Prototipo para el reconocimiento de video en tiempo real de los ejercicios del método Klapp usando redes neuronales recurrentes

Abstract

En la actualidad la telerehabilitación ha tomado un gran auge debido a los acontecimientos de la COVID-19, éste trata de la aplicación de un programa bajo la supervisión remota, usando las tecnologías de información y comunicación, eliminando limitantes de las personas para su desplazamiento, minimizando riesgos y aportando mayor cumplimiento a los programas de rehabilitación y reacondicionamiento. El presente trabajo propone el desarrollo de una herramienta para el reconocimiento en tiempo real de ejercicios del método fisioterapéutico Klapp, basándonos en el concepto de telerehabilitación. El objetivo de este proyecto es dar apoyo a los fisioterapeutas para dar seguimiento al tratamiento de rehabilitación o reacondicionamiento. La herramienta permite evaluar la ejecución en tiempo real de cada uno de los ejercicios para informarle al paciente si lo realizó correctamente, y el fisioterapeuta podrá consultar dichos resultados. El desarrollo del proyecto fue gestionado bajo el modelo V como referencia para cada una de las actividades realizadas. La técnica utilizada para el reconocimiento son las redes neuronales recurrentes, pues su arquitectura permite modelar la siguiente predicción basándose en la información pasada y lograr modelar datos en secuencia como videos. Y para la implementación fueron empleadas las herramientas Keras, TensorFlow, Python, librerías de OpenCV y OpenPose, con el cual se obtuvieron los puntos de referencias de los ejercicios basándonos en los ángulos de Cobb. Los resultados obtenidos de reconocimiento de la red recurrente fueron medidos bajo la métrica de exactitud (Accuracy), logrando un 97% considerando 6 ejercicios, los cuales comprenden los ejercicios del método Klapp.