图3-中路的策略
大量的手工数据收集使哈里森能够观察球员的技术，这在足球分析中是很罕见的。不过，这也有其局限性。首先，一个人的工作很难规模化。经过多年的实践，他可以在周日晚上的几个小时内记录一个周末的英超门将的行动。但如果扩张到其他联赛就需要超过一天的时间。
这些数据的主观性也很强，哈里森担心这些数据可能会被个别守门员了解所影响，而且数据的详细程度只足以捕捉守门员试图使用的技术，而不是他们如何准确地执行这些技术。这就是计算机视觉可能会派上用场的地方。
在南安普顿大学，一位名叫马修·威尔的研究生最近带来了一个研究想法。 如果他们在1v1的情况下研究守门员，但让计算机来弄清楚如何对射门停止技术进行分类呢？
这意味着要使用能够从图像中检测身体姿势的软件，这对于足球数据来说是一个很有前途但复杂的新领域。
他们项目的第一步是从StatsBomb事件数据中识别1v1的射门，并从视频中剪辑射门的图像。威尔与其他同事一起，将2018年世界杯以及2017/18和2018/19赛季英超联赛的323次射门的场景输入软件，从而捕捉到了门将的四肢和关节的位置。
图4-四肢和关节位置
与哈里森不同的是，南安普顿的研究小组并没有自己对这些身体姿势进行分类。相反，他们让一个聚类算法将他们为四组，他们称之为攻击性集合、被动集合、展开和压制。
图5-四个组合
最后，威尔的团队根据守门员的位置以及防守队员是否紧跟在射手身后施压，模拟了这四个集群中哪一个在不同的1v1情况下效果最好。
南安普顿小组或多或少地复制了哈里森的研究，使用了一种不同的方法，用机器学习代替人的判断，令人欣慰的是，这两种方法在门将应该如何应对1v1的问题上达成了一些类似的指导方案。
两个模型都发现，在中等距离上保持被动并对前锋做出反应是最好的，而且都发现通常在靠近球门的中路区域分腿式的阻挡射门是最好的。
图6-相同的结论
当后卫在点球点附近紧跟在前锋身后时，南安普顿模型的建议就会从扑脚下变成被动的选择。因为，如果前锋从后面受到压力，他们更有可能提前射门。如果他们没有受到压力，他们更有可能运球靠近一点，并有可能绕过门将，这就是这两者之间存在差异。"
威尔在体育分析大会上以海报的形式展示了南安普顿小组的研究，这是世界上知名度最高的体育爱好者年度聚会之一。不过，他们对这项工作的潜在应用谈得很谦虚，说这主要是帮助像他这样的低级守门员从顶级球员的比赛中学习的一种方式。
尽管斯隆论文全文中确实包括了对最常选择其模型推荐技术的球员的排名，威尔认为该研究应该提供证据来支持专业人士的判断，而不是取代它。例如，尽管一些非标准的技术，施梅切尔的海星技术可能不会在我们的模型中被标记为最佳技术，但这些技术对个人来说是非常成功的。
