Monitoramento de treinos usando Ultralytics YOLO26#
A monitorização de treinos através da estimativa de pose com Ultralytics YOLO26 melhora a avaliação dos exercícios, rastreando com precisão os principais pontos de referência e articulações do corpo em tempo real. Esta tecnologia fornece feedback instantâneo sobre a postura do exercício, monitoriza rotinas de treino e mede métricas de desempenho, otimizando as sessões de treino tanto para utilizadores como para treinadores.
Watch: How to Monitor Workout Exercises with Ultralytics YOLO | Squats, Leg Extension, Pushups and More
Vantagens do Monitoramento de Treinos#
- Desempenho Otimizado: Adaptação de treinos com base em dados de monitoramento para melhores resultados.
- Alcance de Metas: Rastreie e ajuste metas de condicionamento físico para um progresso mensurável.
- Personalização: Planos de treino personalizados com base em dados individuais para maior eficácia.
- Consciência de Saúde: Detecção precoce de padrões que indicam problemas de saúde ou excesso de treinamento.
- Decisões Informadas: Decisões baseadas em dados para ajustar rotinas e definir metas realistas.
Aplicações no mundo real#
| Monitoramento de Treinos | Monitoramento de Treinos |
|---|---|
![]() | ![]() |
| Contagem de Flexões | Contagem de Barras |
Monitora treinos com YOLO26#
A solução AIGym executa a estimativa de pose e conta repetições medindo o ângulo formado por três pontos-chave à medida que um membro se move entre os limiares up_angle e down_angle. Escolhe os pontos-chave para o exercício que pretendes monitorizar com kpts e, em seguida, executa a solução sobre o teu vídeo com a Python API ou a CLI.
# 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]"Mapa de Pontos-Chave#

Argumentos do AIGym#
Aqui tens uma tabela com os argumentos do AIGym:
| Argumento | Tipo | Predefinição | Descrição |
|---|---|---|---|
model | str | None | Caminho para um ficheiro de modelo YOLO da Ultralytics. |
up_angle | float | 145.0 | Limiar de ângulo para a pose 'cima'. |
down_angle | int | 90 | Limiar de ângulo para a pose 'baixo'. |
kpts | list[int] | '[6, 8, 10]' | Lista de três índices de pontos-chave usados para monitorizar exercícios. Estes pontos-chave correspondem a articulações ou partes do corpo, como ombros, cotovelos e pulsos, para exercícios como flexões, elevações, agachamentos e abdominais. |
line_width | int | 2 | Espessura da linha para as caixas, pontos-chave e contagens que a solução desenha. |
verbose | bool | True | Ativa o registro por quadro da solução contendo formato de entrada, contagens de classes e velocidade de processamento. A chamada de rastreamento em si é sempre silenciosa. |
A solução AIGym também suporta uma variedade de parâmetros de rastreamento de objetos:
| Argumento | Tipo | Predefinição | Descrição |
|---|---|---|---|
tracker | str | 'botsort.yaml' | Especifica o algoritmo de rastreamento a utilizar. Opções integradas: botsort.yaml, bytetrack.yaml, ocsort.yaml, deepocsort.yaml, fasttrack.yaml, tracktrack.yaml. |
conf | float | 0.25 | Define o limiar de confiança para as deteções; valores mais baixos permitem que mais objetos sejam rastreados, mas podem incluir falsos positivos. |
iou | float | 0.7 | Define o limiar de Intersection over Union (IoU) para filtrar deteções sobrepostas. |
classes | list | None | Filtra resultados por índice de classe. Por exemplo, classes=[0, 2, 3] rastreia apenas as classes especificadas. |
device | str | None | Especifica o dispositivo para inferência (por exemplo, cpu, cuda:0 ou 0). Permite aos utilizadores selecionar entre CPU, uma GPU específica ou outros dispositivos de computação para a execução do modelo. |
Adicionalmente, as seguintes configurações de visualização podem ser aplicadas:
| Argumento | Tipo | Predefinição | Descrição |
|---|---|---|---|
show | bool | False | Se True, exibe as imagens ou vídeos anotados em uma janela. Útil para feedback visual imediato durante o desenvolvimento ou teste. |
show_conf | bool | True | Exibe a pontuação de confiança para cada detecção ao lado do rótulo. Fornece uma visão sobre a certeza do modelo para cada detecção. |
show_labels | bool | True | Exibe rótulos para cada detecção na saída visual. Fornece compreensão imediata dos objetos detectados. |
FAQ#
Para monitorizar os teus treinos utilizando o Ultralytics YOLO26, podes utilizar as capacidades de estimativa de pose para rastrear e analisar os principais pontos de referência e articulações do corpo em tempo real. Isto permite-te receber feedback instantâneo sobre a tua postura de exercício, contar repetições e medir métricas de desempenho. Podes começar por usar o código de exemplo fornecido para flexões, barras ou exercícios abdominais, conforme mostrado:
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()Para mais personalizações e definições, podes consultar a secção AIGym na documentação.
Usar o Ultralytics YOLO26 para monitoramento de treinos oferece vários benefícios principais:
- Desempenho Otimizado: Ao adaptar os treinos com base nos dados de monitoramento, você pode alcançar melhores resultados.
- Alcance de Metas: Rastreie e ajuste facilmente as metas de condicionamento físico para um progresso mensurável.
- Personalização: Obtenha planos de treino personalizados com base em seus dados individuais para uma eficácia ideal.
- Consciência de Saúde: Detecção precoce de padrões que indicam possíveis problemas de saúde ou excesso de treinamento.
- Decisões Informadas: Tome decisões baseadas em dados para ajustar rotinas e definir metas realistas.
Podes ver uma demonstração em vídeo no YouTube para ver estes benefícios em ação.
O Ultralytics YOLO26 é altamente preciso na deteção e rastreamento de exercícios devido às suas capacidades avançadas de estimativa de pose. Consegue rastrear com precisão os principais pontos de referência e articulações do corpo, fornecendo feedback em tempo real sobre a postura do exercício e métricas de desempenho. Os pesos pré-treinados do modelo e a arquitetura robusta garantem elevada precisão e fiabilidade. Para exemplos do mundo real, consulta a secção de aplicações do mundo real na documentação, que demonstra a contagem de flexões e elevações na barra.
Sim, o Ultralytics YOLO26 pode ser adaptado para rotinas de treino personalizadas. A classe
AIGymdeteta repetições de exercícios utilizando os argumentosup_angle,down_angleekpts. Podes especificar pontos-chave e ângulos para detetar exercícios específicos. Aqui tens uma configuração de exemplo:from ultralytics import solutions gym = solutions.AIGym( line_width=2, show=True, kpts=[6, 8, 10], # For pushups - can be customized for other exercises )Para mais detalhes sobre a definição de argumentos, consulta a secção Arguments
AIGym. Esta flexibilidade permite-te monitorizar vários exercícios e personalizar rotinas com base nos teus objetivos de fitness.Para salvar a saída do monitoramento de treinos, você pode modificar o código para incluir um gravador de vídeo que salva os quadros processados. Aqui está um exemplo:
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()Essa configuração grava o vídeo monitorado em um arquivo de saída, permitindo que você revise seu desempenho no treino mais tarde ou compartilhe-o com treinadores para feedback adicional.

