現今生活中每個人的生活環境、生活習慣、飲食、體態狀況等，皆
為不同的情形下，每個人的身體健康程度將成為獨立個體存在於社會之
中。當處於在不同的狀況之中身體都會有不適應的警訊顯示出來，人們
往往都會無視這些生理警訊，並覺得這一些警訊只是一時的身體不舒
服，且認為只要多休息或者是吃藥減緩症狀就無大礙。本文主要透過影像
辨識來分析每個人的行為動作，利用血壓機量測動作的前後變化以及使
用熱影像儀器量測動作前後的表面溫度，並且對該動作進行分析身體是
否能一直承受負擔，如在測量的過程中有任何超過生理負荷時，便給予
警告提醒該動作對於身體是有傷害，以此可以使身體降低承受過多的負
擔。
本論文使用OpenPose 動作辨識設計出一套即時人體行為健康預警
系統，藉由攝影機去抓取每個人當下在做的事情並藉由程式去即時判斷
是在做甚麼行為動作，身體健康預警則是以量測血壓以及身體表面體溫
來分析在不同的動作的變化差異，從這些變化差異中發現關聯性並做出
一套預警系統來預防身體的負擔，並將所有資料顯示在動作辨識完的影
像之中讓每個人可以從中得知身體目前的狀態。

This thesis uses OpenPose action discern to design a real-time warning system for human exercise health. The camera can catch exercise images for program analysis. The warning system for human exercise health can measure the blood pressure and body surface temperature. We analyze the blood pressure and body surface temperature to develop a warning system for human exercise health. All data are displayed in OpenPose action discern images then everyone knows their exercise health condition in real time.

目錄
致謝	I
中文摘要	II
ABSTRACT	III
目錄	IV
圖目錄	VIII
表目錄	XI
第一章 緒論	1
1.1 研究動機	1
1.2 研究目的	1
1.3 章節介紹	2
1.4 論文整體架構	2
第二章 研究背景	3
2.1 OpenPose 程式介紹	3
2.1.1 OpenPose 特徵點介紹	3
2.2 血壓簡介	6
2.3 一氧化氮簡介	8
2.4 體表溫度簡介	8
2.5 文獻回顧	9
第三章 研究方法	12
3.1 系統架構	12
3.2 系統流程	13
3.3 量測設備介紹	14
3.3.1 血壓機	14
3.3.2 熱影像儀	15
3.4 軟體開發程式介紹	16
3.4.1 Google Colaboratory	16
3.4.2 OpenPose 環境建置	18
3.4.3 動作辨識程式	18
3.4.3.1 動作辨識原理	20
3.4.3.2 划船辨識程式	21
3.4.3.3 肩推辨識程式	21
3.4.3.4 硬舉辨識程式	22
3.4.3.5 深蹲辨識程式	23
第四章 研究結果	24
4.1 人體行為辨識結果	24
4.1.1 動作辨識流程	24
4.1.2 肩推動作辨識結果	26
4.1.2.1 受測者A	26
4.1.2.2 受測者B	28
4.1.3 深蹲動作辨識結果	30
4.1.3.1 受測者A	30
4.1.3.2 受測者B	32
4.1.4 硬舉動作辨識結果	34
4.1.4.1 受測者A	34
4.1.4.2 受測者B	36
4.1.5 划船動作辨識結果	38
4.1.5.1 受測者A	38
4.1.5.2 受測者B	40
4.2 生理分析結果	42
4.2.1 受測情境-W1	43
4.2.1.1 受測者A	44
4.2.1.2 受測者B	45
4.2.1.3 受測者C	46
4.2.1.4 受測者D	47
4.2.1.5 受測者E	48
4.2.2 受測情境-W2	49
4.2.2.1 受測者F	50
4.2.2.2 受測者G	51
4.2.3 受測情境-X1	52
4.2.3.1 受測者F	53
4.2.3.2 受測者G	54
4.2.3.3 受測者H	55
4.2.4 受測情境-X2	56
4.2.4.1 受測者F	57
4.2.4.2 受測者G	58
4.2.5 受測情境-Y1	59
4.2.5.1 受測者F	60
4.2.6 受測情境-Y2	61
4.2.6.1 受測者F	62
4.2.6.2 受測者I	63
4.2.7 受測情境-Z	64
4.2.7.1 受測者F	65
第五章 結論與未來展望	66
5.1 結論	66
5.1.1 人工智慧演算法	66
5.1.1.1 生理平均變化	66
5.1.2 生理健康量測分析	67
5.1.2.1 健身房血壓平均變化	67
5.1.2.2 居家運動平均變化	68
5.1.2.3 居家線上遊戲平均變化	68
5.2 未來展望	69
參考文獻	72
 
圖目錄
圖 1論文整體架構圖	2
圖 2 Body 25特徵點模型	4
圖 3 COCO特徵點模型	5
圖 4 OpenPose 演算法架構	9
圖 5 臉部特徵點	10
圖 6 手部特徵點	11
圖 7 系統架構圖	12
圖 8 系統流程圖	13
圖 9 OMRNO HEM-6121	14
圖 10 OMRNO HEM-8713	14
圖 11 FILR C3正面	15
圖 12 FILR C3 背面	15
圖 13 Google Colaboratory編譯環境	16
圖 14 Google Colaboratory新增方式	17
圖 15 OpenPose 環境建置	18
圖 16 影片關鍵點辨識	19
圖 17 關鍵點計算以及輸出影像	19
圖 18 關鍵點位置	20
圖 19 划船動作程式	21
圖 20肩推動作程式	21
圖 21 硬舉動作程式	22
圖 22深蹲動作程式	23
圖 23 動作辨識流程	25
圖 24 受測者A動作前顯示None	26
圖 25 受測者A動作後顯示Shoulder push	27
圖 26 受測者B動作前顯示None	28
圖 27 受測者B動作後顯示Shoulder push	29
圖 28 受測者A動作前顯示None	30
圖 29 受測者A動作前顯示Squat	31
圖 30 受測者B動作前顯示None	32
圖 31 受測者B動作前顯示Squat	33
圖 32 受測者A動作前顯示None	34
圖 33 受測者A動作前顯示Deadlift	35
圖 34 受測者B動作前顯示None	36
圖 35 受測者B動作前顯示Deadlift	37
圖 36 受測者A動作前顯示None	38
圖 37 受測者A動作前顯示Bent row	39
圖 38 受測者B動作前顯示None	40
圖 39 受測者B動作前顯示Bent row	41
圖 40 受測者A運動前後量測結果	44
圖 41 受測者B運動前後量測結果	45
圖 42 受測者C運動前後測量結果	46
圖 43 受測者D運動前後測量結果	47
圖 44 受測者E運動前後測量結果	48
圖 45 受測者F運動前後測量結果	50
圖 46 受測者G運動前後測量結果	51
圖 47 受測者F運動前後測量結果	53
圖 48 受測者G運動前後測量結果	54
圖 49 受測者H運動前後測量結果	55
圖 50 受測者F運動前後測量結果	57
圖 51 受測者G運動前後量測數據	58
圖 52 受測者F遊戲前後測量數值	60
圖 53 受測者F遊戲前後測量結果	62
圖 54 受測者I遊戲前後測量結果	63
圖 55 受測者F睡前、起床測量結果	65
圖 56一分鐘運動前後量測結果	70
圖 57 兩分鐘運動前後量測結果	71

 
表目錄
表 1血壓標準	6
表 2受測者身體基本資料	43
表 3受測者A測量時數	44
表 4受測者A運動前後平均數值	44
表 5受測者B測量時數	45
表 6受測者B運動前後平均數值	45
表 7受測者C測量時數	46
表 8受測者C運動前後平均數值	46
表 9受測者D測量時數	47
表 10受測者D運動前後平均數值	47
表 11受測者E測量時數	48
表 12受測者E運動前後平均數值	48
表 13受測者身體基本資料	49
表 14受測者F測量時數	50
表 15受測者F運動前後平均數值	50
表 16受測者G測量時數	51
表 17受測者G運動前後平均數值	51
表 18受測者身體基本資料	52
表 19受測者F測量時數	53
表 20受測者F運動前後平均數值	53
表 21受測者G測量時數	54
表 22受測者G運動前後平均數值	54
表 23受測者H測量時數	55
表 24受測者H運動前後平均數值	55
表 25受測者身體基本資料	56
表 26受測者F測量時數	57
表 27受測者F運動前後平均數值	57
表 28受測者G測量時數	58
表 29受測者G運動前後平均數值	58
表 30受測者身體基本資料	59
表 31受測者F測量時數	60
表 32受測者F遊戲前後平均數值	60
表 33受測者身體基本資料	61
表 34受測者F測量時數	62
表 35受測者F遊戲前後平均數值	62
表 36受測者I測量時數	63
表 37受測者I遊戲前後平均數值	63
表 38受測者身體基本資料	64
表 39受測者F測量時數	65
表 40受測者F睡前、起床平均數值	65
表 41 一分鐘測量時數	69
表 42 兩分鐘測量時數	69
表 43 一分鐘運動前後平均數值	69
表 44 兩分鐘運動前後平均數值	70

[1]. Cao, Z., Hidalgo, G., Simon, T., Wei, S. E., & Sheikh, Y. (2018).
OpenPose: realtime multi-person 2D pose estimation using Part Affinity
Fields. arXiv preprint arXiv:1812.08008.
[2]. GitHub , “CMU-Perceptual-Computing-Lab/openpose”
https://github.com/CMU-Perceptual-Computing-Lab/openpose/blob/mas
ter/README.md
[3]. GitHub , “CMU-Perceptual-Computing-Lab/openpose/ OpenPose
Demo -Output”
https://github.com/CMU-Perceptual-Computing-Lab/openpose/blob/mas
ter/doc/output.md
[4]. Wei, S. E., Ramakrishna, V., Kanade, T., & Sheikh, Y. (2016).
Convolutional pose machines. In Proceedings of the IEEE conference on
Computer Vision and Pattern Recognition (pp. 4724-4732).
[5]. 衛生福利部國民健康屬, “高的那個血壓（收縮壓）高一點沒關係，
因為低的血壓（ 舒張壓） 正常比較重要？ ”
https://www.hpa.gov.tw/Pages/Detail.aspx?nodeid=127&pid=8159
[6]. “認識高血壓”，
http://www.lshosp.com.tw/%E8%A1%9B%E6%95%99%E5%9C%92%
E5%9C%B0/%E6%80%A5%E8%A8%BA%E9%86%AB%E5%AD%B
8%E7%A7%91/%E8%AA%8D%E8%AD%98%E9%AB%98%E8%A1
%80%E5%A3%93/
73
[7]. 健康百科, “低血壓” https://kb.commonhealth.com.tw/library/6.html
[8]. American Heart Association,“Understanding Blood Pressure
Readings”
https://www.heart.org/en/health-topics/high-blood-pressure/understandin
g-blood-pressure-readings
[9]. Proença, J., Muehlsteff, J., Aubert, X., & Carvalho, P. (2010, August). Is
pulse transit time a good indicator of blood pressure changes during
short physical exercise in a young population?. In 2010 Annual
International Conference of the IEEE Engineering in Medicine and
Biology (pp. 598-601). IEEE.
[10]. Tamura, T., Mizukura, I., Sekine, M., & Kimura, Y. (2011).
Monitoring and evaluation of blood pressure changes with a home
healthcare system. IEEE transactions on information technology in
biomedicine, 15(4), 602-607.
[11]. Baselli, G., Misani, M., Cerutti, S., Porta, A., Dalla Vecchia, L.,
Lucini, D., & Pagani, M. (2001, October). Changing relationships
between skin blood flow and arterial pressure in mild exercise and
recovery. In 2001 Conference Proceedings of the 23rd Annual
International Conference of the IEEE Engineering in Medicine and
Biology Society (Vol. 1, pp. 534-536). IEEE.
[12]. Tammura, T., Kimira, Y., Kimura, Y., Maeno, S., Hattori, T., &
Minato, K. (2013, May). Application of a pedometer in a clinical setting:
74
Is the number of walking steps predictive of changes in blood pressure?:
Prediction of blood pressure changes in blod presure by a peadmeter.
In 2013 IEEE International Conference on Body Sensor Networks (pp.
1-4). IEEE.
[13]. Honka, A. M., van Gils, M. J., & Pärkkä, J. (2011, August). A
personalized approach for predicting the effect of aerobic exercise on
blood pressure using a fuzzy inference system. In 2011 Annual
International Conference of the IEEE Engineering in Medicine and
Biology Society (pp. 8299-8302). IEEE.
[14]. Teng, X. F., Poon, C. C. Y., & Zhang, Y. T. (2006, January).
Recoverability trend of blood pressure and pulse transit time after
treadmill exercise. In 2005 IEEE Engineering in Medicine and Biology
27th Annual Conference (pp. 3510-3513). IEEE.
[15]. cheol Jeong, I., & Finkelstein, J. (2013, January). Introducing a
practical approach for non-invasive blood pressure monitoring during
home-based telerehabilitation exercise program. In 2013 IEEE
Point-of-Care Healthcare Technologies (PHT) (pp. 164-167). IEEE.
[16]. Zhao, Z., Lin, W. H., Yang, P., & Zhang, Y. T. (2012, January).
Spectral and coherence analysis of the variabilities of heart rate, stroke
volume, and systolic blood pressure in exercise stress tests.
In Proceedings of 2012 IEEE-EMBS International Conference on
Biomedical and Health Informatics (pp. 771-774). IEEE.
75
[17]. Muehlsteff, J., Ritz, A., Drexel, T., Eickholt, C., Carvalho, P.,
Couceiro, R., ... & Meyer, C. (2012). Pulse Arrival Time as surrogate for
systolic blood pressure changes during impending neurally mediated
syncope. In 2012 Annual International Conference of the IEEE
Engineering in Medicine and Biology Society (pp. 4283-4286). IEEE.
[18]. 衛生福利部國民健康屬, “「健康的叮嚀：打破發燒的迷思」”
https://www.hpa.gov.tw/Pages/Detail.aspx?nodeid=1125&pid=1610
[19]. GitHub , “Realtime_Multi-Person_Pose_Estimation”
https://github.com/ZheC/Realtime_Multi-Person_Pose_Estimation
[20]. GitHub , “computer_vision”
https://github.com/ZheC/Realtime_Multi-Person_Pose_Estimation
[21]. 運動生理學網站
http://www.epsport.idv.tw/epsport/ep/show.asp?repno=37&page=1
[22]. OMRON ,https://www.omronhealthcare.com.tw/product/list.php?ind
ex_prm_id=1
[23]. FLIR ,https://www.omronhealthcare.com.tw/product/list.php?index_
prm_id=1
[24]. Show notebooks in Drive - Google Colab, “OpenPose.ipynb”
https://colab.research.google.com/github/tugstugi/dl-colab-notebooks/blo
b/master/notebooks/OpenPose.ipynb
[25]. Qivana 奇瓦那一氧化氮養生，Qivana 系統調理健康養生, “一氧化
氮(Nitric Oxide，簡稱NO)”
76
http://qivanada.weebly.com/199682768721270276943045638364306933
5672.html
[26]. Higashi, Y., Sasaki, S., Kurisu, S., Yoshimizu, A., Sasaki, N.,
Matsuura, H., ... & Oshima, T. (1999). Regular aerobic exercise
augments endothelium-dependent vascular relaxation in normotensive as
well as hypertensive subjects: role of endothelium-derived nitric
oxide. Circulation, 100(11), 1194-1202.
[27]. Ignarro, L., & Murad, F. (1995). Nitric oxide: biochemistry,
molecular biology, and therapeutic implications.
[28]. Lin, R. F., Lin, T. S., Tilton, R. G., & Cross, A. H. (1993). Nitric
oxide localized to spinal cords of mice with experimental allergic
encephalomyelitis: an electron paramagnetic resonance study. The
Journal of experimental medicine, 178(2), 643-648.
[29]. Worrall, N. K., Lazenby, W. D., Misko, T. P., Lin, T. S., Rodi, C. P.,
Manning, P. T., ... & Ferguson Jr, T. B. (1995). Modulation of in vivo
alloreactivity by inhibition of inducible nitric oxide synthase. The
Journal of experimental medicine, 181(1), 63-70.
[30]. Ignarro, L. J., Napoli, C., & Loscalzo, J. (2002). Nitric oxide donors
and cardiovascular agents modulating the bioactivity of nitric oxide: an
overview. Circulation research, 90(1), 21-28.
[31]. Moncada, S., & Higgs, A. (1993). The L-arginine-nitric oxide
pathway. New England Journal of Medicine, 329(27), 2002-2012.