Use este identificador para citar ou linkar para este item:
http://repositorio.utfpr.edu.br/jspui/handle/1/40761| Título: | Automação na análise de movimentos no cheerleading com foco na inversão de flyers utilizando ferramentas de visão computacional |
| Título(s) alternativo(s): | Automation in the analysis of movements in cheerleading with a focus on flyer inversions using computer vision tools |
| Autor(es): | Luz, Vinicius Pereira |
| Orientador(es): | Morais, Erikson Freitas de |
| Palavras-chave: | Atletas - Treinamento Detectores Visão por computador Athletes - Training of Detectors Computer vision |
| Data do documento: | 19-Mai-2026 |
| Editor: | Universidade Tecnológica Federal do Paraná |
| Câmpus: | Ponta Grossa |
| Citação: | LUZ, Vinicius Pereira. Automação na análise de movimentos no cheerleading com foco na inversão de flyers utilizando ferramentas de visão computacional. 2026. Trabalho de Conclusão de Curso (Bacharelado em Ciência da Computação) - Universidade Tecnológica Federal do Paraná, Ponta Grossa, 2026. |
| Resumo: | Este trabalho apresenta o desenvolvimento e avaliação de uma solução baseada em visão computacional para a detecção de pessoas em movimentos de cheerleading, com foco na identificação de inversões durante lançamentos, elemento que gera uma despontuação para equipes em competições, por ser uma falha de técnica além de apresentar risco à segurança dos atletas. O trabalho alinha-se à crescente tendência de automação de análises no cenário esportivo. Por isso, foram realizados testes comparativos entre os algoritmos Viola-Jones, MediaPipe e YOLO (yolo11npose) em diferentes cenários, como detecção de uma ou múltiplas pessoas e posições em pé e invertidas, utilizando um banco de dados próprio, com vídeos coletados durante treinos. Os resultados mostraram que o YOLO possui melhor desempenho geral, enquanto o MediaPipe destaca-se na estabilidade da detecção individual, o Viola-Jones apresenta limitações em cenários mais complexos. Com base nestes testes, foi proposta uma abordagem híbrida combinando YOLO e MediaPipe, explorando as vantagens de ambos. A solução identifica a flyer com base na posição mais elevada e verifica a inversão através de pontos corporais detectados. Os testes demonstram que a combinação dos algoritmos proporciona maior robustez na detecção da atleta flyer e na identificação de inversões, embora ainda apresente desafios em cenários complexos com múltiplas interações. Ajustes como filtros de confiança e redução da área de análise contribuíram para a redução de erros e melhoria do desempenho, obtendo uma precisão de 52% na segunda bateria de testes realizados. |
| Abstract: | This work presents the development and evaluation of a computer vision-based solution for person detection in cheerleading movements, focusing on the identification of inversions during tosses, an element that results in point deductions for teams in competitions as it constitutes a technical flaw, besides posing a safety risk to the athletes. The work aligns with the growing trend of automated analysis in the sports scenario. Therefore, comparative tests were conducted among the Viola- Jones, MediaPipe, and YOLO (yolo11n-pose) algorithms in different scenarios, such as the detection of single or multiple individuals in standing and inverted positions, utilizing a custom dataset with videos collected during practices. The results showed that YOLO has the best overall performance, while MediaPipe stands out in the stability of individual detection, and Viola-Jones presents limitations in more complex scenarios. Based on these tests, a hybrid approach combining YOLO and MediaPipe was proposed, exploring the advantages of both. The solution identifies the flyer based on the highest position and verifies the inversion through detected body landmarks. Tests demonstrate that combining the algorithms provides greater robustness in detecting the flyer athlete and identifying inversions, although it still presents challenges in complex scenarios with multiple interactions. Adjustments such as confidence filters and the reduction of the analysis area contributed to the reduction of errors and performance improvement, achieving an accuracy of 52% in the second round of tests performed. |
| URI: | http://repositorio.utfpr.edu.br/jspui/handle/1/40761 |
| Aparece nas coleções: | PG - Ciência da Computação |
Arquivos associados a este item:
| Arquivo | Descrição | Tamanho | Formato | |
|---|---|---|---|---|
| automacaoanalisemovimentocheerleading.pdf | 1,87 MB | Adobe PDF |  Visualizar/Abrir |
Este item está licenciada sob uma Licença Creative Commons
