健身运动数据的反馈方法及装置与流程

本发明属于可穿戴设备技术领域，尤其涉及一种健身运动数据的反馈方法及装置。

背景技术：

随着社会的发展，人们的健康意识越来越强，而健身也成为了许多人锻炼身体的首选方式。健身是一项需要毅力坚持且需要一定的健身知识的活动，而绝大多数人并不懂得如何正确的健身，一般都会选择请专业健身教练为自己制定合适的健身方案，并依照健身方案进行健身锻炼。由于健身是一个长期坚持的过程，短期健身的效果会难以察觉，人们难以获知此次健身是否达到了自己想要的效果，也难以获得有针对性的健身指导。

虽然以上问题可以通过请私人教练来解决，然而，一方面，请私人教练需要花费高额的费用，另一方面，私人教练也仅仅是给出健身指导，例如对于健身过程中用户是否用对了发力肌群，私人教练是无法观察到的。综上，用户实际上无法获取到关于其健身运动的准确有效的评价数据，从而可能导致其健身效果受到影响。

技术实现要素：

有鉴于此，本发明实施例提供了一种健身运动数据的反馈方法及装置，以解决现有技术中用户无法获取到关于其健身运动的准确有效的评价数据，从而可能导致其健身效果受到影响的问题。

本发明实施例的第一方面提供了一种健身运动数据的反馈方法，包括：

控制可穿戴装置中的采集模块，采集用户的健身项目对应的目标肌群的肌电数据；

根据所述肌电数据，计算所述目标肌群的肌肉运动参数，所述肌肉运动参数包括肌群运动量及肌群力量；

对所述用户进行健身动作识别，并根据所述健身项目对应的预设标准动作和所述肌电数据，对识别出的健身动作进行处理，得出所述用户的健身动作参数，所述健身动作参数包括动作持续时间及动作对比数据；

对所述肌肉运动参数及所述健身动作参数进行分析，生成并输出健身反馈数据，所述健身反馈数据包括以下的任意一种或多种：肌群运动激活度数据、肌群力量数据、肌群运动时序性数据，错误动作数据以及健身指导建议数据。

本发明实施例的第二方面提供了一种健身运动数据的反馈装置，包括：

采集模块，用于采集用户的健身项目对应的目标肌群的肌电数据；

参数计算模块，用于根据所述肌电数据，计算所述目标肌群的肌肉运动参数，所述肌肉运动参数包括肌群运动量及肌群力量；

动作对比模块，用于对所述用户进行健身动作识别，并根据所述健身项目对应的预设标准动作和所述肌电数据，对识别出的健身动作进行处理，得出所述用户的健身动作参数，所述健身动作参数包括动作持续时间及动作对比数据；

数据反馈模块，用于对所述肌肉运动参数及所述健身动作参数进行分析，生成并输出健身反馈数据，所述健身反馈数据包括以下的任意一种或多种：肌群运动激活度数据、肌群力量数据、肌群运动时序性数据，错误动作数据以及健身指导建议数据。

本发明实施例与现有技术相比存在的有益效果是：在可穿戴装置采集到健身项目对应的目标肌群的肌电数据后，基于采集到的肌电数据，一方面直接计算目标肌群的肌肉运动参数，另一方面，识别用户的健身动作，并基于识别出的健身动作计算用户的健身动作参数，从而实现了对用户健身运动多种数据的自动获取识别，再基于计算出的肌肉运动参数和健身动作参数，对用户的健身运动进行多方面分析，并将最终得出的健身反馈数据反馈给用户，使得用户能根据健身反馈数据获知本次健身运动的详细情况，并对自身的健身运动进行调整，从而保证了用户健身运动的效果。

附图说明

为了更清楚地说明本发明实施例中的技术方案，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性的前提下，还可以根据这些附图获得其他的附图。

图1是本发明实施例一提供的健身运动数据的反馈方法的实现流程图；

图2是本发明实施例二提供的健身运动数据的反馈方法的实现流程图；

图3是本发明实施例三提供的健身运动数据的反馈方法的实现流程图；

图4是本发明实施例四提供的健身运动数据的反馈方法的实现流程图；

图5是本发明实施例五提供的健身运动数据的反馈方法的实现流程图；

图6是本发明实施例六提供的健身运动数据的反馈方法的实现流程图；

图7是本发明实施例七提供的健身运动数据的反馈装置的结构示意图。

具体实施方式

以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本发明实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本发明。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本发明的描述。

首先，对本发明实施例中提及的可穿戴装置进行解释说明。在本发明实施例中，可穿戴装置可以是可穿戴式的智能健身衣，也可以是可穿戴、可贴附式的一个或多个采集模块的集合。

其中，当可穿戴装置为可穿戴式的智能健身衣时，其可以是由柔性面料制成的衣服或裤子，且在柔性面料贴近人体皮肤的一侧镶嵌有多个采集模块。每个采集模块固定于智能健身衣的不同位置点，以使得用户穿上该智能健身衣之后，各个采集模块能够贴附于用户身体的各块肌肉。在可穿戴装置中，还镶嵌有至少一个控制模块，每个采集模块分别与该控制模块通信相连。现有技术中，一般仅采用一个控制模块，来实现对采集模块的控制。

在具体实现中，示例性地，可穿戴装置中还可以安置有电线及电路板，其中，电路板用于固定各类通讯总线以及采集模块。此外，电路板及其各个焊接处都包裹有防水胶，作为一种具体的实现方式，通过在衣物上固定防水的走线，使得该可穿戴装置能够被洗涤。

特别地，当采集模块与控制模块通信相连时，每个采集模块中可以仅包含具有体感传感器功能的采集电极，也可以包含具有采集功能的集成电路。上述采集电极包括但不限于织物电极、橡胶电极以及凝胶电极等。

当可穿戴装置为可穿戴、可贴附式的一个或多个采集模块的集合时，用户可将各个采集模块灵活地固定于用户所指定的身体位置点，使得各个采集模块能够分别贴附于用户身体的指定肌肉。此时，每个采集模块为具有采集功能以及具有无线传输功能的集成电路，且该集成电路中包含上述具有体感传感器功能的采集电极。采集模块所采集到的肌电信号通过无线网络传输至远程的控制模块，该控制模块位于与采集模块配套使用的远程终端设备或远程控制盒子中。

为了说明本发明所述的技术方案，下面通过具体实施例来进行说明。

图1示出了本发明实施例一提供的健身运动数据的反馈方法的实现流程，详述如下：

S101，控制可穿戴装置中的采集模块，采集用户的健身项目对应的目标肌群的肌电数据。

其中，所需采集的肌电数据是指，对用户健身运动进行评价时所使用到的肌肉群的肌电数据。由于不同健身项目所主要锻炼到的肌肉群不尽相同，如举哑铃主要锻炼的是肱二头肌、肱三头肌及三角肌等手臂肌群及肩部肌群，而仰卧起坐主要锻炼的是腹部肌群，针对不同的健身运动，所需采集的肌电数据也不尽相同，本发明实施例中，所需采集的肌电数据具体可由用户根据实际健身运动进行设定。例如：当健身运动为举哑铃时，可将用户手臂肌群及肩部肌群的肌电数据设定为所需采集使用的肌电数据。

本发明实施例中，用户在激活可穿戴装置后，需要对肌电数据进行选择设定。可穿戴装置在接收到用户设定的肌电数据及设定完成指令后，激活相应的采集模块，开始对用户的肌电数据进行采集记录。若用户在激活可穿戴装置后的预设时间内(如五分钟)，没有设定肌电数据，默认延用用户上一次的肌电数据设定，若为首次激活可穿戴装置或上一次的肌电数据设定数据丢失，则默认激活全部的采集模块进行肌电数据采集。

作为本发明的一个具体实施例，技术人员可以预先对人体的肌肉进行肌肉群划分，并通过提供人机交互界面，供至用户进行肌电数据的选择设定，此时用户只需选择好健身运动时想要进行健身运动评价的肌肉群，即可设定该肌肉群作为肌电数据采集对象。例如：预先将人体肌肉简单划分为腿部肌群、胸部肌群、背部肌群、腹部肌群、肩部肌群及手部肌群，用户进行仰卧起坐时，可直接选择将腹部肌群设定为肌电数据采集对象。

作为本发明的另一个具体实施例，为了方便用户的使用，技术人员可预先设定好多种不同的健身项目，如举哑铃模式、仰卧起坐模式、俯卧撑模式等，并为每种不同的健身项目设定好对应的肌肉群，该对应的肌肉群即为该健身项目对应的肌电数据采集对象，此时，用户只需在激活可穿戴装置后，选定相应的健身项目即可。

S102，根据所述肌电数据，计算所述目标肌群的肌肉运动参数，所述肌肉运动参数包括肌群运动量及肌群力量。

其中，肌群运动量是指肌群在健身运动中的总运动量，肌群力量是指肌群在健身运动中的发力情况，如肌群在某个健身动作中的最大发力以及肌群发力的时间等。用户进行健身运动时，肌群运动量是否到位以及肌群力量使用是否正确，都直接关系到本次健身是否能达到预定的锻炼目标，因此，本发明实施例中，会根据采集到的肌电数据，对用户的肌群运动量以及肌群力量进行计算，以帮助用户进行健身运动中的肌群情况的分析。

作为本发明实施例实现利用肌电数据计算肌群运动量及肌群力量的一种具体方法。在进行肌群力量计算时，根据肌肉发力越大其产生的肌电信号越强这一特性，利用肌电数据的大小来对肌群发力大小进行表征，并将采集到肌电数据的时间作为肌群发力的时间，即本发明实施例中，采集到的肌电数据越大，则认为其对应的肌群发力越大。利用本方法计算肌群力量，存在计算简单且可行性较高的优点，但由于肌电与肌力大小并非简单的线性对应关系，即本方法计算得到的肌群力量准确度较低，仅能做到利用肌电数据简单估计肌群的发力情况，无法进行更进一步的分析。

为了提高利用肌电数据计算肌群力量的准确度，作为本发明实施例的另一个具体实现方法，优选地，利用SVM支持向量机建立肌电数据与肌力数据之间的关系模型，并对关系模型进行学习训练，最后根据采集到的肌电数据，利用关系模型来计算肌群力量与肌群运动量。

在进行肌群运动量计算时，可以采用将肌群上采集到的肌电数据对时间进行积分，并将得出的积分结果用来表征肌群运动量，也可以计算肌群力量中肌群发力的次数，并以发力次数标准肌群运动量。

S103，对所述用户进行健身动作识别，并根据所述健身项目对应的预设标准动作和所述肌电数据，对识别出的健身动作进行处理，得出所述用户的健身动作参数，所述健身动作参数包括动作持续时间及动作对比数据。

其中，动作持续时间是指用户健身运动时，保持一个动作不变的时间，由于健身项目，对用户动作保持时间有较高的要求，如平板撑，为了帮助用户了解自己动作是否做到位，本发明实施例中，会对用户健身运动时的动作持续时间进行计算。

动作对比数据，主要是指识别出来的健身动作与预设标准动作进行对比后，得出的与预设标准动作有所区别的数据，如错误动作数据。用户在健身运动时，由于个人水平限制等因素，常常无法做出比较标准的健身动作，导致健身运动的效果常常差强人意，本发明实施例中，为了帮助用户改善健身动作不标准的情况，在采集到用户的肌电数据之后，还会通过肌电数据识别出用户的健身动作，并将识别出来的健身动作与预测标准动作进行对比，判断用户健身动作是否标准。

作为S103的一个健身动作识别的具体实现方法，作为本发明的实施例二，包括：

S201：通过预设算法在所述肌电数据中截取肌电数据活跃段。

对任一采集时刻之前已经获取到的肌电数据，提取出其对应于动作执行时的信号片段，提取出的这些信号片段为上述肌电数据活跃段。在每个肌电数据活跃段所对应的起止采集时刻之间的任一时间点，判断为用户正在执行健身动作，即，每个肌电数据活跃段将被判断为健身动作所对应的有效肌电数据。

本发明实施例中，用于检测肌电数据活跃段的算法包括但不限于短时傅里叶算法、自组织人工神经网络算法以及移动平均算法等。

经过上述算法检测出肌电数据活跃段后，确定健身动作的起始点和结束点，将该肌电数据活跃段从全段肌电数据中截取出来。若任一采集时刻之前已经获取到的肌电数据，对其检测出的肌电数据活跃段有多个，则仅截取出最接近当前采集时刻的一个肌电数据活跃段。

S202：提取所述肌电数据活跃段的绝对值均值比。

由于控制模块所采集到的肌电数据分别来源于可穿戴装置上的不同采集模块，因此，根据肌电数据所携带的采集模块来源标识，控制模块将获取到的肌电数据分成N通道子信号，N为采集模块的数量。对于从肌电数据中截取出的肌电数据活跃段，其同样包含N通道子信号。

本发明实施例中，采用时域法获取肌电数据活跃段中的特征信息。为了取得更好的动作类型识别效果，特征信息选取为绝对值均值比(MAVR)特征。对绝对值均值比的提取过程主要包括：

S2021：将肌电数据活跃段转换为以拉普拉斯随机过程的形式所表示的信号。

S2022：计算该肌电数据活跃段的幅值的绝对值均值(MAV)特征，MAV特征也为该肌电数据活跃段的信号幅度的最大似然估计，其通过以下计算公式获得：

其中，si(t)代表肌电数据活跃段内第i通道子信号在时刻t所对应的肌电幅值大小，N为肌电数据活跃段的长度。

由于肌电数据活跃段包含多通道子信号，因此，肌电数据活跃段包含多个MAV特征，每一个MAV特征与一个通道的子信号对应。

S2023：根据MAV特征，通过预设的计算公式，计算肌电数据活跃段中各通道子信号的MAVR特征，该计算公式包括：

其中，C为肌电数据活跃段所包含的子信号通道总数。通过计算肌电数据活跃段的MAVR特征，实现了MAV特征的规范化，消除了健身动作力度因素对MAV特征的影响。

S203：将所述绝对值均值比输入特征预设的动作分类器，输出所述用户执行的动作的动作类型。

本发明实施例中，动作分类器包括但不限于线性判断分类器、多层感知机神经网络和支持向量机等常用的分类器。

作为本发明的一个实施示例，动作分类器为基于最小风险贝叶斯准则的马氏距离分类器时，将上述各通道子信号对应的MAVR特征输入该分类器后，分类器将各MAVR特征转换为i维特征向量，并利用预先训练完成的分类模型对该特征向量进行识别处理，从而输出对应上述肌电数据活跃段的动作类型。

将肌电数据活跃段的动作类型输出为用户执行的动作的动作类型。

S104，对所述肌肉运动参数及所述健身动作参数进行分析，生成并输出健身反馈数据，所述健身反馈数据包括以下的任意一种或多种：肌群运动激活度数据、肌群力量数据、肌群运动时序性数据，错误动作数据以及健身指导建议数据。

在S102及S103得出肌肉运动参数及健身动作参数之后，S104开始对其中的肌群运动量、肌群力量、动作持续时间以及动作对比数据进行分析，得出健身反馈数据并反馈至用户。

其中，肌群运动激活度数据主要包括三部分内容：

1、用户在健身运动中的激活肌群及未激活肌群。

由于生活习性和运动习惯等原因，个人日常对不同肌肉群的运动频率及运动强度都会有所差异，根据这些肌肉群运动频率的不同，可将肌肉群大致分为两类，运动频率较高的方便肌群以及运动频率较低的抑制肌群，如办公室的工作不太会动到臀部，维持这样的生活型态久了，臀部肌肉运动频率会很低，此时臀部肌群就可被称为抑制肌群。在健身运动时，用户会有意识或无意识的，偏向使用方便肌群来完成健身动作。以深蹲为例，由于大部分人的臀部肌群及大腿后侧肌群都是抑制肌群，在深蹲时不会使用臀部与大腿后侧肌群发力，此时为了扛起自身重量，会采用方便肌群中股四头肌群来进行发力，对于基础好的人来说，也许这是为了更好的刺激股四头肌群，且肌肉力量也足够保护膝关节，但对于大部分人来说，本来该由臀部肌群以及大腿后侧肌群来分担的力，分担给了股四头肌群，这样会对膝关节造成过大的压力。不仅如此，如不及时改正，这种错误姿势只会根深蒂固，难以更改。

在本发明实施例中，为了更好的分析用户健身运动的数据，帮助用户了解自己健身运动的具体情况，根据S102中得到的肌肉运动参数，来判断肌群的激活情况，判断健身运动中被采集肌电数据的每个肌群是否被激活，并将肌群分为激活肌群及未激活肌群两大类。

在本发明实施例中，判断肌群是否激活的方法包括但不限于：判断肌群运动量是否达到预设的阈值，达到则认为该肌群属于激活肌群，或者判断肌群力量中，肌群的发力次数是否达到预定次数，若达到则认为该肌群是激活肌群。

2、用户在健身运动中肌群的各肌群运动量。本发明实施例中肌群的运动情况主要指各肌群运动量，即每个肌群在本次健身运动中的运动量。

3、与健身项目中的目标运动激活度进行对比，得到的激活度对比数据。每个健身项目中，都会对激活肌群以及肌群运动量有一定的目标要求，如一个深蹲项目，要求激活臀部肌群以及大腿后侧肌群，并要求臀部肌群以及大腿后侧肌群均达到一定运动量。本发明实施例中，在计算出激活肌群后，还会与健身项目中的目标运动激活度进行对比，判断每个激活肌群是否激活，以及每个肌群的运动量是否达标。

本发明实施例中，肌群力量数据即S102中得出的肌群力量。

肌群运动时序性数据是指用户健身运动中，每个动作中各肌群发力的顺序，可由肌群力量中记录的每个肌群的肌群发力时间，对肌群进行运动时间排序得出。针对同一个动作，正确的发力顺序既能保证健身的效果，又能保证健身运动时的安全，因此，本发明实施例中，会计算用户的肌群运动时序性数据，以供用户了解自己的动作发力顺序是否正确。

错误动作数据，主要指用户在健身运动中所犯的一些动作错误，在S103中识别出用户的健身动作之后，将用户的健身动作与存储的标准健身动作进行对比，并将其中用户的错误进行记录，得出错误动作数据，以供用户纠正自身的健身动作。

健身指导建议数据，主要是针对用户在健身运动中出现的一些错误或可改进之处，提出的指导建议。例如：健身运动中的，针对抑制肌群未被激活，建议用户可以进行一些抑制肌群针对性练习以增加抑制肌群的运动频率，针对肌群运动量过小，建议用户在原健身项目中，增加几组动作，以增加肌群运动量，以及针对健身动作不标准，建议用户多观看标准动作视频，纠正自己的动作。通过这些健身指导建议数据，使得用户在了解到自己健身中的不足之后，还能获得针对这些不足的针对性的改进指导建议，极大的辅助提示了用户的健身效果。

作为本发明的一个具体实施例三，如图3所示，其中肌肉运动参数还包括肌群疲劳指数，详述如下：

S301，判断所述肌群疲劳指数是否超过预设阈值。

本发明实施例中，肌群疲劳指数是指肌群在健身运动中的疲劳程度，当疲劳指数超出预设的疲劳阈值时，用户就可能会产生肌肉疲劳，而一定程度的肌肉疲劳可能会导致用户肌肉出现损伤。为了保护用户再健身运动过程中的安全，在用户在进行健身运动时，会对用户进行实时的肌群疲劳检测预警。

在本发明实施例中，肌群疲劳计算方法，包括但不限于如对肌电数据的平均功率疲劳MPF表征计算，以及对肌电数据的中位频率MF表征计算等常用的肌肉疲劳计算方法，但考虑到用户在进行健身运动时，MPF和MF的稳定性均会受到极大的影响，优选地，本发明实施例采用肌电数据的中值频率IMDF和平均频率IMNF来进行肌群疲劳计算，详述如下：

由于cohen类频分布技术具有时间和频率移不变性，即使是在肌肉运动时，其中值频率IMDF和平均频率IMNF与肌肉疲劳的关联关系也是相对稳定的，因此IMDF及IMNF可以用于肌肉运动时的疲劳监测。在本发明实施例中，为了增强对肌肉运动时的疲劳判定的准确性，采用同时使用cohen类时频分布技术中的中值频率IMDF和平均频率IMNF来表征肌肉疲劳程度。

其中IMDF及IMNF的计算公式如下：

其中，f是肌电数据的频率，S(t，f)是时频频谱，由cohen类时频分布技术计算得出。

S302，若所述肌群疲劳指数超过所述预设阈值，输出肌群异常警告信号。

当S301中计算出肌群疲劳指数超过了预设的疲劳阈值，则此时用户肌群可能出现了肌肉疲劳，为了保护用户的安全，此时会输出肌群异常警告信号，告知用户需要停止健身运动，进行休息。

本发明实施例中，实时监测用户肌群是否出现疲劳，为用户健身运动的安全提供了保障，同时让用户能够根据自己的疲劳状况合理安排自己的健身运动，以提升其健身效果。

作为S103的一个具体具体实现方式，作为本发明的实施例四，如图4所示，包括：

S401，基于所述肌电数据对所述用户进行健身动作识别。

本发明实施例四中的基于肌电数据识别健身动作的方法，包括但不限于本发明实施例二中的基于肌电数据识别健身动作的方法。

S402，或，拍摄所述用户的健身动作视频，并通过解析所述健身动作视频，对所述用户进行健身动作识别。由于视频识别健身动作，并非本申请的主要发明点，本发明实施例中不对其进行限制，可使用的方法包括但不限于如常见的基于隐马尔科夫模板模型的动作识别方法等。

本发明实施例中，通过肌电数据或健身运动视频，对用户进行动作识别，为后续计算健身动作参数提供了依据，使得对用户健身运动的评价更加智能可靠。

作为本发明的另一个具体实施例五，如图5所示，在S104之后，还包括：

S501，读取所述用户的健身目标数据。

由于每个人的身体素质各有不同，有些人身体素质较佳有些人则较弱，对于相同的健身项目，身体素质不同的人承受能力也各不相同，如一个健身项目中，要求对动作重复8次，对于身体素质较佳的人来说，8次的强度过小，达不到健身锻炼的效果，而对于身体素质较弱的人来说，8次已经超出了其极限，可能会对其造成肌肉损伤。针对不同用户的不同身体素质情况，本发明实施例在对用户反馈健身指导建议数据时，还会读取用户的健身目标数据，该健身目标数据由用户根据自己的实际身体素质情况确定，并输入至可穿戴装置中。

S502，根据所述健身目标数据，对所述健身指导建议数据进行调整。

在读取到用户的健身目标数据之后，根据用户的健身目标数据来对健身指导建议数据，如判断出用户健身运动中的肌群运动量过小，但用户已经完成了健身目标数据中的所有动作，此时，原健身指导建议数据中的“建议用户在原健身项目中，增加几组动作，以增加肌群运动量”会被删除，以更好的针对用户的实际情况，提出针对有效的健身指导建议。

作为本发明的又一个具体实施例六，如图6所示，在S104之后，还包括：

S601，获取与所述健身反馈数据相匹配的健身食谱数据。

由于健身运动会给人身体带来极大的能量消耗，许多人会在健身后湖吃海喝，导致健身效果大打折扣，因此健身完吃什么一直是许多人的烦恼。为了帮助用户更加科学的控制自己的健身饮食，保证用户健康饮食的同时提高健身效果，本发明实施例在生成健身反馈数据后，还会根据健身反馈数据生成相应的健身食谱，以供用户参考。

本发明实施例中，技术人员会预设好一份健身饮食表，健身饮食表中设置好了用户运动量、健身时间、个人数据与食物种类的对应关系，如运动量较大、健身时间超过一小时的用户，应当补充一些含糖饮料和一些含糖食物，针对体型瘦弱的用户还应该补充一些蛋白质丰富的食物。在生成健身反馈数，根据健身饮食表选取好相应的推荐食物，最终生成一份适合用户健身运动后的健身食谱。

S602，输出所述健身食谱数据。

本发明实施例中，针对用户的健身运动，提供一份科学合理的健身食谱，使得用户能在健身后科学合理饮食，在保证用户健康饮食的同时提高了健身效果。

应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。

对应于上文实施例所述的方法，图7示出了本发明实施例提供的健身运动数据的反馈装置的结构示意框图，为了便于说明，仅示出了与本发明实施例相关的部分。

在本发明实施例中，在可穿戴装置采集到健身项目对应的目标肌群的肌电数据后，基于采集到的肌电数据，一方面直接计算目标肌群的肌肉运动参数，另一方面，通过肌电数据或者录制健身动作视频，识别用户的健身动作，并基于识别出的健身动作计算用户的健身动作参数，同时为了保证用户健身运动的安全，还实时监测着用户的肌肉疲劳指数，从而实现了对用户健身运动多种数据的自动获取识别，再基于计算出的肌肉运动参数和健身动作参数，对用户的健身运动进行多方面分析，并将最终得出的健身反馈数据及健身食谱数据反馈给用户，使得用户能根据健身反馈数据获知本次健身运动的详细情况，对自身的健身运动进行调整，同时能获知如何进行健身后的饮食，从而保证了用户健身运动的效果。

参照图7，该健身运动数据的反馈装置包括：

采集模块71，用于采集用户的健身项目对应的目标肌群的肌电数据；

参数计算模块72，用于根据所述肌电数据，计算所述目标肌群的肌肉运动参数，所述肌肉运动参数包括肌群运动量及肌群力量；

动作对比模块73，用于对所述用户进行健身动作识别，并根据所述健身项目对应的预设标准动作和所述肌电数据，对识别出的健身动作进行处理，得出所述用户的健身动作参数，所述健身动作参数包括动作持续时间及动作对比数据；

数据反馈模块74，用于对所述肌肉运动参数及所述健身动作参数进行分析，生成并输出健身反馈数据，所述健身反馈数据包括以下的任意一种或多种：肌群运动激活度数据、肌群力量数据、肌群运动时序性数据，错误动作数据以及健身指导建议数据。

进一步地，所述肌肉运动参数还包括肌群疲劳指数，该健身运动数据的反馈装置，还包括：

疲劳检测模块，用于判断所述肌群疲劳指数是否超过预设阈值；

警告输出模块，用于当所述肌群疲劳指数超过所述预设阈值，输出肌群异常警告信号。

进一步地，动作对比模块73，还包括：

第一动作识别子模块，用于基于所述肌电数据对所述用户进行健身动作识别；或，

第二动作识别子模块，用于拍摄所述用户的健身动作视频，并通过解析所述健身动作视频，对所述用户进行健身动作识别。

进一步地，该健身运动数据的反馈装置，还包括：

数据读取模块，用于读取所述用户的健身目标数据；

建议调整模块，用于根据所述健身目标数据，对所述健身指导建议数据进行调整。

进一步地，该健身运动数据的反馈装置，还包括：

食谱读取模块，用于获取与所述健身反馈数据相匹配的健身食谱数据；

食谱输出模块，用于输出所述健身食谱数据。

所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。

在本发明所提供的实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的系统实施例仅仅是示意性的，例如，所述模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性，机械或其它的形式。

所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实施例方案的目的。

另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实施例的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)或处理器(processor)执行本发明实施例各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围，均应包含在本发明的保护范围之内。