Fitness-AQA

为了防止受伤并最大程度地增加肌肉质量，必须分析一个人在运动过程中的姿势。在这项工作中，我们提出了一种基于计算机视觉的方法来检测锻炼形式中的错误。我们的方法在现实世界的健身房场景中特别适用/有用，在这些场景中，由于相机记录角度，服装风格，健身器材等具有挑战性的因素，现成的姿势估计器无法有效地捕获人的姿势。我们应用我们的系统在三个练习中检测姿势错误: 1) 后蹲; 2) 顶头; 和3) BarbellRow。为此，我们收集了最大的运动质量评估数据集，Fitness-AQA。

To prevent injuries and maximize muscle mass, it is essential to analyze a person's posture during exercise. In this work, we propose a computer vision-based method to detect errors in exercise form. Our method is particularly applicable and useful in real-world gym scenarios, where off-the-shelf pose estimators fail to effectively capture human poses due to challenging factors such as camera recording angles, clothing styles, and fitness equipment. We apply our system to detect posture errors in three exercises: 1) back squat; 2) overhead press; 3) barbell row. To this end, we have collected the largest exercise quality assessment dataset, Fitness-AQA.

搜集汇总

背景与挑战

背景概述

Fitness-AQA是一个专注于运动质量评估的计算机视觉数据集，旨在检测后蹲、顶头和BarbellRow三种健身练习中的姿势错误，以预防伤害并优化训练效果。该数据集特别设计用于现实健身房场景，能应对相机角度、服装风格等挑战性因素，是目前最大的运动姿势评估数据集，由不列颠哥伦比亚大学和FlexAI Inc.于2022年发布。