一种深蹲运动辅助系统及穿戴设备

1.本实用新型涉及人体运动姿态检测技术领域，尤其涉及一种深蹲运动辅助系统及穿戴设备。


背景技术：

2.有研究表明，深蹲运动有利于促进膝关节康复，可以作为十字韧带的术后康复等膝关节康复运动。但深蹲运动对人体运动姿态的要求较高，深蹲姿态不正确时膝关节容易向前移动引起半月板的受力，反倒适得其反。
3.目前，主要应用动作识别技术和kinect体感技术估计人体运动姿态。动作识别技术一般采用图像处理方法识别人体动作，对动作整体解析有一定的实用性，但其不适用于便捷、低功耗的嵌入式应用。kinect体感技术同样存在传感器和处理器体积大、功耗高等问题，也不适用于便携、低功耗的嵌入式应用。


技术实现要素：

4.为了克服现有技术的缺陷，本实用新型提供一种深蹲运动辅助系统及穿戴设备，能够应用便携、低功耗的嵌入式设备监测用户的深蹲姿态，辅助用户以正确姿态进行深蹲运动。
5.为了解决上述技术问题，第一方面，本实用新型一实施例提供一种深蹲运动辅助系统，包括第一检测模块、第二检测模块、第三检测模块、用户终端、云服务器；
6.所述第一检测模块，用于采集人体左膝弯曲数据，并将所述人体左膝弯曲数据发送至所述用户终端；
7.所述第二检测模块，用于采集人体右膝弯曲数据，并将所述人体右膝弯曲数据发送至所述用户终端；
8.所述第三检测模块，用于采集人体腰部姿态数据，并将所述人体腰部姿态数据发送至所述用户终端；
9.所述用户终端，用于将所述人体左膝弯曲数据、所述人体右膝弯曲数据、所述人体腰部姿态数据整合上传至所述云服务器；
10.所述云服务器，用于根据所述人体左膝弯曲数据、所述人体右膝弯曲数据、所述人体腰部姿态数据，向所述用户终端下发深蹲运动姿态监测结果。
11.进一步地，所述第一检测模块包括第一传感单元、第一控制单元、第一通信单元；
12.所述第一传感单元，用于实时采集所述人体左膝弯曲数据，并将所述人体左膝弯曲数据传输至所述第一控制单元；
13.所述第一控制单元，用于将所述人体左膝弯曲数据传输至所述第一通信单元；
14.所述第一通信单元，用于将所述人体左膝弯曲数据发送至所述用户终端。
15.进一步地，所述第二检测模块包括第二传感单元、第二控制单元、第二通信单元；
16.所述第二传感单元，用于实时采集所述人体右膝弯曲数据，并将所述人体右膝弯
曲数据传输至所述第二控制单元；
17.所述第二控制单元，用于将所述人体右膝弯曲数据传输至所述第二通信单元；
18.所述第二通信单元，用于将所述人体右膝弯曲数据发送至所述用户终端。
19.进一步地，所述第三检测模块包括第三传感单元、第三控制单元、第三通信单元；
20.所述第三传感单元，用于实时采集所述人体腰部姿态数据，并将所述人体腰部姿态数据传输至所述第三控制单元；
21.所述第三控制单元，用于将所述人体腰部姿态数据传输至所述第三通信单元；
22.所述第三通信单元，用于将所述人体腰部姿态数据发送至所述用户终端。
23.进一步地，所述第一传感单元为弯曲传感器，所述第一控制单元为stm32单片机，所述第一通信单元为蓝牙通信单元。
24.进一步地，所述第二传感单元为弯曲传感器，所述第二控制单元为stm32单片机，所述第二通信单元为蓝牙通信单元。
25.进一步地，所述第三传感单元为九轴姿态传感器，所述第三控制单元为stm32单片机，所述第三通信单元为蓝牙通信单元。
26.第二方面，本实用新型一实施例提供一种适用于如上所述的深蹲运动辅助系统的穿戴设备，包括穿戴设备本体，以及设置在所述穿戴设备本体上的所述第一检测模块，所述第二检测模块、所述第三检测模块。
27.相比于现有技术，本实用新型的实施例，具有如下有益效果：
28.通过将第一检测模块、第二检测模块、第三检测模块分别与用户终端通信连接，将用户终端与云服务器通信连接，构建深蹲运动辅助系统，利用用户终端获取第一检测模块采集的人体左膝弯曲数据、第二检测模块采集的人体右膝弯曲数据、第三检测模块采集的人体腰部姿态数据，并将这些深蹲运动姿态数据上传至云服务器，使云服务器根据人体左膝弯曲数据、人体右膝弯曲数据、人体腰部姿态数据，向用户终端下发深蹲运动姿态监测结果，方便用户在深蹲运动时可以通过用户终端获知自己的深蹲姿态是否准确，从而能够应用便携、低功耗的嵌入式设备监测用户的深蹲姿态，辅助用户以正确姿态进行深蹲运动。
附图说明
29.图1为本实用新型第一实施例中的一种深蹲运动辅助系统的结构示意图；
30.图2为本实用新型第一实施例中的一种深蹲运动辅助系统的另一结构示意图；
31.图3为本实用新型第一实施例中的传感器的位置示意图；
32.图4为本实用新型第一实施例中的深蹲运动辅助系统的数据流图；
33.图5为本实用新型第一实施例中的实验分析数据实例图；
34.图6为本实用新型第一实施例中的深度学习模型计算公式的示意图；
35.其中，说明书附图1、2中的附图标记如下：
36.1：第一检测模块；11：第一传感单元；12：第一控制单元；13：第一通信单元；2：第二检测模块；21：第二传感单元；22：第二控制单元；23：第二通信单元；3：第三检测模块；31：第三检测单元；32：第三控制单元；33：第三通信单元；4：用户终端；5：云服务器。
具体实施方式
37.下面将结合本实用新型中的附图，对本实用新型中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本实用新型一部分实施例，而不是全部的实施例。基于本实用新型中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本实用新型保护的范围。
38.如图1所示，第一实施例提供一种深蹲运动辅助系统，包括第一检测模块1、第二检测模块2、第三检测模块3、用户终端4、云服务器5；第一检测模块1，用于采集人体左膝弯曲数据，并将人体左膝弯曲数据发送至用户终端4；第二检测模块2，用于采集人体右膝弯曲数据，并将人体右膝弯曲数据发送至用户终端4；第三检测模块3，用于采集人体腰部姿态数据，并将人体腰部姿态数据发送至用户终端4；用户终端4，用于将人体左膝弯曲数据、人体右膝弯曲数据、人体腰部姿态数据整合上传至云服务器5；云服务器5，用于根据人体左膝弯曲数据、人体右膝弯曲数据、人体腰部姿态数据，向用户终端4下发深蹲运动姿态监测结果。
39.可以理解的是，第一检测模块1、第二检测模块2、第三检测模块3分别与用户终端4通信连接，用户终端4与云服务器5通信连接。
40.如图2所示，作为示例性地，通过构建深蹲运动辅助系统，利用用户终端4获取第一检测模块1采集的人体左膝弯曲数据、第二检测模块2采集的人体右膝弯曲数据、第三检测模块3采集的人体腰部姿态数据，并根据mqtt协议将这些深蹲运动姿态数据上传至阿里云服务器，利用阿里云服务器的linux操作系统搭建mqtt服务器，mqtt服务器主要用于将数据进行特征提取后，用深度学习技术和特征值分析解算出深蹲运动姿态监测结果并下发至用户终端4，供用户终端4使用，同时利用阿里云服务器统计训练次数并分析出人体深蹲运动的姿态准确性和评价，使用web相关技术实现了深蹲运动辅助系统信息的查看和控制。
41.在本实施例中，第一检测模块1包括第一传感单元11、第一控制单元12、第一通信单元13；第一传感单元11，用于实时采集人体左膝弯曲数据，并将人体左膝弯曲数据传输至第一控制单元12；第一控制单元12，用于将人体左膝弯曲数据传输至第一通信单元13；第一通信单元13，用于将人体左膝弯曲数据发送至用户终端4。
42.在本实施例中，第二检测模块2包括第二传感单元21、第二控制单元22、第二通信单元23；第二传感单元21，用于实时采集人体右膝弯曲数据，并将人体右膝弯曲数据传输至第二控制单元22；第二控制单元22，用于将人体右膝弯曲数据传输至第二通信单元23；第二通信单元23，用于将人体右膝弯曲数据发送至用户终端4。
43.在本实施例中，第三检测模块3包括第三传感单元31、第三控制单元32、第三通信单元33；第三传感单元31，用于实时采集人体腰部姿态数据，并将人体腰部姿态数据传输至第三控制单元32；第三控制单元32，用于将人体腰部姿态数据传输至第三通信单元33；第三通信单元33，用于将人体腰部姿态数据发送至用户终端4。
44.可以理解的是，第一传感单元11的数据输出端与第一控制单元12的数据输入端连接，第一控制单元12的数据输出端与第一通信单元13的数据输入端连接；第二传感单元21的数据输出端与第二控制单元22的数据输入端连接，第二控制单元22的数据输出端与第二通信单元23的数据输入端连接；第三传感单元31的数据输出端与第三控制单元32的数据输入端连接，第三控制单元32的数据输出端与第三通信单元33的数据输入端连接。
45.如图3所示，第一传感单元11、第二传感单元21、第三传感单元31分别设置在人体
左膝、右膝、腰部位置。
46.在本实施例中，第一传感单元11为弯曲传感器，第一控制单元12为stm32单片机，第一通信单元13为蓝牙通信单元。
47.在本实施例中，第二传感单元21为弯曲传感器，第二控制单元22为stm32单片机，第二通信单元23为蓝牙通信单元。
48.在本实施例中，第三传感单元31为九轴姿态传感器，第三控制单元32为stm32单片机，第三通信单元33为蓝牙通信单元。
49.在本实施例的一优选实施方式中，采用flex4.5弯曲传感器作为第一传感单元11/第二传感单元21。
50.flex4.5弯曲传感器是一种测量偏转量或弯曲角度的传感器，由一种对弯曲角度敏感的电阻元件组成，覆盖在传感器的表面，不同的弯曲程度会改变电阻元件的电阻值，可通过adc电压转换获得弯曲的角度值。
51.在本实施例的一优选实施方式中，采用基于mpu9250芯片的jy902九轴姿态传感器作为第三传感单元31。
52.九轴姿态传感器可以采集加速度、角速度和磁场加速度三组三个维度的数据，这些数据经过dmp处理得到四元数，再由四元数可以算出欧拉角(俯仰角、航向角、横滚角)，即一共可以得到12个维度的运动姿态信息。
53.在本实施例的一优选实施方式中，采用stm32f103c8t6单片机作为第一控制单元12/第二控制单元22/第三控制单元32。
54.stm32单片机负责接收传感器上采集到的运动姿态数据，使用串口通信协议实现控制单元与传感单元之间的数据交换。
55.在本实施例的一优选实施方式中，采用hc
‑
05蓝牙通信单元作为第一通信单元13/第二通信单元23/第三通信单元33。
56.可以理解的是，若采用wifi通信单元作为第一通信单元13/第二通信单元23/第三通信单元33，由于大量的数据产生，必然会导致wifi网络的工作负荷加大，加之wifi网络连接需要向用户提供可操作性强的直观界面，需要设计一个oled屏幕，往往不在wifi网络的高效数据传输覆盖范围或无可靠wifi数据带宽，从而导致用户使用体验较差。
57.本实施采用hc
‑
05蓝牙通信单元作为第一通信单元13/第二通信单元23/第三通信单元33，能够以用户终端4的蓝牙组件作为蓝牙主机连接第一蓝牙通信单元、第二蓝牙通信单元、第三蓝牙通信单元，即蓝牙从机，利用移动可靠的数据处理能力，对数据进行加工处理后再上传至云服务器5，有利于降低云服务器5的处理压力。
58.作为示例性地，深蹲运动辅助系统的工作原理具体如下：
59.如图4所示，底层传感器采集到的为初始数据，受到传感器噪声信号和外界温度导致的温漂现象影响，从而不能直观的获得加速度、角速度和磁场加速度这三种数据，在x/y/z轴三个方向上运动的角度和距离。利用stm32单片机不错的计算能力，对原始数据进行一阶互补滤波算法、卡尔曼滤波算法等及硬件设计去除静态和动态误差等问题，进而将原始数据转换为可行性的中转数据。
60.通过研究多次不同实验人员的深蹲姿态数据，如图5所示，经过分析可得：动作正常时，数值上除角速度x轴有小幅波动外，其余数值均比较平稳；动作前后晃动时，加速度x
轴、角速度x轴、角度x轴(俯仰角)、磁场y轴波动较为明显；动作幅度过大时，加速度y轴、角速度y轴、角度z轴(横滚角)、磁场x/z轴波动较大。一共采用8个维度：加速度y轴、角速度x/y轴、俯仰角、横滚角、磁场高度x/y/z轴，作为中转数据，在对中转数据输入安装好的循环神经网络模型，特征提取以减少冗余量，最终形成最终数据，即常见深蹲的三种状态有：动作正常、幅度过大和前后晃动。
61.用户在深蹲运动时，系统会将底层的数据特征提取和阈值判断、封装上传，具体如下：
62.1、lstm长短期记忆网络的搭建：
63.采用lstm(long short term memory)长短期记忆网络作为主判断机制是基于tensorflow进行训练建模。将训练数据导入训练模型中，循环神经网络中，隐藏层f的输入不仅包括输入层的输出还包括上一时刻隐藏层的输出。计算公式如图6所示，其中输入为x
i
＝(a
x
,a
y
,w
x
,roll,yaw,h
x
,h
y
,h
z
)，w
ih
、w
hk
分别为隐藏层和输出层的权重输出结果为a
k
。
64.2、深蹲状态判断：
65.(1)初始化阈值：动作正常状态normal、幅度过大状态extent_big、前后晃动状态back_forth、启动电压camber、深蹲计数count。
66.(2)对阈值的判断：在两个弯曲传感器电压值之和/2>camber时，启动一个深蹲，count+＝1；将左右双膝和腰部的传感器数据转换为json形式的字符串数据，将其作为中转数据并输入至训练好的rnn循环神经网络得出特征数据，将输出的特征数据值与预先设定的三种状态阈值比较，判断深蹲状态，即动作a
k00
≥normal，动作正常；a
k01
≥extent_big，幅度过大；a
k02
≥back_forth。
67.第二实施例提供一种适用于如第一实施例所述的深蹲运动辅助系统的穿戴设备，包括穿戴设备本体，以及设置在穿戴设备本体上的第一检测模块1，第二检测模块2、第三检测模块3。
68.需要说明的是，第一传感单元11设置在穿戴设备本体上对应于人体左膝部位的位置，第二传感单元21设置在穿戴设备本体上对应于人体右膝部位的位置，第三传感单元31设置在穿戴设备本体上对应于人体腰部部位的位置。
69.本实施例通过将第一检测模块1、第二检测模块2、第三检测模块3设置在穿戴设备本体上，能够应用穿戴设备检测人体深蹲运动姿态，有利于应用便携、低功耗的嵌入式设备监测用户的深蹲姿态，辅助用户以正确姿态进行深蹲运动。
70.综上所述，本实用新型的实施例，具有如下有益效果：
71.通过将第一检测模块1、第二检测模块2、第三检测模块3分别与用户终端4通信连接，将用户终端4与云服务器5通信连接，构建深蹲运动辅助系统，利用用户终端4获取第一检测模块1采集的人体左膝弯曲数据、第二检测模块2采集的人体右膝弯曲数据、第三检测模块3采集的人体腰部姿态数据，并将这些深蹲运动姿态数据上传至云服务器5，使云服务器5根据人体左膝弯曲数据、人体右膝弯曲数据、人体腰部姿态数据，向用户终端4下发深蹲运动姿态监测结果，方便用户在深蹲运动时可以通过用户终端4获知自己的深蹲姿态是否准确，从而能够应用便携、低功耗的嵌入式设备监测用户的深蹲姿态，辅助用户以正确姿态进行深蹲运动。
72.以上所述是本实用新型的优选实施方式，应当指出，对于本技术领域的普通技术
人员来说，在不脱离本实用新型原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也视为本实用新型的保护范围。