[发明专利]一种运动训练预警方法及装置有效

专利信息
申请号: 201710377573.X 申请日: 2017-05-25
公开(公告)号: CN108211307B 公开(公告)日: 2019-11-12
发明(设计)人: 包磊 申请(专利权)人: 深圳市未来健身科技有限公司
主分类号: A63B71/06 分类号: A63B71/06;A61B5/0488
代理公司: 北京派特恩知识产权代理有限公司 11270 代理人: 蒋雅洁;张颖玲
地址: 518101 广东省深圳市宝安区新安*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 肌肉疲劳 肌电 运动训练 预测 判断结果 疲劳 预警 状态时 可穿戴设备 可穿戴装置 采集模块 处理判断 肌肉损伤 警告信号 预测模型 有效地 采集 输出 监测 警告
【权利要求书】:

1.一种运动训练预警方法,其特征在于,包括:

控制可穿戴装置中的采集模块采集用户的肌电数据;

对所述肌电数据进行处理判断所述用户是否处于肌肉疲劳状态;

当判断结果为所述用户处于所述肌肉疲劳状态时,输出警告信号;

当判断结果为所述用户未处于所述肌肉疲劳状态时,将所述肌电数据导入疲劳预测模型,生成疲劳预测报告,所述疲劳预测报告中包括所述用户达到所述肌肉疲劳状态的预测所需时间;

其中,所述用户达到所述肌肉疲劳状态的预测所需时间的计算包括:

利用采集到的肌电数据,计算出各个时刻的中值频率IMDF和平均频率IMNF,再结合利用IMDF和IMNF进行曲线拟合得到的肌肉运动的动态变化趋势,计算IMDF值和IMNF值要达到设定的阈值的剩余时间TIMDF及TIMNF,根据TIMDF及TIMNF来计算最终的达到肌肉疲劳的预测所需时间Tresidual

2.如权利要求1所述的运动训练预警方法,其特征在于,在所述控制可穿戴装置中的采集模块采集用户的肌电数据之后,还包括:

识别当前的运动项目,并读取所述运动项目对应的标准动作;

根据所述肌电数据识别用户的运动动作,并将所述运动动作与所述标准动作进行对比,得到动作对比数据;

根据所述动作对比数据输出动作指导数据。

3.如权利要求1所述的运动训练预警方法,其特征在于,在所述控制可穿戴装置中的采集模块采集用户的肌电数据之后,还包括:

将所述肌电数据导入运动评估模型,生成运动评估报告,所述运动评估报告中包括本次运动训练的运动数据、运动调整建议或推荐食谱。

4.如权利要求1所述的运动训练预警方法,其特征在于,所述将所述肌电数据导入疲劳预测模型,生成疲劳预测报告,包括:

获取所述用户的身体素质信息;

将所述身体素质信息及所述肌电数据导入所述疲劳预测模型,生成所述疲劳预测报告。

5.如权利要求1所述的运动训练预警方法,其特征在于,所述将所述肌电数据导入疲劳预测模型,生成疲劳预测报告,包括:

获取样本选择指令,并根据所述样本选择指令从所述肌电数据或预设的肌电数据样本库中,选取出肌电数据样本;

将所述肌电数据及所述肌电数据样本导入所述疲劳预测模型,生成所述疲劳预测报告。

6.一种运动训练预警装置,其特征在于,包括:

采集模块,用于采集用户的肌电数据;

判断模块,用于对所述肌电数据进行处理判断所述用户是否处于肌肉疲劳状态;

警告模块,用于当判断结果为所述用户处于所述肌肉疲劳状态时,输出警告信号;

预测模块,用于当判断结果为所述用户未处于所述肌肉疲劳状态时,将所述肌电数据导入疲劳预测模型,生成疲劳预测报告,所述疲劳预测报告中包括所述用户达到所述肌肉疲劳状态的预测所需时间;

其中,所述用户达到所述肌肉疲劳状态的预测所需时间的计算包括:

利用采集到的肌电数据,计算出各个时刻的中值频率IMDF和平均频率IMNF,再结合利用IMDF和IMNF进行曲线拟合得到的肌肉运动的动态变化趋势,计算IMDF值和IMNF值要达到设定的阈值的剩余时间TIMDF及TIMNF,根据TIMDF及TIMNF来计算最终的达到肌肉疲劳的预测所需时间Tresidual

7.如权利要求6所述的装置,其特征在于,还包括:

识别模块,用于识别当前的运动项目,并读取所述运动项目对应的标准动作;

对比模块,用于根据所述肌电数据识别用户的运动动作,并将所述运动动作与所述标准动作进行对比,得到动作对比数据;

指导模块,用于根据所述动作对比数据输出动作指导数据。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于深圳市未来健身科技有限公司,未经深圳市未来健身科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201710377573.X/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top