NgoQuocBao1010/Exercise-Correction

🎯 Exercise Pose Correction: Phân tích động tác tập thể dục bằng AI

Phát hiện và đưa ra phản hồi ngay thời gian thực khi bạn thực hiện các bài tập sai kĩ thuật.

Dự án Exercise Pose Correction nhằm phát triển 4 mô hình học máy cho 4 bài tập tập thể dục phổ biến tại nhà: Bicep Curl, Plank, Squat và Lunge. Mỗi mô hình có khả năng phát hiện bất kỳ dạng chuyển động sai nào trong khi người thực hiện bài tập tương ứng. Ngoài ra, dự án còn xây dựng một ứng dụng web sử dụng các mô hình đã huấn luyện để phân tích và cung cấp phản hồi trên video tập luyện.

✨ Điểm nổi bật

• Phân tích 4 bài tập chính: Hỗ trợ Bicep Curl, Plank, Squat và Lunge – 4 bài tập được tập nhiều tại nhà.
• Phát hiện lỗi động tác: Mỗi mô hình có khả năng nhận diện các dạng chuyển động sai khi thực hiện bài tập.
• Dựa trên Mediapipe Pose Detection: Sử dụng công nghệ này để trích xuất keypoints và phân tích tư thế người.
• Huấn luyện bằng Sklearn và Keras: Các mô hình được xây dựng và huấn luyện bằng các thư viện học máy mạnh mẽ.
• Ứng dụng web trình diễn: Xây dựng bằng Vue.js và Django, cho phép người dùng tải lên video để nhận phản hồi tức thì.
• Đánh giá mô hình chi tiết: Cung cấp Confusion Matrix và đường cong ROC cho từng mô hình.
• Dữ liệu tự thu thập: Do thiếu dữ liệu công cộng, lớp dữ liệu được thu thập từ bản thân tác giả, bạn bè và gia đình.
• Bài tập Plank sử dụng dữ liệu Kaggle: Tận dụng bộ dữ liệu Yoga từ Kaggle để huấn luyện mô hình Plank.

💡 Vì sao đáng chú ý

Dự án không chỉ giới hạn ở việc tạo ra mô hình, mà còn tích hợp trực tiếp vào một nền tảng web để người dùng dễ dàng trải nghiệm. Điều này giúp người tập có thể tự đánh giá kỹ thuật của mình mà không cần sự hướng dẫn trực tiếp từ huấn luyện viên. Đặc biệt, việc sử dụng Mediapipe pose detection giúp tiết kiệm chi phí phần cứng và dễ dàng triển khai trên nhiều nền tảng khác nhau.

#ExerciseCorrection #MediapipePose #MachineLearning #FitnessTracker #TiniX