Biomekanisk rörelseanalys av löpning med webbapplikation
Web Application for Biomechanical Movement Analysis of Running
Abstract
Löpning är en form av fysisk aktivitet där små justeringar i löparens teknik kan ha betydande inverkan på resultatet. Inom idrott är det av stor vikt för tränare att noggrant kunna analysera justeringar i löpsteget, då de utgör grundläggande faktorer för förbättring av löpteknik och därmed även prestationsnivå. I detta projekt har en produkt utvecklats för att möjliggöra biomekanisk rörelseanalys av löpares teknik med hjälp av maskininlärning, som sedan har paketerats i en webbapplikation. Egen data på en persons löpning har samlats in för att förbättra maskininlärningens förmåga att uppskatta rörelse hos en individ. Den insamlade datan formaterades även till ett dataset för att passa modellen som användes. Modellen kan, utifrån en video på en löpare, förutsäga nyckelpunkters positioner i relevanta ledvinklar. För att visualisera resultatet har en webbapplikation skapats som nyttjar maskininlärningsmodellen. Webbapplikationen har en interaktiv design genom att användaren själv kan ladda upp en inspelad löpsekvens med en vanlig kamera för att sedan få återkoppling på löpningen. Projektet har flera utvecklingsmöjligheter, som att inkludera fler ledpunkter i modellen och presentera fler parametrar. Vidare kan datasetet och valideringsmetoden utvecklas för att bättre passa maskininlärningen.
Degree
Student essay
Other description
Running is a form of physical activity where small adjustments in the runner’s technique can have a significant impact on the outcome. In sports, it is crucial for coaches to be able to analyze these adjustments carefully, as they constitute fundamental factors for improving running technique and thereby performance levels. In this project, a product has been developed to enable biomechanical motion analysis of runners’ techniques using machine learning, which has then been packaged into a web application. Recorded data on an individual’s running has been collected to improve the machine learning’s ability to estimate the movement of an individual. The collected data was also formatted into a dataset to fit the model used. The model is intended to predict key point positions in relevant joint angles based on a video of a runner. To visualize the results, a web application utilizing the model has been created. The web application has an interactive design, allowing users to upload a recorded running sequence with a regular camera and receive feedback on their running technique. The project has several development opportunities, such as including more key points in the model and presenting more parameters. Furthermore, the dataset and validation method can be developed to better fit machine learning.
Collections
View/ Open
Date
2024-06-17Author
Axelsson, Jonathan
Demirel, Lucas
Lindén Malmberg, Nadine
Mayer, Alexander
Sjöström, Fanny
Svantesson, Jonathan
Keywords
Maskininlärning, optisk rörelsefångst, gånganalys, artificiella neurala nätverk, djupinlärning, poseuppskattning, faltningsnätverk
Language
swe