Details

Title: Контроль правильности выполнения физических упражнений с помощью нейронной сети: выпускная квалификационная работа бакалавра: направление 02.03.02 «Фундаментальная информатика и информационные технологии» ; образовательная программа 02.03.02_02 «Информатика и компьютерные науки»
Creators: Григоренко Сергей Андреевич
Scientific adviser: Тышкевич Антон Игоревич
Organization: Санкт-Петербургский политехнический университет Петра Великого. Институт компьютерных наук и технологий
Imprint: Санкт-Петербург, 2022
Collection: Выпускные квалификационные работы; Общая коллекция
Subjects: классификация; компьютерное зрение; распознавание человеческой деятельности; сегментация сигналов; classification; computer vision; human activity recognition; signal segmentation
Document type: Bachelor graduation qualification work
File type: PDF
Language: Russian
Level of education: Bachelor
Speciality code (FGOS): 02.03.02
Speciality group (FGOS): 020000 - Компьютерные и информационные науки
DOI: 10.18720/SPBPU/3/2022/vr/vr22-2689
Rights: Доступ по паролю из сети Интернет (чтение, печать)
Additionally: New arrival
Record key: ru\spstu\vkr\19624

Allowed Actions:

Action 'Read' will be available if you login or access site from another network

Group: Anonymous

Network: Internet

Annotation

Тема выпускной квалификационной работы: «Контроль правильности выполнения физических упражнений с помощью нейронной сети». Работа посвящена разработке алгоритмов на основе машинного обучения, классифицирующих выполнение ряда статических и динамических упражнений как правильные или неправильные на основе примеров правильного выполнения и распространенных ошибок. Данные об упражнениях представлены в виде фотографий и видео, которые преобразуются в многомерные временные ряды с помощью pose estimation. Задачи, решаемые в ходе работы: Обзор методов pose estimation и классификации. Создание подходящих наборов данных для статических и динамических упражнений. Разработка алгоритмов классификации правильности на основе машинного обучения. Анализ созданных классификаторов. Работа проводилась на языке python с использованием библиотек TensorFlow, SciPy и CatBoost. В качестве системы оценки позы использовался MediaPipe BlazePose. В результате работы было создано 4 классификатора для: планки, стойки на голове, приседаний и отжиманий с точностью от 94% до 97%. Планируется дальнейшая работа по улучшению производительности и интеграции классификаторов в пользовательское приложение.

The subject of the graduate qualification work is «Controlling the correctness of physical exercises using neural networks». This work focuses on the development of machine learning based algorithms that classify execution of a range of static and dynamic exercises as correct or incorrect based on examples of correct execution and common mistakes. Exercise data is presented in the form of photos and videos, which are converted to multivariate time series data using pose estimation. The research set the following goals: A review of pose estimation and classification methods. Creation of suitable datasets for static and dynamic exercises. Development of machine learning based correctness classification algorithms. Analysis of the created classifiers. The work was conducted using python with the help of libraries such as TensorFlow, SciPy and CatBoost. MediaPipe BlazePose was used as a pose estimation system.The work resulted in 4 classifiers for: plank, headstand, squats, and pushups, with accuracy ranging from 94% to 97%. Further works improving the performance and integrating classifiers into an application are planned.

Document access rights

Network User group Action
ILC SPbPU Local Network All Read Print
External organizations N2 All Read
External organizations N1 All
Internet Authorized users SPbPU Read Print
Internet Authorized users (not from SPbPU, N2) Read
Internet Authorized users (not from SPbPU, N1)
-> Internet Anonymous

Usage statistics

stat Access count: 0
Last 30 days: 0
Detailed usage statistics