Nos últimos anos, engenheiros e cientistas da computação criaram uma ampla gama de ferramentas tecnológicas que podem aprimorar as experiências de treinamento físico, incluindo relógios inteligentes, rastreadores de fitness, fones de ouvido ou fones de ouvido resistentes ao suor, equipamentos de ginástica domésticos inteligentes e aplicativos para smartphones. Novos modelos computacionais de última geração, particularmente algoritmos de aprendizado profundo, têm o potencial de melhorar ainda mais essas ferramentas, para que possam atender melhor às necessidades de usuários individuais.
Pesquisadores da Universidade de Brescia, na Itália, desenvolveram recentemente um sistema de visão computacional para um espelho inteligente que pode melhorar a eficácia do treinamento físico em ambientes domésticos e de academia. Esse sistema, apresentado em um artigo publicado pela International Society of Biomechanics in Sports, é baseado em um algoritmo de aprendizado profundo treinado para reconhecer gestos humanos em gravações de vídeo.

"Nosso parceiro comercial ABHorizon inventou o conceito de um produto que pode orientar e ensinar você durante seu treinamento de condicionamento físico pessoal", disse Bernardo Lanza, um dos pesquisadores que realizaram o estudo, ao TechXplore. "Este dispositivo pode mostrar a você a melhor maneira de treinar com base em suas necessidades específicas. Para desenvolver ainda mais este dispositivo, eles nos pediram para investigar a viabilidade de um sistema de visão integrado para avaliação de exercícios."

O sistema de visão computacional de baixo custo desenvolvido por Lanza e seus colegas utiliza um algoritmo de esqueletização (ou seja, um algoritmo de aprendizado profundo que pode obter esqueletos a partir de imagens), executado em um dispositivo Nvidia Jetson Nano incorporado com duas câmeras fisheye. Como parte de seu estudo, os pesquisadores treinaram esse sistema para processar e detectar movimentos humanos nas imagens de vídeo capturadas pelas duas câmeras olho de peixe.

“Um sistema de visão, como o que desenvolvemos, pode extrair informações de imagens por meio de um algoritmo de IA”, disse Lanza. "Nosso artigo mais recente demonstra a precisão do nosso sistema na medição dos movimentos do braço em exercícios simples de condicionamento físico, como rosca direta de bíceps".

Em um de seus estudos anteriores, os pesquisadores apresentaram um projeto de software que poderia ser usado para criar um protótipo abrangente do espelho de fitness inteligente imaginado pela AB-Horizon. Seu objetivo era produzir um dispositivo com custos de produção, alto desempenho e baixo consumo de energia.

"A principal vantagem do nosso sistema é a ausência de objetos em contato com o usuário", explicou Lanza. "Com câmeras e aplicativos de IA, entendemos e avaliamos o movimento do corpo, detectamos erros posturais e analisamos exercícios simples de condicionamento físico. Atualmente, nossa análise do sistema é baseada em variáveis ​​simples do corpo (ângulo do cotovelo, posição da mão...), mas estamos trabalhando para melhorar a avaliação capacidade da máquina."

O espelho inteligente que Lanza e seus colegas estão ajudando a projetar seria idealmente capaz de avaliar exercícios de condicionamento físico de maneira semelhante a personal trainers humanos ou de maneiras ainda mais abrangentes. Por exemplo, pode permitir que os usuários mantenham a contagem de repetições que realizaram para exercícios específicos, ao mesmo tempo em que detectam o movimento fundamental (por exemplo, tração, flexão, rotação etc.) de diferentes partes do corpo.

Todas as informações relacionadas ao condicionamento físico detectadas e calculadas pelo espelho são exibidas nele, mudando em tempo real, para que os usuários possam acompanhá-lo durante os treinos ou usá-lo para melhorar seu desempenho no treinamento. Lanza e seus colegas avaliaram seu sistema de visão computacional em uma série de testes, principalmente focando em sua capacidade de rastrear e fazer previsões de condicionamento físico enquanto os usuários realizavam roscas de bíceps.

"Avaliamos a precisão do sistema de visão na compreensão das diferentes fases de um exercício", disse Lanza. "Nas análises biomecânicas tradicionais, a precisão específica de nossas medidas não é aceitável, mas analisamos toda uma série temporal da cinemática corporal. Essa abordagem nos permite detectar e entender os exercícios de condicionamento físico e suas peculiaridades."

Os pesquisadores descobriram que, com um software bem projetado e calibrado, seu sistema de visão de baixo custo poderia oferecer dados valiosos relacionados ao condicionamento físico enquanto os usuários realizavam exercícios simples de condicionamento físico. Quando integrado ao espelho inteligente criado pela AB-Horizon, o novo sistema pode ajudar significativamente os usuários que estão treinando sem um treinador supervisor em ambientes domésticos e de academia.

Até agora, o Lanza e seus colegas avaliaram principalmente o desempenho de seu sistema por conta própria. No entanto, eles agora estão criando um protótipo que exibiria os resultados das análises de seu sistema em uma tela de espelho inteligente integrada a uma máquina de ginástica motorizada.

"Para este projeto, colaboramos com a AB-Horizon, nosso parceiro comercial", acrescentou Lanza. “Além de projetar o maquinário da academia, nosso parceiro integrará o sistema de visão com seu protótipo. Sua experiência no setor de fitness nos permite desenvolver nosso software usando princípios atléticos e um personal trainer da empresa também nos orienta no processo de teste. Como parte de desenvolvimentos futuros, um avaliador inteligente detectará o exercício."

O avaliador inteligente em que Lanza e seus colegas estão trabalhando deve ser capaz de interpretar informações qualitativas analisando dados cinemáticos brutos do corpo. Para treinar esse modelo, portanto, os pesquisadores primeiro coletarão grandes quantidades de dados durante os testes de condicionamento físico com atletas e estagiários de condicionamento físico menos experientes. + Explorar mais

Modelo de dados inteligente para analisar e melhorar o desempenho de ciclistas amadores

© 2022 Science X Network