Marcação manual de fotos de corrida (digitação de números de peito): por que não escala (e a alternativa com IA)

O que é um serviço de marcação manual de fotos de corrida?

Um serviço de marcação manual de fotos de corrida é um fluxo em que pessoas (não um software) olham cada foto, identificam o número de peito do participante e registram esse número como marcação daquela imagem. O resultado é uma biblioteca de fotos pesquisável (normalmente com “busca por número de peito”) para que os corredores encontrem rapidamente todas as fotos em que o seu número aparece.

No mundo das maratonas, isso também aparece como marcação de fotos de maratona, indexação de fotos de corrida, marcação de números de peito ou digitação de números de peito. Alguns fornecedores chamam isso de “keywording” (atribuição de palavras-chave), porque o número de peito vira uma palavra-chave associada à imagem.

Se quiser um exemplo real de como fornecedores terceirizados descrevem esse serviço, veja a página de marcação de fotos de corrida da BIB Number Entry e a página de apresentação da empresa.

Onde a marcação manual de números de peito falha (e por que os corredores ainda não encontram as fotos)

A marcação manual pode ser precisa nas fotos em que o número está bem legível. O problema é que uma galeria de corrida está cheia de imagens em que o número não está legível, e muitas vezes são essas as fotos que mais importam para os participantes.

• Número não visível: mãos, garrafas de água, cintos de hidratação, jaquetas, capas de chuva, medalhas, número dobrado ou curvado, ou o corredor de lado.
• Multidão + sobreposição: vários corredores se encobrem, principalmente na linha de chegada e nos pontos mais fotografados.
• Desfoque de movimento + distância: dá para reconhecer o corredor, mas não os dígitos.
• Escala e prazo: quando o volume de fotos cresce, o prazo de entrega cresce junto, e as fotos são publicadas tarde, quando a empolgação dos corredores já passou.
• Carga no suporte: “não encontro minhas fotos” vira um problema de atendimento, mesmo que as fotos estejam na galeria.

Por isso, fluxos baseados só no número de peito (manuais ou automáticos) não resolvem a busca por completo. Você precisa de um segundo modo de busca que não dependa de o número estar legível.

Por que a 9Pic AI funciona melhor na entrega de fotos de corrida

A 9Pic AI foi criada para uma busca rápida e fácil para os participantes, em grande escala. Em vez de depender de um único identificador frágil (um número de peito legível), você pode oferecer duas formas de encontrar fotos:

• 9Pic BibTrack: reconhecimento de números de peito nas fotos em que o número aparece.
• 9Pic FaceFind: busca por selfie para que os corredores encontrem fotos mesmo quando o número está encoberto, ausente ou ilegível.

Na prática: mais participantes encontram mais fotos em menos tempo, e a sua equipe gasta menos tempo com buscas manuais, remarcações e suporte.

O que você realmente recebe (entregáveis)

Antes de contratar uma equipe de marcação manual de fotos, defina bem o entregável, porque “fotos marcadas” pode significar vários formatos. Os entregáveis mais comuns são:

• Mapeamento em CSV / planilha: uma tabela do tipo nome do arquivo → número(s) de peito, às vezes incluindo também ponto de controle, intervalo de horário ou nome da pasta.
• Metadados embutidos: o número de peito gravado nos metadados da imagem (geralmente como palavras-chave IPTC), para que a marcação “viaje” com o arquivo.
• Formato de importação da plataforma: se você usa um sistema de galeria específico, o fornecedor pode entregar no esquema de importação exigido por essa plataforma.
• Relatório de controle de qualidade: estatísticas das verificações por amostragem, checagem de duplicatas e notas sobre casos especiais (por exemplo, o grupo “número ilegível”).

Uma pergunta simples que evita dor de cabeça depois: “Podemos fazer um pequeno piloto (500-1.000 fotos) e validar o resultado no nosso fluxo de galeria?”

Como funciona a marcação manual de números de peito (fluxo típico)

Os melhores fluxos de marcação manual de fotos de corrida são entediantes, no bom sentido. Eles são pensados para reduzir o erro humano com estrutura, lotes e validação.

Passo 1: defina as regras de marcação (é aqui que a maioria dos projetos falha)

A marcação manual vira bagunça quando há ambiguidade. O seu documento de regras deve responder:

• Vários corredores em uma foto: você marca todos os números visíveis ou só o mais destacado?
• Números parciais: você marca “123?” ou pula a foto, a menos que consiga confirmar todos os dígitos?
• Obstruções e desfoque de movimento: você aceita um “melhor palpite” ou exige certeza?
• Duplicatas: você elimina as repetições das sequências de disparos ou marca tudo?
• Identificadores além do número: você chega a marcar nome, categoria de idade ou tempo de chegada?

Passo 2: prepare os lotes de fotos + os nomes dos arquivos

Uma equipe manual trabalha mais rápido quando as fotos estão agrupadas de forma lógica. Dividir por ponto de controle (largada, meio do percurso, chegada), câmera ou faixa de horário reduz a troca de contexto e ajuda no controle de qualidade.

Se os nomes dos arquivos não forem estáveis (por exemplo, se você renomeia depois da edição), defina quando a marcação acontece. Uma boa prática comum é: exportação final → depois marcação, para que as marcações correspondam às imagens que você vai publicar de fato.

Passo 3: marcação (onde as pessoas ainda são melhores)

A marcação manual se destaca justamente nas situações em que os métodos automáticos têm dificuldade:

• Números amassados e tecido curvado
• Visibilidade parcial (mãos, cintos de hidratação, jaquetas)
• Número fora da posição padrão (na lateral, nas costas, no short)
• Pouca luz / sombras fortes
• Números molhados (provas na época das monções) ou superfícies refletivas

Mas lembre-se: nem a melhor equipe manual consegue marcar com confiabilidade fotos em que o número está totalmente encoberto ou ilegível. É exatamente aí que a busca por selfie (FaceFind) preenche a lacuna, para que os corredores ainda encontrem essas fotos.

Passo 4: controle de qualidade (precisão é um processo, não uma promessa)

Quando os fornecedores falarem em “precisão”, pergunte como ela é medida. Um bom plano de controle de qualidade costuma incluir:

• Dupla digitação em uma amostra (duas pessoas marcam de forma independente e as divergências são revisadas)
• Verificações de consistência (formatos de número inválidos, faixas de números impossíveis)
• Verificações por amostragem nos grupos de maior impacto (as melhores fotos da chegada)
• Grupo de incertos para números ilegíveis (para você decidir o que fazer)

Prazo de entrega: o que realmente influencia?

O que mais pesa no prazo é a conta: total de imagens × média de segundos por imagem. Mas, na prática, estes fatores importam mais do que a maioria das equipes imagina:

• Qualidade da foto: desfoque, distância e obstruções aumentam os “segundos por foto”.
• Quantos números por imagem: a multidão na chegada pode multiplicar o trabalho.
• Se você exige certeza total: regras conservadoras deixam a produção mais lenta, mas reduzem os erros.
• Pedidos de alteração: “dá para remarcar com os nomes de arquivo finais?” é uma armadilha clássica de retrabalho.

Se o seu evento tem grande volume e a velocidade importa, vale comparar o fluxo só manual com fluxos híbridos, em que a IA entrega a busca na hora e as pessoas se concentram nas exceções.

Perguntas sobre segurança de dados e privacidade

Com um serviço de marcação manual, suas fotos e os identificadores dos participantes ficam nas mãos de terceiros. No mínimo, pergunte:

• Controle de acesso: quem pode baixar os arquivos? Como o acesso é revogado depois da entrega?
• Armazenamento: as fotos ficam criptografadas em repouso? Por quanto tempo os arquivos são mantidos?
• Compartilhamento: as fotos são compartilhadas com subcontratados em algum momento?
• Auditoria: o fornecedor pode fornecer um registro simples de atividades (data e hora de uploads e downloads)?

Para orientações sobre como publicar galerias para os participantes, comece por Como funciona e pelo texto da política de privacidade do seu evento.

Checklist para escolher fornecedores (copie e cole)

Use este checklist ao avaliar fornecedores de marcação manual de fotos de maratona:

• Piloto: vocês fazem um pequeno piloto pago com nossas fotos reais e confirmam o formato do entregável?
• Regras: vocês têm um documento de regras por escrito para números parciais, vários números, incerteza e retrabalho?
• Resultado: o resultado vem em palavras-chave IPTC, CSV ou importação na galeria? Podem mostrar um arquivo de exemplo?
• Controle de qualidade: que controle de qualidade é feito e qual é o processo de correção?
• Segurança: onde os arquivos ficam armazenados, por quanto tempo e quem tem acesso?
• Prazo: qual é o prazo prometido e de quais premissas ele depende?

Manual x IA (e por que o híbrido costuma vencer)

A marcação manual é uma boa opção quando a precisão em fotos difíceis importa mais do que a velocidade. Mas, se você atende milhares de corredores, “encontrar minhas fotos” é um problema de tempo até o primeiro resultado e também de cobertura (muitas fotos ótimas não têm número legível).

Esta é a abordagem que vemos funcionar melhor nas provas atuais:

• IA para a busca imediata: os participantes usam a busca por selfie (9Pic FaceFind) e o reconhecimento de número de peito (9Pic BibTrack) para encontrar fotos mesmo que o número esteja encoberto em muitas delas.
• Revisão manual para casos especiais: as pessoas corrigem as raras leituras erradas e cuidam das fotos realmente ambíguas, sem segurar a galeria inteira.

Se você está planejando a entrega de fotos de uma prova de grande volume, veja Para maratonas e Preços para entender as opções em escala.

Perguntas frequentes

A marcação manual de fotos de corrida é o mesmo que “atribuição de palavras-chave”?

Muitas vezes, sim. Vários serviços descrevem o número de peito como uma palavra-chave adicionada à foto (seja embutida nos metadados, seja em uma planilha que a sua plataforma de galeria usa como palavras-chave).

É melhor marcar antes ou depois da edição?

Normalmente depois da exportação final (ou depois que os nomes dos arquivos estiverem definidos). Se você marcar cedo e depois renomear ou exportar de novo, pode gerar um retrabalho caro.

Qual é o motivo mais comum de marcações erradas?

Regras ambíguas para números parciais e fotos da chegada com muita gente. Regras claras para o “grupo de incertos” reduzem as correspondências erradas.

A marcação manual pode substituir o reconhecimento facial?

Pode, mas muda a experiência dos participantes: os corredores precisam saber (e digitar) o número de peito. Com a busca por selfie, eles encontram as fotos mesmo que tenham esquecido o número ou que ele não apareça em algumas fotos.

E se o número do corredor estiver encoberto em muitas fotos?

Isso é comum em grande escala (mãos, garrafas, jaquetas, medalhas, multidão). Se a sua busca depende só de um número legível, essas fotos ficam difíceis de encontrar. A busca por selfie (9Pic FaceFind) ajuda os participantes a encontrar fotos mesmo quando o número não pode ser lido, enquanto o 9Pic BibTrack cobre as fotos com número visível.

Próximos passos

Se você está escolhendo entre marcação manual e IA para uma próxima prova, comece com um pequeno piloto: separe 1.000 fotos variadas (chegada + percurso), teste o resultado da marcação manual na sua galeria e compare com um fluxo da 9Pic AI (BibTrack + FaceFind). O jeito mais rápido de avaliar é simples: meça em quanto tempo participantes reais encontram suas fotos.

Quer ajuda para montar um fluxo híbrido para a sua maratona? Fale conosco e conte a quantidade aproximada de fotos, o número de fotógrafos e quando as fotos precisam estar no ar.