CN113244595B - 一种动作爆发力分析方法及系统 - Google Patents

Abstract

一种动作爆发力分析方法及系统，通过配置在监测对象的终端设备获取监测对象的动作监测数据；采用加速计数据和陀螺仪数据进行基于互补滤波算法的惯性系统姿态解算，判断终端设备在垂直重力方向的实时姿态；根据终端设备的实时姿态获得重力加速度，排除重力加速度得到终端设备的线性加速度；根据终端设备的线性加速度截取监测对象的动作行为产生的加速度变化曲线波峰，分析波峰数据获得波峰有效数据段；通过姿态数据训练系统识别监测对象的动作行为；通过加速计数据分析监测对象的动作行为加速度极值，获得监测对象动作的爆发力。本发明能够判断监测对象是否执行了规范动作，可以计算出监测对象动作产生的爆发力数据，可以作为身体素质指标。

Description

一种动作爆发力分析方法及系统

技术领域

本发明涉及动作数据处理技术领域，具体涉及一种动作爆发力分析方法及系统。

背景技术

健身运动是一项通过徒手或利用各种器械，运用专门的动作方式和方法进行锻炼，达到发达肌肉、增长体力、改善形体等运动目的。健身运动的动作方式是多种多样的，特别是肌肉爆发力的训练动作，可帮助用户更好提升自己身体的爆发力，提高个人的健身训练水平，高力量的爆发力可以有效避免运动损伤。当健身达到一定训练程度以后，就必须要增强爆发力的训练，增强身体运动综合素质快速反应能力

现代终端设备已经普遍搭载了惯性系统传感器：如加速计，陀螺仪等，通过采集分析传感器数据，可以在一定程度上推导出用户的运动行为和动作特征。通过收集用户在某个动作的爆发力作为用户身体素质的指标和用户运动训练的推荐依据，给用户提供专门训练，以强化用户的对应素质。健身运动过程如何判定用户是否执行了规范动作，特别是对用户动作产生的爆发力非常抽象的行为进行量化精准分析是一个亟待解决的技术问题。

发明内容

为此，本发明提供一种动作爆发力分析方法及系统，以实现对用户的运动行为动作爆发力的量化分析，进而判定用户是否执行规范动作及作为用户运动训练的推荐依据。

为了实现上述目的，本发明提供如下技术方案：一种动作爆发力分析方法，包括以下步骤：

通过配置在监测对象的终端设备获取所述监测对象的动作监测数据，所述动作监测数据包括加速计数据和陀螺仪数据；

采用所述加速计数据和陀螺仪数据进行基于互补滤波算法的惯性系统姿态解算，判断所述终端设备在垂直重力方向的实时姿态；

根据所述终端设备的实时姿态获得重力加速度，排除所述重力加速度得到所述终端设备的线性加速度；

根据所述终端设备的线性加速度截取所述监测对象的动作行为产生的加速度变化曲线波峰，分析波峰数据获得波峰有效数据段；

通过姿态数据训练系统识别所述监测对象的动作行为，所述动作行为包括挥拳，踢腿和跳跃；

通过所述加速计数据分析监测对象的动作行为加速度极值，获得监测对象动作的爆发力。

作为动作爆发力分析方法优选方案，根据牛顿第二定律分析规定动作行为中爆发力和制动过程中力的作用，加速计采用弹性测量机制，在制动过程中，加速计的采集参数为弹性碰撞数据。

作为动作爆发力分析方法优选方案，预设加速计的采集周期Δt，周期起始速度v₁，周期结束速度v₂，则本周期内力的作用为：

F×Δt＝m×(v2-v1)

周期n的作用力F_n为：

F_n＝ma_n

m为监测对象质量常量，a_n为周期n中的加速度。

作为动作爆发力分析方法优选方案，采用低通滤波器获得终端设备的重力加速度分量，设初始化第n次采集加速度数据在I轴方向的读值为RI_n，重力加速度在I轴方向的分量为GI_n，设本次滤波器常量为A_n，则在I轴方向重力加速的差分方程描述为：

GI_n＝A_n×GI_n-1+(1-A_n)×RI_n

A_n值反映重力加速度误差对于加速度变化的敏感程度。

作为动作爆发力分析方法优选方案，通过动态变化A_n值的方式降低重力加速度误差。

作为动作爆发力分析方法优选方案，在终端设备的初始化过程判定终端设备姿态，判断监测对象的终端设备佩戴姿势是否符合预设的动作行为规定标准。

作为动作爆发力分析方法优选方案，通过分析终端设备的线性加速度模长数据回落状态，截取测试动作行为形成的波峰波形。

作为动作爆发力分析方法优选方案，截取测试动作行为的完整波形后，切割掉峰值后波形，保留从最后一个低值到峰值的波形作为测试动作姿态判定波形。

作为动作爆发力分析方法优选方案，通过抽点的方式将姿态判定波形拟合成相同周期的波形，并通过抽点的方式采样关键点的姿态数据。

本发明还提供一种动作爆发力分析系统，采用上述的动作爆发力分析方法，包括：

动作监测模块，用于通过配置在监测对象的终端设备获取所述监测对象的动作监测数据，所述动作监测数据包括加速计数据和陀螺仪数据；

姿态判定模块，用于采用所述加速计数据和陀螺仪数据进行基于互补滤波算法的惯性系统姿态解算，判断所述终端设备在垂直重力方向的实时姿态；

重力排除模块，用于根据所述终端设备的实时姿态获得重力加速度，排除所述重力加速度得到所述终端设备的线性加速度；

波峰分析模块，用于根据所述终端设备的线性加速度截取所述监测对象的动作行为产生的加速度变化曲线波峰，分析波峰数据获得波峰有效数据段；

动作行为识别模块，用于通过姿态数据训练系统识别所述监测对象的动作行为，所述动作行为包括挥拳，踢腿和跳跃；

爆发力获取模块，用于通过所述加速计数据分析监测对象的动作行为加速度极值，获得监测对象动作的爆发力。

本发明具有如下优点：通过配置在监测对象的终端设备获取监测对象的动作监测数据，动作监测数据包括加速计数据和陀螺仪数据；采用加速计数据和陀螺仪数据进行基于互补滤波算法的惯性系统姿态解算，判断终端设备在垂直重力方向的实时姿态；根据终端设备的实时姿态获得重力加速度，排除重力加速度得到终端设备的线性加速度；根据终端设备的线性加速度截取监测对象的动作行为产生的加速度变化曲线波峰，分析波峰数据获得波峰有效数据段；通过姿态数据训练系统识别监测对象的动作行为，动作行为包括挥拳，踢腿和跳跃；通过加速计数据分析监测对象的动作行为加速度极值，获得监测对象动作的爆发力。本发明能够判断监测对象是否执行了规范动作，并且可以计算出监测对象动作产生的爆发力数据，通过收集监测对象在某个动作的爆发力，可以作为监测对象身体素质的指标，作为监测对象运动训练的推荐依据，给监测对象提供专门训练，来强化监测对象的对应素质。

附图说明

为了更清楚地说明本发明的实施方式或现有技术中的技术方案，下面将对实施方式或现有技术描述中所需要使用的附图作简单地介绍。显而易见地，下面描述中的附图仅仅是示例性的，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图引伸获得其它的实施附图。

本说明书所绘示的结构、比例、大小等，均仅用以配合说明书所揭示的内容，以供熟悉此技术的人士了解与阅读，并非用以限定本发明可实施的限定条件，故不具技术上的实质意义，任何结构的修饰、比例关系的改变或大小的调整，在不影响本发明所能产生的功效及所能达成的目的下，均应仍落在本发明所揭示的技术内容能涵盖的范围内。

图1为本发明实施例中提供的动作爆发力分析方法流程示意图；

图2为本发明实施例中提供的动作爆发力分析过程终端设备采集数据流程；

图3为本发明实施例中提供的动作爆发力分析过程中姿态解算流程；

图4为本发明实施例中提供的动作爆发力分析过程中姿态数据处理流程；

图5为本发明实施例中提供的动作爆发力分析截取测试动作形成的波峰波形示意图；

图6为本发明实施例中提供的动作爆发力分析系统示意图。

具体实施方式

以下由特定的具体实施例说明本发明的实施方式，熟悉此技术的人士可由本说明书所揭露的内容轻易地了解本发明的其他优点及功效，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

实施例1

参见图1、图2、图3和图4，提供一种动作爆发力分析方法，包括以下步骤：

S1、通过配置在监测对象的终端设备获取所述监测对象的动作监测数据，所述动作监测数据包括加速计数据和陀螺仪数据；

S2、采用所述加速计数据和陀螺仪数据进行基于互补滤波算法的惯性系统姿态解算，判断所述终端设备在垂直重力方向的实时姿态；

S3、根据所述终端设备的实时姿态获得重力加速度，排除所述重力加速度得到所述终端设备的线性加速度；

S4、根据所述终端设备的线性加速度截取所述监测对象的动作行为产生的加速度变化曲线波峰，分析波峰数据获得波峰有效数据段；

S5、通过姿态数据训练系统识别所述监测对象的动作行为，所述动作行为包括挥拳，踢腿和跳跃；

S6、通过所述加速计数据分析监测对象的动作行为加速度极值，获得监测对象动作的爆发力。

本实施例中，根据牛顿第二定律分析规定动作行为中爆发力和制动过程中力的作用，加速计采用弹性测量机制，在制动过程中，加速计的采集参数为弹性碰撞数据。预设加速计的采集周期Δt，周期起始速度v₁，周期结束速度v₂，则本周期内力的作用为：

F×Δt＝m×(v2-v1)

周期n的作用力F_n为：

F_n＝ma_n

m为监测对象质量常量，a_n为周期n中的加速度。监测对象在测试过程中的加速度峰值，可以用来表达挥拳力度。

具体的，本实施例中给出的线性加速度概念，即抛除重力加速的影响的加速度数据。通过采用低通滤波器获得终端设备的重力加速度分量，设初始化第n次采集加速度数据在I轴方向的读值为RI_n，重力加速度在I轴方向的分量为GI_n，设本次滤波器常量为A_n，则在I轴方向重力加速的差分方程描述为：

GI_n＝A_n×GI_n-1+(1-A_n)×RI_n

A_n值反映重力加速度误差对于加速度变化的敏感程度。

本实施例中，通过动态变化A_n值的方式降低重力加速度误差。A_n值反映了重力加速度误差对于加速度变化的敏感程度，为了降低误差可以动态变化A_n的值，设第n次加速度的空间向量为

则加速度的空间模长为：

当增量

较小时，说明终端设备在做低加速度运动，这时候重力加速度的过滤应该以新值为主，滤波器常量A_n应向0方向偏移，当

较大时，说明终端设备在做高加速度运动，这时候重力加速度的过滤应该以旧值为主，滤波器常量A_n应向1方向偏移，当

过大时，即超过1个重力加速度，说明终端设备在做极高加速度运动，此时通过将滤波器常量A_n锁定为1来锁定重力加速度的变化，阻止重力加速度产生过多误差。

辅助图2、图3和图4，本实施例中，监测对象的动作姿态采集初始化过程判定终端设备姿态，判断监测对象的终端设备佩戴姿势是否符合动作的规定标准。以挥拳动作为例，规定合理握持方式为右手正向握持，则初始姿态加速计读数为：

辅助图5，通过分析加速度模长数据的回落状态截取测试动作形成的波峰波形，以挥拳动作为例，设截取高值为H，高值需要尽量靠近可预测的做小挥拳峰值，如果波形缓存中最大值Amax大于H，则判定缓存中存在有效挥拳峰值，设低值L，L要尽量靠近低加速度运动的噪音峰值，当在缓存中存在挥拳峰值，且新值回落到L值一下，则判定波形成功回落进一步判定缓存波形完成，可以导出历史波形到峰值前最近一个小于L值的位置，作为完整波形。通过H和L的二值判定，可以有效避免波形中的局部波谷对于波形判断的影响。

具体的，截取完整波形后，要切割掉峰值后波形，保留从最后一个低值L到峰值Amax的波形作为测试动作姿态判定波形，由于波形长度会随着测试动作执行时间的不同而不同，需要通过抽点的方式将姿态判定波形拟合成相同周期的波形，并通过抽点的方式采样关键点的姿态数据。姿态数据以姿态四元数[q1,q2,q3,q4]的方式表达，配合上点位数列index作为姿态识别源数据[index,q1,q2,q3,q4]。

以挥拳动作为例，设抽取有效识别数据长度为5，则有挥拳动作特征数据矩阵：

以上面特征数据矩阵作为张量，输入神经网络进行识别分类，并返回识别结果。

实施例2

参见图6，本发明实施例中还提供一种动作爆发力分析系统，采用实施例1中的动作爆发力分析方法，包括：

动作监测模块1，用于通过配置在监测对象的终端设备获取所述监测对象的动作监测数据，所述动作监测数据包括加速计数据和陀螺仪数据；

姿态判定模块2，用于采用所述加速计数据和陀螺仪数据进行基于互补滤波算法的惯性系统姿态解算，判断所述终端设备在垂直重力方向的实时姿态；

重力排除模块3，用于根据所述终端设备的实时姿态获得重力加速度，排除所述重力加速度得到所述终端设备的线性加速度；

波峰分析模块4，用于根据所述终端设备的线性加速度截取所述监测对象的动作行为产生的加速度变化曲线波峰，分析波峰数据获得波峰有效数据段；

动作行为识别模块5，用于通过姿态数据训练系统识别所述监测对象的动作行为，所述动作行为包括挥拳，踢腿和跳跃；

爆发力获取模块6，用于通过所述加速计数据分析监测对象的动作行为加速度极值，获得监测对象动作的爆发力。

需要说明的是，上述装置各模块/单元之间的信息交互、执行过程等内容，由于与本申请实施例1中的方法实施例基于同一构思，其带来的技术效果与本申请方法实施例相同，具体内容可参见本申请前述所示的方法实施例中的叙述，此处不再赘述。

具体的，基于本发明的技术方案，一般情况下终端设备可以直接采用手机作为惯性系统和数据采集端，如果采用其他搭载惯性系统传感器的终端，可以用手机作为数据采集端，通过蓝牙协议收集终端传感器数据。

具体的，基于本发明的技术方案进行对应的软件系统开发，整个操作过程如下：

第一、开启应用，选择爆发力测试功能，进入测试流程；

第二、选择设备，默认使用手机自带传感器，可选通过蓝牙协议连接周边可用设备；

第三、传感器参数检测，检测加速计参数a[x,y,z]，检测陀螺仪参数g[x,y,z]，检测数据更新周期Δt；

第四、选择测试动作，并按照动作规定将终端设备佩戴在指定位置上，根据传感器参数校正传感器初始坐标系到测试动作规定初始坐标系并初始化采集姿态；

第五、按照应用提示，测试动作爆发力，重复测试到满意的发暴力结果，提交测试数据。

综上所述，本发明通过配置在监测对象的终端设备获取监测对象的动作监测数据，动作监测数据包括加速计数据和陀螺仪数据；采用加速计数据和陀螺仪数据进行基于互补滤波算法的惯性系统姿态解算，判断终端设备在垂直重力方向的实时姿态；根据终端设备的实时姿态获得重力加速度，排除重力加速度得到终端设备的线性加速度；根据终端设备的线性加速度截取监测对象的动作行为产生的加速度变化曲线波峰，分析波峰数据获得波峰有效数据段；通过姿态数据训练系统识别监测对象的动作行为，动作行为包括挥拳，踢腿和跳跃；通过加速计数据分析监测对象的动作行为加速度极值，获得监测对象动作的爆发力。本发明能够判断监测对象是否执行了规范动作，并且可以计算出监测对象动作产生的爆发力数据，通过收集监测对象在某个动作的爆发力，可以作为监测对象身体素质的指标，作为监测对象运动训练的推荐依据，给监测对象提供专门训练，来强化监测对象的对应素质。

实施例3

本发明实施例3提供一种计算机可读存储介质，所述计算机可读存储介质中存储用于动作爆发力分析方法的程序代码，所述程序代码包括用于执行实施例1或其任意可能实现方式的动作爆发力分析方法的指令。

计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，DVD)、或者半导体介质(例如固态硬盘(SolidStateDisk、SSD))等。

实施例4

本发明实施例4提供一种电子设备，所述电子设备包括处理器，所述处理器与存储介质耦合，当所述处理器执行存储介质中的指令时，使得所述电子设备执行实施例1或其任意可能实现方式的动作爆发力分析方法。

具体的，处理器可以通过硬件来实现也可以通过软件来实现，当通过硬件实现时，该处理器可以是逻辑电路、集成电路等；当通过软件来实现时，该处理器可以是一个通用处理器，通过读取存储器中存储的软件代码来实现，该存储器可以集成在处理器中，可以位于所述处理器之外，独立存在。

在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时，全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。

显然，本领域的技术人员应该明白，上述的本发明的各模块或各步骤可以用通用的计算装置来实现，它们可以集中在单个的计算装置上，或者分布在多个计算装置所组成的网络上，可选地，它们可以用计算装置可执行的程序代码来实现，从而，可以将它们存储在存储装置中由计算装置来执行，并且在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样，本发明不限制于任何特定的硬件和软件结合。

虽然，上文中已经用一般性说明及具体实施例对本发明作了详尽的描述，但在本发明基础上，可以对之作一些修改或改进，这对本领域技术人员而言是显而易见的。因此，在不偏离本发明精神的基础上所做的这些修改或改进，均属于本发明要求保护的范围。

Claims (7)

1.一种动作爆发力分析方法，其特征在于，包括以下步骤：

通过配置在监测对象的终端设备获取所述监测对象的动作监测数据，所述动作监测数据包括加速计数据和陀螺仪数据；

采用所述加速计数据和陀螺仪数据进行基于互补滤波算法的惯性系统姿态解算，判断所述终端设备在垂直重力方向的实时姿态；

根据所述终端设备的实时姿态获得重力加速度，排除所述重力加速度得到所述终端设备的线性加速度；

根据所述终端设备的线性加速度截取所述监测对象的动作行为产生的加速度变化曲线波峰，分析波峰数据获得波峰有效数据段；

通过姿态数据训练系统识别所述监测对象的动作行为，所述动作行为包括挥拳，踢腿和跳跃；

通过所述加速计数据分析监测对象的动作行为加速度极值，获得监测对象动作的爆发力；

通过分析终端设备的线性加速度模长数据回落状态，截取测试动作行为形成的波峰波形；

截取测试动作行为的完整波形后，切割掉峰值后波形，保留从最后一个低值到峰值的波形作为测试动作姿态判定波形；

通过抽点的方式将姿态判定波形拟合成相同周期的波形，并通过抽点的方式采样关键点的姿态数据。

2.根据权利要求1所述的一种动作爆发力分析方法，其特征在于，根据牛顿第二定律分析规定动作行为中爆发力和制动过程中力的作用，加速计采用弹性测量机制，在制动过程中，加速计的采集参数为弹性碰撞数据。

3.根据权利要求2所述的一种动作爆发力分析方法，其特征在于，预设加速计的采集周期Δt，周期起始速度v₁，周期结束速度v₂，则本周期内力的作用为：

F×Δt＝m×(v2-v1)

周期n的作用力F_n为：

F_n＝ma_n

m为监测对象质量常量，a_n为周期n中的加速度。

4.根据权利要求1所述的一种动作爆发力分析方法，其特征在于，采用低通滤波器获得终端设备的重力加速度分量，设初始化第n次采集加速度数据在I轴方向的读值为RI_n，重力加速度在I轴方向的分量为GI_n，设本次滤波器常量为A_n，则在I轴方向重力加速的差分方程描述为：

GI_n＝A_n×GI_n-1+(1-A_n)×RI_n

A_n值反映重力加速度误差对于加速度变化的敏感程度。

5.根据权利要求4所述的一种动作爆发力分析方法，其特征在于，通过动态变化A_n值的方式降低重力加速度误差。

6.根据权利要求1所述的一种动作爆发力分析方法，其特征在于，在终端设备的初始化过程判定终端设备姿态，判断监测对象的终端设备佩戴姿势是否符合预设的动作行为规定标准。

7.一种动作爆发力分析系统，采用权利要求1至6任一项所述的动作爆发力分析方法，其特征在于，包括：

动作监测模块，用于通过配置在监测对象的终端设备获取所述监测对象的动作监测数据，所述动作监测数据包括加速计数据和陀螺仪数据；

姿态判定模块，用于采用所述加速计数据和陀螺仪数据进行基于互补滤波算法的惯性系统姿态解算，判断所述终端设备在垂直重力方向的实时姿态；

重力排除模块，用于根据所述终端设备的实时姿态获得重力加速度，排除所述重力加速度得到所述终端设备的线性加速度；

波峰分析模块，用于根据所述终端设备的线性加速度截取所述监测对象的动作行为产生的加速度变化曲线波峰，分析波峰数据获得波峰有效数据段；

动作行为识别模块，用于通过姿态数据训练系统识别所述监测对象的动作行为，所述动作行为包括挥拳，踢腿和跳跃；

爆发力获取模块，用于通过所述加速计数据分析监测对象的动作行为加速度极值，获得监测对象动作的爆发力。

Images