CN106492439A - 一种工间操评分方法 - Google Patents

Abstract

本发明公开了一种工间操评分方法，涉及体育健身领域。包括步骤：在应用中创建多个关键帧，每一个关键帧包括工间操中人体手部的一个目标位置坐标，基于目标位置坐标构建手部的目标运动轨迹；加速度传感器检测用户手部按照目标运动轨迹运动时的三维加速度；应用根据加速度传感器检测到的三维加速度计算用户手部的实际位置坐标；应用计算实际位置坐标与目标运动轨迹之间的匹配误差以及用户手部运动的完美度得分，并根据用户手部运动的完美度得分对用户进行评分。本发明能够根据用户手部的实际运动轨迹与目标运动轨迹之间的匹配误差对用户进行评分，使用户了解工间操的姿势是否标准，具有智能、直观、使用方便和适用范围广的特点。

Description

一种工间操评分方法

技术领域

本发明涉及体育健身领域，具体涉及一种工间操评分方法。

背景技术

办公室人员平均每天坐着的时间高达9.3小时，比睡觉的时间还长，久坐会导致亚健康症状，例如，背痛、脖子酸痛、腰椎间盘突出、易疲劳、慢性病和体能不足等现状。办公室人员可以在休息时间做工间操来进行调节，工间操是微运动，而且不受场地限制，由于其缓解疲劳、调节情绪和锻炼身体的优点而日益受到人们的重视，工间操既时卸载身体的负荷，保持健康的体魄，高效的工作。传统的做法是，办公室人员模仿图片或视频里的工间操活动，但是无法知道姿势是否标准，如果姿势不标准，则达不到良好的运动效果。

发明内容

针对现有技术中存在的缺陷，本发明的目的在于提供一种工间操评分方法，能够根据用户手部的实际运动轨迹与目标运动轨迹之间的匹配误差对用户进行评分，使用户了解工间操的姿势是否标准。

为达到以上目的，本发明采取的技术方案是：

一种工间操评分方法，基于穿戴于手部的智能设备，所述智能设备设有多个加速度传感器，智能设备装有根据加速度传感器数据进行工间操评分的应用，包括以下步骤：

S1.在应用中创建多个关键帧，每一个所述关键帧包括工间操中人体手部的一个目标位置坐标，基于所述目标位置坐标构建手部的目标运动轨迹；

S2.加速度传感器检测用户手部按照所述目标运动轨迹运动时的三维加速度；

S3.应用根据加速度传感器检测到的三维加速度计算用户手部的实际位置坐标；

S4.应用计算所述实际位置坐标与所述目标运动轨迹之间的匹配误差以及用户手部运动的完美度得分，并根据所述用户手部运动的完美度得分对用户进行评分。

在上述技术方案的基础上，步骤S1中，所述关键帧的总数为4，4个所述关键帧中依次存放工间操中人体手部的位置坐标d₁,d₂,d₃和d₄。

在上述技术方案的基础上，步骤S1中，基于所述目标位置坐标，通过贝塞尔曲线方法构建手部的目标运动轨迹。

在上述技术方案的基础上，基于所述目标位置坐标，通过贝塞尔曲线方法构建手部的目标运动轨迹包括：

对于4个关键帧中人体手部的位置坐标d₁,d₂,d₃,d₄，根据贝塞尔曲线定义贝塞尔三角多项式曲线段作为所述目标运动轨迹:

其中，p(t)为所述目标运动轨迹，n＝1,2,3,4，t为角度，

由上式可知，0≤x_n(t)≤1，且三角多项式曲线段具有几何不变性，即在平移和旋转下不变形，则

在上述技术方案的基础上，步骤S3中，应用根据检测到的三维加速度，通过卡尔曼滤波方法计算用户手部的实际位置坐标。

在上述技术方案的基础上，步骤S3中，所述加速度传感器检测s时刻的用户手部运动的三维加速度为惯性坐标X、Y和Z轴的a_sx、a_sy和a_sz，s＝1,2,…,m，m为正整数；

应用根据检测到的三维加速度，通过卡尔曼滤波方法计算用户手部的实际位置坐标包括：

用户手部在s时刻的非线性过程和测量方程分别为：

X_s＝f(X_s-1,U_s-1)+μ_s-1，

Z_s＝h(X_s)+ν_s，

其中，X_s＝[Q_sx Q_sy Q_sz V_sx V_sy V_sz]^T是惯性坐标系下用户手部在s时刻的状态向量，[Q_sx Q_sy Q_sz]^T为用户手部的三维位置向量，[V_sx V_sy V_sz]^T为用户手部的三维速度向量，X_s-1是惯性坐标系下用户手部在s-1时刻的状态向量，U_s-1＝[a_(s-1)x a_(s-1)y a_(s-1)z]^T是用户手部s-1时刻的三维加速度向量，f(X_s-1,U_s-1)为X_s-1和U_s-1的函数，Z_s是用户手部在s时刻的位置的观测向量，h(X_s)为X_s的函数，μ_s-1和ν_s分别为s-1时刻过程激励噪声和s时刻观测噪声，假设过程激励噪声和观测噪声是相互独立的，且均为零均值白噪声向量。

在上述技术方案的基础上，应用分别计算所述实际位置坐标在X、Y和Z轴上与所述目标运动轨迹之间的匹配误差，将计算得到的所述目标运动轨迹与所述匹配误差的差值作为用户手部的X、Y和Z轴完美度得分，X、Y和Z轴完美度得分的均值即为用户手部运动的完美度得分P_w，并根据所述用户手部运动的完美度得分对用户进行评分。

在上述技术方案的基础上，所述实际位置坐标与所述目标运动轨迹之间的匹配误差ε_r的计算依据公式：

其中，Q(s)表示用户手部的三维位置向量，Q(s)＝[Q_sx Q_sy Q_sz]^T，s＝1,2,…,m，m为正整数，Q_sx，Q_sy和Q_sz分别为s时刻用户手部在X、Y和Z轴的实际位置坐标，从所述目标运动轨迹中选取m个点，P(s)表示第s个点的三维位置向量，P(s)＝[P_sx P_sy P_sz]^T，P_sx，P_sy和P_sz分别为所述目标运动轨迹上第s个点在X、Y和Z轴的坐标。

在上述技术方案的基础上，所述完美度得分P_w计算公式为：

其中，ε_rx，ε_ry和ε_rz分别为所述实际位置坐标与所述目标运动轨迹之间在X、Y和Z轴的匹配误差。

本发明的有益效果在于：

1、本发明根据用户手部的实际位置坐标与目标运动轨迹之间的匹配误差对用户进行评分，使用户了解工间操的姿势是否标准。

2、本发明在智能手环或者手机客户端实现，具有智能、直观、使用方便和适用范围广的特点。

3、本发明根据用户手部的实际位置坐标与目标运动轨迹之间的匹配误差对用户进行评分，增加了工间操的趣味性和娱乐性。

附图说明

图1为本发明实施例工间操评分方法流程图。

具体实施方式

以下结合附图及实施例对本发明作进一步详细说明。

如图1所示，本发明提供一种工间操评分方法，基于穿戴于手部的智能设备，智能设备设有多个加速度传感器，且智能设备装有根据加速度传感器数据进行工间操评分的应用。

智能设备为智能手环或者智能手机，通过设于智能手环或智能手机中的三轴加速度传感器捕捉人体手部运动加速度。智能设备可以基于安卓或者ios，因此，本发明的适用范围广泛。

本工间操评分方法包括以下步骤：

S1.在应用中创建多个关键帧，每一个关键帧包括工间操中人体手部的一个目标位置坐标，基于目标位置坐标构建手部的目标运动轨迹。

步骤S1中，关键帧的总数为4，4个关键帧中依次存放工间操中人体手部的位置坐标d₁,d₂,d₃和d₄。

步骤S1中，基于目标位置坐标，通过贝塞尔曲线方法构建手部的目标运动轨迹。

基于目标位置坐标，通过贝塞尔曲线方法构建手部的目标运动轨迹包括：

对于4个关键帧中人体手部的位置坐标d₁,d₂,d₃,d₄，根据贝塞尔曲线定义贝塞尔三角多项式曲线段作为目标运动轨迹:

其中，p(t)为目标运动轨迹，n＝1,2,3,4，t为角度，

由上式可知，0≤x_n(t)≤1，且三角多项式曲线段具有几何不变性，即在平移和旋转下不变形，则

S2.加速度传感器检测用户手部按照目标运动轨迹运动时的三维加速度。

S3.应用根据加速度传感器检测到的三维加速度计算用户手部的实际位置坐标。

步骤S3中，应用根据检测到的三维加速度，通过卡尔曼滤波方法计算用户手部的实际位置坐标。

步骤S3中，加速度传感器检测s时刻的用户手部运动的三维加速度为惯性坐标X、Y和Z轴的a_sx、a_sy和a_sz，s＝1,2,…,m，m为正整数；

应用根据检测到的三维加速度，通过卡尔曼滤波方法计算用户手部的实际位置坐标包括：

用户手部在s时刻的非线性过程和测量方程分别为：

X_s＝f(X_s-1,U_s-1)+μ_s-1，

Z_s＝h(X_s)+ν_s，

其中，X_s＝[Q_sx Q_sy Q_sz V_sx V_sy V_sz]^T是惯性坐标系下用户手部在s时刻的状态向量，[Q_sx Q_sy Q_sz]^T为用户手部的三维位置向量，[V_sx V_sy V_sz]^T为用户手部的三维速度向量，X_s-1是惯性坐标系下用户手部在s-1时刻的状态向量，U_s-1＝[a_(s-1)x a_(s-1)y a_(s-1)z]^T是用户手部s-1时刻的三维加速度向量，f(X_s-1,U_s-1)为X_s-1和U_s-1的函数，Z_s是用户手部在s时刻的位置的观测向量，h(X_s)为X_s的函数，μ_s-1和ν_s分别为s-1时刻过程激励噪声和s时刻观测噪声，假设过程激励噪声和观测噪声是相互独立的，且均为零均值白噪声向量。

由于不同智能设备的硬件不同，本发明针对不同智能设备中不同类型的加速度传感器，可以进行微调整，例如，计数间隔时间，保证加速度传感器测量的准确性，从而使本发明适用于不同的智能设备。

S4.应用计算实际位置坐标与目标运动轨迹之间的匹配误差以及用户手部运动的完美度得分，并根据用户手部运动的完美度得分对用户进行评分。

应用分别计算实际位置坐标在X、Y和Z轴上与目标运动轨迹之间的匹配误差，将计算得到的目标运动轨迹与匹配误差的差值作为用户手部的X、Y和Z轴完美度得分，X、Y和Z轴完美度得分的均值即为用户手部运动的完美度得分P_w，并根据用户手部运动的完美度得分对用户进行评分。

实际位置坐标与目标运动轨迹之间的匹配误差ε_r的计算依据公式：

其中，Q(s)表示用户手部的三维位置向量，Q(s)＝[Q_sx Q_sy Q_sz]^T，s＝1,2,…,m，m为正整数，Q_sx，Q_sy和Q_sz分别为s时刻用户手部在X、Y和Z轴的实际位置坐标，从所述目标运动轨迹中选取m个点，P(s)表示第s个点的三维位置向量，P(s)＝[P_sx P_sy P_sz]^T，P_sx，P_sy和P_sz分别为所述目标运动轨迹上第s个点在X、Y和Z轴的坐标。

完美度得分P_w计算公式为：

其中，ε_rx，ε_ry和ε_rz分别为实际位置坐标与目标运动轨迹之间在X、Y和Z轴的匹配误差。

得到评分后，智能手机或手环可以语音播报对用户的评分。

本发明根据用户手部的实际位置坐标与目标运动轨迹之间的匹配误差对用户进行评分，使用户了解工间操的姿势是否标准。

本发明在智能手环或者手机客户端实现，具有智能、直观和使用方便的特点。

本发明根据用户手部的实际位置坐标与目标运动轨迹之间的匹配误差对用户进行评分，增加了工间操的趣味性和娱乐性。

本发明不局限于上述实施方式，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也视为本发明的保护范围之内。本说明书中未作详细描述的内容属于本领域专业技术人员公知的现有技术。

Claims (9)

1.一种工间操评分方法，基于穿戴于手部的智能设备，所述智能设备设有多个加速度传感器，其特征在于：智能设备装有根据加速度传感器数据进行工间操评分的应用，包括以下步骤：

S1.在应用中创建多个关键帧，每一个所述关键帧包括工间操中人体手部的一个目标位置坐标，基于所述目标位置坐标构建手部的目标运动轨迹；

S2.加速度传感器检测用户手部按照所述目标运动轨迹运动时的三维加速度；

S3.应用根据加速度传感器检测到的三维加速度计算用户手部的实际位置坐标；

S4.应用计算所述实际位置坐标与所述目标运动轨迹之间的匹配误差以及用户手部运动的完美度得分，并根据所述用户手部运动的完美度得分对用户进行评分。

2.如权利要求1所述的工间操评分方法，其特征在于：步骤S1中，所述关键帧的总数为4，4个所述关键帧中依次存放工间操中人体手部的位置坐标d₁,d₂,d₃和d₄。

3.如权利要求2所述的工间操评分方法，其特征在于：步骤S1中，基于所述目标位置坐标，通过贝塞尔曲线方法构建手部的目标运动轨迹。

4.如权利要求3所述的工间操评分方法，其特征在于：基于所述目标位置坐标，通过贝塞尔曲线方法构建手部的目标运动轨迹包括：

对于4个关键帧中人体手部的位置坐标d₁,d₂,d₃,d₄，根据贝塞尔曲线定义贝塞尔三角多项式曲线段作为所述目标运动轨迹:

$p\left(t\right)=\underset{n=1}{\overset{4}{\Σ}}{x}_n\left(t\right)d_n,$

其中，p(t)为所述目标运动轨迹，n＝1,2,3,4，t为角度，

$\left\{\begin{array}{c}{x}_1\left(t\right)=\frac{1}{2^n+2}{\left(1-\sin t\right)}^n\\ x_2\left(t\right)=\frac{1}{2^n+2}{\left(1+\cos t\right)}^n\\ x_3\left(t\right)=\frac{1}{2^n+2}{\left(1+\sin t\right)}^n\\ x_4\left(t\right)=\frac{1}{2^n+2}{\left(1-\cos t\right)}^n\end{array}\right.,$

由上式可知，0≤x_n(t)≤1，且三角多项式曲线段具有几何不变性，即在平移和旋转下不变形，则

$\left\{\begin{array}{c}p\left(0\right)=d_1\\ p\left(\frac{\mathrm{\π}}{2}\right)=d_4\\ p^{,}\left(0\right)=d_1^{,}\\ p^{,}\left(\frac{\mathrm{\π}}{2}\right)=d_4^{,}\end{array}\right..$

5.如权利要求1所述的工间操评分方法，其特征在于：步骤S3中，应用根据检测到的三维加速度，通过卡尔曼滤波方法计算用户手部的实际位置坐标。

6.如权利要求5所述的工间操评分方法，其特征在于：步骤S3中，所述加速度传感器检测s时刻的用户手部运动的三维加速度为惯性坐标X、Y和Z轴的a_sx、a_sy和a_sz，s＝1,2,…,m，m为正整数；

应用根据检测到的三维加速度，通过卡尔曼滤波方法计算用户手部的实际位置坐标包括：

用户手部在s时刻的非线性过程和测量方程分别为：

X_s＝f(X_s-1,U_s-1)+μ_s-1，

Z_s＝h(X_s)+ν_s，

其中，X_s＝[Q_sx Q_sy Q_sz V_sx V_sy V_sz]^T是惯性坐标系下用户手部在s时刻的状态向量，[Q_sxQ_sy Q_sz]^T为用户手部的三维位置向量，[V_sx V_sy V_sz]^T为用户手部的三维速度向量，X_s-1是惯性坐标系下用户手部在s-1时刻的状态向量，U_s-1＝[a_(s-1)x a_(s-1)y a_(s-1)z]^T是用户手部s-1时刻的三维加速度向量，f(X_s-1,U_s-1)为X_s-1和U_s-1的函数，Z_s是用户手部在s时刻的位置的观测向量，h(X_s)为X_s的函数，μ_s-1和ν_s分别为s-1时刻过程激励噪声和s时刻观测噪声，假设过程激励噪声和观测噪声是相互独立的，且均为零均值白噪声向量。

7.如权利要求1所述的工间操评分方法，其特征在于：应用分别计算所述实际位置坐标在X、Y和Z轴上与所述目标运动轨迹之间的匹配误差，将计算得到的所述目标运动轨迹与所述匹配误差的差值作为用户手部的X、Y和Z轴完美度得分，X、Y和Z轴完美度得分的均值即为用户手部运动的完美度得分P_w，并根据所述用户手部运动的完美度得分对用户进行评分。

8.如权利要求1所述的工间操评分方法，其特征在于：所述实际位置坐标与所述目标运动轨迹之间的匹配误差ε_r的计算依据公式：

${\mathrm{\ϵ}}_r=\sqrt{\underset{s=1}{\overset{m}{\Σ}}\left(P\right(s)-Q(s\left)\right)/m},$

其中，Q(s)表示用户手部的三维位置向量，Q(s)＝[Q_sx Q_sy Q_sz]^T，s＝1,2,…,m，m为正整数，Q_sx，Q_sy和Q_sz分别为s时刻用户手部在X、Y和Z轴的实际位置坐标，从所述目标运动轨迹中选取m个点，P(s)表示第s个点的三维位置向量，P(s)＝[P_sx P_sy P_sz]^T，P_sx，P_sy和P_sz分别为所述目标运动轨迹上第s个点在X、Y和Z轴的坐标。

9.如权利要求8所述的工间操评分方法，其特征在于：所述完美度得分P_w计算公式为：

$P_w=\frac{\underset{s=1}{\overset{m}{\Σ}}|P_{sx}-{\mathrm{\ϵ}}_{rx}|+\underset{s=1}{\overset{m}{\Σ}}|P_{sy}-{\mathrm{\ϵ}}_{ry}|+\underset{s=1}{\overset{m}{\Σ}}|P_{sz}-{\mathrm{\ϵ}}_{rz}|}{3},$

其中，ε_rx，ε_ry和ε_rz分别为所述实际位置坐标与所述目标运动轨迹之间在X、Y和Z轴的匹配误差。