Bärbara sensorer som smartklockor har blivit ett populärt motivationsverktyg för fitnessentusiaster, men prylar känner inte alla övningar lika. Forskare vid Carnegie Mellon University har funnit att en stationär kamera är ett bättre val för gymövningar.

Det visionbaserade systemet, kallas GymCam, upptäcker repetitiva rörelser. Genom att göra så, Rushil Khurana och Karan Ahuja, både Ph.D. studenter i CMU:s Human-Computer Interaction Institute (HCII), fann att de kunde upptäcka övningar på ett gym. Dessutom, de kunde känna igen typen av träning och tillförlitligt räkna upprepningar.

"På ett gym, den repetitiva rörelsen är nästan alltid en övning, " sa Mayank Goel, biträdande professor vid HCII och Institute for Software Research. "Om du rör båda dina armar, du tenderar att flytta dem tillsammans i tid. Dock, om två personer tränar bredvid varandra och utför samma övning, de är vanligtvis inte synkroniserade, och vi kan se skillnad på dem."

Eftersom systemet bara behöver rörelseinformation, kameraflödet kan reduceras till pixel-för-pixel-ändringar och eliminera identifierbara ansikten som skulle inkräkta på integriteten.

Khurana sa att beroende av rörelseinformation också tar upp ett problem för system med en kamera i en trång gymmiljö - oförmågan att se en persons hela kropp. Gymutrustning eller andra personer kan ofta skymma kamerans sikt. GymCam, dock, kan upptäcka träning så länge kameran kan se vilken kroppsdel ​​som helst som rör sig upprepade gånger.

Khurana och Ahuja kommer att presentera sina resultat på torsdag, 12 september, vid International Joint Conference on Pervasive and Ubiquitous Computing (UbiComp 2019) i London.

Ahuja sa att smartklockor och andra wearables gör ett rimligt jobb med att spåra många konditionsövningar och vissa styrketräningsövningar. Men deras effektivitet beror på var de bärbara kläderna bärs. En smartklocka kan känna en hantellyft, men är värdelös för benpress. Dessutom, det är svårt för en klocka att skilja mellan flera kroppsrörelser. Instrumentering av träningsmaskinerna är ett alternativ, men en dyr sådan. En kamera, dock, är relativt billig och ger rumslig information och rörelseinformation.

Systemet kan också lära sig placeringen av typer av träningsmaskiner eller vissa träningsstationer i ett gym. Den kan sedan använda en individs plats, förutom sina rörelser, för att avgöra vilken övning de gör.

Forskarna testade sin algoritm i ett fullsatt gym. Men Goel sa att samma algoritm fungerar perfekt på en smartphone också, så att en person kan använda sin telefon för att spela in och spåra sina träningspass hemma. Vissa företag har redan uttryckt intresse för att använda systemet för att spåra övningar hemma.

Systemet kan också ha användningsområden utöver fysisk träning. Goel sa att kamerasystemet, i kombination med smarta klockor som bärs av individer, kan hjälpa personer med synskada att navigera i köpcentra, flygplatser och andra offentliga utrymmen. Istället för att använda personens ansikte som identitet, systemet kommer att använda deras rörelse som sin signatur. Det gör att människor enkelt kan välja bort att bli spårade eller lokaliserade.