Tyrėjai sukūrė naują metodą, kuris sujungia vaizdo įrašą iš šiluminių kamerų su AI pagrįstu skaitmeniniu apdorojimu, kad pagerintų sunkiosios atletikos treniruotes. Teikdamas duomenimis pagrįstas įžvalgas, kurios įgalina tikslingas treniruočių ir atsigavimo strategijas, šis metodas gali padėti optimizuoti našumą ir saugumą įvairiose sporto ir pratimų srityse.
Šiluminiai arba infraraudonųjų spindulių vaizdai gali suteikti vertingos informacijos sportui ir sveikatai, nes stebi raumenų aktyvumą ir aptinka įtempimo ar nuovargio vietas. Ši informacija gali būti naudojama siekiant išvengti traumų, stebėti šilumines reakcijas ir kiekybiškai įvertinti fizinius pratimus, galiausiai padedant sportininkams tobulinti savo įgūdžius. Tačiau dauguma dabartinių metodų naudoja momentines nuotraukas prieš ir po, o tai suteikia tik ribotą vaizdą apie sudėtingą kūno viduje vykstančią dinamiką.
„Mes sukūrėme metodą, kuris analizuoja visą terminį vaizdo įrašą ir automatiškai gauna atitinkamus parametrus“, – sakė tyrimų grupės vadovė Laura Viafora iš Čilės Koncepcióno universiteto. „Nuolat analizuodami visą judesį, o ne tik konkrečias akimirkas, galime stebėti temperatūros kitimo progresą realiuoju laiku ir suprasti, kas vyksta viso pratimo metu.
Žurnale Taikomoji optikamokslininkai rodo, kad naujasis metodas gali būti naudojamas stebėti raumenų apkrovą svarmenų kilnojimo metu naudojant vaizdus iš nebrangios šiluminės kameros, prijungtos prie išmaniojo telefono, arba aukščiausios klasės šiluminio įrenginio, suteikiančio lankstumo ir prieinamumo įvairiems treniruočių poreikiams. Straipsnis pavadintas „Infraraudonųjų spindulių vaizdavimo technika sunkiosios atletikos pratimų įvertinimui“.
„Mūsų tikslas – toliau plėtoti šią koncepciją, kad ją galėtų naudoti sportininkai ir treneriai“, – sakė Viafora. „Taip pat siekiame patobulinti šią technologiją pritaikymui sveikatos priežiūros srityje, pateikdami specialistams šiluminius duomenis ir informaciją apie kūno padėtį, kuri galėtų prisidėti prie efektyvesnės reabilitacijos po ligos ar traumos.
Vaizdų pavertimas įžvalgomis
Tokioje sporto šakoje kaip sunkioji atletika sportininkai ir treneriai gali gauti daug naudingos informacijos, stebėdami nedidelius temperatūros ir kūno padėties pokyčius pratimo metu. Norėdami tai padaryti, mokslininkai sukūrė duomenų apdorojimo algoritmus, o tada naudojo „Google MediaPipe” dirbtinio intelekto programinę įrangą, kad atpažintų asmenis ir jų kūno dalis vaizduose ir išgautų reikiamą informaciją.
Norėdami gauti temperatūros duomenis, mokslininkai nustatė dominančią kūno dalį ir tada pavertė pikselių spalvų informaciją į temperatūros reikšmes. Informacijai apie padėtį buvo nustatyti pagrindiniai jungčių taškai ir naudojami atitinkamiems kampams apskaičiuoti.
Galiausiai, norėdami ištirti štangos judesį, jie aptiko scenoje esančias svarmenų plokštes ir kiekviename kadre įrašė jų centrinių taškų vietas. Kartodami šį procesą visiems kadrams, mokslininkai galėjo sukurti grafikus ir vaizdus po kadro, stebinčius padėties ir temperatūros pokyčius viso pratimo metu.
Norėdami išbandyti naująjį metodą, jie fiksavo sportininkus naudodami žemos klasės šiluminę kamerą, prijungtą prie išmaniojo telefono, aukščiausios klasės autonominę šilumos kamerą ir įprastą kamerą. Šis metodas leido jiems palyginti rezultatus naudojant įvairias kameras ir įvertinti kūno aptikimo bei kampo įvertinimo efektyvumą. Visi vaizdo įrašai, gauti naudojant įvairias kameras, buvo įkelti į kompiuterį analizei.
Šie pirminiai bandymai parodė teigiamus rezultatus, rodančius, kad naujasis metodas gali būti naudojamas generuojant spalvotai pažymėtą šiluminių vaizdų seką iš kelių kamerų tipų, taip pat ataskaitoms apie kūno dalių padėtis, kurios gali būti naudingos nukreipiant sportininkus į saugesnes ir efektyvesnes priemones. praktikos.
Aptikimo optimizavimas
Skirtingi fotoaparatų tipai turėjo tam tikrų apribojimų. Pavyzdžiui, abiejų tipų šiluminės kameros puikiai atskyrė sportininko kūną nuo fono, tačiau tai buvo sudėtingiau naudojant įprastą kamerą.
Šiluminės kameros kokybė taip pat turėjo įtakos išankstiniam aptikimui, pabrėždama, kaip svarbu parinkti reikiamą tikslumo lygį atitinkančią įrangą. Kai kuriuos judesius taip pat buvo sunku aptikti, pavyzdžiui, kai sportininkas buvo susisukęs arba svoris uždengė kūną.
„Šiluminių vaizdų naudojimas visam judesiui nuolat analizuoti leidžia mums gauti ne tik padėties duomenis viso pratimo metu, bet ir informaciją apie kūno temperatūrą“, – sakė Viafora.
„Matome, ar viena kūno pusė yra labiau apkrauta nei kita, o šiluminiai vaizdai leidžia lengviau atpažinti asmenis, palyginti su įprastais vaizdais, kuriuos gali įtakoti fono spalvos, drabužiai ir odos atspalvis.
Dabar, kai jie įrodė šio metodo pagrįstumą, mokslininkai norėtų naudoti šį metodą įvairių disciplinų, įskaitant įprastą ir parolimpinį sportą, atletų vaizdams analizuoti.
Jie taip pat stengiasi patobulinti savo algoritmą, kad jis galėtų teikti vartotojams naudingą informaciją. Pavyzdžiui, jei sportininkas pakelia ranką, sistema realiuoju laiku gali pateikti grįžtamąjį ryšį, ar judesys buvo atliktas teisingai.