Acquisition, Filtering and Analysis of Positional and Inertial Data in Sports

Erfassung, Filterung und Analyse von Positions- und Inertialdaten im Sport

Please always quote using this URN: urn:nbn:de:bvb:29-opus4-89527
  • The world of sports is being transformed by the rise of automated systems which enable the monitoring of athletes. Such systems provide objective assessments about the performance of athletes, the loads they are exposed to or their tactical behavior. Presently, data collection, preparation and analysis are still often performed in a manual or semi-automatic manner. This process can be time-consuming and subjective, impeding accurate long-term monitoring of athletes. Streamlining this process may facilitate the data acquisition considerably and enable a transition of the subsequent analysis from subjective impressions to objective and accurate evaluations. This thesis addresses severalThe world of sports is being transformed by the rise of automated systems which enable the monitoring of athletes. Such systems provide objective assessments about the performance of athletes, the loads they are exposed to or their tactical behavior. Presently, data collection, preparation and analysis are still often performed in a manual or semi-automatic manner. This process can be time-consuming and subjective, impeding accurate long-term monitoring of athletes. Streamlining this process may facilitate the data acquisition considerably and enable a transition of the subsequent analysis from subjective impressions to objective and accurate evaluations. This thesis addresses several challenges in turning the above-mentioned desiderata into practical solutions. It provides innovative approaches for improving and extending the acquisition, filtering and analysis of positional and inertial data. The contributions of this thesis have the potential to considerably facilitate activity monitoring in sports and thus provide a basis for future studies in sports science.show moreshow less
  • Die zunehmende Verbreitung automatisierter Systeme für die Überwachung von Sportlern führt zu weitreichenden Veränderungen in der Welt des Sports. Diese Systeme ermöglichen objektive Aussagen über die Leistung von Athleten, über die Belastungen, denen sie ausgesetzt sind sowie über ihr taktisches Verhalten. Die Datenerfassung, -verarbeitung und -analyse, welche zum Erreichen dieser Ziele erforderlich sind, erfolgen allerdings nach wie vor häufig auf manuellem oder halbautomatischem Wege. Dieser Prozess kann subjektiv beeinflusst und äußerst zeitaufwendig sein, wodurch eine präzise Langzeitüberwachung von Athleten erschwert wird. Die Rationalisierung dieses Prozesses durch automatischeDie zunehmende Verbreitung automatisierter Systeme für die Überwachung von Sportlern führt zu weitreichenden Veränderungen in der Welt des Sports. Diese Systeme ermöglichen objektive Aussagen über die Leistung von Athleten, über die Belastungen, denen sie ausgesetzt sind sowie über ihr taktisches Verhalten. Die Datenerfassung, -verarbeitung und -analyse, welche zum Erreichen dieser Ziele erforderlich sind, erfolgen allerdings nach wie vor häufig auf manuellem oder halbautomatischem Wege. Dieser Prozess kann subjektiv beeinflusst und äußerst zeitaufwendig sein, wodurch eine präzise Langzeitüberwachung von Athleten erschwert wird. Die Rationalisierung dieses Prozesses durch automatische Überwachungssysteme könnte die Datenerfassung deutlich erleichtern und in der anschließenden Analyse subjektive Eindrücke durch objektive Auswertungen ersetzen. Diese Arbeit adressiert diverse Herausforderungen um die obengenannten Desiderata in praktische Lösungen zu überführen. Es werden innovative Ansätze für die Verbesserung und Erweiterung der Erfassung, Filterung und Analyse von Positions- und Inertialdaten im Sport vorgestellt. Die Beiträge dieser Arbeit erlauben es, die Überwachung sportlicher Aktivitäten deutlich zu erleichtern und bieten damit eine Basis für zukünftige sportwissenschaftliche Studien.show moreshow less

Download full text files

Export metadata

Additional Services

Share in Twitter Search Google Scholar Statistics
Metadaten
Author:Thomas Kautz
Persistent identifiers - URN:urn:nbn:de:bvb:29-opus4-89527
Persistent identifiers - DOI:https://doi.org/10.25593/978-3-96147-065-5
ISBN:978-3-96147-065-5
Series (Volume number):FAU Studien aus der Informatik (2)
Publisher:FAU University Press
Place:Erlangen
Referee:Bjoern Eskofier, Peter Husar
Document Type:Doctoral Thesis
Language:English
Year of publication:2017
Date of online publication (Embargo Date):2017/11/07
Publishing Institution:FAU University Press
Granting institution:Friedrich-Alexander-Universität Erlangen-Nürnberg (FAU), Technische Fakultät
Acceptance date of the thesis:2017/07/28
Release Date:2017/11/13
Tag:Kalman Filter; Sports analytics; activity recognition; athletics; beach volleyball; calibration; deep learning; filtering; inertial measurement units; local positioning systems; outlier; pattern recognition; rugby; tracking; wearable sensors
SWD-Keyword:Mustererkennung; Kalman-Filter; Objektverfolgung; Beschleunigungssensor; Deep learning; Leichtathletik; Beachvolleyball; Rugby; Ausreißer <Messtechnik>; Kalibrieren <Messtechnik>
Length/size:iii, 201 S.
Notes:
Parallel erschienen als Druckausgabe bei FAU University Press, ISBN: 978-3-96147-064-8
Institutes:Technische Fakultät / Department Informatik
Dewey Decimal Classification:0 Informatik, Informationswissenschaft, allgemeine Werke / 00 Informatik, Wissen, Systeme / 006 Spezielle Computerverfahren
open_access (DINI-Set):open_access
Collections:Universität Erlangen-Nürnberg / FAU University Press
Licence (German):Creative Commons - CC BY-NC-ND - Namensnennung - Nicht kommerziell - Keine Bearbeitungen 3.0
Einverstanden ✔
Diese Webseite verwendet technisch erforderliche Session-Cookies. Durch die weitere Nutzung der Webseite stimmen Sie diesem zu. Unsere Datenschutzerklärung finden Sie hier.