本文目录导读：
你提到的“统计门前抢点射门次数对比”通常属于足球数据分析（Soccer/Football Analytics）的范畴，这类数据一般由商业体育数据提供商（如 Opta、StatsPerform、Wyscout）掌握，或者存在于一些专业的研究型开源项目中。
虽然完全自动化的、开箱即用的“抢点射门”统计开源项目比较少见（因为“抢点”的定义需要复杂的计算机视觉或事件分类），但我可以根据足球数据分析的开源生态，为你提供几个最接近且可行的方案来完成这个需求：
使用开源事件数据集进行统计（推荐，最快上手）
最直接的方法是利用社区维护的开源足球比赛事件数据，你需要自己定义“抢点”的规则（射门位置在禁区中心区域且射门前没有盘带）。
推荐的数据集：
-
StatsBombR / statsbombpy (Python包)：
- 特点：完全免费，数据质量极高，StatsBomb 提供了包括梅西、C罗、世界杯等大量比赛的详细事件数据。
- 如何操作：它包含了
shot事件，并且有详细的 坐标 (location)、射门类型 (type) 和身体部位 (body_part) 以及动作序列。 - 定义“抢点”：你可以通过以下条件组合来近似筛选：
location.x和location.y在禁区小禁区内或靠近球门（如 x > 105, y 在 30-45 之间）。type为Shot。body_part为Head（头球抢点）或Right/Left Foot。- 关键：查看
related_events或前一个事件的类型，如果是Pass且传球后立即射门（时间差<2秒）,这很可能是一次抢点射门。
-
SoccerAction (SPADL / SoccerMatch)：
- 特点：由德国DFL（德国足球联盟）支持，数据格式标准化,包含完整的动作序列。
- 如何操作：它把比赛分解成原子动作，你可以查找“射门”动作的前一个“传球”动作发生的位置和时间间隔,来统计抢点射门。
Python 代码示例（使用 statsbombpy）：
import statsbombpy as sb
import pandas as pd
# 获取一场比赛，2022 世界杯决赛 (match_id 需要查一下，这里假设是具体ID)
events = sb.events.match_id(3847561)
# 筛选射门事件
shots = events[events['type'] == 'Shot'].copy()
# 定义一个简单的“抢点”规则：在禁区内且接球后立刻射门（这里简化处理，需要结合前一事件）
# 真正的抢点需要分析分钟和序列，这里仅作演示
def is_tap_in(row, df):
# 这里需要更复杂的时序逻辑，例如检查前一事件
# 粗略判断：如果射门位置 x 坐标很大（靠近底线），且 y 在球门范围内
if 100 < row['location'][0] <= 120 and 30 <= row['location'][1] <= 50:
return True
return False
# 计算“疑似抢点”
shots['is_tap_in'] = shots.apply(is_tap_in, axis=1)
print(f"疑似门前抢点射门次数: {shots['is_tap_in'].sum()}")
使用计算机视觉从视频中提取（高难度，非标）
如果你有比赛视频，并且想自己训练模型,可以参考以下开源项目：
- SoccerTrack / Sportspose：用于球员追踪和关键点检测。
- Action Recognition Models (如 VideoMAE, I3D)：训练一个分类器，识别“接球-触球-射门”这一系列动作。
难点：定义“抢点”非常主观，且需要识别传球与射门之间的毫秒级时间间隔和球员是否处于越位位置，这通常需要3D重建和球门线检测,开源实现非常复杂。
使用商业API的有限免费版
- Opta Fuse (已停止免费，需要订阅)：专业级。
- Wyscout API (有免费试用额度)：数据很全,可以结构化的查询射门事件。
- Footystats.org: 有一些免费API,但数据颗粒度较粗。
总结建议
如果你只是想做学术研究或个人分析：
- 首选方案一：下载 StatsBomb 的数据（免费），然后用
Python(Pandas) 写代码，通过筛选 射门坐标、射门部位和前一事件的传球类型 来近似统计“门前抢点”，这是目前开源社区最成熟、结果最可靠的方法。 - 如果你想要实时视频统计：目前还没有一个完美的、可以直接运行的“抢点射门统计”开源项目，需要自己组合
YOLO(目标检测) +FairMOT(追踪) +时序模型完成开发。
一个实用的小技巧：在GitHub上搜索 soccer shot analysis、football event detection 或 statsbomb tap-in，查看最新的Repository，通常会有人分享他们用于统计类似“门前吃饼”次数的Jupyter Notebook。
