TWI708628B - 飛輪車騎乘動作的感測與回饋系統及其方法 - Google Patents

Abstract

一種飛輪車騎乘動作的感測與回饋系統，包含至少一影像感測器、一儲存裝置、一處理器、以及一警示器。影像感測器設置於使用者與使用者所騎乘之飛輪車的後方，用以偵測使用者的多個下肢關節點；儲存裝置用以儲存使用者的多個歷史紀錄。處理器根據下肢關節點的偵測記錄計算飛輪車的車輪之轉速，再根據飛輪車的車輪之轉速、飛輪車的車輪之轉動阻力、以及使用者的騎乘時間，計算使用者的功率消耗，其中處理器更包含一分析模型，用以根據使用者的歷史紀錄分析得出多個功率閥值，處理器並比較使用者的功率消耗與功率閥值。當使用者的功率消耗接近功率閥值的其中之一時，警示器即發出警示。

Description

飛輪車騎乘動作的感測與回饋系統及其方法

本發明係有關於一種飛輪車騎乘動作的感測與回饋系統及其方法。

飛輪車(spinning bike)運動中，使用者往往為了挑戰自我極限，將阻力調整過大，在過長的運動時間內超出自己肌肉所能承受的力量，導致身體必須使用其他部位的肌肉進行代償，而在不良的姿勢下進行運動，因此造成了運動傷害。

在現有的技術中的運動回饋裝置，僅能在使用者發生不良姿勢時給予警告，且僅提供單一的偵測閥值，當偵測閥值設置過低時容易因頻繁發送的警示影響訓練的情況，而偵測閥值設置過高時則使得運動傷害發生的機會增加，導致使用者在沒有專門人員協助時，難以進行自我訓練的窘境。

本發明係有關於一種飛輪車騎乘動作的感測與回饋系統及其方法，藉由分析使用者的多個歷史紀錄，達到提前預測並發出警示的效果。

根據本發明揭露內容的一實施例，提供一種飛輪車騎乘動作的感測與回饋系統，包含：至少一影像感測器，設置於一使用者與該使用者騎乘之飛輪車的後方，用以偵測該使用者的多個下肢關節點；一儲存裝置，儲存該使 用者的多個歷史紀錄；一處理器，根據該些下肢關節點的偵測記錄，計算該飛輪車的車輪的轉速，再根據該飛輪車的車輪的該轉速、飛輪車的車輪的轉動阻力、以及該使用者的騎乘時間，計算該使用者的一功率消耗，其中該處理器更包含一分析模型，該分析模型根據該使用者的該些歷史紀錄，分析得出多個功率閥值，該處理器並比較該功率消耗與該些功率閥值；一警示器，當該功率消耗接近該些功率閥值的其中之一時，發出警示。

根據本發明揭露內容的一實施例，提供一種飛輪車騎乘動作的感測與回饋方法，包含：偵測騎乘於飛輪車的一使用者的多個下肢關節點；根據該些下肢關節點的偵測記錄，計算該飛輪車的車輪的轉速；根據該飛輪車的車輪的該轉速、該飛輪車的車輪的轉動阻力、以及該使用者的騎乘時間，計算該使用者的一功率消耗；利用一分析模型，根據該使用者的多個歷史紀錄，分析得出多個功率閥值；比較該功率消耗與該些功率閥值，當該功率消耗接近該些功率閥值的其中之一時，即發出警示。

1:飛輪車騎乘動作的感測與回饋系統

2:輸入裝置

10:影像感測器

20:儲存裝置

30:處理器

40:警示器

S:飛輪車

U:使用者

R:後方區域

L:下肢關節點

H:髖關節點

K:膝關節點

A:踝關節點

100、200、300、400、500:步驟

T1、T2、T3:歪斜門檻值

P1、P2、P3、P4、P5:功率閥值

第1圖繪示本發明一實施例之飛輪車騎乘動作的感測與回饋系統的示意圖。

第2圖繪示本發明一實施例之飛輪車騎乘動作的感測與回饋系統的應用示意圖。

第3圖繪示本發明一實施例中偵測之下肢關節點的示意圖。

第4圖繪示本發明一實施例之飛輪車騎乘動作的感測與回饋系統的流程圖。

第5圖繪示本發明一實施例中的使用者歷史紀錄之一的示意圖。

第6圖繪示第5圖中的使用者歷史紀錄進行對比放大程序後的示意圖。

第7圖繪示第6圖中的使用者歷史紀錄進行雜訊濾除程序後的示意圖。

以下係參照所附圖式詳細敘述本發明之實施例。圖式中相同的標號係用以標示相同或類似之部分。需注意的是，圖式係已簡化以利清楚說明實施例之內容，圖式上的尺寸比例並非按照實際比例繪製，因此並非作為限縮本發明保護範圍之用。

第1圖繪示本發明一實施例之飛輪車騎乘動作的感測與回饋系統1的示意圖。感測與回饋系統1包含影像感測器10、儲存裝置20、處理器30、以及警示器40。在使用者騎乘飛輪車進行運動時，影像感測器10偵測使用者的多個下肢關節點L，並將偵測結果傳送至處理器30進行運算處理，以獲得使用者在騎乘飛輪車進行運動時，該飛輪車的車輪的轉速。處理器30再從外部的輸入裝置2接收飛輪車的車輪的轉動阻力，以根據飛輪車的車輪的轉速與轉動阻力、以及使用者的運動時間，計算使用者的功率消耗。處理器30再根據儲存裝置20所儲存的使用者歷史紀錄進行運算分析，以獲得多個功率閥值。處理器30依據使用者的功率消耗與該些功率閥值進行比較，當使用者的功率消耗與該些功率閥值的其中之一接近時，則透過警示器40發出警示。功率消耗(K)的計算例如可依據公式

進行計算，其中I為轉動慣量，w為轉動速度(rpm,revolution per minute)，轉動慣量又可依據I=k * M * R²計算得出，其中M為飛輪車的車輪的質量，R為飛輪車的車輪的半徑，k為慣量常數，依據飛輪車的輪胎外型、以及轉動阻力的設定會有大小不同的差異。

其中，影像感測器10在每一時間間隔對使用者的多個下肢關節點L進行偵測，時間間隔可由使用者自行調整，例如是1秒。使用者的每一個歷史紀錄中，包含多個消耗功率對應於歪斜角度之紀錄，該歪斜角度為使用者騎乘飛輪車時，所偵測到的下肢關節點Y相較於正常運動狀態的下肢關節點位置的偏移角度，正常運動狀態的下肢關節點位置可由使用者進行設定、或是由影像感測器10自動偵測使用者騎乘飛輪車前靜止時之下肢關節點位置，以進行設定。使用者歷史紀錄中紀錄的各個歪斜角度，可以根據至少一歪斜門檻值，用以判斷使用者騎乘飛輪機時的歪斜程度，例如，當歪斜角度為15度時為輕度歪斜、當歪斜角度為30度時為中度歪斜、以及當歪斜角度為45度時為重度歪斜。其中，歪斜門檻值的設定可根據使用者的需求進行個別調整，故本發明並不以本實施例之揭露為限。

如前段所述，使用者的每一個歷史紀錄中，包含多個消耗功率對應於歪斜角度之紀錄，處理器30將使用者的歷史紀錄之一與多個歪斜門檻值比對後，即可得出使用者在該次歷史紀錄中，發生輕度歪斜、中度歪斜、以及重度歪斜時所進行的功率消耗，並進行標記。處理器30包含一分析模型，將使用者的每一筆歷史紀錄統合分析，以獲得多個功率閥值，該些功率閥值分別代表了使用者在達到多少的消耗功率後，容易密集發生輕度歪斜、中度歪斜、以及重度歪斜的狀況。其中，該分析模型例如是基於一卷積神經網路(Convolutional Neural Network，CNN)模型。

在本實施例中，處理器30可更包含一對比放大模組與一雜訊濾除模組，用來對使用者的歷史紀錄進行一前處理程序。儲存裝置20可更包含至少一預設功率閥值，當使用者初次使用本發明之感測與回饋系統1，使用者的歷史 紀錄為空白時，處理器30可根據預設功率閥值與功率消耗的比較結果，在功率消耗接近預設功率閥值時，透過警示器40發出警示。

在本實施例中，輸入裝置2設置於飛輪車上，輸入裝置2直接將飛輪車的車輪被設定的轉動阻力，透過無線傳輸的方式，提供給感測與回饋系統1的處理器30，以降低運算誤差。在其他實施例中，輸入裝置2也可以例如是鍵盤、PDA、手機、或是任何感測裝置，透過無線或是有線的方式，連接至本發明之感測與回饋系統1，以感測或直接輸入的方式，傳輸飛輪車的車輪的轉動阻力以供本發明之飛輪車騎乘動作的感測與回饋系統1進行運算分析，本發明並不以此實施例揭露內容為限。

在本實施例中，感測與回饋系統1中儲存裝置20、處理器30、以及警示器40整合於單一的實體裝置中，例如是手機，影像感測器10則透過無線傳輸的方式連接至儲存裝置20、處理器30、以及警示器40。在其他實施例中，影像感測器10、儲存裝置20、處理器30、以及警示器40也可全部整合於單一的實體裝置，或是分別設置於不同的實體位置，再透過無線或有線的方式進行連接，本發明並不以此實施例揭露內容為限。

在本實施例中，警示器40是手機中的揚聲器，但在其他實施例中，警示器40也可以例如是鈴鐺、發光元件、震動元件、或是任何能發出信號給使用者以達到警示效果的裝置，故本發明並不以此實施例揭露內容為限。

第2圖繪示本發明一實施例之飛輪車騎乘動作的感測與回饋系統1的應用示意圖。當使用者U騎乘於飛輪機S進行運動時，感測與回饋系統1的影像感測器10則設置於飛輪機S的後方區域R，以偵測使用者的多個下肢關節點L。飛輪機S的後方區域R不限制於飛輪機S的正後方，任何在飛輪機S側後方且便於 偵測騎乘於飛輪機S的使用者U的多個下肢關節點L的位置，均可歸類為飛輪機S的後方區域R。在本實施例中，影像感測器10的數量為1個，設置於使用者U騎乘的飛輪機S的正後方。在其他實施例中，影像感測器10的數量也可以是複數個，同時設置在後方區域R的任何位置，以利由不同的角度進行偵測，故本發明並不以此實施例揭露內容為限。

第3圖繪示本發明一實施例中偵測之下肢關節點L的示意圖。在本實施例中，下肢關節點L至少包含髖關節點H，並可更包含膝關節點K與踝關節點A。在其他實施例中，下肢關節點L還可更包含足尖點(未繪示)，故本發明並不以此實施例揭露內容為限。本發明之感測與回饋系統1的影像感測器10偵測下肢關節點L的運動軌跡並傳送至處理器30，處理器30除了可根據偵測紀錄計算出飛輪機S的車輪的轉速，也可根據偵測紀錄，判斷使用者U騎乘飛輪機S時是否有發生動作歪斜的狀況。

第4圖繪示本發明一實施例之飛輪車騎乘動作的感測與回饋方法流程圖。首先，在步驟100中，偵測騎乘於飛輪車的一使用者的多個下肢關節點Y。接著，在步驟200中，根據下肢關節點Y的偵測紀錄，計算飛輪車的車輪之轉速。然後，在步驟300中，根據飛輪車的車輪之轉速與飛輪車的車輪之阻力，計算使用者的功率消耗。進而在步驟400中，利用一分析模型，根據使用者的多個歷史紀錄，分析得出多個功率閥值。最後，在步驟500中，比較使用者的功率消耗與多個功率閥值，當使用者的功率消耗接近該些功率閥值的其中之一時，即發出警示。

其中，偵測使用者的多個下肢關節點L在每一時間間隔進行，時間間隔可由使用者自行調整，例如是1秒。使用者的每一個歷史紀錄中，包含多 個消耗功率對應於歪斜角度之紀錄，該歪斜角度為使用者騎乘飛輪車時，所偵測到的下肢關節點Y相較於正常運動狀態的下肢關節點的偏移角度，正常運動狀態的下肢關節點位置可由使用者進行設定、或是根據使用者騎乘飛輪車前靜止時所偵測到之下肢關節點位置，以進行正常運動狀態的下肢關節點位置設定。使用者歷史紀錄中紀錄的各個歪斜角度，可以根據至少一歪斜門檻值，用以判斷使用者騎乘飛輪機時的歪斜程度，例如，當歪斜角度為15度時為輕度歪斜、當歪斜角度為30度時為中度歪斜、以及當歪斜角度為45度時為重度歪斜。其中，歪斜門檻值的設定可根據使用者的需求進行個別調整，故本發明並不以本實施例之揭露為限。

如前段所述，使用者的每一個歷史紀錄中，包含多個消耗功率對應於歪斜角度之紀錄，將使用者的歷史紀錄之一與多個歪斜門檻值比對後，即可得出使用者在該次歷史紀錄中，發生輕度歪斜、中度歪斜、以及重度歪斜時所進行的功率消耗，並進行標記。進而如步驟400中所述，根據一分析模型，將使用者的每一筆歷史紀錄統合分析，以獲得多個功率閥值，該些功率閥值分別代表了使用者在達到多少的消耗功率後，容易密集發生輕度歪斜、中度歪斜、以及重度歪斜的狀況。其中，該分析模型例如是基於一卷積神經網路(Convolutional Neural Network，CNN)模型。

在本實施例中，於步驟400之前，可更包含對使用者的歷史紀錄進行一前處理程序，前處理程序包含一對比放大程序與一雜訊濾除程序。在步驟500中，當使用者初次使用本發明之感測與回饋系統1，使用者的歷史紀錄為空白時，可根據一預設功率閥值與功率消耗的比較結果，在功率消耗接近預設功率閥值時發出警示。

第5圖至第7圖繪示本發明一實施例中的使用者歷史紀錄之一進行前處理程序的示意圖。其中，第5圖繪示本發明一實施例中的使用者歷史紀錄之一的示意圖。在第5圖中，消耗功率在水平軸由左至右增加，歪斜角度在垂直軸由下至上增加，其中，其中，歪斜角度T1設定為輕度歪斜的歪斜角度，歪斜角度T2設定為中度歪斜的歪斜角度，歪斜角度T3設定為重度歪斜的歪斜角度。

第6圖繪示第5圖中的使用者歷史紀錄進行對比放大程序後的示意圖。在進行對比放大程序後，原先在圖5中高於歪斜角度T3的紀錄可較為顯著的被辨認出。第7圖繪示第6圖中的使用者歷史紀錄進行雜訊濾除程序後的示意圖。在進行雜訊濾除程序後，歪斜角度未大於T3的紀錄被濾除。在使用者歷史紀錄完成前處理程序後，僅包含多個消耗功率P1至P5對應於歪斜角度之紀錄。 在本實施例中，前處理程序是以歪斜角度T3為基準進行對比放大與雜訊濾除，在其他實施例中，也可以其他歪斜角度為基準進行濾除，或僅擇一進行雜訊濾除程序與對比放大程序，故本發明之感測與回饋方法不以本實施例之揭露為限。

綜上所述，本發明所提供之飛輪車騎乘運動的感測與回饋方法，藉由整合分析使用者的多個歷史紀錄，能有效得出符合使用者體能狀態的多個功率閥值，並在使用者進行飛輪車騎乘運動消耗功率接近各功率閥值時發出警示提醒，以達到提前警示以預防運動傷害發生的效果。

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。本發明所屬技術領域中具有通常知識者，在不脫離本發明之精神和範圍內，當可作各種之更動與潤飾。因此，本發明之保護範圍當視後附之申請專利範圍所界定者為準。

1:飛輪車騎乘動作的感測與回饋系統

2:輸入裝置

10:影像感測器

20:儲存裝置

30:處理器

40:警示器

Claims (17)

1. 一種飛輪車騎乘動作的感測與回饋系統，包含：至少一影像感測器，設置於一使用者與該使用者騎乘之飛輪車的後方，用以偵測該使用者的多個下肢關節點；一儲存裝置，儲存該使用者的多個歷史紀錄；一處理器，根據該些下肢關節點的偵測記錄，計算該飛輪車的車輪之轉速，再根據該飛輪車的車輪的該轉速、該飛輪車的車輪的轉動阻力、以及該使用者的騎乘時間，計算該使用者的一功率消耗，其中該處理器更包含一分析模型，該分析模型根據該使用者的該些歷史紀錄，分析得出多個功率閥值，該處理器並比較該功率消耗與該些功率閥值；以及一警示器，當該功率消耗接近該些功率閥值的其中之一時，發出警示。
2. 如請求項1所述之飛輪車騎乘動作的感測與回饋系統，連接於一輸入裝置，用以接收該飛輪車的車輪的該轉動阻力。
3. 如請求項1所述之飛輪車騎乘動作的感測與回饋系統，其中該使用者的每一該些歷史紀錄包含多個消耗功率對應於歪斜角度之紀錄。
4. 如請求項3所述之飛輪車騎乘動作的感測與回饋系統，其中該歪斜角度根據至少一歪斜門檻值，用以判斷該使用者的歪斜程度。
5. 如請求項4所述之飛輪車騎乘動作的感測與回饋系統，其中該些功率閥值根據該歷史紀錄中，密集發生該歪斜角度大於該至少一歪斜門檻值之功率值進行設定。
6. 如請求項1所述之飛輪車騎乘動作的感測與回饋系統，其中該處理器更包含一對比放大模組與雜訊濾除模組，用以對該使用者的該些歷史紀錄進行一前處理程序。
7. 如請求項1所述之飛輪車騎乘動作的感測與回饋系統，其中該些下肢關節點至少包含髖關節點，並可更包含膝關節點、踝關節點、或足尖點。
8. 如請求項1所述之飛輪車騎乘動作的感測與回饋系統，其中該儲存裝置更儲存至少一預設功率閥值，當該使用者的歷史紀錄為空白時，該警示器比較該功率消耗與該至少一預設功率閥值，以發出該警示。
9. 如請求項1所述之飛輪車騎乘動作的感測與回饋系統，其中該分析模型係基於一卷積神經網路(Convolutional Neural Network，CNN)模型。
10. 一種飛輪車騎乘動作的感測與回饋方法，包含：偵測騎乘於飛輪車的一使用者的多個下肢關節點；根據該些下肢關節點的偵測記錄，計算該飛輪車的車輪之轉速；根據該飛輪車的車輪的該轉速、該飛輪車的車輪的轉動阻力、以及該使用者的騎乘時間，計算該使用者的一功率消耗；利用一分析模型，根據該使用者的多個歷史紀錄，分析得出多個功率閥值；比較該功率消耗與該些功率閥值；以及當該功率消耗接近該些功率閥值的其中之一時，發出警示。
11. 如請求項10所述之飛輪車騎乘動作的感測與回饋方法，其中該使用者的每一該些歷史紀錄包含多個消耗功率對應於歪斜角度之紀錄。
12. 如請求項11所述之飛輪車騎乘動作的感測與回饋方法，其中該歪斜角度根據至少一歪斜門檻值，用以判斷該使用者的歪斜程度。
13. 如請求項12所述之飛輪車騎乘動作的感測與回饋方法，其中該些功率閥值根據該歷史紀錄中，密集發生該歪斜角度大於該至少一歪斜門檻值之功率值進行設定。
14. 如請求項10所述之飛輪車騎乘動作的感測與回饋方法，在計算該些功率閥值之前，更包含對該些歷史紀錄進行一前處理程序，該前處理程序包含一對比放大程序與雜訊濾除程序。
15. 如請求項10所述之飛輪車騎乘動作的感測與回饋方法，其中該些下肢關節點至少包含髖關節點，並可更包含膝關節點、踝關節點、或足尖點。
16. 如請求項10所述之飛輪車騎乘動作的感測與回饋方法，其中當該使用者的歷史紀錄為空白時，比較該功率消耗與至少一預設功率閥值，以發出該警示。
17. 如請求項10所述之飛輪車騎乘動作的感測與回饋方法，其中該分析模型係基於一卷積神經網路(Convolutional Neural Network，CNN)模型。

Images