YOLO Vision 2026:

Ultralytics YOLO26 ile Antrenman İzleme#

Open Workouts Monitoring In Colab

Ultralytics YOLO26 ile poz tahmini yoluyla antrenmanları izlemek, temel vücut işaretlerini ve eklemleri gerçek zamanlı olarak doğru bir şekilde takip ederek egzersiz değerlendirmesini geliştirir. Bu teknoloji, egzersiz formu hakkında anında geri bildirim sağlar, antrenman rutinlerini takip eder ve performans ölçümlerini ölçerek hem kullanıcılar hem de eğitmenler için antrenman seanslarını optimize eder.



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

Antrenman İzlemenin Avantajları#

  • Optimize Edilmiş Performans: Daha iyi sonuçlar için antrenmanları izleme verilerine göre uyarlama.
  • Hedef Başarımı: Ölçülebilir ilerleme için fitness hedeflerini takip etme ve ayarlama.
  • Kişiselleştirme: Etkililik için bireysel verilere dayalı özel antrenman planları.
  • Sağlık Bilinci: Sağlık sorunlarına veya aşırı antrenmana işaret eden desenlerin erken tespiti.
  • Bilgiye Dayalı Kararlar: Rutinleri ayarlamak ve gerçekçi hedefler belirlemek için veriye dayalı kararlar.

Gerçek Dünya Uygulamaları#

Antrenman İzlemeAntrenman İzleme
YOLO push-ups counting with pose estimationYOLO pull-ups counting with pose estimation
Şınav SaymaBarfiks Sayma

YOLO26 ile Egzersizleri İzle#

AIGym çözümü pose estimation çalıştırır ve bir uzuv up_angle ile down_angle eşikleri arasında hareket ederken üç ana nokta tarafından oluşturulan açıyı ölçerek tekrar sayısını hesaplar. kpts ile takip etmek istediğin egzersiz için ana noktaları seç, ardından çözümü Python API veya CLI ile videon üzerinde çalıştır.

Ultralytics YOLO ile Antrenman İzleme
# 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]"

Anahtar Noktalar Haritası#

YOLO pose estimation keypoints order diagram

AIGym Argümanları#

İşte AIGym argümanlarını içeren bir tablo:

ArgümanTipVarsayılanAçıklama
modelstrNoneBir Ultralytics YOLO model dosyasına giden yol.
up_anglefloat145.0'yukarı' pozu için açı eşiği.
down_angleint90'aşağı' pozu için açı eşiği.
kptslist[int]'[6, 8, 10]'Egzersizleri izlemek için kullanılan üç anahtar nokta indeksi listesi. Bu anahtar noktalar; şınav, barfiks, squat ve karın egzersizleri gibi hareketler için omuzlar, dirsekler ve bilekler gibi vücut eklemlerine veya kısımlarına karşılık gelir.
line_widthint2Çözümün çizdiği kutular, anahtar noktalar ve sayımlar için çizgi kalınlığı.
verboseboolTrueÇözümün girdi şekli, sınıf sayıları ve işleme hızına yönelik kare başına günlüğünü etkinleştirir. Takip çağrısının kendisi her zaman sessizdir.

AIGym çözümü ayrıca bir dizi nesne takibi parametresini destekler:

ArgümanTipVarsayılanAçıklama
trackerstr'botsort.yaml'Kullanılacak izleme algoritmasını belirtir. Yerleşik seçenekler: botsort.yaml, bytetrack.yaml, ocsort.yaml, deepocsort.yaml, fasttrack.yaml, tracktrack.yaml.
conffloat0.25Algılamalar için güven eşiğini ayarlar; daha düşük değerler daha fazla nesnenin izlenmesine izin verir ancak hatalı pozitif sonuçlar içerebilir.
ioufloat0.7Örtüşen tespitleri filtrelemek için Intersection over Union (IoU) eşiğini ayarlar.
classeslistNoneSonuçları sınıf indeksine göre filtreler. Örneğin, classes=[0, 2, 3] yalnızca belirtilen sınıfları izler.
devicestrNoneÇıkarım için cihazı belirtir (ör. cpu, cuda:0 veya 0). Kullanıcıların model yürütme için CPU, belirli bir GPU veya diğer bilgi işlem cihazları arasında seçim yapmasına olanak tanır.

Ayrıca, aşağıdaki görselleştirme ayarları uygulanabilir:

ArgümanTipVarsayılanAçıklama
showboolFalseEğer True ise, açıklama eklenmiş görüntüleri veya videoları bir pencerede görüntüler. Geliştirme veya test sırasında anında görsel geri bildirim için kullanışlıdır.
show_confboolTrueHer tespit için güven skorunu etiketin yanında görüntüler. Her bir tespit için modelin kesinliği hakkında içgörü sağlar.
show_labelsboolTrueGörsel çıktıda her bir tespit için etiketleri görüntüler. Tespit edilen nesnelerin anında anlaşılmasını sağlar.

SSS#

  • Antrenmanlarını Ultralytics YOLO26 kullanarak izlemek için, temel vücut işaretlerini ve eklemleri gerçek zamanlı olarak takip edip analiz etmek amacıyla pose estimation capabilities özelliklerinden yararlanabilirsin. Bu, egzersiz formun hakkında anında geri bildirim almanı, tekrarları saymanı ve performans ölçümlerini ölçmeni sağlar. Gösterildiği gibi şınav, barfiks veya karın egzersizleri için sağlanan örnek kodu kullanarak başlayabilirsin:

    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()

    Daha fazla özelleştirme ve ayar için dokümantasyondaki AIGym bölümüne göz atabilirsin.

  • Antrenman izleme için Ultralytics YOLO26 kullanmak çeşitli temel faydalar sağlar:

    • Optimize Edilmiş Performans: Antrenmanları izleme verilerine göre uyarlayarak daha iyi sonuçlar elde edebilirsin.
    • Hedef Başarımı: Ölçülebilir ilerleme için fitness hedeflerini kolayca takip et ve ayarla.
    • Kişiselleştirme: Optimum etkililik için bireysel verilerine dayalı özel antrenman planları al.
    • Sağlık Bilinci: Potansiyel sağlık sorunlarına veya aşırı antrenmana işaret eden desenlerin erken tespiti.
    • Bilgiye Dayalı Kararlar: Rutinlerini ayarlamak ve gerçekçi hedefler belirlemek için veriye dayalı kararlar al.

    Bu avantajları çalışırken görmek için bir YouTube video demonstration izleyebilirsin.

  • Ultralytics YOLO26, son teknoloji ürünü pose estimation yetenekleri sayesinde egzersizleri tespit etme ve takip etmede son derece doğrudur. Temel vücut işaretlerini ve eklemleri doğru bir şekilde takip ederek egzersiz formu ve performans ölçümleri hakkında gerçek zamanlı geri bildirim sağlar. Modelin önceden eğitilmiş ağırlıkları ve sağlam mimarisi yüksek precision ve güvenilirlik sağlar. Gerçek dünya örnekleri için, dokümantasyonda şınav ve barfiks sayımını gösteren real-world applications bölümüne göz at.

  • Evet, Ultralytics YOLO26 özel antrenman rutinlerine uyarlanabilir. AIGym sınıfı, up_angle, down_angle ve kpts argümanlarını kullanarak egzersiz tekrarlarını tespit eder. Belirli egzersizleri tespit etmek için ana noktaları ve açıları belirleyebilirsin. İşte örnek bir kurulum:

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

    Argümanları ayarlama hakkında daha fazla ayrıntı için Arguments AIGym bölümüne bakın. Bu esneklik, çeşitli egzersizleri izlemene ve rutinleri fitness goals hedeflerine göre özelleştirmene olanak tanır.

  • Antrenman izleme çıktısını kaydetmek için kodu, işlenen kareleri kaydeden bir video yazıcı içerecek şekilde değiştirebilirsin. İşte bir örnek:

    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()

    Bu kurulum, izlenen videoyu bir çıktı dosyasına yazar ve antrenman performansını daha sonra incelemene veya ek geri bildirim için eğitmenlerle paylaşmana olanak tanır.

Yorumlar