學位論文
Permanent URI for this collectionhttp://rportal.lib.ntnu.edu.tw/handle/20.500.12235/73912
Browse
1 results
Search Results
Item 基於深度學習之視覺式即時室內健身輔助系統(2022) 胡雅雯; Hu, Ya-Wen近年來人們的健康意識抬頭，越來越多人開始重視規律健身習慣的養成，而進行健身運動中的肌力鍛鍊時，記錄健身的內容是避免受傷及追求進步的重要途徑。因此本研究提出一種基於深度學習之視覺式即時室內健身輔助系統，能夠辨識健身動作並進行重複次數的計算，目的在於協助使用者在不需接觸式設備的情況下更加便利的自動記錄健身內容。視覺式即時室內健身輔助系統可分為三個模組，分別為健身動作辨識模組、動作重複次數計算模組及推理校正模組。本研究使用較適用於行動裝置的改良版Temporal Shift Module來進行健身動作辨識，並利用健身動作辨識神經網路所擷取的特徵圖進行動作重複次數計算，藉由訊號過濾、訊號選擇及峰值過濾演算法篩選出合適的特徵值變化訊號與峰值。最後將動作辨識結果利用短期推理分數和長期校正分數推理校正，使其具備穩定性同時保有使用者對於動作更換的敏感度。當使用者更換動作時，重複次數計算模組的結果將被重置，並輸出整合後的結果。本研究進行實驗的肌力鍛鍊動作共有25種，分別為一般深蹲、相撲深蹲、分腿蹲、前跨步蹲、後跨步蹲、羅馬尼亞硬舉、臀推、橋式、單腳橋式、跪姿伏地挺身、伏地挺身、臥推、仰臥飛鳥、俯身划船、反向飛鳥、肩推、前平舉、側平舉、肱二頭肌彎舉、肱三頭肌伸展、俄羅斯轉體、仰臥起坐、捲腹、交叉捲腹及仰臥抬腿。實驗結果顯示使用CVIU Fitness 25 Dataset在動作辨識的Top 1準確率為90.8%。動作重複次數計算之平均絕對誤差MAEn為8.36%，次數相對誤差MREc為2.55%，在總次數5004次中計次總差異量為183次。系統執行速率約為13 FPS。