This study explores extracting features from Beach Volleyball video data using Human Pose Estimation models and evaluating the features by training and assessing a Machine Learning model with the aforementioned features. The methodology of the study consists of a literature study, interviews, pre-experiments to help decide on a pipeline and, extracting and evaluating features. The results of the study show that the models trained on the extraced features did not generalise well on unseen data. This could be due to the training dataset being too small for the choice of ML model orthe choice of evaluation method.

Denna studie utforskar möjligheten att utföra feature extraction på Beach Volleyboll video data genom att använda Human Pose Estimation modeller och utvärderar dessa features genom att träna och analysera maskininlärningsmodeller med dem. Metoden består av en litteraturstudie, intervjuer, förexperiment för att stödja valet av verktyg till pipelinen, och extraherandet samt utvärderingen av de features som extraherades. Resultaten visar att modellerna som tränades på dessa extraherade features inte generaliserade bra på nytt data vilket kan bero på att träningsdatasetet var för litet i storlek för vald ML model eller valet av utvärderingsmetod.