Lentopallon pelinlukua edistävä sovellus

Abstract

Lentopallossa vastustajajoukkueen passarin suoritusten ennakointi on tärkeä taito, ja se vaatii torjujilta sekä puolustajilta näkövihjeiden nopeaa käsittelyä. Perinteiset menetelmät tämän taidon harjoittamiseksi perustuvat usein manuaaliseen videon tarkasteluun. Tämän opinnäytetyön tarkoituksena oli suunnitella ja toteuttaa sovellus, joka automatisoi harjoitustilanteiden luomisen otteluvideoista ja tilastotiedostoista. Tavoitteena oli luoda prosessi, jonka avulla valmentajat ja pelaajat voivat muuntaa pelidataa päätöksentekovälineeksi ilman suurta manuaalista videon muokkausta.

Sovellus kehitettiin Python-ohjelmointikielellä sovelluksen logiikan ja graafisen käyttöliittymän osalta, ja se on integroitu R-laskentaympäristöön tilastollista tiedonkäsittelyä varten. Tietokonenäköä käytettiin otteluvideon automaattiseen segmentointiin. Nämä videosegmentit synkronoitiin DataVolley-tiedostojen kanssa, jotka ovat lentopallon analytiikan standardimuoto. Mukana on erillinen manuaalinen kalibrointityökalu, jonka avulla käyttäjät voivat hienosäätää pysäytyskuvan juuri sille hetkelle, kun passari koskettaa palloa.

Tämän projektin päätuloksena on toimiva työpöytäsovellus ”Volleyball IQ Trainer”, joka yhdistää onnistuneesti video- ja tilastotiedot yhtenäiseksi harjoitusympäristöksi. Käyttäjät voivat suodattaa tiettyjä pelitilanteita, kuten täydellisiä vastaanottoja, ja osallistua pelillistettyyn simulaatioon, jossa videon toisto keskeytetään passarin koskettaessa palloa. Tuloksena saatiin urheiluanalytiikkasovellus, jota voidaan käyttää parantamaan kognitiivista harjoittelua lentopallossa.

Reading the opposing team´s setter is a key skill in high level volleyball. It requires blockers and defenders to process visual cues quickly. Traditional methods for practicing this skill rely on manual video review, which can be time consuming and does not provide immediate interactive feedback. The purpose of this thesis was to implement an application that automates the creation of interactive training clips from match videos and statistical files. The goal was to create a process that allows coaches and players to convert game data into decision making tool without much manual video editing.

The application was developed using Python programming language for its logic and graphical user interface, and it has been in integrated to R environment for statistical data processing. Computer vision was used to automatically segment match videos into individual rallies by detecting changes in screen brightness. These video segments were synchronized with DataVolley files, the standard format for volleyball analytics, to obtain accurate data on the quality of recepetions and distribution of sets. A separate manual calibration tool is included, allowing users to fine tune the pause frame to the exact moment the setter touches the ball.

The outcome of this project is a desktop application called “Volleyball IQ Trainer”, which successfully combines video and statistical data into a singular training environment. Users can filter specific game situations, such as perfect receptions, and participate in a gamified simulation where the video pauses when the setter touches the ball. This app demonstrates that sports analytics software can be used to improve cognitive training in volleyball.