Schlägerkopf-Erkennung in Echtzeit

Kleiner als eine Hand, schneller als 150 km/h. Wir finden ihn in jedem Bild.

Der Schlägerkopf ist das schwierigste Objekt im Golf: klein, metallisch, bewegungsunscharf und im Treffmoment schneller als 150 km/h. Für DeepSwing haben wir ein eigenes Detektionsmodell trainiert, das ihn in Hochgeschwindigkeitsaufnahmen zuverlässig findet. Es läuft als Core-ML-Modell direkt auf der Neural Engine des iPhones.

Abb. 01 — Schlägerkopf-Erkennung
Hochgeschwindigkeits-Aufnahme
240fps
Belichtung gegen Bewegungsunschärfe
1/8000s
am Schläger nötig
0Sensoren

01.1 — Objekterkennung

Schlägerkopf-Erkennung

01

Trainiert auf das, was Kameras wirklich sehen

Schlägerköpfe sehen in jedem Video anders aus: Driver, Eisen, Putter. Sonne, Halle, Kunstlicht. Von vorn und von hinten. Unser Datensatz bildet diese Vielfalt ab. Das Modell basiert auf einer aktuellen YOLO-Architektur und ist für Apples Neural Engine konvertiert und optimiert.

02

Vom Punkt zur Bahn

Aus den Positionen pro Bild entsteht der Trail: der Weg des Schlägerkopfs durch den ganzen Schwung. Daraus lesen wir Schwungebene, Schlägerweg und Tempo und legen das Ergebnis als Overlay über das Video. Im Editor lässt sich jeder Punkt prüfen.

03

Millisekunden vor dem Impact

Im Launch Monitor misst die Erkennung die Schlägerkopfgeschwindigkeit in den letzten Bildern vor dem Treffmoment. Zusammen mit der Ballgeschwindigkeit ergibt sich der Smash-Faktor, also wie effizient der Ball getroffen wurde.

01.2 — Fähigkeiten

Was es kann.

Im Einsatz in unseren Produkten, jeden Tag, auf echten Geräten.

  1. 01

    Ohne Sensor, ohne Marker

    Der Schlägerkopf wird im normalen Kamerabild gefunden. Kein Aufkleber, kein Clip am Schaft.

  2. 02

    Bild für Bild verfolgt

    Vom Ansprechen bis ins Finish, auch bei Bewegungsunschärfe und Gegenlicht.

  3. 03

    Schlägerspeed

    Das Tempo des Schlägerkopfs kurz vor dem Treffmoment, als Wert in jedem Launch-Monitor-Schlag.

  4. 04

    Trail über den ganzen Schwung

    Der Weg des Schlägerkopfs als Linie über dem Video, im Editor Punkt für Punkt prüfbar.

  5. 05

    Schwungebene

    Die Ebene im Rückschwung und im Abschwung, mit Hinweis, wenn der Schläger zu steil oder zu flach kommt.

  6. 06

    „Stuck“ erkannt

    Kommt der Schläger zu weit von innen, erklärt der Coach genau das und zeigt passende Übungen.

  7. 07

    Vergleich und Export

    Zwei Trails nebeneinander, Overlay-Videos zum Teilen mit Trainer oder Community.

  8. 08

    Alle Schläger

    Driver, Hölzer, Eisen und Wedges, drinnen wie draußen.

01.3 — So funktioniert es

So funktioniert es

  1. 01

    Aufnahme

    240 Bilder pro Sekunde, 1/8000 s Belichtung, 1080p.

  2. 02

    Detektion

    YOLO-Modell auf der Neural Engine, Bild für Bild.

  3. 03

    Tracking

    Zuordnung über die Zeit, Ausreißer werden verworfen.

  4. 04

    Messung

    Weg, Ebene und Tempo des Schlägerkopfs.

01.5 — FAQ

Häufige Fragen

Braucht die Schlägerkopf-Erkennung Marker oder Sensoren?

Nein. Das Modell erkennt den Schlägerkopf im normalen Kamerabild. Es braucht keine Aufkleber, keine Sensoren am Schläger und keine zusätzliche Hardware.

Läuft die Erkennung offline?

Ja. Das Modell läuft auf dem Gerät. Videos verlassen das Smartphone für die Analyse nicht.

Können Sie solche Modelle auch für andere Sportgeräte bauen?

Ja. Schläger, Rackets, Bälle, Pucks und Werkzeuge folgen demselben Muster: Daten erfassen, labeln, trainieren, auf das Zielgerät optimieren und gegen eine Referenz messen.

Kontakt

Was soll Ihre Kamera erkennen?

Objekterkennung, Körper-Tracking, Segmentierung oder Kartografie, auf Ihrem Gerät, in Echtzeit. Lassen Sie uns darüber sprechen.