【技术实现步骤摘要】
本专利技术涉及深度学习和计算机视觉，尤其涉及一种基于al技术的中学生广播体操教学评估系统及方法。
技术介绍
1、对于中学生广播体操的线上评价，目前没有针对中学生广播体操进行分析和评价的完整系统流程以及方法，因此中学生广播体操线上化评估与教学仍存在以下挑战。第一，现有中学生广播体操的评价方法缺乏精确的评价标尺，现行标准多为描述性词汇而非量化性数值，致使个体评价具有弱客观量化性和弱可重复性的特征。第二，线上中学生广播体操教学模式使得教师手动评价工作量大，教师急需一种高效、精确、科学的系统降低工作负担。第三，一对多的教学模式使得教师难以准确把握整体教学质量以及个体水平。第四，现有的ai技术模型只是由操舞类运动项目融合的模版制作的。第五，除了课内学习外，学生无法在课外随时进行自主练习及纠错。
2、结合以上五点分析，由此可知现有技术无法高效准确地对中学生广播体操训练动作进行评价，会影响操舞教学训练效果。
技术实现思路
1、本专利技术的目的在于克服现有的缺陷提供一种基于al技术的中学生广播体操教学评估系统及方法，能高效准确地对广播操训练动作进行评价，提升教学质量和水平。
2、实现上述目的的技术方案是：一种基于al技术的中学生广播体操教学评估系统，包括视觉采集模块、图像处理模块、运算模块和显示模块，所述视觉采集模块与所述图像处理模块电性连接，所述图像处理模块与运算模块电性连接，所述运算模块与所述显示模块电性连接，所述显示模块上还设有语音播报器；
3、广播体操教
4、s1学生面对视觉采集模块中的摄像头做操，由视觉采集模块将画面数据传输到图像处理模块；
5、s2所述图像处理模块提取图像帧数据，将原始数据转化为机器学习算法能够理解的形式，通过mediapipe处理框架从图像帧内提取人体的13个关键点位置，计算得出8个部位的身体姿态夹角数据生成特征向量；
6、s3图像处理模块将处理完后的特征向量导入运算模块中的操舞模型中，得到处理后的数据，模型输出数据是由人为分类的数字编号，根据分类字典表将数字编号解析为直观的文字动作名称信息；
7、s4 运算模块将处理后的信息传输至显示模块，由显示模块将动作判定及总体打分信息显示出。
8、优选的，所述操舞模型建立步骤如下：
9、s11根据提供的标准动作视频，将视频传输至图像处理模块内；
10、s12通过opencv框架提取视频文件中有效的图像帧；
11、s13删除错误数据及乱码图像，将动作评分影响较小或几无影响的五官、手脚末端节点数据坐标值去除；
12、s14选取鼻头、左右腕、肘、肩、胯、膝、脚腕共13个人体关键点，用mediapipe自动预测点位坐标后，计算预设的左肘角度、右肘角度、左臂离身角度、右臂离身角度、左肩-胯-膝盖角度、右肩-胯-膝盖角度、左腿角度、右腿角度，将这8个部位的身体姿态角度数据归一化处理；
13、s15对广播操各节各动作的8个部位的身体姿态归一化夹角建立标准；
14、s16在结合了广播体操视频动作的复杂度、数据的维度以及模型的解释性，使用scikit-learn的k近邻分类器进行数据的训练，生成模型；
15、s17对模型进行评估，通过大量学生操舞视频与模型进行比对，以求达到最标准模型；
16、s18数据分割，将数据集划分为训练集和测试集，其中比例为75%训练，25%测试，然后进行模型训练，使用训练集数据拟合出模型，最后通过交叉验证来评估模型的泛化能力，通过参数及数据调整对模型进行调优；
17、s19将训练好的模型使用joblib导出为“.pkl”模型文件，然后通过joblib加载存储的模型文件到运算模块的系统中，运行时环境库版本与模型训练时的python库版本一致。
18、优选的，在步骤s14中，通过对图像中的人体关键点进行识别和定位，对人体姿态进行有效重构，在进行身体姿态角度检测时，利用了卷积神经网络和递归神经网络等深度学习模型，实现了对多类别身体姿态的精准定位和识别。
19、优选的，对人体姿态进行有效重构的方法还包括渐进式重建算法和骨骼建模技术。
20、本专利技术的有益效果是：学生面对视觉采集模块中的摄像头做操，通过运算模块将处理后的信息传输至显示模块，由显示模块将动作判定及总体打分信息显示出来，这种系统能高效准确地对中学生广播体操各训练动作进行评价，方便提升操舞教学训练的教学质量和水平，为中学生广播体操线上化教育提供新的分析手段。
本文档来自技高网...【技术保护点】
1.一种基于Al技术的中学生广播体操教学评估系统，其特征在于，包括视觉采集模块、图像处理模块、运算模块和显示模块，所述视觉采集模块与所述图像处理模块电性连接，所述图像处理模块与运算模块电性连接，所述运算模块与所述显示模块电性连接，所述显示模块上还设有语音播报器；
2.根据权利要求1所述的基于Al技术的中学生广播体操教学评估方法，其特征在于，所述操舞模型建立步骤如下：
3.根据权利要求2所述的基于Al技术的中学生广播体操教学评估方法，其特征在于，在步骤S14中，通过对图像中的人体关键点进行识别和定位，对人体姿态进行有效重构，在进行身体姿态角度检测时，利用了卷积神经网络和递归神经网络等深度学习模型，实现了对多类别身体姿态的精准定位和识别。
4.根据权利要求3所述的基于Al技术的中学生广播体操教学评估方法，其特征在于，对人体姿态进行有效重构的方法还包括渐进式重建算法和骨骼建模技术。
【技术特征摘要】
1.一种基于al技术的中学生广播体操教学评估系统，其特征在于，包括视觉采集模块、图像处理模块、运算模块和显示模块，所述视觉采集模块与所述图像处理模块电性连接，所述图像处理模块与运算模块电性连接，所述运算模块与所述显示模块电性连接，所述显示模块上还设有语音播报器；
2.根据权利要求1所述的基于al技术的中学生广播体操教学评估方法，其特征在于，所述操舞模型建立步骤如下：
3.根据权利要求2...
【专利技术属性】
技术研发人员：施丽娜，倪林珏，徐欣，徐洋，卢鹏翔，孙一逸，王梓奕，董天妤，吴宣萱，
申请(专利权)人：上海市第三女子初级中学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。