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。

![外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传](https://img-home.csdnimg.cn/images/20230724024159.png?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.zipcd my_projectconda create -n pose python =3.9pip 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。