CN105446362B - 基于计算机科学辅助的姿势检测调整装置及其方法 - Google Patents

基于计算机科学辅助的姿势检测调整装置及其方法 Download PDF

Info

Publication number
CN105446362B
CN105446362B CN201510881907.8A CN201510881907A CN105446362B CN 105446362 B CN105446362 B CN 105446362B CN 201510881907 A CN201510881907 A CN 201510881907A CN 105446362 B CN105446362 B CN 105446362B
Authority
CN
China
Prior art keywords
information
transacter
collected
feedback
controller
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201510881907.8A
Other languages
English (en)
Other versions
CN105446362A (zh
Inventor
陆宁远
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Individual
Original Assignee
Individual
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Individual filed Critical Individual
Priority to CN201510881907.8A priority Critical patent/CN105446362B/zh
Publication of CN105446362A publication Critical patent/CN105446362A/zh
Application granted granted Critical
Publication of CN105446362B publication Critical patent/CN105446362B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D3/00—Control of position or direction
    • G05D3/12—Control of position or direction using feedback
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/0265—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric the criterion being a learning criterion
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators

Landscapes

  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Physics & Mathematics (AREA)
  • Artificial Intelligence (AREA)
  • Health & Medical Sciences (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • User Interface Of Digital Computer (AREA)
  • Image Analysis (AREA)

Abstract

本发明涉及运动器材技术领域，尤其涉及一种基于计算机科学辅助的姿势检测调整装置及其方法，它包括多个用于放置在人体指定位置范围内且收集指定位置姿势信息的数据收集装置、用于采集数据收集装置收集到的数据且处理这些数据并且产生反馈信号的控制器以及用于接收控制器产生的反馈信号并且产生反馈动作的反馈装置，所述数据收集装置以及反馈装置均与控制器信号连接。采用这种装置能更好的帮助初学者，使得他们运动的姿势更加标准。

Description

基于计算机科学辅助的姿势检测调整装置及其方法
技术领域
本发明涉及运动器材技术领域，尤其涉及一种基于计算机科学辅助的姿势检测调整装置及其方法。
背景技术
随着社会的不断发展，体育运动的种类也逐渐多样化，有一些体育运动也在慢慢普及，如健身、骑马、剑道、射箭等，而人们在初学这些体育运动时，通常需要专业人员的指导，才能达到姿势准确，但是当前，这些体育运动的专业人员较少，所以为了方便初学者在没有专业人员指导的前提下学习这些体育运动且达到姿势标准并且减少学习成本，需要一种姿势调整装置及其方法来帮助指导。
发明内容
本发明所要解决的一个技术问题是：提供一种基于计算机科学辅助的姿势检测调整装置，采用这种装置能更好的帮助初学者，使得他们运动的姿势更加标准。
本发明所采用的一个技术方案是：一种基于计算机科学辅助的姿势检测调整装置，它包括多个用于放置在人体指定位置范围内且收集指定位置姿势信息的数据收集装置、用于采集数据收集装置收集到的数据且处理这些数据并且产生反馈信号的控制器以及用于接收控制器产生的反馈信号并且产生反馈动作的反馈装置，所述数据收集装置以及反馈装置均与控制器信号连接。
作为优选，所述控制器包括用于采集数据收集装置收集的信息且进行转发或将接收到的反馈信息发送给反馈装置的微处理器、用于供用户登录且接收并且转发信息的智能设备以及用于接收智能设备转发过来的信息且利用机器学习技术或者参数化控制技术形成模型库、或者直接通过已经形成的模型库得到反馈信息并且将反馈信息发送回智能设备的服务器。
所述数据收集装置为运动传感器，且所述运动传感器设置在可穿戴物上。
所述数据收集装置还包括心率传感器、肌电传感器、脉动传感器、血压传感器的一种或几种。
多个运动传感器通过高速选址系统与控制器信号连接。
采用以上结构与现有技术相比，本发明具有以下优点：采用这种结构的姿势检测调整装置，可以通过数据收集装置收集人体指定位置的姿势信息，然后根据专业人员的标准姿势形成的数据模型库来分析普通用户的一般姿势的准确性，然后通过反馈装置反馈给普通用户知道，这样能很好的帮助初学者运动的姿势更加标准。
采用供用户登录的智能设备来转发数据，这样可以记录用户之前的数据，能方便用户更好的分析学习，而且最终是将信息发送到服务器进行处理，这样可以大大降低了普通用户的购买成本，且大大降低了处理等待时间。并且采用机器学习技术与参数化控制技术来形成模型库，因为机器学习技术需要的计算量十分庞大，并且参数比较多，所以会有一定的延时，但是准确性较高，而参数化控制技术需要的计算量较小，而且参数较少，具有实时性，即用户一做动作就能得到反馈，将这两者放在一起使用效果更好。
将数据收集装置设置在可穿戴物上，并且位置调节好，这样普通用户就只需要将可穿戴物按照规定穿好就可以方便的使用了。
因为数据收集装置采用的是运动传感器，且现有技术常规运动传感器一般只支持同时两个运行，所以超过两个现有常规运动传感器不能同时接在控制器上，所以本申请采用了高速选址系统来解决这个问题，即同一时间控制器只采集一个运动传感器收集到的数据，所述高速选址系统也成为多路复用系统。
本发明所要解决的另一个技术问题是：提供一种基于机器学习的姿势检测调整方法，采用这种调整方法能更好的帮助初学者，使得他们运动的姿势更加标准，同时姿势检测方法也可以通过对病态姿势的检测来判断病情，作为一种医用辅助方法。
本发明所采用的另一个技术方案是：一种基于机器学习的姿势检测调整方法，它包括以下步骤：
（1）、切换到学习模式，将带有多个数据收集装置的可穿戴物穿戴到专业人员身上，然后专业人员做标准姿势；
（2）、控制器采集数据收集装置收集到的这些标准姿势信息，然后利用机器学习技术或者或者参数化控制技术，由控制器根据大量的标准姿势信息进行自学习，建立标准姿势模型库，并且将建立完成的标准姿势模型库保存起来；
（3）、切换到检测调整模式，将带有多个数据收集装置的可穿戴物穿戴到普通用户身上，然后普通用户做一般姿势；
（4）、控制器采集数据收集装置收集到的这些一般姿势信息，然后控制器会根据之前建立完成的标准姿势模型库自动分析这些一般姿势信息；
（5）、若普通用户的一般姿势是标准的，则控制器会反馈一个正确的信号给反馈装置，反馈装置会反馈一个正确的提示给普通用户；若普通用户的一般姿势是不标准的，则控制器会反馈一个校正的信号给反馈装置，反馈装置会反馈一个校正的提示给普通用户。
所述控制器包括微处理器、智能设备以及服务器；
所述步骤（2）的具体步骤包括：
A、微处理器采集数据收集装置收集到的这些标准姿势信息；
B、微处理器将采集到的信息转发给已经登录过的智能设备，然后智能设备将从微处理器处接收到的信息转发给服务器；
C、服务器利用机器学习技术或者参数化控制技术，根据大量的标准姿势信息进行自学习，建立标准姿势模型库，并且将建立完成的标准姿势模型库保存起来；
所述步骤（4）的具体步骤包括：
①、微处理器采集数据收集装置收集到的这些一般姿势信息；
②、微处理器将采集到的信息转发给已经登录过的智能设备，然后智能设备将从微处理器处接收到的信息转发给服务器；
③、服务器根据之前建立完成的标准姿势模型库自动分析这些一般姿势信息。
微处理器每次只采集一个数据收集装置在固定时间内收集到信息，然后将所有数据收集装置采集一遍后再将采集到的信息发送给智能设备，之后数据收集装置就会将之前收集到的信息全部清空。
采用以上方法与现有技术相比，本发明具有以下优点：首先采集专业人员的标准姿势信息并且利用机器学习技术与参数化控制技术建立标准姿势模型库，然后再分析普通用户的一般姿势信息，然后通过反馈装置来反馈，这样就能很方便快捷的知道普通用户的姿势是否标准，即能很好的帮助初学者的运动姿势更加标准。
采用供用户登录的智能设备来转发数据，这样可以记录用户之前的数据，能方便用户更好的分析学习，而且最终是将信息发送到服务器进行处理，这样可以大大降低了普通用户的购买成本，且大大降低了处理等待时间。
微处理器每次只采集数据收集装置固定时间内收集到的信息，且每次微处理器采集并且发送完毕后，微处理器会控制数据收集装置将之前收集到的信息清空，这样可以大大节约内存资源，降低制造成本。
附图说明
图1为本发明基于计算机科学辅助的姿势检测调整装置的连接框图。
具体实施方式
以下结合附图与具体实施方式对本发明做进一步描述，但是本发明不仅限于以下具体实施方式。
一种基于计算机科学辅助的姿势检测调整装置，它包括多个用于放置在人体指定位置范围内且收集指定位置姿势信息的数据收集装置、用于采集数据收集装置收集到的数据且处理这些数据并且产生反馈信号的控制器以及用于接收控制器产生的反馈信号并且产生反馈动作的反馈装置，所述数据收集装置以及反馈装置均与控制器信号连接。反馈装置主要是振动、灯光闪烁或者产生声音这几种单独存在或者组合使用。
所述控制器包括用于采集数据收集装置收集的信息且进行转发或将接收到的反馈信息发送给反馈装置的微处理器、用于供用户登录且接收并且转发信息的智能设备以及用于接收智能设备转发过来的信息且利用机器学习技术或者参数化控制技术形成模型库、或者直接通过已经形成的模型库得到反馈并且将反馈信息发送回智能设备的服务器。所述服务器也可以将形成的模型库发送给智能设备，然后用户就可以直接通过微处理器与智能设备之间的数据传递处理即可得到想要的反馈信息，这样不需要将数据传输到服务器中进行处理，可以大大节省传输时间，降低延迟。所述智能设备主要是智能手机，也可以是平板或者电脑。所述机器学习技术是现有技术比较常规的技术，但是机器学习因为涉及到的参数较多，计算量比较庞大，所以需要一定的时间；而参数化控制技术与机器学习技术相比则较为简单，只需要围绕几个固定的参数，判断它是否属于设定的范围即可，本实施例中主要测得的参数为加速度以及欧拉角，通过这两个参数的范围可以确定大部分姿势的大致准确度。所以在需要实时性比较强时先采用参数化控制技术得到反馈，然后再与机器学习技术得到的数据做对比，这样使得用户体验时实时性较强，能马上知道自己的姿势是否准确，使用比较方便，并且准确性也较高。所述微处理器上还设有一个切换开关，用于在关闭、学习模式以及检测调整模式中进行切换。
所述数据收集装置为运动传感器，且所述运动传感器设置在可穿戴物上。所述数据收集装置还包括心率传感器、肌电传感器、脉动传感器、血压传感器的一种或几种。所述微处理器、数据收集装置以及反馈装置均是设置在可穿戴物里面的，所述数据收集装置以及反馈装置与微处理器可以通过有线连接，也可以通过无线连接。所述微处理器与智能设备通过无线通信连接，所述智能设备与服务器通过无线通信连接。且微处理器与智能设备之间通信是需要通过特制的协议的，而且智能设备与服务器进行通信也需要采用特制的协议，这两个协议是相同的。通过协议来传递数据信息，这样可以大大降低微处理器与智能设备的数据处理量，可以将大部分数据放到服务器去处理，大大降低了制造成本。并且设置多种不同功能的传感器，这样可以大大增加本发明的功能。
多个运动传感器通过高速选址系统与控制器信号连接。
一种基于计算机科学辅助的姿势检测调整方法，它包括以下步骤：
（1）、切换到学习模式，将带有多个数据收集装置的可穿戴物穿戴到专业人员身上，然后专业人员做标准姿势；
（2）、控制器采集数据收集装置收集到的这些标准姿势信息，然后利用机器学习技术或者参数化控制技术，由控制器根据大量的标准姿势信息进行自学习，建立标准姿势模型库，并且将建立完成的标准姿势模型库保存起来；
所述步骤（2）的具体步骤包括：
A、微处理器采集数据收集装置收集到的这些标准姿势信息；
B、微处理器将采集到的信息转发给已经登录过的智能设备，然后智能设备将从微处理器处接收到的信息转发给服务器；
C、服务器利用机器学习技术或者参数化控制技术，根据大量的标准姿势信息进行自学习，建立标准姿势模型库，并且将建立完成的标准姿势模型库保存起来；
学习模式的完整实现过程如下：通过多组运动传感器采集多轴运动数据，微处理器将采集到的数据通过协议编码然后以脉冲的形式发送到智能设备上，智能设备通过同一种协议将接收到的数据重组并转发给服务器，服务器接收智能设备转发过来的数据，然后通过同一种协议进行解码，然后对已解码的数据进行再重组并且降噪（降噪方法主要是卡尔曼滤波等方法），对已降噪的数据进行超维特征抽取（主要进行傅里叶转换，抽取的特征主要是：频率、波峰、波谷、方差、标准差等），然后对超维特征进行降维（主要方法是线性判别式分析LDA以及主成分分析PCA等降维方法），再通过多种机器学习模型（如随机森林、神经元网络、支持向量机以及贝叶斯等）进行训练，然后根据较差验证的方法得到准确率最高的模型并且保存起来，完成模型建立。这种协议是本申请人针对本发明而专门设计的，但是应用其他现有技术的协议做一些小的改进也是可以实现的。
（3）、切换到检测调整模式，将带有多个数据收集装置的可穿戴物穿戴到普通用户身上，然后普通用户做一般姿势；
（4）、控制器采集数据收集装置收集到的这些一般姿势信息，然后控制器会根据之前建立完成的标准姿势模型库自动分析这些一般姿势信息；
所述步骤（4）的具体步骤包括：
①、微处理器采集数据收集装置收集到的这些一般姿势信息；
②、微处理器将采集到的信息转发给已经登录过的智能设备，然后智能设备将从微处理器处接收到的信息转发给服务器；
③、服务器根据之前建立完成的标准姿势模型库自动分析这些一般姿势信息。
（5）、若普通用户的一般姿势是标准的，则控制器会反馈一个正确的信号给反馈装置，反馈装置会反馈一个正确的提示给普通用户；若普通用户的一般姿势是不标准的，则控制器会反馈一个矫正的信号给反馈装置，反馈装置会反馈一个矫正的提示给普通用户。
微处理器每次只采集一个数据收集装置在固定时间内收集到信息，然后将所有数据收集装置采集一遍后再将采集到的信息发送给智能设备，之后数据收集装置就会将之前收集到的信息全部清空。
例如最常见的健身，选取其中一个动作，首先是将模式切换为学习模式，然后将带有多个数据收集装置的可穿戴物穿戴到专业的健身教练身上，并且数据收集装置需要位于指定的数据收集位置，然后专业的健身教练做标准的动作，此时多个数据收集装置会一直收集这个标准姿势的信息，然后微处理器会采集多个数据收集装置收集到的信息，每个数据收集装置都采集一次后将采集到的数据信息打包发送给智能设备，智能设备再根据登陆的账号将这些数据做标记然后发送给服务器，服务器会将很多这些接收过来的数据信息根据机器学习技术或者参数化控制技术得到模型库，这个模型库也可以称为识别库或者分类器，这个模型库主要的功能就是输入一些数据能得到一个反馈，此时完成了学习模式；
然后将模式切换为检测调整模式，将带有多个数据收集装置的可穿戴物穿戴到普通用户身上，普通用户也做那个动作，然后此时数据收集装置会收集普通用户的姿势信息，然后再经过微处理器、智能设备最终传递到服务器，此时服务器中已经建立完成了一个关于这个动作的模型库，所以只需要将刚才传递过来的普通用户的关于这个动作的姿势信息输入到模型库中，就能得到一个输出反馈，然后再根据这个输出反馈得到普通用户这个动作是否标准，最后再通过反馈装置反馈给普通用户知道，即完成调整模式。

Claims (7)

1.一种基于计算机科学辅助的姿势检测调整装置，其特征在于：它包括多个用于放置在人体指定位置范围内且收集指定位置姿势信息的数据收集装置、用于采集数据收集装置收集到的数据且处理这些数据并且产生反馈信号的控制器以及用于接收控制器产生的反馈信号并且产生反馈动作的反馈装置，所述数据收集装置以及反馈装置均与控制器信号连接；
所述控制器包括用于采集数据收集装置收集的信息且进行转发或将从智能设备处接收到的反馈信息发送给反馈装置的微处理器、用于供用户登录且接收和转发从微处理器发送过来的数据收集装置收集到的信息或者接收和转发从服务器发送过来的反馈信息的智能设备以及用于接收智能设备转发过来的数据收集装置收集的信息且利用机器学习技术和参数化控制技术形成模型库而且通过形成的模型库得到反馈信息并且将反馈信息发送回智能设备的服务器。
2.根据权利要求1所述的基于计算机科学辅助的姿势检测调整装置，其特征在于：所述数据收集装置为运动传感器，且所述运动传感器设置在可穿戴物上。
3.根据权利要求2所述的基于计算机科学辅助的姿势检测调整装置，其特征在于：所述数据收集装置还包括心率传感器、肌电传感器、脉动传感器、血压传感器的一种或几种。
4.根据权利要求2所述的基于计算机科学辅助的姿势检测调整装置，其特征在于：多个运动传感器通过高速选址系统与控制器信号连接。
5.一种基于计算机科学辅助的姿势检测调整方法，其特征在于，它包括以下步骤：
(1)、切换到学习模式，将带有多个数据收集装置的可穿戴物穿戴到专业人员身上，然后专业人员做标准姿势；
(2)、控制器采集数据收集装置收集到的这些标准姿势信息，然后利用机器学习技术和参数化控制技术，由控制器根据大量的标准姿势信息进行自学习，建立标准姿势模型库，并且将建立完成的标准姿势模型库保存起来；
(3)、切换到检测调整模式，将带有多个数据收集装置的可穿戴物穿戴到普通用户身上，然后普通用户做一般姿势；
(4)、控制器采集数据收集装置收集到的这些一般姿势信息，然后控制器会根据之前建立完成的标准姿势模型库自动分析这些一般姿势信息；
(5)、若普通用户的一般姿势是标准的，则控制器会反馈一个正确的信号给反馈装置，反馈装置会反馈一个正确的提示给普通用户；若普通用户的一般姿势是不标准的，则控制器会反馈一个矫正的信号给反馈装置，反馈装置会反馈一个矫正的提示给普通用户。
6.根据权利要求5所述的基于计算机科学辅助的姿势检测调整方法，其特征在于：所述控制器包括微处理器、智能设备以及服务器；
所述步骤(2)的具体步骤包括：
A、微处理器采集数据收集装置收集到的这些标准姿势信息；
B、微处理器将采集到的标准姿势信息转发给已经登录过的智能设备，然后智能设备将从微处理器处接收到的信息转发给服务器；
C、服务器利用机器学习技术和参数化控制技术，根据大量的标准姿势信息进行自学习，建立标准姿势模型库，并且将建立完成的标准姿势模型库保存起来；
所述步骤(4)的具体步骤包括：
①、微处理器采集数据收集装置收集到的这些一般姿势信息；
②、微处理器将采集到的一般姿势信息转发给已经登录过的智能设备，然后智能设备将从微处理器处接收到的信息转发给服务器；
③、服务器根据之前建立完成的标准姿势模型库自动分析这些一般姿势信息。
7.根据权利要求6所述的基于计算机科学辅助的姿势检测调整方法，其特征在于：微处理器每次只采集一个数据收集装置在固定时间内收集到信息，然后将所有数据收集装置采集一遍后再将采集到的信息发送给智能设备，之后数据收集装置就会将之前收集到的信息全部清空。
CN201510881907.8A 2015-12-07 2015-12-07 基于计算机科学辅助的姿势检测调整装置及其方法 Active CN105446362B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201510881907.8A CN105446362B (zh) 2015-12-07 2015-12-07 基于计算机科学辅助的姿势检测调整装置及其方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201510881907.8A CN105446362B (zh) 2015-12-07 2015-12-07 基于计算机科学辅助的姿势检测调整装置及其方法

Publications (2)

Publication Number Publication Date
CN105446362A CN105446362A (zh) 2016-03-30
CN105446362B true CN105446362B (zh) 2019-01-22

Family

ID=55556682

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510881907.8A Active CN105446362B (zh) 2015-12-07 2015-12-07 基于计算机科学辅助的姿势检测调整装置及其方法

Country Status (1)

Country Link
CN (1) CN105446362B (zh)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106964117A (zh) * 2017-05-09 2017-07-21 上海智位机器人股份有限公司 一种基于反馈的人工智能学习训练方法
CN109284695A (zh) * 2018-09-03 2019-01-29 李乐进 一种基于数据挖掘的形象气质提升方法
CN110189374B (zh) * 2019-05-30 2021-06-08 北京理工大学 一种射箭姿态即时反馈系统
CN110309743A (zh) * 2019-06-21 2019-10-08 新疆铁道职业技术学院 基于行业标准动作的人体姿态判断方法及装置
CN111026269B (zh) * 2019-12-04 2023-10-10 上海褚信医学科技有限公司 基于力反馈的生物组织结构的触觉反馈方法、装置和设备
CN112023373A (zh) * 2020-09-07 2020-12-04 东南大学 一种基于姿态传感器的网球运动训练方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101983090A (zh) * 2008-04-03 2011-03-02 韩国电子通信研究院 基于动作内容的训练装置和方法
CN102218214A (zh) * 2010-04-13 2011-10-19 上海薄荷信息科技有限公司 一种捕捉运动信息的装置及相应的系统
CN102231192A (zh) * 2011-05-31 2011-11-02 福建物联天下信息科技有限公司 一种采集动作数据进行比对并得出比对相似度结果的系统
CN103713739A (zh) * 2013-12-25 2014-04-09 北京握奇数据系统有限公司 一种运动数据的采集处理方法及系统
CN104157107A (zh) * 2014-07-24 2014-11-19 燕山大学 一种基于Kinect传感器的人体姿势矫正装置
CN104473618A (zh) * 2014-11-27 2015-04-01 曦煌科技(北京)有限公司 一种用于虚拟现实的身体数据采集反馈设备和方法

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8500604B2 (en) * 2009-10-17 2013-08-06 Robert Bosch Gmbh Wearable system for monitoring strength training
CN101856227B (zh) * 2010-06-10 2012-06-27 清华大学 基于手机平台的乳腺电阻抗断层成像仪
CN102325150A (zh) * 2011-07-06 2012-01-18 同济大学 一种实现多屏互动移动学习的方法和装置
US9454913B2 (en) * 2013-06-17 2016-09-27 Polar Electro Oy Simulator tool for physical exercise device
US9681827B2 (en) * 2013-10-09 2017-06-20 LEDO Networks, Inc. Systems, methods, applications for smart sensing, motion activity monitoring, and motion activity pattern recognition
CN103855808A (zh) * 2014-03-26 2014-06-11 四川启明星蜀达电气有限公司 基于云平台的家庭智能电力能效分析系统及其分析方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101983090A (zh) * 2008-04-03 2011-03-02 韩国电子通信研究院 基于动作内容的训练装置和方法
CN102218214A (zh) * 2010-04-13 2011-10-19 上海薄荷信息科技有限公司 一种捕捉运动信息的装置及相应的系统
CN102231192A (zh) * 2011-05-31 2011-11-02 福建物联天下信息科技有限公司 一种采集动作数据进行比对并得出比对相似度结果的系统
CN103713739A (zh) * 2013-12-25 2014-04-09 北京握奇数据系统有限公司 一种运动数据的采集处理方法及系统
CN104157107A (zh) * 2014-07-24 2014-11-19 燕山大学 一种基于Kinect传感器的人体姿势矫正装置
CN104473618A (zh) * 2014-11-27 2015-04-01 曦煌科技(北京)有限公司 一种用于虚拟现实的身体数据采集反馈设备和方法

Also Published As

Publication number Publication date
CN105446362A (zh) 2016-03-30

Similar Documents

Publication Publication Date Title
CN105446362B (zh) 基于计算机科学辅助的姿势检测调整装置及其方法
EP3337401B1 (en) Method and system for adjusting audio signals based on motion deviation
US7840031B2 (en) Tracking a range of body movement based on 3D captured image streams of a user
CN106267780B (zh) 一种运动提醒的方法及装置
KR101495044B1 (ko) 사용자 운동 패턴을 이용한 모션 인식 기반의 운동 시스템 및 방법
CN107754225A (zh) 一种智能健身教练系统
CN109919034A (zh) 一种肢体动作识别与纠正辅助训练系统及方法
WO2017161733A1 (zh) 通过电视和体感配件进行康复训练及系统
US11681347B2 (en) Systems and methods for elastic delivery, processing, and storage for wearable devices based on system resources
CN109753868B (zh) 运动动作的评估方法及装置、智能手环
CN110600125B (zh) 一种基于人工智能的体态分析助手系统及传输方法
US20200254299A1 (en) System and non-intrusive method for exercise posture detection
CN109199417A (zh) 一种用于运动康复治疗的增强现实方法及系统
US11435827B2 (en) Electronic training system and method for electronic evaluation and feedback of sports performance
US20200306587A1 (en) Systems and methods for real-time feedback and athletic training
CN108837480B (zh) 游泳监测系统及训练方法
CN113076002A (zh) 基于多部位动作识别的互联健身竞技系统及方法
CN113262459A (zh) 应用于运动健身镜的动作标准性的判定方法，装置和介质
Kang et al. The gesture recognition technology based on IMU sensor for personal active spinning
US20150051512A1 (en) Apparatus and method for recognizing user's posture in horse-riding simulator
CN110910984A (zh) 一种体育运动员状态调整信息处理系统及方法
CN108096788B (zh) 基于kinect的游戏下肢康复训练系统
CN110477922A (zh) 一种肢体运动检测方法及系统
KR102608633B1 (ko) 전자 장치 및 그 제어 방법
KR20180000581A (ko) 스포츠 동작 코칭 장치 및 그 방법

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant