CN120277511A 一种基于大模型的交互式体育教学方法 （融梦跃视(上海)体育科技有限公司）.docxVIP

(19)国家知识产权局

(12)发明专利申请

(10)申请公布号CN120277511A(43)申请公布日2025.07.08

(21)申请号202510764466.7

(22)申请日2025.06.10

(71)申请人融梦跃视(上海)体育科技有限公司地址200232上海市徐汇区丰谷路315弄24

号1-3层

(72)发明人苏晓伟李一名袁淇

(74)专利代理机构江苏南京专鲸特新专利代理事务所(普通合伙)32877

专利代理师王勇

(51)Int.CI.

GO6F18/2411(2023.01)

GO6N3/0464(2023.01)

GO6N3/006(2023.01)

GO6F18/214(2023.01)

GO6Q50/20(2012.01)

权利要求书3页说明书19页附图3页

(54)发明名称

一种基于大模型的交互式体育教学方法

(57)摘要

CN120277511A本发明设计体育教学技术领域，尤其涉及一种基于大模型的交互式体育教学方法，旨在通过先进的传感器技术和机器学习模型，实现对学生运动状态的实时监测和个性化训练指导。该方法包括以下步骤：首先，通过摄像头和深度传感器实时采集学生的运动数据，包括动作姿势、速度、反应时间和心率等信息。然后，将采集到的数据输入预先训练的大模型，该模型包括卷积神经网络、支持向量机和随机森林模型，分别用于评估学生的动作标准性、运动强度和疲劳程度，大模型自动生成个性化的训练项目，并实时捕捉学生的运动姿势，提供实时反馈以纠正动作偏差，本

CN120277511A

景。

通过摄像头和深度传感器实时采集学生的运

通过摄像头和深度传感器实时采集学生的运动数据

中央处理器将预处理后的数据输入预先训练的大模型，评估学生的运动状态

根据学生的运动状态评估结果，大模型自动生成个性化的训练项目

实时捕捉学生的运动姿势，分析动作是否规范，并提供实时反馈

根据学生的基础运动能力和兴趣偏好，生成互动式运动游戏，提高学生的参与度和兴趣

CN120277511A权利要求书1/3页

2

1.一种基于大模型的交互式体育教学方法，其特征在于，包括如下步骤：

S1:通过摄像头和深度传感器实时采集学生的运动数据，包括学生的动作姿势、速度、反应时间和心率；

摄像头安装在训练场地的多个位置，深度传感器安装在关键教学设备上，摄像头和深度传感器通过数据采集线缆与中央处理器连接，实时传输采集到的数据；

中央处理器对采集到的运动数据进行预处理，包括滤波、去噪和归一化处理；

S2:中央处理器将预处理后的数据输入预先训练的大模型，评估学生的运动状态，包括动作标准性、运动强度和疲劳程度；

S3:根据学生的运动状态评估结果，大模型自动生成个性化的训练项目；

S4:实时捕捉学生的运动姿势，分析动作是否规范，并提供实时反馈；

S5:根据学生的基础运动能力和兴趣偏好，生成互动式运动游戏。

2.根据权利要求1所述的一种基于大模型的交互式体育教学方法，其特征在于，S2中所述的大模型包括卷积神经网络模型、支持向量机模型和随机森林模型，卷积神经网络模型、支持向量机模型和随机森林模型分别用于评估动作标准性、运动强度和疲劳程度。

3.根据权利要求2所述的一种基于大模型的交互式体育教学方法，其特征在于，卷积神经网络模型的输入为实时采集的运动数据，包括动作姿势图像数据，输出为动作标准性得分S;

支持向量机模型的输入为实时采集的运动强度数据，包括速度、加速度、心率，输出为运动强度评价I;

随机森林模型(RF)的输入为实时采集的疲劳程度数据，包括心率、动作姿势稳定性，输出为疲劳程度评价F。

4.根据权利要求3所述的一种基于大模型的交互式体育教学方法，其特征在于，S3中个性化训练项目生成的具体步骤如下：

S3.1:动作标准性评估，如果动作标准性得分S低于阈值Sth,生成纠正动作练习；

S3.2:运动强度评估，如果运动强度I低于阈值Ith,生成增加强度的训练；

S3.3:疲劳程度评估，如果疲劳程度F高于阈值Fth,生成恢复性训练。

5.根据权利要求4所述的一种基于大模型的交互式体育教学方法，其特征在于，所述的纠正动作练习、增加强度的训练、恢复性训练均包括多个具体的动作，每个动作包含动作名称、动作描述、标准动作演示视频和评分标准；