CN103007514A - 运动学习系统与辅助使用者学习运动的方法 - Google Patents

Abstract

一种运动学习系统与辅助使用者学习运动的方法，运动学习系统包括一感测单元及一处理模块。感测单元包括至少一传感器，用以配置于一使用者身上。各传感器还用以根据使用者的运动状态输出一感测信息。处理模块则是用以根据此至少一感测信息，产生使用者的至少一关键动作信息。处理模块还将此至少一关键动作信息与对应的至少一预制动作信息进行同步与比对。

Description

运动学习系统与辅助使用者学习运动的方法

技术领域

本发明涉及一种学习系统与辅助使用者学习的方法，且涉及一种运动学习系统与辅助使用者学习运动的方法。

背景技术

近年来，政府为了增进国人健康，提倡了「333」原则，希望国人每周运动3次，每次运动30分钟，运动时心跳每分钟达到130次。然而，根据统计只有25％的民众有规律运动的习惯。如果能够提供一套系统，能够针对使用者在学习运动上提供协助，来帮助使用者更正确地运动，这样一来，将可以有效地提高使用者运动的意愿，进一步提高国人的身体健康。因此，如何研发出一套可以帮助使用者学习运动的系统，乃业界所致力的课题之一。

发明内容

本发明的目的之一在于提供一种运动学习系统与辅助使用者学习运动的方法。可以协助使用者更正确地学习如何运动，而让使用者达到良好的学习效果。

根据本发明的一方面，提出一种运动学习系统。学习系统包括一感测单元及一处理模块。感测单元包括至少一传感器，用以配置于一使用者身上。各传感器还用以根据使用者的运动状态输出一感测信息。处理模块则是用以根据此至少一感测信息，产生使用者的至少一关键动作信息。处理模块还将此至少一关键动作信息与对应的至少一预制动作信息进行同步与比对。

根据本发明的另一方面，提出一种辅助使用者学习运动的方法，包括以下步骤。提供至少一传感器，此至少一传感器配置于一使用者身上，各传感器用以根据使用者的运动状态输出一感测信息。根据此至少一感测信息，产生使用者的至少一关键动作信息。将至少一关键动作信息与对应的至少一预制动作信息进行同步与比对。

以下结合附图和具体实施例对本发明进行详细描述，但不作为对本发明的限定。

附图说明

图1绘示本发明一实施例的运动学习与辅助使用者运动学习系统的方框图；

图2绘示人体身材比例的一例；

图3绘示一计算运动传感器在空间中初始位置的方法的一例；

图4绘示高尔夫球挥杆动作过程中，各个关键动作相对应的空间中位置、速度和重力加速度值的实验结果的一例；

图5A与图5B分别绘示一种错误动作画面重现的示意图的一例；

图6绘示一种辅助使用者学习运动的方法的流程图。

其中，附图标记

100：运动学习系统

102：感测单元

103：第一同步运算单元

104：处理模块

106：动作分解单元

108：第二同步运算单元

110：肢体比例修正单元

112：动作分段比对单元

113：第三同步运算单元

114：错误动作显示单元

116：预制动作信息储存单元

602～606：流程步骤

具体实施方式

下面结合附图对本发明的结构原理和工作原理作具体的描述：

请同时参照图1，其绘示乃本发明一实施例的运动学习系统的方块图。运动学习系统100包括一感测单元102、一预制动作信息储存单元116、及一处理模块104。感测单元102包括至少一传感器，用以配置于一使用者身上。各传感器还用以根据使用者的运动状态输出一感测信息S。处理模块104则是用以根据此至少一感测信息S，产生使用者的至少一关键动作信息。处理模块104还将此至少一关键动作信息与对应的至少一预制动作信息进行同步与比对。

上述的传感器例如包括一加速度感应器、一重力加速度感应计、角速度计、磁力计、或压力计。传感器也可为其它类型的传感器。传感器例如是配置于使用者的肩膀、手腕、腰部、膝盖、或脚踝上。

上述的预制动作信息是对应至一教练的示范动作或是学员自己先前的运动动作。也即，上述的预制动作信息是与一教练的运动动作影像及教练的运动感测信息相关，或与学员自己先前的运动动作影像及运动感测信息相关。兹举预制动作信息产生方式的一例如下。可预先使用摄影机来录制教练对于某项运动的示范动作，以得到记录教练的运动动作影像的教学影片。于录制的同时，也同时记录对应至教练的身体各部位的运动状态的教练的运动感测信息(例如使用多个传感器来得之)。教练的运动动作影像及教练的运动感测信息要先进行同步，并且要预先从教练的运动感测信息判断出教练的关键动作信息。教练的运动动作影像与教练的运动感测信息的相对应关系可以记录于一个对应表(Mapping table)中，以记录在哪一个时间点发生了什么关键动作，以及传感器数值与计算得到的速度和运动轨迹位置。其中，时间点格式为hh:mm:ss:ms(时:分:秒:千分之一秒)；传感器数值包括重力加速度、角速度、运动方向角等。对应表可以是一个独立的电子文件。教练的运动动作影像及教练的运动感测信息可以分别用不同文件记录，也可将教练的运动感测信息同时记录于教练的运动动作影像的视频(Video)文件的信息字段中。针对储存在视频文件的信息字段中的感测信息，会使用专用的播放机来将感测信息读取出来。

此外，为了将教练的运动动作影像及教练的运动感测信息进行同步，在取得拍摄的视频影片和感测信息(含关键动作、传感器数值和运动轨迹)后，应该将相对应的纪录时间，例如分别是Ts_i和Tc_i，根据取样率(Sampling rate)的不同，例如分别是Ps_i和Pc_i，转换至同一个时间轴上表示，转换公式例如为：

Ts_i‘＝(Ts_i-Ts₁)/Ps_i

Tc_i‘＝(Tc_i-Tc₁)/Pc_i

如传感器读到第一个感测信息的时间(Tick)值(Tc₁)为52642，第二个感测信息的Tick值(Tc₂)为52644，每秒取样速率(Pc_i)为120次，此时纪录的时间(Tc₁’和Tc₂’)分别为0和0.016。

同样的，假设视频文件第一张画面的时间值(Ts₁)为5236，第二张画面的时间值(Ts₂)为5238，每秒画面速率为60，则此时纪录的时间(Ts₁’和Ts₂’)分别为0和0.033。

当使用者欲学习某项运动的动作时，可以通过身上配戴上述的多个传感器，并观看上述的教学影片，通过模仿教学影片中教练的动作来学习该项运动。于模仿学习的过程当中，使用者身上的多个感应器，将会产生使用者运动时身体的不同部位的感测信息，例如是身体的各不同部位运动时的加速度值。处理模块104根据这些感测信息S产生使用者的多个关键动作信息，并将此多个关键动作信息与对应的教练的多个预制动作信息进行同步与比对之后，即可得知使用者于模仿教练的动作以学习某项运动时，其动作与教练的标准动作的相似度。

若相似度小于临界值，处理模块104还可判断出此为差异较大的关键动作，并重新播放对应至此差异较大的关键动作的教练教学影片，以让使用者重新观看教练的动作，来重复学习此项动作。如此一来，将有助于使用者了解自身哪些动作与教练的标准动作差异较多，而需重新调整。并通过让使用者重复观看需调整的动作的教学影片，而得以让使用者更快速地学会此项运动的动作。

进一步来说，处理模块104还可包括一动作分解单元106、第一同步运算单元103、第二同步运算单元108、肢体比例修正单元110、动作分段比对单元112、第三同步运算单元113及一错误动作显示单元114。动作分解单元106用以根据此至少一感测信息S，产生对应至使用者的运动状态的一运动轨迹，并分解此运动轨迹，以产生至少一关键动作信息。动作分解单元106中，动作分解单元106例如是根据关键动作的定义来分解运动轨迹。

第二同步运算单元108用以将此至少一关键动作的感测信息与对应的此至少一预制动作的感测信息进行同步与比对。肢体比例修正单元110用以根据使用者与教练的体型差异来修正上述的至少一关键动作信息及上述的至少一预制动作信息至少二者之一。动作分段比对单元112用以比对至少一关键动作信息与对应的预制动作信息的相似度。而错误动作显示单元114用以于此至少一关键动作信息之一与对应的预制动作信息的相似度小于一临界值时，重复播放对应至此预制动作信息的教学影片。

首先，初始化多个传感器的位置并使多个传感器之间同步。假设定义使用者前方为X轴正向、左侧为Y轴正向、上方为Z轴正向。使用者可通过一个输入装置，如键盘、鼠标、或无线指向器，告知运动学习系统100使用者的身高。根据使用者的身高信息，运动学习系统100可依照标准人体肢体比例或是使用者的肢体比例，来知道各肢体的长短比例，以推算各个运动传感器在空间中的初始位置。参考图2，假设身高160厘米的人，运动传感器在其肩膀的初始位置为(0，15，130)及(0，-15，130)，在手腕的初始位置为(0，15，80)及(0，-15，80)，在腰部的初始位置为(10，0，100)，在两膝的初始位置为(5，5，40)及(5，-5，40)。

此外，使用者可以在动作开始前，利用一个致动机制，如按钮、声音、手势等，告知运动学习系统100利用无线通讯开始接收传感器的感测信息S。

另一种得知各运动传感器在空间中初始位置的方法为，通过使用红外线测量距离、或使用激光测量距离，并测量出相关角度的方式，再利用余弦定理，来得知各传感器的初始位置。参考图3，假设使用者头顶、肩膀及脚底各穿戴一个传感器，h已知为使用者身高，c1为头顶到肩膀的距离，c2为肩膀到脚底的距离，h＝c1+c2，d1到d3分别为头顶、肩膀及脚底的传感器到一固定点S的距离，此距离分别可由红外线或激光测距得到，θ是头顶及脚底对固定点P的夹角，θ＝θ1+θ2，所以由余弦定理可求得：

h²＝d₁ ²+d₃ ²-2·d₁d₃·cosθ

$\mathrm{\θ}={\cos }^{-1}\left(\frac{{d_1}^2+{d_3}^2-h^2}{2\·d_1{d}_3}\right)$

$\left\{\begin{array}{c}{c_1}^2={d_1}^2+{d_2}^2-2\·d_1{d}_2\·\cos {\mathrm{\θ}}_1\\ {c_2}^2={d_2}^2+{d_3}^2-2\·d_2{d}_3\·\cos {\mathrm{\θ}}_2\end{array}\right.$

c₂＝h-c₁，θ₂＝θ-θ₁

$\⇒{(h-c_1)}^2={d_2}^2+{d_3}^2-2\·d_2{d}_3\·\cos (\mathrm{\θ}-{\mathrm{\θ}}_1)$

例如使用者身高h为160厘米，头顶传感器离固定点P的距离d1为208.8厘米，肩膀传感器离P的距离d2为203厘米，脚底传感器离P的距离d3为223.6厘米，则：

h²＝d₁ ²+d₃ ²-2·d₁d₃·cosθ

160²＝208.8²+223.6²-2·208.8·223.6·cosθ

θ＝43.27°

$\left\{\begin{array}{c}{c_1}^2=208.8^2+{203}^2-2\·208.8\·203\·{\cos \mathrm{\θ}}_1\\ {(160-c_1)}^2={203}^2+223.6^2=2\·203\·223.6\·\cos (43.27-{\mathrm{\θ}}_1)\end{array}\right.$

c₂＝h-c₁＝160-25＝135

θ₂＝θ-θ₁＝43.27-6.78＝36.49°

则可以得知使用者肩膀传感器的初始高度为135厘米。

第一同步运算单元103用以将配置于使用者身上的多个传感器的感测信息进行同步。假设如果使用者身上穿戴m个传感器，当各个传感器第一个取样数据的时间为{t_1，1，t_1，2，…，t_1，m}，则之后纪录多个运动传感器的感测信息的时间为{(T_i，j-t_1，j)*s_j|j＝1…m，i：时间，s：1/每秒取样数}。

得到各传感器的初始位置之后，假设感测信息S为加速度信息，则动作分解单元106可通过对加速度值进行积分，来得到速度信息。之后，并对速度信息进行积分，以得到位移量信息。举例来说，可利用式(1)进行积分，并参考传感器的初始位置，就可以得到传感器在X、Y、Z每一轴向的位移量，并进一步得到传感器的位置信息，而产生对应至使用者的运动状态的运动轨迹。其中，a代表加速度值，v代表速度值，s代表位移量。

$\stackrel{\→}{S}=\∫\stackrel{\→}{v}\·\mathrm{dt}=\∫(\∫\stackrel{\→}{a}\·\mathrm{dt})\mathrm{dt}$ 式(1)

动作分解单元106也可利用球谐波函数(Spherical-harmonic function)，取出运动轨迹的特征参数，以对运动轨迹进行处理。由于球谐波函数具有三个重要的特性：分辨性(针对不同信息，进行球谐波函数的编码后的结果为不相同)、稳定性(编码的结果不易受到噪声的影响)、和不变性(针对相同的信息，即使取样方式不同，编码结果也是一样的)。因此利用球谐波函数所求得的特征参数用来描述动作轨迹是相当适合的。兹将通过球谐波函数求得特征参数的作法简述如下。

令f(r，θ，φ)是拉普拉斯方程式(Laplace’s equation)在球坐标中的一个解(取样点)，并满足：

$r=\sqrt{x^2+y^2+z^2}$

其中，r是f到原点的距离，θ是f与z轴的夹角，φ是f与x轴的夹角：

$\mathrm{\θ}={\cos }^{-1}\left(\frac{z}{r}\right),0\≤\mathrm{\θ}\≤\mathrm{\π}$

而此取样点f(r，θ，φ)可以用一个正交基底函数(称球谐波函数Y，级数(order)是m，次数(degree)是l)来表示：

$f(r,\mathrm{\θ},\mathrm{\φ})=\underset{l=0}{\overset{\∞}{\mathrm{\Σ}}}\underset{m=-l}{\overset{l}{\mathrm{\Σ}}}a\left(r\right)\·Y_l^m(\mathrm{\θ},\mathrm{\φ})$

其中，

$a\left(r\right)=p_{\mathrm{lm}}\·r^l+\frac{q_{\mathrm{lm}}}{r^{l+1}}$

$Y_l^m(\mathrm{\θ},\mathrm{\φ})=\sqrt{\frac{2l+1}{4\mathrm{\π}}\frac{(l-m)!}{(l+m)!}}{P}_l^m\left(\cos \mathrm{\θ}\right)e^{\mathrm{im\φ}}$

$P_l^m\left(x\right)=\frac{{(-1)}^m}{2^{l}l!}{(1-x^2)}^{m/2}\frac{d^{l+m}}{d{x}^{l+m}}{(x^2-1)}^l$

P是随伴雷建德多项式(associated Legendre Polynomial)，e是指数，i是虚数单位。

由于一个动作轨迹中可能会包含很多取样点f₁，f₂…f_n，从一个维度的信息来看，可用下列矩阵来表示其关系：

$\left[\begin{array}{cccccc}{y}_{\mathrm{1,1}}& y_{\mathrm{1,2}}& \·& \·& \·& y_{1,k}\\ y_{\mathrm{2,1}}& y_{\mathrm{2,2}}& \·& \·& \·& y_{2,k}\\ \·& \·& & & & \·\\ \·& \·& & & & \·\\ \·& \·& & & & \·\\ y_{n,1}& y_{n,2}& \·& \·& \·& y_{n,k}\end{array}\right]\left[\begin{array}{c}{\tilde{a}}_1\\ {\tilde{a}}_2\\ \·\\ \·\\ \·\\ {\tilde{a}}_k\end{array}\right]=\left[\begin{array}{c}{f}_1\\ f_2\\ \·\\ \·\\ \·\\ f_n\end{array}\right]$

$y_{i,j}=Y_l^m({\mathrm{\θ}}_i,{\mathrm{\φ}}_i)$

可以选定一组固定的正交基底函数，

视为此动作轨迹在此维度的特征参数。动作分解单元106将使用此特征参数，来对动作轨迹进行处理，例如是分解此运动轨迹。

而动作分解单元106例如是根据关键动作的定义来分解运动轨迹。兹将关键动作的定义的一例以高尔夫球运动为例说明如下。假设高尔夫球挥杆的动作可分解为上杆期(Take away)R1、下杆前期(Forward swing)R2、加速期(Acceleration)R3、跟随前期(Early follow through)R4与跟随后期(Latefollow through)R5。请参照图4，其绘示高尔夫球挥杆的动作中，对应至上杆期R1、下杆前期R2、加速期R3、跟随前期R4与跟随后期R5的分解动作的轨迹方向图的一例。纵轴以往下为正。p1代表击球点，p2代表上杆顶点，p3代表击球点，p4代表挥杆完成。兹设定高尔夫球挥杆的动作的关键动作包括上杆期R1、下杆前期R2、加速期R3、跟随前期R4与跟随后期R5，此些关键动作的定义例如如下：

上杆期R1：运动轨迹从球位移至上杆顶点位置，此过程可观察到Z轴运动速度的绝对值由0，增加至v₁，再递减至0；重力加速度感应计读取的绝对值也由g₀，先增加至g₁，再递减至g₀。

下杆前期R2：由上杆顶点向下挥击至球杆杆身与地面平行位置，运动轨迹约为上杆顶点至击球点前1/2的位置。

加速期R3：球杆杆身从水平位置到击球点，运动轨迹约为上杆顶点至击球点之间的轨迹的后1/2的部分。将加速期R3合并下杆前期R2来看，此过程可观察到Z轴运动速度的绝对值会由0，增加至v₂；重力加速度感应计读取的绝对数值则是由g₀，先增加至g₂，再递减至g₀。

跟随前期R4：球杆杆身从击球瞬间到水平位置，运动轨迹约为击球点至收杆顶点前1/2的位置。

跟随后期R5：球杆杆身从水平位置到整个挥杆动作结束。运动轨迹约为击球点至收杆顶点之间的轨迹的后1/2的部分。将跟随后期R5合并跟随前期R4来看，此过程可观察到Z轴运动速度的绝对值会由0，增加至v₃；而重力加速度感应计读取的绝对数值则是由g₀，增加至g₃。

通过传感器的数值(感测信息)和运动轨迹，可以判断出使用者每个关键动作的起点与终点，并可得到每个关键动作的每个关键动作信息(例如是关键动作的运动轨迹的多个取样点的多个空间坐标值)。

请参照图4，其所绘示乃高尔夫球挥杆动作过程中，各个关键动作相对应的速度和加速度值的实验结果的一例。寻找上述的上杆期R1、下杆前期R2、加速期R3、跟随前期R4与跟随后期R5等关键动作的起点与终点的作法，也可以是通过将传感器所得到的感测信息及所得的运动轨迹，参照图4的各关键动作的可能的速度和加速度值来得到。动作分解单元106例如是根据上述的关键动作的定义来分解运动轨迹，以产生至少一关键动作信息。于第二同步运算单元108中，如果教练的动作速度与使用者的速度不一致的话，将可能导致教练的关键动作信息与使用者的关键动作信息取样数不同，而比对不易的问题。为了将取样数不同的两个关键动作信息的序列进行比对，可以利用内插的方式来使得两者的取样数一致，而便于比对。

于肢体比例修正单元110，使用者和教练可能体型不同或肢体长度不同而造成动作轨迹不同，而使得动作比对不易。因此，可通过使用一组参数式(w_x(x)，w_y(y)，w_z(z))来修正因教练和使用者体型或肢体长度或位置不同所造成的误差。

$\left\{\begin{array}{c}{w}_x\left(x\right)=f\left(x\right)=a_{1}x+b_1\\ w_y\left(y\right)=f\left(y\right)=a_{2}y+b_2\\ w_z\left(z\right)=f\left(z\right)=a_{3}z+b_3\end{array}\right.$

上式的参数a₁～a₃、及b₁～b₃可通过已知使用者的传感器位置坐标(分别带入上式的x、y、及z中)与已知的教练的传感器位置坐标(带入上式的w_x(x)、w_y(y)、及w_z(z)中)，利用最小平方误差法来求得。可将使用者的运动轨迹的坐标(x，y，z)带入上式之后，可得到修正后的使用者的运动轨迹的坐标(w_x(x)，w_y(y)，w_z(z))，如此，即可达到修正肢体比例以降低比对误差的目的。

动作分段单元112可将教练的运动感测信息和三维运动轨迹的特征值描述为(a_e，x，i，a_e，y，i，a_e，z，i)，而使用者的运动感测信息和运动轨迹描述为(a_l，x，i，a_l，y，i，a_l，z，i)。兹定义相似度(Simility)的计算公式的一例为：

$\mathrm{Sim}(a_e,a_l)=1-\frac{\underset{i=0}{\overset{n-1}{\mathrm{\Σ}}}\left[\right|a_{l,x,i}-a_{e,x,i}|+|a_{l,y,i}-a_{e,y,i}|+|a_{l,z,i}-a_{e,z,i}\left|\right]}{\underset{i=0}{\overset{n-1}{\mathrm{\Σ}}}{a}_{l,x,i}+a_{l,y,i}+a_{l,z,i}}$

其中相似度经过正规化(Normalize)后，会介于0％～100％。

于错误动作显示单元114中，当相似度小于某个临界值时，代表使用者在连续动作中的某一个动作姿势可能发生错误。此时错误动作显示单元114会输出一个信号，如警告的声音或影像，来通知使用者，并搭配录制好的教练的运动动作影像的教学影片，重现、标记出错误动作的地方和建议动作修正的方式，如图5A与图5B所示。而第三同步运算单元113用来将该至少一关动作的感测信息与对应的该至少一预制动作的影像信息进行同步与比对。做法上可以记录使用者动作发生错误的时间点，找出在教练的教学影片中相对应时间点的动作来显示对应的影片段落。或者，通过关键动作的判读，例如判断出此为使用者的「下杆前期」或「加速期」的关键动作，故可重现教练的教学影片中的「下杆前期」的关键动作的影片段落来播放(如图5A所示)，或重现教练的教学影片中的「加速期」的关键动作的影片段落来播放(如图5B所示)，以供使用者重新观看并再次模仿练习。

上述的感测单元102是可与处理模块104分开设置。感测单元102可通过无线通讯的方式将传感器的多个感测信息传送至处理模块104。处理模块104可设置于本地端或远程的计算设备。上述的教练的运动动作影像及教练的运动感测信息可以事先录制或存盘，并可存放于本地端或远程的计算设备中。

本实施例还提出一种辅助使用者学习运动的方法，如图6的流程图所示。于步骤602中，提供至少一传感器，此至少一传感器配置于一使用者身上，各传感器用以根据使用者的运动状态输出一感测信息。于步骤604中，根据此至少一感测信息，产生使用者的至少一关键动作信息。而于步骤606中，则将至少一关键动作信息与对应的至少一预制动作信息进行同步与比对。

本实施例的一种运动学习系统与辅助使用者学习运动的方法，可以协助使用者更正确地学习如何运动，让使用者达到良好的学习的效果，而让使用者更有运动的意愿与动力，来进一步地提升使用者的健康状态。

当然，本发明还可有其它多种实施例，在不背离本发明精神及其实质的情况下，熟悉本领域的技术人员当可根据本发明作出各种相应的改变和变形，但这些相应的改变和变形都应属于本发明所附的权利要求的保护范围。

Claims (23)

1.一种运动学习系统，包括：

一感测单元，包括至少一传感器，用以配置于一使用者身上，各该至少一传感器还用以根据该使用者的运动状态输出至少一感测信息；以及

一处理模块，用以接收该至少一感测信息并根据该至少一感测信息，产生至少一关键动作信息，该处理模块还将此至少一关键动作信息与对应的至少一预制动作信息进行同步与比对。

2.根据权利要求1所述的运动学习系统，还包括一预制动作信息储存单元，用来纪录该预制动作信息，该预制动作信息是与一运动动作影像和一运动感测信息相关。

3.根据权利要求1所述的运动学习系统，其中该至少一传感器包括一重力加速度感应计、角速度计、磁力计至少三者其中之一。

4.根据权利要求1所述的运动学习系统，其中该至少一预制动作信息是与一教练的运动动作影像及该教练的运动感测信息相关。

5.根据权利要求1所述的运动学习系统，其中该预制动作信息是与一学员自己先前的运动动作影像及运动感测信息相关。

6.根据权利要求1所述的运动学习系统，其中该至少一传感器包括多个传感器，该处理模块包括：

一动作分解单元，用以根据该至少一感测信息，产生对应至该使用者的运动状态的一运动轨迹，并分解该运动轨迹，以产生该至少一关键动作信息；

一第一同步运算单元，用以将配置于使用者身上的该些传感器的感测信息进行同步；以及

一第二同步运算单元，用以将该至少一关键动作的感测信息与对应的该至少一预制动作的感测信息进行同步与比对。

7.根据权利要求1所述的运动学习系统，其中该处理模块还包括：

一第三同步运算单元，用以将该至少一关键动作的感测信息与对应的该至少一预制动作的影像信息进行同步与比对。

8.根据权利要求6所述的运动学习系统，其中该动作分解单元根据关键动作的定义来分解该运动轨迹。

9.根据权利要求6所述的运动学习系统，其中该动作分解单元利用球谐波函数，取出该运动轨迹的特征参数，以对该运动轨迹进行处理。

10.根据权利要求6所述的运动学习系统，其中该至少一预制动作信息对应至一教练的示范动作，该处理模块还包括：

一肢体比例修正单元，用以根据该使用者与该教练的体型差异来修正该至少一关键动作信息及该至少一预制动作信息至少二者之一。

11.根据权利要求6所述的运动学习系统，其中该处理模块还包括：

一动作分段比对单元，用以比对该至少一关键动作信息与对应的该预制动作信息的相似度；以及

一错误动作显示单元，用以于该至少一关键动作信息之一与对应的该预制动作信息的相似度小于一临界值时，重复播放对应至该预制动作信息的一教学影片。

12.根据权利要求1所述的运动学习系统，其中该感测单元通过无线通讯的方式将该至少一感测信息传送至该处理模块，该处理模块设置于一本地端或远程的计算设备。

13.一种辅助使用者学习运动的方法，包括：

提供至少一传感器，该至少一传感器配置于一使用者身上，各传感器用以根据该使用者的运动状态输出一感测信息；

根据该至少一感测信息，产生该使用者的至少一关键动作信息；以及

将该至少一关键动作信息与对应的至少一预制动作信息进行同步与比对。

14.根据权利要求13所述的辅助使用者学习运动的方法，还包括预制一教练或学员的运动动作影像和运动感测信息。

15.根据权利要求13所述的辅助使用者学习运动的方法，其中各该至少一传感器包括一重力加速度感应计、角速度计、磁力计至少三者其中之一。

16.根据权利要求14所述的辅助使用者学习运动的方法，其中该预制的运动动作影像及运动感测信息，是纪录在一个对应表中，此对应表是独立于运动动作影像的一电子文件，或是对应表与运动动作影像同时纪录在一视频影像文件中。

17.根据权利要求13所述的辅助使用者学习运动的方法，其中该至少一传感器包括多个传感器，该方法还包括：

将配置于该使用者身上的该些传感器的感测信息，基于取样时间信息和取样率，进行同步。

18.根据权利要求13所述的辅助使用者学习运动的方法，其中产生该使用者的至少一关键动作信息的步骤包括：

根据该至少一感测信息，产生对应至该使用者的运动状态的一运动轨迹；以及

分解该运动轨迹，以产生该至少一关键动作信息。

19.根据权利要求18所述的辅助使用者学习运动的方法，其中于该分解步骤中，是根据关键动作的定义来分解该运动轨迹。

20.根据权利要求18所述的辅助使用者学习运动的方法，其中于分解该运动轨迹的步骤中，是利用球谐波函数，取出该运动轨迹的特征参数，以对该运动轨迹进行处理。

21.根据权利要求13所述的辅助使用者学习运动的方法，其中该至少一预制动作信息是对应至一教练的示范动作，该方法还包括：

根据该使用者与该教练的体型差异来修正该至少一关键动作信息及该至少一预制动作信息至少二者之一。

22.根据权利要求13所述的辅助使用者学习运动的方法，其中该方法还包括：

比对该至少一关键动作信息与对应的该预制动作信息的相似度；以及

于该至少一关键动作信息之一与对应的该预制动作信息的相似度小于一临界值时，重复播放对应至该预制动作信息的一教学影片。

23.根据权利要求13所述的辅助使用者学习运动的方法，其中该感测单元通过无线通讯的方式将该至少一感测信息传送至该处理模块，该处理模块设置于一本地端或远程的计算设备。

Images