明明看見球進了，為什么裁判卻說沒有？

隨著終場哨聲響起，2026年世界杯也正式落下帷幕。四年一度的足球盛宴留下了無數精彩瞬間。絕殺、逆轉、撲救，以及那些決定比賽勝負的關鍵進球。然而，在足球歷史中，總有一些瞬間讓球迷陷入爭論，這球明明進了，為什么會被判無效？

讓我們把時間回撥到2010年的南非世界杯八分之一決賽，英格蘭對陣德國。比賽進行到上半場第 38 分鐘左右，德國隊暫時以 2:1 領先。英格蘭中場球員蘭帕德在禁區外起腳遠射，足球擊中橫梁下沿后彈向地面。

2010年南非世界杯德國隊對陣英格蘭隊比賽中的“幽靈進球”事件。

慢鏡頭顯示，足球已經越過了球門線，隨后又因為反彈回到了場內。

上圖的局部放大版

然而，主裁判和助理裁判都沒有判定進球有效，比賽就這樣繼續進行。英格蘭也因此錯失了將比分扳成2:2的機會，最終德國隊以4:1獲勝。假如這粒進球是有效的話，比賽的走勢也許會被改寫。但足球的魅力正在于此，每一個瞬間都可能改變結局，而在科技尚未介入的年代，有些遺憾也會被永遠留在世界杯的記憶里。

什么樣的球，才算真正進門？

進球規則

按照足球競賽規則，只有當整個足球完全越過球門線，并且位置在兩根門柱之間、橫梁下方，同時進攻方在進球過程中沒有犯規，才可以判定進球有效。也就是說，足球不是“碰到線”就算進，也不是“球心過線”就一定算進，而是要整個球體都越過球門線。

這也是很多爭議判罰產生的原因。足球是一個有體積的球體，球門線也不是一個模糊區域，而是一條具有明確位置的邊界。只要足球還有哪怕一小部分壓在線上，從規則上講，它就還沒有完全進門。

所以，判斷一粒球是否進門，本質上并不是一個簡單的視覺問題，而是一個精確的空間測量問題：裁判需要在極短時間內判斷整個球體與球門線之間的位置關系。對于高速飛行、彈地、旋轉，甚至被球員身體遮擋的足球來說，這個判斷遠比電視慢鏡頭中看到的復雜。

更困難的是，足球并不是靜止地停在門線上等待裁判判斷。一次職業比賽中的大力射門，球速常?？梢赃_到每小時幾十到一百公里以上。以 100 km/h 計算，足球每秒大約能飛行 27.8 米，0.1 秒就能移動接近 2.8 米。也就是說，當裁判眨眼、轉頭或被球員遮擋的短短一瞬間，足球可能已經完成了越線、觸地和反彈。

再加上球員遮擋、站位角度、視線延遲和人眼反應時間，僅憑肉眼判斷“整個足球是否完全越過球門線”，本身就是一件非常困難的事情。

視覺的“欺騙”

這球是進了嗎 ？

這里的足球是出線了嗎？

在這樣的場景下高速、視角受限的情況下，如何判斷一個足球是否進門，以及出線，都不是一件容易的事情。

了解了進球的判定以及“視角為什么會騙人”之后，我們再來回看 2010 年世界杯上的那?！坝撵`進球”，就會發現，這并不是一次簡單的誤判，而是足球運動中一個長期存在的判罰難題。

在比賽中，足球高速飛行，門前球員密集，裁判的觀察角度又十分有限。此時，僅憑人眼在瞬間判斷足球是否完全越過球門線，難度較大。而一旦出現誤判，就可能影響士氣，甚至左右整場比賽的走向。

也正因如此，足球比賽逐漸引入了門線技術，即Goal-Line Technology（GLT）。它試圖用更精確的技術手段回答一個關鍵問題，足球到底有沒有整體越過球門線？后來，視頻助理裁判Video Assistant Referee（VAR）的出現，則進一步擴大了技術輔助判罰的范圍，讓更多關鍵爭議能夠被重新審視。

門線技術的進球提醒信號

門線技術

門線技術的經典方案

比較經典的門線技術主要有兩類：一類是基于高速攝影機的視覺識別系統；另一類是基于球內電子元件與球門區域感應裝置的檢測系統。

對于攝影機方案來說，并不是依靠某一個鏡頭的回放來判斷進球，而是利用多臺高速攝影機從不同視角同時拍攝球門區域。系統會先識別每張圖像中足球的位置，再結合提前完成的相機標定參數，將二維圖像中的足球位置反推出真實空間中的三維坐標。隨后，系統會根據預先標定好的球門線位置，判斷整個足球是否已經完全越過球門線。一旦確認進球，系統就會在極短時間內向主裁判發送進球提示。

那么這個判定過程具體是怎么實現的呢？

以兩臺高速攝影機為例子。假設球門附近有兩臺已經標定好的攝影機，記為攝影機A和攝影機B，在同一時刻，它們分別拍到了足球。攝影機A中，足球球心對應的圖像坐標為，

而攝影機B中，足球的球心對應的圖像坐標為，

這里的和只是二維圖像坐標。

通過相機成像模型，真實世界中的三維物體位置會經過相機投影矩陣的轉換，最終對應到圖像中的二維像素坐標。

它們滿足關系

為真實球場的三維坐標點，經過相機后會投影到坐標點。

單一臺攝影機只能反推出一條空間線，因為同一條視線的三維點都會投影到圖像中的同一個位置附近。

所以對于攝影機A來說，利用圖像點只能反推出一條空間射線。先將圖像點轉換到攝影機坐標系下的方向

這里的表示在攝影機A自身坐標系中，從攝影機中心指向足球的方向。

后，再利用攝影機外參，把這個方向轉換到球場坐標系中。

同時，攝影機A在球場坐標系中的位置為：

于是，攝影機A對足球給出的空間觀察射線可以寫成

其中，表示足球沿著這條射線距離攝影機A的遠近。同理，攝影機B也可以得到一條空間射線，

當兩臺攝影機同時看到足球時，當沒有誤差時，兩個攝影機的空間射線就會相交于一點，這一交點則是足球的球心所在的位置。

因此足球的球心也可以表示為，

從理論上來看，只要這兩臺攝影機完成了標定，確定了攝影機成像參數以及它在球場坐標系中的位置和朝向，結合三角測量的原理，就能確定足球的空間位置，實現判斷足球是否進球。

但在真實的比賽中，足球可能會被球員、門柱或者門網遮擋，也可能因為高速運動產生的模糊，導致攝影機識別到的足球中心存在像素誤差。因此，實際的攝影機門線技術通常不會只依賴兩臺攝影機，而是采用多臺高速攝影機進行冗余觀測。

以公開資料中常見的門線技術系統為例，國際足聯介紹的攝影機方案通常使用14臺高速攝影機，即每個球門約 7 臺攝影機。這些攝影機從不同角度同時觀測球門區域，即使部分視角受到遮擋，系統仍可以利用其他攝影機繼續追蹤足球，并通過多視角信息重建足球的三維位置，從而提高進球判定的可靠性。

相比攝影機方案，基于磁場的門線技術看起來更加直接，它不依賴攝影機是否能夠清楚看到足球，而是通過球內傳感器與球門附近的磁場系統進行相互作用，判斷足球是否完全越過門線。因此，當足球被球員、門柱或門網遮擋時，磁場方案在理論上具有一定優勢。

然而，這類方案也需要對比賽用球和球場設施進行額外改造，往足球內部安裝傳感器，并在球門或禁區附近人為產生一個穩定、可檢測的弱磁場區域。這樣一來，系統的可靠性不僅取決于算法本身，還取決于傳感器在高速撞擊、頻繁換球和復雜電磁環境下能否穩定工作。因此，磁場方案雖然減少了視覺遮擋問題，卻增加了比賽器材和場地基礎設施方面的復雜性。

門線技術讓我們看到，現代足球判罰已經不再完全依賴人眼觀察。通過多臺攝影機的三角測量，系統可以計算足球在三維空間中的位置；通過磁場方案，也可以判斷足球是否整體越過球門線。也就是說，門線技術解決的是一個非常明確的問題，球到底有沒有完全進門？

VAR技術：綠茵場上的“第二雙眼睛”

但是，足球比賽中的爭議遠不止“進球是否有效”。一次進攻中，球員是否越位？禁區內的身體接觸是否構成點球？防守球員是否手球？某次犯規是否應該出示紅牌？這些問題往往不僅涉及足球的位置，還涉及球員的位置、動作、接觸瞬間以及比賽規則的綜合判斷。于是，另一類更復雜的技術被引入比賽現場——VAR，也就是視頻助理裁判系統。

VAR 關注的是比賽中的關鍵爭議事件，例如進球過程是否存在犯規、是否越位、是否應該判點球、是否應該出示直接紅牌等。這些問題往往不僅要看足球的位置，還要結合球員動作、身體接觸和比賽規則進行判斷。

在比賽過程中，多個攝影機會從不同角度記錄比賽畫面。當出現進球、點球、紅牌或認錯球員等關鍵爭議時，視頻助理裁判團隊會在視頻操作室中調取回放，并通過耳麥與主裁判溝通。主裁判可以維持原判，也可以到場邊屏幕親自觀看回放，最終判罰仍由主裁判作出。

科技可以減少誤判，但無法消除爭議

不過，即使在 VAR 技術和門線技術已經高度發展的今天，足球比賽中的判罰爭議仍然沒有完全消失。2026 年世界杯 1/8 決賽阿根廷對陣埃及，就是一個典型例子。比賽中，埃及隊一度接近制造冷門，但一個進球在 VAR 復核后被判無效，另一次點球訴求也沒有改變原判。最終阿根廷以 3:2 逆轉晉級，而圍繞裁判判罰和 VAR 介入尺度的討論卻在賽后持續發酵。

這件事說明，VAR 雖能提供多角度視頻回放，讓裁判重新觀察肉眼可能錯過的關鍵瞬間，但在很多情況下，判罰仍然涉及規則解釋以及比賽尺度的綜合判斷。換句話說，VAR 可以減少明顯誤判，卻不能消除所有的爭議。

也許這就是“畢竟足球是圓的，球場上什么都有可能發生”的道理吧。

——end——

參考資料

1. https://en.wikipedia.org/wiki/Hawk-Eye?

2. https://rusecure.fifa.com/technical/football-technology/standards/goal-line-technology/fifa-quality-programme-for-goal-line-technology

3. https://en.wikipedia.org/wiki/Goal-line_technology?

4. https://www.iis.fraunhofer.de/en/ff/lv/net/projekte/goalref.html?

5. https://www.theifab.com/laws/latest/video-assistant-referee-var-protocol/?

6. Hartley R, Zisserman A.Multiple View Geometry in Computer Vision. 2nd ed. Cambridge University Press; 2004.

7. Lee S H, Civera J. Triangulation: why optimize?[J]. arXiv preprint arXiv:1907.11917, 2019.

編輯：未