一种人体异常体征数据监测方法技术

本发明专利技术涉及运动健康领域，具体涉及一种人体异常体征数据监测方法，利用跑步机上布置的图像采集装置采集待监测用户跑步时的帧图像，并通过传感器获取待监测用户跑步时的体征数据，根据每一帧图像中的每个关键边和前一帧图像中对应关键边之间的余弦相似度得到每一帧图像的运动差异度，根据运动差异度将运动时间分为热身运动阶段、稳定运动阶段和结束运动阶段，根据待监测用户在每个运动阶段的标准体征数据和该运动阶段的每一帧图像的运动差异度得到待监测用户在每一帧图像中的体征数据异常程度，根据待监测用户在每一帧图像中的体征数据异常程度和异常程度阈值对比，对跑步机速度进行智能控制，智能、监测精度高。监测精度高。监测精度高。

【技术实现步骤摘要】
一种人体异常体征数据监测方法


[0001]本专利技术涉及运动健康领域，具体涉及一种人体异常体征数据监测方法。

技术介绍

[0002]随着生活水平的提高和科技技术的发展，人们对健康越来越重视，全民运动成为了一种潮流，跑步是一种简单有效的锻炼身体的运动方式，由于室外跑步会受到环境、天气的影响，很多人选择在家使用跑步机来进行运动锻炼。
[0003]在跑步机跑步过程中，人体的体征数据比如心率、呼吸会随着运动而发生变化，体征数据也反映了运动的强度，对人体对跑步过程中的体征数据进行监测，可以监控运动强度，随时判断运动强度是否超过身体负荷，避免运动给身体带来伤害。
[0004]常见的跑步机对跑步状态下人体体征数据监测方法为，利用传感器获取人体体征数据，并将体征数据和一个固定的体征数据阈值进行对比，判断人体在跑步时体征数据是否异常，并对超过阈值的异常情况进行提示，但是体征数据的异常程度受到待监测目标用户的影响，若待监测目标用户为体脂率不同的人，其对应的体征数据都不相同，在每个跑步阶段的体征数据存在较大差异，因此若简单的设置统一阈值条件进行体征数据异常程度监测，会产生较大的误差，无法及时调整跑步机以保证合适的运动强度。

技术实现思路

[0005]本专利技术提供一种人体异常体征数据监测方法，以解决现有的跑步状态下人体体征数据监测准确性低的问题，采用如下技术方案：利用跑步机上布置的图像采集装置采集待监测用户跑步时的帧图像，并通过传感器获取待监测用户跑步时的体征数据；获取当前帧图像中的人体关键点形成的关键边，根据当前帧图像中的每个关键边和前一帧图像中对应关键边之间的余弦相似度得到当前帧图像的运动差异度；以当前帧图像的运动差异度为纵轴，运动时间为横轴，构建运动差异度坐标系；根据运动差异度坐标系中当前帧图像的运动差异度与前一帧图像的运动差异度得到当前帧图像与前一帧图像的斜率差；根据当前帧图像与前一帧图像的斜率差与斜率差阈值对比，判读当前帧图像属于热身运动阶段、稳定运动阶段还是属于结束运动阶段；利用大数据分别获取待监测用户在热身运动阶段、稳定运动阶段和结束运动阶段中的标准体征数据；根据待监测用户在每个运动阶段的标准体征数据和该运动阶段的每一帧图像的运动差异度得到待监测用户在每一帧图像中的体征数据异常程度；根据待监测用户在每一帧图像中的体征数据异常程度和异常程度阈值对比，判断是否需要进行调整。
[0006]所述根据每一帧图像中的每个关键边和前一帧图像中对应关键边之间的余弦相
似度得到每一帧图像的运动差异度的方法为：式中，为第帧图像的运动差异度，为第条关键边，为关键边总数，为第帧图像中的第条关键边与第帧图像中的第条关键边的余弦相似度。
[0007]所述根据当前帧图像与前一帧图像的斜率差与斜率差阈值对比，判读当前帧图像属于热身运动阶段、稳定运动阶段还是属于结束运动阶段的方法为：根据运动差异度坐标系中当前帧图像的运动差异度的坐标与前一帧图像的运动差异度的坐标计算当前帧图像与前一帧图像的斜率差；若斜率差大于斜率差阈值，且斜率差为正数，则当前帧图像属于热身运动阶段；若斜率差大于斜率阈值，且斜率差为负数，则当前帧图像属于终止运动阶段；若斜率差小于等于斜率阈值，则当前帧图像属于稳定运动阶段。
[0008]所述利用大数据分别获取待监测用户在热身运动阶段、稳定运动阶段和结束运动阶段中的标准体征数据的方法为：利用大数据统计每种体脂数据的多个用户在每个阶段的体征数据；将每种体脂数据的多个用户在每个运动阶段的体征数据的平均值和标准差构建数据库；获取待监测用户的体脂数据在数据库中对应的每个运动阶段的体征数据的平均值和标准差，将该平均值和标准差作为待监测用户在每个运动阶段的标准体征数据。
[0009]所述根据待监测用户在每个运动阶段的标准体征数据和该运动阶段的每一帧图像的运动差异度得到待监测用户在每一帧图像中的体征数据异常程度的获取方法为：式中，为处于第阶段的第帧图像的体征数据的异常程度，为待监测用户在运动阶段的标准体征数据的平均值，为待监测用户数据在运动阶段的标准体征数据的标准差，为传感器采集的第时间点的待监测目标用户的体征数据，为待监测用户的传感器采集的第个运动阶段的第时间点与之前时间点计算的得到的体征数据的标准差，为待监测目标用户的心率传感器采集的第个运动阶段的第时间点与之前时间点计算的得到的体征数据的平均值，为第帧图像的运动差异度，为双曲正切函数。
[0010]所述每个阶段的体征数据的异常程度阈值的计算方法为：式中，为待监测用户在运动阶段中的体征数据的异常程度阈值。
[0011]所述根据待监测用户在每一帧图像中的体征数据异常程度和异常程度阈值对比，判断是否需要进行调整的方法为：设置体征数据预警分数，若计算得到的第帧图像的体征数据的异常程度大于体
征数据的异常程度阈值，则进行提示预警。
[0012]所述获取当前帧图像中的人体关键点形成的关键边的方法为：采用PoseC3D三维关键点识别技术，识别当前帧图像中的关键点形成的关键边。
[0013]本专利技术的有益效果是：通过在跑步机上装置摄像机采集图像，然后对采集的待监测目标用户的跑步状态图像进行分析，利用人体骨骼关键边识别技术，得到每一帧图像中识别出来的关键边在三维空间坐标上的变化情况，根据变化情况得到每一帧图像的运动差异度（运动幅度），根据运动差异度将跑步分为热身运动阶段，稳定运动阶段，结束运动阶段，是对跑步过程中体征数据的进一步精细化分析；利用大数据统计技术，充分考虑待监测目标用户在不同运动阶段体征数据的不稳定性，对不同的阶段进行具体分析，并结合每一帧图像的运动幅度对每一个运动阶段设置不同的异常程度阈值，根据阈值对待监测用户运动过程中体征数据出现异常的情况进行提示，并及时控制跑步机进行速率调整，保证了运动强度和训练效果，较常规的跑步机上锻炼时，统一设置阈值的方法而言，既提高了监测精度，又保证了运动效果。
附图说明
[0014]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性的前提下，还可以根据这些附图获得其他的附图。
[0015]图1为本专利技术的一种人体异常体征数据监测方法的方法流程图；图2为本专利技术的一种人体异常体征数据监测方法的系统结构框图。
具体实施方式
[0016]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，所描述的实施例仅仅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做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。
[0017]本专利技术的一种人体异常体征数据监测方法的实施例，如图1所示，包括：步骤一：利用跑步机上布置的图像采集装置采集待监测用户跑步时的帧图像，并通过传感器获取待监测用户跑步时的体征数据；该步骤的目的是，通过布置体征数据传本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种人体异常体征数据监测方法，其特征在于：利用跑步机上布置的图像采集装置采集待监测用户跑步时的帧图像，并通过传感器获取待监测用户跑步时的体征数据；获取当前帧图像中的人体关键点形成的关键边，根据当前帧图像中的每个关键边和前一帧图像中对应关键边之间的余弦相似度得到当前帧图像的运动差异度；以当前帧图像的运动差异度为纵轴，运动时间为横轴，构建运动差异度坐标系；根据运动差异度坐标系中当前帧图像的运动差异度与前一帧图像的运动差异度得到当前帧图像与前一帧图像的斜率差；根据当前帧图像与前一帧图像的斜率差与斜率差阈值对比，判读当前帧图像属于热身运动阶段、稳定运动阶段还是属于结束运动阶段；利用大数据分别获取待监测用户在热身运动阶段、稳定运动阶段和结束运动阶段中的标准体征数据；根据待监测用户在每个运动阶段的标准体征数据和该运动阶段的每一帧图像的运动差异度得到待监测用户在每一帧图像中的体征数据异常程度；根据待监测用户在每一帧图像中的体征数据异常程度和异常程度阈值对比，判断是否需要进行调整。2.根据权利要求1所述的一种人体异常体征数据监测方法，其特征在于，所述根据每一帧图像中的每个关键边和前一帧图像中对应关键边之间的余弦相似度得到每一帧图像的运动差异度的方法为：式中，为第帧图像的运动差异度，为第条关键边，为关键边总数，为第帧图像中的第条关键边与第帧图像中的第条关键边的余弦相似度。3.根据权利要求1所述的一种人体异常体征数据监测方法，其特征在于，所述根据当前帧图像与前一帧图像的斜率差与斜率差阈值对比，判读当前帧图像属于热身运动阶段、稳定运动阶段还是属于结束运动阶段的方法为：根据运动差异度坐标系中当前帧图像的运动差异度的坐标与前一帧图像的运动差异度的坐标计算当前帧图像与前一帧图像的斜率差；若斜率差大于斜率差阈值，且斜率差为正数，则当前帧图像属于热身运动阶段；若斜率差大于斜率阈值，且斜率差为负数，则当前帧图像属于终止运动阶段；若斜率差小于等于斜率阈值，则当前帧图像属于稳定运动阶段。4.根据权利要求1所述的一...

【专利技术属性】
技术研发人员：高承田，殷晓轩，李红斌，姜瑞苹，宋美杉，
申请(专利权)人：山东新蓝海科技股份有限公司，
类型：发明
国别省市：