CN111477297B - 个人计算设备 - Google Patents
个人计算设备 Download PDFInfo
- Publication number
- CN111477297B CN111477297B CN202010285770.0A CN202010285770A CN111477297B CN 111477297 B CN111477297 B CN 111477297B CN 202010285770 A CN202010285770 A CN 202010285770A CN 111477297 B CN111477297 B CN 111477297B
- Authority
- CN
- China
- Prior art keywords
- exercise
- user
- data
- activity
- analysis
- 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.)
- Active
Links
Images
Classifications
-
- 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
- A63B21/00—Exercising apparatus for developing or strengthening the muscles or joints of the body by working against a counterforce, with or without measuring devices
- A63B21/06—User-manipulated weights
-
- 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
-
- 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
- G09B19/0038—Sports
-
- A—HUMAN NECESSITIES
- A63—SPORTS; GAMES; AMUSEMENTS
- A63B—APPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
- A63B2220/00—Measuring of physical parameters relating to sporting activity
- A63B2220/17—Counting, e.g. counting periodical movements, revolutions or cycles, or including further data processing to determine distances or speed
-
- A—HUMAN NECESSITIES
- A63—SPORTS; GAMES; AMUSEMENTS
- A63B—APPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
- A63B2220/00—Measuring of physical parameters relating to sporting activity
- A63B2220/30—Speed
- A63B2220/34—Angular speed
-
- A—HUMAN NECESSITIES
- A63—SPORTS; GAMES; AMUSEMENTS
- A63B—APPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
- A63B2220/00—Measuring of physical parameters relating to sporting activity
- A63B2220/40—Acceleration
-
- A—HUMAN NECESSITIES
- A63—SPORTS; GAMES; AMUSEMENTS
- A63B—APPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
- A63B2230/00—Measuring physiological parameters of the user
- A63B2230/04—Measuring physiological parameters of the user heartbeat characteristics, e.g. ECG, blood pressure modulations
- A63B2230/06—Measuring physiological parameters of the user heartbeat characteristics, e.g. ECG, blood pressure modulations heartbeat rate only
-
- A—HUMAN NECESSITIES
- A63—SPORTS; GAMES; AMUSEMENTS
- A63B—APPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
- A63B2230/00—Measuring physiological parameters of the user
- A63B2230/40—Measuring physiological parameters of the user respiratory characteristics
-
- A—HUMAN NECESSITIES
- A63—SPORTS; GAMES; AMUSEMENTS
- A63B—APPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
- A63B2230/00—Measuring physiological parameters of the user
- A63B2230/50—Measuring physiological parameters of the user temperature
-
- A—HUMAN NECESSITIES
- A63—SPORTS; GAMES; AMUSEMENTS
- A63B—APPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
- A63B2230/00—Measuring physiological parameters of the user
- A63B2230/65—Measuring physiological parameters of the user skin conductivity
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
-
- 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
- G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
- G16H40/60—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices
- G16H40/63—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices for local operation
-
- 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
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
-
- 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
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/50—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for simulation or modelling of medical disorders
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Physical Education & Sports Medicine (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biophysics (AREA)
- Educational Technology (AREA)
- Entrepreneurship & Innovation (AREA)
- Primary Health Care (AREA)
- Educational Administration (AREA)
- Multimedia (AREA)
- Human Computer Interaction (AREA)
- Social Psychology (AREA)
- Psychiatry (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Public Health (AREA)
- Medical Informatics (AREA)
- Epidemiology (AREA)
- Orthopedic Medicine & Surgery (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
- User Interface Of Digital Computer (AREA)
- Medical Treatment And Welfare Office Work (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
- Tourism & Hospitality (AREA)
- Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)
- Child & Adolescent Psychology (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
Abstract
一种个人计算设备包括:处理器、板载存储器、加速度计、陀螺仪以及显示器;用来创建锻炼分析应用的计算机程序,所述锻炼分析应用包括:被配置用于从所述加速度计和所述陀螺仪接收与用户在三个维度下的身体运动相关联的数据的软件模块;被配置用于将所述设备置于学习模式的软件模块,所述学习模式包括记录进行定义的锻炼的所述用户的数据以生成针对所述锻炼的统计模型;被配置用于将所述设备置于正常模式的软件模块,所述正常模式包括对身体运动数据应用概率分析以标识锻炼事件、通过与记录的模型的比较而对所述锻炼进行分类;以及被配置用于对所述身体运动数据应用分析以对所述用户的锻炼姿势进行评分的软件模块。
Description
本申请是申请日为2014年07月30日、申请号为201480042461.3、发明名称为“便携式计算设备以及对从其捕捉的个人数据的分析”的中国专利申请(其对应PCT申请的申请日为2014年07月30日、申请号为PCT/US2014/048972)的分案申请。
相关申请的交叉引用
本申请是于2013年5月30日提交的美国临时申请号61/828,680的非临时申请并要求其权益,该临时申请的全部内容通过引用而并入于此。
背景技术
体育健身在各方面都对个人有益。举例而言,体育健身降低疾病的风险、有助于避免受伤并且改善生活质量。身体柔韧性、肌肉力量、基础代谢率、心血管耐力以及体脂率是体育健身的示例性指标。体育锻炼在维持并改善个人身体健康方面扮演着重要角色。体育锻炼在缓解工作或生活相关的压力方面也起作用。举例而言,重量训练具体提供了许多功能性益处;其增强肌肉的力量以改善仪态并为关节提供更好的支撑。此外,重量训练增加肌肉质量,这转而引起基础代谢的升高;较高的速率促进长期减脂并且降低慢性肥胖相关疾病的风险。
发明内容
体育锻炼众所周知有益于个人的身体健康。然而,如果未以适当的强度、量和持续时间进行,则体育锻炼可能对个人的健康不利。此外,如果体育锻炼未正确地开展,则可能会发生不必要的损伤。传统的体育器材可以提供与活动的强度、量和持续时间有关的一些信息,但此类信息限于少数活动。私教为一定数目的锻炼提供反馈和训练;然而,对于日常工作而言反馈和训练可能是不太负担得起的且不便的。
本文所描述的设备、平台和介质的一个优点是,它们提供了用来方便识别、监测并记录各种体育活动的手段。利用其学***台和介质能够利用反馈实现高效的学习、能够实现对体育锻炼的灵敏监测、储存以及轻易识别。
在一个方面中,本文描述了个人计算设备,所述个人计算设备包括:处理器、板载存储器、加速度计、陀螺仪以及显示器;包括可由数字处理设备执行以创建锻炼分析应用的指令的计算机程序,所述锻炼分析应用包括:被配置用于从所述加速度计接收加速度数据并且从所述陀螺仪接收角速度数据的软件模块,所述加速度数据和所述角速度数据与用户在三个维度下的身体运动相关联;被配置用于将所述设备置于学***稳、姿势不正确、姿势太不协调以及关于姿势的纠正意见。
在另一方面中,本文描述了锻炼分析平台,所述锻炼分析平台包括:个人计算设备,其包括处理器、板载存储器、加速度计、陀螺仪、显示器以及通信元件,所述设备被配置用于提供个人锻炼分析应用,所述个人锻炼分析应用包括:被配置用于从所述加速度计接收加速度数据并且从所述陀螺仪接收角速度数据的软件模块,所述加速度数据和所述角速度数据与用户在三个维度下的身体运动相关联;被配置用于向锻炼分析服务器应用传输所述加速度数据和角速度数据的软件模块;所述锻炼分析平台包括服务器处理器,所述服务器处理器被配置用于提供锻炼分析服务器应用,该锻炼分析服务器应用包括:统计锻炼模型的数据库,所述锻炼模型由进行定义的锻炼的用户的加速度数据和角速度数据生成;被配置用于从所述个人计算设备接收加速度数据和角速度数据的软件模块;被配置用于对所述加速度数据和所述角速度数据应用概率分析以标识锻炼事件、通过与所述统计锻炼模型中的一个或多个的比较而对所述锻炼进行分类并且标识出所述锻炼的重复次数的软件模块;被配置用于对所述加速度数据和所述角速度数据应用统计分析以对所述用户的锻炼姿势进行评分的软件模块。在一些实施方式中,所述平台包括至少100个、至少1000个或至少10,000个个人计算设备。在一些实施方式中,所述个人锻炼分析应用还包括被配置用于将所述个人计算设备置于学***均数据生成。在进一步实施方式中,平均是基于每个用户的专业技能水平的加权平均。在一些实施方式中,一个或多个锻炼模型由来自进行定义的锻炼的一个或多个适格健身专业人士的数据生成。在进一步实施方式中,一个或多个锻炼模型由来自未正确地进行所定义的锻炼以模拟常见的锻炼姿势问题的适格健身专业人员的数据生成。在进一步实施方式中,一个或多个锻炼模型由来自正确地进行定义的锻炼以说明示例性锻炼姿势的适格健身专业人员的数据生成。在一些实施方式中,所述个人计算设备适于为用户可穿戴的。在一些实施方式中,所述个人计算设备适于为可由所述用户腕戴的。在进一步实施方式中,所述个人计算设备包括可穿戴式适配器,所述可穿戴式适配器可从所述个人计算设备可逆地连接,以形成模块化设计。在一些实施方式中,所述个人计算设备还包括生物传感器,用来测量所述用户的生理参数。在进一步实施方式中,所述生物传感器选自包含下面各项的组:心率监测仪、温度计、呼吸计、葡萄糖监测仪、电解质传感器以及电导计。在进一步实施方式中,所述生物传感器是光学生物传感器。在进一步实施方式中,生理参数选自包含下面各项的组:心率、皮肤温度、呼吸率、皮肤电反应以及水化。在进一步实施方式中,所述个人锻炼分析应用或所述服务器应用还包括被配置用于呈现图形用户界面的软件模块,所述图像用户界面包括基于心率的休息定时器。在一些实施方式中,所述个人计算设备还包括地理定位元件。在一些实施方式中,所述通信元件是无线通信元件。在进一步实施方式中,所述无线通信元件是蓝牙模块或ANT+模块。在一些实施方式中,用来对所述锻炼进行分类的概率分析包括利用神经网络、上下文树加权、隐马尔可夫模型或其组合。在一些实施方式中,所述评分至少部分地源于所述用户的身体稳定性、所述用户的运动协调性或其组合。在一些实施方式中,所述评分至少部分地源于所述加速度数据和所述角速度数据与由适格健身专业人士生成的锻炼模型的比较。在一些实施方式中,所述锻炼是单侧重量训练或双侧重量训练。在一些实施方式中,所述个人锻炼分析应用或所述服务器应用还包括被配置用于在所述个人计算设备的显示器上呈现用户界面的软件模块,所述用户界面包括所述评分、所述锻炼、所述重复次数、特定于锻炼的消息或其组合。在进一步实施方式中,所述锻炼是重量训练,并且所述特定于锻炼的消息是选自包含下面各项的组中的建议:重量太重、重量太轻、重量改变太多、运动太快、身体太不平稳、姿势不正确、姿势太不协调以及关于姿势的纠正意见。在一些实施方式中,所述加速度数据和角速度数据向锻炼分析服务器应用的传输是直接的。在一些实施方式中,所述加速度数据和角速度数据向锻炼分析服务器应用的传输是间接的,所述数据首先被传输至本地设备。在一些实施方式中,所述个人锻炼分析应用或所述服务器应用还包括被配置用于呈现允许所述用户创建个人简档的界面的软件模块,所述简档包括体重、身高、性别、臂展以及健身专业技能。
在另一些方面中,本文公开了被编码有可由处理器执行以进行个人锻炼分析的指令的非瞬时性计算机可读存储介质,所述指令包括:被配置用于从包括加速度计和陀螺仪的个人计算设备接收数据的软件模块,所述数据包括来自所述加速度计的加速度数据和来自所述陀螺仪的角速度数据,所述加速度数据和所述角速度数据与用户在三个维度下的身体运动相关联;被配置用于将所述设备置于学***稳、姿势不正确、姿势太不协调以及关于姿势的纠正意见。
在另一些方面中,本文描述了被编码有计算机程序的非瞬时性计算机可读存储介质,所述计算机程序包括可由处理器执行以创建锻炼分析服务器应用的指令,所述锻炼分析服务器应用包括:统计锻炼模型的数据库,所述锻炼模型由与进行定义的锻炼的用户相关联的个人计算设备所传输的加速度数据和角速度数据生成,所述加速度数据和所述角速度数据各自包括X轴、Y轴和Z轴的数据,所述设备处于学***均数据生成。在一些实施方式中,平均是基于每个用户的专业技能水平的加权平均。在一些实施方式中,一个或多个锻炼模型由来自进行定义的锻炼的一个或多个适格健身专业人士的数据生成。在进一步实施方式中,一个或多个锻炼模型由来自未正确地进行定义的锻炼以模拟常见的锻炼姿势问题的适格健身专业人员的数据生成。在进一步实施方式中,一个或多个锻炼模型由来自正确地进行定义的锻炼以说明示例性锻炼姿势的适格健身专业人员的数据生成。在一些实施方式中,所述个人计算设备适于为用户可穿戴的。在一些实施方式中,所述个人计算设备适于为可由所述用户腕戴的。在进一步实施方式中,所述个人计算设备包括可穿戴式适配器,所述可穿戴式适配器可从所述个人计算设备可逆地连接,以形成模块化设计。在一些实施方式中,所述个人计算设备还包括生物传感器,用来测量所述用户的生理参数。在进一步实施方式中,所述生物传感器选自包含下面各项的组:心率监测仪、温度计、呼吸计、葡萄糖监测仪、电解质传感器以及电导计。在进一步实施方式中,所述生物传感器是光学生物传感器。在进一步实施方式中,所述生理参数选自包含下面各项的组:心率、皮肤温度、呼吸率、皮肤电反应以及水化。在进一步实施方式中,所述锻炼分析服务器应用还包括被配置用于呈现图形用户界面的软件模块,所述图形用户界面包括基于心率的休息定时器。在一些实施方式中,所述个人计算设备还包括地理定位元件。在一些实施方式中,用来对所述锻炼进行分类的概率分析包括利用神经网络、上下文树加权、隐马尔可夫模型或其组合。在一些实施方式中,评分至少部分地源于所述用户的身体稳定性、所述用户的运动协调性或其组合。在一些实施方式中,所述得评分至少部分地源于所述加速度数据和所述角速度数据与由适格健身专业人士生成的锻炼模型的比较。在一些实施方式中,所述锻炼是单侧重量训练或双侧重量训练。在一些实施方式中,所述锻炼分析服务器应用还包括被配置用于在所述个人计算设备的显示器上呈现用户界面的软件模块,所述用户界面包括所述评分、所述锻炼、所述重复次数、特定于锻炼的消息或其组合。在进一步实施方式中,所述锻炼是重量训练,并且所述特定于锻炼的消息是选自包含下面各项的组中的建议:重量太重、重量太轻、重量改变太多、运动太快、身体太不平稳、姿势不正确、姿势太不协调以及关于姿势的纠正意见。在一些实施方式中,所述加速度数据和角速度数据向所述锻炼分析服务器应用的传输是直接的。在一些实施方式中,所述加速度数据和角速度数据向所述锻炼服务器应用的传输是间接的,所述数据首先被传输至本地设备。在一些实施方式中,所述锻炼分析服务器应用还包括被配置用于呈现允许所述用户创建个人简档的界面的软件模块,所述简档包括体重、身高、性别、臂展以及健身专业技能。
在另一方面中,本文描述了个人计算设备,所述个人计算设备包括:处理器、板载存储器、加速度计以及显示器;包括可由数字处理设备执行以创建活动分析应用的指令的计算机程序,所述活动分析应用包括:被配置用于从所述加速度计接收加速度数据的软件模块,所述加速度数据与用户在三个维度下的身体运动相关联;被配置用于将所述设备置于学***稳、姿势不正确、姿势太不协调以及关于姿势的纠正意见。
在另一方面中,本文描述了活动分析平台,所述活动分析平台包括个人计算设备,所述个人计算设备包括处理器、板载存储器、加速度计、显示器以及通信元件,所述设备被配置用于提供个人活动分析应用,该个人活动分析应用包括:被配置用于从所述加速度计接收加速度数据的软件模块,所述加速度数据与用户在三个维度下的身体运动相关联;被配置用于向活动分析服务器应用传输所述加速度数据的软件模块;所述活动分析平台包括服务器处理器,所述服务器处理器被配置用于提供活动分析服务器应用,该活动分析服务器应用包括:统计活动模型的数据库,所述活动模型由进行定义的活动的用户的加速度数据生成;被配置用于从所述个人计算设备接收加速度数据的软件模块;被配置用于对所述加速度数据应用概率分析以标识活动事件、通过与所述统计活动模型中的一个或多个的比较而对所述活动进行分类并且标识出所述活动的重复次数的软件模块;被配置用于对所述加速度数据应用统计分析以对所述用户的活动姿势进行评分的软件模块。在某些实施方式中,所述个人计算设备还包括陀螺仪、磁力计或高度计。在某些实施方式中,所述活动分析应用还包括用来从陀螺仪、磁力计或高度计接收数据的软件模块。在一些实施方式中,所述平台还包括至少100个、至少1000个或至少10,000个个人计算设备。在一些实施方式中,所述个人活动分析应用还包括被配置用于将所述个人计算设备置于学***均数据生成。在进一步实施方式中,平均是基于每个用户的专业技能水平的加权平均。在一些实施方式中,一个或多个活动模型由来自进行定义的活动的一个或多个适格健身专业人士的数据生成。在进一步实施方式中,一个或多个活动模型由来自未正确地进行定义的活动以模拟常见的活动姿势问题的适格健身专业人士的数据生成。在进一步实施方式中,一个或多个活动模型由来自正确地进行定义的活动以说明示例性活动姿势的适格健身专业人士的数据生成。在一些实施方式中,所述个人计算设备适于为用户可穿戴的。在进一步实施方式中,所述个人计算设备适于为可由所述用户腕戴的。在进一步实施方式中,所述个人计算设备包括可穿戴式适配器,所述可穿戴式适配器可从所述个人计算设备可逆地连接,以形成模块化设计。在一些实施方式中,所述个人计算设备还包括生物传感器,用来测量所述用户的生理参数。在进一步实施方式中,所述生物传感器选自包含下面各项的组:心率监测仪、温度计、呼吸计、葡萄糖监测仪、电解质传感器以及电导计。在进一步实施方式中,所述生物传感器是光学生物传感器。在进一步实施方式中,所述生理参数选自包含下面各项的组:心率、皮肤温度、呼吸率、皮肤电反应以及水化。在进一步实施方式中,个人活动分析应用或所述服务器应用还包括被配置用于呈现图形用户界面的软件模块,所述图形用户界面包括定时器。在一些实施方式中,所述个人计算设备还包括地理定位元件。在一些实施方式中,所述通信元件是无线通信元件。在进一步实施方式中,所述无线通信元件是蓝牙模块或ANT+模块。在一些实施方式中,用来对所述活动进行分类的概率分析包括利用神经网络、上下文树加权、隐马尔可夫模型或其组合。在一些实施方式中,评分至少部分地源于所述用户的身体稳定性、所述用户的运动协调性或其组合。在一些实施方式中,所述评分至少部分地源于所述加速度数据与由适格健身专业人士生成的活动模型的比较。在一些实施方式中,所述活动是单侧重量训练活动或双侧重量训练活动。在一些实施方式中,所述个人活动分析应用或所述服务器应用还包括被配置用于在所述个人计算设备的显示器上呈现用户界面的软件模块,所述用户界面包括所述评分、所述活动、所述重复次数、特定于活动的消息或其组合。在进一步实施方式中,所述活动是重量训练活动,并且所述特定于活动的消息是选自包含下面各项的组中的建议:重量太重、重量太轻、重量改变太多、运动太快、身体太不平稳、姿势不正确、姿势太不协调以及关于姿势的纠正意见。在一些实施方式中,所述加速度数据向活动分析服务器应用的传输是直接的。在一些实施方式中,所述加速度数据向活动分析服务器应用的传输是间接的,所述数据首先被传输至本地设备。在一些实施方式中,所述个人活动分析应用或所述服务器应用还包括被配置用于呈现允许所述用户创建个人简档的界面的软件模块,所述简档包括体重、身高、性别、臂展以及健身专业技能。
在另一方面中,本文描述了被编码有可由处理器执行以进行个人活动分析的指令的非瞬时性计算机可读存储介质,所述指令包括:被配置用于从包括加速度计的个人计算设备接收数据的软件模块,所述数据包括来自所述加速度计的加速度数据,所述加速度数据与用户在三个维度下的身体运动相关联;被配置用于将所述设备置于学***稳、姿势不正确、姿势太不协调以及关于姿势的纠正意见。
在另一方面中,本文描述了被编码有计算机程序的非瞬时性计算机可读存储介质,所述计算机程序包括可由处理器执行以创建活动分析服务器应用的指令,所述活动分析服务器应用包括:统计活动模型的数据库,所述活动模型由与进行定义的锻炼的用户相关联的个人计算设备所传输的加速度数据生成,所述加速度数据包括X轴、Y轴和Z轴的数据,所述设备处于学***均数据生成。在进一步实施方式中,平均是基于每个用户的专业技能水平的加权平均。在一些实施方式中,一个或多个活动模型由来自进行定义的活动的一个或多个适格健身专业人士的数据生成。在进一步实施方式中,一个或多个活动模型由来自未正确地进行定义的活动以模拟常见的活动姿势问题的适格健身专业人员的数据生成。在进一步实施方式中,一个或多个活动模型由来自正确地进行定义的活动以说明示例性活动姿势的适格健身专业人员的数据生成。在一些实施方式中,所述个人计算设备适于为用户可穿戴的。在进一步实施方式中,所述个人计算设备适于为可由所述用户腕戴的。在进一步实施方式中,所述个人计算设备包括可穿戴式适配器,所述可穿戴式适配器可从所述个人计算设备可逆地连接,以形成模块化设计。在一些实施方式中,所述个人计算设备还包括生物传感器,用来测量所述用户的生理参数。在进一步实施方式中,所述生物传感器选自包含下面各项的组:心率监测仪、温度计、呼吸计、葡萄糖监测仪、电解质传感器以及电导计。在进一步实施方式中,所述生物传感器是光学生物传感器。在进一步实施方式中,所述生理参数选自包含下面各项的组:心率、皮肤温度、呼吸率、皮肤电反应以及水化。在进一步实施方式中,所述个人活动分析应用或所述服务器应用还包括被配置用于呈现图形用户界面的软件模块,所述图形用户界面包括定时器。在一些实施方式中,所述个人计算设备还包括地理定位元件。在一些实施方式中,所述通信元件是无线通信元件。在进一步实施方式中,所述无线通信元件是蓝牙模块或ANT+模块。在一些实施方式中,用来对所述活动进行分类的概率分析包括利用神经网络、上下文树加权、隐马尔可夫模型或其组合。在一些实施方式中,所述评分至少部分地源于所述用户的身体稳定性、所述用户的运动协调性或其组合。在一些实施方式中,所述评分至少部分地源于所述加速度数据与由适格健身专业人士生成的活动模型的比较。在一些实施方式中,所述活动是单侧重量训练活动或双侧重量训练活动。在一些实施方式中,所述个人活动分析应用或所述服务器应用还包括被配置用于在所述个人计算设备的显示器上呈现用户界面的软件模块,所述用户界面包括所述评分、所述活动、所述重复次数、特定于活动的消息或其组合。在进一步实施方式中,所述活动是重量训练活动,并且所述特定于活动的消息是选自包含下面各项的组中的建议:重量太重、重量太轻、重量改变太多、运动太快、身体太不平稳、姿势不正确、姿势太不协调以及关于姿势的纠正意见。在一些实施方式中,所述加速度数据向活动分析服务器应用的传输是直接的。在一些实施方式中,所述加速度数据向活动分析服务器应用的传输是间接的,所述数据首先被传输至本地设备。在一些实施方式中,所述个人活动分析应用或所述服务器应用还包括被配置用于呈现允许所述用户创建个人简档的界面的软件模块,所述简档包括体重、身高、性别、臂展以及健身专业技能。
附图说明
图1A是***的示例性实施方式的框图。
图1B是用于将无线通信和用户输入集成到个人数据捕捉设备中的***的一个备选实施方式的框图。
图2A是用于对通过本发明的一个实施方式所接收的个人数据的分析的方法的流程图。
图2B是用于将反馈集成到对通过本发明的一个实施方式所接收的个人数据的分析中的一个备选方法的流程图;以及
图3是图1B的***中的设备的示意图。
图4A是指示锻炼期间力气对耐力的影响的曲线图。
图4B是指示不断增加的锻炼阻力对进行所述锻炼的难度的影响的曲线图。
图5A是指示图1B的***可能接收的数据流的曲线图。
图5B是指示如果用户疲劳,则图5A的曲线图中的数据流可能呈现的曲线图。
图6是附着至腕带和从腕带拆开的个人计算设备的示例性实施方式的侧视图。
图7示出了指示个人计算设备的示例性实施方式,所述个人计算设备带有示出了设备上显示的内容的图像。
图8是使用图7中的个人计算设备的示例性实施方式来分析个人身体运动数据的流程图。
图9是使用图7中的个人计算设备的示例性实施方式来对用户的锻炼姿势进行评分的流程图。
图10是使用图7中的个人计算设备的示例性实施方式来记录新的锻炼类型的流程图。
具体实施方式
体育锻炼众所周知有益于个人的身体健康。然而,如果未以适当的强度、量和持续时间进行,则体育锻炼可能对个人的健康不利。此外,如果体育锻炼未正确地开展,则可能会发生不必要的损伤。传统的体育器材可以提供与活动的强度、量和持续时间有关的一些信息,但此类信息限于少数活动。私教为一定数目的锻炼提供反馈和训练;然而,对于日常工作而言反馈和训练可能是不太负担得起的且不便的。
本文所描述的设备、平台和介质的一个优点是,它们提供了用来方便识别、监测并记录各种体育活动的手段。利用其学***台和介质能够利用反馈实现高效的学习、能够实现对体育锻炼的灵敏监测、储存以及轻易识别。
在某些实施方式中,本文描述了个人计算设备,所述个人计算设备包括:处理器、板载存储器、加速度计、陀螺仪以及显示器;包括可由数字处理设备执行以创建锻炼分析应用的指令的计算机程序,所述锻炼分析应用包括:被配置用于从加速度计接收加速度数据并且从陀螺仪接收角速度数据的软件模块,所述加速度数据和所述角速度数据与用户在三个维度下的身体运动相关联;被配置用于将所述设备置于学习模式的软件模块,所述学习模式包括记录进行定义的锻炼的用户的加速度数据和角速度数据,以生成针对该锻炼的统计锻炼模型;被配置用于将所述设备置于正常模式的软件模块,所述正常模式包括对加速度数据和角速度数据应用概率分析以标识锻炼事件、通过与记录的锻炼模型的比较而对所述锻炼进行分类并且标识出锻炼的重复次数;以及被配置用于对所述加速度数据和所述角速度数据应用统计分析以对用户的锻炼姿势进行评分的软件模块。
在一些实施方式中,本文还描述了锻炼分析平台,锻炼分析平台包括:个人计算设备,其包括处理器、板载存储器、加速度计、陀螺仪、显示器以及通信元件,所述设备被配置用于提供个人锻炼分析应用,该个人锻炼分析应用包括:被配置用于从加速度计接收加速度数据并且从陀螺仪接收角速度数据的软件模块,所述加速度数据和所述角速度数据与用户在三个维度下的身体运动相关联;被配置用于向锻炼分析服务器应用传输所述加速度数据和角速度数据的软件模块;锻炼分析平台包括服务器处理器,所述服务器处理器被配置用于提供锻炼分析服务器应用,该锻炼分析服务器应用包括:统计锻炼模型的数据库,所述锻炼模型由进行定义的锻炼的用户的加速度数据和角速度数据生成;被配置用于从所述个人计算设备接收加速度数据和角速度数据的软件模块;被配置用于对所述加速度数据和所述角速度数据应用概率分析以标识锻炼事件、通过与统计锻炼模型中的一个或多个的比较而对所述锻炼进行分类并且标识出所述锻炼的重复次数的软件模块;被配置用于对所述加速度数据和所述角速度数据应用统计分析以对用户的锻炼姿势进行评分的软件模块。
在某些实施方式中,本文还公开了被编码有指令的非瞬时性计算机可读存储介质,所述指令可由处理器执行以进行个人锻炼分析,所述指令包括:被配置用于从包括加速度计和陀螺仪的个人计算设备接收数据的软件模块,所述数据包括来自加速度计的加速度数据和来自陀螺仪的角速度数据,所述加速度数据和所述角速度数据与用户在三个维度下的身体运动相关联;被配置用于将所述设备置于学习模式的软件模块,所述学习模式包括记录进行定义的锻炼的用户的加速度数据和角速度数据,以生成针对所述锻炼的统计锻炼模型;被配置用于将所述设备置于正常模式的软件模块,所述正常模式包括对加速度数据和角速度数据应用概率分析以标识锻炼事件、通过与记录的锻炼模型的比较而对所述锻炼进行分类并且标识出所述锻炼的重复次数;以及被配置用于对所述加速度数据和所述角速度数据应用统计分析以对所述用户的锻炼姿势进行评分的软件模块。
在某些实施方式中,本文还描述了被编码有计算机程序的非瞬时性计算机可读存储介质,所述计算机程序包括可由处理器执行以创建锻炼分析服务器应用的指令,所述锻炼分析服务器应用包括:统计锻炼模型的数据库,锻炼模型由与进行定义的锻炼的用户相关联的个人计算设备所传输的加速度数据和角速度数据生成,所述加速度数据和所述角速度数据各自包括X轴、Y轴和Z轴的数据,所述设备处于学习模式;被配置用于接收由与进行定义的锻炼的用户相关联的个人计算设备所传输的加速度数据和角速度数据的软件模块,所述设备处于正常模式;被配置用于对所接收的加速度数据和角速度数据应用统计分析以标识锻炼事件,通过与统计锻炼模型中的一个或多个的比较而对所述锻炼进行分类并且标识出所述锻炼的重复次数的软件模块;被配置用于对所接收的加速度数据和角速度数据应用统计分析以对用户的锻炼姿势进行评分的软件模块。
在某些实施方式中,本文还描述了个人计算设备,所述个人计算设备包括:处理器、板载存储器、加速度计以及显示器;包括可由数字处理设备执行以创建活动分析应用的指令的计算机程序,所述活动分析应用包括:被配置用于从加速度计接收加速度数据的软件模块,所述加速度数据与用户在三个维度下的身体运动相关联;被配置用于将所述设备置于学习模式的软件模块,所述学习模式包括记录进行定义的活动的用户的加速度数据以生成针对所述活动的统计活动模型;被配置用于将所述设备置于正常模式的软件模块,所述正常模式包括对加速度数据应用概率分析以标识活动事件、通过与记录的活动模型的比较而对所述活动进行分类并且标识出所述活动的重复次数;以及被配置用于对加速度数据应用统计分析以对用户的活动姿势进行评分的软件模块。
在某些实施方式中,本文还描述了活动分析平台,所述活动分析平台包括:个人计算设备,其包括:处理器、板载存储器、加速度计、显示器以及通信元件,所述设备被配置用于提供个人活动分析应用,该个人活动分析应用包括:被配置用于从所述加速度计接收加速度数据的软件模块,所述加速度数据与用户在三个维度下的身体运动相关联;被配置用于向活动分析服务器应用传输所述加速度数据的软件模块;所述活动分析平台包括服务器处理器,所述服务器处理器被配置用于提供活动分析服务器应用,该活动分析服务器应用包括:统计活动模型的数据库,所述活动模型由进行定义的活动的用户的加速度数据生成;被配置用于从个人计算设备接收加速度数据的软件模块;被配置用于对加速度数据应用概率分析以标识活动事件、通过与统计活动模型中的一个或多个的比较而对所述活动进行分类并且标识出所述活动的重复次数的软件模块;被配置用于对加速度数据应用统计分析以对用户的活动姿势进行评分的软件模块。
在某些实施方式中,本文还描述了被编码有可由处理器执行以进行个人活动分析的指令的非瞬时性计算机可读存储介质,所述指令包括:被配置用于从包括加速度计的个人计算设备接收数据的软件模块,所述数据包括来自加速度计的加速度数据,所述加速度数据与用户在三个维度下的身体运动相关联;被配置用于将所述设备置于学习模式的软件模块,所述学习模式包括记录进行定义的活动的用户的加速度数据以生成针对所述活动的统计活动模型;被配置用于将所述设备置于正常模式的软件模块,所述正常模式包括对加速度数据应用概率分析以标识活动事件、通过与记录的活动模型的比较而对所述活动进行分类并且标识出所述活动的重复次数;以及被配置用于对加速度数据应用统计分析以对用户的活动姿势进行评分的软件模块。
在某些实施方式中,本文还描述了被编码有计算机程序的非瞬时性计算机可读存储介质,所述计算机程序包括可由处理器执行以创建活动分析服务器应用的指令,该活动分析服务器应用包括:统计活动模型的数据库,活动模型由与进行定义的锻炼的用户相关联的个人计算设备所传输的加速度数据生成,所述加速度数据包括X轴、Y轴和Z轴的数据,所述设备处于学习模式;被配置用于接收由与进行定义的锻炼的用户相关联的个人计算设备所传输的加速度数据的软件模块,所述设备处于正常模式;被配置用于对所接收的加速度数据应用概率分析以标识活动事件、通过与统计活动模型中的一个或多个的比较而对所述活动进行分类并且标识出所述活动的重复次数的软件模块;被配置用于对所接收的加速度数据应用统计分析以对用户的活动姿势进行评分的软件模块。
某些术语
除非另有定义,本文所使用的所有术语具有与本发明所属领域的普通技术人员通常所理解的相同含义。如本说明书和所附权利要求书中所使用的,单数形式“一个”、“一”和“该”包括复数引用,除非上下文另外明确指出。本文对“或”的任何引用意图包含“和/或”,除非另有说明。
概述
本发明涉及使用个人计算设备对由运动传感器捕捉的三维(3D)身体运动数据的统计分析。该个人计算设备的个人锻炼分析应用被配置用于收集从加速度计和陀螺仪捕捉的3D运动数据、执行对这样的数据的统计分析。该设备还被配置用于在显示器上呈现锻炼相关的信息和用户的生理信息。进一步地,本发明并入了统计模型以识别由用户进行的新的锻炼。本发明还并入了用来将由用户进行的锻炼与记录的、由适格健身专家进行的锻炼进行比较的分析方法,以促进准确而高效的学习。
个人计算设备
在一些实施方式中,本文所描述的设备、平台和介质包括个人计算设备。在某些实施方式中,个人计算设备包括处理器、存储器、加速度计以及显示器。在一些实施方式中,加速度计测量一个空间维度下、两个空间维度下或三个空间维度下以及/或者一个时间维度下的加速度,其中对于任何单一维度,具有正向和负向。在一些实施方式中,个人计算设备包括加速度计、陀螺仪、磁力计或高度计。在一些实施方式中,陀螺仪测量一个空间维度下、两个空间维度下或三个空间维度下以及/或者一个时间维度下的朝向信息,其中对于任何单一维度,具有正向和负向。在一些实施方式中,处理器包括以下各项中的一项或多项:数字信号处理器、数字处理器、微处理器或专用集成电路(ASIC)。
在一些实施方式中,个人计算设备包括设备上的显示器。在一些实施方式中,显示器的颜色、字体、图像大小、对比度或内容是用户选择的。在一些实施方式中,个人计算设备可选地包括音频指示器。在进一步实施方式中,通过用户选择将设备上的显示器的内容输出为音频。
在一些实施方式中,个人计算设备是用户可穿戴的。在进一步实施方式中,个人计算设备是可由用户腕戴的。在其他实施方式中,个人计算设备可以附着于身体上的任何皮肤区域。在一些实施方式中,所述设备包括可穿戴式适配器,该可穿戴式适配器可从该设备可逆地连接,以形成模块化设计。在一些实施方式中,个人计算设备是可围绕肩膀、耳朵、颈部、手指、手掌、踝、胸、手臂、腰、腿、脚、或躯干佩戴的。在一些实施方式中,所述设备包括允许该设备可逆地连接至健身器材、锻炼装置、体育装备等的适配器。在进一步实施方式中,所述设备附着至或者可逆地连接至哑铃、杠铃、划船机、皮划艇踏板、棒球棒、高尔夫球杆、网球拍、羽毛球拍、乒乓球拍、拳击手套、一块地板、把手、手套、一件衣服、鞋、腰带、座椅、扶手、垫子等。在其他实施方式中,所述设备可逆地连接至移动设备、计算机、GPS、iPad、USB驱动器、打印机、扫描仪、TV、服务器、汽车、智能手表、谷歌眼镜、iPod、游戏机、投影仪、照相机或类似的电子设备。
在一些实施方式中,所述设备还包括生物传感器,用来测量用户的生理参数。在进一步实施方式中,生物传感器是光学生物传感器、电气生物传感器、磁性生物传感器、电磁性生物传感器、化学生物传感器、电化学生物传感器、UV光生物传感器、压力生物传感器、速度生物传感器、声音生物传感器、量热式生物传感器或机械式生物传感器。在进一步实施方式中,生物传感器包括心率监测仪、温度计、呼吸计、血糖监测仪、电解质传感器、电导计、血压传感器、血氧传感器、体脂传感器、肌肉传感器、EMG电极、EEG传感器,ECG电极、体水化传感器等等。在一些实施方式中,生理参数包括心率、皮肤温度、呼吸率、脉搏、皮肤电反应、水化、血氧水平、血糖水平、体脂率、肌肉疲劳程度、EMG、EEG、ECG等。
参考图6,在特定实施方式中,个人计算设备经由可穿戴式适配器而附着于腕带或者从腕带拆开。
参考图7,在特定实施方式中,个人计算设备附着于腕带,并且示出了设备上的显示器的示例性图像。在该特定实施方式中,设备上的显示器示出了设备启动的问候语“免费家庭教练(Free Coach Home)”,并且在用户正进行对应的锻炼时将锻炼姿势记录为“例程1(Routine 1)”。设备上的显示器可选地示出了用户输入的体重,作为用户简档的一部分。当用户进行锻炼时,设备上的显示器可选地示出用户的锻炼重复次数(REPS,exerciserepetition number)和用户的生理参数,诸如以每分钟心搏次数(BPM,beat per minute)的心率。
在一些实施方式中,所述设备还包括被配置用于呈现图形用户界面的软件模块,该图形用户界面包括休息定时器。在进一步实施方式中,休息定时器基于生理参数,所述生理参数选自心率、皮肤温度、血压、血氧水平、血糖水平、呼吸速率、体水化水平、皮肤电反应、体脂率、EMG信号、EEG信号、ECG信号、肌肉疲劳程度等。在其他实施方式中,休息定时器由锻炼持续时间、所燃烧的卡路里、锻炼重复次数、锻炼评分、姿势错误或其他锻炼相关事件来确定。
在一些实施方式中,所述设备还包括地理定位元件,其中地理定位元件标识出个人计算设备的地理位置。在进一步实施方式中,地理位置包括高度、海拔、纬度、经度、坐标、大气压等等。
在一些实施方式中,所述设备还包括无线通信元件,其中该元件允许与健身器材、计算机、锻炼分析服务器应用、另一个人计算设备、体育装备等进行无线通信。在进一步实施方式中,无线通信元件是蓝牙模块、ANT+模块、Wi-Fi模块、IEEE 802.15.4微芯片、紫蜂(ZigBee)模块、无线USB、IrDA模块、创浪(ZWave)模块、无线网络适配器、无线因特网卡、体区域网络模块,近场通信等。
个人锻炼分析应用
在一些实施方式中,本文所描述的设备、平台和介质包括个人锻炼分析应用或其使用。在某些实施方式中,个人锻炼分析应用包括用来接收与用户在三个维度下的身体运动相关联的数据的软件模块。在进一步实施方式中,与用户在三个维度下的身体运动相关联的数据包括加速度数据和/或角速度数据。在又一些实施方式中,与用户在三个维度下的身体运动相关联的数据接收自从加速度计或陀螺仪选择的一个或多个。在其他实施方式中,与用户在三个维度下的身体运动相关联的数据是加速度数据。在进一步实施方式中,与用户在三个维度下的身体运动相关联的数据接收自一个或多个加速度计。在一些实施方式中,加速度数据包括一个空间维度下、两个空间维度下或三个空间维度下以及/或者一个时间维度下的加速度信息(其中对于任何单一维度,具有正向和负向)或其组合。在一些实施方式中,角速度数据包括一个空间维度下、两个空间维度下或三个空间维度下以及/或者一个时间维度下的朝向信息(对于任何单一维度,具有正向和负向)或其组合。在一些实施方式中,加速度数据和角速度数据是3×3向量。在其他实施方式中,加速度数据和角速度数据是四维向量。在又一些实施方式中,与用户在三个维度下的身体运动相关联的数据接收自压力传感器、GPS、定时器、速度传感器、振动传感器或温度计。在一些实施方式中,与用户在三个维度下的身体运动相关联的数据包括一维的、二维的或三维的距离、位移、加速度、角速度、线动量、速率、坐标、地理定位、力、扭矩、半径、圆周、海拔、持续时间、压力等。在进一步实施方式中,与用户在三个维度下的身体运动相关联的数据包括对一维的、二维的或三维的距离、位移、加速度、角速度、线动量、速率、坐标、地理定位、力、扭矩、半径、圆周、海拔、持续时间、压力等的数学处理或统计处理。在一些实施方式中,与用户在三个维度下的身体运动相关联的数据还与锻炼环境有关,所述锻炼环境包括大气压、水阻力、风阻力、水压、风速、水速、重力水平或者温度。
在某些实施方式中,个人锻炼分析应用包括被配置用于将个人计算设备置于学***板支撑锻炼、屈体锻炼、推举锻炼、下推锻炼、仰卧推举锻炼、网球锻炼、高尔夫锻炼、皮划艇锻炼、羽毛球锻炼、乒乓球锻炼、游泳锻炼、拳击锻炼、保龄球锻炼、跳舞锻炼、瑜伽锻炼、普拉提锻炼、划船锻炼、跑步锻炼、慢跑锻炼、徒步锻炼、攀岩锻炼、滑冰锻炼、自行车锻炼、曲棍球锻炼、击剑锻炼、冲浪锻炼、射箭锻炼、骑马锻炼、投篮锻炼等等。在进一步实施方式中,定义的锻炼的统计锻炼模型基于锻炼类型、年龄、体重、身高、性别、臂展、重复次数或此类的信息而单独生成。
在一些实施方式中,每个锻炼模型由来自进行定义的锻炼的一个或多个用户的平均数据生成。在进一步实施方式中,平均数据是基于每个用户的专业技能水平的加权平均数据。在一些实施方式中,一个或多个锻炼模型由来自进行定义的锻炼的一个或多个适格健身专业人士的数据生成。在一些实施方式中,一个或多个锻炼模型由来自未正确地进行定义的锻炼以模拟常见的锻炼姿势问题的适格健身专业人士的数据生成。在其他实施方式中,一个或多个锻炼模型由来自正确地进行定义的锻炼以说明示例性锻炼姿势的适格健身专业人士的数据生成。在其他实施方式中,每个锻炼模型由来自以多个重复次数进行定义的锻炼的单一用户的平均数据生成。在进一步实施方式中,统计模型由进行定义的锻炼的用户的3D身体运动生成。
在一些实施方式中,个人锻炼分析应用还包括被配置用于将所述设备置于正常模式的软件模块,正常模式包括对与三维身体运动相关联的数据应用概率分析以标识锻炼类型、通过与记录的锻炼模型的比较而对锻炼类型进行分类并且标识出锻炼的重复次数。在一些实施方式中,三维身体运动是从个人计算设备收集的原始运动相关数据。在其他实施方式中,在应用概率分析之前基于从运动传感器收集的原始数据对3D身体运动相关数据进行预处理。在进一步实施方式中,预处理包括以下各项中的一项或多项:空间、时间或频率相关的求平均、量化、去噪、平滑化、线性或非线性拟合、滤波、加权、截位、删除、转换、乘、减、除、插值、求导、四舍五入、重组、开平方、求幂等。在又一些实施方式中,预处理包括对原始数据的数学运算或统计运算,包括计算标准评分、z-评分、量化、PCA分析(主成分分析)、减去原始数据的均值、除以原始数据的标准偏差等。
在一些实施方式中,用来对锻炼进行分类的概率分析包括利用神经网络、上下文树加权、隐马尔可夫(Markov)模型、动态***、主成分分析、k-均值聚类、动态贝叶斯网络、混合模型、回归模型、马尔可夫随机场、条件随机场、模板匹配、动态概率图形模型、K-最近邻模型、专利识别模型、统计学习模型、机器学习模型或其组合。在一些实施方式中,概率分析的输入包括进行一个或多个定义的锻炼的用户在一个维度下、两个维度下或三个维度下的未经处理的身体运动数据。在进一步实施方式中,概率分析的输入包括进行一个或多个定义的锻炼的用户在一个维度下、两个维度下或三个维度下的经过预处理的身体运动数据。在进一步实施方式中,预处理通过数学运算或统计运算进行。在一些实施方式中,概率分析的输入包括一个或多个记录的锻炼模型。在一些实施方式中,概率分析的输出包括概率、概率的向量、显著性、显著性的向量、p值、p值的向量、估计误差、估计误差的向量等。在进一步实施方式中,输出值大于或等于0并且小于或等于1。在进一步实施方式中,概率分析的输出具有固定和。在又一些实施方式中,概率分析的输出的和为1。
在一些实施方式中,个人锻炼分析应用还包括被配置用于对3D身体运动的数据应用比较法以对用户的锻炼姿势进行评分的软件模块。在进一步实施方式中,评分包括平均评分、个人最高评分、个人最低评分、一段时间内的评分分布、重复次数内的评分分布或此类的组合。比较法包括平方差的和、统计差异、均方根偏差、均方根偏差的和、均方根的和、回归、马哈拉诺比斯(Mahalanobis)距离或此类的组合。在进一步实施方式中,使用选自A、B、C、D、E和F的列表中的字母等级来对用户的锻炼姿势进行评分。在其他实施方式中,使用范围在100百分位至0百分位之间的百分位等级来对用户的锻炼姿势进行评分。在其他实施方式中,使用范围在10至0、5至0或4至0之间的数字等级来对用户的锻炼姿势进行评分。在一些实施方式中,评分至少部分地源于用户的身体稳定性、用户的运动协调性、用户在一段时间或重复次数内的提高、或其组合。在一些实施方式中,评分至少部分地源于用户的3D身体运动的数据与由不同用户生成的锻炼模型或由至少两个其他用户的数据的平均值生成的锻炼模型的比较。在进一步实施方式中,不同用户或其他用户是一个或多个适格的健身专业人士、教练、私教、专家、运动员、职业选手、机器人等。
在一些实施方式中,所述应用还包括被配置用于呈现用户界面的软件模块,所述用户界面允许经由输入设备的用户-设备交互。在进一步实施方式中,输入设备包括触摸屏、按键、按钮、滚动、鼠标、键盘、指向设备、遥控器、麦克风、运动传感器、眼运动传感器、温度传感器、光学传感器或压力传感器。在进一步实施方式中,交互包括触摸、点击、振动、摇动、轻触、高亮、划圈、勾画轮廓,手势、指向、滑动,按压、眼运动或交叉。在一些实施方式中,用户界面允许用户创建或选择以供在设备上显示的内容,设备模式,休息定时器,经由声、光或振动的即时反馈,设备校准,错误报告,错误纠正,锻炼相关的提醒,生理数据相关的提醒,或其组合。在进一步实施方式中,经由声、光或振动的即时反馈包括对用户的生理数据或用户的锻炼相关的表现的反馈。在一些实施方式中,在设备上显示包括显示评分、锻炼类型、重复数、肌肉疲劳程度、锻炼持续时间、特定于锻炼的消息、用户生理数据、特定于设备的消息等。在进一步实施方式中,图形用户界面允许用户利用一个或多个数学运算或统计运算来对锻炼相关信息和/或活动相关信息作出纠正。在进一步实施方式中,活动相关信息包括活动类型、重复次数、活动日志、评分、平均评分、平均持续时间、平均负重、总持续时间、总评分、最低或最高评分、评分日志、负重、持续时间或任何活动衍生的信息。在进一步实施方式中,使用对锻炼相关的信息的纠正来更新统计分析或概率分析。
在一些实施方式中,锻炼是重量训练,并且特定于锻炼的消息包括:花费的时间、重复次数、重量太重、重量太轻、重量改变太多、运动太快、身体太不平稳、姿势太不正确、姿势太不协调、储存的锻炼次数以及关于锻炼姿势的纠正意见。在一些实施方式中,特定于设备的消息包括:蓝牙连接、蓝牙断开、储存的总锻炼次数、新增的锻炼类型、删除的锻炼类型、锻炼类型错误、存储空间低、电池电量通知、检测到的地理定位、复位定时器开始、复位定时器停止、地理定位错误、检测到的环境、环境错误或此类的组合。
图3是***110的使用的示意图。***110由用户303佩戴在手臂304上。用户303正持有负重301,正利用该负重301进行健身锻炼302。在进行健身锻炼302时,***110在手臂214上的位置发生改变。关于用户303和手臂304的位置的数据可由用户数据接收器101检测。微处理器102可以利用软件104进行对此数据的分析,以便确定健身锻炼302。进行的健身锻炼302可以储存在存储器103中、发送至通信单元105以及/或者利用显示器106呈现给用户303。用户303继而可以输入数据117,微处理器102将根据软件104而使用数据117以调整将来的计算指令。分析210还可以包括算出重复次数以及不同锻炼的集合。
图4A是指示用户303在进行健身锻炼302时能够付出的力气水平的曲线图。其表明了可以对用户303设置何种疲劳程度。
图4B是指示用户303所感受的锻炼阻力或负重301如何影响进行锻炼302的难度的曲线图。
图5A表明当用户303在不疲劳时进行锻炼302或者当以低阻力或以低负重301进行锻炼302时,***100通过接收器101所接收到的数据流。
图5B表明当用户303在疲劳时进行锻炼302或者当以高阻力或以高负重301进行锻炼302时,***100通过接收器101所接收到的数据流。该数据流中的波动由肌肉颤抖引起。当在肌肉中出现微撕裂时,发生肌肉颤抖;这些撕裂导致肌肉松弛,该肌肉松弛很快被增加的肌肉屈曲抵消。当开始疲劳时,或者当阻力增加时,这些微撕裂变得更普遍并且可以混合,从而导致数据集中更大的波动。
图5A和图5B之间的数据波动被***100用来估计在锻炼203中用户303正使用的负重301。本发明依赖于在锻炼阶段开始时所获得的数据或者来自先前锻炼阶段的数据来计算波动并因而估计阻力。
在一些实施方式中,个人锻炼分析应用包括被配置用于向或从锻炼分析服务器应用传输或接收与进行定义的锻炼的用户的3D身体运动相关联的数据的软件模块。在进一步实施方式中,传输或接收是直接的。在其他实施方式中,传输或接收是间接的,其中数据首先被传输至数字设备。在进一步实施方式中,数字设备是计算机、移动设备、在线账号、在线数据库、数字存储介质、服务器、集线器、硬盘驱动器、USB驱动器、云存储空间等。
在一些实施方式中,个人锻炼分析应用还包括被配置用于呈现允许用户创建个人简档的界面的软件模块。在进一步实施方式中,简档包括体重、身高、年龄、性别、臂展、健身专业技能、锻炼目标、评分目标、对佩戴所述设备的偏好、锻炼日志、评分记录、对锻炼相关信息的统计分析等。
在一些实施方式中,服务器应用包括被配置用于对进行定义的锻炼的用户的3D身体运动数据应用概率分析以标识锻炼事件、通过与统计锻炼模型中的一个或多个的比较而对该锻炼进行分类并且标识锻炼的重复次数的软件模块。在进一步实施方式中,3D身体运动数据包括加速度数据和角速度数据。
在一些实施方式中,所述应用包括被配置用于对加速度数据和角速度数据应用统计分析以对用户的锻炼姿势进行评分的软件模块。在进一步实施方式中,评分包括平均评分、个人最高评分、个人最低评分、一段时间内的评分分布、重复次数内的评分分布或此类的组合。比较法包括平方差的和、均方根偏差、均方根偏差的和、均方根的和、回归、马哈拉诺比斯距离或此类的组合。在进一步实施方式中,使用选自A、B、C、D、E和F的列表中的字母等级来对用户的锻炼姿势进行评分。在其他实施方式中,使用范围在100百分位至0百分位之间的百分位等级来对用户的锻炼姿势进行评分。在其他实施方式中,使用范围在10至0、5至0或4至0之间的数字等级来对用户的锻炼姿势进行评分。在一些实施方式中,评分至少部分地源于用户的身体稳定性、用户的运动协调性、用户在一段时间或重复次数内的提高、或其组合。在一些实施方式中,评分至少部分地源于用户的3D身体运动的数据与由不同用户生成的锻炼模型或由至少两个其他用户的数据的平均值生成的锻炼模型的比较。在进一步实施方式中,不同用户或其他用户是一个或多个适格的健身专业人士、教练、私教、专家、运动员、职业选手、机器人等。
参考图8,示出了使用图7中的个人计算设备的示例性实施方式来分析个人锻炼数据的流程图。当用户以某一重复次数进行定义的锻炼时,将3D身体运动数据(即,3D加速度数据和/或3D角速度数据)从运动传感器读取至个人锻炼分析应用800中。运动传感器可选地包括加速度计和陀螺仪。得出并且可选地选择原始运动数据的特征作为个人锻炼分析应用的输入810。在将这样的输入馈送至统计分析模型831、832、833、834或835中之前可选地对其进行预处理820。预处理820可选地包括通过减去均值并且除以标准偏差来计算标准评分或z-评分。或者,对原始输入进行PCA(主成分分析)820以去除线性相关。在该特定实施方式中,统计模型可选地选自神经网络831或835、上下文树加权832、隐马尔可夫模型833或834或者它们的组合,以估计所进行的锻炼和/或重复次数。另外,在该实施方式中,从统计模型831、832或833获得与所估计的锻炼以及所估计的重复次数841或842相关联的预测概率。在该特定实施方式中,预测概率是概率的向量。估计的锻炼姿势基于与所估计的锻炼和所估计的重复次数841或842相关联的预测概率而生成。可选地,进一步处理所估计的锻炼姿势以使所进行的锻炼以及重复次数平滑化851并对其进行提取。当检测到所进行的锻炼与记录的锻炼之间的匹配861时,通过比较所进行的锻炼数据与所记录的锻炼来进行姿势分析880,并且基于该比较来计算姿势评分890。替代地,从统计模型833、834或835获得仅与估计的锻炼844或845相关联的预测概率。估计的锻炼姿势基于与估计的锻炼844或845相关联的预测概率而生成。可选地,进一步处理估计的锻炼姿势以使所进行的锻炼以及重复次数平滑化855并对其进行提取。当检测到所进行的锻炼与记录的锻炼之间的匹配860时,计算重复次数870,并且通过比较所进行的锻炼数据与所记录的锻炼来进行姿势分析880,并且基于该比较来计算姿势评分890。可选地,经由数学运算作出比较890,数学运算包括均方根偏差、或均方根的和。向用户显示进行的锻炼类型、重复次数以及姿势评分的信息899。
图9是使用图7中的个人计算设备的示例性实施方式来对用户的锻炼姿势进行评分的流程图。在该特定实施方式中,用户重复进行定义的锻炼。使用例如从加速度计和陀螺仪等运动传感器900获得的、与锻炼类型、重复次数和置信水平相关联的3D身体运动数据作为输入。对输入进行分析以供运动稳定性评分910以及/或者将输入分离成不同的重复次数920。另外,在该实施方式中,将一个或多个分离的重复次数与记录的锻炼模型进行比较932,并且基于该比较生成相似度评分940。可选地,对不同的重复次数的相似度931进行评估作为评分的一部分,并且可选地与相似度评分940和稳定性评分910进行组合以生成最终评分950。最终评分可选地包括显示给用户的聚合姿势评分和/或单个姿势评分。可选地,在该实施方式中,当无法计算相似度评分时,检测到姿势错误940,并且显示错误信息而不是评分950。
在一些实施方式中,个人锻炼分析应用还包括被配置用于将所述设备置于校准模式的软件模块,校准模式包括对与特定用户的一个或多个三维身体运动相关联的数据应用概率分析,以标识概率模型中的用户依赖参数。在一些实施方式中,三维身体运动是从个人计算设备收集的原始运动相关数据。在其他实施方式中,在应用概率分析之前基于从运动传感器收集的原始数据,对3D身体运动相关数据进行预处理。在进一步实施方式中,预处理包括以下各项中的一项或多项:空间、时间或频率相关的求平均、量化、去噪、平滑化、线性或非线性拟合、滤波、加权、截位、删除、转换、乘、减、除、插值、求导、四舍五入、重组、开平方、求幂等。在又一些实施方式中,预处理包括对原始数据的数学运算或统计运算,包括计算标准评分、z-评分、量化、PCA分析(主成分分析)、减去原始数据的均值、除以原始数据的标准偏差等。
锻炼分析服务器应用
在一些实施方式中,本文所描述的设备、平台和介质包括锻炼分析服务器应用或其使用。在一些实施方式中,服务器应用包括统计锻炼模型的数据库。在进一步实施方式中,数据库包括至少1个、至少2个、至少5个、至少8个、至少10个、至少20个、至少40个、至少50个、至少80个、至少100个、至少150个、至少250个、至少200个、至少300个、至少400个或至少500个锻炼模型,其中每个模型与特定的锻炼相关联。在进一步实施方式中,在数据库中与锻炼类型、用户性别、用户年龄、用户体重、用户身高、用户臂展、重复次数、锻炼持续时间或此类的组合相关联地储存特定的锻炼模型。在一些实施方式中,每个锻炼模型由来自进行定义的锻炼的多个用户的平均数据生成。在进一步实施方式中,平均数据是基于每个用户的专业技能水平的加权平均数据。在一些实施方式中,一个或多个锻炼模型由来自进行定义的锻炼的一个或多个适格健身专业人士的数据生成。在一些实施方式中,一个或多个锻炼模型由来自未正确地进行定义的锻炼以模拟常见的锻炼姿势问题的适格健身专业人士的数据生成。在其他实施方式中,一个或多个锻炼模型由来自正确地进行定义的锻炼以说明示例性锻炼姿势的适格健身专业人士的数据生成。在其他实施方式中,每个锻炼模型由来自以不同的重复次数进行定义的锻炼的单一用户的平均数据生成。在进一步实施方式中,每个锻炼模型由进行定义的锻炼的用户的一维、二维或三维的身体运动数据生成。在进一步实施方式中,进行定义的锻炼的用户的身体运动数据是接收自加速度计的加速度数据或接收自陀螺仪的角速度数据。在又一些实施方式中,身体运动数据接收自压力传感器、GPS、定时器或温度计。在一些实施方式中,用户的3D身体运动相关数据包括一维、二维或三维的距离、位移、加速度、角速度、线动量、速率、坐标、地理定位、力、扭矩、半径、圆周、高度。在一些实施方式中,接收的数据还与锻炼环境有关,所述锻炼环境包括大气压、水压、风速、水速、重力水平或温度。
在一些实施方式中,锻炼分析服务器应用包括被配置用于从个人计算设备接收进行定义的锻炼的用户的3D身体运动相关数据的软件模块。在进一步实施方式中,服务器应用从至少5个、至少8个、至少10个、至少20个、至少30个、至少40个、至少50个、至少80个、至少100个、至少200个、至少500个、至少1000个、至少5000个、至少10000个或至少20000个个人计算设备接收进行定义的锻炼的用户的3D身体运动相关数据。
在一些实施方式中,服务器应用包括被配置用于对进行定义的锻炼的用户的3D身体运动数据应用概率分析以标识锻炼事件、通过与统计锻炼模型中的一个或多个的比较而对锻炼类型进行分类并且/或者标识出锻炼的重复次数的软件模块。在一些实施方式中,服务器应用包括被配置用于对3D身体运动数据应用统计分析以对用户的锻练姿势进行评分的软件模块。在进一步实施方式中,3D身体运动的数据包括加速度数据和角速度数据。在进一步实施方式中,3D身体运动的数据包括一维、二维或三维的距离、位移、加速度、角速度、线动量、速率、坐标、地理定位、力、扭矩、半径、圆周、高度。在进一步实施方式中,用户的3D身体运动相关数据包括对一维、二维或三维的距离、位移、加速度、角速度、线动量、速率、坐标、地理定位、力、扭矩、半径、圆周、高度、持续时间、压力等的数学处理或统计处理。在一些实施方式中,所接收到的数据还与锻炼环境有关,所述锻炼环境包括大气压、水压、风速、水速、重力水平或温度。
在一些实施方式中,锻炼分析服务器应用还包括被配置用于呈现允许用户创建、修改、删除或保存个人简档的界面的软件模块。在进一步实施方式中,简档包括体重、身高、年龄、性别、臂展、健身专业技能、对佩戴所述设备的偏好等。
图10是使用图7中的个人计算设备的示例性实施方式来记录新的锻炼类型的流程图。在该特定实施方式中,用户进入新的锻炼模式1000并且佩戴着个人计算设备以某一重复次数进行新的锻炼。由加速度计和陀螺仪感测运动数据并将其读取至锻炼分析应用。可选地,当收集的数据的置信水平大于预定阙值1010时,储存运动传感器数据并且经由无线通信将新的锻炼添加至锻炼分析服务器应用中的数据库1021。另外,在该实施方式中,当运动数据的置信水平可选地小于预定阙值1010时,向用户提示新的重复次数1020。用户开始重复同样的锻炼1030以生成新的运动数据1040。可选地,对来自传感器的新的运动数据进行预处理1050以通过检测新的置信值并将其与阙值进行比较1010而重新进入新的锻炼检测循环。
图1A是***100的示例性实施方式的框图。示例性设备例如可以包括具有内部硬件配置的计算机,所述硬件配置包括微处理器102和存储器103。微处理器102可以是用于控制便携式计算设备100的操作的控制器。微处理器102例如通过存储器总线连接至存储器103。存储器103可选地为FLASH存储器、随机存取存储器(RAM)、只读存储器(ROM)或任何其他合适的存储设备。存储器103可以储存由微处理器102使用的数据和程序指令。程序指令可以是以软件104的形式。软件104可以完全地或部分地驻留于微处理器102或存储器103内。用户数据接收器101可以与微处理器102相耦合。在从用户数据接收器101读取数据时,微处理器102可以从存储器103中读取软件104以执行对数据的分析。分析可以储存在存储器103中或发送至通信单元105,其中通信单元105可以向另一设备发送数据。所述分析和/或来自用户数据接收器101的原始数据可以利用显示器106呈现给用户。
图1B是***的一个实施方式的框图,其中***110能够进行无线通信115并且接收来自用户的输入数据117。
图2是用于对通过设备100的使用202的一个实施方式所接收的个人数据205的分析的方法的流程图200。分析210由在该设备上具有软件104的、该设备的微处理器102,基于所述数据而生成。继而利用显示器106向用户示出显示反馈215。继而可以利用通信单元105向辅助设备220传输存储器103中的所有信息。
图2B是用于对通过设备110的使用202的一个实施方式所接收的个人数据205的分析的方法的流程图201。在示出显示反馈215之后,设备110收集用户输入数据117并且对分析进行调整以改进反馈255。由设备110进行的进一步分析250可以反映基于用户输入255的调整。
锻炼模型
在一些实施方式中,每个锻炼模型与特定的体育锻炼相关联。在进一步实施方式中,将特定的锻炼模型与锻炼类型、用户性别、用户年龄、用户体重、用户身高、用户臂展、重复次数、锻炼持续时间或此类的组合相关联地储存在数据库中。在一些实施方式中,在锻炼分析服务器应用或个人锻炼分析应用的数据库中添加、修改、删除锻炼模型。在一些实施方式中,每个锻炼模型由来自进行定义的锻炼的多个用户的平均数据生成。在进一步实施方式中,平均数据是基于每个用户的专业技能水平的加权平均数据。在一些实施方式中,一个或多个锻炼模型由来自进行定义的锻炼的一个或多个适格健身专业人士的数据生成。在一些实施方式中,一个或多个锻炼模型由来自未正确地进行定义的锻炼以模拟常见的锻炼姿势问题的适格健身专业人士的数据生成。在其他实施方式中,一个或多个锻炼模型由来自正确地进行定义的锻炼以说明示例性锻炼姿势的适格健身专业人士的数据生成。在其他实施方式中,每个锻炼模型由来自以不同的重复次数进行定义的锻炼的单一用户的平均数据生成。在进一步实施方式中,每个锻炼模型由进行定义的锻炼的用户的一维、二维或三维的身体运动数据生成。在进一步实施方式中,进行定义的锻炼的用户的身体运动数据是来自加速计的加速度数据或来自陀螺仪的角速度数据。在又一些实施方式中,身体运动数据接收自压力传感器、GPS、定时器或温度计。在一些实施方式中,用户的3D身体运动相关数据包括一维、二维或三维的距离、位移、加速度、角速度、线动量、速率、坐标、地理定位、力、扭矩、半径、圆周、高度。在一些实施方式中,所接收到的数据还与锻炼环境有关,所述锻炼环境包括大气压、水压、风速、水速、重力水平或温度。在一些实施方式中,一个或多个锻炼模型是对个人锻炼分析应用中的概率分析的输入。
个人活动分析应用
在一些实施方式中,本文所描述的设备、平台和介质包括个人活动分析应用或其使用。在某些实施方式中,个人活动分析应用包括用来接收与用户在三个维度下的身体运动相关联的数据的软件模块。在进一步实施方式中,与用户在三个维度下的身体运动相关联的数据包括加速度数据和/或角速度数据。在又一些实施方式中,与用户在三个维度下的身体运动相关联的数据接收自从加速度计或陀螺仪中选择的一个或多个。在其他实施方式中,与用户在三个维度下的身体运动相关联的数据是加速度数据。在进一步实施方式中,与用户在三个维度下的身体运动相关联的数据接收自一个或多个加速度计。在一些实施方式中,加速度数据包括一个空间维度、两个空间维度或三个空间维度以及/或者一个时间维度下的加速度信息(对于任何单一维度,具有正向和负向)或其组合。在一些实施方式中,角速度数据包括一个空间维度、两个空间维度或三个空间维度以及/或者一个时间维度下的朝向信息(对于任何单一维度,具有正向和负向)或其组合。在一些实施方式中,加速度数据和角速度数据是3×3向量。在其他实施方式中,加速度数据和角速度数据是四维向量。在又一些实施方式中,与用户在三个维度下的身体运动相关联的数据接收自压力传感器、GPS、定时器、速度传感器、振动传感器或温度计。在一些实施方式中,与用户在三个维度下的身体运动相关联的数据包括一维、二维或三维的距离、频率、相位、位移、加速度、角速度、线动量、速率、坐标、地理定位、力、扭矩、半径、圆周、高度、持续时间、压力等。在进一步实施方式中,与用户在三个维度下的身体运动相关联的数据包括对一维、二维或三维的距离、位移、加速度、角速度、线动量、速率、坐标、地理定位、力、扭矩、半径、圆周、高度、持续时间、压力等的数学处理或统计处理。在一些实施方式中,与用户在三个维度下的身体运动相关联的数据还与锻炼环境有关,所述锻炼环境包括大气压、水阻力、风阻力、水压、风速、水速、重力水平或温度。
在某些实施方式中,个人活动分析应用包括被配置用于将个人计算设备置于学习模式的软件模块。在一些实施方式中,学习模式包括记录与进行定义的活动的用户在一个维度、两个维度或三个维度下的身体运动相关联的数据。在进一步实施方式中,与用户在三个维度下的身体运动相关联的数据是进行定义的活动的用户的加速度数据和/或角速度数据,以便生成针对该活动的统计活动模型。在一些实施方式中,用户是适格的健身专业人士、教练、私教、专家、运动员、职业选手、教师、指导者、讲师、机器人等中的一个或多个。在一些实施方式中,活动是涉及一个维度、两个维度或三个维度下的身体运动的体育活动。在进一步实施方式中,活动包括刷牙、淋浴、浇水、马桶抽水(plumbing)、修剪、枪炮射击、驾驶、骑自行车、伞兵射击、扦插、绘画、因火炮后坐力而产生的身体移动,打字、缝纫、画图、写字、乐器演奏、清洗、园艺、游泳、握手、调酒、开瓶、玩电子游戏、跳舞等。在进一步实施方式中,定义的活动的统计活动模型基于活动类型、年龄、体重、身高、性别、臂展、重复次数、或此类的信息而单独生成。
在一些实施方式中,每个活动模型由来自进行定义的活动的一个或多个用户的平均数据生成。在进一步实施方式中,平均数据是基于每个用户的专业技能水平的加权平均数据。在一些实施方式中,一个或多个活动模型由来自进行定义的活动的一个或多个适格健身专业人士的数据生成。在一些实施方式中,一个或多个活动模型由来自未正确地进行定义的活动以模拟常见的活动姿势问题的适格健身专业人士的数据生成。在其他实施方式中,一个或多个活动模型由来自正确地进行定义的活动以说明示例性活动姿势的适格健身专业人士的数据生成。在其他实施方式中,每个活动模型由来自以多个重复次数进行定义的活动的单一用户的平均数据生成。在进一步实施方式中,统计模型由进行定义的活动的用户的3D身体运动生成。
在一些实施方式中,个人活动分析应用还包括被配置用于将所述设备置于正常模式的软件模块,正常模式包括对与三维身体运动相关联的数据应用概率分析以标识活动类型、通过与记录的活动模型的比较而对活动类型进行分类并且标识出该活动的重复次数。在一些实施方式中,三维身体运动是从个人计算设备收集的原始运动相关数据。在其他实施方式中,在应用概率分析之前基于从运动传感器收集的原始数据对3D身体运动相关数据进行预处理。在进一步实施方式中,预处理包括以下各项中的一项或多项:空间、时间或频率相关的求平均、量化、去噪、平滑化、线性或非线性拟合、滤波、加权、截位、删除、转换、乘、减、除、插值、求导、四舍五入、重组、开平方、求幂等。在又一些实施方式中,预处理包括对原始数据的数学运算或统计运算,包括计算标准评分、z-评分、量化、PCA分析(主成分分析)、减去原始数据的均值、除以原始数据的标准偏差等。
在一些实施方式中,用来对活动进行分类的概率分析包括利用神经网络、上下文树加权、隐马尔可夫模型、动态***、主成分分析、k-均值聚类、动态贝叶斯网络、混合模型、回归模型、马尔可夫随机场、条件随机场、模板匹配、动态概率图形模型、K-最近邻模型、专利识别模型、统计学习模型、机器学习模型或其组合。在一些实施方式中,概率分析的输入包括进行一个或多个定义的活动的用户在一个维度、两个维度或三个维度下的未经处理的身体运动数据。在进一步实施方式中,概率分析的输入包括进行一个或多个定义的活动的用户在一个维度、两个维度或三个维度下的经过预处理的身体运动数据。在进一步实施方式中,预处理通过数学运算或统计运算进行。在一些实施方式中,概率分析的输入包括一个或多个记录的活动模型。在一些实施方式中,概率分析的输出包括概率、概率的向量、显著性、显著性的向量、p值、p值的向量、估计误差、估计误差的向量等。在进一步实施方式中,输出值大于或等于0并且小于或等于1。在进一步实施方式中,概率分析的输出具有固定和。在又一些实施方式中,概率分析的输出的和为1。
在一些实施方式中,个人活动分析应用还包括被配置用于对3D身体运动的数据应用比较法以对用户的活动姿势进行评分的软件模块。在进一步实施方式中,评分包括平均评分、个人最高评分、个人最低评分、一段时间内的评分分布、重复次数内的评分分布或此类的组合。比较法包括平方差的和,统计差异、均方根偏差、均方根偏差的和、均方根的和、回归、马哈拉诺比斯距离或此类的组合。在进一步实施方式中,使用选自A、B、C、D、E和F的列表中的字母等级来对用户的活动姿势进行评分。在其他实施方式中,使用范围在100百分位至0百分位之间的百分位等级来对用户的活动姿势进行评分。在其他实施方式中,使用范围在10至0、5至0或4至0之间的数字等级来对用户的活动姿势进行评分。在一些实施方式中,评分至少部分地源于用户的身体稳定性、用户的运动协调性、用户在一段时间或重复次数内的提高、或其组合。在一些实施方式中,评分至少部分地源于用户的3D身体运动的数据与由不同用户生成的活动模型或由至少两个其他用户的数据的平均值生成的活动模型的比较。在进一步实施方式中,不同用户或其他用户是一个或多个适格的健身专业人士、教练、私教、专家、运动员、职业选手、机器人等。
在一些实施方式中,所述应用还包括被配置用于呈现用户界面的软件模块,用户界面允许经由输入设备的用户-设备交互。在进一步实施方式中,输入设备包括触摸屏、按键、按钮、滚动、鼠标、键盘、指向设备、遥控器、麦克风、运动传感器、眼运动传感器、温度传感器、光学传感器或压力传感器。在进一步实施方式中,交互包括触摸、点击、振动、摇动、轻触、高亮、划圈、勾画轮廓,手势、指向、滑动,按压、眼运动或交叉。在一些实施方式中,用户界面允许在设备上显示消息,选择或修改设备模式、休息定时器、经由声、光或振动的即时反馈、设备校准、错误报告、错误纠正、活动相关的提醒、生理数据相关的提醒或其组合。在进一步实施方式中,即时反馈包括经由声、光或振动对用户的生理数据或用户的活动相关的表现的反馈。在一些实施方式中,在设备上显示包括显示评分、活动类型、重复次数、肌肉疲劳程度、活动持续时间、特定于活动的消息、用户生理数据、设备相关的消息、存储空间使用、电池电量、所储存的相关活动的数目、锻炼日志、用户简档等。在进一步实施方式中,图形用户界面允许用户利用一个或多个数学运算或统计运算对活动相关信息和/或活动相关信息作出纠正。在进一步实施方式中,活动相关信息包括活动类型、重复次数、活动日志、评分、平均评分、平均持续时间、平均负重、总持续时间、总评分、最低或最高评分、评分日志、负重、持续时间或任何活动衍生的信息。在进一步实施方式中,使用对活动相关信息的纠正来更新统计分析或概率分析方法。
在一些实施方式中,活动是重量训练活动,并且特定于活动的消息包括:花费的时间、重复次数、重量太重、重量太轻、重量改变太多、运动太快、身体太不平稳、姿势太不正确、姿势太不协调、储存的活动数目以及关于活动姿势的纠正意见。在一些实施方式中,特定于设备的消息包括:蓝牙连接、蓝牙断开、储存的总活动数、新增的活动类型、删除的活动类型、活动类型错误、储存空间低、电池电量通知、检测到的地理定位、复位定时器开始、复位定时器停止、地理定位错误、检测到的环境、环境错误或此类的组合。
在一些实施方式中,个人活动分析应用包括被配置用于向或从活动分析服务器应用传输或接收与进行定义的活动的用户的3D身体运动相关联的数据的软件模块。在进一步实施方式中,传输或接收是直接的。在其他实施方式中,传输或接收是间接的,其中数据首先被传输至数字设备。在进一步实施方式中,数字设备是计算机、移动设备、在线账号、在线数据库、数字存储介质、服务器、集线器、硬盘驱动器、USB驱动器、云存储空间等。
在一些实施方式中,个人活动分析应用还包括被配置用于呈现允许用户创建个人简档的界面的软件模块。在进一步实施方式中,简档包括体重、身高、年龄、性别、臂展、健身专业技能、活动目标、评分目标、对佩戴所述设备的偏好、活动日志、评分记录、对活动相关信息的统计分析等。
在一些实施方式中,服务器应用包括被配置用于对进行定义的活动的用户的3D身体运动的数据应用概率分析以标识活动事件、通过与统计活动模型中一个或多个的比较而对活动类型进行分类并且标识活动的重复次数的软件模块。在进一步实施方式中,3D身体运动的数据包括加速度数据和角速度数据。
在一些实施方式中,所述应用包括被配置用于对加速度数据和角速度数据应用统计分析以对所述用户的活动姿势进行评分的软件模块。在进一步实施方式中,评分包括平均评分、个人最高评分、个人最低评分、一段时间内的评分分布、重复次数内的评分分布或此类的组合。比较法包括平方差的和、均方根偏差、均方根偏差的和、均方根的和、回归、马哈拉诺比斯距离或此类的组合。在进一步实施方式中,使用选自A、B、C、D、E和F的列表中的字母等级来对用户的活动姿势进行评分。在其他实施方式中,使用范围在100百分位至0百分位之间的百分位等级来对用户的活动姿势进行评分。在其他实施方式中,使用范围在10至0、5至0或4至0之间的数字等级来对用户的活动姿势进行评分。在一些实施方式中,评分至少部分地源于用户的身体稳定性、用户的运动协调性、用户在一段时间或重复次数内的提高、或其组合。在一些实施方式中,评分至少部分地源于用户的3D身体运动的数据与由不同用户生成的活动模型或由至少两个其他用户的数据的平均值生成的活动模型的比较。在进一步实施方式中,不同用户或其他用户是一个或多个适格的健身专业人士、教练、私教、专家、运动员、职业选手、机器人等。
在一些实施方式中,个人活动分析应用还包括被配置用于将所述设备置于校准模式的软件模块,校准模式包括对与特定用户的一个或多个三维身体运动相关联的数据应用概率分析,以标识概率分析中的用户依赖参数。在一些实施方式中,三维身体运动是从个人计算设备收集的原始运动相关数据。在其他实施方式中,在应用概率分析之前基于从运动传感器收集的原始数据对3D身体运动相关数据进行预处理。在进一步实施方式中,预处理包括以下各项中的一项或多项:空间、时间或频率相关的求平均、量化、去噪、平滑化、线性或非线性拟合、滤波、加权、截位、删除、转换、乘、减、除、插值、求导、四舍五入、重组、开平方、求幂等。在又一些实施方式中,预处理包括对原始数据的数学运算或统计运算,包括计算标准评分、z-评分、量化、PCA分析(主成分分析)、减去原始数据的均值、除以原始数据的标准偏差等。
活动分析服务器应用
在一些实施方式中,本文所描述的设备、平台和介质包括活动分析服务器应用或其使用。在一些实施方式中,服务器应用包括统计活动模型的数据库。在进一步实施方式中,数据库包括至少1个、至少2个、至少5个、至少8个、至少10个、至少20个、至少40个、至少50个、至少80个、至少100个、至少150个、至少250个、至少200个、至少300个、至少400个或至少500个活动模型,其中每个模型与特定的活动相关联。在进一步实施方式中,将特定的活动模型与活动类型、用户性别、用户年龄、用户体重、用户身高、用户臂展、重复次数、活动持续时间或此类的组合相关联地储存在数据库中。在一些实施方式中,每个活动模型由来自进行定义的活动的多个用户的平均数据生成。在进一步实施方式中,平均数据是基于每个用户的专业技能水平的加权平均数据。在一些实施方式中,一个或多个活动模型由来自进行定义的活动的一个或多个适格健身专业人士的数据生成。在一些实施方式中,一个或多个活动模型由来自未正确地进行定义的活动以模拟常见的活动姿势问题的适格健身专业人士的数据生成。在其他实施方式中,一个或多个活动模型由来自正确地进行定义的活动以说明示例性活动姿势的适格健身专业人士的数据生成。在其他实施方式中,每个活动模型由来自以不同的重复次数进行定义的活动的单一用户的平均数据生成。在进一步实施方式中,每个活动模型由进行定义的活动的用户的一维、二维或三维的身体运动数据生成。在进一步实施方式中,进行定义的活动的用户的身体运动数据是接收自加速度计的加速度数据或接收自陀螺仪的角速度数据。在又一些实施方式中,身体运动数据接收自压力传感器、GPS、定时器或温度计。在一些实施方式中,用户的3D身体运动相关数据包括一维、二维或三维的距离、位移、加速度、角速度、线动量、速率、坐标、地理定位、力、扭矩、半径、圆周、高度。在一些实施方式中,所接收到的数据还与锻炼环境有关,所述锻炼环境包括大气压、水压、风速、水速、重力水平或温度。
在一些实施方式中,活动分析服务器应用包括被配置用于从个人计算设备接收进行定义的活动的用户的3D身体运动相关数据的软件模块。在进一步实施方式中,服务器应用从至少5个、至少8个、至少10个、至少20个、至少30个、至少40个、至少50个、至少80个、至少100个、至少200个、至少500个、至少1000个、至少5000个、至少10000个或至少20000个个人计算设备接收进行定义的活动的用户的3D身体运动相关数据。
在一些实施方式中,服务器应用包括被配置用于对进行定义的活动的用户的3D身体运动的数据应用概率分析以标识活动事件、通过与统计活动模型中的一个或多个的比较而对活动类型进行分类并且/或者标识出活动的重复次数的软件模块。在一些实施方式中,服务器应用包括被配置用于对3D身体运动数据应用统计分析以对用户的活动姿势进行评分的软件模块。在进一步实施方式中,3D身体运动的数据包括加速度数据和角速度数据。在进一步实施方式中,3D身体运动的数据包括一维、二维或三维的距离、位移、加速度、角速度、线动量、速率、坐标、地理定位、力、扭矩、半径、圆周、高度。在进一步实施方式中,用户的3D身体运动相关数据包括对一维、二维或三维的距离、位移、加速度、角速度、线动量、速率、坐标、地理定位、力、扭矩、半径、圆周、高度、持续时间、压力等的数学处理或统计处理。在一些实施方式中,所接收到的数据还与锻炼环境有关,所述锻炼环境包括大气压、水压、风速、水速、重力水平或温度。
在一些实施方式中,活动分析服务器应用还包括被配置用于呈现允许用户创建、修改、删除或保存个人简档的界面的软件模块。在进一步实施方式中,简档包括体重、身高、年龄、性别、臂展、健身专业技能、对佩戴所述设备的偏好等。
活动类型
在一些实施方式中,每个活动模型与特定的体育活动相关联。在进一步实施方式中,将特定的活动模型与活动类型、用户性别、用户年龄、用户体重、用户身高、用户臂展、重复次数、活动持续时间或此类的组合相关联地储存在数据库中。在一些实施方式中,在活动分析服务器应用或个人活动分析应用的数据库中添加、修改或删除活动模型。在一些实施方式中,每个活动模型由来自进行定义的活动的多个用户的平均数据生成。在进一步实施方式中,平均数据是基于每个用户的专业技能水平的加权平均数据。在一些实施方式中,一个或多个活动模型由来自进行定义的活动的一个或多个适格健身专业人士的数据生成。在一些实施方式中,一个或多个活动模型由来自未正确地进行定义的活动以模拟常见的活动姿势问题的适格健身专业人士的数据生成。在其他实施方式中,一个或多个活动模型由来自正确地进行定义的活动以说明示例性活动姿势的适格健身专业人士的数据生成。在其他实施方式中,每个活动模型由来自以不同的重复次数进行定义的活动的单一用户的平均数据生成。在进一步实施方式中,每个活动模型由进行定义的活动的用户的一维、二维或三维的身体运动数据生成。在进一步实施方式中,进行定义的活动的用户的身体运动数据是来自加速计的加速度数据或来自陀螺仪的角速度数据。在又一些实施方式中,身体运动数据接收自压力传感器、GPS、定时器或温度计。在一些实施方式中,用户的3D身体运动相关数据包括一维、二维或三维的距离、位移、加速度、角速度、线动量、速率、坐标、地理定位、力、扭矩、半径、圆周、高度。在一些实施方式中,所接收到的数据还与锻炼环境有关,所述锻炼环境包括大气压、水压、风速、水速、重力水平或温度。在一些实施方式中,一个或多个活动模型是对个人活动分析应用中的概率分析的输入。
数字处理设备
在一些实施方式中,本文所描述的平台、介质、方法和应用包括数字处理设备、处理器或其使用。在进一步实施方式中,数字处理设备包括实行设备的功能的一个或多个硬件中央处理单元(CPU)。在又一些实施方式中,数字处理设备还包括被配置用于执行可执行指令的操作***。在一些实施方式中,数字处理设备可选地连接至计算机网络。在进一步实施方式中,数字处理设备可选地连接至因特网,以使得其访问万维网。在又一些实施方式中,数字处理设备可选地连接至云计算基础结构。在其他实施方式中,数字处理设备可选地连接至内联网。在其他实施方式中,数字处理设备可选地连接至数据存储设备。
根据本文的描述,举非限制性示例而言,合适的数字处理设备包括服务器计算机、台式计算机、膝上型计算机、笔记本计算机、亚笔记本计算机、上网本计算机、上网平板计算机、机顶计算机、手持式计算机、因特网器具、移动智能电话、平板计算机、个人数字助理、电子游戏控制台以及载具。本领域技术人员将认识到许多智能电话适合于在本文所描述的***中使用。本领域技术人员还将认识到具有可选的计算机网络连接的精选电视、视频播放器和数字音乐播放器适合于在本文所描述的***中使用。合适的平板计算机包括本领域技术人员所知的、具有小册子、平板和可转换配置的那些平板计算机。
在一些实施方式中,数字处理设备包括被配置用于执行可执行指令的操作***。操作***例如是包括程序和数据的软件,该软件管理设备的硬件并且提供用于执行应用的服务。举非限制性示例而言,本领域技术人员将认识到合适的服务器操作***包括FreeBSD、OpenBSD、Linux、Mac OS XWindows以及举非限制性示例而言,本领域技术人员将认识到合适的个人计算机操作***包括MacOS以及类似UNIX的操作***,诸如在一些实施方式中,操作***由云计算提供。本领域技术人员还将认识到合适的移动智能电话操作***包括,举非限制性示例而言,OS、Research InBlackBerry WindowsOS、WindowsOS、以及
在一些实施方式中,所述设备包括储存和/或存储设备。储存和/或存储设备是用于临时或永久地储存数据或程序的一个或多个物理装置。在一些实施方式中,所述设备是易失性存储器并且需要电力来维持所储存的信息。在一些实施方式中,所述设备是非易失性存储器并且在所述数字处理设备未通电时保持所储存的信息。在进一步实施方式中,非易失性存储器包括快闪存储器。在一些实施方式中,非易失性存储器包括动态随机存取存储器(DRAM)。在一些实施方式中,非易失性存储器包括铁电随机存取存储器(FRAM)。在一些实施方式中,非易失性存储器包括相变随机存取存储器(PRAM)。在一些实施方式中,非易失性存储器包括磁阻随机存取存储器(MRAM)。在其他实施方式中,所述设备是储存设备,举非限制性的示例而言,该储存设备包括CD-ROM、DVD、快闪存储设备、磁盘驱动器、磁带驱动器、光盘驱动器以及基于云计算的储存器。在进一步实施方式中,储存和/或存储设备是诸如本文所公开的那些设备等设备的组合。
在一些实施方式中,数字处理设备包括用来向用户发送视觉信息的显示器。在一些实施方式中,显示器是阴极射线管(CRT)。在一些实施方式中,显示器是液晶显示器(LCD)。在进一步实施方式中,显示器是薄膜晶体管液晶显示器(TFT-LCD)。在一些实施方式中,显示器是有机发光二极管(OLED)显示器。在各个进一步实施方式中,OLED显示器是无源矩阵式OLED(PMOLED)或有源矩阵式OLED(AMOLED)显示器。在一些实施方式中,显示器是等离子显示器。在一些实施方式中,显示器是电子纸或电子墨水。在其他实施方式中,显示器是视频投影仪。在又一些实施方式中,显示器是诸如本文所公开的那些设备等设备的组合。
在一些实施方式中,数字处理设备包括用来接收来自用户的信息的输入设备。在一些实施方式中,输入设备是键盘。在一些实施方式中,输入设备是指向设备,举非限制性示例而言,其包括鼠标、追踪球、追踪板、操纵杆、游戏控制器或触控笔。在一些实施方式中,输入设备是触摸屏或多点触摸屏。在其他实施方式中,输入设备是用来捕捉语音或其他声音输入的麦克风。在其他实施方式中,输入设备是用来捕捉动作或视觉输入的摄影机或其他传感器。在进一步实施方式中,输入设备是肯奈特(Kinect),厉动(Leap Motion)等。在又一些实施方式中,输入设备是诸如本文所公开的那些设备等设备的组合。
非瞬时性计算机可读存储介质
在一些实施方式中,本文所描述的平台、介质、方法和应用包括被编码有程序的一个或多个非瞬时性计算机可读存储介质,所述程序包括可由可选地联网的数字处理设备的操作***执行的指令。在进一步实施方式中,计算机可读存储介质是数字处理设备的有形组件。在再一些实施方式中,计算机可读存储介质可选地可从数字处理设备移除。在一些实施方式中,举非限制性示例而言,计算机可读存储介质包括CD-ROM、DVD、快闪存储设备、固态存储器、磁盘驱动器、磁带驱动器、光盘驱动器、云计算***和服务等。在一些情况下,程序和指令永久地、基本上永久地、半永久地或非瞬时性地编码在介质上。
计算机程序
在一些实施方式中,本文所描述的平台、介质、方法和应用包括至少一种计算机程序或其使用。计算机程序包括可在数字处理设备的CPU中执行、被编写以执行指定任务的指令序列。计算机可读的指令可被实现为程序模块,诸如函数、对象、应用编程接口(API)、数据结构等,其执行特定的任务或者实现特定的抽象数据类型。根据本文所提供的公开内容,本领域技术人员将认识到计算机程序能够以各种语言的各种版本编写。
在各种环境中,可以根据需要对计算机可读指令的功能进行组合或分布。在一些实施方式中,计算机程序包括一个指令序列。在一些实施方式中,计算机程序包括多个指令序列。在一些实施方式中,计算机程序从一个位置提供。在其他实施方式中,计算机程序从多个位置提供。在各种实施方式中,计算机程序包括一个或多个软件模块。在各种实施方式中,计算机程序部分或完整地包括一个或多个网络应用、一个或多个移动应用、一个或多个独立应用、一个或多个网络浏览器插件、扩展件、加载项、附加项或其组合。
网络应用
在一些实施方式中,计算机程序包括网络应用。根据本文所提供的公开内容,本领域技术人员将认识到,在各种实施方式中,网络应用利用一个或多个软件构架以及一个或多个数据库***。在一些实施方式中,网络应用创建在诸如NET或Ruby onRails(RoR)等软件构架上。在一些实施方式中,网络应用利用一个或多个数据库***,举非限制性示例而言,其包括关系型数据库***、非关系型数据库***、面向对象数据库***、关联数据库***以及XML数据库***。在进一步实施方式中,举非限制性示例而言,合适的关系型数据库***包括SQL Server、mySQLTM以及本领域技术人员还将认识到,在各种实施方式中,网络应用以一种或多种语言的一个或多个版本编写。网络应用能够以一种或多种标记语言、表示定义语言、客户端脚本语言、服务器端编码语言、数据库查询语言或其组合编写。在一些实施方式中,网络应用在某种程度上以诸如超文本标记语言(HTML)、可扩展超文本标记语言(XHTML)或可扩展标记语言(XML)等标记语言编写。在一些实施方式中,网络应用在某种程度上以诸如级联样式表(CSS)等表示定义语言编写。在一些实施方式中,网络应用在某种程度上以诸如异步Javascript和XML(AJAX)、Actionscript、Javascript或等客户端脚本语言编写。在一些实施方式中,网络应用在某种程度上以诸如活动服务器网页(ASP)、Perl、JavaTM、JavaServer Pages(JSP)、超文本预处理器(PHP)、PythonTM、Ruby、Tcl、Smalltalk、或Groovy等服务器端编码语言编写。在一些实施方式中,网络应用在某种程度上以诸如结构化查询语言(SQL)等数据库查询语言编写。在一些实施方式中,网络应用集成了企业服务器产品,诸如Lotus在一些实施方式中,网络应用包括媒体播放器元件。在各种进一步实施方式中,媒体播放器元件利用许多合适的多媒体技术中的一种或多种,举非限制性示例而言,其包括HTML 5、 JavaTM以及
移动应用
在一些实施方式中,计算机程序包括被提供至移动数字处理设备的移动应用。在一些实施方式中,在制造移动数字处理设备的时候将移动应用提供给该移动数字处理设备。在其他实施方式中,移动应用经由本文所描述的计算机网络提供至移动数字处理设备。
根据本文所提供的公开内容,移动应用是使用本领域已知的硬件、语言和开发环境,通过本领域技术人员已知的技术创建的。本领域技术人员将认识到移动应用是以多种语言编写的。举非限制性示例而言,合适的编程语言包括C、C++、C#、Objective-C、JavaTM、Javascript、Pascal、Object Pascal、PythonTM、Ruby、VB.NET、WML以及具有或不具有CSS的XHTML/HTML、或者其组合。
合适的移动应用开发环境可从若干源中获得。举非限制性示例而言,市售的开发环境包括AirplaySDK、alcheMo、Celsius、Bedrock、Flash Lite、.NETCompact Framework、Rhomobile以及WorkLight移动平台。其他开发环境是免费的,举非限制性示例而言,其包括Lazarus、MobiFlex、MoSync以及Phonegap。另外,移动设备制造商发布软件开发工具包,举非限制性示例而言,所述软件开发工具包包括iPhone和iPad(IOS)SDK、AndroidTMSDK、SDK、BREW SDK、OS SDK、Symbian SDK、webOSSDK以及Mobile SDK。
本领域技术人员将认识到,一些商业论坛可用于移动应用的发布,举非限制性示例而言,所述商业论坛包括应用商店、AndroidTM市场、应用世界、针对Palm设备的应用商店、针对webOS的应用目录、针对移动的市场、针对设备的Ovi商店,Apps以及DSi商店。
独立应用
在一些实施方式中,计算机程序包括独立应用,所述独立应用是作为独立的计算机过程而运行的程序,而非现有过程的附加项,例如,不是插件。本领域的技术人员将认识到,经常编译独立应用。编译器是将以编程语言编写的源代码转换成诸如汇编语言或机器代码等二进制目标代码的(一种或多种)计算机程序。举非限制性示例而言,合适的编译编程语言包括C、C++、Objective-C、COBOL、Delphi、Eiffel、JavaTM、Lisp、PythonTM、VisualBasic以及VB.NET或其组合。至少部分地经常执行编译以创建可执行程序。在一些实施方式中,计算机程序包括一个或多个可执行的经编译的应用。
软件模块
在一些实施方式中,本文所描述的平台、介质、方法和应用包括软件、服务器和/或数据库模块、或其使用。根据本文所提供的公开内容,软件模块是使用本领域已知的机器、软件和语言通过本领域技术人员已知的技术而创建的。本文公开的软件模块以多种方式实现。在各种实施方式中,软件模块包括文件、代码段、编程对象、编程结构或其组合。在各种进一步实施方式中,软件模块包括多个文件、多个代码段、多个编程对象、多个编程结构或其组合。在各种实施方式中,举非限制性示例而言,一个或多个软件模块包括网络应用、移动应用和独立应用。在一些实施方式中,软件模块位于一个计算机程序或应用中。在其他实施方式中,软件模块位于不止一个计算机程序或应用中。在一些实施方式中,软件模块托管在一台机器上。在其他实施方式中,软件模块托管在不止一台机器上。在进一步实施方式中,软件模块托管在云计算平台上。在一些实施方式中,软件模块托管在一个位置中的一台或多台机器上。在其他实施方式中,软件模块托管在不止一个位置中的一台或多台机器上。
数据库
在一些实施方式中,本文所描述的平台、***、介质和方法包括一个或多个数据库或其使用。根据本文所提供的公开内容,本领域技术人员将认识到许多数据库适于储存和检索条形码、路线、包裹、用户或网络信息。在各种实施方式中,举非限制性示例而言,合适的数据库包括关系型数据库、非关系型数据库、面向对象数据库、对象数据库、实体关系模型数据库、关联数据库以及XML数据库。在一些实施方式中,数据库是基于因特网的。在进一步实施方式中,数据库是基于网络的。在又一些实施方式中,数据库是基于云计算的。在其他实施方式中,数据库是基于一个或多个本地计算机储存设备的。
虽然本文已经示出和描述了本发明的优选实施方式,但对于本领域技术人员显而易见的是,这样的实施方式只是以示例的方式提供的。本领域技术人员现将在不偏离本发明的情况下想到许多更改、改变和替代。应当理解,在实践本发明的过程中可以采用对本文所描述的本发明实施方式的各种替代方案。
网络浏览器插件
在一些实施方式中,计算机程序包括网络浏览器插件。在计算中,插件是向较大的软件应用添加具体功能的一个或多个软件组件。软件应用的制造者支持插件,以使得第三方开发者能够创建使应用扩展的能力、能够支持轻易地添加新的特征并且能够减小应用的大小。插件当受到支持时能够实现对软件应用的功能进行定制。例如,插件通常用于网络浏览器中,以播放视频、产生互动、扫描病毒并且显示特定的文件类型。本领域技术人员将熟悉若干网络浏览器插件,包括播放器,和在一些实施方式中,工具栏包括一个或多个网络浏览器扩展件、加载项或附加项。在一些实施例中,工具条包括一个或多个浏览器栏、工具栏或桌面工具栏。
根据本文所提供的公开内容,本领域技术人员将认识到一些插件构架是可用的,其使得能够以各种编程语言来开发插件,举非限制性示例而言,所述编程语言包括C++、Delphi、JavaTM、PHP、PythonTM以及VB.NET或其组合。
网络浏览器(也称为因特网浏览器)是被设计用于与联网的数字处理设备一起使用的软件应用,用于检索、呈现和遍历万维网上的信息资源。举非限制性示例而言,合适的网络浏览器包括InternetChrome、Opera以及KDE Konqueror。在一些实施方式中,网络浏览器是移动网络浏览器。移动网络浏览器(也称为微浏览器、迷你浏览器以及无线浏览器)被设计用于在移动数字处理设备上使用,举非限制性示例而言,所述移动数字处理设备包括手持式计算机、平板计算机、上网本计算机、亚笔记本电脑、智能电话、音乐播放器、个人数字助理(PDA)和手持式电子游戏***。举非限制性示例而言,合适的移动网络浏览器包括浏览器、RIM浏览器、 Blazer、浏览器、针对移动的InternetMobile、 Basic Web、浏览器、OperaMobile以及PSPTM浏览器。
实施例
以下说明性实施例是本文所描述的应用、***、方法和介质的实施方式的代表,并不意味着以任何方式而成为限制性的。
实施例1–学习一种新的锻炼
举重教练在他的右手手腕佩戴个人计算设备。他录入他的体重、身高、年龄和性别,作为将与其选择进行的锻炼一起储存的信息。他还录入其选择使用的哑铃的重量和数目。在他正确地录入新锻炼标识模式并开始记录之后,他使用双手(每只手各持有10磅的哑铃)进行平胸哑铃抬举。他重复进行3组同一锻炼,每组重复10次。为了使肌肉疲劳最小化,每组在1分钟内完成,并且各组之间由2分钟的间隔隔开。在他完成一整套锻炼之后,他使用个人计算设备上的用户界面来保存该新的锻炼。置信水平大于预设阙值,并且运动数据与锻炼类型、体重、身高、年龄、性别以及哑铃数目和重量相关联地被保存并添加至锻炼的数据库中。
实施例2–进行记录的锻炼
一名研究生在他的右手手腕佩戴个人计算设备并且经由图形用户界面来选择他已被保存在该个人计算设备中的用户简档。在已经选择并且确认其用户简档之后,他进入锻炼模式。这名研究生使用双手(每只手各持有3磅的哑铃)进行平胸哑铃抬举。他重复进行同一锻炼共1组,每组重复10次。将他的锻炼数据与所记录的锻炼类型进行比较,未计算出锻炼评分并且在设备上显示消息—“重量太轻”。他切换到一个10磅的哑铃并且使用其右手臂重复平胸哑铃抬举。他对该锻炼重复进行另一10次并且提示该设备再次计算评分。显示出“身体太不稳定”的消息,伴随着锻炼姿势评分为50%。该名研究生决定再次尝试并且选择使用双手和10磅哑铃来重复平胸哑铃抬举。他认真地重复该锻炼10次,因此动作缓慢,使用了2.5分钟。显示器上锻炼姿势评分示出为70%,伴随着消息“动作太慢或重量太重”。在他第三次进行该锻炼的尝试中,他使用图形用户界面打开了即时振动反馈。当他进行该锻炼的前三次重复时,给出一个振动作为保持了良好的姿势的指示,这是因为他达到了15秒重复一次;给出两个连续的振动,作为由于肌肉疲劳而造成的不正确姿势的指示。基于全部20次重复,他第三次尝试的总姿势评分为85%。
Claims (20)
1.一种个人计算设备,包括:
a)处理器、板载存储器、加速度计、陀螺仪以及显示器;
b)包括可由所述个人计算设备执行以创建锻炼分析应用的指令的计算机程序,所述锻炼分析应用包括:
i)被配置用于从所述加速度计接收加速度数据并且从所述陀螺仪接收角速度数据的软件模块,所述加速度数据和所述角速度数据与用户在三个维度下的身体运动相关联;
ii)被配置用于将所述设备置于学习模式的软件模块,所述学习模式包括记录进行定义的锻炼的所述用户的加速度数据、所述角速度数据和重复次数以生成针对所述锻炼的统计锻炼模型;
iii)被配置用于将所述设备置于正常模式的软件模块,所述正常模式包括对所述加速度数据和所述角速度数据应用概率分析以标识锻炼事件、对所述锻炼进行分类、并且标识出所述锻炼的重复次数,其中标识出所述锻炼的重复次数是通过从所述统计锻炼模型中获得预测概率的向量、并基于所述预测概率生成估计的锻炼姿势来实现的,其中所述预测概率与估计的锻炼以及估计的重复次数相关联;
iv)被配置用于对所述加速度数据和所述角速度数据应用统计分析以对所述用户的锻炼姿势进行评分的软件模块。
2.根据权利要求1所述的设备,其中所述设备适于为用户可穿戴的。
3.根据权利要求1所述的设备,其中所述设备适于为可由所述用户腕戴的。
4.根据权利要求2所述的设备,其中所述设备适于为可由所述用户腕戴的。
5.根据权利要求2所述的设备,其中所述设备包括可穿戴式适配器,所述可穿戴式适配器可从所述设备可逆地连接,以形成模块化设计。
6.根据权利要求1-5中任何一项所述的设备,还包括生物传感器,所述生物传感器用于测量所述用户的生理参数。
7.根据权利要求1-5中任何一项所述的设备,还包括地理定位元件和无线通信元件。
8.根据权利要求6所述的设备,还包括地理定位元件和无线通信元件。
9.根据权利要求1-5、8中任何一项所述的设备,其中用以对所述锻炼进行分类的所述概率分析包括利用神经网络、上下文树加权、隐马尔可夫模型或其组合。
10.根据权利要求6所述的设备,其中用以对所述锻炼进行分类的所述概率分析包括利用神经网络、上下文树加权、隐马尔可夫模型或其组合。
11.根据权利要求7所述的设备,其中用以对所述锻炼进行分类的所述概率分析包括利用神经网络、上下文树加权、隐马尔可夫模型或其组合。
12.根据权利要求1-5、8、10-11中任何一项所述的设备,其中所述锻炼是单侧重量训练或双侧重量训练。
13.根据权利要求6所述的设备,其中所述锻炼是单侧重量训练或双侧重量训练。
14.根据权利要求7所述的设备,其中所述锻炼是单侧重量训练或双侧重量训练。
15.根据权利要求9所述的设备,其中所述锻炼是单侧重量训练或双侧重量训练。
16.根据权利要求1-5、8、10-11、13-15中任何一项所述的设备,其中所述应用还包括被配置用于在所述显示器上呈现用户界面的软件模块,所述用户界面包括所述评分、所述锻炼、所述重复次数、特定于锻炼的消息或其组合。
17.根据权利要求6所述的设备,其中所述应用还包括被配置用于在所述显示器上呈现用户界面的软件模块,所述用户界面包括所述评分、所述锻炼、所述重复次数、特定于锻炼的消息或其组合。
18.根据权利要求7所述的设备,其中所述应用还包括被配置用于在所述显示器上呈现用户界面的软件模块,所述用户界面包括所述评分、所述锻炼、所述重复次数、特定于锻炼的消息或其组合。
19.根据权利要求9所述的设备,其中所述应用还包括被配置用于在所述显示器上呈现用户界面的软件模块,所述用户界面包括所述评分、所述锻炼、所述重复次数、特定于锻炼的消息或其组合。
20.根据权利要求12所述的设备,其中所述应用还包括被配置用于在所述显示器上呈现用户界面的软件模块,所述用户界面包括所述评分、所述锻炼、所述重复次数、特定于锻炼的消息或其组合。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010285770.0A CN111477297B (zh) | 2013-05-30 | 2014-07-30 | 个人计算设备 |
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201361828680P | 2013-05-30 | 2013-05-30 | |
CN202010285770.0A CN111477297B (zh) | 2013-05-30 | 2014-07-30 | 个人计算设备 |
CN201480042461.3A CN105453128A (zh) | 2013-05-30 | 2014-07-30 | 便携式计算设备以及对从其捕捉的个人数据的分析 |
Related Parent Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201480042461.3A Division CN105453128A (zh) | 2013-05-30 | 2014-07-30 | 便携式计算设备以及对从其捕捉的个人数据的分析 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111477297A CN111477297A (zh) | 2020-07-31 |
CN111477297B true CN111477297B (zh) | 2021-10-01 |
Family
ID=51989467
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201480042461.3A Pending CN105453128A (zh) | 2013-05-30 | 2014-07-30 | 便携式计算设备以及对从其捕捉的个人数据的分析 |
CN202010285770.0A Active CN111477297B (zh) | 2013-05-30 | 2014-07-30 | 个人计算设备 |
Family Applications Before (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201480042461.3A Pending CN105453128A (zh) | 2013-05-30 | 2014-07-30 | 便携式计算设备以及对从其捕捉的个人数据的分析 |
Country Status (5)
Country | Link |
---|---|
US (2) | US9171201B2 (zh) |
EP (1) | EP3005280B1 (zh) |
JP (1) | JP2016524929A (zh) |
CN (2) | CN105453128A (zh) |
WO (1) | WO2014194337A1 (zh) |
Families Citing this family (75)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10839321B2 (en) | 1997-01-06 | 2020-11-17 | Jeffrey Eder | Automated data storage system |
ITBO20100307A1 (it) * | 2010-05-17 | 2011-11-18 | Roberto Piga | Macchina ginnica portatile |
US9474970B2 (en) * | 2012-01-26 | 2016-10-25 | David H. Kil | System and method for processing motion-related sensor data with social mind-body games for health application |
JP2016524929A (ja) * | 2013-05-30 | 2016-08-22 | アトラス ウェアラブルズ,インク. | ポータブルコンピューティングデバイス、及びそこから捕捉される個人データの解析 |
US9291602B1 (en) * | 2013-12-24 | 2016-03-22 | Google Inc. | Mass measurement |
USD752579S1 (en) * | 2014-02-21 | 2016-03-29 | Samsung Electronics Co., Ltd. | Band for portable information terminal |
US10478127B2 (en) * | 2014-06-23 | 2019-11-19 | Sherlock Solutions, LLC | Apparatuses, methods, processes, and systems related to significant detrimental changes in health parameters and activating lifesaving measures |
JP2016034481A (ja) * | 2014-07-31 | 2016-03-17 | セイコーエプソン株式会社 | 情報分析装置、運動解析システム、情報分析方法、分析プログラム、画像生成装置、画像生成方法、画像生成プログラム、情報表示装置、情報表示システム、情報表示プログラム及び情報表示方法 |
CH710008A1 (fr) * | 2014-08-21 | 2016-02-29 | Myotest Sa | Procédé et système de sélection automatique d'exercices physiques. |
EP3216195B1 (en) * | 2014-11-06 | 2020-08-19 | IOT Holdings, Inc. | Method and system for event pattern guided mobile content services |
US9462455B2 (en) * | 2014-11-11 | 2016-10-04 | Sony Corporation | Dynamic user recommendations for ban enabled media experiences |
US20160175646A1 (en) * | 2014-12-17 | 2016-06-23 | Vibrado Technologies, Inc. | Method and system for improving biomechanics with immediate prescriptive feedback |
WO2016130890A1 (en) * | 2015-02-13 | 2016-08-18 | Ansarullah Ridwan Mohammed | Positional analysis for prayer recognition |
US20160249832A1 (en) * | 2015-02-27 | 2016-09-01 | Amiigo, Inc. | Activity Classification Based on Classification of Repetition Regions |
EP3073400B1 (en) * | 2015-03-25 | 2022-05-04 | Tata Consultancy Services Limited | System and method for determining psychological stress of a person |
WO2016157217A2 (en) | 2015-04-01 | 2016-10-06 | Saraogi Pratik | Technological device to assist user in workouts and healthy living |
WO2016196333A1 (en) * | 2015-05-29 | 2016-12-08 | Nike Innovate C.V. | Activity monitoring device with assessment of exercise intensity |
US20180158376A1 (en) * | 2015-06-02 | 2018-06-07 | The General Hospital Corporation | System and method for a wearable medical simulator |
US10997870B2 (en) * | 2015-06-08 | 2021-05-04 | Pilates Metrics, Inc. | Monitoring and assessing subject response to programmed physical training |
KR102336601B1 (ko) * | 2015-08-11 | 2021-12-07 | 삼성전자주식회사 | 사용자의 활동 정보를 검출하기 위한 방법 및 그 전자 장치 |
JP2017045160A (ja) * | 2015-08-25 | 2017-03-02 | ルネサスエレクトロニクス株式会社 | 技能指導検証システムおよび技能指導検証プログラム |
US11030918B2 (en) * | 2015-09-10 | 2021-06-08 | Kinetic Telemetry, LLC | Identification and analysis of movement using sensor devices |
US10921168B2 (en) * | 2015-09-11 | 2021-02-16 | Wuhan Tailimeixin Healthcare Technologies Co., Ltd. | Integrated measuring system and method |
US20170098386A1 (en) * | 2015-10-05 | 2017-04-06 | Ernesto Vila | Group workout process over a communications network |
CN106570573B (zh) * | 2015-10-13 | 2022-05-27 | 菜鸟智能物流控股有限公司 | 预测包裹属性信息的方法及装置 |
JP6163635B2 (ja) | 2015-10-21 | 2017-07-19 | 国立大学法人 筑波大学 | 評価情報提供システムおよび評価情報提供方法 |
US10146980B2 (en) * | 2015-11-25 | 2018-12-04 | Intel Corporation | Sports equipment maneuver detection and classification |
US20170178532A1 (en) * | 2015-12-22 | 2017-06-22 | Mei Lu | Coaching Feedback Adjustment Mechanism |
US10510076B2 (en) * | 2016-02-17 | 2019-12-17 | Mastercard International Incorporated | Method and system for unification of wearable activity data and transaction data |
US10881936B2 (en) | 2016-06-20 | 2021-01-05 | Coreyak Llc | Exercise assembly for performing different rowing routines |
US10556167B1 (en) | 2016-06-20 | 2020-02-11 | Coreyak Llc | Exercise assembly for performing different rowing routines |
US10155131B2 (en) | 2016-06-20 | 2018-12-18 | Coreyak Llc | Exercise assembly for performing different rowing routines |
US11471085B2 (en) * | 2016-07-11 | 2022-10-18 | Strive Tech Inc. | Algorithms for detecting athletic fatigue, and associated methods |
CN106178471A (zh) * | 2016-08-10 | 2016-12-07 | 上海赋太图智能科技有限公司 | 一种个人运动信息采集及管理设备 |
EP3282051A1 (fr) * | 2016-08-12 | 2018-02-14 | Laurastar S.A. | Coach de repassage |
US10650621B1 (en) | 2016-09-13 | 2020-05-12 | Iocurrents, Inc. | Interfacing with a vehicular controller area network |
GB201811494D0 (en) * | 2018-07-13 | 2018-08-29 | Smith & Nephew | Inter-device communications and device control in wound therapy systems |
KR20180058419A (ko) * | 2016-11-24 | 2018-06-01 | 삼성전자주식회사 | 운동 컨텐츠를 제공하는 전자 장치 |
CN110290741A (zh) * | 2016-12-12 | 2019-09-27 | 蓝枸杞有限公司 | 由带有脑功能特定任务的有氧运动刺激进行靶向神经再生 |
US10986994B2 (en) * | 2017-01-05 | 2021-04-27 | The Trustees Of Princeton University | Stress detection and alleviation system and method |
CN106730772B (zh) * | 2017-01-13 | 2019-10-01 | 洛阳师范学院 | 一种运动次数监测方法及装置 |
CN107084722B (zh) * | 2017-04-24 | 2020-02-14 | 常州大学 | 一种用于提高惯性-地磁组合静动态综合性能的方法 |
US10561942B2 (en) * | 2017-05-15 | 2020-02-18 | Sony Interactive Entertainment America Llc | Metronome for competitive gaming headset |
CN107220608B (zh) * | 2017-05-22 | 2021-06-08 | 华南理工大学 | 一种篮球动作模型重建和防守的指导***及方法 |
JP6881047B2 (ja) * | 2017-06-06 | 2021-06-02 | 富士フイルムビジネスイノベーション株式会社 | 情報処理装置及びプログラム |
US10814170B2 (en) * | 2017-06-16 | 2020-10-27 | Apple Inc. | Techniques for providing customized exercise-related recommendations |
EP3661415A4 (en) * | 2017-08-04 | 2021-04-21 | Bendfeldt, Hannes | ADAPTIVE INTERFACE FOR SCREEN-BASED INTERACTIONS |
CN108096807A (zh) * | 2017-12-11 | 2018-06-01 | 丁贤根 | 一种运动数据监测方法和*** |
CN108256433B (zh) * | 2017-12-22 | 2020-12-25 | 银河水滴科技(北京)有限公司 | 一种运动姿态评估方法及*** |
DE112019000370T5 (de) * | 2018-02-27 | 2020-10-01 | Robert Bosch Gesellschaft mit beschränkter Haftung | Tragbares Gesundheitsvorrichtungssystem mit automatischer Referenzierung von Seismokardiographiesignalen |
US11666217B2 (en) | 2018-07-01 | 2023-06-06 | Dukorp Corporation | System and method for biometric-based spatial categorization |
CN109173225A (zh) * | 2018-07-07 | 2019-01-11 | 安徽信息工程学院 | 一种携带式赛跑感应计时器 |
CN112753056B (zh) * | 2018-07-27 | 2023-06-02 | 泰罗莫什有限责任公司 | 用于身体部位的体育训练的***和方法 |
US11281896B2 (en) | 2018-11-15 | 2022-03-22 | Smith & Nephew, Inc. | Physical activity quantification and monitoring |
WO2020129073A1 (en) | 2018-12-19 | 2020-06-25 | Telefonaktiebolaget Lm Ericsson (Publ) | User configuration of services |
US11382510B2 (en) * | 2019-02-13 | 2022-07-12 | Sports Data Labs, Inc. | Biological data tracking system and method |
US20220176201A1 (en) * | 2019-03-29 | 2022-06-09 | Alive Fitness Llc | Methods and systems for exercise recognition and analysis |
SE1950996A1 (en) * | 2019-09-02 | 2021-03-03 | Martin Karlsson | Advancement manager in a handheld user device |
CN110705418B (zh) * | 2019-09-25 | 2021-11-30 | 西南大学 | 一种基于DeepLabCut的跆拳道踢腿运动视频捕捉和评分*** |
JP7492722B2 (ja) * | 2019-09-26 | 2024-05-30 | 株式会社Sportip | 運動評価システム |
CN111370123B (zh) * | 2020-02-28 | 2022-11-08 | 郑州大学 | 防止脑卒中复发的肢体协调辅助装置 |
CN212096360U (zh) * | 2020-03-09 | 2020-12-08 | 深圳市普渡科技有限公司 | 机器人呼叫*** |
TWI766259B (zh) * | 2020-03-27 | 2022-06-01 | 莊龍飛 | 運動課程評分方法與系統、電腦程式產品 |
US11715106B2 (en) | 2020-04-01 | 2023-08-01 | Mastercard International Incorporated | Systems and methods for real-time institution analysis based on message traffic |
US11410178B2 (en) | 2020-04-01 | 2022-08-09 | Mastercard International Incorporated | Systems and methods for message tracking using real-time normalized scoring |
JP7209363B2 (ja) * | 2020-04-13 | 2023-01-20 | リオモ インク | スタビリティ評価システム、プログラム及び方法 |
TWI811692B (zh) * | 2020-06-12 | 2023-08-11 | 中央研究院 | 用於場景音轉換的方法與裝置及電話系統 |
CN112419808B (zh) * | 2020-11-10 | 2021-11-02 | 浙江大学 | 一种便携式多模态学习分析智能眼镜 |
CN112587902B (zh) * | 2020-11-24 | 2022-03-22 | 杭州电子科技大学 | 一种乒乓球运动员训练分析*** |
IT202000028298A1 (it) * | 2020-11-25 | 2022-05-25 | Meta Wellness Srl | Sistema di telemetria per la rilevazione di parametri di allenamento sportivo da parte di un trainer ad almeno un utente |
TWI832075B (zh) * | 2021-08-02 | 2024-02-11 | 英商盛世有限公司 | 用於顫抖管理的系統及方法 |
US11596837B1 (en) * | 2022-01-11 | 2023-03-07 | Tonal Systems, Inc. | Exercise machine suggested weights |
TWI821076B (zh) * | 2022-12-19 | 2023-11-01 | 志合訊息股份有限公司 | 騎行運動訓練建議系統 |
WO2024136827A1 (en) * | 2022-12-23 | 2024-06-27 | Atatürk Üni̇versi̇tesi̇ Fi̇kri̇ Mülki̇yet Haklari Koordi̇natörlüğü Döner Sermaye İşletmesi̇ | Artificial intelligence-supported virtual archery instructor system |
CN117899440B (zh) * | 2024-02-20 | 2024-07-30 | 无锡威豪体育器材有限公司 | 一种带有显示装置的击剑用剑道 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103417201A (zh) * | 2013-08-06 | 2013-12-04 | 中国科学院深圳先进技术研究院 | 一种采集人体姿态的体育运动辅助训练***及其实现方法 |
CN103778582A (zh) * | 2014-02-10 | 2014-05-07 | 中世泓利(北京)健康科技有限公司 | 一种青少年体质锻炼实时监测*** |
Family Cites Families (48)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5446775A (en) | 1993-12-20 | 1995-08-29 | Wright; Larry A. | Motion detector and counter |
US5891042A (en) | 1997-09-09 | 1999-04-06 | Acumen, Inc. | Fitness monitoring device having an electronic pedometer and a wireless heart rate monitor |
US6358188B1 (en) | 1998-02-26 | 2002-03-19 | Gym-In Ltd. | Exercise tracking system |
US7454002B1 (en) | 2000-01-03 | 2008-11-18 | Sportbrain, Inc. | Integrating personal data capturing functionality into a portable computing device and a wireless communication device |
AU2002255568B8 (en) | 2001-02-20 | 2014-01-09 | Adidas Ag | Modular personal network systems and methods |
FI110549B (fi) | 2001-06-29 | 2003-02-14 | Nokia Corp | Menetelmä ja järjestely liikkeen määrittämiseksi |
FI117308B (fi) | 2004-02-06 | 2006-08-31 | Nokia Corp | Eleohjausjärjestelmä |
US8109858B2 (en) * | 2004-07-28 | 2012-02-07 | William G Redmann | Device and method for exercise prescription, detection of successful performance, and provision of reward therefore |
WO2006081395A2 (en) | 2005-01-26 | 2006-08-03 | Bentley Kinetics, Inc. | Method and system for athletic motion analysis and instruction |
US20060183980A1 (en) * | 2005-02-14 | 2006-08-17 | Chang-Ming Yang | Mental and physical health status monitoring, analyze and automatic follow up methods and its application on clothing |
KR20080036610A (ko) | 2005-08-01 | 2008-04-28 | 카롤린 엠. 메켈 | 착용가능한 체력단련 용품 및 복수의 착용물에 교체 장착가능한 체력단련 용품 |
US20070135225A1 (en) | 2005-12-12 | 2007-06-14 | Nieminen Heikki V | Sport movement analyzer and training device |
GB0608486D0 (en) | 2006-04-28 | 2006-06-07 | Berlin Armstrong Locatives Ltd | Exercise monitoring system and method |
US8152693B2 (en) | 2006-05-08 | 2012-04-10 | Nokia Corporation | Exercise data device, server, system and method |
US8920287B2 (en) * | 2006-08-04 | 2014-12-30 | Introplay Llc | Method and system for providing fitness activity tracking and gaming |
US20080090703A1 (en) * | 2006-10-14 | 2008-04-17 | Outland Research, Llc | Automated Personal Exercise Regimen Tracking Apparatus |
US7877226B2 (en) | 2008-03-03 | 2011-01-25 | Idt Technology Limited | Apparatus and method for counting exercise repetitions |
US8280732B2 (en) | 2008-03-27 | 2012-10-02 | Wolfgang Richter | System and method for multidimensional gesture analysis |
GB2465824B (en) | 2008-12-03 | 2011-04-06 | James Christopher Irlam | Motion analysis device for sports |
KR101690317B1 (ko) | 2009-02-26 | 2016-12-27 | 코닌클리케 필립스 엔.브이. | 운동 시스템 및 통신을 위한 방법 |
KR20110017258A (ko) * | 2009-08-13 | 2011-02-21 | 에스케이씨앤씨 주식회사 | 사용자 참여형 피트니스 강좌시스템 및 이를 이용한 피트니스 훈련방법 |
FR2950713A1 (fr) | 2009-09-29 | 2011-04-01 | Movea Sa | Systeme et procede de reconnaissance de gestes |
US8827870B2 (en) * | 2009-10-02 | 2014-09-09 | Precor Incorporated | Exercise guidance system |
US9402579B2 (en) * | 2010-02-05 | 2016-08-02 | The Research Foundation For The State University Of New York | Real-time assessment of absolute muscle effort during open and closed chain activities |
US20120046907A1 (en) * | 2010-08-23 | 2012-02-23 | Travis Scott | Training aid |
US9457256B2 (en) * | 2010-11-05 | 2016-10-04 | Nike, Inc. | Method and system for automated personal training that includes training programs |
USD637918S1 (en) | 2011-01-04 | 2011-05-17 | Nike, Inc. | Watch |
USD637094S1 (en) | 2011-01-04 | 2011-05-03 | Nike, Inc. | Watch |
US8787006B2 (en) | 2011-01-31 | 2014-07-22 | Apple Inc. | Wrist-worn electronic device and methods therefor |
EP2676214A1 (en) | 2011-02-17 | 2013-12-25 | Nike International Ltd. | Tracking of user performance metrics during a workout session |
US8873841B2 (en) | 2011-04-21 | 2014-10-28 | Nokia Corporation | Methods and apparatuses for facilitating gesture recognition |
CA2818020A1 (en) * | 2011-06-10 | 2012-12-13 | Aliphcom | Motion profile templates and movement languages for wearable devices |
WO2013022214A2 (ko) * | 2011-08-05 | 2013-02-14 | (주)앱스원 | 운동동작 분석 장치 및 운동동작 분석 방법 |
JP6095074B2 (ja) * | 2011-10-25 | 2017-03-15 | アキーモ, リミテッド ライアビリティー カンパニーAquimo, LLC | モバイルデバイスの動きに合致する動的でカスタマイズされたスポーツ指導を提供する方法 |
WO2013074939A2 (en) * | 2011-11-18 | 2013-05-23 | Arginsky, Irwin | System and method for monitoring the use of an exercise apparatus |
US10542916B2 (en) | 2011-12-30 | 2020-01-28 | Koninklijke Philips N.V. | Method and apparatus for tracking hand and/or wrist rotation of a user performing exercise |
ITMI20120494A1 (it) * | 2012-03-27 | 2013-09-28 | B10Nix S R L | Apparato e metodo per l'acquisizione ed analisi di una attivita' muscolare |
WO2013184679A1 (en) * | 2012-06-04 | 2013-12-12 | Nike International Ltd. | Combinatory score having a fitness sub-score and an athleticism sub-score |
US9168419B2 (en) * | 2012-06-22 | 2015-10-27 | Fitbit, Inc. | Use of gyroscopes in personal fitness tracking devices |
JP5724976B2 (ja) * | 2012-09-20 | 2015-05-27 | カシオ計算機株式会社 | 運動情報検出装置および運動情報検出方法、運動情報検出プログラム |
US10212986B2 (en) * | 2012-12-09 | 2019-02-26 | Arris Enterprises Llc | System, apparel, and method for identifying performance of workout routines |
US20140267611A1 (en) * | 2013-03-14 | 2014-09-18 | Microsoft Corporation | Runtime engine for analyzing user motion in 3d images |
US20140278219A1 (en) * | 2013-03-15 | 2014-09-18 | Focus Ventures, Inc. | System and Method For Monitoring Movements of a User |
US9213803B2 (en) * | 2013-05-02 | 2015-12-15 | David Rolley | System and method for collecting, analyzing and reporting fitness activity data |
JP2016524929A (ja) * | 2013-05-30 | 2016-08-22 | アトラス ウェアラブルズ,インク. | ポータブルコンピューティングデバイス、及びそこから捕捉される個人データの解析 |
US8725842B1 (en) | 2013-07-11 | 2014-05-13 | Khalid Al-Nasser | Smart watch |
USD725511S1 (en) | 2014-07-29 | 2015-03-31 | Atlas Wearables, Inc. | Wearable exercise analysis device |
USD725512S1 (en) | 2014-07-29 | 2015-03-31 | Atlas Wearables, Inc. | Wearable exercise analysis device |
-
2014
- 2014-07-30 JP JP2016517090A patent/JP2016524929A/ja active Pending
- 2014-07-30 CN CN201480042461.3A patent/CN105453128A/zh active Pending
- 2014-07-30 WO PCT/US2014/048972 patent/WO2014194337A1/en active Application Filing
- 2014-07-30 US US14/447,562 patent/US9171201B2/en active Active
- 2014-07-30 CN CN202010285770.0A patent/CN111477297B/zh active Active
- 2014-07-30 EP EP14803624.7A patent/EP3005280B1/en active Active
-
2015
- 2015-07-10 US US14/796,918 patent/US20150317515A1/en not_active Abandoned
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103417201A (zh) * | 2013-08-06 | 2013-12-04 | 中国科学院深圳先进技术研究院 | 一种采集人体姿态的体育运动辅助训练***及其实现方法 |
CN103778582A (zh) * | 2014-02-10 | 2014-05-07 | 中世泓利(北京)健康科技有限公司 | 一种青少年体质锻炼实时监测*** |
Also Published As
Publication number | Publication date |
---|---|
JP2016524929A (ja) | 2016-08-22 |
CN105453128A (zh) | 2016-03-30 |
WO2014194337A1 (en) | 2014-12-04 |
US20150005911A1 (en) | 2015-01-01 |
EP3005280A4 (en) | 2017-02-15 |
EP3005280A1 (en) | 2016-04-13 |
US9171201B2 (en) | 2015-10-27 |
EP3005280B1 (en) | 2019-05-08 |
CN111477297A (zh) | 2020-07-31 |
US20150317515A1 (en) | 2015-11-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111477297B (zh) | 个人计算设备 | |
US20240157197A1 (en) | Method and system for human motion analysis and instruction | |
US11490864B2 (en) | Personalized avatar responsive to user physical state and context | |
US20220249937A1 (en) | Method and system of optimizing and personalizing resistance force in an exercise | |
US10390769B2 (en) | Personalized avatar responsive to user physical state and context | |
TWI650713B (zh) | 客製化的訓練建議 | |
US11511156B2 (en) | Training system and methods for designing, monitoring and providing feedback of training | |
KR101687252B1 (ko) | 맞춤형 개인 트레이닝 관리 시스템 및 방법 | |
US9364714B2 (en) | Fuzzy logic-based evaluation and feedback of exercise performance | |
Velloso et al. | Qualitative activity recognition of weight lifting exercises | |
US9292935B2 (en) | Sensor-based evaluation and feedback of exercise performance | |
US20110165998A1 (en) | Method For Monitoring Exercise, And Apparatus And System Thereof | |
Kos et al. | Biomechanical biofeedback systems and applications | |
US20230329636A1 (en) | Respiratory Feedback For Improved Exercise Performance | |
Radhakrishnan et al. | ERICA: enabling real-time mistake detection & corrective feedback for free-weights exercises | |
JP2022177315A (ja) | 栄養管理システム、及び栄養管理方法 | |
TW201701223A (zh) | 健身記錄分享系統及方法 | |
Van Hooff | Performance assessment and feedback of fitness exercises using smartphone sensors | |
WO2023039185A1 (en) | Method and system for human motion analysis and instruction |
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 | ||
REG | Reference to a national code |
Ref country code: HK Ref legal event code: DE Ref document number: 40034915 Country of ref document: HK |
|
GR01 | Patent grant | ||
GR01 | Patent grant | ||
TR01 | Transfer of patent right | ||
TR01 | Transfer of patent right |
Effective date of registration: 20211222 Address after: New York, United States Patentee after: Peloton interactive Address before: Texas, USA Patentee before: ATLAS WEARABLES, Inc. |