Coutinho, Fernanda de MadureiraBarreiros, Jorge Miguel SousaRodrigues, Ana Cristina Nunes2022-05-102022-05-102019-12-122019-10-31http://hdl.handle.net/10400.26/40473Nos dias de hoje, com o avanço da tecnologia wearable, nos sensores e nas comunicações wireless é possível desenvolver sistemas inteligentes capazes de monitorizar continua mente e em tempo real actividades quotidianas do ser humano. No mundo do desporto, melhorar o desempenho do atleta, é um dos principais desafios para os treinadores, já que a variabilidade do seu desempenho, entre eventos, pode afetar o resultado final, já que o baixo desempenho de um jogador pode afetar toda a equipa. Identificar como se comportam os atletas durante treinos e jogos e como respondem às cargas de treino, prevenir lesões e prever como se irão comportar são pontos-chave para um melhor desempenho. Para esta finalidade, dispositivos wearable são uma mais valia na medida em que possibilitam a aquisição e análise em tempo real de dados fisiológicos, biomecânicos e de posicionamento, que podem levar a um melhor conhecimento do jogo. Esta dissertação de mestrado propõe então o desenvolvimento de uma metodologia capaz de analisar e classificar dados, cinemáticos e fisiológicos, utilizando um tipo de Redes Neuronais Recorrentes, chamado de Rede LSTM, para fazer o reconhecimento de acções de um determinado jorgador tendo também em consideração o posicionamento dos restantes elementos da equipa. Para esse fim, será necessária a utilização de dois dispositivos wearable: o Traxports (para recolha de dados cinemáticos) e o MBody3 (para recolha de dados fisiológicos). Com este projecto esperamos conseguir distinguir, se o jogador está a rematar, a fazer um passe, a andar ou a correr com e sem bola ou a saltar tendo em consideração o posicionamento de todos os jogadores em campo e os dados fisiológicos do jogador que utilizar os calções MBody3.engTecnologiasTecnologias wearableSistemas inteligentesDeep learningDesportoRNNLSTMMbody3Dados cinemáticosDados cinemáticosDados fisiológicosmaster thesis203008324