L’Intelligenza Artificiale sta trasformando profondamente la valutazione delle perfor- mance sportive, grazie all’uso di tecniche di Deep Learning (DL) e di visione ar- tificiale. In questo contesto, la presente tesi si concentra sull’analisi dei tuffi sportivi — eseguiti e ripresi da una singola prospettiva — al fine di segmentare le varie sotto- azioni che compongono il tuffo (dall’approccio all’ingresso in acqua) e di identificare con accuratezza la posa dell’atleta durante ogni fase del movimento. Per raggiungere tale obiettivo, sono state confrontate diverse metodologie di Hu- man Pose Estimation (HPE), in particolare BlazePose e YOLOv8x, e valutato vari classificatori (SVM, Random Forest, MLP e LSTM) per il riconoscimento e la cat- egorizzazione delle sotto-azioni.