BIOLIFTVISION

Página do item simplificado
dc.contributor.advisorFernando Kendy Aoki Rizzatto
dc.contributor.authorFERNANDO APARECIDO MAFFEI PIRES
dc.contributor.authorMURILLO BARROS BADIO
dc.date.accessioned2025-12-16T17:16:33Z
dc.date.available2025-12-16T17:16:33Z
dc.date.issued2025
dc.description.abstractEste 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.
dc.identifier.urihttps://repositorio.unifev.edu.br/handle/123456789/536
dc.language.isopt
dc.subjectpowerlifting
dc.subjectanálise biomecânica
dc.subjectvisão computacional
dc.subjectMediaPipe
dc.subjectmachine learning
dc.titleBIOLIFTVISION
dc.title.alternativeANALISE DE MOVIMENTOS DE ATLETAS
dc.typeTCC

Arquivos

Pacote Original
Agora exibindo 1 - 1 de 1
Imagem de Miniatura
Nome:
Fernando Maffei e Murillo Badio - DOCUMENTAÇÃO COM FICHA.pdf
Tamanho:
1.35 MB
Formato:
Adobe Portable Document Format
Baixar
Licença do Pacote
Agora exibindo 1 - 1 de 1
Imagem de Miniatura
Nome:
license.txt
Tamanho:
1.16 KB
Formato:
Item-specific license agreed to upon submission
Descrição:
Baixar

Coleções

Trabalhos de Conclusão de Curso