CN114653027B - 运动数据收集方法及系统 - Google Patents
运动数据收集方法及系统 Download PDFInfo
- Publication number
- CN114653027B CN114653027B CN202011595715.8A CN202011595715A CN114653027B CN 114653027 B CN114653027 B CN 114653027B CN 202011595715 A CN202011595715 A CN 202011595715A CN 114653027 B CN114653027 B CN 114653027B
- Authority
- CN
- China
- Prior art keywords
- distance
- peak
- specific
- trough
- weight
- 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
Links
Classifications
-
- 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
Abstract
本发明公开了一种运动数据收集方法及系统。所述方法包括:通过安装于重量训练器材上的第一距离传感器检测重量训练器材的负载重量,其中重量训练器材安装有参考物体;检测参考物体的移动情况,并基于参考物体的移动情况及负载重量估计重量训练器材的用户的运动数据。借此,可提供以较低成本收集用户运动数据的解决方案。
Description
技术领域
本发明涉及一种运动测量方法及系统,尤其涉及一种运动数据收集方法及系统。
背景技术
随着时代的进步,运动健身已经成为人们生活中相当重要的一部分。一般而言,人们所能接触到的传统重量训练器材多半仅能以配重块或杠片等形式呈现所使用的训练重量,并无法提供使用者的动作次数、运动功率等较为科学化的运动数据。
另外,虽市面上还存在其他较为高阶的重量训练器材(例如使用动力源(如:马达,气压泵…等)作为阻力来源,通过使用者帐号管理,得到训练次数、训练时的阻力值等运动数据的器材),但由于其多半造价昂贵而难以让市场接受。
因此,对于本领域技术人员而言,如何设计一种能够以较低成本收集用户运动数据的机制实为一项重要议题。
发明内容
有鉴于此,本发明提供一种运动数据收集方法及系统,其可用于解决上述技术问题。
本发明提供一种运动数据收集方法,包括:通过安装于重量训练器材上的第一距离传感器检测重量训练器材的负载重量,其中重量训练器材安装有参考物体;检测参考物体的移动情况,并基于参考物体的移动情况及负载重量估计重量训练器材的用户的运动数据。
本发明提供一种运动数据收集系统,包括第一距离传感器及处理器。第一距离传感器安装于重量训练器材上。处理器耦接于第一距离传感器,并经配置以:通过第一距离传感器检测重量训练器材的负载重量,其中重量训练器材安装有参考物体;检测参考物体的移动情况,并基于参考物体的移动情况及负载重量估计重量训练器材的用户的运动数据。
附图说明
包含附图以便进一步理解本发明,且附图并入本说明书中并构成本说明书的一部分。附图说明本发明的实施例,并与描述一起用于解释本发明的原理。
图1是依据本发明第一实施例示出的运动数据收集系统示意图。
图2是依据本发明的实施例示出的运动数据收集方法流程图。
图3A是依据本发明第一实施例示出的重量训练器材的配重块示意图。
图3B是图3A的侧视图。
图3C是依据本发明第一实施例示出的另一配重块的侧视图。
图4是基于本发明第一实施例示出的多个预设距离区间的示意图。
图5A是依据本发明的实施例示出的距离变化图。
图5B是依据本发明的实施例示出的距离变化图及其对应的速率变化图。
图6是依据本发明的实施例示出的对应于不同负载重量的距离变化图。
图7是依据本发明的实施例示出的多个距离范围的示意图。
图8是依据本发明的实施例示出的对应多个动作组的距离变化图。
图9是依据本发明的实施例示出的更换负载重量的示意图。
图10是依据本发明第二实施例示出的运动数据收集系统示意图。
图11是依据本发明第二实施例示出的重量训练器材的局部示意图。
具体实施方式
现将详细地参考本发明的示范性实施例,示范性实施例的实例说明于附图中。只要有可能,相同组件符号在图式和描述中用来表示相同或相似部分。
请参照图1,其是依据本发明第一实施例示出的运动数据收集系统示意图。如图1所示,在第一实施例中,运动数据收集系统100可包括第一距离传感器102及处理器104。
在不同的实施例中,第一距离传感器102可以是任何能够检测自身与位于其检测范围(或称视野范围(field of view,FOV))内物体之间距离的单一传感器或传感器阵列,例如红外线距离传感器(例如飞时(time of flight,ToF)传感器)、超音波距离传感器等,但可不限于此。
处理器104耦接于第一距离传感器102,并可为一般用途处理器、特殊用途处理器、传统的处理器、数字信号处理器、多个微处理器(microprocessor)、一个或多个结合数字信号处理器核心的微处理器、控制器、微控制器、特殊应用集成电路(Application SpecificIntegrated Circuit,ASIC)、现场可程序门阵列电路(Field Programmable Gate Array,FPGA)、任何其他种类的集成电路、状态机、基于进阶精简指令集机器(Advanced RISCMachine,ARM)的处理器以及类似品。
在本发明的实施例中,处理器104可协同第一距离传感器102以实现本发明提出的运动数据收集方法,其细节详述如下。
请参照图2,其是依据本发明的实施例示出的运动数据收集方法流程图。本实施例的方法可由图1的运动数据收集系统100执行,以下即配合图1所示的组件说明图2各步骤的细节。
首先,在步骤S210中,处理器104可通过安装于重量训练器材上的第一距离传感器102检测重量训练器材的负载重量。
在本发明的第一实施例中,上述重量训练器材例如是具有堆栈的多个配重块,以让使用者自行从中选用训练重量的训练器材,例如常见的滑轮下拉机、腿部伸张机等,但可不限于此。
请参照图3A及图3B,其中图3A是依据本发明第一实施例示出的重量训练器材的配重块示意图,而图3B是图3A的侧视图。
在第一实施例中,重量训练器材300可具有堆栈的多个配重块311,而各个配重块311可设置有插销孔311a。因此,重量训练器材300的用户即可通过将参考物体312(其例如是一插销)插设于配重块311之一的插销孔311a中,以选定所需的训练重量(其亦可理解为重量训练器材300的负载重量),但可不限于此。一般而言,参考物体312所在的配重块311的位置越低,其对应的训练重量越高,反之亦反。
在第一实施例中,各配重块311的插销孔311a可沿一直线排列,而第一距离传感器102可设置于此直线上,用以检测第一距离传感器102与参考物体312之间的距离。如图3A及图3B所示,各配重块311的插销孔311a可理解为沿着垂直于地面的一直线排列,而第一距离传感器102可设置于参考物体312的正下方,并往上方检测第一距离传感器102与参考物体312之间的距离。也即,在图3A中,第一距离传感器102的FOV102a是朝向第一距离传感器102的上方进行检测。
请参照图3C,其是依据本发明第一实施例示出的另一配重块的侧视图。在图3C中,各配重块311的态样与图3A所示大致相同,惟图3C中的第一距离传感器102可通过附接于重量训练器材300的某一处的方式而设置于参考物体312的正上方,并往下方检测第一距离传感器102与参考物体312之间的距离。也即,在图3C中,第一距离传感器102的FOV 102a是朝向第一距离传感器102的下方进行检测,但本发明可不限于此。
在第一实施例中,处理器104可通过第一距离传感器102检测第一距离传感器102与参考物体312之间的初始距离,并据以估计使用者所选用的训练重量(即,重量训练器材300的负载重量)。为便于理解本发明的概念,以下将辅以图4作进一步说明。
请参照图4,其是基于本发明第一实施例示出的多个预设距离区间的示意图。在第一实施例中,当参考物体312插设于某一配重块311上时,第一距离传感器312所测得的距离可能并非为一固定值,而可能是随时间而变化的一变动值。
以图4的波形411为例,其例如是参考物体312被揷设于对应于5kg的配重块311(即,负载重量为5kg)时,由图3C的第一距离传感器102所测得的距离变动值,即,第一距离传感器102的FOV 102a是朝向第一距离传感器102的下方进行检测。以图4的波形412为例,其例如是参考物体312被揷设于对应于10kg的配重块311(即,负载重量为10kg)时,由图3C的第一距离传感器102所测得的距离变动值。以图4的波形413为例,其例如是参考物体312被揷设于对应于15kg的配重块311(即,负载重量为15kg)时,由图3C的第一距离传感器102所测得的距离变动值。图4中其余波形的意义应可依上述教示而推得,于此不另赘述。
基于图4中对应于不同负载重量的波形,处理器104可相应地决定对应于不同负载重量的多个预定距离区间。举例而言,在取得对应于负载重量10kg的波形412之后,处理器104例如可估计波形412对应的一距离平均值(以m1表示)及距离标准偏差(以s1表示),并以(m1-s1,m1+s1)作为对应于负载重量10kg的预定距离区间412a。举另一例而言,在取得对应于负载重量15kg的波形413之后,处理器104例如可估计波形412对应的一距离平均值(以m2表示)及距离标准偏差(以s2表示),并以(m2-s2,m2+s2)作为对应于负载重量15kg的预定距离区间413a。另外,假设5kg为最低的负载重量,则处理器104例如可将低于预设距离区间412a的距离区间皆定义为对应于负载重量5kg的预定距离区间411a,但可不限于此。其余负载重量所对应的预定距离区间应可基于以上教示而推得,于此不另赘述。
因此,在处理器104取得第一距离传感器102与参考物体312之间的初始距离之后,处理器104可判定此初始距离是属于所述多个预设距离区间中的何者。假设处理器104判定此初始距离属于所述多个预设距离区间中的特定距离区间,则处理器104可判定重量训练器材300的负载重量为对应于此特定距离区间的特定重量。
举例而言,假设处理器104判定此初始距离属于预设距离区间411a,则处理器104可判定重量训练器材300的负载重量为对应于预定距离区间411a的负载重量(即,5kg)。假设处理器104判定此初始距离属于预设距离区间412a,则处理器104可判定重量训练器材300的负载重量为对应于预定距离区412a的负载重量(即,10kg)。另外,假设处理器104判定此初始距离属于预设距离区间413a,则处理器104可判定重量训练器材300的负载重量为对应于预定距离区413a的负载重量(即,15kg)。其余初始距离与重量训练器材300的负载重量的对应关系应可依上述教示而推得,于此不另赘述。
在另一实施例中,若第一距离传感器102是以图3A及图3B所示的方式配置(即,第一距离传感器102的FOV 102a是朝向第一距离传感器102的上方进行检测),则图4中的距离及负载重量会相反配置(图中未示出),或可通过数值转换的方式来调整成与图4相同的表示方式。此时,检测到的数值愈小,表示负载重量愈重。
接着,在步骤S220中,处理器104可检测参考物体312的移动情况,并基于参考物体312的移动情况及负载重量估计重量训练器材300的用户的运动数据。在不同的实施例中,前述运动数据可包括动作次数、运动功率、运动时间、休息时间等,但可不限于此。
在第一实施例中,处理器104可通过第一距离传感器102检测参考物体312的移动情况。具体而言,参考物体312与第一距离传感器102之间可理解为存在第一距离(其最小值可对应于上述初始距离),且参考物体312的移动情况可表征为第一距离的距离变化情况。
在第一实施例中,随着用户操作重量训练器材300,参考物体312的移动情况(即,第一距离变化情况)可呈现为如图5A所示的距离变化图500。在图5A(及以下的各个实施例)中,第一距离传感器102是假设为以图3C的方式进行检测。如图5A所示,距离变化图500可包括对应于一个动作组的波峰-波谷集合501,其包括多个波峰-波谷对511~515,其中各波峰-波谷对511~515可包括连续的1个波谷及1个波峰。
例如,波峰-波谷对511可包括波峰511a及波谷511b,波峰-波谷对512可包括波峰512a及波谷512b,而波峰-波谷对513可包括波峰513a及波谷513b,但可不限于此。
在一实施例中,处理器104可在波峰一波谷对511~515中找出多个特定波峰一波谷对,并以上述特定波峰一波谷对的数量作为所述动作组的动作次数。
在一实施例中,各特定波峰一波谷对可包括特定波峰及特定波谷,特定波峰及特定波谷之一对应的第一特定距离可大于第一距离门限值T1,特定波峰及特定波谷之另一对应的第二特定距离可小于第二距离门限值T2,且第一距离门限值T1可大于第二距离门限值T2。
在一些实施例中,第一距离门限值T1及第二距离门限值T2可依据当下的初始距离而定。举例而言,假设当下的初始距离为X,则第一距离门限值T1可定为X-X1,第二距离门限值T2则可定为X-X2,其中X2可大于X1。在图5A情境中,初始距离约略为920mm,在此情况下,假设X1及X2分别定为200及400,则可相应得到如图5A所示第一距离门限值T1及第二距离门限值T2,但本发明可不限于此。
以波峰-波谷对511为例,由于其中的波峰511a对应的距离大于第一距离门限值T1,且波谷511b对应的距离小于第二距离门限值T2,因此处理器104可将波峰-波谷对511视为一个特定波峰-波谷对。另外,再以波峰-波谷对512为例,由于其中的波峰512a对应的距离大于第一距离门限值T1,且波谷512b对应的距离小于第二距离门限值T2,因此处理器104可将波峰-波谷对512视为一个特定波峰-波谷对。同理,波峰-波谷对513~515亦将个别被视为一个特定波峰波谷对。
换言之,在图5A情境中,共存在5个特定波峰-波谷对(即,波峰-波谷对511~515)。在此情况下,处理器104将判定使用者的动作次数为5次。
从另一观点而言,当某些波峰-波谷对未被判定为特定波峰-波谷对时,其代表使用者未将所选用的配重块311进行足够距离的移动(即,动作不完整),因此处理器104将不会将这些波峰-波谷对用于累计使用者的动作次数,但本发明可不限于此。
在一实施例中,处理器104还可基于负载重量(以w表示)、参考物体312的总移动距离(以D表示)及移动时间估计上述运动数据中的运动功率(以P表示)。在图5A情境中,参考物体312的总移动距离例如是波形599所包括的各个距离值的总和。另外,参考物体312的移动时间可理解为使用者的运动时间,而其例如可表征为时间长度TD1。在此情况下,处理器104可先以总移动距离(即,D)除以时间长度TD1取得平均移动速度(以v表示)。之后,处理器104可依据上述数据估计运动功率。
在一些实施例中,处理器104可依据距离变化图估计每个动作组的向心运动功率及离心运动功率,以下将辅以图5B作进一步说明。
请参照图5B,其是依据本发明的实施例示出的距离变化图及其对应的速率变化图。在本实施例中,距离变化图500a可包括对应于使用者执行的第j个动作组的1个波峰-波谷集合(下称第j个波峰-波谷集合)。依先前的教示,图5B所示的第j个波峰-波谷集合可理解为包括8个特定波峰-波谷对。
在一实施例中,在取得图5B的距离变化图500a之后,处理器104例如可将距离变化图500a对时间取微分来产生图5B下半部所示的速率变化图500b,但可不限于此。
如图5B下半部所示,速率变化图500b可包括对应于所述第j个波峰-波谷集合的特定波峰-波谷对的多个时间区间D1~D8,其中时间区间D1~D8个别可依序包括第一特定时间点、第二特定时间点及第三特定时间点。在本发明的实施例中,第一特定时间点、第二特定时间点及第三特定时间点对应的速率可为0。
之后,处理器104可依据时间区间D1~D8的第i个时间区间的第一特定时间点及第二特定时间点定义所述第i个时间区间的向心时间段,其中i为正整数(例如是1~8中的任一者)。接着,处理器104可依据第i个时间区间的第二特定时间点及第三特定时间点定义所述第i个时间区间的离心时间段。
以时间区间D1为例,其可依序包括第一特定时间点t1、第二特定时间点t2及第三特定时间点t3,而其个别对应的速率为0。在一实施例中,处理器104可将第一特定时间点t1及第二特定时间点t2之间的时间区间定义为时间区间D1的向心时间段,并将第二特定时间点t2及第三特定时间点t3之间的时间区间定义为时间区间D1的离心时间段,但可不限于此。此外,处理器104还可基于上述教示而决定时间区间D2~D8个别的向心时间段及离心时间段。
在取得时间区间D1~D8个别的向心时间段及离心时间段之后,处理器104可基于时间区间D1~D8个别的向心时间段决定所述第j个动作组的向心运动功率,并基于时间区间D1~D8个别的离心时间段决定所述第j个动作组的离心运动功率。
在一实施例中,处理器104可基于时间区间D1~D8个别的向心时间段决定参考物体312在所述第j个动作组中的平均向心移动速率(以v1表示),以及参考物体312在所述第j个动作组中的总向心位移量(以h1表示)。之后,处理器104可依据的式子估计所述第j个动作组的向心运动功率,其中m为负载重量,g为重力常数,但可不限于此。
在另一实施例中,处理器104可基于时间区间D1~D8个别的离心时间段决定参考物体312在所述第j个动作组中的平均离心移动速率(以v2表示),以及参考物体312在所述第j个动作组中的总离心位移量(以h2表示)。之后,处理器104可依据的式子估计所述第j个动作组的离心运动功率,但可不限于此。
在一些实施例中,运动数据收集系统100可将所收集到的运动数据(动作次数、运动功率(例如向心运动功率/离心运动功率)、运动时间、休息时间)提供给其他的智能型装置,以由此智能型装置将上述运动数据呈现给重量训练器材的300的用户或其他相关人员(例如教练)参考,但可不限于此。
请参照图6,其是依据本发明的实施例示出的对应于不同负载重量的距离变化图。在图6中,所示的各个波形例如是在用户选定某个负载重量(例如45kg、50kg、55kg、60kg、65kg以及70kg)之后,由图3C的第一距离传感器102对参考物体312所测得的第一距离的距离变化图。如先前所言,处理器104可基于图6中的各个波形估计对应的运动数据,例如动作次数、运动功率、运动时间等,但可不限于此。
在一些实施例中,当第一距离传感器102是以ToF传感器实现时,受限于第一距离传感器102本身的特性,可能会使得其所检测到的读值未能正确地对应第一距离传感器102与参考物体312之间的实际距离。具体而言,当参考物体312与第一距离传感器102之间的第一距离位于某个较近的第一距离范围内时,第一距离传感器102应可较为准确地测量上述第一距离。即,第一距离传感器102的读值可大致匹配于实际上的第一距离(下称第一实际距离)。在此情况下,所述读值与第一实际距离之间的关系可以“Y=A1x+B1”的式子(下称第一转换式)描述,其中x是所述读值,Y为第一实际距离,A1为斜率,B1为一常数。
然而,当参考物体312与第一距离传感器102之间的第一距离位于某个较远的第二距离范围内时,由于第一距离传感器102的FOV 102a内将一并出现其他遮挡物(例如配重块311),故将相应地使得所述读值无法正确地对应第一实际距离。经实验,此情况下的所述读值与第一实际距离之间的关系可以“Y=A2x+B2”的式子(下称第二转换式)描述,其中x是所述读值,Y为第一实际距离,A2为斜率(其大于A1),B2为一常数。
因此,在一实施例中,当处理器104判定第一距离传感器102提供的当下读值位于第一距离范围内时,处理器104可依据第一转换式将此当下读值转换为第一实际距离。另一方面,当处理器104判定第一距离传感器102提供的当下读值位于第二距离范围内时,处理器104可依据第二转换式将此当下读值转换为第一实际距离。
请参照图7,其是依据本发明的实施例示出的多个距离范围的示意图。在本实施例中,假设经实验测量后,得知第一距离传感器102在读值在大于1000mm之后将无法正确对应第一实际距离,则处理器104可将0mm至1000mm的范围定为第一距离范围710,并将大于1000mm的范围定为第二距离范围720。
之后,处理器104可基于所述读值与第一实际距离在第一距离范围710内的关系产生所述第一转换式,并基于所述读值与第一实际距离在第二距离范围720内的关系产生所述第二转换式。因此,处理器104即可依据第一距离传感器102提供的当下读值适应性地依据第一/第二转换式将当下读值转换为第一实际距离。
在一些实施例中,若用户在选定某个负载重量之后开始操作重量训练器材300,则参考物体312将在用户运动的期间将相应地上下移动,而第一距离传感器102所测得的读值也会相应地变化。在图7中,假设第一距离传感器102在使用者运动的期间内所测得的读值是在变动范围730(例如是700mm~1400mm)中变化。在此情况下,当处理器104判定第一距离传感器102提供的当下读值介于700mm至1000mm时,处理器104可因判定此当下读值位于第一距离范围710内而依据第一转换式将此当下读值转换为第一实际距离。另一方面,当处理器104判定第一距离传感器102提供的当下读值介于1000mm至1400mm时,处理器104可因判定此当下读值位于第二距离范围720内而依据第二转换式将此当下读值转换为第一实际距离,但本发明可不限于此。
在一些实施例中,当用户使用重量训练器材300执行多个动作组时,处理器104可依据对应的距离变化图估计各个动作组对应的动作次数,以及这些动作组之间的组间休息时间。
请参照图8,其是依据本发明的实施例示出的对应多个动作组的距离变化图。如图8所示,距离变化图800共包括约23个特定波峰-波谷对,而处理器104可将这些特定波峰-波谷对划分为对应于3个动作组的多个波峰-波谷集合G1~G3。
在一实施例中,处理器104例如可估计连续的2个特定波峰-波谷对之间的时间差,并可据以将这些特定波峰-波谷对划分为波峰-波谷集合G1~G3。举例而言,当处理器104判断连续的2个特定波峰-波谷对之间的时间差小于一休息时间门限值T3时,处理器104可将此2个特定波峰-波谷对归为属于同一个波峰-波谷集合。另一方面,当处理器104判断连续的2个特定波峰-波谷对之间的时间差大于休息时间门限值T3,则处理器104可将此2个特定波峰-波谷对归为属于不同的波峰-波谷集合。
举例而言,由图8可看出,在各个波峰-波谷集合G1~G3中,连续的2个特定波峰-波谷对之间的时间差皆未大于休息时间门限值T3。然而,由于连续的特定波峰-波谷对G1L及G21之间的时间差T41大于休息时间门限值T3,因此处理器104可将特定波峰-波谷对G1L及G21归为属于不同的波峰-波谷集合。相似地,由于连续的特定波峰-波谷对G2L及G31之间的时间差T42大于休息时间门限值T3,因此处理器104可将特定波峰-波谷对G2L及G31归为属于不同的波峰-波谷集合。
此外,假设波峰-波谷集合G1及G2分别对应于第1个动作组及第2个动作组,由于特定波峰-波谷对G1L及G21分别属于对应不同动作组的波峰-波谷集合G1及G2,故特定波峰-波谷对G1L(即波峰-波谷集合G1的最末特定波峰-波谷对)及G21(即波峰-波谷集合G2的第1个特定波峰-波谷对)之间的时间差T41可经定义为第1个动作组及第2个动作组之间的组间休息时间。相似地,假设波峰-波谷集合G3对应于第3个动作组,则特定波峰-波谷对G2L(即波峰-波谷集合G2的最末特定波峰-波谷对)及G31(即波峰-波谷集合G3的第1个特定波峰-波谷对)之间的时间差T42可经定义为第2个动作组及第3个动作组之间的组间休息时间,但可不限于此。
请参照图9,其是依据本发明的实施例示出的更换负载重量的示意图。在本实施例中,当负载重量经选定为最轻的特定重量时,参考物体312与第一距离传感器102之间的初始距离可称为参考距离RD,而其可作为用户是否切换负载重量的参考。
具体而言,处理器104可判断第一距离是否已维持第一静止波形P1达第一静止时间门限值T5,其中第一静止波形对应的距离高于参考距离RD。在图9中,反应于判定第一距离已维持第一静止波形P1达第一静止时间门限值T5,处理器104可检测第一距离是否改变为第二静止波形P2,其中第二静止波形P2对应的距离亦高于参考距离RD。
若是,处理器104可进一步判断第一距离是否已维持第二静止波形P2达第一静止时间门限值T5,且第一静止波形P1与第二静止波形P2之间的时间差是否小于第二静止时间门限值T6。若是,此即代表用户已将负载重量切换至对应于第二静止波形P2的特定重量。因此,反应于判定第一距离已维持第二静止波形P2达第一静止时间门限值T5,且第一静止波形P1与第二静止波形P2之间的时间差小于第二静止时间门限值T6,处理器104可依据第二静止波形P2更新负载重量,而其细节可参照图4的相关说明,于此不另赘述。
请参照图10,其是依据本发明第二实施例示出的运动数据收集系统示意图。如图10所示,在第二实施例中,运动数据收集系统1000可包括第一距离传感器1001、第二距离传感器1002及处理器1004,其中第一距离传感器1001、第二距离传感器1002及处理器1004个别的可能的实施方式可参照第一距离传感器102及处理器104的相关说明,于此不另赘述。
在第二实施例中,运动数据收集系统1000亦可用于执行图2的各个步骤,惟其所适用的重量训练器材与第一实施例中的略有不同,故相应的操作细节亦将略有不同。以下将辅以图11作进一步说明。
请参照图11,其是依据本发明第二实施例示出的重量训练器材的局部示意图。在第二实施例中,所考虑的重量训练器材1100例如是包括杠铃1101的史密斯机器(Smithmachine),而第一距离传感器1001可为包括多个距离感测单元的一阵列式距离传感器,并可通过连接杆1112连接至杠铃1101的套筒1101a。
在第二实施例中,在处理器1004执行步骤S210时,处理器1004可通过第一距离传感器1001检测装设于套筒1101a上的多个杠片1121~1123个别的厚度及各杠片1121~1123与第一距离传感器1001的参考距离。之后,处理器1004可基于各杠片1121~1123的厚度及参考距离估计各杠片1121~1123对应的重量。
在第二实施例中,设计者例如可在一前置作业中将各杠片预先置于套筒1101a上,以让第一距离传感器1001测量各杠片的厚度及参考距离,再将各杠片的厚度及参考距离与各杠片的重量的对应关系予以记录。因此,当第一距离传感器1001测得某杠片对应的厚度(其可由检测到此杠片的距离感测单元的数量推得)及参考距离时,即可据以推得此杠片的重量,但本发明可不限于此。
在第二实施例中,在处理器1004依据上述教示取得各杠片1121~1123对应的重量之后,即可据以估计重量训练器材1100的负载重量。一般而言,史密斯机器上杠铃1101两侧的套筒应承载有相同重量的杠片,故处理器1004可以各杠片1121~1123对应重量的总和的2倍作为重量训练器材1100的负载重量,但可不限于此。
此外,在第二实施例中,所考虑的参考物体1111可包括第一距离传感器1001及连接杆1112,而当处理器1004执行步骤S220时,可通过安装于重量训练器材1100上的第二距离传感器1002检测第一距离传感器1001的特定移动情况作为参考物体1111的移动情况。
在第二实施例中,依史密斯机器的特性可知,杠铃1101将沿着一固定轨迹移动。具体而言,杠铃1101可固定地连接于滑套1102,而滑套1102可滑动于滑轨1199上。在此情况下,当使用者操作杠铃1101时,杠铃1101将带动滑套1102沿着滑轨1199滑动,进而使得杠铃1101沿固定轨迹1131移动。
此外,为使第二距离传感器1002可检测第一距离传感器1001的特定移动情况,第一距离传感器1001及第二距离传感器1002之间的参考连线1132可经设计为平行于固定轨迹1131。
在第二实施例中,第一距离传感器1001与第二距离传感器1002之间可理解为存在第二距离,而参考物体1111的移动情况可表征为第二距离的距离变化情况。
在此情况下,随着用户操作重量训练器材1100,参考物体1111的移动情况亦可呈现为如图5A所示的距离变化图500,而处理器1004据以估计用户的运动数据的方式可参照第一实施例中的相关说明,于此不另赘述。
此外,运动数据收集系统1000亦可将所收集到的运动数据(动作次数、运动功率、运动时间、休息时间)提供予其他的智能型装置,以由此智能型装置将上述运动数据呈现予重量训练器材的1100的用户或其他相关人员(例如教练)参考,但可不限于此。
综上所述,本发明提出的运动数据收集方法及系统可在简易地安装于对应的重量训练器材之后,相应地基于参考物体的移动情况测量用户操作重量训练器材时的运动数据。并且,由于运动数据收集系统仅包括例如微控制器及距离传感器等较低成本的组件,故本发明可提供以较低成本收集用户运动数据的解决方案。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (17)
1.一种运动数据收集方法,包括:
通过安装于重量训练器材上的第一距离传感器检测所述重量训练器材的负载重量,其中所述重量训练器材安装有参考物体;以及
检测所述参考物体的移动情况,并基于所述参考物体的所述移动情况及所述负载重量估计所述重量训练器材的用户的运动数据;
其中所述运动数据包括动作次数,所述参考物体的所述移动情况表征为距离变化图,所述距离变化图包括多个波峰-波谷对,且基于所述参考物体的所述移动情况及所述负载重量估计所述重量训练器材的所述用户的所述运动数据的步骤包括:
将所述多个波峰-波谷对划分为对应于多个动作组的多个波峰-波谷集合;
在所述多个波峰-波谷集合中的第j个波峰-波谷集合中找出多个特定波峰-波谷对,其中各所述特定波峰-波谷对包括特定波峰及特定波谷,所述特定波峰及所述特定波谷之一对应的第一特定距离大于第一距离门限值,所述特定波峰及所述特定波谷之另一对应的第二特定距离小于第二距离门限值,且所述第一距离门限值大于所述第二距离门限值;以及
以所述第j个波峰-波谷集合的所述多个特定波峰-波谷对的数量作为所述多个动作组中的第j个动作组的所述动作次数。
2.根据权利要求1所述的方法,其中检测所述重量训练器材的所述负载重量的步骤包括:
检测所述第一距离传感器与所述参考物体之间的初始距离;以及
反应于判定所述初始距离属于多个预设距离区间中的特定距离区间,判定所述重量训练器材的所述负载重量为对应于所述特定距离区间的特定重量。
3.根据权利要求1所述的方法,其中所述重量训练器材包括堆栈的多个配重块及插销,各所述配重块具有插销孔,所述插销用以插设于所述多个配重块之一的所述插销孔,且所述参考物体包括所述插销。
4.根据权利要求1所述的方法,其中检测所述参考物体的所述移动情况的步骤包括:
通过所述第一距离传感器检测所述参考物体的所述移动情况。
5.根据权利要求4所述的方法,其中所述参考物体与所述第一距离传感器之间存在第一距离,且所述参考物体的所述移动情况表征为所述第一距离的距离变化情况。
6.根据权利要求5所述的方法,还包括:
反应于判定所述第一距离的当下读值位于第一距离范围内,依据第一转换式将所述当下读值转换为第一实际距离;以及
反应于判定所述第一距离的所述当下读值位于第二距离范围内,依据第二转换式将所述当下读值转换为所述第一实际距离,其中所述第一转换式及所述第二转换式对应于不同的斜率。
7.根据权利要求1所述的方法,其中所述重量训练器材为包括杠铃的史密斯机器,所述第一距离传感器为阵列式距离传感器并通过连接杆连接至所述杠铃的套筒,且检测所述重量训练器材的所述负载重量的步骤包括:
通过所述第一距离传感器检测装设于所述套筒上的多个杠片个别的厚度及各所述杠片与所述第一距离传感器的参考距离;以及
基于各所述杠片的所述厚度及所述参考距离估计各所述杠片对应的重量,并据以估计所述重量训练器材的所述负载重量。
8.根据权利要求7所述的方法,其中所述重量训练器材的所述负载重量为各所述杠片对应的所述重量的总和的2倍。
9.根据权利要求7所述的方法,其中所述参考物体包括所述第一距离传感器及所述连接杆,且检测所述参考物体的所述移动情况的步骤包括:
通过安装于所述重量训练器材上的第二距离传感器检测所述第一距离传感器的特定移动情况作为所述参考物体的所述移动情况。
10.根据权利要求9所述的方法,其中所述第一距离传感器与所述第二距离传感器之间存在第二距离,且所述参考物体的所述移动情况表征为所述第二距离的距离变化情况。
11.根据权利要求7所述的方法,其中所述杠铃沿固定轨迹移动,所述第一距离传感器及所述第二距离传感器之间的参考连线平行于所述固定轨迹。
12.根据权利要求1所述的方法,其中所述负载重量对应于初始距离,所述第一距离门限值与所述初始距离相距达第一差值,所述第二距离门限值与所述初始距离相距达第二差值。
13.根据权利要求1所述的方法,还包括:
将所述距离变化图转换为速率变化图,其中所述速率变化图包括对应于所述第j个波峰-波谷集合的所述多个特定波峰-波谷对的多个时间区间,且各所述时间区间依序包括第一特定时间点、第二特定时间点及第三特定时间点,所述第一特定时间点、所述第二特定时间点及所述第三特定时间点对应的速率为0;
依据所述多个时间区间的第i个时间区间的所述第一特定时间点及所述第二特定时间点定义所述第i个时间区间的向心时间段,其中i为正整数;
依据所述第i个时间区间的所述第二特定时间点及所述第三特定时间点定义所述第i个时间区间的离心时间段;
基于各所述时间区间的所述向心时间段决定所述第j个动作组的向心运动功率;
基于各所述时间区间的所述离心时间段决定所述第j个动作组的离心运动功率。
14.根据权利要求1所述的方法,其中所述多个波峰-波谷集合还包括第(j-1)个波峰-波谷集合,所述多个动作组还包括第(j-1)个动作组,所述第j个波峰-波谷集合中的第1个特定波峰-波谷对与所述第(j-1)个波峰-波谷集合中的最末特定波峰-波谷对之间的时间差为所述第j个动作组与所述第(j-1)个动作组之间的组间休息时间,且所述组间休息时间大于休息时间门限值。
15.根据权利要求1所述的方法,其中所述参考物体与所述第一距离传感器之间存在第一距离,所述负载重量为多个特定重量的其中之一,且所述多个特定重量中的最轻特定重量对应于参考距离,且所述方法还包括:
反应于判定所述第一距离已维持第一静止波形达第一静止时间门限值,检测所述第一距离是否改变为第二静止波形,其中所述第一静止波形及所述第二静止波形个别对应的距离皆高于所述参考距离;
反应于判定所述第一距离已维持所述第二静止波形达所述第一静止时间门限值,且所述第一静止波形与所述第二静止波形之间的时间差小于第二静止时间门限值,依据所述第二静止波形更新所述负载重量,其中所述第二静止时间门限值高于所述第一静止时间门限值。
16.根据权利要求1所述的方法,其中所述运动数据包括运动功率,且所述运动功率是基于所述负载重量、所述参考物体的总移动距离及移动时间而得。
17.一种运动数据收集系统,包括:
第一距离传感器,其安装于重量训练器材上;
处理器,其耦接于所述第一距离传感器,并经配置为:
通过所述第一距离传感器检测所述重量训练器材的负载重量,其中所述重量训练器材安装有参考物体;以及
检测所述参考物体的移动情况,并基于所述参考物体的所述移动情况及所述负载重量估计所述重量训练器材的用户的运动数据;
其中所述运动数据包括动作次数,所述参考物体的所述移动情况表征为距离变化图,所述距离变化图包括多个波峰-波谷对,且基于所述参考物体的所述移动情况及所述负载重量估计所述重量训练器材的所述用户的所述运动数据的步骤包括:
将所述多个波峰-波谷对划分为对应于多个动作组的多个波峰-波谷集合;
在所述多个波峰-波谷集合中的第j个波峰-波谷集合中找出多个特定波峰-波谷对,其中各所述特定波峰-波谷对包括特定波峰及特定波谷,所述特定波峰及所述特定波谷之一对应的第一特定距离大于第一距离门限值,所述特定波峰及所述特定波谷之另一对应的第二特定距离小于第二距离门限值,且所述第一距离门限值大于所述第二距离门限值;以及
以所述第j个波峰-波谷集合的所述多个特定波峰-波谷对的数量作为所述多个动作组中的第j个动作组的所述动作次数。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW109145823 | 2020-12-23 | ||
TW109145823A TWI753716B (zh) | 2020-12-23 | 2020-12-23 | 運動數據收集方法及系統 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114653027A CN114653027A (zh) | 2022-06-24 |
CN114653027B true CN114653027B (zh) | 2023-07-25 |
Family
ID=80809017
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011595715.8A Active CN114653027B (zh) | 2020-12-23 | 2020-12-29 | 运动数据收集方法及系统 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN114653027B (zh) |
TW (1) | TWI753716B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010115472A (ja) * | 2008-11-13 | 2010-05-27 | O2Run Co Ltd | 重量錘ブロックの分離装置及びそれを用いた運動量の算出装置 |
CN206342863U (zh) * | 2016-12-13 | 2017-07-21 | 济南金奥太信息有限公司 | 以拉绳位移传感器为基础的健身器检测装置 |
EP3246074A1 (en) * | 2016-05-20 | 2017-11-22 | Joong Chenn Industry Co., Ltd. | Multifunctional leg training machine |
TWI616223B (zh) * | 2016-12-14 | 2018-03-01 | 國立臺灣體育運動大學 | 健身器材配重片智慧插銷與其記錄系統 |
CN209237251U (zh) * | 2018-10-22 | 2019-08-13 | 魏依凡 | 一种力量训练器配重块运行参数采集装置 |
JP6566591B1 (ja) * | 2018-11-06 | 2019-08-28 | 株式会社Oliori | ウェイトトレーニング情報管理システム、情報処理装置、ウェイトトレーニング情報管理プログラム及びウェイトトレーニング情報管理方法 |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5342577B2 (ja) * | 2011-02-24 | 2013-11-13 | カシオ計算機株式会社 | トレーニング管理装置、トレーニング装置及びプログラム |
TWI468199B (zh) * | 2012-07-26 | 2015-01-11 | Joong Chenn Industry Co Ltd | Weight training device with load detection system |
US9687930B2 (en) * | 2013-03-15 | 2017-06-27 | Lincoln Global, Inc. | Systems and methods for networking, configuration, calibration and identification of welding equipment |
US9621644B2 (en) * | 2013-09-16 | 2017-04-11 | Axis Ab | Joining a distributed database |
CN108310718A (zh) * | 2017-01-14 | 2018-07-24 | 富士康(昆山)电脑接插件有限公司 | 重量训练器及其超音波感测器 |
CN108416875A (zh) * | 2018-01-25 | 2018-08-17 | 阿里巴巴集团控股有限公司 | 一种对象的展示架、数据的处理方法、装置、设备及系统 |
CN208498389U (zh) * | 2018-03-30 | 2019-02-15 | 斑马网络技术有限公司 | 带有感测装置的车辆 |
US11928976B2 (en) * | 2019-03-27 | 2024-03-12 | Reliable Robotics Corporation | Cross-checking localization during aircraft terminal operations |
-
2020
- 2020-12-23 TW TW109145823A patent/TWI753716B/zh active
- 2020-12-29 CN CN202011595715.8A patent/CN114653027B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010115472A (ja) * | 2008-11-13 | 2010-05-27 | O2Run Co Ltd | 重量錘ブロックの分離装置及びそれを用いた運動量の算出装置 |
EP3246074A1 (en) * | 2016-05-20 | 2017-11-22 | Joong Chenn Industry Co., Ltd. | Multifunctional leg training machine |
CN206342863U (zh) * | 2016-12-13 | 2017-07-21 | 济南金奥太信息有限公司 | 以拉绳位移传感器为基础的健身器检测装置 |
TWI616223B (zh) * | 2016-12-14 | 2018-03-01 | 國立臺灣體育運動大學 | 健身器材配重片智慧插銷與其記錄系統 |
CN209237251U (zh) * | 2018-10-22 | 2019-08-13 | 魏依凡 | 一种力量训练器配重块运行参数采集装置 |
JP6566591B1 (ja) * | 2018-11-06 | 2019-08-28 | 株式会社Oliori | ウェイトトレーニング情報管理システム、情報処理装置、ウェイトトレーニング情報管理プログラム及びウェイトトレーニング情報管理方法 |
Also Published As
Publication number | Publication date |
---|---|
TW202224729A (zh) | 2022-07-01 |
CN114653027A (zh) | 2022-06-24 |
TWI753716B (zh) | 2022-01-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US8574131B2 (en) | Sensing applications for exercise machines | |
US10265575B2 (en) | Exercise machine with analysis system | |
US9791295B2 (en) | Step counting method and a pedometer based on a 3-axis accelerometer | |
US8876664B2 (en) | Weight-lifting exercise machine | |
WO2018094011A1 (en) | System and method for personalized exercise training and coaching | |
KR101209076B1 (ko) | 운동가이드장치 및 운동가이드방법 | |
CN101194273A (zh) | 时空自组织映射 | |
KR101432129B1 (ko) | 웨이트 트레이닝 머신용 운동 모니터링 시스템 | |
US11123607B2 (en) | Exercise management and reporting system | |
CN114653027B (zh) | 运动数据收集方法及系统 | |
KR101819346B1 (ko) | 무산소운동 센싱 시스템 | |
JP2024045390A (ja) | 飛行時間センサーを備えたエクササイズマシンの予知保全 | |
KR101933439B1 (ko) | 사용자 분석 기반 피트니스 관리 시스템 및 방법 | |
CN111931568A (zh) | 一种基于增强式学习的人体跌倒检测方法及系统 | |
KR101675632B1 (ko) | 피트니스 시스템 | |
JP4002146B2 (ja) | 検出装置、検出システム、携帯機器及びプログラム | |
KR20180014971A (ko) | 운동 감지 시스템 및 그의 처리 방법 | |
JP3908930B2 (ja) | 消費エネルギー算出装置 | |
JPH10230021A (ja) | ウエイトトレーニングマシンのデータ測定装置 | |
KR102342100B1 (ko) | 윗몸일으키기 측정장치 | |
KR101549608B1 (ko) | 웨이트 트레이닝 머신용 모니터링 시스템 | |
KR101565474B1 (ko) | 운동 관리 시스템 | |
NL1043777B1 (en) | motion detection module and method. | |
KR102599845B1 (ko) | 운동 능력 평가 시스템 및 운동 능력 평가 방법 | |
KR102277055B1 (ko) | 신체정보 및 운동정보를 연계한 ai기반 개인 맞춤예측시스템 |
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 |