利用可学习物理实现实时运动姿态建议
人工智能
2023-10-12 v1 人机交互
机器学习
摘要
良好的姿态与动作形式对于安全且高效的锻炼至关重要。即使在健身房环境中,教练也可能无法随时提供反馈。因此,康复疗法与健身训练可受益于能提供实时评估的推荐系统。本文中,我们提出一种算法流程,能够诊断锻炼技术中的问题并提供纠正建议,且具有高灵敏度与特异性的实时表现。我们使用MediaPipe进行姿态识别,利用峰值凸显检测计数重复次数,并使用可学习物理模拟器追踪每项锻炼的运动演化。测试视频基于与典型学习运动的偏差通过统计学习进行诊断。该系统在六项全身与上半身锻炼上进行了评估。这些通过智能手机等低成本设备提供的实时建议,将使锻炼者能够纠正潜在错误,使自主练习可行,同时降低运动损伤风险。
引用
@article{arxiv.2310.07221,
title = {Using Learnable Physics for Real-Time Exercise Form Recommendations},
author = {Abhishek Jaiswal and Gautam Chauhan and Nisheeth Srivastava},
journal= {arXiv preprint arXiv:2310.07221},
year = {2023}
}
备注
Accepted by ACM RecSys '23, 12 pages , 7 Figures