CN115394400B - 一种线上ai智能运动管理方法及检测系统 - Google Patents

一种线上ai智能运动管理方法及检测系统 Download PDF

Info

Publication number
CN115394400B
CN115394400B CN202211023814.8A CN202211023814A CN115394400B CN 115394400 B CN115394400 B CN 115394400B CN 202211023814 A CN202211023814 A CN 202211023814A CN 115394400 B CN115394400 B CN 115394400B
Authority
CN
China
Prior art keywords
module
calculating
exercise
toe
user
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
CN202211023814.8A
Other languages
English (en)
Other versions
CN115394400A (zh
Inventor
吴立杰
薛超
王侃
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.)
Hangzhou Shining Information Service Co ltd
Original Assignee
Hangzhou Shining Information Service 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 Hangzhou Shining Information Service Co ltd filed Critical Hangzhou Shining Information Service Co ltd
Priority to CN202211023814.8A priority Critical patent/CN115394400B/zh
Publication of CN115394400A publication Critical patent/CN115394400A/zh
Application granted granted Critical
Publication of CN115394400B publication Critical patent/CN115394400B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
    • G16H20/30—ICT 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/20—Movements or behaviour, e.g. gesture recognition
    • G06V40/23—Recognition of whole body movements, e.g. for sport training
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
    • G08B21/18—Status alarms
    • G08B21/24—Reminder alarms, e.g. anti-loss alarms
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N5/00—Details of television systems
    • H04N5/76—Television signal recording
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D30/00—Reducing energy consumption in communication networks
    • Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Physical Education & Sports Medicine (AREA)
  • Medical Informatics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biophysics (AREA)
  • Business, Economics & Management (AREA)
  • Epidemiology (AREA)
  • Emergency Management (AREA)
  • Signal Processing (AREA)
  • Primary Health Care (AREA)
  • Public Health (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Psychiatry (AREA)
  • Social Psychology (AREA)
  • Human Computer Interaction (AREA)
  • Theoretical Computer Science (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)

Abstract

本发明公开了一种线上AI智能运动管理方法及检测系统，包括步骤：S101、学校设定锻炼时长；S102、学生选择AI锻炼类型；S103、校验人像位置；S104、判断是否完整识别人像，结果是进入S105，结果否进入S103；S105、开始倒计时；S106、持续建校验人像位置；S107、判断是否完整识别人像，结果是进入S108，结果否则暂停倒计时并回到S106；108、识别动作，动作标准计数加1，动作不标准计数不变；S109、统计完成次数，选择是否正常结束，选择否，回到S102，选择是，上传锻炼记录。学校给学生设定锻炼时长，让学生能够在室内锻炼的同时通过手机进行记录数据。

Description

一种线上AI智能运动管理方法及检测系统
技术领域
本发明涉及一种运动方法，特别涉及一种线上AI智能运动管理方法及检测系统。
背景技术
随着社会经济发展及生活水平不断提高，人们越来越重视身体的健康状况，因而更多的人们进行各项运动活动。目前人们对健身运动的认识开始不断加深，逐渐意识到运动的重要性。人们目前大部分运动都是在户外或者健身房内进行。
按时随着AI人工智能的不断发展，传统锻炼无法对运动过程中的人们进行提醒，做不标准的动作容易让身体受到损害，新的且更加智能的AI室内锻炼方式成为当下迫不及待的替代方案。
发明内容
本发明的目的是提供一种线上AI智能运动管理方法，通过手机对学生的锻炼进行检测。
本发明的上述技术目的是通过以下技术方案得以实现的：
一种线上AI智能运动管理方法，包括步骤：
S101、学校设定锻炼时长；
S102、学生选择AI锻炼类型；
S103、校验人像位置；
S104、判断是否完整识别人像，结果是进入S105，结果否进入S103；
S105、开始倒计时；
S106、持续建校验人像位置；
S107、判断是否完整识别人像，结果是进入S108，结果否则暂停倒计时并回到S106；
S108、识别动作，动作标准计数加1，动作不标准计数不变；
S109、统计完成次数，选择是否正常结束，选择否，回到S102，选择是，上传锻炼记录。
一种线上AI智能运动检测系统，包括输入模块、拍摄模块、计算模块、存储模块和反馈模块；
输入模块分别与拍摄模块和存储模块连接，且学生在输入模块内可以填入基本信息；
存储模块用于存储学生信息和运动记录；
拍摄模块与计算模块连接，拍摄模块控制手机的摄像头对学生运动锻炼进行拍摄，并且将拍摄到的图像传输给计算模块；
计算模块判断由摄像头传输过来的图像，且对人体关节点进行检测定位，判断人体动作是否标准，标准计数+1，否则不计数，且将最后结果传给存储模块；
反馈模块通过计算模块得到的数据，对用户的锻炼的动作规范进行提醒。
作为优选，所述计算模块监测开合跳包括以下步骤：
S201、输入图像，利用训练好的卷积神经网络对人体关节点进行检测定位，定位的人体关节点包括：手掌a、手肘b、肩膀c、胯d、脚裸e、脚尖f；
S202、计算图像的手臂展开角度∠acd小于等于10°时进入下一步；
S203、计算出脚尖f与地面具有一定的高度，则进入S204；
S204、计算接下来的图像的手臂展开角度∠acd大于等于170°，同时计算脚张开的角度∠cde小于等于150°，二者都满足进入S205；
S205、计算接下来的图像脚尖f与地面具有一定的高度，进入S206；
S206、计算∠计算图像的手臂展开角度∠acd小于等于10°，且计算脚张开的角度∠cde大于等于170°，则开合跳完成，计数+1；重新回到S202。
作为优选，在步骤202至S206，持续计算手臂伸直∠abc大于等于170度，否则通过反馈模块提醒用户手臂伸直。
作为优选，计算在步骤S202中用户站立时的脚裸e与脚尖f之间的高度为A；
计算步骤S203中用户跳起，脚尖f从脱离地面的时候提醒计算模块开始监测，计算脚尖f重新落在地面的时候，脚裸e与脚尖f之间的高度为A1；
计算步骤S205中用户跳起，脚尖f从脱离地面的时候提醒计算模块开始监测，计算脚尖f重新落在地面的时候，脚裸e与脚尖f之间的高度为A2；
当A1>A或者A2>A表示脚尖落地，动作标准，当A1=A或者A2=A表示脚掌落地，动作不标准，当A1<A或者A2<A表示脚跟落地时动作不标准，动作不标准时计算模块向反馈模块传递信号，反馈模块提醒用户用脚尖着地。
作为优选，计算在步骤S202中A的同时计算图像中胯d与脚裸e之间的距离B；
在计算步骤S203中A1的同时计算图像中胯d与脚裸e之间的距离B1；
在计算步骤S205中A2的同时计算图像中胯d与脚裸e之间的距离B2；
当B1<B或者B2<B时，表示腿在落地时弯曲，动作规范，当B1=B或者B2=B时，表示腿在落地时伸直并未弯曲,动作不规范，动作不标准时计算模块向反馈模块传递信号，反馈模块提醒用户落地式腿要进行弯曲。
作为优选，所述输入模块设有身高、体重、腰围和性别的输入，将数据传递给计算模块，通过计算公式计算用户的体脂率：
公式一：BMI=体重/身高的平方，体脂率=1.2×BMI+0.23×年龄-5.4-10.8×性别（男为1，女为0）；
公式二：男性：参数y=腰围x0.74，参数z=(体重x0.082)+44.74，身体脂肪总重量=y-z，体脂率(身体脂肪百分比)=(身体脂肪总重量÷体重)x100%，
女性：参数y=腰围x0.74参数z=(体重x0.082)+34.89，身体脂肪总重量-公斤=y-z，体脂率（身体脂肪百分比）=(身体脂肪总重量÷体重)x100%；
最终结果（公式一+公式二）/2=标准体脂率C。
作为优选，当C≥30%时，通过反馈模块提醒用户运动不能太剧烈，且控制在1分钟开合跳30次左右，每隔一分钟需要停下计时休息一分钟；
当15%＜C＜30%，用户正常运动；
当C≤15%时，通过反馈模块提醒用户需要加快开合跳的速度，控制在每分钟150次左右。
本发明的有益效果：1、学校在后台设定学生的锻炼时长，让学生每天都需要锻炼规定时间；2、通过手机对锻炼过程进行拍摄，方便学生在室内就可以进行锻炼；3、通过卷积神经网络对人体关节检测与定位，判断动作次数；4、通过检测系统对开合跳的次数进行计算；5、通过计算手臂的角度，提醒用户在开合跳锻炼过程中手臂伸直；6、通过计算脚裸e与脚尖f之间的高度，可以推算出用户锻炼过程中是否是脚尖落地，提醒用户跳回地面的时候脚尖落地，减少冲击力并且能够保护膝盖；7、计算用户在落地的时候胯d与脚裸e之间的长度距离，判断出用户跳回地面是否膝盖弯曲，提醒用户在落地的时候膝盖弯曲能够有效减少冲击力并且能够保护膝盖；8、通过用户的体重腰围计算体脂率，通过体脂率的高低来对用户提出建议，有效保护体重过大的用户在开合跳的过程中的膝盖，对体脂率小的建议加快频率。
附图说明
图1为本发明的运动管理方法流程图；
图2为本发明的运动检测系统图；
图3为开合跳起始阶段状态示意图；
图4为开合跳起跳阶段状态示意图；
图5为开合跳落地阶段状态示意图。
具体实施方式
见图1至5，一种线上AI智能运动管理方法，包括步骤：
S101、学校设定开合跳与深蹲两个项目的锻炼时间；
S102、将手机用支架架好，获取当前运动类型的锻炼时长，获取成功后进入运动中页面。
S103、进入运动中页面，显示身体识别窗口，提示说明：“调整身体，使身体完整出现在屏幕中”，保持身体与手机之间距离1.5米左右，当识别到人像完整出现在摄像头采集范围内，进行倒计时提示，结束后开始倒计时获取该运动设置的时长。
S104、实时校验人像捕捉是否完整，不完整则暂停倒计时，提示说明：“请将设备放平稳以便准确识别动作并计数”重新进入S103校验人像位置；当人像捕捉完整后，恢复倒计时；
S105、倒计时进行中；
S106、实时校验人像捕捉是否完整；
S107、判断是否完整识别人像，结果是进入S108，结果否则暂停倒计时并回到S106；
S108、并对用户动作进行识别，识别通过后，计数+1；识别不通过，计数不变；
S109、倒计时未结束，点击“退出”，暂停倒计时，弹窗询问：“确定结束本次锻炼吗”，出现“继续锻炼”和“结束锻炼”两个选项。点击“继续锻炼”，恢复倒计时，校验人像捕捉是否完整；点击“结束锻炼”，进入运动结束页，倒计时结束，自动结束本次锻炼，进入运动结束页，提交本次运动数据，包括：锻炼类型、开始时间、锻炼时长、完成个数。
一种线上AI智能运动检测系统包括输入模块、拍摄模块、计算模块、存储模块和反馈模块,，本系统对开合跳的锻炼进行检测计数。
输入模块分别与拍摄模块和存储模块连接，且学生在输入模块内可以填入基本信息，所述输入模块设有身高、体重、腰围和性别的输入，将数据传递给计算模块，通过计算公式计算用户的体脂率：
公式一：BMI=体重/身高的平方，体脂率=1.2×BMI+0.23×年龄-5.4-10.8×性别（男为1，女为0）；
公式二：男性：参数y=腰围x0.74，参数z=(体重x0.082)+44.74，身体脂肪总重量=y-z，体脂率(身体脂肪百分比)=(身体脂肪总重量÷体重)x100%；
女性：参数y=腰围x0.74参数z=(体重x0.082)+34.89，身体脂肪总重量-公斤=y-z，体脂率（身体脂肪百分比）=(身体脂肪总重量÷体重)x100%；
最终结果（公式一+公式二）/2=标准体脂率C；
当C≥30%时，通过反馈模块提醒用户运动不能太剧烈，且控制在1分钟开合跳30次左右，每隔一分钟需要停下计时休息一分钟；
当15%＜C＜30%，用户正常运动；
当C≤15%时，通过反馈模块提醒用户需要加快开合跳的速度，控制在每分钟150次左右。
存储模块用于存储学生信息和运动记录。
拍摄模块与计算模块连接，拍摄模块控制手机的摄像头对学生运动锻炼进行拍摄，并且将拍摄到的图像传输给计算模块。
计算模块判断由摄像头传输过来的图像，且对人体关节点进行检测定位，判断人体动作是否标准，标准计数+1，否则不计数，且将最后结果传给存储模块，计算模块监测开合跳包括以下步骤：
S201、输入图像，利用训练好的卷积神经网络对人体关节点进行检测定位，定位的人体关节点包括：手掌a、手肘b、肩膀c、胯d、脚裸e、脚尖f；
S202、开合跳第一步手臂下垂位于身体两侧，计算图像的手臂展开角度∠acd小于等于10°时进入下一步，计算计算在用户站立时的脚裸e与脚尖f之间的高度为A，同时计算图像中胯d与脚裸e之间的距离B；
S203、开始起跳，计算出脚尖f与地面具有一定的高度，则进入S204，用户跳起，脚尖f从脱离地面的时候提醒计算模块开始监测，计算脚尖f重新落在地面的时候，脚裸e与脚尖f之间的高度为A1，胯d与脚裸e之间的距离B1，当A1>A，表示脚尖落地，动作标准，当A1=A，表示脚掌落地，动作不标准，当A1<A表示脚跟落地时动作不标准，动作不标准时计算模块向反馈模块传递信号，反馈模块提醒用户用脚尖着地，当B1<B表示腿在落地时弯曲，动作规范，当B1=B表示腿在落地时伸直并未弯曲,动作不规范，动作不标准时计算模块向反馈模块传递信号，反馈模块提醒用户落地式腿要进行弯曲；
S204、双臂竖直向上展开，计算接下来的图像的手臂展开角度∠acd大于等于170°，双脚两侧打开，同时计算脚张开的角度∠cde小于等于150°，二者都满足进入S205；
S205、跳跃，计算接下来的图像脚尖f与地面具有一定的高度，进入S206，用户跳起，脚尖f从脱离地面的时候提醒计算模块开始监测，计算脚尖f重新落在地面的时候，脚裸e与脚尖f之间的高度为A2，胯d与脚裸e之间的距离B2，当A2>A，表示脚尖落地，动作标准，当A2=A，表示脚掌落地，动作不标准，当A2<A表示脚跟落地时动作不标准，动作不标准时计算模块向反馈模块传递信号，反馈模块提醒用户用脚尖着地，当B2<B表示腿在落地时弯曲，动作规范，当B2=B表示腿在落地时伸直并未弯曲,动作不规范，动作不标准时计算模块向反馈模块传递信号，反馈模块提醒用户落地式腿要进行弯曲；
S206、双臂放回身体两侧，计算∠计算图像的手臂展开角度∠acd小于等于10°，且双脚闭拢计算脚张开的角度∠cde大于等于170°，则开合跳完成，计数+1；重新回到S202。
反馈模块通过计算模块得到的数据，通过手机的语音生成功能，对用户的锻炼的动作规范进行提醒。

Claims (6)

1.一种线上AI智能运动管理方法，其特征在于，包括步骤：S101、学校设定锻炼时长；S102、学生选择AI锻炼类型；S103、校验人像位置；S104、判断是否完整识别人像，结果是进入S105，结果否进入S103；S105、开始倒计时；S106、持续建校验人像位置；S107、判断是否完整识别人像，结果是进入S108，结果否则暂停倒计时并回到S106；S108、识别动作，动作标准计数加1，动作不标准计数不变；S109、统计完成次数，选择是否正常结束，选择否，回到S102，选择是，上传锻炼记录；
还包括输入模块、拍摄模块、计算模块、存储模块和反馈模块；输入模块分别与拍摄模块和存储模块连接，且学生在输入模块内可以填入基本信息；存储模块用于存储学生信息和运动记录；拍摄模块与计算模块连接，拍摄模块控制手机的摄像头对学生运动锻炼进行拍摄，并且将拍摄到的图像传输给计算模块；计算模块判断由摄像头传输过来的图像，且对人体关节点进行检测定位，判断人体动作是否标准，标准计数+1，否则不计数，且将最后结果传给存储模块；反馈模块通过计算模块得到的数据，对用户的锻炼的动作规范进行提醒；
所述计算模块监测开合跳包括以下步骤：S201、输入图像，利用训练好的卷积神经网络对人体关节点进行检测定位，定位的人体关节点包括：手掌a、手肘b、肩膀c、胯d、脚裸e、脚尖f；S202、计算图像的手臂展开角度∠acd小于等于10°时进入下一步；S203、计算出脚尖f与地面具有一定的高度，则进入S204；S204、计算接下来的图像的手臂展开角度∠acd大于等于170°，同时计算脚张开的角度∠cde小于等于150°，二者都满足进入S205；S205、计算接下来的图像脚尖f与地面具有一定的高度，进入S206；S206、计算∠计算图像的手臂展开角度∠acd小于等于10°，且计算脚张开的角度∠cde大于等于170°，则开合跳完成，计数+1；重新回到S202。
2.根据权利要求1所述的一种线上AI智能运动检测系统，其特征在于，在步骤202至S206，持续计算手臂伸直∠abc大于等于170度，否则通过反馈模块提醒用户手臂伸直。
3.根据权利要求2所述的一种线上AI智能运动检测系统，其特征在于，计算在步骤S202中用户站立时的脚裸e与脚尖f之间的高度为A；
计算步骤S203中用户跳起，脚尖f从脱离地面的时候提醒计算模块开始监测，计算脚尖f重新落在地面的时候，脚裸e与脚尖f之间的高度为A1；
计算步骤S205中用户跳起，脚尖f从脱离地面的时候提醒计算模块开始监测，计算脚尖f重新落在地面的时候，脚裸e与脚尖f之间的高度为A2；
当A1>A或者A2>A表示脚尖落地，动作标准，当A1=A或者A2=A表示脚掌落地，动作不标准，当A1<A或者A2<A表示脚跟落地时动作不标准，动作不标准时计算模块向反馈模块传递信号，反馈模块提醒用户用脚尖着地。
4.根据权利要求3所述的一种线上AI智能运动检测系统，其特征在于，计算在步骤S202中A的同时计算图像中胯d与脚裸e之间的距离B；
在计算步骤S203中A1的同时计算图像中胯d与脚裸e之间的距离B1；
在计算步骤S205中A2的同时计算图像中胯d与脚裸e之间的距离B2；
当B1<B或者B2<B时，表示腿在落地时弯曲，动作规范，当B1=B或者B2=B时，表示腿在落地时伸直并未弯曲,动作不规范，动作不标准时计算模块向反馈模块传递信号，反馈模块提醒用户落地式腿要进行弯曲。
5.根据权利要求1所述的一种线上AI智能运动检测系统，其特征在于，所述输入模块设有身高、体重、腰围和性别的输入，将数据传递给计算模块，通过计算公式计算用户的体脂率：
公式一：BMI=体重/身高的平方，体脂率=1.2×BMI+0.23×年龄-5.4-10.8×性别（男为1，女为0）；
公式二：男性：参数y=腰围x0.74，参数z=(体重x0.082)+44.74，身体脂肪总重量=y-z，体脂率(身体脂肪百分比)=(身体脂肪总重量÷体重)x100%；
女性：参数y=腰围x0.74参数z=(体重x0.082)+34.89，身体脂肪总重量-公斤=y-z，体脂率（身体脂肪百分比）=(身体脂肪总重量÷体重)x100%；
最终结果（公式一+公式二）/2=标准体脂率C。
6.根据权利要求5所述的一种线上AI智能运动检测系统，其特征在于，当C≥30%时，通过反馈模块提醒用户运动不能太剧烈，且控制在1分钟开合跳30次左右，每隔一分钟需要停下计时休息一分钟；
当15%＜C＜30%，用户正常运动；
当C≤15%时，通过反馈模块提醒用户需要加快开合跳的速度，控制在每分钟150次左右。
CN202211023814.8A 2022-08-24 2022-08-24 一种线上ai智能运动管理方法及检测系统 Active CN115394400B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211023814.8A CN115394400B (zh) 2022-08-24 2022-08-24 一种线上ai智能运动管理方法及检测系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211023814.8A CN115394400B (zh) 2022-08-24 2022-08-24 一种线上ai智能运动管理方法及检测系统

Publications (2)

Publication Number Publication Date
CN115394400A CN115394400A (zh) 2022-11-25
CN115394400B true CN115394400B (zh) 2023-07-25

Family

ID=84123374

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211023814.8A Active CN115394400B (zh) 2022-08-24 2022-08-24 一种线上ai智能运动管理方法及检测系统

Country Status (1)

Country Link
CN (1) CN115394400B (zh)

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20160151672A1 (en) * 2014-11-30 2016-06-02 WiseWear Corporation Recommending an exercise activity for a user
CN109087694B (zh) * 2018-07-13 2021-03-30 广东小天才科技有限公司 一种帮助学生锻炼身体的方法及家教设备
CN111091889A (zh) * 2019-12-12 2020-05-01 深圳英鸿骏智能科技有限公司 一种基于镜面显示的人体形态检测方法、存储介质及装置
TWI739551B (zh) * 2020-08-15 2021-09-11 喬山健康科技股份有限公司 健身運動的引導設備
CN113903070A (zh) * 2021-10-28 2022-01-07 安徽高山科技有限公司 一种用于体育测试的引体向上自动监测设备
CN114582021A (zh) * 2022-03-09 2022-06-03 苏州清研军正电子科技有限公司 一种基于图像视觉技术的仰卧起坐计数方法
CN114596451B (zh) * 2022-04-01 2022-11-11 此刻启动(北京)智能科技有限公司 基于ai视觉的体适能测试方法、装置及存储介质

Also Published As

Publication number Publication date
CN115394400A (zh) 2022-11-25

Similar Documents

Publication Publication Date Title
KR101986327B1 (ko) 자세 가이드 제공 방법 및 그 장치
CN109637625B (zh) 自学习式健身计划生成系统
CN105813698A (zh) 用于合并来自多个装置的能量消耗计算的健身训练系统
CN105617639A (zh) 智能健身套装设备及其防作弊方法
CN107273857B (zh) 运动动作的识别方法及装置、电子设备
US11941916B2 (en) Practice drill-related features using quantitative, biomechanical-based analysis
CN107694046A (zh) 一种健身运动训练方法、装置及计算机可读存储介质
KR20220061511A (ko) 운동 자세 및 운동량 가이드 장치, 방법 및 프로그램
CN113128283A (zh) 评估方法、模型构建方法、教学机、教学系统及电子设备
CN115394400B (zh) 一种线上ai智能运动管理方法及检测系统
JP4833919B2 (ja) 眼球運動計測によるゴルフ技量評価方法
CN108379815A (zh) 基于弹性智能传感器节点的带实时反馈的自动化训练系统
CN110781777A (zh) 体育训练中人体动作的判定方法、系统和存储介质
CN109718524B (zh) 一种基于位置的投篮训练系统
US20230245366A1 (en) 3d avatar generation using biomechanical analysis
CN112818800A (zh) 一种基于人体骨骼点深度图像的体育动作评估方法及系统
CN111353345B (zh) 提供训练反馈的方法、装置、系统、电子设备、存储介质
JP2020080096A (ja) オブジェクト識別装置、識別システムおよび識別方法
US20220370853A1 (en) J-sleeve system
CN114209309A (zh) 一种基于视觉技术的运动行为分析方法
CN113641856A (zh) 用于输出信息的方法和装置
WO2021178589A1 (en) Exercise instruction and feedback systems and methods
CN111193812A (zh) 一种可智能分析运动轨迹的检测系统及方法
US20230078009A1 (en) Fitness tracking system and method of operating the same
Zhang et al. IFC: Your invisible fitness coach based on CSI sensing

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