CN112509667B - 健身控制方法及相关装置 - Google Patents
健身控制方法及相关装置 Download PDFInfo
- Publication number
- CN112509667B CN112509667B CN202011415286.1A CN202011415286A CN112509667B CN 112509667 B CN112509667 B CN 112509667B CN 202011415286 A CN202011415286 A CN 202011415286A CN 112509667 B CN112509667 B CN 112509667B
- Authority
- CN
- China
- Prior art keywords
- sitting
- user
- time
- data
- building
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 36
- 210000003205 muscle Anatomy 0.000 claims abstract description 100
- 230000009471 action Effects 0.000 claims abstract description 53
- 230000037406 food intake Effects 0.000 claims abstract description 17
- 235000012631 food intake Nutrition 0.000 claims abstract description 17
- 238000004891 communication Methods 0.000 claims description 22
- 238000012545 processing Methods 0.000 claims description 16
- 230000036541 health Effects 0.000 claims description 15
- 210000004237 neck muscle Anatomy 0.000 claims description 11
- 230000002452 interceptive effect Effects 0.000 claims description 6
- 238000012549 training Methods 0.000 claims description 6
- 210000002097 psoas muscle Anatomy 0.000 claims description 3
- 230000009286 beneficial effect Effects 0.000 abstract 1
- 238000004590 computer program Methods 0.000 description 11
- 230000006870 function Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000003340 mental effect Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000011084 recovery Methods 0.000 description 2
- 238000010792 warming Methods 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 208000013016 Hypoglycemia Diseases 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000009194 climbing Effects 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 235000003642 hunger Nutrition 0.000 description 1
- 230000002218 hypoglycaemic effect Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000035772 mutation Effects 0.000 description 1
- 230000037351 starvation Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
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
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
- G01D21/02—Measuring two or more variables by means not covered by a single other subclass
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9535—Search customisation based on user profiles and personalisation
-
- 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
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
-
- 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
- G16H20/60—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to nutrition control, e.g. diets
Abstract
本申请实施例公开了一种健身控制方法及相关装置,包括:获取当日内的预设历史数据信息;根据第一坐立时间、第一坐姿数据、第二坐立时间、第二坐姿数据、实际工作时间、第三坐立时间和第三坐姿数据,确定用户的肌肉群的疲劳度;将肌肉群的疲劳度、用户食物摄入情况、当前室内温度作为模型输入,导入预选训练好的健身动作推荐模型,得到推荐的多个健身动作和每个推荐动作的优先级;根据用户预计健身时间、多个健身动作和每个推荐动作的优先级生成本次的参考健身计划。本申请实施例有利于提高电子设备进行健身引导的智能性和准确度,提升用户使用体验。
Description
技术领域
本申请涉及人工智能与健身融合技术领域,具体涉及一种健身控制方法及相关装置。
背景技术
现代年轻人工作压力大,有效健身时间少,传统固定内容和时间的运动教程越来越难以用户个性化的健身需求。
发明内容
本申请实施例提供了一种健身控制方法及相关装置,以期提高电子设备进行健身引导的智能性和准确度,提升用户使用体验。
第一方面,本申请实施例提供一种健身控制方法,应用于健康管理系统中的移动终端,所述健康管理系统包括所述移动终端、家庭智能摄像头、家庭智能冰箱、家庭智能空调、办公室智能摄像头、办公室办公设备以及车载单元,所述移动终端分别与所述家庭智能摄像头、所述家庭智能冰箱、所述家庭智能空调、所述办公室智能摄像头、所述办公室办公设备以及所述车载单元通信连接;所述方法包括:
检测到用户的健身请求指令时,获取当日内的预设历史数据信息,所述预设历史数据信息包括通过所述家庭智能摄像头获取到的用户第一坐立时间和第一坐姿数据、通过所述家庭智能冰箱获取到的用户食物摄入情况、通过所述家庭智能空调获取到的当期室内温度、通过所述办公室智能摄像头获取到的用户第二坐立时间和第二坐姿数据、通过所述办公室办公设备获取到的实际工作时间以及通过所述车载单元获取到的第三坐立时间和第三坐姿数据;
根据所述第一坐立时间、所述第一坐姿数据、所述第二坐立时间、所述第二坐姿数据、所述实际工作时间、所述第三坐立时间和第三坐姿数据,确定用户的肌肉群的疲劳度;
将所述肌肉群的疲劳度、所述用户食物摄入情况、所述当前室内温度作为模型输入,导入预选训练好的健身动作推荐模型,得到推荐的多个健身动作和每个推荐动作的优先级;
确定用户预计健身时间;
根据所述用户预计健身时间、所述多个健身动作和所述每个推荐动作的优先级生成本次的参考健身计划;
展示所述参考训练计划,并根据用户针对所述参考训练计划的交互操作确定本次的目标训练计划;
根据用户的开始训练指令启动所述目标训练计划。
可以看出,本申请实施例中,设备在检测到用户的健身请求指令时,可以全面获取用户当日在不同场景中的坐立时间和坐姿数据,综合确定用户的肌肉群的疲劳度,并结合用户食物摄入情况和当前室内温度,通过AI模型预测推荐的多个健身动作和每个推荐动作的优先级,然后再根据用户预计健身时间结合多个健身动作和每个推荐动作的优先级生成本次的参考健身计划,通过多环境因素的引入,使得用户当前次健身计划充分考虑多种影响因素,有利于提高电子设备进行健身引导的智能性和准确度,提升用户使用体验。
第二方面,本申请实施例提供一种健身控制装置,应用于健康管理系统中的移动终端,所述健康管理系统包括所述移动终端、家庭智能摄像头、家庭智能冰箱、家庭智能空调、办公室智能摄像头、办公室办公设备以及车载单元,所述移动终端分别与所述家庭智能摄像头、所述家庭智能冰箱、所述家庭智能空调、所述办公室智能摄像头、所述办公室办公设备以及所述车载单元通信连接;所述装置包括处理单元和通信单元,
所述处理单元,用于检测到用户的健身请求指令时,通过所述通信单元获取当日内的预设历史数据信息,所述预设历史数据信息包括通过所述家庭智能摄像头获取到的用户第一坐立时间和第一坐姿数据、通过所述家庭智能冰箱获取到的用户食物摄入情况、通过所述家庭智能空调获取到的当期室内温度、通过所述办公室智能摄像头获取到的用户第二坐立时间和第二坐姿数据、通过所述办公室办公设备获取到的实际工作时间以及通过所述车载单元获取到的第三坐立时间和第三坐姿数据;以及根据所述第一坐立时间、所述第一坐姿数据、所述第二坐立时间、所述第二坐姿数据、所述实际工作时间、所述第三坐立时间和第三坐姿数据,确定用户的肌肉群的疲劳度;以及将所述肌肉群的疲劳度、所述用户食物摄入情况、所述当前室内温度作为模型输入,导入预选训练好的健身动作推荐模型,得到推荐的多个健身动作和每个推荐动作的优先级;以及确定用户预计健身时间;以及根据所述用户预计健身时间、所述多个健身动作和所述每个推荐动作的优先级生成本次的参考健身计划;以及展示所述参考训练计划,并根据用户针对所述参考训练计划的交互操作确定本次的目标训练计划;以及根据用户的开始训练指令启动所述目标训练计划。
第三方面,本申请实施例提供一种移动终端的结构示意图,如图所示,所述移动终端包括处理器、存储器和通信接口以及一个或多个程序,其中,所述一个或多个程序被存储在上述存储器中,并且被配置由上述处理器执行,上述程序包括用于执行本申请实施例第一方面任一方法中的步骤的指令。
第四方面,本申请实施例提供了一种计算机可读存储介质,其中,上述计算机可读存储介质存储用于电子数据交换的计算机程序,其中,上述计算机程序使得计算机执行如本申请实施例第一方面任一方法中所描述的部分或全部步骤。
第五方面,本申请实施例提供了一种计算机程序产品,其中,上述计算机程序产品包括存储了计算机程序的非瞬时性计算机可读存储介质,上述计算机程序可操作来使计算机执行如本申请实施例第一方面任一方法中所描述的部分或全部步骤。该计算机程序产品可以为一个软件安装包。
附图说明
图1是本申请实施例提供的一种健康管理系统10的系统架构示意图;
图2是本申请实施例提供的一种健身控制方法的流程示意图;
图3是本申请实施例提供的一种健身控制装置的功能单元框图;
图4是本申请实施例提供的另一种健身控制装置的功能单元框图。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案,下面将结合本申请实施例中的附图,对本申请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申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,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,都属于本申请保护的范围。
本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别不同对象,而不是用于描述特定顺序。此外,术语“包括”和“具有”以及它们任何变形,意图在于覆盖不排他的包含。例如包含了一系列步骤或模块的过程、方法、系统、产品或设备没有限定于已列出的步骤或模块,而是可选地还包括没有列出的步骤或模块,或可选地还包括对于这些过程、方法、产品或设备固有的其他步骤或模块。
在本文中提及“实施例”意味着,结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例,也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是,本文所描述的实施例可以与其它实施例相结合。
如图1所示的健康管理系统10的系统架构示意图,健康管理系统10包括移动终端110、家庭智能摄像头120、家庭智能冰箱130、家庭智能空调140、办公室智能摄像头150、办公室办公设备160以及车载单元170,所述移动终端110分别与所述家庭智能摄像头120、所述家庭智能冰箱130、所述家庭智能空调140、所述办公室智能摄像头150、所述办公室办公设备160以及所述车载单元170通信连接。
其中,各类无线移动通信网络系统均可以用来支撑健康管理系统10中设备之间的通信,如车联网通信系统、第五代5G通信系统、物联网通信系统等,此处不做唯一限定。
如图2所示,本申请实施例提供了一种健身控制方法,应用于如图1所示的健康管理系统10中的移动终端110,该方法包括:
步骤201,检测到用户的健身请求指令时,获取当日内的预设历史数据信息,所述预设历史数据信息包括通过所述家庭智能摄像头获取到的用户第一坐立时间和第一坐姿数据、通过所述家庭智能冰箱获取到的用户食物摄入情况、通过所述家庭智能空调获取到的当期室内温度、通过所述办公室智能摄像头获取到的用户第二坐立时间和第二坐姿数据、通过所述办公室办公设备获取到的实际工作时间以及通过所述车载单元获取到的第三坐立时间和第三坐姿数据。
其中,所述用户食物摄入情况影响健身动作选取,如用户未及时摄入食物导致处于较饥饿状态应该避免高低突变类型动作,防止因低血糖导致运动损伤,当期室内温度与热身速度有关,速度快则动作变化频率可以加快,速度慢使得身体短时间内还未充分活络,则应增加关节舒缓类动作的时间已达到充分热身的效果。
步骤202,根据所述第一坐立时间、所述第一坐姿数据、所述第二坐立时间、所述第二坐姿数据、所述实际工作时间、所述第三坐立时间和第三坐姿数据,确定用户的肌肉群的疲劳度。
在一个可能的示例中,所述根据所述第一坐立时间、所述第一坐姿数据、所述第二坐立时间、所述第二坐姿数据、所述实际工作时间、所述第三坐立时间和第三坐姿数据,确定用户的肌肉群的疲劳度,包括:根据所述第一坐立时间、所述第一坐姿数据、所述第二坐立时间、所述第二坐姿数据、所述第三坐立时间和第三坐姿数据确定用户的预设肌肉群集合中每个肌肉群的受力时长,所述预设肌肉群集合包括颈部肌肉、肩胛提肌、腰肌、屈髋肌;根据所述实际工作时间确定用户当日内眼部肌肉的受力时长;根据所述预设肌肉群集合中每个肌肉群的受力时长以及所述眼部肌肉的受力时长确定用户的肌肉群的疲劳度。
其中,用户的肌肉群的疲劳度受到受力时长(本申请所描述的受力时长是以一般定义的标准坐姿状态下各肌肉群在受力状态下的时长为基准)的影响。用户在坐立状态下主要受到压力的肌肉群是颈部肌肉、肩胛提肌、腰肌、屈髋肌,用户长时间工作主要受到压力的肌肉群还包括眼部肌肉(具体包括),也就是说,通过全面分析用户坐立状态和工作状态的不同肌肉群的受力时长,一方面可以避免重复计算眼部肌肉的受力时长,另一方面又准确的统计了坐立状态下的颈部肌肉、肩胛提肌、腰肌、屈髋肌的受力时长,全面性和准确度都能达到要求。
可见,本示例中,全面分析用户坐立状态和工作状态下的不同肌肉群的受力时长,提高计算全面性和准确度。
在本可能的示例中,所述根据所述第一坐立时间、所述第一坐姿数据、所述第二坐立时间、所述第二坐姿数据、所述第三坐立时间和第三坐姿数据确定用户的预设肌肉群集合中每个肌肉群的受力时长,包括:根据所述第一坐立时间、所述第二坐立时间、所述第三坐立时间确定用户的预设肌肉群集合中每个肌肉群的参考受力时长;根据所述第一坐姿数据、所述第二坐姿数据和所述第三坐姿数据确定所述每个肌肉群的受力时长影响因子;根据所述每个肌肉群的参考受力时长和所述每个肌肉群的受力时长影响因子,确定每个肌肉群的受力时长。
具体实现中,由于用户的实际坐姿会与标准坐姿存在偏差,因此各肌肉群的受力程度也会与标准坐姿下的受力程度存在偏差。
可见,本示例中,充分考虑用户因坐姿不标准产生的受力偏差,并转换为受力时长以准确的确定每个肌肉群的受力时长,提高计算准确度。
在本可能的示例中,所述根据所述第一坐姿数据、所述第二坐姿数据和所述第三坐姿数据确定所述每个肌肉群的受力时长影响因子,包括:对所述第一坐姿数据、所述第二坐姿数据和所述第三坐姿数据中每个坐姿数据进行肌肉群受力程度分析,得到所述每个坐姿数据下的肌肉群受力程度分析结果;根据所述每个坐姿数据下的肌肉群受力程度分析结果确定所述每个肌肉群的受力时长影响因子。
具体实现中,以颈部肌肉为例,假设标准坐姿状态下颈部肌肉受力程度量化为相对值5(受力程度范围量化为1-10),分析出用户的实际坐姿数据对应的颈部肌肉受力程度为7,则可以计算出该颈部肌肉的受力时长影响因子为7÷5=1.4,若颈部肌肉的参考受力时长为5个小时,则颈部肌肉的受力时长为5×1.4=7个小时。
可见,本示例中,基于肌肉群受力程度分析结果准确确定非标坐姿对肌肉群受理程度的偏差,并基于该偏差对肌肉群的受力时长进行修正,提高时长预计准确度。
步骤203,将所述肌肉群的疲劳度、所述用户食物摄入情况、所述当前室内温度作为模型输入,导入预选训练好的健身动作推荐模型,得到推荐的多个健身动作和每个推荐动作的优先级。
其中,所述健身动作推荐模型可以采用卷积神经网络模型等,此处不做唯一限定。通过AI模型充分考虑多维度影响因素提高预测准确度。
步骤204,确定用户预计健身时间。
在一个可能的示例中,所述确定用户预计健身时间,包括:根据用户录入的时间信息确定用户预计健身时间。
其中,所述用户预计健身时间例如可以是10分钟、20分钟、30分钟、40分钟等,此处不做唯一限定。
在一个可能的示例中,所述确定用户预计健身时间,包括:根据所述实际工作时间和用户当天的行程预估用户身体综合疲劳度;根据所述用户身体综合疲劳度确定适配用户当前身体状态的预计健身时间。
其中,用户当天的行程可以通过以下至少一种方式确定:查询日程安排、统计分析用户当日内的用户数据(如位置数据等)、智能手环等可穿戴设备记录的行走步数。
具体实现中,所述根据所述实际工作时间和用户当天的行程预估用户身体综合疲劳度,包括:根据所述实际工作时间确定用户的第一参考疲劳度,根据用户当天的行程确定用户的第二参考疲劳度,根据所述第一参考疲劳度和所述第二综合疲劳度确定用户的综合疲劳度。
其中,由于对于在办公室对着电脑上班的用户来说,脑力劳动为主,体力劳动为辅,脑力劳动和体力劳动是可以相互缓解的,因此可以通过加权平均所述第一参考疲劳度和所述第二参考疲劳度的方式确定出用户的综合疲劳度。所述实际工作时间是指用户未走动状态下通过电脑等电子设备进行工作事务处理的时间。
举例来说,若用户实际工作时长为5个小时,且当日内的行程为智能手环记录的行走步数3000步,则移动终端首先可以确定用户实际工作时长为9个小时所对应的第一参考疲劳度为85(假设疲劳度等级为1至100,数值越高代表越疲劳,此处工作时间与疲劳度成正比例关系,以工作12个小时以上的疲劳度为100,工作4个小时的疲劳度为60,且呈线性关系递增,即其中,p1为第一参考疲劳度,t为实际工作时长,运算符/>表示向上取整)。
其次,移动终端获取到智能手环记录的行走步数3000步,根据行走步数查询预设的疲劳度参照表确定第二参考疲劳度为60。其中,所述预设的疲劳度参照表包括行走步数与第二参考疲劳度之间的对应关系,如表1所示。
表1
最后,移动终端根据第一参考疲劳度85和第二参考疲劳度60计算出综合疲劳度为77.5。
此外,对于一般用户来说,每日的健身时长一般是有规律可寻的,该健身时长的规律性可以通过对历史数据进行统计分析确定,一般来讲,用户的综合疲劳度越高,健身的需求度越高,对应的健身时长相对会较长,但同时还需要识别出当日内用户已进行特定运动项目的场景(如:用户进行了运动量较大的运动项目,如篮球、爬山等),这种情况下用户可能无需再健身,对应预计健身时间可以标记为0,移动终端识别出来后,可以不再考虑生成健身计划。
在本可能的示例中,所述根据所述用户身体综合疲劳度确定适配用户当前身体状态的预计健身时间,包括:调用用户预设的基于身体综合疲劳度计算健身时长的公式;通过所述公式计算所述预计健身时间。
在本可能的示例中,所述公式为:
其中,t为预计健身时长,Tmax为用户设置的最大健身时长,Tmin为用户设置的最小健身时长,p为身体综合疲劳度,p的取值范围为[1,100],p数值越高代表用户的身体综合疲劳度越高,p0为综合疲劳度阈值。
其中,用户在不同的疲劳度区间对健身的主观意愿存在差异性,具体来说,一般疲劳情况下,用户一般会花较多时间进行健身,过度疲劳情况下,该健身意愿时间会减少直至为零,一般疲劳和过度疲劳的临界点可以通过用户预设,或者通过分析用户的历史数据来确认,如通过分析用户的历史数据确定用户当日内工作时长超过10个小时后,健身概率随着工作时长的增加而减少,则可以统计10个小时工作时长条件下用户的综合疲劳度阈值p0。
此外,对于t等于0的情况,移动终端可以弹出辅助恢复提示信息,以提醒用户及时通过其他方式来恢复身体状态,所述辅助恢复提示信息例如可以是按摩提示信息,并可以自动获取到用户经常预约的按摩师的空闲时间表(该空闲时间表可以由按摩师通过自身的终端设备录入并形成,并通过公众号等方式发布和查询,具体实现机制不做唯一限定),在移动终端的显示界面上显示该空闲时间表,由用户选择需要预约的时间,发给按摩师终端设备由按摩师确认后再接收反馈信息,最后提示用户预约已完成。更加智能化和全面的对用户的身体进行维护。
可见,本示例中,移动终端能够基于疲劳度对用户的预计健身时长进行更加精细化的分析和计算,从而精确满足用户的实际应用需求,提高移动终端引导健身的智能性和全面性。
步骤205,根据所述用户预计健身时间、所述多个健身动作和所述每个推荐动作的优先级生成本次的参考健身计划。
其中,健身优先级可以确定对应的动作排序,预计健身时间可以确定健身动作的种类、每种健身动作的时长、组数等。
步骤206,展示所述参考训练计划,并根据用户针对所述参考训练计划的交互操作确定本次的目标训练计划。
其中,移动终端可以显示该参考训练计划,用户查阅、调整(可选)并确认。
步骤207,根据用户的开始训练指令启动所述目标训练计划。
可以看出,本申请实施例中,设备在检测到用户的健身请求指令时,可以全面获取用户当日在不同场景中的坐立时间和坐姿数据,综合确定用户的肌肉群的疲劳度,并结合用户食物摄入情况和当前室内温度,通过AI模型预测推荐的多个健身动作和每个推荐动作的优先级,然后再根据用户预计健身时间结合多个健身动作和每个推荐动作的优先级生成本次的参考健身计划,通过多环境因素的引入,使得用户当前次健身计划充分考虑多种影响因素,有利于提高电子设备进行健身引导的智能性和准确度,提升用户使用体验。
与上述方法实施例一致的,请参阅图3,图3是本申请实施例提供的一种移动终端300的结构示意图,如图所示,所述移动终端300包括处理器310、存储器320和通信接口330以及一个或多个程序321,其中,所述一个或多个程序321被存储在上述存储器320中,并且被配置由上述处理器310执行,所述一个或多个程序321包括用于执行上述方法实施例中的任意步骤的指令。
上述主要从方法侧执行过程的角度对本申请实施例的方案进行了介绍。可以理解的是,电子设备为了实现上述功能,其包含了执行各个功能相应的硬件结构和/或软件模块。本领域技术人员应该很容易意识到,结合本文中所提供的实施例描述的各示例的单元及算法步骤,本申请能够以硬件或硬件和计算机软件的结合形式来实现。某个功能究竟以硬件还是计算机软件驱动硬件的方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
本申请实施例可以根据上述方法示例对电子设备进行功能单元的划分,例如,可以对应各个功能划分各个功能单元,也可以将两个或两个以上的功能集成在一个处理单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。需要说明的是,本申请实施例中对单元的划分是示意性的,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式。
图4是本申请实施例中所涉及的健身控制装置400的功能单元组成框图。该健身控制装置400应用于健康管理系统中的移动终端,所述健康管理系统包括所述移动终端、家庭智能摄像头、家庭智能冰箱、家庭智能空调、办公室智能摄像头、办公室办公设备以及车载单元,所述移动终端分别与所述家庭智能摄像头、所述家庭智能冰箱、所述家庭智能空调、所述办公室智能摄像头、所述办公室办公设备以及所述车载单元通信连接;健身控制装置400包括处理单元401和通信单元402,其中,
所述处理单元401,用于检测到用户的健身请求指令时,通过所述通信单元402获取当日内的预设历史数据信息,所述预设历史数据信息包括通过所述家庭智能摄像头获取到的用户第一坐立时间和第一坐姿数据、通过所述家庭智能冰箱获取到的用户食物摄入情况、通过所述家庭智能空调获取到的当期室内温度、通过所述办公室智能摄像头获取到的用户第二坐立时间和第二坐姿数据、通过所述办公室办公设备获取到的实际工作时间以及通过所述车载单元获取到的第三坐立时间和第三坐姿数据;以及根据所述第一坐立时间、所述第一坐姿数据、所述第二坐立时间、所述第二坐姿数据、所述实际工作时间、所述第三坐立时间和第三坐姿数据,确定用户的肌肉群的疲劳度;以及将所述肌肉群的疲劳度、所述用户食物摄入情况、所述当前室内温度作为模型输入,导入预选训练好的健身动作推荐模型,得到推荐的多个健身动作和每个推荐动作的优先级;以及确定用户预计健身时间;以及根据所述用户预计健身时间、所述多个健身动作和所述每个推荐动作的优先级生成本次的参考健身计划;以及展示所述参考训练计划,并根据用户针对所述参考训练计划的交互操作确定本次的目标训练计划;以及根据用户的开始训练指令启动所述目标训练计划。
其中,所述健身控制装置400还可以包括存储单元404,用于存储电子设备的程序代码和数据。所述处理单元401可以是处理器,所述通信单元402可以是触控显示屏或者收发器,存储单元404可以是存储器。
在一个可能的示例中,在所述确定用户预计健身时间方面,所述处理单元401具体用于:根据用户录入的时间信息确定用户预计健身时间。
在一个可能的示例中,在所述确定用户预计健身时间方面,所述处理单元401具体用于:根据所述实际工作时间和用户当天的行程预估用户身体综合疲劳度;以及根据所述用户身体综合疲劳度确定适配用户当前身体状态的预计健身时间。
在一个可能的示例中,在所述根据所述用户身体综合疲劳度确定适配用户当前身体状态的预计健身时间方面,所述处理单元401具体用于:调用用户预设的基于身体综合疲劳度计算健身时长的公式;通过所述公式计算所述预计健身时间。
在一个可能的示例中,所述公式为:
其中,t为预计健身时长,Tmax为用户设置的最大健身时长,Tmin为用户设置的最小健身时长,p为身体综合疲劳度,p的取值范围为[1,100],p数值越高代表用户的身体综合疲劳度越高,p0为综合疲劳度阈值。
在一个可能的示例中,在所述根据所述第一坐立时间、所述第一坐姿数据、所述第二坐立时间、所述第二坐姿数据、所述实际工作时间、所述第三坐立时间和第三坐姿数据,确定用户的肌肉群的疲劳度方面,所述处理单元401具体用于:根据所述第一坐立时间、所述第一坐姿数据、所述第二坐立时间、所述第二坐姿数据、所述第三坐立时间和第三坐姿数据确定用户的预设肌肉群集合中每个肌肉群的受力时长,所述预设肌肉群集合包括颈部肌肉、肩胛提肌、腰肌、屈髋肌;以及根据所述实际工作时间确定用户当日内眼部肌肉的受力时长;以及根据所述预设肌肉群集合中每个肌肉群的受力时长以及所述眼部肌肉的受力时长确定用户的肌肉群的疲劳度。
在一个可能的示例中,在所述根据所述第一坐立时间、所述第一坐姿数据、所述第二坐立时间、所述第二坐姿数据、所述第三坐立时间和第三坐姿数据确定用户的预设肌肉群集合中每个肌肉群的受力时长方面,所述处理单元401具体用于:根据所述第一坐立时间、所述第二坐立时间、所述第三坐立时间确定用户的预设肌肉群集合中每个肌肉群的参考受力时长;以及根据所述第一坐姿数据、所述第二坐姿数据和所述第三坐姿数据确定所述每个肌肉群的受力时长影响因子;以及根据所述每个肌肉群的参考受力时长和所述每个肌肉群的受力时长影响因子,确定每个肌肉群的受力时长。
在一个可能的示例中,在所述根据所述第一坐姿数据、所述第二坐姿数据和所述第三坐姿数据确定所述每个肌肉群的受力时长影响因子方面,所述处理单元401具体用于:对所述第一坐姿数据、所述第二坐姿数据和所述第三坐姿数据中每个坐姿数据进行肌肉群受力程度分析,得到所述每个坐姿数据下的肌肉群受力程度分析结果;以及根据所述每个坐姿数据下的肌肉群受力程度分析结果确定所述每个肌肉群的受力时长影响因子。
本申请实施例还提供一种计算机存储介质,其中,该计算机存储介质存储用于电子数据交换的计算机程序,该计算机程序使得计算机执行如上述方法实施例中记载的任一方法的部分或全部步骤,上述计算机包括电子设备。
本申请实施例还提供一种计算机程序产品,上述计算机程序产品包括存储了计算机程序的非瞬时性计算机可读存储介质,上述计算机程序可操作来使计算机执行如上述方法实施例中记载的任一方法的部分或全部步骤。该计算机程序产品可以为一个软件安装包,上述计算机包括电子设备。
需要说明的是,对于前述的各方法实施例,为了简单描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本申请并不受所描述的动作顺序的限制,因为依据本申请,某些步骤可以采用其他顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施例均属于优选实施例,所涉及的动作和模块并不一定是本申请所必须的。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中,应该理解到,所揭露的装置,可通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如上述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性或其它的形式。
上述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
上述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储器中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储器中,包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本申请各个实施例上述方法的全部或部分步骤。而前述的存储器包括:U盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成,该程序可以存储于一计算机可读存储器中,存储器可以包括:闪存盘、只读存储器(英文:Read-Only Memory,简称:ROM)、随机存取器(英文:Random Access Memory,简称:RAM)、磁盘或光盘等。
以上对本申请实施例进行了详细介绍,本文中应用了具体个例对本申请的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本申请的方法及其核心思想;同时,对于本领域的一般技术人员,依据本申请的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本申请的限制。
Claims (6)
1.一种健身控制方法,其特征在于,应用于健康管理系统中的移动终端,所述健康管理系统包括所述移动终端、家庭智能摄像头、家庭智能冰箱、家庭智能空调、办公室智能摄像头、办公室办公设备以及车载单元,所述移动终端分别与所述家庭智能摄像头、所述家庭智能冰箱、所述家庭智能空调、所述办公室智能摄像头、所述办公室办公设备以及所述车载单元通信连接;所述方法包括:
检测到用户的健身请求指令时,获取当日内的预设历史数据信息,所述预设历史数据信息包括通过所述家庭智能摄像头获取到的用户第一坐立时间和第一坐姿数据、通过所述家庭智能冰箱获取到的用户食物摄入情况、通过所述家庭智能空调获取到的当前室内温度、通过所述办公室智能摄像头获取到的用户第二坐立时间和第二坐姿数据、通过所述办公室办公设备获取到的实际工作时间以及通过所述车载单元获取到的第三坐立时间和第三坐姿数据;
根据所述第一坐立时间、所述第一坐姿数据、所述第二坐立时间、所述第二坐姿数据、所述实际工作时间、所述第三坐立时间和第三坐姿数据,确定用户的肌肉群的疲劳度;
将所述肌肉群的疲劳度、所述用户食物摄入情况、所述当前室内温度作为模型输入,导入预选训练好的健身动作推荐模型,得到推荐的多个健身动作和每个推荐动作的优先级;
根据所述实际工作时间和用户当天的行程预估用户身体综合疲劳度;
调用用户预设的基于身体综合疲劳度计算健身时长的公式;所述公式为:
其中,t为预计健身时长,Tmax为用户设置的最大健身时长,Tmin为用户设置的最小健身时长,p为身体综合疲劳度,p的取值范围为[1,100],p数值越高代表用户的身体综合疲劳度越高,p0为综合疲劳度阈值;
通过所述公式计算用户预计健身时间;
根据所述用户预计健身时间、所述多个健身动作和所述每个推荐动作的优先级生成本次的参考健身计划;
展示所述参考健身计划,并根据用户针对所述参考健身计划的交互操作确定本次的目标训练计划;
根据用户的开始训练指令启动所述目标训练计划。
2.根据权利要求1所述的方法,其特征在于,所述根据所述第一坐立时间、所述第一坐姿数据、所述第二坐立时间、所述第二坐姿数据、所述实际工作时间、所述第三坐立时间和第三坐姿数据,确定用户的肌肉群的疲劳度,包括:
根据所述第一坐立时间、所述第一坐姿数据、所述第二坐立时间、所述第二坐姿数据、所述第三坐立时间和第三坐姿数据确定用户的预设肌肉群集合中每个肌肉群的受力时长,所述预设肌肉群集合包括颈部肌肉、肩胛提肌、腰肌、屈髋肌;
根据所述实际工作时间确定用户当日内眼部肌肉的受力时长;
根据所述预设肌肉群集合中每个肌肉群的受力时长以及所述眼部肌肉的受力时长确定用户的肌肉群的疲劳度。
3.根据权利要求2所述的方法,其特征在于,所述根据所述第一坐立时间、所述第一坐姿数据、所述第二坐立时间、所述第二坐姿数据、所述第三坐立时间和第三坐姿数据确定用户的预设肌肉群集合中每个肌肉群的受力时长,包括:
根据所述第一坐立时间、所述第二坐立时间、所述第三坐立时间确定用户的预设肌肉群集合中每个肌肉群的参考受力时长;
根据所述第一坐姿数据、所述第二坐姿数据和所述第三坐姿数据确定所述每个肌肉群的受力时长影响因子;
根据所述每个肌肉群的参考受力时长和所述每个肌肉群的受力时长影响因子,确定每个肌肉群的受力时长。
4.根据权利要求3所述的方法,其特征在于,所述根据所述第一坐姿数据、所述第二坐姿数据和所述第三坐姿数据确定所述每个肌肉群的受力时长影响因子,包括:
对所述第一坐姿数据、所述第二坐姿数据和所述第三坐姿数据中每个坐姿数据进行肌肉群受力程度分析,得到所述每个坐姿数据下的肌肉群受力程度分析结果;
根据所述每个坐姿数据下的肌肉群受力程度分析结果确定所述每个肌肉群的受力时长影响因子。
5.一种健身控制装置,其特征在于,应用于健康管理系统中的移动终端,所述健康管理系统包括所述移动终端、家庭智能摄像头、家庭智能冰箱、家庭智能空调、办公室智能摄像头、办公室办公设备以及车载单元,所述移动终端分别与所述家庭智能摄像头、所述家庭智能冰箱、所述家庭智能空调、所述办公室智能摄像头、所述办公室办公设备以及所述车载单元通信连接;所述装置包括处理单元和通信单元,
所述处理单元,用于检测到用户的健身请求指令时,通过所述通信单元获取当日内的预设历史数据信息,所述预设历史数据信息包括通过所述家庭智能摄像头获取到的用户第一坐立时间和第一坐姿数据、通过所述家庭智能冰箱获取到的用户食物摄入情况、通过所述家庭智能空调获取到的当前室内温度、通过所述办公室智能摄像头获取到的用户第二坐立时间和第二坐姿数据、通过所述办公室办公设备获取到的实际工作时间以及通过所述车载单元获取到的第三坐立时间和第三坐姿数据;以及根据所述第一坐立时间、所述第一坐姿数据、所述第二坐立时间、所述第二坐姿数据、所述实际工作时间、所述第三坐立时间和第三坐姿数据,确定用户的肌肉群的疲劳度;以及将所述肌肉群的疲劳度、所述用户食物摄入情况、所述当前室内温度作为模型输入,导入预选训练好的健身动作推荐模型,得到推荐的多个健身动作和每个推荐动作的优先级;以及,
根据所述实际工作时间和用户当天的行程预估用户身体综合疲劳度;
调用用户预设的基于身体综合疲劳度计算健身时长的公式;所述公式为:
其中,t为预计健身时长,Tmax为用户设置的最大健身时长,Tmin为用户设置的最小健身时长,p为身体综合疲劳度,p的取值范围为[1,100],p数值越高代表用户的身体综合疲劳度越高,p0为综合疲劳度阈值;
通过所述公式计算用户预计健身时间;
以及根据所述用户预计健身时间、所述多个健身动作和所述每个推荐动作的优先级生成本次的参考健身计划;以及展示所述参考健身计划,并根据用户针对所述参考健身计划的交互操作确定本次的目标训练计划;以及根据用户的开始训练指令启动所述目标训练计划。
6.一种电子设备,其特征在于,包括处理器、存储器、通信接口,以及一个或多个程序,所述一个或多个程序被存储在所述存储器中,并且被配置由所述处理器执行,所述程序包括用于执行如权利要求1-4任一项所述的方法中的步骤的指令。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011415286.1A CN112509667B (zh) | 2020-12-02 | 2020-12-02 | 健身控制方法及相关装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011415286.1A CN112509667B (zh) | 2020-12-02 | 2020-12-02 | 健身控制方法及相关装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112509667A CN112509667A (zh) | 2021-03-16 |
CN112509667B true CN112509667B (zh) | 2024-04-02 |
Family
ID=74970605
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011415286.1A Active CN112509667B (zh) | 2020-12-02 | 2020-12-02 | 健身控制方法及相关装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112509667B (zh) |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102339358A (zh) * | 2010-07-14 | 2012-02-01 | 阿迪达斯股份公司 | 健康监测方法、系统及程序产品,以及其应用 |
CN104126185A (zh) * | 2011-11-23 | 2014-10-29 | 耐克创新有限合伙公司 | 疲劳指数及其用途 |
WO2015099232A1 (ko) * | 2013-12-26 | 2015-07-02 | 주식회사 휴니티 | 운동 스케쥴 관리 장치 및 방법 |
CN105411590A (zh) * | 2015-12-07 | 2016-03-23 | 中国地质大学(武汉) | 一种人体坐姿检测和健康评估系统及方法 |
CN105760643A (zh) * | 2014-12-16 | 2016-07-13 | 中国移动通信集团公司 | 一种运动指导的方法及终端设备 |
CN108022648A (zh) * | 2017-11-08 | 2018-05-11 | 苏州菠萝健康科技有限公司 | 健康状况监测方法及终端 |
CN109637625A (zh) * | 2019-01-30 | 2019-04-16 | 重庆勤鸟圈科技有限公司 | 自学习式健身计划生成系统 |
CN109712686A (zh) * | 2018-11-26 | 2019-05-03 | Oppo广东移动通信有限公司 | 健身控制方法及相关装置 |
CN109966726A (zh) * | 2017-12-27 | 2019-07-05 | 晶翔机电股份有限公司 | 规划健身课程参数方法及系统 |
CN110032572A (zh) * | 2017-12-27 | 2019-07-19 | 晶翔机电股份有限公司 | 规划健身课程的方法及系统 |
CN110801205A (zh) * | 2019-11-18 | 2020-02-18 | 陈兖清 | 一种基于互联网技术的人体数据监控方法 |
CN111161833A (zh) * | 2019-12-20 | 2020-05-15 | 中科寒武纪科技股份有限公司 | 健身计划生成方法及相关设备 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9852271B2 (en) * | 2010-12-13 | 2017-12-26 | Nike, Inc. | Processing data of a user performing an athletic activity to estimate energy expenditure |
US20160058356A1 (en) * | 2014-09-02 | 2016-03-03 | Apple Inc. | Method and system to calibrate fitness level and direct calorie burn using motion, location sensing, and heart rate |
BR102016006380A2 (pt) * | 2016-03-23 | 2017-09-26 | Samsung Eletrônica da Amazônia Ltda. | Method for monitoring impacts in the human body during practice of race or sports |
-
2020
- 2020-12-02 CN CN202011415286.1A patent/CN112509667B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102339358A (zh) * | 2010-07-14 | 2012-02-01 | 阿迪达斯股份公司 | 健康监测方法、系统及程序产品,以及其应用 |
CN104126185A (zh) * | 2011-11-23 | 2014-10-29 | 耐克创新有限合伙公司 | 疲劳指数及其用途 |
WO2015099232A1 (ko) * | 2013-12-26 | 2015-07-02 | 주식회사 휴니티 | 운동 스케쥴 관리 장치 및 방법 |
CN105760643A (zh) * | 2014-12-16 | 2016-07-13 | 中国移动通信集团公司 | 一种运动指导的方法及终端设备 |
CN105411590A (zh) * | 2015-12-07 | 2016-03-23 | 中国地质大学(武汉) | 一种人体坐姿检测和健康评估系统及方法 |
CN108022648A (zh) * | 2017-11-08 | 2018-05-11 | 苏州菠萝健康科技有限公司 | 健康状况监测方法及终端 |
CN109966726A (zh) * | 2017-12-27 | 2019-07-05 | 晶翔机电股份有限公司 | 规划健身课程参数方法及系统 |
CN110032572A (zh) * | 2017-12-27 | 2019-07-19 | 晶翔机电股份有限公司 | 规划健身课程的方法及系统 |
CN109712686A (zh) * | 2018-11-26 | 2019-05-03 | Oppo广东移动通信有限公司 | 健身控制方法及相关装置 |
CN109637625A (zh) * | 2019-01-30 | 2019-04-16 | 重庆勤鸟圈科技有限公司 | 自学习式健身计划生成系统 |
CN110801205A (zh) * | 2019-11-18 | 2020-02-18 | 陈兖清 | 一种基于互联网技术的人体数据监控方法 |
CN111161833A (zh) * | 2019-12-20 | 2020-05-15 | 中科寒武纪科技股份有限公司 | 健身计划生成方法及相关设备 |
Also Published As
Publication number | Publication date |
---|---|
CN112509667A (zh) | 2021-03-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11745058B2 (en) | Methods and apparatus for coaching based on workout history | |
US11159643B2 (en) | Driving patient and participant engagement outcomes in healthcare and medication programs | |
US10799760B2 (en) | System and method for identifying and interpreting repetitive motions | |
US11887496B2 (en) | Methods and apparatus for coaching based on workout history and readiness/recovery information | |
US20220237167A1 (en) | Systems and networks for enabling exercise equipment to communicate with a network | |
KR101140740B1 (ko) | 실시간 운동기구 자동 제어 시스템 및 제어 방법 | |
WO2018184424A1 (zh) | 数据处理方法、装置和健身机器人 | |
EP3042360A1 (en) | System and method for identifying and interpreting repetitive motions | |
CN102218214A (zh) | 一种捕捉运动信息的装置及相应的系统 | |
JP2018175670A (ja) | 運動器具、制御装置、およびプログラム | |
CN109492779B (zh) | 一种家用电器健康管理方法、装置及家用电器 | |
CN108550382A (zh) | 一种运动设备的参数调整方法及服务器 | |
CN112635055A (zh) | 一种睡眠环境参数推荐方法、装置、设备及介质 | |
WO2016104498A1 (ja) | 眠気推定装置及び眠気推定プログラム | |
CN113926045B (zh) | 一种辅助睡眠的家纺产品的智能控制方法及系统 | |
CN111564197A (zh) | 一种体育运动智能分析系统及方法 | |
CN112509667B (zh) | 健身控制方法及相关装置 | |
CN113465137A (zh) | 空调智能控制方法、装置、电子设备和存储介质 | |
CN105455790A (zh) | 随身运动提示方法、系统与一运动平台 | |
KR101508328B1 (ko) | 운동 기구의 제어 방법 | |
CN107516003A (zh) | 动态问卷调查方法 | |
KR102545779B1 (ko) | 인공지능 트레이닝 서버 및 이를 이용한 인공지능 트레이닝 방법 | |
CN117094695B (zh) | 一种运动训练课程规划安排方法及系统 | |
CN112244882B (zh) | 一种基于多模态生理数据的疾病预警方法和装置 | |
US20230201667A1 (en) | Artificial intelligence workout guide apparatus and method |
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 | ||
TA01 | Transfer of patent application right | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20230601 Address after: Room 242, 2 / F, C33 Innovation Industrial Park, 33 Cuizhu North Road, Dongxiao street, Luohu District, Shenzhen, Guangdong 518000 Applicant after: SHENZHEN ZIYU JIEEN TECHNOLOGY Co.,Ltd. Address before: 518000 unit 19b, unit 2, building 7, Yantian community, Xixiang street, Bao'an District, Shenzhen City, Guangdong Province Applicant before: Shenzhen Ruiya mutual Entertainment Technology Co.,Ltd. |
|
GR01 | Patent grant | ||
GR01 | Patent grant |