健康で幸福な人生を送るには活動的な生活習慣が欠かせません。しかし、人間の行動を正確に把握、追跡することが困難な場合があります。ヨガのポーズやエクササイズが正しくできているかどうか気になったことはありませんか?このユースケースはそんな人に最適です。

このヨガ・ポーズ認識ユースケースは、さまざまなヨガのポーズに対応するさまざまなクラスを分類することが目的です。このアルゴリズムは、ST MEMSセンサに搭載された機械学習コア(MLC)により、コブラのポーズ、木のポーズ、あるいはその他のポーズでも超低消費電力で認識できます。

アプローチ

  • SensorTile.boxワイヤレス・ボックス・キットとAndroidまたはiOS用STBLESensorアプリを使用して、データ・ログを収集できます。
  • 検討対象ポーズの中からヨガ・ポーズを分類するために、MEMS-Studioを使用して3種類の特徴を持つディシジョン・ツリー・モデルを生成し、設定しました。
  • ディシジョン・ツリーには約20個のノードがあり、加速度センサのX、Y、Z軸を入力データとして受け取ります。
  • MLCは104Hzで動作し、52サンプルの期間で特徴を計算します。
  • この構成では、認識されたクラスが更新されるたびに割込みが発生します。

使用したすべてのハードウェアとソフトウェアを含む完全なステップ・バイ・ステップ・ガイドは、こちらでご覧いただけます。

センサ

AI内蔵6軸IMU(慣性計測ユニット):常時動作を可能とする3軸加速度センサおよび3軸ジャイロセンサ(リファレンス: LSM6DSOX)。

データ

加速度センサは、最大測定範囲2g、出力データレート104Hzに設定しました。

SensorTile.Boxは左脚に置かれています。センサ軸の向きが正しければ、他のデバイスを使用することもできます。
  • X軸は脚と平行で上向き
  • Y軸は脚に垂直で内向き
  • Z軸は前向き

結果

消費電力(センサ+アルゴリズム): 175uA

ディシジョン・ツリー分類器は、12種類のヨガ・ポーズと2種類の非ヨガ・ポーズ(静止および動作)に対応する 14のクラスを検出します。

ディシジョン・ツリー分類器の出力は、レジスタMLC0_SRC(アドレス70h)に保存されます。
  • 0 = ボートのポーズ
  • 1 = 弓のポーズ
  • 2 = ブリッジのポーズ
  • 3 = チャイルド・ポーズ
  • 4 = コブラのポーズ
  • 5 = ダウンドッグのポーズ
  • 6 = 瞑想のポーズ
  • 7 = プランク
  • 8 = 座位前屈のポーズ
  • 9 = 立位動作ポーズ
  • 10 = 立位静止ポーズ
  • 11 = 体の脇を伸ばすポーズ
  • 12 = 木のポーズ
  • 13 = 上向きプランク
モデル作成ツール

MEMS-Studio

MEMS-Studio
対応製品
LSM6DSOX
LSM6DSOX

リソース

モデル作成ツール MEMS-Studio

スマート・センサでAI機能の活用を可能にするデスクトップ向けソフトウェア・ソリューションです。これにより、ユーザはデータの分析、組込みライブラリの評価、MEMSセンサの全ポートフォリオに対するノーコード・アルゴリズムの設計が可能になります。

Unico-GUI Unico-GUI Unico-GUI

対応製品 LSM6DSOX

センサが取得したデータを直接処理し、ホスト・デバイスに有意義な処理済みの有意義な情報も提供できるスマート・センサ。スマート・センサは、データのローカル処理によって生データ送信とクラウド処理を不要とすることで、システム・レベルでの消費電力を削減します。

LSM6DSOX LSM6DSOX LSM6DSOX

おすすめ情報:

予知保全 | 加速度センサ | NanoEdge AI Studio | ビデオ | パートナー | 産業機器

Rtoneによるオンデバイス学習による異常検知

STM32マイクロコントローラ上で動作する産業機器の異常検出ソリューション。

物体検出 | 画像 | STM32Cube.AI | GitHub | ビデオ | データセット | アイデア | スマート・ビルディング

個人用保護具の検出

物体検出AIモデルを使用した作業員の個人用保護具の検出。

スマート・ホーム | スマート・ビルディング | スマート・オフィス | 画像分類 | 画像 | STM32Cube.AI | GitHub | ビデオ | デモ

人検出(Visual Wake Word)

高性能マイクロコントローラによる人検出機能の実装。