CN114969490A - 一种训练课程推荐方法及设备 - Google Patents

Abstract

本申请实施例公开了一种训练课程推荐方法及设备，涉及电子设备领域，解决了无法向用户提供内容与用户特征相匹配的运动课程，使用户不能根据运动课程进行更加有效的运动训练的问题。具体方案为：电子设备获取用户的运动特征；获取与用户的运动特征相匹配的训练动作；向用户推荐包括上述与用户的运动特征相匹配的训练动作的训练课程。

Description

一种训练课程推荐方法及设备

技术领域

本申请实施例涉及电子设备领域，尤其涉及一种训练课程推荐方法及设备。

背景技术

客厅运动越来越受到人们的欢迎，人们足不出户在家通过电视等设备便能够体验各式各样的运动课程。通常电视向人们显示运动课程的方式有以下两种：

一种是电视向人们展示设置好的多个运动课程，以供用户选择。如，电视向用户展示健身、瑜伽、舞蹈等多种运动课程。每种运动课程还可以根据动作的难易程度，分为入门、初级、中级和高级等不同难度的运动课程。当用户选择一个运动课程后，电视便可显示相应运动课程预先编排好的内容给用户，使用户可根据电视显示的运动课程的内容进行相应训练。

另一种是电视根据人们的运动情况或运动喜好，向用户智能推荐一些运动课程，以供用户选择。如，用户的运动喜好为瑜伽，电视可根据该用户的运动喜好推荐展示一些瑜伽相关的运动课程，即瑜伽课程。当用户选择一个瑜伽课程后，电视便可显示相应瑜伽课程预先编排好的内容给用户，使用户可根据电视显示的瑜伽课程的内容进行瑜伽训练。

但是，以上两种方式提供的运动课程无法使用户进行更加有效的运动训练。

发明内容

本申请实施例提供一种训练课程推荐方法及设备，通过向用户提供内容与用户特征相匹配的运动课程，使用户能根据运动课程进行更加有效的运动训练。

为了达到上述目的，本申请实施例采用如下技术方案：

第一方面，本申请实施例提供一种训练课程推荐方法，该方法可应用于电子设备，该方法包括：电子设备获取用户的运动特征；获取与用户的运动特征相匹配的训练动作；向用户推荐包括上述与用户的运动特征相匹配的训练动作的训练课程。

采用上述技术方案，电子设备能够向用户推荐与用户的运动特征相匹配的训练动作。如，向用户推荐展示包括上述与用户的运动特征相匹配的训练动作的训练课程，即向用户推荐与用户更加匹配的训练课程，从而便于用户根据电子设备推荐的训练课程更加有效的进行运动训练。并且，电子设备通过上述方式向用户智能推荐训练课程，能够减少用户的训练课程选择操作，简化用户操作提高用户的使用体验。

在一种可能的实现方式中，电子设备向用户推荐包括上述训练动作的训练课程，包括：电子设备根据与用户的运动特征相匹配的训练动作生成训练课程；电子设备向用户推荐生成的训练课程。如此，电子设备向用户推荐的训练课程的内容均能够与用户相匹配，从而提高向用户智能推荐的训练课程的准确性。

在另一种可能的实现方式中，电子设备获取与用户的运动特征相匹配的训练动作，包括：电子设备根据用户的运动特征，从训练动作库中获取与用户的运动特征相匹配的训练动作；训练动作库中的训练动作为预先编排的训练课程中的动作片段。由于训练动作库中的训练动作为目前编排好的训练课程中的动作片段，因此电子设备从训练动作库中匹配与用户的运动特征相匹配的训练动作，训练动作种类更加丰富，提高向用户推荐的训练课程的内容丰富性。

在另一种可能的实现方式中，电子设备根据用户的运动特征，从训练动作库中匹配得到与用户的运动特征相匹配的训练动作，包括：电子设备根据训练动作库中各训练动作的特征标签，确定用户的运动特征与训练动作库中的各训练动作的匹配度；电子设备确定匹配度由高到低的前N个训练动作为与用户的运动特征相匹配的训练动作，N为大于1的整数。如此，电子设备能够向用户提供匹配度较高的训练动作，提高向用户推荐的训练课程的匹配度。

在另一种可能的实现方式中，用户的运动特征包括：固化特征和/或偏好特征；特征标签包括：运动难度、运动类型、适合人群以及锻炼部位的至少一个；其中，固化特征包括：年龄、性别、体型中的至少一个；偏好特征包括：历史运动信息和/或个人喜好。

在另一种可能的实现方式中，该方法还包括：电子设备显示训练课程的第一训练动作；电子设备判断第一训练动作结束后，用户的体征数据是否大于第一阈值；若是，则电子设备在第一训练动作结束后的第一时长后，显示训练课程的第二训练动作；若否，则电子设备在第一训练动作结束后的第二时长后，显示第二训练动作，第二时长小于第一时长。如此，电子设备可以根据用户的体征数据智能调整进入下一训练动作的休息时间，从而使用户能够有充足的休息时间来调整身体状态。

在另一种可能的实现方式中，电子设备设置有图像采集模块，该方法还包括：电子设备通过图像采集模块获取体征数据。如此，电子设备能够便捷快速的获取用户的体征数据，简化系统结构。

在另一种可能的实现方式中，体征数据包括：心率、呼吸率、心率变异性中的至少一个。

在另一种可能的实现方式中，该方法还包括：在用户完成训练课程的第一训练动作后，电子设备判断第一训练动作的完成度是否小于第二阈值；若是，则电子设备将训练课程中未完成的训练动作替换为第三训练动作，第三训练动作的运动难度低于未完成的训练动作的运动难度；若否，则电子设备显示用于用户选择是否替换训练课程中未完成的训练动作的选择界面；在用户根据选择界面选择是否替换后，电子设备根据用户的选择保留训练课程中未完成的训练动作，或，替换训练课程中未完成的训练动作。如此，电子设备可以根据用户完成训练动作的完成度智能调整后续未完成的训练动作，减少出现用户完成训练动作的完成度始终较低无法达到预期训练效果的问题。

第二方面，本申请实施例提供一种训练课程推荐装置，该装置可以应用于电子设备，用于实现上述第一方面中的方法。该装置的功能可以通过硬件实现，也可以通过硬件执行相应的软件实现。硬件或软件包括一个或多个与上述功能相对应的模块，例如，获取模块，处理模块，显示模块、图像采集模块等。

其中，获取模块，可用于获取用户的运动特征；获取与用户的运动特征相匹配的训练动作。处理模块，可用于向用户推荐包括上述训练动作的训练课程。

在一种可能的实现方式中，处理模块，具体用于根据与用户的运动特征相匹配的训练动作生成训练课程；向用户推荐训练课程。

在另一种可能的实现方式中，获取模块，具体用于根据用户的运动特征，从训练动作库中获取与用户的运动特征相匹配的训练动作。其中，训练动作库中的训练动作为预先编排的训练课程中的动作片段。

在另一种可能的实现方式中，获取模块，具体用于根据训练动作库中各训练动作的特征标签，确定用户的运动特征与训练动作库中的各训练动作的匹配度；确定匹配度由高到低的前N个训练动作为与用户的运动特征相匹配的训练动作，N为大于1的整数。

在另一种可能的实现方式中，用户的运动特征包括：固化特征和/或偏好特征；特征标签包括：运动难度、运动类型、适合人群以及锻炼部位的至少一个；其中，固化特征包括：年龄、性别、体型中的至少一个；偏好特征包括：历史运动信息和/或个人喜好。

在另一种可能的实现方式中，显示模块，可用于显示训练课程的第一训练动作；处理模块，还可用于判断第一训练动作结束后，用户的体征数据是否大于第一阈值；若是，则显示模块，还用于在第一训练动作结束后的第一时长后，显示训练课程的第二训练动作；若否，则显示模块，还用于在第一训练动作结束后的第二时长后，显示第二训练动作，第二时长小于第一时长。

在另一种可能的实现方式中，图像采集模块，可用于获取用户的图像，以便处理模块根据用户图像获取体征数据。

在另一种可能的实现方式中，体征数据包括：心率、呼吸率、心率变异性中的至少一个。

在另一种可能的实现方式中，处理模块，还用于在用户完成训练课程的第一训练动作后，判断第一训练动作的完成度是否小于第二阈值；若是，则将训练课程中未完成的训练动作替换为第三训练动作，第三训练动作的运动难度低于未完成的训练动作的运动难度；若否，则显示模块，还用于显示用于用户选择是否替换训练课程中未完成的训练动作的选择界面；处理模块，还用于在用户根据选择界面选择是否替换后，根据用户的选择保留训练课程中未完成的训练动作，或，替换训练课程中未完成的训练动作。

第三方面，本申请实施例提供一种电子设备，包括：处理器，用于存储该处理器可执行指令的存储器。该处理器被配置为执行上述指令时，使得该电子设备实现如第一方面或第一方面的可能的实现方式中任一项所述的训练课程推荐方法。

第四方面，本申请实施例提供一种计算机可读存储介质，其上存储有计算机程序指令。当计算机程序指令被电子设备执行时，使得电子设备实现如第一方面或第一方面的可能的实现方式中任一项所述的训练课程推荐方法。

第五方面，本申请实施例提供一种计算机程序产品，包括计算机可读代码，当所述计算机可读代码在电子设备中运行时，使得电子设备实现如第一方面或第一方面的可能的实现方式中任一项所述的训练课程推荐方法。

应当理解的是，上述第二方面至第五方面的有益效果可以参见上述第一方面中的相关描述，在此不再赘述。

附图说明

图1为相关技术提供的一种训练课程推荐方法应用时的界面示意图；

图2为相关技术提供的另一种训练课程推荐方法应用时的界面示意图；

图3为本申请实施例提供的一种训练课程推荐方法的应用场景示意图；

图4为本申请实施例提供的一种电子设备的结构示意图；

图5为本申请实施例提供的一种训练课程推荐方法的流程示意图；

图6为本申请实施例提供的一种训练动作的特征标签的示意图；

图7为本申请实施例提供的另一种训练课程推荐方法的流程示意图；

图8为本申请实施例提供的一种训练课程推荐方法应用时的界面示意图；

图9为本申请实施例提供的另一种训练课程推荐方法的流程示意图；

图10为本申请实施例提供的另一种训练课程推荐方法应用时的界面示意图；

图11为本申请实施例提供的另一种训练课程推荐方法的流程示意图；

图12为本申请实施例提供的另一种训练课程推荐方法的流程示意图；

图13为本申请实施例提供的另一种训练课程推荐方法应用时的界面示意图；

图14为本申请实施例提供的一种训练课程推荐装置的结构示意图。

具体实施方式

随着客厅运动的兴起，人们开始在家中通过智能电视提供的训练课程来进行运动训练。一般训练课程可以包括健身课程、瑜伽课程、舞蹈课程等不同类型。每个类型的训练课程还可以根据所包含的动作的难易程度划分为入门、初级、中级和高级等。例如，健身课程具体可以有提供不同动作难度的入门健身课程、初级健身课程、中级健身课程以及高级健身课程等。

通常，智能电视可以通过运动健身应用为用户提供各种训练课程。目前，智能电视通过运动健身应用向用户提供训练课程的方式主要有以下两种：

一种方式为，智能电视显示各种类型以及难易程度的训练课程，以供用户选择。例如，智能电视可以先显示各种不同类型的训练课程类别，当用户选择了相应类别的训练课程时，智能电视可显示相应类型的训练课程的不同难易程度的训练课程，以供用户进一步选择。当用户选择相应难度的训练课程之后，智能电视便显示用户选择的训练课程的课程内容以供用户进行运动训练。示例地，如图1中的(a)所示，智能电视可以显示健身课程110、瑜伽课程120以及舞蹈课程130等不同的训练课程类别。如图1中的(a)所示，当用户选择了健身课程110时，如图1中的(b)所示，智能电视可以显示入门健身课程111、初级健身课程112、中级健身课程113以及高级健身课程114等不同难易程度的健身课程，以供用户进一步选择。当用户选择入门健身课程111之后，如图1中的(c)所示，智能电视显示入门健身课程111的内容以供用户进行运动训练。

另一种方式为，智能电视向用户提供与用户的基本信息(如，用户添加的运动喜好等信息)相匹配的几个训练课程，以供用户选择。例如，如图2中的(a)所示，智能电视根据用户的基本信息显示入门健身课程210、中级舞蹈课程220以及初级瑜伽课程230，以供用户选择。当用户选择了入门健身课程210后，如图2中的(b)所示，智能电视显示入门健身课程210的内容以供用户进行运动训练。

可以看到，以上两种智能电视向用户提供训练课程的方式，都无法向用户提供内容与用户特征相匹配的训练课程，即无法向用户提供与用户更加匹配的训练课程。使用户不能根据训练课程进行更加有效的运动训练。

为解决上述问题，本申请实施例提供一种训练课程推荐方法，该方法可以应用于用户通过具有显示功能的电子设备进行运动训练的场景中。例如，以电子设备为智能电视或智慧屏为例，图3示出了一种训练课程推荐方法的应用场景。如图3所示，当用户301站在智慧屏302前需要跟随训练课程进行运动训练时，智慧屏302可以向用户301推荐展示训练课程的训练动作以供用户301进行运动训练。

在本申请实施例中，上述的训练课程推荐方法可以包括：当用户需要进行运动训练时，电子设备获取该用户的运动特征，然后获取得到与该用户的运动特征相匹配的训练动作。电子设备向用户推荐包括与该用户的运动特征相匹配的训练动作的训练课程。

其中，包括与该用户的运动特征相匹配的训练动作的训练课程，可以是包含有与用户的运动特征相匹配的训练动作的预先编排好的训练课程(预先编排好的训练课程还可称为预排课程)，还可以是由与用户的运动特征相匹配的训练动作组合成的训练课程。例如，电子设备获取得到与用户的运动特征相匹配的训练动作之后，可以从各预排课程中选择出包含与用户的运动特征相匹配的训练动作的预排课程，以便向用户推荐。又例如，电子设备获取得到与用户的运动特征相匹配的训练动作之后，可以将这些与用户的运动特征相匹配的训练动作组合成一套训练课程，将该训练课程推荐给用户。

如此，电子设备能够向用户推荐展示训练动作更加符合用户自身特征的训练课程，即向用户推荐与用户更加匹配的训练课程，从而便于用户根据电子设备推荐的训练课程更加有效的进行运动训练。并且，电子设备通过上述方式向用户智能推荐训练课程，能够减少用户的训练课程选择操作，简化用户操作提高用户的使用体验。

在本申请实施例中，上述电子设备可以是手机、平板电脑、具有显示功能的可穿戴设备(如：智能手表、智能手环)、智能家居设备(如：智慧屏、智能电视)、游戏机、笔记本电脑、增强现实(augmented reality，AR)/虚拟现实(virtual reality，VR)设备、媒体播放器等电子设备。本申请实施例对电子设备的具体形态不做特殊限制。需要说明的是，以上电子设备还可以组合使用，例如用户可以将手机的显示界面投屏到电视机上，以通过电视机观看手机向用户推荐的训练课程。又例如，用户可以将游戏机与显示器、智慧屏或智能电视连接，以通过显示器、智慧屏或智能电视观看游戏机向用户推荐的训练课程。

示例地，图4为本申请实施例提供的一种电子设备的结构示意图。

如图4所示，电子设备可以包括处理器410，外部存储器接口420，内部存储器421，通用串行总线(universal serial bus，USB)接口430，充电管理模块440，电源管理模块441，电池442，天线1，天线2，移动通信模块450，无线通信模块460，音频模块470，扬声器470A，受话器470B，麦克风470C，耳机接口470D，传感器模块480，按键490，马达491，指示器492，摄像头493，显示屏494，以及用户标识模块(subscriber identification module，SIM)卡接口495等。其中，传感器模块480可以包括压力传感器480A，陀螺仪传感器480B，气压传感器480C，磁传感器480D，加速度传感器480E，距离传感器480F，接近光传感器480G，指纹传感器480H，温度传感器480J，触摸传感器480K，环境光传感器480L，骨传导传感器480M等。

可以理解的是，本实施例示意的结构并不构成对电子设备的具体限定。在另一些实施例中，电子设备可以包括比图示更多或更少的部件，或者组合某些部件，或者拆分某些部件，或者不同的部件布置。图示的部件可以以硬件，软件或软件和硬件的组合实现。

处理器410可以包括一个或多个处理单元，例如：处理器410可以包括应用处理器(application processor，AP)，调制解调处理器，图形处理器(graphics processingunit，GPU)，图像信号处理器(image signal processor，ISP)，控制器，存储器，视频编解码器，数字信号处理器(digital signal processor，DSP)，基带处理器，和/或神经网络处理器(neural-network processing unit，NPU)等。其中，不同的处理单元可以是独立的器件，也可以集成在一个或多个处理器中。

控制器可以是电子设备的神经中枢和指挥中心。控制器可以根据指令操作码和时序信号，产生操作控制信号，完成取指令和执行指令的控制。

处理器410中还可以设置存储器，用于存储指令和数据。在一些实施例中，处理器410中的存储器为高速缓冲存储器。该存储器可以保存处理器410刚用过或循环使用的指令或数据。如果处理器410需要再次使用该指令或数据，可从所述存储器中直接调用。避免了重复存取，减少了处理器410的等待时间，因而提高了系统的效率。

在一些实施例中，处理器410可以包括一个或多个接口。接口可以包括集成电路(inter-integrated circuit，I2C)接口，集成电路内置音频(inter-integrated circuitsound，I2S)接口，脉冲编码调制(pulse code modulation，PCM)接口，通用异步收发传输器(universal asynchronous receiver/transmitter，UART)接口，移动产业处理器接口(mobile industry processor interface，MIPI)，通用输入输出(general-purposeinput/output，GPIO)接口，用户标识模块(subscriber identity module，SIM)接口，和/或通用串行总线(universal serial bus，USB)接口等。

电子设备通过GPU，显示屏494，以及应用处理器等实现显示功能。GPU为图像处理的微处理器，连接显示屏494和应用处理器。GPU用于执行数学和几何计算，用于图形渲染。处理器410可包括一个或多个GPU，其执行程序指令以生成或改变显示信息。

显示屏494用于显示图像，视频等。显示屏494包括显示面板。显示面板可以采用液晶显示屏(liquid crystal display，LCD)，有机发光二极管(organic light-emittingdiode，OLED)，有源矩阵有机发光二极体或主动矩阵有机发光二极体(active-matrixorganic light emitting diode，AMOLED)，柔性发光二极管(flex light-emittingdiode，FLED)，Miniled，MicroLed，Micro-oLed，量子点发光二极管(quantum dot lightemitting diodes，QLED)等。在一些实施例中，电子设备可以包括1个或N个显示屏494，N为大于1的正整数。

电子设备可以通过ISP，摄像头493，视频编解码器，GPU，显示屏494以及应用处理器等实现拍摄功能。在一些实施例中，电子设备可以包括1个或N个摄像头493，N为大于1的正整数。

NPU为神经网络(neural-network，NN)计算处理器，通过借鉴生物神经网络结构，例如借鉴人脑神经元之间传递模式，对输入信息快速处理，还可以不断的自学习。通过NPU可以实现电子设备的智能认知等应用，例如：图像识别，人脸识别，语音识别，文本理解等。

内部存储器421可以用于存储计算机可执行程序代码，所述可执行程序代码包括指令。处理器410通过运行存储在内部存储器421的指令，从而执行电子设备的各种功能应用以及数据处理。内部存储器421可以包括存储程序区和存储数据区。其中，存储程序区可存储操作系统，至少一个功能所需的应用程序(比如声音播放功能，图像播放功能等)等。存储数据区可存储电子设备使用过程中所创建的数据(比如音频数据，电话本等)等。此外，内部存储器421可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件，闪存器件，通用闪存存储器(universal flash storage，UFS)等。

电子设备可以通过音频模块470，扬声器470A，受话器470B，麦克风470C，耳机接口470D，以及应用处理器等实现音频功能。例如音乐播放，录音等。

当然，可以理解的，上述图4所示仅仅为电子设备的形态为手机时的示例性说明。若电子设备是平板电脑，手持计算机，PC，PDA，可穿戴式设备(如：智能手表、智能手环)，智能家居设备(如：智能电视)，车机(如：车载电脑)，智慧屏，游戏机以及AR/VR设备等其他设备形态时，电子设备的结构中可以包括比图4中所示更少的结构，也可以包括比图4中所示更多的结构，在此不作限制。

以下实施例中的方法均可以在具有上述硬件结构的电子设备中实现。下面将结合附图对本申请实施例进行举例说明。

图5为本申请实施例提供的一种训练课程推荐方法的流程示意图。如图5所示，该训练课程推荐方法可以包括以下S501-S503。

S501、电子设备获取用户的运动特征。

其中，用户的运动特征可以用来表征用户的身体状态以及用户的运动偏好等。例如，用户的运动特征可以包括固化征、偏好特征等。固化特征可以是用户的年龄、性别、体型等表征用户的身体状态的特征。偏好特征可以是用户历史训练记录，个人喜好等。例如，用户曾经训练、浏览或关注过的训练动作。通常，上述固化特征可以由用户根据自身实际情况预先填写设置，保存在电子设备中。而偏好特征可以由电子设备根据用户的历史训练记录提取生成。

在一些可能的实施方式中，电子设备还可以通过设置的图像采集模块(如摄像头等)对用户的身体图像进行采集，通过图像识别的方式识别获取用户的年龄、性别、体型等固话特征。从而简化用户操作，提高用户体验。

S502、电子设备获取与用户的运动特征相匹配的训练动作。

在一些可能的实施方式中，可以将预先编排的训练课程分割成的一个一个的动作片段组成的训练动作集合以作为训练动作库。

示例地，可以为训练动作库中的各训练动作分别设置相应的特征标签，通过特征标签来表征相应训练动作的动作特征。作为一种示例，特征标签可以包括运动难度、运动类型、适合人群以及锻炼部位等。可以根据训练动作的具体特征来设置上述特征标签的内容。例如，如图6中的(a)所示，可以为有氧跳绳训练动作601设置如下特征标签：运动难度：低；运动类型：有氧跳绳；适合人群：不限；锻炼部位：大腿、小腿、手臂。如图6中的(b)所示，可以为瑜伽训练动作602设置如下特征标签：运动难度：中；运动类型：瑜伽；适合人群：不限；锻炼部位：大腿。如图6中的(c)所示，可以为广场舞训练动作603设置如下特征标签：运动难度：高；运动类型：广场舞；适合人群：中老年女性；锻炼部位：大腿、手臂。需要说明的是，图6仅为训练动作的特征标签的示例，实际中同一运动类型的训练动作还可以根据训练动作的特征设置不同的运动难度、锻炼部位等特征标签，此处不做限制。

电子设备可以从训练动作库中获取与用户的运动特征相匹配的训练动作。示例地，电子设备可根据训练动作库中各训练动作的特征标签，确定用户的运动特征与训练动作库中的各训练动作的匹配度。将匹配度满足条件的训练动作确定为与用户的运动特征匹配的训练动作。例如，电子设备可以将匹配度大于预设阈值的训练动作确定为与用户的运动特征相匹配的训练动作。又例如，电子设备确定匹配度由高到低的前N个训练动作为与用户的运动特征相匹配的训练动作，N为大于1的整数。

示例地，如图7所示，可以将用户的运动特征中的偏好特征(如，曾经训练、浏览、关注过的训练动作)作为触发条件(Trigger)对训练动作库中的训练动作进行召回。即按照协同过滤算法算出训练动作库中各训练动作分别与用户曾经训练、浏览、关注过的训练动作间的相似值，按照相似值对训练动作库中各训练动作从大到小进行排序从而得到粗排结果。然后根据用户的运动特征中的固化特征(如，年龄、性别、体型)以及粗排结果中的训练动作各自的特征标签(如，运动难度、运动类型、适合人群以及锻炼部位)进行特征补全，根据训练模型(如，CRT模型)按照训练动作与用户的运动特征的匹配度对上述粗排结果中的训练动作进行打分(即根据训练模型确定粗排结果中的训练动作分别与用户的运动特征的匹配度)。其中，训练动作的分值越高则表明训练动作与用户的运动特征的匹配度越高。之后，可以根据训练动作的打分分值从高到低对粗排结果中的训练动作进行排序。并将排序的前N个(如，前5个)训练动作确定为与用户的运动特征相匹配的训练动作。后续可将该前N个训练动作组合成一个训练课程向用户推荐。在组合成一个训练课程后，还可以根据上述按照打分分值排序出的训练动作来更新用户的运动特征(如偏好特征)，和/或，训练动作自身的特征标签。例如，根据排序出的训练动作的点击率(如，训练动作被匹配或选择的频率)给点击率高的训练动作增加“热点”特征标签。

需要说明的是，图7所示示例中，训练模型需要提前进行训练。根据训练集训练出可预测用户的运动特征与训练动作的匹配度的训练模型。其中，训练集可包括特征(feature)和标签(label)。标签可以是用户的偏好特征(如，用户的历史训练记录)，特征可以是用户的固化特征(如，年龄、性别、体型)和训练动作的特征标签(如，运动难度、运动类型、适合人群、训练部位)。可选地，上述增加的“热点”特征标签也可以更新到该训练集中，以提高训练出的训练模型预测出的匹配度的准确性。

S503、电子设备根据与用户的运动特征相匹配的训练动作生成训练课程，并向用户推荐该训练课程。即，将与用户的运动特征相匹配的训练动作组合成一个训练课程，以向用户推荐。

在本申请实施例中，电子设备向用户推荐训练课程之后，可以依次显示该训练课程中的训练动作。在该训练课程的一个训练动作结束后，电子设备可根据用户的体征数据确定显示下一训练动作的间隔时间(或称为用户进行下一训练动作的休息时间)。例如，电子设备显示该训练课程的第一训练动作。当该第一训练动作结束后，电子设备可判断用户的体征数据(如，心率、呼吸率等)是否大于第一阈值(如，用户的历史运动时的心率、呼吸率平均数值)。若大于，则在第一训练动作结束后的第一时长后，显示训练课程的下一训练动作(如，第二训练动作)。若小于，则在第一训练动作结束后的第二时长后，显示训练课程的下一训练动作(如，第二训练动作)。若用户的体征数据等于第一阈值，则电子设备可在第一时长后显示下一训练动作，也可在第二时长后显示下一训练动作，可根据实际情况设定，此处不做限制。其中，第二时长小于第一时长。第二时长可以是电子设备默认的休息时间。即，电子设备在用户的体征数据大于第一阈值时延长默认的休息时间，从而实现根据用户的体征数据智能调整用户进行下一训练动作前的休息时间，帮助用户进行科学训练。需要说明的是，用户的体征数据可以是电子设备设置的图像采集模块(如摄像头)采用光电容积扫描脉搏波(photoplethysmography，PPG)原理，通过拍摄用户面部图像来获取的。或者，可以是电子设备通过与其连接的用户使用的智能穿戴设备(如，智能手环、智能手表)来获取的。此处不做限制。如图8所示，电子设备可以实时获取用户的体征数据，以向用户实时显示体征数据，如，心率、呼吸率、动作完成度等数据。

示例地，如图9所示，用户开始运动训练时，电子设备实时获取用户的心率和呼吸率并实时显示。当用户的呼吸率大于呼吸率阈值，心率大于心率阈值时，电子设备可以延长进入下一训练动作前的休息时间，直至用户心率和呼吸率恢复正常，再开始下一训练动作。当用户的呼吸率小于或等于呼吸率阈值，心率小于或等于心率阈值时，电子设备可以在默认休息时间(如15秒)后，再开始下一训练动作。

作为一种示例，在一个训练动作结束，下一个训练动作开始之前，即进入下一训练动作前的休息时间，电子设备可以显示休息界面，以向用户显示刚结束的训练动作的完成情况，下一训练动作的预告，用户的体征数据等。例如，如图10所示，电子设备显示的休息界面可以包括刚结束的训练动作的名称1001，如“左侧哑铃单臂俯身划船”，得分1002，实时体征数据1003(如，实时心率和呼吸率)以及下一训练动作的预告1004。基于图9所示示例，当用户的心率和呼吸率恢复正常时，休息界面还可以显示用于提示用户心率恢复正常的提示信息。例如，如图10所示，休息界面中显示提示信息1005“心率已恢复正常，即将开始下节训练”。

综上，如图11所示，电子设备可以根据用户的运动特征(如历史训练记录等)从训练动作库智能推荐训练动作，以生成智能训练课程，提高训练课程与用户的匹配度。电子设备(如智慧屏)还可以采用摄像头实时监测用户的心率、呼吸率。并将其与用户的运动规律(如历史运动心率等)对比，从而智能调整智能训练课程的休息时间，以使智能训练课程的时间编排更加合理。

在本申请实施例中，电子设备依次显示推荐的训练课程中的训练动作时，在该训练课程的一个训练动作结束后，电子设备可以根据刚结束的训练动作的完成度(或称为完成度评分)调整训练课程的后续训练动作。例如，在用户完成训练课程的第一训练动作后(如，电子设备确定第一训练动作结束后)，电子设备判断第一训练动作的完成度是否小于第二阈值。若是，则电子设备将训练课程中未完成的训练动作(即后续训练动作)替换为第三训练动作。若否，则电子设备可显示选择界面，以供用户选择是否替换后续训练动作。电子设备可根据用户的选择保留后续训练动作或替换后续训练动作。其中，第三训练动作的运动难度低于未完成的训练动作的运动难度。若第一训练动作的完成度等于第二阈值，则电子设备可替换后续训练动作为第三训练动作，也可显示选择界面，可根据实际情况设定，此处不做限制。需要说明的是，电子还可以根据第三阈值来显示选择界面。如，若第一训练动作的完成度大于第三阈值，则显示供用户选择保留后续训练动作或替换后续训练动作为运动难度更高的训练动作的选择界面。若第一训练动作的完成度小于第三阈值，则显示供用户选择保留后续训练动作或替换后续训练动作为运动难度更低的训练动作的选择界面。其中，若第一训练动作等于第三阈值，则电子设备显示以上两种选择界面均可，可根据实际情况设定，此处不做限制。从而电子设备可实现根据用户的动作完成情况智能调整未完成的训练动作，减少用户动作完成度不高的情况。需要说明的是，用户完成训练动作的完成度，可以根据动作完成度评分算法计算。如，相关技术中根据获取的用户运动图像与训练动作进行比对识别，根据相似度得到完成度(相似度越高完成度越高)。

示例地，如图12所示，刚结束的训练动作(即当前训练动作)的运动难度为中时，电子设备可根据动作完成度评分算法得到当前训练动作的完成度评分(即完成度)。若完成度小于阈值1(如60)，则自动替换未完成的训练动作为运动难度低一等级的训练动作。若完成度大于或等于阈值1小于阈值2(如80)，则向用户显示降低未完成的训练动作的运动难度或继续训练的选择界面，便于之后根据用户选择执行相应操作(如，若用户选择降低未完成的训练动作，则替换未完成训练动作为运动难度低一等级的训练动作，若用户选择继续训练，则保留未完成的训练动作)。若完成度大于或等于阈值2，则向用户显示升级未完成的训练动作的运动难度或继续训练动作的选择界面，便于之后根据用户选择执行相应操作(如，若用户选择升级未完成的训练动作的运动难度，则替换未完成训练动作为运动难度高一等级的训练动作，若用户选择继续训练，则保留未完成的训练动作)。需要说明的是，电子设备用于替换的训练动作也来自于训练动库。

作为一种示例，电子设备显示选择界面时还可显示用户的训练动作完成度(即动作完成度)。例如，如图13所示，电子设备可以显示刚结束的训练动作的完成度(即动作完成度1301)，以及选择界面1302。其中，当动作完成度1301大于80时，如图13中的(a)所示，选择界面1302可以包括控件“Perfect！继续训练or升级挑战”。当动作完成度1301大于60小于80时，如图13中的(b)所示，选择界面1302可以包括控件“Good！继续训练or降低挑战”。

采用上述的方法，电子设备能够向用户推荐与用户的运动特征相匹配的训练动作。如，向用户推荐展示包括上述与用户的运动特征相匹配的训练动作的训练课程，即向用户推荐与用户更加匹配的训练课程，从而便于用户根据电子设备推荐的训练课程更加有效的进行运动训练。并且，电子设备通过上述方式向用户智能推荐训练课程，能够减少用户的训练课程选择操作，简化用户操作提高用户的使用体验。

对应于前述实施例中的方法，本申请实施例还提供一种训练课程推荐装置。该装置可应用于电子设备，用于实现前述实施例中的方法。该装置的功能可以通过硬件实现，也可以通过硬件执行相应的软件实现。硬件或软件包括一个或多个与上述功能相对应的模块。例如，图14示出了一种训练课程推荐装置的结构示意图，如图14所示，该装置包括：获取模块1401、处理模块1402、显示模块1403和图像采集模块1404等。

其中，获取模块1401，可用于获取用户的运动特征；获取与用户的运动特征相匹配的训练动作。处理模块1402，可用于向用户推荐包括上述训练动作的训练课程。

在一种可能的实现方式中，处理模块1402，具体用于根据与用户的运动特征相匹配的训练动作生成训练课程；向用户推荐训练课程。

在另一种可能的实现方式中，获取模块1401，具体用于根据用户的运动特征，从训练动作库中获取与用户的运动特征相匹配的训练动作。其中，训练动作库中的训练动作为预先编排的训练课程中的动作片段。

在另一种可能的实现方式中，获取模块1401，具体用于根据训练动作库中各训练动作的特征标签，确定用户的运动特征与训练动作库中的各训练动作的匹配度；确定匹配度由高到低的前N个训练动作为与用户的运动特征相匹配的训练动作，N为大于1的整数。

在另一种可能的实现方式中，用户的运动特征包括：固化特征和/或偏好特征；特征标签包括：运动难度、运动类型、适合人群以及锻炼部位的至少一个；其中，固化特征包括：年龄、性别、体型中的至少一个；偏好特征包括：历史运动信息和/或个人喜好。

在另一种可能的实现方式中，显示模块1403，可用于显示训练课程的第一训练动作；处理模块1402，还可用于判断第一训练动作结束后，用户的体征数据是否大于第一阈值；若是，则显示模块1403，还用于在第一训练动作结束后的第一时长后，显示训练课程的第二训练动作；若否，则显示模块1403，还用于在第一训练动作结束后的第二时长后，显示第二训练动作，第二时长小于第一时长。

在另一种可能的实现方式中，图像采集模块1404，可用于获取用户的图像，以便处理模块1402根据用户图像获取体征数据。

在另一种可能的实现方式中，体征数据包括：心率、呼吸率、心率变异性中的至少一个。

在另一种可能的实现方式中，处理模块1402，还用于在用户完成训练课程的第一训练动作后，判断第一训练动作的完成度是否小于第二阈值；若是，则将训练课程中未完成的训练动作替换为第三训练动作，第三训练动作的运动难度低于未完成的训练动作的运动难度；若否，则显示模块1403，还用于显示用于用户选择是否替换训练课程中未完成的训练动作的选择界面；处理模块1402，还用于在用户根据选择界面选择是否替换后，根据用户的选择保留训练课程中未完成的训练动作，或，替换训练课程中未完成的训练动作。

应理解以上装置中单元或模块(以下均称为单元)的划分仅仅是一种逻辑功能的划分，实际实现时可以全部或部分集成到一个物理实体上，也可以物理上分开。且装置中的单元可以全部以软件通过处理元件调用的形式实现；也可以全部以硬件的形式实现；还可以部分单元以软件通过处理元件调用的形式实现，部分单元以硬件的形式实现。

例如，各个单元可以为单独设立的处理元件，也可以集成在装置的某一个芯片中实现，此外，也可以以程序的形式存储于存储器中，由装置的某一个处理元件调用并执行该单元的功能。此外这些单元全部或部分可以集成在一起，也可以独立实现。这里所述的处理元件又可以称为处理器，可以是一种具有信号的处理能力的集成电路。在实现过程中，上述方法的各步骤或以上各个单元可以通过处理器元件中的硬件的集成逻辑电路实现或者以软件通过处理元件调用的形式实现。

在一个例子中，以上装置中的单元可以是被配置成实施以上方法的一个或多个集成电路，例如：一个或多个ASIC，或，一个或多个DSP，或，一个或者多个FPGA，或这些集成电路形式中至少两种的组合。

再如，当装置中的单元可以通过处理元件调度程序的形式实现时，该处理元件可以是通用处理器，例如CPU或其它可以调用程序的处理器。再如，这些单元可以集成在一起，以片上系统(system-on-a-chip，SOC)的形式实现。

在一种实现中，以上装置实现以上方法中各个对应步骤的单元可以通过处理元件调度程序的形式实现。例如，该装置可以包括处理元件和存储元件，处理元件调用存储元件存储的程序，以执行以上方法实施例所述的方法。存储元件可以为与处理元件处于同一芯片上的存储元件，即片内存储元件。

在另一种实现中，用于执行以上方法的程序可以在与处理元件处于不同芯片上的存储元件，即片外存储元件。此时，处理元件从片外存储元件调用或加载程序于片内存储元件上，以调用并执行以上方法实施例所述的方法。

例如，本申请实施例还可以提供一种装置，如：电子设备，可以包括：处理器，用于存储该处理器可执行指令的存储器。该处理器被配置为执行上述指令时，使得该电子设备实现如前述实施例所述的训练课程推荐方法。该存储器可以位于该电子设备之内，也可以位于该电子设备之外。且该处理器包括一个或多个。

在又一种实现中，该装置实现以上方法中各个步骤的单元可以是被配置成一个或多个处理元件，这些处理元件可以设置于对应上述的电子设备上，这里的处理元件可以为集成电路，例如：一个或多个ASIC，或，一个或多个DSP，或，一个或者多个FPGA，或者这些类集成电路的组合。这些集成电路可以集成在一起，构成芯片。

例如，本申请实施例还提供一种芯片，该芯片可以应用于上述电子设备。芯片包括一个或多个接口电路和一个或多个处理器；接口电路和处理器通过线路互联；处理器通过接口电路从电子设备的存储器接收并执行计算机指令，以实现以上方法实施例中所述的方法。

本申请实施例还提供一种计算机程序产品，包括电子设备，如上述电子设备，运行的计算机指令。

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到，为描述的方便和简洁，仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将装置的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。

在本申请所提供的几个实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个装置，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是一个物理单元或多个物理单元，即可以位于一个地方，或者也可以分布到多个不同地方。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个可读取存储介质中。基于这样的理解，本申请实施例的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，如：程序。该软件产品存储在一个程序产品，如计算机可读存储介质中，包括若干指令用以使得一个设备(可以是单片机，芯片等)或处理器(processor)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。

例如，本申请实施例还可以提供一种计算机可读存储介质，其上存储有计算机程序指令。当计算机程序指令被电子设备执行时，使得电子设备实现如前述方法实施例中所述的训练课程推荐方法。

以上所述，仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何在本申请揭露的技术范围内的变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以所述权利要求的保护范围为准。

Claims (11)

1.一种训练课程推荐方法，其特征在于，包括：

电子设备获取用户的运动特征；

所述电子设备获取与所述用户的运动特征相匹配的训练动作；

所述电子设备向所述用户推荐包括所述训练动作的训练课程。

2.根据权利要求1所述的方法，其特征在于，所述电子设备向所述用户推荐包括所述训练动作的训练课程，包括：

所述电子设备根据与所述用户的运动特征相匹配的训练动作生成所述训练课程；

所述电子设备向所述用户推荐所述训练课程。

3.根据权利要求1或2所述的方法，其特征在于，所述电子设备获取与所述用户的运动特征相匹配的训练动作，包括：

所述电子设备根据所述用户的运动特征，从训练动作库中获取与所述用户的运动特征相匹配的训练动作；所述训练动作库中的训练动作为预先编排的训练课程中的动作片段。

4.根据权利要求3所述的方法，其特征在于，所述电子设备根据所述用户的运动特征，从训练动作库中获取与所述用户的运动特征相匹配的训练动作，包括：

所述电子设备根据所述训练动作库中各训练动作的特征标签，确定所述用户的运动特征与所述训练动作库中的各训练动作的匹配度；

所述电子设备确定匹配度由高到低的前N个训练动作为与所述用户的运动特征相匹配的训练动作，N为大于1的整数。

5.根据权利要求4所述的方法，其特征在于，

所述用户的运动特征包括：固化特征和/或偏好特征；

所述特征标签包括：运动难度、运动类型、适合人群以及锻炼部位的至少一个；

其中，所述固化特征包括：年龄、性别、体型中的至少一个；

所述偏好特征包括：历史运动信息和/或个人喜好。

6.根据权利要求1至5任一项所述的方法，其特征在于，所述方法还包括：

所述电子设备显示所述训练课程的第一训练动作；

所述电子设备判断所述第一训练动作结束后，所述用户的体征数据是否大于第一阈值；

若是，则所述电子设备在所述第一训练动作结束后的第一时长后，显示所述训练课程的第二训练动作；

若否，则所述电子设备在所述第一训练动作结束后的第二时长后，显示所述第二训练动作，所述第二时长小于所述第一时长。

7.根据权利要求6所述的方法，其特征在于，所述电子设备设置有图像采集模块，所述方法还包括：

所述电子设备通过所述图像采集模块获取所述体征数据。

8.根据权利要求6或7所述的方法，其特征在于，所述体征数据包括：心率、呼吸率、心率变异性中的至少一个。

9.根据权利要求1至8任一项所述的方法，其特征在于，所述方法还包括：

在所述用户完成所述训练课程的第一训练动作后，所述电子设备判断所述第一训练动作的完成度是否小于第二阈值；

若是，则所述电子设备将所述训练课程中未完成的训练动作替换为第三训练动作，所述第三训练动作的运动难度低于所述未完成的训练动作的运动难度；

若否，则所述电子设备显示用于所述用户选择是否替换所述训练课程中未完成的训练动作的选择界面；所述电子设备根据所述用户的选择保留所述训练课程中未完成的训练动作，或，替换所述训练课程中未完成的训练动作。

10.一种电子设备，其特征在于，包括：处理器，用于存储所述处理器可执行指令的存储器；

所述处理器被配置为执行所述指令时，使得所述电子设备实现如权利要求1至9任一项所述的方法。

11.一种计算机可读存储介质，其上存储有计算机程序指令；其特征在于，当所述计算机程序指令被电子设备执行时，使得电子设备实现如权利要求1至9任一项所述的方法。

Images