CN116525061B - 一种基于远程人体姿态评估的训练监控方法及系统 - Google Patents
一种基于远程人体姿态评估的训练监控方法及系统 Download PDFInfo
- Publication number
- CN116525061B CN116525061B CN202310223970.7A CN202310223970A CN116525061B CN 116525061 B CN116525061 B CN 116525061B CN 202310223970 A CN202310223970 A CN 202310223970A CN 116525061 B CN116525061 B CN 116525061B
- Authority
- CN
- China
- Prior art keywords
- motion
- exercise
- primary
- prescription
- training
- 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
Links
- 238000012549 training Methods 0.000 title claims abstract description 204
- 238000000034 method Methods 0.000 title claims abstract description 58
- 238000012544 monitoring process Methods 0.000 title claims abstract description 44
- 230000009471 action Effects 0.000 claims abstract description 136
- 230000036541 health Effects 0.000 claims abstract description 26
- 230000033001 locomotion Effects 0.000 claims description 328
- 230000006870 function Effects 0.000 claims description 45
- 238000011156 evaluation Methods 0.000 claims description 23
- 230000002612 cardiopulmonary effect Effects 0.000 claims description 21
- 238000000605 extraction Methods 0.000 claims description 20
- 230000008569 process Effects 0.000 claims description 17
- 230000000386 athletic effect Effects 0.000 claims description 11
- 238000012545 processing Methods 0.000 claims description 11
- 238000012216 screening Methods 0.000 claims description 11
- 238000013507 mapping Methods 0.000 claims description 9
- 238000012806 monitoring device Methods 0.000 claims description 9
- 238000013075 data extraction Methods 0.000 claims description 7
- 238000005457 optimization Methods 0.000 claims description 6
- 230000003044 adaptive effect Effects 0.000 claims description 5
- 125000004122 cyclic group Chemical group 0.000 claims description 5
- 230000037147 athletic performance Effects 0.000 claims description 4
- 238000004891 communication Methods 0.000 claims description 4
- 230000004217 heart function Effects 0.000 claims description 4
- 230000004199 lung function Effects 0.000 claims description 4
- 230000000694 effects Effects 0.000 abstract description 9
- 230000002427 irreversible effect Effects 0.000 abstract description 8
- 210000003414 extremity Anatomy 0.000 description 13
- 210000003127 knee Anatomy 0.000 description 5
- 210000000056 organ Anatomy 0.000 description 4
- 208000000059 Dyspnea Diseases 0.000 description 3
- 206010013975 Dyspnoeas Diseases 0.000 description 3
- 238000005452 bending Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 238000010276 construction Methods 0.000 description 3
- 210000002414 leg Anatomy 0.000 description 3
- 208000013220 shortness of breath Diseases 0.000 description 3
- 206010008479 Chest Pain Diseases 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 210000004072 lung Anatomy 0.000 description 2
- 238000012163 sequencing technique Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 206010011224 Cough Diseases 0.000 description 1
- 206010033557 Palpitations Diseases 0.000 description 1
- 206010036790 Productive cough Diseases 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 210000003484 anatomy Anatomy 0.000 description 1
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 1
- 239000008280 blood Substances 0.000 description 1
- 210000004369 blood Anatomy 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000001079 digestive effect Effects 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 206010016256 fatigue Diseases 0.000 description 1
- 210000000629 knee joint Anatomy 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 210000003205 muscle Anatomy 0.000 description 1
- 210000004165 myocardium Anatomy 0.000 description 1
- 210000004789 organ system Anatomy 0.000 description 1
- 229910052760 oxygen Inorganic materials 0.000 description 1
- 239000001301 oxygen Substances 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 230000000241 respiratory effect Effects 0.000 description 1
- 230000029058 respiratory gaseous exchange Effects 0.000 description 1
- 208000024891 symptom Diseases 0.000 description 1
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
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
- A61B5/0205—Simultaneously evaluating both cardiovascular conditions and different types of body conditions, e.g. heart and respiratory condition
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/316—Modalities, i.e. specific diagnostic methods
- A61B5/369—Electroencephalography [EEG]
-
- A—HUMAN NECESSITIES
- A63—SPORTS; GAMES; AMUSEMENTS
- A63B—APPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
- A63B24/00—Electric or electronic controls for exercising apparatus of preceding groups; Controlling or monitoring of exercises, sportive games, training or athletic performances
- A63B24/0003—Analysing the course of a movement or motion sequences during an exercise or trainings sequence, e.g. swing for golf or tennis
- A63B24/0006—Computerised comparison for qualitative assessment of motion sequences or the course of a movement
-
- A—HUMAN NECESSITIES
- A63—SPORTS; GAMES; AMUSEMENTS
- A63B—APPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
- A63B24/00—Electric or electronic controls for exercising apparatus of preceding groups; Controlling or monitoring of exercises, sportive games, training or athletic performances
- A63B24/0062—Monitoring athletic performances, e.g. for determining the work of a user on an exercise apparatus, the completed jogging or cycling distance
-
- A—HUMAN NECESSITIES
- A63—SPORTS; GAMES; AMUSEMENTS
- A63B—APPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
- A63B24/00—Electric or electronic controls for exercising apparatus of preceding groups; Controlling or monitoring of exercises, sportive games, training or athletic performances
- A63B24/0075—Means for generating exercise programs or schemes, e.g. computerized virtual trainer, e.g. using expert databases
-
- A—HUMAN NECESSITIES
- A63—SPORTS; GAMES; AMUSEMENTS
- A63B—APPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
- A63B71/00—Games or sports accessories not covered in groups A63B1/00 - A63B69/00
- A63B71/06—Indicating or scoring devices for games or players, or for other sports activities
-
- 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
-
- 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
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Physical Education & Sports Medicine (AREA)
- Biophysics (AREA)
- Public Health (AREA)
- Medical Informatics (AREA)
- Physics & Mathematics (AREA)
- Cardiology (AREA)
- Biomedical Technology (AREA)
- Pathology (AREA)
- Veterinary Medicine (AREA)
- Animal Behavior & Ethology (AREA)
- Physiology (AREA)
- Surgery (AREA)
- Molecular Biology (AREA)
- Heart & Thoracic Surgery (AREA)
- Psychiatry (AREA)
- Primary Health Care (AREA)
- Psychology (AREA)
- Software Systems (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- General Physics & Mathematics (AREA)
- Human Computer Interaction (AREA)
- Social Psychology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Epidemiology (AREA)
- Pulmonology (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本发明提供了一种基于远程人体姿态评估的训练监控方法及系统，涉及运动训练技术领域，获取目标用户的历史健康数据，输入运动处方生成模型中获得初级运动处方，通过图像采集装置采集获得目标用户按照初级运动处方进行虚拟试训练的训练图像数据，确定训练图像数据偏差结果，以此优化初级运动形式，调整初级运动负荷获得运动负荷处方，生成目标用户运动处方进行运动姿态评估提醒参考。本发明解决了现有运动训练中统一化标准对于身体的不可逆损伤，以及去健身房运动的经济、时间成本以及交通成本较高的技术问题，实现了基于用户实际身体素质生成针对目标用户的个性化动作标准，同时当用户不便出门时也能进行高水平运动训练的技术效果。
Description
技术领域
本发明涉及运动训练技术领域，具体涉及一种基于远程人体姿态评估的训练监控方法及系统。
背景技术
在正常情况下，人体各器官系统的活动相互制约和相互协调，处在一种相对平衡的状态，这种相对平衡是人体生命存在和有机体机能正常活动的必要条件，在运动训练中，引起适应过程的外界环境变化包括施加运动负荷、改变训练内容和变换训练环境与条件等，通过采用施加运动负荷等方法，有意识地打破机体内环境的相对平衡，使之发生向高机能水平的转化，从而在施加的运动负荷相适应的水平上重新获得相对平衡，这就是运动训练的目的。然而由于个人身体素质的差异，对于运动负荷的适应能力也各有不同，因此在运动训练过程中，需要建立科学的运动训练方法，以达到安全、有效的运动训练。而现今常用的运动训练监督方法还存在着一定的弊端，对于运动训练监督还存在着一定的可提升空间。
现有运动训练中统一化标准会对于身体造成不可逆损伤，并且出门运动的经济、时间成本以及交通成本较高。
发明内容
本申请实施例提供了一种基于远程人体姿态评估的训练监控方法及系统，用于针对解决现有运动训练中统一化标准对于身体的不可逆损伤，以及出门运动的经济、时间成本以及交通成本较高的技术问题。
鉴于上述问题，本申请实施例提供了一种基于远程人体姿态评估的训练监控方法及系统。
第一方面，本申请实施例提供了一种基于远程人体姿态评估的训练监控方法，所述方法包括：获取待进行远程训练监控的目标用户的历史健康数据；根据所述历史健康数据提取获得所述目标用户的心肺功能数据、身体机能数据将所述心肺功能数据和所述身体机能数据输入预构建的运动处方生成模型中获得初级运动处方，其中，所述初级运动处方包括初级运动形式和初级运动负荷；通过所述图像采集装置采集获得所述目标用户按照所述初级运动处方进行虚拟试训练的训练图像数据；基于人体姿态评估确定所述训练图像数据和所述初级运动形式的运动姿态偏差结果；根据所述运动姿态偏差结果优化所述初级运动形式，获得运动形式处方；基于所述运动形式处方调整所述初级运动负荷，获得运动负荷处方；根据所述运动形式处方和所述运动负荷处方生成目标用户运动处方进行所述目标用户训练过程中运动姿态评估提醒参考。
第二方面，本申请实施例提供了一种基于远程人体姿态评估的训练监控系统，所述系统包括：历史健康数据获取模块，所述历史健康数据获取模块用于获取待进行远程训练监控的目标用户的历史健康数据；用户身体数据提取模块，所述用户身体数据提取模块用于根据所述历史健康数据提取获得所述目标用户的心肺功能数据、身体机能数据；初级运动处方获取模块，所述初级运动处方获取模块用于将所述心肺功能数据和所述身体机能数据输入预构建的运动处方生成模型中获得初级运动处方，其中，所述初级运动处方包括初级运动形式和初级运动负荷；训练图像数据获取模块，所述训练图像数据获取模块用于通过所述图像采集装置采集获得所述目标用户按照所述初级运动处方进行虚拟试训练的训练图像数据；姿态偏差结果获取模块，所述姿态偏差结果获取模块用于基于人体姿态评估确定所述训练图像数据和所述初级运动形式的运动姿态偏差结果；初级运动形式优化模块，所述初级运动形式优化模块用于根据所述运动姿态偏差结果优化所述初级运动形式，获得运动形式处方；初级运动负荷调整模块，所述初级运动负荷调整模块用于基于所述运动形式处方调整所述初级运动负荷，获得运动负荷处方；用户运动处方生成模块，所述用户运动处方生成模块用于根据所述运动形式处方和所述运动负荷处方生成目标用户运动处方进行所述目标用户训练过程中运动姿态评估提醒参考。
本申请实施例中提供的一个或多个技术方案，至少具有如下技术效果或优点：
本申请实施例提供的一种基于远程人体姿态评估的训练监控方法，涉及运动训练技术领域，获取目标用户的历史健康数据，获得心肺功能数据、身体机能数据，输入运动处方生成模型中获得初级运动处方，通过图像采集装置采集获得目标用户按照初级运动处方进行虚拟试训练的训练图像数据，基于人体姿态评估确定训练图像数据偏差结果，以此优化初级运动形式获得运动形式处方，调整初级运动负荷获得运动负荷处方，根据运动形式处方和运动负荷处方生成目标用户运动处方进行目标用户训练过程中运动姿态评估提醒参考。本申请实施例采集用户的健康数据进行综合性评估，通过进行虚拟试训练确定适应性训练方案，进行训练远程监控，对用户肢体动作进行捕捉，与标准姿态进行偏差评估，生成姿态调整信息进行用户实时脑电波反馈，以进行训练纠正。解决了现有运动训练中统一化标准对于身体的不可逆损伤，以及出门运动的经济、时间成本以及交通成本较高的技术问题，实现了基于用户实际身体素质生成针对目标用户的个性化动作标准，同时当用户不便出门时也能进行高水平运动训练的技术效果。
上述说明仅是本申请技术方案的概述，为了能够更清楚了解本申请的技术手段，而可依照说明书的内容予以实施，并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂，以下特举本申请的具体实施方式。
附图说明
图1为本申请实施例提供了一种基于远程人体姿态评估的训练监控方法流程示意图；
图2为本申请实施例提供了一种基于远程人体姿态评估的训练监控方法中采集目标用户进行虚拟试训练的训练图像数据流程示意图；
图3为本申请实施例提供了一种基于远程人体姿态评估的训练监控方法中获得运动姿态偏差结果流程示意图；
图4为本申请实施例提供了一种基于远程人体姿态评估的训练监控系统结构示意图。
附图标记说明：历史健康数据获取模块10，用户身体数据提取模块20，初级运动处方获取模块30，训练图像数据获取模块40，姿态偏差结果获取模块50，初级运动形式优化模块60，初级运动负荷调整模块70，用户运动处方生成模块80。
具体实施方式
本申请实施例通过提供一种基于远程人体姿态评估的训练监控方法，用于针对解决现有运动训练中统一化标准对于身体的不可逆损伤，以及出门运动的经济、时间成本以及交通成本较高的技术问题。
实施例一
如图1所示，本申请实施例提供了一种基于远程人体姿态评估的训练监控方法，该方法应用于远程人体姿态评估训练监控系统，所述远程人体姿态评估训练监控系统与图像采集装置、脑电监测装置通信连接，该方法包括：
步骤S100：获取待进行远程训练监控的目标用户的历史健康数据；
具体而言，本申请实施例提供的一种基于远程人体姿态评估的训练监控方法应用于远程人体姿态评估训练监控系统，该远程人体姿态评估训练监控系统与图像采集装置、脑电监测装置通信连接，该图像采集装置用于采集目标用户进行虚拟试训练的训练图像数据，脑电监测装置用于采集目标用户训练过程中的RPE主观疲劳值数据。首先，通过康复中心获取或其它方式获得目标用户的历史健康数据，其中，历史健康数据包括目标用户的心肺功能数据、身体机能数据。通过目标用户历史健康数据的获取，实现了对目标用户身体状况的基本掌握，为后续生成针对目标用户的个性化动作标准打下基础。
步骤S200：根据所述历史健康数据提取获得所述目标用户的心肺功能数据、身体机能数据；
具体而言，所述心肺功能是人体心脏泵血及肺部吸入氧气的能力，而两者的能力又直接影响全身器官及肌肉的活动，通过有效的有氧运动锻炼，通过跑步、引体向上、跳远等运动方式来增强肺活量和心肌的射血量，能够很大程度的提高心肺功能，相应地，心肺功能不良通常会造成直立呼吸、咳嗽、咳痰、胸闷、呼吸短促、心悸和短期体力劳动后的疲劳，一些心肺功能不佳可能会因轻微活动而出现胸闷、呼吸短促和呼吸不足，因此心肺功能数据为设定运动强度的一大指标。
身体机能是指人的整体及其组成的各器官、系统所表现的生命活动，即人体呼吸、循环、消化、神经、运动各系统的机能工作能力。患有基础疾病，或者是不良生活习惯会导致人体处于亚健康状态，从而导致人体机能下降，人体机能下降会出现疲乏无力、体质虚弱等症状，相应地，机能下降的系统、器官，也影响着对应系统、器官的运动范围，如做过膝关节手术，则对应地不能做膝盖相关的动作，避免造成二次损伤，因此身体机能数据是设定运动强度的另一大指标。
步骤S300：将所述心肺功能数据和所述身体机能数据输入预构建的运动处方生成模型中获得初级运动处方，其中，所述初级运动处方包括初级运动形式和初级运动负荷；
具体而言，获取具有映射关系的多个样本运动动作和多个样本运动动作发力点数据，构建运动形式筛选模块，对所述多个样本运动动作进行循环重复难度评估，获得样本运动动作重复难度评估结果集，基于样本运动动作重复难度评估结果集构建运动负荷分析模块，所述运动形式分析模块和所述运动负荷分析模块组成所述运动处方生成模型，将所述心肺功能数据和所述身体机能数据输入所述运动处方生成模型中获得所述初级运动处方。初级运动形式为通过运动形式筛选模块获取的初步判断符合目标用户身体素质的运动形式，如跑步、提膝、打开关节等，分为可行、可尝试和不可行，初级运动负荷为通过运动负荷分析模块获取的初步判断符合目标用户身体素质的运动负荷设定，如跑的公里数、单位时间内的提膝次数等。
通过运动处方生成模型的构建，实现了针对目标用户的个性化动作标准的自动化生成，避免统一化锻炼对于用户身体造成不可逆损伤。
步骤S400：通过所述图像采集装置采集获得所述目标用户按照所述初级运动处方进行虚拟试训练的训练图像数据；
具体而言，所述图像采集装置用于采集目标用户的训练图像数据，一般为监控摄像头，通过图像采集装置采集获取目标用户的标准图像，基于所述标准图像进行人体骨骼关键点检测，获得骨骼关键点集合，采用所述骨骼关键点集合进行肢体结构建模，获得肢体结构模型，基于所述肢体结构模型对所述图像采集装置采集的所述目标用户运动图像进行实时追踪标识，获得所述训练图像数据。通过图像采集装置对人体在三维空间内的动作进行重建，提升人体姿态评估的准确性和实用性。
步骤S500：基于人体姿态评估确定所述训练图像数据和所述初级运动形式的运动姿态偏差结果；
具体而言，人体姿态评估确对所述训练图像数据进行多节点图像抽帧，获得训练姿态图像集合；基于所述初级运动形式提取获得初级运动动作集合；对所述初级运动动作集合中各个初级运动动作进行图像抽帧，获得运动标准姿态图像集合；根据所述训练姿态图像集合和所述运动标准姿态图像集合的映射关系，对应进行所述人体姿态评估，获得由多个运动姿态偏差参数组成的所述运动姿态偏差结果。
步骤S600：根据所述运动姿态偏差结果优化所述初级运动形式，获得运动形式处方；
具体而言，预设运动姿态偏差阈值，判断所述运动姿态偏差结果中的所述多个运动姿态偏差参数是否满足所述运动姿态偏差阈值，若不满足，将不满足所述运动姿态偏差阈值的所述运动姿态偏差参数对应的所述初级运动动作进行剔除标识，基于所述剔除标识从所述初级运动动作集合中进行对应的所述初级运动动作的剔除处理，获得待优化运动形式处方，采用所述运动姿态偏差参数对所述待优化运动形式处方中各个所述初级运动动作进行运动动作幅度优化，获得多个优化运动动作，基于所述多个优化运动动作构建所述运动形式处方。实现了基于用户身体控制能力以及实际标准动作生成针对目标用户的个性化动作标准，避免统一化锻炼对于用户身体造成不可逆损伤。
步骤S700：基于所述运动形式处方调整所述初级运动负荷，获得运动负荷处方；
具体而言，根据所述初级运动负荷提取获得所述初级运动动作集合中各个初级运动动作的训练时长、训练组数、训练次数数据，比对所述初级运动形式和所述运动形式处方获得初级运动动作剔除集合，基于所述初级运动动作剔除集合遍历所述初级运动负荷，获得所述初级运动动作剔除集合的训练时长数据集合，计算获得训练时长空缺，根据所述训练时长空缺进行所述多个优化运动动作的所述训练组数、训练次数调整，生成所述运动负荷处方。在将不可行的运动形式剔除后，通过调整保留的运动动作的组数和次数依旧保持原有的运动负荷，实现了对于运动量的灵活调整。
步骤S800：根据所述运动形式处方和所述运动负荷处方生成目标用户运动处方进行所述目标用户训练过程中运动姿态评估提醒参考。
具体而言，运动形式处方为基于目标用户身体素质生成的针对目标用户的个性化动作形式，运动负荷处方为去掉不适合目标用户的运动动作后剩余的动作，为了保障运动量不变，对其调整为合适的负荷量的动作标准，以此对目标用户的运动动作形式和负荷量进行多维度评估和限制，达到高度定制化的效果。
进一步而言，如图2所示，本申请步骤S400还包括：
步骤S410：通过图像采集装置采集获取目标用户的标准图像；
步骤S420：基于所述标准图像进行人体骨骼关键点检测，获得骨骼关键点集合；
步骤S430：采用所述骨骼关键点集合进行肢体结构建模，获得肢体结构模型；
步骤S440：基于所述肢体结构模型对所述图像采集装置采集的所述目标用户运动图像进行实时追踪标识，获得所述训练图像数据。
具体而言，所述图像采集装置用于采集目标用户进行虚拟试训练的训练图像数据，为单目摄像头，即仅利用一台摄像机完成人体姿态的采集捕捉任务，称为单目视觉，其深度感知能力受到限制，但视野会增加。人体姿态定义为人体自身结构呈现的姿态，相较于图像信息中的低层像素特征，能够更加有逻辑地表现人的行为动作，人体行为动作可以通过一些骨骼关键点的移动来进行描述，只需十几个骨骼关键点的组合与追踪即可形成对于人体行为的刻画，如抬手、屈膝等，利用2D姿态估计算法从所述标准图像中抽取目标用户骨架的二维坐标。
常用的人体模型描述方法主要可以分为三种：棍状结构模型、二维轮廓模型和三维立体模型，由于人体运动是在骨骼支撑下的动作，因此棍状结构模型适用于图像序列中人体姿态的跟踪，所以对人体的肢体结构使用棍状结构来进行展示。基于目标用户的标准图像，用线段表示人体骨架，用点对人体主要骨骼关键点如头、手肘、膝盖、脚等进行抽象，每个关节点拥有各白的平移和旋转自由度，使用人体解剖学的统计数据对模型中各骨骼长度和关节角度的关系进行约束，以此构建肢体结构模型。
相较于普遍使用的基于多目摄像头的位姿捕捉，本申请只是借助单个摄像头对人体在三维空间内的动作进行重建，实现基于单目视觉的人体姿态评估，达到减轻对数据规模和数据质量的要求，提升人体姿态评估的准确性和实用性。
进一步而言，如图3所示，本申请步骤S500还包括：
步骤S510：对所述训练图像数据进行多节点图像抽帧，获得训练姿态图像集合；
步骤S520：基于所述初级运动形式提取获得初级运动动作集合；
步骤S530：对所述初级运动动作集合中各个初级运动动作进行图像抽帧，获得运动标准姿态图像集合；
步骤S540：根据所述训练姿态图像集合和所述运动标准姿态图像集合的映射关系，对应进行所述人体姿态评估，获得由多个运动姿态偏差参数组成的所述运动姿态偏差结果；
步骤S550：根据所述动作偏差结果获得所述运动形式处方。
具体而言，人体行为动作在时间维度上具有较高的连续性，通过对人体行为动作进行合理化的参数化表示，人体行为动作可视作以主要关节点为特征的时序数据，如对于抬腿动作，具有抬腿-抬至最高点-放下整个流程，训练图像数据为包含一段动作完整过程的视频，对运动幅度达到最大时的节点进行抽帧，获取多组运动的最大幅度图像，构成训练姿态图像集合。基于所述初级运动形式，获取每个动作对应的标准动作的视频，以同样的方法获取运动标准姿态图像集合。
将训练姿态图像集合和运动标准姿态图像集合中相同的动作进行标记，对于训练姿态图像集合中任一图像在运动标准姿态图像集合中都有且只有一张图像与之对应，为同一组动作，获取训练姿态图像集合中的第一姿态图像，根据对应关系，找出运动标准姿态图像集合与之对应的第一标准图像，根据动作的不同标准，对比第一姿态图像与第一标准图像中运动的抬起高度、下降高度、弯曲角度等，计算第一姿态图像与第一标准图像的抬起高度、下降高度、弯曲角度的差值，作为运动姿态偏差参数，多个运动姿态偏差参数，以此作为所述运动姿态偏差结果。通过对动作姿态的数据化，实现了训练姿态与标准姿态的差距的直观展示，为后续进行运动筛选打下基础。
进一步而言，本申请步骤S550还包括：
步骤S551：预设运动姿态偏差阈值，判断所述运动姿态偏差结果中的所述多个运动姿态偏差参数是否满足所述运动姿态偏差阈值；
步骤S552：若不满足，将不满足所述运动姿态偏差阈值的所述运动姿态偏差参数对应的所述初级运动动作进行剔除标识；
步骤S553：基于所述剔除标识从所述初级运动动作集合中进行对应的所述初级运动动作的剔除处理，获得待优化运动形式处方；
步骤S554：采用所述运动姿态偏差参数对所述待优化运动形式处方中各个所述初级运动动作进行运动动作幅度优化，获得多个优化运动动作；
步骤S555：基于所述多个优化运动动作构建所述运动形式处方。
具体而言，运动姿态偏差阈值为训练姿态与标准姿态的差距可以达到的最大值或最小值，训练姿态与标准姿态的差距在阈值范围内，说明训练动作相对标准，可以达到要求，进行保留，若不在阈值范围内，说明动作达不到要求，需要将该动作从初级运动动作中进行剔除。剔除后，对于满足运动姿态偏差阈值的动作，获取各动作对应的运动姿态偏差参数，如对于抬腿动作，标准动作需要抬高至90°，而目标用户只能抬至85°，不够标准但也基本合格，以运动姿态偏差参数对该动作幅度进行优化，调整为符合目标用户身体素质的动作标准，对多个动作进行优化，所述运动形式处方。实现了基于用户身体控制能力以及实际标准动作生成针对目标用户的个性化动作标准，避免统一化锻炼对于用户身体造成不可逆损伤。
进一步而言，本申请步骤S550还包括：
步骤S556：根据所述初级运动负荷提取获得所述初级运动动作集合中各个初级运动动作的训练时长、训练组数、训练次数数据；
步骤S557：比对所述初级运动形式和所述运动形式处方获得初级运动动作剔除集合；
步骤S558：基于所述初级运动动作剔除集合遍历所述初级运动负荷，获得所述初级运动动作剔除集合的训练时长数据集合，计算获得训练时长空缺；
步骤S559：根据所述训练时长空缺进行所述多个优化运动动作的所述训练组数、训练次数调整，生成所述运动负荷处方；
步骤S5510：根据所述运动形式处方和所述运动负荷处方生成目标用户运动处方。
具体而言，建立空间直角坐标系，以动作的训练时长为x轴，训练组数为y轴，训练次数数据为z轴，获取初级运动动作集合中初级运动动作的训练时长之和、训练组数之和、训练次数数据之和输入空间直角坐标系，得到点A(x1,y1,z1)，计算得到|OA|即为初级运动动作的运动总负荷。将初级运动动作剔除集合中每个动作在初级运动负荷中做一次访问，得到初级运动动作剔除集合中每个剔除动作的训练时长，对剔除动作的训练时长求和，即为训练空缺时长x2，计算得到剩余的多个优化运动动作的时长和为(x1-x2)，设多个优化运动动作的训练组数之和y3、训练次数数据之和z3，为保障前后运动总负荷相同，有：
计算得y3 2+z3 2＝y1 2+z1 2+x2 2-2x1x2，其中等式右边各值都为已知数，由等式可知，将x2 2-2x1x2的差值即为多个优化运动动作的所述训练组数、训练次数调整指标，将其按比例分到初级运动动作的训练组数、训练次数，即可得到多个优化运动动作的训练组数、训练次数，以此生成生成所述运动负荷处方。
进一步而言，本申请步骤S300还包括：
步骤S310：获取具有映射关系的多个样本运动动作和多个样本运动动作发力点数据，构建运动形式筛选模块；
步骤S320：对所述多个样本运动动作进行循环重复难度评估，获得样本运动动作重复难度评估结果集；
步骤S330：基于样本运动动作重复难度评估结果集构建运动负荷分析模块；
步骤S340：所述运动形式分析模块和所述运动负荷分析模块组成所述运动处方生成模型；
步骤S350：将所述心肺功能数据和所述身体机能数据输入所述运动处方生成模型中获得所述初级运动处方。
具体而言，获取多个样本运动动作，根据样本运动动作获取其运动动作发力点数据，发力点数据包括发力点位置和发力等级，将发力点位置作为第一分级特征，每个发力点的发力等级作为第二分级特征，以此构建运动形式筛选决策树，作为运动形式筛选模块，根据目标用户身体机能数据，筛选出目标用户可以进行的动作以及动作的等级。根据前一模块的筛选结果进行坚持难度排序，根据排序结果进行15分钟时间内对于各个动作组数时间分配，动作难度越高，分配的组数时间就相对较少，由此构建运动负荷分析模块，根据目标用户的心肺功能数据，筛选出目标用户对多个样本动作分配的组数时间。通过运动处方生成模型的构建，实现了针对目标用户的个性化动作标准的自动化生成，避免统一化锻炼对于用户身体造成不可逆损伤。
进一步而言，本申请还包括：
步骤S910：通过所述脑电监测装置采集获取基于所述目标用户运动处方训练过程中的RPE主观疲劳值数据；
步骤S920：基于所述RPE主观疲劳值数据进行所述运动负荷处方的适应性调整，获得优化运动负荷处方；
步骤S930：根据所述优化运动负荷处方和所述运动形式处方生成目标用户优化运动处方；
步骤S940：基于所述RPE主观疲劳值数据生成运动频率提醒数据；
步骤S950：所述远程人体姿态评估训练监控系统基于所述运动频率提醒数据和所述目标用户优化运动处方提示引导所述目标用户执行下一次的运动训练。
具体而言，脑电监测装置用于在目标用户运动过程中对目标用户的主观疲劳值数据进行实时监督，主观疲劳值数据是利用主管感觉来推算运动负荷强度的一种有效方法，Brog计分范围为6-20，以有氧运动为例，有氧运动的运动强度设定应控制在11-14分范围内，超出则说明负荷过大或不足，基于此对运动负荷处方进行适应性调整，结合所述运动形式处方生成目标用户优化运动处方，目标用户优化运动处方即为根据目标用户各方面身体素质以及目标用户的实时状态调整的最适合的运动处方。根据RPE主观疲劳值数据对目标用户的运动频率进行调整、提醒，如本次Brog计分过高，说明本次运动负荷过大，可适当降低运动频率，由原本的3次调整为2次，以此指引目标用户进行运动训练。
实施例二
基于与前述实施例中一种基于远程人体姿态评估的训练监控方法相同的发明构思，如图4所示，本申请提供了一种基于远程人体姿态评估的训练监控系统，系统包括：
历史健康数据获取模块10，所述历史健康数据获取模块10用于获取待进行远程训练监控的目标用户的历史健康数据；
用户身体数据提取模块20，所述用户身体数据提取模块20用于根据所述历史健康数据提取获得所述目标用户的心肺功能数据、身体机能数据；
初级运动处方获取模块30，所述初级运动处方获取模块30用于将所述心肺功能数据和所述身体机能数据输入预构建的运动处方生成模型中获得初级运动处方，其中，所述初级运动处方包括初级运动形式和初级运动负荷；
训练图像数据获取模块40，所述训练图像数据获取模块40用于通过所述图像采集装置采集获得所述目标用户按照所述初级运动处方进行虚拟试训练的训练图像数据；
姿态偏差结果获取模块50，所述姿态偏差结果获取模块50用于基于人体姿态评估确定所述训练图像数据和所述初级运动形式的运动姿态偏差结果；
初级运动形式优化模块60，所述初级运动形式优化模块60用于根据所述运动姿态偏差结果优化所述初级运动形式，获得运动形式处方；
初级运动负荷调整模块70，所述初级运动负荷调整模块70用于基于所述运动形式处方调整所述初级运动负荷，获得运动负荷处方；
用户运动处方生成模块80，所述用户运动处方生成模块80用于根据所述运动形式处方和所述运动负荷处方生成目标用户运动处方进行所述目标用户训练过程中运动姿态评估提醒参考。
进一步而言，系统还包括：
标准图像采集模块，用于通过图像采集装置采集获取目标用户的标准图像；
骨骼关键点检测模块，用于基于所述标准图像进行人体骨骼关键点检测，获得骨骼关键点集合；
肢体结构建模模块，用于采用所述骨骼关键点集合进行肢体结构建模，获得肢体结构模型；
实时追踪标识模块，用于基于所述肢体结构模型对所述图像采集装置采集的所述目标用户运动图像进行实时追踪标识，获得所述训练图像数据。
进一步而言，系统还包括：
多节点图像抽帧模块，用于对所述训练图像数据进行多节点图像抽帧，获得训练姿态图像集合；
初级运动动作集合获取模块，用于基于所述初级运动形式提取获得初级运动动作集合；
图像抽帧模块，用于对所述初级运动动作集合中各个初级运动动作进行图像抽帧，获得运动标准姿态图像集合；
人体姿态评估模块，用于根据所述训练姿态图像集合和所述运动标准姿态图像集合的映射关系，对应进行所述人体姿态评估，获得由多个运动姿态偏差参数组成的所述运动姿态偏差结果；
动作偏差结果处理模块，用于根据所述动作偏差结果获得所述运动形式处方。
进一步而言，系统还包括：
偏差阈值预设模块，用于预设运动姿态偏差阈值，判断所述运动姿态偏差结果中的所述多个运动姿态偏差参数是否满足所述运动姿态偏差阈值；
剔除标识模块，用于若不满足，将不满足所述运动姿态偏差阈值的所述运动姿态偏差参数对应的所述初级运动动作进行剔除标识；
剔除处理模块，用于基于所述剔除标识从所述初级运动动作集合中进行对应的所述初级运动动作的剔除处理，获得待优化运动形式处方；
运动动作幅度优化模块，用于采用所述运动姿态偏差参数对所述待优化运动形式处方中各个所述初级运动动作进行运动动作幅度优化，获得多个优化运动动作；
优化运动动作处理模块，用于基于所述多个优化运动动作构建所述运动形式处方。
进一步而言，系统还包括：
初级运动动作数据提取模块，用于根据所述初级运动负荷提取获得所述初级运动动作集合中各个初级运动动作的训练时长、训练组数、训练次数数据；
剔除集合获取模块，用于比对所述初级运动形式和所述运动形式处方获得初级运动动作剔除集合；
遍历模块，用于基于所述初级运动动作剔除集合遍历所述初级运动负荷，获得所述初级运动动作剔除集合的训练时长数据集合，计算获得训练时长空缺；
初级运动动作数据调整模块，用于根据所述训练时长空缺进行所述多个优化运动动作的所述训练组数、训练次数调整，生成所述运动负荷处方；
运动处方生成模块，用于根据所述运动形式处方和所述运动负荷处方生成目标用户运动处方。
进一步而言，系统还包括：
运动形式筛选模块构建模块，用于获取具有映射关系的多个样本运动动作和多个样本运动动作发力点数据，构建运动形式筛选模块；
循环重复难度评估模块，用于对所述多个样本运动动作进行循环重复难度评估，获得样本运动动作重复难度评估结果集；
运动负荷分析模块构建模块，用于基于样本运动动作重复难度评估结果集构建运动负荷分析模块；
运动处方生成模型构建模块，用于所述运动形式分析模块和所述运动负荷分析模块组成所述运动处方生成模型；
初级运动处方输出模块，用于将所述心肺功能数据和所述身体机能数据输入所述运动处方生成模型中获得所述初级运动处方。
进一步而言，系统还包括：
RPE主观疲劳值数据获取模块，用于通过所述脑电监测装置采集获取基于所述目标用户运动处方训练过程中的RPE主观疲劳值数据；
适应性调整模块，用于基于所述RPE主观疲劳值数据进行所述运动负荷处方的适应性调整，获得优化运动负荷处方；
优化运动处方生成模块，用于根据所述优化运动负荷处方和所述运动形式处方生成目标用户优化运动处方；
运动频率提醒数据生成模块，用于基于所述RPE主观疲劳值数据生成运动频率提醒数据；
提示引导模块，用于所述远程人体姿态评估训练监控系统基于所述运动频率提醒数据和所述目标用户优化运动处方提示引导所述目标用户执行下一次的运动训练。
本说明书通过前述对一种基于远程人体姿态评估的训练监控方法的详细描述，本领域技术人员可以清楚的知道本实施例中一种基于远程人体姿态评估的训练监控方法及系统，对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下，在其它实施例中实现。因此，本申请将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (5)
1.一种基于远程人体姿态评估的训练监控方法，其特征在于，所述方法应用于远程人体姿态评估训练监控系统，所述系统与图像采集装置、脑电监测装置通信连接，所述方法包括：
获取待进行远程训练监控的目标用户的历史健康数据；
根据所述历史健康数据提取获得所述目标用户的心肺功能数据、身体机能数据；
将所述心肺功能数据和所述身体机能数据输入预构建的运动处方生成模型中获得初级运动处方，其中，所述初级运动处方包括初级运动形式和初级运动负荷；
通过所述图像采集装置采集获得所述目标用户按照所述初级运动处方进行虚拟试训练的训练图像数据；
基于人体姿态评估确定所述训练图像数据和所述初级运动形式的运动姿态偏差结果；
根据所述运动姿态偏差结果优化所述初级运动形式，获得运动形式处方；
基于所述运动形式处方调整所述初级运动负荷，获得运动负荷处方；
根据所述运动形式处方和所述运动负荷处方生成目标用户运动处方，为所述目标用户训练过程中运动姿态评估提供参考；
其中，所述基于人体姿态评估确定所述训练图像数据和所述初级运动形式的运动姿态偏差结果，所述方法还包括：
对所述训练图像数据进行多节点图像抽帧，获得训练姿态图像集合；
基于所述初级运动形式提取获得初级运动动作集合；
对所述初级运动动作集合中各个初级运动动作进行图像抽帧，获得运动标准姿态图像集合；
根据所述训练姿态图像集合和所述运动标准姿态图像集合的映射关系，对应进行所述人体姿态评估，获得由多个运动姿态偏差参数组成的所述运动姿态偏差结果；
根据所述动作姿态偏差结果获得所述运动形式处方；
其中，所述根据所述运动姿态偏差结果优化所述初级运动形式，获得运动形式处方，所述方法还包括：
预设运动姿态偏差阈值，判断所述运动姿态偏差结果中的所述多个运动姿态偏差参数是否满足所述运动姿态偏差阈值；
若不满足，将不满足所述运动姿态偏差阈值的所述运动姿态偏差参数对应的所述初级运动动作进行剔除标识；
基于所述剔除标识从所述初级运动动作集合中进行对应的所述初级运动动作的剔除处理，获得待优化运动形式处方；
采用所述运动姿态偏差参数对所述待优化运动形式处方中各个所述初级运动动作进行运动动作幅度优化，获得多个优化运动动作；
基于所述多个优化运动动作构建所述运动形式处方；
其中，所述基于所述运动形式处方调整所述初级运动负荷，获得运动负荷处方，所述方法还包括：
根据所述初级运动负荷提取获得所述初级运动动作集合中各个初级运动动作的训练时长、训练组数、训练次数数据；
比对所述初级运动形式和所述运动形式处方获得初级运动动作剔除集合；
基于所述初级运动动作剔除集合遍历所述初级运动负荷，获得所述初级运动动作剔除集合的训练时长数据集合，计算获得训练时长空缺；
根据所述训练时长空缺进行所述多个优化运动动作的所述训练组数、训练次数调整，生成所述运动负荷处方；
根据所述运动形式处方和所述运动负荷处方生成目标用户运动处方。
2.如权利要求1所述的方法，其特征在于，所述通过所述图像采集装置采集获得所述目标用户按照所述初级运动处方进行虚拟试训练的训练图像数据，所述方法还包括：
通过图像采集装置采集获取目标用户的标准图像；
基于所述标准图像进行人体骨骼关键点检测，获得骨骼关键点集合；
采用所述骨骼关键点集合进行肢体结构建模，获得肢体结构模型；
基于所述肢体结构模型对所述图像采集装置采集的所述目标用户运动图像进行实时追踪标识，获得所述训练图像数据。
3.如权利要求1所述的方法，其特征在于，所述将所述心肺功能数据和所述身体机能数据输入预构建的运动处方生成模型中获得初级运动处方，所述方法还包括：
获取具有映射关系的多个样本运动动作和多个样本运动动作发力点数据，构建运动形式筛选模块；
对所述多个样本运动动作进行循环重复难度评估，获得样本运动动作重复难度评估结果集；
基于样本运动动作重复难度评估结果集构建运动负荷分析模块；
所述运动形式分析模块和所述运动负荷分析模块组成所述运动处方生成模型；
将所述心肺功能数据和所述身体机能数据输入所述运动处方生成模型中获得所述初级运动处方。
4.如权利要求1所述的方法，其特征在于，所述方法还包括：
通过所述脑电监测装置采集获取基于所述目标用户运动处方训练过程中的RPE主观疲劳值数据；
基于所述RPE主观疲劳值数据进行所述运动负荷处方的适应性调整，获得优化运动负荷处方；
根据所述优化运动负荷处方和所述运动形式处方生成目标用户优化运动处方；
基于所述RPE主观疲劳值数据生成运动频率提醒数据；
所述远程人体姿态评估训练监控系统基于所述运动频率提醒数据和所述目标用户优化运动处方提示引导所述目标用户执行下一次的运动训练。
5.一种基于远程人体姿态评估的训练监控系统，其特征在于，所述系统与图像采集装置、脑电监测装置通信连接，所述系统包括：
历史健康数据获取模块，所述历史健康数据获取模块用于获取待进行远程训练监控的目标用户的历史健康数据；
用户身体数据提取模块，所述用户身体数据提取模块用于根据所述历史健康数据提取获得所述目标用户的心肺功能数据、身体机能数据；
初级运动处方获取模块，所述初级运动处方获取模块用于将所述心肺功能数据和所述身体机能数据输入预构建的运动处方生成模型中获得初级运动处方，其中，所述初级运动处方包括初级运动形式和初级运动负荷；
训练图像数据获取模块，所述训练图像数据获取模块用于通过所述图像采集装置采集获得所述目标用户按照所述初级运动处方进行虚拟试训练的训练图像数据；
姿态偏差结果获取模块，所述姿态偏差结果获取模块用于基于人体姿态评估确定所述训练图像数据和所述初级运动形式的运动姿态偏差结果；
初级运动形式优化模块，所述初级运动形式优化模块用于根据所述运动姿态偏差结果优化所述初级运动形式，获得运动形式处方；
初级运动负荷调整模块，所述初级运动负荷调整模块用于基于所述运动形式处方调整所述初级运动负荷，获得运动负荷处方；
用户运动处方生成模块，所述用户运动处方生成模块用于根据所述运动形式处方和所述运动负荷处方生成目标用户运动处方，为所述目标用户训练过程中运动姿态评估提供参考；
所述系统还包括：
多节点图像抽帧模块，用于对所述训练图像数据进行多节点图像抽帧，获得训练姿态图像集合；
初级运动动作集合获取模块，用于基于所述初级运动形式提取获得初级运动动作集合；
图像抽帧模块，用于对所述初级运动动作集合中各个初级运动动作进行图像抽帧，获得运动标准姿态图像集合；
人体姿态评估模块，用于根据所述训练姿态图像集合和所述运动标准姿态图像集合的映射关系，对应进行所述人体姿态评估，获得由多个运动姿态偏差参数组成的所述运动姿态偏差结果；
动作偏差结果处理模块，用于根据所述动作姿态偏差结果获得所述运动形式处方；
偏差阈值预设模块，用于预设运动姿态偏差阈值，判断所述运动姿态偏差结果中的所述多个运动姿态偏差参数是否满足所述运动姿态偏差阈值；
剔除标识模块，用于若不满足，将不满足所述运动姿态偏差阈值的所述运动姿态偏差参数对应的所述初级运动动作进行剔除标识；
剔除处理模块，用于基于所述剔除标识从所述初级运动动作集合中进行对应的所述初级运动动作的剔除处理，获得待优化运动形式处方；
运动动作幅度优化模块，用于采用所述运动姿态偏差参数对所述待优化运动形式处方中各个所述初级运动动作进行运动动作幅度优化，获得多个优化运动动作；
优化运动动作处理模块，用于基于所述多个优化运动动作构建所述运动形式处方；
初级运动动作数据提取模块，用于根据所述初级运动负荷提取获得所述初级运动动作集合中各个初级运动动作的训练时长、训练组数、训练次数数据；
剔除集合获取模块，用于比对所述初级运动形式和所述运动形式处方获得初级运动动作剔除集合；
遍历模块，用于基于所述初级运动动作剔除集合遍历所述初级运动负荷，获得所述初级运动动作剔除集合的训练时长数据集合，计算获得训练时长空缺；
初级运动动作数据调整模块，用于根据所述训练时长空缺进行所述多个优化运动动作的所述训练组数、训练次数调整，生成所述运动负荷处方；
运动处方生成模块，用于根据所述运动形式处方和所述运动负荷处方生成目标用户运动处方。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310223970.7A CN116525061B (zh) | 2023-03-09 | 2023-03-09 | 一种基于远程人体姿态评估的训练监控方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310223970.7A CN116525061B (zh) | 2023-03-09 | 2023-03-09 | 一种基于远程人体姿态评估的训练监控方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116525061A CN116525061A (zh) | 2023-08-01 |
| CN116525061B true CN116525061B (zh) | 2024-04-02 |
Family
ID=87403645
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310223970.7A Active CN116525061B (zh) | 2023-03-09 | 2023-03-09 | 一种基于远程人体姿态评估的训练监控方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116525061B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116704555B (zh) * | 2023-08-09 | 2023-10-13 | 四川大学 | 基于姿态调整的小熊猫识别方法及系统 |
Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20110022548A (ko) * | 2009-08-27 | 2011-03-07 | 주식회사 누가의료기 | 운동 처방 시스템 |
| CN109599165A (zh) * | 2019-01-30 | 2019-04-09 | 浙江强脑科技有限公司 | 康复运动训练方法、系统及可读存储介质 |
| WO2019175425A1 (en) * | 2018-03-15 | 2019-09-19 | Pixformance Sports Gmbh | Use of a human pose estimation model for generating and/or refining a movement model |
| CN111933249A (zh) * | 2020-07-29 | 2020-11-13 | 西安理工大学 | 基于改进协同过滤ItemCF算法的运动处方生成方法 |
| KR102320960B1 (ko) * | 2021-05-03 | 2021-11-02 | 이다인 | 사용자 신체 맞춤형 홈 트레이닝 동작 안내 및 교정 시스템 |
| CN114187996A (zh) * | 2021-11-19 | 2022-03-15 | 逸群海豚信息科技(上海)有限公司 | 一种个性化运动处方管理系统 |
| KR20220078276A (ko) * | 2020-12-03 | 2022-06-10 | 주식회사 씨티소프트 | 사용자 맞춤형 운동처방정보를 제공하는 방법, 시스템, 및 컴퓨터-판독가능 매체 |
| CN114724678A (zh) * | 2022-03-09 | 2022-07-08 | 北京体育大学 | 一种运动处方动态设计系统、方法、存储介质和电子设备 |
| CN114822763A (zh) * | 2022-04-29 | 2022-07-29 | 浙江工业大学 | 一种运动数据驱动的个性化运动处方推荐方法 |
| CN115273219A (zh) * | 2022-06-13 | 2022-11-01 | 北京体育大学 | 一种瑜伽动作评估方法、系统、存储介质和电子设备 |
| CN115472260A (zh) * | 2022-08-02 | 2022-12-13 | 艺唯科技股份有限公司 | 健身个性化计划推荐方法、装置及健身设备 |
| CN115497596A (zh) * | 2022-11-18 | 2022-12-20 | 深圳聚邦云天科技有限公司 | 一种基于物联网的人体运动过程姿态纠正方法及系统 |
-
2023
- 2023-03-09 CN CN202310223970.7A patent/CN116525061B/zh active Active
Patent Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20110022548A (ko) * | 2009-08-27 | 2011-03-07 | 주식회사 누가의료기 | 운동 처방 시스템 |
| WO2019175425A1 (en) * | 2018-03-15 | 2019-09-19 | Pixformance Sports Gmbh | Use of a human pose estimation model for generating and/or refining a movement model |
| CN109599165A (zh) * | 2019-01-30 | 2019-04-09 | 浙江强脑科技有限公司 | 康复运动训练方法、系统及可读存储介质 |
| CN111933249A (zh) * | 2020-07-29 | 2020-11-13 | 西安理工大学 | 基于改进协同过滤ItemCF算法的运动处方生成方法 |
| KR20220078276A (ko) * | 2020-12-03 | 2022-06-10 | 주식회사 씨티소프트 | 사용자 맞춤형 운동처방정보를 제공하는 방법, 시스템, 및 컴퓨터-판독가능 매체 |
| KR102320960B1 (ko) * | 2021-05-03 | 2021-11-02 | 이다인 | 사용자 신체 맞춤형 홈 트레이닝 동작 안내 및 교정 시스템 |
| CN114187996A (zh) * | 2021-11-19 | 2022-03-15 | 逸群海豚信息科技(上海)有限公司 | 一种个性化运动处方管理系统 |
| CN114724678A (zh) * | 2022-03-09 | 2022-07-08 | 北京体育大学 | 一种运动处方动态设计系统、方法、存储介质和电子设备 |
| CN114822763A (zh) * | 2022-04-29 | 2022-07-29 | 浙江工业大学 | 一种运动数据驱动的个性化运动处方推荐方法 |
| CN115273219A (zh) * | 2022-06-13 | 2022-11-01 | 北京体育大学 | 一种瑜伽动作评估方法、系统、存储介质和电子设备 |
| CN115472260A (zh) * | 2022-08-02 | 2022-12-13 | 艺唯科技股份有限公司 | 健身个性化计划推荐方法、装置及健身设备 |
| CN115497596A (zh) * | 2022-11-18 | 2022-12-20 | 深圳聚邦云天科技有限公司 | 一种基于物联网的人体运动过程姿态纠正方法及系统 |
Non-Patent Citations (3)
| Title |
|---|
| 8周HIIT和MICT干预对硕士研究生健康体适能影响的实验研究;李晓晨;《中国优秀硕士论文全文数据库 社会科学Ⅱ辑》;20181215(第12期);论文第三章 * |
| 个性化运动处方教学模式在大学生田径素质训练课中的应用浅析;李志刚;;辽宁师专学报(自然科学版);20180325(第01期);全文 * |
| 运动处方的制订原则;张连凯;中国临床康复;20031025(30);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116525061A (zh) | 2023-08-01 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108734104B (zh) | 基于深度学习图像识别的健身动作纠错方法及系统 | |
| CN107485844B (zh) | 一种肢体康复训练方法、系统及嵌入式设备 | |
| US9195304B2 (en) | Image processing device, image processing method, and program | |
| CN103678859B (zh) | 动作比对方法与动作比对系统 | |
| JP6124308B2 (ja) | 動作評価装置及びそのプログラム | |
| CN112069933A (zh) | 基于体态识别和人体生物力学的骨骼肌肉受力估计方法 | |
| CN109298779A (zh) | 基于虚拟代理交互的虚拟训练系统与方法 | |
| CN109635820B (zh) | 基于深度神经网络的帕金森病运动迟缓视频检测模型的构建方法 | |
| CN107930048B (zh) | 一种太空体感识别运动分析系统及运动分析方法 | |
| EP2203896B1 (en) | Method and system for selecting the viewing configuration of a rendered figure | |
| CN116525061B (zh) | 一种基于远程人体姿态评估的训练监控方法及系统 | |
| CN112464918A (zh) | 健身动作纠正方法、装置、计算机设备和存储介质 | |
| CN114022512A (zh) | 运动辅助方法、装置及介质 | |
| CN114550027A (zh) | 基于视觉的运动视频精细分析方法和装置 | |
| Reveret et al. | 3D visualization of body motion in speed climbing | |
| CN114998983A (zh) | 一种基于增强现实技术和姿态识别技术的肢体康复方法 | |
| CN114782497A (zh) | 运动功能分析方法和电子设备 | |
| CN111312363B (zh) | 一种基于虚拟现实的双手协调性增强系统 | |
| CN114035678A (zh) | 一种基于深度学习和虚拟现实的辅助判断方法 | |
| WO2016021152A1 (ja) | 姿勢推定方法および姿勢推定装置 | |
| WO2021039857A1 (ja) | 映像生成装置 | |
| CN116099181A (zh) | 基于元宇宙下的上肢力量训练辅助系统及其使用方法 | |
| Yang et al. | Wushu movement evaluation method based on Kinect | |
| Muñoz et al. | Dynamic systems theory in human movement exploring coordination patterns by angle-angle diagrams using Kinect | |
| CN115810099B (zh) | 一种用于虚拟沉浸式抑郁症治疗系统的图像融合设备 |
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 |