Künstliche Intelligenz und Computer Vision in der Bewegungsanalyse von Kanuten

Wir konnten durch den Einsatz von künstlicher Intelligenz und Computer Vision den Aufwand der Technikanalyse von Leistungssport-Kanuten von ca. 20 Minuten auf ca. 2 Minuten pro Athlet/in reduzieren, ohne dabei auf die Verwendung von Motion Trackern angewiesen zu sein. Unsere Genauigkeit ist in den ersten Testversuchen im Schnitt schlechter als die der menschlichen Auswertung. Jedoch unterliegt die Genauigkeit einer stetigen Entwicklung und Verbesserung. Die aktuellen Probleme, Lösungsansätze sowie die noch ausstehende Validierung werden im Vortrag erörtert. Wir bieten neben automatisierten Vergleich der Videoaufnahme mit dem technischen Leitbild auch die Möglichkeit, die Paddelbewegung kontinuierlich auszuwerten. Dabei können auch Winkelgeschwindigkeiten und Winkelbeschleunigungen ohne Motion Tracker analysiert werden. Eine naheliegende Weiterentwicklungsmöglichkeit ist, den Athleten während des Trainings direkte Rückmeldung zu geben und so beim Training die Technik kontinuierlich zu verbessern. Zur Motivation der Athleten ist ein Ansatz zur Gamification des Techniktrainings denkbar. Langfristig möchten wir unsere Analyse auch auf andere Sportarten erweitern.
© 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.

Bibliographische Detailangaben
Schlagworte:
Notationen:Naturwissenschaften und Technik Trainingswissenschaft
Tagging:Sportinformatik Mustererkennung künstliche Intelligenz
Veröffentlicht in:spinfortec2020digital: 13. Symposium der dvs-Sektion "Sportinformatik und Sporttechnologie" vom 24.-25. September 2020 in Bayreuth
Sprache:Deutsch
Veröffentlicht: Bayreuth Institut für Sportwissenschaft 2020
Online-Zugang:https://www.sporttechnologie.uni-bayreuth.de/pool/dokumente/Spinfortec_Programm-Abstractheft_final.pdf
Seiten:32-33
Dokumentenarten:Artikel
Level:hoch