Sistema de visión artificial para la identificación de ejecución de ejercicios físicos

El presente proyecto desarrolla un sistema de visión artificial para la detección y análisis de la ejecución de ejercicios en entornos de gimnasio. El sistema utiliza modelos de redes neuronales convolucionales, específicamente el modelo MediaPipe de Google, para reconocer poses humanas y proporcionar retroalimentación en tiempo real sobre la técnica de ejercicios como sentadillas, peso muerto, pull-ups, entre otros. La investigación aborda la recolección y preprocesamiento de datos mediante la grabación de videos en distintos escenarios, seguido de la implementación del modelo de visión artificial. Se evaluó la precisión del sistema en la identificación de posturas y en la estimación de ángulos clave de las articulaciones para mejorar la ejecución de los ejercicios y prevenir lesiones. Los resultados obtenidos muestran la efectividad del sistema para detectar correctamente la técnica de ejecución en tiempo real, permitiendo su aplicación en gimnasios para ofrecer una supervisión personalizada y accesible.

• Autores: Silva Amado, Hamilton stheven
• Tipo de recurso: Trabajo de grado de pregrado
• Fecha de publicación: 2024
• Institución: Universidad Santo Tomás
• Repositorio: Repositorio Institucional USTA
• Idioma: spa
• OAI Identifier: oai:repository.usta.edu.co:11634/58129
• Acceso en línea: http://hdl.handle.net/11634/58129
• Palabra clave: Computer vision; Exercise detection; Pose estimation; Physical training; Injury prevention; Neural networks; Gym; Visión artificial; Detección de ejercicios; Estimación de pose; Entrenamiento físico; Prevención de lesiones; Redes neuronales; Gimnasio
• Rights: openAccess
• License: Atribución-SinDerivadas 2.5 Colombia