PT
Os espaços desportivos públicos são recursos urbanos vitais concebidos para promover
estilos de vida activos e fomentar comunidades saudáveis. Várias organizações partilham
o intersse de compreender o comportamento destes espaços, nomeadamente quem os frequenta,
quando e de que forma, valorizando estes dados para a tomada de decisões. Esta
dissertação explora a importância da deteção e classificação de actividades desportivas,
como forma de adquirir informação relevante sobre a dinâmica nestes espaços, otimização
de recursos, melhoria da segurança, aperfeiçoamento do planeamento urbano e o bem-estar
da comunidade. Em colaboração com a Hoopers, foi efectuada uma recolha de dados para
analisar vídeos de atividade num dos campos de basquetebol. Seguidamente, realizaramse
experiências para detetar pessoas dentro do campo, extrair algumas métricas relativas
à ocupação e distribuição dos jogadores em campo, e concluir a atividade realizada, com
base numa previsão baseada na trajetória. Esta previsão utilizou características simples
como excentricidade, convexidade e curvatura para caraterizar a forma de uma trajetória
e classificar a atividade realizada como Basquetebol ou Corrida. Foi utilizado o algoritmo
You Only Look Once (YOLO), ligado ao sistema ByteTrack para detetar e seguir
objetos, nomeada os jogadores. Por fim, foram avaliados classificadores como Multilayer
Perceptron (MLP), Support Vector Machine (SVM) e Random Forest, demonstrando uma
exatidão de 87% para prever corretamente as trajetórias dos jogadores de basquetebol.
Outras métricas vitais incluem a precisão (0.840), a sensibilidade (1.000) e uma pontuação
F1 (0.913), destacando uma avaliação equilibrada da precisão, recuperação e capacidade
de previsão, oferecendo uma visão holística do desempenho dos classificadores.
EN
Public sports spaces are vital urban resources, designed to promote active lifestyles and
fostering healthier communities. Numerous organisations focus on these facilities, aiming
to understand user demographics, timing, and activities. This interest is crucial for datadriven
decision-making. This Dissertation delves into activity detection and classification
in public sports spaces, providing insights into user dynamics, behaviour understanding,
resource optimisation, safety improvement, urban planning enhancement, and community
well-being. In collaboration with Hoopers, data was collected and analysed from a public
basketball court. Experiments were conducted to detect individuals, extract occupancy
metrics, and identify activities based on trajectory predictions, utilising features like eccentricity,
convexity, and curvature. The YOLO algorithm, integrated with ByteTrack,
was used for detection and tracking. Classifiers such as Multilayer Perceptron (MLP),
Support Vector Machine (SVM), and Random Forest were evaluated, achieving 87% accuracy
in predicting basketball players’ paths. Other metrics included precision (0.840),
recall (1.000), and an F1 Score (0.913), ensuring a balanced performance evaluation.
This work underscores the value of activity analysis in public sports spaces for informed
decision-making and community enhancement.
