CN113679371B - 一种体成分检测方法、电子设备和计算机可读存储介质 - Google Patents

一种体成分检测方法、电子设备和计算机可读存储介质 Download PDF

Info

Publication number
CN113679371B
CN113679371B CN202010423640.9A CN202010423640A CN113679371B CN 113679371 B CN113679371 B CN 113679371B CN 202010423640 A CN202010423640 A CN 202010423640A CN 113679371 B CN113679371 B CN 113679371B
Authority
CN
China
Prior art keywords
gender
current user
mass
fat
impedance
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.)
Active
Application number
CN202010423640.9A
Other languages
English (en)
Other versions
CN113679371A (zh
Inventor
赵帅
杨斌
任慧超
李玥
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.)
Huawei Technologies Co Ltd
Original Assignee
Huawei Technologies Co Ltd
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 Huawei Technologies Co Ltd filed Critical Huawei Technologies Co Ltd
Priority to CN202010423640.9A priority Critical patent/CN113679371B/zh
Priority to PCT/CN2021/086968 priority patent/WO2021233019A1/zh
Publication of CN113679371A publication Critical patent/CN113679371A/zh
Application granted granted Critical
Publication of CN113679371B publication Critical patent/CN113679371B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/05—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves 
    • A61B5/053—Measuring electrical impedance or conductance of a portion of the body
    • A61B5/0537—Measuring body composition by impedance, e.g. tissue hydration or fat content
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/05—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves 
    • A61B5/053—Measuring electrical impedance or conductance of a portion of the body
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/48—Other medical applications
    • A61B5/4869—Determining body composition
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/48—Other medical applications
    • A61B5/4869—Determining body composition
    • A61B5/4872—Body fat
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01G—WEIGHING
    • G01G19/00—Weighing apparatus or methods adapted for special purposes not provided for in the preceding groups
    • G01G19/44—Weighing apparatus or methods adapted for special purposes not provided for in the preceding groups for weighing persons
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01G—WEIGHING
    • G01G19/00—Weighing apparatus or methods adapted for special purposes not provided for in the preceding groups
    • G01G19/52—Weighing apparatus combined with other objects, e.g. furniture
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • 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
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30—Computing systems specially adapted for manufacturing

Abstract

本发明实施例提供的一种体成分检测方法、电子设备和计算机可读存储介质的技术方案中，根据获取的当前用户的体重、阻抗、非性别参数，计算出当前用户的临时体成分，从临时体成分中筛选出与性别相关的特征体成分，根据特征体成分识别出当前用户的性别，根据当前用户的体重、阻抗、非性别参数以及性别，计算出当前用户的最终体成分，显示当前用户的性别和最终体成分，通过主动识别用户的性别，从而能够有效减少用户输入，提高用户体验，提高体成分检测的效率。

Description

一种体成分检测方法、电子设备和计算机可读存储介质
【技术领域】
本发明涉及体成分检测技术领域，具体地涉及计算机可读存储介质一种体成分检测方法、电子设备和计算机可读存储介质。
【背景技术】
在相关技术中，基于数据非依赖性采集(Data independent acquisition，简称DIA)定量技术的体成分检测，通常需要的信息包括阻抗、体重、性别、年龄、身高，其中，阻抗、体重分别由体脂秤的测重模块和测脂模块测量得到，性别、年龄、身高由用户输入。
由于不同性别所对应的体成分模型不同，性别是计算体成分的必需参数，通常用户必须输入性别信息才能获得准确体成分。然而输入过量的信息会影响用户的体验，尤其影响访客模式下的用户的应用体验，从而造成体成分检测缺乏智能性的问题。
【发明内容】
有鉴于此，本发明提供了一种体成分检测方法、电子设备和计算机可读存储介质，通过主动识别用户的性别，从而能够有效减少用户输入，提升用户体验，提升智能性。
一方面，本发明实施例提供了一种体成分检测方法，包括：
根据获取的当前用户的体重、阻抗、非性别参数，计算出所述当前用户的临时体成分；
从所述临时体成分中筛选出与性别相关的特征体成分；
根据所述特征体成分识别出所述当前用户的性别；
根据所述当前用户的体重、阻抗、非性别参数以及所述性别，计算出所述当前用户的最终体成分。
在一种可选的实现方式中，在所述根据获取的当前用户的体重、阻抗、非性别参数，计算出所述当前用户的临时体成分之前，还包括：
检测当前用户的体重以及阻抗；
接收终端输入的当前用户的非性别参数。
在一种可选的实现方式中，所述非性别参数包括身高；在一种可选的实现方式中，所述非性别参数包括身高和年龄；
所述根据获取的当前用户的体重、阻抗、非性别参数，计算出所述当前用户的临时体成分，包括：
通过无性别多元线性回归模型Yi temp＝bi1Wt+bi2Z+bi3Ht+bi4Age+bi5
，根据所述体重、所述阻抗、所述身高和所述年龄，计算出所述当前用户的临时体成分，其中，Yi temp表示为临时体成分，Wt表示为所述体重，Z表示为所述阻抗，Ht表示为所述身高，Age表示为所述年龄，bi表示为获取的回归系数。
在一种可选的实现方式中，所述与性别相关的特征体成分包括右上肢肌肉和右上肢脂肪；或者，所述与性别相关的特征体成分包括内脏脂肪等级、体总水、去脂体重、骨盐量、基础代谢率和肌肉量。
在一种可选的实现方式中，根据特征体成分识别出当前用户的性别。
本发明实施例中，作为一种可选方案，可通过机器学习算法，根据特征体成分识别出当前用户的性别。除此之外，还可以通过其他算法识别出当前用户的性别。例如识别性别的算法包括但不限于支持向量机、逻辑回归、XGBoost、神经网络。作为一种可选方案，通常采用的识别性别的算法包括支持向量机。
具体地，以机器学习算法为例，例如，以该体脂秤包括八电极体脂秤时，筛选出的与性别相关的特征体成分包括右上肢肌肉和右上肢脂肪为例，判断右上肢肌肉是否大于预设第一阈值，且右上肢脂肪是否大于预设第二阈值，若判断出右上肢肌肉大于预设第一阈值，且右上肢脂肪大于预设第二阈值，则判断出当前用户的性别为男性。对于预设第一阈值和预设第二阈值的取值范围不做限定，可根据需求进行设定。
在一种可选的实现方式中，所述根据所述当前用户的体重、阻抗、非性别参数以及所述性别，计算出所述当前用户的最终体成分，包括：
获取所述性别对应的多元线性回归模型；
通过所述性别对应的多元线性回归模型Yi final＝di1Wt+di2Z+di3Ht+di4Age+di5，wheredij＝fij(gender),j＝1,2,...,5，根据所述体重、所述阻抗、所述身高、所述年龄和所述性别，计算出所述当前用户的最终体成分，其中，Yi final表示为最终体成分，Wt表示为所述体重，Z表示为所述阻抗，Ht表示为所述身高，Age表示为所述年龄，gender表示为所述性别，di表示为获取的所述性别对应的回归系数。
在一种可选的实现方式中，所述最终体成分包括脂肪率、脂肪量、去脂体重、骨盐量、肌肉量、骨骼肌量、体总水、蛋白质、基础代谢率、内脏脂肪等级、5项节段肌肉量、5项节段脂肪量的其中一项或任意组合，所述5项节段肌肉量包括左臂肌肉量、右臂肌肉量、左腿肌肉量、右腿肌肉量、躯干肌肉量，所述5项节段脂肪量包括左臂脂肪量、右臂脂肪量、左腿脂肪量、右腿脂肪量、躯干脂肪量。
在一种可选的实现方式中，在所述根据所述当前用户的体重、阻抗、非性别参数以及所述性别，计算出所述当前用户的最终体成分之后，还包括：
根据所述最终体成分生成身体评估；
根据所述身体评估以及所述性别，生成运动推荐。
第二方面，本发明实施例提供了一种电子设备，所述设备包括：
根据获取的当前用户的体重、阻抗、非性别参数，计算出所述当前用户的临时体成分；
从所述临时体成分中筛选出与性别相关的特征体成分；
根据所述特征体成分识别出所述当前用户的性别；
根据所述当前用户的体重、阻抗、非性别参数以及所述性别，计算出所述当前用户的最终体成分。
在一种可选的实现方式中，当所述指令被所述设备执行时，使得所述设备具体执行以下步骤：
检测当前用户的体重以及阻抗；
接收终端输入的当前用户的非性别参数。
在一种可选的实现方式中，所述非性别参数包括身高和年龄；
当所述指令被所述设备执行时，使得所述设备具体执行以下步骤：
通过无性别多元线性回归模型Yi temp＝bi1Wt+bi2Z+bi3Ht+bi4Age+bi5，根据所述体重、所述阻抗、所述身高和所述年龄，计算出所述当前用户的临时体成分，其中，Yi temp表示为临时体成分，Wt表示为所述体重，Z表示为所述阻抗，Ht表示为所述身高，Age表示为所述年龄，bi表示为获取的回归系数。
在一种可选的实现方式中，所述与性别相关的特征体成分包括右上肢肌肉和右上肢脂肪；或者，所述与性别相关的特征体成分包括内脏脂肪等级、体总水、去脂体重、骨盐量、基础代谢率和肌肉量。
在一种可选的实现方式中，当所述指令被所述设备执行时，使得所述设备具体执行以下步骤：
获取所述性别对应的多元线性回归模型；
通过所述性别对应的多元线性回归模型Yi final＝di1Wt+di2Z+di3Ht+di4Age+di5,wheredij＝fij(gender),j＝1,2,...,5，根据所述体重、所述阻抗、所述身高、所述年龄和所述性别，计算出所述当前用户的最终体成分，其中，Yi final表示为最终体成分，Wt表示为所述体重，Z表示为所述阻抗，Ht表示为所述身高，Age表示为所述年龄，gender表示为所述性别，di表示为获取的所述性别对应的回归系数。
在一种可选的实现方式中，所述最终体成分包括脂肪率、脂肪量、去脂体重、骨盐量、肌肉量、骨骼肌量、体总水、蛋白质、基础代谢率、内脏脂肪等级、5项节段肌肉量、5项节段脂肪量的其中一项或任意组合，所述5项节段肌肉量包括左臂肌肉量、右臂肌肉量、左腿肌肉量、右腿肌肉量、躯干肌肉量，所述5项节段脂肪量包括左臂脂肪量、右臂脂肪量、左腿脂肪量、右腿脂肪量、躯干脂肪量。
在一种可选的实现方式中，当所述指令被所述设备执行时，使得所述设备具体执行以下步骤：
根据所述最终体成分生成身体评估；
根据所述身体评估以及所述性别，生成运动推荐。
第三方面，本发明实施例提供了一种电子设备，包括：显示屏；一个或多个处理器；存储器；多个应用程序；以及一个或多个计算机程序，其中所述一个或多个计算机程序被存储在所述存储器中，所述一个或多个计算机程序包括指令，当所述指令被所述设备执行时，使得设备执行上述任一方面任一项可能的实现中的体成分检测方法。
第四方面，本发明实施例提供了一种计算机可读存储介质，所述计算机可读存储介质用于设备执行的程序代码，所述程序代码包括用于执行第一方面或者第一方面的任一可能的实现方式中的方法的指令。
本发明实施例提供的技术方案中，根据获取的当前用户的体重、阻抗、非性别参数，计算出当前用户的临时体成分，从临时体成分中筛选出与性别相关的特征体成分，根据特征体成分识别出当前用户的性别，根据当前用户的体重、阻抗、非性别参数以及性别，计算出当前用户的最终体成分，显示当前用户的性别和最终体成分，通过主动识别用户的性别，从而能够有效减少用户输入，提高用户体验，提高体成分检测的效率。
【附图说明】
为了更清楚地说明本发明实施例的技术方案，下面将对实施例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本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其它的附图。
图1是本发明一实施例所提供的一种体成分检测系统的架构图；
图2是本发明一实施例所提供的一种体成分检测方法的流程图；
图3是本发明一实施例所提供的一种电子设备界面的示意图；
图4是本发明一实施例所提供的一种性别显示方式的示意图；
图5是本发明一实施例所提供的另一种性别显示方式的示意图；
图6是本发明一实施例所提供的电子设备界面的示意图；
图7是本发明一实施例所提供的一种电子设备的结构示意图；
图8为本发明一实施例所提供的另一种电子设备的结构示意图。
【具体实施方式】
为了更好的理解本发明的技术方案，下面结合附图对本发明实施例进行详细描述。
应当明确，所描述的实施例仅仅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作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
在本发明实施例中使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本发明。在本发明实施例和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。
应当理解，本文中使用的术语“和/或”仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，甲和/或乙，可以表示：单独存在甲，同时存在甲和乙，单独存在乙这三种情况。另外，本文中字符“/”，一般表示前后关联对象是一种“或”的关系。
由于不同性别所对应的体成分模型不同，因此性别是计算体成分的必需参数，用户必须输入性别信息。因此在相关技术的体成分检测方法中，通常采用阻抗、体重、性别、年龄、身高计算出用户的体成分，其中，阻抗、体重分别由体脂秤的测重模块和测脂模块测量得到，性别、年龄、身高由用户输入。然而输入过量的信息会影响用户的体验，尤其影响访客模式下的用户的应用体验，从而造成体成分检测缺乏智能性的问题。因此本发明实施例提供了一种体成分检测系统，用于解决上述问题。
图1为本发明一实施例提供的一种体成分检测系统的架构图，如图1所示，该系统100包括：电子设备110和终端120。
本发明实施例中，电子设备110包括体脂秤。终端120可以是当前用户的手持终端，例如，手机终端、平板电脑、笔记本电脑、增强现实(augmented reality，简称AR)或者AR/虚拟现实(virtual reality，简称VR)等。如图1所示，电子设备110包括检测单元111、交互单元112、处理单元113、显示单元114、评估单元115以及显示屏116。
检测单元111用于检测当前用户的体重以及阻抗，具体地，检测单元111包括测重模块和测脂模块，测重模块用于检测当前用户的体重，测脂模块用于检测当前用户的阻抗。
交互单元112用于接收终端120输入的当前用户的非性别参数。需要说明的是，终端120和电子设备110之前的交互方式可采用蓝牙、wifi等方式，进行数据传输。
处理单元113用于识别当前用户的性别。具体地，处理单元113用于通过无性别多元线性回归模型，根据获取的当前用户的体重、阻抗、非性别参数，计算出当前用户的临时体成分；从临时体成分中筛选出与性别相关的特征体成分；根据特征体成分识别出当前用户的性别；通过多元线性回归模型，根据当前用户的体重、阻抗、非性别参数以及性别，计算出当前用户的最终体成分。
显示单元114用于控制显示屏116显示当前用户的性别和最终体成分。
评估单元115用于根据最终体成分生成身体评估，根据身体评估以及性别，生成运动推荐。
显示单元114还用于控制显示屏114显示运动推荐。
交互模块112还用于将当前用户的最终体成分运动推荐发送至终端120。
在一种实现方式中，交互模块112还用于将检测单元111测量的当前用户的体重以及阻抗发送至终端120，以使终端120根据当前用户的体重以及阻抗，识别当前用户的性别、计算当前用户的体成分、显示用户性别和最终体成分以及生成身体评估和运动推荐。
在本发明实施例中，基于上述的系统架构100，通过主动识别用户的性别，从而能够有效减少用户输入，提高用户体验，提高体成分检测的效率。下面结合图2，包括步骤202至步骤220，对体成分检测方法的过程进行详细的说明。
图2为本发明一实施例提供的一种体成分检测方法的流程图，如图2所示，该方法包括：
步骤202、检测当前用户的体重以及阻抗。
本发明实施例中，各步骤由电子设备110执行。电子设备110可包括体脂秤，该体脂秤包括测重模块和测脂模块，测重模块用于检测当前用户的体重，测脂模块用于检测当前用户的阻抗。
本发明实施例中，在步骤202之前，还包括：步骤201、启动体脂秤。
步骤204、接收终端输入的当前用户的非性别参数。
本发明实施例中，非性别参数包括除性别之外的其他用户参数，作为一种可选方案，非性别参数可包括身高。作为另一种可选方案，非性别参数可包括身高和年龄。如图3所示，当前用户在终端的APP注册页面输入当前用户的昵称、出生年月以及身高，当前用户无需输入性别。通过当前用户在终端输入非性别参数，以便于通过终端120和电子设备110之间的交互，电子设备110能够接收终端120输入的当前用户的非性别参数。除此之外，非性别参数还可以包含除身高、年龄之外的其他参数，本发明对此不做限定。
在实际应用中，现有技术通常需要用户在电子设备110或者终端120中输入当前用户的身高、年龄以及性别，从而通过测量的阻抗、体重以及输入的身高、年龄以及性别计算出用户的体成分，然而输入过量的信息会影响用户的体验，尤其影响访客模式下的用户的应用体验，从而造成体成分检测缺乏智能性的问题。在本发明实施例中，如图3所示，用户无需输入性别参数，从而避免了输入过量的信息会影响用户的体验的问题；并通过后续步骤中识别出当前用户的性别，提高访客模式下的用户的应用体验。
步骤206、根据获取的当前用户的体重、阻抗、非性别参数，计算出当前用户的临时体成分。
本发明实施例中，步骤206可包括：通过无性别多元线性回归模型，根据获取的当前用户的体重、阻抗、非性别参数，计算出当前用户的临时体成分。
本发明实施例中，无性别多元线性回归模型为预先训练好的模型。在非性别参数可包括身高和年龄的情况下，步骤206可具体包括：通过无性别多元线性回归模型Yi temp＝bi1Wt+bi2Z+bi3Ht+bi4Age+bi5，根据体重、阻抗、身高和年龄，计算出当前用户的临时体成分，其中，Yi temp表示为临时体成分，Wt表示为体重，Z表示为阻抗，Ht表示为身高，Age表示为年龄，bi表示为获取的回归系数，由实验数据训练得到。
需要说明的是，若该体脂秤包括八电极体脂秤时，临时体成分包括但不限于右上肢肌肉、右上肢脂肪，若该体脂秤包括四电极体脂秤时，临时体成分包括但不限于内脏脂肪等级、体总水、去脂体重、骨盐量、基础代谢率、肌肉量。除此之外，临时体成分还可以包括其他参数，具体计算出的体成分可根据实际体脂秤的类型决定。此外，本发明实施例中，可通过训练无性别多元线性回归模型获取回归系数bi。
在实际应用中，现有技术通常采用带有性别的多元线性回归模型计算用户的体成分，然而该方案会造成用户需要输入大量的信息，从而导致用户体验效果差，体成分检测效率低的问题，而本发明实施例中，通过无性别多元线性回归模型所计算出当前用户的临时体成分之后，通过临时体成分识别出当前用户的性别，从而能够减少用户的输入量，提高访客模式下的用户的应用体验。
步骤208、从临时体成分中筛选出与性别相关的特征体成分。
本发明实施例通过大量研究数据得到：若该体脂秤包括八电极体脂秤时，与性别相关的特征体成分包括右上肢肌肉和右上肢脂肪，当采用右上肢肌肉和右上肢脂肪作为与性别相关的特征体成分时，能够更为准确的识别出当前用户的性别。若该体脂秤包括四电极体脂秤时，与性别相关的特征体成分包括内脏脂肪等级、体总水、去脂体重、骨盐量、基础代谢率和肌肉量，当采用内脏脂肪等级、体总水、去脂体重、骨盐量、基础代谢率和肌肉量作为与性别相关的特征体成分时，能够更为准确的识别出当前用户的性别。除此之外，与性别相关的特征体成分还可以包括其他参数，可根据当前使用的体脂秤的类型决定。本发明对此不做限定。
步骤210、根据特征体成分识别出当前用户的性别。
本发明实施例中，作为一种可选方案，可通过机器学习算法，根据特征体成分识别出当前用户的性别。除此之外，还可以通过其他算法识别出当前用户的性别。例如识别性别的算法包括但不限于支持向量机、逻辑回归、XGBoost、神经网络。作为一种可选方案，通常采用的识别性别的算法包括支持向量机。
具体地，以机器学习算法为例，例如，以该体脂秤包括八电极体脂秤时，筛选出的与性别相关的特征体成分包括右上肢肌肉和右上肢脂肪为例，判断右上肢肌肉是否大于预设第一阈值，且右上肢脂肪是否大于预设第二阈值，若判断出右上肢肌肉大于预设第一阈值，且右上肢脂肪大于预设第二阈值，则判断出当前用户的性别为男性。对于预设第一阈值和预设第二阈值的取值范围不做限定，可根据需求进行设定。
步骤212、根据当前用户的体重、阻抗、非性别参数以及性别，计算出当前用户的最终体成分。
本发明实施例中，步骤212可包括：通过性别对应的多元线性回归模型，根据当前用户的体重、阻抗、非性别参数以及性别，计算出当前用户的最终体成分。
本发明实施例中，在非性别参数可包括身高和年龄的情况下，步骤212可具体包括：
步骤2121、获取性别对应的多元线性回归模型；
本发明实施例中，由于不同的性别所对应的回归系数不同，因此不同的性别所对应的多元线性回归模型不同。在回归系数di包括di1，di2，di3，di4，di5的情况下，例如，当性别包括男性时，性别对应的回归系数di包括di1 M，di2 M，di3 M，di4 M，di5 M，其中M用于表示男性。当性别包括女性时，性别对应的回归系数di包括di1 F，di2 F，di3 F，di4 F，di5 F，其中F用于表示女性。
步骤2122、通过性别对应的多元线性回归模型Yi final＝di1Wt+di2Z+di3Ht+di4Age+di5,where dij＝fij(gender),j＝1,2,...,5，根据体重、阻抗、身高、年龄和性别，计算出当前用户的最终体成分，其中，Yi final表示为最终体成分，Wt表示为体重，Z表示为阻抗，Ht表示为身高，Age表示为年龄，gender表示为性别，di表示为获取的性别对应的回归系数。具体地，性别包括女性时，女性所对应的多元线性回归模型：Yi final＝di1 FWt+di2 FZ+di3 FHt+di4 FAge+di5 F，where dij＝fij(gender)，j＝1,2，...，5，性别包括男性时，男性所对应的多元线性回归模型：Yi final＝di1 MWt+di2 MZ+di3 MHt+di4 MAge+di5 M，where dij＝fij(gender)，j＝1,2，...，5。本发明实施例中，通过体脂秤识别出用户的性别，并根据获取性别对应的多元线性回归模型，从而能够更加精确的计算出当前用户的最终体成分，提高了体成分的检测精度和检测效率。
本发明实施例中，在步骤212之后，还包括：
步骤213、显示当前用户的性别和最终体成分。
本发明实施例中，最终体成分包括但不限于脂肪率、脂肪量、去脂体重、骨盐量、肌肉量、骨骼肌量、体总水、蛋白质、基础代谢率、内脏脂肪等级、5项节段肌肉量、5项节段脂肪量，5项节段肌肉量包括左臂肌肉量、右臂肌肉量、左腿肌肉量、右腿肌肉量、躯干肌肉量，5项节段脂肪量包括左臂脂肪量、右臂脂肪量、左腿脂肪量、右腿脂肪量、躯干脂肪量，除此之外，还可以包括其他参数，本发明对于最终体成分所包含的参数并不做限定，可根据需求设定。
本发明实施例中，显示当前用户的性别的方式可包括显示性别文字、显示性别图形、显示性别颜色、显示性别logo等。例如，在一种可选方案中，如图4所示，通过在电子设备110的显示屏116中显示圆点，不同颜色的圆点表示不同的性别，例如，蓝色圆点表示男性，红色圆点表示女性。例如，在另一种可选方案中，如图5所示，显示当前用户的个人信息，个人信息中包括用户的性别。例如，在另一种可选方案中，如图6所示，显示当前用户的个人信息，个人信息中包括女性logo1和女性头像2。本发明实施例中，通过在体脂秤中显示用户的性别，使得用户能够方便直观地看到性别识别结果，进一步提高用户的体验效果。
本发明实施例中，显示当前用户的性别和最终体成分的方式，例如，如图6所示，通过执行上述步骤，能够识别出当前用户的性别之后，能够在电子设备110的显示屏116中显示当前用户的性别、体重、脂肪率、骨骼肌量、内脏脂肪等级等参数，以便于通过用户能够直观快速的获取体成分的检测结果的同时，能够自动补全用户的性别，避免了用户需要手动输入，造成输入量过多影响用户体验的问题。
本发明实施例中，进一步地，还包括：将当前用户的最终体成分和性别发送至终端120。通过执行该步骤，以便于用户能够实时获取体成分的检测结果，避免了离开体脂秤导致无法获取体成分结果的问题，同时，将当前用户的性别发送至终端120，从而能够在终端中自动补全并显示当前用户的性别，使得用户能够方便直观地看到性别识别结果，进一步提高用户的体验效果，避免了用户输入量过分的问题。
步骤214、根据最终体成分生成身体评估。
本发明实施例中，步骤214可具体包括：通过最终体成分与预设阈值的比较结果，确定出身体评估。例如，若判断出最终体成分中的肌肉量处于预设范围值，表明该用户的肌肉量正常，将肌肉量正常作为该用户的身体评估。例如，若判断出最终体成分中的体脂率大于预设阈值，表明该用户的体脂率偏高，将体脂率偏高作为该用户的身体评估。
步骤216、根据身体评估以及性别，生成运动推荐。
本发明实施例中，预先建立身体评估以及性别与运动推荐之间的对应关系，从而根据身体评估以及性别，能够查询出对应的运动推荐。例如，身体评估包括女性躯干脂肪含量高时，查询出对应的运动推荐可包括瑜伽、健美操、弓箭步下蹲、仰卧起坐、跑步、游泳等运动。身体评估包括男性躯干脂肪含量高时，查询出对应的运动推荐可包括俯卧撑、引体向上、力量台阶、深蹲、跑步、游泳等运动。本发明实施例中，通过执行步骤218，能够根据性别进行运动类型推荐，进一步提升了体脂秤的智能性。
本发明实施例中，在步骤216之后，还包括：
步骤217、显示身体评估和运动推荐。
本发明实施例中，如图6所示，在最终体成分的下方区域3显示身体评估和运动推荐，具体地，显示方式可包括：显示“您的身材偏胖，推荐您瑜伽、健美操、游泳等中低强度的有氧运动进行减脂，以及弓箭步下蹲、仰卧起坐等运动进行腿部、臀部、腰部的塑形”的字样。除此之外，还可以包括其他的显示方式，本发明上述例子均为举例说明并不做限定。另外需要说明的是，步骤220和步骤214的执行过程可分先后显示或同时显示，本发明对此不做限定。
本发明实施例提供的技术方案中，通过无性别多元线性回归模型，根据获取的当前用户的体重、阻抗、非性别参数，计算出当前用户的临时体成分，从临时体成分中筛选出与性别相关的特征体成分，根据特征体成分识别出当前用户的性别，通过多元线性回归模型，根据当前用户的体重、阻抗、非性别参数以及性别，计算出当前用户的最终体成分，显示当前用户的性别和最终体成分，通过主动识别用户的性别，从而能够有效减少用户输入，提高用户体验，提高体成分检测的效率。
图7是本发明一实施例所提供的一种电子设备的结构示意图，应理解，电子设备110能够执行上述体成分检测方法中的各个步骤，为了避免重复，此处不再详述。电子设备110包括：处理单元801、检测单元802。
所述处理单元801用于根据获取的当前用户的体重、阻抗、非性别参数，计算出所述当前用户的临时体成分。所述处理单元801还用于从所述临时体成分中筛选出与性别相关的特征体成分。所述处理单元801还用于根据所述特征体成分识别出所述当前用户的性别。所述处理单元801还用于根据所述当前用户的体重、阻抗、非性别参数以及所述性别，计算出所述当前用户的最终体成分。
在一种可能的实现方式中，所述检测单元802用于检测当前用户的体重以及阻抗；接收终端输入的当前用户的非性别参数。
在一种可能的实现方式中，所述非性别参数包括身高和年龄；
在一种可能的实现方式中，所述处理单元801还用于通过无性别多元线性回归模型Yi temp＝bi1Wt+bi2Z+bi3Ht+bi4Age+bi5，根据所述体重、所述阻抗、所述身高和所述年龄，计算出所述当前用户的临时体成分，其中，Yi temp表示为临时体成分，Wt表示为所述体重，Z表示为所述阻抗，Ht表示为所述身高，Age表示为所述年龄，bi表示为获取的回归系数。
在一种可能的实现方式中，所述与性别相关的特征体成分包括右上肢肌肉和右上肢脂肪；或者，所述与性别相关的特征体成分包括内脏脂肪等级、体总水、去脂体重、骨盐量、基础代谢率和肌肉量。
在一种可能的实现方式中，所述处理单元801还用于获取所述性别对应的多元线性回归模型；
通过所述性别对应的多元线性回归模型Yi final＝di1Wt+di2Z+di3Ht+di4Age+di5,where dij＝fij(gender),j＝1,2,...,5，根据所述体重、所述阻抗、所述身高、所述年龄和所述性别，计算出所述当前用户的最终体成分，其中，Yi final表示为最终体成分，Wt表示为所述体重，Z表示为所述阻抗，Ht表示为所述身高，Age表示为所述年龄，gender表示为所述性别，di表示为获取的所述性别对应的回归系数。
在一种可能的实现方式中，所述最终体成分包括脂肪率、脂肪量、去脂体重、骨盐量、肌肉量、骨骼肌量、体总水、蛋白质、基础代谢率、内脏脂肪等级、5项节段肌肉量、5项节段脂肪量的其中一项或任意组合，所述5项节段肌肉量包括左臂肌肉量、右臂肌肉量、左腿肌肉量、右腿肌肉量、躯干肌肉量，所述5项节段脂肪量包括左臂脂肪量、右臂脂肪量、左腿脂肪量、右腿脂肪量、躯干脂肪量。
在一种可能的实现方式中，所述处理单元801还用于根据所述最终体成分生成身体评估；根据所述身体评估以及所述性别，生成运动推荐。
应理解，这里的电子设备110以功能单元的形式体现。这里的术语“单元”可以通过软件和/或硬件形式实现，对此不作具体限定。例如，“单元”可以是实现上述功能的软件程序、硬件电路或二者结合。所述硬件电路可能包括应用特有集成电路(applicationspecific integrated circuit，ASIC)、电子电路、用于执行一个或多个软件或固件程序的处理器(例如共享处理器、专有处理器或组处理器等)和存储器、合并逻辑电路和/或其它支持所描述的功能的合适组件。
因此，在本发明的实施例中描述的各示例的单元，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
本发明实施例还提供一种电子设备，该电子设备可以是终端设备也可以是内置于所述终端设备的电路设备。该设备可以用于执行上述方法实施例中的功能/步骤。
图8为本发明一实施例提供的一种电子设备的结构示意图，如图8所示，电子设备900包括处理器910和收发器920。可选地，该电子设备900还可以包括存储器930。其中，处理器910、收发器920和存储器930之间可以通过内部连接通路互相通信，传递控制和/或数据信号，该存储器930用于存储计算机程序，该处理器910用于从该存储器930中调用并运行该计算机程序。
可选地，电子设备900还可以包括天线940，用于将收发器920输出的无线信号发送出去。
上述处理器910可以和存储器930可以合成一个处理装置，更常见的是彼此独立的部件，处理器910用于执行存储器930中存储的程序代码来实现上述功能。具体实现时，该存储器930也可以集成在处理器910中，或者，独立于处理器910。该处理器910可以与图6中电子设备110中的处理单元801对应。
除此之外，为了使得电子设备900的功能更加完善，该电子设备900还可以包括输入单元960、显示单元970、音频电路980、摄像头990和传感器901等中的一个或多个，所述音频电路还可以包括扬声器982、麦克风984等。其中，显示单元970可以包括显示屏。
可选地，上述电子设备900还可以包括电源950，用于给终端设备中的各种器件或电路提供电源。
应理解，图8所示的电子设备900能够实现图2所示的体成分检测方法实施例的各个过程。电子设备900中的各个模块的操作和/或功能，分别为了实现上述方法实施例中的相应流程。具体可参见上述方法实施例中的描述，为避免重复，此处适当省略详细描述。
应理解，图8所示的电子设备900中的处理器910可以是片上系统(system on achip，SOC)，该处理器910中可以包括中央处理器(central processing unit，CPU)，还可以进一步包括其他类型的处理器。各部分处理器配合工作实现之前的方法流程，并且每部分处理器可以选择性执行一部分软件驱动程序。
总之，处理器910内部的各部分处理器或处理单元可以共同配合实现之前的方法流程，且各部分处理器或处理单元相应的软件程序可存储在存储器930中。
以上各实施例中，涉及的处理器910可以例如包括中央处理器(centralprocessing unit，CPU)、微处理器、微控制器或数字信号处理器，还可包括GPU、NPU和ISP，该处理器还可包括必要的硬件加速器或逻辑处理硬件电路，如特定应用集成电路(application-specific integrated circuit，ASIC)，或一个或多个用于控制本发明技术方案程序执行的集成电路等。此外，处理器可以具有操作一个或多个软件程序的功能，软件程序可以存储在存储器中。
本发明还提供了一种计算机可读存储介质，该计算机可读存储介质中存储有指令，当该指令在计算机上运行时，使得计算机执行如上述图2所示的体成分检测方法中的各个步骤。
存储器可以是只读存储器(read-only memory，ROM)、可存储静态信息和指令的其它类型的静态存储设备、随机存取存储器(random access memory，RAM)或可存储信息和指令的其它类型的动态存储设备，也可以是电可擦可编程只读存储器(electricallyerasable programmable read-only memory，EEPROM)、只读光盘(compact disc read-only memory，CD-ROM)或其他光盘存储、光碟存储(包括压缩光碟、激光碟、光碟、数字通用光碟、蓝光光碟等)、磁盘存储介质或者其它磁存储设备，或者还可以是能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其它介质等。
本发明实施例中，“至少一个”是指一个或者多个，“多个”是指两个或两个以上。“和/或”，描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示单独存在A、同时存在A和B、单独存在B的情况。其中A，B可以是单数或者复数。字符“/”一般表示前后关联对象是一种“或”的关系。“以下至少一项”及其类似表达，是指的这些项中的任意组合，包括单项或复数项的任意组合。例如，a，b和c中的至少一项可以表示：a,b,c,a-b,a-c,b-c,或a-b-c，其中a,b,c可以是单个，也可以是多个。
本领域普通技术人员可以意识到，本文中公开的实施例中描述的各单元及算法步骤，能够以电子硬件、计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统、装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在本发明所提供的几个实施例中，任一功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(read-only memory，ROM)、随机存取存储器(random access memory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述，仅为本发明的具体实施方式，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。本发明的保护范围应以所述权利要求的保护范围为准。

Claims (15)

1.一种体成分检测方法，其特征在于，包括：
根据获取的当前用户的体重、阻抗、非性别参数，计算出所述当前用户的临时体成分；
从所述临时体成分中筛选出与性别相关的特征体成分；
根据所述特征体成分识别出所述当前用户的性别；
根据所述当前用户的体重、阻抗、非性别参数以及所述性别，计算出所述当前用户的最终体成分。
2.根据权利要求1所述的方法，其特征在于，在所述根据获取的当前用户的体重、阻抗、非性别参数，计算出所述当前用户的临时体成分之前，还包括：
检测当前用户的体重以及阻抗；
接收终端输入的当前用户的非性别参数。
3.根据权利要求2所述的方法，其特征在于，所述非性别参数包括身高，或者身高和年龄；
所述根据获取的当前用户的体重、阻抗、非性别参数，计算出所述当前用户的临时体成分，包括：
通过无性别多元线性回归模型Yi temp＝bi1Wt+bi2Z+bi3Ht+bi4Age+bi5，根据所述体重、所述阻抗、所述身高和所述年龄，计算出所述当前用户的临时体成分，其中，Yi temp表示为临时体成分，Wt表示为所述体重，Z表示为所述阻抗，Ht表示为所述身高，Age表示为所述年龄，bi表示为获取的回归系数。
4.根据权利要求1所述的方法，其特征在于，所述与性别相关的特征体成分包括右上肢肌肉和右上肢脂肪；或者，所述与性别相关的特征体成分包括内脏脂肪等级、体总水、去脂体重、骨盐量、基础代谢率和肌肉量。
5.根据权利要求3所述的方法，其特征在于，所述根据所述当前用户的体重、阻抗、非性别参数以及所述性别，计算出所述当前用户的最终体成分，包括：
获取所述性别对应的多元线性回归模型；
通过所述性别对应的多元线性回归模型Yi final＝di1Wt+di2Z+di3Ht+di4Age+di5,where dij＝fij(gender),j＝1,2,...,5，根据所述体重、所述阻抗、所述身高、所述年龄和所述性别，计算出所述当前用户的最终体成分，其中，Yi final表示为最终体成分，Wt表示为所述体重，Z表示为所述阻抗，Ht表示为所述身高，Age表示为所述年龄，gender表示为所述性别，di表示为获取的所述性别对应的回归系数。
6.根据权利要求5所述的方法，其特征在于，所述最终体成分包括脂肪率、脂肪量、去脂体重、骨盐量、肌肉量、骨骼肌量、体总水、蛋白质、基础代谢率、内脏脂肪等级、5项节段肌肉量、5项节段脂肪量的其中一项或任意组合，所述5项节段肌肉量包括左臂肌肉量、右臂肌肉量、左腿肌肉量、右腿肌肉量、躯干肌肉量，所述5项节段脂肪量包括左臂脂肪量、右臂脂肪量、左腿脂肪量、右腿脂肪量、躯干脂肪量。
7.根据权利要求1所述的方法，其特征在于，在所述根据所述当前用户的体重、阻抗、非性别参数以及所述性别，计算出所述当前用户的最终体成分之后，还包括：
根据所述最终体成分生成身体评估；
根据所述身体评估以及所述性别，生成运动推荐。
8.一种电子设备，其特征在于，包括：
显示屏；一个或多个处理器；存储器；以及一个或多个计算机程序，其中所述一个或多个计算机程序被存储在所述存储器中，所述一个或多个计算机程序包括指令，当所述指令被所述设备执行时，使得所述设备执行以下步骤：
根据获取的当前用户的体重、阻抗、非性别参数，计算出所述当前用户的临时体成分；
从所述临时体成分中筛选出与性别相关的特征体成分；
根据所述特征体成分识别出所述当前用户的性别；
根据所述当前用户的体重、阻抗、非性别参数以及所述性别，计算出所述当前用户的最终体成分。
9.根据权利要求8所述的设备，其特征在于，当所述指令被所述设备执行时，使得所述设备具体执行以下步骤：
检测当前用户的体重以及阻抗；
接收终端输入的当前用户的非性别参数。
10.根据权利要求9所述的设备，其特征在于，所述非性别参数包括身高，或者身高和年龄；
当所述指令被所述设备执行时，使得所述设备具体执行以下步骤：
通过无性别多元线性回归模型Yi temp＝bi1Wt+bi2Z+bi3Ht+bi4Age+bi5，根据所述体重、所述阻抗、所述身高和所述年龄，计算出所述当前用户的临时体成分，其中，Yi temp表示为临时体成分，Wt表示为所述体重，Z表示为所述阻抗，Ht表示为所述身高，Age表示为所述年龄，bi表示为获取的回归系数。
11.根据权利要求8所述的设备，其特征在于，所述与性别相关的特征体成分包括右上肢肌肉和右上肢脂肪；或者，所述与性别相关的特征体成分包括内脏脂肪等级、体总水、去脂体重、骨盐量、基础代谢率和肌肉量。
12.根据权利要求10所述的设备，其特征在于，当所述指令被所述设备执行时，使得所述设备具体执行以下步骤：
获取所述性别对应的多元线性回归模型；
通过所述性别对应的多元线性回归模型Yi final＝di1Wt+di2Z+di3Ht+di4Age+di5,where dij＝fij(gender),j＝1,2,...,5，根据所述体重、所述阻抗、所述身高、所述年龄和所述性别，计算出所述当前用户的最终体成分，其中，Yi final表示为最终体成分，Wt表示为所述体重，Z表示为所述阻抗，Ht表示为所述身高，Age表示为所述年龄，gender表示为所述性别，di表示为获取的所述性别对应的回归系数。
13.根据权利要求12所述的设备，其特征在于，所述最终体成分包括脂肪率、脂肪量、去脂体重、骨盐量、肌肉量、骨骼肌量、体总水、蛋白质、基础代谢率、内脏脂肪等级、5项节段肌肉量、5项节段脂肪量的其中一项或任意组合，所述5项节段肌肉量包括左臂肌肉量、右臂肌肉量、左腿肌肉量、右腿肌肉量、躯干肌肉量，所述5项节段脂肪量包括左臂脂肪量、右臂脂肪量、左腿脂肪量、右腿脂肪量、躯干脂肪量。
14.根据权利要求8所述的设备，其特征在于，当所述指令被所述设备执行时，使得所述设备具体执行以下步骤：
根据所述最终体成分生成身体评估；
根据所述身体评估以及所述性别，生成运动推荐。
15.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质包括存储的程序，其中，在所述程序运行时控制所述计算机可读存储介质所在设备执行权利要求1至7中任意一项所述的体成分检测方法。
CN202010423640.9A 2020-05-19 2020-05-19 一种体成分检测方法、电子设备和计算机可读存储介质 Active CN113679371B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202010423640.9A CN113679371B (zh) 2020-05-19 2020-05-19 一种体成分检测方法、电子设备和计算机可读存储介质
PCT/CN2021/086968 WO2021233019A1 (zh) 2020-05-19 2021-04-13 一种体成分检测方法、电子设备和计算机可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010423640.9A CN113679371B (zh) 2020-05-19 2020-05-19 一种体成分检测方法、电子设备和计算机可读存储介质

Publications (2)

Publication Number Publication Date
CN113679371A CN113679371A (zh) 2021-11-23
CN113679371B true CN113679371B (zh) 2023-07-18

Family

ID=78575803

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010423640.9A Active CN113679371B (zh) 2020-05-19 2020-05-19 一种体成分检测方法、电子设备和计算机可读存储介质

Country Status (2)

Country Link
CN (1) CN113679371B (zh)
WO (1) WO2021233019A1 (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114271797B (zh) * 2022-01-25 2023-04-04 泰安市康宇医疗器械有限公司 基于三维建模技术的体态密度法测量人体成分的系统
CN114699063A (zh) * 2022-02-25 2022-07-05 深圳市伊欧乐科技有限公司 体脂率的测量方法、装置及计算机可读存储介质

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH06237920A (ja) * 1993-02-16 1994-08-30 Sekisui Chem Co Ltd 体型分析装置
CN106562788A (zh) * 2016-11-09 2017-04-19 中科院合肥技术创新工程院 一种应用于智能健康马桶的人体成分检测分析方法
CN107729734A (zh) * 2017-10-10 2018-02-23 深圳云麦科技有限公司 一种用户识别和管理的方法及系统
CN108888273A (zh) * 2018-08-15 2018-11-27 湖南简成信息技术有限公司 一种人体成分检测系统
CN109820504A (zh) * 2018-11-15 2019-05-31 芯海科技（深圳）股份有限公司 一种提高准确度的人体成分测量方法和系统
KR20200023915A (ko) * 2018-08-27 2020-03-06 주식회사 셀바스헬스케어 골밀도 정보를 디스플레이 하는 장치
CN110897640A (zh) * 2019-12-26 2020-03-24 南京麦澜德医疗科技有限公司 基于生物电阻抗的人体成分计算方法、装置、计算机设备和存储介质
CN111048197A (zh) * 2018-10-11 2020-04-21 丽宝大数据股份有限公司 体脂计的使用者自动识别方法

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110833417A (zh) * 2018-08-15 2020-02-25 南京佳普科技有限公司 一种人员信息快速采集系统
CN111012346A (zh) * 2019-12-06 2020-04-17 苏宁智能终端有限公司 体质指标测量方法、装置及智能体脂秤

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH06237920A (ja) * 1993-02-16 1994-08-30 Sekisui Chem Co Ltd 体型分析装置
CN106562788A (zh) * 2016-11-09 2017-04-19 中科院合肥技术创新工程院 一种应用于智能健康马桶的人体成分检测分析方法
CN107729734A (zh) * 2017-10-10 2018-02-23 深圳云麦科技有限公司 一种用户识别和管理的方法及系统
CN108888273A (zh) * 2018-08-15 2018-11-27 湖南简成信息技术有限公司 一种人体成分检测系统
KR20200023915A (ko) * 2018-08-27 2020-03-06 주식회사 셀바스헬스케어 골밀도 정보를 디스플레이 하는 장치
CN111048197A (zh) * 2018-10-11 2020-04-21 丽宝大数据股份有限公司 体脂计的使用者自动识别方法
CN109820504A (zh) * 2018-11-15 2019-05-31 芯海科技（深圳）股份有限公司 一种提高准确度的人体成分测量方法和系统
CN110897640A (zh) * 2019-12-26 2020-03-24 南京麦澜德医疗科技有限公司 基于生物电阻抗的人体成分计算方法、装置、计算机设备和存储介质

Also Published As

Publication number Publication date
CN113679371A (zh) 2021-11-23
WO2021233019A1 (zh) 2021-11-25

Similar Documents

Publication Publication Date Title
US11071887B2 (en) Evaluation and coaching of athletic performance
EP3058441B1 (en) Calculating pace and energy expenditure from athletic movement attributes
US20180133551A1 (en) System and method for personalized exercise training and coaching
CN113679371B (zh) 一种体成分检测方法、电子设备和计算机可读存储介质
CN107335205A (zh) 健身课程推荐方法、装置、存储介质和处理器
FI114202B (fi) Menetelmä ja laitteisto ihmiseen liittyvän mittauksen suorittamiseksi
CN109191588A (zh) 运动教学方法、装置、存储介质及电子设备
KR101999748B1 (ko) IoT 운동기구, 운동지도시스템, 및 이를 이용한 운동지도방법
US20050283051A1 (en) Portable health information displaying and managing device
CN109300521A (zh) 训练的确定方法及装置、系统、存储介质、处理器
US20210369140A1 (en) Body shape data acquisition system, body shape data acquisition program, and computer-readable non-transitory storage medium
CN111967407B (zh) 动作评价方法、电子设备和计算机可读存储介质
CN114596451B (zh) 基于ai视觉的体适能测试方法、装置及存储介质
CN111544853A (zh) 跑步运动中体力指标评估方法和设备
CN109376307B (zh) 文章推荐方法、装置和终端
US20170150918A1 (en) Method and system for defining balance between physical activity and rest
JP6440210B2 (ja) リハビリ評価装置、リハビリ評価方法及びプログラム
CN114870364A (zh) 健身器械控制方法、健身器械及存储介质
CN112884225A (zh) 体测成绩预测方法、装置、电子设备和存储介质
CN111026934A (zh) 智能推荐方法及相关设备
KR20210085253A (ko) 스마트 개인훈련 운동시스템 및 개인훈련 운동방법
CN113679370B (zh) 一种体成分检测方法、设备和计算机可读存储介质
CN117116417B (zh) 一种基于物联网的跑步场景模拟方法及系统
WO2021261454A1 (ja) 測定装置
US20230310934A1 (en) Movement determination method, movement determination device and computer-readable storage medium

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