval, tím niţší byla chybovost. Na obrázku 19 je pozorovatelné, ţe měření reliability jednotlivých hráčů s odstupem času se příliš nelišilo. Zkoušky na notebooku s 15,6 palcovou obrazovkou se ukázaly horšími neţ na monitoru 24 palcovém. Lineární závislostí tedy vyplývá, ţe na dotykové tabuli (úhlopříčka 77) např. v biomechanické laboratoři na Fakultě tělesné kultury, by zjištěné výsledky byly lepší. Naměřené hodnoty by tedy s větší pravděpodobností odpovídaly skutečným rozměrům či naběhaným kilometrům. Bylo zjištěno, ţe kamery pro analýzu a správnost pouţití v programu VMMTS 1.0 pro fotbalové utkání musí být použity minimálně čtyři. Dvě musí být umístěny kolmo na brankové čáry co nejvýše na tribunách stadionu a další dvě musí snímat pokutové území kolmo k první a druhé kameře, aby snímaly tu část hřiště, která jednou kamerou jako v tomto výzkumu nelze vidět. Struktura řádků a sloupců (Janura et al., 2004) známá jako rozlišitelnost je v síti programu VMMTS 1.0 rozdělena vertikálními a horizontálními rovnoběţnými čarami. Měření, které bylo prováděno v bakalářské práci, bylo vyhodnocováno pomocí indexu 0,100. Jestliţe by hodnoty rozlišení byly vyšší, výsledky by byly přesnější. Návrh pro budoucí potencionální práci je minimálně 0,500 při mapování v síti programu VMMTS 1.0 pro fotbalová utkání.
45
5.5
Výsledné porovnání popisovaných programů
Tabulka 12. Porovnání produktů zaměřených na analýzu fotbalových utkání AUTO / MANUAL APAS Manuál ASPOGAMO Auto DVideo Auto Tracab Auto Amisco Auto Match Analysis Auto Prozone Auto Panini Digital Manuál VMMTS 1.0 Manuál PROGRAMY
VLASTNÍ DISTANCE STATISTIKY SNÍMÁNÍ COVERED ANO NE ANO ANO ANO NE ANO NE ANO
Vysvětlivky: AUTO/MANUAL VLASTNÍ SNÍMÁNÍ
ANO NE ANO ANO ANO NE NE NE ANO
NE ANO ANO ANO ANO ANO ANO ANO NE
SNÍMÁNÍ BEZ MÍČE ANO NE ANO ANO ANO NE ANO
ZÁZNAM Video Video Video Video Video Video Video Audio Video
ONLINE NE NE NE ANO ANO NE ANO NE NE
POČET KAMER 2 1 4 16-18 3-6 1 8 1 1 (4)
automatický/manuální program ANO - potřeba vlastních zařízení programu (kamery, software) NE – není potřeba vlastních zařízení (moţnost poslání záznamu na DVD)
DISTANCE COVERED
ANO – program měří uběhnuté vzdálenosti, rychlosti hráčů NE – program neumí měřit uběhnuté vzdálenosti
STATISTIKY
zaznamenává počty branek, střel, přihrávek, kliček, faulů, atd.
SNÍMÁNÍ BEZ MÍČE
NE – zaznamenává jen hráče, kteří se právě nachází s míčem ANO – zaznamenává i ty hráče, kteří se právě s míčem nenachází
ZÁZNAM
Video – vyhodnocováno pomocí videozáznamu Audio – vyhodnocováno slovně pomocí příkazů
ON-LINE
ANO – zpracování a vyhodnocení v přímém přenose NE – potřebuje ke zpracování delší časový interval
POČET KAMER
kamery nebo sledovací zařízení pro analýzu
46
6
ZÁVĚRY
VideoManualMotionTracking system 1.0 (VMMTS 1.0) pro fotbalová utkání: Měření zadní poloviny hřiště pouze z jedné kamery je méně přesné, neţ kdyby se na kaţdou přední (bliţší) polovinu hřiště pouţila právě jedna kamera. Zásadním závěrem pro další výzkum a budoucí měření je zjištění nutnosti pouţití minimálně 4 kamer. Dvě, aby mohly monitorovat utkání na kaţdé bliţší polovině z nejvyšších míst tribun kolmo na brankové čáry; další dvě musí snímat pokutové území kolmo k první a druhé kameře, aby snímaly tu část hřiště, která jednou kamerou jako v tomto výzkumu nelze vidět. Čím výše jsou kamery umístěny, tím větší prostor hřiště zaberou. Aby bylo natáčecí zařízení výše, kamery na stativech by bylo vhodné umístit na střechu stadionu. Na větší obrazovce v porovnání s menší, jsou hodnoty zjištěné se skutečnými mnohem lepší. Čím větší monitor, tím vyšší shoda se skutečnými rozměry hřiště. Měření rozlišitelnosti by bylo vhodnější a přesnější s vyšším indexem pixelů minimálně 0,500. Měření 11ti hráčů v jednom zápasu by trvalo 16,5 hodiny. Při předpokladu použití 4 kamer by se časový interval vyhodnocování trajektorie pohybu všech hráčů prodloužil na 66 hodin. Jedná se pouze o manuální sledování trajektorie hráčů v daném utkání, přičemţ není započítán další čas na zpracování údajů. Pro účely analýzy fotbalových utkání se jeví jako nejvhodnější programy a produkty Amisco, Prozone a Tracab. Analýza těmito produkty je podmíněna vlastním sledovacím zařízením na kaţdém stadionu. Produkt Panini je vyhodnocován pomocí hlasových příkazů, ostatní programy jsou analyzovány jako videozáznamy. Amisco, Tracab a DVideo jsou automatické, finančně náročné programy, vzdálenosti a rychlosti pohybu hráčů vyhodnocují. Produkty, které dokáţí určit počet uběhnutých kilometrů, musí mít vlastní sledovací zařízení na stadionu (kromě „univerzitních programů“ APAS a VMMTS 1.0, které jsou právě a jen na tuto problematiku vyvinuty).
47
APAS a VMMTS 1.0 umí vyhodnotit překonané vzdálenosti hráčů v utkání, avšak vyhodnocování je manuální.
48
7
SOUHRN Smyslem a cílem mé diplomové práce bylo seznámit s nejznámějšími a nejpouţívanějšími
světovými programy, produkty a software na analýzu fotbalových utkání APAS, ASPOGAMO, DVideo, Tracab, Amisco, Match Analysis, Prozone a Panini Digital, publikovanými dosud pouze v zahraniční literatuře. Součástí
bakalářské
práce
byl
výzkum
i
zaměřený
na
český
program
VideoManualMotionTracking system 1.0 (VMMTS 1.0), vytvořený na Katedře sportu Fakulty tělesné kultury Univerzity Palackého v Olomouci, který měří délku uběhnutých kilometrů při sportovních utkáních. Provedený výzkum v bakalářské práci prokázal, ţe software VMMTS 1.0 je aplikovatelný na fotbal, avšak pro kvalitní analýzu nestačí pouţití pouze jedné snímající kamery. Jednou kamerou výsledky z přední poloviny hřiště vykazovaly vyšší hodnoty míry objektivity (0,59) oproti zadní polovině hřiště a průměrná odchylka byla 9,7 metrů. Ze zadní poloviny hřiště to jiţ byla niţší míra objektivity (0,57) a průměrná odchylka činila 25,72 metrů. Nevýhodou systému je nutnost manuálního kopírování trajektorie pohybu kaţdého jednotlivého hráče zvlášť na (dotykové) obrazovce po celou dobu trvání utkání na 4 kamerách, tzn. kopírování jednoho hráče po dobu 4x90 minut. Měření pohybu fotbalistů v software VMMTS 1.0 konkrétně vlastní měření 11ti hráčů v jednom utkání by trvalo 66 hodin, přičemţ není započítána doba na přeměnu hráčů, ukládání dat a na analýzu vyhodnocených výsledků. Program VMMTS 1.0 je sice pro analýzu fotbalového utkání funkční a moţný, ale pro současné profesionální prvoligové týmy, respektive trenéry těţko pouţitelný. Ti poţadují rychlý a automatický přehled dat umoţňující okamţitou vyuţitelnost zpracovaných údajů. Je nutno podotknout, ţe oproti komerčním světově známým software Amisco, Tracab a DVideo je program VMMTS 1.0 finančně dostupnější. Analýza fotbalového utkání v dnešní době je nejen dle mého názoru důleţitou součástí tréninkového procesu. Trenéři, metodici, analytici a hráči mohou profesionálně zpracované výsledky vyuţít pro vlastní sebereflexi a zhodnocení. Data z aktuálních analýz jsou vyuţitelná i v průběhu utkání, kdy trenér můţe zpracované údaje vyuţít k přesnějšímu popisu a přehlednějšímu vysvětlení herní situace, ke zvolení jiného stylu hry, ke změně rozestavení, případně k vystřídání hráčů.
49
Věřím, ţe informace čerpané z české, anglické, portugalské a německé odborné literatury a výsledky výzkumu setříděné do přehledu poznatků připravily prostor a podklady pro kolegy, kteří se uváděnou tematikou zabývají a na výsledky mých zjištění ve svých diplomových pracích navazují.
50
8
SUMMARY The aim and purpose of my diploma thesis is to itnroduce the most popular and often used
world programs, products and softwares for analyzing football games like APAS, ASPOGAMO, DVideo, Tracab, Amisco, Match Analysis, Prozone and Panini Digital so far published only in foreign literature. A part of my diploma thesis was a research focused on a czech program VideoManualMotionTracking system 1.0 (VMMTS 1.0) developed at the Department of Sport of the Faculty of Physical Culture in Olomouc, which measures the distance run in kilometres during particular sport games. The reserach carried out in the diploma thesis has shown that software VMMTS 1.0 is applicable to football, but not enough to only one cameras pannig. One camera, the results from the front half of the pitch showed a higher degree of objectivity (0.59) versus the back half of the pitch and the average deviation was 9.7 meters. The rear half of the course it was already lower level of objectivity (0.57) and the average deviation was 25.72 meters Its main disadvantage however is that it is necessary to manually copy the motion trajectory of each particular player individually on the touch screen for the duration of the whole match on 4 cameras, that means that it is necessary to copy the movement of a single player for the period of 4x90 minutes. Measurement of football players' movement using the VMMTS 1.0 software, specifically a measurement of 11 players in one game lasts 66 hours, where the time needed for a change of players, time for saving the data and analyzing of the acquired results is not included. Program VMMTS 1.0 is hypothetically functional and possibly applicable to the analysis of football matches, but it is hardly usable for the current professional top leagues teams, as they require quick and automatic overview of the data which would enable them immediate use of the information acquired. However it is worh pointing out that comparing to other commercially successful softwares like Amisco, Tracab and Dvideo, program VMMTS 1.0 is financially more available. Analysis of football matches is, not only in my opinion, an important part of a training process. Professionally acquired and processed data can be used by coaches, strategists, analysts, and fotball players for self-reflection and evaluation. Results from current analysis are usable also during the match itself, where the coach can use the processed data for precise
51
explanation and clear description of the game situation, for adjustement of the game strategy, alteration of playing positions and eventually for the change of players themselves. I believe that the information drawn from the Czech, English, Portuguese and German literature and research findings in the report sorted prepare space and materials for colleagues engaged in the marketing theme, the results of my findings in my master's thesis continues and those who do will wish to address in future.
52
9
REFERENČNÍ SEZNAM
Barros, R., M. L., Misuta, M., S., Menezes, R., P., Figueroa, P., J., Moura, F., A., & Cunha, S., A. (2007). Analysis of the distances covered by first division Brazilian soccer players obtained with an automatic tracking method. Journal of Sports Science and Medicine, 6, 233-242. Retrieved 8. 12. 2010 from SPORTDiscus with Full Text on the World Wide Web: http://citeseerx.ist.psu.edu/viewdoc/download?doi=10.1.1.102.3127&rep=rep1&type=pdf Bloomfield, J., Polman, R., & O'Donoghue, P. (2007). Physical demands of different positions in FA Premier League soccer. Journal of Sports Science and Medicine, 6(1), 63-70. Retrieved 8. 12. 2010 from SPORTDiscus with Full Text on the World Wide Web: http://www.jssm.org/vol6/n1/8/v6n1-8pdf.pdf Čelikovský, S., et al., (1985). Antropomotorika I. Prešov: Univerzita P.J. Šafárika. Český hydrometeorologický ústav (2010). Aktuální počasí. Retrieved 28. 10. 2010 on the World Wide: http://www.chmi.com/. Figueroa, P., J., Neucimar, J., L., & Barros, R., M., L. (2006). Tracking soccer players aiming their kinematical motion analysis. Computer Vision and Image Understanding 101, 122– 135 Retrieved 8. 12. 2010 from SPORTDiscus with Full Text on the World Wide Web:http://www.sciencedirect.com/science?_ob=MiamiImageURL&_imagekey=B6WC X-4H9GRRT-3-2M&_cdi=6750&_user=990403&_pii=S1077314205001293&_check =y&_origin=gateway&_coverDate=02%2F28%2F2006&view=c&wchp=dGLbVtz-zSk zS&md5=ecfb639b036b206bfe3f4633f5b22813&ie=/sdarticle.pdf Hendl, J., (2004). Přehled statistických metod zpracování dat. Praha: Portál. Henning, E., & Briehle, R. (2000). Game analysis by gps satelite cracking of soccer players [Electronic version]. Proc. XI Congress of Canadian Sociery of Biomechanics, (44). Montreal. Hodaň, B., (2006). Sociokulturní kinantropologie I. Brno: Masarykova univerzita. Huang, Y., Llach, J., & Bhagavathy, S. (2007) Players and Ball Detection in Soccer Videos Based on Color Segmentation and Shape Analysis. Journal of Sports Sciens, 4577, 416 – 425. Retrieved 11. 11. 2010 from EBSCO database on the World Wide Web: http://www.springerlink.com/content/5n28068870l3212q/fulltext.pdf
53
Jančar, R., (2006). Idnes.cz [Electronic version]. Jak funguje systém, který ví o fotbalistech všechno. Poprvé v ČR. Retrieved 8. 12. 2010 on the World Wide Web: http://technet.idnes.cz/jak-funguje-system-ktery-vi-o-fotbalistech-vsechno-poprve-v-crp7p-/tec_reportaze.asp?c=A061002_161541_tec_reportaze_kuz Janura, M., & Zahálka, F., (2004). Kinematická analýza pohybu člověka. Olomouc: Univerzita Palackého. Kirkendall, D. (2010). How Far Do You Run During a Soccer Game? Soccer. Retrieved 27. 12.
2010
on
the
World
Wide:
http://www.active.com/soccer/Articles/How_far_do_you_run_during_a_soccer_game_.ht m. Kubátová, J., (2008). Základy statistiky [Učební texty]. Olomouc: Univerzita Palackého, Filozofická fakulta. Liebner, I. (2006). Distance Covered Per Game. Plain Soccer. Retrieved 7. 8. 2010 on the World Wide Web: http://www.plainsoccer.com/2009/09/distance-covered-per-game.html Liu, Y., Liang, D., Huang, Q., & Gao, W. (2006). Extracting 3D information from broadcast soccer video. Image and Vision Computing 24, 1146 – 1162. Retrieved 11. 11. 2010 from EBSCO
database
on
the
World
Wide
Web:
http://www.jdl.ac.cn/doc/2006/Extracting%203D%20information%20from%20broadcast %20soccer%20video.pdf Match Analysis (2009). Products. Retrieved 28. 12. 2010 on the World Wide: http://www.matchanalysis.com/. Panini
(2010).
Team
Report.
Retrieved
27.
12.
2010
on
the
World
Wide:
http://www.paninidigital.com/site/IT/IT/professional_report.ashx?mn=12. Papahristodoiilou, Ch. (2008) An Analysis of UEFA Champions League Match Statistics. International Journal of Applied Sports Sciences, 20(1), 67-93. Retrieved 8. 12. 2010 from
EBSCO
on
the
World
Wide
Web:
http://ehis.ebscohost.com/ehost/pdfviewer/pdfviewer?vid=8&hid=6&sid=fa219b0a-18174a16-a0ee-1965600d6b99%40sessionmgr13 Passos, P., Lopes, R., & Milho, J. (2008). Análise de padrões de coordenação interpessoal no um-contra-um no Futebol. Revista Portuguesa de Ciências do Desporto 8 (3), 365-376. Retrieved
8.
12.
2010
from
EBSCO
on
the
World
Wide
Web:
http://ehis.ebscohost.com/ehost/pdfviewer/pdfviewer?vid=13&hid=6&sid=fa219b0a1817-4a16-a0ee-1965600d6b99%40sessionmgr13
54
Perš, J., Bon, M., & Kovačevič, S. (2001). Errors and Mistakes in Automated Player Tracking. Proceedings of Sixth Computer Vision Winter Workshop CVWW’01, 25-36. Retrieved
8.
12.
2010
from
EBSCO
on
the
World
Wide
Web:
http://www.sciencedirect.com/science?_ob=MImg&_imagekey=B6WCX-4S5760R-1W&_cdi=6750&_user=990403&_pii=S1077314208000465&_origin=gateway&_coverD ate=05%2F31%2F2009&_sk=998869994&view=c&wchp=dGLzVzzzSkzS&md5=9b6d8745e3e65a27a8fa0c4348020dcb&ie=/sdarticle.pdf Prozone (2009). Focus on Player Recruitment. Retrieved 7. 11. 2010 on the World Wide: http://www.prozonesports.com/news-article-focus-on-player-recruitment.html. Prozone (2010). World Cup 2010 Analysis. Retrieved 3. 12. 2010 on the World Wide: http://www.prozonesports.com/news-article-world-cup-2010-analysis.html. Prozone (2010). Prozone LIVE - World Cup 2010. Retrieved 3. 12. 2010 on the World Wide: http://www.prozonesports.com/news-article-prozone-live---world-cup-2010.html. Reilly, T., & Gilbourne, D. (2003). Science and football: A review of applied research in the football codes. Jurnal of Sports Sciens 21, 693-705. Retrieved 8. 12. 2010 from EBSCO on
the
World
Wide
Web:
http://ehis.ebscohost.com/ehost/pdfviewer/pdfviewer?sid=fa219b0a-1817-4a16-a0ee1965600d6b99%40sessionmgr13&vid=3&hid=6 Reilly, T., & Thomas, V. (1976). A motion analysis of work-rate in different positional roles in professional football match play. [Electronic version]. J. Human Move, (87-97). Sigmafotbal.cz (2004). Andrův sportovní areál. Retrieved 8. 12. 2010 on the World Wide Web: http://www.sigmafotbal.cz. Soon-Ho, L. (2008) Development of an Analysis Program on Sport Competition for Digital Video. International Journal of Applied Sports Sciences, 20(1), 94–112. Retrieved 8. 12. 2010
from
EBSCO
on
the
World
Wide
Web:
http://ehis.ebscohost.com/ehost/pdfviewer/pdfviewer?sid=fa219b0a-1817-4a16-a0ee1965600d6b99%40sessionmgr13&vid=7&hid=6 Sport-universal (2007). Technology. Retrieved 27. 12. 2010 on the World Wide Web: http://www.sport-universal.com. UEFA.com (2010). Matches ZIL – SPP. Retrieved 3. 12. 2010 on the World Wide: http://www.uefa.com/uefachampionsleague/matches/season=2011/live/index.html?match day=-1&day=2&match=2002396. Withers, R., T.,
Maricic, T., Wasilewski, S., & Kelly, L., (1982). Match analyses of
Australan Professional soccer players. [Electronic version]. J. Human Move, (159-176). 55
Zháněl, J., (2008). Antropomotorika [Učební texty]. Olomouc: Univerzita Palackého
56
