CN108805068A - 一种基于学生运动的运动辅助系统、方法、装置及介质 - Google Patents

Abstract

本发明属于互联网计算机技术领域，具体涉及一种基于学生运动的运动辅助系统、方法、装置及介质，包括远程服务器、用户终端和视频采集终端，视频采集终端包括多个摄像头；远程服务器包括：视频获取单元，用于获取摄像头采集的学生运动的视频图像；动作分析单元，用于对视频图像进行分析处理，得到姿态数据和动作种类；匹配分析单元，用于将姿态数据与动作种类对应的标准动作数据进行匹配对比，得到匹配结果；评估反馈单元，根据匹配结果进行评估分析，得到评估结果，将评估结果反馈给用户终端。本发明通过采集学生运动的视频图像，对学生在运动中的姿态进行分析评估，并将评估结果反馈给学生，从而指导学生改进不标准的动作，帮助学生取得进步。

Description

一种基于学生运动的运动辅助系统、方法、装置及介质

技术领域

本发明属于互联网计算机技术领域，具体涉及一种基于学生运动的运动辅助系统、方法、装置及介质。

背景技术

现有教育体制提倡素质教育，对于广大的在校学生，为了提高学生的各方面素质，学校会安排多种类别的课程，例如音乐、绘画、运动等等。运动有益于学生的身心健康和身体成长，而良好的身体状态有益于提高学生的学习效率。通常学校的运动课程包括篮球运动、足球运动、排球运动、羽毛球运动、网球运动等等。

学生在上运动课时，一般都由教练在旁训练和指导，而学生的学习水平和进步状况完全依赖于授课教练的个人水平，而教练的水平参差不平，难免会有所误导。而学生在自由时间进行运动时，无人指导，对自己不标准的一些动作姿态难以察觉，因而难以取得进步。

发明内容

针对现有技术中的缺陷，本发明提供了一种基于学生运动的运动辅助系统、方法、装置及介质，通过采集学生运动的视频图像，对学生在运动中的姿态进行分析评估，并将评估结果反馈给学生，从而指导学生改进不标准的动作，帮助学生取得进步。

第一方面，本发明提供了一种基于学生运动的运动辅助系统，包括远程服务器，以及与所述远程服务器进行通讯的用户终端和视频采集终端，所述视频采集终端包括设置于运动场周围的多个摄像头；

所述远程服务器包括：

视频获取单元，用于获取摄像头采集的学生运动的视频图像；

动作分析单元，用于对视频图像进行分析处理，得到学生运动的关键动作的姿态数据和动作种类；

匹配分析单元，用于将姿态数据与动作种类对应的标准动作数据进行匹配对比，得到匹配结果；

评估反馈单元，根据匹配结果对学生运动的姿态进行评估分析，得到评估结果，将评估结果反馈给用户终端，以便用户查看和学习。

优选地，所述动作分析单元包括:

运动目标检测模块，用于通过检测算法从视频图像中检测出运动目标，并获得运动目标的特征信息；

运动目标跟踪模块，用于根据运动目标的特征信息，通过跟踪算法对运动目标进行实时跟踪；

行为姿态模块，用于通过机器学习算法对运动目标的行为进行理解和描述，并从视频图像提取出若干关键动作的姿态图像，根据姿态图像得到姿态数据和动作种类。

优选地，所述检测算法包括背景差分法、数学形态学算法和面积阈值算法；所述跟踪算法包括CamShift算法。

优选地，所述远程服务器还包括标准数据库，所述标准数据库内存储有多种动作种类的的标准动作数据，所述动作种类包括篮球运动、足球运动、排球运动、羽毛球运动和网球运动。

优选地，所述评估结果包括匹配对比表格、评分、改进建议和学习报告。

第二方面，本发明提供了一种基于学生运动的运动辅助方法，适用于第一方面所述的一种基于学生运动的运动辅助系统，包括以下步骤：

获取摄像头采集的学生运动的视频图像；

对视频图像进行分析处理，得到学生运动的关键动作的姿态数据和动作种类；

将姿态数据与动作种类对应的标准动作数据进行匹配对比，得到匹配结果；

根据匹配结果对学生运动的姿态进行评估分析，得到评估结果，将评估结果反馈给用户终端，以便用户查看和学习。

优选地，所述对视频图像进行分析处理，得到学生运动的关键动作的姿态数据和动作种类，包括以下具体步骤：

通过检测算法从视频图像中检测出运动目标，并获得运动目标的特征信息；

根据运动目标的特征信息，通过跟踪算法对运动目标进行实时跟踪；

通过机器学习算法对运动目标的行为进行理解和描述，并从视频图像提取出若干关键动作的姿态图像，根据姿态图像得到姿态数据和动作种类。

优选地，所述检测算法包括背景差分法、数学形态学算法和面积阈值算法；所述跟踪算法包括CamShift算法。

第三方面，本发明提供了一种装置，包括处理器和存储器，所述处理器和存储器相互连接，所述存储器用于存储计算机程序，所述计算机程序包括程序指令，所述处理器被配置用于调用所述程序指令，执行第二方面所述的方法。

第四方面，本发明提供了一种计算机可读存储介质，所述计算机存储介质存储有计算机程序，所述计算机程序包括程序指令，所述程序指令当被处理器执行时使所述处理器执行第二方面所述的方法。

本发明的有益效果为：通过采集学生运动的视频图像，对学生在运动中的姿态进行分析评估，并将评估结果反馈给学生，从而指导学生改进不标准的动作，帮助学生取得进步。

附图说明

为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍。在所有附图中，类似的元件或部分一般由类似的附图标记标识。附图中，各元件或部分并不一定按照实际的比例绘制。

图1为本实施例中基于学生运动的运动辅助系统结构图；

图2为本实施例中基于学生运动的运动辅助方法流程图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

应当理解，当在本说明书和所附权利要求书中使用时，术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。

还应当理解，在此本发明说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本发明。如在本发明说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。

还应当进一步理解，在本发明说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。

具体实现中，本发明实施例中描述的终端包括但不限于诸如具有触摸敏感表面(例如，触摸屏显示器和/或触摸板)的移动电话、膝上型计算机或平板计算机之类的其它便携式设备。还应当理解的是，在某些实施例中，所述设备并非便携式通信设备，而是具有触摸敏感表面(例如，触摸屏显示器和/或触摸板)的台式计算机。

在接下来的讨论中，描述了包括显示器和触摸敏感表面的终端。然而，应当理解的是，终端可以包括诸如物理键盘、鼠标和/或控制杆的一个或多个其它物理用户接口设备。

终端支持各种应用程序，例如以下中的一个或多个：绘图应用程序、演示应用程序、文字处理应用程序、网站创建应用程序、盘刻录应用程序、电子表格应用程序、游戏应用程序、电话应用程序、视频会议应用程序、电子邮件应用程序、即时消息收发应用程序、锻炼支持应用程序、照片管理应用程序、数码相机应用程序、数字摄影机应用程序、web浏览应用程序、数字音乐播放器应用程序和/或数字视频播放器应用程序。

可以在终端上执行的各种应用程序可以使用诸如触摸敏感表面的至少一个公共物理用户接口设备。可以在应用程序之间和/或相应应用程序内调整和/或改变触摸敏感表面的一个或多个功能以及终端上显示的相应信息。这样，终端的公共物理架构(例如，触摸敏感表面)可以支持具有对用户而言直观且透明的用户界面的各种应用程序。

实施例一：

本实施例提供了一种基于学生运动的运动辅助系统，如图1所示，包括远程服务器，以及与所述远程服务器进行通讯的用户终端和视频采集终端，所述视频采集终端包括设置于运动场周围的多个摄像头。

本实施例的用户终端包括但不限于智能手机、IPAD等等。用户可通过智能手机上安装的本系统APP或关注的微信公众号来访问远程服务器，查看视频图像和评估结果。

所述远程服务器包括但不限于标准数据库、视频获取单元、动作分析单元、匹配分析单元和评估反馈单元。

所述标准数据库，所述标准数据库内存储有多种动作种类的的标准动作数据，所述动作种类包括但不限于篮球运动、足球运动、排球运动、羽毛球运动、网球运动。

所述视频获取单元，用于获取摄像头采集的学生运动的视频图像。为了后续分析匹配的结果更准确，本实施例对同一运动从不同角度进行视频拍摄，因而在运动场周围设置有多个摄像头，摄像头将实时采集的运动场的视频图像发送给远程服务器，远程服务器获取视频图像后进行后续的分析。

所述动作分析单元，用于对视频图像进行分析处理，得到学生运动的关键动作的姿态数据和动作种类。所述动作分析单元包括但不限于运动目标检测模块、运动目标跟踪模块和行为姿态模块。

其中，运动目标检测模块，用于通过检测算法从视频图像中检测出运动目标，并获得运动目标的特征信息。所述检测算法包括背景差分法、数学形态学算法和面积阈值算法。

本实施例中的背景差分法，需要一张背景图像，然后对视频图像和此背景图像进行差分运算，用一张新的图像保存差分结果的绝对值。在此差分图像中，若像素的值大于一个特定的阈值，则认为视频图像中相应位置的像素属于运动目标区域，若像素的值小于或者等等于一个特定的阈值，则认为视频图像中相应位置的像素属于背景区域。通过背景差分法检测出的结果并不是完美的，存在这样或那样的缺陷，如孤立的噪声点、被误检出来的小区域、运动目标区域内存在孔洞、区域的轮廓有大量突刺。这些缺陷将严重影响目标的特征提取，所以采用数学形态学算法和面积阈值算法相结合的方式，一方面消除了噪声和那些被误检出来的小区域，另一方面对运动目标区域进行了一定的优化。优化后从视频图像中提取出运动目标的特征信息，比如形状、边缘轮廓、颜色等等。

例如，获取张丽网球运动的视频图像，在视频图像开始阶段，将带有张丽肖像信息的背景图像与视频图像进行差分运算，然后进行优化，优化后提取张丽的特征信息。

其中，运动目标跟踪模块，用于根据运动目标的特征信息，通过跟踪算法对运动目标进行实时跟踪。所述跟踪算法包括但不限于CamShift算法。

应用CamShift算法进行彩色物体跟踪，首先要确定一个矩形区域，这个区域可能是包含这个运动目标区域的最小外接矩形，也可能是在运动目标区域内划分出来的一个区域，接着在此矩形区域内统计的直方图，用此矩形的值来初始化搜索窗的位置和大小，最后使用CamShift算法进行连续的实时跟踪。CamShift算法作用于动态概率分布，在连续的视频图像序列中，运动物体的大小和位置的变化导致相应的概率分布的动态变化，CamShift算法自适应概率分布的动态变化，根据概率分布的变化情况调整搜寻窗口的大小和位置，从而实现运动目标的跟踪。

例如，提取出张丽的特征信息后，进入运动目标跟踪阶段，在此阶段，对每一帧视频图像，不断的在图像中搜寻张丽，从而对张丽的整个网球运动过程进行跟踪。

其中，行为姿态模块，用于通过机器学习算法对运动目标的行为进行理解和描述，并从视频图像提取出若干关键动作的姿态图像，根据姿态图像得到姿态数据和动作种类。

本实施例的所述机器学习算法包括但不限于贝叶斯网络，通过贝叶斯网络对运动目标的行为动作进行识别，得到运动目标进行的运动种类和该运动种类中不同阶段的具体行为。例如，通过识别得到张丽进行的运动为网球运动，并从视频图像的若干帧中提取出跳步(跳步为网球运动中的关键动作)的多张姿态图像，并得到跳步这多张姿态图像的姿态数据。

所述匹配分析单元，用于将姿态数据与动作种类对应的标准动作数据进行匹配对比，得到匹配结果。

例如，从标准数据库中查询网球运动的标准动作数据，再从网球运动的标准动作数据中查询跳步的标准动作数据。将得到的跳步的姿态数据与跳步的标准动作数据(如大腿和小腿的标准夹角、脚地面的标准高度，身体的标准倾斜角等等)进行匹配比较，得到匹配结果(如夹角偏差值、高度偏差值、倾斜角的偏差值等等)。

所述评估反馈单元，根据匹配结果对学生运动的姿态进行评估分析，得到评估结果，将评估结果反馈给用户终端，以便用户查看和学习。

本实施例中根据匹配结果对张丽的网球运动的姿态进行评估分析，将评估结果反馈给张丽的智能手机和张丽的教练，所述评估结果包括匹配对比表格(匹配对比表格包括但不限于姿态数据、标准动作数据和偏差值)、评分(总分10分，此次评分为7.6分)、改进建议(如怎样调整动作)和学习报告(如最近一周的学习报告、最近一个月的学习报告等等)。便于张丽查看自己的运动情况和教练了解张丽的运动情况。

综上所述，本实施例通过采集学生运动的视频图像，对学生在运动中的姿态进行分析评估，并将评估结果反馈给学生，从而指导学生改进不标准的动作，帮助学生取得进步；减去教练的工作难度，辅助教练对学生进行指导。

实施例二：

本实施例提供了一种基于学生运动的运动辅助方法，适用于实施例一所述的一种基于学生运动的运动辅助系统，如图2所示，包括但不限于以下步骤：

S1，获取摄像头采集的学生运动的视频图像。为了后续分析匹配的结果更准确，本实施例对同一运动从不同角度进行视频拍摄，因而在运动场周围设置有多个摄像头，摄像头将实时采集的运动场的视频图像发送给远程服务器，远程服务器获取视频图像后进行后续的分析。

S2，对视频图像进行分析处理，得到学生运动的关键动作的姿态数据和动作种类。

所述步骤S2包括S21、S22和S23这三个具体步骤：

S21，通过检测算法从视频图像中检测出运动目标，并获得运动目标的特征信息。所述检测算法包括背景差分法、数学形态学算法和面积阈值算法。

本实施例中的背景差分法，需要一张背景图像，然后对视频图像和此背景图像进行差分运算，用一张新的图像保存差分结果的绝对值。在此差分图像中，若像素的值大于一个特定的阈值，则认为视频图像中相应位置的像素属于运动目标区域，若像素的值小于或者等等于一个特定的阈值，则认为视频图像中相应位置的像素属于背景区域。通过背景差分法检测出的结果并不是完美的，存在这样或那样的缺陷，如孤立的噪声点、被误检出来的小区域、运动目标区域内存在孔洞、区域的轮廓有大量突刺。这些缺陷将严重影响目标的特征提取，所以采用数学形态学算法和面积阈值算法相结合的方式，一方面消除了噪声和那些被误检出来的小区域，另一方面对运动目标区域进行了一定的优化。优化后从视频图像中提取出运动目标的特征信息，比如形状、边缘轮廓、颜色等等。

例如，获取张丽网球运动的视频图像，在视频图像开始阶段，将带有张丽肖像信息的背景图像与视频图像进行差分运算，然后进行优化，优化后提取张丽的特征信息。

S22，根据运动目标的特征信息，通过跟踪算法对运动目标进行实时跟踪。所述跟踪算法包括但不限于CamShift算法。

应用CamShift算法进行彩色物体跟踪，首先要确定一个矩形区域，这个区域可能是包含这个运动目标区域的最小外接矩形，也可能是在运动目标区域内划分出来的一个区域，接着在此矩形区域内统计的直方图，用此矩形的值来初始化搜索窗的位置和大小，最后使用CamShift算法进行连续的实时跟踪。CamShift算法作用于动态概率分布，在连续的视频图像序列中，运动物体的大小和位置的变化导致相应的概率分布的动态变化，CamShift算法自适应概率分布的动态变化，根据概率分布的变化情况调整搜寻窗口的大小和位置，从而实现运动目标的跟踪。

例如，提取出张丽的特征信息后，进入运动目标跟踪阶段，在此阶段，对每一帧视频图像，不断的在图像中搜寻张丽，从而对张丽的整个网球运动过程进行跟踪。

S23，通过机器学习算法对运动目标的行为进行理解和描述，并从视频图像提取出若干关键动作的姿态图像，根据姿态图像得到姿态数据和动作种类。

本实施例的所述机器学习算法包括但不限于贝叶斯网络，通过贝叶斯网络对运动目标的行为动作进行识别，得到运动目标进行的运动种类和该运动种类中不同阶段的具体行为。例如，通过识别得到张丽进行的运动为网球运动，并从视频图像的若干帧中提取出跳步(跳步为网球运动中的关键动作)的多张姿态图像，并得到跳步这多张姿态图像的姿态数据。

S3，将姿态数据与动作种类对应的标准动作数据进行匹配对比，得到匹配结果。所述标准动作数据存储于标准数据库内，所述标准数据库内存储有多种动作种类的的标准动作数据，所述动作种类包括但不限于篮球运动、足球运动、排球运动、羽毛球运动、网球运动。

例如，从标准数据库中查询网球运动的标准动作数据，再从网球运动的标准动作数据中查询跳步的标准动作数据。将得到的跳步的姿态数据与跳步的标准动作数据(如大腿和小腿的标准夹角、脚地面的标准高度，身体的标准倾斜角等等)进行匹配比较，得到匹配结果(如夹角偏差值、高度偏差值、倾斜角的偏差值等等)。

S4，根据匹配结果对学生运动的姿态进行评估分析，得到评估结果，将评估结果反馈给用户终端，以便用户查看和学习。

本实施例中根据匹配结果对张丽的网球运动的姿态进行评估分析，将评估结果反馈给张丽的智能手机和张丽的教练，所述评估结果包括匹配对比表格(匹配对比表格包括但不限于姿态数据、标准动作数据和偏差值)、评分(总分10分，此次评分为7.6分)、改进建议(如怎样调整动作)和学习报告(如最近一周的学习报告、最近一个月的学习报告等等)。便于张丽查看自己的运动情况和教练了解张丽的运动情况。

综上所述，本实施例通过采集学生运动的视频图像，对学生在运动中的姿态进行分析评估，并将评估结果反馈给学生，从而指导学生改进不标准的动作，帮助学生取得进步；减去教练的工作难度，辅助教练对学生进行指导。

实施例三：

本实施例提供了一种装置，包括处理器和存储器，所述处理器和存储器相互连接，所述存储器用于存储计算机程序，所述计算机程序包括程序指令，所述处理器被配置用于调用所述程序指令，执行实施例二所述的方法。

应当理解，在本发明实施例中，所称存储器可以包括只读存储器和随机存取存储器，并向处理器提供指令和数据。存储器的一部分还可以包括非易失性随机存取存储器。例如，存储器还可以存储有设备类型的相关信息。

处理器用于运行或执行被存储在内部存储器中的操作系统，各种软件程序，以及自身的指令集，并用于处理来自于触摸式输入装置或自其它外部输入途径接收到的数据和指令，以实现各种功能。处理器可以包括但不限于中央处理器(CPU)、通用图像处理器(GPU)、微处理器(MCU)、数字信号处理器(DSP)、现场可编程逻辑门阵列(FPGA)，应用专用集成电路(ASIC)中的一种或多种。

综上所述，本实施例通过采集学生运动的视频图像，对学生在运动中的姿态进行分析评估，并将评估结果反馈给学生，从而指导学生改进不标准的动作，帮助学生取得进步；减去教练的工作难度，辅助教练对学生进行指导。

实施例四：

本实施例提供了一种计算机可读存储介质，所述计算机存储介质存储有计算机程序，所述计算机程序包括程序指令，所述程序指令当被处理器执行时使所述处理器执行实施例二所述的方法。

具体的，所述计算机可读存储介质可包括缓存(Cache)、高速随机存取存储器(RAM)，例如常见的双倍数据率同步动态随机存取内存(DDR SDRAM)，并且还可包括非易失性存储器(NVRAM)，诸如一个或多个只读存储器(ROM)、磁盘存储设备、闪存(Flash)存储器设备、或其他非易失性固态存储器设备例如光盘(CD-ROM，DVD-ROM)，软盘或数据磁带等等。

综上所述，本实施例通过采集学生运动的视频图像，对学生在运动中的姿态进行分析评估，并将评估结果反馈给学生，从而指导学生改进不标准的动作，帮助学生取得进步；减去教练的工作难度，辅助教练对学生进行指导。

本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及方法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。

在本申请所提供的几个实施例中，应该理解到，所描述的系统和方法，可以通过其它的方式实现。例如，以上所描述的系统实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。

另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以是两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围，其均应涵盖在本发明的权利要求和说明书的范围当中。

Claims (10)

1.一种基于学生运动的运动辅助系统，其特征在于，包括远程服务器，以及与所述远程服务器进行通讯的用户终端和视频采集终端，所述视频采集终端包括设置于运动场周围的多个摄像头；

所述远程服务器包括：

视频获取单元，用于获取摄像头采集的学生运动的视频图像；

动作分析单元，用于对视频图像进行分析处理，得到学生运动的关键动作的姿态数据和动作种类；

匹配分析单元，用于将姿态数据与动作种类对应的标准动作数据进行匹配对比，得到匹配结果；

评估反馈单元，根据匹配结果对学生运动的姿态进行评估分析，得到评估结果，将评估结果反馈给用户终端，以便用户查看和学习。

2.根据权利要求1所述的一种基于学生运动的运动辅助系统，其特征在于，所述动作分析单元包括:

运动目标检测模块，用于通过检测算法从视频图像中检测出运动目标，并获得运动目标的特征信息；

运动目标跟踪模块，用于根据运动目标的特征信息，通过跟踪算法对运动目标进行实时跟踪；

行为姿态模块，用于通过机器学习算法对运动目标的行为进行理解和描述，并从视频图像提取出若干关键动作的姿态图像，根据姿态图像得到姿态数据和动作种类。

3.根据权利要求2所述的一种基于学生运动的运动辅助系统，其特征在于，所述检测算法包括背景差分法、数学形态学算法和面积阈值算法；所述跟踪算法包括CamShift算法。

4.根据权利要求1所述的一种基于学生运动的运动辅助系统，其特征在于，所述远程服务器还包括标准数据库，所述标准数据库内存储有多种动作种类的的标准动作数据，所述动作种类包括篮球运动、足球运动、排球运动、羽毛球运动和网球运动。

5.根据权利要求4所述的一种基于学生运动的运动辅助系统，其特征在于，所述评估结果包括匹配对比表格、评分、改进建议和学习报告。

6.一种基于学生运动的运动辅助方法，适用于权利要求1-5任一项所述的一种基于学生运动的运动辅助系统，其特征在于，包括以下步骤：

获取摄像头采集的学生运动的视频图像；

对视频图像进行分析处理，得到学生运动的关键动作的姿态数据和动作种类；

将姿态数据与动作种类对应的标准动作数据进行匹配对比，得到匹配结果；

根据匹配结果对学生运动的姿态进行评估分析，得到评估结果，将评估结果反馈给用户终端，以便用户查看和学习。

7.根据权利要求6所述的一种基于学生运动的运动辅助方法，其特征在于，所述对视频图像进行分析处理，得到学生运动的关键动作的姿态数据和动作种类，包括以下具体步骤：

通过检测算法从视频图像中检测出运动目标，并获得运动目标的特征信息；

根据运动目标的特征信息，通过跟踪算法对运动目标进行实时跟踪；

通过机器学习算法对运动目标的行为进行理解和描述，并从视频图像提取出若干关键动作的姿态图像，根据姿态图像得到姿态数据和动作种类。

8.根据权利要求7所述的一种基于学生运动的运动辅助方法，其特征在于，所述检测算法包括背景差分法、数学形态学算法和面积阈值算法；所述跟踪算法包括CamShift算法。

9.一种装置，包括处理器和存储器，所述处理器和存储器相互连接，其特征在于，所述存储器用于存储计算机程序，所述计算机程序包括程序指令，所述处理器被配置用于调用所述程序指令，执行如权利要求6-8任一项所述的方法。

10.一种计算机可读存储介质，其特征在于，所述计算机存储介质存储有计算机程序，所述计算机程序包括程序指令，所述程序指令当被处理器执行时使所述处理器执行如权利要求6-8任一项所述的方法。