近年越來越多人注重健康，無論是下班後去健身、週末打籃球還是透過網上影片自學瑜珈，然而運動帶來健康的同時也伴隨著錯誤姿勢這隱藏危機。聘請專業教練雖可減輕運動風險但費用與時間成本很高。香港資訊科技學院 (HKIIT) 位於 IVE（李惠利）雲端系統及數據中心管理高級文憑講師張偉傑 (Kitson) 帶領鄧湘怡、何啓禧、黃英明及崔浩天組成學生開發團隊，將 AI 動作分析引擎延伸至運動領域。用戶只需用手機拍攝運動影片，系統便能在 AWS 雲端快速運算並於數秒內生成個人化動作分析報告。
職業選手數據訓練 AI 模型
OmniCare 運動分析系統的獨特之處在於其 AI 參考資料庫並非來自隨機網上影片，而是選取台灣頂尖職業飛鏢選手的競賽影片以確保資料可信性及真實性。開發團隊將這些代表實戰最高水平的專業影片數據交由 Amazon Nova AI 引擎進行深度學習。AI 透過精細分析選手動作深入了解投鏢技巧，結合 AI 生成的參考動作模型建立出獨特的結構化 AI 參考資料庫。
學生開發團隊長鄧湘怡 (Koei) 現為業餘飛鏢選手
三階段動作深度剖析
以投擲飛鏢為例用戶只需用手機拍攝動作影片並上傳至 OmniCare 選擇運動項目及輸入年齡區間系統便會開始分析，報告會將完整動作細緻拆解為準備、執行及跟隨三方面進行深度剖析。系統除了能清楚點出用戶如穩定站姿與正確握法等優勢，亦能精確指出需要微調的細節與潛在影響。系統會提醒用戶延長跟隨動作以大幅提升穩定度與準確率。
建立專屬改善方案
報告會根據用戶的動作表現建立具體改善方案如影子練習與慢動作訓練等，系統同時具備明確的安全預警機制會清楚列出何時需要專業協助的紅燈警告。例如關節發出異音或特定部位疼痛，系統在協助用戶提升技術同時提醒特別需要注意的安全事項。
支援多種運動項目
除飛鏢外 OmniCare 運動分析功能還支援 Pickleball、投籃、高爾夫揮桿、深蹲、跑步及瑜伽等多種運動項目，系統會自動辨識並校正用戶的年齡組別以確保分析基準的精準度。當進行偏差值分析時系統會透過底層架構精準使用基於實際職業選手數據生成的模型，確保分析結果具備針對性與實戰參考價值。
私隱保障優先
OmniCare 採用最高規格的私隱保障原則，用戶上傳的運動影片會暫存於 Amazon S3 分析完成後系統便會立即刪除原始影片。這確保僅保留分析引擎總結的報告讓用戶安心使用。
開發團隊表示這套運動分析引擎未來計劃延伸至遙距復康領域，這能讓用戶居家進行復康訓練並獲得即時反饋。這有助減少往返醫療機構的時間與成本。
