CN112973092B - 辅助训练的方法及装置、存储介质、电子设备和单车 - Google Patents

Abstract

本发明提供了一种辅助训练的方法及装置、存储介质、电子设备和单车，涉及信号处理技术领域。该辅助训练的方法包括：基于待处理音频对应的音频元素信息生成与所述待处理音频匹配的运动数据，其中，所述待处理音频为第一用户确定的；基于所述运动数据和所述待处理音频对应的时序信息，生成所述待处理音频对应的训练课程。本发明能够基于待处理音频对应的音频元素信息生成用于辅助第一用户进行训练的与待处理音频相匹配的运动数据，然后基于运动数据和待处理音频对应的时序信息，生成待处理音频对应的训练课程，进而满足第一用户的个性化训练需求，提高用户的参与度以及互动内容的趣味性。

Description

辅助训练的方法及装置、存储介质、电子设备和单车

技术领域

本发明涉及信号处理技术领域，具体涉及辅助训练的方法及装置、存储介质、电子设备和单车。

背景技术

近年来，随着经济的迅速发展，人们的生活质量在不断提高，人们的健身意识也在不断增强。家庭健身作为一种新兴的生活方式，受到越来越多人群的喜爱。家庭健身可以解决传统线下健身房在便利性和内容供应量方面的缺陷，拓宽使用场景。

然而，现有在线健身中的互动课程均是由教练预先设计和录制生成的，用户只能按照已有内容被动的跟随训练，因此，现有的在线健身的互动课程无法满足用户的个性化训练需求，使得客户的参与度和趣味性极差。

发明内容

为了解决上述技术问题，提出了本发明。本发明的实施例提供了一种辅助训练的方法及装置、存储介质、电子设备和单车。

在一方面，本发明实施例提供了一种辅助训练的方法，该辅助训练的方法包括：基于待处理音频对应的音频元素信息生成与所述待处理音频匹配的运动数据，其中，所述待处理音频为第一用户确定的；基于所述运动数据和所述待处理音频对应的时序信息，生成所述待处理音频对应的训练课程。

在另一方面，本发明实施例提供了一种辅助训练的装置，该辅助训练的装置包括：第一生成模块，用于基于待处理音频对应的音频元素信息生成与所述待处理音频匹配的运动数据，其中，所述待处理音频为第一用户确定的；第二生成模块，用于基于所述运动数据和所述待处理音频对应的时序信息，生成所述待处理音频对应的训练课程。

在另一方面，本发明实施例提供了一种计算机可读存储介质，所述存储介质存储有计算机程序，所述计算机程序用于执行上述实施例所述的辅助训练的方法。

在另一方面，本发明实施例提供了一种电子设备，所述电子设备包括：处理器；用于存储所述处理器可执行指令的存储器；所述处理器，用于执行上述实施例所述的辅助训练的方法。

在另一方面，本发明实施例提供了一种单车，该单车上装载有上述实施例所述的辅助训练的装置。

与现有技术相比，本发明实施例无需预先生成训练课程，并在训练课程中限定运动数据和运动数据对应的、能够辅助训练的音频。本发明实施例提供的辅助训练的方法，能够基于待处理音频对应的音频元素信息生成用于辅助第一用户进行训练的与待处理音频相匹配的运动数据，然后基于运动数据和待处理音频对应的时序信息，生成待处理音频对应的训练课程，进而满足第一用户的个性化训练需求，提高用户的参与度以及互动内容的趣味性。此外，由于训练课程是基于运动数据和待处理音频对应的时序信息确定的，待处理音频是第一用户确定的，因此，训练课程内容转为由用户进行设计和提供，解决了内容供应量不足的问题，也进一步提升用户的训练效果，满足用户的个性化训练需求。

附图说明

通过结合附图对本发明实施例进行更详细的描述，本发明的上述以及其他目的、特征和优势将变得更加明显。附图用来提供对本发明实施例的进一步理解，并且构成说明书的一部分，与本发明实施例一起用于解释本发明，并不构成对本发明的限制。在附图中，相同的参考标号通常代表相同部件或步骤。

图1所示为本发明实施例所适用的一场景示意图。

图2所示为本发明一示例性实施例提供的辅助训练的方法的流程示意图。

图3所示为本发明另一示例性实施例提供的辅助训练的方法的流程示意图。

图4所示为本发明又一示例性实施例提供的辅助训练的方法的流程示意图。

图5所示为本发明再一示例性实施例提供的辅助训练的方法的流程示意图。

图6所示为本发明再一示例性实施例提供的辅助训练的方法的流程示意图。

图7所示为本发明再一示例性实施例提供的辅助训练的方法的流程示意图。

图8所示为本发明再一示例性实施例提供的辅助训练的方法的流程示意图。

图9所示为本发明再一示例性实施例提供的辅助训练的方法的流程示意图。

图10所示为本发明再一示例性实施例提供的辅助训练的方法的流程示意图。

图11所示为本发明再一示例性实施例提供的辅助训练的方法的流程示意图。

图12所示为本发明再一示例性实施例提供的辅助训练的方法的流程示意图。

图13所示为本发明一示例性实施例提供的辅助训练的装置的结构示意图。

图14所示为本发明一示例性实施例提供的第二生成模块的结构示意图。

图15所示为本发明另一示例性实施例提供的辅助训练的装置的结构示意图。

图16所示为本发明又一示例性实施例提供的辅助训练的装置的结构示意图。

图17所示为本发明再一示例性实施例提供的辅助训练的装置的结构示意图。

图18所示为本发明再一示例性实施例提供的辅助训练的装置的结构示意图。

图19所示为本发明再一示例性实施例提供的辅助训练的装置的结构示意图。

图20所示为本发明再一示例性实施例提供的辅助训练的装置的结构示意图。

图21所示为本发明再一示例性实施例提供的辅助训练的装置的结构示意图。

图22所示为本发明一示例性实施例提供的电子设备的结构示意图。

具体实施方式

下面，将参考附图详细地描述根据本发明的示例实施例。显然，所描述的实施例仅仅是本发明的一部分实施例，而不是本发明的全部实施例，应理解，本发明不受这里描述的示例实施例的限制。

本发明实施例提及的辅助训练的方法可以应用于户外骑行所用的普通单车，也可以应用于室内训练所用的健身器材，本发明实施例对此不作限定。此外，本发明实施例中的用户终端可以是设置在单车上的用户终端，也可以是移动终端，例如手机或平板电脑。

示例性系统

图1所示为本发明实施例所适用的一场景示意图。如图1所示，本发明实施例所适用的场景中包括健身装置110和服务器120，其中，健身装置110上装载有用户终端111，服务器120与用户终端111之间具备通信连接关系。用户终端111用于获取第一用户的相关信息，并基于获取的相关信息与服务器120实现信息交互。服务器120中存储有音频拆分模型、第一匹配模型等数据。

具体而言，首先，服务器120基于待处理音频对应的音频元素信息生成与待处理音频相匹配的运动数据，然后基于运动数据和待处理音频对应的时序信息，生成待处理音频对应的训练课程，并将训练课程传送至用户终端111，以辅助第一用户进行健身训练。即，该场景实现了一种辅助训练的方法。

在本发明实施例所适用的另一场景中，健身装置110进一步包括与用户终端111通信连接的传感器。传感器用于获取第一用户的第一运动表现数据，以便用户终端111或服务器120基于获取的第一运动表现数据进行评分等操作。举例说明，健身装置110可以是单车，传感器设置在单车的踏板内，进而借助设置在踏板内的传感器采集第一用户的踩踏力度、踩踏频率以及踩踏时间点等诸多运动信息，健身装置110也可以是哑铃，传感器为穿戴在第一用户身上的手环，进而借助手环采集第一用户的运动轨迹、托举频率以及心率数据等诸多运动信息。

示例性地，传感器和用户终端111基于蓝牙技术建立通信连接关系。

示例性方法

图2所示为本发明一示例性实施例提供的辅助训练的方法的流程示意图。如图2所示，本发明实施例提供的辅助训练的方法包括如下步骤。

步骤S210，基于待处理音频对应的音频元素信息生成与待处理音频匹配的运动数据，其中，待处理音频为第一用户确定的。

示例性地，第一用户为想要进行训练的用户。

示例性地，待处理音频指的是与第一用户选取、输入或上传的待处理音频。

步骤S210中提及的运动数据包括第一用户待执行的运动动作，比如单车动作、团操动作等。应当理解，运动动作与待处理音频相匹配。

在本发明一实施例中，音频元素信息包括节奏信息、节拍信息、关键点信息和能量信息中的至少一种。

步骤S220，基于运动数据和待处理音频对应的时序信息，生成待处理音频对应的训练课程。

示例性地，待处理音频对应的时序信息指的是待处理音频的时间轴信息。

示例性地，将运动数据填充在待处理音频的时间轴信息上，自动生成与待处理音频相匹配的训练课程。

由于音频元素信息能够更好地表征待处理音频的音频特性，因此，基于音频元素信息能够更准确地生成待处理音频对应的运动数据，从而为待处理音频匹配更适合的运动数据。示例性地，音频特性包括音频风格、音频类型和音频高潮区域等信息。同时，基于运动数据和待处理音频对应的时序信息，生成待处理音频对应的训练课程，满足用户的个性化训练需求。

在实际应用过程中，首先基于待处理音频对应的音频元素信息生成与待处理音频匹配的运动数据，其中，待处理音频为第一用户确定的，基于运动数据和待处理音频对应的时序信息，生成待处理音频对应的训练课程。

与现有技术相比，本发明实施例无需预先生成训练课程，并在训练课程中限定运动数据和运动数据对应的、能够辅助训练的音频。本发明实施例提供的辅助训练的方法，能够基于待处理音频对应的音频元素信息生成用于辅助第一用户进行训练的与待处理音频相匹配的运动数据，然后基于运动数据和待处理音频对应的时序信息，生成待处理音频对应的训练课程，进而满足第一用户的个性化训练需求，提高用户的参与度以及互动内容的趣味性。此外，由于训练课程是基于运动数据和待处理音频对应的时序信息确定的，待处理音频是第一用户确定的，因此，训练课程内容转为由用户进行设计和提供，解决了内容供应量不足的问题，也进一步提升用户的训练效果，满足用户的个性化训练需求。

图3所示为本发明另一示例性实施例提供的运动数据实际生成的过程示意图。在本发明图2所示实施例的基础上延伸出本发明图3所示实施例，下面着重叙述图3所示实施例与图2所示实施例的不同之处，相同之处不再赘述。

如图3所示，在本发明实施例提供的辅助训练的方法中，基于待处理音频对应的音频元素信息生成与待处理音频匹配的运动数据，包括如下步骤。

步骤S221，利用预设模板在预设动作库中选择与待处理音频匹配的运动数据，其中，预设动作库包括多个运动动作以及与运动动作预先关联的基础音频元素。

示例性地，预设模板是人工预先设定的，包含有待处理音频和与之相匹配的运动数据，动作库中存储有多个运动动作，多个运动动作预先与基础音频元素相关联，因此，预设模板能够更好地表征基础音频元素与预设的运动动作的关系。基于待处理音频对应的音频元素信息，利用预设模板在预设动作库中选择与待处理音频匹配的运动数据，其中，音频元素信息对应基础音频元素，运动数据对应预设的运动动作，运动数据为第一用户待执行的运动动作，进一步理解为利用预设模板在预设动作库中选择与基础音频元素相匹配的运动动作，为第一用户确定的待处理音频匹配待执行的运动动作，因此，利用预设模板在预设动作库中选择与待处理音频匹配的运动数据，能够更准确地生成待处理音频对应的运动数据，从而为待处理音频匹配更适合的运动数据。示例性地，音频特性包括音频风格、音频类型和音频高潮区域等信息。同时，基于运动数据和待处理音频对应的时序信息，生成待处理音频对应的训练课程，能够满足用户的个性化训练需求。

图4所示为本发明又一示例性实施例提供的运动数据实际生成的过程示意图。在本发明图2所示实施例的基础上延伸出本发明图4所示实施例，下面着重叙述图4所示实施例与图2所示实施例的不同之处，相同之处不再赘述。

如图4所示，在本发明实施例提供的辅助训练的方法中，基于待处理音频对应的音频元素信息生成与待处理音频匹配的运动数据，包括如下步骤。

步骤S222，将音频元素信息输入第一匹配模型，以生成与待处理音频匹配的运动数据。

示例性地，第一匹配模型为基于深度学习的神经网络模型，比如包括卷积层等结构的卷积神经网络模型。

举例说明，音频元素信息包括待处理音频的风格信息，运动数据包括踏频数据，具体包括高强度踏频、中强度踏频和低强度踏频，用户输入的待处理音频为舒缓柔和的音频，则待处理音频对应的风格信息为舒缓，将风格信息输入第一匹配模型之后，第一匹配模型通过对风格信息处理分析后，便生成低强度踏频的运动数据，以便进一步满足用户需求。

本发明实施例提供的辅助训练的方法，通过将音频元素信息输入第一匹配模型，以生成与待处理音频匹配的运动数据的方式，实现了基于待处理音频对应的音频元素信息生成与待处理音频匹配的运动数据的目的。本发明实施例能够进一步提高第一用户对所生成的运动数据的满意度。

图5所示为本发明再一示例性实施例提供的辅助训练的方法的流程示意图。在本发明图2所示实施例的基础上延伸出本发明图5所示实施例，下面着重叙述图5所示实施例与图2所示实施例的不同之处，相同之处不再赘述。

如图5所示，在本发明实施例提供的辅助训练的方法中，在基于运动数据和待处理音频对应的时序信息，生成待处理音频对应的训练课程之后，进一步包括如下步骤。

步骤S510，确定第一用户的第一运动表现数据。

在本发明一实施例中，第一运动表现数据包括踏频数据、运动轨迹和心率数据、训练课程分数信息、训练课程匹配、待处理音频的信息、训练课程参与时长信息中的至少一种。

步骤S520，基于第一运动表现数据和音频元素信息训练更新第一匹配模型，以得到第二匹配模型。其中，第二匹配模型用于输出训练课程对应的修正参数，并生成与待处理音频匹配的运动数据。

应当理解，第一运动表现数据能够表征第一用户的运动能力和运动喜好等信息。那么，将第一运动表现数据和音频元素信息作为训练数据，形成了一个不断反馈运动表现数据并训练更新模型的过程，基于第一运动表现数据和音频元素信息训练更新的第一匹配模型，生成的运动数据与待处理音频更加匹配，能够进一步提高第一用户对所生成的训练课程的满意度。

举例说明，音频元素信息包括待处理音频的节拍信息，运动数据包括踏频数据，具体包括第一强度踏频、第二强度踏频和第三强度踏频。如果基于节拍信息应当确定运动数据的踏频数据为第二强度踏频，而根据第一用户的第一运动表现数据发现第一用户的历史训练课程均是第三强度踏频，那么，将音乐元素信息输入第二匹配模型中，输出的运动数据的踏频数据确定为第三强度踏频，能够进一步提高第一用户对所生成的训练课程的满意度，以便进一步满足用户需求。

图6所示为本发明再一示例性实施例提供的辅助训练的方法的流程示意图。在本发明图5所示实施例的基础上延伸出本发明图6所示实施例，下面着重叙述图6所示实施例与图5所示实施例的不同之处，相同之处不再赘述。

如图6所示，在本发明实施例提供的辅助训练的方法中，在确定第一用户的第一运动表现数据之后，进一步包括如下步骤。

步骤S610，根据预设筛选算法对第一运动表现数据进行筛选，以得到有效运动数据。

应当理解，第一运动表现数据包括有效运动数据和无效运动数据，通过预设筛选算法对第一运动表现数据进行筛选，将其中的无效运动数据滤除，只保留有效运动数据，有效运动数据能够有效的表征第一用户的运动能力和运动喜好等信息。

并且，在本发明实施例中，基于第一运动表现数据和音频元素信息训练更新第一匹配模型，以得到第二匹配模型，包括如下步骤。

步骤S620，基于有效运动数据和音频元素信息训练更新第一匹配模型，以得到第二匹配模型。

示例性地，第二匹配模型为基于深度学习的神经网络模型，比如包括卷积层等结构的卷积神经网络模型。

应当理解，在基于第一运动表现数据和音频元素信息训练更新第一匹配模型，以得到第二匹配模型时，将第一用户的有效运动数据作为训练数据，能够进一步提高待处理音频与运动数据的匹配，增加第一用户对所生成的训练课程的满意度。

图7所示为本发明再一示例性实施例提供的辅助训练的方法的流程示意图。在本发明图5所示实施例的基础上延伸出本发明图7所示实施例，下面着重叙述图7所示实施例与图5所示实施例的不同之处，相同之处不再赘述。

如图7所示，在本发明实施例提供的辅助训练的方法中，在基于第一运动表现数据训练和音频元素信息训练更新第一匹配模型，以得到第二匹配模型之后，还包括如下步骤。

步骤S710，基于第二匹配模型输出的修正参数，修正预设匹配度公式以及修正待处理音频的音乐分析信息。

其中，预设匹配度公式用于对第一用户进行完成度评分，音乐分析信息包括关键点位置信息、高潮起止信息以及段落分析信息中的至少一种。

示例性地，修正参数包括：第一用户在音乐的具体位置的动作幅度、音乐和动作是否和拍，课程难度等级是否匹配等信息。

示例性地，预设匹配度＝影响因子*用户数据/预设数据*100％。其中，影响因子包括训练课程的难易程度，其他用户在同样音乐的同一个位置的表现，以及音乐的某个位置对应的标准动作。

应当理解，匹配度公式就是多个维度数据的加权和，然后将加权和进行百分比的归一，根据匹配度公式，比较第一用户的第一运动表现数据与训练课程之间的匹配度，以此对第一用户的完成度进行评分。

在实际应用过程中，如图8所示，首先确定并记录第一用户的第一运动表现数据，第一运动表现数据可以反映用户的踏频速度、运动轨迹、心率数据、训练课程分数信息、训练课程匹配、待处理音频的信息、训练课程参与时长信息中的至少一种，其中，第一运动表现数据包括有效运动数据和无效运动数据，通过预设筛选算法对第一运动表现数据进行筛选，将其中的无效运动数据滤除，只保留有效运动数据，基于第一用户的有效运动数据和音频元素信息训练更新第一匹配模型，以得到第二匹配模型，形成了一个不断反馈运动表现数据并训练更新模型的过程，能够进一步提高待处理音频与运动数据的匹配，得到的第二匹配模型一方面生成与待处理音频匹配的运动数据，另一方面用于输出训练课程对应的修正参数，根据第二匹配模型输出的修正参数，可知悉第一用户在音乐的具体位置的动作幅度、音乐和动作是否和拍，课程难度等级是否匹配等信息，预设匹配度公式中的影响因子包括训练课程的难易程度，其他用户在同样音乐的同一个位置的表现，以及音乐的某个位置对应的标准动作。基于第二匹配模型输出的修正参数，修正预设匹配度公式中的的难度等级、音乐的某个位置对应的标准动作等影响因子，例如：第一用户的实际表现与训练课程严重不匹配，预设匹配度公式中的难度等级预设为简单，就可以根据修正参数来校正预设匹配度公式中的难度等级，结合第一用户对应音乐完成的具体动作，校正在音乐的某个位置对应的标准动作，使得采用预设匹配度公式对第一用户进行完成度评分时，更能反映第一用户的实际表现与训练课程之间的符合度，使对第一用户的评分更加准确；同时利用第二模型输出的修正参数，修正待处理音频的音乐分析信息，音乐分析信息包括关键点位置信息、高潮起止信息以及段落分析信息中的至少一种，第一用户输入的待处理音频预设了高潮起止信息、关键点位置信息或段落分析信息中的至少一种，根据第一用户实际的反馈，修正待处理音频中预设的高潮起止信息、关键点位置信息或段落分析信息，例如：第一用户在某个节奏中的实际运动幅度为高频率，则这个节奏可以被认定为音乐的高潮起止位置或者关键点位置，根据实际的高潮起止位置或关键点位置，去修正待处理音频中预设的高潮起止信息或关键点位置信息，同理，结合第一用户在一段节奏中的运动幅度，去修正待处理音频中预设的段落分析信息。通过修正待处理音频的音乐分析信息，使对待处理音频的分析认定更加准确，最后对修正后的数据进行存储，便于后续对数据的访问和检索，通过第二匹配模型输出的修正参数，修正预设匹配度公式以及修正待处理音频的音乐分析信息，使采用预设匹配度公式对第一用户进行完成度评分更加准确，能够进一步满足第一用户丰富的个性化训练需求，提高第一用户对所生成的训练课程的满意度，以便进一步满足用户需求。

图9所示为本发明再一示例性实施例提供的辅助训练的方法的流程示意图。在本发明图2所示实施例的基础上延伸出本发明图9所示实施例，下面着重叙述图9所示实施例与图2所示实施例的不同之处，相同之处不再赘述。

如图9所示，在本发明实施例提供的辅助训练的方法中，在基于运动数据和待处理音频对应的时序信息，生成待处理音频对应的训练课程之后，包括如下步骤。

步骤S810，将第一用户确定的分享信息发送至对应的第二用户的用户终端。

示例性地，将第一用户确定的分享信息发送至对应的第二用户的用户终端，可以通过服务器建立能够呈现第一用户和第二用户的竞赛信息的虚拟房间，该虚拟房间可以在第一用户和第二用户的用户终端的显示屏幕上显示。应当理解，对战虚拟房间的房主为第一用户。

示例性地，第一用户确定的分享信息包括竞赛邀请信息和/或陪伴邀请信息。

优选地，第二用户亦为欲进行训练的用户，对应地，将分享信息发送至对应的第二用户的用户终端。

步骤S820，接收到第二用户的确认接受分享信息后，将训练课程发送至第二用户的用户终端。

在实际应用过程中，首先基于待处理音频对应的音频元素信息生成与待处理音频匹配的运动数据，其中，待处理音频为第一用户确定的，基于运动数据和待处理音频对应的时序信息，生成待处理音频对应的训练课程。然后创建对战虚拟房间，获取第一用户的分享信息，并将第一用户确定的分享信息发送至对应的第二用户的用户终端，继而接收到第二用户的确认接受分享信息后，将训练课程发送至第二用户的用户终端。

本发明实施例提供的辅助训练的方法，能够进一步满足第一用户丰富的个性化训练需求，满足第一用户在训练的同时进行社交的目的，通过趣味化的分享和互动机制，解决了用户参与度的问题，进而进一步提高用户体验好感度。

图10所示为本发明再一示例性实施例提供的辅助训练的方法的流程示意图。在本发明图9所示实施例的基础上延伸出本发明图10所示实施例，下面着重叙述图10所示实施例与图9所示实施例的不同之处，相同之处不再赘述。

如图10所示，在本发明实施例提供的辅助训练的方法中，在接收到第二用户的确认接受分享信息后，将训练课程发送至第二用户的用户终端之后，还包括如下步骤。

步骤S910，分别记录第一用户的第一运动表现数据和第二用户的第二运动表现数据。

示例性地，第一运动表现数据用于表征第一用户的实际运动情况，第二运动表现数据用于表征第二用户的实际运动情况。

步骤S920，将第一运动表现数据和第二运动表现数据与训练课程进行匹配，根据预设匹配度公式对第一运动表现数据和第二运动表现数据进行评分，以得到评分信息。

示例性地，预设匹配度＝影响因子*用户数据/预设数据*100％。其中，用户数据表示第一运动表现数据或第二运动表现数据，预设数据为生成的待处理音频对应的训练课程，影响因子包括训练课程的难易程度，其他用户在同样音乐的位置的表现，以及音乐的某个位置对应的标准动作。

应当理解，匹配度公式就是多个维度数据的加权和，然后将加权和进行百分比的归一，根据匹配度公式，比较第一用户的第一运动表现数据与训练课程之间的匹配度，比较第二用户的第二运动表现数据与训练课程之间的匹配度，以此对第一用户和第二用户的完成度进行评分。

应当理解，根据预设匹配度公式，将第一运动表现数据和第二运动表现数据与训练课程进行匹配，例如：训练课程中规定在音乐的某个位置对应高强度的踏频，而第一用户在音乐的该位置处实际运动为低强度踏频，第二用户在音乐的该位置处实际运动为中强度踏频，则第二用户的实际运动表现更符合训练课程，第二用户的评分会高于第一用户，通过对第一用户和第二用户的表现进行评分，得到评分信息，可将评分信息累计计入排行榜。

步骤S930，基于评分信息进行用户参与度评比操作。

应当理解，基于第一用户和第二用户评分信息对用户参与度进行评比，同时也可以将计入排行榜中的评分信息作为用户参与度评比操作的参考，第一用户和第二用户可查看排行榜或者实时的评分数据，通过与自己或其他用户进行比较，了解参与训练的情况。

在本发明一实施例中，借助用户终端，将评比信息以图形用户界面(GraphicalUser Interface，GUI)的形式进行可视化展示。其中，用户终端可以设置在单车上，并通过蓝牙从设置在单车上的传感器获取运动表现数据，图形用户界面包括文字、图表、动画以及音效等一种或多种的组合呈现内容。

在实际应用过程中，首先基于待处理音频对应的音频元素信息生成与待处理音频匹配的运动数据，其中，待处理音频为第一用户确定的，基于运动数据和待处理音频对应的时序信息，生成待处理音频对应的训练课程，然后创建对战虚拟房间，获取第一用户的分享信息，并将第一用户确定的分享信息发送至对应的第二用户的用户终端，继而接收到第二用户的确认接受分享信息后，将训练课程发送至第二用户的用户终端，最后在对战过程中，将第一运动表现数据和第二运动表现数据与训练课程进行匹配，根据预设匹配度公式对第一运动表现数据和第二运动表现数据进行评分，以得到评分信息，基于评分信息进行用户参与度评比操作，同时也可以将计入排行榜中的评分信息作为用户参与度评比操作的参考，第一用户和第二用户可查看排行榜或者实时的评分数据，通过与自己或其他用户进行比较，了解参与训练的情况，最后可借助用户终端，将评比信息以图形用户界面的形式进行可视化展示。

本发明实施例提供的辅助训练的方法，通过趣味化的分享和互动机制，解决了用户参与度的问题，同时进一步提升训练的趣味性，进而进一步提高用户体验好感度。

图11所示为本发明再一示例性实施例提供的辅助训练的方法的流程示意图。在本发明图2所示实施例的基础上延伸出本发明图11所示实施例，下面着重叙述图11所示实施例与图2所示实施例的不同之处，相同之处不再赘述。

如图11所示，在本发明实施例提供的辅助训练的方法中，在基于待处理音频对应的音频元素信息生成与待处理音频匹配的运动数据之前，进一步包括如下步骤。

步骤S1010，将待处理音频输入至音频拆分模型，以生成音频元素信息。

示例性地，待处理音频指的是与第一用户输入或上传的待处理音频。

示例性地，音频拆分模型为基于深度学习的神经网络模型，比如包括卷积层等结构的卷积神经网络模型。

在本发明一实施例中，音频元素信息包括节奏信息、节拍信息和能量信息中的至少一种。

图12所示为本发明再一示例性实施例提供的辅助训练的方法的流程示意图。在本发明图11所示实施例的基础上延伸出本发明图12所示实施例，下面着重叙述图12所示实施例与图11所示实施例的不同之处，相同之处不再赘述。

如图12所示，在本发明实施例提供的辅助训练的方法中，在将待处理音频输入至音频拆分模型，以生成音频元素信息之前，进一步包括如下步骤。

步骤S1110，确定音频样本以及音频样本对应的音频元素信息。

应当理解，步骤S1110中提及的音频样本与上述实施例提及的待处理音频对应。比如，音频样本和待处理音频均为完整歌曲对应的音频。

步骤S1120，建立初始网络模型，并基于音频样本和音频样本对应的音频元素信息训练初始网络模型，以生成音频拆分模型，其中，音频拆分模型用于基于待处理音频生成待处理音频对应的音频元素信息。

步骤S1120中提及的音频拆分模型用于基于待处理音频生成待处理音频对应的音频元素信息。

本发明实施例提供的网络模型的训练方法，通过确定音频样本以及音频样本对应的音频元素信息，建立初始网络模型，并基于音频样本和音频样本对应的音频元素信息训练初始网络模型，以生成音频拆分模型，其中，音频拆分模型用于基于待处理音频生成待处理音频对应的音频元素信息，实现了训练生成音频拆分模型的目的。

示例性装置

图13所示为本发明一示例性实施例提供的辅助训练的装置的结构示意图。如图13所示，本发明实施例提供的辅助训练的装置包括：

第一生成模块1210，用于基于待处理音频对应的音频元素信息生成与待处理音频匹配的运动数据，其中，待处理音频为第一用户确定的；

第二生成模块1220，用于基于运动数据和待处理音频对应的时序信息，生成待处理音频对应的训练课程。

图14所示为本发明一示例性实施例提供的第二生成模块的结构示意图。在本发明图13所示实施例的基础上延伸出本发明图14所示实施例，下面着重叙述图14所示实施例与图13所示实施例的不同之处，相同之处不再赘述。

如图14所示，在本发明实施例提供的辅助训练的装置中，第二生成模块1220包括：

第一运动数据生成单元1221，用于利用预设模板在预设动作库中选择与待处理音频匹配的运动数据，其中，预设动作库包括多个运动动作以及与运动动作预先关联的基础音频元素。

如图13所示，在本发明实施例提供的辅助训练的装置中，第二生成模块1220还包括：

第二运动数据生成单元1222，用于将音频元素信息输入第一匹配模型，以生成与待处理音频匹配的运动数据。

图15所示为本发明另一示例性实施例提供的辅助训练的装置的结构示意图。在本发明图13所示实施例的基础上延伸出本发明图15所示实施例，下面着重叙述图15所示实施例与图13所示实施例的不同之处，相同之处不再赘述。

如图15所示，本发明实施例提供的辅助训练的装置还包括：

第一运动表现数据确定单元1410，用于确定第一用户的第一运动表现数据；

训练更新模型单元1420，用于基于第一运动表现数据和音频元素信息训练更新第一匹配模型，以得到第二匹配模型，其中，第二匹配模型用于输出训练课程对应的修正参数，并生成与待处理音频匹配的运动数据。

图16所示为本发明又一示例性实施例提供的辅助训练的装置的结构示意图。在本发明图15所示实施例的基础上延伸出本发明图16所示实施例，下面着重叙述图16所示实施例与图15所示实施例的不同之处，相同之处不再赘述。

如图16所示，在本发明实施例提供的辅助训练的装置还包括：

筛选数据模块1510，用于根据预设筛选算法对第一运动表现数据进行筛选，以得到有效运动数据。

其中，训练更新模型单元1420包括：有效数据更新模型子单元1520，用于基于有效运动数据和音频元素信息训练更新第一匹配模型，以得到第二匹配模型。

图17所示为本发明再一示例性实施例提供的辅助训练的装置的结构示意图。在本发明图15所示实施例的基础上延伸出本发明图17所示实施例，下面着重叙述图17所示实施例与图15所示实施例的不同之处，相同之处不再赘述。

如图17所示，在本发明实施例提供的辅助训练的装置还包括：

修正单元1610，用于基于第二匹配模型输出的修正参数，修正预设匹配度公式以及修正待处理音频的音乐分析信息，其中，预设匹配度公式用于对第一用户进行完成度评分，音乐分析包括关键点位置信息、高潮起止信息以及段落分析信息中的至少一种。

图18所示为本发明再一示例性实施例提供的辅助训练的装置的结构示意图。在本发明图13所示实施例的基础上延伸出本发明图18所示实施例，下面着重叙述图18所示实施例与图13所示实施例的不同之处，相同之处不再赘述。

如图18所示，在本发明实施例提供的辅助训练的装置还包括：

发送分享信息模块1710，用于将第一用户确定的分享信息发送至对应的第二用户的用户终端；

接受信息并发送训练课程模块1720，用于接收到第二用户的确认接受分享信息后，将训练课程发送至第二用户的用户终端。

图19所示为本发明再一示例性实施例提供的辅助训练的装置的结构示意图。在本发明图13所示实施例的基础上延伸出本发明图19所示实施例，下面着重叙述图19所示实施例与图13所示实施例的不同之处，相同之处不再赘述。

如图19所示，本发明实施例提供的辅助训练的装置还包括：

记录模块1810，用于分别记录第一用户的第一运动表现数据和第二用户的第二运动表现数据；

评分模块1820，用于将第一运动表现数据和第二运动表现数据与训练课程进行匹配，根据预设匹配度公式对第一运动表现数据和第二运动表现数据进行评分，以得到评分信息；

用户参与度评比模块1830，基于评分信息进行用户参与度评比操作。

图20所示为本发明再一示例性实施例提供的辅助训练的装置的结构示意图。在本发明图13所示实施例的基础上延伸出本发明图20所示实施例，下面着重叙述图20所示实施例与图13所示实施例的不同之处，相同之处不再赘述。

如图20所示，在本发明实施例提供的辅助训练的装置中还包括：

音频元素信息生成模块1910，用于将待处理音频输入至音频拆分模型，以生成音频元素信息。

图21所示为本发明再一示例性实施例提供的辅助训练的装置的结构示意图。在本发明图20所示实施例的基础上延伸出本发明图21所示实施例，下面着重叙述图21所示实施例与图20所示实施例的不同之处，相同之处不再赘述。

如图21所示，在本发明实施例提供的辅助训练的装置中还包括：

确定音频样本和音频元素信息模块2010，用于确定音频样本以及所述音频样本对应的音频元素信息；

建立初始网络模型模块2020，用于建立初始网络模型，并基于音频样本和音频样本对应的音频元素信息训练初始网络模型，以生成音频拆分模型，其中，音频拆分模型用于基于所述待处理音频生成待处理音频对应的音频元素信息。

示例性电子设备

下面，参考图22来描述根据本发明实施例的电子设备。图22所示为本发明一示例性实施例提供的电子设备的结构示意图。

如图22所示，电子设备2100包括一个或多个处理器2101和存储器2102。

处理器2101可以是中央处理单元(CPU)或者具有数据处理能力和/或指令执行能力的其他形式的处理单元，并且可以控制电子设备2100中的其他组件以执行期望的功能。

存储器2102可以包括一个或多个计算机程序产品，所述计算机程序产品可以包括各种形式的计算机可读存储介质，例如易失性存储器和/或非易失性存储器。所述易失性存储器例如可以包括随机存取存储器(RAM)和/或高速缓冲存储器(cache)等。所述非易失性存储器例如可以包括只读存储器(ROM)、硬盘、闪存等。在所述计算机可读存储介质上可以存储一个或多个计算机程序指令，处理器2101可以运行所述程序指令，以实现上文所述的本发明的各个实施例的辅助训练的方法以及/或者其他期望的功能。在所述计算机可读存储介质中还可以存储诸如待处理音频等各种内容。

在一个示例中，电子设备2100还可以包括：输入装置2103和输出装置2104，这些组件通过总线系统和/或其他形式的连接机构(未示出)互连。

该输入装置2103可以包括例如键盘、鼠标等等。

该输出装置2104可以向外部输出各种信息，包括确定出的运动数据等。该输出装置2104可以包括例如显示器、通信网络及其所连接的远程输出设备等等。

当然，为了简化，图22中仅示出了该电子设备2100中与本发明有关的组件中的一些，省略了诸如总线、输入/输出接口等等的组件。除此之外，根据具体应用情况，电子设备2100还可以包括任何其他适当的组件。

示例性计算机程序产品和计算机可读存储介质

除了上述方法和设备以外，本发明的实施例还可以是计算机程序产品，其包括计算机程序指令，所述计算机程序指令在被处理器运行时使得所述处理器执行本说明书上述“示例性方法”部分中描述的根据本发明各种实施例的辅助训练的方法中的步骤。

所述计算机程序产品可以以一种或多种程序设计语言的任意组合来编写用于执行本发明实施例操作的程序代码，所述程序设计语言包括面向对象的程序设计语言，诸如Java、C++等，还包括常规的过程式程序设计语言，诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。

此外，本发明的实施例还可以是计算机可读存储介质，其上存储有计算机程序指令，所述计算机程序指令在被处理器运行时使得所述处理器执行本说明书上述“示例性方法”部分中描述的根据本发明各种实施例的辅助训练的方法中的步骤。

所述计算机可读存储介质可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以包括但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。

以上结合具体实施例描述了本发明的基本原理，但是，需要指出的是，在本发明中提及的优点、优势、效果等仅是示例而非限制，不能认为这些优点、优势、效果等是本发明的各个实施例必须具备的。另外，上述公开的具体细节仅是为了示例的作用和便于理解的作用，而非限制，上述细节并不限制本发明为必须采用上述具体的细节来实现。

本发明中涉及的器件、装置、设备、系统的方框图仅作为例示性的例子并且不意图要求或暗示必须按照方框图示出的方式进行连接、布置、配置。如本领域技术人员将认识到的，可以按任意方式连接、布置、配置这些器件、装置、设备、系统。诸如“包括”、“包含”、“具有”等等的词语是开放性词汇，指“包括但不限于”，且可与其互换使用。这里所使用的词汇“或”和“和”指词汇“和/或”，且可与其互换使用，除非上下文明确指示不是如此。这里所使用的词汇“诸如”指词组“诸如但不限于”，且可与其互换使用。

还需要指出的是，在本发明的装置、设备和方法中，各部件或各步骤是可以分解和/或重新组合的。这些分解和/或重新组合应视为本发明的等效方案。

提供所公开的方面的以上描述以使本领域的任何技术人员能够做出或者使用本发明。对这些方面的各种修改对于本领域技术人员而言是非常显而易见的，并且在此定义的一般原理可以应用于其他方面而不脱离本发明的范围。因此，本发明不意图被限制到在此示出的方面，而是按照与在此发明的原理和新颖的特征一致的最宽范围。

为了例示和描述的目的已经给出了以上描述。此外，此描述不意图将本发明的实施例限制到在此发明的形式。尽管以上已经讨论了多个示例方面和实施例，但是本领域技术人员将认识到其某些变型、修改、改变、添加和子组合。

Claims (13)

1.一种辅助训练的方法，其特征在于，包括：

基于待处理音频对应的音频元素信息生成与所述待处理音频匹配的运动数据，其中，所述待处理音频为第一用户确定的，所述基于待处理音频对应的音频元素信息生成与所述待处理音频匹配的运动数据，包括：将所述音频元素信息输入第一匹配模型，以生成与所述待处理音频匹配的运动数据；

基于所述运动数据和所述待处理音频对应的时序信息，生成所述待处理音频对应的训练课程；

在所述基于所述运动数据和所述待处理音频对应的时序信息，生成所述待处理音频对应的训练课程之后，还包括：

确定所述第一用户的第一运动表现数据；

基于所述第一运动表现数据和所述音频元素信息训练更新所述第一匹配模型，以得到第二匹配模型，其中，所述第二匹配模型用于输出所述训练课程对应的修正参数，并生成与所述待处理音频匹配的运动数据。

2.根据权利要求1所述的辅助训练的方法，其特征在于，所述基于待处理音频对应的音频元素信息生成与所述待处理音频匹配的运动数据，包括：

利用预设模板在预设动作库中选择与所述待处理音频匹配的运动数据，其中，所述预设动作库包括多个运动动作以及与所述运动动作预先关联的基础音频元素。

3.根据权利要求1所述的辅助训练的方法，其特征在于，在所述确定所述第一用户的第一运动表现数据之后，还包括：

根据预设筛选算法对所述第一运动表现数据进行筛选，以得到有效运动数据；

其中，所述基于所述第一运动表现数据和所述音频元素信息训练更新所述第一匹配模型，以得到第二匹配模型，包括：

基于所述有效运动数据和所述音频元素信息训练更新所述第一匹配模型，以得到所述第二匹配模型。

4.根据权利要求1至3任一项所述的辅助训练的方法，其特征在于，在所述基于所述第一运动表现数据和所述音频元素信息训练更新所述第一匹配模型，以得到第二匹配模型之后，还包括：

基于所述第二匹配模型输出的所述修正参数，修正预设匹配度公式以及修正所述待处理音频的音乐分析信息，其中，所述预设匹配度公式用于对所述第一用户进行完成度评分，所述音乐分析信息包括关键点位置信息、高潮起止信息以及段落分析信息中的至少一种。

5.根据权利要求1至3任一项所述的辅助训练的方法，其特征在于，在所述基于所述运动数据和所述待处理音频对应的时序信息，生成所述待处理音频对应的训练课程之后，还包括：

将所述第一用户确定的分享信息发送至对应的第二用户的用户终端；

接收到所述第二用户的确认接受分享信息后，将所述训练课程发送至所述第二用户的用户终端。

6.根据权利要求5所述的辅助训练的方法，其特征在于，在所述接收到所述第二用户的确认接受分享信息后，将所述训练课程发送至所述第二用户的用户终端之后，还包括：

分别记录所述第一用户的第一运动表现数据和所述第二用户的第二运动表现数据；

将所述第一运动表现数据和所述第二运动表现数据与所述训练课程进行匹配，根据预设匹配度公式对所述第一运动表现数据和所述第二运动表现数据进行评分，以得到评分信息；

基于所述评分信息进行用户参与度评比操作。

7.根据权利要求1至3任一项所述的辅助训练的方法，其特征在于，所述音频元素信息包括风格信息、节奏信息、关键点信息和能量信息中的至少一种。

8.根据权利要求1至3任一项所述的辅助训练的方法，其特征在于，在所述基于待处理音频对应的音频元素信息生成与所述待处理音频匹配的运动数据之前，还包括：

将所述待处理音频输入至音频拆分模型，以生成所述音频元素信息。

9.根据权利要求8所述的辅助训练的方法，其特征在于，在所述将所述待处理音频输入至音频拆分模型，以生成所述音频元素信息之前，还包括：

确定音频样本以及所述音频样本对应的音频元素信息；

建立初始网络模型，并基于所述音频样本和所述音频样本对应的音频元素信息训练所述初始网络模型，以生成所述音频拆分模型，其中，所述音频拆分模型用于基于所述待处理音频生成所述待处理音频对应的音频元素信息。

10.一种辅助训练的装置，其特征在于，包括：

第一生成模块，用于基于待处理音频对应的音频元素信息生成与所述待处理音频匹配的运动数据，其中，所述待处理音频为第一用户确定的，所述基于待处理音频对应的音频元素信息生成与所述待处理音频匹配的运动数据，包括：将所述音频元素信息输入第一匹配模型，以生成与所述待处理音频匹配的运动数据；

第二生成模块，用于基于所述运动数据和所述待处理音频对应的时序信息，生成所述待处理音频对应的训练课程；

确定模块，用于确定所述第一用户的第一运动表现数据；

更新模块，用于基于所述第一运动表现数据和所述音频元素信息训练更新所述第一匹配模型，以得到第二匹配模型，其中，所述第二匹配模型用于输出所述训练课程对应的修正参数，并生成与所述待处理音频匹配的运动数据。

11.一种计算机可读存储介质，其特征在于，所述存储介质存储有计算机程序，所述计算机程序用于执行上述权利要求1至9任一项所述的辅助训练的方法。

12.一种电子设备，其特征在于，所述电子设备包括：

处理器；

用于存储所述处理器可执行指令的存储器；

所述处理器，用于执行上述权利要求1至9任一项所述的辅助训练的方法。

13.一种单车，其特征在于，装载有如上述权利要求10所述的辅助训练的装置。

Images