Ficha do projeto

PESQUISA / 01

Visão computacional aplicada ao arremesso de peso

TrackShot CV

Mede velocidade, ângulo e altura de liberação de um arremesso de peso a partir de um vídeo de celular. Hoje isso exige radar ou laboratório de biomecânica, fora do alcance de quase todo treinador e atleta.

O TrackShot separa pose, rastreamento e cálculo físico para medir a liberação a partir de vídeo lento de smartphone. Cada ponto informa se foi detectado, predito ou interpolado; velocidade, ângulo e altura carregam a incerteza da calibração usada.

Período
2026 · atual
Minha atuação
Pesquisa, pipeline de pose, rastreamento do implemento, calibração e cálculo das métricas de liberação.
Tecnologia
Python · MMPose · MediaPipe · OpenCV · SciPy · vídeo a 240 fps
Estado
Protótipo desktop em desenvolvimento
Dois frames reais do TrackShot com a pose sobre o atleta; no segundo, o implemento e sua trajetória aparecem destacados em amarelo
Dois frames do pipeline: pose do atleta, trajetória do implemento e estados usados para auditar a liberação.

CÍRCULO

Transformar pixels em uma medição defensável

O vídeo traz o tempo do contêiner, não necessariamente a taxa real da captura. O braço e o peso sofrem oclusão durante o giro, e uma escala obtida no plano do chão não vale automaticamente para o voo. Um número final só é útil se preservar essas fontes de erro.

QUADRO A QUADRO

A liberação vista de lado

Os quatro recortes vêm da mesma tomada lateral. O frame 418 é o instante que o pipeline marcou como liberação, aos 1,742 s do vídeo original gravado a 240 fps.

  1. Caio Vilquer visto de lado preparando o arremesso, com pose estimada e o peso junto ao pescoçoF. 370

    Preparação1,542 s

    O peso permanece junto ao pescoço enquanto a pose registra a base aberta e o tronco inclinado.

  2. Caio Vilquer visto de lado conduzindo o peso, com o braço livre aberto e a pose estimada sobre o corpoF. 400

    Condução1,667 s

    O braço livre abre na direção do setor; o peso ainda acompanha a mão, sem rastro de voo.

  3. Caio Vilquer visto de lado no frame de liberação detectado pelo TrackShot, destacado por uma moldura vermelhaF. 418

    Liberação1,742 s

    A moldura vermelha identifica o quadro classificado pelo pipeline como o instante de liberação.

  4. Caio Vilquer visto de lado após a liberação, com o peso em voo marcado por círculo e rastro amarelosF. 450

    Voo1,875 s

    O círculo amarelo já se separou da mão, e o rastro permite conferir o início da trajetória.

SETOR

Camadas do experimento

  1. Tempo real da captura

    O pipeline recebe explicitamente os 240 fps da gravação slow motion. Derivadas e filtros usam esse relógio, evitando o erro de oito vezes causado pelos 30 fps gravados no contêiner do vídeo.

  2. Pose com estado por frame

    MMPose é o estimador principal e MediaPipe permanece como alternativa leve. Oclusões curtas usam predição conservadora e todo ponto mantém o estado detectado, predito, interpolado ou sem dado.

  3. Voo validado pela física

    O rastreador procura o arco que sai da mão e combina detecção visual com Kalman. Comprimento, deslocamento, velocidade e ajuste parabólico evitam aceitar um trecho curto de folhagem como trajetória do peso.

  4. Métrica separada do detector

    O módulo físico recebe trajetória, frame de liberação, fps e calibração. A escala vem de uma referência corporal no plano vertical; pontos reconstruídos e a aproximação de plano único aparecem nos relatórios.

MARCA

Resultados e limites registrados

  • Sete testes sintéticos recuperam velocidade, ângulo e altura conhecidos com erro inferior a 1e-6
  • No cenário controlado, o Kalman teve RMSE de 4,15 px com ruído de 6 px e atravessou seis frames de oclusão
  • Em um vídeo real, a janela de voo teve 94% de detecção e ajuste parabólico R² de 0,98
  • Falta validar as métricas contra trena e digitalização manual em um dataset próprio antes de iniciar a fusão com IMU

SÚMULA

Código privado