Skip to main content

Librería de visión artificial para seguimiento y conteo de repeticiones en ejercicios físicos usando MediaPipe.

Project description

🏋️ trackerfit

Librería de visión artificial para el seguimiento, análisis y conteo automático de repeticiones en ejercicios físicos usando MediaPipe y OpenCV.

✅ Requisitos

  • Python >= 3.8
  • pip >= 21.0

🚀 Instalación

Desde PyPI

pip install trackerfit 

Desde un repositorio local

git clone https://github.com/4lverto/trackerfit.git
cd trackerfit
pip install -e .

📦 Características

  • Detecta automáticamente poses humanas con MediaPipe
  • Calcula ángulos articulares en tiempo real
  • Cuenta repeticiones mediante lógica configurable
  • Permite entrada por cámara o vídeo
  • Visualización dinámica del ángulo y triángulo codificado por color
  • Exportación del historial de sesión (ángulo, reps, landmarks, timestamp)
  • Arquitectura modular y extensible

🧠 Ejercicios soportados

Ejercicio Landmarks utilizados
Curl de bíceps Hombro – Codo – Muñeca
Sentadilla Cadera – Rodilla – Tobillo
Flexiones Hombro – Codo – Muñeca
Press militar Cadera – Hombro – Muñeca
Extensión de cuádriceps Cadera – Rodilla – Tobillo
Crunch abdominal Cadera – Abdomen – Cabeza
Tríceps dip Hombro – Codo – Muñeca
Elevación lateral Cadera – Hombro – Muñeca

⚙️ Uso básico

from trackerfit import SessionManager, TipoEntrada

# Crear y configurar la sesión
manager = SessionManager()
manager.iniciar_sesion(
    tipo=TipoEntrada.CAMARA,
    nombre_ejercicio="curl_bicep"
)

# Esperar a que el usuario finalice
while manager.sesion_activa():
    pass

# Obtener repeticiones y resumen
reps = manager.obtener_repeticiones()
resumen = manager.generar_resumen(reps)
print(resumen)

🎨 Visualización en tiempo real

La librería muestra en la ventana de OpenCV:

Landmarks del cuerpo detectados

Un triángulo sobre el ángulo evaluado:

🔴 Rojo si no se ha alcanzado el rango válido

✅ Verde si el ángulo es válido para contar una repetición

Valor numérico del ángulo en grados

📁 Estructura de la librería

trackerfit/
├── ejercicios/         # Clases para cada tipo de ejercicio
├── session/            # Entrada por vídeo o cámara + gestión de sesiones
├── tracker/            # Wrapper de MediaPipe
├── utils/              # Cálculo de ángulos, enums
├── factory.py          # Devuelve el ejercicio correspondiente

📂 Ejemplos

Puedes encontrar ejemplos de uso real en la carpeta /examples:

  • usar_camera.py: inicia una sesión desde la cámara.
  • usar_video.py: procesa un vídeo local de ejercicio.

🧪 Tests

Usa pytest para validar funcionalidades mínimas:

pytest

📜 Licencia

Este proyecto está licenciado bajo la MIT License.

👤 Autor

Desarrollado por Alberto Ortega Vílchez Grado en Ingeniería Informática Universidad de Granada

🌐 Recursos

Project details


Download files

Download the file for your platform. If you're not sure which to choose, learn more about installing packages.

Source Distribution

trackerfit-0.2.1.tar.gz (14.1 kB view details)

Uploaded Source

Built Distribution

If you're not sure about the file name format, learn more about wheel file names.

trackerfit-0.2.1-py3-none-any.whl (20.4 kB view details)

Uploaded Python 3

File details

Details for the file trackerfit-0.2.1.tar.gz.

File metadata

  • Download URL: trackerfit-0.2.1.tar.gz
  • Upload date:
  • Size: 14.1 kB
  • Tags: Source
  • Uploaded using Trusted Publishing? No
  • Uploaded via: twine/6.1.0 CPython/3.12.6

File hashes

Hashes for trackerfit-0.2.1.tar.gz
Algorithm Hash digest
SHA256 df859bb5fbf071a93a0a60f9ebad0406be234a9cce632be7b539f0972263b6d3
MD5 f7fab3dce8005a48e1fc74a93a5e80bf
BLAKE2b-256 be29dbf877efe2e395cd3647abf0c1b1731b6283937eb7ca57d01f09b65f2e98

See more details on using hashes here.

File details

Details for the file trackerfit-0.2.1-py3-none-any.whl.

File metadata

  • Download URL: trackerfit-0.2.1-py3-none-any.whl
  • Upload date:
  • Size: 20.4 kB
  • Tags: Python 3
  • Uploaded using Trusted Publishing? No
  • Uploaded via: twine/6.1.0 CPython/3.12.6

File hashes

Hashes for trackerfit-0.2.1-py3-none-any.whl
Algorithm Hash digest
SHA256 992490a1f0bc11308dbf3feb3c6285de8bc3cd33f339efff59fff0a36eef9542
MD5 514ccf06d458811765ec9e559a197b08
BLAKE2b-256 68ea5fcb21d653f5d4b6bebc198e1e320b8cd6e21361b1d876a7047673ccfcb0

See more details on using hashes here.

Supported by

AWS Cloud computing and Security Sponsor Datadog Monitoring Depot Continuous Integration Fastly CDN Google Download Analytics Pingdom Monitoring Sentry Error logging StatusPage Status page