كيفية التحقق من نموذج التمرين الخاص بك باستخدام الذكاء الاصطناعي

تقدير الوضع هو التكنولوجيا الأساسية. تنظر الشبكة العصبية إلى كل إطار فيديو وتخرج إحداثيات معالم الجسم، والتي تسمى نقاط المفاتيح. OpenPose، الذي أصدره باحثون من جامعة كارنيجي ميلون في عام 2017، جعل تقدير وضعية الأشخاص المتعددين في الوقت الفعلي متاحًا على نطاق واسع. يتتبع MediaPipe Pose الخاص بـ Google 33 معلمًا، ويتنبأ MoveNet بـ 17 نقطة رئيسية في تنسيق COCO الشائع. يتضمن إطار رؤية Apple أيضًا اكتشاف وضعية الجسم. تعتمد تطبيقات النماذج على نماذج مثل هذه. يقومون بتوصيل نقاط المفاتيح في شكل عصا، ويحسبون الزوايا عند الركبة والورك والمرفق، ويقارنونها بالعتبات، مثل ما إذا كان الورك قد انخفض إلى ما دون الركبة. يعمل هذا جيدًا مع الأشياء التي يمكن للكاميرا رؤيتها بوضوح: عمق القرفصاء من الجانب، وعدد التكرارات، والإيقاع، والاختلافات بين اليسار واليمين، والأخطاء الكبيرة مثل تمارين الضغط بنصف المدى. إنه يعمل بشكل سيئ بالنسبة للآخرين. تنتج كاميرا واحدة صورة مسطحة، لذا يصعب قياس الحركة تجاه العدسة أو بعيدًا عنها. تكون الركبتان المنحنيتان إلى الداخل غير مرئية تقريبًا من الجانب، بينما يصعب الحكم على العمق من الأمام. التغييرات الصغيرة في وضع العمود الفقري، والتدعيم، والتنفس، والضغط من خلال القدمين والقبضة تكون في الغالب غير مرئية. يحتاج مسار الشريط إلى تتبع كائن منفصل. الملابس الفضفاضة، ورف القرفصاء أو الألواح التي تحجب الرؤية، والإضاءة الضعيفة والحركات السريعة، كلها عوامل تجعل نقاط المفاتيح أقل دقة. المفهوم الخاطئ الرئيسي هو أن التطبيق الذي يقول "شكل جيد" يعني أن المصعد آمن. والعتبات عامة، وأجساد الناس تختلف. قد يحتاج الرافع ذو عظام الفخذ الطويلة إلى المزيد من الميل إلى الأمام ليجلس في وضع القرفصاء بشكل جيد، كما أن حركة الكاحل تغير ما ينجح. لا يعرف التطبيق تاريخ إصابتك أو مدى ثقل الوزن. للحصول على نتائج أفضل، ضع الكاميرا على سطح ثابت عند ارتفاع الورك تقريبًا، وحافظ على جسمك بالكامل في الإطار، وقم بالتصوير من الجانب والأمام. قم بزيارة المدرب عندما تشعر بالألم، أو عندما تتعلم رفع الأثقال الثقيلة، أو أثناء إعادة التأهيل، أو عندما تتوقف عن إحراز التقدم.