POSEXAU : ferramenta para auxiliar na postura durante a prática de exercício físico

• Autor(a) principal: Passos, Lucas Lauck dos
• Data de Publicação: 2022
• Tipo de documento: Trabalho de conclusão de curso
• Idioma: por
• Título da fonte: Repositório Institucional da UFRGS
• Texto Completo: http://hdl.handle.net/10183/248603
• topic: Computação; Python; Processamento de imagens; Visão computacional; Exercício; OpenPose; OpenCV; Exercise; Pose Detection; Jupyter Notebook; Convolutional Network; POSEXAU; Numpy; Health; Home Workout; Pose Correction; Inspection

É indiscutível que o exercício físico melhora a qualidade de vida e longevidade de quem o pratica. Com a chegada da pandemia muitas pessoas aderiram ao treinamento feito em casa a fim de evitar o risco de frequentar um ambiente compartilhado, e acabaram por preferir esse tipo de treinamento mesmo depois da volta das academias físicas. Por outro lado, um exercício executado de forma incorreta pode trazer lesões e ter resultado controverso, podendo prejudicar a saúde do praticante sem o acompanhamento constante. Nesse trabalho é proposta uma metodologia para auxiliar na avaliação da postura durante a execução de exercícios nomeada de POSEXAU. Para isso é usado o estado da arte da detecção de pose para extrair as informações do vídeo do usuário e, em seguida, através de modelos matemáticos analíticos propostos pelo autor, gerar uma realimentação para o praticante. Serão configurados dois exercícios, que seguem lógicas parecidas e podem ser avaliados com o POSEXAU baseados em guias de treinamento de profissionais da área. A Inteligência Artificial será responsável por identificar o movimento no vídeo enviado pelo praticante que ao final determinará se está correto ou não através de modelos mate máticos analíticos. Foi analisada a capacidade da Ferramenta OpenPose para ser usada como alimentação da POSEXAU, mas seu uso pode ser feito com qualquer rede de de tecção de pose que possua resultado idêntico. O resultado final demonstra que apesar de algumas limitações ocasionadas por erros na detecção dos membros do corpo e questões físicas da perspectiva de captura do vídeo, a metodologia utilizada é robusta e pode es calar conforme a confiabilidade da rede de detecção e quantidade de análises da posição feitas na ferramenta. O sistema está previsto para funcionar seja na plataforma Windows seja na Linux, como só é feito inferência e não treinamento, é suficiente um computador com um poder de processamento de um processador i5 de quarta geração e uma câmera de 7 Megapixels no mínimo para gravar os vídeos.