CN116649951B - 运动数据处理方法、穿戴设备、终端、健身器设备及介质 - Google Patents
运动数据处理方法、穿戴设备、终端、健身器设备及介质 Download PDFInfo
- Publication number
- CN116649951B CN116649951B CN202211414177.7A CN202211414177A CN116649951B CN 116649951 B CN116649951 B CN 116649951B CN 202211414177 A CN202211414177 A CN 202211414177A CN 116649951 B CN116649951 B CN 116649951B
- Authority
- CN
- China
- Prior art keywords
- data
- motion
- rer
- exercise
- target 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
Links
- 238000003672 processing method Methods 0.000 title abstract description 23
- 230000033001 locomotion Effects 0.000 claims abstract description 536
- 238000000034 method Methods 0.000 claims abstract description 343
- 230000008569 process Effects 0.000 claims abstract description 246
- 238000004364 calculation method Methods 0.000 claims abstract description 90
- 238000012545 processing Methods 0.000 claims abstract description 44
- HVCOBJNICQPDBP-UHFFFAOYSA-N 3-[3-[3,5-dihydroxy-6-methyl-4-(3,4,5-trihydroxy-6-methyloxan-2-yl)oxyoxan-2-yl]oxydecanoyloxy]decanoic acid;hydrate Chemical compound O.OC1C(OC(CC(=O)OC(CCCCCCC)CC(O)=O)CCCCCCC)OC(C)C(O)C1OC1C(O)C(O)C(O)C(C)O1 HVCOBJNICQPDBP-UHFFFAOYSA-N 0.000 claims abstract description 36
- 229930186217 Glycolipid Natural products 0.000 claims abstract description 36
- 230000000241 respiratory effect Effects 0.000 claims abstract description 19
- 230000006870 function Effects 0.000 claims description 52
- 238000004891 communication Methods 0.000 claims description 50
- 230000006854 communication Effects 0.000 claims description 50
- 238000012549 training Methods 0.000 claims description 40
- 230000008859 change Effects 0.000 claims description 33
- 230000004044 response Effects 0.000 claims description 31
- 238000004590 computer program Methods 0.000 claims description 21
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 claims description 16
- 238000003860 storage Methods 0.000 claims description 14
- 238000001914 filtration Methods 0.000 claims description 13
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 claims description 9
- 229910052760 oxygen Inorganic materials 0.000 claims description 9
- 239000001301 oxygen Substances 0.000 claims description 9
- 229910002092 carbon dioxide Inorganic materials 0.000 claims description 8
- 239000001569 carbon dioxide Substances 0.000 claims description 8
- 230000029058 respiratory gaseous exchange Effects 0.000 claims description 2
- 230000009467 reduction Effects 0.000 abstract description 9
- 230000008901 benefit Effects 0.000 abstract description 5
- 238000010586 diagram Methods 0.000 description 32
- 238000002485 combustion reaction Methods 0.000 description 17
- 230000000694 effects Effects 0.000 description 16
- 238000010295 mobile communication Methods 0.000 description 12
- 230000005236 sound signal Effects 0.000 description 12
- 238000005192 partition Methods 0.000 description 11
- 210000000988 bone and bone Anatomy 0.000 description 9
- 239000000446 fuel Substances 0.000 description 9
- 230000000386 athletic effect Effects 0.000 description 8
- 230000000284 resting effect Effects 0.000 description 8
- 230000001133 acceleration Effects 0.000 description 6
- 238000007726 management method Methods 0.000 description 6
- 230000003287 optical effect Effects 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 5
- 238000013528 artificial neural network Methods 0.000 description 4
- 238000010801 machine learning Methods 0.000 description 4
- 230000008447 perception Effects 0.000 description 4
- 230000003068 static effect Effects 0.000 description 4
- 229920001621 AMOLED Polymers 0.000 description 3
- ZKHQWZAMYRWXGA-UHFFFAOYSA-N Adenosine triphosphate Natural products C1=NC=2C(N)=NC=NC=2N1C1OC(COP(O)(=O)OP(O)(=O)OP(O)(O)=O)C(O)C1O ZKHQWZAMYRWXGA-UHFFFAOYSA-N 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 3
- 239000003086 colorant Substances 0.000 description 3
- 239000000126 substance Substances 0.000 description 3
- 230000001360 synchronised effect Effects 0.000 description 3
- 230000001960 triggered effect Effects 0.000 description 3
- ZKHQWZAMYRWXGA-KQYNXXCUSA-J ATP(4-) Chemical compound C1=NC=2C(N)=NC=NC=2N1[C@@H]1O[C@H](COP([O-])(=O)OP([O-])(=O)OP([O-])([O-])=O)[C@@H](O)[C@H]1O ZKHQWZAMYRWXGA-KQYNXXCUSA-J 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 2
- 230000003416 augmentation Effects 0.000 description 2
- 230000036772 blood pressure Effects 0.000 description 2
- 230000001413 cellular effect Effects 0.000 description 2
- 238000013480 data collection Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 239000000295 fuel oil Substances 0.000 description 2
- 239000007789 gas Substances 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 239000002096 quantum dot Substances 0.000 description 2
- 238000009987 spinning Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000037147 athletic performance Effects 0.000 description 1
- 230000007175 bidirectional communication Effects 0.000 description 1
- 230000002457 bidirectional effect Effects 0.000 description 1
- 238000013529 biological neural network Methods 0.000 description 1
- 230000036760 body temperature Effects 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 239000004020 conductor Substances 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000001939 inductive effect Effects 0.000 description 1
- 239000010985 leather Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 229910044991 metal oxide Inorganic materials 0.000 description 1
- 150000004706 metal oxides Chemical class 0.000 description 1
- 210000002569 neuron Anatomy 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000002138 osteoinductive effect Effects 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000003825 pressing Methods 0.000 description 1
- 230000010349 pulsation Effects 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000004984 smart glass Substances 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
- 230000003238 somatosensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000004454 trace mineral analysis Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000001755 vocal effect Effects 0.000 description 1
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/08—Detecting, measuring or recording devices for evaluating the respiratory organs
- A61B5/083—Measuring rate of metabolism by using breath test, e.g. measuring rate of oxygen consumption
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
- A61B5/6801—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be attached to or worn on the body surface
- A61B5/6802—Sensor mounted on worn items
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
- A61B5/6887—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient mounted on external non-worn devices, e.g. non-medical devices
- A61B5/6895—Sport equipment
-
- 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
- A61B2505/00—Evaluating, monitoring or diagnosing in the context of a particular type of medical care
- A61B2505/09—Rehabilitation or 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
- 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
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Medical Informatics (AREA)
- Biophysics (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Veterinary Medicine (AREA)
- Animal Behavior & Ethology (AREA)
- Pathology (AREA)
- Surgery (AREA)
- Heart & Thoracic Surgery (AREA)
- Molecular Biology (AREA)
- Physics & Mathematics (AREA)
- Biomedical Technology (AREA)
- Epidemiology (AREA)
- Pulmonology (AREA)
- Physiology (AREA)
- Physical Education & Sports Medicine (AREA)
- Obesity (AREA)
- Primary Health Care (AREA)
- Emergency Medicine (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本申请实施例提供一种运动数据处理方法、穿戴设备、终端、健身器设备及介质。在本申请实施例中，通过获取目标用户在运动过程中产生的运动数据，利用呼吸交换率预测模型预测目标用户在运动过程中的呼吸交换率，基于该呼吸交换率及其与糖脂比例的对应关系，不仅能够准确地获取用户运动消耗的热量中多少是来自脂肪消耗的，提高运动过程中热量计算的准确度，反映目标用户真实的热量消耗情况，提高目标用户精准减脂感知体验，而且整个过程无需大量经验的数据信号处理操作，还具有高效、快速的优势。
Description
技术领域
本申请涉及穿戴设备技术领域，尤其涉及一种运动数据处理方法、穿戴设备、终端、健身器设备及介质。
背景技术
随着可穿戴设备的发展，可穿戴设备越来越受消费者的欢迎。在可穿戴设备的功能当中，运动功能逐渐成为了可穿戴设备的标配。目前，可穿戴设备可采集目标用户的运动速度、运动时长、心率等数据，根据这些数据通过一些热量计算公式可粗略计算目标用户运动消耗的热量(即卡路里)。
目前，运动消耗热量的计算方式较为简单，计算出的热量不够准确，很难反映真实的热量消耗情况。
发明内容
本申请的多个方面提供一种运动数据处理方法、穿戴设备、终端、健身器设备及介质，用以提高运动过程中热量计算的准确度，反映目标用户真实的热量消耗情况。
第一方面，本申请实施例提供一种运动数据处理方法，应用于穿戴设备或健身器设备，所述方法包括：响应运动触发操作，采集目标用户在本次运动过程中产生的运动数据，并根据所述运动数据，利用呼吸交换率RER预测模型预测所述目标用户在本次运动过程中的RER；根据所述目标用户在本次运动过程中的RER以及糖脂比例与RER的对应关系，计算所述目标用户在本次运动过程中的脂肪消耗数据；响应第一查看操作，显示目标运动中界面，并至少在所述目标运动中界面上显示所述脂肪消耗数据，所述脂肪消耗数据随着运动过程动态变化。
第二方面，本申请实施例还提供一种运动数据处理方法，应用于终端设备或健身器设备，所述终端设备或健身器设备与目标用户佩戴的穿戴设备通信连接，且显示有目标运动中界面，所述方法包括：接收所述穿戴设备上传的所述目标用户在本次运动过程中产生的运动数据；根据所述运动数据，利用呼吸交换率RER预测模型预测所述目标用户在本次运动过程中的RER；根据所述目标用户在本次运动过程中的RER以及糖脂比例与RER的对应关系，计算所述目标用户在本次运动过程中的脂肪消耗数据；至少在所述目标运动中界面上显示所述脂肪消耗数据，所述脂肪消耗数据随着运动过程动态变化。
第三方面，本申请实施例还提供一种运动数据处理方法，应用于穿戴设备，所述方法包括：响应运动触发操作，采集目标用户在本次运动过程中产生的运动数据；根据所述运动数据，利用呼吸交换率RER预测模型预测所述目标用户在本次运动过程中的RER；将所述目标用户在本次运动过程中的RER同步至与所述穿戴设备通信连接的终端设备或健身器设备，以使所述终端设备或健身器设备根据所述RER以及糖脂比例与RER的对应关系计算所述目标用户在本次运动过程中的脂肪消耗数据并显示所述脂肪消耗数据。
第四方面，本申请实施例还提供一种运动数据处理方法，应用于终端设备或健身器设备，所述终端设备或健身器设备与目标用户佩戴的穿戴设备通信连接，且显示有目标运动中界面，所述方法包括：接收所述穿戴设备上传的所述目标用户在本次运动过程中的呼吸交换率RER；根据所述目标用户在本次运动过程中的RER以及糖脂比例与RER的对应关系，计算所述目标用户在本次运动过程中的脂肪消耗数据；至少在所述目标运动中界面上显示所述脂肪消耗数据，所述脂肪消耗数据随着运动过程动态变化。
第五方面，本申请实施例还提供一种穿戴设备，包括处理器和存储器，所述处理器用于调用存储器中的计算机程序，以执行如第一方面或第三方面提供的方法或实施例中记载的其它方法。
第六方面，本申请实施例还提供一种终端设备，包括处理器和存储器，所述处理器用于调用存储器中的计算机程序，以执行如第二方面或第四方面提供的方法或实施例中记载的其它方法。
第七方面，本申请实施例还提供一种健身器设备，包括处理器和存储器，所述处理器用于调用存储器中的计算机程序，以执行如第一方面或第二方面或第四方面提供的方法或实施例中记载的其它方法。
第八方面，本申请实施例还提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机指令，当所述计算机指令被处理器运行时，使得所述处理器执行如第一方面、第二方面、第三方面或第四方面提供的方法或实施例中记载的其它方法。
在本申请各方面提供的实施例中，通过获取目标用户在运动过程中产生的运动数据，利用呼吸交换率预测模型预测目标用户在运动过程中的呼吸交换率，基于该呼吸交换率及其与糖脂比例的对应关系，不仅能够准确地获取用户运动消耗的热量中多少是来自脂肪消耗的，提高运动过程中热量计算的准确度，反映目标用户真实的热量消耗情况，提高目标用户精准减脂感知体验，而且整个过程无需大量经验的数据信号处理操作，还具有高效、快速的优势。
附图说明
此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
图1a为本申请实施例提供的一种针对RER预测模型进行模型训练的过程示例图；
图1b为本申请实施例提供的一种针对RER预测模型进行模型推理的过程示例图；
图1c为本申请实施例提供的以心率数据进行模型训练过程中得到的R方性能曲线图；
图2a为本申请实施例提供的一种运动数据处理方法的流程示意图；
图2b为本申请实施例提供的脂肪与糖分燃烧比例与RER之间的对应关系示意图；
图2c为本申请实施例提供的另一种运动数据处理方法的流程示意图；
图2d为本申请实施例提供的一种通过运动中界面显示脂肪消耗数据的界面示意图；
图2e为本申请实施例提供的另一种通过运动中界面显示脂肪消耗数据的界面示意图；
图2f为本申请实施例提供的查看燃脂详情数据的界面状态示意图；
图2g为本申请实施例提供的同时显示本次运动过程中的燃脂比例曲线和燃糖比例曲线的燃脂曲线图；
图2h为本申请实施例提供的同时显示一周内的燃脂比例曲线和燃糖比例曲线的燃脂曲线图；
图2i为本申请实施例提供的同时显示一个月内的燃脂比例曲线和燃糖比例曲线的燃脂曲线图；
图3a为本申请实施例提供的由穿戴设备执行的运动数据处理方法的流程示意图；
图3b为本申请实施例提供的穿戴设备在运动数据处理过程中的界面状态变化图；
图4a为本申请实施例提供的一种运动数据处理系统的结构示意；
图4b为本申请实施例提供的穿戴设备41与终端设备42或健身器设备43相互配合进行运动数据处理的一种方法流程示意图；
图4c为本申请实施例提供的穿戴设备41与终端设备42或健身器设备43相互配合进行运动数据处理的另一种方法流程示意图；
图4d为本申请实施例提供的穿戴设备41与终端设备42或健身器设备43相互配合进行运动数据处理的又一种方法流程示意图；
图4e为本申请实施例提供的终端设备42或健身器设备43显示的运动中界面的示意图；
图4f为本申请实施例提供的终端设备42或健身器设备43显示的运动详情界面的示意图；
图5a为本申请实施例提供的一种运动数据处理装置500a的结构示意图；
图5b为本申请实施例提供的另一种运动数据处理装置500b的结构示意图；
图5c为本申请实施例提供的穿戴设备500c的结构示意图；
图6a为本申请实施例提供的又一种运动数据处理装置600a的结构示意图；
图6b为本申请实施例提供的又一种运动数据处理装置600b的结构示意图；
图6c为本申请实施例提供的终端设备100的结构示意图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚，下面将结合本申请具体实施例及相应的附图对本申请技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，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，都属于本申请保护的范围。
现有运动消耗热量的计算方式较为简单，计算出的热量不够准确，很难反映真实的热量消耗情况。针对现有方案存在的问题，考虑用户运动的主要目的是为了减少脂肪(简称为减脂)，用户更加关注的是运动过程中由脂肪消耗的热量数据，以及在运动过程中如何更高效的燃烧脂肪。基于此，在本申请实施例中，依据运动中消耗的热量一部分来自于糖分一部分来自于脂肪的原理，将用户在运动过程中产生的运动数据与机器学习算法模型相结合，预测用户在运动过程中的呼吸交换率(Respiratory Exchange Ratio，RER)，基于RER及其与糖脂比例的对应关系准确地获取用户运动消耗的热量中多少是来自脂肪消耗的，准确地给出脂肪消耗数据，不仅可以提高运动过程中热量计算的准确度，反映用户真实的热量消耗情况，而且基于脂肪消耗数据能够指导用户有效且精准地减脂，提高用户精准减脂感知体验。
在本申请实施例中，为了使用机器学习算法模型预测用户在运动过程中的RER，需要预先训练用于进行RER预测的机器学习模型。在本申请实施例中，将用于进行RER预测的机器学习模型简称为RER预测模型。关于RER预测模型的训练过程如下：
首先，选定样本用户，样本用户的数量为多个。另外，为了提高RER预测模型的普适性，关于样本用户的年龄阶段、性别以及职业等均不做限定。也就是说，样本用户可以包含不同年龄阶段，不同性别以及不同职业的用户。
接着，一方面采集样本用户在运动过程中产生的运动数据，一方面利用气体分析仪量测样本用户在运动过程中吸入的氧气量和呼出的二氧化碳量，根据吸入的氧气量和呼出的二氧化碳量确定样本用户在运动过程中的RER，将该RER作为RER标准值。其中，
最后，将样本用户在运动过程中产生的运动数据作为训练样本，对用于预测RER的初始模型进行模型训练，并利用RER标准值对模型训练结果进行评估，直至得到符合要求的RER预测模型。
进一步，在本申请实施例中，并不限定RER预测模型的类型，优选地，RER预测模型可以是端到端的深度时序预测模型。基于此，上述模型训练过程中，在采集样本用户在运动过程中产生的运动数据时，可以按照设定的采集周期周期性地采集样本用户在运动过程中在各个采集时刻产生的运动数据，还需要记录运动数据的采集时刻(即运动数据的产生时刻)，例如每隔1秒钟或5秒钟采集一次样本用户产生的运动数据，这些运动数据及其产生时刻形成样本时序数据。相应地，利用气体分析仪量测样本用户在每个采集时刻吸入的氧气量和呼出的二氧化碳量，根据吸入的氧气量和呼出的二氧化碳量确定样本用户在每个采集时刻的RER标准值。之后，可以根据样本时序数据利用深度时序预测模型进行RER预测，以得到样本用户在运动过程中的RER预测值；根据RER预测与对应的RER标准值生成模型训练的损失函数，根据该损失函数调整深度时序预测模型的模型参数直到模型收敛，以得到最终训练出的深度时序预测模型，即RER预测模型。
在上述过程中，深度时序预测模型可以实时预测每个采集时刻的RER预测值，也可以按照设定的计算周期，周期性地进行RER预测。其中，计算周期大于或等于上文中运动数据的采集周期，例如采集周期为3秒钟，计算周期为1分钟；又例如采集周期为1秒钟，计算周期为5秒钟。优选地，计算周期是采集周期的整数倍。具体的，对于每个计算周期，可以根据该计算周期以及该计算周期之前若干个历史计算周期内的运动数据形成该计算周期对应的样本时序数据，将该样本时序数据输入深度时序预测模型进行RER预测，以得到样本用户该计算周期内的RER预测值；根据样本用户在每个计算周期内的RER预测与对应计算周期内的RER标准值生成模型训练的损失函数，根据该损失函数调整深度时序预测模型的模型参数直到模型收敛，以得到最终训练出的深度时序预测模型，即RER预测模型。
在此说明，在本申请各实施例中，在模型训练过程中或模型推理过程中所使用的运动数据，包括用户在运动过程中的心率数据，还可以包括用户在运动过程中的速度数据和/或加速度数据等。
进一步，在本申请各实施例中，在模型训练过程中或模型推理过程中除了使用用户在运动过程中产生的运动数据之外，还可以融合用户的个人特征数据，用户的个人特征数据包括用户的属性数据和运动指标数据中的至少一种；其中，用户的运动指标数据可以是根据用户的属性数据和/或历史运动数据生成或统计得到的。其中，用户的属性数据包括但不限于：用户的运动习惯、偏好的运动类型、用户的年龄、身高、性别、体重、最大心率、静息心率以及用户偏好的运动时间等。基于用户的属性数据和/或历史运动数据(例如历史运动过程中的心率数据和速度数据)可以生成用户的最大摄氧量、身体质量指数(Body MassIndex，BMI)等运动指标数据。
其中，图1a为同时采用用户的运动数据、属性数据以及运动指标数据进行模型训练的过程示例图；相应地，图1b为同时采用用户的运动数据、属性数据以及运动指标数据进行模型推理的过程示例图。
进一步，如图1a或图1b所示，在模型训练或模型推理过程中，还可以对模型输入数据进行预处理和特征提取，将所提取的特征数据送入深度时序预测模型进行模型训练或模型推理。其中，预处理为可选操作，预处理主要包括但不限于：对用户的运动数据(例如心率数据、速度数据等)进行滤波，以滤除运动过程中会产生的大量噪声干扰，提高用于模型训练或模型推理的运动数据的质量，进而提高模型训练或推理的准确度。
进一步可选地，在本申请实施例中，采用均值滤波器对模型训练或模型推理过程中的运动数据(例如心率数据、速度数据等)进行均值滤波，之后根据均值滤波后的运动数据进行模型训练或推理。相比于其它滤波方式，例如LMS(最小均方算法)自适应滤波、小波变换与经验模态分解滤波方式，均值滤波方式在非周期运动、周期运动以及同频干扰等方面均具有较佳的抗噪性能，适用于各种运动场景，具有较强的场景泛化能力。
进一步可选地，在上述特征提取过程是将原始的模型输入数据转换为更适合模型训练或推理的数据特征的过程，在本申请实施例中，具体是指将用户的运动数据、属性数据以及运动指标数据等转换为与RER预测相关的数据特征的过程，例如包括但不限于：从用户的运动数据中提取各种变化率特征以及差分特征等，以及对用户的属性数据、运动指标数据进行特征编码等。
进一步可选地，在上述模型训练过程中，在根据RER预测与RER标准值生成模型训练的损失函数时，可以计算RER预测与RER标准值的相关系数的平方(简称为R方)作为模型训练的损失函数，但并不限于此。例如，还可以计算RER预测与RER标准值的平均绝对误差(Mean Absolute Error，MAE)作为模型训练的损失函数，或者，计算RER预测与RER标准值的均方误差(Mean Square Error)作为模型训练的损失函数，等等。其中，相关系数衡量的是RER预测与RER标准值的线性相关程度，R方是对RER预测与RER标准值进行拟合回归效果的一个评价指标，R方越接近于1，表示RER预测与RER标准值的拟合回归效果越好，也就意味着模型训练收敛效果越好。
为了说明模型训练过程是否收敛，以R方作为模型训练的损失函数为例，对模型训练过程进行了跟踪分析，并得到图1c所示的模型训练过程中的性能曲线图。在图1c所示性能曲线图中，是以心率数据作为运动数据为例进行模型训练的，对由模型预测出的RER预测值计算出的糖脂比例和由RER标准值计算出的糖脂比例进行对比图示，进而可计算由两个糖脂比例的相关系数的平方(简称为R方)作为RER预测值与RER标准值的R方。由图1c可知：
R方＝1：是最理想的情况，说明模型预测性能最佳，模型预测出的RER预测值等于RER标准值；
R方＝0：说明模型预测能力相对较差，模型预测出的RER预测值与RER标准值具有一定偏差，可以对模型作进一步优化训练；其中，出现R方＝0的情况，示例性的，包括但不限于：模型预测出的所有RER预测等于RER标准值的平均值的情况；
R方<0：说明模型预测能力非常差，模型预测出的RER预测与RER标准值存在很大偏差，这表示可能使用了错误的模型，或者模型假设不合理，需要进一步进行模型训练。
需要说明的是，R方的最小值没有下限，因为预测过程可能出现任意程度的误差。因此，R方的范围是[-∞，1]，∞是无穷符号。R方在0-0.3范围时表示RER预测值与RER标准值弱相关，此时模型预测性能较差，需要继续进行模型训练，提高模型预测性能；R方在0.3-0.6范围时表示RER预测值与RER标准值中等程度相关，此时模型预测性能相对较好，但可以进一步强化模型训练；R方在0.6-1范围时表示RER预测值与RER标准值强相关，此时模型预测性能较好，说明模型收敛，可以结束模型训练。
在得到RER预测模型的基础上，可以结合用户在运动过程中产生的运动数据，利用RER预测模型预测用户在运动过程中的RER，基于该RER以及RER与糖脂比例的对应关系，能够准确地获取用户运动消耗的热量中多少是来自脂肪消耗的，提高运动过程中热量计算的准确度，反映用户真实的热量消耗情况，能够指导用户有效且精准地减脂，提高用户精准减脂感知体验。
在本申请以下实施例中，将结合附图对基于RER预测模型预测运动消耗的热量中多少是来自脂肪消耗的模型推理过程进行详细说明。
图2a为本申请实施例提供的一种运动数据处理方法的流程示意图。如图2a所示，该方法包括：
21、响应运动触发操作，获取目标用户在本次运动过程中产生的运动数据；
22、根据目标用户在本次运动过程中产生的运动数据，利用RER预测模型预测目标用户在本次运动过程中的RER；
23、根据目标用户在本次运动过程中的RER以及糖脂比例与RER的对应关系，计算目标用户在本次运动过程中的脂肪消耗数据；
24、响应第一查看操作，显示目标运动中界面，并至少在目标运动中界面上显示脂肪消耗数据，脂肪消耗数据随着运动过程动态变化。
在本实施例中，为了便于区分和描述，将本次运动的用户称为目标用户。其中，运动触发操作可由目标用户手动发起，用于表示目标用户开始运动；或者，也可以由目标用户预先设定的运动时间到达事件自动触发。如果本实施例方法的执行主体包括显示屏幕，且显示屏幕支持触控操作，则目标用户可以通过显示屏幕发起运动触发操作；如果本实施例方法的执行主体包括开始运动的物理按键，则目标用户可以通过该物理按键发起运动触发操作；如果本实施例方法的执行主体具有语音识别功能，则目标用户可以通过语音指令发起运动触发操作。
在接收到运动触发操作的情况下，可以获取目标用户在本次运动过程中产生的运动数据，例如心率数据、速度数据等。其中，根据本实施例方法的执行主体在实现上的不同，获取目标用户在本次运动过程中产生的运动数据的方式也会有所不同。如果本实施例方法的执行主体是用户佩戴的穿戴设备(例如腕部佩戴的智能手表或运动手环或头戴式耳机或智能眼镜等)，则穿戴设备可以直接采集目标用户在本次运动过程中产生的运动数据；如果本实施例方法的执行主体是与用户佩戴的穿戴设备通信连接的终端设备或健身器设备，则可以接收穿戴设备采集并上传的运动数据。其中，穿戴设备上设置有各种传感器，例如心率传感器、速度传感器、温度传感器以及GPS定位传感器等，通过这些传感器可以采集目标用户在本次运动过程中的心率数据、速度数据、体温数据、位置数据等。当然，在本实施例方法的执行主体是健身器设备的情况下，也可以不依赖于穿戴设备上传运动数据，而是由健身器设备直接采集目标用户在本次运动过程中产生的运动数据，例如通过设置于握持部(如扶手)上的心率传感器采集目标用户的心率数据，并通过设置于运动部件上的速度传感器采集目标用户的速度数据等。
在获取目标用户在本次运动过程中产生的运动数据之后，可以根据目标用户在本次运动过程中产生的运动数据，利用预先训练的RER预测模型预测目标用户在本次运动过程中的RER。进一步，根据目标用户在本次运动过程中的RER以及糖脂比例与RER的对应关系，计算目标用户在本次运动过程中的脂肪消耗数据。
其中，根据脂肪燃烧化学式：C16H32O2+23O2→16CO2+16H2O+129ATP，可得出脂肪充分燃烧产生的同理，根据糖分燃烧化学式：C6H12O6+6O2→6CO2+6H2O+32ATP，可得出糖分充分燃烧产生的/>其中，ATP是腺嘌呤核苷三磷酸，简称三磷酸腺苷，其化学式为C10H16N5O13P3。
由上述脂肪充分燃烧产生的RER和糖分充分燃烧产生的RER，结合用户在运动过程中的RER是由脂肪实际燃烧产生的RER和糖分实际燃烧产生的RER两部分组成，可得出：用户在运动过程中的RER与脂肪实际燃烧产生的RER和糖分实际燃烧产生的RER之间存在的比例关系，具体表示为下述公式(1)和(2)：
0.7*W1+1.0*W2＝RER (1)
W1+W2＝1 (2)
其中，W1，W2分别为脂肪实际燃烧的比例(也可称为脂肪消耗比例)和糖分实际燃烧的比例(也可称为糖分消耗比例)，该比例表示脂肪或糖分燃烧的充分度，当脂肪充分燃烧时(此时糖分不消耗)，W1＝1，W2＝0，表示整个运动过程中的RER都由脂肪消耗产生；当糖分充分燃烧时(此时脂肪不消耗)，W1＝0，W2＝1，表示整个运动过程中的RER都由糖分消耗产生；当糖分和脂肪均燃烧时，W1+W2＝1，且W1和W2均大于0且小于1，例如，W1＝0.7，W2＝0.3，表示整个运动过程中的RER，70％是由脂肪消耗产生的，30％是由糖分消耗产生的。
由上述公式(1)和(2)可得知脂肪与糖分燃烧比例与RER之间存在如图2b所示的对应关系，本申请实施例将该对应关系简称为糖脂比例与RER的对应关系。如图2b可知，随着RER的增大，糖分燃烧的比例逐渐增大，脂肪燃烧的比例逐渐降低，而且在RER＝0.7时，糖分燃烧比例为0，脂肪燃烧比例为1(即100％)，在RER＝1时，糖分燃烧比例为1(即100％)，脂肪燃烧比例为0。
基于上述，在预测出目标用户在本次运动过程中的RER的基础上，结合糖脂比例与RER的对应关系，可以计算目标用户在本次运动过程中的脂肪消耗数据。在本实施例中，目标用户在本次运动过程中的脂肪消耗数据是指在本次运动过程中实时消耗的与脂肪相关的数据，这些数据会随着运动时间而动态变化，例如包括但不限于：目标用户在本次运动过程中的脂肪消耗比例。进一步可选地，脂肪消耗数据还可以包括：根据目标用户在本次运动过程中的脂肪消耗比例和目标用户在本次运动过程中消耗的总热量计算出的本次运动过程中由脂肪实时消耗的热量。其中，目标用户在本次运动过程中实时消耗的总热量可根据目标用户在本次运动过程中的运动数据实时计算得到，例如可以根据目标用户在本次运动过程中的心率数据、速度数据以及运动时间等计算出目标用户在本次运动过程中实时消耗的总热量。
在一可选实施例中，在步骤21中，可以按照采集周期周期性地采集目标用户在本次运动过程中产生的运动数据，例如采集周期可以是1秒钟，则可以每秒钟采集一次运动数据；相应地，在步骤22中，RER预测模型可以按照设定的计算周期，周期性地预测目标用户在每个计算周期内的RER。基于此，可以以计算周期为单位，在每个计算周期到达时，获取目标用户在每个计算周期内产生的运动数据，将目标用户在每个计算周期内产生的运动数据输入RER预测模型，在该模型内部，结合目标用户在该计算周期内产生的运动数据以及在该计算周期之前若干个历史计算周期内产生的运动数据进行RER的预测，以得到目标用户在该计算周期内的RER。以采集周期为1秒钟，计算周期为1分钟为例，则每个计算周期中的运动数据包括每秒钟采集到的运动数据。
在一可选实施例中，RER预测模型可以是端到端的深度时序预测模型，可以预测目标用户在每个计算周期的RER。基于此，步骤23的一种实施方式包括：根据目标用户在每个计算周期的RER以及糖脂比例与RER的对应关系，计算目标用户在每个计算周期的脂肪消耗比例；根据目标用户在每个计算周期的脂肪消耗比例和目标用户在每个计算周期消耗的总热量，计算目标用户在每个计算周期内脂肪消耗的热量。示例性的，以计算周期为1分钟为例，则每隔1分钟就会输出一次脂肪消耗的热量、脂肪消耗比例这些脂肪消耗数据；以计算周期为5秒钟为例，则每隔5秒钟就会输出一次脂肪消耗的热量、脂肪消耗比例这些脂肪消耗数据。
在一可选实施例中，除了采用目标用户在本次运动过程中产生的运动数据之外，还可以获取目标用户的个人特征数据，该个人特征数据包括目标用户的属性数据和运动指标数据中的至少一种，所述运动指标数据是根据目标用户的属性数据和/或历史运动数据生成的，关于目标用户的属性数据以及运动指标数据的示例可参见前文实施例，在此不再赘述。然后，根据目标用户的个人特征数据以及运动数据，利用RER预测模型预测目标用户在运动过程中的RER。其中，目标用户可以预先将其个人特征数据输入并存储在本方法实施例的执行主体中，则该执行主体可以直接从本地获取目标用户的个人特征数据。或者，目标用户可以预先将其个人特征数据输入其它设备，其它设备与本方法实施例的执行主体通信互联，则该执行主体还可以接收由其它设备发送的目标用户的个人特征数据。
具体地，在目标用户的个人特征数据仅包含目标用户的属性数据的情况下，在步骤22中，具体根据目标用户的属性数据以及在本次运动中产生的运动数据，利用RER预测模型预测目标用户在本次运动过程中的RER；在目标用户的个人特征数据仅包含目标用户的运动指标数据的情况下，在步骤22中，具体根据目标用户的运动指标数据以及在本次运动中产生的运动数据，利用RER预测模型预测目标用户在本次运动过程中的RER；在目标用户的个人特征数据同时包含目标用户的属性数据和运动指标数据的情况下，在步骤22中，具体根据目标用户的属性数据、运动指标数据以及在本次运动中产生的运动数据，利用RER预测模型预测目标用户在本次运动过程中的RER。
无论是上述哪种情况，在利用RER预测模型预测目标用户在本次运动过程中的RER之前，可以对目标用户在本次运动过程中产生的运动数据进行均值滤波，以滤除运动数据中的干扰信号。之后，可以根据目标用户的个人特征数据(例如属性数据和/或运动指标数据)以及经均值滤波后的运动数据，利用RER预测模型预测目标用户在运动过程中的RER。
具体地，以RER预测模型是端到端的深度时序预测模型为例，且假设采集周期为1秒钟，计算周期为1分钟，则可以获取目标用户的属性数据以及运动指标数据，并以1秒为单位采集目标用户在每分钟内产生的运动数据，当采集时长达到1分钟时，对这1分钟内采集到的运动数据进行均值滤波，并将均值滤波后的运动数据存储至数据缓存中，该数据缓存具有固定长度，用于存储最近N个计算周期内经过均值滤波后的运动数据，N是大于等于2的整数，例如用于存储最近3分钟、5分钟内的运动数据；接着，利用RER预测模型对该数据缓存中存储的最近N个计算周期内经过均值滤波后的运动数据以及用户的属性数据和运动指标数据进行RER预测，得到当前计算周期内的RER；然后，根据目标用户在当前计算周期的RER以及糖脂比例与RER的对应关系，计算目标用户在当前计算周期内的脂肪消耗数据，当前计算周期内的脂肪消耗数据包括但不限于目标用户在当前计算周期内的脂肪消耗比例和脂肪消耗的热量。需要说明的是，由于数据缓存是固定长度的，所以当有新的运动数据产生时，该数据缓存中时间最久的运动数据会被淘汰，以实现存储最新运动数据的目的。
需要说明的是，本申请实施例中的脂肪消耗数据会随着运动过程而动态变化。随着不断得到目标用户在本次运动过程中的脂肪消耗数据，可以向目标用户动态输出其在本次运动过程中的脂肪消耗数据。可选地，在以计算周期为单位计算脂肪消耗数据的情况下，可以以计算周期为单位向目标用户动态输出其在每个计算周期内的脂肪消耗数据，例如目标用户在每个计算周期内的脂肪消耗比例和脂肪消耗的热量等。这样，目标用户可以了解其在运动过程中的脂肪消耗情况，方便目标用户根据该脂肪消耗情况调整运动强度或运动方式，以便于进行精准减脂。
在本实施例中，可以通过运动中界面向目标用户输出其在本次运动过程中的脂肪消耗数据。为了便于与其它运动中界面进行区分，将用于显示目标用户在本次运动过程中的脂肪消耗数据的运动中界面称为目标运动中界面。具体地，在步骤23之后，还包括步骤24，即响应第一查看操作，显示目标运动中界面，至少在目标运动中界面上显示脂肪消耗数据，以达到向目标用户输出其在本次运动过程中的脂肪消耗数据的目的。当然，除了在目标运动中界面上显示脂肪消耗数据之外，也可以采用语音播放方式向目标用户输出其在本次运动过程中的脂肪消耗数据，例如在运动过程中，实时向目标用户播报“当前脂肪消耗的热量为xx千卡，脂肪消耗比例为yy％”或类似语音信息。
进一步，在本实施例中，除了向目标用户输出其在本次运动过程中的脂肪消耗数据之外，还可以向目标用户输出其在本次运动过程中产生的运动数据，例如心率数据、速度数据、距离数据等；进一步还可以根据本次运动的类型向目标用户输出其它运动中的数据，例如跑步运动时的步频、步幅、跑步的坡度等等。同理，向目标用户输出其在本次运动过程中产生的运动数据以及其它运动相关数据的方式可以是通过界面显示方式，也可以是语音播报方式。以界面显示方式为例，可以在同一运动中界面上分区显示目标用户在本次运动过程中的脂肪消耗数据、运动数据以及RER等各种实时数据；也可以在不同运动中界面上分别显示目标用户在本次运动过程中的脂肪消耗数据、运动数据以及RER等各种实时数据。
在一可选实施例中，可以提供多个运动中界面，不同运动中界面显示运动过程中不同类型的实时数据，且不同运动中界面之间可以相互切换。基于此，结合图2d所示的运动中界面示意图，上述步骤24的一种实现方式，包括：响应第一查看操作，显示其它运动中界面；以及响应界面切换操作，从其它运动中界面切换至目标运动中界面，并在目标运动中界面上显示目标用户在本次运动过程中的脂肪消耗数据，例如每个计算周期内消耗的总热量、脂肪消耗比例以及脂肪消耗的热量中的至少一种。示例性的，以穿戴设备为例，目标用户可以通过穿戴设备上的物理按键发出第一查看操作，或者，也可以通过触控或长按显示屏幕发起第一查看操作，对此不做限定。其中，其它运动中界面是显示本次运动过程中除脂肪消耗数据之外的其它实时数据的运动中界面，例如是显示目标用户在本次运动过程中产生的心率数据、速度数据等运动数据的运动中界面，或者是显示根据运动数据统计得到的其它运动中的数据，例如跑步运动时的步频、步幅、跑步的坡度等的运动中界面。其中，其它运动中界面可以是默认首个显示的运动中界面，也可以是上一次查看操作最后查看的运动中界面，对此不做限定。其中，在目标运动界面之前的其它运动中界面可以是一个，也可能是多个，也就是说，上述从其它运动中界面切换至目标运动中界面的界面切换操作可以是一次或多次向上滑动操作，也可以是一次或多次向下滑动操作，具体可视这两个运动界面之间的位置关系而定。在图2d中，以需要经过两个其它运动中界面才能切换到目标运动中界面为例进行示例，两个其它运动中界面分别是以显示心率数据(如116bpm)、配速数据(如2分24秒)、距离数据(如2km)、运动时间(如4分48秒)等运动数据的其它运动中界面A1，以及以显示步数(如500步)、步频(如100步/分钟)等步数数据的其它运动中界面A2，基于此，响应一次向上滑动操作，可以从其它运动中界面A1切换至其它运动中界面A2，再响应一次向上滑动操作，可以从其它运动中界面A2切换至目标运动中界面A3，在图2d中，目标运动中界面即为显示脂肪消耗数据的运动中界面，该界面上显示有在当前计算周期内消耗的总热量(如345千卡)，脂肪消耗的热量(如80千卡)，脂肪消耗比例(如23％)。
在此说明，在上述实施例中，以响应第一查看操作，先显示其它运动中界面为例进行说明，但并不限于此。例如，可以将目标运动中界面设置为默认首个显示的运动中界面，且每次查看操作都从默认首个运动中界面开始显示，则响应第一查看操作，可以直接显示目标运动中界面。又例如，上一次查看操作最后查看的是目标运动中界面，且每次查看操作都从上一次最后查看的运动中界面开始显示，则响应第一查看操作，也可以直接显示目标运动中界面。
在另一可选实施例中，可以提供一个运动中界面，即目标运动中界面，目标运动中界面包括多个显示分区，不同显示分区用于显示运动过程中不同类别的实时数据。其中，多个显示分区中的目标显示分区用于显示目标用户在本次运动过程中的脂肪消耗数据，目标显示分区是多个显示分区中的任一显示分区。基于此，结合图2e所示运动中界面示意图，上述步骤24的一种实现方式，包括：响应第一查看操作，显示目标运动中界面，目标运动中界面包括多个显示分区，当滑动显示到目标显示分区时，在目标显示分区中显示目标用户在本次运动过程中的脂肪消耗数据；在其它显示分区中显示有目标用户在本次运动过程中产生的运动数据或其它运动中的数据。需要说明的是，根据显示屏幕的大小，多个显示分区可以同时显示在显示屏幕上，则响应第一查看操作，显示目标运动中界面包含的全部显示分区，其中，目标显示分区中显示有目标用户在本次运动过程中的脂肪消耗数据；或者，显示屏幕相对较小，多个显示分区中每次只能显示部分显示分区，则响应第一查看操作，显示目标运动中界面包含的部分显示分区，若此时目标显示分区未被显示，则响应于一次或多次滑动操作，直至显示出目标显示分区为止，该目标显示分区中显示有目标用户在本次运动过程中的脂肪消耗数据，例如目标用户在每个周期内消耗的总热量、脂肪消耗比例以及脂肪消耗的热量中的至少一种。在图2e中，以显示屏幕是圆盘状为例，显示分区的形状与显示屏幕的形状适配，显示屏幕上每次显示一个显示分区，且通过向上或向下滑动操作可以在不同显示分区之间进行切换。另外，在图2e中，以示出3个显示分区为例，分别是用于显示心率数据(如116bpm)、配速数据(如2分24秒)、距离数据(如2km)、运动时间(如4分48秒)等运动数据的显示分区C1，用于显示步数(如500步)、步频(如100步/分钟)等步数数据的显示分区C2，以及用于显示每个计算周期内的脂肪消耗数据的显示分区，即目标显示分区C3。在图2e中，响应第一查看操作，显示目标运动中界面，其中，显示分区C1显示于显示屏幕上；响应一次向上滑动操作，从显示分区C1切换到显示分区C2；再响应一次向上滑动操作，从显示分区C2切换至目标显示分区C3，且该目标显示分区C3上显示有当前计算周期内消耗的总热量(如345千卡)，脂肪消耗的热量(如80千卡)，脂肪消耗比例(如23％)。
进一步可选地，无论是上述目标运动中界面还是其它运动中界面，除了显示上文列举的实时/动态数据之外，还可以显示本次运动相关的其它信息，例如可以显示本次运动相关的一些静态信息。示例性的，本次运动相关的静态信息包括但不限于：本次运动所属的运动类型、本次运动的名称、本次运动的日期等信息。需要说明的是，在本申请实施例中，并不限定对运动类型的划分，示例性的，可以从运动强度的角度将运动分类为有氧耐力型运动和无氧体能型运动，也可以从运动场地的角度将运动分类为室外运动和室内运动等。示例性的，为了便于通过运动中界面展示更多信息，如图2d所示，可以将各个运动中界面划分为两部分，一部分是外环区域，一部分是位于外环区域内部的主区域；相应地，在图2e中，可以将各个显示分区划分为两部分，一部分是外环区域，一部分是位于外环区域内部的主区域，上文中列举的各种实时/动态数据显示于主区域中，外环区域可用于显示本次运动相关的其它信息，优选地，可以通过外环区域显示本次运动相关的静态信息。可选地，外环区域可以是闭合的环形区域，也可以是非闭合的环形区域，在图2d和图2e中，以外环区域是非闭合情况进行图示。
进一步可选地，为了通过外环区域展示更多的信息，可以将外环区域划分为多段，每一段称为一个外环段，通过多个外环段可以展示更多信息。在一可选实施例D1中，多个外环段可以承载同一类型的多个不同信息，举例说明：多个外环段分别表示不同的运动类型，例如一个外环段表示有氧耐力类型、一个外环段表示无氧体能类型，一个外环段表示户外运动、一个外环段表示跑步运动等，可选地，外环段的数量可以根据划分的运动类型的数量而定。在另一可选实施例D2中，每个外环段分别承载不同类型的信息，举例说明：一个外环段用于表示运动类型，一个外环段用于表示运动名称，一个外环段用于表示运动日期等。在可选实施例D1和可选实施例D2中，为了便于目标用户更加直观地了解各个外环段所表示的信息，均可以对外环段的可视属性进行区分，例如不同外环段具有不同的颜色、不同的图案或线条等。在图2d和图2e中，以划分为5个外环段为例，每个外环段具有不同的颜色，由于在附图中无法区分颜色，故在附图中以文字“蓝绿黄橙红”对颜色进行了说明。
示例性的，在图2d和图2e中，在一个外环段上显示有向上三角符号“△”，该“△”是外环段指示图标，用于指示当前进行信息显示的外环段，“△”下方的文字“有氧耐力”是该外环段表示的运动类型，说明本次运动所属的运动类型是有氧耐力型。进一步，接续于上文可选实施例D1，在不同外环段表示不同运动类型的情况下，如果本次运动所属的运动类型为无氧体能型，则“△”会指向另一个外环段，且“△”下方的文字会变为“无氧体能”。或者，接续于上文可选实施例D2，在同一个外环段表示各种运动类型的情况下，如果本次运动所属的运动类型为无氧体能型，则“△”指向的外环段不会变，但是“△”下方的文字会变为“无氧体能”。
进一步可选地，在本申请实施例中，除了通过运动中界面显示本次运动中的各种实时/动态数据之外，在本次运动结束之后，还可以通过运动详情界面显示一些运动详情数据，这些运动详情数据是根据运动中产生的各种实时/动态数据进行计算或统计得到的更加丰富的数据，不同于运动中产生的各种实时/动态数据。在本次运动结束之后，若目标用户希望查看本次运动的运动详情数据，可以先进入本次运动记录所在的界面，然后在该界面上发起查看本次运动详情的操作。示例性的，以穿戴设备为例，如图2f所示，在本次运动结束后，目标用户可以通过穿戴设备上的物理按键发起第二查看操作，显示穿戴设备的功能界面，该功能界面上显示有穿戴设备所支持的各种功能，例如锻炼功能、锻炼记录功能、通话功能、闹钟功能等；响应对锻炼记录功能的触发操作，显示运动记录界面，该运动记录界面上至少包括本次运动记录，当然，如果在此之前目标用户还完成了其它运动，则该运动记录界面上还会显示其它运动记录；响应对本次运动记录的触发操作(即查看本次运动详情的操作)，显示本次运动对应的运动详情界面，在该运动详情界面上至少包括本次运动的燃脂详情数据。其中，对本次运动记录的触发操作，可以是但不限于：点击、双击、长按、滑动或悬停等。在本实施例中，并不限定在运动记录界面上显示运动记录的方式，凡是能够将一条条运动记录呈现给目标用户的方式均适用于本申请实施例。示例性的，在运动记录界面上，可以显示运动图标，每个运动图标表示一条运动记录；或者，也可以显示运动基础信息，每个运动基础信息表示一条运动记录；或者，也可以同时显示运动图标和运动基础信息，运动图标和运动基础信息相结合表示一条运动记录，运动基础信息可以包括运动消耗的热量、运动类型、运动的距离、运动的时间日期等中的至少一个或任意组合。在图2f中，以运动图标与运动基础信息的组合为例进行图示，具体地，本次运动记录通过运动图标1以及运动的消耗热量(如169千卡)和时间日期(如11月1日)为例进行图示，之前的运动记录通过运动图标2以及运动的距离(如1.02公里)和时间日期(如10月29日)为例进行图示。
另外，需要说明的是，运动详情界面不仅包括燃脂详情数据，还可能包括其它运动详情数据，例如综合详情、心率详情、心率曲线、疲劳详情、压力详情等，目标用户可以通过上下滑动操作切换不同的详情数据。基于此，在显示运动详情界面之后，还包括：响应该运动详情界面上的滑动操作，显示本次运动的燃脂详情数据。如图2f所示，运动详情界面上显示有本次运动的综合详情：总距离(如1.2公里)、运动时间(如15分钟)、总热量(如150千卡)；燃脂详情数据：脂肪消耗总热量(如100千卡)、脂肪消耗总比例(如66％)、消耗的脂肪重量(如140克)；以及心率详情：最大心率(如166)、最小心率(如65)、平均心率(如124)等。在图2f中，每类详情数据形成一屏数据，通过上下滑动可在不同详情数据之间进行切换，在图2f中，以当前屏幕上显示燃脂详情数据为例进行图示。
更进一步，如图2f所示，本次运动的运动详情界面还可以包括本次运动的基础信息，包括运动图标(如运动图标1)、运动类型(有氧耐力型)、运动时间日期(如11月1日)等，该基础信息形成该运动详情界面的首屏数据。基于此，如图2f所示，响应于对本次运动记录的触发操作，显示本次运动对应的运动详情界面的首屏数据，即本次运动的基础信息；然后，响应于一次向上滑动操作，从运动类型信息切换为综合详情信息；再响应一次向上滑动操作，从综合详情信息切换为燃脂详情数据。特别说明，图2f仅为示例，展示运动详情界面的过程并不限于此。
其中，本次运动的燃脂详情数据是根据目标用户在每个计算周期内的脂肪消耗比例和脂肪消耗的热量生成的，包括本次运动中的脂肪消耗的总热量、消耗的脂肪总重量以及脂肪消耗总比例中的至少一种。其中，可以根据本次运动中各个计算周期内的脂肪消耗比例，计算本次运动中的脂肪消耗总比例，可以根据本次运动中各个计算周期内的脂肪消耗的热量，计算本次运动中脂肪消耗的总热量；还可以根据热量与重量之间的转换关系(例如1克脂肪含有9千卡热量)，将本次运动中脂肪消耗的总热量转换成所消耗的脂肪总重量。
进一步，还可以根据目标用户在本次运动过程中各个计算周期内的脂肪消耗数据，生成各种脂肪消耗数据对应的燃脂曲线图，并对这些燃脂曲线图进行显示。其中，燃脂曲线图反映对应脂肪消耗数据随时间的变化情况。根据脂肪消耗数据的不同，对应的燃脂曲线图也会有所不同。
可选地，可以根据目标用户在每个计算周期内的脂肪消耗比例，生成本次运动过程中的脂肪消耗比例对应的变化曲线图(可简称为燃脂比例曲线图)。或者，根据目标用户在每个计算周期内脂肪消耗的热量，生成本次运动过程中脂肪消耗的热量对应的变化曲线图(可简称为燃脂热量曲线图)。或者，根据目标用户在每个计算周期内脂肪消耗的热量，计算目标用户在每个计算周期内消耗的脂肪重量，根据目标用户在每个计算周期内消耗的脂肪重量，生成本次运动过程中消耗的脂肪重量对应的变化曲线图(可简称为燃脂重量曲线图)。进一步，根据目标用户在每个计算周期内的脂肪消耗比例，可以计算出目标用户在每个计算周期内的糖分消耗比例，根据目标用户在每个计算周期内的糖分消耗比例，生成本次运动过程中的糖分消耗比例对应的变化曲线图(可简称为燃糖比例曲线图)。需要说明的是，前述列举的各种曲线图可以聚合在同一张曲线图中进行同步呈现，也可以通过多张不同的曲线图独立呈现，对此不做限定。示例性的，如图2g所示，在一张变化曲线图中，同时示出了本次运动过程中的燃脂比例曲线和燃糖比例曲线，而且在图2g中是以在穿戴设备的运动详情界面中显示该燃脂曲线图为例进行图示的，但并不限于此。
进一步可选地，除了统计本次运动过程中各种热燃脂曲线图之外，还可以根据目标用户在第一统计周期内已经完成的多次运动过程中的脂肪消耗数据，生成目标用户在第一统计周期内的脂肪消耗的总热量、消耗的脂肪总重量、脂肪消耗总比例以及各种燃脂曲线图中的至少一种，以供目标用户查看。其中，第一统计周期可以是一周，两周、三周，也可以是一个月、两个月或一年、两年等，对此不做限定。示例性的，如图2h所示，在一张变化曲线图中，同时示出了目标用户在一周内的燃脂比例曲线和燃糖比例曲线，而且在图2h中是以在穿戴设备提供的界面中显示该燃脂曲线图为例进行图示的，但并不限于此。图2h中用于显示一周内燃脂曲线图的界面可以是燃脂详情界面，也可以是一个独立的界面，对此不做限定。
进一步，在本方法实施例的执行主体是穿戴设备的情况下，考虑到穿戴设备的显示屏幕较小，不便于显示各种变化曲线图，因此，可以将目标用户在本次运动过程中的脂肪消耗数据和燃脂详情数据中的至少一种同步至与穿戴设备通信连接的终端设备，例如智能手机、平板电脑或笔记本电脑等。
如果穿戴设备向终端设备同步的是本次运动过程中的脂肪消耗数据，则终端设备一方面可以动态显示本次运动过程中的脂肪消耗数据，例如目标用户在每个计算周期内消耗的总热量、脂肪消耗比例以及脂肪消耗的热量中的至少一种；另一方面，可以根据本次运动过程中的脂肪消耗数据，生成本次运动的燃脂详情数据，例如本次运动中脂肪消耗的总热量、消耗的脂肪总重量和脂肪消耗总比例中的至少一种，并生成本次运动中各种燃脂曲线图，以供目标用户查看。
如果穿戴设备向终端设备同步的是本次运动的燃脂详情数据，则终端设备可以根据目标用户的查看需求，向目标用户显示本次运动的燃脂详情数据，例如本次运动中脂肪消耗的总热量、消耗的脂肪总重量和脂肪消耗总比例中的至少一种。
如果穿戴设备向终端设备同步的数据既包含本次运动过程中的脂肪消耗数据，也包含本次运动的燃脂详情数据，则终端设备一方面可以动态显示本次运动过程中的脂肪消耗数据，例如目标用户在每个计算周期内消耗的总热量、脂肪消耗比例以及脂肪消耗的热量中的至少一种；另一方面，可以在收到本次运动的燃脂详情数据之后，根据目标用户的查看需求，向目标用户显示本次运动的燃脂详情数据，以及根据本次运动过程中的脂肪消耗数据生成本次运动中各种燃脂曲线图，以供目标用户查看。
更进一步，在穿戴设备向终端设备同步每次运动过程中的脂肪消耗数据和/或燃脂详情数据的情况下，终端设备还可以根据目标用户在第二统计周期内的多次运动过程中的脂肪消耗数据，统计目标用户在第二统计周期内的燃脂详情数据和/或燃脂曲线图，以供目标用户查看。其中，第二统计周期内的燃脂详情数据包括但不限于：目标用户在第二统计周期内消耗的总热量、脂肪消耗的总热量、所消耗的脂肪总重量、脂肪消耗总比例等。可选地，第二统计周期大于第一统计周期，在第一统计周期以“周”为时间粒度时，例如一周、两周等，第二统计周期可以“月”为时间粒度，例如一个月、两个月等，甚至以“年”为时间粒度，例如一年。如图2i所示，在一张变化曲线图中，同时示出了目标用户在一个月内的燃脂比例曲线和燃糖比例曲线，而且在图2i中是以在终端设备提供的界面中显示该燃脂曲线图为例进行图示的，但并不限于此。
进一步可选地，在上述各种燃脂曲线图中，除了展示脂肪消耗数据对应的变化曲线之外，还可以展示与变化曲线关联的说明性信息，这些说明性信息可以是文本或表格，用于更加直观的表示脂肪与糖分各自的消耗比例、各自消耗的热量，以及本次运动消耗的总热量和此次热量消耗的主要对象(例如是糖分或脂肪)。示例性的，在图2g所示的燃脂曲线图中，还显示有本次消耗的总热量(如63千卡)，主要消耗脂肪，且糖类消耗23千卡，占比约为36％，脂肪消耗40千卡，占比约为64％等说明性信息。同理，在图2h所示的燃脂曲线图中，还显示有本周消耗的总热量(如189千卡)，主要消耗脂肪，且糖类消耗60千卡，占比约为31％，脂肪消耗129千卡，占比约为69％等说明性信息。同理，在图2i所示的燃脂曲线图中，还显示有本月消耗的总热量(如945千卡)，主要消耗脂肪，且糖类消耗280千卡，占比约为30％，脂肪消耗665千卡，占比约为70％等说明性信息。
进一步，考虑到终端设备的显示屏幕较大，优选地，在终端设备上显示燃脂曲线图以及对应的说明性信息。另外，在终端设备上显示燃脂曲线图和说明性信息的情况下，可以通过同一界面的上下两个部分进行显示，例如界面的上部分显示说明性信息，界面的下部分显示燃脂曲线图，如图2i所示。当然，也可以在同一界面的某个区域内同时显示燃脂曲线图和说明性信息，如图4f所示。
在上述实施例中，通过对目标用户在本次运动中产生的运动数据、RER、脂肪消耗数据、燃脂详情数据以及相关燃脂曲线图等进行显示，不仅能够让用户了解其运动消耗的热量中多少是来自脂肪消耗的，反映用户真实的热量消耗情况，而且这些数据对用户有效且精准地减脂具有一定指导意义，能够提高用户精准减脂感知体验。
进一步，在本申请一些可选实施例中，如图2c所示，所述方法还包括：
步骤25、根据运动数据中的心率数据，语音播报运动提示信息，以提醒目标用户保持在目标燃脂运动状态。
需要说明的是，本实施例并不限定步骤24和步骤25之间的执行顺序，两个步骤可以并行执行，也可以按照任意先后顺序执行。
其中，目标燃脂运动状态可以是目标用户设定或默认的高效燃脂运动状态，该燃脂运动状态对应一定的心率区间[L1，L2]，L1、L2是每单位时间的心率值，且L1＜L2。示例性的，L1为108次/每分钟，L2为144次/每分钟，但并不限于此。对不同用户来说，其对应的心率区间会有所不同。当目标用户在运动过程中的心率数据L位于该心率区间[L1，L2]时，即L1≤L≤L2，说明目标用户当前处于高效燃脂运动状态，可以继续保持当前的运动强度；当目标用户在运动过程中的心率数据L不在该心率区间[L1，L2]时，即L＜L1或L＞L2，说明目标用户当前未处于高效燃脂运动状态，如果想要达到高效燃脂效果，需要调整当前的运动强度直至高效燃脂运动状态。基于此，步骤25的一种实施方式包括：在目标用户在运动过程中的心率数据L位于设定的心率区间[L1，L2]时，即L1≤L≤L2，语音播报状态保持提示信息，以提醒目标用户当前处于目标燃脂运动状态，保持当前运动状态；在目标用户在运动过程中的心率数据不在设定的心率区间[L1，L2]时，即L＜L1或L＞L2，语音播报状态调整提示信息，以提醒目标用户调整当前运动状态至目标燃脂运动状态。
进一步可选地，目标用户在运动过程中的心率数据不在设定的心率区间[L1，L2]包括两种情况，一种是目标用户在运动过程中的心率数据大于心率区间的上限值L2，即L＞L2；一种是目标用户在运动过程中的心率数据小于心率区间的下限值L1，即L＜L1。在这两种情况下，目标用户的燃脂效果均不理想，但调整方式却不相同。具体地，在L＞L2时，说明目标用户的运动强度较大，此时以糖分燃烧为主，于是语音播报第一状态调整提示信息，以提醒目标用户降低运动强度至目标燃脂运动状态；在L＜L1时，说明目标用户的运动强度过小，此时以糖分燃烧为主，于是语音播报第二状态调整提示信息，以提醒目标用户增大运动强度至目标燃脂运动状态。
在上述实施例中，结合用户在本次运动过程中产生的运动数据，利用RER预测模型预测用户在运动过程中的RER，基于该RER以及RER与糖脂比例的对应关系，不仅能够准确地获取用户运动消耗的热量中多少是来自脂肪消耗的，提高运动过程中热量计算的准确度，反映用户真实的热量消耗情况，而且能够根据脂肪消耗数据以语音播报的方式指导用户有效且精准地减脂，提高用户精准减脂感知体验。
进一步可选地，本申请实施例可以提供多种运动类型，例如室内运动、户外运动、健身课程等，本申请实施例提供的方法可应用于各种运动类型，当然也可以应用于特定运动类型，例如户外运动或室内运动。进一步，本实施例允许目标用户灵活选择在运动过程中是否采用本实施例提供的方法，基于此，针对能够应用本申请实施例方法的运动类型，提供目标燃脂模式的设置项，允许用户通过该设置项确定是否开启目标燃脂模式(例如高效燃脂模式)。当用户开启目标燃脂模式时，在其运动过程中可以采用本申请上述实施例提供的方法计算用户的脂肪消耗数据、输出脂肪消耗数据、燃脂曲线图并以语音播报的方式指导用户有效且精准地减脂。基于此，本实施例的方法还包括：显示运动列表界面，该运动列表界面上包括多个运动类型；响应目标用户针对目标运动类型的选择操作，显示目标运动类型对应的设置界面，在该设置界面上至少包括目标燃脂模式的设置项；响应对该设置项的设置操作，开启目标燃脂模式，该目标燃脂模式与上文中的心率区间[L1，L2]和目标燃脂运动状态关联。其中，目标运动类型可以是多个运动类型中的任一运动类型，或者也可以是特定运动类型中的任一运动类型。
进一步，在运动数据包含速度数据的情况下，根据目标运动类型的不同，获取速度数据的方式会有所不同。在本申请一些实施例中，在运动数据包含速度数据的情况下，在采集目标用户在本次运动过程中产生的运动数据之前，还包括：确定本次运动所属的目标运动类型，根据目标运动类型选择与之适配的目标速度数据获取方式，根据目标速度获取方式获取目标用户在本次运动过程中产生的速度数据。关于运动数据中包含的其它数据的获取方式不做限定。示例性，对于户外运动类型，与之适配的目标速度获取方式可以是GPS获取方式，具体地，可以通过穿戴设备上的GPS定位系统获取穿戴设备的位置，根据穿戴设备的位置确定穿戴设备的运动距离，根据运动距离和运动时间计算速度数据，这种方式的准确度较高。示例性的，对于室内运动类型，与之适配的目标速度获取方式可以是速度传感器获取方式，具体地，可以通过穿戴设备或健身器设备上的速度传感器，直接采集速度数据。
需要说明的是，上述实施例所提供方法的各步骤的执行主体均可以是同一设备，或者，该方法也由不同设备作为执行主体。比如，在一可选实施例中，步骤21至步骤25的执行主体可以为穿戴设备或健身器设备；又比如，在一些可选实施例中，步骤21和22的执行主体可以为穿戴设备，步骤23-25的执行主体可以为与穿戴设备通信连接的终端设备或健身器设备；又比如，在一些可选实施例中，步骤21至步骤25的执行主体可以为与穿戴设备通信连接的终端设备或健身器设备。下面将针对上述各种实施方式进行详细说明。
图3a为本申请实施例提供的由穿戴设备执行的运动数据处理方法的流程示意图。结合图3b所示界面状态变化图，如图3a所示，该方法包括：
31a、穿戴设备显示运动列表界面，该运动列表界面上包括多个运动类型。如图3b所示，该运动列表界面上包括户外运动、室内运动和健身课程等。
32a、响应目标用户针对目标运动类型的选择操作，显示目标运动类型对应的设置界面，在该设置界面上至少包括目标燃脂模式的设置项。
如图3b所示，目标用户选择户外运动，并跳转至户外运动对应的设置界面，在该设置界面上包含多个设置项，例如目标、提醒、分段、智能教练、智能陪跑、高效燃脂等多个设置项。其中，高效燃脂即为本实施例中的目标燃脂模式。
33a、响应对该设置项的设置操作，开启目标燃脂模式，并返回至目标运动类型的控制界面。其中，目标燃脂模式开启后，在运动中将通过运动中界面显示脂肪消耗情况，提醒用户保持在高效燃脂状态。
34a、响应控制界面上的运动触发操作，接收终端设备或健身器设备下发的目标用户的个人特征数据，该个人特征数据包括目标用户的属性数据和/或运动指标数据。
其中，个人特征数据可以由目标用户预先输入与穿戴设备通信互联的终端设备(终端设备适用于室内或户外等各种运动过程)或健身器设备(健身器设备适用于室内运动的情况)，由终端设备或健身器设备将个人特征数据下发给穿戴设备。除此之外，个人特征数据也可以由目标用户预先输入穿戴设备中，穿戴设备直接从本地获取目标用户的个人特征数据。
35a、采集目标用户在本次运动过程中产生的运动数据，并根据目标用户的个人特征数据和其在本次运动过程中产生的运动数据，利用RER预测模型预测目标用户在运动过程中的RER。
具体地，目标用户在运动过程中佩戴穿戴设备，该穿戴设备可以是智能手表、智能手环等。穿戴设备可以采集目标用户在运动过程中产生的心率数据、速度数据、加速度数据以及距离数据等运动数据。如图3b所示，在控制界面上显示有表示心率数据的心形图标以及GPS字样。其中，GPS字样表示在户外运动中采用GPS获取方式实时获取目标用户在户外运动过程中的速度数据。
36a、根据目标用户在运动过程中的RER以及糖脂比例与RER的对应关系，计算目标用户在本次运动过程中的脂肪消耗数据。
37a、响应于第一查看操作，显示运动中界面，并至少在运动中界面上显示脂肪消耗数据，脂肪消耗数据随着运动过程动态变化。
如图3b所示，运动中界面上显示有运动中的各种实时数据，例如包括但不限于：心率(如116)、配速(2分24秒/千米)、距离(如0.2km)和运动时间(如24秒)等实时运动数据，步数(如146)、步频(如55)等步数数据，以及消耗的总热量(如345千卡)、脂肪消耗的热量(如55千卡)、脂肪消耗比例(如23％)等脂肪消耗数据。
示意性的，在图3b中，以穿戴设备具有圆形表盘，表盘上具有圆形显示屏幕为例，整个运动中界面超出了显示屏幕，运动中界面中的实时数据按照类型被划分为多屏数据，上下滑动可在多屏数据之间进行切换。基于此，在显示运动中界面的情况下，响应于显示屏幕上的向上或向下滑动操作，直至在当前显示屏幕上显示出脂肪消耗数据，即图3b中用方框示出的部分是当前屏幕上显示的数据；其它数据已被滑出显示屏幕。
进一步，如图3b所示，该运动数据处理方法还包括：
38a、在运动过程中，若运动数据中的心率数据大于心率区间的上限值时，语音播报第一状态调整提示信息，以提醒目标用户降低运动强度至所述目标燃脂运动状态；
39a、若运动数据中的心率数据小于心率区间的下限值时，语音播报第二状态调整提示信息，以提醒目标用户增大运动强度至所述目标燃脂运动状态。
其中，心率区间的上限值L1和下限值L2可根据目标用户的静息心率和最大心率确定。示例性的，下限值L1＝静息心率+A*(最大心率-静息心率)，上限值＝静息心率+B*(最大心率-静息心率)。其中，A、B为已知的常数。基于此，当运动数据中的心率数据L＜静息心率+A*(最大心率-静息心率)时，可以语音提示当前心率是多少，此时脂肪燃烧速率较低，请尝试加速！当运动数据中的心率数据L≥静息心率+A*(最大心率-静息心率)，且≤静息心率+B*(最大心率-静息心率)，可以语音提示当前心率是多少，此时脂肪燃烧速率较高，请保持！当运动数据中的心率数据L＞静息心率+B*(最大心率-静息心率)时，可以语音提示当前心率是多少，此时脂肪燃烧速率较低，请尝试减速！
40a、在本次运动结束后，响应第二查看操作，显示本次运动的运动详情界面，该运动详情界面上至少包括本次运动的燃脂详情数据。
示例性，目标用户在本次运动结束后，查看运动详情界面的过程如图2f所示，但并不限于此。如图3b所示，运动详情界面上显示有运动轨迹，以及一些综合信息，例如总距离(如1.2km)、运动时间(如15分钟10秒)，还显示有脂肪燃烧详情，例如脂肪消耗总热量(如123千卡)、脂肪消耗比例(如44％)、脂肪估算重量(如128g)，还显示有速度相关详情信息等等。另外，如图3b所示的运动详情界面超出了显示屏幕，运动详情界面中详情数据按照类型被划分为多屏数据，上下滑动可在多屏数据之间进行切换，以查看不同类型的详情数据。在此说明，在本申请各实施例及附图中所示数值的作用是为了体现界面上所显示的有哪些数据类型以及界面的示例性样式，对所示数值的大小以及数值之间的合理性不做限定。
进一步可选地，穿戴设备可以生成本次运动的燃脂比例曲线图、燃脂热量曲线图、燃脂重量曲线图以及燃糖比例曲线图中的至少一种，以供目标用户查看。另外，穿戴设备还可以生成目标用户在最近一周内的燃脂比例曲线图、燃脂热量曲线图、燃脂重量曲线图以及燃糖比例曲线图中的至少一种，以供目标用户查看。或者，
在另一可选实施例中，穿戴设备和终端设备相互配合生成各种曲线图。例如，穿戴设备负责生成本次运动的燃脂比例曲线图、燃脂热量曲线图、燃脂重量曲线图以及燃糖比例曲线图中的至少一种，以供目标用户查看。相应地，穿戴设备将本次运动中的运动数据、脂肪消耗数据以及燃脂详情数据等同步给终端设备，由终端设备生成目标用户在最近一周、一个月或一年内的燃脂比例曲线图、燃脂热量曲线图、燃脂重量曲线图以及燃糖比例曲线图中的至少一种，以供目标用户查看。
在本实施例中，用户只需要选择运动类型，开启目标燃脂模式，之后在运动过程中穿戴设备将自动为用户显示脂肪消耗情况，并以语音播报方式提醒用户保持在高效燃脂状态，能够指导用户有效且精准地减脂，提高用户精准减脂感知体验。
在此说明，上述图3a所示实施例的执行主体以穿戴设备为例进行图示，但并不限于此，在室内运动场景下，图3a所示实施例的执行主体也可以是健身器设备，与穿戴设备执行的方案相比，区别在于两者采集目标用户在本次运动过程中产生的运动数据的方式略有不同，对健身器设备，无论是跑步机、椭圆仪或动感单车等，都具有握持部(例如扶手)，目标用户在运动过程中可握住该握持部，在该握持部上可设置心率传感器用于采集目标用户的实时心率数据。另外，在健身器设备的运动部件上可以设置速度传感器，例如自适应巡航控制(Adaptive Cruise Control，ACC)传感器，通过该传感器采集目标用户的实时速度数据，最终这些运动数据会被传输至健身器设备的处理器，由其处理器根据这些运动数据执行上述各步骤，详细流程不再赘述。
图4a为本申请实施例提供的一种运动数据处理系统的结构示意图。如图4a所示，该系统中包括：穿戴设备41，以及与穿戴设备41通信连接的终端设备42或健身器设备43。
在本实施例中，并不限定穿戴设备41与终端设备42或健身器设备43之间通信连接的方式。例如，穿戴设备41与终端设备42或健身器设备43之间可以是无线或有线连接。可选地，穿戴设备41可以通过移动网络与终端设备42或健身器设备43通信连接，相应地，移动网络的网络制式可以为2G(GSM)、2.5G(GPRS)、3G(WCDMA、TD-SCDMA、CDMA2000、UTMS)、4G(LTE)、4G+(LTE+)、5G、WiMax或者未来即将出现的新网络制式等中的任意一种。可选地，穿戴设备41也可以通过蓝牙、WiFi、红外、zigbee或NFC等方式与终端设备42或健身器设备43通信连接。
在本实施例中，并不限定终端设备42或健身器设备43的实现方式，凡是具有通信能力、计算能力以及显示屏幕的终端设备或健身器设备均适用于本申请实施例。例如，终端设备42包括但不限于：智能手机、笔记本电脑、台式电脑、平板电脑、智能家电等；健身器设备43可以是跑步机、椭圆仪、动感单车等。在图4a中，以终端设备42是智能手机，以健身器设备43是跑步机为例进行图示。
在本实施例中，穿戴设备41与终端设备42或健身器设备43相互配合，能够准确地获取用户运动消耗的热量中由多少是来自脂肪消耗的，提高运动过程中热量计算的准确度，反映用户真实的热量消耗情况，能够指导用户有效且精准地减脂，提高用户精准减脂感知体验。其中，无论是何种运动场景，目标用户均佩戴穿戴设备41，由穿戴设备41采集目标用户在运动过程中产生的心率数据、速度数据、加速度数据和/或距离数据等运动数据。在室内运动的情况下，目标用户可以将穿戴设备41与其携带的终端设备42建立通信连接，两者相互配合完成图2a所示实施例提供的运动数据处理方法的流程；或者，目标用户可以将穿戴设备41与其使用的健身器设备43建立通信连接，两者相互配合完成图2a所示实施例提供的运动数据处理方法的流程。在户外运动的情况下，目标用户可以将穿戴设备41与其携带的终端设备42建立通信连接，两者相互配合完成图2a所示实施例提供的运动数据处理方法的流程。其中，穿戴设备41与终端设备42或健身器设备43相互配合的实施方式包括但不限于以下图4b-图4d所示的几种，下面分别进行说明。
图4b为本申请实施例提供的穿戴设备41与终端设备42或健身器设备43相互配合进行运动数据处理的一种方法流程示意图。如图4b所示，该方法包括：
401b、穿戴设备41响应运动触发操作，接收终端设备42或健身器设备43发送的目标用户的个人特征数据，该个人特征数据包括目标用户的属性数据和/或运动指标数据。
其中，个人特征数据可以由目标用户预先输入终端设备42或健身器设备43，由终端设备42或健身器设备43将个人特征数据下发给穿戴设备41。或者，个人特征数据可以由目标用户预先输入穿戴设备41中，穿戴设备41直接从本地获取目标用户的个人特征数据。
402b、穿戴设备41采集目标用户在本次运动过程中产生的运动数据，并根据目标用户的个人特征数据和其在本次运动过程中产生的运动数据，利用RER预测模型预测目标用户在本次运动过程中的RER。
403b、穿戴设备41根据目标用户在本次运动过程中的RER以及糖脂比例与RER的对应关系，计算目标用户在本次运动过程中的脂肪消耗数据。
404b、穿戴设备41将目标用户在本次运动过程中的脂肪消耗数据上报给终端设备42或健身器设备43。
405b、终端设备42或健身器设备43在运动中界面上至少显示脂肪消耗数据，所述脂肪消耗数据随着运动过程动态变化。终端设备42或健身器设备43显示的运动中界面的示例如图4e所示。
406b、终端设备42或健身器设备43根据目标用户在本次运动过程中的脂肪消耗数据，生成本次运动的燃脂详情数据和燃脂曲线图。
407b、终端设备42或健身器设备43响应目标用户查看本次运动详情数据的操作，显示本次运动的运动详情界面，该运动详情界面上包括本次运动的燃脂详情数据和燃脂曲线图。终端设备42或健身器设备43显示的运动详情界面的示例如图4f所示。
进一步可选地，终端设备42或健身器设备43还可以根据目标用户在第二统计周期内多次运动的燃脂详情数据，生成第二统计周期内的燃脂曲线图；以及响应目标用户查看第二统计周期内的燃脂曲线图的操作，显示目标用户在第二统计周期内的燃脂曲线图。其中，本次运动的燃脂曲线图或第二统计周期内的燃脂曲线图均包括：燃脂比例曲线图、燃脂热量曲线图、燃脂重量曲线图以及燃糖比例曲线图中的至少一种。
进一步可选地，在该实施例中，穿戴设备41还可以根据目标用户在运动过程中的心率数据，语音播报运动提示信息，以提醒目标用户保持在目标燃脂运动状态。该步骤的详细实施方式可参见前述实施例，在此不再赘述。
进一步可选地，在步骤404b中，穿戴设备41还可以将目标用户在运动过程中的运动数据、RER、除燃脂详情数据之外的其它运动详情数据等上报给终端设备42或健身器设备43。相应地，终端设备42或健身器设备43还可以显示目标用户在运动过程中的运动数据、RER、运动详情数据等。
在步骤401b之前的配置操作可参见图3a所示实施例，在此不再赘述。另外，关于相同步骤的详细实施方式也可以参见前述实施例，在此不再赘述。
在本实施例中，穿戴设备41负责数据采集以及脂肪消耗数据、运动详情数据的相关计算，并将这些数据上报给终端设备42或健身器设备43，借助于终端设备42或健身器设备43的显示屏幕较大的优势，可以在终端设备42或健身器设备43上清晰、多样化的显示脂肪消耗数据、燃脂详情数据、燃脂曲线图、其它运动详情数据以及运动数据等。
图4c为本申请实施例提供的穿戴设备41与终端设备42或健身器设备43相互配合进行运动数据处理的另一种方法流程示意图。如图4c所示，该方法包括：
401c、穿戴设备41响应运动触发操作，接收终端设备42或健身器设备43发送的目标用户的个人特征数据，该个人特征数据包括目标用户的属性数据和/或运动指标数据。
402c、穿戴设备41采集目标用户在本次运动过程中产生的运动数据，并根据目标用户的个人特征数据和其在本次运动过程中产生的运动数据，利用RER预测模型预测目标用户在本次运动过程中的RER。
403c、穿戴设备41将目标用户在本次运动过程中的RER上报给终端设备42或健身器设备43。
404c、终端设备42或健身器设备43根据目标用户在本次运动过程中的RER以及糖脂比例与RER的对应关系，计算目标用户在本次运动过程中的脂肪消耗数据。
405c、终端设备42或健身器设备43显示运动中界面，并至少在运动中界面上显示脂肪消耗数据，所述脂肪消耗数据随着运动过程动态变化。终端设备42或健身器设备43显示的运动中界面的示例如图4e所示。
406c、终端设备42或健身器设备43在本次运动结束后，根据目标用户在本次运动过程中的脂肪消耗数据，生成本次运动的燃脂详情数据和燃脂曲线图。
407c、终端设备42或健身器设备43响应目标用户查看本次运动详情数据的操作，显示本次运动的运动详情界面，该运动详情界面上包括本次运动的燃脂详情数据和燃脂曲线图。终端设备42或健身器设备43显示的运动详情界面的示例如图4f所示。
进一步可选地，终端设备42或健身器设备43还可以根据目标用户在第二统计周期内多次运动的燃脂详情数据，生成第二统计周期内的燃脂曲线图；以及响应目标用户查看第二统计周期内的燃脂曲线图的操作，显示目标用户在第二统计周期内的燃脂曲线图。其中，本次运动的燃脂曲线图或第二统计周期内的燃脂曲线图均包括：燃脂比例曲线图、燃脂热量曲线图、燃脂重量曲线图以及燃糖比例曲线图中的至少一种。
进一步可选地，在本实施例中，终端设备42或健身器设备43还可以根据运动数据中的心率数据，语音播报运动提示信息，以提醒目标用户保持在目标燃脂运动状态。该步骤的详细实施方式可参见前述实施例，在此不再赘述。
进一步可选地，在步骤403c中，穿戴设备41还可以将目标用户在本次运动过程中的运动数据等上报给终端设备42或健身器设备43。相应地，终端设备42或健身器设备43还可以显示目标用户在本次运动过程中的运动数据以及RER。进一步，终端设备42或健身器设备43可以根据目标用户在本次运动过程中的脂肪消耗数据生成燃脂详情数据，例如本次运动中的脂肪消耗的总热量、消耗的脂肪总重量、脂肪消耗总比例等，以及根据目标用户在本次运动过程中的运动数据生成除燃脂详情数据之外的其它运动详情数据。
在本实施例中，穿戴设备41负责数据采集以及RER的计算，并将RER等相关数据上报给终端设备42或健身器设备43，借助于终端设备42或健身器设备43的计算能力较强和显示屏幕较大的优势，可以在终端设备42或健身器设备43上进行脂肪消耗数据、运动详情数据的相关计算，并清晰、多样化的显示脂肪消耗数据、燃脂曲线图、各种运动详情数据以及运动数据等。
图4d为本申请实施例提供的穿戴设备41与终端设备42或健身器设备43相互配合进行运动数据处理的又一种方法流程示意图。如图4d所示，该方法包括：
401d、穿戴设备41响应运动触发操作，采集目标用户在本次运动过程中产生的运动数据。
402d、穿戴设备41将目标用户在本次运动过程中产生的运动数据上报给终端设备42或健身器设备43。
403d、终端设备42或健身器设备43根据接收到的运动数据以及目标用户的个人特征数据，利用RER预测模型预测目标用户在本次运动过程中的RER。
其中，个人特征数据可以由目标用户预先输入终端设备42或健身器设备43，该个人特征数据包括目标用户的属性数据和/或运动指标数据。
404d、终端设备42或健身器设备43根据目标用户在本次运动过程中的RER以及糖脂比例与RER的对应关系，计算目标用户在本次运动过程中的脂肪消耗数据。
405d、终端设备42或健身器设备43显示运动中界面，并至少在运动中界面上显示脂肪消耗数据，所述脂肪消耗数据随着运动过程动态变化。终端设备42或健身器设备43显示的运动中界面的示例如图4e所示。
406d、终端设备42或健身器设备43根据目标用户在本次运动过程中的脂肪消耗数据，生成本次运动的燃脂详情数据和燃脂曲线图。
407d、终端设备42或健身器设备43响应目标用户查看本次运动详情数据的操作，显示本次运动的运动详情界面，该运动详情界面上包括本次运动的燃脂详情数据和燃脂曲线图。终端设备42或健身器设备43显示的运动详情界面的示例如图4f所示。
进一步可选地，终端设备42或健身器设备43还可以根据目标用户在第二统计周期内多次运动的燃脂详情数据，生成第二统计周期内的燃脂曲线图；以及，响应目标用户查看第二统计周期内的燃脂曲线图的操作，显示目标用户在第二统计周期内的燃脂曲线图。其中，本次运动的燃脂曲线图或第二统计周期内的燃脂曲线图均包括：燃脂比例曲线图、燃脂热量曲线图、燃脂重量曲线图以及燃糖比例曲线图中的至少一种。
进一步可选地，在该实施例中，终端设备42或健身器设备43还可以根据运动数据中的心率数据，语音播报运动提示信息，以提醒目标用户保持在目标燃脂运动状态。
进一步可选地，终端设备42或健身器设备43还可以负责除燃脂详情数据之外其它运动详情数据的相关计算，并显示目标用户在本次运动过程中的运动数据、RER、其它运动详情数据等。
在本实施例中，穿戴设备41负责运动数据的采集，并将运动数据上报给终端设备42或健身器设备43，借助于终端设备42或健身器设备43的计算能力较强和显示屏幕较大的优势，可以在终端设备42或健身器设备43上进行脂肪消耗数据、运动详情数据的相关计算，以及清晰、多样化的显示脂肪消耗数据、燃脂曲线图、各种运动详情数据以及运动数据等。
其中，由于终端设备42或健身器设备43的屏幕较大，因此，在图4e所示的运动中界面上同时展示有本次运动过程中每个计算周期内的脂肪消耗数据：脂肪消耗的热量(如55千卡)，脂肪消耗比例(如23％)等，运动数据：心率(如116)、配速(如2分24秒/千米)、距离(如1006km)和运动时间(如24秒)等，步数数据：步数(如146)、步频(如55)。相应地，由于终端设备42或健身器设备43的屏幕较大，因此，在图4f所示的运动详情界面上同时显示有综合详情信息：总距离(如8km)、运动时间(如50分钟10秒)，总热量(如500千卡)等，燃脂详情数据：脂肪消耗总热量(如415千卡)、脂肪消耗总比例(如83％)、脂肪估算重量(如400g)等，燃脂曲线图：本次运动过程中的燃脂比例曲线和燃糖比例曲线。
进一步，在此说明，图4b-图4d所示实施例中，穿戴设备41与终端设备42或健身器设备43相互配合，穿戴设备41需要向终端设备42或健身器设备43上传本次运动中的脂肪消耗数据、RER或运动数据，如果在数据上传过程中，穿戴设备41与向终端设备42或健身器设备43断开连接，则数据上传操作会被中断；当重新建连后，穿戴设备41可以先行将本地缓存的数据上传至终端设备42或健身器设备43，然后继续向终端设备42或健身器设备43上传最新数据。在此说明，穿戴设备41本地缓存的数据量与其缓存空间大小有关，如果断连时间较长，断连期间产生的数据量超出了其缓存空间的大小，则会有部分数据丢失，只能存储最近一段时间的数据。
在此说明，在上述图3a、图4b-图4d中，各步骤的详细描述可参见前述实施例，各实施例的区别仅在于各步骤的执行主体不同，在此不再赘述。
另外，在上述实施例及附图中的描述的一些流程中，包含了按照特定顺序出现的多个操作，但是应该清楚了解，这些操作可以不按照其在本文中出现的顺序来执行或并行执行，操作的序号如401b、402b等，仅仅是用于区分开各个不同的操作，序号本身不代表任何的执行顺序。另外，这些流程可以包括更多或更少的操作，并且这些操作可以按顺序执行或并行执行。需要说明的是，本文中的“第一”、“第二”等描述，是用于区分不同的消息、设备、模块等，不代表先后顺序，也不限定“第一”和“第二”是不同的类型。
示例性的，图5a为本申请实施例提供的一种运动数据处理装置500a的结构示意图。如图5a所示，该装置包括：
采集单元51a，用于响应运动触发操作，采集目标用户在本次运动过程中产生的运动数据；
预测单元52a，用于根据采集单元51a采集到的运动数据，利用RER预测模型预测目标用户在本次运动过程中的RER；
计算单元53a，用于根据目标用户在运动过程中的RER以及糖脂比例与RER的对应关系，计算目标用户在本次运动过程中的脂肪消耗数据；
显示单元54a，用于响应第一查看操作，显示目标运动中界面，并至少在目标运动中界面上显示脂肪消耗数据，脂肪消耗数据随着运动过程动态变化。
需要说明的是，上述图2a、图3a或图4b所示方法实施例涉及的各步骤的所有相关内容均可以援引到对应功能单元的功能描述，在此不再赘述。
本实施例提供的运动数据处理装置500a，用于执行上述图2a、图3a或图4b所示实施例提供的运动数据处理方法，因此可以达到与上述方法相同的效果。
示例性的，图5b为本申请实施例提供的另一种运动数据处理装置500b的结构示意图。
如图5b所示，该装置包括：
采集单元51b，用于响应运动触发操作，采集目标用户在本次运动过程中产生的运动数据；
预测单元52b，用于根据运动数据，利用呼吸交换率RER预测模型预测目标用户在本次运动过程中的RER；
发送单元53b，用于将目标用户在本次运动过程中的RER同步至与穿戴设备通信连接的终端设备或健身器设备，以使终端设备或健身器设备根据RER以及糖脂比例与RER的对应关系计算目标用户在本次运动过程中的脂肪消耗数据并显示脂肪消耗数据。
需要说明的是，上述图4c所示方法实施例涉及的各步骤的所有相关内容均可以援引到对应功能单元的功能描述，在此不再赘述。
本实施例提供的运动数据处理装置500b，用于执行上述图4c所示实施例提供的运动数据处理方法中由穿戴设备执行的步骤，因此可以达到与上述方法相同的效果。
应当理解的是，图5a或图5b提供的运动数据处理装置可以应用于图5c所示的穿戴设备500c。如图5c所示为本申请实施例提供的穿戴设备500c的结构示意图，该穿戴设备500c包括存储器51c、处理器52c、电源管理模块53c、电池模块54c、通信模块55c、音频模块56c、各种传感器57c、触摸屏58c以及相关物理按键59c。处理器52c通过内部总线与其它各组件互联。可选地，传感器57c包括但不限于：心率传感器571、速度传感器572等；通信模块55c包括但不限于：WiFi模块551、蓝牙模块552、红外模块553等。
可以理解的是，本申请实施例示意的结构并不构成对穿戴设备500c的具体限定。在本申请另一些实施例中，穿戴设备500c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5c所示的部件可以以硬件，软件或软件和硬件的组合实现。
其中，处理器52c用于执行存储器51c中存储的计算机程序/指令，用以实现以下操作：响应运动触发操作，采集目标用户在本次运动过程中产生的运动数据，并根据运动数据，利用RER预测模型预测目标用户在本次运动过程中的RER；根据目标用户在本次运动过程中的RER以及糖脂比例与RER的对应关系，计算目标用户在本次运动过程中的脂肪消耗数据；响应第一查看操作，在触摸屏58c上显示目标运动中界面，并至少在目标运动中界面上显示脂肪消耗数据，脂肪消耗数据随着运动过程动态变化。
可选地，上述第一查看操作可通过物理按键59c触发，例如按一次或按两次物理按键59c，也可以通过触摸屏58c触发，例如在触摸屏58c上发出触控操作或长按操作或滑动操作。
需要说明的是，上述图2a、图3a或图4b所示方法实施例涉及的各步骤的所有相关内容均可以援引到对应功能单元的功能描述，在此不再赘述
本实施例提供的穿戴设备500c，用于执行上述图2a、图3a或图4b所示运动数据处理方法中可由穿戴设备执行的步骤，因此可以达到与上述方法相同的效果。
或者
可选地，处理器52c用于执行存储器51c中存储的计算机程序/指令，用以实现以下操作：响应运动触发操作，通过传感器57c(例如心率传感器571和速度传感器572)采集目标用户在本次运动过程中产生的运动数据；根据运动数据，利用RER预测模型预测目标用户在本次运动过程中的RER；通过通信模块55c(如WiFi模块551、蓝牙模块552或红外模块553)将目标用户在本次运动过程中的RER同步至与穿戴设备通信连接的终端设备或健身器设备，以使终端设备或健身器设备根据RER以及糖脂比例与RER的对应关系计算目标用户在运动过程中的脂肪消耗数据并显示脂肪消耗数据。可选地，穿戴设备可以预先通过WiFi模块551、蓝牙模块552或红外模块553与终端设备或健身器设备建立通信连接。
需要说明的是，上述图4c所示方法实施例涉及的各步骤的所有相关内容均可以援引到对应功能单元的功能描述，在此不再赘述。
本实施例提供的穿戴设备500c，用于执行上述图4c所示实施例提供的运动数据处理方法中由穿戴设备执行的步骤，因此可以达到与上述方法相同的效果。
示例性，图6a为本申请实施例提供的又一种运动数据处理装置600a的结构示意图。如图6a所示，该装置包括：
接收单元61a，用于接收穿戴设备上传的目标用户在本次运动过程中产生的运动数据；
预测单元62a，用于根据运动数据，利用呼吸交换率RER预测模型预测目标用户在本次运动过程中的RER；
计算单元63a，用于根据目标用户在本次运动过程中的RER以及糖脂比例与RER的对应关系，计算目标用户在本次运动过程中的脂肪消耗数据；
显示单元64a，用于显示目标运动中界面，并至少在目标运动中界面上显示脂肪消耗数据，脂肪消耗数据随着运动过程动态变化。
需要说明的是，上述图4d所示方法实施例涉及的各步骤的所有相关内容均可以援引到对应功能单元的功能描述，在此不再赘述。
本实施例提供的穿戴设备600a，用于执行上述图4d所示实施例提供的运动数据处理方法中由终端设备执行的步骤，因此可以达到与上述方法相同的效果。
示例性，图6b为本申请实施例提供的又一种运动数据处理装置600b的结构示意图。如图6b所示，该装置包括：
接收单元61b，用于接收穿戴设备上传的目标用户在本次运动过程中的RER；
计算单元62b，根据目标用户在本次运动过程中的RER以及糖脂比例与RER的对应关系，计算目标用户在本次运动过程中的脂肪消耗数据；
显示单元63b，用于显示目标运动中界面，并至少在目标运动中界面上显示脂肪消耗数据，脂肪消耗数据随着运动过程动态变化。
需要说明的是，上述图4c所示方法实施例涉及的各步骤的所有相关内容均可以援引到对应功能单元的功能描述，在此不再赘述。
本实施例提供的穿戴设备600b，用于执行上述图4c所示实施例提供的运动数据处理方法中由终端设备执行的步骤，因此可以达到与上述方法相同的效果。
应当理解的是，图6a或图6b提供的运动数据处理装置可以应用于图6c所示的终端设备100。如图6c所示为本申请实施例提供的终端设备100的结构示意图，如图6c所示，终端设备100可以包括处理器101、触摸屏102、内部存储器103、电源管理模块104、电池模块105、天线106a和106b、移动通信模块107、无线通信模块108、摄像头109、音频模块110、扬声器111、麦克风112、各种接口模块113，各种传感器114、各种物理按键115等。
可以理解的是，本申请实施例示意的结构并不构成对终端设备100的具体限定。在本申请另一些实施例中，终端设备100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6c所示的部件可以以硬件，软件或软件和硬件的组合实现。
其中，处理器101用于执行存储器103中存储的计算机程序/指令，用以实现以下操作：通过无线通信模块108(例如BT、WLAN、NFC或IR等)接收穿戴设备上传的目标用户在本次运动过程中产生的运动数据；根据运动数据，利用RER预测模型预测目标用户在本次运动过程中的RER；根据目标用户在本次运动过程中的RER以及糖脂比例与RER的对应关系，计算目标用户在本次运动过程中的脂肪消耗数据；在触摸屏102上显示目标运动中界面，并至少在目标运动中界面上显示脂肪消耗数据，脂肪消耗数据随着运动过程动态变化。
或者
处理器101用于执行存储器103中存储的计算机程序/指令，用以实现以下操作：通过无线通信模块108(例如BT、WLAN、NFC或IR等)接收穿戴设备上传的目标用户在本次运动过程中的RER；根据目标用户在本次运动过程中的RER以及糖脂比例与RER的对应关系，计算目标用户在本次运动过程中的脂肪消耗数据；在触摸屏102上显示目标运动中界面，并至少在目标运动中界面上显示脂肪消耗数据，脂肪消耗数据随着运动过程动态变化。
其中，各种接口模块113包括但不限于：外部存储器接口113a，耳机接口113b，通用串行总线(universal serial bus，USB)接口113c，用户标识模块(subscriberidentification module，SIM)卡接口113d，高清多媒体接口(High DefinitionMultimedia Interface，HDMI)接口113e，集成电路(inter-integrated circuit，I2C)接口113f，集成电路内置音频(inter-integrated circuit sound，I2S)接口113g，脉冲编码调制(pulse code modulation，PCM)接口113h，通用异步收发传输器(universalasynchronous receiver/transmitter，UART)接口113i，移动产业处理器接口(mobileindustry processor interface，MIPI)113j，通用输入输出(general-purpose input/output，GPIO)接口113k，用户标识模块(subscriber identity module，SIM)接口113l等。
其中，各种传感器114包括但不限于：压力传感器114a，陀螺仪传感器114b，气压传感器114c，磁传感器114d，加速度传感器114e，距离传感器114f，接近光传感器114g，指纹传感器114h，温度传感器114i，触摸传感器115j，环境光传感器115k，骨传导传感器115l等。
其中，各种物理按键115包括但不限于：音量调节(±)按键1151、开/关机按键1152，以及其它物理按键。
其中，终端设备100可以包括1到K个触摸屏102，K为大于1的正整数。其中，触摸屏102包括触摸面板。触摸面板可以采用液晶显示屏(liquid crystal display，LCD)，有机发光二极管(organic light-emitting diode，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-matrix organic light emitting diode的，AMOLED)，柔性发光二极管(flex light-emitting diode，FLED)，Miniled，MicroLed，Micro-oLed，量子点发光二极管(quantum dot light emitting diodes，QLED)等。
处理器101可以包括一个或多个处理单元，例如：处理器101可以包括应用处理器(application processor，AP)101a，调制解调处理器101b，图形处理器(graphicsprocessing unit，GPU)101c，图像信号处理器(image signal processor，ISP)101d，控制器101e，视频编解码器101f，数字信号处理器(digital signal processor，DSP)101g，基带处理器101h，和/或神经网络处理器(neural-network processing unit，NPU)101i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。其中，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101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101中的存储器为高速缓冲存储器。该存储器可以保存处理器101刚用过或循环使用的指令或数据。如果处理器101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101的等待时间，因而提高了系统的效率。
I2C接口113f是一种双向同步串行总线，包括一根串行数据线(serial dataline，SDA)和一根串行时钟线(derail clock line，DCL)。在一些实施例中，处理器101可以包含多组I2C总线。处理器101可以通过不同的I2C总线接口分别耦合触摸传感器，充电器，闪光灯，摄像头109等。例如：处理器101可以通过I2C接口耦合触摸传感器，使处理器101与触摸传感器通过I2C总线接口通信，实现终端设备100的触摸功能。
I2S接口113g可以用于音频通信。在一些实施例中，处理器101可以包含多组I2S总线。处理器101可以通过I2S总线与音频模块110耦合，实现处理器101与音频模块110之间的通信。在一些实施例中，音频模块110可以通过I2S接口113g向无线通信模块108传递音频信号，实现通过蓝牙耳机接听电话的功能。
PCM接口113h也可以用于音频通信，将模拟信号抽样，量化和编码。在一些实施例中，音频模块110与无线通信模块108可以通过PCM接口113h耦合。在一些实施例中，音频模块110也可以通过PCM接口113h向无线通信模块108传递音频信号，实现通过蓝牙耳机接听电话的功能。所述I2S接口113g和所述PCM接口113h都可以用于音频通信。
UART接口113i是一种通用串行数据总线，用于异步通信。该总线可以为双向通信总线。它将要传输的数据在串行通信与并行通信之间转换。在一些实施例中，UART接口113i通常被用于连接处理器101与无线通信模块108。例如：处理器101通过UART接口113i与无线通信模块108中的蓝牙模块通信，实现蓝牙功能。在一些实施例中，音频模块110可以通过UART接口113i向无线通信模块108传递音频信号，实现通过蓝牙耳机播放音乐的功能。
MIPI接口113j可以被用于连接处理器101与触摸屏102，摄像头109等外围器件。MIPI接口113j包括摄像头串行接口(camera serial interface，CSI)113j1，显示屏串行接口(display serial interface，DSI)113j2等。在一些实施例中，处理器101和摄像头109通过CSI接口113j1通信，实现终端设备100的拍摄功能。处理器101和触摸屏102通过DSI接口113j2通信，实现终端设备100的显示功能。
GPIO接口113k可以通过软件配置。GPIO接口113k可以被配置为控制信号，也可被配置为数据信号。在一些实施例中，GPIO接口113k可以用于连接处理器101与摄像头109，触摸屏102，无线通信模块108，音频模块110，传感器114等。GPIO接口113k还可以被配置为I2C接口113f，I2S接口113g，UART接口113i，MIPI接口113j等。
USB接口113c是符合USB标准规范的接口，具体可以是Mini USB接口，Micro USB接口，USB Type C接口等。USB接口113c可以用于连接充电器为终端设备100充电，也可以用于终端设备100与外围设备之间传输数据。也可以用于连接耳机，通过耳机播放音频。该接口还可以用于连接其他终端设备，例如AR设备等。
外部存储器接口1131可以用于连接外部存储卡，例如Micro SD卡，实现扩展终端设备100的存储能力。外部存储卡通过外部存储器接口与处理器101通信，实现数据存储功能。例如将音乐，视频等文件保存在外部存储卡中。
内部存储器103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。内部存储器103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。存储数据区可存储终端设备100使用过程中所创建的数据(比如音频数据，电话本，消息，图片，视频)等。此外，内部存储器103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。处理器101通过运行存储在内部存储器103的指令，和/或存储在设置于处理器中的存储器的指令，执行终端设备100的各种功能应用以及数据处理。
电源管理模块104用于连接电池模块105与处理器101。电源管理模块104接收电池模块105的输入，为处理器101，内部存储器103，触摸屏102，摄像头109，和无线通信模块108等供电。电源管理模块104还可以用于监测电池容量，电池循环次数，电池健康状态(漏电，阻抗)等参数。在其他一些实施例中，电源管理模块104也可以设置于处理器101中。
终端设备100的无线通信功能可以通过天线106a，天线106b，移动通信模块107，无线通信模块108，调制解调处理器以及基带处理器等实现。
天线106a和天线106b用于发射和接收电磁波信号。终端设备100中的每个天线可用于覆盖单个或多个通信频带。不同的天线还可以复用，以提高天线的利用率。例如：可以将天线106a复用为无线局域网的分集天线。在另外一些实施例中，天线可以和调谐开关结合使用。
移动通信模块107可以提供应用在终端设备100上的包括2G/3G/4G/5G等无线通信的解决方案。移动通信模块107可以包括至少一个滤波器，开关，功率放大器，低噪声放大器(low noise amplifier，LNA)等。移动通信模块107可以由天线106a接收电磁波，并对接收的电磁波进行滤波，放大等处理，传送至调制解调处理器进行解调。移动通信模块107还可以对经调制解调处理器调制后的信号放大，经天线106a转为电磁波辐射出去。在一些实施例中，移动通信模块107的至少部分功能模块可以被设置于处理器101中。在一些实施例中，移动通信模块107的至少部分功能模块可以与处理器101的至少部分模块被设置在同一个器件中。
调制解调处理器101b可以包括调制器和解调器。其中，调制器用于将待发送的低频基带信号调制成中高频信号。解调器用于将接收的电磁波信号解调为低频基带信号。随后解调器将解调得到的低频基带信号传送至基带处理器处理。低频基带信号经基带处理器处理后，被传递给应用处理器。应用处理器通过音频设备(不限于扬声器111等)输出声音信号，或通过触摸屏102显示图像或视频。在一些实施例中，调制解调处理器可以是独立的器件。在另一些实施例中，调制解调处理器可以独立于处理器101，与移动通信模块107或其他功能模块设置在同一个器件中。
无线通信模块108可以提供应用在终端设备100上的包括无线局域网(wirelesslocal area networks，WLAN)(如无线保真(wireless fidelity，Wi-Fi)网络)，蓝牙(bluetooth，BT)，全球导航卫星系统(global navigation satellite system，GNSS)，调频(frequency modulation，FM)，近距离无线通信技术(near field communication，NFC)，红外技术(infrared，IR)等无线通信的解决方案。无线通信模块108可以是集成至少一个通信处理模块的一个或多个器件。无线通信模块108经由天线106b接收电磁波，将电磁波信号调频以及滤波处理，将处理后的信号发送到处理器101。无线通信模块108还可以从处理器101接收待发送的信号，对其进行调频，放大，经天线106b转为电磁波辐射出去。
在一些实施例中，终端设备100的天线106a和移动通信模块107耦合，天线106b和无线通信模块108耦合，使得终端设备100可以通过无线通信技术与网络以及其他设备通信。所述无线通信技术可以包括全球移动通讯系统(global system for mobilecommunications，GSM)，通用分组无线服务(general packet radio service，GPRS)，码分多址接入(code division multiple access，CDMA)，宽带码分多址(wideband codedivision multiple access，WCDMA)，时分码分多址(time-division code divisionmultiple access，TD-SCDMA)，长期演进(long term evolution，LTE)，BT，GNSS，WLAN，NFC，FM，和/或IR技术等。所述GNSS可以包括全球卫星定位系统(global positioning system，GPS)，全球导航卫星系统(global navigation satellite system，GLONASS)，北斗卫星导航系统(beidou navigation satellite system，BDS)，准天顶卫星系统(quasi-zenithsatellite system，QZSS)和/或星基增强系统(satellite based augmentation systems，SBAS)。
终端设备100通过GPU 101c，触摸屏102，以及应用处理器等实现显示功能。GPU101c为图像处理的微处理器，连接触摸屏102和应用处理器。GPU 101c用于执行数学和几何计算，用于图形渲染。处理器101可包括一个或多个GPU 101c，其执行程序指令以生成或改变显示信息。
终端设备100可以通过ISP 101d，摄像头109，视频编解码器，GPU 101c，触摸屏102以及应用处理器等实现拍摄功能。
ISP 101d用于处理摄像头109反馈的数据。例如，拍照时，打开快门，光线通过镜头被传递到摄像头感光元件上，光信号转换为电信号，摄像头感光元件将所述电信号传递给ISP处理，转化为肉眼可见的图像。ISP 101d还可以对图像的噪点，亮度，肤色进行算法优化。ISP 101d还可以对拍摄场景的曝光，色温等参数优化。在一些实施例中，ISP 101d可以设置在摄像头109中。
摄像头109用于捕获静态图像或视频。物体通过镜头生成光学图像投射到感光元件。感光元件可以是电荷耦合器件(charge coupled device，CCD)或互补金属氧化物半导体(complementary metal-oxide-semiconductor，CMOS)光电晶体管。感光元件把光信号转换成电信号，之后将电信号传递给ISP转换成数字图像信号。ISP 101d将数字图像信号输出到DSP101g加工处理。DSP 101g将数字图像信号转换成标准的RGB，YUV等格式的图像信号。在一些实施例中，终端设备100可以包括1个或N个摄像头109，N为大于1的正整数。
数字信号处理器用于处理数字信号，除了可以处理数字图像信号，还可以处理其他数字信号。例如，当终端设备100在频点选择时，数字信号处理器用于对频点能量进行傅里叶变换等。
视频编解码器101f用于对数字视频压缩或解压缩。终端设备100可以支持一种或多种视频编解码器101f。这样，终端设备100可以播放或录制多种编码格式的视频，例如：动态图像专家组(moving picture experts group，MPEG)1，MPEG2，MPEG3，MPEG4等。
NPU 101i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NPU101i可以实现终端设备100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。
终端设备100可以通过音频模块110，扬声器111，麦克风112，耳机接口113b，以及应用处理器等实现音频功能。例如音乐播放，录音等。
音频模块110用于将数字音频信息转换成模拟音频信号输出，也用于将模拟音频输入转换为数字音频信号。音频模块110还可以用于对音频信号编码和解码。在一些实施例中，音频模块110可以设置于处理器101中，或将音频模块110的部分功能模块设置于处理器101中。
扬声器111，也称“喇叭”，用于将音频电信号转换为声音信号。终端设备100可以通过扬声器111收听音乐，或收听免提通话。
麦克风112，也称“话筒”，“传声器”，用于将声音信号转换为电信号。当拨打电话或发送语音信息时，用户可以通过人嘴靠近麦克风112发声，将声音信号输入到麦克风112。终端设备100可以设置至少一个麦克风112。在另一些实施例中，终端设备100可以设置两个麦克风112，除了采集声音信号，还可以实现降噪功能。在另一些实施例中，终端设备100还可以设置三个，四个或更多麦克风112，实现采集声音信号，降噪，还可以识别声音来源，实现定向录音功能等。
耳机接口113b用于连接有线耳机。耳机接口113b可以是USB接口，也可以是3.5mm的开放移动终端设备平台(open mobile terminal platform，OMTP)标准接口，美国蜂窝电信工业协会(cellular telecommunications industry association of the USA，CTIA)标准接口。
压力传感器114a用于感受压力信号，可以将压力信号转换成电信号。在一些实施例中，压力传感器114a可以设置于触摸屏102。压力传感器114a的种类很多，如电阻式压力传感器114a，电感式压力传感器114a，电容式压力传感器114a等。电容式压力传感器114a可以是包括至少两个具有导电材料的平行板。当有力作用于压力传感器114a，电极之间的电容改变。终端设备100根据电容的变化确定压力的强度。当有触摸操作作用于触摸屏102，终端设备100根据压力传感器114a检测所述触摸操作强度。终端设备100也可以根据压力传感器114a的检测信号计算触摸的位置。在一些实施例中，作用于相同触摸位置，但不同触摸操作强度的触摸操作，可以对应不同的操作指令。例如：当有触摸操作强度小于第一压力阈值的触摸操作作用于短消息应用图标时，执行查看短消息的指令。当有触摸操作强度大于或等于第一压力阈值的触摸操作作用于短消息应用图标时，执行新建短消息的指令。
陀螺仪传感器114b可以用于确定终端设备100的运动姿态。在一些实施例中，可以通过陀螺仪传感器114b确定终端设备100围绕三个轴(即，x，y和z轴)的角速度。陀螺仪传感器114b可以用于拍摄防抖。示例性的，当按下快门，陀螺仪传感器114b检测终端设备100抖动的角度，根据角度计算出镜头模组需要补偿的距离，让镜头通过反向运动抵消终端设备100的抖动，实现防抖。陀螺仪传感器114b还可以用于导航，体感游戏场景。
气压传感器114c用于测量气压。在一些实施例中，终端设备100通过气压传感器114c测得的气压值计算海拔高度，辅助定位和导航。
磁传感器114d包括霍尔传感器。终端设备100可以利用磁传感器114d检测翻盖皮套的开合。在一些实施例中，当终端设备100是翻盖机时，终端设备100可以根据磁传感器114d检测翻盖的开合。进而根据检测到的皮套的开合状态或翻盖的开合状态，设置翻盖自动解锁等特性。
加速度传感器114e可检测终端设备100在各个方向上(一般为三轴)加速度的大小。当终端设备100静止时可检测出重力的大小及方向。还可以用于识别终端设备姿态，应用于横竖屏切换，计步器等应用。
距离传感器114f，用于测量距离。终端设备100可以通过红外或激光测量距离。在一些实施例中，拍摄场景，终端设备100可以利用距离传感器114f测距以实现快速对焦。
接近光传感器114g可以包括例如发光二极管(LED)和光检测器，例如光电二极管。发光二极管可以是红外发光二极管。终端设备100通过发光二极管向外发射红外光。终端设备100使用光电二极管检测来自附近物体的红外反射光。当检测到充分的反射光时，可以确定终端设备100附近有物体。当检测到不充分的反射光时，终端设备100可以确定终端设备100附近没有物体。终端设备100可以利用接近光传感器114g检测用户手持终端设备100贴近耳朵通话，以便自动熄灭屏幕达到省电的目的。接近光传感器114g也可用于皮套模式，口袋模式自动解锁与锁屏。
环境光传感器115k用于感知环境光亮度。终端设备100可以根据感知的环境光亮度自适应调节触摸屏102亮度。环境光传感器115k也可用于拍照时自动调节白平衡。环境光传感器115k还可以与接近光传感器配合，检测终端设备100是否在口袋里，以防误触。
指纹传感器114h用于采集指纹。终端设备100可以利用采集的指纹特性实现指纹解锁，访问应用锁，指纹拍照，指纹接听来电等。
温度传感器114i用于检测温度。在一些实施例中，终端设备100利用温度传感器114i检测的温度，执行温度处理策略。例如，当温度传感器114i上报的温度超过阈值，终端设备100执行降低位于温度传感器114i附近的处理器的性能，以便降低功耗实施热保护。在另一些实施例中，当温度低于另一阈值时，终端设备100对电池模块105加热，以避免低温导致终端设备100异常关机。在其他一些实施例中，当温度低于又一阈值时，终端设备100对电池模块105的输出电压执行升压，以避免低温导致的异常关机。
触摸传感器115j，也称“触控器件”。触摸传感器115j可以设置于触摸屏102，由触摸传感器115j与触摸屏102组成触摸屏，也称“触控屏”。触摸传感器115j用于检测作用于其上或附近的触摸操作。触摸传感器115j可以将检测到的触摸操作传递给应用处理器，以确定触摸事件类型。可以通过触摸屏102提供与触摸操作相关的视觉输出。在另一些实施例中，触摸传感器115j也可以设置于终端设备100的表面，与触摸屏102所处的位置不同。
骨传导传感器115l可以获取振动信号。在一些实施例中，骨传导传感器115l可以获取人体声部振动骨块的振动信号。骨传导传感器115l也可以接触人体脉搏，接收血压跳动信号。在一些实施例中，骨传导传感器115l也可以设置于耳机中，结合成骨传导耳机。音频模块110可以基于所述骨传导传感器115l获取的声部振动骨块的振动信号，解析出语音信号，实现语音功能。应用处理器可以基于所述骨传导传感器115l获取的血压跳动信号解析心率信息，实现心率检测功能。
按键115包括开机键，音量键等。按键115可以是机械按键。也可以是触摸式按键。终端设备100可以接收按键输入，产生与终端设备100的用户设置以及功能控制有关的键信号输入。
终端设备100还可以包括马达117。马达117可以产生振动提示。马达117可以用于来电振动提示，也可以用于触摸振动反馈。例如，作用于不同应用(例如拍照，音频播放等)的触摸操作，可以对应不同的振动反馈效果。作用于触摸屏102不同区域的触摸操作，马达也可对应不同的振动反馈效果。不同的应用场景(例如：时间提醒，接收信息，闹钟，游戏等)也可以对应不同的振动反馈效果。触摸振动反馈效果还可以支持自定义。
终端设备100还可以包括指示器116。指示器116可以是指示灯，可以用于指示充电状态，电量变化，也可以用于指示消息，未接来电，通知等。
SIM卡接口113d用于连接SIM卡。SIM卡可以通过插入SIM卡接口113d，或从SIM卡接口113d拔出，实现和终端设备100的接触和分离。终端设备100可以支持1个或N个SIM卡接口，N为大于1的正整数。SIM卡接口113d可以支持Nano SIM卡，Micro SIM卡，SIM卡等。同一个SIM卡接口113d可以同时插入多张卡。所述多张卡的类型可以相同，也可以不同。SIM卡接口113d也可以兼容不同类型的SIM卡。SIM卡接口113d也可以兼容外部存储卡。终端设备100通过SIM卡和网络交互，实现通话以及数据通信等功能。在一些实施例中，终端设备100采用eSIM，即：嵌入式SIM卡。eSIM卡可以嵌在终端设备100中，不能和终端设备100分离。
相应的，本申请实施例还提供一种健身器设备，该健身器设备包括存储器和处理器，处理器执行存储器中存储的计算机程序/指令时，能够实现图4b-图4c所示方法实施例中可由健身器设备执行的各步骤，且可以达到与上述方法相同的效果，在此不再赘述。
本申请实施例还提供一种计算机可读存储介质，该计算机可读存储介质中存储有计算机程序/指令，当计算机程序/指令被处理器执行时，致使处理器能够实现本申请前述图2a或图2c或图3a或图4b-图4d所示实施例提供的方法。
本申请实施例还提供一种计算机程序产品，该计算机程序产品包括计算机程序/指令，当计算机程序/指令被处理器执行时，致使处理器能够实现本申请前述图2a或图2c或图3a或图4b-图4d所示实施例提供的方法。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请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，本申请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-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、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。
在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。
还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
以上所述仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。
Claims (19)
1.一种运动数据处理方法，其特征在于，应用于穿戴设备或健身器设备，所述方法包括：
响应运动触发操作，采集目标用户在本次运动过程中产生的运动数据，所述运动数据为时序数据，并根据所述运动数据的变化特征，利用呼吸交换率RER预测模型预测所述目标用户在本次运动过程中的RER，所述变化特征包括从所述运动数据中提取的变化率特征和/或差分特征；
根据所述目标用户在本次运动过程中的RER以及糖脂比例与RER的对应关系，计算所述目标用户在本次运动过程中的脂肪消耗数据；
响应第一查看操作，显示目标运动中界面，并至少在所述目标运动中界面上显示所述脂肪消耗数据，所述脂肪消耗数据随着运动过程动态变化；
所述RER预测模型为端到端的深度时序预测模型，所述方法还包括：
根据样本用户在运动过程中产生的运动数据以及产生时刻，构建训练用的样本时序数据；
根据所述样本时序数据利用深度时序预测模型进行RER预测，以得到所述样本用户在运动过程中的RER预测值；
计算RER标准值与所述RER预测值的相关系数的平方作为模型训练的损失函数，所述RER标准值是根据样本用户在运动过程中吸入的氧气量和呼出的二氧化碳量确定的；
根据所述损失函数调整深度时序预测模型的模型参数直到模型收敛，以得到RER预测模型。
2.根据权利要求1所述的方法，其特征在于，根据所述运动数据的变化特征，利用呼吸交换率RER预测模型预测所述目标用户在本次运动过程中的RER，包括：
获取所述目标用户的个人特征数据，所述个人特征数据包括所述目标用户的属性数据和运动指标数据中的至少一种；
根据所述个人特征数据以及所述运动数据的变化特征，利用RER预测模型预测所述目标用户在本次运动过程中的RER。
3.根据权利要求2所述的方法，其特征在于，在根据所述个人特征数据以及所述运动数据的变化特征，利用RER预测模型预测所述目标用户在本次运动过程中的RER之前，还包括：至少对所述运动数据进行均值滤波。
4.根据权利要求1所述的方法，其特征在于，所述目标用户在本次运动过程中的RER是按照设定的计算周期预测的，且所述计算周期大于或等于所述运动数据的采集周期；
其中，所述根据所述目标用户在本次运动过程中的RER以及糖脂比例与RER的对应关系，计算所述目标用户在本次运动过程中的脂肪消耗数据，包括：
根据所述目标用户在每个计算周期的RER以及糖脂比例与RER的对应关系，计算所述目标用户在每个计算周期内的脂肪消耗比例；
根据所述目标用户在每个计算周期内的脂肪消耗比例和所述目标用户在每个计算周期内消耗的总热量，计算所述目标用户在每个计算周期内脂肪消耗的热量。
5.根据权利要求4所述的方法，其特征在于，响应第一查看操作，显示目标运动中界面，并至少在所述目标运动中界面上显示所述脂肪消耗数据，包括：
响应第一查看操作，显示其它运动中界面，以及响应界面切换操作，从所述其它运动中界面切换至目标运动中界面，并在所述目标运动中界面上显示所述目标用户在每个计算周期内消耗的总热量、脂肪消耗比例以及脂肪消耗的热量中的至少一种；其中，所述其它运动中界面上显示有所述目标用户在每个计算周期的运动数据或其它数据；
或者
响应第一查看操作，显示目标运动中界面，所述目标运动中界面包括多个显示分区，当滑动显示到目标显示分区时，在所述目标显示分区中显示所述目标用户在每个计算周期内消耗的总热量、脂肪消耗比例以及脂肪消耗的热量中的至少一种；其中，在其它显示分区中显示有所述目标用户在每个计算周期的运动数据或其它数据。
6.根据权利要求4所述的方法，其特征在于，还包括：
响应查看本次运动详情的操作，显示本次运动对应的运动详情界面，所述运动详情界面上至少包括本次运动的燃脂详情数据；
其中，所述燃脂详情数据是根据所述目标用户在每个计算周期内的脂肪消耗比例和脂肪消耗的热量生成的，至少包括本次运动中脂肪消耗的总热量、消耗的脂肪总重量以及脂肪消耗总比例中的至少一种。
7.根据权利要求6所述的方法，其特征在于，响应查看本次运动详情的操作，显示本次运动对应的运动详情界面，包括：
响应第二查看操作，显示所述穿戴设备或健身器设备的功能界面，所述功能界面上包括锻炼记录功能；
响应对所述锻炼记录功能的触发操作，显示运动记录界面，所述运动记录界面上至少包括本次运动记录；
响应对所述本次运动记录的触发操作，显示本次运动对应的运动详情界面，以及响应所述运动详情界面上的滑动操作，显示本次运动的燃脂详情数据。
8.根据权利要求6所述的方法，其特征在于，还包括以下至少一种操作：
根据所述目标用户在本次运动中的脂肪消耗数据，生成本次运动的燃脂曲线图，以供所述目标用户查看；
根据所述目标用户在第一统计周期内已完成的多次运动中的脂肪消耗数据，生成所述目标用户在所述第一统计周期内的燃脂曲线图，以供所述目标用户查看；
将所述目标用户在本次运动过程的脂肪消耗数据同步至与所述穿戴设备或健身器设备通信连接的终端设备，以使所述终端设备根据所述目标用户在第二统计周期内已完成的多次运动中的脂肪消耗数据生成所述目标用户在第二统计周期内的燃脂曲线图，所述第二统计周期大于所述第一统计周期。
9.根据权利要求1所述的方法，其特征在于，还包括：
在本次运动过程中，根据所述运动数据中的心率数据，语音播报运动提示信息，以提醒所述目标用户保持在目标燃脂运动状态。
10.根据权利要求9所述的方法，其特征在于，根据所述运动数据中的心率数据，语音播报运动提示信息，以提醒所述目标用户保持在目标燃脂运动状态，包括：
在所述心率数据位于设定的心率区间时，语音播报状态保持提示信息，以提醒目标用户当前处于目标燃脂运动状态；
在所述心率数据不在设定的心率区间时，语音播报状态调整提示信息，以提醒目标用户调整当前运动状态至所述目标燃脂运动状态。
11.根据权利要求10所述的方法，其特征在于，在所述心率数据不在设定的心率区间时，语音播报状态调整提示信息，以提醒目标用户调整当前运动状态至所述目标燃脂运动状态，包括：
在所述心率数据大于所述心率区间的上限值时，语音播报第一状态调整提示信息，以提醒目标用户降低运动强度至所述目标燃脂运动状态；
在所述心率数据小于所述心率区间的下限值时，语音播报第二状态调整提示信息，以提醒目标用户增大运动强度至所述目标燃脂运动状态。
12.根据权利要求10所述的方法，其特征在于，在响应运动触发操作之前，还包括：
显示运动列表界面，所述运动列表界面上包括多个运动类型；
响应对目标运动类型的选择操作，显示所述目标运动类型对应的设置界面，所述设置界面上至少包括目标燃脂模式的设置项；
响应对所述设置项的设置操作，开启所述目标燃脂模式，所述目标燃脂模式与所述心率区间和所述目标燃脂运动状态关联。
13.一种运动数据处理方法，其特征在于，应用于终端设备或健身器设备，所述终端设备或健身器设备与目标用户佩戴的穿戴设备通信连接，且显示有目标运动中界面，所述方法包括：
接收所述穿戴设备上传的所述目标用户在本次运动过程中产生的运动数据，所述运动数据为时序数据；
根据所述运动数据的变化特征，利用呼吸交换率RER预测模型预测所述目标用户在本次运动过程中的RER，所述变化特征包括从所述运动数据中提取的变化率特征和/或差分特征；
根据所述目标用户在本次运动过程中的RER以及糖脂比例与RER的对应关系，计算所述目标用户在本次运动过程中的脂肪消耗数据；
至少在所述目标运动中界面上显示所述脂肪消耗数据，所述脂肪消耗数据随着运动过程动态变化；
所述RER预测模型为端到端的深度时序预测模型，所述方法还包括：
根据样本用户在运动过程中产生的运动数据以及产生时刻，构建训练用的样本时序数据；
根据所述样本时序数据利用深度时序预测模型进行RER预测，以得到所述样本用户在运动过程中的RER预测值；
计算RER标准值与所述RER预测值的相关系数的平方作为模型训练的损失函数，所述RER标准值是根据样本用户在运动过程中吸入的氧气量和呼出的二氧化碳量确定的；
根据所述损失函数调整深度时序预测模型的模型参数直到模型收敛，以得到RER预测模型。
14.一种运动数据处理方法，其特征在于，应用于穿戴设备，所述方法包括：
响应运动触发操作，采集目标用户在本次运动过程中产生的运动数据，所述运动数据为时序数据；
根据所述运动数据的变化特征，利用呼吸交换率RER预测模型预测所述目标用户在本次运动过程中的RER，所述变化特征包括从所述运动数据中提取的变化率特征和/或差分特征；
将所述目标用户在本次运动过程中的RER同步至与所述穿戴设备通信连接的终端设备或健身器设备，以使所述终端设备或健身器设备根据所述RER以及糖脂比例与RER的对应关系计算所述目标用户在本次运动过程中的脂肪消耗数据并显示所述脂肪消耗数据；
所述RER预测模型为端到端的深度时序预测模型，所述方法还包括：
根据样本用户在运动过程中产生的运动数据以及产生时刻，构建训练用的样本时序数据；
根据所述样本时序数据利用深度时序预测模型进行RER预测，以得到所述样本用户在运动过程中的RER预测值；
计算RER标准值与所述RER预测值的相关系数的平方作为模型训练的损失函数，所述RER标准值是根据样本用户在运动过程中吸入的氧气量和呼出的二氧化碳量确定的；
根据所述损失函数调整深度时序预测模型的模型参数直到模型收敛，以得到RER预测模型。
15.一种运动数据处理方法，其特征在于，应用于终端设备或健身器设备，所述终端设备或健身器设备与目标用户佩戴的穿戴设备通信连接，且显示有目标运动中界面，所述方法包括：
接收所述穿戴设备上传的所述目标用户在本次运动过程中的呼吸交换率RER；
根据所述目标用户在本次运动过程中的RER以及糖脂比例与RER的对应关系，计算所述目标用户在本次运动过程中的脂肪消耗数据；
至少在所述目标运动中界面上显示所述脂肪消耗数据，所述脂肪消耗数据随着运动过程动态变化；
其中，所述RER是根据本次运动过程中产生的运动数据的变化特征，利用RER预测模型预测得到的，所述运动数据为时序数据，所述变化特征包括从所述运动数据中提取的变化率特征和/或差分特征；
所述RER预测模型为端到端的深度时序预测模型，所述方法还包括：
根据样本用户在运动过程中产生的运动数据以及产生时刻，构建训练用的样本时序数据；
根据所述样本时序数据利用深度时序预测模型进行RER预测，以得到所述样本用户在运动过程中的RER预测值；
计算RER标准值与所述RER预测值的相关系数的平方作为模型训练的损失函数，所述RER标准值是根据样本用户在运动过程中吸入的氧气量和呼出的二氧化碳量确定的；
根据所述损失函数调整深度时序预测模型的模型参数直到模型收敛，以得到RER预测模型。
16.一种穿戴设备，其特征在于，包括处理器和存储器，所述处理器用于调用存储器中的计算机程序，以执行如权利要求1-12以及14中任一项所述的方法。
17.一种终端设备，其特征在于，包括处理器和存储器，所述处理器用于调用存储器中的计算机程序，以执行如权利要求13或权利要求15所述的方法。
18.一种健身器设备，其特征在于，包括处理器和存储器，所述处理器用于调用存储器中的计算机程序，以执行如权利要求1-12、13以及15中任一项所述的方法。
19.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机指令，当所述计算机指令被处理器运行时，使得所述处理器执行如权利要求1-12、13、14以及15中任一项所述的方法。
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211414177.7A CN116649951B (zh) | 2022-11-11 | 2022-11-11 | 运动数据处理方法、穿戴设备、终端、健身器设备及介质 |
| PCT/CN2023/116098 WO2024098905A1 (zh) | 2022-11-11 | 2023-08-31 | 运动数据处理方法、穿戴设备、终端、健身器设备及介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211414177.7A CN116649951B (zh) | 2022-11-11 | 2022-11-11 | 运动数据处理方法、穿戴设备、终端、健身器设备及介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116649951A CN116649951A (zh) | 2023-08-29 |
| CN116649951B true CN116649951B (zh) | 2024-04-02 |
Family
ID=87717697
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211414177.7A Active CN116649951B (zh) | 2022-11-11 | 2022-11-11 | 运动数据处理方法、穿戴设备、终端、健身器设备及介质 |
Country Status (2)
| Country | Link |
|---|---|
| CN (1) | CN116649951B (zh) |
| WO (1) | WO2024098905A1 (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116649951B (zh) * | 2022-11-11 | 2024-04-02 | 荣耀终端有限公司 | 运动数据处理方法、穿戴设备、终端、健身器设备及介质 |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101342076A (zh) * | 2007-07-13 | 2009-01-14 | 株式会社阿斯特姆 | 运动负荷量测定装置 |
| JP4210321B1 (ja) * | 2008-05-26 | 2009-01-14 | 株式会社アステム | 運動負荷量監視トレーニングマシン |
| JP2010268864A (ja) * | 2009-05-19 | 2010-12-02 | Sharp Corp | 運動強度規定装置、脂肪燃焼率算出システムおよび運動器具 |
| CN103025243A (zh) * | 2010-05-24 | 2013-04-03 | 萨里斯脚踏车集团公司 | 用于将心率与锻炼参数相关的系统和装置 |
| CN205644433U (zh) * | 2016-03-21 | 2016-10-12 | 广东乐心医疗电子股份有限公司 | 一种具有心率区间提醒功能的可穿戴设备 |
| CN107405091A (zh) * | 2014-10-27 | 2017-11-28 | 生命Q全球有限公司 | 使用动态心率预测模型的生物激励动作补偿及实时生理负荷估计 |
| CN108109677A (zh) * | 2016-11-23 | 2018-06-01 | 中移（杭州）信息技术有限公司 | 一种线上运动干预方法、设备及系统 |
| CN110598789A (zh) * | 2019-09-12 | 2019-12-20 | 首都师范大学 | 一种基于模糊感知器的人体疲劳状态预测方法及系统 |
| CN111938580A (zh) * | 2020-07-02 | 2020-11-17 | 北京体育大学 | 人体日常运动中摄氧量的测试方法、装置、计算机设备 |
| CN114831624A (zh) * | 2022-03-30 | 2022-08-02 | 海尔(深圳)研发有限责任公司 | 用于确定人体新陈代谢的方法及装置、空调器、存储介质 |
Family Cites Families (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP1283689A4 (en) * | 2000-05-25 | 2005-03-09 | Healthetech Inc | WEIGHT CONTROL PROCEDURES USING PARAMETERS BASED ON PHYSICAL ACTIVITY |
| US6475158B1 (en) * | 2000-10-24 | 2002-11-05 | Korr Medical Technologies, Inc. | Calorimetry systems and methods |
| TWI530274B (zh) * | 2013-04-01 | 2016-04-21 | Energy Metabolic Measurement Method Based on Sound Input and Computer Program Product | |
| CN104173024B (zh) * | 2013-05-21 | 2016-04-06 | 司波特沙部文化国际有限公司 | 基于声音输入的能量代谢测量方法 |
| US20160151016A1 (en) * | 2013-06-20 | 2016-06-02 | Stephen T. Anderson | Methods for defining aerobic exercise training zones for use in an exercise training prescription and for providing feedback on compliance with the prescription |
| TWI542321B (zh) * | 2014-01-17 | 2016-07-21 | Measurement of Energy Metabolism of Fat and Sugar Based on Heart Rate , Wearable electronic devices, and computer programs | |
| KR20160139219A (ko) * | 2015-05-27 | 2016-12-07 | 삼성전자주식회사 | 운동 자각도를 기초로 최대 운동 수준에서의 사용자의 생리 지표를 추정하는 방법 및 장치 |
| US10276062B2 (en) * | 2015-06-25 | 2019-04-30 | Core Metabolics LLC | Calorie optimization respiratory exchange fat macro utilization metabolic profile and method |
| US10565897B2 (en) * | 2017-02-17 | 2020-02-18 | Mindful Projects, LLC | Quantitative diet tracking and analysis systems and devices |
| BR102020026639A2 (pt) * | 2020-12-23 | 2022-07-05 | Samsung Eletrônica da Amazônia Ltda. | Método para predição do consumo máximo de oxigênio em dispositivos vestíveis |
| CN115245677B (zh) * | 2021-04-26 | 2024-05-10 | Oppo广东移动通信有限公司 | 热源消耗量的计算方法、装置、可穿戴设备和存储介质 |
| CN116649951B (zh) * | 2022-11-11 | 2024-04-02 | 荣耀终端有限公司 | 运动数据处理方法、穿戴设备、终端、健身器设备及介质 |
-
2022
- 2022-11-11 CN CN202211414177.7A patent/CN116649951B/zh active Active
-
2023
- 2023-08-31 WO PCT/CN2023/116098 patent/WO2024098905A1/zh unknown
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101342076A (zh) * | 2007-07-13 | 2009-01-14 | 株式会社阿斯特姆 | 运动负荷量测定装置 |
| JP4210321B1 (ja) * | 2008-05-26 | 2009-01-14 | 株式会社アステム | 運動負荷量監視トレーニングマシン |
| JP2010268864A (ja) * | 2009-05-19 | 2010-12-02 | Sharp Corp | 運動強度規定装置、脂肪燃焼率算出システムおよび運動器具 |
| CN103025243A (zh) * | 2010-05-24 | 2013-04-03 | 萨里斯脚踏车集团公司 | 用于将心率与锻炼参数相关的系统和装置 |
| CN107405091A (zh) * | 2014-10-27 | 2017-11-28 | 生命Q全球有限公司 | 使用动态心率预测模型的生物激励动作补偿及实时生理负荷估计 |
| CN205644433U (zh) * | 2016-03-21 | 2016-10-12 | 广东乐心医疗电子股份有限公司 | 一种具有心率区间提醒功能的可穿戴设备 |
| CN108109677A (zh) * | 2016-11-23 | 2018-06-01 | 中移（杭州）信息技术有限公司 | 一种线上运动干预方法、设备及系统 |
| CN110598789A (zh) * | 2019-09-12 | 2019-12-20 | 首都师范大学 | 一种基于模糊感知器的人体疲劳状态预测方法及系统 |
| CN111938580A (zh) * | 2020-07-02 | 2020-11-17 | 北京体育大学 | 人体日常运动中摄氧量的测试方法、装置、计算机设备 |
| CN114831624A (zh) * | 2022-03-30 | 2022-08-02 | 海尔(深圳)研发有限责任公司 | 用于确定人体新陈代谢的方法及装置、空调器、存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116649951A (zh) | 2023-08-29 |
| WO2024098905A1 (zh) | 2024-05-16 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US20220080261A1 (en) | Recommendation Method Based on Exercise Status of User and Electronic Device | |
| KR101788485B1 (ko) | 활동에 기초한 지능적 디바이스 모드 변화 | |
| CN104383674B (zh) | 用于智能穿戴设备的计数方法、装置及智能穿戴设备 | |
| CN110134316A (zh) | 模型训练方法、情绪识别方法及相关装置和设备 | |
| CN111202955A (zh) | 运动数据处理方法及电子设备 | |
| CN112259191A (zh) | 辅助健身的方法和电子装置 | |
| US20170324926A1 (en) | Information processing device, method of information processing, and program | |
| WO2022161037A1 (zh) | 一种用户确定方法、电子设备和计算机可读存储介质 | |
| CN116649951B (zh) | 运动数据处理方法、穿戴设备、终端、健身器设备及介质 | |
| CN110457100A (zh) | 应用程序显示方法、装置、设备以及存储介质 | |
| CN113892920A (zh) | 可穿戴设备的佩戴检测方法、装置及电子设备 | |
| CN113996046B (zh) | 热身判断方法、装置及电子设备 | |
| CN110706784A (zh) | 卡路里摄入量计算方法、装置、系统、设备以及存储介质 | |
| CN115719645A (zh) | 健康管理方法、系统和电子设备 | |
| US20230402150A1 (en) | Adaptive Action Evaluation Method, Electronic Device, and Storage Medium | |
| CN108632450A (zh) | 用于捕获内容的电子设备和方法 | |
| JP2015033052A (ja) | トレーニング支援システム、サーバー、端末、カメラ、方法並びにプログラム | |
| CN115336968A (zh) | 一种睡眠状态检测方法与电子设备 | |
| WO2021254091A1 (zh) | 运动次数的确定方法和终端 | |
| WO2021254092A1 (zh) | 划桨频率的推荐方法、装置和设备 | |
| CN113380374B (zh) | 基于运动状态感知的辅助运动方法、电子设备及存储介质 | |
| WO2021233018A1 (zh) | 运动后肌肉疲劳度的检测方法及装置、电子设备 | |
| CN114362878B (zh) | 数据处理方法及电子设备 | |
| WO2023207726A1 (zh) | 运动指导方法及电子设备 | |
| WO2023001165A1 (zh) | 一种运动指导方法及相关装置 |
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 |