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-0.3.0.tar.gz (15.7 kB view details)

Uploaded Source

Built Distribution

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

trackerfit-0.3.0-py3-none-any.whl (23.4 kB view details)

Uploaded Python 3

File details

Details for the file trackerfit-0.3.0.tar.gz.

File metadata

  • Download URL: trackerfit-0.3.0.tar.gz
  • Upload date:
  • Size: 15.7 kB
  • Tags: Source
  • Uploaded using Trusted Publishing? No
  • Uploaded via: twine/6.1.0 CPython/3.12.6

File hashes

Hashes for trackerfit-0.3.0.tar.gz
Algorithm Hash digest
SHA256 36ae2546030cc8fb23c6fd2415dd405ee0eb85c07c9f68f769413329805708e7
MD5 1428a16dd12791ed9c80abfd98f9c8f8
BLAKE2b-256 9fb9f05b8b50f20bec718546978769796ffc6d6e283fd8cd8881fd6176a1b0a9

See more details on using hashes here.

File details

Details for the file trackerfit-0.3.0-py3-none-any.whl.

File metadata

  • Download URL: trackerfit-0.3.0-py3-none-any.whl
  • Upload date:
  • Size: 23.4 kB
  • Tags: Python 3
  • Uploaded using Trusted Publishing? No
  • Uploaded via: twine/6.1.0 CPython/3.12.6

File hashes

Hashes for trackerfit-0.3.0-py3-none-any.whl
Algorithm Hash digest
SHA256 7b47d874f970387c3352cbb57c77c302151da3a79074a77b02e8619aa8c8dd83
MD5 34fc7807db6608caceb15ed3029e75cb
BLAKE2b-256 c8829cb1dc14a524e61557ceef8ffcc2bb7e06ccefe78b45cef698f3a7e8442f

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