CN114377373B - 一种起跳特征分析方法、系统及设备 - Google Patents

一种起跳特征分析方法、系统及设备 Download PDF

Info

Publication number
CN114377373B
CN114377373B CN202210043317.8A CN202210043317A CN114377373B CN 114377373 B CN114377373 B CN 114377373B CN 202210043317 A CN202210043317 A CN 202210043317A CN 114377373 B CN114377373 B CN 114377373B
Authority
CN
China
Prior art keywords
axis
jump
acceleration
angle
take
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
CN202210043317.8A
Other languages
English (en)
Other versions
CN114377373A (zh
Inventor
张燕
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.)
Beijing Yuneng Tiandi Technology Co ltd
Original Assignee
Beijing Shugan Technology 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 Beijing Shugan Technology Co ltd filed Critical Beijing Shugan Technology Co ltd
Priority to CN202210043317.8A priority Critical patent/CN114377373B/zh
Publication of CN114377373A publication Critical patent/CN114377373A/zh
Application granted granted Critical
Publication of CN114377373B publication Critical patent/CN114377373B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • A—HUMAN NECESSITIES
    • A63—SPORTS; GAMES; AMUSEMENTS
    • A63B—APPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
    • A63B24/00—Electric or electronic controls for exercising apparatus of preceding groups; Controlling or monitoring of exercises, sportive games, training or athletic performances
    • A63B24/0062—Monitoring athletic performances, e.g. for determining the work of a user on an exercise apparatus, the completed jogging or cycling distance
    • A—HUMAN NECESSITIES
    • A63—SPORTS; GAMES; AMUSEMENTS
    • A63B—APPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
    • A63B24/00—Electric or electronic controls for exercising apparatus of preceding groups; Controlling or monitoring of exercises, sportive games, training or athletic performances
    • A63B24/0062—Monitoring athletic performances, e.g. for determining the work of a user on an exercise apparatus, the completed jogging or cycling distance
    • A63B2024/0065—Evaluating the fitness, e.g. fitness level or fitness index
    • 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
    • A63B2071/065—Visualisation of specific exercise parameters

Landscapes

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

Abstract

本申请实施例公开了一种起跳特征分析方法、系统及设备，属于人体运动分析技术领域，其中，一种起跳特征分析方法，包括：获取用户的起跳运动数据，起跳运动数据包括Z轴起跳加速度、Y轴起跳加速度及X轴起跳加速度；基于Z轴起跳加速度、Y轴起跳加速度及X轴起跳加速度计算Z轴起跳角度、Y轴起跳角度及X轴起跳角度；基于Z轴起跳角度、Y轴起跳角度及X轴起跳角度计算用户的起跳动作类型；基于Z轴起跳加速度、Y轴起跳加速度及X轴起跳加速度计算用户的起跳速度特征；基于Z轴起跳角度、Y轴起跳角度、X轴起跳角度、Z轴起跳加速度、Y轴起跳加速度及X轴起跳加速度计算用户的下肢力量特征。

Description

一种起跳特征分析方法、系统及设备
技术领域
本发明涉及人体运动分析领域，具体涉及一种起跳特征分析方法、系统及设备。
背景技术
根据《国家学生体质健康标准》，立定跳远是大、中、小学校体质测试必测的项目。一个完整的立定跳远动作由预摆、起跳、展腹、收腹、伸腿、落地这6个动作阶段组成，通过立定跳远的训练能够锻炼学生的下肢力量，发展全身协调能力。
目前用于立定跳远运动分析的技术，大多为对跳远的距离进行测量，而没有对立定跳远的过程进行分析。
因此，需要提供一种起跳特征分析方法、系统及设备，对立定跳远的起跳特征进行分析。
发明内容
本说明书实施例之一提供一种起跳特征分析方法，包括：获取用户的起跳运动数据，所述起跳运动数据包括三轴起跳加速度，所述三轴起跳加速度包括Z轴起跳加速度、Y轴起跳加速度及X轴起跳加速度，其中，Z轴为竖直向上的方向，Y轴为从所述用户的左侧至右侧的方向，所述X轴为从所述用户后方至前方的方向；基于所述Z轴起跳加速度、所述Y轴起跳加速度及所述X轴起跳加速度计算Z轴起跳角度、Y轴起跳角度及X轴起跳角度；基于所述Z轴起跳角度、所述Y轴起跳角度及所述X轴起跳角度计算所述用户的起跳动作类型；基于所述Z轴起跳加速度、所述Y轴起跳加速度及所述X轴起跳加速度计算所述用户的起跳速度特征；基于所述Z轴起跳角度、所述Y轴起跳角度、所述X轴起跳角度、所述Z轴起跳加速度、所述Y轴起跳加速度及所述X轴起跳加速度计算所述用户的下肢力量特征。
现有的立定跳远运动分析的技术，侧重于对立定跳远的最终结果进行测量，帮助用户直观获取立定跳远的结果，却无法帮助纠正起跳动作，一种起跳特征分析方法可以获取用户的起跳运动数据，并对起跳运动数据进行分析，基于Z轴起跳角度、Y轴起跳角度及X轴起跳角度计算用户的起跳动作类型；基于Z轴起跳加速度、Y轴起跳加速度及X轴起跳加速度计算用户的起跳速度特征；基于Z轴起跳角度、Y轴起跳角度、X轴起跳角度、Z轴起跳加速度、Y轴起跳加速度及X轴起跳加速度计算用户的下肢力量特征，可以帮助用户对起跳动作进行改进，提高立定跳远成绩。
所述获取用户的起跳运动数据，包括：获取所述用户在立定跳远过程的全过程运动数据，所述全过程运动数据包括所述用户在所述立定跳远过程的多个时间点的Z轴角度、Y轴角度及X轴角度、Z轴加速度、Y轴加速度及X轴加速度；基于所述Z轴加速度、所述Y轴加速度及所述X轴加速度中的至少一个从所述多个时间点中确定起跳时间点；将所述起跳时间点的所述Z轴角度作为所述Z轴起跳角度、所述Y轴角度作为Y轴起跳角度、所述X轴角度作为所述X轴起跳角度、所述Z轴加速度作为所述Z轴起跳加速度、所述Y轴加速度作为所述Y轴起跳加速度及所述X轴角度作为所述X轴起跳加速。
所述基于所述多个时间点的所述Z轴加速度、所述Y轴加速度及所述X轴加速度中的至少一个从所述多个时间点中确定起跳时间点，包括：对于每一个所述时间点，判断所述Z轴加速度是否大于Z轴加速度阈值；若所述Z轴加速度大于所述Z轴加速度阈值，将所述时间点作为候选起跳时间点；若所述Z轴加速度小于所述Z轴加速度阈值，判断所述Y轴加速度是否大于Y轴加速度阈值；若所述Y轴加速度大于所述Y轴加速度阈值，将所述时间点作为候选起跳时间点；若所述Y轴加速度小于所述Y轴加速度阈值，判断所述X轴加速度是否大于X轴加速度阈值；若所述X轴加速度大于所述X轴加速度阈值，将所述时间点作为候选起跳时间点；按照时间先后顺序对多个所述候选起跳时间点进行排序，选择第一个所述候选起跳时间点为所述起跳时间点。
所述基于所述多个时间点的所述Z轴加速度、所述Y轴加速度及所述X轴加速度中的至少一个从所述多个时间点中确定起跳时间点，包括：基于所述全过程运动数据，生成所述Z轴加速度随所述时间点变化的Z轴加速度变化曲线；基于所述全过程运动数据，生成所述Y轴加速度随所述时间点变化的Y轴加速度变化曲线；基于所述全过程运动数据，生成所述X轴加速度随所述时间点变化的X轴加速度变化曲线；基于所述Z轴加速度变化曲线的极值、所述Y轴加速度变化曲线的极值及所述X轴加速度变化曲线的极值从所述多个时间点中确定所述起跳时间点。
所述基于所述Z轴起跳角度、所述Y轴起跳角度及所述X轴起跳角度计算所述用户的起跳动作类型，包括：基于预设Z轴起跳角度最大阈值、预设Z轴起跳角度最小阈值、所述Z轴起跳角度、预设Y轴起跳角度最大阈值、预设Y轴起跳角度最小阈值、所述Y轴起跳角度及所述X轴起跳角度判断所述用户的起跳动作类型。
所述基于所述用户的起跳角度确定所述起跳动作类型，包括：通过第一神经网络模型基于所述预设Z轴起跳角度最大阈值、所述预设Z轴起跳角度最小阈值、所述Z轴起跳角度、所述预设Y轴起跳角度最大阈值、所述预设Y轴起跳角度最小阈值、所述Y轴起跳角度及所述X轴起跳角度确定所述起跳动作类型。
所述基于所述Z轴起跳加速度、所述Y轴起跳加速度及所述X轴起跳加速度计算所述用户的起跳速度特征，包括。将所述Z轴起跳加速度、所述Y轴起跳加速度及所述X轴起跳加速度进行归一化；基于归一化后的所述Z轴起跳加速度、所述Y轴起跳加速度及所述X轴起跳加速度的加权结果确定所述起跳速度特征。
所述基于所述Z轴起跳角度、所述Y轴起跳角度、所述X轴起跳角度、所述Z轴起跳加速度、所述Y轴起跳加速度及所述X轴起跳加速度计算所述用户的下肢力量特征，包括：将所述Z轴起跳角度、所述Y轴起跳角度、所述X轴起跳角度、所述Z轴起跳加速度、所述Y轴起跳加速度及所述X轴起跳加速度进行归一化；基于归一化后的所述Z轴起跳角度及所述Z轴起跳加速度计算Z轴下肢力量特征；基于归一化后的所述Y轴起跳角度及所述Y轴起跳加速度计算Y轴下肢力量特征；基于归一化后的所述X轴起跳角度及所述X轴起跳加速度计算X轴下肢力量特征；基于所述Z轴下肢力量特征、所述Y轴下肢力量特征及所述X轴下肢力量特征的加权结果确定所述下肢力量特征。
本说明书实施例之一提供一种立定跳远起跳特征获取系统，包括：起跳数据获取模块，用于获取用户的起跳运动数据，所述起跳运动数据包括三轴起跳加速度，所述三轴起跳加速度包括Z轴起跳加速度、Y轴起跳加速度及X轴起跳加速度，其中，Z轴为竖直向上的方向，Y轴为从所述用户的左侧至右侧的方向，所述X轴为从所述用户后方至前方的方向，还用于基于所述Z轴起跳加速度、所述Y轴起跳加速度及所述X轴起跳加速度计算Z轴起跳角度、Y轴起跳角度及X轴起跳角度；起跳类型确定模块，用于基于所述Z轴起跳角度、所述Y轴起跳角度及所述X轴起跳角度计算所述用户的起跳动作类型；速度特征确定模块，用于基于所述Z轴起跳加速度、所述Y轴起跳加速度及所述X轴起跳加速度计算所述用户的起跳速度特征；力量特征确定模块，用于基于所述Z轴起跳角度、所述Y轴起跳角度、所述X轴起跳角度、所述Z轴起跳加速度、所述Y轴起跳加速度及所述X轴起跳加速度计算所述用户的下肢力量特征。
本说明书实施例之一提供一种立定跳远起跳特征获取设备，包括存储器、处理器及存储在所述存储器上并在所述处理器上运行的计算机程序，所述处理器执行所述程序时实现上述的起跳特征分析方法。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体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，下面描述中的附图是本发明的一些实施方式，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，还可以根据这些附图获得其他的附图。
其中：
图1是根据本申请一些实施例所示的一种起跳特征分析系统的应用场景示意图；
图2是根据本申请的一些实施例所示的一种起跳特征分析系统的示例性框图；
图3是根据本说明书一些实施例所示的一种起跳特征分析方法的示例性流程图；
图4a是根据本说明书一些实施例所示的用于展示X轴加速度变化曲线的示意图；
图4b是根据本说明书一些实施例所示的用于展示Y轴加速度变化曲线的示意图；
图4c是根据本说明书一些实施例所示的用于展示Z轴加速度变化曲线的示意图。
图中，100、立定跳远起跳特征获取系统；110、处理设备；120、网络；130、传感器；140、存储设备；150、终端设备。
具体实施方式
下面将结合附图对本发明的技术方案进行清楚、完整地描述，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。
此外，下面所描述的本发明不同实施方式中所涉及的技术特征只要彼此之间未构成冲突就可以相互结合。
图1是根据本申请一些实施例所示的一种立定跳远起跳特征获取系统100的应用场景示意图。
如图1所示，立定跳远起跳特征获取系统100可以包括处理设备110、网络120、传感器130、存储设备140及终端设备150。
立定跳远起跳特征获取系统100可以对学生运动提供帮助。例如可以用于识别学生在立定跳远过程中的起跳特征并进行分析，有效帮助学生校正不规范的起跳动作，提高立定跳远的成绩。需要注意的是，一种立定跳远起跳特征获取系统100还可以应用在其它需要进行运动动作识别的设备、场景和应用程序中，在此不作限定，任何可以使用本申请所包含的一种起跳特征分析方法的设备、场景和/或应用程序都在本申请的保护范围内。
处理设备110可以用于处理与起跳特征识别相关的信息和/或数据。例如，处理设备110可以用于接收用户的起跳运动数据，其中，起跳运动数据包括三轴起跳加速度，三轴起跳加速度包括Z轴起跳加速度、Y轴起跳加速度及X轴起跳加速度，其中，Z轴为竖直向上的方向，Y轴为从用户的左侧至右侧的方向，X轴为从用户后方至前方的方向，并基于所述Z轴起跳加速度、所述Y轴起跳加速度及所述X轴起跳加速度计算Z轴起跳角度、Y轴起跳角度及X轴起跳角度,基于Z轴起跳角度、Y轴起跳角度及X轴起跳角度计算用户的起跳动作类型、基于Z轴起跳加速度、Y轴起跳加速度及X轴起跳加速度计算用户的起跳速度特征及基于Z轴起跳角度、Y轴起跳角度、X轴起跳角度、Z轴起跳加速度、Y轴起跳加速度及X轴起跳加速度计算用户的下肢力量特征。
处理设备110可以是区域的或者远程的。例如，处理设备110可以通过网络120访问存储于终端设备150和存储设备140中的信息和/或资料。处理设备110可以直接与终端设备150和存储设备140连接以访问存储于其中的信息和/或资料。处理设备110可以在云平台上执行。例如，该云平台可以包括私有云、公共云、混合云、社区云、分散式云、内部云等中的一种或其任意组合。
处理设备110可以包含处理器。该处理器可以处理与起跳特征识别相关的数据和/或信息以执行一个或多个本申请中描述的功能。例如，处理器可以接收用户的起跳运动数据。又例如，处理器可以基于Z轴起跳角度、Y轴起跳角度及X轴起跳角度计算用户的起跳动作类型、基于Z轴起跳加速度、Y轴起跳加速度及X轴起跳加速度计算用户的起跳速度特征及基于Z轴起跳角度、Y轴起跳角度、X轴起跳角度、Z轴起跳加速度、Y轴起跳加速度及X轴起跳加速度计算用户的下肢力量特征。处理器可以包含一个或多个子处理器(例如，单芯处理设备或多核多芯处理设备)。仅仅作为范例，处理器可包含中央处理器(CPU)、专用集成电路(ASIC)、专用指令处理器(ASIP)、图形处理器(GPU)、物理处理器(PPU)、数字信号处理器(DSP)、现场可编程门阵列(FPGA)、可编辑逻辑电路(PLD)、控制器、微控制器单元、精简指令集电脑(RISC)、微处理器等或以上任意组合。
网络120可促进一种立定跳远起跳特征获取系统100中数据和/或信息的交换。一种立定跳远起跳特征获取系统100中的一个或多个组件(例如，处理设备110、传感器130、存储设备140及终端设备150)可以通过网络120发送数据和/或信息给一种立定跳远起跳特征获取系统100中的其他组件。例如，处理设备110可以通过网络120从传感器130接收用户的起跳运动数据。网络120可以是任意类型的有线或无线网络。例如，网络120可以包括缆线网络、有线网络、光纤网络、电信网络、内部网络、网际网络、区域网络(LAN)、广域网络(WAN)、无线区域网络(WLAN)、都会区域网络(MAN)、公共电话交换网络(PSTN)、蓝牙网络、ZigBee网络、近场通讯(NFC)网络等或以上任意组合。网络120可以包括一个或多个网络进出点。例如，网络120可以包含有线或无线网络进出点，如基站和/或网际网络交换点，通过这些进出点，一种立定跳远起跳特征获取系统100的一个或多个组件可以连接到网络120上以交换数据和/或信息。
传感器130可以用于获取用户在立定跳远过程的全过程运动数据，并将用户在立定跳远过程的全过程运动数据发送至处理设备110，处理设备110可以从全过程运动数据中获取起跳运动数据。传感器130获取的全过程运动数据可以包括用户在立定跳远过程的多个时间点的Z轴加速度、Y轴加速度及X轴加速度。传感器130可以为用于获取用户的Z轴加速度、Y轴加速度及X轴加速度的设备，例如，十轴传感器、九轴传感器、六轴传感器、三轴传感器等，在实际应用中佩戴在用户的脚踝处。
存储设备140可以与网络120连接以实现与一种立定跳远起跳特征获取系统100的一个或多个组件(例如，处理设备110、终端设备150等)通讯。一种立定跳远起跳特征获取系统100的一个或多个组件可以通过网络120访问存储于存储设备140中的资料或指令。存储设备140可以直接与一种立定跳远起跳特征获取系统100中的一个或多个组件(如，处理设备110、终端设备150)连接或通讯。存储设备140可以是处理设备110的一部分。处理设备110还可以位于终端设备150中。
终端设备150可以获取一种立定跳远起跳特征获取系统100中的信息或数据。用户(例如，学生或老师)可以通过终端设备150获取起跳特征类型。终端设备150可以包括移动装置、平板电脑、笔记本电脑等中的一种或其任意组合。移动装置可以包括可穿戴装置、智能行动装置、虚拟实境装置、增强实境装置等或其任意组合。可穿戴装置可以包括智能手环、智能鞋袜、智能眼镜、智能头盔、智能手表、智能衣物、智能背包、智能配饰、智能手柄等或其任意组合。智能行动装置可以包括智能电话、个人数字助理(PDA)、游戏装置、导航装置、POS装置等或其任意组合。虚拟实境装置和/或增强实境装置可以包括虚拟实境头盔、虚拟实境眼镜、虚拟实境眼罩、增强实境头盔、增强实境眼镜、增强实境眼罩等或以上任意组合。
应该注意的是，上述描述仅出于说明性目的而提供，并不旨在限制本申请的范围。对于本领域普通技术人员而言，在本申请内容的指导下，可做出多种变化和修改。可以以各种方式组合本申请描述的示例性的实施例的特征、结构、方法和其他特征，以获得另外的和/或替代的示例性的实施例。例如，存储设备140可以是包括云计算平台的数据存储设备，例如公共云、私有云、社区和混合云等。然而，这些变化与修改不会背离本申请的范围。
图2是根据本申请的一些实施例所示的一种立定跳远起跳特征获取系统100的示例性框图。
如图2所示，立定跳远起跳特征获取系统100可以包括起跳数据获取模块、起跳类型确定模块、速度特征确定模块及力量特征确定模块。起跳数据获取模块、起跳类型确定模块、速度特征确定模块及力量特征确定模块可以被实现在处理设备110上。
起跳数据获取模块可以用于获取用户的起跳运动数据。起跳运动数据包括三轴起跳角度及三轴起跳加速度，三轴起跳角度包括Z轴起跳角度、Y轴起跳角度及X轴起跳角度，三轴起跳加速度包括Z轴起跳加速度、Y轴起跳加速度及X轴起跳加速度，其中，Z轴为竖直向上的方向，Y轴为从用户的左侧至右侧的方向，X轴为从用户后方至前方的方向。
传感器130可以获取用户在立定跳远过程的全过程运动数据，其中，全过程运动数据包括用户在立定跳远过程的多个时间点的Z轴加速度、Y轴加速度及X轴加速度。相邻两个时间点之间的间隔一致。相邻两个时间点之间的间隔可以为0.1s、0.5s等。起跳数据获取模块可以基于Z轴加速度、Y轴加速度及X轴加速度中的至少一个从多个时间点中确定起跳时间点，并将起跳时间点的Z轴角度作为Z轴起跳角度、Y轴角度作为Y轴起跳角度、X轴角度作为X轴起跳角度、Z轴加速度作为Z轴起跳加速度、Y轴加速度作为Y轴起跳加速度及X轴角度作为X轴起跳加速度。
起跳类型确定模块还可以基于全过程运动数据，生成Z轴加速度随时间点变化的Z轴加速度变化曲线；基于全过程运动数据，生成Y轴加速度随时间点变化的Y轴加速度变化曲线；基于全过程运动数据，生成X轴加速度随时间点变化的X轴加速度变化曲线；基于Z轴加速度变化曲线的最大极值、Y轴加速度变化曲线的最大极值及X轴加速度变化曲线的最大极值中的至少一个从多个时间点中确定起跳时间点。
起跳类型确定模块可以用于基于Z轴起跳角度、Y轴起跳角度及X轴起跳角度计算用户的起跳动作类型。起跳类型确定模块可以基于Z轴起跳角度、Y轴起跳角度及X轴起跳角度计算用户的起跳角度；基于用户的起跳角度确定起跳动作类型。起跳类型确定模块还可以通过第一神经网络模型基于用户的起跳角度确定起跳动作类型。
速度特征确定模块可以用于基于Z轴起跳加速度、Y轴起跳加速度及X轴起跳加速度计算用户的起跳速度特征。速度特征确定模块可以将Z轴起跳加速度、Y轴起跳加速度及X轴起跳加速度进行归一化；基于归一化后的Z轴起跳加速度、Y轴起跳加速度及X轴起跳加速度的加权结果确定起跳速度特征。
力量特征确定模块可以用于基于Z轴起跳角度、Y轴起跳角度、X轴起跳角度、Z轴起跳加速度、Y轴起跳加速度及X轴起跳加速度计算用户的下肢力量特征。力量特征确定模块可以将Z轴起跳角度、Y轴起跳角度、X轴起跳角度、Z轴起跳加速度、Y轴起跳加速度及X轴起跳加速度进行归一化；基于归一化后的Z轴起跳角度及Z轴起跳加速度计算Z轴下肢力量特征；基于归一化后的Y轴起跳角度及Y轴起跳加速度计算Y轴下肢力量特征；基于归一化后的X轴起跳角度及X轴起跳加速度计算X轴下肢力量特征；基于Z轴下肢力量特征、Y轴下肢力量特征及X轴下肢力量特征的加权结果确定下肢力量特征。
图3是根据本说明书一些实施例所示的一种起跳特征分析方法的示例性流程图。如图3所示，起跳特征分析方法包括下述步骤。起跳特征分析方法可以由一种起跳特征分析系统100执行。
步骤310，获取用户的起跳运动数据。步骤310可以由起跳数据获取模块执行。
起跳运动数据可以包括三轴起跳加速度，三轴起跳加速度包括Z轴起跳加速度、Y轴起跳加速度及X轴起跳加速度，其中，Z轴为竖直向上的方向，Y轴为从用户的左侧至右侧的方向，X轴为从用户后方至前方的方向。
获取用户的起跳运动数据，可以包括以下步骤311-313。
步骤311，获取用户在立定跳远过程的全过程运动数据，全过程运动数据包括用户在立定跳远过程的多个时间点的Z轴角度、Y轴角度及X轴角度、Z轴加速度、Y轴加速度及X轴加速度。用户进行立定跳远时，可以佩戴有传感器130，传感器130可以获取用户在立定跳远过程的全过程运动数据。
可以基于传感器130获取Z轴加速度、Y轴加速度及X轴加速度，起跳数据获取模块可以基于Z轴加速度、Y轴加速度及X轴加速度计算对应时间点的Z轴角度、Y轴角度及X轴角度。起跳数据获取模块可以基于以下公式计算Z轴角度、Y轴角度及X轴角度：
θx＝[arctan(Ax/squr(Ay＊Ay+Az*Az))]*180/π
θy＝[arctan((Ay/squr(Ax＊Ax+Az＊Az))]*180/π
θz＝[arcran(Az/squr(Ax*Ax+Ay*Ay))]*180/π；
其中，θx为X轴角度，θy为Y轴角度，θz为Z轴角度，arctan()为反正切函数，squr()为求算数平方根的函数，其中，squr(Ay*Ay+Az*Az)为对Ay*Ay+Az*Az求算数平方根，Ax为X轴加速度，Ay为Y轴加速度，Az为Z轴加速度。
步骤312，基于Z轴加速度、Y轴加速度及X轴加速度中的至少一个从多个时间点中确定起跳时间点。
对于每一个时间点，可以判断Z轴加速度是否大于Z轴加速度阈值，若Z轴加速度大于Z轴加速度阈值，将时间点作为候选起跳时间点，若Z轴加速度小于Z轴加速度阈值，判断Y轴加速度是否大于Y轴加速度阈值；若Y轴加速度大于Y轴加速度阈值，将时间点作为起跳时间点，若Y轴加速度小于Y轴加速度阈值，判断X轴加速度是否大于X轴加速度阈值，若X轴加速度大于X轴加速度阈值，将时间点作为候选起跳时间点。起跳数据获取模块可以按照时间先后顺序对多个候选起跳时间点进行排序，选择第一个候选起跳时间点为起跳时间点，即选取最靠近的时间点作为起跳时间点。
还可以基于全过程运动数据，生成Z轴加速度随时间点变化的Z轴加速度变化曲线；基于全过程运动数据，生成Y轴加速度随时间点变化的Y轴加速度变化曲线；基于全过程运动数据，生成X轴加速度随时间点变化的X轴加速度变化曲线；并基于Z轴加速度变化曲线的极值、Y轴加速度变化曲线的极值及X轴加速度变化曲线的极值从多个时间点中确定起跳时间点。例如，可以确定Z轴加速度变化曲线中大于Z轴加速度阈值的极值点对应的时间点作为候选时间点、确定Y轴加速度变化曲线中大于Y轴加速度阈值的极值点对应的时间点作为候选时间点以及确定X轴加速度变化曲线中大于X轴加速度阈值的极值点对应的时间点作为候选时间点，起跳数据获取模块可以按照时间先后顺序对多个候选起跳时间点进行排序，选择第一个候选起跳时间点为起跳时间点，即选取最靠近的时间点作为起跳时间点，例如，三个候选时间点：10秒11、10秒24、10秒33，则选取10秒11作为起跳时间点。例如，结合图4a，可以将X轴加速度变化曲线的极值a对应的时间点为起跳时间点。还例如，结合图4b，可以将Y轴加速度变化曲线的极值b对应的时间点为起跳时间点。还例如，结合图4c，可以将Z轴加速度变化曲线的极值c对应的时间点为起跳时间点。
步骤313，基于起跳时间点确定用户的起跳运动数据。
可以将起跳时间点的Z轴角度作为Z轴起跳角度、Y轴角度作为Y轴起跳角度、X轴角度作为X轴起跳角度、Z轴加速度作为Z轴起跳加速度、Y轴加速度作为Y轴起跳加速度及X轴角度作为X轴起跳加速度。
步骤320，基于Z轴起跳角度、Y轴起跳角度及X轴起跳角度计算用户的起跳动作类型。步骤320可以由起跳类型确定模块执行。
基于预设Z轴起跳角度最大阈值、预设Z轴起跳角度最小阈值、Z轴起跳角度、预设Y轴起跳角度最大阈值、预设Y轴起跳角度最小阈值、Y轴起跳角度及X轴起跳角度判断用户的起跳动作类型。若Z轴起跳角度大于预设Z轴起跳角度最大阈值，则判断用户起跳竖直角度过大，若Z轴起跳角度小于预设Z轴起跳角度最小阈值，则判断用户起跳扒地。若Y轴起跳角度大于预设Y轴起跳角度最大阈值或若Y轴起跳角度小于预设Y轴起跳角度最小阈值，则判断用户起跳方向偏移。若X轴起跳角度大于0°，则判断用户起跳方向向前，若X轴起跳角度小于0°，则用户起跳方向向后。
还可以通过第一神经网络模型基于预设Z轴起跳角度最大阈值、预设Z轴起跳角度最小阈值、Z轴起跳角度、预设Y轴起跳角度最大阈值、预设Y轴起跳角度最小阈值、Y轴起跳角度及X轴起跳角度确定起跳动作类型。第一神经网络模型可以包括但不限于深度神经网络模型、循环神经网络模型、自定义的模型结构等。第一神经网络模型的输入可以为预设Z轴起跳角度最大阈值、预设Z轴起跳角度最小阈值、Z轴起跳角度、预设Y轴起跳角度最大阈值、预设Y轴起跳角度最小阈值、Y轴起跳角度及X轴起跳角度，第一神经网络模型的输出可以为用户的起跳动作类型。
步骤330，基于Z轴起跳加速度、Y轴起跳加速度及X轴起跳加速度计算用户的起跳速度特征。步骤330可以由速度特征确定模块执行。
可以将Z轴起跳加速度、Y轴起跳加速度及X轴起跳加速度进行归一化；基于归一化后的Z轴起跳加速度、Y轴起跳加速度及X轴起跳加速度的加权结果确定起跳速度特征。可以基于以下公式计算起跳速度特征：
V＝Z1*A1+y1*B1+X1*C1；
其中，A1为归一化后的Z轴起跳加速的值，Z1为A1的权重，B1为归一化后的Y轴起跳加速的值，y1为B1的权重，C1为归一化后的X1轴起跳加速的值，X1为C1的权重。
还可以通过第二神经网络模型基于Z轴起跳加速度、Y轴起跳加速度及X轴起跳加速度确定起跳速度特征。第一神经网络模型可以包括但不限于深度神经网络模型、循环神经网络模型、自定义的模型结构等。第二神经网络模型的输入可以为Z轴起跳加速度、Y轴起跳加速度及X轴起跳加速度，第二神经网络模型的输出可以为起跳速度特征。
步骤340，基于Z轴起跳角度、Y轴起跳角度、X轴起跳角度、Z轴起跳加速度、Y轴起跳加速度及X轴起跳加速度计算用户的下肢力量特征。步骤340可以由力量特征确定模块执行。
可以将Z轴起跳角度、Y轴起跳角度、X轴起跳角度、Z轴起跳加速度、Y轴起跳加速度及X轴起跳加速度进行归一化；基于归一化后的Z轴起跳角度及Z轴起跳加速度计算Z轴下肢力量特征；基于归一化后的Y轴起跳角度及Y轴起跳加速度计算Y轴下肢力量特征；基于归一化后的X轴起跳角度及X轴起跳加速度计算X轴下肢力量特征。计算Z轴下肢力量特征、Y轴下肢力量特征及X轴下肢力量特征的方法相似，以下基于Z轴下肢力量特征进行解释说明。可以基于如下公式计算Z轴下肢力量特征：
A2＝Z1*Z2；
其中，Z1为归一化后的Z轴起跳角度的值，Z2为归一化后的Z轴起跳加速度的值。
可以基于Z轴下肢力量特征、Y轴下肢力量特征及X轴下肢力量特征的加权结果确定下肢力量特征。可以基于以下公式计算起跳速度特征：
V＝Z2*A2+y2*B2+X2*C2；
其中，A2为Z轴下肢力量特征，Z2为A2的权重，B2为Y轴下肢力量特征，y2为B2的权重，C2为X轴下肢力量特征值，X2为C2的权重。
还可以通过第三神经网络模型基于Z轴起跳角度、Y轴起跳角度、X轴起跳角度、Z轴起跳加速度、Y轴起跳加速度及X轴起跳加速度计算用户的下肢力量特征确定下肢力量特征。第一神经网络模型可以包括但不限于深度神经网络模型、循环神经网络模型、自定义的模型结构等。第三神经网络模型的输入可以为Z轴起跳角度、Y轴起跳角度、X轴起跳角度、Z轴起跳加速度、Y轴起跳加速度及X轴起跳加速度，第三神经网络模型的输出可以为下肢力量特征。
现有的立定跳远运动分析的技术，侧重于对立定跳远的最终结果进行测量，帮助用户直观获取立定跳远的结果，却无法帮助纠正起跳动作，一种起跳特征分析方法可以获取用户的起跳运动数据，并对起跳运动数据进行分析，基于Z轴起跳角度、Y轴起跳角度及X轴起跳角度计算用户的起跳动作类型；基于Z轴起跳加速度、Y轴起跳加速度及X轴起跳加速度计算用户的起跳速度特征；基于Z轴起跳角度、Y轴起跳角度、X轴起跳角度、Z轴起跳加速度、Y轴起跳加速度及X轴起跳加速度计算用户的下肢力量特征，可以帮助用户对起跳动作进行改进，提高立定跳远成绩。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROX、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
显然，上述实施例仅仅是为清楚地说明所作的举例，而并非对实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。而由此所引伸出的显而易见的变化或变动仍处于本发明创造的保护范围之中。

Claims (9)

1.一种起跳特征分析方法，其特征在于，包括：
获取用户的起跳运动数据，所述起跳运动数据包括三轴起跳加速度，所述三轴起跳加速度包括Z轴起跳加速度、Y轴起跳加速度及X轴起跳加速度，其中，Z轴为竖直向上的方向，Y轴为从所述用户的左侧至右侧的方向，所述X轴为从所述用户后方至前方的方向；
基于所述Z轴起跳加速度、所述Y轴起跳加速度及所述X轴起跳加速度计算Z轴起跳角度、Y轴起跳角度及X轴起跳角度；
基于预设Z轴起跳角度最大阈值、预设Z轴起跳角度最小阈值、所述Z轴起跳角度、预设Y轴起跳角度最大阈值、预设Y轴起跳角度最小阈值、所述Y轴起跳角度及所述X轴起跳角度判断所述用户的起跳动作类型；其中，若Z轴起跳角度大于预设Z轴起跳角度最大阈值，则判断用户起跳竖直角度过大，若Z轴起跳角度小于预设Z轴起跳角度最小阈值，则判断用户起跳扒地；若Y轴起跳角度大于预设Y轴起跳角度最大阈值或若Y轴起跳角度小于预设Y轴起跳角度最小阈值，则判断用户起跳方向偏移；若X轴起跳角度大于0°，则判断用户起跳方向向前，若X轴起跳角度小于0°，则用户起跳方向向后；
基于所述Z轴起跳加速度、所述Y轴起跳加速度及所述X轴起跳加速度计算所述用户的起跳速度特征；
基于所述Z轴起跳角度、所述Y轴起跳角度、所述X轴起跳角度、所述Z轴起跳加速度、所述Y轴起跳加速度及所述X轴起跳加速度计算所述用户的下肢力量特征。
2.根据权利要求1所述的方法，其特征在于，获取用户的起跳运动数据，包括：
获取所述用户在立定跳远过程的全过程运动数据，所述全过程运动数据包括所述用户在所述立定跳远过程的多个时间点的Z轴角度、Y轴角度及X轴角度、Z轴加速度、Y轴加速度及X轴加速度；
基于所述Z轴加速度、所述Y轴加速度及所述X轴加速度中的至少一个从所述多个时间点中确定起跳时间点；
将所述起跳时间点的所述Z轴角度作为所述Z轴起跳角度、所述Y轴角度作为Y轴起跳角度、所述X轴角度作为所述X轴起跳角度、所述Z轴加速度作为所述Z轴起跳加速度、所述Y轴加速度作为所述Y轴起跳加速度及所述X轴角度作为所述X轴起跳加速度。
3.根据权利要求2所述的方法，其特征在于，基于所述多个时间点的所述Z轴加速度、所述Y轴加速度及所述X轴加速度中的至少一个从所述多个时间点中确定起跳时间点，包括：
对于每一个所述时间点，
判断所述Z轴加速度是否大于Z轴加速度阈值；
若所述Z轴加速度大于所述Z轴加速度阈值，将所述时间点作为候选起跳时间点；
若所述Z轴加速度小于所述Z轴加速度阈值，判断所述Y轴加速度是否大于Y轴加速度阈值；
若所述Y轴加速度大于所述Y轴加速度阈值，将所述时间点作为候选起跳时间点；
若所述Y轴加速度小于所述Y轴加速度阈值，判断所述X轴加速度是否大于X轴加速度阈值；
若所述X轴加速度大于所述X轴加速度阈值，将所述时间点作为候选起跳时间点；
按照时间先后顺序对多个所述候选起跳时间点进行排序，选择第一个所述候选起跳时间点为所述起跳时间点。
4.根据权利要求2所述的方法，其特征在于，基于所述多个时间点的所述Z轴加速度、所述Y轴加速度及所述X轴加速度中的至少一个从所述多个时间点中确定起跳时间点，包括：
基于所述全过程运动数据，生成所述Z轴加速度随所述时间点变化的Z轴加速度变化曲线；
基于所述全过程运动数据，生成所述Y轴加速度随所述时间点变化的Y轴加速度变化曲线；
基于所述全过程运动数据，生成所述X轴加速度随所述时间点变化的X轴加速度变化曲线；
基于所述Z轴加速度变化曲线的极值、所述Y轴加速度变化曲线的极值及所述X轴加速度变化曲线的极值从所述多个时间点中确定所述起跳时间点。
5.根据权利要求1所述的方法，其特征在于，基于所述用户的起跳角度确定所述起跳动作类型，包括：
通过第一神经网络模型基于所述预设Z轴起跳角度最大阈值、所述预设Z轴起跳角度最小阈值、所述Z轴起跳角度、所述预设Y轴起跳角度最大阈值、所述预设Y轴起跳角度最小阈值、所述Y轴起跳角度及所述X轴起跳角度确定所述起跳动作类型。
6.根据权利要求1-4任意一项所述的方法，其特征在于，基于所述Z轴起跳加速度、所述Y轴起跳加速度及所述X轴起跳加速度计算所述用户的起跳速度特征，包括：
将所述Z轴起跳加速度、所述Y轴起跳加速度及所述X轴起跳加速度进行归一化；
基于归一化后的所述Z轴起跳加速度、所述Y轴起跳加速度及所述X轴起跳加速度的加权结果确定所述起跳速度特征。
7.根据权利要求1-3任意一项所述的方法，其特征在于，基于所述Z轴起跳角度、所述Y轴起跳角度、所述X轴起跳角度、所述Z轴起跳加速度、所述Y轴起跳加速度及所述X轴起跳加速度计算所述用户的下肢力量特征，包括：
将所述Z轴起跳角度、所述Y轴起跳角度、所述X轴起跳角度、所述Z轴起跳加速度、所述Y轴起跳加速度及所述X轴起跳加速度进行归一化；
基于归一化后的所述Z轴起跳角度及所述Z轴起跳加速度计算Z轴下肢力量特征；
基于归一化后的所述Y轴起跳角度及所述Y轴起跳加速度计算Y轴下肢力量特征；
基于归一化后的所述X轴起跳角度及所述X轴起跳加速度计算X轴下肢力量特征；
基于所述Z轴下肢力量特征、所述Y轴下肢力量特征及所述X轴下肢力量特征的加权结果确定所述下肢力量特征。
8.一种立定跳远起跳特征获取系统，其特征在于，包括：
起跳数据获取模块，用于获取用户的起跳运动数据，所述起跳运动数据包括三轴起跳加速度，所述三轴起跳加速度包括Z轴起跳加速度、Y轴起跳加速度及X轴起跳加速度，其中，Z轴为竖直向上的方向，Y轴为从所述用户的左侧至右侧的方向，所述X轴为从所述用户后方至前方的方向，还用于基于所述Z轴起跳加速度、所述Y轴起跳加速度及所述X轴起跳加速度计算Z轴起跳角度、Y轴起跳角度及X轴起跳角度；
起跳类型确定模块，用于基于预设Z轴起跳角度最大阈值、预设Z轴起跳角度最小阈值、所述Z轴起跳角度、预设Y轴起跳角度最大阈值、预设Y轴起跳角度最小阈值、所述Y轴起跳角度及所述X轴起跳角度判断所述用户的起跳动作类型；其中，若Z轴起跳角度大于预设Z轴起跳角度最大阈值，则判断用户起跳竖直角度过大，若Z轴起跳角度小于预设Z轴起跳角度最小阈值，则判断用户起跳扒地；若Y轴起跳角度大于预设Y轴起跳角度最大阈值或若Y轴起跳角度小于预设Y轴起跳角度最小阈值，则判断用户起跳方向偏移；若X轴起跳角度大于0°，则判断用户起跳方向向前，若X轴起跳角度小于0°，则用户起跳方向向后；
速度特征确定模块，用于基于所述Z轴起跳加速度、所述Y轴起跳加速度及所述X轴起跳加速度计算所述用户的起跳速度特征；
力量特征确定模块，用于基于所述Z轴起跳角度、所述Y轴起跳角度、所述X轴起跳角度、所述Z轴起跳加速度、所述Y轴起跳加速度及所述X轴起跳加速度计算所述用户的下肢力量特征。
9.一种立定跳远起跳特征获取设备，包括存储器、处理器及存储在所述存储器上并在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现权利要求1至7中任一项所述的起跳特征分析方法。
CN202210043317.8A 2022-01-14 2022-01-14 一种起跳特征分析方法、系统及设备 Active CN114377373B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210043317.8A CN114377373B (zh) 2022-01-14 2022-01-14 一种起跳特征分析方法、系统及设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210043317.8A CN114377373B (zh) 2022-01-14 2022-01-14 一种起跳特征分析方法、系统及设备

Publications (2)

Publication Number Publication Date
CN114377373A CN114377373A (zh) 2022-04-22
CN114377373B true CN114377373B (zh) 2023-05-23

Family

ID=81200938

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210043317.8A Active CN114377373B (zh) 2022-01-14 2022-01-14 一种起跳特征分析方法、系统及设备

Country Status (1)

Country Link
CN (1) CN114377373B (zh)

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105509762B (zh) * 2014-09-30 2019-01-29 深圳市冠旭电子股份有限公司 一种基于三轴加速计的计步方法及装置
CN105771187B (zh) * 2016-02-26 2019-03-01 惠州市德赛工业研究院有限公司 一种运动状态检测方法及基于该方法的智能鞋
CN109276869A (zh) * 2018-06-29 2019-01-29 惠州市德赛工业研究院有限公司 一种基于智能穿戴设备的户外骑行的监测方法及系统
CN109260647A (zh) * 2018-09-10 2019-01-25 郑州大学 基于多模态信号的人体跳跃指标综合评测及训练系统
CN111558195B (zh) * 2020-05-27 2021-07-20 广东小天才科技有限公司 基于穿戴式设备的跳绳计数方法、装置、设备及存储介质
CN212679933U (zh) * 2020-07-09 2021-03-12 合肥工业大学 一种基于多传感器的立定跳远辅助训练装置
CN112617836B (zh) * 2021-01-05 2023-06-06 悦动奇点（北京）健康科技有限公司 一种人体下肢爆发力的评估方法及装置
CN113318419B (zh) * 2021-06-11 2022-09-23 上海铼锶信息技术有限公司 一种智能跳绳防作弊方法及系统

Also Published As

Publication number Publication date
CN114377373A (zh) 2022-04-22

Similar Documents

Publication Publication Date Title
CN110111418B (zh) 创建脸部模型的方法、装置及电子设备
CN106999757B (zh) 用于训练用户的正确跑步的方法和系统
KR101488130B1 (ko) 러닝 폼 진단 시스템 및 러닝 폼을 득점화하는 방법
EP2982422A1 (en) Body-motion assessment device, dance assessment device, karaoke device, and game device
CN108703760A (zh) 基于九轴传感器的人体运动姿态识别系统及方法
CN110334573B (zh) 一种基于密集连接卷积神经网络的人体运动状态判别方法
CN111318009A (zh) 基于可穿戴惯性感知的体感健康娱乐系统及其工作方法
EP3270266A2 (en) Method, electronic apparatus and recording medium for automatically configuring sensors
CN103699795A (zh) 一种运动行为识别方法、装置及运动强度监测系统
CN106923839A (zh) 运动辅助装置、运动辅助方法以及记录介质
CN104748735A (zh) 基于智能终端的室内定位方法和设备
Wang et al. Recognition of the Gait Phase Based on New Deep Learning Algorithm Using Multisensor Information Fusion.
CN107016411B (zh) 数据处理方法及装置
CN108827290A (zh) 一种人体运动状态反演装置及方法
CN114377373B (zh) 一种起跳特征分析方法、系统及设备
CN111353345B (zh) 提供训练反馈的方法、装置、系统、电子设备、存储介质
CN115530806B (zh) 一种收腹动作分析方法、系统及设备
CN115530807B (zh) 一种展腹动作分析方法、系统及设备
CN114341947A (zh) 用于使用可穿戴设备的锻炼类型辨识的系统和方法
CN115587282A (zh) 一种落地特征分析方法、系统及设备
CN114492520A (zh) 动作识别方法及装置
CN114344873B (zh) 一种预摆动作类型识别方法、系统及设备
CN115587283A (zh) 一种伸腿动作分析方法、系统及设备
CN115530806A (zh) 一种收腹动作分析方法、系统及设备
Mekruksavanich et al. ResNet-based network for recognizing daily and transitional activities based on smartphone sensors

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
TR01 Transfer of patent right

Effective date of registration: 20240606

Address after: 100020 Le Shibao, North Gate of Olympic Forest Park, Chaoyang District, Beijing

Patentee after: Beijing Yuneng Tiandi Technology Co.,Ltd.

Country or region after: China

Address before: 100089 a-126, 8th floor, No. 89, West Third Ring North Road, Haidian District, Beijing

Patentee before: Beijing Shugan Technology Co.,Ltd.

Country or region before: China

TR01 Transfer of patent right