Markerless Pose Estimation for Resistance Training Technique Assessment

Nel mondo dell'allenamento fisico, la differenza tra costruire la forza e subire un infortunio spesso dipende da un singolo dettaglio: come si muove un corpo. Per decenni, gli esperti si sono affidati a due modi principali per giudicare questo movimento. Il primo è l'occhio umano, in cui un allenatore osserva un atleta e offre un feedback basato sull'esperienza. Il secondo è il laboratorio, dove gli scienziati utilizzano telecamere costose e piccoli adesivi riflettenti applicati sulla pelle per misurare ogni articolazione con estrema precisione. Sebbene il metodo di laboratorio fornisca un'accuratezza innegabile, esso è rinchiuso nei centri di ricerca, lontano dalle sale pesi dove la maggior parte delle persone si allena. Ciò lascia un divario tra la scienza avanzata del movimento e la realtà quotidiana del sollevamento pesi.

Un nuovo studio dell'Università di Bristol cerca di colmare questo divario ponendosi una domanda semplice: può la fotocamera di uno smartphone standard, senza adesivi o attrezzature speciali, dirci se una persona sta sollevando pesi in modo sicuro? I ricercatori si sono concentrati su tre esercizi fondamentali — lo squat, la panca piana e il deadlift — perché questi movimenti coinvolgono più articolazioni e comportano un alto rischio di infortunio se eseguiti in modo errato. Volevano sapere se la moderna visione artificiale, che permette alle macchine di "vedere" e mappare il corpo umano da un video, potesse sostituire la necessità di una visita in laboratorio. L'obiettivo non era creare uno strumento medico perfetto, ma vedere se un sistema pratico e accessibile potesse catturare la forma essenziale di un movimento e confrontarla con un esempio noto di correttezza.

Per testare questa idea, il team ha costruito un framework digitale che prende normali riprese video e le trasforma in una storia di movimento. Hanno utilizzato un programma informatico leggero capace di individuare trentatré punti chiave sul corpo umano, come spalle, gomiti e ginocchia, in ogni singolo fotogramma di un video. Una volta identificati questi punti, il sistema li ha collegati per calcolare gli angoli delle articolazioni mentre la persona si muoveva. Per lo squat, ad esempio, il programma osservava come il ginocchio si piegava e come il busto si inclinava in avanti. I ricercatori hanno poi creato un riferimento "gold standard" selezionando il video di una ripetizione perfetta da una collezione di clip istruttive. Questo movimento perfetto fungeva da bersaglio, un modello rispetto al quale tutti gli altri tentativi potevano essere misurati.

I ricercatori hanno inserito centinaia di video nel loro sistema, filtrando quelli con scarsa illuminazione o con corpi troppo nascosti alla vista. Si sono concentrati su un dataset di ottantanove registrazioni di alta qualità. Quando hanno analizzato i video dello squat, il sistema ha funzionato sorprendentemente bene. È riuscito a tracciare il movimento in quasi ogni singolo fotogramma, catturando la curva fluida del ginocchio che si piega e si raddrizza. Il computer poteva vedere la differenza tra uno squat profondo e controllato e uno superficiale o instabile. Confrontando l'angolo del ginocchio in un video di prova con l'angolo nel video di riferimento perfetto, il sistema assegnava un punteggio. Un punteggio di cento significava che il movimento corrispondeva perfettamente all'ideale, mentre un punteggio inferiore indicava una deviazione. In un test che coinvolgeva dieci ripetizioni di uno squat, il sistema ha identificato che la prima ripetizione era la più diversa dall'ideale, mentre l'ottava era la corrispondenza più vicina, dimostrando che la tecnologia poteva individuare cambiamenti sottili nella tecnica anche all'interno di una singola serie di esercizi.

Tuttavia, lo studio ha anche rivelato un limite significativo che chiunque utilizzi tale tecnologia deve rispettare: l'angolo della telecamera conta più di quasi ogni altra cosa. I ricercatori hanno testato questo aspetto facendo sì che una persona mantenesse una posizione di squat statica mentre qualcuno le camminava intorno, filmando dal lato, dal retro e dal fronte. Quando la telecamera era posizionata direttamente di lato, catturando il movimento in un profilo bidimensionale piatto, l'angolo del ginocchio appariva corretto. Ma non appena la telecamera si spostava davanti o dietro, la stima del computer dell'angolo del ginocchio cambiava drasticamente, anche se la gamba della persona non si era mossa affatto. Questa distorsione era accentuata quando il sollevatore si trovava all'interno di una rastrelliera metallica, dove le barre bloccavano parti del corpo alla vista. Il sistema faticava a indovinare dove fossero le articolazioni nascoste, portando a dati confusi e imprecisi. Questo risultato ha escluso l'idea che una telecamera potesse essere posizionata ovunque; affinché la tecnologia funzioni, il video deve essere ripreso da una specifica visuale laterale.

La tecnologia ha anche mostrato di funzionare meglio per alcuni esercizi rispetto ad altri. Mentre lo squat e il deadlift sono stati tracciati con alta affidabilità, la panca piana si è rivelata difficile. Nella panca piana, la persona giace sulla schiena e il pesante bilanciere spesso blocca la visuale di braccia e spalle. Poiché il computer non riusciva a vedere chiaramente le articolazioni chiave, non è stato in grado di tracciare il movimento in una grande parte dei video. Ciò suggerisce che, sebbene il metodo sia potente per i movimenti verticali dove il corpo è completamente visibile, non è ancora pronto per ogni tipo di esercizio. I ricercatori hanno concluso che il loro sistema è un passo promettente verso una biomeccanica accessibile, capace di fornire un feedback utile per lo squat e il deadlift, ma non è una soluzione magica che funziona in ogni situazione.

In definitiva, questo lavoro dimostra che ci stiamo avvicinando a un futuro in cui l'analisi del movimento di alta qualità sarà disponibile per tutti, non solo per chi ha il budget di un laboratorio. Il sistema può estrarre con successo la storia di un sollevamento da un semplice video, identificando quando una tecnica è costante e quando devia dall'ideale. Può dire a un atleta che le sue prime ripetizioni erano instabili e che ha trovato il suo ritmo più tardi nella serie. Tuttavia, il percorso da seguire richiede disciplina. Per ottenere il massimo da questo strumento, gli utenti devono prestare attenzione a dove si posizionano con la telecamera e a cosa stanno filmando. La tecnologia non è un sostituto di un coach, ma è un nuovo tipo di specchio, uno che può mostrarci la geometria della nostra stessa forza, a patto di sapere come guardarla.