(71)申請人四川吉利學院地址610000四川省成都市東部新區(qū)成簡大道二段123號(74)專利代理機構河北冀獅專利代理事務所(特殊普通合伙)13174專利代理師楊峰A63B24/00(2006.01)(54)發(fā)明名稱基于增強現實驅動的互動式體育教學方法及系統(tǒng)本發(fā)明涉及體育訓練智能化與人機交互技術領域，具體涉及基于增強現實驅動的互動式體運動軌跡數據和肌肉激活時序數據；S2:生成運動學偏差參數和生理學偏差參數；S3:基于運動學偏差參數和生理學偏差參數，生成包含關節(jié)位姿修正向量和肌肉激活強度調整建議的AR糾正時投射至受訓者視場；S5:生成包含動作精度提升指數和神經肌肉控制優(yōu)化方案的體育教學效析與AR可視化糾正，實現了對動作精度與神經肌通過穿戴在受訓者身上的慣性傳感器陣列和肌電傳感器，同步采集三維運動軌跡數據和肌肉激活時序數據將三維運動軌跡數據與標準動作數據庫比對生成運動學偏差參數，同時分析肌肉激活時序數據與標準肌肉激活模式的差異生成生理學偏差參數基于運動學偏差參數和生理學偏差參數，生成通過AR顯示設備將AR糾正指令集實時投射至受訓者視場，其中關節(jié)位姿修正向量以動態(tài)箭頭引導呈現，肌肉激活強度調整根據受訓者執(zhí)行AR糾正指令集后的運動學偏差參數改善率和生理學偏差參數匹配度，生成包含動作精度提升肉控制優(yōu)化方案的體育教學效能報告21.基于增強現實驅動的互動式體育教學方法，其特征在于，包括以下步驟：S1:通過穿戴在受訓者身上的慣性傳感器陣列和肌電傳感器，同步采集三維運動軌跡數據和肌肉激活時序數據；S2:將三維運動軌跡數據與標準動作數據庫比對生成運動學偏差參數，同時分析肌肉激活時序數據與標準肌肉激活模式的差異生成生理學偏差參數；S3:基于運動學偏差參數和生理學偏差參數，生成包含關節(jié)位姿修正向量和肌肉激活S4:通過AR顯示設備將AR糾正指令集實時投射至受訓者視場，其中關節(jié)位姿修正向量以動態(tài)箭頭引導呈現，肌肉激活強度調整建議以色彩編碼壓力圖呈現；S5:根據受訓者執(zhí)行AR糾正指令集后的運動學偏差參數改善率和生理學偏差參數匹配度，生成包含動作精度提升指數和神經肌肉控制優(yōu)化方案的體育教學效能報告。2.根據權利要求1所述的基于增強現實驅動的互動式體育教學方法，其特征在于，所述S1具體包括：S11:在受訓者的預定節(jié)點部署慣性傳感器陣列，所述慣性傳感器陣列包括至少9個節(jié)；同時在目標肌群表面貼附肌電傳感器，所述目標肌群至少包括三角肌前束、股直肌和腹外斜肌；S12:建立慣性傳感器陣列與肌電傳感器之間的時間同步協(xié)議，通過無線通信模塊向所有傳感器發(fā)送統(tǒng)一的時間戳信號，確保各傳感器采集數據的時序對齊；S13:通過慣性傳感器陣列實時捕獲受訓者運動過程中的關節(jié)角速度數據和加速度數據，并基于捷聯慣性導航算法解算得到各關節(jié)的三維空間坐標數據；S14:通過肌電傳感器同步采集目標肌群的表面肌電信號，并對原始肌電信號進行帶通濾波和整流處理，提取肌肉激活時序數據。3.根據權利要求1所述的基于增強現實驅動的互動式體育教學方法，其特征在于，所述S2具體包括：S21:基于S1獲取的三維運動軌跡數據，與標準動作數據庫中預設的關節(jié)角度、身體姿態(tài)和動作節(jié)奏信息進行對比，利用匹配度算法獲得軌跡相似度指標，并通過統(tǒng)計方法計算受訓者實際軌跡與數據庫標準軌跡在位姿、速度和時序方面的差異量，生成運動學偏差參S22:基于S1獲取的肌肉激活時序數據，與標準肌肉激活模式中的最大激活幅值、峰值出現時刻和持續(xù)時間進行比較，采用逐點差值分析和幅值歸一化處理評估受訓者的實際肌肉激活過程與標準模式的偏離程度，生成生理學偏差參數。4.根據權利要求3所述的基于增強現實驅動的互動式體育教學方法，其特征在于，所述S21具體包括：S211:對受訓者在訓練過程中采集的三維運動軌跡數據進行時間序列采樣，生成連續(xù)的軌跡點集合；S212:將軌跡點集合與標準動作數據庫中對應標準動作的軌跡點進行逐點配對，計算每一對軌跡點之間的空間差異值，并對所有差異值進行平均處理，形成軌跡相似度指標；S213:根據每個采樣點的姿態(tài)角度差異，計算受訓者與標準動作在關節(jié)位姿方面的平3S214:基于采樣點的速度變化情況，統(tǒng)計受訓者與標準動作在動作執(zhí)行速度方面的差S221:對受訓者的肌肉激活時序數據與標準肌肉激活模式中的對應時序采樣點進行逐S223:結合受訓者在峰值出現時刻和持續(xù)時間方面與標準肌肉激活模式的差異度，記錄受訓者在該峰值區(qū)間內的平均歸一化差值R,并綜合最大差值、峰值時刻偏移量及激活β1·4t+Y1·4+δ·R,其中，max{R(i)}表示歸一化差值的最大值；4t表示受訓者峰值出現時刻與標準峰值出現時刻的差異量；△表示受訓者峰值持續(xù)時段與標準峰值持續(xù)時段的差異量；表示用于量化各項差異影響程度的權重系S31:根據S2中獲得的運動學偏差參數，提取各關節(jié)的姿態(tài)偏差值，定義每個關差向量為Dj,其方向與實際運動方向與標準運動方向之間的空間夾角一致；并根據該偏S32:根據S2中獲得的生理學偏差參數，提取目標肌群的激活強度偏離值，設受訓者實際肌肉激活值為Mg,標準激活值為Sg,則二者差值為Eg=Mg-S?S41:將S3生成的AR糾正指令集導入AR顯示設備的渲染模塊，并在受訓者進入指定練習4區(qū)域后，啟動設備的實時視覺跟蹤功能，用于檢測受訓者當前位置與動作狀態(tài)；S42:對各關節(jié)的修正向量進行可視化處理，將指令集中每個關節(jié)的修正向量映射為動態(tài)箭頭符號，將箭頭起點與受訓者關節(jié)位置對齊，箭頭方向與修正向量方向相同，箭頭長度與修正向量幅度成正比；S43:對肌肉激活強度調整建議進行色彩編碼映射，在受訓者對應肌群表面位置疊加壓力圖層，依據調整建議的正負和大小，顯示不同色彩梯度，色彩的飽和度與調整幅度成正比，用于提示目標肌群的收縮或放松需求；S44:將動態(tài)箭頭與色彩編碼壓力圖在受訓者視場中進行疊加呈現，結合AR顯示設備的姿態(tài)跟蹤功能實現多角度動態(tài)對準，使箭頭與壓力圖在受訓者動作變化時保持實時更新。8.根據權利要求1所述的基于增強現實驅動的互動式體育教學方法，其特征在于，所述S5具體包括：S51:在受訓者完成AR糾正指令集指導下的訓練動作后，重新采集其三維運動軌跡數據與肌肉激活時序數據，并分別計算訓練前后在相同動作單元下的運動學偏差參數與生理學偏差參數；S52:將訓練后運動學偏差參數與訓練前對應參數進行差值分析，計算運動學偏差參數改善率Rk,定義為差值占初始偏差值的百分比；S53:將訓練后肌肉激活時序數據與標準肌肉激活模式進行匹配度計算，采用歸一化相關性指標衡量肌電信號波形相似性，得到生理學參數匹配度指標Rm;S54:根據運動學偏差參數改善率與生理學參數匹配度，生成動作精度提升指數，反映整體訓練成效；S55:依據動作精度提升指數，輸出神經肌肉控制優(yōu)化方案，包括需強化訓練的肌群、推薦動作節(jié)奏與姿態(tài)保持建議，最終形成體育教學效能報告并進行結構化輸出。9.根據權利要求1所述的基于增強現實驅動的互動式體育教學方法，其特征在于，所述S54具體包括：S541:將運動學偏差參數改善率Rk和生理學參數匹配度指標Rm這兩項指標按照以下公式進行加權合成，得到動作精度提升指數，公式為：E=α2·Rk+β?·Rm,其中：E表示動作精度提升指數；Rk表示運動學偏差參數改善率；Rm表示生理學參數匹配度；α2與β2分別為與運動學與生理學指標對應的權重系數。10.基于增強現實驅動的互動式體育教學系統(tǒng)，用于實現如權利要求1-9任一項所述的基于增強現實驅動的互動式體育教學方法，其特征在于，包括以下模塊：多源體征采集模塊：用于在受訓者關鍵關節(jié)位置部署慣性傳感器陣列，并在目標肌群位置貼附肌電傳感器，分別采集受訓者的三維運動軌跡數據與肌肉激活時序數據；動作偏差分析模塊：用于接收多源體征采集模塊采集的數據，并將三維運動軌跡數據與標準動作數據庫進行軌跡比對，計算生成運動學偏差參數，同時將肌肉激活時序數據與標準肌電模式進行匹配分析，輸出生理學偏差參數；糾正指令生成模塊：用于根據運動學偏差參數與生理學偏差參數，分別生成針對各關CN120088108A5鍵關節(jié)的關節(jié)位姿修正向量，以及對應目標肌群的肌肉激活強度調整建議，最終構成AR糾正指令集；提示；訓練效果評估模塊：用于在受訓者完成AR糾正訓練后，重新采集其運動與肌電數據，基于訓練前后的偏差參數變化，計算運動學偏差改善率與生理學參數匹配度，并由此生成動作精度提升指數；優(yōu)化策略輸出模塊：用于根據動作精度提升指數與偏差來源，綜合輸出包含姿態(tài)修正方向、肌群強化訓練計劃與動作節(jié)奏建議的神經肌肉控制優(yōu)化方案。6基于增強現實驅動的互動式體育教學方法及系統(tǒng)技術領域[0001]本發(fā)明涉及體育訓練智能化與人機交互技術領域，尤其涉及基于增強現實驅動的互動式體育教學方法及系統(tǒng)。背景技術[0002]隨著體育運動水平和健康需求的不斷提高，許多訓練方式開始注重動作質量和運動安全；然而，基于傳統(tǒng)教練口頭指導或離線視頻演示的教學方法在實際應用中存在難以量化動作準確度、無法深入監(jiān)控肌肉激活狀態(tài)等局限，難以充分滿足個性化與科學化訓練的需求；尤其對于需要精準掌握動作細節(jié)和提高神經肌肉控制能力的訓練項目，缺乏實時、可視化且具有互動特性的技術手段，導致學習者難以及時糾正錯誤動作或優(yōu)化肌肉激活模[0003]現有技術雖然引入慣性傳感器或生物信號采集裝置，但普遍存在數據整合度不高、反饋方式不直觀、難以動態(tài)投射糾正指令等問題，難以同時兼顧運動學與生理學的多維度偏差分析；隨著增強現實技術逐漸成熟，如何將關節(jié)軌跡、肌電信號有機結合，實現對動作偏差的精準量化與實時指導，成為當前互動式體育教學領域的技術難題。發(fā)明內容[0004]基于上述目的，本發(fā)明提供了基于增強現實驅動的互動式體育教學方法及系統(tǒng)。[0005]基于增強現實驅動的互動式體育教學方法，包括以下步驟：S1:通過穿戴在受訓者身上的慣性傳感器陣列和肌電傳感器，同步采集三維運動軌跡數據和肌肉激活時序數據；S2:將三維運動軌跡數據與標準動作數據庫比對生成運動學偏差參數，同時分析肌肉激活時序數據與標準肌肉激活模式的差異生成生理學偏差參數；S3:基于運動學偏差參數和生理學偏差參數，生成包含關節(jié)位姿修正向量和肌肉激活強度調整建議的AR糾正指令集；S4:通過AR顯示設備將AR糾正指令集實時投射至受訓者視場，其中關節(jié)位姿修正向量以動態(tài)箭頭引導呈現，肌肉激活強度調整建議以色彩編碼壓力圖呈現；S5:根據受訓者執(zhí)行AR糾正指令集后的運動學偏差參數改善率和生理學偏差參數匹配度，生成包含動作精度提升指數和神經肌肉控制優(yōu)化方案的體育教學效能報告。S11:在受訓者的預定節(jié)點部署慣性傳感器陣列，所述慣性傳感器陣列包括至少9關節(jié)；同時在目標肌群表面貼附肌電傳感器，所述目標肌群至少包括三角肌前束、股直肌和腹外斜肌；S12:建立慣性傳感器陣列與肌電傳感器之間的時間同步協(xié)議，通過無線通信模塊7向所有傳感器發(fā)送統(tǒng)一的時間戳信號，確保各傳感器采集數據的時序對齊；S13:通過慣性傳感器陣列實時捕獲受訓者運動過程中的關節(jié)角速度數據和加速度數據，并基于捷聯慣性導航算法解算得到各關節(jié)的三維空間坐標數據；S14:通過肌電傳感器同步采集目標肌群的表面肌電信號，并對原始肌電信號進行帶通濾波和整流處理，提取肌肉激活時序數據。S21:基于S1獲取的三維運動軌跡數據，與標準動作數據庫中預設的關節(jié)角度、身體姿態(tài)和動作節(jié)奏信息進行對比，利用匹配度算法獲得軌跡相似度指標，并通過統(tǒng)計方法計算受訓者實際軌跡與數據庫標準軌跡在位姿、速度和時序方面的差異量，生成運動學偏差參數；S22:基于S1獲取的肌肉激活時序數據，與標準肌肉激活模式中的最大激活幅值、峰值出現時刻和持續(xù)時間進行比較，采用逐點差值分析和幅值歸一化處理評估受訓者的實際肌肉激活過程與標準模式的偏離程度，生成生理學偏差參數。S211:對受訓者在訓練過程中采集的三維運動軌跡數據進行時間序列采樣，生成連續(xù)的軌跡點集合；S212:將軌跡點集合與標準動作數據庫中對應標準動作的軌跡點進行逐點配對，計算每一對軌跡點之間的空間差異值，并對所有差異值進行平均處理，形成軌跡相似度指S213:根據每個采樣點的姿態(tài)角度差異，計算受訓者與標準動作在關節(jié)位姿方面的平均差異值；S214:基于采樣點的速度變化情況，統(tǒng)計受訓者與標準動作在動作執(zhí)行速度方面的差異值，并同時評估相同動作階段的時間對齊程度，形成速度差異值與時序差異值；S215:根據位姿差異值、速度差異值和時序差異值的重要程度設置權重系數，對三者進行加權合成，生成運動學偏差參數。S221:對受訓者的肌肉激活時序數據與標準肌肉激活模式中的對應時序采樣點進行逐點配對，計算逐點幅值偏離量D(i);S222:對差值進行幅值歸一化處理，得到歸一化差值R(i);時間偏移量，形成生理學偏差參數Bm,其表達式為：Bm=α1·max{R(i)}+β1·4t+Y1·示受訓者峰值出現時刻與標準峰值出現時刻的差異量；△π表示受訓者峰值持續(xù)時段與標準峰值持續(xù)時段的差異量；α1,β1,Y?,δ表示用于量化各項差異影響程度的權重系8S31:根據S2中獲得的運動學偏差參數的偏差向量為,其方向與實際運動方向與標準運動方向之間的空間夾角一致；并根據關節(jié)的修正向量；Dj表示第j個關節(jié)的空間姿態(tài)偏差向量；k;為第j個關節(jié)的修正系S32:根據S2中獲得的生理學偏差參數，提取目者實際肌肉激活值為Mg,標準激活值為Sg,則二者差值為Eg=Mg-Sg,并根據S41:將S3生成的AR糾正指令集導入AR顯示設S43:對肌肉激活強度調整建議進行色彩編碼映射，在受訓者對應肌群表面位置疊S52:將訓練后運動學偏差參數與訓練前對應參數進行差值分S54:根據運動學偏差參數改善率與生理學參數匹配度，生成動作精度提升指數，9S55:依據動作精度提升指數，輸出神經肌肉控制優(yōu)化方案，包括需強化訓練的肌群、推薦動作節(jié)奏與姿態(tài)保持建議，最終形成體育教學效能報告并進行結構化輸出。S541:將運動學偏差參數改善率Rk和生理學參數匹配度指標Rm這兩項指標按照以下公式進行加權合成，得到動作精度提升指數，公式為：E=α2·Rk+β?·Rm,其中：E表示動作精度提升指數；Rk表示運動學偏差參數改善率；Rm表示生理學參數匹配度；分別為與運動學與生理學指標對應的權重系數。[0014]基于增強現實驅動的互動式體育教學系統(tǒng)，用于實現上述的基于增強現實驅動的互動式體育教學方法，包括以下模塊：多源體征采集模塊：用于在受訓者關鍵關節(jié)位置部署慣性傳感器陣列，并在目標肌群位置貼附肌電傳感器，分別采集受訓者的三維運動軌跡數據與肌肉激活時序數據；動作偏差分析模塊：用于接收多源體征采集模塊采集的數據，并將三維運動軌跡數據與標準動作數據庫進行軌跡比對，計算生成運動學偏差參數，同時將肌肉激活時序數據與標準肌電模式進行匹配分析，輸出生理學偏差參數；糾正指令生成模塊：用于根據運動學偏差參數與生理學偏差參數，分別生成針對各關鍵關節(jié)的關節(jié)位姿修正向量，以及對應目標肌群的肌肉激活強度調整建議，最終構成AR糾正指令集；AR指令可視化模塊：用于將糾正指令生成模塊構建的AR糾正指令集投射至AR顯示設備中，并以動態(tài)箭頭引導方式呈現關節(jié)姿態(tài)調整方向，以色彩編碼圖方式呈現肌肉激活調整提示；訓練效果評估模塊：用于在受訓者完成AR糾正訓練后，重新采集其運動與肌電數據，基于訓練前后的偏差參數變化，計算運動學偏差改善率與生理學參數匹配度，并由此生成動作精度提升指數；優(yōu)化策略輸出模塊：用于根據動作精度提升指數與偏差來源，綜合輸出包含姿態(tài)修正方向、肌群強化訓練計劃與動作節(jié)奏建議的神經肌肉控制優(yōu)化方案。本發(fā)明，通過慣性傳感器與肌電傳感器協(xié)同采集受訓者在訓練過程中的三維運動軌跡數據與肌肉激活時序數據，實現了對關鍵動作執(zhí)行過程的高精度、多維度感知。[0016]本發(fā)明，通過運動學與生理學偏差分析，精準識別動作執(zhí)行中的姿態(tài)誤差與肌群激活異常，并進一步生成包含關節(jié)位姿修正向量與肌肉激活強度調整建議的AR糾正指令集，提升了動作反饋的可視化程度與針對性，顯著提升了體育教學中個體訓練的精細化程度與干預效果，解決了傳統(tǒng)指導手段反饋滯后和不具交互性的問題。附圖說明[0017]為了更清楚地說明本發(fā)明或現有技術中的技術方案，下面將對實施例或現有技術描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本發(fā)明，對于本領域普通技術人員來講，在不付出創(chuàng)造性勞動的前提下，還可以根據這些附圖獲得其他的附圖。[0018]圖1為本發(fā)明實施例的互動式體育教學方法示意圖；圖2為本發(fā)明實施例的互動式體育教學系統(tǒng)示意圖。具體實施方式[0019]下面結合附圖和具體實施例對本發(fā)明進行詳細描述。同時在這里做以說明的是，為了使實施例更加詳盡，下面的實施例為最佳、優(yōu)選實施例，對于一些公知技術本領域技術人員也可采用其他替代方式而進行實施；而且附圖部分僅是為了更具體的描述實施例，而并不旨在對本發(fā)明進行具體的限定。實施例”等指示所述的實施例可以包括特定特征、結構或特性，但未必每個實施例都包括該(無論是否明確描述)實現這種特征、結構或特性應在相關領域技術人員的知識范圍內。[0021]通常，可以至少部分從上下文中的使用來理解術語。例如，至少部分取決于上下旨在傳達一組排他性的因素，而是可以替代地，至少部分地取決于上下文，允許存在不一定明確描述的其他因素。[0022]如圖1所示，基于增強現實驅動的互動式體育教學方法，包括以下步驟：S1:通過穿戴在受訓者身上的慣性傳感器陣列和肌電傳感器，同步采集三維運動軌跡數據和肌肉激活時序數據；S2:將三維運動軌跡數據與標準動作數據庫比對生成運動學偏差參數，同時分析肌肉激活時序數據與標準肌肉激活模式的差異生成生理學偏差參數；S3:基于運動學偏差參數和生理學偏差參數，生成包含關節(jié)位姿修正向量和肌肉激活強度調整建議的AR糾正指令集；S4:通過AR顯示設備將AR糾正指令集實時投射至受訓者視場，其中關節(jié)位姿修正向量以動態(tài)箭頭引導呈現，肌肉激活強度調整建議以色彩編碼壓力圖呈現；S5:根據受訓者執(zhí)行AR糾正指令集后的運動學偏差參數改善率和生理學偏差參數匹配度，生成包含動作精度提升指數和神經肌肉控制優(yōu)化方案的體育教學效能報告。S11:在受訓者的預定節(jié)點部署慣性傳感器陣列，慣性傳感器陣列包括至少9個關節(jié)、膝關節(jié)及踝關節(jié)；同時在目標肌群表面貼附肌電傳感器，目標肌群至少包括三角肌前S12:建立慣性傳感器陣列與肌電傳感器之間的時間同步協(xié)議，通過無線通信模塊向所有傳感器發(fā)送統(tǒng)一的時間戳信號，確保各傳感器采集數據的時序對齊；S13:通過慣性傳感器陣列實時捕獲受訓者運動過程中的關節(jié)角速度數據和加速度數據，并基于捷聯慣性導航算法解算得到各關節(jié)的三維空間坐標數據；其中三維坐標數示時刻t各關節(jié)的三維空間坐標；A(t)表示時刻T慣性傳S14:通過肌電傳感器同步采集目標肌群的表面肌電信號(sEMG),并對原始肌電信S22:基于S1獲取的肌肉激活時序數據，與標準肌肉激活模式中的最大激活幅值、S211:對受訓者在訓練過程中采集的三維運動軌跡數據進行時間序列采樣，生成S212:將軌跡點集合與標準動作數據庫中對應標準動作的軌跡點進行逐點配對，S213:根據每個采樣點的姿態(tài)角度差異，計算受訓者與標準動作在關節(jié)位姿方面S214:基于采樣點的速度變化情況，統(tǒng)計受訓者與標準動作在動作執(zhí)行速度方面B=aP+βV+γS;其中：p(i)表示第i個采樣點的關節(jié)姿態(tài)差異；v(i)表示第i個采樣點的速度矢量差異；s(i)表示第i個采樣點的動作節(jié)奏差異；,其中：表示標準肌肉激活模式在整個時序范圍內的最大激活幅值；R(i)表示第i個采樣點對應的歸一化差值；時間偏移量，形成生理學偏差參數Bm,其表達式為：Bm=α1·max{R(i)}+示受訓者峰值出現時刻與標準峰值出現時刻的差異量；△表示受訓者峰值持續(xù)時段與標準峰值持續(xù)時段的差異量；α1,β1,Y?,δ表示用于量化各項差異影響程度的權重系的偏差向量為Dj,其方向與實際運動方向與標準運動方向之間的空間夾角一致，大小表S32:根據S2中獲得的生理學偏差參數，提取目標肌群的激活強度偏離者實際肌肉激活值為Mg,標準激活值為Sg,則二者差值為Eg=Mg-Sg,并根據驟通過將運動學偏差參數與生理學偏差參數分別映射為關節(jié)位姿修正向量與肌肉強度調S41:將S3生成的AR糾正指令集導入AR顯示設備的渲染模塊，并在受S42:對各關節(jié)的修正向量進行可視化處理，將指令集中每個關節(jié)的修正向量映射為動態(tài)箭頭符號，將箭頭起點與受訓者關節(jié)位置對齊，箭頭方向與修正向量方向相同，箭頭長度與修正向量幅度成正比；S43:對肌肉激活強度調整建議進行色彩編碼映射，在受訓者對應肌群表面位置疊加壓力圖層，依據調整建議的正負和大小，顯示不同色彩梯度，色彩的飽和度與調整幅度成正比，用于提示目標肌群的收縮或放松需求；S44:將動態(tài)箭頭與色彩編碼壓力圖在受訓者視場中進行疊加呈現，結合AR顯示設備的姿態(tài)跟蹤功能實現多角度動態(tài)對準，使箭頭與壓力圖在受訓者動作變化時保持實時更新，從而實現對關節(jié)姿態(tài)與肌肉激活強度的同步可視化糾正引導；上述步驟通過AR顯示設備將關節(jié)修正向量與肌肉激活調整建議分別轉換成動態(tài)箭頭與色彩壓力圖，不僅能夠在視覺上準確提示關節(jié)方向及強度需求，還可以在訓練過程中對不同動作階段進行實時跟蹤與更新，顯著提升動作糾正的即時性與精準度。S51:在受訓者完成AR糾正指令集指導下的訓練動作后，重新采集其三維運動軌跡數據與肌肉激活時序數據，并分別計算訓練前后在相同動作單元下的運動學偏差參數與生理學偏差參數；S52:將訓練后運動學偏差參數與訓練前對應參數進行差值分析，計算運動學偏差參數改善率Rk