Brini, Michele
(2026)
Tecnologie di markerless motion capture in ambito sportivo: stato dell’arte e potenzialità applicative.
[Laurea], Università di Bologna, Corso di Studio in
Ingegneria biomedica [L-DM270] - Cesena, Documento full-text non disponibile
Il full-text non è disponibile per scelta dell'autore.
(
Contatta l'autore)
Abstract
Il motion capture markerless rappresenta un'alternativa ai tradizionali sistemi marker-based per l'analisi del movimento in ambito sportivo, riducendone alcuni limiti pratici (costi, necessità di laboratorio, tempi di preparazione) tramite l'acquisizione diretta di video o immagini. Il lavoro propone una rassegna delle principali tecnologie markerless, distinguendo due approcci complementari: i sensori di visione hardware, che integrano l'acquisizione di profondità, e i framework software di pose estimation basati su intelligenza artificiale, che stimano la postura da video 2D. Sulla base della mini-review di Edriss et al. (2025), sono presentati caratteristiche, punti di forza e limiti di ciascun sistema. Vengono inoltre discussi due casi di studio applicativi: il Kinect v2 per la valutazione automatizzata del salto-atterraggio e della sua relazione con il rischio di infortunio (Lisman et al., 2021) e OpenPose per l’analisi delle strategie nei calci di rigore attraverso parametri di orientamento corporeo estratti da filmati televisivi (Pinheiro et al., 2022). Il confronto evidenzia una complementarità tra approccio hardware e software, la cui scelta dipende dal contesto applicativo. Le prospettive future indicano una convergenza tra le due tecnologie, favorita dalle tecniche di pose estimation 2D-to-3D.
Abstract
Il motion capture markerless rappresenta un'alternativa ai tradizionali sistemi marker-based per l'analisi del movimento in ambito sportivo, riducendone alcuni limiti pratici (costi, necessità di laboratorio, tempi di preparazione) tramite l'acquisizione diretta di video o immagini. Il lavoro propone una rassegna delle principali tecnologie markerless, distinguendo due approcci complementari: i sensori di visione hardware, che integrano l'acquisizione di profondità, e i framework software di pose estimation basati su intelligenza artificiale, che stimano la postura da video 2D. Sulla base della mini-review di Edriss et al. (2025), sono presentati caratteristiche, punti di forza e limiti di ciascun sistema. Vengono inoltre discussi due casi di studio applicativi: il Kinect v2 per la valutazione automatizzata del salto-atterraggio e della sua relazione con il rischio di infortunio (Lisman et al., 2021) e OpenPose per l’analisi delle strategie nei calci di rigore attraverso parametri di orientamento corporeo estratti da filmati televisivi (Pinheiro et al., 2022). Il confronto evidenzia una complementarità tra approccio hardware e software, la cui scelta dipende dal contesto applicativo. Le prospettive future indicano una convergenza tra le due tecnologie, favorita dalle tecniche di pose estimation 2D-to-3D.
Tipologia del documento
Tesi di laurea
(Laurea)
Autore della tesi
Brini, Michele
Relatore della tesi
Scuola
Corso di studio
Ordinamento Cds
DM270
Parole chiave
motion,capture,markerless,pose,estimation,biomeccanica,sport
Data di discussione della Tesi
25 Settembre 2026
URI
Altri metadati
Tipologia del documento
Tesi di laurea
(NON SPECIFICATO)
Autore della tesi
Brini, Michele
Relatore della tesi
Scuola
Corso di studio
Ordinamento Cds
DM270
Parole chiave
motion,capture,markerless,pose,estimation,biomeccanica,sport
Data di discussione della Tesi
25 Settembre 2026
URI
Gestione del documento: