一种运动能力评估方法、系统和体脂秤、移动终端技术方案

本发明专利技术公开了一种运动能力评估方法、系统和体脂秤、移动终端，应用于体重秤技术领域，用于解决现有运动能力评估方法操作繁琐、成本高昂的问题。本发明专利技术提供的方法包括：获取目标用户的年龄和性别；当接收到上秤信号时，测量目标用户的体重和体脂率；将年龄、性别、体重和体脂率输入预先训练好的机器学习模型，得到机器学习模型输出的目标最大摄氧量，机器学习模型由多个用户的样本数据训练得到，每个样本数据包括用户的年龄、性别、体重和体脂率以及预先测量的最大摄氧量；根据预设的运动能力对应关系确定与目标最大摄氧量对应的目标运动能力，作为目标用户的运动能力评估结果。

A method, system, body fat scale and mobile terminal for evaluating exercise ability

【技术实现步骤摘要】
一种运动能力评估方法、系统和体脂秤、移动终端
本专利技术涉及体重秤
，尤其涉及一种运动能力评估方法、系统和体脂秤、移动终端。
技术介绍
现有市场上的体脂秤可以测量体重、体脂量、蛋白质、肌肉率等身体成分，例如用户在使用体脂秤进行测量时，与体脂秤相连的移动终端上即可显示出该用户的身体成分数据，该身体成分数据可作为用户的身体健康状况的依据。随着用户需求日益增长，越来越多的用户重视并想要了解自身的运动能力，而上述的身体成分数据难以直观地看出用户运动能力。目前，想要较为准确地获知自身的运动能力，需要用户前往专业的评测机构，比如医院的康复中心，经过专业医护人员和专业设备进行测量，才能评估出自身的运动能力。这种运动能力评估方式不仅操作繁琐，而且成本高昂，不适用于日常生活。因此，寻找一种便利的、适用于日常生活中运动能力的评估方法成为本领域技术人员亟需解决的问题。
技术实现思路
本专利技术实施例提供一种运动能力评估方法、装置、计算机设备及存储介质，以解决现有运动能力评估方法操作繁琐、成本高昂的问题。一种运动能力评估方法，包括：获取目标用户的年龄和性别；当接收到上秤信号时，测量所述目标用户的体重和体脂率；将所述年龄、性别、体重和体脂率输入预先训练好的机器学习模型，得到所述机器学习模型输出的目标最大摄氧量，所述机器学习模型由多个用户的样本数据训练得到，每个样本数据包括用户的年龄、性别、体重和体脂率以及预先测量的最大摄氧量；根据预设的运动能力对应关系确定与所述目标最大摄氧量对应的目标运动能力，作为所述目标用户的运动能力评估结果，所述运动能力对应关系记录了在年龄和性别的约束下最大摄氧量与运动能力的对应关系。一种运动能力评估系统，包括：年龄性别获取模块，用于获取目标用户的年龄和性别；测量模块，用于当接收到上秤信号时，测量所述目标用户的体重和体脂率；最大摄氧量模块，用于将所述年龄、性别、体重和体脂率输入预先训练好的机器学习模型，得到所述机器学习模型输出的目标最大摄氧量，所述机器学习模型由多个用户的样本数据训练得到，每个样本数据包括用户的年龄、性别、体重和体脂率以及预先测量的最大摄氧量；运动能力评估模块，用于根据预设的运动能力对应关系确定与所述目标最大摄氧量对应的目标运动能力，作为所述目标用户的运动能力评估结果，所述运动能力对应关系记录了在年龄和性别的约束下最大摄氧量与运动能力的对应关系。一种体脂秤，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述运动能力评估方法。一种移动终端，所述移动终端与体脂秤通信连接，包括：终端年龄性别获取模块，用于获取目标用户的年龄和性别；终端测量模块，用于获取所述体脂秤测量得到的所述目标用户的体重和体脂率；终端最大摄氧量模块，用于将所述年龄、性别、体重和体脂率输入预先训练好的机器学习模型，得到所述机器学习模型输出的目标最大摄氧量，所述机器学习模型由多个用户的样本数据训练得到，每个样本数据包括用户的年龄、性别、体重和体脂率以及预先测量的最大摄氧量；终端运动能力评估模块，用于根据预设的运动能力对应关系确定与所述目标最大摄氧量对应的目标运动能力，作为所述目标用户的运动能力评估结果，所述运动能力对应关系记录了在年龄和性别的约束下最大摄氧量与运动能力的对应关系。上述运动能力评估方法、装置、计算机设备及存储介质，首先，获取目标用户的年龄和性别；当接收到上秤信号时，测量所述目标用户的体重和体脂率；然后，将所述年龄、性别、体重和体脂率输入预先训练好的机器学习模型，得到所述机器学习模型输出的目标最大摄氧量，所述机器学习模型由多个用户的样本数据训练得到，每个样本数据包括用户的年龄、性别、体重和体脂率以及预先测量的最大摄氧量；接着，根据预设的运动能力对应关系确定与所述目标最大摄氧量对应的目标运动能力，作为所述目标用户的运动能力评估结果，所述运动能力对应关系记录了在年龄和性别的约束下最大摄氧量与运动能力的对应关系。可见，本申请通过用户的体重及体脂率的测量信息实现对用户最大摄氧量的静态评估，并通过在年龄、性别的约束下最大摄氧量及运动能力之间的映射，确定出用户的运动能力，从而实现了利用体脂秤来评估用户的运动能力，扩展了体脂秤的使用范畴，避免现有技术中通过使用专业设备才能测量评估用户运动能力所带来的麻烦，大大提高了用户运动能力评估的便利性，减轻了运动能力的评估成本，适用于用户的日常生活。附图说明为了更清楚地说明本专利技术实施例的技术方案，下面将对本专利技术实施例的描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。图1是本专利技术一实施例中运动能力评估方法的一应用环境示意图；图2是本专利技术一实施例中运动能力评估方法的一流程图；图3是本专利技术一实施例中运动能力评估方法在一个应用场景下预先训练深度学习模型的流程示意图；图4是本专利技术一实施例中运动能力评估方法在一个应用场景下预先确定运动能力对应关系的流程示意图；图5是本专利技术一实施例中运动能力评估方法步骤304在一个应用场景下的流程示意图；图6是一个具体应用场景中男性的运动能力对应关系表；图7是一个具体应用场景中女性的运动能力对应关系表；图8是本专利技术一实施例中运动能力评估系统的结构示意图；图9是本申请一实施例中一种移动终端的结构示意图。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。本申请提供的运动能力评估方法，可应用在如图1的应用环境中，其中，体脂秤可以多种方式与移动终端通信连接，比如可以通过蓝牙、WIFI、USB、互联网等方式。其中，该移动终端可以但不限于笔记本电脑、智能手机、平板电脑、掌上电脑和便携式可穿戴设备。在一实施例中，如图2所示，提供一种运动能力评估方法，以该方法应用在图1中的体脂秤为例进行说明，包括如下步骤：101、获取目标用户的年龄和性别。本实施例中，由于年龄和性别对一个人的运动能力影响很大，其直接反映在最大摄氧量上，因此，在计算该目标用户的最大摄氧量之前，应当先获取目标用户的年龄和性别。具体地，若该目标用户已经注册账户，可以直接从账户信息中提取到该目标用户的年龄和性别；或者，体脂秤可以通过移动终端向该目标用户弹出输出界面，要求该目标用户录入自己的基本信息，至少包括年龄和性别，还可以包括是否经常锻炼、热爱运动项目等参考性的数据。102、当接收到上秤信号时，测量所述目标用户的体重和体脂率。当目标用户站本文档来自技高网...

【技术保护点】
1.一种运动能力评估方法，其特征在于，包括：/n获取目标用户的年龄和性别；/n当接收到上秤信号时，测量所述目标用户的体重和体脂率；/n将所述年龄、性别、体重和体脂率输入预先训练好的机器学习模型，得到所述机器学习模型输出的目标最大摄氧量，所述机器学习模型由多个用户的样本数据训练得到，每个样本数据包括用户的年龄、性别、体重和体脂率以及预先测量的最大摄氧量；/n根据预设的运动能力对应关系确定与所述目标最大摄氧量对应的目标运动能力，作为所述目标用户的运动能力评估结果，所述运动能力对应关系记录了在年龄和性别的约束下最大摄氧量与运动能力的对应关系。/n

【技术特征摘要】
1.一种运动能力评估方法，其特征在于，包括：
获取目标用户的年龄和性别；
当接收到上秤信号时，测量所述目标用户的体重和体脂率；
将所述年龄、性别、体重和体脂率输入预先训练好的机器学习模型，得到所述机器学习模型输出的目标最大摄氧量，所述机器学习模型由多个用户的样本数据训练得到，每个样本数据包括用户的年龄、性别、体重和体脂率以及预先测量的最大摄氧量；
根据预设的运动能力对应关系确定与所述目标最大摄氧量对应的目标运动能力，作为所述目标用户的运动能力评估结果，所述运动能力对应关系记录了在年龄和性别的约束下最大摄氧量与运动能力的对应关系。


2.根据权利要求1所述的运动能力评估方法，其特征在于，所述机器学习模型为深度学习模型，其通过以下步骤预先训练好：
收集多个用户的年龄、性别、体重和体脂率作为样本数据；
测量所述多个用户的最大摄氧量，并将测量得到的最大摄氧量标记到对应用户的样本数据中；
针对每个用户，将所述每个用户的年龄、性别、体重和体脂率投入到深度学习模型进行迭代训练，得到输出的样本最大摄氧量；
以损失函数的计算结果为调整目标，调整所述深度学习模型的模型参数，直至所述损失函数的计算结果收敛且小于预设收敛阈值，所述损失函数用于计算所述多个用户对应的最大摄氧量与样本最大摄氧量之间的误差；
在所述损失函数的计算结果收敛且小于预设收敛阈值之后，确定所述深度学习模型已训练好。


3.根据权利要求1所述的运动能力评估方法，其特征在于，所述运动能力对应关系通过以下步骤预先确定：
按照年龄段和性别将多个用户划分为多个用户群体，每个用户群体各自对应不同的性别和年龄段；
针对每个用户群体，获取所述每个用户群体中各个用户的最大摄氧量和运动能力；
针对每个用户群体，按照预设的运动能力分级将所述每个用户群体中各个用户划分为各个小群用户；
针对每个用户群体，根据所述每个用户群体中各个小群用户中各个用户的最大摄氧量划分出所述各个小群用户各自对应的最大摄氧量区间；
根据所述各个小群用户各自对应的最大摄氧量区间和运动能力分级确定出运动能力对应关系。


4.根据权利要求3所述的运动能力评估方法，其特征在于，所述针对每个用户群体，根据所述每个用户群体中各个小群用户中各个用户的最大摄氧量划分出所述各个小群用户各自对应的最大摄氧量区间包括：
针对每个小群用户，计算所述每个小群用户中各个用户的最大摄氧量的摄氧量均值；
针对每个用户群体，根据所述每个用户群体中各个小群用户对应的摄氧量均值确定所述各个小群用户各自对应的最大摄氧量区间。


5.根据权利要求1至4中任一项所述的运动能力评估方法，其特征在于，在根据预设的运动能力对应关系确定与所述目标最大摄氧量对应的目标运动能力，作为所述目标用户的运动能力评估结果之后，还包括：
将所述目标用户的运动能力评估结果发送至指定移动终端，以使所述指定移动终端在目标账户下显示所述运动能力评估结果，所述目标账户是指所述目标用户的用户账户。


6.一种运动能力评估系统，其特征在于，包括：
年龄性别获取模块，用于获取目标用户的年龄和性别；
测量模块，用于当接收到上秤信号时，测量所述目标用户的体重和体脂率；
最大摄氧量模块，用...

【专利技术属性】
技术研发人员：方睿，蒙元鹏，
申请(专利权)人：缤刻普达北京科技有限责任公司，
类型：发明
国别省市：北京;11