Telesna dejavnost je eden ključnih dejavnikov, ki prispevajo k zdravju in kakovosti življenja. Tek je priljubljen in učinkovit ter cenovno ugoden način telesne dejavnosti. Če pa je izveden nepravilno, lahko povzroči poškodbe, ki vodijo do slabše kakovosti življenja ter dodatnih zdravstvenih in socialnih stroškov. Zato je pomembno zagotoviti orodja za učinkovito telesno dejavnost brez poškodb. V tej študiji bo nova generacija IMU senzorjev v obliki pametnih obližev z manjšo velikostjo in maso uporabljena za merjenje stabilnosti petnice in medenice ter njunih sprememb zaradi utrujenosti med tekom pri različnih hitrostih in naklonih površine. To bomo analizirali skozi vzorce gibanja medenice in petnice, ki uporabljajo globoko učenje.
Rezultati te študije bodo pokazali primernost za razvoj spletnega virtualnega tekaškega trenerja za varen tek in izbiro ustreznih tekaških čevljev.
Glavni cilj projekta je prikazati uspešno prepoznavanje pojava utrujenosti in pretiranega gibanja
medeničnega in zadnjega dela nog pri različnih hitrostih teka in naklonih terena z uporabo globokega učenja.
Cilji študije vezani na delovne sklope:
WP1: Razvita bo programska platforma za zajem, shranjevanje sinhronizacijo in obdelavo podatkov zajetih v okviru projekta. Platforma bo integrirana s strojnim delom zajema podatkov ter bo omogočala tako avtomatski dostop do podatkov kot tudi dostop preko uporabniškega vmesnika. Glavnina platforme se bo nahajala v oblaku, njeni deli pa bodo segali tudi do zajemnih naprav in računalnikov na katerih bo potekal razvoj. V končni fazi bo platforma ključni del demonstratorjev, kjer bo omogočala svetovanje na osnovi analize v skoraj realnem času.
WP2: Izvajanje ključnih meritev za potrebe izvajanja projekta. Najprej se bo zbralo podatke z namestitvijo senzorjev na različne položaje za optimalno zaznavanje gibalnih vzorcev in njihovih sprememb globokega učenja. Nato se bo zajelo meritve, ki se potrebujejo za biomehanske analize (WP3) in metode globokega učenja in njihovega preverjanja (WP4).
WP3: Zagotoviti informacije o optimalni namestitvi IMU senzorjev in kondicioniranju signala za zanesljivo sledenje gibanju medenice in petnice ter določiti merila za določanje stopnje utrujenosti kot vhodni podatek za globoko učenje. WP4: Preizkus najsodobnejših (SOTA) globokih rekurentnih mrež na nalogi inference biomehanskih anotacij iz šumnih podatkov, pridobljenih iz nosljivih senzorjev. Prilagoditev le-teh s ciljem izboljšanja učinkovitosti na tem specifičnem problemu.
WP5: Razvilo se bo demonstratorje, ki bodo prikazali uporabnost novo razvitega znanja uporabe metod strojnega učenja na izmerkih pametnih obližev (AiCoachU) v skladu z glavnim ciljem projekta.
.png)