随着马拉松运动在我国的快速发展,越来越多的马拉松爱好者参与到马拉松运动当中来。马拉松运动是一项比较耗费体力的运动,需要进行专门的训练,不能无视运动规律而盲目训练,否则会对自身健康造成损害。随着现代计算机技术的飞速发展,人们已开始寻求人工智能等现代计算机技术来构建定量化的体育运动辅助训练设备和系统,帮助训练者快捷地获取训练评估和指导。人体骨骼关键点检测技术可以获取图像中人体的一些重要关节的位置信息。本文利用基于改进的Open Pose的人体骨骼关键点检测技术从摄制的训练视频的图像序列中获取训练者的关节信息,这些信息可描述训练者的运动姿态,根据相关的运动训练标准和训练经验去分析运动姿态、提供训练建议。在此基础上构建了马拉松运动辅助训练系统,从而为马拉松运动的辅助训练提供了一个有益的帮助。本文首先研究和总结了基于深度学习的人体姿态估计特别是人体骨骼关键点检测技术的方法,介绍了几种重要的人体关键点检测网络模型,通过比对分析,选用Open Pose模型来提取马拉松运动训练视频中的人体关键点,这是进一步研究的基础。详细研究了Open Pose模型。针对Open Pose原始模型的不足之处,稍微修改了Open Pose的网络结构,并使用深度学习框架Tensor Flow进行了实现。基于改进的Open Pose模型提取了训练视频中的人体关键点,并以此为基础运用提取的人体关键点的坐标值。将两腿的上下摆动幅度、两腿的前后摆动幅度、折叠小腿、后蹬腿、高抬腿、双臂的上下摆动幅度、双臂的前后摆动幅度、两腿的摆动频率和双臂的摆动频率作为描述训练者跑步姿态的属性指标。系统能够分析训练者的跑步姿态的指标数据并根据标准马拉松视频的姿态数据以及相关的运动训练标准和训练经验去分析运动姿态并给出相应的语音提示。实现了一定程度的辅助训练的目的。在前述工作的基础上搭建了马拉松运动训练辅助系统。辅助训练系统是一个基于TCP/IP网络协议的端到端的实时音频、视频传输系统,训练者和教练能够进行实时语音和视频的互动。系统的训练指标是两腿的上下摆动幅度、两腿的前后摆动幅度、折叠小腿、后蹬腿、高抬腿、双臂的上下摆动幅度、双臂的前后摆动幅度、两腿的摆动频率和双臂的摆动频率。将两腿的上下摆动幅度（简称为“两腿的摆动幅度”）、双臂的上下摆动幅度、两腿的摆动频率和双臂的摆动频率的数据显示在界面上,并有语音播报其训练提示与建议,其余几个姿态指标的训练状态与建议完全由语音播报来代替。