Please use this identifier to cite or link to this item: http://repositorio.unicamp.br/jspui/handle/REPOSIP/321845
Type: TESE DIGITAL
Title: Localização de jogadores de basquetebol e estimativa da frequência cardíaca em jogos oficiais = aplicações baseadas em aprendizado de máquina e otimização combinatória = Basketball player localization and heart rate estimation in official games: applications based on machine learning and combinatorial optimization
Title Alternative: Basketball player localization and heart rate estimation in official games : applications based on machine learning and combinatorial optimization
Author: Monezi, Lucas Antônio, 1987-
Advisor: Misuta, Milton Shoiti, 1970-
Abstract: Resumo: A complexidade dos esportes deve ser investigada em competições, e, portanto, métodos não-invasivos são essenciais. Desse modo, Visão Computacional, Processamento de Imagem, e Aprendizado de Máquina podem fornecer ferramentas úteis para projetar métodos não-invasivos objetivando a aquisição de dados da posição do jogador e frequência cardíaca do jogador em partidas oficiais de basquetebol. Neste trabalho, descrevemos duas aplicações importantes para a análise de basquete usando ferramentas do Aprendizado de Máquina. No primeiro estudo, propusemos e avaliamos uma nova metodologia baseada em vídeo para a localização 3D automática de multiplos jogadores de basquetebol. E o objetivo do segundo estudo foi explorar a viabilidade da utilização de uma rede neural para estimar a freqüência cardíaca com a cinemática do jogador (velocidades, distância percorrida, e, tempo jogado) e características individuais (antropométria, idade e testes físicos) como variáveis de entrada. Ambos os estudos envolvem o desenvolvimento de métodos não-invasivos para a aquisição de dados de informações relevantes dos jogadores durante os jogos. A primeira aplicação destinada foi a obtenção de um dado de baixo nível, a posição do jogador na quadra, que pode ser usada para calcular vários dados de alto nível relacionadas com os aspectos técnicos e físicos, bem como ser utilizada para a análise tática. A outra aplicação teve como objetivo estimar a frequência cardíaca, um parâmetro fisiológico relacionado com a intensidade do esforço. A medição da frequência cardíaca do jogador durante o jogo é uma tarefa difícil, pois o atleta precisa usar um dispositivo desconfortável, e também, as regras de muitos esportes não permitem que os jogadores utilizem estes dispositivos

Abstract: Sports complexity must be investigated at competitions, and therefore non-invasive methods are essential. Thereby, Computer Vision, Image Processing, and Machine Learning can provide useful tools to design non-invasive methods to the data acquisition of the player position and player heart rate in official basketball matches. In this paper, we describe two important applications to the basketball analysis using tools from Machine Learning. In the first study, we propose and evaluate a novel video-based framework to automatic 3D localization of multiple basketball players. And the aim of the second study was exploring the feasibility of using a neural network to estimate the heart rate with player kinematics (velocities, distance covered, and, time played) and individual features (anthropometric, age, and, performance tests) as inputs. Both studies involve the development of non-invasive methods to the data acquisition of relevant information of the players during games. The first application was aimed to a low-level data, player position in the court, that can be used to compute several high-level data related to the technical and physical activities as well as tactical analysis. The other application was aimed to estimate the heart rate, a physiological parameter related to the effort intensity. The measurement of player heart rate during the game is a difficult task, because the athlete needs to wear an uncomfortable device, and also, the rules of many sports not allow players to use these devices
Subject: Esportes
Redes neurais (Computação)
Cinemática
Editor: [s.n.]
Date Issue: 2016
Appears in Collections:FCA - Dissertação e Tese

Files in This Item:
File SizeFormat 
Monezi_LucasAntonio_M.pdf1.54 MBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.