iCaptur

Samen met het bedrijfsleven wordt een applicatie ontwikkeld die revaliderende en beginnende sporters moet ondersteunen tijdens het uitvoeren van spierversterkende oefeningen. De applicatie meet de activiteit van de gebruiker tijdens een sportsessie via de sensoren in een smartphone en beoordeelt de uitvoering van specifieke oefeningen.

Projectnieuws

Geen Resultaten Gevonden

De pagina die u zocht kon niet gevonden worden. Probeer uw zoekopdracht te verfijnen of gebruik de bovenstaande navigatie om deze post te vinden.

Over het project

Doel

Tot nu toe werden de oefeningen beoordeeld op basis van Matlab algoritmes. Het huidige beoordelingsproces is inefficiënt en op lange termijn arbeidsintensief.

Doel (uitgebreid)

Tot nu toe werd de oefeningen beoordeeld via Matlab algoritmes. Dat beoordelingsproces is inefficiënt en op lange termijn arbeidsintensief. Vandaar dat iCaptur zoekt naar optimalisatiemogelijkheden. Deze optimalisatie is een subproject waarin wordt gekeken of een systeem op basis van kunstmatige intelligentie (AI) de kwaliteit van de oefeningen net zo goed kan beoordelen op basis van sensordata als een fysiotherapeut of een sporttrainer.

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 sensortechnologie.

Partners 

Behalve het lectoraat Data Intelligence van Zuyd Hogeschool werken LIME, Maastricht UMC+ en ilionix samen aan het project.

Status

%

Onderzoekers

Miguel van de Laar