监测与用户身体活动关联的运动和取向模式的系统和方法与流程

本文中描述的本发明大体涉及监测用户的身体活动，且更确切地，说涉及用于监测与用户的身体活动相关联的运动和取向模式的系统和方法。
背景技术：
：近来，随着惯性测量单元(inertialmeasuringunit，imu)的使用，数字辅导的可穿戴产品在市场上变得受欢迎。通过组合从加速计、陀螺仪和磁力计中捕获的数据，imu可以在三维空间中检测运动(motion)和取向。运动和取向信息能够使得在执行涉及体育和/或锻炼的各种身体活动中确定用户的表现，由此向用户推荐适当的训练和/或教练装置。然而，由于用户为不同体型/尺寸且在不同的身体活动中具有不同技术水平，现有系统面临准确地/有效地辨别用户的姿势的技术难题，由此无法适当地确定用户在进行身体活动中的准确表现。技术实现要素：提供此
发明内容是为了介绍涉及用于监测与用户的身体活动相关联的运动和取向模式的系统和方法的概念，且在具体实施方式中进一步地描述了这些概念。此
发明内容并不意图识别所主张的标的物的基本特征，也并不意图用于确定或限制所主张的标的物的范围。在一种实现中，公开了一种用于监测与用户的一个或多个身体活动相关联的运动和取向模式的系统。所述系统可以包括：一个或多个传感器；处理器，其与所述一个或多个传感器通信；存储器，其与所述处理器耦合。所述处理器可以执行存储于所述存储器中的编程指令。所述处理器可以执行编程指令，用于从一个或多个传感器中捕获与用户执行的一个或多个身体活动相关联的数据，其中，所述数据包括至少运动和取向数据。进一步，所述处理器可以执行编程指令，用于比较所述数据与多个预定义运动模式以便识别匹配的运动模式，其中，每个预定义运动模式包括第一参考阈值和第二参考阈值。在一个方面，所述第一参考阈值和所述第二参考阈值可以分别指示成功执行所述一个或多个身体活动所需的基准水平和最低合格水平。所述处理器可以进一步执行编程指令，用于基于所述数据确定关于所述用户执行的所述一个或多个身体活动的第一阈值和第二阈值。所述处理器可以进一步执行编程指令，用于将所述第一阈值和所述第二阈值分别与对应于所述匹配的运动模式的所述第一参考阈值和所述第二参考阈值进行比较。进一步的，所述处理器可以执行编程指令，用于基于所述比较将输出通知给所述用户，其中，所述输出指示所述用户在执行所述一个或多个身体活动时的表现。在另一种实现中，公开了一种用于监测与用户的一个或多个身体活动相关联的运动和取向模式的方法。所述方法可以包括：通过处理器从一个或多个传感器中捕获与用户执行的一个或多个身体活动相关联的数据，其中，所述数据包括至少运动和取向数据。进一步，所述方法可以包括通过所述处理器比较所述数据与多个预定义运动模式以便识别匹配的运动模式，其中，每个预定义运动模式包括第一参考阈值和第二参考阈值。在一个方面，所述第一参考阈值和所述第二参考阈值分别指示成功执行所述一个或多个身体活动所需的基准水平和最低合格水平。所述方法可以进一步包括通过所述处理器基于所述数据确定关于所述用户执行的所述一个或多个身体活动的第一阈值和第二阈值。所述方法可以进一步包括通过所述处理器将所述第一阈值和所述第二阈值分别与对应于所述匹配的运动模式的所述第一参考阈值和所述第二参考阈值进行比较。进一步的，所述方法可以包括基于所述比较将输出通知给所述用户，其中，所述输出指示所述用户在执行所述一个或多个活动时的表现。在又一种实现中，公开了一种非暂时性计算机可读介质，其存储有用于监测与用户的一个或多个身体活动相关联的运动和取向模式的程序。所述程序可以包括编程指令，用于从一个或多个传感器中捕获与用户执行的一个或多个身体活动相关联的数据，其中，所述数据包括至少运动和取向数据。进一步，所述程序可以包括编程指令，用于比较所述数据与多个预定义运动模式以便识别匹配的运动模式，其中，每个预定义运动模式包括第一参考阈值和第二参考阈值。在一个方面，所述第一参考阈值和所述第二参考阈值分别指示成功执行所述一个或多个身体活动所需的基准水平和最低合格水平。所述程序可以进一步包括编程指令，用于基于所述数据确定关于所述用户执行的所述一个或多个身体活动的第一阈值和第二阈值。进一步，所述程序可以包括编程指令，用于将所述第一阈值和所述第二阈值分别与对应于所述匹配的运动模式的所述第一参考阈值和所述第二参考阈值进行比较。进一步的，所述程序可以包括编程指令，用于基于所述比较将输出通知给所述用户，其中，所述输出指示所述用户在执行所述一个或多个身体活动时的表现。附图说明参考附图描述具体实施方式。在图式中，参考标号的最左边的数字识别其中首先出现所述参考标号的图式。在整个附图中使用相同数字指代相同特征及组件。图1示出根据本申请的实施例用于监测与用户的一个或多个身体活动相关联的运动和取向模式的系统101的网络实施方案100。图2示出根据本申请的实施例的包括一个或多个传感器105的运动感测可穿戴装置(104-1、104-2)。图3示出根据本申请的实施例的系统101以及所述系统101的多个组件。图4a-图4h示出根据本申请的实施例的用户所执行的一个或多个身体活动的各种位置。图5示出根据本申请的实施例的在系统101内的描绘数据处理模块的工作的流程图500。图6示出根据本申请的实施例的描绘转换传感器数据为模糊化数据的图表600。图7示出根据本发明的实施例用于监测与用户的一个或多个身体活动相关联的运动和取向模式的方法700。具体实施方式在整个说明书中提及的“各种实施例”、“一些实施例”、“一个实施例”或“实施例”意味着结合实施例所描述的特定特征、结构或特性被包含在至少一个实施例中。因此，整个说明书中在不同地方出现的短语“在各种实施例中”、“在一些实施例中”、“在一个实施例中”或“在实施例中”未必全部指同一实施例。此外，在一个或多个实施例中，特定特征、结构或特性可以任何合适的方式组合。本文中描述了用于监测与用户的一个或多个身体活动相关联的运动和取向模式的系统和方法。在一个方面中，所述一个或多个身体活动中的每一个可以涉及一种身体锻炼和/或体育运动。可以部署一个或多个传感器以便感测与用户所执行的一个或多个身体活动相关联的运动和取向数据(在下文中可互换地称为“传感器数据”或“数据”)。在一个实例中，一个或多个传感器可以为与用户相关联的存在于用户的手持装置(例如，智能手机)或可穿戴装置(例如，智能服装、智能眼镜和智能手表等)中的惯性测量单元(imu)传感器(例如，加速计、陀螺仪和磁力计等)。此外，经由一个或多个传感器所捕获的传感器数据可以是倾斜角度、曲率角度、伸展角度、屈曲角度中的至少一者及其组合。所捕获的传感器数据可以存储在手持式装置或一个或多个传感器或以通信方式与手持式装置耦合的服务器(例如，云服务器)内。在一个方面中，传感器数据可以与多个预定义的运动模式进行比较以便识别对应于与用户所执行的一个或多个身体活动相关联的传感器数据的相匹配模式。在一个方面中，每个预定义运动模式包括第一参考阈值和第二参考阈值。必须理解的是第一参考阈值和第二参考阈值可以相应地指示成功的执行一个或多个身体活动所需的基准水平和最低合格水平。应注意针对每个身体活动的基准水平和最低合格水平可以是基于分析所捕获的有关多个用户的历史传感器数据而预定义的。在本申请的一个方面中，关于用户所执行的一个或多个身体活动的第一阈值和第二阈值可以基于传感器数据来确定。具体地说，可以处理传感器数据以确定对应于第一参考阈值的第一阈值和对应于第二参考阈值的第二阈值。另外，第一阈值和第二阈值可以分别与对应于匹配的运动模式的第一参考阈值和第二参考阈值进行比较。应注意进行第一阈值与第一参考阈值和第二阈值与第二参考阈值的比较是为了验证当进行一个或多个身体活动时用户的运动模式是否满足成功的或正确的执行一个或多个活动所需的基准水平和最低合格水平。在一个方面中，基于比较结果可以用输出(例如，音频/视觉/文本警示)通知用户，其中，输出是在执行一个或多个活动中的用户表现的指示。在一个实例中，可以基于执行一个或多个身体活动的成功或失败在手持式装置上指示文本消息“对/正确”或“错/不正确”作为输出。在一些实施例中，可以实施模糊化技术以便监测用户的一个或多个身体活动的运动和取向模式。在模糊化技术中，所捕获的传感器数据可以使用预定义知识库转换成模糊化数据。知识库可以包括指示所执行的身体活动的表现结果的多个规则，其中，所述多个规则是基于历史数据和从相应的体育运动和/或锻炼的身体活动的多个专家处接收的专家信息导出的。在一个实例中，知识库可以包括基于从体育运动教练处接收的专家信息导出的规则，其中，规则指示用户是否正确地执行与特定体育运动相关联的特定运动和/或取向。规则可以与经由传感器所捕获的传感器数据联系在一起以便基于分析传感器数据和规则来确定用户所执行的活动是否正确/不正确。因此，知识库可以包括模糊化数据与从一个或多个传感器所捕获的历史数据的预定义映射，其中，历史数据是与分类为多个群组的多个用户相关联的。所述多个用户基于年龄、体重指数(body-massindex，bmi)、体能、位置及其组合被分类为所述多个群组。在一个方面中，知识库可以包括使得实际传感器数据能够转换为模糊化数据的一个或多个参数。在一个实例中，模糊化数据可具有处于0-1的范围内的值。一个或多个参数可以基于历史数据的分析导出/产生。在一个实例中，一个或多个参数可以包括一组类别、身体活动类型、用户正执行的身体活动的强度水平等等。如上文所述，知识库可以包括可以基于一个或多个参数将任何传感器数据转换为模糊化数据的多个模糊化规则。在一个方面中，知识库可另外包括模糊化数据到预定义输出的预定义映射，所述预定义输出指示在执行一个或多个身体活动中用户的表现。在一个实例中，映射可以基于模糊化数据指示用户是否已经正确地执行一个或多个身体活动。知识库可以基于对应于实际传感器数据的模糊化数据适应性地学习指示表现的可能的输出。在另一方面，指示用户在一个或多个活动中的表现的输出可以基于多个因子来确定，这些因子包括：一个或多个传感器的加权因子、对应于一个或多个传感器所捕获的数据的模糊化数据以及系数(在下文中，以在本申请全文中可互换的形式被称作“综合系数”)。加权因子和综合系数是基于分析在知识库内的历史数据导出的。加权因子可以基于一个或多个传感器的至少一个位置和用户正在执行的身体活动的至少一种类型导出。必须理解的是知识库可以不断在预定时间间隔之后更新。另外，知识库的更新可以包括更新使得数据能够转换为模糊化数据的一个或多个参数、模糊化数据数据到预定义输出的预定义映射、一个或多个传感器的加权因子和综合系数。用于监测与用户的一个或多个身体活动相关联的运动和取向模式的系统和方法的各方面可以在许多不同计算系统、环境和/或配置中实施，但是在以下示例性系统的情形下对其实施例进行描述。参考图1，示出了根据本申请的实施例用于监测与用户的一个或多个身体活动相关联的运动和取向模式的系统101的网络实施方案100。虽然在考虑将系统101实施为服务器的情况下说明本申请，但是可以理解系统101也可以在多种计算系统中实施，例如在膝上型计算机、桌上型计算机、笔记本电脑、手持式装置、移动装置、工作站、主机计算机(mainframecomputer)、网络服务器等等中实施。在一个实施方案中，系统101可以在基于云的环境中实施。应该理解，系统101可以由多个用户通过一个或多个用户装置103-1、103-2、103-3……103-n或驻留在所述一个或多个用户装置上的应用程序(app)访问，所述一个或多个用户装置在下文中统称为用户装置103。用户装置103的实例可以包括但不限于：便携式计算机、个人数字助理、手持式装置、工作站等等。另外，系统101可以由可穿戴装置104直接访问，或可穿戴装置可以通过用户装置103访问系统101。可穿戴装置104的实例可以包括智能服装、智能手表、智能眼镜、智能鞋、项链等等。用户装置103和可穿戴装置104可另外包括一个或多个传感器105(在下文中被称作传感器105)。传感器105的实例可以包括加速计、陀螺仪、磁力计等等。在一个实施例中，如图2中所示，可穿戴装置104可以为包括内置传感器105的上身服装104-1和下身服装104-2。用户装置103和可穿戴装置104通过网络102以通信方式耦合到系统101。在一个实施方案中，网络102可以是无线网络、有线网络或其组合。网络102可以实施为不同类型的网络：蜂窝式通信网络(例如2g/3g/4g等)、局域网(lan)、广域网(wan)、互联网等等中的一个。网络102可以或者是专用网络或者是共享网络。共享网络表示使用例如超文本传送协议(http)、传输控制协议/互联网协议(tcp/ip)、无线应用协议(wap)等等的多种协议的不同类型的网络的关联以彼此通信。另外，网络102可以包括多种网络装置，包括路由器、网桥、服务器、计算装置、存储装置等等。现在参考图3，示出了根据本申请的实施例的系统101。在一个实施例中，系统101可以包括处理器301、输入/输出(i/o)接口302和存储器303。处理器301可以被实施为一个或多个微处理器、微计算机、微控制器、数字信号处理器、中央处理单元、状态机、逻辑电路和/或基于操作性指令操控信号的任何装置。除了其它功能之外，处理器301被配置成提取和执行存储于存储器中303的计算机可读/编程指令。i/o接口302可以包括多种软件和硬件接口，例如，网站接口、图形用户接口等等。i/o接口302可以允许系统101直接地或通过用户装置103与用户交互。另外，i/o接口302可以使得系统101能够与其它计算装置通信，例如与网络服务器和外部数据服务器(未示出)通信。i/o接口302可以促进在多种网络和协议类型内的多种通信，所述网络和协议类型包括：有线网络，例如，lan、电缆等；以及无线网络，例如，wlan、蜂窝式网络或卫星。i/o接口302可以包括用于将若干装置连接到彼此或连接到另一服务器的一个或多个端口。存储器303可以包括所属领域中已知的任何计算机可读介质，包括例如：易失性存储器，例如，静态随机存取存储器(sram)和动态随机存取存储器(dram)；和/或非易失性存储器，例如，只读存储器(rom)、可擦除可编程rom、快闪存储器、硬盘、光盘以及存储卡。存储器303可包括模块304和数据309。在一个实施例中，模块304包括例程、程序、对象、组件、数据结构等，它们执行特定任务、功能或实施特定抽象数据类型。在一个实施方案中，模块304可以包括数据捕获模块305、数据处理模块306、输出指示模块307和其它模块308。数据309除了其它功能之外，充当用于存储由模块304中的一个或多个模块处理、接收和生成的数据的储存库。数据309还可以包括知识库310和其它数据311。其它数据311可以包括由于执行其它模块308中的一个或多个模块而生成的数据。在一个实施方案中，首先，用户可以使用用户装置103通过i/o接口302访问系统101。用户可以使用i/o接口302注册其自身以便使用系统101。参考图1-7如下说明用于使用多个模块304监测与用户的一个或多个身体活动相关联的运动和取向模式的系统101的详细工作。参考图1，用户可以通过用户装置103选择待由用户进行/执行的身体活动，例如，锻炼或者体育运动。响应于用户选择，系统101可以通过用户装置103指导用户开始执行身体活动。另外，用户可以通过用户装置103指示位于在用户装置103或者可穿戴装置104内的传感器105感测与正由用户执行/进行的身体活动相关联的数据。传感器105可以包括使得捕获传感器数据能够呈imu信息形式的imu传感器。imu信息至少包括与正由用户进行/执行的身体活动相关联的运动和取向数据。在一个实例中，运动和取向数据包括倾斜角度、曲率角度、伸展角度、屈曲角度等等。数据捕获模块305(如图3中所示)可以捕获传感器数据并且之后在数据309中存储传感器数据以用于未来参考和分析。现在参考图3，数据处理模块306可以处理传感器数据以便分析与用户执行的身体活动相关联的运动和取向数据。首先，数据处理模块306可以比较传感器数据与存储在数据309中的多个预定义运动模式以便识别对应于正由用户执行的身体活动的匹配的运动模式。必须理解的是，每个预定义运动模式另外包括第一参考阈值和第二参考阈值，所述第一参考阈值和第二参考阈值相应地指示满足成功的/正确的执行相应的身体活动所需的基准值和最低合格水平。必须注意关于每个活动的基准水平和合格水平可以基于静态和动态校准技术来确定，所述静态和动态校准技术是由关于由不同用户执行的不同身体活动的数据处理模块306来实施的。在静态校准技术中，数据处理模块306可以指导用户通过用户装置103来执行某些静态姿势。在一个实例中，数据处理模块306可以指导用户于预定时间间隔(比方说5秒)起立或者躺下。在此过程中，每个身体活动的第一参考阈值(即，基准水平)可以基于由传感器105感测到的取向信息来确定。在一个实例中，用于用户在站立期间的肱三头肌的倾斜角度401(在图4a中示出)的基准水平可以确定为25度。另外，如图4b和图4c所示，用于侧面大腿肌肉的倾斜角度402和背曲率角度403(通过两个传感器形成)的基准水平可以相应地确定为21度和125度。为倾斜角度401、倾斜角度402和背曲率角度403等确定的基准水平可以用传感器105本身或者用户装置103存储或者在系统101内的数据309中存储。在动态校准技术中，数据处理模块306可以指导用户通过用户装置103执行动态移动，包括但不限于预定次数的下蹲、俯卧撑和踢臀部。动态移动使得能够基于由传感器105捕获的运动/取向改变来确定第二参考阈值(即，最低合格水平)。在一个实例中，用户在下蹲(如图4d中所示)期间膝部角度改变(58度)、用户在做俯卧撑(如图4e中所示)期间肘部角度改变(63度)和用户在踢臀部(如图4f中所示)期间膝部角度改变(36度)可以确定为用于进行/执行包括下蹲、俯卧撑和踢臀部的这些身体活动中的每一个的最低合格水平(即，第二参考阈值)。必须理解的是用户膝部角度在下蹲期间的改变(58度)是基于对应于膝部伸展的角度(即，图4d中所示的69度)和对应于膝部屈曲的角度(即，图4d中所示的11度)的差异确定的。另外，用户在俯卧撑期间肘部角度改变(63度)是基于对应于肘部伸展的角度(即，图4e中所示的82度)和对应于肘部屈曲的角度(即，图4e中所示的19度)的差异确定的。另外，用户在踢臀部期间膝部角度改变(36度)是基于对应于膝部伸展的角度(即，图4f中所示的68度)和对应于膝部屈曲的角度(即，图4f中所示的32度)的差异确定的。类似地，由传感器105感测到的其它关节角度改变可以确定为第二参考阈值。基于静态/动态校准，数据处理模块306可以产生取决于不同用户的姿势、尺寸和体能为不同用户定制的基准水平和最低合格水平的特征曲线。举例来说，针对熟练的/高级用户确定的肘部角度改变为63度(如图4g中所示)，这与中级用户的37度的肘部角度改变(如图4h中所示)形成对照。必须理解的是针对熟练的/高级用户的肘部角度改变(即，63度)是基于对应于肘部伸展的角度(即，图4g中所示的82度)和对应于肘部屈曲的角度(即，图4g中所示的19度)的差异确定的。类似地，针对中级用户的肘部角度改变(即，37度)是基于对应于肘部伸展的角度(即，图4h中所示的82度)和对应于肘部屈曲的角度(即，图4h中所示的45度)的差异确定的。因此，基于观察到的角度改变和执行体能活动的时间花费，数据处理模块306可以产生基准值(即，第一参考阈值)和最低合格水平值(即，第二参考阈值)的特征曲线。在一个实施例中，在用户的匹配的运动模式的识别之后，数据处理模块306可以确定关于用户进行/执行的身体活动的第一阈值和第二阈值。另外，数据处理模块306可以相应地比较第一阈值和第二阈值与对应于匹配的运动模式的第一参考阈值和第二参考阈值。必须理解的是相应地进行第一阈值和第二阈值与第一参考阈值和第二参考阈值的比较以便验证用户是否以正确/有效/适当的方式进行/执行身体活动。另外，基于比较，输出指示模块307可以文本/音频/视频警示的形式将输出指示给用户，其中，输出指示在执行身体活动中的用户的表现。在一个实施例中，在基于如上文所述的校准技术/方法执行身体活动期间确定用户的表现的过程中可以启用数据处理模块306。然而，考虑到执行相同体育运动/锻炼的用户的不同体型和不同的技术/强度水平，指示给用户的输出可能是不准确的。举例来说，即使两个用户执行相同的体育运动，用户的不同体型和表现也将引起多种肢体角度和加速度数据等等。具体地说，必须注意到尽管上述校准技术基于阈值(例如，基准值和最低合格水平值)确定了身体活动的表现，然而，上述校准技术在分析边界情境中可能是混乱的，在分析边界情境中难以基于阈值确定特定活动是否是正确地/不正确地执行的。因此，系统需要相对于关于不同身体活动的基准和最低合格水平识别容限水平使得能够准确地确定用户的表现。因此，为了能够改进输出的准确性，数据处理模块306可以采用如下文详细说明的模糊化技术。实施模糊化技术的目的在于模糊化传感器数据(尤其在边界情境的情况下)以便增大表现结果的容限范围同时监测用户的运动和取向模式。必须理解的是在执行身体活动中用户的表现可以基于用户的输入(初始状态)和传感器的分析得到适当地确定。除上文所述的校准方法之外，可以基于bmi(体重指数)、年龄、位置、强度水平或体能等的差异将用户分成多个群组，bmi、年龄、位置、强度水平或体能可以由用户以用户的输入的形式来输入。因此，数据处理模块306可以在初始状态期间建立身体训练的容限的初级范围。在一个实例中，针对下蹲的正确位置的腿部角度的容限范围取决于执行下蹲的强度水平。强度水平越高，所允许的容限越小。另外，在用户的训练期间所捕获的历史传感器数据可以被传递到系统并且得到分析以针对为角度模糊化预定义的等式设置一系列容限和参数，如下文参考图5详细地说明的。参考图5，图5是根据本申请的实施例在实施模糊化技术以便确定用户的表现中的数据处理模块306的工作的流程图。模糊化技术可以基于关于多个用户所捕获的历史数据的分析来实施。如图5中所示，在块501处，至少包括与由用户执行的身体活动相关联的运动和取向数据的历史数据可以由系统101的数据捕获模块305捕获。在块502处，数据处理模块306可以处理数据并且基于校准和用户的输入将用户划分成群组，用户的输入例如年龄、位置和用户的体能/强度水平。初始位置可以被定义为基准水平，基准水平可以随体育运动的本质上的差异而改变。现在，在训练事件期间，如果所获得的数据超过基准，那么传感器可以记录数据。数据捕获模块305可以捕获在训练事件期间所记录的数据并且将数据传输到系统101(充当云服务器)。在一个实例中，对于例如深蹲等身体训练，将以类似于正态分布的曲线示出用户进行的关节角度的最大度数。必须理解的是可以基于体育运动/锻炼的特性来分析(在块502处)呈波形形式的数据，针对所述体育运动/锻炼用户正在进行身体活动。分析的目的是监测用户的身体能力并且为用户推荐定制的训练。一个或更多输入参数(充当波形的构建块)可以包括运动数据、角速度、线性加速度、重力方向、磁力等等。数据处理模块306可以检测波形中的特殊元素，包括幅值、持续时间、范围等等并且将特殊元素与知识库310内的相应的体育运动/锻炼的对应元素相比较。基于比较，数据处理模块306可以验证波形的特性是否与针对知识库310中的对应的体育运动/锻炼设置的预定义特性/参数匹配。如果波形的特性与预定义特性匹配，那么数据处理模块306可以确定用户已经针对特定的体育运动/锻炼正确地进行了身体活动。另外，由于用户可以在进行身体活动中改进/提高他们的身体条件和技能，所以在关于知识库310中的相应的体育运动/锻炼(以及由此知识库310本身)的预定义特性/参数可以通过在预定时间间隔捕获呈波形形式的数据(在块501处)以及分析所述波形(在块502处)来持续地更新。在一个实施例中，知识库310可以包括指示所执行的身体活动的表现结果的多个规则，其中，所述多个规则是基于历史数据和从相应的体育运动和/或锻炼的身体活动的多个专家处接收的专家信息导出的。在一个实例中，知识库310可以包括基于从体育运动教练处接收的专家信息导出的规则，其中，规则指示用户是否正确地执行与特定体育运动相关联的特定运动和/或取向。规则可以与通过传感器105所捕获的传感器数据(如上文所述呈波形的形式)联系在一起以便基于传感器数据和规则确定由用户执行的活动是否是正确/不正确的。所分析的数据存储在知识库310中(在图3中示出)。如块503中所示，存储在知识库310中的数据包括用于调节用于角度模糊化的参数的基本信息。所属领域的技术人员将易于认识到并且理解模糊化涉及基于模糊化规则将实际数据转换为模糊化的数据并且之后基于去模糊化规则将模糊化的数据转换为人类可读的格式。存储在知识库310中的规则包括模糊化规则和去模糊化规则这两者。模糊化规则使得能够将通过传感器105所捕获的实际传感器数据转换为模糊化的数据，而去模糊化规则使得能够获得指示用户的身体活动的正确/不正确表现的去模糊化数据。在一些实施例中，模糊化规则和去模糊化规则是基于历史传感器数据和从相应的体育运动/锻炼中的专家/熟练人员接收到的专家信息的分析导出和持续更新的，针对这些相应的体育运动/锻炼监测用户的身体活动。必须理解的是知识库310可以充当位于系统101(如图3中所示)或用户装置103本身中的内部处理中心。知识库310可以包括将实际数据转换为模糊化数据的细节。知识库310可以包括模糊化数据到预定义输出中的预定义映射(即，转换标度)。知识库310还包括针对每个传感器的加权因子和综合系数。应注意的是在本文中知识库310是基于多个用户的训练数据的分析及其结果以及群组内的用户的数据的交叉参考构建和进一步更新的。知识库310连同参数、匹配列表、加权因子和综合系数可以在预定时间间隔之后基于新的训练数据和其对应的观察到的结果的添加而更新。知识库310可以进一步用于实施模糊化技术以便确定从用户捕获的实时训练数据的表现。如图5中所示，在504块处，数据处理模块306可以在训练期间通过数据捕获模块305从传感器105接收实时传感器数据。在块505处，可以使用知识库310将实时传感器数据转换成模糊化数据。图6示出描绘将腿部角度(以度数计)转换成具有在0-1的范围内的值的模糊化数据的图。该图类似于正态分布曲线。对应于腿部角度的不同值的模糊化值是基于如下的模糊化等式(1)和(2)确定的：1÷(1+((z1)×(x1+y1))2)………………………….(1)1÷(1+((z2)×(x2-y2))2)………………………….(2)必须注意的是等式的参数可以改变/更改。在初始状态中，参数的值可以是默认的并且可以从知识库310中更新。如图6中所示，正确位置的绝对值(模糊化数据＝1)在等式(1)和(2)之间。因此，可以作出结论，模糊化数据越高，则腿部角度的位置越适当/正确。现在参考图5，在块506处，可以使用存储在知识库中的信息将模糊化数据转换成转换标度。必须理解的是，促进转换的此类信息可以基于专家的输入预先配置。转换标度使得能够综合评估模糊化数据。在一个实例中，用于在图6中获得的模糊化数据的转换标度在以下表1中示出。模糊化数据转换标度1绝对地正确(ac)0.99～0.7正确(c)0.69～0.5中性(n)0.49～0.3错误(w)0.29～0绝对地错误(aw)表1：模糊化数据到转换标度中的映射另外，可以使用在知识库310中预先配置的匹配列表使不同传感器的转换标度配对。在一个实例中，为了监测plank模式，考虑存在五个传感器，其中，的四个传感器位于四肢中并且一个传感器位于腰部区域中。位于腰部区域中的传感器是最重要的并且因此被认为是主传感器。其它四个传感器是次传感器。根据本申请的实施例使用以下匹配列表(表2中所描绘的)使主传感器和次传感器的转换标度配对。主传感器次传感器最终结果(基于匹配列表)绝对地正确(ac)正确(c)正确正确(c)中性(n)正确正确(c)正确(c)正确正确(c)绝对地错误(aw)错误中性(n)错误(w)错误绝对地错误(aw)绝对地正确(ac)错误……………………………...………………………..…………………表2：用于配对多个传感器的转换标度的匹配列表在另一实施例中，用户的综合评估是基于模糊化数据、每个传感器的加权因子和综合系数的。应注意不同传感器具有至少基于传感器的位置和体育运动的性质确定的不同加权因子。在如上文所论述的相同plank实例中，由于主传感器是更加重要的，所以主传感器的加权因子高于次传感器。在此实例中，将主传感器的加权因子视作70％并且剩余的四个传感器共同地是30％。在此实施例中，可以基于如下的等式(3)确定指示用户在执行活动中的表现的模糊综合评估结果：((腰部的模糊化数据x70％)+(四肢的模糊化数据x30％))x综合系数＝模糊综合评估结果…………(3)应注意使用等式3获得的模糊综合评估结果类似于如表1中所说明的模糊化数据(即，在0-1内)。因此，模糊综合评估结果可以被转换成如表1中所说明的转换标度值。如上文所述，综合系数的值、每个传感器的加权因子以及实际传感器数据的模糊化可以从知识库310中更新。因此，在基于上文所述的模糊化技术确定用户在执行身体活动的表现时可以启用数据处理模块306。输出指示模块307可以通过用户装置103上的通知警示指示用户在执行身体活动时的表现。具体地说，基于如以上表中所描绘的最终结果，输出指示模块307可以通过用户装置103通知用户指示用户在执行身体活动时的表现的呈文本/音频/视觉消息的形式的输出。在一个实例中，基于从上面的表1和表2中获得的结果，消息可以是对/正确或者错/不正确的。另外，输出指示模块307可以基于用户的表现推荐一个或多个定制的训练给用户。现在参考图7，根据本发明的实施例示出了用于监测与用户的一个或多个身体活动相关联的运动和取向模式的方法700。描述方法700的顺序并非意图解释为限制，并且可按任何顺序来组合任何数目的所描述方法的块以实施方法700或替代性方法。此外，方法700可以在任何合适的硬件、软件、固件或其组合中实施。然而，为了便于解释，在下文描述的实施例中，可以考虑在上述系统101中实施方法700。在块701处，可以捕获与用户执行的一个或多个身体活动相关联的数据。可以从传感器105中捕获所述数据。所述数据可以包括至少用户在执行身体活动时的运动和取向数据。在一个实施方案中，可以通过系统101的数据捕获模块305从传感器105中捕获所述数据。所述数据可以存储在系统101的数据309中。在块702处，可以比较所捕获的数据与多个预定义运动模式以便识别匹配的运动模式。在一个方面中，每个预定义运动模式包括第一参考阈值和第二参考阈值，其中，第一参考阈值和第二参考阈值分别指示成功执行一个或多个身体活动所需的基准水平和最低合格水平。在一个实施方案中，可以通过数据处理模块306比较所捕获的数据与多个预定义运动模式以识别匹配的运动模式。在块703处，可以基于所捕获的数据确定关于用户执行的一个或多个身体活动的第一阈值和第二阈值。在一个实施方案中，可以通过数据处理模块306确定第一阈值和第二阈值。在块704处，可以将第一阈值和第二阈值分别与对应于匹配的运动模式的第一参考阈值和第二参考阈值进行比较。在一个实施方案中，可以通过数据处理模块306将第一阈值和第二阈值与第一参考阈值和第二参考阈值进行比较。在块705处，基于比较可以将指示用户在执行一个或多个活动时的表现的输出通知给用户。在一个实施方案中，可以通过输出指示模块307向用户通知输出。虽然已经以特定针对于结构特征和/或方法的语言描述了用于监测与用户的一个或多个身体活动相关联的运动和取向模式的方法和系统的实施方案，但是应理解所附权利要求书未必限制于所描述的特定的特征或方法。实际上，公开特定的特征和方法作为监测与用户的一个或多个身体活动相关联的运动和取向模式的实施方案的实例。当前第1页12