我记得小时候看过“未来主义”电影,里面的人物在日常生活中使用超级技术,有些技术还远未实现(或尚未实现),比如全息图,而有些技术则逐渐融入我们的日常生活,比如能够扩展信息或回答我们问题的智能设备。那一刻,我相信:有一天,曾经的电影中的东西会变成现实?而这一天已经到来了。
最近,作为一名业余自行车手,我一直在尝试寻找和使用高性能的工具和创新。
在这篇文章中,我将讨论 Spleeft,这是一款能够 实时测量杠铃速度 深蹲和硬拉,基于 增强现实和人工智能技术,这样你就不需要任何外部设备, 只需手机的相机.
Spleeft 为您的训练带来三大好处
无需外部设备即可实时计算平均速度
靠近您的手机,调整应用程序性能(它会引导您),并自动获取锻炼速度。如果您不了解基于速度的训练的所有优势,请继续阅读以发现它们。您还可以使用个性化和恒定的运动范围,或根据您必须进行的快速人体测量为每次举重自动设置它。 单击即可查看快速演示。
训练期间和训练间隙的疲劳控制
Spleeft 还可以在一系列训练中设置速度损失,以便您可以调整锻炼所需的努力程度,并拥有足够的能量进行其他特定训练。
此外,您还有机会 根据负荷速度曲线测量你的 1RM,并通过快速测试每天进行调整,以便您可以控制到达训练场时的疲劳程度,根据身体状况调整训练负荷,并保持训练强度恒定,最大限度地优化您的锻炼效果。
阻力训练追踪
每个系列和测试都将保存在历史记录中,这将使您能够以前所未有的方式控制和量化您的阻力训练。
训练中的机器学习和增强现实
Spleeft 使用 经过科学验证的机器学习模型 该系统的开发是为了在移动技术中高效使用。它能够准确检测和跟踪 33 个身体点。算法使用这些点来尽可能准确地测量手机允许的速度和运动范围,同时在屏幕上显示以提供增强现实体验。因此,应用程序的性能将与您的手机使用强大模型的能力成正比。
可靠且准确
为了了解我们技术的有效性,除了大量的内部测试外,我们还进行了一项小型研究,使用三种不同的设备比较了 100 种不同的深蹲动作:两部安卓手机(中低端手机、小米 Redmi Note 6 Pro 和小米 Mi A3),使用 Spleeft 跟踪实时速度;使用 Apple iPhone 7 以慢动作(240fps)记录所有举重动作,然后用另一部手机进行分析 经过科学验证的应用程序,缺点是所有升降机都必须手动分析。
小米 Redmi Note 6 在测试中的表现约为 18fps,预览尺寸为 240×160,而小米 Mi A3 在预览尺寸为 176×144 时达到 20fps。因此,虽然还需要进行更多研究,但我们观察到减小预览尺寸可以提高模型性能。两款手机都使用了精确模式。
这项小研究的结果表明 Spleeft 与经过验证的应用程序之间具有非常高的相关性 (r=0.97),数据将提供 Spleeft 的有效性和可靠性运行 Spleeft 的 Android 手机之间的相关性也非常高 (r=0.98),这意味着数据 在具有适当设置的不同设备上保持一致.
皮尔逊相关系数 (R) 衡量两个变量之间的关系,其中一个是完美关系。因此,它告诉我们一个变量与另一个变量之间的可预测性。
至于误差,两款手机的平均误差均为 0.03 米/秒。仔细分析后发现,升降速度较慢时,平均误差较低,在 0.3 至 0.7 米/秒之间(误差为 0.02 米/秒),在 0.7 至 0.9 米/秒之间稍有增加(误差为 0.03),速度较高时,平均误差上升至 0.06 米/秒,但误差并不大。
综上所述,可以看出,对于需要优化阻力训练但又买不起线性编码器的从业者和业余爱好者来说,Spleeft 是有用且有效的。
希望你喜欢它!