孔令凯，王 森

（中移（成都）信息通信科技有限公司，四川 成都 610000）

0 引言

《义务教育体育与健康课程标准（2022 年版）》（以下简称“新课标”）于2022 年秋季学期已开始正式施行。作为未来10 年我国基础体育教育发展的纲领性文件，它的出现备受关注。体育教育的高质量落实到具体工作中需要以学生的发展为中心，更加关注学生的发展需求，教师要时刻关注学生的学习情况，包括态度、行为、方法与结果，基于学生的学情因材施教，及时调整和完善教法，增强学生的体育兴趣，享受运动乐趣。本文采用人工智能技术，以立定跳远这一常见运动为例，从如何发现学生运动的不规范性以及提出改进建议的角度出发，提出一套智能的学龄基础体育动作识别、标准程度评估和体质提升建议系统，以期为推动青少年体育锻炼协调发展提供实践与应用参考。

1 姿态识别和处方系统的体系构建

1.1 标准动作模型的建立

利用视频采集器采集标准学生动作，运用动作姿态估计算法对人体对象在执行技术动作过程中的动作姿态数据进行节点位置估计。通过分析不同性别的专业学生的标准技术动作，形成结构化标准技术动作的数据信息库。同时，设计数据采集控制过程对原始数据进行平滑、降噪、合并，提取标准技术动作特征，建立动作特征库。采用定量分析法，在体育专家指导下，将运动动作分为数个关键节点及阶段，评估人体骨骼关节点在完成各阶段技术动作过程中的参与度，建立学生年龄段内，不同性别、年龄的标准动作量化模型，作为技术动作判断识别的评价标准。

1.2 现场学生动作采集及与标准动作对比判定

基于边缘计算服务器平台，使用视频采集器对参加立定跳远等运动的学生进行实时采集，分析、提取运动序列特征，与标准动作模型进行比对。结合专家意见，研发不同的运动、不同的关键节点、关键阶段的体育动作动态判定标准，例如，在某些情况下，应去除运动速率、节奏的影响后进行标准判定。在边缘计算服务器的算力支持下，实时进行当前学生与标准动作间的关键指标差异性评估工作，对关键动作执行情况、动作整体完成情况进行评分。同时，存储个人历史信息数据，为学生改进技术动作提供连贯性的指导参考依据。

1.3 智能生成对学生体育动作的改进建议和个性化训练方案

针对学生，特别是初学者难以觉察自身运动过程或姿态是否规范的问题，以学生现场数据评分为基础，结合专家的指导意见，形成动作及训练方向改进专家指导意见库。凭借边缘计算服务器的实时处理能力，替代指导教练员，对学生进行不间断的观察、反馈、指导，在运动现场为学生提供即时的动作改进意见，达到去除多余动作，纠正错误动作，使学生练习的运动技术逐渐精确化的目的，避免学生盲目、机械、无效地重复练习错误动作。此外，对学生动作不规范的原因进行综合分析，给出针对性的训练指导意见及训练方法，并在持续的历史数据追踪过程中丰富专家指导意见库的内容，形成良性循环。

2 姿态识别和处方系统的技术实现

姿态识别和处方系统的实现框架如图1 所示。

图1 姿态识别和处方系统的实现框架图

3 核心技术

3.1 轻量级实时运动姿态估计算法

姿态估计算法是一种支持多人、实时的轻量级人体姿态估计算法，适用于嵌入式设备、手机、边端处理器等计算资源有限的终端设备，便于移动场景部署，适合体育、康复等运动评估场景。

姿态估计算法是一种鲁棒性的姿态估计算法，对于坐、立、行、走、蹦、跳等人体不同姿态都具有非常好的稳定性。本文在COCO 数据集上mAP 的评测结果为75%，在MPII 上mAP 的评测结果为82%，居于业内领先水平。

姿态估计算法目前支持17 个关节点和26 个关节点位置估计，可根据使用场景进行选择。本文精心设计的姿态估计网络由三部分组成，分别是STN、SDTN、SPPE。三个模块相互结合，其中STN 负责人体检测框，SDTN 负责产生姿态估计结果，SPPE 在网络训练时进行正则化抑制。运动姿态估计描点图如图2 所示。

图2 运动姿态估计描点图

3.2 标准规范动作的采样和归一化方法

各个运动项目应分别构建标准动作规范库，如仰卧起坐、立定跳远、引起向上等，动作规范库是学生成绩计算、关键动作评估、优化指导意见的核心组件。动作规范需从性别、年龄段、身高体重比等多个维度进行考量，前期可先从性别和年龄区间入手，由体育专家协助从全国各地区筛选出一组优秀的青少年学生，进行仰卧起坐、立定跳远等动作示范，并将动作视频采集入库，经姿态估计算法处理，形成动作模板。

体育专家或学生负责讲述一些运动要点，如起跳、摆臂、落地姿态等关键动作，与AI 算法人员一起制定动作评估指标。学生运动考核视频依据其性别属性、年龄段属性进行动作库匹配，根据规范动作与其实际动作之间的差异进行关键动作分析，给出指导意见，比如起跳角度低、空中姿态不规范等。

3.3 个体动作的标准程度评估方法

结合专家指导意见，设定一些关键动作，如在立定跳远中，如图3 所示，有预摆、起跳、腾空、落地，在不同动作时刻，由专家教授给出规范要领，AI 算法人员负责量化实现。

图3 立定跳远标准动作分解图

对于每一个关键时刻进行独立动作分析，以学生动作关节点位置{KPi}、预定义动作关节点位置{GPi}为例，时刻t的动作得分公式如下：

以t时刻动作要领的重要程度权重为θt，通过加权可以给出学生动作的总得分为：

3.4 体育动作的改善建议生成方法

根据3.3 节中对各个关键动作的分析，向学生给出改善意见，如摆臂幅度太小、腾空过高/过低、落地双脚前后差距过大等，示意图如图4 所示。

图4 立定跳远预摆、腾空起跳示意图

1）摆臂练习

要点：两脚左右开立，与肩同宽，两臂前后摆动，前摆时，两腿伸直，后摆时，屈膝降低重心，上体稍前倾，手尽量往后摆。

练习：视频检测学生摆臂训练过程中摆臂幅度与方位，结合预定义动作规范库给出语音指导。

2）腾空起跳改善

要点：两脚快速用力蹬地，同时两臂稍曲由后往前上方摆动，向前上方跳起腾空，并充分展体。

练习：结合学生实际情况，建议力量加强练习，给出力量加强动作训练指导。

4 结语

青少年的身体健康始终是党和国家关心的重点问题之一，但学校也面临体育资源不足、体育教师短缺等困难，故如何利用人工智能、大数据等技术提高教学效率，推进精准教学成为了体育改革与高质量发展的新动力、新方法。

本文构建包括标准动作模型库、现场动作采集及与标准动作的对比判定、生成学生动作改进建议于一体的智能体育系统，可以对体育运动进行精准化的评测，比较客观地看到学生在体育教学中存在的问题。同时，以问题为导向，结合专家指导库给出了提升课堂教学质量、提高个人成绩的方法和对策。后续本文系统将进一步产品化，在实践中证明精准教学、精准干预对学生运动技能的掌握、身体素质的提升都会有明显的效果。