一种运动信息获取方法和装置与流程

1.本说明书涉及智能终端技术领域，尤其涉及一种运动信息获取方法、装置、设备及系统。


背景技术：

2.当前，可穿戴设备通常利用ppg(photo plethysmo graph，光电容积描记)技术来检测心率值，并配备运动加速度计、陀螺仪以及地磁仪等进行计步和运动状态检测，如检测到跑步，下蹲或者游泳等。但是由于佩戴方式问题以及这些传感器的局限，有时并不能准确高效得到计值数据或运动状态。
3.举例说明：心率检测是可穿戴设备的核心功能，如何提升心率检测的准确性是心率检测算法的重中之重。而人的心率和人的运动状态具有相关性，在获得准确的心率值之前，需要通过其它传感器(比如加速度计)来计算人体当前的运动状态，比如当前是处于运动上升状态还是运动下降状态，比如当前是正常的日常生活还是处于锻炼状态。再通过运动状态辅助计算人体心率。
4.但由于可穿戴设备本身的局限性，基于运动传感器计算出来的运动状态很多时候是不正确的。如人在跑步机上跑步的时候，戴着可穿戴设备的手放在扶手上，手部活动量非常小，很难通过可穿戴设备准确检测到运动状态或步数，现有技术的可穿戴设备对运动信息的获取有其局限性。


技术实现要素：

5.针对上述技术问题，本说明书实施例提供一种运动信息获取方法，技术方案如下：
6.根据本说明书实施例的第一方面，提供一种运动信息获取方法，应用于智能可穿戴设备，所述方法包括：
7.接收智能摄录设备传输的目标用户的运动数据；
8.若接收的运动数据为智能摄录设备根据实时运动视频计算出的实时运动状态，根据所述实时运动状态计算实时心率；
9.若接收的运动数据为智能摄录设备根据实时运动视频计算出的精确运动信息，使用所述精确运动信息替换智能可穿戴设备自身计算出的对应运动信息。
10.可选的，所述根据所述实时运动状态计算实时心率，包括：
11.采集目标用户的脉搏波信息；
12.调用预先设定的心率算法，根据接收到的实时运动状态与所述脉搏波信息计算出所述目标用户当前时刻的实时心率。
13.可选的，所述实时运动状态包括运动类别与运动趋势，所述调用预先设定的心率算法，根据接收到的实时运动状态与所述实时脉搏波信息计算出所述目标用户当前时刻的实时心率，包括：
14.获取脉搏波采集单元采集的至少一个当前时刻的第一心率数据，并获取脉搏波采
集单元在上一时刻采集的上一心率数据；
15.通过所述运动类别、运动趋势，与上一时刻采集的上一心率数据计算当前时刻的实时心率的阈值范围，所述运动趋势包括运动上升趋势与运动下降趋势，其中，若运动趋势为运动上升趋势，则当前时刻的实时心率高于上一时刻的实时心率，若运动趋势为运动下降趋势，则当前时刻的实时心率不高于上一时刻的实时心率；
16.根据所述实时心率的阈值范围，在所述至少一个当前时刻的第一心率数据中选择一个心率数据，确定为当前时刻的实时心率数据。
17.可选的，所述若接收的运动数据为智能摄录设备根据实时运动视频计算出的精确运动信息，使用所述精确运动信息替换智能可穿戴设备自身计算出的对应运动信息，包括：
18.若接收的运动数据为智能摄录设备根据实时运动视频中的裸关节或膝关节的运动频率计算出的精确行进步数，则使用所述精确行进步数替换所述可穿戴设备自身计算的行进步数。
19.可选的，所述若接收的运动数据为智能摄录设备根据实时运动视频计算出的精确运动信息，使用所述精确运动信息替换智能可穿戴设备自身计算出的对应运动信息，包括：
20.若接收的运动数据为智能摄录设备通过对实时运动视频进行动作识别后，获得的水下运动的精确姿态类型，则使用所述精确姿态类型替换所述可穿戴设备自身识别出的姿态类型。
21.根据本说明书实施例的第二方面，提供一种运动信息获取方法，应用于智能摄录设备，所述方法包括：
22.通过摄录单元获取目标用户的实时运动视频数据，对所述视频数据进行动作识别运算，以确定所述目标用户的当前运动类别；
23.若识别出的运动类别属于岸上运动，抽取所述视频数据的多个相邻视频帧，根据所述多个相邻视频帧确定人体关节的运动频率；
24.根据所述人体关节的运动频率变化趋势确定所述目标用户的当前运动趋势，其中，运动趋势包括运动上升趋势和运动下降趋势；
25.将所述运动类别与运动趋势整合为运动数据中的实时运动状态，将所述实时运动状态作为目标用户的运动数据传输给智能可穿戴设备，以使所述智能可穿戴设备根据所述实时运动状态计算实时心率可选的，所述确定所述目标用户的当前运动类别后，还包括：
26.若识别出的运动类别属于水下运动，获取根据水下运动的姿态类型数据预先进行训练的动作识别模型，基于所述动作识别模型进一步识别出所述水下运动的精确姿态类型，将所述精确姿态类型确定为精确运动信息，将所述精确运动信息作为目标用户的运动数据传输给智能可穿戴设备，以使所述智能可穿戴设备使用所述精确运动信息替换智能可穿戴设备自身计算出的对应运动信息。
27.可选的，所述抽取所述视频数据的多个相邻视频帧，根据所述多个相邻视频帧中确定人体关节的运动频率后，还包括：
28.获取裸关节或膝关节的运动频率波形数据；
29.在所述运动频率波形数据中获取预定时间段内的波峰或波谷的个数，根据所述波峰或波谷的个数确定为目标用户在预定时间段内的精确行进步数，将所述精确行进步数确定为精确运动信息，将所述精确运动信息作为目标用户的运动数据传输给智能可穿戴设
备，以使所述智能可穿戴设备使用所述精确运动信息替换智能可穿戴设备自身计算出的对应运动信息。
30.可选的，所述抽取所述视频数据的多个相邻视频帧，根据所述多个相邻视频帧中确定人体关节的运动频率，包括：
31.抽取所述视频数据的多个相邻视频帧，分别对所述多个相邻视频帧进行人体骨架识别；
32.确定人体骨架中与所述运动类别相关联的目标人体关节，根据所述多个相邻视频帧确定所述目标人体关节的运动轨迹；
33.根据所述目标人体关节的运动轨迹计算出所述目标人体关节的运动频率。
34.可选的，所述根据所述人体关节的运动频率变化趋势确定目标用户的当前运动趋势，包括：
35.若在所述多个相邻视频帧中，人体关节的运动频率由高频转换为低频，则判定当前的运动趋势为下降趋势；
36.若在所述多个相邻视频帧中，人体关节的运动频率由低频转换为高频，则判定当前的运动趋势为上升趋势。
37.根据本说明书实施例的第三方面，提供一种运动信息获取装置，应用于智能可穿戴设备，所述装置包括：
38.运动数据接收模块：用于接收智能摄录设备传输的目标用户的运动数据；
39.实时心率计算模块：用于若接收的运动数据为智能摄录设备根据实时运动视频计算出的实时运动状态，根据所述实时运动状态计算实时心率；
40.运动信息替换模块：用于若接收的运动数据为智能摄录设备根据实时运动视频计算出的精确运动信息，使用所述精确运动信息替换智能可穿戴设备自身计算出的对应运动信息。
41.可选的，所述实时心率计算模块，具体用于：
42.采集目标用户的脉搏波信息；
43.调用预先设定的心率算法，根据接收到的实时运动状态与所述脉搏波信息计算出所述目标用户当前时刻的实时心率。
44.可选的，所述实时运动状态包括运动类别与运动趋势，所述实时心率计算模块，具体用于：
45.通过所述运动类别、运动趋势，与上一时刻采集的上一心率数据计算当前时刻的实时心率的阈值范围，所述运动趋势包括运动上升趋势与运动下降趋势，其中，若运动趋势为运动上升趋势，则当前时刻的实时心率高于上一时刻的实时心率，若运动趋势为运动下降趋势，则当前时刻的实时心率不高于上一时刻的实时心率；
46.根据所述实时心率的阈值范围，在所述至少一个当前时刻的第一心率数据中选择一个心率数据，确定为当前时刻的实时心率数据。
47.可选的，所述运动信息替换模块，具体用于：
48.当接收的运动数据为智能摄录设备根据实时运动视频中的裸关节或膝关节的运动频率计算出的精确行进步数时，使用所述精确行进步数替换所述可穿戴设备自身计算的行进步数。
49.可选的，所述运动信息替换模块，具体用于：
50.当接收的运动数据为智能摄录设备通过对实时运动视频进行动作识别时，获得的水下运动的精确姿态类型，则使用所述精确姿态类型替换所述可穿戴设备自身识别出的姿态类型。
51.根据本说明书实施例的第四方面，提供一种运动信息获取装置，应用于智能摄录设备，所述装置包括：
52.视频数据获取模块：用于通过摄录单元获取目标用户的实时运动视频数据，对所述视频数据进行动作识别运算，以确定所述目标用户的当前运动类别；
53.运动频率确定模块：用于若识别出的运动类别为岸上运动，抽取所述视频数据的多个相邻视频帧，根据所述多个相邻视频帧确定人体关节的运动频率；
54.运动趋势确定模块：用于根据所述人体关节的运动频率变化趋势确定所述目标用户的当前运动趋势，其中，运动趋势包括运动上升趋势和运动下降趋势；
55.运动状态传输模块：用于将所述运动类别与运动趋势整合为运动数据中的实时运动状态，将所述实时运动状态作为目标用户的运动数据传输给智能可穿戴设备，以使所述智能可穿戴设备根据所述实时运动状态计算实时心率可选的，所述运动信息获取装置，还包括：
56.姿态类型识别模块：具体用于若当识别出的运动类别属于为水下运动时，获取根据水下运动的姿态类型数据预先进行训练的动作识别模型，基于所述动作识别模型进一步识别出所述水下运动的精确姿态类型，将所述精确姿态类型确定为精确运动信息，将所述精确运动信息作为目标用户的运动数据传输给智能可穿戴设备，以使所述智能可穿戴设备使用所述精确运动信息替换智能可穿戴设备自身计算出的对应运动信息。
57.可选的，所述运动信息获取装置，还包括：
58.行进步数计算模块：用于获取裸关节或膝关节的运动频率波形数据；
59.在所述运动频率波形数据中获取预定时间段内的波峰或波谷的个数，根据所述波峰或波谷的个数确定为目标用户在预定时间段内的精确行进步数，将所述精确行进步数确定为精确运动信息，将所述精确运动信息作为目标用户的运动数据传输给智能可穿戴设备，以使所述智能可穿戴设备使用所述精确运动信息替换智能可穿戴设备自身计算出的对应运动信息。
60.可选的，所述运动频率确定模块，具体用于：
61.抽取所述视频数据的多个相邻视频帧，分别对所述多个相邻视频帧进行人体骨架识别；
62.确定人体骨架中与所述运动类别相关联的目标人体关节，根据所述多个相邻视频帧确定所述目标人体关节的运动轨迹；
63.根据所述目标人体关节的运动轨迹计算出所述目标人体关节的运动频率。
64.可选的，所述运动趋势确定模块，具体用于：
65.若在所述多个相邻视频帧中，人体关节的运动频率由高频转换为低频，则判定当前的运动趋势为下降趋势；
66.若在所述多个相邻视频帧中，人体关节的运动频率由低频转换为高频，则判定当前的运动趋势为上升趋势。
67.根据本说明书实施例的第五方面，提供一种智能可穿戴设备，其至少包括传感器，存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其中，处理器执行所述程序时实现第一方面所述的运动信息获取方法。
68.根据本说明书实施例的第六方面，提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现第二方面所述的运动信息获取方法。
69.根据本说明书实施例的第七方面，提供一种运动信息获取系统，所述运动信息获取系统包括第五方面所述的智能摄录设备和第六方面所述的智能可穿戴设备。
70.本说明书实施例所提供的技术方案，提供了一种运动信息获取方法，在可穿戴设备的固有传感器之外，额外通过摄录装置获取目标用户的实时运动视频数据，通过对视频数据的动作识别和关节频率识别更准确地检测运动状态，以提升可穿戴设备对于运动信息获取的准确性。
71.应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本说明书实施例。
72.此外，本说明书实施例中的任一实施例并不需要达到上述的全部效果。
附图说明
73.为了更清楚地说明本说明书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，下面描述中的附图仅仅是本说明书实施例中记载的一些实施例，对于本领域普通技术人员来讲，还可以根据这些附图获得其他的附图。
74.图1是本说明书一示例性实施例示出的运动信息获取方法的应用场景的一种示意图；
75.图2是本说明书一示例性实施例示出的运动信息获取方法的应用场景的另一种示意图；
76.图3是本说明书一示例性实施例示出的应用于智能可穿戴设备的运动信息获取方法的一种流程图；
77.图4是本说明书一示例性实施例示出的计算心率一种流程图；
78.图5是本说明书一示例性实施例示出的应用于智能摄录设备的运动信息获取方法的一种流程图；
79.图6是本说明书一示例性实施例示出的运动频率计算方法的一种流程图；
80.图7是本说明书一示例性实施例示出的应用于智能摄录设备的运动信息获取方法的另一种流程图；
81.图8是本说明书一示例性实施例示出的智能摄录设备和智能可穿戴设备进行交互的一种示意图；
82.图9是本说明书一示例性实施例示出的应用于智能可穿戴设备的运动信息获取装置的一种示意图；
83.图10是本说明书一示例性实施例示出的应用于智能摄录设备的运动信息获取装置的一种示意图。
具体实施方式
84.这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本说明书相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本说明书的一些方面相一致的装置和方法的例子。
85.在本说明书使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本说明书。在本说明书和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。还应当理解，本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。
86.应当理解，尽管在本说明书可能采用术语第一、第二、第三等来描述各种信息，但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如，在不脱离本说明书范围的情况下，第一信息也可以被称为第二信息，类似地，第二信息也可以被称为第一信息。取决于语境，如在此所使用的词语“如果”可以被解释成为“在
……
时”或“当
……
时”或“响应于确定”。
87.当前，可穿戴设备通常利用光电容积描记(ppg)技术来检测心率值，并配备运动加速度计、陀螺仪以及地磁仪等进行计步和运动状态检测，如检测到跑步，下蹲或者游泳等。但是由于佩戴方式问题以及这些传感器的局限，有时并不能准确高效得到计值数据或运动状态。
88.举例说明：心率检测是可穿戴设备的核心功能，如何提升心率检测的准确性是心率检测算法的重中之重。而人的心率和人的运动状态具有相关性，在获得准确的心率值之前，需要通过其它传感器(比如加速度计)来计算人体当前的运动状态，比如当前是处于运动上升状态还是运动下降状态，比如当前是正常的日常生活还是处于锻炼状态。再通过运动状态辅助计算人体心率。
89.但由于可穿戴设备本身的局限性，基于运动传感器计算出来的运动状态很多时候是不正确的。如人在跑步机上跑步的时候，戴着可穿戴设备的手放在扶手上，手部活动量非常小，很难通过可穿戴设备准确检测到运动状态或步数，现有技术的可穿戴设备对运动信息的获取有其局限性。
90.针对以上问题，本说明书实施例提供一种运动信息获取方法，以及应用该方法的运动信息获取装置。
91.本实施例提供的运动信息获取方法的执行载体可以包括智能摄录设备和智能可穿戴设备，且该智能摄录设备和智能可穿戴设备之间可进行通信。
92.智能摄录设备为包括摄录功能和计算功能的智能设备，用户可根据具体场景和需求选择适用的智能摄录设备。
93.举例说明1：参见图1，若应用场景为公共健身场馆，则可根据场馆内的器械摆放位置在适宜地点和角度安置智能摄录设备，该智能摄录设备可包括摄像模块与计算模块等，例如，可使用多个摄像头在各个角度摄录视频数据，并传输视频数据到计算终端进行计算。
94.举例说明2：参见图2，若应用场景为个人居室，则可将手机作为包含摄录功能和计算功能的智能摄录设备，根据用户运动地点将手机安置在适宜地点和角度。
95.智能可穿戴设备即直接穿在身上，或是整合到用户的衣服或配件的一种便携式设
备，常见的可穿戴设备为智能手环等。可穿戴设备通常具有多种传感器，用于检测脉搏波，计步等。同时智能可穿戴设备多以具备部分计算功能、可连接手机及各类终端的便携式配件形式存在。
96.本说明书涉及的智能摄录设备和智能可穿戴设备之间需进行信息传输，具体地，两个设备之间可先建立通信连接，建立连接的方式可以通过蓝牙或互联网等。
97.下面分别从应用于智能摄录设备和应用于智能可穿戴设备两侧，对本实施例涉及的运动信息获取方法进行说明。
98.参见图3所示，本说明书实施例提供一种运动信息获取方法，应用于智能可穿戴设备，所述方法包括：
99.s301，接收智能摄录设备传输的目标用户的运动数据；
100.s302，在接收的运动数据为智能摄录设备根据实时运动视频计算出的实时运动状态时，根据所述实时运动状态计算实时心率，其中，所述运动状态包括运动类别与运动趋势，所述运动趋势包括运动上升趋势与运动下降趋势；
101.具体而言，在根据实时运动状态计算实时心率时，可先采集目标用户的实时脉搏波信息，在调用预先设定的心率算法，根据接收到的运动状态与所述实时脉搏波信息计算出所述目标用户当前时刻的实时心率。
102.可穿戴设备通常通过光电容积描记单元采集用户的脉搏波数据，并通过用户的运动状态和脉搏波数据确定最终显示的心率数据。
103.其中，实时运动状态信息中包括运动趋势和运动类别，根据该运动趋势和运动类别确定心率可确定心率的走势信息，例如，若用户的运动趋势为下降趋势，则可判断当前时刻的心率应低于上一时刻的心率，继续结合用户的当前运动类别跑步，判断当前时刻的心率低于上一时刻的心率的数值范围。进而获取当前时刻的心率数据。
104.具体而言，参考图4，计算实时心率的流程可如下步骤：
105.s302a，获取脉搏波采集单元采集的至少一个当前时刻的第一心率数据，并获取脉搏波采集单元在上一时刻采集的上一心率数据；
106.s302b，通过所述运动类别、运动趋势，与上一时刻采集的上一心率数据计算当前时刻的实时心率的阈值范围；
107.s302c，根据所述实时心率的阈值范围，在所述至少一个当前时刻的第一心率数据中选择一个心率数据，确定为当前时刻的实时心率数据。
108.即，脉搏波采集单元可通过采集数据获取若干个当前时刻预估的心率，即第一心率数据，进一步通过用户的运动状态(运动类别和运动趋势)和上个时刻实际显示心率数据为当前时刻的心率划定阈值范围。在若干个第一心率数据中确定一个最符合阈值范围的心率输出为当前的实时心率。
109.举例说明：智能可穿戴设备上一时刻计算并输出显示的心率为97，在当前时刻，脉搏波采集单元可通过采集数据获取若干个当前时刻的预估心率，分别为96、99、103，而智能可穿戴设备接收到的智能摄录设备传输来的用户当前运动状态为慢跑，运动下降趋势。
110.则智能可穿戴设备根据预先配置的对应不同运动状态的阈值算法，结合上一时刻的心率97，和当前时刻的运动状态慢跑，运动下降趋势划定当前时刻的心率范围为95～97，则在第一心率数据96、99、103中选择96作为当前时刻的实时心率数据。
111.进一步地，可在该阈值范围中设定一个数值作为中心数据，若同时有多个第一心率数据在阈值范围内，则取最接近所述中心数据的第一心率数据，作为当前时刻的实时心率数据，例如：可将阈值范围的中心点设定为中心数据。
112.基于实时运动视频中的运动状态(运动类别，运动趋势等)，可以更好地推知心率的涨落趋势，通过结合智能可穿戴设备采集的实时心率和上一时刻心率，可以更加准确的实时心率信息。
113.s303，在接收的运动数据为智能摄录设备根据实时运动视频计算出的精确运动信息时，使用所述精确运动信息替换智能可穿戴设备自身计算出的对应运动信息。
114.具体而言，该精确运动信息可包括精确泳姿信息与精确行进步数信息。
115.智能可穿戴设备接收智能摄录设备传输来的单位时间内的精确行进步数后，使用该行为步数替换自身计算的相同时间段内行进步数，从而完成精确步数的更替。
116.智能可穿戴设备接收智能摄录设备传输来的单位时间内的精确泳姿后，使用该泳姿替换自身计算的相同时间段内的泳姿，从而完成精确泳姿的更替。
117.需要注意的是，在一些情况下，智能摄录设备无法获取行进步数或泳姿，这可能因为智能摄录设备无法采集到对应的关节或整体图像。在这种情况下，智能可穿戴设备可不进行更替，仍使用并显示自身计算的行进步数或泳姿。
118.参见图5所示，本说明书实施例提供一种运动信息获取方法，应用于智能摄录设备，所述方法包括：
119.s501，通过摄录单元获取目标用户的实时运动视频数据，对所述视频数据进行动作识别运算，以确定所述目标用户的当前运动类别；
120.通过动作识别算法实时判断人体当前的运动类别，其中，运动类别可包括：静止，跑步，走路，健身，游泳等。
121.通过视频数据来进行动作识别的算法有很多，从传统的滑窗算法到基于深度学习的运算方法均可应用于本实施例的动作识别。相对于传统方案中可穿戴设备基于自身运动传感器来识别运动类别来说，基于视频数据进行的动作识别算法能够把动作识别准确率大大提升。
122.s502，当识别出的运动类别为岸上运动时，抽取所述视频数据的多个相邻视频帧，根据所述多个相邻视频帧确定人体关节的运动频率；
123.具体地，抽取所述视频数据的多个相邻视频帧，可依次抽取视频数据中的每一帧，也可根据预定的抽取频率，如每n帧中抽取1帧，依次抽取相邻的视频帧。
124.抽取出多个相邻视频帧后，根据所述多个相邻视频帧确定人体关节的运动频率。具体地，可根据该多个相邻视频帧确定人体关节的运动轨迹，可以知道，在人体运动过程中，人体关节通常为周期性运动，对于周期运动，可以较容易易的计算出相应的关节运动频率。
125.在本说明书提供的一种实施例中，可先设定运动相关的关节库，并重点关注人体与各个运动相关的关节的频率，如裸关节，膝关节，髋关节等。只计算这些关节的运动频率，并根据人体的当前运动类别，选择与该运动类别相关的频率数据。
126.进一步地，可预先配置运动类别与人体关节的映射关系库，以确定在用户进行不同类别的运动时需要对应获取哪个关节的频率，如建立跑步运动与踝关节的映射关系，在
用户跑步时检测踝关节的运动频率；如建立下蹲运动与膝关节/髋关节的映射关系，在用户进行下蹲运动时检测膝关节/髋关节的运动频率，等等。
127.具体而言，该运动类别与人体关节的映射关系库的配置方式可参考下表：
128.运动类别关节1关节2
…
跑步运动裸关节
ꢀꢀ
下蹲运动膝关节髋关节 杠铃运动肘关节
ꢀꢀ………ꢀ
129.表1
130.在步骤s501中识别出人体的当前运动类别后，可将该运动类别在该映射关系库中进行匹配，根据匹配结果得到当前运动类别应重点关注的人体关节。
131.s503，根据所述人体关节的运动频率变化趋势确定所述目标用户的当前运动趋势，其中，运动趋势包括运动上升趋势和运动下降趋势。
132.具体地，获得多个相邻视频帧中的人体关节运动轨迹，一般地，在人体运动时，人体关节需要做周期重复性运动，则可根据人体关节运动轨迹判断人体关节的运动频率变化。
133.若在所述多个相邻视频帧中，人体关节的运动频率由高频转换为低频，可知人体运动由快变慢，则判定当前的运动趋势为下降趋势；
134.若在所述多个相邻视频帧中，人体关节的运动频率由低频转换为高频，可知人体运动由慢变快，则判定当前的运动趋势为上升趋势。
135.s504，将所述运动类别与运动趋势整合为运动数据中的实时运动状态，将所述实时运动状态作为目标用户的运动数据传输给智能可穿戴设备，以使所述智能可穿戴设备根据所述实时运动状态计算实时心率。
136.在本说明书提供的其中一种实施例中，根据所述多个相邻视频帧确定人体关节的运动频率，参见图6，具体流程如下：
137.s502a，分别对所述多个相邻视频帧进行人体骨架识别；
138.s502b，确定人体骨架中与所述运动类别相关联的目标人体关节，根据所述多个相邻视频帧确定所述目标人体关节的运动轨迹；
139.s502c，根据所述目标人体关节的运动轨迹计算出所述目标人体关节的运动频率。
140.在本说明书提供的另一种实施例中，对运动类别的识别方式除了在步骤s501中使用动作识别算法外，也可在步骤s502中，通过对多个相邻视频帧中的人体骨架和人体关节的运动轨迹进行识别，来确定用户的当前运动类别。
141.本说明提供的运动信息获取方法除了可以根据视频数据获取精确的心率信息外，还可进一步获取精确的计步信息与姿态信息。参见图7所示，为本说明书实施例提供另一种运动信息获取方法，应用于智能摄录设备，所述方法包括：
142.s701，通过摄录单元获取目标用户的实时运动视频数据，对所述视频数据进行动作识别运算，以确定所述目标用户的当前运动类别；
143.s702，当前运动类别为水下运动时，基于动作识别模型，进一步识别出所述水下运动的精确姿态类型；
144.其中，水下运动通常为游泳，水下运动的姿态类型通常为泳姿，所述动作识别模型可根据水下运动的姿态类型数据预先进行训练，即使用不同的泳姿数据训练动作识别模型，以使该模型能识别出不同泳姿。
145.s703，将所述精确姿态类型确定为精确运动信息，将所述精确运动信息作为目标用户的运动数据传输给智能可穿戴设备，以使所述智能可穿戴设备使用所述精确运动信息替换智能可穿戴设备自身计算出的对应运动信息。
146.s704，当前运动类别为岸上运动时，抽取所述视频数据的多个相邻视频帧，根据所述多个相邻视频帧中，确定人体关节的运动频率变化；
147.s705，根据所述人体关节的运动频率变化趋势确定当前的运动趋势；
148.若在所述多个相邻视频帧中，人体关节的运动频率由高频转换为低频，可知人体运动由快变慢，则判定当前的运动趋势为下降趋势；若在所述多个相邻视频帧中，人体关节的运动频率由低频转换为高频，可知人体运动由慢变快，则判定当前的运动趋势为上升趋势。
149.s706，获取裸关节或膝关节的运动频率，根据所述裸关节或膝关节运动频率确定预定时间段内的人体行进步数；
150.具体而言，可先获取裸关节或膝关节的运动频率波形数据，在所述运动频率波形数据中获取预定时间段内的波峰或波谷的个数，将所述波峰或波谷的个数确定为人体行进步数。
151.s707，将已确定的运动类别与运动趋势传输给智能可穿戴设备，以计算出实时心率；
152.s708，将所述人体行进步数传输给目标用户的智能可穿戴设备，以替换所述可穿戴设备自身计算的人体行进步数。
153.可以看出，在本实施例中，由智能摄录设备采集目标用户的实时运动视频，并通过基于视频的动作识别算法判断用户是否在进行水下运动，若在进行水下运动，则进入水下运动信息获取环节。进一步识别水下运动的姿态类型，通常即为游泳时的泳姿。将泳姿和其他游泳信息传递给用户的智能可穿戴设备，其他游泳信息可以是游泳距离，游泳时长等，智能摄录设备通过视频识别的姿态类型和步数比起智能可穿戴设备通过传感器识别的姿态类型和步数更为精确，提高了所显示的运动信息的准确性。
154.若在进行岸上运动，则进入岸上运动信息获取环节，实时抽取运动视频中的相邻视频帧，通过多个相邻视频帧中，关节的运动轨迹计算关节的周期活动频率。进而可根据该周期活动频率进一步计算心率和行进步数。
155.可以知道，本说明书提供了一种包括上述智能摄录设备和智能可穿戴设备的运动信息获取系统，参考图8，描述了智能摄录设备和智能可穿戴设备的详细交互过程，步骤如下：
156.s801，智能摄录设备通过摄录单元获取目标用户的实时运动视频数据；
157.s802，智能摄录设备对所述视频数据进行动作识别运算，以确定所述目标用户的当前运动类别；
158.s803，若为水下运动，则智能摄录设备进一步根据视频数据识别水下运动的精确姿态类型
159.s804，智能摄录设备将所述精确姿态类型传输给智能可穿戴设备；
160.s805，智能可穿戴设备使用所述精确姿态类型替换自身识别出的姿态类型；
161.s806，智能摄录设备抽取所述视频数据的多个相邻视频帧，根据所述多个相邻视频帧确定人体关节的运动频率；
162.s807，智能摄录设备根据所述人体关节的运动频率计算目标用户预设时间段内的精确行进步数；
163.s808，智能摄录设备将所述精确行进步数传输给智能可穿戴设备；
164.s809，智能可穿戴设备使用所述精确行进步数替换自身计算的行进步数；
165.s810，智能摄录设备根据所述人体关节的运动频率变化趋势确定所述目标用户的当前运动趋势；
166.s811，智能摄录设备将所述运动类别和运动趋势整合为运动状态，传输给智能可穿戴设备；
167.s812，智能可穿戴设备采集目标用户的实时脉搏波信息；
168.s813，智能可穿戴设备调用预先设定的心率算法，根据接收到的运动状态与所述实时脉搏波信息计算出所述目标用户当前时刻的实时心率。
169.具体地，智能摄录设备和智能可穿戴设备的交互过程中，心率计算是智能摄录设备提供辅助计算参数(运动状态)，智能可穿戴设备通过接收到的辅助计算参数(运动状态)和自身采集的脉搏波完成心率计算。
170.而计步和泳姿(水下运动)则可直接利用智能摄录设备计算完成后，将计算结果传输给智能可穿戴设备，如此减轻智能可穿戴设备的计算负担。
171.可以看出，本技术提供的运动信息获取方法，在可穿戴设备的固有传感器之外，额外通过摄录装置获取目标用户的实时运动视频数据，通过对视频数据的动作识别和关节频率识别更准确地检测运动状态，以提升可穿戴设备对于运动信息获取的准确性。
172.相应于上述方法实施例，本说明书实施例还提供一种运动信息获取装置，应用于智能可穿戴设备，参见图9所示，所述装置可以包括：视运动数据接收模块910、实时心率计算模块920和运动信息替换模块930。
173.运动数据接收模块910：用于接收智能摄录设备传输的目标用户的运动数据；
174.实时心率计算模块920：用于若接收的运动数据为智能摄录设备根据实时运动视频计算出的实时运动状态，根据所述实时运动状态计算实时心率；
175.运动信息替换模块930：用于若接收的运动数据为智能摄录设备根据实时运动视频计算出的精确运动信息，使用所述精确运动信息替换智能可穿戴设备自身计算出的对应运动信息。
176.可选地，所述实时心率计算模块，具体用于：
177.采集目标用户的脉搏波信息；
178.调用预先设定的心率算法，根据接收到的实时运动状态与所述脉搏波信息计算出所述目标用户当前时刻的实时心率。
179.可选地，所述实时运动状态包括运动类别与运动趋势，所述实时心率计算模块，具体用于：
180.通过所述运动类别、运动趋势，与上一时刻采集的上一心率数据计算当前时刻的
实时心率的阈值范围，所述运动趋势包括运动上升趋势与运动下降趋势，其中，若运动趋势为运动上升趋势，则当前时刻的实时心率高于上一时刻的实时心率，若运动趋势为运动下降趋势，则当前时刻的实时心率不高于上一时刻的实时心率；
181.根据所述实时心率的阈值范围，在所述至少一个当前时刻的第一心率数据中选择一个心率数据，确定为当前时刻的实时心率数据。
182.可选地，所述运动信息替换模块，具体用于：
183.当接收的运动数据为智能摄录设备根据实时运动视频中的裸关节或膝关节的运动频率计算出的精确行进步数时，使用所述精确行进步数替换所述可穿戴设备自身计算的行进步数。
184.可选地，所述运动信息替换模块，具体用于：
185.当接收的运动数据为智能摄录设备通过对实时运动视频进行动作识别时，获得的水下运动的精确姿态类型，则使用所述精确姿态类型替换所述可穿戴设备自身识别出的姿态类型。
186.相应于上述方法实施例，本说明书实施例还提供一种运动信息获取装置，应用于智能摄录设备，参见图10所示，所述装置可以包括：视频数据获取模块1010、运动频率确定模块1020、运动趋势确定模块1030和运动状态传输模块1040。
187.视频数据获取模块1010：通过摄录单元获取目标用户的实时运动视频数据，对所述视频数据进行动作识别运算，以确定所述目标用户的当前运动类别；运动频率确定模块1020：用于若识别出的运动类别为岸上运动，抽取所述视频数据的多个相邻视频帧，根据所述多个相邻视频帧确定人体关节的运动频率；运动趋势确定模块1030：用于根据所述人体关节的运动频率变化趋势确定所述目标用户的当前运动趋势，其中，运动趋势包括运动上升趋势和运动下降趋势；
188.运动状态传输模块1040：用于所述运动类别与运动趋势整合为运动数据中的实时运动状态，将所述实时运动状态作为目标用户的运动数据传输给智能可穿戴设备，以使所述智能可穿戴设备根据所述实时运动状态计算实时心率。
189.可选地，所述运动信息获取装置，还包括：
190.姿态类型识别模块：用于若当识别出的运动类别属于为水下运动时，获取根据水下运动的姿态类型数据预先进行训练的动作识别模型，基于所述动作识别模型进一步识别出所述水下运动的精确姿态类型，将所述精确姿态类型确定为精确运动信息，将所述精确运动信息作为目标用户的运动数据传输给智能可穿戴设备，以使所述智能可穿戴设备使用所述精确运动信息替换智能可穿戴设备自身计算出的对应运动信息。
191.可选地，运动信息获取装置，还包括：
192.行进步数计算模块：
193.于获取裸关节或膝关节的运动频率波形数据；
194.在所述运动频率波形数据中获取预定时间段内的波峰或波谷的个数，根据所述波峰或波谷的个数确定为目标用户在预定时间段内的精确行进步数，将所述精确行进步数确定为精确运动信息，将所述精确运动信息作为目标用户的运动数据传输给智能可穿戴设备，以使所述智能可穿戴设备使用所述精确运动信息替换智能可穿戴设备自身计算出的对应运动信息。可选地，所述运动频率确定模块，具体用于：
195.抽取所述视频数据的多个相邻视频帧，分别对所述多个相邻视频帧进行人体骨架识别；
196.抽取所述视频数据的多个相邻视频帧，分别对所述多个相邻视频帧进行人体骨架识别；
197.确定人体骨架中与所述运动类别相关联的目标人体关节，根据所述多个相邻视频帧确定所述目标人体关节的运动轨迹；
198.根据所述目标人体关节的运动轨迹计算出所述目标人体关节的运动频率。可选地，所述运动趋势确定模块，具体用于：
199.若在所述多个相邻视频帧中，人体关节的运动频率由高频转换为低频，则判定当前的运动趋势为下降趋势；
200.若在所述多个相邻视频帧中，人体关节的运动频率由低频转换为高频，则判定当前的运动趋势为上升趋势。
201.本说明书实施例还提供一种智能可穿戴设备，所述智能可穿戴设备至少包括传感器，存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其中，处理器执行所述程序时实现如下方法：
202.接收智能摄录设备传输的目标用户的运动数据；
203.在接收的运动数据为智能摄录设备根据实时运动视频计算出的实时运动状态时，根据所述实时运动状态计算实时心率，其中，所述运动状态包括运动类别与运动趋势，所述运动趋势包括运动上升趋势与运动下降趋势；
204.在接收的运动数据为智能摄录设备根据实时运动视频计算出的精确运动信息时，使用所述精确运动信息替换智能可穿戴设备自身计算出的对应运动信息。
205.本说明书实施例还提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现实现如下方法：
206.接收智能摄录设备传输的目标用户的运动数据；
207.在接收的运动数据为智能摄录设备根据实时运动视频计算出的实时运动状态时，根据所述实时运动状态计算实时心率，其中，所述运动状态包括运动类别与运动趋势，所述运动趋势包括运动上升趋势与运动下降趋势；
208.在接收的运动数据为智能摄录设备根据实时运动视频计算出的精确运动信息时，使用所述精确运动信息替换智能可穿戴设备自身计算出的对应运动信息。
209.对于装置实施例而言，由于其基本对应于方法实施例，所以相关之处参见方法实施例的部分说明即可。以上所描述的装置实施例仅仅是示意性的，其中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模块来实现本说明书方案的目的。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。
210.上述实施例阐明的系统、装置、模块或单元，具体可以由计算机芯片或实体实现，或者由具有某种功能的产品来实现。一种典型的实现设备为计算机，计算机的具体形式可以是个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件收发设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的
任意几种设备的组合。
211.以上所述仅是本说明书实施例的具体实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本说明书实施例原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本说明书实施例的保护范围。