CN117831714A - 一种基于ai的运动数据监测辅助方法和系统 - Google Patents
一种基于ai的运动数据监测辅助方法和系统 Download PDFInfo
- Publication number
- CN117831714A CN117831714A CN202410212047.8A CN202410212047A CN117831714A CN 117831714 A CN117831714 A CN 117831714A CN 202410212047 A CN202410212047 A CN 202410212047A CN 117831714 A CN117831714 A CN 117831714A
- Authority
- CN
- China
- Prior art keywords
- user
- motion
- state
- evaluation
- value
- 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.)
- Granted
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 92
- 238000000034 method Methods 0.000 title claims abstract description 26
- 230000007613 environmental effect Effects 0.000 claims abstract description 42
- 238000001514 detection method Methods 0.000 claims abstract description 39
- 238000004458 analytical method Methods 0.000 claims abstract description 37
- 238000012545 processing Methods 0.000 claims abstract description 27
- 238000012549 training Methods 0.000 claims abstract description 14
- 238000011156 evaluation Methods 0.000 claims description 83
- 238000005516 engineering process Methods 0.000 claims description 26
- 230000000694 effects Effects 0.000 claims description 20
- 238000013209 evaluation strategy Methods 0.000 claims description 19
- 230000009467 reduction Effects 0.000 claims description 12
- 238000010801 machine learning Methods 0.000 claims description 11
- 238000004364 calculation method Methods 0.000 claims description 10
- 238000013135 deep learning Methods 0.000 claims description 7
- 238000003891 environmental analysis Methods 0.000 claims description 7
- 230000008569 process Effects 0.000 claims description 7
- 230000005856 abnormality Effects 0.000 claims description 6
- 238000012937 correction Methods 0.000 claims description 6
- 230000003993 interaction Effects 0.000 claims description 5
- 230000002159 abnormal effect Effects 0.000 claims description 3
- 230000009194 climbing Effects 0.000 claims description 3
- 239000003651 drinking water Substances 0.000 claims description 3
- 235000020188 drinking water Nutrition 0.000 claims description 3
- 230000009191 jumping Effects 0.000 claims description 3
- 230000009183 running Effects 0.000 claims description 3
- 239000013589 supplement Substances 0.000 claims description 3
- 230000000386 athletic effect Effects 0.000 claims 9
- 230000036541 health Effects 0.000 description 5
- 238000011161 development Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000008713 feedback mechanism Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000001939 inductive effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 230000036544 posture Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Landscapes
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本发明公开了一种基于AI的运动数据监测辅助方法和系统,涉及AI监测技术领域,该系统运行时,通过用户佩戴的智能设备对用户的生理信息和环境状态信息进行采集,通过分析模块进行分析和处理,组成第一数据集和第二数据集,进行建立用户检测模型,进行训练和分析后获取:检测状态系数Ztxs,然后通过运动处理模块进行计算,再将检测状态系数Ztxs,进行关联,获取:运动评估指数Ydzs,同时预设的用户运动监测阈值Y进行匹配,获取用户运动监测评估策略方案,最后通过反馈模块对用户运动监测评估策略方案内容,对用户进行提示和通知,并接收用户反馈信息进行执行,达到能够更加精准地理解用户当前的运动状态。
Description
技术领域
本发明涉及AI监测技术领域,具体为一种基于AI的运动数据监测辅助方法和系统。
背景技术
随着健康意识的提高,人们越来越关注运动与健康的关系。其中,传统的手表与手环作为健康监测设备之一,已经广泛普及,然而,它们在监测精度和个性化服务方面仍存在一些局限性,当前的监测方式主要依赖于感应传感器,例如加速度计和心率传感器,而这些传感器在综合分析运动状态和提供个性化建议方面仍有提升空间。
传统手表与手环在监测运动时主要关注步数、心率等基本指标,然而,这些有限的数据难以全面了解用户的运动状态,例如,对于不同运动类型的区分、运动姿势的精准识别等方面存在一定的难度,现有的监测方式难以满足用户对于深度运动数据的需求,限制了运动监测系统的全面性和个性化服务水平。
在传统手表与手环监测局限性的背景下,基于AI的运动数据监测辅助系统应运而生,为提升运动监测的准确性和个性化服务提供了新的发展机遇,通过引入深度学习和机器学习算法,该系统有望更精准地分析运动数据,实现对不同运动状态的智能辨识,进而提供更细致和个性化的运动建议,此技术的发展有望让用户在日常运动中获得更全面、深度的健康数据,进一步推动了智能手表与手环在健康监测领域的发展。
发明内容
(一)解决的技术问题
针对现有技术的不足,本发明提供了一种基于AI的运动数据监测辅助方法和系统,解决了背景技术中提到的问题。
(二)技术方案
为实现以上目的,本发明通过以下技术方案予以实现:一种基于AI的运动数据监测辅助系统,包括运动数据采集模块、分析模块、运动状态模块、运动处理模块、辅助评估模块和反馈模块;
所述数据采集模块通过用户佩戴的智能设备对用户的生理信息和环境状态信息进行采集,组成用户身体状态信息组和环境状态信息组;
所述分析模块通过机器学习技术对采集的用户身体状态信息组和环境状态信息组进行分析和处理,组成第一数据集和第二数据集;
所述运动状态模块通过第一数据集进行建立用户检测模型,进行训练和分析后获取:检测状态系数Ztxs;
所述运动处理模块通过第一数据集和第二数据集进行计算,再将检测状态系数Ztxs,进行关联,获取:运动评估指数Ydzs;
所述辅助评估模块通过预设的用户运动监测阈值Y与运动评估指数Ydzs进行匹配,获取用户运动监测评估策略方案;
所述反馈模块通过用户运动监测评估策略方案内容,对用户进行提示和通知,并接收用户反馈信息进行执行。
优选的,所述数据采集模块包括生理采集单元和环境采集单元;
所述生理采集单元通过内置的传感器,包括心率监测器、加速度计和陀螺仪,采集用户的生理参数信息,包括心率、步数、运动距离、活动时长和身体摆动幅度,组成用户身体状态信息组;
所述环境采集单元通过内置的环境传感器,包括温度传感器、湿度传感器和空气流速传感器,采集用户区域环境的状态信息,包括温度、湿度和风速,组成环境状态信息组。
优选的,所述分析模块包括生理分析单元和环境分析单元;
所述生理分析单元通过智能AI技术使用机器学习技术对用户身体状态信息组进行解析和处理,再进行整合,组成第一数据集,包括:身体心率值Xlz、行走步数值Bsz、活动时长值Hdsc、摆动幅度值Bdfd;
所述环境分析单元通过智能AI技术使用机器学习技术对环境状态信息组进行校验和处理,再进行整合,组成第二数据集,包括:环境温度值Hjwd、环境湿度值Hjsd和环境风速值Hjfs。
优选的,所述运动状态模块包括建模单元;
所述建模单元通过深度学习技术对第一数据集进行建立用户检测模型,再进行训练和分析后,获取:检测状态系数Ztxs,并与预设的用户状态评估阈值Z进行匹配,获取用户状态评估方案;
所述用户状态评估方案通过以下方式匹配获取:
检测状态系数Ztxs<用户状态评估阈值Z,获取用户静坐、躺卧和睡眠评价,表示用户当前状态为非运动状态;
检测状态系数Ztxs≥用户状态评估阈值Z,获取用户行走、骑行、开车和慢跑评价,表示用户当前状态为运动状态,当检测状态系数Ztxs≥用户状态评估阈值Z两倍时,获取用户奔跑、攀爬和跳跃评价,表示用户当前状态为长时间运动状态或者剧烈运动状态。
优选的,所述检测状态系数Ztxs通过以下计算获取:
;
式中,Xlz表示身体心率值,Bsz表示行走步数值,Hdsc表示活动时长,Bdfd表示摆动幅度值,t1、t2、t3和t4分别表示身体心率值Xlz、行走步数值Bsz、活动时长值Hdsc、摆动幅度值Bdfd的比例系数,R表示第一修正常数;
其中,,,,,且。
优选的,所述运动处理模块包括计算单元;
所述计算单元通过深度学习技术对第一数据集和第二数据集进行计算,并把检测状态系数Ztxs输入进行关联,获取:运动评估指数Ydzs;
所述运动评估指数Ydzs通过以下计算公式获取:
;
式中,Hjwd表示环境温度值,Hjsd表示环境湿度值,Hjfs表示环境风速值,Xlz表示身体心率值,Bsz表示行走步数值,Hdsc表示活动时长值,Ztxs表示检测状态系数,y1、y2和y3分别表示环境温度值Hjwd、环境湿度值Hjsd和环境风速值Hjfs的比例系数,y4表示身体心率值Xlz、行走步数值Bsz和活动时长值Hdsc计算结果的比例系数,y5表示检测状态系数的比例系数,U表示第二修正常数;
其中,,,,,,且。
优选的,所述辅助评估模块包括预设单元和AI匹配单元;
所述预设单元用于存储用户状态评估阈值Z、用户运动监测阈值Y、用户状态评估方案、用户运动监测评估策略方案和预设通知提示方式;
所述AI匹配单元通过智能AI技术将预设的相关信息与需要的对比值进行匹配,包括通过预设的用户运动监测阈值Y与运动评估指数Ydzs进行匹配,获取用户运动监测评估策略方案。
优选的,所述用户运动监测评估策略方案通过以下方式匹配获取:
运动评估指数Ydzs<用户运动监测阈值Y,获取用户运动状态无异常评估方案,不对用户进行提示和建议;
运动评估指数Ydzs≥用户运动监测阈值Y,获取用户运动状态异常评估方案,对用户进行语音提示和建议,提示和建议项包括降低身体心率值、降低行走步数值提升率、降低活动时长值和降低身体摆动幅度值,来对用户当前的运动强度进行提示和建议,当运动评估指数Ydzs≥用户运动监测阈值Y两倍时,获取用户状态异常预警方案,对用户进行语音和交互页面的提示和建议,包括十五分钟以上的休息,二百毫升以上的饮水补充,并进行拉伸活动,降低剧烈运动后的痉挛情况发生,并移动到室内休息。
优选的,所述反馈模块包括控制单元和接收单元;
所述控制单元根据用户运动监测评估策略方案内容,对用户进行提示和通知,进而实时传达系统的建议和提醒,包括应用内弹框提示和语音提示;
所述接收单元用于记录用户对提示和通知的反馈操作,包括接受、无反馈、关闭和下次不再提示,并根据反馈操作对当前提示和通知进行处理。
一种基于AI的运动数据监测辅助方法,包括以下步骤:
步骤一:通过数据采集模块对用户佩戴的智能设备对用户的生理信息和环境状态信息进行采集;
步骤二:通过分析模块对机器学习技术对采集的用户身体状态信息组和环境状态信息组进行分析和处理,组成第一数据集和第二数据集;
步骤三:通过运动状态模块对第一数据集进行建立用户检测模型,进行训练和分析后获取:检测状态系数Ztxs;
步骤四:通过运动处理模块对第一数据集和第二数据集进行计算,再将检测状态系数Ztxs,进行关联,获取:运动评估指数Ydzs;
步骤五:通过辅助评估模块将预设的用户运动监测阈值Y与运动评估指数Ydzs进行匹配,获取用户运动监测评估策略方案;
步骤六:通过反馈模块根据用户运动监测评估策略方案内容,对用户进行提示和通知,并接收用户反馈信息进行执行。
(三)有益效果
本发明提供了一种基于AI的运动数据监测辅助方法和系统,具备以下有益效果:
(1)系统运行时,通过用户佩戴的智能设备对用户的生理信息和环境状态信息进行采集,通过分析模块进行分析和处理,组成第一数据集和第二数据集,通过运动状态模块对第一数据集进行建立用户检测模型,进行训练和分析后获取:检测状态系数Ztxs,然后运动处理模块通过第一数据集和第二数据集进行计算,再将检测状态系数Ztxs,进行关联,获取:运动评估指数Ydzs,同时辅助评估模块通过预设的用户运动监测阈值Y与运动评估指数Ydzs进行匹配,获取用户运动监测评估策略方案,最后通过反馈模块对用户运动监测评估策略方案内容,对用户进行提示和通知,并接收用户反馈信息进行执行,达到能够更加精准地理解用户当前的运动状态,从而提供更有针对性的个性化建议和评估,并且能够根据用户的实际运动情况,提供科学合理的运动建议,帮助用户更好地调整运动方式。
(2)通过运动评估指数Ydzs的计算和用户运动监测评估策略方案内容,为用户提供了全方位的运动辅助服务,该系统通过智能设备实时监测用户状态,借助机器学习技术实现对用户的个性化建模,通过反馈机制为用户提供实时、科学的运动建议。相较于传统手段,这种智能化的系统在提高运动效果、降低运动风险、个性化服务等方面取得了显著的进步,为用户提供更智能、更科学、更个性化的运动体验,提供有针对性的语音提示和建议,从而更好地引导用户合理进行运动。
(3)通过步骤一至步骤六,对用户佩戴的智能设备对用户的生理信息和环境状态信息进行采集,并对采集的用户身体状态信息组和环境状态信息组进行分析和处理,组成第一数据集和第二数据集,通过运动状态模块进行建立用户检测模型,进行训练和分析后获取:检测状态系数Ztxs,再通过运动处理模块对第一数据集和第二数据集进行计算,再将检测状态系数Ztxs,进行关联,获取:运动评估指数Ydzs,并与预设的用户运动监测阈值Y的进行匹配,获取用户运动监测评估策略方案,并根据内容对用户进行提示和通知,并接收用户反馈信息进行执行,能够与用户实现实时互动,不断调整建议和提醒,以适应用户的个体差异和实际需求,并且能够不断优化运动监测和建议,提高系统的个性化适应性,进一步促进用户参与和满意度。
附图说明
图1为本发明一种基于AI的运动数据监测辅助系统框图流程示意图;
图2为本发明一种基于AI的运动数据监测辅助方法步骤示意图。
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、完整的描述,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。
实施例1
本发明提供一种基于AI的运动数据监测辅助系统,请参阅图1,包括运动数据采集模块、分析模块、运动状态模块、运动处理模块、辅助评估模块和反馈模块;
所述数据采集模块通过用户佩戴的智能设备对用户的生理信息和环境状态信息进行采集,组成用户身体状态信息组和环境状态信息组;
所述分析模块通过机器学习技术对采集的用户身体状态信息组和环境状态信息组进行分析和处理,组成第一数据集和第二数据集;
所述运动状态模块通过第一数据集进行建立用户检测模型,进行训练和分析后获取:检测状态系数Ztxs;
所述运动处理模块通过第一数据集和第二数据集进行计算,再将检测状态系数Ztxs,进行关联,获取:运动评估指数Ydzs;
所述辅助评估模块通过预设的用户运动监测阈值Y与运动评估指数Ydzs进行匹配,获取用户运动监测评估策略方案;
所述反馈模块通过用户运动监测评估策略方案内容,对用户进行提示和通知,并接收用户反馈信息进行执行。
本实施例中,通过用户佩戴的智能设备对用户的生理信息和环境状态信息进行采集,通过分析模块进行分析和处理,组成第一数据集和第二数据集,通过运动状态模块对第一数据集进行建立用户检测模型,进行训练和分析后获取:检测状态系数Ztxs,然后运动处理模块通过第一数据集和第二数据集进行计算,再将检测状态系数Ztxs,进行关联,获取:运动评估指数Ydzs,同时辅助评估模块通过预设的用户运动监测阈值Y与运动评估指数Ydzs进行匹配,获取用户运动监测评估策略方案,最后通过反馈模块对用户运动监测评估策略方案内容,对用户进行提示和通知,并接收用户反馈信息进行执行,达到能够更加精准地理解用户当前的运动状态,从而提供更有针对性的个性化建议和评估,并且能够根据用户的实际运动情况,提供科学合理的运动建议,帮助用户更好地调整运动方式。
实施例2
本实施例是在实施例1中进行的解释说明,请参照图1,具体的:所述数据采集模块包括生理采集单元和环境采集单元;
所述生理采集单元通过内置的传感器,包括心率监测器、加速度计和陀螺仪,采集用户的生理参数信息,包括心率、步数、运动距离、活动时长和身体摆动幅度,组成用户身体状态信息组;
所述环境采集单元通过内置的环境传感器,包括温度传感器、湿度传感器和空气流速传感器,采集用户区域环境的状态信息,包括温度、湿度和风速,组成环境状态信息组。
所述分析模块包括生理分析单元和环境分析单元;
所述生理分析单元通过智能AI技术使用机器学习技术对用户身体状态信息组进行解析和处理,再进行整合,组成第一数据集,包括:身体心率值Xlz、行走步数值Bsz、活动时长值Hdsc、摆动幅度值Bdfd;
所述环境分析单元通过智能AI技术使用机器学习技术对环境状态信息组进行校验和处理,再进行整合,组成第二数据集,包括:环境温度值Hjwd、环境湿度值Hjsd和环境风速值Hjfs。
实施例3
本实施例是在实施例1中进行的解释说明,请参照图1,具体的:所述运动状态模块包括建模单元;
所述建模单元通过深度学习技术对第一数据集进行建立用户检测模型,再进行训练和分析后,获取:检测状态系数Ztxs,并与预设的用户状态评估阈值Z进行匹配,获取用户状态评估方案;
所述用户状态评估方案通过以下方式匹配获取:
检测状态系数Ztxs<用户状态评估阈值Z,获取用户静坐、躺卧和睡眠评价,表示用户当前状态为非运动状态;
检测状态系数Ztxs≥用户状态评估阈值Z,获取用户行走、骑行、开车和慢跑评价,表示用户当前状态为运动状态,当检测状态系数Ztxs≥用户状态评估阈值Z两倍时,获取用户奔跑、攀爬和跳跃评价,表示用户当前状态为长时间运动状态或者剧烈运动状态。
所述检测状态系数Ztxs通过以下计算获取:
;
式中,Xlz表示身体心率值,Bsz表示行走步数值,Hdsc表示活动时长,Bdfd表示摆动幅度值,t1、t2、t3和t4分别表示身体心率值Xlz、行走步数值Bsz、活动时长值Hdsc、摆动幅度值Bdfd的比例系数,R表示第一修正常数;
其中,,,,,且。
实施例4
本实施例是在实施例1中进行的解释说明,请参照图1,具体的:所述运动处理模块包括计算单元;
所述计算单元通过深度学习技术对第一数据集和第二数据集进行计算,并把检测状态系数Ztxs输入进行关联,获取:运动评估指数Ydzs;
所述运动评估指数Ydzs通过以下计算公式获取:
;
式中,Hjwd表示环境温度值,Hjsd表示环境湿度值,Hjfs表示环境风速值,Xlz表示身体心率值,Bsz表示行走步数值,Hdsc表示活动时长值,Ztxs表示检测状态系数,y1、y2和y3分别表示环境温度值Hjwd、环境湿度值Hjsd和环境风速值Hjfs的比例系数,y4表示身体心率值Xlz、行走步数值Bsz和活动时长值Hdsc计算结果的比例系数,y5表示检测状态系数的比例系数,U表示第二修正常数;
其中,,,,,,且。
所述辅助评估模块包括预设单元和AI匹配单元;
所述预设单元用于存储用户状态评估阈值Z、用户运动监测阈值Y、用户状态评估方案、用户运动监测评估策略方案和预设通知提示方式;
所述AI匹配单元通过智能AI技术将预设的相关信息与需要的对比值进行匹配,包括通过预设的用户运动监测阈值Y与运动评估指数Ydzs进行匹配,获取用户运动监测评估策略方案。
所述用户运动监测评估策略方案通过以下方式匹配获取:
运动评估指数Ydzs<用户运动监测阈值Y,获取用户运动状态无异常评估方案,不对用户进行提示和建议;
运动评估指数Ydzs≥用户运动监测阈值Y,获取用户运动状态异常评估方案,对用户进行语音提示和建议,提示和建议项包括降低身体心率值、降低行走步数值提升率、降低活动时长值和降低身体摆动幅度值,来对用户当前的运动强度进行提示和建议,当运动评估指数Ydzs≥用户运动监测阈值Y两倍时,获取用户状态异常预警方案,对用户进行语音和交互页面的提示和建议,包括十五分钟以上的休息,二百毫升以上的饮水补充,并进行拉伸活动,降低剧烈运动后的痉挛情况发生,并移动到室内休息。
所述反馈模块包括控制单元和接收单元;
所述控制单元根据用户运动监测评估策略方案内容,对用户进行提示和通知,进而实时传达系统的建议和提醒,包括应用内弹框提示和语音提示;
所述接收单元用于记录用户对提示和通知的反馈操作,包括接受、无反馈、关闭和下次不再提示,并根据反馈操作对当前提示和通知进行处理。
本实施例中,通过运动评估指数Ydzs的计算和用户运动监测评估策略方案内容,为用户提供了全方位的运动辅助服务,该系统通过智能设备实时监测用户状态,借助机器学习技术实现对用户的个性化建模,通过反馈机制为用户提供实时、科学的运动建议。相较于传统手段,这种智能化的系统在提高运动效果、降低运动风险、个性化服务等方面取得了显著的进步,为用户提供更智能、更科学、更个性化的运动体验,提供有针对性的语音提示和建议,从而更好地引导用户合理进行运动。
实施例5
一种基于AI的运动数据监测辅助方法,请参照图2,具体的:包括以下步骤:
步骤一:通过数据采集模块对用户佩戴的智能设备对用户的生理信息和环境状态信息进行采集;
步骤二:通过分析模块对机器学习技术对采集的用户身体状态信息组和环境状态信息组进行分析和处理,组成第一数据集和第二数据集;
步骤三:通过运动状态模块对第一数据集进行建立用户检测模型,进行训练和分析后获取:检测状态系数Ztxs;
步骤四:通过运动处理模块对第一数据集和第二数据集进行计算,再将检测状态系数Ztxs,进行关联,获取:运动评估指数Ydzs;
步骤五:通过辅助评估模块将预设的用户运动监测阈值Y与运动评估指数Ydzs进行匹配,获取用户运动监测评估策略方案;
步骤六:通过反馈模块根据用户运动监测评估策略方案内容,对用户进行提示和通知,并接收用户反馈信息进行执行。
本实施例中,通过步骤一至步骤六,对用户佩戴的智能设备对用户的生理信息和环境状态信息进行采集,并对采集的用户身体状态信息组和环境状态信息组进行分析和处理,组成第一数据集和第二数据集,通过运动状态模块进行建立用户检测模型,进行训练和分析后获取:检测状态系数Ztxs,再通过运动处理模块对第一数据集和第二数据集进行计算,再将检测状态系数Ztxs,进行关联,获取:运动评估指数Ydzs,并与预设的用户运动监测阈值Y的进行匹配,获取用户运动监测评估策略方案,并根据内容对用户进行提示和通知,并接收用户反馈信息进行执行,能够与用户实现实时互动,不断调整建议和提醒,以适应用户的个体差异和实际需求,并且能够不断优化运动监测和建议,提高系统的个性化适应性,进一步促进用户参与和满意度。
尽管已经示出和描述了本发明的实施例,对于本领域的普通技术人员而言,可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型,本发明的范围由所附权利要求及其等同物限定。
Claims (10)
1.一种基于AI的运动数据监测辅助系统,其特征在于:包括运动数据采集模块、分析模块、运动状态模块、运动处理模块、辅助评估模块和反馈模块;
所述数据采集模块通过用户佩戴的智能设备对用户的生理信息和环境状态信息进行采集,组成用户身体状态信息组和环境状态信息组;
所述分析模块通过机器学习技术对采集的用户身体状态信息组和环境状态信息组进行分析和处理,组成第一数据集和第二数据集;
所述运动状态模块通过第一数据集进行建立用户检测模型,进行训练和分析后获取:检测状态系数Ztxs;
所述运动处理模块通过第一数据集和第二数据集进行计算,再将检测状态系数Ztxs,进行关联,获取:运动评估指数Ydzs;
所述辅助评估模块通过预设的用户运动监测阈值Y与运动评估指数Ydzs进行匹配,获取用户运动监测评估策略方案;
所述反馈模块通过用户运动监测评估策略方案内容,对用户进行提示和通知,并接收用户反馈信息进行执行。
2.根据权利要求1所述的一种基于AI的运动数据监测辅助系统,其特征在于:所述数据采集模块包括生理采集单元和环境采集单元;
所述生理采集单元通过内置的传感器,包括心率监测器、加速度计和陀螺仪,采集用户的生理参数信息,包括心率、步数、运动距离、活动时长和身体摆动幅度,组成用户身体状态信息组;
所述环境采集单元通过内置的环境传感器,包括温度传感器、湿度传感器和空气流速传感器,采集用户区域环境的状态信息,包括温度、湿度和风速,组成环境状态信息组;
内置的传感器包括:智能手环内置的传感器和智能手表内置的传感器。
3.根据权利要求2所述的一种基于AI的运动数据监测辅助系统,其特征在于:所述分析模块包括生理分析单元和环境分析单元;
所述生理分析单元通过智能AI技术使用机器学习技术对用户身体状态信息组进行解析和处理,再进行整合,组成第一数据集,包括:身体心率值Xlz、行走步数值Bsz、活动时长值Hdsc、摆动幅度值Bdfd;
所述环境分析单元通过智能AI技术使用机器学习技术对环境状态信息组进行校验和处理,再进行整合,组成第二数据集,包括:环境温度值Hjwd、环境湿度值Hjsd和环境风速值Hjfs。
4.根据权利要求1所述的一种基于AI的运动数据监测辅助系统,其特征在于:所述运动状态模块包括建模单元;
所述建模单元通过深度学习技术对第一数据集进行建立用户检测模型,再进行训练和分析后,获取:检测状态系数Ztxs,并与预设的用户状态评估阈值Z进行匹配,获取用户状态评估方案;
所述用户状态评估方案通过以下方式匹配获取:
检测状态系数Ztxs<用户状态评估阈值Z,获取用户静坐、躺卧和睡眠评价,表示用户当前状态为非运动状态;
检测状态系数Ztxs≥用户状态评估阈值Z,获取用户行走、骑行、开车和慢跑评价,表示用户当前状态为运动状态,当检测状态系数Ztxs≥用户状态评估阈值Z两倍时,获取用户奔跑、攀爬和跳跃评价,表示用户当前状态为长时间运动状态或者剧烈运动状态。
5.根据权利要求4所述的一种基于AI的运动数据监测辅助系统,其特征在于:所述检测状态系数Ztxs通过以下计算获取:
;
式中,Xlz表示身体心率值,Bsz表示行走步数值,Hdsc表示活动时长,Bdfd表示摆动幅度值,t1、t2、t3和t4分别表示身体心率值Xlz、行走步数值Bsz、活动时长值Hdsc、摆动幅度值Bdfd的比例系数,R表示第一修正常数;
其中,,/>,/>,/>,且。
6.根据权利要求1所述的一种基于AI的运动数据监测辅助系统,其特征在于:所述运动处理模块包括计算单元;
所述计算单元通过深度学习技术对第一数据集和第二数据集进行计算,并把检测状态系数Ztxs输入进行关联,获取:运动评估指数Ydzs;
所述运动评估指数Ydzs通过以下计算公式获取:
;
式中,Hjwd表示环境温度值,Hjsd表示环境湿度值,Hjfs表示环境风速值,Xlz表示身体心率值,Bsz表示行走步数值,Hdsc表示活动时长值,Ztxs表示检测状态系数,y1、y2和y3分别表示环境温度值Hjwd、环境湿度值Hjsd和环境风速值Hjfs的比例系数,y4表示身体心率值Xlz、行走步数值Bsz和活动时长值Hdsc计算结果的比例系数,y5表示检测状态系数的比例系数,U表示第二修正常数;
其中,,/>,/>,/>,,且/>。
7.根据权利要求4所述的一种基于AI的运动数据监测辅助系统,其特征在于:所述辅助评估模块包括预设单元和AI匹配单元;
所述预设单元用于存储用户状态评估阈值Z、用户运动监测阈值Y、用户状态评估方案、用户运动监测评估策略方案和预设通知提示方式;
所述AI匹配单元通过智能AI技术将预设的相关信息与需要的对比值进行匹配,包括通过预设的用户运动监测阈值Y与运动评估指数Ydzs进行匹配,获取用户运动监测评估策略方案。
8.根据权利要求7所述的一种基于AI的运动数据监测辅助系统,其特征在于:所述用户运动监测评估策略方案通过以下方式匹配获取:
运动评估指数Ydzs<用户运动监测阈值Y,获取用户运动状态无异常评估方案,不对用户进行提示和建议;
运动评估指数Ydzs≥用户运动监测阈值Y,获取用户运动状态异常评估方案,对用户进行语音提示和建议,提示和建议项包括降低身体心率值、降低行走步数值提升率、降低活动时长值和降低身体摆动幅度值,来对用户当前的运动强度进行提示和建议,当运动评估指数Ydzs≥用户运动监测阈值Y两倍时,获取用户状态异常预警方案,对用户进行语音和交互页面的提示和建议,包括十五分钟以上的休息,二百毫升以上的饮水补充,并进行拉伸活动,降低剧烈运动后的痉挛情况发生,并移动到室内休息。
9.根据权利要求1所述的一种基于AI的运动数据监测辅助系统,其特征在于:所述反馈模块包括控制单元和接收单元;
所述控制单元根据用户运动监测评估策略方案内容,对用户进行提示和通知,进而实时传达系统的建议和提醒,包括应用内弹框提示和语音提示;
所述接收单元用于记录用户对提示和通知的反馈操作,包括接受、无反馈、关闭和下次不再提示,并根据反馈操作对当前提示和通知进行处理。
10.一种基于AI的运动数据监测辅助方法,包括上述权利要求1~9任意一项所述的一种基于AI的运动数据监测辅助系统,其特征在于:包括以下步骤:
步骤一:通过数据采集模块对用户佩戴的智能设备对用户的生理信息和环境状态信息进行采集;
步骤二:通过分析模块对机器学习技术对采集的用户身体状态信息组和环境状态信息组进行分析和处理,组成第一数据集和第二数据集;
步骤三:通过运动状态模块对第一数据集进行建立用户检测模型,进行训练和分析后获取:检测状态系数Ztxs;
步骤四:通过运动处理模块对第一数据集和第二数据集进行计算,再将检测状态系数Ztxs,进行关联,获取:运动评估指数Ydzs;
步骤五:通过辅助评估模块将预设的用户运动监测阈值Y与运动评估指数Ydzs进行匹配,获取用户运动监测评估策略方案;
步骤六:通过反馈模块根据用户运动监测评估策略方案内容,对用户进行提示和通知,并接收用户反馈信息进行执行。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410212047.8A CN117831714B (zh) | 2024-02-27 | 2024-02-27 | 一种基于ai的运动数据监测辅助方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410212047.8A CN117831714B (zh) | 2024-02-27 | 2024-02-27 | 一种基于ai的运动数据监测辅助方法和系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117831714A true CN117831714A (zh) | 2024-04-05 |
CN117831714B CN117831714B (zh) | 2024-04-26 |
Family
ID=90521229
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410212047.8A Active CN117831714B (zh) | 2024-02-27 | 2024-02-27 | 一种基于ai的运动数据监测辅助方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117831714B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20180325385A1 (en) * | 2015-11-23 | 2018-11-15 | The Regents Of The University Of Colorado, A Body Corporate | Personalized Health Care Wearable Sensor System |
EP3477981A1 (de) * | 2017-10-26 | 2019-05-01 | Bundesdruckerei GmbH | Verhaltensbasierte authentifizierung unter berücksichtigung von umweltparametern |
US20200008745A1 (en) * | 2018-07-09 | 2020-01-09 | V Reuben F. Burch | Wearable Flexible Sensor Motion Capture System |
CN112535857A (zh) * | 2020-11-18 | 2021-03-23 | 温州大学 | 一种用于户外体育运动的安全评估系统 |
CN114446439A (zh) * | 2021-12-16 | 2022-05-06 | 中山大学 | 一种基于可穿戴设备的运动风险评估方法与系统 |
CN115083607A (zh) * | 2022-07-07 | 2022-09-20 | 武汉一格美容咨询有限公司 | 一种人体健康指标状况监测分析方法、系统及存储介质 |
CN219555441U (zh) * | 2022-08-15 | 2023-08-18 | 小时教育科技(福建)有限公司 | 一种心率监测传感器 |
CN116705233A (zh) * | 2023-05-09 | 2023-09-05 | 浙江大学滨江研究院 | 一种面向老年群体的运动处方推荐系统 |
-
2024
- 2024-02-27 CN CN202410212047.8A patent/CN117831714B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20180325385A1 (en) * | 2015-11-23 | 2018-11-15 | The Regents Of The University Of Colorado, A Body Corporate | Personalized Health Care Wearable Sensor System |
EP3477981A1 (de) * | 2017-10-26 | 2019-05-01 | Bundesdruckerei GmbH | Verhaltensbasierte authentifizierung unter berücksichtigung von umweltparametern |
US20200008745A1 (en) * | 2018-07-09 | 2020-01-09 | V Reuben F. Burch | Wearable Flexible Sensor Motion Capture System |
CN112535857A (zh) * | 2020-11-18 | 2021-03-23 | 温州大学 | 一种用于户外体育运动的安全评估系统 |
CN114446439A (zh) * | 2021-12-16 | 2022-05-06 | 中山大学 | 一种基于可穿戴设备的运动风险评估方法与系统 |
CN115083607A (zh) * | 2022-07-07 | 2022-09-20 | 武汉一格美容咨询有限公司 | 一种人体健康指标状况监测分析方法、系统及存储介质 |
CN219555441U (zh) * | 2022-08-15 | 2023-08-18 | 小时教育科技(福建)有限公司 | 一种心率监测传感器 |
CN116705233A (zh) * | 2023-05-09 | 2023-09-05 | 浙江大学滨江研究院 | 一种面向老年群体的运动处方推荐系统 |
Also Published As
Publication number | Publication date |
---|---|
CN117831714B (zh) | 2024-04-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
de la Concepción et al. | Mobile activity recognition and fall detection system for elderly people using Ameva algorithm | |
CN105561567B (zh) | 一种计步及运动状态评估装置 | |
EP3346402A1 (en) | Apparatus and method for triggering a fall risk alert to a person | |
CN101248984B (zh) | 信息管理系统和服务器 | |
US10512423B2 (en) | Determining energy expenditure of a user | |
US10219708B2 (en) | Device and method for calculating cardiorespiratory fitness level and energy expenditure of a living being | |
CN104615851B (zh) | 一种睡眠监控方法及终端 | |
CN106456024A (zh) | 静息心率监测器系统 | |
US20210290157A1 (en) | Device, system and method for determining a stress level of a user | |
US9731184B2 (en) | Exercise assistive device | |
CN104200234A (zh) | 人体动作建模和识别方法 | |
CN115862877B (zh) | 睡眠可持续性检测量化及辅助干预的方法、系统和装置 | |
CN107767874B (zh) | 一种婴儿啼哭声识别提示方法及系统 | |
US20160128638A1 (en) | System and method for detecting and quantifying deviations from physiological signals normality | |
CN111460978B (zh) | 一种基于动作判定传感器和深度学习技术的幼儿行为监控系统及其判定方法 | |
CN109452728A (zh) | 一种基于步长计算的智能鞋垫及其步长计算方法 | |
Altini et al. | Estimating oxygen uptake during nonsteady-state activities and transitions using wearable sensors | |
KR101967342B1 (ko) | 웨어러블 기기 기반 운동 가이드 시스템 | |
CN107588784A (zh) | 一种状态识别并区分的方法、装置及终端 | |
CN108021888A (zh) | 一种跌倒检测方法 | |
CN106691415A (zh) | 一种青少年心理健康监测预警装置和方法 | |
Hemmatpour et al. | Nonlinear Predictive Threshold Model for Real‐Time Abnormal Gait Detection | |
CN107510449B (zh) | 心率分析方法及智能穿戴设备 | |
CN112016619A (zh) | 一种基于鞋垫的跌倒检测方法 | |
CN108992047A (zh) | 一种静息心率的检测方法和终端 |
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 |