本文目录导读：
- 核心思路：你需要一个“数据采集 + 统计计算”的流程
- 方案一：基于“门球记分/赛事管理”类开源项目进行改造（最推荐）
- 方案二：基于“视频分析+目标追踪”开源框架（高技术门槛）
- 方案三：使用“电子表格 + 低代码平台”（零代码，最实用）
- 总结与建议
这是一个非常具体且带有一定体育数据分析专业性的问题,截至2025年5月），在GitHub、Gitee等主流开源平台上，几乎没有直接命名为“门球短传成功率统计”的现成、成熟的通用开源项目。
这主要是因为：
- 体育分析高度定制化：数据采集方式（人工录入 vs 视频追踪）、规则定义（什么是“短传”？多少米以内？）、数据格式，每个项目或团队都不同。
- 门球受众相对小众：相比足球、篮球，开源社区为门球开发标准化分析工具的动力较小。
这并不意味着你无法基于开源工具自行构建，以下是一些可行的思路和可以复用的开源组件：
核心思路：你需要一个“数据采集 + 统计计算”的流程
你需要做的事情本质上是一个低代码的“赛事记录与统计系统”，其核心逻辑是：
- 定义事件：在门球比赛中，定义“传球事件”（用代码逻辑区分长短传）。
- 记录事件：将每一次传球、接球、是否成功的数据记录下来。
- 计算指标：
成功率 = 成功短传次数 / 总短传尝试次数。
基于“门球记分/赛事管理”类开源项目进行改造（最推荐）
这是最接近你需求的方向,一些开源的体育赛事记分板或数据统计系统，虽然默认支持足球、篮球，但它们的底层数据模型和统计引擎是可以复用的。
推荐项目（搜索关键词：Open Source Sports Statistics System）：
- EasyScoreboard 或 Open Sports (OS)：这类项目通常允许你自定义“事件类型”（Action），你可以将“传球（短）”、“传球成功（短）”作为自定义事件加入门球比赛，只要你修改前端界面（把篮球框换成门），后端统计模块（计算成功率、次数）是直接可用的。
- R-Stats（一个基于R语言的体育统计包）：虽然主要用于篮球，但其计算“传球成功率”的数学和逻辑代码（分母是总传球，分子是成功传球）是完全通用的，你可以提取并修改其数据字典。
如何改造（粗略步骤）：
- Fork项目：选择一个基于Web的记分系统（如用JavaScript/React + Node.js）。
- 修改数据模型：在后台数据库（如SQLite或JSON文件）中添加一个表
pass_events，字段包括：timestamp,player_id,pass_type(short/medium/long),is_successful(boolean)。 - 修改前端界面：添加一个按钮“短传尝试”，点击后让用户选择“成功”或“失败”，或者，设计一场比赛的时间线，手动标记每个传球事件。
- 编写统计函数：
short_pass_rate = sum(is_successful where pass_type='short') / count(pass_type='short') * 100%。
优点：完全可控，可以定义任何你想要的复杂规则（如“3秒内成功的2次短传视为一次有效配合”）。
基于“视频分析+目标追踪”开源框架（高技术门槛）
如果你希望自动化统计（例如通过比赛视频），不再需要人工点击记录，你需要计算机视觉（CV）技术。
可复用的开源框架：
- YOLOv8 / YOLOv9（Ultralytics）：最新的人体及物体检测模型，可以训练它识别门球、球员，然后追踪球员和球的轨迹。
- StrongSORT 或 ByteTrack：多目标追踪算法，用于追踪每个球员和球的ID。
- SoccerTrack 或 SportsField：虽然是为足球/篮球设计的，但其轨迹解析逻辑（判断“球从A传给B”的瞬间）可以迁移，你需要做的是：
- 训练YOLO检测“门球”和“球员”。
- 使用追踪算法,当球在球员A手上并移动到球员B附近时，判断为“传球”。
- 计算球员A和球员B之间的欧几里得距离，如果距离 < 某个阈值（比如10米），定义为“短传”，如果球成功到达B脚下，定义为“成功”。
- 统计所有满足条件的帧。
难点：
- 数据标注：你需要标注大量门球比赛视频（球、球员）。
- 精度：在门球这样的小颗粒度运动中，遮挡和球速会导致误判。
- 处理能力：需要GPU。
不推荐作为起步方案，除非你有CV团队。
使用“电子表格 + 低代码平台”（零代码，最实用）
如果你不是开发者,或者只需要统计一小段时间的数据：
- 工具：腾讯文档 / 飞书多维表格 / Excel。
- 操作：
- 建一个表,每行记录一次“传球尝试”。
- 列：
比赛轮次、传球球员、接球球员、传球距离(米)、结果 (成功/失败)。 - 写一个公式：
=COUNTIFS(C:C,"<10", D:D,"成功") / COUNTIF(C:C,"<10")。
- 结果：自动计算成功率，这比任何开源项目都灵活。
总结与建议
| 方案 | 成本 | 技术门槛 | 自动化程度 | 推荐指数 | 理由 |
|---|---|---|---|---|---|
| 改造体育统计系统 | 高（需开发） | 中 | 人工+半自动 | ⭐⭐⭐⭐ | 最符合“开源项目”精神，可定制，适合长期使用。 |
| 视频分析 | 极高（GPU+人力标注） | 极高 | 全自动 | ⭐ | 过度复杂，作为开源项目不现实。 |
| 电子表格 | 低 | 低 | 纯人工 | ⭐⭐⭐⭐⭐ | 最务实，立即可用。 |
行动建议：
- 最小化方案：立即打开Excel或飞书表格，按“方案三”开始记录，你可以在一场比赛后就得到数据。
- 长期方案：如果你是一个门球俱乐部或软件爱好者，可以发起一个开源项目：
Gateball-Analyzer。基于方案一，fork一个现有的篮球/足球数据统计系统（比如一个用Python + Flask + SQLite写的），把UI改成门球风格，把事件类型改为“短传”、“冲门”、“闪带”等，然后把这个项目发布到GitHub，这就会成为你想要的“专门统计门球短传配合成功率的开源项目”。
目前没有现成的,但你可以成为创造它的人。
