Um sistema inteligente de metrologia monocular baseado em computador para salto em distância a partir da posição estática

Por que a distância do salto importa

O salto em distância a partir da posição estática é uma das formas mais simples de escolas no mundo todo avaliarem a aptidão dos alunos: ficar atrás de uma linha, saltar o mais longe possível e medir a distância. Mas em pátios escolares lotados esse teste aparentemente simples pode se tornar confuso. Professores ainda se curvam com fitas métricas, decisões podem ser discutidas e registrar milhares de saltos é lento e cansativo. Este estudo apresenta um sistema baseado em câmera capaz de medir automaticamente e com precisão a distância do salto a partir de vídeo comum, prometendo testes mais rápidos e objetivos sem hardware especializado e caro.

Da fita métrica para a câmera inteligente

As ferramentas automáticas atuais para salto em distância costumam depender de sensores de ultrassom, tapetes de pressão ou feixes de luz atravessando a área de aterrissagem. Apesar de eficazes, são caros de instalar, sensíveis ao clima e difíceis de manter em uso escolar em larga escala. Os autores tratam a tarefa como um problema de visão: se uma única câmera conseguir ver tanto os pés do atleta quanto o tapete de salto, o software deveria ser capaz de calcular quanto a pessoa percorreu. Eles projetam um pipeline completo que transforma vídeo bruto em um número final de distância, tudo em tempo real, usando uma combinação de visão computacional moderna e raciocínio geométrico cuidadoso.

Como o sistema enxerga um salto

O processo começa com uma câmera de alta velocidade posicionada a alguns metros ao lado do tapete de salto, capturando vídeo nítido a 240 quadros por segundo. O software primeiro divide esse vídeo em quadros individuais e usa um detector pronto para uso para localizar rapidamente quando um atleta entra e sai da cena. Dentro dessa janela, procura o momento em que o calcanhar está mais alto na imagem (o pico do salto) e depois os quadros posteriores em que a posição do calcanhar para de mudar, indicando uma aterrissagem estável. Essa seleção automática de quadros-chave evita que o sistema perca tempo analisando cada quadro e reduz a confusão causada por visões parciais quando o atleta está apenas parcialmente na imagem.

Encontrando o tapete, os calcanhares e a distância real

Uma vez identificado o quadro de aterrissagem, um modelo de visão customizado chamado FastNetSeg assume o processamento. Essa rede leve combina duas ideias: um ramo Transformer que captura a disposição geral da cena e um ramo convolucional compacto que foca em detalhes locais. Juntos, eles segmentam os pixels que pertencem ao atleta e os que pertencem ao tapete de salto. A partir da máscara do tapete, um algoritmo traça seu contorno externo, suaviza pequenas irregularidades e reduz a forma a quatro pontos de canto confiáveis. A partir da máscara do atleta, outro algoritmo analisa o contorno da região inferior-esquerda do corpo, filtra áreas irrelevantes e localiza o calcanhar usando curvatura — essencialmente encontrando a mudança acentuada onde a parte de trás do pé encontra o solo. Esses poucos pontos-chave fornecem os ingredientes brutos para a medição.

Convertendo pixels em centímetros

Como a câmera vê o tapete em ângulo, distâncias na imagem não correspondem diretamente a centímetros no mundo real: um pixel perto da borda distante do tapete pode representar mais distância física do que um próximo à câmera. Para contornar isso, o sistema aprende um “mapeamento” de coordenadas da imagem para a superfície plana do tapete, usando uma ferramenta geométrica padrão chamada transformação de perspectiva. Conhecendo o comprimento e a largura reais do tapete, o software calcula como qualquer ponto visível — especialmente o calcanhar — seria colocado em um mapa top-down do chão. Em seguida aplica uma etapa adicional de correção baseada em um polinômio simples, ajustado a partir de saltos de calibração, para reduzir os pequenos erros sistemáticos que permanecem perto das bordas do campo de visão da câmera.

Como funciona no mundo real

Para testar o sistema em condições realistas, os pesquisadores construíram um conjunto de dados dedicado: 1.200 saltos de 200 estudantes universitários, filmados ao ar livre em diferentes horas do dia e em condições climáticas variadas. Anotadores humanos desenharam contornos a nível de pixel de atletas e tapetes para treinar e avaliar o modelo. Em hardware GPU moderno, porém acessível, o sistema completo processa cerca de 23 quadros por segundo, velocidade suficiente para uso ao vivo durante testes escolares. Crucialmente, quando suas estimativas de distância são comparadas com medições cuidadosas de fita, o erro médio é de apenas cerca de 0,71 centímetro — menos que a largura de um dedo. Remover qualquer um dos módulos-chave, como o filtro de atleta incompleto, o mapeamento monocular ou a etapa precisa de localização do calcanhar, faz a precisão cair acentuadamente, enfatizando a importância do projeto completo.

Um teste de salto mais claro e mais justo

Em termos práticos, este trabalho mostra que uma única câmera inteligente pode substituir fitas métricas manuais e configurações de sensores caras para o salto em distância a partir da posição estática, sem sacrificar a precisão. Ao combinar análise rápida de vídeo, contorno preciso do saltador e do tapete, conversão geométrica cuidadosa de imagem para chão e uma etapa final de suavização de erros, o sistema entrega confiabilidade no nível de centímetros em tempo real. Com código e ferramentas de calibração compartilhados, escolas e programas esportivos poderiam implantar essa abordagem amplamente, tornando os testes de aptidão mais rápidos, mais justos e menos dependentes do julgamento humano.

Citação: Kuang, G., Li, S., Liu, Y. et al. A smart monocular vision metrology system based on computer for standing long jump. Sci Rep 16, 14611 (2026). https://doi.org/10.1038/s41598-026-44523-3

Palavras-chave: salto em distância a partir da posição estática, visão computacional, medição esportiva, aprendizado profundo, teste de aptidão física