Tennis e pallanuoto, gli algoritmi studiano il gesto degli atleti

Videocamere e deep learning per analizzare i movimenti e individuare possibili fattori di rischio senza uniformare lo stile individuale. La ricerca Enea guarda anche alla classificazione funzionale nello sport paralimpico.

Dati e algoritmi per rendere più performanti gli atleti riducendo il rischio di infortuni. Il tutto trasformando il gesto sportivo reale in dati oggettivi, senza perdere la specificità tecnica che rende ogni atleta efficace e riconoscibile. Dalla pallanuoto al tennis, continuando con la pallanuoto paralimpica. È quanto prevede un’innovativa linea di ricerca portata avanti dagli esperti dell’Enea, pubblicata sulla rivista scientifica Bioengineering.

Per ottenere dati misurabili sono stati utilizzati videocamere, algoritmi di deep learning, stima della posa e ricostruzione tridimensionale con l’integrazione di sensori solo quando utile.

«Nello sport di alto livello il gesto dell’atleta non deve essere necessariamente riportato a un modello standard perché spesso è proprio la sua unicità a renderlo efficace – sottolinea Andrea Zanela, ricercatore del Laboratorio Energia e Data Science dell’Enea e sviluppatore dello studio -. L’analisi quantitativa serve a capire quali caratteristiche sono funzionali alla prestazione e quali, invece, possono rappresentare un fattore di rischio».

Nel tennis sono stati analizzati catena cinetica, timing e qualità del colpo, mentre l’analisi video markerless ha permesso di studiare postura, angoli articolari, rotazione del tronco, ingresso dell’anca, azione del braccio dominante e sequenza del movimento. A questa analisi si affianca quella [...]