人工智能輔助姿態(tài)識別和運動處方的研究

孔令凱，王 森

（中移（成都）信息通信科技有限公司，四川 成都 610000）

0 引言

《義務教育體育與健康課程標準（2022 年版）》（以下簡稱“新課標”）于2022 年秋季學期已開始正式施行。作為未來10 年我國基礎體育教育發(fā)展的綱領性文件，它的出現(xiàn)備受關注。體育教育的高質量落實到具體工作中需要以學生的發(fā)展為中心，更加關注學生的發(fā)展需求，教師要時刻關注學生的學習情況，包括態(tài)度、行為、方法與結果，基于學生的學情因材施教，及時調(diào)整和完善教法，增強學生的體育興趣，享受運動樂趣。本文采用人工智能技術，以立定跳遠這一常見運動為例，從如何發(fā)現(xiàn)學生運動的不規(guī)范性以及提出改進建議的角度出發(fā)，提出一套智能的學齡基礎體育動作識別、標準程度評估和體質提升建議系統(tǒng)，以期為推動青少年體育鍛煉協(xié)調(diào)發(fā)展提供實踐與應用參考。

1 姿態(tài)識別和處方系統(tǒng)的體系構建

1.1 標準動作模型的建立

利用視頻采集器采集標準學生動作，運用動作姿態(tài)估計算法對人體對象在執(zhí)行技術動作過程中的動作姿態(tài)數(shù)據(jù)進行節(jié)點位置估計。通過分析不同性別的專業(yè)學生的標準技術動作，形成結構化標準技術動作的數(shù)據(jù)信息庫。同時，設計數(shù)據(jù)采集控制過程對原始數(shù)據(jù)進行平滑、降噪、合并，提取標準技術動作特征，建立動作特征庫。采用定量分析法，在體育專家指導下，將運動動作分為數(shù)個關鍵節(jié)點及階段，評估人體骨骼關節(jié)點在完成各階段技術動作過程中的參與度，建立學生年齡段內(nèi)，不同性別、年齡的標準動作量化模型，作為技術動作判斷識別的評價標準。

1.2 現(xiàn)場學生動作采集及與標準動作對比判定

基于邊緣計算服務器平臺，使用視頻采集器對參加立定跳遠等運動的學生進行實時采集，分析、提取運動序列特征，與標準動作模型進行比對。結合專家意見，研發(fā)不同的運動、不同的關鍵節(jié)點、關鍵階段的體育動作動態(tài)判定標準，例如，在某些情況下，應去除運動速率、節(jié)奏的影響后進行標準判定。在邊緣計算服務器的算力支持下，實時進行當前學生與標準動作間的關鍵指標差異性評估工作，對關鍵動作執(zhí)行情況、動作整體完成情況進行評分。同時，存儲個人歷史信息數(shù)據(jù)，為學生改進技術動作提供連貫性的指導參考依據(jù)。

1.3 智能生成對學生體育動作的改進建議和個性化訓練方案

針對學生，特別是初學者難以覺察自身運動過程或姿態(tài)是否規(guī)范的問題，以學生現(xiàn)場數(shù)據(jù)評分為基礎，結合專家的指導意見，形成動作及訓練方向改進專家指導意見庫。憑借邊緣計算服務器的實時處理能力，替代指導教練員，對學生進行不間斷的觀察、反饋、指導，在運動現(xiàn)場為學生提供即時的動作改進意見，達到去除多余動作，糾正錯誤動作，使學生練習的運動技術逐漸精確化的目的，避免學生盲目、機械、無效地重復練習錯誤動作。此外，對學生動作不規(guī)范的原因進行綜合分析，給出針對性的訓練指導意見及訓練方法，并在持續(xù)的歷史數(shù)據(jù)追蹤過程中豐富專家指導意見庫的內(nèi)容，形成良性循環(huán)。

2 姿態(tài)識別和處方系統(tǒng)的技術實現(xiàn)

姿態(tài)識別和處方系統(tǒng)的實現(xiàn)框架如圖1 所示。

圖1 姿態(tài)識別和處方系統(tǒng)的實現(xiàn)框架圖

3 核心技術

3.1 輕量級實時運動姿態(tài)估計算法

姿態(tài)估計算法是一種支持多人、實時的輕量級人體姿態(tài)估計算法，適用于嵌入式設備、手機、邊端處理器等計算資源有限的終端設備，便于移動場景部署，適合體育、康復等運動評估場景。

姿態(tài)估計算法是一種魯棒性的姿態(tài)估計算法，對于坐、立、行、走、蹦、跳等人體不同姿態(tài)都具有非常好的穩(wěn)定性。本文在COCO 數(shù)據(jù)集上mAP 的評測結果為75%，在MPII 上mAP 的評測結果為82%，居于業(yè)內(nèi)領先水平。

姿態(tài)估計算法目前支持17 個關節(jié)點和26 個關節(jié)點位置估計，可根據(jù)使用場景進行選擇。本文精心設計的姿態(tài)估計網(wǎng)絡由三部分組成，分別是STN、SDTN、SPPE。三個模塊相互結合，其中STN 負責人體檢測框，SDTN 負責產(chǎn)生姿態(tài)估計結果，SPPE 在網(wǎng)絡訓練時進行正則化抑制。運動姿態(tài)估計描點圖如圖2 所示。

圖2 運動姿態(tài)估計描點圖

3.2 標準規(guī)范動作的采樣和歸一化方法

各個運動項目應分別構建標準動作規(guī)范庫，如仰臥起坐、立定跳遠、引起向上等，動作規(guī)范庫是學生成績計算、關鍵動作評估、優(yōu)化指導意見的核心組件。動作規(guī)范需從性別、年齡段、身高體重比等多個維度進行考量，前期可先從性別和年齡區(qū)間入手，由體育專家協(xié)助從全國各地區(qū)篩選出一組優(yōu)秀的青少年學生，進行仰臥起坐、立定跳遠等動作示范，并將動作視頻采集入庫，經(jīng)姿態(tài)估計算法處理，形成動作模板。

體育專家或學生負責講述一些運動要點，如起跳、擺臂、落地姿態(tài)等關鍵動作，與AI 算法人員一起制定動作評估指標。學生運動考核視頻依據(jù)其性別屬性、年齡段屬性進行動作庫匹配，根據(jù)規(guī)范動作與其實際動作之間的差異進行關鍵動作分析，給出指導意見，比如起跳角度低、空中姿態(tài)不規(guī)范等。

3.3 個體動作的標準程度評估方法

結合專家指導意見，設定一些關鍵動作，如在立定跳遠中，如圖3 所示，有預擺、起跳、騰空、落地，在不同動作時刻，由專家教授給出規(guī)范要領，AI 算法人員負責量化實現(xiàn)。

圖3 立定跳遠標準動作分解圖

對于每一個關鍵時刻進行獨立動作分析，以學生動作關節(jié)點位置{KPi}、預定義動作關節(jié)點位置{GPi}為例，時刻t的動作得分公式如下：

以t時刻動作要領的重要程度權重為θt，通過加權可以給出學生動作的總得分為：

3.4 體育動作的改善建議生成方法

根據(jù)3.3 節(jié)中對各個關鍵動作的分析，向學生給出改善意見，如擺臂幅度太小、騰空過高/過低、落地雙腳前后差距過大等，示意圖如圖4 所示。

圖4 立定跳遠預擺、騰空起跳示意圖

1）擺臂練習

要點：兩腳左右開立，與肩同寬，兩臂前后擺動，前擺時，兩腿伸直，后擺時，屈膝降低重心，上體稍前傾，手盡量往后擺。

練習：視頻檢測學生擺臂訓練過程中擺臂幅度與方位，結合預定義動作規(guī)范庫給出語音指導。

2）騰空起跳改善

要點：兩腳快速用力蹬地，同時兩臂稍曲由后往前上方擺動，向前上方跳起騰空，并充分展體。

練習：結合學生實際情況，建議力量加強練習，給出力量加強動作訓練指導。

4 結語

青少年的身體健康始終是黨和國家關心的重點問題之一，但學校也面臨體育資源不足、體育教師短缺等困難，故如何利用人工智能、大數(shù)據(jù)等技術提高教學效率，推進精準教學成為了體育改革與高質量發(fā)展的新動力、新方法。

本文構建包括標準動作模型庫、現(xiàn)場動作采集及與標準動作的對比判定、生成學生動作改進建議于一體的智能體育系統(tǒng)，可以對體育運動進行精準化的評測，比較客觀地看到學生在體育教學中存在的問題。同時，以問題為導向，結合專家指導庫給出了提升課堂教學質量、提高個人成績的方法和對策。后續(xù)本文系統(tǒng)將進一步產(chǎn)品化，在實踐中證明精準教學、精準干預對學生運動技能的掌握、身體素質的提升都會有明顯的效果。