Искусственный интеллект улучшит тренировки по тяжелой атлетике

Информация позволяет разрабатывать стратегии целенаправленных тренировок и восстановления. Такой подход поможет оптимизировать производительность и безопасность в различных видах спорта и физических упражнениях.

Тепловые или инфракрасные изображения могут предоставлять ценную информацию для занятий спортом и здоровья, отслеживая активацию мышц и обнаруживая области напряжения или усталости. Информация может быть использована для предотвращения травм, мониторинга тепловых реакций и количественной оценки физических упражнений, в конечном итоге помогая спортсменам повысить свои навыки. Однако большинство современных методов используют снимки до и после тренировки, предлагая лишь ограниченное представление о сложной динамике, происходящей внутри тела.

«Непрерывно анализируя все движение, а не только отдельные моменты, мы можем отслеживать прогрессирование изменения температуры в режиме реального времени и понимать, что происходит на протяжении всего упражнения», — говорит руководитель исследовательской группы Лаура Виафора из Университета Консепсьон в Чили.

Чтобы протестировать новый метод, ученые снимали спортсменов с помощью недорогой тепловизионной камеры, прикреплённой к смартфону, дорогой автономной тепловизионной камеры и обычной камеры. Такой подход позволил им сравнить результаты и оценить эффективность распознавания тела. Все видео, снятые разными камерами, были загружены на компьютер для анализа.

Первоначальные тесты показали положительные результаты, продемонстрировав, что новый метод может быть использован для создания последовательности тепловизионных изображений с нескольких типов камер. Однако различные типы камер имели некоторые ограничения. Например, оба вида тепловизионных камер хорошо отличали тело спортсмена от фона, но с обычной камерой это оказалось сделать сложнее. Некоторые движения было трудно обнаружить, например, когда спортсмен лежал, свернувшись калачиком, или когда тело закрывал груз.

Исследователи хотят проверить эффективность метода для спортсменов из разных дисциплин, включая традиционные и паралимпийские виды спорта. Они также работают над усовершенствованием алгоритма.