La memoria descrive i primi risultati raggiunti nell’ambito di un progetto di ricerca in collaborazione con il BRAIN Center di Fabbrica d’Armi Pietro Beretta (Beretta Research And INnovation), nato con l’obiettivo di sviluppare tecnologie e metodi in grado di riconoscere, registrare ed analizzare le azioni compiute dagli atleti che praticano la disciplina del Tiro Dinamico Sportivo. Tale disciplina, nella quale l’obiettivo dell’atleta è la massima velocità di esecuzione di un esercizio (Figura 1) con la realizzazione del maggior punteggio possibile sui bersagli, differisce dalle altre specialità della stessa tipologia principalmente per: presenza di bersagli multipli, eventualmente anche mobili e di diversa tipologia, posizionati a distanze differenti, libertà d’interpretazione che ogni singolo atleta può adottare per risolvere i vari percorsi di tiro e, soprattutto, esecuzione in movimento di ciascun esercizio. Essendo il punteggio del tiratore calcolato come rapporto tra i punti realizzati sui bersagli ed il tempo di esecuzione dell’esercizio, è fondamentale per il miglioramento dell’atleta identificare in che modo abbia impiegato il tempo per completare il percorso, in modo da potersi concentrare sia sulla velocità nello svolgere le singole operazioni che sulla pianificazione relativa all’esecuzione dell’esercizio. Per queste ragioni si è deciso di sviluppare un sistema intelligente che fosse in grado di riconoscere le azioni effettuate da un tiratore durante lo svolgimento di un esercizio, con l’obiettivo di fornirgli statistiche ed indicatori utili all’incremento delle proprie performance sportive. Basandosi su quanto presente in letteratura per altre applicazioni di human activity recognition, sono state identificate le quattro azioni principali effettuate durante ogni singolo esercizio: estrazione dell’arma dalla fondina o recupero della stessa da un tavolo (o superficie simile in base alla progettazione dell’esercizio), corsa, sostituzione del caricatore ed infine sparo, dove quest’ultimo indica l’intero gesto atletico composto dalle fasi di mira, esplosione del colpo e gestione del rinculo dell’arma. Per il riconoscimento delle azioni sono stati valutati e confrontati tra loro diversi algoritmi tra i più usati per le applicazioni di questo tipo in ambito sportivo. Sono state utilizzate, inoltre, alcune tecniche di analisi del segnale per effettuare operazioni specifiche, quali ad esempio il conteggio dei passi effettuati dall’atleta o il rilevamento dell’istante di esplosione del colpo, per poter poi suddividere il gesto atletico di sparo nelle fasi di mira e gestione del rinculo.

Machine learning per il riconoscimento di azioni nello sport: sviluppo di un dispositivo indossabile per atleti di tiro dinamico

Luca Foletti
Membro del Collaboration Group
;
Massimiliano Micheli
Membro del Collaboration Group
;
Cristina Nuzzi
Membro del Collaboration Group
;
Simone Pasinetti
Membro del Collaboration Group
;
Matteo Lancini
Supervision
2021-01-01

Abstract

La memoria descrive i primi risultati raggiunti nell’ambito di un progetto di ricerca in collaborazione con il BRAIN Center di Fabbrica d’Armi Pietro Beretta (Beretta Research And INnovation), nato con l’obiettivo di sviluppare tecnologie e metodi in grado di riconoscere, registrare ed analizzare le azioni compiute dagli atleti che praticano la disciplina del Tiro Dinamico Sportivo. Tale disciplina, nella quale l’obiettivo dell’atleta è la massima velocità di esecuzione di un esercizio (Figura 1) con la realizzazione del maggior punteggio possibile sui bersagli, differisce dalle altre specialità della stessa tipologia principalmente per: presenza di bersagli multipli, eventualmente anche mobili e di diversa tipologia, posizionati a distanze differenti, libertà d’interpretazione che ogni singolo atleta può adottare per risolvere i vari percorsi di tiro e, soprattutto, esecuzione in movimento di ciascun esercizio. Essendo il punteggio del tiratore calcolato come rapporto tra i punti realizzati sui bersagli ed il tempo di esecuzione dell’esercizio, è fondamentale per il miglioramento dell’atleta identificare in che modo abbia impiegato il tempo per completare il percorso, in modo da potersi concentrare sia sulla velocità nello svolgere le singole operazioni che sulla pianificazione relativa all’esecuzione dell’esercizio. Per queste ragioni si è deciso di sviluppare un sistema intelligente che fosse in grado di riconoscere le azioni effettuate da un tiratore durante lo svolgimento di un esercizio, con l’obiettivo di fornirgli statistiche ed indicatori utili all’incremento delle proprie performance sportive. Basandosi su quanto presente in letteratura per altre applicazioni di human activity recognition, sono state identificate le quattro azioni principali effettuate durante ogni singolo esercizio: estrazione dell’arma dalla fondina o recupero della stessa da un tavolo (o superficie simile in base alla progettazione dell’esercizio), corsa, sostituzione del caricatore ed infine sparo, dove quest’ultimo indica l’intero gesto atletico composto dalle fasi di mira, esplosione del colpo e gestione del rinculo dell’arma. Per il riconoscimento delle azioni sono stati valutati e confrontati tra loro diversi algoritmi tra i più usati per le applicazioni di questo tipo in ambito sportivo. Sono state utilizzate, inoltre, alcune tecniche di analisi del segnale per effettuare operazioni specifiche, quali ad esempio il conteggio dei passi effettuati dall’atleta o il rilevamento dell’istante di esplosione del colpo, per poter poi suddividere il gesto atletico di sparo nelle fasi di mira e gestione del rinculo.
2021
9788894561326
File in questo prodotto:
File Dimensione Formato  
Luca_Foletti.pdf

accesso aperto

Descrizione: Memoria estesa per il V forum nazionale di misure
Tipologia: Full Text
Licenza: Copyright dell'editore
Dimensione 346.04 kB
Formato Adobe PDF
346.04 kB Adobe PDF Visualizza/Apri

I documenti in IRIS sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.

Utilizza questo identificativo per citare o creare un link a questo documento: https://hdl.handle.net/11379/557855
 Attenzione

Attenzione! I dati visualizzati non sono stati sottoposti a validazione da parte dell'ateneo

Citazioni
  • ???jsp.display-item.citation.pmc??? ND
  • Scopus ND
  • ???jsp.display-item.citation.isi??? ND
social impact