Documenti full-text disponibili:
|
Documento PDF (Thesis)
Disponibile con Licenza: Salvo eventuali più ampie autorizzazioni dell'autore, la tesi può essere liberamente consultata e può essere effettuato il salvataggio e la stampa di una copia per fini strettamente personali di studio, di ricerca e di insegnamento, con espresso divieto di qualunque utilizzo direttamente o indirettamente commerciale. Ogni altro diritto sul materiale è riservato
Download (6MB)
|
Abstract
L’analisi video automatizzata nello sport, e in particolare nel beach volley, è cruciale per ottimizzare le prestazioni e ridurre l’errore umano nella revisione manuale. Questa tesi presenta un’applicazione basata su visione artificiale per analizzare in tempo reale le partite, riconoscendo gesti tecnici come servizi, attacchi e difese, e identificando momenti di gioco attivo. Utilizzando un modello YOLO ottimizzato e un dataset preparato con data augmentation, il sistema garantisce precisione elevata, riducendo tempi di analisi e standardizzando i risultati.
L’applicazione offre funzionalità avanzate, tra cui una timeline interattiva, esportazione dei momenti salienti e un video player con tracking di palla e giocatori. I test e le metriche adottate confermano l’efficacia del sistema, che rappresenta uno strumento innovativo per allenatori e scout. Il progetto fornisce una base per ulteriori sviluppi, come il riconoscimento individuale dei giocatori e la generazione di report dettagliati, migliorando l’analisi sportiva in modo rapido, efficiente e accurato.
Abstract
L’analisi video automatizzata nello sport, e in particolare nel beach volley, è cruciale per ottimizzare le prestazioni e ridurre l’errore umano nella revisione manuale. Questa tesi presenta un’applicazione basata su visione artificiale per analizzare in tempo reale le partite, riconoscendo gesti tecnici come servizi, attacchi e difese, e identificando momenti di gioco attivo. Utilizzando un modello YOLO ottimizzato e un dataset preparato con data augmentation, il sistema garantisce precisione elevata, riducendo tempi di analisi e standardizzando i risultati.
L’applicazione offre funzionalità avanzate, tra cui una timeline interattiva, esportazione dei momenti salienti e un video player con tracking di palla e giocatori. I test e le metriche adottate confermano l’efficacia del sistema, che rappresenta uno strumento innovativo per allenatori e scout. Il progetto fornisce una base per ulteriori sviluppi, come il riconoscimento individuale dei giocatori e la generazione di report dettagliati, migliorando l’analisi sportiva in modo rapido, efficiente e accurato.
Tipologia del documento
Tesi di laurea
(Laurea magistrale)
Autore della tesi
Zammarchi, Andrea
Relatore della tesi
Scuola
Corso di studio
Ordinamento Cds
DM270
Parole chiave
Visione Artificiale,Analisi Sportiva,Beach Volley,CNN,Automazione Video
Data di discussione della Tesi
12 Dicembre 2024
URI
Altri metadati
Tipologia del documento
Tesi di laurea
(NON SPECIFICATO)
Autore della tesi
Zammarchi, Andrea
Relatore della tesi
Scuola
Corso di studio
Ordinamento Cds
DM270
Parole chiave
Visione Artificiale,Analisi Sportiva,Beach Volley,CNN,Automazione Video
Data di discussione della Tesi
12 Dicembre 2024
URI
Statistica sui download
Gestione del documento: