Latenzarme Erkennung vonWassersprungbewegungen in Trainingsvideos

Latenzarme Erkennung vonWassersprungbewegungen in Trainingsvideos
Pramod Narasimha Murthy, Bertram Taetz, Didier Stricker
In: 20. Frühjahrsschule "Technologien im Leistungssport". Frühjahrsschule "Technologien im Leistungssport", September 7-8, Leipzig, Germany, IAT, Leipzig, 9/2022.

Abstract:

Die Analyse von Sportvideos ist eine anspruchsvolle Aufgabe, da die Körperhaltungen und Manöver in Hochleistungssportarten wie Wasserspringen, Turnen und Schwebebalken von Natur aus komplex sind. Darüber hinaus leidet die Bildgebung mit monokularen RGB-Kameras aufgrund der hohen Geschwindigkeit von Sportaktionen häufig unter Selbstausschluss und Bewegungsunschärfe. Die Sportvideoanalyse zielt darauf ab, objektive Messwerte zum Vergleich der Leistung von Sportlern zu liefern. So kann die Videoanalyse beispielsweise Trainern helfen, in den frühen Phasen des Trainings sofortiges und genaues Feedback zu geben. Dies wiederum führt zu weniger Fehlern und kürzeren Trainingszyklen für die Athleten während der Vorbereitung auf den Wettkampf. So wird die Gesamteffizienz des Trainingsprozesses erhöht. Diese Arbeit konzentriert sich in erster Linie auf die latenzarme Erkennung von Anfang und Ende einzelner Wettkampfsprünge des Wasserspringens, aus einem Videostream. Die Klassifizierung von Sprünge und Unterabschnitte kann hierbei nachgelagert betrachtet werden. Ein häufig vorkommendes Szenario während der Trainingseinheiten ist das Trainieren einer Gruppe von Sportlern, indem diese kontinuierlich nacheinander Sprünge ausführen. Unser Ziel ist es, den Beginn und das Ende der Sprungbewegung für jeden Sportler in einem Videostream zu lokalisieren. Die Latenzzeit soll hierbei weniger als 25 Millisekunden (ms) betragen