在人类社会精神文明的进步和物质文明的飞速发展下,人们的生活方式发生了翻天覆地的变化,但在享受高效、便捷生活同时也面临着严重的个人健康问题。而现代人缺乏体育运动是影响健康的重要原因之一,采用有效方法进行运动进而促进身体健康将成为现代生活重要组成部分。乒乓球作为我国的国球老少皆宜爱好者众多且运动量可调,但传统乒乓运动受到时间和场地限制,且长期不正确的运动姿势会造成身体损伤。基于计算机视觉的人体动作识别技术是目前研究热点,但相关工作主要体现在可视交互方面,没有针对人体乒乓动作进行识别和评估研究。而人体乒乓动作复杂度高,运动过程中容易受到遮挡,难以实时对人体乒乓动作进行识别。本文基于计算机视觉技术采用骨骼关键点检测方法获取人体骨骼关键点信息,构建分类模型对乒乓典型动作进行识别,采用DTW算法对人体乒乓动作进行实时评估,最终将上述各部分应用于人体乒乓动作识别评估系统,为乒乓爱好者提供了不受时间场地约束的技能提高措施,同时为人体乒乓动作的学习与改进提供参考依据,使得体感运动更加科学的促进健康,为其它运动提供了应用实例。主要工作如下:1.骨骼点算法研究及骨骼关键点提取。首先介绍骨骼关键点检测方法的选取,经测试和比较研究Open Pose、Alpha Pose以及Lightweight Open Pose三种经典骨骼关键点检测模型,结合应用需求选用了Lightweight Open Pose作为本文的骨骼关键点检测方法。其次详细介绍了Open Pose模型的网络体系结构,将神经网络两个分支的训练过程进行描述,解释说明了置信度和亲和度的计算方法,对骨骼关键点检测的方法和原理进行阐述。再次介绍了基于Open Pose改进的Lightweight Open Pose模型网络体系结构,对Lightweight Open Pose中网络主干、网络设计、细化阶段的优化部分进行阐述。最后通过Lightweight Open Pose骨骼关键点检测模型对人体乒乓动作数据集中的视频以及实时获取的动作视频进行骨骼关键点检测。2.人体乒乓动作数据集制作、数据预处理及特征提取。首先制作人体乒乓动作数据集,通过摄像机对十名大学生的人体乒乓动作进行采集,将采集到的连续人体乒乓动作进行视频帧分离并通过三帧差法进行合理裁剪后输入到Lightweight Open Pose模型中,将视频中提取到的骨骼关键点位置制作成CSV格式的数据集。其次对数据集进行预处理,在自采集人体乒乓动作数据集中添加类别标签,同时为减小无关因素对识别精度的影响,对数据集进行删除冗余关键点、增补丢失关键点及滤波处理三步预处理操作。最后进行特征提取,对比颈部参考法、姿势到角度转化法及坐标归一法,选用坐标归一法作为本文特征提取方法。3.人体乒乓动作识别模型构建与评估方法研究。首先构建人体乒乓动作识别模型,采用K近邻、支持向量机以及长短期记忆网络进行分类模型的训练与测试并设置对照实验,实验结果表明支持向量机分类模型在自制数据集中完成人体乒乓动作实时识别具有较高精确度,因此本文采用支持向量机构建人体乒乓动作识别模型。其次研究动作评估方法,采用DTW算法计算实时人体乒乓动作与标准人体乒乓动作序列中每个人体骨骼关键点的累计距离,通过累计距离进行骨骼关键点间的相似度计算对人体骨骼关键点打分并标记低分骨骼关键点,实验结果表明本文较好的实现了对人体乒乓动作的实时科学评估。4.基于骨骼信息的人体乒乓动作评估系统的设计与实现。基于上述研究内容设计并实现了人体乒乓动作识别评估系统,对系统进行详细的需求分析后把系统分为数据训练模块、动作识别模块和动作评估模块,并对三个模块进行详细介绍,最后完成该系统的实现并对功能和界面进行展示。