EUVIMEDEUVIMED entdecken
Open Access · CC BY 4.0

ГИБРИДНАЯ СИСТЕМА РАСПОЗНАВАНИЯ УПРАЖНЕНИЙ, ПОДСЧЕТА ПОВТОРЕНИЙ И ОЦЕНКИ РАСХОДА КАЛОРИЙ НА ОСНОВЕ КОМПЬЮТЕРНОГО ЗРЕНИЯ

Ынтымак Абдразах, Айгерим Баймаханова, Нурсейт Жунисов, Шахзода Мирзалиева

Yassawi Journal of Engineering Science · 30.06.2026 · 2 (2) · 5-30

DOI: 10.47526/3135-6877.193 ↗

Kurz gefasst

Fachartikel in der Zeitschrift Yassawi Journal of Engineering Science, online erschienen am 30.06.2026. Verfasst von Ынтымак Абдразах und 3 weiteren Autor:innen. Der Volltext ist frei zugänglich (Open Access, CC BY 4.0).

AbstractBibliografische AngabenZitierenVerwandte Studien

Abstract (Originalsprache)

Точный мониторинг физических упражнений важен для домашних тренировок, уроков физкультуры и дистанционной поддержки тренировок; однако ручной подсчет повторений часто ненадежен, а оценка калорий часто упрощается до общих формул, которые не отражают индивидуальные и специфические для вида деятельности вариации. В этом исследовании предлагается гибридная система на основе машинного зрения для распознавания упражнений, подсчета повторений и оценки расхода калорий по монокулярному видео. Предложенная система сочетает в себе извлечение поз без маркеров, классификацию состояний упражнений на основе ориентиров, подсчет повторений с учетом упражнений и модель расчета калорий на основе машинного обучения, учитывающую дескрипторы пользователя и вида деятельности. В предлагаемом алгоритме ориентиры тела извлекаются из видеокадров и преобразуются в структурированные геометрические признаки, поддерживающие распознавание упражнений. Затем количество повторений оценивается по сглаженным траекториям углов суставов с использованием анализа пиков, специфичных для движения, а расход калорий определяется с помощью калиброванной регрессионной модели в сочетании с корректировкой интенсивности на основе движения. Итоговая модель оценки физических упражнений достигла точности 0,8886, сбалансированной точности 0,8950 и показателя макро-F1 0,8929. Модель расчета калорий показала среднюю абсолютную ошибку 2,1339, среднеквадратичную ошибку 3,6202 и значение R² 0,9966. В ходе сквозного самотестирования видеозаписи были корректно распознаны репрезентативные фрагменты отжиманий и приседаний, количество повторений было правдоподобным, а оценки калорий оставались в пределах реалистичных кратковременных диапазонов. Эти результаты показывают, что предложенная гибридная структура может обеспечить интерпретируемое и практически применимое решение для мониторинга физических упражнений с помощью камеры без необходимости использования специального носимого оборудования или устройств захвата движений

Zitieren

APA

Абдразах, Ы., Баймаханова, А., Жунисов, Н., & Мирзалиева, Ш. (2026). ГИБРИДНАЯ СИСТЕМА РАСПОЗНАВАНИЯ УПРАЖНЕНИЙ, ПОДСЧЕТА ПОВТОРЕНИЙ И ОЦЕНКИ РАСХОДА КАЛОРИЙ НА ОСНОВЕ КОМПЬЮТЕРНОГО ЗРЕНИЯ. Yassawi Journal of Engineering Science, 2(2), 5-30. https://doi.org/10.47526/3135-6877.193

Vancouver

Абдразах Ы, Баймаханова А, Жунисов Н, Мирзалиева Ш. ГИБРИДНАЯ СИСТЕМА РАСПОЗНАВАНИЯ УПРАЖНЕНИЙ, ПОДСЧЕТА ПОВТОРЕНИЙ И ОЦЕНКИ РАСХОДА КАЛОРИЙ НА ОСНОВЕ КОМПЬЮТЕРНОГО ЗРЕНИЯ. Yassawi Journal of Engineering Science. 2026;2(2):5-30. doi:10.47526/3135-6877.193

BibTeX
@article{2026,
  author = {Абдразах, Ынтымак and Баймаханова, Айгерим and Жунисов, Нурсейт and Мирзалиева, Шахзода},
  title = {ГИБРИДНАЯ СИСТЕМА РАСПОЗНАВАНИЯ УПРАЖНЕНИЙ, ПОДСЧЕТА ПОВТОРЕНИЙ И ОЦЕНКИ РАСХОДА КАЛОРИЙ НА ОСНОВЕ КОМПЬЮТЕРНОГО ЗРЕНИЯ},
  journal = {Yassawi Journal of Engineering Science},
  year = {2026},
  volume = {2},
  number = {2},
  pages = {5--30},
  doi = {10.47526/3135-6877.193}
}
Kostenlos starten →