跳绳健康风险评估方法及装置与流程

本发明涉及跳绳数据处理领域，具体涉及一种跳绳健康风险评估方法及装置。

背景技术：

跳绳是一种有效的有氧运动，对人体的好处很多，能够很好的燃烧热量，是一种有效的减肥和减脂的运动。

然而，作为一种健身运动，其在运动过程中难免会造成运动损伤，不同的跳绳姿势，造成的运动损伤并不相同，例如，以脚尖着地进行快速跳绳，会造成踝和膝部位的运动损伤，以脚跟着地，并且协调性不足的话，会造成膝关节的软骨损伤，手腕或者手臂的运动幅度过大，会造成腕部以及肘关节的运动损伤。现有的跳绳手柄，功能单一，并不能实现将跳绳者的运动姿势所造成的健康风险告知使用者，使用者以非正确的姿势进行运动而且还不清楚自身跳绳姿势存在问题时，会导致使用者产生运动损伤。

上述问题，是目前亟待解决的。

技术实现要素：

本发明的目的是提供一种跳绳健康风险评估方法及装置。

为了解决上述技术问题，本发明提供了一种基于跳绳运动姿态评估的跳绳健康风险评估方法包括：

通过陀螺仪与霍尔传感器获取连续跳绳运动时的霍尔传感器信号数据以及六轴陀螺仪数据；

依据霍尔传感器信号获得跳绳被测圈总圈数m，以及依据霍尔传感器信号分析出每圈的六轴陀螺仪数据；

依据每圈的六轴陀螺仪数据筛选出有效圈数m；

依据m个跳绳被测圈中每圈数据点数[n1,n2,n3,…,nm]分别计算用户跳绳动作、协调性、稳定性、节奏、耐力得分；

获取动作、协调性、稳定性、节奏、耐力5项得分对应的权重w1，w2，w3，w4，w5；

获取动作、协调性、稳定性、节奏、耐力5项得分与n风险列表的相关性权重ri,j，ri,j表示第i项得分与第j项课程的相关性；

计算每项健康风险的联合相关性得分

将所有健康风险根据联合相关性得分从小到大排序，并返回前k个作为健康风险。

进一步的，所述依据每圈的六轴陀螺仪数据筛选出有效圈数m的方法包括：

通过数值计算拟合跳绳被测圈的x、y、z、pitch，yaw五个方向的正弦曲线；

计算跳绳被测圈的正弦曲线与该圈的六轴陀螺仪数据的误差；

通过误差来判断跳绳被测圈是否为坏，即，当总误差小于预先设定的阈值p时为好圈，大于或等于p时为环圈；

将m个跳绳被测圈中的坏圈数据进行删除，从而筛选出有效圈数m。

进一步的，所述动作得分的计算方法包括

依据每个跳绳被测圈的x、z两个方向的正弦曲线计算手臂运动幅度；

依据每个跳绳被测圈的pitch，yaw两个方向的正弦曲线计算手腕运动幅度；

将手臂运动幅度以及手腕运动幅度分别代入对应的预设的判定区间，从而得出每个跳绳被测圈的手臂运动幅度得分以及手腕运动幅度得分；

计算m个跳绳被测圈的手臂运动幅度得分的均值以及手腕运动幅度得分的均值，计算手臂运动幅度得分的均值以及手腕运动幅度得分的均值的平均值，即为最终的跳绳动作得分。

进一步的，所述协调性得分的计算方法包括：

计算每个跳绳被测圈的x和z方向的正弦曲线的相位差；

通过相位差来判断每个跳绳被测圈的协调性得分；

计算m个跳绳被测圈的协调性得分均值，即为最后整体协调性得分。

进一步的，所述稳定性得分的计算方法包括：

通过每个跳绳被测圈的x以及y方向的运动幅度来计算跳绳被测圈整体水平运动积分；

计算m个跳绳被测圈的整体水平运动积分的平均值，并将平均值带入预设的评判区间，得出跳绳水平运动稳定性得分。

进一步的，所述节奏得分的计算方法包括：

循环计算每连续5圈的数据点数方差[var1,var2,var3,…,varm-4]；

设定阈值d，计算每连续5圈的数据点数方差大于d的方差个数占所有方差的比例r；

将比例r代入对应的判定区间，确定节奏得分。

进一步的，所述耐力得分的计算方法包括：

获取跳m圈的时间；

计算跳m圈的平均速度s；

将平均速度s代入对应的判定区间，确定耐力得分。

本发明还提供了一种基于跳绳运动姿态评估的跳绳健康风险评估装置，包括：数据获取模块，适于通过陀螺仪与霍尔传感器获取连续跳绳运动时的霍尔传感器信号数据以及六轴陀螺仪数据；

数据处理模块，适于依据霍尔传感器信号获得跳绳被测圈总圈数m，以及依据霍尔传感器信号获取每圈的六轴陀螺仪数据；

圈数筛选模块，适于依据每圈的六轴陀螺仪数据筛选出有效圈数m；

得分计算模块，适于依据m个跳绳被测圈中每圈数据点数[n1,n2,n3,…,nm]分别计算用户跳绳动作、协调性、稳定性、节奏、耐力得分；

权重获取模块，适于获取动作、协调性、稳定性、节奏、耐力5项得分对应的权重w1，w2，w3，w4，w5；

相关性权重获取模块，适于获取动作、协调性、稳定性、节奏、耐力5项得分与n风险列表的相关性权重ri,j，ri,j表示第i项得分与第j项课程的相关性；

联合相关性得分计算模块，计算每项健康风险的联合相关性得分

健康风险预警模块，适于将所有健康风险根据联合相关性得分从小到大排序，并返回前k个作为健康风险。

本发明还提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有一个或一个以上的指令，所述一个或一个以上的指令被处理器执行时实现权利要求1-8任一项所述的基于跳绳运动姿态评估的跳绳健康风险评估方法。

本发明提供了一种电子设备，包括：存储器和处理器；所述存储器中存储有至少一条程序指令；所述处理器，通过加载并执行所述至少一条程序指令以实现如上述的基于跳绳运动姿态评估的跳绳健康风险评估方法。

本发明的有益效果是，本发明提供了一种跳绳健康风险评估方法及装置，其中，基于跳绳运动姿态评估的跳绳健康风险评估方法通过m个跳绳被测圈中每圈数据点数[n1,n2,n3,…,nm]分别计算用户跳绳动作、协调性、稳定性、节奏、耐力得分，并根据专家标注的历史数据来获取动作、协调性、稳定性、节奏、耐力5项得分对应的权重w1，w2，w3，w4，w5，以及获取动作、协调性、稳定性、节奏、耐力5项得分与n风险列表的相关性权重ri,j，ri,j表示第i项得分与第j项课程的相关性，从而计算所有健康风险的总得分，让使用者能够认知到自身的跳绳姿势会引发那些健康风险，从而有目的性的修正自身的跳绳姿势，降低运动时产生损伤的风险。

附图说明

下面结合附图和实施例对本发明进一步说明。

图1是本发明实施例所提供的基于跳绳运动姿态评估的跳绳健康风险评估方法的流程图。

图2是本发明实施例所提供的基于跳绳运动姿态评估的跳绳健康风险评估装置的原理框图。

图3是本发明实施例所提供的电子设备的部分原理框图。

具体实施方式

现在结合附图对本发明作进一步详细的说明。这些附图均为简化的示意图，仅以示意方式说明本发明的基本结构，因此其仅显示与本发明有关的构成。

实施例1

如图1所示，本实施例1提供了一种基于跳绳运动姿态评估的跳绳健康风险评估方法，通过m个跳绳被测圈中每圈数据点数[n1,n2,n3,…,nm]分别计算用户跳绳动作、协调性、稳定性、节奏、耐力得分，并根据专家标注的历史数据来获取动作、协调性、稳定性、节奏、耐力5项得分对应的权重w1，w2，w3，w4，w5，以及获取动作、协调性、稳定性、节奏、耐力5项得分与n风险列表的相关性权重ri,j，ri,j表示第i项得分与第j项课程的相关性，从而计算所有健康风险的总得分，让使用者能够认知到自身的跳绳姿势会引发那些健康风险，从而有目的性的修正自身的跳绳姿势，降低运动时产生损伤的风险。

具体来说，基于跳绳运动姿态评估的跳绳健康风险评估方法包括：

s110：通过陀螺仪与霍尔传感器获取连续跳绳运动时的霍尔传感器信号数据以及六轴陀螺仪数据。

具体来说，陀螺仪以及霍尔传感器设置于手柄内，用于检测霍尔传感器信号以及六轴陀螺仪数据。

s120：依据霍尔传感器信号获得跳绳被测圈总圈数m，以及依据霍尔传感器信号分析出每圈的六轴陀螺仪数据。

具体来说，通过霍尔传感器信号来判断手柄的旋转头转过一圈时，对应的六轴陀螺仪的数据。

s130：依据每圈的六轴陀螺仪数据筛选出有效圈数m。

具体来说，步骤s130包括以下步骤：

s131：通过数值计算拟合跳绳被测圈的x、y、z、pitch，yaw五个方向的正弦曲线。

具体来说，通过数值计算拟合跳绳被测圈的x方向的正弦曲线的方法包括：

获取x方向的六轴陀螺仪数据的n个数据样本，并将n个数据样本的均值置零，即，n个数据样本为vx，vx＝[v1，v2，v3，...，vn]；置零后的其中，vnew表示置零后的数据样本，vxi表示数据样本vx中的第i个样本数据。

设x方向的拟合曲线为f(x)＝ax*sin(bxx+cx)；

计算x方向的六轴陀螺仪数据的n个数据样本，计算参数ax、bx、cx，从而获得x方向的拟合曲线的公式。

参数

其中，t表示该圈的时间，式中，n为该圈所用的时间，f表示n个数据样本的采样频率；

计算vnew与y＝0曲线围成的面积通过正弦曲线性质计算，

计算对应的并从所有w1～wn中选取最大值记为wj，通过正弦曲线性质计算，

剩余y、z、pitch，yaw四个方向的正弦曲线的拟合方法与x方向的正弦曲线的拟合方法相同。

s132：计算跳绳被测圈的正弦曲线与该圈的六轴陀螺仪数据的误差。

具体来说，所述计算跳绳被测圈的正弦曲线与该圈的六轴陀螺仪数据的误差的方法包括：

计算x方向误差errorx；

具体地，通过x方向的正弦曲线的公式计算每个采集点的预测值计算一次误差和二次误差计算x方向误差

计算y方向误差errory；

具体来说，和x方向误差计算方法同理。

计算z方向误差errorz；

具体来说，和z方向误差计算方法同理。

将x、y、z三个方向的误差求和获得总误差error＝errorx+errory+errorz。

s133：通过误差来判断跳绳被测圈是否为坏，即，当总误差小于预先设定的阈值p时为好圈，大于或等于p时为环圈，其中，阈值p根据历史数据库中，跳绳跳过的圈的最高误差来设定。

s134：将m个跳绳被测圈中的坏圈数据进行删除，从而筛选出有效圈数m。

具体来说，将m个跳绳被测圈中的每个跳绳被测圈的误差计算出来，对每个跳绳被测圈的误差进行判断，将m个跳绳被测圈中的坏圈数据进行删除，从而筛选出有效圈数m。

s140：依据m个跳绳被测圈中每圈数据点数[n1,n2,n3,…,nm]分别计算用户跳绳动作、协调性、稳定性、节奏、耐力得分；

具体来说，步骤s140包括以下步骤：

s141：所述动作得分的计算方法包括：

s1412：依据每个跳绳被测圈的x、z两个方向的正弦曲线计算手臂运动幅度；

具体来说，依据跳绳被测圈的x、z两个方向的正弦曲线计算手臂运动幅度，即：跳绳被测圈的手臂运动幅度为

s1413：依据每个跳绳被测圈的pitch，yaw两个方向的正弦曲线计算手腕运动幅度。即，依据跳绳被测圈的pitch，yaw两个方向的正弦曲线计算手腕运动幅度，即：跳绳被测圈的手腕运动幅度为

s1414：将手臂运动幅度以及手腕运动幅度分别代入对应的预设的判定区间，从而得出每个跳绳被测圈的手臂运动幅度得分以及手腕运动幅度得分。其中，手臂运动幅度对应的判定区间为，[0,pa1)，5分；[pa1,pa2)，4分；[pa2,pa3)，3分；[pa3,pa4)，2分；[pa4,+∞]，1分，手腕运动幅度对应的判定区间为[0,qa1)，1分；[qa1,qa2)，2分；[qa2,qa3)，3分；[qa3,qa4)，4分；[qa4,+∞]，5分。

其中，手臂运动幅度的判定区间的端值，pa1-pa4通过专家标注的历史数据得出，例如，专家标注的历史数据中，手臂运动幅度的平均值为a时，得分为5分，手臂运动幅度的平均值为b时，得分为b，那么5分与4分的临界值，pa1为(a+b)/2，pa2-pa4的获得方式与pa1相同，此处不再重复性描述。

手腕运动幅度的判定区间的端值，qa1-qa4通过专家标注的历史数据得出，具体的计算方式和手臂运动幅度的判定区间的端值的计算方式相同。

计算m个跳绳被测圈的手臂运动幅度得分的均值以及手腕运动幅度得分的均值，计算手臂运动幅度得分的均值以及手腕运动幅度得分的均值的平均值，即为最终的跳绳动作得分,即，手臂运动幅度得分的均值其中，s1i表示第i个跳绳被测圈的手臂运动幅度得分，手腕运动幅度得分的均值其中，s2i表示第i个跳绳被测圈的手腕运动幅度得分，m表示跳绳被测圈的总数。计算手臂运动幅度得分的均值以及手腕运动幅度得分的均值的平均值，即为最终的跳绳动作标准度得分。

s142：所述协调性得分的计算方法包括：

s1421：计算每个跳绳被测圈的x和z方向的正弦曲线的相位差。

具体来说，取得x和z方向的相位值cx与cz，及两个方向的公共周期b＝bx＝bz；

相位间误差

s1422：通过相位差来判断每个跳绳被测圈的协调性得分。

具体来说，将相位差代入预设的判定区间，从而得出协调性得分。述预设的判定区间为：1到5分评判区间：[0,pb1)，5分；[pb1,pb2)，4分；[pb2,pb3)，3分；[pb3,pb4)，2分；[pb4,2π]，1分，其中，pb1,pb2,pb3,pb4为人为设定的端值。具体数值，通过相关专家标注的历史数据得出，例如，得5分的相位差的平均值为a，得4分的相位差的平均值为b，那么，5分与4分的临界值pb1＝(a+b)/2。

s1423：计算m个跳绳被测圈的协调性得分均值，即为最后整体协调性得分。

具体来说，设定所有被测圈的圈数为m，最后整体协调性得分其中，si表示第i个跳绳被测圈的得分。

s143：所述稳定性得分的计算方法包括：

s1431：通过每个跳绳被测圈的x以及y方向的运动幅度来计算跳绳被测圈整体水平运动积分。

具体来说，跳绳被测圈x方向每个数据样本的预测值

x方向水平运动积分

其中，vxi表示，跳绳被测圈x方向的数据样本，表示跳绳被测圈x方向的数据样本对应的预测值；

y方向水平运动积分

其中，vyi表示，跳绳被测圈y方向的数据样本，表示跳绳被测圈y方向的数据样本对应的预测值表示，跳绳被测圈y方向的数据样本，表示跳绳被测圈y方向的数据样本对应的预测值。

s1432：计算m个跳绳被测圈的整体水平运动积分的平均值，并将平均值带入预设的评判区间，得出跳绳水平运动稳定性得分。

具体来说，跳绳被测圈整体水平运动积分1到5分评判区间：[0,pc1)，5分；[pc1,pc2)，4分；[pc2,pc3)，3分；[pc3,pc4)，2分；[pc4,+∞]，1分。其中，pc1,pc2,pc3,pc4为人为设定的端值。具体数值，通过相关专家标注的历史数据得出，例如，得5分的整体水平运动积分的平均值为a，得4分的整体水平运动积分的平均值为b，那么，5分与4分的临界值pc1＝(a+b)/2。

s144：所述节奏得分的计算方法包括：

s1441：循环计算每连续5圈的数据点数方差[var1,var2,var3,…,varm-4]。

s1442：设定阈值d，计算每连续5圈的数据点数方差大于d的方差个数占所有方差的比例r。

s1443：将比例r代入对应的判定区间，确定节奏得分。

其中，节奏1到5分评判区间：[0,pd1)，5分；[pd1,pd2)，4分；[pd2,pd3)，3分；[pd3,pd4)，2分；[pd4,+∞]，1分。其中，pd1,pd2,pd3,pd4为人为设定的端值。具体数值，通过相关专家标注的历史数据得出，例如，得5分的比例r的平均值为a，得4分的比例r的平均值为b，那么，5分与4分的临界值pd1＝(a+b)/2。

s145：所述耐力得分的计算方法包括：

s1451：获取跳m圈的时间；

s1452：计算跳m圈的平均速度s；

s1453：将平均速度s代入对应的判定区间，确定耐力得分。

其中，耐力1到5分评判区间：[0,qe1)，1分；[qe1,qe2)，4分；[qe2,qe3)，3分；[qe3,qe4)，2分；[qe4,+∞]，1分。其中，pe1,pe2,pe3,pe4为人为设定的端值。具体数值，通过相关专家标注的历史数据得出，例如，得5分的平均速度s的平均值为a，得4分的平均速度s的平均值为b，那么，5分与4分的临界值pe1＝(a+b)/2。

s150：获取动作、协调性、稳定性、节奏、耐力5项得分对应的权重w1，w2，w3，w4，w5。

具体来说，通过相关领域的专家标注的数据进行权重设置。

s160：获取动作、协调性、稳定性、节奏、耐力5项得分与n风险列表的相关性权重ri,j，ri,j表示第i项得分与第j项课程的相关性。

具体来说，通过专家标注的课程历史数据库来分析动作、协调性、稳定性、节奏、耐力5项得分与课程列表中的课程相关性权重。

s170：计算每项健康风险的联合相关性得分

s180：将所有健康风险根据联合相关性得分从小到大排序，并返回前k个作为健康风险。

实施例2

请参阅图2，本实施例提供了一种基于跳绳运动姿态评估的跳绳健康风险评估装置。

在本实施例中，该装置包括以下模块：

数据获取模块，适于通过陀螺仪与霍尔传感器获取连续跳绳运动时的霍尔传感器信号数据以及六轴陀螺仪数据。具体来说，陀螺仪以及霍尔传感器设置于手柄内，用于检测霍尔传感器信号以及六轴陀螺仪数据。

数据处理模块，适于依据霍尔传感器信号获得跳绳被测圈总圈数m，以及依据霍尔传感器信号获取每圈的六轴陀螺仪数据。具体来说，通过霍尔传感器信号来判断手柄的旋转头转过一圈时，对应的六轴陀螺仪的数据。

圈数筛选模块，适于依据每圈的六轴陀螺仪数据筛选出有效圈数m。

具体来说，圈数筛选模块用于实现以下方法：

s131：通过数值计算拟合跳绳被测圈的x、y、z、pitch，yaw五个方向的正弦曲线。

具体来说，通过数值计算拟合跳绳被测圈的x方向的正弦曲线的方法包括：

获取x方向的六轴陀螺仪数据的n个数据样本，并将n个数据样本的均值置零，即，n个数据样本为vx，vx＝[v1，v2，v3，...，vn]；置零后的其中，vnew表示置零后的数据样本，vxi表示数据样本vx中的第i个样本数据。

设x方向的拟合曲线为f(x)＝ax*sin(bxx+cx)；

计算x方向的六轴陀螺仪数据的n个数据样本，计算参数ax、bx、cx，从而获得x方向的拟合曲线的公式。

参数

其中，t表示该圈的时间，式中，n为该圈所用的时间，f表示n个数据样本的采样频率；

计算vnew与y＝0曲线围成的面积通过正弦曲线性质计算，

计算对应的并从所有w1～wn中选取最大值记为wj，通过正弦曲线性质计算，

剩余y、z、pitch，yaw四个方向的正弦曲线的拟合方法与x方向的正弦曲线的拟合方法相同。

s132：计算跳绳被测圈的正弦曲线与该圈的六轴陀螺仪数据的误差。

具体来说，所述计算跳绳被测圈的正弦曲线与该圈的六轴陀螺仪数据的误差的方法包括：

计算x方向误差errorx；

具体地，通过x方向的正弦曲线的公式计算每个采集点的预测值计算一次误差和二次误差计算x方向误差

计算y方向误差errory；

具体来说，和x方向误差计算方法同理。

计算z方向误差errorz；

具体来说，和z方向误差计算方法同理。

将x、y、z三个方向的误差求和获得总误差error＝errorx+errory+errorz。

s133：通过误差来判断跳绳被测圈是否为坏，即，当总误差小于预先设定的阈值p时为好圈，大于或等于p时为环圈，其中，阈值p根据历史数据库中，跳绳跳过的圈的最高误差来设定。

s134：将m个跳绳被测圈中的坏圈数据进行删除，从而筛选出有效圈数m。

具体来说，将m个跳绳被测圈中的每个跳绳被测圈的误差计算出来，对每个跳绳被测圈的误差进行判断，将m个跳绳被测圈中的坏圈数据进行删除，从而筛选出有效圈数m。

得分计算模块，适于依据m个跳绳被测圈中每圈数据点数[n1,n2,n3,…,nm]分别计算用户跳绳动作、协调性、稳定性、节奏、耐力得分。

具体来说，得分计算模块用于实现以下方法：

具体来说，步骤s140包括以下步骤：

s141：所述动作得分的计算方法包括：

s1412：依据每个跳绳被测圈的x、z两个方向的正弦曲线计算手臂运动幅度；

具体来说，依据跳绳被测圈的x、z两个方向的正弦曲线计算手臂运动幅度，即：跳绳被测圈的手臂运动幅度为

s1413：依据每个跳绳被测圈的pitch，yaw两个方向的正弦曲线计算手腕运动幅度。即，依据跳绳被测圈的pitch，yaw两个方向的正弦曲线计算手腕运动幅度，即：跳绳被测圈的手腕运动幅度为

s1414：将手臂运动幅度以及手腕运动幅度分别代入对应的预设的判定区间，从而得出每个跳绳被测圈的手臂运动幅度得分以及手腕运动幅度得分。其中，手臂运动幅度对应的判定区间为，[0,pa1)，5分；[pa1,pa2)，4分；[pa2,pa3)，3分；[pa3,pa4)，2分；[pa4,+∞]，1分，手腕运动幅度对应的判定区间为[0,qa1)，1分；[qa1,qa2)，2分；[qa2,qa3)，3分；[qa3,qa4)，4分；[qa4,+∞]，5分。

其中，手臂运动幅度的判定区间的端值，pa1-pa4通过专家标注的历史数据得出，例如，专家标注的历史数据中，手臂运动幅度的平均值为a时，得分为5分，手臂运动幅度的平均值为b时，得分为b，那么5分与4分的临界值，pa1为(a+b)/2，pa2-pa4的获得方式与pa1相同，此处不再重复性描述。

手腕运动幅度的判定区间的端值，qa1-qa4通过专家标注的历史数据得出，具体的计算方式和手臂运动幅度的判定区间的端值的计算方式相同。

计算m个跳绳被测圈的手臂运动幅度得分的均值以及手腕运动幅度得分的均值，计算手臂运动幅度得分的均值以及手腕运动幅度得分的均值的平均值，即为最终的跳绳动作得分,即，手臂运动幅度得分的均值其中，s1i表示第i个跳绳被测圈的手臂运动幅度得分，手腕运动幅度得分的均值其中，s2i表示第i个跳绳被测圈的手腕运动幅度得分，m表示跳绳被测圈的总数。计算手臂运动幅度得分的均值以及手腕运动幅度得分的均值的平均值，即为最终的跳绳动作标准度得分。

s142：所述协调性得分的计算方法包括：

s1421：计算每个跳绳被测圈的x和z方向的正弦曲线的相位差。

具体来说，取得x和z方向的相位值cx与cz，及两个方向的公共周期b＝bx＝bz；

相位间误差

s1422：通过相位差来判断每个跳绳被测圈的协调性得分。

具体来说，将相位差代入预设的判定区间，从而得出协调性得分。述预设的判定区间为：1到5分评判区间：[0,pb1)，5分；[pb1,pb2)，4分；[pb2,pb3)，3分；[pb3,pb4)，2分；[pb4,2π]，1分，其中，pb1,pb2,pb3,pb4为人为设定的端值。具体数值，通过相关专家标注的历史数据得出，例如，得5分的相位差的平均值为a，得4分的相位差的平均值为b，那么，5分与4分的临界值pb1＝(a+b)/2。

s1423：计算m个跳绳被测圈的协调性得分均值，即为最后整体协调性得分。

具体来说，设定所有被测圈的圈数为m，最后整体协调性得分其中，si表示第i个跳绳被测圈的得分。

s143：所述稳定性得分的计算方法包括：

s1431：通过每个跳绳被测圈的x以及y方向的运动幅度来计算跳绳被测圈整体水平运动积分。

具体来说，跳绳被测圈x方向每个数据样本的预测值

x方向水平运动积分

其中，vxi表示，跳绳被测圈x方向的数据样本，表示跳绳被测圈x方向的数据样本对应的预测值；

y方向水平运动积分

其中，vyi表示，跳绳被测圈y方向的数据样本，表示跳绳被测圈y方向的数据样本对应的预测值表示，跳绳被测圈y方向的数据样本，表示跳绳被测圈y方向的数据样本对应的预测值。

s1432：计算m个跳绳被测圈的整体水平运动积分的平均值，并将平均值带入预设的评判区间，得出跳绳水平运动稳定性得分。

具体来说，跳绳被测圈整体水平运动积分1到5分评判区间：[0,pc1)，5分；[pc1,pc2)，4分；[pc2,pc3)，3分；[pc3,pc4)，2分；[pc4,+∞]，1分。其中，pc1,pc2,pc3,pc4为人为设定的端值。具体数值，通过相关专家标注的历史数据得出，例如，得5分的整体水平运动积分的平均值为a，得4分的整体水平运动积分的平均值为b，那么，5分与4分的临界值pc1＝(a+b)/2。

s144：所述节奏得分的计算方法包括：

s1441：循环计算每连续5圈的数据点数方差[var1,var2,var3,…,varm-4]。

s1442：设定阈值d，计算每连续5圈的数据点数方差大于d的方差个数占所有方差的比例r。

s1443：将比例r代入对应的判定区间，确定节奏得分。

其中，节奏1到5分评判区间：[0,pd1)，5分；[pd1,pd2)，4分；[pd2,pd3)，3分；[pd3,pd4)，2分；[pd4,+∞]，1分。其中，pd1,pd2,pd3,pd4为人为设定的端值。具体数值，通过相关专家标注的历史数据得出，例如，得5分的比例r的平均值为a，得4分的比例r的平均值为b，那么，5分与4分的临界值pd1＝(a+b)/2。

s145：所述耐力得分的计算方法包括：

s1451：获取跳m圈的时间；

s1452：计算跳m圈的平均速度s；

s1453：将平均速度s代入对应的判定区间，确定耐力得分。

其中，耐力1到5分评判区间：[0,qe1)，1分；[qe1,qe2)，4分；[qe2,qe3)，3分；[qe3,qe4)，2分；[qe4,+∞]，1分。其中，pe1,pe2,pe3,pe4为人为设定的端值。具体数值，通过相关专家标注的历史数据得出，例如，得5分的平均速度s的平均值为a，得4分的平均速度s的平均值为b，那么，5分与4分的临界值pe1＝(a+b)/2。

权重获取模块，适于获取动作、协调性、稳定性、节奏、耐力5项得分对应的权重w1，w2，w3，w4，w5。具体来说，通过相关领域的专家标注的数据进行权重设置。

相关性权重获取模块，适于获取动作、协调性、稳定性、节奏、耐力5项得分与n风险列表的相关性权重ri,j，ri,j表示第i项得分与第j项课程的相关性。具体来说，通过专家标注的课程历史数据库来分析动作、协调性、稳定性、节奏、耐力5项得分与课程列表中的课程相关性权重。

联合相关性得分计算模块，计算每项健康风险的联合相关性得分

健康风险预警模块，适于将所有健康风险根据联合相关性得分从小到大排序，并返回前k个作为健康风险。

实施例3

本发明实施例提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有一个或一个以上的指令，所述一个或一个以上的指令被处理器执行时实现实施例1所提供的基于跳绳运动姿态评估的跳绳课程推荐方法。

本实施方式中，在对跳绳健康风险评估时，获霍尔传感器信号数据以及六轴陀螺仪数据，依据m个跳绳被测圈中每圈数据点数[n1,n2,n3,…,nm]分别计算用户跳绳动作、协调性、稳定性、节奏、耐力得分；依据动作、协调性、稳定性、节奏、耐力得分，来获取需要推送的健康风险。

即，本领域技术人员可以理解，实现上述实施例方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序存储在一个存储介质中，包括若干指令用以使得一个设备(可以是单片机，芯片等)或处理器(processor)执行本申请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-onlymemory)、随机存取存储器(ram，randomaccessmemory)、磁碟或者光盘等各种可以存储程序代码的介质。

实施例4

请参阅图3，本发明实施例还提供了一种电子设备，包括：存储器502和处理器501；所述存储器502中存储有至少一条程序指令；所述处理器501，通过加载并执行所述至少一条程序指令以实现如实施例1所提供的基于跳绳运动姿态评估的跳绳课程推荐方法。

存储器502和处理器501采用总线方式连接，总线可以包括任意数量的互联的总线和桥，总线将一个或多个处理器501和存储器502的各种电路连接在一起。总线还可以将诸如外围设备、稳压器和功率管理电路等之类的各种其他电路连接在一起，这些都是本领域所公知的，因此，本文不再对其进行进一步描述。总线接口在总线和收发机之间提供接口。收发机可以是一个元件，也可以是多个元件，比如多个接收器和发送器，提供用于在传输介质上与各种其他装置通信的单元。经处理器501处理的数据通过天线在无线介质上进行传输，进一步，天线还接收数据并将数据传送给处理器501。

处理器501负责管理总线和通常的处理，还可以提供各种功能，包括定时，外围接口，电压调节、电源管理以及其他控制功能。而存储器502可以被用于存储处理器501在执行操作时所使用的数据。

综上所述，本发明提供了一种跳绳健康风险评估方法及装置，其中，基于跳绳运动姿态评估的跳绳健康风险评估方法通过m个跳绳被测圈中每圈数据点数[n1,n2,n3,…,nm]分别计算用户跳绳动作、协调性、稳定性、节奏、耐力得分，并根据专家标注的历史数据来获取动作、协调性、稳定性、节奏、耐力5项得分对应的权重w1，w2，w3，w4，w5，以及获取动作、协调性、稳定性、节奏、耐力5项得分与n风险列表的相关性权重ri,j，ri,j表示第i项得分与第j项课程的相关性，从而计算所有健康风险的总得分，让使用者能够认知到自身的跳绳姿势会引发那些健康风险，从而有目的性的修正自身的跳绳姿势，降低运动时产生损伤的风险。

以上述依据本发明的理想实施例为启示，通过上述的说明内容，相关工作人员完全可以在不偏离本项发明技术思想的范围内，进行多样的变更以及修改。本项发明的技术性范围并不局限于说明书上的内容，必须要根据权利要求范围来确定其技术性范围。