Dispositivos para monitorear ejercicio, con potencial para discapacidad visual

GymCam: detecta, reconoce y monotorea

Los sensores portátiles que portan las pulseras o relojes inteligentes se han convertido en una herramienta de motivación popular para los entusiastas del ejercicio, por aquello de que monitorean y miden a detalle toda la actividad realizada en el gimnasio.

Pero se ha detectado que estos dispositivos no perciben todos los movimientos por igual. Al respecto, investigadores de la Universidad Carnegie Mellon (CMU, por sus siglas en inglés) han descubierto que una cámara fija es una mejor opción para monitorear los ejercicios en el gym o incluso afuera.

GymCam es un sistema basado en visión, detecta movimientos repetitivos. Al hacerlo, Rushil Khurana y Karan Ahuja, ambos estudiantes del Instituto de Interacción Humano-Computadora (HCII) de CMU, descubrieron que podían detectar ejercicios en un gimnasio. Además, podrían reconocer el tipo y contar con fiabilidad las repeticiones del ejercicio.

Lo interesante para el ámbito de la salud es que este sistema también podría tener usos más allá del ejercicio físico, pues podrían ser adaptados para apoyar y guiar a personas con discapacidad visual. 

Mayank Goel, profesor asistente en el HCII y en el Instituto de Investigación de Software. menciona que el sistema de cámara, combinado con relojes inteligentes usados por los individuos, podría ayudar a las personas con discapacidades visuales a transitar en centros comerciales, aeropuertos y otros espacios públicos muy concurridos. 

Por lo pronto, para el caso de monitoreo de ejercicios, en lugar de usar la cara de la persona como su identidad, el sistema usa su movimiento como su firma.

En un gimnasio, un movimiento repetitivo casi siempre es un ejercicio“, comenta Goel. “Si mueve ambos brazos, tiende a moverlos juntos al mismo tiempo. Sin embargo, si dos personas hacen ejercicio juntas y realizan el mismo ejercicio, generalmente no están sincronizadas, y podemos ver la diferencia entre ellas“.

Debido a que el sistema sólo necesita información de movimiento, la alimentación de la cámara se puede reducir a cambios píxel por píxel y eliminar las caras identificables que podrían ser un problema de privacidad.

Khurana explicó que la dependencia de la información de movimiento también aborda un problema para los sistemas de una sola cámara en un entorno de gimnasio lleno: la incapacidad de ver todo el cuerpo de una persona. El equipo de gimnasio y otras personas a menudo pueden bloquear la vista de la cámara. En cambio, GymCam puede detectar el ejercicio siempre que su cámara pueda ver cualquier parte del cuerpo en movimiento repetitivo.

Usos en el hogar

Ahuja menciona que los relojes inteligentes y otros dispositivos portátiles hacen un trabajo razonable al monitorear muchos ejercicios cardiovasculares y algunos ejercicios de entrenamiento de fuerza. Pero su efectividad depende de dónde se usen los wearables. Un reloj inteligente puede sentir un levantamiento con mancuernas, pero es inútil para los ejercicios de piernas. Además, es difícil para un reloj diferenciar entre varios movimientos corporales. Instrumentar los equipos de ejercicio es una opción, pero costosa. Sin embargo, una cámara es relativamente económica y proporciona información espacial y de movimiento.

El sistema también puede conocer la ubicación de los tipos de máquinas de ejercicio o ciertas estaciones de ejercicio en un gimnasio. Posteriormente se puede usar la ubicación de un individuo, además de sus movimientos, para determinar el ejercicio que realiza.

Los investigadores probaron su algoritmo en un gimnasio abarrotado. Pero Goel dijo que el mismo algoritmo también funciona perfectamente en un teléfono inteligente. De este modo, una persona podría usar su teléfono para grabar y rastrear sus entrenamientos en casa.

Otro aspecto interesante de este dispositivo es que permite a las personas optar fácilmente por no ser rastreados o ubicados. 

Algunas compañías ya han expresado su interés en utilizar el sistema para monitorear ejercicios en el hogar.

Referencia

  1. GymCam: Detecting, Recognizing and Tracking Simultaneous Exercises in Unconstrained Scenes https://dl.acm.org/citation.cfm?doid=3301777.3287063

Los comentarios están cerrados.