TWI730500B - 運動輔助裝置及運動輔助方法 - Google Patents

運動輔助裝置及運動輔助方法 Download PDF

Info

Publication number
TWI730500B
TWI730500B TW108141208A TW108141208A TWI730500B TW I730500 B TWI730500 B TW I730500B TW 108141208 A TW108141208 A TW 108141208A TW 108141208 A TW108141208 A TW 108141208A TW I730500 B TWI730500 B TW I730500B
Authority
TW
Taiwan
Prior art keywords
action
exercise
follow
suggestion
target value
Prior art date
Application number
TW108141208A
Other languages
English (en)
Other versions
TW202119285A (zh
Inventor
盧嘉昱
任上鳴
Original Assignee
財團法人資訊工業策進會
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by 財團法人資訊工業策進會 filed Critical 財團法人資訊工業策進會
Priority to TW108141208A priority Critical patent/TWI730500B/zh
Priority to CN201911164257.XA priority patent/CN112791367A/zh
Priority to US16/705,185 priority patent/US11547904B2/en
Publication of TW202119285A publication Critical patent/TW202119285A/zh
Application granted granted Critical
Publication of TWI730500B publication Critical patent/TWI730500B/zh

Links

Images

Classifications

    • 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
    • G09B19/0038—Sports
    • 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
    • A63B71/00—Games or sports accessories not covered in groups A63B1/00 - A63B69/00
    • A63B71/06—Indicating or scoring devices for games or players, or for other sports activities
    • A63B71/0619—Displays, user interfaces and indicating devices, specially adapted for sport equipment, e.g. display mounted on treadmills
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
    • G06V10/443—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components by matching or filtering
    • G06V10/449—Biologically inspired filters, e.g. difference of Gaussians [DoG] or Gabor filters
    • G06V10/451—Biologically inspired filters, e.g. difference of Gaussians [DoG] or Gabor filters with interaction between the filter responses, e.g. cortical complex cells
    • G06V10/454—Integrating the filters into a hierarchical structure, e.g. convolutional neural networks [CNN]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/20—Movements or behaviour, e.g. gesture recognition
    • G06V40/23—Recognition of whole body movements, e.g. for sport training
    • 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
    • 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
    • A63B2024/0009—Computerised real time comparison with previous movements or motion sequences of 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
    • A63B24/0003—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
    • 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
    • A63B2024/0081—Coaching or training aspects related to a group of users
    • A—HUMAN NECESSITIES
    • A63—SPORTS; GAMES; AMUSEMENTS
    • A63B—APPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
    • A63B71/00—Games or sports accessories not covered in groups A63B1/00 - A63B69/00
    • A63B71/06—Indicating or scoring devices for games or players, or for other sports activities
    • A63B71/0619—Displays, user interfaces and indicating devices, specially adapted for sport equipment, e.g. display mounted on treadmills
    • A63B2071/0647—Visualisation of executed movements
    • 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
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/20—Movements or behaviour, e.g. gesture recognition
    • G06V40/23—Recognition of whole body movements, e.g. for sport training
    • G06V40/25—Recognition of walking or running movements, e.g. gait recognition

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Business, Economics & Management (AREA)
  • Multimedia (AREA)
  • Software Systems (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Physical Education & Sports Medicine (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Educational Technology (AREA)
  • Educational Administration (AREA)
  • Computing Systems (AREA)
  • Medical Informatics (AREA)
  • Human Computer Interaction (AREA)
  • Databases & Information Systems (AREA)
  • Psychiatry (AREA)
  • Social Psychology (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Biomedical Technology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Molecular Biology (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
  • Rehabilitation Tools (AREA)
  • Electrically Operated Instructional Devices (AREA)

Abstract

一種運動輔助裝置及運動輔助方法。該裝置執行以下運作：傳送一第一控制訊號，該控制訊號與對應一運動課程資料之一動作示範影片相關；接收一使用者的一影像串流；分析該影像串流，以產生該使用者對應該運動課程資料之一動作辨識結果，且依據該動作辨識結果及該運動課程資料判斷是否符合對應該動作之一動作完成目標值；當判斷未符合該動作完成目標值時，將該動作辨識結果及該動作完成目標值輸入一專家建議模型，以產生一後續動作建議以及決定對應該後續動作建議之一後續動作示範影片。

Description

運動輔助裝置及運動輔助方法
本發明係關於一種運動輔助裝置及運動輔助方法。更具體而言，本發明係關於透過運動輔助裝置來輔助使用者進行運動訓練的方法。
近年來，運動的風氣愈來愈盛行，人們對於運動的各種需求更加重視，市面上各種用來輔助使用者進行自我運動訓練的應用程式及訓練課程相繼的被推出。然而，一般市面上所推出的應用程式及訓練課程，通常僅具有制式化的固定課程，例如：僅提供使用者每日或每周運動的固定訓練課程，而沒有根據使用者在運動當時的訓練狀況作即時的分析，因此無法立即的給予使用者訓練建議或是更換訓練課程。
舉例而言，在目前的輔助運動機制下，可由應用程式提供運動陪練影片(例如：舉啞鈴動作的教學影片)以輔助使用者進行訓練，但是當使用者在訓練過程中發生運動中斷、體力不濟、動作姿勢錯誤、達不到運動課程的要求時(例如：10公斤的啞鈴單手舉10次)，應用程式無法根據這樣的狀況進行即時調整(例如：及時更換課程、暫停影片或者提出專業建議)，由於使用者需要自行判斷自身運動狀況，而使用者通常不具有專業的判斷標準，無法確保使用者有正確的完成訓練動作及達到訓練目標，因而降低了使用者訓練的效率。
再者，即便有一些應用程式能夠即時的分析使用者狀況，但其仍需要使用者穿戴式感測器以收集使用者的肢體動作數據，而不同的訓練課程更需要更換不同類型的穿戴式感應器，因此對於使用者的運動訓練會造成限制及不方便，仍無法有效地輔助使用者完成訓練。
有鑑於此，如何提供一種能夠在不需要穿戴式感測器的情況下，根據使用者運動狀況即時產生後續動作建議及後續動作示範影片以提供使用者運動輔助的技術，乃業界亟需努力之目標。
本發明之一目的在於提供一種運動輔助裝置。該運動輔助裝置包含一收發介面、一儲存器及一處理器，該處理器電性連接至該儲存器及該收發介面。該儲存器，儲存一使用者之一運動課程資料、複數個動作示範影片及一專家建議模型，其中該運動課程資料包含一動作及對應該動作之一動作完成目標值，且該運動課程資料對應該等動作示範影片其中之一。該處理器傳送一第一控制訊號，該控制訊號與對應該運動課程資料之該動作示範影片相關。該處理器接收該使用者的一影像串流。該處理器分析該影像串流，以產生該使用者對應該運動課程資料之一動作辨識結果，且依據該動作辨識結果及該運動課程資料判斷是否符合對應該動作之該動作完成目標值。該處理器當判斷未符合該動作完成目標值時，將該動作辨識結果及該動作完成目標值輸入該專家建議模型，以產生一後續動作建議以及決定對應該後續動作建議之一後續動作示範影片，其中該後續動作示範影片是該等動作示範影片其中之一。
本發明之另一目的在於提供一種運動輔助方法，該運動輔助 方法用於一電子裝置，該電子裝置包含一收發介面、一儲存器及一處理器。該儲存器儲存一使用者之一運動課程資料、複數個動作示範影片及一專家建議模型，其中該運動課程資料包含一動作及對應該動作之一動作完成目標值，且該運動課程資料對應該等動作示範影片其中之一。該運動輔助方法由該處理器所執行，且包含下列步驟：傳送一第一控制訊號，該控制訊號與對應該運動課程資料之該動作示範影片相關；接收該使用者的一影像串流；分析該影像串流，以產生該使用者對應該運動課程資料之一動作辨識結果，且依據該動作辨識結果及該運動課程資料判斷是否符合對應該動作之該動作完成目標值；當判斷未符合該動作完成目標值時，將該動作辨識結果及該動作完成目標值輸入該專家建議模型，以產生一後續動作建議，以及決定對應該後續動作建議之一後續動作示範影片，其中該後續動作示範影片是該等動作示範影片其中之一。
本發明所提供之運動輔助技術(至少包含裝置及方法)，基於使用者的運動課程資料，提供給使用者對應該運動課程資料的動作示範影片，並在接收使用者在運動的影像串流後，自動的分析該影像串流以產生動作辨識結果，且依據該動作辨識結果及該運動課程資料判斷是否符合對應該動作之該動作完成目標值。並在判斷該動作辨識結果未符合該動作完成目標值時，將該動作辨識結果及該動作完成目標值輸入專家建議模型，以產生一後續動作建議以及決定對應該後續動作建議之一後續動作示範影片。且本發明能夠在不需要穿戴式感測器情形下，解決習知技術無法即時分析使用者狀況並提供即時調整的問題，且能有效地輔助使用者完成訓練。
以下結合圖式闡述本發明之詳細技術及實施方式，俾使本發 明所屬技術領域中具有通常知識者能理解所請求保護之發明之技術特徵。
1‧‧‧運動輔助裝置
3‧‧‧使用者
5‧‧‧顯示螢幕
7‧‧‧影像擷取裝置
11‧‧‧收發介面
13‧‧‧儲存器
15‧‧‧處理器
101‧‧‧動作示範影片
103‧‧‧影像串流
105‧‧‧後續動作建議
107‧‧‧後續的動作示範影片
S201~S207‧‧‧步驟
S301~S311‧‧‧步驟
第1A圖係描繪第一實施方式之運動輔助裝置的應用場景的示意圖；
第1B圖係描繪第一實施方式之運動輔助裝置之架構示意圖；
第2圖係描繪第二實施方式之運動輔助方法之部分流程圖；以及
第3圖係描繪某些實施方式所會執行之方法之部分流程圖。
以下將透過實施方式來解釋本發明所提供之一種運動輔助裝置及運動輔助方法。然而，該等實施方式並非用以限制本發明需在如該等實施方式所述之任何環境、應用或方式方能實施。因此，關於實施方式之說明僅為闡釋本發明之目的，而非用以限制本發明之範圍。應理解，在以下實施方式及圖式中，與本發明非直接相關之元件已省略而未繪示，且各元件之尺寸以及元件間之尺寸比例僅為例示而已，而非用以限制本發明之範圍。
先說明本發明運動輔助裝置的應用場景，其示意圖係描繪於第1A圖。於本實施方式中，運動輔助裝置1透過有線網路或是無線網路與複數個外部裝置連線，例如：顯示螢幕5、影像擷取裝置7、喇叭(未繪示)等裝置。於某些實施方式中，顯示螢幕5及影像擷取裝置7可為同一個裝置，例如：智慧型手機。於某些實施方式中，運動輔助裝置1、顯示螢幕5及影像擷取裝置7亦可整合至同一裝置中，第1A圖僅方便作為例示，本發明並未限制 運動輔助裝置1的內容。需說明者，本發明並未限制與運動輔助裝置1所連線的外部裝置之數目。舉例而言，運動輔助裝置1可同時與多個顯示螢幕及多個影像擷取裝置透過網路連線，視該運動輔助裝置1之規模及實際需求而定。
在本發明的使用情境中，使用者3正準備進行運動課程時，運動輔助裝置1可以事先已經儲存使用者3欲進行的運動課程資料，運動輔助裝置1與顯示螢幕5連線，並提供使用者3關於運動的相關輔助資訊(例如：動作示範影片101)，並且可與使用者3進行互動，影像擷取裝置7則用於產生使用者3的影像串流103，並將影像串流103回傳給運動輔助裝置1進行分析。
本發明之第一實施方式為一運動輔助裝置1，其架構示意圖係描繪於第1B圖。運動輔助裝置1包含一收發介面11、一儲存器13及一處理器15，且處理器15電性連接至收發介面11及儲存器13。收發介面11為一可接收及傳輸資料之介面或本發明所屬技術領域中具有通常知識者所知悉之其他可接收及傳輸資料之介面。於本實施方式中，收發介面11作為與複數個外部裝置(例如：顯示螢幕5、影像擷取裝置7)的資訊溝通媒介，收發介面11用以接收與發送例如：控制訊號、動作示範影片、使用者的影像串流、後續動作建議、後續動作示範影片等等資訊，具體的細節將於後段說明。
儲存器13可為一記憶體、一通用串列匯流排(Universal Serial Bus；USB)碟、一硬碟、一光碟、一隨身碟或本發明所屬技術領域中具有通常知識者所知且具有相同功能之任何其他儲存媒體或電路。於本實施方式中，儲存器13儲存使用者3之一運動課程資料(未繪示)、複數個動作示範影片(未繪示)及一專家建議模型(未繪示)，其中該運動課程資料包含一 動作及對應該動作之一動作完成目標值，且該運動課程資料對應該等動作示範影片其中之一。
舉例而言，使用者3的運動課程資料可包含多個運動課程，每一個運動課程可以包含多個動作，例如：彎舉啞鈴、肩推啞鈴、肩推槓鈴、臥推槓鈴等等動作，且各個動作對應至一動作完成目標值。各該動作完成目標值為對應各該運動課程的訓練目標，例如：啞鈴10公斤肩推10下、槓鈴20公斤前平舉10下、啞鈴30公斤彎舉15下等等目標值，各該動作完成值可為專業教練所制定的標準，茲不贅言。
在本實施方式中，處理器15可為各種處理器、中央處理單元、微處理器、數位訊號處理器或本發明所屬技術領域中具有通常知識者所知之其他計算裝置。於某些實施方式中，運動輔助裝置1可單獨的被設置，或是將運動輔助裝置1整合至顯示螢幕等等外部裝置中，本發明未限制其內容。
為便於理解，以下段落將以運動課程資料包含一動作及對應該動作之一動作完成目標值進行說明。本領域具有通常知識者應可據以下內容理解當運動課程資料包含多個動作時的內容，茲不贅言。
在本實施方式中，運動輔助裝置1提供了各個運動課程對應之動作示範影片，動作示範影片可以提供使用者3了解每一個動作的運動姿勢及實際操作的方法，以輔助使用者進行動作的模仿且避免運動傷害的發生，而該動作示範影片可由虛擬教練影像(例如：Avatar)或是實際的教練預先錄影所產生。需說明者，運動課程資料可能更包含其他相關資訊，例如：使用者過去訓練之歷史資料、該使用者對於該教材內容或課程之表現等等 相關資訊，茲不贅言。
先說明本實施方式的整體運作請參考第1圖。首先，由使用者3在啟動使用者的運動課程資料時，運動輔助裝置1先傳送動作示範影片101至顯示螢幕5給使用者3觀看，且使用者3基於該動作示範影片101進行相應動作。接著，運動輔助裝置1自影像擷取裝置7接收使用者3的影像串流103，影像串流103紀錄使用者3動作之影像。最後，運動輔助裝置1分析影像串流103以產生後續動作建議105，且產生後續的動作示範影片107，將後續動作建議105及後續的動作示範影片107傳送至顯示螢幕5，以適性化的調整使用者3的運動課程，提高運動的效率，以下將詳述每個運作的具體細節。
接著說明運動輔助裝置1的具體運作，請參考第1A圖及第1B圖。首先，處理器15傳送一第一控制訊號，該控制訊號與對應該運動課程資料之該動作示範影片101相關。舉例而言，當使用者3準備進行訓練時，處理器15可根據儲存於儲存器13的運動課程資料(例如：啞鈴10公斤肩推10下的動作)，選擇對應該運動課程資料的動作示範影片，並傳送動作示範影片至顯示螢幕5，由使用者3依據顯示螢幕5的內容進行操作。
須說明者，運動輔助裝置1可自外部裝置(例如：智慧型手機、平板、或其他電腦終端裝置等等)接收使用者3的運動課程資料。亦可在使用者3第一次使用運動輔助裝置1進行相關課程訓練時，由運動輔助裝置1先對使用者3進行相關檢測，以評估使用者3的程度，再決定該運動課程資料。舉例而言，處理器15可透過一肌力反覆最大值評估法(Repetition of Maximum；RM)，提供一設計過的基本測試項目(例如：肩推20公斤15下)，由使用者3進行試作，影像擷取裝置7接收使用者3的試作的影像串流103，再 由處理器15分析試做的影像串流以判斷使用者3對於測試項目的實際完成值(例如：使用者3僅能完成10下)，並基於該等動作的實際完成值決定使用者3的運動課程資料。於某些實施方式中，使用者3具有自己的個人檔案(例如：過去訓練資料)，運動輔助裝置1可根據過去訓練資料決定使用者3的運動課程資料。
接著，運動輔助裝置1接收使用者3進行運動的影像串流103以進行分析，並根據影像串流103判斷使用者3對應於該動作的完成度(例如，解析影像串流103後判斷使用者3的實際完成的動作姿勢或次數是否符合該動作完成目標值)。具體而言，處理器15自外部裝置(例如：影像擷取裝置7)接收影像串流103，影像串流103是影像擷取裝置7所產生的使用者3進行該動作的影片。隨後，處理器15分析影像串流103，以產生使用者3對應該運動課程資料之一動作辨識結果，且依據該動作辨識結果及該運動課程資料判斷是否符合對應該動作之該動作完成目標值。
舉例而言，處理器15產生該動作辨識結果可透過即時動作辨識技術(例如：Zhe Cao等人於2018年提出的論文「Realtime Multi-Person 2D Pose Estimation using Part Affinity Fields」)產生人體姿勢分析，並可透過諸如BiLSTM(Bi-directional Long Short-Term Memory)、Attention神經網路及遞迴神經網路等技術，由處理器15辨識影像串流103中使用者3的一肢體動作及一動作次數，以產生該動作辨識結果(例如：辨識使用者3的肢體動作是肩推啞鈴，且動作次數為8次)。
於某些實施方式中，由於某些運動課程除了動作外更包含使用的器材荷重(例如：使用者操作多少重量的啞鈴)。因此，處理器15於執 行分析影像串流103時，除了判斷動作辨識結果，更判斷使用者3進行動作時所使用的物件，以產生對應該動作之一物件辨識結果，並基於該物件辨識結果、該動作辨識結果及該運動課程資料，判斷該使用者3對應該運動課程資料的動作是否符合該動作完成目標值。
具體而言，產生該物件辨識結果可由處理器15透過區域候選網路(Region Proposal Networks；RPN)技術，先對於影像串流103中的手部物件定位，並進行影像切割，以產生對應影像串流103的手部物件影像。接著，處理器15可透過物件辨識技術(例如：Google提供的物件辨識分類器(Object Detection API))，辨識該手部物件影像的一器材種類及一荷重，以產生該物件辨識結果。舉例而言，處理器15可透過前述物件辨識技術，辨識影像串流103中的使用者操作的器材種類為啞鈴，且荷重為20公斤。
接著，當處理器15判斷未符合該動作完成目標值時(例如：僅達到80%次數的該動作完成目標值)，處理器15將該動作辨識結果及該動作完成目標值輸入該專家建議模型，以產生一後續動作建議以及決定對應該後續動作建議之一後續動作示範影片，其中該後續動作示範影片是該等動作示範影片其中之一。
舉例而言，在使用者3進行10公斤啞鈴肩推10次的動作的運動課程後，處理器15根據該動作辨識結果判斷使用者3僅完成了8次，處理器15在將該動作辨識結果及該動作完成目標值輸入該專家建議模型後，專家建議模型可以提供在目前情形下適合使用者3的多個後續動作建議(例如：暫停、放棄訓練、維持課程、休息、改練其他肌群、改練同肌群其他動作、換輕一點重量、換重一點重量等等的動作建議)，並根據該後續動作建議產 生後續動作示範影片。例如，當處理器15判斷使用者3已經明顯達不到目標值，此時專家建議模型產生的後續動作建議可能為「休息」或是更換其他和緩的動作，處理器15可因此產生後續動作示範影片如「伸展」。
又舉例而言，在使用者3進行啞鈴10公斤肩推10次的動作的運動課程後，處理器15根據該動作辨識結果判斷使用者3完成了12次，由於處理器15判斷使用者3已經明顯超越目標值，此時專家建議模型產生的後續動作建議可能為「改練其他肌群」及「換重一點重量」，處理器15因此產生後續動作示範影片如「槓鈴20公斤臥推15下」。
在某些實施方式中，處理器15在將該動作辨識結果及該動作完成目標值輸入該專家建議模型後，專家建議模型可進一步提供在目前情形下適合使用者3的多個後續動作建議及對應各該後續動作建議的出現機率(例如：建議使用者休息的機率是75%)。接著，處理器15根據該專家建議模型所產生的各該後續動作建議所對應的出現機率進行排序，推薦前n個出現機率最大的後續動作建議給該使用者(例如：出現機率排序前三個的後續動作建議)，其中n為一正整數。
須說明者，該專家建議模型是根據收集大量的樣本，例如：自各個專業教練或是相關研究機構，收集複數個樣本運動課程資料、對應各該樣本運動課程資料的一動作評估及一教練建議等等的相關數據，並透過深度學習或機器學習其中之一所建立，例如：Attention網路及卷積網路。需說明者，專家建議模型可由運動輔助裝置1本身建置並訓練，亦可自外部裝置直接接收訓練完的專家建議模型，所屬領域具有通常知識者可根據前述的內容，理解專家建議模型的內容及其建置方式，茲不贅言。
於某些實施方式中，運動輔助裝置1更進一步根據使用者3過去的訓練紀錄來計算完成目標值的達成比率，以更精準的評估使用者3的身體狀況，並提供更適當的後續動作建議及後續動作示範影片，。具體而言，儲存器13更儲存對應使用者3之歷史紀錄資料，該歷史紀錄資料包含複數個歷史運動課程、對應各該歷史運動課程的該動作完成目標值，且處理器15更用以當判斷未符合該動作完成目標值時，將該動作辨識結果、該歷史紀錄資料及該動作完成目標值輸入該專家建議模型，以產生該後續動作建議以及決定對應該後續動作建議之該後續動作示範影片。
於某些實施方式中，運動輔助裝置1更連接至一顯示螢幕(例如：前述之顯示螢幕5)，在產生後續動作建議以及決定對應該後續動作建議之後續動作示範影片後，運動輔助裝置1過該顯示螢幕播放該後續動作建議以及對應該後續動作建議之該後續動作示範影片，以輔助使用者進行後續訓練。
於某些實施方式中，為了使得運動輔助裝置1可以更貼近使用者需求，運動輔助裝置1更可進一步接收使用者3的回饋資訊(例如：透過具有觸控功能之顯示螢幕5，或是另外建置的麥克風已接收使用者的語音)，並根據該回饋資訊決定後續動作示範影片。具體而言，在接收一使用者回饋後，處理器15將該動作辨識結果、該動作完成目標值、該使用者回饋以及該運動課程資料輸入該專家建議模型，以產生該後續動作建議，且決定對應該後續動作建議之該後續動作示範影片。須說明者，該使用者回饋可由觸控螢幕、語音接收裝置等等產生，該觸控螢幕及語音接收裝置亦可整合於顯示螢幕5或是運動輔助裝置1中，本發明並未限制使用者回饋的形式及其來源。
於某些實施方式中，運動課程資料更包含一具有一順序之動作，該具有該順序之動作至少包含一第一動作及一第二動作，其中該第一動作對應至一第一動作完成目標值及一第一動作示範影片，該第二動作對應至一第二動作完成目標值及一第二動作示範影片。運動輔助裝置1依照該順序播放第一動作示範影片及該第二動作示範影片，但在運動輔助裝置1判斷使用者3未能完成該第一動作完成目標值時，運動輔助裝置1將另外判斷適合的後續動作示範影片取代該第二動作示範影片。
具體而言，首先處理器15先依據該順序傳送該第一控制訊號，其中該第一控制訊號係對應該第一動作示範影片。接著，處理器15接收使用者3的影像串流103，並分析影像串流103，以產生使用者3對應該運動課程資料之該動作辨識結果。。隨後，處理器15依據該動作辨識結果，判斷當該動作是該第一動作時，進而判斷是否符合該第一動作完成目標值。當處理器15判斷未符合該第一動作完成目標值時，將該動作辨識結果及該第一動作完成目標值輸入該專家建議模型，以產生該後續動作建議以及對應該後續動作建議之該後續動作示範影片。最後，處理器15傳送一第二控制訊號，其中該第二控制訊號係對應該後續動作示範影片，以取代原先的第二動作示範影片。
由上述說明可知，本發明所提供的運動輔助裝置1基於使用者3的運動課程資料，提供給使用者3對應該運動課程資料的動作示範影片，並在接收使用者3在運動的影像串流103後，自動的分析影像串流103以產生動作辨識結果，且依據該動作辨識結果及該運動課程資料判斷是否符合對應該動作之該動作完成目標值。並在判斷該動作辨識結果未符合該動作完 成目標值時，將該動作辨識結果及該動作完成目標值輸入專家建議模型，以產生一後續動作建議以及決定對應該後續動作建議之一後續動作示範影片。且本發明能夠在不需要穿戴式感測器情形下，解決習知技術無法即時分析使用者狀況並提供即時調整的問題，且能有效地輔助使用者完成訓練。
本發明之第二實施方式為一運動輔助方法，其流程圖係描繪於第2圖。運動輔助方法用於一電子裝置(例如：第一實施方式所述之運動輔助裝置1)，該電子裝置包含一收發介面、一儲存器及一處理器，該儲存器儲存一使用者之一運動課程資料、複數個動作示範影片及一專家建議模型，其中該運動課程資料包含一動作及對應該動作之一動作完成目標值，且該運動課程資料對應該等動作示範影片其中之一，該運動輔助方法由該處理器所執行。運動輔助方法透過步驟S201至步驟S207產生後續動作建議，以及決定對應該後續動作建議之後續動作示範影片。
於步驟S201，由該電子裝置傳送一第一控制訊號，該控制訊號與對應該運動課程資料之該動作示範影片相關。接著，於步驟S203，由該電子裝置接收該使用者的一影像串流。
隨後，於步驟S205，由該電子裝置分析該影像串流，以產生該使用者對應該運動課程資料之一動作辨識結果，且依據該動作辨識結果及該運動課程資料判斷是否符合對應該動作之該動作完成目標值。
最後，於步驟S207，由該電子裝置當判斷未符合該動作完成目標值時，將該動作辨識結果及該動作完成目標值輸入該專家建議模型，以產生一後續動作建議以及決定對應該後續動作建議之一後續動作示範影片，其中該後續動作示範影片是該等動作示範影片其中之一。
於某些實施方式中，該運動輔助方法在執行分析該影像串流時，更包含以下步驟：產生該對應該動作之一物件辨識結果；以及基於該物件辨識結果、該動作辨識結果及該運動課程資料，判斷該使用者對應該運動課程資料的動作是否符合該動作完成目標值。
於某些實施方式中，該運動輔助方法產生該物件辨識結果係透過下列步驟：切割該影像串流，以產生對應該影像串流的一手部物件影像；以及辨識該手部物件影像的一器材種類及一荷重，以產生該物件辨識結果。
於某些實施方式中，其中該儲存器更儲存對應該使用者之歷史紀錄資料，且該運動輔助方法更包含以下步驟：當判斷未符合該動作完成目標值時，將該動作辨識結果、該歷史紀錄資料及該動作完成目標值輸入該專家建議模型，以產生該後續動作建議以及決定對應該後續動作建議之該後續動作示範影片，其中該歷史紀錄資料包含複數個歷史運動課程、對應各該歷史運動課程的該動作完成目標值。
於某些實施方式中，該運動輔助方法更包含下列步驟：透過一肌力反覆最大值評估法決定對應該動作的動作完成目標值。
於某些實施方式中，該運動輔助方法產生該動作辨識結果係透過下列步驟：辨識該影像串流中使用者的一肢體動作及一動作次數，以產生該動作辨識結果。
於某些實施方式中，更該運動輔助方法包含下列步驟：根據該專家建議模型產生各該後續動作建議所對應之一出現機率；以及根據該等出現機率，推薦前n個出現機率最大的後續動作建議給該使用者，其中n為 一正整數。
於某些實施方式中，該運動輔助方法的中該專家建議模型係由複數個樣本運動課程資料及對應各該樣本運動課程資料的一動作評估及一教練建議，經由一深度學習及一機器學習二者其中之一所建立。
於某些實施方式中，該運動輔助方法的該電子裝置更連接至一顯示螢幕，該運動輔助方法更包含下列步驟：透過該顯示螢幕播放該後續動作建議以及對應該後續動作建議之該後續動作示範影片。
於某些實施方式中，該運動輔助方法的對應該後續動作建議之該後續動作示範影片係由下列步驟產生：接收一使用者回饋；以及將該動作辨識結果、該動作完成目標值、該使用者回饋以及該運動課程資料輸入該專家建議模型，以產生該後續動作建議，且決定對應該後續動作建議之該後續動作示範影片。
於某些實施方式中，該運動輔助方法更包含步驟S301至步驟S311，其中該運動課程資料更包含一具有一順序之動作，該具有該順序之動作至少包含一第一動作及一第二動作，其中該第一動作對應至一第一動作完成目標值及一第一動作示範影片，該第二動作對應至一第二動作完成目標值及一第二動作示範影片。請參第3圖，於步驟S301，由該電子裝置依據該順序傳送該第一控制訊號，其中該第一控制訊號係對應該第一動作示範影片。接著，於步驟S303，由該電子裝置接收該使用者的該影像串流。
隨後，於步驟S305，由該電子裝置分析該影像串流，以產生該使用者對應該運動課程資料之該動作辨識結果。接著，於步驟S307，由該電子裝置依據該動作辨識結果，判斷當該動作是該第一動作時，進而判斷是 否符合該第一動作完成目標值。
隨後，於步驟S309，由該電子裝置當判斷未符合該第一動作完成目標值時，將該動作辨識結果及該第一動作完成目標值輸入該專家建議模型，以產生該後續動作建議以及對應該後續動作建議之該後續動作示範影片。最後，於步驟S311，由該電子裝置傳送一第二控制訊號，其中該第二控制訊號係對應該後續動作示範影片。
除了上述步驟，第二實施方式亦能執行第一實施方式及第二實施方式所描述之運動輔助裝置1之所有運作及步驟，具有同樣之功能，且達到同樣之技術效果。本發明所屬技術領域中具有通常知識者可直接瞭解第二實施方式如何基於上述實施方式以執行此等運作及步驟，具有同樣之功能，並達到同樣之技術效果，故不贅述。
需說明者，於本發明專利說明書及申請專利範圍中，某些用語(包含：控制訊號)前被冠以「第一」或「第二」，該等「第一」及「第二」僅用來區分不同之用語。例如：第一控制訊號及第二控制訊號中之「第一」及「第二」僅用來表示不同階段的控制訊號。
綜上所述，本發明所提供之運動輔助技術(至少包含裝置及方法)，基於使用者的運動課程資料，提供給使用者對應該運動課程資料的動作示範影片，並在接收使用者在運動的影像串流後，自動的分析該影像串流以產生動作辨識結果，且依據該動作辨識結果及該運動課程資料判斷是否符合對應該動作之該動作完成目標值。並在判斷該動作辨識結果未符合該動作完成目標值時，將該動作辨識結果及該動作完成目標值輸入專家建議模型，以產生一後續動作建議以及決定對應該後續動作建議之一後續動 作示範影片。且本發明能夠在不需要穿戴式感測器情形下，解決習知技術無法即時分析使用者狀況並提供即時調整的問題，且能有效地輔助使用者完成訓練。
上述實施方式僅用來例舉本發明之部分實施態樣，以及闡釋本發明之技術特徵，而非用來限制本發明之保護範疇及範圍。任何本發明所屬技術領域中具有通常知識者可輕易完成之改變或均等性之安排均屬於本發明所主張之範圍，而本發明之權利保護範圍以申請專利範圍為準。
S201~S207‧‧‧步驟

Claims (22)

  1. 一種運動輔助裝置，包含：一收發介面；一儲存器，儲存一使用者之一運動課程資料、複數個動作示範影片及一專家建議模型，其中該運動課程資料包含一動作及對應該動作之一動作完成目標值，且該運動課程資料對應該等動作示範影片其中之一；一處理器，電性連接至該儲存器及該收發介面，且執行下列運作：傳送一第一控制訊號，該第一控制訊號與對應該運動課程資料之該動作示範影片相關；接收該使用者的一影像串流；分析該影像串流，以產生該使用者對應該運動課程資料之一動作辨識結果，且依據該動作辨識結果及該運動課程資料判斷是否符合對應該動作之該動作完成目標值；當判斷未符合該動作完成目標值時，將該動作辨識結果及該動作完成目標值輸入該專家建議模型，以產生一後續動作建議以及決定對應該後續動作建議之一後續動作示範影片，其中該後續動作示範影片是該等動作示範影片其中之一。
  2. 如請求項1所述之運動輔助裝置，其中該運動課程資料更包含一具有一順序之動作，該具有該順序之動作至少包含一第一動作及一第二動作，其中該第一動作對應至一第一動作完成目標值及一第一動作示範影片，該第二動作對應至一第二動作完成目標值及一第二動作示範影片，且該處理器更執行下列運作： 依據該順序傳送該第一控制訊號，其中該第一控制訊號係對應該第一動作示範影片；接收該使用者的該影像串流；分析該影像串流，以產生該使用者對應該運動課程資料之該動作辨識結果；依據該動作辨識結果，判斷當該動作是該第一動作時，進而判斷是否符合該第一動作完成目標值；當判斷未符合該第一動作完成目標值時，將該動作辨識結果及該第一動作完成目標值輸入該專家建議模型，以產生該後續動作建議以及對應該後續動作建議之該後續動作示範影片；以及傳送一第二控制訊號，其中該第二控制訊號係對應該後續動作示範影片。
  3. 如請求項1所述之運動輔助裝置，其中在該處理器於執行分析該影像串流時，更包含以下運作：產生該對應該動作之一物件辨識結果；以及基於該物件辨識結果、該動作辨識結果及該運動課程資料，判斷該使用者對應該運動課程資料的動作是否符合該動作完成目標值。
  4. 如請求項3所述之運動輔助裝置，其中該處理器產生該物件辨識結果係透過下列運作：切割該影像串流，以產生對應該影像串流的一手部物件影像；以及辨識該手部物件影像的一器材種類及一荷重，以產生該物件辨識結果。
  5. 如請求項1所述之運動輔助裝置，其中該儲存器更儲存對應該使用者之歷史紀錄資料，且該處理器更用以當判斷未符合該動作完成目標值時，將該動作辨識結果、該歷史紀錄資料及該動作完成目標值輸入該專家建議模型，以產生該後續動作建議以及決定對應該後續動作建議之該後續動作示範影片，其中該歷史紀錄資料包含複數個歷史運動課程、對應各該歷史運動課程的該動作完成目標值。
  6. 如請求項1所述之運動輔助裝置，其中該處理器更執行下列運作：透過一肌力反覆最大值評估法決定對應該動作的動作完成目標值。
  7. 如請求項1所述之運動輔助裝置，其中該處理器產生該動作辨識結果係透過下列運作：辨識該影像串流中使用者的一肢體動作及一動作次數，以產生該動作辨識結果。
  8. 如請求項1所述之運動輔助裝置，其中該處理器更執行下列運作：根據該專家建議模型產生各該後續動作建議所對應之一出現機率；以及根據該等出現機率，推薦前n個出現機率最大的後續動作建議給該使用者，其中n為一正整數。
  9. 如請求項1所述之運動輔助裝置，其中該專家建議模型係由複數個樣本運動課程資料及對應各該樣本運動課程資料的一動作評估及一教練建議，經由一深度學習及一機器學習二者其中之一所建立。
  10. 如請求項1所述之運動輔助裝置，其中該運動輔助裝置更連接至一顯示 螢幕，並執行下列運作：透過該顯示螢幕播放該後續動作建議以及對應該後續動作建議之該後續動作示範影片。
  11. 如請求項1所述之運動輔助裝置，其中對應該後續動作建議之該後續動作示範影片係透過下列運作產生：接收一使用者回饋；以及該處理器將該動作辨識結果、該動作完成目標值、該使用者回饋以及該運動課程資料輸入該專家建議模型，以產生該後續動作建議，且決定對應該後續動作建議之該後續動作示範影片。
  12. 一種運動輔助方法，用於一電子裝置，該電子裝置包含一收發介面、一儲存器及一處理器，該儲存器儲存一使用者之一運動課程資料、複數個動作示範影片及一專家建議模型，其中該運動課程資料包含一動作及對應該動作之一動作完成目標值，且該運動課程資料對應該等動作示範影片其中之一，該運動輔助方法由該處理器所執行，且包含下列步驟：傳送一第一控制訊號，該第一控制訊號與對應該運動課程資料之該動作示範影片相關；接收該使用者的一影像串流；分析該影像串流，以產生該使用者對應該運動課程資料之一動作辨識結果，且依據該動作辨識結果及該運動課程資料判斷是否符合對應該動作之該動作完成目標值；當判斷未符合該動作完成目標值時，將該動作辨識結果及該動作完成目標值輸入該專家建議模型，以產生一後續動作建議以及決定對應該 後續動作建議之一後續動作示範影片，其中該後續動作示範影片是該等動作示範影片其中之一。
  13. 如請求項12所述之運動輔助方法，其中該運動課程資料更包含一具有一順序之動作，該具有該順序之動作至少包含一第一動作及一第二動作，其中該第一動作對應至一第一動作完成目標值及一第一動作示範影片，該第二動作對應至一第二動作完成目標值及一第二動作示範影片，且該運動輔助方法更包含下列步驟：依據該順序傳送該第一控制訊號，其中該第一控制訊號係對應該第一動作示範影片；接收該使用者的該影像串流；分析該影像串流，以產生該使用者對應該運動課程資料之該動作辨識結果；依據該動作辨識結果，判斷當該動作是該第一動作時，進而判斷是否符合該第一動作完成目標值；當判斷未符合該第一動作完成目標值時，將該動作辨識結果及該第一動作完成目標值輸入該專家建議模型，以產生該後續動作建議以及對應該後續動作建議之該後續動作示範影片；以及傳送一第二控制訊號，其中該第二控制訊號係對應該後續動作示範影片。
  14. 如請求項12所述之運動輔助方法，其中在執行分析該影像串流時，更包含以下步驟：產生該對應該動作之一物件辨識結果；以及 基於該物件辨識結果、該動作辨識結果及該運動課程資料，判斷該使用者對應該運動課程資料的動作是否符合該動作完成目標值。
  15. 如請求項14所述之運動輔助方法，其中產生該物件辨識結果係透過下列步驟：切割該影像串流，以產生對應該影像串流的一手部物件影像；以及辨識該手部物件影像的一器材種類及一荷重，以產生該物件辨識結果。
  16. 如請求項12所述之運動輔助方法，其中該儲存器更儲存對應該使用者之歷史紀錄資料，且該運動輔助方法更包含以下步驟：當判斷未符合該動作完成目標值時，將該動作辨識結果、該歷史紀錄資料及該動作完成目標值輸入該專家建議模型，以產生該後續動作建議以及決定對應該後續動作建議之該後續動作示範影片，其中該歷史紀錄資料包含複數個歷史運動課程、對應各該歷史運動課程的該動作完成目標值。
  17. 如請求項12所述之運動輔助方法，更包含下列步驟：透過一肌力反覆最大值評估法決定對應該動作的動作完成目標值。
  18. 如請求項12所述之運動輔助方法，其中產生該動作辨識結果係透過下列步驟：辨識該影像串流中使用者的一肢體動作及一動作次數，以產生該動作辨識結果。
  19. 如請求項12所述之運動輔助方法，更包含下列步驟：根據該專家建議模型產生各該後續動作建議所對應之一出現機率； 以及根據該等出現機率，推薦前n個出現機率最大的後續動作建議給該使用者，其中n為一正整數。
  20. 如請求項12所述之運動輔助方法，其中該專家建議模型係由複數個樣本運動課程資料及對應各該樣本運動課程資料的一動作評估及一教練建議，經由一深度學習及一機器學習二者其中之一所建立。
  21. 如請求項12所述之運動輔助方法，其中該電子裝置更連接至一顯示螢幕，該運動輔助方法更包含下列步驟：透過該顯示螢幕播放該後續動作建議以及對應該後續動作建議之該後續動作示範影片。
  22. 如請求項12所述之運動輔助方法，其中對應該後續動作建議之該後續動作示範影片係由下列步驟產生：接收一使用者回饋；以及將該動作辨識結果、該動作完成目標值、該使用者回饋以及該運動課程資料輸入該專家建議模型，以產生該後續動作建議，且決定對應該後續動作建議之該後續動作示範影片。
TW108141208A 2019-11-13 2019-11-13 運動輔助裝置及運動輔助方法 TWI730500B (zh)

Priority Applications (3)

Application Number Priority Date Filing Date Title
TW108141208A TWI730500B (zh) 2019-11-13 2019-11-13 運動輔助裝置及運動輔助方法
CN201911164257.XA CN112791367A (zh) 2019-11-13 2019-11-25 运动辅助装置及运动辅助方法
US16/705,185 US11547904B2 (en) 2019-11-13 2019-12-05 Exercise assisting device and exercise assisting method

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
TW108141208A TWI730500B (zh) 2019-11-13 2019-11-13 運動輔助裝置及運動輔助方法

Publications (2)

Publication Number Publication Date
TW202119285A TW202119285A (zh) 2021-05-16
TWI730500B true TWI730500B (zh) 2021-06-11

Family

ID=75803966

Family Applications (1)

Application Number Title Priority Date Filing Date
TW108141208A TWI730500B (zh) 2019-11-13 2019-11-13 運動輔助裝置及運動輔助方法

Country Status (3)

Country Link
US (1) US11547904B2 (zh)
CN (1) CN112791367A (zh)
TW (1) TWI730500B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111643874A (zh) * 2020-05-28 2020-09-11 张兴 一种多功能健身器材
CN114038550A (zh) * 2021-09-26 2022-02-11 武汉联影医疗科技有限公司 扫描方案确定方法、装置、计算机设备和存储介质
CN115814359A (zh) * 2022-11-17 2023-03-21 首都医科大学附属北京潞河医院 盆底肌训练指导系统、方法及电子设备

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TW201203089A (en) * 2010-06-22 2012-01-16 Microsoft Corp User tracking feedback
CN102331840A (zh) * 2010-08-31 2012-01-25 微软公司 基于回环运动的用户选择和导航
TWI464696B (zh) * 2012-09-12 2014-12-11 Ind Tech Res Inst 動作比對方法與動作比對系統
TW201509487A (zh) * 2014-11-12 2015-03-16 Joiiup Technology Inc 運動影片訓練方法及系統
TWM498612U (zh) * 2012-12-21 2015-04-11 xiu-ying Song 水上或水中運動的學習輔助設備
US20150258429A1 (en) * 2012-06-22 2015-09-17 U.S.A. as represented by the Administration of the National Aeronautics and Space Administration Method and System for Physiologically Modulating Videogames and Simulations Which Use Gesture and Body Image Sensing Control Input Devices
TW201729879A (zh) * 2016-02-19 2017-09-01 亞洲大學 移動式互動跳舞健身系統

Family Cites Families (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWI380837B (zh) * 2009-09-25 2013-01-01 Footwear & Recreation Technology Res Inst Body Muscle Training Feedback System and Method
US9981193B2 (en) * 2009-10-27 2018-05-29 Harmonix Music Systems, Inc. Movement based recognition and evaluation
CN104288983A (zh) * 2014-09-05 2015-01-21 惠州Tcl移动通信有限公司 穿戴设备及基于该穿戴设备的健身方法
US20180036591A1 (en) * 2016-03-08 2018-02-08 Your Trainer Inc. Event-based prescription of fitness-related activities
CN106178476A (zh) * 2016-08-13 2016-12-07 泉州医学高等专科学校 一种数字排球训练系统
US11132533B2 (en) * 2017-06-07 2021-09-28 David Scott Dreessen Systems and methods for creating target motion, capturing motion, analyzing motion, and improving motion
TWI653076B (zh) 2017-12-04 2019-03-11 長庚大學 Feedback type neck exercise training method
TWI666596B (zh) * 2017-12-27 2019-07-21 晶翔機電股份有限公司 規畫健身課程參數方法及系統
TWI665572B (zh) 2017-12-27 2019-07-11 晶翔機電股份有限公司 規畫健身課程的方法及系統
US11521326B2 (en) * 2018-05-23 2022-12-06 Prove Labs, Inc. Systems and methods for monitoring and evaluating body movement
CN108853946A (zh) * 2018-07-10 2018-11-23 燕山大学 一种基于Kinect的健身指导训练系统及方法
CN109011508A (zh) * 2018-07-30 2018-12-18 三星电子（中国）研发中心 一种智能教练系统及方法
US11426633B2 (en) * 2019-02-12 2022-08-30 Ifit Inc. Controlling an exercise machine using a video workout program

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TW201203089A (en) * 2010-06-22 2012-01-16 Microsoft Corp User tracking feedback
CN102331840A (zh) * 2010-08-31 2012-01-25 微软公司 基于回环运动的用户选择和导航
US20150258429A1 (en) * 2012-06-22 2015-09-17 U.S.A. as represented by the Administration of the National Aeronautics and Space Administration Method and System for Physiologically Modulating Videogames and Simulations Which Use Gesture and Body Image Sensing Control Input Devices
TWI464696B (zh) * 2012-09-12 2014-12-11 Ind Tech Res Inst 動作比對方法與動作比對系統
TWM498612U (zh) * 2012-12-21 2015-04-11 xiu-ying Song 水上或水中運動的學習輔助設備
TW201509487A (zh) * 2014-11-12 2015-03-16 Joiiup Technology Inc 運動影片訓練方法及系統
TW201729879A (zh) * 2016-02-19 2017-09-01 亞洲大學 移動式互動跳舞健身系統

Also Published As

Publication number Publication date
US20210138301A1 (en) 2021-05-13
US11547904B2 (en) 2023-01-10
TW202119285A (zh) 2021-05-16
CN112791367A (zh) 2021-05-14

Similar Documents

Publication Publication Date Title
TWI730500B (zh) 運動輔助裝置及運動輔助方法
Mortazavi et al. Determining the single best axis for exercise repetition recognition and counting on smartwatches
Velloso et al. Qualitative activity recognition of weight lifting exercises
WO2021051579A1 (zh) 形体姿态识别方法、系统、装置及存储介质
US20220072381A1 (en) Method and system for training users to perform activities
CN110428486B (zh) 虚拟互动的健身方法、电子设备及存储介质
US11253747B2 (en) Automated activity detection and tracking
KR20160130085A (ko) 스마트미러를 이용한 운동관리방법 및 시스템
US10272292B1 (en) Adaptive sport posture sensing system and method
KR102481501B1 (ko) 스마트 골프 운동 장치, 시스템 및 제어방법
Guo et al. When your wearables become your fitness mate
EP3786971A1 (en) Advancement manager in a handheld user device
Kinger et al. Deep learning based yoga pose classification
KR101698391B1 (ko) 운동 강좌 동영상 제공 장치 및 그 제공 방법
CN112308880B (zh) 一种目标用户锁定方法及电子设备
TW201919735A (zh) 移動式運動器材控制器、結合於運動器材之資訊傳輸收集裝置、以及所組成之運動器材與控制方法
CN112230777A (zh) 一种基于非接触式交互的认知训练系统
US20240198177A1 (en) Exercise instruction and feedback systems and methods
US20170065862A1 (en) Athletic equipment with feedback device
KR20170119338A (ko) 운동정보 처리 장치 및 방법
KR102430305B1 (ko) 운동정보 처리 장치 및 방법
Mahmoud et al. AI Personal Trainer for Lateral Raises and Shoulder Presses Exercises
TWI705845B (zh) 保全主機
CN112784699B (zh) 一种运动教练姿势评估指导的实现方法和系统
TWI803833B (zh) 雲端化球類運動之動作影像訓練系統及其方法