CN104778647B - 基于智能鞋实现运动健康管理和运动习惯分析的系统 - Google Patents

Abstract

本发明公开了一种基于智能鞋实现运动健康管理和运动习惯分析的系统，该系统包括：智能鞋、用户终端与云端服务器；其中，所述智能鞋，用于采集用户的压力数据并传输至用户终端；所述用户终端，用于对压力数据进行分析来判定用户当前的运动状态，根据判定结果统计用户的运动情况，并传输至云端服务器；所述云端服务器，用于记录该用户的运动情况，并分析该用户的运动习惯，以及向该用户推荐运动习惯与其相似的其他用户。通过采用本发明公开的系统，可以方便用户了解自身的运动情况，以及运动后体重的变化，具有较高用户体验。

Description

基于智能鞋实现运动健康管理和运动习惯分析的系统

技术领域

本发明涉及智能可穿戴设备技术领域，尤其涉及一种利用智能鞋实现运动健康管理和运动习惯分析的系统。

背景技术

智能手机兴起之后，智能可穿戴设备成为了下一个发展的热点，智能可穿戴设备携带方便并且能够接触到的有关人体的数据，这使得智能可穿戴设备可以做一些智能手机很难做到的事情。

同时，随着城市化的进程，现在人们越来越多的坐在电脑桌前，工作的压力，生活习惯的改变，使得人们的运动也越来少并且不规律。通过智能可穿戴设备来帮助人们更好的运动成为了当下一个非常热门的话题。

一般来说，人的运动情况都会反映在脚底的压力变化上，所以通过智能鞋分析用户脚底压力的变化可以掌握用户的运动情况并且分析出用户的运动习惯，从而为用户的运动提供建议。

目前，已有的FSR薄膜压力传感器能够准确测量出一个区域的压力，并且具有体积小精度高的特点。但是，已有的可穿戴设备仅通过FSR薄膜压力传感器来测量压力数值并记录，却没有对其做进一步的分析，其功能较为单一，对于用户而言单纯的压力数值并没有实际意义，因而相关的可穿戴设备也无法带来较高的用户体验。

发明内容

本发明的目的是提供一种基于智能鞋实现运动健康管理和运动习惯分析的系统，可以方便用户了解自身的运动情况，以及运动后体重的变化，具有较高用户体验。

本发明的目的是通过以下技术方案实现的：

一种基于智能鞋实现运动健康管理和运动习惯分析的系统，该系统包括：智能鞋、用户终端与云端服务器；

其中，所述智能鞋，用于采集用户的压力数据并传输至用户终端；

所述用户终端，用于对压力数据进行分析来判定用户当前的运动状态，根据判定结果统计用户的运动情况，并传输至云端服务器；

所述云端服务器，用于记录该用户的运动情况，并分析该用户的运动习惯，以及向该用户推荐运动习惯与其相似的其他用户。

进一步的，所述智能鞋包括：电池和充电模块、FSR薄膜压力传感器、单片机与蓝牙串口模块；

其中，所述FSR薄膜压力传感器，用于采集用户的压力信息并传输给单片机；

所述单片机，用于根据压力信息计算出相应的压力数据并通过蓝牙串口模块传输至用户终端；

所述电池和充电模块，用于为所述FSR薄膜压力传感器、单片机与蓝牙串口模块提供电源；以及通过连接外接电源充电。

进一步的，所述用户终端中设有智能分析软件系统，用于对压力数据进行分析来判定用户当前的运动状态，根据判定结果统计用户的运动情况，其包括：

运动状态分析模块，用于对压力数据进行分析来判定用户当前的运动状态；具体的，通过蓝牙向智能鞋下发压力数据采集指令1，并接收智能鞋返回的压力数据，根据一段时间内的压力数据变化情况判定用户当前的运动状态；

运动情况统计模块，用于根据判定结果统计用户的运动情况；具体的：若判定用户当前的运动状态为跑步或步行，则根据相应的压力数据来计算跑步或步行的步数。

进一步的，所述根据一段时间内的压力数据变化情况判定用户当前的运动状态包括：

假设压力数据为0.1秒采集一次，将2秒内采集到的20个压力数据记为{x₁,x₂,x₃,…,x₂₀}；

根据用户的体重设定判定阈值threshold₁与threshold₂，其中，threshold₁<threshold₂；

判断是否满足以下条件：

当条件①满足时，判定为坐的状态，条件②满足时，判定为站立状态，条件③与④满足时，判定为走路状态，条件③与⑤满足时，判定为跑步状态。

进一步的，所述根据相应的压力数据来计算跑步或步行的步数包括：

对于跑步或步行的压力数据{x₁,x₂,x₃,…,x₂₀}，统计使得(x_i-threshold₁)*(x_i+1-threshold₁)<0成立的i的个数N，则个数N为跑步或步行的步数。

进一步的，所述智能分析软件系统还包括：提醒模块，用于当根据压力数据判定用户坐的时间超过阈值时，向用户发出提醒。

进一步的，所述智能分析软件系统还包括：用于测量用户体重的体重测量模块；

测量用户体重的步骤包括：

体重校验：获取用户输入的体重W，并通过蓝牙向智能鞋下发压力数据采集指令2，根据智能鞋返回的一秒内采集的10个压力数据的平均值F计算校验因子：adj＝W/F；

体重测量：当用户需要测量体重时，通过蓝牙向智能鞋下发压力数据采集指令2，根据智能鞋返回的一秒内采集的10个压力数据的平均值F₂计算用户的体重：W’＝adj×F₂。

进一步的，所述记录该用户的运动情况，并分析该用户的运动习惯，以及向该用户推荐运动习惯与其相似的其他用户包括：

在日期变更时，云端服务器接收用户终端发送的前一天统计的用户运动情况并保存在数据库中；

根据数据库中该用户的数据分析该用户的运动习惯，得到一个代表该用户运动习惯的数组；

将该用户运动习惯的数组与其他用户运动习惯的数组进行比较，将相似度最高的用户推荐给该用户。

进一步的，判定两个用户的运动习惯相似的步骤包括：

在某一时刻p，用户的运动状态用s_p表示，s_p＝0代表该时刻智能鞋未运行，没有统计运动状态，s_p＝1代表坐，s_p＝2代表站立，s_p＝3代表步行，s_p＝4代表跑步；

每一分钟60秒内，每一秒分别对应一个运动状态，记为s₁,s₂,…,s₆₀；将用户在每一分钟内占比最多的运动状态作为这一分钟的运动状态，则获得一天中每一分钟的运动状态s_p(p＝1，…，60×24)，将其作为用户运动习惯的数组；

用户1和用户2运动习惯的数组记为s¹ _p(p＝1，…，60×24)与s² _p(p＝1，…，60×24)；统计s¹ _p＝s² _p且s¹ _p>2个数M，当M大于阈值时，则判定用户1和用户2的运动习惯相似。

由上述本发明提供的技术方案可以看出，一方面，通过对用户的运动状态进行准确的分析，并进一步确定用户的运动习惯，可以方便用户了解自身的运动情况，还可以通过向用户推荐与他习惯相近的用户来促进运动；另一方面，通过校验因子可以准确的计算出用户的体重，方便用户了解运动后体重的变化，更可以激励用户多运动。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他附图。

图1为本发明实施例提供的一种基于智能鞋实现运动健康管理和运动习惯分析的系统的示意图；

图2为本发明实施例提供的一种基于智能鞋实现运动健康管理和运动习惯分析的系统的原理示意图；

图3为本发明实施例提供的站立状态时压力变化曲线示意图；

图4为本发明实施例提供的坐状态时压力变化曲线示意图；

图5为本发明实施例提供的步行状态时压力变化曲线示意图；

图6为本发明实施例提供的跑步状态时压力变化曲线示意图。

具体实施方式

下面结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明的保护范围。

图1为本发明实施例提供的一种基于智能鞋实现运动健康管理和运动习惯分析的系统的示意图。如图所示，该系统主要包括：智能鞋、用户终端与云端服务器；

其中，所述智能鞋，用于采集用户的压力数据并传输至用户终端；

所述用户终端，用于对压力数据进行分析来判定用户当前的运动状态，根据判定结果统计用户的运动情况，并传输至云端服务器；

所述云端服务器，用于记录该用户的运动情况，并分析该用户的运动习惯，以及向该用户推荐运动习惯与其相似的其他用户。

为了便于理解，下面结合附图2对该系统的功能及原理做进一步的说明。

图2为该系统的原理示意图，如图2所示，智能鞋主要负责压力数据的采集，用户终端主要负责运动状态的分析及运动情况统计，云端服务器主要负责运动习惯分析与相似运动习惯用户的推荐。具体来说：

1、智能鞋。

所述智能鞋主要包括：电池和充电模块、FSR薄膜压力传感器、单片机(STM32单片机)与蓝牙串口模块；

其中，所述FSR薄膜压力传感器，用于采集用户的压力信息并传输给单片机；该FSR薄膜压力传感器通常设置在用户智能鞋的鞋底，压力的变化将改变该压力传感器的电阻值，通过串联一个电阻之后测量压力传感器上的分压，可以进一步推算出该传感器上的压力信息。

所述单片机，用于根据压力信息计算出相应的压力数据并通过蓝牙串口模块传输至用户终端；

所述电池和充电模块，用于为所述FSR薄膜压力传感器、单片机与蓝牙串口模块提供电源；以及通过连接外接电源充电。

2、用户终端。

用户终端可以为智能手机、平板电脑等。

该用户终端中设有智能分析软件系统，用于对压力数据进行分析来判定用户当前的运动状态，根据判定结果统计用户的运动情况，其主要包括：运动状态分析模块、运动情况统计模块、提醒模块、体重测量模块与运动目标设置模块。

1)运动状态分析模块，用于对压力数据进行分析来判定用户当前的运动状态；具体的，用户终端开始分析运动状态时，通过蓝牙向智能鞋下发压力数据采集指令1，并接收智能鞋返回的压力数据(智能鞋可以以10Hz的频率发送压力数据)，根据一段时间内的压力数据变化情况判定用户当前的运动状态。

所述根据一段时间内的压力数据变化情况判定用户当前的运动状态包括：

假设压力数据为0.1秒采集一次，将2秒内采集到的20个压力数据记为{x₁,x₂,x₃,…,x₂₀}；

根据用户的体重W设定判定阈值threshold₁与threshold₂，其中，threshold₁<threshold₂；

判断是否满足以下条件：

当条件①满足时，判定为坐的状态，条件②满足时，判定为站立状态，条件③与④满足时，判定为走路状态，条件③与⑤满足时，判定为跑步状态。

如图3-6所示，分别为一段时间内站立状态、坐状态、步行状态与跑步状态的压力变化曲线。

需要说明的，上述阈值threshold₁与threshold₂是根据用户的体重来设置。示例性的，若用户体重为65KG，可设置threshold₁＝1000，threshold₂＝3500，同时可将此时的threshold₁＝1000，threshold₂＝3500作为标准值，对其他体重W≠65KG的用户，相应的阈值可设置为threshold’_i＝(W/65)×threshold_i(i＝1，2)。

2)运动情况统计模块，用于根据判定结果统计用户的运动情况；具体的：若判定用户当前的运动状态为跑步或步行，则根据相应的压力数据来计算跑步或步行的步数。

所述根据相应的压力数据来计算跑步或步行的步数包括：

对于跑步或步行的压力数据{x₁,x₂,x₃,…,x₂₀}，统计使得(x_i-threshold₁)*(x_i+1-threshold₁)<0成立的i的个数N，N/2为这段时间内压力变化的周期数，由于一个周期内两只脚各走了一步，则个数N为跑步或步行的步数。

3)提醒模块，用于当根据压力数据判定用户坐的时间超过阈值时，向用户发出提醒，以此来提示用户久坐后进行适当的运动，以减轻颈椎、腰椎的负荷。

4)体重测量模块，用于测量用户体重的体重测量模块；测量用户体重的步骤包括：

体重校验：获取用户输入的体重W，并通过蓝牙向智能鞋下发压力数据采集指令2，根据智能鞋返回的一秒内采集的10个压力数据的平均值F计算校验因子：adj＝W/F；

体重测量：当用户需要测量体重时，通过蓝牙向智能鞋下发压力数据采集指令2，根据智能鞋返回的一秒内采集的10个压力数据的平均值F2计算用户的体重：W’＝adj×F2。

5)运动目标设置模块，用于设置运动目标。可以由用户根据需求设定每日运动目标，也可采用默认的最健康的运动目标；设置运动目标后系统会将运动目标与当前运动情况进行对比，以激励用户完成每日运动目标对应的运动量。

另外，智能分析软件系统还可将上述数据整合来实现运动健康管理；例如，将用户一段时间的步行时间和步数，跑步时间和步数(运动量)以及体重(运动的效果)随日期变化的情况用曲线图呈现出来。

3、云端服务器。

云端服务器采用PHP和JavaScript的架构实现数据的处理和交互，数据库采用mysql和apache架构，同时包含用于在web端查看用户运动状态的程序。

该云端服务器记录该用户的运动情况，并分析该用户的运动习惯，以及向该用户推荐运动习惯与其相似的其他用户包括：

在日期变更时，云端服务器接收用户终端发送的前一天统计的用户运动情况并保存在数据库中；根据数据库中该用户的数据分析该用户的运动习惯，得到一个代表该用户运动习惯的数组；将该用户运动习惯的数组与其他用户运动习惯的数组进行比较，将相似度最高的用户推荐给该用户。

其中，判定两个用户的运动习惯相似的步骤包括：

在某一时刻p，用户的运动状态用s_p表示，s_p＝0代表该时刻智能鞋未运行，没有统计运动状态，s_p＝1代表坐，s_p＝2代表站立，s_p＝3代表步行，s_p＝4代表跑步；

每一分钟60秒内，每一秒分别对应一个运动状态，记为s₁,s₂,…,s₆₀；将用户在每一分钟内占比最多的运动状态作为这一分钟的运动状态，则获得一天中每一分钟的运动状态s_p(p＝1，…，60×24)，将其作为用户运动习惯的数组；

用户1和用户2运动习惯的数组记为s¹ _p(p＝1，…，60×24)与s² _p(p＝1，…，60×24)；统计s¹ _p＝s² _p且s¹ _p>2个数M(此处设定条件s¹ _i>2，其原因在于，只有步行和跑步状态被认为在运动)，当M大于阈值时，则判定用户1和用户2的运动习惯相似。

所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将系统的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。

以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明披露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求书的保护范围为准。

Claims (5)

1.一种基于智能鞋实现运动健康管理和运动习惯分析的系统，其特征在于，该系统包括：智能鞋、用户终端与云端服务器；

其中，所述智能鞋，用于采集用户的压力数据并传输至用户终端；

所述用户终端，用于对压力数据进行分析来判定用户当前的运动状态，根据判定结果统计用户的运动情况，并传输至云端服务器；

所述云端服务器，用于记录该用户的运动情况，并分析该用户的运动习惯，以及向该用户推荐运动习惯与其相似的其他用户，包括：在日期变更时，云端服务器接收用户终端发送的前一天统计的用户运动情况并保存在数据库中；根据数据库中该用户的数据分析该用户的运动习惯，得到一个代表该用户运动习惯的数组；将该用户运动习惯的数组与其他用户运动习惯的数组进行比较，将相似度最高的用户推荐给该用户；

所述用户终端中设有智能分析软件系统，用于对压力数据进行分析来判定用户当前的运动状态，根据判定结果统计用户的运动情况，其包括：

运动状态分析模块，用于对压力数据进行分析来判定用户当前的运动状态；具体的，通过蓝牙向智能鞋下发压力数据采集指令1，并接收智能鞋返回的压力数据，根据一段时间内的压力数据变化情况判定用户当前的运动状态；

运动情况统计模块，用于根据判定结果统计用户的运动情况；具体的：若判定用户当前的运动状态为跑步或步行，则根据相应的压力数据来计算跑步或步行的步数；

其中，所述根据一段时间内的压力数据变化情况判定用户当前的运动状态包括：

假设压力数据为0.1秒采集一次，将2秒内采集到的20个压力数据记为{x₁,x₂,x₃,…,x₂₀}；

根据用户的体重设定判定阈值threshold₁与threshold₂，其中，threshold₁<threshold₂；

判断是否满足以下条件：

当条件①满足时，判定为坐的状态，条件②满足时，判定为站立状态，条件③与④满足时，判定为走路状态，条件③与⑤满足时，判定为跑步状态；

所述根据相应的压力数据来计算跑步或步行的步数包括：

对于跑步或步行的压力数据{x₁,x₂,x₃,…,x₂₀}，统计使得(x_i-threshold₁)·(x_i+1-threshold₁)<0成立的i的个数N，则个数N为跑步或步行的步数。

2.根据权利要求1所述的系统，其特征在于，所述智能鞋包括：电池和充电模块、FSR薄膜压力传感器、单片机与蓝牙串口模块；

其中，所述FSR薄膜压力传感器，用于采集用户的压力信息并传输给单片机；

所述单片机，用于根据压力信息计算出相应的压力数据并通过蓝牙串口模块传输至用户终端；

所述电池和充电模块，用于为所述FSR薄膜压力传感器、单片机与蓝牙串口模块提供电源；以及通过连接外接电源充电。

3.根据权利要求1所述的系统，其特征在于，其特征在于，所述智能分析软件系统还包括：提醒模块，用于当根据压力数据判定用户坐的时间超过阈值时，向用户发出提醒。

4.根据权利要求1所述的系统，其特征在于，其特征在于，所述智能分析软件系统还包括：用于测量用户体重的体重测量模块；

测量用户体重的步骤包括：

体重校验：获取用户输入的体重W，并通过蓝牙向智能鞋下发压力数据采集指令2，根据智能鞋返回的一秒内采集的10个压力数据的平均值F计算校验因子：adj＝W/F；

体重测量：当用户需要测量体重时，通过蓝牙向智能鞋下发压力数据采集指令2，根据智能鞋返回的一秒内采集的10个压力数据的平均值F₂计算用户的体重：W’＝adj×F₂。

5.根据权利要求1所述的系统，其特征在于，判定两个用户的运动习惯相似的步骤包括：

在某一时刻p，用户的运动状态用s_p表示，s_p＝0代表该时刻智能鞋未运行，没有统计运动状态，s_p＝1代表坐，s_p＝2代表站立，s_p＝3代表步行，s_p＝4代表跑步；其中，p＝1，…，60×24；

每一分钟60秒内，每一秒分别对应一个运动状态，记为s₁,s₂,…,s₆₀；将用户在每一分钟内占比最多的运动状态作为这一分钟的运动状态，则获得一天中每一分钟的运动状态s_p，将其作为用户运动习惯的数组；

用户1和用户2运动习惯的数组记为s¹ _p与s² _p；统计s¹ _p＝s² _p且s¹ _p>2的个数M，当M大于阈值时，则判定用户1和用户2的运动习惯相似。