CN117116417B - 一种基于物联网的跑步场景模拟方法及系统 - Google Patents

Abstract

本发明属于跑步场景模拟系统领域，具体公开提供一种基于物联网的跑步场景模拟方法及系统，该系统包括：本发明将计算机跑步场景模拟系统与跑步机坡度调整结构进行结合，在模拟场景中道路发生变化时，对跑步机的坡度进行实时调整，以此为用户提供更加真实的跑步体验，从而提高用户的锻炼效果；评估用户在不同坡度调整过程中的运动效果，将其结果进行数据化展示并存储，进而帮助用户更好地了解自己的运动效果和进步情况，以便在后续使用时根据用户对历史场景图的适配度，为其提供个性化的爬坡场景图建议；分析跑步机坡度调整数据的精准性，对故障情况进行及时反馈和维修，避免给用户使用带来不便。

Description

一种基于物联网的跑步场景模拟方法及系统

技术领域

本发明属于跑步场景模拟系统领域，涉及到一种基于物联网的跑步场景模拟方法及系统。

背景技术

跑步场景模拟系统是通过可穿戴设备、投影仪等硬件设备，对户外场景进行模拟的系统。用户可以通过这种系统在室内或封闭环境中体验不同的户外跑步场景，为用户提供更加真实的跑步体验，同时，系统还可以监测用户的运动数据和身体状况，提供及时的健康建议和指导,提高用户的运动效果，为用户提供更加丰富的运动体验。

现有的跑步场景模拟系统虽然可以满足上述需求，但还存在明显不足之处：(1)目前的跑步场景模拟系统主要通过模拟不同的户外环境为用户带来视觉体验，虽然可以模拟不同的环境场景，但是缺乏与跑步机坡度调整结构结合的功能,从而无法为用户带来真实的跑步体感，缺乏真实感，使得用户难以达到锻炼的效果。

(2)目前的模拟系统大多是基于固定的运动模式，固定的运动模式无法满足每个用户的个体差异和需求，用户的运动能力和体力水平各不相同，因此需要根据其实际情况进行个性化的难度提升。然而，现有系统在对用户跑步难度提升方面缺乏考虑，在对用户运动数据进行监测反馈时，未将用户运动数据与运动难度等级进行结合，无法提供针对性的建议和挑战，限制了用户的训练效果和进步空间。

发明内容

鉴于此，为解决上述背景技术中所提出的问题，现提出一种基于物联网的跑步场景模拟方法及系统。

本发明的目的可以通过以下技术方案实现：本发明第一方面提供一种基于物联网的跑步场景模拟方法，包括如下步骤：身份识别：对当前用户进行人脸图像识别，判定当前用户是否为历史用户，进而将计算机模拟系统中各难度等级跑步场景模拟图进行推荐显示。

目标场景图选定：获取当前用户选定的跑步场景模拟图，将其记为目标场景图。

坡度变化调整分析：提取目标场景图的各坡度调整数据，对目标跑步机的坡度进行相应调整，进而对目标跑步机坡度调整的可靠性评价系数进行分析，并进行预警处理。

运动效果评价：获取当前用户在各次坡度调整过程中的外观状态变化数据和生理指标，进而分析当前用户的运动效果评价系数。

综合使用效果评价：获取当前用户对本次跑步场景模拟体验的满意度，进而根据目标跑步机坡度调整的可靠性评价系数和当前用户的运动效果评价系数，对目标场景图的综合效果评价系数进行分析。

在本发明的具体实施例中，所述将计算机模拟系统中各难度等级跑步场景模拟图进行推荐显示具体步骤为：A1、将当前用户的人脸图像与云端信息库中的各历史用户人脸图像进行匹配，若当前用户的人脸图像与云端信息库中的某历史用户人脸图像匹配成功，则当前用户为历史用户，进而执行A2，若当前用户的人脸图像与云端信息库中的各历史用户人脸图像均匹配失败，则当前用户为新用户，进而执行A3。

A2、从当前用户的历史场景记录中提取各历史跑步场景模拟图对应难度等级和各历史跑步场景模拟图的综合效果评价系数，据此分析当前用户对各难度等级跑步场景模拟图的适配度，进而为当前用户推荐首选难度等级，并将首选难度等级的各跑步场景模拟图进行推荐显示。

A3、将计算机模拟系统中各难度等级跑步场景模拟图按由低到高的难度等级进行排序显示，以供当前用户选择。

在本发明的具体实施例中，所述当前用户对各难度等级跑步场景模拟图的适配度分析方式为：获取各历史跑步场景模拟图中各难度等级的跑步场景模拟图数量C_j和各难度等级相应各跑步场景模拟图的综合效果评价系数φ_jr，j为跑步场景模拟图相应难度等级编号，j＝1,2,...,p，r表示为在相应难度等级中的跑步场景模拟图编号，r＝1,2,...,q。

进而由得到当前用户对各难度等级跑步场景模拟图的适配度，其中C_历史表示为历史跑步场景图的总数量，R为设定常数,R＞1。

在本发明的具体实施例中，所述对目标跑步机的坡度进行相应调整的调整方式为：从数据库中提取目标场景图的各坡度调整数据，其中目标场景图的各坡度调整数据包括各次坡度调整的开始时间和结束时间、标准倾斜角度。

通过将目标跑步机与计算机模拟系统进行连接，将计算机模拟系统中目标场景图的各坡度调整数据导入目标跑步机中，进而对目标跑步机的坡度数据进行相对应的调整。

在本发明的具体实施例中，所述对目标跑步机坡度调整的可靠性评价系数进行分析的分析内容为：在跑步机显示屏一侧的折叠板调整端对应边缘线中间位置设置监测点，以跑步机折叠板固定端对应边缘线中间点位置为原点，地面平行线为横坐标，地面垂直线为纵坐标，建立二维坐标系，进而获取各次坡度调整的结束时间相应监测点坐标，将其记为(X_i,Y_i)，i为坡度调整次数编号，i＝1,2,...,m。

由分析公式得到目标跑步机坡度数据调整的精准性评价系数,其中,/>为第i次坡度调整时跑步机实际倾斜角度，θ_i'为第i次坡度调整时的标准倾斜角度，Δθ为坡度调整时跑步机实际倾斜角度偏差允许值。

将各次坡度调整的开始时间和结束时间之间的间隔时长作为各次坡度调整的标准反应时长t_i'。

由分析公式得到目标跑步机坡度数据调整的稳定性评价系数，其中t_i为第i次坡度调整的实际反应时长，Δt为坡度调整反应时间偏差允许值。

进而由得到目标跑步机坡度数据调整的可靠性评价系数。

在本发明的具体实施例中，所述当前用户身体在各次坡度调整过程中的外观状态变化数据为出汗量。

所述生理指标包括心率和呼吸频率。

在本发明的具体实施例中，所述当前用户身体在各次坡度调整过程中的出汗量获取方式为：S1、将目标场景图的各次坡度调整开始时间作为分界点，对当前用户跑步过程进行时间段划分，得到各次坡度调整对应监测时间段。

S2、通过热释电红外线传感器对当前用户身体表面反射出的红外线辐射进行实时检测，并向计算机模拟系统输出相应的电信号，从而提取各次坡度调整对应监测时间段内各监测时间点相应电信号的强度，将其进行相互对比，从中筛选电信号强度最大值作为各次坡度调整对应监测时间段内的监测强度ρ_i。

S3、设定单位电信号强度对应的出汗量n，进而由计算公式Ν_i＝ρ_i*n得到当前用户身体在各次坡度调整过程中的出汗量。

S4、获取当前用户身体指标和目标场景图对应难度等级，设定对应特征值，得到其特征向量，将该特征向量与云端信息库中各参照特征向量进行对比，以此计算特征向量与各参照特征向量的特征相似度，获取最大特征相似度对应的参照特征向量，进而获取参照特征向量对应的单位出汗量运动效果影响因子，记为目标用户单位出汗量运动效果影响因子υ。

在本发明的具体实施例中，所述分析当前用户的运动效果评价系数方式为：从当前用户佩戴的智能手环中提取各次坡度调整过程中当前用户的心率和呼吸频率。

根据设定原则将各次坡度调整过程中当前用户的心率划分为第一梯度心率范围、第二梯度心率范围和第三梯度心率范围，获取其处于对应梯度心率范围的坡度调整数量，分别记为H₁、H₂、H₃。

根据上述同理方式获取当前用户处于第一梯度呼吸频率范围、第二梯度呼吸频率范围和第三梯度呼吸频率范围的坡度调整数量，分别记为G₁、G₂、G₃。

由分析公式得到当前用户的运动效果评价系数，其中N”为设定的单位出汗量，/>分别为设定的外观状态变化数据和生理指标对应的占比影响权重。

在本发明的具体实施例中，所述目标场景图的综合效果评价系数的分析方式为：提取当前用户对本次跑步场景模拟体验的满意度

由分析公式得到目标场景图的综合效果评价系数，其中分别表示为设定的满意度、可靠性评价系数和运动效果评价系数对应的影响占比权重，/>l表示为设定的综合效果评价系数偏差修正因子。

本发明第二方面提供一种基于物联网的跑步场景模拟系统，该系统包括：身份识别模块，用于对当前用户进行人脸图像识别，判定当前用户是否为历史用户，进而将计算机模拟系统中各难度等级跑步场景模拟图进行推荐显示。

目标场景图选定模块，用于获取当前用户选定的跑步场景模拟图，将其记为目标场景图。

坡度变化调整分析模块，用于提取目标场景图的各坡度调整数据，对目标跑步机的坡度进行相应调整，进而对目标跑步机坡度调整的可靠性评价系数进行分析，并进行预警处理。

运动效果评价模块，用于获取当前用户在各次坡度调整过程中的外观状态变化数据和生理指标，进而分析当前用户的运动效果评价系数。

综合使用效果评价模块，用于获取当前用户对本次跑步场景模拟体验的满意度，进而根据目标跑步机坡度调整的可靠性评价系数和当前用户的运动效果评价系数，对目标场景图的综合效果评价系数进行分析。

云端信息库，用于存储各历史用户人脸图像和各历史用户的历史场景记录，存储各跑步场景模拟图的各坡度调整数据，并存储各参照特征向量和各参照特征向量对应的单位出汗量运动效果影响因子。

相较于现有技术，本发明的有益效果如下：(1)本发明将计算机跑步场景模拟系统与跑步机坡度调整结构进行结合，在模拟场景中道路发生变化时，对跑步机的坡度进行实时调整，以此为用户提供更加真实的跑步体验，让用户感觉仿佛置身于真实的跑步场景中，从而提高用户的使用体验和锻炼效果。

(2)本发明基于用户身体在各次坡度调整过程中的外观状态变化数据和生理指标分析其运动效果，通过综合分析这些数据，可以评估用户在不同坡度调整过程中的运动效果，并将其结果进行数据化展示，可以帮助用户更好地了解自己的运动效果和进步情况；并对其结果进行存储，以便在后续使用时根据用户对历史场景图的适配度，为其提供个性化的爬坡场景图建议，从而增强运动的成效和益处。

(3)本发明对当前用户进行身份识别，进而根据用户的历史数据和训练水平，为他们推荐不同难度的爬坡场景。例如，对于身体素质较高的用户，可以向其推荐更高难度的爬坡场景，以挑战他们的体能和耐力；而对于初学者用户，则可以推荐相应的较低难度的爬坡场景，以帮助他们逐步提高自己的运动能力，从而满足不同用户的需求。

(4)本发明通过监测跑步机的调整数据，分析其调整数据精准性，并对故障情况进行及时反馈和维修，避免给用户的使用带来不便，从而确保用户在跑步过程中能够获得理想的运动体验和效果。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明方法流程示意图。

图2为本发明系统模块连接示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

请参阅图1所示，本发明第一方面提供了一种基于物联网的跑步场景模拟方法，包括：身份识别：对当前用户进行人脸图像识别，判定当前用户是否为历史用户，进而将计算机模拟系统中各难度等级跑步场景模拟图进行推荐显示。

目标场景图选定：获取当前用户选定的跑步场景模拟图，将其记为目标场景图。

示例性地，所述将计算机模拟系统中各难度等级跑步场景模拟图进行推荐显示具体步骤为：A1、将当前用户的人脸图像与云端信息库中的各历史用户人脸图像进行匹配，若当前用户的人脸图像与云端信息库中的某历史用户人脸图像匹配成功，则当前用户为历史用户，进而执行A2，若当前用户的人脸图像与云端信息库中的各历史用户人脸图像均匹配失败，则当前用户为新用户，进而执行A3。

A2、从当前用户的历史场景记录中提取各历史跑步场景模拟图对应难度等级和各历史跑步场景模拟图的综合效果评价系数，据此分析当前用户对各难度等级跑步场景模拟图的适配度，进而为当前用户推荐首选难度等级，并将首选难度等级的各跑步场景模拟图进行推荐显示。

A3、将计算机模拟系统中各难度等级跑步场景模拟图按由低到高的难度等级进行排序显示，以供当前用户选择。

特别说明的，若用户未选择首选难度等级对应的各跑步场景模拟图，则将适配度排在第二位的跑步场景模拟图难度等级作为次选难度等级，进而将次选难度等级的各跑步场景模拟图进行再次推荐显示，以此类推，为当前用户进行逐级推荐。

示例性地，所述当前用户对各难度等级跑步场景模拟图的适配度分析方式为：获取各历史跑步场景模拟图中各难度等级的跑步场景模拟图数量C_j和各难度等级相应各跑步场景模拟图的综合效果评价系数φ_jr，j为跑步场景模拟图相应难度等级编号，j＝1,2,...,p，r表示为在相应难度等级中的跑步场景模拟图编号，r＝1,2,...,q。

进而由得到当前用户对各难度等级跑步场景模拟图的适配度，其中C_历史表示为历史跑步场景图的总数量，R为设定常数,R＞1。

需要说明的是，所述为当前用户推荐首选难度等级具体为：从当前用户对各难度等级跑步场景模拟图的适配度中提取最大适配度，并获取最大适配度对应跑步场景模拟图难度等级，将最大适配度与设定的适配度阈值进行对比，若最大适配度大于或等于设定的适配度阈值，则将最大适配度对应跑步场景模拟图难度等级的下一难度等级作为首选难度等级进行推荐；反之则将最大适配度对应跑步场景模拟图难度等级作为首选难度等级进行推荐。

本发明对当前用户进行身份识别，进而根据用户的历史数据和训练水平，为他们推荐不同难度的爬坡场景。例如，对于身体素质较高的用户，可以向其推荐更高难度的爬坡场景，以挑战他们的体能和耐力；而对于初学者用户，则可以推荐相应的较低难度的爬坡场景，以帮助他们逐步提高自己的运动能力，从而满足不同用户的需求。

坡度变化调整分析：提取目标场景图的各坡度调整数据，对目标跑步机的坡度进行相应调整，进而对目标跑步机坡度调整的可靠性评价系数进行分析，并进行预警处理。

需要说明的，所述进行预警处理的判断依据为：将目标跑步机坡度调整的可靠性评价系数与预设的可靠性评价系数阈值进行对比，当目标跑步机坡度调整的可靠性评价系数小于预设的可靠性评价系数阈值时，对该目标跑步机进行设备故障预警。

示例性地，所述对目标跑步机的坡度进行相应调整的调整方式为：从数据库中提取目标场景图的各坡度调整数据，其中目标场景图的各坡度调整数据包括各次坡度调整的开始时间和结束时间、标准倾斜角度。

通过将跑步机与计算机模拟系统进行连接，将计算机模拟系统中目标场景图的各坡度调整数据导入跑步机设备中，进而对跑步机设备的坡度数据进行相对应的调整。

需要说明的是，所述跑步机设备的坡度数据在进行调整时，是根据计算机模拟系统中模拟图的场景变化时间进行同步调整。

本发明将计算机跑步场景模拟系统与跑步机坡度调整结构进行结合，在模拟场景中道路发生变化时，对跑步机的坡度进行实时调整，以此为用户提供更加真实的跑步体验，让用户感觉仿佛置身于真实的跑步场景中，从而提高用户的使用体验和锻炼效果。

示例性地，所述对目标跑步机坡度调整的可靠性评价系数进行分析的分析内容为：在跑步机显示屏一侧的折叠板调整端对应边缘线中间位置设置监测点，以跑步机折叠板固定端对应边缘线中间点位置为原点，地面平行线为横坐标，地面垂直线为纵坐标，建立二维坐标系，进而获取各次坡度调整的结束时间相应监测点坐标，将其记为(X_i,Y_i)，i为坡度调整次数编号，i＝1,2,...,m。

由分析公式得到目标跑步机坡度数据调整的精准性评价系数,其中,/>为第i次坡度调整时跑步机实际倾斜角度，θ_i'为第i次坡度调整时的标准倾斜角度，Δθ为坡度调整时跑步机实际倾斜角度偏差允许值。

将各次坡度调整的开始时间和结束时间之间的间隔时长作为各次坡度调整的标准反应时长t_i'。

由分析公式得到目标跑步机坡度数据调整的稳定性评价系数，其中t_i为第i次坡度调整的实际反应时长，Δt为坡度调整反应时间偏差允许值。

进而由得到目标跑步机坡度数据调整的可靠性评价系数。

需要说明的是，所述各次坡度调整的实际反应时长获取方式为：通过感应器对跑步机坡度倾斜角度进行实时获取，将模拟图的各次坡度调整开始时间点作为分界点，对当前用户跑步过程进行时间段划分，得到各监测时间段，获取各监测时间段内各时间点的坡度倾斜角度，筛选其中的最大倾斜角度和最小倾斜角度，进而获取最大倾斜角度和最小倾斜角度对应的监测时间点，将其间隔时长作为对应监测时间段相应坡度调整的实际反应时长。

本发明通过监测跑步机的调整数据，分析其调整数据精准性，并对故障情况进行及时反馈和维修，避免给用户的使用带来不便，从而确保用户在跑步过程中能够获得理想的运动体验和效果。

运动效果评价：获取当前用户在各次坡度调整过程中的外观状态变化数据和生理指标，进而分析当前用户的运动效果评价系数。

示例性地，所述当前用户身体在各次坡度调整过程中的外观状态变化数据为出汗量。

所述生理指标包括心率和呼吸频率。

示例性地，所述当前用户身体在各次坡度调整过程中的出汗量获取方式为：S1、将目标场景图的各次坡度调整开始时间作为分界点，对当前用户跑步过程进行时间段划分，得到各次坡度调整对应监测时间段。

S2、通过热释电红外线传感器对当前用户身体表面反射出的红外线辐射进行实时检测，并向计算机模拟系统输出相应的电信号，从而提取各次坡度调整对应监测时间段内各监测时间点相应电信号的强度，将其进行相互对比，从中筛选电信号强度最大值作为各次坡度调整对应监测时间段内的监测强度ρ_i。

S3、设定单位电信号强度对应的出汗量n，进而由计算公式Ν_i＝ρ_i*n得到当前用户身体在各次坡度调整过程中的出汗量。

S4、获取当前用户身体指标和目标场景图对应难度等级，当前用户身体指标包括身高、体重、性别和年龄，设定对应特征值，得到其特征向量，将该特征向量与云端信息库中各参照特征向量进行对比，以此计算特征向量与各参照特征向量的特征相似度，获取最大特征相似度对应的参照特征向量，进而从数据库中提取参照特征向量对应的单位出汗量运动效果影响因子，记为目标用户单位出汗量运动效果影响因子υ。

需要说明的，所述各特征相似度计算方式为：将特征向量记为各参照特征向量记为/>k为特征向量中特征值编号，k＝1,2,...,w，d为参照特征向量编号，d＝1,2,...,t，进而由计算公式/>得到特征向量与各参照特征向量的特征相似度，其中0≤cosθ≤1，当cosθ＝1时，表示两个向量完全相似；当cosθ＝0时，表示两个向量完全不相似，进而筛选其中的最大特征相似度。

示例性地，所述分析当前用户的运动效果评价系数方式为：从当前用户佩戴的智能手环中提取各次坡度调整过程中当前用户的心率和呼吸频率。

根据设定原则将各次坡度调整过程中当前用户的心率划分为第一梯度心率范围、第二梯度心率范围和第三梯度心率范围，获取其处于对应梯度心率范围的坡度调整数量，分别记为H₁、H₂、H₃。

根据上述同理方式获取当前用户处于第一梯度呼吸频率范围、第二梯度呼吸频率范围和第三梯度呼吸频率范围的坡度调整数量，分别记为G₁、G₂、G₃。

由分析公式得到当前用户的运动效果评价系数，其中N”为设定的单位出汗量，/>分别为设定的外观状态变化数据和生理指标对应的占比影响权重。

需要说明的是，所述第一梯度心率范围和呼吸频率范围为当前用户运动无效值，第二梯度心率范围和呼吸频率范围为当前用户运动适宜值，第三梯度心率范围和呼吸频率范围为当前用户运动过量值。

所述各次坡度调整过程中当前用户的心率获取方式为：获取各次坡度调整对应监测时间段，按设定时间间隔将其划分为各子时间段，对各子时间段内当前用户心跳次数进行统计，得到各次坡度调整对应监测时间段内各子时间段的心率，采用均值计算得到各次坡度调整对应监测时间段内的平均心率，将其记为各次坡度调整过程中当前用户的心率。

同理方式获取各次坡度调整过程中当前用户的呼吸频率。

综合使用效果评价：获取当前用户对本次跑步场景模拟体验的满意度，进而根据目标跑步机坡度调整的可靠性评价系数和当前用户的运动效果评价系数，对目标场景图的综合效果评价系数进行分析，将分析结果进行显示并存储进云端信息库。

示例性地，所述目标场景图的综合效果评价系数的分析方式为：提取当前用户对本次跑步场景模拟体验的满意度

由分析公式得到目标场景图的综合效果评价系数，其中分别表示为设定的满意度、可靠性评价系数和运动效果评价系数对应的影响占比权重，/>l表示为设定的综合效果评价系数偏差修正因子。

本发明基于用户身体在各次坡度调整过程中的外观状态变化数据和生理指标分析其运动效果，通过综合分析这些数据，可以评估用户在不同坡度调整过程中的运动效果，并将其结果进行数据化展示，可以帮助用户更好地了解自己的运动效果和进步情况；并对其结果进行存储，以便在后续使用时根据用户对历史场景图的适配度，为其提供个性化的爬坡场景图建议，从而增强运动的成效和益处。

请参阅图2所示，本发明第二方面提供一种基于物联网的跑步场景模拟系统，包括：身份识别模块、目标场景图选定模块、坡度变化调整分析模块、运动效果评价模块、综合使用效果评价模块和云端信息库。

所述身份识别模块与目标场景图选定模块连接，目标场景图选定模块与坡度变化调整分析模块连接，综合使用效果评价模块分别与坡度变化调整分析模块和运动效果评价模块连接，云端信息库分别与身份识别模块、坡度变化调整分析模块和运动效果评价模块连接。

所述身份识别模块用于对当前用户进行人脸图像识别，判定当前用户是否为历史用户，进而将计算机模拟系统中各难度等级跑步场景模拟图进行推荐显示。

所述目标场景图选定模块用于获取当前用户选定的跑步场景模拟图，将其记为目标场景图。

所述坡度变化调整分析模块用于提取目标场景图的各坡度调整数据，对目标跑步机的坡度进行相应调整，进而对目标跑步机坡度调整的可靠性评价系数进行分析，并进行预警处理。

所述运动效果评价模块用于获取当前用户在各次坡度调整过程中的外观状态变化数据和生理指标，进而分析当前用户的运动效果评价系数。

所述综合使用效果评价模块用于获取当前用户对本次跑步场景模拟体验的满意度，进而根据目标跑步机坡度调整的可靠性评价系数和当前用户的运动效果评价系数，对目标场景图的综合效果评价系数进行分析。

所述云端信息库用于存储各历史用户人脸图像和各历史用户的历史场景记录，存储各跑步场景模拟图的各坡度调整数据，并存储各参照特征向量和各参照特征向量对应的单位出汗量运动效果影响因子。

以上内容仅仅是对本发明的构思所作的举例和说明，所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，只要不偏离发明的构思或者超越本发明所定义的范围，均应属于本发明的保护范围。

Claims (5)

1.一种基于物联网的跑步场景模拟方法，其特征在于：包括如下步骤：

身份识别：对当前用户进行人脸图像识别，判定当前用户是否为历史用户，进而将计算机模拟系统中各难度等级跑步场景模拟图进行推荐显示；

目标场景图选定：获取当前用户选定的跑步场景模拟图，将其记为目标场景图；

坡度变化调整分析：提取目标场景图的各坡度调整数据，对目标跑步机的坡度进行相应调整，进而对目标跑步机坡度调整的可靠性评价系数进行分析，并进行预警处理；

所述对目标跑步机坡度调整的可靠性评价系数进行分析的分析内容为：

在跑步机显示屏一侧的折叠板调整端对应边缘线中间位置设置监测点，以跑步机折叠板固定端对应边缘线中间点位置为原点，地面平行线为横坐标，地面垂直线为纵坐标，建立二维坐标系，进而获取各次坡度调整的结束时间相应监测点坐标，将其记为(X_i,Y_i)，i为坡度调整次数编号，i＝1,2,...,m；

由分析公式得到目标跑步机坡度数据调整的精准性评价系数,其中,/>为第i次坡度调整时跑步机实际倾斜角度，θ_i'为第i次坡度调整时的标准倾斜角度，Δθ为坡度调整时跑步机实际倾斜角度偏差允许值；

将各次坡度调整的开始时间和结束时间之间的间隔时长作为各次坡度调整的标准反应时长t_i'；

由分析公式得到目标跑步机坡度数据调整的稳定性评价系数，其中t_i为第i次坡度调整的实际反应时长，Δt为坡度调整反应时间偏差允许值；

进而由得到目标跑步机坡度数据调整的可靠性评价系数；

运动效果评价：获取当前用户在各次坡度调整过程中的外观状态变化数据和生理指标，进而分析当前用户的运动效果评价系数；

所述当前用户身体在各次坡度调整过程中的外观状态变化数据为出汗量；

所述生理指标包括心率和呼吸频率；

所述当前用户身体在各次坡度调整过程中的出汗量获取方式为：

S1、将目标场景图的各次坡度调整开始时间作为分界点，对当前用户跑步过程进行时间段划分，得到各次坡度调整对应监测时间段；

S2、通过热释电红外线传感器对当前用户身体表面反射出的红外线辐射进行实时检测，并向计算机模拟系统输出相应的电信号，从而提取各次坡度调整对应监测时间段内各监测时间点相应电信号的强度，将其进行相互对比，从中筛选电信号强度最大值作为各次坡度调整对应监测时间段内的监测强度ρ_i；

S3、设定单位电信号强度对应的出汗量n，进而由计算公式Ν_i＝ρ_i*n得到当前用户身体在各次坡度调整过程中的出汗量；

S4、获取当前用户身体指标和目标场景图对应难度等级，设定对应特征值，得到其特征向量，将该特征向量与云端信息库中各参照特征向量进行对比，以此计算特征向量与各参照特征向量的特征相似度，获取最大特征相似度对应的参照特征向量，进而获取参照特征向量对应的单位出汗量运动效果影响因子，记为目标用户单位出汗量运动效果影响因子υ；

所述分析当前用户的运动效果评价系数方式为：

从当前用户佩戴的智能手环中提取各次坡度调整过程中当前用户的心率和呼吸频率；

根据设定原则将各次坡度调整过程中当前用户的心率划分为第一梯度心率范围、第二梯度心率范围和第三梯度心率范围，获取其处于对应梯度心率范围的坡度调整数量，分别记为H₁、H₂、H₃；

根据设定原则将各次坡度调整过程中当前用户的呼吸频率划分为第一梯度呼吸频率范围、第二梯度呼吸频率范围和第三梯度呼吸频率范围，获取其处于对应梯度呼吸频率范围的坡度调整数量，分别记为G₁、G₂、G₃；

由分析公式得到当前用户的运动效果评价系数，其中N”为设定的单位出汗量，/>分别为设定的外观状态变化数据和生理指标对应的占比影响权重；

综合使用效果评价：获取当前用户对本次跑步场景模拟体验的满意度，进而根据目标跑步机坡度调整的可靠性评价系数和当前用户的运动效果评价系数，对目标场景图的综合效果评价系数进行分析；

所述目标场景图的综合效果评价系数的分析方式为：

提取当前用户对本次跑步场景模拟体验的满意度

由分析公式得到目标场景图的综合效果评价系数，其中分别表示为设定的满意度、可靠性评价系数和运动效果评价系数对应的影响占比权重，/>l表示为设定的综合效果评价系数偏差修正因子。

2.根据权利要求1所述的一种基于物联网的跑步场景模拟方法，其特征在于：所述将计算机模拟系统中各难度等级跑步场景模拟图进行推荐显示具体步骤为：

A1、将当前用户的人脸图像与云端信息库中的各历史用户人脸图像进行匹配，若当前用户的人脸图像与云端信息库中的某历史用户人脸图像匹配成功，则当前用户为历史用户，进而执行A2，若当前用户的人脸图像与云端信息库中的各历史用户人脸图像均匹配失败，则当前用户为新用户，进而执行A3；

A2、从当前用户的历史场景记录中提取各历史跑步场景模拟图对应难度等级和各历史跑步场景模拟图的综合效果评价系数，据此分析当前用户对各难度等级跑步场景模拟图的适配度，进而为当前用户推荐首选难度等级，并将首选难度等级的各跑步场景模拟图进行推荐显示；

A3、将计算机模拟系统中各难度等级跑步场景模拟图按由低到高的难度等级进行排序显示，以供当前用户选择。

3.根据权利要求2所述的一种基于物联网的跑步场景模拟方法，其特征在于：所述当前用户对各难度等级跑步场景模拟图的适配度分析方式为：

获取各历史跑步场景模拟图中各难度等级的跑步场景模拟图数量C_j和各难度等级相应各跑步场景模拟图的综合效果评价系数φ_jr，j为跑步场景模拟图相应难度等级编号，j＝1,2,...,p，r表示为在相应难度等级中的跑步场景模拟图编号，r＝1,2,...,q；

进而由得到当前用户对各难度等级跑步场景模拟图的适配度，其中C_历史表示为历史跑步场景图的总数量，R为设定常数,R＞1。

4.根据权利要求1所述的一种基于物联网的跑步场景模拟方法，其特征在于：所述对目标跑步机的坡度进行相应调整的调整方式为：从数据库中提取目标场景图的各坡度调整数据，其中目标场景图的各坡度调整数据包括各次坡度调整的开始时间和结束时间、标准倾斜角度；

通过将目标跑步机与计算机模拟系统进行连接，将计算机模拟系统中目标场景图的各坡度调整数据导入目标跑步机中，进而对目标跑步机的坡度数据进行相对应的调整。

5.一种基于物联网的跑步场景模拟系统，其特征在于：该系统包括：

身份识别模块，用于对当前用户进行人脸图像识别，判定当前用户是否为历史用户，进而将计算机模拟系统中各难度等级跑步场景模拟图进行推荐显示；

目标场景图选定模块，用于获取当前用户选定的跑步场景模拟图，将其记为目标场景图；

坡度变化调整分析模块，用于提取目标场景图的各坡度调整数据，对目标跑步机的坡度进行相应调整，进而对目标跑步机坡度调整的可靠性评价系数进行分析，并进行预警处理；

所述对目标跑步机坡度调整的可靠性评价系数进行分析的分析内容为：

在跑步机显示屏一侧的折叠板调整端对应边缘线中间位置设置监测点，以跑步机折叠板固定端对应边缘线中间点位置为原点，地面平行线为横坐标，地面垂直线为纵坐标，建立二维坐标系，进而获取各次坡度调整的结束时间相应监测点坐标，将其记为(X_i,Y_i)，i为坡度调整次数编号，i＝1,2,...,m；

由分析公式得到目标跑步机坡度数据调整的精准性评价系数,其中,/>为第i次坡度调整时跑步机实际倾斜角度，θ_i'为第i次坡度调整时的标准倾斜角度，Δθ为坡度调整时跑步机实际倾斜角度偏差允许值；

将各次坡度调整的开始时间和结束时间之间的间隔时长作为各次坡度调整的标准反应时长t_i'；

由分析公式得到目标跑步机坡度数据调整的稳定性评价系数，其中t_i为第i次坡度调整的实际反应时长，Δt为坡度调整反应时间偏差允许值；

进而由得到目标跑步机坡度数据调整的可靠性评价系数；

运动效果评价模块，用于获取当前用户在各次坡度调整过程中的外观状态变化数据和生理指标，进而分析当前用户的运动效果评价系数；

所述当前用户身体在各次坡度调整过程中的外观状态变化数据为出汗量；

所述生理指标包括心率和呼吸频率；

所述当前用户身体在各次坡度调整过程中的出汗量获取方式为：

S1、将目标场景图的各次坡度调整开始时间作为分界点，对当前用户跑步过程进行时间段划分，得到各次坡度调整对应监测时间段；

S2、通过热释电红外线传感器对当前用户身体表面反射出的红外线辐射进行实时检测，并向计算机模拟系统输出相应的电信号，从而提取各次坡度调整对应监测时间段内各监测时间点相应电信号的强度，将其进行相互对比，从中筛选电信号强度最大值作为各次坡度调整对应监测时间段内的监测强度ρ_i；

S3、设定单位电信号强度对应的出汗量n，进而由计算公式Ν_i＝ρ_i*n得到当前用户身体在各次坡度调整过程中的出汗量；

S4、获取当前用户身体指标和目标场景图对应难度等级，设定对应特征值，得到其特征向量，将该特征向量与云端信息库中各参照特征向量进行对比，以此计算特征向量与各参照特征向量的特征相似度，获取最大特征相似度对应的参照特征向量，进而获取参照特征向量对应的单位出汗量运动效果影响因子，记为目标用户单位出汗量运动效果影响因子υ；

所述分析当前用户的运动效果评价系数方式为：

从当前用户佩戴的智能手环中提取各次坡度调整过程中当前用户的心率和呼吸频率；

根据设定原则将各次坡度调整过程中当前用户的心率划分为第一梯度心率范围、第二梯度心率范围和第三梯度心率范围，获取其处于对应梯度心率范围的坡度调整数量，分别记为H₁、H₂、H₃；

根据设定原则将各次坡度调整过程中当前用户的呼吸频率划分为第一梯度呼吸频率范围、第二梯度呼吸频率范围和第三梯度呼吸频率范围，获取其处于对应梯度呼吸频率范围的坡度调整数量，分别记为G₁、G₂、G₃；

由分析公式得到当前用户的运动效果评价系数，其中N”为设定的单位出汗量，/>分别为设定的外观状态变化数据和生理指标对应的占比影响权重；

综合使用效果评价模块，用于获取当前用户对本次跑步场景模拟体验的满意度，进而根据目标跑步机坡度调整的可靠性评价系数和当前用户的运动效果评价系数，对目标场景图的综合效果评价系数进行分析；

所述目标场景图的综合效果评价系数的分析方式为：

提取当前用户对本次跑步场景模拟体验的满意度

由分析公式得到目标场景图的综合效果评价系数，其中分别表示为设定的满意度、可靠性评价系数和运动效果评价系数对应的影响占比权重，/>l表示为设定的综合效果评价系数偏差修正因子；

云端信息库，用于存储各历史用户人脸图像和各历史用户的历史场景记录，存储各跑步场景模拟图的各坡度调整数据，并存储各参照特征向量和各参照特征向量对应的单位出汗量运动效果影响因子。