KI-gestützte Sprunganalyse beim Trampolinturnen

Wenn es um Podiumsplätze geht, sind Millisekunden und Millimeter entscheidend. Diese Feinheiten sollen für Trampolin-Trainer und -Sportler des Deutschen Turner-Bundes (DTB) zukünftig über ein neues Projekt, welches auf einem bildbasierten System von Simi Reality Motion Systems basiert, visualisiert und dokumentiert werden. Für die passenden Videoaufnahmen sorgen Industriekameras von Matrix Vision.
Bild: Matrix Vision GmbH

Um auch in Zukunft erfolgreich zu sein, versuchen die Verantwortlichen mit innovativen Konzepten das Training für Sportler und Coaches zu verbessern. Dabei geht es nicht nur darum, die einzelnen Übungen aufzuzeichnen, sondern diese auch automatisch einzuordnen und Verbesserungsmöglichkeiten abzuleiten. Damit ist außerdem eine ganzheitliche Dokumentation der Übungen als Fördermittelnachweis gewährleistet.

Das Konzept

Ein solches Konzept verfolgt das vom Bundesinstitut für Sportwissenschaft (Bisp) geförderte KISS-Projekt, kurz für „KI-gestützte Sprungerkennung und Sprunganalyse“ im Trampolinturnen des deutschen Turner-Bundes (DTB) gemeinsam mit dem Institut für Sportwissenschaft der Justus-Liebig-Universität Gießen. Ziel von KISS ist es, komplexe Sprünge mittels markerlosem Tracking und künstlicher Intelligenz in ihrer Ausführung gehockt, gebückt, gestreckt zu unterscheiden und die Qualität der Sprünge zu quantifizieren. Hierfür braucht das System passende Anlerndaten. Diese liefert zum einen das bestehende Trainings-Informationssystem Trampolinturnen, welches die Übungsformen (Vorübungen, einzelne Sprünge, Sprungverbindungen und ganze Übungen) automatisch erfasst, zum anderen das Mess- und Informationssystem (HDTS), welches die quantitativen Merkmale (Flughöhe, Tuchkontaktzeit sowie Lande-/Absprungposition auf dem Gerät) ermittelt. Langfristig sollen hieraus individuelle Lernverläufe der Athleten erstellt und für eine leistungssteuernde Planung nutzbar gemacht werden. Dies bedeutet, dass die bisherige individuelle Trainingswirkungsanalyse um die Analyse der eingesetzten Trainingsmittel und Trainingsmethoden erweitert wird und die gewonnenen Erkenntnisse für zukünftige intraindividuelle leistungssteuernde Planungen des Techniktrainings für die Kaderathleten genutzt werden können. In der Umsetzung des Projektes wird zurzeit am Bundesstützpunkt Bad Kreuznach ein Kamera-System zur automatischen Erkennung von überlagerten Bewegungen wie Salto- und Schraubenrotationen mit benötigter Technik wie Bildschirme und Rechner installiert und auf die Anforderungen der Sportart Trampolinturnen angepasst. Die hierzu entwickelte Software soll, nach einer erfolgreichen Erprobung und Evaluierung des Kamerasystems, entsprechend verbessert werden, sodass das komplette System langfristig in jedem Stützpunkt bzw. in jeder Trainingshalle genutzt werden kann.

Die Umsetzung

Konkret sehen die einzelnen Umsetzungsschritte wie folgt aus. Im ersten Schritt werden mit acht bis zehn Kameras Videoaufnahmen von technisch korrekt ausgeführten Sprüngen aus allen Perspektiven erstellt. Die technisch korrekte Ausführung orientiert sich an den technischen Vorgaben des internationalen Verbandes, wird als Optimum in der Software modelliert und bildet damit die Basis der Videoanalysen der Sprünge. Im zweiten Schritt findet eine automatisierte zeitliche Verknüpfung der Videoaufnahmen statt. Hier werden die Sprünge aus verschiedenen Perspektiven aufgenommen und mit den Daten der weiteren Trainingssysteme synchronisiert. Im dritten Schritt wird die automatische Sprungerkennung durchgeführt. Auf Basis der optimalen Videoaufnahmen der Sprünge erkennt das System automatisch den aktuellen Sprung des Aktiven durch markerloses Tracking und vergleicht vorhandene, bekannte Sprünge in allen drei Ausführungsmöglichkeiten (gehockt, gebückt, gestreckt). Im vierten Schritt werden die Abweichungen analysiert. Der aktuelle Sprung wird mit dem Optimum (Aufnahmen in optimaler Ausführung und technischen Regularien) verglichen, gleichzeitig werden die Abweichungen ermittelt und bewertet (in Form von Abzügen auf Basis des Code of Points). Zunächst werden Trainerteam sowie Kampfrichterinnen und Kampfrichter die Abweichungen ermitteln und bewerten, mit dem Ziel, dass die künstliche Intelligenz später in der Lage ist, die Abweichungen maschinell zu ermitteln und auszugeben. Im letzten Schritt kommt es zur Fehleranalyse. Durch die Vielfalt und sukzessive Erweiterung der optimalen und individuellen Daten kann mittels Verfahren der künstlichen Intelligenz (z.B. Musteranalyse) die maschinelle Bewertung und Fehleranalyse schrittweise verbessert werden.

Die Technik

Als Technologie-Partner hat sich der Deutsche Turner-Bund die Firma Simi Reality Motion Systems GmbH ins Boot geholt; ein Experte für Systeme zur Bewegungs- und Verhaltensanalyse „3D Motion Capture“ mit mehr als 25-jähriger Erfahrung. Simi hat mit Simi Shape 3D eine Software entwickelt, mit welcher die Bewegung des Sportlers ganz ohne Marker mittels neuster Algorithmen der Bildverarbeitung und der Künstlichen Intelligenz erfasst und ein hochpräzieses 3D-Modell inklusive Gelenke extrahiert. Hierzu benötigt die Software die Daten mehrerer Hochgeschwindigkeitskameras. Hierbei vertraut Simi seit Jahren auf die robusten wie handlichen mvBlueCougar-XD Dual-GigE Industriekameras von Matrix Vision mit einer Mindestanforderung von 1920×1080 Pixeln, 100 Bildern pro Sekunde und Global Shutter Technologie aufgrund der Schnellen Bewegungen. Auch USB 3.0 würde mit den Datenraten umgehen können, aber aufgrund der Distanzen zwischen Kameras und Rechner macht nur eine Netzwerk-basierende Lösung Sinn. Wie sähe es mit einer 10-GigE Lösung aus? Mit der mvBlueCougar-XT bietet Matrix Vision eine passende Lösung an. Der Vorteil liegt auf der Hand: Die neue Kamera bietet erstens Power over Ethernet+ (POE+), was die Verkabelung des Kamera-Systems wesentlich vereinfacht. D.h. von den ursprünglich drei Kabeln pro Kamera würde nur noch eines übrig bleiben. Zweitens unterstützt die neue Kamera das Precision Time Protocol (PTP) nach IEEE1588. Damit wäre eine präzise Synchronisation der acht Kameras möglich. Drittens basiert die neue Kamera auf dem gleichen Treiberfundament wie die mvBlueCougar-XD. D.h. Simi muss nur an wenigen Stellen den Code zur Bilderfassung anpassen. Auf diese Weise sind Bewegungs- und Verhaltensanalyse in 4K zukünftig problemlos möglich.

Seiten: 1 2Auf einer Seite lesen

Das könnte Sie auch Interessieren

Anzeige

Anzeige

Bild: ©NicoElNino/stock.adobe.com
Bild: ©NicoElNino/stock.adobe.com
Strukturierter Beratungsansatz für KI-Einsatzbereiche im Unternehmen

Strukturierter Beratungsansatz für KI-Einsatzbereiche im Unternehmen

„Künstliche Intelligenz ist eine, wenn nicht die wichtigste Zukunftstechnologie für Unternehmen.“ Diese Aussage bejahen 70 Prozent der Befragten der jüngsten Bitkom-Studie zu KI. Aber nur 10 Prozent aller Unternehmen haben KI-Technologie aktiv im Einsatz, lediglich 30 Prozent planen und diskutieren deren Anwendung. Was ist der Grund für diese große Diskrepanz?

Bild: Blue Yonder, Inc.
Bild: Blue Yonder, Inc.
Künstliche Intelligenz – mehr als eine Wissenschaft

Künstliche Intelligenz – mehr als eine Wissenschaft

Data Science ist mittlerweile ein fester Bestandteil der strategischen Planung in vielen Unternehmen. Um künftige Entwicklungen realistisch zu planen, brauchen wir Künstliche Intelligenz (KI) und Maschinelles Lernen (ML). Insbesondere im Einzelhandel vertrauen immer mehr große Player auf KI-Lösungen, die präzise Prognosen ermöglichen und zum Beispiel Bestände oder Preise optimieren. Doch viele Entscheidungsträger glauben noch nicht daran, dass KI in den Lieferketten der Zukunft eine tragende Rolle spielen wird. Der Grund hierfür liegt in einer falschen Sicht auf die Wissenschaft.

Bild: ©Stock57/stock.adobe.com
Bild: ©Stock57/stock.adobe.com
KI-Verfahren für die Produktion

KI-Verfahren für die Produktion

Mathematiker der Hochschule Darmstadt (h_da) entwickeln gemeinsam mit dem Hanauer Simulationsdienstleister und Softwareunternehmen SimPlan und dem Automationsexperten Fibro Läpple Technology neue KI-Technologien. Im Rahmen des Loewe-Projekts ‚KISPo‘ will das Konsortium eine autonome, selbstlernende Steuerungssoftware für Produktionsanlagen entwickeln, wie sie z.B. bei der Herstellung von Komponenten für Windräder oder Elektromotoren zum Einsatz kommen. Es wäre die erste KI-Software dieser Art. Damit würde eine von Industrieverbänden und Forschung lange bemängelte Technologielücke geschlossen. Das Land Hessen fördert das Projekt für zwei Jahre mit 320.000 Euro. Konsortialführerin ist die Hochschule Darmstadt.

Bild: ©NicoElNino/stock.adobe.com
Bild: ©NicoElNino/stock.adobe.com
Chancen und Herausforderungen von Machine Learning in der Fertigung

Chancen und Herausforderungen von Machine Learning in der Fertigung

Automatisierung, künstliche Intelligenz (KI), Internet of Things (IoT) und Machine Learning (ML) sind heutzutage bekannte Technologien und kommen bereits in vielen Unternehmen zum Einsatz. Mit Hilfe von Machine Learning wird es IT-Systemen ermöglicht, Muster und Zusammenhänge aus Daten zu lernen und sich selbst zu verbessern. Dabei ist keine explizite Programmierung notwendig. Die Bearbeitung von Kundenanfragen, die Erkennung möglicher Störfälle sowie unerwarteter Ereignisse wie z.B. Cyberangriffe sind klassische Anwendungsfelder von ML. Aber auch die Unterstützung bei einer rein datengestützten Entscheidungsfindung und die Interpretation großer Datenmengen gehören dazu.

Bild: ©Shuo/stock.adobe.com
Bild: ©Shuo/stock.adobe.com
Sensoren lernen das Denken

Sensoren lernen das Denken

Im Fraunhofer-Leitprojekt NeurOSmart forscht das Fraunhofer IPMS zusammen mit vier weiteren Instituten (ISIT, IMS, IWU, IAIS) unter Leitung des Fraunhofer ISIT gemeinsam an energieeffizienten und intelligenten Sensoren für die nächste Generation autonomer Systeme. Dabei sollen die Brücken zwischen Wahrnehmung und Informationsverarbeitung durch innovative Elektronik neu definiert werden.

Bild: ©ipopba/stock.adobe.com
Bild: ©ipopba/stock.adobe.com
Wie KI 2022 praktikabel wird

Wie KI 2022 praktikabel wird

Künstliche Intelligenz war bereits in der Vergangenheit in aller Munde, schaffte es aber doch oft nicht bis in die Anwendung. Das wird sich 2022 ändern – auch weil sich langsam Standards etablieren und sich neue, konkrete Einsatzmöglichkeiten ergeben. In welchen Bereichen Business-Implementierungen zu erwarten sind, erläutert Bernhard Niedermayer, Head of AI bei Cloudflight.

Anzeige

Anzeige

Anzeige