Koşu tekniğini mükemmelleştirmek için poz tahminini kullanma

Koşmak dünya çapında popüler bir egzersiz biçimidir. Amerika Birleşik Devletleri'nde yaklaşık 50 milyon kişi düzenli olarak koşu veya hafif tempolu koşu yapmaktadır ve Japonya'da koşu, 2024 yılında en popüler spordu.

Özellikle sabahın erken saatlerinde veya akşamın ilerleyen saatlerinde her yerde koşucular görebilirsin. Parklar, caddeler ve sahiller, farklı hızlarda ve çeşitli nedenlerle hareket eden insanlarla doludur.

Bazıları antrenman planlarına uyar, bazıları ise aktif kalmak ya da zihinlerini boşaltmak için gelişigüzel koşar. Pek çok kişi için koşu, her gün hareket etmenin sadece kolay bir yoludur. Ancak yine de, göründüğü kadar basit değildir.

Duruş veya adım atıştaki küçük değişiklikler; performansını, konforunu ve sırt ağrısı gibi sorunlar dahil olmak üzere sakatlanma riskini etkileyebilir. Vücudunun nasıl hareket ettiğine dikkat etmek, ister dayanıklılığını artırmak, ister gücünü geliştirmek ya da genel zindeliğini yükseltmek anlamına gelsin, daha sağlıklı kalmana ve antrenmanlarından daha fazla verim almana yardımcı olabilir.

Ancak bu ayrıntıları koşarken fark etmek zordur. Yalnızca birkaç dakika içinde, gözden kaçırması kolay yüzlerce adımın atıldığı birçok olay gerçekleşir. İşte computer vision burada devreye girer. Görüntüleri ve videoları analiz ederek hareketi kare kare ayıran ve gerçek zamanlı olarak fark edilmesi zor kalıpları ortaya çıkaran bir AI dalıdır.

Pose estimation bu yaklaşımın kilit bir parçasıdır. Vücut eklemlerini ve zaman içindeki hareketlerini izlemek için kullanılabilen bir computer vision görevidir. Ultralytics YOLO11 ve yakında çıkacak olan Ultralytics YOLO26 gibi modeller pose estimation'ı destekler ve bir koşucunun hareketini kareler boyunca tutarlı bir şekilde takip ederek gerçek zamanlı analizi çok daha pratik hale getirir.

Şekil 1. YOLO11 ve pose estimation kullanılarak koşan ve antrenman yapan bir sporcunun analizi. (Kaynak)

Bu makalede, düzgün bir koşu formunun nasıl göründüğünü ve Ultralytics YOLO modellerinin koşu tekniklerini analiz etmek ve geliştirmek için nasıl kullanılabileceğini keşfedeceğiz. Haydi başlayalım!

Düzgün bir koşu formu neden önemlidir#

Koşunun farklı unsurlarına dalmadan önce, günlük antrenmanlarda koşu formunun neden önemli olduğuna daha yakından bakalım.

Her koşucu, ister hafif bir koşuya çıksın ister belirli hedeflere ulaşmaya çalışıyor olsun, gösterdiği çabanın karşılığını almak ister. Ancak duruştaki küçük sorunlar, aşırı adım atma veya zamanlama hataları sessizce birikerek koşuların gereğinden daha zor hissedilmesine ve alt vücut ile eklemlere ekstra yük binmesine neden olabilir.

Vücut mekaniğine dikkat etmek, koşucuların daha güvende kalmalarına, koşu yaralanmaları riskini azaltmalarına ve kalp sağlığının iyileşmesi, daha güçlü kaslar ve genel zindelik gibi faydalar elde etmelerine yardımcı olur. İyi bir koşu formu, vücudun koordineli bir sistem olarak hareket etmesiyle başlar.

Gövde hafif bir öne eğimle hizalı kaldığında ve kollar ile bacaklar dengeli çalıştığında, enerji daha verimli kullanılır, hareket daha pürüzsüz hissedilir ve sakatlanma riski azalır. Zamanla, form aynı zamanda kasların birlikte nasıl çalışacağını da şekillendirir.

Dengeli hareket; güç antrenmanı ve koşu sırasında stabiliteyi, duruşu, dayanıklılığı ve daha iyi hizalanmayı destekler. Yeni başlayanlar için bu, üzerine inşa edilecek güçlü bir temel oluşturur. Elit koşucularda ise performans artarken yorgunluğa bağlı sorunlar ve uzun süreli rahatsızlık riski azalır.

Düzgün bir koşu formuna sahip olmanın işaretlerini belirlemek#

Koşucular hareket etme biçimlerine daha yakından dikkat etmeye başladıklarında, koşu stillerinde belirli kalıplar ortaya çıkar. Herkes biraz farklı koşsa da, bu ortak unsurlar verimli koşunun neye benzediğine dair genel bir fikir verir.

Koşu formu; duruşun, dengenin ve hareketin bir koşu sırasında nasıl birlikte çalıştığını ifade eder. İleriye doğru hareket ederken vücudun nasıl hizalı ve koordineli kaldığını tanımlar. Bu detaylara bakmak, koşucuların akıcı ve kontrollü hissettiren hareketleri ve aynı zamanda ekstra çabaya veya rahatsızlığa yol açabilecek alışkanlıkları fark etmelerine yardımcı olur.

İşte düzgün bir koşu formunda sıklıkla görülen bazı ortak unsurlar:

• Bacak hareketi ve adım: İyi bir koşu formu genellikle rahat bir diz kalkışı ve doğal hissettiren istikrarlı bir adımdan gelir. Adım uzunluğu ve adım sıklığı önemlidir; her adımda çok fazla ileriye uzanmak dengeyi bozabilir. Pürüzsüz bir itiş, koşunun hafif ve verimli hissettirmesini sağlar.
• Ayak vuruşu ve kütle merkezi: Koşucular yere farklı şekillerde basarlar; topuk, orta ayak veya ön ayak üzerine. Tam olarak nereye basıldığından veya topuk vuruşundan ziyade, vücudun her adımda ne kadar pürüzsüz hareket ettiği önemlidir. Merkezde kalmak ekstra hareketi azaltır ve her şeyi daha stabil tutar.
• Kas koordinasyonu: Koşu; kalça kasları, üst ön bacak (quads), arka bacak (hamstrings) ve kalça fleksörleri dahil olmak üzere birden fazla kas grubunu çalıştırır. Bu kaslar dengeli bir şekilde birlikte çalıştığında hareket daha stabil kalır ve sakatlanma riski azalır.

Şekil 2. Koşu ritmini anlamak ve daha iyi bir koşucu olmak için temel vücut noktaları. (Kaynak)

Birçok koşucu ayrıca koşu ayakkabılarına, koçluğa ve form rehberliğine güvenir. Doğru koşu ayakkabıları; özellikle hala güç ve tutarlılık kazanan yeni koşucular için konforu destekleyebilir ve eklemlere binen stresi azaltabilir.

Ayrıca, bir koşu antrenörüyle çalışmak veya form odaklı antrenman planlarını takip etmek, koşucuların düzgün koşu formunu anlamalarına, verimsiz alışkanlıkları düzeltmelerine ve zaman içinde sakatlanma riskini düşürmelerine yardımcı olabilir. Özellikle yeni başlayanlar için, doğru koşu formunu erken öğrenmek ilerledikçe koşmayı daha kolay, daha güvenli ve daha keyifli hale getirebilir.

Poz tahmininin koşuyu analiz etmek için nasıl kullanılabileceğini anlamak#

Pose estimation, bir görüntü veya videodaki konumlarını ve hareketlerini belirlemek için bir kişi veya nesne üzerindeki kilit noktaları tanımlayan ve izleyen bir computer vision görevidir. Özellikle insan pose estimation'ı, insan vücudunun kare kare nasıl hareket ettiğini takip etmeyi mümkün kılar.

Sadece bir karedeki koşucuyu tespit etmek yerine, farklı vücut kısımlarının zaman içinde nasıl hareket ettiğini takip ederek ayrıntılı adım ve koşu biyomekaniği analizini destekler. Poz tahmininin en önemli avantajlarından biri, standart kameralarla çalışabilmesi ve bu sayede birçok gerçek dünya ortamında erişilebilir olmasıdır.

Poz tahminini destekleyen YOLO11 gibi modeller, bir koşucuyu koşu bandında veya dışarıda olsun kare kare takip edebilir. Omuzlar, kalçalar, dizler, ayak bilekleri ve dirsekler gibi anahtar noktaları tanımlayarak model, genel hareketi ve eklem fleksiyon kalıplarını ortaya çıkarmak için vücut hareketlerini zaman içinde birleştirir.

Şekil 3. Pose estimation, ısınma egzersizleri sırasında temel vücut noktalarını takip etmek için kullanılabilir. (Kaynak)

Örneğin, squat veya lunge gibi yaygın egzersiz hareketlerinde, zamanlama ve koordinasyon vücudun nasıl hareket ettiğini büyük ölçüde etkiler. Adımdaki, vücut hizasındaki veya ayak yerleşimindeki küçük değişiklikler hızı, dengeyi, kontrolü ve sakatlanma riskini etkileyebilir.

Bu küçük değişiklikleri tutarlı bir şekilde yakalamak kolay değildir. Poz tahmini bir koşu antrenörünün yerini almaz ancak duruşu, zamanlamayı ve koordinasyonu koşular boyunca görmeyi kolaylaştıran görsel bir yardımcı görevi görebilir. Zamanla, teknikleri karşılaştırmayı ve küçük ayarlamaları fark etmeyi de daha akıcı hale getirir.

Ultralytics YOLO modelleri koşu tekniği analizini nasıl destekleyebilir#

Sırada, Ultralytics YOLO modellerinin poz tahmini gibi görevleri nasıl desteklediğine bakalım.

YOLO11 gibi Ultralytics YOLO pose modelleri kutudan çıktığı gibi hazırdır ve COCO-Pose gibi büyük etiketli veri kümeleri üzerinde önceden eğitilmiş olarak gelir. Bu sayede yaygın insan vücudu kilit noktalarını tespit edip takip edebilir ve bu bilgiyi çeşitli uygulamalarda kullanabilirler.

Vücut anahtar noktalarının video kareleri boyunca izlenmesinden elde edilen bilgiler, insanların zaman içinde nasıl hareket ettiğini incelemek için kullanılabilir. Bu, koşu tekniklerinin temel yönleri olan duruşu, adım kalıplarını, eklem hareketini ve koordinasyonu analiz etmeyi mümkün kılar.

Daha spesifik içgörüler gerektiğinde, bu modeller özel olarak eğitilebilir. Bir modeli baştan eğitmek yerine, önceden eğitilmiş bir YOLO pose modeli ek etiketli veriler kullanılarak ince ayarlanabilir.

Örneğin, köpeklerin nasıl koştuğunu analiz edecek bir çözüm oluşturmak hedefleniyorsa model, köpeklere özgü etiketli poz verileriyle eğitilebilir. Böylece, orijinal eğitiminden gelen genel poz tahmini yeteneklerini korurken, onların vücut yapısını ve hareket kalıplarını öğrenir.

Şekil 4. Pose estimation için bir köpekte tespit edilen temel vücut noktaları. (Kaynak)

Engelli koşu tekniklerini analiz etmek için poz tahminini kullanmaya bir bakış#

Poz tahmininin nasıl çalıştığına dair daha iyi bir anlayışa sahip olduğumuza göre, engelli koşu tekniğini analiz etmek için nasıl uygulanabileceğine dair bir örneği inceleyelim.

Engelli koşu, hızlı ve teknik açıdan zorlu bir spordur. Tek bir koşu sırasında yere temas, kalkış ve iniş saniyenin kesirleri içinde gerçekleşir.

Bu eylemler çok hızlı gerçekleştiği için çıplak gözle veya manuel video incelemesiyle önemli detayları gözlemlemek zor olabilir. Sonuç olarak, adım ritmi, zamanlama veya yere temas konusundaki küçük ama anlamlı farklılıklar genellikle gözden kaçar.

Computer vision tabanlı pose estimation, standart video görüntülerini yapılandırılmış verilere dönüştürerek bu sorunun üstesinden gelir. Örneğin son bir çalışmada araştırmacılar, alt vücut kilit noktalarını takip etmek için Ultralytics YOLOv8 tabanlı bir model kullandılar. Ultralytics YOLO modellerinin daha önceki bir nesli olan YOLOv8, pose estimation'ı destekler ve YOLO11 gibi daha yeni modeller için temel sağlar.

Çalışma, engelli koşu sırasında adım zamanlamasını, adım kalıplarını ve zemin temasını analiz etmek için ayak bileği, topuk ve başparmak gibi kilit noktalarına odaklandı. Araştırmacılar, bu kilit noktalarını zaman içinde takip ederek gerçek antrenman koşulları altında adım ilerlemesini, zamanlamayı ve hareket kalıplarını yakından izleyebildiler.

Gait analizi için bilgisayarlı görü kullanmanın artıları ve eksileri#

İşte koşu tekniklerini analiz etmek için poz tahmini kullanmanın bazı temel faydaları:

• Objektif geri bildirim: Poz tahmini, kişisel yargı yerine ölçülen vücut anahtar noktalarına dayalı tutarlı görsel veriler sağlar. Bu, hareket aralığını değerlendirirken öznelliği azaltmaya yardımcı olur.
• Öz değerlendirme: Koşucular, sürekli bir antrenör desteğine ihtiyaç duymadan kendi hareket kalıplarını analiz edebilirler, bu da onu eğlence amaçlı ve bağımsız antrenmanlar için yararlı kılar.
• Grup ölçeklenebilirliği: Aynı iş akışı birden fazla koşucuya uygulanabilir; bu, manuel gözlemin pratik olmadığı takımlar, antrenman grupları veya araştırma çalışmaları için çok uygundur.

Poz tahmini birkaç avantaj sunsa da, dikkate alınması gereken bazı sınırlamalar şunlardır:

• Kamera kurulumu: Yanlış kamera açıları veya tutarsız çerçeveleme, eklem açılarının, adım kalıplarının ve atılan adım sayısının ne kadar doğru yakalandığını düşürebilir.
• Tıkanma (Occlusion): Vücudun kısımları engellenirse veya karede birden fazla koşucu çakışırsa doğruluk azalır.
• Çevresel faktörler: Gölgeler, düz olmayan yüzeyler veya hareketli arka planlar dahil olmak üzere dış ortam koşulları, ölçüm tutarlılığını etkileyebilir.

Öne çıkanlar#

Ultralytics YOLO modelleri ve poz tahmini, koşu analizini daha erişilebilir hale getiriyor. Normal videolardan vücut hareketini, eklem açılarını ve adım kalıplarını izlemek, koşu formu hakkında net bilgiler vermek için kullanılabilirler. Bu araçlar, koşucuların ve antrenörlerin verimsizlikleri fark etmelerine, gelişmeleri takip etmelerine ve sakatlanma riskini gerçek zamanlı olarak yönetmelerine yardımcı olur.

GitHub repository adresimizi ziyaret ederek ve community katılarak AI hakkında daha fazla bilgi edinebilirsin. AI in robotics ve computer vision in automotive hakkında bilgi edinmek için çözüm sayfalarımıza göz at. Vizyon AI ile hemen başlamak için our licensing options keşfet!