[发明专利]一种连续动态运动和生理数据处理分析系统及方法

说明书

技术领域

本发明涉及一种基于大数据的人体运动数据的处理分析方法及系统，尤其涉及一种基于具有一定持续性的连续动态运动数据以及生理数据的处理及分析。

背景技术

糖尿病、高血压、冠心病、肿瘤等慢性疾病呈逐年递增之势，已严重威胁着人类的生命健康。2013年我国卫生总费用超过3万亿元，且近三年的平均增长速度达到13.2％，是同期GDP增长速度的1.62倍。虽然卫生部等部门投入了大量的人力和资金，但治疗效果并不理想。这种“被动医疗”的病后治疗理念只能导致病患越来越多，花费越来越高。因此跳出“被动医疗”的末端治理局限，转向“主动健康”的源头治理，才能从根本上破解医疗卫生体系的困境。

慢性疾病多数是由长期过量饮食、运动量不足导致的营养失衡或吸烟、饮酒等不良的生活习惯所致。运动对健康的促进作用已经被越来越多的研究证实。但调查发现并不是所有形式的运动均具有积极效应，只有长期有规律的坚持运动才能对健康产生积极效应。此外，国内外相关研究证实，“体育锻炼参与容易，坚持难”是一种普遍存在的现象，例如，只有不到20％的北美成年人能够长期坚持体育锻炼，而约有50％的人在体育锻炼计划的前6个月就因坚持不下去而中途退出。

要达到科学健身促进健康目标，涉及3个方面关键问题：(1)如何科学设 定运动强度和运动量；(2)如何判定运动是否促进了健康；(3)如何保证健身方案执行下去。

针对问题(1)，传统的做法是通过最大摄氧量的测定衡量人的最大运动功能能力。具体测试方法包括采用气体代谢、功率自行车、台阶试验、心率测定等方法。根据测定的最大摄氧量设定目标运动强度，目标运动强度常常用最大摄氧量的百分比表示，具体使用中往往采用靶心率，靶心率设定的精度取决于回归方程的拟合精度，以及当时所测定的数据的准确度和精度，并且，需要测定非常庞大大样本人群。因此，传统的方法是基于既往的静态数据建立的线性模型，无法对动态的、连续的数据进行很好处理。

针对问题(2)，传统方法的原理是根据经过一段时间，比如：1～3个月，观察在设定的运动强度锻炼后，观察人体的一些间接生理生化方面指标是否发生了有益的变化，比如肌肉做功能力增加、心脏能力增强、肺功能加大等来判断该运动方法是否对人体有健康促进，进而间接证明运动对健康的良好作用。由此可见，首先，传统方法没有给出运动促进健康的基本规律和机理，而是通过间接证明；其次，对间接指标的判断的时间间隔往往比较长，大部分等不到下一次观察的时候就放弃了运动方案；当然，由于间接指标的变化比较缓慢，无法实时对健身行为做出快速反馈。

针对问题(3)，传统健身科学体系中，运动坚持方法尚未有成熟的方法，大都停留于理论探讨阶段，描述问题阶段，缺乏运动行为量化的数据研究，更缺乏有效的技术方法实施。

随着可穿戴、物联网、云计算和大数据等技术的快速发展，集成感知、计算和通信能力的普适智能系统已逐步融入到人类的日常生活中，可以实时不间断的连续获取健身健康数据的能力日益增强。比如运动手环、手表等可穿戴的 设备，可以获得动作、心率、血压等连续动态变化的数据。因此，我们可以根据这些连续不间断的动态大数据中所涌现出来的特征，通过人体对外界刺激的适应能力评估人体行为对健康的影响程度，从结构决定功能的角度整体研究运动行为的变化，并通过连续不断的海量数据预测判断运动坚持及退出状态，从而实现在线监测个体运动行为。这种基于健身大数据的运动坚持模型和干预方法，在国内外尚属空白，具有重大的科学意义和社会价值。

发明内容

基于现有技术中存在的上述问题，以及市场需求，本发明提供了以下的技术方案：

一方面，本发明实施例提供一种连续动态运动和生理数据处理分析方法，该方法包括：

S1、获取健身行为产生的连续、动态数据，并对所述数据进行预处理；所述预处理后的数据至少包含强度参数、量参数、持续时间参数之一；以及依据所述强度参数、量参数、持续时间参数分别形成分布表；

S2、对预处理后的数据进行特征提取，建立识别模型，对行为进行识别；

并对识别后的数据进行目标数据集截取，获得关键数据集；所述关键数据集指影响数据系统性发展走向的数据集；

S3、对所述关键数据集进行参数提取，获得运动行为的参数；所述运动行为的参数至少包含稳态强度参数、稳态节奏参数、绝对稳态强度参数之一；

所述稳态强度参数代表运动强度；所述稳态节奏参数代表运动节奏；所述绝对稳态强度参数代表目标数据集中变化较小的运动强度；