跳转至内容

使用 Ultralytics YOLO11 进行锻炼监控

在 Colab 中打开锻炼监控

通过 Ultralytics YOLO11 的姿势估计来监控锻炼，可以通过实时准确地跟踪关键身体地标和关节来增强运动评估。这项技术可以提供关于运动姿势的即时反馈，跟踪锻炼程序，并测量性能指标，从而为用户和教练优化训练课程。



观看： 如何使用 Ultralytics YOLO 监控锻炼动作 | 深蹲、腿部伸展、俯卧撑等

锻炼监控的优势

  • 优化性能： 根据监控数据定制训练计划，以获得更好的结果。
  • 目标达成： 跟踪和调整健身目标，以衡量进度。
  • 个性化：根据个人数据定制锻炼计划，以提高有效性。
  • 健康意识： 早期检测表明健康问题或过度训练的模式。
  • 明智的决策： 用于调整日常安排和设定实际目标的数据驱动决策。

实际应用

运动监测 运动监测
俯卧撑计数 引体向上计数
俯卧撑计数 引体向上计数

使用 Ultralytics YOLO 进行锻炼监控

# 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

关键点图

关键点顺序 Ultralytics YOLO11 姿势估计

AIGym 参数

这是一个包含以下内容的表格 AIGym 参数：

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 float 90.0 “向下”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。这些关键点对应于身体关节或部位，例如肩部、肘部和腕部，适用于俯卧撑、引体向上、深蹲、腹部锻炼等运动。

字段 AIGym 解决方案还支持一系列目标跟踪参数：

参数 类型 默认值 描述
tracker str 'botsort.yaml' 指定要使用的跟踪算法，例如： bytetrack.yaml 或 botsort.yaml.
conf float 0.3 设置检测的置信度阈值；较低的值允许跟踪更多对象，但可能包含误报。
iou float 0.5 设置用于过滤重叠检测的 Intersection over Union (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。
verbose bool True 控制跟踪结果的显示，提供被跟踪对象的可视化输出。
device str None 指定用于推理的设备（例如， cpu, cuda:0 或 0）。允许用户在 CPU、特定 GPU 或其他计算设备之间进行选择，以执行模型。

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 可视化参数： True，则在窗口中显示带注释的图像或视频。这对于开发或测试期间的即时视觉反馈非常有用。
line_width None or int None 指定边界框的线条宽度。 如果 None，则线条宽度会根据图像大小自动调整。 提供视觉自定义以提高清晰度。
show_conf bool True 在标签旁边显示每个检测的置信度分数。 可以深入了解模型对每次检测的确定性。
show_labels bool True 在可视化输出中显示每个检测的标签。 能够立即理解检测到的对象。

常见问题

如何使用 Ultralytics YOLO11 监控我的训练过程？

要使用 Ultralytics YOLO11 监控您的锻炼，您可以利用姿势估计功能来实时跟踪和分析关键的身体地标和关节。这使您可以获得关于您的运动姿势的即时反馈，计算重复次数，并测量性能指标。您可以从使用提供的俯卧撑、引体向上或腹部锻炼的示例代码开始，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()

有关更多自定义和设置，您可以参考文档中的AIGym部分。

使用 Ultralytics YOLO11 进行健身监控有哪些好处？

使用 Ultralytics YOLO11 进行健身监控可提供多个关键优势：

  • 优化性能： 通过根据监控数据定制训练计划，您可以获得更好的结果。
  • 目标达成： 轻松跟踪和调整健身目标，以衡量进度。
  • 个性化：根据您的个人数据获取定制的锻炼计划，以获得最佳效果。
  • 健康意识： 早期检测表明潜在健康问题或过度训练的模式。
  • 明智的决策： 制定数据驱动的决策，以调整日常安排并设定实际目标。

您可以观看 YouTube 视频演示，了解这些优势的实际应用。

Ultralytics YOLO11 在检测和跟踪运动方面的准确性如何？

由于其最先进的姿势估计功能，Ultralytics YOLO11 在检测和跟踪运动方面非常准确。它可以准确地跟踪关键的身体地标和关节，提供关于运动姿势和性能指标的实时反馈。该模型的预训练权重和强大的架构确保了高精度和可靠性。有关真实世界的示例，请查看文档中的实际应用部分，其中展示了俯卧撑和引体向上的计数。

我可以将Ultralytics YOLO11用于自定义锻炼程序吗？

是的，Ultralytics YOLO11 可以适用于自定义的锻炼程序。该 AIGym class 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。 这是一个示例设置：

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细信息，请参阅 参数 AIGym 部分。这种灵活性使您可以监控各种练习，并根据您的情况自定义例程 健身目标.

如何使用 Ultralytics YOLO11 保存锻炼监控输出？

要保存锻炼监控输出，您可以修改代码以包含一个视频写入器，用于保存处理后的帧。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()

此设置将监控的视频写入输出文件，使您可以稍后查看您的锻炼表现或与教练分享，以获得更多反馈。



📅 创建于 1 年前 ✏️ 更新于 3 个月前
glenn-jocher RizwanMunawar MatthewNoyce UltralyticsAssistant ambitious-octopus IvorZhu331

评论