Análise biomecânica de exercícios físicos em tempo real: detecção de desvios posturais com métricas biomecânicas em fluxo contínuo

Abstract

A prática de exercícios físicos sem supervisão presencial tem crescido de forma expressiva, aumentando o risco de lesões por execução inadequada. A visão computacional surge como alternativa acessível para monitorar a biomecânica do movimento, e estudos prévios já exploraram essa via: Hussain et al. (2024) classificaram exercícios fisioterapêuticos com 99,6% de acurácia, Ko, Nasridinov e Park (2024) corrigiram a postura do agachamento em powerlifting com acurácia superior a 98%, e Rodriguez e Oliveira (2025) aplicaram MediaPipe e LSTM a poucos exercícios, sem entregar aplicação funcional em tempo real. Esses trabalhos concentramse em exercícios dinâmicos isolados ou contextos específicos, deixando uma lacuna quanto a exercícios isométricos estáticos e a sistemas completos de captura, inferência e feedback em tempo real. Diante disso, este trabalho desenvolveu um sistema para análise biomecânica de exercícios de calistenia em tempo real, capaz de detectar desvios posturais e fornecer feedback corretivo sem sensores especializados. Desenvolvido em Python, com MediaPipe para estimativa de pose e redes LSTM para classificação temporal, o sistema foi treinado em 342 vídeos de quatro exercícios, com arquitetura em cascata (detector global e avaliadores por exercício). Os modelos atingiram acurácia entre 83,1% e 100% no conjunto de teste, e a validação funcional resultou em 87,8% de acurácia geral, contribuindo com exercícios isométricos pouco explorados na literatura.