查 毅，冯宏伟

（1.西安文理学院，陕西 西安 710065；2.西北大学，陕西 西安 710069）

运动训练辅助决策系统，对于辅助运动训练管理者预测、决策、评价与提高运动员的综合训练水平具有重要意义。但该系统是一种具有高度复杂性的智能数据分析处理平台，其核心技术是人体姿势的精确识别技术。近年来，人体姿势识别技术已逐渐成熟，而衡量姿势识别算法性能的关键参数是实时性与准确性[1]。随着人工智能技术的发展，神经网络的深度学习被广泛应用于多个领域[2]。因反向传播（BP）神经网络具有适应性高、原理简单、易于实现等优点，通常被应用于手势和动作姿态识别[3]。

文中基于OpenPose 与神经网络进行了姿势识别与运动状态分析，基本思想是对来自视觉相机的人体姿势进行识别、分类与存储[4]。通过使用卷积神经网络的方法[5]，对抽象为优化问题的运动数据进行分析[6]。

1 人体姿态识别建模

在姿势判断中定义人体姿势描述符至关重要，因此必须选择一种适当的数据集来精确描绘每个动作。通过需求分析可知，姿势描述方法必须满足以下要求：1）数据冗余少[7]；2）鲁棒性高[8]；3）传感器方向不变性[9]；4）信号连续性。

基于上述考虑，对关节数据的处理进行重点设计，系统架构如图1 所示。

图1 系统结构

1.1 关节位置确定

文中使用OpenPose 展开设计，其是一种基于OpenCV 与Caffe 的C++实时多人关键点检测和多线程库，可实现在单个图像上动态联合检测人体手部和面部最多130 个关键点。

OpenPose 提供了18 个身体关节的实时位置，如图2 所示。……