Under de senaste åren har ingenjörer och datavetare skapat ett brett utbud av tekniska verktyg som kan förbättra träningsupplevelserna, inklusive smarta klockor, träningsspårare, svettbeständiga hörlurar eller hörlurar, smarta hemgymutrustning och smartphoneapplikationer. Nya toppmoderna beräkningsmodeller, särskilt algoritmer för djupinlärning, har potential att förbättra dessa verktyg ytterligare, så att de bättre kan möta individuella användares behov.

Forskare vid University of Brescia i Italien har nyligen utvecklat ett datorseendesystem för en smart spegel som kan förbättra effektiviteten av konditionsträning både i hem- och gymmiljöer. Detta system, som introducerats i en artikel publicerad av International Society of Biomechanics in Sports, är baserat på en algoritm för djupinlärning som tränats för att känna igen mänskliga gester i videoinspelningar.

"Vår kommersiella partner ABHorizon uppfann konceptet med en produkt som kan vägleda och lära dig under din personliga konditionsträning," sa Bernardo Lanza, en av forskarna som genomförde studien, till TechXplore. "Den här enheten kan visa dig det bästa sättet att träna baserat på dina specifika behov. För att utveckla den här enheten ytterligare bad de oss att undersöka lönsamheten hos ett integrerat synsystem för träningsutvärdering."

Det billiga datorseendesystemet som utvecklats av Lanza och hans kollegor använder en skeletoniseringsalgoritm (dvs en algoritm för djupinlärning som kan erhålla skelett från bilder), som körs på en inbäddad Nvidia Jetson Nano-enhet med två fisheye-kameror. Som en del av sin studie tränade forskarna detta system för att bearbeta och upptäcka mänskliga rörelser i videofilmerna som fångats av de två fisheye-kamerorna.

"Ett visionsystem, som det vi utvecklade, kan extrahera information från bilder med hjälp av en AI-algoritm," sa Lanza. "Vårt senaste dokument visar noggrannheten hos vårt system när det gäller att mäta armrörelser i enkla träningsövningar, som bicepscurls."

I en av sina tidigare studier presenterade forskarna en mjukvarudesign som skulle kunna användas för att skapa en heltäckande prototyp av den smarta träningsspegeln som AB-Horizon föreställer sig. Deras mål var att producera en enhet med produktionskostnader, hög prestanda och låg energiförbrukning.

"Den största fördelen med vårt system är frånvaron av objekt i kontakt med användaren," förklarade Lanza. "Med kameror och AI-tillämpningar förstår och utvärderar vi kroppsrörelser, upptäcker posturala fel och analyserar enkla konditionsövningar. Numera baseras vår systemanalys på enkla kroppsvariabler (armbågsvinkel, handposition...) men vi arbetar för att förbättra utvärderingen maskinens kapacitet."

Den smarta spegeln som Lanza och hans kollegor hjälper till att designa skulle helst kunna utvärdera fitnessövningar på samma sätt som mänskliga personliga tränare eller på ännu mer omfattande sätt. Till exempel kan det tillåta användare att hålla räkningen av repetitioner de utfört för specifika övningar, samtidigt som de upptäcker den grundläggande rörelsen (t.ex. dragkraft, böjning, rotation, etc.) av olika kroppsdelar.

All träningsrelaterad information som upptäcks och beräknas av spegeln visas på den och ändras i realtid, så att användare kan hålla reda på den under träningen eller använda den för att förbättra sin träningsprestanda. Lanza och hans kollegor utvärderade sitt datorseendesystem i en serie tester, särskilt med fokus på dess förmåga att spåra och göra konditionsförutsägelser medan användare utförde bicepscurls.

"Vi utvärderade noggrannheten hos visionsystemet för att förstå de olika faserna av en övning," sa Lanza. "I traditionella biomekaniska analyser är den specifika noggrannheten i våra mätningar inte acceptabel, men vi analyserar en hel tidsserie av kroppskinematik. Detta tillvägagångssätt tillåter oss att upptäcka och förstå fitnessövningar och deras egenheter."

Forskarna fann att med väldesignad och kalibrerad mjukvara kunde deras billiga synsystem erbjuda värdefull träningsrelaterad data medan användare utförde enkla träningsövningar. När det integreras i den smarta spegeln som skapats av AB-Horizon kan det nya systemet avsevärt hjälpa användare som tränar utan en övervakande tränare i både hem- och gymmiljöer.

Hittills har Lanza och hans kollegor i första hand utvärderat deras systems prestanda på egen hand. Men de skapar nu en prototyp som skulle visa resultaten av deras systems analyser på en smart spegelskärm integrerad i en motoriserad gymnastikmaskin.

"För detta projekt samarbetade vi med AB-Horizon, vår kommersiella partner," tillade Lanza. "Förutom att designa gymmaskineriet kommer vår partner att integrera visionsystemet med sin prototyp. Deras erfarenhet inom fitnessbranschen gör att vi kan utveckla vår mjukvara med hjälp av atletiska principer och en personlig tränare från företaget guidar oss också genom testprocessen. Som en del av den framtida utvecklingen kommer en intelligent utvärderare att upptäcka övningen."

Den intelligenta utvärderaren som Lanza och hans kollegor arbetar med bör kunna tolka kvalitativ information genom att analysera obearbetad kinematisk kroppsdata. För att träna denna modell kommer forskarna därför först att samla in stora mängder data under konditionstester med både idrottare och mindre erfarna konditionstränare. + Utforska vidare

Smart datamodell för att analysera och förbättra prestandan för amatörcyklister

© 2022 Science X Network