CN114491466A - 一种基于私有云技术的智能训练系统 - Google Patents

一种基于私有云技术的智能训练系统 Download PDF

Info

Publication number
CN114491466A
CN114491466A CN202210364326.7A CN202210364326A CN114491466A CN 114491466 A CN114491466 A CN 114491466A CN 202210364326 A CN202210364326 A CN 202210364326A CN 114491466 A CN114491466 A CN 114491466A
Authority
CN
China
Prior art keywords
training
user
data
brightness
private cloud
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
Application number
CN202210364326.7A
Other languages
English (en)
Other versions
CN114491466B (zh
Inventor
魏彩云
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 Okstar Sports Industry Co ltd
Original Assignee
Beijing Okstar Sports Industry 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 Okstar Sports Industry Co ltd filed Critical Beijing Okstar Sports Industry Co ltd
Priority to CN202210364326.7A priority Critical patent/CN114491466B/zh
Publication of CN114491466A publication Critical patent/CN114491466A/zh
Application granted granted Critical
Publication of CN114491466B publication Critical patent/CN114491466B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F21/30—Authentication, i.e. establishing the identity or authorisation of security principals
    • G06F21/31—User authentication
    • G06F21/32—User authentication using biometric data, e.g. fingerprints, iris scans or voiceprints
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
    • G06F3/011—Arrangements for interaction with the human body, e.g. for user immersion in virtual reality

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • General Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Security & Cryptography (AREA)
  • Human Computer Interaction (AREA)
  • Computer Hardware Design (AREA)
  • Software Systems (AREA)
  • Image Processing (AREA)

Abstract

本发明提供一种基于私有云技术的智能训练系统，包括可穿戴智能设备、设备管理终端、现场记录终端和私有云服务器；可穿戴智能设备用于记录用户状态数据，并将用户状态数据上传至私有云服务器；设备管理终端用于获取用户身份信息，并根据用户输入的控制指令控制训练设备开始运作，并将用户身份信息传输到与训练设备对应的现场记录终端；现场记录终端与训练设备对应设置，用于记录用户在使用训练设备进行训练过程中的训练数据，并将训练数据上传至私有云服务器；私有云服务器分别与可穿戴智能设备和现场记录终端建立通信连接，用于根据接收到的用户状态数据和训练数据进行管理。本发明有助于提高训练管理的私密性、安全性和智能化水平。

Description

一种基于私有云技术的智能训练系统
技术领域
本发明涉及智能训练系统技术领域，特别是一种基于私有云技术的智能训练系统。
背景技术
针对如消防等机构，大多消防中心会定期对消防官兵进行日常体能素质训练，以提高或保持消防官兵的体能素质。
现有技术中，大多消防中心在组织和管理体能素质训练的时候，通常都是通过消防教官来进行统一的组织和管理，通过为消防官兵设置相应的日常训练任务，和督促消防官兵完成情况；但是，通过人为管理的方式，存在灵活性不足（例如训练时间不灵活）和针对性不足（无法落实针对每个消防官兵的训练效果和督促）的情况。
发明内容
针对上述问题，本发明旨在提供一种基于私有云技术的智能训练系统。
本发明的目的采用以下技术方案来实现：
本发明示出一种基于私有云技术的智能训练系统，包括可穿戴智能设备、设备管理终端、现场记录终端和私有云服务器；其中，
可穿戴智能设备记录有用户身份信息，用于记录用户状态数据，并将用户状态数据上传至私有云服务器；
设备管理终端用于获取用户身份信息，并根据用户输入的控制指令控制训练设备开始运作，并将用户身份信息传输到与训练设备对应的现场记录终端；
现场记录终端与训练设备对应设置，用于记录用户在使用训练设备进行训练过程中的训练数据，并将训练数据上传至私有云服务器；
私有云服务器分别与可穿戴智能设备和现场记录终端建立通信连接，用于根据接收到的用户状态数据和训练数据进行管理。
一种实施方式中，可穿戴智能设备包括智能腕带，其中智能腕带中设置有身份绑定模块、北斗定位模块、心率采集模块、陀螺仪计步模块和无线通信模块；
其中身份绑定模块用于录入用户身份信息；
北斗定位模块用于获取用户定位数据；
心率采集模块用于采集用户心率数据；
陀螺仪计步模块用于采集用户步数数据；
无线通信模块用于将采集到的用户定位数据、用户心率数据和用户步数数据实时上传至私有云服务器。
一种实施方式中，设备管理终端包括登录模块和控制模块；
登录模块用于获取用户身份信息，对用户身份信息进行验证通过后，允许用户登录控制模块；
控制模块用于选择所需要使用的训练设备，并向选择的训练设备发出控制指令。
一种实施方式中，登录模块包括感应单元；
感应单元用于感应可穿戴智能设备上的感应芯片，并读取感应芯片中存储的用户身份信息。
一种实施方式中，登录模块包括人脸识别单元；
人脸识别单元用于采集用户人脸图像，通过人脸识别的方式获取用户身份信息。
一种实施方式中，现场记录终端包括传感器记录模块和视频记录模块；
传感器记录模块包括设置在训练设备上的传感器，用于记录用户在使用训练设备过程中产生的训练数据，并将训练数据传输到私有云服务器；
视频记录模块包括对准训练设备的摄像头单元，用于记录用户在使用训练设备过程中的视频数据，并将采集到的视频数据传输到私有云服务器。
一种实施方式中，私有云服务器包括数据管理模块、报告生成模块、异常分析模块和视频分析模块；
数据管理模块用于根据接收到的用户状态数据、训练数据和视频数据与对应的用户进行绑定，并对各用户的数据进行分类存储管理；
报告生成模块用于根据用户的状态数据、训练数据和视频数据生成用户训练报告；
异常分析模块用于根据用户的状态数据、训练数据和视频数据进行异常检测，当检测到异常情况时发出异常信息；
视频分析模块用于根据接收到的视频数据，对视频数据中正在使用训练设备的用户进行人脸检测和人脸识别，识别用户身份信息，并根据识别到的用户身份信息与该训练设备当前登记的用户身份信息进行一致性比对，当用户身份比对结果匹配不一致时，发出提示信息。
一种实施方式中，视频分析模块包括标记单元、增强单元、人脸检测单元、人脸识别单元和匹配验证单元；
标记单元用于根据用户登记使用训练设备的项目信息和时间信息，对对应训练设备所在区域和对应时间段采集的视频数据进行标记作为目标视频数据；
增强单元用于对目标视频数据进行增强处理，以去除目标视频数据中收到的噪声干扰和提高视频数据的图像质量，得到增强处理后的目标视频数据；
人脸检测单元用于根据增强处理后的目标视频数据进行人脸检测处理，获取目标视频数据画面中的人脸所在区域；
人脸识别单元用于根据检测到的目标视频数据画面中的人脸区域进行人脸识别处理，分析视频数据画面中的人脸对应的身份信息；
匹配验证单元用于根据通过人脸识别得到的身份信息与当前该训练设备登记使用的用户身份信息进行一致性比对，当用户身份比对结果匹配不一致时，对相应的训练数据和视频数据标记异常信息。
一种实施方式中，可穿戴智能设备、设备管理终端和现场记录终端通过设置在训练现场的交换机与私有云服务器通信连接；
其中设备管理终端和现场记录终端通过有线或无线的方式与交换机通信连接；
可穿戴智能设备通过无线的方式与交换机通信连接。
本发明的有益效果为：通过为每位用户配置可穿戴智能设备，来绑定用户的身份信息，并在训练过程中采集用户状态数据，能够针对性、真实记录用户在训练过程中的身体状态；同时设置设备管理终端对训练设备进行统一的管理，当用户需要使用相应的训练设备进行训练项目时，通过设备管理终端登记自身身份信息，当选择相应的训练项目后，通过设置在训练现场的现场记录终端记录用户在使用训练设备的训练数据，并上传到私有云服务器进行记录，并通过私有云服务器对用户的训练数据进行统一的管理，管理者通过登录私有云服务器，便能够对所有用户的训练情况进行集中的管理，立即发现在训练过程中的异常情况，有助于提高训练管理的智能化水平。
同时基于私有云服务器搭建的智能训练系统，能够适用于特定场景下需要对训练数据进行保密的情况，有助于提高智能训练系统数据的私密性和安全性。能够满足不同特定场景下训练系统的搭建。
附图说明
利用附图对本发明作进一步说明，但附图中的实施例不构成对本发明的任何限制，对于本领域的普通技术人员，在不付出创造性劳动的前提下，还可以根据以下附图获得其它的附图。
图1为本发明示例性实施例所示的一种基于私有云技术的智能训练系统框架结构图。
具体实施方式
结合以下应用场景对本发明作进一步描述。
参见图1实施例所示一种基于私有云技术的智能训练系统，包括可穿戴智能设备1、设备管理终端2、现场记录终端3和私有云服务器4；其中，
可穿戴智能设备1记录有用户身份信息，用于记录用户状态数据，并将用户状态数据上传至私有云服务器4；
设备管理终端2用于获取用户身份信息，并根据用户输入的控制指令控制训练设备开始运作，并将用户身份信息传输到与训练设备对应的现场记录终端3；
现场记录终端3与训练设备对应设置，用于记录用户在使用训练设备进行训练过程中的训练数据，并将训练数据上传至私有云服务器4；
私有云服务器4分别与可穿戴智能设备1和现场记录终端3建立通信连接，用于根据接收到的用户状态数据和训练数据进行管理。
上述实施方式中，提出一种基于私有云技术的智能训练系统，通过为每位用户（如消防官兵）配置可穿戴智能设备1，来绑定用户的身份信息，并在训练过程中采集用户状态数据，能够针对性、真实记录用户在训练过程中的身体状态；同时设置设备管理终端2对训练设备进行统一的管理，当用户需要使用相应的训练设备进行训练项目时，通过设备管理终端2登记自身身份信息，当选择相应的训练项目后，通过设置在训练现场的现场记录终端3记录用户在使用训练设备的训练数据，并上传到私有云服务器4进行记录，并通过私有云服务器4对用户的训练数据进行统一的管理，管理者（教官）通过登录私有云服务器4，便能够对所有用户的训练情况进行集中的管理，立即发现在训练过程中的异常情况，有助于提高训练管理的智能化水平。
同时基于私有云服务器4搭建的智能训练系统，能够适用于特定场景下需要对训练数据进行保密的情况，有助于提高智能训练系统数据的私密性和安全性。能够满足不同特定场景（如部队、消防、学校等）下训练系统的搭建。
一种实施方式中，可穿戴智能设备1包括智能腕带，其中智能腕带中设置有身份绑定模块、北斗定位模块、心率采集模块、陀螺仪计步模块和无线通信模块；
其中身份绑定模块用于录入用户身份信息；
北斗定位模块用于获取用户定位数据；
心率采集模块用于采集用户心率数据；
陀螺仪计步模块用于采集用户步数数据；
无线通信模块用于将采集到的用户定位数据、用户心率数据和用户步数数据实时上传至私有云服务器4。
上述实施方式，用户在进行训练的时候，通过佩戴智能腕带采集自身的状态数据，将状态数据实时上传至私有云服务器4，能够有助于后续根据自身的训练过程中的状态变化进一步调整训练策略。同时也有助于根据用户的状态数据和记录的训练数据进行对应，供系统进一步根据用户的状态数据和记录的训练数据分析用户的异常情况。例如，当用户登录设备管理终端2开启训练后，系统记录有用户的训练数据，但该同一时间段内没有记录到用户的状态数据，或者状态数据出现明显的不符（如没有产生状态数据、定位数据不符等），则证明该用户实质没有在训练，则由系统生成相应的异常信息。有助于对用户训练的异常情况（如顶替训练等）进行监测，提高训练管理水平。
一种实施方式中，设备管理终端2包括登录模块和控制模块；
登录模块用于获取用户身份信息，对用户身份信息进行验证通过后，允许用户登录控制模块；
控制模块用于选择所需要使用的训练设备，并向选择的训练设备发出控制指令。
一种实施方式中，登录模块包括感应单元；
感应单元用于感应可穿戴智能设备1上的感应芯片，并读取感应芯片中存储的用户身份信息。
一种实施方式中，登录模块包括人脸识别单元；
人脸识别单元用于采集用户人脸图像，通过人脸识别的方式获取用户身份信息。
一种场景中，用户在需要开始训练时，通过设备管理终端2进行刷腕或者通过人脸识别的方式录入自身的身份信息登录系统，通过设备管理终端2选择相应的训练设备开启训练记录。
一种实施方式中，训练设备包括引体向上仪、环形跑道、拉伸仪、椭圆机、自行车训练仪、折返跑训练系统和单双杠等。
一种实施方式中，现场记录终端3包括传感器记录模块和视频记录模块；
传感器记录模块包括设置在训练设备上的传感器，用于记录用户在使用训练设备过程中产生的训练数据，并将训练数据传输到私有云服务器4；
视频记录模块包括对准训练设备的摄像头单元，用于记录用户在使用训练设备过程中的视频数据，并将采集到的视频数据传输到私有云服务器4。
其中，在用户使用训练设备进行训练的过程中，通过设置在训练设备上的传感器记录用户的训练数据（例如引体向上次数、环形跑圈数），将训练数据传输到私有云服务器4进行记录。
同时，设置有视频记录模块，能够在用户训练的过程中，记录用户的训练视频数据，同时将视频数据传输至私有云服务器4进行记录，一方面有助于用户或者管理者能够根据自身的训练视频数据调整训练情况；另一方面通过视频数据对用户的训练情况进行记录，将视频数据和训练数据进行对应，有助于提高用户训练情况判断的可靠性水平。
一种实施方式中，私有云服务器4包括数据管理模块、报告生成模块、异常分析模块和视频分析模块；
数据管理模块用于根据接收到的用户状态数据、训练数据和视频数据与对应的用户进行绑定，并对各用户的数据进行分类存储管理；
报告生成模块用于根据用户的状态数据、训练数据和视频数据生成用户训练报告；
异常分析模块用于根据用户的状态数据、训练数据和视频数据进行异常检测，当检测到异常情况时发出异常信息；
视频分析模块用于根据接收到的视频数据，对视频数据中正在使用训练设备的用户进行人脸检测和人脸识别，识别用户身份信息，并根据识别到的用户身份信息与该训练设备当前登记的用户身份信息进行一致性比对，当用户身份比对结果匹配不一致时，发出提示信息。
一种场景中，用户训练过程中的状态数据、训练数据和视频数据通过私有云服务器4进行统一的记录管理；其中私有云服务器4中搭建有不同的功能模块，例如报告生成模块能够根据用户的状态数据、训练数据和视频数据生成相应的训练报告，有助于管理者或者用户自身能够登录私有云服务器4查看相应的训练报告，了解用户训练状况的真实水平。
另外异常分析模块能够智能化地根据状态数据、训练数据和视频数据进行状态检测；例如当检测到用户心率数据超过设定的阈值水平时，则判断用户当前身体状况出现异常，立即向相应用户的智能腕带发出提醒消息。或者根据用户的状态数据、视频数据和训练数据进行匹配，当发现存在用户的训练数据，但是分析到其状态数据（如定位、心率数据等）与当前训练项目不符的情况下，则生成异常标识，能够有助于发现顶替训练的情况。
其中针对视频数据的分析处理基于视频分析模块进行，通过视频分析模块，能够用户训练过程中的视频数据进行智能化分析，例如对视频数据进行智能化的人脸检测，判断当前使用训练设备的用户与登记启动训练设备的用户是否一致，有助于将用户身份与训练数据进行匹配验证，进一步防止顶替训练的情况发生。
一种实施方式中，视频分析模块包括标记单元、增强单元、人脸检测单元、人脸识别单元和匹配验证单元；
标记单元用于根据用户登记使用训练设备的项目信息和时间信息，对对应训练设备所在区域和对应时间段采集的视频数据进行标记作为目标视频数据；
增强单元用于对目标视频数据进行增强处理，以去除目标视频数据中收到的噪声干扰和提高视频数据的图像质量，得到增强处理后的目标视频数据；
人脸检测单元用于根据增强处理后的目标视频数据进行人脸检测处理，获取目标视频数据画面中的人脸所在区域；
人脸识别单元用于根据检测到的目标视频数据画面中的人脸区域进行人脸识别处理，分析视频数据画面中的人脸对应的身份信息；
匹配验证单元用于根据通过人脸识别得到的身份信息与当前该训练设备登记使用的用户身份信息进行一致性比对，当用户身份比对结果匹配不一致时，对相应的训练数据和视频数据标记异常信息。
上述实施方式中，基于视频数据对用户训练过程进行进一步的身份验证，能够有助于避免用户在登记训练开始后由其他用户进行顶替训练，或者训练设备记录的训练数据与用户身份不符的情况，进一步提高的智能训练系统对训练数据管理的可靠性水平。
一种实施方式中，增强单元，对目标视频数据进行增强处理，具体包括：
对目标视频数据从RGB颜色空间转换到HSV颜色空间，得到目标视频数据的色调分量H、饱和度分量S和明度分量V；
针对获取的明度分量V，对获取的明度分量V进行分割处理，得到高明度层和低明度层，其中采用的分割处理函数为：
Figure DEST_PATH_IMAGE001
其中，
Figure 881178DEST_PATH_IMAGE002
表示像素点
Figure 876816DEST_PATH_IMAGE003
的明度分量值，
Figure 935908DEST_PATH_IMAGE004
表示高明度区域，
Figure 866955DEST_PATH_IMAGE005
表示低明度区域；
分别统计高明度区域
Figure 418022DEST_PATH_IMAGE004
所占的面积
Figure 810826DEST_PATH_IMAGE006
，和统计低明度区域
Figure 6315DEST_PATH_IMAGE005
所占的面积
Figure 232897DEST_PATH_IMAGE007
；
如果
Figure 864736DEST_PATH_IMAGE008
，则采用下列函数对低明度区域
Figure 77542DEST_PATH_IMAGE005
进行第一明度增强处理：
Figure 252172DEST_PATH_IMAGE009
式中，
Figure 505780DEST_PATH_IMAGE010
表示第一明度增强处理后低明度区域中像素点
Figure 765860DEST_PATH_IMAGE003
的明度分量值，
Figure 516778DEST_PATH_IMAGE011
表示设定的增强调节因子，其中
Figure 670548DEST_PATH_IMAGE012
；
Figure 973353DEST_PATH_IMAGE013
表示设定的标准明度值,
Figure 861675DEST_PATH_IMAGE014
，
Figure 399972DEST_PATH_IMAGE015
和
Figure 549194DEST_PATH_IMAGE016
表示设定的权重因子，其中
Figure 898267DEST_PATH_IMAGE017
，
Figure 257573DEST_PATH_IMAGE018
；
针对第一明度增强处理后的低明度区域
Figure 209348DEST_PATH_IMAGE019
，进一步对低明度区域进行第一明度调节处理：
Figure 354022DEST_PATH_IMAGE020
式中，
Figure 733051DEST_PATH_IMAGE021
表示第一明度调节处理后低明度区域中像素点
Figure 582583DEST_PATH_IMAGE003
的明度分量值，
Figure 213415DEST_PATH_IMAGE010
表示第一明度增强处理后低明度区域中像素点
Figure 337229DEST_PATH_IMAGE003
的明度分量值，
Figure 277372DEST_PATH_IMAGE022
表示像素点
Figure 362003DEST_PATH_IMAGE003
的饱和度分量值；
基于第一明度调节处理后低明度区域
Figure 655581DEST_PATH_IMAGE023
和高明度区域
Figure 758535DEST_PATH_IMAGE004
重构得到明度分量
Figure 744945DEST_PATH_IMAGE024
；
如果
Figure 316872DEST_PATH_IMAGE025
，则采用下列函数对高明度区域
Figure 538775DEST_PATH_IMAGE004
进行第二明度增强处理：
Figure 371602DEST_PATH_IMAGE026
式中，
Figure 404280DEST_PATH_IMAGE027
表示第二明度增强处理后高明度区域中像素点
Figure 709841DEST_PATH_IMAGE003
的明度分量值，
Figure 345221DEST_PATH_IMAGE028
表示低明度区域的平均明度分量，
Figure 173500DEST_PATH_IMAGE013
表示设定的标准明度值,
Figure 501713DEST_PATH_IMAGE014
；
针对第二明度增强处理后高明度区域
Figure DEST_PATH_IMAGE029
和低明度区域
Figure 704024DEST_PATH_IMAGE005
重构的明度分量
Figure 798888DEST_PATH_IMAGE030
，进一步进行第二明度调节处理：
Figure 606307DEST_PATH_IMAGE031
式中，
Figure 246367DEST_PATH_IMAGE032
表示第二明度调节处理后像素点
Figure 263871DEST_PATH_IMAGE003
的明度分量值，
Figure 241054DEST_PATH_IMAGE033
和
Figure 43925DEST_PATH_IMAGE034
分别表示明度分量
Figure 107083DEST_PATH_IMAGE030
中的最大和最小明度分量值，
Figure DEST_PATH_IMAGE035
表示设定的第一明度标准值，其中
Figure 893774DEST_PATH_IMAGE036
，
Figure 799282DEST_PATH_IMAGE037
表示设定的第二明度标准值，其中
Figure 581293DEST_PATH_IMAGE038
；
根据目标视频数据的色调分量H、明度分量
Figure 563155DEST_PATH_IMAGE024
和饱和度分量S进行重构并重新转换至RGB颜色空间，得到增强处理后的目标视频数据。
针对训练环境较为空阔的环境下，针对训练设备所在区域获取的视频数据容易受到环境因素的影响，从而影响视频数据清晰度的问题，上述实施方式，提出了目标视频数据进行增强处理的技术方案，其中上述方案中将视频数据首先转换到HSV颜色空间，并基于得到的明度分量来对视频图像画面的清晰度进行调节，其中，特别针对不同训练设备场景下得到的目标视频数据整体亮度过高或者过于灰暗的情况，首先基于明度分量划分画面中的高明度区域和低明度区域，并基于高低明度区域所占的面积比来自适应选用相应的明度增强处理方案，其中针对低明度区域为主导的视频图像画面，则提出了一种第一明度增强处理函数来对低明度区域进行明度提升，能够有效提升低明度区域的明度水平，同时，针对在明度提升过程中可能出现的因为提升幅度过大从而导致的失真情况，进一步提出第一明度调节处理函数，对可能出现明度失真的部分进行二次明度调节，以使得增强处理后的视频图像画面更加清晰和适应性更高。其中，针对高明度区域为主导的视频图像画面，则提出了一种第二明度增强处理函数来特别针对高明度区域进行明度抑制处理，以针对视频图像画面中的高亮区域进行自适应的抑制避免训练场景下出现过度曝光导致的不清晰的情况，同时将抑制后的高明度区域和低明度区域进行整体的明度拉伸处理，以使得视频图像画面的整体显示效果得到提升，提高了视频图像画面的对比度，最后基于明度处理后的明度分量重新转换到RGB颜色空间，输出正常显示的视频数据，提升了视频数据的清晰度，有助于为后续进一步针对目标视频数据进行进一步的人脸检测和人脸识别处理奠定基础。
一种实施方式中，可穿戴智能设备1、设备管理终端2和现场记录终端3通过设置在训练现场的交换机与私有云服务器4通信连接；
其中设备管理终端2和现场记录终端3通过有线或无线的方式与交换机通信连接；
可穿戴智能设备1通过无线的方式与交换机通信连接。
需要说明的是，在本发明各个实施例中的各功能单元/模块可以集成在一个处理单元/模块中，也可以是各个单元/模块单独物理存在，也可以是两个或两个以上单元/模块集成在一个单元/模块中。上述集成的单元/模块既可以采用硬件的形式实现，也可以采用软件功能单元/模块的形式实现。
通过以上的实施方式的描述，所属领域的技术人员可以清楚地了解应当理解，可以以硬件、软件、固件、中间件、代码或其任何恰当组合来实现这里描述的实施例。对于硬件实现，处理器可以在一个或多个下列单元中实现：专用集成电路（ASVC）、数字信号处理器（DSP）、数字信号处理设备（DSPD）、可编程逻辑器件（PLD）、现场可编程门阵列（FPGA）、处理器、控制器、微控制器、微处理器、设计用于实现这里所描述功能的其他电子单元或其组合。对于软件实现，实施例的部分或全部流程可以通过计算机程序来指令相关的硬件来完成。实现时，可以将上述程序存储在计算机可读介质中或作为计算机可读介质上的一个或多个指令或代码进行传输。计算机可读介质包括计算机存储介质和通信介质，其中通信介质包括便于从一个地方向另一个地方传送计算机程序的任何介质。存储介质可以是计算机能够存取的任何可用介质。计算机可读介质可以包括但不限于RAM、ROM、EEPROM、CD-ROM或其他光盘存储、磁盘存储介质或者其他磁存储设备、或者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他介质。
最后应当说明的是，以上实施例仅用以说明本发明的技术方案，而非对本发明保护范围的限制，尽管参照较佳实施例对本发明作了详细地说明，本领域的普通技术人员应当分析，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的实质和范围。

Claims (10)

1.一种基于私有云技术的智能训练系统，其特征在于，包括可穿戴智能设备、设备管理终端、现场记录终端和私有云服务器；其中，
可穿戴智能设备记录有用户身份信息，用于记录用户状态数据，并将用户状态数据上传至私有云服务器；
设备管理终端用于获取用户身份信息，并根据用户输入的控制指令控制训练设备开始运作，并将用户身份信息传输到与训练设备对应的现场记录终端；
现场记录终端与训练设备对应设置，用于记录用户在使用训练设备进行训练过程中的训练数据，并将训练数据上传至私有云服务器；
私有云服务器分别与可穿戴智能设备和现场记录终端建立通信连接，用于根据接收到的用户状态数据和训练数据进行管理。
2.根据权利要求1所述的一种基于私有云技术的智能训练系统，其特征在于，可穿戴智能设备包括智能腕带，其中智能腕带中设置有身份绑定模块、北斗定位模块、心率采集模块、陀螺仪计步模块和无线通信模块；
其中身份绑定模块用于录入用户身份信息；
北斗定位模块用于获取用户定位数据；
心率采集模块用于采集用户心率数据；
陀螺仪计步模块用于采集用户步数数据；
无线通信模块用于将采集到的用户定位数据、用户心率数据和用户步数数据实时上传至私有云服务器。
3.根据权利要求1所述的一种基于私有云技术的智能训练系统，其特征在于，设备管理终端包括登录模块和控制模块；
登录模块用于获取用户身份信息，对用户身份信息进行验证通过后，允许用户登录控制模块；
控制模块用于选择所需要使用的训练设备，并向选择的训练设备发出控制指令。
4.根据权利要求1所述的一种基于私有云技术的智能训练系统，其特征在于，登录模块包括感应单元；
感应单元用于感应可穿戴智能设备上的感应芯片，并读取感应芯片中存储的用户身份信息。
5.根据权利要求1所述的一种基于私有云技术的智能训练系统，其特征在于，登录模块包括人脸识别单元；
人脸识别单元用于采集用户人脸图像，通过人脸识别的方式获取用户身份信息。
6.根据权利要求1所述的一种基于私有云技术的智能训练系统，其特征在于，现场记录终端包括传感器记录模块和视频记录模块；
传感器记录模块包括设置在训练设备上的传感器，用于记录用户在使用训练设备过程中产生的训练数据，并将训练数据传输到私有云服务器；
视频记录模块包括对准训练设备的摄像头单元，用于记录用户在使用训练设备过程中的视频数据，并将采集到的视频数据传输到私有云服务器。
7.根据权利要求1所述的一种基于私有云技术的智能训练系统，其特征在于，私有云服务器包括数据管理模块、报告生成模块、异常分析模块和视频分析模块；
数据管理模块用于根据接收到的用户状态数据、训练数据和视频数据与对应的用户进行绑定，并对各用户的数据进行分类存储管理；
报告生成模块用于根据用户的状态数据、训练数据和视频数据生成用户训练报告；
异常分析模块用于根据用户的状态数据、训练数据和视频数据进行异常检测，当检测到异常情况时发出异常信息；
视频分析模块用于根据接收到的视频数据，对视频数据中正在使用训练设备的用户进行人脸检测和人脸识别，识别用户身份信息，并根据识别到的用户身份信息与该训练设备当前登记的用户身份信息进行一致性比对，当用户身份比对结果匹配不一致时，发出提示信息。
8.根据权利要求7所述的一种基于私有云技术的智能训练系统，其特征在于，视频分析模块包括标记单元、增强单元、人脸检测单元、人脸识别单元和匹配验证单元；
标记单元用于根据用户登记使用训练设备的项目信息和时间信息，对对应训练设备所在区域和对应时间段采集的视频数据进行标记作为目标视频数据；
增强单元用于对目标视频数据进行增强处理，以去除目标视频数据中收到的噪声干扰和提高视频数据的图像质量，得到增强处理后的目标视频数据；
人脸检测单元用于根据增强处理后的目标视频数据进行人脸检测处理，获取目标视频数据画面中的人脸所在区域；
人脸识别单元用于根据检测到的目标视频数据画面中的人脸区域进行人脸识别处理，分析视频数据画面中的人脸对应的身份信息；
匹配验证单元用于根据通过人脸识别得到的身份信息与当前该训练设备登记使用的用户身份信息进行一致性比对，当用户身份比对结果匹配不一致时，对相应的训练数据和视频数据标记异常信息。
9.根据权利要求1所述的一种基于私有云技术的智能训练系统，其特征在于，可穿戴智能设备、设备管理终端和现场记录终端通过设置在训练现场的交换机与私有云服务器通信连接；
其中设备管理终端和现场记录终端通过有线或无线的方式与交换机通信连接；
可穿戴智能设备通过无线的方式与交换机通信连接。
10.根据权利要求8所述的一种基于私有云技术的智能训练系统，其特征在于，增强单元，对目标视频数据进行增强处理，具体包括：
对目标视频数据从RGB颜色空间转换到HSV颜色空间，得到目标视频数据的色调分量H、饱和度分量S和明度分量V；
针对获取的明度分量V，对获取的明度分量V进行分割处理，得到高明度层和低明度层，其中采用的分割处理函数为：
Figure 372023DEST_PATH_IMAGE002
其中，
Figure DEST_PATH_IMAGE003
表示像素点
Figure 894272DEST_PATH_IMAGE004
的明度分量值，
Figure DEST_PATH_IMAGE005
表示高明度区域，
Figure 61948DEST_PATH_IMAGE006
表示低明度区域；
分别统计高明度区域
Figure 729558DEST_PATH_IMAGE005
所占的面积
Figure DEST_PATH_IMAGE007
，和统计低明度区域
Figure 225262DEST_PATH_IMAGE006
所占的面积
Figure 801DEST_PATH_IMAGE008
；
如果
Figure DEST_PATH_IMAGE009
，则采用下列函数对低明度区域
Figure 163929DEST_PATH_IMAGE006
进行第一明度增强处理：
Figure DEST_PATH_IMAGE011
式中，
Figure 268020DEST_PATH_IMAGE012
表示第一明度增强处理后低明度区域中像素点
Figure 719861DEST_PATH_IMAGE004
的明度分量值，
Figure DEST_PATH_IMAGE013
表示设定的增强调节因子，其中
Figure 833180DEST_PATH_IMAGE014
；
Figure DEST_PATH_IMAGE015
表示设定的标准明度值,
Figure 709869DEST_PATH_IMAGE016
，
Figure DEST_PATH_IMAGE017
和
Figure 1173DEST_PATH_IMAGE018
表示设定的权重因子，其中
Figure DEST_PATH_IMAGE019
，
Figure 723666DEST_PATH_IMAGE020
；
针对第一明度增强处理后的低明度区域
Figure DEST_PATH_IMAGE021
，进一步对低明度区域进行第一明度调节处理：
Figure DEST_PATH_IMAGE023
式中，
Figure 516041DEST_PATH_IMAGE024
表示第一明度调节处理后低明度区域中像素点
Figure 857024DEST_PATH_IMAGE004
的明度分量值，
Figure 912705DEST_PATH_IMAGE012
表示第一明度增强处理后低明度区域中像素点
Figure 57247DEST_PATH_IMAGE004
的明度分量值，
Figure DEST_PATH_IMAGE025
表示像素点
Figure 263100DEST_PATH_IMAGE004
的饱和度分量值；
基于第一明度调节处理后低明度区域
Figure 707857DEST_PATH_IMAGE026
和高明度区域
Figure 403281DEST_PATH_IMAGE005
重构得到明度分量
Figure DEST_PATH_IMAGE027
；
如果
Figure 993310DEST_PATH_IMAGE028
，则采用下列函数对高明度区域
Figure 330750DEST_PATH_IMAGE005
进行第二明度增强处理：
Figure 380746DEST_PATH_IMAGE030
式中，
Figure DEST_PATH_IMAGE031
表示第二明度增强处理后高明度区域中像素点
Figure 434022DEST_PATH_IMAGE004
的明度分量值，
Figure 303889DEST_PATH_IMAGE032
表示低明度区域的平均明度分量，
Figure 569654DEST_PATH_IMAGE015
表示设定的标准明度值,
Figure 598790DEST_PATH_IMAGE016
；
针对第二明度增强处理后高明度区域
Figure DEST_PATH_IMAGE033
和低明度区域
Figure 698333DEST_PATH_IMAGE006
重构的明度分量
Figure 445709DEST_PATH_IMAGE034
，进一步进行第二明度调节处理：
Figure 318DEST_PATH_IMAGE036
式中，
Figure DEST_PATH_IMAGE037
表示第二明度调节处理后像素点
Figure 808262DEST_PATH_IMAGE004
的明度分量值，
Figure 891755DEST_PATH_IMAGE038
和
Figure DEST_PATH_IMAGE039
分别表示明度分量
Figure 47799DEST_PATH_IMAGE034
中的最大和最小明度分量值，
Figure 140520DEST_PATH_IMAGE040
表示设定的第一明度标准值，其中
Figure DEST_PATH_IMAGE041
，
Figure 65619DEST_PATH_IMAGE042
表示设定的第二明度标准值，其中
Figure DEST_PATH_IMAGE043
；
根据目标视频数据的色调分量H、明度分量
Figure 382331DEST_PATH_IMAGE027
和饱和度分量S进行重构并重新转换至RGB颜色空间，得到增强处理后的目标视频数据。
CN202210364326.7A 2022-04-08 2022-04-08 一种基于私有云技术的智能训练系统 Active CN114491466B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210364326.7A CN114491466B (zh) 2022-04-08 2022-04-08 一种基于私有云技术的智能训练系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210364326.7A CN114491466B (zh) 2022-04-08 2022-04-08 一种基于私有云技术的智能训练系统

Publications (2)

Publication Number Publication Date
CN114491466A true CN114491466A (zh) 2022-05-13
CN114491466B CN114491466B (zh) 2022-06-21

Family

ID=81488996

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210364326.7A Active CN114491466B (zh) 2022-04-08 2022-04-08 一种基于私有云技术的智能训练系统

Country Status (1)

Country Link
CN (1) CN114491466B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115361531A (zh) * 2022-10-24 2022-11-18 广东电网有限责任公司佛山供电局 一种基于远程视频监控的智能环网柜监测系统
CN117891984A (zh) * 2024-01-19 2024-04-16 北京奥康达体育科技有限公司 一种功能性训练智慧训练系统

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20040114053A1 (en) * 2003-08-29 2004-06-17 Legend Films Inc. System and method for color enhancing images
US20170100637A1 (en) * 2015-10-08 2017-04-13 SceneSage, Inc. Fitness training guidance system and method thereof
CN110152275A (zh) * 2019-05-31 2019-08-23 浙江京泉智能科技有限公司 一种智能化体操训练系统
CN111111078A (zh) * 2020-01-16 2020-05-08 苏州诲爱系统科技有限公司 一种消防训练系统及方法
CN112085416A (zh) * 2020-09-23 2020-12-15 北京奥康达体育产业股份有限公司 一种基于云计算的个性化健身管理系统
CN112508499A (zh) * 2020-10-14 2021-03-16 南京崝昇信息科技有限公司 一种智能一体化健身房管理系统
US20210304376A1 (en) * 2020-03-24 2021-09-30 INO Graphics, Inc. Image processing apparatus, image processing system, and image processing method
CN113656462A (zh) * 2021-08-18 2021-11-16 北京奥康达体育产业股份有限公司 一种基于物联网的智慧体育公园数据分析系统

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20040114053A1 (en) * 2003-08-29 2004-06-17 Legend Films Inc. System and method for color enhancing images
US20170100637A1 (en) * 2015-10-08 2017-04-13 SceneSage, Inc. Fitness training guidance system and method thereof
CN110152275A (zh) * 2019-05-31 2019-08-23 浙江京泉智能科技有限公司 一种智能化体操训练系统
CN111111078A (zh) * 2020-01-16 2020-05-08 苏州诲爱系统科技有限公司 一种消防训练系统及方法
US20210304376A1 (en) * 2020-03-24 2021-09-30 INO Graphics, Inc. Image processing apparatus, image processing system, and image processing method
CN112085416A (zh) * 2020-09-23 2020-12-15 北京奥康达体育产业股份有限公司 一种基于云计算的个性化健身管理系统
CN112508499A (zh) * 2020-10-14 2021-03-16 南京崝昇信息科技有限公司 一种智能一体化健身房管理系统
CN113656462A (zh) * 2021-08-18 2021-11-16 北京奥康达体育产业股份有限公司 一种基于物联网的智慧体育公园数据分析系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
彭律成等: "基于智能可穿戴设备的人员训练管理系统分析", 《科技创新导报》 *
鞠明等: "基于向心自动波交叉皮质模型的非均匀光照图像增强", 《自动化学报》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115361531A (zh) * 2022-10-24 2022-11-18 广东电网有限责任公司佛山供电局 一种基于远程视频监控的智能环网柜监测系统
CN117891984A (zh) * 2024-01-19 2024-04-16 北京奥康达体育科技有限公司 一种功能性训练智慧训练系统

Also Published As

Publication number Publication date
CN114491466B (zh) 2022-06-21

Similar Documents

Publication Publication Date Title
CN114491466B (zh) 一种基于私有云技术的智能训练系统
Chen et al. PulseEdit: Editing physiological signals in facial videos for privacy protection
CN109241933A (zh) 视频联动监控方法、监控服务器、视频联动监控系统
CN110956118B (zh) 目标对象检测方法和装置、存储介质及电子装置
CN105872456A (zh) 一种基于智能电视机的安防方法及装置
KR100822476B1 (ko) 원격 응급상황 모니터링 시스템 및 방법
CN108898079A (zh) 一种监控方法及装置、存储介质、拍摄终端
CN113591517A (zh) 一种活体检测方法及相关设备
CN107133611A (zh) 一种课堂学生点头率识别与统计方法及装置
CN102831750A (zh) 用于人体跌倒检测的智能视频监控系统及检测方法
KR102511287B1 (ko) 영상 기반 자세 예측 및 행동 검출 방법 및 장치
CN111223011A (zh) 一种基于视频分析的餐饮企业食品安全监管方法及系统
US10621424B2 (en) Multi-level state detecting system and method
CN115345761A (zh) 一种在线考试辅助系统和在线考试监测方法
CN111178241A (zh) 一种基于视频分析的智能监控系统及方法
CN113642507A (zh) 基于多摄像头同人检测的考试监控方法、系统、设备及介质
CN114332975A (zh) 识别利用模拟覆盖物部分覆盖的对象
CN110267011B (zh) 图像处理方法、装置、服务器及存储介质
CN113420667B (zh) 人脸活体检测方法、装置、设备及介质
CN113793366B (zh) 图像处理方法、装置、设备及存储介质
CN117373092A (zh) 基于分布式摄像的考试监控方法、设备及存储介质
CN108197614A (zh) 一种基于人脸识别技术的考场监控摄像机及系统
US20230135997A1 (en) Ai monitoring and processing system
CN110647926A (zh) 医学影像流识别方法、装置、电子设备和存储介质
CN112601054A (zh) 摄像画面的采集方法及装置、存储介质、电子设备

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