袁鵬 杜雨杉 楊家華 劉琪
(1.江西師范大學(xué)體育學(xué)院 江西 南昌 330013 ;2.華東交通大學(xué)信息工程學(xué)院 江西 南昌 330013)
隨著“互聯(lián)網(wǎng)+”走向大眾視野,中國(guó)大學(xué)MOOC 課、國(guó)家精品課程等網(wǎng)上教學(xué)課程促使大學(xué)生的上課方式產(chǎn)生了變化并更便利,現(xiàn)在很多學(xué)校通過(guò)“互聯(lián)網(wǎng)+”實(shí)現(xiàn)了線上線下結(jié)合模式,大大提高體育教學(xué)的趣味性、豐富性、專業(yè)性,形成良好的互補(bǔ),提高了體育教學(xué)的教學(xué)效果。但網(wǎng)上課程教學(xué)對(duì)體育方面的資源少且不全,同時(shí)線上體育課的實(shí)踐課又與理論課不同,會(huì)受到很多條件的限制,如場(chǎng)地、器械、運(yùn)動(dòng)項(xiàng)目的差異等因素,導(dǎo)致線上體育課實(shí)踐開(kāi)展較為困難。同時(shí),在專業(yè)的體育訓(xùn)練過(guò)程中,運(yùn)動(dòng)姿勢(shì)的規(guī)范性極為重要,學(xué)生體育運(yùn)動(dòng)姿勢(shì)不標(biāo)準(zhǔn)、不規(guī)范,不僅會(huì)讓學(xué)生們達(dá)不到練習(xí)效果,還可能對(duì)身體關(guān)節(jié)、肌肉造成傷害,所以在訓(xùn)練過(guò)程中需要老師現(xiàn)場(chǎng)進(jìn)行指導(dǎo)和監(jiān)督。但目前高校一個(gè)班級(jí)的師生比約為1:30,進(jìn)行線上教學(xué)時(shí),由于時(shí)間的限制,教師很難對(duì)每一位同學(xué)進(jìn)行及時(shí)地指導(dǎo)。同時(shí),一些細(xì)微的錯(cuò)誤動(dòng)作,也不能通過(guò)肉眼觀察出來(lái)。由此可知,線上教學(xué)給體育課程的教學(xué)思路帶來(lái)了巨大的挑戰(zhàn)。
針對(duì)體育課線上教學(xué)出現(xiàn)的上述問(wèn)題,本文提出了一種基于機(jī)器視覺(jué)的精準(zhǔn)捕捉動(dòng)作軌跡的計(jì)算方法,并開(kāi)發(fā)成應(yīng)用軟件。該軟件可以很好地輔助體育專業(yè)線上動(dòng)作指導(dǎo),提高體育專業(yè)課程的線上教學(xué)效果。本軟件以O(shè)penPose 算法為基礎(chǔ),通過(guò)對(duì)運(yùn)動(dòng)視頻進(jìn)行分析處理,捕捉和識(shí)別人體運(yùn)動(dòng),并對(duì)關(guān)節(jié)角度、位移速度等數(shù)據(jù)進(jìn)行測(cè)量和計(jì)算,使教師和學(xué)生能夠快速獲得需要的運(yùn)動(dòng)學(xué)數(shù)據(jù),體育教師可以根據(jù)這些數(shù)據(jù)來(lái)分析學(xué)生的運(yùn)動(dòng)姿勢(shì),從而矯正學(xué)生的錯(cuò)誤動(dòng)作,實(shí)現(xiàn)線上一對(duì)一監(jiān)督,有效提高了監(jiān)督效率。
相較于平日的肉眼觀察以及傳統(tǒng)的手動(dòng)對(duì)各個(gè)關(guān)節(jié)點(diǎn)進(jìn)行設(shè)置所花費(fèi)的時(shí)間長(zhǎng),動(dòng)作不準(zhǔn)確等缺點(diǎn),本軟件具有較高的便利性和準(zhǔn)確性,可以利用機(jī)器視覺(jué)自動(dòng)識(shí)別關(guān)節(jié)點(diǎn)并計(jì)算關(guān)節(jié)角度,使得導(dǎo)出的數(shù)據(jù)具有較高的準(zhǔn)確性和真實(shí)性,并且大大降低人力成本,提高分析效率。在未來(lái),隨著功能技術(shù)的不斷完善,它也將廣泛應(yīng)用于學(xué)校的線上體育教學(xué)以及專業(yè)的體育訓(xùn)練和比賽過(guò)程中,為更多專業(yè)體育工作者提供便利。
GoPose 人工智能運(yùn)動(dòng)分析軟件由數(shù)據(jù)庫(kù)、服務(wù)端和前端組成。數(shù)據(jù)庫(kù)充當(dāng)整個(gè)軟件的中央樞紐,負(fù)責(zé)數(shù)據(jù)的傳遞。服務(wù)端從數(shù)據(jù)庫(kù)中獲取數(shù)據(jù),在處理一些邏輯問(wèn)題后,將數(shù)據(jù)交接給前端。服務(wù)端提供前端獲取數(shù)據(jù)的接口,處理數(shù)據(jù)庫(kù),并提供一部分程序邏輯。前端負(fù)責(zé)顯示數(shù)據(jù),包括登錄和注冊(cè)界面,是用戶所能接觸到的應(yīng)用層面,負(fù)責(zé)將數(shù)據(jù)返回給服務(wù)端。
軟件環(huán)境:python7.3、OpenPose;
編程語(yǔ)言:python。
OpenPose 是一種能夠支持單人和多人情況下進(jìn)行二維人體姿態(tài)估計(jì)的算法,包含腰、腿和頸等多個(gè)人體部位。其次,該算法是自下向上的,即先檢測(cè)整個(gè)完整圖像中人體所有的關(guān)鍵點(diǎn),再連接所有關(guān)鍵點(diǎn)。OpenPose 的工作原理是將輸入的圖像分為多個(gè)子區(qū)域,并對(duì)每個(gè)子區(qū)域利用卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行特征提取,然后使用圖像模型將提取的特征映射到關(guān)鍵點(diǎn)位置。OpenPose能夠迅速地識(shí)別圖像中單人和多人的二維姿態(tài),并通過(guò)深度學(xué)習(xí)檢測(cè)圖像中人體的關(guān)鍵點(diǎn)位置,不依靠圖像的局部特征完成人物目標(biāo)檢測(cè)。即便是在圖像噪聲較大的環(huán)境下,它也能正確提取相應(yīng)的關(guān)鍵點(diǎn)位置。然后利用建模重構(gòu)的方法對(duì)檢測(cè)到的關(guān)鍵點(diǎn)位置進(jìn)行姿態(tài)特征的提取,具有高精度和實(shí)時(shí)性特點(diǎn),在視頻處理和人機(jī)交互等領(lǐng)域具有廣泛的應(yīng)用前景。
(1)置信度算法。
置信度指的是在圖像中的一點(diǎn)是人體關(guān)鍵點(diǎn)的概率。在OpenPose 算法中設(shè)置了n 個(gè)人體關(guān)鍵點(diǎn),再將相應(yīng)的置信度設(shè)置為S,代表從第一個(gè)關(guān)鍵點(diǎn)開(kāi)始的置信度。并且置信度呈正態(tài)分布,當(dāng)關(guān)鍵點(diǎn)與像素p 的歐氏距離越短,則其的置信度越高。兩者若坐標(biāo)相等,此時(shí)置信度達(dá)到最大值。在多人姿態(tài)識(shí)別中,往往取多個(gè)正態(tài)分布的最大值作為關(guān)鍵點(diǎn)的峰值。
(2)親和度算法。
親和度是指圖像關(guān)鍵點(diǎn)在人體肢體上的方向。局部親和度算法用來(lái)計(jì)算關(guān)鍵點(diǎn)部位之間的親和度,輸出結(jié)果用L 來(lái)表示第n個(gè)關(guān)鍵點(diǎn)連接的親和度。兩個(gè)互相連接的關(guān)鍵點(diǎn)之間會(huì)形成一個(gè)橢圓形的區(qū)域,進(jìn)而親和度算法會(huì)對(duì)該區(qū)域內(nèi)的方向向量進(jìn)行運(yùn)算,用來(lái)判斷關(guān)鍵點(diǎn)的矢量性,同時(shí)賦予相應(yīng)關(guān)鍵點(diǎn)方向向量,最后通過(guò)定積分計(jì)算兩個(gè)關(guān)鍵點(diǎn)的連接方向。
(3)匈牙利算法。
通過(guò)置信度和親和度算法后,我們便可以獲得人體肢體關(guān)鍵點(diǎn)的坐標(biāo)信息,但還未對(duì)關(guān)鍵點(diǎn)進(jìn)行正確聚類和正確連接。因?yàn)镺penPose 采取的是自下而上的識(shí)別策略,若我們遍歷所有關(guān)鍵點(diǎn)的連接方案,再?gòu)闹羞x出最佳連接方案會(huì)消耗大量的計(jì)算資源和花費(fèi)大量的時(shí)間。除此之外,還可將關(guān)鍵點(diǎn)信息按從小到大排序再依次連接匹配,但在遮攔情況下會(huì)產(chǎn)生較大的誤差,影響準(zhǔn)確性。
匈牙利算法又稱最大二分圖匹配算法。OpenPose 中規(guī)定同一個(gè)關(guān)鍵點(diǎn)不能夠多條邊共用一個(gè)節(jié)點(diǎn),同時(shí)需要滿足以下條件:假設(shè)節(jié)點(diǎn)1、2 有可能進(jìn)行匹配,則類型為1 和2 的關(guān)鍵點(diǎn)置信度之和不能超過(guò)1,否則說(shuō)明關(guān)鍵點(diǎn)與節(jié)點(diǎn)連接個(gè)數(shù)超過(guò)1,說(shuō)明這種聚類方法是不可取的。反之,當(dāng)它們的約束條件相同時(shí),節(jié)點(diǎn)1、2 的可能性可以通過(guò)尋找所有連接方式中積分和的最大值來(lái)確定,連接相應(yīng)節(jié)點(diǎn)的肢體,對(duì)其他肢體重復(fù)上述步驟即可完成多人肢體檢測(cè)。
(4)姿態(tài)提取算法流程。
OpenPose 方法的整體思路,可概括為以下幾步:首先通過(guò)10 層VGG19 網(wǎng)絡(luò),為輸入的圖像建立相應(yīng)的特征映射,并將所獲得的特征圖放入兩個(gè)卷積神經(jīng)網(wǎng)絡(luò)中進(jìn)行計(jì)算,并分別預(yù)測(cè)每個(gè)關(guān)鍵點(diǎn)的置信度和親和度向量,得到分別包含置信度和親和度的熱圖,然后根據(jù)匈牙利算法實(shí)現(xiàn)關(guān)鍵點(diǎn)的聚類,從而求得相連關(guān)鍵點(diǎn)的最佳匹配,由于PAF 的矢量性保證了生成二分匹配的正確性,最終將同一個(gè)人的關(guān)節(jié)點(diǎn)拼接,組成一個(gè)整體框架。
(5)OpenPose 網(wǎng)絡(luò)結(jié)構(gòu)。
OpenPose 的整個(gè)網(wǎng)絡(luò)結(jié)構(gòu)使用了VGG 網(wǎng)絡(luò)作為骨架再進(jìn)行預(yù)訓(xùn)練處理。這種結(jié)構(gòu)在姿態(tài)估計(jì)中發(fā)揮著關(guān)鍵作用。整個(gè)網(wǎng)絡(luò)由兩個(gè)部分組成,一部分用于預(yù)測(cè)關(guān)鍵點(diǎn)的置信圖,另一部分預(yù)測(cè)編碼相鄰關(guān)鍵點(diǎn)之間關(guān)聯(lián)的向量場(chǎng),并分別計(jì)算回歸得到S 和L。上半部分即第一分支用于預(yù)測(cè)置信圖,通過(guò)該分支可以獲得每個(gè)關(guān)鍵點(diǎn)的置信度信息。下半部分即第二分支用于預(yù)測(cè)關(guān)聯(lián)向量場(chǎng),通過(guò)該分支可以建立關(guān)鍵點(diǎn)之間的關(guān)聯(lián)關(guān)系。每回歸一次S 和L 說(shuō)明一輪迭代預(yù)測(cè)已經(jīng)完成,進(jìn)而通過(guò)連續(xù)的迭代,完整預(yù)測(cè)網(wǎng)絡(luò)的體系結(jié)構(gòu)便會(huì)逐漸形成。反饋損失函數(shù)在每一階段的訓(xùn)練中都會(huì)統(tǒng)計(jì)一次,并將S、原始輸入F 和L 連接在一起,作為下個(gè)階段訓(xùn)練的輸入。S 在歷經(jīng)多輪迭代后,能夠逐漸區(qū)分預(yù)測(cè)網(wǎng)絡(luò)體系結(jié)構(gòu)的左右部分。隨著迭代次數(shù)的增加,S 的區(qū)分能力越強(qiáng)。這種網(wǎng)絡(luò)結(jié)構(gòu)的優(yōu)勢(shì)在于它能夠通過(guò)多輪迭代學(xué)習(xí)到更準(zhǔn)確和連續(xù)的姿態(tài)估計(jì)結(jié)果。通過(guò)預(yù)測(cè)置信圖和關(guān)聯(lián)向量場(chǎng),網(wǎng)絡(luò)能夠捕捉到關(guān)鍵點(diǎn)之間的結(jié)構(gòu)和聯(lián)系,進(jìn)而提高姿態(tài)估計(jì)的精度。每一階段的訓(xùn)練都包括了反饋損失函數(shù)的計(jì)算,為了能夠更有效地提高預(yù)測(cè)精度,使得網(wǎng)絡(luò)能夠不斷優(yōu)化和調(diào)整,以適應(yīng)不同類型的姿態(tài)估計(jì)任務(wù)。最終,通過(guò)多輪迭代訓(xùn)練,S 在區(qū)分預(yù)測(cè)網(wǎng)絡(luò)結(jié)構(gòu)的左右部分方面發(fā)揮了重要作用,進(jìn)一步提高了姿態(tài)估計(jì)的性能。
(6)搭建姿態(tài)特征生成樹(shù)。
相比于較傳統(tǒng)的特征提取方法,GoPose 引入了一種新的運(yùn)動(dòng)檢測(cè)特征值。在提取完人體姿態(tài)特征后,它通過(guò)導(dǎo)出目標(biāo)人物的頸部位置還有腳部位置,進(jìn)而計(jì)算兩者之間的距離差值V。此外,我們還需要準(zhǔn)確計(jì)算檢測(cè)目標(biāo)的高度,從視頻數(shù)據(jù)中每5 幀數(shù)便要提取出一張照片用以高度計(jì)算,通過(guò)視頻數(shù)據(jù)相鄰兩幀中計(jì)算檢測(cè)目標(biāo)高度的差值,得到參數(shù)D。這兩個(gè)特征值可以用于判斷靜止姿態(tài)。
此外,根據(jù)提取圖片中相鄰兩幀間檢測(cè)目標(biāo)頭部位置距離的差值,可以計(jì)算得到檢測(cè)目標(biāo)的速度S。而二軸加速度A 則用來(lái)判斷目標(biāo)的運(yùn)動(dòng)姿態(tài)。通過(guò)這些計(jì)算,GoPose 能夠提取出豐富的動(dòng)作特征,從而更準(zhǔn)確地描述人體的姿態(tài)變化。這種新的運(yùn)動(dòng)檢測(cè)特征值的引入,為GoPose 軟件帶來(lái)了更全面和細(xì)致的姿態(tài)分析能力。通過(guò)計(jì)算頸部和腳部的距離差值,可以得到關(guān)于身體穩(wěn)定性的信息,從而判斷靜止姿態(tài)。而通過(guò)計(jì)算頭部位置距離的差值,可以獲得目標(biāo)的速度,結(jié)合二軸加速度,可以判斷運(yùn)動(dòng)姿態(tài)。這些特征值的綜合使用,使得GoPose 能夠更準(zhǔn)確地捕捉到人體運(yùn)動(dòng)的特征,從而提供更精確的姿態(tài)分析結(jié)果。無(wú)論是靜態(tài)姿態(tài)還是動(dòng)態(tài)姿態(tài),GoPose 都能夠提供全面且準(zhǔn)確的分析,為用戶提供更多有價(jià)值的信息。
(7)PAFs 算法解析過(guò)程。
本軟件通過(guò)攝像頭采集了人們站立、坐著和躺著3 類整體行為的圖片,共計(jì)采集了1250 張圖像。其中,1000 張用于網(wǎng)絡(luò)訓(xùn)練,250 張用于網(wǎng)絡(luò)的實(shí)際測(cè)試。在采集過(guò)程中,特別注意保持人體四肢和軀干處于自然狀態(tài),避免抬腿、摸頭、傾斜等有意識(shí)的動(dòng)作干擾。這樣做的目的是確保采集到的圖片能夠準(zhǔn)確反映不同行為狀態(tài)下的人體姿態(tài)。利用OpenCV 對(duì)這3 類行為圖片中的人體骨架節(jié)點(diǎn)進(jìn)行坐標(biāo)位置信息的提取。通過(guò)這一步驟,可以獲取到包括鼻子、脖子、肩膀、肘部、手腕、髖部、膝蓋、踝部、眼睛和耳朵在內(nèi)的共18 個(gè)關(guān)鍵骨架節(jié)點(diǎn)的位置信息。這些關(guān)鍵骨架節(jié)點(diǎn)的位置信息被保存在JSON 文件中,以便后續(xù)的處理和分析。由于檢測(cè)目標(biāo)的數(shù)目不能夠確定,可能存在多個(gè)目標(biāo)或者錯(cuò)誤檢測(cè)的關(guān)鍵點(diǎn),因此需要為每個(gè)關(guān)鍵點(diǎn)提供多個(gè)候選區(qū)域進(jìn)行匹配。這樣可以得到許多關(guān)鍵點(diǎn)對(duì),需要在這些匹配點(diǎn)對(duì)中找到最佳匹配結(jié)果。為了得到最優(yōu)匹配結(jié)果,對(duì)每個(gè)匹配點(diǎn)對(duì)進(jìn)行計(jì)算,并得到一個(gè)分?jǐn)?shù),這個(gè)過(guò)程可以歸結(jié)為一個(gè)NP-hard 匹配問(wèn)題。將每種獨(dú)立區(qū)域中包含的所有關(guān)鍵點(diǎn)的最優(yōu)匹配對(duì)連接起來(lái),就可以形成完整的檢測(cè)目標(biāo)的全身姿態(tài)。這些匹配點(diǎn)對(duì)的連接形成了全身姿態(tài)特征生成樹(shù),最終得到拼合完整的全身姿態(tài)。通過(guò)這種復(fù)雜的匹配和拼合過(guò)程,本軟件能夠從采集的圖像中提取出詳盡的全身姿態(tài)信息。這為后續(xù)的動(dòng)作分析和運(yùn)動(dòng)評(píng)估提供了有力的基礎(chǔ),為用戶提供了更全面、準(zhǔn)確的姿態(tài)分析結(jié)果。
(8)關(guān)鍵幀提取算法。
由于人體運(yùn)動(dòng)捕獲的數(shù)據(jù)需要較高的采樣率,慢速的運(yùn)動(dòng)往往會(huì)導(dǎo)致產(chǎn)生大量的冗余信息。我們需要提取出最具有代表性的關(guān)鍵幀來(lái)表示原始運(yùn)動(dòng)的數(shù)據(jù)。在本文中,我們將使用不同的算法從不同場(chǎng)景中提取關(guān)鍵幀,并通過(guò)運(yùn)動(dòng)差值重建來(lái)度量重建誤差,以便比較不同算法在關(guān)鍵幀提取方面的適用性。目前存在以下幾類關(guān)鍵幀提取算法:
①幀消減方法:這種方法操作簡(jiǎn)單,只需要設(shè)定一個(gè)閾值,根據(jù)閾值對(duì)非關(guān)鍵幀進(jìn)行消減或直接提取關(guān)鍵幀。通過(guò)利用四元數(shù)插值重建,可以還原原始序列,并且該方法符合人體關(guān)節(jié)旋轉(zhuǎn)運(yùn)動(dòng)的特點(diǎn),因此提取的關(guān)鍵幀相對(duì)準(zhǔn)確;
②聚類方法:該方法通過(guò)設(shè)定閾值對(duì)幀間距進(jìn)行加權(quán),從而對(duì)各幀進(jìn)行聚類,并選擇每個(gè)聚類中的首幀作為關(guān)鍵幀。聚類方法在完成聚類后,能夠選擇具有代表性的關(guān)鍵幀,通過(guò)對(duì)幀間距的加權(quán)考慮,能夠更好地捕捉運(yùn)動(dòng)變化;
③普通最優(yōu)化方法:該方法關(guān)鍵在于貪心算法,通過(guò)不斷消減重建誤差最小的幀,直到達(dá)到指定的幀數(shù)為止??梢?jiàn),這種方法具有貪心算法的特點(diǎn),可以一直求得當(dāng)前的最優(yōu)解,也不用設(shè)置相應(yīng)的閾值。因此,所得的關(guān)鍵幀是根據(jù)重建誤差曲線選擇具有最大重建誤差的幀,準(zhǔn)確度較高;
④曲線簡(jiǎn)化方法:每幀運(yùn)動(dòng)數(shù)據(jù)都作為高維曲線上的一個(gè)點(diǎn),再根據(jù)曲線的總體趨勢(shì)和變化將曲線分段,根據(jù)事先設(shè)定的閾值用此方法篩選出曲線上的一些凹凸點(diǎn)作為關(guān)鍵幀。此方法涉及的數(shù)據(jù)量較少,計(jì)算效率高,并適用于不同的數(shù)據(jù)類型和場(chǎng)景。
在進(jìn)行關(guān)鍵幀提取時(shí),我們將詳細(xì)比較這些不同算法的效果。我們將根據(jù)具體場(chǎng)景和要求選擇合適的閾值和參數(shù)。通過(guò)對(duì)每個(gè)算法提取的關(guān)鍵幀進(jìn)行運(yùn)動(dòng)差值重建,并對(duì)重建結(jié)果進(jìn)行誤差度量,可以評(píng)估不同算法的準(zhǔn)確性和適用性。最終,我們將選出最適合本方法的關(guān)鍵幀提取算法,以獲得更精確和有代表性的關(guān)鍵幀序列。這將為后續(xù)的動(dòng)作分析和姿態(tài)估計(jì)提供可靠的基礎(chǔ)。
GoPose 人工智能運(yùn)動(dòng)分析軟件基于機(jī)器視覺(jué)技術(shù),可以實(shí)時(shí)捕捉和分析人體的動(dòng)作軌跡。在體育教學(xué)中,通過(guò)使用GoPose軟件,可以對(duì)學(xué)生的動(dòng)作進(jìn)行精準(zhǔn)的捕捉和分析,通過(guò)前端顯示相應(yīng)的分析數(shù)據(jù),從而幫助老師更好地指導(dǎo)和監(jiān)督訓(xùn)練過(guò)程。
(1)動(dòng)作姿勢(shì)的準(zhǔn)確捕捉與實(shí)時(shí)分析。
使用GoPose 軟件,可以通過(guò)攝像頭錄制自己的訓(xùn)練或比賽視頻。軟件能夠自動(dòng)識(shí)別視頻中的關(guān)鍵骨架節(jié)點(diǎn),如脖子、肩膀、手腕、膝蓋等,并計(jì)算出關(guān)節(jié)角度、位移速度等數(shù)據(jù)。這些數(shù)據(jù)能夠準(zhǔn)確地反映學(xué)生的動(dòng)作姿勢(shì),實(shí)時(shí)分析學(xué)生的姿勢(shì)變化,并給出實(shí)時(shí)反饋。老師可以通過(guò)軟件界面觀察學(xué)生的姿勢(shì)數(shù)據(jù),如關(guān)節(jié)角度、位移速度等,以便進(jìn)行即時(shí)指導(dǎo)和調(diào)整。
(2)動(dòng)作評(píng)估和優(yōu)化。
在教學(xué)過(guò)程中,GoPose 軟件實(shí)時(shí)顯示學(xué)生的動(dòng)作數(shù)據(jù)和姿勢(shì)變化,學(xué)生的動(dòng)作可以得到全面的評(píng)估。軟件會(huì)自動(dòng)生成動(dòng)作軌跡圖和相關(guān)數(shù)據(jù),老師可以通過(guò)對(duì)比不同動(dòng)作的數(shù)據(jù),評(píng)估學(xué)生的表現(xiàn),并找出需要改進(jìn)的地方。同時(shí),軟件還提供了運(yùn)動(dòng)優(yōu)化的建議,幫助學(xué)生改進(jìn)動(dòng)作,以達(dá)到更標(biāo)準(zhǔn)的姿勢(shì),提高技術(shù)水平。
(3)動(dòng)作記錄和跟蹤。
GoPose 軟件能夠記錄學(xué)生每次訓(xùn)練的動(dòng)作數(shù)據(jù),并保存在數(shù)據(jù)庫(kù)中。這樣,老師也可以隨時(shí)查看學(xué)生的訓(xùn)練歷史和進(jìn)展情況,進(jìn)行動(dòng)作的長(zhǎng)期跟蹤和評(píng)估。通過(guò)對(duì)比不同時(shí)間段的數(shù)據(jù),老師可以判斷學(xué)生的進(jìn)步,并制定相應(yīng)的訓(xùn)練計(jì)劃。
并且它能夠準(zhǔn)確捕捉和分析學(xué)生的動(dòng)作姿勢(shì),提供實(shí)時(shí)反饋和指導(dǎo),并幫助老師評(píng)估和優(yōu)化動(dòng)作。同時(shí),GoPose 還能提供動(dòng)作記錄和跟蹤的功能,使老師能夠?qū)\(yùn)動(dòng)員的訓(xùn)練歷史進(jìn)行查看和分析。這種基于機(jī)器視覺(jué)的精準(zhǔn)捕捉動(dòng)作軌跡的計(jì)算方法為體育教學(xué)的線上教學(xué)提供了強(qiáng)大的輔助工具。
(4)便利性和準(zhǔn)確性。
GoPose 軟件具有便利性和準(zhǔn)確性的特點(diǎn)。相較于傳統(tǒng)的肉眼觀察和手動(dòng)設(shè)置關(guān)節(jié)點(diǎn)的方法,GoPose 能夠自動(dòng)識(shí)別關(guān)節(jié)點(diǎn)并計(jì)算關(guān)節(jié)角度,提供更準(zhǔn)確和真實(shí)的數(shù)據(jù)。同時(shí),它大大降低了人力成本,提高了分析效率。
在未來(lái),隨著功能技術(shù)的不斷完善,GoPose 軟件將進(jìn)一步應(yīng)用于學(xué)校的線上體育教學(xué)以及專業(yè)的體育訓(xùn)練和比賽過(guò)程中。它將為運(yùn)動(dòng)員和教練員提供更多便利,為專業(yè)體育工作者的訓(xùn)練和競(jìng)技提供精準(zhǔn)的動(dòng)作分析和指導(dǎo),助力他們?nèi)〉酶玫挠?xùn)練效果和競(jìng)技成績(jī)。
綜上所述,GoPose 基于機(jī)器視覺(jué)的精準(zhǔn)捕捉動(dòng)作軌跡的計(jì)算方法在體育運(yùn)動(dòng)中具有廣泛的應(yīng)用前景。通過(guò)該軟件對(duì)技術(shù)動(dòng)作姿勢(shì)的準(zhǔn)確捕捉與實(shí)時(shí)分析、動(dòng)作評(píng)估和優(yōu)化、動(dòng)作記錄和跟蹤的優(yōu)勢(shì),對(duì)體育教學(xué)安全質(zhì)量的提升及專業(yè)運(yùn)動(dòng)員的日常訓(xùn)練,教練員都能夠?qū)崟r(shí)監(jiān)督和指導(dǎo)運(yùn)動(dòng)員的動(dòng)作姿勢(shì),提供個(gè)性化的訓(xùn)練建議,從而提高運(yùn)動(dòng)員的技術(shù)水平和競(jìng)技成績(jī)。
基于OpenPose 算法,本軟件自動(dòng)對(duì)人體姿態(tài)的25 個(gè)關(guān)鍵點(diǎn)進(jìn)行識(shí)別,快速對(duì)關(guān)節(jié)角度、位移速度等數(shù)據(jù)進(jìn)行測(cè)量、計(jì)算,使得教師和學(xué)生能夠快速得到常用運(yùn)動(dòng)學(xué)結(jié)果,可廣泛應(yīng)用于線上體育教學(xué)。其優(yōu)勢(shì)是無(wú)接觸式測(cè)量、快速反饋、操作簡(jiǎn)單等。同時(shí)它也解決了專業(yè)設(shè)備穿戴復(fù)雜、其他人工智能運(yùn)動(dòng)分析系統(tǒng)軟件使用價(jià)格高昂等問(wèn)題,幫助廣大師生科學(xué)化運(yùn)動(dòng)和訓(xùn)練。隨著功能技術(shù)不斷完善、測(cè)量準(zhǔn)確度不斷提高,本軟件也將用于專業(yè)運(yùn)動(dòng)員的體育訓(xùn)練中,為運(yùn)動(dòng)員、教練員及體育科研工作者提供更大的便利。