-
1 # 機械之名
-
2 # 嶺南粵水一孤舟
據我所知,現在已經有很多生產健身器材的公司在產品中採用或部分採用了AI、AR、VR技術。
未來人工智慧技術將全方位、深刻的影響人類的生活方式,健身也不可避免。人工智慧應用到健身的場景我想有幾種,一是替代人類教練,幫你制定訓練計劃,指導正確的健身方式,二是替代保健醫生,根據你在健身中身體各項生理指標的變化,提出需要注意的事項,三是結合虛擬現實、增強現實技術,營造一個極為舒適的、獨特的健身環境。
-
3 # 小何Howard
現有的人工智慧在健身訓練上主要依賴於其兩大功能:特徵提取深度學習
利用特徵提取可以收集你或者其他人在健身訓練中產生的有價值資料,然後通過深度學習所收集到的大資料,得出想要的結果。
人臉識別個人健身資料庫通過人工智慧實現人臉識別已經是一個很簡單的事情了,未來的健身房肯定會從刷卡健身變成刷臉健身。
從你進入健身房的那一刻開始,你的所有的運動資料就會被採集錄入你個人的健身資料庫。
可採集的資訊有:
個人特徵資料(年齡、身高、體重、體脂、骨骼肌等);
健身運動資料(健身時長、訓練器械、訓練動作、使用的重量、組數、次數等);
健身生理資料(心率、攝氧量、恢復速度等);
營養補充資料(飲水量、是否補充蛋白粉、氮泵、肌酸等、是否食用了香蕉等);
其他收集資料(在健身房上廁所時候的尿液資料等)。
個人健身資料庫的深度學習應用當機器採集到你大量的個人健身資料後,根據深度學習後,能夠根據你個人的情況給到你更貼切的健身建議。
比如給你設定更符合你需求的健身計劃;提醒你使用適當重量進行訓練;提醒你休息的時長過久還是過短;提醒你身體需要補水或者其他補記;在你健身時候如果人工智慧判定你狀態不好,可以提醒你休息或者提醒現場教練對你進行檢視關心,防止出現健身事故;為你制定離開健身房後的休息和飲食計劃等。個人健身資料庫接入大眾健身資料庫通過足夠多的個人健身資料庫的採集,可以將收集到的資訊接入更大的面向大眾的健身資料庫,通過不同個體的差異資料學習,能夠給醫學、自然科學、行為學、運動學等一系列的科學研究提供大資料的支撐。
人工智慧的大資料變現除了在健身訓練上給個人或者全民提供幫助外,人工智慧還可以利用所收集到的資料進行變現:
和保險公司的資料聯動變現。現在已經實現了,將個人平時的資料和保險公司聯動,可以根據你平時運動健身的情況判斷你個人的身體健康狀況,從而確定你的保險費用。據我所知,FITBIT很早就已經和保險公司開展類似的業務了。
根據你的個人健身資料,向你販賣適合你的健身課程、健身補劑、健身教練及食品。
總結人工智慧必然將深入我們生活的方方面面,健身訓練上也是如此,可以有效直接地提升我們健身增肌的效果,也能讓全民的健康水平更上一層樓。
-
4 # 高維腦洞
謝謝邀請,這個很有用的。從現在的情況看多用於監督記錄身體在運動前後,運動期間的狀態。當然現在這方面應用還很初級,最簡單的就是手機APP上的徒步計步器,可以記錄步數,換算人體消耗的卡路里數。而智慧手錶上或手環上可測定人的脈搏、心率,也能給人比較準確的參考數值。未來這些監控裝置的精度會越來越高,而且它會形成一個系統的參考值,告訴人整體的身體狀態。依據服裝或貼身的高精度感測器,AI將會更全面地掌握特定人體的體質、優勢、弱勢,應加強的專案。這樣就會給人一個相對最合理化的訓練、營養、休整方式等建議。
另外,作為一種高智慧的附加裝置,個人認為其可以利用輕微的震動,電流等刺激人類相關肌肉纖維,促進其正常生長,提高身體的協調、平衡能力,改善肌肉質量,等等。
其實個人認為人工智慧在運動領域最大的運用在於競賽的公平記錄、裁判、公證方面,讓競賽結果更加公平公正,為體育運動的健康發展鋪平道路。
-
5 # 能量平衡德行天下
鍛鍊身體的目的是增進機體對食物能量的消化吸收,從這一點上看鍛鍊身體除非自己運動找代替的方法根本不起作用。所以那些打著高科技手段鍛鍊身體的幌子都是不可信的。我們的身體其實就是一個不停執行的機器,這個機器的潤滑好壞也就是我們的身體各個器官功能的好壞與食物有密切的關係。食物進入我們的身體通過我們身體的分解消化轉化成能量滋潤我們的各個組織各個器官。這種轉化隨著我們身體的健康而產生不一樣的結果。當我們非常健康,各個器官運作正常時這些食物能量就會按照應該執行的道路通暢的執行。當我們的身體出現問題時(這種情況經常出現)這些能量就會形成淤堵現象,這種淤堵發生在哪裡那裡就會出現病狀現象。人為了少讓這些淤堵發生會通過運動使身體的能量通道得以開啟,從而達到健康身體的目的。這其實就是鍛鍊身體的本來意義。AI技術只能用於監測我們在鍛鍊時的各種身體狀態,例如血壓,心跳,呼吸頻率、體溫等等生命指標,靠AI技術幫助我們活動增強體質就現階段我們的技術還沒有達到或說沒有實際的科學資料支援這個問題。所以不要相信AI技術會幫助你鍛鍊身體,鍛鍊除非自己出汗任何所謂的鍛鍊都是沒有意義的。也許有一天AI技術可以幫助我們運動,但是現在真的沒有發現那種AI技術有這種功效。謝謝閱讀
回覆列表
目前的AI及時主要得益於視覺和音訊資料的智慧,最終的結果都是通過處理資料得出一個結論。
智慧跑步機、智慧健身衣、EMS電流訓練,現在的健身行業充滿了各種黑科技。但是小編認為只有精準的個性化指導與先進的健身知識才可以讓我們變瘦並且瘦的健康。聽起來好像只有昂貴的私教可以做到,但是今天我們要介紹一種黑科技——AI虛擬私教。AI虛擬私教是一種以計算機視覺技術為核心的人工智慧教練系統,它可以像真人教練一樣,幫助使用者進行健身訓練。我們今天討論的主題是人工智慧能否代替教練行業,計算機視覺技術如何為健身行業賦能。
健身行業的痛點是什麼1、設施齊全,擁有優秀教練的健身房不一定就在你家附近。2、即使就在你家附近,去一次健身房的時間成本是很大的(路途、更換衣服、訓練、洗漱)。3、私教普遍很貴,還帶有很強的銷售導向。4、如果不請教練,自己訓練,很難達到效果,還極易受傷。5、非一線城市,優秀教練非常的稀缺,很難找到適合自己的教練。6、線上 APP,視訊教學,課程種類很多,但很難針對每名使用者來制定計劃,也缺乏實時指導與反饋。
AI技術為健身行業賦能利用計算機視覺技術解決健身指導與身體檢測什麼是計算機視覺技術計算機視覺是以影象(或視訊)為輸入,以對環境的表達和理解為目標,研究影象資訊組織、物體和場景識別、進而對事件給予解釋的學科。計算機視覺包括物體識別與檢測、語義分割、運動和跟蹤、三維重建、動作識別、視覺問答等。
計算機視覺技術的應用計算機視覺技術在生活中使用非常廣泛。比如,人臉識別、指紋識別、視訊監控分析、三維視覺建模等。在健身領域中,也有很大的“用武之地”。我們今天主要介紹人體三維建模、人體姿態估計在健身訓練中的應用點。
人體三維建模人體三維建模目前主流的做法是通過深度攝像頭還原人體的3D模型。深度攝像頭除了能夠獲取平面圖像以外,還可以獲得拍攝物件的深度資訊,也就是三維的位置和尺寸資訊,使得整個計算系統獲得環境和物件的三維立體資料。通過深度攝像頭獲取人體的三維立體資料,我們可以把人的3D模型建立出來。根據人體的3D模型,我們可以得到人體的軀幹長度、腰圍、臀圍、體脂率等資訊,同時也可以判斷是否有高低肩、頭部側傾、O型腿等問題。從而給健身使用者定製合適的訓練計劃、評估鍛鍊的效果。目前,基於人體三維建模的產品已經開始在Vento智慧健身房、Shape 健身等場館中應用。
人體姿態估計(human pose estimation)人體姿態估計,就是通過將圖片中已檢測到的人體關鍵點正確的聯絡起來,從而估計人體姿態。人體關鍵點通常對應人體上有一定自由度的關節,比如頸、肩、肘、腕、腰、膝、踝等。通過對關鍵點在空間中的相對位置進行計算,就可以估計人體當前的姿態,加入時間資訊後,我們還可以進一步分析肢體的運動軌跡、頻率、幅度等資訊。人體姿態估計的關鍵在於如何識別人體的關鍵點,目前主流的做法是基於和監督學習,比如卡耐基梅隆大學的開源專案OpenPose。OpenPose使用卷積神經網路提取影象的Part Confidence Maps 和Part Affinity Fields。得到這兩個資訊後,使用圖論中的 Bipartite Matching(偶匹配)求出Part Association,將同一個人的關節點連線起來,合併為一個人的整體骨架。
計算機視覺與健身房身體評測
一說到姿態估計,我們馬上就可以聯想到健身房中常見的身體檢測。通過傳統的身體檢測,可以讓我們在健身中避免損傷、提高效率。健身中的檢測可以分為三大類:
1、鉛垂線靜態評估,這也是最基本的評估方式2、FMS、DNS、SFMA......動態動作篩查3、身體成分檢測:體脂率等等靜態評估是指使用者在三維空間內保持身體靜止或肌肉等長收縮的狀態下,教練通過肉眼觀察,在一定的標準下,直接進行評估。很多體態問題可以在這個階段被查出,比如:彎腰駝背、骨盆前傾、高低肩等。
動態動作篩查是通過幾個標準化的動作,針對使用者的運動能力進行評級打分,評估使用者身體的靈活性、穩定性、動作模式等問題,從而避免身體損傷。動作篩查體系是一個幫助使用者科學、高效、安全健身的好工具與完整體系,但問題在於這個測評非常依賴教練自身的經驗與水平,也就是說你看過的人越多,教練水平越高,篩查結果也就越準確。目前健身行業由於資訊不對稱,教練資源不平均,很多健身房只是把篩查作為了銷售手段,並不能真的幫助使用者。但是如果通過計算機視覺的手段去解決,就可以做到標準化輸出,讓更多的人得到一樣的優質服務與更加準確的測評。拿最流行的 Open Pose 舉例,Open Pose 提取的骨骼關鍵點與健身培訓學到的關鍵點幾乎一致。這也為功能性動態評估一個很好的支撐。當然最重要的是,我們不必頂著被銷售、被騙的壓力,在家輕鬆的瞭解自己的身體狀況。
人體姿態估計與動作糾正、指導發現了身體姿態問題後,我們需要討論的是如何糾正訓練與如何在正常的訓練中做到正確的動作模式。很多健身App裡已經有了豐富的動作庫與有氧課程,但是很少有App可以關注到動作模式本身。如何做到更加高效與安全,這是需要通過科學的健身體系進行鍼對性指導與反饋的。私教在執教過程中,最重要的也是幫助使用者建立起正確的動作模式,畢竟使用者是在訓練而不是在幹活。每一個訓練動作就像是一門技藝,需要反覆打磨,比如深蹲、平板支撐、俯臥撐等。精準的動作就像是音樂符號,把他們組合起來就是完美的樂章,也就是我們所說的訓練計劃了。同樣的問題,教練的經驗和本身的知識儲備,直接影響了使用者的訓練效果,而作為小白,找到一個優秀的教練可能跟中彩票的機率差不多。
但是通過人體姿態估來判斷動作模式正確與否,是可以幫助使用者標準化的建立動作模式的。這個技術是基於計算機視覺來實現的,通過對各種複雜情況下的人體骨骼關鍵點資料集進行訓練,建立人體骨骼關鍵點識別的模型,從而準確找到每個關節點的位置,判斷動作模式。這種方法擁有很好的魯棒性,可以適應各種複雜的環境和光照條件。這相當於是一名經過培訓的私人教練無時無刻的陪伴著你的訓練,指導你的動作。當然對於很多要求軌跡的體育運動比如Golf 也是有很大幫助的。