TW202224729A - 運動數據收集方法及系統 - Google Patents
運動數據收集方法及系統 Download PDFInfo
- Publication number
- TW202224729A TW202224729A TW109145823A TW109145823A TW202224729A TW 202224729 A TW202224729 A TW 202224729A TW 109145823 A TW109145823 A TW 109145823A TW 109145823 A TW109145823 A TW 109145823A TW 202224729 A TW202224729 A TW 202224729A
- Authority
- TW
- Taiwan
- Prior art keywords
- distance
- specific
- peak
- reference object
- trough
- 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
Landscapes
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Physical Education & Sports Medicine (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本發明提供一種運動數據收集方法及系統。所述方法包括:透過安裝於重量訓練器材上的第一距離感測器偵測重量訓練器材的負載重量,其中重量訓練器材安裝有參考物體;偵測參考物體的移動情形,並基於參考物體的移動情形及負載重量估計重量訓練器材的使用者的運動數據。
Description
本發明是有關於一種運動測量方法及系統,且特別是有關於一種運動數據收集方法及系統。
隨著時代的進步,運動健身已然成為人們生活中相當重要的一部分。一般而言,人們所能接觸到的傳統重量訓練器材多半僅能以配重塊或槓片等形式呈現所使用的訓練重量,並無法提供使用者的動作次數、運動功率等較為科學化的運動數據。
另外,雖市面上亦存在其他較為高階的重量訓練器材(例如使用動力源(如:馬達,氣壓泵…等)作為阻力來源,藉由使用者帳號管理,得到訓練次數、訓練時的阻力值等運動數據的器材),但由於其多半造價昂貴而難以讓市場接受。
因此,對於本領域技術人員而言,如何設計一種能夠以較低成本收集使用者運動數據的機制實為一項重要議題。
有鑑於此,本發明提供一種運動數據收集方法及系統,其可用於解決上述技術問題。
本發明提供一種運動數據收集方法,包括:透過安裝於一重量訓練器材上的一第一距離感測器偵測重量訓練器材的一負載重量,其中重量訓練器材安裝有一參考物體;偵測參考物體的一移動情形,並基於參考物體的移動情形及負載重量估計重量訓練器材的一使用者的一運動數據。
本發明提供一種運動數據收集系統,包括第一距離感測器及處理器。第一距離感測器安裝於重量訓練器材上。處理器耦接於第一距離感測器,並經配置以:透過第一距離感測器偵測重量訓練器材的一負載重量,其中重量訓練器材安裝有一參考物體;偵測參考物體的一移動情形,並基於參考物體的移動情形及負載重量估計重量訓練器材的一使用者的一運動數據。
請參照圖1,其是依據本發明第一實施例繪示的運動數據收集系統示意圖。如圖1所示,在第一實施例中,運動數據收集系統100可包括第一距離感測器102及處理器104。
在不同的實施例中,第一距離感測器102可以是任何能夠偵測自身與位於其偵測範圍(或稱視野範圍(field of view,FOV))內物體之間距離的單一感測器或感測器陣列,例如紅外線距離感測器(例如飛時(time of flight,ToF)感測器)、超音波距離感測器等,但可不限於此。
處理器104耦接於第一距離感測器102,並可為一般用途處理器、特殊用途處理器、傳統的處理器、數位訊號處理器、多個微處理器(microprocessor)、一個或多個結合數位訊號處理器核心的微處理器、控制器、微控制器、特殊應用積體電路(Application Specific Integrated Circuit,ASIC)、現場可程式閘陣列電路(Field Programmable Gate Array,FPGA)、任何其他種類的積體電路、狀態機、基於進階精簡指令集機器(Advanced RISC Machine,ARM)的處理器以及類似品。
在本發明的實施例中,處理器104可協同第一距離感測器102以實現本發明提出的運動數據收集方法,其細節詳述如下。
請參照圖2,其是依據本發明之一實施例繪示的運動數據收集方法流程圖。本實施例的方法可由圖1的運動數據收集系統100執行,以下即搭配圖1所示的元件說明圖2各步驟的細節。
首先,在步驟S210中,處理器104可透過安裝於重量訓練器材上的第一距離感測器102偵測重量訓練器材的負載重量。
在本發明的第一實施例中,上述重量訓練器材例如是具有堆疊的多個配重塊,以讓使用者自行從中選用訓練重量的訓練器材,例如常見的滑輪下拉機、腿部伸張機等,但可不限於此。
請參照圖3A及圖3B,其中圖3A是依據本發明第一實施例繪示的重量訓練器材的配重塊示意圖,而圖3B是圖3A的側視圖。
在第一實施例中,重量訓練器材300可具有堆疊的多個配重塊311,而各個配重塊311可設置有插銷孔311a。藉此,重量訓練器材300的使用者即可藉由將參考物體312(其例如是一插銷)插設於配重塊311之一的插銷孔311a中,以選定所需的訓練重量(其亦可理解為重量訓練器材300的負載重量),但可不限於此。一般而言,參考物體312所在的配重塊311的位置越低,其對應的訓練重量越高,反之亦反。
在第一實施例中,各配重塊311的插銷孔311a可沿一直線排列,而第一距離感測器102可設置於此直線上,用以偵測第一距離感測器102與參考物體312之間的距離。如圖3A及圖3B所示,各配重塊311的插銷孔311a可理解為沿著垂直於地面的一直線排列,而第一距離感測器102可設置於參考物體312的正下方,並往上方偵測第一距離感測器102與參考物體312之間的距離。亦即,在圖3A中,第一距離感測器102的FOV 102a係朝向第一距離感測器102的上方進行偵測。
請參照圖3C,其是依據本發明第一實施例繪示的另一配重塊的側視圖。在圖3C中,各配重塊311的態樣與圖3A所示大致相同,惟圖3C中的第一距離感測器102可藉由附接於重量訓練器材300的某一處的方式而設置於參考物體312的正上方,並往下方偵測第一距離感測器102與參考物體312之間的距離。亦即,在圖3C中,第一距離感測器102的FOV 102a係朝向第一距離感測器102的下方進行偵測,但本發明可不限於此。
在第一實施例中,處理器104可透過第一距離感測器102偵測第一距離感測器102與參考物體312之間的初始距離,並據以估計使用者所選用的訓練重量(即,重量訓練器材300的負載重量)。為便於理解本發明的概念,以下將輔以圖4作進一步說明。
請參照圖4,其是基於本發明第一實施例繪示的多個預設距離區間的示意圖。在第一實施例中,當參考物體312插設於某一配重塊311上時,第一距離感測器312所測得的距離可能並非為一固定值,而可能是隨時間而變化的一變動值。
以圖4的波形411為例,其例如是參考物體312被揷設於對應於5kg的配重塊311(即,負載重量為5kg)時,由圖3C的第一距離感測器102所測得的距離變動值,即,第一距離感測器102的FOV 102a係朝向第一距離感測器102的下方進行偵測。以圖4的波形412為例,其例如是參考物體312被揷設於對應於10kg的配重塊311(即,負載重量為10kg)時,由圖3C的第一距離感測器102所測得的距離變動值。以圖4的波形413為例,其例如是參考物體312被揷設於對應於15kg的配重塊311(即,負載重量為15kg)時,由圖3C的第一距離感測器102所測得的距離變動值。圖4中其餘波形的意義應可依上述教示而推得,於此不另贅述。
基於圖4中對應於不同負載重量的波形,處理器104可相應地決定對應於不同負載重量的多個預設距離區間。舉例而言,在取得對應於負載重量10kg的波形412之後,處理器104例如可估計波形412對應的一距離平均值(以m1表示)及距離標準差(以s1表示),並以(m1-s1, m1+s1)作為對應於負載重量10kg的預設距離區間412a。舉另一例而言,在取得對應於負載重量15kg的波形413之後,處理器104例如可估計波形412對應的一距離平均值(以m2表示)及距離標準差(以s2表示),並以(m2-s2, m2+s2)作為對應於負載重量15kg的預設距離區間413a。另外,假設5kg為最低的負載重量,則處理器104例如可將低於預設距離區間412a的距離區間皆定義為對應於負載重量5kg的預設距離區間411a,但可不限於此。其餘負載重量所對應的預設距離區間應可基於以上教示而推得,於此不另贅述。
因此,在處理器104取得第一距離感測器102與參考物體312之間的初始距離之後,處理器104可判定此初始距離係屬於所述多個預設距離區間中的何者。假設處理器104判定此初始距離屬於所述多個預設距離區間中的特定距離區間,則處理器104可判定重量訓練器材300的負載重量為對應於此特定距離區間的特定重量。
舉例而言,假設處理器104判定此初始距離屬於預設距離區間411a,則處理器104可判定重量訓練器材300的負載重量為對應於預設距離區間411a的負載重量(即,5kg)。假設處理器104判定此初始距離屬於預設距離區間412a,則處理器104可判定重量訓練器材300的負載重量為對應於預設距離區412a的負載重量(即,10kg)。另外,假設處理器104判定此初始距離屬於預設距離區間413a,則處理器104可判定重量訓練器材300的負載重量為對應於預設距離區413a的負載重量(即,15kg)。其餘初始距離與重量訓練器材300的負載重量的對應關係應可依上述教示而推得,於此不另贅述。
在另一實施例中,若第一距離感測器102係以圖3A及圖3B所示的方式配置(,即,第一距離感測器102的FOV 102a係朝向第一距離感測器102的上方進行偵測),則圖4中的距離及負載重量會相反配置(未圖示),或可藉由數值轉換的方式來調整成與圖4相同的表示方式。此時,偵測到的數值愈小,表示負載重量愈重。
接著,在步驟S220中,處理器104可偵測參考物體312的移動情形,並基於參考物體312的移動情形及負載重量估計重量訓練器材300的使用者的運動數據。在不同的實施例中,前述運動數據可包括動作次數、運動功率、運動時間、休息時間等,但可不限於此。
在第一實施例中,處理器104可透過第一距離感測器102偵測參考物體312的移動情形。具體而言,參考物體312與第一距離感測器102之間可理解為存在第一距離(其最小值可對應於上述初始距離),且參考物體312的移動情形可表徵為第一距離的距離變化情形。
在第一實施例中,隨著使用者操作重量訓練器材300,參考物體312的移動情形(即,第一距離變化情形)可呈現為如圖5所示的距離變化圖500。在圖5A(及以下的各個實施例)中,第一距離感測器102係假設為以圖3C的方式進行偵測。如圖5A所示,距離變化圖500可包括對應於一個動作組的波峰-波谷集合501,其包括多個波峰-波谷對511~515,其中各波峰-波谷對511~515可包括連續的1個波谷及1個波峰。
例如,波峰-波谷對511可包括波峰511a及波谷511b,波峰-波谷對512可包括波峰512a及波谷512b,而波峰-波谷對513可包括波峰513a及波谷513b,但可不限於此。
在一實施例中,處理器104可在波峰-波谷對511~515中找出多個特定波峰-波谷對,並以上述特定波峰-波谷對的數量作為所述動作組的動作次數。
在一實施例中,各特定波峰-波谷對可包括特定波峰及特定波谷,特定波峰及特定波谷之一對應的第一特定距離可大於第一距離門限值T1,特定波峰及特定波谷之另一對應的第二特定距離可小於第二距離門限值T2,且第一距離門限值T1可大於第二距離門限值T2。
在一些實施例中,第一距離門限值T1及第二距離門限值T2可依據當下的初始距離而定。舉例而言,假設當下的初始距離為X,則第一距離門限值T1可定為X-X1,第二距離門限值T2則可定為X-X2,其中X2可大於X1。在圖5情境中,初始距離約略為920mm,在此情況下,假設X1及X2分別定為200及400,則可相應得到如圖5A所示第一距離門限值T1及第二距離門限值T2,但本發明可不限於此。
以波峰-波谷對511為例,由於其中的波峰511a對應的距離大於第一距離門限值T1,且波谷511b對應的距離小於第二距離門限值T2,因此處理器104可將波峰-波谷對511視為一個特定波峰-波谷對。另外,再以波峰-波谷對512為例,由於其中的波峰512a對應的距離大於第一距離門限值T1,且波谷512b對應的距離小於第二距離門限值T2,因此處理器104可將波峰-波谷對512視為一個特定波峰-波谷對。同理,波峰-波谷對513~515亦將個別被視為一個特定波峰波谷對。
換言之,在圖5情境中,共存在5個特定波峰-波谷對(即,波峰-波谷對511~515)。在此情況下,處理器104將判定使用者的動作次數為5次。
從另一觀點而言,當某些波峰-波谷對未被判定為特定波峰-波谷對時,其代表使用者未將所選用的配重塊311進行足夠距離的移動(即,動作不完整),因此處理器104將不會將這些波峰-波谷對用於累計使用者的動作次數,但本發明可不限於此。
在一實施例中,處理器104還可基於負載重量(以w表示)、參考物體312的總移動距離(以D表示)及移動時間估計上述運動數據中的運動功率(以P表示)。在圖5情境中,參考物體312的總移動距離例如是波形599所包括的各個距離值的總和。另外,參考物體312的移動時間可理解為使用者的運動時間,而其例如可表徵為時間長度TD1。在此情況下,處理器104可先以總移動距離(即,D)除以時間長度TD1取得平均移動速度(以v表示)。之後,處理器104可依據上述數據估計運動功率。
在一些實施例中,處理器104可依據距離變化圖估計每個動作組的向心運動功率及離心運動功率,以下將輔以圖5B作進一步說明。
請參照圖5B,其是依據本發明之一實施例繪示的距離變化圖及其對應的速率變化圖。在本實施例中,距離變化圖500a可包括對應於使用者執行的第j個動作組的1個波峰-波谷集合(下稱第j個波峰-波谷集合)。依先前的教示,圖5所示的第j個波峰-波谷集合可理解為包括8個特定波峰-波谷對。
在一實施例中,在取得圖5B的距離變化圖500a之後,處理器104例如可將距離變化圖500a對時間取微分來產生圖5B下半部所示的速率變化圖500b,但可不限於此。
如圖5B下半部所示,速率變化圖500b可包括對應於所述第j個波峰-波谷集合的特定波峰-波谷對的多個時間區間D1~D8,其中時間區間D1~D8個別可依序包括第一特定時間點、第二特定時間點及第三特定時間點。在本發明的實施例中,第一特定時間點、第二特定時間點及第三特定時間點對應的速率可為0。
之後,處理器104可依據時間區間D1~D8的第i個時間區間的第一特定時間點及第二特定時間點定義所述第i個時間區間的向心時間段,其中i為正整數(例如是1~8中的任一者)。接著,處理器104可依據第i個時間區間的第二特定時間點及第三特定時間點定義所述第i個時間區間的離心時間段。
以時間區間D1為例,其可依序包括第一特定時間點t1、第二特定時間點t2及第三特定時間點t3,而其個別對應的速率為0。在一實施例中,處理器104可將第一特定時間點t1及第二特定時間點t2之間的時間區間定義為時間區間D1的向心時間段,並將第二特定時間點t2及第三特定時間點t3之間的時間區間定義為時間區間D1的離心時間段,但可不限於此。此外,處理器104還可基於上述教示而決定時間區間D2~D8個別的向心時間段及離心時間段。
在取得時間區間D1~D8個別的向心時間段及離心時間段之後,處理器104可基於時間區間D1~D8個別的向心時間段決定所述第j個動作組的向心運動功率,並基於時間區間D1~D8個別的離心時間段決定所述第j個動作組的離心運動功率。
在一實施例中,處理器104可基於時間區間D1~D8個別的向心時間段決定參考物體312在所述第j個動作組中的平均向心移動速率(以
表示),以及參考物體312在所述第j個動作組中的總向心位移量(以
表示)。之後,處理器104可依據「
」的式子估計所述第j個動作組的向心運動功率,其中m為負載重量,g為重力常數,但可不限於此。
在另一實施例中,處理器104可基於時間區間D1~D8個別的離心時間段決定參考物體312在所述第j個動作組中的平均離心移動速率(以
表示),以及參考物體312在所述第j個動作組中的總離心位移量(以
表示)。之後,處理器104可依據「
」的式子估計所述第j個動作組的離心運動功率,但可不限於此。
在一些實施例中,運動數據收集系統100可將所收集到的運動數據(動作次數、運動功率(例如向心運動功率/離心運動功率)、運動時間、休息時間)提供予其他的智慧型裝置,以由此智慧型裝置將上述運動數據呈現予重量訓練器材的300的使用者或其他相關人員(例如教練)參考,但可不限於此。
請參照圖6,其是依據本發明之一實施例繪示的對應於不同負載重量的距離變化圖。在圖6中,所示的各個波形例如是在使用者選定某個負載重量(例如45kg、50kg、55kg、60kg、65kg以及70kg)之後,由圖3C的第一距離感測器102對參考物體312所測得的第一距離的距離變化圖。如先前所言,處理器104可基於圖6中的各個波形估計對應的運動數據,例如動作次數、運動功率、運動時間等,但可不限於此。
在一些實施例中,當第一距離感測器102係以ToF感測器實現時,受限於第一距離感測器102本身的特性,可能會使得其所偵測到的讀值未能正確地對應第一距離感測器102與參考物體312之間的實際距離。具體而言,當參考物體312與第一距離感測器102之間的第一距離位於某個較近的第一距離範圍內時,第一距離感測器102應可較為準確地測量上述第一距離。即,第一距離感測器102的讀值可大致匹配於實際上的第一距離(下稱第一實際距離)。在此情況下,所述讀值與第一實際距離之間的關係可以「
」的式子(下稱第一轉換式)描述,其中x是所述讀值,Y為第一實際距離,
為斜率,
為一常數。
然而,當參考物體312與第一距離感測器102之間的第一距離位於某個較遠的第二距離範圍內時,由於第一距離感測器102的FOV 102a內將一併出現其他遮擋物(例如配重塊311),故將相應地使得所述讀值無法正確地對應第一實際距離。經實驗,此情況下的所述讀值與第一實際距離之間的關係可以「
」的式子(下稱第二轉換式)描述,其中x是所述讀值,Y為第一實際距離,
為斜率(其大於
),
為一常數。
因此,在一實施例中,當處理器104判定第一距離感測器102提供的當下讀值位於第一距離範圍內時,處理器104可依據第一轉換式將此當下讀值轉換為第一實際距離。另一方面,當處理器104判定第一距離感測器102提供的當下讀值位於第二距離範圍內時,處理器104可依據第二轉換式將此當下讀值轉換為第一實際距離。
請參照圖7,其是依據本發明之一實施例繪示的多個距離範圍的示意圖。在本實施例中,假設經實驗測量後,得知第一距離感測器102在讀值在大於1000mm之後將無法正確對應第一實際距離,則處理器104可將0mm至1000mm的範圍定為第一距離範圍710,並將大於1000mm的範圍定為第二距離範圍720。
之後,處理器104可基於所述讀值與第一實際距離在第一距離範圍710內的關係產生所述第一轉換式,並基於所述讀值與第一實際距離在第二距離範圍720內的關係產生所述第二轉換式。藉此,處理器104即可依據第一距離感測器102提供的當下讀值適應性地依據第一/第二轉換式將當下讀值轉換為第一實際距離。
在一些實施例中,若使用者在選定某個負載重量之後開始操作重量訓練器材300,則參考物體312將在使用者運動的期間將相應地上下移動,而第一距離感測器102所測得的讀值也會相應地變化。在圖7中,假設第一距離感測器102在使用者運動的期間內所測得的讀值係在變動範圍730(例如是700mm~1400mm)中變化。在此情況下,當處理器104判定第一距離感測器102提供的當下讀值介於700mm至1000mm時,處理器104可因判定此當下讀值位於第一距離範圍710內而依據第一轉換式將此當下讀值轉換為第一實際距離。另一方面,當處理器104判定第一距離感測器102提供的當下讀值介於1000mm至1400mm時,處理器104可因判定此當下讀值位於第二距離範圍720內而依據第二轉換式將此當下讀值轉換為第一實際距離,但本發明可不限於此。
在一些實施例中,當使用者使用重量訓練器材300執行多個動作組時,處理器104可依據對應的距離變化圖估計各個動作組對應的動作次數,以及這些動作組之間的組間休息時間。
請參照圖8,其是依據本發明之一實施例繪示的對應多個動作組的距離變化圖。如圖8所示,距離變化圖800共包括約23個特定波峰-波谷對,而處理器104可將這些特定波峰-波谷對劃分為對應於3個動作組的多個波峰-波谷集合G1~G3。
在一實施例中,處理器104例如可估計連續的2個特定波峰-波谷對之間的時間差,並可據以將這些特定波峰-波谷對劃分為波峰-波谷集合G1~G3。舉例而言,當處理器104判斷連續的2個特定波峰-波谷對之間的時間差小於一休息時間門限值T3時,處理器104可將此2個特定波峰-波谷對歸為屬於同一個波峰-波谷集合。另一方面,當處理器104判斷連續的2個特定波峰-波谷對之間的時間差大於休息時間門限值T3,則處理器104可將此2個特定波峰-波谷對歸為屬於不同的波峰-波谷集合。
舉例而言,由圖8可看出,在各個波峰-波谷集合G1~G3中,連續的2個特定波峰-波谷對之間的時間差皆未大於休息時間門限值T3。然而,由於連續的特定波峰-波谷對G1L及G21之間的時間差T41大於休息時間門限值T3,因此處理器104可將特定波峰-波谷對G1L及G21歸為屬於不同的波峰-波谷集合。相似地,由於連續的特定波峰-波谷對G2L及G31之間的時間差T42大於休息時間門限值T3,因此處理器104可將特定波峰-波谷對G2L及G31歸為屬於不同的波峰-波谷集合。
此外,假設波峰-波谷集合G1及G2分別對應於第1個動作組及第2個動作組,由於特定波峰-波谷對G1L及G21分別屬於對應不同動作組的波峰-波谷集合G1及G2,故特定波峰-波谷對G1L(即波峰-波谷集合G1的最末特定波峰-波谷對)及G21(即波峰-波谷集合G2的第1個特定波峰-波谷對)之間的時間差T41可經定義為第1個動作組及第2個動作組之間的組間休息時間。相似地,假設波峰-波谷集合G3對應於第3個動作組,則特定波峰-波谷對G2L(即波峰-波谷集合G2的最末特定波峰-波谷對)及G31(即波峰-波谷集合G3的第1個特定波峰-波谷對)之間的時間差T42可經定義為第2個動作組及第3個動作組之間的組間休息時間,但可不限於此。
請參照圖9,其是依據本發明之一實施例繪示的更換負載重量的示意圖。在本實施例中,當負載重量經選定為最輕的特定重量時,參考物體312與第一距離感測器102之間的初始距離可稱為參考距離RD,而其可作為使用者是否切換負載重量的參考。
具體而言,處理器104可判斷第一距離是否已維持第一靜止波形P1達第一靜止時間門限值T5,其中第一靜止波形對應的距離高於參考距離RD。在圖9中,反應於判定第一距離已維持第一靜止波形P1達第一靜止時間門限值T5,處理器104可偵測第一距離是否改變為第二靜止波形P2,其中第二靜止波形P2對應的距離亦高於參考距離RD。
若是,處理器104可進一步判斷第一距離是否已維持第二靜止波形P2達第一靜止時間門限值T5,且第一靜止波形P1與第二靜止波形P2之間的時間差是否小於第二靜止時間門限值T6。若是,此即代表使用者已將負載重量切換至對應於第二靜止波形P2的特定重量。因此,反應於判定第一距離已維持第二靜止波形P2達第一靜止時間門限值T5,且第一靜止波形P1與第二靜止波形P2之間的時間差小於第二靜止時間門限值T6,處理器104可依據第二靜止波形P2更新負載重量,而其細節可參照圖4的相關說明,於此不另贅述。
請參照圖10,其是依據本發明第二實施例繪示的運動數據收集系統示意圖。如圖10所示,在第二實施例中,運動數據收集系統1000可包括第一距離感測器1001、第二距離感測器1002及處理器1004,其中第一距離感測器1001、第二距離感測器1002及處理器1004個別的可能的實施方式可參照第一距離感測器102及處理器104的相關說明,於此不另贅述。
在第二實施例中,運動數據收集系統1000亦可用於執行圖2的各個步驟,惟其所適用的重量訓練器材與第一實施例中的略有不同,故相應的操作細節亦將略有不同。以下將輔以圖11作進一步說明。
請參照圖11,其是依據本發明第二實施例繪示的重量訓練器材的局部示意圖。在第二實施例中,所考慮的重量訓練器材1100例如是包括槓鈴1101的史密斯機器(Smith machine),而第一距離感測器1001可為包括多個距離感測單元的一陣列式距離感測器,並可透過連接桿1112連接至槓鈴1101的套筒1101a。
在第二實施例中,在處理器1004執行步驟S210時,處理器1004可透過第一距離感測器1001偵測裝設於套筒1101a上的多個槓片1121~1123個別的厚度及各槓片1121~1123與第一距離感測器1001的參考距離。之後,處理器1004可基於各槓片1121~1123的厚度及參考距離估計各槓片1121~1123對應的重量。
在第二實施例中,設計者例如可在一前置作業中將各槓片預先置於套筒1101a上,以讓第一距離感測器1001測量各槓片的厚度及參考距離,再將各槓片的厚度及參考距離與各槓片的重量的對應關係予以記錄。藉此,當第一距離感測器1001測得某槓片對應的厚度(其可由偵測到此槓片的距離感測單元的數量推得)及參考距離時,即可據以推得此槓片的重量,但本發明可不限於此。
在第二實施例中,在處理器1004依據上述教示取得各槓片1121~1123對應的重量之後,即可據以估計重量訓練器材1100的負載重量。一般而言,史密斯機器上槓鈴1101兩側的套筒應承載有相同重量的槓片,故處理器1004可以各槓片1121~1123對應重量的總和的2倍作為重量訓練器材1100的負載重量,但可不限於此。
此外,在第二實施例中,所考慮的參考物體1111可包括第一距離感測器1001及連接桿1112,而當處理器1004執行步驟S220時,可透過安裝於重量訓練器材1100上的第二距離感測器1002偵測第一距離感測器1001的特定移動情形作為參考物體1111的移動情形。
在第二實施例中,依史密斯機器的特性可知,槓鈴1101將沿著一固定軌跡移動。具體而言,槓鈴1101可固定地連接於滑套1102,而滑套1102可滑動於滑軌1199上。在此情況下,當使用者操作槓鈴1101時,槓鈴1101將帶動滑套1102沿著滑軌1199滑動,進而使得槓鈴1101沿固定軌跡1131移動。
此外,為使第二距離感測器1002可偵測第一距離感測器1001的特定移動情形,第一距離感測器1001及第二距離感測器1002之間的參考連線1132可經設計為平行於固定軌跡1131。
在第二實施例中,第一距離感測器1001與第二距離感測器1002之間可理解為存在第二距離,而參考物體1111的移動情形可表徵為第二距離的距離變化情形。
在此情況下,隨著使用者操作重量訓練器材1100,參考物體1111的移動情形亦可呈現為如圖5A所示的距離變化圖500,而處理器1004據以估計使用者的運動數據的方式可參照第一實施例中的相關說明,於此不另贅述。
此外,運動數據收集系統1000亦可將所收集到的運動數據(動作次數、運動功率、運動時間、休息時間)提供予其他的智慧型裝置,以由此智慧型裝置將上述運動數據呈現予重量訓練器材的1100的使用者或其他相關人員(例如教練)參考,但可不限於此。
綜上所述,本發明提出的運動數據收集方法及系統可在簡易地安裝於對應的重量訓練器材之後,相應地基於參考物體的移動情形測量使用者操作重量訓練器材時的運動數據。並且,由於運動數據收集系統僅包括例如微控制器及距離感測器等較低成本的元件,故本發明可提供以較低成本收集使用者運動數據的解決方案。
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。
100, 1000:運動數據收集系統
102, 1001:第一距離感測器
102a:FOV
1002:第二距離感測器
104, 1004:處理器
300, 1100:重量訓練器材
311:配重塊
311a:插銷孔
312, 1111:參考物體
411~413, 599:波形
411a~413a:預設距離區間
500, 500a, 800:距離變化圖
500b:速率變化圖
501, G1, G2, G3:波峰-波谷集合
511~515, G1L, G21, G2L, G31:波峰-波谷對
511a~515a:波峰
511b~515b:波谷
710:第一距離範圍
720:第二距離範圍
730:變動範圍
1101:槓鈴
1101a:套筒
1102:滑套
1112:連接桿
1121~1123:槓片
1131:固定軌跡
1132:參考連線
1199:滑軌
S210, S220:步驟
D1~D8:時間區間
T1:第一距離門限值
T2:第二距離門限值
T3:休息時間門限值
T41, T42:時間差
T5:第一靜止時間門限值
T6:第二靜止時間門限值
t1:第一特定時間點
t2:第二特定時間點
t3:第三特定時間點
TD1:時間長度
P1:第一波形
P2:第二波形
RD:參考距離
圖1是依據本發明第一實施例繪示的運動數據收集系統示意圖。
圖2是依據本發明之一實施例繪示的運動數據收集方法流程圖。
圖3A是依據本發明第一實施例繪示的重量訓練器材的配重塊示意圖。
圖3B是圖3A的側視圖。
圖3C是依據本發明第一實施例繪示的另一配重塊的側視圖。
圖4是基於本發明第一實施例繪示的多個預設距離區間的示意圖。
圖5A是依據本發明之一實施例繪示的距離變化圖。
圖5B是依據本發明之一實施例繪示的距離變化圖及其對應的速率變化圖。
圖6是依據本發明之一實施例繪示的對應於不同負載重量的距離變化圖。
圖7是依據本發明之一實施例繪示的多個距離範圍的示意圖。
圖8是依據本發明之一實施例繪示的對應多個動作組的距離變化圖。
圖9是依據本發明之一實施例繪示的更換負載重量的示意圖。
圖10是依據本發明第二實施例繪示的運動數據收集系統示意圖。
圖11是依據本發明第二實施例繪示的重量訓練器材的局部示意圖。
S210,S220:步驟
Claims (18)
- 一種運動數據收集方法,包括: 透過安裝於一重量訓練器材上的一第一距離感測器偵測該重量訓練器材的一負載重量,其中該重量訓練器材安裝有一參考物體;以及 偵測該參考物體的一移動情形,並基於該參考物體的該移動情形及該負載重量估計該重量訓練器材的一使用者的一運動數據。
- 如請求項1所述的方法,其中偵測該重量訓練器材的該負載重量的步驟包括: 偵測該第一距離感測器與該參考物體之間的一初始距離;以及 反應於判定該初始距離屬於多個預設距離區間中的一特定距離區間,判定該重量訓練器材的該負載重量為對應於該特定距離區間的一特定重量。
- 如請求項1所述的方法,其中該重量訓練器材包括堆疊的多個配重塊及一插銷,各該配重塊具有一插銷孔,該插銷用以插設於該些配重塊之一的該插銷孔,且該參考物體包括該插銷。
- 如請求項1所述的方法,其中偵測該參考物體的該移動情形的步驟包括: 透過該第一距離感測器偵測該參考物體的該移動情形。
- 如請求項4所述的方法,其中該參考物體與該第一距離感測器之間存在一第一距離,且該參考物體的該移動情形表徵為該第一距離的一距離變化情形。
- 如請求項5所述的方法,更包括: 反應於判定該第一距離的一當下讀值位於一第一距離範圍內,依據一第一轉換式將該當下讀值轉換為一第一實際距離;以及 反應於判定該第一距離的該當下讀值位於一第二距離範圍內,依據一第二轉換式將該當下讀值轉換為該第一實際距離,其中該第一轉換式及該第二轉換式對應於不同的斜率。
- 如請求項1所述的方法,其中該重量訓練器材為包括一槓鈴的一史密斯機器,該第一距離感測器為一陣列式距離感測器並透過一連接桿連接至該槓鈴的一套筒,且偵測該重量訓練器材的該負載重量的步驟包括: 透過該第一距離感測器偵測裝設於該套筒上的多個槓片個別的一厚度及各該槓片與該第一距離感測器的一參考距離;以及 基於各該槓片的該厚度及該參考距離估計各該槓片對應的一重量,並據以估計該重量訓練器材的該負載重量。
- 如請求項7所述的方法,其中該重量訓練器材的該負載重量為各該槓片對應的該重量的總和的2倍。
- 如請求項7所述的方法,其中該參考物體包括該第一距離感測器及該連接桿,且偵測該參考物體的該移動情形的步驟包括: 透過安裝於該重量訓練器材上的一第二距離感測器偵測該第一距離感測器的一特定移動情形作為該參考物體的該移動情形。
- 如請求項9所述的方法,其中該第一距離感測器與該第二距離感測器之間存在一第二距離,且該參考物體的該移動情形表徵為該第二距離的一距離變化情形。
- 如請求項7所述的方法,其中該槓鈴沿一固定軌跡移動,該第一距離感測器及該第二距離感測器之間的一參考連線平行於該固定軌跡。
- 如請求項1所述的方法,其中該運動數據包括一動作次數,該參考物體的該移動情形表徵為一距離變化圖,該距離變化圖包括多個波峰-波谷對,且基於該參考物體的該移動情形及該負載重量估計該重量訓練器材的該使用者的該運動數據的步驟包括: 將該些波峰-波谷對劃分為對應於多個動作組的多個波峰-波谷集合; 在該些波峰-波谷集合中的第j個波峰-波谷集合中找出多個特定波峰-波谷對,其中各該特定波峰-波谷對包括一特定波峰及一特定波谷,該特定波峰及該特定波谷之一對應的一第一特定距離大於一第一距離門限值,該特定波峰及該特定波谷之另一對應的一第二特定距離小於一第二距離門限值,且該第一距離門限值大於該第二距離門限值;以及 以所述第j個波峰-波谷集合的該些特定波峰-波谷對的一數量作為該些動作組中的第j個動作組的該動作次數。
- 如請求項12所述的方法,其中該負載重量對應於一初始距離,該第一距離門限值與該初始距離相距達一第一差值,該第二距離門限值與該初始距離相距達一第二差值。
- 如請求項12所述的方法,更包括: 將該距離變化圖轉換為一速率變化圖,其中該速率變化圖包括對應於所述第j個波峰-波谷集合的該些特定波峰-波谷對的多個時間區間,且各該時間區間依序包括一第一特定時間點、一第二特定時間點及一第三特定時間點,該第一特定時間點、該第二特定時間點及該第三特定時間點對應的速率為0; 依據該些時間區間的第i個時間區間的該第一特定時間點及該第二特定時間點定義所述第i個時間區間的一向心時間段,其中i為正整數; 依據所述第i個時間區間的該第二特定時間點及該第三特定時間點定義所述第i個時間區間的一離心時間段; 基於各該時間區間的該向心時間段決定所述第j個動作組的一向心運動功率; 基於各該時間區間的該離心時間段決定所述第j個動作組的一離心運動功率。
- 如請求項12所述的方法,其中該些波峰-波谷集合更包括第(j-1)個波峰-波谷集合,該些動作組更包括第(j-1)個動作組,所述第j個波峰-波谷集合中的第1個特定波峰-波谷對與所述第(j-1)個波峰-波谷集合中的最末特定波峰-波谷對之間的時間差為所述第j個動作組與所述第(j-1)個動作組之間的一組間休息時間,且該組間休息時間大於一休息時間門限值。
- 如請求項1所述的方法,其中該參考物體與該第一距離感測器之間存在一第一距離,該負載重量為多個特定重量的其中之一,且該些特定重量中的一最輕特定重量對應於一參考距離,且所述方法更包括: 反應於判定該第一距離已維持一第一靜止波形達一第一靜止時間門限值,偵測該第一距離是否改變為一第二靜止波形,其中該第一靜止波形及該第二靜止波形個別對應的距離皆高於該參考距離; 反應於判定該第一距離已維持該第二靜止波形達該第一靜止時間門限值,且該第一靜止波形與該第二靜止波形之間的時間差小於一第二靜止時間門限值,依據該第二靜止波形更新該負載重量,其中該第二靜止時間門限值高於該第一靜止時間門限值。
- 如請求項1所述的方法,其中該運動數據包括一運動功率,且該運動功率係基於該負載重量、該參考物體的一總移動距離及一移動時間而得。
- 一種運動數據收集系統,包括: 一第一距離感測器,其安裝於一重量訓練器材上; 一處理器,其耦接於該第一距離感測器,並經配置以: 透過該第一距離感測器偵測該重量訓練器材的一負載重量,其中該重量訓練器材安裝有一參考物體;以及 偵測該參考物體的一移動情形,並基於該參考物體的該移動情形及該負載重量估計該重量訓練器材的一使用者的一運動數據。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW109145823A TWI753716B (zh) | 2020-12-23 | 2020-12-23 | 運動數據收集方法及系統 |
CN202011595715.8A CN114653027B (zh) | 2020-12-23 | 2020-12-29 | 运动数据收集方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW109145823A TWI753716B (zh) | 2020-12-23 | 2020-12-23 | 運動數據收集方法及系統 |
Publications (2)
Publication Number | Publication Date |
---|---|
TWI753716B TWI753716B (zh) | 2022-01-21 |
TW202224729A true TW202224729A (zh) | 2022-07-01 |
Family
ID=80809017
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW109145823A TWI753716B (zh) | 2020-12-23 | 2020-12-23 | 運動數據收集方法及系統 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN114653027B (zh) |
TW (1) | TWI753716B (zh) |
Family Cites Families (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20100053753A (ko) * | 2008-11-13 | 2010-05-24 | 주식회사 오투런 | 중량추 블록 분리장치 및 이를 이용한 운동량 산출장치 |
JP5342577B2 (ja) * | 2011-02-24 | 2013-11-13 | カシオ計算機株式会社 | トレーニング管理装置、トレーニング装置及びプログラム |
TWI468199B (zh) * | 2012-07-26 | 2015-01-11 | Joong Chenn Industry Co Ltd | Weight training device with load detection system |
US9446471B2 (en) * | 2013-03-15 | 2016-09-20 | Lincoln Global, Inc. | Systems and methods for communicating with welding equipment |
US9621644B2 (en) * | 2013-09-16 | 2017-04-11 | Axis Ab | Joining a distributed database |
EP3246074B1 (en) * | 2016-05-20 | 2019-10-30 | Joong Chenn Industry Co., Ltd. | Multifunctional leg training machine |
CN206342863U (zh) * | 2016-12-13 | 2017-07-21 | 济南金奥太信息有限公司 | 以拉绳位移传感器为基础的健身器检测装置 |
TWI616223B (zh) * | 2016-12-14 | 2018-03-01 | 國立臺灣體育運動大學 | 健身器材配重片智慧插銷與其記錄系統 |
CN108310718A (zh) * | 2017-01-14 | 2018-07-24 | 富士康(昆山)电脑接插件有限公司 | 重量训练器及其超音波感测器 |
CN108416875A (zh) * | 2018-01-25 | 2018-08-17 | 阿里巴巴集团控股有限公司 | 一种对象的展示架、数据的处理方法、装置、设备及系统 |
CN208498389U (zh) * | 2018-03-30 | 2019-02-15 | 斑马网络技术有限公司 | 带有感测装置的车辆 |
CN209237251U (zh) * | 2018-10-22 | 2019-08-13 | 魏依凡 | 一种力量训练器配重块运行参数采集装置 |
JP6566591B1 (ja) * | 2018-11-06 | 2019-08-28 | 株式会社Oliori | ウェイトトレーニング情報管理システム、情報処理装置、ウェイトトレーニング情報管理プログラム及びウェイトトレーニング情報管理方法 |
US11928976B2 (en) * | 2019-03-27 | 2024-03-12 | Reliable Robotics Corporation | Cross-checking localization during aircraft terminal operations |
-
2020
- 2020-12-23 TW TW109145823A patent/TWI753716B/zh active
- 2020-12-29 CN CN202011595715.8A patent/CN114653027B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN114653027A (zh) | 2022-06-24 |
CN114653027B (zh) | 2023-07-25 |
TWI753716B (zh) | 2022-01-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11000733B2 (en) | Exercise machine with analysis system | |
US9791295B2 (en) | Step counting method and a pedometer based on a 3-axis accelerometer | |
CN104826277B (zh) | 一种跑步机智能体感控制方法及设备 | |
US20180133551A1 (en) | System and method for personalized exercise training and coaching | |
AU2014280966A1 (en) | Weight training machine | |
RU2645934C2 (ru) | Способ и устройство для регистрации упражнения | |
JP2009131482A5 (zh) | ||
KR101853465B1 (ko) | 보폭 산출과 nfc 기능을 갖는 러닝머신 시스템 | |
JP2012190061A5 (zh) | ||
JP2007526781A (ja) | エクササイズ・タイプを検出するための方法および装置 | |
CN106984025A (zh) | 锻炼器材振荡运动关联到数据库中器材用户的系统和方法 | |
TWI753716B (zh) | 運動數據收集方法及系統 | |
WO2019047410A1 (zh) | 一种步数的统计方法及装置 | |
US11794074B2 (en) | Apparatus and method for exercise type recognition | |
CN106390422A (zh) | 一种劈叉测试装置 | |
JP4899725B2 (ja) | 歩数計測装置 | |
JP4002146B2 (ja) | 検出装置、検出システム、携帯機器及びプログラム | |
Kaiyang et al. | A battery-free pressure sensing system based on soft piezoelectric device for tennis training | |
TWI616223B (zh) | 健身器材配重片智慧插銷與其記錄系統 | |
JP3908930B2 (ja) | 消費エネルギー算出装置 | |
KR102342100B1 (ko) | 윗몸일으키기 측정장치 | |
JPH10230021A (ja) | ウエイトトレーニングマシンのデータ測定装置 | |
KR20190016761A (ko) | 주행 및 보행 시 보행 안정성 평가 방법 및 장치 | |
KR101246874B1 (ko) | 사용자 신체의 좌우측 운동 정보를 측정하기 위한 운동 장치 및 방법 | |
KR101549608B1 (ko) | 웨이트 트레이닝 머신용 모니터링 시스템 |