姿态识别+康复训练矫正+代码+部署（AI 健身教练来分析深蹲等姿态）-2

姿态识别+康复训练矫正+代码+部署（AI 健身教练来分析深蹲等姿态）-1

https://developer.aliyun.com/article/1446343

深蹲时的状态图解释

状态转换图解释了执行深蹲时保持的各种状态。

请注意，所有状态都是根据髋膝线和垂直线之间的角度计算的（为简单起见，我们将此阶段压缩为膝盖和垂直线之间的角度）.

以下 gif 说明了过渡的各个阶段。

我们将处理应用程序的三种状态：s1、s2 和 s3。

• 状态 s1： 如果膝盖与垂直方向的夹角落在32°以内，则处于正常阶段，其状态为s1。它本质上是更新正确和不当深蹲计数器的状态。
• 状态 s2： 如果膝盖和垂直方向之间的角度落在 35° 和 65° 之间，则处于过渡阶段，随后进入状态 s2.
• 状态 s3： 如果膝盖和垂直方向之间的角度在特定范围内（例如，在 75° 和 95° 之间），则它处于通过阶段，随后进入状态 s3.

我们最终也可以提供状态转换图。

![外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传](https://img-home.csdnimg.cn/images/20230724024159.png?origin_url=C%3A%5CUsers%5Cadmin%5CDesktop%5C%E5%9B%BE%E5%BA%93%5C5.png&pos_id=img-3im2gicr-1698838611908

注意：

• 与反馈相关的所有计算都是针对状态 s2 和 s3 计算的。
• 在实施过程中，我们维护一个列表：state_sequence。它包含人员从状态 s1 到 s3 再回到 s1 时的一系列状态。state_sequence 中的最大状态数 为 3 （[s2**， s3， s2]**）。此列表确定是否执行正确或不正确的深蹲。

一旦遇到状态 s1，我们将state_sequence重新初始化为空列表，以便进行后续的深蹲计数。

设计应用程序时的关键概念

角度计算

3 点之间的角度，其中 1 个是参考点，如下所示。

该等式由下式给出：

例如，要计算偏移角，我们将找到鼻子和肩膀之间的角度，鼻子的坐标是参考点。

当偏移角度超过某个OFFSET_THRESH时，我们假设该人面向相机前方，并显示相应的警告消息。

同样，可以参考下图来计算肩臀线与垂直线之间的夹角.

AI Fitness Trainer 应用程序的反馈操作

我们的应用程序应提供五条反馈消息，而一条执行深蹲，即：

1. 向前弯曲
2. 向后弯曲
3. 降低臀部
4. 膝盖从脚趾上掉下来
5. 深蹲

• 当髋部与髋部的垂直角度（即肩髋线与垂直线之间的夹角）低于阈值（例如 20°）时，将显示反馈 1，如下图所示。

当髋部垂直角度高于阈值（例如 45°）时，将显示反馈 2， 如下所示

# 代码与部署

环境安装

unzip myproject.zip
cd my_project
conda create -n pose python =3.9
pip install -r requirements.txt

脚本运行

python run.py

总结

到目前为止，我们已经展示了如何使用 姿态识别解决方案构建一个简单的应用程序来分析深蹲。该应用程序的关键组件包括：

• 计算角度，例如肩-髋、髋-膝和膝-踝线及其相应的垂直线。
• 我们保持各种状态以显示适当的反馈并区分正确和不适当的深蹲。
• 计算重置相应计数器期间的非活动状态。

该应用程序假设该人应保持相机的良好侧视图。如果一个人完全面对镜头前，我们会显示适当的警告信息。