人体日常运动中摄氧量的测试方法、装置、计算机设备制造方法及图纸

本发明专利技术公开了一种人体日常运动中摄氧量的测试方法、装置、计算机设备。其中，所述方法包括：采集人体日常运动中的呼吸频率数据、心率数据、心率变异性数据等，和将该呼吸频率数据、心率数据、心率变异性数据等，表示为多元特征矩阵，以及根据该多元特征矩阵，采用长短期记忆网络模型方式，推算该人体日常运动中的摄氧量。通过上述方式，能够实现在人体日常运动中进行摄氧量的测试。

【技术实现步骤摘要】
人体日常运动中摄氧量的测试方法、装置、计算机设备
本专利技术涉及摄氧量
，尤其涉及一种人体日常运动中摄氧量的测试方法、装置、计算机设备。
技术介绍
摄氧量是指在人体进行运动时，所能摄入的氧气含量。摄氧量作为耐力运动员的重要选材依据之一，是反映人体有氧运动能力的重要指标，是有氧运动能力的基础。摄氧量既可以通过氧热价与能量消耗进行换算，也可以通过与安静状态下的摄氧量比值来横向比较不同运动项目的强度关系，因此具有非常重要的意义。然而，现有的人体运动中摄氧量的测试方案，一般是采用人体佩戴呼吸面罩连接气体分析仪的方式，来进行人体运动中摄氧量的测试，但是该气体分析仪是非常精密的仪器，只能存在于实验研究室，而人体日常运动一般是在户外环境中进行，导致无法实现在人体日常运动中进行摄氧量的测试。
技术实现思路
有鉴于此，本专利技术的目的在于提出一种人体日常运动中摄氧量的测试方法、装置、计算机设备，能够实现在人体日常运动中进行摄氧量的测试。根据本专利技术的一个方面，提供一种人体日常运动中摄氧量的测试方法，包括：采集人体日常运动中的呼吸频率数据、心率数据、心率变异性数据；将所述呼吸频率数据、心率数据、心率变异性数据，表示为多元特征矩阵；根据所述多元特征矩阵，采用长短期记忆网络模型方式，推算所述人体日常运动中的摄氧量。其中，所述采集人体日常运动中的呼吸频率数据、心率数据、心率变异性数据，包括：采用可穿戴设备方式，采集人体日常运动中的呼吸频率数据、心率数据、心率变异性数据。其中，所述将所述呼吸频率数据、心率数据、心率变异性数据，表示为多元特征矩阵，包括：将所述呼吸频率数据、心率数据、心率变异性数据中的呼吸特征以预设时间为单位提取出来，将所述呼吸特征表示为多元特征矩阵。其中，所述根据所述多元特征矩阵，采用长短期记忆网络模型方式，推算所述人体日常运动中的摄氧量，包括：根据所述多元特征矩阵，采用两层网络层和两层全连接层以及所述两层全连接层的中间连接一个隐式偏置层的长短期记忆网络模型方式，推算所述人体日常运动中的摄氧量。其中，在所述根据所述多元特征矩阵，采用长短期记忆网络模型方式，推算所述人体日常运动中的摄氧量之后，还包括：根据所述推算的摄氧量，控制所述人体日常运动中的运动强度。根据本专利技术的另一个方面，提供一种人体日常运动中摄氧量的测试装置，包括：采集模块、表示模块和推算模块；所述采集模块，用于采集人体日常运动中的呼吸频率数据、心率数据、心率变异性数据；所述表示模块，用于将所述呼吸频率数据、心率数据、心率变异性数据，表示为多元特征矩阵；所述推算模块，用于根据所述多元特征矩阵，采用长短期记忆网络模型方式，推算所述人体日常运动中的摄氧量。其中，所述采集模块，具体用于：采用可穿戴设备方式，采集人体日常运动中的呼吸频率数据、心率数据、心率变异性数据。其中，所述表示模块，具体用于：将所述呼吸频率数据、心率数据、心率变异性数据中的呼吸特征以预设时间为单位提取出来，将所述呼吸特征表示为多元特征矩阵。其中，所述推算模块，具体用于：根据所述多元特征矩阵，采用两层网络层和两层全连接层以及所述两层全连接层的中间连接一个隐式偏置层的长短期记忆网络模型方式，推算所述人体日常运动中的摄氧量。其中，所述人体日常运动中摄氧量的测试装置，还包括：控制模块；所述控制模块，用于根据所述推算的摄氧量，控制所述人体日常运动中的运动强度。根据本专利技术的又一个方面，提供一种计算机设备，包括：至少一个处理器；以及，与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如上述任一项所述的人体日常运动中摄氧量的测试方法。根据本专利技术的再一个方面，提供一种计算机可读存储介质，存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如上述任一项所述的人体日常运动中摄氧量的测试方法。可以发现，以上方案，可以采集人体日常运动中的呼吸频率数据、心率数据、心率变异性数据等，和可以将该呼吸频率数据、心率数据、心率变异性数据等，表示为多元特征矩阵，以及可以根据该多元特征矩阵，采用长短期记忆网络模型方式，推算该人体日常运动中的摄氧量，能够实现在人体日常运动中进行摄氧量的测试。进一步的，以上方案，可以采用可穿戴设备方式，采集人体日常运动中的呼吸频率数据、心率数据、心率变异性数据等，这样的好处是能够实现便携的采集人体日常运动中的呼吸频率数据、心率数据、心率变异性数据等，能够适用于多种运动条件下的呼吸频率数据、心率数据、心率变异性数据等的采集。进一步的，以上方案，可以将该呼吸频率数据、心率数据、心率变异性数据等中的呼吸特征以预设时间为单位提取出来，将该呼吸特征表示为多元特征矩阵，这样的好处是能够实现更清楚的表达该呼吸频率数据、心率数据、心率变异性数据等的呼吸特征。进一步的，以上方案，可以根据该多元特征矩阵，采用两层网络层和两层全连接层以及该两层全连接层的中间连接一个隐式偏置层的长短期记忆网络模型方式，推算该人体日常运动中的摄氧量，这样的好处是能够基于该隐式偏置层起到的防止模型过拟合作用，实现提高推算该人体日常运动中的摄氧量的推算效果。进一步的，以上方案，可以根据该推算的摄氧量，控制该人体日常运动中的运动强度，这样的好处是能够基于该推算的摄氧量的变化所反映的人体日常运行的运动负荷对人体机体的刺激程度，实现对人体日常运动的运动强度的准确控制，能够进行更科学有效的人体日常运动训练。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术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是本专利技术人体日常运动中摄氧量的测试方法一实施例的流程示意图；图2是本专利技术人体日常运动中摄氧量的测试方法另一实施例的流程示意图；图3是本专利技术人体日常运动中摄氧量的测试装置一实施例的结构示意图；图4是本专利技术人体日常运动中摄氧量的测试装置另一实施例的结构示意图；图5是本专利技术计算机设备一实施例的结构示意图。具体实施方式下面结合附图和实施例，对本专利技术作进一步的详细描述。特别指出的是，以下实施例仅用于说明本专利技术，但不对本专利技术的范围进行限定。同样的，以下实施例仅为本专利技术的部分实施例而非全部实施例，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它实施例，都属于本专利技术保护的范围。本专利技术提供一种人体日常运动中摄氧量的测试方法，能够实现在人体日常运动中进行摄氧量的测试。请参见图1，图1是本专利技术人体日常运动中摄氧量的测试方法一实施例的流程示意图。需注意的是，若有实质上相同的结果，本专利技术的方法并不以图1所示的流程顺序为限。如图1所示，该方法包括如下步骤：本文档来自技高网...

【技术保护点】
1.一种人体日常运动中摄氧量的测试方法，其特征在于，包括：/n采集人体日常运动中的呼吸频率数据、心率数据、心率变异性数据；/n将所述呼吸频率数据、心率数据、心率变异性数据，表示为多元特征矩阵；/n根据所述多元特征矩阵，采用长短期记忆网络模型方式，推算所述人体日常运动中的摄氧量。/n

【技术特征摘要】
1.一种人体日常运动中摄氧量的测试方法，其特征在于，包括：
采集人体日常运动中的呼吸频率数据、心率数据、心率变异性数据；
将所述呼吸频率数据、心率数据、心率变异性数据，表示为多元特征矩阵；
根据所述多元特征矩阵，采用长短期记忆网络模型方式，推算所述人体日常运动中的摄氧量。


2.如权利要求1所述的人体日常运动中摄氧量的测试方法，其特征在于，所述采集人体日常运动中的呼吸频率数据、心率数据、心率变异性数据，包括：
采用可穿戴设备方式，采集人体日常运动中的呼吸频率数据、心率数据、心率变异性数据。


3.如权利要求1所述的人体日常运动中摄氧量的测试方法，其特征在于，所述将所述呼吸频率数据、心率数据、心率变异性数据，表示为多元特征矩阵，包括：
将所述呼吸频率数据、心率数据、心率变异性数据中的呼吸特征以预设时间为单位提取出来，将所述呼吸特征表示为多元特征矩阵。


4.如权利要求1所述的人体日常运动中摄氧量的测试方法，其特征在于，所述根据所述多元特征矩阵，采用长短期记忆网络模型方式，推算所述人体日常运动中的摄氧量，包括：
根据所述多元特征矩阵，采用两层网络层和两层全连接层以及所述两层全连接层的中间连接一个隐式偏置层的长短期记忆网络模型方式，推算所述人体日常运动中的摄氧量。


5.如权利要求1所述的人体日常运动中摄氧量的测试方法，其特征在于，在所述根据所述多元特征矩阵，采用长短期记忆网络模型方式，推算所述人体日常运动中的摄氧量之后，还包括：
根据所述推算的摄氧量，...

【专利技术属性】
技术研发人员：宋亚锋，孙文卿，颜井赞，王浩，李镇清，
申请(专利权)人：北京体育大学，
类型：发明
国别省市：北京;11