【技术实现步骤摘要】
一种智能自适应极限健身算法系统
[0001]本专利技术属于计算机
，特别是涉及一种智能自适应极限健身算法系统
。
技术介绍
[0002]健身是通过如徒手健美操
、
韵律操
、
形体操以及各种自抗力动作，也可以采用各种不同的运动器械进行训练，如哑铃
、
杠铃
、
壶铃等举重器件，单杠
、
双杠
、
绳
、
杆等体操器件，以及弹簧拉力器
、
滑轮拉力器
、
橡筋带和各种特制的综合力量练习架等力量训练器械，还有功率自行车
、
台阶器
、
平跑机
、
划船器等有氧训练器材
。
[0003]健身有利于身体素质的提高，但是超过身体承受能力的极限状态则会产生生命风险，现有方案对于健身极限的判断主要包括主管感受
、
排汗量
、
情绪
、
形态指标
、
呼吸以及...
【技术保护点】
【技术特征摘要】
1.
一种智能自适应极限健身算法系统，其特征在于，所述系统包括数据收集模块
、
数据预处理模块
、
循环神经网络
RNN
模型
、
负重调整模块；所述数据收集模块采用通过智能手环和智能脚环组合的方式基于不同运动类型下获得包括心率
、
加速度和运动姿态数据，具体通过内置的心率传感器
、
加速度计
、
陀螺仪和磁力计获得；所述系统对应的极限健身的测定方法包括如下步骤：
S1、
数据获取：通过加速度计
、
陀螺仪
、
磁力计
、
心率传感器分别获得加速度数据
、
角速度数据
、
磁场强度数据
、
心率数据构成的原始数据，将原始数据整合为矩阵
D
，为矩阵
D
添加时间戳形成带有时间维度的矩阵
D(t)
；
S2、
数据预处理：数据清洗，对无效数据和缺失数据进行删减；数据归一化处理，使用
Minmax
标准化公式
D_normalized(t)
＝
(D(t)
‑
D_min)/(D_max
‑
D_min)
对经数据清洗后的数据进行归一化处理，其中，
D(t)
表示原始数据，
D_min
表示数据集中的最小值
,D_max
表示数据集中的最大值，
D_normalized(t)
表示归一化后的数据；将经归一化后的数据整合为滑动窗口的形式：
(D_normalized(t
‑
n),
…
,D_normalized(t
‑
2),D_normalized(t
‑
1),D_normalized(t))
；为了能识别重复的动作特征，其中
n
是每个序列的长度即窗口大小，值取决于捕捉单个动作所需的时间窗口大小；
S3、
将经预处理后的数据输入至循环神经网络
RNN
模型来预测：输出以预测动作类型和极限状态，循环神经网络
RNN
模型包括两个
RNN
模型：一个用于动作识别和计数，另一个用于识别极限状态；为了更好地组织和追踪各种动作信息，使用一个以动作标识
action_ID
为
key
的字典或哈希表来存储相关的全部变量，所述字典的值将是一个列表，其中按照时间顺序存储每次动作的信息，每个动作信息表示为一个包含四个元素的元组或结构：
(1)action_ID
：当前识别出的动作
ID
；
(2)action_time:
本次动作发生的时间戳；
(3)action_counter
：当前组内已完成的动作次数；
(4)group_counter:
当前已完成的动作组数；在识别一个新的重复动作时，根据
action_time
判断动作之间的间隔时长，以确定间隔是组内的还是组间的，具体根据健身常用的组间和组内休息时长作参考，若两个连续动作之间的时间间隔超过组间的休息时长，则认为是组间的间隔，反为组内的间隔；或者，根据预置的每个动作的推荐组数和每组推荐重复次数做参考；根据判断，更新全局变量
action_ID、action_time、action_counter
和
group_counter
，并将新的元组添加至
action_data[action_ID]
列表中，该数据结构便于追踪和查询不同动作信息，进而更准确地调整训练强度；在训练过程中利用已经获得的动作个数和分组信息，将这些信息作为附加输入添加到极限状态模型中，极限状态模型将更好地利用这些信息进行预测；
S4、
负重调整：
如果用户在完成所有动作时，即动作计数超过预制的值时，仍未达到极限状态，则根据最后一个重复动作包括心率
、
呼吸
、
加速度
、
角速度的参数来基于多层感知器
(MLP)
神经网络模型调整负重值
Δ
w
；如果用户在第
n
个动作达到极限状态，则根据当前组数
、
动作
ID、
动作计数和个人信息来适当调整负重；个人信息包括性别
、
年龄
、
身高
、
体重；
S5、
返回负重调整建议：将数值转换成易理解的文字和图片
。2.
根据权利要求1所述的一种智能自适应极限健身算法系统，其特征在于，所述
S3
步骤中动作识别和计数的
RNN
模型包括：
(1)
输入数据是一个形状为
(N,T,D)
的三维张量，其中，
N
为
minibatc...
【专利技术属性】
技术研发人员：郝大龙，许芪宁，
申请(专利权)人：光翰科技上海有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。