CN116611969B - 传统武术智能学习与评分系统 - Google Patents

Abstract

本发明公开了传统武术智能学习与评分系统，具体涉及虚拟现实技术领域，其包括用以提供个性化、定制化和专业化的数字武术教练模块，用以通过多个摄像头对武术学习者的动作进行同步捕捉和分析的多摄像头捕捉模块，用以对从多摄像头捕捉模块中获得的数据进行分析的数据处理模块，用以根据武术学员的动作品质和技术难度方面进行评估和打分的评分模块以及用以与学员进行直接互动的用户交互模块。本发明通过设计采用多个摄像头从多个角度捕捉用户武术动作数据，能够更精确地识别用户的动作，并根据多角度武术动作数据进行对比，得出更可靠的五维度综合评分。这种方法不仅提高了评分的准确性，而且有助于用户更好地理解和改进动作。

Description

传统武术智能学习与评分系统

技术领域

本发明涉及虚拟现实技术领域，尤其涉及传统武术智能学习与评分系统。

背景技术

随着科技的不断发展，人工智能、计算机视觉、三维建模和游戏技术等领域取得了显著进展。这些技术的发展极大地推动了智能学习系统、动作捕捉与识别等应用的崛起。另一方面，人们对健康、健身和传统文化的关注也在逐渐增加。因此，在这一背景下，结合现代科技手段将传统武术与数字化学习系统相结合，成为了一种创新的教育方法。

发明内容

本发明的目的是为了解决现有技术中存在的缺点，而提出的传统武术智能学习与评分系统。

为了实现上述目的，本发明采用了如下技术方案：

传统武术智能学习与评分系统，包括用以提供个性化、定制化和专业化的数字武术教练模块，用以通过多个摄像头对武术学习者的动作进行同步捕捉和分析的多摄像头捕捉模块，用以对从多摄像头捕捉模块中获得的数据进行分析的数据处理模块，用以根据武术学员的动作品质和技术难度方面进行评估和打分的评分模块以及用以与学员进行直接互动的用户交互模块；

所述数字武术教练模块包括用以管理学员的学习数据和学习进度信息的智能学习管理模块，用以展示的教学案例和技巧的教学案例展示模块以及用以提供学员和教练之间的在线教学互动和交流的教学互动模块；

所述多摄像头捕捉模块包括用以对多摄像头捕捉模块中的摄像头进行控制和设置的摄像头控制模块，用以从多摄像头捕捉模块中获取武术动作相关数据的数据采集模块，用以对学员的动作行为捕捉的运动捕捉模块以及用以对采集动作通过行为分析方式进行数据处理的分析反馈模块；

所述数据处理模块包括用以对采集数据进行杂余数据处理的数据清洗模块，用以对完成杂余数据处理之后进行模型建造的数据建模模块，用以根据多个评分项对学员的武术表现进行全面评估和反馈的数据评分模块。

本发明进一步设置为：所述评分模块包括用以处理和分析从多摄像头中捕捉到的学员武术动作数据的动作分析模块，用以通过机器学习和人工智能技术对学员的武术表现数据进行分析和评估的评分算法模块以及用以直观和易懂的方式呈现学员的评分结果和分析报告的评估结果展示模块；所述用户交互模块包括用以实现用户与系统进行交流的UI交互模块，用以提供学员之间进行交流、互动、共享学习资源和经验、发布新闻、讨论问题社交功能的用户社交模块以及用以让学员回放之前的训练进度和评分结果的进度回放模块；所述摄像头控制模块包括用以对武术动作进行深度学习和模型训练的模型训练模块，用以对武术动作的图像或视频进行分析对身体姿态的预测和识别的姿态预测模块，用以控制不同位置的摄像头进行拍摄处理的摄像预定模块，用以根据传感器捕捉到的数据进行分析正确性的行为判定模块，用以将来自不同传感器的数据进行融合的传感融合模块，用以对捕捉到的武术动作数据进行处理和优化的神经优化模块，用以回放捕捉到的武术动作数据的流程播放模块，用以改善系统的流程播放体验和功能的重构播放模块，用以将两个不同时间点捕捉到的武术动作数据进行比对和分析的定格比对模块，用以记录和分析使用者在进行武术动作时的姿态和动作数据的姿态统计模块以及用以比较不同算法在对武术动作数据进行处理和评分时的差异和优劣的算法比对模块。

通过采用上述技术方案：本传统武术智能学习与评分系统的设置包括评分模块、用户交互模块和摄像头控制模块，可以帮助学员更加高效地学习和提高武术技能。

本发明进一步设置为：所述UI交互模块通过将用户选择数据传输到所述数字武术教练模块中进行生成比对；所述智能学习管理模块通过接收所述UI交互模块传输过来的数据根据所述教学案例展示模块中的接收数据进行课程生成并将生成的课程数据传输至所述教学互动模块中进行案例教学展示，所述教学展示模块通过接收所述教学案例展示模块中的教学数据进行教学展示与用户进行互动教学并采用窗口宽度计算公式对用户动作画面进行采集；所述摄像头控制模块通过接收所述教学互动模块中传输过来的预定位置进行定位拍摄，然后使用欧氏距离计算公式对摄像头的聚焦程度进行控制；并将拍摄数据传输至所述数据采集模块中进行数据收集。

通过采用上述技术方案：本传统武术智能学习与评分系统的UI交互模块、智能学习管理模块和摄像头控制模块可以协同工作，提高学员的学习效果和体验。

本发明进一步设置为：所述运动捕捉模块通过控制所述摄像头控制模块对用户姿态的运动过程进行行为捕捉，然后将捕捉到的姿态数据传输至所述分析反馈模块中，再根据非线性滑动窗口权值计算公式实时计算用户位置关系；所述分析反馈模块通过接收所述运动捕捉模块传输的数据进行结果比对并将比对结果的正确率通过所述UI交互模块反馈给用户；所述数据清洗模块通过接收所述运动捕捉模块中的数据对外扫描环境中的杂余数据进行清洗并将清洗完成之后的数据传输至所述数据建模模块中通过欧氏距离和权重相乘公式进行模型建造；所述数据建模模块通过接收所述数据清洗模块完成清洗的数据将其建造出系统数据比对模型，然后通过使用计算窗内最小值和标签的公式将窗内最小值和标签保存，再将计算结果传输至所述数据评分模块中进行综合评分。

通过采用上述技术方案：系统的运动捕捉模块可以通过控制摄像头控制模块对用户姿态的运动过程进行行为捕捉，并将数据传输至分析反馈模块中，实时计算用户位置关系。这可以帮助学员更加准确地掌握自己的动作和姿态，从而提高技能水平。

本发明进一步设置为所述动作分析模块通过接收所述数据评分模块中评分合格的数据进行动作分析并将较优数据进行留存传输至所述评分算法模块中；所述评估结果展示模块接收所述评分算法模块的评分数据，并将接收到的评分数据利用数据映射公式进行计算，再将计算出的数据结果传输至数据映射公式计算结构进行计算，然后在综合展示模块中进行结果展示；所述模型建立模块通过接收所述教学互动模块中建立完成的数据模块建立虚拟教练的运动模型，并将建立的虚拟教练的运动模型的数据传输至所述姿态预测模块中；所述姿态预测模块通过所述接收模型建立模块中的模型数据对用户行为数据进行预测定位并通过拟合公式对用户和拟合模型进行重合度对比；所述摄像预定模块通过接收所述姿态预测模块中的运动模型数据调动摄像头对用户动作姿态进行拍摄。

通过采用上述技术方案：系统的动作分析模块可以通过接收数据评分模块中评分合格的数据进行动作分析，并将较优数据进行留存传输至评分算法模块中，从而帮助学员更好地理解和掌握正确的动作技巧。

本发明进一步设置为：所述行为判定模块通过接收所述摄像预定模块的数据对摄像拍摄到的用户数据进行正确性判定；所述流程播放模块通过接收所述行为判定模块中正确的行为动作并将正确动作数据信息输送至所述姿态统计模块中进行正确行为统计；所述重构播放模块通过接收所述行为判定模块中判定出错的姿态并对所述判定出错的姿态对应的交互数据进行重新播放并与用户进行交互；所述定格比对模块通过定格所述重构播放模块中判定出错的姿态的位置进行视频暂停定位与用户所处姿态进行比对；所述姿态统计模块通过将统计到的正确姿态数据传输至所述算法比对模块中对所有的训练模块进行用户评分。

通过采用上述技术方案：流程播放模块可以将正确动作数据信息输送至姿态统计模块中进行正确行为统计，帮助学员更好地掌握正确的动作技巧。而重构播放模块则可以对判定出错的姿态进行重新播放并与用户进行交互，以帮助学员更好地理解和掌握正确的动作技巧。

本发明的有益效果为：

本发明通过设计采用多个摄像头从多个角度捕捉用户武术动作数据，能够更精确地识别用户的动作，并根据多角度武术动作数据进行对比，得出更可靠的五维度综合评分。这种方法不仅提高了评分的准确性，而且有助于用户更好地理解和改进动作。

附图说明

图1为本发明中的系统示意图。

图2为本发明中的摄像头控制模块部分系统示意图。

图例说明：

1、数字武术教练模块；11、智能学习管理模块；12、教学案例展示模块；13、教学互动模块；

2、多摄像头捕捉模块；21、摄像头控制模块；22、数据采集模块；23、运动捕捉模块；24、分析反馈模块；

3、数据处理模块；31、数据清洗模块；32、数据建模模块；33、数据评分模块；

4、评分模块；41、动作分析模块；42、评分算法模块；43、评估结果展示模块；

5、用户交互模块；51、UI交互模块；52、用户社交模块；53、进度回放模块；

211、模型建立模块；212、姿态预测模块；213、摄像预定模块；214、传感融合模块；215、神经优化模块；216、行为判定模块；217、流程播放模块；218、重构播放模块；219、定格比对模块；2110、姿态统计模块；2111、算法比对模块。

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、完整的描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。

实施例1

如图1－图2所示，传统武术智能学习与评分系统，包括用以提供个性化、定制化和专业化的数字武术教练模块1，用以通过多个摄像头对武术学习者的动作进行同步捕捉和分析的多摄像头捕捉模块2，用以对从多摄像头捕捉模块2中获得的数据进行分析的数据处理模块3，用以根据武术学员的动作品质和技术难度方面进行评估和打分的评分模块4以及用以与学员进行直接互动的用户交互模块5；

所述数字武术教练模块1包括用以管理学员的学习数据和学习进度信息的智能学习管理模块11，用以展示的教学案例和技巧的教学案例展示模块12以及用以提供学员和教练之间的在线教学互动和交流的教学互动模块13；

所述多摄像头捕捉模块2包括用以对多摄像头捕捉模块2中的摄像头进行控制和设置的摄像头控制模块21，用以从多摄像头捕捉模块2中获取武术动作相关数据的数据采集模块22，用以对学员的动作行为捕捉的运动捕捉模块23以及用以对采集动作通过行为分析方式进行数据处理的分析反馈模块24；

所述数据处理模块3包括用以对采集数据进行杂余数据处理的数据清洗模块31，用以对完成杂余数据处理之后进行模型建造的数据建模模块32，用以根据多个评分项对学员的武术表现进行全面评估和反馈的数据评分模块33；

所述评分模块4包括用以处理和分析从多摄像头中捕捉到的学员武术动作数据的动作分析模块41，用以通过机器学习和人工智能技术对学员的武术表现数据进行分析和评估的评分算法模块42以及用以直观和易懂的方式呈现学员的评分结果和分析报告的评估结果展示模块43；所述用户交互模块5包括用以实现用户与系统进行交流的UI交互模块51，用以提供学员之间进行交流、互动、共享学习资源和经验、发布新闻、讨论问题社交功能的用户社交模块52以及用以让学员回放之前的训练进度和评分结果的进度回放模块53；所述摄像头控制模块21包括用以对武术动作进行深度学习和模型训练的模型训练模块，用以对武术动作的图像或视频进行分析对身体姿态的预测和识别的姿态预测模块212，用以控制不同位置的摄像头进行拍摄处理的摄像预定模块213，用以根据传感器捕捉到的数据进行分析正确性的行为判定模块216，用以将来自不同传感器的数据进行融合的传感融合模块214，用以对捕捉到的武术动作数据进行处理和优化的神经优化模块215，用以回放捕捉到的武术动作数据的流程播放模块217，用以改善系统的流程播放体验和功能的重构播放模块218，用以将两个不同时间点捕捉到的武术动作数据进行比对和分析的定格比对模块219，用以记录和分析使用者在进行武术动作时的姿态和动作数据的姿态统计模块2110以及用以比较不同算法在对武术动作数据进行处理和评分时的差异和优劣的算法比对模块2111；

所述UI交互模块51通过将用户选择数据传输到所述数字武术教练模块1中进行生成比对；所述智能学习管理模块11通过接收所述UI交互模块51传输过来的数据根据所述教学案例展示模块12中的接收数据进行课程生成并将生成的课程数据传输至所述教学互动模块13中进行案例教学展示，所述教学展示模块通过接收所述教学案例展示模块12中的教学数据进行教学展示与用户进行互动教学并采用窗口宽度计算公式对用户动作画面进行采集；所述摄像头控制模块21通过接收所述教学互动模块13中传输过来的预定位置进行定位拍摄，然后使用欧氏距离计算公式对摄像头的聚焦程度进行控制；并将拍摄数据传输至所述数据采集模块22中进行数据收集；

所述运动捕捉模块23通过控制所述摄像头控制模块21对用户运动过程的姿态进行行为捕捉，然后将捕捉到的姿态数据传输至所述分析反馈模块24中，再根据非线性滑动窗口权值计算公式实时计算用户位置关系；所述分析反馈模块24通过接收所述运动捕捉模块23传输的数据进行结果比对并将比对结果的正确率通过所述UI交互模块51反馈给用户；所述数据清洗模块31通过接收所述运动捕捉模块23中的数据对外扫描环境中的杂余数据进行清洗并将清洗完成之后的数据传输至所述数据建模模块32中通过欧氏距离和权重相乘公式进行模型建造；所述数据建模模块32通过接收所述数据清洗模块31完成清洗的数据将其建造出系统数据比对模型，然后通过使用计算窗内最小值和标签的公式将窗内最小值和标签保存，再将计算结果传输至所述数据评分模块33中进行综合评分；

动作分析模块41通过接收数据评分模块33中评分合格的数据进行动作分析并将较优数据进行留存传输至评分算法模块42中；评估结果展示模块43接收评分算法模块42的评分数据，并将接收到的评分数据利用数据映射公式进行计算，再将计算出的数据结果传输至数据映射公式计算结构进行计算，然后在综合展示模块中进行结果展示；模型建立模块211通过接收教学互动模块13中建立完成的数据模块建立虚拟教练的运动模型，并将建立的虚拟教练的运动模型的数据传输至姿态预测模块212中；姿态预测模块通过接收模型建立模块211中的模型数据对用户行为数据进行预测定位并通过拟合公式对用户和拟合模型进行重合度对比；摄像预定模块213通过接收姿态预测模块212中的运动模型数据调动摄像头对用户动作姿态进行拍摄；

行为判定模块216通过接收摄像预定模块213的数据对摄像拍摄到的用户数据进行正确性判定；流程播放模块217通过接收行为判定模块216中正确的行为动作并将正确动作数据信息输送至姿态统计模块2110中进行正确行为统计；重构播放模块218通过接收行为判定模块216中判定出错的姿态并对判定出错的姿态对应的交互数据进行重新播放并与用户进行交互；定格比对模块219通过定格重构播放模块218中判定出错的姿态的位置进行视频暂停定位与用户所处姿态进行比对；姿态统计模块2110通过将统计到的正确姿态数据传输至算法比对模块2111中对所有的训练模块进行用户评分。

上述实施例中，通过多个摄像头捕捉学员的动作，传输数据至数据处理模块3进行分析和优化；将优化后的数据传输至评分模块4，进行综合评分以及结果展示；并通过用户交互模块提供学员进行交流、互动、共享学习资源和经验的社交功能等，提高学员的学习体验和效果。同时，该系统也使用了多种模块来提高系统的性能和功能，如定格比对模块219、姿态统计模块2110以及算法比对模块2111等，以实现更加精准和专业的武术学习和评估。

其中，表1示出了各个符号的物理意义，所述评分算法模块42中的算法公式计算过程如表1所示：

表1

计算速度分：

先计算被测动作所花费的总时长，再根据标准动作的总时长计算出两者的比值：

；

裁判给武术动作评分，得到动作和评分数据映射：

；

数据导入MATLAB，根据观察和计算，得到拟合公式：

；

最后根据完成度来计算速度分：

；

计算力量分：

根据动作点时间序列，得到加速度矩阵。其中m是骨骼关键点个数，n是所采集到的帧数：

；

求加速度的总值，为了消去时间上的差异取平均：

；

国家级裁判给武术动作评分，得到动作x和评分y数据映射：

；

数据导入MATLAB，根据观察和计算，得到拟合公式：

；

得出力量分：

。

输入矩阵和/>的尺寸为N×18，其中N是不定长，输出为节奏分/>。

1.窗口宽度计算公式：取动作的三分之一作为窗口大小,如果大于360帧,取360帧：

；

2.欧氏距离计算公式：

；

3.非线性滑动窗口权值计算公式：

=扫描点距离窗口中心距离；

=扫描点距离全局中心距离；

；

4.欧氏距离和权重相乘公式：

；

5.计算窗内最小值和标签的公式：计算所有被测帧,并将窗内最小值和标签保存

；

；

6.数据映射公式：

；

7.拟合公式:

；

8.边界处理公式:

。

其中，所述用户社交模块52是为学员提供一个交流、互动、共享学习资源和经验、发布新闻、讨论问题社交功能，使学员不仅仅只是被动地接受武术教学和评估，而是可以积极地与其他学员进行互动，分享自己的学习心得与技巧，帮助别的学员解决问题，所述进度回放模块53可以记录学员的动作历史，包括之前的评分结果和表现等，让学员可以回顾之前的学习进度和反馈，并根据自己的需求和目标进行调整和优化，让学员更好地了解自己的武术表现状况，进而进行有针对性地训练。

工作原理：本发明在使用时，主要通过模拟人类教练对学员进行动作评分等行为，实现对学员武术技能的评估和指导。具体而言，该系统通过深度学习算法分析学员的动作，并根据事先设定的评分标准对学员的表现进行评分，并提供相应的建议和指导，帮助学员进一步提高技能水平；同时，该系统通过智能推荐算法对学员的学习表现和历史进行分析和评估，为学员提供个性化的学习方案和建议，使学员能够更加高效地学习；最后，该系统还提供用户社交模块52和进度回放模块53，帮助学员与其他学员交流互动，回顾之前的训练进度和评分结果，并进行针对性调整和优化，以达到更加理想的学习效果。综上所述，该系统是一个集教学、评估、指导、社交和进度回放于一身的综合性武术学习平台，将人工智能技术和传统武术教学相结合，为学员提供更加高效和个性化的武术学习体验。

以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。

Claims (5)

1.传统武术智能学习与评分系统，其特征在于，包括用以提供个性化、定制化和专业化的数字武术教练模块（1），用以通过多个摄像头对武术学习者的动作进行同步捕捉和分析的多摄像头捕捉模块（2），用以对从多摄像头捕捉模块（2）中获得的数据进行分析的数据处理模块（3），用以根据武术学员的动作品质和技术难度方面进行评估和打分的评分模块（4）以及用以与学员进行直接互动的用户交互模块（5）；

数字武术教练模块（1）包括用以管理学员的学习数据和学习进度信息的智能学习管理模块（11），用以展示教学案例和技巧的教学案例展示模块（12）以及用以提供学员和教练之间的在线教学互动和交流的教学互动模块（13）；

多摄像头捕捉模块（2）包括用以对多摄像头捕捉模块（2）中的摄像头进行控制和设置的摄像头控制模块（21），用以从多摄像头捕捉模块（2）中获取武术动作相关数据的数据采集模块（22），用以对学员的动作行为捕捉的运动捕捉模块（23）以及用以对采集动作通过行为分析方式进行数据处理的分析反馈模块（24）；

数据处理模块（3）包括用以对采集数据进行杂余数据处理的数据清洗模块（31），用以对完成杂余数据处理之后进行模型建造的数据建模模块（32），用以根据多个评分项对学员的武术表现进行全面评估和反馈的数据评分模块（33）；

运动捕捉模块（23）通过控制摄像头控制模块（21）对用户运动过程的姿态进行行为捕捉，然后将捕捉到的姿态数据传输至分析反馈模块（24）中，实时计算用户位置关系；分析反馈模块（24）通过接收运动捕捉模块（23）传输的数据进行结果比对并将比对结果的正确率通过UI交互模块（51）反馈给用户；数据清洗模块（31）通过接收运动捕捉模块（23）中的数据对外扫描环境中的杂余数据进行清洗并将清洗完成之后的数据传输至数据建模模块（32）中进行模型建造；数据建模模块（32）通过接收数据清洗模块（31）完成清洗的数据将其建造出系统数据比对模型，再将计算结果传输至数据评分模块（33）中进行综合评分;教学展示模块通过接收教学案例展示模块（12）中的教学数据进行教学展示与用户进行互动教学并对用户动作画面进行采集，模型建立模块（211）通过接收教学互动模块（13）中建立完成的数据建立虚拟教练的运动模型，并将建立的虚拟教练的运动模型的数据传输至姿态预测模块（212）中；姿态预测模块（212）通过接收模型建立模块（211）中的模型数据对用户行为数据进行预测定位对用户和拟合模型进行重合度对比；摄像预定模块（213）通过接收姿态预测模块（212）中的运动模型数据调动摄像头对用户动作姿态进行拍摄;

重构播放模块（218）通过接收行为判定模块（216）中判定出错的姿态并对判定出错的姿态对应的交互数据进行重新播放并与用户进行交互；定格比对模块（219）通过定格重构播放模块（218）中判定出错的姿态的位置进行视频暂停定位与用户所处姿态进行比对；姿态统计模块（2110）通过将统计到的正确姿态数据传输至算法比对模块（2111）中对所有的训练模块进行用户评分。

2.根据权利要求1所述的传统武术智能学习与评分系统，其特征在于，所述评分模块（4）包括用以处理和分析从多摄像头中捕捉到的学员武术动作数据的动作分析模块（41），用以通过机器学习和人工智能技术对学员的武术表现数据进行分析和评估的评分算法模块（42）以及用以直观和易懂的方式呈现学员的评分结果和分析报告的评估结果展示模块（43）；所述用户交互模块（5）包括用以实现用户与系统进行交流的UI交互模块（51），用以提供学员之间进行交流、互动、共享学习资源和经验、发布新闻、讨论问题社交功能的用户社交模块（52）以及用以让学员回放之前的训练进度和评分结果的进度回放模块（53）；所述动作分析模块（41）通过接收所述数据评分模块（33）中评分合格的数据进行动作分析并将数据进行留存传输至所述评分算法模块（42）中；所述评估结果展示模块（43）接收所述评分算法模块（42）的评分数据，并将接收到的评分数据进行映射，然后在综合展示模块中进行结果展示。

3.根据权利要求2所述的传统武术智能学习与评分系统，其特征在于，所述UI交互模块（51）通过将用户选择数据传输到所述数字武术教练模块（1）中进行生成比对；所述智能学习管理模块（11）通过接收所述UI交互模块（51）传输过来的数据根据所述教学案例展示模块（12）中的接收数据进行课程生成并将生成的课程数据传输至教学互动模块（13）中进行案例教学展示；所述摄像头控制模块（21）通过接收所述教学互动模块（13）中传输过来的预定位置进行定位拍摄，然后使用欧氏距离计算公式对摄像头的聚焦程度进行控制；并将拍摄数据传输至所述数据采集模块（22）中进行数据收集。

4.根据权利要求2所述的传统武术智能学习与评分系统，其特征在于，所述摄像头控制模块（21）包括用以对武术动作进行深度学习和模型训练的模型训练模块，用以对武术动作的图像或视频进行分析对身体姿态的预测和识别的姿态预测模块（212），用以控制不同位置的摄像头进行拍摄处理的摄像预定模块（213），用以根据传感器捕捉到的数据进行分析正确性的行为判定模块（216），用以将来自不同传感器的数据进行融合的传感融合模块（214），用以对捕捉到的武术动作数据进行处理和优化的神经优化模块（215），用以回放捕捉到的武术动作数据的流程播放模块（217），用以改善系统的流程播放体验和功能的重构播放模块（218），用以将两个不同时间点捕捉到的武术动作数据进行比对和分析的定格比对模块（219），用以记录和分析使用者在进行武术动作时的姿态和动作数据的姿态统计模块（2110）以及用以比较不同算法在对武术动作数据进行处理和评分时的差异和优劣的算法比对模块（2111）。

5.根据权利要求2所述的传统武术智能学习与评分系统，其特征在于，所述行为判定模块（216）通过接收所述摄像预定模块（213）的数据对摄像拍摄到的用户数据进行正确性判定；流程播放模块（217）通过接收所述行为判定模块（216）中正确的行为动作并将正确动作数据信息输送至所述姿态统计模块（2110）中进行正确行为统计。