基于深度学习的健身动作识别纠正系统设计与实现开题报告

一、本课题研究意义

随着人们对身体健康和自身形体的愈发重视，健身逐渐成为人们日常生活中的一个重要部分，而科学的健身和标准的健身动作可以使人们健身时能够更好地拥有好的形体和保护自己的安全，防止不规范的动作造成的肌肉拉伤和无效化健身。
本系统视频识别以深度学习中的SSD算法为核心，对网络模型的进行建立和训练。以达到视频识别健身动作目的。此外，也为用户提供很多的相关业务功能。

二、国内外有关本课题的研究动态

当前国内外视频监控软件种类繁杂，PP-TinyPose,keep,deep-fit等应用，都有涉及相关视频监控、图像识别、智能分析等方面的应用。但是大多数这些软件都是功能单一且技术陈旧，已经不能适应于当今社会对健身形势多样化的需求。因此，设计一个新技术支撑安全可靠、识别精准、具有智能分析能力、功能多样的健身动作识别纠正系统有一定实用价值和研究意义。

三、本课题研究的基本内容

1、研究目标：通过该系统能够实现对人体动作的捕捉来对用户的健身动作进行智能化分析，根据用户提前选择的动作来判断是否正确，进行判断给给出正确示范的视频动作，记录下来进行智能化分析过程。
2、研究内容：熟练掌握Python中Web框架Django，编写后端功能接口，据动态姿势数据的整合需求,确定RBM系数在深度学习算法作用下的实时调节能力,再进行基于深度学习算法的动态姿势识别处理，进行对健身动作的识别纠正操作。

四、本课题拟解决的主要问题

主要解决目前市面上的大部分健身动作识别纠正软件功能单一且技术陈旧，已经不能适应于当今社会对服务精准、安全可靠的特点，为健身用户提供更加可靠精准的识别纠正系统和功能更齐全的服务平台。

五、研究方法

1、拟采取的方法、技术：后台使用基于Python的Django框架结合Ajax开发。后台使用EasyUI框架进行开发。图像算法处理采用深度学习中的卷积神经网络算法。图像处理调用OpenCV中的相关依赖包。采用Caffe深度学习框架。文件存储使用内存文件，数据库采用MySQL。
2、拟使用的开发工具：PyCharm。

六、主要创新点

采用较为热门的深度学习技术进行视频图像的识别，解决了行业内的健身动作识别纠正功能单一的痛点问题。开发了系列对于用户十分有用的模块功能，利于用户的纠正。使用的Django具有微服务特点，利于项目的迁移和升级。

七、主要参考文献

[1]张楠.Python语言及其应用领域研究[J].科技创新导报.2019(17).
[2]王常衡,李嘉伟,罗钦,卢曼.浅析Python语言及其应用前景[J].计算机产品与流通.2019(04).
[3]刘志凯,张太红.Django框架在web开发中的应用[J].农业网络信息.2015(2).
[4]黄明珠,黄文清.基于改进Faster R-CNN的Logo目标检测方法[J].计算机系统应用.2019,28(02):43-50.
[5]毛星云.OPENCV3编程入门[M].北京:电子工业出版社,2015.
[6]段淼.基于BP神经网络的图像信息处理[J].西江月,2013(6).
[7]蒋宗礼.人工神经网络导论[M].北京:高等教育出版社,2001.
[8]杨帆.数字图像处理与分析第2版[M].北京:北京航空航天大学出版社,2010.