Human Pose Estimation Assisted Fitness Technique Evaluation System

Vektløfting er en populær og effektiv form for styrketrening, men denne metoden kommer også med høy risiko for skade blant nye løftere. Hver person har ulike utfordringer når de skal forbedre løfte-teknikken sin og det er viktig at de får tilbakemeldinger som reflekterer dette. Med stor utvikling innenfor human pose estimation de siste årene, har denne avhandlingen som mål å undersøke hvordan denne teknologien kan bli brukt for å gi verdifull tilbakemelding til brukeren om deres vektløfting teknikk. Dette er en oppgave som innebærer å detektere spesefikke feil ved teknikken som har en tett sammenheng med risiko for skade. Denne avhandlingen presenterer en ny analytisk tilnerming via et utviklet tilbakemeldingssystem der øvelse og vinkel for filming blir automatisk detektert, før de tilhørende teknikkaspektene blir testet for. Dynamic time warping blir brukt for å gjenkjenne øvelsen, mens vektorkalkulasjoner blir utført på human pose estimation dataen for å teste for de ulike problemene relatert til løfteteknikk. Vi demonstrerer at denne metoden er effektiv for å detektere teknikk-realterte feil for flere brukere, øvelser og teknikkaspekter. Resultatet viste gode tall for personer plassert rett fremfor kameraet, mens brukere med siden sin mot kameraet viste seg å være vanskligere å analysere. Resultatet indikerer at human pose estimation har blitt nøyaktig nok til å produsere gode resultater for å detektere feil ved løfteteknikk, selv om et større datasett muligens er nødvendig for å bekrefte disse funnene. Det er uansett klart at dette er et interessant bruksområdet for teknologien som vil gagne mye av videre undersøkelse