摘 摘 要 近年来，计算机视觉技术被广泛应用到各领域中。其中人体姿态估计任务在监控智能视频行为、自动驾驶、智能体育训练、机器智能交互等领域具有重要的研究价值和应用前景。该任务旨在定位图像中人体关节点位置，然后重构连接输出人体姿态骨架图供后续任务使用。人体姿态估计技术是理解图像或视频中人体行为、情感和意图等高级语义任务的重要基础。 伴随着新时代深化体育改革的推进，我国国民越发重视健身运动，健身运动产业链也得到蓬勃发展。然而在传统健身运动过程中不少人由于缺乏科学的运动指导，其健身效果并不理想。甚至，假如健身爱好者不能及时感知...

　　摘 摘 要 近年来，计算机视觉技术被广泛应用到各领域中。其中人体姿态估计任务在监控智能视频行为、自动驾驶、智能体育训练、机器智能交互等领域具有重要的研究价值和应用前景。该任务旨在定位图像中人体关节点位置，然后重构连接输出人体姿态骨架图供后续任务使用。人体姿态估计技术是理解图像或视频中人体行为、情感和意图等高级语义任务的重要基础。 伴随着新时代深化体育改革的推进，我国国民越发重视健身运动，健身运动产业链也得到蓬勃发展。然而在传统健身运动过程中不少人由于缺乏科学的运动指导，其健身效果并不理想。甚至，假如健身爱好者不能及时感知并纠正错误的运动姿势，可能会导致肌肉拉伤、痉挛等后果。鉴于此，本文一方面，进一步探究和优化人体姿态估计技术；另一方面，设计一种有效、实时、低成本的健身指导技术，方便健身者及时纠正错误运动姿势。具体研究内容如下： （1）针对人体姿态估计中目标检测器模型复杂、参数量大等问题，提出一种名为 Yolov7-DSCA 的轻量化、高精度人体检测器。通过引入 DSConv 与CoordAttention 对 Yolov7 目标检测器做出轻量化改进，提出新的 Yolov7-DSCA目标检测器。然后将其替换掉原AlphaPose所采用的Yolov3-spp目标检测器，实验表明经过优化后的 AlphaPose 模型检测精度提高到了 73.5 AP 值(@0.5:0.95)，模型的复杂度 GFLOPs 也由 103.2 降低到了 49.1人体姿态估计算法。 （2）针对传统健身学习系统实时性不足、缺乏动作评估等局限性，本文提出一种名为MSFAR的多步骤健身动作识别算法，对健身动作进行识别分析。该算法首先通过人体姿态估计模型快速获取人体骨骼关节点的图像位置信息，结合骨骼关节点之间的关联性进行特征再提取，然后根据特征进行运动快速分类，最后根据分类结果所对应的运动类别进行姿态分析，检测动作是否存在错误，并提供动作记数与动作改进建议，提高健身效率。实验表明 MSFAR 在 HSiPu2数据集上平均识别率可达 开云体育官网89.2%，满足健身动作识别分析需求。 （3）依托于上述研究内容，根据实际应用需求开发了基于人体姿态估计的健身动作识别与评估系统，该系统通过摄像头捕捉用户的实时姿态动作，并与标准健身动作进行比对，给出用户的动作得分和改进建议。 通过以上工作，针对传统健身动作训练领域存在的缺乏专人指导、独自训练可能受伤、难以提高训练效果与人体姿态估计应用部署不易、硬件门槛高等问题，本文基于人体姿态估计技术设计了一种实时的、轻量化的低成本健身指导方法。 关键词：人体姿态估计；目标检测；动作识别分析；深度学习