CN112071392A - 健身动作的推荐方法、装置、电子设备和计算机存储介质 - Google Patents
健身动作的推荐方法、装置、电子设备和计算机存储介质 Download PDFInfo
- Publication number
- CN112071392A CN112071392A CN202010933676.1A CN202010933676A CN112071392A CN 112071392 A CN112071392 A CN 112071392A CN 202010933676 A CN202010933676 A CN 202010933676A CN 112071392 A CN112071392 A CN 112071392A
- Authority
- CN
- China
- Prior art keywords
- fitness
- user
- action
- building
- accuracy
- 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.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
- G16H20/30—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to physical therapies or activities, e.g. physiotherapy, acupressure or exercising
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/20—Movements or behaviour, e.g. gesture recognition
- G06V40/23—Recognition of whole body movements, e.g. for sport training
Abstract
本申请提供一种健身动作的推荐方法、装置、电子设备和计算机存储介质,其方法包括:获取用户的历史健身数据;其中,历史健身数据包括预设时间段内用户执行的每一种健身动作的正确率和出现频率;根据历史健身数据,确定出与历史健身数据相匹配的推荐健身动作,并向用户展示推荐健身动作。本方案能够通过分析用户的健身动作的正确率,获取用户对健身动作的反馈,并根据用户的反馈动态的确定推荐健身动作,因此,相比于现有的按固定的健身计划进行推荐的方案,本方案可以向用户推荐更符合其实际情况的健身动作,使用户获得更好的健身效果。
Description
技术领域
本发明涉及图像识别技术领域,特别涉及一种健身动作的推荐方法、装置、电子设备和计算机存储介质。
背景技术
随着生活水平的提高,人们愈发关注自身的身体健康,而众所周知的,经常健身,就是一种有效的保持身体健康的方法。相应的,市面上出现了多种用于帮助人们健身的应用程序。
这类应用程序会根据用户的偏好设置从多种预设的健身计划中选取一种目标健身计划,并在用户需要健身时逐一将健身计划包含的各个健身动作推荐给用户,从而指导用户依据推荐的健身动作完成健身。
现有技术的问题在于,预设的健身计划往往不能准确匹配用户的实际条件,使得用户执行推荐的健身动作无法获得良好的健身效果。
发明内容
基于上述现有技术的缺点,本申请提供一种健身动作推荐方法、装置、电子设备和计算机存储介质,以提供一种更匹配用户的实际条件的健身动作推荐方案。
本申请第一方面提供一种健身动作的推荐方法,包括:
获取用户的历史健身数据;其中,所述历史健身数据包括预设时间段内用户执行的每一种健身动作的正确率和出现频率;
根据所述历史健身数据,确定出与所述历史健身数据相匹配的推荐健身动作,并向所述用户展示所述推荐健身动作。
可选的,所述根据所述历史健身数据,确定出与所述历史健身数据相匹配的推荐健身动作,包括:
根据所述历史健身数据,从所述预设时间段内选取出现频率低于第一阈值、且正确率低于第二阈值的健身动作作为参考健身动作;
从预先构建的健身动作库中选取与所述参考健身动作相互匹配、且未在所述预设时间段内被所述用户执行的健身动作作为推荐健身动作。
可选的,其特征在于,所述获取用户的历史健身数据,包括:
针对所述预设时间段内用户执行的每一种健身动作,根据用户每一次执行所述健身动作的准确度,计算得到所述健身动作的正确率,并根据所述预设时间段内所述健身动作被执行的次数计算得到所述健身动作的出现频率。
可选的,还包括:
在用户健身时,实时采集用户的健身视频,并根据所述健身视频分析得到用户执行的每一次健身动作的准确度。
可选的,所述根据所述健身视频分析得到用户执行的每一次健身动作的准确度,包括:
针对所述用户执行的每一次健身动作,利用图像识别算法从所述健身视频中识别出执行本次健身动作时用户的动作参数,并根据所述动作参数和所述健身动作的标准动作参数的相似度计算得到本次健身动作的准确度。
可选的,所述根据所述健身视频分析得到用户执行的每一次健身动作的准确度,包括:
针对所述用户执行的每一次健身动作,计算所述用户执行本次健身动作时的健身视频,和所述健身动作的教学视频之间的匹配度,并以所述匹配度作为用户执行本次健身动作的准确度。
可选的,还包括:
根据所述历史健身数据确定出多种正确率高于第二阈值的健身动作;
根据用户指定的目标健身强度,从预设的健身动作库中为每一种正确率高于第二阈值的健身动作选取对应的替代健身动作;
用选取得到的所述替代健身动作生成推荐健身计划。
本申请第二方面提供一种健身动作的推荐装置,包括:
获取单元,用于获取用户的历史健身数据;其中,所述历史健身数据包括预设时间段内用户执行的每一种健身动作的正确率和出现频率;
推荐单元,用于根据所述历史健身数据,确定出与所述历史健身数据相匹配的推荐健身动作,并向所述用户展示所述推荐健身动作。
本申请第三方面提供一种计算机存储介质,用于存储计算机程序,所述计算机程序被执行时,具体用于实现本申请第一方面任意一项提供的健身动作的推荐方法。
本申请第四方面提供一种电子设备,包括存储器和处理器;
其中,所述存储器用于存储计算机程序;
所述处理器用于执行所述计算机程序,具体用于实现本申请第一方面任意一项提供的健身动作的推荐方法。
本申请提供一种健身动作的推荐方法、装置、电子设备和计算机存储介质,其方法包括:获取用户的历史健身数据;其中,历史健身数据包括预设时间段内用户执行的每一种健身动作的正确率和出现频率;根据历史健身数据,确定出与历史健身数据相匹配的推荐健身动作,并向用户展示推荐健身动作。本方案能够通过分析用户的健身动作的正确率和出现频率,获取用户对健身动作的反馈,并根据用户的反馈动态确定推荐健身动作,因此,相比于现有的按固定的健身计划进行推荐的方案,本方案可以向用户推荐更符合其实际情况的健身动作,使用户获得更好的健身效果。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术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的前提下,还可以根据提供的附图获得其他的附图。
图1为本申请实施例提供的一种健身动作推荐方法的流程图;
图2为本申请实施例提供的一种实时纠正用户的健身动作的方法的流程图;
图3为本申请实施例提供的一种实时纠正用户的健身动作的系统的数据交互示意图;
图4为本申请实施例提供的一种根据历史健身数据生成推荐健身计划的方法的流程图;
图5为本申请实施例提供的一种健身动作推荐装置的结构示意图;
图6为本申请实施例提供的一种电子设备的结构示意图。
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,本领域普通技术人员在没有做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。
健身动作,是由相关的专业人员根据需要锻炼的身体部位而设计的一些动作,例如深蹲、负重深蹲、慢跑、侧腰拉伸等,进行健身的人通过重复做若干次健身动作,可以锻炼身体相应部位的肌肉,达到特定的健身效果。
随着健身这一运动的流行,目前出现了多种旨在提供健身指导的应用程序,然而,如背景技术所述,现有的这类应用程序往往是从预先设定的几种健身计划中选取一个目标健身计划,然后指导用户按目标健身计划中规定的健身动作的种类和次数进行锻炼,显然,有限的几种预设的健身计划并不能准确的匹配应用程序的每一个用户的实际身体情况。针对这一问题,本申请提供了一种健身动作推荐方法。
首先需要说明的是,本申请任一实施例所提供的健身动作推荐方法,可以由安装于用户的终端设备(包括但不限于联网的智能手机,个人电脑等电子设备)的应用程序(即客户端)执行,也可以通过客户端和设置于网络中的服务器交互执行。
例如,客户端可以控制用户的终端设备实时采集用户的健身动作,并将用户的健身动作上传至服务器,服务器可以根据客户端上传的健身动作分析得到健身动作的正确率并进行记录,然后基于记录的历史健身数据确定推荐健身动作,最终控制客户端向用户展示推荐健身动作。
请参考图1,本申请实施例提供一种健身动作推荐方法,该方法可以包括以下步骤:
S101、获取用户的历史健身数据。
其中,历史健身数据包括预设时间段内用户执行的每一种健身动作的正确率和出现频率;预设时间段指代以当前时刻作为结束时刻的过去的一段时间,例如,预设时间段可以是,截止目前为止的最近半小时,最近40分钟等。换言之,在一种具体的实际操作中,步骤S101,可以理解为,获取用户最近半小时内执行每一种健身动作的出现频率(也就是用户在预设时间段内执行这种健身动作的频率)和用户在最近半小时内执行的每一种健身动作的正确率。
获取上述历史健身数据的方法可以是:
在用户健身时,实时采集用户的健身视频,并根据健身视频分析得到用户所执行的每一次健身动作的准确度,并记录分析结果。
可以理解的,健身时用户往往会重复执行同一种健身动作多次,例如,深蹲10次,俯卧撑10次。从健身视频中,可以识别出用户执行的每一次健身动作,并将用户这次执行的健身动作和标准的健身动作进行比较,从而确定用户这次执行的健身动作和标准的健身动作之间的差别,也就是确定这次执行的健身动作的准确度。
在此基础上,需要获取历史健身数据时,可以先获得记录的预设时间段内用户执行的每一次健身动作的准确度,然后,对于其中的每一种健身动作,根据这种健身动作每次被执行时的准确度,就可以计算预设时间段内这种健身动作的正确率,根据预设时间段内这种健身动作被执行的次数计算得到所述健身动作的出现频率。
例如,用户在预设时间段内做了10次俯卧撑,每一次的准确度依次记为a1,a2……a10,根据这10次俯卧撑的准确度,可以计算得到预设时间段内用户执行俯卧撑这种健身动作的正确率。
可选的,为了提高用户每次执行健身动作的准确度,在步骤S101中,还可以在用户健身时实时播放用户当前执行的健身动作的教学视频,并提示用户跟随当前播放的教学视频执行对应的健身动作。其中,某一健身动作的教学视频,可以是,录制相关的专业人员(如职业健身教练)执行该健身动作的过程而得到的视频,教学视频可以存储在网络中的服务器上,任意一个客户端需要播放某一健身动作的教学视频时,可以从服务器下载需要播放的教学视频并进行播放。
步骤S101中,实时采集用户的健身动作,可以通过以下方式执行:
在用户健身时,客户端控制安装客户端的电子设备的摄像头,或者和该电子设备相连的其他摄像设备对用户进行拍摄,从而将用户健身的过程录制为相应的健身视频,显然,通过这种方式录制得到的健身视频,显示有用户在一次健身过程中所执行的每一健身动作,在此基础上,利用图像识别算法就可以从该用户的健身视频中识别出用户在本次健身过程中具体执行了哪些健身动作,以及每种健身动作执行的次数。
根据采集得到的用户的健身动作,可以分析出用户每一次执行的健身动作的准确度,下面提供两种可选的分析得到用户的执行的每一次健身动作的准确度的具体实现方式:
第一,可以针对用户执行的每一次健身动作,利用图像识别算法从健身视频中识别出执行本次健身动作时用户的动作参数,并将计算得到的用户的动作参数和健身动作的标准动作参数的相似度作为健身动作的正确率。
对于一个健身动作,其动作参数可以包括用户执行该动作的过程中,身体各个部位(如手臂,腰部,腿部,头部等)的位移,相对于地面的角度等,若用户执行的健身动作存在负重,动作参数中还可以包括用户执行该动作时负担的重量,也就是用户的负重。
获得用户的健身视频后,可以利用图像识别算法在健身视频的每一帧中识别出用户身体的部位所在的位置,进而根据身体部位所在的位置计算出用户执行本次健身动作时身体的部位的位移和角度等动作参数。
一般需要负重的健身动作均借助于对应的健身器械实现,而健身器械一般均配套有数个具有一定重量的可拆卸的配重块,用户可以通过增减器械上安装的配重块的数量,调节健身过程中的负重。因此,在执行步骤S101时,可以从用户的健身视频中识别出健身器械上安装的配重块的数量,进而根据安装的配重块的数量,以及预先输入的单个配重块的重量,计算得到用户健身过程中的负重。
对于用户所执行的任意一次健身动作,获得用户执行这次健身动作时的动作参数之后,就可以将用户的动作参数,和相关的专业人员(例如,职业健身教练)预先上传的该健身动作的标准动作参数进行比对,从而获得用户的动作参数和标准动作参数的相似度。
用户执行了一次健身动作之后,可以通过前述方法获得本次健身动作的动作参数,假设包括腿部位移X1,手臂位移X2,腰部位移X3三项,相应的,该健身动作的标准动作参数分别包括腿部位移Y1,手臂位移Y2,腰部位移Y3,在此基础上,分别计算每一项动作参数的相似度,得到腿部位移相似度Z1,手臂位移相似度Z2和腰部位移相似度Z3,以Z1为例,其计算公式可以是:即:
Z1=1-|X1-Y1|÷Y1
获得每一项动作参数的相似度后,可以按一定的加权系数对每一项动作参数的相似度进行加权平均,并将最后得到的结果作为用户本次执行的健身动作的准确度。
第二,针对用户执行的每一次健身动作,可以计算用户执行一次健身动作时的健身视频,和健身动作的教学视频之间的匹配度,并以匹配度作为本次执行的健身动作的准确度。
具体的,可以逐帧计算用户的健身视频每一帧,和健身动作的教学视频中对应的每一帧的匹配度,最后计算所有帧的匹配度的平均值,将得到的结果作为两个视频之间的匹配度。
对于健身视频中的一帧图像和教学视频中的一帧图像,首先可以调节两帧图像的分辨率,使两帧图像的分辨率一致,然后,为了避免两帧图像的背景图像,也就是除健身的人的身体以外的图像的不同造成干扰,可以将两帧图像中的背景图像部分统一替换为全黑或者全白的背景色,换言之,也就是从需要计算匹配度的两帧图像中抠除背景图像,只保留其中健身的人的身体图像,然后,就可以利用现有的图像匹配算法计算抠除了背景图像之后的两帧图像之间的匹配度。
可选的,若预设时间段内用户重复执行同一种健身动作多次,可以计算用户每次执行该健身动作的准确度的算术平均值,将计算结果作为用户执行这种健身动作时的正确率。若一种健身动作用户在预设时间段内仅执行了一次,则可以直接以这次健身动作的准确度作为预设时间段内这种健身动作的正确率。
S102、确定与用户的历史健身数据相匹配的推荐健身动作。
一种可选的确定推荐健身动作的方式可以是:
根据用户的历史健身数据,从预设时间段内选取出现频率低于第一阈值、且正确率小于第二阈值的健身动作作为参考健身动作。
从预先构建的健身动作库中选取与参考健身动作相匹配、且未在预设时间段内被用户执行的健身动作作为推荐健身动作。
对于任意的两种健身动作,若这两种健身动作的强度(可以理解为执行该健身动作所消耗的体力),锻炼的部位基本一致,那么,可以认为这两种健身动作相互匹配。而一种健身动作的强度和锻炼的部位,可以由相关的专业人员在系统中预先设定。
在预设时间段内,某一种健身动作的出现频率,可以认为是,将用户在预设时间段内执行这种健身动作的次数,除以用户在预设时间段内累计执行的所有健身动作的次数得到的比值。
S103、向用户展示推荐健身动作。
步骤S103,可以是,在显示设备上播放推荐健身动作的教学视频,并提示用户跟随教学视频执行推荐健身动作。
可选的,播放教学视频的同时,可以根据教学视频的播放进度输出对应的语音提示信息,从而在用户执行推荐健身动作的过程中提示用户注意调整姿态。
本申请提供一种健身动作推荐方法,包括:实时采集用户的健身动作,并分析得到用户的健身动作的正确率;确定与用户的历史健身数据相匹配的推荐健身动作并向用户展示;历史健身数据包括预设时间段内用户执行的每一健身动作,健身动作的出现频率和健身动作的正确率。本方案能够在用户健身时通过分析健身动作的正确率实时获取用户对当前的健身动作的反馈,并根据用户的反馈动态的确定推荐健身动作,因此,相比于现有的按固定的健身计划进行推荐的方案,本方案可以向用户推荐更符合其实际情况的健身动作,使用户获得更好的健身效果。
具体的,用户在健身时,若某一种健身动作的正确率过低(即步骤S102所述的正确率低于第二阈值),并且执行的次数过少(即步骤S102所述的出现频率低于第一阈值),显然就不能正确的锻炼到对应的身体部位,另外长期执行正确率过低的健身动作还容易对身体造成慢性的损伤。这方面,现有技术只能向用户推送预设的健身计划中规定的健身动作,即使用户执行其中某一种或几种健身动作的正确率过低也无法进行对应的修正或补充,导致健身效果较差。
而本方案针对满足上述条件的参考健身动作,为用户推荐能够锻炼和参考健身动作所锻炼的身体部位一致或相似的推荐健身动作,用户通过执行推荐健身动作,可以对相应的身体部位进行补充锻炼,从而弥补之前执行正确率过低的参考健身动作的不足。
另外,若用户执行推荐健身动作的正确率较高,即高于第二阈值,则可以将推荐健身动作添加至用户的健身计划中,用于代替原本的健身计划中的参考健身动作,若用户执行一种推荐健身动作的正确率仍然较低,则可以继续确定其他的推荐健身动作,直至找到适于该用户执行的健身动作(即执行的正确率高于第二阈值)为止,这样能够尽量确保用户最终使用的健身计划中各项健身动作的正确率都足够高,以便用户的各个身体部位都能够得到适当的锻炼。
另一方面,根据参考健身动作而确定的匹配的健身动作中,可能有一些在之前已经被用户执行过的健身动作,若向用户推荐这些已经执行过的健身动作,会导致用户过多的执行相同的健身动作,不利于增加健身的趣味性和健身动作的多样性,并且,同样一种健身动作被重复执行的次数过多,会增大肌肉和关节的负担,容易引起损伤,也不利于改善健身效果。
相对的,本方案在确定推荐健身动作时,同时考虑与参考健身动作相匹配和在预设时间段内未被执行两方面的条件,使得最后确定的推荐健身动作既能达到参考健身动作所期望的锻炼效果,又能避免用户过多的重复执行同一种健身动作。通过执行推荐健身动作,用户既能够锻炼到正确率偏低的参考健身动作所要锻炼的身体部位,也不会由于过多的重复执行同一种健身动作而对身体造成损伤。
考虑到前述实施例获得了用户健身过程中执行的健身动作的准确度,本申请又一实施例提供一种实时纠正用户的健身动作的方法,旨在根据用户健身过程中的健身动作的准确度,对用户进行提示,以纠正用户所执行的错误的健身动作。请参考图2,该方法可以包括以下步骤:
S201、在用户健身时,实时采集用户的健身动作,并分析得到用户的每次执行的健身动作的准确度。
S202、判断用户当前的健身动作的准确度是否大于准确度阈值。
若用户的健身动作的准确度大于准确度阈值,说明用户当前执行的健身动作较为标准,可以获得良好的健身效果并且不会受伤,因此不需要进行提示,返回执行步骤S201,继续分析用户后续的健身动作的准确度。
若用户的健身动作的准确度小于或等于准确度阈值,说明用户当前执行的健身动作有较严重的错误,既不能获得良好的健身效果,并且还有受伤的风险,因此需要提示用户进行纠正,执行步骤S203。
可选的,可以对每一种健身动作设定一个对应的准确度阈值,在执行步骤S202时,根据用户当前执行的健身动作选取相应的准确度阈值进行判断。准确度阈值可以由相关的专业人员根据实际经验设定。
S203、输出用于纠正用户的健身动作的提示信息。
具体的提示方式包括但不限于,弹窗警告,输出语音提示信息,暂停播放健身动作的教学视频,播放当前的健身动作对应的纠正视频等。
语音提示信息可以是,“当前动作错误,请停止健身,休息1分钟”,也可以是,“当前动作错误,请停止健身并观看纠正视频”。
其中,健身动作的纠正视频,可以理解为,在教学视频的基础上增加了对动作细节的解说和指导等内容的视频。
如前文所述,教学视频是录制健身教练执行健身动作的过程而得到的视频,播放教学视频时用户只能根据观看到的视频模仿健身教练的动作。而纠正视频,可以在教学视频的基础上进一步增加健身教练对健身动作的说明,例如,执行某一健身动作时应当控制身体的哪些部位发力,保持哪些部位处于放松状态等,或者应当保持身体处于什么姿势。通过这些说明,用户可以发现自身执行的健身动作的错误,并进行纠正。
需要说明的是,上述步骤S202和步骤S203所述的过程,可以和如图1所示的健身动作推荐方法同时执行。
具体的,在用户开始健身后,实时采集用户的健身动作并分析准确度,并实时地判断用户当前的健身动作的准确度是否大于准确度阈值,若在用户健身过程中的任意时刻检测到用户当前执行的健身动作的准确度低于准确度阈值,则提示用户进行纠正,换言之,也就是在用户的健身过程中实时的执行上述步骤S202和步骤S203。在用户的健身过程结束,例如,用户执行完客户端制定的健身计划中的所有健身动作后,客户端(或者服务器)就可以紧接着执行如图1所示的实施例中的步骤S102和S103,从而向用户展示推荐健身动作,用户可以选择继续执行推荐健身动作,也就是继续健身,也可以选择将推荐健身动作加入下一次的健身计划,在用户再次开始健身时,客户端就可以为用户制定包含推荐健身动作的健身计划。
本申请实施例所提供的方法,可以通过如图3所示的系统实现。请参考图3,该系统包括服务器和运行于用户的终端设备的客户端。其中,如前文所述,健身教练可以录制自身执行健身动作的过程,得到对应的健身动作的教学视频,并且,针对每一健身动作,设定对应的标准动作参数,最后,将教学视频和标准动作参数作为教学文件上传至服务器,由服务器存储。
用户需要健身时,打开客户端,客户端可以从服务器下载用户指定要执行的目标健身动作的教学视频,并播放教学视频,提示用户跟随教学视频执行对应的健身动作。具体的,用户可以从多种备选的健身动作中选取若干种健身动作作为目标健身动作,也可以从多种预设的健身计划中选取一个健身计划,以被选取的健身计划包含的健身动作作为目标健身动作,
在用户跟随教学视频进行健身的同时,客户端调用本地的摄像设备拍摄用户健身的过程,得到健身视频,并将健身视频上传至服务器,相当于服务器通过客户端执行图1所示的实施例的步骤S101中的采集用户的健身动作的步骤。
服务器获得用户的健身视频后,执行前述实施例所述的方法分析出用户的每次健身动作的准确度。服务器记录用户健身的过程中执行的每一次健身动作以及对应的准确度,并实时地判断用户的健身动作的准确度是否大于准确度阈值,当检测到用户执行的任一次健身动作的准确度小于或等于准确度阈值时,服务器就可以向客户端发送通知,从而触发客户端输出提示信息,以纠正用户的健身动作。
在用户完成本次健身过程后,服务器可以分析用户健身的这段时间内的历史健身数据,也就是这段时间内用户执行每种健身动作的频率和正确率,并基于历史健身数据从服务器的数据库中确定出推荐健身动作。确定了推荐健身动作后,服务器可以将推荐健身动作的教学视频发送给客户端,使客户端播放推荐健身动作的教学视频。
可选的,本申请实施例提供的健身动作推荐方法和纠正方法,在终端设备具有足够的计算能力的前提下,也可以由客户端以离线模式实现。具体的,服务器可以预先将多个健身动作的教学视频和标准动作参数发送至客户端,在用户需要健身时,客户端直接向用户播放本地存储的健身动作的教学视频,并根据用户执行的每次健身动作的准确度判断是否纠正用户的健身动作,在用户健身结束后,根据用户的历史健身数据从本地存储的多个健身动作中确定出推荐健身动作,并播放本地存储的推荐健身动作的教学视频。
本申请实施例还提供一种根据历史健身数据为用户确定满足其需求的推荐健身计划的方法,请参考图4,该方法可以包括以下步骤:
S401、根据历史健身数据确定出多种正确率高于第二阈值的健身动作。
对于用户已执行的每一种健身动作确定其正确率的方法可以参考前文对应的步骤,此处不再详述。
S402、根据用户指定的目标健身强度,从预设的健身动作库中为每一种正确率高于第二阈值的健身动作选取对应的替代健身动作。
上述替代健身动作,是指,锻炼的身体部位和步骤S402中确定的正确率高于第二阈值的健身动作锻炼的身体部位一致或者相似,并且动作的健身强度为用户指定的目标健身强度的健身动作。
健身强度可以划分为高强度,中等强度和低强度三个等级,相应的,用户可以在高强度,中等强度和低强度中指定一种作为目标健身强度。
一般的,锻炼某一身体部位的健身动作可以有多种,其中不同的健身动作对应的健身强度会有一定的差别,即可能某些健身动作的健身强度大于另一些健身动作的健身强度。
对于健身动作的健身强度的确定,可以综合海量用户对各种健身动作的评价实现,例如,锻炼同一身体部位的两种健身动作H和K,软件可以分别收集执行健身动作H的用户的评价和执行健身动作K的用户的评价,若执行健身动作H的用户群体中,较大比例的用户评价该健身动作执行较为费力(例如,若用户评价能够连续执行的次数较少,就可以认为该动作费力),而执行健身动作K的用户群体中,大多数用户评价该健身动作执行较为轻松,则可以设定健身动作H的健身强度为高强度,健身动作K的健身强度为低强度。
S403、用选取得到的替代健身动作生成推荐健身计划。
健身计划主要包括以下数据:需要执行的健身动作的种类,每一种健身动作的执行顺序,即先做一种动作,再做另一种动作,以及一次健身过程中每一种动作执行的次数,具体可以包括执行多少组,每一组执行多少次等。
其中,在推荐健身计划中,选取的多个替代健身动作的执行顺序,可以和用户已经执行过的多种正确率高于第二阈值的健身动作的执行顺序一致。
例如,正确率高于第二阈值的健身动作包括动作A,B,C,这三种动作对应的替代健身动作为D,E,F,在以往的健身过程中,用户一般是按B,A,C的顺序执行这三种健身动作,那么在生成的推荐健身计划中,替代健身动作为D,E,F的执行顺序可以和对应的正确率高于第二阈值的健身动作的执行顺序一致,即也就是推荐按E,D,F的顺序执行。
一次健身过程中推荐执行替代健身动作的次数(具体包括组数和每一组的次数两方面),既可以和对应的正确率高于第二阈值的健身动作的次数一致,也可以在对应的正确率高于第二阈值的健身动作的次数基础上根据用户指定的目标健身强度进行调整。
例如,若目标健身强度为高强度,则可以在对应的正确率高于第二阈值的健身动作的执行次数的基础上适当增加,得到推荐健身计划中替代健身动作的执行次数。
若目标健身强度为低强度,则可以在对应的正确率高于第二阈值的健身动作的执行次数的基础上适当下调,得到推荐健身计划中替代健身动作的执行次数。
通过执行上述实施例提供的方法,能够为用户选择满足其健身强度需求、且预期正确率较高的健身动作,并利用选取的健身动作生成满足该用户个性化需求的推荐健身计划,使得每个用户的健身计划既能够适应其实际身体状况,也能够满足用户对健身强度的需求。
结合本申请实施例提供的健身动作推荐方法,本申请实施例还提供一种健身动作推荐装置,请参考图5,该装置可以包括以下单元:
获取单元501,用于获取用户的历史健身数据。
其中,历史健身数据包括预设时间段内用户执行的每一种健身动作的正确率和出现频率。
推荐单元502,用于根据历史健身数据,确定出与历史健身数据相匹配的推荐健身动作,并向用户展示推荐健身动作。
可选的,推荐单元502,根据历史健身数据,确定出与历史健身数据相匹配的推荐健身动作时,具体用于:
根据历史健身数据,从预设时间段内选取出现频率低于第一阈值、且正确率低于第二阈值的健身动作作为参考健身动作;
从预先构建的健身动作库中选取与参考健身动作相互匹配、且未在预设时间段内被用户执行的健身动作作为推荐健身动作。
可选的,推荐单元502向用户展示推荐健身动作时,具体用于:
在显示设备上播放推荐健身动作的教学视频。
获取单元501获取用户的历史健身数据时,具体用于:
针对预设时间段内用户执行的每一种健身动作,根据用户每一次执行健身动作的准确度,计算得到健身动作的正确率,并根据预设时间段内健身动作被执行的次数计算得到健身动作的出现频率。
可选的,该装置还包括分析单元503,用于:
在用户健身时,实时采集用户的健身视频,并根据健身视频分析得到用户执行的每一次健身动作的准确度。
分析单元503根据健身视频分析得到用户执行的每一次健身动作的准确度时,具体用于:
针对用户执行的每一次健身动作,利用图像识别算法从健身视频中识别出执行本次健身动作时用户的动作参数,并根据动作参数和健身动作的标准动作参数的相似度计算得到本次健身动作的准确度。
分析单元503根据健身视频分析得到用户执行的每一次健身动作的准确度时,具体用于:
针对用户执行的每一次健身动作,计算用户执行本次健身动作时的健身视频,和健身动作的教学视频之间的匹配度,并以匹配度作为用户执行本次健身动作的准确度。
可选的,该装置还包括纠正单元504,用于:
若用户执行的任意一次健身动作的准确度低于预设的准确度阈值,输出提示信息;其中,提示信息用于提示用户纠正当前执行的健身动作。
可选的,推荐单元502还可以用于:
根据历史健身数据确定出多种正确率高于第二阈值的健身动作;
根据用户指定的目标健身强度,从预设的健身动作库中为每一种正确率高于第二阈值的健身动作选取对应的替代健身动作;
用选取得到的替代健身动作生成推荐健身计划。
本申请提供一种健身动作推荐装置,其中,获取单元501,用于获取用户的历史健身数据。其中,历史健身数据包括预设时间段内用户执行的每一种健身动作的正确率和出现频率。推荐单元502,用于根据历史健身数据,确定出与历史健身数据相匹配的推荐健身动作,并向用户展示推荐健身动作。本方案能够通过分析用户的健身动作的正确率,获取用户对健身动作的反馈,并根据用户的反馈动态的确定推荐健身动作,因此,相比于现有的按固定的健身计划进行推荐的方案,本方案可以向用户推荐更符合其实际情况的健身动作,使用户获得更好的健身效果。
本申请实施例一种电子设备,请参考图6,该电子设备可以包括存储器601和处理器602。
其中,存储器601用于存储计算机程序。
处理器602用于执行上述计算机程序,具体用于实现本申请任一实施例所提供的健身动作推荐方法。
本申请实施例还提供一种计算机存储介质,用于存储计算机程序,存储的计算机程序被执行时,用于实现本申请任一实施例提供的健身动作推荐方法。
最后,还需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
需要注意,本发明中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分,并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下,在其它实施例中实现。因此,本申请将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (10)
1.一种健身动作的推荐方法,其特征在于,包括:
获取用户的历史健身数据;其中,所述历史健身数据包括预设时间段内用户执行的每一种健身动作的正确率和出现频率;
根据所述历史健身数据,确定出与所述历史健身数据相匹配的推荐健身动作,并向所述用户展示所述推荐健身动作。
2.根据权利要求1所述的推荐方法,其特征在于,所述根据所述历史健身数据,确定出与所述历史健身数据相匹配的推荐健身动作,包括:
根据所述历史健身数据,从所述预设时间段内选取出现频率低于第一阈值、且正确率低于第二阈值的健身动作作为参考健身动作;
从预先构建的健身动作库中选取与所述参考健身动作相互匹配、且未在所述预设时间段内被所述用户执行的健身动作作为推荐健身动作。
3.根据权利要求1所述的推荐方法,其特征在于,所述获取用户的历史健身数据,包括:
针对所述预设时间段内用户执行的每一种健身动作,根据用户每一次执行所述健身动作的准确度,计算得到所述健身动作的正确率,并根据所述预设时间段内所述健身动作被执行的次数计算得到所述健身动作的出现频率。
4.根据权利要求3所述的推荐方法,其特征在于,还包括:
在用户健身时,实时采集用户的健身视频,并根据所述健身视频分析得到用户执行的每一次健身动作的准确度。
5.根据权利要求4所述的推荐方法,其特征在于,所述根据所述健身视频分析得到用户执行的每一次健身动作的准确度,包括:
针对所述用户执行的每一次健身动作,利用图像识别算法从所述健身视频中识别出执行本次健身动作时用户的动作参数,并根据所述动作参数和所述健身动作的标准动作参数的相似度计算得到本次健身动作的准确度。
6.根据权利要求4所述的推荐方法,其特征在于,所述根据所述健身视频分析得到用户执行的每一次健身动作的准确度,包括:
针对所述用户执行的每一次健身动作,计算所述用户执行本次健身动作时的健身视频,和所述健身动作的教学视频之间的匹配度,并以所述匹配度作为用户执行本次健身动作的准确度。
7.根据权利要求1所述的推荐方法,其特征在于,还包括:
根据所述历史健身数据确定出多种正确率高于第二阈值的健身动作;
根据用户指定的目标健身强度,从预设的健身动作库中为每一种正确率高于第二阈值的健身动作选取对应的替代健身动作;
用选取得到的所述替代健身动作生成推荐健身计划。
8.一种健身动作的推荐装置,其特征在于,包括:
获取单元,用于获取用户的历史健身数据;其中,所述历史健身数据包括预设时间段内用户执行的每一种健身动作的正确率和出现频率;
推荐单元,用于根据所述历史健身数据,确定出与所述历史健身数据相匹配的推荐健身动作,并向所述用户展示所述推荐健身动作。
9.一种计算机存储介质,其特征在于,用于存储计算机程序,所述计算机程序被执行时,具体用于实现如权利要求1至7任意一项所述的健身动作的推荐方法。
10.一种电子设备,其特征在于,包括存储器和处理器;
其中,所述存储器用于存储计算机程序;
所述处理器用于执行所述计算机程序,具体用于实现如权利要求1至7任意一项所述的健身动作的推荐方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010933676.1A CN112071392A (zh) | 2020-09-08 | 2020-09-08 | 健身动作的推荐方法、装置、电子设备和计算机存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010933676.1A CN112071392A (zh) | 2020-09-08 | 2020-09-08 | 健身动作的推荐方法、装置、电子设备和计算机存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112071392A true CN112071392A (zh) | 2020-12-11 |
Family
ID=73664178
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010933676.1A Pending CN112071392A (zh) | 2020-09-08 | 2020-09-08 | 健身动作的推荐方法、装置、电子设备和计算机存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112071392A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112866810A (zh) * | 2021-01-05 | 2021-05-28 | 三星电子(中国)研发中心 | 视频播放方法及视频播放装置 |
CN112967782A (zh) * | 2021-02-22 | 2021-06-15 | 厦门艾地运动科技有限公司 | 动作分析方案的配置及应用方法、装置及电子设备 |
CN113641856A (zh) * | 2021-08-12 | 2021-11-12 | 三星电子(中国)研发中心 | 用于输出信息的方法和装置 |
CN115065705A (zh) * | 2022-07-11 | 2022-09-16 | 深圳创维-Rgb电子有限公司 | 健身效果监测方法、装置、电子设备、存储介质及系统 |
Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100160117A1 (en) * | 2008-12-23 | 2010-06-24 | Club One, Inc. | Apparatus and Method for Customizing Interactive Fitness Activities |
US20130190903A1 (en) * | 2012-01-19 | 2013-07-25 | Nike, Inc. | Action Detection and Activity Classification |
US20150269321A1 (en) * | 2014-03-18 | 2015-09-24 | Net.Orange, Inc. | Personal health operating system |
CN105561536A (zh) * | 2015-12-17 | 2016-05-11 | 安徽寰智信息科技股份有限公司 | 一种具有健身动作矫正功能的人机交互系统 |
CN105597282A (zh) * | 2015-12-17 | 2016-05-25 | 安徽寰智信息科技股份有限公司 | 一种健身动作的矫正方法及其系统 |
CN106267734A (zh) * | 2016-08-30 | 2017-01-04 | 石家庄铁路职业技术学院 | 一种数字化健身系统 |
CN107694046A (zh) * | 2017-07-19 | 2018-02-16 | 咪咕互动娱乐有限公司 | 一种健身运动训练方法、装置及计算机可读存储介质 |
CN108310749A (zh) * | 2018-01-30 | 2018-07-24 | 深圳市未来健身衣科技有限公司 | 一种健身辅助设备、装置及存储介质 |
KR20190029430A (ko) * | 2018-08-16 | 2019-03-20 | 아이피랩 주식회사 | 인공지능 기반 온라인 피트니스 시스템 및 퍼스널 트레이닝 방법 |
US20190160334A1 (en) * | 2017-11-28 | 2019-05-30 | International Business Machines Corporation | Adaptive fitness training |
CN109934111A (zh) * | 2019-02-12 | 2019-06-25 | 清华大学深圳研究生院 | 一种基于关键点的健身姿态估计方法及系统 |
CN110070340A (zh) * | 2019-04-22 | 2019-07-30 | 北京卡路里信息技术有限公司 | 一种健身管理方法、装置、设备及存储介质 |
US20190267128A1 (en) * | 2016-07-25 | 2019-08-29 | FitnessGenes Limited | Determining an Optimal Wellness Regime |
CN110718280A (zh) * | 2019-09-26 | 2020-01-21 | 北京金山安全软件有限公司 | 健身动作准确度确定方法、装置、电子设备及存储介质 |
KR102120828B1 (ko) * | 2019-05-01 | 2020-06-09 | 이영규 | 인공 지능을 이용한 가상현실 기반의 헬스 모니터링 장치 및 그 방법 |
-
2020
- 2020-09-08 CN CN202010933676.1A patent/CN112071392A/zh active Pending
Patent Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100160117A1 (en) * | 2008-12-23 | 2010-06-24 | Club One, Inc. | Apparatus and Method for Customizing Interactive Fitness Activities |
US20130190903A1 (en) * | 2012-01-19 | 2013-07-25 | Nike, Inc. | Action Detection and Activity Classification |
US20150269321A1 (en) * | 2014-03-18 | 2015-09-24 | Net.Orange, Inc. | Personal health operating system |
CN105561536A (zh) * | 2015-12-17 | 2016-05-11 | 安徽寰智信息科技股份有限公司 | 一种具有健身动作矫正功能的人机交互系统 |
CN105597282A (zh) * | 2015-12-17 | 2016-05-25 | 安徽寰智信息科技股份有限公司 | 一种健身动作的矫正方法及其系统 |
US20190267128A1 (en) * | 2016-07-25 | 2019-08-29 | FitnessGenes Limited | Determining an Optimal Wellness Regime |
CN106267734A (zh) * | 2016-08-30 | 2017-01-04 | 石家庄铁路职业技术学院 | 一种数字化健身系统 |
CN107694046A (zh) * | 2017-07-19 | 2018-02-16 | 咪咕互动娱乐有限公司 | 一种健身运动训练方法、装置及计算机可读存储介质 |
US20190160334A1 (en) * | 2017-11-28 | 2019-05-30 | International Business Machines Corporation | Adaptive fitness training |
CN108310749A (zh) * | 2018-01-30 | 2018-07-24 | 深圳市未来健身衣科技有限公司 | 一种健身辅助设备、装置及存储介质 |
KR20190029430A (ko) * | 2018-08-16 | 2019-03-20 | 아이피랩 주식회사 | 인공지능 기반 온라인 피트니스 시스템 및 퍼스널 트레이닝 방법 |
CN109934111A (zh) * | 2019-02-12 | 2019-06-25 | 清华大学深圳研究生院 | 一种基于关键点的健身姿态估计方法及系统 |
CN110070340A (zh) * | 2019-04-22 | 2019-07-30 | 北京卡路里信息技术有限公司 | 一种健身管理方法、装置、设备及存储介质 |
KR102120828B1 (ko) * | 2019-05-01 | 2020-06-09 | 이영규 | 인공 지능을 이용한 가상현실 기반의 헬스 모니터링 장치 및 그 방법 |
CN110718280A (zh) * | 2019-09-26 | 2020-01-21 | 北京金山安全软件有限公司 | 健身动作准确度确定方法、装置、电子设备及存储介质 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112866810A (zh) * | 2021-01-05 | 2021-05-28 | 三星电子(中国)研发中心 | 视频播放方法及视频播放装置 |
CN112967782A (zh) * | 2021-02-22 | 2021-06-15 | 厦门艾地运动科技有限公司 | 动作分析方案的配置及应用方法、装置及电子设备 |
CN113641856A (zh) * | 2021-08-12 | 2021-11-12 | 三星电子(中国)研发中心 | 用于输出信息的方法和装置 |
CN115065705A (zh) * | 2022-07-11 | 2022-09-16 | 深圳创维-Rgb电子有限公司 | 健身效果监测方法、装置、电子设备、存储介质及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112071392A (zh) | 健身动作的推荐方法、装置、电子设备和计算机存储介质 | |
US11745058B2 (en) | Methods and apparatus for coaching based on workout history | |
US9895578B2 (en) | Biometric assessment in fitness improvement | |
US20200151595A1 (en) | Automated training and exercise adjustments based on sensor-detected exercise form and physiological activation | |
US20220023718A1 (en) | Systems and methods for computer vision and machine-learning based form feedback | |
CN106984027B (zh) | 一种动作对比分析方法、装置及一种显示器 | |
US9223936B2 (en) | Fatigue indices and uses thereof | |
US20180133551A1 (en) | System and method for personalized exercise training and coaching | |
CA2818867C (en) | Fatigue indices and uses thereof | |
CN109637625B (zh) | 自学习式健身计划生成系统 | |
US10223931B1 (en) | Systems and methods for compensation analysis and targeted, corrective program generation | |
KR102145692B1 (ko) | 빅데이터를 이용한 맞춤형 피트니스 회원 관리시스템 | |
WO2012071551A1 (en) | Fatigue indices and uses thereof | |
JP6959898B2 (ja) | 情報処理装置、サポート方法、及びサポートシステム | |
JP6757010B1 (ja) | 動作評価装置、動作評価方法、動作評価システム | |
CN113128283A (zh) | 评估方法、模型构建方法、教学机、教学系统及电子设备 | |
CN113241148B (zh) | 健身方案生成方法、装置、终端设备和存储介质 | |
US20210060385A1 (en) | Advancement Manager In A Handheld User Device | |
CN114937485A (zh) | 一种健身指导的实现方法、装置、系统 | |
CN116935270A (zh) | 用户视频辅助管理方法、存储介质及电子装置 | |
EP4003543A1 (en) | Physical training system with machine learning-based training programs | |
WO2021178589A1 (en) | Exercise instruction and feedback systems and methods | |
CN113641856A (zh) | 用于输出信息的方法和装置 | |
CN113299365A (zh) | 体能训练计划生成方法、装置及电子设备 | |
CN214130226U (zh) | 一种健身系统 |
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 |