Redes Neurais para Apoio à Análise de Performance de Atletas Profissionais de Futebol

Detalhes bibliográficos
Autor(a) principal: Goulart, Gabriel Ratto
Data de Publicação: 2019
Tipo de documento: Trabalho de conclusão de curso
Idioma: por
Título da fonte: Repositório Institucional da UFSC
Texto Completo: https://repositorio.ufsc.br/handle/123456789/200063
Resumo: TCC(graduação) - Universidade Federal de Santa Catarina. Centro Tecnológico. Engenharia de Controle e Automação.
id UFSC_6e7334e0e91a92f4f334bd02789d76be
oai_identifier_str oai:repositorio.ufsc.br:123456789/200063
network_acronym_str UFSC
network_name_str Repositório Institucional da UFSC
repository_id_str 2373
spelling Redes Neurais para Apoio à Análise de Performance de Atletas Profissionais de Futebolaprendizado de máquina, futebol, rede neural, filtro de Kalman, GPS.machine learning, football, neural network, Kalman filter, GPS.TCC(graduação) - Universidade Federal de Santa Catarina. Centro Tecnológico. Engenharia de Controle e Automação.A aplicação da tecnologia no futebol vêm aumentando muito nos últimos anos, princi- palmente na captura de dados para análise de performance dos atletas. Em ligas de alto nível, clubes utilizam dispositivos de GPS de frequência de captura maior que 10 Hz. Estes dispositivos contudo, possuem um alto custo que impossibilita atletas amadores e clubes de médio porte de terem uma mesma inteligência sobre sua performance. Com o objetivo de possibilitar que estes atletas e clubes pudessem ter análises de performance com qualidade similar a clubes de alto poder aquisitivo somente com smartwatches e smartphones, a Joga optou pelo desenvolvimento de algoritmos de aprendizado de máquina capazes de suprir a perda de informação que estes dispositivos apresentam por ter frequência de captura de 1 Hz. Assim, em posse de uma base de dados de GPS de 10 atividades de futebol capturadas por um dispositivo de 10 Hz, foi feita uma amostragem destes dados em frequências distintas a fim de simular dados capturados por dispositivos diferentes. Em seguida, foi criada uma rede neural capaz de estimar o quanto a distância calculada com pontos amostrados deveria ser corrigida para ser similar à distância mensurada com dispositivos de 10 Hz de frequência. Além disso, foi aplicado um filtro de Kalman nos dados de GPS a fim de minimizar ruídos de medição. Por fim, foi realizado um experimento controlado onde atletas percorreram um circuito de distâncias conhecidas com um smartwatch de GPS de 1 Hz e um dispositivo de GPS de 15 Hz a fim de avaliar a eficácia do modelo desenvolvido. A distância medida pelo modelo final de rede neural com filtro de Kalman aplicado nos dados de 1 Hz provou ter um erro menor do que a distância calculada com dados de 15 Hz.The usage of technology in football has been increasing over the last few years, specially in the capture of data for athlete’s performance analysis. On top level leagues, clubs use GPS devices with a frequency of 10 Hz. These devices however, are too expensive, making impossible for amateur athletes and medium-level clubs to have the same kind of intelligence over their performance. With the goal of enabling these athletes and clubs to have performance analysis of similar quality of top level clubs using only smartphones and smartwatches, Joga opted for the development of machine learning algorithms capable of making up for the loss of information that these devices present for having a frequency of 1 Hz. Thus, with a GPS database of 10 football activities recorded with a 10 Hz device, a sampling was made with different frequencies in order to simulate data from the same activities recorded with different devices. A neural network was then created, capable of estimating how much the distance calculated between sampled location points should be corrected in order to be similar to the distance measured with 10 Hz data. A Kalman Filter was also applied to the GPS data in order to minimize measurement noise. At last, a controlled experiment was made where athletes ran iver a circuit of known distances with a smartwatch of a 1 Hz GPS and a 15 Hz GPS device in order to evaluate the accuracy of the developed model. The distance measured by the final neural network model with the Kalman Filter on 1 Hz data proved to have a smaller error than the distance measured by 15 Hz data.Florianópolis, SC.Stemmer, MarceloUniversidade Federal de Santa CatarinaGoulart, Gabriel Ratto2019-08-22T13:22:16Z2019-08-22T13:22:16Z2019info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/bachelorThesisapplication/pdfhttps://repositorio.ufsc.br/handle/123456789/200063info:eu-repo/semantics/openAccessporreponame:Repositório Institucional da UFSCinstname:Universidade Federal de Santa Catarina (UFSC)instacron:UFSC2019-08-22T13:22:16Zoai:repositorio.ufsc.br:123456789/200063Repositório InstitucionalPUBhttp://150.162.242.35/oai/requestopendoar:23732019-08-22T13:22:16Repositório Institucional da UFSC - Universidade Federal de Santa Catarina (UFSC)false
dc.title.none.fl_str_mv Redes Neurais para Apoio à Análise de Performance de Atletas Profissionais de Futebol
title Redes Neurais para Apoio à Análise de Performance de Atletas Profissionais de Futebol
spellingShingle Redes Neurais para Apoio à Análise de Performance de Atletas Profissionais de Futebol
Goulart, Gabriel Ratto
aprendizado de máquina, futebol, rede neural, filtro de Kalman, GPS.
machine learning, football, neural network, Kalman filter, GPS.
title_short Redes Neurais para Apoio à Análise de Performance de Atletas Profissionais de Futebol
title_full Redes Neurais para Apoio à Análise de Performance de Atletas Profissionais de Futebol
title_fullStr Redes Neurais para Apoio à Análise de Performance de Atletas Profissionais de Futebol
title_full_unstemmed Redes Neurais para Apoio à Análise de Performance de Atletas Profissionais de Futebol
title_sort Redes Neurais para Apoio à Análise de Performance de Atletas Profissionais de Futebol
author Goulart, Gabriel Ratto
author_facet Goulart, Gabriel Ratto
author_role author
dc.contributor.none.fl_str_mv Stemmer, Marcelo
Universidade Federal de Santa Catarina
dc.contributor.author.fl_str_mv Goulart, Gabriel Ratto
dc.subject.por.fl_str_mv aprendizado de máquina, futebol, rede neural, filtro de Kalman, GPS.
machine learning, football, neural network, Kalman filter, GPS.
topic aprendizado de máquina, futebol, rede neural, filtro de Kalman, GPS.
machine learning, football, neural network, Kalman filter, GPS.
description TCC(graduação) - Universidade Federal de Santa Catarina. Centro Tecnológico. Engenharia de Controle e Automação.
publishDate 2019
dc.date.none.fl_str_mv 2019-08-22T13:22:16Z
2019-08-22T13:22:16Z
2019
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/bachelorThesis
format bachelorThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv https://repositorio.ufsc.br/handle/123456789/200063
url https://repositorio.ufsc.br/handle/123456789/200063
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.publisher.none.fl_str_mv Florianópolis, SC.
publisher.none.fl_str_mv Florianópolis, SC.
dc.source.none.fl_str_mv reponame:Repositório Institucional da UFSC
instname:Universidade Federal de Santa Catarina (UFSC)
instacron:UFSC
instname_str Universidade Federal de Santa Catarina (UFSC)
instacron_str UFSC
institution UFSC
reponame_str Repositório Institucional da UFSC
collection Repositório Institucional da UFSC
repository.name.fl_str_mv Repositório Institucional da UFSC - Universidade Federal de Santa Catarina (UFSC)
repository.mail.fl_str_mv
_version_ 1808652358723305472

Registros relacionados