NesteNeste guide
Hvordan oversette menyer og skilt med telefonkameraet
Visuell AI
Visuell AI GUIDE
Hvordan sjekke treningsskjemaet med AI
AI-formsjekkingsapper bruker positur-estimering: en datasynsmodell finner punkter som skuldre, hofter, knær og ankler i hver videoramme og måler leddvinkler for å bedømme ting som knebøydybde, tempo og symmetri.
På denne siden4 min lesing
Oversikt
De gir nyttige, rimelige tilbakemeldinger på åpenbare feil. Men et enkelt kamera savner dybde, ryggradsposisjon og avstivning, så smerte, rehabilitering eller tunge løft krever fortsatt en kvalifisert trener eller fysioterapeut.
Dypdykk
Pose-estimering er kjerneteknologien. Et nevralt nettverk ser på hver videoramme og sender ut koordinater for kroppslandemerker, kalt nøkkelpunkter. OpenPose, utgitt av Carnegie Mellon-forskere i 2017, gjorde estimering av flere personer i sanntid allment tilgjengelig. Googles MediaPipe Pose sporer 33 landemerker, og MoveNet spår 17 nøkkelpunkter i det vanlige COCO-formatet. Apples Vision-rammeverk inkluderer også kroppsstillingsdeteksjon. Skjemaapper bygger på modeller som disse. De kobler sammen nøkkelpunktene til en pinnefigur, beregner vinkler ved kne, hofte og albue, og sammenligner dem med terskler, for eksempel om hoften falt under kneet. Dette fungerer bra for ting et kamera kan se tydelig: knebøydybde fra siden, antall repetisjoner, tempo, venstre-høyre-forskjeller og store feil som push-ups på halvt hold. Det fungerer dårlig for andre. Et enkelt kamera gir et flatt bilde, så bevegelse mot eller bort fra linsen er vanskelig å måle. Knær som gror innover er nesten usynlige fra siden, mens dybden er vanskelig å bedømme forfra. Små endringer i ryggradsposisjon, avstiving, pust, trykk gjennom føttene og grep er stort sett usynlige. Linjebane trenger separat objektsporing. Løse klær, et knebøy stativ eller plater som blokkerer sikten, dårlig belysning og raske bevegelser gjør alle nøkkelpunkter mindre nøyaktige. Den største misforståelsen er at en app som sier "god form" betyr at heisen er trygg. Tersklene er generiske, og folks kropper er forskjellige. En løfter med lange lårben kan trenge mer fremoverlent for å sitte godt på huk, og ankelmobilitet endrer hva som fungerer. Appen kjenner ikke skadehistorikken din eller hvor tung vekten føles. For bedre resultater, sett kameraet på en stabil overflate i omtrent hoftehøyde, hold hele kroppen i rammen og film fra siden og forsiden. Se en trener når du føler smerte, når du lærer tunge vektstangløft, under rehab, eller når du slutter å gjøre fremskritt.
Strategisk innvirkning
Hastighet og skala
Visual AI kan automatisere inspeksjons-, deteksjons- og merkeoppgaver i stor skala.
Byggevalg
Kreative team kan prototype konsepter raskere med færre manuelle revisjoner.
Team og arbeidsflyt
Operasjoner kan bruke bilde- og videosignaler som tidligere var vanskelige å behandle.
Fremtiden for hvordan du sjekker treningsformen din med AI
Pose-modeller blir stadig mer nøyaktige og effektive nok til å kjøre på telefoner, og å kombinere video med andre data, for eksempel dybdesensorer eller bærbare bevegelsessensorer, kan hjelpe med det et enkelt kamera ikke kan se. Bedre bevis på om app-tilbakemelding faktisk reduserer skader eller forbedrer teknikken er fortsatt nødvendig. Det er rimelig å forvente at apper håndterer flere øvelser og forklarer tilbakemeldingene deres tydeligere. Det er mindre rimelig å forvente at de skal erstatte en utdannet profesjonell som kan se bevegelsene dine fra alle vinkler, spørre om smerte og justere planen.
Real-World Implementering
En hjemmeløfter filmer knebøy fra siden med telefonen i hoftehøyde. Appen rapporterer at hoftene deres stopper over knenivå på de fleste reps, så de jobber med å nå dybden med lettere vekt.
En løfter-app sier at knebøyene deres ser fine ut, men når de filmer forfra, bøyer knærne deres tydelig innover. Det er et problem sidevisningen ikke kunne vise.
En nybegynner bruker appens repeteller under push-ups og merker at den savner reps når den løse hettegenseren skjuler albuene. De bytter til en montert topp og bedre belysning.
Noen som kommer tilbake fra en ryggskade bruker en app til å telle reps mellom fysioterapibesøk. De lar terapeuten, ikke appen, bestemme når de skal legge til vekt.
Risikoer og rekkverk
Bilderettigheter og samtykke kan bli juridiske risikoer hvis herkomst er uklart.
Modellytelsen kan variere på tvers av belysning, demografi og miljøer.
Falske positive kan forbli ubemerket med mindre konfidensgrenser overvåkes.
Veikart for implementering
Definer akseptkriterier for presisjons-, tilbakekallings- og feilkostnader.
Test med data som samsvarer med reelle produksjonsforhold.
Legg til menneskelig vurdering for spådommer med lav selvtillit eller stor innvirkning.
Spor modelldrift og revalider etter endringer i kamera eller datasett.
Fortsett å utforske
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
Ofte stilte spørsmål
Hva er hvordan du sjekker treningsformen din med AI?
AI-formsjekkingsapper bruker positur-estimering: en datasynsmodell finner punkter som skuldre, hofter, knær og ankler i hver videoramme og måler leddvinkler for å bedømme ting som knebøydybde, tempo og symmetri. De gir nyttige, rimelige tilbakemeldinger på åpenbare feil. Men et enkelt kamera savner dybde, ryggradsposisjon og avstivning, så smerte, rehabilitering eller tunge løft krever fortsatt en kvalifisert trener eller fysioterapeut.
Hva gir en poseestimeringsmodell ut for hver videoramme?
Pose-modeller finner nøkkelpunkter som skuldre, hofter, knær og ankler. Apper kobler dem deretter til og måler vinkler.
Hvor mange landemerker sporer Googles MediaPipe Pose, ifølge guiden?
MediaPipe Pose sporer 33 landemerker. MoveNet forutsier 17 nøkkelpunkter i COCO-formatet.
Hvorfor kan en app som filmer fra siden savne knærne som gror innover?
Et enkelt kamera gir et flatt bilde, så bevegelse mot eller bort fra linsen er vanskelig å se. En frontvisning er nødvendig.
Hvilket problem sier guiden er stort sett usynlig for en enkeltkamera-app?
Interne faktorer som avstivning, pust og fottrykk, sammen med små endringer i ryggradsposisjonen, kan ikke ses pålitelig i videonøkkelpunkter.
Hvorfor sier guiden at "god form" fra en app ikke garanterer sikkerhet?
Generiske terskler kan ikke ta hensyn til individuelle kropper, skadehistorikk eller hvor tung vekten føles.
Fortsett å lære
Relaterte guider
Flere guider valgt for dette emnet