Erkennung von fußballspezifischen Aktivitäten mithilfe von kostengünstigen inertialen Messeinheiten

摘要

Fußball zählt zu einer der populärsten Sportarten der Welt. Folglich ist die Leistungsanalyse von Fußballteams zu einem zentralen Thema geworden. Verschiedene Parameter, wie die Anzahl der Pässe, Schüsse oder Sprints können herangezogen werden um die Spielqualität zu evaluieren. Die derzeitigen Systeme basieren auf Videoanalysen, sind kostenintensiv und nur für Profiteams leistbar. Die Verwendung von Wearable für Leistungsanalysen bietet eine kostengünstige Alternative zur videobasierten Analyse. Diese Masterarbeit behandelt die Erkennung simpler, fußballspezifischer Aktivitäten basierend auf MEMS-Beschleunigungsdaten. Die definierten Bewegungen sind Stehen, Gehen, Laufen, Passen und Schießen. Die Datenerfassung erfolgt mithilfe von zwei inertialen Messeinheiten, die jeweils an einem Schienbeinschützer angebracht sind. Die Analyseverfahren basieren auf Techniken des maschinellen Lernens. Features wurden im Zeit- und Frequenzbereich (Wavelet-Analyse) ausgewählt. Zwei verschiedene Algorithmen zur Dimensionsreduktion wurden miteinander verglichen, nämlich die Hauptkomponentenanalyse und die linearen Diskrimi-nanzanalyse.