CN117438091B - 一种基于大数据的运动强度检测***及方法 - Google Patents
一种基于大数据的运动强度检测***及方法 Download PDFInfo
- Publication number
- CN117438091B CN117438091B CN202311753769.6A CN202311753769A CN117438091B CN 117438091 B CN117438091 B CN 117438091B CN 202311753769 A CN202311753769 A CN 202311753769A CN 117438091 B CN117438091 B CN 117438091B
- Authority
- CN
- China
- Prior art keywords
- data
- user
- motion
- data area
- sub
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 30
- 238000000034 method Methods 0.000 title claims abstract description 29
- 238000004458 analytical method Methods 0.000 claims abstract description 24
- 238000005516 engineering process Methods 0.000 claims abstract description 10
- 230000001681 protective effect Effects 0.000 claims abstract description 10
- 238000007405 data analysis Methods 0.000 claims description 66
- 230000008859 change Effects 0.000 claims description 65
- 230000000241 respiratory effect Effects 0.000 claims description 33
- 230000029058 respiratory gaseous exchange Effects 0.000 claims description 33
- 238000004364 calculation method Methods 0.000 claims description 19
- 238000013178 mathematical model Methods 0.000 claims description 18
- 238000012544 monitoring process Methods 0.000 claims description 9
- 230000008569 process Effects 0.000 claims description 7
- 238000013499 data model Methods 0.000 claims description 6
- 230000000284 resting effect Effects 0.000 claims description 6
- 230000036387 respiratory rate Effects 0.000 claims description 5
- 230000036391 respiratory frequency Effects 0.000 claims description 2
- 208000027418 Wounds and injury Diseases 0.000 abstract description 5
- 230000006378 damage Effects 0.000 abstract description 5
- 208000014674 injury Diseases 0.000 abstract description 5
- 230000009286 beneficial effect Effects 0.000 abstract description 3
- 238000011161 development Methods 0.000 abstract description 3
- 230000001737 promoting effect Effects 0.000 abstract description 3
- 230000005180 public health Effects 0.000 abstract description 3
- 239000002699 waste material Substances 0.000 abstract description 3
- 230000009471 action Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000018044 dehydration Effects 0.000 description 1
- 238000006297 dehydration reaction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 239000000047 product Substances 0.000 description 1
- 230000000638 stimulation Effects 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
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
- 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
- G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- Life Sciences & Earth Sciences (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Biophysics (AREA)
- Evolutionary Biology (AREA)
- Physical Education & Sports Medicine (AREA)
- Databases & Information Systems (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Pathology (AREA)
- Evolutionary Computation (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Biomedical Technology (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本发明公开了一种基于大数据的运动强度检测***及方法,具体涉及大数据领域,包括监测时间划分模块、运动数据采集模块、运动数据分析模块、运动强度计算模块、运动强度判断模块,以及预警模块。本发明通过对用户的运动时间进行划分检测,有效避免了工作重复和资源浪费,通过大数据技术对运动数据进行采集,使采集的运动数据更全面和准确,通过对运动数据的分析,能从大量数据中提取出与运动强度相关的特征,提高了检测的准确性,通过生成运动强度报告,可以及时发现潜在的运动风险和身体不适,提醒用户采取必要的防护措施,有效预防运动损伤的发生,本发明有利于推动健身行业的发展和提升公众健康水平。
Description
技术领域
本发明涉及大数据技术领域,更具体地说,本发明涉及一种基于大数据的运动强度检测***及方法。
背景技术
运动强度是指运动时力的大小和身体紧张程度,是决定运动负荷的主要因素之一,影响运动强度的主要因素有练习的密度、间歇时间、动作速度、练习所负的重量、动作的难度以及复杂性,运动强度对人体的刺激作用较大,适当的运动能有效促进身体机能的提高,如果强度过大,超过身体的承受能力,反而会使身体的机能减退,甚至损害身体健康。
运动强度检测***是一种用于检测和记录运动强度的***,通过传感器和其他数据采集设备收集运动数据,并利用数据分析技术处理和解析这些数据,常见的数据采集设备主要有心率检测器以及速度计,主要用来采集运动者的心率、呼吸频率,以及加速度,并根据采集到的数据进行深入分析,提取出与运动强度相关的特征,并根据这些特征判断运动强度等级,运动强度检测***的应用范围广泛,包括但不限于健身、体育训练,以及康复训练等领域。
但是其在实际使用时,仍旧存在一些缺点,如现有的运动强度检测***可能存在准确性和可靠性方面的问题,由于传感器和数据采集器的限制,可能会出现数据失真、误报以及漏报等方面的问题,从而影响对运动强度的准确判断,且现有的运行强度检测***缺乏对不同运动类型人群以及不同年龄人群的适应性,缺乏智能化和自适应能力,同时缺乏对多维度数据的综合分析和利用。
发明内容
为了克服现有技术的上述缺陷,本发明的实施例提供一种基于大数据的运动强度检测***及方法,通过以下方案,以解决上述背景技术中提出的问题。
为实现上述目的,本发明提供如下技术方案:一种基于大数据的运动强度检测***及方法,包括:
监测时间划分模块:用于将用户受监测时间过程中的运动数据确定为目标数据区域,通过等时间划分的方式将用户在目标时间段内的运动时间数据划分为各子数据区域,并依次标记为1、2……n。
运动数据采集模块:用于采集各子数据区域的呼吸变化参数、心率变化参数以及跑步速度变化参数,并将采集到的数据传输到运动数据分析模块。
运动数据分析模块:包括呼吸变化数据分析单元、心率变化数据分析单元,以及跑步速度变化数据分析单元,用于对运动数据采集模块传输的参数进行分析,分析得出各子数据区域的呼吸变化系数、心率变化系数,以及跑步速度变化系数,并传输到运动强度计算模块。
运动强度计算模块:用于接收运动数据分析模块传输的呼吸变化系数、心率变化系数,以及跑步速度变化系数,通过子数据区域综合模型计算出各子数据区域的运动强度指数,并传输到综合分析模块。
综合分析模块:用于接收运动强度计算模块传输的各子数据区域的运动强度指数,通过目标数据区域综合模型计算出目标数据区域的用户综合运动强度指数,并传输到运动强度判断模块;
运动强度判断模块:用于接收运动强度计算模块传输的运动强度指数,通过运动强度判断单元对目标数据区域的用户综合运动强度指数判断来检测运动强度,并根据判断结果生成对应的检测报告。
预警模块:通过运动强度报告数据对用户的运动强度进行检测和预警,当检测到运动强度达到预设的预警阈值时,预警模块自动发出预警信号,提醒用户降低运动强度或采取必要的防护措施。
优选的,所述呼吸变化参数包括呼吸频率、呼吸深度以及单次呼吸时间,心率变化参数包括平均心率、静息心率以及最大心率,跑步速度变化参数包括步频、步幅以及运动距离,分别标记为、/>、/>、/>、/>、/>、/>、/>,以及/>,其中i=1、2……n,i表示第i个子数据区域,并采集用户的身高、体重,以及年龄,分别标记为/>、/>,以及/>。
优选的,所述运动数据采集模块具体利用大数据技术通过在用户胸部放置呼吸传感器对呼吸参数进行采集,通过用户随身携带的心率带对心率参数进行采集,通过摄像头放置在与用户跑步路径平行的位置对用户跑步时的跑步速度变化参数进行采集。
优选的,所述呼吸变化数据分析单元使用的数学模型为:,/>表示第i个子数据区域的用户呼吸变化系数,/>表示第i个子数据区域的用户呼吸频率,/>表示第i个子数据区域的用户呼吸深度,/>表示第i个子数据区域的用户单次呼吸时间,/>表示第i个子数据区域和第i-1个子数据区域的时间差,/>表示用户体重,/>表示用户身高,/>表示呼吸变化系数的其他影响因子。
优选的,所述心率变化数据分析单元使用的数学模型为:,/>表示第i个子数据区域的用户心率变化系数,/>表示第i个子数据区域的用户平均心率,/>表示第i个子数据区域的用户静息心率,/>表示第i个子数据区域的用户最大心率,/>表示用户心率的年龄影响系数,/>表示用户年龄,/>表示心率变化系数的其他影响因子。
优选的,所述跑步速度变化数据分析单元使用的数学模型为:,/>表示第i个子数据区域的用户跑步速度变化系数,/>表示第i个子数据区域的用户步频,/>表示第i个子数据区域的用户步幅,/>表示第i个子数据区域的用户运动距离,/>表示用户体重,/>表示用户身高,/>表示用户年龄,表示第i个子数据区域和第i-1个子数据区域的时间差,/>表示跑步速度变化系数的其他影响因子。
优选的,所述子数据区域综合数据模型为:,/>表示第i个子数据区域的用户运动强度指数,/>表示第i个子数据区域的用户呼吸变化系数,/>表示第i个子数据区域的用户心率变化系数,/>表示第i个子数据区域的用户跑步速度变化系数,/>表示运动强度指数的其他影响因子。
优选的,所述目标数据区域综合数据模型为:,/>表示目标区域的用户综合运动强度指数,/>表示第i个子数据区域的用户运动强度指数。
优选的,所述运动强度判断单元通过将各子数据区域的运动强度指数与预设不同区间运动强度指数阈值进行比较来进行对运动强度的检测,当时,说明第i个子数据区域的运动强度为低强度运动,当/>时,说明第i个子数据区域的运动强度为中等强度运动,当/>时,说明第i个子数据区域的运动强度为高强度运动。
优选的,一种基于大数据的运动强度检测方法,包括下列步骤:
步骤S01:监测时间划分:用于将用户受监测时间过程中的运动数据确定为目标数据区域,通过等时间划分的方式将用户在目标时间段内的运动时间数据划分为各子数据区域,并依次标记为1、2……n;
步骤S02:运动数据采集:用于采集各子数据区域的呼吸变化参数、心率变化参数以及跑步速度变化参数,并将采集到的数据传输到运动数据分析步骤;
步骤S03:运动数据分析:包括呼吸变化数据分析单元、心率变化数据分析单元,以及跑步速度变化数据分析单元,用于对运动数据采集步骤传输的参数进行分析,分析得出各子数据区域的呼吸变化系数、心率变化系数,以及跑步速度变化系数,并传输到运动强度指数计算步骤;
步骤S04:运动强度计算:用于接收运动数据分析步骤传输的呼吸变化系数、心率变化系数,以及跑步速度变化系数,通过子数据区域综合模型计算出各子数据区域的运动强度指数,并传输到综合分析步骤;
步骤S05:综合分析:用于接收运动强度计算步骤传输的各子数据区域的运动强度指数,通过目标数据区域综合模型计算出目标数据区域的用户综合运动强度指数,并传输到运动强度判断步骤;
步骤S06:运动强度判断:用于接收运动强度指数计算步骤传输的运动强度指数,通过运动强度判断单元对目标数据区域的用户综合运动强度指数判断来检测运动强度,并根据判断结果生成对应的检测报告;
步骤S07:预警:通过运动强度报告数据对用户的运动强度进行检测和预警,当检测到运动强度达到预设的预警阈值时,预警步骤自动发出预警信号,提醒用户降低运动强度或采取必要的防护措施。
本发明的技术效果和优点:
本发明通过监测时间划分模块将用户在目标时间段内的运动时间划分为各子数据区域,并编号,通过运动数据采集模块利用大数据技术对用户在各子数据区域内的运动信息进行采集,通过运动数据分析模块利用分析单元对应的数学模型对运动数据采集模块传输的数据进行分析,将运动数据采集模块传输的数据和用户的身体数据进行整合,计算出影响运动强度的变化系数,通过综合分析模块计算出综合运动强度指数,通过运动强度判断模块对综合运动强度指数判断来检测运动强度,并根据判断结果生成对应的检测报告,通过预警模块对用户的运动强度进行检测和预警;
本发明通过对用户的运动时间进行划分检测,有效避免了工作重复和资源浪费,通过大数据技术对运动数据进行采集,使采集的运动数据更全面和准确,通过对运动数据的分析,能从大量数据中提取出与运动强度相关的特征,提高了检测的准确性,通过生成运动强度报告,可以及时发现潜在的运动风险和身体不适,提醒用户采取必要的防护措施,有效预防运动损伤的发生,本发明有利于推动健身行业的发展和提升公众健康水平。
附图说明
图1为本发明的整体结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
参考图1所示的一种基于大数据的运动强度检测***及方法,包括:监测时间划分模块、运动数据采集模块、运动数据分析模块、运动强度计算模块、综合分析模块、运动强度判断模块,以及预警模块。
所述监测时间划分模块用于将用户受监测时间过程中的运动数据确定为目标数据区域,通过等时间划分的方式将用户在目标时间段内的运动时间数据划分为各子数据区域,并依次标记为1、2……n。
所述运动数据采集模块用于采集各子数据区域的呼吸变化参数、心率变化参数以及跑步速度变化参数,并将采集到的数据传输到运动数据分析模块。
所述呼吸变化参数包括呼吸频率、呼吸深度以及单次呼吸时间,心率变化参数包括平均心率、静息心率以及最大心率,跑步速度变化参数包括步频、步幅以及运动距离,分别标记为、/>、/>、/>、/>、/>、/>、/>,以及/>,其中i=1、2……n,i表示第i个子数据区域,并采集用户的身高、体重,以及年龄,分别标记为/>、/>,以及/>。
本实施例需要具体说明的是,所述运动数据采集模块具体利用大数据技术通过在用户胸部放置呼吸传感器对呼吸参数进行采集,通过用户随身携带的心率带对心率参数进行采集,通过摄像头放置在与用户跑步路径平行的位置对用户跑步时的跑步速度变化参数进行采集
所述运动数据分析模块包括呼吸变化数据分析单元、心率变化数据分析单元,以及跑步速度变化数据分析单元,用于对运动数据采集模块传输的参数进行分析,分析得出各子数据区域的呼吸变化系数、心率变化系数,以及跑步速度变化系数,并传输到运动强度计算模块。
所述运动数据分析模块利用大数据分析技术,通过分析单元对应的数学模型对运动数据采集模块传输的数据进行分析,将运动数据采集模块传输的数据和用户的身体数据进行整合,计算出影响运动强度的呼吸变化系数、心率变化系数,以及跑步速度变化系数。
所述呼吸变化数据分析单元用于建立呼吸变化数学模型,将呼吸变化参数导入呼吸变化数学模型得到,/>表示第i个子数据区域的用户呼吸变化系数,/>表示第i个子数据区域的用户呼吸频率,/>表示第i个子数据区域的用户呼吸深度,/>表示第i个子数据区域的用户单次呼吸时间,/>表示第i个子数据区域和第i-1个子数据区域的时间差,/>表示用户体重,/>表示用户身高,/>表示呼吸变化系数的其他影响因子。
所述心率变化数据分析单元用于建立心率变化数学模型,将心率变化参数导入心率变化数学模型得到,/>表示第i个子数据区域的用户心率变化系数,/>表示第i个子数据区域的用户平均心率,/>表示第i个子数据区域的用户静息心率,/>表示第i个子数据区域的用户最大心率,/>表示用户心率的年龄影响系数,/>表示用户年龄,/>表示心率变化系数的其他影响因子。
所述跑步速度变化数据分析单元用于建立跑步速度变化数学模型,将跑步速度变化参数导入跑步速度变化数学模型得到,/>表示第i个子数据区域的用户跑步速度变化系数,/>表示第i个子数据区域的用户步频,/>表示第i个子数据区域的用户步幅,/>表示第i个子数据区域的用户运动距离,/>表示用户体重,表示用户身高,/>表示用户年龄,/>表示第i个子数据区域和第i-1个子数据区域的时间差,/>表示跑步速度变化系数的其他影响因子。
所述运动强度计算模块用于接收运动数据分析模块传输的呼吸变化系数、心率变化系数,以及跑步速度变化系数,通过子数据区域综合模型计算出各子数据区域的运动强度指数,并传输到综合分析模块。
所述子数据区域综合数据模型为:,/>表示第i个子数据区域的用户运动强度指数,/>表示第i个子数据区域的用户呼吸变化系数,/>表示第i个子数据区域的用户心率变化系数,/>表示第i个子数据区域的用户跑步速度变化系数,表示运动强度指数的其他影响因子。
所述综合分析模块用于接收运动强度计算模块传输的各子数据区域的运动强度指数,通过目标数据区域综合模型计算出目标数据区域的用户综合运动强度指数,并传输到运动强度判断模块。
所述目标数据区域综合数据模型为:,/>表示目标区域的用户综合运动强度指数,/>表示第i个子数据区域的用户运动强度指数;
所述运动强度判断模块用于接收运动强度计算模块传输的运动强度指数,通过运动强度判断单元对目标数据区域的用户综合运动强度指数判断来检测运动强度,并根据判断结果生成对应的检测报告。
所述运动强度判断单元通过将各子数据区域的运动强度指数与预设不同区间运动强度指数阈值进行比较来进行对运动强度的检测,当时,说明第i个子数据区域的运动强度为低强度运动,当/>时,说明第i个子数据区域的运动强度为中等强度运动,当/>时,说明第i个子数据区域的运动强度为高强度运动。
所述运动强度判断模块将运动强度判断单元对运动强度的检测结果和对应的检测区域编号以及运动数据生成运动强度报告,并根据运动强度报告和用户身体数据生成对应的运动优化建议。
所述预警模块通过运动强度报告数据对用户的运动强度进行检测和预警,当检测到运动强度达到预设的预警阈值时,预警模块自动发出预警信号,提醒用户降低运动强度或采取必要的防护措施。
所述预警模块在时通过声音提示、灯光闪烁,以及手机推送的方式对用户进行预警,提醒用户降低运动强度或采取必要的防护措施,包括提醒用户降低运动速度,避免用户突然降低运动强度引起身体不适,减少运动时间,使用户在有限的时间进行适量的运动,避免过度运动引起身体疲劳和受伤,在长时间保持高强度运动时,提醒用户及时补充水分,避免脱水引起身体疲劳和受伤。
在本实施例中,需要具体说明的是,本发明提供一种基于大数据的运动强度检测方法,包括下列步骤:
步骤S01:监测时间划分:用于将用户受监测时间过程中的运动数据确定为目标数据区域,通过等时间划分的方式将用户在目标时间段内的运动时间数据划分为各子数据区域,并依次标记为1、2……n;
步骤S02:运动数据采集:用于采集各子数据区域的呼吸变化参数、心率变化参数以及跑步速度变化参数,并将采集到的数据传输到运动数据分析步骤;
步骤S03:运动数据分析:包括呼吸变化数据分析单元、心率变化数据分析单元,以及跑步速度变化数据分析单元,用于对运动数据采集步骤传输的参数进行分析,分析得出各子数据区域的呼吸变化系数、心率变化系数,以及跑步速度变化系数,并传输到运动强度指数计算步骤;
步骤S04:运动强度计算:用于接收运动数据分析步骤传输的呼吸变化系数、心率变化系数,以及跑步速度变化系数,通过子数据区域综合模型计算出各子数据区域的运动强度指数,并传输到综合分析步骤;
步骤S05:综合分析:用于接收运动强度计算步骤传输的各子数据区域的运动强度指数,通过目标数据区域综合模型计算出目标数据区域的用户综合运动强度指数,并传输到运动强度判断步骤;
步骤S06:运动强度判断:用于接收运动强度指数计算步骤传输的运动强度指数,通过运动强度判断单元对目标数据区域的用户综合运动强度指数判断来检测运动强度,并根据判断结果生成对应的检测报告;
步骤S07:预警:通过运动强度报告数据对用户的运动强度进行检测和预警,当检测到运动强度达到预设的预警阈值时,预警步骤自动发出预警信号,提醒用户降低运动强度或采取必要的防护措施。
本发明通过监测时间划分模块将用户在目标时间段内的运动时间划分为各子数据区域并编号,通过运动数据采集模块利用大数据技术对用户在各子数据区域内的运动信息进行采集,通过运动数据分析模块利用分析单元对应的数学模型对运动数据采集模块传输的数据进行分析,将运动数据采集模块传输的数据和用户的身体数据进行整合,计算出影响运动强度的变化系数,通过综合分析模块计算出综合运动强度指数,通过运动强度判断模块对综合运动强度指数判断来检测运动强度,并根据判断结果生成对应的检测报告,通过预警模块对用户的运动强度进行检测和预警。
本发明通过对用户的运动时间进行划分检测,有效避免了工作重复和资源浪费,通过大数据技术对运动数据进行采集,使采集的运动数据更全面和准确,通过对运动数据的分析,能从大量数据中提取出与运动强度相关的特征,提高了检测的准确性,通过生成运动强度报告,可以及时发现潜在的运动风险和身体不适,提醒用户采取必要的防护措施,有效预防运动损伤的发生,本发明有利于推动健身行业的发展和提升公众健康水平。
其次:本发明公开实施例附图中,只涉及到与本公开实施例涉及的结构,其他结构可参考通常设计,在不冲突情况下,本发明同一实施例及不同实施例可以相互组合;
最后:以上所述仅为本发明的优选实施例而已,并不用于限制本发明,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (6)
1.一种基于大数据的运动强度检测***,其特征在于,包括:
监测时间划分模块:用于将用户受监测时间过程中的运动数据确定为目标数据区域,通过等时间划分的方式将用户在目标时间段内的运动时间数据划分为各子数据区域,并依次标记为1、2……n;
运动数据采集模块:用于采集各子数据区域的呼吸变化参数、心率变化参数以及跑步速度变化参数,并将采集到的数据传输到运动数据分析模块;
运动数据分析模块:包括呼吸变化数据分析单元、心率变化数据分析单元,以及跑步速度变化数据分析单元,用于对运动数据采集模块传输的参数进行分析,分析得出各子数据区域的呼吸变化系数、心率变化系数,以及跑步速度变化系数,并传输到运动强度计算模块;
所述呼吸变化参数包括呼吸频率、呼吸深度以及单次呼吸时间,心率变化参数包括平均心率、静息心率以及最大心率,跑步速度变化参数包括步频、步幅以及运动距离,分别标记为、/>、/>、/>、/>、/>、/>、/>,以及/>,其中i=1、2……n,i表示第i个子数据区域,并采集用户的身高、体重,以及年龄,分别标记为/>、/>,以及/>;
运动强度计算模块:用于接收运动数据分析模块传输的呼吸变化系数、心率变化系数,以及跑步速度变化系数,通过子数据区域综合模型计算出各子数据区域的运动强度指数,并传输到综合分析模块;
综合分析模块:用于接收运动强度计算模块传输的各子数据区域的运动强度指数,通过目标数据区域综合模型计算出目标数据区域的用户综合运动强度指数,并传输到运动强度判断模块;
运动强度判断模块:用于接收运动强度计算模块传输的运动强度指数,通过运动强度判断单元对目标数据区域的用户综合运动强度指数判断来检测运动强度,并根据判断结果生成对应的检测报告;
预警模块:通过运动强度报告数据对用户的运动强度进行检测和预警,当检测到运动强度达到预设的预警阈值时,预警模块自动发出预警信号,提醒用户降低运动强度或采取必要的防护措施;
所述呼吸变化数据分析单元用于建立呼吸变化数学模型,将呼吸变化参数导入呼吸变化数学模型得到,/>表示第i个子数据区域的用户呼吸变化系数,/>表示第i个子数据区域的用户呼吸频率,/>表示第i个子数据区域的用户呼吸深度,/>表示第i个子数据区域的用户单次呼吸时间,/>表示第i个子数据区域和第i-1个子数据区域的时间差,/>表示用户体重,/>表示用户身高,/>表示呼吸变化系数的其他影响因子;
所述心率变化数据分析单元用于建立心率变化数学模型,将心率变化参数导入心率变化数学模型得到,/>表示第i个子数据区域的用户心率变化系数,/>表示第i个子数据区域的用户平均心率,/>表示第i个子数据区域的用户静息心率,/>表示第i个子数据区域的用户最大心率,/>表示用户心率的年龄影响系数,/>表示用户年龄,/>表示心率变化系数的其他影响因子;
所述跑步速度变化数据分析单元用于建立跑步速度变化数学模型,将跑步速度变化参数导入跑步速度变化数学模型得到,/>表示第i个子数据区域的用户跑步速度变化系数,/>表示第i个子数据区域的用户步频,/>表示第i个子数据区域的用户步幅,/>表示第i个子数据区域的用户运动距离,/>表示用户体重,/>表示用户身高,/>表示用户年龄,/>表示第i个子数据区域和第i-1个子数据区域的时间差,/>表示跑步速度变化系数的其他影响因子。
2.根据权利要求1所述的一种基于大数据的运动强度检测***,其特征在于:所述运动数据采集模块具体利用大数据技术通过在用户胸部放置呼吸传感器对呼吸参数进行采集,通过用户随身携带的心率带对心率参数进行采集,通过摄像头放置在与用户跑步路径平行的位置对用户跑步时的跑步速度变化参数进行采集。
3.根据权利要求1所述的一种基于大数据的运动强度检测***,其特征在于:所述子数据区域综合数据模型为:,/>表示第i个子数据区域的用户运动强度指数,/>表示第i个子数据区域的用户呼吸变化系数,/>表示第i个子数据区域的用户心率变化系数,/>表示第i个子数据区域的用户跑步速度变化系数,/>表示运动强度指数的其他影响因子。
4.根据权利要求1所述的一种基于大数据的运动强度检测***,其特征在于:所述目标数据区域综合数据模型为:,/>表示目标区域的用户综合运动强度指数,表示第i个子数据区域的用户运动强度指数。
5.根据权利要求1所述的一种基于大数据的运动强度检测***,其特征在于:所述运动强度判断单元通过将各子数据区域的运动强度指数与预设不同区间运动强度指数阈值进行比较来进行对运动强度的检测,当时,说明第i个子数据区域的运动强度为低强度运动,当/>时,说明第i个子数据区域的运动强度为中等强度运动,当时,说明第i个子数据区域的运动强度为高强度运动。
6.一种基于大数据的运动强度检测方法,基于权利要求书1-5任一项一种基于大数据的运动强度检测***,其特征在于,包括下列步骤:
步骤S01:监测时间划分:用于将用户受监测时间过程中的运动数据确定为目标数据区域,通过等时间划分的方式将用户在目标时间段内的运动时间数据划分为各子数据区域,并依次标记为1、2……n;
步骤S02:运动数据采集:用于采集各子数据区域的呼吸变化参数、心率变化参数以及跑步速度变化参数,并将采集到的数据传输到运动数据分析步骤;
步骤S03:运动数据分析:包括呼吸变化数据分析单元、心率变化数据分析单元,以及跑步速度变化数据分析单元,用于对运动数据采集步骤传输的参数进行分析,分析得出各子数据区域的呼吸变化系数、心率变化系数,以及跑步速度变化系数,并传输到运动强度指数计算步骤;
步骤S04:运动强度计算:用于接收运动数据分析步骤传输的呼吸变化系数、心率变化系数,以及跑步速度变化系数,通过子数据区域综合模型计算出各子数据区域的运动强度指数,并传输到综合分析步骤;
步骤S05:综合分析:用于接收运动强度计算步骤传输的各子数据区域的运动强度指数,通过目标数据区域综合模型计算出目标数据区域的用户综合运动强度指数,并传输到运动强度判断步骤;
步骤S06:运动强度判断:用于接收运动强度指数计算步骤传输的运动强度指数,通过运动强度判断单元对目标数据区域的用户综合运动强度指数判断来检测运动强度,并根据判断结果生成对应的检测报告;
步骤S07:预警:通过运动强度报告数据对用户的运动强度进行检测和预警,当检测到运动强度达到预设的预警阈值时,预警步骤自动发出预警信号,提醒用户降低运动强度或采取必要的防护措施。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311753769.6A CN117438091B (zh) | 2023-12-20 | 2023-12-20 | 一种基于大数据的运动强度检测***及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311753769.6A CN117438091B (zh) | 2023-12-20 | 2023-12-20 | 一种基于大数据的运动强度检测***及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117438091A CN117438091A (zh) | 2024-01-23 |
CN117438091B true CN117438091B (zh) | 2024-03-01 |
Family
ID=89552005
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311753769.6A Active CN117438091B (zh) | 2023-12-20 | 2023-12-20 | 一种基于大数据的运动强度检测***及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117438091B (zh) |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102488501A (zh) * | 2011-11-17 | 2012-06-13 | 深圳市科瑞康实业有限公司 | 身心放松训练的辅助装置及呼吸引导模型显示处理方法 |
CN103892814A (zh) * | 2014-03-31 | 2014-07-02 | 无锡首康科技有限公司 | 运动康复治疗***跑步机控制方法 |
CN106779856A (zh) * | 2016-12-23 | 2017-05-31 | 广州帷策智能科技有限公司 | 大数据客户价值评价的方法及装置 |
CN108574701A (zh) * | 2017-03-08 | 2018-09-25 | 理查德.A.罗思柴尔德 | 用于确定用户状态的***和方法 |
CN109620179A (zh) * | 2018-12-26 | 2019-04-16 | 南京茂森电子技术有限公司 | 一种呼吸对心率调制的定量分析方法及相关*** |
CN111192141A (zh) * | 2020-01-06 | 2020-05-22 | 深圳壹账通智能科技有限公司 | 基于远程光体积描述术的风险评估方法、装置及存储介质 |
CN113521683A (zh) * | 2021-08-27 | 2021-10-22 | 吉林师范大学 | 一种智能体育体能综合训练控制*** |
CN114694840A (zh) * | 2022-03-29 | 2022-07-01 | 北京德尔康尼骨科医院有限公司 | 一种基于大众科学健身的运动机能评估方法 |
CN115005794A (zh) * | 2022-08-09 | 2022-09-06 | 深圳市微克科技有限公司 | 基于智能穿戴多运动健康指标测量*** |
CN115691286A (zh) * | 2022-09-30 | 2023-02-03 | 福建医科大学 | 一种呼吸仿真训练模型及其控制方法 |
CN116126993A (zh) * | 2023-02-23 | 2023-05-16 | 广州卓远虚拟现实科技有限公司 | 应对vr跑步机的智能化数据处理方法及*** |
CN117194847A (zh) * | 2023-11-06 | 2023-12-08 | 国合通用(青岛)测试评价有限公司 | 一种减振钢轨的减振效果评估***及方法 |
CN117219222A (zh) * | 2023-09-27 | 2023-12-12 | 联硕智能(深圳)有限公司 | 一种个性化体检项目推荐与健康追踪管理方法与装置 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
ITBS20060106A1 (it) * | 2006-05-17 | 2007-11-18 | Marcello Rinaldo Baldacchini | Manipolo laser per il trattamento del corpo umano e metodo di controllo dell'emissione delle radiazioni laser |
-
2023
- 2023-12-20 CN CN202311753769.6A patent/CN117438091B/zh active Active
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102488501A (zh) * | 2011-11-17 | 2012-06-13 | 深圳市科瑞康实业有限公司 | 身心放松训练的辅助装置及呼吸引导模型显示处理方法 |
CN103892814A (zh) * | 2014-03-31 | 2014-07-02 | 无锡首康科技有限公司 | 运动康复治疗***跑步机控制方法 |
CN106779856A (zh) * | 2016-12-23 | 2017-05-31 | 广州帷策智能科技有限公司 | 大数据客户价值评价的方法及装置 |
CN108574701A (zh) * | 2017-03-08 | 2018-09-25 | 理查德.A.罗思柴尔德 | 用于确定用户状态的***和方法 |
CN109620179A (zh) * | 2018-12-26 | 2019-04-16 | 南京茂森电子技术有限公司 | 一种呼吸对心率调制的定量分析方法及相关*** |
CN111192141A (zh) * | 2020-01-06 | 2020-05-22 | 深圳壹账通智能科技有限公司 | 基于远程光体积描述术的风险评估方法、装置及存储介质 |
CN113521683A (zh) * | 2021-08-27 | 2021-10-22 | 吉林师范大学 | 一种智能体育体能综合训练控制*** |
CN114694840A (zh) * | 2022-03-29 | 2022-07-01 | 北京德尔康尼骨科医院有限公司 | 一种基于大众科学健身的运动机能评估方法 |
CN115005794A (zh) * | 2022-08-09 | 2022-09-06 | 深圳市微克科技有限公司 | 基于智能穿戴多运动健康指标测量*** |
CN115691286A (zh) * | 2022-09-30 | 2023-02-03 | 福建医科大学 | 一种呼吸仿真训练模型及其控制方法 |
CN116126993A (zh) * | 2023-02-23 | 2023-05-16 | 广州卓远虚拟现实科技有限公司 | 应对vr跑步机的智能化数据处理方法及*** |
CN117219222A (zh) * | 2023-09-27 | 2023-12-12 | 联硕智能(深圳)有限公司 | 一种个性化体检项目推荐与健康追踪管理方法与装置 |
CN117194847A (zh) * | 2023-11-06 | 2023-12-08 | 国合通用(青岛)测试评价有限公司 | 一种减振钢轨的减振效果评估***及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN117438091A (zh) | 2024-01-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105118236B (zh) | 瘫倒监测和预防装置及其处理方法 | |
RU2681582C2 (ru) | Способ и устройство для идентификации переходов между положениями сидя и стоя | |
US11039760B2 (en) | Detection of walking in measurements of the movement of a user | |
US7150718B2 (en) | Sleep state estimation device and program product for providing a computer with a sleep state estimation function | |
RU2637610C2 (ru) | Устройство мониторинга для мониторинга физиологического сигнала | |
US10258257B2 (en) | Quantitative falls risk assessment through inertial sensors and pressure sensitive platform | |
CN105051799A (zh) | 用于检测跌倒的方法和跌倒检测器 | |
KR101718555B1 (ko) | 사람의 보행을 검출하기 위한 시스템 및 방법 | |
CN103581852B (zh) | 人体摔倒检测的方法、装置及移动终端*** | |
US20060270949A1 (en) | Monitoring apparatus for ambulatory subject and a method for monitoring the same | |
US20100228134A1 (en) | Method, device and computer program product for monitoring the physiological state of a person | |
CN106456024A (zh) | 静息心率监测器*** | |
US10539549B2 (en) | Mobile blood alcohol content and impairment sensing device | |
CN103493113A (zh) | 跌倒检测器和用于检测可能的跌倒的方法 | |
Anastasopoulou et al. | Classification of human physical activity and energy expenditure estimation by accelerometry and barometry | |
US8552871B2 (en) | Apparatus and method for sensing photoplethysmogram and fall | |
JP2011510363A (ja) | 被検者の危機的な状況を検出するための方法及び装置 | |
Chen et al. | A wireless real-time fall detecting system based on barometer and accelerometer | |
CN111643092A (zh) | 一种癫痫报警装置及癫痫检测方法 | |
CN114668391A (zh) | 一种老人摔倒判断设备及方法 | |
CN117438091B (zh) | 一种基于大数据的运动强度检测***及方法 | |
CN108784720B (zh) | 基于肌张力传感器的痉挛检测的控制***及其检测方法 | |
CN106875631A (zh) | 一种摔倒检测报警方法及*** | |
CN208225261U (zh) | 一种腰带式人体意外跌倒检测定位装置 | |
CN205697787U (zh) | 智能跌倒报警颈环 |
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 |