Avaliação da acurácia de um sistema baseado em inteligência artificial para rastreamento automático de atletas

Tecnologias de rastreamento estão se tornando comuns em organizações de esportes coletivos pois estas permitem análises profundas das características físicas e táticas do treinamento e da competição. os sistemas de rastreamento mais utilizados por organizações profissionais são sensores acoplados ao corpo dos atletas (sistemas de posicionamento global ou local, por exemplo) e em rastreamento baseado em vídeo. os sistemas de rastreamento baseado em vídeo usam processos de recuperação de plano de fundo e segmentação para extrair os ‘blobs’ de pixels que representam os atletas ao longo da sequência de imagens. as limitações desse método podem ser superadas utilizando uma abordagem baseada em algoritmos de estimativa de pose com deep learning. um desses métodos é o deeplabcut (dlc), um pacote aberto de ferramentas que combina redes neurais pré-treinadas e detecção de características customizáveis para predizer pontos-chave em novos vídeos.

Dessa forma, o presente estudo terá como objetivo avaliar a acurácia do dlc para rastreamento automático da trajetória de atletas de diferentes modalidades esportivas. participarão deste estudo 100 atletas recreacionais, com idade entre 18 e 35 anos de idade, de sete modalidades esportivas: futebol, futsal, handebol, basquetebol, tênis e badminton. para cada modalidade, serão realizados os mesmos procedimentos: coleta de dados e calibração, treinamento da rede neural, testes de acurácia de rastreamento (estático e dinâmico), processamento de dados, e aplicação do método em jogos oficiais ou extraoficiais.

Coordenador: Prof. Dr. Felipe Arruda Moura

Contato:  felipemoura@uel.br

Divulgação: Instagram