Análise de vídeos de escalada de velocidade utilizando visão computacional

• Autor(a) principal: Tsuha, Daniel Freire
• Data de Publicação: 2023
• Tipo de documento: Dissertação
• Idioma: por
• Título da fonte: Biblioteca Digital de Teses e Dissertações da USP
• Texto Completo: https://www.teses.usp.br/teses/disponiveis/100/100131/tde-24032023-155247/
• topic: Avaliação Física; Computer Vision; Escalada de Velocidade; Escalada Esportiva; Physical Assessment; Speed Climbing; Sport Climbing; Visão Computacional

Técnicas de visão computacional são utilizadas em diversos contextos com o objetivo de extrair informações a partir de imagens e vídeos. Uma das áreas do conhecimento que tem se beneficiado com a utilização de tais técnicas é a ciência do esporte. Essa abordagem é uma alternativa de baixo custo e não intrusiva, já que não é necessário a aquisição de nenhum equipamento adicional e nem a utilização de sensores fixados ao corpo dos atletas. A aplicação dessas técnicas em vídeos de escalada esportiva de velocidade pode ajudar profissionais da área a otimizarem os treinamentos e a detectarem pontos de melhoria dos atletas. Nesse contexto, o presente trabalho tem por objetivo validar que técnicas de visão computacional podem ser utilizadas para estimar a posição dos atletas de escalada durante provas de velocidade, de forma que os resultados obtidos sejam estatisticamente significativos se comparados com outros métodos já consolidados na área da ciência do esporte. Foi realizada uma revisão sistemática da literatura para levantar as técnicas de visão computacional mais utilizadas para a avaliação física de atletas. O próximo passo foi o desenvolvimento de um algoritmo que utiliza duas redes neurais convolucionais distintas para detectar os atletas e as agarras nas imagens. Diversas técnicas computacionais são aplicadas para combinar os dados obtidos e mapear a posição dos escaladores para dimensões do mundo real. O algoritmo foi testado em uma base de dados contendo diversas provas de escalada de velocidade e foi capaz de reconstruir a trajetória do atleta. Para validar o algoritmo um frame de cada vídeo da amostra (n=80) foi escolhido aleatoriamente e os resultados obtidos foram comparados aos dados resultantes da medição manual. O erro médio mensurado foi de 55,5+/-64,9 milímetros na medição vertical. Tal resultado demonstra a viabilidade de se utilizar técnicas de visão computacionais para se reconstruir a estimativa de atletas de escalada durante provas de velocidade. Espera-se que a ferramenta desenvolvida ajude profissionais da ciência do esporte a otimizarem o treino de atletas e que novas ferramentas de baixo custo possam ser derivadas da presente pesquisa.