LJT System - System Operation

explanatory_video.mp4

🇺🇸 System Operation

Long Jump Trainer System (LJT System) is an educational and sports-oriented tool that combines different technologies to analyze athletes’ movement during the long jump.
Its operation is based on communication between a processing module developed in Python and an interactive interface built with Flutter, allowing users to visualize and understand the results from a mobile device or computer.

1. Video Capture

The process begins when the athlete or coach records the jump using the device’s camera.
The video shows the last strides, the take-off, and the complete landing.
This recording serves as the starting point for biomechanical analysis.

2. Upload to the Analysis Server

The tool establishes a secure connection with a local analysis server developed in Python.
This server temporarily receives the video, processes it, and automatically returns the results.
Communication occurs through a secure protocol that transmits only the data required for computation, without storing any personal information or permanent copies of the files.

3. Processing Through Computer Vision

Inside the server, the system uses computer-vision and machine-learning libraries such as OpenCV and MediaPipe to identify the athlete’s key body points (shoulders, hips, knees, ankles, etc.).
From these data, it calculates biomechanical parameters such as:

Approach velocity
Contact time
Take-off angle and velocity
Maximum jump height
Acceleration and trajectory of the center of mass

Each Python module (for example, core_frames.py, altura_maxima.py, impulso_contacto.py) analyzes a specific aspect of motion, and all results are integrated into a single JSON output file.

4. Return of Results

Once the analysis is complete, the server sends the results back to the device that performed the recording.
The mobile interface, developed in Flutter, interprets the data and presents it visually through charts, indicators, and numerical values.
This allows athletes to compare their performance with reference models and observe how their technique evolves over time.

5. Security and Privacy

The video is automatically deleted from the server after processing.
The tool does not request personal data or use any tracking services.
The entire workflow is designed for technical learning and performance improvement, with full respect for user privacy.

Read privacy policy.

6. Educational and Scientific Approach

The system has been designed for educational and experimental purposes—to bring biomechanical analysis technology closer to coaches, youth athletes, and students interested in the science of human movement.
Thanks to its modular architecture, the tool can evolve and adapt to new studies or sports in the future.

🇪🇸 Funcionamiento del sistema

Long Jump Trainer System (LJT System) es una herramienta educativa y deportiva que combina distintas tecnologías para analizar el movimiento de los atletas durante el salto de longitud.
Su funcionamiento se basa en la comunicación entre un módulo de procesamiento desarrollado en Python y una interfaz interactiva creada en Flutter, que permite a los usuarios visualizar y comprender los resultados desde un dispositivo móvil o computadora.

1. Captura del video

El proceso inicia cuando el atleta o entrenador graba el salto con la cámara de su dispositivo.
El video muestra las últimas zancadas, el impulso, el despegue y la caída completa.
Esta grabación es el punto de partida para los análisis biomecánicos.

2. Envío al servidor de análisis

La herramienta establece una conexión segura con un servidor local de análisis, desarrollado en Python.
Este servidor recibe temporalmente el video, lo procesa y devuelve los resultados de manera automática.
La comunicación se realiza mediante un protocolo seguro que transmite únicamente los datos necesarios para el cálculo, sin almacenar información personal ni copias permanentes de los archivos.

3. Procesamiento mediante visión por computadora

Dentro del servidor, el sistema utiliza bibliotecas de visión artificial y aprendizaje automático, como OpenCV y MediaPipe, para identificar los principales puntos del cuerpo del atleta (hombros, caderas, rodillas, tobillos, etc.).
Con estos datos se calculan parámetros biomecánicos como:

Velocidad de aproximación
Tiempo de contacto
Ángulo y velocidad de despegue
Altura máxima del salto
Aceleración y recorrido del centro de masa

Cada módulo en Python (por ejemplo, core_frames.py, altura_maxima.py, impulso_contacto.py) se encarga de analizar un aspecto específico del movimiento, y los resultados se integran en un solo archivo de salida en formato JSON.

4. Retorno de resultados

Una vez completado el análisis, el servidor envía los resultados al dispositivo que realizó la grabación.
La interfaz móvil, desarrollada en Flutter, interpreta los datos recibidos y los presenta de forma visual mediante gráficas, indicadores y valores numéricos.
Esto permite comparar el salto del atleta con modelos de referencia y observar cómo evoluciona su técnica con el tiempo.

5. Seguridad y privacidad

El video se elimina automáticamente del servidor una vez procesado.
La herramienta no solicita datos personales ni utiliza servicios de rastreo.
Todo el flujo está orientado al aprendizaje técnico y a la mejora del rendimiento deportivo, con total respeto por la privacidad de los usuarios.

Leer políticas de privacidad.

6. Enfoque educativo y científico

El sistema ha sido diseñado con fines formativos y experimentales, para acercar la tecnología de análisis biomecánico a entrenadores, atletas juveniles y estudiantes interesados en la ciencia del movimiento humano.
Gracias a su arquitectura modular, la herramienta puede evolucionar y adaptarse a nuevos estudios o deportes en el futuro.

Page updated

Google Sites

Report abuse