基于人工智能动作比对分析的视频教学平台

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

我国的智能体育在20世纪90年代就已起步。随着大数据和算法的突破性进展以及我国体育业务和市场需求的扩大，人工智能现已在竞技体育领域不断推进，也在全民健身领域逐渐铺开，传统观念中的体育设备和场景离人们的生活越来越远，取而代之的是一件件高科技、高智能化的产品。跑步用咕咚、睡觉靠手环、健身可预约已经几乎是所有运动达人的标配。随着科技的快速发展，社会变得越来越美好，但同时加速了人们的生活节奏，导致了人们的压力大。同时，很多人开始担心身体健康状态，所以利用空闲时间进行个人运动成为大部分上班族放松、锻炼的好途径。为了在有限的时间达到更好的运动效果，人们可能尝试了各种途径，诸如看运动视频、周末报健身班等，但可能效果不佳。此时，基于人工智能的运动对比分析的视频教练平台应运而生。基于人工智能的视频运动比对分析教学平台，主要是以人工智能算法为依托，借助平台，既可以免费在线观看学习健身运动的教学视频，又可以在线对比训练，实时对比正确动作并进行评分，训练完成后生成运动报告，指出你在训练过程中的错误动作，方便学习改正，以使自己在没有人指导的情况下获得高正确率的指导。

2 需求的分析与构思设计

2.1 平台可行性

随着人工智能的发展，特别是越来越准确的各类行为及物品识别的发展让软件自动识别视频成为了一种可能，如行人行为分析、课堂教学分析、人流车流拥堵分析、值班人员状态分析、驾驶人员疲劳分析等。由于以上都是实时或以视频形式出现，所以就要利用视频处理技术和人工智能识别技术相结合的方式来解决这些问题。用到的技术有opencv、ffmpeg、YOLO.人脸识别、OCR等，其中ffmpeg是视频处理的基础，opencv是处理图像的基础，YOLO.人脸识别、OCR等是识别分析技术。在opencv可以直接使用dnn加载各种模型处理后，有些识别技术可以由opencv 直接来实现。

下面就以一个实例来实现基于分析视频行为进行视频分类。总体设计思路是，先以指定的间隔时间提取视频图像[1]，比如隔30 s提取1次，每30 min的视频提取图片数为60张。然后，按提取顺序进行图像中行为分析，如有无正面人脸、有无人头、有无站立的人、有无教学白板等。根据st教学法的判断方法，最后得出视频的类型。

随着计算机软硬件以及互联网的飞速发展，计算机视觉在各个领域得到了广泛的关注。其中，视频中的人体动作识别技术已经在安防和监控等领域具有重要作用，同样也可以在视频教学中得到很好的应用。现有的基本硬件设施足以运行我们的平台，而没有指导想要做出正确的运动是非常困难的，所以说这样的平台正是我们需要的。

2.2 实时运动录像匹对分析

对比传统的运动视频教学，我们不难发现，它们以单纯的灌输式知识讲解为主，有着快速且繁多的动作，用户们可能会觉得枯燥无味、难以记住动作要领。我们可以采取最近火爆的人工智能、图像识别技术，对教学视频中的人物运动动作特征进行提取，同时通过摄像头捕获用户的学习画面。将这两者进行比对并对其进行评分，实时返回分数并显示给用户界面，让用户一目了然，对达不到标准的动作可以及时更正，以达到更好地指导用户学习的效果。运动结束后，会根据运动期间的录像，进行一个总评分，并给出该项运动的一些建议和技巧。同时，也可以知道运动能耗、时间、动作的正确度是否标准，让用户更好地掌控自己的运动情况。

2.3 自主上传录像

考虑到部分用户不喜欢、比较介意实时录像，所以我们也设计了可直接上传录像功能。平台根据用户上传的录像，同样进行拆分，与该类型运动的标准视频进行一个匹配，生成一个左右分屏的对比视频。左边为标准动作视频，右边为录像运动视频，在给出视频动作指正的时候，同时给出实时评分，这样扩展了平台的使用范畴，也提高了平台的可行性，方便用户在运动后还能了解运动情况，方便改正与学习。

2.4 运动教学视频推荐

一个好的教学平台，当然需要我们利用大数据算法去“捕获”用户的喜好。我们在用户上传视频后，对用户喜好的运动进行归类，以及记录次数。对归类中的运动类型进行分析，找出相似运动的视频教学，便可以推荐用户最近喜爱的运动教学视频了。

3 平台和各种客户端的实现

3.1 平台和客户端的确定

模仿是重要能力发展的先决条件。有相当多的研究探讨了如何最有效地教授这一关键技能，但许多流行的教学策略存在着实施困难、缺乏普遍性等问题。本研究试图确定视频建模（VM）是否可以成功地替代教学模仿，有关虚拟机的文献表明，它可以是一种非常有效地技术，传授各种技能。此外，虚拟机已被确定为易于实施。然而，关于VM何时、对谁最有效，仍然有许多问题。目前的研究通过分析VM和live modeling（LM）之间的比较来回答其中的一些问题。然后，对学习行为所需的标准进行实验比较，结果表明，两种类型之间存在显著差异，其结果对模仿训练有着广泛的意义，因为它们验证了社交技能和模仿之间的关系，证明了虚拟记忆可以有效地模仿。首先我们实现了超多平台的使用，其次考虑到我们的功能需要用摄像头，或者使用录播方式，所以推出了安卓客户端、IOS客户端、微信小程序、网页端以及平台的管理后台。

3.2 运动视频分析

以兴趣休闲主题全面运营的企业的网页内容为对象，利用社交大数据分析了用户关系。研究方法运用网络分析方法，分析文本分析与页面使用者之间的评论关系。通过文本分析和单词的频率分析，掌握了信息的主题，追踪和视觉化使用者之间通过评论建立的关系，观察了交流关系。分析结果，首先，比起形象，对视频造型的反应更高，对于链接其他内容的造型反应相对较低。其次，以关注度高的内容为中心，使用者之间的关系活跃，确认了兴趣和休闲内容之间发生了差异。因此，本研究结果在对中小企业的营销层面上，可以提供实务上有用的价值。特别是，作为兴趣休闲领域的新研究方法，有社会、政策的启示，今后需要对广泛的社交媒体进行研究。运动分析功能是重中之重，运动检测分析、姿势分析，以及实时反馈。我们需要应用图像处理技术，把图片解剖成多个部分，然后再实现让视频与学习者进行实时的动作分析与互动，以及运用图像处理算法堆视频进行特征检查和识别，实时反馈给学习者相似度和学习建议，从而使学习者在家也能用科技的力量体验到标准动作更加良好的指导。

3.3 数据管理

大数据分析在现代运营管理（OM）中至关重要。在本研究中，我们首先探讨现有的大数据相关分析技术，并找出它们的优势、劣势以及主要功能。然后，我们讨论各种大数据分析策略，以克服各自的计算和数据挑战。之后，我们研究了文献，揭示了不同类型的大数据方法（技术、策略和架构）如何应用于不同的OM主题领域，即预测、库存管理、收入管理和营销、运输管理、供应链管理和风险分析[2]。我们还通过案例研究调查了大数据分析在顶级品牌企业中的实际应用。最后，对本研究进行了总结，并对未来的研究进行了展望。对于用户学习记录数据，可实现多级数据权限，比如省市区区域级别。同时，也可以按个人、用户组、区域、运动项目统计运动数据，并进行自定义时间区间的对比。根据用户在平台使用时间、使用周期、课程类别等其他数据进行分析，分析用户爱好特征及人群划分。

3.4 运动视频推荐的实现

用户在使用时，比如实时运动录像对比，首先会选择运动类型相对应的教学视频。此时，我们就会有一个记录，并将用户的标准视频运动类型存入用户的相关记录表中。通过用户几次使用后，我们根据用户的运动类型进行一个评估，占比较高的可以大致视为用户最近喜欢的或者最近正在学习的运动，我们就可以据此推荐该类型的视频给用户。

3.5 主要功能

智能体育运动理念普及程度不够是目前科技在体育应用发展过程中的一个难题。根据艾瑞咨询的调查数据，健身APP“Keep”目前拥有1.7亿的注册用户，3500万活跃用户，但用户中30岁以下的占比 80%，一二线城市人群占比60%。因此，采集到的运动数据都集中在这部分领域，而其他人群和其他项目的运动数据明显缺失。数据采集量的不平衡导致存在数据失真、维度单一、不够完备和结构化不足等问题。此外，各类体育数据服务商系统间相互隔离也是智能体育应用过程中产生的一个难题[3]。比如学员使用的智能可穿戴设备不一样，有的用运动手环，有的用运动手表，大家使用的设备不同，如果想要后台统计数据十分不方便。本文主要是实现3个方面的功能：（1）通过摄像头捕捉的用户动作及轨迹，在教学视频播放时同步显示用户动作轨迹和实时相似度；（2）开发娱乐平台，包含资源管理、用户管理、运动管理等功能模块；（3）针对系统用户产生的运动数据，能够分析用户兴趣爱好。

4 结语

基于人工智能的视频运动比对分析教学平台，我们选定运动健身作为应用场景。通过系统预先初始化的运动视频，用户选择该项目后，系统将播放视频，用户在摄像头前做出相同动作，系统实时计算相似度，在运动结束后做出总体评价。