Monitorização dos treinos utilizando Ultralytics YOLOv8

Monitoriza os treinos através da estimativa de pose com o Ultralytics YOLOv8 melhora a avaliação do exercício ao seguir com precisão os principais pontos de referência do corpo e as articulações em tempo real. Esta tecnologia fornece feedback instantâneo sobre a forma do exercício, acompanha as rotinas de treino e mede as métricas de desempenho, optimizando as sessões de treino tanto para os utilizadores como para os treinadores.

Observa: Monitorização de exercícios utilizando Ultralytics YOLOv8 | Flexões, Pullups, Ab Workouts

Vantagens da monitorização dos treinos?

• Desempenho optimizado: Adapta os treinos com base nos dados de monitorização para obteres melhores resultados.
• Alcança os objectivos: Acompanha e ajusta os objectivos de fitness para um progresso mensurável.
• Personalização: Planos de treino personalizados com base em dados individuais para uma maior eficácia.
• Sensibilização para a saúde: Deteção precoce de padrões que indicam problemas de saúde ou excesso de treino.
• Decisões informadas: Decisões baseadas em dados para ajustar as rotinas e estabelecer objectivos realistas.

Aplicações no mundo real

Monitorização dos treinos	Monitorização dos treinos
Flexões Contando	Contagem de PullUps

import cv2

from ultralytics import YOLO, solutions

model = YOLO("yolov8n-pose.pt")
cap = cv2.VideoCapture("path/to/video/file.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_object = solutions.AIGym(
    line_thickness=2,
    view_img=True,
    pose_type="pushup",
    kpts_to_check=[6, 8, 10],
)

while cap.isOpened():
    success, im0 = cap.read()
    if not success:
        print("Video frame is empty or video processing has been successfully completed.")
        break
    results = model.track(im0, verbose=False)  # Tracking recommended
    # results = model.predict(im0)  # Prediction also supported
    im0 = gym_object.start_counting(im0, results)

cv2.destroyAllWindows()

import cv2

from ultralytics import YOLO, solutions

model = YOLO("yolov8n-pose.pt")
cap = cv2.VideoCapture("path/to/video/file.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_object = solutions.AIGym(
    line_thickness=2,
    view_img=True,
    pose_type="pushup",
    kpts_to_check=[6, 8, 10],
)

while cap.isOpened():
    success, im0 = cap.read()
    if not success:
        print("Video frame is empty or video processing has been successfully completed.")
        break
    results = model.track(im0, verbose=False)  # Tracking recommended
    # results = model.predict(im0)  # Prediction also supported
    im0 = gym_object.start_counting(im0, results)
    video_writer.write(im0)

cv2.destroyAllWindows()
video_writer.release()

Mapa de pontos-chave

Argumentos AIGym

Argumentos model.predict

Argumentos model.track

FAQ

Como é que monitorizo os meus treinos utilizando Ultralytics YOLOv8 ?

Para monitorizar os teus treinos utilizando Ultralytics YOLOv8 , podes utilizar as capacidades de estimativa de pose para seguir e analisar os principais pontos de referência do corpo e as articulações em tempo real. Isto permite-te receber feedback instantâneo sobre a tua forma de exercício, contar repetições e medir métricas de desempenho. Podes começar por utilizar o código de exemplo fornecido para flexões, pullups ou exercícios abdominais, conforme ilustrado:

import cv2

from ultralytics import YOLO, solutions

model = YOLO("yolov8n-pose.pt")
cap = cv2.VideoCapture("path/to/video/file.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_object = solutions.AIGym(
    line_thickness=2,
    view_img=True,
    pose_type="pushup",
    kpts_to_check=[6, 8, 10],
)

while cap.isOpened():
    success, im0 = cap.read()
    if not success:
        print("Video frame is empty or video processing has been successfully completed.")
        break
    results = model.track(im0, verbose=False)
    im0 = gym_object.start_counting(im0, results)

cv2.destroyAllWindows()

Para mais personalizações e definições, podes consultar a secção AIGym na documentação.

Quais são as vantagens de utilizar Ultralytics YOLOv8 para monitorizar o treino?

A utilização de Ultralytics YOLOv8 para monitorizar o treino proporciona várias vantagens importantes:

• Desempenho optimizado: Ao adaptar os treinos com base nos dados de monitorização, podes obter melhores resultados.
• Alcança os teus objectivos: Acompanha e ajusta facilmente os objectivos de fitness para um progresso mensurável.
• Personalização: Obtém planos de treino personalizados com base nos teus dados individuais para uma eficácia óptima.
• Sensibilização para a saúde: Deteção precoce de padrões que indicam potenciais problemas de saúde ou excesso de treino.
• Toma decisões informadas: Toma decisões baseadas em dados para ajustar as rotinas e definir objectivos realistas.

Podes ver um vídeo de demonstração no YouTube para veres estas vantagens em ação.

Qual é a precisão do Ultralytics YOLOv8 na deteção e acompanhamento de exercícios?

Ultralytics YOLOv8 é altamente preciso na deteção e seguimento de exercícios devido às suas capacidades de estimação de pose de última geração. Consegue seguir com precisão os principais pontos de referência e articulações do corpo, fornecendo feedback em tempo real sobre a forma do exercício e as métricas de desempenho. Os pesos pré-treinados e a arquitetura robusta do modelo garantem uma elevada precisão e fiabilidade. Para exemplos do mundo real, consulta a secção de aplicações do mundo real na documentação, que apresenta a contagem de flexões e pullups.

Posso utilizar Ultralytics YOLOv8 para rotinas de treino personalizadas?

Sim, Ultralytics YOLOv8 pode ser adaptado para rotinas de treino personalizadas. O AIGym A classe suporta diferentes tipos de pose, como "pushup", "pullup" e "abworkout". Podes especificar pontos-chave e ângulos para detetar exercícios específicos. Aqui tens um exemplo de configuração:

from ultralytics import solutions

gym_object = solutions.AIGym(
    line_thickness=2,
    view_img=True,
    pose_type="squat",
    kpts_to_check=[6, 8, 10],
)

Para mais pormenores sobre a definição de argumentos, consulta a secção Argumentos AIGym secção. Esta flexibilidade permite-te monitorizar vários exercícios e personalizar as rotinas com base nas tuas necessidades.

Como é que posso guardar a saída de monitorização do treino utilizando Ultralytics YOLOv8 ?

Para guardar o resultado da monitorização do exercício, podes modificar o código para incluir um gravador de vídeo que guarde os fotogramas processados. Vê um exemplo:

import cv2

from ultralytics import YOLO, solutions

model = YOLO("yolov8n-pose.pt")
cap = cv2.VideoCapture("path/to/video/file.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_object = solutions.AIGym(
    line_thickness=2,
    view_img=True,
    pose_type="pushup",
    kpts_to_check=[6, 8, 10],
)

while cap.isOpened():
    success, im0 = cap.read()
    if not success:
        print("Video frame is empty or video processing has been successfully completed.")
        break
    results = model.track(im0, verbose=False)
    im0 = gym_object.start_counting(im0, results)
    video_writer.write(im0)

cv2.destroyAllWindows()
video_writer.release()

Esta configuração grava o vídeo monitorado em um arquivo de saída. Para obter mais detalhes, consulta a secção Monitorização de Workouts com Gravação de Saída.

Comentários