CN110180155A - 一种间歇性训练的强度远程监测系统及方法 - Google Patents

Abstract

本发明涉及一种间歇性训练的强度远程监测系统及方法，用于对于多个训练区域的训练人员的间歇性训练进行远程监控，每次间歇性训练包括多个训练时段和多个休息时段；所述系统包括设置于各个训练区域的摄像头、监控者终端、云端服务器和数据库，所述数据库存储有训练者ID、训练者ID与监控者ID的映射关系以及训练者的训练数据；所述云端服务器包括画面接收模块、用户识别模块、画面合成模块、画面传输模块、计时模块和报表生成模块。通过采用本发明，一个教练可以通过监控者终端同时监控多个训练者的训练过程，教练可以通过合成的画面查看每个训练者的训练状态，并启动计时器进行自动计时，提高训练监管的效率，避免多个学员训练时互相干扰。

Description

一种间歇性训练的强度远程监测系统及方法

技术领域

本发明涉及数据处理技术领域，具体是指一种间歇性训练的强度远程监测系统及方法。

背景技术

间歇训练法是指对动作结构和负荷强度、间歇时间提出严格的要求，以使机体处于不完全恢复状态下，反复进行练习的训练方法。该训练法优点在于训练时段及中间休息时段均能使心率持在最佳范围之内，改善心泵功能。间歇性训练，两次训练时段之间有一个严格控制休息时间的休息时段，并且这个休息时段的长短是通过测量运动员的心率来控制的。关键一点是，运动员要在尚未完全恢复体力时便开始下一组练习。

在实际应用中，由于间歇训练法的特殊性，需要教练对训练者进行训练过程的实时监控。然而，现有技术中的间歇性训练的监控，需要教练一对一地对训练者进行监控，教练手动进行计时和训练者状态的判断。当一个教练需要管理多个学员时，需要将多个学员的训练时间错开设置，或者将多个学员的训练地点设置得很近，容易出现多个学员的训练过程相互干扰的情况，不利于训练过程的有效监控。

发明内容

本发明提供了一种间歇性训练的强度远程监测系统及方法，其目的在于克服现有技术中的缺陷，一个教练可以通过监控者终端同时监控多个训练者的训练过程，教练可以通过合成的画面查看每个训练者的训练状态，并启动计时器进行自动计时，提高训练监管的效率，避免多个学员训练时互相干扰。

为了实现上述目的，本发明具有如下构成：

该间歇性训练的强度远程监测系统，用于对于多个训练区域的训练人员的间歇性训练进行远程监控，每次间歇性训练包括n个训练时段和n-1个休息时段；

所述系统包括设置于各个训练区域的摄像头、监控者终端、云端服务器和数据库，所述数据库存储有训练者ID、训练者ID与监控者ID的映射关系以及训练者的训练数据；

所述云端服务器包括画面接收模块、用户识别模块、画面合成模块、画面传输模块、计时模块和报表生成模块；所述云端服务器用于执行如下步骤：

所述画面接收模块检测到一训练区域的摄像头开启时，从开启的摄像头接收采集的画面；

所述用户识别模块从所述画面接收模块中提取人脸图像，根据人脸图像进行图像识别，得到训练者ID；

所述画面合成模块从所述用户识别模块获取训练者ID和摄像头采集画面的对应关系，并根据训练者ID与监控者ID的映射关系，确定摄像头采集画面与监控者ID的映射关系；

所述画面合成模块判断新开启的摄像头的采集画面所对应的监控者ID是否正在接收其他摄像头的采集画面，如果是，则所述画面合成模块将该监控者ID所对应的所有摄像头采集画面进行合成，合成至同一监控画面；

所述画面合成模块在合成后的监控画面中为每个摄像头采集画面绘制边框，并在每个摄像头采集画面上添加一个台标，所述台标包括该摄像头采集画面所对应的训练者ID；

所述画面传输模块用于将所述画面合成模块合成的监控画面以及监控画面中每个摄像头采集画面与训练者ID的对应关系传输至对应的监控者ID的监控者终端；

所述监控者终端接收到所述合成的监控画面后，显示所述合成的监控画面；

所述监控者终端检测到监控者在所述合成的监控画面上的双击操作时，检测所述双击操作的位置的坐标，判断所述双击操作的位置是否位于一摄像头采集画面中；

如果所述双击操作的位置处于一摄像头采集画面中，则所述监控者终端将该摄像头采集画面的训练者ID的状态变化通知发送至所述计时模块；

所述计时模块接收到所述监控者终端发送的训练者ID的状态变化时，所述计时模块判断当前记录的训练者ID是处于初始状态、训练时段还是处于休息时段，如果当前是处于初始状态，则所述计时模块将训练者ID的状态变更为第1个训练时段，并为该训练者ID创建一个计时器，该计时器开始计时；如果当前是处于第i个训练时段，i∈(1，n-1)，则所述计时模块将训练者ID的状态变更为第i个休息时段，将计时结果作为该训练者ID在该次间歇性训练中第i个训练时段的时长，并将该训练者ID的计时器清零，重新开始计时；如果当前是处于第i个休息时段，将计时结果作为该训练者ID在该次间歇性训练中第i个休息时段的时长，并将该训练者ID的计时器清零，重新开始计时；如果当前是处于第n个训练时段，则所述计时模块将训练者ID的状态变更为训练完成，将计时结果作为该训练者ID在该次间歇性训练中第n个训练时段的时长，并关闭该训练者ID所对应的计时器，将该训练者ID在该次间歇性训练中各个训练时段和休息时段的时长以[USERID,TRAINID,X₁,X₂,…,X_n,Y₁,Y₂,…,Y_n-1]的形式存储至所述数据库，其中，USERID为训练者ID，TRAINID为该次间歇性训练的ID，X_a,a∈(1，n)为第a个训练时段的时长，Y_b，b∈(1，n-1)为第b个训练时段的时长；

所述报表生成模块检测到所述数据库中新存入有一训练者ID在一次间歇性训练中各个训练时段和休息时段的时长数据时，从所述数据库中获取新存入的数据，并生成该训练者ID在该次间歇性训练中各个时段的时长报表，将生成的报表发送至所述训练者ID所对应的监控者终端。

可选地，所述云端服务器还包括训练计划生成模块，所述数据库还存储有各个训练者ID所对应的训练者信息，所述训练者信息包括训练者年龄、训练者身高、训练者体重、训练者性别、训练者在最近一年的间歇性训练次数以及训练者每两次间歇性训练的间隔时长；

所述训练计划生成模块用于采用训练好的训练计划生成模型，生成各个所述训练者ID所对应的训练计划，所述训练计划生成模型的输入包括训练者ID所对应的训练者信息，所述训练计划生成模型的输出包括训练者ID所对应的一次间歇性训练中各个训练时段的时长和各个休息时段的时长[USERID,PX₁,PX₂,…,PX_n,PY₁,PY₂,…,PY_n-1]，其中，USERID为训练者ID，PX_a,a∈(1，n)为第a个训练时段的计划时长，PY_b，b∈(1，n-1)为第b个训练时段的计划时长。

可选地，所述云端服务器还包括训练计划生成模型训练模块，所述训练计划生成模型为卷积神经网络模型，所述训练计划生成模型包括依次连接的第一卷积层、第一池化层、第二卷积层、第二池化层、第三卷积层、第四卷积层、第五卷积层和第三池化层，所述第一卷积层和第一池化层之间、第二卷积层和第二池化层之间、第三卷积层和第四卷积层之间以及第五卷积层和第三池化层之间分别设置有一Relu函数，所述训练计划生成模型训练模块用于采用训练集对构建的训练计划生成模型进行训练。

可选地，所述计划生成模型训练模块用于采集多个训练者的样本数据，各个训练者的样本数据包括该训练者ID和训练者信息，计算样本数据中各个训练者在一次训练者间歇性训练中各个训练时段的平均时长和休息时段的平均时长[USERID,VX₁,VX₂,…,VX_n,VY₁,VY₂,…,VY_n-1]，其中，USERID为训练者ID，VX_a,a∈(1，n)为第a个训练时段的平均时长，VY_b，b∈(1，n-1)为第b个训练时段的计划时长，并采用各个训练时段的平均时长和休息时段的平均时长标记对应的训练者的样本数据，将标记后的训练者的样本数据加入训练集；

所述计划生成模型训练模块采用如下步骤计算样本数据中各个训练者在一次训练者间歇性训练中各个训练时段的平均时长和休息时段的平均时长：

所述计划生成模型训练模块获取一训练者的m次训练数据[USERID,TRAINIDc,Xc₁,Xc₂,…,Xc_n,Yc₁,Yc₂,…,Yc_n-1]的形式存储至所述数据库，其中，USERID为训练者ID，TRAINIDc为第c次间歇性训练的ID，c∈(1，m)，Xc_a,a∈(1，n)为第c次间歇性训练中第a个训练时段的时长，Yc_b，b∈(1，n-1)为第c次间歇性训练中第b个训练时段的时长；

根据如下公式计算第a个训练时段的平均时长：

根据如下公式计算第b个休息时段的平均时长：

将计算得到的各个训练时段的平均时长和休息时段的平均时长[USERID,VX₁,VX₂,…,VX_n,VY₁,VY₂,…,VY_n-1]作为对应的训练者的样本数据的输出标记。

可选地，所述报表生成模块生成该训练者ID在该次间歇性训练中各个时段的时长报表之后，还包括如下步骤：

所述报表生成模块比较训练者ID的训练计划中各个时段的时长和训练者ID在该次间歇性训练中各个时段的时长，如果一时段的计划时长和实际时长的差值大于预设阈值，则将此时段的实际时长在所述时长报表中标红处理。

可选地，所述系统还包括智能手环，所述智能手环佩戴于训练者身上，且所述智能手环与所述训练者绑定；

所述云端服务器还包括智能手环通讯模块和状态纠错模块，所述智能手环通讯模块用于与所述智能手环通信，从所述智能手环获取训练者的心率数据，所述状态纠错模块用于根据所述训练者的心率数据判断训练者处于训练状态还是处于休息状态，并将判断的训练者状态与计时模块记录的状态进行对比；

如果所述状态纠错模块根据所述训练者的心率数据判断训练者已进入训练状态的时间超过第一时间阈值且所述计时模块仍记录训练者为休息状态时，所述状态纠错模块发送纠错提醒至所述监控者终端，所述监控者终端接收到所述纠错提醒后，根据纠错所对应的训练者ID，将训练者ID所对应的摄像头采集图像的边框高亮显示；

如果所述状态纠错模块根据所述训练者的心率数据判断训练者已进入休息状态的时间超过第二时间阈值且所述计时模块仍记录训练者为训练状态时，所述状态纠错模块发送纠错提醒至所述监控者终端，所述监控者终端接收到所述纠错提醒后，根据纠错所对应的训练者ID，将训练者ID所对应的摄像头采集图像的边框高亮显示。

可选地，所述状态纠错模块检测所述训练者的心率数据，检测到所述训练者的心率数据在第三时间阈值范围内持续大于心率阈值时，判定所述训练者处于训练状态，检测到所述训练者的心率数据在第三时间阈值范围内持续小于心率阈值时，判定所述训练者处于休息状态。

本发明实施例还提供一种间歇性训练的强度远程监测方法，采用所述的间歇性训练的强度远程监测系统，所述方法包括如下步骤：

所述画面接收模块检测到一训练区域的摄像头开启时，从开启的摄像头接收采集的画面；

所述用户识别模块从所述画面接收模块中提取人脸图像，根据人脸图像进行图像识别，得到训练者ID；

所述画面合成模块从所述用户识别模块获取训练者ID和摄像头采集画面的对应关系，并根据训练者ID与监控者ID的映射关系，确定摄像头采集画面与监控者ID的映射关系；

所述画面合成模块判断新开启的摄像头的采集画面所对应的监控者ID是否正在接收其他摄像头的采集画面，如果是，则所述画面合成模块将该监控者ID所对应的所有摄像头采集画面进行合成，合成至同一监控画面；

所述画面合成模块在合成后的监控画面中为每个摄像头采集画面绘制边框，并在每个摄像头采集画面上添加一个台标，所述台标包括该摄像头采集画面所对应的训练者ID；

所述画面传输模块用于将所述画面合成模块合成的监控画面以及监控画面中每个摄像头采集画面与训练者ID的对应关系传输至对应的监控者ID的监控者终端；

所述监控者终端接收到所述合成的监控画面后，显示所述合成的监控画面；

所述监控者终端检测到监控者在所述合成的监控画面上的双击操作时，检测所述双击操作的位置的坐标，判断所述双击操作的位置是否位于一摄像头采集画面中；

如果所述双击操作的位置处于一摄像头采集画面中，则所述监控者终端将该摄像头采集画面的训练者ID的状态变化通知发送至所述计时模块；

所述计时模块接收到所述监控者终端发送的训练者ID的状态变化时，所述计时模块判断当前记录的训练者ID是处于初始状态、训练时段还是处于休息时段，如果当前是处于初始状态，则所述计时模块将训练者ID的状态变更为第1个训练时段，并为该训练者ID创建一个计时器，该计时器开始计时；如果当前是处于第i个训练时段，i∈(1，n-1)，则所述计时模块将训练者ID的状态变更为第i个休息时段，将计时结果作为该训练者ID在该次间歇性训练中第i个训练时段的时长，并将该训练者ID的计时器清零，重新开始计时；如果当前是处于第i个休息时段，将计时结果作为该训练者ID在该次间歇性训练中第i个休息时段的时长，并将该训练者ID的计时器清零，重新开始计时；如果当前是处于第n个训练时段，则所述计时模块将训练者ID的状态变更为训练完成，将计时结果作为该训练者ID在该次间歇性训练中第n个训练时段的时长，并关闭该训练者ID所对应的计时器，将该训练者ID在该次间歇性训练中各个训练时段和休息时段的时长以[USERID,TRAINID,X₁,X₂,…,X_n,Y₁,Y₂,…,Y_n-1]的形式存储至所述数据库，其中，USERID为训练者ID，TRAINID为该次间歇性训练的ID，X_a,a∈(1，n)为第a个训练时段的时长，Y_b，b∈(1，n-1)为第b个训练时段的时长；

所述报表生成模块检测到所述数据库中新存入有一训练者ID在一次间歇性训练中各个训练时段和休息时段的时长数据时，从所述数据库中获取新存入的数据，并生成该训练者ID在该次间歇性训练中各个时段的时长报表，将生成的报表发送至所述训练者ID所对应的监控者终端。

采用了该发明中的间歇性训练的强度远程监测系统及方法，具有如下有益效果：

通过采用本发明的系统及方法，一个教练可以通过监控者终端同时监控多个训练者的训练过程，教练可以通过合成的画面查看每个训练者的训练状态，并启动计时器进行自动计时，提高训练监管的效率，避免多个学员训练时互相干扰；并且可以根据历史数据和训练好的卷积神经网络模型，基于深度学习自动生成训练计划，基于大数据统计更好地指导训练者的训练过程，提高间歇性训练监管的效率和有效性。

附图说明

图1为本发明一实施例的间歇性训练的强度远程监测系统的结构示意图；

图2为本发明一实施例中增加训练计划生成功能的云端服务器的结构示意图；

图3为本发明一实施例的间歇性训练的强度远程监测方法的流程图。

具体实施方式

为了能够更清楚地描述本发明的技术内容，下面结合具体实施例来进行进一步的描述。

为了解决现有技术中的技术问题，本发明实施例提供了一种间歇性训练的强度远程监测系统，该间歇性训练的强度远程监测系统用于对于多个训练区域的训练人员的间歇性训练进行远程监控，每次间歇性训练包括n个训练时段和n-1个休息时段。

如图1所示，所述间歇性训练的强度远程监测系统包括设置于各个训练区域的摄像头M100、监控者终端M200、云端服务器M300和数据库M400，所述数据库存储有训练者ID、训练者ID与监控者ID的映射关系以及训练者的训练数据。

所述云端服务器M300包括画面接收模块M310、用户识别模块M320、画面合成模块M330、画面传输模块M340、计时模块M350和报表生成模块M360。所述云端服务器用于执行如下步骤：

所述画面接收模块检测到一训练区域的摄像头开启时，从开启的摄像头接收采集的画面；

所述用户识别模块从所述画面接收模块中提取人脸图像，根据人脸图像进行图像识别，得到训练者ID；人脸图像的提取和人脸识别可以采用现有技术中的人脸识别方法，例如采用现有的主动形状模型等提取人脸区域，并采用图像匹配的方式识别用户身份等等，只要能够实现根据摄像头采集到的人脸图像识别到训练者ID即可，如此可实现摄像头采集图像、训练区域与训练者ID的绑定，并且可以通过训练者ID与监控者ID的绑定，实现摄像头采集图像与监控者ID的绑定；

所述画面合成模块从所述用户识别模块获取训练者ID和摄像头采集画面的对应关系，并根据训练者ID与监控者ID的映射关系，确定摄像头采集画面与监控者ID的映射关系；

所述画面合成模块判断新开启的摄像头的采集画面所对应的监控者ID是否正在接收其他摄像头的采集画面，如果是，则所述画面合成模块将该监控者ID所对应的所有摄像头采集画面进行合成，合成至同一监控画面；画面合成模块合成监控画面，可以通过监控画面的总分辨率以及该监控者ID所对应的正在使用中的摄像头的数量，计算每个摄像头的采集画面在监控画面上可以分得的分辨率大小，将摄像头的采集图像缩小至对应的分辨率，然后将各个采集图像合并在一起；

所述画面合成模块在合成后的监控画面中为每个摄像头采集画面绘制边框，并在每个摄像头采集画面上添加一个台标，所述台标包括该摄像头采集画面所对应的训练者ID；

所述画面传输模块用于将所述画面合成模块合成的监控画面以及监控画面中每个摄像头采集画面与训练者ID的对应关系传输至对应的监控者ID的监控者终端；

所述监控者终端接收到所述合成的监控画面后，显示所述合成的监控画面；

所述监控者终端检测到监控者在所述合成的监控画面上的双击操作时，检测所述双击操作的位置的坐标，判断所述双击操作的位置是否位于一摄像头采集画面中；

如果所述双击操作的位置处于一摄像头采集画面中，则所述监控者终端将该摄像头采集画面的训练者ID的状态变化通知发送至所述计时模块；对于监控者来说，可以通过简单的操作即可以切换记录的训练者的状态，当监控者通过监控画面中训练者的动作判断训练者从训练状态进入休息状态或者从休息状态进入训练状态时，可以通过双击对应的画面来通知计时模块，训练者的状态发生了变化；

所述计时模块接收到所述监控者终端发送的训练者ID的状态变化时，所述计时模块判断当前记录的训练者ID是处于初始状态、训练时段还是处于休息时段，如果当前是处于初始状态，则所述计时模块将训练者ID的状态变更为第1个训练时段，并为该训练者ID创建一个计时器，该计时器开始计时；如果当前是处于第i个训练时段，i∈(1，n-1)，则所述计时模块将训练者ID的状态变更为第i个休息时段，将计时结果作为该训练者ID在该次间歇性训练中第i个训练时段的时长，并将该训练者ID的计时器清零，重新开始计时；如果当前是处于第i个休息时段，将计时结果作为该训练者ID在该次间歇性训练中第i个休息时段的时长，并将该训练者ID的计时器清零，重新开始计时；如果当前是处于第n个训练时段，则所述计时模块将训练者ID的状态变更为训练完成，将计时结果作为该训练者ID在该次间歇性训练中第n个训练时段的时长，并关闭该训练者ID所对应的计时器，将该训练者ID在该次间歇性训练中各个训练时段和休息时段的时长以[USERID,TRAINID,X₁,X₂,…,X_n,Y₁,Y₂,…,Y_n-1]的形式存储至所述数据库，其中，USERID为训练者ID，TRAINID为该次间歇性训练的ID，X_a,a∈(1，n)为第a个训练时段的时长，Y_b，b∈(1，n-1)为第b个训练时段的时长；

所述报表生成模块检测到所述数据库中新存入有一训练者ID在一次间歇性训练中各个训练时段和休息时段的时长数据时，从所述数据库中获取新存入的数据，并生成该训练者ID在该次间歇性训练中各个时段的时长报表，将生成的报表发送至所述训练者ID所对应的监控者终端。生成的报表可以采用Excel表的形式，分别列出训练者ID和此处间歇性训练的ID以及各个训练时段的时长和各个休息时段的时长。

因此，通过采用本发明的间歇性训练的强度远程监控系统，一个教练可以通过监控者终端同时监控多个训练者的训练过程，教练可以通过合成的画面查看每个训练者的训练状态，并启动计时器进行自动计时，提高训练监管的效率，避免多个学员训练时互相干扰。对于教练来说，可以通过监控画面同时查看多个训练者的训练状态，并且通过双击显示画面即可以实现记录状态的切换，并带动计时模块自动对各个训练时段和休息时段进行自动计时。

如图2所示，在该实施例中，所述云端服务器M300还包括训练计划生成模块M370，所述数据库还存储有各个训练者ID所对应的训练者信息，所述训练者信息包括训练者年龄、训练者身高、训练者体重、训练者性别、训练者在最近一年的间歇性训练次数以及训练者每两次间歇性训练的间隔时长；

所述训练计划生成模块M370用于采用训练好的训练计划生成模型，生成各个所述训练者ID所对应的训练计划，所述训练计划生成模型的输入包括训练者ID所对应的训练者信息，所述训练计划生成模型的输出包括训练者ID所对应的一次间歇性训练中各个训练时段的时长和各个休息时段的时长[USERID,PX₁,PX₂,…,PX_n,PY₁,PY₂,…,PY_n-1]，其中，USERID为训练者ID，PX_a,a∈(1，n)为第a个训练时段的计划时长，PY_b，b∈(1，n-1)为第b个训练时段的计划时长。

在该实施例中，所述云端服务器M300还包括训练计划生成模型训练模块M380，所述训练计划生成模型M380为卷积神经网络模型，所述训练计划生成模型包括依次连接的第一卷积层、第一池化层、第二卷积层、第二池化层、第三卷积层、第四卷积层、第五卷积层和第三池化层，所述第一卷积层和第一池化层之间、第二卷积层和第二池化层之间、第三卷积层和第四卷积层之间以及第五卷积层和第三池化层之间分别设置有一Relu函数，所述训练计划生成模型训练模块用于采用训练集对构建的训练计划生成模型进行训练。

卷积神经网络中每层卷积层由若干卷积单元组成，每个卷积单元的参数都是通过反向传播算法最佳化得到的。卷积运算的目的是提取输入的不同特征，第一层卷积层可能只能提取一些低级的特征如边缘、线条和角等层级，更多层的网路能从低级特征中迭代提取更复杂的特征。池化层也叫取样层，紧跟在卷积层之后，同样由多个特征面组成，它的每一个特征面对应于其上一层的一个特征面，不会改变特征面的个数。池化层旨在通过降低特征面的分辨率来获得具有空间不变性的特征。池化层起到二次提取特征的作用，它的每个神经元对局部接受域进行池化操作。常用的池化方法有最大池化即取局部接受域中值最大的点、均值池化即对局部接受域中的所有值求均值、随机池化等，本实例主要采用最大池化方法。

在该实施例中，所述计划生成模型训练模块M380用于采集多个训练者的样本数据，各个训练者的样本数据包括该训练者ID和训练者信息，计算样本数据中各个训练者在一次训练者间歇性训练中各个训练时段的平均时长和休息时段的平均时长[USERID,VX₁,VX₂,…,VX_n,VY₁,VY₂,…,VY_n-1]，其中，USERID为训练者ID，VX_a,a∈(1，n)为第a个训练时段的平均时长，VY_b，b∈(1，n-1)为第b个训练时段的计划时长，并采用各个训练时段的平均时长和休息时段的平均时长标记对应的训练者的样本数据，将标记后的训练者的样本数据加入训练集；

所述计划生成模型训练模块采用如下步骤计算样本数据中各个训练者在一次训练者间歇性训练中各个训练时段的平均时长和休息时段的平均时长：

所述计划生成模型训练模块获取一训练者的m次训练数据[USERID,TRAINIDc,Xc₁,Xc₂,…,Xc_n,Yc₁,Yc₂,…,Yc_n-1]的形式存储至所述数据库，其中，USERID为训练者ID，TRAINIDc为第c次间歇性训练的ID，c∈(1，m)，Xc_a,a∈(1，n)为第c次间歇性训练中第a个训练时段的时长，Yc_b，b∈(1，n-1)为第c次间歇性训练中第b个训练时段的时长；

根据如下公式计算第a个训练时段的平均时长：

根据如下公式计算第b个休息时段的平均时长：

将计算得到的各个训练时段的平均时长和休息时段的平均时长[USERID,VX₁,VX₂,…,VX_n,VY₁,VY₂,…,VY_n-1]作为对应的训练者的样本数据的输出标记。

因此，本发明的间歇性训练的强度远程监测系统可以根据历史数据和训练好的卷积神经网络模型，基于深度学习自动生成训练计划，基于大数据统计更好地指导训练者的训练过程，提高间歇性训练监管的效率和有效性。样本数据的输出标记是采用多个训练的平均数据得到的，更能够很好地反应各个训练者的真实训练能力。

进一步地，在该实施例中，还可以基于生成的训练计划对训练者的训练过程进行有效地监督和管理，即，所述报表生成模块生成该训练者ID在该次间歇性训练中各个时段的时长报表之后，还包括如下步骤：

所述报表生成模块比较训练者ID的训练计划中各个时段的时长和训练者ID在该次间歇性训练中各个时段的时长，如果一时段的计划时长和实际时长的差值大于预设阈值，则将此时段的实际时长在所述时长报表中标红处理。教练可以通过查看报表，并且可以着重关注标红处理的数据，实时了解各个训练者的训练情况是否达标，为今后的指导提供有效依据。

为了避免教练在查看多个监控画面时，可能会漏掉一个或多个训练者的状态切换过程，导致数据记录不准确，在该实施例中，所述间歇性训练的强度远程监测系统还包括智能手环，所述智能手环佩戴于训练者身上，且所述智能手环与所述训练者绑定。

所述云端服务器还包括智能手环通讯模块和状态纠错模块，所述智能手环通讯模块用于与所述智能手环通信，从所述智能手环获取训练者的心率数据，所述状态纠错模块用于根据所述训练者的心率数据判断训练者处于训练状态还是处于休息状态，并将判断的训练者状态与计时模块记录的状态进行对比。

如果所述状态纠错模块根据所述训练者的心率数据判断训练者已进入训练状态的时间超过第一时间阈值且所述计时模块仍记录训练者为休息状态时，所述状态纠错模块发送纠错提醒至所述监控者终端，所述监控者终端接收到所述纠错提醒后，根据纠错所对应的训练者ID，将训练者ID所对应的摄像头采集图像的边框高亮显示，提醒监控者及时进行状态切换操作。

如果所述状态纠错模块根据所述训练者的心率数据判断训练者已进入休息状态的时间超过第二时间阈值且所述计时模块仍记录训练者为训练状态时，所述状态纠错模块发送纠错提醒至所述监控者终端，所述监控者终端接收到所述纠错提醒后，根据纠错所对应的训练者ID，将训练者ID所对应的摄像头采集图像的边框高亮显示，提醒监控者及时进行状态切换操作。

在该实施例中，所述状态纠错模块检测所述训练者的心率数据，检测到所述训练者的心率数据在第三时间阈值范围内持续大于心率阈值时，判定所述训练者处于训练状态，检测到所述训练者的心率数据在第三时间阈值范围内持续小于心率阈值时，判定所述训练者处于休息状态。

因此，本发明以监控者双击操作切换训练者状态为主，以状态纠错模块根据心率数据判断为辅，进一步增强了训练者训练数据记录的准确性和有效性。

如图3所示，本发明实施例还提供一种间歇性训练的强度远程监测方法，采用所述的间歇性训练的强度远程监测系统，所述方法包括如下步骤：

所述画面接收模块检测到一训练区域的摄像头开启时，从开启的摄像头接收采集的画面；

所述用户识别模块从所述画面接收模块中提取人脸图像，根据人脸图像进行图像识别，得到训练者ID；

所述画面合成模块从所述用户识别模块获取训练者ID和摄像头采集画面的对应关系，并根据训练者ID与监控者ID的映射关系，确定摄像头采集画面与监控者ID的映射关系；

所述画面合成模块判断新开启的摄像头的采集画面所对应的监控者ID是否正在接收其他摄像头的采集画面，如果是，则所述画面合成模块将该监控者ID所对应的所有摄像头采集画面进行合成，合成至同一监控画面；

所述画面合成模块在合成后的监控画面中为每个摄像头采集画面绘制边框，并在每个摄像头采集画面上添加一个台标，所述台标包括该摄像头采集画面所对应的训练者ID；

所述画面传输模块用于将所述画面合成模块合成的监控画面以及监控画面中每个摄像头采集画面与训练者ID的对应关系传输至对应的监控者ID的监控者终端；

所述监控者终端接收到所述合成的监控画面后，显示所述合成的监控画面；

所述监控者终端检测到监控者在所述合成的监控画面上的双击操作时，检测所述双击操作的位置的坐标，判断所述双击操作的位置是否位于一摄像头采集画面中；

如果所述双击操作的位置处于一摄像头采集画面中，则所述监控者终端将该摄像头采集画面的训练者ID的状态变化通知发送至所述计时模块；

所述计时模块接收到所述监控者终端发送的训练者ID的状态变化时，所述计时模块判断当前记录的训练者ID是处于初始状态、训练时段还是处于休息时段，如果当前是处于初始状态，则所述计时模块将训练者ID的状态变更为第1个训练时段，并为该训练者ID创建一个计时器，该计时器开始计时；如果当前是处于第i个训练时段，i∈(1，n-1)，则所述计时模块将训练者ID的状态变更为第i个休息时段，将计时结果作为该训练者ID在该次间歇性训练中第i个训练时段的时长，并将该训练者ID的计时器清零，重新开始计时；如果当前是处于第i个休息时段，将计时结果作为该训练者ID在该次间歇性训练中第i个休息时段的时长，并将该训练者ID的计时器清零，重新开始计时；如果当前是处于第n个训练时段，则所述计时模块将训练者ID的状态变更为训练完成，将计时结果作为该训练者ID在该次间歇性训练中第n个训练时段的时长，并关闭该训练者ID所对应的计时器，将该训练者ID在该次间歇性训练中各个训练时段和休息时段的时长以[USERID,TRAINID,X₁,X₂,…,X_n,Y₁,Y₂,…,Y_n-1]的形式存储至所述数据库，其中，USERID为训练者ID，TRAINID为该次间歇性训练的ID，X_a,a∈(1，n)为第a个训练时段的时长，Y_b，b∈(1，n-1)为第b个训练时段的时长；

所述报表生成模块检测到所述数据库中新存入有一训练者ID在一次间歇性训练中各个训练时段和休息时段的时长数据时，从所述数据库中获取新存入的数据，并生成该训练者ID在该次间歇性训练中各个时段的时长报表，将生成的报表发送至所述训练者ID所对应的监控者终端。

因此，通过采用本发明的间歇性训练的强度远程监控方法，一个教练可以通过监控者终端同时监控多个训练者的训练过程，教练可以通过合成的画面查看每个训练者的训练状态，并启动计时器进行自动计时，提高训练监管的效率，避免多个学员训练时互相干扰。对于教练来说，可以通过监控画面同时查看多个训练者的训练状态，并且通过双击显示画面即可以实现记录状态的切换，并带动计时模块自动对各个训练时段和休息时段进行自动计时。

与现有技术相比，采用了该发明中的间歇性训练的强度远程监测系统及方法，具有如下有益效果：

通过采用本发明的系统及方法，一个教练可以通过监控者终端同时监控多个训练者的训练过程，教练可以通过合成的画面查看每个训练者的训练状态，并启动计时器进行自动计时，提高训练监管的效率，避免多个学员训练时互相干扰；并且可以根据历史数据和训练好的卷积神经网络模型，基于深度学习自动生成训练计划，基于大数据统计更好地指导训练者的训练过程，提高间歇性训练监管的效率和有效性。

在此说明书中，本发明已参照其特定的实施例作了描述。但是，很显然仍可以作出各种修改和变换而不背离本发明的精神和范围。因此，说明书和附图应被认为是说明性的而非限制性的。

Claims (8)

1.一种间歇性训练的强度远程监测系统，其特征在于，用于对于多个训练区域的训练人员的间歇性训练进行远程监控，每次间歇性训练包括n个训练时段和n-1个休息时段；

所述系统包括设置于各个训练区域的摄像头、监控者终端、云端服务器和数据库，所述数据库存储有训练者ID、训练者ID与监控者ID的映射关系以及训练者的训练数据；

所述云端服务器包括画面接收模块、用户识别模块、画面合成模块、画面传输模块、计时模块和报表生成模块；所述云端服务器用于执行如下步骤：

所述画面接收模块检测到一训练区域的摄像头开启时，从开启的摄像头接收采集的画面；

所述用户识别模块从所述画面接收模块中提取人脸图像，根据人脸图像进行图像识别，得到训练者ID；

所述画面合成模块从所述用户识别模块获取训练者ID和摄像头采集画面的对应关系，并根据训练者ID与监控者ID的映射关系，确定摄像头采集画面与监控者ID的映射关系；

所述画面合成模块判断新开启的摄像头的采集画面所对应的监控者ID是否正在接收其他摄像头的采集画面，如果是，则所述画面合成模块将该监控者ID所对应的所有摄像头采集画面进行合成，合成至同一监控画面；

所述画面合成模块在合成后的监控画面中为每个摄像头采集画面绘制边框，并在每个摄像头采集画面上添加一个台标，所述台标包括该摄像头采集画面所对应的训练者ID；

所述画面传输模块用于将所述画面合成模块合成的监控画面以及监控画面中每个摄像头采集画面与训练者ID的对应关系传输至对应的监控者ID的监控者终端；

所述监控者终端接收到所述合成的监控画面后，显示所述合成的监控画面；

所述监控者终端检测到监控者在所述合成的监控画面上的双击操作时，检测所述双击操作的位置的坐标，判断所述双击操作的位置是否位于一摄像头采集画面中；

如果所述双击操作的位置处于一摄像头采集画面中，则所述监控者终端将该摄像头采集画面的训练者ID的状态变化通知发送至所述计时模块；

所述计时模块接收到所述监控者终端发送的训练者ID的状态变化时，所述计时模块判断当前记录的训练者ID是处于初始状态、训练时段还是处于休息时段，如果当前是处于初始状态，则所述计时模块将训练者ID的状态变更为第1个训练时段，并为该训练者ID创建一个计时器，该计时器开始计时；如果当前是处于第i个训练时段，i∈(1，n-1)，则所述计时模块将训练者ID的状态变更为第i个休息时段，将计时结果作为该训练者ID在该次间歇性训练中第i个训练时段的时长，并将该训练者ID的计时器清零，重新开始计时；如果当前是处于第i个休息时段，将计时结果作为该训练者ID在该次间歇性训练中第i个休息时段的时长，并将该训练者ID的计时器清零，重新开始计时；如果当前是处于第n个训练时段，则所述计时模块将训练者ID的状态变更为训练完成，将计时结果作为该训练者ID在该次间歇性训练中第n个训练时段的时长，并关闭该训练者ID所对应的计时器，将该训练者ID在该次间歇性训练中各个训练时段和休息时段的时长以[USERID,TRAINID,X₁,X₂,…,X_n,Y₁,Y₂,…,Y_n-1]的形式存储至所述数据库，其中，USERID为训练者ID，TRAINID为该次间歇性训练的ID，X_a,a∈(1，n)为第a个训练时段的时长，Y_b，b∈(1，n-1)为第b个训练时段的时长；

所述报表生成模块检测到所述数据库中新存入有一训练者ID在一次间歇性训练中各个训练时段和休息时段的时长数据时，从所述数据库中获取新存入的数据，并生成该训练者ID在该次间歇性训练中各个时段的时长报表，将生成的报表发送至所述训练者ID所对应的监控者终端。

2.根据权利要求1所述的间歇性训练的强度远程监测系统，其特征在于，所述云端服务器还包括训练计划生成模块，所述数据库还存储有各个训练者ID所对应的训练者信息，所述训练者信息包括训练者年龄、训练者身高、训练者体重、训练者性别、训练者在最近一年的间歇性训练次数以及训练者每两次间歇性训练的间隔时长；

所述训练计划生成模块用于采用训练好的训练计划生成模型，生成各个所述训练者ID所对应的训练计划，所述训练计划生成模型的输入包括训练者ID所对应的训练者信息，所述训练计划生成模型的输出包括训练者ID所对应的一次间歇性训练中各个训练时段的时长和各个休息时段的时长[USERID,PX₁,PX₂,…,PX_n,PY₁,PY₂,…,PY_n-1]，其中，USERID为训练者ID，PX_a,a∈(1，n)为第a个训练时段的计划时长，PY_b，b∈(1，n-1)为第b个训练时段的计划时长。

3.根据权利要求2所述的间歇性训练的强度远程监测系统，其特征在于，所述云端服务器还包括训练计划生成模型训练模块，所述训练计划生成模型为卷积神经网络模型，所述训练计划生成模型包括依次连接的第一卷积层、第一池化层、第二卷积层、第二池化层、第三卷积层、第四卷积层、第五卷积层和第三池化层，所述第一卷积层和第一池化层之间、第二卷积层和第二池化层之间、第三卷积层和第四卷积层之间以及第五卷积层和第三池化层之间分别设置有一Relu函数，所述训练计划生成模型训练模块用于采用训练集对构建的训练计划生成模型进行训练。

4.根据权利要求3所述的间歇性训练的强度远程监测系统，其特征在于，所述训练计划生成模型训练模块用于采集多个训练者的样本数据，各个训练者的样本数据包括该训练者ID和训练者信息，计算样本数据中各个训练者在一次训练者间歇性训练中各个训练时段的平均时长和休息时段的平均时长[USERID,VX₁,VX₂,…,VX_n,VY₁,VY₂,…,VY_n-1]，其中，USERID为训练者ID，VX_a,a∈(1，n)为第a个训练时段的平均时长，VY_b，b∈(1，n-1)为第b个训练时段的计划时长，并采用各个训练时段的平均时长和休息时段的平均时长标记对应的训练者的样本数据，将标记后的训练者的样本数据加入训练集；

所述训练计划生成模型训练模块采用如下步骤计算样本数据中各个训练者在一次训练者间歇性训练中各个训练时段的平均时长和休息时段的平均时长：

所述训练计划生成模型训练模块获取一训练者的m次训练数据[USERID,TRAINIDc,Xc₁,Xc₂,…,Xc_n,Yc₁,Yc₂,…,Yc_n-1]的形式存储至所述数据库，其中，USERID为训练者ID，TRAINIDc为第c次间歇性训练的ID，c∈(1，m)，Xc_a,a∈(1，n)为第c次间歇性训练中第a个训练时段的时长，Yc_b，b∈(1，n-1)为第c次间歇性训练中第b个训练时段的时长；

根据如下公式计算第a个训练时段的平均时长：

根据如下公式计算第b个休息时段的平均时长：

将计算得到的各个训练时段的平均时长和休息时段的平均时长[USERID,VX₁,VX₂,…,VX_n,VY₁,VY₂,…,VY_n-1]作为对应的训练者的样本数据的输出标记。

5.根据权利要求2所述的间歇性训练的强度远程监测系统，其特征在于，所述报表生成模块生成该训练者ID在该次间歇性训练中各个时段的时长报表之后，还包括如下步骤：

所述报表生成模块比较训练者ID的训练计划中各个时段的时长和训练者ID在该次间歇性训练中各个时段的时长，如果一时段的计划时长和实际时长的差值大于预设阈值，则将此时段的实际时长在所述时长报表中标红处理。

6.根据权利要求1所述的间歇性训练的强度远程监测系统，其特征在于，所述系统还包括智能手环，所述智能手环佩戴于训练者身上，且所述智能手环与所述训练者绑定；

所述云端服务器还包括智能手环通讯模块和状态纠错模块，所述智能手环通讯模块用于与所述智能手环通信，从所述智能手环获取训练者的心率数据，所述状态纠错模块用于根据所述训练者的心率数据判断训练者处于训练状态还是处于休息状态，并将判断的训练者状态与计时模块记录的状态进行对比；

如果所述状态纠错模块根据所述训练者的心率数据判断训练者已进入训练状态的时间超过第一时间阈值且所述计时模块仍记录训练者为休息状态时，所述状态纠错模块发送纠错提醒至所述监控者终端，所述监控者终端接收到所述纠错提醒后，根据纠错所对应的训练者ID，将训练者ID所对应的摄像头采集图像的边框高亮显示；

如果所述状态纠错模块根据所述训练者的心率数据判断训练者已进入休息状态的时间超过第二时间阈值且所述计时模块仍记录训练者为训练状态时，所述状态纠错模块发送纠错提醒至所述监控者终端，所述监控者终端接收到所述纠错提醒后，根据纠错所对应的训练者ID，将训练者ID所对应的摄像头采集图像的边框高亮显示。

7.根据权利要求6所述的间歇性训练的强度远程监测系统，其特征在于，所述状态纠错模块检测所述训练者的心率数据，检测到所述训练者的心率数据在第三时间阈值范围内持续大于心率阈值时，判定所述训练者处于训练状态，检测到所述训练者的心率数据在第三时间阈值范围内持续小于心率阈值时，判定所述训练者处于休息状态。

8.一种间歇性训练的强度远程监测方法，其特征在于，采用权利要求1至5中任一项所述的间歇性训练的强度远程监测系统，所述方法包括如下步骤：

所述画面接收模块检测到一训练区域的摄像头开启时，从开启的摄像头接收采集的画面；

所述用户识别模块从所述画面接收模块中提取人脸图像，根据人脸图像进行图像识别，得到训练者ID；

所述画面合成模块从所述用户识别模块获取训练者ID和摄像头采集画面的对应关系，并根据训练者ID与监控者ID的映射关系，确定摄像头采集画面与监控者ID的映射关系；

所述画面合成模块判断新开启的摄像头的采集画面所对应的监控者ID是否正在接收其他摄像头的采集画面，如果是，则所述画面合成模块将该监控者ID所对应的所有摄像头采集画面进行合成，合成至同一监控画面；

所述画面合成模块在合成后的监控画面中为每个摄像头采集画面绘制边框，并在每个摄像头采集画面上添加一个台标，所述台标包括该摄像头采集画面所对应的训练者ID；

所述画面传输模块用于将所述画面合成模块合成的监控画面以及监控画面中每个摄像头采集画面与训练者ID的对应关系传输至对应的监控者ID的监控者终端；

所述监控者终端接收到所述合成的监控画面后，显示所述合成的监控画面；

所述监控者终端检测到监控者在所述合成的监控画面上的双击操作时，检测所述双击操作的位置的坐标，判断所述双击操作的位置是否位于一摄像头采集画面中；

如果所述双击操作的位置处于一摄像头采集画面中，则所述监控者终端将该摄像头采集画面的训练者ID的状态变化通知发送至所述计时模块；

所述计时模块接收到所述监控者终端发送的训练者ID的状态变化时，所述计时模块判断当前记录的训练者ID是处于初始状态、训练时段还是处于休息时段，如果当前是处于初始状态，则所述计时模块将训练者ID的状态变更为第1个训练时段，并为该训练者ID创建一个计时器，该计时器开始计时；如果当前是处于第i个训练时段，i∈(1，n-1)，则所述计时模块将训练者ID的状态变更为第i个休息时段，将计时结果作为该训练者ID在该次间歇性训练中第i个训练时段的时长，并将该训练者ID的计时器清零，重新开始计时；如果当前是处于第i个休息时段，将计时结果作为该训练者ID在该次间歇性训练中第i个休息时段的时长，并将该训练者ID的计时器清零，重新开始计时；如果当前是处于第n个训练时段，则所述计时模块将训练者ID的状态变更为训练完成，将计时结果作为该训练者ID在该次间歇性训练中第n个训练时段的时长，并关闭该训练者ID所对应的计时器，将该训练者ID在该次间歇性训练中各个训练时段和休息时段的时长以[USERID,TRAINID,X₁,X₂,…,X_n,Y₁,Y₂,…,Y_n-1]的形式存储至所述数据库，其中，USERID为训练者ID，TRAINID为该次间歇性训练的ID，X_a,a∈(1，n)为第a个训练时段的时长，Y_b，b∈(1，n-1)为第b个训练时段的时长；

所述报表生成模块检测到所述数据库中新存入有一训练者ID在一次间歇性训练中各个训练时段和休息时段的时长数据时，从所述数据库中获取新存入的数据，并生成该训练者ID在该次间歇性训练中各个时段的时长报表，将生成的报表发送至所述训练者ID所对应的监控者终端。