基于人工智能的视频运动比对分析教学平台

林条达，林夏想，崔月娟，吴浩森，蔡奇倡，何韦颖（通讯作者）

（广州理工学院 广东 广州 510540）

1 引言

随着社会经济和互联网的发展，近年来人们越来越关注个人的生活品质和健康问题，坚持运动已成为人们首选的健康之路，对于如何保证高效、高标准运动已成为人们日益关注和讨论的话题[1-2]。

面对传统的运动或训练，人们一般会选择对着镜子一遍又一遍地练习，要想获得更多的指导和随时了解自身动作的完成情况，传统的方式会聘请教练或者让他人直接指导，对不足之处给出个人意见。虽然教练可以快速地指出错误、有效地进行指导，但是聘请教练更多地需要考虑钱和场地的问题，一旦牵扯到钱的问题，人们或许会选择放弃聘请教练或者自己对着镜子继续练习。而我们的人工智能视频运动对比平台可以满足以上两方面的要求，人们对着平台自带摄像头录下视频，平台会对此视频快速、标准地评分，给出运动时间和消耗卡路里量，同时会指出达不到标准之处[3-4]。除此之外，互联网是有记忆的，运动者即可通过对比视频一遍又一遍地纠正自己的不足之处。平台亦是教练，我们把这个教练称为“人工智能”[5]。人工智能视频对比分析平台亦是一个教学平台，可以利用这个系统，选择在自家或者免费场地进行运动。它打破了传统的面对面真人教练指导的方式，利用网络技术更好地帮助人们省钱、省时间、省空间，符合科学发展观。

2 可行性与需求分析

2.1 可行性分析

（1）社会需求方面。人工智能视频运动对比分析平台与传统的运动方式有所不同，它适用于全网人民，时间、场地随用户自由化。打造一款“健身教练”运动APP，快速给出指导建议，帮助用户高效、高质量、高标准地提升运动质量[6]，正是网民急需的运动软件。

快节奏、高效率、省时间的社会，人们急迫需要一个便捷、简单、有效的运动平台。

（2）开发成本、技术方面。视频运动对比分析平台是基于AI人工智能人脸识别、图像识别技术研发系统，用户可通过浏览器网址访问、安卓小程序访问或者平台APP注册使用，页面操作简单，功能人性化。

（3）用户操作方面。人工智能视频运动对比分析平台操作简单，用户登录之后，一键开启系统自带摄像头开始运动，一键保存视频，一键提交视频即可，短时间内会收到系统的判断和建议等[7]。

2.2 需求分析

在系统开发可行情况下，开展相关的需求。

2.2.1 对用户进行分析

用户在注册时填写真实年龄，系统通过采集用户运动，给出建议。同时，系统也可人性化地为用户推荐相关的健身运动。

2.2.2 对管理员（系统）进行分析

系统管理员具有最高权限，可以对系统用户进行增删改查，其可以划分为以下几个子模块。

（1）普通用户管理。对用户的信息进行新增、删除、修改、查询等。

（2）设备管理。对设备（摄像头、监控器）等设备进行新增、删除、修改、查询等。

（3）管理员。对系统管理员进行划分为普通管理员、超级管理员等进行新增、删除、修改、查询等。

3 软件设计

3.1 目标

视频运动分析是每天执行的一项简单任务，无需多加考虑。人类生理学已经从原始祖先的视力发展到如今的感知检测和分析的水平。“运动分析”一词是自我描述的，用术语来说，它使人们了解对象在环境中的移动方式。在医学相关机构中，运动分析被用作观察行动不便患者的运动的非侵入性方法。在视频监控中，运动分析被用于视频跟踪和面部识别。

3.2 功能设计

运动分析是一项首要任务，可以分解为许多组件，如物体/人物检测、运动检测、姿势估计等。

（1）物体/人物检测。此处的关键字是“检测”。为了理解和进行人体分析，我们首先必须在提供用于分析的数字内容（图像序列）中检测人体。对象检测的任务通常涉及在感兴趣的对象的实例周围显示边界框，并识别检测到的对象所属的类。在特定情况下，我们专注于识别图像中的一个对象；在其他情况下，我们对多个对象进行检测会更加敏感。有一些对象检测应用程序蓬勃发展的场景示例，例如视觉搜索引擎、面部检测、动作检测、ariel图像分析、行人检测和手势识别。通常，使用机器学习技术，有两种主要的对象检测实现方法，第一种是从头开始设计和训练网络体系结构，包括层的结构和权重参数值的初始化等[8]。

（2）运动检测。运动检测是一种过程，其中包含运动对象的图像要经过能够通过差分方法或背景分割实现运动跟踪的图像处理技术。在图像中，通过丢弃图像的静止部分来提取图像中的运动部分，隔离运动部分。该技术主要取决于对图像中像素强度的观察，以确定像素是否属于背景类别。通过识别帧或图片之间像素强度的级数，可以在强度发生明显变化的地方绘制运动的推论。运动检测是运动分析的基本方面，因为需要运动检测才能确定执行分析的内容和位置。更重要的是，计算机视觉和机器学习技术已将运动检测的要求从受控环境内的硬件监视设备降低到仅需要相机进行检测和进一步分析的最新算法[9]。

（3）姿势估计。姿势估计是从图像或图像序列中得出人体重要部位和关节的位置和方向的过程。姿势估计的输出是图像中身体姿势配置的2D或3D刚性表示。这种估算分析的应用程序的输出一般是由一些复杂算法生成的图像，该算法以某种形式或方式描述了感兴趣对象的重要身体部位和关节在原始图像中的位置。姿势估计已在计算机视觉中发展，并已成为一个突出的领域。姿势估计与计算机视觉和机器学习中其他研究领域的关系，例如对象检测，跟踪和运动分析，促进了解决姿势估计的各种技术的发展。旨在解决姿态估计问题的较早方法提出了基于组件或已实现的模块化解决方案的技术。一些解决方案最初将人的轮廓从具有静止背景的图像中分离出来，然后估计关节和四肢的位置。其他解决方案提出的技术也是基于阶段的解决方案，涉及检测和提取视频序列或图像序列中代表人类的2D图形，然后继续基于2D图形和轨迹生成3D姿态估计[10]。

4 结语

随着人们生活质量的提升与生活习惯的转变，越来越多的人认识到了运动的重要性，社会上逐渐兴起一股运动风，视频运动也受到了更多人的关注与喜爱。在互联网时代，计算机视觉在社会各领域得到了普遍关注，尤其是人体动作识别技术已广泛应用于监控、安防、视频教学等领域。传统的视频教学采用单一的灌输式教学模式，无法知晓学习者的知识掌握情况，此问题在动作教学方面尤为突出。灌输式教学模式已然落后，当学习者不知道自身知识掌握程度的时候很难提升学习积极性，容易丧失学习热情，也难以取得理想的学习成果。当前，人们采用人工智能技术对于视频中的人物动作实施特征提取，借助摄像头捕捉学习者的画面，通过对比教学视频与学习者的学习动作便能够有效评估学习者的学习效果，并分析评估结果以便于更具针对性地对学习者进行指导[11]。

如今，我国民众关注健康，运动已经成为许多人日常生活中的必备活动。科学技术极大程度地影响了人们的生产生活方式，在运动锻炼时，很多人因为看不到自己的成果而未能坚持下去，通过人工智能视频运动分析教学平台能够让人们掌握自己的学习进度，了解自身的不足，有针对性地加以改进。并且合理应用该教学平台可有效提升人们的学习自主性，人们能够针对自身实际情况合理安排学习内容。对于人工智能视频运动分析教学平台能够更好地提高传授知识的水平，对教学界做出了一定贡献。所以，该教学平台有着较好的发展前景。