Identifikasi Citra Digital dalam Kesalahan Gerakan Push-Up pada Pemula Menggunakan Metode Pose Estimation
Rizki kurnia Harahap · Indah Purnama Sari
用MediaPipe姿态估计与规则专家系统实时检测初学者俯卧撑动作错误。
MediaPipe Pose提取33个关键点，CLAHE预处理，三角函数算关节角
系统能精准实时识别髋部下沉、肘部外展等错误，可作为自我评估工具。
可将姿态估计+规则专家系统迁移到农业劳作动作规范性监测与职业伤害预防。
该论文研究基于姿态估计的俯卧撑动作纠错系统，属于体育健身与计算机视觉交叉领域，与三农、农业信息化、智慧农业、数字乡村等主题无关，不予入选。
以俯卧撑动作为形式的健美操体能训练对于提升肌肉力量十分有效，但初学者常出现生物力学错误，如髋部下沉代偿和肘部过度外展。这些技术错误会降低训练效果，并增加受伤或肌肉骨骼病变的风险。缺乏私人教练的直接指导，推动了自主监督技术创新的需求。本研究旨在利用基于姿态估计（Pose Estimation）的计算机视觉技术和基于规则的专家系统（Rule-Based Expert System），设计并构建俯卧撑动作自动评估系统。系统采用MediaPipe Pose（BlazePose）框架，实时追踪人体骨骼的33个关键点。图像预处理阶段包括将分辨率调整为640×480像素、将色彩空间从BGR转换为RGB，以及应用对比度受限自适应直方图均衡化（CLAHE）方法以应对光照变化。几何特征提取通过基于空间坐标的三角函数（反正切）计算肘关节和髋关节的解剖学角度。专家系统的推理引擎利用IF-THEN逻辑规则（前向链推理）对动作质量进行分类，如正确姿势、髋部下沉、肘部外展或部分重复。系统性能评估采用混淆矩阵（Confusion Matrix）工具进行定量分析，测量准确率、精确率、召回率和F1分数等指标。研究结果表明，将MediaPipe姿态估计方法与基于规则的专家系统相结合，能够精确、实时地分割关节关键点并检测俯卧撑动作的生物力学错误，因此适合作为初学者的自主评估工具。