CN115587283A - 一种伸腿动作分析方法、系统及设备 - Google Patents
一种伸腿动作分析方法、系统及设备 Download PDFInfo
- Publication number
- CN115587283A CN115587283A CN202210102934.0A CN202210102934A CN115587283A CN 115587283 A CN115587283 A CN 115587283A CN 202210102934 A CN202210102934 A CN 202210102934A CN 115587283 A CN115587283 A CN 115587283A
- Authority
- CN
- China
- Prior art keywords
- leg
- axis
- acceleration
- shank
- 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.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Physics (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Operations Research (AREA)
- Probability & Statistics with Applications (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Algebra (AREA)
- Evolutionary Biology (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本申请实施例公开了一种伸腿动作分析方法、系统及设备,属于人体运动分析技术领域,其中,一种伸腿动作分析方法,包括:获取用户在多个伸腿时间点的动作数据,所述动作数据包括小腿三轴加速度,所述小腿三轴加速度包括小腿X轴加速度、小腿Y轴加速度及小腿Z轴加速度,其中,所述X轴为从所述用户后方至前方的方向,Y轴为从所述用户的左侧至右侧的方向,Z轴为竖直向上的方向;基于所述小腿X轴加速度、所述小腿Y轴加速度及所述小腿Z轴加速度计算小腿倾斜角度,其中,所述小腿倾斜角度为所述用户的小腿与所述Z轴之间的角度;基于所述小腿倾斜角度、所述小腿X轴加速度与小腿Z轴加速度之间的差值判断用户的伸腿特征。
Description
技术领域
本发明涉及人体运动分析领域,具体涉及一种伸腿动作分析方法、系统及设备。
背景技术
立定跳远是测试下肢爆发力和全身协调能力的最简单有效的手段。在体育教学中,完整的立定跳远技术动作由预摆、起跳、腾空、落地四个部分组成。其中在起跳腾空的过程中,两脚快速用力蹬地,同时两臂稍曲由后往前上方摆动,向前上方跳起腾空,并充分展体,完成伸腿动作。
伸腿动作作为协调能力的一部分,其对于跳远的距离和落地状态影响非常巨大,但是现有的用于立定跳远运动分析的技术,大多仅为对跳远的距离进行测量,而没有伸腿动作的过程进行分析。
因此,需要提供一种伸腿动作分析方法、系统及设备,对立定跳远的伸腿动作进行分析。
发明内容
本说明书实施例之一提供一种伸腿动作分析方法,包括:获取用户在多个伸腿时间点的动作数据,所述动作数据包括小腿三轴加速度,所述小腿三轴加速度包括小腿X轴加速度、小腿Y轴加速度及小腿Z轴加速度,其中,所述X轴为从所述用户后方至前方的方向,Y轴为从所述用户的左侧至右侧的方向,Z轴为竖直向上的方向;基于所述小腿X轴加速度、所述小腿Y轴加速度及所述小腿Z轴加速度计算小腿倾斜角度,其中,所述小腿倾斜角度为所述用户的小腿与所述Z轴之间的角度;基于所述小腿倾斜角度、所述小腿X轴加速度与小腿Z轴加速度之间的差值判断用户的伸腿特征。
现有技术中,通常通过人工经验对立定跳远的伸腿动作进行分析,但通过人眼获取的用户的伸腿动作的较多细节,只能对伸腿动作进行大致判断,无法为用户调整伸腿动作提供更加有效帮助,本方法可以通过传感器获取用户在多个伸腿时间点的动作数据,并基于小腿倾斜角度和小腿X轴加速度与小腿Z轴加速度之间的差值确定用户的伸腿动作特征,可以获取更加准确的用户的伸腿特征,有效帮助用户调整伸腿动作,改变用户的跳远方式,提高立定跳远成绩。
所述获取用户在多个伸腿时间点的动作数据,包括:获取所述用户在立定跳远全过程的多个时间点的动作数据;从所述多个时间点中确定伸腿开始时间点、最高时间点及伸腿结束时间点;基于所述伸腿开始时间点、所述最高时间点及所述伸腿结束时间点从所述多个时间点确定所述多个伸腿时间点。
从所述多个时间点中确定所述伸腿开始时间点,包括:从所述多个时间点中确定所述小腿Z轴加速度大于小腿Z轴加速度阈值的多个候选时间点;基于时间先后顺序对所述多个候选时间点进行排序,获取排序结果;基于所述排序结果,从所述多个时间点中确定所述伸腿开始时间点。
所述动作数据包括Z轴高度;从所述多个时间点中确定所述最高时间点,包括:从所述多个时间点对应的所述Z轴高度确定Z轴高度最大值;将所述Z轴高度最大值对应的时间点作为所述最高时间点。
从所述多个时间点中确定所述伸腿结束时间点,包括:从所述多个时间点对应的所述Z轴高度确定Z轴高度最小值;基于时间先后顺序将多个所述Z轴高度最小值对应的时间点进行排序,选取靠后的所述Z轴高度最小值对应的时间点作为所述伸腿结束时间点。
所述基于所述小腿X轴加速度、所述小腿Y轴加速度及所述小腿Z轴加速度计算小腿倾斜角度,包括通过以下公式进行计算:θz=[arctan(Az/squr(Ax*Ax+Ay*Ay))]*180/π其中,θz为所述用户的小腿与所述Z轴之间的角度,Ax为所述小腿X轴加速度,Ay为所述小腿Y轴加速度,Az为所述小腿Z轴加速度。
所述基于所述小腿倾斜角度判断用户的伸腿特征,包括:判断所述小腿倾斜角度是否小于小腿倾斜角度阈值;若所述小腿倾斜角度小于所述小腿倾斜角度阈值,判断所述用户伸腿;若所述小腿倾斜角度大于所述小腿倾斜角度阈值,判断所述用户未伸腿。
所述基于所述小腿X轴加速度与小腿Z轴加速度之间的差值判断用户的伸腿特征,包括:确定小腿X轴加速度最大值,从伸腿开始时间点到所述伸腿结束时间点中的所述多个时间点确定所述小腿X轴加速度最大值;确定小腿Z轴加速度最大值,从伸腿开始时间点到所述最高时间点中的所述多个时间点确定所述小腿Z轴加速度最大值;计算所述小腿X轴加速度最大值与所述小腿Z轴加速度最大值之间的差值,获取小腿加速度差值;判断所述小腿加速度差值是否大于或等于加速度差值阈值;若所述小腿加速度差值大于或等于所述加速度差值阈值,判断所述用户伸腿充分;若所述小腿加速度差值小于所述加速度差值阈值,判断所述用户伸腿未充分。
本说明书实施例之一提供一种伸腿动作分析系统,包括:数据获取模块,用于获取用户在多个伸腿时间点的动作数据,所述动作数据包括小腿三轴加速度,所述小腿三轴加速度包括小腿X轴加速度、小腿Y轴加速度及小腿Z轴加速度,其中,所述X轴为从所述用户后方至前方的方向,Y轴为从所述用户的左侧至右侧的方向,Z轴为竖直向上的方向;
伸腿特征确定模块,用于基于所述小腿X轴加速度、所述小腿Y轴加速度及所述小腿Z轴加速度计算小腿倾斜角度,其中,所述小腿倾斜角度为所述用户的小腿与所述Z轴之间的角度;还用于基于所述小腿倾斜角度、所述小腿X轴加速度与小腿Z轴加速度之间的差值判断用户的伸腿特征。
本说明书实施例之一提供一种伸腿动作分析设备,包括存储器、处理器及存储在所述存储器上并在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现上述的伸腿动作分析方法。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案,下面将对具体实施方式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,下面描述中的附图是本发明的一些实施方式,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
其中:
图1是根据本申请一些实施例所示的一种伸腿动作分析设备的应用场景示意图;
图2是根据本申请的一些实施例所示的一种伸腿动作分析系统的示例性框图;
图3是根据本说明书一些实施例所示的一种伸腿动作分析方法的示例性流程图;
图4a是根据本说明书一些实施例所示的用于展示小腿X轴加速度变化曲线的示意图;
图4b是根据本说明书一些实施例所示的用于展示小腿Y轴加速度变化曲线的示意图;
图4c是根据本说明书一些实施例所示的用于展示小腿Z轴加速度变化曲线的示意图。
图中,100、伸腿动作分析设备;110、处理设备;120、网络;130、传感器;140、存储设备;150、终端设备;200、伸腿动作分析系统。
具体实施方式
下面将结合附图对本发明的技术方案进行清楚、完整地描述,显然,所描述的实施例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做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
此外,下面所描述的本发明不同实施方式中所涉及的技术特征只要彼此之间未构成冲突就可以相互结合。
图1是根据本申请一些实施例所示的一种伸腿动作分析设备100的应用场景示意图。
如图1所示,伸腿动作分析设备100可以包括处理设备110、网络120、传感器130、存储器140及终端设备150。
一种伸腿动作分析设备100可以对学生运动提供帮助。例如可以用于识别学生在立定跳远过程中的伸腿特征并进行分析,有效帮助学生校正不规范的伸腿动作,提高立定跳远的成绩。需要注意的是,一种伸腿动作分析设备100还可以应用在其它需要进行运动动作识别的设备、场景和应用程序中,在此不作限定,任何可以使用本申请所包含的一种伸腿动作分析方法的设备、场景和/或应用程序都在本申请的保护范围内。
处理设备110可以用于处理与伸腿特征识别相关的信息和/或数据。例如,处理设备110可以获取用户在多个伸腿时间点的动作数据,动作数据包括小腿三轴加速度,小腿三轴加速度包括小腿X轴加速度、小腿Y轴加速度及小腿Z轴加速度,其中,X轴为从用户后方至前方的方向,Y轴为从用户的左侧至右侧的方向,Z轴为竖直向上的方向。还例如,处理设备110可以基于小腿X轴加速度、小腿Y轴加速度及小腿Z轴加速度计算小腿倾斜角度,其中,小腿倾斜角度为用户的小腿与Z轴之间的角度。还例如,处理设备110可以基于小腿倾斜角度、小腿X轴加速度与小腿Z轴加速度之间的差值判断用户的伸腿特征。
处理设备110可以是区域的或者远程的。例如,处理设备110可以通过网络120访问存储于终端设备150和存储器140中的信息和/或资料。处理设备110可以直接与终端设备150和存储器140连接以访问存储于其中的信息和/或资料。处理设备110可以在云平台上执行。例如,该云平台可以包括私有云、公共云、混合云、社区云、分散式云、内部云等中的一种或其任意组合。
处理设备110可以包含处理器。该处理器可以处理与伸腿特征识别相关的数据和/或信息以执行一个或多个本申请中描述的功能。处理器可以包含一个或多个子处理器(例如,单芯处理设备或多核多芯处理设备)。仅仅作为范例,处理器可包含中央处理器(CPU)、专用集成电路(ASIC)、专用指令处理器(ASIP)、图形处理器(GPU)、物理处理器(PPU)、数字信号处理器(DSP)、现场可编程门阵列(FPGA)、可编辑逻辑电路(PLD)、控制器、微控制器单元、精简指令集电脑(RISC)、微处理器等或以上任意组合。
网络120可促进一种伸腿动作分析设备100中数据和/或信息的交换。一种伸腿动作分析设备100中的一个或多个组件(例如,处理设备110、传感器130、存储器140及终端设备150)可以通过网络120发送数据和/或信息给一种伸腿动作分析设备100中的其他组件。例如,处理设备110可以通过网络120从传感器130接收用户在多个伸腿时间点的动作数据。网络120可以是任意类型的有线或无线网络。例如,网络120可以包括缆线网络、有线网络、光纤网络、电信网络、内部网络、网际网络、区域网络(LAN)、广域网络(WAN)、无线区域网络(WLAN)、都会区域网络(MAN)、公共电话交换网络(PSTN)、蓝牙网络、ZigBee网络、近场通讯(NFC)网络等或以上任意组合。网络120可以包括一个或多个网络进出点。例如,网络120可以包含有线或无线网络进出点,如基站和/或网际网络交换点,通过这些进出点,一种伸腿动作分析设备100的一个或多个组件可以连接到网络120上以交换数据和/或信息。
传感器130可以获取用户在立定跳远全过程的多个时间点的动作数据,并将用户在立定跳远全过程的多个时间点的动作数据至处理设备110,处理设备110可以从用户在立定跳远全过程的多个时间点的动作数据中获取用户在多个伸腿时间点的动作数据。传感器130获取的动作数据包括小腿三轴加速度,小腿三轴加速度包括小腿X轴加速度、小腿Y轴加速度及小腿Z轴加速度,其中,X轴为从用户后方至前方的方向,Y轴为从用户的左侧至右侧的方向,Z轴为竖直向上的方向,动作数据还包括Z轴高度及小腿倾斜角度,小腿倾斜角度为用户的小腿与Z轴之间的角度。传感器130可以包括用于获取用户的Z轴加速度、Y轴加速度及X轴加速度的设备,例如,十轴传感器、九轴传感器、六轴传感器、三轴传感器等,在实际应用中佩戴在用户的脚踝处。
存储器140可以与网络120连接以实现与一种伸腿动作分析设备100的一个或多个组件(例如,处理设备110、终端设备150等)通讯。一种伸腿动作分析设备100的一个或多个组件可以通过网络120访问存储于存储器140中的资料或指令。存储器140可以直接与一种伸腿动作分析设备100中的一个或多个组件(如,处理设备110、终端设备150)连接或通讯。存储器140可以是处理设备110的一部分。处理设备110还可以位于终端设备150中。
终端设备150可以获取一种伸腿动作分析设备100中的信息或数据。用户(例如,学生或老师)可以通过终端设备150获取用户的伸腿动作特征。终端设备150可以包括移动装置、平板电脑、笔记本电脑等中的一种或其任意组合。移动装置可以包括可穿戴装置、智能行动装置、虚拟实境装置、增强实境装置等或其任意组合。可穿戴装置可以包括智能手环、智能鞋袜、智能眼镜、智能头盔、智能手表、智能衣物、智能背包、智能配饰、智能手柄等或其任意组合。智能行动装置可以包括智能电话、个人数字助理(PDA)、游戏装置、导航装置、POS装置等或其任意组合。虚拟实境装置和/或增强实境装置可以包括虚拟实境头盔、虚拟实境眼镜、虚拟实境眼罩、增强实境头盔、增强实境眼镜、增强实境眼罩等或以上任意组合。
应该注意的是,上述描述仅出于说明性目的而提供,并不旨在限制本申请的范围。对于本领域普通技术人员而言,在本申请内容的指导下,可做出多种变化和修改。可以以各种方式组合本申请描述的示例性的实施例的特征、结构、方法和其他特征,以获得另外的和/或替代的示例性的实施例。例如,存储器140可以是包括云计算平台的数据存储设备,例如公共云、私有云、社区和混合云等。然而,这些变化与修改不会背离本申请的范围。
图2是根据本申请的一些实施例所示的一种伸腿动作分析系统200的示例性框图。
如图2所示,伸腿动作分析系统200可以包括数据获取模块及伸腿特征确定模块。数据获取模块及伸腿特征确定模块可以被实现在处理设备110上。
数据获取模块可以用于获取用户在多个伸腿时间点的动作数据,动作数据包括小腿三轴加速度,小腿三轴加速度包括小腿X轴加速度、小腿Y轴加速度及小腿Z轴加速度,其中,X轴为从用户后方至前方的方向,Y轴为从用户的左侧至右侧的方向,Z轴为竖直向上的方向,动作数据还包括小腿倾斜角度,小腿倾斜角度为用户的小腿与Z轴的夹角,多个伸腿时间点包括伸腿开始时间点、最高时间点及伸腿结束时间点。数据获取模块还可以用于获取Z轴高度。
伸腿特征确定模块可以用于基于小腿X轴加速度、小腿Y轴加速度及小腿Z轴加速度计算小腿倾斜角度,其中,小腿倾斜角度为用户的小腿与Z轴之间的角度。伸腿特征确定模块还可以用于基于小腿倾斜角度、小腿X轴加速度与小腿Z轴加速度之间的差值判断用户的伸腿特征。
图3是根据本说明书一些实施例所示的一种伸腿动作分析方法的示例性流程图,该方法可以由伸腿动作分析设备100或伸腿动作分析系统200执行。如图3所示,伸腿动作分析方法包括下述步骤:
步骤310,获取用户在多个伸腿时间点的动作数据。步骤310可以由数据获取模块执行。
动作数据包括小腿三轴加速度,小腿三轴加速度包括小腿X轴加速度、小腿Y轴加速度及小腿Z轴加速度,其中,X轴为从用户后方至前方的方向,Y轴为从用户的左侧至右侧的方向,Z轴为竖直向上的方向,动作数据还包括Z轴高度。
在用户的腿部安装有用于获取小腿Z轴加速度、小腿Y轴加速度及小腿X轴加速度的传感器。
动作数据还可以包括小腿倾斜角度,小腿倾斜角度为用户的小腿与Z轴的夹角。数据获取模块可以基于小腿X轴加速度、小腿Y轴加速度及小腿Z轴加速度计算小腿倾斜角度。
例如:θz=[arctan(Az/squr(Ax*Ax+Ay*Ay))]*180/π
其中,θz为用户的小腿与Z轴之间的角度,Ax为小腿X轴加速度,Ay为小腿Y轴加速度,Az为小腿Z轴加速度。
数据获取模块获取用户在多个伸腿时间点的动作数据,可以包括:
获取用户在立定跳远全过程的多个时间点的动作数据;
从多个时间点中确定伸腿开始时间点、最高时间点及伸腿结束时间点;
基于伸腿开始时间点、最高时间点及伸腿结束时间点从多个时间点确定多个伸腿时间点。
数据获取模块从多个时间点中确定伸腿开始时间点,包括:
从多个时间点中确定小腿Z轴加速度大于小腿Z轴加速度阈值的多个候选时间点;
基于时间先后顺序对多个候选时间点进行排序,获取排序结果;
基于排序结果,从多个时间点中确定伸腿开始时间点。
例如,多个时间点中存在三个小腿Z轴加速度大于小腿Z轴加速度阈值的候选时间点:10秒11、10秒24、10秒33,则选取最先发生的时间点(即10秒11)作为起跳时间点。
数据获取模块还可以确定小腿Z轴加速度随时间点变化的小腿Z轴加速度变化曲线。数据获取模块可以基于小腿Z轴加速度变化曲线确定伸腿开始时间点。数据获取模块还可以确定小腿X轴加速度随时间点变化的小腿X轴加速度变化曲线。数据获取模块可以基于小腿X轴加速度变化曲线确定伸腿开始时间点。数据获取模块还可以确定小腿Y轴加速度随时间点变化的小腿Y轴加速度变化曲线。数据获取模块可以基于小腿Y轴加速度变化曲线确定伸腿开始时间点。例如,结合图4a,可以将X轴加速度变化曲线的极值a对应的时间点为起跳时间点。还例如,结合图4b,可以将Y轴加速度变化曲线的极值b对应的时间点为起跳时间点。还例如,结合图4c,可以将Z轴加速度变化曲线的极值c对应的时间点为起跳时间点。
数据获取模块从多个时间点中确定最高时间点,可以包括:
从多个时间点对应的Z轴高度确定Z轴高度最大值;
将Z轴高度最大值对应的时间点作为最高时间点。
数据获取模块从多个时间点中确定伸腿结束时间点,可以包括
从多个时间点对应的Z轴高度确定Z轴高度最小值;
基于时间先后顺序将多个Z轴高度最小值对应的时间点进行排序,选取靠后的Z轴高度最小值对应的时间点作为伸腿结束时间点。
步骤320,基于小腿X轴加速度、小腿Y轴加速度及小腿Z轴加速度计算小腿倾斜角度。步骤320可以由特征确定模块执行。
特征确定模块可以通过以下公式进行计算:
θz=[arctan(Az/squr(Ax*Ax+Ay*Ay))]*180/π
其中,θz为用户的小腿与Z轴之间的角度,Ax为小腿X轴加速度,Ay为小腿Y轴加速度,Az为小腿Z轴加速度。
步骤330,基于小腿倾斜角度判断用户的伸腿特征。步骤330可以由特征确定模块执行。
特征确定模块可以基于小腿倾斜角度判断用户的伸腿特征,可以包括:判断小腿倾斜角度是否小于小腿倾斜角度阈值(例如,70°、65°、75°等);
若小腿倾斜角度小于小腿倾斜角度阈值(例如,70°、65°、75°等),判断用户伸腿;
若小腿倾斜角度大于小腿倾斜角度阈值(例如,70°、65°、75°等),判断用户未伸腿。
步骤340,基于小腿X轴加速度与小腿Z轴加速度之间的差值判断用户的伸腿特征。步骤340可以由特征确定模块执行。
特征确定模块可以基于小腿X轴加速度与小腿Z轴加速度之间的差值判断用户的伸腿特征,可以包括:
确定小腿X轴加速度最大值,从伸腿开始时间点到伸腿结束时间点中的多个时间点确定小腿X轴加速度最大值;
确定小腿Z轴加速度最大值,从伸腿开始时间点到最高时间点中的多个时间点确定小腿Z轴加速度最大值;
计算小腿X轴加速度最大值与小腿Z轴加速度最大值之间的差值,获取小腿加速度差值;
判断小腿加速度差值是否大于或等于加速度差值阈值;
若小腿加速度差值大于或等于加速度差值阈值,判断用户伸腿充分;
若小腿加速度差值小于加速度差值阈值,判断用户伸腿未充分。
特征确定模块还可以基于小腿倾斜角度、小腿X轴加速度与小腿Z轴加速度之间的差值及用户相关信息确定用户的伸腿协调值。用户相关信息可以包括用户性别、年龄、身高及体重等。特征确定模块可以先将小腿倾斜角度及小腿X轴加速度与小腿Z轴加速度之间的差值进行归一化处理,并基于归一化后的伸腿角度变化速率及最大腹部倾斜角度确定用户的伸腿协调值。例如,特征确定模块可以基于以下公式计算伸腿协调值:
X=aM+bN;
其中,M为归一化后的小腿倾斜角度,N为归一化后的小腿X轴加速度与小腿Z轴加速度之间的差值,a为归一化后的小腿倾斜角度的系数,b为归一化后的小腿X轴加速度与小腿Z轴加速度之间的差值的系数。特征确定模块可以基于用户性别、年龄、身高及体重确定a、b的值。对于不同的用户特征确定模块确定的a、b的值不同。例如,性别、身高及体重相同的两个用户(即用户1、用户2),用户1的年龄大于用户2的年龄,特征确定模块设置的用户1的a、b的值可以大于用户2的a、b的值。
现有技术中,通常通过人工经验对立定跳远的伸腿动作进行分析,但通过人眼获取的用户的伸腿动作的较多细节,只能对伸腿动作进行大致判断,无法为用户调整伸腿动作提供更加有效帮助,本方法可以通过传感器获取用户在多个伸腿时间点的动作数据,并基于伸腿角度变化速率及最大小腿倾斜角度确定用户的伸腿动作特征,可以获取更加准确的用户的伸腿特征,有效帮助用户调整伸腿动作,提高立定跳远成绩。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROX、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
显然,上述实施例仅仅是为清楚地说明所作的举例,而并非对实施方式的限定。对于所属领域的普通技术人员来说,在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。而由此所引伸出的显而易见的变化或变动仍处于本发明创造的保护范围之中。
Claims (10)
1.一种伸腿动作分析方法,其特征在于,包括:
获取用户在多个伸腿时间点的动作数据,所述动作数据包括小腿三轴加速度,所述小腿三轴加速度包括小腿X轴加速度、小腿Y轴加速度及小腿Z轴加速度,其中,所述X轴为从所述用户后方至前方的方向,Y轴为从所述用户的左侧至右侧的方向,Z轴为竖直向上的方向;
基于所述小腿X轴加速度、所述小腿Y轴加速度及所述小腿Z轴加速度计算小腿倾斜角度,其中,所述小腿倾斜角度为所述用户的小腿与所述Z轴之间的角度;
基于所述小腿倾斜角度、所述小腿X轴加速度与小腿Z轴加速度之间的差值判断用户的伸腿特征。
2.根据权利要求1所述的方法,其特征在于,所述获取用户在多个伸腿时间点的动作数据,包括:
获取所述用户在立定跳远全过程的多个时间点的动作数据;
从所述多个时间点中确定伸腿开始时间点、最高时间点及伸腿结束时间点;
基于所述伸腿开始时间点、所述最高时间点及所述伸腿结束时间点从所述多个时间点确定所述多个伸腿时间点。
3.根据权利要求2所述的方法,其特征在于,从所述多个时间点中确定所述伸腿开始时间点,包括:
从所述多个时间点中确定所述小腿Z轴加速度大于小腿Z轴加速度阈值的多个候选时间点;
基于时间先后顺序对所述多个候选时间点进行排序,获取排序结果;
基于所述排序结果,从所述多个时间点中确定所述伸腿开始时间点。
4.根据权利要求2所述的方法,其特征在于,所述动作数据包括Z轴高度;
从所述多个时间点中确定所述最高时间点,包括:
从所述多个时间点对应的所述Z轴高度确定Z轴高度最大值;
将所述Z轴高度最大值对应的时间点作为所述最高时间点。
5.根据权利要求4所述的方法,其特征在于,从所述多个时间点中确定所述伸腿结束时间点,包括:
从所述多个时间点对应的所述Z轴高度确定Z轴高度最小值;
基于时间先后顺序将多个所述Z轴高度最小值对应的时间点进行排序,选取靠后的所述Z轴高度最小值对应的时间点作为所述伸腿结束时间点。
6.根据权利要求2-5任意一项所述的方法,其特征在于,所述基于所述小腿X轴加速度、所述小腿Y轴加速度及所述小腿Z轴加速度计算小腿倾斜角度,包括通过以下公式进行计算:
θz=[arctan(Az/squr(Ax*Ax+Ay*Ay))]*180/π
其中,θz为所述用户的小腿与所述Z轴之间的角度,Ax为所述小腿X轴加速度,Ay为所述小腿Y轴加速度,Az为所述小腿Z轴加速度。
7.根据权利要求6所述的方法,其特征在于,所述基于所述小腿倾斜角度判断用户的伸腿特征,包括:
判断所述小腿倾斜角度是否小于小腿倾斜角度阈值;
若所述小腿倾斜角度小于所述小腿倾斜角度阈值,判断所述用户伸腿;
若所述小腿倾斜角度大于所述小腿倾斜角度阈值,判断所述用户未伸腿。
8.根据权利要求7所述的方法,其特征在于,所述基于所述小腿X轴加速度与小腿Z轴加速度之间的差值判断用户的伸腿特征,包括:
确定小腿X轴加速度最大值,从伸腿开始时间点到所述伸腿结束时间点中的所述多个时间点确定所述小腿X轴加速度最大值;
确定小腿Z轴加速度最大值,从伸腿开始时间点到所述最高时间点中的所述多个时间点确定所述小腿Z轴加速度最大值;
计算所述小腿X轴加速度最大值与所述小腿Z轴加速度最大值之间的差值,获取小腿加速度差值;
判断所述小腿加速度差值是否大于或等于加速度差值阈值;
若所述小腿加速度差值大于或等于所述加速度差值阈值,判断所述用户伸腿充分;
若所述小腿加速度差值小于所述加速度差值阈值,判断所述用户伸腿未充分。
9.一种伸腿动作分析系统,其特征在于,包括:
数据获取模块,用于获取用户在多个伸腿时间点的动作数据,所述动作数据包括小腿三轴加速度,所述小腿三轴加速度包括小腿X轴加速度、小腿Y轴加速度及小腿Z轴加速度,其中,所述X轴为从所述用户后方至前方的方向,Y轴为从所述用户的左侧至右侧的方向,Z轴为竖直向上的方向;
伸腿特征确定模块,用于基于所述小腿X轴加速度、所述小腿Y轴加速度及所述小腿Z轴加速度计算小腿倾斜角度,其中,所述小腿倾斜角度为所述用户的小腿与所述Z轴之间的角度;还用于基于所述小腿倾斜角度、所述小腿X轴加速度与小腿Z轴加速度之间的差值判断用户的伸腿特征。
10.一种伸腿动作分析设备,包括存储器、处理器及存储在所述存储器上并在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现权利要求1至8中任一项所述的伸腿动作分析方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210102934.0A CN115587283A (zh) | 2022-01-27 | 2022-01-27 | 一种伸腿动作分析方法、系统及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210102934.0A CN115587283A (zh) | 2022-01-27 | 2022-01-27 | 一种伸腿动作分析方法、系统及设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115587283A true CN115587283A (zh) | 2023-01-10 |
Family
ID=84771612
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210102934.0A Pending CN115587283A (zh) | 2022-01-27 | 2022-01-27 | 一种伸腿动作分析方法、系统及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115587283A (zh) |
-
2022
- 2022-01-27 CN CN202210102934.0A patent/CN115587283A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106999757B (zh) | 用于训练用户的正确跑步的方法和系统 | |
US10271790B2 (en) | Methods and systems for training proper gait of a user | |
KR102292683B1 (ko) | 보행 환경 인식 방법 및 장치 | |
CN107617201B (zh) | 用于自动配置传感器的方法、电子设备和记录介质 | |
KR20140012743A (ko) | 러닝 폼 진단 시스템 및 러닝 폼을 득점화하는 방법 | |
US10892055B2 (en) | Motor function estimation information generation apparatus, motor function estimation system, motor function estimation information generation method, motor function estimation method and storage medium | |
US20220207921A1 (en) | Motion recognition method, storage medium, and information processing device | |
KR101950412B1 (ko) | 승마 시뮬레이터 및 승마 시뮬레이션 방법 | |
CN115587283A (zh) | 一种伸腿动作分析方法、系统及设备 | |
CN114377373B (zh) | 一种起跳特征分析方法、系统及设备 | |
Jin | Design of intelligent perception module based on wireless sensor network and basketball sports attitude | |
CN114344873B (zh) | 一种预摆动作类型识别方法、系统及设备 | |
CN115530807A (zh) | 一种展腹动作分析方法、系统及设备 | |
CN114171194B (zh) | 帕金森多症状量化评估方法、装置、电子设备、及介质 | |
CN115587282A (zh) | 一种落地特征分析方法、系统及设备 | |
CN115530806A (zh) | 一种收腹动作分析方法、系统及设备 | |
CN111081346A (zh) | 运动效率分析方法、装置、可穿戴设备和计算机可读存储介质 | |
CN110148202B (zh) | 用于生成图像的方法、装置、设备和存储介质 | |
KR102199341B1 (ko) | 상태 분류기 생성 방법 및 이를 이용한 보행상태 판단 방법 | |
WO2022250099A1 (ja) | 情報処理装置、電子機器、情報処理システム、情報処理方法及びプログラム | |
WO2023042868A1 (ja) | 情報処理装置、電子機器、情報処理システム、情報処理方法及びプログラム | |
KR20190015847A (ko) | 3d 시뮬레이션 방법 및 장치 | |
KR102445133B1 (ko) | 아바타를 생성하여 외부의 메타버스플랫폼에 제공하고 아바타를 업데이트하는 시스템 및 방법 | |
EP4095794A1 (en) | Exercise recognition method, exercise recognition program, and information processing device | |
WO2023106382A1 (ja) | 情報処理装置、電子機器、情報処理システム、情報処理方法及びプログラム |
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 |