摘要：该数据集是一个面向瑜伽姿势识别、人体姿态分类与姿态估计任务构建的计算机视觉图像数据集，主要服务于 DeepPose 瑜伽动作识别与分析项目。
数据集概述
该数据集是一个面向瑜伽姿势识别、人体姿态分类与姿态估计任务构建的计算机视觉图像数据集，主要服务于 DeepPose 瑜伽动作识别与分析项目。数据集收集并整理了人物完成不同瑜伽体式时的二维图像，通过数据清洗、质量筛选、重复图像剔除以及类别重新组织，形成标准化的 11 类瑜伽姿势数据结构。数据可以直接用于 PyTorch、TensorFlow、MediaPipe 等机器学习和深度学习框架，为瑜伽动作分类、人体关键点分析以及实时姿势纠正提供训练数据基础。
数据结构与关键特征
数据集按照瑜伽姿势类别划分为 11 个文件夹，分别包括 Bridge Pose（桥式）、Chair Pose（椅子式）、Child Pose（婴儿式）、Cobra Pose（眼镜蛇式）、Downward Dog Pose（下犬式）、Goddess Pose（女神式）、Plank Pose（平板式）、Tree Pose（树式）、Triangle Pose（三角式）、Warrior 1 Pose（战士一式）和 Warrior 2 Pose（战士二式）。所有图像统一整理在 DATASET 目录下，并配套 class_labels.csv 类别标签文件，方便模型读取类别信息并建立监督学习任务。由于数据来源于多个开放图像资源和公开数据集，在人物、服装、背景环境、身体比例、拍摄视角和动作表现等方面具有一定多样性，同时经过质量过滤和去重处理，更适合构建具有较好泛化能力的姿态识别模型。
应用价值与研究方向
该数据集可用于瑜伽姿势分类、人体姿态估计、动作规范性分析、智能健身、实时姿势纠错以及健身 AI 智能体等研究。图像分类任务可以采用 ResNet、MobileNet、EfficientNet、DenseNet、ConvNeXt 或 Vision Transformer 等模型直接进行 11 类识别；姿态分析任务则可以结合 MediaPipe、OpenPose、MoveNet 或 YOLO-Pose 提取人体关键点，再通过关节角度、骨骼距离和姿态几何关系判断动作是否标准。进一步还可以研究姿势相似度计算、错误动作定位、实时摄像头反馈、多视角姿态识别以及个性化瑜伽训练指导，从而构建面向居家健身和智能运动辅助场景的实时瑜伽姿态分析系统。
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-799
文件大小：481M
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)