Zusammenfassung

I)Ziel dieses Projektes ist die weitgehende automatisierte Erfassung von Spieler- und Ballpositionen im Beachvolleyball mittels Bilderkennungsverfahren und deren Integration in die bestehende Analysesoftware. Die Positionsdaten werden dazu verwendet, um Spielzüge zu klassifizieren und in Zusammenschau mit den weiteren Daten (Angriffserfolg, Richtung, Schlagtechnik, Spielstand) Stereotypen bei Spielern zu identifizieren. Hierdurch konnten wesentliche Hinweise für die Gegnervorbereitung der deutschen Nationalteams gegeben werden.

II)1.-2. Quartal 2012: Sichtung, Bewertung und Weiterentwicklung der bestehenden Trackingverfahren zu Erkennung von Spieler- und Ballpositionen.
3.-4. Quartal 2012: Entwicklung eines Oberflächenprototypen, Integration des Trackings und erster Auswertungsverfahren (Ballkontakterkennung) in die bis dahin bestehende iPad Software zur Datenerfassung. 1.-2. Quartal 2013: Sammeln erster Erfahrungen beim Softwareeinsatz. Evaluation des Eisnatzes, Spezifikation neuer Auswertungsverfahren (z.B. Blockverhalten: Ausgangssituation, Sprungrichtung, Armstellung).
3.-4. Quartal 2013: Zweiter Entwicklungszyklus und Fehlerbeseitigung.
III) Die automatische Erkennung von Ball- und Spielerpositionen bedeutet zum einen enie erhebliche Zeitersparnis bei der Vorstrukturierung der Videos, zum anderen können Beobachtungsmerkmale die bislang aus Zeigründen nicht erfasst wurden (z.B. Blockverhalten) mit in die Analysen einbezogen werden. Das Projekt dient somit unmittelbar der technologischen Unterstützung der deutschen Spitzenteams und trägt dazu bei, deren internationale Konkurrenzfähigkeit zu sichern. Aus wissenschaftlicher Sicht bildet dieses Projekt zweifellos einen Meilenstein, da nach nunmehr 30 Jahren computerunterstützte Sportspielforschung erstmals eine weitgehend automatisierte Analyse von Sportspielen ermöglicht werden würde.

(Zwischen)Ergebnisse

Im Rahmen des DFG-Projektes „Automated SPOrt Game Analysis Model (ASPOGAMO)“ wurde von der Arbeitsgruppe um Prof. Dr. Beetz (TU München, Lehrstuhl für Intelligente Autonome Systeme) in Zusammenarbeit mit dem Antragsteller (Lames) ein System zur au-tomatischen Erfassung von Positionsdaten im Fußball und anschließender Analyse entwickelt (Beetz et al., 2009). Die hier verwendeten Algorithmen und Verfahren zur Erkennung von Spielern (Abb. 5) können mit Mo-difikationen im Beachvolleyball eingesetzt werden. Hierbei ist aufgrund der reduzierten Komplexität (weniger Spieler, keine Kamerabewegungen, definiertere räumlich/zeitliche Strukturen, ...) mit noch besseren Erkennungsraten zu rechnen. Vom Antragsteller (Link) wurde gezeigt, dass sich nicht nur die Spielerpositionen, sondern auch der Beachvolleyball mittels Histogrammvergleich (Bayes-Klassifikation), Kantendetektion (Canny-Filter) und Kreiserkennung (Hugh-Transformation) recht zuverlässig im Videobild erkennen lässt. Welche der Versionen zum Einsatz kommt ist bislang nicht entschieden. Allerdings ist anzumerken, dass sich alle Verfahren bislang im Prototypenstatus befinden und noch bis zu einem praxistauglichen Stand weiterentwickelt werden müssen.