ВАК 1.2.1 Искусственный интеллект и машинное обучение
ВАК 3.1.33 Восстановительная медицина, спортивная медицина, лечебная физкультура, курортология и физиотерапия
ВАК 5.8.4 Физическая культура и профессиональная физическая подготовка
ВАК 5.8.5 Теория и методика спорта
ВАК 5.8.6 Оздоровительная и адаптивная физическая культура
УДК 796/799 Физическая культура. Спортивные игры. Спорт
УДК 355.233.22 Физическое воспитание. Физические упражнения. Плавание. Фехтование. Спорт
УДК 00 Наука в целом (информационные технологии - 004)
ГРНТИ 77.00 ФИЗИЧЕСКАЯ КУЛЬТУРА И СПОРТ
ГРНТИ 20.00 ИНФОРМАТИКА
ОКСО 09.00.00 Информатика и вычислительная техника
ОКСО 32.00.00 Науки о здоровье и профилактическая медицина
ОКСО 39.00.00 Социология и социальная работа
ОКСО 44.00.00 Образование и педагогические науки
ББК 3 ТЕХНИКА. ТЕХНИЧЕСКИЕ НАУКИ
ББК 58 Прикладные отрасли медицины
ББК 75 Физическая культура и спорт
ТБК 5 ПРИКЛАДНЫЕ НАУКИ. ТЕХНИКА. МЕДИЦИНА
ТБК 7 ОБЩЕСТВЕННЫЕ НАУКИ. ЭКОНОМИКА. ПРАВО.
BISAC COM021000 Databases / General
BISAC COM023000 Educational Software
BISAC COM025000 Expert Systems
BISAC COM074000 Hardware / Mobile Devices
BISAC COM079010 Human-Computer Interaction (HCI)
BISAC COM032000 Information Technology
Актуальность автоматизации контроля выполнения упражнений обусловлена увеличением потребности в онлайн-фитнес-программах, применением искусственного интеллекта для анализа техники выполнения упражнений и стимулирования пользователей к занятиям фитнесом с помощью удобных цифровых платформ, способствующих повышению эффективности тренировок. Цель. Разработка и внедрение технического решения для контроля физической активности во время выполнения комплексов тренировок с использованием мобильного телефона и компьютера с применением технологий искусственного интеллекта и компьютерного зрения. Методы. В предложенном решении был использован фреймворк для компьютерного зрения MediaPipe Pose Detection, нейронные сети которого предварительно обучены на большом количестве данных и могут с высокой точностью справляться с поставленной задачей в ситуациях с разными фонами, одеждой и людьми. Результаты. Разработано техническое решение – онлайн-платформа FORA VISION (https://fora.vision), в основе которого лежат нейронные сети, обученные на размеченном массиве физических упражнений, которое позволяет в автоматическом режиме отслеживать выполнение упражнений и подсчитывать их количество. Заключение. Технология распознавания и оценки движений применима в различных областях - от проведения дистанционных занятий по физической культуре в учебных заведениях до лечебной и производственной гимнастик, а также для самостоятельной отработки базовых навыков движений в различных видах спорта и профессионально-прикладных областях.
искусственный интеллект в физической культуре и спорте, технологии компьютерного зрения в спорте, автоматический контроль выполнения упражнений, дистанционные занятия по физической культуре, персонализированный подход к занятиям спортом
1. Егорова Н.М. Цифровизация российского спорта: проблемы и перспективы // Известия СанктПетербургского государственного экономического университета. 2022. №4(136). С. 102-106. EDN: https://elibrary.ru/https://elibrary.ru/klxwzq
2. Жданович Д.О., Семенов М.М. Анализ современного состояния фиджитал-движения в Российской Федерации и перспективы его развития до 2030 года // Физическое воспитание и студенческий спорт. 2024. Т.3. №3. С. 232-236. DOI: https://doi.org/10.18500/2782-4594-2024-3-3-232-236 EDN: https://elibrary.ru/https://elibrary.ru/grjxyy
3. Плешаков В.А. Фиджиталогия: Homo sapiens cyberus стал Homo sapiens phygitalis // Вестник НЦБЖД. 2024. №1(59). С. 67-76. EDN: https://elibrary.ru/https://elibrary.ru/sueqmz
4. Распоряжение Правительства РФ от 22.11.2024 N 3387-р «Об утверждении Концепции развития фиджитал-движения на территории Российской Федерации на период до 2030 года». URL: http://government.ru/docs/53601/
5. Ахмерова К.Ш., Тимме Е.А. Интеграция учебного процесса и спортивной подготовки в университете в условиях цифровой трансформации // Физическое воспитание и студенческий спорт. 2023. Т.2. №3. С. 263-267. DOI: https://doi.org/10.18500/2782-4594-2023-2-3-263-267 EDN: https://elibrary.ru/https://www.elibrary.ru/bybzbq
6. Cippitelli E., Gasparrini S., Gambi E., Spinsante S. A human activity recognition system using skeleton data from RGBD sensors // Computational Intelligence and Neuroscience. 2016. V.2016. Article 4351435. P. 1-14. DOI: https://doi.org/10.1155/2016/4351435
7. Rahmani H., Mahmood A., Huynh D.Q., Mian A. HOPC: Histogram of oriented principal components of 3D pointclouds for action recognition // Computer Vision - ECCV 2014: 13th European Conference on Computer Vision, Zurich, Switzerland, September 6-12, 2014, Proceedings, Part II. Cham: Springer, P. 742-757. (Lecture Notes in Computer Science; vol. 8690). DOI: https://doi.org/10.1007/978-3-319-10605-2_48
8. Таранина Н.Г. Основные направления применения искусственного интеллекта в спорте //Молодежь и научно-технический прогресс: сб. докл. XVII междунар. науч.-практ. конф. студентов, аспирантов и молодых ученых: в 2 т. Губкин, 04 апр. 2024 г. Губкин: ООО «Ассистент плюс», 2024. С. 148-152. EDN: https://elibrary.ru/https://elibrary.ru/iqrban
9. FORA VISION. Проводите дистанционные тренировки по индивидуальным фитнес-программам с автоматическим контролем выполнения. URL: https://fora.vision/
10. Naik B.T., Hashmi M.F., Bokde N.D. A comprehensive review of computer vision in sports: Open issues, future trends and research directions // Applied Sciences. 2022. V.12. No9. P. 4429. DOI: https://doi.org/10.3390/app12094429
