Медитация как практика

Медитация — популярный в наше время способ снятия стресса и отдыха от ежедневной рутины. Современные исследования нейрофизиологов показывают положительное влияние медитативных практик на мозг. В последние годы многие начинают практиковать медитацию самостоятельно — на основе видеоуроков, аудиогидов или специальных приложений. Большую популярность приобрели приложения для медитации. Однако без помощи учителя — опытного мастера медитации — бывает сложно оценить, насколько успешно прошла практика, и отследить свой прогресс в сравнении с предыдущими практиками.

На помощь могут прийти компьютерные алгоритмы — например, системы видеоаналитики, которые способны определять положение тела человека по ключевым точкам. Такими алгоритмами группа с факультета информационных технологий и программирования занимается уже давно — например, можно отметить проект по анализу состояния водителя, призванный повысить безопасность дорожного движения. Сейчас развитие предложенных в рамках него моделей и методов ученые применяют к оценке психоэмоционального состояния человека во время медитации.

«Мы предложили систему, которая определяет трехмерный скелет, его ключевые точки — чтобы можно было отследить, как эти точки двигаются. Мы смотрим разницу в положении этих точек в каждом последующем кадре — это называется анализом оптического потока. Разница в положении ключевых точек показывает, что в кадре происходит движение. За счет этого можно определить достаточно много параметров: например, мы можем составить график движения грудной клетки и посчитать количество вдохов и выдохов», — рассказывает руководитель проекта НИРМА «Мобильное приложение для автоматизированной оценки функционального состояния человека на основе видеопотока» Алексей Кашевник, доцент факультета информационных технологий и программирования Университета ИТМО, старший научный сотрудник СПб ФИЦ РАН.

Как оценивается медитация

Разработанный алгоритм определяет движения различных частей тела, частоту вдохов и выдохов, открытость/закрытость глаз и рта за счет анализа видеопотока с камеры смартфона, направленной на человека во время медитации, а также пульс и двигательные паттерны (потягивания, ерзанье и тому подобное) за счет анализа данных с устройств носимой электроники.

На основе этого разработана модель, которая позволяет получить количественную оценку практики медитации на основе определяемых параметров. В качестве отправной точки взят самый распространенный вид статической медитации, основанный на методиках Mindfulness-Based Stress Reduction. Задача практикующего — удерживать внимание в теле (например, следить за дыханием) и тем самым остановить или хотя бы уменьшить поток мыслей.

 «В состоянии медитации пульс должен быть равномерным, а движения тела минимальны. Когда человек испытывает эмоции, у него увеличивается частота сердцебиения. При этом человек может сидеть спокойно, но очень сильно переживать. Значит, практика медитации у него получается не очень. То же самое, если человек начинает двигаться, потягиваться, разминаться — значит, ему не удалось достичь состояния покоя», — объясняет Владислав Малютин, участник команды разработки, магистрант второго курса ФИТиП.  

Приложение начисляет баллы за пребывание в расслабленном состоянии и снимает их, если у медитирующего обнаружена напряженность в теле по косвенным признакам — движениям, нарушениям дыхания. В итоге человеку предоставляется подробный график и общая оценка, а также выдается список рекомендаций для улучшения практики. Более подробно данная система оценивания описана в статье Estimation of Motion and Respiratory Characteristics during the Meditation Practice Based on Video Analysis высокорейтингового журнала Sensors.

Будущее проекта

На данный момент оценка медитации может быть выполнена в приложении Mindful Relax, доступного для свободного скачивания в Google Play, а также с использованием веб-сайта, куда любой желающий может загрузить собственное видео и получить оценку практики. Все вычисления при этом выполняются на сервере, ведь в процессе участвуют сразу несколько нейронных сетей.

«Для анализа видео мы используем три нейронные сети: FasterRCNN детектирует человека на видео, PoseNet определяет ключевые точки, а SelFlow оценивает оптический поток. Мы берем два кадра видеозаписи и для каждого пикселя определяем вектор смещения. Таким образом мы можем построить графики движения для каждой отдельной ключевой точки и тепловую карту в виде картинки, где цвет определяется направлением движения, а его интенсивность — силой смещения», — объясняет Игорь Рябчиков, аспирант третьего курса ФИТиП.

Для построения модели были использованы 70 видеозаписей по 20 минут с участием 17 человек — членов команды разработки, волонтеров из сотрудников ИТМО, а также преподавателей медитации. Недавно команда достигла предварительного соглашения с петербургским Ошо центром для создания фокус-группы, записи и анализа видеоматериалов людей во время практик динамической медитации.

 «В настоящее время нашей задачей является оценка социальной и экономической значимости, для этих целей мы планируем провести эксперименты на базе петербургского Ошо центра  для того, чтобы оценить, насколько наша технология имеет перспективы для использования», — рассказывает Алексей Кашевник.

Как подчеркивают создатели, их проект предназначен именно для начинающих, у кого никогда не было опыта медитаций или кто только делает первые шаги в этой практике и хочет видеть свой прогресс. Также приложение может быть полезно и для преподавателей медитации — с ним они смогут подробно отслеживать, что происходит с учениками и насколько хорошо у них получаются медитативные практики.