人工智能下的肢體動作類教學(xué)管理系統(tǒng)

前言：想要寫出一篇引人入勝的文章？我們特意為您整理了人工智能下的肢體動作類教學(xué)管理系統(tǒng)范文，希望能給你帶來靈感和參考，敬請閱讀。

［摘要］體育類涉及肢體動作方面的學(xué)科教學(xué)普遍存在教學(xué)管理困難的問題。該文在研究體育類學(xué)科教學(xué)特點的基礎(chǔ)上，針對其與傳統(tǒng)講授為主的學(xué)科的不同，利用傳感器網(wǎng)絡(luò)與智能計算相結(jié)合的方式，設(shè)計了面向體育類肢體運動教學(xué)需求的綜合教學(xué)管理系統(tǒng)，對學(xué)生肢體動作類訓(xùn)練科目進行實時的監(jiān)督、跟蹤、評估與反饋，從而解決了現(xiàn)有肢體類教學(xué)成效和學(xué)生接受程度難以評價與管理的問題。

［關(guān)鍵詞］教學(xué)管理系統(tǒng)；傳感器網(wǎng)絡(luò)；人工智能

一、研究背景

隨著教育信息化建設(shè)的不斷深入，相關(guān)政策的集中出臺，教育信息化2.0行動的全面展開，“三通兩平臺”（即“寬帶網(wǎng)絡(luò)校校通、教學(xué)資源班班通、網(wǎng)絡(luò)學(xué)習(xí)空間人人通；加強數(shù)字教育資源公共服務(wù)平臺、教育管理信息系統(tǒng)平臺的建設(shè)”）的發(fā)展導(dǎo)向已經(jīng)逐漸得到了學(xué)術(shù)界的廣泛認(rèn)可[1]。作為“三通兩平臺”的重要組成部分，各類基于互聯(lián)網(wǎng)的教育管理信息系統(tǒng)得到了廣泛的研究和豐富的成果。目前，教育教學(xué)管理系統(tǒng)主要可以分為資源共享和師生互動兩個大的類型。前者主要是以數(shù)字化教學(xué)資源為主的文件管理和共享平臺[2]，其中較為成熟的產(chǎn)品包括Dropbox、GoogleDrive、AmazonCloudDrive以及國內(nèi)的“瀚海星云”校園服務(wù)平臺和“筋斗云”等基于云存儲的文件共享系統(tǒng)，主要是解決教學(xué)資源數(shù)字化之后的存儲和傳播問題。而后者著重針對教育教學(xué)過程中輔助教師課堂授課的多媒體支撐平臺，主要有BlackBoard、慕課、翻轉(zhuǎn)課堂等網(wǎng)絡(luò)教學(xué)平臺[3]。這類教學(xué)平臺從單純的資源存儲與共享發(fā)展到與教學(xué)過程緊密融合，成為師生交互、多媒體展示、作業(yè)管理、學(xué)生反饋于一體的軟硬件教學(xué)服務(wù)系統(tǒng)，這類系統(tǒng)也是今后教學(xué)管理系統(tǒng)的發(fā)展方向和主要目標(biāo)。對于體育學(xué)科來講，目前的主要研究也集中在信息的管理和共享方面，文獻(xiàn)[4]提出了一種基于B/S模式的教學(xué)管理平臺，突破了C/S架構(gòu)在大數(shù)據(jù)處理方面的局限性。文獻(xiàn)[5]設(shè)計開發(fā)了一種基于Internet的面向高校體育教學(xué)的網(wǎng)絡(luò)教學(xué)平臺，利用網(wǎng)絡(luò)的互聯(lián)互通特性，為師生雙方提供了網(wǎng)絡(luò)教學(xué)的環(huán)境與平臺。在文獻(xiàn)[6]中，作者將物聯(lián)網(wǎng)引入教學(xué)管理中，通過物聯(lián)網(wǎng)收集教學(xué)信息，輔助課程的教學(xué)工作?？梢钥闯?，上述教學(xué)管理平臺依然以數(shù)字化教學(xué)資源的管理和分享為主要目標(biāo)，未能針對體育教學(xué)中肢體動作與課堂知識講授相結(jié)合的特點，對學(xué)生以動作為主的學(xué)習(xí)和訓(xùn)練過程進行長期有效的跟蹤、監(jiān)督和反饋。另外，在計算機、物聯(lián)網(wǎng)和人工智能等技術(shù)高速發(fā)展的今天，各類電子和信息系統(tǒng)在很大程度上促進了醫(yī)療保健的發(fā)展。一個由多傳感器組成的無線體域網(wǎng)可以輔助醫(yī)生對病人進行初步的遠(yuǎn)程問診[7]。而機器學(xué)習(xí)、深度學(xué)習(xí)等人工智能技術(shù)不但給網(wǎng)絡(luò)的邊緣設(shè)備賦予了更智能的表現(xiàn)，也在輔助診斷疑難雜癥方面取得了進展[8]。在個人健身和醫(yī)療保健等領(lǐng)域，也有越來越多的人使用基于微機電系統(tǒng)（MEMS）的姿態(tài)模塊（包含加速度計、陀螺儀和磁力計等）來識別、監(jiān)測人體的動作，并在社交網(wǎng)絡(luò)或運動社區(qū)中與他人分享。由此可見，技術(shù)的進步已經(jīng)使電子技術(shù)輔助運動和鍛煉成為可能，因此有必要提出一種面向多用戶的運動監(jiān)測系統(tǒng)。其目的是方便指導(dǎo)者監(jiān)測運動參與者的肢體動作，從而在一定程度上改善體育鍛煉場景中獲取專業(yè)指導(dǎo)困難的問題。這種系統(tǒng)可以部署在體育課堂等場所，指導(dǎo)人員可以方便地了解每個參與者的鍛煉情況，包括動作類別是否正確以及動作次數(shù)和頻率是否合適。本文針對這一內(nèi)容，采用人工智能和傳感器網(wǎng)絡(luò)相結(jié)合的方式，設(shè)計與開發(fā)了一種可以同時應(yīng)用在室內(nèi)和室外的體育學(xué)科肢體動作類教學(xué)的綜合化輔助管理平臺，解決了體育教學(xué)中對學(xué)生肢體動作類教學(xué)科目難監(jiān)管的問題。具體來講，本教學(xué)系統(tǒng)具備以下功能及技術(shù)特征：（1）采用基于MEMS的運動傳感器記錄人體運動信息，該傳感器節(jié)點具有高精度、低成本、低功耗的特點。（2）采用支持大連接量的通信方式，以實現(xiàn)同時對多用戶的動作監(jiān)控，從而實現(xiàn)只需少量指導(dǎo)人員即可掌握多個用戶的運動情況并及時給予指導(dǎo)。（3）借助人工智能技術(shù)實現(xiàn)動作類型的識別，以適應(yīng)一個場景中不同用戶開展不同運動的情況，讓指導(dǎo)者能夠一目了然地得知每個參與者的動作類型。（4）借助頻率分析工具，實現(xiàn)對動作次數(shù)和動作周期這兩個重要運動指標(biāo)的計算。對于持續(xù)時間或動作頻率不合理的運動參與者，指導(dǎo)人員能夠及時發(fā)現(xiàn)并給予指導(dǎo)，以防止運動損傷的發(fā)生，提高鍛煉效果。

二、人工智能教學(xué)平臺設(shè)計

為實現(xiàn)上述目的，本文設(shè)計了體育教學(xué)管理平臺結(jié)構(gòu)圖（如圖1所示）。整個教學(xué)平臺主要由3個子系統(tǒng)組成：運動數(shù)據(jù)捕捉子系統(tǒng)、智能云計算管控子系統(tǒng)和智慧課堂子系統(tǒng)。下面對這3個子系統(tǒng)進行詳細(xì)的介紹。

（一）運動數(shù)據(jù)捕捉子系統(tǒng)運動數(shù)據(jù)捕捉子系統(tǒng)由9軸加速度傳感器網(wǎng)絡(luò)為核心組件，每個學(xué)生或教師根據(jù)所做動作的不同，在身體不同位置佩戴若干相互獨立的傳感器節(jié)點，這些傳感器節(jié)點能夠收集相應(yīng)的動作信息，并通過傳感器網(wǎng)絡(luò)（比如Wi-Fi網(wǎng)絡(luò)、藍(lán)牙或者是物聯(lián)網(wǎng)）將數(shù)據(jù)通過Internet傳輸至云計算服務(wù)器。

（二）智能云計算管控子系統(tǒng)云計算服務(wù)器收到運動數(shù)據(jù)后，會按照如圖2所示的流程對數(shù)據(jù)進行處理，整個云計算服務(wù)器的功能可以分為3個主要的功能模塊：數(shù)據(jù)接收與預(yù)處理模塊，數(shù)據(jù)智能處理模塊，訓(xùn)練效果評估與預(yù)測模塊。數(shù)據(jù)接收與預(yù)處理模塊主要負(fù)責(zé)將接收到的自傳感器網(wǎng)絡(luò)發(fā)來的原始運動參數(shù)和數(shù)據(jù)進行預(yù)處理，以便于后續(xù)模塊的計算和應(yīng)用。具體來講，首先對所收到數(shù)據(jù)的合法性進行判斷，即判斷該數(shù)據(jù)是否為注冊用戶所發(fā)，并記錄該用戶的身份信息。隨后判斷數(shù)據(jù)的種類，看是單個傳感器數(shù)據(jù)還是由多個傳感器共同組成的數(shù)據(jù)。如果是多傳感器數(shù)據(jù)，需要對這些多組數(shù)據(jù)進行融合，去除冗余信息，接著對多維時域數(shù)據(jù)進行降維處理，形成單維數(shù)據(jù)，并完成原始傳感器數(shù)據(jù)的預(yù)處理工作。數(shù)據(jù)智能處理模塊收到經(jīng)過預(yù)處理的數(shù)據(jù)之后，首先利用支持向量機技術(shù)（SVM）判斷學(xué)生所做動作的種類。識別到動作種類后，根據(jù)動作的不同，從多維傳感器數(shù)據(jù)中選擇出與運動周期最為相關(guān)的軸，并利用這一關(guān)鍵軸根據(jù)運動周期對運動數(shù)據(jù)進行劃分，即將數(shù)據(jù)劃分為若干個相對獨立的數(shù)據(jù)段，每段表示運動的一次完整周期。接下來，分別計算該學(xué)生本次訓(xùn)練動作的次數(shù)，并根據(jù)教師的標(biāo)準(zhǔn)動作，利用深度學(xué)習(xí)理論，與學(xué)生訓(xùn)練的動作進行對比，對學(xué)生訓(xùn)練的準(zhǔn)確度和完整性進行評估。最后，根據(jù)偏差理論，對學(xué)生訓(xùn)練中動作的偏差和不足進行衡量，并給出動作偏差較大的具體細(xì)節(jié)。在此基礎(chǔ)上，訓(xùn)練效果評估與預(yù)測模塊首先讀取該學(xué)生的歷史訓(xùn)練數(shù)據(jù)信息，并與實時訓(xùn)練數(shù)據(jù)進行對比，以歷史數(shù)據(jù)和實時數(shù)據(jù)作為輸入?yún)?shù)，利用多層神經(jīng)網(wǎng)絡(luò)算法，以訓(xùn)練目標(biāo)作為輸出，對訓(xùn)練效果進行評估，再進一步根據(jù)評估結(jié)果和歷史訓(xùn)練信息，利用偽貝葉斯預(yù)測算法，對下階段的訓(xùn)練計劃進行調(diào)整和制訂，最后根據(jù)學(xué)生的訓(xùn)練情況生成可視化的運動軌跡和參數(shù)圖表。生成的數(shù)據(jù)將儲存在云服務(wù)器中，供教師和學(xué)生隨時讀取，以起到對學(xué)生訓(xùn)練進行監(jiān)督的目的。

（三）智慧課堂子系統(tǒng)這一子系統(tǒng)主要負(fù)責(zé)分享數(shù)據(jù)、師生互動等功能，包括智慧教室、教師終端和學(xué)生終端等。其中教師可以在教師終端中作業(yè)，上傳訓(xùn)練方案與所需訓(xùn)練動作的標(biāo)準(zhǔn)化數(shù)據(jù)等，利用偏差評估結(jié)論分析出所在班級學(xué)生的普遍訓(xùn)練問題和個別問題，并設(shè)計具有針對性的授課重點。而學(xué)生終端上則可實時查看自身訓(xùn)練的情況，包括所做動作的種類、數(shù)量、周期、標(biāo)準(zhǔn)狀況等參數(shù)，讓學(xué)生的訓(xùn)練做到心中有數(shù)。在課堂授課中，教師可以利用智慧教師系統(tǒng)，展示出學(xué)生的綜合訓(xùn)練狀況，并結(jié)合學(xué)生運動時傳感器記錄的運動軌跡，向?qū)W生講授訓(xùn)練的不足和動作的偏差。最后根據(jù)智能算法給出的預(yù)測和訓(xùn)練方案以及學(xué)生的實際訓(xùn)練狀況，為學(xué)生制訂下一階段的訓(xùn)練計劃，并在教學(xué)系統(tǒng)中。

三、實驗與思考

根據(jù)上述設(shè)計思路，本系統(tǒng)在硬件部分主要包括基于鋰電池和降壓部件的電源模塊、STM32F051K86微控制器、ESP8266通信模塊以及基于MEMS慣性元件的MPU9250姿態(tài)傳感器、Wi-Fi傳輸模塊和云處理器，基于這些硬件系統(tǒng)開發(fā)了相應(yīng)的智能肢體教學(xué)管理平臺，并針對核心的機器學(xué)習(xí)算法在體育專業(yè)學(xué)生中進行了小范圍的實驗驗證。在實驗中，本文選擇了7類肢體動作進行識別，包括4類啞鈴動作和3類腿部鍛煉動作，分別為啞鈴彎舉、啞鈴側(cè)平舉、啞鈴肩推、啞鈴飛鳥、坐姿抬小腿、站姿抬小腿以及提踵。這7類動作均為常見的肢體鍛煉動作，具有較強的代表性。其中，一些動作之間的相似度較高，如坐姿抬小腿和站姿抬小腿，這對于分類器的識別功能具有一定的挑戰(zhàn)性，可以充分驗證不同模型的分類能力。在數(shù)據(jù)方面，本文使用了自建數(shù)據(jù)集，該數(shù)據(jù)集總共由420個樣本組成。共有6人為數(shù)據(jù)集提供了樣本，其中男、女各3人，每人提供70條數(shù)據(jù)樣本，其中每類動作各10條。在記錄數(shù)據(jù)時，每位參與者只佩戴1個姿態(tài)采集模塊。對于啞鈴動作，姿態(tài)采集模塊佩戴在手腕處；對于下肢動作，姿態(tài)采集模塊佩戴在腳踝處。啞鈴動作中使用的啞鈴重量為2.5kg。在數(shù)據(jù)集分配上，全部樣本的80%用作訓(xùn)練集，20%用作測試集。對于深度學(xué)習(xí)模型，額外將訓(xùn)練集的20%作為驗證集。從實驗結(jié)果可以看出，深度學(xué)習(xí)模型和SVM均達(dá)到了96%以上的識別準(zhǔn)確率，高于現(xiàn)有的采用數(shù)值分析的技術(shù)，而多層感知機的準(zhǔn)確率在4個模型中最低。其中，深度學(xué)習(xí)模型實現(xiàn)了高達(dá)97.61%的識別準(zhǔn)確率，結(jié)合混淆矩陣可以看出在84個測試樣本中只將2個啞鈴肩推動作誤分成啞鈴側(cè)平舉，這表明本文提出的深度學(xué)習(xí)模型可以很好地用于小型數(shù)據(jù)集。SVM雖然沒有達(dá)到最高的準(zhǔn)確率，但與深度學(xué)習(xí)模型差距不明顯，并且考慮到其運算速度與復(fù)雜度遠(yuǎn)低于深度學(xué)習(xí)模型，因此更適合用于計算能力要求不高的場景，同樣具有實際意義。此外，本文為了驗證計數(shù)和頻率分析的準(zhǔn)確率，開展了動作計數(shù)及頻率的分析實驗。對于該實驗來說，實驗結(jié)果是否客觀的標(biāo)準(zhǔn)在于試驗次數(shù)。尤其對于動作計數(shù)來說，只有保證在次數(shù)足夠多的情況下結(jié)果依然準(zhǔn)確，才能夠說明分析方法有效。該實驗中以啞鈴彎舉動作為例重復(fù)進行了50次動作，這一數(shù)值已遠(yuǎn)高于單次鍛煉的次數(shù)要求。在實驗過程中除了使用傳感器記錄動作，還使用秒表對每次動作的周期進行計時，以此作為實際標(biāo)準(zhǔn)。從實驗中可以看出，算法的動作計數(shù)十分準(zhǔn)確，50次的統(tǒng)計結(jié)果與實際值完全一致，而且計算值和測量值整體擬合情況較好。因此，該實驗證明了過零檢測和小波分析方法的有效性和精確性，在動作次數(shù)較多的情況下也可以很好地實現(xiàn)動作計數(shù)和周期計算。然而，我們在實驗中也發(fā)現(xiàn)了一些問題，比如在進行多個傳感器數(shù)據(jù)融合時，現(xiàn)有的算法還存在精度不高等問題。此外在動作的標(biāo)準(zhǔn)化評估方面，由于缺乏運動學(xué)現(xiàn)有的標(biāo)準(zhǔn)，所以存在一定的主觀性。具體來講，主要存在以下2個方面的問題：其一，本系統(tǒng)采用了單傳感器采集肢體運動數(shù)據(jù)，這種方式在使用上較為便利，但只能用于單一肢體的運動，后續(xù)研究可以安裝多個傳感器并將多傳感器的數(shù)據(jù)進行融合，以實現(xiàn)對復(fù)雜肢體動作的識別。其二，在軟件實現(xiàn)方面，該系統(tǒng)在處理數(shù)據(jù)接收和解包時并未使用多線程機制，因此對于計算機主頻要求較高，并且容易影響啟停檢測的反應(yīng)速度，在后續(xù)研究中可以結(jié)合多線程技術(shù)使這個問題得到改善。盡管存在諸多問題，但通過在體育教學(xué)中的實驗和反饋，可以發(fā)現(xiàn)體育類等以肢體運動為主的學(xué)科，對于這類基于傳感器的教學(xué)管理平臺有很大的需求。利用傳感器和智能算法為體育學(xué)科教師提供完整的動作訓(xùn)練數(shù)據(jù)可以有效提高教學(xué)質(zhì)量，同時起到監(jiān)督學(xué)生更好完成訓(xùn)練計劃的作用。綜上所述，對本文設(shè)計的基于人工智能和傳感器網(wǎng)絡(luò)的體育教學(xué)管理系統(tǒng)進行深入研究是十分必要的。

［參考文獻(xiàn)］

［1］楊宗凱.教育信息化2.0:顛覆與創(chuàng)新［J］.中國教育網(wǎng)絡(luò),2018（1）:18-19.

［2］趙旭.基于云存儲的數(shù)字化教學(xué)資源管理平臺綜述［J］.數(shù)字技術(shù)與應(yīng)用,2017（9）:32-34.

［3］李蘭民.國內(nèi)外BlackBoard平臺課程建設(shè)的現(xiàn)狀分析及展望［J］.北方文學(xué)（下旬）,2017（6）:184.

［4］張棟.基于B/S模式的體育管理信息平臺的應(yīng)用研究［J］.電子設(shè)計工程,2015（24）:46-48.

［5］陳妍妍.普通高校體育網(wǎng)絡(luò)教學(xué)平臺的設(shè)計與實現(xiàn)［D］.北京：北京郵電大學(xué),2010.

［6］李尚濱,王德才,劉英爽,等.基于物聯(lián)網(wǎng)的體育教學(xué)平臺設(shè)計［J］.體育學(xué)刊,2015（1）:90-94.

作者：馬驍 韓維佳 李子琦 單位：陜西師范大學(xué)物理與信息技術(shù)學(xué)院