CN110151187A - 健身动作识别方法、装置、计算机设备及存储介质 - Google Patents

健身动作识别方法、装置、计算机设备及存储介质 Download PDF

Info

Publication number
CN110151187A
CN110151187A CN201910278762.0A CN201910278762A CN110151187A CN 110151187 A CN110151187 A CN 110151187A CN 201910278762 A CN201910278762 A CN 201910278762A CN 110151187 A CN110151187 A CN 110151187A
Authority
CN
China
Prior art keywords
building
action
movement
identified
current body
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
CN201910278762.0A
Other languages
English (en)
Other versions
CN110151187B (zh
Inventor
蒙元鹏
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.)
Engraved Puda (beijing) Technology Co Ltd
Original Assignee
Engraved Puda (beijing) Technology Co Ltd
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 Engraved Puda (beijing) Technology Co Ltd filed Critical Engraved Puda (beijing) Technology Co Ltd
Priority to CN201910278762.0A priority Critical patent/CN110151187B/zh
Publication of CN110151187A publication Critical patent/CN110151187A/zh
Application granted granted Critical
Publication of CN110151187B publication Critical patent/CN110151187B/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
    • A61B5/02—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
    • A61B5/1121—Determining geometric values, e.g. centre of rotation or angular range of movement
    • A61B5/1122—Determining geometric values, e.g. centre of rotation or angular range of movement of movement trajectories
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/74—Details of notification to user or communication with user or patient ; user input means
    • A61B5/7405—Details of notification to user or communication with user or patient ; user input means using sound
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/74—Details of notification to user or communication with user or patient ; user input means
    • A61B5/742—Details of notification to user or communication with user or patient ; user input means using visual displays
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/74—Details of notification to user or communication with user or patient ; user input means
    • A61B5/7455—Details of notification to user or communication with user or patient ; user input means characterised by tactile indication, e.g. vibration or electrical stimulation

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Molecular Biology (AREA)
  • Veterinary Medicine (AREA)
  • Biophysics (AREA)
  • Pathology (AREA)
  • Engineering & Computer Science (AREA)
  • Biomedical Technology (AREA)
  • Public Health (AREA)
  • Medical Informatics (AREA)
  • General Health & Medical Sciences (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Physiology (AREA)
  • Cardiology (AREA)
  • Pulmonology (AREA)
  • Geometry (AREA)
  • Dentistry (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)

Abstract

本发明公开了一种健身动作识别方法、装置、计算机设备及存储介质。该方法包括获取当前健身动作，接收动作传感器组采集的与当前健身动作对应的待识别动作数据；采用姿态融合算法对待识别动作数据进行计算，获取运动轨迹；基于运动轨迹，获取运动轨迹对应的至少一个轨迹特征点；基于当前健身动作，获取与当前健身动作对应的特征判断范围；采用特征判断范围对轨迹特征点进行判断，获取动作识别结果；依据动作识别显示逻辑，对动作识别结果进行显示，以判断当前健身动作是否标准，确定用户的健身效果是否满足要求。

Description

健身动作识别方法、装置、计算机设备及存储介质
技术领域
本发明涉及健身动作识别领域，尤其涉及一种健身动作识别方法、装置、计算机设备及存储介质。
背景技术
智能手环是一种常见的穿戴式智能设备，现有的智能手环可以记录用户的步行次数、心率和睡眠质量等即时数据，并通过有线或者无线的方式将上述数据传送给与之相连的手机、平板或者ipod touch等电子设备中，以实现对用户的身体情况进行实时记录的功能。但随着用户生活方式的改变，用户对智能手环的需求越来越高。例如，当前越来越多的用户选择通过健身运动提高身体素质，以达到健身效果，但现有的智能手环或者电子设备中的APP无法实现对用户的健身动作是否标准，健身效果是否满足要求做出识别。
发明内容
本发明实施例提供一种健身动作识别方法、装置、计算机设备及存储介质，以解决现有技术中不能对用户的健身动作和健身效果进行识别的问题。
一种健身动作识别方法，包括：
获取当前健身动作，接收动作传感器组采集的与所述当前健身动作对应的待识别动作数据；
采用姿态融合算法对所述待识别动作数据进行计算，获取运动轨迹；
基于所述运动轨迹，获取所述运动轨迹对应的至少一个轨迹特征点；
基于所述当前健身动作，获取与所述当前健身动作对应的特征判断范围；
采用所述特征判断范围对所述轨迹特征点进行判断，获取动作识别结果；
依据动作识别显示逻辑，对所述动作识别结果进行显示。
一种健身动作识别装置，包括：
待识别数据获取模块，用于获取当前健身动作，接收动作传感器组采集的与所述当前健身动作对应的待识别动作数据；
运动轨迹获取模块，用于采用姿态融合算法对所述待识别动作数据进行计算，获取运动轨迹；
运动轨迹处理模块，用于基于所述运动轨迹，获取所述运动轨迹对应的至少一个轨迹特征点；
特征判断范围确定模块，用于基于所述当前健身动作，获取与所述当前健身动作对应的特征判断范围；
动作识别结果获取模块，用于采用所述特征判断范围对所述轨迹特征点进行判断，获取动作识别结果；
数据显示模块，用于依据动作识别显示逻辑，对所述动作识别结果进行显示。
一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述健身动作识别方法。
一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述健身动作识别方法。
上述健身动作识别方法、装置、计算机设备及存储介质，通过获取当前健身动作，以获取动作传感器组采集的与当前健身动作对应的待识别动作数据，为后续获取运动轨迹提供数据来源。在获取待识别动作数据后，采用姿态融合算法对待识别动作数据进行计算，获取对应的四元数，以提高数据转换效率，节省智能手环或者电子设备的储存空间。为了既能表征当前健身动作的特征，又可以有效减少后续步骤的数据处理量，本方法还需要对待识别动作数据进行上述转换处理，获取当前健身动作对应的运动轨迹，以获取该动作轨迹对应的轨迹特征点。然后根据当前健身动作获取特征判断范围，以实现对当前健身动作的判断，确定当前健身动作是否标准，对用户的健身训练提供参考。若不采用上述步骤对待识别动作数据进行处理，直接通过对待识别动作数据进行判断，以获取动作识别结果，则会导致判断过程数据量过大，处理效率低下，也会导致动作识别结果不准确。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对本发明实施例的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是本发明一实施例中健身动作识别方法的一流程图；
图2是图1中步骤S20的一具体流程图；
图3是图1中步骤S50的一具体流程图；
图4是本发明一实施例中健身动作识别方法的另一流程图；
图5是本发明一实施例中健身动作识别方法的另一流程图；
图6是本发明一实施例中健身动作识别方法的另一流程图；
图7是本发明一实施例中健身动作识别装置的一示意图；
图8是本发明一实施例中计算机设备的一示意图。
具体实施方式
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，显然，所描述的实施例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，本领域普通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。
本申请提供的一种健身动作识别方法，可应用于智能式穿戴设备中的处理器，也可以应用于电子设备下载的APP中，通过电子设备上的处理器对健身动作识别方法中的数据进行处理。该APP指用于执行健身动作识别方法的APP。其中，电子设备包括但不限于各种个人计算机、笔记本电脑、智能手机、平板电脑和ipod touch。
在一实施例中，如图1所示，提供一种健身动作识别方法，包括如下步骤：
S10：获取当前健身动作，接收动作传感器组采集的与当前健身动作对应的待识别动作数据。
其中，当前健身动作指用户当前时刻做的健身动作。本实施例中的健身动作包括但不限于健身动作，如合掌跳、开合跳和原地旋转等。
动作传感器组指由多个不同功能的传感器组成的集合。该动作传感器组可以是智能式穿戴设备(如智能手环)上的动作传感器组，也可以是智能手机、平板电脑或者ipodtouch等电子设备上的动作传感器组，在此不做限制。本实施例中的动作传感器包括但不限于加速度传感器、陀螺仪和磁力计。具体地，本实施例中的加速度传感器用于获取用户在做当前健身动作时的移动加速度，陀螺仪用于获取用户在做当前健身动作时的角加速度，磁力计用于获取用户在做当前健身动作时的磁场数据。
具体地，用户在做当前健身动作时需要穿戴智能式穿戴设备或者携带电子设备，或者既穿戴有智能式穿戴设备又携带有电子设备。
若用户由于电子设备不易携带，而智能式穿戴设备如智能手环或者智能手表体积小、质量轻、便于携带，用户仅穿戴智能式穿戴设备进行健身训练。为了方便描述，本实施例以智能手环为例进行说明，通过智能手环中的处理器获取当前健身动作，以便通过动作传感器组采集与当前健身动作对应的待识别动作数据。其中，待识别动作数据指动作传感器组中的各传感器采集的数据，如当前健身动作对应的移动加速度、角加速度和磁场数据等。
进一步地，若用户没有佩戴智能手环，仅携带有智能手机、平板电脑或者ipodtouch等电子设备时，用户需要在电子设备上下载用于进行健身动作识别的APP，以便用户在做当前健身动作时，电子设备中的动作传感器组会采集与当前健身动作对应的待识别动作数据。
进一步地，若用户携带的电子设备(如笔记本电脑)不存在上述动作传感器组，则需要用户在携带电子设备的情况下，还需要穿戴智能式穿戴设备，则可将电子设备和智能式穿戴设备进行有线或者无线连接，通过有线传输方式(如USB连接线)或者无线(BLE低功耗蓝牙技术)传输方式将智能手环中的动作传感器组获得的待识别动作数据传输给笔记本电脑。
S20：采用姿态融合算法对待识别动作数据进行计算，获取运动轨迹。
其中，姿态融合算法指将每一时刻的待识别动作数据转换为四元数的算法。其中，四元数是由爱尔兰数学家威廉·卢云·哈密顿在1843年发现的数学概念，在图形学中有重要的应用。在3D程序中，通常用四元数来计算3D物体的旋转角度，与矩阵相比，四元数数据量小，可实现更加高效的数据处理过程，占用的储存空间更小。
具体地，在获取待识别动作数据后，智能手环或者电子设备中的处理器采用姿态融合算法对待识别动作数据进行计算，获取该待识别动作数据对应的四元数，然后将四元数转换为三维坐标，最后通过对三维坐标进行曲线拟合，获取运动轨迹。其中，运动轨迹指由当前健身动作对应的三维坐标进行曲线拟合形成的用于表示当前健身动作从开始到结束的过程的轨迹。通过姿态融合算法对待识别动作数据进行计算，获取运动轨迹，为后续步骤提供有效的数据来源。
S30：基于运动轨迹，获取运动轨迹对应的至少一个轨迹特征点。
具体地，在获取运动轨迹后，获取该运动轨迹对应的至少一个轨迹特征点。其中，轨迹特征点指用于表示运动轨迹特征的坐标点，如获取的运动轨迹为波形图，该运动轨迹对应的轨迹特征点为该波形图的极值点。通过获取运动轨迹对应的至少一个轨迹特征点，既能实现对运动轨迹特征的表述又可以有效减少后续步骤的数据处理量。
S40：基于当前健身动作，获取与当前健身动作对应的特征判断范围。
具体地，在获取运动轨迹的轨迹特征点后，处理器基于当前健身动作获取与该当前健身动作对应的特征判断范围。其中，特征判断范围指根据当前健身动作获取的预先存储好的各特征点对应的判断范围。如当前健身动作A，其对应的特征判断范围为特征点a1(t1时刻、旋转角度45°-60°)、特征点a2(t2时刻、旋转角度90°-120°)、和特征点a3(t3时刻、旋转角度20°-30°)。基于当前健身动作获取与当前健身动作对应的特征判断范围，以便后续根据特征判断范围对当前健身动作对应的运动轨迹的轨迹特征点进行判断。
S50：采用特征判断范围对轨迹特征点进行判断，获取动作识别结果。
具体地，在获取特征判断范围后，处理器采用特征判断范围对运动轨迹对应的轨迹特征点进行判断，获取动作识别结果。其中，动作识别结果指采用特征判断范围对轨迹特征点进行判断，获取的用于确定当前健身动作是否标准的结果。可以理解地，本实施例中的动作识别结果包括动作标准和动作不标准。当运动轨迹中所有的轨迹特征点均满足对应的特征判断范围，则该当前健身动作对应的动作识别结果为动作标准，即可以表示用户做的当前健身动作的健身效果达到了要求；当运动轨迹中有一个轨迹特征点不满足对应的特征判断范围，则该当前健身动作对应的动作识别结果为动作不标准，即可以表示用户做的当前健身动作的健身效果没有达到要求。通过采用特征判断范围对轨迹特征点进行判断，以确定用户所做的当前健身动作是否标准，健身效果是否满足要求，对用户的健身训练提供有效的参考。
S60：依据动作识别显示逻辑，对动作识别结果进行显示。
具体地，在获取动作识别结果后，处理器会将动作识别结果发送给数据显示接口，数据显示接口通过动作识别显示逻辑将动作识别结果显示在智能手环的显示屏上或者电子设备的显示屏上，使用户及时获知自己所做的当前健身动作是否标准。其中，动作识别显示逻辑指开发人员编写的用于显示动作识别结果的语言逻辑。需要说明的是，对于智能手环的显示屏或者不同的电子设备的显示屏，开发人员会编写对应的动作识别显示逻辑，以达到准确且清晰地显示动作识别结果的目的。
进一步地，当动作识别结果为动作标准，则依据动作识别显示逻辑，对动作标准对应的动作识别结果进行显示；当动作识别结果为动作不标准，则依据动作识别显示逻辑，对动作不标准对应的动作识别结果进行显示，同时，触发预先设置好的提醒模式(如震动、指示灯显示或者声音提醒)对用户进行提示。具体采用哪种提醒模式可以根据电子设备或者智能手环进行具体设置，以达到不标准提示的效果。
步骤S10-步骤S60，处理器通过获取当前健身动作，以获取动作传感器组采集的与当前健身动作对应的待识别动作数据，为后续获取运动轨迹提供数据来源。在获取待识别动作数据后，采用姿态融合算法对待识别动作数据进行计算，获取对应的四元数，以提高数据转换效率，节省智能手环或者电子设备的储存空间。为了既能表征当前健身动作的特征，又可以有效减少后续步骤的数据处理量，本方法还需要对待识别动作数据进行上述转换处理，获取当前健身动作对应的运动轨迹，以获取该动作轨迹对应的轨迹特征点。然后根据当前健身动作获取特征判断范围，以实现对当前健身动作的判断，确定当前健身动作是否标准，以对用户的健身训练的效果进行监督。若不采用上述步骤对待识别动作数据进行处理，直接通过对待识别动作数据进行判断，以获取动作识别结果，则会导致判断过程数据量过大，处理效率低下，也会导致动作识别结果不准确。
在一实施例中，如图2所示，步骤S20，采用姿态融合算法对待识别动作数据进行计算，获取运动轨迹，具体包括如下步骤：
S21：采用姿态融合算法对待识别动作数据进行计算，获取待识别动作数据对应的四元数。
具体地，在获取待识别动作数据后，处理器采用姿态融合算法对待识别动作数据进行处理，获取待识别动作数据对应的四元数。将待识别动作数据转换为四元数，可以提高数据处理效率，也可以节省数据在处理器中所占的内存。
S22：将四元数转换为三维坐标，对三维坐标进行曲线拟合，获取运动轨迹。
具体地，在获取待识别动作数据对应的四元数后，为了方便后续获取轨迹特征点，使得动作识别结果更加准确，本实施例在获取四元数后，会将四元数转换为三维坐标，并对三位坐标进行曲线拟合，以获取待识别动作数据对应的运动轨迹。
步骤S21-步骤S22，通过采用姿态融合算法对待识别动作数据进行计算，获取待识别动作数据对应的四元数，并将四元数转换为三维坐标。通过对三维坐标进行曲线拟合，以获取运动轨迹，方便后续步骤从运动轨迹中获取对应的轨迹特征点。
在一实施例中，如图3所示，步骤S50，采用特征判断范围对轨迹特征点进行判断，获取动作识别结果，具体包括如下步骤：
S51：若所有轨迹特征点均在各轨迹特征点对应的特征判断范围内，则确定当前健身动作为标准动作，获取当前健身动作为动作标准的动作识别结果。
S52：若至少一个轨迹特征点不在轨迹特征点对应的特征判断范围内，则确定当前健身动作为不标准动作，获取当前健身动作为动作不标准的动作识别结果。
具体地，若通过运动轨迹获取的所有轨迹特征点均在各轨迹特征点对应的特征判断范围内，则表示当前健身动作为标准动作，该当前健身动作对应的动作识别结果为动作标准。
若通过运动轨迹获取的轨迹特征点中有一个轨迹特征点不在对应的特征判断范围内，则表示当前健身动作为不标准动作，该当前健身动作对应的动作识别结果为动作不标准。
步骤S51-步骤S52，通过判断运动轨迹中各轨迹特征点是否均在对应的特征判断范围内，以确定当前健身动作是否为标准动作，实现了判断健身动作是否标准的功能。
在一实施例中，如图4所示，在步骤S50，获取动作识别结果后，该健身动作识别方法还包括：
S71：若动作识别结果为动作标准，则基于当前健身动作，获取与当前健身动作对应的下个健身动作，将下个健身动作更新为新的当前健身动作，执行接收动作传感器组采集的与当前健身动作对应的待识别动作数据。
具体地，在获取当前健身动作对应的动作识别结果后，若动作识别结果为动作标准，则表示用户的当前健身动作已经达到训练要求，可以执行下一个健身动作。处理器会按照当前健身动作查找预先存储的训练计划，确定该当前健身动作对应的下个健身动作。在确定下个健身动作后，处理器将该下个健身动作更新为当前健身动作，继续执行步骤S10-步骤S50，以获取该下个健身动作对应的动作识别结果，确定该下个健身动作是否标准，健身效果是否满足要求。
进一步地，训练计划可以预先存储在电子设备对应的APP中，也可以存储在智能式穿戴设备中。若用户选择仅穿戴智能式穿戴设备时，则训练计划预先存储在智能手环中，智能式穿戴设备中的处理器会从预先存储的训练计划中获取当前健身动作对应的下个健身动作；若用户仅选择携带电子设备(如智能手机、平板电脑或者ipod touch)，则训练计划预先存储在电子设备对应的APP中，或者用户可以在APP中通过搜索功能，搜索该当前健身动作对应的下个健身动作；若用户选择穿戴智能式穿戴设备且携带电子设备，则可以通过电子设备中的APP选取当前健身动作对应的下个健身动作，将该下个健身动作更新为当前健身动作后，通过有线传输方式(如USB连接线)或者无线(BLE低功耗蓝牙技术)传输给智能式穿戴设备，以使智能式穿戴设备通过动作传感器组采集当前健身动作对应的待识别动作数据。用户具体采用那种方式，在此不作限制。
S72：若动作识别结果为动作不标准，则基于预先设置的提醒模式进行提醒。
具体地，若动作识别结果为动作标准，则依据动作识别显示逻辑，对动作标准对应的动作识别结果进行显示；当动作识别结果为动作不标准，则依据动作识别显示逻辑，对动作不标准的当前健身动作所对应的动作识别结果进行显示，同时，触发预先设置好的提醒模式(如震动、指示灯显示或者声音提醒)对用户进行提示。具体采用哪种提醒模式可以根据具体为电子设备或者智能式穿戴设备具体设置，以达到提示不标准动作的效果。
步骤S71-步骤S72，通过当前健身动作获取下个健身动作，并将下个健身动作更新当前健身动作，执行步骤S10-步骤S50，获取动作识别结果，以达到对用户的健身动作进行循环识别的目的。
在一实施例中，如图5所示，该健身识别方法还包括如下步骤：
S81：接收心率传感器采集的与当前健身动作对应的待识别心率。
具体地，在动作传感器组采集当前健身动作对应的待识别动作数据时，智能式穿戴设备或者电子设备中的心率传感器会采集与当前健身动作对应的待识别心率。其中，待识别心率指用户在做当前健身动作时，心率传感器采集的用户心率值。采集该待识别心率的心率传感器和动作传感器组相同，可以安装在智能式穿戴设备中，也可以安装在智能手机、平板电脑或者ipodtouch等电子设备中。
S82：获取用户信息，基于用户信息中的性别和年龄，获取心率判断标准。
具体地，由于不同年龄、不同性别的人群对应的心率判断标准不同，因此，在获取待识别心率后，为了获取适合用户的心率判断标准，还需要获取用户信息。本实施例中的用户信息指用户输入的个人信息，包括但不限于用户年龄和性别。在获取用户信息后，基于用户信息中的性别和年龄，获取与该用户的年龄和性别匹配的心率判断标准。本实施例中的心率判断标准指与用户的性别和年龄对应的最大心率的60％～85％所对应的范围。其中，最大心率指根据最大心率计算公式计算得到的心率值。男子的最大心率公式为：男子最大心率＝205-年龄；男子的最大心率公式为：女子最大心率＝220-年龄。
由于运动心率低于最大心率的60％时，锻炼效果不明显；当运动心率在65％-75％最大心率的范围内时，各项指标均有明显变化，说明各组织器官的功能得到改善，锻炼效果最显着；当运动心率超过最大心率的85％时，机体容易疲劳并且不易恢复，运动损伤的几率也大大增加，因此，本实施例中将心率判断标准限制在最大心率的60％～85％。例如一个20岁的女性，该女性的心率判断标准为(220-20)×60％＝120到(220-20)×85％＝170范围(120～170)。
S83：将待识别心率和心率判断标准进行比较，获取运动量评估结果。
具体地，在获取待识别心率和心率判断标准后，将待识别心率和心率判断标准进行比较，获取运动量评估结果。其中，运动量评估结果指根据待识别心率评价用户的运动量大小的结果，包括运动量较小、运动量合适和运动量较大。若待识别心率低于心率判断标准，则表示用户的运动量较小，对应的运动量评估结果为运动量较小；若待识别心率满足心率判断标准，则表示用户的运动量合适，对应的运动量评估结果为运动量合适；若待识别心率不高于心率判断标准，则表示用户的运动量较大，对应的运动量评估结果为运动量较大。
S84：依据运动量评估显示逻辑，对运动量评估结果进行显示。
具体地，在获取运动量评估结果后，处理器依据运动量评估显示逻辑对运动量评估结果进行显示，使得用户及时获知自己的运动量评估结果，以根据运动量评估结果作出相对应的训练调整。其中，运动量评估显示逻辑指开发人员编写的用于显示运动量评估结果的语言逻辑。如运动量评估结果为运动量较小，则需要加大训练强度；运动量评估结果为运动量合适，则不需要对当前的运动量做调整；运动量评估结果为运动量较大，则需要适当的休息。
步骤S81-步骤S84，通过获取心率传感器采集的与当前健身动作对应的待识别心率，以通过心率判断标准判断该待识别心率对应的运动量评估结果是否合适，以使用户根据运动量评估结果进行运动量调整，使得用户的运动更加合理化。
在一实施例中，如图6所示，在步骤S81，接收心率传感器采集的与当前健身动作对应的待识别心率后，该健身动作识别方法还包括：
S91：获取每一运动轨迹对应的运动时间，获取同一运动轨迹对应的总运动时间，基于总运动时间确定训练类型。
具体地，获取每一运动轨迹对应的运动时间，将同一运动轨迹对应的运动时间相加，获取用户在进行同一个健身动作的总运动时间，基于总运动时间确定用户的训练类型。本实施例中的训练类型指用户所做训练的类型，包括但不限于热身运动、有氧运动和无氧运动。
若用户总运动时间在第一时间范围内(如5分钟内)，则确定用户的训练类型为热身运动；若用户总运动时间在第二时间范围内(如20-30分钟内)，则确定用户的训练类型为有氧运动；若用户总运动时间在第三时间范围内(如10-20分钟内)，则确定用户的训练类型为无氧运动。
S92：基于训练类型，获取与训练类型对应的推荐心率和标准时间。
具体地，在确定运动类型后，获取与运动类型对应的推荐心率和标准时间。其中，推荐心率指根据运动类型确定的用于判断用户的待识别心率是否满足要求的心率。如热身运动的推荐心率为100，有氧运动的推荐心率为120，无氧运动的推荐心率为150。标准时间指确定训练类型后，每一训练类型对应的标准训练时间。
S93：获取待识别心率达到推荐心率对应的检测时间。
具体地，在获取推荐心率和标准时间后，处理器需要获取待识别心率达到推荐心率后的检测时间，该检测时间指待识别心率达到推荐心率后的持续时间。
S94：若检测时间不大于标准时间，则基于预先设置的提醒模式进行提醒。
具体地，在获取检测时间后，将检测时间与标准时间进行比较，若检测时间大于标准时间，则表示用户的训练达标；若检测时间不大于标准时间，则表示用户的训练不达标，处理器会基于预先设置的提醒模式提醒用户，该提醒模式如步骤S60所述，为避免重复，不再赘述。
步骤S91-步骤S94，通过获取运动轨迹的运动时间，以获取该运动轨迹对应的训练类型。然后通过训练类型获取推荐心率和标准时间，判断待识别心率达到推荐心率对应的检测时间，将检测时间与标准时间进行比较，以确定用户的训练是否达标，对用户的健身训练提供有效的参考。
本申请提供的健身动作识别方法，通过获取当前健身动作，以获取动作传感器组采集的与当前健身动作对应的待识别动作数据，为后续获取运动轨迹提供数据来源。在获取待识别动作数据后，采用姿态融合算法对待识别动作数据进行计算，获取对应的四元数，以提高数据转换效率，节省智能手环或者电子设备的储存空间。为了既能表征当前健身动作的特征，又可以有效减少后续步骤的数据处理量，本方法还需要对待识别动作数据进行上述转换处理，获取当前健身动作对应的运动轨迹，以获取该动作轨迹对应的轨迹特征点。然后根据当前健身动作获取特征判断范围，以实现对当前健身动作的判断，确定当前健身动作是否标准。在确定当前健身动作对应的动作识别结果为动作标准，则获取当前健身动作对应的下个健身动作，并将该下个健身动作更新为当前健身动作，继续执行上述步骤，动作识别结果，以实现对用户所做的所有健身动作进行循环识别，确定用户的每一健身动作是否标准。然后通过待识别心率获取用户的运动量评估结果，以对用户的健身训练的效果进行监督。最后通过待识别心率确定用户的训练是否满足对应的运动类型的要求，以使用户明白自己所做的健身运动是否达到要求，对用户的健身训练提供有效的参考。
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。
在一实施例中，提供一种健身动作识别装置，该健身动作识别装置与上述实施例中健身动作识别方法一一对应。如图7所示，该健身动作识别装置包括待识别数据获取模块10、运动轨迹获取模块20、运动轨迹处理模块30、特征判断范围确定模块40、动作识别结果获取模块50和结果显示模块60。各功能模块详细说明如下：
待识别数据获取模块10，用于获取当前健身动作，接收动作传感器组采集的与所述当前健身动作对应的待识别动作数据。
运动轨迹获取模块20，用于采用姿态融合算法对待识别动作数据进行计算，获取运动轨迹。
运动轨迹处理模块30，用于基于运动轨迹，获取运动轨迹对应的至少一个轨迹特征点。
特征判断范围确定模块40，用于基于当前健身动作，获取与当前健身动作对应的特征判断范围。
动作识别结果获取模块50，用于采用特征判断范围对轨迹特征点进行判断，获取动作识别结果。
结果显示模块60，用于依据动作识别显示逻辑，对动作识别结果进行显示。
进一步地，运动轨迹处理模块30包括待识别动作数据计算单元31和运动轨迹获取单元32。
待识别动作数据计算单元31，用于采用姿态融合算法对待识别动作数据进行计算，获取待识别动作数据对应的四元数。
运动轨迹获取单元32，用于将四元数转换为三维坐标，对三维坐标进行曲线拟合，获取运动轨迹。
进一步地，动作识别结果获取模块50包括第一动作识别单元和第二动作识别单元。
第一动作识别单元，用于若所有轨迹特征点均在各轨迹特征点对应的特征判断范围内，则确定当前健身动作为标准动作，获取当前健身动作为动作标准的动作识别结果。
第二动作识别单元，用于若至少一个轨迹特征点不在轨迹特征点对应的特征判断范围内，则确定当前健身动作为不标准动作，获取当前健身动作为动作不标准的动作识别结果。
进一步地，该健身动作识别装置还包括健身动作转换处理单元和信息提醒单元。
健身动作转换处理单元，用于若动作识别结果为动作标准，则基于当前健身动作，获取与当前健身动作对应的下个健身动作，将下个健身动作更新为新的当前健身动作，执行接收动作传感器组采集的与当前健身动作对应的待识别动作数据。
第一信息提醒单元，用于若动作识别结果为动作不标准，则基于预先设置的提醒模式进行提醒。
进一步地，该健身动作识别装置还包括待识别心率获取单元、心率判断标准获取单元、待识别心率处理单元和数据显示单元。
待识别心率获取单元，用于接收心率传感器采集的与当前健身动作对应的待识别心率。
心率判断标准获取单元，用于获取用户信息，基于用户信息中的性别和年龄，获取心率判断标准。
待识别心率处理单元，用于将待识别心率和心率判断标准进行比较，获取运动量评估结果。
数据显示单元，用于依据运动量评估显示逻辑，对运动量评估结果进行显示。
进一步地，该健身动作识别装置还包括训练类型确定单元、训练类型数据获取单元、训练类型数据处理单元和第二信息提醒单元。
训练类型确定单元，用于获取每一运动轨迹对应的运动时间，获取同一运动轨迹对应的总运动时间，基于总运动时间确定训练类型。
训练类型数据获取单元，用于基于训练类型，获取与训练类型对应的推荐心率和标准时间。
训练类型数据处理单元，用于获取待识别心率达到推荐心率对应的检测时间。
第二信息提醒单元，用于若检测时间不大于标准时间，则基于预先设置的提醒模式进行提醒。
关于健身动作识别装置的具体限定可以参见上文中对于健身动作识别方法的限定，在此不再赘述。上述健身动作识别装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中，提供了一种计算机设备，该计算机设备可以是终端，其内部结构图可以如图8所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口、显示屏和输入装置。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部服务器通过网络连接通信。该计算机程序被处理器执行时以实现一种健身动作识别方法。
在一个实施例中，提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时实现上述实施例的健身动作识别方法，如图1所示的步骤S10-步骤S60，或者图2至图6中所示的步骤，为避免重复，这里不再赘述。或者，处理器执行计算机程序时实现上述健身动作识别装置这一实施例中的各模块/单元的功能，例如图7所示的模块10至模块60的功能，为避免重复，这里不再赘述。
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现上述实施例的健身动作识别方法，如图1所示的步骤S10-步骤S60，或者图2至图6中所示的步骤，为避免重复，这里不再赘述。或者，计算机程序被处理器执行时实现上述健身动作识别装置这一实施例中的各模块/单元的功能，例如图7所示的模块10至模块60的功能，为避免重复，这里不再赘述。
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，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
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。
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)

1.一种健身动作识别方法，其特征在于，包括：
获取当前健身动作，接收动作传感器组采集的与所述当前健身动作对应的待识别动作数据；
采用姿态融合算法对所述待识别动作数据进行计算，获取运动轨迹；
基于所述运动轨迹，获取所述运动轨迹对应的至少一个轨迹特征点；
基于所述当前健身动作，获取与所述当前健身动作对应的特征判断范围；
采用所述特征判断范围对所述轨迹特征点进行判断，获取动作识别结果；
依据动作识别显示逻辑，对所述动作识别结果进行显示。
2.如权利要求1所述的健身动作识别方法，其特征在于，所述采用姿态融合算法对所述待识别动作数据进行计算，获取运动轨迹，包括：
采用姿态融合算法对所述待识别动作数据进行计算，获取所述待识别动作数据对应的四元数；
将所述四元数转换为三维坐标，对所述三维坐标进行曲线拟合，获取运动轨迹。
3.如权利要求1所述的健身动作识别方法，其特征在于，所述采用所述特征判断范围对所述轨迹特征点进行判断，获取动作识别结果，包括：
若所有所述轨迹特征点均在各所述轨迹特征点对应的特征判断范围内，则确定所述当前健身动作为标准动作，获取所述当前健身动作为动作标准的动作识别结果；
若至少一个所述轨迹特征点不在所述轨迹特征点对应的特征判断范围内，则确定所述当前健身动作为不标准动作，获取所述当前健身动作为动作不标准的动作识别结果。
4.如权利要求1所述的健身动作识别方法，其特征在于，在获取动作识别结果后，所述健身动作识别方法还包括：
若所述动作识别结果为动作标准，则基于所述当前健身动作，获取与所述当前健身动作对应的下个健身动作，将所述下个健身动作更新为新的当前健身动作，执行所述接收动作传感器组采集的与所述当前健身动作对应的待识别动作数据；
若所述动作识别结果为动作不标准，则基于预先设置的提醒模式进行提醒。
5.如权利要求3所述的健身动作识别方法，其特征在于，所述健身动作识别方法还包括：
接收心率传感器采集的与所述当前健身动作对应的待识别心率；
获取用户信息，基于所述用户信息中的性别和年龄，获取心率判断标准；
将所述待识别心率和所述心率判断标准进行比较，获取运动量评估结果；
依据运动量评估显示逻辑，对所述运动量评估结果进行显示。
6.如权利要求5所述的健身动作识别方法，其特征在于，在所述接收心率传感器采集的与所述当前健身动作对应的待识别心率之后，所述健身动作识别方法还包括：
获取每一所述运动轨迹对应的运动时间，获取同一运动轨迹对应的总运动时间，基于所述总运动时间确定训练类型；
基于所述训练类型，获取与所述训练类型对应的推荐心率和标准时间；
获取所述待识别心率达到推荐心率对应的检测时间；
若所述检测时间不大于所述标准时间，则基于预先设置的提醒模式进行提醒。
7.一种健身动作识别装置，其特征在于，包括：
待识别数据获取模块，用于获取当前健身动作，接收动作传感器组采集的与所述当前健身动作对应的待识别动作数据；
运动轨迹获取模块，用于采用姿态融合算法对所述待识别动作数据进行计算，获取运动轨迹；
运动轨迹处理模块，用于基于所述运动轨迹，获取所述运动轨迹对应的至少一个轨迹特征点；
特征判断范围确定模块，用于基于所述当前健身动作，获取与所述当前健身动作对应的特征判断范围；
动作识别结果获取模块，用于采用所述特征判断范围对所述轨迹特征点进行判断，获取动作识别结果；
数据显示模块，用于依据动作识别显示逻辑，对所述动作识别结果进行显示。
8.如权利要求7所述的健身动作识别装置，其特征在于，所述运动轨迹处理模块包括：
待识别动作数据计算单元，用于采用姿态融合算法对所述待识别动作数据进行计算，获取所述待识别动作数据对应的四元数；
运动轨迹获取单元，用于将所述四元数转换为三维坐标，对所述三维坐标进行曲线拟合，获取运动轨迹。
9.一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至6任一项所述健身动作识别方法。
10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至6任一项所述健身动作识别方法。
CN201910278762.0A 2019-04-09 2019-04-09 健身动作识别方法、装置、计算机设备及存储介质 Active CN110151187B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910278762.0A CN110151187B (zh) 2019-04-09 2019-04-09 健身动作识别方法、装置、计算机设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910278762.0A CN110151187B (zh) 2019-04-09 2019-04-09 健身动作识别方法、装置、计算机设备及存储介质

Publications (2)

Publication Number Publication Date
CN110151187A true CN110151187A (zh) 2019-08-23
CN110151187B CN110151187B (zh) 2022-07-05

Family

ID=67638854

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910278762.0A Active CN110151187B (zh) 2019-04-09 2019-04-09 健身动作识别方法、装置、计算机设备及存储介质

Country Status (1)

Country Link
CN (1) CN110151187B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111800693A (zh) * 2020-06-30 2020-10-20 韶关市启之信息技术有限公司 一种基于蓝牙耳机的运动姿态判断方法与系统
CN112259191A (zh) * 2019-08-30 2021-01-22 华为技术有限公司 辅助健身的方法和电子装置
CN114470679A (zh) * 2022-02-08 2022-05-13 上海铼锶信息技术有限公司 运动检测装置及系统

Citations (22)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20060262120A1 (en) * 2005-05-19 2006-11-23 Outland Research, Llc Ambulatory based human-computer interface
US20070213110A1 (en) * 2005-01-28 2007-09-13 Outland Research, Llc Jump and bob interface for handheld media player devices
CA2727946A1 (en) * 2008-06-16 2009-12-23 Mytrak Health System Inc. Mobile fitness and personal caloric management system
CN102221369A (zh) * 2011-04-29 2011-10-19 韩铮 一种球类运动的动作识别方法、装置和动作辅助设备
US20130040272A1 (en) * 2011-05-19 2013-02-14 Trilife Eternal, Llc System and method for producing customized training plans for multi-discipline endurance athletic competitions
CN103139627A (zh) * 2013-02-07 2013-06-05 上海集成电路研发中心有限公司 智能电视及其手势控制方法
US20140196082A1 (en) * 2012-07-17 2014-07-10 Panasonic Corporation Comment information generating apparatus and comment information generating method
CN104574807A (zh) * 2014-12-11 2015-04-29 惠州Tcl移动通信有限公司 提醒用户调整运动量的方法及装置
US20150374290A1 (en) * 2011-06-16 2015-12-31 Teesside University Method and apparatus for measuring expended energy
CN105617638A (zh) * 2015-12-25 2016-06-01 深圳市酷浪云计算有限公司 羽毛球挥拍动作识别方法和装置
US20160220867A1 (en) * 2015-02-04 2016-08-04 Ryan Flaherty Predictable and adaptive personal fitness planning
US20160274663A1 (en) * 2015-03-19 2016-09-22 Panasonic Intellectual Property Management Co., Ltd. Control apparatus
US20160299571A1 (en) * 2015-04-10 2016-10-13 Swimmo Inc. Control system for electronic device
CN106127167A (zh) * 2016-06-28 2016-11-16 广东欧珀移动通信有限公司 一种增强现实中目标对象的识别方法、装置及移动终端
CN106384093A (zh) * 2016-09-13 2017-02-08 东北电力大学 一种基于降噪自动编码器和粒子滤波的人体动作识别方法
CN106406516A (zh) * 2016-08-26 2017-02-15 兰州理工大学 一种智能手机本地实时的运动轨迹特征提取与识别方法
CN106551684A (zh) * 2017-02-04 2017-04-05 深圳市哎优智能科技有限公司 一种人体躯干运动锻炼效能评估方法和装置
US20180130373A1 (en) * 2012-11-29 2018-05-10 Corinne BERNARD-PAROLY Exercise mangement system with body sensor
US20180368737A1 (en) * 2016-01-08 2018-12-27 Koninklijke Philips N.V. Personalized fitness tracking
US20190050064A1 (en) * 2015-08-07 2019-02-14 Fitbit, Inc. User identification via motion and heartbeat waveform data
CN109473156A (zh) * 2018-10-12 2019-03-15 缤刻普达（北京）科技有限责任公司 运动建议方法及装置
CN109556601A (zh) * 2018-10-29 2019-04-02 中国科学院电子学研究所 一种手势轨迹计算方法及手势轨迹采集装置

Patent Citations (22)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20070213110A1 (en) * 2005-01-28 2007-09-13 Outland Research, Llc Jump and bob interface for handheld media player devices
US20060262120A1 (en) * 2005-05-19 2006-11-23 Outland Research, Llc Ambulatory based human-computer interface
CA2727946A1 (en) * 2008-06-16 2009-12-23 Mytrak Health System Inc. Mobile fitness and personal caloric management system
CN102221369A (zh) * 2011-04-29 2011-10-19 韩铮 一种球类运动的动作识别方法、装置和动作辅助设备
US20130040272A1 (en) * 2011-05-19 2013-02-14 Trilife Eternal, Llc System and method for producing customized training plans for multi-discipline endurance athletic competitions
US20150374290A1 (en) * 2011-06-16 2015-12-31 Teesside University Method and apparatus for measuring expended energy
US20140196082A1 (en) * 2012-07-17 2014-07-10 Panasonic Corporation Comment information generating apparatus and comment information generating method
US20180130373A1 (en) * 2012-11-29 2018-05-10 Corinne BERNARD-PAROLY Exercise mangement system with body sensor
CN103139627A (zh) * 2013-02-07 2013-06-05 上海集成电路研发中心有限公司 智能电视及其手势控制方法
CN104574807A (zh) * 2014-12-11 2015-04-29 惠州Tcl移动通信有限公司 提醒用户调整运动量的方法及装置
US20160220867A1 (en) * 2015-02-04 2016-08-04 Ryan Flaherty Predictable and adaptive personal fitness planning
US20160274663A1 (en) * 2015-03-19 2016-09-22 Panasonic Intellectual Property Management Co., Ltd. Control apparatus
US20160299571A1 (en) * 2015-04-10 2016-10-13 Swimmo Inc. Control system for electronic device
US20190050064A1 (en) * 2015-08-07 2019-02-14 Fitbit, Inc. User identification via motion and heartbeat waveform data
CN105617638A (zh) * 2015-12-25 2016-06-01 深圳市酷浪云计算有限公司 羽毛球挥拍动作识别方法和装置
US20180368737A1 (en) * 2016-01-08 2018-12-27 Koninklijke Philips N.V. Personalized fitness tracking
CN106127167A (zh) * 2016-06-28 2016-11-16 广东欧珀移动通信有限公司 一种增强现实中目标对象的识别方法、装置及移动终端
CN106406516A (zh) * 2016-08-26 2017-02-15 兰州理工大学 一种智能手机本地实时的运动轨迹特征提取与识别方法
CN106384093A (zh) * 2016-09-13 2017-02-08 东北电力大学 一种基于降噪自动编码器和粒子滤波的人体动作识别方法
CN106551684A (zh) * 2017-02-04 2017-04-05 深圳市哎优智能科技有限公司 一种人体躯干运动锻炼效能评估方法和装置
CN109473156A (zh) * 2018-10-12 2019-03-15 缤刻普达（北京）科技有限责任公司 运动建议方法及装置
CN109556601A (zh) * 2018-10-29 2019-04-02 中国科学院电子学研究所 一种手势轨迹计算方法及手势轨迹采集装置

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
REILLY, T: "The specificity of training prescription and physiological assessment", 《JOURNAL OF SPORTS SCIENCES》, 31 December 2009 (2009-12-31), pages 575 - 589 *
于斌: "可穿戴式有氧运动辅助系统设计与实现", 《中国优秀硕士学位论文全文数据库》, 31 December 2017 (2017-12-31), pages 1 - 68 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112259191A (zh) * 2019-08-30 2021-01-22 华为技术有限公司 辅助健身的方法和电子装置
CN111800693A (zh) * 2020-06-30 2020-10-20 韶关市启之信息技术有限公司 一种基于蓝牙耳机的运动姿态判断方法与系统
CN114470679A (zh) * 2022-02-08 2022-05-13 上海铼锶信息技术有限公司 运动检测装置及系统

Also Published As

Publication number Publication date
CN110151187B (zh) 2022-07-05

Similar Documents

Publication Publication Date Title
CN105617615B (zh) 锻炼信息提供方法及支持该锻炼信息提供方法的电子装置
US11455909B2 (en) Identification and analysis of movement using sensor devices
KR102116968B1 (ko) Ai 기반의 스마트 코칭 방법
EP3131027B1 (en) Method for detecting activity information of user and electronic device thereof
CN108293174A (zh) 用于众包算法开发的方法和系统
CN105263411B (zh) 跌倒检测系统及方法
CN110151187A (zh) 健身动作识别方法、装置、计算机设备及存储介质
US11521733B2 (en) Exercise assistant device and exercise assistant method
CN106999106A (zh) 用于使用可穿戴设备的测量结果生成健康数据的系统和方法
CN104126184A (zh) 用于包括训练计划的自动个人训练的方法和系统
US20190143174A1 (en) Motion training guide system based on wearable sensor and method thereof
CN108565001A (zh) 运动方法、装置及计算机可读存储介质
US20200211410A1 (en) Method and apparatus for providing guide information associated with exercise intensity on basis of user activity information
CN114096194A (zh) 用于认知训练和监控的系统和方法
US20220092300A1 (en) Display apparatus and method for controlling thereof
KR101871455B1 (ko) 유전자 분석 결과를 토대로 한 개인 맞춤형 생활 및 운동 패턴 관리 장치 및 이의 동작 방법
US20220199220A1 (en) Systems and methods of digitally-delivered home exercise therapy
JP2021137543A (ja) 測定システム、方法、プログラム
CN114649096A (zh) 体型数据确定方法、装置、设备、存储介质及产品
RU2813471C1 (ru) Способы и системы идентификации действия пользователя
CN108597575A (zh) 瑜伽运动方法、装置及计算机可读存储介质
JP7124889B2 (ja) 運動支援装置、運動支援システム、運動支援方法、及びプログラム
US20240057895A1 (en) Musculoskeletal strain
KR102380249B1 (ko) 사용자 맞춤형 운동을 제공하는 서버 및 이를 포함하는 사용자 맞춤형 운동 제공 시스템
US20230316811A1 (en) System and method of identifying a physical exercise

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