Classificatie van oefeningen

Lichamelijke beweging: automatische classificatie van oefeningen

Info

 

Lichamelijke beweging: automatische classificatie van oefeningen

De vermindering van actieve vrijetijdsbesteding zorgt voor een toename van slechter ontwikkelde motorische vaardigheden. De toename van sneller wisselende sporters en ongetrainde sporters die hoog risico sporten uitvoeren in combinatie met de slechtere motorische vaardigheden zorgen voor een toename van het aantal sportblessures. Wanneer de huidige trend doorzet heeft 13% van de bevolking in 2030 een sportblessure Milie , 2017).
Om deze trend te doorbreken en sporters gezond te laten sporten wordt gekeken of de smartphone als medium kan optreden in het classificeren van uitgevoerde oefeningen.

De studenten moesten één of meerdere applicaties ontwikkelen die automatische classificatie van squats , lunges , bridges en birddogs kan toepassen. Hierbij moest worden gebruik gemaakt van aangeleverde data van de opdrachtgever.

Deze studentenopdracht is uitgevoerd in het kader van het onderzoek iCaptur van Ruud Bongers. ICaptur streeft er naar om de impact en tijdsduur van sportblessures tot een minimum te beperken door sporters advies en begeleiding te geven in hun preventie als revalidatieproces. Hiervoor ontwikkelen we in het project iCaptur algoritmes die gebruik maken van smartphone sensor technologie.

Download PDF