Yapay Zekâ Destekli Sporcu Performans Takip Sistemi
Artificial Intelligence Supported Athlete Performance Tracking System
- Tez No: 1022916
- Danışmanlar: PROF. DR. ŞENGÜL DEMİRAL, PROF. DR. DAVİD H. FUKUDA
- Tez Türü: Doktora
- Konular: Spor, Sports
- Anahtar Kelimeler: Derin öğrenme, Judo, Yapay zeka, Deep learning, Judo, Artificial intelligence
- Yıl: 2026
- Dil: Türkçe
- Üniversite: Trakya Üniversitesi
- Enstitü: Sağlık Bilimleri Enstitüsü
- Ana Bilim Dalı: Beden Eğitimi ve Spor Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Giriş ve Amaç: Judo müsabakalarında performans analizi; teknik-taktik uygulamalar, skorlar, cezalar ve kumi-kata dönemleri gibi çok boyutlu değişkenlerin birlikte değerlendirilmesini gerektirmektedir. Bu çalışmanın amacı, judo müsabaka videolarından elde edilen verileri bilgisayarlı görü ve makine öğrenmesi yöntemleriyle analiz edebilen, performans göstergelerinin belirlenmesini fizyolojik ve psikolojik açıdan destekleyen, yapay zekâ tabanlı bir sporcu performans takip sistemi geliştirmek ve sistemin performansını değerlendirmektir. Sistem; maç analizi, teknik analiz, fizyolojik değerlendirme ve spor psikolojisi bileşenlerini bütüncül bir yapıda bir araya getirecek şekilde tasarlanmıştır. Gereç ve Yöntemler: Bu araştırma, Tasarım Tabanlı Araştırma modelinin bir türevi olan Gelişimsel Araştırma Modeli (Developmental Research) kapsamında yürütülmüştür. Araştırmada, evrende yer alan tüm erişilebilir müsabaka videolarının tamamı alınarak tam sayım yaklaşımı benimsenmiş ve analiz edilebilir nitelikteki 457 IJF müsabaka videosu kullanılmıştır. Toplam 43,26 saatlik ve yaklaşık 4,67 milyon kareden oluşan görüntülerden 3.760 segment manuel olarak etiketlenmiştir. Hedef değişkenler teknik, skor, ceza ve kumi-kata olarak belirlenmiştir. Bilgisayarlı görü aşamasında YOLO ve MediaPipe Pose, zaman serisi sınıflandırmasında LSTM/BiLSTM tabanlı yaklaşımlar kullanılmıştır. Model performansı doğruluk, kesinlik, duyarlılık ve F1-skoru ile değerlendirilmiştir. Sistem kapsamı iki judo alan uzmanı tarafından incelenmiş; uzman uyumu yüzde uyum ve Cohen'in Kappa katsayısıyla değerlendirilmiştir. Bulgular: Uzman değerlendirmelerinde performans göstergelerinin büyük çoğunluğu uygun bulunmuş ve beş göstergenin dördünde görüş birliği sağlanmıştır. Uzmanlar arasında %89,72 gözlenen uyum ve κ=0,671 Kappa değeri elde edilerek yüksek düzeyde uyum belirlenmiştir. Bununla birlikte veri setindeki sınıf dengesizliği ve bazı tekniklerin yetersiz temsil edilmesi modelin gerçek performans sınıflarını ayırt etmesini sınırlandırmıştır; 100 teknikten 60'ı gözlenirken 40'ı veri setinde temsil edilememiştir. Ham ve iyileştirilmiş veri kümeleriyle gerçekleştirilen 2 katlı çapraz doğrulama sonuçlarında, veri iyileştirmenin tüm sınıflandırma hedefleri üzerinde aynı yönde bir etki oluşturmadığı görülmüştür. Bununla birlikte, gerçek etiketler ile model tahminlerinin zamansal karşılaştırılması, yapay zekâ tabanlı sistemden elde edilen zaman-hareket analizi ve teknik performans göstergelerinin uzman gözlemcilerin manuel analizleriyle uyumlu olduğunu göstermiştir. Sonuç: Judo performansına ilişkin teknik performans göstergeleri; teknik, kumi-kata, ceza, teknik yönü gibi performans göstergelerini kapsayan, zaman-hareket analizi ve teknik performans göstergeleri ile uzman gözlemciler tarafından yapılan manuel analizler arasında uyumun bulunduğu, manuel video analiz yöntemlerine kıyasla performans verilerini %98,4 oranında daha kısa sürede analiz edebilen“Yapay Zekâ Destekli Sporcu Performans Takip Sistemi”geliştirilmiştir. Geliştirilen sistemin, judo performansının yapay zekâ destekli analizine yönelik işlevsel bir altyapı sunmasıyla birlikte, otomatik sınıflandırma ve yeni müsabakalara genellenebilirlik açısından daha dengeli ve geniş veri kümeleriyle geliştirilmesi önerilmektedir.
Özet (Çeviri)
Background and Aim: Performance analysis in judo competitions requires the integrated evaluation of multidimensional variables, including technical–tactical actions, scores, penalties, and kumi-kata phases. This study aimed to develop and evaluate an artificial intelligence supported athlete performance tracking system capable of analyzing data obtained from judo competition videos using computer vision and machine learning methods, while supporting the identification of performance indicators from physiological and psychological perspectives. The system was designed as an integrated framework comprising match analysis, technical analysis, physiological assessment, and sport psychology components. Materials and Methods: This study was conducted within the framework of the Developmental Research Model, a derivative of Design-Based Research. A complete enumeration approach was adopted by including all accessible competition videos in the target population, resulting in the analysis of 457 IJF competition videos suitable for evaluation. From a total of 43.26 hours of video footage comprising approximately 4.67 million frames, 3,760 segments were manually annotated. The target variables were defined as technique, score, penalty, and kumi-kata. YOLO and MediaPipe Pose were employed for computer vision tasks, while LSTM/BiLSTM-based approaches were used for time-series classification. Model performance was evaluated using accuracy, precision, recall, and F1-score. The scope of the system was reviewed by two judo experts, and inter-expert agreement was assessed using percentage agreement and Cohen's kappa coefficient. Results: Expert evaluations indicated that the majority of the performance indicators were considered appropriate, with consensus achieved for four of the five indicators. An observed agreement of 89.72% and a Cohen's kappa value of κ = 0.671 were obtained, indicating a substantial level of inter-expert agreement. However, class imbalance within the dataset and the insufficient representation of certain techniques limited the model's ability to discriminate among actual performance classes; of the 100 techniques considered, 60 were observed, whereas 40 were not represented in the dataset. The results of two-fold cross-validation performed using the raw and enhanced datasets showed that data enhancement did not produce a consistent directional effect across all classification targets. Nevertheless, the temporal comparison of ground-truth labels and model predictions demonstrated agreement between the time–motion analysis and technical performance indicators generated by the AI-based system and the manual analyses conducted by expert observers. Conclusion: An“AI-Assisted Athlete Performance Tracking System”was developed to evaluate judo-specific technical performance indicators, including technique, kumi-kata, penalties, and direction of technique. The time–motion analysis and technical performance indicators generated by the system were consistent with the manual analyses performed by expert observers. Furthermore, the system was able to analyze performance data in 98.4% less time than manual video analysis methods. Although the developed system provides a functional infrastructure for AI-assisted analysis of judo performance, further development using larger and more balanced datasets is recommended to improve automatic classification performance and generalizability to new competitions.
Benzer Tezler
- Sporda asimetri ölçümü üzerine yapay zeka destekli görüntü işleme uygulamasının geçerlilik ve güvenirliği: Pilot uygulama
Validity and reliability of an artificial intelligence-assisted image processing application for measuring asymmetry in sports: A pilot study
BAHATTİN ATALAY
Yüksek Lisans
Türkçe
2026
SporTokat Gaziosmanpaşa ÜniversitesiHareket ve Antrenman Bilimleri Ana Bilim Dalı
DOÇ. DR. YUSUF SOYLU
- Tenis sporcularında görüntü işleme teknikleri kulllanılarak yapay zekâ tabanlı performans analiz sistemi geliştirilmesi
Development of an artificial intellegence based performans analysis system using image processing techniques in tennis players
HÜSEYİN GÜRER
- Sportif performansın ölçülmesi ve değerlendirilmesi için yapay zeka destekli bir web uygulaması ile chatbot geliştirilmesi: Spormetrik uygulamasının geçerliği, güvenirliği ve hassasiyeti
Development of an artificial intelligence-enabled web application and chatbot for measurement and evaluation of sports performance: Validity, reliability and sensitivity of sportsmetric application
HÜSEYİN ŞAHİN UYSAL
Doktora
Türkçe
2025
SporBurdur Mehmet Akif Ersoy ÜniversitesiBeden Eğitimi ve Spor Ana Bilim Dalı
DOÇ. DR. SEZGİN KORKMAZ
- Yapay zeka destekli sanal laboratuvar tasarımı: Çekme deneyi uygulaması
Artificial intelligence aided virtual laboratory design: Tensile test application
ALPER KİRAZ
Doktora
Türkçe
2014
Endüstri ve Endüstri MühendisliğiSakarya ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
PROF. DR. CEMALETTİN KUBAT
- Yapay zeka destekli odyometri ölçüm sisteminin tasarımı ve gerçekleştirilmesi
Design and implementation of supported artificial intelligence audiometer meas-urement system
BÜŞRA ER
Yüksek Lisans
Türkçe
2020
Mühendislik BilimleriAfyon Kocatepe ÜniversitesiBiyomedikal Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ UĞUR FİDAN