健身器材的监控方法及其系统技术方案

本申请涉及智能监控领域，其具体地公开了一种健身器材的监控方法及其系统，其通过采用基于深度学习的神经网络模型挖掘出健身器材的速度值的时序动态变化特征和所述卡路里消耗统计值的时序动态变化特征之间的时序协同关联，以此来对健身器材的性能和运行状态进行实时监测，从而及早发现问题并采取相应的措施，减少安全事故发生的可能性，提高健身器材的使用效果和安全性。的使用效果和安全性。的使用效果和安全性。

【技术实现步骤摘要】
健身器材的监控方法及其系统


[0001]本申请涉及智能监控领域，且更为具体地，涉及一种健身器材的监控方法及其系统。

技术介绍

[0002]随着现代社会健康意识的提高和生活水平的改善，健身成为了一种越来越流行的生活方式。健身器材是一种用于锻炼身体和提高健康水平的设备，它可以帮助人们增强心肺功能，塑造肌肉，减少体重，缓解压力等。
[0003]然而，由于一些因素如设计、质量和维护等问题，健身器材也存在潜在风险和问题，例如健身器材质量不佳和维护不当可能会导致性能下降、安全性降低，并增加故障和事故的风险。而传统的健身器材质量检测方案仅依靠人工定期检查，并不能够实时监控健身器材的性能变化，同时检测的效率和准确度也得不到保障。
[0004]因此，期望一种优化的健身器材的监控方案。

技术实现思路

[0005]为了解决上述技术问题，提出了本申请。本申请的实施例提供了一种健身器材的监控方法及其系统，其通过采用基于深度学习的神经网络模型挖掘出健身器材的速度值的时序动态变化特征和所述卡路里消耗统计值的时序动态变化特征之间的时序协同关联，以此来对健身器材的性能和运行状态进行实时监测，从而及早发现问题并采取相应的措施，减少安全事故发生的可能性，提高健身器材的使用效果和安全性。
[0006]根据本申请的一个方面，提供了一种健身器材的监控方法，其包括：获取被监测健身器材在预定时间段内多个预定时间点的速度值以及所述多个预定时间点的卡路里消耗统计值；将所述多个预定时间点的速度值按照时间维度排列为速度时序输入向量；将所述多个预定时间点的卡路里消耗统计值按照时间维度排列为卡路里统计时序输入向量，并计算所述卡路里消耗时序输入向量中每相邻两个位置的卡路里消耗统计值之间的差值以得到卡路里消耗时序输入向量；将所述卡路里消耗时序输入向量和所述速度时序输入向量分别通过包含第一卷积层和第二卷积层的时序特征提取器以得到卡路里消耗时序特征向量和速度时序特征向量；计算所述卡路里消耗时序特征向量相对于所述速度时序特征向量的响应性估计以得到分类特征矩阵；以及将所述分类特征矩阵通过分类器以得到分类结果，所述分类结果用于表示被监测健身器材的运行状态是否正常。
[0007]根据本申请的另一方面，提供了一种健身器材的监控系统，其包括：数据采集模块，用于获取被监测健身器材在预定时间段内多个预定时间点的速度
值以及所述多个预定时间点的卡路里消耗统计值；排列模块，用于将所述多个预定时间点的速度值按照时间维度排列为速度时序输入向量；差值计算模块，用于将所述多个预定时间点的卡路里消耗统计值按照时间维度排列为卡路里统计时序输入向量，并计算所述卡路里消耗时序输入向量中每相邻两个位置的卡路里消耗统计值之间的差值以得到卡路里消耗时序输入向量；时序特征提取模块，用于将所述卡路里消耗时序输入向量和所述速度时序输入向量分别通过包含第一卷积层和第二卷积层的时序特征提取器以得到卡路里消耗时序特征向量和速度时序特征向量；响应性估计模块，用于计算所述卡路里消耗时序特征向量相对于所述速度时序特征向量的响应性估计以得到分类特征矩阵；以及分类结果生成模块，用于将所述分类特征矩阵通过分类器以得到分类结果，所述分类结果用于表示被监测健身器材的运行状态是否正常。
[0008]与现有技术相比，本申请提供的一种健身器材的监控方法及其系统，其通过采用基于深度学习的神经网络模型挖掘出健身器材的速度值的时序动态变化特征和所述卡路里消耗统计值的时序动态变化特征之间的时序协同关联，以此来对健身器材的性能和运行状态进行实时监测，从而及早发现问题并采取相应的措施，减少安全事故发生的可能性，提高健身器材的使用效果和安全性。
附图说明
[0009]通过结合附图对本申请实施例进行更详细的描述，本申请的上述以及其他目的、特征和优势将变得更加明显。附图用来提供对本申请实施例的进一步理解，并且构成说明书的一部分，与本申请实施例一起用于解释本申请，并不构成对本申请的限制。在附图中，相同的参考标号通常代表相同部件或步骤。
[0010]图1为根据本申请实施例的健身器材的监控方法的流程图；图2为根据本申请实施例的健身器材的监控方法的系统架构图；图3为根据本申请实施例的健身器材的监控方法的子步骤S2的流程图；图4为根据本申请实施例的健身器材的监控方法的子步骤S3的流程图；图5为根据本申请实施例的健身器材的监控系统的框图；图6为根据本申请实施例的健身器材的监控方法的场景示意图。
具体实施方式
[0011]下面，将参考附图详细地描述根据本申请的示例实施例。显然，所描述的实施例仅仅是本申请的一部分实施例，而不是本申请的全部实施例，应理解，本申请不受这里描述的示例实施例的限制。
[0012]如本申请和权利要求书中所示，除非上下文明确提示例外情形，“一”、“一个”、“一种”和/或“该”等词并非特指单数，也可包括复数。一般说来，术语“包括”与“包含”仅提示包括已明确标识的步骤和元素，而这些步骤和元素不构成一个排它性的罗列，方法或者设备也可能包含其他的步骤或元素。
[0013]虽然本申请对根据本申请的实施例的系统中的某些模块做出了各种引用，然而，任何数量的不同模块可以被使用并运行在用户终端和/或服务器上。所述模块仅是说明性的，并且所述系统和方法的不同方面可以使用不同模块。
[0014]本申请中使用了流程图用来说明根据本申请的实施例的系统所执行的操作。应当理解的是，前面或下面操作不一定按照顺序来精确地执行。相反，根据需要，可以按照倒序或同时处理各种步骤。同时，也可以将其他操作添加到这些过程中，或从这些过程移除某一步或数步操作。
[0015]下面，将参考附图详细地描述根据本申请的示例实施例。显然，所描述的实施例仅仅是本申请的一部分实施例，而不是本申请的全部实施例，应理解，本申请不受这里描述的示例实施例的限制。
[0016]考虑到健身器材在实际使用的过程中存在潜在着风险和问题，例如健身器材质量不佳和维护不当可能会导致性能下降、安全性降低，并增加故障和事故的风险。而传统的健身器材质量检测方案仅依靠人工定期检查，并不能够实时监控健身器材的性能变化，同时检测的效率和准确度也得不到保障。因此，期望一种优化的健身器材的监控方案。
[0017]相应地，考虑到在实际进行健身器材的监控过程中，为了保证健身器材的安全性和使用效果，关键在于对于健身器材的性能进行监控评估。特别地，对于跑步机来说，期望通过跑步机的速度和统计的卡路里数值来判断跑步机的性能是否正常，以此来对其性能和运行状态进行监控，从而及早发现问题并采取相应的措施，减少安全事故发生的可能性。但是，考虑到由于跑步机的速度值和卡路里消耗统计值不仅都在时间维度上有着各自的动态变化规律性，而且这两者数据之间还具有着时序的协同关联特性，都对于健身器材的性能和运行状态的监测结果产生影响。因此，在此过程中，难点在于如何进行所述健身器材的速度值的时序动态变化特征和所述卡路里消耗统计值的时序动态变化特征之间的时序协同关联特征信息的充分表达，以此来对本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种健身器材的监控方法，其特征在于，包括：获取被监测健身器材在预定时间段内多个预定时间点的速度值以及所述多个预定时间点的卡路里消耗统计值；从所述多个预定时间点的速度值以及所述多个预定时间点的卡路里消耗统计值提取卡路里消耗时序特征向量和速度时序特征向量；基于所述卡路里消耗时序特征向量和所述速度时序特征向量之间的关联，确定所述被监测健身器材的运行状态是否正常。2.根据权利要求1所述的健身器材的监控方法，其特征在于，从所述多个预定时间点的速度值以及所述多个预定时间点的卡路里消耗统计值提取卡路里消耗时序特征向量和速度时序特征向量，包括：将所述多个预定时间点的速度值按照时间维度排列为速度时序输入向量；将所述多个预定时间点的卡路里消耗统计值按照时间维度排列为卡路里统计时序输入向量，并计算所述卡路里消耗时序输入向量中每相邻两个位置的卡路里消耗统计值之间的差值以得到卡路里消耗时序输入向量；对所述卡路里消耗时序输入向量和所述速度时序输入向量进行局部邻域时序关联特征提取以得到所述卡路里消耗时序特征向量和所述速度时序特征向量。3.根据权利要求2所述的健身器材的监控方法，其特征在于，对所述卡路里消耗时序输入向量和所述速度时序输入向量进行局部邻域时序关联特征提取以得到所述卡路里消耗时序特征向量和所述速度时序特征向量，包括：将所述卡路里消耗时序输入向量和所述速度时序输入向量分别通过包含第一卷积层和第二卷积层的时序特征提取器以得到卡路里消耗时序特征向量和速度时序特征向量。4.根据权利要求3所述的健身器材的监控方法，其特征在于，所述第一卷积层和所述第二卷积层分别使用具有不同尺度的一维卷积核。5.根据权利要求4所述的健身器材的监控方法，其特征在于，基于所述卡路里消耗时序特征向量和所述速度时序特征向量之间的关联，确定所述被监测健身器材的运行状态是否正常，包括：计算所述卡路里消耗时序特征向量相对于所述速度时序特征向量的响应性估计以得到分类特征矩阵；以及基于所述分类特征矩阵，确定所述被监测健身器材的运行状态是否正常。6.根据权利要求5所述的健身器材的监控方法，其特征在于，基于所述分类特征矩阵，确定所述被监测健身器材的运行状态是否正常，包括：将所述分类特征矩阵通过分类器以得到分类结果，所述分类结果用于表示所述被监测健身器材的运行状态是否正常。7.根据权利要求6所述的健身器材的监控方法，其特征在于，将所述分类特征矩阵通过分类器以得到分类结果，所述分类结果用于表示所述被监测健身器材的运行状态是否正常，包括：将所述分类特征矩阵基于行向量或列向量展开为分类特征向量；使用所述分类器的多个全连接层对所述分类特征向量进行全连接编码以得到编码分类特征向量；以及
将所述编码分类特征向量通过所述分类器的Softmax分类函数以得到所述分类结果。8.根据权利要求7所述的健身器材的监控方法，其特征在于，还包括训练步骤：用于对所述包含第一卷积层和第二...

【专利技术属性】
技术研发人员：张云峰，张嘉铄，张运征，
申请(专利权)人：定州市云领域体育用品有限公司，
类型：发明
国别省市：