电脑分析跑步动作可以通过以下几种方法：
基于计算机视觉的方法
数据采集：在跑步机上拍摄各种典型错误跑姿及标准跑姿，将被拍摄对象身高均为170cm，并绘制成跑姿运动轨迹图。
数据分类：将步骤一获得的跑步姿势运动轨迹图进行姿势分类。
数据训练：采用卷积神经网络方法，对步骤二进行姿势分类后的图片进行识别训练，按标准跑姿以及各类典型错误跑姿对其运动轨迹图进行分组训练，得到与之相对应的跑姿识别模型分组，最终得到姿势识别模型。
姿势识别：对测试对象进行跑步姿势拍摄，并通过步骤三获得的姿势识别模型，对实时视频中的测试对象跑步姿势运动轨迹图进行搜索和识别，确认与姿势识别模型中姿势分类相符的用户姿势。
姿势评价分析：对步骤四识别出的用户姿势，通过姿势识别模型将其与标准姿势进行对比，输出姿势规范程度评分以及改正意见，纠正测试对象的具体错误位置及不规范类型，减少其造成运动损伤的概率，达到更好的健身效果。
2D分析方法
无需标记即可记录运动员或患者的跑步类型，并进行智能快速的数据采集和评估。评估自动生成的关节角度并评价叠加在视频图像上的解剖参考点的运动。
3D分析方法
通过集成更多摄像机，进行3D分析跑步运动。分析后的全自动评估提供综合结果。使用THEIA 3D软件进行无标记动作分析，可以获得更准确的运动学数据。
建议
选择合适的方法：根据实际需求选择2D或3D分析方法。如果需要高精度的运动学数据，建议使用3D分析方法。如果追求快速采集和评估，2D分析方法更为简便。
设备配置：确保有高质量的摄像设备，并确保在合适的照明条件下进行拍摄，以获得清晰的视频数据。
模型训练：训练卷积神经网络模型时，需要确保有足够多的样本数据，以保证模型的准确性和泛化能力。
通过以上方法，可以有效地分析跑步动作，帮助改善跑步姿势，减少运动损伤，提高健身效果。
