AI FinessTrainer

使用 YOLOv8-pose 的 AI-FitnessTrainer ？️

在当今世界，健康的生活方式变得越来越重要，人们对体育活动的兴趣也随之增长。然而，对于许多人来说，获得该领域的经验和知识可能是一项具有挑战性的任务。在此背景下，人工智能（AI）在体育领域的应用成为运动队和运动员个人成功训练、分析和发展的关键要素。

该存储库提供了一组工具来帮助您提高以下练习的技术：前蹲、宽臂俯卧撑、二头肌俯卧撑、反向俯卧撑。这款智能助手实时分析您的技术，使用人工智能模型 (yolov8-pose) 评估您的姿势，并为您提供有关姿势的反馈。

还添加了正确完成组数和所谓正确执行练习的尝试的计数器。这将帮助您更好地了解您的锻炼统计数据。

关于姿态估计模型和使用的数据集

该项目使用经过训练的 YOLOv8m-pose 模型。但是，您可以使用另外 2 个经过训练的模型的权重：分别位于models/yolo和models/yolo2文件夹中的 YOLOv8n-pose 和 YOLOv8s-pose，但这些结果比 YOLOv8m-pose 更差。

这些模型是在 COCO 姿势类型数据上训练的姿势检测模型。该数据集包括 17 个关键点。为了清楚起见，下面是一个标记图像。

有关该数据集的更多信息可以在此处找到：COCO-Human-Pose 和 Ultralytics：COCO-Pose 数据集。

如何使用

1. 克隆存储库。

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

2. 安装要求。

pip install -r requirements.txt

3. 运行脚本。

python manual.py 

4. 可以使用streamlit运行该项目。

streamlit run app/live.py

5. 如果你想通过docker来运行项目。文档 使用 Docker 部署 Streamlit。

docker build -t streamlit .

docker-compose up -d

项目路线图

• 训练人体姿势估计模型。

• 将模型集成到项目中，处理关键点。

• 添加主要肌肉群的练习。

• 为接近和尝试添加计数器。

• 在本地运行或通过浏览器运行（streamlit）。

• 通过 Docker 启动。

一些想法

该项目还不是完全完成的版本，因此仍然可以最终确定。

以下是关于如何改进该项目的一些想法：

• 添加更多练习。

• 向程序添加更多统计信息。

• 添加网络/移动应用程序。

• 添加声音伴奏。

• 将项目转换为 .exe 文件。