ИСПОЛЬЗОВАНИЕ ТЕХНОЛОГИИ КОМПЬЮТЕРНОГО ЗРЕНИЯ В ТРЕНИРОВОЧНОЙ И СОРЕВНОВАТЕЛЬНОЙ ПРАКТИКЕ ПО БОДИБИЛДИНГУ

PDF

DOI: https://doi.org/10.14529/hsm260112

Аннотация

В данной статье рассматриваются теоретические и экспериментальные аспекты применения технологий компьютерного зрения и искусственного интеллекта (ChatGPT) в тренировочной и соревновательной практике по бодибилдингу. Цель исследования – разработка и экспериментальная проверка эффективности применения технологии компьютерного зрения на основе использования ChatGPT в тренировочной и соревновательной практике по бодибилдингу для повышения точности анализа движений атлетов, индивидуализации тренировочных программ подготовки и объективизации судейских оценок. Материалы и методы. Исследуемая фокус-группа – опытные тренеры по бодибилдингу (n = 84) из различных регионов России. Для оценки эффективности использования возможностей ChatGPT была разработана авторская система экспертной диагностики, включающая четыре направления мониторинга: распознавание тренажёров – «Т», анализ фигуры атлета – «Ф», оценка техники выполнения упражнений – «У» и соревновательный анализ – «С». Результаты. Выявлено достоверное повышение уровня удовлетворенности тренеров взаимодействием с предлагаемой системой после периода мониторинга по показателям «Ф» и «У», что подтверж­дает эффективность ChatGPT как интеллектуального инструмента поддержки тренера. Заключение. Использование технологий компьютерного зрения способствует повышению точности анализа движений, объективности оценки фигуры и пропорций тела, а также индивидуализации тренировочного процесса в бодибилдинге.

Литература

1. Биометрия ходьбы с применением RGB-камеры и компьютерного зрения / Т.Т. Батышева, С.В. Тихонов, М.В. Алексеева и др. // Теория и практика физ. культуры. – 2024. – № 12. – С. 22–24.
2. Борисова, А.Н. Использование технологий искусственного интеллекта и компьютерного зрения для автоматизации контроля выполнения фитнес-упражнений на примере онлайн-платформы FORA VISION / А.Н. Борисова, С.А. Вольнов // Рос. журнал информ. технологий в спорте. – 2025. – Т. 2, № 2. – С. 3–14. DOI: 10.62105/2949-6349-2025-2-2-3-14
3. Методика экспресс-оценки результативности выполнения движений хоккеистом с применением компьютерного зрения / И.И. Новикова, В.Н. Коновалов, Д.А. Бернатавичус и др. // Человек. Спорт. Медицина. – 2024. – Т. 24, № 4. – С. 104–110. DOI: 10.14529/hsm240413
4. Модель управления соревновательной деятельностью команд топ-уровня на основе компьютерного зрения в онлайн / С.Л. Гольштейн, А.А. Полозов, Н.В. Папуловская и др. // Вестник Рос. ун-та дружбы народов. Серия: Инженерные исследования. – 2024. – Т. 25, № 4. – С. 441–459. DOI: 10.22363/2312-8143-2024-25-4-441-459
5. Определение антропометрических показателей кисти спортсменов на основе компьютерного зрения / А.А. Померанцев, В.Э. Беспяткин, Д.А. Травков и др. // Теория и практика физ. культуры. – 2023. – № 5. – С. 102–104.
6. Хорошилов, С.А. Особенности разработки компьютерной программы для начинающих бодибилдеров / С.А. Хорошилов // Ученые записки ун-та им. П.Ф. Лесгафта. – 2014. – № 5 (111). – С. 179–183.
7. A comprehensive analysis of the machine learning pose estimation models used in human movement and posture analyses: a narrative review / F. Roggio, B. Trovato, M. Sortino et al. // Heliyon. – 2024. – Vol. 10, no. 21. – e39977. DOI: 10.1016/j.heliyon.2024.e39977
8. Aleksić, J. Computer vision solutions for range of motion assessment / J. Aleksić // Southeastern European Medical Journal. – 2023. – Vol. 7, no. 1. – P. 55–66. DOI: 10.26332/seemedj.v7i1.276
9. A review of the evolution of vision-based motion analysis and the integration of advanced computer vision methods towards developing a markerless system / S.L. Colver, M. Evans, D.P. Coscer et al. // Sports Medicine – Open. – 2018. – Vol. 4. – Article number 24. DOI: 10.1186/s40798-018-0139-y
10. A review on computer vision technology for physical exercise monitoring / S.R. Khanal, D. Paulino, J. Sampaio et al. // Algorithms. – 2022. – Vol. 15, no. 12. – P. 444. DOI: 10.3390/a15120444
11. Artificial intelligence usage in prediction of the sports results of athletes сcompeting in Greco-Roman Wrestling / A.Y. Osipov, R.S. Nagovitsyn, T.I. Ratmanskaya et al. // Journal of Siberian Federal University. Humanities & Social Sciences. – 2024. – Vol. 17, no. 2. – P. 278–286.
12. Enhancing human pose estimation in sports training: integrating spatiotemporal transformer for improved accuracy and real-time performance / X. Xi, C. Zhang, W. Jia et al. // Alexandria Engineering Journal. – 2024. – Vol. 109. – P. 144–156. DOI: 10.1016/j.aej.2024.08.072
13. Host, K. An overview of human action recognition in sports based on computer vision / K. Host, M. Ivašić-Kos // Heliyon. – 2022. – Vol. 8, no. 6. – e09633. DOI: 10.1016/j.heliyon.2022.e09633
14. Naik, B.T. A comprehensive review of computer vision in sports: open issues, future trends and research directions / B.T. Naik, M.F. Hashmi, N.D. Bokde // Applied Sciences. – 2022. – Vol. 12, no. 9. – P. 4429. DOI: 10.3390/app12094429
15. Quantitative analysis and evaluation of research on the application of computer vision in sports since the 21st century / C. Chen, J. Xue, W. Gou et al. // Frontiers in Sports and Active Living. – 2025. – Vol. 7. – 604232. DOI: 10.3389/fspor.2025.1604232
16. Suo, X. Motion capture technology in sports scenarios: a survey / X. Suo, W. Tang, Z. Li // Sensors (Basel). – 2024. – Vol. 24, no. 9. – P. 2947. DOI: 10.3390/s24092947