Im Leistungssport können Nuancen im Bewegungsablauf über Sieg oder Niederlage entscheiden. Aus diesem Grund feilen Profis, Trainer und Sportmediziner mit wissenschaftlicher Akribie an Feinheiten im Zusammenspiel von Armen, Beinen, Rumpf und Kopf. Nicht nur, um die körperliche Leistungsfähigkeit zu verbessern, sondern auch zur Vorbeugung von Verletzungen. Ein gängiges Verfahren zur Analyse von Bewegungen ist Motion Capture. Hierbei kommen zumeist reflektierende Marker zum Einsatz, die an Probanden angebracht werden. Das Münchner Unternehmen Simi Reality Motion Systems ermöglicht mit Unterstützung von Künstlicher Intelligenz eine markerlose 3D-Bewegungserfassung.

Eine Schallmauer, die lange Zeit als gesetzt galt, ist durchbrochen: Ein Mensch hat einen Marathon in weniger als zwei Stunden absolviert. Allerdings handelte es sich dabei weniger um eine herausragende Einzelleistung, als vielmehr um ein bis ins letzte Detail geplantes Projekt: Der Lauf fand unter exakt definierten Bedingungen statt, die mit einem regulären Rennen nicht viel zu tun haben. Von der Streckenführung über die Ernährung bis hin zum Equipment – nichts wurde dem Zufall überlassen. Und natürlich spielte auch der Laufstil eine, wenn nicht sogar die entscheidende Rolle. Damit ein Athlet eine solche Leistung vollbringen kann, muss mit jedem Bewegungsablauf das Optimum aus seinen Körpermerkmalen herausgeholt werden.

Schon seit vielen Jahren finden derartige sportwissenschaftliche Analysen am Computer statt. Verändert hat sich der Weg, auf dem die Bewegungsinformationen in den Rechner gelangen. Bis dato waren reflektierende Marker notwendig, die direkt an der zu untersuchenden Person angebracht wurden – Motion Capture nennt sich diese Methode. Die amerikanische Filmindustrie nutzt das Vorgehen, um fiktive Geschöpfe wie King Kong oder Gollum (Herr der Ringe) zum Leben zu erwecken. Die Ausgangsdaten werden dabei von Schauspielerinnen und Schauspielern erzeugt, deren Bewegungen mittels der besagten Marker und Infrarotkameras in ein Computersystem übertragen werden. Was in Hollywood-Studios überzeugend funktioniert, ließ sich in realen Umgebungen wie im Sportbereich bisher jedoch nicht nutzen.

Markerloses Tracking auf Basis von Deep Learning

Hier setzt die Bewegungserfassung des Münchner Unternehmens Simi Reality Motion Systems GmbH an. Sie erfordert keine Marker. Grundlage der Analyse sind vielmehr Bilder, die beispielsweise auch im Freien erzeugt werden können. Mit synchronisierten Industrie-Kameras, die eine sehr hohe Frequenz und hohe Auflösungen bieten, werden die Bewegungen aufgezeichnet und gespeichert. Mittels neuester Algorithmen aus der Bildverarbeitung ist das Programm Simi Motion in der Lage, die Bewegung detailliert zu erfassen und in Form von 2D- beziehungsweise 3D-Daten auszuspielen. Zu diesem markerlosen Trackingverfahren werden Ansätze aus dem Deep Learning (unter anderem Convolutional Pose Machines) herangezogen.

Vereinfach gesagt hilft die KI-Anwendung dem Computer, die dreidimensionalen Bewegungen des Menschen mittels Kamerabildern zu verstehen – analog dazu, wie das menschliche Gehirn dies anhand der Augen schafft. Entwickelt wurde das Konzept gemeinsam mit der Leibnitz Universität Hannover. Die Anwendung ist seit 2016 am Markt und bei Weltmeisterschaften und in Profiligen im Einsatz.

Markerless Motion Capture gewinnt auch in anderen Bereichen an Bedeutung – beispielsweise bei Augmented Reality bzw. Virtual Reality in der autonomen Mobilität oder der Medizin. Zudem eröffnen sich Anwendungsmöglichkeiten in der Industrie (z.B. bei der Prozessoptimierung) sowie bei Dienstleistungen, wenn etwa Daten im Rahmen von Cloud-Service-Verträgen verarbeitet werden.