本项目为前几天收费帮学妹做的一个项目，在工作环境中基本使用不到，但是很多学校把这个当作编程入门的项目来做，故分享出本项目供初学者参考。
一、项目描述
FitVision 是一个基于 Django + Vue 3 的 AI 健身教练 Web 平台，通过摄像头实时捕捉用户姿态，结合 MediaPipe 姿态检测、规则引擎评分和视觉大模型（豆包 VLM）多模态分析，提供动作纠错、计数统计、语音教练、个性化训练计划推荐与数据分析的一站式健身服务。
二、项目功能
– 用户系统 ：注册登录（JWT）、个人资料、BMI、活动水平等健康档案
– 实时姿态检测 ：深蹲、俯卧撑、平板支撑、开合跳四种动作的关键点识别、角度计算、OneEuro 滤波平滑、动作计数与质量评分
– AI 语音教练 ：根据动作阶段（下沉/起身/计数）和评分，按鼓励/严格/激情三种风格播报纠错提示
– VLM 姿态诊断 ：首个动作或动作变形时自动抽帧，调用豆包视觉大模型给出结构化纠错建议
– 动作库管理 ：分类、难度、器械、目标肌群、动作要领、纠正提示、前置解锁关系
– 推荐系统 ：基于 M3E 中文向量库做语义检索 + 知识图谱 + 马尔可夫链的下一动作推荐
– 训练计划 ：多日训练方案编排与执行追踪
– 数据分析 ：训练记录统计与 ECharts 可视化趋势展示
三、运行环境
– 操作系统 ：Windows 10/11（也支持 macOS/Linux）
– Python ：3.11（需 ≥3.10，Django 5.2 要求）
– Node.js ：≥16（推荐 LTS v18/v20/v22，当前 v22.6.0 可用）
– 数据库 ：PostgreSQL（默认，端口 5432）/ SQLite（开发可降级）
– 缓存与任务队列 ：Redis（端口 6379，Celery 异步任务）
– 外部服务 ：豆包 VLM（通过 openkey.cloud）、DeepSeek LLM、HuggingFace（M3E 模型下载）、jsDelivr CDN（MediaPipe WASM 资源）
四、项目技术
– 后端 ：Django 5.2 + DRF 3.16 + SimpleJWT + Celery 5.5 + Channels/Daphne（ASGI 异步）+ drf-spectacular（OpenAPI 文档）+ django-cors-headers
– AI/数据 ：OpenAI Python SDK（调用豆包 VLM）、ChromaDB（向量库）、sentence-transformers（M3E 嵌入）、pandas/numpy/matplotlib/seaborn（数据分析）
– 前端 ：Vue 3.5 + TypeScript + Vite 7 + Pinia（状态）+ Vue Router 4 + Element Plus + ECharts + axios + @mediapipe/pose（浏览器端姿态识别）+ Web Speech API（语音合成）
– 架构 ：前后端分离、RESTful API、JWT 认证、ASGI 异步支持 VLM 调用、CORS 跨域配置
– 开发工具 ：Conda（Python 环境管理）、ESLint/Prettier/Husky/lint-staged（前端代码规范）、black/isort/flake8/pylint/coverage（后端代码规范与测试）
以上系统源码经过技术整理与调试，确保能正常运行
五、项目截图
