En los últimos años, ingenieros e informáticos han creado una amplia gama de herramientas tecnológicas que pueden mejorar las experiencias de entrenamiento físico, incluidos relojes inteligentes, rastreadores de actividad física, auriculares o audífonos resistentes al sudor, equipos de gimnasia domésticos inteligentes y aplicaciones para teléfonos inteligentes. Los nuevos modelos computacionales de última generación, en particular los algoritmos de aprendizaje profundo, tienen el potencial de mejorar aún más estas herramientas, para que puedan satisfacer mejor las necesidades de los usuarios individuales.

Investigadores de la Universidad de Brescia en Italia desarrollaron recientemente un sistema de visión por computadora para un espejo inteligente que podría mejorar la efectividad del entrenamiento físico tanto en el hogar como en el gimnasio. Este sistema, presentado en un artículo publicado por la Sociedad Internacional de Biomecánica en el Deporte, se basa en un algoritmo de aprendizaje profundo entrenado para reconocer gestos humanos en grabaciones de video.

"Nuestro socio comercial ABHorizon inventó el concepto de un producto que puede guiarlo y enseñarlo durante su entrenamiento físico personal", dijo a TechXplore Bernardo Lanza, uno de los investigadores que realizó el estudio. "Este dispositivo puede mostrarle la mejor forma de entrenar según sus necesidades específicas. Para seguir desarrollando este dispositivo, nos pidieron que investigáramos la viabilidad de un sistema de visión integrado para la evaluación del ejercicio".

El sistema de visión por computadora de bajo costo desarrollado por Lanza y sus colegas utiliza un algoritmo de esqueletización (es decir, un algoritmo de aprendizaje profundo que puede obtener esqueletos a partir de imágenes), que se ejecuta en un dispositivo integrado Nvidia Jetson Nano con dos cámaras de ojo de pez. Como parte de su estudio, los investigadores entrenaron este sistema para procesar y detectar movimientos humanos en las imágenes de video capturadas por las dos cámaras de ojo de pez.

“Un sistema de visión, como el que desarrollamos, puede extraer información de las imágenes por medio de un algoritmo de IA”, dijo Lanza. "Nuestro artículo más reciente demuestra la precisión de nuestro sistema en la medición de los movimientos de los brazos en ejercicios simples de acondicionamiento físico, como el curl de bíceps".

En uno de sus estudios anteriores, los investigadores presentaron un diseño de software que podría usarse para crear un prototipo integral del espejo de fitness inteligente imaginado por AB-Horizon. Su objetivo era producir un dispositivo con costos de producción, un alto rendimiento y un bajo consumo de energía.

“La principal ventaja de nuestro sistema es la ausencia de objetos en contacto con el usuario”, explica Lanza. "Con cámaras y aplicaciones de inteligencia artificial, entendemos y evaluamos el movimiento del cuerpo, detectamos errores posturales y analizamos ejercicios físicos simples. Actualmente, nuestro análisis del sistema se basa en variables corporales simples (ángulo del codo, posición de la mano...), pero estamos trabajando para mejorar la evaluación. capacidad de la máquina".

Idealmente, el espejo inteligente que Lanza y sus colegas están ayudando a diseñar sería capaz de evaluar los ejercicios físicos de manera similar a los entrenadores personales humanos o incluso de formas más completas. Por ejemplo, podría permitir a los usuarios llevar la cuenta de las repeticiones que realizaron para ejercicios específicos, al mismo tiempo que detectan el movimiento fundamental (por ejemplo, tracción, flexión, rotación, etc.) de diferentes partes del cuerpo.

Toda la información relacionada con el estado físico detectada y calculada por el espejo se muestra en él, cambiando en tiempo real, para que los usuarios puedan realizar un seguimiento de ella durante los entrenamientos o utilizarla para mejorar su rendimiento de entrenamiento. Lanza y sus colegas evaluaron su sistema de visión por computadora en una serie de pruebas, centrándose particularmente en su capacidad para rastrear y hacer predicciones de estado físico mientras los usuarios realizaban flexiones de bíceps.

"Evaluamos la precisión del sistema de visión para comprender las diferentes fases de un ejercicio", dijo Lanza. "En los análisis biomecánicos tradicionales, la precisión específica de nuestras mediciones no es aceptable, pero analizamos toda una serie temporal de cinemática corporal. Este enfoque nos permite detectar y comprender los ejercicios físicos y sus peculiaridades".

Los investigadores descubrieron que con un software bien diseñado y calibrado, su sistema de visión de bajo costo podría ofrecer datos valiosos relacionados con el estado físico mientras los usuarios realizaban ejercicios físicos simples. Cuando se integra en el espejo inteligente creado por AB-Horizon, el nuevo sistema podría ayudar significativamente a los usuarios que entrenan sin un entrenador supervisor tanto en el hogar como en el gimnasio.

Hasta ahora, Lanza y sus colegas evaluaron principalmente el rendimiento de su sistema por sí mismos. Sin embargo, ahora están creando un prototipo que mostraría los resultados de los análisis de su sistema en una pantalla de espejo inteligente integrada en una máquina de gimnasia motorizada.

“Para este proyecto, colaboramos con AB-Horizon, nuestro socio comercial”, agregó Lanza. "Además de diseñar la maquinaria del gimnasio, nuestro socio integrará el sistema de visión con su prototipo. Su experiencia en la industria del fitness nos permite desarrollar nuestro software utilizando principios atléticos y un entrenador personal de la empresa también nos guía a través del proceso de prueba. Como parte de desarrollos futuros, un evaluador inteligente detectará el ejercicio".

El evaluador inteligente en el que están trabajando Lanza y sus colegas debería ser capaz de interpretar información cualitativa mediante el análisis de datos cinemáticos del cuerpo sin procesar. Para entrenar este modelo, por lo tanto, los investigadores primero recopilarán grandes cantidades de datos durante las pruebas de condición física con atletas y aprendices de condición física menos experimentados. + Explora más

Modelo de datos inteligente para analizar y mejorar el rendimiento de los ciclistas aficionados

© 2022 Red Ciencia X