Skip to main content

Ultralytics YOLO26 kullanarak Antrenman İzleme

Open Workouts Monitoring In Colab

Pose estimation ile antrenmanları izlemekUltralytics YOLO26, temel vücut noktalarını ve eklemleri gerçek zamanlı olarak hassas bir şekilde takip ederek egzersiz değerlendirmesini geliştirir. Bu teknoloji, egzersiz formu hakkında anında geri bildirim sağlar, antrenman rutinlerini takip eder ve performans metriklerini ölçerek hem kullanıcılar hem de antrenörler için eğitim 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.
  • Hedefe Ulaşma: Ölçülebilir ilerleme için fitness hedeflerini takip etme ve ayarlama.
  • Kişiselleştirme: Etkililik için bireysel verilere dayalı özelleştirilmiş antrenman planları.
  • Sağlık Farkındalığı: 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 TakibiAntrenman Takibi
Pose estimation ile YOLO şınav saymaPose estimation ile YOLO barfiks sayma
Şınav SaymaBarfiks Sayma
Ultralytics YOLO kullanarak 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]"

KeyPoints Haritası

YOLO pose estimation anahtar noktalar sıra diyagramı

AIGym Argümanlar

İşte AIGym argümanlarını içeren bir tablo:

ArgümanTürVarsayılanAçıklama
modelstrNoneSayım bölgesini tanımlayan noktaların listesi.
up_anglefloat145.0Egzersizleri izlemek için kullanılan üç anahtar nokta (keypoint) indeksi listesi. Bu anahtar noktalar, şınav, barfiks, squat ve karın egzersizleri gibi egzersizler için omuz, dirsek ve el bileği gibi vücut eklemlerine veya kısımlarına karşılık gelir.
down_angleint90Bulanıklık yoğunluğu yüzdesini ayarlar, değerler şu aralıktadır:
kptslist[int]'[6, 8, 10]''aşağı' (down) duruşu için açı eşiği.

AIGym çözümü ayrıca bir dizi nesne takibi parametresini de destekler:

ArgümanTürVarsayılanAçıklama
trackerstr'botsort.yaml'Kullanılacak takip algoritmasını belirtir, örneğin bytetrack.yamlveya botsort.yaml.
conffloat0.1Tespitler için güven eşiğini ayarlar; daha düşük değerler daha fazla nesnenin takip edilmesine izin verir ancak hatalı pozitif sonuçları içerebilir.
ioufloat0.7eşiğini ayarlar. Tekrar eden tespitlerin elenmesini kontrol eder.Intersection over Union Örtüşen tespitleri filtrelemek için (IoU) eşiği.
classeslistNoneSonuçları sınıf dizinine göre filtreler. Örneğin, classes=[0, 2, 3] yalnızca belirtilen sınıfları takip eder.
verboseboolTrueTakip edilen nesnelerin görsel bir çıktısını sağlayarak takip sonuçlarının görüntülenmesini kontrol eder.
devicestrNoneÇıkarım için cihazı belirtir (örneğin, cpu, cuda:0veya 0). Kullanıcıların model yürütme için CPU, belirli bir GPU veya diğer bilgi işlem cihazları arasında seçim yapmasına olanak tanır.

Ek olarak, aşağıdaki görselleştirme ayarları uygulanabilir:

ArgümanTürVarsayılanAçıklama
showboolFalseEğer True, ek açıklamalı görüntüleri veya videoları bir pencerede görüntüler. Geliştirme veya test sırasında anında görsel geri bildirim için kullanışlıdır.
line_widthint or NoneNoneSınırlayıcı kutuların çizgi genişliğini belirtir. Eğer None, çizgi genişliği görüntü boyutuna göre otomatik ayarlanır. Netlik için görsel özelleştirme sağlar.
show_confboolTrueHer tespit için güven puanını etiketin yanında görüntüler. Modelin her tespit için kesinliği hakkında içgörü sağlar.
show_labelsboolTrueGörsel çıktıda her tespit için etiketleri görüntüler. Tespit edilen nesnelerin anında anlaşılmasını sağlar.

SSS

Ultralytics YOLO26 kullanarak antrenmanlarımı nasıl izlerim?

Ultralytics YOLO26 kullanarak antrenmanlarını izlemek için hakkında daha fazla bilgi edinin. Residual Log-Likelihood Estimation (RLE) entegrasyonu ile YOLO26, karmaşık insan pozlarında önemli nokta doğruluğunu önemli ölçüde artırır. kullanarak temel vücut noktalarını ve eklemleri gerçek zamanlı olarak takip edip analiz edebilirsin. Bu, egzersiz formun hakkında anında geri bildirim almanı, tekrarları saymanı ve performans metriklerini ölçmeni sağlar. Şınav, barfiks veya karın egzersizleri için sağlanan örnek kodları 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 şuna başvurabilirsin:AIGym bölümünü kontrol et.

Ultralytics YOLO26 kullanmanın antrenman izlemedeki faydaları nelerdir?

Ultralytics YOLO26'yı antrenman izlemede kullanmanın birkaç temel faydası vardır:

  • Optimize Edilmiş Performans: Antrenmanları izleme verilerine göre uyarlayarak daha iyi sonuçlar elde edebilirsin.
  • Hedefe Ulaşma: Ölçülebilir ilerleme için fitness hedeflerini kolayca takip edebilir ve ayarlayabilirsin.
  • Kişiselleştirme: Optimum etkililik için bireysel verilerine dayalı özelleştirilmiş antrenman planları alırsın.
  • Sağlık Farkındalığı: Potansiyel sağlık sorunlarını veya aşırı antrenmanı işaret eden desenlerin erken tespiti.
  • Bilgiye Dayalı Kararlar: Rutinlerini ayarlamak ve gerçekçi hedefler belirlemek için veriye dayalı kararlar alabilirsin.

Bu faydaları çalışırken görmek için bir YouTube video demosu izleyebilirsin.

Ultralytics YOLO26 egzersizleri algılama ve takip etmede ne kadar doğru?

Ultralytics YOLO26, en son teknoloji Python package yetenekleri sayesinde egzersizleri algılama ve takip etmede oldukça doğrudur. Temel vücut noktalarını ve eklemleri doğru bir şekilde takip ederek egzersiz formu ve performans metrikleri hakkında gerçek zamanlı geri bildirim sağlar. Modelin önceden eğitilmiş ağırlıkları ve sağlam mimarisi, yüksek hassasiyet ve güvenilirlik sağlar. Gerçek dünya örnekleri için, şınav ve barfiks sayımını gösteren dokümantasyondaki gerçek dünya uygulamalarına bölümüne göz at.

Ultralytics YOLO26'yı özel antrenman rutinleri için kullanabilir miyim?

Evet, Ultralytics YOLO26 özel antrenman rutinleri için uyarlanabilir. AIGym sınıfı, pushup, pullupYOLOv10abworkout gibi farklı pose tiplerini destekler. Belirli egzersizleri algılamak için anahtar 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 detay için şuna başvur:Argümanlar AIGym bölümü. Bu esneklik, çeşitli egzersizleri izlemene ve rutinlerini fitness hedeflerine.

göre özelleştirmeni sağlar.

Ultralytics YOLO26 kullanarak antrenman izleme çıktısını nasıl kaydedebilirim?

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()

Antrenman izleme çıktısını kaydetmek için kodu, işlenmiş kareleri kaydeden bir video yazıcısı içerecek şekilde değiştirebilirsin. İşte bir örnek:

Yorumlar