(1.广东科技学院,广东省 523000;2.广东科技学院,广东省 523000;3.广东科技学院,广东省 523000;
4.广东科技学院,广东省 523000;5.广东科技学院,广东省 523000)
摘要:
在现代科技的推动下,人类的生活变得越来越便捷,不断趋于智能化。为此,人工智能的发展已经成为多个领域的重要组成部分。本文旨在探讨基于深度学习的智能化运动系统设计,通过大数据技术对用户的历史运动数据、身体指标和生活习惯进行采集与处理,生成个性化的训练计划。利用深度学习算法分析用户的运动信息,促进科学高效安全的运动方式。
关键词:动态识别;深度学习;AI 跟练;个性化定制
1引言
通过感知、归纳、分析、挖掘人类体育运动的数据,揭示人体运动规律、评估运动表现效果、形成科学运动的方案、研发辅助运动训练的装备,以此实现健身科学化和主动健康[[1]]。为此,在从“被动健康”模式转变为“主动健康”模式的大背景下,运动促进健康已成为解决全球健康问题的重要策略[[2]],智能化运动系统通过结合深度学习技术,实现更智能、高效的运动系统,做到高效锻炼、健康生活。
2系统设计框架
2.1系统总体架构
系统架构图说明了智能化运动系统在场景视图下的功能实现。本系统采用多层架构模式进行设计,它包括了WEB表示层、业务层、数据层,如图3所示。WEB表示层负责用户界面与请求处理、返回业务层数据结果。业务层处理核心逻辑和业务规则。数据层通过ADO.NET和ORM映射机制实现对数据库的访问,它负责数据的存取和管理。
图 3 系统架构图
2.2技术架构
智能化运动系统的技术构架主要是通过Internet连接,使得各个层次之间的通信得以实现,确保整个系统的高效运作,如图4所示。通过分层设计和技术组件的集成,实现了业务逻辑的高效处理。通过服务器连接了数据库服务器和Web服务器,然后数据库服务器与数据库交互,实现对数据库的访问操作,通过ORM映射机制将数据库表与应用程序中的数据模型对应起来。用户则可以通过客户端浏览器访问系统,进行操作和获取信息。
图 4 技术架构图
2.3主要功能模块
1.AI跟练
如图5所示,人们在运动过程中,有接近一半以上的人并没有获得专业的运动指导,导致运动效果不佳,没有达到预期的锻炼结果。为此,智能化运动系统个性化定制AI教学视频的跟练形象,利用人工智能技术,通过图像传感技术、动作识别和语音识别等方式,为用户提供更为专业化、个性化的健身方案。在运动中虚拟现实技术的应用有助于提升健身效果,同时还可带给人一种科技奥运体验活动的乐趣[[3]]。
图 5 成年人获取各类体育健康指导途径情况
来源:国家国民体质监测中心发布《2020年全民健身活动状况调查公报》
2.可视化运动数据生成
通过对用户不同体育运动项目的相关数据的记录,根据用户的身体素质状况、运动需求、场地需求与兴趣爱好结合数据分析并智能生成个性化的锻炼计划,自动生成个性化的健康报告,实现智能运动、科学运动、有效运动。
3.运动社区
建立一个运动爱好者的互动和交流的运动社区,用户可以以文字、图片、视频等方式分享自己的健身情况和健身技巧,增加互动社交性。运动社区内具备“摇一摇”功能,随机与附近用户组队运动,提高运动的趣味性,激发用户运动的兴趣。
4.运动活动及赛事资讯
该功能主要用于提供最新的赛事信息、活动安排等服务。系统系统通过强大的数据处理和分析能力,根据用户兴趣和历史活动,实时更新和个性化推荐,能够提升用户体验,并优化赛事管理,推动运动活动的全面发展。
5.个性化饮食制定
由于部分人只重视加强体育训练,忽略了饮食与运动的关系。在这种情况下参与体育锻炼将会造成人们难以实现预期运动目的,造成其运动积极性下降,严重时还会损害其身体健康[[4]]。为此,通过综合考虑用户的个人需求、健康目标和饮食偏好,为用户提供个性化的健康食谱。
3数据采集与处理
3.1 数据采集
1.硬件设备
(1)心率监测器:通过测量用户的心率来监控运动强度和身体反应。
(2)步态传感器:记录步伐、步频以及运动中的姿势变化。
(3)加速度计:检测运动中的加速度变化,用于分析运动的动态特性。
(4)陀螺仪:提供运动方向和角度信息,用于更精确地分析姿势和运动轨迹。
(5)智能手表/手机:集成多种传感器,并通过应用程序收集和同步数据。
2.软件系统:
使用深度摄像头和高清摄像头捕捉用户运动的实时画面,进行姿势分析和运动技术纠正。通过动作捕捉系统记录用户的运动轨迹和动作细节,帮助分析运动姿势。
3.2 数据预处理与清洗
整合多源传感器与设备数据至统一平台,实施严格预处理确保数据质量。通过噪声过滤、缺失值填补等策略,提升数据完整性与可比性。采用数据平滑技术减少波动,增强数据稳定性。并通过数据增强提升模型泛化能力。最终,采用高效数据库结构存储处理后的数据,以支持快速查询与分析,全面满足数据处理与分析需求。
4技术功能实现
4.1人体动态识别技术
人体动作过程是一个动态系统,其识别方法也都是基于动态系统的识别方法。主要是通过采集原始图像或图像序列数据进行处理和分析,学习并理解其中人的动作和行为。利用深度学习中的卷积神经网络(CNN)[[5]],能够准确识别和分类不同的运动模式。通过BP神经网络进行手势学习和手势识别,而对于模拟鼠标手势和四点动态手势,利用指尖之间相互位置关系进行手势识别[[6]]。根据对人体动态识别,对不同用户的运动姿势进行捕抓、分析,提高运动效率、运动安全性和运动规范性。
4.2大数据分析技术
大数据可视分析旨在利用计算机自动化分析能力的同时,充分挖掘人对于可视化信息的认知能力优势,将人、机的各自强项进行有机融合[[7]]。利用大数据分析用户的运动行为模式,建立基于用户数据的推荐模型,实现个性化运动目标推送服务。通过实时分析用户行为数据,对用户进行科学的引导和适时的激励,有助于帮助用户培养健康的生活方式,提高个人健康管理水平[[8]]。
5结论
基于深度学习的智能化运动系统能够通过模拟人类教练的指导方式,为用户提供更加个性化和精准的训练建议,帮助用户更好地达成自己的运动目标。利用深度学习和大数据分析技术提升了运动检测的精确性,也增强了行为预测的能力,并通过个性化训练优化了运动表现,推动了智能化运动系统的发展,促进运动科学的进步。
参考文献
[[1]] 霍波,李彦锋,高腾,等.体育人工智能领域关键技术的研究现状和发展方向[J].首都体育学院学报,2023,35(03):233-256.DOI:10.14036/j.cnki.cn11-4513.2023.03.001.
[[2]] 邱俊强,路明月,张君,等.运动促进健康:个性化精准解决方案[J].北京体育大学学报,2022,45(10):2-18.DOI:10.19582/j.cnki.11-3785/g8.2022.10.001.
[[3]] 崔博.基于虚拟现实技术的运动系统设计[J].电子设计工程,2015,23(21):42-44.DOI:10.14022/j.cnki.dzsjgc.2015.21.013.
[[4]] 刘高强.体育训练中能量消耗与补充的运动营养学阐释——评《运动营养学》[J].食品安全质量检测学报,2023,14(12):307.DOI:10.19812/j.cnki.jfsq11-5956/ts.2023.12.019.
[[5]] [1]卢宏涛,张秦川.深度卷积神经网络在计算机视觉中的应用研究综述[J].数据采集与处理,2016,31(01):1-17.DOI:10.16337/j.1004-9037.2016.01.001.
[[6]] 李文生,解梅,邓春健.基于机器视觉的动态多点手势识别方法[J].计算机工程与设计,2012,33(05):1988-1992.DOI:10.16208/j.issn1000-7024.2012.05.062.
[[7]] 任磊,杜一,马帅,等.大数据可视分析综述[J].软件学报,2014,25(09):1909-1936.DOI:10.13328/j.cnki.jos.004645.
[[8]] 方霁,潘威旭,林徐勋,等.移动健康信息服务的个性化运动目标决策研究[J].管理工程学报,2024,38(01):253-265.DOI:10.13587/j.cnki.jieem.2024.01.019.