本文目录导读：
在开源体育数据分析项目中，“人盯人防守成功率”通常不是一个直接给出的现成指标，而是需要从事件数据（event data）或追踪数据（tracking data）中推导出来的复合指标。
目前主流的开源项目大致分两类：
追踪数据类（最接近你想要的能力）
这类项目能拿到球员和球的坐标，理论上可以算“人盯人防守”效果。
| 项目 | 说明 |
|---|---|
| SportsCode / SkillCorner 开源数据 | SkillCorner 公开过部分 broadcast tracking 数据，含球员坐标 |
| Metrica Sports Sample Data | 公开的 tracking + event 数据样本，常用于防守分析研究 |
| roboflow/sports | 计算机视觉做球员检测、跟踪、球队分类，可自建盯人分析 |
| deep-person-reid / YOLO + ByteTrack 组合 | 目标检测 + 多目标跟踪，是自建盯人识别的常用栈 |
这类项目不直接给“人盯人成功率”，但提供底层坐标,你需要自己定义：
- 谁在防谁（匹配算法，如匈牙利算法 + 距离代价）
- 防守是否成功（对手未接球/未射门/丢球权）
事件数据类（StatsBomb 开源）
StatsBomb Open Data 是最常被引用的开源足球事件数据集：
- 有
pressure（压迫）、duel（对抗）、dribble（过人）等事件 - 可以间接算“防守对抗成功率”，但不是严格意义上的人盯人
没有哪个开源项目直接输出“人盯人防守成功率”这个指标。
如果你想要这个指标,通常做法是：
- 用 roboflow/sports 或 YOLO+ByteTrack 拿到追踪数据
- 自己写“盯人匹配 + 成功判定”逻辑
- 或者用 StatsBomb Open Data 的 pressure/duel 事件做近似替代
如果你告诉我：
- 你关注的是足球、篮球还是其他项目
- 你手上已有追踪数据还是只有事件数据
我可以给你更具体的项目名 + 计算思路。
