数据处理方法、装置和健身机器人与流程
本发明属于智能健身技术领域，尤其涉及一种数据处理方法、装置和健身机器人。
背景技术：
一些智能健身产品，例如，可穿戴式健身产品、内置有健身APP的便携式智能通讯终端等可以采集用户健身数据。鲜有的一些智能健身产品，可以根据用户减重目标、减重时间、个人喜好等提供健身计划。
但是，由于各方面的因素，用户的健身状态很难维持在恒定的水平。一些突发事件或不可抗因素也会影响用户健身计划的完成，这使得原有的健身计划无法适应用户的现状，造成健身计划无法完成。
用户在每次健身状态发生变化时，为了能够完成原有健身计划制定的健身目标，需要人工对健身计划进行调整，是的用户必须大量重复输入原始体征、减重时间、个人喜好等用户信息，手动更新健身计划。同时，由于健身计划的变更，基于新的用户信息，导致用户健身历史相对割裂，不便于对用户健身情况进行跟踪。
技术实现要素：
本发明实施例提供了一种数据处理方法、装置和健身机器人，能够根据获得的用户运动数据，对用户的健身计划及时调整，保证原始健身目标的顺利完成。
第一方面，提供了一种数据处理方法，可以包括：
根据用户运动数据计算预定时间间隔内用户的热量消耗；根据预定时间间隔内用户的热量消耗和获得的预定时间间隔内用户的体重变化，预测未来的预定时间间隔内用户的热量消耗和对应的体重变化；依据获得的用户的热量消耗和获得的用户的体重变化，以及预测获得的热量消耗和预测获得的体重变化，判断用户能否完成预期健身计划；根据判断结果，修正预期健身计划中的预定时间间隔内用户的指定热量消耗和用户的指定体重变化。
在第一种可能的实现方式中，上述根据预定时间间隔内用户的热量消耗和获得的预定时间间隔内用户的体重变化，预测未来的预定时间间隔内用户的热量消耗和对应的体重变化，可以包括：
根据预定时间间隔内用户的热量消耗和获得的预定时间间隔内用户的体重变化，通过最小二乘法预测未来的预定时间间隔内用户的热量消耗和对应的体重变化。
结合上述可能的实现方式，在第二种可能的实现方式中，上述根据预定时间间隔内用户的热量消耗和获得的预定时间间隔内用户的体重变化，预测未来的预定时间间隔内用户的热量消耗和对应的体重变化，可以包括：
通过Kt＝w1×Kt-1+w2×Kt-2+w3×Kt-3+…+wn×Kt-n预测未来的预定时间间隔内用户的热量消耗；
通过预测得到的未来的预定时间间隔内用户的热量消耗Kt和预定时间间隔内用户的体重变化计算所述Kt对应的体重变化；
其中，Kt为预测的第t个预定时间间隔内用户的热量消耗，n为用户实际运动预定时间间隔数，Kt-n为第t-n个预定时间间隔内用户的热量消耗，wn为第t-n个预定时间间隔内用户的热量消耗的权重，w1+w2+…+wn＝1。
结合上述可能的实现方式，在第三种可能的实现方式中，上述数据处理方法还可以包括：
基于采集的用户运动数据识别用户的运动动作；将运动动作与预设动作进行比对，当运动动作与预设动作不匹配时，生成动作纠正指令，对用户的运动动作进行纠正。
结合上述可能的实现方式，在第四种可能的实现方式中：
上述用户运动数据可以包括用户的运动动作的幅度。
上述将运动动作与预设动作进行比对，当运动动作与预设动作不匹配时，生成动作纠正指令，对用户的运动动作进行纠正，可以包括：
将运动动作的幅度与预设动作的幅度进行比对，当运动动作的幅度超出预设动作的指定幅度范围时，生成动作纠正指导指令，对用户的运动动作进行纠正。
结合上述可能的实现方式，在第五种可能的实现方式中：
用户运动数据可以包括用户的运动动作的频次。
上述将运动动作与预设动作进行比对，当运动动作与预设动作不匹配时，生成动作纠正指令，对用户的运动动作进行纠正，可以包括：
将运动动作的频次与预设动作的指定频次范围进行比对，当运动动作的频次不在预设动作的指定频次范围时，生成包括动作纠正提示消息的动作纠正指令，对用户的运动动作进行纠正。
结合上述可能的实现方式，在第六种可能的实现方式中：
用户运动数据可以包括用户的体征数据。
上述当运动动作的幅度超出预设动作的指定幅度范围时，生成动作纠正指导指令，对用户的运动动作进行纠正之前，还可以包括：
根据用户的体征数据获得用户的特征体征数据，其中，特征体征数据包括用户的肩部位置数据和髋部位置数据；基于特征体征数据对用户平面进行定位。
结合上述可能的实现方式，在第七种可能的实现方式中：
上述数据处理方法还包括：
当通过用户运动数据判定用户在预定时间间隔内未完成用户的指定热量消耗且处于空闲状态时，通过预定规则对用户进行惩罚；
和/或，
当通过用户运动数据判定用户在预定时间间隔内完成用户的指定热量消耗时，获取用户运动数据中用户在不同时段的图像数据，并发出提示消息以提示用户将图像数据转发至网络社交平台
第二方面，提供了一种数据处理装置，可以包括：实际热量计算单元、预测单元、判断单元和修正单元。
该实际热量计算单元可以用于根据用户运动数据计算预定时间间隔内用户的热量消耗。
该预测单元可以用于根据预定时间间隔内用户的热量消耗和获得的预定时间间隔内用户的体重变化，预测未来的预定时间间隔内用户的热量消耗和对应的体重变化。
该判断单元可以用于依据获得的用户的热量消耗和获得的用户的体重变化，以及预测获得的热量消耗和预测获得的体重变化，判断用户能否完成预期健身计划。
该修正单元可以用于根据判断结果，修正预期健身计划中的预定时间间隔内用户的指定热量消耗和用户的指定体重变化。
在第一种可能的实现方式中，该预测单元还可以用于：根据预定时间间隔内用户的热量消耗和获得的预定时间间隔内用户的体重变化，通过最小二乘法预测未来的预定时间间隔内用户的热量消耗和对应的体重变化。
结合上述可能的实现方式，在第二种可能的实现方式中，上述预测单元还可以用于：
通过Kt＝w1×Kt-1+w2×Kt-2+w3×Kt-3+…+wn×Kt-n预测未来的预定时间间隔内用户的热量消耗；
通过预测得到的未来的预定时间间隔内用户的热量消耗Kt和预定时间间隔内用户的体重变化计算所述Kt对应的体重变化；
其中，Kt为预测的第t个预定时间间隔内用户的热量消耗，n为用户实际运动预定时间间隔数，Kt-n为第t-n个预定时间间隔内用户的热量消耗，wn为第t-n个预定时间间隔内用户的热量消耗的权重，w1+w2+…+wn＝1。
结合上述可能的实现方式，在第三种可能的实现方式中，上述数据处理装置，还可以包括：运动动作识别单元和运动动作纠正单元。
该运动动作识别单元可以用于基于采集的用户运动数据识别用户的运动动作。
该运动动作纠正单元可以用于将运动动作与预设动作进行比对，当运动动作与预设动作不匹配时，生成动作纠正指令，对用户的运动动作进行纠正。
结合上述可能的实现方式，在第四种可能的实现方式中，上述用户运动数据可以包括用户的运动动作的幅度。
该运动动作纠正单元还可以用于：将运动动作的幅度与预设动作的幅度进行比对，当运动动作的幅度超出预设动作的指定幅度范围时，生成动作纠正指导指令，对用户的运动动作进行纠正。
结合上述可能的实现方式，在第五种可能的实现方式中，上述用户运动数据可以包括用户的运动动作的频次。
该运动动作纠正单元还可以用于：将运动动作的频次与预设动作的指定频次范围进行比对，当运动动作的频次不在预设动作的指定频次范围时，生成包括动作纠正提示消息的动作纠正指令，对用户的运动动作进行纠正。
结合上述可能的实现方式，在第六种可能的实现方式中，上述用户运动数据可以包括用户的体征数据。
该运动动作纠正单元还可以用于：根据用户的体征数据获得用户的特征体征数据，其中，特征体征数据包括用户的肩部位置数据和髋部位置数据；基于特征体征数据对用户平面进行定位。
结合上述可能的实现方式，在第七种可能的实现方式中：
上述数据处理装置还可以包括：
惩罚单元，用于当通过用户运动数据判定用户在预定时间间隔内未完成用户的指定热量消耗且处于空闲状态时，通过预定规则对用户进行惩罚；
和/或，
转发单元，用于当通过用户运动数据判定用户在预定时间间隔内完成用户的指定热量消耗时，获取用户运动数据中用户在不同时段的图像数据，并发出提示消息以提示所述用户将图像数据转发至网络社交平台。
第三方面，提供了一种健身机器人，可以包括上述数据处理装置。
在第一种可能的实现方式中，该健身机器人还可以包括：
输入装置，用于获得用户运动数据，与数据处理装置相连接，将获得的用户运动数据发送给数据处理装置。
执行机构，与数据处理装置相连接，用于接收数据处理装置发出的动作纠正指令，执行动作纠正指令对用户动作进行纠正。
结合上述可能的实现方式，在第一种可能的实现方式中，上述执行机构还可以用于：保持健身机器人所在平面平行于用户平面。
根据本发明实施例提供的数据处理方法、装置和健身机器人，通过用户运动数据计算预定时间间隔内用户的热量消耗，根据预定时间间隔内用户的热量消耗和获得的预定时间间隔内用户的体重变化，预测未来的预定时间间隔内用户的热量消耗和对应的体重变化。从而判断预期健身计划中的健身目标能否完成，并根据判断结果对预期健身计划中的预定时间间隔内用户的指定热量消耗和用户的指定体重变化进行修正。
保证预期健身计划中的健身目标能够顺利完成，无需用户人工对健身计划进行调整，使得用户无需重复输入原始体征、减重时间、个人喜好等用户信息进行手动更新健身计划。同时，由于每次健身计划的调整都是基于获得的用户运动数据，使得被修正的健身计划作为一个健身阶段，记录在用户完成健身目标的整体健身历史中，便于对用户健身情况进行跟踪。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对本发明实施例中所需要使用的附图作简单地介绍，显而易见地，下面所描述的附图仅仅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。
图1是本发明的一种实施例的数据处理方法的示意性流程图；
图2是本发明的另一种实施例的数据处理方法的示意性流程图；
图3是本发明的一种实施例的数据处理装置的示意性结构框图；
图4是本发明的另一种实施例的数据处理装置的示意性结构框图；
图5是本发明的一种实施例的数据处理装置的计算设备实现的示意性结构框图；
图6是本发明的一种实施例的健身机器人的示意性结构框图；
图7是本发明的另一种实施例的健身机器人的示意性结构框图；
图8是本发明的再一种实施例的健身机器人的示意性结构框图；
图9是本发明的一种实施例的健身机器人指导用户健身的示例性流程图。
具体实施方式
下面将详细描述本发明的各个方面的特征和示例性实施例。在下面的详细描述中，提出了许多具体细节，以便提供对本发明的全面理解。但是，对于本领域技术人员来说很明显的是，本发明可以在不需要这些具体细节中的一些细节的情况下实施。下面对实施例的描述仅仅是为了通过示出本发明的示例来提供对本发明的更好的理解。本发明决不限于下面所提出的任何具体配置和算法，而是在不脱离本发明的精神的前提下覆盖了元素、部件和算法的任何修改、替换和改进。在附图和下面的描述中，没有示出公知的结构和技术，以便避免对本发明造成不必要的模糊。
需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。本发明的实施例以健身数据的处理为例进行说明。
图1是本发明的一种实施例的数据处理方法的示意性流程图。如图1所示，该数据处理方法可以包括步骤S110～S140。
S110，基于获得的用户运动数据计算预定时间间隔内用户的热量消耗。上述用户运动数据可以包括多种数据类型，并且通过多种方式获得。
在一些示例中，上述用户运动数据可以包括用户的运动类型、运动时间、运动强度等。上述用户运动数据还可以包括用户体征数据，例如，年龄、身高、性别、体重、心率等。上述用户运动数据还可以包括用户的其他与运动中或运动后热量消耗有关的数据，例如，用户的饮食状况数据、用户的健身偏好数据等。
在一些示例中，上述用户运动数据可以通过各种智能终端中包含的各类传感器采集获得。例如，通过手机或平板电脑中内置的加速度传感器、陀螺仪等能够感知用户动作或体征数据的传感器获得。例如，也可以通过智能穿戴设备，例如，通过运动手环、智能运动耳机、智能运动衣等获得。当然，这些用户运动数据还可以通过用户直接输入获得。
在一些示例中，上述预定时间间隔仅仅作为统计用户单位时间的热量消耗的时间单元，所以可以是各种时间单位。例如，可以是一天、一周或以小时为单位。在这里不做限定。
S120，根据预定时间间隔内用户的热量消耗和获得的预定时间间隔内用户的体重变化，预测未来的预定时间间隔内用户的热量消耗和对应的体重变化。
在一些示例中，上述的获得的预定时间间隔内用户的体重变化可以根据获得的预定时间间隔内用户的热量消耗计算获得，也可以通过直接测量获得。
在一些示例中，可以通过多种方式根据预定时间间隔内用户的热量消耗和获得的预定时间间隔内用户的体重变化，预测未来的预定时间间隔内用户的热量消耗和对应的体重变化。例如，可以通过最小二乘法、分类算法或神经网络算法预测未来的预定时间间隔内用户的热量消耗和对应的体重变化。
S130，依据获得的用户的热量消耗和获得的用户的体重变化，以及预测获得的热量消耗和预测获得的体重变化，判断用户能否完成预期健身计划。
在一些示例中，上述预期健身计划可以通过用户手动定制，也可以通过采集的用户数据结合现有的或者来自网络服务器中收集的健身相关数据分析获得。
在一个示例中，用户输入数据为：体重：60千克(kg)；性别：女性；健身目标是：30天内减重2.5kg。那么可以根据健身目标计算出每日平均需消耗的热量为B(单位为卡路里)，其中B＝2.5÷30×7000，这里的7000是每减重1kg所消耗卡路里。
再根据用户输入的饮食的卡路里摄入情况的C卡，以及日常基础代谢和运动消耗的D卡，计算出用户健身所需消耗的目标卡路里E卡：E＝B-D+C
然后根据用户输入的运动偏好或根据智能终端通过传感器长时间感知的用户的运动偏好(如跑步，瑜伽等)，选择出对应的运动项目。
例如，可以在选择出对应的运动项目后向用户进行确认，根据用户健身所需消耗的目标卡路里E卡，以及各类运动与消耗卡路里的对应关系，计算出用户每日的运动时间，完成用户预期健身计划的建立。例如：用户的目标卡路里E卡为350卡，运动偏好为健身操，假设健身操平均每小时消耗的热量为350卡，则可计算出每日运动时间为1小时。
S140，根据判断结果，修正预期健身计划中的预定时间间隔内用户的指定热量消耗和用户的指定体重变化。
在一些示例中，可以通过预测获得的热量消耗和预测获得的体重变化计算在预期健身计划的完成时刻，用户能够消耗的总热量及总的体重变化。将计算获得的能够消耗的总热量及总的体重变化与预期健身计划的健身目标进行对比。
例如，如果计算获得的能够消耗的总热量及总的体重变化小于预期健身计划的健身目标的热量消耗及体重变化，那么在预期健身计划的剩余时间中需要修正预期健身计划中预定时间间隔内用户的指定热量消耗和用户的指定体重变化，来达到完成预期健身计划中制定的健身目标的目的。
因此，上述数据处理方法可以通过获得的用户运动数据计算预定时间间隔内用户的热量消耗，根据预定时间间隔内用户的热量消耗和获得的预定时间间隔内用户的体重变化，预测未来的预定时间间隔内用户的热量消耗和对应的体重变化。从而判断预期健身计划中的健身目标能否完成，并根据判断结果对预期健身计划中的预定时间间隔内用户的指定热量消耗和用户的指定体重变化进行修正。
保证预期健身计划中计划的健身目标能够顺利完成，无需用户人工对健身计划进行调整，使得用户无需重复输入原始体征、减重时间、个人喜好等用户信息进行手动更新健身计划。同时，由于每次健身计划的调整都是基于获得的用户运动数据，使得被修正的健身计划作为一个健身阶段记录在用户完成健身目标的整体健身历史中，便于对用户健身情况进行跟踪。
根据一些实施例，S120可以包括，可以通过Kt＝w1×Kt-1+w2×Kt-2+w3×Kt-3+…+wn×Kt-n预测未来的预定时间间隔内用户的热量消耗。可以通过预测得到的未来的预定时间间隔内用户的热量消耗Kt和预定时间间隔内用户的体重变化计算Kt对应的体重变化。
其中，Kt为预测的第t个预定时间间隔内用户的热量消耗，n为用户实际运动预定时间间隔数，Kt-n为第t-n个预定时间间隔内用户的热量消耗，wn为第t-n个预定时间间隔内用户的热量消耗的权重，w1+w2+…+wn＝1。
在上述实施例的一些示例中，以一天时间为预定时间间隔为例，获得用户每日实际消耗的卡路里Kn(n为实际已健身的天数)，和每日实际减重Wn(例如，单位为kg)，经过一个阶段n天的健身后(例如，实际已健身10天，则n＝10)，在第t天内用户的体重变化和热量消耗，可以利用最小二乘法计算直接方程进行预测：
Wt＝a+b×Kt (1)
其中，系数a和b可以通过公式(2)和公式(3)计算获得：
a＝(∑Wn)/n–b×(∑Kn)/n (2)
b＝[n×∑(Kn×Wn)-(∑Kn×∑Wn)]/(n×∑Kn2-∑Kn×∑Wn) (3)
在第t天内用户的热量消耗，可以通过公式(4)计算获得：
Kt＝w1×Kt-1+w2×Kt-2+w3×Kt-3+…+wn×Kt-n (4)
在公式(4)中，Kt为预测的第t天内用户的热量消耗，n为实际已健身的天数，Kt-n为第t-n天内用户的热量消耗，wn为第t-n天内用户的热量消耗的权重，w1+w2+…+wn＝1。
在一些示例中，其中权重wn可以采用经验法获得，例如，初始可采用平均权重的方式进行计算，后续可以根据预测数据的准确率进行调整。
在上述实施例的另一些示例中，在S130和S140中：
在预测出用户在健身第t天的减重Wt后，可以计算预测出用户在预期健身计划的截止时间的总减重值Wf，其中Wf＝∑Wt，其中，t＝T，T为健身计划总天数。可以将Wf和预期健身计划的原始目标减重值W进行对比，得出偏差值
在一些示例中，可以修正每日预期减重目标
在一些示例中，可以利用公式(1)重新预测出后续每日应消耗的卡路里Kt修，根据Kt修重新调整健身计划。
图2是本发明的另一种实施例的数据处理方法的示意性流程图。如图2所示，上述的数据处理方法还可以包括步骤S210和S220。
S210，基于采集的用户运动数据识别用户的运动动作。
S210中基于采集的用户运动数据识别用户的运动动作可以通过多种方式。在一些示例中，可以通过传感器、摄像头或穿戴设备采集用户的动作角度、动作幅度、动作频率、动作力量等的动作数据，或运动心率，消耗卡路里、用户形体等用户的体征数据。
例如，可以采用一个或多个摄像头获取用户的实时动作，从视频中提取出有效的运动特征(如用户动态特征，用户形体特征点，景深等参数)，通过对人体运动模型的建模，识别出用户的动作、位置和姿态等。
例如，用户的运动心率和消耗卡路里等数据可以由可穿戴设备实时采集。
S220，将运动动作与预设动作进行比对，当运动动作与预设动作不匹配时，生成动作纠正指令，对用户的运动动作进行纠正。
在一些示例中，S220中的预设动作可以是从云服务器中下载相关的健身动作训练模型数据。
基于上述示例，可以将识别的用户运动动作与上述健身动作训练模型数据进行匹配，根据不同的健身运动场景判断用户的动作是否正确，如果不正确，生成动作纠正指令，对用户的运动动作进行纠正。
在一些示例中，上述用户运动数据可以包括用户的运动动作的幅度。
那么S220可以包括：将运动动作的幅度与预设动作的幅度进行比对，当
运动动作的幅度超出预设动作的指定幅度范围时，生成动作纠正指导指令，对用户的运动动作进行纠正。
在另一些示例中，上述用户运动数据可以包括用户的运动动作的频次。那么S220可以包括：
将运动动作的频次与预设动作的指定频次范围进行比对，当运动动作的频次不在预设动作的指定频次范围时，生成包括动作纠正提示消息的动作纠正指令，对用户的运动动作进行纠正。
例如，在场景一中：
健身动作，如健腹，扩胸，使用器械进行力量训练等，如果偏差率超过预设门限值(如表1所示)则判断为不符合，例如，如果动作频率为一分钟15次时，判断为不符合，生成包括动作纠正提示消息的动作纠正指令，对用户的运动动作进行纠正。例如，告知用户现执行的动作频率，提示用户加快运动速度。
表1，动作特征对比表
例如，在场景二中：
健身动作，如瑜伽动作，根据用户的信息，如年龄、性别、历史受训程度等，来判断用户动作的到位程度是否符合要求，若不符合则可以生成动作纠正指令，对用户的运动动作进行纠正。
在一些示例中，如果用户在短时间内一直不能完成正确动作，也可以下调预设门限，或者调整健身计划，为用户选择一些低难度或低强度的健身运动。
为了降低用户运动动作的识别难度和简化动作纠正指令，采集的用户运动数据还可以包括用户的体征数据。上述S220之前，还可以包括：
根据用户的体征数据获得用户的特征体征数据，其中，特征体征数据包括用户的肩部位置数据和髋部位置数据。基于特征体征数据对用户平面进行定位。
在一些示例中，可以将用户运动动作分为上肢动作和下肢动作，可以通过识别用户的肩部位置定位用户上肢动作的动作比对平面，可以基于上述动作比对平面对用户运动动作进行识别，并生成动作纠正指令，简化了用户识别和纠正指令生成的维度数据。从而降低用户运动动作的识别难度和简化动作纠正指令。
根据一些实施例，上述数据处理方法还包括：
当通过用户运动数据判定用户在预定时间间隔内未完成用户的指定热量消耗且处于空闲状态时，通过预定规则对用户进行惩罚。例如，根据用户的运动数据计算用户一天之内的热量消耗，当所述热量消耗小于指定热量消耗，且通过用户运动数据判断用户当前处于空闲状态时，可以通过预定规则对用户进行惩罚。例如，让用户将自己的丑照发送至网络社交平台等。
在上述实施例的一些示例中，上述数据处理方法还包括：
当通过用户运动数据判定用户在预定时间间隔内完成用户的指定热量消耗时，获取用户运动数据中用户在不同时段的图像数据，并发出提示消息以提示所述用户将图像数据转发至网络社交平台。在一些示例中，上述预定时间间隔可以是多种时间单元，还可以多个预定时间间隔的组合，例如计划的整个健身周期。上述不同时段的图像数据，例如，可以是用户健身前、健身中和健身后的照片或视频。通过上述方法可以有效对用户执行健身计划的过程进行进度，提高用户健身的自觉性。
上文中结合图1和图2，详细描述了根据本发明实施例的数据处理方法，下面将结合图3至图9，详细描述根据本发明实施例的数据处理装置和健身机器人。
图3是本发明的一种实施例的数据处理装置的示意性结构框图。如图3所示，该数据处理装置300，可以包括：实际热量计算单元310、预测单元320、判断单元330和修正单元340。
实际热量计算单元310可以用于基于获得的用户运动数据计算预定时间间隔内用户的热量消耗。
预测单元320可以用于根据预定时间间隔内用户的热量消耗和获得的预定时间间隔内用户的体重变化，预测未来的预定时间间隔内用户的热量消耗和对应的体重变化。
判断单元330可以用于依据获得的用户的热量消耗和获得的用户的体重变化，以及预测获得的热量消耗和预测获得的体重变化，判断用户能否完成预期健身计划。
修正单元340可以用于根据判断结果，修正预期健身计划中的预定时间间隔内用户的指定热量消耗和用户的指定体重变化。
根据本发明实施例的数据处理装置300可对应于根据本发明实施例的数据处理方法中的执行主体，并且数据处理装置300中的各个单元的上述功能分别为了实现图1和图2中的各个方法的相应流程，为了简洁，在此不再赘述。
因此，上述数据处理装置可以通过获得的用户运动数据计算预定时间间隔内用户的热量消耗，根据预定时间间隔内用户的热量消耗和获得的预定时间间隔内用户的体重变化，预测未来的预定时间间隔内用户的热量消耗和对应的体重变化。从而判断预期健身计划中的健身目标能否完成，并根据判断结果对预期健身计划中的预定时间间隔内用户的指定热量消耗和用户的指定体重变化进行修正。
保证预期健身计划中计划的健身目标能够顺利完成，无需用户人工对健身计划进行调整，使得用户无需重复输入原始体征、减重时间、个人喜好等用户信息进行手动更新健身计划。同时，由于每次健身计划的调整都是基于获得的用户运动数据，使得被修正的健身计划作为一个健身阶段记录在用户完成健身目标的整体健身历史中，便于对用户健身情况进行跟踪。
在一些示例中，上述预测单元320还可以用于：通过Kt＝w1×Kt-1+w2×Kt-2+w3×Kt-3+…+wn×Kt-n预测未来的预定时间间隔内用户的热量消耗。通过预测得到的未来的预定时间间隔内用户的热量消耗Kt和预定时间间隔内用户的体重变化计算所述Kt对应的体重变化。
图4是本发明的另一种实施例的数据处理装置的示意性结构框图。如图4所示，该数据处理装置400可以包括：实际热量计算单元410、预测单元420、判断单元430、修正单元440、运动动作识别单元450和运动动作纠正单元460。
其中，实际热量计算单元410、预测单元420、判断单元430和修正单元440，与图3中的实际热量计算单元310、预测单元320、判断单元330和修正单元340功能类似。
运动动作识别单元450可以用于基于采集的用户运动数据识别用户的运动动作。
运动动作纠正单元460可以用于将运动动作与预设动作进行比对，当运动动作与预设动作不匹配时，生成动作纠正指令，对用户的运动动作进行纠正。
在一些示例中，该运动动作纠正单元还可以用于：将运动动作的幅度与预设动作的幅度进行比对，当运动动作的幅度超出预设动作的指定幅度范围时，生成动作纠正指导指令，对用户的运动动作进行纠正。
在一些示例中，上述用户运动数据可以包括用户的运动动作的频次。
该运动动作纠正单元还可以用于：将运动动作的频次与预设动作的指定频次范围进行比对，当运动动作的频次不在预设动作的指定频次范围时，生成包括动作纠正提示消息的动作纠正指令，对用户的运动动作进行纠正。
在一些示例中，上述用户运动数据可以包括用户的体征数据。
该运动动作纠正单元还可以用于：根据用户的体征数据获得用户的特征体征数据，其中，特征体征数据包括用户的肩部位置数据和髋部位置数据；基于特征体征数据对用户平面进行定位。
根据一些实施例，上述数据处理装置还包括：
惩罚单元，用于当通过用户运动数据判定用户在预定时间间隔内未完成用户的指定热量消耗且处于空闲状态时，通过预定规则对用户进行惩罚。例如，根据用户的运动数据计算用户一天之内的热量消耗，当所述热量消耗小于指定热量消耗，且通过用户运动数据判断用户当前处于空闲状态时，可以通过预定规则对用户进行惩罚。例如，让用户将自己的丑照发送至网络社交平台等。例如，语音通知或通过屏幕显示对用户进行惩罚的项目，并通过输入装置对用户数据进行采集，以对用户是否完成惩罚进行监督。
在上述实施例的一些示例中，上述数据处理装置还包括：
转发单元，用于当通过用户运动数据判定用户在预定时间间隔内完成用户的指定热量消耗时，获取用户运动数据中用户在不同时段的图像数据，并发出提示消息以提示所述用户将图像数据转发至网络社交平台。在一些示例中，上述预定时间间隔可以是多种时间单元，还可以多个预定时间间隔的组合，例如计划的整个健身周期。上述不同时段的图像数据，例如，可以是用户健身前、健身中和健身后的照片或视频。通过上述惩罚单元和/或转发单元，可以有效对用户执行健身计划的过程进行进度，提高用户健身的自觉性。
图5是本发明的一种实施例的数据处理装置的计算设备实现的示意性结构框图。如图5所示，结合上述的数据处理方法和数据处理装置的至少一部分可以由计算设备500实现，包括处理器503、存储器504和总线510。
在一些实例中，该计算设备500还可以包括输入设备501、输入端口502、输出端口505、以及输出设备506。其中，输入端口502、处理器503、存储器504、以及输出端口505通过相互连接，输入设备501和输出设备506分别通过输入端口502和输出端口505与总线510连接，进而与计算设备500的其他组件连接。
需要说明的是，这里的输出接口和输入接口也可以用I/O接口表示。具体地，输入设备501接收来自外部的输入信息，并通过输入端口502将输入信息传送到处理器503；处理器503基于存储器504中存储的计算机可执行指令对输入信息进行处理以生成输出信息，将输出信息临时或者永久地存储在存储器504中，然后通过输出端口505将输出信息传送到输出设备506；输出设备506将输出信息输出到计算设备500的外部。
相比上述的数据处理装置，一些用户更喜欢能够伴随自身运动的健身机器人，图6是本发明的一种实施例的健身机器人的示意性结构框图。如图6所示，该健身机器人600，可以包括上述数据处理装置300。
因此，上述健身机器人可以通过获得的用户运动数据计算预定时间间隔内用户的热量消耗，根据预定时间间隔内用户的热量消耗和获得的预定时间间隔内用户的体重变化，预测未来的预定时间间隔内用户的热量消耗和对应的体重变化。从而判断预期健身计划中的健身目标能否完成，并根据判断结果对预期健身计划中的预定时间间隔内用户的指定热量消耗和用户的指定体重变化进行修正。
保证预期健身计划中计划的健身目标能够顺利完成，无需用户人工对健身计划进行调整，使得用户无需重复输入原始体征、减重时间、个人喜好等用户信息进行手动更新健身计划。同时，由于每次健身计划的调整都是基于获得的用户运动数据，使得被修正的健身计划作为一个健身阶段记录在用户完成健身目标的整体健身历史中，便于对用户健身情况进行跟踪。
图7是本发明的另一种实施例的健身机器人的示意性结构框图。如图7所示，该健身机器人700包括：输入装置710、数据处理装置720和执行机构730。
输入装置710用于获得用户运动数据，与数据处理装置720相连接，将获得的用户运动数据发送给数据处理装置720。
该输入装置710可以是能够采集用户运动数据的穿戴设备、摄像头、传感器的设备或用于接收上述设备发来的用户运动数据的通信单元。
执行机构730与数据处理装置720相连接，可以用于接收数据处理装置720发出动作纠正指令，执行动作纠正指令对用户动作进行纠正。
为了降低用户运动动作的识别难度和简化动作纠正指令，在一些示例中，健身机器人700的执行机构730还可以用于当上述数据处理装置对用户平面进行定位后，保持健身机器人所在平面平行于用户平面。
例如，可以通过识别用户的髋部位置定位用户下肢动作的动作比对平面最为用户平面，数据处理装置向执行机构发出动作指令保持健身机器人所在平面平行于用户平面，例如，使健身机器人始终保持正对用户平面，可以使健身机器人在识别和纠正用户运动动作时，只在动作比对平面中的两个维度上进行，从而降低用户运动动作的识别难度和简化动作纠正指令。
图8是本发明的再一种实施例的健身机器人的示意性结构框图。如图8所示，该健身机器人可以包括主板810和其他周边的功能部件。传感器模组801、按钮802分别与主板810的I/O模块连接，麦克风阵列803与主板810的音视频编解码模块连接，主板810的触摸显示控制器可以接收触摸显示屏804的触控输入并提供显示驱动信号，电机伺服控制器可以根据程序指令驱动电机及编码器807驱动机械腿\机械臂811形成机器人的移动和肢体语言，声音可以由音频编解码模块输出经功率放大器808推动扬声器812得到。
主板810还可以包括处理器及存储器，存储器除了存储执行上述数据处理方法的计算机可执行指令外及其配置文件外，也可以包括健身机器人执行健身教练工作时所需的音视频和图像文件等，还可以包括程序运行时的一些临时文件。主板810的通信模块806提供机器人与外部网络的通信功能，例如可以是近程无线通信的蓝牙、WiFi模块。主板810还可以包括电源管理模块，通过连接的电源系统805实现设备的电池充放电和节能管理。
在一些示例中，当图8所示的健身机器人中的处理器执行上述数据处理方法时，处理器通过I/O模块接收传感器模组801、麦克风阵列803和触摸显示屏804发来的用户运动数据，该处理器基于存储器中存储的计算机可执行指令，根据用户运动数据计算预定时间间隔内用户的热量消耗；根据预定时间间隔内用户的热量消耗和获得的预定时间间隔内用户的体重变化，预测未来的预定时间间隔内用户的热量消耗和对应的体重变化；依据获得的用户的热量消耗和获得的用户的体重变化，以及预测获得的热量消耗和预测获得的体重变化，判断用户能否完成预期健身计划；根据判断结果，修正预期健身计划中的预定时间间隔内用户的指定热量消耗和用户的指定体重变化。随后在需要时，经由扬声器812、触摸显示屏804或驱动机械腿\机械臂811按照修正后的健身计划输出相应的对用户进行健身指导的健身指令。
上述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本发明实施例方案的目的。
图9是本发明的一种实施例的健身机器人指导用户健身的示例性流程图。如图9所示，该健身机器人指导用户健身的过程可以包括如下步骤：
S910，通过扫描或者用户输入的方式来获取用户的体征信息(包括身高，体重，体型，含脂量，静止心率等)，并获取用户的饮食和健身偏好(如偏好素食，喜欢力量训练等)，以及获取用户的健身目标(如一个月之内减重2.5KG)，根据上述用户数据制定用户预期健身计划。
S920，根据用户的健身需求，健身机器人可以制定出每日推荐食谱，同时跟踪用户饮食，提供实时饮食数据分析，例如，通过扫描用户的饮食计算出用户的卡路里摄入情况，可以通过用户的其他智能设备如手机或可穿戴设备等协助进行跟踪。
S930，跟踪用户运动状态，并对用户运动数据进行分析，可以通过用户的其他设备如手机或可穿戴设备等协助对用户的预期健身计划进行跟踪。
S940，根据用户健身数据对未来用户的预期健身计划的完成情况进行预测并在预测上述预期健身计划无法完成时及时调整上述预期健身计划。
S950，陪伴用户健身，通过用户运动数据对用户运动动作进行识别和纠正。
S960，通过上述用户运动数据判断用户是否处于空闲状态。
S970，结合用户的预期健身计划，判断用户在预定时间间隔内未完成用户的指定热量消耗且处于空闲状态时，对用户进行提醒或惩罚。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。
- 还没有人留言评论。精彩留言会获得点赞！