الصفحة الرئيسية>المتعلقة بالبرمجة>شفرة المصدر الأخرى
تنزيل

AI-FitnessTrainer باستخدام YOLOv8-pose ️

ai_trainer

في عالم اليوم، أصبح نمط الحياة الصحي ذا أهمية متزايدة، ومعه يتزايد الاهتمام بالأنشطة الرياضية. ومع ذلك، فإن اكتساب الخبرة والمعرفة في هذا المجال يمكن أن يكون مهمة صعبة لكثير من الناس. وفي هذا السياق، يصبح تطبيق الذكاء الاصطناعي (AI) في قطاع الرياضة عنصرًا أساسيًا في التدريب والتحليل والتطوير الناجح للفرق الرياضية والرياضيين الأفراد.

يوفر هذا المستودع مجموعة من الأدوات التي تساعدك على تحسين أسلوبك في التمارين التالية: القرفصاء الأمامي، تمرين الضغط بذراع واسعة، تمرين العضلة ذات الرأسين، تمرين الضغط العكسي . يقوم هذا المساعد الذكي بتحليل أسلوبك في الوقت الفعلي، ويقيم وضعيتك باستخدام نموذج الذكاء الاصطناعي (yolov8-pose) ويعطيك تعليقات على النموذج الخاص بك.

تمت أيضًا إضافة عداد للمجموعات المكتملة بشكل صحيح وما يسمى بمحاولات أداء التمرين بشكل صحيح. سيساعدك هذا على فهم إحصائيات التمرين بشكل أفضل.

حول نموذج تقدير الوضع ومجموعة البيانات المستخدمة

يستخدم هذا المشروع نموذج YOLOv8m-pose المُدرب. ومع ذلك، يمكنك استخدام أوزان نموذجين مدربين آخرين: YOLOv8n-pose وYOLOv8s-pose الموجودين في مجلدات models/yolo و models/yolo2 على التوالي، ولكن هذه النتائج أسوأ من YOLOv8m-pose.

هذه النماذج عبارة عن نماذج للكشف عن الوضعية يتم تدريبها على البيانات المكتوبة بوضعية COCO. تتضمن مجموعة البيانات هذه 17 نقطة رئيسية. للتوضيح، فيما يلي صورة ترميزية.

كوكو بوز

يمكن العثور على مزيد من المعلومات حول مجموعة البيانات هنا: COCO-Human-Pose وUltralytics: COCO-Pose Dataset.

كيفية الاستخدام

  1. مستودع النسخ. 

git clone https://github.com/KKopilka/AI-FinessTrainer.git

  1. تثبيت المتطلبات. 

pip install -r requirements.txt

  1. قم بتشغيل البرنامج النصي. 

python manual.py 

  1. من الممكن تشغيل المشروع باستخدام Streamlit. 

streamlit run app/live.py

  1. إذا كنت تريد تشغيل المشروع من خلال عامل الإرساء. نشر الوثائق Streamlit باستخدام Docker. 

docker build -t streamlit .
docker-compose up -d

خارطة طريق المشروع

  • تدريب نموذج لتقدير وضعية الإنسان.

  • دمج النموذج في المشروع ومعالجة النقاط الرئيسية.

  • أضف تمارين لمجموعات العضلات الرئيسية.

  • إضافة عداد للمقاربات والمحاولات.

  • تشغيل محليا أو من خلال متصفح (تبسيط).

  • الإطلاق عبر Docker.

بعض الأفكار

هذا المشروع ليس نسخة مكتملة بالكامل، لذلك لا يزال من الممكن الانتهاء منه.

فيما يلي بعض الأفكار حول كيفية تحسين هذا المشروع كما يلي:

  • إضافة المزيد من التمارين.

  • إضافة المزيد من الإحصائيات للبرنامج.

  • إضافة تطبيق ويب/جوال.

  • إضافة مرافقة الصوت.

  • تحويل المشروع إلى ملف exe.

يوسع
معلومات إضافية
تطبيقات ذات صلة
نوصي لك
أخبار ذات صلة الكل