Ein Machine-Learning-Ansatz zur genauen Erkennung der Form von Fitnessübungen mit MediaPipe

Dieses Papier stellt ein automatisiertes System zur Erkennung der Form von Fitnessübungen vor, das MediaPipe1 für die Echtzeit-Pose-Schätzung und OpenCV2 für die Computer Vision-Verarbeitung nutzt. Das System analysiert wichtige Körperlandmarks während Übungen wie Kniebeugen, Kreuzheben und Bizepscurls und gibt sofortiges Feedback zur Genauigkeit der Form. Durch die Erkennung von falschen Haltungen, wie unsachgemäße Knieausrichtung oder Rückenkrümmung, zielt das System darauf ab, das Verletzungsrisiko zu reduzieren und die Effektivität des Trainings zu erhöhen. Der vorgeschlagene Ansatz ist leichtgewichtig, zugänglich und in der Lage, auf handelsüblicher Hardware zu laufen, was ihn für eine breite Anwendung praktikabel macht. Experimentelle Ergebnisse zeigen eine hohe Genauigkeit bei der Erkennung häufiger Formfehler und demonstrieren das Potenzial dieses Systems als kostengünstige Alternative zum traditionellen Personal Training. Diese Arbeit trägt zum wachsenden Bereich des automatisierten Fitnessmonitorings bei und hebt die Rolle der Computer Vision bei der Verbesserung der Sicherheit und Leistung von Übungen hervor.