随着健康中国建设、体育强国建设等国家战略的深入推进实施，人民群众对科学化、个性化健身服务的需求日益增长[1]。然而，传统健身服务模式面临诸多挑战：公共体育场所意外事件频发且应急响应滞后[2]；健身行为监测精度不足导致运动处方缺乏客观依据[3]；多源异构数据难以互联互通，限制了健康管理的协同性；隐私泄露风险加剧了公众对数据共享的担忧[4]。在此背景下，《“健康中国2030”规划纲要》中明确提出，推动形成体医结合的疾病管理与健康服务模式，发挥全民科学健身在健康促进、慢性病预防和康复等方面的积极作用[5]。
体医工融合作为一种跨学科范式，通过整合运动科学、医学诊断、人工智能与信息技术，为破解上述难题提供了新思路[6]。为此，本研究依托国家重点研发计划项目——《全民健身信息服务平台关键技术的研究》的关键技术，系统探索体医工协同创新框架下的关键技术突破与应用实践，旨在为构建更高水平的全民健身公共服务体系提供科技支撑。
1 体医工融合视角下多源数据驱动全民科学健身智能服务的内涵与数据关系
1.1 体医工融合视角下多源数据驱动全民科学健身智能服务的内涵
体医工融合是指将体育学（体）、医学（医）和工程学（工）3个学科的理论、方法和技术有机结合，形成一个跨学科的综合体系，旨在通过多学科协作解决健康促进、疾病预防和康复治疗中的复杂问题。体医工融合研究以跨学科协同为核心：体育学聚焦人体运动规律的探索、医学解析运动中的人体机能变化与健康关联、工程学则通过科学原理与技术创新提升运动效率与安全性，三者共同构建理论与实践联动的闭环体系，推动科学运动与健康管理的精准化和智能化发展。
多源数据驱动是指通过整合不同来源、类型和格式的数据，利用先进的数据分析技术（如机器学习、数据挖掘）提取有价值的信息，从而支持决策制定和问题解决。多源数据驱动科学健身可解决多源异构数据的融合、数据隐私保护等关键问题[7]。
科学健身是指以循证医学和运动科学为指导，通过系统化、规范化的方法，改善和维持个体身体健康水平。其核心在于通过合理的运动量和运动强度，引起身体的正向生理适应，确保健身行为的安全性和有效性[8]。
1.2 体医工融合视角下多源数据驱动全民科学健身智能服务的数据关系
多源数据驱动全民科学健身智能服务的数据关系体现为多模态数据的协同作用与转化机制, 实现了“危险事件感知-健身行为监测-健身方案生成-数据融合交换-数据隐私保护-数据安全共享”的全链条数据贯通，见图2。在健身安全方面，基于视频监控、物联网设备等多源数据流，通过深度卷积神经网络与时空注意力机制，实现了6种健身危险事件的实时识别和报警响应时间的缩短，形成了“数据采集-特征提取-风险预警-应急处置”的闭环链路。该技术可提升公共体育场所的应急响应效率，降低事故的发生率。
在健身有效性方面，基于穿戴传感器监测健身行为活动强度数据和个体健康体检数据，可智能生成健身运动方案，并基于个人健康、运动风险筛查、健身行为等数据，以及运动偏好、健身环境等因素智能生成个体化健身运动方案，解决智能生成健身方案的安全性、有效性和个性化的问题，实现健身行为的精准监测和个体化健身的精准指导。
2 体医工融合视角下多源数据驱动全民科学健身智能服务的关键技术
2.1 服务健身安全性的公共体育场所危险事件AI识别技术
2.1.1 健身场所跌倒AI识别技术
2.1.1.1 基于计算机视觉动作捕捉的跌倒AI识别技术
为了减少公共体育场所危险事件的发生，基于计算机视觉的跌倒AI识别技术[12-13]，用于监控室内外的体育场馆（场地）健身人群是否发生跌倒情况。通过摄像机对场景中的人进行连续监控，采用动作捕捉技术对采集视频中的人体姿态骨骼关键点数据进行特征提取，形成运动姿态编码，通过神经网络模型建立跌倒AI识别算法，从而进行跌倒检测。对已标注的跌倒和非跌倒样本进行训练并建立起一个准确的分类器，通过一定的后处理将人体姿态编码分析结果与已建立的跌倒特征数据库和非跌倒特征数据库信息结合起来检测跌倒，实时检测健身者是否发生了跌倒，并进行相应的处理和报警，从而实现体育场所的监测区域内发生跌倒危险事件AI识别报警的技术突破，应用场景如图3所示。
2.1.1.2 基于多轴加速度传感器的跌倒AI识别技术
基于多轴加速度传感器的跌倒AI识别技术[14]，用于监测佩戴运动手表的个人在体育场所发生的跌倒危险事件（如图4所示）。基于运动手表内置加速传感器实时采集人体健身中的跌倒数据，提取人体跌倒行为中最大合加速度、合加速度方差和跌倒前后的合加速度方向变化阈值建立跌倒识别模型。基于运动手表鸿蒙系统和跌倒识别模型开发人体跌倒检测系统，实现通过佩戴运动手表进行跌倒危险事件AI识别和报警，用户端通过手表定位系统定位获取当前位置坐标信息，同时向本项目研发的健身危险事件报警系统服务端发出报警信息，服务端接收跌倒报警信息后立即将报警信息发给体育场所安全监控人员和跌倒的健身者的紧急联系人，以实现体育场所和紧急联系人对健身者跌倒危险事件AI识别报警的应急处理，为健身者健身的安全性提供保障。
2.1.2 健身场所溺水AI识别技术
2.1.2.1 基于计算机视觉动作捕捉的溺水AI识别技术和设备
一直以来，游泳馆普遍依赖救生员目视巡查与常规摄像头监控，但人工监测存在视觉盲区与疲劳漏检风险，而黄金救援时间仅为4~6 min。基于计算机视觉的溺水AI识别技术[15-17]，可用于监控游泳池内游泳人员的溺水识别。其通过摄像机对泳池内的游泳者进行连续监控，应用动作捕捉技术对采集视频中的人体姿态骨骼关键点数据进行特征提取，形成姿态编码，通过神经网络模型建立溺水AI识别算法，可以进行溺水检测。应用动作捕捉技术提取视频中的人体姿态骨骼关键点数据特征，以神经网络模型对已标注的溺水和非溺水样本进行训练，并建立起一个准确的分类器，通过一定的后处理将人体姿态编码分析结果与已建立的溺水特征数据库和非溺水特征数据库信息相结合，实时监测健身者是否发生了溺水的情况，并进行相应的处理和报警。
基于计算机视觉的溺水AI识别技术是通过在游泳池侧壁中下位安装的摄像机，对游泳池内部进行拍摄。每2台摄像机为一组，2 台摄像机视场角均大于 90°，并且成一定角度放置，从观察窗看到的泳池覆盖面接近180°范围（见图5）。
2.1.2.2 基于超宽带定位技术的溺水AI识别技术
2.1.3 基于柔性单导联电极的心血管事件AI识别技术
相关研究表明，高强度运动中房颤、室性早搏等心律失常事件发生率高于静息状态，而传统心电监测设备因体积笨重、佩戴束缚难以适配动态运动场景[19]。柔性单导联电极通过超薄纳米材料与仿生结构设计，将单导联ECG传感器嵌入可穿戴设备，较长时间连续采集人体生理体征数据，实现运动过程无感化连续监测，用于监控健身者运动过程中突发房颤、房室传导阻滞、早搏等心律失常事件（如图7所示）。本研究基于1D-CNN和LSTM组合模型构建了心电信号分类模型，以此对心电信号进行分类，可以更高效地捕获心电信号的局部特征和时间动态，优化心电信号的特征提取，将5类心律异常事件整体识别率提升99.63%，解决了高强度运动中因房颤、房室传导阻滞、早搏、室性心动过速等类型心律失常引发的急性心血管事件识别的问题，可以为健身安全性提供保障。
2.2 服务健身有效性的健身行为精准监测与智能指导的技术
2.2.1 健身行为高精度监测技术
运动促进健康，需要达到一定量的身体活动才能获得健康效益。基于运动与健康之间的量效关系，国际卫生组织发布了身体活动指南[20]，提出各种人群每周身体活动的推荐量。然而，身体活动不足是全球性的公共卫生问题，身体活动不足已成为全球第4位死亡风险因素[21]，身体活动不足者的死亡风险会增加20%~30%。“运动是良药”是国际公共卫生领域达成的基本共识，运动的剂量（运动强度和时间）是决定运动能否有效促进健康的关键因素。从科学健身视角来看，健身行为高精度监测技术是实现运动剂量精准化、提升健康效益的关键支撑。因此，健身行为精准监测是确定运动能否达到促进健康的推荐剂量的关键因素，也是通过运动促进健康的核心问题。目前，国际上有关健身行为精准监测的可穿戴装备是基于传感器的运动能耗监测或身体活动计[22-23]，广泛应用于公共卫生、运动科学等领域的科学研究，而市场上的运动手表在监测身体活动量的精确度、连续性等方面难以达到科学健身指导的需求。面向全民普及的健身行为精准监测成为落实全民科学健身工作亟待解决的重要问题。
基于加速度传感器的健身行为监测技术，是根据世界卫生组织和国际公共卫生领域关于健身活动强度分级的方法及人体运动过程中腕戴传感器的数据，使用深度神经网络算法研制的身体活动强度分级算法，监测高、中、低强度身体活动精确度达到90%以上。基于传感器身体活动强度分级的健身行为监测技术嵌入于多款智能手表，实现了健身行为连续动态精准监测，为智能推送个体化健身运动方案提供了客观量化的依据，见图8。
2.2.2 健身知识智能问答和查询技术
公众对健康生活方式的重视，使越来越多的健身者希望通过科技手段获取实时反馈的和定制的健身建议，而传统的书籍或网站往往难以满足这一需求。AI和机器学习技术的进步为智能查询系统的开发提供了技术基础。因此，研发健身知识智能查询系统不仅能满足公众对个性化健身信息的需求，还能推动健身行业的数字化转型[24]。通过整合AI技术，健身知识智能查询技术可以提供实时反馈的和定制的建议。
全民健身运动知识智能查询系统平台包括健身知识智能问答和知识图谱查询2项功能，其关键技术包括健身运动知识表达技术、科学健身和运动技术知识图谱库2个方面，主要有健身知识分类方法、表达模型、健身运动知识库、健身运动图谱的实体识别方法和关系分类技术，以及基于大语言模型的知识获取技术、人体运动视频细粒度文本生成方法等。
健身运动知识智能问答系统模块主要利用大语言模型的深度推理，生成科学和专业的健身运动知识问答结果，以实现健身运动知识的智能查询，构建流程包括3个方面。1）基于健身运动领域核心知识源数据构造系统所需的数据集和知识库。2）通过运用词嵌入等向量化方法，将健身运动领域核心知识源文本与健身运动知识库内所涵盖的知识信息加以高效度量，并构建向量库。3）通过关系数据库、图数据库以及向量库的协同应用，增强大语言模型在健身知识查询问答任务中的解释性和灵活性。
健身知识图谱系统构建流程主要包括知识抽取、知识融合、知识图谱存储、知识检索、问答等核心模块。在知识图谱系统构建过程中，知识抽取、知识融合是关键的工作。数据库的数据获取主要通过机器爬取网络信息和人工整理的核心健身知识。知识抽取主要是对多源异构的健身运动领域知识信息进行规模化挖掘与收集。基于抽取结果，建立统一且具有领域共识的健身运动知识表达模型，并构建相应的健身运动知识本体。知识融合模块主要对健身运动领域知识信息进行实体对齐与数据整合，并以图数据库作为组织引擎，实现健身运动知识的集中集成、共享分析和管理复用。
2.2.3 个性化健身方案智能生成技术
健身方案通常由运动目标、运动方式、运动强度、运动频次和运动时间5个基本要素组成，此外，还应考虑个人的健康水平、运动风险、运动偏好、健身场景等要素。在健身方案的基本要素基础上，增加个体要素，才能形成个性化健身方案。个性化健身方案是在确保健身者安全运动的前提下，在健身方案基本要素基础上，充分考虑健身者个体特征和需求（身体状况、健身场景、运动偏好等）的可操作性的健身计划。基于机器学习、深度学习等AI算法形成的个性化智能运动方案生成技术，可以对健身者的运动风险、运动习惯、健康状况、运动传感器或摄像头等运动数据进行模式识别和身体活动量特征提取，结合健身场景和个人偏好等因素，智能生成满足个体需求的可视化健身方案，以实现个体化健身方案智能生成和精准健身指导。个性化健身方案智能生成技术提高了健身的安全性和有效性，为大众开展个性化健身活动和科学有效地进行健身提供了保障，见图9。
2.2.4 基于计算机视觉动作捕捉技术的AI健身监测和指导技术
在全民健身实践中，动作规范性不足已成为制约锻炼效果、引发运动损伤的核心痛点。有数据显示，很多非专业健身者往往因动作代偿或姿势错误导致肌肉劳损和关节损伤。传统解决方案存在显著局限性，如视频教程缺乏实时交互性，无法针对性纠错；私教服务受限于时空与成本，难以普惠大众[27]。AI动作捕捉技术通过人体骨骼关键点追踪与深度学习算法，构建三维动态动作模型，可实时比对标准动作库，以毫秒级延迟反馈偏差值。基于计算机视觉动作捕捉技术的AI健身反馈和指导技术正逐渐成为满足用户需求的必要工具。
基于计算机视觉动作捕捉技术和人体骨骼关键点识别技术，实现对健身者动作标准度自动判断，再利用大数据分析等技术对人体的骨骼关键点进行分析处理，最后得出准确的运动姿态，将该姿态与标准的健身动作进行对比，可以及时提供反馈和建议，帮助用户纠正动作错误，提高运动效果，激发健身者参与运动的兴趣，进而提高持续参加锻炼的热情和依从性。在用户运动过程中，运动推荐系统利用大数据分析技术，可以处理大量的用户运动数据，从中挖掘出有价值的信息，不断优化运动推荐算法，提升系统的准确性和可靠性。基于AI技术的健身动作指导，可以准确确认人体骨骼关键点位置，确保判断运动状态的精确度，视觉动作捕捉技术具有稳定、快速、实时的特点，使动作信息获取精准，并支持定制化健身方案。
2.2.5 基于信息技术的科学健身指导引擎
提供在线科学健身知识与方法的搜索和科学健身指导是满足人们日益增长的科学健身需要的重要措施，也是搭建全民健身信息服务平台的核心目标之一[28]。科学健身指导引擎用于科学健身知识、方法搜索和全民科学健身指导的系统平台。首都体育学院牵头主持的国家重点研发计划项目研发的科学健身指导引擎（首体健身App）是采用技术集成的方式，集健身危险事件报警、健身行为监测、个性化健身指导的专业科学健身指导软件系统，为全民提供专业的科学健身方法和权威的科学健身知识（如图10所示）。首体健身App具备10个功能模块，内置丰富的动作库和课程库，包含2500+高清动作视频和7类高清视频课程，可满足普通人群和老年人、运动损伤患者、慢性病患者、儿童、孕妇等多种特殊人群的健身锻炼指导需求。该App还可以与运动手表、运动心电衣等可穿戴装备连接，从而可以获取健身行为数据，实时监测健身行为，并能基于客观测量的身体活动量智能推荐运动方案。此外，该App还能与社区体质健康测试设备、体检中心数据系统连接，获取个人体质健康数据和体检数据。这些基于健身行为的监测数据、体质健康设备测试的数据和健康体检的数据可以为个人制定精准化的健身方案。
2.3 多源异构健身数据交换融合和共享技术
随着可穿戴设备、移动应用、健身器械、医疗记录等多种来源的健身数据大量产生，这些数据在格式、结构和可访问性上存在显著差异，限制了其在提升健身效果方面的潜力。但是通过数据交换与融合技术，可以整合这些多源异构数据，为健身者打造高度个性化的健身方案。数据共享能够支持全面的健身健康监测，使全民健身公共服务提供者在远程条件下及时发现大众健身和健康状况的相关问题，并优化干预措施。
全民健身多源异构数据交换和融合技术主要实现对数据资源进行统一的抽象定义，为公开数据或私有数据的存储和操作提供统一标准。多源异构数据交换融合技术是以区块链共识为基础，利用其可信任、安全和不可篡改的特性，基于安全多方计算、同态加密和安全沙箱的3种数据交换技术，可以使数据提供方提供的数据所有权归提供方所有。依据智能合约的调用规则将数据封装入安全沙箱，只有具有沙箱秘钥才可查看数据。同时，数据以沙箱方式传输到数据需求方，智能合约会根据指定策略控制沙箱访问权限和时效性，阅后即焚，可以保障数据提供方的数据所有权。
健身数据安全共享技术是基于流数据高效细粒度安全共享模型，采用基于零知识证明的属性管理模型来对实体属性进行私有化管理，避免透露属性值本身，同时，在区块链协议基础上实施访问控制系统，保证策略评估过程的完全透明[29]。从流数据高效细粒度安全共享方法出发，结合流数据的产生和查询特点，将流数据预聚合后同态加密统计值，并构建内存索引存储统计值密文，可以实现流数据的密文计算与高效查询。同时，结合流数据资源的属性特点，使用基于身份的通配符密钥派生方案（WKD-IBE），其性能会优于ABE，且可以实现基于资源的高效细粒度安全共享方案。
2.4 健身数据的隐私安全保护技术
从法律与技术双重维度来看，健身数据隐私安全保护技术具有迫切性和必要性。在法律层面，《中华人民共和国个人信息保护法》与《中华人民共和国数据安全法》明确要求建立健全个人信息保护制度及全社会共同维护数据安全。健身数据包含心率、体脂率等敏感信息，一旦泄露可能导致用户隐私权受损甚至遭受精准营销骚扰。在技术层面，多源异构健身数据的集中存储与共享需求（如跨机构健康管理）加剧了数据泄露风险，传统加密方法难以应对复杂攻击场景。
健身数据的隐私安全保护技术包括健身数据隐私感知、健身数据分级脱敏、健身数据安全保护强度调整等技术。隐私感知技术是基于正则表达式、自然语言处理、深度学习多算法融合的隐私感知模型，利用多头选择思想和矩阵变换，加强了对序列中隐私实体位置和边界的理解能力。该隐私感知模型结合基于信息论的隐私度量方法整合形成了一个完整的隐私数据分类分级系统，实现了对个人隐私数据的自动抽取和分析，并以可视化和可操作界面进行呈现，为基于隐私性的数据分类分级和动态隐私保护提供了重要基础。健身数据隐私分级脱敏技术在对健身数据分级分类的基础上进行针对性脱敏，提高了隐私保护的精确性和有效性，通过综合运用本地差分隐私、泛化、匿名、同态加密等隐私保护措施，可定义不同等级数据的脱敏强度，以确保四级数据在其整个生命周期内始终处于最佳的安全状态。健身数据安全保护强度调整技术是根据不同用户的需求、服务器的可信度和数据隐私保护要求实现对同一等级的数据使用多种不同的隐私保护方法。隐私数据保护方法主要有数据加密、数据扰动、差分隐私、匿名保护、图形参数加密、模型参数加密、联邦学习、同态加密、安全多方计算等。在实际应用场景中，为了确保隐私保护的有效实施，可采用依托于第三方的安全云存储服务器及高性能云计算服务器来运行健身数据安全保护强度调整平台的策略。
3 主要结论
本研究基于体医工融合视角，构建了多源数据驱动的全民科学健身智能服务体系，阐述了4项关键技术的突破。1）通过计算机视觉、多轴传感器及柔性电极技术实现公共健身场所跌倒、溺水和心血管事件的AI识别与实时报警，显著提升运动的安全性。2）基于深度学习算法与高精度传感器构建身体活动强度分级模型，结合个性化方案生成和AI动作纠错技术，实现运动剂量精准监测与科学指导。3）依托区块链和安全多方计算搭建多源异构数据融合框架，保障数据安全共享与跨平台协同。4）建立分级脱敏与动态隐私保护机制，集成差分隐私、联邦学习等技术，确保用户数据合规性与安全性。通过体医工协同创新，本研究解决了传统健身服务模式在风险防控、精准指导、数据互通、隐私保护等领域的核心瓶颈，可以为构建智能化全民健身公共服务体系提供技术支撑，助力健康中国与体育强国的战略实施。
