姿态识别+康复训练矫正+代码+部署(AI 健身教练来分析深蹲等姿态)

这篇具有很好参考价值的文章主要介绍了姿态识别+康复训练矫正+代码+部署(AI 健身教练来分析深蹲等姿态)。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

姿态识别+康复训练矫正(AI 健身教练姿态分析)

目录

本文旨在构建一个 AI 健身教练,帮助判断姿态标准与否,并且矫正姿态!无论您是初学者还是专业人士,它都可以帮助您无缝地进行深蹲。为了完成这项任务,我们可以利用基于深度学习的人类姿态估计算法的强大功能。

  1. 身体姿态估计

  2. 用于姿势分析的正面和侧视图的直觉]

  3. 姿势构建 AI 健身教练来分析深蹲

  4. 深蹲时的状态图解释]

  5. AI Fitness Trainer 的应用流程]

  6. 设计应用程序时的关键概念

    1. 角度计算
    2. AI Fitness Trainer 应用程序的反馈操作](
    3. 计算非活动时间]
  7. AI Fitness Trainer 应用程序中的测试用例]

  8. 深蹲模式 – 初学者与专业人士

姿态估计

使用检测器,管道首先定位帧内的人物/姿势感兴趣区域 (ROI)。跟踪器随后使用 ROI 裁剪的帧作为输入来预测 ROI 中的姿态地标和分割掩码。

姿态识别+康复训练矫正+代码+部署(AI 健身教练来分析深蹲等姿态),人工智能,姿态矫正,姿态识别,代码部署,ai健身教练姿态矫正

姿势分析的正面和侧视图的直觉

  • 在设计一个应用程序来分析各种健身锻炼时,人们可能会好奇地执行各种计算,同时牢记相机对物体(人)的视野。
  • 使用正面视图,我们可以访问左侧和右侧,因此可以利用各种地标点的坡度和角度,例如膝臀线和膝臀线之间的角度等。这些信息可能有助于分析头顶推举、侧板支撑、仰卧起坐、卷曲等练习。
  • 我们可以使用侧视图来更好地估计有关垂直或水平的各种倾斜度。这些信息有助于分析硬拉、俯卧撑、深蹲、俯卧撑等运动。
  • 由于我们正在分析深蹲和所有关于垂直方向适当倾斜度的重要计算,因此我们选择了侧视图。
  • 为确保健康的生活方式,罗马尼亚主动向进行 20 次深蹲的人提供免费巴士票。看看这个Instagram帖子!
    姿态识别+康复训练矫正+代码+部署(AI 健身教练来分析深蹲等姿态),人工智能,姿态矫正,姿态识别,代码部署,ai健身教练姿态矫正

姿势构建 AI 健身教练来分析深蹲

下图描述了我们的应用程序所需的地标。

姿态识别+康复训练矫正+代码+部署(AI 健身教练来分析深蹲等姿态),人工智能,姿态矫正,姿态识别,代码部署,ai健身教练姿态矫正

我们将考虑髋-膝、膝-踝肩-髋线与垂直线的角度,以计算状态(在后续部分中解释)并执行适当的反馈消息。如下图所示。

姿态识别+康复训练矫正+代码+部署(AI 健身教练来分析深蹲等姿态),人工智能,姿态矫正,姿态识别,代码部署,ai健身教练姿态矫正

用于姿势分析的正面和侧视图的直觉

姿态识别+康复训练矫正+代码+部署(AI 健身教练来分析深蹲等姿态),人工智能,姿态矫正,姿态识别,代码部署,ai健身教练姿态矫正

在设计一个应用程序来分析各种健身锻炼时,人们可能会好奇地执行各种计算,同时牢记相机对物体(人)的视野。

使用正面视图,我们可以访问左侧和右侧,因此可以利用各种地标点的坡度和角度,例如膝臀线和膝臀线之间的角度等。这些信息可能有助于分析头顶推举、侧板支撑、仰卧起坐、卷曲等练习。

我们可以使用侧视图来更好地估计有关垂直或水平的各种倾斜度。这些信息有助于分析硬拉、俯卧撑、深蹲、俯卧撑等运动。

由于我们正在分析深蹲和所有关于垂直方向适当倾斜度的重要计算,因此我们选择了侧视图。

为确保健康的生活方式,罗马尼亚主动向进行 20 次深蹲的人提供免费巴士票。看看这个Instagram帖子!

在Instagram上查看此帖子

Алина Бжолка (@alinabzholkina) 分享的帖子

使用 MediaPipe 姿势构建 AI 健身教练来分析深蹲

下图描述了我们的应用程序所需的地标。

姿态识别+康复训练矫正+代码+部署(AI 健身教练来分析深蹲等姿态),人工智能,姿态矫正,姿态识别,代码部署,ai健身教练姿态矫正

我们将考虑髋-膝、膝-踝肩-髋线与垂直线的角度,以计算状态(在后续部分中解释)并执行适当的反馈消息。如下图所示。

姿态识别+康复训练矫正+代码+部署(AI 健身教练来分析深蹲等姿态),人工智能,姿态矫正,姿态识别,代码部署,ai健身教练姿态矫正

  • 此外,我们将计算偏移角度(鼻子和肩膀所占的角度),并发出适当的警告,以保持良好的侧视图。
  • 此外,我们还将考虑计算不活动的时间,根据这些时间,正确和不正确的深蹲计数器将被重置。
  • 该应用程序还将提供两种模式:初学者和专业;人们可以选择其中任何一个并开始无缝地进行深蹲,无论他是初学者还是专家。
  • 人体姿态估计是计算机视觉中最令人兴奋的研究领域之一。它在广泛的应用中具有重要意义。我们可以用它来构建一个简单而令人兴奋的应用程序来[分析不良的坐姿]

深蹲时的状态图解释

状态转换图解释了执行深蹲时保持的各种状态。

请注意,所有状态都是根据髋膝线和垂直线之间的角度计算的(为简单起见,我们将此阶段压缩为膝盖和垂直线之间的角度.

以下 gif 说明了过渡的各个阶段。

姿态识别+康复训练矫正+代码+部署(AI 健身教练来分析深蹲等姿态),人工智能,姿态矫正,姿态识别,代码部署,ai健身教练姿态矫正

我们将处理应用程序的三种状态:s1s2s3。

  • 状态 s1: 如果膝盖与垂直方向的夹角落在32°以内,则处于正常阶段,其状态为s1。它本质上是更新正确和不当深蹲计数器的状态。

  • 状态 s2: 如果膝盖和垂直方向之间的角度落在 35° 和 65° 之间,则处于过渡阶段,随后进入状态 s2.

  • 状态 s3: 如果膝盖和垂直方向之间的角度在特定范围内(例如,在 75° 和 95° 之间),则它处于通过阶段,随后进入状态 s3.

我们最终也可以提供状态转换图。

姿态识别+康复训练矫正+代码+部署(AI 健身教练来分析深蹲等姿态),人工智能,姿态矫正,姿态识别,代码部署,ai健身教练姿态矫正?origin_url=C%3A%5CUsers%5Cadmin%5CDesktop%5C%E5%9B%BE%E5%BA%93%5C5.png&pos_id=img-3im2gicr-1698838611908
注意:

  • 与反馈相关的所有计算都是针对状态 s2 和 s3 计算的。

  • 在实施过程中,我们维护一个列表:state_sequence。它包含人员从状态 s1s3 再回到 s1 时的一系列状态。state_sequence 中的最大状态数 为 3 ([s2**, s3, s2]**)。此列表确定是否执行正确或不正确的深蹲。

一旦遇到状态 s1,我们将state_sequence重新初始化为空列表,以便进行后续的深蹲计数。

姿态识别+康复训练矫正+代码+部署(AI 健身教练来分析深蹲等姿态),人工智能,姿态矫正,姿态识别,代码部署,ai健身教练姿态矫正

设计应用程序时的关键概念

角度计算

3 点之间的角度,其中 1 个是参考点,如下所示。

姿态识别+康复训练矫正+代码+部署(AI 健身教练来分析深蹲等姿态),人工智能,姿态矫正,姿态识别,代码部署,ai健身教练姿态矫正

该等式由下式给出:
姿态识别+康复训练矫正+代码+部署(AI 健身教练来分析深蹲等姿态),人工智能,姿态矫正,姿态识别,代码部署,ai健身教练姿态矫正

例如,要计算偏移角,我们将找到鼻子和肩膀之间的角度,鼻子的坐标是参考点。

姿态识别+康复训练矫正+代码+部署(AI 健身教练来分析深蹲等姿态),人工智能,姿态矫正,姿态识别,代码部署,ai健身教练姿态矫正

偏移角度超过某个OFFSET_THRESH时,我们假设该人面向相机前方,并显示相应的警告消息。

同样,可以参考下图来计算肩臀线与垂直线之间的夹角.

姿态识别+康复训练矫正+代码+部署(AI 健身教练来分析深蹲等姿态),人工智能,姿态矫正,姿态识别,代码部署,ai健身教练姿态矫正

AI Fitness Trainer 应用程序的反馈操作

我们的应用程序应提供五条反馈消息,而一条执行深蹲,即:

  1. 向前弯曲
  2. 向后弯曲
  3. 降低臀部
  4. 膝盖从脚趾上掉下来
  5. 深蹲
  • 当髋部与髋部的垂直角度(即肩髋线与垂直线之间的夹角)低于阈值(例如 20°)时,将显示反馈 1,如下图所示。

姿态识别+康复训练矫正+代码+部署(AI 健身教练来分析深蹲等姿态),人工智能,姿态矫正,姿态识别,代码部署,ai健身教练姿态矫正

当髋部垂直角度高于阈值(例如 45°)时,将显示反馈 2, 如下所示

姿态识别+康复训练矫正+代码+部署(AI 健身教练来分析深蹲等姿态),人工智能,姿态矫正,姿态识别,代码部署,ai健身教练姿态矫正

# 代码与部署

环境安装

unzip myproject.zip
cd my_project
conda create -n pose python =3.9
pip install -r requirements.txt

脚本运行

python run.py

总结

到目前为止,我们已经展示了如何使用 姿态识别解决方案构建一个简单的应用程序来分析深蹲。该应用程序的关键组件包括:

  • 计算角度,例如肩-髋、髋-膝和膝-踝线及其相应的垂直线。
  • 我们保持各种状态以显示适当的反馈并区分正确和不适当的深蹲。
  • 计算重置相应计数器期间的非活动状态。

该应用程序假设该人应保持相机的良好侧视图。如果一个人完全面对镜头前,我们会显示适当的警告信息。文章来源地址https://www.toymoban.com/news/detail-741640.html

到了这里,关于姿态识别+康复训练矫正+代码+部署(AI 健身教练来分析深蹲等姿态)的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • 计算机视觉之姿态识别(原理+代码实操)

    •人体分割使用的方法可以大体分为人体骨骼关键点检测、语义分割等方式实现。这里主要分析与姿态相关的人体骨骼关键点检测。人体骨骼关键点检测输出是人体的骨架信息,一般主要作为人体姿态识别的基础部分,主要用于分割、对齐等。一般实现流程为: •主要检测人

    2023年04月16日
    浏览(36)
  • 【一步步开发AI运动小程序】八、利用body-calc进行姿态识别

    随着人工智能技术的不断发展,阿里体育等IT大厂,推出的“乐动力”、“天天跳绳”AI运动APP,让 云上运动会、线上运动会、健身打卡、AI体育指导 等概念空前火热。那么,能否将这些在APP成功应用的场景搬上小程序,分享这些概念的红利呢?本系列文章就带您一步一步从

    2024年02月06日
    浏览(41)
  • 基于OpenCV+Keras+tensorflow 实现的变电站作业管控平台源代码。含人脸识别考勤,移动目标跟踪,越线检测,安全措施检测,姿态识别等功能

    #综述 使用该作业现场安全生产智能管控平台来实现变电站的安全生产的智能化管理,通过人脸识别功能进行人员的考勤; 通过人员、车辆的检测和识别来实现变电站的智能化管理;通过安全行为识别和安全区域报警功能来实现对变电站内人员和设备安全的监督; 完整代码下

    2024年02月10日
    浏览(42)
  • k210部署自行训练的口罩识别模型

    因为培训需要,开坑K210,前后忙活了3天终于把自行训练的口罩模型部署成功了,实测还行,分享一下经(ni)验(keng): 本人学过一段时间python,见过别人玩开源硬件(没动过手),接触过一点人工智能项目的理论知识(观课议课),先自己体验一下半个项目的过程。 1.资

    2023年04月09日
    浏览(44)
  • Pytorch实现动物识别(含动物数据集和训练代码)

    目录 动物数据集+动物分类识别训练代码(Pytorch) 1. 前言 2. Animals-Dataset动物数据集说明 (1)Animals90动物数据集 (2)Animals10动物数据集 (3)自定义数据集 3. 动物分类识别模型训练 (1)项目安装 (2)准备Train和Test数据 (3)配置文件: config.yaml (4)开始训练 (5)可视化训

    2024年02月02日
    浏览(123)
  • OpenCV与AI深度学习 | 实战 | YOLOv8自定义数据集训练实现手势识别 (标注+训练+预测 保姆级教程)

    本文来源公众号 “OpenCV与AI深度学习” ,仅用于学术分享,侵权删,干货满满。 原文链接:实战 | YOLOv8自定义数据集训练实现手势识别 (标注+训练+预测 保姆级教程)     本文将手把手教你用YoloV8训练自己的数据集并实现手势识别。 【1】安装torch, torchvision对应版本,这里先

    2024年04月23日
    浏览(79)
  • Pytorch实现鸟类品种分类识别(含训练代码和鸟类数据集)

    目录 Pytorch实现鸟类识别(含训练代码和鸟类数据集) 1. 前言 2. 鸟类数据集 (1)Bird-Dataset26 (2)自定义数据集 3. 鸟类分类识别模型训练 (1)项目安装 (2)准备Train和Test数据 (3)配置文件:​config.yaml​ (4)开始训练 (5)可视化训练过程 (6)一些优化建议 (7) 一些运

    2024年02月09日
    浏览(61)
  • Tensorflow车牌识别完整项目(含完整源代码及训练集)

    基于TensorFlow的车牌识别系统设计与实现,运用tensorflow和OpenCV的相关技术,实现车牌的定位、车牌的二值化、车牌去噪增强、图片的分割,模型的训练和车牌的识别等 项目问题,毕设,大创可私聊博主 目录 环境准备 思路流程 功能描述 细节阐述 项目总体框架 过程展示 技术

    2024年02月02日
    浏览(40)
  • 【AI】yolov5:数据下载、图像标注、训练、预测等,超详细笔记;pytorch转onnx再转TensorRT;训练识别口罩

    https://gitcode.net/mirrors/ultralytics/yolov5/ 1)安装pytorch 2)安装cudnn 3)下载yolov5源码: 4)安装yolov5依赖

    2024年02月15日
    浏览(44)
  • 视频与AI,与进程交互(二) pytorch 极简训练自己的数据集并识别

    检测出已经分割出的图像的分类 pytorch 非常简单就可以做到训练和加载 如上图所示,用来训练的文件放在了train中,验证的文件放在val中,train.txt 和 val.txt 分别放文件名称和分类类别,然后我们在代码中写名字就行 里面我就为了做一个例子,放了两种文件,1 是 卡宴保时捷

    2024年02月10日
    浏览(44)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包