一种基于力量健身镜的智能训练方法和装置

技术领域

本发明涉及健身领域，特别是指一种基于力量健身镜的智能训练方法和装置。

背景技术

随着健身意识的渗透和科技的发展，智能健身产品已开始融入人们的生活，力量健身镜也是其中之一。现有的力量健身镜，可包括主体支架、力量训练机构以及覆盖主体支架的显示组件，力量训练机构可用于执行力量训练动作，显示组件可包括玻璃镜面和显示屏等，玻璃镜面用于反馈用户的运动姿势图像，方便用户得到运动反馈，显示屏可用于显示视频内容等，即用户的运动姿势图像可与视频内容叠加显示，以引导用户采用正确姿势健身。

目前，这种力量健身镜存在如下问题：当用户使用此类产品进行自主训练时，由于缺乏教练指导和实时互动，难以确保动作始终准确。尤其是进行力量训练时，随着体能和力量的逐步耗损，越往后动作越容易变形，从而降低训练效果，甚至可能造成运动损伤。并且，由于每个个体的身体基能存在差异，导致同一个动作由不同人执行，甚至是同一个人在不同阶段执行，都可能存在差异，因此即使是同一个动作，针对不同的人或不同状态下的同一个人，都难以用同一套固定标准去判定其是否正确完成了动作。因此，这种力量健身镜需要解决的问题是——在用户进行力量训练时，要如何结合其自身情况，动态识别动作的准确度，并在确认动作有误时及时引导调整动作。

发明内容

本发明的主要目的在于克服现有技术中的力量健身镜缺少识别训练动作的准确度的缺陷，提出一种基于力量健身镜的智能训练方法和装置，能动态识别训练动作的准确度，并在确认动作有误时及时引导用户调整动作。

本发明采用如下技术方案：

一种基于力量健身镜的智能训练方法，其特征在于，包括如下步骤：

1)采集用户在当前组训练中的运动数据；

2)对采集的所述运动数据进行分析计算，得到用户在当前组训练的多个维度的基准数据；

3)监测当前组训练的后续的运动数据，并与多个维度的基准数据进行对比分析，判断当前组训练的后续运动是否正确，若有误，则给予所述用户反馈，引导其找到正确的发力方式。

优选的，所述当前组组训练中的运动数据至少包括每次动作的实时出绳幅度、实时回绳幅度和实时速度。

优选的，所述对采集的运动数据进行分析计算，得到所述用户在当前组训练的多个维度的基准数据，具体包括：

2.1)在当前组训练中，定位能够作为基准数据的参考对象的若干次动作，每次动作包括有向心动作和离心动作；

2.2)调取所述参考对象的原始数据，并进行多个维度的基准数据分析计算。

优选的，步骤2.1)中，将所述用户自己执行当前组训练的前N次动作的运动数据作为参考对象；并且过滤当前组训练的第1次动作的运动数据。

优选的，步骤2.1)中，当所述用户调整阻力大小时，过滤调节前的动作的运动数据，锁定调整后的N次动作的运动数据作为参考对象。

优选的，所述基准数据包括有向心幅度基准，所述向心幅度基准为当前次向心动作的终点幅度与上一次离心动作的终点幅度之间的差值的绝对值。

优选的，所述基准数据包括离心幅度基准，所述离心幅度基准为当前次离心动作的终点幅度与当前次向心动作的终点幅度之间的差值的绝对值。

优选的，所述基准数据包括离心速度基准，所述离心速度基准为(当前次离心动作的终点幅度与当前次向心动作的终点幅度之间的差值的绝对值)/(当前次离心动作的终点幅度与当前次向心动作的终点幅度之间的时长)。

优选的，所述基准数据包括平均基准值，当前组训练执行多次动作时，各个维度分别得到多个基准值，则将各个维度的多个基准值分别进行平均值计算，得到当组训练的各个维度的平均基准值。

优选的，所述基准数据包括基准值范围，对所述当组训练各个维度的平均基准值赋予一个波动幅度，从而得到当组训练的各个维度的基准值范围。

优选的，步骤3)中，获取当前组训练的后续每一次动作的运动数据，并与得到的当前组训练的所述多个维度的平均基准值或基准值范围进行对比分析，若运动数据大于或小于所述平均基准值或基准值范围，则动作有误，则通过健身镜给予所述用户反馈，引导其找到正确的发力方式；所述反馈包括播放视频、语音或图形，以及显示实时运动数据和所述多个维度的平均基准值或基准值范围。

一种基于力量健身镜的智能训练装置，其特征在于：包括

采集装置，采集用户在当前组训练中的运动数据；

分析计算装置，对采集的运动数据进行分析计算，得到所述用户在当前组训练的多个维度的基准数据；

比较判断装置，监测当前组训练的后续动作的运动数据，并与所述多个维度的基准数据进行对比分析，判断当前组训练的后续动作是否正确；

反馈装置，在当前组训练的后续动作有误时，给予所述用户反馈，引导其找到正确的发力方式。

由上述对本发明的描述可知，与现有技术相比，本发明具有如下有益效果：

1、本发明中，对采集的所述运动数据进行分析计算，得到用户在当前组训练的多个维度的基准数据；监测当前组训练的后续的运动数据，并与多个维度的基准数据进行对比分析，判断当前组训练的后续运动是否正确，若有误，则给予所述用户反馈，充分结合自身情况，动态识别动作的准确度，并在确认动作有误时及时引导调整动作。

2、本发明中，定位能够作为基准数据的参考对象的若干次动作，是以用户个人当下的数据为参考对象，避免了因性别、身高、运动能力等因素导致的天然个体差异，也避免了同一名用户在不同状态下运动表现差异大的情况(例如健康时和伤病时、活跃时和疲惫时、运动能力较差时和运动能力强化后)。

3、本发明中，过滤当前组训练的第1次动作的运动数据，以及当用户调整阻力大小时，过滤调节前的动作的运动数据，锁定调整后的N次动作的运动数据作为参考对象，其过滤了重要干扰因素，包括动作准备阶段产生的无效数据、动作过程中抖动或其他异常情况导致的无效数据、调整阻力带来的动作数据差异，提高基准值的准确度。

4、本发明中，基准数据包括有向心幅度基准、离心幅度基准、离心速度基准，计算方法简单，且还可设置平均基准值和基准值范围等，即在获取基准数据后进一步圈定基准范围，给与容错空间。

5、本发明中，在获取基准数据后直接在界面上展示基准数据，并通过实时动效反馈用户当前的动作执行情况，从而引导用户正确发力，降低出错率。同时，实时反馈动效系同时监控左右力臂的情况，方便用户同时监控两边的执行情况。

6、本发明中，采用更生动及时的虚拟教练语音和文案提示，在判定出错的当下即从听觉和视觉上提醒用户，帮助用户及时感知出错点和纠正方式。

附图说明

图1为本发明方法流程图；

图2为跪姿高位下拉的准备阶段示意图；

图3为实际动作执行阶段示意图；

图4为拉绳幅度变化示意图；

图5为纠错示意图。

以下结合附图和具体实施例对本发明作进一步详述。

具体实施方式

以下通过具体实施方式对本发明作进一步的描述。

本发明中的力量健身镜可包括主体支架、力量训练机构以及覆盖主体支架的显示组件，力量训练机构可用于执行力量训练动作，显示组件可包括玻璃镜面和显示屏等，玻璃镜面用于反馈用户的运动姿势图像，方便用户得到运动反馈，显示屏可用于显示视频内容等，即用户的运动姿势图像可与视频内容叠加显示，以引导用户采用正确姿势健身。

其中，力量训练机构可包括万向导引组件、驱动组件等，万向导引组件设有拉力件即拉绳，驱动组件设有阻力件，阻力件可以是电机，卷簧或拉簧等。用户通过拉动拉力件与阻力件驱动的阻力进行对抗，从而执行力量型训练。

参见图1，本发明提出一种基于力量健身镜的智能训练方法，包括如下步骤：

1)采集用户在当前组训练中的运动数据。

本发明中，在训练过程中，力量健身镜的驱动组件例如电机可实时采集用户的运动数据，包括但不限于左/右电机、出绳幅度、实时回绳幅度、实时速度、阻力值、电机温度等。

目前，在力量训练中，判断一个动作是否正确的主要判断标准是：

(1)在拉出和还原时，动作幅度是否均到位，是否能确保肌肉的伸缩幅度；

(2)在不同执行阶段，动作速度是否合理，是否达到充分刺激肌肉的效果。

因此，本申请主要数据目标是针对每个动作的每次执行，在各个时间节点下的出绳幅度和实时速度。

当采集上述目标数据后，以大约平均20次/秒的频率进行读取。例如，当用户执行每一次动作A时，读取到的N个实时运动数据如下表：

2)对采集的运动数据进行分析计算，得到用户在当前组训练的多个维度的基准数据。

本发明中，基准数据是用户是否准确完成动作的主要判断依据。比如，当动作执行后获取的相关数据与基准数据产生较大差异时，即可判断该动作的准确度有误，需要纠正。

本发明中，目标基准数据类型可包括有：(1)向心幅度基准：即发力时的拉绳幅度；(2)离心幅度基准：即还原时的回绳幅度；(3)离心速度基准：即完成还原行程时所需的时间，时间越短速度越快，反之则速度越慢。

该步骤中，得到基准数据的方式可拆分成两个步骤：

2.1)在当前组训练中，定位能够作为基准数据的参考对象的若干次动作，每次动作包括向心动作和离心动作。

基准数据是判断动作是否标准的核心参考值，因此，能够作为基准数据参考的对象本身需要尽可能标准。那么，如何确保参考对象的可靠性就是首个要解决的问题。

由于，每个个体的身体机能都不尽相同，因此首先将参考对象锁定为用户自己，即仅以自身的情况作为参考。

其次，在健身领域，单次训练包含多个动作，每个动作需训练多组，每组要执行多次。用户在单次训练的不同阶段和单组训练的不同阶段，体力和力量存在明显差异，例如在每组的前N次，由于用户正处于体力和力量均相对饱满的阶段，此时动作准确度最高。而每组的后几次动作，由于体力和力量逐渐消耗，绝大部分动作变形和出错的场景都集中在每组的后半段。

因此，基准值参考对象有以下特征：(1)锁定用户自己为参考对象(2)以组为单位获取基准数据：即每组有每组自己的基准数据(3)以每组训练的前N次运动数据作为基准数据参考对象。即为将用户自己执行当前组训练的前N次动作的运动数据作为参考对象,其中N为整数，其具体数值可配置。

同时，为了进一步确保获取对象的可靠性，本申请还增加了以下机制：当用户调整阻力大小时，过滤调节前的动作的运动数据，锁定调整后的N次动作的运动数据作为参考对象。具体说明如下：(1)过滤每组训练的第1次动作：目的是避免动作准备阶段产生的准备距离和准备时长影响基准值的计算；(2)当用户调整阻力大小，则调节前的动作的运动数据需被过滤，锁定调节后的N次动作的运动数据作为参考对象。下面说明该机制的作用。

1.什么是动作准备阶段？

参考图2其为跪姿高位下拉的准备阶段，当用户摆好准备姿势，可以看出绳索此时已被拉出了一段距离，当用户完成拉出阶段进行还原时也会还原到这个位置。这段距离就是准备阶段，而这段距离实际并不参与到实际动作执行阶段，参考图3的实际动作执行阶段。由于每组动作的第1次动作都需要用户调整好准备姿势，此时就会产生准备距离，因此本申请过滤了每组的第一次。

2、为什么要过滤阻力调节前的动作，取阻力调节后几次的动作？

如前文所述，本申请最终要获取的基准数据主要包括动作幅度和速度。而阻力大小就是影响幅度和速度的关键因素。例如：同一名用户，用同样的动作举起哑铃，当哑铃的重量是5KG和20KG时，用20KG的动作幅度相对小、速度相对慢，此时将对基准数据判定产生明显影响，放在力量健身镜的场景也一样。

当用户调节阻力大小，说明调节前的阻力未达到理想状态，只有当用户确定了阻力，这之后的训练才是理想状态，而此时的数据才具备参考价值。因此，当用户调整了阻力，则锁定调整后N次动作的运动数据做为参考对象。

综上所述，本申请可通过以下例子来具体说明基准数据参考对象是如何定位的。

举例1：假设某用户训练某动作的训练数据如下：

首先过滤第1次动作，

其次，由于用户在前3次均未调整阻力，可以判定该阻力适配用户，因此本组训练的基准数据的参考对象即定位为第2次和第3次的运动数据。

举例2：假设某用户训练某动作的训练数据如下：

首先还是过滤第1次，

其次，由于用户在第2次调整了阻力，紧接着第3次再次调整了阻力，第4次和第3次阻力相同，因此可以判定，第3次和第4次更接近用户的理想状态，因此本组训练的基准数据的参考对象即定位为第3次和第4次的运动数据。

2.2)调取参考对象的原始数据，并进行多个维度的基准数据分析计算。

该步骤中，分析计算的基准数据包括向心幅度基准、离心幅度基准、离心速度基准。具体计算如下：

以每组训练中，包括若干次动作，每次动作包括向心拉绳和离心拉绳为例，参见图4的拉绳幅度变化示意图,各点说明如下：

根据上述定位点进一步计算得到如下基准数据：

具体的，向心幅度基准为：当前次的向心动作的终点幅度G与上一次离心动作的终点幅度E之间的差值的绝对值，即|G-E|。

离心幅度基准为：当前次离心动作的终点幅度E与当前次的向心动作的终点幅度C之间的差值的绝对值，即|E-C|。

离心速度基准为：(当前次离心动作的终点幅度E与当前次向心动作的终点幅度C之间的差值的绝对值)/(当前次离心动作的终点幅度E与当前次向心动作的终点幅度C之间的时长)，也即|E-C|/(E-C的时长)。

进一步的，基准数据包括平均基准值，当前组训练执行多次动作时，各个维度分别得到多个基准值，则将各个维度的多个基准值分别进行平均值计算，得到当组训练的各个维度的平均基准值。举例：已知用户A训练某组动作的第2次和第3次被锁定为当组的基准值参考对象，则该组基准值计算方式如下：

取2次的平均值，则该组训练的·向心幅度基准＝(10+12)/2＝11cm

·离心幅度基准＝(12+12)/2＝12cm

·离心速度基准＝(12+11)/2＝11.5cm/s

进一步的，基准数据也可采用基准值范围，对当组训练各个维度的平均基准值赋予一个波动幅度，从而得到当组训练的各个维度的基准值范围。波动幅度可配置，系根据大量采样数据获得，随着采样样本量逐步增加，该波动范围可灵活更新。

举例：假设向心幅度的波动为90％-110％，则最终的向心幅度基准范围为11*90％-11*110％，即9.9cm-12.1cm。其他维度的基准范围也同理。

3)监测当前组训练的后续的运动数据，并与多个维度的基准数据进行对比分析，判断当前组训练的后续运动的每一次动作是否正确，若有误，则给予用户反馈，引导其找到正确的发力方式。

在成功获取某组动作的各维度基准范围后，镜体界面将结合图形和动作视频，一方面引导用户跟随视频正确发力，另一方面在动态图形中标记了基准数据，同时该图形会实时反应用户当下的动作幅度和速度，从而引导用户正确完成动作。

例如，参见图5，图中上方即动作监控面板。可监控左右力臂的实时幅度和速度。用户可参照监控面板上标记的基准值实时控制动作的发力。左下方为教练演示的动作视频；右下方为肌肉热区图；中间的字幕为虚拟教练纠错字幕，在判定动作不达标时触发。

具体的，获取当前组训练的后续每一次动作的运动数据，并与得到的当前组训练的多个维度的平均基准值或基准值范围进行对比分析，若运动数据大于或小于平均基准值或基准值范围，则动作有误即未达标，则通过健身镜给予用户反馈，引导其找到正确的发力方式；反馈可包括播放视频、语音或图形，以及显示实时运动数据和多个维度的平均基准值或基准值范围等。

参见下表的纠错场景：

同时，为了进一步达到纠错目的，可提前针对各动作配置了各种纠错场景下的语音和文案库，当判定动作未达标时，系统将播放对应的语音和字幕提示，以引导用户及时调整状态。另一方面，当用户正确完成动作时，虚拟教练将通过语音和弹幕激励用户保持现状，继续加油，直到用户完成训练。

本发明还提出一种基于力量健身镜的智能训练装置，包括

采集装置，采集用户在当前组训练中的运动数据。

分析计算装置，对采集的运动数据进行分析计算，得到用户在当前组训练的多个维度的基准数据。

比较判断装置，监测当前组训练的后续动作的运动数据，并与多个维度的基准数据进行对比分析，判断当前组训练的后续动作是否正确。

反馈装置，在当前组训练的后续动作有误时，给予用户反馈，引导其找到正确的发力方式。

本发明的一种基于力量健身镜的智能训练装置，用于执行上述的一种基于力量健身镜的智能训练方法。

上述仅为本发明的具体实施方式，但本发明的设计构思并不局限于此，凡利用此构思对本发明进行非实质性的改动，均应属于侵犯本发明保护范围的行为。