CN109448815A - 自助健身方法、装置、计算机设备及存储介质 - Google Patents

Abstract

本发明提出一种自助健身方法，所述方法包括：采集用户在健身过程中的运动信息，所述运动信息包括肌肉特征参数；依据所述运动信息构建锻炼模型，所述锻炼模型中包括依据所述肌肉特征参数计算得到的用户发力点位置；将所述锻炼模型与预设的标准模型进行匹配，当判断所述锻炼模型中的用户发力点位置与所述标准模型中的标准发力点位置匹配不成功时输出第一提示信息。本发明实现了纠正用户健身过程中的肌肉发力点位置并提示用户标准的发力点位置，帮助用户根据标准的发力点位置更正自己不规范的发力动作，不仅可以增强健身效果，而且还可以避免由于用户错误的健身方式导致健身器材的损坏和影响用户身体健康的问题。

Description

自助健身方法、装置、计算机设备及存储介质

技术领域

本发明涉及健身设备技术领域，尤其涉及一种自助健身方法、装置、计算机设备及存储介质。

背景技术

随着健身活动的不断普及，健身设备和健身方式的种类也越来越多。现代生活中由于上下班时间不固定，而现有的健身房大部分营业时间大部分与工作时间冲突，因此，自助式的健身方式越来越受欢迎。在自助健身过程中，健身者只能模糊的通过身体的劳累程度来确定自身状态，并基于大致的健身目标调整自身的运动模式，大多数健身者并不能准确地获知自己健身动作是否标准，能不能达到健身效果。在健身过程中，错误的健身姿势不仅会影响健身效果，而且会影响健身者的身体健康。

在现有的自助健身方案中，至少存在一下缺陷：

1，用户无法获知自身的健身动作是否能达到该有的效果；

2，无法为用户给出安全提示；

3，用户身份识别方面存在缺陷，现有的自助式健身房都是靠APP打卡，存在借用他人账户进入健身的情况。

发明内容

本发明提供一种自助健身方法及相应的装置，其主要实现了纠正用户健身过程中的肌肉发力点位置并提示用户标准的发力点位置，帮助用户根据标准的发力点位置更正自己不规范的发力动作。

本发明还提供一种用于执行本发明的自助健身方法的计算机设备及可读存储介质。

为解决上述问题，本发明采用如下各方面的技术方案：

第一方面，本发明提供一种自助健身方法，所述方法包括：

采集用户在健身过程中的运动信息，所述运动信息包括肌肉特征参数；

依据所述运动信息构建锻炼模型，所述锻炼模型中包括依据所述肌肉特征参数计算得到的用户发力点位置；

将所述锻炼模型与预设的标准模型进行匹配，当判断所述锻炼模型中的用户发力点位置与所述标准模型中的标准发力点位置匹配不成功时输出第一提示信息。

具体的，所述将所述锻炼模型与预设的标准模型进行匹配，当判断所述锻炼模型中的用户发力点位置与预所述标准模型中的标准发力点位置匹配不成功时输出第一提示信息，包括：

将所述用户发力点位置与所述标准发力点位置进行比对，当所述用户发力点位置与所述标准发力点位置的第一误差值在预设的第一预设阈值之内，则判断匹配成功，否则，判断匹配不成功，输出所述第一提示信息。

具体的，所述运动信息还包括运动姿态信息，所述锻炼模型中还包括依据所述运动姿态信息构建的动作模型；所述依据所述运动信息构建锻炼模型，还包括：

依据所述运动姿态信息构建用户的动作模型。

具体的，所述将所述锻炼模型与所述标准模型进行匹配，还包括：

将所述动作模型与所述标准动作进行比对，若所述动作模型与所述标准动作的第二误差值在预设的第二预设阈值之内，则判断匹配成功；

否则，判断匹配不成功，输出第二提示信息。

优选的，还包括：

获取用户的手掌特征信息，依据所述手掌特征信息获取该用户最近一次的第二误差值；

获取该用户当前的第二误差值，若所述最近一次的第二误差值和当前的第二误差值均小于预设的第三预设阈值，则开启相应的健身器材。

具体的，还包括；

获取用户的手掌特征信息，将所述手掌特征信息与预设数据库中的注册手掌信息进行匹配，若匹配成功，则开启相应的健身器材，否则输出第三提示信息。

具体的，所述依据所述运动信息构建锻炼模型，所述锻炼模型中包括依据所述肌肉特征参数计算得到的用户发力点位置，包括：

依据所述肌肉特征参数中的肌电信号以及肌肉收缩特征参数确定所述用户发力点位置。

第二方面，本发明提供一种自助健身装置，包括：

采集模块，用于采集用户在健身过程中的运动信息，所述运动信息包括肌肉特征参数；

构建模块，用于依据所述运动信息构建锻炼模型，所述锻炼模型中包括依据所述肌肉特征参数计算得到的用户发力点位置；

提示模块，用于将所述锻炼模型与预设的标准模型进行匹配，当判断所述锻炼模型中的用户发力点位置与所述标准模型中的标准发力点位置匹配不成功时输出第一提示信息。

第三方面，本发明提供一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，该计算机程序被处理器执行时实现第一方面中任一项所述自助健身方法的步骤。

第四方面，本发明提供一种计算机设备，其特征在于，包括存储器和处理器，所述存储器中存储有计算机可读指令，所述计算机可读指令被所述处理器执行时，使得所述处理器执行如第一方面中任一项权利要求所述自助健身方法的步骤。

相对于现有技术，本发明的技术方案至少具备如下优点：

1、本发明提供一种自助健身方法，通过一种自助健身方法，通过采集用户在健身过程中的运动信息，所述运动信息包括肌肉特征参数；依据所述运动信息构建锻炼模型，所述锻炼模型中包括依据所述肌肉特征参数计算得到的用户发力点位置；将所述锻炼模型与预设的标准模型进行匹配，当判断所述锻炼模型中的用户发力点位置与所述标准模型中的标准发力点位置匹配不成功时输出第一提示信息。本发明实现了纠正用户健身过程中的肌肉发力点位置并提示用户标准的发力点位置，帮助用户根据标准的发力点位置更正自己不规范的发力动作，实现辅助用户更好地健身。

2、本发明所述运动信息还包括运动姿态信息，所述锻炼模型中还包括依据所述运动姿态信息构建的动作模型，本发明将所述锻炼模型与所述标准模型进行匹配时还包括将所述动作模型与所述标准动作进行比对，若所述动作模型与所述标准动作的第二误差值在预设的第二阈值之内，则判断匹配成功；否则，判断匹配不成功，输出第二提示信息。本发明通过检测用户健身过程中的健身动作是否标准，通过将用户的健身动作与标准动作进行匹配以实现纠正用户的健身动作，让用户的健身动作趋于规范化，帮助用户达到更好的健身效果。

3、本发明可以获取用户的手掌特征信息，将所述手掌特征信息与预设数据库中的注册手掌信息进行匹配，若匹配成功，则开启相应的健身器材，否则输出第二提示信息。通过采集用户的手掌信息对用户的身份进行识别。另外，本发明还可以通过采集用户的手掌特征信息，依据所述手掌特征信息获取用户历史的第二误差值，依据所述历史的第二误差值确定是否开启相应的器材。本发明通过获取用户的手掌特征信息一方面实现了对用户身份信息的校验，另一方面实现了可根据用户的历史健身数据确定是否开启相应的器材，避免一些新手用户由于使用不当对某些器材造成损坏。

4、本发明还可以通过采集所述肌肉特征信息判断用户的能量值，在判断用户的能量值低于预设能量阈值时，输出提示信息，避免用户由于缺乏健身经验，健身时间过长，或者使用健身器材的力度过大，造成健身过程中的安全事故。

附图说明

图1为一个实施例中自助健身方法流程图；

图2为另一实施例中自助健身方法流程图；

图3为一个实施例中自助健身装置结构框图；

图4为另一实施例中自助健身装置结构框图；

图5为一个实施例中计算机设备的内部结构框图。

本发明目的实现、功能特点及优点将结合实施例，参照附图做进一步说明。

具体实施方式

为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述。

在本发明的说明书和权利要求书及上述附图中的描述的一些流程中，包含了按照特定顺序出现的多个操作，但是应该清楚了解，这些操作可以不按照其在本文中出现的顺序来执行或并行执行，操作的序号如S11、S12等，仅仅是用于区分开各个不同的操作，序号本身不代表任何的执行顺序。另外，这些流程可以包括更多或更少的操作，并且这些操作可以按顺序执行或并行执行。需要说明的是，本文中的“第一”、“第二”等描述，是用于区分不同的消息、设备、模块等，不代表先后顺序，也不限定“第一”和“第二”是不同的类型。

本领域普通技术人员可以理解，除非特意声明，这里使用的单数形式“一”、“一个”、“所述”和“该”也可包括复数形式。应该进一步理解的是，本发明的说明书中使用的措辞“包括”是指存在所述特征、整数、步骤、操作、元件和/或组件，但是并不排除存在或添加一个或多个其他特征、整数、步骤、操作、元件、组件和/或它们的组。应该理解，当我们称元件被“连接”或“耦接”到另一元件时，它可以直接连接或耦接到其他元件，或者也可以存在中间元件。此外，这里使用的“连接”或“耦接”可以包括无线连接或无线耦接。这里使用的措辞“和/或”包括一个或更多个相关联的列出项的全部或任一单元和全部组合。

本领域普通技术人员可以理解，除非另外定义，这里使用的所有术语(包括技术术语和科学术语)，具有与本发明所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是，诸如通用字典中定义的那些术语，应该被理解为具有与现有技术的上下文中的意义一致的意义，并且除非像这里一样被特定定义，否则不会用理想化或过于正式的含义来解释。

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

请参阅图1，本发明实施例提供一种自助健身方法，如图1所示，所述方法包括以下步骤：

S11、采集用户在健身过程中的运动信息，所述运动信息包括肌肉特征参数。

本发明实施例中，所述运动信息包括运动姿态信息以及肌肉特征参数。本发明可以通过佩戴于用户各个身体部位的姿态传感器采集用户在健身过程中的运动姿态信息；或者，通过设置在用户所使用的健身器材上的姿态传感器采集用户在健身过程中的运动姿态信息。

在本实施例中，所述姿态传感器包括但不限于六轴传感器、九轴传感器。所述姿态传感器可以由用户佩戴在各个身体部位，例如：手腕、手臂、脚腕、小腿下部以及大腿上部等身体部位；也可以设置于健身器材的各个运动机构上。

本发明实施例中，可以通过设于用户身上的用于采集生理特征参数的仪器采集身上肌肉特征参数，例如，肌电信号测量仪、肌肉收缩传感器等。肌电信号测量仪用于采集肌电信号，肌电信号是众多肌纤维中运动单元动作电位(MUAP)在时间和空间上的叠加。表面肌电信号(SEMG)是浅层肌肉EMG和神经干上电活动在皮肤表面的综合效应，能在一定程度上反映神经肌肉的活动。通过肌电信号测量仪可以检测肌肉的发力情况、评估肌肉的力量以及肌肉的发力点位置。

S12、依据所述运动信息构建锻炼模型，所述锻炼模型中包括依据所述肌肉特征参数计算得到的用户发力点位置。

本发明实施例中，所述运动信息包括肌肉特征参数，相应的，所述锻炼模型包括依据所述肌肉特征参数计算得到的用户发力点位置。

进一步的，本发明可以通过获取收缩肌肉特征参数计算用户的用户发力点位置，其中，收缩肌肉特征参数包括但不限于肌电信号以及各块肌肉的收缩特征参数。一种可能的设计中，本发明可以依据获取的肌电信号以及各块肌肉的收缩特征参数记录用户各块肌肉的活动情况。例如，依据获取的肌电信号以及各块肌肉的收缩特征参数分析计算各块肌肉的活动强度，依据所述活动强度判断活动强度最大的肌肉位置即为发力点位置。

另一种实施例中，本发明还可以通过采集的所述肌肉特征参数判断当前用户的能量值，在判断所述能量值低于预设能量阈值时，输出提示结束锻炼的信息，避免用户由于缺乏健身经验，健身时间过长，或者力度过大，造成健身过程中的安全事故。

另一种实施方式中，所述运动信息还包括运动姿态信息，所述锻炼模型中还包括依据所述运动姿态信息构建的动作模型，本发明可以依据所述运动姿态信息构建用户的动作模型。

进一步的，所述运动姿态信息包括各个姿态传感器检测到的用户的身体各个部位或者健身器材各个运动机构的运动方向、速度等，在获取各个姿态传感器所采集到的运动姿态信息后，可以根据各个姿态传感器所在的位置以及各个姿态传感器所对应用户的身体各个部位或者健身器材各个运动机构的运动方向、速度等的运动姿态信息构建出用户在健身过程中的动作模型。

S13、将所述锻炼模型与预设的标准模型进行匹配，当判断所述锻炼模型中的用户发力点位置与所述标准模型中的标准发力点位置匹配不成功时输出第一提示信息。

本发明实施例中，将所述锻炼模型与预设的标准模型进行匹配时，通过将所述用户发力点位置与所述标准发力点位置进行比对，当所述用户发力点位置与所述标准发力点位置的第一误差值在预设的第一预设阈值之内，则判断匹配成功，否则，判断匹配不成功，输出所述第一提示信息。其中，所述第一提示信息包括但不限于语音提示信息、图像提示信息、文字提示信息或者几种提示方式结合的方式。其中，所述语音提示信息、所述图像提示信息以及所述文字提示信息中至少包含所述标准发力点以及当前发力点为不标准发力点的提示内容。

另一种实施方式中，所述运动信息还包括运动姿态信息，所述锻炼模型中还包括依据所述运动姿态信息构建的动作模型。进一步的，本发明将所述锻炼模型与预设的标准模型进行匹配时，还包括将所述将所述动作模型与所述标准动作进行比对，若所述动作模型与所述标准动作的第二误差值在预设的第二预设阈值之内，则判断匹配成功；否则，判断匹配不成功，输出第二提示信息。其中，所述第二提示信息包括但不限于语音提示信息、图像提示信息、文字提示信息或者几种提示方式结合的方式。所述图像提示信息中包括标准动作的图像信息，所述文字信息中包含标准动作的描述信息。

请参考图2，另一实施例中，还包括一个步骤S14：

S14、获取用户的手掌特征信息，将所述手掌特征信息与预设数据库中的注册手掌信息进行匹配，若匹配成功，则开启相应的健身器材，否则输出第三提示信息。

本发明实施例中，所述手掌特征信息包括掌纹特征信息以及指纹特征信息。具体的，本发明预先构建所述预设数据库，所述预设数据库中包含所有已注册用户的手掌信息。

本发明可以通过采集用户的手掌图像，再通过对所述手掌图像进行数据处理提取所述手掌特征信息，通过将所述手掌特征信息与所述注册手掌信息根据预先设定的匹配算法进行匹配，若匹配成功时，则判断当前用户的身份校验通过，否则，判断当前用户的身份校验不通过，此时输出第三提示信息。其中，所述第三提示信息包括但不限于语音提示信息、文字提示信息、图示方式提示信息或者报警信息，其中所述语音提示信息、所述文字提示信息以及图示方式提示信息的内容中至少包含当前用户为非注册用户等内容。

一种可能的设计中，本发明对用户的手掌特征信息进行识别的具体方案如下：

用户的手掌特征信息的识别总体流程为：

手掌图像采集-预处理-手掌特征信息提取-手掌特征信息匹配-匹配结果

(1)手掌图像采集

一种可能的设计中，本发明可以通过安装于健身器材上的手掌特征信息采集设备采集用户的手掌特征信息。一般的，通过接触式的方式采集所述手掌特征信息一般包括以下两种方式：

其一、基于数字扫描仪的采集方式

该方式是直接用数字扫描仪来扫描手掌获取图像，是一种接触式的掌纹数字图像采集方式。器获取图像的方法简单，设备体积小，但得到图像的速度较慢，采集免容易受污损，不利于实时掌纹识别。

其二、基于CCD设备的采集方式

该采集方式采集到的手掌图像，清晰度高，图像尺寸小，掌纹定位准确，获取图像速度快，适合实时系统的应用，是一种半接触式的掌纹识别方法。

(2)预处理

采集到的手掌图像往往会含有噪声，因此，在特征提取之前需要进行预处理。预处理的过程通常包括平滑滤波去噪、二值化、轮廓跟踪、关键点定位、平移、旋转矫正以及提取干兴趣的掌纹中心区域。

(3)手掌特征信息提取

一般的，所述手掌特征信息包括一下几种：

1，幅度特征。幅度特征主要有灰度图像的像素灰度值、彩色图像的像素三色值和频谱值等。

2，统计特征。统计特征主要包括直方图特征、统计型特征(如均值、能量、熵)和像素相关性的统计特征(如斜方差、自相关系数等)。

3，几何特征。几何特征主要有面积、周长、分散度、曲线斜率、曲率和凹凸性。

4，变换系数特征。变换系数包括K-L变换系数、傅里叶变换系数等。

5，纹理特征。纹理特征包含了频率和方向信息，可以看作是信息的载体。

一般的，可以提取以上几种特征中的一种或多种手掌特征信息进行处理。常用的手掌特征信息提取方法包括：基于结构的特征提取、基于统计的特征提取、基于子空间的特征提取、基于时频分析的特征提取、基于编码的特征提取、基于模板的特征提取以及基于光谱的特征提取。

(4)手掌特征信息匹配

将提取的手掌特征信息与预先建立的注册手掌特征信息进行匹配，根据匹配算法输出匹配结果。常用的匹配算法包括欧式距离、海明距离、明氏距离、BP神经网络、相关系数值、隐马尔科夫模型、点对区域匹配以及支持向量机等。

(5)输出匹配结果

若采集的手掌特征信息根据预先设定的匹配算法匹配成功时，则开启相应的健身器材；否则，输出手掌特征信息匹配不成功的提示信息，具体的，例如语音提示信息、文字提示信息或者报警，以便健身房的相关管理人员进行后续操作。

一种可能的应用场景中，比如在杠铃，器械等的握把可以加上指纹和掌纹解锁功能，可以通过采集并识别用户的手掌特征信息，实现对用户身份信息的识别。本发明通过掌纹识以及指纹识别机制，对用户的身份信息进行进一步的识别，避免一些用户通过借用他人账号而混入健身房锻炼，当身份识别不通过时，一方面可以发出报警提示信息，另一方面，可以不开启对应的健身器材使得非注册用户无法使用健身器材，有助于健身房的管理，避免闲杂人等混入健身房乱使用健身器材。

另一种实施例中，本发明还可以获取用户的手掌特征信息，依据所述手掌特征信息获取该用户的历史的第二误差值以及用户当前的第二误差值，依据所述历史的第二误差值依据当前的第二误差值，确定是否开启相应的健身器材。

一种可能的设计中，本发明可以获取最近一次的第二误差值以及该用户当前的第二误差值，若所述最近一次的第二误差值和当前的第二误差值均小于预设的第三预设阈值，则开启相应的健身器材。

请参考图3，在另一种实施例中，本发明提供了一种自助健身装置，包括：

采集模块11，用于采集用户在健身过程中的运动信息，所述运动信息包括肌肉特征参数。

本发明实施例中，所述运动信息包括运动姿态信息以及肌肉特征参数。本发明可以通过佩戴于用户各个身体部位的姿态传感器采集用户在健身过程中的运动姿态信息；或者，通过设置在用户所使用的健身器材上的姿态传感器采集用户在健身过程中的运动姿态信息。

在本实施例中，所述姿态传感器包括但不限于六轴传感器、九轴传感器。所述姿态传感器可以由用户佩戴在各个身体部位，例如：手腕、手臂、脚腕、小腿下部以及大腿上部等身体部位；也可以设置于健身器材的各个运动机构上。

本发明实施例中，可以通过设于用户身上的用于采集生理特征参数的仪器采集身上肌肉特征参数，例如，肌电信号测量仪、肌肉收缩传感器等。肌电信号测量仪用于采集肌电信号，肌电信号是众多肌纤维中运动单元动作电位(MUAP)在时间和空间上的叠加。表面肌电信号(SEMG)是浅层肌肉EMG和神经干上电活动在皮肤表面的综合效应，能在一定程度上反映神经肌肉的活动。通过肌电信号测量仪可以检测肌肉的发力情况、评估肌肉的力量以及肌肉的发力点位置。

构建模块12，用于依据所述运动信息构建锻炼模型，所述锻炼模型中包括依据所述肌肉特征参数计算得到的用户发力点位置。

本发明实施例中，所述运动信息包括肌肉特征参数，相应的，所述锻炼模型包括依据所述肌肉特征参数计算得到的用户发力点位置。

进一步的，本发明可以通过获取收缩肌肉特征参数计算用户的用户发力点位置，其中，收缩肌肉特征参数包括但不限于肌电信号以及各块肌肉的收缩特征参数。一种可能的设计中，本发明可以依据获取的肌电信号以及各块肌肉的收缩特征参数记录用户各块肌肉的活动情况。例如，依据获取的肌电信号以及各块肌肉的收缩特征参数分析计算各块肌肉的活动强度，依据所述活动强度判断活动强度最大的肌肉位置即为发力点位置。

另一种实施例中，本发明还可以通过采集的所述肌肉特征参数判断当前用户的能量值，在判断所述能量值低于预设能量阈值时，输出提示结束锻炼的信息，避免用户由于缺乏健身经验，健身时间过长，或者力度过大，造成健身过程中的安全事故。

另一种实施方式中，所述运动信息还包括运动姿态信息，所述锻炼模型中还包括依据所述运动姿态信息构建的动作模型，本发明可以依据所述运动姿态信息构建用户的动作模型。

进一步的，所述运动姿态信息包括各个姿态传感器检测到的用户的身体各个部位或者健身器材各个运动机构的运动方向、速度等，在获取各个姿态传感器所采集到的运动姿态信息后，可以根据各个姿态传感器所在的位置以及各个姿态传感器所对应用户的身体各个部位或者健身器材各个运动机构的运动方向、速度等的运动姿态信息构建出用户在健身过程中的动作模型。

提示模块13，用于将所述锻炼模型与预设的标准模型进行匹配，当判断所述锻炼模型中的用户发力点位置与所述标准模型中的标准发力点位置匹配不成功时输出第一提示信息。

本发明实施例中，将所述锻炼模型与预设的标准模型进行匹配时，通过将所述用户发力点位置与所述标准发力点位置进行比对，当所述用户发力点位置与所述标准发力点位置的第一误差值在预设的第一预设阈值之内，则判断匹配成功，否则，判断匹配不成功，输出所述第一提示信息。其中，所述第一提示信息包括但不限于语音提示信息、图像提示信息、文字提示信息或者几种提示方式结合的方式。其中，所述语音提示信息、所述图像提示信息以及所述文字提示信息中至少包含所述标准发力点以及当前发力点为不标准发力点的提示内容。

另一种实施方式中，所述运动信息还包括运动姿态信息，所述锻炼模型中还包括依据所述运动姿态信息构建的动作模型。进一步的，本发明将所述锻炼模型与预设的标准模型进行匹配时，还包括将所述将所述动作模型与所述标准动作进行比对，若所述动作模型与所述标准动作的第二误差值在预设的第二预设阈值之内，则判断匹配成功；否则，判断匹配不成功，输出第二提示信息。其中，所述第二提示信息包括但不限于语音提示信息、图像提示信息、文字提示信息或者几种提示方式结合的方式。所述图像提示信息中包括标准动作的图像信息，所述文字信息中包含标准动作的描述信息。

请参考图4，另一实施例中，还包括一个身份验证模块14：

身份验证模块14，用于获取用户的手掌特征信息，将所述手掌特征信息与预设数据库中的注册手掌信息进行匹配，若匹配成功，则开启相应的健身器材，否则输出第三提示信息。

本发明实施例中，所述手掌特征信息包括掌纹特征信息以及指纹特征信息。具体的，本发明预先构建所述预设数据库，所述预设数据库中包含所有已注册用户的手掌信息。

本发明可以通过采集用户的手掌图像，再通过对所述手掌图像进行数据处理提取所述手掌特征信息，通过将所述手掌特征信息与所述注册手掌信息根据预先设定的匹配算法进行匹配，若匹配成功时，则判断当前用户的身份校验通过，否则，判断当前用户的身份校验不通过，此时输出第三提示信息。其中，所述第三提示信息包括但不限于语音提示信息、文字提示信息、图示方式提示信息或者报警信息，其中所述语音提示信息、所述文字提示信息以及图示方式提示信息的内容中至少包含当前用户为非注册用户等内容。

一种可能的设计中，本发明对用户的手掌特征信息进行识别的具体方案如下：

用户的手掌特征信息的识别总体流程为：

手掌图像采集-预处理-手掌特征信息提取-手掌特征信息匹配-匹配结果

(1)手掌图像采集

一种可能的设计中，本发明可以通过安装于健身器材上的手掌特征信息采集设备采集用户的手掌特征信息。一般的，通过接触式的方式采集所述手掌特征信息一般包括以下两种方式：

其一、基于数字扫描仪的采集方式

该方式是直接用数字扫描仪来扫描手掌获取图像，是一种接触式的掌纹数字图像采集方式。器获取图像的方法简单，设备体积小，但得到图像的速度较慢，采集免容易受污损，不利于实时掌纹识别。

其二、基于CCD设备的采集方式

该采集方式采集到的手掌图像，清晰度高，图像尺寸小，掌纹定位准确，获取图像速度快，适合实时系统的应用，是一种半接触式的掌纹识别方法。

(2)预处理

采集到的手掌图像往往会含有噪声，因此，在特征提取之前需要进行预处理。预处理的过程通常包括平滑滤波去噪、二值化、轮廓跟踪、关键点定位、平移、旋转矫正以及提取干兴趣的掌纹中心区域。

(3)手掌特征信息提取

一般的，所述手掌特征信息包括一下几种：

1，幅度特征。幅度特征主要有灰度图像的像素灰度值、彩色图像的像素三色值和频谱值等。

2，统计特征。统计特征主要包括直方图特征、统计型特征(如均值、能量、熵)和像素相关性的统计特征(如斜方差、自相关系数等)。

3，几何特征。几何特征主要有面积、周长、分散度、曲线斜率、曲率和凹凸性。

4，变换系数特征。变换系数包括K-L变换系数、傅里叶变换系数等。

5，纹理特征。纹理特征包含了频率和方向信息，可以看作是信息的载体。

一般的，可以提取以上几种特征中的一种或多种手掌特征信息进行处理。常用的手掌特征信息提取方法包括：基于结构的特征提取、基于统计的特征提取、基于子空间的特征提取、基于时频分析的特征提取、基于编码的特征提取、基于模板的特征提取以及基于光谱的特征提取。

(4)手掌特征信息匹配

将提取的手掌特征信息与预先建立的注册手掌特征信息进行匹配，根据匹配算法输出匹配结果。常用的匹配算法包括欧式距离、海明距离、明氏距离、BP神经网络、相关系数值、隐马尔科夫模型、点对区域匹配以及支持向量机等。

(5)输出匹配结果

若采集的手掌特征信息根据预先设定的匹配算法匹配成功时，则开启相应的健身器材；否则，输出手掌特征信息匹配不成功的提示信息，具体的，例如语音提示信息、文字提示信息或者报警，以便健身房的相关管理人员进行后续操作。

一种可能的应用场景中，比如在杠铃，器械等的握把可以加上指纹和掌纹解锁功能，可以通过采集并识别用户的手掌特征信息，实现对用户身份信息的识别。本发明通过掌纹识以及指纹识别机制，对用户的身份信息进行进一步的识别，避免一些用户通过借用他人账号而混入健身房锻炼，当身份识别不通过时，一方面可以发出报警提示信息，另一方面，可以不开启对应的健身器材使得非注册用户无法使用健身器材，有助于健身房的管理，避免闲杂人等混入健身房乱使用健身器材。

另一种实施例中，本发明还可以获取用户的手掌特征信息，依据所述手掌特征信息获取该用户的历史的第二误差值以及用户当前的第二误差值，依据所述历史的第二误差值依据当前的第二误差值，确定是否开启相应的健身器材。

一种可能的设计中，本发明可以获取最近一次的第二误差值以及该用户当前的第二误差值，若所述最近一次的第二误差值和当前的第二误差值均小于预设的第三预设阈值，则开启相应的健身器材。

在另一种实施例中，本发明实施例提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，该程序被处理器执行时实现任一项技术方案所述的自助健身方法。其中，所述计算机可读存储介质包括但不限于任何类型的盘(包括软盘、硬盘、光盘、CD-ROM、和磁光盘)、ROM(Read-Only Memory，只读存储器)、RAM(Random AcceSSMemory，随即存储器)、EPROM(EraSable Programmable Read-Only Memory，可擦写可编程只读存储器)、EEPROM(Electrically EraSable Programmable Read-Only Memory，电可擦可编程只读存储器)、闪存、磁性卡片或光线卡片。也就是，存储设备包括由设备(例如，计算机、手机)以能够读的形式存储或传输信息的任何介质，可以是只读存储器，磁盘或光盘等。

本发明实施例提供的一种计算机可读存储介质，可实现采集用户在健身过程中的运动信息，所述运动信息包括肌肉特征参数；依据所述运动信息构建锻炼模型，所述锻炼模型中包括依据所述肌肉特征参数计算得到的用户发力点位置；将所述锻炼模型与预设的标准模型进行匹配，当判断所述锻炼模型中的用户发力点位置与所述标准模型中的标准发力点位置匹配不成功时输出第一提示信息。本发明实现了纠正用户健身过程中的肌肉发力点位置并提示用户标准的发力点位置，帮助用户根据标准的发力点位置更正自己不规范的发力动作，不仅可以增强健身效果，而且还可以避免由于用户错误的健身方式导致健身器材的损坏和影响用户身体健康的问题。

此外，在又一种实施例中，本发明提供了一种计算机设备，如图5所示，所述计算机设备包括处理器303、存储器305、输入单元307以及显示单元309等器件。本领域技术人员可以理解，图3示出的结构器件并不构成对所有计算机设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件。存储器305可用于存储应用程序301以及各功能模块，处理器303运行存储在存储器305的应用程序301，从而执行设备的各种功能应用以及数据处理。存储器305可以是内存储器或外存储器，或者包括内存储器和外存储器两者。内存储器可以包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦写可编程ROM(EEPROM)、快闪存储器、或者随机存储器。外存储器可以包括硬盘、软盘、ZIP盘、U盘、磁带等。本发明所公开的存储器包括但不限于这些类型的存储器。本发明所公开的存储器305只作为例子而非作为限定。

输入单元307用于接收信号的输入，以及接收用户输入的关键字。输入单元307可包括触控面板以及其它输入设备。触控面板可收集用户在其上或附近的触摸操作(比如用户使用手指、触笔等任何适合的物体或附件在触控面板上或在触控面板附近的操作)，并根据预先设定的程序驱动相应的连接装置；其它输入设备可以包括但不限于物理键盘、功能键(比如播放控制按键、开关按键等)、轨迹球、鼠标、操作杆等中的一种或多种。显示单元309可用于显示用户输入的信息或提供给用户的信息以及计算机设备的各种菜单。显示单元309可采用液晶显示器、有机发光二极管等形式。处理器303是计算机设备的控制中心，利用各种接口和线路连接整个电脑的各个部分，通过运行或执行存储在存储器303内的软件程序和/或模块，以及调用存储在存储器内的数据，执行各种功能和处理数据。图5中所示的一个或多个处理器303能够执行、实现图3中所示的采集模块11、构建模块12以及提示模块13的功能。

在一种实施方式中，所述计算机设备包括存储器305和处理器303，所述存储器305中存储有计算机可读指令，所述计算机可读指令被所述处理器执行时，使得所述处理器303执行以上实施例所述的一种自助健身方法的步骤。

本发明实施例提供的一种计算机设备，可实现采集用户在健身过程中的运动信息，所述运动信息包括肌肉特征参数；依据所述运动信息构建锻炼模型，所述锻炼模型中包括依据所述肌肉特征参数计算得到的用户发力点位置；将所述锻炼模型与预设的标准模型进行匹配，当判断所述锻炼模型中的用户发力点位置与所述标准模型中的标准发力点位置匹配不成功时输出第一提示信息。本发明实现了纠正用户健身过程中的肌肉发力点位置并提示用户标准的发力点位置，帮助用户根据标准的发力点位置更正自己不规范的发力动作，不仅可以增强健身效果，而且还可以避免由于用户错误的健身方式导致健身器材的损坏和影响用户身体健康的问题。

本发明实施例提供的计算机可读存储介质可以实现上述自助健身方法的实施例，具体功能实现请参见方法实施例中的说明，在此不再赘述。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，该计算机程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，前述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)等非易失性存储介质，或随机存储记忆体(Random Access Memory，RAM)等。

以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。

Claims (10)

1.一种自助健身方法，其特征在于，所述方法包括：

采集用户在健身过程中的运动信息，所述运动信息包括肌肉特征参数；

依据所述运动信息构建锻炼模型，所述锻炼模型中包括依据所述肌肉特征参数计算得到的用户发力点位置；

将所述锻炼模型与预设的标准模型进行匹配，当判断所述锻炼模型中的用户发力点位置与所述标准模型中的标准发力点位置匹配不成功时输出第一提示信息。

2.根据权利要求1所述的自助健身方法，其特征在于，所述将所述锻炼模型与预设的标准模型进行匹配，当判断所述锻炼模型中的用户发力点位置与预所述标准模型中的标准发力点位置匹配不成功时输出第一提示信息，包括：

将所述用户发力点位置与所述标准发力点位置进行比对，当所述用户发力点位置与所述标准发力点位置的第一误差值在预设的第一预设阈值之内，则判断匹配成功，否则，判断匹配不成功，输出所述第一提示信息。

3.根据权利要求1所述的自助健身方法，其特征在于，所述运动信息还包括运动姿态信息，所述锻炼模型中还包括依据所述运动姿态信息构建的动作模型；所述依据所述运动信息构建锻炼模型，还包括：

依据所述运动姿态信息构建用户的动作模型。

4.根据权利要求3所述的自助健身方法，其特征在于，所述将所述锻炼模型与所述标准模型进行匹配，还包括：

将所述动作模型与所述标准动作进行比对，若所述动作模型与所述标准动作的第二误差值在预设的第二预设阈值之内，则判断匹配成功；

否则，判断匹配不成功，输出第二提示信息。

5.根据权利要求4所述的自助健身方法，其特征在于，还包括：

获取用户的手掌特征信息，依据所述手掌特征信息获取该用户最近一次的第二误差值；

获取该用户当前的第二误差值，若所述最近一次的第二误差值和当前的第二误差值均小于预设的第三预设阈值，则开启相应的健身器材。

6.根据权利要求1所述的自助健身方法，其特征在于，还包括；

获取用户的手掌特征信息，将所述手掌特征信息与预设数据库中的注册手掌信息进行匹配，若匹配成功，则开启相应的健身器材，否则输出第三提示信息。

7.根据权利要求1所述的自助健身方法，其特征在于，所述依据所述运动信息构建锻炼模型，所述锻炼模型中包括依据所述肌肉特征参数计算得到的用户发力点位置，包括：

依据所述肌肉特征参数中的肌电信号以及肌肉收缩特征参数确定所述用户发力点位置。

8.一种自助健身装置，其特征在于，包括：

采集模块，用于采集用户在健身过程中的运动信息，所述运动信息包括肌肉特征参数；

构建模块，用于依据所述运动信息构建锻炼模型，所述锻炼模型中包括依据所述肌肉特征参数计算得到的用户发力点位置；

提示模块，用于将所述锻炼模型与预设的标准模型进行匹配，当判断所述锻炼模型中的用户发力点位置与所述标准模型中的标准发力点位置匹配不成功时输出第一提示信息。

9.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，该计算机程序被处理器执行时实现权利要求1至7中任一项所述自助健身方法的步骤。

10.一种计算机设备，其特征在于，包括存储器和处理器，所述存储器中存储有计算机可读指令，所述计算机可读指令被所述处理器执行时，使得所述处理器执行如权利要求1至7中任一项权利要求所述自助健身方法的步骤。