CN108209902A - 运动员竞技状态评估方法及系统 - Google Patents

Abstract

本发明适用于可穿戴设备技术领域，提供了一种运动员竞技状态评估方法及系统，包括：控制可穿戴装置中的采集模块采集运动员的生理数据；计算运动员的竞技状态参数，评估运动员的竞技状态是否满足训练要求；当满足训练要求时，输出允许训练提示；当不满足训练要求时，输出禁止训练提示。可穿戴装置采集了运动员的生理数据之后计算其竞技状态参数，并基于竞技状态参数来评估运动员的竞技状态，使得对运动员竞技状态的评估更加准确可靠。在得出运动员的竞技状态之后，根据竞技状态自动判断运动员是否满足训练比赛的要求，并输出相应的提示，使得运动员能直观的获知自己当前的竞技状态是否适合训练比赛。

Description

运动员竞技状态评估方法及系统

技术领域

本发明属于可穿戴设备技术领域，尤其涉及一种运动员竞技状态评估方法及系统。

背景技术

运动员的竞技状态包括其身体状态及心理状态，常用的衡量标准主要为判断运动员的肌肉是否产生疲劳，以及是否出现过度心理紧张等方面。竞技状态是判断一个运动员是否能正常参加训练、比赛，甚至获得好成绩的重要指标，若一个运动员竞技状态不佳的情况下参加比赛、训练，不仅难以取得好成绩，甚至可能会对运动员的身体和心理造成极大影响，对运动员及训练队造成极大的损失。

现有技术中，往往是通过专业教练根据自己的经验，对训练、比赛前的运动员进行竞技状态的判断评估，当判断出该运动员竞技状态不佳时，禁止该运动员上场。通过专业教练的经验来对运动员的竞技状态进行判断，存在着以下几个弊端：1、由于不同教练的专业水平、执教经验不尽相同，导致教练对运动员竞技状态的判断准确度也受到不同的限制。2、竞技状态有时难以通过人眼去识别判断，例如：有时运动员的肌肉出现了轻微损伤，无法通过人眼观察出来，甚至运动员自己都无法感知出来，此时若运行运动员上场训练、比赛，可能会加重其肌肉损伤程度，导致严重的肌肉损伤。

基于上述实际情况可知，现有技术无法准确有效地评估判断出运动员的竞技状态。

发明内容

有鉴于此，本发明实施例提供了运动员竞技状态评估方法及系统，以解决现有技术中无法准确有效地评估判断出运动员的竞技状态的问题。

本发明实施例的第一方面提供了一种运动员竞技状态评估方法，包括：

控制可穿戴装置中的采集模块采集运动员的生理数据，所述生理数据包括肌电数据及心电数据；

根据所述肌电数据及所述心电数据，计算所述运动员的竞技状态参数，并根据所述竞技状态参数评估所述运动员的竞技状态是否满足训练要求，所述竞技状态参数包括疲劳指数及HRV心率变异性；

当评估结果为所述运动员的竞技状态满足训练要求时，输出允许训练提示；

当评估结果为所述运动员的竞技状态不满足训练要求时，输出禁止训练提示。

本发明实施例的第二方面提供了一种运动员竞技状态评估系统，包括：

采集模块，用于采集运动员的生理数据，所述生理数据包括肌电数据及心电数据；

状态评估模块，用于根据所述肌电数据及所述心电数据，计算所述运动员的竞技状态参数，并根据所述竞技状态参数评估所述运动员的竞技状态是否满足训练要求，所述竞技状态参数包括疲劳指数及HRV心率变异性；

允许提示模块，用于当评估结果为所述运动员的竞技状态满足训练要求时，输出允许训练提示；

禁止提示模块，用于当评估结果为所述运动员的竞技状态不满足训练要求时，输出禁止训练提示。

本发明实施例与现有技术相比存在的有益效果是：可穿戴装置采集了运动员的生理数据之后，根据采集到的生理数据来计算运动员的竞技状态参数，并基于竞技状态参数来评估运动员的竞技状态，使得对运动员竞技状态的评估得以自动化，不会受到教练主观经验的影响，更加准确可靠。在得出运动员的竞技状态之后，根据竞技状态自动判断运动员是否满足训练比赛的要求，并输出相应的提示，使得运动员能直观的获知自己当前的竞技状态是否适合训练比赛。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例或现有技术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，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1是本发明实施例一提供的运动员竞技状态评估方法的实现流程图；

图2是本发明实施例二提供的运动员竞技状态评估方法的实现流程图；

图3是本发明实施例三提供的运动员竞技状态评估方法的实现流程图；

图4是本发明实施例四提供的运动员竞技状态评估方法的实现流程图；

图5是本发明实施例五提供的运动员竞技状态评估方法的实现流程图；

图6是本发明实施例六提供的运动员竞技状态评估系统的结构框图。

具体实施方式

以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本发明实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本发明。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本发明的描述。

首先，对本发明实施例中提及的可穿戴装置进行解释说明。在本发明实施例中，可穿戴装置可以是可穿戴式的智能健身衣，也可以是可穿戴、可贴附式的一个或多个采集模块的集合。

其中，当可穿戴装置为可穿戴式的智能健身衣时，其可以是由柔性面料制成的衣服或裤子，且在柔性面料贴近人体皮肤的一侧镶嵌有多个采集模块。每个采集模块固定于智能健身衣的不同位置点，以使得用户穿上该智能健身衣之后，各个采集模块能够贴附于用户身体的各块肌肉。在可穿戴装置中，还镶嵌有至少一个控制模块，每个采集模块分别与该控制模块通信相连。现有技术中，一般仅采用一个控制模块，来实现对采集模块的控制。

在具体实现中，示例性地，可穿戴装置中还可以安置有电线及电路板，其中，电路板用于固定各类通讯总线以及采集模块。此外，电路板及其各个焊接处都包裹有防水胶，作为一种具体的实现方式，通过在衣物上固定防水的走线，使得该可穿戴装置能够被洗涤。

特别地，当采集模块与控制模块通信相连时，每个采集模块中可以仅包含具有体感传感器功能的采集电极，也可以包含具有采集功能的集成电路。上述采集电极包括但不限于织物电极、橡胶电极以及凝胶电极等。

当可穿戴装置为可穿戴、可贴附式的一个或多个采集模块的集合时，用户可将各个采集模块灵活地固定于用户所指定的身体位置点，使得各个采集模块能够分别贴附于用户身体的指定肌肉。此时，每个采集模块为具有采集功能以及具有无线传输功能的集成电路，且该集成电路中包含上述具有体感传感器功能的采集电极。采集模块所采集到的肌电信号通过无线网络传输至远程的控制模块，该控制模块位于与采集模块配套使用的远程终端设备或远程控制盒子中。

为了说明本发明的技术方案，下面通过具体实施例来进行说明。

图1示出了本发明实施例一提供的运动员竞技状态评估方法的实现流程，详述如下：

S101，控制可穿戴装置中的采集模块采集运动员的生理数据，所述生理数据包括肌电数据及心电数据。

其中，心电数据是指心脏在每个心动周期中，由起搏点、心房、心室相继兴奋，伴随着生物电的变化产生的数据。本发明实施例中，优选地采用电极测量法，通过将柔性薄膜电极的方法镶嵌在可穿戴装置中，来进行运动员的心电数据采集。

由于不同训练项目所主要运动到的肌肉不尽相同，如足球训练主要使用腿部肌肉，而篮球训练则需要使用到全身的肌肉，因此，针对不同的训练项目，可能出现肌肉疲劳的肌肉部位也不同，导致所需采集的肌电数据也不尽相同，本发明实施例中，所需采集的肌电数据具体可由用户根据实际训练项目进行设定。例如：当训练项目为足球运动时，可将用户腿部肌肉的肌电数据设定为所需采集使用的肌电数据。

本发明实施例中，用户在激活可穿戴装置后，需要对肌电数据的采集对象进行选择设定。可穿戴装置在接收到用户设定的肌电数据及设定完成指令后，激活相应的采集模块，开始对用户的肌电数据进行采集记录。若用户在激活可穿戴装置后的预设时间内(如五分钟)，没有设定肌电数据采集对象，则默认延用用户上一次设定。若可穿戴装置为首次激活，或上一次的设定数据丢失，则默认激活全部的采集模块进行肌电数据采集。

作为本发明的一个具体实施例，技术人员可以预先对人体的肌肉进行肌肉群划分，并通过提供人机交互界面，以供用户进行肌电数据采集对象的选择设定，此时用户只需选择好运动训练时想要进行肌肉疲劳预警的肌肉群，即可设定该肌肉群作为肌电数据采集对象。例如：预先将人体肌肉简单划分为腿部肌群、胸部肌群、背部肌群、腹部肌群、肩部肌群及手部肌群，用户进行足球运动时，可直接选择将腿部肌群设定为肌电数据采集对象。

作为本发明的另一个具体实施例，为了方便用户的使用，技术人员可预先设定好多种不同的训练模式，如足球训练模式、篮球训练模式、兵兵球训练模式等，并为每种不同的训练模式设定好对应的肌肉群，该对应的肌肉群即为该训练模式对应的肌电数据采集对象，此时，用户只需在激活可穿戴装置后，选定相应的训练模式即可。

S102，根据生理数据，计算运动员的竞技状态参数，并根据竞技状态参数评估运动员的竞技状态是否满足训练要求，竞技状态参数包括疲劳指数及HRV心率变异性。

评估一个运动员竞技状态如何，是否能正常进行训练比赛的方法有许多，一般需要从运动员的生理状态和心理状态两方面来进行综合考虑得出的结果，才能符合实际情况。本发明实施例中，在对运动员的竞技状态进行评估时，从运动员的生理状态和心理状态两方面来进行综合评估，其中选用了疲劳指数来表征生理状态，HRV心率变异性来表征心理状态。HRV心率变异性，指逐次心搏周期之间的微小涨落，产生于自主神经系统对心脏窦房内在韵律的调制，使心搏间期在几十毫秒的差异范围内波动。HRV信号蕴含了有关心血管调节的大量信息，对这些信息的获取和分析可以定量评估心脏交感神经和副交感神经活动的紧张性和均衡性，通过对HRV心率变异性的计算处理，可以对用户的紧张指数和焦虑程度等心理状态进行表征。

肌肉疲劳可分为有感疲劳及无感疲劳。对于无感疲劳，人体无法感知或者感知较弱，经常不会引起人们的注意，而长时间处于肌肉疲劳的话，则会人体的肌肉造成损伤。对于有感疲劳，虽然人体可以感知到，但对于一些特殊的人群，如运动员而言，在进行运动训练时，其注意力会高度集中在训练本身上，即使发生且感知到了肌肉疲劳，也经常会被无意识地忽略掉，直至肌肉发生损伤疼痛时才会注意。因此，为了保证运动员的安全，在本发明实施例中，疲劳指数被选定为运动员的生理状态数理统计指标。

本发明实施例中，可以通过肌电信号线性分析技术、肌电信号频率分析技术、复协方差函数疲劳估计法等来计算运动员的疲劳指数，疲劳指数的计算方法并非本发明的主要发明点，因此本说明书中不作限定。

对HRV心率变异性的计算处理一般有时域分析、频域分析以及非线性分析三种方法，其中非线性分析仍处于研究探索阶段，时域分析具有计算简单意义直观等特点，但其灵敏度、特异性低，不能很好的进行心理状态精确分析，而时域分析，由于其具有理论成熟、算法简单同时各项指标意义明确等优点，被广泛应用于临床及医学实验中。

本发明实施例中，为了提高计算出的HRV心率变异性的有效性，优选使用时域分析与频域分析相结合的方法，先对心电数据进行处理，得出心率数据及脉搏数据等，再对心率数据及脉搏数据等进行处理，以获得所需的HRV心率变异性，进行运动员心理状态评估。

在时域分析中，需要先计算心电数据中脉搏数据的搏峰-峰间距，再根据搏峰-峰间距得出相应的R-R间期，最后对R-R间期进行时域统计得到心率变异性时域参数。其中，得到的心率变异性时域参数包括包括所有心搏间期的标准偏差(SDNN)、相邻RR间期之差的均方根(RMSSD)及相邻心搏间期之差大于50毫秒的个数占心搏总数的百分比(PNNS0)等，本发明实施例中，根据SDNN心搏间期的标准与被测者心理紧张的关联性，优选采用SDNN心搏间期的标准偏差，来作为运动员紧张指数的数理统计指标。由于SDNN与人体紧张程度成正相关，即人体越紧张SDNN越大，所以本发明实施例在进行运动员HRV心率变异性中的是否紧张判断时，将SDNN作为紧张指数，并设定了一个紧张阈值，当SDNN大于该阈值时，即可认定该运动员处于紧张状态。

在频域分析中，先由心电数据得到心率数据的瞬时心率变化曲线，再对其进行快速傅里叶变换(FFT)得到频谱图，进行频域统计分析得出心率变异性频域参数。其中，得到的心率变异性频域参数包括极低频(VLF)、低频(LF)、高频(HF)、总能量(TP)、低频高频比(LF/HF)等频域指标，其中，LF/HF低频高频比代表着交感神经系统与副交感神经系统之间的活跃程度，即整个自主神经系统的平衡程度，利用该比值，能评价交感神经的活性得出被测者的焦虑程度，健康人在普通情况下，LF一般是HF的1.5倍左右，此时可看作是自主神经系统当前的平衡状态，LF/HF低频高频比。本发明实施例中，优选采用LF/HF低频高频比，来作为运动员焦虑程度的数理统计指标。由于LF/HF与人体焦虑程度成正相关，即人体越焦虑LF/HF越大，所以本发明实施例在进行运动员HRV心率变异性中的是否焦虑判断时，将LF/HF作为焦虑指数，并设定了一个焦虑阈值，当LF/HF大于该阈值时，即可认定该运动员处于焦虑状态。

本发明实施例中，在计算出所需的疲劳指数及HRV心率变异性，根据疲劳指数及HRV心率变异性来对运动员的竞技状态进行评估，判断运动员是否出现了肌肉疲劳，是否出现过度紧张或过度焦虑等非正常的竞技状态。本发明实施例中，优选的，当运动员的上述三项指标均处于正常，认为运动员的竞技状态良好，满足训练要求，能够进行正常的训练比赛，当上述三项指标中，有一项或多项指标处于非正常范围时，则认为该运动员的竞技状态存在一定的问题，不满足训练要求，不能进行正常的训练比赛。

S103，当评估结果为运动员的竞技状态满足训练要求时，输出允许训练提示。当S102中，评估出运动员的竞技状态良好时，判定该运动员满足训练要求，此时生成相应的允许训练提示，并通过提示模块，对运动员进行允许训练提示，告知运动员可以进行评估测试的训练项目训练。

S104，当评估结果为运动员的竞技状态不满足训练要求时，输出禁止训练提示。当S102中，评估出运动员的竞技状态存在一定的问题时，判定该运动员不满足训练要求，此时生成相应的禁止训练提示，并通过提示模块，对运动员进行禁止训练提示，告知运动员不能进行评估测试的训练项目训练。

本发明实施例中，既可以结合可穿戴装置中的提示模块进行允许/禁止训练提示，(如使用语音提示模块输出语音提示，或者使用震动提示模块进行震动提示)，也可以将提示信号输出至其他设备进行提示。

作为本发明的一个优选实施例，在进行竞技状态评估时，采集的生理数据还包括脑电数据，还包括：

根据脑电数据判断运动员的情绪状态。

仅根据HRV心率变异性进行运动员的心理状态判断，有时可能会出现不准确的情况。本发明实施例中，为了提高对运动员心理状态判断的准确性，还会同时采集运动员的脑电数据，并根据脑电数据识别运动员的情绪状态，最后再根据HRV心率变异性以及通过脑电识别出来的情绪状态，来作为运动员心理状态判断的指标。

本发明实施例中，利用脑电数据识别情绪状态的方法，包括但不限于如基于递归特征筛选的支持向量机识别法，由于利用脑电数据识别情绪状态并非本发明的主要发明点，本说明书不予详述，感兴趣的读者可以查阅相关资料。

由于本发明中，仅需简单的判断出运动员的心理状态是否会影响正常训练比赛即可，因此本发明实施例中，为了减小控制模块的工作负荷，优选地，在利用脑电波进行情绪识别时，只需简单的识别出运动员的愉悦度即可，无需进行精确的情绪定位识别。

根据疲劳指数、HRV心率变异性及情绪状态，评估运动员的竞技状态是否满足训练要求。

在识别出用户的情绪状态后，开始对运动员的竞技状态进行评估。与S102中仅根据疲劳指数，以及HRV心率变异性中的紧张程度和焦虑程度来评估的方法有所不同，本发明实施例中，在判断运动员竞技状态是否存在问题时，还需要考虑运动员的愉悦度，即需要同时检测疲劳指数、紧张程度、焦虑程度以及愉悦度四项指标。在本发明实施例中，当上述四项指标中，有一项或多项指标处于非正常范围时，则认为该运动员的竞技状态存在一定的问题，不满足训练要求，不能进行正常的训练比赛。

作为本发明的另一个优选实施例，在进行竞技状态的评估时，还可以参考运动员的呼吸频率数据和/或体温数据，以增强对运动员竞技状态评估的准确性。其中呼吸频率数据，可直接由采集到的心电数据进行处理提取得到。体温数据则需要激活可穿戴装置中相应的体温采集模块进行采集，即在本发明实施例中，S101中采集的生理数据还包含运动员的体温数据。

作为S102的一个具体实现方式，作为本发明的实施例二，如图2所示，包括：

S201，识别运动员当前的活动状态，活动状态包括休息状态及运动状态。在进行竞技状态评估时，考虑到运动员即可能处于休息的状态，也可能是处于运动的状态，而不同的活动状态下运动员的生理指标参数变化稳定度也会有所不同。本发明实施例中，为了提高对运动员疲劳指数计算的准确度，提高对运动员肌肉疲劳判断的有效性，优选地，针对运动员两种不同的活动状态的特点，选用两种不同的疲劳计算方法进行处理。

本发明实施例中，可需由运动员其他用户，手动输入运动员当前的活动状态，也可采用通过肌电数据自动识别运动员活动状态的方式，识别出运动员当前的活动状态。

S202，若活动状态为休息状态，选取静态疲劳算法计算运动员的疲劳指数。在休息状态下，运动员的各项生理指标参数相对较为稳定，因此，在进行疲劳指数计算时无需过多的考虑生理指标参数稳定性的问题。在本发明实施例中，优选地，在休息状态下采用肌电数据的平均功率疲劳MPF和/或中位频率MF来表征肌肉疲劳程度(即疲劳指数)，即静态疲劳算法主要用于计算肌电数据的平均功率疲劳MPF和/或中位频率MF。

其中，MPF及MF的计算公式如下：

其中，f是肌电数据的频率，P(f)是其功率密度谱，可采用基于傅利叶分析的经典功率谱技术计算P(f)。

在本发明实施例中，疲劳指数可采用MPF和/或MF来进行表征，只要MPF和/或MF达到一定的阈值，就可认定运动员出现了肌肉疲劳。

S203，若活动状态为运动状态，选取动态疲劳算法计算运动员的疲劳指数。

在运动状态下，运动员的部分生理指标参数相对不稳定稳定，如MPF和MF的稳定性就会受到运动极大的影响，此时若还使用MPF和MF来表征肌肉疲劳程度，会导致对肌肉疲劳的判断准确度受到极大影响。

由于cohen类频分布技术具有时间和频率移不变性，即使是在运动状态时，其中值频率IMDF和平均频率IMNF与肌肉疲劳的关联关系也是相对稳定的，因此IMDF及IMNF可以用于运动状态的肌肉疲劳判断。在本发明实施例中，为了增强对运动状态的疲劳判定的准确性，动态疲劳算法优选地采用同时使用cohen类时频分布技术中的中值频率IMDF和平均频率IMNF来表征肌肉疲劳程度。

其中IMDF及IMNF的计算公式如下：

其中，f是肌电数据的频率，S(t，f)是时频频谱，由cohen类时频分布技术计算得出。当IMDF和IMNF中，一个或多个达到一定的阈值时，就可认定运动员出现了肌肉疲劳。

作为S102的另一个具体实现方式，作为本发明的实施例三，如图3所示，包括：

S301，识别运动员当前的活动状态。

S302，若活动状态为休息状态，根据肌电数据计算运动员的疲劳指数及肌肉协调指数，根据心电数据计算HRV心率变异性。

对于运动员来说，要想安全地获得一次好成绩，比赛前其竞技状态必须时刻保持最佳，但特别是对于像举重等对肌肉协调能力要求较高的训练项目而言(举重时，若左右手臂不能协调发力，不仅会对运动员成绩造成影响，还会给运动员带来极大的危险)，仅参考疲劳指数来表征运动员生理状态评估运动员的竞技状态，有时并不准确。在本发明实施例中，为了提高运动员竞技状态评估的准确，优选地，将运动员的肌肉协调指数也作为竞技状态评估时的生理指标之一。

由于肌肉协调能力，是指对多组不同肌肉，同时进行发力时间、发力大小及发力速度控制的能力，而发力时间、发力大小及发力速度均需要由肌电数据及相应的肌电时间数据分析得出，因此，本发明实施例在采集肌电数据的同时，还会记录每个肌电数据相应的时间戳，以供后续对发力时间、发力大小及发力速度的分析。

由于肌肉协调能力的特殊性，在进行肌肉协调能力测试时，需要运动员做出特定的动作，如控制两只手臂同时以相同速度及相同力量发力，并采集相应的肌电数据进行分析，才能计算出相应的肌肉协调指数。

S303，若出现疲劳指数超出预设疲劳阈值、HRV心率变异性处于非正常状态及肌肉协调指数低于预设协调阈值中的任意一种以上的情况，判定竞技状态评估结果为不满足训练要求。

为了保证对运动员竞技状态评估的有效性，保证运动员的安全，在本发明实施例中，要求运动员生理状态及心理状态均满足要求时，才可能允许运动员训练比赛，因此，在本发明实施例中要求运动员的疲劳指数、肌肉协调指数、紧张指数以及焦虑指数均处于预设的阈值内时，才可能允许运动员训练比赛。

S303中，运动员疲劳指数、肌肉协调指数、紧张指数以及焦虑指数中，至少出现了一种指数异常，超出预设的阈值，而无论是疲劳指数异常、肌肉协调指数异常、紧张指数异常还是焦虑指数异常，都可能会对运动员造成影响，使运动员不能正常训练比赛，所以在本实施例中，只要出现任一指数异常的情况，就认为运动员的竞技状态出现了问题，此时为了保证运动员的安全，会判定运动员的竞技状态不适合进行训练比赛，即不满足训练要求。

S304，若疲劳指数超出预设疲劳阈值、HRV心率变异性处于非正常状态及肌肉协调指数低于预设协调阈值中的任意一种情况均未出现，读取用户输入的训练项目及预设的肌电数据样本，并根据训练项目、肌电数据样本及疲劳指数，对运动员进行第一疲劳预测，第一疲劳预测用于判断运动员是否能安全完成训练项目。

由于训练比赛会给运动员肌肉带来极大的负荷，运动员即使训练前没有出现任何疲劳现象，也可能会在训练比赛中途应肌肉负荷过大，出现肌肉疲劳户损伤。为了防止上述情况，在S304中，即使运动员的疲劳指数、肌肉协调指数、紧张指数以及焦虑指数均处于预设的阈值内，也需要对运动员的肌肉疲劳进行预测，判断运动员是否可能在训练比赛中途出现肌肉疲劳或肌肉损伤，以保证运动员在进行训练比赛时的安全。

本发明实施例中，为了实现对肌肉疲劳的预测，需要计算肌电数据得出所需的各个时刻疲劳指数之后，对S302中计算得出疲劳指数进行曲线拟合，以得出其随着肌肉运动的动态变化趋势，并结合具体的训练项目所需的时间，判断运动员是否能安全完成训练项目。本发明实施例中，凡是拟合得出疲劳指数变化趋势图或变化趋势函数公式的算法皆可用于进行曲线拟合，如可采用常见的最小二乘法进行曲线拟合。

应当理解地，优选地，本发明实施例三可结合本发明实施例二进行优化，即利用本发明实施例二中静态疲劳算法，对S302中的疲劳指数进行计算。

S305，若第一疲劳预测的结果为运动员能安全完成训练项目，判定运动员的竞技状态评估结果为满足训练要求。若第一疲劳预测的结果为运动员不能安全完成训练项目，判定运动员的竞技状态评估结果为不满足训练要求。

在S304得出疲劳预测结果后，根据预测结果对竞技状态进行评估。

作为S102的又一个具体实现方式，作为本发明的实施例四，如图4所示，包括：

S401，识别运动员当前的活动状态。

S402，若活动状态为运动状态，根据肌电数据计算运动员的疲劳指数，根据心电数据计算HRV心率变异性。

在运动员处于运动状态时，S101中采集的是运动状态下运动员的肌电数据及心电数据，由于运动状态下对肌电数据及心电数据采集难度较大，采集到的数据中干扰数据成分较多。因此，在本发明实施例中，在根据肌电数据计算运动员的疲劳指数，以及根据心电数据计算HRV心率变异性之前，优选地，需要对采集到的肌电数据及心电数据进行干扰数据滤除处理，即需要对采集到的数据进行噪声滤波。

本发明实施例四与本发明实施例三相比，本发明实施例三针对的是运动员处于休息状态时的竞技状态评估，本发明实施例四针对的是运动员处于运动状态时的竞技状态评估。在运动员处于运动状态时，无法做出肌肉协调能力测试所需的特定动作，此时无法进行肌肉协调能力测试，因此，本发明实施例四中，仅将疲劳指数作为竞技状态评估时的生理指标。

S403，若疲劳指数超出预设损伤阈值，判定运动员的竞技状态评估结果为不满足训练要求，预设损伤阈值大于预设疲劳阈值。

当肌肉运动负荷达到一定程度时，可能会产生肌肉疲劳，而在肌肉疲劳的基础上，再继续运动增加符合时，就可能出现肌肉损伤的情况，从疲劳指数的角度而言，肌肉疲劳与肌肉损伤，均是疲劳指数达到一定阈值产生的后果，因此，对肌肉疲劳和肌肉损伤的判断，可以直接参考疲劳指数是否达到相应的疲劳阈值与损伤阈值。其中，疲劳阈值与损伤阈值需要技术人员根据运动员实际情况，预先进行设定。

在S403疲劳指数超出预设损伤阈值时，运动员已经出现了肌肉损伤，若再进行训练，可能会严重损害运动员的人身安全，此时应要求运动员进行休息或治疗。

S404，若疲劳指数未达到预设疲劳阈值，判定运动员的竞技状态评估结果为满足训练要求。

当疲劳指数未达到疲劳阈值时，即运动员未出现肌肉疲劳，此时运动员身体状态正常，可继续进行训练。

S405，若疲劳指数达到预设疲劳阈值且未超出预设损伤阈值，读取用户输入的训练剩余时间及预设的肌电数据样本，并根据HRV心率变异性、肌电数据样本、训练剩余时间及疲劳指数，对运动员进行第二疲劳预测，第二疲劳预测用于判断运动员是否能安全完成剩余训练。

作为本发明实施例的第三种可能情况，当运动员出现肌肉疲劳，但又未出现肌肉损伤时，由于运动员未出现肌肉损伤，即没有出现实质性的伤害，考虑到运动员正在运动状态，其训练还没有完成，出于体育精神，运动员在身体没有出现伤害情况下，一般是不会轻易放弃训练的，因此需要对运动员进行进一步地竞技状态评估，对运动员进行心理状态评估及肌肉疲劳预测，判断运动员是否能安全完成剩余的训练。

其中第二疲劳预测，可采用与本发明实施例三中相同的疲劳预测方法，也可使用其他的疲劳预测方法，但相对本发明实施例三，本发明实施例四中，最终的疲劳指数判断指标应当为损伤阈值，而非疲劳阈值。另外，本发明实施例在正常判断出运动员是否能在训练剩余时间不出现肌肉损伤后，不会立即生成疲劳预测结果，还会参考运动员实时的心理状态参数HRV心率变异性，即还需要参考运动员的紧张指数及焦虑指数，只有在运动员能在训练剩余时间不出现肌肉损伤，且紧张指数和焦虑指数均未超过预设的阈值时，才认为运动员能安全完成剩余训练，并生成相应的第二疲劳预测结果，此时可判定运动员竞技状态满足训练要求。

S406，若第二疲劳预测的结果为运动员能安全完成剩余训练，判定运动员的竞技状态评估结果为满足训练要求。若第二疲劳预测的结果为运动员不能安全完成剩余训练，判定运动员的竞技状态评估结果为不满足训练要求。

为了保证运动员的安全，若运动员在训练剩余时间可能出现肌肉损伤，或者紧张指数和焦虑指数中有一个以上的指数超过预设阈值，本发明实施例四都认为运动员不能安全完成剩余训练，即S405中会生成运动员不能安全完成剩余训练的第二预测结果，此时判定运动员竞技状态不满足训练要求。

作为S303的一个具体实现方式，作为本发明的实施例五，如图5所示，包括：

S501，若疲劳指数超出预设损伤阈值，判定运动员的竞技状态评估结果为不满足训练要求。作为S303的一个具体实现方式，本发明实施例五从运动员是否肌肉疲劳的角度，对S303进行了进一步地细化，以个性化地满足不同用户的需求。当运动员疲劳指数超出预设损伤阈值时，运动员已经出现了肌肉损伤，若再进行训练，可能会严重损害运动员的人身安全，因此运动员的竞技状态不满足训练要求，此时应要求运动员进行休息或治疗。

S502，若仅出现疲劳指数超出疲劳阈值但未达到损伤阈值情况，读取预设的运动员恢复力数据以及用户输入的剩余休息时间，由运动员恢复力数据及疲劳指数计算运动员所需的恢复时间，根据恢复时间及剩余休息时间判断运动员是否能安全完成训练项目。

其中，恢复力是指运动员在休息过程中，疲劳指数下降的速度，每个人的回复力情况各不相同，因此，本发明实施例中，需要技术人员预先存储好需要竞技状态评估的运动员的恢复力数据，以便后续处理使用。

运动员在休息状态时，虽然出现了肌肉疲劳，但考虑到其可能可以在剩下的时间内恢复到非肌肉疲劳的状态，因此不能一概而论地运动员就不能继续上场训练了。在本发明实施例中，为了更好的根据不同运动员个体实际情况，对休息状态下出现肌肉疲劳的运动员进行竞技状态评估，会获取读取进行竞技状态评估的运动员的恢复力数据和剩余休息时间，并根据恢复力数据及疲劳指数计算运动员所需的恢复时间，再比较剩余休息时间和恢复时间大小，来判断运动员是否能安全完成训练项目，若剩余休息时间大于恢复时间，则该运动员有充足的时间进行恢复，可以安全地完成训练项目，而若剩余休息时间不大于恢复时间，则该运动员不足以在剩余休息时间内恢复至非肌肉疲劳状态，难以安全地完成训练项目。

S503，若判断结果为运动员能安全完成训练项目，判定竞技状态评估结果为满足训练要求；若判断结果为运动员不能安全完成训练项目，则判定竞技状态评估结果为不满足训练要求。

在本发明实施例中，可穿戴装置采集到运动员的肌电数据及心电数据之后，根据肌电数据及心电数据计算出运动员的疲劳指数、肌肉协调指数、紧张指数以及焦虑指数，同时根据运动员所处的不同活动状态，对运动员可能出现的情景进行了详细的划分，再根据实际情景从疲劳指数、肌肉协调指数、紧张指数以及焦虑指数中选取不同竞技状态参数，对运动员的竞技状态进行评估，本发明实施例对竞技状态参数进行了量化计算评估，不会受到教练主观经验的影响，更加准确可靠。在得出运动员的竞技状态之后，根据竞技状态自动判断运动员是否满足训练比赛的要求，并输出相应的提示，使得运动员能直观的获知自己当前的竞技状态是否适合训练比赛。

应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。

对应于上文实施例的方法，图6示出了本发明实施例提供的运动员竞技状态评估系统的结构框图，为了便于说明，仅示出了与本发明实施例相关的部分。

参照图，该运动员竞技状态评估系统包括：

采集模块61，用于采集运动员的生理数据，所述生理数据包括肌电数据及心电数据。

状态评估模块62，用于根据生理数据，计算运动员的竞技状态参数，并根据竞技状态参数评估运动员的竞技状态是否满足训练要求，竞技状态参数包括疲劳指数及HRV心率变异性。

允许提示模块63，用于当评估结果为运动员的竞技状态满足训练要求时，输出允许训练提示。

禁止提示模块64，用于当评估结果为运动员的竞技状态不满足训练要求时，输出禁止训练提示。

进一步地，状态评估模块62，包括：

第一状态识别子模块，用于识别运动员当前的活动状态，活动状态包括休息状态及运动状态。

静态疲劳计算子模块，用于若活动状态为休息状态，选取静态疲劳算法计算运动员的疲劳指数。

动态疲劳计算子模块，若活动状态为运动状态，选取动态疲劳算法计算运动员的疲劳指数。

进一步地，竞技状态参数还包括肌肉协调指数，状态评估模块62，包括：

第二状态识别子模块，用于识别运动员当前的活动状态。

第一参数计算子模块，用于若活动状态为休息状态，根据肌电数据计算运动员的疲劳指数及肌肉协调指数，根据心电数据计算HRV心率变异性。

第一状态评估子模块，用于若出现疲劳指数超出预设疲劳阈值、HRV心率变异性处于非正常状态及肌肉协调指数低于预设协调阈值中的任意一种以上的情况时，判定竞技状态评估结果为不满足训练要求。

第一疲劳预测子模块，用于若疲劳指数超出预设疲劳阈值、HRV心率变异性处于非正常状态及肌肉协调指数低于预设协调阈值中的任意一种情况均未出现，读取用户输入的训练项目及预设的肌电数据样本，并根据训练项目、肌电数据样本及疲劳指数，对运动员进行第一疲劳预测，第一疲劳预测用于判断运动员是否能安全完成训练项目。

第二状态评估子模块，用于若第一疲劳预测的结果为运动员能安全完成训练项目，判定运动员的竞技状态评估结果为满足训练要求。若第一疲劳预测的结果为运动员不能安全完成训练项目，判定运动员的竞技状态评估结果为不满足训练要求。

进一步地，状态评估模块62，还包括：

第三状态识别子模块，用于识别运动员当前的活动状态。

第二参数计算子模块，用于若活动状态为运动状态，根据肌电数据计算运动员的疲劳指数，根据心电数据计算HRV心率变异性。

第三状态评估子模块，用于若疲劳指数超出预设损伤阈值，判定运动员的竞技状态评估结果为不满足训练要求，预设损伤阈值大于预设疲劳阈值。

第四状态评估子模块，用于若疲劳指数未达到预设疲劳阈值，判定运动员的竞技状态评估结果为满足训练要求。

第二疲劳预测子模块，用于若疲劳指数达到预设疲劳阈值且未超出预设损伤阈值，读取用户输入的训练剩余时间及预设的肌电数据样本，并根据HRV心率变异性、肌电数据样本、训练剩余时间及疲劳指数，对运动员进行第二疲劳预测，第二疲劳预测用于判断运动员是否能安全完成剩余训练。

第五状态评估子模块，用于若第二疲劳预测的结果为运动员能安全完成剩余训练，判定运动员的竞技状态评估结果为满足训练要求。若第二疲劳预测的结果为运动员不能安全完成剩余训练，判定运动员的竞技状态评估结果为不满足训练要求。

进一步地，第一状态评估子模块，包括：

若疲劳指数超出预设损伤阈值，判定运动员的竞技状态评估结果为不满足训练要求。

若仅出现疲劳指数超出疲劳阈值但未达到损伤阈值情况，读取预设的运动员恢复力数据以及用户输入的剩余休息时间，由运动员恢复力数据及疲劳指数计算运动员所需的恢复时间，根据恢复时间及剩余休息时间判断运动员是否能安全完成训练项目。

若判断结果为运动员能安全完成训练项目，判定竞技状态评估结果为满足训练要求。若判断结果为运动员不能安全完成训练项目，则判定竞技状态评估结果为不满足训练要求。

所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、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单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。

在本发明所提供的实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的系统实施例仅仅是示意性的，例如，所述模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性，机械或其它的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实施例的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)或处理器(processor)执行本发明实施例各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围，均应包含在本发明的保护范围之内。

Claims (10)

1.一种运动员竞技状态评估方法，其特征在于，包括：

控制可穿戴装置中的采集模块采集运动员的生理数据，所述生理数据包括肌电数据及心电数据；

根据所述生理数据，计算所述运动员的竞技状态参数，并根据所述竞技状态参数评估所述运动员的竞技状态是否满足训练要求，所述竞技状态参数包括疲劳指数及HRV心率变异性；

当评估结果为所述运动员的竞技状态满足训练要求时，输出允许训练提示；

当评估结果为所述运动员的竞技状态不满足训练要求时，输出禁止训练提示。

2.如权利要求1所述的运动员竞技状态评估方法，其特征在于，所述根据所述生理数据，计算所述运动员的竞技状态参数，包括：

识别所述运动员当前的活动状态，所述活动状态包括休息状态及运动状态；

若所述活动状态为所述休息状态，选取静态疲劳算法计算所述运动员的所述疲劳指数；

若所述活动状态为所述运动状态，选取动态疲劳算法计算所述运动员的所述疲劳指数。

3.如权利要求1所述的运动员竞技状态评估方法，其特征在于，所述竞技状态参数还包括肌肉协调指数，所述根据所述生理数据，计算所述运动员的竞技状态参数，并根据所述竞技状态参数评估所述运动员的竞技状态是否满足训练要求，包括：

识别所述运动员当前的活动状态；

若所述活动状态为休息状态，根据所述肌电数据计算所述运动员的所述疲劳指数及所述肌肉协调指数，根据所述心电数据计算所述HRV心率变异性；

若出现所述疲劳指数超出预设疲劳阈值、所述HRV心率变异性处于非正常状态及所述肌肉协调指数低于预设协调阈值中的任意一种以上的情况，判定所述竞技状态评估结果为不满足训练要求；

若所述疲劳指数超出预设疲劳阈值、所述HRV心率变异性处于非正常状态及所述肌肉协调指数低于预设协调阈值中的任意一种情况均未出现，读取用户输入的训练项目及预设的肌电数据样本，并根据所述训练项目、所述肌电数据样本及所述疲劳指数，对运动员进行第一疲劳预测，所述第一疲劳预测用于判断所述运动员是否能安全完成所述训练项目；

若所述第一疲劳预测的结果为所述运动员能安全完成所述训练项目，判定所述运动员的竞技状态评估结果为满足训练要求；若所述第一疲劳预测的结果为所述运动员不能安全完成所述训练项目，判定所述运动员的竞技状态评估结果为不满足训练要求。

4.如权利要求1所述的运动员竞技状态评估方法，其特征在于，所述根据所述生理数据，计算所述运动员的竞技状态参数，并根据所述竞技状态参数评估所述运动员的竞技状态是否满足训练要求，还包括：

识别所述运动员当前的活动状态；

若所述活动状态为运动状态，根据所述肌电数据计算所述运动员的所述疲劳指数，根据所述心电数据计算所述HRV心率变异性；

若所述疲劳指数超出预设损伤阈值，判定所述运动员的竞技状态评估结果为不满足训练要求，所述预设损伤阈值大于所述预设疲劳阈值；

若所述疲劳指数未达到所述预设疲劳阈值，判定所述运动员的竞技状态评估结果为满足训练要求；

若所述疲劳指数达到所述预设疲劳阈值且未超出所述预设损伤阈值，读取用户输入的训练剩余时间及预设的肌电数据样本，并根据所述HRV心率变异性、所述肌电数据样本、所述训练剩余时间及所述疲劳指数，对所述运动员进行第二疲劳预测，所述第二疲劳预测用于判断所述运动员是否能安全完成剩余训练；

若所述第二疲劳预测的结果为所述运动员能安全完成所述剩余训练，判定所述运动员的竞技状态评估结果为满足训练要求；若所述第二疲劳预测的结果为所述运动员不能安全完成所述剩余训练，判定所述运动员的竞技状态评估结果为不满足训练要求。

5.如权利要求3所述的运动员竞技状态评估方法，其特征在于，所述若出现所述疲劳指数超出预设疲劳阈值、所述HRV心率变异性处于非正常状态及所述肌肉协调指数低于预设协调阈值中的任意一种以上的情况时，判定所述竞技状态评估结果为不满足训练要求，包括：

若所述疲劳指数超出预设损伤阈值，判定所述运动员的竞技状态评估结果为不满足训练要求；

若仅出现所述疲劳指数超出所述疲劳阈值但未达到所述损伤阈值情况，读取预设的运动员恢复力数据以及用户输入的剩余休息时间，由所述运动员恢复力数据及所述疲劳指数计算所述运动员所需的恢复时间，根据所述恢复时间及所述剩余休息时间判断所述运动员是否能安全完成所述训练项目；

若判断结果为所述运动员能安全完成所述训练项目，判定所述竞技状态评估结果为满足训练要求；若判断结果为所述运动员不能安全完成所述训练项目，则判定所述竞技状态评估结果为不满足训练要求。

6.一种运动员竞技状态评估系统，其特征在于，包括：

采集模块，用于采集运动员的生理数据，所述生理数据包括肌电数据及心电数据；

状态评估模块，用于根据所述生理数据，计算所述运动员的竞技状态参数，并根据所述竞技状态参数评估所述运动员的竞技状态是否满足训练要求，所述竞技状态参数包括疲劳指数及HRV心率变异性；

允许提示模块，用于当评估结果为所述运动员的竞技状态满足训练要求时，输出允许训练提示；

禁止提示模块，用于当评估结果为所述运动员的竞技状态不满足训练要求时，输出禁止训练提示。

7.如权利要求6所述的运动员竞技状态评估系统，其特征在于，所述状态评估模块，包括：

第一状态识别子模块，用于识别所述运动员当前的活动状态，所述活动状态包括休息状态及运动状态；

静态疲劳计算子模块，用于若所述活动状态为所述休息状态，选取静态疲劳算法计算所述运动员的所述疲劳指数；

动态疲劳计算子模块，若所述活动状态为所述运动状态，选取动态疲劳算法计算所述运动员的所述疲劳指数。

8.如权利要求6所述的运动员竞技状态评估系统，其特征在于，所述竞技状态参数还包括肌肉协调指数，所述根据所述肌电数据及所述心电数据，所述状态评估模块，包括：

第二状态识别子模块，用于识别所述运动员当前的活动状态；

第一参数计算子模块，用于若所述活动状态为休息状态，根据所述肌电数据计算所述运动员的所述疲劳指数及所述肌肉协调指数，根据所述心电数据计算所述HRV心率变异性；

第一状态评估子模块，用于若出现所述疲劳指数超出预设疲劳阈值、所述HRV心率变异性处于非正常状态及所述肌肉协调指数低于预设协调阈值中的任意一种以上的情况时，判定所述竞技状态评估结果为不满足训练要求；

第一疲劳预测子模块，用于若所述疲劳指数超出预设疲劳阈值、所述HRV心率变异性处于非正常状态及所述肌肉协调指数低于预设协调阈值中的任意一种情况均未出现，读取用户输入的训练项目及预设的肌电数据样本，并根据所述训练项目、所述肌电数据样本及所述疲劳指数，对运动员进行第一疲劳预测，所述第一疲劳预测用于判断所述运动员是否能安全完成所述训练项目；

第二状态评估子模块，用于若所述第一疲劳预测的结果为所述运动员能安全完成所述训练项目，判定所述运动员的竞技状态评估结果为满足训练要求；若所述第一疲劳预测的结果为所述运动员不能安全完成所述训练项目，判定所述运动员的竞技状态评估结果为不满足训练要求。

9.如权利要求6所述的运动员竞技状态评估系统，其特征在于，所述状态评估模块，还包括：

第三状态识别子模块，用于识别所述运动员当前的活动状态；

第二参数计算子模块，用于若所述活动状态为运动状态，根据所述肌电数据计算所述运动员的所述疲劳指数，根据所述心电数据计算所述HRV心率变异性；

第三状态评估子模块，用于若所述疲劳指数超出预设损伤阈值，判定所述运动员的竞技状态评估结果为不满足训练要求，所述预设损伤阈值大于所述预设疲劳阈值；

第四状态评估子模块，用于若所述疲劳指数未达到所述预设疲劳阈值，判定所述运动员的竞技状态评估结果为满足训练要求；

第二疲劳预测子模块，用于若所述疲劳指数达到所述预设疲劳阈值且未超出所述预设损伤阈值，读取用户输入的训练剩余时间及预设的肌电数据样本，并根据所述HRV心率变异性、所述肌电数据样本、所述训练剩余时间及所述疲劳指数，对所述运动员进行第二疲劳预测，所述第二疲劳预测用于判断所述运动员是否能安全完成剩余训练；

第五状态评估子模块，用于若所述第二疲劳预测的结果为所述运动员能安全完成所述剩余训练，判定所述运动员的竞技状态评估结果为满足训练要求；若所述第二疲劳预测的结果为所述运动员不能安全完成所述剩余训练，判定所述运动员的竞技状态评估结果为不满足训练要求。

10.如权利要求8所述的运动员竞技状态评估系统，其特征在于，所述第一状态评估子模块，包括：

若所述疲劳指数超出预设损伤阈值，判定所述运动员的竞技状态评估结果为不满足训练要求；

若仅出现所述疲劳指数超出所述疲劳阈值但未达到所述损伤阈值情况，读取预设的运动员恢复力数据以及用户输入的剩余休息时间，由所述运动员恢复力数据及所述疲劳指数计算所述运动员所需的恢复时间，根据所述恢复时间及所述剩余休息时间判断所述运动员是否能安全完成所述训练项目；

若判断结果为所述运动员能安全完成所述训练项目，判定所述竞技状态评估结果为满足训练要求；若判断结果为所述运动员不能安全完成所述训练项目，则判定所述竞技状态评估结果为不满足训练要求。