Fotboll är en av världens mest populära sporter och det finns många olika aspekter attanalysera för att förstå spelarnas prestationer på planen. Syftet med prestationsanalyser är att presentera pålitlig, giltig och korrekt information till både spelare och tränare för att öka kunskapen om individuella och kollektiva prestationer. Kamerabaserad spårning av idrottare har visat sig ge hög noggrannhet och tillämpningar med drönare som insamlingsverktyg har blivit allt vanligare. Användning av drönare medför däremot utmaningar som behöver hanteras, som att både spelarna och drönaren är i konstant rörelse under inspelningen. Syftet med detta examensarbete är att undersöka och hitta en lämplig metod för hur fjärranalysdata från drönarbaserade videoinspelningar kan användas för att analysera fotbollsspelares prestationer. De specifika frågor som besvaras är med vilken standardosäkerhet en spelares position kan bestämmas – vilket uppmättes till 0,6–1,2 meter i Y-led och 0,8–1,7 meter i RMS (efter manuell kontroll) – samt hur den framtagna analysmetoden presterar i jämförelse med befintliga analysverktyg. För att uppfylla syftet utformades metoden med fokus på koordinattransformationer, objektspårning, osäkerhetsanalys och jämförelse med ett befintligt (GNSS-baserat) analysverktyg avseende både noggrannhet i prestationsanalysen och teknikens praktiska användbarhet. Två videoinspelningar från olika tillfällen användes i analysen som resulterade i vanligt förekommande mått för prestationsanalys (såsom distans, hastighet, accelerationer, sprinter och fördelning i hastighetszoner) och en uppskattning av osäkerhet i positionering. Detta examensarbete visar att det är möjligt att generera spelarstatistik från drönarvideo med en noggrannhet på ungefär 1–2meter i plan, vilket kan anses vara acceptabelt för grundläggande analys eller motionsidrott men i nuläget är analysmetoden inte tillräckligy exakt för detaljerade prestationsmätningar eller tillämpning för elitidrottare. Drönare som verktyg i prestationsanalys har visat sig vara användbart och med uppenbara fördelar gentemot GNSS-spårning. Samtidigt finns det behov av ytterligare vidareutveckling för att tekniken ska uppnå full potential.

Football (soccer) is one of the world’s most popular sports, with many aspects to analyze to fully understand players’ performances on the pitch. The purpose of performance analysis is to provide reliable, valid, and accurate information to both players and coaches, aiming to improve knowledge of individual and collective performances. Camera-based tracking of athletes has proven to offer high accuracy,and drone-based applications have become increasingly common. However, drones introduce challenges, particularly the fact that both the drone and the players are constantly moving during recording. The aim of this thesis is to investigate and propose a method for how remote sensing data from drone footage can be used to analyze football players’ performances. The specific research questions are with what standard uncertainty a player’s position can be determined – which was measured to be 0.6-1.2 meters in the Y-direction and 0.8-1.7 meters in RMS (after manualcontrol) – and how the developed method performs in comparison with existing analysis tools. The method focuses on coordinate transformations, object tracking, uncertainty analysis, and comparison with an existing (GNSS-based) analysis tool regarding both accuracy and practical useability. Two video recordings from different occasions were analyzed, resulting in common performance metrics (such as distance, speed, accelerations, sprints, and distribution in speed zones) and estimates of positional uncertainty. This thesis demonstrates that it is possible to generate player statistics from drone video with an accuracy of approximately 1-2 meters in the plane, which can be considered acceptable for basic analysis or recreational sports. However, the analysis method is not yet accurate enough for detailed performance measurements or elite-level applications. Drones as a tool in performance analysis show clear advantages over GNSS tracking, but there is a need for further development of the technology to achieve its full potential.