近年来,随着计算机技术的快速发展,计算机视觉凭借着深度学习得到了更好的应用。研究学者们开始结合人工智能技术来实现科学的运动辅助训练,在传统的体育训练的基础上增加了人机交互式的辅助训练功能,达到运动规范指标化和脱离教练式的无人教学效果。传统运动存在场地和设备的限制、专业动作须专人指导,训练数据难以记录等问题,本论文将人体姿态识别应用于体操运动,建立了运动辅助评测系统,引入了关节角和动作相似性两个概念,解决不同人的身高带来的差异影响以及连续帧中动作的筛选问题,实现从基于经验的运动训练方法到基于计算机视觉的人体运动分析训练方法的转变。本文的主要研究工作和贡献包括:(1)研究了基于深度学习的人体姿态识别的基本原理,选用人体姿态识别开源库Open Pose进行姿态提取,并在其原基础上对待评测的输入数据进行压缩处理达到缩短姿态提取时间的效果,更快地提取出人体关键点的二维坐标信息。最后通过实验发现改良后的画面帧数有着近两倍的提升,并对其进行姿态数据提取实验对比完成其精度验证。(2)研究了基于关节角和动作相似性的动作识别与评价,使用关节角来对动作进行描述掌握动作中的更多细节,动作识别方面引入动作相似性的概念,使用欧氏距离求出两个动作间的相似程度,可以对单幅图像中的动作进行识别,同时也能够实现视频中动作的识别。(3)开发了基于人体姿态识别的运动辅助评测系统,该系统主要由标准动作数据库、辅助教学、总体评测三个部分组成,系统用户可自定义标准动作数据库,辅助教学部分系统可将用户的动作与标准动作进行数据对比并通过数据的形式直观的展示给训练者,总体评测部分系统可对视频文件进行动作识别与筛选,为训练者提供一个数据场景化的训练平台。