VolgendeVolgende gids
Hoe u menu's en borden kunt vertalen met uw telefooncamera
Visuele AI
Visuele AI-GIDS
Hoe u uw trainingsformulier kunt controleren met AI
AI-apps voor vormcontrole maken gebruik van pose-schatting: een computervisiemodel vindt punten zoals je schouders, heupen, knieën en enkels in elk videoframe en meet de gewrichtshoeken om zaken als squatdiepte, tempo en symmetrie te beoordelen.
Op deze pagina4 minuten lezen
Overzicht
Ze geven nuttige, goedkope feedback over duidelijke fouten. Maar een enkele camera mist diepte, positie van de wervelkolom en ondersteuning, dus pijn, revalidatie of zwaar tillen vereisen nog steeds een gekwalificeerde coach of fysiotherapeut.
Diepe duik
Pose-schatting is de kerntechnologie. Een neuraal netwerk kijkt naar elk videoframe en voert coördinaten uit voor lichaamsoriëntatiepunten, sleutelpunten genoemd. OpenPose, uitgebracht door Carnegie Mellon-onderzoekers in 2017, maakte realtime schatting van poses van meerdere personen algemeen beschikbaar. Google's MediaPipe Pose volgt 33 oriëntatiepunten en MoveNet voorspelt 17 sleutelpunten in het gebruikelijke COCO-formaat. Het Vision-framework van Apple omvat ook detectie van lichaamshoudingen. Formulier-apps bouwen voort op modellen als deze. Ze verbinden de sleutelpunten tot een stokfiguur, berekenen hoeken bij de knie, heup en elleboog en vergelijken deze met drempelwaarden, bijvoorbeeld of de heup onder de knie zakt. Dit werkt goed voor dingen die een camera duidelijk kan zien: squatdiepte vanaf de zijkant, aantal herhalingen, tempo, verschillen tussen links en rechts en grote fouten zoals push-ups op halve afstand. Voor anderen werkt het slecht. Eén camera produceert een vlak beeld, dus beweging naar of van de lens af is moeilijk te meten. De naar binnen gebogen knieën zijn vanaf de zijkant bijna onzichtbaar, terwijl de diepte vanaf de voorkant moeilijk te beoordelen is. Kleine veranderingen in de positie van de wervelkolom, de brace, de ademhaling, de druk door de voeten en de grip zijn grotendeels onzichtbaar. Het staafpad heeft afzonderlijke objecttracering nodig. Losse kleding, een squatrek of borden die het zicht belemmeren, slechte verlichting en snelle bewegingen maken de kernpunten minder nauwkeurig. De belangrijkste misvatting is dat een app met ‘goede vorm’ betekent dat de lift veilig is. De drempels zijn generiek en de lichamen van mensen verschillen. Een lifter met lange dijbeenderen heeft mogelijk meer voorover leunen nodig om goed te kunnen hurken, en de mobiliteit van de enkel verandert wat werkt. De app kent uw blessuregeschiedenis niet en ook niet hoe zwaar het gewicht aanvoelt. Voor betere resultaten plaatst u de camera op een stabiele ondergrond, ongeveer op heuphoogte, houdt u uw hele lichaam in beeld en filmt u vanaf de zijkant en de voorkant. Raadpleeg een coach als u pijn voelt, als u zware halterliften leert, tijdens revalidatie of als u geen vooruitgang meer boekt.
Strategische impact
Snelheid en schaal
Visuele AI kan inspectie-, detectie- en taggingtaken op schaal automatiseren.
Bouwkeuzes
Creatieve teams kunnen concepten sneller prototypen met minder handmatige revisies.
Team en workflow
Bij bewerkingen kan gebruik worden gemaakt van beeld- en videosignalen die voorheen moeilijk te verwerken waren.
De toekomst van hoe u uw trainingsformulier kunt controleren met AI
Pose-modellen worden steeds nauwkeuriger en efficiënter genoeg om op telefoons te draaien, en het combineren van video met andere gegevens, zoals dieptesensoren of draagbare bewegingssensoren, kan helpen bij wat een enkele camera niet kan zien. Er is nog steeds behoefte aan beter bewijs of app-feedback daadwerkelijk blessures vermindert of de techniek verbetert. Het is redelijk om te verwachten dat apps meer oefeningen afhandelen en hun feedback duidelijker uitleggen. Het is minder redelijk om van hen te verwachten dat ze een getrainde professional vervangen die uw bewegingen vanuit elke hoek kan bekijken, naar pijn kan vragen en het plan kan aanpassen.
Implementatie in de echte wereld
Een homelifter filmt squats vanaf de zijkant met de telefoon op heuphoogte. De app meldt dat hun heupen bij de meeste herhalingen boven knieniveau stoppen, dus werken ze aan het bereiken van diepte met lichter gewicht.
Volgens de app van een lifter zien hun squats er prima uit, maar als ze vanaf de voorkant filmen, zakken hun knieën duidelijk naar binnen. Dat is een probleem dat het zijaanzicht niet kon laten zien.
Een beginner gebruikt de herhalingsteller van een app tijdens push-ups en merkt dat hij herhalingen mist wanneer zijn losse hoodie zijn ellebogen verbergt. Ze stappen over op een passend blad en betere verlichting.
Iemand die terugkeert van een rugblessure gebruikt een app om het aantal herhalingen tussen fysiotherapiebezoeken te tellen. Ze laten de therapeut, en niet de app, beslissen wanneer er gewicht moet worden toegevoegd.
Risico's en vangrails
Beeldrechten en toestemming kunnen juridische risico's worden als de herkomst onduidelijk is.
De prestaties van modellen kunnen variëren afhankelijk van de belichting, demografische gegevens en omgevingen.
Valse positieve resultaten kunnen onopgemerkt blijven, tenzij de vertrouwensdrempels worden gecontroleerd.
Implementatie routekaart
Definieer acceptatiecriteria voor precisie-, terugroep- en foutkosten.
Test met gegevens die overeenkomen met echte productieomstandigheden.
Voeg menselijke beoordeling toe voor voorspellingen met weinig vertrouwen of hoge impact.
Volg modelafwijkingen en valideer opnieuw na wijzigingen in de camera of dataset.
Blijf verkennen
Free newsletter
Get the daily AI briefing
Three verified AI stories every weekday morning, written in plain English. Free forever, no ads.
One email each weekday. Unsubscribe in one click. We never sell or share your address.
Test yourself
Take the How to Check Your Exercise Form With AI quiz
Instant feedback on every answer, and a shareable certificate with a verifiable ID once you pass a course.
Support free AI education. AI Understanding is a 501(c)(3) nonprofit — no ads, no paywall, ever. Make a donation
Veelgestelde vragen
Wat is hoe u uw trainingsformulier kunt controleren met AI?
AI-apps voor vormcontrole maken gebruik van pose-schatting: een computervisiemodel vindt punten zoals je schouders, heupen, knieën en enkels in elk videoframe en meet de gewrichtshoeken om zaken als squatdiepte, tempo en symmetrie te beoordelen. Ze geven nuttige, goedkope feedback over duidelijke fouten. Maar een enkele camera mist diepte, positie van de wervelkolom en ondersteuning, dus pijn, revalidatie of zwaar tillen vereisen nog steeds een gekwalificeerde coach of fysiotherapeut.
Wat levert een pose-schattingsmodel op voor elk videoframe?
Pose-modellen vinden belangrijke punten zoals schouders, heupen, knieën en enkels. Apps verbinden ze vervolgens en meten hoeken.
Hoeveel oriëntatiepunten volgt de MediaPipe Pose van Google volgens de gids?
MediaPipe Pose volgt 33 oriëntatiepunten. MoveNet voorspelt 17 keypoints in het COCO-formaat.
Waarom kan een app die vanaf de zijkant filmt, naar binnen buigende knieën missen?
Een enkele camera geeft een vlak beeld, waardoor bewegingen naar of van de lens af zijn moeilijk te zien. Er is een vooraanzicht nodig.
Welk probleem is volgens de gids grotendeels onzichtbaar voor een app met één camera?
Interne factoren zoals braces, ademhaling en voetdruk, samen met kleine veranderingen in de positie van de wervelkolom, kunnen niet op betrouwbare wijze worden waargenomen in videokeypoints.
Waarom zegt de gids dat 'goede vorm' van een app de veiligheid niet garandeert?
Generieke drempelwaarden kunnen geen rekening houden met individuele lichamen, blessuregeschiedenis of hoe zwaar het gewicht aanvoelt.
Blijf leren
Gerelateerde gidsen
Er zijn meer handleidingen voor dit onderwerp geselecteerd