BIOLIFTVISION
Carregando...
Data
2025
Título da Revista
ISSN da Revista
Título de Volume
Editor
Resumo
Este trabalho aborda a análise biomecânica de movimentos no powerlifting, área marcada
por alto risco de lesões devido a execuções técnicas inadequadas, propondo uma solução
computacional para suporte ao treinamento de atletas. O objetivo principal consistiu em
desenvolver um software que utilize visão computacional e aprendizado de máquina para
avaliar a qualidade técnica de exercícios, fornecendo feedback automático e histórico de
análises. A justificativa reside na demanda por ferramentas acessíveis e precisas que
auxiliem treinadores e atletas a aprimorar a performance e prevenir riscos, superando
limitações de métodos manuais ou equipamentos caros. A metodologia adotou abordagem
quantitativa experimental, com captura e processamento de vídeos via MediaPipe para
extração de keypoints corporais em 3D e cálculo de ângulos articulares relevantes
(joelhos, quadris, ombros). Modelos de machine learning one-class foram treinados para
classificar movimentos válidos e inválidos, integrados a uma interface gráfica em PyQt5
que permite seleção de vídeos e consulta a históricos. Testes ocorreram com dataset de
powerlifting, avaliando precisão em cenários reais. Os resultados revelaram precisão
superior a 85% na classificação de movimentos, com processamento eficiente e feedback
em tempo real, validando a robustez do sistema em diferentes condições de iluminação e
ângulos. Conclui-se que a solução é viável como ferramenta de apoio ao treinamento
biomecânico, contribuindo para a inclusão tecnológica no esporte e abrindo caminhos
para expansões como integração com wearables.
Descrição
Palavras-chave
powerlifting, análise biomecânica, visão computacional, MediaPipe, machine learning