一种运动能耗预测方法及装置制造方法及图纸

本发明专利技术提供一种运动能耗预测方法及装置，所述方法包括：获取目标对象在运动过程中的加速度数据和目标运动强度等级；对加速度数据进行特征提取，利用主成份分析法获取加速度数据的特征信息；根据特征信息和目标对象的身体状态信息，构建目标对象的输入参数；根据目标运动强度等级，将输入参数输入目标运动能耗预测模型，得到目标对象的运动能耗。本发明专利技术根据不同的目标运动强度等级选取不同的目标运动能耗预测模型，所述目标运动能耗预测模型在利用加速度数据的特征信息的基础上还利用目标对象的身体状态信息对目标运动能耗进行预测，并将预测结果作为目标对象的运动能耗，提高了运动能耗的预测精度。动能耗的预测精度。动能耗的预测精度。

【技术实现步骤摘要】
一种运动能耗预测方法及装置


[0001]本专利技术涉及运动能耗测量
，尤其涉及一种运动能耗预测方法及装置。

技术介绍

[0002]随着可穿戴设备的普及，成就了在跑步机、划船机、单车进行锻炼的方式，促成了通过运动传感器如手机或者运动手表等来测量人体活动的能量消耗。通过惯性单元采集人体各个部位的运动数据并进行能耗的精确测量有了更广阔的应用场景，锻炼者与康复人员在日常生活中利用便携式的能耗监测设备进行健康监测变得越来越方便。因此，适用于特定场景下能耗预测研究有重要意义。
[0003]目前对于运动能耗即运动卡路里的监测使用的有计步能耗算法、加速度能耗算法。计步能耗算法通过研究人体运动步速与人体运动能耗之间的相关性、推导出了根据计步器来计算步行能耗的计算方程，但是运动类型和运动强度对计步器的距离计算和能耗计算方面有很大的影响，计步器在复杂的运动下无法取得很好的测量精度。加速度能耗算法根据采集得到的加速度数据，研究三轴加速度计的几何平均值与人体能耗的相关性，提出了基于加速度集合平均值的人体能耗计算方程，但是构建的线性回归方程，无法利用到加速度更为丰富的特征，也就无法准确得到人体的运动能耗结果。
[0004]由此可知，现有的运动能耗测量方法，难以获取精确的运动能耗的测量结果。

技术实现思路

[0005]本专利技术提供一种运动能耗预测方法、装置、电子设备及存储介质，用以解决现有技术中难以实现对运动能耗的精确测量的缺陷。
[0006]第一方面，本专利技术提供一种运动能耗预测方法，包括：获取目标对象在运动过程中的加速度数据和目标运动强度等级；对所述加速度数据进行特征提取，利用主成份分析法获取所述加速度数据的特征信息；根据所述特征信息和所述目标对象的身体状态信息，构建所述目标对象的输入参数；根据所述目标运动强度等级，将所述输入参数输入目标运动能耗预测模型，得到所述目标对象的运动能耗；其中，所述目标运动能耗预测模型是基于在所述目标运动强度等级下的样本输入参数和所述样本输入参数对应的样本运动能耗训练得到的。
[0007]根据本专利技术提供的一种运动能耗预测方法，获取目标对象在运动过程中的目标运动强度等级，包括：获取所述目标对象在运动过程中的运动耐量；根据所述运动耐量所处的取值区间，确定所述目标运动强度等级。
[0008]根据本专利技术提供的一种运动能耗预测方法，所述根据所述特征信息和所述目标对象的身体状态信息，构建所述目标对象的输入参数，包括：对所述特征信息和所述身体状态信息进行标准化处理，以使所述输入参数的平均值为预设数值、方差小于预设方差阈值。
[0009]根据本专利技术提供的一种运动能耗预测方法，在运动强度等级分为轻度、中度和重度的情况下，所述根据所述目标运动强度等级，将所述输入参数输入目标运动能耗预测模
型，得到所述目标对象的运动能耗，包括：在所述目标运动强度等级为轻度的情况下，将所述输入参数输入轻度运动能耗预测模型，得到所述目标对象的第一运动能耗；在所述目标运动强度等级为中度的情况下，将所述输入参数输入中度运动能耗预测模型，得到所述目标对象的第二运动能耗；在所述目标运动强度等级为重度的情况下，将所述输入参数输入重度运动能耗预测模型，得到所述目标对象的第三运动能耗。
[0010]根据本专利技术提供的一种运动能耗预测方法，所述目标运动能耗预测模型为神经网络模型；所述神经网络模型的输入层和隐含层的传递函数为双曲正切曲线函数。
[0011]根据本专利技术提供的一种运动能耗预测方法，所述特征信息至少包括以下特征中的一种：上四分位数、中位数、下四分位数、最大值、均值、最小值、峰度、偏度、方差及标准差；所述身体状态信息至少包括以下身体状态参数中的一种：目标对象的年龄、目标对象的身高以及目标对象的体重。
[0012]根据本专利技术提供的一种运动能耗预测方法，获取目标对象在运动过程中的加速度数据，包括：利用设置在所述目标对象的目标人体位置上的加速度传感器，获取所述加速度数据。
[0013]第二方面，本专利技术还提供一种运动能耗预测装置，包括：第一模块、第二模块、第三模块以及第四模块。
[0014]其中，第一模块，用于获取目标对象在运动过程中的加速度数据和目标运动强度等级；
[0015]第二模块，用于对所述加速度数据进行特征提取，利用主成份分析法获取所述加速度数据的特征信息；
[0016]第三模块，用于根据所述特征信息和所述目标对象的身体状态信息，构建所述目标对象的输入参数；
[0017]第四模块，用于根据所述目标运动强度等级，将所述输入参数输入目标运动能耗预测模型，得到所述目标对象的运动能耗；
[0018]其中，所述目标运动能耗预测模型是基于在所述目标运动强度等级下的样本输入参数和所述样本输入参数对应的样本运动能耗训练得到的。
[0019]第三方面，本专利技术提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任一种所述运动能耗预测方法的步骤。
[0020]第四方面，本专利技术还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述运动能耗预测方法的步骤。
[0021]本专利技术提供的运动能耗预测方法及装置，根据不同的目标运动强度等级选取不同的目标运动能耗预测模型，所述目标运动能耗预测模型在利用加速度数据的特征信息的基础上还利用目标对象的身体状态信息对目标运动能耗进行预测，并将预测结果作为目标对象的运动能耗，提高了运动能耗的预测精度。
附图说明
[0022]为了更清楚地说明本专利技术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一简单地介绍，显而易见地，下面描述中的附图是本专利技术的一
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。
[0023]图1是本专利技术提供的运动能耗预测方法的流程示意图之一；
[0024]图2是本专利技术提供的运动能耗预测方法的流程示意图之二；
[0025]图3是本专利技术提供的运动能耗预测方法的流程示意图之三；
[0026]图4是本专利技术提供的运动能耗预测装置的结构示意图；
[0027]图5是本专利技术提供的电子设备的结构示意图。
具体实施方式
[0028]为使本专利技术的目的、技术方案和优点更加清楚，下面将结合本专利技术中的附图，对本专利技术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。
[0029]需要说明的是，在本专利技术实施例的描述中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种运动能耗预测方法，其特征在于，包括：获取目标对象在运动过程中的加速度数据和目标运动强度等级；对所述加速度数据进行特征提取，利用主成份分析法获取所述加速度数据的特征信息；根据所述特征信息和所述目标对象的身体状态信息，构建所述目标对象的输入参数；根据所述目标运动强度等级，将所述输入参数输入目标运动能耗预测模型，得到所述目标对象的运动能耗；其中，所述目标运动能耗预测模型是基于在所述目标运动强度等级下的样本输入参数和所述样本输入参数对应的样本运动能耗训练得到的。2.根据权利要求1所述的运动能耗预测方法，其特征在于，获取目标对象在运动过程中的目标运动强度等级，包括：获取所述目标对象在运动过程中的运动耐量；根据所述运动耐量所处的取值区间，确定所述目标运动强度等级。3.根据权利要求2所述的运动能耗预测方法，其特征在于，所述根据所述特征信息和所述目标对象的身体状态信息，构建所述目标对象的输入参数，包括：对所述特征信息和所述身体状态信息进行标准化处理，以使所述输入参数的平均值为预设数值、方差小于预设方差阈值。4.根据权利要求2所述的运动能耗预测方法，其特征在于，在运动强度等级分为轻度、中度和重度的情况下，所述根据所述目标运动强度等级，将所述输入参数输入目标运动能耗预测模型，得到所述目标对象的运动能耗，包括：在所述目标运动强度等级为轻度的情况下，将所述输入参数输入轻度运动能耗预测模型，得到所述目标对象的第一运动能耗；在所述目标运动强度等级为中度的情况下，将所述输入参数输入中度运动能耗预测模型，得到所述目标对象的第二运动能耗；在所述目标运动强度等级为重度的情况下，将所述输入参数输入重度运动能耗预测模型，得到所述目标对象的第三运动能耗。5.根据权利要求1所述...

【专利技术属性】
技术研发人员：高伟东，崔世帅，
申请(专利权)人：北京邮电大学，
类型：发明
国别省市：