AI FinessTrainer
1.0.0
今日の世界では、健康的なライフスタイルの重要性がますます高まっており、それに伴いスポーツ活動への関心も高まっています。ただし、この分野で経験と知識を得るのは、多くの人にとって困難な作業となる可能性があります。これに関連して、スポーツ分野における人工知能 (AI) の適用は、スポーツ チームや個々のアスリートのトレーニング、分析、育成を成功させるための重要な要素になります。
このリポジトリは、フロント スクワット、ワイドアーム プッシュアップ、上腕二頭筋プッシュアップ、リバース プッシュアップのエクササイズのテクニックを向上させるのに役立つ一連のツールを提供します。このインテリジェントなアシスタントは、リアルタイムでテクニックを分析し、AI モデル (yolov8-pose) を使用して姿勢を評価し、フォームに関するフィードバックを提供します。
正しく完了したセットと、いわゆるエクササイズを正しく実行しようとする試みのカウンターも追加されました。これは、運動の統計をより深く理解するのに役立ちます。
このプロジェクトでは、トレーニングされた YOLOv8m ポーズ モデルを使用します。ただし、他の 2 つのトレーニング済みモデル (それぞれmodels/yoloフォルダーとmodels/yolo2フォルダーにある YOLOv8n-pose と YOLOv8s-pose) の重みを使用できますが、これらの結果は YOLOv8m-pose よりも悪くなります。
これらのモデルは、COCO ポーズ型データでトレーニングされた姿勢検出モデルです。このデータセットには 17 のキーポイントが含まれています。わかりやすくするために、以下にマークアップ画像を示します。
データセットの詳細については、COCO-Human-Pose および Ultralytics: COCO-Pose Dataset を参照してください。
リポジトリのクローンを作成します。
git clone https://github.com/KKopilka/AI-FinessTrainer.git
要件をインストールします。
pip install -r requirements.txt
スクリプトを実行します。
python manual.py
streamlit を使用してプロジェクトを実行することが可能です。
streamlit run app/live.py
Docker を介してプロジェクトを実行する場合。ドキュメント Docker を使用して Streamlit をデプロイします。
docker build -t streamlit .
docker-compose up -d
人間の姿勢推定用のモデルをトレーニングします。
モデルをプロジェクトに統合し、重要なポイントを処理します。
主要な筋肉グループのエクササイズを追加します。
アプローチと試行に対するカウンターを追加します。
ローカルまたはブラウザー (streamlit) 経由で実行します。
Docker経由で起動します。
このプロジェクトは完全に完成したバージョンではないため、まだ完成させることができます。
このプロジェクトを改善する方法に関するいくつかのアイデアは次のとおりです。
さらに演習を追加します。
プログラムに統計をさらに追加します。
Web/モバイルアプリを追加します。
サウンド伴奏を追加します。
プロジェクトを .exe ファイルに変換します。
