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-0.2.2.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-0.2.2-py3-none-any.whl (20.4 kB view details)

Uploaded Python 3

File details

Details for the file trackerfit-0.2.2.tar.gz.

File metadata

  • Download URL: trackerfit-0.2.2.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-0.2.2.tar.gz
Algorithm Hash digest
SHA256 2d53f2d224a9420f4c0c9cb4f86a6aeb0a814b1e134496448e867f55c9d332b6
MD5 8ad2fd350629e5e76b3ff98cc75a7e67
BLAKE2b-256 838698af2869a1da8d9fae25fb4fabe2dc4e23cdf7e26ee0cf87f4f5c855dd51

See more details on using hashes here.

File details

Details for the file trackerfit-0.2.2-py3-none-any.whl.

File metadata

  • Download URL: trackerfit-0.2.2-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-0.2.2-py3-none-any.whl
Algorithm Hash digest
SHA256 97d931ae9bd2407159e2db5f56cb5824b0490990d3a6af61dfdd133cc3c2e096
MD5 7995dfea3d563e31b39f5de5fed09dbc
BLAKE2b-256 7b01bcbaf33ba4e570e495634e1291dc2b4d9ff6e83bd30b23418bc2a209cc4d

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