Et dybt lærings-augmented smart spejl til at forbedre fitnesstræningen

I de senere år har ingeniører og dataloger skabt en bred vifte af teknologiske værktøjer, der kan forbedre træningsoplevelserne, herunder smarture, fitnesstrackere, svedbestandige høretelefoner eller hovedtelefoner, smart home-gymnastikudstyr og smartphone-applikationer. Nye state-of-the-art beregningsmodeller, især deep learning algoritmer, har potentialet til at forbedre disse værktøjer yderligere, så de bedre kan imødekomme individuelle brugeres behov.

Forskere ved University of Brescia i Italien har for nylig udviklet et computervisionssystem til et smart spejl, der kan forbedre effektiviteten af ​​fitnesstræning både i hjemmet og i fitnesscentret. Dette system, introduceret i et papir udgivet af International Society of Biomechanics in Sports, er baseret på en dyb læringsalgoritme, der er trænet til at genkende menneskelige gestus i videooptagelser.

"Vores kommercielle partner ABHorizon opfandt konceptet med et produkt, der kan vejlede og lære dig under din personlige fitnesstræning," fortalte Bernardo Lanza, en af ​​forskerne, der udførte undersøgelsen, til TechXplore. "Denne enhed kan vise dig den bedste måde at træne på baseret på dine specifikke behov. For at udvikle denne enhed yderligere bad de os om at undersøge levedygtigheden af ​​et integreret synssystem til træningsevaluering."

Det billige computersynssystem udviklet af Lanza og hans kolleger bruger en skeletiseringsalgoritme (dvs. en dyb læringsalgoritme, der kan opnå skeletter fra billeder), der kører på en indlejret Nvidia Jetson Nano-enhed med to fiskeøjekameraer. Som en del af deres undersøgelse trænede forskerne dette system til at behandle og detektere menneskelige bevægelser i videooptagelserne optaget af de to fiskeøjekameraer.

"Et visionsystem, som det vi udviklede, kan udtrække information fra billeder ved hjælp af en AI-algoritme," sagde Lanza. "Vores seneste papir demonstrerer nøjagtigheden af ​​vores system til at måle armbevægelser i simple fitnessøvelser, såsom biceps curls."

I en af ​​deres tidligere undersøgelser præsenterede forskerne et softwaredesign, der kunne bruges til at skabe en omfattende prototype af det smarte fitnessspejl, som AB-Horizon forestiller sig. Deres mål var at producere en enhed med produktionsomkostninger, høj ydeevne og lavt energiforbrug.

"Den største fordel ved vores system er fraværet af objekter i kontakt med brugeren," forklarede Lanza. "Med kameraer og AI-applikationer forstår og vurderer vi kropsbevægelser, registrerer posturale fejl og analyserer simple fitnessøvelser. I dag er vores systemanalyse baseret på simple kropsvariabler (albuevinkel, håndposition...), men vi arbejder på at forbedre evalueringen maskinens kapacitet."

Det smarte spejl, som Lanza og hans kolleger er med til at designe, ville ideelt set være i stand til at evaluere fitnessøvelser på samme måde som menneskelige personlige trænere eller på endnu mere omfattende måder. For eksempel kan det give brugerne mulighed for at holde optælling af gentagelser, de har udført for specifikke øvelser, samtidig med at de registrerer den grundlæggende bevægelse (f.eks. træk, flektion, rotation osv.) af forskellige kropsdele.

Alle fitnessrelaterede oplysninger, der registreres og beregnes af spejlet, vises på den og ændres i realtid, så brugerne kan holde styr på den under træning eller bruge den til at forbedre deres træningspræstation. Lanza og hans kolleger evaluerede deres computersynssystem i en række tests, især med fokus på dets evne til at spore og lave fitnessforudsigelser, mens brugere udførte biceps-curls.

"Vi evaluerede nøjagtigheden af ​​visionssystemet til at forstå de forskellige faser af en øvelse," sagde Lanza. "I traditionelle biomekaniske analyser er den specifikke nøjagtighed af vores målinger ikke acceptabel, men vi analyserer en hel tidsserie af kropskinematik. Denne tilgang giver os mulighed for at opdage og forstå fitnessøvelser og deres særegenheder."

Forskerne fandt ud af, at med veldesignet og kalibreret software kunne deres billige visionssystem tilbyde værdifulde fitness-relaterede data, mens brugerne udførte simple fitnessøvelser. Når det er integreret i det smarte spejl skabt af AB-Horizon, kan det nye system i høj grad hjælpe brugere, der træner uden en superviserende træner i både hjemme- og fitnessmiljøer.

Indtil videre har Lanza og hans kolleger primært evalueret deres systems ydeevne alene. Men de er nu ved at skabe en prototype, der viser resultaterne af deres systems analyser på en smart spejlskærm integreret i en motoriseret gymnastikmaskine.

"Til dette projekt samarbejdede vi med AB-Horizon, vores kommercielle partner," tilføjede Lanza. "Ud over at designe træningsmaskineriet, vil vores partner integrere vision-systemet med deres prototype. Deres erfaring i fitnessbranchen giver os mulighed for at udvikle vores software ved hjælp af atletiske principper, og en personlig træner fra virksomheden guider os også gennem testprocessen. Som en del af den fremtidige udvikling vil en intelligent evaluator opdage øvelsen."

Den intelligente evaluator, som Lanza og hans kolleger arbejder på, burde være i stand til at fortolke kvalitativ information ved at analysere rå krops kinematiske data. For at træne denne model vil forskerne derfor først indsamle store mængder data under konditionstest med både atleter og mindre erfarne fitnesstrænere. + Udforsk yderligere

Smart datamodel til at analysere og forbedre præstationer for amatørcyklister

© 2022 Science X Network