ECSS Sevilla 2022 - Machine Learning im Skilanglauf

Professor Bernhard Hollaus als Vortragender beim European College of Sport Science Kongress 2022 in Sevilla

Bernhard Hollaus über seinen Besuch beim ECSS-Kongress in Sevilla:

Wie jedes Jahr war der ECSS Kongress ein großer Erfolg! Tausende Forscher:innen aus der ganzen Welt konnten über mehrere Tage hinweg die großen Forschungsfragen im Sport diskutieren, sich Vorträge hierzu anhören oder eigene Vorträge zu diversen Forschungsfeldern in diesem Gebiet halten.
Ein wichtiges Thema, das diskutiert wurde und im Mittelpunkt vieler Gespräche stand, war die Anwendung von Künstlicher Intelligenz im Sport. Hier konnte auch ich mit meiner Forschung "Machine Learning im Skilanglauf" einen Beitrag leisten und das MCI auf dem Kongress vertreten.

Es ist im Spitzensport zu beobachten, dass die Analyse und Auswertung von Daten immer mehr an Bedeutung gewinnt. Sei es bei der Talentakquise, der optimalen Ausbildung oder der Leistungsanalyse von Sportler/innen - alles kann auf der Grundlage von gewonnenen Daten optimiert und der damit einhergehende Erfolg erhöht werden. Dies gilt besonders für den Skilanglauf. Aufgrund dessen habe ich im Rahmen dieses Projekts versucht, mithilfe von Trainingsvideos unterschiedlicher Perspektiven bestimmte Schlüsselbilder zu extrahieren, die einem Referenzbewegungsmuster der Skating 1-1 Technik entsprechen. Von der Technik Skating 1-1 wurden dann 5 Schlüsselposen definiert, welche zur Technikanalyse verwendet werden. Diese 5 Posen sollen automatisiert aus den Videos extrahiert werden. Um dies entsprechend umsetzen zu können, wurden eine Reihe von Algorithmen entwickelt.

Ich habe dabei jedes Einzelbild aus dem gesamten Video mit Yolo3 analysiert, um den Athleten/die Athletin automatisch im Bild erkennen zu können. Das Ergebnis war ein Koordinatenbereich für jedes Einzelbild. Nach einer Extraktion mit dem Algorithmus „Open Pose“ konnten somit 25 Koordinaten an der Haltung des Athleten/der Athletin bestimmt werden.
Nach der Verkettung der Daten eines Bildes zu einem Vektor ist es nun für ein „Convolutional Neural Network“ möglich vorhersagen, ob das Bild zu einem der vorher fünf definierten Posen passt oder keinem dieser Muster zugeordnet werden kann. Da dies für alle Bilder im Video geschieht, kann der Algorithmus die fünf am besten geeigneten Bilder den fünf vorab definierten Posen zuweisen, was eine Optimierung in jeglicher Hinsicht im Skilanglauf-Sport ermöglicht.

Ich war begeistert, dass über 50 Personen bei meinem Vortrag anwesend waren und sich meine Forschung im Bereich Machine Learning und deren Ergebnisse gespannt anhörten.

Ich freue mich darauf, auch nächstes Jahr wieder beim ECSS Kongress dabei zu sein.

Mehr Informationen zu meiner Forschung und deren Ergebnisse finden Sie im Paper oder auf unsere Health Tech Webseite.