Viabilidade de uma abordagem baseada em vídeo utilizando Deep Learning para rastreamento automático de jogadores de basquetebol
Data
2025-07-25
Autores
Giovanini, Bruno
Título da Revista
ISSN da Revista
Título de Volume
Editor
Resumo
Avanços na área de visão computacional e inteligência artificial tornaram possível o rastreamento por vídeo utilizando algoritmos de rastreamento de múltiplos objetos. Um desses métodos é o DeepLabCut (DLC), uma ferramenta emergente nas ciências do movimento, que expandiu os escopos de pesquisa por permitir análises quantitativas do movimento em configurações mais ecológicas sem utilizar de equipamentos com alto custo financeiro. Entretanto, até o momento, não existem investigações testando a viabilidade de aplicação de um sistema de rastreamento automático que seja válido e apresente boa qualidade de rastreamento. Portanto, a presente dissertação teve dois objetivos: 1) avaliar a validade concorrente do DLC para estimar a posição e velocidade de jogadores durante tarefas estáticas e dinâmicas e 2) avaliar a qualidade do rastreamento automático de jogadores de basquetebol utilizando o DLC durante um jogo oficial de basquetebol. Quanto ao primeiro objetivo, dez jogadores jovens de basquetebol foram submetidos a tarefas estáticas e dinâmicas (caminhar, trotar, correr e lane-drill). O rastreamento utilizando o DLC foi comparado a um sistema optoeletrônico. A validade foi analisada por meio de erros absolutos e relativos, análise gráfica de Bland-Altman, coeficiente de correlação intraclasse (ICC), erro quadrático médio (RMSE) e mapeamento paramétrico estatístico (SPM1d) para as séries temporais de velocidade. De maneira geral, os valores de ICC mostraram boa a excelente confiabilidade entre sistemas. Os erros foram maiores à medida que a velocidade proposta das tarefas aumentou – erros relativos entre 1,00 e 2,11% para distância percorrida e RMSE entre 0,12 e 0,41 m·s-1 para velocidade. A SPM1d indicou diferenças significativas (p < 0,05) nas curvas de velocidade dos dois sistemas durante momentos de mudança de direção de 90 graus em velocidades mais altas. Quanto ao segundo objetivo, foi filmado um jogo profissional de basquetebol masculino da primeira divisão nacional utilizando apenas uma câmera fixada sobre a quadra capturando toda a área de jogo. Foram testadas diferentes abordagens de processamento dos dados do DLC e avaliadas métricas de detecção e associação calculadas a partir do registro de predições corretas, predições incorretas e trocas de identidade. De maneira geral, a abordagem utilizando interpolação do tipo ‘rloess’ apresentou a melhor qualidade de rastreamento dentre as abordagens testadas – alcançando uma taxa de trocas de apenas 0,23% e um MOTA de 0,982. O tempo estimado de intervenção manual para correção das trocas em cada quarto de jogo é de aproximadamente 70 minutos. Portanto, a utilização do DLC como base de um sistema de rastreamento automático de jogadores de basquetebol se mostrou altamente viável – com validade e qualidade de rastreamento adequadas, além de uma interface flexível, custos logísticos-operacionais acessíveis para a maior parte dos clubes profissionais de basquetebol e podendo entregar resultados confiáveis sobre as variáveis cinemáticas dos jogadores analisados horas após a partida
Descrição
Palavras-chave
Cinemática linear, Basquetebol, Rastreamento, Visão computacional, Educação física, Inteligência artificial, Análise de movimento