Estimating Tennis Racket 3D Pose with Image Processing and Computer Vision

In questo lavoro di tesi si studia l'uso dell'intelligenza artificiale nello sport. In particolare, l'attenzione è rivolta al tennis. Lo scopo principale del lavoro è quello di analizzare, attraverso varie tecniche di elaborazione delle immagini e di computer vision, la racchetta, al fine di estrarre dati come la velocità della testa della racchetta in un determinato momento o l'inclinazione della racchetta rispetto ad alcune parti del corpo del giocatore. Questi dati possono supportare lo studio di un colpo e fornire all'allenatore informazioni mirate sulla tecnica del giocatore. Il tentativo è quello di analizzare la racchetta partendo da informazioni 2D raccolte da singole telecamere, per poi stimare la sua posa nel mondo 3D combinando i dati ottenuti da più telecamere. Il lavoro è stato condotto in collaborazione con HyperTennis, una startup innovativa con sede a Torino, impegnata a trasformare il panorama dell'analisi delle prestazioni tennistiche. HyperTennis sta attualmente sviluppando uno strumento distintivo in grado di monitorare vari aspetti, tra cui i movimenti del giocatore, i colpi, le traiettorie della palla e l'orientamento della racchetta. Questa analisi è supportata dall'implementazione di modelli di deep learning all'avanguardia per compiti quali la stima della posa umana in 3D, l’ instance segmentation e il tracciamento degli oggetti. Il lavoro di tesi è iniziato con una revisione della letteratura rilevante nel dominio di interesse. La rassegna ha sottolineato come la ricerca sull'applicazione della computer vision nell'analisi del tennis sia piuttosto scarsa. Considerando l'obiettivo generale, il punto focale della tesi è stato quello di approfondire la proposta di diverse euristiche e metodi per calcolare l'asse della racchetta, prima in 2D e poi in 3D, e di valutarle utilizzando metriche sia nello spazio 2D del fotogramma video analizzato sia nello spazio 3D. Trattandosi di un compito nuovo, non esisteva una base di riferimento. Pertanto, per aiutare la fase di progettazione e consentire la valutazione dei risultati ottenuti, è stato sviluppato un set di dati di valutazione annotando manualmente i video girati sul campo dalla società con i giocatori che eseguono i tiri selezionati. In sintesi, questo lavoro di tesi segna un passo significativo nel campo della computer vision applicata agli sport, in particolare al tennis, e rappresenta un progresso sostanziale nella comprensione e nella valutazione delle prestazioni dei tennisti.