ЖАТТЫҒУ ҚОЗҒАЛЫСТАРЫН КОМПЬЮТЕРЛІК КӨРУ КӨМЕГІМЕН ТАЛДАУ ЖӘНЕ ТИІМДІЛІГІН БАҒАЛАУ
Кілт сөздер:
компьютерлік көру, позаны бағалау, фитнес жаттығулары, нақты уақыттағы бағалау, қимылды талдау, MediaPipe, кері байланыс жүйелері.Аңдатпа
Мақалада компьютерлік көру және позаны бағалау технологиялары негізінде фитнес жаттығуларын нақты уақыт режимінде бақылау мен бағалаудың ғылыми-әдістемелік негіздері талданады. Зерттеудің мақсаты - бір камералы ортада орындалатын фитнес жаттығуларын бағалауға арналған жүйелердің құрылымын, негізгі есептеу белгілерін және қолданбалы шешімдерін ғылыми тұрғыдан жүйелеу. Зерттеуде аналитикалық шолу, жүйелі талдау және салыстырмалы синтез әдістері қолданылды. Дереккөз базасы адамның қалпын бағалау, қозғалысты талдау, қашықтықтан жаттығуды бақылау және нақты уақыт режиміндегі кері байланыс жүйелері бойынша заманауи жұмыстардан тұрды. Талдау нәтижесінде фитнес жаттығуларын нақты уақыт режимінде бағалаудың төрт деңгейлі құрылымы анықталды: дененің тірек нүктелерін анықтау, кинематикалық ерекшеліктерді алу, қозғалыс фазасын және орындау сапасын бағалау және пайдаланушыға түсіндірілетін кері байланыс беру. Сондай-ақ, геометриялық, уақытша және сапалық ерекшеліктерді бірлесіп пайдалану мұндай жүйелердің сенімділігін арттыратыны анықталды. Жұмыстың ғылыми жаңалығы фитнес жаттығуларын бағалау процесін бөлек алгоритмдер жиынтығы ретінде емес, өзара байланысты сандық талдау циклі ретінде ұсынудан тұрады. Бұл тәсілдердің практикалық маңыздылығы олардың үйде жаттығу, онлайн фитнес платформалары, дене шынықтыруды бақылау және бастапқы оңалту үшін қолданылуында.
Әдебиеттер тізімі
Badiola-Bengoa, A., & Mendez-Zorrilla, A. (2021). A systematic review of the application of camera-based human pose estimation in the field of sport and physical exercise. Sensors, 21(18), 5996. https://doi.org/10.3390/s21185996
Cao, Z., Simon, T., Wei, S.-E., & Sheikh, Y. (2017). Realtime multi-person 2D pose estimation using part affinity fields. Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition, 7291–7299. https://doi.org/10.1109/CVPR.2017.143
Ekambaram, D., & Ponnusamy, V. (2024). Real-time monitoring and assessment of rehabilitation exercises for low back pain through interactive dashboard pose analysis using Streamlit: A pilot study. Electronics, 13(18), 3782. https://doi.org/10.3390/electronics13183782
Gao, Z., Chen, J., Liu, Y., Jin, Y., & Tian, D. (2025). A systematic survey on human pose estimation: Upstream and downstream tasks, approaches, lightweight models, and prospects. Artificial Intelligence Review, 58, 68. https://doi.org/10.1007/s10462-024-11060-2
Heo, S., Choi, T., & Choi, W. (2026). Clinical validation of an on-device AI-driven real-time human pose estimation and exercise prescription program: Prospective single-arm quasi-experimental study. Healthcare, 14(4), 482. https://doi.org/10.3390/healthcare14040482
Hoang, M. L. (2024). Human pose estimation for rehabilitation by computer vision (pp. 110–128). https://doi.org/10.2174/9789815313055124010008
Kotte, H., Daiber, F., Kravčík, M., & Duong-Trung, N. (2024). FitSight: Tracking and feedback engine for personalized fitness training. Proceedings of the 32nd ACM Conference on User Modeling, Adaptation and Personalization, 223–231. https://doi.org/10.1145/3627043.3659547
Naseer, A., Raza, A., Afzal, H., Smerat, A., Fitriyani, N. L., Gu, Y., & Syafrudin, M. (2025). Human pose estimation in physiotherapy fitness exercise correction using novel transfer learning approach. PeerJ Computer Science, 11, e2854. https://doi.org/10.7717/peerj-cs.2854
Rehabilitation Training Evaluation and Correction System Based on BlazePose. (2022). https://doi.org/10.1109/ECICE55674.2022.10042886
Samanta, A., Kotte, H., Handwerk, P., Mat Sanusi, K. A., Geisen, M., Kravčík, M., & Duong-Trung, N. (2024). IMPECT-POSE: A complete front-end and back-end architecture for pose tracking and feedback. Adjunct Proceedings of the 32nd ACM Conference on User Modeling, Adaptation and Personalization, 142–147. https://doi.org/10.1145/3631700.3664865
Sideridou, M., Kouidi, E., Hatzitaki, V., & Chouvarda, I. (2024). Towards automating personal exercise assessment and guidance with affordable mobile technology. https://doi.org/10.3390/s24072037
Stenum, J., Cherry-Allen, K. M., Pyles, C. O., Reetzke, R. D., Vignos, M. F., & Roemmich, R. T. (2021). Applications of pose estimation in human health and performance across the lifespan. Sensors, 21(21), 7315. https://doi.org/10.3390/s21217315
Tharatipyakul, A., Srikaewsiew, T., & Pongnumkul, S. (2024). Deep learning-based human body pose estimation in providing feedback for physical movement: A review. Heliyon, 10, e36589. https://doi.org/10.1016/j.heliyon.2024.e36589
Wang, J., & Zhang, Y. (2023). Design of real-time movement guidance system based on Blazepose on mobile terminal. Academic Journal of Science and Technology, 4(3), 162–164. https://doi.org/10.54097/ajst.v4i3.5050
Woo, Y., & Jeong, H. (2025). Exercise assessment based on human pose estimation and relative phase for real-time remote exercise system. IEEE Access, 13, 53203–53213. https://doi.org/10.1109/ACCESS.2025.3551834
Yang, H., Wang, Y., & Shi, Y. (2022). Rehabilitation training evaluation and correction system based on BlazePose. 27–30. https://doi.org/10.1109/ECICE55674.2022.10042886
Жүктеулер
Жарияланды
Дәйексөзді қалай келтіруге болады
Журналдың саны
Бөлім
Лицензия
Авторлық құқық (c) 2026 Yassawi Journal of Engineering Science
Бұл жұмыс Creative Commons атрибуты бойынша лицензияланған. 4.0 Халықаралық лицензия.
