idw – Informationsdienst Wissenschaft
Nachrichten, Termine, Experten
Nachrichten, Termine, Experten
Forschende von Salzburg Research haben in Zusammenarbeit mit dem Red Bull Athlete Performance Center einen einfachen, aber hocheffektiven Algorithmus entwickelt, um „Big Air“-Sprünge und verschiedene andere Sprungtypen im Skisport automatisiert und in Echtzeit zu erkennen. Diese neue Methode könnte das Training und die Leistungsbeurteilung in vielen Sportarten im Profi- wie auch Freizeitbereich verbessern.
Sprünge sind ein wichtiges Leistungs- und Bewertungskriterium beim Skifahren, Freestyle, Snowboarden, Skispringen oder im Eiskunstlauf. Seit Einführung des Slopestyle als olympische Disziplin erfreut sich insbesondere das Freestyle-Skifahren zunehmender Beliebtheit. Ein detaillierter Einblick ist daher sowohl für Sportlerinnen und Sportler wie auch für Trainerinnen und Trainer essenziell.
„Springen ist in vielen Wintersportarten ein entscheidendes Leistungskriterium. Unser Algorithmus ermöglicht es den Athlet:innen und Trainer:innen, die Sprünge in Echtzeit zu erkennen und verbessert so die Trainingseffizienz“, sagt Stefan Kranzinger von Salzburg Research, Hauptautor der Studie.
On-Body-Sensortechnologie misst Sprünge
Die etablierte Methodik zur Sprungerkennung basiert auf Maßbändern, laserbasierter Distanzberechnung, Kraftmessplatten, Drucksensoren und Videoanalyse. Diese Maßnahmen lassen sich jedoch nur bedingt auf Messungen direkt auf der Piste übertragen. „Darum setzen wir auf minimalinvasive On-Body-Sensortechnologie, die direkt am Körper getragen wird und Messungen im Feld ermöglicht“, so Stefan Kranzinger von Salzburg Research.
Am Skischuh angebrachte Trägheitsmesssensoren (IMUs) erfassen Beschleunigungsdaten und ermöglichen eine präzise Sprungerkennung bei minimaler Störung. Ein speziell für den alpinen Skisport entwickelter Bewertungsalgorithmus liefert eine präzise Echtzeit-Analyse.
Weitreichende Anwendungsmöglichkeiten der digitalen Sprunganalyse
Das Forschungsteam unter der Leitung von Dr. Stefan Kranzinger wird mit dieser neuen Technologie dem wachsenden Bedarf an präzisen Echtzeit-Analysen beim Skifahren und Snowboarden gerecht.
Die digitale Sprunganalyse kann für unterschiedliche Einsatzbereiche genutzt werden: Athletinnen und Athleten können ihre eigene Leistung überwachen und so ihre Technik verfeinern. Dies ermöglicht ein besseres Trainingsmanagement, um Verletzungsrisiken zu verringern. Der Algorithmus könnte auch in Verbraucherprodukte integrierte werden, um das Skierlebnis für Freizeitsportler:innen beispielsweise durch spielerisches Feedback in Gamification-Anwendungen zu verbessern.
From Lab to Field: Der Algorithmus im Praxistest auf der Piste
Der Algorithmus wurde mit einer Vielzahl von Sprungtypen getestet, darunter „Big Air“-Sprünge und routinemäßige Sprünge beim Skifahren. Bei allen Testpersonen wurden die IMUs hinten an der oberen Manschette beider Skischuhe befestigt. Zusätzlich wurden alle Sprünge gefilmt. Zur Validierung des Algorithmus wurde die im Video erkannte Sprungstartzeit mit der vom Algorithmus berechneten Sprungstartzeit verglichen. Eine große Anzahl und Vielfalt von Studien-Teilnehmenden und Sprungeigenschaften erhöhte die Gültigkeit und Robustheit des Algorithmus.
Die Ergebnisse zeigen, dass das System 100 Prozent der Big-Air-Sprünge, 94 Prozent der mittleren Sprünge und 44 Prozent der kleineren Sprünge mit Flugzeiten unter 500 Millisekunden erkennt. Ein einzigartiges, strafpunktangepasstes Punktesystem wurde eingeführt, um den Konflikt zwischen Erkennungsgenauigkeit und Übererfassung aufzulösen.
„Die Ergebnisse zeigen eine sehr hohe Quote erkannter Sprünge mit kaum Übererkennungen für kleine und mittlere Sprünge. Der Vorteil des vorgeschlagenen Algorithmus besteht darin, dass er eine leicht zu implementierende Struktur bietet, schnelles Feedback liefert und eine hohe Genauigkeit aufweist“, so Stefan Kranzinger von Salzburg Research.
Zukünftige Entwicklungen zielen darauf ab, die Erkennung kleinerer Sprünge zu verbessern und die Anwendung des Algorithmus auf andere Wintersportarten wie Snowboarden und Skispringen zu erweitern. Eine Übertragung auf andere Sportarten ist ebenfalls denkbar.
Hintergrundinformationen
Die Forschung wurde vom österreichischen Bundesministerium für Klimaschutz, Umwelt, Energie, Mobilität, Innovation und Technologie (BMK), dem österreichischen Bundesministerium für Digitalisierung und Wirtschaftsstandort (BMDW) und dem Land Salzburg im Rahmen des Forschungsprogramms COMET – Competence Centers for Excellent Technologies – im Projekt „Digital Motion in Sport, Fitness and Well-being“ (DiMo) gefördert.
https://www.digital-motion.at
Stefan Kranzinger, Salzburg Research Forschungsgesellschaft mbH
M +43 664 2047232 | stefan.kranzinger@salzburgresearch.at
Kranzinger S, Kranzinger C, Martinez Alvarez A, Stöggl T (2024) Development of a simple algorithm to detect big air jumps and jumps during skiing. PLoS ONE 19(7): e0307255. https://doi.org/10.1371/journal.pone.0307255
https://www.salzburgresearch.at/presseaussendung/neuer-algorithmus-verbessert-sp... - Presseinfo mit weiterem Bildmaterial
Praxistest auf der Piste: Neuer Algorithmus erkennt „Big Air“-Sprünge und andere Sprungtypen im Skis ...
(c) Salzburg Research
Minimalinvasive On-Body-Sensortechnologie zur Sprungerkennung: Am Skischuh angebrachte Trägheitsmess ...
(c) Salzburg Research
Criteria of this press release:
Journalists, all interested persons
Information technology, Sport science
transregional, national
Research results, Scientific Publications
German
You can combine search terms with and, or and/or not, e.g. Philo not logy.
You can use brackets to separate combinations from each other, e.g. (Philo not logy) or (Psycho and logy).
Coherent groups of words will be located as complete phrases if you put them into quotation marks, e.g. “Federal Republic of Germany”.
You can also use the advanced search without entering search terms. It will then follow the criteria you have selected (e.g. country or subject area).
If you have not selected any criteria in a given category, the entire category will be searched (e.g. all subject areas or all countries).
