基于计算机视觉和机器学习的智能哑铃深蹲教练系统研究
计算机视觉与模式识别
2025-04-01 v1 人工智能
图像与视频处理
摘要
目的：研究表明力量训练可在任何年龄段降低慢性病和身体衰退的发生率。因此，拥有一种运动诊断系统对于独自训练至关重要。因此，本研究开发了一种基于人人工智能和计算机视觉的哑铃深蹲教练系统，具备实时模式，可在每次深蹲后立即诊断问题并提供反馈。此外，重播模式允许用户检查之前的深蹲并查看评论。最初，确定了哑铃深蹲的四个主要特征：身体关节角度、足踝屈背、膝盖至髋部运动比例以及哑铃稳定性。方法：我们收集了来自 77 名参与者的 8,151 次深蹲，将其分类为良好深蹲和六种问题。然后，我们使用三种机器学习架构训练诊断模型。此外，本研究应用 SHapley 叠加解释（SHAP）方法来提高问题预测的准确性，并通过特征选择减少计算时间。结果：六种问题的 F1 分数分别达到 86.86%、69.01%、77.42%、90.74%、95.83% 和 100%。每次深蹲诊断耗时不足 0.5 秒。最后，本研究 examination of the proposed system 的疗效，针对接受该系统训练和不接受该系统训练的两组参与者进行了比较。随后，使用该系统训练的参与者在其深蹲技术方面表现出显著的改善，无论是凭借该系统自身还是由专业的举重教练评估，都显示出显著的改善。结论：本研究是一项综合性研究，集成了人工智能、计算机视觉和多变量处理技术，旨在构建一个实时、用户友好的哑铃深蹲反馈和训练系统。
引用
@article{arxiv.2503.23731,
title = {Investigation of intelligent barbell squat coaching system based on computer vision and machine learning},
author = {Yinq-Rong Chern and Yuhao Lee and Hsiao-Ching Lin and Guan-Ting Chen and Ying-Hsien Chen and Fu-Sung Lin and Chih-Yao Chuang and Jenn-Jier James Lien and Chih-Hsien Huang},
journal= {arXiv preprint arXiv:2503.23731},
year = {2025}
}