一种运动行为识别方法、装置及运动强度监测系统的制作方法
【专利摘要】本发明公开了一种运动行为识别方法，包括：获取反映运动者实际运动行为的实际数据集；将处理后的实际数据集分别与动作特征库中每个预置动作对应的预置数据集进行数据匹配，并将匹配度最高的预置动作确定为所述运动者的运动行为。本发明还公开了一种运动行为识别装置和一种运动强度监测系统。通过该技术方案，可准确识别运动者的运动行为及监测运动者的运动强度。
【专利说明】—种运动行为识别方法、装置及运动强度监测系统
【技术领域】
[0001]本发明涉及电子器械应用【技术领域】，尤其涉及一种运动行为识别方法、装置及运动强度监测系统。
【背景技术】
[0002]随着人们的健身认识不断提高，如何科学有效的监测和指导健身者的运动行为和运动强度，已经逐渐成为大家关注的焦点问题。目前比较普遍的做法是利用计步器来统计健身者的运动步数，并依此来计算运动者的能量消耗，然后再通过互联网等技术手段，把相关结果展现给用户，从而防止用户运动量不足，或运动过量的一种工具。
[0003]虽然这种方式在一定程度上满足了对运动者的运动状态进行跟踪和记录的需求，但是利用计步器只能比较准确的识别步行和跑步行为，不能识别其它更多的运动行为。基于此，由于现有的计步器等工具存在无法识别多种运动行为的局限性，使得计步器对人体能量消耗计算的针对性不强，进而导致计算结果的准确性较低。
【发明内容】
[0004]有鉴于此，本发明实施例的主要目的在于提供一种运动行为识别方法、装置及运动强度监测系统，以实现准确识别运动者运动行为的目的。
[0005]为实现上述目的，本发明实施例提供了一种运动行为识别方法，包括:
[0006]获取反映运动者实际运动行为的实际数据集；
[0007]将处理后的实际数据集分别与动作特征库中每个预置动作对应的预置数据集进行数据匹配，并将匹配度最高的预置动作确定为所述运动者的运动行为。
[0008]本发明实施例还提供了一种运动行为识别装置，包括:
[0009]实际数据获取模块，用于获取反映运动者实际运动行为的实际数据集；
[0010]运动行为匹配模块，用于将处理后的实际数据集分别与动作特征库中每个预置动作对应的预置数据集进行数据匹配，并将匹配度最高的预置动作确定为所述运动者的运动行为。
[0011]本发明实施例还提供了一种运动强度监测系统，包括:运动行为识别装置、心率监护装置及运动强度监测装置；
[0012]所述运动行为识别装置，用于识别运动者的运动行为；
[0013]所述心率监护装置，用于监测所述运动者的休息心率，并根据所述休息心率确定所述运动者的疲劳状态；或，监测所述运动者的锻炼心率，并根据所述锻炼心率确定所述运动者的疲劳状态；
[0014]所述运动强度监测装置，用于根据所述运动行为和所述疲劳状态确定所述运动者的运动强度是否合理。
[0015]本发明实施例提供的运动行为识别方法、装置及运动强度监测系统，通过获取反映运动者实际运动行为的实际数据集；将处理后的实际数据集分别与动作特征库中每个预置动作对应的预置数据集进行数据匹配，并将匹配度最高的预置动作确定为所述运动者的运动行为。本技术方案，通过实时对运动者的运动数据进行采集，并利用这些数据将运动者的运动行为与动作特征库中既存的预置动作进行相似度匹配，以将匹配度最高的预置动作作为运动者的实际动作，从而可准确识别运动者的动作姿势，进而通过动作姿势的识别，让人体能量消耗的计算更有针对性，并可提高计算结果的准确性。
【专利附图】
【附图说明】
[0016]为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0017]图1为本发明实施例提供的运动行为识别方法的流程示意图；
[0018]图2为本发明实施例提供的实际数据集获取方法的流程示意图；
[0019]图3为本发明实施例提供的三个加速轴上的采样数据曲线图；
[0020]图4为本发明实施例提供的加速度坐标系与固定坐标系的示意图；
[0021]图5为本发明实施例提供的三轴重力加速度传感器垂直坐标系示意图；
[0022]图6为本发明实施例提供的运动行为识别装置的结构框图；
[0023]图7为本发明实施例提供的运动强度监测系统的组成示意图；
[0024]图8为本发明实施例提供的运动强度监测系统的结构示意图。
【具体实施方式】
[0025]为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，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，都属于本发明保护的范围。
[0026]参见图1，为本发明实施例提供的运动行为识别方法的流程示意图，该方法应用于一种运动行为识别装置，实现该方法的步骤包括:
[0027]步骤101:获取反映运动者实际运动行为的实际数据集。
[0028]步骤102:将处理后的实际数据集分别与动作特征库中每个预置动作对应的预置数据集进行数据匹配，并将匹配度最高的预置动作确定为所述运动者的运动行为。
[0029]对于步骤101，参见图2，为本发明实施例提供的实际数据集获取方法的流程示意图，实现步骤101的步骤包括:
[0030]步骤201:利用三轴重力加速度传感器以设定时间间隔连续采集每个采样点的三轴加速度分量。
[0031]步骤202:当确定所述采样点的类型为瞬时静止点或正向加速最大幅值点或负向加速最大幅值点时，确定所述采样点为特征采样点，并将所述特征采样点的三轴加速度分量存入存储器内。
[0032]通过观察人们的日常健身动作，如行走过程中的摆臂及步伐、仰卧起坐过程中的身体弯曲、俯卧撑过程中身体的起伏等，发现它们都具有以下共同特性:[0033]第一、往复性；第二、往复点的瞬时静止性；第三、动作力量与加速度正相关，即动作力量越大，则加速度越大；第四、动作周期与动作频率反相关，即一个动作周期越短，则动作频率越高。针对上述特征，可利用三轴重力加速度传感器采集加速度数据，典型的，数据输出曲线如图3所示，图中曲线由各个采样点的加速度值连接而成，图中圆点为特征采样点。
[0034]当启动三轴重力加速度传感器后，会获取到所述三轴重力加速度传感器输出的与每个加速轴对应的加速度分量，这时可利用下述公式计算每个采样点的合力加速度值A.11Sum.[0035]
【权利要求】
1.一种运动行为识别方法，其特征在于，包括: 获取反映运动者实际运动行为的实际数据集； 将处理后的实际数据集分别与动作特征库中每个预置动作对应的预置数据集进行数据匹配，并将匹配度最高的预置动作确定为所述运动者的运动行为。
2.根据权利要求1所述的方法，其特征在于，所述获取反映运动者实际运动行为的实际数据集，具体包括: 利用三轴重力加速度传感器以设定时间间隔连续采集每个采样点的三轴加速度分量; 当确定所述采样点的类型为瞬时静止点或正向加速最大幅值点或负向加速最大幅值点时，确定所述采样点为特征采样点，并将所述特征采样点的三轴加速度分量存入存储器内； 利用设定数量的特征采样点计算所述运动者的实际动作频率，并将所述实际动作频率存入存储器内； 从所述设定数量的特征采样点中提取类型为瞬时静止点的各个特征采样点，对于每个提取特征采样点所在的三个加速轴，确定所述三个加速轴中每个加速轴所在平面与水平平面之间的偏移角度，并将所述偏移角度存入存储器内。
3.根据权利要求2所述的方法，其特征在于，所述确定所述采样点的类型为瞬时静止点或正向加速最大幅值点或负向加速最大幅值点，具体包括: 利用公式Asum * Jx+Ar*` Av+Jz - 4汁算所述采样点的第一合力加速度值A.，其中，Ax为所述采样点的X轴加速度分量，Ay为所述采样点的Y轴加速度分量，AZ为所述采样点的Z轴加速度分量； 获取所述第一合力加速度值与重力加速度值的差值的第一绝对值； 当所述第一绝对值小于预设差值时，获取第二合力加速度值与重力加速度值的差值的第二绝对值，以及第三合力加速度值与重力加速度值的差值的第三绝对值；如果所述第二绝对值和所述第三绝对值均大于所述第一绝对值，则确定所述采样点的类型为瞬时静止占.当所述第一绝对值不小于所述预设差值时，如果所述第一合力加速度值大于所述重力加速度值，且第二合力加速度值与第三合力加速度值均小于所述第一合力加速度值，则获取所述采样点的三个加速度分量中绝对值最大的加速度分量；如果所述获取的加速度分量为正值，则确定所述采样点的类型为正向加速最大幅值点，如果所述获取的加速度分量为负值，则确定所述采样点的类型为负向加速最大幅值点； 其中，所述第二合力加速度值为所述采样点的前一采样点的合力加速度值，所述第三合力加速度值为所述采样点的后一采样点的合力加速度值。
4.根据权利要求2所述的方法，其特征在于，所述设定数量的特征采样点包括2N + I个类型为瞬时静止点的第一特征采样点、以及每两个第一特征采样点间采集的类型为正向加速最大幅值点的第二特征采样点或类型为负向加速最大幅值点的第三特征采样点； 其中，每相邻两个第一特征采样点间的采样时间差大于第一时间且小于第二时间，所述第一时间小于所述第二时间，N为整数且大于或等于I。
5.根据权利要求4所述的方法，其特征在于，所述利用设定数量的特征采样点计算所述运动者的实际动作频率，具体包括: 利用公式F = N / (T O -T S)计算所述运动者的实际动作频率F ； 其中，T O为所述2 N + I个第一特征采样点中第一个特征采样点的采样时间，T S为所述2 N+ I个第一特征采样点中最后一个特征采样点的采样时间。
6.根据权利要求2所述的方法，其特征在于，在所述获取反映运动者实际运动行为的实际数据集之后还包括:对所述实际数据集中的数据进行处理； 所述对所述实际数据集中的数据进行处理，具体包括: 从所述设定数量的特征采样点中提取类型为正向加速最大幅值点的特征采样点，从所述存储器中获取所提取的各个特征采样点的三轴加速度分量，并计算相同加速轴的加速度分量均值，以得到X轴正向分量均值、Y轴正向分量均值和Z轴正向分量均值； 从所述设定数量的特征采样点中提取类型为负向加速最大幅值点的特征采样点，从所述存储器中获取所提取的各个特征采样点的三轴加速度分量，并计算相同加速轴的加速度分量均值，以得到X轴负向分量均值、Y轴负向分量均值和Z轴负向分量均值； 从所述设定数量的特征采样点中提取所有起点采样点和所有终点采样点，其中，所述所有起点采样点为所述设定数量的特征采样点中除最后一个静止采样点外的所有静止采样点，所述 所有终点采样点为所述设定数量的特征采样点中除第一个静止采样点外的所有静止采样点，所述静止采样点为类型为瞬时静止点的特征采样点； 从所述存储器中分别获取各个起点采样点对应的X加速轴所在平面与水平平面之间的偏移角度，并计算各个偏移角度的均值，以得到第一X轴偏移角度均值；从所述存储器中分别获取各个起点采样点对应的Y加速轴所在平面与水平平面之间的偏移角度，并计算各个偏移角度的均值，以得到第一 Y轴偏移角度均值；从所述存储器中分别获取各个起点采样点对应的Z加速轴所在平面与水平平面之间的偏移角度，并计算各个偏移角度的均值，以得到第一Z轴偏移角度均值； 从所述存储器中分别获取各个终点采样点对应的X加速轴所在平面与水平平面之间的偏移角度，并计算各个偏移角度的均值，以得到第二X轴偏移角度均值；从所述存储器中分别获取各个终点采样点对应的Y加速轴所在平面与水平平面之间的偏移角度，并计算各个偏移角度的均值，以得到第二 Y轴偏移角度均值；从所述存储器中分别获取各个终点采样点对应的Z加速轴所在平面与水平平面之间的偏移角度，并计算各个偏移角度的均值，以得到第二 Z轴偏移角度均值。
7.根据权利要求6所述的方法，其特征在于，所述将处理后的实际数据集分别与动作特征库中每个预置动作对应的预置数据集进行数据匹配，并将匹配度最高的预置动作确定为所述运动者的运动行为，具体包括: 分别计算所述X轴正向分量均值与动作特征库中每个X轴正向最大加速值之间的第一差值，对各个第一差值取绝对值并从中提取一个最小绝对值，其中，每个X轴正向最大加速值分别与动作特征库中的一个预置动作相对应； 分别计算所述Y轴正向分量均值与动作特征库中每个Y轴正向最大加速值之间的第二差值，对各个第二差值取绝对值并从中提取一个最小绝对值，其中，每个Y轴正向最大加速值分别与动作特征库中的一个预置动作相对应；分别计算所述Z轴正向分量均值与动作特征库中每个Z轴正向最大加速值之间的第三差值，对各个第三差值取绝对值并从中提取一个最小绝对值，其中，每个Z轴正向最大加速值分别与动作特征库中的一个预置动作相对应； 分别计算所述X轴负向分量均值与动作特征库中每个X轴负向最大加速值之间的第四差值，对各个第四差值取绝对值并从中提取一个最小绝对值，其中，每个X轴负向最大加速值分别与动作特征库中的一个预置动作相对应； 分别计算所述Y轴负向分量均值与动作特征库中每个Y轴负向最大加速值之间的第五差值，对各个第五差值取绝对值并从中提取一个最小绝对值，其中，每个Y轴负向最大加速值分别与动作特征库中的一个预置动作相对应； 分别计算所述Z轴负向分量均值与动作特征库中每个Z轴负向最大加速值之间的第六差值，对各个第六差值取绝对值并从中提取一个最小绝对值，其中，每个Z轴负向最大加速值分别与动作特征库中的一个预置动作相对应； 分别计算所述第一X轴偏移角度均值与动作特征库中每个第一X轴预置偏移角度之间的第七差值，对各个第七差值取绝对值并从中提取一个最小绝对值，其中，每个第一 X轴预置偏移角度分别与动作特征库中的一个预置动作相对应； 分别计算所述第一Y轴偏移角度均值与动作特征库中每个第一Y轴预置偏移角度之间的第八差值，对各个第八差值取绝对值并从中提取一个最小绝对值，其中，每个第一 Y轴预置偏移角度分别与动作特征库中的一个预置动作相对应； 分别计算所述第一Z轴偏移角度均值与动作特征库中每个第一Z轴预置偏移角度之间的第九差值，对各个第九差值取绝对值并从中提取一个最小绝对值，其中，每个第一 Z轴预置偏移角度分别与动作特征库中的一个预置动作相对应； 分别计算所述第二X轴偏移角度均值与动作特征库中每个第二X轴预置偏移角度之间的第十差值，对各个第十差值取绝对值并从中提取一个最小绝对值，其中，每个第二 X轴预置偏移角度分别与动作特征库中的一个预置动作相对应； 分别计算所述第二Y轴偏移角度均值与动作特征库中每个第二Y轴预置偏移角度之间的第十一差值，对各个第十一差值取绝对值并从中提取一个最小绝对值，其中，每个第二Y轴预置偏移角度分别与动作特征库中的一个预置动作相对应； 分别计算所述第二Z轴偏移角度均值与动作特征库中每个第二Z轴预置偏移角度之间的第十二差值，对各个第十二差值取绝对值并从中提取一个最小绝对值，其中，每个第二Z轴预置偏移角度分别与动作特征库中的一个预置动作相对应； 分别计算所述实际动作频率与动作特征库中每个预置动作频率之间的第十三差值，对各个第十三差值取绝对值并从中提取一个最小绝对值，其中，每个预置动作频率分别与动作特征库中的一个预置动作相对应； 确定所提取的各个最小绝对值分别对应的预置动作，从确定的预置动作中提取对应最小绝对值数最多的一个预置动作，并将提取的预置动作确定为所述运动者的运动行为。
8.根据权利要求1至7任一项所述的方法，其特征在于，所述方法还包括: 当利用所述实际数据集无法与动作特征库中每个预置动作对应的预置数据集进行数据匹配时，将利用所述三轴重力加速度传感器采集的三轴加速度分量上传至服务器； 接收所述服务器下发的识别结果并将所述识别结果添加到所述动作特征库中，所述识别结果为所述服务器根据所述采集的三轴加速度分量确定的匹配动作及与所述匹配动作对应的预置数据集；或，接收到所述服务器下发的包含无法正确识别运行行为的反馈消息。
9.根据权利要求2所述的方法，其特征在于，所述方法还包括: 在利用所述三轴重力加速度传感器采集当前采样点的三轴加速度分量的同时，利用GP S传感器检测所述运动者当前时刻的位置信息； 根据采样识别周期内检测到的位置信息确定所述运动者的位置偏移距离，所述采样识别周期为所述设定数量的特征采样点中第一个采样点与最后一个采样点间的时间差；如果所述位置偏移距离小于预设偏移距离，则确定所述运动者原地活动。
10.一种运动行为识别装置，其特征在于，包括: 实际数据获取模块，用于获取反映运动者实际运动行为的实际数据集； 运动行为匹配模块，用于将处理后的实际数据集分别与动作特征库中每个预置动作对应的预置数据集进行数据匹配，并将匹配度最高的预置动作确定为所述运动者的运动行为。
11.根据权利要求10所述的装置，其特征在于，所述实际数据获取模块，具体包括: 实时数据采集单元，用于利用三轴重力加速度传感器以设定时间间隔连续采集每个采样点的三轴加速度分量； 分量数据获取单元，用于当确定所述采样点的类型为瞬时静止点或正向加速最大幅值点或负向加速最大幅值点时，确定所述采样点为特征采样点，并将所述特征采样点的三轴加速度分量存入存储器内； 动作频率获取单元，用于利用设定数量的特征采样点计算所述运动者的实际动作频率，并将所述实际动作频率存入存储器内； 偏移角度获取单元，用于从所述设定数量的特征采样点中提取类型为瞬时静止点的各个特征采样点，对于每个提取特征采样点所在的三个加速轴，确定所述三个加速轴中每个加速轴所在平面与水平平面之间的偏移角度，并将所述偏移角度存入存储器内。
12.根据权利要求11所述的装置，其特征在于，所述分量数据获取单元，具体包括: 合力值计算子单元，用于利用公式
13.根据权利要求11所述的装置，其特征在于，所述设定数量的特征采样点包括2N +I个类型为瞬时静止点的第一特征采样点、以及每两个第一特征采样点间采集的类型为正向加速最大幅值点的第二特征采样点或类型为负向加速最大幅值点的第三特征采样点； 其中，每相邻两个第一特征采样点间的采样时间差大于第一时间且小于第二时间，所述第一时间小于所述第二时间，N为整数且大于或等于I。
14.根据权利要求11所述的装置，其特征在于，所述装置还包括: 实际数据处理模块，用于在所述实际数据获取模块获取反映运动者实际运动行为的实际数据集之后，对所述实际数据集中的数据进行处理； 所述实际数据处理模块，具体包括: 正向分量均值获取单元，用于从所述设定数量的特征采样点中提取类型为正向加速最大幅值点的特征采样点，从所述存储器中获取所提取的各个特征采样点的三轴加速度分量，并计算相同加速轴的加速度分量均值，以得到X轴正向分量均值、Y轴正向分量均值和Z轴正向分量 均值； 负向分量均值获取单元，用于从所述设定数量的特征采样点中提取类型为负向加速最大幅值点的特征采样点，从所述存储器中获取所提取的各个特征采样点的三轴加速度分量，并计算相同加速轴的加速度分量均值，以得到X轴负向分量均值、Y轴负向分量均值和Z轴负向分量均值； 起终采样点获取单元，用于从所述设定数量的特征采样点中提取所有起点采样点和所有终点采样点，其中，所述所有起点采样点为所述设定数量的特征采样点中除最后一个静止采样点外的所有静止采样点，所述所有终点采样点为所述设定数量的特征采样点中除第一个静止采样点外的所有静止采样点，所述静止采样点为类型为瞬时静止点的特征采样占.第一角度均值获取单元，用于从所述存储器中分别获取各个起点采样点对应的X加速轴所在平面与水平平面之间的偏移角度，并计算各个偏移角度的均值，以得到第一 X轴偏移角度均值；从所述存储器中分别获取各个起点采样点对应的Y加速轴所在平面与水平平面之间的偏移角度，并计算各个偏移角度的均值，以得到第一 Y轴偏移角度均值；从所述存储器中分别获取各个起点采样点对应的Z加速轴所在平面与水平平面之间的偏移角度，并计算各个偏移角度的均值，以得到第一 Z轴偏移角度均值； 第二角度均值获取单元，用于从所述存储器中分别获取各个终点采样点对应的X加速轴所在平面与水平平面之间的偏移角度，并计算各个偏移角度的均值，以得到第二 X轴偏移角度均值；从所述存储器中分别获取各个终点采样点对应的Y加速轴所在平面与水平平面之间的偏移角度，并计算各个偏移角度的均值，以得到第二 Y轴偏移角度均值；从所述存储器中分别获取各个终点采样点对应的Z加速轴所在平面与水平平面之间的偏移角度，并计算各个偏移角度的均值，以得到第二 Z轴偏移角度均值。
15.根据权利要求14所述的装置，其特征在于，所述运动行为匹配模块，具体包括: 第一最小值获取单元，用于分别计算所述X轴正向分量均值与动作特征库中每个X轴正向最大加速值之间的第一差值，对各个第一差值取绝对值并从中提取一个最小绝对值，其中，每个X轴正向最大加速值分别与动作特征库中的一个预置动作相对应； 第二最小值获取单元，用于分别计算所述Y轴正向分量均值与动作特征库中每个Y轴正向最大加速值之间的第二差值，对各个第二差值取绝对值并从中提取一个最小绝对值，其中，每个Y轴正向最大加速值分别与动作特征库中的一个预置动作相对应； 第三最小值获取单元，用于分别计算所述Z轴正向分量均值与动作特征库中每个Z轴正向最大加速值之间的第三差值，对各个第三差值取绝对值并从中提取一个最小绝对值，其中，每个Z轴正向最大加速值分别与动作特征库中的一个预置动作相对应； 第四最小值获取单元，用于分别计算所述X轴负向分量均值与动作特征库中每个X轴负向最大加速值之间的第四差值，对各个第四差值取绝对值并从中提取一个最小绝对值，其中，每个X轴负向最大加速值分别与动作特征库中的一个预置动作相对应； 第五最小值获取单元，用于分别计算所述Y轴负向分量均值与动作特征库中每个Y轴负向最大加速值之间的第五差值，对各个第五差值取绝对值并从中提取一个最小绝对值，其中，每个Y轴负向最大加速值分别与动作特征库中的一个预置动作相对应； 第六最小值获取单元，用于分别计算所述Z轴负向分量均值与动作特征库中每个Z轴负向最大加速值之间的第六差值，对各个第六差值取绝对值并从中提取一个最小绝对值，其中，每个Z轴负向最大加速值分别与动作特征库中的一个预置动作相对应； 第七最小值获取单元，用于分别计算所述第一 X轴偏移角度均值与动作特征库中每个第一 X轴预置偏移角度之间的第七差值，对各个第七差值取绝对值并从中提取一个最小绝对值，其中，每个第一X轴预置偏移角度分别与动作特征库中的一个预置动作相对应；第八最小值获取单元，用于分别计算所述第一 Y轴偏移角度均值与动作特征库中每个第一 Y轴预置偏移角度之间的第八差值，对各个第八差值取绝对值并从中提取一个最小绝对值，其中，每个第一Y轴预置偏移角度分别与动作特征库中的一个预置动作相对应；第九最小值获取单元，用于分别计算所述第一 Z轴偏移角度均值与动作特征库中每个第一 Z轴预置偏移角度之间的第九差值，对各个第九差值取绝对值并从中提取一个最小绝对值，其中，每个第一 Z轴预置偏移角度分别与动作特征库中的一个预置动作相对应；第十最小值获取单元，用于分别计算所述第二 X轴偏移角度均值与动作特征库中每个第二 X轴预置偏移角度之间的第十差值，对各个第十差值取绝对值并从中提取一个最小绝对值，其中，每个第二X轴预置偏移角度分别与动作特征库中的一个预置动作相对应； 第十一最小值获取单元，用于分别计算所述第二 Y轴偏移角度均值与动作特征库中每个第二 Y轴预置偏移角度之间的第十一差值，对各个第十一差值取绝对值并从中提取一个最小绝对值，其中，每个第二Y轴预置偏移角度分别与动作特征库中的一个预置动作相对应； 第十二最小值获取单元，用于分别计算所述第二 Z轴偏移角度均值与动作特征库中每个第二 Z轴预置偏移角度之间的第十二差值，对各个第十二差值取绝对值并从中提取一个最小绝对值，其中，每个第二Z轴预置偏移角度分别与动作特征库中的一个预置动作相对应； 第十三最小值获取单元，用于分别计算所述实际动作频率与动作特征库中每个预置动作频率之间的第十三差值，对各个第十三差值取绝对值并从中提取一个最小绝对值，其中，每个预置动作频率分别与动作特征库中的一个预置动作相对应； 运动行为匹配单元，用于确定所提取的各个最小绝对值分别对应的预置动作，从确定的预置动作中提取对应最小绝对值数最多的一个预置动作，并将提取的预置动作确定为所述运动者的运动行为。
16.根据权利要求11至15任一项所述的装置，其特征在于，所述装置还包括: 采集数据上传模块，用于当利用所述实际数据集无法与动作特征库中每个预置动作对应的预置数据集进行数据匹配时，将利用所述三轴重力加速度传感器采集的三轴加速度分量上传至服务器； 反馈数据接收模块，用于接收所述服务器下发的识别结果并将所述识别结果添加到所述动作特征库中，所述识别结果为所述服务器根据所述采集的三轴加速度分量确定的匹配动作及与所述匹配动作对应的预置数据集；或，接收到所述服务器下发的包含无法正确识别运行行为的反馈消息。
17.一种运动强度监测系统，其特征在于，包括:如权利要求11至16任一项所述的运动行为识别装置、心率监护装置及运动强度监测装置； 所述运动行为识别装置，用于识别运动者的运动行为； 所述心率监护装置，用于监测所述运动者的休息心率，并根据所述休息心率确定所述运动者的疲劳状态； 或，监测所述运动者的锻炼心率，并根据所述锻炼心率确定所述运动者的疲劳状态； 所述运动强度监测装置，用于根据所述运动行为和所述疲劳状态确定所述运动者的运动强度是否合理。
【文档编号】G06F19/00GK103699795SQ201310712927
【公开日】2014年4月2日 申请日期:2013年12月20日 优先权日:2013年12月20日
【发明者】李永春, 李强, 单日强, 李治刚 申请人:东软熙康健康科技有限公司