Sportinnovator

Een uitdaging op het lijf geschreven van Mauricio Verano Merino. Als kind speelde hij fanatiek voetbal en tennis, en in zijn loopbaan als onderzoeker verkende hij hoe computertechnologie sporters en coaches kon ondersteunen. Nu is Verano Merino universitair docent informatica aan de Vrije Universiteit Amsterdam waar hij onderzoek doet naar sport en technologie, maar ook naar software engineering, programmeertalen en nieuwe mogelijkheden voor interactie met code. Oftewel: het toegankelijk maken van technologie voor mensen zonder technische achtergrond. 

Slimme software voor olympisch goud
Toen hij de 'Prestatiecall topsport-innovatie voor goud LA 2028' van Sportinnovator zag, greep hij meteen zijn kans. "De uitdaging leek op het eerste gezicht vergelijkbaar met wat ik al eerder deed voor hockey en voetbal. Maar door het water, en de dynamiek van het spel verandert alles natuurlijk", vertelt hij. "Spelers verdwijnen en worstelen met elkaar onder het oppervlak, sensoren werken niet, standaard tracking is er niet. Een interessante uitdaging, vond ik."

Momenteel worden keuzes voor de eigen speltactiek door de hoofdcoach voor een aankomende wedstrijd gebaseerd op de handmatige analyse van videobeelden en (subjectieve) observaties van de tactiek van de tegenstander. Verano werkt aan een AI-systeem dat tactische patronen automatisch herkent in videomateriaal. Dit innovatieve systeem analyseert videobeelden en identificeert spelsystemen. Hij doet dat niet alleen: het project is een samenwerking met David Mann, universitair hoofddocent aan de Faculteit der Gedrags- en Bewegingswetenschappen, sportwetenschapper Chris Hendrix van de KNZB en Michel Verkade van TeamNL. De innovatie brengt onder andere in kaart welke posities spelers innemen ten opzichte van elkaar, de bal en het doel, en hoe die formaties wisselen tijdens een wedstrijd. Welk spelsysteem speelt een tegenstander bij een aanval? Wanneer schakelen ze over op verdedigen? Welke speler neemt welke positie in? Waterpolocoaches krijgen hiermee objectieve inzichten over de tactiek van tegenstanders om betere beslissingen te nemen, inclusief herkenning van individuele speelsters.

Videoanalyse: een tijdrovend handwerk
Voor een videoanalist van een waterpoloteam begint het werk pas echt na afloop van een wedstrijd. Door al het beeldmateriaal gaan van zowel het eigen als concurrerende teams, aantekeningen maken, analyses opstellen op basis van spelsystemen die ook nog eens veelvuldig wisselen tijdens een wedstrijd. En koppelingen vinden tussen een succesvolle of mislukte aanval en een gehanteerd spelsysteem. Kortom; een tijdrovend, handmatig proces. "Ze doen wel drie dingen tegelijk: filmen, annoteren en nadenken over het spel", legt Verano Merino uit. "Soms begint dit proces pas om negen uur 's avonds na een avondwedstrijd, terwijl de volgende ochtend alweer een coachingsbespreking staat. Bijna niet te doen, eigenlijk."

Het systeem waar hij samen met de rest van het team aan werkt, kan de videoanalist ontlasten, zodat zij hun aandacht kunnen richten op waar het echt om gaat. Maar de menselijke expertise van de sportwetenschapper en coach blijft essentieel. "Het doel is nadrukkelijk niet om dit werk volledig te automatiseren, maar om het sportwetenschappers en coaches wél makkelijker te maken."

Het systeem werkt in twee stappen. De eerste is het detecteren en volgen van spelers in het beeldmateriaal, inclusief het moment dat ze onder water verdwijnen. Daarvoor gebruikt Verano Merino computer vision-modellen: algoritmes die getraind zijn op duizenden gelabelde afbeeldingen. Ze leren herkennen wat een object is (een speler, de bal) en voorspellen waar dat object zich bevindt. "Het lastige is dat je een speler consistent moet kunnen volgen door het hele spel. Zodra iemand onder water gaat, moet het systeem weten dat diezelfde persoon straks weer opduikt op een andere plek."

De uitkomst van die eerste stap is een dataset met de geschatte coördinaten van alle spelers en de bal in het bad. Met die informatie begint stap twee: de patroonherkenning. Met het systeem kunnen ze individuele prestatiemetingen berekenen: hoeveel meter zwom een speler, hoe snel, in welke fases van het spel was hij actief?

Interessanter nog is wat er op teamniveau zichtbaar wordt: "Elk team lijkt zijn eigen patronen te hebben", vertelt hij. "Misschien bevestigt de data wat coaches al intuïtief wisten. Maar misschien onthult ze ook iets wat nog nooit eerder zichtbaar was."

Coach aan het stuur
De technologie wordt idealiter vormgegeven als een dashboard: een omgeving waarin coaches of sportwetenschappers wedstrijdvideo's kunnen uploaden en terugkrijgen welke patronen het systeem heeft herkend. Daarna is het aan de coach om te beoordelen of die patronen kloppen en om op basis daarvan datagedreven tactische beslissingen te nemen.

Het succes van het project staat of valt met de samenwerking tussen onderzoekers en sportexperts. "De technologie zal in het begin niet perfect zijn", zegt Verano Merino. "Maar door de voortdurende wisselwerking tussen ons team en de sportwetenschappers en coaches van TeamNL kan het systeem steeds beter worden afgestemd op wat het waterpoloteam echt nodig heeft. Uiteindelijk beslist de coach. Die geven we betere informatie om die beslissingen te nemen."

Een expliciete keuze in het ontwerp is gebruiksvriendelijkheid. Het dashboard moet te gebruiken zijn door iemand zonder technische achtergrond. "Een waterpolocoach heeft al genoeg aan het hoofd. Die moet geen datawetenschapper hoeven worden, om hier iets aan te hebben."

Verder dan waterpolo
Het project staat officieel aan het begin, maar de ambitie reikt ver. In eerste instantie analyseert het systeem bestaand videomateriaal. Maar de stip op de horizon is real-time gebruik: coaches die tijdens een wedstrijd live meekijken hoe de tactiek van de tegenstander zich ontwikkelt, en hun eigen speltactiek daar direct op aanpassen. Idealiter wordt historische data dan gekoppeld aan live-inzichten, zodat patronen uit het verleden direct bruikbaar zijn in het moment. Daarvoor moet het systeem blijven leren. Nieuwe spelsystemen, andere formaties, wisselende tegenstanders: het algoritme moet zich blijven aanpassen. 

“De technologie die nu wordt ontwikkeld voor waterpolo is in principe overdraagbaar naar andere sporten”, zegt Verano Merino. “Technologisch is het dezelfde uitdaging: speler detecteren, positie bepalen, patronen vinden. Wat je er daarna mee doet, is sportspecifiek.” Voor Verano Merino past dit in een bredere missie: de ontwikkeling van minder populaire sporten stimuleren en ondersteunen door technologie, wat in grote sporten al jaren gemeengoed is. "In waterpolo ben je vrijer om te experimenteren, en er is een nauwere samenwerking met sportwetenschappers, atleten en coaches. Je ziet écht wat je bijdraagt. Dat soort dingen zijn waardevol voor ons als onderzoekers. Dat we op deze manier een bijdrage kunnen leveren aan de samenleving."