CN108970085A - 运动体能分析方法、设备及存储介质 - Google Patents
运动体能分析方法、设备及存储介质 Download PDFInfo
- Publication number
- CN108970085A CN108970085A CN201810710762.9A CN201810710762A CN108970085A CN 108970085 A CN108970085 A CN 108970085A CN 201810710762 A CN201810710762 A CN 201810710762A CN 108970085 A CN108970085 A CN 108970085A
- Authority
- CN
- China
- Prior art keywords
- movement
- real
- time
- data
- parameter
- 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
Links
Classifications
-
- 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
- A63B71/06—Indicating or scoring devices for games or players, or for other sports activities
- A63B71/0619—Displays, user interfaces and indicating devices, specially adapted for sport equipment, e.g. display mounted on treadmills
-
- A—HUMAN NECESSITIES
- A63—SPORTS; GAMES; AMUSEMENTS
- A63B—APPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
- A63B2230/00—Measuring physiological parameters of the user
- A63B2230/01—User's weight
-
- A—HUMAN NECESSITIES
- A63—SPORTS; GAMES; AMUSEMENTS
- A63B—APPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
- A63B2230/00—Measuring physiological parameters of the user
- A63B2230/04—Measuring physiological parameters of the user heartbeat characteristics, e.g. ECG, blood pressure modulations
- A63B2230/06—Measuring physiological parameters of the user heartbeat characteristics, e.g. ECG, blood pressure modulations heartbeat rate only
-
- A—HUMAN NECESSITIES
- A63—SPORTS; GAMES; AMUSEMENTS
- A63B—APPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
- A63B2230/00—Measuring physiological parameters of the user
- A63B2230/20—Measuring physiological parameters of the user blood composition characteristics
- A63B2230/207—P-O2, i.e. partial O2 value
-
- A—HUMAN NECESSITIES
- A63—SPORTS; GAMES; AMUSEMENTS
- A63B—APPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
- A63B2230/00—Measuring physiological parameters of the user
- A63B2230/40—Measuring physiological parameters of the user respiratory characteristics
Landscapes
- Engineering & Computer Science (AREA)
- Human Computer Interaction (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Physical Education & Sports Medicine (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
本发明提供的一种运动体能分析方法、设备及存储介质,通过计算评估体能信息、实时体能信息,监测实时运动数据中生理参数是否异常,并分析所述实时体能信息与历次实时体能信息以得到体能变化数据,从而根据体能变化数据调整用于分析实时体能信息的计算参数,并且预测下次运动体能情况以给出相应运动或训练建议。本发明能够根据准确记录并分析运动体能信息,从而在运动或训练时合理分配体能,监测异常减少运动伤害,提高运动或训练的科学性和合理性。
Description
技术领域
本发明涉及一种运动体能分析技术,特别是涉及一种运动体能分析方法、设备及存储介质。
背景技术
随着生活水平的提高,人们对健康生活的追求以及近年来全民马拉松等体育赛事的普及,人们参加运动的频次越来越高,对运动效率及健康运动的需求也越来越强烈,不再只是简单的跑跑步,而是追求跑步中的科学性和合理性,进而根据自身体能条件通过科学合理的训练和比赛时的合理配速和体力的合理分配来获取更好的成绩且减少运动伤害。另外,随着穿戴设备的发展,可以采集到各种生理参数和运动参数,给人们对运动的需求提供了更便捷的实现方式。然而,对于如何使用这些生理和运动参数来得到适配用户个人的运动方案,缺乏系统的解决方案,本发明为解决以上问题,通过穿戴式设备获取生理和运动数据、所处的环境条件,进而提供给用户更适合自己的、有效的、健康运动方案。
发明内容
鉴于以上所述现有技术的缺点,本发明要解决的技术问题在于提供一种运动体能分析方法、设备及存储介质,用于解决现有技术中如何使用生理和运动等参数来得到适配用户个人的运动方案,以及系统的解决方案。
为实现上述目的及其他相关目的,本发明提供一种运动体能分析方法,应用于运动体能分析设备,所述方法包括:接收人体基本信息、以及历史运动数据或测试运动数据,计算得到评估体能信息;所述运动数据包括:生理参数、运动参数和/或环境参数;采集并记录实时运动数据,计算得到实时体能信息;结合已有运动数据中不同运动参数和/或环境参数相应的生理参数,监测实时运动数据中生理参数是否异常,若是则进行提醒;分析所述实时体能信息与历次实时体能信息以得到体能变化数据;根据所述体能变化数据调整用于分析实时体能信息的计算参数;预测下次运动体能情况以给出相应运动或训练建议。
于本发明的一实施例中,所述人体基本信息包括:身高、体重、年龄、性别、及静态心率。
于本发明的一实施例中,所述生命体征参数包括:运动心率,呼吸频率、及血氧饱和度。
于本发明的一实施例中,所述运动参数包括:运动时长、运动距离、及运动速度。
于本发明的一实施例中,所述环境参数包括:海拔高度、路面坡度、天气、温度,湿度、气压、风向、及风力中任意一种或几种组合。
于本发明的一实施例中,所述评估体能信息、及所述实时体能信息包括:有氧运动能力、及无氧运动能力。
于本发明的一实施例中,所述有氧运动能力依据乳酸阈值、及最大耗氧量进行评价;所述无氧运动能力依据爆发力进行评价。
为实现上述目的及其他相关目的,本发明提供一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现所述的运动体能分析方法。
为实现上述目的及其他相关目的,本发明提供一种运动体能分析设备,包括:采集单元、处理单元及存储单元;所述存储单元,用于存储人体基本信息、以及历史运动数据或测试运动数据;所述采集单元,用于采集并记录实时运动数据,其中,所述运动数据包括:生理参数、运动参数和/或环境参数;所述处理单元,耦接所述采集单元、显示单元及存储单元,用于根据所述人体基本信息、以及历史运动数据或测试运动数据计算得到评估体能信息;并用于根据所述实时运动数据计算得到实时体能信息;还用于结合已有运动数据中不同运动参数和/或环境参数相应的生理参数,监测实时运动数据中生理参数是否异常,若是则进行提醒;还用于分析所述实时体能信息与历次实时体能信息以得到体能变化数据;根据所述体能变化数据调整用于分析实时体能信息的计算参数;并预测下次运动体能情况以匹配相应运动或训练建议。
如上所述,本发明的一种运动体能分析方法、设备及存储介质,通过计算评估体能信息、实时体能信息,监测实时运动数据中生理参数是否异常,并分析所述实时体能信息与历次实时体能信息以得到体能变化数据,从而根据体能变化数据调整用于分析实时体能信息的计算参数,并且预测下次运动体能情况以给出相应运动或训练建议。达到了以下有益效果:
能够根据准确记录并分析运动体能信息,从而在运动或训练时合理分配体能,监测异常减少运动伤害,提高了运动或训练的科学性和合理性,具有极高的推广价值。
附图说明
图1为本发明实施例中的一种运动分析方法的流程示意图;
图2为本发明实施例中的一种运动分析设备的结构示意图;
元件标号说明
S101~S105 方法步骤
200 运动体能分析设备
201 采集单元
202 处理单元
203 存储单元
具体实施方式
以下通过特定的具体实例说明本发明的实施方式,本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用,本说明书中的各项细节也可以基于不同观点与应用,在没有背离本发明的精神下进行各种修饰或改变。需说明的是,在不冲突的情况下,以下实施例及实施例中的特征可以相互组合。
需要说明的是,以下实施例中所提供的图示仅以示意方式说明本发明的基本构想,遂图式中仅显示与本发明中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制,其实际实施时各组件的型态、数量及比例可为一种随意的改变,且其组件布局型态也可能更为复杂。
如图1所示,展示本发明于一实施例中的运动体能分析方法的流程示意图,其应用于运动体能分析设备,所述方法包括:
步骤S101:接收人体基本信息、以及历史运动数据或测试运动数据,计算得到评估体能信息;所述运动数据包括:生理参数、运动参数和/或环境参数;
其中接收人体基本信息、以及历史运动数据或测试运动数据适用于首次适用本发明的运动分析设备或使用用户更换情况。
其中历史运动数据可由其他记录设备或应用程序导入,如手机跑步软件中记录的运动数据,或训练记录的运动数据。
其中测试运动数据是通过首次使用本发明的运动体能分析设备而直接生成的运动数据。
其中通过接收人体基本信息、以及历史运动数据或测试运动数据,使得用于分析运动体能的各项参数有对应数值,可初步了解用户体能基本情况。
于本发明的一实施例中,所述人体基本信息包括:身高、体重、年龄、性别及静态心率中任意一种或几种组合。
所述人体基本信息为认为输入或导入,其中身高、体重、年龄、性别、及静态心率中一种或多种组合数值,将参与运动体能分析的计算或影响后续相应运动或训练建议。例如:男性用户与女性用户计算的运动体能分析以及提供的运动或训练建议会有不同,因此接收人体基本信息十分必要。
于本发明的一实施例中,所述生命体征参数包括:运动心率、呼吸频率、及血氧饱和度。
其中,所述运动心率是指人每分钟心跳的次数,一般来说,老年人心跳比年轻人慢,女性的心率比同龄男性快,运动员的运动心率较普通成人偏慢。
于本发明的一实施例中,运动心率通过记录用户每分钟的心率数值得到,可借助心率传感器或脉搏传感器等现有具备检测心率功能的装置检测得到。心率的变化对运动体能分析具有一定帮助,当心跳加速体能消耗会增大,当心跳下降体能在恢复。
所述呼吸频率为一种形容每分钟呼吸的次数的医学术语,每分钟呼吸的次数称为呼吸频率。呼吸是人体内外环境之间进行气体交换的必需过程,人体通过呼吸而吸进氧气、呼出二氧化碳,从而维持正常的生理功能。
于本发明的一实施例中,呼吸频率可通过呼吸频率检测装置检测得到。如呼吸出的气流撞击话筒时会产生大分贝的声频信号,利用这个原理测试出用户的呼吸频率以及呼吸均匀度。也可通过心电信号或脉搏波信号中包含的呼吸波信号进行提取得到。
所述血氧饱和度(SpO2)是血液中被氧结合的氧合血红蛋白(HbO2)的容量占全部可结合的血红蛋白(Hb)容量的百分比,即血液中血氧的浓度。其中,血红蛋白(Hb)是血细胞的重要组成部分,它负责将氧气从肺部输送到身体的其它组织。血氧饱和度是反映人体呼吸功能及氧含量是否正常的重要生理参数,它是显示我们人体各组织是否健康的一个重要生理参数,一般认为血氧饱和度(SpO2)小于90%为供氧不足,严重缺氧会直接导致窒息、休克、死亡等悲剧的发生。
于本发明的一实施例中,血氧饱和度可通过血氧传感器或血氧仪检测得到。其中,典型的血氧仪传感器有一对LED,它们通过病人身体的半透明部位正对着一个光电二极管。其中一个LED是红光的,波长为660nm;另一个是红外线的,波长是940nm。血氧的百分比是根据测量这两个具有不同吸收率的波长的光通过身体后计算出的。
优选地,本发明实施例中所述生命体征参数还可以包括:血压、体温。
于本发明的一实施例中,所述运动参数包括:运动时长、运动距离、及运动速度。
于本发明的一实施例中,所述环境参数包括:海拔高度、路面坡度、天气、温度,湿度、气压、风向、及风力中任意一种或几种组合。
其中所述海拔高度、路面坡度、温度,湿度、及气压数值,可通过相关海拔、温度、湿度、气压等测量仪或传感器测量得到。所述天气、风向、及风力可联网获取当地天气预报获得。
将相关环境参数按等级或程度转化为不同数值。例如,路面坡度检测到无变化时,则路面坡度的环境参数为0;坡度在0~5度之间,则路面坡度的环境参数为5。
最后将各环境参数加权平均求得一个总环境参数,作为影响因子参与后续运动体能分析的计算。
步骤S102:采集并记录实时运动数据,计算得到实时体能信息;结合已有运动数据中不同运动参数和/或环境参数相应的生理参数,监测实时运动数据中生理参数是否异常,若是则进行提醒;
其中,结合已有运动数据中不同运动参数和/或环境参数相应的生理参数的目的在于,因每个人体能情况的不同,相关运动心率、呼吸频率、及血氧饱和度的范围取值不同,因此有必要结合已有运动数据中不同运动参数和/或环境参数相应的生理参数,来监测实时运动数据中生理参数是否异常。
其中已有运动数据包括:历史运动数据、测试运动数据、上次实时运动数据、及历次实时运动数据中任意一种或几种组合。
其中,所述提醒包括:如发现心率升高与运动速度、运动时长不相匹配时,或者运动停止或运动强度放缓后心率不能及时恢复,则提醒用户。
于本发明的一实施例中,所述评估体能信息、及所述实时体能信息包括:有氧运动能力、及无氧运动能力。
于本发明的一实施例中,所述有氧运动能力依据乳酸阈值、及最大耗氧量进行评价;所述无氧运动能力依据爆发力进行评价。
其中,乳酸阈值也叫无氧阈值,是衡量人运动能力的一个重要指标。人运动要有能量,糖类提供能量有两种方式,一种是有氧氧化,一种是无氧糖酵解。运动强度低的时候,有氧氧化可以提供足够的能量,运动强度提高后,有氧氧化因为速度慢,跟不上供应,就需要无氧糖酵解提供能量,无氧糖酵解会产生代谢产物乳酸,体内的乳酸产生速度超过了身体分解和排除乳酸的速度,导致乳酸开始在肌肉和血液里积累。乳酸在肌肉内聚集,会增加肌肉内酸性,使肌肉疲劳,不能继续收缩。所以,运动时乳酸越少越好,乳酸产生的越晚越好。一旦超过这个乳酸阈值,乳酸浓度就会迅速升高了
于本发明的一实施例中,乳酸阈值的计算方法为:LT=((最大心率-静态时的心率)×0.5+静态时的心率)±α;
其中,LT=乳酸阈值,最大心率=220-年龄,总环境参数=α。
其中,所述最大心率还可通过实际测试运动过程采集到用户实际的最大心率获得。
通过训练,可以推迟乳酸阈值的来临,也就是说,乳酸的积累在更高的运动量时发生。无氧阈值的到来和个人体质有密切关系。普通人的乳酸阈值在最大心率的70%~75%之间,运动员的乳酸阈值介于最大心率的85%和90%之间。
所述最大耗氧量是在从事最激烈的运动时,组织细胞所能消耗或利用的最高氧气量数值。是可用来作为判断个人有氧运动能量及心肺能力的最佳指标,并可透过最大耗氧量设定耐力运动训练强度。
于本发明的一实施例中,最大耗氧量的计算方法为:
最大耗氧量(ml/min/kg)=132.853-(0.03488×体重)-(0.3877×年龄)+(6.315×性别)-(3.2649×运动时间))-0.1565×运动心率±总环境参数。
需要指标单位:体重(kg),年龄(岁),心率(次),性别(女=0,男=1),时间(分钟)。
其中,所述最大耗氧量计算方法还可以根据用户历次数据及用户群体的数据来进行优化调整,所述优化调整的方法包括但不限于神经网络等机器学习算法,其优化调整过程可以在采集设备上进行,还可以在数据接收端和存储端来实现该过程,如云端。
所述有氧运动能力依据不同数值的乳酸阈值与最大耗氧量划分不同分值,并依据分值给出相应评价,同时给出具体的乳酸阈值与最大耗氧量数值。
用户可根据乳酸阈值与最大耗氧量数值的变化,充分了解自己的有氧运动能力的变化。
所述爆发力与疲劳百分比是衡量无氧运动较为重要的指标。其中,于本发明的一实施例中,所述爆发力的计算方法为:爆发力=体重×加速度;其中,速度=距离/时间;加速度=速度/时间。
所述疲劳百分数的计算方法为:疲劳百分数=(爆发力1-爆发力2)/(时间1-时间2)。所述无氧运动能力依据不同数值的爆发力与疲劳百分数划分不同分值,并依据分值给出相应评价,同时给出具体的爆发力与疲劳百分数数值。
步骤S103:分析所述实时体能信息与历次实时体能信息以得到体能变化数据;
所述体能变化数据主要包括:乳酸阈值、最大耗氧量数值、爆发力、及疲劳百分数数值。
步骤S104:根据所述体能变化数据调整用于分析实时体能信息的计算参数;
其中,分析过程可使用神经网络算法中一种或多种机器学习或深度学习模型,调整评估模型的参数,使模型和分析结果更加准确。
其中所调整的计算参数主要包括:乳酸阈值的计算方法、最大耗氧量的计算方法中相关参数。
步骤S105:预测下次运动体能情况以给出相应运动或训练建议。
依据体能变化数据可预测下次运动体能情况,如乳酸阈值有所提升,则预测下次运动体能有上升的趋势,则给出适当增加运动量的建议。
为实现上述目的及其他相关目的,本发明提供一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现所述的运动体能分析方法。
所述计算机可读存储介质,本领域普通技术人员可以理解:实现上述各方法实施例的全部或部分步骤可以通过计算机程序相关的硬件来完成。前述的计算机程序可以存储于一计算机可读存储介质中。该程序在执行时,执行包括上述各方法实施例的步骤;而前述的存储介质包括:ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
为实现上述目的及其他相关目的,本发明提供一种运动体能分析设备,其特征在于,包括:采集单元201、处理单元202及存储单元203;所述存储单元203,用于存储人体基本信息、以及历史运动数据或测试运动数据;所述采集单元201,用于采集并记录实时运动数据,其中,所述运动数据包括:生理参数、运动参数和/或环境参数;所述处理单元202,耦接所述采集单元、显示单元及存储单元,用于根据所述人体基本信息、以及历史运动数据或测试运动数据计算得到评估体能信息;并用于根据所述实时运动数据计算得到实时体能信息;还用于结合已有运动数据中不同运动参数和/或环境参数相应的生理参数,监测实时运动数据中生理参数是否异常,若是则进行提醒;还用于分析所述实时体能信息与历次实时体能信息以得到体能变化数据;根据所述体能变化数据调整用于分析实时体能信息的计算参数;并预测下次运动体能情况以匹配相应运动或训练建议。
所述采集单元201包含:心率传感器或脉搏传感器等现有具备检测心率功能的装置、呼吸频率检测装置、血氧传感器、血氧传感器或血氧仪、环境参数(海拔、温度、湿度、气压)测量仪或传感器中一种或多种组合。
所述处理单元202可以是通用处理器,包括中央处理器(CentralProcessingUnit,简称CPU)、网络处理器(NetworkProcessor,简称NP)等;还可以是数字信号处理器(DigitalSignalProcessing,简称DSP)、专用集成电路(ApplicationSpecificIntegratedCircuit,简称ASIC)、现场可编程门阵列(Field-ProgrammableGateArray,简称FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
所述存储单元203可能包含随机存取存储器(RandomAccessMemory,简称RAM),也可能还包括非易失性存储器(non-volatilememory),例如至少一个磁盘存储器。
上述实施例仅例示性说明本发明的原理及其功效,而非用于限制本发明。任何熟悉此技术的人士皆可在不违背本发明的精神及范畴下,对上述实施例进行修饰或改变。因此,举凡所属技术领域中具有通常知识者在未脱离本发明所揭示的精神与技术思想下所完成的一切等效修饰或改变,仍应由本发明的权利要求所涵盖。
Claims (9)
1.一种运动体能分析方法,其特征在于,应用于运动体能分析设备,所述方法包括:
接收人体基本信息、以及历史运动数据或测试运动数据,计算得到评估体能信息;所述运动数据包括:生理参数、运动参数和/或环境参数;
采集并记录实时运动数据,计算得到实时体能信息;结合已有运动数据中不同运动参数和/或环境参数相应的生理参数,监测实时运动数据中生理参数是否异常,若是则进行提醒;
分析所述实时体能信息与历次实时体能信息以得到体能变化数据;
根据所述体能变化数据调整用于分析实时体能信息的计算参数;
预测下次运动体能情况以给出相应运动或训练建议。
2.根据权利要求1所述的运动体能分析方法,其特征在于,所述人体基本信息包括:身高、体重、年龄、性别、及静态心率。
3.根据权利要求1所述的运动体能分析方法,其特征在于,所述生命体征参数包括:运动心率,呼吸频率、及血氧饱和度。
4.根据权利要求1所述的运动体能分析方法,其特征在于,所述运动参数包括:运动时长、运动距离、及运动速度。
5.根据权利要求1所述的运动体能分析方法,其特征在于,所述环境参数包括:海拔高度、路面坡度、天气、温度,湿度、气压、风向、及风力中任意一种或几种组合。
6.根据权利要求1所述的运动体能分析方法,其特征在于,所述评估体能信息、及所述实时体能信息包括:有氧运动能力、及无氧运动能力。
7.根据权利要求6所述的运动体能分析方法,其特征在于,所述有氧运动能力依据乳酸阈值、及最大耗氧量进行评价;所述无氧运动能力依据爆发力进行评价。
8.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现权利要求1至7中任一项所述的运动体能分析方法。
9.一种运动体能分析设备,其特征在于,包括:采集单元、处理单元及存储单元;
所述存储单元,用于存储人体基本信息、以及历史运动数据或测试运动数据;
所述采集单元,用于采集并记录实时运动数据,其中,所述运动数据包括:生理参数、运动参数和/或环境参数;
所述处理单元,耦接所述采集单元、显示单元及存储单元,用于根据所述人体基本信息、以及历史运动数据或测试运动数据计算得到评估体能信息;并用于根据所述实时运动数据计算得到实时体能信息;还用于结合已有运动数据中不同运动参数和/或环境参数相应的生理参数,监测实时运动数据中生理参数是否异常,若是则进行提醒;还用于分析所述实时体能信息与历次实时体能信息以得到体能变化数据;根据所述体能变化数据调整用于分析实时体能信息的计算参数;并预测下次运动体能情况以匹配相应运动或训练建议。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810710762.9A CN108970085B (zh) | 2018-07-03 | 2018-07-03 | 运动体能分析方法、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810710762.9A CN108970085B (zh) | 2018-07-03 | 2018-07-03 | 运动体能分析方法、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108970085A true CN108970085A (zh) | 2018-12-11 |
CN108970085B CN108970085B (zh) | 2020-05-19 |
Family
ID=64539787
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810710762.9A Active CN108970085B (zh) | 2018-07-03 | 2018-07-03 | 运动体能分析方法、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108970085B (zh) |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110327596A (zh) * | 2019-07-15 | 2019-10-15 | 墨威嘉慧(杭州)科技有限公司 | 一种运动分析技术及系统 |
CN110974188A (zh) * | 2019-11-18 | 2020-04-10 | 国康生物工程(深圳)有限公司 | 健康数据的调节方法、终端设备及计算机可读存储介质 |
CN111530037A (zh) * | 2020-05-13 | 2020-08-14 | 广东高驰运动科技有限公司 | 用于评估跑步运动中身体机能反应状态的方法及设备 |
CN111564197A (zh) * | 2020-04-14 | 2020-08-21 | 南京学立安教育科技有限公司 | 一种体育运动智能分析系统及方法 |
CN112137835A (zh) * | 2019-06-27 | 2020-12-29 | 丰田自动车株式会社 | 学习系统、复健辅助系统、方法、程序及学习完毕模型 |
CN113066556A (zh) * | 2020-01-02 | 2021-07-02 | 博晶医电股份有限公司 | 基于不同体能表现水平的运动指导方法 |
CN113440828A (zh) * | 2021-03-29 | 2021-09-28 | 厦门市思芯微科技有限公司 | 一种基于云计算的跑步状态监测方法、系统及存储介质 |
CN113476808A (zh) * | 2021-07-09 | 2021-10-08 | 烟台工程职业技术学院(烟台市技师学院) | 智能体育运动数据测量方法及装置 |
CN113491871A (zh) * | 2020-04-08 | 2021-10-12 | 博晶医电股份有限公司 | 以多重方案监控运动期间的方法 |
CN113680012A (zh) * | 2021-08-25 | 2021-11-23 | 济南力生体育用品有限公司 | 一种可调配重式多功能钟摆器及其监测指示方法 |
CN114288629A (zh) * | 2021-12-08 | 2022-04-08 | 广东技术师范大学 | 基于大数据的体能信息采集分析系统及方法 |
CN114504777A (zh) * | 2022-04-19 | 2022-05-17 | 西南石油大学 | 基于神经网络和模糊综合评价的锻炼强度计算系统和方法 |
CN114642424A (zh) * | 2022-03-22 | 2022-06-21 | 北京蓝田医疗设备有限公司 | 一种基于体感交互技术的体能评估方法和装置 |
CN117435907A (zh) * | 2023-08-14 | 2024-01-23 | 北京体育大学 | 一种基于数据分析的体育记录检测方法及装置 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106512371A (zh) * | 2016-11-28 | 2017-03-22 | 邹敏伟 | 多用户体能遥测监控和反馈系统 |
CN107303430A (zh) * | 2016-04-22 | 2017-10-31 | 明跃国际健康科技股份有限公司 | 健身训练阻力系统及其控制调整方法 |
CN107737439A (zh) * | 2017-10-18 | 2018-02-27 | 徐�明 | 一种进阶式体能训练系统及方法 |
CN108091381A (zh) * | 2018-01-11 | 2018-05-29 | 深圳市智慧健康产业发展有限公司 | 一种基于体征大数据的健康运动目标评估方法 |
US20180160921A1 (en) * | 2016-12-13 | 2018-06-14 | Seiko Epson Corporation | Physical ability evaluation system, electronic apparatus, physical ability evaluation server, physical ability evaluation method, physical ability evaluation program, and recording medium |
-
2018
- 2018-07-03 CN CN201810710762.9A patent/CN108970085B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107303430A (zh) * | 2016-04-22 | 2017-10-31 | 明跃国际健康科技股份有限公司 | 健身训练阻力系统及其控制调整方法 |
CN106512371A (zh) * | 2016-11-28 | 2017-03-22 | 邹敏伟 | 多用户体能遥测监控和反馈系统 |
US20180160921A1 (en) * | 2016-12-13 | 2018-06-14 | Seiko Epson Corporation | Physical ability evaluation system, electronic apparatus, physical ability evaluation server, physical ability evaluation method, physical ability evaluation program, and recording medium |
CN107737439A (zh) * | 2017-10-18 | 2018-02-27 | 徐�明 | 一种进阶式体能训练系统及方法 |
CN108091381A (zh) * | 2018-01-11 | 2018-05-29 | 深圳市智慧健康产业发展有限公司 | 一种基于体征大数据的健康运动目标评估方法 |
Cited By (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112137835A (zh) * | 2019-06-27 | 2020-12-29 | 丰田自动车株式会社 | 学习系统、复健辅助系统、方法、程序及学习完毕模型 |
CN110327596A (zh) * | 2019-07-15 | 2019-10-15 | 墨威嘉慧(杭州)科技有限公司 | 一种运动分析技术及系统 |
CN110974188A (zh) * | 2019-11-18 | 2020-04-10 | 国康生物工程(深圳)有限公司 | 健康数据的调节方法、终端设备及计算机可读存储介质 |
CN113066556B (zh) * | 2020-01-02 | 2022-10-28 | 博晶医电股份有限公司 | 基于不同体能表现水平的运动指导方法 |
CN113066556A (zh) * | 2020-01-02 | 2021-07-02 | 博晶医电股份有限公司 | 基于不同体能表现水平的运动指导方法 |
CN113491871A (zh) * | 2020-04-08 | 2021-10-12 | 博晶医电股份有限公司 | 以多重方案监控运动期间的方法 |
CN111564197A (zh) * | 2020-04-14 | 2020-08-21 | 南京学立安教育科技有限公司 | 一种体育运动智能分析系统及方法 |
CN111530037A (zh) * | 2020-05-13 | 2020-08-14 | 广东高驰运动科技有限公司 | 用于评估跑步运动中身体机能反应状态的方法及设备 |
CN111530037B (zh) * | 2020-05-13 | 2021-10-01 | 广东高驰运动科技有限公司 | 用于评估跑步运动中身体机能反应状态的方法及设备 |
CN113440828A (zh) * | 2021-03-29 | 2021-09-28 | 厦门市思芯微科技有限公司 | 一种基于云计算的跑步状态监测方法、系统及存储介质 |
CN113476808A (zh) * | 2021-07-09 | 2021-10-08 | 烟台工程职业技术学院(烟台市技师学院) | 智能体育运动数据测量方法及装置 |
CN113680012A (zh) * | 2021-08-25 | 2021-11-23 | 济南力生体育用品有限公司 | 一种可调配重式多功能钟摆器及其监测指示方法 |
CN114288629A (zh) * | 2021-12-08 | 2022-04-08 | 广东技术师范大学 | 基于大数据的体能信息采集分析系统及方法 |
CN114288629B (zh) * | 2021-12-08 | 2022-11-15 | 广东技术师范大学 | 基于大数据的体能信息采集分析系统及方法 |
CN114642424A (zh) * | 2022-03-22 | 2022-06-21 | 北京蓝田医疗设备有限公司 | 一种基于体感交互技术的体能评估方法和装置 |
CN114504777A (zh) * | 2022-04-19 | 2022-05-17 | 西南石油大学 | 基于神经网络和模糊综合评价的锻炼强度计算系统和方法 |
CN114504777B (zh) * | 2022-04-19 | 2022-07-15 | 西南石油大学 | 基于神经网络和模糊综合评价的锻炼强度计算系统和方法 |
CN117435907A (zh) * | 2023-08-14 | 2024-01-23 | 北京体育大学 | 一种基于数据分析的体育记录检测方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN108970085B (zh) | 2020-05-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108970085A (zh) | 运动体能分析方法、设备及存储介质 | |
Guo et al. | An XGBoost-based physical fitness evaluation model using advanced feature selection and Bayesian hyper-parameter optimization for wearable running monitoring | |
Chowdhury et al. | Real-time robust heart rate estimation from wrist-type PPG signals using multiple reference adaptive noise cancellation | |
US20200146567A1 (en) | Pulse wave device and method of discriminating and quantifying fatigue | |
Драчук et al. | Energy supply capacity when using different exercise modes for young 17–19-year-old men | |
CN109328034A (zh) | 用于确定对象的睡眠阶段的确定系统和方法 | |
CN109875544A (zh) | 用于运动员精准选材的心脏机能评定方法 | |
CN107174209A (zh) | 基于非线性动力学的睡眠阶段分期方法 | |
CN110353692B (zh) | 基于生物信号的体能、疲劳、恢复能力的评测系统及方法 | |
Fisher et al. | An interdisciplinary examination of stress and injury occurrence in athletes | |
CN105266764B (zh) | 一种中医宗气测评装置 | |
Gu et al. | Detecting breathing frequency and maintaining a proper running rhythm | |
Gallagher et al. | Physical fitness: its evaluation and significance | |
US20210085242A1 (en) | System and method for determining sleep stages based on non-cardiac body signals | |
Žumbakytė-Šermukšnienė et al. | Assessment of functional conditions of basketball and football players during the load by applying the model of integrated evaluation | |
CN115137299A (zh) | 一种确定训练状态的方法及装置 | |
M. Jones et al. | Assessment of the lactate and ventilatory thresholds by breathing frequency in runners | |
Montes | Validation and reliability of the Hexoskin and Fitbit Flex wearable BIO collection devices | |
Whyte et al. | Alterations in cardiac morphology and function in elite multi-disciplinary athletes | |
US20170367637A1 (en) | Apparatus and method for monitoring, assessing and managing functional state | |
Maheedhar et al. | StayFit: A wearable application for Gym based power training | |
McDonald et al. | Use of dissociation strategies when running becomes difficult: levels of ability and gender differences | |
Jarkoff et al. | Assessing the accuracy of a smart collar for dogs: Predictive performance for heart and breathing rates on a large scale dataset | |
Passafiume et al. | The influence of receiving real-time visual feedback on breathing during treadmill running to exhaustion | |
Liu | Study on Improving the Cardiopulmonary Function of Undergraduate by Orienteering |
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 |