|
Abstract:
|
O Karate é uma modalidade esportiva de combate na qual dois atletas buscam o maior número de pontos entre si enquanto lutam em um tatame de área 8mx8m, sendo carac- terizado como uma luta que contém chutes e socos de variadas direções e ângulos. Com a participação do Karate como modalidade Olímpica em Tóquio 2020, esta arte marcial ganhou destaque, recebendo alto investimento em todo o mundo através de governos e confederações. O processo de arbitragem consiste na análise visual dos participantes e atribuição de pontos e faltas que acontecem dentro da área delimitada do tatame. No entanto, dado que o processo de análise pode apresentar ambiguidade, viu-se a necessidade de utilização de tecnologia, assim como já ocorre em outros esportes, para auxiliar no processo de tomada de decisão de arbitragem. As tecnologias podem ser caracterizadas com o simples uso de vídeo, como já ocorre no Video Review (VR), ou sistemas compu- tacionais de processamento de imagem para a interpretação de ações na imagem. Dados os recentes avanços nas áreas de visão computacional e inteligência artificial, o presente trabalho possui como finalidade propor tecnologias para o auxílio da tomada de decisão no processo de arbitragem e treinamento, coletando dados e analisando o desempenho dos atletas por vídeo. Foram utilizadas redes neurais convolucionais (CNNs) associadas com técnicas de reconhecimento de padrões para a extração das características e detec- ção dos keypoints em vídeo dos competidores, um dataset contendo 4235 anotações foi especificamente construído a partir de situações reais do esporte em determinados golpes selecionados. Entre os modelos comparados (yolov8n-pose, yolov8s-pose, yolov8m-pose, yolov8l-pose, yolov8x-pose), o yolov8n-pose obteve os melhores índices de eficiência, com 7.16 FPS e uma latência média por quadro de 0,1166 segundos, tornando-se uma opção adequada para aplicações em tempo real. Entretanto, o modelo yolov8m-pose, embora mais lento com 2.08 FPS e 0.4561 segundos de latência por quadro, apresentou uma combinação equilibrada entre desempenho e precisão, destacando-se como uma tecnologia promissora de classificação de padrões para o Karate, capaz de lidar com tarefas mais complexas de detecção de pose. |
