Exercises Dataset (中文增强版)

包含1,324个健身动作的综合数据集，每个动作配有动画GIF、180×180缩略图、肌肉群与器械分类，以及10种语言的步骤说明（英文、西班牙文、意大利文、土耳其文、俄文、中文、印地文、波兰文、韩文、法文）。A comprehensive dataset encompassing 1,324 fitness exercises, where each exercise is accompanied by animated GIFs, 180×180 thumbnails, muscle group and equipment categorizations, and step-by-step instructions in 10 languages: English, Spanish, Italian, Turkish, Russian, Chinese, Hindi, Polish, Korean, and French.

原始信息汇总

Exercises Dataset — 中文增强版 数据集总结

一、数据集概述

• 数据集为 hasaneyldrm/exercises-dataset 的 Fork 增强版本。
• 包含 1,324 个健身动作。
• 每个动作配有动画 GIF、180×180 缩略图、肌肉群与器械分类，以及 10 种语言的步骤说明。
• 数据源自 ExerciseDB v1 by AscendAPI，通过 Kaggle 重新分发。
• 适用于教育和研究目的。

二、数据内容

每个动作条目包含以下字段：

字段	说明
唯一 ID	数字标识符（如 "0001"）
名称	完整动作名称
分类	主要目标肌肉群
目标	具体目标肌肉
肌肉群	协同/辅助肌肉
器械	所需器械（或 body weight 表示自重）
说明	每个动作的逐步说明
可用语言	英文、西班牙文、意大利文、土耳其文、俄文、中文、印地文、波兰文、韩文、法文
媒体	每动作 1 张 180×180 缩略图 + 1 个动画 GIF

三、数据 Schema

data/exercises.json 中每条记录的结构如下：

字段	类型	说明
id	string	唯一数字 ID（如 "0001"）
name	string	完整动作名称（如 "3/4 Sit-up"）
category	string	身体部位分类
body_part	string	目标身体部位
equipment	string	所需器械
instructions.en ~ instructions.fr	string	10 种语言的完整步骤说明
instruction_steps.<lang>	array[string]	分步说明数组，每种语言
muscle_group	string	主要协同肌肉群
secondary_muscles	array[string]	其他参与的肌肉
target	string	主要目标肌肉
media_id	string	原始媒体引用 ID
image	string	180×180 缩略图路径
gif_url	string	180×180 动画 GIF 路径
attribution	string	媒体版权声明
created_at	string	ISO 8601 时间戳

四、统计数据

指标	数量
总动作数	1,324
说明语言数	10
中文动作名翻译	1,319
动画 GIF	1,324
缩略图	1,324

按身体部位分类

身体部位	动作数量
上臂 (Upper Arms)	292
大腿 (Upper Legs)	227
背部 (Back)	203
腰部 (Waist)	169
胸部 (Chest)	163
肩部 (Shoulders)	143
小腿 (Lower Legs)	59
前臂 (Lower Arms)	37
有氧 (Cardio)	29
颈部 (Neck)	2

按器械分类

器械	动作数量
自重 (Body Weight)	325
哑铃 (Dumbbell)	294
绳索 (Cable)	157
杠铃 (Barbell)	154
杠杆机 (Leverage Machine)	81
弹力带 (Band)	54
史密斯机 (Smith Machine)	48
壶铃 (Kettlebell)	41
负重 (Weighted)	36
稳定球 (Stability Ball)	28
曲杠 (EZ Barbell)	23
其他	83

五、文件结构

exercises-dataset/ ├── data/ │ ├── exercises.json # 完整数据集 — 1,324 条动作记录 │ ├── exercises.schema.json # JSON Schema (2020-12) 用于验证 │ ├── name_zh.json # 中文动作名映射 (JSON 格式) │ └── name_zh.js # 中文动作名映射 (JS 全局变量) ├── images/ # 1,324 × 180×180 缩略图 (© Gym visual) ├── videos/ # 1,324 × 180×180 动画 GIF (© Gym visual) ├── index.html # 中文动作库浏览器 ├── setup.html # 中文开发者设置向导 ├── all_names.txt # 全部动作英文名列表 ├── build_zh.js # 中文翻译生成脚本 ├── NOTICE.md # 媒体版权归属说明 ├── DIFFERENCES.md # 与原始项目的详细差异 ├── LICENSE └── README.md

六、与原始项目的区别

项目	原始仓库	本仓库
images/ 目录	曾包含，后因版权争议移除	保留（1,324 张 180×180 缩略图）
videos/ 目录	曾包含，后因版权争议移除	保留（1,324 个 180×180 动画 GIF）
exercises.json 中 image/gif_url	已置为 null，仅保留 media_id	保留原始路径（如 images/0001-xxx.jpg）
index.html	英文界面	重构为中文界面（动作库浏览器）
setup.html	英文开发者工具	重构为中文界面（开发者设置向导）
中文动作名	无	1,319 个动作名中文翻译
data/name_zh.json	无	中文动作名映射（JSON）
data/name_zh.js	无	中文动作名映射（浏览器可直接引用）
all_names.txt	无	全部 1,324 个动作英文名列表
build_zh.js	无	中文翻译生成脚本（Node.js）
动作指令中文	有（instructions.zh）	保留不变
原始 exercises.json 数据	1,324 条	保留不变

七、交互式浏览器 & 开发者工具

index.html — 动作库浏览器

全客户端动作浏览器，功能包括：

• 搜索全部 1,324 个动作
• 按分类、器械和目标肌肉筛选
• 无限滚动网格布局
• 全中文界面，支持 10 种语言说明切换
• 每个动作显示动画 GIF 和缩略图
• 显示中文动作名（基于 name_zh.js）

setup.html — 开发者设置向导

帮助开发者将数据集集成到自己的应用中：

1. 数据库设置 — 一键生成 SQL Server、PostgreSQL、MySQL 和 SQLite 的 CREATE TABLE 语句和全部 1,324 条 INSERT 语句
2. API 集成 — 提供 JavaScript、Python、C#、Java、PHP、Go 和 cURL 的复制粘贴代码示例
3. LLM 提示词 — 结构化提示词，可粘贴到 ChatGPT、Claude 或 Gemini 中一键生成完整的 REST API（支持 Express.js、FastAPI、ASP.NET Core、Spring Boot、Laravel 和 Gin）

八、中文动作名使用

name_zh.json

JSON 格式，键为英文动作名，值为中文翻译：

json { "barbell bench press": "杠铃 卧推", "barbell deadlift": "杠铃 硬拉", "pull-up": "引体向上", "dumbbell biceps curl": "哑铃 肱二头肌弯举" }

name_zh.js

与 name_zh.json 内容相同，但以 JavaScript 全局变量形式提供：

javascript window.NAME_ZH = { "barbell bench press": "杠铃 卧推", // ... 共 1,319 条 };

通过 <script src="data/name_zh.js"></script> 引入即可使用。

build_zh.js

用于从英文动作名列表生成中文翻译的 Node.js 脚本。工作流程：

1. 读取 all_names.txt（全部 1,324 个英文动作名）
2. 使用内置的术语表和组合逻辑进行翻译
3. 生成 data/name_zh.json 和 data/name_zh.js

bash node build_zh.js

翻译策略

• 固定词组直译：如 "barbell" → "杠铃"，"dumbbell" → "哑铃"，"bench press" → "卧推"
• 身体部位翻译：如 "biceps" → "肱二头肌"，"triceps" → "肱三头肌"，"pectoralis" → "胸肌"
• 动作类型翻译：如 "curl" → "弯举"，"raise" → "抬举/平举"，"fly" → "飞鸟"，"squat" → "深蹲"
• 方向/姿态翻译：如 "incline" → "上斜"，"decline" → "下斜"，"seated" → "坐姿"，"lying" → "仰卧"
• 复合名称组合：按照中文语序重新组合各术语

当前翻译覆盖率为 99.6%（1,319/1,324）。

九、使用示例

Python — 加载与筛选

python import json

with open("data/exercises.json", "r", encoding="utf-8") as f: exercises = json.load(f)

print(f"总动作数: {len(exercises)}")

chest_exercises = [ex for ex in exercises if ex["category"] == "chest"] print(f"胸部动作: {len(chest_exercises)}")

bodyweight = [ex for ex in exercises if ex["equipment"] == "body weight"] print(f"自重动作: {len(bodyweight)}")

categories = sorted({ex["category"] for ex in exercises}) print("分类:", categories)

ex = exercises[0] print(ex["instructions"]["en"]) print(ex["instructions"]["zh"])

Python — 加载中文动作名

python import json

with open("data/name_zh.json", "r", encoding="utf-8") as f: name_zh = json.load(f)

english_name = "barbell bench press" chinese_name = name_zh.get(english_name, english_name) print(f"{english_name} → {chinese_name}")

JavaScript / Node.js

js const exercises = require("./data/exercises.json");

console.log(总动作数: ${exercises.length});

const bodyweight = exercises.filter(ex => ex.equipment === "body weight"); console.log(自重动作: ${bodyweight.length});

const byCategory = exercises.reduce((acc, ex) => { acc[ex.category] = (acc[ex.category] || []); acc[ex.category].push(ex); return acc; }, {});

const ex = exercises[0]; console.log(ex.instructions.zh); console.log(ex.instructions.en);

浏览器中使用中文动作名

html <script src="data/name_zh.js"></script> <script> const zhName = window.NAME_ZH["barbell bench press"]; console.log(zhName);

function getChineseName(englishName) { return window.NAME_ZH[englishName] || englishName; } </script>

TypeScript

typescript import nameZhData from "./data/name_zh.json";

const nameZh: Record<string, string> = nameZhData; const zhName = nameZh["barbell bench press"];

十、License & 许可

• 代码、工具、数据集结构、说明文字：采用 MIT License。
• 动作演示媒体（图片 & GIF）：© Gym visual，经授权以 180×180 分辨率分发，详见 NOTICE.md 和 LICENSE。二次使用受 Gym visual 条款与条件约束。
• 中文动作名翻译（name_zh.json, name_zh.js）：为新增内容，同样采用 MIT License。
• 本仓库不主张对底层动作内容或媒体的所有权。

十一、致谢

• 原始数据集：hasaneyldrm/exercises-dataset
• 数据来源：ExerciseDB v1 by AscendAPI
• 动作媒体：© Gym visual

搜集汇总

数据集介绍

构建方式

该数据集以ExerciseDB v1为数据根基，经Kaggle平台流转后形成1,324条健身动作的结构化记录。构建过程对每个动作赋予唯一数字标识，系统采集分类、身体部位、器械、目标肌肉及协同肌群等元数据，并同步整合10种语言的逐步说明文本。针对中文应用场景，本版本额外开发了基于术语组合逻辑的翻译生成脚本，从英文动作名列表中自动推导中文译名，最终产出1,319条动作名的中文映射，并以JSON与JavaScript全局变量两种形式存储，便于跨平台调用。

特点

数据集覆盖1,324个健身动作，每一动作均配有180×180缩略图与动画GIF，媒体文件在原始仓库因版权争议移除后被完整保留。动作元数据涵盖身体部位、器械类型、目标肌肉及协同肌群等维度，说明文本支持英语、西班牙语、意大利语、土耳其语、俄语、中文、印地语、波兰语、韩语和法语共10种语言。新增的中文动作名映射覆盖率达99.6%，同时提供全中文化的交互式浏览器与开发者设置向导，显著降低了中文用户的集成门槛。

使用方法

用户可直接加载data/exercises.json，利用Python或JavaScript按分类、器械、目标肌肉等字段筛选动作，并访问多语言说明字段获取分步指导。中文动作名通过name_zh.json或name_zh.js引入，以英文名为键检索对应中文译名。仓库内置的index.html提供全客户端动作库浏览，支持搜索、筛选与无限滚动展示，setup.html则面向开发者生成多种数据库的建表与插入语句、主流编程语言的API集成代码示例，以及可粘贴至大语言模型的结构化提示词，辅助快速构建REST API。

背景与挑战

背景概述

健身动作数据的标准化整理长期受制于语种壁垒与媒体版权争议，ExerciseDB v1虽经Kaggle分发而具备一定规模，却因图像与动画素材的版权归属问题被原仓库移除，导致结构化视觉信息缺失。Exercises Dataset（中文增强版）作为对hasaneyldrm/exercises-dataset的Fork增强，完整保留1,324条动作的缩略图与动画GIF，并新增1,319个动作名的中文翻译、全中文化动作库浏览器与开发者设置向导，弥补了中文健身应用在动作识别、推荐与教学场景中缺乏母语标注与可视化素材的空白，为健康研究、教育演示与智能训练系统提供了可直接引用的开源基准。

当前挑战

该数据集所面对的领域难题在于健身动作识别与推荐本身的高度细粒度性——同一肌群下动作差异细微，器械、姿态、方向等属性相互耦合，传统分类体系难以精确区分。构建过程中，版权争议迫使原始仓库删除全部媒体文件并将路径字段置空，如何在合法授权下重建视觉资源成为首要障碍；多语言说明虽已覆盖十种语言，但中文动作名翻译依赖术语组合逻辑，覆盖率为99.6%，仍有极少数生僻动作未被充分映射；动作条目需同时保证元数据、指令文本与180×180媒体三者在1,324条记录间的一一对应，数据校验与一致性维护亦构成显著工程负担。

常用场景

经典使用场景

在运动科学与数字健康研究领域，构建智能健身指导系统与动作推荐引擎长期依赖结构化、多模态的动作语料。Exercises Dataset（中文增强版）汇聚1,324个健身动作，每一动作配有动画GIF、180×180缩略图、肌群与器械分类标签，以及涵盖十种语言的逐步说明，其最为经典的使用场景在于为动作识别、姿态估计与个性化训练计划生成提供标注完备的底层数据支撑。研究者可据此训练模型辨识深蹲、硬拉、卧推等标准动作模式，亦可依据目标肌肉与器械条件检索并组合动作序列，从而服务于从学术原型到应用落地的多样化需求。

衍生相关工作

该数据集衍生自ExerciseDB v1经Kaggle再分发的开放资源，其原始版本由hasaneyldrm发布并被广泛引用，成为健身动作数据基础设施的重要组成。在此基础上，中文增强版新增动作名翻译脚本、中文动作库浏览器与开发者设置向导，催生了面向中文语境的本地化工具链。围绕该数据集，研究者相继开展了动作推荐算法、多语言指令生成、以及基于GIF与缩略图的视觉动作识别等经典工作，为后续多模态健身数据集的构建与评测提供了参照与起点。

数据集最近研究

最新研究方向

伴随多模态健身数据在动作识别与个性化推荐领域的快速崛起，Exercises Dataset（中文增强版）凭借其1,324个动作的多语言步骤说明、动画GIF与中文化动作名映射，正成为跨语言健身知识图谱构建与视觉-语言联合建模的重要资源。当前研究聚焦于利用该数据集的多模态特性，推动细粒度动作分类、跨语言动作检索及基于大语言模型的训练计划自动生成，同时其开源媒体与版权争议背景亦引发学术界对数据伦理与合规复用的深入讨论，为健身科技的可解释性与公平性研究提供了关键基准。