Calculadora de RM e Progressão de Carga: um sistema para registrar treinos e sugerir cargas com base na progressão semanal e princípios científicos de treino.

---

🏋️ Pose Analysis Project 📸

Um projeto focado no aprendizado e desenvolvimento de tecnologias para análise de poses corporais. Utilizando Python, Docker, Machine Learning e Inteligência Artificial, o objetivo é detectar landmarks corporais, calcular ângulos e identificar poses clássicas, alinhando-se aos critérios estabelecidos pelo IFBB Pro.

⚠️ Nota: Este projeto está em desenvolvimento contínuo e tem como foco o aprendizado de tecnologias como Python, Docker, Machine Learning e IA. Ainda há diversos pontos a melhorar, mas ele está sendo aprimorado regularmente!

---

✨ Objetivos do Projeto

• 📏 Análise de Poses: Detectar landmarks corporais e calcular ângulos para avaliação precisa.
• 🏋️ Reconhecimento de Poses: Identificar poses clássicas como "Duplo Bíceps de Frente".
• 🤖 Evolução em IA: Criar um pipeline para aprendizado de máquina, capaz de identificar poses automaticamente.
• 🔧 Foco em aprendizado: Utilizar ferramentas como Docker, Machine Learning e Python de forma prática.

---

🛠️ Tecnologias Utilizadas

• Python 3.9
• FastAPI para criação da API
• Mediapipe para detecção de landmarks
• OpenCV para processamento de imagens
• Docker para gerenciamento de containers
• React para o frontend
• Node.js para o ambiente do frontend

---

⚙️ Como Configurar o Projeto

Pré-requisitos

1. Instalar Python 3.11:

   • Baixar Python 3.11

2. Instalar Docker e Docker Compose:

   • Docker
   • Docker Compose

3. Instalar Make:

   • Linux/MacOS: Já disponível na maioria das distribuições.
   • Windows: Baixar Make para Windows

4. Clone o repositório:

   git clone <seu-repo-url>
   cd <nome-do-repo>

---

Utilizando o Makefile

O projeto utiliza um Makefile para simplificar os comandos com Docker. Aqui estão os comandos disponíveis:

Comando	Descrição
make build	Constrói as imagens Docker
make up	Inicia os containers Docker
make down	Para e remove os containers
make logs	Exibe os logs de todos os serviços
make backend-bash	Acessa o shell do container do backend
make frontend-bash	Acessa o shell do container do frontend
make restart	Reinicia os containers

---

Passo a Passo para Uso

1. Builda e Subir a aplicação:

   make up

2. Acesse a aplicação:

   • Frontend: http://localhost:3000
   • Backend: http://localhost:8000/docs

3. Realize o upload de uma imagem de pose:

   • Utilize o botão de upload no frontend.
   • Verifique os resultados no painel de resposta e visualize a imagem anotada.

---

📚 Como Funciona o Projeto

1. O Frontend permite o upload de imagens e exibe os resultados da análise.
2. O Backend processa as imagens utilizando o Mediapipe para detecção de landmarks e cálculo de ângulos.
3. O sistema tenta identificar a pose e gera feedbacks com base nos critérios definidos.
4. Uma imagem anotada é gerada, destacando os landmarks detectados.

---

🚧 Pontos a Melhorar

• Reconhecimento Avançado de Poses: Melhorar o reconhecimento automático de poses como "Duplo Bíceps de Frente".
• Feedbacks Detalhados: Implementar análises mais completas e detalhadas baseadas em critérios de simetria e alinhamento.
• Detecção Facial Avançada: Refinar o uso de MediaPipe para validar a presença e o alinhamento do rosto.
• Suporte a Novas Poses: Adicionar mais poses clássicas ao sistema.
• Integração com Machine Learning: Treinar um modelo personalizado para identificação de poses específicas.

---

🧪 Contribuindo

Contribuições são bem-vindas! Sinta-se à vontade para abrir issues ou pull requests para discutir melhorias ou adicionar funcionalidades.

---

📄 Licença

Este projeto é de código aberto e licenciado sob os termos da MIT License.

---

Desenvolvido com 💪 e ☕ para aprender, crescer e explorar o mundo de Machine Learning, IA e Python!