一种基于孪生神经网络的健身动作判别方法及智能沙包技术

本发明专利技术公开了一种基于孪生神经网络的健身动作判别方法及智能沙包，包括步骤：基于标准健身动作构建标准数据特征向量；基于用户健身动作构建用户数据特征向量；将所述标准数据特征向量和所述用户数据特征向量输入所述孪生神经网络；基于所述孪生神经网络，确定所述标准数据特征向量与所述用户数据特征向量之间的分类结果和距离结果；根据所述分类结果和所述距离结果得到判别结果，确定所述用户健身动作相对于所述标准健身动作的准确度。本发明专利技术通过提取特征，然后使用孪生神经网络进行分类和距离的计算，最后对两个模型的结果进行组合实现最后的判别，从而帮助用户在达到锻炼的目的时不伤害身体。的时不伤害身体。的时不伤害身体。

【技术实现步骤摘要】
一种基于孪生神经网络的健身动作判别方法及智能沙包


[0001]本专利技术涉及健身动作的判别
，尤其涉及一种基于孪生神经网络的健身动作判别方法及智能沙包。

技术介绍

[0002]随着生活水平的提高，人们对运动健身的需求也越来越高，市面上出现了多种多样的健身设备。沙包作为常用的健身器材，因其占地小且可以用于辅助锻炼全身肌肉，而受到人们的青睐。但是使用沙包健身的过程中，如何保证以正确的姿势和频率击打沙包，从而既达到锻炼的目的而又不伤害身体成为亟待解决的问题。
[0003]在现有技术中，一般通过在沙包中设置传感器实时采集用户健身过程中沙包的3轴加速度数据和3轴角速度数据，通过小波变换、机器学习分类或深度学习分类等方法来判别用户当前的动作是否标准。但是在沙包健身的应用场景中，由于动作类型多，不同动作间相似度高，现有技术无法实现很好的识别效果，往往会存在过拟合的情况。
[0004]因此，现有技术还有待于改进和发展。

技术实现思路

[0005]本专利技术针对现有技术的上述缺陷，本专利技术提供一种基于孪生神经网络的健身动作本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于孪生神经网络的健身动作判别方法，其特征在于，所述方法包括：基于标准健身动作构建标准数据特征向量；基于用户健身动作构建用户数据特征向量；将所述标准数据特征向量和所述用户数据特征向量输入所述孪生神经网络；基于所述孪生神经网络，确定所述标准数据特征向量与所述用户数据特征向量之间的分类结果和距离结果；根据所述分类结果和所述距离结果得到判别结果，确定所述用户健身动作相对于所述标准健身动作的准确度。2.根据权利要求1所述的基于孪生神经网络的健身动作判别方法，其特征在于，所述健身动作是作用于沙包的健身动作。3.根据权利要求2所述的基于孪生神经网络的健身动作判别方法，其特征在于，所述基于标准健身动作构建标准数据特征向量包括：每隔一时间间隔，记录所述沙包在所述标准健身动作作用下的第一三轴加速度和第一三轴角速度；基于所述第一三轴加速度和所述第一三轴角速度，构建所述标准健身动作的第一欧式距离向量和第一余弦距离向量作为所述标准数据特征向量；所述第一欧式距离向量表达式为：所述第一余弦距离向量表达式为：其中(x
i
,y
i
,z
i
)为沙包在所述标准健身动作作用下的实时数据，(x0,y0,z0)为沙包的初始数据。4.根据权利要求3所述的基于孪生神经网络的健身动作判别方法，其特征在于，所述基于用户健身动作构建用户数据特征向量包括：每隔所述时间间隔，记录所述沙包在所述用户健身动作作用下的第二三轴加速度和第二三轴角速度；基于所述第二三轴加速度和所述第二三轴角速度，构建所述用户健身动作的第二欧式距离向量和第二余弦距离向量作为所述用户数据特征向量；所述第二欧式距离向量表达式为：所述第二余弦距离向量表达式为：其中(x
j
,y
j
,z
j
)为沙包在所述用户健身动作作用下的实时数据，(x0,y0,z0)为沙包的初始数据。
5.根据权利要求4所述的基于孪生神经网络的健身动作判别方法，其特征在于，所述时间间隔为100ms。6.根据权利要求4所述的基于孪生神经网络的健身动作判别方法，其特征在于，所述基于所述孪生神经网络，确定所述标准数据特征向量与所述用户数据特征向量之间的...

【专利技术属性】
技术研发人员：何定，刘治，车浩流，
申请(专利权)人：深圳千岸科技股份有限公司，
类型：发明
国别省市：