本文目录导读：
“头球争顶成功率”并不是一个官方、通用的足球统计标准项目（不同于传球成功率、射正率等），但在足球数据分析领域，它确实是一个高级定制化指标，被许多专业数据公司（如Opta、StatsBomb）和开源项目所研究。
在开源项目中，并没有一个现成的、可以直接下载的“头球争顶成功率”数据库，因为这个数据无法从公开的XML/JSON数据源（如足球比赛的事件流数据）中直接读取，它必须由人工视频标注或高级计算机视觉算法生成。
如果你在GitHub等开源社区寻找相关项目,你会发现通常是通过以下两种方式实现这个统计的：
基于事件流数据的开源统计（数据挖掘型）
如果你已经有包含“头球对抗”（Aerial Duel）和“空中对抗”事件的数据集（StatsBomb 开放数据，或 Wyscout 的公开数据集）,你可以通过开源脚本自定义计算。
开源实现方式（Python逻辑）：
# 假设你有一个包含所有球权争抢事件的DataFrame
# 事件类型包括 'Aerial'（头球对抗）
# 每个事件有 player, team, outcome 字段
def calculate_aerial_win_rate(df, team_name):
# 筛选该球队参与的头球争抢事件
team_aerials = df[(df['team'] == team_name) & (df['type'] == 'Aerial')]
if len(team_aerials) == 0:
return 0
# 统计获胜次数（outcome = 'Won' 或 'Success'）
wins = len(team_aerials[team_aerials['outcome'] == 'Won'])
# 计算成功率
win_rate = wins / len(team_aerials) * 100
return round(win_rate, 2)
局限性： StatsBomb 和 Wyscout 的数据中，头球对抗的判定标准往往比较严格，且并不区分是“争顶干扰”还是“控制球权”,误差相对较大。
基于计算机视觉的开源项目（CV识别型）
这是目前最前沿的方向，由于头球对抗是动态、瞬时的，开源项目一般通过人体姿态估计和足球检测来判断。
代表性的开源思路（项目代码示例）：
- 先用YOLOv8（深度学习模型）检测球员和足球。
- 再用MediaPipe或OpenPose识别球员骨骼点（特别是头部和颈部关节）。
- 算法逻辑：
- 判断球的高点与两方球员头部的距离（欧氏距离是否小于阈值）。
- 若球在某一方球员头部附近发生“反弹”或“变向”,则判定该球员赢得了这次争顶。
GitHub上的代表性项目：
Football-Analytics（综合类）：通常包含目标检测 + 追踪 + 基于轨迹的对抗判定。SoccerAction（用于动作识别）：但有研究人员基于该模型二次开发过头球对抗统计。
痛点： 这类开源项目的准确率在公开数据集上通常在 70%-85% 之间，远低于人工标注的95%+，主要难点在于遮挡问题（球员叠在一起时，头部关键点无法识别）以及球的3D定位（单摄像头无法准确判断球是否真的被特定球员顶到）。
如果你真的想跑这个统计，我建议的“最佳开源路径”：
步骤 1：数据获取
不要试图自己拍视频找数据，直接从 StatsBomb 的 GitHub 仓库下载“Open Data”（包含世界杯、欧洲杯等比赛），虽然里面没有现成的头球成功率，但你可以按事件类型筛选出“空中对抗”事件。
步骤 2：数据清洗与计算
你可以使用开源工具 kloppy（一个Python库），它能标准化不同数据源（如 Opta、Wyscout、StatsBomb）的事件流数据，然后你只需要编写几行代码，就能对“空中对抗”的比赛结果进行统计。
步骤 3（进阶）：可视化
你可以把统计结果集成到 streamlit 或 plotly 中,做一个简易的球队头球对抗强弱点分析面板。
如果你想进一步深挖，可能需要了解的专业数据字段：
在 Opta 的底层数据中（通常不免费），关于头球的数据字段分为以下几类,开源的替代品往往做不到这么细：
| 字段名称 | 含义 | 开源替代性 |
|---|---|---|
| Aerial | 空中对抗（纯争顶） | StatsBomb有粗粒度数据 |
| Head | 头球传球/射门（不含争顶） | 公开的Shot数据中有 |
| Aerial_Duel_Won | 争顶成功 | 需自行推算 |
| Clearance_Head | 头球解围成功 | 需人工标注 |
- 能算出来吗？ 能，只要有精确到秒的事件流数据,用开源Python库就能算。
- 准确吗？ 在统计宏观趋势（某队是联赛头球最差的球队”）时，参考价值够用；但如果你要精确到“某球员在高压逼抢下的头球成功率”，目前开源项目做不到精确统计。
给个实际建议： 如果你只是想展示一个趋势数据，直接使用 StatsBomb 的数据，筛选 type 为 Duel，duel_type 为 Aerial，用 pandas 清洗后计算胜率，这是目前最靠谱、最省力的开源方案了！
