林條達，林夏想，崔月娟，吳浩森，蔡奇倡，何韋穎（通訊作者）

（廣州理工學(xué)院 廣東 廣州 510540）

1 引言

我國的智能體育在20世紀90年代就已起步。隨著大數(shù)據(jù)和算法的突破性進展以及我國體育業(yè)務(wù)和市場需求的擴大，人工智能現(xiàn)已在競技體育領(lǐng)域不斷推進，也在全民健身領(lǐng)域逐漸鋪開，傳統(tǒng)觀念中的體育設(shè)備和場景離人們的生活越來越遠，取而代之的是一件件高科技、高智能化的產(chǎn)品。跑步用咕咚、睡覺靠手環(huán)、健身可預(yù)約已經(jīng)幾乎是所有運動達人的標(biāo)配。隨著科技的快速發(fā)展，社會變得越來越美好，但同時加速了人們的生活節(jié)奏，導(dǎo)致了人們的壓力大。同時，很多人開始擔(dān)心身體健康狀態(tài)，所以利用空閑時間進行個人運動成為大部分上班族放松、鍛煉的好途徑。為了在有限的時間達到更好的運動效果，人們可能嘗試了各種途徑，諸如看運動視頻、周末報健身班等，但可能效果不佳。此時，基于人工智能的運動對比分析的視頻教練平臺應(yīng)運而生?；谌斯ぶ悄艿囊曨l運動比對分析教學(xué)平臺，主要是以人工智能算法為依托，借助平臺，既可以免費在線觀看學(xué)習(xí)健身運動的教學(xué)視頻，又可以在線對比訓(xùn)練，實時對比正確動作并進行評分，訓(xùn)練完成后生成運動報告，指出你在訓(xùn)練過程中的錯誤動作，方便學(xué)習(xí)改正，以使自己在沒有人指導(dǎo)的情況下獲得高正確率的指導(dǎo)。

2 需求的分析與構(gòu)思設(shè)計

2.1 平臺可行性

隨著人工智能的發(fā)展，特別是越來越準確的各類行為及物品識別的發(fā)展讓軟件自動識別視頻成為了一種可能，如行人行為分析、課堂教學(xué)分析、人流車流擁堵分析、值班人員狀態(tài)分析、駕駛?cè)藛T疲勞分析等。由于以上都是實時或以視頻形式出現(xiàn)，所以就要利用視頻處理技術(shù)和人工智能識別技術(shù)相結(jié)合的方式來解決這些問題。用到的技術(shù)有opencv、ffmpeg、YOLO.人臉識別、OCR等，其中ffmpeg是視頻處理的基礎(chǔ)，opencv是處理圖像的基礎(chǔ)，YOLO.人臉識別、OCR等是識別分析技術(shù)。在opencv可以直接使用dnn加載各種模型處理后，有些識別技術(shù)可以由opencv 直接來實現(xiàn)。

下面就以一個實例來實現(xiàn)基于分析視頻行為進行視頻分類?？傮w設(shè)計思路是，先以指定的間隔時間提取視頻圖像[1]，比如隔30 s提取1次，每30 min的視頻提取圖片數(shù)為60張。然后，按提取順序進行圖像中行為分析，如有無正面人臉、有無人頭、有無站立的人、有無教學(xué)白板等。根據(jù)st教學(xué)法的判斷方法，最后得出視頻的類型。

隨著計算機軟硬件以及互聯(lián)網(wǎng)的飛速發(fā)展，計算機視覺在各個領(lǐng)域得到了廣泛的關(guān)注。其中，視頻中的人體動作識別技術(shù)已經(jīng)在安防和監(jiān)控等領(lǐng)域具有重要作用，同樣也可以在視頻教學(xué)中得到很好的應(yīng)用?，F(xiàn)有的基本硬件設(shè)施足以運行我們的平臺，而沒有指導(dǎo)想要做出正確的運動是非常困難的，所以說這樣的平臺正是我們需要的。

2.2 實時運動錄像匹對分析

對比傳統(tǒng)的運動視頻教學(xué)，我們不難發(fā)現(xiàn)，它們以單純的灌輸式知識講解為主，有著快速且繁多的動作，用戶們可能會覺得枯燥無味、難以記住動作要領(lǐng)。我們可以采取最近火爆的人工智能、圖像識別技術(shù)，對教學(xué)視頻中的人物運動動作特征進行提取，同時通過攝像頭捕獲用戶的學(xué)習(xí)畫面。將這兩者進行比對并對其進行評分，實時返回分數(shù)并顯示給用戶界面，讓用戶一目了然，對達不到標(biāo)準的動作可以及時更正，以達到更好地指導(dǎo)用戶學(xué)習(xí)的效果。運動結(jié)束后，會根據(jù)運動期間的錄像，進行一個總評分，并給出該項運動的一些建議和技巧。同時，也可以知道運動能耗、時間、動作的正確度是否標(biāo)準，讓用戶更好地掌控自己的運動情況。

2.3 自主上傳錄像

考慮到部分用戶不喜歡、比較介意實時錄像，所以我們也設(shè)計了可直接上傳錄像功能。平臺根據(jù)用戶上傳的錄像，同樣進行拆分，與該類型運動的標(biāo)準視頻進行一個匹配，生成一個左右分屏的對比視頻。左邊為標(biāo)準動作視頻，右邊為錄像運動視頻，在給出視頻動作指正的時候，同時給出實時評分，這樣擴展了平臺的使用范疇，也提高了平臺的可行性，方便用戶在運動后還能了解運動情況，方便改正與學(xué)習(xí)。

2.4 運動教學(xué)視頻推薦

一個好的教學(xué)平臺，當(dāng)然需要我們利用大數(shù)據(jù)算法去“捕獲”用戶的喜好。我們在用戶上傳視頻后，對用戶喜好的運動進行歸類，以及記錄次數(shù)。對歸類中的運動類型進行分析，找出相似運動的視頻教學(xué)，便可以推薦用戶最近喜愛的運動教學(xué)視頻了。

3 平臺和各種客戶端的實現(xiàn)

3.1 平臺和客戶端的確定

模仿是重要能力發(fā)展的先決條件。有相當(dāng)多的研究探討了如何最有效地教授這一關(guān)鍵技能，但許多流行的教學(xué)策略存在著實施困難、缺乏普遍性等問題。本研究試圖確定視頻建模（VM）是否可以成功地替代教學(xué)模仿，有關(guān)虛擬機的文獻表明，它可以是一種非常有效地技術(shù)，傳授各種技能。此外，虛擬機已被確定為易于實施。然而，關(guān)于VM何時、對誰最有效，仍然有許多問題。目前的研究通過分析VM和live modeling（LM）之間的比較來回答其中的一些問題。然后，對學(xué)習(xí)行為所需的標(biāo)準進行實驗比較，結(jié)果表明，兩種類型之間存在顯著差異，其結(jié)果對模仿訓(xùn)練有著廣泛的意義，因為它們驗證了社交技能和模仿之間的關(guān)系，證明了虛擬記憶可以有效地模仿。首先我們實現(xiàn)了超多平臺的使用，其次考慮到我們的功能需要用攝像頭，或者使用錄播方式，所以推出了安卓客戶端、IOS客戶端、微信小程序、網(wǎng)頁端以及平臺的管理后臺。

3.2 運動視頻分析

以興趣休閑主題全面運營的企業(yè)的網(wǎng)頁內(nèi)容為對象，利用社交大數(shù)據(jù)分析了用戶關(guān)系。研究方法運用網(wǎng)絡(luò)分析方法，分析文本分析與頁面使用者之間的評論關(guān)系。通過文本分析和單詞的頻率分析，掌握了信息的主題，追蹤和視覺化使用者之間通過評論建立的關(guān)系，觀察了交流關(guān)系。分析結(jié)果，首先，比起形象，對視頻造型的反應(yīng)更高，對于鏈接其他內(nèi)容的造型反應(yīng)相對較低。其次，以關(guān)注度高的內(nèi)容為中心，使用者之間的關(guān)系活躍，確認了興趣和休閑內(nèi)容之間發(fā)生了差異。因此，本研究結(jié)果在對中小企業(yè)的營銷層面上，可以提供實務(wù)上有用的價值。特別是，作為興趣休閑領(lǐng)域的新研究方法，有社會、政策的啟示，今后需要對廣泛的社交媒體進行研究。運動分析功能是重中之重，運動檢測分析、姿勢分析，以及實時反饋。我們需要應(yīng)用圖像處理技術(shù)，把圖片解剖成多個部分，然后再實現(xiàn)讓視頻與學(xué)習(xí)者進行實時的動作分析與互動，以及運用圖像處理算法堆視頻進行特征檢查和識別，實時反饋給學(xué)習(xí)者相似度和學(xué)習(xí)建議，從而使學(xué)習(xí)者在家也能用科技的力量體驗到標(biāo)準動作更加良好的指導(dǎo)。

3.3 數(shù)據(jù)管理

大數(shù)據(jù)分析在現(xiàn)代運營管理（OM）中至關(guān)重要。在本研究中，我們首先探討現(xiàn)有的大數(shù)據(jù)相關(guān)分析技術(shù)，并找出它們的優(yōu)勢、劣勢以及主要功能。然后，我們討論各種大數(shù)據(jù)分析策略，以克服各自的計算和數(shù)據(jù)挑戰(zhàn)。之后，我們研究了文獻，揭示了不同類型的大數(shù)據(jù)方法（技術(shù)、策略和架構(gòu)）如何應(yīng)用于不同的OM主題領(lǐng)域，即預(yù)測、庫存管理、收入管理和營銷、運輸管理、供應(yīng)鏈管理和風(fēng)險分析[2]。我們還通過案例研究調(diào)查了大數(shù)據(jù)分析在頂級品牌企業(yè)中的實際應(yīng)用。最后，對本研究進行了總結(jié)，并對未來的研究進行了展望。對于用戶學(xué)習(xí)記錄數(shù)據(jù)，可實現(xiàn)多級數(shù)據(jù)權(quán)限，比如省市區(qū)區(qū)域級別。同時，也可以按個人、用戶組、區(qū)域、運動項目統(tǒng)計運動數(shù)據(jù)，并進行自定義時間區(qū)間的對比。根據(jù)用戶在平臺使用時間、使用周期、課程類別等其他數(shù)據(jù)進行分析，分析用戶愛好特征及人群劃分。

3.4 運動視頻推薦的實現(xiàn)

用戶在使用時，比如實時運動錄像對比，首先會選擇運動類型相對應(yīng)的教學(xué)視頻。此時，我們就會有一個記錄，并將用戶的標(biāo)準視頻運動類型存入用戶的相關(guān)記錄表中。通過用戶幾次使用后，我們根據(jù)用戶的運動類型進行一個評估，占比較高的可以大致視為用戶最近喜歡的或者最近正在學(xué)習(xí)的運動，我們就可以據(jù)此推薦該類型的視頻給用戶。

3.5 主要功能

智能體育運動理念普及程度不夠是目前科技在體育應(yīng)用發(fā)展過程中的一個難題。根據(jù)艾瑞咨詢的調(diào)查數(shù)據(jù)，健身APP“Keep”目前擁有1.7億的注冊用戶，3500萬活躍用戶，但用戶中30歲以下的占比 80%，一二線城市人群占比60%。因此，采集到的運動數(shù)據(jù)都集中在這部分領(lǐng)域，而其他人群和其他項目的運動數(shù)據(jù)明顯缺失。數(shù)據(jù)采集量的不平衡導(dǎo)致存在數(shù)據(jù)失真、維度單一、不夠完備和結(jié)構(gòu)化不足等問題。此外，各類體育數(shù)據(jù)服務(wù)商系統(tǒng)間相互隔離也是智能體育應(yīng)用過程中產(chǎn)生的一個難題[3]。比如學(xué)員使用的智能可穿戴設(shè)備不一樣，有的用運動手環(huán)，有的用運動手表，大家使用的設(shè)備不同，如果想要后臺統(tǒng)計數(shù)據(jù)十分不方便。本文主要是實現(xiàn)3個方面的功能：（1）通過攝像頭捕捉的用戶動作及軌跡，在教學(xué)視頻播放時同步顯示用戶動作軌跡和實時相似度；（2）開發(fā)娛樂平臺，包含資源管理、用戶管理、運動管理等功能模塊；（3）針對系統(tǒng)用戶產(chǎn)生的運動數(shù)據(jù)，能夠分析用戶興趣愛好。

4 結(jié)語

基于人工智能的視頻運動比對分析教學(xué)平臺，我們選定運動健身作為應(yīng)用場景。通過系統(tǒng)預(yù)先初始化的運動視頻，用戶選擇該項目后，系統(tǒng)將播放視頻，用戶在攝像頭前做出相同動作，系統(tǒng)實時計算相似度，在運動結(jié)束后做出總體評價。