NONINTRUSIVE VIRTUAL TRAINER PROTOTYPE FOR EXERCISE ROUTINES IN UNITY USING MOTION CAPTURE

Resumen

La virtualidad es un proceso innovador visto en los últimos años. Este proceso permite transformar escenarios a un entorno virtual para realizar simulaciones, prácticas o pruebas de manera que se puedan estudiar todos los resultados. A su vez, estos entornos pueden apoyarse en nuevas herramientas y metodologías que aumentan las capacidades de análisis, como la captura de movimiento para generar animaciones, el seguimiento de equipos robóticos y el estudio del movimiento humano, lo que beneficia el desarrollo de sistemas con estos objetivos. Se presenta un prototipo de entrenador virtual no intrusivo capaz de capturar el movimiento y determinar la correcta ejecución de las rutinas de ejercicio, utilizando un entorno virtual desarrollado en el motor de videojuegos Unity. El sistema emplea una cámara web SHDR para la captura en tiempo real del movimiento realizado por el usuario, que se procesa para rastrear la pose y las articulaciones mediante Machine Learning a través de la biblioteca MediaPipe. Este artículo explica la construcción del prototipo y presenta los resultados del proyecto.

DOI: http://dx.doi.org/10.21017/rimci.2023.v10.n19.a125

Biografía del autor/a

Gerardo José Moreno Uriola, Universidad Tecnológica de Panamá

Bachelor’s Degree in Computer Systems Engineering Universidad Tecnológica de Panamá. Veraguas, Panamá.

Martin Jose Vega Bonilla, Universidad Tecnológica de Panamá

Bachelor’s Degree in Computer Systems Engineering Universidad Tecnológica de Panamá. Veraguas, Panamá.

Cristian Iván Pinzón Trejos, Universidad Tecnológica de Panamá

School of Computer Systems Engineering Universidad Tecnológica de Panamá. Veraguas, Panama.

Citas

Y. Barniv, M. Aguilar, and E. Hasanbelliu, “Using EMG to anticipate head motion for virtual environment applications,” IEEE Trans. Biomed. Eng., vol. 52, no. 6, pp. 1078–1093, 2005, doi:10.1109/TBME.2005.848378.

L. Li et al., “Application of virtual reality technology in clinical medicine.,” Am. J. Transl. Res., vol. 9, no. 9, pp. 3867–3880, 2017. https://www.ncbi.nlm.nih.gov/pmc/articles/PMC5622235/.

A. Rizzo et al., “Virtual environment applications in clinical neuropsychology,” in Proceedings IEEE Virtual Reality 2000 (Cat. No.00CB37048), 2000, pp. 63–70. doi: 10.1109/VR.2000.840364.

G. Nagymate and R. Kiss, “Application of OptiTrack motion capture systems in human movement analysis A systematic literature review,” Recent Innov. Mechatronics, vol. 5, 2018, doi: 10.17667/riim.2018.1/13.

A. Bottino and A. Laurentini, “Experimenting with nonintrusive motion capture in a virtual environment,” Vis. Comput., vol. 17, pp. 14–29, 2001, doi: 10.1007/s003710000091.

D. Osokin, “Real-time 2D Multi-Person Pose Estimation on CPU: Lightweight OpenPose.” arXiv, 2018. doi: 10.48550/ARXIV.1811.12004.

K. E. Lara, “El doble desafío de la Educación Física virtual,” Panamá América: Salud y bienestar, Panamá, Sep. 07, 2020. [Online]. Available: https://www.panamaamerica.com.pa/deportes/el-dobledesafio-de-la-educacion-fisica-virtual-1171545

L. P. Berg and J. M. Vance, “Industry use of virtual reality in product design and manufacturing: a survey,” Virtual Real., vol. 21, no. 1, pp. 1–17, 2017. https://link.springer.com/article/10.1007/s10055-016-0293-9

W. A. IJsselsteijn, Y. A. W. de Kort, J. Westerink, M. de Jager, and R. Bonants, “Virtual Fitness: Stimulating Exercise Behavior through Media Technology,” Presence Teleoperators Virtual Environ., vol. 15, no. 6, pp. 688–698, Dec. 2006.

J. C. P. Chan, H. Leung, J. K. T. Tang, and T. Komura, “A Virtual Reality Dance Training System Using Motion Capture Technology,” IEEE Trans. Learn. Technol., vol. 4, no. 2, pp. 187–195, 2011, doi:10.1109/TLT.2010.27.

T. Hayami, M. Tanaka, M. Okutomi, T. Shibata, and S. Senda, “Super-high Dynamic Range Imaging,” in 2014 22nd International Conference on Pattern Recognition, 2014, pp. 720–725. doi: 10.1109/ICPR.2014.134.

P. Galindo Salgado, “What’s New In Python 3.10,” 2022. https://docs.python.org/3/whatsnew/3.10.html

Unity Technologies, “Unity,” 2022,[Online]. Available: https://unity.com/

Blender Foundation, “Blender: Introducing blender 3.1,” 2022. https://www.blender.org/

G. Bradski, “The OpenCV Library” Dr. Dobb’s J. Softw. Tools, 2000.

C. Lugaresi et al., “MediaPipe: A Framework for Building Perception Pipelines.” arXiv, 2019, https://arxiv.org/abs/1906.08172.

Python, “Socket - Low-level networking interface,”2022. https://docs.python.org/3/library/socket

Publicado
2023-01-31
Cómo citar
[1]
G. Moreno Uriola, M. Vega Bonilla, y C. Pinzón Trejos, NONINTRUSIVE VIRTUAL TRAINER PROTOTYPE FOR EXERCISE ROUTINES IN UNITY USING MOTION CAPTURE, RIMCI, vol. 10, n.º 19, pp. 13-20, ene. 2023.