摘要：该数据集是一个面向视频分类、健身动作识别与智能运动分析任务构建的健身视频数据集，主要用于研究人在健身房或训练场景中的运动行为识别问题。
数据集概述
该数据集是一个面向视频分类、健身动作识别与智能运动分析任务构建的健身视频数据集，主要用于研究人在健身房或训练场景中的运动行为识别问题。数据集由团队整理与处理，原始数据来源于公开健身锻炼视频库以及从 YouTube 抓取的视频资源，所有样本均为 MP4 视频格式。数据集覆盖常见的力量训练与自重训练动作，既包含原始视频，也包含清洗和切分后的标准化短视频片段，适合用于训练和评估视频动作分类模型。
数据结构与关键特征
该数据集主要分为 raw_data、verified_data 和 test 三个部分。raw_data 中包含原始采集视频，其中 data-btc 含 652 个视频，data-crawl 含 334 个视频。verified_data 为预处理后的高质量数据，研究者对原始数据进行了去噪和切分，使每段视频时长控制在 10–13 秒 左右，其中 data_btc_10s 包含 817 个视频片段，data_crawl_10s 包含 754 个视频片段。此外，test 部分包含 61 个测试视频，这些视频保留了一定噪声，用于更真实地评估模型性能。
数据集覆盖 22 类健身动作，包括杠铃二头肌弯举、卧推、蝴蝶机夹胸、硬拉、下斜卧推、锤式弯举、臀推、上斜卧推、高位下拉、侧平举、腿屈伸、举腿、平板支撑、引体向上、俯卧撑、罗马尼亚硬拉、俄罗斯转体、肩部推举、深蹲、T 杠划船、绳索下压和双杠臂屈伸等。数据来源多样，包含不同角度、不同场景和不同人物，有助于提升模型的鲁棒性和泛化能力。
应用价值与研究方向
该数据集适用于健身动作视频分类、人体行为识别、智能健身辅助、动作纠错、运动次数统计以及 AI 私人教练系统等研究方向。研究中可以采用 VideoMAE、3D-CNN、SlowFast、TimeSformer、Video Swin Transformer 等视频模型学习动作的时空特征，也可以结合 MediaPipe、OpenPose、MoveNet 或 YOLO-Pose 提取人体关键点，再进行骨骼级动作分析。进一步还可以围绕复杂背景下的健身动作识别、相似动作区分、短视频分类、带噪测试鲁棒性评估以及实时摄像头健身动作反馈等问题开展研究，为智能健身房和家庭健身系统提供数据支持。
数据集来源
由张家梁(Bob)整理并于2026年在7zcode平台公开发布。
数据集信息
免责声明与引用
数据仅用于科研与教学用途。若用于商业场景，请自行核验数据许可。如需引用，请在论文或报告中注明数据集名称与版本号。
作者信息
作者：Bob (张家梁)
项目编号：Datasets-809
文件大小：9G
原创声明：本数据集为整理作品
联系方式
开源协议
本项目采用AGPL-3.0开源协议，允许个人和组织自由使用、修改和分发代码，但基于本项目的衍生作品必须同样开源，且用于提供网络服务时需向用户提供完整源代码。本项目仅供学习研究使用，作者不对使用本项目产生的任何后果承担责任，使用者应遵守当地法律法规，合理合法使用本项目。如本项目对您的研究或工作有所帮助，欢迎引用并注明出处。
评论(0)