CN110180156A - 一种健美操训练动作分析方法及系统 - Google Patents

Abstract

本发明公开了一种健美操训练动作分析方法及系统，包括动作采集模块、信息处理模块、资源共享平台、控制器、数据记录模块、数据库、资料录入模块和数据互联模块；本发明是先将初次评估化操作后得到的常规动作信号来进行数据分析，再将初次评估化操作后得到的优质指导信号、劣质示范信号一同进行二次分区化操作，并对得到的信号交换发送，且还将用户劣质示范信号中的各动作名称出现总量进行数据分析，并依据不同结果来提取相应训练指导资料至该用户的云存储端，即依据双重的协同配合手段，以在提高分析准确度的基础上，来建立群体间的相互联系，达到相互促进、共同学习的目的。

Description

一种健美操训练动作分析方法及系统

技术领域

本发明涉及训练动作分析技术领域，具体为一种健美操训练动作分析方法及系统。

背景技术

健美操是一项集体操、舞蹈、音乐、健身和娱乐于一体的体育项目，它也是一种有氧运动，其动作特征将持续一定时长，以便锻炼练习者的心肺功能与耐力。

现如今对于健美操训练动作的规范化判定，大多是采用单独特征点的判断方式，准确度低且规则单一，难以将单独特征点及其有关方面相结合，并对分析后的内容做适应性处理，以提高训练动作的判定准确度；而在现有的健美操训练动作分析后，难以依据分析结果来分块化指导与教学，同时建立群体间的多元化交流方式，以在训练动作分析的基础上来达到相互促进、共同学习的目的。

为了解决上述缺陷，现提供一种技术方案。

发明内容

本发明的目的在于提供一种健美操训练动作分析方法及系统。

本发明所要解决的技术问题如下：

(1)如何依据一种有效的方式，来将单独特征点及其有关方面相结合，并对分析后的内容做适应性处理，以提高训练动作的判定准确度；

(2)如何来依据分析结果进行分块化指导与教学，同时建立群体间的多元化交流方式，以在训练动作分析的基础上来达到相互促进、共同学习的目的。

本发明的目的可以通过以下技术方案实现：

一种健美操训练动作分析方法，包括如下步骤：

步骤一：先获取到用户在训练过程中的视频图像及其特征点的特征信息，再对其进行评估化操作，以得到优质指导信号、劣质示范信号和常规动作信号；

步骤二：将评估化操作后生成的常规动作信号中的各动作名称，及其各自的实时接收时间进行记录，并在满足一个月时间内的该动作名称总记录量大于预设值q，以及该动作名称的相邻两个接收时刻间的平均时长大于预设值w时，则发送与该动作名称所对应的训练指导资料，而在两者均小于各自的预设值q、w时，则将该动作名称发送至用户手机中，而在其它情况下，则将该动作名称生成训练特征表并由投影屏显示出来；

步骤三：将评估化操作后生成的优质指导信号、劣质示范信号存储并进行分区化操作，以得到高匹配信号、中匹配信号和低匹配信号；且还将一个月时间内的所有用户劣质示范信号中的各动作名称出现总量标定为Fi，i＝1...n，再将Fi与相比较，并在Fi大于时，发送与Fi所对应的动作名称的训练指导资料至该用户；

步骤四：先将分区化操作后生成的任意两位用户各自的高匹配信号进行交换并发送至用户，再将分区化操作后生成的任意两位用户各自的中匹配信号和低匹配信号一同进行交换并发送至用户。

一种健美操训练动作分析系统，包括动作采集模块、信息处理模块、资源共享平台、控制器、数据记录模块、数据库、资料录入模块和数据互联模块；

所述动作采集模块用于采集用户在训练过程中的视频图像及其特征点的特征信息，而特征点标定为头顶、两个肩关节、两个肘关节、两个手掌、肚脐、两个膝关节和两个脚掌处，而特征信息由各特征点的间距数据和各特征点与人体背部所构成的竖直平面间的垂直距离数据组成，并将其传输至信息处理模块；

所述信息处理模块用于对接收到的用户在训练过程中的视频图像及其特征点的特征信息进行评估化操作，并将生成的优质指导信号、劣质示范信号一同传输至资源共享平台，且将生成的常规动作信号经控制器传输至数据记录模块；

所述数据记录模块用于将常规动作信号中的各动作名称，及其各自的实时接收时间记录，当满足一个月时间内的该动作名称总记录量大于预设值q，以及该动作名称的相邻两个接收时刻间的平均时长大于预设值w时，即从数据库中调取与该动作名称所对应的训练指导资料，而在两者均小于各自的预设值q、w时，则将该动作名称传输至数据互联模块，而在其它情况下，则将该动作名称生成训练特征表并由投影屏显示出来，即可针对水平较为常规的训练动作来再次进行数据化分析，并获取出用户重视但不标准的训练动作、不感兴趣的训练动作和不太喜爱的训练动作，以分别做出适应性措施来对其进行指导、改善；

所述资源共享平台用于接收用户的优质指导信号、劣质示范信号，并将其存储至该用户的云存储端，再对其进行分区化操作，当获取到任意两位用户各自的高匹配信号，或是中匹配信号和低匹配信号时，将其交换发送至该用户的云存储端，以便建立群体间的相互联系，促进共同学习与交流；

且资源共享平台还用于将一个月时间内的所有用户劣质示范信号中的各动作名称出现总量标定为Fi，i＝1...n，再将Fi与相比较，并在Fi大于时，将该Fi所对应的动作名称发送至数据库，并提取所对应的训练指导资料至该用户的云存储端，而在其它情况下，不做出任何处理；

所述数据互联模块用于将该动作名称发送至用户手机中，且用户手机与数据互联模块电性连接；所述资料录入模块用于用户录入各动作名称所对应的训练指导资料并传输至数据库。

进一步的，该评估化操作的具体步骤如下：

A1：先获取到特征点的特征信息，再以每个动作中的各特征点出发，将与其不相邻且不重复的特征点间的总距离值标定为Qij，i＝1...n，j＝1...m，而在当i＝1时的Q1j表示以第一个动作中的第一个特征点出发，第一个特征点与其它不相邻且不重复的特征点间的总距离值；

且不重复的意义在于，例如以头顶出发，与其不相邻且不重复的特征点间的总距离值假设为头顶至两个肩关节和头顶至两个手掌的距离之和，而以两个肩关节出发时，与其不相邻且不重复的特征点间的总距离值假设为两个肩关节至头顶和两个肩关节至两个手掌距离之和，即不重复就意味着略去了任一计算过程中头顶至两个肩关节的间距，以减少无效的重复计算过程出现，简化了运算复杂程度；且不相邻的意义在于，由于肩关节与肘关节、肘关节与手掌和膝关节与脚掌的间距为恒定值，若加入后续的运算中则只会增加复杂度而无任何实质性的作用；

A2：先获取到特征点的特征信息，再以每个动作中的各特征点出发，将与其相邻且不重复的特征点间的连线距离值标定为Wij，i＝1...n，j＝1...m，而在当i＝1时的W1j表示以第一个动作中的第一个特征点出发，第一个特征点与其它相邻且不重复的特征点间的连线距离值；且将与该连线距离值相对应的两个特征点与人体背部所构成的竖直平面间的垂直距离数据分别标定为Eij与Rij，i＝1...n，j＝1...m，且Wij、Eij、Rij一一对应，而在当i＝1时的E1j、R1j分别表示为第一个动作所得到的各连线距离值中的一个特征点与人体背部所构成的竖直平面间的垂直距离数据，以及第一个动作所得到的各连线距离值中的另一个特征点与人体背部所构成的竖直平面间的垂直距离数据；

A3：先依据公式来求得每个动作所得到的各相邻且不重复的两特征点的连线与人体背部所构成的竖直平面间的特征角度，再据此以每个动作中的各特征点出发，将与其相邻且不重复的特征点间的连线与人体背部所构成的竖直平面间的总特征角度标定为Tij，i＝1...n，j＝1...m，而在当i＝1时的α1j、T1j分别表示为第一个动作所得到的各相邻且不重复的两特征点的连线与人体背部所构成的竖直平面间的特征角度，以及第一个动作中的各特征点出发，将与其相邻且不重复的特征点间的连线与人体背部所构成的竖直平面间的总特征角度；

A4：先依据公式Oij为预设变化值，来求得每个动作的距离系数，再依据公式Lij为预设变化值，来求得每个动作的角度系数，且Ii与Pi一一对应，并将Ii、Pi分别与各自的预设范围Ki和Ji相比较，当Ii、Pi均位于各自的预设范围Ki和Ji之内时，将与Ii或Pi相对应的视频图像及其动作名称一同生成优质指导信号，当Ii、Pi均位于各自的预设范围Ki和Ji之外时，将与Ii或Pi相对应的视频图像及其动作名称一同生成劣质示范信号，而在其它情况下，将与Ii或Pi相对应的动作名称生成常规动作信号。

进一步的，该分区化操作的具体步骤如下：

B1：先获取到两个星期内各用户的优质指导信号，并将与其相对应的所有动作名称一同标定为区块化Si，i＝1...n，而区块化Si表示为所有的动作名称均在设定的区域内，再获取到两个星期内各用户的劣质示范信号，并将与其相对应的所有动作名称一同标定为区块化Di，i＝1...n，且Si与Di一一对应，而在当i＝1时的区块化S1、D1分别表示为两个星期内的第一位用户的优质指导信号、劣质示范信号中，与其相对应的所有动作名称；

B2：先将S1与其它区块化Di，i＝2...n相比较，再将D1与其它区块化Si，i＝2...n相比较，当满足两者相同的动作名称数分别大于预设值s、d时，将两者相同的动作名称所对应的视频图像各自生成高匹配信号，而在其它情况下，先将两者相同的动作名称所对应的视频图像各自生成中匹配信号，再将两者不同的动作名称所对应的视频图像各自生成低匹配信号。

本发明的有益效果：

1.本发明是先由动作采集模块来采集用户在训练过程中的视频图像及其特征点的特征信息，并传输至信息处理模块，而信息处理模块将对其进行评估化操作，且在评估化操作过程中，是依据特征点间的距离及其形成角度来求得每个动作的距离系数与角度系数，再经比较后将生成的常规动作信号经控制器传输至数据记录模块，以及将优质指导信号、劣质示范信号一同传输至资源共享平台，进而将单独特征点及其形成角度相结合，并对分析后的信号分别传输做适应性处理，以提高训练动作的判定准确度；

2.本发明的数据记录模块将常规动作信号中的各动作名称，及其各自的实时接收时间记录，并在与预设值q、w相比较后，以实施不同的针对化方案，而资源共享平台将优质指导信号、劣质示范信号一同发送至该用户的云存储端，再对其进行分区化操作，而在分区化操作过程中，是依据用户优质指导信号、劣质示范信号中所有动作名称的相互匹配度来划分区块，并建立各自的高匹配信号，或是中匹配信号和低匹配信号，并将其交换发送至该用户的云存储端，且资源共享平台还将用户劣质示范信号中的各动作名称出现总量进行分析，并依据不同结果来提取相应训练指导资料至该用户的云存储端，进而将分析结果进行分块化指导与教学，同时建立群体间的多元化交流方式，以在训练动作分析的基础上来达到相互促进、共同学习的目的。

附图说明

为了便于本领域技术人员理解，下面结合附图对本发明作进一步的说明。

图1为本发明的系统框图。

具体实施方式

如图1所示，一种健美操训练动作分析方法，包括如下步骤：

步骤一：先获取到用户在训练过程中的视频图像及其特征点的特征信息，再对其进行评估化操作，以得到优质指导信号、劣质示范信号和常规动作信号；

步骤二：将评估化操作后生成的常规动作信号中的各动作名称，及其各自的实时接收时间进行记录，并在满足一个月时间内的该动作名称总记录量大于预设值q，以及该动作名称的相邻两个接收时刻间的平均时长大于预设值w时，则发送与该动作名称所对应的训练指导资料，而在两者均小于各自的预设值q、w时，则将该动作名称发送至用户手机中，而在其它情况下，则将该动作名称生成训练特征表并由投影屏显示出来；

步骤三：将评估化操作后生成的优质指导信号、劣质示范信号存储并进行分区化操作，以得到高匹配信号、中匹配信号和低匹配信号；且还将一个月时间内的所有用户劣质示范信号中的各动作名称出现总量标定为Fi，i＝1...n，再将Fi与相比较，并在Fi大于时，发送与Fi所对应的动作名称的训练指导资料至该用户；

步骤四：先将分区化操作后生成的任意两位用户各自的高匹配信号进行交换并发送至用户，再将分区化操作后生成的任意两位用户各自的中匹配信号和低匹配信号一同进行交换并发送至用户。

一种健美操训练动作分析系统，包括动作采集模块、信息处理模块、资源共享平台、控制器、数据记录模块、数据库、资料录入模块和数据互联模块；

所述动作采集模块用于采集用户在训练过程中的视频图像及其特征点的特征信息，而特征点标定为头顶、两个肩关节、两个肘关节、两个手掌、肚脐、两个膝关节和两个脚掌处，而特征信息由各特征点的间距数据和各特征点与人体背部所构成的竖直平面间的垂直距离数据组成，并将其传输至信息处理模块；

所述信息处理模块用于对接收到的用户在训练过程中的视频图像及其特征点的特征信息进行评估化操作，并将生成的优质指导信号、劣质示范信号一同传输至资源共享平台，且将生成的常规动作信号经控制器传输至数据记录模块；

所述数据记录模块用于将常规动作信号中的各动作名称，及其各自的实时接收时间记录，当满足一个月时间内的该动作名称总记录量大于预设值q，以及该动作名称的相邻两个接收时刻间的平均时长大于预设值w时，即从数据库中调取与该动作名称所对应的训练指导资料，而在两者均小于各自的预设值q、w时，则将该动作名称传输至数据互联模块，而在其它情况下，则将该动作名称生成训练特征表并由投影屏显示出来，即可针对水平较为常规的训练动作来再次进行数据化分析，并获取出用户重视但不标准的训练动作、不感兴趣的训练动作和不太喜爱的训练动作，以分别做出适应性措施来对其进行指导、改善；

所述资源共享平台用于接收用户的优质指导信号、劣质示范信号，并将其存储至该用户的云存储端，再对其进行分区化操作，当获取到任意两位用户各自的高匹配信号，或是中匹配信号和低匹配信号时，将其交换发送至该用户的云存储端，以便建立群体间的相互联系，促进共同学习与交流；

且资源共享平台还用于将一个月时间内的所有用户劣质示范信号中的各动作名称出现总量标定为Fi，i＝1...n，再将Fi与相比较，并在Fi大于时，将该Fi所对应的动作名称发送至数据库，并提取所对应的训练指导资料至该用户的云存储端，而在其它情况下，不做出任何处理；

所述数据互联模块用于将该动作名称发送至用户手机中，且用户手机与数据互联模块电性连接；所述资料录入模块用于用户录入各动作名称所对应的训练指导资料并传输至数据库。

进一步的，该评估化操作的具体步骤如下：

A1：先获取到特征点的特征信息，再以每个动作中的各特征点出发，将与其不相邻且不重复的特征点间的总距离值标定为Qij，i＝1...n，j＝1...m，而在当i＝1时的Q1j表示以第一个动作中的第一个特征点出发，第一个特征点与其它不相邻且不重复的特征点间的总距离值；

且不重复的意义在于，例如以头顶出发，与其不相邻且不重复的特征点间的总距离值假设为头顶至两个肩关节和头顶至两个手掌的距离之和，而以两个肩关节出发时，与其不相邻且不重复的特征点间的总距离值假设为两个肩关节至头顶和两个肩关节至两个手掌距离之和，即不重复就意味着略去了任一计算过程中头顶至两个肩关节的间距，以减少无效的重复计算过程出现，简化了运算复杂程度；且不相邻的意义在于，由于肩关节与肘关节、肘关节与手掌和膝关节与脚掌的间距为恒定值，若加入后续的运算中则只会增加复杂度而无任何实质性的作用；

A2：先获取到特征点的特征信息，再以每个动作中的各特征点出发，将与其相邻且不重复的特征点间的连线距离值标定为Wij，i＝1...n，j＝1...m，而在当i＝1时的W1j表示以第一个动作中的第一个特征点出发，第一个特征点与其它相邻且不重复的特征点间的连线距离值；且将与该连线距离值相对应的两个特征点与人体背部所构成的竖直平面间的垂直距离数据分别标定为Eij与Rij，i＝1...n，j＝1...m，且Wij、Eij、Rij一一对应，而在当i＝1时的E1j、R1j分别表示为第一个动作所得到的各连线距离值中的一个特征点与人体背部所构成的竖直平面间的垂直距离数据，以及第一个动作所得到的各连线距离值中的另一个特征点与人体背部所构成的竖直平面间的垂直距离数据；

A3：先依据公式来求得每个动作所得到的各相邻且不重复的两特征点的连线与人体背部所构成的竖直平面间的特征角度，再据此以每个动作中的各特征点出发，将与其相邻且不重复的特征点间的连线与人体背部所构成的竖直平面间的总特征角度标定为Tij，i＝1...n，j＝1...m，而在当i＝1时的α1j、T1j分别表示为第一个动作所得到的各相邻且不重复的两特征点的连线与人体背部所构成的竖直平面间的特征角度，以及第一个动作中的各特征点出发，将与其相邻且不重复的特征点间的连线与人体背部所构成的竖直平面间的总特征角度；

A4：先依据公式Oij为预设变化值，来求得每个动作的距离系数，再依据公式Lij为预设变化值，来求得每个动作的角度系数，且Ii与Pi一一对应，并将Ii、Pi分别与各自的预设范围Ki和Ji相比较，当Ii、Pi均位于各自的预设范围Ki和Ji之内时，将与Ii或Pi相对应的视频图像及其动作名称一同生成优质指导信号，当Ii、Pi均位于各自的预设范围Ki和Ji之外时，将与Ii或Pi相对应的视频图像及其动作名称一同生成劣质示范信号，而在其它情况下，将与Ii或Pi相对应的动作名称生成常规动作信号。

进一步的，该分区化操作的具体步骤如下：

B1：先获取到两个星期内各用户的优质指导信号，并将与其相对应的所有动作名称一同标定为区块化Si，i＝1...n，而区块化Si表示为所有的动作名称均在设定的区域内，再获取到两个星期内各用户的劣质示范信号，并将与其相对应的所有动作名称一同标定为区块化Di，i＝1...n，且Si与Di一一对应，而在当i＝1时的区块化S1、D1分别表示为两个星期内的第一位用户的优质指导信号、劣质示范信号中，与其相对应的所有动作名称；

B2：先将S1与其它区块化Di，i＝2...n相比较，再将D1与其它区块化Si，i＝2...n相比较，当满足两者相同的动作名称数分别大于预设值s、d时，将两者相同的动作名称所对应的视频图像各自生成高匹配信号，而在其它情况下，先将两者相同的动作名称所对应的视频图像各自生成中匹配信号，再将两者不同的动作名称所对应的视频图像各自生成低匹配信号。

一种健美操训练动作分析方法及系统，在工作过程中：

先由动作采集模块来采集用户在训练过程中的视频图像及其特征点的特征信息，而特征点标定为头顶、两个肩关节、两个肘关节、两个手掌、肚脐、两个膝关节和两个脚掌处，而特征信息由各特征点的间距数据和各特征点与人体背部所构成的竖直平面间的垂直距离数据组成，并传输至信息处理模块，而信息处理模块将对其进行评估化操作，且在评估化操作过程中，是依据特征点间的距离及其形成角度来求得每个动作的距离系数与角度系数，再经比较后将生成的常规动作信号经控制器传输至数据记录模块，以及将优质指导信号、劣质示范信号一同传输至资源共享平台；

数据记录模块将常规动作信号中的各动作名称，及其各自的实时接收时间记录，并在与预设值q、w相比较后，以实施不同的针对化方案，而资源共享平台将优质指导信号、劣质示范信号一同发送至该用户的云存储端，再对其进行分区化操作，而在分区化操作过程中，是依据用户优质指导信号、劣质示范信号中所有动作名称的相互匹配度来划分区块，并建立各自的高匹配信号，或是中匹配信号和低匹配信号，并将其交换发送至该用户的云存储端，且资源共享平台还将用户劣质示范信号中的各动作名称出现总量进行分析，并依据不同结果来提取相应训练指导资料至该用户的云存储端；

即先由获取到的特征点的特征信息来进行评估化操作，并分析得出特征点间的距离及其形成角度，进而将相关联的两者结合，以提高训练动作的判定准确度，并据此标定出每个动作的距离系数与角度系数，再将经比较后所生成的常规动作信号，以及优质指导信号、劣质示范信号分别做适应性处理，且针对水平较为常规的训练动作来再次进行数据分析，并获取出用户重视但不标准的训练动作、不感兴趣的训练动作和不太喜爱的训练动作，以分别做出相应措施来对其进行指导、改善，且针对优质指导信号、劣质示范信号一同进行分区化操作，并对其中所有动作名称的相互匹配度来划分区块，并获取到不同匹配度的信号以交换发送至相应用户，进而建立群体间的多元化交流方式，同时还将劣质示范信号中的各动作名称出现总量进行数据分析，并依据不同结果来提取相应训练指导资料至该用户；进而将初次评估化操作后得到的常规动作信号来进行数据分析，再将优质指导信号、劣质示范信号一同进行二次分区化操作，并对得到的信号交换发送，且还将用户劣质示范信号中的各动作名称出现总量进行分析，并依据不同结果来提取相应训练指导资料至该用户的云存储端，即依据双重的协同配合手段，以在提高分析准确度的基础上，来建立群体间的相互联系，达到相互促进、共同学习的目的。

以上内容仅仅是对本发明结构所作的举例和说明，所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，只要不偏离发明的结构或者超越本权利要求书所定义的范围，均应属于本发明的保护范围。

Claims (4)

1.一种健美操训练动作分析方法，其特征在于，包括如下步骤：

步骤一：先获取到用户在训练过程中的视频图像及其特征点的特征信息，再对其进行评估化操作，以得到优质指导信号、劣质示范信号和常规动作信号；

步骤二：将评估化操作后生成的常规动作信号中的各动作名称，及其各自的实时接收时间进行记录，并在满足一个月时间内的该动作名称总记录量大于预设值q，以及该动作名称的相邻两个接收时刻间的平均时长大于预设值w时，则发送与该动作名称所对应的训练指导资料，而在两者均小于各自的预设值q、w时，则将该动作名称发送至用户手机中，而在其它情况下，则将该动作名称生成训练特征表并由投影屏显示出来；

步骤三：将评估化操作后生成的优质指导信号、劣质示范信号存储并进行分区化操作，以得到高匹配信号、中匹配信号和低匹配信号；且还将一个月时间内的所有用户劣质示范信号中的各动作名称出现总量标定为Fi，i＝1...n，再将Fi与相比较，并在Fi大于时，发送与Fi所对应的动作名称的训练指导资料至该用户；

步骤四：先将分区化操作后生成的任意两位用户各自的高匹配信号进行交换并发送至用户，再将分区化操作后生成的任意两位用户各自的中匹配信号和低匹配信号一同进行交换并发送至用户。

2.一种健美操训练动作分析系统，其特征在于，包括动作采集模块、信息处理模块、资源共享平台、控制器、数据记录模块、数据库、资料录入模块和数据互联模块；

所述动作采集模块用于采集用户在训练过程中的视频图像及其特征点的特征信息，而特征点标定为头顶、两个肩关节、两个肘关节、两个手掌、肚脐、两个膝关节和两个脚掌处，而特征信息由各特征点的间距数据和各特征点与人体背部所构成的竖直平面间的垂直距离数据组成，并将其传输至信息处理模块；

所述信息处理模块用于对接收到的用户在训练过程中的视频图像及其特征点的特征信息进行评估化操作，并将生成的优质指导信号、劣质示范信号一同传输至资源共享平台，且将生成的常规动作信号经控制器传输至数据记录模块；

所述数据记录模块用于将常规动作信号中的各动作名称，及其各自的实时接收时间记录，当满足一个月时间内的该动作名称总记录量大于预设值q，以及该动作名称的相邻两个接收时刻间的平均时长大于预设值w时，即从数据库中调取与该动作名称所对应的训练指导资料，而在两者均小于各自的预设值q、w时，则将该动作名称传输至数据互联模块，而在其它情况下，则将该动作名称生成训练特征表并由投影屏显示出来；

所述资源共享平台用于接收用户的优质指导信号、劣质示范信号，并将其存储至该用户的云存储端，再对其进行分区化操作，当获取到任意两位用户各自的高匹配信号，或是中匹配信号和低匹配信号时，将其交换发送至该用户的云存储端；

且资源共享平台还用于将一个月时间内的所有用户劣质示范信号中的各动作名称出现总量标定为Fi，i＝1...n，再将Fi与相比较，并在Fi大于时，将该Fi所对应的动作名称发送至数据库，并提取所对应的训练指导资料至该用户的云存储端；

所述数据互联模块用于将该动作名称发送至用户手机中；所述资料录入模块用于用户录入各动作名称所对应的训练指导资料并传输至数据库。

3.根据权利要求1或2所述的评估化操作，其特征在于，该评估化操作的具体步骤如下：

A1：先获取到特征点的特征信息，再以每个动作中的各特征点出发，将与其不相邻且不重复的特征点间的总距离值标定为Qij，i＝1...n，j＝1...m；

A2：先获取到特征点的特征信息，再以每个动作中的各特征点出发，将与其相邻且不重复的特征点间的连线距离值标定为Wij，i＝1...n，j＝1...m；且将与该连线距离值相对应的两个特征点与人体背部所构成的竖直平面间的垂直距离数据分别标定为Eij与Rij，i＝1...n，j＝1...m，且Wij、Eij、Rij一一对应；

A3：先依据公式来求得每个动作所得到的各相邻且不重复的两特征点的连线与人体背部所构成的竖直平面间的特征角度，再据此以每个动作中的各特征点出发，将与其相邻且不重复的特征点间的连线与人体背部所构成的竖直平面间的总特征角度标定为Tij，i＝1...n，j＝1...m；

A4：先依据公式Oij为预设变化值，来求得每个动作的距离系数，再依据公式Lij为预设变化值，来求得每个动作的角度系数，且Ii与Pi一一对应，并将Ii、Pi分别与各自的预设范围Ki和Ji相比较，当Ii、Pi均位于各自的预设范围Ki和Ji之内时，将与Ii或Pi相对应的视频图像及其动作名称一同生成优质指导信号，当Ii、Pi均位于各自的预设范围Ki和Ji之外时，将与Ii或Pi相对应的视频图像及其动作名称一同生成劣质示范信号，而在其它情况下，将与Ii或Pi相对应的动作名称生成常规动作信号。

4.根据权利要求1或2所述的分区化操作，其特征在于，该分区化操作的具体步骤如下：

B1：先获取到两个星期内各用户的优质指导信号，并将与其相对应的所有动作名称一同标定为区块化Si，i＝1...n，再获取到两个星期内各用户的劣质示范信号，并将与其相对应的所有动作名称一同标定为区块化Di，i＝1...n，且Si与Di一一对应；

B2：先将S1与其它区块化Di，i＝2...n相比较，再将D1与其它区块化Si，i＝2...n相比较，当满足两者相同的动作名称数分别大于预设值s、d时，将两者相同的动作名称所对应的视频图像各自生成高匹配信号，而在其它情况下，先将两者相同的动作名称所对应的视频图像各自生成中匹配信号，再将两者不同的动作名称所对应的视频图像各自生成低匹配信号。