CN114639461A - 健身方案信息的生成方法、装置和系统 - Google Patents

健身方案信息的生成方法、装置和系统 Download PDF

Info

Publication number
CN114639461A
CN114639461A CN202210287062.XA CN202210287062A CN114639461A CN 114639461 A CN114639461 A CN 114639461A CN 202210287062 A CN202210287062 A CN 202210287062A CN 114639461 A CN114639461 A CN 114639461A
Authority
CN
China
Prior art keywords
human body
current
user
body model
information
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.)
Pending
Application number
CN202210287062.XA
Other languages
English (en)
Inventor
苏京
赵君杰
褚虓
陈少蓓
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.)
BOE Technology Group Co Ltd
Beijing BOE Technology Development Co Ltd
Original Assignee
BOE Technology Group Co Ltd
Beijing BOE Technology Development 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 BOE Technology Group Co Ltd, Beijing BOE Technology Development Co Ltd filed Critical BOE Technology Group Co Ltd
Priority to CN202210287062.XA priority Critical patent/CN114639461A/zh
Publication of CN114639461A publication Critical patent/CN114639461A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • GPHYSICS
    • G16INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16HHEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H20/00ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
    • G16H20/30ICT 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
    • GPHYSICS
    • G16INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16HHEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics

Landscapes

  • Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Engineering & Computer Science (AREA)
  • Medical Informatics (AREA)
  • Primary Health Care (AREA)
  • General Health & Medical Sciences (AREA)
  • Epidemiology (AREA)
  • Databases & Information Systems (AREA)
  • Pathology (AREA)
  • Data Mining & Analysis (AREA)
  • Biomedical Technology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biophysics (AREA)
  • Physical Education & Sports Medicine (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)
  • Instructional Devices (AREA)

Abstract

本公开涉及一种健身方案信息的生成方法、装置和系统,涉及计算机技术领域。该健身方案信息的生成方法包括:根据用户的第一当前生理特征信息,生成候选人体模型,第一当前生理特征信息不包括用户的体脂率信息;根据候选人体模型和用户的第二当前生理特征信息,生成用户的当前人体模型,第二当前生理特征信息包括用户的体脂率信息;根据用户对当前人体模型的调整,生成用户的目标人体模型;根据当前人体模型与目标人体模型的差异,生成用户的健身方案信息。

Description

健身方案信息的生成方法、装置和系统
本申请是申请号为202111204326.2的原申请(申请日为2021年10月15日,发明名称:健身方案信息的生成方法、装置和系统)的分案申请。
技术领域
本公开涉及计算机技术领域,特别涉及一种健身方案信息的生成方法、健身方案信息的生成装置、健身方案信息的生成系统和非易失性计算机可读存储介质。
背景技术
在相关技术中,应用软件根据用户的输入,从固定的几个身体状态分类中确定用户的当前身体状态和期望达到的身体状态,从而推荐健身方案。
发明内容
根据本公开的一些实施例,提供了一种健身方案信息的生成方法,包括:生成用户的当前人体模型;根据用户对当前人体模型的调整,生成用户的目标人体模型;根据当前人体模型与目标人体模型的差异,生成用户的健身方案信息。
在一些实施例中,根据用户对当前人体模型的调整,生成用户的目标人体模型包括:根据用户对当前人体模型的各部位的调整,生成用户的目标人体模型。
在一些实施例中,当前人体模型包括分布在当前人体模型上的各当前肌肉模块,根据用户针对当前人体模型的各部位的调整,生成用户的目标人体模型包括:根据用户对各当前肌肉模块的调整,生成目标人体模型。
在一些实施例中,根据用户对各当前肌肉模块的调整,生成目标人体模型包括:根据用户对任一个当前肌肉模块的调整,确定任一个当前肌肉模块的形态变化;根据任一个当前肌肉模块的形态变化,确定任一个肌肉模块的关联的当前肌肉模块的形态变化;根据任一个当前肌肉模块的形态变化和关联的当前肌肉模块的形态变化,生成目标人体模型。
在一些实施例中,生成用户的当前人体模型包括:根据用户的当前生理特征信息,生成用户的当前人体模型。
在一些实施例中,根据用户的当前生理特征信息,生成用户的当前人体模型包括:根据当前生理特征信息,生成候选人体模型;根据用户对候选人体模型的调整,生成当前人体模型。
在一些实施例中,根据用户对候选人体模型的调整,生成当前人体模型包括:根据用户对候选人体模型的各部位的调整,生成当前人体模型。
在一些实施例中,根据第一当前生理特征信息,生成候选人体模型包括:根据当前生理特征信息,利用机器学习模型,生成候选人体模型;生产方法还包括:将候选人体模型确定为当前生理特征信息的标注结果,以生成训练数据;利用训练数据训练机器学习模型。
在一些实施例中,当前生理特征信息包括第一当前生理特征信息和第二当前生理特征信息,第一当前生理特征信息不包括用户的体脂率信息,第二当前生理特征信息包括用户的体脂率信息,根据用户的当前生理特征信息,生成用户的当前人体模型包括:根据第一当前生理特征信息,生成候选人体模型;根据候选人体模型和第二当前生理特征信息,生成当前人体模型。
在一些实施例中,候选人体模型为多个,第二当前生理特征信息包括用户的整体体脂率信息,根据候选人体模型和第二当前生理特征信息,生成当前人体模型包括:根据整体体脂率信息,从多个候选人体模型中选择出当前人体模型。
在一些实施例中,第二当前生理特征信息用户的局部体脂信息,根据候选人体模型和第二当前生理特征信息,生成当前人体模型包括:根据局部体脂信息,调整候选人体模型中与局部体脂信息相应的人体部位,生成当前人体模型。
在一些实施例中,根据用户的当前生理特征信息,生成用户的当前人体模型包括:根据当前生理特征信息,生成候选人体模型;根据用户的影像信息,确定用户的人体比例信息;根据人体比例信息,调整候选人体模型,生成当前人体模型。
在一些实施例中,当前人体模型包括分布在当前人体模型上的各当前肌肉模块,目标人体模型包括分布在目标人体模型上的各目标肌肉模块,根据当前人体模型与目标人体模型的差异,生成用户的健身方案信息包括:根据任一当前肌肉模块与其对应的目标肌肉模块之间的形态差异,生成用户的健身方案信息。
在一些实施例中,根据当前人体模型与目标人体模型的差异,生成用户的健身方案信息包括:根据目标人体模型,确定用户的目标生理特征信息;根据当前人体模型对应的当前生理特征信息与目标生理特征信息的差异,生成用户的训练计划信息。
在一些实施例中,根据目标人体模型,确定用户的目标生理特征信息包括:根据目标人体模型的局部形态,在数字人体库中查找与目标人体模型匹配的类比人体模型;根据类比人体模型的生理特征信息,确定用户的目标生理特征信息。
在一些实施例中,当前生理特征信息包括用户的体脂率信息,体脂率信息通过用户关联的体脂检测设备获取。
在一些实施例中,体脂率信息包括用户的局部体脂信息,局部体脂信息通过如下步骤获取:根据局部体脂信息相应的人体部位,在用户身体上确定起始点和目标点;利用体脂检测设备,确定根据起始点和目标点之间的阻抗;根据阻抗,确定局部体脂信息。
在一些实施例中,生成方法还包括:将当前生理特征信息、当前人体模型中的至少一个确定为训练前状态信息;在用户根据健身方案信息训练后,将用户的训练后生理特征信息、训练后人体模型中的至少一个确定为训练后状态信息;向用户推送训练后状态信息与训练前状态信息的差异。
在一些实施例中,将当前人体模型、训练后人体模型、未来人体模型中的至少两项重叠显示,以呈现当前人体模型、训练后人体模型、未来人体模型中至少两项的差异,未来人体模型根据训练前状态信息预测。
在一些实施例中,根据当前生理特征信息、训练后生理特征信息、未来生理特征信息中的至少两项,确定用户的生理特征随时间变化情况,未来生理特征信息根据所述训练前状态信息预测;根据生理特征随时间变化情况生成变化曲线,以呈现当前生理特征信息、训练后生理特征信息、所述未来生理特征信息中至少两项的差异。
在一些实施例中,将当前人体模型、训练后人体模型、未来人体模型中的至少两项重叠显示,未来人体模型根据所述训练前状态信息预测;向用户呈现变化曲线和重叠显示的结果;响应于用户选择变化曲线上的时间点,对时间点对应的当前人体模型、训练后人体模型或者未来人体模型进行强调显示,和/或响应于用户选择当前人体模型、训练后人体模型或者未来人体模型,对当前人体模型、训练后人体模型或者未来人体模型在变化曲线上对应的时间点进行突出显示。
在一些实施例中,生成方法还包括:将当前生理特征信息、当前人体模型中的至少一个确定为训练前状态信息;根据训练前状态信息,预测用户在预设时间段后的未来状态信息,未来状态信息包括用户的未来生理特征信息、未来人体模型中的至少一个;向用户推送未来状态信息。
在一些实施例中,根据训练前状态信息,预测用户在预设时间段后的未来状态信息包括:根据当前人体模型上各当前肌肉模块的形态,利用大数据技术预测未来人体模型上各未来肌肉模块的形态。
根据本公开的另一些实施例,提供一种健身方案信息的生成装置,包括:模型生成单元,用于生成用户的当前人体模型,根据用户对当前人体模型的调整,生成用户的目标人体模型;方案生成单元,用于根据当前人体模型与目标人体模型的差异,生成用户的健身方案信息。
在一些实施例中,生产装置还包括:确定单元,用于将当前生理特征信息、当前人体模型中的至少一个确定为训练前状态信息,在用户根据健身方案信息训练后,将用户的训练后生理特征信息、训练后人体模型中的至少一个确定为训练后状态信息;推送单元,用于向用户推送训练后状态信息与训练前状态信息的差异。
在一些实施例中,生成装置还包括:确定单元,用于将当前生理特征信息、当前人体模型确定为训练前状态信息;预测单元,用于根据训练前状态信息,预测用户在预设时间段后的未来状态信息,未来状态信息包括用户的未来生理特征信息、未来人体模型。
在一些实施例中,模型生成单元根据第一当前生理特征信息,利用机器学习模型,生成候选人体模型;生成装置还包括:训练单元,用于将候选人体模型确定为当前生理特征信息的标注结果,以生成训练数据,利用训练数据训练机器学习模型。
根据本公开的又一些实施例,提供了一种健身方案信息的生成系统,包括:健身方案信息的生成装置,用于执行上述任一个实施例的健身方案信息的生成方法;生理特征的检测装置,用于获取用户的当前生理特征。
根据本公开的又一些实施例,提供一种健身方案信息的生成装置,包括:存储器;和耦接至存储器的处理器,处理器被配置为基于存储在存储器装置中的指令,执行上述任一个实施例中的健身方案信息的生成方法。
根据本公开的再一些实施例,提供一种非易失性计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现上述任一个实施例中的健身方案信息的生成方法。
附图说明
构成说明书的一部分的附图描述了本公开的实施例,并且连同说明书一起用于解释本公开的原理。
参照附图,根据下面的详细描述,可以更加清楚地理解本公开:
图1示出本公开的健身方案信息的生成方法的一些实施例的流程图;
图2a~2c示出本公开的当前人体模型的生成方法的一些实施例的示意图;
图3a~3c示出本公开的目标人体模型的生成方法的一些实施例的示意图;
图4a~4c示出本公开的健身方案信息的生成方法的一些实施例的示意图;
图5示出本公开的健身方案信息的生成装置的一些实施例的示意图;
图6示出本公开的健身方案信息的生成装置的另一些实施例的框图;
图7示出本公开的健身方案信息的生成装置的又一些实施例的框图;
图8示出本公开的健身方案信息的生成系统的一些实施例的框图。
具体实施方式
现在将参照附图来详细描述本公开的各种示例性实施例。应注意到:除非另外具体说明,否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本公开的范围。
同时,应当明白,为了便于描述,附图中所示出的各个部分的尺寸并不是按照实际的比例关系绘制的。
以下对至少一个示例性实施例的描述实际上仅仅是说明性的,决不作为对本公开及其应用或使用的任何限制。
对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论,但在适当情况下,技术、方法和设备应当被视为说明书的一部分。
在这里示出和讨论的所有示例中,任何具体值应被解释为仅仅是示例性的,而不是作为限制。因此,示例性实施例的其它示例可以具有不同的值。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步讨论。
如前说述,基于固定的几个身体状态分类进行健身方案的推荐,导致对用户当前身体状态和目标身体状态的描述不准确。这样,就会造成基于不准确描述提供的健身方案缺乏针对性、准确性。
针对上述技术问题,本公开的技术方案构建针对用户的人体模型(如数字人体模型、三维人体模型等);通过使用构建的人体模型,对用户当前的身体状态、锻炼后的身体状态以及期望达到的身体状态进行精确描述。
这样,能够针对不同用户进行个性化处理,提高健身方案缺乏针对性、准确性。从而,达到精确的锻炼效果,提升用户训练的积极性和用户体验。例如,可以通过如下的实施例实现本公开的技术方案。
图1示出本公开的健身方案信息的生成方法的一些实施例的流程图。
如图1所示,在步骤110中,生成用户的当前人体模型。例如,可以根据用户的当前生理信息,生成用户的当前人体模型;系统获取的用户的当前生理特征信息可以包括性别、年龄、身高、体重、体脂率等。
在一些实施例中,当前生理特征信息的获取方式可以包括要求用户输入,通过用户关联设备获取。例如,用户关联设备可以是用户关联的体脂检测装置(如体脂称等),通过体脂检测装置可以获取体重、体脂率等当前生理特征信息。
在一些实施例中,根据获取的当前生理特征信息,生成三维人体模型作为用户的当前人体模型。
在一些实施例中,当前生理特征信息包括第一当前生理特征信息和第二当前生理特征信息。第一当前生理特征信息不包括用户的体脂率信息,第二当前生理特征信息包括用户的体脂率信息。根据第一当前生理特征信息,生成候选人体模型。根据候选人体模型和第二当前生理特征信息,生成当前人体模型。
例如,系统根据身高、体重、三围等第一当前生理特征信息生成候选人体模型;系统根据体脂率等第二当前生理特征信息对候选人体模型进行调整。用户可以通过拖动三维人体模型的调整曲线对三维人体模型进行调整,生成符合用户当前现状的当前人体模型。
在一些实施例中,根据第一当前生理特征信息,利用机器学习模型,生成候选人体模型;将候选人体模型确定为当前生理特征信息的标注结果,以生成训练数据;利用训练数据训练机器学习模型。
这样,可以把经过用户调整后的当前人体模型作为机器学习模型的训练数据,扩大训练样本,不断优化机器学习模型,从而可以生成更精准的用户的当前人体模型。
图2a~2b示出本公开的当前人体模型的生成方法的一些实施例的示意图。
如图2a所示,在一些实施例中,候选人体模型为多个,第二当前生理特征信息包括用户的整体体脂率信息。根据整体体脂率信息,从多个候选人体模型中选择出当前人体模型。
例如,整体体脂率信息可以通过体脂秤等设备直接测量获取,或者在体检报告中直接获取。也就是说,整体体脂率信息比较容易获取,根据整体体脂率信息建立人体模型较为便利。
例如,可以根据身高、体重等第一当前生理特征信息生成多个候选人体模型。因为相同重量下,脂肪的体积是肌肉的三倍,所以两个身高、体重相同的人,体脂率越低的人就会越显瘦,所以单独依靠身高、体重等第一当前生理特征信息无法判断用户的身材结构。
当系统获取的体脂率为整体体脂率信息时,根据整体体脂率信息从候选人体模型中选择符合整体体脂率信息的当前人体模型,即多个候选人体模型中最匹配整体体脂率信息的候选人体模型。例如,用户的体脂率为20%,则选择体脂率为20%的候选人体模型作为当前人体模型。图2a中是不同体脂率的当前人体模型。
在一些实施例中,系统也可以根据用户输入的身高、体重等第一当前生理特征信息以及全身体脂率等第二当前生理特征信息直接生成当前人体模型。
如图2b所示,在一些实施例中,第二当前生理特征信息用户的局部体脂信息。根据局部体脂信息,调整候选人体模型中与局部体脂信息相应的人体部位,生成当前人体模型。
根据局部体脂信息建立的人体模型能够以身体局部为颗粒度,更细致地描述用户的当前身体状况,从而提高生成的健身方案信息的针对性和准确性。
例如,系统获取的体脂率为人体各个部位的局部体脂率时。例如,局部体脂率包括上半身体脂率,可以根据上半身体脂率调整候选人体模型的上半身结构;局部体脂率包括下半身体脂率,可与根据下半身体脂率调整下半身结构。图2b中是不同下半身体脂率的当前人体模型。
在一些实施例中,当前生理特征信息包括用户的体脂率信息,体脂率信息通过用户关联的体脂检测设备获取。
例如,体脂率信息包括用户的局部体脂信息,局部体脂信息通过如下步骤获取:根据局部体脂信息相应的人体部位,在用户身体上确定起始点和目标点;利用体脂检测设备,确定根据起始点和目标点之间的阻抗;根据阻抗,确定局部体脂信息。
图2c示出本公开的当前人体模型的生成方法的一些实施例的示意图。
如图2c所示,通过体脂检测设备检测左上肢脂肪、左骨骼肌、右上肢脂肪、右骨骼肌、腹部脂肪等局部体脂信息;根据局部体脂信息,调整人体模型中与局部体脂信息对应的部位。
在一些实施例中,可以测量起始点和目标点之间的阻抗,根据阻抗计算起始点和目标点之间的部位的体脂率,从而测量出各部位的体脂率。
例如,可以采用外部设备对用户的身体各部位的体脂率进行测量。外部设备可以是具有体脂检测功能的可穿戴设备。
例如,标号为1的测量点为起始点,标号为2的测量点为目标点,起始点与目标点之间的部位对应人体的右小臂;标号为2的测量点为起始点,标号为3的测量点为目标点,起始点与目标点之间的部位对应人体的右大臂;标号为1的测量点为起始点,标号为3的测量点为目标点,起始点与目标点之间的部位对应人体的右臂。
在一些实施例中,根据当前生理特征信息,生成候选人体模型;根据用户对所述候选人体模型的调整,生成所述当前人体模型。例如,用户可以对生成的人体模型进行微调,生成符合用户当前现状的当前人体模型。
身材比例是影响构建数字人体模型或三维人体模型的重要因素。例如,有些人可能上身长下身短、或上身短下身长等。因此,可以考虑身材比例的因素,生成数字人体模型或者三维人体模型作为当前人体模型。
在一些实施例中,根据当前生理特征信息,生成候选人体模型;根据用户的影像信息,确定用户的人体比例信息;根据人体比例信息,调整候选人体模型,生成当前人体模型。
例如,可以获取用户的身高、体重、胸围、腰围等生理特征信息,以及用户的平面照片或局部照片。也可以获取用户希望加强锻炼部位的照片作为生成当前人体模型的生成依据。
在一些实施例中,系统可以获取用户的全身或半身照片、视频等影像信息。可以对用户的照片、视频进行分析,计算出人体的头、上身、下身的比例。根据计算结果,调整候选人体模型的比例生成当前人体模型,使得当前人体模型与用户的身材比例匹配。例如,如果人体的上身长,则人体模型的腰部长。
例如,以肚脐为界划分上身和下身。如果符合:
全身长度:下半身长度=下半身长度:上半身长度=1:1.618
则人体比例符合黄金比例。
在步骤120中,根据用户对当前人体模型的调整,生成用户的目标人体模型。例如,根据用户对当前人体模型的各部位的调整,生成用户的目标人体模型。
例如,部位可以包括胸部、腹部、手臂、大腿、小腿等人体部位;用户的调整可以包括对这些部位的形态的调整,如通过拖拽操作或者通过点击调整按钮,调整这些部位的大小等;用户的调整也可以包括对这些部位的肌肉、脂肪等皮下组织的调整。
在一些实施例中,根据用户对当前人体模型进行的拖拽操作或者点击的调整按钮,生成用户的目标人体模型。
例如,用户针对当前人体模型进行操作,改变当前人体模型,形成目标人体模型。进行的操作可以是点击加减号按钮,对当前人体模型的各部位进行调整;也可以是对当前人体模型的各部位直接进行拖拽,以扩大或缩小各部位。
系统也可以给出多个推荐人体模型,用户可以从多个推荐人体模型中选择目标人体模型。用户也可以在选择出的推荐人体模型上进一步调整,生成目标人体模型。
用户可以先选择想要重点锻炼的部位或想达到的效果等需求,如通过菜单进行选择,然后,系统生成结合用户的需求给出推荐人体模型。
图3a~3b示出本公开的目标人体模型的生成方法的一些实施例的示意图。
如图3a所示,为用户的当前人体模型。如图3b所示,在当前人体模型上对腹部进行调整,如画出三条腹部线条,生成用户的目标人体模型。
在一些实施例中,当前人体模型包括分布在当前人体模型上的各当前肌肉模块。根据用户对各当前肌肉模块的调整,生成目标人体模型。
例如,当前人体模型为数字三维人体模型,可以显示全身肌肉分布情况。用户可以通过针对各当前肌肉模块的形状进行调整,生成目标肌肉模型的形状,从而生成目标人体模型。
在一些实施例中,根据用户对任一个当前肌肉模块的调整,确定任一个当前肌肉模块的形态变化;根据任一个当前肌肉模块的形态变化,确定任一个当前肌肉模块的关联的当前肌肉模块的形态变化;根据任一个当前肌肉模块的形态变化和关联的当前肌肉模块的形态变化,生成目标人体模型。
例如,人体模型上的肌肉模块可以对应其所在的人体部位;对肌肉模块的调整可以包括对肌肉模块相应的人体部位的肌肉、脂肪等皮下组织的调整。
这样,用户无需专业的人体肌肉知识或者健身知识,也可以精准的描述希望获得的健身目标。该健身目标能够包含具体的想要训练的部位的目标形态,从而提高了健身方案信息的准确性。
图3c示出本公开的目标人体模型的生成方法的一些实施例的示意图。
如图3c所示,由于运动的效果不可能单独显现在某个人体部位,周边的人体部位也会发生变化,因此,可以根据用户希望达到的效果,进行适应性修改。例如,用户在当前人体模型上的腹部画上了三条腹部线条,可以根据该对腹部的调整,对胸部、腿部、手臂等关联部位也进行调整。
在步骤130中,根据当前人体模型与目标人体模型的差异,生成用户的健身方案信息。
在一些实施例中,当前人体模型包括分布在当前人体模型上的各当前肌肉模块,目标人体模型包括分布在目标人体模型上的各目标肌肉模块。根据任一当前肌肉模块与其对应的目标肌肉模块之间的形态差异,生成用户的健身方案信息。
这样,可以根据用户想要达成的目标肌肉形态,生成不同的更精确的健身方案信息。例如,同样是胸围增加10cm,针对目标肌肉模型对应的不同胸肌形态,可以生成不同的健身方案信息。从而,能够针对用户的目标肌肉形态,生成具有针对性的健身方案。
在一些实施例中,根据目标人体模型,确定用户的目标生理特征信息;根据当前生理特征信息与目标生理特征信息的差异,生成用户的训练计划信息。
例如,根据目标人体模型的局部形态,在数字人体库中查找与目标人体模型匹配的类比人体模型;根据类比人体模型的生理特征信息,确定用户的目标生理特征信息。
例如,可以根据从当前人体模型与目标人体形体的差异,获得用户希望锻炼的身体部位及提升目标值,生成推荐的健身方案信息。
图4a示出本公开的健身方案信息的生成方法的一些实施例的示意图。
如图4a所示,用户当前的体脂率为30%,期望达到的目标人体模型与体脂率为15%的候选人体模型的腹部状态匹配;可以确定用户需要将腹部的体脂率从30%降到15%以下;以体脂率下降15%为目标,生成健身方案信息。
在一些实施例中,在用户根据健身方案信息锻炼一段时间后,系统生成用户的数字人体或三维模型作为训练后人体模型。
例如,可以重复步骤110,系统根据初始生成的训练前人体模型(即当前人体模型)和锻炼一段时间后的训练后人体模型,判断锻炼的效果。
例如,系统可以根据锻炼一段时间后的训练后模型和生成的新的目标人体模型,生成新的健身方案信息。
在一些实施例中,将当前生理特征信息、当前人体模型中的至少一个确定为训练前状态信息;在用户根据健身方案信息训练后,将用户的训练后生理特征信息、训练后人体模型中的至少一个确定为训练后状态信息;向用户推送训练后状态信息与训练前状态信息的差异。
例如,将当前人体模型、训练后人体模型、未来人体模型中的至少两项重叠显示,以呈现当前人体模型、训练后人体模型、未来人体模型中至少两项的差异,未来人体模型根据训练前状态信息预测。
例如,根据当前生理特征信息、训练后生理特征信息、未来生理特征信息中的至少两项,确定用户的生理特征随时间变化情况,未来生理特征信息根据所述训练前状态信息预测;根据生理特征随时间变化情况生成变化曲线,以呈现当前生理特征信息、训练后生理特征信息、所述未来生理特征信息中至少两项的差异。
图4b、4c示出本公开的健身方案信息的生成方法的一些实施例的示意图。
如图4b、4c所示,将当前人体模型、训练后人体模型、未来人体模型中的至少两项重叠显示,未来人体模型根据所述训练前状态信息预测;向用户呈现变化曲线和重叠显示的结果。
例如,图4b、4c中的虚线标记的人体模型为当前人体模型,粗线标记的人体模型为训练后人体模型,细线标记的人体模型为未来人体模型,分别对应下方变化曲线的3个时间点。
响应于用户选择变化曲线上的时间点,对时间点对应的当前人体模型、训练后人体模型或者未来人体模型进行强调显示,和/或响应于用户选择当前人体模型、训练后人体模型或者未来人体模型,对当前人体模型、训练后人体模型或者未来人体模型在变化曲线上对应的时间点进行突出显示。
例如,图4b中用户的鼠标滑变化曲线中的第3个时间点,则高亮显示其对应的未来人体模型;图4c中用户的鼠标滑变化曲线中的第2个时间点,则高亮显示其对应的训练后人体模型。
例如,鼠标滑过人体模型时,也可以高亮显示下方变化曲线中与该人体模型对应的时间点。
这样,可以向用户呈现健身前后的对比观察结果,从而增强趣味性、交互体验,以提升对健身训练的信心。
在一些实施例中,将当前生理特征信息、当前人体模型中的至少一个确定为训练前状态信息。根据训练前状态信息,预测用户在预设时间段后的未来状态信息。未来状态信息包括用户的未来生理特征信息、未来人体模型中的至少一个。向用户推送未来状态信息。
例如,将当前人体模型、训练后人体模型、未来人体模型重叠显示,以呈现当前人体模型、训练后人体模型、未来人体模型的差异。
例如,根据当前人体模型上各当前肌肉模块的形态,利用大数据技术预测未来人体模型上各未来肌肉模块的形态。
图5示出本公开的健身方案信息的生成装置的一些实施例的示意图。
如图5所示,健身方案信息的生成装置5包括模型生成单元51、方案生成单元52。
模型生成单元51生成用户的当前人体模型,根据用户对当前人体模型的调整,生成用户的目标人体模型。例如,模型生成单元51根据用户的当前生理特征信息,生成用户的当前人体模型。
方案生成单元52根据当前人体模型与目标人体模型的差异,生成用户的健身方案信息。
在一些实施例中,生成装置5还包括确定单元53,用于将当前生理特征信息、当前人体模型中的至少一个确定为训练前状态信息;在用户根据健身方案信息训练后,将用户的训练后生理特征信息、训练后人体模型中的至少一个确定为训练后状态信息。
生成装置5还包括推送单元54,用于向用户推送训练后状态信息与训练前状态信息的差异。
在一些实施例中,确定单元53将当前生理特征信息、当前人体模型确定为训练前状态信息。生成装置5还包括预测单元55,用于根据训练前状态信息,预测用户在预设时间段后的未来状态信息,未来状态信息包括用户的未来生理特征信息、未来人体模型。
在一些实施例中,当前生理特征信息包括第一当前生理特征信息和第二当前生理特征信息,第一当前生理特征信息不包括用户的体脂率信息,第二当前生理特征信息包括用户的体脂率信息。模型生成单元51根据第一当前生理特征信息,生成候选人体模型;根据候选人体模型和第二当前生理特征信息,生成当前人体模型。
在一些实施例中,候选人体模型为多个,第二当前生理特征信息包括用户的整体体脂率信息。在一些实施例中,根据整体体脂率信息,从多个候选人体模型中选择出当前人体模型。
在一些实施例中,第二当前生理特征信息用户的局部体脂信息。模型生成单元51根据局部体脂信息,调整候选人体模型中与局部体脂信息相应的人体部位,生成当前人体模型。
模型生成单元51根据当前生理特征信息,生成候选人体模型;根据用户对候选人体模型的调整,生成当前人体模型。
模型生成单元51根据当前生理特征信息,生成候选人体模型;根据用户的影像信息,确定用户的人体比例信息;根据人体比例信息,调整候选人体模型,生成当前人体模型。
在一些实施例中,当前人体模型包括分布在当前人体模型上的各当前肌肉模块。模型生成单元51根据用户对各当前肌肉模块的调整,生成目标人体模型。
模型生成单元51根据用户对任一个当前肌肉模块的调整,确定任一个当前肌肉模块的形态变化;根据任一个当前肌肉模块的形态变化,确定任一个当前肌肉模块的关联的当前肌肉模块的形态变化;根据任一个当前肌肉模块的形态变化和关联的当前肌肉模块的形态变化,生成目标人体模型。
在一些实施例中,模型生成单元51根据用户对当前人体模型进行的拖拽操作或者点击的调整按钮,生成用户的目标人体模型。
在一些实施例中,方案生成单元52根据任一当前肌肉模块与其对应的目标肌肉模块之间的形态差异,生成用户的健身方案信息。当前人体模型包括分布在当前人体模型上的各当前肌肉模块,目标人体模型包括分布在目标人体模型上的各目标肌肉模块。
在一些实施例中,方案生成单元52根据目标人体模型,确定用户的目标生理特征信息;根据当前生理特征信息与目标生理特征信息的差异,生成用户的训练计划信息。
在一些实施例中,方案生成单元52根据目标人体模型的局部形态,在数字人体库中查找与目标人体模型匹配的类比人体模型;根据类比人体模型的生理特征信息,确定用户的目标生理特征信息。
在一些实施例中,当前生理特征信息包括用户的体脂率信息,体脂率信息通过用户关联的体脂检测设备获取。
在一些实施例中,体脂率信息包括用户的局部体脂信息,局部体脂信息通过如下步骤获取:根据局部体脂信息相应的人体部位,在用户身体上确定起始点和目标点;利用体脂检测设备,确定根据起始点和所述目标点之间的阻抗;根据阻抗,确定局部体脂信息。
在一些实施例中,确定单元53根据当前生理特征信息、训练后生理特征信息,确定用户的生理特征随时间变化情况;推送单元54根据生理特征随时间变化情况生成变化曲线,以呈现当前生理特征信息与训练后生理特征信息的差异。
在一些实施例中,确定单元53将当前生理特征信息、当前人体模型中的至少一个确定为训练前状态信息;预测单元55根据训练前状态信息,预测用户在预设时间段后的未来状态信息,未来状态信息包括用户的未来生理特征信息、未来人体模型中的至少一个;推送单元54向用户推送未来状态信息。
预测单元55根据当前人体模型上各当前肌肉模块的形态,利用大数据技术预测未来人体模型上各未来肌肉模块的形态。
在一些实施例中,模型生成单元51根据第一当前生理特征信息,利用机器学习模型,生成候选人体模型。生成装置5还包括训练单元56,用于将候选人体模型确定为当前生理特征信息的标注结果,以生成训练数据,利用训练数据训练机器学习模型。
在一些实施例中,生成装置5还包括推送单元54。推送单元54将当前人体模型、训练后人体模型、未来人体模型中的至少两项重叠显示,以呈现当前人体模型、训练后人体模型、未来人体模型中至少两项的差异,未来人体模型根据训练前状态信息预测。
在一些实施例中,推送单元54根据当前生理特征信息、训练后生理特征信息、未来生理特征信息中的至少两项,确定用户的生理特征随时间变化情况,未来生理特征信息根据所述训练前状态信息预测;根据生理特征随时间变化情况生成变化曲线,以呈现当前生理特征信息、训练后生理特征信息、所述未来生理特征信息中至少两项的差异。
在一些实施例中,推送单元54将当前人体模型、训练后人体模型、未来人体模型中的至少两项重叠显示,未来人体模型根据所述训练前状态信息预测;向用户呈现变化曲线和重叠显示的结果;响应于用户选择变化曲线上的时间点,对时间点对应的当前人体模型、训练后人体模型或者未来人体模型进行强调显示,和/或响应于用户选择当前人体模型、训练后人体模型或者未来人体模型,对当前人体模型、训练后人体模型或者未来人体模型在变化曲线上对应的时间点进行突出显示。
图6示出本公开的健身方案信息的生成装置的另一些实施例的框图。
如图6所示,该实施例的健身方案信息的生成装置6包括:存储器61以及耦接至该存储器61的处理器62,处理器62被配置为基于存储在存储器61中的指令,执行本公开中任意一个实施例中的健身方案信息的生成方法。
其中,存储器61例如可以包括系统存储器、固定非易失性存储介质等。系统存储器例如存储有操作系统、应用程序、引导装载程序Boot Loader、数据库以及其他程序等。
图7示出本公开的健身方案信息的生成装置的又一些实施例的框图。
如图7所示,该实施例的健身方案信息的生成装置7包括:存储器710以及耦接至该存储器710的处理器720,处理器720被配置为基于存储在存储器710中的指令,执行前述任意一个实施例中的健身方案信息的生成方法。
存储器710例如可以包括系统存储器、固定非易失性存储介质等。系统存储器例如存储有操作系统、应用程序、引导装载程序Boot Loader以及其他程序等。
健身方案信息的生成装置7还可以包括输入输出接口730、网络接口740、存储接口750等。这些接口730、740、750以及存储器710和处理器720之间例如可以通过总线760连接。其中,输入输出接口730为显示器、鼠标、键盘、触摸屏、麦克、音箱等输入输出设备提供连接接口。网络接口740为各种联网设备提供连接接口。存储接口750为SD卡、U盘等外置存储设备提供连接接口。
图8示出本公开的健身方案信息的生成系统的一些实施例的框图。
如图8所示,健身方案信息的生成系统8包括:上述任一个实施例的健身方案信息的生成装置81,用于执行上述任一个实施例的健身方案信息的生成方法;生理特征的检测装置82,用于获取用户的当前生理特征。
在一些实施例中,生理特征的检测装置82包括体重检测装置或身高检测装置中的至少一个和体脂检测装置。
在一些实施例中,生成系统8还包括显示装置83,用于显示用户的当前人体模型、目标人体模型。
在一些实施例中,生成系统8还包括影像获取装置84,用于获取用户的影像信息。
本领域内的技术人员应当明白,本公开的实施例可提供为方法、系统、或计算机程序产品。因此,本公开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,本公开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非瞬时性存储介质包括但不限于磁盘存储器、CD-ROM、光学存储器等上实施的计算机程序产品的形式。
至此,已经详细描述了根据本公开的健身方案信息的生成方法、健身方案信息的生成装置、健身方案信息的生成系统和非易失性计算机可读存储介质。为了避免遮蔽本公开的构思,没有描述本领域所公知的一些细节。本领域技术人员根据上面的描述,完全可以明白如何实施这里公开的技术方案。
可能以许多方式来实现本公开的方法和系统。例如,可通过软件、硬件、固件或者软件、硬件、固件的任何组合来实现本公开的方法和系统。用于方法的步骤的上述顺序仅是为了进行说明,本公开的方法的步骤不限于以上具体描述的顺序,除非以其它方式特别说明。此外,在一些实施例中,还可将本公开实施为记录在记录介质中的程序,这些程序包括用于实现根据本公开的方法的机器可读指令。因而,本公开还覆盖存储用于执行根据本公开的方法的程序的记录介质。
虽然已经通过示例对本公开的一些特定实施例进行了详细说明,但是本领域的技术人员应该理解,以上示例仅是为了进行说明,而不是为了限制本公开的范围。本领域的技术人员应该理解,可在不脱离本公开的范围和精神的情况下,对以上实施例进行修改。本公开的范围由所附权利要求来限定。

Claims (30)

1.一种健身方案信息的生成方法,包括:
根据用户的第一当前生理特征信息,生成候选人体模型,所述第一当前生理特征信息不包括所述用户的体脂率信息;
根据所述候选人体模型和所述用户的第二当前生理特征信息,生成所述用户的当前人体模型,所述第二当前生理特征信息包括所述用户的体脂率信息;
根据所述用户对所述当前人体模型的调整,生成所述用户的目标人体模型;
根据所述当前人体模型与所述目标人体模型的差异,生成所述用户的健身方案信息。
2.根据权利要求1所述的生成方法,其中,所述根据所述用户对所述当前人体模型的调整,生成所述用户的目标人体模型包括:
根据所述用户对所述当前人体模型的各部位的调整,生成所述用户的目标人体模型。
3.根据权利要求2所述的生成方法,其中,所述当前人体模型包括分布在所述当前人体模型上的各当前肌肉模块,
所述根据所述用户针对所述当前人体模型的各部位的调整,生成所述用户的目标人体模型包括:
根据所述用户对所述各当前肌肉模块的调整,生成所述目标人体模型。
4.根据权利要求3所述的生成方法,其中,根据所述用户对所述各当前肌肉模块的调整,生成所述目标人体模型包括:
根据所述用户对任一个当前肌肉模块的调整,确定所述任一个当前肌肉模块的形态变化;
根据所述任一个当前肌肉模块的形态变化,确定所述任一个肌肉模块的关联的当前肌肉模块的形态变化;
根据所述任一个当前肌肉模块的形态变化和所述关联的当前肌肉模块的形态变化,生成所述目标人体模型。
5.根据权利要求1所述的生成方法,其中,所述生成所述用户的当前人体模型包括:
根据所述用户对所述候选人体模型的调整,生成所述当前人体模型。
6.根据权利要求1所述的生成方法,其中,所述根据所述用户对所述候选人体模型的调整,生成所述当前人体模型包括:
根据所述用户对所述候选人体模型的各部位的调整,生成所述当前人体模型。
7.根据权利要求1所述的生成方法,其中,所述生成候选人体模型包括:
根据所述第一当前生理特征信息,利用机器学习模型,生成所述候选人体模型;
所述生成方法还包括:
将所述候选人体模型确定为所述第一当前生理特征信息的标注结果,以生成训练数据;
利用所述训练数据训练所述机器学习模型。
8.根据权利要求1~7任一项所述的生成方法,其中,所述第二当前生理特征信息为所述用户的局部体脂信息,
所述根据所述候选人体模型和所述第二当前生理特征信息,生成所述当前人体模型包括:
根据所述局部体脂信息,调整所述候选人体模型中与所述局部体脂信息相应的人体部位,生成所述当前人体模型。
9.根据权利要求1~7任一项所述的生成方法,其中,所述生成所述用户的当前人体模型包括:
根据所述用户的影像信息,确定所述用户的人体比例信息;
根据所述人体比例信息,调整所述候选人体模型,生成所述当前人体模型。
10.根据权利要求1~7任一项所述的生成方法,其中,所述当前人体模型包括分布在所述当前人体模型上的各当前肌肉模块,所述目标人体模型包括分布在所述目标人体模型上的各目标肌肉模块,
所述根据所述当前人体模型与所述目标人体模型的差异,生成所述用户的健身方案信息包括:
根据任一当前肌肉模块与其对应的目标肌肉模块之间的形态差异,生成所述用户的健身方案信息。
11.根据权利要求1~7任一项所述的生成方法,其中,所述根据所述当前人体模型与所述目标人体模型的差异,生成所述用户的健身方案信息包括:
根据所述目标人体模型,确定所述用户的目标生理特征信息;
根据所述用户的当前生理特征信息与所述目标生理特征信息的差异,生成所述用户的健身方案信息,所述当前生理特征信息包括所述第一当前生理特征信息和所述第二当前生理特征信息。
12.根据权利要求11所述的生成方法,其中,所述根据所述目标人体模型,确定所述用户的目标生理特征信息包括:
根据所述目标人体模型的局部形态,在数字人体库中查找与所述目标人体模型匹配的类比人体模型;
根据所述类比人体模型的生理特征信息,确定所述用户的目标生理特征信息。
13.根据权利要求1~7任一项所述的生成方法,其中,所述体脂率信息通过所述用户关联的体脂检测设备获取。
14.根据权利要求13所述的生成方法,其中,所述体脂率信息包括所述用户的局部体脂信息,所述局部体脂信息通过如下步骤获取:
根据所述局部体脂信息相应的人体部位,在所述用户身体上确定起始点和目标点;
利用所述体脂检测设备,确定所述起始点和所述目标点之间的阻抗;
根据所述阻抗,确定所述局部体脂信息。
15.根据权利要求1~7任一项所述的生成方法,还包括:
将所述用户的当前生理特征信息、所述当前人体模型中的至少一个确定为训练前状态信息,所述当前生理特征信息包括所述第一当前生理特征信息和所述第二当前生理特征信息;
在所述用户根据所述健身方案信息训练后,将所述用户的训练后生理特征信息、训练后人体模型中的至少一个确定为训练后状态信息;
向所述用户推送所述训练后状态信息与所述训练前状态信息的差异。
16.根据权利要求15所述的生成方法,还包括:
将所述当前人体模型、所述训练后人体模型、未来人体模型中的至少两项重叠显示,以呈现所述当前人体模型、所述训练后人体模型、所述未来人体模型中至少两项的差异,所述未来人体模型根据所述训练前状态信息预测。
17.根据权利要求15所述的生成方法,还包括:
根据所述当前生理特征信息、所述训练后生理特征信息、未来生理特征信息中的至少两项,确定所述用户的生理特征随时间变化情况,所述未来生理特征信息根据所述训练前状态信息预测;
根据所述生理特征随时间变化情况生成变化曲线,以呈现所述当前生理特征信息、所述训练后生理特征信息、所述未来生理特征信息中至少两项的差异。
18.根据权利要求17所述的生成方法,还包括:
将所述当前人体模型、所述训练后人体模型、未来人体模型中的至少两项重叠显示,所述未来人体模型根据所述训练前状态信息预测;
向所述用户呈现所述变化曲线和重叠显示的结果;
响应于所述用户选择所述变化曲线上的时间点,对所述时间点对应的所述当前人体模型、所述训练后人体模型或者所述未来人体模型进行强调显示,和/或响应于所述用户选择所述当前人体模型、所述训练后人体模型或者所述未来人体模型,对所述当前人体模型、所述训练后人体模型或者所述未来人体模型在所述变化曲线上对应的时间点进行突出显示。
19.根据权利要求1~7任一项所述的生成方法,还包括:
将所述用户的当前生理特征信息、所述当前人体模型中的至少一个确定为训练前状态信息,所述当前生理特征信息包括所述第一当前生理特征信息和所述第二当前生理特征信息;
根据所述训练前状态信息,预测所述用户在预设时间段后的未来状态信息,所述未来状态信息包括所述用户的未来生理特征信息、未来人体模型中的至少一个;
向所述用户推送所述未来状态信息。
20.根据权利要求19所述的生成方法,其中,所述根据所述训练前状态信息,预测所述用户在预设时间段后的未来状态信息包括:
根据所述当前人体模型上各当前肌肉模块的形态,利用大数据技术预测所述未来人体模型上各未来肌肉模块的形态。
21.一种健身方案信息的生成装置,包括:
模型生成单元,用于根据用户的第一当前生理特征信息,生成候选人体模型,所述第一当前生理特征信息不包括所述用户的体脂率信息,根据所述候选人体模型和所述用户的第二当前生理特征信息,生成所述用户的当前人体模型,所述第二当前生理特征信息包括所述用户的体脂率信息,根据所述用户对所述当前人体模型的调整,生成所述用户的目标人体模型;
方案生成单元,用于根据所述当前人体模型与所述目标人体模型的差异,生成所述用户的健身方案信息。
22.根据权利要求21所述的生成装置,还包括:
确定单元,用于将所述用户的当前生理特征信息、所述当前人体模型中的至少一个确定为训练前状态信息,所述当前生理特征信息包括所述第一当前生理特征信息和所述第二当前生理特征信息,在所述用户根据所述健身方案信息训练后,将所述用户的训练后生理特征信息、训练后人体模型中的至少一个确定为训练后状态信息;
推送单元,用于向所述用户推送所述训练后状态信息与所述训练前状态信息的差异。
23.根据权利要求21所述的生成装置,还包括:
确定单元,用于将所述用户的当前生理特征信息、所述当前人体模型中的至少一个确定为训练前状态信息,所述当前生理特征信息包括所述第一当前生理特征信息和所述第二当前生理特征信息;
预测单元,用于根据所述训练前状态信息,预测所述用户在预设时间段后的未来状态信息,所述未来状态信息包括所述用户的未来生理特征信息、未来人体模型中的至少一个。
24.根据权利要求21所述的生成装置,其中,所述模型生成单元根据所述第一当前生理特征信息,利用机器学习模型,生成候选人体模型;
所述生成装置还包括:
训练单元,用于将所述候选人体模型确定为所述当前生理特征信息的标注结果,以生成训练数据,利用所述训练数据训练所述机器学习模型。
25.一种健身方案信息的生成装置,包括:
存储器;和
耦接至所述存储器的处理器,所述处理器被配置为基于存储在所述存储器中的指令,执行权利要求1-20任一项所述的健身方案信息的生成方法。
26.一种健身方案信息的生成系统,包括:
权利要求21~25任一项所述健身方案信息的生成装置;
生理特征的检测装置,用于获取用户的第一当前生理特征和第二当前生理特征。
27.根据权利要求26所述的生成系统,其中,所述生理特征的检测装置包括体重检测装置或身高检测装置中的至少一个和体脂检测装置。
28.根据权利要求26所述的生成系统,还包括:
显示装置,用于显示所述用户的当前人体模型、目标人体模型中的至少一个。
29.根据权利要求26所述的生成系统,还包括:
影像获取装置,用于获取所述用户的影像信息。
30.一种非易失性计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现权利要求1-20任一项所述的健身方案信息的生成方法。
CN202210287062.XA 2021-10-15 2021-10-15 健身方案信息的生成方法、装置和系统 Pending CN114639461A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210287062.XA CN114639461A (zh) 2021-10-15 2021-10-15 健身方案信息的生成方法、装置和系统

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN202111204326.2A CN113643789B (zh) 2021-10-15 2021-10-15 健身方案信息的生成方法、装置和系统
CN202210287062.XA CN114639461A (zh) 2021-10-15 2021-10-15 健身方案信息的生成方法、装置和系统

Related Parent Applications (1)

Application Number Title Priority Date Filing Date
CN202111204326.2A Division CN113643789B (zh) 2021-10-15 2021-10-15 健身方案信息的生成方法、装置和系统

Publications (1)

Publication Number Publication Date
CN114639461A true CN114639461A (zh) 2022-06-17

Family

ID=78427111

Family Applications (2)

Application Number Title Priority Date Filing Date
CN202111204326.2A Active CN113643789B (zh) 2021-10-15 2021-10-15 健身方案信息的生成方法、装置和系统
CN202210287062.XA Pending CN114639461A (zh) 2021-10-15 2021-10-15 健身方案信息的生成方法、装置和系统

Family Applications Before (1)

Application Number Title Priority Date Filing Date
CN202111204326.2A Active CN113643789B (zh) 2021-10-15 2021-10-15 健身方案信息的生成方法、装置和系统

Country Status (2)

Country Link
CN (2) CN113643789B (zh)
WO (1) WO2023061269A1 (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113643789B (zh) * 2021-10-15 2022-04-01 北京京东方技术开发有限公司 健身方案信息的生成方法、装置和系统
CN117275675B (zh) * 2023-11-16 2024-03-26 北京无疆脑智科技有限公司 训练方案生成方法、装置、电子设备和存储介质

Family Cites Families (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB0306734D0 (en) * 2003-03-24 2003-04-30 Hd Sports Ltd A computerised system fr devising a training scheme for a sports person
CN106552412B (zh) * 2015-09-30 2019-03-26 捷荣科技集团有限公司 一种基于人体模型自我修正的辅助健身方法和系统
US11179601B2 (en) * 2016-11-18 2021-11-23 MAD Apparel, Inc. Training program customization using sensor-equipped athletic garments
TWI665572B (zh) * 2017-12-27 2019-07-11 晶翔機電股份有限公司 規畫健身課程的方法及系統
CN108846892B (zh) * 2018-06-05 2022-10-11 陈宸 人体模型的确定方法及装置
CN109621332A (zh) * 2018-12-29 2019-04-16 北京卡路里信息技术有限公司 一种健身动作的属性确定方法、装置、设备和存储介质
CN110289072A (zh) * 2019-05-10 2019-09-27 咪咕互动娱乐有限公司 健身方案的生成方法、装置、电子设备及可读存储介质
US11069131B2 (en) * 2019-09-26 2021-07-20 Amazon Technologies, Inc. Predictive personalized three-dimensional body models
CN112837427A (zh) * 2019-11-25 2021-05-25 京东方科技集团股份有限公司 可变人体模型的处理方法、装置、系统及存储介质
CN111292826A (zh) * 2020-02-28 2020-06-16 四川极云之行科技有限公司 一种智能健身管理方法和系统
CN111640483B (zh) * 2020-06-09 2022-10-28 南京邮电大学 基于akc模型的健身方案推荐方法
CN111986775A (zh) * 2020-08-03 2020-11-24 深圳追一科技有限公司 数字人的健身教练指导方法、装置、电子设备及存储介质
CN112365954A (zh) * 2020-10-26 2021-02-12 埃欧健身管理(上海)有限公司 一种用于动态调整健身方案的方法与设备
CN113643789B (zh) * 2021-10-15 2022-04-01 北京京东方技术开发有限公司 健身方案信息的生成方法、装置和系统

Also Published As

Publication number Publication date
CN113643789B (zh) 2022-04-01
CN113643789A (zh) 2021-11-12
WO2023061269A1 (zh) 2023-04-20

Similar Documents

Publication Publication Date Title
Velloso et al. Qualitative activity recognition of weight lifting exercises
US11948401B2 (en) AI-based physical function assessment system
CN113643789B (zh) 健身方案信息的生成方法、装置和系统
KR102341985B1 (ko) 운동 보조 장치 및 운동 보조 방법
EP4057211A1 (en) Information processing device, information processing method, and program
CN113241148B (zh) 健身方案生成方法、装置、终端设备和存储介质
CN112805765B (zh) 信息处理装置
CN113782149A (zh) 健身方案信息的推荐方法和装置
CN113409651B (zh) 直播健身方法、系统、电子设备、存储介质
JP5160830B2 (ja) 動画生成システム、動画生成方法、およびコンピュータプログラム
JP6939939B2 (ja) 情報処理装置、情報処理方法、およびプログラム
WO2017056357A1 (en) Information processing apparatus, information processing method, and program
CN108550384B (zh) 用于推送信息的方法和装置
CN113842622B (zh) 一种运动教学方法、装置、系统、电子设备及存储介质
US20240033570A1 (en) Exercise assisting apparatus displaying difference from exemplary motions
JP5726827B2 (ja) 運動メニュー作成システム、運動メニュー作成方法、およびコンピュータプログラム
WO2021131762A1 (ja) 運動メニュー評価装置、方法、及びコンピュータ可読媒体
US20220328159A1 (en) Range of motion determination
WO2023162159A1 (ja) 動作生成装置、動作生成システム、動作生成方法、及び非一時的なコンピュータ可読媒体
CN113691867B (zh) 动作分析方法、装置、电子设备及存储介质
WO2024055192A1 (zh) 对运动数据进行标记以及生成运动评估模型的方法和系统
Papadopoulou Towards a feedback system for upper body bodyweight exercises using multiple inertial measurement units: A user-centred approach
JP5830132B2 (ja) 運動メニュー作成システム、運動メニュー作成方法、およびコンピュータプログラム
CN117731271A (zh) 对运动数据进行标记以及生成运动评估模型的方法和系统
KR20220013195A (ko) 빅데이터 기반 실시간 ai 운동 자세 분석 알고리즘 및 장치

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