Meet YOLO26: next-gen vision AI.

Link to this sectionTrainingsüberwachung mit Ultralytics YOLO26#

Trainingsüberwachung in Colab öffnen

Die Überwachung von Trainingseinheiten durch Pose Estimation mit Ultralytics YOLO26 verbessert die Übungsanalyse durch die präzise Echtzeit-Verfolgung wichtiger Körperpunkte und Gelenke. Diese Technologie liefert sofortiges Feedback zur Übungsausführung, protokolliert Trainingsabläufe und misst Leistungsmetriken, wodurch Trainingseinheiten sowohl für Benutzer als auch für Trainer optimiert werden.



Watch: How to Monitor Workout Exercises with Ultralytics YOLO | Squats, Leg Extension, Pushups and More

Link to this sectionVorteile der Trainingsüberwachung#

  • Optimierte Leistung: Anpassung von Trainingseinheiten basierend auf Überwachungsdaten für bessere Ergebnisse.
  • Zielerreichung: Fitnessziele verfolgen und anpassen für messbaren Fortschritt.
  • Personalisierung: Maßgeschneiderte Trainingspläne basierend auf individuellen Daten für mehr Effektivität.
  • Gesundheitsbewusstsein: Frühzeitige Erkennung von Mustern, die auf gesundheitliche Probleme oder Übertraining hindeuten.
  • Fundierte Entscheidungen: Datengestützte Entscheidungen zur Anpassung von Abläufen und zur Festlegung realistischer Ziele.

Link to this sectionPraxisanwendungen#

TrainingsüberwachungTrainingsüberwachung
YOLO Liegestütze zählen mit Pose EstimationYOLO Klimmzüge zählen mit Pose Estimation
Liegestütze zählenKlimmzüge zählen
Trainingsüberwachung mit Ultralytics YOLO
# Run a workout example
yolo solutions workout show=True

# Pass a source video
yolo solutions workout source="path/to/video.mp4"

# Use keypoints for pushups
yolo solutions workout kpts="[6, 8, 10]"

Link to this sectionKeyPoints-Karte#

Diagramm zur Reihenfolge der YOLO Pose Estimation Keypoints

Link to this sectionAIGym Argumente#

Hier ist eine Tabelle mit den AIGym Argumenten:

ArgumentTypStandardBeschreibung
modelstrNonePfad zu einer Ultralytics YOLO-Modelldatei.
up_anglefloat145.0Winkelschwellenwert für die 'up'-Pose.
down_angleint90Winkelschwellenwert für die 'down'-Pose.
kptslist[int]'[6, 8, 10]'Liste von drei Keypoint-Indizes für die Workout-Überwachung. Diese entsprechen Körpergelenken oder Teilen wie Schultern, Ellbogen und Handgelenken für Übungen wie Liegestütze, Klimmzüge, Kniebeugen und Bauchmuskeltraining.

Die AIGym-Lösung unterstützt zudem eine Reihe von Objekt-Tracking-Parametern:

ArgumentTypStandardBeschreibung
trackerstr'botsort.yaml'Legt den zu verwendenden Tracking-Algorithmus fest. Integrierte Optionen: botsort.yaml, bytetrack.yaml, ocsort.yaml, deepocsort.yaml, fasttrack.yaml, tracktrack.yaml.
conffloat0.1Legt den Konfidenz-Schwellenwert für Detektionen fest; niedrigere Werte ermöglichen die Verfolgung von mehr Objekten, können aber zu falsch-positiven Ergebnissen führen.
ioufloat0.7Legt den IoU-Schwellenwert für das Filtern überlappender Detektionen fest.
classeslistNoneFiltert Ergebnisse nach Klassenindex. Zum Beispiel verfolgt classes=[0, 2, 3] nur die angegebenen Klassen.
verboseboolTrueSteuert die Anzeige der Tracking-Ergebnisse und bietet eine visuelle Ausgabe der verfolgten Objekte.
devicestrNoneGibt das Gerät für die Inferenz an (z. B. cpu, cuda:0 oder 0). Ermöglicht die Wahl zwischen CPU, einer spezifischen GPU oder anderen Rechengeräten für die Modellausführung.

Zusätzlich können die folgenden Visualisierungseinstellungen angewendet werden:

ArgumentTypStandardBeschreibung
showboolFalseWenn True, werden die annotierten Bilder oder Videos in einem Fenster angezeigt. Nützlich für sofortiges visuelles Feedback während der Entwicklung oder Tests.
line_widthint or NoneNoneLegt die Linienbreite der BBoxen fest. Wenn None, wird die Linienbreite automatisch basierend auf der Bildgröße angepasst. Bietet visuelle Anpassungsmöglichkeiten für mehr Klarheit.
show_confboolTrueZeigt den Konfidenzwert für jede Erkennung neben dem Label an. Bietet Einblick in die Gewissheit des Modells für jede Erkennung.
show_labelsboolTrueZeigt Labels für jede Erkennung in der visuellen Ausgabe an. Ermöglicht ein sofortiges Verständnis der erkannten Objekte.

Link to this sectionFAQ#

Link to this sectionWie überwache ich mein Training mit Ultralytics YOLO26?#

Um dein Training mit Ultralytics YOLO26 zu überwachen, kannst du die Pose Estimation-Funktionen nutzen, um wichtige Körperpunkte und Gelenke in Echtzeit zu verfolgen und zu analysieren. Dies ermöglicht es dir, sofortiges Feedback zu deiner Übungsausführung zu erhalten, Wiederholungen zu zählen und Leistungsmetriken zu messen. Du kannst mit dem bereitgestellten Beispielcode für Liegestütze, Klimmzüge oder Bauchmuskeltraining beginnen, wie hier gezeigt:

import cv2

from ultralytics import solutions

cap = cv2.VideoCapture("path/to/video.mp4")
assert cap.isOpened(), "Error reading video file"
w, h, fps = (int(cap.get(x)) for x in (cv2.CAP_PROP_FRAME_WIDTH, cv2.CAP_PROP_FRAME_HEIGHT, cv2.CAP_PROP_FPS))

gym = solutions.AIGym(
    line_width=2,
    show=True,
    kpts=[6, 8, 10],
)

while cap.isOpened():
    success, im0 = cap.read()
    if not success:
        print("Video frame is empty or processing is complete.")
        break
    results = gym(im0)

cv2.destroyAllWindows()

Für weitere Anpassungen und Einstellungen kannst du dich auf den Abschnitt AIGym in der Dokumentation beziehen.

Link to this sectionWas sind die Vorteile der Nutzung von Ultralytics YOLO26 für die Trainingsüberwachung?#

Die Nutzung von Ultralytics YOLO26 zur Trainingsüberwachung bietet mehrere wesentliche Vorteile:

  • Optimierte Leistung: Durch die Anpassung deines Trainings basierend auf Überwachungsdaten erzielst du bessere Ergebnisse.
  • Zielerreichung: Verfolge und passe deine Fitnessziele einfach an, um messbare Fortschritte zu erzielen.
  • Personalisierung: Erhalte maßgeschneiderte Trainingspläne basierend auf deinen individuellen Daten für optimale Effektivität.
  • Gesundheitsbewusstsein: Frühzeitige Erkennung von Mustern, die auf mögliche gesundheitliche Probleme oder Übertraining hindeuten.
  • Fundierte Entscheidungen: Triff datengestützte Entscheidungen, um deine Abläufe anzupassen und realistische Ziele zu setzen.

Du kannst dir ein YouTube-Video-Demonstration ansehen, um diese Vorteile in Aktion zu sehen.

Link to this sectionWie genau erkennt und verfolgt Ultralytics YOLO26 Übungen?#

Ultralytics YOLO26 ist dank seiner hochmodernen Pose Estimation-Funktionen äußerst präzise bei der Erkennung und Verfolgung von Übungen. Es kann wichtige Körperpunkte und Gelenke genau tracken und liefert Echtzeit-Feedback zur Übungsausführung und zu Leistungsmetriken. Die vortrainierten Gewichte und die robuste Architektur des Modells gewährleisten eine hohe Präzision und Zuverlässigkeit. Für praxisnahe Beispiele schau dir den Abschnitt Praxisanwendungen in der Dokumentation an, der das Zählen von Liegestützen und Klimmzügen zeigt.

Link to this sectionKann ich Ultralytics YOLO26 für eigene Trainingsroutinen verwenden?#

Ja, Ultralytics YOLO26 kann für individuelle Trainingsroutinen angepasst werden. Die AIGym-Klasse erkennt Übungswiederholungen mithilfe der Argumente up_angle, down_angle und kpts. Du kannst Keypoints und Winkel festlegen, um spezifische Übungen zu erkennen. Hier ist ein Beispiel-Setup:

from ultralytics import solutions

gym = solutions.AIGym(
    line_width=2,
    show=True,
    kpts=[6, 8, 10],  # For pushups - can be customized for other exercises
)

Weitere Details zum Festlegen der Argumente findest du im Abschnitt Argumente AIGym. Diese Flexibilität ermöglicht es dir, verschiedene Übungen zu überwachen und Routinen basierend auf deinen Fitnesszielen anzupassen.

Link to this sectionWie kann ich die Ergebnisse der Trainingsüberwachung mit Ultralytics YOLO26 speichern?#

Um die Ergebnisse der Trainingsüberwachung zu speichern, kannst du den Code so anpassen, dass ein Video-Writer enthalten ist, der die verarbeiteten Frames speichert. Hier ist ein Beispiel:

import cv2

from ultralytics import solutions

cap = cv2.VideoCapture("path/to/video.mp4")
assert cap.isOpened(), "Error reading video file"
w, h, fps = (int(cap.get(x)) for x in (cv2.CAP_PROP_FRAME_WIDTH, cv2.CAP_PROP_FRAME_HEIGHT, cv2.CAP_PROP_FPS))

video_writer = cv2.VideoWriter("workouts.avi", cv2.VideoWriter_fourcc(*"mp4v"), fps, (w, h))

gym = solutions.AIGym(
    line_width=2,
    show=True,
    kpts=[6, 8, 10],
)

while cap.isOpened():
    success, im0 = cap.read()
    if not success:
        print("Video frame is empty or processing is complete.")
        break
    results = gym(im0)
    video_writer.write(results.plot_im)

cap.release()
video_writer.release()
cv2.destroyAllWindows()

Dieses Setup schreibt das überwachte Video in eine Ausgabedatei, sodass du deine Trainingsleistung später überprüfen oder sie mit Trainern teilen kannst, um zusätzliches Feedback zu erhalten.

Kommentare