CN115065705B - 健身效果监测方法、装置、电子设备、存储介质及系统 - Google Patents

健身效果监测方法、装置、电子设备、存储介质及系统 Download PDF

Info

Publication number
CN115065705B
CN115065705B CN202210809732.XA CN202210809732A CN115065705B CN 115065705 B CN115065705 B CN 115065705B CN 202210809732 A CN202210809732 A CN 202210809732A CN 115065705 B CN115065705 B CN 115065705B
Authority
CN
China
Prior art keywords
user
data
point cloud
body model
model data
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
Application number
CN202210809732.XA
Other languages
English (en)
Other versions
CN115065705A (zh
Inventor
孙思凯
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.)
Shenzhen Skyworth RGB Electronics Co Ltd
Original Assignee
Shenzhen Skyworth RGB Electronics 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 Shenzhen Skyworth RGB Electronics Co Ltd filed Critical Shenzhen Skyworth RGB Electronics Co Ltd
Priority to CN202210809732.XA priority Critical patent/CN115065705B/zh
Publication of CN115065705A publication Critical patent/CN115065705A/zh
Application granted granted Critical
Publication of CN115065705B publication Critical patent/CN115065705B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04LTRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00Network arrangements or protocols for supporting network services or applications
    • H04L67/01Protocols
    • H04L67/12Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90Details of database functions independent of the retrieved data types
    • G06F16/95Retrieval from the web
    • G06F16/953Querying, e.g. by the use of web search engines
    • G06F16/9535Search customisation based on user profiles and personalisation
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90Details of database functions independent of the retrieved data types
    • G06F16/95Retrieval from the web
    • G06F16/953Querying, e.g. by the use of web search engines
    • G06F16/9536Search customisation based on social or collaborative filtering
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90Details of database functions independent of the retrieved data types
    • G06F16/95Retrieval from the web
    • G06F16/953Querying, e.g. by the use of web search engines
    • G06F16/9537Spatial or temporal dependent retrieval, e.g. spatiotemporal queries
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00Three dimensional [3D] modelling, e.g. data description of 3D objects

Landscapes

  • Engineering & Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Computing Systems (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Computer Graphics (AREA)
  • Geometry (AREA)
  • Software Systems (AREA)
  • Alarm Systems (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本申请公开了健身效果监测方法、装置、电子设备、存储介质及系统,应用于人工智能领域,所述健身效果监测方法包括:通过三维监测装置获取用户点云数据,根据所述用户点云数据建立用户身体模型数据;将所述用户身体模型数据与预设模型库中的历史用户数据进行对比,得到用户历史对比结果;将所述用户身体模型数据与所述预设模型库中的大众典型数据进行对比,得到大众典型对比结果;根据所述用户历史对比结果和所述大众典型对比结果,确定健身效果监测结果。本申请解决了现有技术中对用户健身效果监测的准确性差的技术问题。

Description

健身效果监测方法、装置、电子设备、存储介质及系统
技术领域
本申请涉及人工智能技术领域,尤其涉及一种健身效果监测方法、装置、电子设备、存储介质及系统。
背景技术
随着科技发展,AI技术在体育领域内得到了广泛应用,科研人员研究出的“3D+AI”技术,对运动员动作进行量化分析,将滑行速度、腾空高度、落地远度、旋转角度等运动数据与原始画面迭加起来,解决了高速度、高难度动作还原的难题。这种基于运动员骨点的动作识别算法,帮助运动员直观地了解动作完成的准确度,而后出现了用于居家锻炼的AI运动,通过实时检测视频中的人体轮廓,定位14个关键骨骼点,连点成线、连线形成动作,从而分析、检测动作完成度,但以骨骼点仅能确定用户的动作,并不能准确监测用户实时的健身效果。
发明内容
本申请的主要目的在于提供一种健身效果监测方法、系统、电子设备及可读存储介质,旨在解决现有技术中对用户健身效果监测的准确性差的技术问题。
为实现上述目的,本申请提供一种健身效果监测方法,所述健身效果监测方法包括:
通过三维监测装置获取用户点云数据,根据所述用户点云数据建立用户身体模型数据;
将所述用户身体模型数据与预设模型库中的历史用户数据进行对比,得到用户历史对比结果;
将所述用户身体模型数据与所述预设模型库中的大众典型数据进行对比,得到大众典型对比结果;
根据所述用户历史对比结果和所述大众典型对比结果,确定健身效果监测结果。
可选地,在所述根据所述用户点云数据建立用户身体模型数据的步骤之后,所述健身效果监测方法还包括:
根据所述用户身体模型数据,确定与所述用户身体模型数据对应的用户账户信息;
从预设模型库中获取与所述用户账户信息对应的身体模型数据,并确定为历史用户数据。
可选地,所述从预设模型库中获取与所述用户账户信息对应的身体模型数据,并确定为历史用户数据的步骤包括:
确定目标对比时间范围;
从预设模型库中获取所述用户账户信息对应的身体模型数据,根据所述目标对比时间范围从所述身体模型数据中筛选得到目标身体模型数据,将所述目标身体模型数据作为历史用户数据。
可选地,在所述根据所述用户点云数据建立用户身体模型数据的步骤之后,所述健身效果监测方法还包括:
根据所述用户身体模型数据,提取所述用户的特征信息;
根据所述用户的特征信息,从所述预设模型库中获取所述特征信息对应的类似群体的身体模型数据,并确定为大众典型数据。
可选地,所述用户点云数据包括肌肉点云数据,所述根据所述用户点云数据建立用户身体模型数据的步骤包括:
将所述肌肉点云数据根据预设肌肉群类型划分为多组肌肉群点云数据;
根据划分后的所述肌肉群点云数据分别对每一组肌肉群点云数据建立三维模型,以得到用户身体模型数据。
可选地,在所述根据所述用户点云数据建立用户身体模型数据的步骤之后,所述健身效果监测方法还包括:
根据所述用户点云数据确定用户的实时健身动作,识别所述实时健身动作对应的标准健身动作;
若检测到所述实时健身动作与所述标准健身动作存在差异,则向用户推送动作纠正提醒。
为实现上述目的,本申请还提供一种健身效果监测装置,所述装置包括:
获取模块,用于通过三维监测装置获取用户点云数据,根据所述用户点云数据建立用户身体模型数据;
第一对比模块,用于将所述用户身体模型数据与预设模型库中的历史用户数据进行对比,得到用户历史对比结果;
第二对比模块,用于将所述用户身体模型数据与所述预设模型库中的大众典型数据进行对比,得到大众典型对比结果;
确定模块,用于根据所述用户历史对比结果和所述大众典型对比结果,确定健身效果监测结果。
本申请还提供一种电子设备,所述电子设备包括:存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的所述健身效果监测方法的程序,所述健身效果监测方法的程序被处理器执行时可实现如上述的健身效果监测方法的步骤。
本申请还提供一种存储介质,所述存储介质为计算机可读存储介质,所述计算机可读存储介质上存储有实现健身效果监测方法的程序,所述健身效果监测方法的程序被处理器执行时实现如上述的健身效果监测方法的步骤。
本申请还提供一种健身效果监测系统,所述系统包括云端和电视端,所述电视端设有三维监测装置,
所述电视端用于通过所述三维监测装置获取用户点云数据,并将所述用于点云数据发送至所述云端;
所述云端用于:
根据所述用户点云数据建立用户身体模型数据;
将所述用户身体模型数据与预设模型库中的历史用户数据进行对比,得到用户历史对比结果;
将所述用户身体模型数据与所述预设模型库中的大众典型数据进行对比,得到大众典型对比结果;
根据所述用户历史对比结果和所述大众典型对比结果,确定健身效果监测结果,并将所述健身效果监测结果推送至所述电视端。
本申请还提供一种计算机程序产品,包括计算机程序,所述计算机程序被处理器执行时实现如上述的健身效果监测方法的步骤。
本申请提供了一种健身效果监测方法、系统、电子设备及可读存储介质,也即,通过三维监测装置获取用户点云数据,根据所述用户点云数据建立用户身体模型数据;将所述用户身体模型数据与预设模型库中的历史用户数据进行对比,得到用户历史对比结果;将所述用户身体模型数据与所述预设模型库中的大众典型数据进行对比,得到大众典型对比结果;根据所述用户历史对比结果和所述大众典型对比结果,确定健身效果监测结果,通过在锻炼过程中对用户的身体进行同步建模,再将其与预设模型库中的数据分别与历史用户数据及大众典型数据进行对比,以从多维度检测模型,从而监测用户的健身效果,由于收集用户身体模型数据并进行分析反馈都是实时进行的,使检测设备快速通过用户身体模型数据分析用户健身的情况,同时进行多方面的对比,提高了实时监测用户健身效果的准确性。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本申请的实施例,并与说明书一起用于解释本申请的原理。
为了更清楚地说明本申请实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,对于本领域普通技术人员而言,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本申请健身效果监测方法第一实施例的流程示意图;
图2为本申请健身效果监测装置的结构关系示意图;
图3为本申请实施例中健身效果监测方法涉及的硬件运行环境的设备结构示意图;
图4为本申请实施例中健身效果监测系统涉及的交互示意图。
本申请目的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述。显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动的前提下所获得的所有其它实施例,均属于本发明保护的范围。
实施例一
本申请实施例提供一种健身效果监测方法,在本申请健身效果监测方法的第一实施例中,参照图1,所述健身效果监测方法包括:
步骤S10,通过三维监测装置获取用户点云数据,根据所述用户点云数据建立用户身体模型数据;
步骤S20,将所述用户身体模型数据与预设模型库中的历史用户数据进行对比,得到用户历史对比结果;
步骤S30,将所述用户身体模型数据与所述预设模型库中的大众典型数据进行对比,得到大众典型对比结果;
步骤S40,根据所述用户历史对比结果和所述大众典型对比结果,确定健身效果监测结果。
在本实施例中,需要说明的是,随着技术的成熟和成本的降低,目前智能电视平台陆续引入3D结构光或TOF摄像头模组,针对5米内的物体可以进行精准的多层级距离检测,并根据TOF的点云数据对人体全身3D数据进行获取和建模;所述用户点云数据是通过3D摄像头扫描人体或部分肌肉群肌肉表面大量的点的信息,输出的三维坐标系统中一组向量的集合,每一个点都包含三维坐标,也可以包含有颜色信息或反射强度信息,其中,颜色信息通常是通过相机获取彩色影像,然后将对应位置的像素的颜色信息赋予点云中对应的点,反射强度信息的获取是激光扫描仪接收装置采集到的回波强度,此强度信息与目标的表面材质、粗糙度、入射角方向,以及仪器的发射能量,激光波长有关;所述用户身体模型数据为根据摄像头获取的用户点云数据建立的对应肌肉3D模型。
利用Android操作系统提供的Android nn接口,开发人员可以基于nn进行卷积运算以及模型的运行,模型的训练原理是采集海量素材提供给模型,模型识别后,进行人工纠编,不断训练以提升模型对素材的识别准确率,该识别可以运行在单独的硬件ip单元,不占用主芯片SOC的CPU、GPU资源,在不影响电视正常使用的情况下,进行人工智能识别,利用这种模型识别能力,可以将得到的用户身体模型数据在预设模型库中进行模型的识别与对比;所述用户历史对比结果和所述大众典型对比结果为用户身体模型数据对比预设模型库中的数据得到的对比结果;所述健身效果监测结果可以为对比得到的结论也可以为针对用户健身提出的建议。
所述预设模型库可以为存储多用户身体模型数据的数据库,每条用户身体模型数据记录根据用户点云数据建立的用户肌肉模型具体数据,同时包含有用户年龄、性别、测试时间等用户账户信息,所述历史用户数据可以是当前用户的历史用户数据,在本申请实施例中,会将收集到的用户身体模型数据按照获取的时间进行保存,以时间轴的形式作为历史用户数据,同时,后台会收集包括其他用户的用户身体模型数据,以用户的年龄段或性别等类似群体进行分类,从中提取出大众典型数据;所述用户历史对比结果以及所述大众典型对比结果为通过将用户身体模型数据和预设模型库中各数据进行对比,得到的差异或者变化信息,所述健身效果监测结果可以为健身效果,对用户变化信息进行评价。
示例性的,步骤S10至步骤S40包括:
通过三维监测装置对用户身体进行点云扫描,得到的用户点云数据,周期性的将用户点云数据通过点云数据预设肌肉群建模模块进行建模,得到用户身体模型数据,确定预设的预设模型库中的用户身体模型数据以及大众典型数据,将用户身体模型数据与历史用户数据以及大众典型数据分别进行对比,获取两种对比共同得到的对比结果,根据对比结果确定健身效果检测结果。
具体的,当打开居家健身的apk时,启动3D摄像头,获取用户人体肌肉表面的点云数据,根据点云数据进行某个肌肉模组(如肱二头肌)的3D建模,将得到的3D建模数据送至系统内数据模型识别模块,通过将3D建模数据传递至预设模型库进行对比,将对比结果返回至典型肌肉组织状态分析播放模块,根据对比得到的对比结果分析,根据分析的内容给出建议并进行视频演示以及语音播报,给予专业的健身动作纠正,也可以提供专业的饮食建议。
在步骤S10后,在所述根据所述用户点云数据建立用户身体模型数据的步骤之后,所述健身效果监测方法还包括:
步骤A10,根据所述用户身体模型数据,确定与所述用户身体模型数据对应的用户账户信息;
步骤A20,从预设模型库中获取与所述用户账户信息对应的身体模型数据,并确定为历史用户数据。
在本实施例中,需要说明的是,所述用户账户信息可以是本设备上记录的账户信息,包括用户性别、年龄、体重等信息,所述用户账户信息对应的身体模型数据是当前用户已经记录过的用户身体模型数据。
示例性的,步骤A10至步骤A20包括:
根据所述用户身体模型数据,获取与所述用户身体模型数据对应的用户账户信息;从预设模型库中获取具有相同用户账户信息的身体模型数据,并将具有相同用户账户信息的身体模型数据确定为历史用户数据。
在步骤A20中,所述从预设模型库中获取与所述用户账户信息对应的身体模型数据,并确定为历史用户数据的步骤包括:
步骤A21,确定目标对比时间范围;
步骤A22,从预设模型库中获取所述用户账户信息对应的身体模型数据,根据所述目标对比时间范围从所述身体模型数据中筛选得到目标身体模型数据,将所述目标身体模型数据作为历史用户数据。
在本实施例中,需要说明的是,所述目标对比时间范围为系统期望用来进行对比的,以往采集的用户身体模型数据的产生时间范围,比如前一个月或前一年所采集的数据,对比数据通常在用户身体模型数据上具有差异,比如肌肉的周长数据变化,所述用户肌肉变化信息通常为数据上肌肉的变化数据,例如肌肉的周长由25cm变化为27cm。
示例性的,步骤A21至步骤A22包括:
确定系统期望的目标对比时间范围,从预设模型库中获取所述用户账户信息对应的身体模型数据,从身体模型数据中筛选出在目标对比时间范围内的目标身体模型数据,将目标身体模型数据作为历史用户数据。
具体的,健身APK每采集一次用户身体模型数据,会将此用户的用户身体模型数据按照时间保存为同用户账户信息的身体模型数据,设定此健身APK通常以一个月为固定用来对比的目标对比时间范围,如果不存在一个月前的数据,也可以使用其他时间的数据,从多条用户身体模型数据中取得一个月前的身体模型数据,对比显示,一个月前该用户记录的肱二头肌周长为25cm,而实时记录的肱二头肌周长为26cm,肱二头肌增长了1cm,将这些信息作为用户历史对比结果,此外,根据这个结果可以得到用户肌肉报告,证明用户本月针对该肌肉群的锻炼是有成效的,会提示用户继续坚持饮食习惯,训练动作保持等等,如本月数据保持在25cm甚至降低至24cm,会提示用户注意饮食(如蛋白质的摄入是否不足),并进一步提供更有针对性的训练动作等。
在步骤S10后,在所述根据所述用户点云数据建立用户身体模型数据的步骤之后,所述健身效果监测方法还包括:
步骤B10,根据所述用户身体模型数据,提取所述用户的特征信息;
步骤B20,根据所述用户的特征信息,从所述预设模型库中获取所述特征信息对应的类似群体的身体模型数据,并确定为大众典型数据。
在本实施例中,需要说明的是,所述用户的特征信息可以为年龄段、性别或体重等特征信息,也可以为具有相同锻炼习惯、锻炼目标等信息,所述预设模型库可以为经过训练的神经网络模型,将特征信息输入模型后,可以输出大众典型数据,为了将当前用户类似群体中,将具有代表性的体模型数据筛选出来,筛选出来的体模型数据通常为类似群体的主流平均数据,所述大众典型数据为具有相同特征信息的主流平均数据,例如同为男性的身体模型数据、30-35岁人群的身体模型数据。
示例性的,步骤B10至步骤B20包括:
根据用户身体模型数据中的用户账户信息确定目标年龄段以及目标性别等特征信息,从预设模型库中筛选出目标年龄段以及目标性别等类似群体的身体模型数据,将筛选出的身体模型数据作为大众典型数据。
具体的,健身APK每采集一次用户身体模型数据,同时会采集用户的个人信息比如年龄、性别等,将其与用户身体模型数据一同收集至预设模型库中,当需要进行横向对比时,依据当前用户的年龄、性别等特征获取对应的大众典型数据,比如当前用户为25岁男性,则从云端获取25-30岁男性的主流平均数据作为大众典型数据,将其与当前用户实时的用户身体模型数据进行对比,当前用户肱二头肌周长为26cm,而大众典型数据为25cm,根据得到对比数据将其作为大众典型对比结果。
在步骤S10中,所述用户点云数据包括肌肉点云数据,所述根据所述用户点云数据建立用户身体模型数据的步骤包括:
步骤S11,将所述肌肉点云数据根据预设肌肉群类型划分为多组肌肉群点云数据;
步骤S12,根据划分后的所述肌肉群点云数据分别对每一组肌肉群点云数据建立三维模型,以得到用户身体模型数据。
在本实施例中,需要说明的是,所述用户点云数据可以为扫描用户全身的点云数据,也可以为具体到某一部分肌肉的点云数据,所述预设肌肉群类型依据不同的规则可以为多种类型,例如按肌肉的位置,分有胸肌、腹肌、腰肌等;按功能,分有屈肌、伸肌等;按形状,分有长肌、短肌、阔肌等;按肌头数,分有二头肌、三头肌和股四头肌。
示例性的,步骤S11至步骤S12包括:
将摄像头获取到的用户点云数据以预设划分规则,根据不同预设肌肉群类型划分为多组用户点云数据,分别将各组用户点云数据建模,依据预设划分规则,获得人体肌肉不同结构下的用户身体模型数据,对预设肌肉群进行具体的划分,以供集中对某一部分的肌肉进行重点的对比,便于对各部分肌肉分别进行单独评价,从而提出更准确的建议。
在步骤S10后,在所述根据所述用户点云数据建立用户身体模型数据的步骤之后,所述健身效果监测方法还包括:
步骤C10,根据所述用户点云数据确定用户的实时健身动作,识别所述实时健身动作对应的标准健身动作;
步骤C20,若检测到所述实时健身动作与所述标准健身动作存在差异,则向用户推送动作纠正提醒。
在本实施例中,需要说明的是,在所述预设模型库中预置有针对各肌肉组织结构进行健身的标准健身动作。
示例性的,步骤C10至步骤C20包括:
当检测到用户存在健身动作时,根据用户点云数据确定用户当前的健身动作,根据健身动作,从预设模型库中识别出对应的标准健身动作,若当前用户的健身动作与识别得到的标准健身动作存在较大差异,则表示用户此时的健身动作是错误的,需要向用户推送动作纠正提醒,以进行正确的锻炼。
此外,在电视端也可以根据用户点云数据进行3D建模,在摄像头开始获取用户点云数据后,用户也可以自行选择需要进行锻炼的预设肌肉群,终端设备可以向用户推送对应的标准健身动作预览图像或者视频,在进行锻炼时,用户的影响也可投放在终端设备上,以和标准健身动作进行对比,若两者之间存在差异,也可提醒用户当前动作不正确,进行纠正。
本申请实施例提供了一种健身效果监测方法,也即,通过三维监测装置获取用户点云数据,根据所述用户点云数据建立用户身体模型数据;将所述用户身体模型数据与预设模型库中的历史用户数据进行对比,得到用户历史对比结果;将所述用户身体模型数据与所述预设模型库中的大众典型数据进行对比,得到大众典型对比结果;根据所述用户历史对比结果和所述大众典型对比结果,确定健身效果监测结果,通过在锻炼过程中对用户的身体进行同步建模,再将其与预设模型库中的数据分别与历史用户数据及大众典型数据进行对比,以从多维度检测模型,从而监测用户的健身效果,由于收集用户身体模型数据并进行分析反馈都是实时进行的,使检测设备快速通过用户身体模型数据分析用户健身的情况,同时进行多方面的对比,提高了实时监测用户健身效果的准确性。
实施例二
本申请实施例还提供一种如图2所示的健身效果监测装置,所述健身效果监测装置应用于健身效果监测设备,所述健身效果监测装置包括:
获取模块,用于通过三维监测装置获取用户点云数据,根据所述用户点云数据建立用户身体模型数据;
第一对比模块,用于将所述用户身体模型数据与预设模型库中的历史用户数据进行对比,得到用户历史对比结果;
第二对比模块,用于将所述用户身体模型数据与所述预设模型库中的大众典型数据进行对比,得到大众典型对比结果;
确定模块,用于根据所述用户历史对比结果和所述大众典型对比结果,确定健身效果监测结果。
可选地,所述健身效果监测装置还用于:
根据所述用户身体模型数据,确定与所述用户身体模型数据对应的用户账户信息;
从预设模型库中获取与所述用户账户信息对应的身体模型数据,并确定为历史用户数据。
可选地,所述健身效果监测装置还用于:
确定目标对比时间范围;
从预设模型库中获取所述用户账户信息对应的身体模型数据,根据所述目标对比时间范围从所述身体模型数据中筛选得到目标身体模型数据,将所述目标身体模型数据作为历史用户数据。
可选地,所述健身效果监测装置还用于:
根据所述用户身体模型数据,提取所述用户的特征信息;
根据所述用户的特征信息,从所述预设模型库中获取所述特征信息对应的类似群体的身体模型数据,并确定为大众典型数据。
可选地,所述获取模块还用于:
将所述肌肉点云数据根据预设肌肉群类型划分为多组肌肉群点云数据;
根据划分后的所述肌肉群点云数据分别对每一组肌肉群点云数据建立三维模型,以得到用户身体模型数据。
可选地,所述健身效果监测装置还用于:
根据所述用户点云数据确定用户的实时健身动作,识别所述实时健身动作对应的标准健身动作;
若检测到所述实时健身动作与所述标准健身动作存在差异,则向用户推送动作纠正提醒。
实施例三
本发明实施例提供一种电子设备,电子设备包括:至少一个处理器;以及,与至少一个处理器通信连接的存储器;其中,存储器存储有可被至少一个处理器执行的指令,指令被至少一个处理器执行,以使至少一个处理器能够执行上述实施例一中的健身效果监测方法。
下面参考图3,其示出了适于用来实现本公开实施例的电子设备的结构示意图。本公开实施例中的电子设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。图3示出的电子设备仅仅是一个示例,不应对本公开实施例的功能和使用范围带来任何限制。
如图3所示,电子设备可以包括处理装置(例如中央处理器、图形处理器等),其可以根据存储在只读存储器(ROM)中的程序或者从存储装置加载到随机访问存储器(RAM)中的程序而执行各种适当的动作和处理。在RAM中,还存储有电子设备操作所需的各种程序和数据。处理装置、ROM以及RAM通过总线彼此相连。输入/输出(I/O)接口也连接至总线。
通常,以下系统可以连接至I/O接口:包括例如触摸屏、触摸板、键盘、鼠标、图像传感器、麦克风、加速度计、陀螺仪等的输入装置;包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置;包括例如磁带、硬盘等的存储装置;以及通信装置。通信装置可以允许电子设备与其他设备进行无线或有线通信以交换数据。虽然图中示出了具有各种系统的电子设备,但是应理解的是,并不要求实施或具备所有示出的系统。可以替代地实施或具备更多或更少的系统。
特别地,根据本公开的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本公开的实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信装置从网络上被下载和安装,或者从存储装置被安装,或者从ROM被安装。在该计算机程序被处理装置执行时,执行本公开实施例的方法中限定的上述功能。
本发明提供的电子设备,采用上述实施例一中的健身效果监测方法,解决了对用户健身效果监测的准确性差的技术问题。与现有技术相比,本发明实施例提供的电子设备的有益效果与上述实施例一提供的健身效果监测方法的有益效果相同,且该电子设备中的其他技术特征与上述实施例方法公开的特征相同,在此不做赘述。
应当理解,本公开的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式的描述中,具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以所述权利要求的保护范围为准。
实施例四
本实施例提供一种计算机可读存储介质,具有存储在其上的计算机可读程序指令,计算机可读程序指令用于执行上述实施例一中的健身效果监测的方法。
本发明实施例提供的计算机可读存储介质例如可以是U盘,但不限于电、磁、光、电磁、红外线、或半导体的系统、系统或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本实施例中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、系统或者器件使用或者与其结合使用。计算机可读存储介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:电线、光缆、RF(射频)等等,或者上述的任意合适的组合。
上述计算机可读存储介质可以是电子设备中所包含的;也可以是单独存在,而未装配入电子设备中。
上述计算机可读存储介质承载有一个或者多个程序,当上述一个或者多个程序被电子设备执行时,使得电子设备:通过三维监测装置获取用户点云数据,根据所述用户点云数据建立用户身体模型数据;将所述用户身体模型数据与预设模型库中的历史用户数据进行对比,得到用户历史对比结果;将所述用户身体模型数据与所述预设模型库中的大众典型数据进行对比,得到大众典型对比结果;根据所述用户历史对比结果和所述大众典型对比结果,确定健身效果监测结果。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的操作的计算机程序代码,上述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图,图示了按照本发明各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开实施例中所涉及到的模块可以通过软件的方式实现,也可以通过硬件的方式来实现。其中,模块的名称在某种情况下并不构成对该单元本身的限定。
本发明提供的计算机可读存储介质,存储有用于执行上述健身效果监测方法的计算机可读程序指令,解决了对用户健身效果监测的准确性差的技术问题。与现有技术相比,本发明实施例提供的计算机可读存储介质的有益效果与上述实施例一提供的健身效果监测方法的有益效果相同,在此不做赘述。
实施例五
本申请实施例还提供一种如图4所示的健身效果监测系统,所述系统包括云端和电视端,所述电视端设有三维监测装置,
所述电视端用于通过所述三维监测装置获取用户点云数据,并将所述用于点云数据发送至所述云端;
所述云端用于:
根据所述用户点云数据建立用户身体模型数据;
将所述用户身体模型数据与预设模型库中的历史用户数据进行对比,得到用户历史对比结果;
将所述用户身体模型数据与所述预设模型库中的大众典型数据进行对比,得到大众典型对比结果;
根据所述用户历史对比结果和所述大众典型对比结果,确定健身效果监测结果,并将所述健身效果监测结果推送至所述电视端。
可选地,所述健身效果监测系统还用于:
根据所述用户身体模型数据,确定与所述用户身体模型数据对应的用户账户信息;
从预设模型库中获取与所述用户账户信息对应的身体模型数据,并确定为历史用户数据。
可选地,所述健身效果监测系统还用于:
确定目标对比时间范围;
从预设模型库中获取所述用户账户信息对应的身体模型数据,根据所述目标对比时间范围从所述身体模型数据中筛选得到目标身体模型数据,将所述目标身体模型数据作为历史用户数据。
可选地,所述健身效果监测系统还用于:
根据所述用户身体模型数据,提取所述用户的特征信息;
根据所述用户的特征信息,从所述预设模型库中获取所述特征信息对应的类似群体的身体模型数据,并确定为大众典型数据。
可选地,所述健身效果监测系统还用于:
将所述肌肉点云数据根据预设肌肉群类型划分为多组肌肉群点云数据;
根据划分后的所述肌肉群点云数据分别对每一组肌肉群点云数据建立三维模型,以得到用户身体模型数据。
可选地,所述健身效果监测系统还用于:
根据所述用户点云数据确定用户的实时健身动作,识别所述实时健身动作对应的标准健身动作;
若检测到所述实时健身动作与所述标准健身动作存在差异,则向用户推送动作纠正提醒。
本发明提供的健身效果监测系统,采用上述实施例一中的健身效果监测方法,解决了对用户健身效果监测的准确性差的技术问题。与现有技术相比,本发明实施例提供的健身效果监测系统的有益效果与上述实施例提供的健身效果监测方法的有益效果相同,且该健身效果监测系统中的其他技术特征与上述实施例方法公开的特征相同,在此不做赘述。
实施例六
本申请还提供一种计算机程序产品,包括计算机程序,所述计算机程序被处理器执行时实现如上述的健身效果监测方法的步骤。
本申请提供的计算机程序产品解决了对用户健身效果监测的准确性差的技术问题。与现有技术相比,本发明实施例提供的计算机程序产品的有益效果与上述实施例一提供的健身效果监测方法的有益效果相同,在此不做赘述。
以上仅为本申请的优选实施例,并非因此限制本申请的专利范围,凡是利用本申请说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本申请的专利处理范围内。

Claims (8)

1.一种健身效果监测方法,其特征在于,所述健身效果监测方法包括:
通过三维监测装置获取用户点云数据,根据所述用户点云数据建立用户身体模型数据,其中,所述用户点云数据是通过3D摄像头扫描人体或部分肌肉群肌肉表面大量的点的信息,输出的三维坐标系统中一组向量的集合,所述用户身体模型数据为根据摄像头获取的用户点云数据建立的对应肌肉3D模型;
将所述用户身体模型数据与预设模型库中的历史用户数据进行对比,得到用户历史对比结果;
将所述用户身体模型数据与所述预设模型库中的大众典型数据进行对比,得到大众典型对比结果;
根据所述用户历史对比结果和所述大众典型对比结果,确定健身效果监测结果;
其中,所述用户点云数据包括肌肉点云数据,所述根据所述用户点云数据建立用户身体模型数据的步骤包括:
将所述肌肉点云数据根据预设肌肉群类型划分为多组肌肉群点云数据;
根据划分后的所述肌肉群点云数据分别对每一组肌肉群点云数据建立三维模型,以得到用户身体模型数据;
其中,在所述根据所述用户点云数据建立用户身体模型数据的步骤之后,还包括:
根据所述用户身体模型数据,确定与所述用户身体模型数据对应的用户账户信息;
从预设模型库中获取与所述用户账户信息对应的身体模型数据,并确定为历史用户数据。
2.如权利要求1所述的健身效果监测方法,其特征在于,所述从预设模型库中获取与所述用户账户信息对应的身体模型数据,并确定为历史用户数据的步骤包括:
确定目标对比时间范围;
从预设模型库中获取所述用户账户信息对应的身体模型数据,根据所述目标对比时间范围从所述身体模型数据中筛选得到目标身体模型数据,将所述目标身体模型数据作为历史用户数据。
3.如权利要求1所述的健身效果监测方法,其特征在于,在所述根据所述用户点云数据建立用户身体模型数据的步骤之后,所述健身效果监测方法还包括:
根据所述用户身体模型数据,提取所述用户的特征信息;
根据所述用户的特征信息,从所述预设模型库中获取所述特征信息对应的类似群体的身体模型数据,并确定为大众典型数据。
4.如权利要求1所述的健身效果监测方法,其特征在于,在所述根据所述用户点云数据建立用户身体模型数据的步骤之后,所述健身效果监测方法还包括:
根据所述用户点云数据确定用户的实时健身动作,识别所述实时健身动作对应的标准健身动作;
若检测到所述实时健身动作与所述标准健身动作存在差异,则向用户推送动作纠正提醒。
5.一种健身效果监测装置,其特征在于,所述装置包括:
获取模块,用于通过三维监测装置获取用户点云数据,根据所述用户点云数据建立用户身体模型数据,其中,所述用户点云数据是通过3D摄像头扫描人体或部分肌肉群肌肉表面大量的点的信息,输出的三维坐标系统中一组向量的集合,所述用户身体模型数据为根据摄像头获取的用户点云数据建立的对应肌肉3D模型;
第一对比模块,用于将所述用户身体模型数据与预设模型库中的历史用户数据进行对比,得到用户历史对比结果;
第二对比模块,用于将所述用户身体模型数据与所述预设模型库中的大众典型数据进行对比,得到大众典型对比结果;
确定模块,用于根据所述用户历史对比结果和所述大众典型对比结果,确定健身效果监测结果;
其中,所述用户点云数据包括肌肉点云数据,所述获取模块具体用于:
将所述肌肉点云数据根据预设肌肉群类型划分为多组肌肉群点云数据;
根据划分后的所述肌肉群点云数据分别对每一组肌肉群点云数据建立三维模型,以得到用户身体模型数据;
其中,所述健身效果监测装置还用于:
根据所述用户身体模型数据,确定与所述用户身体模型数据对应的用户账户信息;
从预设模型库中获取与所述用户账户信息对应的身体模型数据,并确定为历史用户数据。
6.一种电子设备,其特征在于,所述电子设备包括:
至少一个处理器;以及,
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1至5中任一项所述的健身效果监测方法的步骤。
7.一种存储介质,其特征在于,所述存储介质上存储有实现健身效果监测方法的程序,所述程序被处理器执行以实现如权利要求1至5中任一项所述健身效果监测方法的步骤。
8.一种健身效果监测系统,其特征在于,所述系统包括云端和电视端,所述电视端设有三维监测装置,
所述电视端用于通过所述三维监测装置获取用户点云数据,并将所述用户点云数据发送至所述云端,其中,所述用户点云数据是通过3D摄像头扫描人体或部分肌肉群肌肉表面大量的点的信息,输出的三维坐标系统中一组向量的集合,所述用户身体模型数据为根据摄像头获取的用户点云数据建立的对应肌肉3D模型;
所述云端用于:
根据所述用户点云数据建立用户身体模型数据;
将所述用户身体模型数据与预设模型库中的历史用户数据进行对比,得到用户历史对比结果;
将所述用户身体模型数据与所述预设模型库中的大众典型数据进行对比,得到大众典型对比结果;
根据所述用户历史对比结果和所述大众典型对比结果,确定健身效果监测结果,并将所述健身效果监测结果推送至所述电视端;
其中,所述用户点云数据包括肌肉点云数据,所述云端还用于:
将所述肌肉点云数据根据预设肌肉群类型划分为多组肌肉群点云数据;
根据划分后的所述肌肉群点云数据分别对每一组肌肉群点云数据建立三维模型,以得到用户身体模型数据;
其中,所述云端还用于:
根据所述用户身体模型数据,确定与所述用户身体模型数据对应的用户账户信息;
从预设模型库中获取与所述用户账户信息对应的身体模型数据,并确定为历史用户数据。
CN202210809732.XA 2022-07-11 2022-07-11 健身效果监测方法、装置、电子设备、存储介质及系统 Active CN115065705B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210809732.XA CN115065705B (zh) 2022-07-11 2022-07-11 健身效果监测方法、装置、电子设备、存储介质及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210809732.XA CN115065705B (zh) 2022-07-11 2022-07-11 健身效果监测方法、装置、电子设备、存储介质及系统

Publications (2)

Publication Number Publication Date
CN115065705A CN115065705A (zh) 2022-09-16
CN115065705B true CN115065705B (zh) 2024-05-31

Family

ID=83205742

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210809732.XA Active CN115065705B (zh) 2022-07-11 2022-07-11 健身效果监测方法、装置、电子设备、存储介质及系统

Country Status (1)

Country Link
CN (1) CN115065705B (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8719202B1 (en) * 2011-11-22 2014-05-06 Intellectual Ventures Fund 79 Llc Methods, devices, and mediums associated with monitoring and managing exercise fitness
CN106552412A (zh) * 2015-09-30 2017-04-05 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
CN106971063A (zh) * 2017-03-13 2017-07-21 宇龙计算机通信科技(深圳)有限公司 健身方案推荐方法及移动终端
CN109621331A (zh) * 2018-12-13 2019-04-16 深圳壹账通智能科技有限公司 辅助健身方法、装置及存储介质、服务器
CN111161833A (zh) * 2019-12-20 2020-05-15 中科寒武纪科技股份有限公司 健身计划生成方法及相关设备
CN112071392A (zh) * 2020-09-08 2020-12-11 北京金山云网络技术有限公司 健身动作的推荐方法、装置、电子设备和计算机存储介质

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111048197A (zh) * 2018-10-11 2020-04-21 丽宝大数据股份有限公司 体脂计的使用者自动识别方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8719202B1 (en) * 2011-11-22 2014-05-06 Intellectual Ventures Fund 79 Llc Methods, devices, and mediums associated with monitoring and managing exercise fitness
CN106552412A (zh) * 2015-09-30 2017-04-05 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
CN106971063A (zh) * 2017-03-13 2017-07-21 宇龙计算机通信科技(深圳)有限公司 健身方案推荐方法及移动终端
CN109621331A (zh) * 2018-12-13 2019-04-16 深圳壹账通智能科技有限公司 辅助健身方法、装置及存储介质、服务器
CN111161833A (zh) * 2019-12-20 2020-05-15 中科寒武纪科技股份有限公司 健身计划生成方法及相关设备
CN112071392A (zh) * 2020-09-08 2020-12-11 北京金山云网络技术有限公司 健身动作的推荐方法、装置、电子设备和计算机存储介质

Also Published As

Publication number Publication date
CN115065705A (zh) 2022-09-16

Similar Documents

Publication Publication Date Title
CN111260545B (zh) 生成图像的方法和装置
CN109508681A (zh) 生成人体关键点检测模型的方法和装置
US9183431B2 (en) Apparatus and method for providing activity recognition based application service
CN113870395A (zh) 动画视频生成方法、装置、设备及存储介质
CN111078940B (zh) 图像处理方法、装置、计算机存储介质及电子设备
CN104834597B (zh) 应用响应时长的测量方法和系统
US11482126B2 (en) Augmented reality system for providing movement sequences and monitoring performance
CN113743273B (zh) 基于视频图像目标检测的实时跳绳计数方法、装置和设备
CN108542404A (zh) 注意力评估方法、装置、vr设备及可读存储介质
CN109731302A (zh) 运动姿态识别方法、装置及电子设备
CN113096055B (zh) 图像生成模型的训练方法、装置、电子设备及存储介质
CN109074497A (zh) 使用深度信息识别视频图像序列中的活动
US20220358662A1 (en) Image generation method and device
CN112333165B (zh) 身份认证方法、装置、设备及系统
US20190102951A1 (en) Sensor-based object tracking and monitoring
CN113867532A (zh) 一种基于虚拟现实技能训练的评估系统及评估方法
FR2757002A1 (fr) Systeme de suivi de mobiles en temps reel sur un terrain de sports
CN110585730B (zh) 游戏的节奏感测试方法、装置以及相关设备
CN112241001A (zh) 雷达人体动作识别方法、装置、电子设备和存储介质
CN109147927B (zh) 一种人机交互方法、装置、设备及介质
CN115065705B (zh) 健身效果监测方法、装置、电子设备、存储介质及系统
CN116233556A (zh) 视频推送方法、装置、存储介质以及电子设备
CN115019396A (zh) 一种学习状态监测方法、装置、设备及介质
CN116152907A (zh) 手势重建方法、装置以及电子设备
CN111949860B (zh) 用于生成相关度确定模型的方法和装置

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