基于可穿戴设备体征数据分析的有氧运动管理方法及系统

技术领域

本发明涉及人体健康管理技术领域，尤其涉及一种基于可穿戴设备体征数据分析的有氧运动管理方法及系统。

背景技术

随着人们生活水平的不断提高，人们对于自身的身体健康非常看重，年轻人们经常去健身房健身以锻炼自己的身体强度，老人们由于自身体质等原因无法专门去健身房进行高强度的健身工作，因而只能做一些跑步等有氧运动，现有的有氧运动管理方法只是单纯地检测用户的有氧运动情况以及运动数据来反馈给用户，用户根据有氧运动情况以及运动数据来把控有氧运动的强度，这种方法存在以下缺点：没有将用户的体征数据以及自身信息考虑在内进而无法根据不同用户的不同健康状态来把控有氧运动强度，使得部分用户出现运动量不够或者过度运动而对身体造成负荷进而出现副作用情况的发生，大大地影响了用户的体验感。

发明内容

针对上述所显示出来的问题，本发明提供了一种基于可穿戴设备体征数据分析的有氧运动管理方法及系统用以解决背景技术中提到的没有将用户的体征数据以及自身信息考虑在内进而无法根据不同用户的不同健康状态来把控有氧运动强度，使得部分用户出现运动量不够或者过度运动而对身体造成负荷进而出现副作用情况的发生，大大地影响了用户的体验感的问题。

一种基于可穿戴设备体征数据分析的有氧运动管理方法，包括以下步骤：

获取目标用户的当前脉搏波信号特征；

分析所述当前脉搏波信号特征获得目标用户的体征数据，根据所述体征数据确定目标用户的身体状态；

当所述目标用户进行有氧运动时，接收目标用户的智能穿戴设备反馈的运动数据；

获取目标用户的身份信息，根据所述目标用户的身体状态和身份信息生成目标有氧运动管理规划表，根据所述目标有氧运动管理规划表提醒目标用户管理有氧运动强度。

优选的，所述获取目标用户智能穿戴设备检测的当前脉搏波信号特征，包括：

接收所述智能穿戴设备检测的初始脉搏波信号特征；

对所述初始脉搏波信号特征进行预处理，获得预处理后的初始脉搏波信号特征，所述预处理包括：降噪、去基线和小波分解；

将所述预处理后的初始脉搏波信号特征确认为所述当前脉搏波信号特征并将其上传到预设大数据分析平台上。

优选的，在分析所述当前脉搏波信号特征获得目标用户的体征数据，根据所述体征数据确定目标用户的身体状态之前，所述方法还包括：

采集所述目标用户的运动信号，构建关于所述运动信号的矩形脉冲；

根据所述矩形脉冲求解所述运动信号与当前脉搏波信号特征之间的自适应函数，获得求解结果；

构建所述求解结果对应的目标矩形波；

利用所述目标矩形波对所述当前脉搏波信号特征进行干扰因子剔除，剔除所述当前脉搏波信号中的运动参数干扰因子。

优选的，所述分析所述当前脉搏波信号特征获得目标用户的体征数据，根据所述体征数据确定目标用户的身体状态，包括：

对所述当前脉搏波信号特征进行二次微分；

对二次微分后的当前脉搏波信号特征进行分割，分割为多个特征区间；

在所述多个特征区间中搜索与体征数据相关的特征点，根据搜索到的特征点确定目标用户的体征数据，所述体征数据宝库：心率、血压和血氧；

将所述体征数据与人体标准体征数据进行比较以确定目标用户的身体疲劳状态以及器官健康状态；

将所述身体疲劳状态与器官健康状态确认为目标用户的身体状态。

优选的，获取目标用户的身份信息，根据所述目标用户的身体状态和身份信息生成目标有氧运动管理规划表，根据所述目标有氧运动管理规划表提醒目标用户管理有氧运动强度，包括：

解析所述目标用户的身份信息，确定所述目标用户的年龄以及职业；

从大数据分析平台中获取目标用户的年龄以及职业对应的多个有氧运动管理建议表；

根据所述目标用户的电子日常行为习性表在所述多个有氧运动管理建议表中选择符合目标用户的目标有氧运动建议表；

根据目标用户的身体疲劳状态和器官健康状态适应性调整所述目标有氧运动建议表，将调整后的目标有氧运动建议表确认为所述目标有氧运动管理规划表；

解析所述目标用户的运动数据，获得目标用户的当前有氧运动强度；

确认所述当前有氧运动强度是否在目标有氧运动管理规划表对应的规划有氧运动强度区间内，若是，根据所述规划有氧运动强度区间提醒目标用户调节当前有氧运动强度，否则，提醒目标用户降低当前有氧运动强度。

优选的，所述方法还包括：

获取目标用户的多个历史运动数据；

构建初始运动模型，将所述多个历史运行数据作为训练数据训练所述初始运动模型，训练完毕后获得目标用户的专属目标运动模型；

利用所述专属目标运动模型以及目标用户实时的身体状态智能生成目标用户的周期运动方案；

将所述周期运动方案上传到所述智能穿戴设备上并按时提醒目标用户执行所述周期运动方案。

优选的，在采集所述目标用户的运动信号之后，构建关于所述运动信号的矩形脉冲之前，所述方法还包括：

对所述运动信号进行固定增益的低通滤波处理；

将处理后的运动信号由模拟信号转化为数字信号，对所述数字信号进行环境干扰幅度判断；

确定所述环境干扰幅度的目标比例，当所述目标比例大于等于预设比例时，对所述数字信号进行自适应消除处理，获得处理后的数字信号，将所述处理后的数字信号重新转化为模拟信号以获得自适应消除处理后的运动信号，当所述目标比例小于所述预设比例时，无需进行后续操作。

优选的，所述根据所述体征数据确定目标用户的身体状态的步骤包括：

从大数据分析平台上获取人体在健康状态下的标准体征数据；

解析所述标准体征数据，获得人体在健康状态的多个体征参数的取值范围；

根据每个体征参数的取值范围构建每个体征参数的量化管理指标；

为每个体征参数的量化管理指标设置不同的权重值；

根据每个体征参数的量化管理指标的权重值计算出人体在不同状态下的健康指标阈值；

根据所述体征数据评估出目标用户的最大健康度以及健康影响参数；

对所述最大健康度以及健康影响参数进行相关性分析，获得目标用户的健康状态评估参数；

根据所述目标用户的健康状态评估参数以及人体在不同状态下的健康指标阈值构建出目标用户的身体状态评估函数；

根据所述身体状态评估函数评估出目标用户的身体状态。

优选的，在将所述周期运动方案上传到所述智能穿戴设备上并按时提醒目标用户执行所述周期运动方案之前，所述方法还包括：

将所述周期运动方案确认为第一运动方案，解析所述第一运动方案，确定执行所述第一运动方案所需要的第一人体能量；

获取目标用户自身的最大第二人体能量；

根据所述第一人体能量和第二人体能量计算出所述第一运动方案的合理性系数：

其中，k表示为第一运动方案的合理性系数，T表示为第一运动方案所需要的第一人体能量，T

确认所述第一运动方案的合理性指数是否大于等于预设指数阈值，若是，确认所述第一运动方案合理，否则，确认所述第一运动方案不合理，重新生成相对于目标用户合理的第二运动方案；

在确认所述第一运动方案合理后，计算执行所述第一运动方案时的难度系数：

其中，a表示为执行所述第一运动方案时的难度系数，t表示为第一运动方案的运动时长，t

确认所述难度系数是否大于预设系数，若是，重新生成难度系数小于所述预设系数的第三运动方案，将所述第三运动方案确认为目标用户将要执行的目标运动方案，否则，将所述第一运动方案确认为所述目标运动方案。

一种基于可穿戴设备体征数据分析的有氧运动管理系统，该系统包括：

获取模块，用于获取目标用户的当前脉搏波信号特征；

确定模块，用于分析所述当前脉搏波信号特征获得目标用户的体征数据，根据所述体征数据确定目标用户的身体状态；

接收模块，用于当所述目标用户进行有氧运动时，接收目标用户的智能穿戴设备反馈的运动数据；

生成模块，用于获取目标用户的身份信息，根据所述目标用户的身体状态和身份信息生成目标有氧运动管理规划表，根据所述目标有氧运动管理规划表提醒目标用户管理有氧运动强度。

本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书以及附图中所特别指出的结构来实现和获得。

下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。

附图说明

附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。

图1为本发明所提供的一种基于可穿戴设备体征数据分析的有氧运动管理方法的工作流程图；

图2为本发明所提供的一种基于可穿戴设备体征数据分析的有氧运动管理方法的另一工作流程图；

图3为本发明所提供的一种基于可穿戴设备体征数据分析的有氧运动管理方法的又一工作流程图；

图4为本发明所提供的一种基于可穿戴设备体征数据分析的有氧运动管理系统的结构示意图。

具体实施方式

这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。

随着人们生活水平的不断提高，人们对于自身的身体健康非常看重，年轻人们经常去健身房健身以锻炼自己的身体强度，老人们由于自身体质等原因无法专门去健身房进行高强度的健身工作，因而只能做一些跑步等有氧运动，现有的有氧运动管理方法只是单纯地检测用户的有氧运动情况以及运动数据来反馈给用户，用户根据有氧运动情况以及运动数据来把控有氧运动的强度，这种方法存在以下缺点：没有将用户的体征数据以及自身信息考虑在内进而无法根据不同用户的不同健康状态来把控有氧运动强度，使得部分用户出现运动量不够或者过度运动而对身体造成负荷进而出现副作用情况的发生，大大地影响了用户的体验感。为了解决上述问题，本实施例公开了一种基于可穿戴设备体征数据分析的有氧运动管理方法。

一种基于可穿戴设备体征数据分析的有氧运动管理方法，如图1所示，包括以下步骤：

步骤S101、获取目标用户的当前脉搏波信号特征；

步骤S102、分析所述当前脉搏波信号特征获得目标用户的体征数据，根据所述体征数据确定目标用户的身体状态；

步骤S103、当所述目标用户进行有氧运动时，接收目标用户的智能穿戴设备反馈的运动数据；

步骤S104、获取目标用户的身份信息，根据所述目标用户的身体状态和身份信息生成目标有氧运动管理规划表，根据所述目标有氧运动管理规划表提醒目标用户管理有氧运动强度。

上述技术方案的工作原理为：获取目标用户的当前脉搏波信号特征，分析所述当前脉搏波信号特征获得目标用户的体征数据，根据所述体征数据确定目标用户的身体状态，当所述目标用户进行有氧运动时，接收目标用户的智能穿戴设备反馈的运动数据，获取目标用户的身份信息，根据所述目标用户的身体状态和身份信息生成目标有氧运动管理规划表，根据所述目标有氧运动管理规划表提醒目标用户管理有氧运动强度。

上述技术方案的有益效果为：通过对目标用户的当前脉搏波信号特征进行采集和分析，可以获得目标用户的体征数据进而确定其身体状态，结合目标用户的运动数据和身份信息来生成目标有氧运动管理规划表可以根据不同用户的不同健康状态以及身份信息生成不同的适合自己的有氧运动管理规划表，从而达到健康运动的效果，保证了用户的身体健康以及身体负荷能力，智能地提醒目标用户管理有氧运动强度，提高了用户的体验感，解决了现有技术中没有将用户的体征数据以及自身信息考虑在内进而无法根据不同用户的不同健康状态来把控有氧运动强度，使得部分用户出现运动量不够或者过度运动而对身体造成负荷进而出现副作用情况的问题。

在一个实施例中，所述获取目标用户智能穿戴设备检测的当前脉搏波信号特征，包括：

接收所述智能穿戴设备检测的初始脉搏波信号特征；

对所述初始脉搏波信号特征进行预处理，获得预处理后的初始脉搏波信号特征，所述预处理包括：降噪、去基线和小波分解；

将所述预处理后的初始脉搏波信号特征确认为所述当前脉搏波信号特征并将其上传到预设大数据分析平台上。

上述技术方案的有益效果为：通过利用智能穿戴设备来检测目标用户的初始脉搏波信号特征可以在目标用户无知觉的情况下快速地采集到目标用户的初始脉搏波信号特征，进一步地提高了用户的体验感，进一步地，通过对初始脉搏波信号特征进行预处理可以保证脉搏波信号特征的精度以及无噪声信号特征的干扰，为后续对目标用户的身体状态评估提供良好的数据保障。

在一个实施例中，如图2所示，在分析所述当前脉搏波信号特征获得目标用户的体征数据，根据所述体征数据确定目标用户的身体状态之前，所述方法还包括：

步骤S201、采集所述目标用户的运动信号，构建关于所述运动信号的矩形脉冲；

步骤S202、根据所述矩形脉冲求解所述运动信号与当前脉搏波信号特征之间的自适应函数，获得求解结果；

步骤S203、构建所述求解结果对应的目标矩形波；

步骤S204、利用所述目标矩形波对所述当前脉搏波信号特征进行干扰因子剔除，剔除所述当前脉搏波信号中的运动参数干扰因子。

上述技术方案的有益效果为：通过将当前脉搏波信号特征中与目标用户的运动信号相关的运动参数干扰因子剔除可以去除目标用户自身运动的影响进而保证当前脉搏波信号特征是在常态稳定条件下的最佳脉搏波信号特征，进一步地保证了数据的精度。

在一个实施例中，所述分析所述当前脉搏波信号特征获得目标用户的体征数据，根据所述体征数据确定目标用户的身体状态，包括：

对所述当前脉搏波信号特征进行二次微分；

对二次微分后的当前脉搏波信号特征进行分割，分割为多个特征区间；

在所述多个特征区间中搜索与体征数据相关的特征点，根据搜索到的特征点确定目标用户的体征数据，所述体征数据宝库：心率、血压和血氧；

将所述体征数据与人体标准体征数据进行比较以确定目标用户的身体疲劳状态以及器官健康状态；

将所述身体疲劳状态与器官健康状态确认为目标用户的身体状态。

上述技术方案的有益效果为：通过获特征点的方式来确定目标用户的体征数据可以快速准确地根据利用搜索的方式来确定目标用户的体征数据，相较于现有技术中利用特征比较的方式来说判定更加准确并且效率更高，进一步地，通过确定目标用户的身体疲劳状态以及器官健康状态可以实时地根据目标用户的自身内在健康情况以及外在表现情况来综合确定目标用户的身体状态，为后续进行有氧运动管理提供了更多的参考条件。

在一个实施例中，获取目标用户的身份信息，根据所述目标用户的身体状态和身份信息生成目标有氧运动管理规划表，根据所述目标有氧运动管理规划表提醒目标用户管理有氧运动强度，包括：

解析所述目标用户的身份信息，确定所述目标用户的年龄以及职业；

从大数据分析平台中获取目标用户的年龄以及职业对应的多个有氧运动管理建议表；

根据所述目标用户的电子日常行为习性表在所述多个有氧运动管理建议表中选择符合目标用户的目标有氧运动建议表；

根据目标用户的身体疲劳状态和器官健康状态适应性调整所述目标有氧运动建议表，将调整后的目标有氧运动建议表确认为所述目标有氧运动管理规划表；

解析所述目标用户的运动数据，获得目标用户的当前有氧运动强度；

确认所述当前有氧运动强度是否在目标有氧运动管理规划表对应的规划有氧运动强度区间内，若是，根据所述规划有氧运动强度区间提醒目标用户调节当前有氧运动强度，否则，提醒目标用户降低当前有氧运动强度。

上述技术方案的有益效果为：通过根据目标用户的年龄和职业以及电子日常行为习性表来为目标用户选择合适的有氧运动建议表可以智能话地根据不同用户的习性和身份信息选择不同的有氧运动建议表，使得不同用户可以获得自己专属的有氧运动建议表，进一步地，通过语音提醒目标用户管理有氧运动强度可以使得目标用户在跑步等有氧运动过程中根据语音提示适当地调节有氧运动强度，进一步地提高了用户的体验感。

在一个实施例中，如图3所示，所述方法还包括：

步骤S301、获取目标用户的多个历史运动数据；

步骤S302、构建初始运动模型，将所述多个历史运行数据作为训练数据训练所述初始运动模型，训练完毕后获得目标用户的专属目标运动模型；

步骤S303、利用所述专属目标运动模型以及目标用户实时的身体状态智能生成目标用户的周期运动方案；

步骤S304、将所述周期运动方案上传到所述智能穿戴设备上并按时提醒目标用户执行所述周期运动方案。

上述技术方案的有益效果为：可以为目标用户量身打造专属运动模型以及生成周期运动方案，进一步地提高了目标用户的体验感。

在一个实施例中，在采集所述目标用户的运动信号之后，构建关于所述运动信号的矩形脉冲之前，所述方法还包括：

对所述运动信号进行固定增益的低通滤波处理；

将处理后的运动信号由模拟信号转化为数字信号，对所述数字信号进行环境干扰幅度判断；

确定所述环境干扰幅度的目标比例，当所述目标比例大于等于预设比例时，对所述数字信号进行自适应消除处理，获得处理后的数字信号，将所述处理后的数字信号重新转化为模拟信号以获得自适应消除处理后的运动信号，当所述目标比例小于所述预设比例时，无需进行后续操作。

上述技术方案的有益效果为：去除了运行信号中的环境干扰幅度，以保证最终的运动信号更加实际。

在一个实施例中，所述根据所述体征数据确定目标用户的身体状态的步骤包括：

从大数据分析平台上获取人体在健康状态下的标准体征数据；

解析所述标准体征数据，获得人体在健康状态的多个体征参数的取值范围；

根据每个体征参数的取值范围构建每个体征参数的量化管理指标；

为每个体征参数的量化管理指标设置不同的权重值；

根据每个体征参数的量化管理指标的权重值计算出人体在不同状态下的健康指标阈值；

根据所述体征数据评估出目标用户的最大健康度以及健康影响参数；

对所述最大健康度以及健康影响参数进行相关性分析，获得目标用户的健康状态评估参数；

根据所述目标用户的健康状态评估参数以及人体在不同状态下的健康指标阈值构建出目标用户的身体状态评估函数；

根据所述身体状态评估函数评估出目标用户的身体状态。

上述技术方案的有益效果为：通过构建目标用户的身体状态评估函数可以针对目标用户的自身健康状态参数以及参考阈值精确地确定目标用户的身体状态，保证评估结果的准确性以及唯一性。

在一个实施例中，在将所述周期运动方案上传到所述智能穿戴设备上并按时提醒目标用户执行所述周期运动方案之前，所述方法还包括：

将所述周期运动方案确认为第一运动方案，解析所述第一运动方案，确定执行所述第一运动方案所需要的第一人体能量；

获取目标用户自身的最大第二人体能量；

根据所述第一人体能量和第二人体能量计算出所述第一运动方案的合理性系数：

其中，k表示为第一运动方案的合理性系数，T表示为第一运动方案所需要的第一人体能量，T

确认所述第一运动方案的合理性指数是否大于等于预设指数阈值，若是，确认所述第一运动方案合理，否则，确认所述第一运动方案不合理，重新生成相对于目标用户合理的第二运动方案；

在确认所述第一运动方案合理后，计算执行所述第一运动方案时的难度系数：

其中，a表示为执行所述第一运动方案时的难度系数，t表示为第一运动方案的运动时长，t

确认所述难度系数是否大于预设系数，若是，重新生成难度系数小于所述预设系数的第三运动方案，将所述第三运动方案确认为目标用户将要执行的目标运动方案，否则，将所述第一运动方案确认为所述目标运动方案。

上述技术方案的有益效果为：通过对周期运动方案进行合理性和实行难度计算可以准确地评估出周期运动方案是否与目标用户契合，当不契合时重新生成与目标用户契合运动方案来保证目标用户的运动体验以及身体健康，进一步地提高了目标用户的体验感。

在一个实施例中，包括：

第1步：原始脉搏波的的特征提取：通过安顿智能穿戴设备传感器得到的信号通过降噪、去基线、小波分解等预处理，得到重构的脉搏波特征点，传到大数据分析平台；较之其他设备的数据提取，可以做到用户无感知，且长期不间断进行数据提取；

第2步：脉搏波的的数据分析：大数据分析平台通过解析传入的脉搏波信号特征，分析计算得到心率、血压、血氧等体征数据，进一步判定身体疲劳状态及器官健康状态的计算结果；

第3步：实时运动监测及语音提醒：当用户进行有氧运动时，通过安顿可穿戴设备对实时运动数据的采集及分析，通结合前面判定的用户身体健康状态及年龄和职业，通过安顿智能可穿戴设备语音功能，提示用户有效管理运动强度；

第4步：建立个人运动模型：通过长期运动数据的监测及分析，还可建立用户的运动模型，结合身体健康状况的分析，来指导用户的运动方案。

上述技术方案的有益效果为：通过对人体脉搏波数据的采集及分析，得出身体疲劳状态及器官的健康状态，当用户进行有氧运动时，通过对运动数据的实时统计与分析，依托身体健康状态及年龄和职业，实时通过可穿戴设备语音提示功能，下发语音提示用户有效控制运动强度，从而达到健康运动，适度运动的效果，对身体健康管理有明显作用，同时建立的运动模型，可有效根据用户运动习惯及身体状态进行运动指导。

本实施例还公开了一种基于可穿戴设备体征数据分析的有氧运动管理系统，如图4所示，该系统包括：

获取模块401，用于获取目标用户的当前脉搏波信号特征；

确定模块402，用于分析所述当前脉搏波信号特征获得目标用户的体征数据，根据所述体征数据确定目标用户的身体状态；

接收模块403，用于当所述目标用户进行有氧运动时，接收目标用户的智能穿戴设备反馈的运动数据；

生成模块404，用于获取目标用户的身份信息，根据所述目标用户的身体状态和身份信息生成目标有氧运动管理规划表，根据所述目标有氧运动管理规划表提醒目标用户管理有氧运动强度。

上述技术方案的工作原理及有益效果在方法权利要求中已经说明，此处不再赘述。

本领域技术人员应当理解的是，本发明中的第一、第二指的是不同应用阶段而已。

本领域技术用户员在考虑说明书及实践这里公开的公开后，将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由下面的权利要求指出。

应当理解的是，本公开并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。