体操训练装置及其训练方法制造方法及图纸

本发明专利技术涉及一种体操训练装置及其训练方法。体操训练装置包括用于测量用户运动状态的运动测量装置（1）、测量用户生理状态的生理测量模块（2）以及无线连接所述运动测量装置（1）和生理测量模块（2）的服务器（3），本发明专利技术获得实时的用户在体操中各种运动姿势，以及用户的生理参数，显著提高了测量的丰富性和准确性，显著提高了用户运动数据的准确性，处理装置通过大数据训练得出优化的运动姿势及相应的生理数据，自动形成特别适合用户个人的体操运动状态、运动姿势乃至套路，形成有针对性的指导以显著提高训练效果。

Gymnastic training device and its training method

The invention relates to a gymnastic training device and a training method thereof. The gymnastic training device includes a motion measuring device (1) for measuring the state of a user's motion, a physiological measurement module (2) for measuring the physiological state of a user (2), and a server (3) of the wireless connection said movement measuring device (1) and the physiological measurement module (2). As well as the physiological parameters of the user, the richness and accuracy of the measurement have been greatly improved, the accuracy of the user's motion data is greatly improved. The processing device can get the optimized movement posture and corresponding physiological data through the large data training, and automatically form the physical exercise state, movement posture and even the routines which are especially suitable for the user. We should form targeted guidance to significantly improve the training effect.

【技术实现步骤摘要】
体操训练装置及其训练方法
本专利技术属于体育训练器材领域，特别涉及一种体操训练装置及其训练方法。
技术介绍
体操是一项综合运动员的力量、柔韧性、平衡性以及肢体舒展性的运动项目，极具美观和观赏性。专业或半专业的体操运动选手需要进行严格专业训练，目前，针对这些因素的针对性训练是原始的，大多依靠教练员在缺乏可靠数据支持的情况下主观进行的，现有技术无法使得体操运动中，对运动状态变化、以及由运动变化组成的各种运动姿势的准确性进行测量，无法实现对用户的生理参数进行测量，无法自动形成特别适合用户个人的运动状态、运动姿势乃至套路，无法进行有针对性的指导以提高训练效果。专利文献1公开的一种带监控装置的体操运动器材，包括器材主体和监控装置，所述器材主体包括主体结构及设于主体结构上与运动员手部直接接触的受力件，所述监控装置包括中央处理器及与中央处理器连接的压力传感器、计数器、报警装置、WiFi模块、电源模块、存储器及显示屏，同时还包括与WiFi模块无线连接的上位机或移动终端，所述压力传感器和计数器分别设置于主体结构与受力件的连接部，所述WiFi模块、存储器及电源模块设置于主体结构内部，所述报警装置和显示屏设于主体支架主体结构的外部。该专利在运动员进行训练时，检测运动员的力量变化，形成力量变化曲线，但该专利没有解决对用户在体操过程中运动状态变化、以及由运动变化组成的各种运动姿势的准确性进行测量，更无法实现对用户的生理参数进行测量，无法自动形成特别适合用户个人的运动状态、运动姿势乃至套路，无法进行有针对性的指导以提高训练效果。专利文献2公开的艺术体操训练中运动员场内数据监测系统包括M个摄像机(1)、N个贴片式压力传感器(2)、Z个距离传感器(3)、控制电路(4)、图像处理电路(5)、上位计算机(6)和显示器(7)，M个摄像机(1)中的一个悬挂在训练场的正上方，其余的摄像机(1)均布设置在训练场的四周；N个贴片式压力传感器(2)以阵列的方式埋设在体操垫的下方；Z个距离传感器(3)均布并设置在训练场的边界处；M个摄像机(1)的信号输出端分别与控制电路(4)的M个摄像机信号输入端连接；N个贴片式压力传感器(2)的压力信号输出端分别与控制电路(4)的N个压力信号输入端连接；Z个距离传感器(3)的距离信号输出端分别与控制电路(4)的Z个距离信号输入端连接；图像处理电路(5)的图像信号输出或输入端与控制电路(4)的图像信号输入或输出端连接；控制电路(4)的上位机信号输出端与上位计算机(6)的上位机信号输入端连接；上位计算机(6)的显示信号输出端与显示器(7)的显示信号输入端连接；M为大于或等于5的正整数；N为大于或等于10的正整数；Z为大于或等于4的正整数。该专利通过多台摄像机对运动进行多角度全方位的拍摄，确保运动在场内的全部姿态得以呈现，以便教练员对姿态做出针对性调整，但该专利没有解决对用户在体操过程中运动状态变化、以及由运动变化组成的各种运动姿势的准确性进行测量，更无法实现对用户的生理参数进行测量，无法自动形成特别适合用户个人的运动状态、运动姿势乃至套路，无法进行有针对性的指导以提高训练效果。专利文献3公开了一种用于体操训练的智能训练系统包括：智能训练终端和远程服务器；所述智能训练终端包括：图像采集单元，用于采集体操运动员在训练过程中的训练图像信息，并将所述训练图像信息发送到所述远程服务器；所述远程服务器向所述智能训练终端发送体操标准动作图像以及训练计划。该专利能够使体操运动员及爱好者远程接收专业指导，进行训练，但该专利没有解决对用户在体操过程中运动状态变化、以及由运动变化组成的各种运动姿势的准确性进行测量，更无法实现对用户的生理参数进行测量，无法自动形成特别适合用户个人的运动状态、运动姿势乃至套路，无法进行有针对性的指导以提高训练效果。因此，有必要提供一种能够实时测量用户在体操过程中运动状态变化、以及由运动变化组成的各种运动姿势，以及测量用户的生理参数，自动形成特别适合用户个人的运动状态、运动姿势乃至套路，形成有针对性的指导以显著提高训练效果的体操训练装置及其训练方法。现有技术文献专利文献专利文献1：中国专利公开CN205164089U号专利文献2：中国专利公开CN202751402U号专利文献3：中国专利公开CN105457254A号
技术实现思路
本专利技术人等为了达成上述目的而进行了深入研究，具体而言，本专利技术提供一种体操训练装置，体操训练装置包括用于测量用户运动状态的运动测量装置、测量用户生理状态的生理测量模块以及无线连接所述运动测量装置和生理测量模块的服务器。所述运动测量装置包括：惯性测量模块，惯性测量模块包括测量用户空间姿态数据的惯性测量单元以及测量用户重心变化的重心传感器，所述惯性测量单元包括测量三维平移矢量的加速度传感器和测量三维转动矢量的陀螺仪，光学测量模块，所述光学测量模块包括用于拍摄用户以获得基于三维空间位置的图像数据的多个拍摄单元，传感器数据融合计算模块，其将用户体操过程中每一时刻的用户空间姿态数据和基于三维空间位置的图像数据融合优化得到基于三维空间位置的用户运动数据，生理测量模块包括分别测量用户肌肉振动的麦克风振动传感器、测量心率的心率传感器、测量血压的血压传感器、测量呼吸频率的频率传感器和测量血氧浓度的红外血氧浓度传感器，服务器包括数据采集装置和处理装置，其中，数据采集装置，其采集用户体操过程中运动测量装置测量的基于三维空间位置的用户运动数据和生理测量模块测量的生理数据，三维空间位置的用户运动数据包括身体各部分的三维位移矢量和重心变化数据，所述生理数据包括身体的肌肉振动数据、心率、血压、呼吸频率和血压浓度数据；处理装置，其基于大数据训练得出优化的运动姿势及相应生理数据，所述处理装置包括：数据预处理装置，其包括对用户运动数据和生理数据进行FIR低通降噪和FFT蝶形频域变换得到特征参数；归一模块，其对特征参数进行归一化获得归一化特征向量；分类器模型模块，其基于特征向量对用户的运动状态进行分类，建立多种运动姿势的分类器模型；粒子群优化单元，其利化粒子群算法不断优化分类器模型得到最优分类器模型；训练模块，其训练模型和测试数据；显示界面，将特征参数导入最优分类器模型显示所得到的运动姿势数据，所述运动姿势数据包括随着运动信号变化的优化的生理数据。在所述的体操训练装置中，数据数据预处理装置包括基于预定条件筛选用户运动数据的筛选器，所述预定条件为用户运动数据处于预定位置范围，所述数据预处理装置对符合预定条件的用户运动数据，以及相应时间下的生理数据进行FIR低通降噪和FFT蝶形频域变换得到特征参数。在所述的体操训练装置中，所述生理测量模块设有计算基于时间的生理状态曲线的计算单元。在所述的体操训练装置中，分类器模型模块包括PCA计算单元，所述PCA计算单元基于归一化特征向量计算样本的协方差矩阵的特征值及特征向量作为每一维用于区分全部数据的贡献率，按照贡献率大小进行排列组成模式向量，选择主成成分，其中协方差公式如下Cn×n＝(ci,j,ci,j＝cov(Dimi,Dimj))，其中xi,yi两个维度的随机变量，为两个维度的变量平均值，cov(x,y)表示X和Y两个随机变量的协方差，Cn×n表示n维数据的协方差，Dim表示数组维本文档来自技高网...

【技术保护点】
1.一种体操训练装置，其包括用于测量用户运动状态的运动测量装置(1)、测量用户生理状态的生理测量模块(2)以及无线连接所述运动测量装置(1)和生理测量模块(2)的服务器(3)，其特征在于：所述运动测量装置(1)包括：惯性测量模块(4)，惯性测量模块(4)包括测量用户空间姿态数据的惯性测量单元(5)以及测量用户重心变化的重心传感器(6)，所述惯性测量单元(5)包括测量三维平移矢量的加速度传感器(7)和测量三维转动矢量的陀螺仪(8)，光学测量模块(9)，所述光学测量模块(9)包括用于拍摄用户以获得基于三维空间位置的图像数据的多个拍摄单元(10)，传感器数据融合计算模块(11)，其将用户体操过程中每一时刻的用户空间姿态数据和基于三维空间位置的图像数据融合优化得到基于三维空间位置的用户运动数据，生理测量模块(2)包括分别测量用户肌肉振动的麦克风振动传感器(12)、测量心率的心率传感器(13)、测量血压的血压传感器(14)、测量呼吸频率的频率传感器(15)和测量血氧浓度的红外血氧浓度传感器(16)，服务器(3)包括数据采集装置(17)和处理装置(18)，其中，数据采集装置(17)，其采集用户体操过程中运动测量装置(2)测量的基于三维空间位置的用户运动数据和生理测量模块(2)测量的生理数据，三维空间位置的用户运动数据包括身体各部分的三维位移矢量和重心变化数据，所述生理数据包括身体的肌肉振动数据、心率、血压、呼吸频率和血压浓度数据；处理装置(18)，其基于大数据训练得出优化的运动姿势及相应生理数据，所述处理装置(18)包括：数据预处理装置(19)，其包括对用户运动数据和生理数据进行FIR低通降噪和FFT蝶形频域变换得到特征参数；归一模块(20)，其对特征参数进行归一化获得归一化特征向量；分类器模型模块(21)，其基于特征向量对用户的运动状态进行分类，建立多种运动姿势的分类器模型；粒子群优化单元(22)，其利化粒子群算法不断优化分类器模型得到最优分类器模型；训练模块(23)，其训练模型和测试数据；显示界面(24)，将特征参数导入最优分类器模型显示所得到的运动姿势数据，所述运动姿势数据包括随着运动信号变化的优化的生理数据。...

【技术特征摘要】
1.一种体操训练装置，其包括用于测量用户运动状态的运动测量装置(1)、测量用户生理状态的生理测量模块(2)以及无线连接所述运动测量装置(1)和生理测量模块(2)的服务器(3)，其特征在于：所述运动测量装置(1)包括：惯性测量模块(4)，惯性测量模块(4)包括测量用户空间姿态数据的惯性测量单元(5)以及测量用户重心变化的重心传感器(6)，所述惯性测量单元(5)包括测量三维平移矢量的加速度传感器(7)和测量三维转动矢量的陀螺仪(8)，光学测量模块(9)，所述光学测量模块(9)包括用于拍摄用户以获得基于三维空间位置的图像数据的多个拍摄单元(10)，传感器数据融合计算模块(11)，其将用户体操过程中每一时刻的用户空间姿态数据和基于三维空间位置的图像数据融合优化得到基于三维空间位置的用户运动数据，生理测量模块(2)包括分别测量用户肌肉振动的麦克风振动传感器(12)、测量心率的心率传感器(13)、测量血压的血压传感器(14)、测量呼吸频率的频率传感器(15)和测量血氧浓度的红外血氧浓度传感器(16)，服务器(3)包括数据采集装置(17)和处理装置(18)，其中，数据采集装置(17)，其采集用户体操过程中运动测量装置(2)测量的基于三维空间位置的用户运动数据和生理测量模块(2)测量的生理数据，三维空间位置的用户运动数据包括身体各部分的三维位移矢量和重心变化数据，所述生理数据包括身体的肌肉振动数据、心率、血压、呼吸频率和血压浓度数据；处理装置(18)，其基于大数据训练得出优化的运动姿势及相应生理数据，所述处理装置(18)包括：数据预处理装置(19)，其包括对用户运动数据和生理数据进行FIR低通降噪和FFT蝶形频域变换得到特征参数；归一模块(20)，其对特征参数进行归一化获得归一化特征向量；分类器模型模块(21)，其基于特征向量对用户的运动状态进行分类，建立多种运动姿势的分类器模型；粒子群优化单元(22)，其利化粒子群算法不断优化分类器模型得到最优分类器模型；训练模块(23)，其训练模型和测试数据；显示界面(24)，将特征参数导入最优分类器模型显示所得到的运动姿势数据，所述运动姿势数据包括随着运动信号变化的优化的生理数据。2.根据权利要求1所述的体操训练装置，其特征在于：数据数据预处理装置(19)包括基于预定条件筛选用户运动数据的筛选器，所述预定条件为用户运动数据处于预定位置范围，所述数据预处理装置(19)对符合预定条件的用户运动数据，以及相应时间下的生理数据进行FIR低通降噪和FFT蝶形频域变换得到特征参数。3.根据权利要求1所述的体操训练装置，其特征在于：所述生理测量模块(2)设有计算基于时间的生理状态曲线的计算单元。4.根据权利要求1所述的体操训练装置，其特征在于：分类器模型模块(21)包括PCA计算单元，所述PCA计算单元基于归一化特征向量计算样本的协方差矩阵的特征值及特征向量作为每一维用于区分全部数据的贡献率，按照贡献率大小进行排列组成模式向量，选择主成成分，其中协方差公式如下Cn×n＝(ci,j,ci,j＝cov(Dimi,Dimj))，其中xi,yi两个维度的随机变量，为...

【专利技术属性】
技术研发人员：刘金亮，
申请(专利权)人：北京建筑大学，
类型：发明
国别省市：北京,11