Detección y extracción de pistas deportivas y campos de fútbol a partir de imágenes del Plan Nacional de Ortofotografía Área con YOLOv11

Resumen

La localización automática de infraestructuras deportivas, como pistas y campos de fútbol, ha cobrado un papel muy importante en diferentes áreas como en el campo de la teledetección o en el catastro. Actualmente, hay diferentes organismos públicos como el Instituto Geográfico Nacional (IGN) que emplean esta información para actualizar muchas de las funcionalidades que ellos llevan a cabo. Sin embargo, la edición, revisión o análisis de manera manual de las ortofotos del Plan Nacional de Ortofotografía Aérea (PNOA) es un proceso muy costoso, laboriosa y poco escalable.

Este trabajo propone el desarrollo de un sistema automático para la detección de pistas deportivas y campos de futbol mediante técnicas de visión por computadora, particularmente, con redes neuronales convolucionales entrenadas en el modelo YOLOv11. Este modelo, orientado a la detección de objetos en tiempo real, destaca por su capacidad para identificar estructuras orientadas (Oriented Bounding Boxes,OBB) inclusive en imágenes aéreas.

Este proyecto comienza con la descarga de ortofotografías usando servicios WMS, mediante herramientas como QGIS y librerías GDAL/OGR. Las instancias de las imágenes fueron seleccionadas de una base de datos vectorial, además de obtener información sobre las instalaciones deportivas.

Para la elaboración del dataset de entrenamiento se utilizaron herramientas de anotación, en este caso, LabelMe, con las que se etiquetaron un total de 8.500 imágenes, cada una con sus correspondientes pistas deportivas y campos de fútbol. Estas imágenes fueron seleccionadas de la manera más uniforme posible a lo largo de todo el territorio nacional de España, con el objetivo de abarcar la mayor diversidad geográfica posible y asegurar así la representatividad del modelo ante diferentes entornos urbanos y rurales.

Como parte del entrenamiento, se introdujeron intencionadamente imágenes de zonas que el modelo podría confundir, como marcar terrenos agrícolas o áreas verdes como si fueran campos de fútbol. Este planteamiento se encarga de reforzar la capacidad del modelo para aprender de manera correcta las diferentes características de las instancias, en vez de ir memorizándolas para así mejorar su robustez y precisión.

Los resultados obtenidos confirman que el modelo Stocastic Gradient Descent (SGD) ofrece un rendimiento excelente y fiable, con los porcentajes de precisión y sensibilidad más elevados de todos.

Abstract:

The automatic detection of sports infrastructures, such as sports courts and football fields, has gained increasing importance in fields such as remote sensing and land registry management. Currently, several public institutions, such as the National Geographic Institute (IGN), rely on this information to update and optimize many of their functions. However, the manual editing, review, and analysis of aerial orthophotos from the National Plan for Aerial Orthophotography (PNOA) is a time-consuming, labor-intensive, and poorly scalable process.

This work proposes the development of an automatic system for the detection of sports courts and football fields through computer vision techniques, specifically using convolutional neural networks trained with the YOLOv11 model. This model, designed for real-time object detection, stands out for its ability to identify oriented structures (Oriented Bounding Boxes, OBB) even in aerial images.

The project begins with the download of orthophotos using WMS services, through tools such as QGIS and the GDAL/OGR libraries. Image instances were selected from a vector database, along with additional information regarding the location of sports facilities.

For the construction of the training dataset, annotation tools such as LabelMe were used, resulting in a total of 8,500 labeled images, each containing its corresponding sports courts and football fields. These images were carefully distributed across the entire Spanish territory, in order to capture the widest possible geographical diversity and thus ensure the representativeness of the model in both urban and rural environments.

As part of the training process, images of areas that could potentially confuse the model were intentionally included, such as agricultural lands or green areas resembling football fields. This strategy was designed to reinforce the model’s ability to learn the discriminative features of the instances rather than memorizing them, thereby improving its robustness and accuracy.

The results confirm that the Stochastic Gradient Descent (SGD)-based model achieves excellent and reliable performance, with the highest values of both precision and recall.