CN109817302B

CN109817302B - 一种健身用专家系统

Info

Publication number: CN109817302B
Application number: CN201910093951.0A
Authority: CN
Inventors: 金重谊
Original assignee: Chongqing Qinniaoquan Technology Co ltd
Current assignee: Chongqing Qinniaoquan Technology Co ltd
Priority date: 2019-01-30
Filing date: 2019-01-30
Publication date: 2022-12-27
Anticipated expiration: 2039-01-30
Also published as: CN109817302A

Abstract

本发明涉及健身领域，具体公开了一种健身用专家系统，包括：用户端，用于获取用户的运动目标和初始身体数据；服务器，用于存储用户的运动目标和初始身体数据；处理模块，基于服务器中的运动目标和初始身体数据为用户构建运动方案；将运动方案存储至服务器；教练端，用于从服务器获取运动方案，对运动方案进行调整，并覆盖服务器中的原运动方案；其中，用户端还用于向用户推送从服务器获取的调整后的运动方案；处理模块还用于获取调整后的运动方案，基于调整前的运动方案和调整后的运动方案，通过机器学习模型重新训练运动方案的构建。采用本发明的技术方案能根据用户身体情况生成运动方案。

Description

一种健身用专家系统

技术领域

本发明涉及健身领域，特别涉及一种健身用专家系统。

背景技术

随着人们生活水平的提高，人们越来越关注个人身体健康状况以及个人的形体塑造，健身随之升温，越来越多的人加入健身的队伍中。

国内大众对于健身锻炼的认识可以分为三个阶段：

第一阶段：对运动方式、运动量没有明确认识，仅根据个人喜好进行运动，导致很多运动损伤的发生。

第二阶段：经过国家和一些机构的大力宣传推广，健步走逐渐成为一种通用的运动方式。但大家的焦点集中在每天走多少步，有些人按照《中国居民膳食指南》说每天走6000步就好，有些人参考国外的经验，号召大家每天走一万步，还有些人完全按照自己的感觉，每天都达到了2万步到3万步。因此，这种盲目的运动量产生了很多问题，有些人运动量不足，虽然运动了，但效果不明显；有些人运动量比较大，虽然减重有效果，但膝盖受到严重损伤，最终导致无法继续运动。

第三阶段：运动方案阶段。运动方案是指针对个人的身体状况，采用清单的形式规定健身者锻炼的运动方式和运动量的方法。运动方案的运动方式可以因人而异，对“症”下药。可是现阶段的自主健身人群大部分是没有掌握基础的人体生理知识；用户往往是借鉴其他健身人士的运动方案或者参考互联网上现有的运动方案，这些运动方案并不一定适合用户当前的身体状况；采用不适合自身的运动方案进行锻炼，会导致健身效果不明显，健身周期长，甚至导致身体受伤。

为此，需要一种能根据用户身体情况生成运动方案的系统。

发明内容

本发明的目的在于提供一种健身用专家系统，能根据用户身体情况生成运动方案的系统。

为解决上述技术问题，本发明技术方案如下：

一种健身用专家系统，包括：

用户端，用于获取用户的运动目标和初始身体数据；

服务器，用于存储用户的运动目标和初始身体数据；

处理模块，基于服务器中的运动目标和初始身体数据为用户构建运动方案；将运动方案存储至服务器；

教练端，用于从服务器获取运动方案，对运动方案进行调整，并覆盖服务器中的原运动方案；

其中，用户端还用于向用户推送从服务器获取的调整后的运动方案；处理模块还用于获取调整后的运动方案，基于调整前的运动方案和调整后的运动方案，通过机器学习模型重新训练运动方案的构建。

基础方案原理及有益效果如下：

1、本健身用专家系统根据用户的运动目标和初始身体数据构建对应的运动方案，让用户可以根据专门为其制定的运动方案进行运动，帮助用户更加科学、系统且有计划的进行运动，以得到较好的运动效果。

2、私人教练可以通过教练端对运动方案进行调整，使运动方案制定的准确性更好。

3、在经过机器学习模型训练后，处理模块构建运动方案会越来越接近私人教练的水平，使得处理模块构建的运动方案更符合用户的运动目标和初始身体数据，用户采用该运动方案，更容易达成的运动目标。同时，能减轻私人教练的工作量，使私人教练减少对处理模块构建的运动方案的调整。

进一步，服务器包括存储模块和教学模块，存储模块用于存储用户的运动目标、初始身体数据和运动方案；教学模块从存储模块获取运动方案；基于运动方案向用户端推送运动要点，教学模块还记录处理模块构建运动方案的构建原理，向教练端推送构建原理。

经验丰富的私人教练可以通过构建原理了解运动方案的构建是否准确，以便做出针对性调整；实习的私人教练可以通过构建原理了解运动方案的构建过程，以便快速学习如何制定运动方案，与传统的以老带新的学徒模式相比，使实习的私人教练多了学习的途径。

用户在健身的时候，往往是基于自己的理解练习，如果用户的理解出现偏差，会影响运动效果；增加运动要点后，能提醒用户运动中的注意事项，以达到更好的运动效果。

进一步，服务器还包括分享模块，一用户端通过分享模块向另一用户端分享运动方案。

通过分享模块，用户之间可以分享各自的运动方案，了解对方的运动内容，方便用户之间的交流互动。

进一步，处理模块还根据运动方案生成推荐清单，通过分享模块将推荐清单发送至用户端；用户端向用户推送推荐清单；推荐清单包括运动装备和运动补给品。

用户在用户端就可以浏览与运动方案相符合的运动装备和运动补给品，省去了去社交网站或购物网站搜索相关运动装备和运动补给品的步骤。

进一步，运动要点包括动作要领、负荷量和呼吸方法。

用户在运动的时候，往往是基于自己的理解练习，如果用户的理解出现偏差，会影响运动效果；增加运动要点后，能提醒用户运动中注意事项，以达到更好的运动效果。

进一步，机器学习模型为神经网络、支持向量机或遗传算法。

神经网络、支持向量机或遗传算法均为目前较为成熟的手段，采用上述手段能保证机器学习模型的准确性。

进一步，用户端包括体测仪，体测仪用于获取用户的初始身体数据。

体测仪检测的项目多，检测准确，方便获取用户的初始身体数据。

进一步，运动方案包括运动处方、训练计划、营养计划和康复计划。

多种计划，便于用户从各方面获得提升。

附图说明

图1为一种健身用专家系统实施例一的逻辑框图。

具体实施方式

下面通过具体实施方式进一步详细说明：

实施例一

如图1所示，一种健身用专家系统，包括：用户端、服务器、处理模块和教练端；处理模块与服务器信号连接。服务器包括存储模块、教学模块和分享模块。本实施例中，服务器采用阿里云服务器。

用户端包括智能移动设备和体测仪；智能移动设备用于获取用户的运动目标；体测仪用于获取用户的初始身体数据；智能移动设备包括手机和/或平板；本实施例中，智能移动设备采用手机。运动目标包括：体重目标、压力改善目标、肌肉增长目标；初始身体数据可以是体测仪采集的身体水分总量、蛋白质含量、无机盐含量、脂肪含量、骨骼肌情况、肌肉量、去脂体重、体质、BMI、WHR和营养评估等数据；体测仪可根据具体情况选择对应的品牌或类型，本实施例中体测仪采用清华同方BCA-1C体测仪，该体测仪可以利用USB typeA传输接口将数据直接导入智能手机内。

存储模块用于将用户端获取的运动目标和初始身体数据存储；存储模块中还预存有参考身体数据表和健身计划列表；其中参考身体数据表中包含参考身体数据，参考身体数据与运动目标相对应；健身计划列表中包括基础运动方案，基础运动方案与偏差相对应。

本实施例中，存储模块采用西部数据4T NAS服务器硬盘。

处理模块用于从存储模块中获取运动目标和初始身体数据；基于运动目标和初始身体数据为用户构建运动方案；将运动方案存储至存储模块。本实施例中，处理模块采用英特尔E5-2620V4服务器CPU。

具体构建方式为基于用户运动目标获取与运动目标对应的参考身体数据，基于统计软件对初始身体数据进行汇总，本实施例中统计软件采用Excel2016；处理模块将汇总后的初始身体数据与参考身体数据对比，确定用户初始身体数据与参考身体数据之间的偏差；基于该偏差从健身计划列表中获取对应的基础运动方案作为构建的运动方案。

教练端用于从存储模块中获取运动方案，私人教练对运动方案进行调整；教练端还用于私人教练录入运动要点。本实施例中，教练端为平板电脑，具体为IPAD。

教练端和用户端的智能移动设备均与服务器网络连接。

处理模块还获取调整后的运动方案，基于调整前的运动方案和调整后的运动方案，通过机器学习模型重新训练运动方案的构建。机器学习模型可以是神经网络、支持向量机或遗传算法等任何能够通过经验学习改善运行性能的模型。本实施例中，采用神经网络，具体为BP神经网络。

处理模块还根据运动方案生成推荐清单，将推荐清单通过分享模块发送至智能移动设备。智能移动设备还从存储模块获取运动方案；向用户推送运动方案和推荐清单；推荐清单包括运动装备和运动补给品。运动装备包括运动手套、跑鞋、运动衣裤、毛巾、运动包等；运动补给品包括肌酸、乳清蛋白、增重粉、增肌粉、谷氨酰胺等。

教学模块从存储模块获取运动方案；基于运动方案向智能移动设备推送运动要点。其中运动要点包括动作要领、负荷量和呼吸方法。教学模块还记录处理模块构建运动方案的构建原理，向教练端推送构建原理。

一智能移动设备还能通过分享模块向另一智能移动设备分享运动方案。

实施例二

一种健身用专家系统，与实施例一的区别在于，还包括专家端，专家端用于从存储模块中获取运动方案，专家基于运动医学对运动方案进行调整。

处理模块还获取调整后的运动方案，基于调整后的运动方案和运动大数据，通过机器学习模型重新训练运动方案的构建。机器学习模型可以是神经网络、支持向量机或遗传算法等任何能够通过经验学习改善运行性能的模型。本实施例中，采用神经网络，具体为BP神经网络。

加入专家端后，专家基于运动医学对运动方案进行调整，使运动方案的专业性更强，可以拓宽运动方案的适用人群；不止适用于健身圈的健身人群，还适用于运动圈的业余运动爱好者和专业运动员。

实施例三

一种健身用专家系统，与实施例一的区别在于，运动方案包括运动处方、训练计划、营养计划和康复计划；还包括生活方式。

制定运动方案时，包含生活方式，可以帮助人们通过建立合理的生活习惯，逐步改善身体条件；更好的达成运动目标。

实施例四

与实施例一的区别在于，运动方案包括运动项目和营养计划；营养计划中包含每日计划食物摄入热量；运动项目包括计划时间。

用户端还包括穿戴设备，穿戴设备用于采集运动时间数据。本实施例中，穿戴设备为手环，具体为华为荣耀4手环。

智能移动设备还用于采集用户的聊天信息，从聊天信息中提取用餐时间和店铺名称，将用餐时间和店铺名称存储至存储模块；存储模块中还预存有菜品热量对应表，菜品热量对应表中收录有日常菜品对应的食物热量。

处理模块从存储模块调取菜品热量对应表，用餐时间和店铺名称，通过店铺名称在团购网站检索该店铺，本实施例中，团购网站为美团；抓取该店铺内销量排名α范围内的菜品名称和菜品图片，α为3-10，本实施例中，α的数值取5；根据菜品名称以及菜品热量对应表确定菜品热量，将菜品热量作为预估食物热量。

处理模块将用餐时间与当前时间进行对比，计算用餐时间与当前时间的差值E；本实施例中，当前时间和用餐时间以自然日为单位。将预估食物热量与每日计划食物热量进行对比，如果当前时间早于用餐时间且预估食物热量大于每日计划食物摄入量，根据预估食物热量对当前时间至用餐时间的时间段中运动方案作用餐前调整；

具体调整方式为，计算预估食物热量与每日计划食物摄入量的差值，再计算差值与每日计划食物摄入量的百分比，判断百分比是否高于阈值γ，如果高于阈值γ，增加每一运动项目的计划时间。其中阈值γ为1％-50％，本实施例中，γ取5％。本实施例中，计划时间增加的量不超过原运动时间的50％。

处理模块还用于建立时间轴，时间轴的长度为用餐时间与当前时间的差值；处理模块将抓取的该店铺内销量排名α范围内的菜品图片均匀排布在时间轴上，其中，排布顺序为沿时间轴按销量排名由低到高排布。处理模块将包含菜品图片的时间轴和用餐前调整的运动方案发送至智能移动设备，其中，菜品图片色彩为黑白。

处理模块还用于从穿戴设备获取运动时间数据；判断当日运动时间数据与当日运动方案中各项运动项目的计划时间之和的百分比F；将包含该百分比F的解锁信号发送至智能移动设备；智能移动设备基于解锁信号恢复时间轴上与当日距离最近的菜品图片的色彩；其中，时间轴上与当日距离最近的菜品图片的判断方式为优先判断时间轴左侧的菜品图片，如果左侧的菜品图片的色彩已经100％恢复，再依次判断时间轴右侧的菜品图片。菜品图片色彩恢复的百分比G的计算公式为：G＝E/α*F。本实施例中，时间在时间轴上的排布为从左至右按时间先后顺序排布。

智能移动设备还用于用户输入实际食物热量。用餐时间当日，处理模块根据实际食物热量对用餐时间之后的时间段中运动方案作用餐后调整；其中运动方案的用餐前的调整幅度小于用餐后的调整幅度。

其中，处理模块还计算预估食物热量与实际食物热量之间的误差β，将误差β存储至存储模块中，当再次计算相同店铺的预估食物热量时，将误差β作为修正参数对预估食物热量进行修正。具体修正方式为，在预估食物热量中加上或减去误差β。

接下来以具体事例进行说明，9月21日用户A在微信中和朋友聊天，约定10月1日去Y店铺聚餐，智能移动设备采集用户A的聊天信息，提取其中的用餐时间：10月1日，店铺名称：Y。处理模块在美团网中检索Y店铺，并抓取Y店铺内销量排名前5的菜品名称，将菜品名称和存储模块中的菜品热量对应表进行比对，确定菜品的热量，将菜品热量作为预估食物热量。

处理模块将用餐时间10月1日与当前时间9月21日进行对比，计算出当前时间早于用餐时间，时间之差为10日，对这10日内的运动方案作用餐前调整。以使用户A提前开始准备，避免用餐时摄入过量的热量，导致体重突然增加。

处理模块生成天数为10天，均匀排布5张菜品图片的时间轴。例如9月21日，用户根据初步调整后的运动方案进行锻炼，其当日运动时间数据与当日运动方案中各项运动项目的计划时间之和的百分比为80％，则根据公式，时间轴右侧第一张菜品图片色彩恢复的百分比为5/10*80％＝40％。

通过这种方式可以激励用户努力完成用餐前调整的运动方案，只有每日按质按量完成，才能顺利使菜品图片的色彩100％恢复，也就意味着这样才能解锁该菜品，才能去吃该菜品，正向激励作用好。能为用户完成初步调整后的运动方案提供动力。

而且，时间轴上与当日距离最近的菜品图片的判断方式为优先判断时间轴左侧的菜品图片，如果左侧的菜品图片的色彩已经100％恢复，再依次判断时间轴右侧的菜品图片；可以让用户通过增加运动量对前几日偷懒没有顺利解锁的已经位于时间轴左侧的菜品图片进行解锁。

当用户A在10月1日用餐时录入实际食物热量后，通过实际食物热量对10月1日之后的运动方案作用餐后调整。处理模块还计算预估食物热量与实际食物热量之间的误差β，将误差β作为修正参数对预估食物热量进行修正。当用户A再次去相同店铺用餐时，能使预估食物热量的预测更准确，对运动方案的用餐前调整也更准确，有助于用户A通过执行运动方案保持良好体形。

以上所述的仅是本发明的实施例，方案中公知的具体结构及特性等常识在此未作过多描述。应当指出，对于本领域的技术人员来说，在不脱离本发明结构的前提下，还可以作出若干变形和改进，这些也应该视为本发明的保护范围，这些都不会影响本发明实施的效果和专利的实用性。本申请要求的保护范围应当以其权利要求的内容为准，说明书中的具体实施方式等记载可以用于解释权利要求的内容。

Claims

1.一种健身用专家系统，其特征在于，包括：

用户端，用于获取用户的运动目标和初始身体数据；

服务器，用于存储用户的运动目标和初始身体数据；

2.根据权利要求1所述的健身用专家系统，其特征在于：服务器包括存储模块和教学模块，存储模块用于存储用户的运动目标、初始身体数据和运动方案；教学模块从存储模块获取运动方案；基于运动方案向用户端推送运动要点，教学模块还记录处理模块构建运动方案的构建原理，向教练端推送构建原理。

3.根据权利要求2所述的健身用专家系统，其特征在于：服务器还包括分享模块，一用户端通过分享模块向另一用户端分享运动方案。

4.根据权利要求3所述的健身用专家系统，其特征在于：处理模块还根据运动方案生成推荐清单，通过分享模块将推荐清单发送至用户端；用户端向用户推送推荐清单；推荐清单包括运动装备和运动补给品。

5.根据权利要求2所述的健身用专家系统，其特征在于：运动要点包括动作要领、负荷量和呼吸方法。

6.根据权利要求1-5任一项所述的健身用专家系统，其特征在于：机器学习模型为神经网络、支持向量机或遗传算法。

7.根据权利要求1所述的健身用专家系统，其特征在于：用户端包括体测仪，体测仪用于获取用户的初始身体数据。

8.根据权利要求1所述的健身用专家系统，其特征在于：运动方案包括运动处方、训练计划、营养计划和康复计划。