Riconoscere le fasi del tiro da video: Muslim 2025

Gli autori, informatici dell'Università Telkom in Indonesia, hanno provato a far riconoscere a un computer in quale fase del tiro si trova un arciere ripreso in video. Le fasi erano tre: preparazione, trazione e mira, espansione e rilascio. Hanno usato i video di 20 arcieri di ricurvo e di arco nudo, presi in parte da Instagram e YouTube e in parte ripresi sul campo, ne hanno estratto la posizione delle articolazioni con YOLOv8, un programma di stima della posa, e hanno addestrato due classificatori, una support vector machine e una random forest.

Sui dati di prova la support vector machine ha classificato correttamente il 90% dei fotogrammi nel ricurvo e il 76% nell'arco nudo, la random forest l'87% e il 75%. La random forest arrivava al 100% sui dati di addestramento, segno che si era adattata troppo a quelli. Gli errori si concentravano tra mira ed espansione: nell'arco nudo la support vector machine ha riconosciuto solo il 39% dei fotogrammi di trazione e mira, e la random forest il 58% di quelli di espansione e rilascio. Secondo gli autori pesano la somiglianza tra fotogrammi di fasi vicine e, nell'arco nudo, i diversi stili di rilascio, con la mano che resta vicino al viso oppure finisce dietro la testa.

Ogni video è stato tagliato in spezzoni di circa due secondi per fase, portato allo stesso numero di fotogrammi al secondo e scomposto in al massimo 50 fotogrammi. Su ogni fotogramma YOLOv8 individua 17 punti del corpo (naso, occhi, orecchie, spalle, gomiti, polsi, anche, ginocchia e caviglie); alcuni sono stati scartati perché durante il tiro non si muovono o non si vedono. Le coordinate dei punti, etichettate con la fase, sono state divise in un 75% per addestrare i classificatori e un 25% per provarli, separatamente per ricurvo e arco nudo. I parametri della support vector machine sono stati scelti con una ricerca a griglia, mentre la random forest usava 100 alberi. Le prestazioni sono espresse come accuratezza, precisione, richiamo e F1, con le matrici di confusione e le curve di apprendimento.

Il punto più debole è la divisione dei dati: l'articolo non dice di aver tenuto separati gli arcieri tra addestramento e prova, quindi è probabile che fotogrammi quasi identici dello stesso tiro siano finiti in tutti e due gli insiemi, e questo gonfia l'accuratezza. Non si sa nemmeno quanti dei 20 arcieri fossero di ricurvo e quanti di arco nudo, di che livello fossero, quanti tiri ci fossero per ciascuno, né se chi compare nei video presi dai social abbia dato il consenso.

Le fasi stesse sono definite in modo generico, e il taglio a mano degli spezzoni di due secondi decide dove finisce la mira e comincia l'espansione: parte della confusione tra le due nasce lì. Lo studio classifica fotogrammi, non valuta la tecnica, e non misura niente che riguardi la qualità del tiro o il punteggio. Il testo, infine, a tratti non corrisponde alle figure che richiama: le curve di apprendimento e l'importanza dei punti sono attribuite a figure diverse da quelle che le mostrano.

Per un arciere oggi questo lavoro non cambia niente: è un primo passo verso strumenti che riconoscano da soli le fasi del tiro in un video, e interessa soprattutto chi sviluppa software di analisi. Riconoscere la fase non vuol dire valutare il gesto: un sistema del genere può dire se l'arciere è in mira o ha già rilasciato, non se ha tirato bene.

Il dato più utile per chi allena è indiretto. Il computer fatica soprattutto a distinguere la mira dall'espansione, perché vista da fuori la differenza di posizione è minima, e nell'arco nudo, dove gli stili di rilascio variano molto da un arciere all'altro. Per strumenti di questo tipo, il passaggio dalla mira all'espansione resta il punto più difficile da leggere in un video normale.