Comparison of Machine Learning Techniques for Biomechanical Movement Analysis in Physical Exercises

• Patrick Burin Rodriguez Unesc
• Luis Ricardo Fiera Unesc
• Luciano Antunes Unesc
• Marlon Oliveira Unesc

DOI: https://doi.org/10.5753/eniac.2025.13881

Resumo

A execução incorreta de exercícios pode comprometer a reabilitação e gerar novas lesões, tornando essencial a análise biomecânica precisa. Este estudo investiga métodos alternativos para essa análise usando visão computacional e aprendizado de máquina, focando em três exercícios: agachamento, flexão de joelhos e extensão de quadril. Foram testados três modelos com diferentes estratégias de pré-processamento e aprendizado, destacando-se a combinação MediaPipe e LSTM (Long Short-Term Memory) pelas características complementares. Todos apresentaram resultados satisfatórios em acurácia e viabilidade, permitindo comparação entre abordagens e o desenvolvimento de um protótipo funcional.

Referências

Bernardina, G. R. D. (2016). Utilização de câmeras de ação para análise cinemática tridimensional do movimento humano. Universidade Federal de Viçosa. Acesso em: 10 mai. 2024.

Cao, Z., Hidalgo, G., Simon, T., Wei, S.-E., and Sheikh, Y. (2021). Openpose: Real-time multi-person 2d pose estimation using part affinity fields. IEEE Transactions on Pattern Analysis and Machine Intelligence, 43(1):172–186. Acesso em: 28 ago. 2025.

Francisco, J. A. and Rodrigues, P. S. (2022). Computer vision based on a modular neural network for automatic assessment of physical therapy rehabilitation activities. IEEE Transactions on Neural Systems and Rehabilitation Engineering, 31:2174–2183. Acesso em: 14 ago. 2024.

Gonçalves, J., Palhares, J., Soares, V. N., and Neves, P. A. (2023). Aplicação para detetar e corrigir a postura em exercícios físicos. Revista de Sistemas e Computação - RSC, 13(3). Acesso em: 20 mar. 2025.

Latyshev, M., Lopatenko, G., Shandryhos, V., Yarmoliuk, O., Pryimak, M., and Kvasnytsia, I. (2024). Computer vision technologies for human pose estimation in exercise: accuracy and practicality. Society. Integration. Education, 2:626–636. Acesso em: 20 mar. 2025.

Lin, Y., Jiao, X., and Zhao, L. (2023). Detection of 3d human posture based on improved mediapipe. Journal of Computer and Communications, 11(2):102–121. Acesso em: 24 mar. 2025.

Mesquita, G. S. R. and Goes, A. L. B. (2023). Alterações biomecânicas durante execução do y-balance test e star excursion balance test em homens hígidos praticantes de esporte. Acesso em: 29 ago. 2024.

Nguyen, S. M., Devanne, M., Remy-Neris, O., Lempereur, M., and Thepaut, A. (2024). A medical low-back pain physical rehabilitation dataset for human body movement analysis. arXiv preprint, CHRU Brest, Brest, França. arXiv:2407.00521. Acesso em: 2 mar. 2025.

Zsarnoczky-Dulhazi, F., Agod, S., Szarka, S., Tuza, K., and Kopper, B. (2023). Software de análise de movimento baseado em ia para avaliação de esporte e fisioterapia. Revista Brasileira de Medicina do Esporte, 30:e2022 0020. Acesso em: 18 out. 2024.