• Yeni bir yöntem, yapay zeka ve termal kameraları birleştirerek haltercilerin performansını artırıyor ve sakatlık riskini azaltıyor.
• Bu teknoloji, sporcuların antrenmanlarını optimize etmelerine ve daha etkili bir şekilde iyileşmelerine yardımcı olabilir.

Şili’deki Concepción Üniversitesi’nden araştırmacılar, halter antrenmanlarını geliştirmek için termal kameralardan alınan videoları yapay zeka tabanlı dijital işlemeyle birleştiren yeni bir yöntem geliştirdi. Bu yöntem, sporcuların performansını optimize etmelerine ve sakatlıkları önlemelerine yardımcı olabilecek veriye dayalı bilgiler sağlıyor.

Termal görüntüler, kas aktivasyonunu izleyerek ve zorlanma veya yorgunluk bölgelerini tespit ederek spor ve sağlık için değerli bilgiler sağlayabilir. Bu bilgiler, sakatlıkları önlemek, termal tepkileri izlemek ve fiziksel egzersizi ölçmek için kullanılabilir ve sonuçta sporcuların becerilerini geliştirmelerine yardımcı olabilir. Ancak, mevcut yöntemlerin çoğu, vücutta meydana gelen karmaşık dinamiklere sınırlı bir bakış sunan önce ve sonra anlık görüntüler kullanır.

Araştırma ekibi lideri Laura Viafora, “İlgili parametreleri otomatik olarak elde ederken eksiksiz bir termal video kaydını analiz eden bir yaklaşım geliştirdik,” dedi. “Yalnızca belirli anları değil, tüm hareketi sürekli olarak analiz ederek, sıcaklık değişiminin ilerlemesini gerçek zamanlı olarak izleyebilir ve tüm egzersiz boyunca neler olduğunu anlayabiliriz.”

Applied Optics dergisinde yayınlanan çalışmada, araştırmacılar yeni yöntemin, bir akıllı telefona bağlı ucuz bir termal kamera veya üst düzey bir termal cihazdan alınan görüntüleri kullanarak halter sırasında kas eforunu izlemek için kullanılabileceğini gösterdi.

Viafora, “Amacımız, bu konsepti sporcular ve antrenörler tarafından kullanılabilmesi için geliştirmeye devam etmek” dedi. “Ayrıca, uzmanlara termal veriler ve vücut pozisyonu bilgileri sağlayarak bu teknolojiyi sağlık alanındaki uygulamalar için iyileştirmeyi ve hastalık veya yaralanmadan sonra daha etkili rehabilitasyona katkıda bulunmayı hedefliyoruz.”

Görüntüleri Anlamlı Bilgilere Dönüştürmek

Halter gibi bir spor için, sporcular ve antrenörler bir egzersiz boyunca sıcaklıktaki ve vücut pozisyonundaki küçük değişiklikleri izleyerek birçok faydalı bilgi edinebilirler. Bunu başarmak için araştırmacılar veri işleme algoritmaları geliştirdiler ve ardından görüntülerdeki bireyleri ve vücut bölümlerini tanımlamak ve gerekli bilgileri çıkarmak için Google MediaPipe yapay zeka yazılımını kullandılar.

Sıcaklık verilerini elde etmek için araştırmacılar ilgili vücut bölümünü belirlediler ve ardından piksel renk bilgilerini sıcaklık değerlerine dönüştürdüler. Konumsal bilgiler için eklemlerdeki kilit noktalar belirlendi ve ilgili açıları hesaplamak için kullanıldı. Son olarak, halterin hareketini incelemek için sahnedeki ağırlık plakalarını tespit ettiler ve ardından her karedeki merkezi noktalarının konumlarını kaydettiler. Bu işlemi tüm kareler için tekrarlamak, araştırmacıların egzersiz boyunca konumsal ve sıcaklık değişikliklerini izleyen grafikler ve kare kare görüntüler üretmelerine olanak sağladı.

Yeni yöntemi test etmek için, sporcuları bir akıllı telefona bağlı düşük kaliteli bir termal kamera, üst düzey bağımsız bir termal kamera ve geleneksel bir kamera kullanarak kaydettiler. Bu yaklaşım, çeşitli kameralar kullanarak sonuçları karşılaştırmalarına ve vücut tespiti ve açı tahmininin etkinliğini değerlendirmelerine olanak sağladı. Çeşitli kameralarla elde edilen videoların tümü analiz için bir bilgisayara yüklendi.

Bu ilk testler olumlu sonuçlar gösterdi ve yeni yöntemin birden fazla kamera türünden renkli etiketli bir termal görüntü dizisi ve vücut bölümü pozisyonları hakkında raporlar oluşturmak için kullanılabileceğini ve sporcuları daha güvenli ve daha verimli uygulamalara yönlendirmede yardımcı olabileceğini gösterdi.

Tespit Optimizasyonu

Farklı kamera türlerinin bazı sınırlamaları vardı. Örneğin, her iki termal kamera türü de sporcunun vücudunu arka plandan ayırmada iyi performans gösterdi, ancak bunun geleneksel bir kamera ile daha karmaşık olduğu bulundu. Termal kameranın kalitesi de ön tespiti etkiledi ve bu da gereken hassasiyet seviyesine uygun ekipman seçmenin önemini vurguladı. Sporcunun kıvrıldığı veya bir ağırlığın vücudu kapattığı bazı hareketleri tespit etmek de zordu.

Viafora, “Tüm hareketi sürekli olarak analiz etmek için termal görüntüler kullanmak, bize yalnızca egzersiz boyunca konumsal verileri değil, aynı zamanda vücut ısısı hakkında da bilgi edinme olanak tanıyor,” dedi. “Vücudun bir tarafının diğerinden daha fazla zorlanıp zorlanmadığını görebiliyoruz ve termal görüntüler, arka plan renklerinden, kıyafetlerden ve cilt tonundan etkilenebilen geleneksel görüntülere kıyasla bireyleri tanımlamayı kolaylaştırıyor.”

Araştırmacılar, bu yaklaşımın uygulanabilirliğini gösterdiklerine göre, yöntemi geleneksel ve paralimpik sporlar dahil olmak üzere çeşitli disiplinlerden sporcuların görüntülerini analiz etmek için kullanmak istiyorlar. Ayrıca, kullanıcılara eyleme geçirilebilir bilgiler sağlayabilmesi için algoritmalarını geliştirmek için de çalışıyorlar. Örneğin, bir sporcu kolunu kaldırırsa, sistem hareketin doğru bir şekilde gerçekleştirilip gerçekleştirilmediği konusunda gerçek zamanlı geri bildirim sağlayabilir.

Derleyen: Enis Yabar