Webbapplikation för maskininlärningsbaserad poseuppskattning
Typ
Examensarbete för kandidatexamen
Bachelor Thesis
Bachelor Thesis
Program
Publicerad
2024
Författare
Arte, Elsa
Blixt, Marcus
Frisk, Tobias
Frisk, William
Hansson, Isac
Ohlsson, Mathias
Modellbyggare
Tidskriftstitel
ISSN
Volymtitel
Utgivare
Sammanfattning
Löpning är en populär rörelseform. Kunskapen om hur man kan optimera löpteknik är
begränsad, trots att bra löpteknik är viktigt för att undvika skador. Ett av verktygen som
kan användas för analys av löpning är rörelsefångst.
Projektets syfte var att kombinera rörelsefångst med maskininlärning för att skapa en
modell som kan användas av löpare och löptränare. Detta genomfördes genom att skapa
en webbapplikation för att göra modellen tillgänglig för användning av aktiva löpare.
Modellen skapades och tränades på nästan 100 000 koordinatbilder med hjälp av Pythonbiblioteket
MMPose.
Modellen gav en slutlig precision på 99,3 %. Den representerar en optimerad version av
modellen RTMPose, som uppvisar en högre precision på valideringsdatan än modellen
RTMPose utan den tillagda träningen. Webbapplikationen som utvecklades för löpare
visar en genomsnittlig inferenstid på precis över sju minuter. Dessa resultat är användbara
i praktiken och erbjuder ett precist verktyg för att analysera biomekaniken bakom löpning.
Detta bidrar till den generella utvecklingen för optimering av löpteknik.
Beskrivning
Ämne/nyckelord
Rörelsefångst , Rörelseanalys , Maskininlärning , Löpning , Webbapplikation