基于「YOLO姿态识别 + AI大模型分析」的智能健身辅助系统(vue+flask+AI算法) - 指南

一、项目演示视频

b站演示与部署运行视频(点击这里)
https://www.bilibili.com/video/BV1gTmFBvE5n/?share_source=copy_web&vd_source=31c839f46a9a845dd6dd641cbd5c2ac1

二、技术栈

1. 前端技术栈 (web-vue)
   核心框架: Vue 3.5.13 (Composition API)
   UI组件库: Element Plus 2.9.4
   状态管理: Pinia 2.3.1
   路由管理: Vue Router 4.5.0
   HTTP客户端: Axios 1.7.9
   图表可视化: ECharts 5.6.0
   视频播放: flv.js 1.6.2
   构建工具: Vite 6.1.0 + TypeScript 5.7.2

2. 后端+算法端技术栈 (web-flask)
   核心框架: Flask (Python)
   数据库: SQLite 3
   身份认证: JWT (PyJWT 2.10.1)
   图像处理: OpenCV + NumPy
   深度学习: Ultralytics (YOLO11姿态估计)
   多模态AI: 阿里云百炼 Qwen-VL-Plus API
   跨域支持: Flask-CORS 6.0.1

三、功能模块

核心创新点

1. 多种健身动作识别: 支持俯卧撑、深蹲、引体向上、仰卧起坐、哑铃弯举、肩部推举、哑铃飞鸟等7种常见健身动作的智能识别
2. 多模态检测方式: 拥护图片分析、视频分析、实时摄像头检测三种模式
3. YOLO姿态估计: 基于YOLO11姿态估计模型进行人体关键点检测和动作分析
4. 智能动作计数: 通过骨骼关键点角度变化自动统计动作次数
5. AI动作分析: 集成Qwen-VL-Plus多模态大模型，对健身动作的规范性进行智能分析并给出改进建议
6. 健身计划管理: 支持健身计划创建、饮食计划、锻炼计划、体重记录等全方位管理
7. 食物识别分析: 通过上传照片识别食物并分析营养成分，辅助饮食管理
8. 分层权限管理: 支持管理员和普通用户的差异化机制访问

应用场景

1. 个人健身: 居家健身的动作指导和效果追踪
2. 健身房: 辅助教练进行动作规范性评估
3. 康复训练: 运动康复过程中的动作监测
4. 健身教育: 健身动作教学和培训
5. 动作测试: 标准化动作测试和评估

数据库表(共11张表)

• user: 用户表，存储用户基本信息、角色、身体数据（年龄、性别、身高）
• fitness_plan: 健身计划表，存储健身目标、体重信息、计划周期
• diet_plan: 饮食计划表，存储饮食计划内容和每日卡路里目标
• exercise_plan: 锻炼计划表，存储锻炼计划内容
• weight_record: 体重记录表，追踪体重变化
• food_analysis: 食物分析表，存储食物识别和营养成分分析结果
• image_record: 图片分析记录表，存储图片动作分析记录
• video_record: 视频分析记录表，存储视频动作分析和计数记录
• action_analysis: 动作分析表，存储视频动作分析的详细结果
• camera_session_record: 摄像头会话记录表，存储实时检测会话信息
• camera_snapshot: 摄像头快照表，存储实时检测截图及AI分析结果
  支持的动作类型: 俯卧撑、深蹲、引体向上、仰卧起坐、哑铃弯举、肩部推举、哑铃飞鸟

四、任务链接

链接: 链接: https://pan.baidu.com/s/1pPTYQWWsedw_AYngV5SokA?pwd=1m54 提取码: 1m54

1. 完整系统源码
   (1)前端源码(web-vue)
   (2)后端+算法端源码(web-flask)
   (3)官网下载好的预训练YOLO模型(yolo11n-pose.pt、yolov8n-pose.pt),支持17个人体关键点检测

2. 项目介绍文档
   (1)方案概述
   (2)工程技巧栈
   (3)项目目录结构
   (4)系统架构图、功能模块图
   (5)数据库开发文档

3. 项目启动教程
   (1)环境安装教程(视频+文档)
   (2)系统启动教程(视频+文档)