Details

Работа посвящена проектированию и программной реализации системы, обеспечивающей автоматический анализ движений обучающегося и формирование визуальной обратной связи на основе сравнения с эталонным движением тренера. Система принимает две видеозаписи — тренера и обучающегося — и возвращает три видеофайла с результатами анализа и JSON-файл с числовыми показателями точности исполнения. В ходе работы реализованы: модуль извлечения 2D-позы и относительной 3D-позы с помощью предобученной модели MediaPipe Pose; алгоритмы нормализации позы на основе угловых характеристик суставов; алгоритм линейной временной синхронизации видеозаписей; модуль сравнения движений по девяти группам частей тела с индивидуальными порогами допустимого отклонения; три модуля визуализации результатов; веб-прототип с асинхронной очередью заданий. Работоспособность системы подтверждена 54 автоматическими тестами. Область применения: дистанционное обучение танцам, спортивная подготовка, оценка качества выполнения физических упражнений. Цель работы достигнута: разработана система видеотренажёра, автоматически анализирующая движения обучающегося и формирующая визуальную обратную связь по результатам сравнения с движением тренера без применения специализированного оборудования. В работе использовались следующие информационные технологии и программное обеспечение: Python, JavaScript, HTML/CSS; FastAPI, Uvicorn; OpenCV, MediaPipe Pose, NumPy, Pillow, FFmpeg, python-telegram-bot, Three.js 0.160.0; тестирование — pytest, pytest-asyncio, httpx; форматы данных — JSON, MP4, WebM, PNG; среда разработки — PyCharm, macOS.

This work addresses the design and implementation of a system that automatically analyses a students movements and provides visual feedback by comparing them with a reference performance by a coach. The system accepts two video recordings — one from the coach and one from the student — and returns three annotated output videos and a JSON file with numerical accuracy scores. The following components were implemented: a 2D- and relative 3D-pose extraction module using the pre-trained MediaPipe Pose model; pose normalisation algorithms based on joint angle features; a linear temporal synchronisation algorithm; a motion comparison module covering nine body-part groups with individual deviation thresholds; three video rendering modules; and a FastAPI web prototype with an asynchronous job queue. Correctness was verified by 54 automated tests. Application area: remote dance education, sports training, exercise quality assessment. The stated goal has been achieved: the video training system automatically analyses student movements and delivers visual feedback based on comparison with the coachs reference video, requiring no specialised motion capture equipment. The following information technologies and software were used in this project: Python, JavaScript, HTML/CSS; FastAPI, Uvicorn; OpenCV, MediaPipe Pose, NumPy, Pillow, FFmpeg, python-telegram-bot, Three.js 0.160.0; testing — pytest, pytest-asyncio, httpx; data formats — JSON, MP4, WebM, PNG; development environment — PyCharm, macOS.