使用 Ultralytics YOLO26 进行锻炼监测有什么好处？

使用 Ultralytics YOLO26 进行锻炼监测具有几个关键优势：; 优化性能：通过根据监测数据调整锻炼方案，你可以获得更好的效果。; 目标达成：轻松追踪并调整健身目标，以实现可衡量的进度。; 个性化：基于个人数据获取定制化的锻炼计划，以达到最佳效果。; 健康意识：早期检测出可能预示健康问题或过度训练的模式。; 知情决策：做出数据驱动的决策，以调整日常练习并设定切合实际的目标。. 你可以观看 YouTube video demonstration 来直观了解这些优势。

Ultralytics YOLO26 在检测和追踪锻炼方面的准确度如何？

凭借其顶尖的 pose estimation 功能，Ultralytics YOLO26 在检测和追踪运动时具有极高的准确性。它能精确追踪身体关键标志点和关节，提供关于运动规范和表现指标的实时反馈。该模型的预训练权重和强大的架构确保了高 precision 与可靠性。关于实际案例，请查看文档中的 real-world applications 章节，其中展示了俯卧撑和引体向上的计数功能。

我可以使用 Ultralytics YOLO26 进行自定义锻炼吗？

可以，Ultralytics YOLO26 能够适应自定义的锻炼计划。AIGym 类使用 up_angle、down_angle 和 kpts 参数来检测运动重复次数。你可以指定关键点和角度来检测特定的动作。以下是一个配置示例：. 有关设置参数的更多详情，请参考 Arguments AIGym 章节。这种灵活性允许你监控各种运动，并根据你的 fitness goals 自定义锻炼计划。

我该如何保存使用 Ultralytics YOLO26 进行锻炼监测的输出结果？

若要保存锻炼监测的输出，你可以修改代码以包含一个视频写入器（video writer）来保存处理后的帧。以下是一个示例：. 此设置会将监测到的视频写入输出文件，使你能够事后回顾锻炼表现或与教练分享以获取进一步的反馈。

使用 Ultralytics YOLO26 进行锻炼监测#

Q: 使用 Ultralytics YOLO26 进行锻炼监测有什么好处？

使用 Ultralytics YOLO26 进行锻炼监测具有几个关键优势：; 优化性能： 通过根据监测数据调整锻炼方案，你可以获得更好的效果。; 目标达成： 轻松追踪并调整健身目标，以实现可衡量的进度。; 个性化： 基于个人数据获取定制化的锻炼计划，以达到最佳效果。; 健康意识： 早期检测出可能预示健康问题或过度训练的模式。; 知情决策： 做出数据驱动的决策，以调整日常练习并设定切合实际的目标。. 你可以观看 YouTube video demonstration 来直观了解这些优势。

通过 Ultralytics YOLO26 的姿态估计监控锻炼，能够准确实时追踪身体关键标志点与关节，从而提升运动评估的效果。该技术可提供关于动作规范的即时反馈、追踪锻炼计划并衡量各项表现指标，为用户和教练优化训练过程。

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

锻炼监测的优势#

优化性能： 根据监测数据量身定制锻炼方案，以获取更好的效果。
目标达成： 追踪并调整健身目标，以实现可衡量的进度。
个性化： 基于个人数据定制锻炼计划，以实现高效训练。
健康意识： 早期检测出指示健康问题或过度训练的模式。
知情决策： 为调整日常训练和设定切合实际的目标提供数据驱动的决策。

现实世界应用#

锻炼监测	锻炼监测

俯卧撑计数	引体向上计数

使用 YOLO26 监测锻炼#

AIGym 解决方案通过运行 pose estimation，在四肢于 up_angle 和 down_angle 阈值之间运动时，通过测量由三个关键点形成的夹角来计算重复次数。通过 kpts 为你想追踪的动作选择关键点，然后使用 Python API 或 CLI 在视频上运行该解决方案。

使用 Ultralytics YOLO 进行锻炼监测

# 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]"

关键点地图#

YOLO pose estimation keypoints order diagram

`AIGym` 参数#

以下是包含 AIGym 参数的表格：

参数	类型	默认值	描述
`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`	`int`	`90`	“向下”姿势的角度阈值。
`kpts`	`list[int]`	`'[6, 8, 10]'`	用于监控健身锻炼的三个关键点索引列表。这些关键点对应于身体关节或部位，例如肩膀、肘部和手腕，适用于俯卧撑、引体向上、深蹲和腹部锻炼等练习。
`line_width`	`int`	`2`	解决方案绘制的框、关键点和计数的线条粗细。
`verbose`	`bool`	`True`	启用解决方案针对每帧的输入形状、类别计数和处理速度的日志记录。跟踪调用本身始终是静默的。

AIGym 解决方案还支持一系列目标追踪参数：

参数	类型	默认值	描述
`tracker`	`str`	`'botsort.yaml'`	指定要使用的跟踪算法。内置选项：`botsort.yaml`、`bytetrack.yaml`、`ocsort.yaml`、`deepocsort.yaml`、`fasttrack.yaml`、`tracktrack.yaml`。
`conf`	`float`	`0.25`	设置检测的置信度阈值；较低的值允许跟踪更多的对象，但也可能包含误报。
`iou`	`float`	`0.7`	设置用于过滤重叠检测结果的交并比 (IoU) 阈值。
`classes`	`list`	`None`	按类别索引过滤结果。例如，`classes=[0, 2, 3]` 仅跟踪指定的类别。
`device`	`str`	`None`	指定用于推理的设备（例如 `cpu`、`cuda:0` 或 `0`）。允许用户在 CPU、特定的 GPU 或用于模型执行的其他计算设备之间进行选择。

此外，还可以应用以下可视化设置：

参数	类型	默认值	描述
`show`	`bool`	`False`	如果为 `True`，则在窗口中显示带注释的图像或视频。对于开发或测试期间的即时视觉反馈非常有用。
`show_conf`	`bool`	`True`	在标签旁显示每次检测的置信度得分。让你深入了解模型对每次检测的确定性。
`show_labels`	`bool`	`True`	在视觉输出中显示每次检测的标签。提供对检测到对象的即时理解。

常见问题解答#

要使用 Ultralytics YOLO26 监控锻炼，你可以利用 pose estimation capabilities 实时追踪并分析身体关键标志点与关节。这能让你获得关于运动规范的即时反馈、计算重复次数并衡量表现指标。你可以从查看所提供的俯卧撑、引体向上或腹肌锻炼示例代码开始，如下所示：

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()

如需了解更多自定义与设置信息，请参考文档中的 AIGym 章节。

使用 Ultralytics YOLO26 进行锻炼监测具有几个关键优势：
- 优化性能： 通过根据监测数据调整锻炼方案，你可以获得更好的效果。
- 目标达成： 轻松追踪并调整健身目标，以实现可衡量的进度。
- 个性化： 基于个人数据获取定制化的锻炼计划，以达到最佳效果。
- 健康意识： 早期检测出可能预示健康问题或过度训练的模式。
- 知情决策： 做出数据驱动的决策，以调整日常练习并设定切合实际的目标。
你可以观看 YouTube video demonstration 来直观了解这些优势。
凭借其顶尖的 pose estimation 功能，Ultralytics YOLO26 在检测和追踪运动时具有极高的准确性。它能精确追踪身体关键标志点和关节，提供关于运动规范和表现指标的实时反馈。该模型的预训练权重和强大的架构确保了高 precision 与可靠性。关于实际案例，请查看文档中的 real-world applications 章节，其中展示了俯卧撑和引体向上的计数功能。
可以，Ultralytics YOLO26 能够适应自定义的锻炼计划。AIGym 类使用 up_angle、down_angle 和 kpts 参数来检测运动重复次数。你可以指定关键点和角度来检测特定的动作。以下是一个配置示例：
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，请参考 Arguments AIGym 章节。这种灵活性允许你监控各种运动，并根据你的 fitness goals 自定义锻炼计划。

若要保存锻炼监测的输出，你可以修改代码以包含一个视频写入器（video writer）来保存处理后的帧。以下是一个示例：

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()

此设置会将监测到的视频写入输出文件，使你能够事后回顾锻炼表现或与教练分享以获取进一步的反馈。

贡献者

GLglenn-jocher²³ RIRizwanMunawar¹⁷ RAraimbekovm⁴ MAMatthewNoyce² AMambitious-octopus¹ IVIvorZhu331¹

创建于 2023年12月1日更新于 6天前