Deriving Sport Scientific Insights from Broadcast Footage: Advanced Computer Vision for Human Motion Analysis

Diese Dissertation eröffnet neue Perspektiven in der Sportwissenschaft durch die Untersuchung der Human Pose Estimation (HPE) mit Hilfe fortschrittlicher Techniken der Computer Vision und des Deep Learning. Ziel ist es, ein tieferes Verständnis für menschliche Bewegung und Biomechanik auf Basis der Analyse von Sportvideoaufnahmen zu gewinnen. Ein besonderer Fokus liegt auf der Entwicklung präziser und auf spezifische Sportarten zugeschnittener 3D-HPE-Methoden, die es ermöglichen, die komplexen Bewegungsmuster von Athleten genau zu erfassen.

Im Zentrum der Arbeit steht das Bestreben, den Teufelskreis aus dem Bedarf an großen, validierten Datensätzen für die Entwicklung von Methoden und deren gleichzeitiger Knappheit zu durchbrechen. Angewandt wird dabei ein vielseitiger methodischer Ansatz, der von Laborstudien zur Gewinnung kinetischer Daten über die Entwicklung neuartiger 3D-HPE-Techniken bis hin zum Erstellen von Handannotationstools für die Zusammenstellung umfangreicher Datensätze reicht.

Darüber hinaus vertieft sich die Forschungsarbeit in die Untersuchung der Variabilität sportlicher Leistungen von Menschen. Dabei wird sowohl die Diversität zwischen verschiedenen Athleten als auch die signifikante Auswirkung kleiner biomechanischer Veränderungen auf die Leistung und das Verletzungsrisiko einzelner Sportler berücksichtigt. Um diese komplexen Zusammenhänge zu erforschen, wird ein gestaffelter Untersuchungsansatz gewählt:

1. Lauf-Laborstudie mit 29 Teilnehmern: Eine detaillierte Analyse in einer kontrollierten Umgebung, die präzise biomechanische Daten erfasst, um Nuancen innerhalb der Athleten und deren Auswirkungen auf ein kommerzielles Produkt zur Schätzung der Laufleistung zu untersuchen.

2. Video-Annotationsstudie mit 119 Athleten: Eine umfassendere Untersuchung, die manuell annotierte Wettkampfaufnahmen des NFL-Combine verwendet, um vielfältige Bewegungsstrategien beim Sprintstart zu verstehen.

3. Vollautomatische Studie mit Zehntausenden von Bildern: Eine großangelegte Analyse, die synthetisch erzeugte Daten nutzt, um Computer Vision-Methoden für die Identifizierung der Messpräzision beim Langstreckenlauf zu verbessern.

Gemeinsam ermöglichen diese Untersuchungen ein differenziertes Verständnis menschlicher Bewegung, indem sie die Unterschiede zwischen den Athleten mit der notwendigen Präzision für aussagekräftige sportwissenschaftliche Forschung in Einklang bringen. Diese Dissertation hebt das Potenzial großer Datensätze für die biomechanische Analyse hervor und betont die Bedeutung von methodischer Genauigkeit und Validierung. Mit dieser Arbeit werden neue Methoden und Erkenntnisse in den Vordergrund der Bewegungsanalyse gerückt, die einen signifikanten Beitrag zur Sportwissenschaft, zum Training und zur Leistungssteigerung leisten.