CN107854125A - 实时心率监测及运动分析来实现锻炼监测的系统及方法 - Google Patents

实时心率监测及运动分析来实现锻炼监测的系统及方法 Download PDF

Info

Publication number
CN107854125A
CN107854125A CN201710851623.3A CN201710851623A CN107854125A CN 107854125 A CN107854125 A CN 107854125A CN 201710851623 A CN201710851623 A CN 201710851623A CN 107854125 A CN107854125 A CN 107854125A
Authority
CN
China
Prior art keywords
type
training
inventory
training type
exercise
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.)
Granted
Application number
CN201710851623.3A
Other languages
English (en)
Other versions
CN107854125B (zh
Inventor
陈世伟
谢清霖
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.)
Xi En Somatosensory Polytron Technologies Inc
CM HK Ltd
Original Assignee
Xi En Somatosensory Polytron Technologies Inc
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 Xi En Somatosensory Polytron Technologies Inc filed Critical Xi En Somatosensory Polytron Technologies Inc
Publication of CN107854125A publication Critical patent/CN107854125A/zh
Application granted granted Critical
Publication of CN107854125B publication Critical patent/CN107854125B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/22—Ergometry; Measuring muscular strength or the force of a muscular blow
    • A61B5/221—Ergometry, e.g. by using bicycle type apparatus
    • A61B5/222—Ergometry, e.g. by using bicycle type apparatus combined with detection or measurement of physiological parameters, e.g. heart rate
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
    • A61B5/0205—Simultaneously evaluating both cardiovascular conditions and different types of body conditions, e.g. heart and respiratory condition
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
    • A61B5/1116—Determining posture transitions
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
    • A61B5/1118—Determining activity level
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/48—Other medical applications
    • A61B5/4866—Evaluating metabolism
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
    • A61B5/6801—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be attached to or worn on the body surface
    • A61B5/6802—Sensor mounted on worn items
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7271—Specific aspects of physiological measurement analysis
    • A61B5/7275—Determining trends in physiological measurement data; Predicting development of a medical condition based on physiological measurements, e.g. determining a risk factor
    • A—HUMAN NECESSITIES
    • A63—SPORTS; GAMES; AMUSEMENTS
    • A63B—APPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
    • A63B24/00—Electric or electronic controls for exercising apparatus of preceding groups; Controlling or monitoring of exercises, sportive games, training or athletic performances
    • A63B24/0062—Monitoring athletic performances, e.g. for determining the work of a user on an exercise apparatus, the completed jogging or cycling distance
    • A—HUMAN NECESSITIES
    • A63—SPORTS; GAMES; AMUSEMENTS
    • A63B—APPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
    • A63B71/00—Games or sports accessories not covered in groups A63B1/00 - A63B69/00
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
    • G16H20/30—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to physical therapies or activities, e.g. physiotherapy, acupressure or exercising
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
    • G16H40/60—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices
    • G16H40/63—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices for local operation
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B2562/00—Details of sensors; Constructional details of sensor housings or probes; Accessories for sensors
    • A61B2562/02—Details of sensors specially adapted for in-vivo measurements
    • A61B2562/0219—Inertial sensors, e.g. accelerometers, gyroscopes, tilt switches
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
    • A61B5/6801—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be attached to or worn on the body surface
    • A61B5/6802—Sensor mounted on worn items
    • A61B5/681—Wristwatch-type devices
    • A—HUMAN NECESSITIES
    • A63—SPORTS; GAMES; AMUSEMENTS
    • A63B—APPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
    • A63B2220/00—Measuring of physical parameters relating to sporting activity
    • A63B2220/80—Special sensors, transducers or devices therefor
    • A63B2220/83—Special sensors, transducers or devices therefor characterised by the position of the sensor
    • A63B2220/836—Sensors arranged on the body of the user

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • General Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Medical Informatics (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Animal Behavior & Ethology (AREA)
  • Pathology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Physics & Mathematics (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Veterinary Medicine (AREA)
  • Physiology (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Dentistry (AREA)
  • Cardiology (AREA)
  • Physical Education & Sports Medicine (AREA)
  • Epidemiology (AREA)
  • Primary Health Care (AREA)
  • Pulmonology (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Psychiatry (AREA)
  • Signal Processing (AREA)
  • Business, Economics & Management (AREA)
  • General Business, Economics & Management (AREA)
  • Obesity (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)

Abstract

实时心率监测及运动分析来实现锻炼监测的系统及方法，用于实现锻炼监测。一种代表性方法包括：使用具有处理器电路系统的处理器来：获得从穿戴式装置的惯性传感器报告的且与清单中的训练类型对应的运动读数；接收清单以及与所述训练类型中的每一个对应的目标训练计数或目标训练时间的目标状态；基于清单来确定当前训练类型；基于当前训练类型来选择计算模型中的一个计算模型；将与当前训练类型对应的匹配特性集合和运动读数进行比较，直到已获取所述当前训练类型的目标状态；基于清单来选择下一训练类型；基于下一训练类型来选择计算模型中的另一个计算模型；确定与清单相关联的活动信息；以及基于目标状态、活动信息、及清单来计算用户的锻炼量。

Description

实时心率监测及运动分析来实现锻炼监测的系统及方法
技术领域
本发明涉及基于实时心率监测和/或运动分析而对锻炼进行的监测。
背景技术
目前存在多种装置可整合不同传感器以判断与所述装置相关联的运动，这些装置包括由用户穿戴的穿戴式装置(例如，智能手表)。这些装置中的许多装置有助于提供显见的优点，例如使用方便。遗憾的是，这些装置不能够向进行各种体育活动或锻炼的用户提供详细信息。因此，需要提供解决这些技术缺陷的解决方案。
发明内容
本发明提供一种利用实时心率监测及运动分析来实现锻炼监测的系统及方法。
本发明提供一种系统，包括穿戴式装置、用户界面存储器及存储器。穿戴式装置被配置成由用户穿戴，所述穿戴式装置包括惯性传感器，所述惯性传感器具有惯性传感器电路系统，所述惯性传感器被配置成基于所述惯性传感器的运动来报告运动读数，所述惯性传感器包括加速度计，所述加速度计具有加速度计电路系统，所述加速度计被配置成产生加速度计读数。用户界面具有通知装置及清单设定界面，所述清单设定界面具有清单设定界面电路系统，所述清单设定界面被配置成提供训练类型的清单，所述通知装置具有通知装置电路系统，所述通知装置被配置成基于所述训练类型的清单向所述用户提供通知，所述通知包括与所述清单中的当前训练类型对应的信息，所述训练类型包括至少两种全身训练类型，所述至少两种全身训练类型中的每一个均与锻炼所述用户的上身及下身两者相关联。存储器被配置成存储计算模型，所述计算模型中的每一个界定与所述训练类型中的相应一个相关联的匹配特性集合，与所述至少两种全身训练类型相关联的所述匹配特性集合共享与所述加速度计读数相关联的共用确定向量。处理器，具有处理器电路系统，所述处理器被配置成：获得从所述惯性传感器报告的且与所述清单中的训练类型对应的所述运动读数；接收所述训练类型的清单以及与所述训练类型中的每一个对应的目标训练计数或目标训练时间的目标状态；基于所述训练类型的清单来确定所述当前训练类型；基于所述当前训练类型来选择所述计算模型中的一个；将与所述当前训练类型对应的所述匹配特性集合与所述运动读数进行比较，直到已获取所述当前训练类型的所述目标状态；基于所述训练类型的清单来选择下一训练类型；基于所述下一训练类型来选择所述计算模型中的另一个；确定与所述训练类型的清单相关联的活动信息；以及基于所述目标状态、所述活动信息、及所述训练类型的清单来计算所述用户的锻炼量。
本发明提供一种使用穿戴式装置的方法，所述穿戴式装置被配置成由用户穿戴且包括惯性传感器，所述惯性传感器具有惯性传感器电路系统，所述惯性传感器被配置成基于所述惯性传感器的运动来报告运动读数，所述惯性传感器包括加速度计，所述加速度计具有加速度计电路系统，所述加速度计被配置成产生加速度计读数，所述方法包括：向所述用户提供训练类型的清单，所述训练类型的清单包括与当前训练类型对应的信息，所述训练类型包括至少两种全身训练类型，所述至少两种全身训练类型中的每一个均与锻炼所述用户的上身及下身两者相关联；以及使用具有处理器电路系统的处理器来：获得从所述惯性传感器报告的且与所述清单中的训练类型对应的所述运动读数；接收所述训练类型的清单以及与所述训练类型中的每一个对应的目标训练计数或目标训练时间的目标状态；基于所述训练类型的清单来确定所述当前训练类型；基于所述当前训练类型来从存储在存储器中的计算模型中选择计算模型，所述计算模型中的每一个界定与所述训练类型中的相应一个相关联的匹配特性集合，与所述至少两种全身训练类型相关联的所述匹配特征集合共享与所述加速度计读数相关联的共用确定向量；将与所述当前训练类型对应的所述匹配特性集合与所述运动读数进行比较，直到已获取所述当前训练类型的所述目标状态；基于所述训练类型的清单来选择下一训练类型；基于所述下一训练类型来选择所述计算模型中的另一个；确定与所述训练类型的清单相关联的活动信息；以及基于所述目标状态、所述活动信息、及所述训练类型的清单来计算所述用户的锻炼量。
附图说明
包含附图是为了提供对本发明的进一步理解，且附图被并入本说明书中并构成本说明书的一部分。图式说明本发明的实施例，并且与本说明一起用于解释本发明的原理。
图1是示出根据本发明其中一个示例性实施例的所提出系统。
图2是示出根据本发明其中一个示例性实施例的所提出方法的流程图。
图3是示出根据本发明其中一个示例性实施例的所提出系统。
图4是示出根据本发明其中一个示例性实施例的所提出方法的流程图。
图5是示出根据本发明其中一个示例性实施例的所提出系统。
图6是示出根据本发明其中一个示例性实施例的所提出方法的流程图。
图7是示出根据本发明其中一个示例性实施例的所提出方法的流程图。
图8是示出根据本发明其中一个示例性实施例的所提出方法的功能性流程图。
图9是示出根据本发明其中一个示例性实施例的所提出系统。
图10是示出根据本发明其中一个示例性实施例的所提出方法的功能性流程图。
图11A至图11D是示出以蹲坐形式进行的全身训练类型的实例。
图12是示出根据本发明其中一个示例性实施例的所提出方法的功能性流程图。
图13A至图13C是示出以立卧撑跳(burpee)形式进行的全身训练类型的实例。
图14是示出根据本发明其中一个示例性实施例的所提出方法的功能性流程图。
[符号的说明]
100、300、500、900：系统
110、510、919：心率传感器
120、320、520：显示器
130、530：界面模块
140、340、540、940：处理器
315、515：运动传感器
330：界面模块/界面
800：配套装置
850：穿戴式装置
910：装置/穿戴式装置
912：惯性传感器
914：惯性传感器电路系统
916：加速度计
918：加速度计电路系统
920：用户界面
922：通知装置
926：清单设定界面电路系统
930：存储器
942：处理器电路系统
1000、1200：方法
1100、1300：用户
1102、1302：站立姿态
1104：手臂
1106：手臂前伸姿态
1108：蹲坐姿态
1304：俯卧撑姿态
D1：运动距离/下降距离
S202、S204、S206、S208、S210、S212、S214、S216、S218、S402、S404、S406、S408、S410、S412、S602、S604、S606、S608、S702、S704、S706、S708、S710、S712、S714、S716、S802、S804、S806、S810、S808、S8081、S8083a、S8083b、S8085、S810、S1002、S1004、S1006、S1008、S1010、S1012、S1014、S1016、S1018、S1020、S1202、S1204、S1206、S1208、S1210、S1212、S1402、S1404、S1406、S1408、S1410：步骤
具体实施方式
现将参照附图在下文中更全面地阐述本发明的一些实施例，附图中示出有本申请的一些但非所有实施例。实际上，本发明的各种实施例可被实施为许多不同形式且不应被视为仅限于本文中所述的实施例；确切而言，提供这些实施例是为了使此公开内容将满足适用的法律要求。通篇中相同的参考编号指代相同的元件。
图1是示出根据本发明其中一个示例性实施例的所提出系统。首先在图1中介绍所述系统的所有组件及其配置。图2更详细地公开所述组件的功能性。
参照图1，出于示例性目的，所提出系统100可包括心率传感器110、显示器120、界面模块130、及处理器140。明显地，前述组件中的每一个均包括用于实行相关功能的相关联电路系统(例如，传感器电路系统、显示器电路系统、界面电路系统、及处理器电路系统，尽管图1中未绘示此种电路系统)。
心率传感器110可为通过各种方式实时测量个体的心率的装置。出于示例性目的，心率传感器110可为使用红外光来估计每一单位长度皮肤血液流动变化的光体积描记法(photoplethymography，PPG)装置，也可使用自身为人熟知的其他方式，例如气动体积描记法(pneumatic plethysmography)、阻抗心动描记法(impedance cardiography)、心音描记法(phonocardiography)、心电描记法(electrocardiography)。
显示器120可显示文本或图形信息。出于示例性目的，显示器120可为液晶显示器(liquid crystal display，LCD)、发光二极管(light-emitting diode，LED)显示器、场发射显示器(field emission display，FED)、等离子体显示器(plasma display)、量子点显示器(quantum dot display)等。
界面模块130可为从用户接收基于触摸的输入的输入装置。出于示例性目的，界面模块130可为指针装置(例如，鼠标)、键盘、实体按钮、遥控装置(remote control)等。作为另外一种选择，界面模块130可包括在显示器120中排列成行及列以检测由手指或其他物体输入的触摸输入的触摸检测组件。触摸检测组件可为例如电容触摸检测组件(capacitivetouch detection component)、表面声波触摸检测组件(surface acoustic wave touchdetection component)、电磁触摸检测组件(electromagnetic touch detectioncomponent)、或近场成像触摸检测组件(near-field imaging touch detectioncomponent)。
处理器140可处理从心率传感器110获得的数据以实行所述所提出方法。处理器140可包括以下中的一个或多个：北桥(North Bridge)、南桥(South Bridge)、现场可编程阵列(field programmable array，FPGA)、可编程逻辑装置(programmable logic device，PLD)、应用专用集成电路(application specific integrated circuit，ASIC)、或其他相似装置或者其组合。处理器140还可包括中央处理器(central processing unit，CPU)、可编程通用或专用微处理器、数字信号处理器(digital signal processor，DSP)、应用处理器、基带处理器(baseband processor)、无线处理器、应用专用集成电路(ASIC)、可编程逻辑装置(PLD)、或其他相似装置或者其组合。
还应理解，所提出系统100中还可包括存储器(图中未示出)。所述存储器可包括各种形式的非暂时性、易失性、及非易失性存储器，例如以下中的一个或其组合：静态或移动的随机存取存储器(random access memory，RAM)、只读存储器(read-only memory，ROM)、闪速存储器、硬驱动机(hard drive)、或者其他相似装置或界面。所述存储器可存储用于实行所述所提出方法的应用程序、代码、或指令以及从心率传感器110收集的实时数据。
在示例性实施例中，心率传感器110可被实作成将穿戴在使用者手腕周围的穿戴式装置，例如手表、腕带、健康手镯(health bracelet)等。显示器120、界面模块130、及处理器140可被实作成例如智能手机、膝上型计算机(laptop computer)、管式计算机(tabularcomputer)、或桌上型计算机(desktop computer)等与穿戴式装置成对的配套装置，以从所述穿戴式装置接收数据。穿戴式装置及配套装置可包括通信界面(图中未示出)，例如用于数据传输的有线(例如，以太网(Ethernet)及通用串行总线(universal serial bus，USB))或无线(例如，无线局域网(wireless local area network，WLAN)、蓝牙(Bluetooth)、近场通信(near-field communication，NFC)、蜂窝(cellular)、无线保真(wireless fidelity，Wifi))电路系统及协议。在一些实施例中，穿戴式装置可将原始测量数据传输到配套装置而不进行进一步处理。配套装置可施行所确定功能以灵活地且以开放集成(openintegration)的方式处理原始测量数据。在其他实施例中，穿戴式装置可被编程或固线连接为对原始测量数据实行预处理，以提取特定特性来减轻数据传输负担。在另一示例性实施例中，系统100可被实作成独立穿戴式装置。本发明在此方面不受限制。
图2是示出根据本发明其中一个示例性实施例的从心率的角度来看的所提出方法的流程图。可通过如图1中所示的所提出系统100来实作图2所示步骤。
同时参照图1及图2，可触发心率传感器110来进行心率测量(步骤S202)，其中可将心率分类成静态心率(static heart rate)及锻炼心率(exercise heart rate)。静态心率是指当用户不进行锻炼(S204)且实质上处于静态状态时由心率传感器110测量的心率，且也被称作安静心率(at-rest heart rate)。在示例性实施例中，对用户是否处于静态状态的判断(S206)可依靠通过额外的运动传感器进行的测量(S208)来进行。当用户处于静态状态，则处理器140可将此种测量结果设定成静态心率(S210)。在另一示例性实施例中，可在显示器120上示出消息来指令用户坐下或站立不动以进行静态心率测量。在又一示例性实施例中，处理器140可简单地检索用户的历史测量结果或与所述用户同年龄的个体的正常安静心率并将此心率设定成静态心率测量结果。
另一方面，锻炼心率是指当用户进行锻炼(S212)时由心率传感器110测量的心率。当处理器140获得用户的锻炼心率(S214)时，处理器140可基于静态心率及锻炼心率来计算心率递增量(S216)并进一步将所述心率递增量转换成心率水平和/或卡路里(S218)来告知所述用户。在此，可依据例如生理参数(例如，年龄、性别、体重、身高、体质指数(body massindex))、过往病史、最近的锻炼数据等一些心率影响因素(impact factor，FA)来进行所述转换。
在示例性实施例中，处理器140可针对整个间歇训练时段来计算包括心率水平和/或卡路里在内的总体统计数据。处理器140还可针对每一间歇训练循环来计算包括心率水平和/或卡路里在内的各别统计数据。还应注意，在所述时段期间可以文本或图形形式显示任意瞬时测量或计算的数据，例如锻炼心率、燃烧掉的卡路里、经过的锻炼时间。
图3是示出根据本发明其中一个示例性实施例的所提出系统。在图3中介绍所述系统的所有组件及其配置。结合图4更详细地公开所述组件的功能性。
参照图3，出于示例性目的，所提出系统300可包括运动传感器315、显示器320、界面模块330、及处理器340，其中使用具有前缀“3”的相似数字来表示与图1所示组件相似的组件。
运动传感器315可为实作在穿戴式装置中的一个或多个惯性传感器，所述一个或多个惯性传感器检测事件或用户位置改变并相对应地提供对应输出。出于示例性目的，在本发明示例性实施例中，运动传感器315可为以下中的一个或其组合：加速度计(例如，重力传感器(G-sensor))、陀螺仪(例如，陀螺仪传感器(gyro-sensor))、或检测穿戴式装置的线性移动、所述线性移动的方向、或旋转移动的任意传感器。举例来说，三轴加速度计(three-axis accelerometer)将响应于对当穿戴式装置遇到外力时发生的突然移动的任一次检测来输出与每一(x-y-z)轴对应的加速度数据。陀螺仪将检测穿戴式装置绕空间中的特定轴旋转的旋转移动并输出表现所述旋转移动的数据。加速度计与陀螺仪的组合可实现对穿戴式装置的总体移动及取向的更精确测量。
图4是示出根据本发明其中一个示例性实施例从运动的角度来看的所提出方法的流程图。可通过如图3中所示的所提出系统300来实作图4所示步骤。
首先应注意，在迭代开始之前，处理器340可获得含有锻炼(例如，间歇训练)的锻炼(训练)类型的训练列表(或清单)。在本发明示例性实施例中，此种训练列表可由用户通过界面330来界定。举例来说，系统300可存储适合于例如(举例来说，俯卧撑、仰卧起坐、蹲坐、弓步运动(lunge)、短跑、立卧撑跳、及分腿跳(jumping jack))等间歇训练的低强度及高强度锻炼类型。可通过包括例如(举例来说，平均值、标准差、波幅、长度、频率、距离的直方图、速度、加速度、和/或时域中的强度)等图形或数值特征的对应描述性计算模型来阐述存储在系统300中的每一锻炼类型。用户可将与放松/休息周期散置在一起的优选锻炼类型添加到训练列表。在其他示例性实施例中，可从用户的历史训练列表、预存在系统300中或可从互联网(Internet)得到的专业训练列表中选择此种训练列表。
现在同时参照图3及图4，处理器340可根据训练列表来报告当前锻炼类型(S402)。同时，可触发运动传感器315(S404)，且处理器340可开始从运动传感器315获得运动数据并通过使用例如高通滤波器(high-pass filter)、低通滤波器(low-pass filter)、移动均值滤波器(moving mean filter)、噪声滤波器(noise filter)等滤波器过滤出噪声(noise)及异常值(outlier)(S406)。处理器340可根据当前锻炼类型的描述性计算模型来对经过滤的运动数据实行运动特征提取及分析(S408)，以识别例如模式、姿势、力量、距离、和/或标准差。由于已报告当前锻炼类型，因此处理器340也可根据当前锻炼类型的描述性计算模型来确定可针对所述当前锻炼类型对使用者的锻炼强度进行分类的锻炼计数、频率、强度、和/或摇动(S410)。
在本发明示例性实施例中，锻炼强度可基于预定时间周期内的锻炼计数。举例来说，如果当前锻炼类型是俯卧撑，则处理器340可确定在预定时间周期内姿势重复改变的数目。如果当前锻炼类型是分腿跳，则处理器340可确定在预定时间周期内强度重复改变的数目。如果当前锻炼类型是蹲坐，则处理器340可确定在预定时间周期内距离的重复改变。
接下来，处理器340可接着为用户将此种锻炼强度转换成运动水平和/或卡路里(S412)。处理器340可在接收到报告之后接着转向下一锻炼类型以开始另一迭代。处理器340可在当前锻炼类型的预设锻炼时间到点时或在已到达当前锻炼类型的预设锻炼计数时作出报告。
相似地，在示例性实施例中，处理器340可针对整个间歇训练时段来计算包括运动水平和/或卡路里在内的总体统计数据。处理器340还可针对每一间歇训练循环或甚至每一锻炼类型来计算包括运动水平和/或卡路里在内的各别统计数据。还应注意，可以文本或图形形式显示任意瞬时测量或计算的数据，例如直方图、运动水平、燃烧掉的卡路里、经过的锻炼时间。
可将系统100的功能性和/或组件与系统300的功能性和/或组件集成到单个系统中。举例来说，图5是示出根据本发明其中一个示例性实施例的所提出系统。在图5中介绍所述系统的所有组件及其配置。图6及图7更详细地公开所述组件的功能性。
参照图5，出于示例性目的，所提出系统500可包括心率传感器510、运动传感器515、显示器520、界面模块530、及处理器540，其中使用具有前缀“5”的相似数字来表示与图1及图3所示组件相似的组件。
图6是示出根据本发明其中一个示例性实施例的从心率及运动两个角度来看的所提出方法的流程图。可通过如图5中所示的所提出系统500来实作图6所示步骤。
同时参照图5及图6，从一般性的角度来看，处理器540可从心率传感器510获得心率水平和/或卡路里(在此称作“心率训练数据”)(S602)且从运动传感器515获得与当前锻炼类型对应的运动水平和/或卡路里(在此称作“运动训练数据”)(S604)。应注意，在S602及S604之前，处理器540可实行与图2中的S202至S218及图4中的S402至S412相似的步骤。换句话说，可将S602及S604视为S216/S218及S412的连续步骤。
接下来，处理器540可根据给定的所分派权重(prorated weight)对心率训练数据与运动训练数据实行融合(fusion)(S606)以产生融合水平/卡路里(在此称作“融合训练数据”)来实现更强健的测量(S608)。举例来说，处理器540可计算心率水平与运动水平的加权平均数。分配给心率水平及运动水平的所分派权重可基于锻炼类型来变化。在一些示例性实施例中，所分派权重也可与性别、年龄等相关联。
图7是示出根据本发明其中一个示例性实施例的从心率及运动两个角度来看的所提出方法的流程图。可通过如图5中所示的所提出系统500来实作图7所示步骤。
参照图5及图7，从更详细的角度来看，处理器540可在显示器520上显示用户设定菜单界面(S702)，此使得用户能够通过界面模块530来界定他自己的间歇训练时段。在本发明示例性实施例中，用户可首先选择时间模式(即，训练时间基础)或计数模式(即，重复计数基础)，构建他自己包括多种锻炼类型的训练列表，并设定训练时间、训练计数和/或训练轮次的数目(S704)。处理器540可接着获得前述用户设定并开始间歇训练时段。也就是说，处理器340可根据训练列表来报告当前锻炼类型。
处理器540可开始从运动传感器515获得运动数据(S706)并通过如图4中的S406至S408中的特征提取及分析来实行运动跟踪(S708)，以计算运动训练数据。同时，处理器540还可开始从心率传感器510获得心率数据(S710)并确定锻炼心率(S712)以确定心率训练数据。
处理器540可接下来对心率训练数据与运动训练数据实行融合以产生融合训练数据(S714)并输出与当前锻炼类型对应的燃烧掉的卡路里、强度水平、锻炼时间、及锻炼计数(S716)。在当前锻炼类型已完成时，处理器540可转向下一锻炼类型。
在本发明示例性实施例中，将心率训练数据视作辅助信息以实现更健壮的测量。处理器540可基于运动、根据锻炼计数及锻炼时间来针对每一锻炼类型计算燃烧掉的卡路里及强度水平。接下来，处理器540可基于基于心率来校准所计算的燃烧掉的卡路里及所计算的强度水平。在时间模式中，锻炼时间指示设定的总训练时间，且锻炼计数指示此种训练时间内的重复计数的数目。在计数模式中，锻炼计数指示设定的训练计数的总数目，且锻炼时间指示在已达到此种训练计数之后经过的时间。
图8是示出根据本发明其中一个示例性实施例的所提出方法的功能性流程图。可通过如图5中所示的所提出系统500来实作图8所示步骤。
参照图5及图8，用户可通过与穿戴式装置850(例如，手表)成对的配套装置800(例如，智能手机)来设定间歇训练时段。
用户可首先选择时间模式或计数模式来定义训练循环(轮次)的类型(S802)并接着对锻炼类型的次序进行选择及排列以构建训练列表(S804)。在此示例性实施例中，训练列表可包括俯卧撑、仰卧起坐、及弓步运动。接下来，用户将设定训练时间、训练计数和/或训练轮次的数目(S806)，且间歇训练时段可开始(S808)。从系统500的角度来看，处理器540可在间歇训练时段开始之前、用户通过界面模块530进行设定时接收时间/计数模式选择、训练列表、及训练时间设定、训练计数和/或训练轮次的数目。应注意，可修改S802至S806的次序。举例来说，可在如S802中的模式选择及如S806中的训练设定之前构建S804中的训练列表。本发明在此方面不受限制。
间歇训练时段可从训练列表上的第一锻炼类型开始(S8081)，针对第一锻炼类型使锻炼时间进行累加(S8083a)或使锻炼计数进行累加(S8083b)，当第一锻炼类型结束时进入放松/休息周期(例如，20秒)(S8085)，并接着转向训练列表上的下一锻炼类型。作为实例，S808指示当前轮次为m且当前锻炼类型为n。从系统500的角度来看，可由处理器540根据在S802至S806中接收到的选择及设定来实行S8081至S8085。在已完成每一锻炼类型之后，间歇训练时段可转向下一轮次并从训练列表上的第一锻炼类型重新开始。应注意，可贯穿整个间歇训练时段来显示例如包括当前锻炼类型、累加锻炼时间、及累加锻炼计数的训练列表等信息。
当用户已完成所有轮次时，可显示例如燃烧掉的卡路里、强度水平、锻炼时间、及锻炼计数等训练结果(S810)。也就是说，处理器540可控制显示器520显示训练结果。也可将训练结果分解到每一各别轮次或每一锻炼类型，以为用户提供关于任一特定锻炼的直观视觉化显示。
图9是示出根据本发明其中一个示例性实施例的所提出系统。如图9中所示，出于示例性目的，所提出系统900可包括被配置成由用户穿戴的穿戴式装置910(例如，智能手表、智能手环(smart band)等)。穿戴式装置910包括惯性传感器912，惯性传感器912包括惯性传感器电路系统914。惯性传感器912被配置成基于惯性传感器的运动来报告运动读数。惯性传感器912还包括加速度计916，加速度计916包括加速度计电路系统918。加速度计916被配置成基于加速度计的加速度来产生加速度计读数。在一些实施例中，还可提供具有相关联心率传感器电路系统(图中未示出)的可选的心率传感器919。
系统900还包括用户界面920、存储器930、及处理器940，在一些实施例中用户界面920、存储器930、及处理器940中的每一个均可由穿戴式装置来承载。应注意，穿戴式装置910可为被配置成穿戴在用户上身或下身中的仅一个上的单个装置。在清单设定界面924的帮助下，处理器940可在不使用穿戴在用户的另一部分上(例如，上身及下身中的另一个上)的另一穿戴式装置的条件下确定所述用户正在实行所述至少两种全身训练类型中的哪一个。在一些实施例中，用户界面920、存储器930、及处理器940中的一个或多个可由例如便携式电子装置(例如，智能手机)等另一装置来承载。
用户界面920包括通知装置922(例如，显示器、扬声器、或触觉装置)及清单设定界面924(例如，触摸垫、键盘)。举例来说，包括清单设定界面电路系统926的清单设定界面924被配置成提供供用户使用的训练类型的清单且在一些实施例中，可能够由本地/远程的用户、教练、和/或健身项目提供人来设定。通知装置922被配置成基于训练类型的清单来向用户提供通知。在一些实施例中，所述通知包括与清单中的当前训练类型对应的信息。在此方面，在一些实施例中，所述训练类型包括至少两种全身训练类型，所述至少两种全身训练类型中的每一个均与锻炼用户的上身及下身两者相关联。举例来说，除其他众多类型以外，全身训练类型包括蹲坐及立卧撑跳。
存储器930被配置成存储一个或多个计算模型(例如，计算模型A、计算模型B)，所述一个或多个计算模型中的每一个界定与训练类型中的相应一个相关联的匹配特性集合。具体来说，每一匹配特性集合可包括但不限于以下中的一个或多个：用户表现出特定姿势/取向，此可基于加速度计读数(加速度计)、旋转读数(陀螺仪)、和/或磁力计(magnetometer)读数来计算；用户在特定时间期间保持相同姿势/取向，此可基于在预定时间期间的加速度计读数的小的变化(例如，低于阈值的变化)来计算；用户表现出急速姿势改变；用户表现出朝某一方向的移动向量(例如，总和加速度比重力加速度低得多/高得多且在预定时间内沿同一轴存在减小/增大)；以及用户表现出冲击图案(impact pattern)(例如，在跳跃之后下降到地上、拍手、或在地上进行俯卧撑)。在一些实施例中，与全身训练类型中的至少两个相关联的匹配特性集合共享与加速度计读数相关联的共用确定向量。还应注意，所述两个匹配特性集合的确定阈值可不同。举例来说，可提供两种不同的减速度(de-acceleration)程度。
包括处理器电路系统942的处理器940被配置成：获得从惯性传感器报告的且与清单中的训练类型对应的运动读数；接收训练类型的清单以及与训练类型中的每一个对应的目标训练计数或目标训练时间的目标状态；以及基于训练类型的清单来确定当前训练类型。基于当前训练类型，处理器进一步被配置成：选择计算模型中的一个；以及将与当前训练类型对应的匹配特性集合与运动读数进行比较，直到已获取所述当前训练类型的目标状态。此后，处理器被配置成：基于训练类型的清单来选择下一训练类型；基于所述下一训练类型来选择所述计算模型中的另一个；确定与所述训练类型的清单相关联的活动信息(例如，心率、移动强度、体温)；以及基于目标状态、活动信息、及训练类型的清单来计算用户的锻炼量(例如，锻炼强度、燃烧掉的卡路里)。在一些实施例中，所述锻炼量是根据由用户的上身及下身表现出的锻炼强度或消耗掉的卡路里来表达。
在一些实施例中，如果目标状态是目标训练计数，则处理器可进一步被配置成将与当前训练类型对应的匹配特性集合与运动读数进行比较以基于所述运动读数表现出与所述匹配特性的匹配图案的次数来确定计数。此时，所述活动信息可包括使得计数进行累加并达到目标训练计数的锻炼时间。
相比之下，如果目标状态是目标训练时间，则处理器可进一步被配置成将在所述目标训练时间期间所报告的运动读数和与当前训练类型对应的匹配特性集合进行比较，以基于在所述目标训练时间期间所述运动读数表现出与所述匹配特性的匹配图案的次数来确定计数。所述活动信息此时可包括所确定的计数。
在一些实施例中，在当前训练类型是全身训练类型时计算所述锻炼量可包括使所述处理器被配置成：根据与所述当前训练类型对应的计算模型中所选择的一个计算模型，将加速度计读数与共用确定向量及确定阈值进行比较，以提供比较结果。在此种实施例中，如果比较结果是正的，则除非出现冻结条件，否则可对累加触发计数进行递增。在此方面，冻结条件对应于在冻结时间阈值内出现接连的正的比较结果。通过此方式，冻结条件指示用户可能正在作弊(即，试图绕过系统的检测方案以提前达到训练结果)。可接着基于累加触发计数或训练时间及当前训练类型来针对所述当前训练类型计算锻炼量。
图10是示出根据本发明其中一个示例性实施例的所提出方法的功能性流程图。可通过如图9中所示的所提出系统900来实作图10所示步骤。
如图10中所示，方法1000可被视为开始于S1002，在S1002中，向用户提供训练类型的清单。应注意，训练类型的清单包括与当前训练类型对应的信息，且训练类型包括至少两种全身训练类型，所述至少两种全身训练类型中的每一个与锻炼用户的上身及下身两者相关联。
接着使用处理器来：获得从惯性传感器报告的且与清单中的训练类型对应的运动读数(S1004)；接收训练类型的清单以及与训练类型中的每一个对应的目标训练计数或目标训练时间的目标状态(S1006)；以及基于训练类型的清单来确定当前训练类型(S1008)。此后，基于当前训练类型来从存储在存储器中的计算模型中选择计算模型(S1010)。应注意，计算模型中的每一个界定与训练类型中的对应一个相关联的匹配特性集合，与所述至少两种全身训练类型相关联的所述匹配特性集合共享与加速度计读数相关联的共用确定向量。接着将与当前训练类型对应的匹配特性集合和运动读数进行比较，直到已获取所述当前训练类型的目标状态(S1012)，此后，基于训练类型的清单来选择下一训练类型(S1014)。
基于下一训练类型，选择计算模型中的另一个(S1016)。接着，确定与训练类型的清单相关联的活动信息(S1018)，且基于目标状态、活动信息、及训练类型的清单来计算用户的锻炼量(S1020)。在一些实施例中，在当前训练类型是全身训练类型时计算锻炼量可涉及：根据与所述当前训练类型对应的计算模型中所选择的一个计算模型，将加速度计读数与共用确定向量及确定阈值进行比较，以提供比较结果；如果比较结果是正的，则除非出现冻结条件，否则对累加触发计数进行递增；以及基于累加触发计数或训练时间及当前训练类型来计算锻炼量。
对于全身训练类型，在图11A至图11D中绘示此种训练类型的实例。具体来说，这些图说明蹲坐训练类型。如图11A中所示，用户1100可基于以图11A中所表现出的站立姿态1102为开始的所检测运动读数序列而被确定为实行蹲坐，在站立姿态1102中用户穿戴穿戴式装置(例如，图9所示装置910)而站立并将手臂(例如，唯一被绘示出的手臂——手臂1104)置于所述用户体侧。在图11B中，检测与用户1100将手臂伸展成手臂前伸姿态1106相关联的运动读数。在图11C中，检测包括用户移动到坐姿的蹲坐姿态1108。具体来说，在一些实施例中，计算沿向下方向的移动(下降)距离(D1)以判断蹲坐姿态1108是否得到实现。接着，如图11D中所示，用户1100返回至手臂前伸姿态1106以完成计数。
图12是示出根据本发明其中一个示例性实施例的所提出方法的功能性流程图。可通过处理器来实作图12所示步骤，以例如判断是否已如图11A至图11D中所示实行了蹲坐。
如图12中所示，方法1200可被视为开始于S1202，在S1202中，可对于x轴、y轴、及z轴中的每一个计算加速度计读数的平方根以获得总和加速度，且接着可判断下降姿势是否得到匹配(S1204)。在一些实施例中，此可通过检测总和加速度是否小于低重力阈值来实现。在S1206中，可基于总和加速度、重力值、以及在下降姿势得到匹配期间经过的时间之间的差异来计算下降距离(D1)。如果所述下降距离超过预定蹲坐距离，则可将所述下降距离复位(例如，复位到零)(S1208)。接着，如果在所述下降距离复位之后未出现冻结条件，则可对累加触发计数进行递增(S1210)，且可基于所述累加触发计数来计算活动信息(S1212)。
在图13A至图13C中绘示全身训练类型的另一实例——立卧撑跳。如图所示，用户1300可基于以图13A中所表现出的站立姿态1302为开始的所检测运动读数序列而被确定为实行立卧撑跳。应注意，当姿态保持静态时，沿x方向、y方向、z方向的加速度测量结果的平方根将等于重力的平方根(即，9.8m/s2)。在图13B中，示出在移动到俯卧撑姿态1304之后的用户1300，移动方向由箭头指示。可基于在时间跨度期间加速度测量结果的改变来确定俯卧撑姿态1304。在实行俯卧撑之后，用户1300实行跳跃(图13C)，所述跳跃可通过检测增大的力(因跳跃而造成)来确定，所述增大的力可指示顶点处的峰值(因拍手运动而造成)。用户1300接着返回到例如图13A中所绘示的站立姿态1302。
图14是示出根据本发明其中一个示例性实施例的所提出方法的功能性流程图。可通过处理器来实作图14所示步骤，以例如判断是否已如图13A至图13C中所示实行了立卧撑跳。
如图14中所示，所述方法可被视为开始于S1402，在S1402中，对于x轴、y轴、及z轴中的每一个计算加速度计读数的平方根以获得总和加速度，且接着可判断下降姿势是否得到匹配(S1404)。在一些实施例中，此可通过检测总和加速度是否小于低重力阈值来实现。在S1406中，在确定下降姿势已得到匹配之后，可判断总和加速度是否超过跳跃阈值。如果总和加速度超过跳跃阈值，则可对累加触发计数进行递增(S1408)，且可基于所述累加触发计数来计算活动信息(S1410)。
本文中已阐述各种功能、功能性组件和/或区块。如所属领域中的技术人员所将理解，功能性区块将优选地通过电路(在一个或多个处理器及编码指令的控制下运作的专用电路或通用电路)来实作，所述电路将通常包括被配置成根据本文所述功能及操作来控制电路系统的运作的晶体管或其他电路元件。如将进一步理解，电路元件的具体结构或内连线(interconnection)将通常由例如寄存器传送语言(register transfer language，RTL)编译器(compiler)等编译器来确定。寄存器传送语言编译器基于与汇编语言代码(assembly language code)非常类似的脚本(script)来运作以将所述脚本编译成供最终电路系统的布局或制作使用的形式。实际上，寄存器传送语言因其在实现电子及数字系统的设计过程时起到的作用及用途而为人熟知。
对于所属领域中的技术人员来说将显而易见，在不背离本发明的范围或精神的条件下，可对本发明的结构作出各种修改及变化。鉴于是上述内容，本发明旨在涵盖本发明的修改及变化形式，只要这些修改及变化形式归属于以上权利要求书及其等效内容的范围即可。
相关申请的交叉参考
本发明申请主张2016年9月21日提出申请的美国临时申请62/397，357的权利及优先权，所述美国临时申请的全文并入本文供参考。

Claims (20)

1.一种系统，其特征在于，包括：
穿戴式装置，被配置成由用户穿戴，所述穿戴式装置包括惯性传感器，所述惯性传感器具有惯性传感器电路系统，所述惯性传感器被配置成基于所述惯性传感器的运动来报告运动读数，所述惯性传感器包括加速度计，所述加速度计具有加速度计电路系统，所述加速度计被配置成产生加速度计读数；
用户界面，具有通知装置及清单设定界面，所述清单设定界面具有清单设定界面电路系统，所述清单设定界面被配置成提供训练类型的清单，所述通知装置具有通知装置电路系统，所述通知装置被配置成基于所述训练类型的清单向所述用户提供通知，所述通知包括与所述清单中的当前训练类型对应的信息，所述训练类型包括至少两种全身训练类型，所述至少两种全身训练类型中的每一个均与锻炼所述用户的上身及下身两者相关联；
存储器，被配置成存储计算模型，所述计算模型中的每一个界定与所述训练类型中的相应一个相关联的匹配特性集合，与所述至少两种全身训练类型相关联的所述匹配特性集合共享与所述加速度计读数相关联的共用确定向量；以及
处理器，具有处理器电路系统，所述处理器被配置成：
获得从所述惯性传感器报告的且与所述清单中的训练类型对应的所述运动读数；
接收所述训练类型的清单以及与所述训练类型中的每一个对应的目标训练计数或目标训练时间的目标状态；
基于所述训练类型的清单来确定所述当前训练类型；
基于所述当前训练类型来选择所述计算模型中的一个；
将与所述当前训练类型对应的所述匹配特性集合与所述运动读数进行比较，直到已获取所述当前训练类型的所述目标状态；
基于所述训练类型的清单来选择下一训练类型；
基于所述下一训练类型来选择所述计算模型中的另一个；
确定与所述训练类型的清单相关联的活动信息；以及
基于所述目标状态、所述活动信息、及所述训练类型的清单来计算所述用户的锻炼量。
2.根据权利要求1所述的系统，其特征在于，如果所述目标状态是所述目标训练计数，则所述处理器进一步被配置成将与所述当前训练类型对应的所述匹配特性集合和所述运动读数进行比较，以基于所述运动读数表现出与所述匹配特性的匹配图案的次数来确定计数，且所述活动信息包括使得所述计数进行累加并达到所述目标训练计数的锻炼时间。
3.根据权利要求1所述的系统，其特征在于，如果所述目标状态是所述目标训练时间，则所述处理器进一步被配置成将在所述目标训练时间期间所报告的所述运动读数和与所述当前训练类型对应的所述匹配特性集合进行比较，以基于在所述目标训练时间期间所述运动读数表现出与所述匹配特性的匹配图案的次数来确定计数，且所述活动信息包括所确定的所述计数。
4.根据权利要求1所述的系统，其特征在于，在当所述当前训练类型是所述至少两种全身训练类型中的一个时计算所述锻炼量的过程中，所述处理器进一步被配置成：
根据与所述当前训练类型对应的所述计算模型中所述所选择的一个计算模型，将所述加速度计读数与所述共用确定向量及确定阈值进行比较，以提供比较结果；
如果所述比较结果是正的，则除非出现冻结条件，否则对累加触发计数进行递增，其中所述冻结条件对应于在冻结时间阈值内出现接连的正的比较结果；以及
基于所述累加触发计数或所述训练时间及所述当前训练类型来针对所述当前训练类型计算所述锻炼量。
5.根据权利要求1所述的系统，其特征在于，所述至少两种全身训练类型包括蹲坐及立卧撑跳。
6.根据权利要求5所述的系统，其特征在于，当所述训练类型是蹲坐时，所述处理器进一步被配置成：
对于x轴、y轴、及z轴中的每一个，计算所述加速度计读数的平方根，以获得总和加速度；
检测所述总和加速度是否小于低重力阈值，以判断下降姿势是否得到匹配；
基于所述总和加速度、重力值、以及在所述下降姿势得到匹配期间经过的时间之间的差异来计算下降距离；
如果所述下降距离超过预定蹲坐距离，则将所述下降距离复位到零；
如果在所述下降距离复位之后未出现所述冻结条件，则对所述累加触发计数进行递增；以及
基于所述累加触发计数来计算所述活动信息。
7.根据权利要求5所述的系统，其特征在于，当所述训练类型是立卧撑跳时，所述处理器进一步被配置成：
对于所述x轴、y轴、及z轴中的每一个，计算所述加速度计读数的平方根，以获得总和加速度；
检测所述总和加速度是否小于低重力阈值，以判断下降姿势是否得到匹配；
在确定所述下降姿势已得到匹配之后，检测所述总和加速度是否超过跳跃阈值；
如果所述总和加速度超过所述跳跃阈值，则对所述累加触发计数进行递增；以及
基于所述累加触发计数来计算所述活动信息。
8.根据权利要求1所述的系统，其特征在于，所述清单设定界面被配置成接收用户输入以选择所述训练类型的清单中的所述训练类型中的至少一个。
9.根据权利要求1所述的系统，其特征在于，所述锻炼量是根据由所述用户的所述上身及所述下身表现出的锻炼强度来表达。
10.根据权利要求1所述的系统，其特征在于，所述穿戴式装置进一步包括心率传感器。
11.根据权利要求1所述的系统，其特征在于，
所述系统还包括便携式电子装置，所述便携式电子装置被配置成与所述穿戴式装置进行通信；以及
所述便携式电子装置容纳所述存储器及所述处理器。
12.一种使用穿戴式装置的方法，其特征在于，所述穿戴式装置被配置成由用户穿戴且包括惯性传感器，所述惯性传感器具有惯性传感器电路系统，所述惯性传感器被配置成基于所述惯性传感器的运动来报告运动读数，所述惯性传感器包括加速度计，所述加速度计具有加速度计电路系统，所述加速度计被配置成产生加速度计读数，所述方法包括：
向所述用户提供训练类型的清单，所述训练类型的清单包括与当前训练类型对应的信息，所述训练类型包括至少两种全身训练类型，所述至少两种全身训练类型中的每一个均与锻炼所述用户的上身及下身两者相关联；以及
使用具有处理器电路系统的处理器来：
获得从所述惯性传感器报告的且与所述清单中的训练类型对应的所述运动读数；
接收所述训练类型的清单以及与所述训练类型中的每一个对应的目标训练计数或目标训练时间的目标状态；
基于所述训练类型的清单来确定所述当前训练类型；
基于所述当前训练类型来从存储在存储器中的计算模型中选择计算模型，所述计算模型中的每一个界定与所述训练类型中的相应一个相关联的匹配特性集合，与所述至少两种全身训练类型相关联的所述匹配特征集合共享与所述加速度计读数相关联的共用确定向量；
将与所述当前训练类型对应的所述匹配特性集合与所述运动读数进行比较，直到已获取所述当前训练类型的所述目标状态；
基于所述训练类型的清单来选择下一训练类型；
基于所述下一训练类型来选择所述计算模型中的另一个；
确定与所述训练类型的清单相关联的活动信息；以及
基于所述目标状态、所述活动信息、及所述训练类型的清单来计算所述用户的锻炼量。
13.根据权利要求12所述的方法，其特征在于，如果所述目标状态是所述目标训练计数，则所述处理器进一步用于将与所述当前训练类型对应的所述匹配特性集合和所述运动读数进行比较以基于所述运动读数表现出与所述匹配特性的匹配图案的次数来确定计数，且所述活动信息包括使得所述计数进行累加并达到所述目标训练计数的锻炼时间。
14.根据权利要求12所述的方法，其特征在于，如果所述目标状态是所述目标训练时间，则所述处理器进一步用于将在所述目标训练时间期间所报告的所述运动读数和与所述当前训练类型对应的所述匹配特性集合进行比较，以基于在所述目标训练时间期间所述运动读数表现出与所述匹配特性的匹配图案的次数来确定计数，且所述活动信息包括所确定的所述计数。
15.根据权利要求12所述的方法，其特征在于，在当所述当前训练类型是所述至少两种全身训练类型中的一个时计算所述锻炼量的过程中，所述处理器进一步用于：
根据与所述当前训练类型对应的所述计算模型中所述所选择的一个计算模型，将所述加速度计读数与所述共用确定向量及确定阈值进行比较，以提供比较结果；
如果所述比较结果是正的，则除非出现冻结条件，否则对累加触发计数进行递增，其中所述冻结条件对应于在冻结时间阈值内出现接连的正的比较结果；以及
基于所述累加触发计数或所述训练时间及所述当前训练类型来针对所述当前训练类型计算所述锻炼量。
16.根据权利要求12所述的方法，其特征在于，所述至少两种全身训练类型包括蹲坐及立卧撑跳。
17.根据权利要求16所述的方法，其特征在于，当所述训练类型是蹲坐时，所述处理器进一步用于：
对于x轴、y轴、及z轴中的每一个，计算所述加速度计读数的平方根，以获得总和加速度；
检测所述总和加速度是否小于低重力阈值，以判断下降姿势是否得到匹配；
基于所述总和加速度、重力值、以及在所述下降姿势得到匹配期间经过的时间之间的差异来计算下降距离；
如果所述下降距离超过预定蹲坐距离，则将所述下降距离复位到零；
如果在所述下降距离复位之后未出现所述冻结条件，则对所述累加触发计数进行递增；以及
基于所述累加触发计数来计算所述活动信息。
18.根据权利要求16所述的方法，其特征在于，当所述训练类型是立卧撑跳时，所述处理器进一步用于：
对于所述x轴、y轴、及z轴中的每一个，计算所述加速度计读数的平方根，以获得总和加速度；
检测所述总和加速度是否小于低重力阈值，以判断下降姿势是否得到匹配；
在确定所述下降姿势已得到匹配之后，检测所述总和加速度是否超过跳跃阈值；
如果所述总和加速度超过所述跳跃阈值，则对所述累加触发计数进行递增；以及
基于所述累加触发计数来计算所述活动信息。
19.根据权利要求12所述的方法，其特征在于，向所述使用者提供所述训练类型的清单进一步包括在所述穿戴式装置处接收用户输入以选择所述训练类型的清单中的所述训练类型中的至少一个。
20.根据权利要求12所述的方法，其特征在于，所述锻炼量是根据由所述用户的所述上身及所述下身表现出的锻炼强度来表达。
CN201710851623.3A 2016-09-21 2017-09-19 实时心率监测及运动分析来实现锻炼监测的系统及方法 Active CN107854125B (zh)

Applications Claiming Priority (4)

Application Number Priority Date Filing Date Title
US201662397357P 2016-09-21 2016-09-21
US62/397,357 2016-09-21
US15/681,661 2017-08-21
US15/681,661 US10588560B2 (en) 2016-09-21 2017-08-21 Systems and methods for facilitating exercise monitoring with real-time heart rate monitoring and motion analysis

Publications (2)

Publication Number Publication Date
CN107854125A true CN107854125A (zh) 2018-03-30
CN107854125B CN107854125B (zh) 2021-08-06

Family

ID=61617636

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710851623.3A Active CN107854125B (zh) 2016-09-21 2017-09-19 实时心率监测及运动分析来实现锻炼监测的系统及方法

Country Status (3)

Country Link
US (2) US10588560B2 (zh)
CN (1) CN107854125B (zh)
TW (2) TWI687844B (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109102859A (zh) * 2018-07-24 2018-12-28 北京大学第医院 一种运动控制方法及系统
CN110575150A (zh) * 2018-06-07 2019-12-17 三星电子株式会社 使用生物测定信息提供锻炼信息的电子装置及其操作方法
CN111700624A (zh) * 2020-07-27 2020-09-25 中国科学院合肥物质科学研究院 一种智能手环检测运动姿态的模式识别方法及系统
CN112560565A (zh) * 2019-09-10 2021-03-26 未来市股份有限公司 人类行为理解系统及人类行为理解方法
CN113195064A (zh) * 2018-12-19 2021-07-30 卡西欧计算机株式会社 训练确定设备、训练确定方法和程序

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10357687B1 (en) * 2015-10-22 2019-07-23 Charlie Lee Amos, III Lean 7 fitness
US20180293359A1 (en) * 2017-04-10 2018-10-11 International Business Machines Corporation Monitoring an individual's condition based on models generated from e-textile based clothing
TWI669676B (zh) * 2018-07-19 2019-08-21 宏碁股份有限公司 運動數據分析方法及其電子裝置
CN109730660B (zh) * 2019-01-07 2021-12-28 吴浩宇 一种婴幼儿穿戴设备和用户端
WO2022250856A1 (en) * 2021-05-24 2022-12-01 The Board of Trustees of the Leland Stanford Junior University Office of the General Counsel Sensing leg movement for wearable monitoring of energy expenditure

Family Cites Families (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20050033200A1 (en) * 2003-08-05 2005-02-10 Soehren Wayne A. Human motion identification and measurement system and method
GB0326387D0 (en) * 2003-11-12 2003-12-17 Nokia Corp Fitness coach
US8187182B2 (en) * 2008-08-29 2012-05-29 Dp Technologies, Inc. Sensor fusion for activity identification
US20100184564A1 (en) * 2008-12-05 2010-07-22 Nike, Inc. Athletic Performance Monitoring Systems and Methods in a Team Sports Environment
US8971936B2 (en) * 2009-09-01 2015-03-03 Adidas Ag Multimodal method and system for transmitting information about a subject
EP2856368B1 (en) 2012-06-04 2021-05-19 NIKE Innovate C.V. Fitness training system with energy expenditure calculation that uses multiple sensor inputs
US9005129B2 (en) 2012-06-22 2015-04-14 Fitbit, Inc. Wearable heart rate monitor
US8948832B2 (en) 2012-06-22 2015-02-03 Fitbit, Inc. Wearable heart rate monitor
CA2883852A1 (en) 2012-09-04 2014-03-13 Whoop, Inc. Systems, devices and methods for continuous heart rate monitoring and interpretation
US10212986B2 (en) * 2012-12-09 2019-02-26 Arris Enterprises Llc System, apparel, and method for identifying performance of workout routines
EP2765477A3 (en) * 2013-02-08 2014-10-08 Cywee Group Limited Method and apparatus for performing motion recognition using motion sensor fusion, and associated computer program product
US10524670B2 (en) 2014-09-02 2020-01-07 Apple Inc. Accurate calorimetry for intermittent exercises
US10105574B2 (en) * 2015-12-21 2018-10-23 Intel Corporation Technologies for managing user-specific workouts
CN105561569A (zh) * 2016-02-01 2016-05-11 深圳市同洁科技有限公司 基于可穿戴设备的运动状态监测系统
US11052286B2 (en) * 2016-12-15 2021-07-06 Enterprise Engineering Designs, LLC Smart performance footwear and system

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110575150A (zh) * 2018-06-07 2019-12-17 三星电子株式会社 使用生物测定信息提供锻炼信息的电子装置及其操作方法
CN109102859A (zh) * 2018-07-24 2018-12-28 北京大学第医院 一种运动控制方法及系统
CN113195064A (zh) * 2018-12-19 2021-07-30 卡西欧计算机株式会社 训练确定设备、训练确定方法和程序
CN112560565A (zh) * 2019-09-10 2021-03-26 未来市股份有限公司 人类行为理解系统及人类行为理解方法
CN111700624A (zh) * 2020-07-27 2020-09-25 中国科学院合肥物质科学研究院 一种智能手环检测运动姿态的模式识别方法及系统
CN111700624B (zh) * 2020-07-27 2024-03-12 中国科学院合肥物质科学研究院 一种智能手环检测运动姿态的模式识别方法及系统

Also Published As

Publication number Publication date
US10588560B2 (en) 2020-03-17
TW201933047A (zh) 2019-08-16
TWI648654B (zh) 2019-01-21
TWI687844B (zh) 2020-03-11
US11540761B2 (en) 2023-01-03
CN107854125B (zh) 2021-08-06
US20180078192A1 (en) 2018-03-22
TW201814443A (zh) 2018-04-16
US20200085363A1 (en) 2020-03-19

Similar Documents

Publication Publication Date Title
CN107854125A (zh) 实时心率监测及运动分析来实现锻炼监测的系统及方法
US11513610B2 (en) Gesture recognition
US10422810B2 (en) Calculating pace and energy expenditure from athletic movement attributes
US10061978B2 (en) Method and device for assessing muscular capacities of athletes using short tests
JP2014212915A (ja) 行動判別装置、および行動判別方法
WO2015139089A1 (en) System, method and apparatus for providing feedback on exercise technique
KR20150071729A (ko) 3축 가속도 센서를 이용한 실시간 운동측정장치 및 방법

Legal Events

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