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。
-
身体姿态估计
-
用于姿势分析的正面和侧视图的直觉]
-
姿势构建 AI 健身教练来分析深蹲
-
深蹲时的状态图解释]
-
AI Fitness Trainer 的应用流程]
-
设计应用程序时的关键概念
- 角度计算
- AI Fitness Trainer 应用程序的反馈操作](
- 计算非活动时间]
-
AI Fitness Trainer 应用程序中的测试用例]
-
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。
我们将考虑髋-膝、膝-踝和肩-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。
用于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！
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。
我们将考虑髋-膝、膝-踝和肩-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。
- 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。
我们将处理应用程序的三种状态：s1、s2 和 s3。
-
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。
?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 s1 到 s3 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。
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。
该等式由下式给出：
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。
当偏移角度超过某个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.
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：
- 向前弯曲
- 向后弯曲
- 降低臀部
- 膝盖从脚趾上掉下来
- 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。
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
# 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：文章来源：https://www.toymoban.com/news/detail-741640.html
- 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！
