下载掌阅APP，畅读海量书库
立即打开
学校名称：深圳技术大学
团队成员：李恒耿、许咏琪、钟嘉明
指导老师：宁磊、李蒙
摘要
近年来，随着人们运动意识的提高和全民健身的倡导，体测逐渐成为一项在各大高校得到普及的重要活动。然而，在实际的体测中出现了一些问题，其中专业监测员数量不足是一个比较突出的问题。由于每位考生都需要由专业监测员一对一地对其进行测试，如果监测员数量不足，就会导致体测时间拉长，影响其他考生的测试。另外，体测项目评判也容易受到主观因素的影响，不同的监测员可能会对同一个动作给出不同的分数，这样就会引起考生和监测员之间的争议。
为了解决以上问题，我们设计了基于边缘计算的智能体测系统（在本节中简称本作品）。本作品以智能体测感知盒为载体，用于替代人工评分与管理。通过摆放在考场上的智能体测感知盒，本作品可以实时感知考生的数据，并将这些数据上传至云服务器进行数据处理和分析。本作品采用高性能边缘计算方案，使用神经网络实时提取摄像头拍摄的图像中的人体关节点进行姿态重建，实现体测项目的自动评分，并通过5G网络实时同步至数据库。考生只需通过扫描考试小程序码，填写个人信息并排队测试即可。管理员可以通过扫描考试小程序码，实时远程查看体测情况，管理体测进程。
本作品可实现全过程无人值守、自动进行体测的目标，不仅可以节约人力成本，提高体测效率，还可以减少考试争议，确保体测结果的客观性和公正性。
（1）自动化评分：本作品可实现体测项目的自动化评分，可代替传统的人工评分和管理模式，大幅提高体测效率，同时减少考试争议，确保体测结果的客观性和公正性。
（2）全过程无人值守、自动化监测：本作品以智能体测感知盒为载体，在考场上代替专业监测员进行体测，可实现全过程的无人值守、自动化监测。
（3）边缘计算方案：本作品采用高性能边缘计算方案，使用神经网络实时提取摄像头拍摄的图像中的人体关节点进行姿态重建，可实现体测项目的自动评分，并通过5G网络实时同步至数据库。这种方案具有计算效率高、实时性好、数据传输速率快等优点。
（4）云端数据存储与管理：本作品将所有考生的数据实时同步到云端数据库进行存储和管理，管理员可以通过扫描考试小程序码来实时远程查看体测情况、管理体测进程，并在体测后导出结果表格。
（5）用户友好的操作界面：本作品采用简洁明了的操作界面（见图2.1-1），让考生和管理员能够轻松上手操作，提高了用户体验。
图2.1-1 本作品的操作界面
本作品不仅适用于高校体测场景，也可以满足其他机构对体育运动监测的需求，为各类机构提供智能化、无人值守的体测管理解决方案。对于高校来说，本作品可以快速部署在各大校园体测场景中，实现无人值守的体测管理。本作品以智能体测感知盒为载体，可在不耗费过多人力物力的情况下轻松实现体测管理的自动化。本作品灵活便捷，可以在体测结束后快速拆卸回收，学校可以方便地管理设备，或者将设备租赁给其他有体育运动监测需求的机构。例如，健身房可以部署本作品，通过运动监测功能实时监测用户的运动状态和成绩，并提供成绩云同步等服务，这样不仅提升了用户体验，也方便了运动数据的管理和分析。
（1）本作品使用Google MediaPipe PoseSolution作为后端姿态识别库，该库具有高效、准确的姿态估计能力，能够快速提取出人体关节点的位置信息并进行姿态重建。同时，本作品使用MySQL作为数据库后端，并使用Django进行管理，可以实现数据的高效存储和管理。在前端技术框架方面，本作品采用uni-app+Vue.js的框架，这种框架具有良好的跨平台兼容性和用户体验。
（2）本作品自研了姿态算法，首先通过姿态模型判断体测者的动作是否符合标准，然后根据波峰计数算法与迟滞比较算法来判断体测者是否完成动作。这种自研的姿态算法能精确计算引体向上和仰卧起坐的得分。相比传统的分数计算方法，本作品的姿态算法具有更高的准确性和稳定性，可以为用户提供更准确的体测结果。
（3）本作品自创了网络接口，可将体测过程中的操作抽象成接口，涵盖大多数的体测操作，确保稳定性。通过自创的网络接口，本作品可以快速响应用户请求，提供高效、稳定的体测服务。
（1）实时性和响应时间：本作品可使用5G网络与Wi-Fi网络，能够及时处理来自摄像头的数据，进行实时的数据分析和评判，并同步到云服务器。在微信小程序端查看数据的延时较小。
（2）精确度和准确性：使用Google MediaPipe PoseSolution作为后端姿态识别库，实现了高效准确的姿态识别，通过自研算法可得到准确的评判结果，实测精确度较高。
（3）能效和资源利用率：边缘计算的优势之一是将计算任务分布到边缘设备上，减少数据传输和云端计算量。本作品完全将摄像头获取的数据放在本地进行处理。
（1）边缘计算架构：本作品采用边缘计算方案，将部分数据处理和计算任务迁移到边缘设备上进行处理，减少了数据传输和云端计算的需求，可提高评判的实时性和响应速度，减少对网络带宽的依赖程度，提高系统的可伸缩性和资源利用率。
（2）自研姿态算法：本作品采用自研的姿态算法读取点云数据并进行分析，先通过姿态模型判断体测者的动作是否符合标准，再根据波峰计数算法与迟滞比较算法来判断体测者是否完成动作。
本作品的工作流程如图2.1-2所示。首先，摄像头拍摄的图像通过网络传输到摄像头与姿态节点，通过Google MediaPipe PoseSolution进行姿态识别。其次，识别结果将传输到自研算法节点，通过自研姿态算法进行动作判定和得分计算。接着，将判定结果和得分传输到扬声器节点，通过声音提示用户得分情况；同时，判定结果和得分也会被传输到屏幕GUI节点，以可视化方式展示给用户。最后，将判定结果和得分存储在数据库中，用于后续数据管理和分析。通过这样的工作流程，本作品能够实现准确的姿态识别和动作评分，并通过声音和屏幕呈现给用户，同时保证数据的稳定存储和管理。
图2.1-2 本作品的工作流程
本作品的整体框架如图2.1-3所示。本作品采用边缘计算和云服务器相结合的架构，边缘设备采用的是广和通的SC171开发板，该开发板具有强大的计算能力和良好的扩展性。云服务器与边缘设备和用户终端进行通信，并维护一个数据库来存储历史结果。云服务器使用Django框架来实现数据的高效存储和管理，提供了API，方便用户进行访问。本作品为用户提供了一个完整的体测管理解决方案，包括实时监控、历史数据查询等功能。
广和通的SC171开发板采用了先进的处理器架构，拥有强大的算力和多线程处理能力，能够高效地进行图像处理和数据计算。该开发板搭载了Android模块和Linux模块，提供了更多的应用场景和开发可能性。Android模块使开发板具备了友好的用户界面和丰富的应用生态，用户可以通过触摸屏或外接设备进行交互操作，方便快捷地使用本作品。Linux模块提供了更加灵活的开发环境和更底层的系统控制能力，为本作品的功能扩展和优化提供了更大的空间。
图2.1-3 本作品的整体框架
为了更好地支撑广和通的SC171开发板，本作品专门设计了一个底层支架（见图2.1-4），该支架的主要作用是固定开发板，并提供稳定的支撑。底层支架采用了坚固的材料，确保了开发板在使用过程中的稳定性和安全性。底层支架的底部配备了标准的三脚架接口，这样用户可以将整个系统灵活地安装在各种不同的场景中。无论在室内还是在室外，用户都可以通过底层支架将开发板放置在合适的位置，方便用户进行体测。三脚架接口具有广泛的兼容性，用户可以根据需要选择适合的三脚架类型。这样一来，无论固定在桌面上、放置在地面上，还是安装在其他设备上，本作品都能够满足用户的需求。
图2.1-4 底层支架
广和通的SC171开发板将AI算法分为两部分：Android模块和Linux模块。Android模块负责调用智能模块底层资源，计算摄像头拍摄的图像中的人体关节点，并将其传输到上层的Linux模块。Linux模块负责对人体关节点运动进行判断得分，并将结果发送到云服务器。这样就可以在边缘设备上进行快速的姿态识别和得分计算，减少数据传输的时间和网络带宽的压力。本作品的软件架构如图2.1-5所示。
本作品的软件模块简介如下。
（1）SC171开发板的Android模块（见图2.1-6）。本作品使用Google MediaPipe PoseSolution作为后端姿态识别库，该库在准确性、速度和稳定性等方面具有优秀的表现。另外，该库的架构设计具有很高的可扩展性和可定制性，可以根据不同的应用场景和需求进行个性化定制和优化。Android模块通过自研的封装类（LeeRequest）调用Google MediaPipe PoseSolution，通过OpenGL ES接口调用SC171开发板的高性能GPU进行人体姿态点的检测，并将处理完的点云数据通过TCP/IP协议发送到Linux模块。
（2）SC171开发板的Linux模块（见图2.1-7）。本作品通过SC171开发板的AidLux来使用Linux模块，并使用Python设计了Linux模块。Linux模块由Flask服务层与自研姿态算法组成。Flask服务通过开放内部端口来接收Android模块传入的点云数据并对点云数据进行预处理。自研的姿态算法读取点云数据并进行分析，先通过姿态模型判定体测者的动作是否符合标准，再根据波峰计数算法与迟滞比较算法来判断体测者是否完成动作。自研的姿态算法可以对体测者进行管理，该算法向云服务器发送“叫号”指令，等待云服务器响应之后启动判定算法，并将实时计算结果发送到云服务器，在体测者离开场地时向云服务器反馈。
图2.1-5 本作品的软件架构
图2.1-6 SC171开发板的Android模块
（3）云服务器的数据库模块（见图2.1-8）。本作品设计了一个以数据库为中心的系统架构，将数据库部署在云服务器，边缘设备使用HTTP请求、通过管理服务向数据库中存储数据，用户通过终端的微信小程序读取数据库中数据。本作品以MySQL作为后端数据库，使用Django进行对象关系映射（Object Relational Mapping，ORM）管理，从而实时记录当前运行数据并将其存储到数据库。
考生（体测者）扫描考试小程序码并填写个人信息，考生信息将记录在数据库中的考生名单中，本作品会自动检测考场设备的运行情况，及时将考生信息与设备状态进行匹配，以确保考生能够在合适的时间上场。由于本作品采用了数据库，自研的算法可实时地将当前的测试成绩存储到数据库，使本作品具备实时更新的能力，管理员能够在微信小程序界面上实时看到测试成绩。在考生完成测试后，本作品将记录考生的上/下场时间和成绩，并将这些信息保存在数据库中，供管理员导出使用。
图2.1-7 SC171开发板的Linux模块
图2.1-8 云服务器的数据库模块
（4）云服务器的边缘设备管理服务模块（见图2.1-9）。边缘设备管理服务模块采用Django架构，开启了HTTP服务接口，将服务对象分为三类，即微信小程序管理端、微信小程序用户端（体测者）、边缘设备端。微信小程序管理端可以设置体测模式并开始体测，在体测时可以通过微信小程序访问接口获取实时数据，并在体测结束后导出Excel文档，该文档是根据数据库中的考生成绩自动生成的，方便统计成绩。在微信小程序用户端可以填写个人信息，并加入排队。边缘设备端的接口负责接收SC171开发板传入的指令，并更新实时成绩。
（5）终端的微信小程序服务模块（见图2.1-10）。本作品使用Vue框架开发微信小程序服务模块，该模块通过HTTP接口与云服务器进行通信。微信小程序服务模块通过不同的考试小程序码将用户分为管理者与考生，管理者可以控制体测的开始与结束、体测模式的选择，考生可以在体测时填写个人信息。管理者可以通过扫描考试小程序码完成整个体测系统的部署，在体测时实时查看体测结果，在体测结束后导出测试成绩。
图2.1-9 云服务器的边缘设备管理服务模块
图2.1-10 微信小程序服务模块
本作品的实物如图2.1-11所示。广和通的SC171开发板作为本作品的边缘设备，稳固地安装在底层支架上。底层支架通过标准的三脚架连接，确保了开发板的稳定性和安全性。在实际运行中，本作品利用Android模块运行体测的主要计算部分，高效地处理图像和数据，并将结果传输到Linux模块中进行进一步的复杂计算和数据分析，从而提供精准、可靠的体测评分服务。本作品的设计既充分发挥了Android系统交互友好、应用丰富的优势，又借助Linux系统的灵活开发环境和控制能力，使得本作品在计算和功能扩展方面得到全面的优化，为用户带来更好的体验。
由于广和通的SC171开发板具有AI计算能力，所以本作品的机械结构和电路没有特殊设计。
（1）软件成果。本作品的微信小程序主界面如图2.1-12所示，在微信小程序管理端部署体测的界面如图2.1-13所示，本作品导出的体测成绩样例如图2.1-14所示。
（2）特性成果。扫描考试小程序码加入测试如图2.1-15所示，引体向上测试如图2.1-16所示，测试结果如图2.1-17所示，微信小程序上显示考生姓名与成绩。
图2.1-11 整体实物图
图2.1-12 本作品的微信小程序主界面
图2.1-13 在微信小程序管理端部署体测的界面
图2.1-14 本作品导出的体测成绩样例
图2.1-15 扫描考试小程序码加入测试
图2.1-16 引体向上测试
图2.1-17 测试结果
目前本作品只能针对特定的体测项目进行评估，随着技术的发展，后期可以增加更多的体测项目，如肌肉质量、灵活性、反应速度等。通过引入更多的传感器和算法，可以更加全面地对身体素质进行评估和分析。
本作品可以增加云服务，增加个性化的数据分析与建议，可以进一步发展成智能化系统，根据用户的体测数据和个人目标，提供个性化的数据分析和健康建议。基于机器学习和数据挖掘技术，本作品可以学习和识别用户的特点，并根据需求提供相应的训练计划、营养建议等，以帮助用户实现健康目标。
数据安全和隐私保护需要进一步加强。在推动本作品应用的同时，数据安全和隐私保护是重要的考虑因素之一。本作品后期可加强数据加密和权限管理，确保用户数据的安全性和隐私保护，同时遵守相关法律法规，保障用户合法权益。
本作品的开发团队由三个成员组成，李恒耿同学负责云服务器的开发，钟嘉明同学负责嵌入式系统的开发，许咏琪同学负责边缘计算方案的开发。通过合作和协调，开发团队成功开发了一款功能强大的体测评分系统。以下是心得体会：
李恒耿：在云服务器的开发中，我主要负责系统的后台架构和数据库设计。首先，深入模拟了用户需求，并进行了详细的需求分析。然后基于这些需求，设计了高效稳定的后台架构，使用了可靠的技术栈，如Django和MySQL。同时，本作品注重系统的扩展性和性能优化，采用了分布式架构和缓存机制，以提高系统的并发处理能力和响应速度。通过严格的测试和持续的优化，确保了云服务器的稳定性和可靠性。
钟嘉明：作为嵌入式系统的开发人员，我的责任是设计和开发体测评分系统的嵌入式系统。在设计的过程中，考虑到设备的功耗、尺寸和性能等因素，本作品选择了广和通的SC171开发板作为边缘设备，该开发板具备强大的计算能力和丰富的接口，非常适合作为体测评分系统的边缘设备。我与边缘计算方案的开发人员紧密合作，确保嵌入式系统与云服务器的通信和数据交互的正常进行。在软件开发方面，本作品采用Android和Linux双系统，可满足用户的不同需求。
许咏琪：作为边缘计算方案的开发人员，我负责体测评分系统的边缘计算功能的设计和实现。我与嵌入式系统的开发人员密切合作，确保边缘设备能够高效地处理和分析传感器采集数据，并将结果发送到云服务器。为了优化计算性能，本作品采用多线程编程和硬件加速等技术。同时，我还与云服务器的开发人员协商制定了数据传输协议和接口规范，以确保数据的准确传输和处理。通过不断的测试和调优，保证了边缘计算的稳定性和可靠性。
总体来说，通过密切协作和相互配合，充分发挥各自的专业优势，我们成功开发了一款功能强大、稳定可靠的体测评分系统。在本作品的开发过程中，我们注重用户需求、技术选型和系统优化，力求为用户提供出色的体验。
[1] Open Robotics.ROS 2 document[EB/OL].（2022-01-23）.http://dev.ros2.fishros.com/doc/index.html.
[2] GOOGLE LLC. MediaPipe Pose Document[EB/OL].（2022-08-13）.https://google.github.io/mediapipe/solutions/pose.
[3] 百度百科.OpenGL百科[EB/OL].（2022-01-23）.https://baike.baidu.com/item/OpenGL.
本作品采用5G AIoT开发套件，综合应用了5G、AI功能，实现了本地计算、5G高速传输的“端-边-云-用”智能物联网系统设计，功能完整、选题新颖、创新性好、实用价值高。