人工智能下的肢體動作類教學管理系統(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科教學普遍存在教學管理困難的問題。該文在研究體育類學科教學特點的基礎上，針對其與傳統(tǒng)講授為主的學科的不同，利用傳感器網絡與智能計算相結合的方式，設計了面向體育類肢體運動教學需求的綜合教學管理系統(tǒng)，對學生肢體動作類訓練科目進行實時的監(jiān)督、跟蹤、評估與反饋，從而解決了現有肢體類教學成效和學生接受程度難以評價與管理的問題。

［關鍵詞］教學管理系統(tǒng)；傳感器網絡；人工智能

一、研究背景

隨著教育信息化建設的不斷深入，相關政策的集中出臺，教育信息化2.0行動的全面展開，“三通兩平臺”（即“寬帶網絡校校通、教學資源班班通、網絡學習空間人人通；加強數字教育資源公共服務平臺、教育管理信息系統(tǒng)平臺的建設”）的發(fā)展導向已經逐漸得到了學術界的廣泛認可[1]。作為“三通兩平臺”的重要組成部分，各類基于互聯網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。前者主要是以數字化教學資源為主的文件管理和共享平臺[2]，其中較為成熟的產品包括Dropbox、GoogleDrive、AmazonCloudDrive以及國內的“瀚海星云”校園服務平臺和“筋斗云”等基于云存儲的文件共享系統(tǒng)，主要是解決教學資源數字化之后的存儲和傳播問題。而后者著重針對教育教學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、翻轉課堂等網絡教學平臺[3]。這類教學平臺從單純的資源存儲與共享發(fā)展到與教學過程緊密融合，成為師生交互、多媒體展示、作業(yè)管理、學生反饋于一體的軟硬件教學服務系統(tǒng)，這類系統(tǒng)也是今后教學管理系統(tǒng)的發(fā)展方向和主要目標。對于體育學科來講，目前的主要研究也集中在信息的管理和共享方面，文獻[4]提出了一種基于B/S模式的教學管理平臺，突破了C/S架構在大數據處理方面的局限性。文獻[5]設計開發(fā)了一種基于Internet的面向高校體育教學的網絡教學平臺，利用網絡的互聯互通特性，為師生雙方提供了網絡教學的環(huán)境與平臺。在文獻[6]中，作者將物聯網引入教學管理中，通過物聯網收集教學信息，輔助課程的教學工作?？梢钥闯觯鲜鼋虒W管理平臺依然以數字化教學資源的管理和分享為主要目標，未能針對體育教學中肢體動作與課堂知識講授相結合的特點，對學生以動作為主的學習和訓練過程進行長期有效的跟蹤、監(jiān)督和反饋。另外，在計算機、物聯網和人工智能等技術高速發(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可以輔助醫(yī)生對病人進行初步的遠程問診[7]。而機器學習、深度學習等人工智能技術不但給網絡的邊緣設備賦予了更智能的表現，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，并在社交網絡或運動社區(qū)中與他人分享。由此可見，技術的進步已經使電子技術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)指導困難的問題。這種系統(tǒng)可以部署在體育課堂等場所，指導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和頻率是否合適。本文針對這一內容，采用人工智能和傳感器網絡相結合的方式，設計與開發(fā)了一種可以同時應用在室內和室外的體育學科肢體動作類教學的綜合化輔助管理平臺，解決了體育教學中對學生肢體動作類教學科目難監(jiān)管的問題。具體來講，本教學系統(tǒng)具備以下功能及技術特征：（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，以實現同時對多用戶的動作監(jiān)控，從而實現只需少量指導人員即可掌握多個用戶的運動情況并及時給予指導。（3）借助人工智能技術實現動作類型的識別，以適應一個場景中不同用戶開展不同運動的情況，讓指導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，實現對動作次數和動作周期這兩個重要運動指標的計算。對于持續(xù)時間或動作頻率不合理的運動參與者，指導人員能夠及時發(fā)現并給予指導，以防止運動損傷的發(fā)生，提高鍛煉效果。

二、人工智能教學平臺設計

為實現上述目的，本文設計了體育教學管理平臺結構圖（如圖1所示）。整個教學平臺主要由3個子系統(tǒng)組成：運動數據捕捉子系統(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)進行詳細的介紹。

（一）運動數據捕捉子系統(tǒng)運動數據捕捉子系統(tǒng)由9軸加速度傳感器網絡為核心組件，每個學生或教師根據所做動作的不同，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)點能夠收集相應的動作信息，并通過傳感器網絡（比如Wi-Fi網絡、藍牙或者是物聯網）將數據通過Internet傳輸至云計算服務器。

（二）智能云計算管控子系統(tǒng)云計算服務器收到運動數據后，會按照如圖2所示的流程對數據進行處理，整個云計算服務器的功能可以分為3個主要的功能模塊：數據接收與預處理模塊，數據智能處理模塊，訓練效果評估與預測模塊。數據接收與預處理模塊主要負責將接收到的自傳感器網絡發(fā)來的原始運動參數和數據進行預處理，以便于后續(xù)模塊的計算和應用。具體來講，首先對所收到數據的合法性進行判斷，即判斷該數據是否為注冊用戶所發(fā)，并記錄該用戶的身份信息。隨后判斷數據的種類，看是單個傳感器數據還是由多個傳感器共同組成的數據。如果是多傳感器數據，需要對這些多組數據進行融合，去除冗余信息，接著對多維時域數據進行降維處理，形成單維數據，并完成原始傳感器數據的預處理工作。數據智能處理模塊收到經過預處理的數據之后，首先利用支持向量機技術（SVM）判斷學生所做動作的種類。識別到動作種類后，根據動作的不同，從多維傳感器數據中選擇出與運動周期最為相關的軸，并利用這一關鍵軸根據運動周期對運動數據進行劃分，即將數據劃分為若干個相對獨立的數據段，每段表示運動的一次完整周期。接下來，分別計算該學生本次訓練動作的次數，并根據教師的標準動作，利用深度學習理論，與學生訓練的動作進行對比，對學生訓練的準確度和完整性進行評估。最后，根據偏差理論，對學生訓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節(jié)。在此基礎上，訓練效果評估與預測模塊首先讀取該學生的歷史訓練數據信息，并與實時訓練數據進行對比，以歷史數據和實時數據作為輸入參數，利用多層神經網絡算法，以訓練目標作為輸出，對訓練效果進行評估，再進一步根據評估結果和歷史訓練信息，利用偽貝葉斯預測算法，對下階段的訓練計劃進行調整和制訂，最后根據學生的訓練情況生成可視化的運動軌跡和參數圖表。生成的數據將儲存在云服務器中，供教師和學生隨時讀取，以起到對學生訓練進行監(jiān)督的目的。

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

三、實驗與思考

根據上述設計思路，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)了相應的智能肢體教學管理平臺，并針對核心的機器學習算法在體育專業(yè)學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。在數據方面，本文使用了自建數據集，該數據集總共由420個樣本組成。共有6人為數據集提供了樣本，其中男、女各3人，每人提供70條數據樣本，其中每類動作各10條。在記錄數據時，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。在數據集分配上，全部樣本的80%用作訓練集，20%用作測試集。對于深度學習模型，額外將訓練集的20%作為驗證集。從實驗結果可以看出，深度學習模型和SVM均達到了96%以上的識別準確率，高于現有的采用數值分析的技術，而多層感知機的準確率在4個模型中最低。其中，深度學習模型實現了高達97.61%的識別準確率，結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平舉，這表明本文提出的深度學習模型可以很好地用于小型數據集。SVM雖然沒有達到最高的準確率，但與深度學習模型差距不明顯，并且考慮到其運算速度與復雜度遠低于深度學習模型，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，本文為了驗證計數和頻率分析的準確率，開展了動作計數及頻率的分析實驗。對于該實驗來說，實驗結果是否客觀的標準在于試驗次數。尤其對于動作計數來說，只有保證在次數足夠多的情況下結果依然準確，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進行了50次動作，這一數值已遠高于單次鍛煉的次數要求。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，以此作為實際標準。從實驗中可以看出，算法的動作計數十分準確，50次的統(tǒng)計結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，在動作次數較多的情況下也可以很好地實現動作計數和周期計算。然而，我們在實驗中也發(fā)現了一些問題，比如在進行多個傳感器數據融合時，現有的算法還存在精度不高等問題。此外在動作的標準化評估方面，由于缺乏運動學現有的標準，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據，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據進行融合，以實現對復雜肢體動作的識別。其二，在軟件實現方面，該系統(tǒng)在處理數據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速度，在后續(xù)研究中可以結合多線程技術使這個問題得到改善。盡管存在諸多問題，但通過在體育教學中的實驗和反饋，可以發(fā)現體育類等以肢體運動為主的學科，對于這類基于傳感器的教學管理平臺有很大的需求。利用傳感器和智能算法為體育學科教師提供完整的動作訓練數據可以有效提高教學質量，同時起到監(jiān)督學生更好完成訓練計劃的作用。綜上所述，對本文設計的基于人工智能和傳感器網絡的體育教學管理系統(tǒng)進行深入研究是十分必要的。

［參考文獻］

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

［2］趙旭.基于云存儲的數字化教學資源管理平臺綜述［J］.數字技術與應用,2017（9）:32-34.

［3］李蘭民.國內外BlackBoard平臺課程建設的現狀分析及展望［J］.北方文學（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用研究［J］.電子設計工程,2015（24）:46-48.

［5］陳妍妍.普通高校體育網絡教學平臺的設計與實現［D］.北京：北京郵電大學,2010.

［6］李尚濱,王德才,劉英爽,等.基于物聯網的體育教學平臺設計［J］.體育學刊,2015（1）:90-94.

作者：馬驍 韓維佳 李子琦 單位：陜西師范大學物理與信息技術學院