CN114707073A - 基于用户线下行为的个性化健身信息推送方法及系统 - Google Patents

Abstract

本申请涉及在线健身的技术领域，尤其涉及一种基于用户线下行为的个性化健身信息推送方法及系统，方法包括：采集用户健身时的图像，得到健身视频；基于所述健身视频以及预先生成的健身模型，得到用户运动数据；其中，所述用户运动数据包括运动项目以及运动时长；根据所述用户运动数据，生成推送信息；其中，所述推送信息包括健身效果信息以及健身营销信息；以及，将所述推送信息发送至用户的智能终端。通过获取用户的健身视频，基于健身视频得到用户运动数据，在对用户的用户运动数据进行定向分析以得到健身效果信息的同时，还可以获取到利于该用户进行合理健身的健身营销信息，从而有助于提高用户的健身效果以及健身体验。

Description

基于用户线下行为的个性化健身信息推送方法及系统

技术领域

本申请涉及在线健身的技术领域，尤其是涉及一种基于用户线下行为的个性化健身信息推送方法及系统。

背景技术

随着人们生活水平的提高，人们越来越重视身体的健康情况，越来越多的人走入健身房进行各项健身运动，定期的健身不仅可以使人拥有健美的身体，还能提高心肌供氧能力，降低血液中的胆固醇，有效的预防心脑血管等疾病的发生，并且定期进行体育运动还能保持心情的舒畅和精神上的愉悦，减缓现代社会高节奏的生活状态带来的精神压抑和心里紧张，使人保持乐观的情绪，并且由于现在城市中环境和空气的质量较差，以及交通和人群拥挤压缩了室外可运动的范围，并且室外运动的安全性也有待提高，人们也更加愿意进入健身房进行更系统、更完备并且更安全的运动健身。

但疫情期间，为了降低被传染风险，减少外出，人们被迫在家中健身，由于用户不清楚自身适合的健身项目以及健身数据，使得健身效果较差。

发明内容

为了提高健身效果，本申请提供一种基于用户线下行为的个性化健身信息推送方法及系统。

第一方面，本申请提供的一种基于用户线下行为的个性化健身信息推送方法，采用如下的技术方案。

一种基于用户线下行为的个性化健身信息推送方法，包括：

采集用户健身时的图像，得到健身视频；

基于所述健身视频以及预先生成的健身模型，得到用户运动数据；其中，所述用户运动数据包括运动项目以及运动时长；

根据所述用户运动数据，生成推送信息；其中，所述推送信息包括健身效果信息以及健身营销信息；以及，

将所述推送信息发送至用户的智能终端。

通过采用上述技术方案，通过获取用户的健身视频，基于健身视频得到用户运动数据，在对用户的用户运动数据进行定向分析以得到健身效果信息的同时，还可以获取到利于该用户进行合理健身的健身营销信息，从而有助于提高用户的健身效果以及健身体验。

可选的，所述采集用户健身时的图像，得到健身视频步骤之前还包括：

获取用户智能终端的注册请求；

基于所述注册请求，向所述用户智能终端发送授权信息；所述授权信息用于供用户智能终端注册并登录应用程序。

通过采用上述技术方案，用户智能终端接收到授权信息后，才能注册并登录应用程序，有助于获取用户智能终端发送的健身视频。

可选的，所述根据所述用户运动数据，生成推送信息步骤之前还包括：

获取用户的用户模型；

基于所述用户模型生成用户目标模型。

所述根据所述用户运动数据，生成推送信息步骤具体包括：

根据所述用户运动数据、用户模型以及用户目标模型，生成推送信息。

通过采用上述技术方案，结合用户运动数据、用户模型以及用户目标模型，有助于提高推送信息的准确性。

可选的，所述获取用户的用户模型步骤包括：

获取用户的当前生理特征；其中，所述当前生理特征包括性别、年龄、身高、体重、三围以及体脂；

根据所述当前生理特征，生成用户模型。

可选的，所述根据所述当前生理特征，生成三为人体模型作为用户模型步骤包括：

根据所述当前生理特征，生成所述数字三维人体模型作为用户候选模型；

根据所述健身视频，获取用户的人体比例信息；

根据所述人体比例信息，对所述用户候选模型进行调整，生成用户模型。

可选的，所述基于所述用户模型，生成用户目标模型步骤包括：

获取用户的目标生理特征；其中，所述目标生理特征包括目标体重以及目标三围；

根据所述目标生理特征，对所述用户模型进行调整，生成用户目标模型。

可选的，所述根据所述用户运动数据、用户模型以及用户目标模型，生成推送信息步骤包括：

根据所述用户运动数据，生成健身偏好信息以及健身效果信息；其中，所述健身偏好信息包括用户的健身偏好项目以及健身偏好项目的平均运动时长；所述健身效果信息包括健身过程消耗的卡路里；

基于所述用户模型以及用户目标模型，生成目标健身项目；

基于所述健身偏好信息以及目标健身项目，生成对应的健身营销信息；其中，所述健身营销信息包括所述健身偏好项目与目标健身项目对应的健身课程以及健身产品。

第二方面，本申请提供的一种基于用户线下行为的个性化健身信息推送系统，采用如下的技术方案。

一种基于用户线下行为的个性化健身信息推送系统，包括：

采集模块，用于采集用户健身时的图像，得到健身视频；

用户运动数据获取模块，用于根据所述健身视频以及预先生成的健身模型，得到用户运动数据；其中，所述用户运动数据包括运动项目以及运动时长；

推送信息生成模块，用于根据所述用户运动数据、用户模型以及用户目标模型，生成推送信息；其中，所述推送信息包括健身效果信息以及健身营销信息；以及，

发送模块，用于将所述推送信息发送至用户的智能终端。

通过采用上述技术方案，通过获取用户的健身视频，基于健身视频得到用户运动数据，在对用户的用户运动数据进行定向分析以得到健身效果信息的同时，还可以获取到利于该用户进行合理健身的健身营销信息，从而有助于提高用户的健身效果以及健身体验。

第三方面，本申请提供的一种计算机可读存储介质，采用如下的技术方案：

一种计算机可读存储介质，存储有能够被处理器加载并执行如第一方面所述的方法中的计算机程序。

通过采用上述技术方案，通过获取用户的健身视频，基于健身视频得到用户运动数据，在对用户的用户运动数据进行定向分析以得到健身效果信息的同时，还可以获取到利于该用户进行合理健身的健身营销信息，从而有助于提高用户的健身效果以及健身体验。

综上所述，本申请包括以下至少一种有益技术效果：

通过获取用户的健身视频，基于健身视频得到用户运动数据，在对用户的用户运动数据进行定向分析以得到健身效果信息的同时，还可以获取到利于该用户进行合理健身的健身营销信息，从而有助于提高用户的健身效果以及健身体验。

附图说明

图1是本申请其中一实施例示出的基于用户线下行为的个性化健身信息推送方法的流程图。

图2是本申请其中一实施例示出的基于用户线下行为的个性化健身信息推送系统的结构图。

附图标记说明：1、采集模块；2、用户运动数据获取模块；3、推送信息生成模块；4、发送模块。

具体实施方式

以下结合附图1-2对本申请作进一步详细说明。

为使本申请的目的、技术方案和优点更加清楚，下面将结合附图对本申请实施方式作进一步地详细说明。

本申请实施例公开一种基于用户线下行为的个性化健身信息推送方法。

作为基于用户线下行为的个性化健身信息推送方法的一种实施方式，如图1所示，包括以下步骤：

100，采集用户健身时的图像，得到健身视频。

具体的，通过图像采集装置采集用户健身时的图像，图像采集装置可以采用带有畸变矫正功能的鱼眼摄像头。

200，基于健身视频以及预先生成的健身模型，得到用户运动数据；其中，用户运动数据包括运动项目以及运动时长。

具体来说，将健身视频输入预先生成的健身模型中，基于健身模型获取健身视频中用户的用户运动数据。

其中，健身模型的生成方法包括：

采集动作样本集；其中，动作样本集包括各个运动项目的运动视频。对应的多组运动样本视频。

提取动作样本集中每个骨骼关节点在相邻帧之间的运动作为训练集，其中训练集包括动作的动态特征。

具体的，基于运动视频，得到运动视频中的人体骨骼点数据，生成相应的骨骼点空间坐标；在骨骼点之间生成对应的连接线，获取相邻骨骼点之间的连接关系，生成一段时间序列的动作数据；获取每个骨骼关节点在相邻帧之间的动作数据作为动作的动态特征。

根据训练集对初始模型进行训练，得到健身模型。

需要说明的是，初始模型可以是待进行训练的模型，也可以是未完成训练的模型。作为示例，初始模型可以为卷积神经网络或分类网络。

本实施例中，根据训练集对卷积神经网络进行训练。其中，卷积神经网络的训练过程分为两个阶段。第一个阶段是数据由低层次向高层次传播的阶段，即前向传播阶段。另外一个阶段是，当前向传播得出的结果与预期不相符时，将误差从高层次向低层次进行传播训练的阶段，即反向传播阶段。具体的，训练过程为：

第一步、网络进行权值的初始化；

第二步、输入数据经过卷积层、下采样层、全连接层的向前传播得到输出值；其中，输入数据为训练集；

第三步、求出网络的输出值与目标值之间的误差；

第四步、当误差大于期望值时，将误差传回网络中，依次求得全连接层、下采样层、卷积层的误差；各层的误差可以理解为对于网络的总误差，网络应承担多少；当误差等于或小于期望值时，结束训练；

第五步、根据求得误差进行权值更新，然后进入到第二步。

根据用户运动数据，生成推送信息；其中，推送信息包括健身效果信息以及健身营销信息。

400，将推送信息发送至用户的智能终端。

需要说明的是，推送信息可以是发送至用户的智能终端中，也可以是发送至用户智能终端的APP中。

作为基于用户线下行为的个性化健身信息推送方法的另一种实施方式，在步骤100之前还包括：

获取用户智能终端的注册请求；

基于注册请求，向用户智能终端发送授权信息，授权信息用于供用户智能终端注册并登录应用程序。

具体的，用户智能终端接收到授权信息后，才能注册并登录应用程序，有助于获取用户智能终端发送的健身视频。

作为基于用户线下行为的个性化健身信息推送方法的另一种实施方式，在步骤300之前还包括：

获取用户的用户模型。

其中，步骤500具体包括：

获取用户的当前生理特征；其中，当前生理特征包括性别、年龄、身高、体重、三围以及体脂。

具体的，用户的当前生理特征可以是用户输入，也可以通过用户关联设备获取；其中，用户关联设备可以是用户关联的体脂称，通过体脂称可以获取体重、体脂等当前生理特征。

502，根据当前生理特征，生成用户模型。

其中，步骤502具体包括：

根据当前生理特征，生成数字三维人体模型作为用户候选模型。

具体来说，根据身高、体重、三围等当前生理特征，利用机器学习模型，生成用户候选模型。

根据健身视频，获取用户的人体比例信息。

根据人体比例信息，对用户候选模型进行调整，生成用户模型。

需要说明的是，人体比例信息时影响构建数字人体模型或三维人体模型的重要因素。例如：有些人上身长下身短、或上身短下身长等。因此，为了生成精准的用户模型，需要考虑身体比例的因素。

其中，通过对健身视频进行分析，计算出人体的头、上身、下身的比例。根据计算结果，调整用户候选模型的比例生成用户模型，使得用户模型与用户的身材比例匹配。

600，基于用户模型生成用户目标模型。

其中，步骤600具体包括：

获取用户的目标生理特征；其中，目标生理特征包括目标体重以及目标三围。

需要说明的是，用户的目标生理特征为用户输入。

602，根据目标生理特征，对用户模型进行调整，生成用户目标模型。

具体的，用户可以通过拖动三维人体模型的调整曲线对用户模型进行调整，生成符合用户目标的用户目标模型。

这样，用户无需专业的人体肌肉知识或健身知识，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。

其中，作为基于用户线下行为的个性化健身信息推送方法的又一种实施方式，步骤400具体包括以下步骤：

401，根据用户运动数据、用户模型以及用户目标模型，生成推送信息。

其中，步骤401具体包括：

根据用户运动数据，生成健身偏好信息以及健身效果信息；其中，健身偏好信息包括用户的健身偏好项目以及健身偏好项目的平均运动时长；健身效果信息包括健身过程消耗的卡路里；

基于用户模型以及用户目标模型，生成目标健身项目；

基于健身偏好信息以及目标健身项目，生成对应的健身营销信息；其中，健身营销信息包括所述健身偏好项目与目标健身项目对应的健身课程以及健身产品。

具体来说，对用户运动数据进行分析，得到该用户的健身效果信息和健身偏好信息。比如，该用户的运动项目为跑步，根据该用户跑步次数或跑步步数等，可以确定该目标用户的健身偏好信息中的偏好项目为跑步，又比如，若该用户的运动数据信息中的跳绳的总时长相较于其他健身项目的总时长最长，则可以确定该用户的健身偏好信息中的偏好项目为跳绳。

由于该用户的用户运动数据包括不同时间段进行的健身项目、对应的健身时长以及健身次数，对该用户在不同时间段内所进行的每个健身项目及其对应的健身时长以及健身次数进行分析，得到该用户在当前的整个健身过程中消耗的卡路里。

根据用户模型与用户目标模型的差异，生成用户的目标健身信息。由于用户模型包括分布在当前人体模型上的各个当前肌肉模块，用户目标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，生成用户的目标健身信息。例如，同样是胸围增加10cm，针对用户目标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。

根据分析得到的健身偏好信息以及目标健身项目为该用户生成对应的健身营销信息。例如：该用户的健身偏好信息和/或目标健身项目为跑步，则可以为该用户生成对应的跑步健身课程、与跑步相关的运动赛事及锻炼腿部肌肉相关的健身课程等。

另外，为了便于用户能够更好地进行健身，还可以将健身产品（比如瑜伽垫、瑜伽球、跳绳、蛋白粉等）作为健身营销信息，使得该用户在得到健身效果的同时，还可以获取到利于该用户进行合理健身的健身营销信息，从而提高用户的健身体验。

在对用户的运动数据信息进行定向分析以得到健身效果信息的同时，还有针对性的、精准地为该用户生成适用于该用户的健身营销信息，以便后续向该用户进行健身相关的精准推送和精准营销。

基于上述个性化健身信息推送方法，本申请实施例还公开了一种基于用户线下行为的个性化健身信息推送系统，如图2所示，包括：

采集模块1，用于采集用户健身时的图像，得到健身视频；

用户运动数据获取模块2，用于根据健身视频以及预先生成的健身模型，得到用户运动数据；其中，用户运动数据包括运动项目以及运动时长；

推送信息生成模块3，用于根据用户运动数据、用户模型以及用户目标模型，生成推送信息；其中，推送信息包括健身效果信息以及健身营销信息；以及，

发送模块4，用于将推送信息发送至用户的智能终端。

本申请实施例还公开了一种计算机可读存储介质，存储有能够被处理器加载并执行如上述个性化健身信息推送方法的计算机程序，该计算机可读存储介质例如包括：U盘、移动硬盘、只读存储器(Read-OnlyMemory，ROM)、随机存取存储器(RandomAccessMemory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。

以上均为本申请的较佳实施例，并非依此限制本申请的保护范围，故：凡依本申请的结构、形状、原理所做的等效变化，均应涵盖于本申请的保护范围之内。

Claims (9)

1.一种基于用户线下行为的个性化健身信息推送方法，其特征在于，包括：

采集用户健身时的图像，得到健身视频；

基于所述健身视频以及预先生成的健身模型，得到用户运动数据；其中，所述用户运动数据包括运动项目以及运动时长；

根据所述用户运动数据，生成推送信息；其中，所述推送信息包括健身效果信息以及健身营销信息；以及，

将所述推送信息发送至用户的智能终端。

2.根据权利要求1所述的一种基于用户线下行为的个性化健身信息推送方法，其特征在于：所述采集用户健身时的图像，得到健身视频步骤之前还包括：

获取用户智能终端的注册请求；

基于所述注册请求，向所述用户智能终端发送授权信息；所述授权信息用于供用户智能终端注册并登录应用程序。

3.根据权利要求1所述的一种基于用户线下行为的个行为健身信息推送方法，其特征在于，所述根据所述用户运动数据，生成推送信息步骤之前还包括：

获取用户的用户模型；

基于所述用户模型生成用户目标模型；

所述根据所述用户运动数据，生成推送信息步骤具体包括：

根据所述用户运动数据、用户模型以及用户目标模型，生成推送信息。

4.根据权利要求3所述的一种基于用户线下行为的个性化健身信息推送方法，其特征在于，所述获取用户的用户模型步骤包括：

获取用户的当前生理特征；其中，所述当前生理特征包括性别、年龄、身高、体重、三围以及体脂；

根据所述当前生理特征，生成用户模型。

5.根据权利要求4所述的一种基于用户线下行为的个性化健身信息推送方法，其特征在于，所述根据所述当前生理特征，生成三为人体模型作为用户模型步骤包括：

根据所述当前生理特征，生成所述数字三维人体模型作为用户候选模型；

根据所述健身视频，获取用户的人体比例信息；

根据所述人体比例信息，对所述用户候选模型进行调整，生成用户模型。

6.根据权利要求3或5所述的一种基于用户线下行为的个性化健身信息推送方法，其特征在于，所述基于所述用户模型，生成用户目标模型步骤包括：

获取用户的目标生理特征；其中，所述目标生理特征包括目标体重以及目标三围；

根据所述目标生理特征，对所述用户模型进行调整，生成用户目标模型。

7.根据权利要求3所述的一种基于用户线下行为的个性化健身信息推送方法，其特征在于，所述根据所述用户运动数据、用户模型以及用户目标模型，生成推送信息步骤包括：

根据所述用户运动数据，生成健身偏好信息以及健身效果信息；其中，所述健身偏好信息包括用户的健身偏好项目以及健身偏好项目的平均运动时长；所述健身效果信息包括健身过程消耗的卡路里；

基于所述用户模型以及用户目标模型，生成目标健身项目；

基于所述健身偏好信息以及目标健身项目，生成对应的健身营销信息；其中，所述健身营销信息包括所述健身偏好项目与目标健身项目对应的健身课程以及健身产品。

8.一种基于用户线下行为的个性化健身信息推送系统，其特征在于，包括：

采集模块（1），用于采集用户健身时的图像，得到健身视频；

用户运动数据获取模块（2），用于根据所述健身视频以及预先生成的健身模型，得到用户运动数据；其中，所述用户运动数据包括运动项目以及运动时长；

推送信息生成模块（3），用于根据所述用户运动数据、用户模型以及用户目标模型，生成推送信息；其中，所述推送信息包括健身效果信息以及健身营销信息；以及，

发送模块（4），用于将所述推送信息发送至用户的智能终端。

9.一种计算机可读存储介质，其特征在于：存储有能够被处理器加载并执行如权利要求1-7中任一种方法中的计算机程序。

Images