CN112951368A - 基于pai的运动信息评估方法、装置、设备和存储介质 - Google Patents
基于pai的运动信息评估方法、装置、设备和存储介质 Download PDFInfo
- Publication number
- CN112951368A CN112951368A CN202110112228.XA CN202110112228A CN112951368A CN 112951368 A CN112951368 A CN 112951368A CN 202110112228 A CN202110112228 A CN 202110112228A CN 112951368 A CN112951368 A CN 112951368A
- Authority
- CN
- China
- Prior art keywords
- motion
- pai
- value
- information
- calculating
- 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.)
- Withdrawn
Links
- 230000033001 locomotion Effects 0.000 title claims abstract description 180
- 238000011156 evaluation Methods 0.000 title claims abstract description 65
- 238000000034 method Methods 0.000 claims abstract description 28
- 238000004364 calculation method Methods 0.000 claims description 11
- 238000010606 normalization Methods 0.000 claims description 11
- 238000004590 computer program Methods 0.000 claims description 7
- 230000000386 athletic effect Effects 0.000 claims 1
- 230000006870 function Effects 0.000 description 10
- 230000007659 motor function Effects 0.000 description 10
- 230000000284 resting effect Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 4
- 238000005314 correlation function Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000009825 accumulation Methods 0.000 description 2
- 238000009472 formulation Methods 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000012821 model calculation Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000013139 quantization Methods 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
- 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
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Public Health (AREA)
- Medical Informatics (AREA)
- General Health & Medical Sciences (AREA)
- Epidemiology (AREA)
- Primary Health Care (AREA)
- Physical Education & Sports Medicine (AREA)
- Biophysics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biomedical Technology (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Pathology (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本申请提出一种基于PAI的运动信息评估方法、装置、设备和存储介质，涉及数据处理技术领域，其中，方法包括：获取用户的基础信息和目标时间段的心率数据；根据心率数据计算目标时间段的个人运动机能指数PAI值；根据PAI值获取用户的运动规律性分数；根据PAI值和运动规律性分数计算用户的运动评估信息。由此，通过历史时间段内PAI值对用户的运动进行评估，能够快速准确对用户的运动信息进行评估。
Description
技术领域
本申请涉及数据处理技术领域，尤其涉及一种基于PAI的运动信息评估方法和装置。
背景技术
通常，生命在于运动，特别是良好的运动习惯不但可以愉悦身心，还可以促进身体健康。运动习惯评估通过综合评估被测人员过去一段时间的运动量和运动规律，对被测人员的运动习惯进行评估。
相关技术中的运动习惯评估以调查问卷形式为主，由运动、医学领域专业人员设计一系列的问题，包括一个时间段内(比如一个月或一个周)的运动次数、每次运动持续时间、每次运动的强度等问题，再根据每个问题选项的组合，对应到预先设计的运动习惯层级。
然而，通过调查问卷的形式评估用户的运动习惯，完全依赖用户主观的填写内容，用户很难准确地描述每次运动的时长和运动强度，导致得到的运动习惯评估结果误差较大，很难客观准确地评估，以及2)调查问卷的方法无法对用户的运动习惯进行数字上的量化，只能得到分档的结果，通常将运动习惯划分为：运动习惯优秀、运动习惯良好、运动习惯一般、运动习惯较差，导致用户之间的运动习惯差异不明显。
发明内容
本申请旨在至少在一定程度上解决上述提到的技术问题之一。
为此，本申请的第一个目的在于提出一种基于PAI的运动信息评估方法，解决了现有技术中基于PAI的运动信息评估方式效率低且准确性差的技术问题，通过历史时间段内PAI值对用户的运动进行评估，能够快速准确对用户的运动信息进行评估。
本申请的第二个目的在于提出一种基于PAI的运动信息评估装置。
本申请的第三个目的在于提出一种计算机设备。
本申请的第四个目的在于提出一种非临时性计算机可读存储介质。
为达上述目的，本申请第一方面实施例提出了一种基于PAI的运动信息评估方法，包括：
获取用户的基础信息和目标时间段的心率数据；
根据所述心率数据计算所述目标时间段的个人运动机能指数PAI值；
根据所述PAI值获取所述用户的运动规律性分数；
根据所述PAI值和所述运动规律性分数计算所述用户的运动评估信息。
在本申请的一个实施例中，所述根据所述PAI值计算所述用户的运动规律性分数，包括：
计算所述目标时间段内相邻时间间隔中的相同时刻PAI值的差异值；
将所述目标时间段内的所述差异值进行相加，获取总差异值；
根据预设公式和所述总差异值进行计算，获取所述运动规律性分数。
在本申请的一个实施例中，所述的运动信息评估方法，还包括：
获取偏置项；
所述根据所述PAI值和所述运动规律性分数计算所述用户的运动评估信息，包括：
根据所述PAI值、所述运动规律性分数和预设的偏置项，计算所述用户的运动评估信息。
在本申请的一个实施例中，所述根据所述PAI值、所述运动规律性分数和预设的偏置项，计算所述用户的运动评估信息，包括：
将所述PAI值划分为多个区间值；
获取每个区间值对应的偏置项；
将所述每个区间值、所述每个区间值对应的偏置项和所述运动规律性分数进行相加，获取每个区间值的运动评估信息。
在本申请的一个实施例中，所述的运动信息评估方法，还包括：
对所述每个区间值的运动评估信息进行归一化处理，获取所述每个区间值的运动评估归一分数值。
为达上述目的，本申请第二方面实施例提出了一种基于PAI的运动信息评估装置，包括：第一获取模块，用于获取用户的基础信息和目标时间段的心率数据；第一计算模块，用于根据所述心率数据计算所述目标时间段的个人运动机能指数PAI值；第二计算模块，用于根据所述PAI值计算所述用户的运动规律性分数；第三计算模块，用于根据所述PAI值和所述运动规律性分数计算所述用户的运动评估信息。
在本申请的一个实施例中，所述第二计算模块，具体用于：计算所述目标时间段内相邻时间间隔中的相同时刻PAI值的差异值；将所述目标时间段内的所述差异值进行相加，获取总差异值；根据预设公式和所述总差异值进行计算，获取所述运动规律性分数。
在本申请的一个实施例中，所述的运动信息评估装置，还包括：
第二获取模块，用于获取偏置项；
所述第三计算模块，具体用于：
根据所述PAI值、所述运动规律性分数和预设的偏置项，获取所述用户的运动评估信息。
在本申请的一个实施例中，所述第三计算模块，具体用于：
将所述PAI值划分为多个区间值；
获取每个区间值对应的偏置项；
将所述每个区间值、所述每个区间值对应的偏置项和所述运动规律性分数进行相加，获取每个区间值的运动评估信息。
在本申请的一个实施例中，所述的运动信息评估装置，还包括：
处理模块，用于对所述每个区间值的运动评估信息进行归一化处理，获取所述每个区间值的运动评估归一分数值。
为达上述目的，本申请第三方面实施例提出了一种计算机设备，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时，实现如上述实施例所描述的基于PAI的运动信息评估方法。
为了实现上述目的，本申请第四方面实施例提出了一种非临时性计算机可读存储介质，当所述存储介质中的指令由处理器被执行时，使得处理器能够实现如上述实施例所描述的基于PAI的运动信息评估方法。
本申请提供的技术方案，至少具有如下有益技术效果：
获取用户的基础信息和目标时间段的心率数据；根据心率数据计算目标时间段的个人运动机能指数PAI值；根据PAI值获取用户的运动规律性分数；根据PAI值和运动规律性分数计算用户的运动评估信息。由此，通过历史时间段内PAI值对用户的运动进行评估，能够快速准确对用户的运动信息进行评估。
本申请附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本申请的实践了解到。
附图说明
本申请上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：
图1为本申请实施例所提供的一种基于PAI的运动信息评估方法的流程示意图；
图2为本申请实施例所提供的另一种基于PAI的运动信息评估方法的流程示意图；
图3为本申请实施例所提供的计算函数的示例图图；
图4为本申请实施例所提供的PAI值对比的示意图；
图5为本申请实施例提供的一种基于PAI的运动信息评估装置的结构示意图；
图6为本申请实施例提供的另一种基于PAI的运动信息评估装置的结构示意图。
具体实施方式
下面详细描述本申请的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本申请，而不能理解为对本申请的限制。
下面参考附图描述本申请实施例的基于PAI的运动信息评估方法、装置、设备和存储介质。其中，本申请实施例的基于PAI的运动信息评估方法的执行主体，可以是任意便携式终端设备，该终端设备可以是手机、平板电脑、个人数字助理、穿戴式设备等具有各种操作系统的硬件设备，该穿戴式设备可以是智能手环、智能手表、智能眼镜等。
图1为本申请实施例所提供的一种基于PAI的运动信息评估方法的流程示意图。如图1所示，该基于PAI的运动信息评估方法包括：
步骤101，获取用户的基础信息和目标时间段的心率数据。
步骤102，根据心率数据计算目标时间段的个人运动机能指数PAI值。
在本申请实施例中，PAI(Personal Activity Intelligence，个人运动智能指数)可以量化用户过去一段时间(比如一周)的有效运动，即当足量的、能够有效提升心率的运动发生时PAI值得以增加。
相关专利CN107077523A通过公式(1)-(8)根据年龄、性别、静息心率和实时心率进行计算个人运动机能指数PAI。
具体地：
V＝a2，1，3+a2，1，4(1-e-Z) (2)
HRth＝RHR+HRR×0.2 (6)
HRR＝MHR-RHR (7)
MHR＝a2，1，6-a2，1，7×age (8)
其中，HR(t)是实时心率；T是积分时间；RHR表示用户的静息心率；age表示用户的年龄；{a2，1，i|i＝1，2，...，7}是一组系数，系数针对不同种族的人群需要经过统计校准。
在本申请实施例中，通过智能佩戴设备等接收用户输入的基础信息，比如年龄、性别、体重等基础信息，以及通过智能佩戴设备等中设置的传感器获取心率数据，比如静息心率、分钟级心率等，具体根据应用场景选择获取。
在本申请实施例中，根据心率数据计算目标时间段的个人运动机能指数PAI值的方式有很多种，举例说明如下：
第一种示例，通过公式(9)-(14)根据年龄和心率数据进行计算个人运动机能指数PAI。
具体地：
HRcrip＝RHR+RHR*0.2 (13)
HRmax＝211-0.64*age (l4)
其中，HR(t)是分钟级心率，RHR是用户的静息心率，age是用户的年龄，{ci|＝1,2,…,5}是一组和性别关联的系，c1-c5为根据实际经验确定的系数。
第二种示例，根据性别、动态心率、最大心率和静息心率通过相关公式、模型计算获取个人运动机能指数PAI。
步骤103，根据PAI值计算用户的运动规律性分数。
在本申请实施例中，根据PAI值获取用户的运动规律性分数的方式有很多种，可以根据应用场景需要进行选择设置，举例说明如下。
第一种示例，计算目标时间段内相邻时间间隔中的相同时刻PAI值的差异值；将目标时间段内的差异值进行相加，获取总差异值；根据预设公式和总差异值进行计算，获取运动规律性分数。
第二种示例，根据记录的PAI值和运动规律性分数建立相关函数，对函数进行求解，获取PAI值和运动规律性分数相关关系函数，将PAI值输入相关关系函数获取对应的运动规律性分数。
步骤104，根据PAI值和运动规律性分数计算用户的运动评估信息。
在本申请实施例中，根据PAI值和运动规律性分数计算用户的运动评估信息的方式有很多种，可以根据应用场景需要选择设置，举例说明如下。
第一种示例，根据PAI值和运动规律性分数相加计算用户的运动评估信息。
第二种示例，获取偏置项，根据PAI值、运动规律性分数和预设的偏置项相加计算用户的运动评估信息。
综上，本实施例的基于PAI的运动信息评估方法，通过获取用户的基础信息和目标时间段的心率数据；根据心率数据计算目标时间段的个人运动机能指数PAI值；根据PAI值获取用户的运动规律性分数；根据PAI值和运动规律性分数计算用户的运动评估信息。由此，通过历史时间段内PAI值对用户的运动进行评估，能够快速准确对用户的运动信息进行评估。
为了本领域人员更加清楚上述过程，结合图2进行详细说明。
图2为本申请实施例所提供的另一种基于PAI的运动信息评估方法的流程示意图。如图2所示，该基于PAI的运动信息评估方法包括：
步骤201，获取用户的基础信息和目标时间段的心率数据。
步骤202，根据心率数据计算目标时间段的个人运动机能指数PAI值。
在本申请实施例中，PAI(Personal Activity Intelligence，个人运动智能指数)可以量化用户过去一段时间(比如一周)的有效运动，即当足量的、能够有效提升心率的运动发生时PAI值得以增加。
在本申请实施例中，通过智能佩戴设备等接收用户输入的基础信息，比如年龄、性别、体重等基础信息，以及通过智能佩戴设备等中设置的传感器获取目标时间段内的心率数据，比如静息心率、分钟级心率等，具体根据应用场景选择获取。
其中，目标时间段可以根据应用场景设置，比如一周、一个月等。
在本申请实施例中，根据心率数据计算目标时间段的个人运动机能指数PAI值的方式有很多种，举例说明如下：
第一种示例，通过公式(9)-(14)根据年龄和心率数据进行计算个人运动机能指数PAI。
具体地：
HRcrip＝RHR+RHR*0.2 (13)
HRmax＝211-0.64*age (l4)
其中，HR(t)是分钟级心率，RHR是用户的静息心率，age是用户的年龄，{ci|＝1,2,…,5}是一组和性别关联的系，c1-c5为根据实际经验确定的系数。
第二种示例，根据性别、动态心率、最大心率和静息心率通过相关公式、模型计算获取个人运动机能指数PAI。
步骤203，计算目标时间段内相邻时间间隔中的相同时刻PAI值的差异值，将目标时间段内的差异值进行相加，获取总差异值。
步骤204，根据预设公式和总差异值进行计算，获取运动规律性分数。
在本申请实施例中，运动规律性是运动习惯的重要组成部分，只有规律的运动才可能形成良好的运动习惯，反之，没有良好运动习惯的用户肯定不会进行规律性的运动。
具体地，运动规律是用户每天运动开始时间、持续时间、运动强度等方面的客观评价，如果用户A在每天的固定时间进行体育锻炼，并且每次运动的时长和强度都相差不多，则他的运动规律性分数应该很高，如果用户B每周只运动3次，并且每次运动的时间不固定，可能是早晨运动，也可能是晚上运动，运动时长和强度也差异较大，则他的运动规律性分数应该较低。
具体地，首先计算目标时间段中每时刻比如每分钟的PAI值PAIi，j，然后由公式(15)计算相邻两天中相同时刻的PAI值的差异值
PAI值差异大表明PAI值分布不相似，则运动规律性差。
本申请实施例中，δ是sigmoid函数，它的函数图像如图3所示，Sigmoid函数的特性是取值范围介于0和1之间。
具体地，δ(PAIi，j，PAIi+1，j)是相邻时间间隔中的相同时刻比如相邻两天同一分钟内的PAI值的差异值，比如j＝420，PAIi，j表示第i天7点(第420分钟)的PAI值，假设PAIi，j＝0，PAIi+1，j＝1，则
由于|x-y|≥0恒成立，所以0.5≤δ(x，y)＜1。
进一步地，根据公式(16)将目标时间段内的PAI值差异累加，再进一步根据公式(18)计算运动规律性分数Sregularity∈(0，50]。
具体地，在本申请实施例中，以N＝7为例，评估用户过去一周的运动习惯，不失一般性，N可以等于任意的正整数，比如令N＝30，则本申请提出的运动信息评估方法是对用户过去一个月的运动习惯进行评分，在本申请实施例中，以1分钟为时间单位计算PAI值，所以M取值为24*60＝1440。
举例而言，图4是相邻两天的PAI值差异示例，在该示例中，用户连续两天都在下午18点(1080分)开始运动，持续到19点5分(1145分)，但是运动强度有差异。
步骤205，获取偏置项，根据PAI值、运动规律性分数和预设的偏置项，计算用户的运动评估信息。
在本申请实施例中，将PAI值划分为多个区间值，获取每个区间值对应的偏置项，将每个区间值、每个区间值对应的偏置项和运动规律性分数进行相加，获取每个区间值的运动评估信息。
在本申请实施例中，对每个区间值的运动评估信息进行归一化处理，获取每个区间值的运动评估归一分数值。
在本申请实施例中，只有运动量足够多并且规律性的运动才会获得最高的运动评估分数，运动量类似的情况下，运动越规律，运动评估分数越高；3.运动量多的用户，其运动评估分数比运动量少的用户更高。
由公式(11)可知，PAI值是某个时间段的有效运动量的累加，根据用户的基础信息和动态心率数据，可以计算一分钟的PAI值、一小时的PAI值、一天的PAI值、一周的PAI值，利用PAI值的“累加”特性，则历史N天的PAI值总和可以表示用户N天的运动总量。
举例而言，基于公式(11)，将历史7天的PAI值划分为四个区间值[0,25)、[25,50)、[50,75)、[75,100]，为了保证高分数区间用户的运动习惯分数高于低分数区间用户，考虑到运动规律分数Sregularity∈(0,50]，依次为各个区间值增加相应的区间偏置项Bias：0、50、100、150。
本申请提出的运动评估分数如公式(19)，运动习惯分数等于带偏置项的PAI值和运动规律分数相加后进行归一化处理。
由此，获取偏置项的目的是保证高PAI值用户的运动评估分数比低PAI值高。
如下表所示：
由此，运动评估分数由客观的运动量分数和客观的运动规律性分数组成，其中，运动量分数由目标时间段的PAI值和偏置项计算得到，运动规律性分数由目标时间段中每相邻时间的PAI值分布计算得到，同时，本申请提出的运动评估分数满足只有运动量足够多并且规律性的运动才会获得最高的运动习惯分数、运动量类似的情况下，运动越规律，运动习惯分数越高、以及运动量多的用户，其运动习惯分数比运动量少的用户更高。实现对用户的运动习惯进行数字量化，该量化结果可应用于用户画像、用户运动分析、用户健康评分等场景。
为了实现上述实施例，本申请还提出一种基于PAI的运动信息评估装置。
图5为本申请实施例提供的一种基于PAI的运动信息评估装置的结构示意图。
如图5所示，该基于PAI的运动信息评估装置包括：第一获取模块510、第一计算模块520、第二计算模块530和第三计算模块540。其中，
第一获取模块510，用于获取用户的基础信息和目标时间段的心率数据。
第一计算模块520，用于根据心率数据计算目标时间段的个人运动机能指数PAI值。
第二计算模块530，用于根据PAI值计算用户的运动规律性分数。
第三计算模块540，用于根据PAI值和运动规律性分数计算用户的运动评估信息。
在本申请的一个实施例中，第二计算模块530，具体用于：计算所述目标时间段内相邻时间间隔中的相同时刻PAI值的差异值；将所述目标时间段内的所述差异值进行相加，获取总差异值；根据预设公式和所述总差异值进行计算，获取所述运动规律性分数。
在本申请的一个实施例中，如图6所示，在如图5所示的基础上，该装置还包括：第二获取模块550和处理模块560。
第二获取模块550，用于获取偏置项。
第三计算模块540，具体用于：根据所述PAI值、所述运动规律性分数和预设的偏置项，获取所述用户的运动评估信息。
在本申请的一个实施例中，第三计算模块540，具体用于：将所述PAI值划分为多个区间值；获取每个区间值对应的偏置项；将所述每个区间值、所述每个区间值对应的偏置项和所述运动规律性分数进行相加，获取每个区间值的运动评估信息。
在本申请的一个实施例中，处理模块560，用于对所述每个区间值的运动评估信息进行归一化处理，获取所述每个区间值的运动评估归一分数值。
需要说明的是，前述对基于PAI的运动信息评估方法实施例的解释说明也适用于该实施例的基于PAI的运动信息评估装置，此处不再赘述。
综上，本实施例的基于PAI的运动信息评估装置，通过获取用户的基础信息和目标时间段的心率数据；根据心率数据计算目标时间段的个人运动机能指数PAI值；根据PAI值获取用户的运动规律性分数；根据PAI值和运动规律性分数计算用户的运动评估信息。由此，通过历史时间段内PAI值对用户的运动进行评估，能够快速准确对用户的运动信息进行评估。
为了实现上述实施例，本申请还提出一种计算机设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时，实现如上述实施例所述的基于PAI的运动信息评估方法。
为了实现上述实施例，本申请还提出一种非临时性计算机可读存储介质，当所述存储介质中的指令由处理器被执行时，使得能够执行上述实施例所述的基于PAI的运动信息评估方法。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本申请的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本申请的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现定制逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本申请的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本申请的实施例所属技术领域的技术人员所理解。
在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用，或结合这些指令执行系统、装置或设备而使用。就本说明书而言，"计算机可读介质"可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下：具有一个或多个布线的电连接部(电子装置)，便携式计算机盘盒(磁装置)，随机存取存储器(RAM)，只读存储器(ROM)，可擦除可编辑只读存储器(EPROM或闪速存储器)，光纤装置，以及便携式光盘只读存储器(CDROM)。另外，计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序，然后将其存储在计算机存储器中。
应当理解，本申请的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。如果用硬件来实现和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现场可编程门阵列(FPGA)等。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。
此外，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模块中，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模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。
上述提到的存储介质可以是只读存储器，磁盘或光盘等。尽管上面已经示出和描述了本申请的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本申请的限制，本领域的普通技术人员在本申请的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (12)
1.一种基于PAI的运动信息评估方法，其特征在于，包括：
获取用户的基础信息和目标时间段的心率数据；
根据所述心率数据计算所述目标时间段的个人运动机能指数PAI值；
根据所述PAI值计算所述用户的运动规律性分数；
根据所述PAI值和所述运动规律性分数计算所述用户的运动评估信息。
2.如权利要求1所述的运动信息评估方法，其特征在于，其中，所述根据所述PAI值计算所述用户的运动规律性分数，包括：
计算所述目标时间段内相邻时间间隔中的相同时刻PAI值的差异值；
将所述目标时间段内的所述差异值进行相加，获取总差异值；
根据预设公式和所述总差异值进行计算，获取所述运动规律性分数。
3.如权利要求1所述的运动信息评估方法，其特征在于，还包括：
获取偏置项；
所述根据所述PAI值和所述运动规律性分数计算所述用户的运动评估信息，包括：
根据所述PAI值、所述运动规律性分数和预设的偏置项，计算所述用户的运动评估信息。
4.如权利要求3所述的运动信息评估方法，其特征在于，其中，所述根据所述PAI值、所述运动规律性分数和预设的偏置项，计算所述用户的运动评估信息，包括：
将所述PAI值划分为多个区间值；
获取每个区间值对应的偏置项；
将所述每个区间值、所述每个区间值对应的偏置项和所述运动规律性分数进行相加，获取每个区间值的运动评估信息。
5.如权利要求4所述的运动信息评估方法，其特征在于，还包括：
对所述每个区间值的运动评估信息进行归一化处理，获取所述每个区间值的运动评估归一分数值。
6.一种基于PAI的运动信息评估装置，其特征在于，包括：
第一获取模块，用于获取用户的基础信息和目标时间段的心率数据；
第一计算模块，用于根据所述心率数据计算所述目标时间段的个人运动机能指数PAI值；
第二计算模块，用于根据所述PAI值计算所述用户的运动规律性分数；
第三计算模块，用于根据所述PAI值和所述运动规律性分数计算所述用户的运动评估信息。
7.如权利要求6所述的运动信息评估装置，其特征在于，其中，所述第二计算模块，具体用于：
计算所述目标时间段内相邻时间间隔中的相同时刻PAI值的差异值；
将所述目标时间段内的所述差异值进行相加，获取总差异值；
根据预设公式和所述总差异值进行计算，获取所述运动规律性分数。
8.如权利要求6所述的运动信息评估装置，其特征在于，还包括：
第二获取模块，用于获取偏置项；
所述第三计算模块，具体用于：
根据所述PAI值、所述运动规律性分数和预设的偏置项，获取所述用户的运动评估信息。
9.如权利要求8所述的运动信息评估装置，其特征在于，其中，所述第三计算模块，具体用于：
将所述PAI值划分为多个区间值；
获取每个区间值对应的偏置项；
将所述每个区间值、所述每个区间值对应的偏置项和所述运动规律性分数进行相加，获取每个区间值的运动评估信息。
10.如权利要求9所述的运动信息评估装置，其特征在于，还包括：
处理模块，用于对所述每个区间值的运动评估信息进行归一化处理，获取所述每个区间值的运动评估归一分数值。
11.一种计算机设备，其特征在于，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时，实现如权利要求1-5中任一所述的基于PAI的运动信息评估方法。
12.一种非临时性计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1-5中任一所述的基于PAI的运动信息评估方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110112228.XA CN112951368A (zh) | 2021-01-27 | 2021-01-27 | 基于pai的运动信息评估方法、装置、设备和存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110112228.XA CN112951368A (zh) | 2021-01-27 | 2021-01-27 | 基于pai的运动信息评估方法、装置、设备和存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112951368A true CN112951368A (zh) | 2021-06-11 |
Family
ID=76237980
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110112228.XA Withdrawn CN112951368A (zh) | 2021-01-27 | 2021-01-27 | 基于pai的运动信息评估方法、装置、设备和存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112951368A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113729693A (zh) * | 2021-09-17 | 2021-12-03 | 平安国际智慧城市科技股份有限公司 | 基于人工智能的运动强度检测方法、装置、设备及介质 |
| CN113936770A (zh) * | 2021-09-10 | 2022-01-14 | 深圳市超级猩猩健身管理有限公司 | 一种评估运动级别方法、装置和设备 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103781414A (zh) * | 2011-09-16 | 2014-05-07 | 皇家飞利浦有限公司 | 用于估计运动期间的心率的设备和方法 |
| CN107077523A (zh) * | 2014-03-20 | 2017-08-18 | 比特斯达克有限公司 | 健康风险指标确定 |
| CN109214650A (zh) * | 2018-08-01 | 2019-01-15 | 北京昊泽管理咨询有限公司 | 一种评价方法及装置 |
| CN109310369A (zh) * | 2016-06-10 | 2019-02-05 | 博能电子公司 | 用于估计血脉搏波特征的多传感器系统 |
-
2021
- 2021-01-27 CN CN202110112228.XA patent/CN112951368A/zh not_active Withdrawn
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103781414A (zh) * | 2011-09-16 | 2014-05-07 | 皇家飞利浦有限公司 | 用于估计运动期间的心率的设备和方法 |
| CN107077523A (zh) * | 2014-03-20 | 2017-08-18 | 比特斯达克有限公司 | 健康风险指标确定 |
| CN109310369A (zh) * | 2016-06-10 | 2019-02-05 | 博能电子公司 | 用于估计血脉搏波特征的多传感器系统 |
| CN109214650A (zh) * | 2018-08-01 | 2019-01-15 | 北京昊泽管理咨询有限公司 | 一种评价方法及装置 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113936770A (zh) * | 2021-09-10 | 2022-01-14 | 深圳市超级猩猩健身管理有限公司 | 一种评估运动级别方法、装置和设备 |
| CN113729693A (zh) * | 2021-09-17 | 2021-12-03 | 平安国际智慧城市科技股份有限公司 | 基于人工智能的运动强度检测方法、装置、设备及介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109416820B (zh) | 对用户满意度进行自动确定和响应的方法和系统 | |
| US10248195B2 (en) | Short imagery task (SIT) research method | |
| Laeremans et al. | Physical activity and sedentary behaviour in daily life: A comparative analysis of the Global Physical Activity Questionnaire (GPAQ) and the SenseWear armband | |
| US8782681B2 (en) | Method and system for rating media and events in media based on physiological data | |
| CN108332770B (zh) | 一种防计步作弊的方法、装置和系统 | |
| CN112951368A (zh) | 基于pai的运动信息评估方法、装置、设备和存储介质 | |
| AU2010239526A1 (en) | Method and system for measuring user experience for interactive activities | |
| AU2010234826A1 (en) | Method and system for predicting audience viewing behavior | |
| EP2917697A1 (en) | Systems and methods for frequency-based stride length correction in a pedometer device | |
| CN109091142B (zh) | 一种检测肌肉内源性疲劳度的方法、装置及存储介质 | |
| CN112635055A (zh) | 一种睡眠环境参数推荐方法、装置、设备及介质 | |
| CN112967780A (zh) | 基于pai的体能年龄预测方法、装置、设备和存储介质 | |
| US10037412B2 (en) | Patient health state compound score distribution and/or representative compound score based thereon | |
| CN111341416B (zh) | 一种心理压力评估模型处理方法以及相关设备 | |
| CN117095821B (zh) | 一种近视风险等级的预测方法、装置、电子设备及介质 | |
| US20200359958A1 (en) | Sleep sufficiency estimation device and sleep sufficiency estimation method | |
| CN106264451A (zh) | 运动热量来源分析方法及装置 | |
| CN112289405A (zh) | 配速推荐方法、装置、电子设备和存储介质 | |
| CN112967802A (zh) | 估计生理年龄的线性融合模型训练、年龄估计方法和装置 | |
| US20240268769A1 (en) | Fatigue estimation device, fatigue estimation method, and storage medium | |
| Allen et al. | Proximity and gravity: modeling heaped self‐reports | |
| CN112535464A (zh) | 基于pai的状态评估方法、装置、设备和存储介质 | |
| WO2020135936A1 (en) | A computer implemented method, a system and computer program for determining personalized parameters for a user | |
| CN116313066A (zh) | 群体健康数据处理方法、装置、设备及介质 | |
| CN112656401B (zh) | 一种智能监护方法、装置及设备 |
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 | ||
| WW01 | Invention patent application withdrawn after publication |
Application publication date: 20210611 |
|
| WW01 | Invention patent application withdrawn after publication |