基于YOLOv11姿态检测的AI健身助手✨ 功能特点实时运动计数- 自动计算您的健身次数多种运动支持- 包括深蹲、俯卧撑、仰卧起坐、哑铃运动等十多种先进的姿态检测- 采用YOLOv11实现精准跟踪模型切换功能- 可以在小型(更快)和大型(更精确)YOLOv11模型之间轻松切换可视化反馈- 实时骨骼可视化和角度测量健身统计- 跟踪您的健身进度用户友好界面- 基于PyQt5的简洁界面操作直观兼容普通摄像头- 无需特殊硬件本地运行- 完全隐私 系统要求Python 3.7摄像头Windows系统: 必须有NVIDIA GPU (至少4GB显存)暂不支持CPU模式Mac/Linux系统: 可以使用CPU模式运行但速度较慢 快速下载如果您不想配置Python环境可以直接下载我们打包好的可执行文件注意: Windows版本需要NVIDIA GPU和适当的驱动程序才能运行 使用指南控制方式使用界面按钮选择不同的运动类型通过模型选择器切换不同模型小型模型(更快): 使用yolo11n-pose.pt在性能较弱的硬件上运行更流畅大型模型(更精确): 使用yolo11s-pose.pt提供更精确的姿态检测实时反馈显示您当前的姿势和重复次数按重置按钮重置计数器使用手动调整按钮修正计数(如有需要)开关骨骼可视化查看您的健身统计数据 安装指南Windows GPU版本安装 (必需)确保您的系统满足要求NVIDIA GPU卡建议4GB以上显存已安装最新NVIDIA驱动安装CUDA和cuDNN下载并安装CUDA Toolkit建议使用11.8版本下载并安装cuDNN克隆并安装gitclone code# 创建虚拟环境python-mvenv venv# Windows激活环境.\venv\Scripts\activate# 安装GPU版PyTorchpipinstalltorch torchvision --index-url https://download.pytorch.org/whl/cu118# 安装其他依赖pipinstall-rrequirements.txt验证GPU可用性python-cimport torch; print(GPU可用:,torch.cuda.is_available())运行应用python workout_qt_modular.py创建可执行文件# 创建可执行文件.\build_executable.batMac安装 (CPU版本)安装依赖# MacOS系统brewinstallpython克隆并安装gitclone code# 创建虚拟环境python3-mvenv venvsourcevenv/bin/activate# 安装依赖pipinstall-rrequirements.txt运行应用python workout_qt_modular.py️ 应用截图