[en] USING BODY SENSOR NETWORKS AND HUMAN ACTIVITY RECOGNITION CLASSIFIERS TO ENHANCE THE ASSESSMENT OF FORM AND EXECUTION QUALITY IN FUNCTIONAL TRAINING

[pt] UTILIZANDO REDES DE SENSORES CORPORAIS E CLASSIFICADORES DE RECONHECIMENTO DE ATIVIDADE HUMANA PARA APRIMORAR A AVALIAÇÃO DE QUALIDADE DE FORMA E EXECUÇÃO EM TREINAMENTOS FUNCIONAIS

[pt] RAFAEL DE PINHO ANDRE

[pt] EDUCACAO FISICA

[pt] APLICACOES DE SENSORES MOVEIS

[pt] COMPUTACAO VESTIVEL E SENSORIAMENTO

[pt] DISPOSTIVOS IOT

[pt] SAUDE E ERGONOMIA

[pt] RECONHECIMENTO DE ATIVIDADE HUMANA

[en] PHYSICAL EDUCATION

[en] MOBILE SENSING APPLICATIONS

[en] WEARABLE COMPUTING AND SENSING

[en] IOT DEVICES

[en] HEALTH AND ERGONOMICS

[en] HUMAN ACTIVITY RECOGNITION

[pt] Dores no pé e joelho estão relacionadas com patologias ortopédicas e lesões nos membros inferiores. Desde a corrida de rua até o treinamento funcional CrossFit, estas dores e lesões estão correlacionadas com a distribuição iregular da pressão plantar e o posicionamento inadequado do joelho durante a prática física de longo prazo, e podem levar a lesões ortopédicas graves se o padrão de movimento não for corrigido. Portanto, o monitoramento da distribuição da pressão plantar do pé e das características espaciais e temporais das irregularidades no posicionamento dos pés e joelhos são de extrema importância para a prevenção de lesões. Este trabalho propõe uma plataforma, composta de uma rede de sensores vestíveis e um classificador de Reconhecimento de Atividade Humana (HAR), para fornecer feedback em tempo real de exercícios funcionais, visando auxiliar educadores físicos a reduzir a probabilidade de lesões durante o treinamento. Realizamos um experimento com 12 voluntários diversos para construir um classificador HAR com aproximadamente de 87 porcento de precisão geral na classificação, e um segundo experimento para validar nosso modelo de avaliação física. Por fim, realizamos uma entrevista semi estruturada para avaliar questões de usabilidade e experiência do usuário da plataforma proposta.Visando uma pesquisa replicável, fornecemos informações completas sobre o hardware e o código fonte do sistema, e disponibilizamos o conjunto de dados do experimento.

[en] Foot and knee pain fave been associated with numerous orthopedic pathologies and injuries of the lower limbs. From street running to CrossFitTM functional training, these common pains and injuries correlate highly with unevenly distributed plantar pressure and knee positioning during long-term physical practice and can lead to severe orthopedic injuries if the movement pattern is not amended. Therefore, the monitoring of foot plantar pressure distribution and the spatial and temporal characteristics of foot and knee positioning abnomalities is of utmost importance for injury prevention. This work proposes a platform, composed af an lot wearable body sensor network and a Human Activity Recognition (HAR), to provide realtime feedback of functional exercises, aiming to enhace physical educators capability to mitigate the probability of injuries during training. We conducted an experiment with 12 diverse volunteers to build a HAR classifier that achieved about 87 percent overall classification accuracy, and a second experiment to validate our physical evaluation model. Finally, we performed a semi-structured interview to evaluate usability and user experience issues regarding the proposed platform. Aiming at a replicable research, we provide full hardware information, system source code and a public domain dataset.

ALBERTO BARBOSA RAPOSO

SIMONE DINIZ JUNQUEIRA BARBOSA

ALBERTO BARBOSA RAPOSO

HUGO FUKS

ANDRE SOARES MONAT

DENISE DEL RE FILIPPO

2020-12-14

2020-01-30

[pt] TEXTO

application/pdf

INGLÊS

https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=50802@1

https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=50802@2

https://doi.org/10.17771/PUCRio.acad.50802