
Análise de movimento com smartphone: o que a estimativa de pose 2D mede e com que erro
Um iPhone consegue hoje localizar articulações em vídeo sem marcadores. A pergunta clínica é outra: em que ângulos, em que planos e com que erro é que esses números se aproximam de um laboratório de análise 3D?
- Com uma câmara no plano sagital, a estimativa de pose 2D fica tipicamente a 4–6° da captura com marcadores na anca e no joelho durante a marcha 1,2.
- O tornozelo é a articulação sagital com maior erro: 7,4° na marcha 1.
- O FPPA medido em 2D concorda bem entre métodos 2D, mas correlaciona-se pouco com a abdução do joelho medida em 3D (r = 0,20) 3.
- As rotações no plano transverso continuam a ser o ponto fraco, mesmo em sistemas com várias câmaras 4.
- O OpenCap atinge um erro médio de 4,5° com dois iPhones calibrados; este valor não se transfere para uma única câmara 5.
- Câmara perpendicular ao plano e nivelada: vistas oblíquas produziram enviesamentos até 26° 6,7.
Porque é que a validade importa
A análise de movimento com marcadores refletores e várias câmaras de infravermelhos continua a ser a referência laboratorial, mas exige equipamento, tempo e técnicos especializados. A estimativa de pose sem marcadores (markerless) promete levar parte dessa informação para o ginásio e para a clínica, através da câmara de um smartphone 8. Uma revisão de 2022 resumiu o estado da arte com prudência: os parâmetros espaciotemporais parecem equivalentes aos dos sistemas com marcadores, mas a localização dos centros articulares e os ângulos articulares ainda não são suficientemente exatos para aplicações clínicas 9.
Para o profissional, a questão prática não é se o smartphone «funciona», mas que variáveis são de confiança, em que condições de captura e para que decisão: comparar lados, acompanhar a evolução ou classificar risco.
Como funciona a estimativa de pose num smartphone
Os modelos de estimativa de pose são redes neuronais que localizam pontos anatómicos em cada imagem; os ângulos são calculados a partir desses pontos. O BlazePose, a família de modelos por detrás do MediaPipe, deteta 33 pontos do corpo e corre a mais de 30 imagens por segundo num telemóvel 10. Foi desenhado para fitness e utilização em tempo real, não como instrumento de biomecânica, pelo que a exatidão tem de ser testada à parte.
Dois problemas repetem-se na literatura. O primeiro é um desvio sistemático: ao comparar OpenPose, AlphaPose e DeepLabCut com captura com marcadores, os centros articulares da anca e do joelho diferiram cerca de 30–50 mm, muito provavelmente por erros de anotação nos dados de treino 11. O segundo são falhas grosseiras ocasionais: num sistema OpenPose com várias câmaras, 80% dos erros médios foram inferiores a 30 mm, mas 10% excederam 40 mm, sobretudo quando o algoritmo confundiu objetos com segmentos corporais ou trocou segmentos entre si 12.
Um desvio constante afeta pouco a comparação de uma pessoa consigo própria; uma falha ocasional, se não for detetada, pode estragar uma repetição inteira.
Exatidão por articulação e plano
A evidência mais próxima de uma aplicação com um único iPhone vem de estudos com uma câmara e análise 2D. O padrão é consistente: o plano sagital é o mais fiável, o plano frontal é aceitável como medida de alinhamento 2D e o plano transverso não é mensurável com uma câmara.
| Medida | O que a evidência mostra | Confiança |
|---|---|---|
| Flexão/extensão da anca (sagital) | Erro médio absoluto de 4,0° na marcha 1; 3,7 ± 1,3° com OpenPose 2; r = 0,68–0,94 face ao 3D no agachamento unipodal 3 | Alta |
| Flexão/extensão do joelho (sagital) | 5,6° 1 e 5,1 ± 2,5° 2 na marcha; MediaPipe exato quando o movimento é amplo e a articulação está visível 13 | Alta, com controlo de qualidade das imagens |
| Tornozelo (sagital) | 7,4° na marcha 1; identificação errada de pontos anatómicos 13 | Moderada a baixa |
| Joelho no plano frontal (FPPA) | r = 0,95 entre métodos 2D, mas r = 0,20 face à abdução 3D 3; r = 0,308 no agachamento unipodal 14 | Boa como alinhamento 2D; não equivale a valgo 3D |
| Rotações (plano transverso) | Excluídas do erro inferior a 5,5° mesmo num sistema com 8 câmaras 4 | Não reportar |
| Ombro (Apple Vision, iPhone) | R² > 0,93 face à captura 3D, com sobrestimação da amplitude; SEM de 9,2° na abdução 15 | Moderada |
Estudos sobretudo em adultos saudáveis ou adolescentes; o erro depende do modelo de pose, do dispositivo e das condições de captura.
Os modelos não são intermutáveis. Na comparação de quatro modelos de código aberto, os mais leves, pensados para telemóvel, não foram os mais exatos 2. Numa amostra de idosos, o MediaPipe teve o pior desempenho dos métodos testados na marcha, embora fosse exato no joelho 13. Num estudo recente com BlazePose e captura lateral com smartphone, o ICC do agachamento foi 0,773 quando se excluíram as imagens de baixa confiança, mas desceu para 0,428, com RMSE de 25,43°, sem esse filtro; 15,7% das observações dinâmicas não cumpriram o critério de confiança 16. O controlo de qualidade de cada imagem decide se o número é utilizável.
As ferramentas 3D nativas do iPhone também têm limites. O seguimento corporal 3D do ARKit apresentou um erro médio ponderado de 18,80° ± 12,12° face ao Vicon, entre 3,75° e 47,06° consoante a articulação e o exercício 17. A pose 2D do Apple Vision, testada no ombro, seguiu bem o padrão do movimento, mas sobrestimou a amplitude 15.
OpenCap e outros precedentes com iPhone
O OpenCap é o precedente mais robusto de análise de movimento com smartphone. Com dois iPhones calibrados, estimou ângulos articulares com um erro médio absoluto de 4,5° face à captura com marcadores (4,1° na marcha e no agachamento, 4,7° no levantar da cadeira e 5,1° no drop jump), forças de reação do solo com erro de 6,2% do peso corporal e momentos articulares com erro de 1,2% do peso × altura 5. Num estudo de campo com 100 participantes, foi 25 vezes mais rápido do que a abordagem laboratorial, a menos de 1% do custo 5. A condição essencial é a geometria: duas ou mais câmaras permitem reconstruir o movimento em 3D; uma câmara não.
Noutras medidas, o iPhone já tem validação sólida. A app My Jump mediu a altura do salto com contramovimento com ICC de 0,997 face a uma plataforma de forças, com viés de 1,1 ± 0,5 cm 18, e a MySprint mediu tempos parciais de sprint com ICC de 1,0 face a células fotoelétricas 19. Ambas medem acontecimentos temporais bem definidos, mais fáceis de validar do que ângulos. Uma revisão de apps em ciências do desporto deixa um aviso útil: muitas foram testadas num único dispositivo 20.
Como filmar: boas práticas de captura
- Câmara perpendicular ao plano do movimento. O Kinovea foi válido entre 90° e 45° de perspetiva, até 5 m, mas recomenda-se 90° para resultados ótimos 6. Com câmaras oblíquas, os enviesamentos variaram entre −0,35° e −26,07° consoante a articulação e a vista 7.
- Telemóvel nivelado e sem inclinação. Inclinar o telemóvel para baixo ou para cima alterou a amplitude medida em sentidos opostos; no estudo de referência, o iPhone estava a 0,9 m de altura e a cerca de 3 m do participante, nivelado com uma app de nível 15.
- Corpo inteiro no enquadramento, uma só pessoa e fundo limpo. Os erros superiores a 40 mm resultaram de objetos confundidos com segmentos e de segmentos trocados 12.
- Várias repetições ou passos. Na corrida, são precisos pelo menos 7 passos para obter uma média estável 21; na marcha, as médias por participante foram mais exatas do que os passos isolados 1.
- Roupa justa e iluminação uniforme. O erro aumentou com diferentes roupas (inferior a 11°) e iluminações (inferior a 9°), embora sem comparação simultânea com captura 3D 22.
- Imagens por segundo. Os estudos de salto e de sprint com iPhone usaram vídeo de alta velocidade 18,19, e o estudo do ombro usou 30 fps em movimentos lentos 15. Não encontrámos estudos que comparem diretamente 30, 60 e 240 fps para ângulos articulares: preferir mais imagens por segundo em saltos, receções e sprints é uma recomendação prática, não um resultado publicado.
Nas reavaliações, a regra mais importante é repetir exatamente a mesma montagem: distância, altura, vista, calçado e roupa. Mudar a vista muda o número 7.
O que isto significa para a prática clínica
O vídeo 2D mede ângulos projetados num plano. O FPPA, por exemplo, associou-se apenas de forma fraca a moderada à adução da anca (r = 0,32–0,38) e à rotação externa do joelho (r = 0,48–0,55) medidas em 3D, e os autores concluíram que não deve ser usado para quantificar rotações 3D 23. Ainda assim, o 2D ordena razoavelmente os atletas: entre sujeitos, o ângulo frontal 2D correlacionou-se com o valgo 3D com r² de 0,58–0,64, mas dentro do mesmo sujeito apenas com r² de 0,25–0,36 24. O 2D serve, por isso, melhor para identificar valores extremos do que para detetar pequenas mudanças.
A automatização, em si, não parece ser o problema: no plano frontal, o FPPA automático concordou bem com a medição manual em vídeo (CCC de 0,89 com BlazePose e de 0,95 com OpenPose) 25. O limite está na projeção 2D, não no algoritmo. Acresce que a maioria dos estudos de validação incluiu adultos saudáveis; a evidência em populações clínicas, crianças e marcha patológica é escassa.
Em síntese, com uma câmara bem posicionada, a flexão da anca e do joelho no plano sagital é suficientemente exata para comparar lados e acompanhar a evolução; o plano frontal é útil como medida de alinhamento 2D; as rotações não devem ser reportadas. Qualquer mudança deve ser comparada com o erro de medição do teste antes de ser valorizada, e o diagnóstico continua a ser do profissional.
Perguntas frequentes
A análise de movimento com smartphone é válida?
Depende da variável. Na flexão da anca e do joelho no plano sagital, o erro com uma câmara é tipicamente de 4–6° na marcha 1,2; no plano frontal e nas rotações, a concordância com a análise 3D é muito menor 3.
Qual é a diferença entre vídeo 2D e análise 3D do movimento?
O vídeo 2D mede ângulos projetados no plano da câmara; a análise 3D reconstrói a posição real dos segmentos. O FPPA 2D não deve ser usado para quantificar rotações 3D 23.
O MediaPipe é exato para medir ângulos articulares?
No joelho, com movimentos amplos e boa visibilidade, pode ser exato 13; sem controlo de qualidade das imagens, o RMSE chegou a 25,43° no agachamento 16. O tornozelo é a articulação mais problemática.
Como devo posicionar o iPhone para filmar um teste de movimento?
Perpendicular ao plano do movimento, nivelado, com o corpo inteiro no enquadramento e sempre com a mesma montagem nas reavaliações 6,15.
O OpenCap é comparável a uma app com um só iPhone?
Não. O OpenCap usa pelo menos dois dispositivos iOS calibrados para reconstruir o movimento em 3D, com erro médio de 4,5° nos ângulos 5; uma única câmara mede ângulos 2D projetados.
Referências
- Stenum J, Rossi C, Roemmich RT. Two-dimensional video-based analysis of human gait using pose estimation. PLoS Comput Biol. 2021;17(4):e1008935. doi.org/10.1371/journal.pcbi.1008935
- Washabaugh EP, Shanmugam TA, Ranganathan R, Krishnan C. Comparing the accuracy of open-source pose estimation methods for measuring gait kinematics. Gait Posture. 2022;97:188–195. doi.org/10.1016/j.gaitpost.2022.08.008
- Haberkamp LD, Garcia MC, Bazett-Jones DM. Validity of an artificial intelligence, human pose estimation model for measuring single-leg squat kinematics. J Biomech. 2022;144:111333. doi.org/10.1016/j.jbiomech.2022.111333
- Kanko RM, Laende EK, Davis EM, Selbie WS, Deluzio KJ. Concurrent assessment of gait kinematics using marker-based and markerless motion capture. J Biomech. 2021;127:110665. doi.org/10.1016/j.jbiomech.2021.110665
- Uhlrich SD, Falisse A, Kidziński Ł, et al. OpenCap: human movement dynamics from smartphone videos. PLoS Comput Biol. 2023;19(10):e1011462. doi.org/10.1371/journal.pcbi.1011462
- Puig-Diví A, Escalona-Marfil C, Padullés-Riu JM, Busquets A, Padullés-Chando X, Marcos-Ruiz D. Validity and reliability of the Kinovea program in obtaining angles and distances using coordinates in 4 perspectives. PLoS One. 2019;14(6):e0216448. doi.org/10.1371/journal.pone.0216448
- Baldinger M, Reimer LM, Senner V. Influence of the camera viewing angle on OpenPose validity in motion analysis. Sensors (Basel). 2025;25(3):799. doi.org/10.3390/s25030799
- Colyer SL, Evans M, Cosker DP, Salo AIT. A review of the evolution of vision-based motion analysis and the integration of advanced computer vision methods towards developing a markerless system. Sports Med Open. 2018;4(1):24. doi.org/10.1186/s40798-018-0139-y
- Wade L, Needham L, McGuigan P, Bilzon J. Applications and limitations of current markerless motion capture methods for clinical gait biomechanics. PeerJ. 2022;10:e12995. doi.org/10.7717/peerj.12995
- Bazarevsky V, Grishchenko I, Raveendran K, Zhu T, Zhang F, Grundmann M. BlazePose: on-device real-time body pose tracking. arXiv:2006.10204 [preprint]. 2020. arxiv.org/abs/2006.10204
- Needham L, Evans M, Cosker DP, et al. The accuracy of several pose estimation methods for 3D joint centre localisation. Sci Rep. 2021;11(1):20673. doi.org/10.1038/s41598-021-00212-x
- Nakano N, Sakura T, Ueda K, et al. Evaluation of 3D markerless motion capture accuracy using OpenPose with multiple video cameras. Front Sports Act Living. 2020;2:50. doi.org/10.3389/fspor.2020.00050
- Menychtas D, Petrou N, Kansizoglou I, et al. Gait analysis comparison between manual marking, 2D pose estimation algorithms, and 3D marker-based system. Front Rehabil Sci. 2023;4:1238134. doi.org/10.3389/fresc.2023.1238134
- Schurr SA, Marshall AN, Resch JE, Saliba SA. Two-dimensional video analysis is comparable to 3D motion capture in lower extremity movement assessment. Int J Sports Phys Ther. 2017;12(2):163–172. pubmed.ncbi.nlm.nih.gov/28515970/
- van den Hoorn W, Lavaill M, Cutbush K, Gupta A, Kerr G. Comparison of shoulder range of motion quantified with mobile phone video-based skeletal tracking and 3D motion capture—preliminary study. Sensors (Basel). 2024;24(2):534. doi.org/10.3390/s24020534
- Yue X, Gu Y, Yu B. Validation of single-camera MediaPipe BlazePose for knee joint angle measurement across multiple functional tasks: concurrent validity, interrater reliability, and exploratory test-retest reliability study. JMIR Rehabil Assist Technol. 2026;13:e102399. doi.org/10.2196/102399
- Reimer LM, Kapsecker M, Fukushima T, Jonas SM. Evaluating 3D human motion capture on mobile devices. Appl Sci. 2022;12(10):4806. doi.org/10.3390/app12104806
- Balsalobre-Fernández C, Glaister M, Lockey RA. The validity and reliability of an iPhone app for measuring vertical jump performance. J Sports Sci. 2015;33(15):1574–1579. doi.org/10.1080/02640414.2014.996184
- Romero-Franco N, Jiménez-Reyes P, Castaño-Zambudio A, et al. Sprint performance and mechanical outputs computed with an iPhone app: comparison with existing reference methods. Eur J Sport Sci. 2017;17(4):386–392. doi.org/10.1080/17461391.2016.1249031
- Peart DJ, Balsalobre-Fernández C, Shaw MP. Use of mobile applications to collect data in sport, health, and exercise science: a narrative review. J Strength Cond Res. 2019;33(4):1167–1177. doi.org/10.1519/JSC.0000000000002344
- Dingenen B, Barton C, Janssen T, Benoit A, Malliaras P. Test-retest reliability of two-dimensional video analysis during running. Phys Ther Sport. 2018;33:40–47. doi.org/10.1016/j.ptsp.2018.06.009
- Viswakumar A, Rajagopalan V, Ray T, Gottipati P, Parimi C. Development of a robust, simple, and affordable human gait analysis system using bottom-up pose estimation with a smartphone camera. Front Physiol. 2021;12:784865. doi.org/10.3389/fphys.2021.784865
- Willson JD, Davis IS. Utility of the frontal plane projection angle in females with patellofemoral pain. J Orthop Sports Phys Ther. 2008;38(10):606–615. doi.org/10.2519/jospt.2008.2706
- McLean SG, Walker K, Ford KR, Myer GD, Hewett TE, van den Bogert AJ. Evaluation of a two dimensional analysis method as a screening and evaluation tool for anterior cruciate ligament injury. Br J Sports Med. 2005;39(6):355–362. doi.org/10.1136/bjsm.2005.018598
- Janisch L, Maack LM, Fohrmann D, Marques CJ. Assessment of dynamic knee angle deviations in the frontal plane in physiotherapy clinical practice: intra- and inter-rater reliability of an application and agreement with two AI-models. BMC Musculoskelet Disord. 2026;27(1):407. doi.org/10.1186/s12891-026-09958-9
Conteúdo informativo para profissionais de saúde. Não substitui a avaliação clínica nem a leitura dos estudos originais.



