Design, development and evaluation of an automated video analysis tool for martial arts technique

Abstract

Herausragende Leistungen im Sport, insbesondere im Kampfsport, erfordern eine präzise technische Ausführung, um die bestmögliche Leistung hervorzubringen, das Verletzungsrisiko zu minimieren und taktische Vorteile zu erzielen. Die Analyse der Technik spielt eine entscheidende Rolle bei der Verbesserung der sportlichen Leistung, indem sie Fehler identifiziert und das Training gezielt unterstützt. Manuelle Technikanalyse ist jedoch zeitaufwendig und erfordert fachkundige Coaches und Experten. Während bestehende Forschung bereits automatisierte Technikanalysen auf Basis von 3D-Videoaufnahmen untersucht hat, sind solche Systeme auf teure Ausrüstung angewiesen und daher im täglichen Training kaum praktikabel. Neue Fortschritte im Bereich der Pose Estimation eröffnen nun die Möglichkeit, automatisierte Analysen basierend auf 2D-Videos durchzuführen, welche einfach mit einem Smartphone während des Trainings aufgezeichnet werden können.Diese Arbeit stellt die Konzeption, Entwicklung und Evaluation einer Webanwendung vor, die eine automatisierte Analyse von Athleten hochgeladenen 2D-Videos ermöglicht. Das System wurde auf Basis aktueller Forschungsergebnisse und Anforderungen eines Experten für Kickboxen und Karate-Kumite entwickelt und unterstützt zwei Pose Estimation Modelle: MoveNet und OpenPose. Die Evaluation erfolgte mit einem Datensatz bestehend aus 3D- und 2D-Videos von 44 Athleten mit unterschiedlichem Leistungsniveau, die die Technik des doppelten Seitwärtskicks ausführten. Die Übereinstimmung zwischen der Analyse auf Basis von 2D- und 3D-Daten wurde mithilfe von Bland-Altman-Plots überprüft.Die Ergebnisse zeigen eine hohe Übereinstimmung zwischen der 2D- und 3D-Analyse. Die Übereinstimmung war leicht höher bei der Analyse, die das OpenPose Model verwendete. Die Analyse mit dem OpenPose Model zeigte eine mittlere Abweichung von <0,04s bei Merkmalen für die Dauer der einzelnen Phasen der Technik, <15° bei Merkmalen für Gelenkwinkel und <13% bei relativen Körperpositionsmerkmalen. Diese Ergebnisse deuten darauf hin, dass das System ein kostengünstiges und praxisnahes Werkzeug für Athleten im täglichen Training darstellen kann.

Excelling in sports, especially combat sports, requires precise technical execution to enhance performance, reduce injury risk, and achieve tactical advantage. Technique analysis plays a key role in improving athletic performance by identifying flaws and informing training. However, manual technique analysis is time-consuming and requires expert input. While existing research has explored automated technique analysis using 3D video recordings, such systems rely on expensive equipment that is impractical for daily training. Recent advancements in pose detection now offer the potential for automated analysis based on 2D videos, which can be conveniently recorded using a smartphone.This research presents the design, development, and evaluation of a web application that provides automated analysis of user-uploaded 2D videos. The system was developed using state-of-the-art research and requirements gathered from a subject matter expert in kickboxing and karate kumite. It supports two pose detection models, MoveNet and OpenPose. The system was evaluated using a dataset of 3D and 2D videos featuring 44 athletes of varying competitive levels performing the double side kick technique. Agreement between the 2D-based and 3D-based analyses from a preliminary study was assessed using Bland-Altman plots.The evaluation showed strong agreement between the 2D and 3D analyses. The analysis using the OpenPose model displayed slightly better results than the analysis using the MoveNet model. The analysis using the OpenPose model showed a mean difference of <0.04s for relative phase durations, <15° for joint angles, and <13% for relative body position characteristics. These results indicate that the web application has the potential to serve as an inexpensive and practical tool for athletes in their daily training.