CN110464356A - 一种运动能力综合监测方法及系统 - Google Patents
一种运动能力综合监测方法及系统 Download PDFInfo
- Publication number
- CN110464356A CN110464356A CN201910742363.5A CN201910742363A CN110464356A CN 110464356 A CN110464356 A CN 110464356A CN 201910742363 A CN201910742363 A CN 201910742363A CN 110464356 A CN110464356 A CN 110464356A
- Authority
- CN
- China
- Prior art keywords
- heart rate
- data
- identification
- human
- posture
- 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
- 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
- A61B5/1116—Determining posture transitions
-
- 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
- A61B5/1118—Determining activity level
-
- 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
- A61B5/112—Gait analysis
-
- 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
- A61B5/1123—Discriminating type of movement, e.g. walking or running
-
- 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
- A61B5/1126—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb using a particular sensing technique
- A61B5/1128—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb using a particular sensing technique using image analysis
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/16—Devices for psychotechnics; Testing reaction times ; Devices for evaluating the psychological state
- A61B5/165—Evaluating the state of mind, e.g. depression, anxiety
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Animal Behavior & Ethology (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Physics & Mathematics (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- General Health & Medical Sciences (AREA)
- Physiology (AREA)
- Dentistry (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Psychiatry (AREA)
- Educational Technology (AREA)
- Developmental Disabilities (AREA)
- Child & Adolescent Psychology (AREA)
- Hospice & Palliative Care (AREA)
- Psychology (AREA)
- Social Psychology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
本发明提供一种运动能力综合监测方法及系统。该方法包括以下步骤:步骤一、利用智能穿戴设备采集人体的基础生命体征;步骤二、利用视频采集设备采集人体运动的视频数据,并基于人工智能AI视觉捕捉算法对视频数据进行分析处理,以捕捉人体运动姿态,并将捕捉到的人体运动姿态与动作库中的示范动作进行比对,获得动作相似度评分;步骤三、将步骤一中采集到的体征数据进行运算,得到高阶运动数据,将高阶运动数据与步骤二中获得的数据进行综合关联运算,获得人体运动能力综合监测结果。
Description
技术领域
本发明涉及一种运动能力综合监测方法及系统,具体是融合人工智能、大数据、5G、物联网等相关技术的新一代体育教育与训练智能化管理系统,是体教结合的智慧化解决方案和专业化服务平台,实现了对体育教育与训练的量化评估、科学管理。
背景技术
目前,体育教育与训练仍然采用言传身教的方式进行,其过程和结果无法实现量化评估和管理。
近年来,基于深度学习的人工智能技术广泛应用,其中人体姿态识别和人脸识别日趋成熟,能够实现多目标识别与追踪。同时,物联网和大数据技术已在多个行业实现海量部署和应用,5G技术也已经正式商用。
发明内容
基于以上背景及存在的问题,本发明提供一种运动能力综合监测方法,其特征在于,包括以下步骤:
步骤一、利用智能穿戴设备采集人体的基础生命体征;
步骤二、利用视频采集设备采集人体运动的视频数据,并基于人工智能AI视觉捕捉算法对视频数据进行分析处理,以捕捉人体运动姿态,并将捕捉到的人体运动姿态与动作库中的示范动作进行比对,获得动作相似度评分;
步骤三、将步骤一中采集到的体征数据进行运算,得到高阶运动数据,将高阶运动数据与步骤二中获得的数据进行综合关联运算,获得人体运动能力综合监测结果。
优选地,所述步骤一中的智能穿戴设备包括佩戴在手腕上的光电传感器、温度传感器、心率传感器和/或脉搏传感器,以及作为辅助配件的心率传感带、腿部腕带和/或臂带,所述采集的基础生命体征包括初始心率、静态心率、运动心率、峰值心率、谷值心率和/或平均心率,所述高阶运动数据包括运动强度、最大心率百分比、储备心率百分比、最大摄氧量、回复时间、轻运动、常规运动、常规运动、有氧TE、、无氧TE、肌耐力、体耐力、运动时间、运动距离、运动类型、运动负荷和/或运动步数。
优选地,所述步骤二中,先识别出人体在运动,然后识别出人体运动姿态,再将人体运动姿态与动作库中的示范动作进行比对,其中识别人体运动姿态时,基于存储的3D人体模型对人体运动姿态进行捕捉,具体为:采用骨骼识别与姿态识别算法,对运动人员的骨骼进行识别,进而绘制骨骼关键点,基于骨骼关键点对运动姿态进行识别。
优选地,所述步骤二中,还采用人脸识别与情绪识别算法对人体的面部进行识别,并进而识别面部微表情,获得人体的运动交感状况。
优选地,所述步骤二中还具体包括以下操作:事件监控、运动姿态识别、运动类型识别、运动状态识别、面部识别和情绪识别。
本发明还提供一种运动能力综合监测系统,其特征在于,包括:
运动训练数据采集子系统,用于利用智能穿戴设备采集人体的基础生命体征;
运动训练视觉分析子系统,用于利用视频采集设备采集人体运动的视频数据,并基于人工智能AI视觉捕捉算法对视频数据进行分析处理,以捕捉人体运动姿态,并将捕捉到的人体运动姿态与动作库中的示范动作进行比对,获得动作相似度评分;
运动训练质量评估子系统,用于将运动训练数据采集子系统采集到的体征数据进行运算,得到高阶运动数据,将高阶运动数据与运动训练视觉分析子系统获得的数据进行综合关联运算,获得人体运动能力综合监测结果。
优选地,所述智能穿戴设备包括佩戴在手腕上的光电传感器、温度传感器、心率传感器和/或脉搏传感器,以及作为辅助配件的心率传感带、腿部腕带和/或臂带,所述采集的基础生命体征包括初始心率、静态心率、运动心率、峰值心率、谷值心率和/或平均心率,所述高阶运动数据包括运动强度、最大心率百分比、储备心率百分比、最大摄氧量、回复时间、轻运动、常规运动、常规运动、有氧TE、、无氧TE、肌耐力、体耐力、运动时间、运动距离、运动类型、运动负荷和/或运动步数。
优选地,所述运动训练视觉分析子系统先识别出人体在运动,然后识别出人体运动姿态,再将人体运动姿态与动作库中的示范动作进行比对,其中识别人体运动姿态时,基于存储的3D人体模型对人体运动姿态进行捕捉,具体为:采用骨骼识别与姿态识别算法,对运动人员的骨骼进行识别,进而绘制骨骼关键点,基于骨骼关键点对运动姿态进行识别。
优选地,所述运动训练视觉分析子系统还采用人脸识别与情绪识别算法对人体的面部进行识别,并进而识别面部微表情,获得人体的运动交感状况。
优选地,所述运动训练视觉分析子系统还进行操作:事件监控、运动姿态识别、运动类型识别、运动状态识别、面部识别和情绪识别。
附图说明
图1为本发明提供的运动能力综合监测系统的结构示意图。
具体实施方式
根据具体实施方式,本发明提供的一种运动能力综合监测方法,包括以下步骤:
步骤一、利用智能穿戴设备采集人体的基础生命体征;
步骤二、利用视频采集设备采集人体运动的视频数据,并基于人工智能AI视觉捕捉算法对视频数据进行分析处理,以捕捉人体运动姿态,并将捕捉到的人体运动姿态与动作库中的示范动作进行比对,获得动作相似度评分;
步骤三、将步骤一中采集到的体征数据进行运算,得到高阶运动数据,将高阶运动数据与步骤二中获得的数据进行综合关联运算,获得人体运动能力综合监测结果。
根据一优选实施方式,所述步骤一中的智能穿戴设备包括佩戴在手腕上的光电传感器、温度传感器、心率传感器和/或脉搏传感器,以及作为辅助配件的心率传感带、腿部腕带和/或臂带,所述采集的基础生命体征包括初始心率(血氧、血压)、静态心率(血氧、血压)、运动心率(血氧、血压)、峰值心率(血氧、血压)、谷值心率(血氧、血压)、平均心率(血氧、血压),所述高阶运动数据包括运动强度、最大心率百分比、储备心率百分比、最大摄氧量、回复时间、轻运动、常规运动、常规运动、有氧TE、、无氧TE、肌耐力、体耐力、运动时间、运动距离、运动类型、运动负荷和/或运动步数。
根据一优选实施方式,所述步骤二中,先识别出人体在运动,然后识别出人体运动姿态,再将人体运动姿态与动作库中的示范动作进行比对,其中识别人体运动姿态时,基于存储的3D人体模型对人体运动姿态进行捕捉,具体为:采用骨骼识别与姿态识别算法,对运动人员的骨骼进行识别,进而绘制骨骼关键点,基于骨骼关键点对运动姿态进行识别。
根据一优选实施方式,所述步骤二中,还采用人脸识别与情绪识别算法对人体的面部进行识别,并进而识别面部微表情,获得人体的运动交感状况。
根据一优选实施方式,所述步骤二中还具体包括以下操作:事件监控、运动姿态识别、运动类型识别、运动状态识别、面部识别和情绪识别。
如图1所示,本发明还提供一种运动能力综合监测系统,包括:
运动训练数据采集子系统,用于利用智能穿戴设备采集人体的基础生命体征;
运动训练视觉分析子系统,用于利用视频采集设备采集人体运动的视频数据,并基于人工智能AI视觉捕捉算法对视频数据进行分析处理,以捕捉人体运动姿态,并将捕捉到的人体运动姿态与动作库中的示范动作进行比对,获得动作相似度评分;
运动训练质量评估子系统,用于将运动训练数据采集子系统采集到的体征数据进行运算,得到高阶运动数据,将高阶运动数据与运动训练视觉分析子系统获得的数据进行综合关联运算,获得人体运动能力综合监测结果。
根据一优选实施方式,所述智能穿戴设备包括佩戴在手腕上的光电传感器、温度传感器、心率传感器和/或脉搏传感器,以及作为辅助配件的心率传感带、腿部腕带和/或臂带,所述采集的基础生命体征包括初始心率(血氧、血压)、静态心率(血氧、血压)、运动心率(血氧、血压)、峰值心率(血氧、血压)、谷值心率(血氧、血压)、平均心率(血氧、血压),所述高阶运动数据包括运动强度、最大心率百分比、储备心率百分比、最大摄氧量、回复时间、轻运动、常规运动、常规运动、有氧TE、、无氧TE、肌耐力、体耐力、运动时间、运动距离、运动类型、运动负荷和/或运动步数。
根据一优选实施方式,所述运动训练视觉分析子系统先识别出人体在运动,然后识别出人体运动姿态,再将人体运动姿态与动作库中的示范动作进行比对,其中识别人体运动姿态时,基于存储的3D人体模型对人体运动姿态进行捕捉,具体为:采用骨骼识别与姿态识别算法,对运动人员的骨骼进行识别,进而绘制骨骼关键点,基于骨骼关键点对运动姿态进行识别。
根据一优选实施方式,所述运动训练视觉分析子系统还采用人脸识别与情绪识别算法对人体的面部进行识别,并进而识别面部微表情,获得人体的运动交感状况。
根据一优选实施方式,所述运动训练视觉分析子系统还进行操作:事件监控、运动姿态识别、运动类型识别、运动状态识别、面部识别和情绪识别。
按照优选实施方式,本发明还包括以下方面内容:
智能穿戴设备,采用工业级全彩全触屏穿戴设备,采集的项目丰富,为运动效果的分析提供多维度基础数据;高精度光学传感器,采用高精度与高集成度的光学PPG(photoplethysmograph:利用光电容积描记),ECG(electrocardiogram:心电图),确保体征数据采集的准确性,为高阶运动数据计算的准确性提供基础专业保障;三模定位模块,三模定位模块包括BDS(BeiDou Navigation Satellite System:中国北斗卫星导航系统),GPS(Global Positioning System:全球定位系统),GLONASS(俄罗斯全球定位系统),为用户提供多种不同需求的定位选择;近场通讯技术,智能穿戴设备与智能辅助配件之间采用基于BLUETOOTH、WIFI、ZIGBEE的近场通讯技术,更加方便快捷的实现设备间数据的传输;4G/5G-NBIOT,智能穿戴设备的数据传输采用新兴技术NB-IoT(Narrow Band Internet ofThings:窄带物联网),实现智能手环低功率设备在广域网的蜂窝数据连接;智能辅助设备,智能可穿戴设备配合智能心率带、臂带、腕带等辅助设备提高数据采集的精度与准确度;智能教具,辅助老师教学,减少老师课堂对学生运动测评数据的一一记录,实现无老师化智能检测数据并上传学生系统档案;拥有3D人体模型,全套包括:肌肉、骨骼、神经、器官等3D人体模型;GPU摄像头,采用基于GPU计算的高清抗逆光前置视频采集摄头,用于对运动或训练人员运动过程的记录与采集,并将数据保存本地服务器进行保存;GPU处理器,采用高性能的专业处理器,以便快速对本地大量的视觉数据进行分析计算;基础体征算法,用于校准不同人群的体征数据,提升数据采集精度;高阶体征算法,通过多维体征算法,提炼出高阶体能与体质数据;运动与训练质量分析算法,通过利用高阶体能体质数据进行深度提炼,来获取运动与训练质量数据,再通过运动训练视觉分析子系统进行数据修正提升数据准确性。运动质量分析与评估即快速掌握-目标运动与训练效果。快速发现-目标运动过程中问题。快速调整-目标运动与训练方向为运动与训练的前期、中期、后期提供量化与可视化的数据服务。体征算法与视觉算法均连接有算法数据库,用于储存各种与基础与高阶体征数据和视觉系统捕捉相关的算法,在进行体质体能综合评估时,自动根据算法输出体质能运动报告。系统可安装于用户终端,所述用户终端包括智能手机、数字智能助理和PC终端。
最后应当说明的是:以上实施实例仅阐述了本案的一种技术方案,虽然本文通过附图等对本方案进行了详细说明,但所属领域的普通技术人员应当理解:通过对本案的一些具体实施方式进行修改或对其部分技术特征进行等同替换,而不脱离本技术方案的设计思路,由此产生的类似方案依然属于本案请求保护范围当中。
Claims (10)
1.一种运动能力综合监测方法,其特征在于,包括以下步骤:
步骤一、利用智能穿戴设备采集人体的基础生命体征;
步骤二、利用视频采集设备采集人体运动的视频数据,并基于人工智能AI视觉捕捉算法对视频数据进行分析处理,以捕捉人体运动姿态,并将捕捉到的人体运动姿态与动作库中的示范动作进行比对,获得动作相似度评分;
步骤三、将步骤一中采集到的体征数据进行运算,得到高阶运动数据,将高阶运动数据与步骤二中获得的数据进行综合关联运算,获得人体运动能力综合监测结果。
2.根据权利要求1所述的一种运动能力综合监测方法,其特征在于,所述步骤一中的智能穿戴设备包括佩戴在手腕上的光电传感器、温度传感器、心率传感器和/或脉搏传感器,以及作为辅助配件的心率传感带、腿部腕带和/或臂带,所述采集的基础生命体征包括初始心率、静态心率、运动心率、峰值心率、谷值心率和/或平均心率,所述高阶运动数据包括运动强度、最大心率百分比、储备心率百分比、最大摄氧量、回复时间、轻运动、常规运动、常规运动、有氧TE、、无氧TE、肌耐力、体耐力、运动时间、运动距离、运动类型、运动负荷和/或运动步数。
3.根据权利要求1所述的一种运动能力综合监测方法,其特征在于,所述步骤二中,先识别出人体在运动,然后识别出人体运动姿态,再将人体运动姿态与动作库中的示范动作进行比对,其中识别人体运动姿态时,基于存储的3D人体模型对人体运动姿态进行捕捉,具体为:采用骨骼识别与姿态识别算法,对运动人员的骨骼进行识别,进而绘制骨骼关键点,基于骨骼关键点对运动姿态进行识别。
4.根据权利要求1所述的一种运动能力综合监测方法,其特征在于,所述步骤二中,还采用人脸识别与情绪识别算法对人体的面部进行识别,并进而识别面部微表情,获得人体的运动交感状况。
5.根据权利要求1所述的一种运动能力综合监测方法,其特征在于,所述步骤二中还具体包括以下操作:事件监控、运动姿态识别、运动类型识别、运动状态识别、面部识别和情绪识别。
6.一种运动能力综合监测系统,其特征在于,包括:
运动训练数据采集子系统,用于利用智能穿戴设备采集人体的基础生命体征;
运动训练视觉分析子系统,用于利用视频采集设备采集人体运动的视频数据,并基于人工智能AI视觉捕捉算法对视频数据进行分析处理,以捕捉人体运动姿态,并将捕捉到的人体运动姿态与动作库中的示范动作进行比对,获得动作相似度评分;
运动训练质量评估子系统,用于将运动训练数据采集子系统采集到的体征数据进行运算,得到高阶运动数据,将高阶运动数据与运动训练视觉分析子系统获得的数据进行综合关联运算,获得人体运动能力综合监测结果。
7.根据权利要求6所述的一种运动能力综合监测系统,其特征在于,所述智能穿戴设备包括佩戴在手腕上的光电传感器、温度传感器、心率传感器和/或脉搏传感器,以及作为辅助配件的心率传感带、腿部腕带和/或臂带,所述采集的基础生命体征包括初始心率、静态心率、运动心率、峰值心率、谷值心率和/或平均心率,所述高阶运动数据包括运动强度、最大心率百分比、储备心率百分比、最大摄氧量、回复时间、轻运动、常规运动、常规运动、有氧TE、、无氧TE、肌耐力、体耐力、运动时间、运动距离、运动类型、运动负荷和/或运动步数。
8.根据权利要求6所述的一种运动能力综合监测系统,其特征在于,所述运动训练视觉分析子系统先识别出人体在运动,然后识别出人体运动姿态,再将人体运动姿态与动作库中的示范动作进行比对,其中识别人体运动姿态时,基于存储的3D人体模型对人体运动姿态进行捕捉,具体为:采用骨骼识别与姿态识别算法,对运动人员的骨骼进行识别,进而绘制骨骼关键点,基于骨骼关键点对运动姿态进行识别。
9.根据权利要求6所述的一种运动能力综合监测系统,其特征在于,所述运动训练视觉分析子系统还采用人脸识别与情绪识别算法对人体的面部进行识别,并进而识别面部微表情,获得人体的运动交感状况。
10.根据权利要求6所述的一种运动能力综合监测系统,其特征在于,所述运动训练视觉分析子系统还进行操作:事件监控、运动姿态识别、运动类型识别、运动状态识别、面部识别和情绪识别。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910742363.5A CN110464356B (zh) | 2019-08-13 | 2019-08-13 | 一种运动能力综合监测方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910742363.5A CN110464356B (zh) | 2019-08-13 | 2019-08-13 | 一种运动能力综合监测方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110464356A true CN110464356A (zh) | 2019-11-19 |
CN110464356B CN110464356B (zh) | 2022-05-24 |
Family
ID=68510622
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910742363.5A Active CN110464356B (zh) | 2019-08-13 | 2019-08-13 | 一种运动能力综合监测方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110464356B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112216370A (zh) * | 2020-10-16 | 2021-01-12 | 王华丽 | 基于认知、音乐和运动的益智训练系统及训练方法 |
CN113694460A (zh) * | 2020-05-09 | 2021-11-26 | 泊康科技股份有限公司 | 一种ai心率运动系统 |
CN113940642A (zh) * | 2021-05-27 | 2022-01-18 | 数智引力(厦门)运动科技有限公司 | 动作捕捉方法、系统、终端设备及存储介质 |
CN116485236A (zh) * | 2023-03-27 | 2023-07-25 | 中国消防救援学院 | 一种消防员职业训练智能监测及预警方法和系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2008140780A1 (en) * | 2007-05-10 | 2008-11-20 | Grigore Burdea | Periodic evaluation and telerehabilitation systems and methods |
CN106730766A (zh) * | 2016-12-16 | 2017-05-31 | 中世泓利(北京)健康科技有限公司 | 一种基于心率数据的成人运动负荷的评价方法 |
CN108615055A (zh) * | 2018-04-19 | 2018-10-02 | 咪咕动漫有限公司 | 一种相似度计算方法、装置及计算机可读存储介质 |
CN109011508A (zh) * | 2018-07-30 | 2018-12-18 | 三星电子(中国)研发中心 | 一种智能教练系统及方法 |
CN109545326A (zh) * | 2019-01-28 | 2019-03-29 | 吉林师范大学 | 一种基于运动监测分析的体育设施器材 |
-
2019
- 2019-08-13 CN CN201910742363.5A patent/CN110464356B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2008140780A1 (en) * | 2007-05-10 | 2008-11-20 | Grigore Burdea | Periodic evaluation and telerehabilitation systems and methods |
CN106730766A (zh) * | 2016-12-16 | 2017-05-31 | 中世泓利(北京)健康科技有限公司 | 一种基于心率数据的成人运动负荷的评价方法 |
CN108615055A (zh) * | 2018-04-19 | 2018-10-02 | 咪咕动漫有限公司 | 一种相似度计算方法、装置及计算机可读存储介质 |
CN109011508A (zh) * | 2018-07-30 | 2018-12-18 | 三星电子(中国)研发中心 | 一种智能教练系统及方法 |
CN109545326A (zh) * | 2019-01-28 | 2019-03-29 | 吉林师范大学 | 一种基于运动监测分析的体育设施器材 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113694460A (zh) * | 2020-05-09 | 2021-11-26 | 泊康科技股份有限公司 | 一种ai心率运动系统 |
CN112216370A (zh) * | 2020-10-16 | 2021-01-12 | 王华丽 | 基于认知、音乐和运动的益智训练系统及训练方法 |
CN113940642A (zh) * | 2021-05-27 | 2022-01-18 | 数智引力(厦门)运动科技有限公司 | 动作捕捉方法、系统、终端设备及存储介质 |
CN113940642B (zh) * | 2021-05-27 | 2023-08-29 | 数智引力(厦门)运动科技有限公司 | 动作捕捉方法、系统、终端设备及存储介质 |
CN116485236A (zh) * | 2023-03-27 | 2023-07-25 | 中国消防救援学院 | 一种消防员职业训练智能监测及预警方法和系统 |
Also Published As
Publication number | Publication date |
---|---|
CN110464356B (zh) | 2022-05-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110464357A (zh) | 一种康复过程质量监测方法及系统 | |
CN110464356A (zh) | 一种运动能力综合监测方法及系统 | |
Reining et al. | Human activity recognition for production and logistics—a systematic literature review | |
CN110070944B (zh) | 基于虚拟环境和虚拟角色的社会功能评估训练系统 | |
CN109298779B (zh) | 基于虚拟代理交互的虚拟训练系统与方法 | |
Díaz et al. | DTCoach: your digital twin coach on the edge during COVID-19 and beyond | |
CN112861624A (zh) | 一种人体姿态检测方法、系统、存储介质、设备及终端 | |
Avola et al. | Deep temporal analysis for non-acted body affect recognition | |
Wei et al. | Real-time facial expression recognition for affective computing based on Kinect | |
CN114998983A (zh) | 一种基于增强现实技术和姿态识别技术的肢体康复方法 | |
Ahad et al. | Action dataset—A survey | |
CN112801009B (zh) | 基于双流网络的面部情感识别方法、装置、介质及设备 | |
CN111345823A (zh) | 一种远程运动康复方法、装置和计算机可读存储介质 | |
CN113709411A (zh) | 一种mr智能眼镜基于眼动追踪技术的体育辅助训练系统 | |
An et al. | AdaptNet: Human activity recognition via bilateral domain adaptation using semi-supervised deep translation networks | |
Wei et al. | Using sensors and deep learning to enable on-demand balance evaluation for effective physical therapy | |
Vasudevan et al. | SL-Animals-DVS: event-driven sign language animals dataset | |
Sheu et al. | Improvement of human pose estimation and processing with the intensive feature consistency network | |
Ni et al. | Deep multi-branch two-stage regression network for accurate energy expenditure estimation with ECG and IMU data | |
Lin et al. | A Feasible Fall Evaluation System via Artificial Intelligence Gesture Detection of Gait and Balance for Sub-Healthy Community-Dwelling Older Adults in Taiwan | |
Kabir et al. | Secure Your Steps: A Class-Based Ensemble Framework for Real-Time Fall Detection Using Deep Neural Networks | |
Kareem et al. | Using skeleton based optimized residual neural network architecture of deep learning for human fall detection | |
Kale et al. | Posture Detection and Comparison of Different Physical Exercises Based on Deep Learning Using Media Pipe, Opencv | |
Masullo et al. | CaloriNet: From silhouettes to calorie estimation in private environments | |
KR102693972B1 (ko) | 실시간 자세 추정을 통한 원격 재활 훈련 시스템 및 방법 |
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 | ||
TR01 | Transfer of patent right | ||
TR01 | Transfer of patent right |
Effective date of registration: 20220914 Address after: Room 5897, 5th Floor, No. 51, Zhichun Road, Haidian District, Beijing 100098 Patentee after: CICC Yuneng Technology Group Co.,Ltd. Address before: Room 1111, library building, No. 12, Zhongguancun South Street, Haidian District, Beijing 100081 Patentee before: Ma Jiaxin |