Markerless Pose Estimation for Resistance Training Technique Assessment
यह शोध पत्र साधारण वीडियो से स्क्वाट्स और डेडलिफ्ट जैसी रेजिस्टेंस ट्रेनिंग तकनीकों का मात्रात्मक मूल्यांकन करने के लिए BlazePose का उपयोग करते हुए एक मार्करलेस पोज़ एस्टीमेशन फ्रेमवर्क प्रस्तुत करता है, जो कैमरा ओरिएंटेशन और विजुअल ऑक्लूजन (दृश्य अवरोध) से संबंधित सीमाओं के बावजूद, एक संदर्भ के विरुद्ध जॉइंट-एंगल ट्रेजेक्टरीज की तुलना करके सुलभ बायोमैकेनिकल विश्लेषण की अपनी क्षमता को प्रदर्शित करता है।
मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें
शारीरिक प्रशिक्षण की दुनिया में, ताकत बनाने और चोट लगने के बीच का अंतर अक्सर एक सूक्ष्म विवरण पर निर्भर करता है: कि शरीर कैसे चलता है। दशकों से, विशेषज्ञ इस गति को आंकने के लिए दो मुख्य तरीकों पर भरोसा करते आए हैं। पहला है मानवीय आँख, जहाँ एक कोच एथलीट को देखता है और अपने अनुभव के आधार पर फीडबैक देता है। दूसरा है प्रयोगशाला, जहाँ वैज्ञानिक अत्यधिक सटीकता के साथ हर जोड़ को मापने के लिए महंगे कैमरों और व्यक्ति की त्वचा पर रखे छोटे परावर्तक स्टिकर का उपयोग करते हैं। हालाँकि प्रयोगशाला पद्धति निर्विवाद सटीकता प्रदान करती है, लेकिन यह अनुसंधान केंद्रों तक सीमित है, जो उन वेट रूम्स (व्यायामशालाओं) से बहुत दूर हैं जहाँ अधिकांश लोग प्रशिक्षण लेते हैं। यह तकनीक के उच्च-स्तरीय विज्ञान और वजन उठाने की रोजमर्रा की वास्तविकता के बीच एक अंतर पैदा करता है।
ब्रिस्टल विश्वविद्यालय का एक नया अध्ययन इस अंतर को पाटने के लिए एक सरल प्रश्न पूछकर इस दिशा में काम कर रहा है: क्या एक मानक स्मार्टफोन कैमरा, बिना किसी स्टिकर या विशेष उपकरण के, हमें बता सकता है कि कोई व्यक्ति सुरक्षित रूप से वजन उठा रहा है या नहीं? शोधकर्ताओं ने तीन मौलिक व्यायामों पर ध्यान केंद्रित किया—स्क्वॉट (squat), बेंच प्रेस (bench press), और डेडलिफ्ट (deadlift)—क्योंकि इन गतिविधियों में कई जोड़ शामिल होते हैं और यदि इन्हें गलत तरीके से किया जाए तो चोट लगने का उच्च जोखिम होता है। वे यह जानना चाहते थे कि क्या आधुनिक कंप्यूटर विजन, जो मशीनों को वीडियो से मानव शरीर को "देखने" और मैप करने की अनुमति देता है, प्रयोगशाला जाने की आवश्यकता को समाप्त कर सकता है। लक्ष्य एक आदर्श चिकित्सा उपकरण बनाना नहीं था, बल्कि यह देखना था कि क्या एक व्यावहारिक, सुलभ प्रणाली गति के आवश्यक आकार को पकड़ सकती है और उसकी तुलना एक ज्ञात अच्छे उदाहरण से कर सकती है।
इस विचार का परीक्षण करने के लिए, टीम ने एक डिजिटल ढांचा तैयार किया जो साधारण वीडियो फुटेज को गति की एक कहानी में बदल देता है। उन्होंने एक हल्का कंप्यूटर प्रोग्राम इस्तेमाल किया जो वीडियो के हर एक फ्रेम में मानव शरीर के तैंतीस प्रमुख बिंदुओं, जैसे कि कंधे, कोहनी और घुटनों, को पहचानने में सक्षम है। एक बार जब ये बिंदु पहचान लिए गए, तो सिस्टम ने जोड़ों के कोणों की गणना करने के लिए उन्हें आपस में जोड़ा। उदाहरण के लिए, स्क्वॉट के मामले में, प्रोग्राम ने देखा कि घुटना कैसे मुड़ा और धड़ (torso) आगे की ओर कैसे झुका। शोधकर्ताओं ने एक 'गोल्ड स्टैंडर्ड' संदर्भ बनाकर एक आदर्श पुनरावृत्ति (repetition) का चयन किया, जो निर्देशात्मक क्लिप्स के संग्रह से ली गई थी। यह आदर्श गति एक लक्ष्य के रूप में कार्य करती थी, जिसके विरुद्ध अन्य सभी प्रयासों को मापा जा सकता था।
शोधकर्ताओं ने अपने सिस्टम में सैकड़ों वीडियो डाले, जिनमें खराब रोशनी वाले या बहुत अधिक छिपे हुए शरीर वाले वीडियो को हटा दिया गया। उन्होंने निवासी इक्यासी उच्च-गुणवत्ता वाले रिकॉर्डिंग के डेटासेट पर ध्यान केंद्रित किया। जब उन्होंने स्क्वॉट वीडियो का विश्लेषण किया, तो सिस्टम ने उल्लेखनीय रूप से अच्छा काम किया। इसने लगभग हर फ्रेम में गति को सफलतापूर्वक ट्रैक किया, घुटने के मुड़ने और सीधा होने के सुचारू वक्र (curve) को पकड़ा। कंप्यूटर एक गहरे, नियंत्रित स्क्वॉट और एक उथले या डगमगाते स्क्वॉट के बीच के अंतर को देख सकता था। एक टेस्ट वीडियो में आदर्श वीडियो के विरुद्ध घुटने के कोण की तुलना करके, सिस्टम ने एक स्कोर दिया। एक स्कोर सौ का अर्थ था कि गति आदर्श से पूरी तरह मेल खाती है, जबकि कम स्कोर विचलन को दर्शाता था। दस स्क्वॉट पुनरावृत्तियों वाले एक परीक्षण में, सिस्टम ने पहचाना कि पहली पुनरावृत्ति आदर्श से सबसे अलग थी, जबकि आठवीं सबसे सटीक मैच थी, जिससे पता चला कि यह तकनीक व्यायाम के एक ही सेट के भीतर तकनीक के सूक्ष्म परिवर्तनों को भी पकड़ सकती है।
हालाँकि, अध्ययन ने एक महत्वपूर्ण सीमा भी उजागर की जिसे इस तरह की तकनीक का उपयोग करने वाले किसी भी व्यक्ति को सम्मान देना चाहिए: कैमरे का कोण लगभग किसी भी अन्य चीज़ से अधिक महत्वपूर्ण है। शोधकर्ताओं ने इसका परीक्षण करने के लिए एक व्यक्ति को स्थिर स्क्वाट स्थिति में खड़ा किया और फिर उनके चारों ओर घूमकर, बगल से, पीछे से और सामने से फिल्माया। जब कैमरा सीधे बगल में था, जो एक सपाट, द्वि-आयामी प्रोफाइल कैप्चर कर रहा था, तो घुटने का कोण सही दिख रहा था। लेकिन जैसे ही कैमरा सामने या पीछे गया, भले ही व्यक्ति का पैर बिल्कुल नहीं हिला था, कंप्यूटर का घुटने के कोण का अनुमान नाटकीय रूप रूप से बदल गया। यह विकृति तब और बढ़ गई जब लिफ्टर एक धातु के वेट रैक के अंदर था, जहाँ बार (bars) शरीर के कुछ हिस्सों को देखने से रोक रहे थे। सिस्टम छिपे हुए जोड़ों का अनुमान लगाने में संघर्ष कर रहा था, जिससे भ्रमित करने वाला और गलत डेटा प्राप्त हुआ। इस निष्कर्ष ने इस विचार को खारिज कर दिया कि कैमरा कहीं भी रखा जा सकता है; तकनीक के काम करने के लिए, वीडियो को एक विशिष्ट साइड-ऑन व्यू (बगल के दृश्य) से लिया जाना चाहिए।
तकनीक ने यह भी दिखाया कि यह कुछ व्यायामों के लिए अन्य की तुलना में बेहतर काम करती है। जबकि स्क्वॉट और डेडलिफ्ट को उच्च विश्वसनीयता के साथ ट्रैक किया गया था, बेंच प्रेस कठिन साबित हुआ। बेंच प्रेस में, व्यक्ति अपनी पीठ के बल लेटा होता है, और भारी बारबेल अक्सर हाथों और कंधों के दृश्य को बाधित करता है। क्योंकि कंप्यूटर प्रमुख जोड़ों को स्पष्ट रूप से नहीं देख सका, इसलिए वह वीडियो के एक बड़े हिस्से में गति को ट्रैक करने में विफल रहा। यह सुझाव देता है कि हालांकि यह विधि उन ऊर्ध्वाधर (upright) गतिविधियों के लिए शक्तिशाली है जहाँ शरीर पूरी तरह से दिखाई देता है, यह अभी तक हर प्रकार के व्यायाम के लिए तैयार नहीं है। शोधकर्ताओं ने निष्कर्ष निकाला कि उनका सिस्टम सुलभ बायोमैकेनिक्स की दिशा में एक आशाजनक कदम है, जो स्क्वॉट और डेडलिफ्ट के लिए उपयोगी फीडबैक देने में सक्षम है, लेकिन यह हर स्थिति में काम करने वाला कोई जादुई समाधान नहीं है।
अंततः, यह कार्य प्रदर्शित करता है कि हम एक ऐसे भविष्य के करीब पहुँच रहे हैं जहाँ उच्च-गुणवत्ता वाला गति विश्लेषण सभी के लिए उपलब्ध होगा, न कि केवल उनके लिए जिनके पास प्रयोगशाला का बजट है। सिस्टम एक साधारण वीडियो से लिफ्ट की कहानी को सफलतापूर्वक निकाल सकता है, यह पहचान सकता है कि तकनीक कब सुसंगत है और कब वह आदर्श से भटक रही है। यह एक एथलीट को बता सकता है कि उनके पहले कुछ दोहराव डगमगाते हुए थे और उन्होंने सेट के दौरान अपनी लय पकड़ ली थी। फिर भी, आगे बढ़ने के लिए अनुशासन की आवश्यकता है। इस टूल का अधिकतम लाभ उठाने के लिए, उपयोगकर्ताओं को अपने कैमरे के स्थान और वे क्या फिल्मा रहे हैं, इसे लेकर सावधान रहना होगा। यह तकनीक कोच का विकल्प नहीं है, बल्कि यह एक नए प्रकार का दर्पण है, जो हमें अपनी ताकत की ज्यामिति दिखा सकता है, बशर्ते हम जानते हों कि इसे कैसे देखना है।
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।