CN112565510A - 身体锻炼智能控制方法及相关装置 - Google Patents

Abstract

本申请实施例公开了一种身体锻炼智能控制方法及相关装置，包括：在每日的固定时段，获取该固定时段往前的预设时长内的用户历史数据，并根据固定时段往前的预设时长内的用户历史数据确定当前次的多个参考因素；根据当前次的多个参考因素预测用户当前次进行身体锻炼的概率；根据用户当前次进行身体锻炼的概率对用户进行锻炼提醒；根据用户的交互操作确定用户选择的目标运动教程，并根据当前次的每个参考因素对目标运行教程进行调整以适配用户当前次综合身体状态；启动调整后的目标运动教程。本申请实施例有利于移动终端进行健身指引的持续性和智能性。

Description

身体锻炼智能控制方法及相关装置

技术领域

本申请涉及人工智能与健身融合技术领域，具体涉及一种身体锻炼智能控制方法及相关装置。

背景技术

现代人工作强度大、时间长，再加上手机等占据用户大量空闲时间，用户使用健身应用程序进行锻炼时，经常会因各种原因中断，无法持续性的进行健身。即使是办理健身卡也无法从根本上解决问题。

发明内容

本申请实施例提供了一种身体锻炼智能控制方法及相关装置，以期提高移动终端进行健身指引的持续性和智能性。

第一方面，本申请实施例提供一种身体锻炼智能控制方法，应用于移动终端，所述方法包括：

在每日的固定时段，获取该固定时段往前的预设时长内的用户历史数据，并根据所述固定时段往前的预设时长内的用户历史数据确定当前次的多个参考因素，所述多个参考因素包括睡眠质量、饮食状态、身体健康状态、工作完成度以及最近一次运动项目的运动量；

根据所述当前次的多个参考因素预测用户当前次进行身体锻炼的概率；

根据所述用户当前次进行身体锻炼的概率对用户进行锻炼提醒；

根据用户的交互操作确定用户选择的目标运动教程，并根据所述当前次的每个参考因素对所述目标运行教程进行调整以适配用户当前次综合身体状态；

启动调整后的所述目标运动教程。

可以看出，本申请实施例中，设备首先在每日的固定时段，获取该固定时段往前的预设时长内的用户历史数据，并根据固定时段往前的预设时长内的用户历史数据确定当前次的多个参考因素，多个参考因素包括睡眠质量、饮食状态、身体健康状态、工作完成度以及最近一次运动项目的运动量；其次，根据当前次的多个参考因素预测用户当前次进行身体锻炼的概率；以及根据用户当前次进行身体锻炼的概率对用户进行锻炼提醒；再次，根据用户的交互操作确定用户选择的目标运动教程，并根据当前次的每个参考因素对目标运行教程进行调整以适配用户当前次综合身体状态；最后，启动调整后的目标运动教程。可见，移动终端能够针对影响用户进行身体锻炼的多个参考因素进行统计分析，并预测进行身体锻炼的概率，以及根据该概率智能的对用户进行锻炼提醒，以及根据用户交互确定并进行目标运动教程，相对于现有技术中仅能够由用户主动去开启运动教程的方案，本申请能够每天都对用户进行不同程度的锻炼提醒，从而有效维持用户的锻炼持续性，提高移动终端进行健身指引的持续性和智能性。

第二方面，本申请实施例提供一种身体锻炼智能控制装置，应用于移动终端，所述装置包括处理单元和通信单元，其中，

所述处理单元，用于在每日的固定时段，通过所述通信单元获取该固定时段往前的预设时长内的用户历史数据，并根据所述固定时段往前的预设时长内的用户历史数据确定当前次的多个参考因素，所述多个参考因素包括睡眠质量、饮食状态、身体健康状态、工作完成度以及最近一次运动项目的运动量；以及根据所述当前次的多个参考因素预测用户当前次进行身体锻炼的概率；以及根据所述用户当前次进行身体锻炼的概率对用户进行锻炼提醒；以及根据用户的交互操作确定用户选择的目标运动教程，并根据所述当前次的每个参考因素对所述目标运行教程进行调整以适配用户当前次综合身体状态；以及启动调整后的所述目标运动教程。

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移动终端进行健身引导的场景示意图；

图2是本申请实施例提供的一种身体锻炼智能控制方法的流程示意图；

图3是本申请实施例提供的一种身体锻炼智能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身体锻炼智能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所示的移动终端10进行健身引导的场景示意图，移动终端10可以通过本端的显示屏幕或者智能电视、平板等设备显示健身引导音视频内容，健身引导所使用的运动教程可以是第三方应用程序提供的，也可以移动终端10本端内置的运动教程等，此处不做唯一限定。

移动终端10可以是任意具备通信和数据处理能力的电子设备，如手机、笔记本电脑、智能手表等。

如图2所示，本申请实施例提供了一种身体锻炼智能控制方法，应用于如图1所示的移动终端110，该方法包括：

步骤201，在每日的固定时段，获取该固定时段往前的预设时长内的用户历史数据，并根据所述固定时段往前的预设时长内的用户历史数据确定当前次的多个参考因素，所述多个参考因素包括睡眠质量、饮食状态、身体健康状态、工作完成度以及最近一次运动项目的运动量。

其中，所述固定时段例如可以是工作时段的某个时间节点(用于在某些情况下为针对用户的非工作行为进行主动约束以提高工作完成度预留充足时间)，如下午2点等，此处不做唯一限定。所述预设时长可以是24小时，即一天的时长。

其中，用户的睡眠质量可以通过用户佩戴的智能手环的直接获取结果或者获取睡眠数据自行计算睡眠质量，饮食状态可以基于智能冰箱的物品消耗情况或者基于家庭智能摄像头的影像采集与分析进行确定，身体健康状态可以基于用户的可穿戴设备的体征数据、通过家庭智能摄像头的影像采集等多维度数据进行综合研判以确定，工作完成度可以基于用户的日程安排、办公室电脑的记录等进行综合计算得到，也可以由用户简单录入等方式，最近一次运动项目的运动量可以基于移动终端的聊天记录、位置记录和时间信息等综合确定。上述各参考因素的计算方式可以基于现有技术实现，此处不做唯一限定。

步骤202，根据所述当前次的多个参考因素预测用户当前次进行身体锻炼的概率。

在一个可能的示例中，所述根据所述当前次的多个参考因素预测用户当前次进行身体锻炼的概率，包括：获取预设的参考因素的影响力因子，所述影响力因子用于表示用户在当前的参考因素的影响程度为消极影响状态且其他参考因素为积极影响状态情况下进行身体锻炼的概率；确定所述当前次的多个参考因素中影响程度为消极影响状态的至少一个参考因素；若所述至少一个参考因素为单个参考因素，则确定所述单个参考因素的影响力因子为用户当前次进行身体锻炼的概率；若所述至少一个参考因素为一个以上的参考因素，则确定所述一个以上的参考因素的影响力因子的乘积为用户当前次进行身体锻炼的概率。

其中，每个参考因素的影响力因子可以通过统计分析用户历史数据进行计算得到，该用户历史数据可以是用户个人的，也可以由服务器获取到的具备相同特征的用户群体的大量数据，该相同特征例如可以是性别、年龄、从事工作、经常使用的锻炼教程等，此处不做唯一限定。

举例来说，例如针对睡眠质量为消极影响状态且其他参考因素为积极影响状态的情况，假设统计得到睡眠质量为消极影响状态且其他参考因素为积极影响状态的情况下的100组记录，其中，用户进行了身体锻炼的记录有80组，则可以确定睡眠质量的影响力因子为80÷100＝0.8。

其次参考因素的计算方式类似，此处不再赘述。

具体实现中，所述影响程度包括消极影响状态和积极影响状态，针对不同的参考因素，可以通过该参考因素所关联的指标进行量化，下面进行示例说明。

针对睡眠质量，例如可以通过睡眠质量这一指标进行量化，假设睡眠质量从1到100表征，100为最好，则可以通过用户预设或者其他方式来设置睡眠质量阈值，大于该睡眠质量阈值时对应的影响程度为积极影响状态，小于该睡眠质量阈值对应的影响程度为消极影响状态。

针对饮食状态，例如可以通过饮食时间和使用量综合评估出饮食质量，预设饮食质量阈值，通过与饮食质量阈值比较得到饮食状态的影响程度。

针对身体健康状态，例如可以通过心跳检测、温度检测、医疗系统的就医记录等多维度信息进行判定，关键指标持续出现异常时直接判定为消极影响状态，若指标均正常则判定为积极影响状态。

针对工作完成度，例如可以通过用户的日程安排、办公室电脑的记录等进行综合计算得到，并预设工作完成度阈值，与该阈值比较确定出工作完成度的影响程度。

针对最近一次运动项目的运动量，例如可以通过运动项目和行走步数等指标来综合确定消极影响状态和积极影响状态对应的参数范围。

可见，本示例中，移动终端根据参考因素的影响力因子和用户当前次影响程度为消极影响状态的参考因素，准确计算出用户当前次进行身体锻炼的概率，提高概率预测准确度。

在一个可能的示例中，所述根据所述当前次的多个参考因素预测用户当前次进行身体锻炼的概率，包括：获取预设的参考因素的影响力因子集合，所述影响力因子集合包括所述多个参考因素对应的多个影响力因子子集，每个影响力因子子集包括用户在预设情况下进行身体锻炼的多个概率，所述预设情况是指当前的参考因素的影响程度为消极影响状态，或者，所述当前的参考因素和至少一个其他参考因素的影响程度均为消极影响状态；查询所述影响力因子集合，获取适配所述当前次的多个参考因素的影响程度的概率为用户当前次进行身体锻炼的概率。

其中，以睡眠质量为消极影响状态为例对影响力因子子集进行说明，如表1所示，由于所有情况会遍历，因此仅需要通过查表方式即可快速准确的获取对应的概率。

表1

可见，本示例中，由于不同参考影响因素对用户的影响实际并部分相互解耦的，相互之间可能存在某些内在联系性，因此通过对用户历史数据进行统计和分析以生成精确度更高的参考因素的影响力因子集合，能够更加准确的进行用户当前次进行身体锻炼的概率的预测。

在一个可能的示例中，所述根据所述当前次的多个参考因素预测用户当前次进行身体锻炼的概率之后，所述方法还包括：确定所述多个参数因素中满足预设条件的目标参考因素，所述预设条件是指仅自身的影响程度为消极影响状态且影响力因子的数值最小；根据所述目标参考因素对用户行为进行主动引导调整以降低该目标参考因素对用户当前次进行身体锻炼的概率的影响。

举例来说，假设用户当前次的睡眠质量、身体健康状态、工作完成度的影响程度为消极影响状态，且仅睡眠质量为消极影响状态的条件下(其他参考因素为积极影响状态)用户进行身体锻炼的概率为0.80，仅身体健康状态为消极影响状态的条件下用户进行身体锻炼的概率为0.50，仅工作完成度为消极影响状态的条件下用户进行身体锻炼的概率为0.60，则移动终端可以确定数值最小的参考因素为身体健康状态，此时需要根据统计分析得到的身体健康状态提醒用户及时就医、吃药等以尽快恢复身体健康。

又举例来说，假设用户当前次的睡眠质量、饮食状态、工作完成度的影响程度为消极影响状态，且仅睡眠质量为消极影响状态的条件下(其他参考因素为积极影响状态)用户进行身体锻炼的概率为0.80，仅饮食状态为消极影响状态的条件下用户进行身体锻炼的概率为0.90，仅工作完成度为消极影响状态的条件下用户进行身体锻炼的概率为0.60，则移动终端可以确定数值最小的参考因素为工作完成度，此时可以针对用户的非工作行为进行约束，如用户在工作时段拿起手机玩游戏等，此时提醒用户不要耽误工作时间，避免工作完成度不足使其影响程度为消极影响状态，这种提醒机制可以持续到工作完成度转变为积极影响状态。

可见，本示例中，移动终端能够在计算出用户进行身体锻炼的概率之后，基于持续性目标，可以进一步优化改善最终的实际概率，提高健身指引的智能性和主动功能性，提升用户体验。

步骤203，根据所述用户当前次进行身体锻炼的概率对用户进行锻炼提醒。

在一个可能的示例中，所述根据所述用户当前次进行身体锻炼的概率对用户进行锻炼提醒，包括：根据所述用户当前次进行身体锻炼的概率计算当前次需要对用户进行重复提醒的计划次数和每次提醒时长；按照所述计划次数发起针对用户的锻炼提醒，直至接收到用户的停止提醒指令或者所述计划次数的锻炼提醒全部实施完成。

可见，本示例中，移动终端能够根据预测的概率动态计算需要对用户进行重复提醒的计划次数和每次提醒时长，从而更加精细化的适配用户在不同概率情况下的提醒需求，尽可能提高用户最终实际进行身体锻炼的可能性。

在本能的示例中，所述根据所述用户当前次进行身体锻炼的概率计算当前次需要对用户进行重复提醒的计划次数和每次提醒时长，包括：通过如下公式计算所述当前次需要对用户进行重复提醒的计划次数：

其中，S0表示预设的最大重复提醒次数，α表示所述用户当前次进行身体锻炼的概率，S表示当前次需要对用户进行重复提醒的计划次数；

通过如下公式计算所述当前次需要对用户进行重复提醒的每次提醒时长：

t＝Tmin+(Tmax－Tmin)^(1-α)，

其中，Tmin表示预设的最短单次提醒时长，Tmax为预设的最长单次提醒时长，α表示所述用户当前次进行身体锻炼的概率，t表示所述当前次需要对用户进行重复提醒的每次提醒时长。

可见，本示例中，通过公式能够精确的计算当前次需要对用户进行重复提醒的计划次数，以及当前次需要对用户进行重复提醒的每次提醒时长，对用户的提醒策略进行精确控制，提高控制精确度。

步骤204，根据用户的交互操作确定用户选择的目标运动教程，并根据所述当前次的每个参考因素对所述目标运行教程进行调整以适配用户当前次综合身体状态。

步骤205，启动调整后的所述目标运动教程。

可以看出，本申请实施例中，设备首先在每日的固定时段，获取该固定时段往前的预设时长内的用户历史数据，并根据固定时段往前的预设时长内的用户历史数据确定当前次的多个参考因素，多个参考因素包括睡眠质量、饮食状态、身体健康状态、工作完成度以及最近一次运动项目的运动量；其次，根据当前次的多个参考因素预测用户当前次进行身体锻炼的概率；以及根据用户当前次进行身体锻炼的概率对用户进行锻炼提醒；再次，根据用户的交互操作确定用户选择的目标运动教程，并根据当前次的每个参考因素对目标运行教程进行调整以适配用户当前次综合身体状态；最后，启动调整后的目标运动教程。可见，移动终端能够针对影响用户进行身体锻炼的多个参考因素进行统计分析，并预测进行身体锻炼的概率，以及根据该概率智能的对用户进行锻炼提醒，以及根据用户交互确定并进行目标运动教程，相对于现有技术中仅能够由用户主动去开启运动教程的方案，本申请能够每天都对用户进行不同程度的锻炼提醒，从而有效维持用户的锻炼持续性，提高移动终端进行健身指引的持续性和智能性。

在一个可能的示例中，所述在每日的固定时段，获取该固定时段往前的预设时长内的用户历史数据之前，所述方法还包括：针对用户超过所述预设时长未进行身体锻炼的关联时段内的用户历史数据进行统计和分析，得到影响用户锻炼持续性的所述多个参考因素，所述关联时段包括用户超过预设时长未进行身体锻炼的时段和该时段之前的至少一天。

其中，关联时段包括用户超过预设时长未进行身体锻炼的时段和该时段之前的至少一天，即可以是当日和前一次时段对应的连续2日内的数据。

在一个可能的示例中，所述在每日的固定时段，获取该固定时段往前的预设时长内的用户历史数据之前，所述方法还包括：接收来自服务器下发的影响用户锻炼持续性的所述多个参考因素，所述多个参考因素是所述服务器针对用户超过所述预设时长未进行身体锻炼的关联时段内的用户历史数据进行统计和分析而得到的，所述关联时段包括用户超过预设时长未进行身体锻炼的时段和该时段之前的至少一天。

可见，本示例中，移动终端能够通过本端计算或者与服务器交互的方式，预存影响用户锻炼持续性的多个参考因素，从而更精准的实现用户历史数据的分析。

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身体锻炼智能控制装置400的功能单元组成框图。该身体锻炼智能控制装置400应用于移动终端，包括处理单元401和通信单元402，其中，

所述处理单元401，用于在每日的固定时段，通过所述通信单元402获取该固定时段往前的预设时长内的用户历史数据，并根据所述固定时段往前的预设时长内的用户历史数据确定当前次的多个参考因素，所述多个参考因素包括睡眠质量、饮食状态、身体健康状态、工作完成度以及最近一次运动项目的运动量；以及根据所述当前次的多个参考因素预测用户当前次进行身体锻炼的概率；以及根据所述用户当前次进行身体锻炼的概率对用户进行锻炼提醒；以及根据用户的交互操作确定用户选择的目标运动教程，并根据所述当前次的每个参考因素对所述目标运行教程进行调整以适配用户当前次综合身体状态；以及启动调整后的所述目标运动教程。

其中，所述身体锻炼智能控制装置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，在所述根据所述当前次的多个参考因素预测用户当前次进行身体锻炼的概率方面，所述处理单元401具体用于：获取预设的参考因素的影响力因子，所述影响力因子用于表示用户在当前的参考因素的影响程度为消极影响状态且其他参考因素为积极影响状态情况下进行身体锻炼的概率；以及确定所述当前次的多个参考因素中影响程度为消极影响状态的至少一个参考因素；以及若所述至少一个参考因素为单个参考因素，则确定所述单个参考因素的影响力因子为用户当前次进行身体锻炼的概率；以及若所述至少一个参考因素为一个以上的参考因素，则确定所述一个以上的参考因素的影响力因子的乘积为用户当前次进行身体锻炼的概率。

在一个可能的示例中，在所述根据所述当前次的多个参考因素预测用户当前次进行身体锻炼的概率方面，所述处理单元401具体用于：获取预设的参考因素的影响力因子集合，所述影响力因子集合包括所述多个参考因素对应的多个影响力因子子集，每个影响力因子子集包括用户在预设情况下进行身体锻炼的多个概率，所述预设情况是指当前的参考因素的影响程度为消极影响状态，或者，所述当前的参考因素和至少一个其他参考因素的影响程度均为消极影响状态；以及查询所述影响力因子集合，获取适配所述当前次的多个参考因素的影响程度的概率为用户当前次进行身体锻炼的概率。

在一个可能的示例中，所述处理单元401根据所述当前次的多个参考因素预测用户当前次进行身体锻炼的概率之后，还用于：确定所述多个参数因素中满足预设条件的目标参考因素，所述预设条件是指仅自身的影响程度为消极影响状态且影响力因子的数值最小；以及根据所述目标参考因素对用户行为进行主动引导调整以降低该目标参考因素对用户当前次进行身体锻炼的概率的影响。

在一个可能的示例中，所述处理单元401在每日的固定时段，获取该固定时段往前的预设时长内的用户历史数据之前，还用于：针对用户超过所述预设时长未进行身体锻炼的关联时段内的用户历史数据进行统计和分析，得到影响用户锻炼持续性的所述多个参考因素，所述关联时段包括用户超过预设时长未进行身体锻炼的时段和该时段之前的至少一天。

在一个可能的示例中，所述处理单元401在每日的固定时段，获取该固定时段往前的预设时长内的用户历史数据之前，还用于：接收来自服务器下发的影响用户锻炼持续性的所述多个参考因素，所述多个参考因素是所述服务器针对用户超过所述预设时长未进行身体锻炼的关联时段内的用户历史数据进行统计和分析而得到的，所述关联时段包括用户超过预设时长未进行身体锻炼的时段和该时段之前的至少一天。

在一个可能的示例中，在所述根据所述用户当前次进行身体锻炼的概率对用户进行锻炼提醒方面，所述处理单元401具体用于：根据所述用户当前次进行身体锻炼的概率计算当前次需要对用户进行重复提醒的计划次数和每次提醒时长；以及按照所述计划次数发起针对用户的锻炼提醒，直至接收到用户的停止提醒指令或者所述计划次数的锻炼提醒全部实施完成。

在一个可能的示例中，在所述根据所述用户当前次进行身体锻炼的概率计算当前次需要对用户进行重复提醒的计划次数和每次提醒时长方面，所述处理单元401具体用于：通过如下公式计算所述当前次需要对用户进行重复提醒的计划次数：

其中，S0表示预设的最大重复提醒次数，α表示所述用户当前次进行身体锻炼的概率，S表示当前次需要对用户进行重复提醒的计划次数；

通过如下公式计算所述当前次需要对用户进行重复提醒的每次提醒时长：

t＝Tmin+(Tmax－Tmin)^(1-α)，

其中，Tmin表示预设的最短单次提醒时长，Tmax为预设的最长单次提醒时长，α表示所述用户当前次进行身体锻炼的概率，t表示所述当前次需要对用户进行重复提醒的每次提醒时长。

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 (10)

1.一种身体锻炼智能控制方法，其特征在于，应用于移动终端，所述方法包括：

在每日的固定时段，获取该固定时段往前的预设时长内的用户历史数据，并根据所述固定时段往前的预设时长内的用户历史数据确定当前次的多个参考因素，所述多个参考因素包括睡眠质量、饮食状态、身体健康状态、工作完成度以及最近一次运动项目的运动量；

根据所述当前次的多个参考因素预测用户当前次进行身体锻炼的概率；

根据所述用户当前次进行身体锻炼的概率对用户进行锻炼提醒；

根据用户的交互操作确定用户选择的目标运动教程，并根据所述当前次的每个参考因素对所述目标运行教程进行调整以适配用户当前次综合身体状态；

启动调整后的所述目标运动教程。

2.根据权利要求1所述的方法，其特征在于，所述根据所述当前次的多个参考因素预测用户当前次进行身体锻炼的概率，包括：

获取预设的参考因素的影响力因子，所述影响力因子用于表示用户在当前的参考因素的影响程度为消极影响状态且其他参考因素为积极影响状态情况下进行身体锻炼的概率；

确定所述当前次的多个参考因素中影响程度为消极影响状态的至少一个参考因素；

若所述至少一个参考因素为单个参考因素，则确定所述单个参考因素的影响力因子为用户当前次进行身体锻炼的概率；

若所述至少一个参考因素为一个以上的参考因素，则确定所述一个以上的参考因素的影响力因子的乘积为用户当前次进行身体锻炼的概率。

3.根据权利要求1所述的方法，其特征在于，所述根据所述当前次的多个参考因素预测用户当前次进行身体锻炼的概率，包括：

获取预设的参考因素的影响力因子集合，所述影响力因子集合包括所述多个参考因素对应的多个影响力因子子集，每个影响力因子子集包括用户在预设情况下进行身体锻炼的多个概率，所述预设情况是指当前的参考因素的影响程度为消极影响状态，或者，所述当前的参考因素和至少一个其他参考因素的影响程度均为消极影响状态；

查询所述影响力因子集合，获取适配所述当前次的多个参考因素的影响程度的概率为用户当前次进行身体锻炼的概率。

4.根据权利要求2或3所述的方法，其特征在于，所述根据所述当前次的多个参考因素预测用户当前次进行身体锻炼的概率之后，所述方法还包括：

确定所述多个参数因素中满足预设条件的目标参考因素，所述预设条件是指仅自身的影响程度为消极影响状态且影响力因子的数值最小；

根据所述目标参考因素对用户行为进行主动引导调整以降低该目标参考因素对用户当前次进行身体锻炼的概率的影响。

5.根据权利要求1-3任一项所述的方法，其特征在于，所述在每日的固定时段，获取该固定时段往前的预设时长内的用户历史数据之前，所述方法还包括：

针对用户超过所述预设时长未进行身体锻炼的关联时段内的用户历史数据进行统计和分析，得到影响用户锻炼持续性的所述多个参考因素，所述关联时段包括用户超过预设时长未进行身体锻炼的时段和该时段之前的至少一天。

6.根据权利要求1-3任一项所述的方法，其特征在于，所述在每日的固定时段，获取该固定时段往前的预设时长内的用户历史数据之前，所述方法还包括：

接收来自服务器下发的影响用户锻炼持续性的所述多个参考因素，所述多个参考因素是所述服务器针对用户超过所述预设时长未进行身体锻炼的关联时段内的用户历史数据进行统计和分析而得到的，所述关联时段包括用户超过预设时长未进行身体锻炼的时段和该时段之前的至少一天。

7.根据权利要求1-3任一项所述的方法，其特征在于，所述根据所述用户当前次进行身体锻炼的概率对用户进行锻炼提醒，包括：

根据所述用户当前次进行身体锻炼的概率计算当前次需要对用户进行重复提醒的计划次数和每次提醒时长；

按照所述计划次数发起针对用户的锻炼提醒，直至接收到用户的停止提醒指令或者所述计划次数的锻炼提醒全部实施完成。

8.根据权利要求7所述的方法，其特征在于，所述根据所述用户当前次进行身体锻炼的概率计算当前次需要对用户进行重复提醒的计划次数和每次提醒时长，包括：

通过如下公式计算所述当前次需要对用户进行重复提醒的计划次数：

其中，S0表示预设的最大重复提醒次数，α表示所述用户当前次进行身体锻炼的概率，S表示当前次需要对用户进行重复提醒的计划次数；

通过如下公式计算所述当前次需要对用户进行重复提醒的每次提醒时长：

t＝Tmin+(Tmax－Tmin)^(1-α)，

其中，Tmin表示预设的最短单次提醒时长，Tmax为预设的最长单次提醒时长，α表示所述用户当前次进行身体锻炼的概率，t表示所述当前次需要对用户进行重复提醒的每次提醒时长。

9.一种身体锻炼智能控制装置，其特征在于，应用于移动终端，所述装置包括处理单元和通信单元，其中，

所述处理单元，用于在每日的固定时段，通过所述通信单元获取该固定时段往前的预设时长内的用户历史数据，并根据所述固定时段往前的预设时长内的用户历史数据确定当前次的多个参考因素，所述多个参考因素包括睡眠质量、饮食状态、身体健康状态、工作完成度以及最近一次运动项目的运动量；以及根据所述当前次的多个参考因素预测用户当前次进行身体锻炼的概率；以及根据所述用户当前次进行身体锻炼的概率对用户进行锻炼提醒；以及根据用户的交互操作确定用户选择的目标运动教程，并根据所述当前次的每个参考因素对所述目标运行教程进行调整以适配用户当前次综合身体状态；以及启动调整后的所述目标运动教程。

10.一种移动终端，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1-8任一项所述的方法中的步骤的指令。

Images