CN115837147A - 一种情景互动式的下肢肌肉加强训练方法及*** - Google Patents
一种情景互动式的下肢肌肉加强训练方法及*** Download PDFInfo
- Publication number
- CN115837147A CN115837147A CN202211706962.XA CN202211706962A CN115837147A CN 115837147 A CN115837147 A CN 115837147A CN 202211706962 A CN202211706962 A CN 202211706962A CN 115837147 A CN115837147 A CN 115837147A
- Authority
- CN
- China
- Prior art keywords
- training
- user
- information
- result
- muscle
- 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.)
- Granted
Links
Images
Landscapes
- Rehabilitation Tools (AREA)
Abstract
本发明提供了一种情景互动式的下肢肌肉加强训练方法及***,其中,所述方法包括:构建用户基础数据库;基于训练场景集合,用户自主选择训练场景,获得训练场景信息;进行基础数据分析,获得用户肌力水平信息;基于用户肌力水平信息在用户选择的训练场景信息中匹配训练方案,获得第一训练方案;所述第一训练方案进行适应性预训练,获得预训练结果;获得所述第一训练方案的训练参数信息;通过所述预训练结果对所述训练参数信息进行调整,使用调整后参数对用户进行下肢加强训练。解决了现有技术存在下肢肌肉训练方法与个人的适配性不高,调整及时性差,无多种训练场景枯燥乏味、训练效果不佳的技术问题。
Description
技术领域
本发明涉及数据处理领域,具体涉及一种情景互动式的下肢肌肉加强训练方法及***。
背景技术
人体下肢肌群由盆带肌、大腿肌、小腿肌及足肌构成,下肢肌群的健康与人体正常站立、行走、奔跑等密切相关。随着人体的衰老或由于某些疾病的影响,会导致下肢肌肉无力甚至出现下肢功能障碍。现有的下肢康复训练主要由医院康复科承担,康复治疗费用高,且内容枯燥,往往难以持续进行康复训练。另外,一些下肢无力的人群平时缺乏肌肉锻炼、长时间卧床休息,导致肌肉功能迅速下降,他们缺乏家用的锻炼设备、缺乏正确的训练方案指导。
现有技术存在下肢肌肉训练方法与个人的适配性不高,无法及时根据用户具体情况进行调整,无多种训练场景而导致训练枯燥乏味、训练效果不佳的技术问题。
发明内容
本申请通过提供了一种情景互动式的下肢肌肉加强训练方法及***,解决了现有技术存在下肢肌肉训练方法与个人的适配性不高,无法及时根据用户具体情况进行调整,无多种训练场景而导致训练枯燥乏味、训练效果不佳的技术问题。达到了提供多种训练场景以提高训练趣味性,训练方案匹配更加科学,能够根据用户具体情况进行训练方案调整,提高训练方案与用户的适配性,提高训练效率的技术效果。
鉴于上述问题,本申请提供了一种情景互动式的下肢肌肉加强训练方法及***。
第一方面,本申请提供了一种情景互动式的下肢肌肉加强训练方法,其中,所述方法包括:构建第一用户的基础数据库;基于训练场景集合,获得第一训练场景信息;将所述基础数据库输入专家***中进行基础数据分析,获得第一用户肌力水平信息;基于所述第一用户肌力水平信息在所述第一训练场景信息中匹配训练方案,获得第一训练方案;使用所述第一训练方案进行适应性预训练,获得预训练结果;获得所述第一训练方案的训练参数信息;通过所述预训练结果对所述训练参数信息进行调整,使用调整后参数进行下肢训练。
另一方面,本申请提供了一种情景互动式的下肢肌肉加强训练***,其中,所述***包括:第一构建单元,所述第一构建单元用于构建第一用户的基础数据库;第一获得单元,所述第一获得单元用于基于训练场景集合,获得第一训练场景信息;第二获得单元,所述第二获得单元用于将所述基础数据库输入专家***中进行基础数据分析,获得第一用户肌力水平信息;第一匹配单元,所述第一匹配单元用于基于所述第一用户肌力水平信息在所述第一训练场景信息中匹配训练方案,获得第一训练方案;第三获得单元,所述第三获得单元用于使用所述第一训练方案进行适应性预训练,获得预训练结果;第四获得单元,所述第四获得单元用于获得所述第一训练方案的训练参数信息;第一执行单元,所述第一执行单元用于通过所述预训练结果对所述训练参数信息进行调整,使用调整后参数进行下肢训练。
第三方面,本申请提供了一种情景互动式的下肢肌肉加强训练***,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其中,所述处理器执行所述程序时实现第一方面任一项所述方法的步骤。
本申请中提供的一个或多个技术方案,至少具有如下技术效果或优点:
由于采用了构建用户的基础数据库;基于训练场景集合,用户自主选择训练场景,获得训练场景信息;将基础数据库输入专家***中进行基础数据分析,获得用户肌力水平信息;基于用户肌力水平信息在用户选择的训练场景信息中匹配训练方案,获得第一训练方案;所述第一训练方案进行适应性预训练,获得预训练结果;获得所述第一训练方案的训练参数信息;通过所述预训练结果对所述训练参数信息进行调整,使用调整后参数对用户进行下肢加强训练的技术方案,本申请通过提供了一种情景互动式的下肢肌肉加强训练方法及***,达到了提供多种训练场景以提高训练趣味性,训练方案匹配更加科学,能够根据用户具体情况进行训练方案调整,提高训练方案与用户的适配性,提高训练效率的技术效果。
上述说明仅是本申请技术方案的概述,为了能够更清楚了解本申请的技术手段,而可依照说明书的内容予以实施,并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂,以下特举本申请的具体实施方式。
附图说明
图1为本申请实施例一种情景互动式的下肢肌肉加强训练方法的流程示意图;
图2为本申请实施例一种情景互动式的下肢肌肉加强训练方法的使用第一训练方案进行适应性预训练的流程示意图;
图3为本申请实施例一种情景互动式的下肢肌肉加强训练方法的获得反馈信息的流程示意图;
图4为本申请实施例一种情景互动式的下肢肌肉加强训练***的结构示意图;
图5为本申请实施例示例性电子设备的结构示意图。
附图标记说明:第一构建单元11,第一获得单元12,第二获得单元13,第一匹配单元14,第三获得单元15,第四获得单元16,第一执行单元17,电子设备300,存储器301,处理器302,通信接口303,总线架构304。
具体实施方式
本申请通过提供了一种情景互动式的下肢肌肉加强训练方法及***,解决了现有技术存在下肢肌肉训练方法与个人的适配性不高,无法及时根据用户具体情况进行调整,无多种训练场景而导致训练枯燥乏味、训练效果不佳的技术问题。达到了提供多种训练场景以提高训练趣味性,训练方案匹配更加科学,能够根据用户具体情况进行训练方案调整,提高训练方案与用户的适配性,提高训练效率的技术效果。
随着人体的衰老或由于某些疾病的影响,会导致下肢肌肉无力甚至出现下肢功能障碍。现有的下肢康复训练主要由医院康复科承担,康复治疗费用高,且内容枯燥,往往难以持续进行康复训练。另外,一些下肢无力的人群平时缺乏肌肉锻炼、长时间卧床休息,导致肌肉功能迅速下降,他们缺乏家用的锻炼设备、缺乏正确的训练方案指导。若长期不进行下肢肌肉训练,会导致下肢无力、麻木等症状加剧;若按照不正确的方法训练则会对关节、腰椎等造成损伤,现有技术中存在下肢肌肉训练方法与个人的适配性不高,无法及时根据用户具体情况进行调整,无多种训练场景而导致训练枯燥乏味、训练效果不佳的技术问题。
针对上述技术问题,本申请提供的技术方案总体思路如下:
本申请提供了一种情景互动式的下肢肌肉加强训练方法,其中,所述方法包括:构建用户的基础数据库;基于训练场景集合,用户自主选择训练场景,获得训练场景信息;将基础数据库输入专家***中进行基础数据分析,获得用户肌力水平信息;基于用户肌力水平信息在用户选择的训练场景信息中匹配训练方案,获得第一训练方案;所述第一训练方案进行适应性预训练,获得预训练结果;获得所述第一训练方案的训练参数信息;通过所述预训练结果对所述训练参数信息进行调整,使用调整后参数对用户进行下肢加强训练。
在介绍了本申请基本原理后,下面将结合说明书附图来具体介绍本申请的各种非限制性的实施方式。
实施例一
如图1所示,本申请实施例提供了一种情景互动式的下肢肌肉加强训练方法,其中,所述方法包括:
步骤S100:构建第一用户的基础数据库;
步骤S200:基于训练场景集合,获得第一训练场景信息;
具体而言,随着人体的衰老或由于某些疾病的影响,会导致下肢肌肉无力甚至出现下肢功能障碍。一些下肢无力的人群平时缺乏肌肉锻炼、长时间卧床休息,从而肌肉功能迅速下降,这正是缺乏家用锻炼设备、缺乏正确且适宜的训练方案所导致的。情景互动式的下肢肌肉加强训练方法应用于家用情景互动式下肢训练设备,该设备能够提供给用户不同训练场景和不同难度的训练方案,从而帮助用户沉浸式的进行下肢训练,该设备还具有视频采集设备,能够对用户训练成果进行检验。所述第一用户为任一进行下肢肌肉加强训练的用户。为了给第一用户匹配到合适的训练方案,首先需要掌握第一用户的基础信息,因此需要构建第一用户的基础数据库。通过用户录入自身年龄、体重、身体情况等信息以及对用户进行基础的下肢训练构建用户基础数据库。家用情景互动式下肢训练设备中预先设置有若干个训练场景,举例如:踢足球、跳舞、跑步、散步、瑜伽、健身房等。若干训练场景构成所述训练场景集合,第一用户可根据个人兴趣选择训练场景,获得所述第一训练场景信息。所述第一训练场景信息包括训练场景下的具体训练方案(包括具体的运动参数如:负重量、下蹲角度、动作持续时间等)、训练教学视频等。构建基础数据库和获得第一训练场景信息可为用户进行具体训练方案匹配奠定基础,同时用户选择喜欢的训练场景能够提高训练趣味性,增加用户训练的积极性。
步骤S300:将所述基础数据库输入专家***中进行基础数据分析,获得第一用户肌力水平信息;
具体而言,由于第一用户的下肢肌肉基础力量对其后续训练方案的制定具有重要作用,需要对第一用户的下肢肌肉力量进行评估。采用专家***对所述基础数据库进行解析,将用户肌肉的肌力水平信息进行分级。所述基础数据库中包含对第一用户进行基础肌力训练的视频资料,举例如:进行负重训练,通过对视频资料的逐帧解析后,得到图像集合,依据图像信息将第一用户的肌力初步分为0~5级。具体的级别参照肌力分级标准,0级肌肉完全瘫痪,看不到肌肉收缩;1级肌力不能产生主动动作;2级能够进行平移,但是不能抵抗自身重力,肢体不能主动抬离床面;3级可以克服地心引力抬离床面,但不能抵抗轻微阻力;4级能对抗外界的阻力活动,但不完全,行路或者拿东西的时候表现为肢体无力,5级的肌力就是正常的肌力。
同时在基础肌力训练中还包括一些基本动作的训练,例如:坐姿、站姿、慢走、快走等。专家***通过对这些图像的解析,得到第一用户肌力水平信息。第一用户肌力水平信息包括第一用户的肌力等级和第一用户的肌群肌力信息。人体下肢肌群分为盆带肌、大腿肌、小腿肌及足肌,通过对第一用户进行基础训练(示例性的如:站姿、原地蹲起、抬腿、踢腿、慢走、下肢负重等),对第一用户进行肌群力量评估,得到肌群肌力信息。通过专家***对所述基础数据库分析,能够得到科学的第一用户的肌力水平信息,从而对用户下肢肌肉肌力进行评估,为匹配适宜训练方案奠定基础。
步骤S400:基于所述第一用户肌力水平信息在所述第一训练场景信息中匹配训练方案,获得第一训练方案;
具体而言,所述第一用户肌力水平信息包括第一用户的肌力等级和肌群肌力信息。基于所述第一用户肌力水平信息在第一用户选择的所述第一训练场景中匹配训练方案,按照第一用户肌力等级和需要加强训练的肌肉肌群进行匹配,需要加强的肌肉肌群根据第一用户肌肉肌群力量确定,匹配后得到所述第一训练方案。所述第一训练方案为设备内置的训练方案,通过第一用户肌力水平信息匹配获得,与第一用户具有一定的适配性,为后续训练参数优化调整奠定基础。
步骤S500:使用所述第一训练方案进行适应性预训练,获得预训练结果;
进一步的,如图2所示,所述使用所述第一训练方案进行适应性预训练,获得预训练结果,本申请实施例步骤S500还包括:
步骤S510:对所述第一训练方案中的训练动作进行难度标识,获得训练动作难度信息;
步骤S520:基于所述训练动作难度信息获得第一主训练动作;
步骤S530:基于所述第一主训练动作,构建动作完成度评价标准;
步骤S540:使用第一主训练动作和所述动作完成度评价标准进行预训练,获得所述预训练结果,其中,所述预训练结果包括动作完成度评价结果。
具体而言,匹配到所述第一训练方案后需要根据用户实际情况在进行微调和优化。通过所述第一训练方案对第一用户进行预训练。预训练方法优选为,使用第一训练方案中的第一主训练动作对第一用户进行完成度检验,观察第一用户能否完成第一主训练动作。第一主训练动作获取方式如下,先对所述第一训练方案中的训练动作进行难度标识,需要使用到的肌肉数量越多,稳定性、平衡性要求越高的动作难度越大。通过难度标识后获得训练动作难度信息,基于训练动作难度信息获得难度最高的动作,将难度最高的动作作为所述第一主训练动作。
基于所述第一主训练动作制定主训练动作完成度评价标准,例如主训练动作为坐姿腿屈伸,完成度评价标准包括腿部起始和结束位置、腿部移动速度、腿部停留时间等。第一用户按照第一主训练动作的示范视频进行第一主训练动作的预训练,根据所述动作完成度标准进行预训练效果评估,得到所述预训练结果。预训练结果包括动作完成度评价结果,若动作完成度评价结果为合格,则第一训练方案适宜第一用户训练,若动作完成度结果不合格,说明无法完成主训练动作,需要对训练方案进一步调整。通过预训练能够对第一训练方案与第一用户的适配性进行评估,从而优化第一训练方案。
步骤S600:获得所述第一训练方案的训练参数信息;
步骤S700:通过所述预训练结果对所述训练参数信息进行调整,使用调整后参数进行下肢训练。
具体而言,获得所述第一训练方案的训练参数信息,训练参数信息包括第一训练方案中每一个训练动作的详细参数,例如旋转角度、重复次数、持续时间、起始点和终止点等。所述预训练结果包括合格和不合格,当预训练结果合格时,参数保留不用调整;当预训练结果不合格时,需要对第一训练方案进行调整,可以将第一训练方案的每一动作调整为难度级别弱一级别的主训练动作配套的训练动作,也可以针对完成度评价结果中薄弱的参数进行调整,例如:持续时间不达标,将持续时间参数对应调整。获得调整后的参数,例如动作难度、强度、时间、次数。最后,根据调整后的参数进行第一用户的下肢训练,具体的第一用户可以通过观看并模仿第一训练方案的动作视频进行训练。达到了提高训练方法与个人的适配性,及时根据用户具体情况进行调整,提升训练效果的效果。
进一步的,所述构建第一用户的基础数据库,步骤S100还包括:
步骤S110:获得第一用户的录入信息;
步骤S120:按照基础测试指标集合对所述第一用户进行基础训练,采集基础训练结果;
步骤S130:结合所述录入信息和所述基础训练结果构建所述第一用户的基础数据库。
具体而言,第一用户将自己的基础信息录入家用情景互动式下肢训练设备,获得第一用户的录入信息,录入信息包括第一用户的年龄、体重、身体情况信息(是否存在下肢疾病、是否存在其他疾病以及疾病名称和严重情况等)。预先对第一用户按照基础测试指标集合进行基础训练,并用家用情景互动式下肢训练设备的视频采集设备进行视频采集。基础测试指标集合包括但不限于负重、坐姿、站姿、行走、踢腿、屈膝、蹲起等指标,基础训练时通过视频采集获得基础训练结果。将所述第一用户的录入信息和所述基础训练结果作为所述第一用户的基础数据库。为第一用户的训练方案选择奠定基础,提供数据支持。
进一步的,所述基于所述第一用户肌力水平信息在所述第一训练场景信息中匹配训练方案,获得第一训练方案,步骤S400还包括:
步骤S410:基于所述第一用户肌力水平信息,获得所述第一用户的肌群肌力信息;
步骤S420:基于所述肌群肌力信息,进行待激活肌肉筛选,获得待激活肌肉集合;
步骤S430:对所述待激活肌肉集合与所述第一训练场景信息中的训练方案进行关联度分析,获得第一分析结果;
步骤S440:基于所述第一分析结果匹配所述第一训练方案。
具体而言,所述第一用户肌力水平信息是由专家***对第一用户基础数据库进行分析得到的,包括第一用户的肌力等级和第一用户的肌群肌力信息。基于所述第一用户肌力水平信息获得第一用户的肌群肌力信息。例如:观察第一用户走路时稳定性差,身体前倾,且肌群肌力信息中第一用户的小腿肌群、大腿肌群肌力较弱。基于肌群肌力信息对需要锻炼的肌肉进行筛选,需要锻炼的肌肉为所述待激活肌肉,筛选掉次要训练的肌群,获得待激活肌群。示例性的:若第一用户小腿肌群和大腿肌群为主要训练肌群,足肌和盆带肌为次要训练肌群,那么将足肌和盆带肌筛掉。待激活肌群由多个肌肉组成,不同的肌肉需要进行训练的强度不同,进一步,根据第一用户肌力水平信息和针对待激活肌群中各肌肉功能筛选出第一用户需要进行较高强度训练的肌肉集合,作为所述待激活肌肉集群。
第一训练场景信息中内置的所有训练方案中包含各方案主要训练的肌肉信息和训练的强度信息等,根据所述待激活肌肉集合和待激活肌肉集合需要的训练强度与各训练方案进行关联度分析。关联度分析结果为所述第一分析结果,第一分析结果为需要训练的肌肉关联度与训练强度关联度之间的均值。匹配关联度均值最大的训练方案,作为所述第一训练方案。达到为用户匹配关联度最高、运动强度适宜的训练方案,从而减少用户盲目训练导致的肌肉拉伤等事故。
进一步的,本申请实施例步骤S440还包括:
步骤S441:获得所述第一用户的健康信息;
步骤S442:基于所述健康信息对所述第一用户进行运动量阈值分析,获得第二分析结果;
步骤S443:基于所述第一用户的健康信息和所述第二分析结果进行风险性分析,获得第三分析结果;
步骤S444:基于所述第三分析结果对所述第一训练方案进行调整。
具体而言,采集第一用户的健康信息,包括用户是否患有其他疾病如高血压、冠心病、慢性肾病等。由于一些用户在进行疾病治疗后身体机能下降,运动量不宜过高。因此基于所述第一用户健康信息对第一用户进行运动量阈值分析,可结合第一用户的健康信息采集同等身高体重级别的建议运动量信息,进行运动量阈值分析,得到第二分析结果,其中运动量包括了运动强度、速度、运动时长等。进一步,根据第二分析结果结合第一用户的健康信息进行风险性分析,风险性分析包括但不限于骨折风险,举例如:从健康信息中得到第一用户的骨密度,从而推出骨质疏松程度,根据第一用户的骨质疏松程度对运动量阈值进行调整,得到骨折风险分析结果。经过风险性分析得到第三分析结果,可根据第三分析结果确定第一用户的运动量,从而对第一训练方案的运动量进行调整。结合第一用户的健康信息进行运动量分析调整,能够提高用户运动的安全性,减少运动对第一用户带来的负面影响。
进一步的,如图3所示,本申请实施例步骤S700还包括:
步骤S710:构建骨骼负荷模型;
步骤S720:对所述第一用户进行训练视频采集,通过视频解析技术获得所述第一用户的下肢训练数据;
步骤S730:基于所述下肢训练数据进行动作形变分析,获得第四分析结果;
步骤S740:基于所述第四分析结果和所述骨骼负荷模型,对所述第一用户的骨骼负荷进行评估,获得第一评估结果;
步骤S750:基于所述第四分析结果和所述第一评估结果,获得第一反馈信息。
具体而言,构建骨骼负荷模型,骨骼负荷模型为一神经网络模型,通过大数据获取训练数据集,训练数据集包括不同形变度的训练动作和其标识不同形变训练动作对应的骨骼负荷的标识数据,其中,形变度为正值说明训练动作幅度大于标准动作,形变度为负值说明训练动作幅度小于标准动作。通过训练数据集的不断训练,获得骨骼负荷模型。在第一用户训练过程中采集训练视频,对视频进行逐帧分解后,得到每一帧图像,从图像中提取用户动作,作为所述第一用户的下肢训练数据。根据动作的形变情况进行动作形变分析,得到第四分析结果,例如:可通过与示例视频的重合度得到动作的形变情况即形变度,若训练动作动作幅度大于标准动作形变度为正值,若训练动作动作幅度小于标准动作形变度为负值,形变度用百分比表示。第四分析结果包括第一用户所有训练动作的形变度。
根据所述第四分析结果和所述骨骼负荷模型,对第一用户骨骼负荷评估,包括对骨头的负荷和对关节的负荷,通过将第四分析结果作为输入数据输入所述骨骼负荷模型后,获得第一评估结果。根据第四分析结果和第一评估结果获得第一反馈信息。第一反馈信息用于在训练中对第一用户训练进行反馈,通过反馈信息提醒用户规范动作,从而减少由于动作不标准加重骨骼负荷。
进一步的,本申请实施例步骤S700还包括:
步骤S760:基于所述下肢训练数据获得所述第一用户的关节位点信息集合;
步骤S770:对所述关节位点信息集合进行弯曲角度分析,获得角度调整信息;
步骤S780:对所述关节位点信息集合进行关节间距离分析,获得距离调整信息;
步骤S790:基于所述角度调整信息和所述距离调整信息获得第二反馈信息。
具体而言,所述下肢训练数据为第一用户的训练动作,将第一用户的关节位置进行标记,获得第一用户的关节位点信息集合。对关节位点进行弯曲角度分析,将与关节连接的骨头的夹角作为关节的弯曲角度进行分析。分析弯曲角度与预设标准动作的角度差异,获得角度调整信息,即角度的差值。进一步进行关节间距离分析,例如膝盖间的距离、双脚间距,关节间距离能直接的反映动作的标准程度,得到与标准距离的差值,标准距离可根据第一用户的基本身体条件进行调整,例如双脚打开与肩同宽,可根据第一用户实际肩宽作为标准距离。根据所述角度调整信息和所述距离调整信息生成第二反馈信息。
第二反馈信息反馈用户关节的角度与位置信息,用户通过第二反馈信息进行相应调整之后,能够改善膝关节处的稳定性,提高训练效果。
综上所述,本申请实施例所提供的一种情景互动式的下肢肌肉加强训练方法及***具有如下技术效果:
1、由于采用了构建用户的基础数据库;基于训练场景集合,用户自主选择训练场景,获得训练场景信息;将基础数据库输入专家***中进行基础数据分析,获得用户肌力水平信息;基于用户肌力水平信息在用户选择的训练场景信息中匹配训练方案,获得第一训练方案;所述第一训练方案进行适应性预训练,获得预训练结果;获得所述第一训练方案的训练参数信息;通过所述预训练结果对所述训练参数信息进行调整,使用调整后参数对用户进行下肢加强训练的技术方案,本申请实施例通过提供了一种情景互动式的下肢肌肉加强训练方法及***,达到了提供多种训练场景以提高训练趣味性,训练方案匹配更加科学,能够根据用户具体情况进行训练方案调整,提高训练方案与用户的适配性,提高训练效率的技术效果。
2、由于采用了增加反馈机制的方法,对第一用户的动作形变情况、骨骼负荷情况以及关节弯曲角度和关节间的距离进行分析,得到反馈信息,通过反馈信息提醒用户规范动作,达到改善膝关节处的稳定性,提高训练效果,为用户减少不必要损伤的技术效果。
实施例二
基于与前述实施例中一种情景互动式的下肢肌肉加强训练方法相同的发明构思,如图4所示,本申请实施例提供了一种情景互动式的下肢肌肉加强训练***,其中,所述***包括:
第一构建单元11,所述第一构建单元11用于构建第一用户的基础数据库;
第一获得单元12,所述第一获得单元12用于基于训练场景集合,获得第一训练场景信息;
第二获得单元13,所述第二获得单元13用于将所述基础数据库输入专家***中进行基础数据分析,获得第一用户肌力水平信息;
第一匹配单元14,所述第一匹配单元14用于基于所述第一用户肌力水平信息在所述第一训练场景信息中匹配训练方案,获得第一训练方案;
第三获得单元15,所述第三获得单元15用于使用所述第一训练方案进行适应性预训练,获得预训练结果;
第四获得单元16,所述第四获得单元16用于获得所述第一训练方案的训练参数信息;
第一执行单元17,所述第一执行单元17用于通过所述预训练结果对所述训练参数信息进行调整,使用调整后参数进行下肢训练。
进一步的,所述***包括:
第五获得单元,所述第五获得单元用于获得第一用户的录入信息;
第二执行单元,所述第二执行单元用于按照基础测试指标集合对所述第一用户进行基础训练,采集基础训练结果;
第二构建单元,所述第二构建单元用于结合所述录入信息和所述基础训练结果构建所述第一用户的基础数据库。
进一步的,所述***包括:
第六获得单元,所述第六获得单元用于基于所述第一用户肌力水平信息,获得所述第一用户的肌群肌力信息;
第七获得单元,所述第七获得单元用于基于所述肌群肌力信息,进行待激活肌肉筛选,获得待激活肌肉集合;
第八获得单元,所述第八获得单元用于对所述待激活肌肉集合与所述第一训练场景信息中的训练方案进行关联度分析,获得第一分析结果;
第二匹配单元,所述第二匹配单元用于基于所述第一分析结果匹配所述第一训练方案。
进一步的,所述***包括:
第九获得单元,所述第九获得单元用于获得所述第一用户的健康信息;
第十获得单元,所述第十获得单元用于基于所述健康信息对所述第一用户进行运动量阈值分析,获得第二分析结果;
第十一获得单元,所述第十一获得单元用于基于所述第一用户的健康信息和所述第二分析结果进行风险性分析,获得第三分析结果;
第三执行单元,所述第三执行单元用于基于所述第三分析结果对所述第一训练方案进行调整。
进一步的,所述***包括:
第十二获得单元,所述第十二获得单元用于对所述第一训练方案中的训练动作进行难度标识,获得训练动作难度信息;
第十三获得单元,所述第十三获得单元用于基于所述训练动作难度信息获得第一主训练动作;
第三构建单元,所述第三构建单元用于基于所述第一主训练动作,构建动作完成度评价标准;
第十四获得单元,所述第十四获得单元用于使用第一主训练动作和所述动作完成度评价标准进行预训练,获得所述预训练结果,其中,所述预训练结果包括动作完成度评价结果。
进一步的,所述***包括:
第四构建单元,所述第四构建单元用于构建骨骼负荷模型;
第十五获得单元,所述第十五获得单元用于对所述第一用户进行训练视频采集,通过视频解析技术获得所述第一用户的下肢训练数据;
第十六获得单元,所述第十六获得单元用于基于所述下肢训练数据进行动作形变分析,获得第四分析结果;
第十七获得单元,所述第十七获得单元用于基于所述第四分析结果和所述骨骼负荷模型,对所述第一用户的骨骼负荷进行评估,获得第一评估结果;
第十八获得单元,所述第十八获得单元用于基于所述第四分析结果和所述第一评估结果,获得第一反馈信息。
进一步的,所述***包括:
第十九获得单元,所述第十九获得单元用于基于所述下肢训练数据获得所述第一用户的关节位点信息集合;
第二十获得单元,所述第二十获得单元用于对所述关节位点信息集合进行弯曲角度分析,获得角度调整信息;
第二十一获得单元,所述第二十一获得单元用于对所述关节位点信息集合进行关节间距离分析,获得距离调整信息;
第二十二获得单元,所述第二十二获得单元用于基于所述角度调整信息和所述距离调整信息获得第二反馈信息。
示例性电子设备
下面参考图5来描述本申请实施例的电子设备。
基于与前述实施例中一种情景互动式的下肢肌肉加强训练方法相同的发明构思,本申请实施例还提供了一种情景互动式的下肢肌肉加强训练***,包括:处理器,所述处理器与存储器耦合,所述存储器用于存储程序,当所述程序被所述处理器执行时,使得***以执行第一方面任一项所述的方法。
该电子设备300包括:处理器302、通信接口303、存储器301。可选的,电子设备300还可以包括总线架构304。其中,通信接口303、处理器302以及存储器301可以通过总线架构304相互连接;总线架构304可以是外设部件互连标(peripheral componentinterconnect,简称PCI)总线或扩展工业标准结构(extended industry Standardarchitecture,简称EISA)总线等。所述总线架构304可以分为地址总线、数据总线、控制总线等。为便于表示,图5中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。
处理器302可以是一个CPU,微处理器,ASIC,或一个或多个用于控制本申请方案程序执行的集成电路。
通信接口303,使用任何收发器一类的***,用于与其他设备或通信网络通信,如以太网,无线接入网(radio access network,RAN),无线局域网(wireless local areanetworks,WLAN),有线接入网等。
存储器301可以是ROM或可存储静态信息和指令的其他类型的静态存储设备,RAM或者可存储信息和指令的其他类型的动态存储设备,也可以是电可擦可编程只读存储器(electrically erasable Programmable read-only memory,EEPROM)、只读光盘(compactdisc read-only memory,CD-ROM)或其他光盘存储、光碟存储(包括压缩光碟、激光碟、光碟、数字通用光碟、蓝光光碟等)、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质,但不限于此。存储器可以是独立存在,通过总线架构304与处理器相连接。存储器也可以和处理器集成在一起。
其中,存储器301用于存储执行本申请方案的计算机执行指令,并由处理器302来控制执行。处理器302用于执行存储器301中存储的计算机执行指令,从而实现本申请上述实施例提供的一种情景互动式的下肢肌肉加强训练方法。
可选的,本申请实施例中的计算机执行指令也可以称之为应用程序代码,本申请实施例对此不作具体限定。
本申请实施例提供了一种情景互动式的下肢肌肉加强训练方法,其中,所述方法包括:构建用户的基础数据库;基于训练场景集合,用户自主选择训练场景,获得训练场景信息;将基础数据库输入专家***中进行基础数据分析,获得用户肌力水平信息;基于用户肌力水平信息在用户选择的训练场景信息中匹配训练方案,获得第一训练方案;所述第一训练方案进行适应性预训练,获得预训练结果;获得所述第一训练方案的训练参数信息;通过所述预训练结果对所述训练参数信息进行调整,使用调整后参数对用户进行下肢加强训练。
本领域普通技术人员可以理解:本申请中涉及的第一、第二等各种数字编号仅为描述方便进行的区分,并不用来限制本申请实施例的范围,也不表示先后顺序。“和/或”,描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。“至少一个”是指一个或者多个。至少两个是指两个或者多个。“至少一个”、“任意一个”或其类似表达,是指的这些项中的任意组合,包括单项(个)或复数项(个)的任意组合。例如,a ,b,或c中的至少一项(个、种),可以表示:a ,b,c,a -b,a-c,b-c,或a-b-c,其中a,b,c可以是单个,也可以是多个。
在上述实施例中,可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时,可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时,全部或部分地产生按照本申请实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程***。所述计算机指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一个计算机可读存储介质传输,例如,所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包括一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质,(例如,软盘、硬盘、磁带)、光介质(例如,DVD)、或者半导体介质(例如固态硬盘(Solid State Disk,SSD))等。
本申请实施例中所描述的各种说明性的逻辑单元和电路可以通过通用处理器,数字信号处理器,专用集成电路(ASIC),现场可编程门阵列(FPGA)或其它可编程逻辑***,离散门或晶体管逻辑,离散硬件部件,或上述任何组合的设计来实现或操作所描述的功能。通用处理器可以为微处理器,可选地,该通用处理器也可以为任何传统的处理器、控制器、微控制器或状态机。处理器也可以通过计算***的组合来实现,例如数字信号处理器和微处理器,多个微处理器,一个或多个微处理器联合一个数字信号处理器核,或任何其它类似的配置来实现。
本申请实施例中所描述的方法或算法的步骤可以直接嵌入硬件、处理器执行的软件单元、或者这两者的结合。软件单元可以存储于RAM存储器、闪存、ROM存储器、EPROM存储器、EEPROM存储器、寄存器、硬盘、可移动磁盘、CD-ROM或本领域中其它任意形式的存储媒介中。示例性地,存储媒介可以与处理器连接,以使得处理器可以从存储媒介中读取信息,并可以向存储媒介存写信息。可选地,存储媒介还可以集成到处理器中。处理器和存储媒介可以设置于ASIC中,ASIC可以设置于终端中。可选地,处理器和存储媒介也可以设置于终端中的不同的部件中。这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管结合具体特征及其实施例对本申请进行了描述,显而易见的,在不脱离本申请的精神和范围的情况下,可对其进行各种修改和组合。相应地,本说明书和附图仅仅是本申请所界定的本申请的示例性说明,且视为已覆盖本申请范围内的任意和所有修改、变化、组合或等同物。显然,本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的范围。这样,倘若这些修改和变型属于本申请及其等同技术的范围之内,则本申请意图包括这些改动和变型在内。
Claims (9)
1.一种情景互动式的下肢肌肉加强训练方法,其特征在于,所述方法包括:
构建第一用户的基础数据库;
基于训练场景集合,获得第一训练场景信息;
将所述基础数据库输入专家***中进行基础数据分析,获得第一用户肌力水平信息;
基于所述第一用户肌力水平信息在所述第一训练场景信息中匹配训练方案,获得第一训练方案;
使用所述第一训练方案进行适应性预训练,获得预训练结果;
获得所述第一训练方案的训练参数信息;
通过所述预训练结果对所述训练参数信息进行调整,使用调整后参数进行下肢训练。
2.如权利要求1所述的方法,其特征在于,所述构建第一用户的基础数据库,包括:
获得第一用户的录入信息;
按照基础测试指标集合对所述第一用户进行基础训练,采集基础训练结果;
结合所述录入信息和所述基础训练结果构建所述第一用户的基础数据库。
3.如权利要求1所述的方法,其特征在于,所述基于所述第一用户肌力水平信息在所述第一训练场景信息中匹配训练方案,获得第一训练方案,包括:
基于所述第一用户肌力水平信息,获得所述第一用户的肌群肌力信息;
基于所述肌群肌力信息,进行待激活肌肉筛选,获得待激活肌肉集合;
对所述待激活肌肉集合与所述第一训练场景信息中的训练方案进行关联度分析,获得第一分析结果;
基于所述第一分析结果匹配所述第一训练方案。
4.如权利要求3所述的方法,其特征在于,所述方法包括:
获得所述第一用户的健康信息;
基于所述健康信息对所述第一用户进行运动量阈值分析,获得第二分析结果;
基于所述第一用户的健康信息和所述第二分析结果进行风险性分析,获得第三分析结果;
基于所述第三分析结果对所述第一训练方案进行调整。
5.如权利要求1所述的方法,其特征在于,所述使用所述第一训练方案进行适应性预训练,获得预训练结果,包括:
对所述第一训练方案中的训练动作进行难度标识,获得训练动作难度信息;
基于所述训练动作难度信息获得第一主训练动作;
基于所述第一主训练动作,构建动作完成度评价标准;
使用第一主训练动作和所述动作完成度评价标准进行预训练,获得所述预训练结果,其中,所述预训练结果包括动作完成度评价结果。
6.如权利要求1所述的方法,其特征在于,所述方法包括:
构建骨骼负荷模型;
对所述第一用户进行训练视频采集,通过视频解析技术获得所述第一用户的下肢训练数据;
基于所述下肢训练数据进行动作形变分析,获得第四分析结果;
基于所述第四分析结果和所述骨骼负荷模型,对所述第一用户的骨骼负荷进行评估,获得第一评估结果;
基于所述第四分析结果和所述第一评估结果,获得第一反馈信息。
7.如权利要求6所述的方法,其特征在于,所述方法包括:
基于所述下肢训练数据获得所述第一用户的关节位点信息集合;
对所述关节位点信息集合进行弯曲角度分析,获得角度调整信息;
对所述关节位点信息集合进行关节间距离分析,获得距离调整信息;
基于所述角度调整信息和所述距离调整信息获得第二反馈信息。
8.一种情景互动式的下肢肌肉加强训练***,其特征在于,所述***包括:
第一构建单元,所述第一构建单元用于构建第一用户的基础数据库;
第一获得单元,所述第一获得单元用于基于训练场景集合,获得第一训练场景信息;
第二获得单元,所述第二获得单元用于将所述基础数据库输入专家***中进行基础数据分析,获得第一用户肌力水平信息;
第一匹配单元,所述第一匹配单元用于基于所述第一用户肌力水平信息在所述第一训练场景信息中匹配训练方案,获得第一训练方案;
第三获得单元,所述第三获得单元用于使用所述第一训练方案进行适应性预训练,获得预训练结果;
第四获得单元,所述第四获得单元用于获得所述第一训练方案的训练参数信息;
第一执行单元,所述第一执行单元用于通过所述预训练结果对所述训练参数信息进行调整,使用调整后参数进行下肢训练。
9.一种情景互动式的下肢肌肉加强训练***,包括:处理器,所述处理器与存储器耦合,所述存储器用于存储程序,当所述程序被所述处理器执行时,其特征在于,使***以执行如权利要求1~7任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211706962.XA CN115837147B (zh) | 2022-12-29 | 2022-12-29 | 一种情景互动式的下肢肌肉加强训练方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211706962.XA CN115837147B (zh) | 2022-12-29 | 2022-12-29 | 一种情景互动式的下肢肌肉加强训练方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115837147A true CN115837147A (zh) | 2023-03-24 |
CN115837147B CN115837147B (zh) | 2023-04-28 |
Family
ID=85577549
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211706962.XA Active CN115837147B (zh) | 2022-12-29 | 2022-12-29 | 一种情景互动式的下肢肌肉加强训练方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115837147B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116052378A (zh) * | 2023-04-03 | 2023-05-02 | 中航创世机器人(西安)有限公司 | 一种基于多阶段用户适配的报警分析方法及*** |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE10331110A1 (de) * | 2003-04-17 | 2004-11-25 | Duda, Georg N., Prof. Dr. | Verfahren zur Simulation muskulo-skelettaler Belastungen eines Patienten |
US20100317489A1 (en) * | 2009-06-16 | 2010-12-16 | Flaction Patrick | Method and device for optimizing the training of athletes |
CN106984028A (zh) * | 2017-04-29 | 2017-07-28 | 浙江大学台州研究院 | 一种上肢运动控制评估及康复训练的机构 |
US20180140902A1 (en) * | 2016-11-18 | 2018-05-24 | MAD Apparel, Inc. | Training program customization using sensor-equipped athletic garments |
CN113398537A (zh) * | 2021-06-15 | 2021-09-17 | 黄富表 | 一种基于Microsoft Kinect的脑卒中患者上肢运动功能训练方法 |
-
2022
- 2022-12-29 CN CN202211706962.XA patent/CN115837147B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE10331110A1 (de) * | 2003-04-17 | 2004-11-25 | Duda, Georg N., Prof. Dr. | Verfahren zur Simulation muskulo-skelettaler Belastungen eines Patienten |
US20100317489A1 (en) * | 2009-06-16 | 2010-12-16 | Flaction Patrick | Method and device for optimizing the training of athletes |
US20180140902A1 (en) * | 2016-11-18 | 2018-05-24 | MAD Apparel, Inc. | Training program customization using sensor-equipped athletic garments |
CN106984028A (zh) * | 2017-04-29 | 2017-07-28 | 浙江大学台州研究院 | 一种上肢运动控制评估及康复训练的机构 |
CN113398537A (zh) * | 2021-06-15 | 2021-09-17 | 黄富表 | 一种基于Microsoft Kinect的脑卒中患者上肢运动功能训练方法 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116052378A (zh) * | 2023-04-03 | 2023-05-02 | 中航创世机器人(西安)有限公司 | 一种基于多阶段用户适配的报警分析方法及*** |
Also Published As
Publication number | Publication date |
---|---|
CN115837147B (zh) | 2023-04-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10773124B2 (en) | Biometric assessment in fitness improvement | |
Bennett et al. | Validity of submaximal step tests to estimate maximal oxygen uptake in healthy adults | |
Howe et al. | Exercise for improving balance in older people | |
Clark et al. | Instrumenting gait assessment using the Kinect in people living with stroke: reliability and association with balance tests | |
Williams et al. | Mobility after traumatic brain injury: relationships with ankle joint power generation and motor skill level | |
Lopes et al. | Reliability and validity of frontal plane kinematics of the trunk and lower extremity measured with 2-dimensional cameras during athletic tasks: a systematic review with meta-analysis | |
DE102020129804A1 (de) | Intelligentes fitnessstudio | |
Eltoukhy et al. | Validation of the Microsoft Kinect® camera system for measurement of lower extremity jump landing and squatting kinematics | |
Pau et al. | Quantitative assessment of the effects of 6 months of adapted physical activity on gait in people with multiple sclerosis: a randomized controlled trial | |
Orange et al. | Short-term training and detraining effects of supervised vs. unsupervised resistance exercise in aging adults | |
US10223931B1 (en) | Systems and methods for compensation analysis and targeted, corrective program generation | |
Hermans et al. | The effects of high resistance–few repetitions and low resistance–high repetitions resistance training on climbing performance | |
Su | Developing and evaluating effectiveness of 3D game-based rehabilitation system for Total Knee Replacement Rehabilitation patients | |
CN115837147B (zh) | 一种情景互动式的下肢肌肉加强训练方法及*** | |
Gjovaag et al. | Assessment of aerobic capacity and walking economy of unilateral transfemoral amputees | |
Russell et al. | Epidemiology of yoga-related injuries in Canada from 1991 to 2010: a case series study | |
Haydon et al. | Elite wheelchair rugby: a quantitative analysis of chair configuration in Australia | |
Lianzhen et al. | Athlete Rehabilitation Evaluation System Based on Internet of Health Things and Human Gait Analysis Algorithm | |
Smith et al. | Establishing the reliability of instrumented trunk impairment assessment methods to enable evidence-based classification in Para swimming | |
Rosso et al. | Simulated skiing as a measurement tool for performance in cross-country sit-skiing | |
Wilson et al. | Bayesian analysis of changes in standing horizontal and vertical jump after different modes of resistance training | |
González-Villanueva et al. | A tool for linguistic assessment of rehabilitation exercises | |
Emamian et al. | Effects of task constraints on countermovement jump kinematics following a short-term training | |
CN114642424A (zh) | 一种基于体感交互技术的体能评估方法和装置 | |
Sakai et al. | Functional and locomotive characteristics of stroke survivors in Japanese community-based rehabilitation |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |