CN113018825A - 智能实时运动疲劳侦测系统、方法及装置 - Google Patents

智能实时运动疲劳侦测系统、方法及装置 Download PDF

Info

Publication number
CN113018825A
CN113018825A CN201911396869.1A CN201911396869A CN113018825A CN 113018825 A CN113018825 A CN 113018825A CN 201911396869 A CN201911396869 A CN 201911396869A CN 113018825 A CN113018825 A CN 113018825A
Authority
CN
China
Prior art keywords
fatigue
time
characteristic
parameters
threshold value
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Withdrawn
Application number
CN201911396869.1A
Other languages
English (en)
Inventor
卢彦年
许峻翔
李念亚
林渊翔
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Industrial Technology Research Institute ITRI
Original Assignee
Industrial Technology Research Institute ITRI
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Industrial Technology Research Institute ITRI filed Critical Industrial Technology Research Institute ITRI
Publication of CN113018825A publication Critical patent/CN113018825A/zh
Withdrawn legal-status Critical Current

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A63—SPORTS; GAMES; AMUSEMENTS
    • A63B—APPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
    • A63B71/00—Games or sports accessories not covered in groups A63B1/00 - A63B69/00
    • A63B71/06—Indicating or scoring devices for games or players, or for other sports activities
    • A63B71/0619—Displays, user interfaces and indicating devices, specially adapted for sport equipment, e.g. display mounted on treadmills
    • A63B71/0622—Visual, audio or audio-visual systems for entertaining, instructing or motivating the user
    • A—HUMAN NECESSITIES
    • A63—SPORTS; GAMES; AMUSEMENTS
    • A63B—APPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
    • A63B71/00—Games or sports accessories not covered in groups A63B1/00 - A63B69/00
    • A63B71/06—Indicating or scoring devices for games or players, or for other sports activities
    • A—HUMAN NECESSITIES
    • A63—SPORTS; GAMES; AMUSEMENTS
    • A63B—APPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
    • A63B71/00—Games or sports accessories not covered in groups A63B1/00 - A63B69/00
    • A63B71/06—Indicating or scoring devices for games or players, or for other sports activities
    • A63B71/0619—Displays, user interfaces and indicating devices, specially adapted for sport equipment, e.g. display mounted on treadmills
    • A—HUMAN NECESSITIES
    • A63—SPORTS; GAMES; AMUSEMENTS
    • A63B—APPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
    • A63B71/00—Games or sports accessories not covered in groups A63B1/00 - A63B69/00
    • A63B71/06—Indicating or scoring devices for games or players, or for other sports activities
    • A63B71/0619—Displays, user interfaces and indicating devices, specially adapted for sport equipment, e.g. display mounted on treadmills
    • A63B71/0622—Visual, audio or audio-visual systems for entertaining, instructing or motivating the user
    • A63B2071/0625—Emitting sound, noise or music
    • A63B2071/063—Spoken or verbal instructions
    • A—HUMAN NECESSITIES
    • A63—SPORTS; GAMES; AMUSEMENTS
    • A63B—APPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
    • A63B71/00—Games or sports accessories not covered in groups A63B1/00 - A63B69/00
    • A63B71/06—Indicating or scoring devices for games or players, or for other sports activities
    • A63B71/0619—Displays, user interfaces and indicating devices, specially adapted for sport equipment, e.g. display mounted on treadmills
    • A63B2071/0655—Tactile feedback
    • A—HUMAN NECESSITIES
    • A63—SPORTS; GAMES; AMUSEMENTS
    • A63B—APPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
    • A63B71/00—Games or sports accessories not covered in groups A63B1/00 - A63B69/00
    • A63B71/06—Indicating or scoring devices for games or players, or for other sports activities
    • A63B2071/0694—Visual indication, e.g. Indicia
    • A—HUMAN NECESSITIES
    • A63—SPORTS; GAMES; AMUSEMENTS
    • A63B—APPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
    • A63B2220/00—Measuring of physical parameters relating to sporting activity
    • A63B2220/30—Speed
    • A63B2220/34—Angular speed
    • A—HUMAN NECESSITIES
    • A63—SPORTS; GAMES; AMUSEMENTS
    • A63B—APPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
    • A63B2220/00—Measuring of physical parameters relating to sporting activity
    • A63B2220/40—Acceleration
    • A—HUMAN NECESSITIES
    • A63—SPORTS; GAMES; AMUSEMENTS
    • A63B—APPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
    • A63B2230/00—Measuring physiological parameters of the user
    • A63B2230/60—Measuring physiological parameters of the user muscle strain, i.e. measured on the user

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Physical Education & Sports Medicine (AREA)
  • Human Computer Interaction (AREA)
  • Multimedia (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)

Abstract

本发明提出一种智能实时运动疲劳侦测系统及方法、及智能实时运动疲劳侦测装置。智能实时运动疲劳侦测系统，包括：感测模块，侦测动作信息的六轴原始数据；处理模块，将六轴原始数据以带通滤波处理后进行切分以计算关于动作信息的多个参数；以及至少一控制模块，依据疲劳特征判断式执行疲劳辨识以判断上述参数之一是否超过阈值。若疲劳特征判断式的结果为超过阈值，则执行疲劳提醒与警示给使用者。

Description

智能实时运动疲劳侦测系统、方法及装置
技术领域
本发明涉及一种动作感测技术，特别涉及一种智能实时运动疲劳侦测系统及其方法、及智能实时运动疲劳侦测装置。
背景技术
近年来，健身运动风气逐渐盛行，而民众会利用空闲时间到健身房等运动场所进行训练。为了达到更好的训练效果，许多人常常在一组训练中作到力竭。然而，若身体已经过度疲劳却又勉强完成训练的最后一两下，很容易造成受伤。因此，如何判断身体过度疲劳并发出提示给使用者来避免受伤是本领域技术人员应致力的目标。
发明内容
针对现有技术的不足，本发明提出一种智能实时运动疲劳侦测系统及方法、及智能实时运动疲劳侦测装置，判断使用者身体过度疲劳并发出提示给使用者来避免受伤。
为了实现上述目的，本发明提出一种智能实时运动疲劳侦测装置，可设置于一健身器材上，其中，包括：
感测单元，侦测动作信息；
通信单元，将动作信息传输至外部装置；以及
控制单元，将由外部装置接收到的疲劳提醒与警示给使用者。
其中，疲劳提醒与警示为外部装置依据疲劳特征判断式执行疲劳辨识以判断动作信息的多个参数之一是否超过阈值得到。
为了更好地实现上述目的，本发明还提供了一种智能实时运动疲劳侦测系统，其中，包括：
感测模块，侦测动作信息的六轴原始数据；
处理模块，将六轴原始数据以带通滤波处理后进行切分以计算关于动作信息的多个参数；以及
至少一个控制模块，依据疲劳特征判断式执行疲劳辨识以判断上述参数之一是否超过阈值(threshold)，若疲劳特征判断式的结果为超过阈值，则发出疲劳提醒与警示给使用者。
为了更好地实现上述目的，本发明还提供了一种智能实时运动疲劳侦测方法，其中，包括如下步骤：
步骤一，以感测模块侦测动作信息；
步骤二，以处理模块将每个动作信息的六轴原始数据以带通滤波处理后进行切分以计算关于动作信息的多个参数；
步骤三，以至少一控制模块依据疲劳特征判断式执行疲劳辨识以判断上述参数之一是否超过阈值；以及
步骤四，若疲劳特征判断式的结果为超过阈值，则至少一控制模块发出疲劳提醒与警示给使用者。
附图说明
图1为根据本发明一实施例的智能实时运动疲劳侦测系统的方块图。
图2为根据本发明一实施例的智能实时运动疲劳侦测方法的流程图。
图3为根据本发明一实施例建立离线运动疲劳判断机制流程图。
图4为根据本发明一实施例的疲劳特征判断系统的示意图。
图5A～5B为根据本发明一实施例的加速度及角速度感测数据(IMU数据)的范例。
图6A～6C为根据本发明一实施例的肌电仪(EMG肌肉疲劳数据)中位频率及其回归预测曲线与惯性传感器(IMU数据)加速度振幅及加速度宽度的对照图。
图7A～7C为根据本发明一实施例的肌电仪(EMG肌肉疲劳数据)中位频率及其回归预测曲线与惯性传感器(IMU数据)角速度的对照图。
图8A～8C为根据本发明一实施例的惯性传感器(IMU数据)角速度及其对应的频域特征的示意图。
图9A～9B为根据本发明一实施例的肌电仪(EMG肌肉疲劳数据)中位频率及其回归预测曲线与惯性传感器(IMU数据)非主频区域面积的对照图。
图10A～10B为根据本发明一实施例的惯性传感器(IMU数据)陀螺仪预测轨迹与光球侦测的三轴轨迹的对照图。
附图标记
100：智能实时运动疲劳侦测系统
110：疲劳侦测装置
111：感测模块
112：控制模块
113：通信模块
120：外部装置
121：处理模块
122：显示模块
200：疲劳特征判断系统
S201～S208、S221～S227、S211～S217、S231～S233、S241～S245、S261～S263：智能实时运动疲劳侦测方法的步骤
t0、t1、t2：时间
CF：中位频率参考线
R：回归曲线
K、H：直线
610、630：主频区域
Y、Z：下数
620、640：非主频区域
A：面积门槛值
t3、t4：时间
c：秒
d：毫米
具体实施方式
为让本发明的上述特征和效果能阐述的更明确易懂，下文特举实施例，并配合说明书附图作详细说明如下。
参照图1，本发明一实施例的智能实时运动疲劳侦测系统100，其中，包括疲劳侦测装置110(或称为智能实时运动疲劳侦测装置)和外部装置120。该疲劳侦测装置110与该外部装置120通过各自的通信单元(例如，蓝牙通讯模块或其他类似元件)彼此沟通。疲劳侦测装置110例如是可拆卸式装置并可拆卸地设置于运动器材上，或是直接内嵌于运动器材中，用以侦测使用者在运动时的动作信息。运动器材例如是哑铃、杠铃、壶铃或是其他任何种类的自由重量运动器材或机械式运动器材。外部装置120例如是智能型手机、平板计算机、个人计算机、服务器等电子装置。该疲劳侦测装置110包括感测模块111、控制模块112和通信模块113。其中，该感测模块111包括惯性传感器，该惯性传感器至少包含三轴加速度计(Accelerometer)和三轴陀螺仪(Gyroscope)，该感测模块111还可包括磁力仪(Magnetometer)、气压计(Barometer)等感测元件；该控制模块112例如是微处理器控制单元(Microprocessor Control Unit，MCU)或其他类似元件；该通信模块113例如是蓝牙模块或其他无线通信元件。该疲劳侦测装置110还可包括电源供应器(图中未示出)，以对感测模块111和控制模块112进行供电。外部装置120包括处理模块121和显示模块122。其中，该处理模块121例如是中央处理器(Central Processing Unit，CPU)或其他类似元件；该显示模块122例如是计算机软件、行动应用程序(APP)等软件程序。
当使用者利用运动器材进行运动时，感测模块111可侦测使用者的动作信息(例如，向心动作信息及离心动作信息)的六轴原始数据，并将六轴原始数据传送到处理模块121进行分析。处理模块121可将六轴原始数据以带通滤波处理后进行切分以计算关于动作信息的多个参数，且控制模块112依据疲劳特征判断式执行疲劳辨识以判断多个参数中之一是否超过阈值(threshold)。多个参数可包括时域特征、频域特征及预测相对路径特征。若疲劳特征判断式的结果为超过阈值，则控制模块112及显示模块122执行疲劳提醒与警示给使用者。若疲劳特征判断式的结果为未超过阈值，则感测模块111侦测下一个动作信息。举例来说，疲劳侦测装置110可通过显示器显示文字或图案或通过光源(例如，LED)发出光线、通过震动马达产生特定形式的震动、或通过扬声器发出特定声响来提醒使用者已经过于疲劳。值得注意的是，多个动作信息的参数所对应的阈值建立，系经过肌电仪(EMG)中位频率对照(将于下文中详细说明)。使用者的训练动作可包括二头肌弯举、三头肌伸展、单臂划船、双臂划船、杠铃深蹲、杠铃卧推、硬举等训练动作。
图2为根据本发明一实施例的智能实时运动疲劳侦测方法的流程图。在进行实时运动疲劳侦测之前，疲劳特征判断系统200需先被建立。
请同时参照图1及图2。首先，当使用者正在进行运动时，疲劳侦测装置110的感测模块111可获得六轴原始数据(S211)。同时，通信模块113将获得的信息传递至外部装置120，外部装置120的处理模块121可先对六轴原始数据进行带通滤波(S212)操作，再接着进行波形图中的波峰/波谷判定(S213)。
值得注意的是，在波峰/波谷的判定中，疲劳侦测装置110已于离线设置时将经带通滤波的六轴原始数据(S231)同时与光球数据(S232)进行比对，并经由带通滤波(S233)来进行时间同步，以利波峰/波谷的判定。或者，时间同步之带通滤波(S233)参数可设定于外部装置120的处理模块121中。
接着，疲劳侦测装置110或外部装置120可根据波峰/波谷判定结果来切分每下动作的六轴原始数据(S214)，以获得该动作信息的复数个参数，来计算该运动之次数/时间(S215)。同时，疲劳侦测装置110的控制模块112或外部装置120的处理模块121将针对经切分后的六轴原始数据计算特征值(S216)并根据疲劳特征判断系统200所建立的疲劳特征判断式来判定是否疲劳(S217)。
若该疲劳特征判断式的结果为超过该阈值，则至少一控制模块112或外部装置的显示模块122发出一疲劳提醒与警示给使用者(S218)；若该疲劳特征判断式的结果为未超过该阈值，则继续进行训练，该感测模块111继续侦测下一个动作信息的六轴原始数据(S211)。
值得注意的是，疲劳侦测装置110的控制模块112或外部装置120的处理模块121，可依据离线建立的疲劳特征判断系统200执行一疲劳辨识以判断该些参数之一是否超过一阈值。疲劳特征判断系统200的细节将于图4详细说明。另外，本发明不对疲劳特征判断式的储存位置进行限制。
图3为根据本发明一实施例建立离线运动疲劳判断机制的流程图。
请同时参照图2，在进行如图2所示之实时运动疲劳侦测之前，疲劳特征判断系统200需预先被建立。
请参照图3，离线疲劳判断机制的建立包括侦测六轴原始数据(S221)并分析运动轴向(S222)，在分析运动轴向(S222)中可通过惯性传感器加速度振幅大小来判断。接着，处理模块121可依据比对光球数据(S223)来进行时间同步的辅助判断，对六轴原始数据进行带通滤波(S224)校正处理并切分每下动作(S225)以计算特征值(S226)，也就是计算对应每下动作的特征值。将特征值代入疲劳特征判断式之后，就可产生疲劳辨识(S227)的结果。
其中，切分每下动作(S225)后可将经切分后的每下动作之六轴原始数据输入疲劳判断系统200以计算特征值(S226)，借以建立疲劳特征判断式。
图4为根据本发明一实施例的疲劳特征判断系统的示意图。如图4所示，疲劳特征判断系统200可针对经切分后的六轴数据(S201)计算时域特征(S202)，并根据时域特征来建立疲劳特征判断式(S207)。
在一实施例中，疲劳特征判断系统200可针对经切分后的六轴原始数据(S201)进行快速傅立叶转换(S203)并针对转换后的数据计算频率特征(S204)，再根据频域特征来建立疲劳特征判断式(S207)。
在一实施例中，疲劳特征判断系统200可针对经切分后的六轴原始数据(S201)进行角速度/加速度积分(S205)预测相对路径特征并针对积分后结果来预测相对路径(S206)，再根据预测相对路径的结果来建立疲劳特征判断式(S207)。
在疲劳特征判断系统200中，还可同时通过光球数据(未图示)来进行预测相对路径特征(S206)的操作。
在建立疲劳特征判断式的过程中，会比对EMG肌肉疲劳数据(S208)。具体来说，由于通过EMG的中位频率来判断肌肉疲劳是相对准确的，因此处理模块121可建立各种不同的疲劳状态下EMG数据与惯性感测数据的对应关系，如此一来就可更准确地通过实时的惯性感测数据来判断肌肉疲劳。
请再参照图2，以及在同时参考图4，值得注意的是，在图2中计算特征值(S216)时也会执行图4中S201～S206的步骤，但不会执行比对EMG肌肉疲劳数据(S208)，而是依据已建立的疲劳特征判断式(S207)执行疲劳判断(S217)。
以下说明关于疲劳特征判断式中作为疲劳判断的阈值及疲劳判断方式。
[根据时域特征判断阈值]
图5A～5B为根据本发明一实施例的加速度及角速度感测数据(IMU数据)的范例。
在一实施例中，本发明的阈值可定义为当完成一下动作与特定数据相比的时间开始增加的次数；其中，特定数据可为第一笔动作数据(即，第一下动作)、特定笔动作数据、多笔动作数据平均值或特定阈值。举例来说，如图5A在切分每下动作之六轴原始数据中，当单一动作的完成时间(例如，t1、t2)与特定数据值相比的完成时间(例如，t0)久，则判断肌肉疲劳，如图5B。
在一实施例中，本发明的阈值可定义为当完成一下动作与特定数据相比的时间连续或累计增加的次数。举例来说，当一组的运动中连续8下动作的完成时间都超出前述定义的阈值，则判断肌肉疲劳。
举例来说，当完成第8下动作时，在第1下动作到第8下动作之间已有累计3次动作的完成时间超出前述定义的阈值，则判断肌肉疲劳。
图6A～6C为根据本发明一实施例的肌电图(EMG肌肉疲劳数据)中位频率及回归预测曲线与惯性传感器(IMU数据)加速度振幅及加速度宽度的对照及范例。
请参照图6A，图6A(上)显示了肌电图(EMG)中位频率参考线CF及其回归预测曲线R。由整体EMG中位频率(Hz)图可得知，肌力在运动的过程中是不断的消耗的，因此可设定一门槛值来判断肌肉疲劳。
请参照图6A，图6A(中)显示了惯性传感器加速度振幅与运动下数(repetition,rep.)的关系图；其中，加速度振幅为IMU加速度计数据。加速度振幅为运动的功率的参数之一，当振幅下降表示肌力开始下降。
如图6A(下)，在一实施例中，本发明的阈值可定义为当完成一下动作与特定数据相比的振幅持续或累计下降的次数；其中，特定数据可为特定阈值(直线H)。举例来说，当第5下动作的振幅(编号2)比第1-2下动作的平均振幅(即为特定阈值，直线H)小且当第6下动作的振幅(编号3)也比第1-2下动作的平均振幅小(即连续下降2次)，则判断肌肉疲劳。
举例来说，当执行到第6下动作的振幅(编号3)比第1-2下动作的平均振幅(直线H)小时且此状况已出现2次(编号1-2)时(即累计下降3次)，则判断肌肉疲劳。
在一实施例中，本发明的阈值可定义为当完成一下动作与特定数据相比的振幅持续下降后突然上升时，之后持续下降的次数。举例来说，当第3下动作的振幅与第1下动作相比持续下降，第4下动作的振幅突然上升，但第5-6下动作的振幅大幅下降(即，之后持续下降2次)，则判断肌肉疲劳。使用者可能是在第3下动作感到疲劳但奋力完成第4下动作，导致后续动作已经完全无力完成。
请参照图6B，图6B(上)显示了肌电图(EMG)中位频率参考线CF及其回归预测曲线R。由整体EMG中位频率图可得知，肌力在运动的过程中是不断的消耗的，因此可设定一门槛值来判断肌肉疲劳。
请参照图6B，图6B(中)显示了惯性传感器加速度宽度与运动下数的关系图。加速度宽度为完成一下动作的数据笔数，等同于完成一下动作的时间区间；其中，时间区间IMU加速度计数据。当时间区间开始增加表示肌力开始下降。
如图6B(下)，在一实施例中，当完成一下动作与特定数据相比的时间连续增加或累计增加预定次数，可判断肌肉疲劳；其中，特定数据可为特定阈值(直线K)。举例来说，当第5下动作的时间区间(编号2)与第6下动作的时间区间(编号3)都比前一下动作的时间区间要来得增加(即连续增加2次)，则判断肌肉疲劳。
举例来说，当执行到第6下动作的时间区间(编号3)时，前面动作的时间区间已累计3次增加(编号1、2、3)，即第2下动作的时间区间比第1下动作的时间区间长、第5下动作的时间区间比第4下动作的时间区间长、且第6下动作的时间区间比第5下动作的时间区间长，则判断肌肉疲劳。
请参照图6C，图6C(上)显示了肌电图(EMG)中位频率参考线CF及其回归预测曲线R。由整体EMG中位频率图可得知，肌力在运动的过程中是不断的消耗的，因此可设定一门槛值来判断肌肉疲劳。
如图6C(中)，在一实施例中，当完成一下动作与特定数据相比的「时间区间倒数与振幅相乘」连续或累计下降的次数。举例来说，当第5下动作的「时间区间倒数与振幅相乘」(编号1)与第6下动作的「时间区间倒数与振幅相乘」(编号2)比前一下动作的「时间区间倒数与振幅相乘」要来得低(即连续下降2次)，则判断肌肉疲劳。
举例来说，当执行到第8下动作的时间区间(编号3)时，前面动作的「时间区间倒数与振幅相乘」已累计3次下降(编号1、2、3)，则判断肌肉疲劳。
如图6C(下)，为「时间区间与振幅倒数相乘」亦可通过与当完成一下动作与特定数据相比的「时间区间与振幅倒数相乘」连续或累计增加的次数，来判断肌肉疲劳。举例来说，当第5下动作的「时间区间与振幅倒数相乘」(编号1)与第6下动作的「时间区间与振幅倒数相乘」(编号2)比前一下动作的「时间区间倒数与振幅相乘」要来得大(即连续上升2次)，则判断肌肉疲劳。
举例来说，当执行到第8下动作的时间区间(编号3)时，前面动作的「时间区间与振幅倒数相乘」已累计3次上升(编号1、2、3)，则判断肌肉疲劳。
图7A～7C为根据本发明一实施例的肌电仪(EMG肌肉疲劳数据)中位频率及其回归预测曲线与惯性传感器(IMU数据)角速度的对照图。
请参照图7C，第4-11下离心动作角速度比先前的离心动作角速度大(即离心编号1到8的负值较多)，且第8-11下向心动作角速度比前一个向心动作向心角速度的最大值小(即向心编号1到4的向心角速度正值较小)，可代表使用者抵抗重力的能量变小了。上述状况都可作为肌肉疲劳的判断依据。
因此，在一实施例中，本发明的阈值可定义为当完成一下动作的向心角速度下降(相较于向心角速度最大值)的次数。
在一实施例中，本发明的阈值可定义为当完成一下动作的离心角速度上升(即离心角速度负值变多)的次数。
在另一实施例中，本发明的阈值可定义为当完成一下动作的向心角速度下降的次数与当完成一下动作的离心角速度上升的次数的组合，例如完成一下动作的向心角速度下降m次且完成一下动作的离心角速度上升n次。
[根据频域特征判断阈值]
图8A～8C为根据本发明一实施例的惯性传感器(IMU数据)角速度及其对应的频域特征的示意图。
请参照图8A～8C，由不同下动作的角速度所转换的频率特征可包括主频区域及非主频区域。例如，由图8A中第Y下动作的角速度所转换的频域特征可包括图8B中的主频区域610及非主频区域620，且由图8A中第Z下动作的角速度所转换的频域特征可包括图8C中的主频区域630及非主频区域640。当非主频区域640的面积大于非主频区域620的面积时，代表非主频区域640对应的第Z下动作的肌肉疲劳度大于非主频区域620对应的第Y下动作的肌肉疲劳度。非主频区域640的积分面积增加可代表了使用者整体施力流畅性变差。
因此，在一实施例中，本发明的阈值可定义为当非主频区域的积分面积增加的次数。
图9A～9B为根据本发明一实施例的肌电仪(EMG肌肉疲劳数据)中位频率及其回归曲线与惯性传感器(IMU数据)非主频区域面积的对照图。
在图9A的实施例中，图9A的中位频率在第5下降到低点，同时对应了图9B的非主频区域的面积在第五下附近超过面积门槛值A。
因此，在一实施例中，本发明的阈值可定义为当非主频区域的积分面积增加至第一阈值(即，面积门槛值A)。
在另一实施例中，本发明的疲劳侦测方法也可在非主频区域的积分面积增加m次且非主频区域的积分面积增加至第一阈值时判断肌肉疲劳。
在图9A～9B的实施例中，可以藉由观察切分每下六轴原始数据，发现疲劳时可能会出现施力的流畅性变差，其他肌群代偿等表征。
[根据预测相对路径特征判断阈值]
图10A～10B为根据本发明一实施例的惯性传感器(IMU数据)陀螺仪预测轨迹与光球侦测的三轴轨迹的对照图。
图10A为惯性传感器(IMU数据)陀螺仪预测轨迹。在二头弯举的例子中，通过陀螺仪可判断运动移动的角度，因此假设关节固定并给予手前臂长度及起始角度数据，即可换算成预测轨迹。图10B为光球侦测的三轴轨迹中的运动轴向位置(mm)，即为Z轴轨迹。
在一实施例中，疲劳特征判断式中作为该疲劳判断的该阈值包括当完成一下向心动作的时间开始增加的次数、当向心动作的斜率开始下降的次数、向心运动在单位时间内移动的一距离的其中之一或组合。举例来说，当完成一下向心动作的时间t4比完成前一下向心动作的时间t3多，或完成一下向心动作的斜率比完成前一下向心动作的斜率小，或向心运动在c秒内移动d毫米(也就是由于其他肌肉代偿而偏离原本向心运动应有的轨迹)以上，都可以判断肌肉疲劳。因此，在一实施例中，本发明的阈值可定义为当完成一下向心动作的时间开始增加的次数。在一实施例中，本发明的阈值可定义为当向心动作的斜率开始下降的次数。在一实施例中，本发明的阈值可定义为向心运动在单位时间内移动的距离。在另一实施例中，本发明的疲劳侦测方法也可在向心动作的斜率开始下降m次、向心动作的斜率开始下降n次、向心运动在单位时间内移动距离d，上述条件中至少两个条件同时成立时判断肌肉疲劳。
在图10A～10B的实施例中，可以藉由观察切分每下预测轨迹数据，发现疲劳时可能会出现：单一动作的完成时间拉长、向心运动移动速度渐变或产生奋力完成一下等表征。
综上所述，本发明的智能实时运动疲劳侦测系统及方法、及智能实时运动疲劳侦测装置会由感测模块侦测使用者运动时的动作信息，并由处理模块将动作信息进行切分以计算每一动作信息的参数。若控制模块依据疲劳特征判断式判断动作信息的参数超过阈值则将疲劳信息通过显示、震动或声音来回馈给使用者，以避免使用者在过度疲劳时继续运动而造成受伤。
当然，本发明还可有其它多种实施例，在不背离本发明精神及其实质的情况下，熟悉本领域的技术人员当可根据本发明作出各种相应的改变和变形，但这些相应的改变和变形都应属于本发明所附的权利要求的保护范围。

Claims (24)

1.一种智能实时运动疲劳侦测系统，其特征在于，包括：
一感测模块，侦测一动作信息的一六轴原始数据；
一处理模块，将该六轴原始数据以带通滤波处理后进行切分以计算关于该动作信息的多个参数；以及
至少一控制模块，依据一疲劳特征判断式执行一疲劳辨识以判断该多个参数之一是否超过一阈值；
若该疲劳特征判断式的结果为超过该阈值，则该至少一控制模块发出一疲劳提醒与警示给使用者。
2.如权利要求1所述的智能实时运动疲劳侦测系统，其特征在于，该动作信息至少包括一向心动作信息及一离心动作信息。
3.如权利要求1所述的智能实时运动疲劳侦测系统，其特征在于，该多个参数之一为一时域特征。
4.如权利要求1所述智能实时运动疲劳侦测系统，其特征在于，该多个参数之一为一频域特征；
该频域特征为该处理模块将经切分后的该六轴原始数据进行快速傅立叶转换而得。
5.如权利要求1所述的智能实时运动疲劳侦测系统，其特征在于，该多个参数之一为一预测相对路径特征；
该预测相对路径特征为该处理模块将经切分后的该六轴原始数据藉由角速度或角加速度积分而得。
6.如权利要求1所述的智能实时运动疲劳侦测系统，其特征在于，该处理模块比对该多个参数与该疲劳特征判断式的该阈值以执行该疲劳辨识，其中该疲劳特征判断式为离线时建立。
7.如权利要求3所述的智能实时运动疲劳侦测系统，其特征在于，关于疲劳特征判断式中作为该疲劳判断的该阈值包括当完成一下动作与特定数据相比的时间开始增加的次数、当完成一下动作与特定数据相比的时间累计增加的次数、当完成一下动作与特定数据相比的振幅持续下降的次数、当完成一下动作与特定数据相比的振幅持续下降后突然上升时，之后持续下降的次数。
8.如权利要求3所述的智能实时运动疲劳侦测系统，其特征在于，关于疲劳特征判断式中作为该疲劳判断的该阈值包括当完成一下动作的向心角速度下降的次数、当完成一下动作的离心角速度上升的次数的其中之一或组合。
9.如权利要求4所述的智能实时运动疲劳侦测系统，其特征在于，该疲劳特征判断式中作为该疲劳判断的该阈值包括当非主频区域的积分面积增加的次数、当非主频区域的积分面积增加至一第一阈值的其中之一或组合。
10.如权利要求5所述的智能实时运动疲劳侦测系统，其特征在于，该疲劳特征判断式中作为该疲劳判断的该阈值包括当完成一下向心动作的时间开始增加的次数、当向心动作的斜率开始下降的次数、向心运动在单位时间内移动的一距离的其中之一或组合。
11.一种智能实时运动疲劳侦测装置，可设置于一健身器材上，其特征在于，包括：
一感测单元，侦测一动作信息；
一通信单元，将该动作信息传输至一外部装置；
一控制单元，将由该外部装置接收到的一疲劳提醒与警示给使用者；
其中，该疲劳提醒与警示为该外部装置依据一疲劳特征判断式执行一疲劳辨识以判断该动作信息的多个参数之一是否超过一阈值得到。
12.如权利要求11所述的智能实时运动疲劳侦测装置，其特征在于，该动作信息至少包括一向心动作信息和一离心动作信息。
13.如权利要求11所述的智能实时运动疲劳侦测装置，其特征在于，该感测装置为一惯性传感器，该惯性传感器至少包含一三轴加速度计和一三轴陀螺仪。
14.如权利要求11所述的智能实时运动疲劳侦测装置，其特征在于，该疲劳特征判断式为离线时建立。
15.一种智能实时运动疲劳侦测方法，其特征在于，包括如下步骤：
步骤一，以一感测模块侦测一动作信息；
步骤二，以一处理模块将该动作信息的一六轴原始数据以带通滤波处理后进行切分以计算关于该动作信息的多个参数；
步骤三，以至少一控制模块依据一疲劳特征判断式执行一疲劳辨识以判断该参数之一是否超过一阈值；
若该疲劳特征判断式的结果为超过该阈值，则该至少一控制模块发出一疲劳提醒与警示给使用者。
16.如权利要求15所述的智能实时运动疲劳侦测方法，其特征在于，该多个动作信息至少包括一向心动作信息和一离心动作信息。
17.如权利要求15所述的智能实时运动疲劳侦测方法，其特征在于，该多个参数之一为一时域特征。
18.如权利要求15所述智能实时运动疲劳侦测方法，其特征在于，该多个参数之一为一频域特征；
该频域特征为该处理模块将经切分后的该六轴原始数据进行快速傅立叶转换而得。
19.如权利要求15所述的智能实时运动疲劳侦测方法，其特征在于，该多个参数之一为一预测相对路径特征；
该预测相对路径特征为该处理模块将经切分后的该六轴原始数据藉由角速度或角加速度积分而得。
20.如权利要求15所述的智能实时运动疲劳侦测方法，其特征在于，包括
该处理模块比对该多个参数与该疲劳特征判断式的该阈值以执行该疲劳辨识，其中该疲劳特征判断式为离线时建立。
21.如权利要求17所述的智能实时运动疲劳侦测方法，其特征在于，该疲劳特征判断式中作为该疲劳判断的该阈值包括当完成一下动作与特定数据相比的时间开始增加的次数、当完成一下动作与特定数据相比的时间累计增加的次数、当完成一下动作与特定数据相比的振幅持续下降的次数、当完成一下动作与特定数据相比的振幅持续下降后突然上升时，之后持续下降的次数。
22.如权利要求17所述的智能实时运动疲劳侦测方法，其特征在于，该疲劳特征判断式中作为该疲劳判断的该阈值包括当完成一下动作的向心角速度下降的次数、当完成一下动作的离心角速度上升的次数的其中之一或组合。
23.如权利要求18所述的智能实时运动疲劳侦测方法，其特征在于，该疲劳特征判断式中作为该疲劳判断的该阈值包括当非主频区域的积分面积增加的次数、当非主频区域的积分面积增加至一第一阈值的其中之一或组合。
24.如权利要求19所述的智能实时运动疲劳侦测方法，其特征在于，该疲劳特征判断式中作为该疲劳判断的该阈值包括当完成一下向心动作的时间开始增加的次数、当向心动作的斜率开始下降的次数、向心运动在单位时间内移动的一距离的其中之一或组合。
CN201911396869.1A 2019-12-25 2019-12-30 智能实时运动疲劳侦测系统、方法及装置 Withdrawn CN113018825A (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
TW108147575A TWI745812B (zh) 2019-12-25 2019-12-25 智慧即時運動疲勞偵測系統及方法、及智慧即時運動疲勞偵測裝置
TW108147575 2019-12-25

Publications (1)

Publication Number Publication Date
CN113018825A true CN113018825A (zh) 2021-06-25

Family

ID=76458588

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911396869.1A Withdrawn CN113018825A (zh) 2019-12-25 2019-12-30 智能实时运动疲劳侦测系统、方法及装置

Country Status (2)

Country Link
CN (1) CN113018825A (zh)
TW (1) TWI745812B (zh)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2015127879A1 (zh) * 2014-02-28 2015-09-03 杭州匠物网络科技有限公司 一种健身哑铃运动检测装置及健身哑铃运动检测方法
CN109528203A (zh) * 2019-01-21 2019-03-29 郑州大学 一种基于多源信息融合的交互式脑卒中患者步态训练及评测系统
CN109529303A (zh) * 2018-11-09 2019-03-29 深圳市量子智能科技有限公司 一种用户运动能力的确认方法和系统

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2007138930A1 (ja) * 2006-05-29 2007-12-06 Sharp Kabushiki Kaisha 疲労推定装置及びそれを搭載した電子機器
US9283429B2 (en) * 2010-11-05 2016-03-15 Nike, Inc. Method and system for automated personal training
US9257054B2 (en) * 2012-04-13 2016-02-09 Adidas Ag Sport ball athletic activity monitoring methods and systems
US10327670B2 (en) * 2014-03-26 2019-06-25 GestureLogic Inc. Systems, methods and devices for exercise and activity metric computation
JP2016034480A (ja) * 2014-07-31 2016-03-17 セイコーエプソン株式会社 報知装置、運動解析システム、報知方法、報知プログラム、運動支援方法及び運動支援装置
CN109561837A (zh) * 2016-08-08 2019-04-02 皇家飞利浦有限公司 用于辅助对象的锻炼的系统和方法
KR102252269B1 (ko) * 2016-08-31 2021-05-14 애플 인크. 수영 분석 시스템 및 방법
CN107392153B (zh) * 2017-07-24 2020-09-29 中国科学院苏州生物医学工程技术研究所 人体疲劳度判定方法
CN110179470A (zh) * 2019-04-16 2019-08-30 常州市钱璟康复股份有限公司 脑卒中患者运动功能及疲劳状态综合评估方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2015127879A1 (zh) * 2014-02-28 2015-09-03 杭州匠物网络科技有限公司 一种健身哑铃运动检测装置及健身哑铃运动检测方法
CN109529303A (zh) * 2018-11-09 2019-03-29 深圳市量子智能科技有限公司 一种用户运动能力的确认方法和系统
CN109528203A (zh) * 2019-01-21 2019-03-29 郑州大学 一种基于多源信息融合的交互式脑卒中患者步态训练及评测系统

Also Published As

Publication number Publication date
TW202124003A (zh) 2021-07-01
TWI745812B (zh) 2021-11-11

Similar Documents

Publication Publication Date Title
US11000733B2 (en) Exercise machine with analysis system
US10959647B2 (en) System and method for sensing and responding to fatigue during a physical activity
WO2018094011A1 (en) System and method for personalized exercise training and coaching
US10684304B2 (en) Foot exercise motion analysis device during moving exercise
US10422810B2 (en) Calculating pace and energy expenditure from athletic movement attributes
KR102410180B1 (ko) 체공 시간
Connaghan et al. Multi-sensor classification of tennis strokes
US20170055918A1 (en) Automated motion of interest recognition, detection and self-learning
CN102110191B (zh) 锻炼引导系统
CN105771187B (zh) 一种运动状态检测方法及基于该方法的智能鞋
US20160249832A1 (en) Activity Classification Based on Classification of Repetition Regions
CN107212890A (zh) 一种基于步态信息的运动识别和疲劳检测方法及系统
US20170182360A1 (en) System and method for using performance signatures
JP2013094316A (ja) 歩行分析装置及び歩行分析プログラム
JP2016513999A5 (zh)
CN106725495A (zh) 一种跌倒检测方法、装置及系统
US20150374307A1 (en) Data analysis device, data analysis method, and data analysis program
CN111931568A (zh) 一种基于增强式学习的人体跌倒检测方法及系统
CN113018825A (zh) 智能实时运动疲劳侦测系统、方法及装置
JP2015165895A (ja) 歩行分析装置及び歩行分析プログラム
US10293207B1 (en) Athletic performance estimation techniques
KR101553236B1 (ko) 3축 가속도 센서를 이용한 실시간 운동측정장치 및 방법
KR20190016753A (ko) 주행 및 보행 시 좌우 불균형 평가 방법 및 장치
EP2889853A1 (en) A method for optimizing running performance for an individual
KR20190016761A (ko) 주행 및 보행 시 보행 안정성 평가 방법 및 장치

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
WW01 Invention patent application withdrawn after publication

Application publication date: 20210625