Ziel der Erfassung menschlicher Bewegung ist, durch geeignete Messtechnik die Posen eines Menschen im Laufe der Zeit zu bestimmen. Eine Pose bestimmt die Position und Orientierung eines Menschen und seiner Körperteile. Ausgabe sind entweder Koordinaten bestimmter Punkte oder Parameter eines Körpermodells. Die Bewegungserfassung ist eine Datenreduktion auf das Wesentliche. Aus den Videobildern von mehreren Kameras pro Zeitschritt werden abhängig von den Freiheitsgraden des Menschmodells etwa 50 Zahlen extrahiert. Die Bewegung gilt als erfasst, wenn die 3-D-Koordinaten der Körperteile in jedem Zeitschritt bekannt sind. Die Nutzungsmöglichkeiten der erfassten Bewegungen im Sport sind vielfältig. Hauptanwender sind sicherlich alle Sportarten, die biomechanische Analysen durchführen. Insbesondere schnelle und technisch anspruchsvolle Sportarten, wie z. B. Eiskunstlaufen und Kugelstoßen, können von objektiven, quantifizierten Bewegungsanalysen profitieren. Über die biomechanische Analyse hinaus können anhand der erfassten Bewegung leicht Bildreihen, z. B. im Skisprung, erstellt werden. Hierbei genügt, die Position des Sportlers im Bild zu erfassen. Falls die Bewegungserfassung schnell genug und inklusive Sportgeräte möglich ist, kann sie auch im Meßplatztraining eingesetzt werden, z. B. zur Bestimmung von Abwurfwinkel und -geschwindigkeit beim Diskuswurf. Bis zum praktischen Einsatz des vorgestellten Bewegungserfassungsverfahrens sind noch vielfältige praktische Probleme zu lösen. Beispielsweise ist noch unklar, wie am besten ein personalisiertes Menschmodell zu erhalten ist. Das derzeit verwendete Modell des Open-Source-Programms MakeHuman (http://makehuman.org) bietet zwar die Möglichkeit der Anpassung eines Grundmodells. Allerdings kann man z. B. keine Maße eingeben und möglicherweise sind erforderliche Anpassungen nicht vorgesehen. Das grundlegende Problem der Vordergrund-Hintergrund-Segmentierung, dass man nämlich Wissen braucht, das erst in einem späteren Schritt gewonnen wird, ist noch nicht ausreichend gelöst. Wechselnde Lichtverhältnisse im Freien, die zur Änderung von Helligkeiten und Farben führen sowie Zuschauer im Hintergrund stören zusätzlich die Hintergrundtrennung. Vielversprechend sind hier Methoden zur Berechnung des optischen Flusses, z. B. Tensor Voting (Min & Medioni, 2008).
© Copyright 2008 10. Frühjahrsschule "Informations- und Kommunikationstechnologien in der angewandten Trainingswissenschaft" am 23. und 24. April 2008 am IAT. Veröffentlicht von IAT. Alle Rechte vorbehalten.