Diese Arbeit befasst sich mit der Anwendung von neuronalen Netzen auf Daten von Wearables beim Fangen im American Football. Das Ziel war es Fangversuche als gefangen oder nicht gefangen zu mindesten 95 % richtig zu klassifizieren. In einem Experiment mit 700 Pässen konnte die Machbarkeit nachgewiesen werden. Im modernen professionellen Sport werden oft eine Fülle von Daten über Athleten/innen zu Kennzahlen zusammengefasst. Im American Football sind gute Beispiele das Quarterbackrating oder für Passempfänger die Catch Rate und DYAR (Defense-adjusted Yards Above Replacement). Diese Ratings sind aber nicht nur vom Passempfänger abhängig, sondern auch vom Trainer, Quarterback, etc. Um möglichst objektiv ein Rating erstellen zu können, braucht es Daten, welche unter möglichst ähnlichen Bedingungen aufgenommen werden. Ein maschinengestütztes Fangtraining mit vollautomatischer Auswertung ist dafür notwendig. Der Auswertung muss eine Messung zugrunde liegen, welche erkennt ob ein Pass gefangen wurde oder nicht. Zwei Wearables wurden zur Erfassung der Fangbewegung eingesetzt, wobei ein neuronales Netz die nachfolgende Auswertung der erfassten Daten übernimmt. Die Eignung von Wearables zur Fangdetektion wurde nachgewiesen und das Ziel einer Klassifizierungsgenauigkeit von mindestens 95 % wurde erreicht. Als nächster Schritt soll der bestehende Datensatz mit neuen Daten von weiteren Athleten/innen erweitert werden um das Netz robuster zu machen.
© Copyright 2020 spinfortec2020digital: 13. Symposium der dvs-Sektion "Sportinformatik und Sporttechnologie" vom 24.-25. September 2020 in Bayreuth. Veröffentlicht von Institut für Sportwissenschaft. Alle Rechte vorbehalten.