CN113113109A - 基于可穿戴设备体征数据分析的有氧运动管理方法及系统 - Google Patents
基于可穿戴设备体征数据分析的有氧运动管理方法及系统 Download PDFInfo
- Publication number
- CN113113109A CN113113109A CN202110292812.8A CN202110292812A CN113113109A CN 113113109 A CN113113109 A CN 113113109A CN 202110292812 A CN202110292812 A CN 202110292812A CN 113113109 A CN113113109 A CN 113113109A
- Authority
- CN
- China
- Prior art keywords
- target user
- aerobic exercise
- target
- motion
- sign data
- 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.)
- Granted
Links
- 238000007726 management method Methods 0.000 title claims abstract description 74
- 238000007405 data analysis Methods 0.000 title claims abstract description 35
- 230000036541 health Effects 0.000 claims abstract description 63
- 238000000034 method Methods 0.000 claims abstract description 28
- 230000000737 periodic effect Effects 0.000 claims description 22
- 238000011156 evaluation Methods 0.000 claims description 14
- 210000000056 organ Anatomy 0.000 claims description 12
- 238000007781 pre-processing Methods 0.000 claims description 11
- 238000012545 processing Methods 0.000 claims description 9
- 238000012549 training Methods 0.000 claims description 9
- 230000003044 adaptive effect Effects 0.000 claims description 8
- 238000012937 correction Methods 0.000 claims description 6
- 230000004069 differentiation Effects 0.000 claims description 6
- 230000008030 elimination Effects 0.000 claims description 6
- 238000003379 elimination reaction Methods 0.000 claims description 6
- 230000007613 environmental effect Effects 0.000 claims description 6
- 230000001172 regenerating effect Effects 0.000 claims description 6
- 238000004458 analytical method Methods 0.000 claims description 5
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 claims description 4
- 239000008280 blood Substances 0.000 claims description 4
- 210000004369 blood Anatomy 0.000 claims description 4
- 230000036772 blood pressure Effects 0.000 claims description 4
- 238000000354 decomposition reaction Methods 0.000 claims description 4
- 229910052760 oxygen Inorganic materials 0.000 claims description 4
- 239000001301 oxygen Substances 0.000 claims description 4
- 238000010219 correlation analysis Methods 0.000 claims description 3
- 238000001914 filtration Methods 0.000 claims description 3
- 230000000694 effects Effects 0.000 abstract description 9
- 230000009286 beneficial effect Effects 0.000 description 10
- 230000006870 function Effects 0.000 description 9
- 238000010586 diagram Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000013075 data extraction Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 208000003443 Unconsciousness Diseases 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000003862 health status Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000009467 reduction Effects 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
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
- A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7203—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7225—Details of analog processing, e.g. isolation amplifier, gain or sensitivity adjustment, filtering, baseline or drift compensation
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7235—Details of waveform analysis
- A61B5/7253—Details of waveform analysis characterised by using transforms
-
- 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
- G16H80/00—ICT specially adapted for facilitating communication between medical practitioners or patients, e.g. for collaborative diagnosis, therapy or health monitoring
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Biomedical Technology (AREA)
- Physics & Mathematics (AREA)
- Surgery (AREA)
- Signal Processing (AREA)
- Veterinary Medicine (AREA)
- Physiology (AREA)
- Animal Behavior & Ethology (AREA)
- Heart & Thoracic Surgery (AREA)
- Molecular Biology (AREA)
- Psychiatry (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Epidemiology (AREA)
- Primary Health Care (AREA)
- Physical Education & Sports Medicine (AREA)
- Cardiology (AREA)
- Dentistry (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Power Engineering (AREA)
- Medical Treatment And Welfare Office Work (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
- Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)
Abstract
本发明公开了一种基于可穿戴设备体征数据分析的有氧运动管理方法及系统,其方法包括:获取目标用户的当前脉搏波信号特征,分析所述当前脉搏波信号特征获得目标用户的体征数据,根据所述体征数据确定目标用户的身体状态,当所述目标用户进行有氧运动时,接收目标用户的智能穿戴设备反馈的运动数据,获取目标用户的身份信息,根据所述目标用户的身体状态和身份信息生成目标有氧运动管理规划表,根据所述目标有氧运动管理规划表提醒目标用户管理有氧运动强度。可以根据不同用户的不同健康状态以及身份信息生成不同的适合自己的有氧运动管理规划表,从而达到健康运动的效果,保证了用户的身体健康以及身体负荷能力。
Description
技术领域
本发明涉及人体健康管理技术领域,尤其涉及一种基于可穿戴设备体征数据分析的有氧运动管理方法及系统。
背景技术
随着人们生活水平的不断提高,人们对于自身的身体健康非常看重,年轻人们经常去健身房健身以锻炼自己的身体强度,老人们由于自身体质等原因无法专门去健身房进行高强度的健身工作,因而只能做一些跑步等有氧运动,现有的有氧运动管理方法只是单纯地检测用户的有氧运动情况以及运动数据来反馈给用户,用户根据有氧运动情况以及运动数据来把控有氧运动的强度,这种方法存在以下缺点:没有将用户的体征数据以及自身信息考虑在内进而无法根据不同用户的不同健康状态来把控有氧运动强度,使得部分用户出现运动量不够或者过度运动而对身体造成负荷进而出现副作用情况的发生,大大地影响了用户的体验感。
发明内容
针对上述所显示出来的问题,本发明提供了一种基于可穿戴设备体征数据分析的有氧运动管理方法及系统用以解决背景技术中提到的没有将用户的体征数据以及自身信息考虑在内进而无法根据不同用户的不同健康状态来把控有氧运动强度,使得部分用户出现运动量不够或者过度运动而对身体造成负荷进而出现副作用情况的发生,大大地影响了用户的体验感的问题。
一种基于可穿戴设备体征数据分析的有氧运动管理方法,包括以下步骤:
获取目标用户的当前脉搏波信号特征;
分析所述当前脉搏波信号特征获得目标用户的体征数据,根据所述体征数据确定目标用户的身体状态;
当所述目标用户进行有氧运动时,接收目标用户的智能穿戴设备反馈的运动数据;
获取目标用户的身份信息,根据所述目标用户的身体状态和身份信息生成目标有氧运动管理规划表,根据所述目标有氧运动管理规划表提醒目标用户管理有氧运动强度。
优选的,所述获取目标用户智能穿戴设备检测的当前脉搏波信号特征,包括:
接收所述智能穿戴设备检测的初始脉搏波信号特征;
对所述初始脉搏波信号特征进行预处理,获得预处理后的初始脉搏波信号特征,所述预处理包括:降噪、去基线和小波分解;
将所述预处理后的初始脉搏波信号特征确认为所述当前脉搏波信号特征并将其上传到预设大数据分析平台上。
优选的,在分析所述当前脉搏波信号特征获得目标用户的体征数据,根据所述体征数据确定目标用户的身体状态之前,所述方法还包括:
采集所述目标用户的运动信号,构建关于所述运动信号的矩形脉冲;
根据所述矩形脉冲求解所述运动信号与当前脉搏波信号特征之间的自适应函数,获得求解结果;
构建所述求解结果对应的目标矩形波;
利用所述目标矩形波对所述当前脉搏波信号特征进行干扰因子剔除,剔除所述当前脉搏波信号中的运动参数干扰因子。
优选的,所述分析所述当前脉搏波信号特征获得目标用户的体征数据,根据所述体征数据确定目标用户的身体状态,包括:
对所述当前脉搏波信号特征进行二次微分;
对二次微分后的当前脉搏波信号特征进行分割,分割为多个特征区间;
在所述多个特征区间中搜索与体征数据相关的特征点,根据搜索到的特征点确定目标用户的体征数据,所述体征数据宝库:心率、血压和血氧;
将所述体征数据与人体标准体征数据进行比较以确定目标用户的身体疲劳状态以及器官健康状态;
将所述身体疲劳状态与器官健康状态确认为目标用户的身体状态。
优选的,获取目标用户的身份信息,根据所述目标用户的身体状态和身份信息生成目标有氧运动管理规划表,根据所述目标有氧运动管理规划表提醒目标用户管理有氧运动强度,包括:
解析所述目标用户的身份信息,确定所述目标用户的年龄以及职业;
从大数据分析平台中获取目标用户的年龄以及职业对应的多个有氧运动管理建议表;
根据所述目标用户的电子日常行为习性表在所述多个有氧运动管理建议表中选择符合目标用户的目标有氧运动建议表;
根据目标用户的身体疲劳状态和器官健康状态适应性调整所述目标有氧运动建议表,将调整后的目标有氧运动建议表确认为所述目标有氧运动管理规划表;
解析所述目标用户的运动数据,获得目标用户的当前有氧运动强度;
确认所述当前有氧运动强度是否在目标有氧运动管理规划表对应的规划有氧运动强度区间内,若是,根据所述规划有氧运动强度区间提醒目标用户调节当前有氧运动强度,否则,提醒目标用户降低当前有氧运动强度。
优选的,所述方法还包括:
获取目标用户的多个历史运动数据;
构建初始运动模型,将所述多个历史运行数据作为训练数据训练所述初始运动模型,训练完毕后获得目标用户的专属目标运动模型;
利用所述专属目标运动模型以及目标用户实时的身体状态智能生成目标用户的周期运动方案;
将所述周期运动方案上传到所述智能穿戴设备上并按时提醒目标用户执行所述周期运动方案。
优选的,在采集所述目标用户的运动信号之后,构建关于所述运动信号的矩形脉冲之前,所述方法还包括:
对所述运动信号进行固定增益的低通滤波处理;
将处理后的运动信号由模拟信号转化为数字信号,对所述数字信号进行环境干扰幅度判断;
确定所述环境干扰幅度的目标比例,当所述目标比例大于等于预设比例时,对所述数字信号进行自适应消除处理,获得处理后的数字信号,将所述处理后的数字信号重新转化为模拟信号以获得自适应消除处理后的运动信号,当所述目标比例小于所述预设比例时,无需进行后续操作。
优选的,所述根据所述体征数据确定目标用户的身体状态的步骤包括:
从大数据分析平台上获取人体在健康状态下的标准体征数据;
解析所述标准体征数据,获得人体在健康状态的多个体征参数的取值范围;
根据每个体征参数的取值范围构建每个体征参数的量化管理指标;
为每个体征参数的量化管理指标设置不同的权重值;
根据每个体征参数的量化管理指标的权重值计算出人体在不同状态下的健康指标阈值;
根据所述体征数据评估出目标用户的最大健康度以及健康影响参数;
对所述最大健康度以及健康影响参数进行相关性分析,获得目标用户的健康状态评估参数;
根据所述目标用户的健康状态评估参数以及人体在不同状态下的健康指标阈值构建出目标用户的身体状态评估函数;
根据所述身体状态评估函数评估出目标用户的身体状态。
优选的,在将所述周期运动方案上传到所述智能穿戴设备上并按时提醒目标用户执行所述周期运动方案之前,所述方法还包括:
将所述周期运动方案确认为第一运动方案,解析所述第一运动方案,确定执行所述第一运动方案所需要的第一人体能量;
获取目标用户自身的最大第二人体能量;
根据所述第一人体能量和第二人体能量计算出所述第一运动方案的合理性系数:
其中,k表示为第一运动方案的合理性系数,T表示为第一运动方案所需要的第一人体能量,T1表示为目标用户自身的最大第二人体能量,B表示为第一运动方案对应的运动强度,e表示为自然常数,α表示为第一运动方案中运动时长的修正系数,β表示为第一运动方案中运动强度的修正系数,p表示为目标用户的疲劳度,E表示为目标用户的健康度;
确认所述第一运动方案的合理性指数是否大于等于预设指数阈值,若是,确认所述第一运动方案合理,否则,确认所述第一运动方案不合理,重新生成相对于目标用户合理的第二运动方案;
在确认所述第一运动方案合理后,计算执行所述第一运动方案时的难度系数:
其中,a表示为执行所述第一运动方案时的难度系数,t表示为第一运动方案的运动时长,t1表示为目标用户的体力维持时长,log表示为对数,Q表示为目标用户在标准体力下的身体状态评分值,γ表示为目标用户的体力衰减指数,Q1表示为目标用户在最小体力下的身体状态评分值,b表示为目标用户的懒惰指数;
确认所述难度系数是否大于预设系数,若是,重新生成难度系数小于所述预设系数的第三运动方案,将所述第三运动方案确认为目标用户将要执行的目标运动方案,否则,将所述第一运动方案确认为所述目标运动方案。
一种基于可穿戴设备体征数据分析的有氧运动管理系统,该系统包括:
获取模块,用于获取目标用户的当前脉搏波信号特征;
确定模块,用于分析所述当前脉搏波信号特征获得目标用户的体征数据,根据所述体征数据确定目标用户的身体状态;
接收模块,用于当所述目标用户进行有氧运动时,接收目标用户的智能穿戴设备反馈的运动数据;
生成模块,用于获取目标用户的身份信息,根据所述目标用户的身体状态和身份信息生成目标有氧运动管理规划表,根据所述目标有氧运动管理规划表提醒目标用户管理有氧运动强度。
本发明的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书以及附图中所特别指出的结构来实现和获得。
下面通过附图和实施例,对本发明的技术方案做进一步的详细描述。
附图说明
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的实施例一起用于解释本发明,并不构成对本发明的限制。
图1为本发明所提供的一种基于可穿戴设备体征数据分析的有氧运动管理方法的工作流程图;
图2为本发明所提供的一种基于可穿戴设备体征数据分析的有氧运动管理方法的另一工作流程图;
图3为本发明所提供的一种基于可穿戴设备体征数据分析的有氧运动管理方法的又一工作流程图;
图4为本发明所提供的一种基于可穿戴设备体征数据分析的有氧运动管理系统的结构示意图。
具体实施方式
这里将详细地对示例性实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。
随着人们生活水平的不断提高,人们对于自身的身体健康非常看重,年轻人们经常去健身房健身以锻炼自己的身体强度,老人们由于自身体质等原因无法专门去健身房进行高强度的健身工作,因而只能做一些跑步等有氧运动,现有的有氧运动管理方法只是单纯地检测用户的有氧运动情况以及运动数据来反馈给用户,用户根据有氧运动情况以及运动数据来把控有氧运动的强度,这种方法存在以下缺点:没有将用户的体征数据以及自身信息考虑在内进而无法根据不同用户的不同健康状态来把控有氧运动强度,使得部分用户出现运动量不够或者过度运动而对身体造成负荷进而出现副作用情况的发生,大大地影响了用户的体验感。为了解决上述问题,本实施例公开了一种基于可穿戴设备体征数据分析的有氧运动管理方法。
一种基于可穿戴设备体征数据分析的有氧运动管理方法,如图1所示,包括以下步骤:
步骤S101、获取目标用户的当前脉搏波信号特征;
步骤S102、分析所述当前脉搏波信号特征获得目标用户的体征数据,根据所述体征数据确定目标用户的身体状态;
步骤S103、当所述目标用户进行有氧运动时,接收目标用户的智能穿戴设备反馈的运动数据;
步骤S104、获取目标用户的身份信息,根据所述目标用户的身体状态和身份信息生成目标有氧运动管理规划表,根据所述目标有氧运动管理规划表提醒目标用户管理有氧运动强度。
上述技术方案的工作原理为:获取目标用户的当前脉搏波信号特征,分析所述当前脉搏波信号特征获得目标用户的体征数据,根据所述体征数据确定目标用户的身体状态,当所述目标用户进行有氧运动时,接收目标用户的智能穿戴设备反馈的运动数据,获取目标用户的身份信息,根据所述目标用户的身体状态和身份信息生成目标有氧运动管理规划表,根据所述目标有氧运动管理规划表提醒目标用户管理有氧运动强度。
上述技术方案的有益效果为:通过对目标用户的当前脉搏波信号特征进行采集和分析,可以获得目标用户的体征数据进而确定其身体状态,结合目标用户的运动数据和身份信息来生成目标有氧运动管理规划表可以根据不同用户的不同健康状态以及身份信息生成不同的适合自己的有氧运动管理规划表,从而达到健康运动的效果,保证了用户的身体健康以及身体负荷能力,智能地提醒目标用户管理有氧运动强度,提高了用户的体验感,解决了现有技术中没有将用户的体征数据以及自身信息考虑在内进而无法根据不同用户的不同健康状态来把控有氧运动强度,使得部分用户出现运动量不够或者过度运动而对身体造成负荷进而出现副作用情况的问题。
在一个实施例中,所述获取目标用户智能穿戴设备检测的当前脉搏波信号特征,包括:
接收所述智能穿戴设备检测的初始脉搏波信号特征;
对所述初始脉搏波信号特征进行预处理,获得预处理后的初始脉搏波信号特征,所述预处理包括:降噪、去基线和小波分解;
将所述预处理后的初始脉搏波信号特征确认为所述当前脉搏波信号特征并将其上传到预设大数据分析平台上。
上述技术方案的有益效果为:通过利用智能穿戴设备来检测目标用户的初始脉搏波信号特征可以在目标用户无知觉的情况下快速地采集到目标用户的初始脉搏波信号特征,进一步地提高了用户的体验感,进一步地,通过对初始脉搏波信号特征进行预处理可以保证脉搏波信号特征的精度以及无噪声信号特征的干扰,为后续对目标用户的身体状态评估提供良好的数据保障。
在一个实施例中,如图2所示,在分析所述当前脉搏波信号特征获得目标用户的体征数据,根据所述体征数据确定目标用户的身体状态之前,所述方法还包括:
步骤S201、采集所述目标用户的运动信号,构建关于所述运动信号的矩形脉冲;
步骤S202、根据所述矩形脉冲求解所述运动信号与当前脉搏波信号特征之间的自适应函数,获得求解结果;
步骤S203、构建所述求解结果对应的目标矩形波;
步骤S204、利用所述目标矩形波对所述当前脉搏波信号特征进行干扰因子剔除,剔除所述当前脉搏波信号中的运动参数干扰因子。
上述技术方案的有益效果为:通过将当前脉搏波信号特征中与目标用户的运动信号相关的运动参数干扰因子剔除可以去除目标用户自身运动的影响进而保证当前脉搏波信号特征是在常态稳定条件下的最佳脉搏波信号特征,进一步地保证了数据的精度。
在一个实施例中,所述分析所述当前脉搏波信号特征获得目标用户的体征数据,根据所述体征数据确定目标用户的身体状态,包括:
对所述当前脉搏波信号特征进行二次微分;
对二次微分后的当前脉搏波信号特征进行分割,分割为多个特征区间;
在所述多个特征区间中搜索与体征数据相关的特征点,根据搜索到的特征点确定目标用户的体征数据,所述体征数据宝库:心率、血压和血氧;
将所述体征数据与人体标准体征数据进行比较以确定目标用户的身体疲劳状态以及器官健康状态;
将所述身体疲劳状态与器官健康状态确认为目标用户的身体状态。
上述技术方案的有益效果为:通过获特征点的方式来确定目标用户的体征数据可以快速准确地根据利用搜索的方式来确定目标用户的体征数据,相较于现有技术中利用特征比较的方式来说判定更加准确并且效率更高,进一步地,通过确定目标用户的身体疲劳状态以及器官健康状态可以实时地根据目标用户的自身内在健康情况以及外在表现情况来综合确定目标用户的身体状态,为后续进行有氧运动管理提供了更多的参考条件。
在一个实施例中,获取目标用户的身份信息,根据所述目标用户的身体状态和身份信息生成目标有氧运动管理规划表,根据所述目标有氧运动管理规划表提醒目标用户管理有氧运动强度,包括:
解析所述目标用户的身份信息,确定所述目标用户的年龄以及职业;
从大数据分析平台中获取目标用户的年龄以及职业对应的多个有氧运动管理建议表;
根据所述目标用户的电子日常行为习性表在所述多个有氧运动管理建议表中选择符合目标用户的目标有氧运动建议表;
根据目标用户的身体疲劳状态和器官健康状态适应性调整所述目标有氧运动建议表,将调整后的目标有氧运动建议表确认为所述目标有氧运动管理规划表;
解析所述目标用户的运动数据,获得目标用户的当前有氧运动强度;
确认所述当前有氧运动强度是否在目标有氧运动管理规划表对应的规划有氧运动强度区间内,若是,根据所述规划有氧运动强度区间提醒目标用户调节当前有氧运动强度,否则,提醒目标用户降低当前有氧运动强度。
上述技术方案的有益效果为:通过根据目标用户的年龄和职业以及电子日常行为习性表来为目标用户选择合适的有氧运动建议表可以智能话地根据不同用户的习性和身份信息选择不同的有氧运动建议表,使得不同用户可以获得自己专属的有氧运动建议表,进一步地,通过语音提醒目标用户管理有氧运动强度可以使得目标用户在跑步等有氧运动过程中根据语音提示适当地调节有氧运动强度,进一步地提高了用户的体验感。
在一个实施例中,如图3所示,所述方法还包括:
步骤S301、获取目标用户的多个历史运动数据;
步骤S302、构建初始运动模型,将所述多个历史运行数据作为训练数据训练所述初始运动模型,训练完毕后获得目标用户的专属目标运动模型;
步骤S303、利用所述专属目标运动模型以及目标用户实时的身体状态智能生成目标用户的周期运动方案;
步骤S304、将所述周期运动方案上传到所述智能穿戴设备上并按时提醒目标用户执行所述周期运动方案。
上述技术方案的有益效果为:可以为目标用户量身打造专属运动模型以及生成周期运动方案,进一步地提高了目标用户的体验感。
在一个实施例中,在采集所述目标用户的运动信号之后,构建关于所述运动信号的矩形脉冲之前,所述方法还包括:
对所述运动信号进行固定增益的低通滤波处理;
将处理后的运动信号由模拟信号转化为数字信号,对所述数字信号进行环境干扰幅度判断;
确定所述环境干扰幅度的目标比例,当所述目标比例大于等于预设比例时,对所述数字信号进行自适应消除处理,获得处理后的数字信号,将所述处理后的数字信号重新转化为模拟信号以获得自适应消除处理后的运动信号,当所述目标比例小于所述预设比例时,无需进行后续操作。
上述技术方案的有益效果为:去除了运行信号中的环境干扰幅度,以保证最终的运动信号更加实际。
在一个实施例中,所述根据所述体征数据确定目标用户的身体状态的步骤包括:
从大数据分析平台上获取人体在健康状态下的标准体征数据;
解析所述标准体征数据,获得人体在健康状态的多个体征参数的取值范围;
根据每个体征参数的取值范围构建每个体征参数的量化管理指标;
为每个体征参数的量化管理指标设置不同的权重值;
根据每个体征参数的量化管理指标的权重值计算出人体在不同状态下的健康指标阈值;
根据所述体征数据评估出目标用户的最大健康度以及健康影响参数;
对所述最大健康度以及健康影响参数进行相关性分析,获得目标用户的健康状态评估参数;
根据所述目标用户的健康状态评估参数以及人体在不同状态下的健康指标阈值构建出目标用户的身体状态评估函数;
根据所述身体状态评估函数评估出目标用户的身体状态。
上述技术方案的有益效果为:通过构建目标用户的身体状态评估函数可以针对目标用户的自身健康状态参数以及参考阈值精确地确定目标用户的身体状态,保证评估结果的准确性以及唯一性。
在一个实施例中,在将所述周期运动方案上传到所述智能穿戴设备上并按时提醒目标用户执行所述周期运动方案之前,所述方法还包括:
将所述周期运动方案确认为第一运动方案,解析所述第一运动方案,确定执行所述第一运动方案所需要的第一人体能量;
获取目标用户自身的最大第二人体能量;
根据所述第一人体能量和第二人体能量计算出所述第一运动方案的合理性系数:
其中,k表示为第一运动方案的合理性系数,T表示为第一运动方案所需要的第一人体能量,T1表示为目标用户自身的最大第二人体能量,B表示为第一运动方案对应的运动强度,e表示为自然常数,α表示为第一运动方案中运动时长的修正系数,β表示为第一运动方案中运动强度的修正系数,p表示为目标用户的疲劳度,E表示为目标用户的健康度;
确认所述第一运动方案的合理性指数是否大于等于预设指数阈值,若是,确认所述第一运动方案合理,否则,确认所述第一运动方案不合理,重新生成相对于目标用户合理的第二运动方案;
在确认所述第一运动方案合理后,计算执行所述第一运动方案时的难度系数:
其中,a表示为执行所述第一运动方案时的难度系数,t表示为第一运动方案的运动时长,t1表示为目标用户的体力维持时长,log表示为对数,Q表示为目标用户在标准体力下的身体状态评分值,γ表示为目标用户的体力衰减指数,Q1表示为目标用户在最小体力下的身体状态评分值,b表示为目标用户的懒惰指数;
确认所述难度系数是否大于预设系数,若是,重新生成难度系数小于所述预设系数的第三运动方案,将所述第三运动方案确认为目标用户将要执行的目标运动方案,否则,将所述第一运动方案确认为所述目标运动方案。
上述技术方案的有益效果为:通过对周期运动方案进行合理性和实行难度计算可以准确地评估出周期运动方案是否与目标用户契合,当不契合时重新生成与目标用户契合运动方案来保证目标用户的运动体验以及身体健康,进一步地提高了目标用户的体验感。
在一个实施例中,包括:
第1步:原始脉搏波的的特征提取:通过安顿智能穿戴设备传感器得到的信号通过降噪、去基线、小波分解等预处理,得到重构的脉搏波特征点,传到大数据分析平台;较之其他设备的数据提取,可以做到用户无感知,且长期不间断进行数据提取;
第2步:脉搏波的的数据分析:大数据分析平台通过解析传入的脉搏波信号特征,分析计算得到心率、血压、血氧等体征数据,进一步判定身体疲劳状态及器官健康状态的计算结果;
第3步:实时运动监测及语音提醒:当用户进行有氧运动时,通过安顿可穿戴设备对实时运动数据的采集及分析,通结合前面判定的用户身体健康状态及年龄和职业,通过安顿智能可穿戴设备语音功能,提示用户有效管理运动强度;
第4步:建立个人运动模型:通过长期运动数据的监测及分析,还可建立用户的运动模型,结合身体健康状况的分析,来指导用户的运动方案。
上述技术方案的有益效果为:通过对人体脉搏波数据的采集及分析,得出身体疲劳状态及器官的健康状态,当用户进行有氧运动时,通过对运动数据的实时统计与分析,依托身体健康状态及年龄和职业,实时通过可穿戴设备语音提示功能,下发语音提示用户有效控制运动强度,从而达到健康运动,适度运动的效果,对身体健康管理有明显作用,同时建立的运动模型,可有效根据用户运动习惯及身体状态进行运动指导。
本实施例还公开了一种基于可穿戴设备体征数据分析的有氧运动管理系统,如图4所示,该系统包括:
获取模块401,用于获取目标用户的当前脉搏波信号特征;
确定模块402,用于分析所述当前脉搏波信号特征获得目标用户的体征数据,根据所述体征数据确定目标用户的身体状态;
接收模块403,用于当所述目标用户进行有氧运动时,接收目标用户的智能穿戴设备反馈的运动数据;
生成模块404,用于获取目标用户的身份信息,根据所述目标用户的身体状态和身份信息生成目标有氧运动管理规划表,根据所述目标有氧运动管理规划表提醒目标用户管理有氧运动强度。
上述技术方案的工作原理及有益效果在方法权利要求中已经说明,此处不再赘述。
本领域技术人员应当理解的是,本发明中的第一、第二指的是不同应用阶段而已。
本领域技术用户员在考虑说明书及实践这里公开的公开后,将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本公开的真正范围和精神由下面的权利要求指出。
应当理解的是,本公开并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。
Claims (10)
1.一种基于可穿戴设备体征数据分析的有氧运动管理方法,其特征在于,包括以下步骤:
获取目标用户的当前脉搏波信号特征;
分析所述当前脉搏波信号特征获得目标用户的体征数据,根据所述体征数据确定目标用户的身体状态;
当所述目标用户进行有氧运动时,接收目标用户的智能穿戴设备反馈的运动数据;
获取目标用户的身份信息,根据所述目标用户的身体状态和身份信息生成目标有氧运动管理规划表,根据所述目标有氧运动管理规划表提醒目标用户管理有氧运动强度。
2.根据权利要求1所述基于可穿戴设备体征数据分析的有氧运动管理方法,其特征在于,所述获取目标用户智能穿戴设备检测的当前脉搏波信号特征,包括:
接收所述智能穿戴设备检测的初始脉搏波信号特征;
对所述初始脉搏波信号特征进行预处理,获得预处理后的初始脉搏波信号特征,所述预处理包括:降噪、去基线和小波分解;
将所述预处理后的初始脉搏波信号特征确认为所述当前脉搏波信号特征并将其上传到预设大数据分析平台上。
3.根据权利要求1所述基于可穿戴设备体征数据分析的有氧运动管理方法,其特征在于,在分析所述当前脉搏波信号特征获得目标用户的体征数据,根据所述体征数据确定目标用户的身体状态之前,所述方法还包括:
采集所述目标用户的运动信号,构建关于所述运动信号的矩形脉冲;
根据所述矩形脉冲求解所述运动信号与当前脉搏波信号特征之间的自适应函数,获得求解结果;
构建所述求解结果对应的目标矩形波;
利用所述目标矩形波对所述当前脉搏波信号特征进行干扰因子剔除,剔除所述当前脉搏波信号中的运动参数干扰因子。
4.根据权利要求1所述基于可穿戴设备体征数据分析的有氧运动管理方法,其特征在于,所述分析所述当前脉搏波信号特征获得目标用户的体征数据,根据所述体征数据确定目标用户的身体状态,包括:
对所述当前脉搏波信号特征进行二次微分;
对二次微分后的当前脉搏波信号特征进行分割,分割为多个特征区间;
在所述多个特征区间中搜索与体征数据相关的特征点,根据搜索到的特征点确定目标用户的体征数据,所述体征数据宝库:心率、血压和血氧;
将所述体征数据与人体标准体征数据进行比较以确定目标用户的身体疲劳状态以及器官健康状态;
将所述身体疲劳状态与器官健康状态确认为目标用户的身体状态。
5.根据权利要求4所述基于可穿戴设备体征数据分析的有氧运动管理方法,其特征在于,获取目标用户的身份信息,根据所述目标用户的身体状态和身份信息生成目标有氧运动管理规划表,根据所述目标有氧运动管理规划表提醒目标用户管理有氧运动强度,包括:
解析所述目标用户的身份信息,确定所述目标用户的年龄以及职业;
从大数据分析平台中获取目标用户的年龄以及职业对应的多个有氧运动管理建议表;
根据所述目标用户的电子日常行为习性表在所述多个有氧运动管理建议表中选择符合目标用户的目标有氧运动建议表;
根据目标用户的身体疲劳状态和器官健康状态适应性调整所述目标有氧运动建议表,将调整后的目标有氧运动建议表确认为所述目标有氧运动管理规划表;
解析所述目标用户的运动数据,获得目标用户的当前有氧运动强度;
确认所述当前有氧运动强度是否在目标有氧运动管理规划表对应的规划有氧运动强度区间内,若是,根据所述规划有氧运动强度区间提醒目标用户调节当前有氧运动强度,否则,提醒目标用户降低当前有氧运动强度。
6.根据权利要求1所述基于可穿戴设备体征数据分析的有氧运动管理方法,其特征在于,所述方法还包括:
获取目标用户的多个历史运动数据;
构建初始运动模型,将所述多个历史运行数据作为训练数据训练所述初始运动模型,训练完毕后获得目标用户的专属目标运动模型;
利用所述专属目标运动模型以及目标用户实时的身体状态智能生成目标用户的周期运动方案;
将所述周期运动方案上传到所述智能穿戴设备上并按时提醒目标用户执行所述周期运动方案。
7.根据权利要求3所述基于可穿戴设备体征数据分析的有氧运动管理方法,其特征在于,在采集所述目标用户的运动信号之后,构建关于所述运动信号的矩形脉冲之前,所述方法还包括:
对所述运动信号进行固定增益的低通滤波处理;
将处理后的运动信号由模拟信号转化为数字信号,对所述数字信号进行环境干扰幅度判断;
确定所述环境干扰幅度的目标比例,当所述目标比例大于等于预设比例时,对所述数字信号进行自适应消除处理,获得处理后的数字信号,将所述处理后的数字信号重新转化为模拟信号以获得自适应消除处理后的运动信号,当所述目标比例小于所述预设比例时,无需进行后续操作。
8.根据权利要求1所述基于可穿戴设备体征数据分析的有氧运动管理方法,其特征在于,所述根据所述体征数据确定目标用户的身体状态的步骤包括:
从大数据分析平台上获取人体在健康状态下的标准体征数据;
解析所述标准体征数据,获得人体在健康状态的多个体征参数的取值范围;
根据每个体征参数的取值范围构建每个体征参数的量化管理指标;
为每个体征参数的量化管理指标设置不同的权重值;
根据每个体征参数的量化管理指标的权重值计算出人体在不同状态下的健康指标阈值;
根据所述体征数据评估出目标用户的最大健康度以及健康影响参数;
对所述最大健康度以及健康影响参数进行相关性分析,获得目标用户的健康状态评估参数;
根据所述目标用户的健康状态评估参数以及人体在不同状态下的健康指标阈值构建出目标用户的身体状态评估函数;
根据所述身体状态评估函数评估出目标用户的身体状态。
9.根据权利要求6所述基于可穿戴设备体征数据分析的有氧运动管理方法,其特征在于,在将所述周期运动方案上传到所述智能穿戴设备上并按时提醒目标用户执行所述周期运动方案之前,所述方法还包括:
将所述周期运动方案确认为第一运动方案,解析所述第一运动方案,确定执行所述第一运动方案所需要的第一人体能量;
获取目标用户自身的最大第二人体能量;
根据所述第一人体能量和第二人体能量计算出所述第一运动方案的合理性系数:
其中,k表示为第一运动方案的合理性系数,T表示为第一运动方案所需要的第一人体能量,T1表示为目标用户自身的最大第二人体能量,B表示为第一运动方案对应的运动强度,e表示为自然常数,α表示为第一运动方案中运动时长的修正系数,β表示为第一运动方案中运动强度的修正系数,p表示为目标用户的疲劳度,E表示为目标用户的健康度;
确认所述第一运动方案的合理性指数是否大于等于预设指数阈值,若是,确认所述第一运动方案合理,否则,确认所述第一运动方案不合理,重新生成相对于目标用户合理的第二运动方案;
在确认所述第一运动方案合理后,计算执行所述第一运动方案时的难度系数:
其中,a表示为执行所述第一运动方案时的难度系数,t表示为第一运动方案的运动时长,t1表示为目标用户的体力维持时长,log表示为对数,Q表示为目标用户在标准体力下的身体状态评分值,γ表示为目标用户的体力衰减指数,Q1表示为目标用户在最小体力下的身体状态评分值,b表示为目标用户的懒惰指数;
确认所述难度系数是否大于预设系数,若是,重新生成难度系数小于所述预设系数的第三运动方案,将所述第三运动方案确认为目标用户将要执行的目标运动方案,否则,将所述第一运动方案确认为所述目标运动方案。
10.一种基于可穿戴设备体征数据分析的有氧运动管理系统,其特征在于,该系统包括:
获取模块,用于获取目标用户的当前脉搏波信号特征;
确定模块,用于分析所述当前脉搏波信号特征获得目标用户的体征数据,根据所述体征数据确定目标用户的身体状态;
接收模块,用于当所述目标用户进行有氧运动时,接收目标用户的智能穿戴设备反馈的运动数据;
生成模块,用于获取目标用户的身份信息,根据所述目标用户的身体状态和身份信息生成目标有氧运动管理规划表,根据所述目标有氧运动管理规划表提醒目标用户管理有氧运动强度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110292812.8A CN113113109B (zh) | 2021-03-18 | 2021-03-18 | 基于可穿戴设备体征数据分析的有氧运动管理方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110292812.8A CN113113109B (zh) | 2021-03-18 | 2021-03-18 | 基于可穿戴设备体征数据分析的有氧运动管理方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113113109A true CN113113109A (zh) | 2021-07-13 |
CN113113109B CN113113109B (zh) | 2024-03-12 |
Family
ID=76711751
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110292812.8A Active CN113113109B (zh) | 2021-03-18 | 2021-03-18 | 基于可穿戴设备体征数据分析的有氧运动管理方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113113109B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117854678A (zh) * | 2024-03-07 | 2024-04-09 | 广东海洋大学 | 一种基于可穿戴设备的运动健康管理方法、系统及介质 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001218746A (ja) * | 1995-09-13 | 2001-08-14 | Seiko Epson Corp | 健康状態管理装置 |
KR20100103972A (ko) * | 2009-03-16 | 2010-09-29 | 주식회사 오투런 | 운동지도 및 운동기록 장치 |
WO2011025322A2 (ko) * | 2009-08-28 | 2011-03-03 | (주)누가의료기 | 운동 처방 시스템 |
WO2011090274A2 (ko) * | 2010-01-19 | 2011-07-28 | 주식회사 제이유에이치 | 손목 착용형 맥박 측정 장치 및 그 제어 방법 |
KR20130099323A (ko) * | 2012-02-29 | 2013-09-06 | 디게이트 주식회사 | 네추럴 인터렉션 기반 건강 및 재활운동 기능성 측정 평가 방법 |
CN106345112A (zh) * | 2016-11-02 | 2017-01-25 | 郑州升达经贸管理学院 | 一种体育活动检测系统 |
US20180182229A1 (en) * | 2015-09-21 | 2018-06-28 | Boe Technology Group Co., Ltd. | Wearable device, monitoring method and intelligent monitoring system |
KR20180087652A (ko) * | 2017-01-25 | 2018-08-02 | 문영실 | 헬스 시스템 |
-
2021
- 2021-03-18 CN CN202110292812.8A patent/CN113113109B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001218746A (ja) * | 1995-09-13 | 2001-08-14 | Seiko Epson Corp | 健康状態管理装置 |
KR20100103972A (ko) * | 2009-03-16 | 2010-09-29 | 주식회사 오투런 | 운동지도 및 운동기록 장치 |
WO2011025322A2 (ko) * | 2009-08-28 | 2011-03-03 | (주)누가의료기 | 운동 처방 시스템 |
WO2011090274A2 (ko) * | 2010-01-19 | 2011-07-28 | 주식회사 제이유에이치 | 손목 착용형 맥박 측정 장치 및 그 제어 방법 |
KR20130099323A (ko) * | 2012-02-29 | 2013-09-06 | 디게이트 주식회사 | 네추럴 인터렉션 기반 건강 및 재활운동 기능성 측정 평가 방법 |
US20180182229A1 (en) * | 2015-09-21 | 2018-06-28 | Boe Technology Group Co., Ltd. | Wearable device, monitoring method and intelligent monitoring system |
CN106345112A (zh) * | 2016-11-02 | 2017-01-25 | 郑州升达经贸管理学院 | 一种体育活动检测系统 |
KR20180087652A (ko) * | 2017-01-25 | 2018-08-02 | 문영실 | 헬스 시스템 |
Non-Patent Citations (1)
Title |
---|
李珍华等: "具有运动管理功能的智能穿戴设备设计与实现", 《微处理机》, pages 64 - 66 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117854678A (zh) * | 2024-03-07 | 2024-04-09 | 广东海洋大学 | 一种基于可穿戴设备的运动健康管理方法、系统及介质 |
CN117854678B (zh) * | 2024-03-07 | 2024-05-31 | 广东海洋大学 | 一种基于可穿戴设备的运动健康管理方法、系统及介质 |
Also Published As
Publication number | Publication date |
---|---|
CN113113109B (zh) | 2024-03-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106984027B (zh) | 一种动作对比分析方法、装置及一种显示器 | |
CN102274022B (zh) | 一种基于脑电信号的睡眠状态监测方法 | |
CN109363659B (zh) | 基于深度学习的心率监控方法、装置及存储介质 | |
US20070179396A1 (en) | Method and System for Detecting and Classifying Facial Muscle Movements | |
CN113974657B (zh) | 基于脑电信号的训练方法、装置、设备及存储介质 | |
DE112011105030T5 (de) | Aktivitätsmesser | |
CN114343373B (zh) | 一种智能调节床垫的方法、系统和存储介质 | |
CN106769030A (zh) | 一种基于mea‑bp神经网络算法的轴承状态跟踪与预测方法 | |
CN111317446B (zh) | 基于人体肌肉表面电信号的睡眠结构自动分析方法 | |
CN106200943A (zh) | 虚拟现实设备控制方法、装置和系统 | |
CN108310759A (zh) | 信息处理方法及相关产品 | |
CN110705421A (zh) | 体型数据的处理方法及装置 | |
CN113113109A (zh) | 基于可穿戴设备体征数据分析的有氧运动管理方法及系统 | |
CN113521683A (zh) | 一种智能体育体能综合训练控制系统 | |
CN117045253A (zh) | 一种ai心理咨询方法和系统 | |
CN111297327A (zh) | 一种睡眠分析方法、系统、电子设备及存储介质 | |
CN116687411B (zh) | 一种游戏综合分数获取方法、装置、智能终端和存储介质 | |
CN109044276A (zh) | 一种检测肌肉内源性疲劳度的方法、装置及存储介质 | |
Tickle et al. | Human optional stopping in a heteroscedastic world. | |
CN111104815A (zh) | 一种基于情绪能量感知的心理测评方法及装置 | |
CN111524575A (zh) | 运动疲劳度评估方法及设备 | |
CN109620263B (zh) | 一种企事业单位上岗人员体征安全分析方法 | |
CN113679369B (zh) | 一种心率变异性的评估方法、智能穿戴设备及存储介质 | |
CN114305346A (zh) | 睡眠监测方法、装置、智能眼罩及存储介质 | |
CN112773379B (zh) | 一种肌电信号的处理方法、处理设备以及存储介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |