AI FinessTrainer

使用 YOLOv8-pose 的 AI-FitnessTrainer ？

在當今世界，健康的生活方式變得越來越重要，人們對體育活動的興趣也隨之增長。然而，對於許多人來說，獲得該領域的經驗和知識可能是一項具有挑戰性的任務。在此背景下，人工智慧（AI）在運動領域的應用成為運動團隊和運動員個人成功訓練、分析和發展的關鍵要素。

此儲存庫提供了一組工具來幫助您改善以下練習的技巧：前蹲、寬臂俯臥撐、二頭肌俯臥撐、反向俯臥撐。這款智慧助理即時分析您的技術，使用人工智慧模型 (yolov8-pose) 評估您的姿勢，並為您提供有關姿勢的回饋。

還添加了正確完成組數和所謂正確執行練習的嘗試的計數器。這將幫助您更好地了解您的鍛鍊統計數據。

關於姿態估計模型和使用的資料集

該項目使用經過訓練的 YOLOv8m-pose 模型。但是，您可以使用另外 2 個經過訓練的模型的權重：分別位於models/yolo和models/yolo2資料夾中的 YOLOv8n-pose 和 YOLOv8s-pose，但這些結果比 YOLOv8m-pose 更差。

這些模型是在 COCO 姿勢類型資料上訓練的姿勢檢測模型。該資料集包括 17 個關鍵點。為了清楚起見，下面是一個標記圖像。

有關該資料集的更多資訊可以在此處找到：COCO-Human-Pose 和 Ultralytics：COCO-Pose 資料集。

如何使用

1. 克隆存儲庫。

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

2. 安裝要求。

pip install -r requirements.txt

3. 運行腳本。

python manual.py 

4. 可以使用streamlit運行該項目。

streamlit run app/live.py

5. 如果你想透過docker來運行專案。文件 使用 Docker 部署 Streamlit。

docker build -t streamlit .

docker-compose up -d

專案路線圖

• 訓練人體姿勢估計模型。

• 將模型整合到專案中，處理關鍵點。

• 加入主要肌肉群的運動。

• 為接近和嘗試添加計數器。

• 在本地運行或透過瀏覽器運行（streamlit）。

• 透過 Docker 啟動。

一些想法

該項目還不是完全完成的版本，因此仍然可以最終確定。

以下是關於如何改進該專案的一些想法：

• 增加更多練習。

• 為程式添加更多統計資料。

• 新增網路/行動應用程式。

• 添加聲音伴奏。

• 將項目轉換為 .exe 檔案。