Analisi del movimento umano mediante tecniche di machine learning per il monitoraggio di esercizi fisici

La diminuzione dell'esercizio fisico nella popolazione mondiale rappresenta una grande sfida per la società contemporanea. Per permettere una diminuzione delle patologie legate all'inattività motoria e all'avanzamento d'età, mantenendo una buona salute fisica, mentale e sociale, l'OMS promuove dunque il cosiddetto active ageing, che mira a migliorare la qualità di vita degli anziani e della popolazione in generale, ponendo alla propria base la promozione di una regolare attività fisica. Questa tesi dunque ha lo scopo di progettare e implementare un sistema basato su algoritmi di Machine Learning (ML) per l'analisi automatizzata delle coordinate dei giunti principali del corpo umano al fine di monitorare l’esecuzione degli esercizi fisici svolti dagli utenti e permettere il conteggio delle ripetizioni effettuate per diverse classi di allenamento. Utilizzando una webcam o un dispositivo di registrazione esterno (anche di media capacità computazionale), il sistema sviluppato processa le immagini acquisite in real-time, estraendo le coordinate dei giunti d'interesse per classificare il tipo di movimento, e allo stesso tempo contare le ripetizioni effettuate. La metodologia utilizzata si è rivelata un efficace punto di partenza per l'ottenimento dei risultati preposti, riuscendo spesso a conteggiare correttamente il numero di ripetizioni svolte dagli utenti, ma mostrando allo stesso tempo delle debolezze dovute all'utilizzo di dataset di dimensioni limitate che, nel caso di angolazioni di registrazione insolite, portano talvolta a una bassa confidenza delle previsioni effettuate.