| Student: | Matthias Vanhille |
|---|
| Richting: | Master of Science in de industriële wetenschappen: informatica |
|---|
| Abstract: | Padel is een racketsport dat de laatste jaren enorm aan populariteit heeft gewonnen. Om de sportprestaties van atleten te
optimaliseren, wordt er voortdurend gezocht naar methodes om trainingssessies en wedstrijden te analyseren. Dit omvat
onder andere het analyseren van de positie van de spelers met behulp van camerasystemen, alsook het onder de loep nemen
van de gespeelde slagen en dit in verband brengen met het resultaat van de match. In tegenstelling tot andere slagsporten
loopt padel achter op vlak van onderzoek in dit vakgebied.
In deze thesis wordt er met behulp van accelerometer- en gyroscoopdata een neuraal netwerk getraind dat nauwkeurig
de gespeelde slagen van een speler kan detecteren. Bovendien wordt er een peak detection algoritme gebruikt dat samples
zonder slag zoveel mogelijk uit de dataset filtert. Ook wordt de optimale positie van de accelerometer grondig onderzocht.
Ten slotte wordt het effect van de samplegrootte, meetfrequentie en batch size bepaald.
Kernwoorden: activiteitsherkenning, padel, accelerometer, gyroscoop, slagherkenning |
|---|
| Abstract (Eng): | An in-depth analysis of sports is becoming increasingly important during the training process of padel players at
both recreational and professional level. Nowadays games at high
level are usually filmed at first and afterwards they are being
analysed by the players or trainers. These camera setups are
expensive and analysing the videos takes a lot of time, whilst
also lacking precision in movements the human eye can’t detect.
Therefore, in this thesis a model based on accelerometer data
from off-the-shelf devices will be created. The best position to
place the accelerometer will also be investigated, as well as the
limits of trade-off between the sampling rate and sample size.
Keywords—Padel, activity recognition, accelerometer, gyroscope, CNN |
|---|