In de afgelopen jaren hebben ingenieurs en computerwetenschappers een breed scala aan technologische hulpmiddelen ontwikkeld die de ervaring van fitnesstraining kunnen verbeteren, waaronder slimme horloges, fitnesstrackers, zweetbestendige oortelefoons of hoofdtelefoons, slimme fitnessapparatuur voor thuis en smartphone-applicaties. Nieuwe state-of-the-art computermodellen, met name deep learning-algoritmen, hebben het potentieel om deze tools verder te verbeteren, zodat ze beter kunnen voldoen aan de behoeften van individuele gebruikers.

Onderzoekers van de Universiteit van Brescia in Italië hebben onlangs een computervisiesysteem ontwikkeld voor een slimme spiegel die de effectiviteit van fitnesstraining zowel thuis als in de sportschool zou kunnen verbeteren. Dit systeem, geïntroduceerd in een paper gepubliceerd door de International Society of Biomechanics in Sports, is gebaseerd op een deep learning-algoritme dat is getraind om menselijke gebaren in video-opnames te herkennen.

"Onze commerciële partner ABHorizon bedacht het concept van een product dat je kan begeleiden en leren tijdens je persoonlijke fitnesstraining", vertelde Bernardo Lanza, een van de onderzoekers die het onderzoek uitvoerde, aan TechXplore. "Dit apparaat kan je laten zien hoe je het beste kunt trainen op basis van je specifieke behoeften. Om dit apparaat verder te ontwikkelen, hebben ze ons gevraagd om de haalbaarheid van een geïntegreerd zichtsysteem voor inspanningsevaluatie te onderzoeken."

Het goedkope computervisiesysteem dat is ontwikkeld door Lanza en zijn collega's, maakt gebruik van een skeletonisatie-algoritme (d.w.z. een diepgaand leeralgoritme dat skeletten uit afbeeldingen kan halen), dat draait op een ingebouwd Nvidia Jetson Nano-apparaat met twee fisheye-camera's. Als onderdeel van hun onderzoek hebben de onderzoekers dit systeem getraind om menselijke bewegingen te verwerken en te detecteren in de videobeelden die zijn vastgelegd door de twee fisheye-camera's.

"Een vision-systeem, zoals we hebben ontwikkeld, kan informatie uit afbeeldingen halen door middel van een AI-algoritme", zei Lanza. "Ons meest recente artikel demonstreert de nauwkeurigheid van ons systeem bij het meten van armbewegingen bij eenvoudige fitnessoefeningen, zoals bicepskrullen."

In een van hun eerdere onderzoeken presenteerden de onderzoekers een softwareontwerp dat zou kunnen worden gebruikt om een ​​uitgebreid prototype te maken van de slimme fitnessspiegel die AB-Horizon voor ogen had. Hun doel was om een ​​apparaat te produceren met productiekosten, hoge prestaties en een laag energieverbruik.

"Het belangrijkste voordeel van ons systeem is de afwezigheid van objecten in contact met de gebruiker", legt Lanza uit. "Met camera's en AI-applicaties begrijpen en beoordelen we lichaamsbeweging, detecteren we houdingsfouten en analyseren we eenvoudige fitnessoefeningen. Tegenwoordig is onze systeemanalyse gebaseerd op eenvoudige lichaamsvariabelen (ellebooghoek, handpositie...), maar we werken aan het verbeteren van de evaluatie vermogen van de machine."

De slimme spiegel die Lanza en zijn collega's helpen ontwerpen, zou idealiter fitnessoefeningen kunnen evalueren op dezelfde manier als menselijke personal trainers of op nog uitgebreidere manieren. Het zou gebruikers bijvoorbeeld in staat kunnen stellen om het aantal herhalingen dat ze voor specifieke oefeningen hebben uitgevoerd bij te houden, terwijl ze ook de fundamentele beweging (bijv. tractie, buiging, rotatie, enz.) van verschillende lichaamsdelen kunnen detecteren.

Alle fitnessgerelateerde informatie die door de spiegel wordt gedetecteerd en berekend, wordt erop weergegeven en verandert in realtime, zodat gebruikers deze tijdens trainingen kunnen volgen of gebruiken om hun trainingsprestaties te verbeteren. Lanza en zijn collega's evalueerden hun computervisiesysteem in een reeks tests, waarbij ze zich vooral richtten op het vermogen om fitnessvoorspellingen te volgen en te doen terwijl gebruikers biceps-krullen uitvoerden.

"We hebben de nauwkeurigheid van het zichtsysteem geëvalueerd om de verschillende fasen van een oefening te begrijpen," zei Lanza. "In traditionele biomechanische analyses is de specifieke nauwkeurigheid van onze metingen niet acceptabel, maar we analyseren een hele tijdreeks van lichaamskinematica. Deze benadering stelt ons in staat om fitnessoefeningen en hun eigenaardigheden te detecteren en te begrijpen."

De onderzoekers ontdekten dat hun goedkope vision-systeem met goed ontworpen en gekalibreerde software waardevolle fitnessgerelateerde gegevens kon bieden terwijl gebruikers eenvoudige fitnessoefeningen uitvoerden. Wanneer het nieuwe systeem wordt geïntegreerd in de slimme spiegel van AB-Horizon, kan het gebruikers die trainen zonder toezichthoudende coach aanzienlijk helpen, zowel thuis als in de sportschool.

Tot dusver evalueerden de Lanza en zijn collega's voornamelijk de prestaties van hun systeem op zichzelf. Ze maken nu echter een prototype dat de resultaten van de analyses van hun systeem zou weergeven op een slim spiegelscherm dat is geïntegreerd in een gemotoriseerde gymnastiekmachine.

"Voor dit project hebben we samengewerkt met AB-Horizon, onze commerciële partner", voegde Lanza eraan toe. "Naast het ontwerpen van de fitnessapparatuur, zal onze partner het vision-systeem integreren met hun prototype. Hun ervaring in de fitnessindustrie stelt ons in staat onze software te ontwikkelen met behulp van atletische principes en een personal trainer van het bedrijf begeleidt ons ook door het testproces. Als onderdeel van toekomstige ontwikkelingen zal een intelligente evaluator de oefening detecteren."

De intelligente beoordelaar waar Lanza en zijn collega's aan werken, zou kwalitatieve informatie moeten kunnen interpreteren door ruwe lichaamskinematische gegevens te analyseren. Om dit model te trainen gaan de onderzoekers daarom eerst grote hoeveelheden data verzamelen tijdens conditietesten met zowel sporters als minder ervaren fitnesstrainees. + Verder verkennen

Slim datamodel om de prestaties van amateurwielrenners te analyseren en te verbeteren

© 2022 Science X Network