ГИБРИДНАЯ СИСТЕМА РАСПОЗНАВАНИЯ УПРАЖНЕНИЙ, ПОДСЧЕТА ПОВТОРЕНИЙ И ОЦЕНКИ РАСХОДА КАЛОРИЙ НА ОСНОВЕ КОМПЬЮТЕРНОГО ЗРЕНИЯ, A HYBRID COMPUTER VISION-BASED SYSTEM FOR EXERCISE RECOGNITION, REP COUNTING, AND CALORIE BURN ESTIMATION, ГИБРИДТІ КОМПЬЮТЕРЛІК КӨРУ ҚАБІЛЕТІНЕ НЕГІЗДЕЛГЕН ЖАТТЫҒУДЫ ТАНУ, ҚАЙТАЛАУДЫ САНАУ ЖӘНЕ КАЛОРИЯ ШЫҒЫНЫН БАҒАЛАУ ЖҮЙЕСІ, Bilgisayar destekli görüntü işleme tabanlı egzersiz tanıma, tekrar sayımı ve kalori harcaması tahmin sistemi

<jats:p>Точный мониторинг физических упражнений важен для домашних тренировок, уроков физкультуры и дистанционной поддержки тренировок; однако ручной подсчет повторений часто ненадежен, а оценка калорий часто упрощается до общих формул, которые не отражают индивидуальные и специфические для вида деятельности вариации. В этом исследовании предлагается гибридная система на основе машинного зрения для распознавания упражнений, подсчета повторений и оценки расхода калорий по монокулярному видео. Предложенная система сочетает в себе извлечение поз без маркеров, классификацию состояний упражнений на основе ориентиров, подсчет повторений с учетом упражнений и модель расчета калорий на основе машинного обучения, учитывающую дескрипторы пользователя и вида деятельности. В предлагаемом алгоритме ориентиры тела извлекаются из видеокадров и преобразуются в структурированные геометрические признаки, поддерживающие распознавание упражнений. Затем количество повторений оценивается по сглаженным траекториям углов суставов с использованием анализа пиков, специфичных для движения, а расход калорий определяется с помощью калиброванной регрессионной модели в сочетании с корректировкой интенсивности на основе движения. Итоговая модель оценки физических упражнений достигла точности 0,8886, сбалансированной точности 0,8950 и показателя макро-F1 0,8929. Модель расчета калорий показала среднюю абсолютную ошибку 2,1339, среднеквадратичную ошибку 3,6202 и значение R² 0,9966. В ходе сквозного самотестирования видеозаписи были корректно распознаны репрезентативные фрагменты отжиманий и приседаний, количество повторений было правдоподобным, а оценки калорий оставались в пределах реалистичных кратковременных диапазонов. Эти результаты показывают, что предложенная гибридная структура может обеспечить интерпретируемое и практически применимое решение для мониторинга физических упражнений с помощью камеры без необходимости использования специального носимого оборудования или устройств захвата движений</jats:p>