GymCam sporer øvelser, som bærbare skærme ikke kan

Bærbare sensorer såsom smartwatches er blevet et populært motivationsværktøj for fitnessentusiaster, men gadgets fornemmer ikke alle øvelser lige meget. Forskere ved Carnegie Mellon University har fundet ud af, at et stationært kamera er et bedre valg til træningscentre.

Det visionsbaserede system, kaldet GymCam, registrerer gentagne bevægelser. Ved at gøre det, Rushil Khurana og Karan Ahuja, både ph.d. studerende i CMU's Human-Computer Interaction Institute (HCII), fandt ud af, at de kunne opdage øvelser i et fitnesscenter. I øvrigt, de kunne genkende typen af ​​træning og pålideligt tælle gentagelser.

"I et fitnesscenter, den gentagne bevægelse er næsten altid en øvelse, " sagde Mayank Goel, adjunkt i HCII og Institute for Software Research. "Hvis du bevæger begge dine arme, du har en tendens til at flytte dem sammen i tide. Imidlertid, hvis to personer træner ved siden af ​​hinanden og udfører den samme øvelse, de er normalt ikke synkroniserede, og vi kan kende forskel på dem."

Fordi systemet kun behøver bevægelsesinformation, Kamerafeedet kan reduceres til pixel-for-pixel-ændringer og eliminere identificerbare ansigter, der ville krænke privatlivets fred.

Khurana sagde, at afhængighed af bevægelsesinformation også adresserer et problem for enkeltkamerasystemer i et overfyldt fitnessmiljø - manglende evne til at se en persons hele krop. Gymnastikudstyr eller andre personer kan ofte skjule kameraets udsyn. GymCam, imidlertid, kan registrere træning, så længe kameraet kan se enhver kropsdel ​​bevæge sig gentagne gange.

Khurana og Ahuja vil præsentere deres resultater torsdag, 12. september, ved den internationale fælleskonference om pervasive and allestedsnærværende computing (UbiComp 2019) i London.

Ahuja sagde, at smartwatches og andre wearables gør et rimeligt stykke arbejde med at spore mange cardio-øvelser og nogle styrketræningsøvelser. Men deres effektivitet afhænger af, hvor wearables bæres. Et smartwatch kan fornemme et håndvægtløft, men er ubrugelig til benpres. I øvrigt, det er svært for et ur at skelne mellem flere kropsbevægelser. Instrumentering af træningsmaskinerne er en mulighed, men en dyr en. Et kamera, imidlertid, er relativt billig og giver rumlig såvel som bevægelsesinformation.

Systemet kan også lære placeringen af ​​typer træningsmaskiner eller visse træningsstationer i et fitnesscenter. Det kan derefter bruge en persons placering, ud over deres bevægelser, for at bestemme, hvilken øvelse de laver.

Forskerne testede deres algoritme i et overfyldt fitnesscenter. Men Goel sagde, at den samme algoritme også fungerer perfekt på en smartphone, så en person kan bruge deres telefon til at optage og spore deres træning derhjemme. Nogle virksomheder har allerede udtrykt interesse for at bruge systemet til at spore hjemmeøvelser.

Systemet kan også have anvendelser ud over fysisk træning. Goel sagde kamerasystemet, kombineret med smartwatches båret af enkeltpersoner, kan hjælpe mennesker med synshandicap med at navigere i indkøbscentre, lufthavne og andre offentlige rum. I stedet for at bruge personens ansigt som identitet, systemet vil bruge deres bevægelse som deres signatur. Det giver folk mulighed for nemt at fravælge at blive sporet eller lokaliseret.