使用锻炼监测Ultralytics YOLO11

Q: How do I monitor my workouts using Ultralytics YOLO11?

要使用Ultralytics YOLO11 监测锻炼情况，可以利用姿势估计功能实时跟踪和分析关键的身体地标和关节。这样，您就可以收到有关锻炼姿势、重复次数和衡量性能指标的即时反馈。您可以先使用所提供的示例代码进行俯卧撑、引体向上或腹肌锻炼，如图所示：有关进一步的自定义和设置，请参阅文档中的 AIGym 部分。

Q: What are the benefits of using Ultralytics YOLO11 for workout monitoring?

使用Ultralytics YOLO11 进行锻炼监测有几大好处：您可以观看 YouTube 视频演示，了解这些优势的实际效果。

Q: How accurate is Ultralytics YOLO11 in detecting and tracking exercises?

Ultralytics YOLO11 由于具有最先进的姿态估计功能，它在检测和跟踪运动方面非常准确。它能准确跟踪关键的身体地标和关节，提供有关运动形式和性能指标的实时反馈。该模型的预训练权重和稳健架构确保了高精度和高可靠性。有关真实世界的示例，请查看文档中的真实世界应用部分，其中展示了俯卧撑和引体向上计数。

Q: Can I use Ultralytics YOLO11 for custom workout routines?

是的，Ultralytics YOLO11 可以调整为定制锻炼程序。AIGym 类支持不同的姿势类型，如俯卧撑、引体向上和腹肌锻炼。您可以指定关键点和角度来检测特定的练习。下面是一个设置示例：有关设置参数的更多详情，请参阅参数 AIGym 部分。这种灵活性使您可以监控各种练习，并根据自己的健身目标定制例程。

Q: How can I save the workout monitoring output using Ultralytics YOLO11?

要保存运动监控输出，可以修改代码，加入一个视频写入器，保存处理过的帧。下面是一个例子：此设置可将监控视频写入输出文件，以便您稍后查看锻炼表现，或与教练分享以获得更多反馈。

通过姿势估算监测锻炼 Ultralytics YOLO11通过实时准确地跟踪关键的身体地标和关节，增强了运动评估功能。这项技术可提供有关锻炼姿势的即时反馈、跟踪锻炼程序并测量性能指标，从而优化用户和教练的训练课程。

观看： 使用Ultralytics YOLO11 监测锻炼情况 | 俯卧撑、引体向上、腹肌锻炼

锻炼监测的优势

优化性能：根据监测数据定制锻炼计划，以获得更好的效果。
实现目标：跟踪和调整健身目标，以取得可衡量的进展。
个性化：根据个人数据定制锻炼计划，提高效率。
健康意识：及早发现表明存在健康问题或训练过度的模式。
知情决策：以数据为依据，做出调整常规和设定现实目标的决定。

真实世界的应用

锻炼监测	锻炼监测

俯卧撑计数	引体向上计数

使用Ultralytics YOLO监测锻炼情况

CLIPython

# 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]"

import cv2

from ultralytics import solutions

cap = cv2.VideoCapture("path/to/video.mp4")
assert cap.isOpened(), "Error reading video file"

# Video writer
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_output.avi", cv2.VideoWriter_fourcc(*"mp4v"), fps, (w, h))

# Init AIGym
gym = solutions.AIGym(
    show=True,  # display the frame
    kpts=[6, 8, 10],  # keypoints for monitoring specific exercise, by default it's for pushup
    model="yolo11n-pose.pt",  # path to the YOLO11 pose estimation model file
    # line_width=2,  # adjust the line width for bounding boxes and text display
)

# Process video
while cap.isOpened():
    success, im0 = cap.read()

    if not success:
        print("Video frame is empty or processing is complete.")
        break

    results = gym(im0)

    # print(results)  # access the output

    video_writer.write(results.plot_im)  # write the processed frame.

cap.release()
video_writer.release()
cv2.destroyAllWindows()  # destroy all opened windows

关键点地图

关键点顺序Ultralytics YOLO11 姿势

`AIGym` 论据

下面的表格显示了 AIGym 争论：

论据	类型	默认值	说明
`model`	`str`	`None`	Ultralytics YOLO 模型文件的路径。
`up_angle`	`float`	`145.0`	向上 "姿势的角度阈值。
`down_angle`	`float`	`90.0`	俯卧 "姿势的角度阈值。
`kpts`	`list[int, int, int]`	`[6, 8, 10]`	用于监控锻炼的关键点列表。这些关键点与肩部、肘部和腕部等身体关节或部位相对应，用于俯卧撑、引体向上、深蹲、腹肌锻炼等运动。

"(《世界人权宣言》) AIGym 该解决方案还支持一系列物体跟踪参数：

论据	类型	默认值	说明
`tracker`	`str`	`'botsort.yaml'`	指定要使用的跟踪算法，例如 `bytetrack.yaml` 或 `botsort.yaml`.
`conf`	`float`	`0.3`	设置检测的置信度阈值；数值越低，跟踪的物体越多，但可能会出现误报。
`iou`	`float`	`0.5`	设置交叉重叠 (IoU) 阈值，用于过滤重叠检测。
`classes`	`list`	`None`	按类别索引筛选结果。例如 `classes=[0, 2, 3]` 只跟踪指定的类别。
`verbose`	`bool`	`True`	控制跟踪结果的显示，提供被跟踪物体的可视化输出。
`device`	`str`	`None`	指定用于推理的设备（例如：......）、 `cpu`, `cuda:0` 或 `0`).允许用户选择CPU 、特定GPU 或其他计算设备执行模型。

此外，还可以应用以下可视化设置：

论据	类型	默认值	说明
`show`	`bool`	`False`	如果 `True`在一个窗口中显示注释的图像或视频。有助于在开发或测试过程中提供即时视觉反馈。
`line_width`	`None or int`	`None`	指定边界框的线宽。如果 `None`根据图像大小自动调整线宽。提供可视化定制，使图像更加清晰。

常见问题

如何使用Ultralytics YOLO11 监控我的锻炼？

使用Ultralytics YOLO11 监测锻炼情况时，您可以利用姿势估计功能实时跟踪和分析关键的身体地标和关节。这样，您就可以收到有关锻炼姿势、重复次数和性能指标的即时反馈。您可以先使用所提供的示例代码进行俯卧撑、引体向上或腹肌锻炼，如图所示：

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()

有关进一步的自定义和设置，请参阅文档中的AIGym部分。

使用Ultralytics YOLO11 进行锻炼监测有什么好处？

使用Ultralytics YOLO11 进行锻炼监测有几大好处：

优化性能：根据监测数据定制锻炼计划，可以取得更好的效果。
实现目标：轻松跟踪和调整健身目标，取得可衡量的进展。
个性化：根据个人数据定制锻炼计划，达到最佳效果。
健康意识：及早发现表明潜在健康问题或过度训练的模式。
知情决策：以数据为依据做出决策，调整常规工作，制定切实可行的目标。

您可以观看YouTube 视频演示，了解这些优势的实际效果。

Ultralytics YOLO11 在检测和跟踪演习方面的准确性如何？

Ultralytics YOLO11 具有最先进的姿态估计功能，能高度准确地检测和跟踪运动。它能准确跟踪关键的身体地标和关节，提供有关运动形式和性能指标的实时反馈。模型的预训练权重和稳健的架构确保了高精度和高可靠性。有关真实世界的示例，请查看文档中的真实世界应用部分，其中展示了俯卧撑和引体向上计数。

我可以使用Ultralytics YOLO11 来定制锻炼程序吗？

是的，Ultralytics YOLO11 可以改编成定制的锻炼程序。""是的。 AIGym 类支持不同的姿势类型，例如 pushup, pullup和 abworkout.您可以指定关键点和角度来检测特定的练习。下面是一个设置示例：

from ultralytics import solutions

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

有关设置参数的更多详情，请参阅论据 AIGym 部分。这种灵活性使您可以监控各种练习，并根据自己的情况定制例程。健身目标.

如何使用Ultralytics YOLO11 保存锻炼监控输出？

要保存运动监控输出，可以修改代码，加入一个视频写入器，保存处理过的帧。下面是一个例子：

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()