Automatisk Identifiering av Nyckelpositioner i Golf – Med Xbox Kinect V2

Detta är en Kandidat-uppsats från Högskolan i Borås/Akademin för bibliotek, information, pedagogik och IT

Sammanfattning: Denna studie presenterar en artefakt som med hjälp av Microsoft Kinect, samlar in och beräknar biomekanisk data från golfsvingar för att identifiera nyckelpositioner på ett automatiserat sätt. Den övergripande metoden som används är design-science research. Kinect sensorn är egentligen gjord för tv-spel, men kan även användas allmänt för att fånga och samla in kvantitativ biomekanisk data. Sensorn är inte specifikt utformad för golfsvingar, och saknar dessutom förmågan att spåra externa objekt som golfklubbor. Dessa problem var grunden för denna studies övergripande syfte, nämligen att utveckla en mjukvara med förmågan att identifiera de fem viktigaste nyckelpositionerna i golfsvingen. Nyckelpositionerna definieras utifrån mätbara egenskaper vilket för nyckelpositionen impact, krävde att man utnyttjade sensorns förmåga att spela in ljud. I empirin som genomfördes på en driving range samlades data från sammanlagt 20 svingar in. Varje identifierad nyckelposition analyserades på ett kvalitativt sätt utifrån ett antal sammanställda kriterier. Kinectsensorn hade problem att identifiera vissa positioner, men sammantaget bedömdes 87 % av de insamlade nyckelpositionerna som korrekt identifierade. För nyckelpositionen impact, där insamlad ljuddata användes för identifiering, bedömdes 85 % av de insamlade nyckelpositionerna som korrekt identifierade. Studien begränsar sig till utvalda nyckelpositioner men visar potential för automatiserad insamling av kvalitativ golfsvingdata, och ger uppenbara möjligheter för vidare forskning.

  HÄR KAN DU HÄMTA UPPSATSEN I FULLTEXT. (följ länken till nästa sida)