En la era del avance digital, la integración de algoritmos de Aprendizaje Profundo (DL) está revolucionando el monitoreo del rendimiento en el fútbol. Debido a las restricciones sobre los dispositivos de monitoreo durante los partidos para prevenir ventajas injustas, los entrenadores deben analizar visualmente los movimientos y el rendimiento de los jugadores. Como resultado, la tecnología de Visión por Computadora (CV) ha surgido como una herramienta no contactada vital para el análisis del rendimiento, ofreciendo numerosas oportunidades para mejorar la claridad, precisión e inteligencia de las observaciones de eventos deportivos. Sin embargo, los estudios existentes de CV en el fútbol enfrentan desafíos críticos, incluyendo imágenes de baja resolución de jugadores y balones distantes, oclusión severa en escenas concurridas, desenfoque de movimiento durante movimientos rápidos y la falta de conjuntos de datos anotados a gran escala adaptados a escenarios dinámicos de fútbol. Este artículo de revisión llena este vacío al analizar de manera integral los avances en CV, particularmente en cuatro áreas clave: detección y seguimiento de jugadores/balones, predicción de movimiento, análisis táctico y detección de eventos en el fútbol. Al explorar estas áreas, esta revisión ofrece valiosos conocimientos para futuras investigaciones sobre el uso de la tecnología CV para mejorar el rendimiento deportivo. Las direcciones futuras deben priorizar técnicas de superresolución para mejorar la calidad del video y mejorar el rendimiento de detección de objetos pequeños, esfuerzos colaborativos para construir conjuntos de datos diversos y ricamente anotados, y la integración de información contextual del juego (por ejemplo, diferencias de puntuación y tiempo restante) para mejorar los modelos predictivos. El análisis en profundidad de las técnicas actuales de CV de última generación (SOTA) proporciona a los investigadores una referencia detallada para desarrollar aún más sistemas de CV robustos e inteligentes en el fútbol.