随着我国经济的飞速增长,居民的生活节奏越来越快,工作和学习中都承受了很大的压力。为了身体的健康,健身运动逐渐成为人们生活中不可缺少的一部分。瑜伽作为一项健身运动,可以缓解压力、消除疲劳。当前主流的瑜伽学习方式有两种,一种是高校的瑜伽课堂教学;另一种是线下瑜伽培训课程。然而,这两种学习方式对时间、空间和教学资源的要求较高,存在学习成本太高、学习效率一般以及不能得到及时的反馈等问题。针对上述不足,本文将骨骼关键点检测技术与运动分析相结合,设计了一种瑜伽动作评价系统,系统可以对输入的视频数据提取关键帧,对瑜伽动作进行识别和评价,有效改善了瑜伽教学效果。论文主要包含以下几方面的研究:（1）在一个视频中,对于瑜伽动作而言,提取视频的关键帧可以为后续的瑜伽动作识别和评价提供数据支持。为此,本文提出了一种关键帧提取算法。算法首先基于聚类提取视频中的候选帧,由于瑜伽训练具有静态、缓慢的特点,提取过后的候选帧中仍含有动作帧冗余。因此,算法通过均方误差二次提取优化关键帧。为了证明算法的有效性,本文将提出的关键帧提取算法与聚类法和三帧差法做了对比实验。实验结果表明,该算法有效提取了瑜伽训练视频中的关键帧,减少了视频的帧冗余。（2）利用计算机视觉进行目标检测和识别一直是过去三十年来比较热门的研究方向。本文根据18种基本的瑜伽姿势自制了瑜伽数据集,通过骨骼关键点检测模型提取骨骼关键点,根据关键点坐标和人体向量结构提出了一种基于角度和模值比的动作特征提取算法。这种动作特征提取算法能够提高复杂关系的拟合能力,避免了瑜伽应用场景中由于人体型及距离远近不同对特征向量产生的影响。经过多次实验,本文选取10个角度特征以及左臂、右臂、左腿、右腿4个模值比特征作为动作特征,将其作为输入,通过神经网络训练生成瑜伽动作识别模型,得到了每一种瑜伽训练动作的识别准确率,并与不同特征数量组合做了对比实验。实验表明,本文基于角度和模值比的动作特征建模算法有着更好的瑜伽动作识别率。（3）瑜伽动作训练需要一个专业的评价指导,肢体动作的不规范或者错误都会对运动效果造成较大的影响。然而对于瑜伽运动而言,不同类别的体式对机体不同位置的要求有所不同。瑜伽动作的评分因素较多,每个动作是否标准的边界不清、不易定量,具有模糊性的特点。在分析了瑜伽姿势要点之后,本文根据瑜伽姿势的骨骼关键点坐标设计了基于角度的评分因素,通过模糊综合评价法计算瑜伽动作的相似度,最后得出动作的评价分数。