体能训练已成为当前社会中重要且频繁的实践活动之一,但目前主要还是以人工监管的方式进行,导致体能训练存在监管力度不足、效率低下以及人力浪费的问题,此外,基于红外的计数方式无法实现对体能训练的规范性监测。本论文针对以上问题研发了基于视频分析的体能训练规范监测系统软件,采用人体姿态估计等深度学习方法,实现了对体能训练高效、精确的实时监测,具有较好的理论和工程应用价值。本论文研发的体能训练规范监测系统软件采用C/S架构,分为系统服务端和系统客户端两部分,构建了集数据采集、数据治理、智能分析和综合决策于一体的数据处理中心,实现了体能训练数据展示、视频的采集和处理、报警事件的订阅推送和训练动作规范化分析等功能。服务端软件通过网络摄像机的接入实现视频数据的采集、处理和分发,基于摄像机的特定场景和参数配置对训练动作进行分析,通过对客户端的统一管理实现对订阅客户端的事件推送。客户端软件基于地图实现对体能训练的可视化监测,支持对过往数据的条件查询,支持数据以图表形式呈现,支持用户对系统的配置和管理。为实现体能训练的智能化监测,研发了训练动作检测算法,该算法基于Alpha Pose框架获取视频中运动人员的人体关键点数据,基于Py Torch深度学习框架和图卷积网络GCN训练得到运动类型检测模型;基于人体关键点序列的逐帧分析研发了三种运动的动作规范化分析方法,实现了运动的规范性判断和计数功能。经模拟环境测试,本论文研发的训练动作检测算法较好地实现了对运动的分类以及对训练动作的规范化分析和计数功能,在功能和性能上基本满足实际应用需求。