本发明涉及健身计划制定领域，特别涉及一种用户数据反馈及收集系统。
背景技术：
目前，越来越多的用户开始重视身体健康，并通过健身的方式来保持身体健康。为了满足用户的健身需求，出现了各类健身软件，以使用户在家里也可以根据健身软件选择健身计划。
现有的健身软件通常是提前设定好各类健身计划，如健身动作视频、食谱计划等。用户可以根据实际需要选择各类健身计划。然而，每个用户的身体素质不同，而现有的健身软件并不能针对不同用户制定不同的个人健身计划，如果用户执行了并不适合自身情况的个人健身计划，不仅不能达到想要的健身效果，还可能会因为运动强度过大，导致身体受伤。
为解决上述问题，公开号为cn104537593a的中国专利提供了一种基于云平台的健康运动监控系统及方法，该方法包括将用户输入的个人基本信息上传至云服务器，显示云服务器反馈的信息的智能终端；采集用户的运动信息、生理参数信息和环境信息中的一种或几种发送至智能终端的app应用进行显示，通过智能终端上传采集到的信息至云服务器的信息采集模块；综合分析个人基本信息和/或运动信息和/或生理参数信息和/或环境信息，计算出适合用户的健康运动建议,并发送给智能终端。该方法将个人基本信息、运动时间内生理指标和外环境指标有机结合起来，给予科学合理的运动建议。
该方案在一定程度上解决了用户健身的科学性和私人订制性，但是，当用户在进行健身训练时，由于日常生活习惯的改变，会导致个人身体指标数据产生变化，该方案不能对健身计划进行实时调整，因此，用户也难以达到最佳健康锻炼效果。
为此，需要一种能根据用户的实际情况动态调整的健身计划。
技术实现要素：
本发明的目的在于提供一种用户数据反馈及收集系统，能根据用户的实际情况动态调整健身计划。
为解决上述技术问题，本发明技术方案如下：
一种用户数据反馈及收集系统，包括预存有个人健身计划的存储模块，还包括：
健身房端，用于录入健身房内的健身数据；将健身数据存储至存储模块；
教练端，用于录入教练的健身指导、规划和评价数据；将指导、规划和评价数据存储至存储模块；
穿戴设备，穿戴设备用于录入日常数据；将日常数据存储至存储模块；
处理模块，用于调取存储模块中的健身数据、评价数据和日常数据；根据健身数据、评价数据和日常数据调整个人健身计划，将调整后的个人健身计划存储至存储模块。
基础方案及有益效果如下：
通过健身房端、教练端和穿戴设备分别采集用户的健身数据，评价数据和日常数据，再根据健身数据，评价数据和日常数据对个人健身计划进行调整；采集的数据种类多，能有效反应用户的实际情况，也使得调整的过程准确性更高；调整后的健身计划针对性更强。
进一步，还包括用户端，用户端用于采集包括参照物的食物图片，并将食物图片上传；
存储模块还用于存储食物图片，存储模块中还预存有食物热量估算表和参照物尺寸表；
处理模块还用于调取存储模块中的食物图片，识别食物种类和参照物，根据参照物尺寸表确定参照物的尺寸，根据参照物的尺寸估算食物尺寸；根据食物种类、食物尺寸以及食物热量估算表确定实际食物热量；根据实际食物热量调整个人健身计划；将调整后的个人健身计划存储至存储模块；
其中，用户端还用于从存储模块调取调整后的个人健身计划，向用户推送。
当用户在就餐时，对食物进行拍照，将拍摄的食物图片上传至用户端，系统能根据用户提供的食物图片计算食物热量，再根据食物热量对个人健身计划进行调整；由于用户的饮食在不断变化，根据用户摄入的食物热量调整个人健身计划，使得个人健身计划的针对性更强，用户按照调整后的个人健身计划进行锻炼后，锻炼效果也更好。
提取食物图片中的参照物，由于参照物的尺寸确定，与直接估算食物尺寸相比，通过参照物的尺寸估算食物的尺寸结果更准确，得到的实际食物热量的值也更准确，进而使得对个人健身计划的调整更符合用户的实际情况。
用户将图片上传至用户端后，就能得到调整后的个人健身计划，使用方便。
进一步，存储模块中还预存有图像分割算法和图像识别算法；处理模块利用图像分割算法，提取食物图片中食物区域和参照物区域，通过图像识别算法识别食物区域中的食物种类，识别参照物区域中的参照物。
先将食物区域和参照物区域进行分割，再识别食物区域内的食物，与直接对整张图片进行识别相比，识别的准确率更高。
进一步，所述图像分割算法为颜色分割算法和/或纹路分割算法；所述图像识别算法为支持向量机图像识别算法。
支持向量机图像识别算法识别准确率高，误差较小。
进一步，所述参照物为硬币、手机或手掌。
用户通常会随身携带硬币，没有硬币可以用自己的手掌或者同伴的手机代替，即硬币、手机或手掌作为参照物使用都比较方便。
进一步，存储模块中还预存有食物营养值估算表；处理模块还根据食物种类、食物尺寸以及食物营养值估算表确定实际食物营养。
确定实际食物营养有助于用户了解食物的营养价值，合理进行膳食搭配。
附图说明
图1为一种用户数据反馈及收集系统实施例一的逻辑框图；
图2为一种用户数据反馈及收集系统实施例二的工作过程的流程图；
图3为一种用户数据反馈及收集系统实施例三的工作过程的流程图。
具体实施方式
下面通过具体实施方式进一步详细说明：
实施例一
如图1所示，一种用户数据反馈及收集系统，包括存储模块、健身房端、教练端、穿戴设备、用户端和处理模块。
存储模块中预存有个人健身计划。健身房端用于录入健身房内的健身数据；将健身数据存储至存储模块；本实施例中，健身数据是指反应用户身体情况和运动情况的数据。其中，健身数据包括运动数据和身体数据；运动数据包括运动项目、运动强度和运动时长。身体数据包括身体水分总量、蛋白质含量、无机盐含量、脂肪含量、骨骼肌情况、肌肉量、去脂体重、体质、bmi、whr、营养评估、肌肉组成、无氧供应能力、运动减肥收效、脂肪代谢、运动损伤可能性、恢复能力和碳水化合物摄入的影响等。
教练端用于录入教练的健身指导、规划和评价数据；将指导、规划和评价数据存储至存储模块；其中，评价数据包括会员身体协调性数据、各个关节柔韧性数据、身体损伤情况和吃力度数据。穿戴设备用于录入日常数据；将日常数据存储至存储模块；其中，日常数据包括心率、睡眠质量、每日运动时长和每日步数等。用户端用于录入饮食数据，饮食数据包括热量数据和营养数据。
处理模块用于调取存储模块中的健身数据、评价数据、日常数据和饮食数据；根据健身数据、评价数据、日常数据和饮食数据调整个人健身计划，将调整后的个人健身计划存储至存储模块。
实施例二
如图2所示，一种用户数据反馈及收集系统，包括用户端、存储模块和处理模块。
用户端用于采集包括参照物的食物图片，并将食物图片上传；用户端可以是pc、智能手机或平板电路；本实施例中采用智能手机。
存储模块用于存储食物图片，存储模块中还预存有个人健身计划、食物热量估算表、食物营养值估算表、参照物尺寸表、图像分割算法和图像识别算法。图像分割算法为颜色分割算法和/或纹路分割算法；本实施例中，存储模块采用西部数据hus726t4tala6l4/ale6l44t企业级服务器硬盘。本实施例中具体采用颜色分割算法和纹路分割算法。图像识别算法为支持向量机图像识别算法。个人健身计划可以由私人健身教练制定，用户也可以根据身体情况自主选择预设的某一个健身计划作为个人健身计划。其中，个人健身计划包括若干运动项目和食物热量摄入阈值，每一运动项目设有预定运动时长。
处理模块用于调取存储模块中的食物图片、个人健身计划、食物热量估算表、食物营养值估算表、图像分割算法和图像识别算法。处理模块通过颜色分割算法和纹路分割进行图像分割，图像分割出的结果是一系列从图像中提取出的轮廓；每个轮廓围成区域内的像素在一些特征上表现出相似性，例如颜色、强度或纹理；相邻的区域在相同的特征上表现出显著的不同；从而可以依据锐度增强凸显轮廓；从轮廓中提取平面坐标，通过平面坐标绘制出食物图片内的食物形状和参照物形状；处理模块再通过支持向量机图像识别算法识别食物和参照物；根据参照物和参照物尺寸表确定参照物的尺寸，根据参照物的尺寸估算食物尺寸；参照物可以是硬币、手机或手掌，本实施例中采用硬币。处理模块根据食物种类、食物尺寸以及食物营养值估算表确定实际食物营养；根据食物种类、食物尺寸以及食物热量估算表确定实际食物热量；根据实际食物热量调整个人健身计划。具体调整方式为，将实际食物热量与食物热量摄入阈值对比，如果高于阈值，则增加每一运动项目的预定运动时长；如果低于阈值，则减少每一运动项目的预定运动时长。处理模块将调整后的个人健身计划存储至存储模块；本实施例中，处理模块采用intele5-2680v2处理器。
用户端还用于从存储模块调取调整后的个人健身计划，向用户推送。
接下来以具体事例进行说明，用户a每日按照个人健身计划进行健身以保持身材；当用户a用餐时，在食物旁放上硬币，将硬币和食物一同拍下，通过用户端将食物图片上传，用户端将食物图片存储至存储模块中。处理模块从存储模块中调取食物图片，识别其中的食物和硬币，根据硬币的尺寸估算出食物的尺寸，再根据食物种类，食物尺寸以及食物热量估算表确定实际食物热量；根据实际食物热量调整用户a的个人健身计划；用户a通过用户端接收到调整后的个人健身计划，按照调整后的个人健身计划进行锻炼，以消耗摄入的实际食物热量，避免身材走样。
实施例三
如图3所示，一种用户数据反馈及收集系统，与实施例二的区别之处在于：
用户端还用于采集用户的聊天信息，从聊天信息中提取用餐时间和店铺名称，将用餐时间和店铺名称存储至存储模块；存储模块中还预存有菜品热量对应表。
处理模块从存储模块调取菜品热量对应表，用餐时间和店铺名称，通过店铺名称在团购网站检索该店铺，本实施例中，团购网站为美团；抓取该店铺内销量排名α范围内的菜品名称和菜品图片，本实施例中，α的数值为5；根据菜品名称以及菜品热量对应表确定菜品热量，将菜品热量作为预估食物热量；其中菜品热量对应表中收录有日常菜品对应的食物热量。
处理模块将用餐时间与当前时间进行对比，判断用餐时间与当前时间的差值e，本实施例中，当前时间和用餐时间以自然日为单位。如果当前时间早于用餐时间，根据预估食物热量对当前时间至用餐时间的时间段中个人健身计划作初步调整；用餐时间当日，根据实际食物热量对用餐时间之后的时间段中个人健身计划作修正调整；个人健身计划中的初步调整的运动强度小于修正调整的运动强度。
处理模块还用于建立时间轴，时间轴的长度为用餐时间与当前时间的差值；处理模块将抓取的该店铺内销量排名α范围内的菜品图片均匀排布在时间轴上，其中，排布顺序为沿时间轴按销量排名由低到高排布。处理模块将包含菜品图片的时间轴和初步调整的个人健身计划发送至用户端，其中，菜品图片色彩为黑白。
处理模块还用于从穿戴设备获取每日运动时长；判断每日运动时长数据与当日个人健身计划中各项运动项目的预定运动时长之和的百分比f；将包含该百分比f的解锁信号发送至用户端；用户端基于解锁信号恢复时间轴上与当日距离最近的菜品图片的色彩；其中，时间轴上与当日距离最近的菜品图片的判断方式为优先判断时间轴左侧的菜品图片，如果左侧的菜品图片的色彩已经100％恢复，再依次判断时间轴右侧的菜品图片。菜品图片色彩恢复的百分比g的计算公式为：g＝e/α*f。本实施例中，时间在时间轴上的排布为从左至右按时间先后顺序排布。
其中，处理模块计算预估食物热量与实际食物热量之间的误差β，将误差β存储至存储模块中，当再次计算相同店铺的预估食物热量时，将误差β作为修正参数对预估食物热量进行修正。具体修正方式为，在预估食物热量中加上或减去误差β。
接下来以具体事例进行说明，9月21日用户a在微信中和朋友聊天，约定10月1日去y店铺聚餐，用户端采集用户a的聊天信息，提取其中的用餐时间：10月1日，店铺名称：y。处理模块在美团网中检索y店铺，并抓取y店铺内销量排名前5的菜品名称，将菜品名称和存储模块中的菜品热量对应表进行比对，确定菜品的热量，将菜品热量作为预估食物热量。
处理模块将用餐时间10月1日与当前时间9月21日进行对比，计算出当前时间早于用餐时间，差值为10日，对这10日内的个人健身计划作初步调整。以使用户a提前开始准备，避免用餐时摄入过量的热量，导致体重突然增加。
处理模块生成天数为10天，均匀排布5张菜品图片的时间轴。例如9月21日，用户根据初步调整后的个人健身计划进行锻炼，其每日运动时长数据与当日个人健身计划中各项运动项目的预定运动时长之和的百分比为80％，则根据公式，时间轴右侧第一张菜品图片色彩恢复的百分比为5/10*80％＝40％。
通过这种方式可以激励用户努力完成初步调整的个人健身计划，只有每日按质按量完成，才能顺利使菜品图片的色彩100％恢复，也就意味着这样才能解锁该菜品，才能去吃该菜品，正向激励作用好。能为用户完成初步调整的个人健身计划提供动力。
而且，时间轴上与当日距离最近的菜品图片的判断方式为优先判断时间轴左侧的菜品图片，如果左侧的菜品图片的色彩已经100％恢复，再依次判断时间轴右侧的菜品图片；可以让用户通过增加运动时长对前几日偷懒没有顺利解锁的已经位于时间轴左侧的菜品图片进行解锁。
当用户a在10月1日用餐时上传食物图片后，处理模块计算食物图片中的实际食物热量，通过实际食物热量对10月1日之后的个人健身计划作修正调整。处理模块还计算预估食物热量与实际食物热量之间的误差β，将误差β作为修正参数对预估食物热量进行修正。当用户a再次去相同店铺用餐时，能使预估食物热量的预测更准确，对个人健身计划的初步调整也更准确，有助于用户a通过执行个人健身计划保持良好体形。
以上所述的仅是本发明的实施例，方案中公知的具体结构及特性等常识在此未作过多描述。应当指出，对于本领域的技术人员来说，在不脱离本发明结构的前提下，还可以作出若干变形和改进，这些也应该视为本发明的保护范围，这些都不会影响本发明实施的效果和专利的实用性。本申请要求的保护范围应当以其权利要求的内容为准，说明书中的具体实施方式等记载可以用于解释权利要求的内容。