TW202137080A - 運動課程評分方法與系統、電腦程式產品 - Google Patents
運動課程評分方法與系統、電腦程式產品 Download PDFInfo
- Publication number
- TW202137080A TW202137080A TW109110644A TW109110644A TW202137080A TW 202137080 A TW202137080 A TW 202137080A TW 109110644 A TW109110644 A TW 109110644A TW 109110644 A TW109110644 A TW 109110644A TW 202137080 A TW202137080 A TW 202137080A
- Authority
- TW
- Taiwan
- Prior art keywords
- coach
- student
- pane
- exercise
- score
- Prior art date
Links
Images
Classifications
-
- A—HUMAN NECESSITIES
- A63—SPORTS; GAMES; AMUSEMENTS
- A63B—APPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
- A63B24/00—Electric or electronic controls for exercising apparatus of preceding groups; Controlling or monitoring of exercises, sportive games, training or athletic performances
- A63B24/0062—Monitoring athletic performances, e.g. for determining the work of a user on an exercise apparatus, the completed jogging or cycling distance
-
- A—HUMAN NECESSITIES
- A63—SPORTS; GAMES; AMUSEMENTS
- A63B—APPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
- A63B24/00—Electric or electronic controls for exercising apparatus of preceding groups; Controlling or monitoring of exercises, sportive games, training or athletic performances
- A63B24/0003—Analysing the course of a movement or motion sequences during an exercise or trainings sequence, e.g. swing for golf or tennis
- A63B24/0006—Computerised comparison for qualitative assessment of motion sequences or the course of a movement
-
- A—HUMAN NECESSITIES
- A63—SPORTS; GAMES; AMUSEMENTS
- A63B—APPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
- A63B24/00—Electric or electronic controls for exercising apparatus of preceding groups; Controlling or monitoring of exercises, sportive games, training or athletic performances
- A63B24/0075—Means for generating exercise programs or schemes, e.g. computerized virtual trainer, e.g. using expert databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06K—GRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
- G06K11/00—Methods or arrangements for graph-reading or for converting the pattern of mechanical parameters, e.g. force or presence, into electrical signal
-
- G—PHYSICS
- G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
- G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
- G09B19/00—Teaching not covered by other main groups of this subclass
- G09B19/003—Repetitive work cycles; Sequence of movements
-
- 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
- A63—SPORTS; GAMES; AMUSEMENTS
- A63B—APPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
- A63B24/00—Electric or electronic controls for exercising apparatus of preceding groups; Controlling or monitoring of exercises, sportive games, training or athletic performances
- A63B24/0003—Analysing the course of a movement or motion sequences during an exercise or trainings sequence, e.g. swing for golf or tennis
- A63B24/0006—Computerised comparison for qualitative assessment of motion sequences or the course of a movement
- A63B2024/0012—Comparing movements or motion sequences with a registered reference
- A63B2024/0015—Comparing movements or motion sequences with computerised simulations of movements or motion sequences, e.g. for generating an ideal template as reference to be achieved by the user
-
- A—HUMAN NECESSITIES
- A63—SPORTS; GAMES; AMUSEMENTS
- A63B—APPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
- A63B24/00—Electric or electronic controls for exercising apparatus of preceding groups; Controlling or monitoring of exercises, sportive games, training or athletic performances
- A63B24/0062—Monitoring athletic performances, e.g. for determining the work of a user on an exercise apparatus, the completed jogging or cycling distance
- A63B2024/0065—Evaluating the fitness, e.g. fitness level or fitness index
-
- A—HUMAN NECESSITIES
- A63—SPORTS; GAMES; AMUSEMENTS
- A63B—APPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
- A63B24/00—Electric or electronic controls for exercising apparatus of preceding groups; Controlling or monitoring of exercises, sportive games, training or athletic performances
- A63B24/0062—Monitoring athletic performances, e.g. for determining the work of a user on an exercise apparatus, the completed jogging or cycling distance
- A63B2024/0068—Comparison to target or threshold, previous performance or not real time comparison to other individuals
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/12—Classification; Matching
- G06F2218/16—Classification; Matching by matching signal segments
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Physical Education & Sports Medicine (AREA)
- Life Sciences & Earth Sciences (AREA)
- Physics & Mathematics (AREA)
- Public Health (AREA)
- Medical Informatics (AREA)
- Biophysics (AREA)
- Primary Health Care (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Epidemiology (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computer Hardware Design (AREA)
- Educational Technology (AREA)
- Educational Administration (AREA)
- Entrepreneurship & Innovation (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
- Biomedical Technology (AREA)
- Pathology (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Heart & Thoracic Surgery (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Veterinary Medicine (AREA)
- Electrically Operated Instructional Devices (AREA)
- Physiology (AREA)
- Dentistry (AREA)
- Oral & Maxillofacial Surgery (AREA)
Abstract
本發明提出一種運動課程評分方法,包括:播放課程影片,取得對應課程影片的教練運動數據,從教練運動數據中取得教練窗格;透過慣性量測單元取得學員運動數據,從學員運動數據取得學員窗格,其中學員窗格的長度大於教練窗格的長度;尋找在學員窗格中與教練窗格最相似的學員片段;對於第一運動類型,根據學員片段與教練窗格的穩定度來計算運動分數;以及對於第二運動類型,以扣分機制並根據學員片段與教練窗格之間的差異計算運動分數。藉此,對於不同的運動類型採用了不同的計分方法,藉此可以更適當地計算運動分數。
Description
本發明是有關於一種將運動課程分為多種運動類型來計算運動分數的方法、系統與電腦程式產品。
隨著近年來健身風氣的興起,越來越多人願意嘗試建立自己的運動習慣。並且,在現今資訊發達的環境下,許多人會試圖透過網路等資源來搜尋健身的相關教學影片,並藉由模仿影片中的動作來進行運動。然而,由於一般人不見得能夠藉由模仿來正確地執行所需的動作,因此在達到運動效果之前,反而可能因做錯動作而受傷。此外,在沒有外人協助評估的情況下,一般的使用者也無從得知自己在運動的過程中是否有逐漸地進步,因此反而可能因得不到成就感而不願意繼續運動。
目前常見的運動動作判斷系統有:利用多鏡頭攝影設備,以電腦視覺處理的技術,擷取使用者運動動作姿態以進行分析,這種系統其不論是硬體的成本,或是數位內容的製作成本均較高,造成推廣上的困難;一種常見的方式是利用穿戴的慣性量測單元,其至少包含加速度計及磁力計,紀錄運動時感測器在三維空間中的加速度和角速
度的變化,從而計算出在空間中的運動軌跡,便可以進行記錄與分析比對。然而,不同的運動類型有不同的特性,因此如何針對不同的運動類型適當地進行分析比對,為此領域技術人員所關心的議題。
本發明的實施例提出一種運動課程評分方法,適用於運動課程評分系統,此運動課程評分系統包括穿戴式裝置,穿戴式裝置包括慣性量測單元。此運動課程評分方法包括:播放課程影片,取得對應課程影片的教練運動數據,從教練運動數據中取得教練窗格;透過慣性量測單元取得學員運動數據,從學員運動數據取得學員窗格,其中學員窗格的長度大於教練窗格的長度;尋找在學員窗格中與教練窗格最相似的學員片段;對於第一運動類型,根據學員片段與教練窗格的穩定度來計算運動分數;以及對於第二運動類型,以扣分機制並根據學員片段與教練窗格之間的差異計算運動分數。
在一些實施例中,學員窗格的起點在教練窗格的起點之前,學員窗格的終點在教練窗格的終點之後。上述尋找在學員窗格中與教練窗格最相似的學員片段的步驟包括:對學員窗格與教練窗格執行一開放起點終點動態時間扭曲演算法以取得學員片段。
在一些實施例中,根據學員片段的穩定度來計算運動分數的步驟包括:計算學員片段在多個取樣點上力道的平均絕對誤差以作為學員穩定度;計算教練窗格在多個取樣點上力道的平均絕對誤差以作為教練穩定度;以及計算學員穩定度與教練穩定度之間的穩定度比例。
在一些實施例中,根據學員片段的穩定度來計算運動分數的步驟還包括:基於羅吉特函數將穩定度比值轉換為穩定分數;對於教
練運動數據中的每個窗格計算對應的教練穩定度,並且統計窗格的教練穩定度在第一範圍的第一次數與第二範圍的第二次數;將第一次數除以第一次數與第二次數的總和以計算出穩定權重;以及根據穩定分數與穩定權重計算運動分數。
在一些實施例中,上述根據穩定分數與穩定權重計算運動分數的步驟是根據以下方程式(1)所計算,其中Score為運動分數,Sstability為穩定分數,w為穩定權重,S1為一實數。
Score=Sstability×w+(1-w)×S1 (1)
在一些實施例中,上述以扣分機制並根據學員片段與教練窗格之間的差異計算運動分數的步驟包括:計算學員片段與教練窗格之間的力道誤差與方向誤差;設定力道權重與方向權重,並且當力道誤差與方向誤差中較大的一者大於誤差臨界值時,將對應的力道權重或方向權重增加;以及根據力道誤差、方向誤差、力道權重與方向權重計算運動分數。
在一些實施例中,上述的力道誤差是根據學員片段在配對取樣點上的L2範數與教練窗格在對應取樣點上的L2範數之間的差異所計算。上述的方向誤差是根據學員片段的配對取樣點與教練窗格的對應取樣點之間的餘弦相似性所計算。
在一些實施例中,上述根據力道誤差、方向誤差、力道權重與方向權重計算運動分數的步驟是根據以下方程式(2)所計算,其中Score為運動分數,Da為方向誤差,wa為方向權重,Dm為力道誤差,wm為力道權重。
Score=100-(Da×wa+Dm×wm) (2)
以另一個角度來說,本發明的實施例提出一種運動課程評分
系統,包括穿戴式裝置與智慧型裝置。穿戴式裝置包括慣性量測單元,用以取得學員運動數據。智慧型裝置用以透過顯示器播放課程影片,並取得對應課程影片的教練運動數據。智慧型裝置用以執行以下多個步驟或將學員運動數據與教練運動數據傳送至計算模組以執行這些步驟:從學員運動數據中取得一學員窗格,從教練運動數據中取得教練窗格,其中學員窗格的長度大於教練窗格的長度;尋找在學員窗格中與教練窗格最相似的學員片段;對於第一運動類型時,根據學員片段與教練窗格的穩定度來計算一運動分數;以及對於第二運動類型,以扣分機制並根據學員片段與教練窗格之間的差異計算運動分數。
以另一個角度來說,本發明的實施例提出一種電腦程式產品,由計算模組或智慧型裝置執行以完成多個步驟:播放課程影片,取得對應課程影片的教練運動數據,從教練運動數據中取得教練窗格;透過慣性量測單元取得學員運動數據,從學員運動數據取得學員窗格,其中學員窗格的長度大於教練窗格的長度;尋找在學員窗格中與教練窗格最相似的學員片段;對於第一運動類型,根據學員片段與教練窗格的穩定度來計算運動分數;以及對於第二運動類型,以扣分機制並根據學員片段與教練窗格之間的差異計算運動分數。
在上述的方法中,對於不同的運動類型採用了不同的計分方法,藉此可以更適當地計算運動分數。
100:運動課程評分系統
110:穿戴式裝置
112:學員
120:顯示器
121:分數
130:智慧型裝置
131:處理器
132:記憶體
133:無線通訊模組
140:雲端資料庫
141:計算模組
151~156:步驟
210:教練運動數據
220:學員運動數據
211,212:教練窗格
221:學員窗格
230:學員片段
231,232:取樣點
301~306:步驟
[圖1A]是根據一實施例繪示運動課程評分系統的示意圖。
[圖1B]是根據一實施例繪示運動課程評分系統100的部份流程圖。
[圖2]是根據一實施例繪示教練運動數據與學員運動數據的示意圖。
[圖3]是根據一實施例繪示運動課程評分方法的流程圖。
關於本文中所使用之『第一』、『第二』、...等,並非特別指次序或順位的意思,其僅為了區別以相同技術用語描述的元件或操作。
本發明提供一種結合智慧型裝置及雲端應用服務的運動課程評分方法,其可在學員依據運動課程影片進行運動的同時,擷取學員在身體部位的運動數據,並將學員的運動數據與教練的運動數據進行比對,據此評估使用者的運動成果。藉此,可令學員明確知道自己是否正確地執行所需的動作,進而改善運動效果以及提升運動意願。特別的是,對於不同的運動類型會採用不同的方式來計算分數,並且對於一些姿態不是很重要的運動類型或是快速動作,會給予比較大的容忍度。
圖1A是根據一實施例繪示運動課程評分系統的示意圖。請參照圖1A,運動課程評分系統100包括至少一個穿戴式裝置110、顯示器120與智慧型裝置130。
穿戴式裝置110例如可以實作為一個運動手環,並由學員112穿戴,但在其他實施例中也可以實作為手錶、綁帶或其他可以穿戴在身上的裝置。穿戴式裝置110包括一個慣性量測單元,其中至少包括了加速度感測器以量測X、Y、Z等三個軸上的加速度值,在一些實施例中慣性量測單元也可再包括角速度感測器以及/或者磁力計。在此,慣性量測單元所量測的數據稱為學員運動數據。穿戴式裝置110
還包括無線通訊模組,例如藍芽通訊模組、無線保真(wireless fidelity,WiFi)模組或其他合適的低功率無線傳輸模組。在一些實施例中,穿戴式裝置110還可包括顯示面板或其他任意的元件,本發明並不在此限。顯示器120是用以撥放一個課程影片,在課程影片中有教練在示範動作。
智慧型裝置130包括處理器131、記憶體132與無線通訊模組133,記憶體132中儲存有程式碼,並由處理器131來執行。處理器131可為一個中央處理器、微處理器、微控制器、數位信號處理器、影像處理晶片、特殊應用積體電路等,本發明並不在此限。無線通訊模組133例如為藍芽通訊模組、無線保真(wireless fidelity,WiFi)模組或其他合適的低功率無線傳輸模組,用以從穿戴式裝置110接收學員運動數據。
圖1B是根據一實施例繪示運動課程評分系統100的部份流程圖。請參照圖1A與圖1B,首先須製作課程影片,在步驟151中,拍攝課程影片,同時紀錄教練運動數據。在一些實施例中,可先透過多台攝影機來拍攝教練的動作,這些攝影機是架設在不同的位置與角度,這些拍攝的影片經過剪輯以後可以產生課程影片。特別的是,在拍攝的過程中教練也帶著一或多個穿戴式裝置110,其中慣性量測單元感測到的訊號也都會記錄下來成為教練運動數據。舉例來說,教練運動數據包括多個取樣點,每一個取樣點包括X、Y、Z等三個加速度值。
在步驟152中,進行課程影片的後製,根據時間碼來同步教練運動數據與課程影片。上述的時間碼例如為動畫與電視工程師協會(Society of Motion Picture and Television Engineers,SMPTE)所制定的時間碼,但在其他實施例中也可以採用任意格式的時間碼,本發
明並不在此限。據此,透過此時間碼可以得知教練運動數據每一個取樣點是對應置課程影片中的哪一段影片或哪一張影像。舉例來說,如果穿戴式裝置110中慣性量測單元的取樣頻率為25Hz,則一段1分鐘的影片所對應的教練運動數據會有60 x 25=1500個取樣點。然而,本發明並不限制取樣頻率為多少。接下來,課程影片與教練運動數據繪儲存在雲端資料庫140中。
當使用者要開始運動時,智慧型裝置130可以從雲端資料庫140中取得課程影片與教練運動數據並透過顯示器120撥放課程影片。同時,在步驟153中,智慧型裝置130會透過穿戴式裝置110取得學員運動數據(透過無線通訊模組)。在一些實施例中,處理器131會在課程影片開始撥放前就開始從穿戴式裝置110接收學員運動數據,但這些學員運動數據會被捨棄,直到課程影片開始撥放時才會儲存當下的學員運動數據。如此一來,所取得的學員運動數據會對應至課程影片,例如可得知學員運動數據中每個取樣點是對應至課程影片中的哪一張畫面。
在步驟154中,在運動中止或結束時(課程影片結束時),收集取得的學員運動數據。由於在步驟153中已經得知學員運動數據與課程影片之間的對應關係,並且根據SMPTE時間碼可取得課程影片與教練運動數據之間的對應關係,因此根據課程影片的畫面編號便可以取得對應的學員運動數據與教練運動數據。
在步驟155中,將教練運動數據分為多個教練窗格,計算每一個教練窗格的運動分數。最後在步驟156中顯示運動分數121,藉此學員112可以明確知道自己是否正確地執行所需的動作,進而改善運動效果以及提升運動意願。在一些實施例中,運動分數是由處理器
131所計算,但在其他實施例中運動分數也可以由雲端上的伺服器、或者是其他電子裝置來計算。例如,在圖1A中,智慧型裝置130可連線至雲端上的計算模組141,此計算模組141可以是伺服器、虛擬機器、或是提供計算服務的網路應用程式,本發明並不在此限。處理器131可以將教練運動數據與學員運動數據傳送至計算模組141,由計算模組141計算出運動分數以後回傳給處理器131。在圖1B的實施例中是運動中止或結束以後才計算運動分數,但在一些實施例中也可以一邊取得學員運動數據一邊計算運動分數,也就是說運動分數也可以即時地顯示。在一些實施例中,在運動過程中當學員運動數據量足夠時,即可開始立即在智慧型裝置130內進行評分計算,也可以在運動後,將學員運動數據傳送計算模組141,進行運動分數計算。以下將詳細說明運動分數的計算。
請參照圖2,圖2是根據一實施例繪示教練運動數據與學員運動數據的示意圖。在圖2中的教練運動數據210與學員運動數據220是繪示為一維的訊號(即每個取樣點上只有一個加速度值),但此僅為示意圖,實際上每一個取樣點應具有多個加速度值(即組成一個向量),而教練運動數據210與學員運動數據220是向量的集合。具體來說,教
練運動數據210可以表示成,其中i為正整數,代表
第i個取樣點,,,分別代表教練運動數據210在第i個取樣點上X軸、Y軸、Z軸的加速度值。此外,學員運動數據220表示成
,其中,,分別代表學員運動數據220在第i個
取樣點上X軸、Y軸、Z軸的加速度值。在圖2中,教練運動數據210與學員運動數據220是對應至相同的課程影片,因此如果教練運動數據210與學員運動數據220越相似,則計算出的分數應該越高。值得
注意的是,教練運動數據210的長度可能不同於學員運動數據220的長度。在一些實施例中,如果學員運動數據220的取樣頻率不同於教練運動數據210的取樣頻率,則可以對取樣頻率較大的一者做再取樣(resampling),藉此讓兩者的取樣頻率相同。
在一些實施例中,如果慣性量測單元還包括角加速度計,可以利用六軸感應器數據融合的演算法以得到三維加速度向量Fc[i]、Fs[i],這能妥善的區分動作的姿態以及動作的方向,可以判斷更多樣的運動類型,且提供更好的鑑別率。如果慣性量測單元還包括三軸磁力計,可以利用九軸感應器數據融合的演算法,更精確取得三維加速度向量Fc[i]、Fs[i],以進行更快速的比對,與精準的相似率計算。上述的融合演算法可採用任意的方向與航向參考系統(attitude and heading reference system,AHRS)演算法,本發明並不在此限。
首先,從教練運動數據210中取得教練窗格211,此教練窗格211的長度可根據不同的運動類型來決定,長度可為2秒至10秒,本發明並不在此限。此外,也從學員運動數據220取得學員窗格221,其中學員窗格221的長度會大於教練窗格211的長度。舉例來說,學員窗格221的起點可在教練窗格211的起點之前,學員窗格221的終點可在教練窗格211的終點之後,這是因為學員在模仿教練的動作時可能會出現延遲或提早的現象,學員窗格221的長度較長可以對這些現象有更大的容忍度。假設教練窗格211的長度為4秒且取樣頻率為25Hz,則教練窗格211共有4×25=100個取樣點,以下表示為正整數M。如果學員窗格221比教練窗格211往前延伸1秒、往後延伸1秒且學員窗格221的取樣頻率也是25Hz,則學員窗格221共有100+2×25=150個取樣點,以下表示為正整數N。
接下來,在學員窗格221中尋找與教練窗格211最相似的學員片段230,在一些實施例中是對學員窗格221與教練窗格211執行一開放起點終點動態時間扭曲演算法(open-begin-end dynamic time warping,OBE-DTW)以取得學員片段230。本領域具有通常知識者當可理解一般的動態時間扭曲演算法,在此不再贅述,而OBE-DTW釋放了起點相同與終點相同的限制,藉此從學員窗格221找到部分匹配的片段,此演算法可以表示為以下方程式(1)~(3)。
其中代表學員窗格221中的子集合,由第d個取樣點至第e個取樣點所組成,d、e為正整數,片段的長度可以相同於學員窗格221的長度也可以不相同。此演算法是要從學員窗格221中找到正整數d、e,使得誤差D(Fc,)會最小,其中CostOBE-DTW代表根據OBE-DTW所配對的取樣點之間的誤差的平均,而學員窗格221中配對的取樣點會組成學員片段230。舉例來說,學員片段230中的取樣點231是配對至教練窗格211中的取樣點232,值得注意的是學員片段230中的取樣點可能重複(配對至教練窗格211中的多個取樣點)且未必連續(有一些取樣點沒有配對至教練窗格211)。在一些實施例中根據不同的類型可以採用不同的誤差,如果是以動作方向為主的評估,則CostOBE-DTW指的是餘弦相似度(cosine similarity)的平均,如果是以動作力道為主的評估,則CostOBE-DTW指的是L2範數(亦稱為尤拉距離)的平均。此外,Nmatcted指的是所找到的學員片段的長度而a為實
數,可由實驗所決定(例如為2)。上述方程式(3)是要根據學員片段的長度來調整誤差D(fc,),所找到學員片段230的長度可能會小於或大於教練窗格211,所以當某個片段的長度越接近教練窗格211的長度,會優先被選取,這點與習知的OBE-DTW不相同。如圖2所示,學員的動作稍微落後教練的動作,因此根據上述演算法會捨棄學員窗格221中前面一部份,只匹配後半段的學員窗格221,如此一來可以給學員落後的動作更大的容忍度。
在找到學員片段230以後會分析學員片段230的運動類型,不同的運動類型會採取不同的分數計算方式。在此設定了至少兩種運動類型,第一運動類型指的是穩定型靜態運動,第二運動類型指的是一般或快速型動態運動。在一些實施例中,可以將每個取樣點上X軸、Y軸、Z軸的加速度值的絕對值相加以得到一個力道,表示為以下方程式(4)。
x[i]=|ai,x|+|ai,y|+|ai,z| (4)
方程式(4)中的加速度值可屬於教練運動數據或學員運動數據。當要判斷運動類型時,可以採用教練運動數據的力道,接下來根據所有力道x[i]的平均、標準差或平均絕對差(mean absolute deviation)等統計值來進行運動的分類,例如當平均絕對差小於一閾值時可判斷為第一運動類型,大於等於該閾值時判斷為第二運動類型。在一些實施例中,也可以根據教練運動數據所屬的運動項目(例如拳擊有氧、拉丁舞、間歇強度運動、瑜珈等)進行分類,或者根據教練窗格211(或學員窗格221)的長度來進行分類。在一些實施例中,也可以對學員窗格221計算第一運動類型的權重(介於0~1之間)與第二運動類型的權重(介於0~1之間),並且分別計算第一運動類型的分數與第二運動類型的
分數,之後再依照權重將兩個分數加總起來,並且不同的學員窗格221可屬於不同的運動類型或有不同的運動類型權重。本發明並不限制如何進行運動分類。以下分兩種運動類型描述運動分數的計算。
[第一運動類型]
上述的平均絕對偏差可表示為以下方程式(5),在此稱平均絕對偏差為穩定度MAD。
其中μ為所有力道x[i]的平均。方程式(5)是用以計算學員運動數據的穩定度MAD,以下稱學員穩定度MADuser。方程式(5)也可用以計算教練運動數據的穩定度,只需要將方程式(5)中的正整數N替換為M即可,以下稱教練穩定度MADref。接下來可以根據學員穩定度MADuser與教練穩定度MADref來計算運動分數,這兩者越相似,則計算出的運動分數越高。在一些實施例中可以計算學員穩定度MADuser與教練穩定度MADref之間的一穩定度比例r,如以下方程式(6)所示。
接下來基於一羅吉特函數(logit function)將穩定度比值進行位移、縮放以及翻轉,藉此轉換為穩定分數,如以下方程式(7)~(9)所示。
其中Sstability(r)表示穩定分數。Sbase為一實數,此實數代表當r=1時,也就是學員穩定度MADuser與教練穩定度MADref相同時可以提到
的分數。rbound為實數,用以界定穩定度比值r的臨界值,當設定為rbound=5時,相當於學員穩定度是教練穩定度的五倍時(r=1/5)可以得到滿分100,當學員穩定度是教練穩定度的五分之一時(r=5)會是零分。q是一實數,用以控制方程式(8)的變化趨勢,可經由實驗取得。在一些實施例中,上述的羅吉特函數可用查表的方式來實作。
因應運動情境的多樣性,如果評分的條件太過嚴苛,會導致許多目視為靜態的動作被分類為動態動作,也會造成過多的誤判,為了解決這個問題,此實施例用雙重閾值的方式,將靜態運動再細分為真實靜態以及模糊靜態。具體來說,在此定義兩個閾值,分別是靜態閾值上界th與真實靜態閾值t,其中靜態閾值上界th大於真實靜態閾值t,這兩個閾值決定了兩個範圍,分別是第一範圍[0,t]與第二範圍(t,th)。接下來將教練運動數據中分為多個窗格,對於每個窗格都計算對應的教練穩定度MADref,並且統計這些教練穩定度MADref在第一範圍[0,t]的第一次數與第二範圍(t,th)的第二次數,然後將第一次數除以第一次數與第二次數的總和以計算出一穩定權重w,表示為以下方程式(10)。
其中countunder為第一次數,countfuzzy為第二次數。最後,根據穩定分數Sstability(r)與穩定權重w計算運動分數,如以下方程式(11)所示。
Score=Sstability×w+(1-w)×S1 (11)
其中Score為運動分數。S1為一實數,可經由實驗設定,例如為90。
[第二運動類型]
此運動類型是以扣分機制並根據學員片段與教練窗格之間的差異來計算運動分數。首先計算學員片段與教練窗格之間的力道誤差,此力道誤差會經過S函數(sigmoid function)進行位移與縮放。具體來說,S函數如以下方程式(12)所示。
其中m、q為參數。在一些實施例中,S函數可用查表的方式來實作。教練窗格中每個取樣點的力道可以表示為以下方程式(13)。
magc[i]=∥Fc[i]∥,i=1,2,...M (13)
其中∥ ∥表示L2範數,M為教練窗格的長度。接著計算教練運動數據的動態因子,如以下方程式(14)所示。
magupper[i]=std(magc,i,w)+mean(magc,i,w),i=1,2,...,length(magc) (14)
其中w代表窗格大小,std(magc,i,w)表示力道magc[]在第i個取樣點至第i+w的取樣點的標準差,mean(magc,i,w)表示力道magc[]在第i個取樣點至第i+w個取樣點的平均值。接下來經過S函數的轉換,如以下方程式(15)所示。
其中P表示一個集合,其中包括了學員片段與教練窗格之間配對的取樣點,此集合是由OBE-DTW演算法所產生,例如圖2中的取樣點231是配對至取樣點232,(ic,is)表示集合P中的每個配對。mm、qm為實數,用以控制力道差異的容忍度,可以經由實驗任意設定。Dm表示所要扣的分數,即是上述的力道誤差。動態因子magupper[ic]是用以根
據教練運動數據適應性地調整力道誤差Dm,當教練運動數據的力道的標準差很大時,表示此動作很難模仿,因此所扣的分數Dm會比較少。以另外一個角度來說,力道誤差Dm是根據學員片段在每個取樣點上的L2範數∥Fs[is]∥與教練窗格在對應取樣點上的L2範數∥Fc[i]∥之間的差異所計算。
此外,角度差異則是根據以下方程式(16)來計算。
其中ma、qa為實數,用以控制角度差異的容忍度,可經由實驗任意設定。Da表示所要扣的分數,即是上述的方向誤差。以另一個角度來說,方向誤差Da是根據學員片段的每個取樣點Fs[is]與教練窗格的對應取樣點Fc[ic]之間的餘弦相似度所計算。換言之,力道誤差Dm是用以判斷學員動作的力道是否正確,方向誤差Da是用以判斷學員動作的方向是否正確。當學員有跟隨教練的動作時,力道與方向的差異不會太大,此時所扣的分數很少。但是當學員與教練的動作差異很大時,有可能碰巧在方向或力道上有很大的相似度,此時不應該給予高分,為此還需要設定兩個權重來混和力道誤差Dm與方向誤差Da。
具體來說,在此實施例中還會設定一力道權重wm與一方向權重wa,當力道誤差與方向誤差中較大的一者大於一誤差臨界值(表示學員與教練的動作差異很大)時,將對應的力道權重或方向權重增加,另一個權重則減少,如此一來便不會因為碰巧在方向或力道上有很大的相似度而給予高分。在一些實施力中,上述增加權重的步驟是根據S函數來調整,如以下方程式(17)所示。
此外,力道權重wm與方向權重wa的總和為1,力道權重wm與方向權重wa是根據以下虛擬碼來決定。
其中q為實數,用以決定權重上升的幅度。m為實數,用以決定S函數在X軸上的位移,也就是代表上述的臨界值。實數q、m可經由實驗任意設定。換言之,當方向誤差Da比較大時,方向誤差Da會輸入至S函數,當方向誤差Da大於臨界值時會快速上升,其餘狀況則改變幅度很低。
最後,根據力道誤差、方向誤差、力道權重與方向權重計算運動分數,如以下方程式(18)所示。
Score=100-(Da×wa+Dm×wm) (18)
請參照回圖2,在對於教練窗格211計算出運動分數以後,可計算下一個教練窗格212的運動分數,特別的是教練窗格212與教練窗格211是部份地重疊。例如可以將教練窗格211往右滑動一距離以得到教練窗格212,接著再計算教練窗格212的運動分數。過小的滑動距離會增加許多無謂的計算且無法提升動作分析的解析度,過大的滑動距離會降低許多計算量但也降低動作分析的解析度,在一些實施力中,上述的滑動距離為0.15秒。
圖3是根據一實施例繪示運動課程評分方法的流程圖。請參
照圖3,在步驟301中,播放課程影片,取得對應課程影片的教練運動數據,從教練運動數據中取得教練窗格。在步驟302中,透過慣性量測單元取得學員運動數據,從學員運動數據取得學員窗格,其中學員窗格的長度大於教練窗格的長度。在步驟303中,尋找在學員窗格中與教練窗格最相似的學員片段。在步驟304中,判斷運動類型,如果是第一運動類型,在步驟305中,根據學員片段與教練窗格的穩定度來計算運動分數,如果是第二運動類型,在步驟306中,以扣分機制並根據學員片段與教練窗格之間的差異計算運動分數。在另一實施例中,步驟304可以替換為計算第一運動類型的權重與第二運動類型的權重,步驟305與步驟306都會執行,之後步驟305、306所計算出的運動分數會根據第一運動類型的權重與第二運動類型的權重加總起來。如上所述,第一運動類型的權重與第二運動類型的權重可以根據運動項目(例如拳擊有氧、拉丁舞、間歇強度運動、瑜珈等)透過查表的方式來決定,或者根據教練窗格211(或學員窗格221)的長度來決定。然而,圖3中各步驟已詳細說明如上,在此便不再贅述。值得注意的是,圖3中各步驟可以實作為多個程式碼或是電路,本發明並不在此限。此外,圖3的方法可以搭配以上實施例使用,也可以單獨使用。換言之,圖3的各步驟之間也可以加入其他的步驟。以另外一個角度來說,本發明也提出了一電腦程式產品,此產品可由任意的程式語言及/或平台所撰寫,當此電腦程式產品被載入至計算模組141或智慧型裝置130並執行時,可完成上述的方法。
在一些實施例中,上述的L2範數也可以替換為L1範數、最大範數、直方圖距離(histogram distance)或其他合適的距離計算方式。在一些實施力中,上述的OBE-DTW也可以替換為其他種類的
DTW,或者替換為最長共同序列(longest common subsequence,LCS)等相似度演算法。
雖然本發明已以實施例揭露如上,然其並非用以限定本發明,任何所屬技術領域中具有通常知識者,在不脫離本發明的精神和範圍內,當可作些許的更動與潤飾,故本發明的保護範圍當視後附的申請專利範圍所界定者為準。
301~306:步驟
Claims (10)
- 一種運動課程評分方法,適用於一運動課程評分系統,其中該運動課程評分系統包括一穿戴式裝置,該穿戴式裝置包括一慣性量測單元,該運動課程評分方法包括:播放一課程影片,取得對應該課程影片的一教練運動數據,從該教練運動數據中取得一教練窗格;透過該慣性量測單元取得一學員運動數據,從該學員運動數據取得一學員窗格,其中該學員窗格的長度大於該教練窗格的長度;尋找在學員窗格中與該教練窗格最相似的一學員片段;對於一第一運動類型,根據該學員片段與該教練窗格的穩定度來計算一運動分數;以及對於一第二運動類型,以扣分機制並根據該學員片段與該教練窗格之間的差異計算該運動分數。
- 如請求項1所述之運動課程評分方法,其中該學員窗格的起點在該教練窗格的起點之前,該學員窗格的終點在該教練窗格的終點之後,尋找在學員窗格中與該教練窗格最相似的該學員片段的步驟包括:對該學員窗格與該教練窗格執行一開放起點終點動態時間扭曲演算法以取得該學員片段。
- 如請求項1所述之運動課程評分方法,其中根據該學員片段的穩定度來計算該運動分數的步驟包括:計算該學員片段在多個取樣點上力道的平均絕對誤差以作為一學員穩定度;計算該教練窗格在多個取樣點上力道的平均絕對誤差以作為一教練穩定度;以及計算該學員穩定度與該教練穩定度之間的一穩定度比例。
- 如請求項3所述之運動課程評分方法,其中根據該學員片段的穩定度來計算該運動分數的步驟還包括:基於一羅吉特函數將該穩定度比值轉換為一穩定分數;對於該教練運動數據中的每個窗格計算對應的該教練穩定度,並且統計該些窗格的該些教練穩定度在一第一範圍的第一次數與一第二範圍的第二次數;將該第一次數除以該第一次數與該第二次數的總和以計算出一穩定權重;以及根據該穩定分數與該穩定權重計算該運動分數。
- 如請求項4所述之運動課程評分方法,其中根據該穩定分數與該穩定權重計算該運動分數的步驟是根據以下方程式(1)所計算:Score=Sstability×w+(1-w)×S1 (1)其中Score為該運動分數,Sstability為該穩定分數,w為該穩定權重,S1為一實數。
- 如請求項1所述之運動課程評分方法,其中以扣分機制並根據該學員片段與該教練窗格之間的差異計算該運動分數的步驟包括:計算該學員片段與該教練窗格之間的力道誤差與方向誤差;設定一力道權重與一方向權重,並且當該力道誤差與該方向誤差中較大的一者大於一誤差臨界值時,將對應的該力道權重或該方向權重增加;以及根據該力道誤差、該方向誤差、該力道權重與該方向權重計算該運動分數。
- 如請求項6所述之運動課程評分方法,其中該力道誤差是根據該學員片段在配對取樣點上的L2範數與該教練窗格在對應取樣點上的L2範數之間的差異所計算,其中該方向誤差是根據該學員片段的在該配對取樣點與該教練窗格的該對應取樣點之間的餘弦相似度所計算。
- 如請求項7所述之運動課程評分方法,其中根據該力道誤差、該方向誤差、該力道權重與該方向權重計算該運動分數的步驟是根據以下方程式(1)所計算:Score=100-(Da×wa+Dm×wm) (1)其中Score為該運動分數,Da為該方向誤差,wa為該方向權重,Dm為該力道誤差,wm為該力道權重。
- 一種運動課程評分系統,包括:一穿戴式裝置,包括一慣性量測單元,該慣性量測單元用以取得一學員運動數據;以及一智慧型裝置,用以透過一顯示器播放一課程影片,取得對應該課程影片的一教練運動數據;其中該智慧型裝置用以執行以下多個步驟或將該學員運動數據與該教練運動數據傳送至一計算模組以執行該些步驟:從該學員運動數據中取得一學員窗格,並且從該教練運動數據中取得一教練窗格,其中該學員窗格的長度大於該教練窗格的長度;尋找在該學員窗格中與該教練窗格最相似的一學員片段;對於一第一運動類型,根據該學員片段與該教練窗格的穩定度來計算一運動分數;以及對於一第二運動類型,以扣分機制並根據該學員片段與該教練窗格之間的差異計算該運動分數。
- 一種電腦程式產品,由一計算模組或一智慧型裝置執行以完成多個步驟:播放一課程影片,取得對應該課程影片的一教練運動數據,從該教練運動數據中取得一教練窗格;透過一慣性量測單元取得一學員運動數據,從該學員運動數據取得一學員窗格,其中該學員窗格的長度大於該教練窗格的長度;尋找在該學員窗格中與該教練窗格最相似的一學員片段;對於一第一運動類型,根據該學員片段與該教練窗格的穩定度來計算一運動分數;以及對於一第二運動類型,以扣分機制並根據該學員片段與該教練窗格之間的差異計算該運動分數。
Priority Applications (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW109110644A TWI766259B (zh) | 2020-03-27 | 2020-03-27 | 運動課程評分方法與系統、電腦程式產品 |
US16/914,495 US20210299517A1 (en) | 2020-03-27 | 2020-06-29 | Scoring method and system for exercise course |
EP20185591.3A EP3886109A1 (en) | 2020-03-27 | 2020-07-14 | Scoring method and system for exercise course |
JP2020140096A JP7044840B2 (ja) | 2020-03-27 | 2020-08-21 | エクササイズコース採点方法、エクササイズコース採点システム、及びプログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW109110644A TWI766259B (zh) | 2020-03-27 | 2020-03-27 | 運動課程評分方法與系統、電腦程式產品 |
Publications (2)
Publication Number | Publication Date |
---|---|
TW202137080A true TW202137080A (zh) | 2021-10-01 |
TWI766259B TWI766259B (zh) | 2022-06-01 |
Family
ID=71614698
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW109110644A TWI766259B (zh) | 2020-03-27 | 2020-03-27 | 運動課程評分方法與系統、電腦程式產品 |
Country Status (4)
Country | Link |
---|---|
US (1) | US20210299517A1 (zh) |
EP (1) | EP3886109A1 (zh) |
JP (1) | JP7044840B2 (zh) |
TW (1) | TWI766259B (zh) |
Family Cites Families (23)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040236604A1 (en) * | 2002-12-20 | 2004-11-25 | Mcnair Douglas S. | System and method for detecting spatiotemporal clusters |
US7480512B2 (en) * | 2004-01-16 | 2009-01-20 | Bones In Motion, Inc. | Wireless device, program products and methods of using a wireless device to deliver services |
US8052580B2 (en) * | 2006-07-04 | 2011-11-08 | Firstbeat Technologies Oy | Method and system for guiding a person in physical exercise |
US20080235222A1 (en) * | 2007-03-21 | 2008-09-25 | Aleksandra Mojsilovic | System and method for measuring similarity of sequences with multiple attributes |
US10039970B2 (en) * | 2010-07-14 | 2018-08-07 | Adidas Ag | Location-aware fitness monitoring methods, systems, and program products, and applications thereof |
US20130018494A1 (en) * | 2011-07-14 | 2013-01-17 | Alexander Andre Amini | System and method for motion analysis and feedback with ongoing dynamic training orientation determination |
US9171201B2 (en) * | 2013-05-30 | 2015-10-27 | Atlas Wearables, Inc. | Portable computing device and analyses of personal data captured therefrom |
US20150375106A1 (en) * | 2013-06-10 | 2015-12-31 | Huan Liu | Implementing user motion games |
US10563981B1 (en) * | 2013-08-22 | 2020-02-18 | Moov Inc. | Automated motion data processing |
US8795138B1 (en) * | 2013-09-17 | 2014-08-05 | Sony Corporation | Combining data sources to provide accurate effort monitoring |
US9814637B2 (en) * | 2014-06-10 | 2017-11-14 | The Board Of Trustees Of The University Of Alabama | Patient monitoring systems and methods |
RU2593983C1 (ru) * | 2015-03-13 | 2016-08-10 | Общество С Ограниченной Ответственностью "Хилби" | Способ определения вида двигательной активности человека и устройство для его осуществления |
US11639981B2 (en) * | 2015-07-17 | 2023-05-02 | Origin Wireless, Inc. | Method, apparatus, and system for movement tracking |
US10244990B2 (en) * | 2015-09-30 | 2019-04-02 | The Board Of Trustees Of The University Of Alabama | Systems and methods for rehabilitation of limb motion |
US20170103672A1 (en) * | 2015-10-09 | 2017-04-13 | The Regents Of The University Of California | System and method for gesture capture and real-time cloud based avatar training |
EP3246824A1 (en) * | 2016-05-20 | 2017-11-22 | Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. | Apparatus for determining a similarity information, method for determining a similarity information, apparatus for determining an autocorrelation information, apparatus for determining a cross-correlation information and computer program |
KR20170135591A (ko) * | 2016-05-31 | 2017-12-08 | 주식회사 디랙스 | 운동 가이드 시스템 및 그에 따른 운동 관리 방법 |
US10748444B2 (en) * | 2016-06-13 | 2020-08-18 | Electronics And Telecommunications Research Institute | Apparatus for writing motion script, apparatus for self-teaching of motion and method for using the same |
SG10201800954QA (en) * | 2018-02-02 | 2019-09-27 | Nec Asia Pacific Pte Ltd | Method and system for signal processing rehabilitation exercise signals |
CN110148072B (zh) * | 2018-02-12 | 2023-05-02 | 庄龙飞 | 运动课程评分方法与系统 |
TWI681798B (zh) * | 2018-02-12 | 2020-01-11 | 莊龍飛 | 運動課程評分方法與系統、電腦程式產品 |
CN113728394A (zh) * | 2019-05-21 | 2021-11-30 | 史密夫和内修有限公司 | 身体活动执行和训练的评分度量 |
JP7133511B2 (ja) * | 2019-06-11 | 2022-09-08 | 本田技研工業株式会社 | 情報処理装置、情報処理方法、およびプログラム |
-
2020
- 2020-03-27 TW TW109110644A patent/TWI766259B/zh active
- 2020-06-29 US US16/914,495 patent/US20210299517A1/en not_active Abandoned
- 2020-07-14 EP EP20185591.3A patent/EP3886109A1/en active Pending
- 2020-08-21 JP JP2020140096A patent/JP7044840B2/ja active Active
Also Published As
Publication number | Publication date |
---|---|
EP3886109A1 (en) | 2021-09-29 |
US20210299517A1 (en) | 2021-09-30 |
JP7044840B2 (ja) | 2022-03-30 |
TWI766259B (zh) | 2022-06-01 |
JP2021154102A (ja) | 2021-10-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Ghasemzadeh et al. | Sport training using body sensor networks: A statistical approach to measure wrist rotation for golf swing | |
TWI681798B (zh) | 運動課程評分方法與系統、電腦程式產品 | |
US10803762B2 (en) | Body-motion assessment device, dance assessment device, karaoke device, and game device | |
US20130018494A1 (en) | System and method for motion analysis and feedback with ongoing dynamic training orientation determination | |
US20140018181A1 (en) | Golf swing analysis method and apparatus | |
US11113988B2 (en) | Apparatus for writing motion script, apparatus for self-teaching of motion and method for using the same | |
JP6943294B2 (ja) | 技認識プログラム、技認識方法および技認識システム | |
WO2021189736A1 (zh) | 运动课程评分方法与系统 | |
Chen et al. | Using real-time acceleration data for exercise movement training with a decision tree approach | |
US11682157B2 (en) | Motion-based online interactive platform | |
Chun et al. | A sensor-aided self coaching model for uncocking improvement in golf swing | |
CN110148072B (zh) | 运动课程评分方法与系统 | |
Malawski | Depth versus inertial sensors in real-time sports analysis: A case study on fencing | |
Wei et al. | Performance monitoring and evaluation in dance teaching with mobile sensing technology | |
TWI766259B (zh) | 運動課程評分方法與系統、電腦程式產品 | |
Zefinetti et al. | Goalkeeper’s Performances Assessed with Action Cameras Based Mocap System | |
TWI822380B (zh) | 球體追蹤系統及方法 | |
TWI810009B (zh) | 虛擬運動教練系統及其控制方法 | |
US20240135617A1 (en) | Online interactive platform with motion detection | |
WO2024105991A1 (en) | Information processing apparatus, information processing method, and program | |
KR20240102643A (ko) | 스크린 골프 운영 시스템을 이용한 클럽별 레슨 방법 | |
WO2024057305A1 (en) | Kinematic analysis of events during playing of sports including feedback display | |
JP2024066646A (ja) | 動作評価装置、方法及びプログラム | |
Le Yu et al. | Applied Mathematics and Nonlinear Sciences | |
Colombo | Goalkeeper’s Performances Assessed with Action Cameras Based Mocap System |