WOD Eye: crossfit movement analysis with human readable feedback

Abstract

The adoption of technology for enabling sports practitioners to improve their performance has been gaining popularity over the last years. Specifically, the usage of markerless and sensorless technologies has the potential of leveraging such solutions to a wider population. This scenario, along with the growing popularity of Crossfit as a training and competing sports modality posed a good challenge for the development of this dissertation. The system developed is aimed at helping Crossfit athletes improve eventual flaws of their movements. Moreover, its use can be extended to Crossfit competitions arena for autonomous judging. The solution is composed by an Android application that enables the athlete to record videos of herself performing Crossfit movements. The video is uploaded through the app to a web server that uses the Open Pose library to infer the position of the athlete in the videos. The next step is to identify the movement against previously defined models of Crossfit exercises. Once the movements are successfully identified, the server returns human readable feedback displayed in the form of a web page. This system provides not only a relatively innovative solution for this sport, but also a good workbench for the addition of new exercises and modules. It is able to recognize a set of Crossfit exercises and identify the number of repetitions for a given video, providing feedback when the movements do not meet the predefined standards.

A utilização da tecnologia como meio de possibilitar aos atletas de diferentes desportos obter melhoramentos no seu rendimento tem vindo a ganhar popularidade nos últimos anos. Mais especificamente, a utilização de tecnologias sem necessidade de recurso a sensores ou marcadores tem o potencial de tornar estas tecnologias acessíveis a uma população mais abrangente. Este cenário, aliado à crescente popularidade do Crossfit como método de treino e desporto de competição representa uma bom desafio para o desenvolvimento desta dissertação. O sistema desenvolvido pretende ajudar os atletas de Crossfit a melhorar eventuais incorreções nos seus movimentos. Adicionalmente, a sua utilização pode ser extendida ao âmbito da competição sob forma de ajuizamento autónomo. A solução proposta é composta por uma aplicação Android que permite ao atleta gravar-se a executar movimentos de Crossfit. O vídeo é submetido a um servidor Web que executa a biblioteca Open Pose para inferir o posicionamento do atleta nos vídeos. O passo seguinte é identificar o movimento através da comparação com uma base de dados previamente estabelecida de modelos de exercícios de Crossfit. Uma vez identificado o movimento, o servidor retorna feedback legível apresentado sob forma de uma página web. O sistema desenvolvido representa não só uma solução relativamente inovadora para este desporto, mas também uma boa base de trabalho para a adição de novos exercícios e módulos. E capaz de reconhecer um conjunto de exercícios de Crossfit e identificar o número de repetições para um dado vídeo, apresentando feedback quando o movimento não preenche os requisitios previamente definidos.