1.本技术涉及信息处理
技术领域：
：，尤其涉及一种运动模式推荐方法、装置、电子运动设备及存储介质。
背景技术：
：：2.运动是很好的强身健体的方式，研究表示，当进行身体活动时，人体的反应包括心跳、呼吸加快、循环血量增加，代谢和产热加速等，都是身体产生健康效益的生理基础。运动可以治疗和预防包括糖尿病、心脏病、肥胖、高血压、癌症等40种以上的慢性疾病。且随着人们生活水平的不断提升，人们越来越重视提高身体素质。为了监督并保证有计划的训练，用户可通过相关应用软件找到符合自身需求的训练内容，并制定训练计划。3.在现有的应用软件中，大部分需要通过人工手动设置用户所需的运动模式，这样的方式会造成运动模式设置不灵活，个性化程度低，且人力成本较大。技术实现要素：4.本技术提供了一种运动模式推荐方法、装置、电子运动设备及存储介质，以解决相关技术中，需要通过人工手动设置用户所需的运动模式，导致运动模式设置不灵活，个性化程度低，且人力成本较大的问题。5.第一方面，本技术提供了一种运动模式推荐方法，所述方法包括：获取用户的个人信息，根据所述个人信息对所述用户进行分类，得到所述用户的分类结果；根据所述用户的分类结果，确定为所述用户推荐的初始运动模式；获取所述用户在所述初始运动模式下的运动参数，根据所述用户的运动参数对所述初始运动模式进行调整。6.可选地，根据所述用户的分类结果，确定为所述用户推荐的初始运动模式，包括：当所述用户的分类结果符合低运动量推荐标准时，将低运动量模式确定为所述初始运动模式。7.可选地，根据所述用户的分类结果，确定为所述用户推荐的初始运动模式，包括：当所述用户的分类结果不符合低运动量推荐标准时，获取所述用户的历史运动信息；根据所述历史运动信息，确定为所述用户推荐的所述初始运动模式。8.可选地，根据所述历史运动信息，确定为所述用户推荐的所述初始运动模式，包括：根据所述历史运动信息对所述用户进行运动分类，以将所述用户分为慵懒用户、基础用户和健身用户中的一个，所述慵懒用户对应低运动量模式，所述基础用户对应标准运动量模式,所述健身用户对应高运动量模式；根据所述用户的运动分类结果，将所述低运动量模式、所述标准运动量模式和所述高运动量模式中的一个作为所述初始运动模式。9.可选地，获取所述用户的历史运动信息，包括：获取所述用户的历史运动强度和历史运动频率的至少一个。10.可选地，获取所述用户在所述初始运动模式下的运动参数，根据所述用户的运动参数对所述初始运动模式进行调整，包括：获取所述用户在所述初始运动模式下的运动参数；当所述运动参数符合示警策略时，降低所述初始运动模式的运动量，以对所述初始运动模式进行调整；当所述运动参数符合加强策略时，加强所述初始运动模式的运动量，以对所述初始运动模式进行调整。11.可选地，降低所述初始运动模式的运动量包括：获取所述初始运动模式的运动量以及预设降低值，根据所述预设降低值对所述初始运动模式的运动量进行修改，降低所述初始运动模式的运动量至预设降低值；增加所述初始运动模式的运动量包括：获取所述初始运动模式的运动量以及预设加强值，根据所述预设加强值对所述初始运动模式的运动量进行修改，加强所述初始运动模式的运动量至预设加强值。12.第二方面，本技术提供了运动模式推荐装置，所述装置包括:获取模块，所述获取模块用于获取用户的个人信息，根据所述个人信息对所述用户进行分类，得到所述用户的分类结果；确定模块，所述确定模块用于根据所述用户的分类结果，确定为所述用户推荐的初始运动模式；调整模块，所述调整模块用于获取所述用户在所述初始运动模式下的运动参数，根据所述用户的运动参数对所述初始运动模式进行调整。13.第三方面，提供了一种电子运动设备，包括处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；14.存储器，用于存放计算机程序；15.处理器，用于执行存储器上所存放的程序时，实现第一方面任一项实施例所述的运动模式推荐方法的步骤。16.第四方面，提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如第一方面任一项实施例所述的运动模式推荐方法的步骤。17.本技术实施例提供的上述技术方案与现有技术相比具有如下优点：18.本技术实施例提供的运动模式推荐方法，包括：获取用户的个人信息，根据所述个人信息对所述用户进行分类，得到所述用户的分类结果；根据所述用户的分类结果，确定为所述用户推荐的初始运动模式；获取所述用户在所述初始运动模式下的运动参数，根据所述用户的运动参数对所述初始运动模式进行调整；通过用户的个人信息来对用户进行分类，并根据上述分类自动为用户推荐初始运动模式，避免了用户手动设置运动模式，导致设置不灵活，个性化程度低，且人力成本较大的问题；通过用户获取所述用户在所述初始运动模式下的运动参数，对初始运动模式进行调整，使得自动推荐的运动模式更加符合用户的身体素质，提升了推荐运动模式的准确度，且进一步的提高了运动模式推荐的灵活性。附图说明19.此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本发明的实施例，并与说明书一起用于解释本发明的原理。20.为了更清楚地说明本发明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，对于本领域普通技术人员而言，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。21.图1为本技术实施例提供的一种运动模式推荐方法的流程示意图；22.图2为本技术实施例提供的一种确定用户分类基本流程示意图；23.图3为本技术实施例提供的一种对初始运动模式进行调整的基本流程示意图；24.图4为本技术实施例提供的一种运动模式推荐装置的基本结构示意图；25.图5为本技术实施例提供的一种电子运动设备的结构示意图。具体实施方式26.为使本技术实施例的目的、技术方案和优点更加清楚，下面将结合本技术实施例中的附图，对本技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本技术的一部分实施例，而不是全部的实施例。基于本技术中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本技术保护的范围。27.为了解决相关技术中，需要通过人工手动设置用户所需的运动模式，导致运动模式设置不灵活，个性化程度低，且人力成本较大的问题，本实施例提供一种运动模式推荐方法，如图1所示，图1为本技术实施例提供的一种运动模式推荐方法的基本流程示意图，所述方法包括：28.s101、获取用户的个人信息，根据所述个人信息对所述用户进行分类，得到所述用户的分类结果；29.s102、根据所述用户的分类结果，确定为所述用户推荐的初始运动模式；30.s103、获取所述用户在所述初始运动模式下的运动参数，根据所述用户的运动参数对所述初始运动模式进行调整。31.能够理解的是，上述运动模式推荐方法能够应用于终端和/或服务器，也即上述运动模式推荐方法能够单独由终端执行，也可以单独由服务器执行；也可以部分步骤由终端执行，部分步骤由服务器执行，其中终端包括但不限于：手机、平板电脑、笔记本电脑、掌上电脑、个人数字助理(personaldigitalassistant，pda)、便捷式媒体播放器(portablemediaplayer，pmp)、导航装置等移动终端，以及诸如数字tv、台式计算机等固定终端，下面以运动模式推荐方法由移动终端单独执行为例进行说明。32.应当理解的是，其中个人信息包括但不限于：身体质量指数(bodymassindex，bmi)、年龄、职业等中的至少一个，其中bmi指数是用于衡量人体胖瘦程度以及是否健康的一个标准。bmi的计算公式为：bmi＝体重÷身高2，bmi《18.5轻体重属于消瘦，18.5＝《bmi《24健康体重，bmi》25体重过重属于肥胖；其中，获取个人信息的方法不受限制，可以由相关人员灵活设置，例如，在终端与用户的交互界面上提供个人信息收集页面，由用户通过该交互界面输入个人信息(bmi、年龄、职业等中的至少一个)，以获取用户的个人信息；再例如，通过终端获取智能设备采集的个人信息，所述智能设备包括但不限于：智能电子秤、智能身高测量仪、电子体脂称等，当用户通过智能设备对自身进行测量后，则在终端与智能设备连接时，终端能够获取智能设备上存储的个人信息。33.应当理解的是，其中，获取所述用户在所述初始运动模式下的运动参数，根据所述用户的运动参数对所述初始运动模式进行调整时，是对初始运动模式的运动量进行调整，而并非是改变为用户推荐的运动模式，后续会进行详细说明，在此不在赘述。34.本实施例提供的运动模式推荐方法，包括：获取用户的个人信息，根据所述个人信息对所述用户进行分类，得到所述用户的分类结果；根据所述用户的分类结果，确定为所述用户推荐的初始运动模式；获取所述用户在所述初始运动模式下的运动参数，根据所述用户的运动参数对所述初始运动模式进行调整；通过用户的个人信息来对用户进行分类，并根据上述分类自动为用户推荐初始运动模式，避免了用户手动设置运动模式，导致设置不灵活，个性化程度低，且人力成本较大的问题；通过用户获取所述用户在所述初始运动模式下的运动参数，对初始运动模式进行调整，使得自动推荐的运动模式更加符合用户的身体素质，提升了推荐运动模式的准确度，且进一步的提高了运动模式推荐的灵活性。35.应当理解的是，其中用户的分类结果包括但不限于：肥胖、虚弱、亚健康、老年人、幼儿、青少年、健康、青壮年、中年、强壮等，其中，一个用户能够对应至少一个分类结果，具体的，例如，若获取的个人信息包括：bmi和年龄，若获取的bmi指示用户对应肥胖，年龄对应青壮年，则用户同时对应肥胖和青壮年这两个分类结果。在例如，若获取的个人信息包括：bmi，若获取的bmi指示用户对应肥胖，则用户仅对应肥胖这个分类结果。应当理解的是，不同的分类结果对应推荐不同的运动量，例如，相关人员可知，肥胖、虚弱、老年人、幼儿等分类结果对应的用户并不适合高强度、高时长的运动，因此，当用户的分类结果为肥胖、虚弱、老年人、幼儿等时，则其对应低运动量推荐标准，其中低运动量推荐标准为推荐低运动量的标准，当用户的分类结果为青少年、健康、青壮年、中年、强壮时，则其不符合低运动量推荐标准。36.应该理解的是，其中，运动量(amountofexercise)也称“运动负荷”，指人体在体育活动中所承受的生理、心理负荷量以及消耗的热量，由完成练习的运动强度与持续时间，以及动作的准确性和运动项目特点等因素来决定运动量的大小；则标准运动量为根据调查研究得出的适用于普通人的运动量，例如，运动强度为慢跑，时间为20分钟计算得出的数值；低运动量则是在标准运动量上降低了运动量得到的运动量，例如，在标准运动量对应的运动为慢跑，时间为20分钟时，将运动强度降低为慢走和/或将时间减少以得到低强度运动量；高强度运动量则是在标准运动量上降低了运动量得到的运动量，例如，在标准运动量对应的运动为慢跑，时间为20分钟时，将运动强度降低为快跑和/或将时间增加以得到高强度运动量；其中低运动量模式、标准运动量模式、高运动量模式分别对应低运动量、标准运动量、高运动量。37.在本实施例的一些示例中，根据所述用户的分类结果，确定为所述用户推荐的初始运动模式，包括：当所述用户的分类结果符合低运动量推荐标准时，将低运动量模式确定为所述初始运动模式。其中，当用户对应多个分类结果时，且至少一个分类结果符合低运动量推荐标准，至少一个分类结果不符合低运动量推荐标准，若此时判定用户不符合低运动量推荐标准，并将其他运动量模式确定为所述初始运动模式(也即，不将低运动量模式确定为所述初始运动模式)，则可能导致推荐的运动模式的运动量超出了用户的身体负荷能力，反而会对用户产生不利的影响，因此，若用户对应多个分类结果时，且至少一个分类结果符合低运动量推荐标准，至少一个分类结果不符合低运动量推荐标准，则判定该用户符合低运动量推荐标准。38.承接上例，具体的，例如，若获取用户的个人信息包括bmi和年龄，且根据用户的bmi确定用户的分类结果为肥胖，根据用户的年龄确定用户的分类结果为青壮年，此时，用户对应的分类结果包括了肥胖和青壮年，可以知道用户虽然为青壮年，但是带有肥胖的症状，此时，若将其他运动量模式确定为所述初始运动模式(也即，不将低运动量模式确定为所述初始运动模式)，则可能导致推荐的运动模式的运动量超出了用户的身体负荷能力，反而会对用户产生不利的影响，因此，此时则将低运动量模式确定为该用户对应的初始运动模式。39.在本实施例的一些示例中，根据所述用户的分类结果，确定为所述用户推荐的初始运动模式，包括：当所述用户的分类结果不符合低运动量推荐标准时，获取所述用户的历史运动信息；根据所述历史运动信息，确定为所述用户推荐的所述初始运动模式，应当理解的是，当用户的分类结果不符合低运动量推荐标准时，则需要对用户进一步的获取用户的历史运动信息，根据历史运动信息为用户推荐。其中获取用户的历史运动信息为获取在当前时间前一段时间内的历史运动信息，例如，以5天至10天为一个周期，获取在当前时间的前5天至10天的历史运动信息。其中历史运动信息，包括：历史运动强度、历史运动频率的至少一个；也即获取历史运动信息包括但不限于：获取所述用户的历史运动强度、历史运动频率的至少一个；40.承接上例，在一些示例中，其中历史运动强度可以根据运动种类来确定，其中，低强度的运动,身体没有出现负荷的感觉。比如:散步,做简单的伸展运动，当用户上个周期内进行散步运动时，判定用户的历史运动强度为低强度。中高强度的运动,会感知到心率与和呼吸增快。但中等强度运动时人能正常的说话,比如:快走、慢泡、游泳、太极拳、骑车、爬楼梯等，当用户上个周期内进行游泳运动时，判定用户的历史运动强度为中强度。高强度的运动,比如:快跑、篮球、足球、羽毛球等，当用户上个周期内进行快跑运动时，判定用户的历史运动强度为高强度。41.在一些示例中，历史运动强度可以根据运动时长来确定，例如，若用户在上个周期内每次运动时长低于十分钟，则判定用户的历史运动强度为低强度；若用户在上个周期内每次运动时长超过十分钟低于二十分钟，则判定用户的历史运动强度为中强度；用户在上个周期内每次运动时长超过二十分钟，则判定用户的历史运动强度为高强度，其中具体的划分运动强度的运动时长阈值可以由相关人员灵活设置，本实施例并不做限制；42.在一些示例中，历史运动强度还可以根据运动量来确定，例如，若用户在上个周期内进行跑步(散步、快走、慢跑、快跑等任一项)运动时，且每次跑步的步数低于5000步，则判定用户的历史运动强度为低强度；若用户在上个周期内进行跑步运动，且每次跑步的步数高于5000步低于10000步，则判定用户的历史运动强度为中强度；若用户在上个周期内进行跑步运动，且每次跑步的步数高于10000步，则判定用户的历史运动强度为高强度，其中具体的划分运动强度的运动量阈值可以由相关人员灵活设置，本实施例并不做限制。43.在一些示例中，历史运动频率可以根据用户在上一周期内的运动次数来确定，例如，以10天为一周期，获取当前时间的前五天的运动次数，若在上一周期内，用户每天都进行了运动，则判定用户的历史运动频率为高频率；再例如，在上一周期内，用户间隔一天进行了运动，则判定用户的历史运动频率为中频率；再例如，在上一周期内，用户仅运动了1-2次，则判定用户的历史运动频率为低频率，其中具体的划分运动频率的次数阈值可以由相关人员灵活设置，本实施例并不做限制。44.在本实施例的一些示例中，根据所述历史运动信息，确定为所述用户推荐的所述初始运动模式，包括：根据所述历史运动信息对所述用户进行运动分类，以将所述用户分为慵懒用户、基础用户和健身用户中的一个，所述慵懒用户对应低运动量模式，所述基础用户对应标准运动量模式,所述健身用户对应高运动量模式；根据所述用户的运动分类结果，将所述低运动量模式、所述标准运动量模式和所述高运动量模式中的一个作为所述初始运动模式。45.承接上例，在对用户进行运动分类后，若用户的历史运动信息为：低强度和/或低频率，此时，则在运动分类时，将用户分为慵懒用户；若用户的历史运动信息为：中强度和/或中频率，此时，则在运动分类时，将用户分为基础用户；若用户的历史运动信息为：高强度和/或高频率，此时，则在运动分类时，将用户分为健身用户。46.承接上例，其中慵懒用户对应低运动量模式，所述基础用户对应标准运动量模式,所述健身用户对应高运动量模式，根据所述用户的运动分类结果，将所述低运动量模式、所述标准运动量模式和所述高运动量模式中的一个作为所述初始运动模式，在用户的分类结果为慵懒用户时，将低运动量模式确定为所述初始运动模式，在用户的分类结果为基础用户时，将中运动量模式确定为所述初始运动模式；在用户的分类结果为健身用户时，将高运动量模式确定为所述初始运动模式。47.在本实施例的一些示例中，获取所述用户在所述初始运动模式下的运动参数，根据所述用户的运动参数对所述初始运动模式进行调整，包括：获取所述用户在所述初始运动模式下的运动参数；当所述运动参数符合示警策略时，降低所述初始运动模式的运动量，以对所述初始运动模式进行调整；当所述运动参数符合加强策略时，加强所述初始运动模式的运动量，以对所述初始运动模式进行调整。在确定为用户推荐的初始运动模式后，若用户根据该初始运动模式进行运动，则获取该初始运动模式下用户的运动参数，其中，该运动参数包括但不限于：心率、呼吸频率等，其中获取该初始运动模式下用户的运动参数的方法本实施例并不限制，可以由相关人员灵活设置，例如，通过用户穿戴的智能穿戴设备实时获取该初始运动模式下用户的运动参数。48.承接上例，实时获取所述用户在所述初始运动模式下的运动参数，以实时监控每分钟心率和/或呼吸频率变化，未达适宜心率下限且呼吸频率过快(高于正常运动呼吸频率)或超过适宜心率上限时，确定用户的运动参数符合示警策略，此时降低所述初始运动模式的运动量，以对所述初始运动模式进行调整，并通过语音播报示警类提醒；若每分钟心率和/或呼吸频率变化，未达到适宜心率下限且呼吸频率平缓时，确定用户的运动参数符合加强策略，则此时加强所述初始运动模式的运动量，以对所述初始运动模式进行调整，并通过语音播报加强类提醒；若用户每分钟心率和/或呼吸频率变化在适宜心率范围内且呼吸频率规律波动时，通过语音播报坚持类提醒。可以理解的是，在用户在所述初始运动模式下时，预设时间或运动周期内，每类提醒的触发次数由相关人员灵活设置。49.可以理解的是，其中有效健身的适宜心率范围通过卡沃南氏法计算靶心率的上限(*0.8)与下限(*0.6)；[注：靶心率＝(最大心率-安静时心率)*(0.6～0.8)+安静时的心率；最大心率＝220-年龄]，也即，通过上述方式可以得出适宜心率。[0050]在本实施例的一些示例中，降低所述初始运动模式的运动量包括：获取所述初始运动模式的运动量以及预设降低值，根据所述预设降低值对所述初始运动模式的运动量进行修改，降低所述初始运动模式的运动量至预设降低值，所述预设降低值的取值范围为0-初始运动模式的运动量*1/3；例如，预设降低值为初始运动模式的运动量*二分之一，推荐的初始运动模式为低运动量模式，且低运动量模式下的运动量为跳绳十分钟，则根据预设降低值对所述初始运动模式的运动量对应的数值进行修改时，使用跳绳十分钟-(跳绳十分钟*预设降低值二分之一)得到跳绳五分钟，最后得到修改后的运动量为跳绳五分钟，并根据修改后的运动量为用户进行运动量推荐。[0051]在本实施例的一些示例中，增加所述初始运动模式的运动量包括：获取所述初始运动模式的运动量以及预设加强值，根据所述预设加强值对所述初始运动模式的运动量进行修改，加强所述初始运动模式的运动量至预设加强值，其中预设加强值的范围为0-2*初始运动模式的运动量；例如，预设增加值为初始运动模式的运动量*2，推荐的初始运动模式为低运动量模式，且低运动量模式下的运动量为跳绳十分钟，则根据预设降低值对所述初始运动模式的运动量对应的数值进行修改时，使用跳绳十分钟+(跳绳十分钟*预设降低值1)得到跳绳二十分钟，最后得到修改后的运动量为跳绳二十分钟，并根据修改后的运动量为用户进行运动量推荐。[0052]应当理解的是，在一些示例中，上述获取所述用户在所述初始运动模式下的运动参数，根据所述用户的运动参数对所述初始运动模式进行调整，其是对初始运动模式的运动量进行调整，其并不会修改初始运动模式，例如，在初始运动模式为低运动量模式时，并不会将低运动量模式修改为标准运动量模式或高运动量模式，而是修改低运动量模式下的运动量。[0053]本实施例提供的运动模式推荐方法，包括：获取用户的个人信息，根据所述个人信息对所述用户进行分类，得到所述用户的分类结果；根据所述用户的分类结果，确定为所述用户推荐的初始运动模式；获取所述用户在所述初始运动模式下的运动参数，根据所述用户的运动参数对所述初始运动模式进行调整；通过用户的个人信息来对用户进行分类，并根据上述分类自动为用户推荐初始运动模式，避免了用户手动设置运动模式，导致设置不灵活，个性化程度低，且人力成本较大的问题；通过用户获取所述用户在所述初始运动模式下的运动参数，对初始运动模式进行调整，使得自动推荐的运动模式更加符合用户的身体素质，提升了推荐运动模式的准确度，且进一步的提高了运动模式推荐的灵活性。[0054]为了更好的理解本发明，本实施例提供一种更为具体的示例对本发明提供的运动模式推荐方法进行说明；[0055]其中，首先通过用户的智能电子设备(运动手环/手表)或应用程序(装载在智能手机的运动健康类app)采集用户信息数据；[0056]1.1.采集的用户信息数据包括：a.个人信息(身高、体重、年龄、职业等用户在设备或应用程序中填写的信息)；b.历史运动信息(每日步数、跑步记录、游泳记录等运动信息)；c.心率(历史及实时记录)、呼吸频率(历史及实时记录)信息等数据。[0057]2.根据上述信息及健康运动的标准进行数据对比，划分运动模式，语音播报指导科学跳绳。[0058]2.1.健康运动标准主要参照运动时的适宜心率及身体质量指数bmi。[0059]2.1.1.有效健身的心率适宜心率范围通过卡沃南氏法计算靶心率的上限(*0.8)与下限(*0.6)；[注：靶心率＝(最大心率-安静时心率)*(0.6～0.8)+安静时的心率；最大心率＝220-年龄][0060]2.1.2.身体质量指数bmi＝体重(kg)/(身高(m)*身高(m))[注：bmi《18.5轻体重属于消瘦，18.5＝《bmi《24健康体重，bmi》25体重过重属于肥胖][0061]2.2.运动模式指导逻辑：[0062]以推荐运动为跳绳为例，如图2所示，图2所示为用户分类流程，首先获取设备内部数据信息，然后计算bmi，判断是否肥胖；[0063]其中，通过采集个人信息计算用户bmi值，判断用户是否属于肥胖(f)；[0064]在判定用户属于肥胖时，则推荐用户进行低强度跳绳(也即将低运动量模式作为初始推荐模式)，若用户不属于肥胖，则在此获取设备内部数据信息，以得到用户的历史运动信息，根据历史运动信息对用户进行分类，以将用户分为a、b或c类；[0065]其中，依据a：日均步数《＝5000，或日均运动记录时长《＝10min；依据b：5000《日均步数《＝10000，或日均运动记录时长《＝20min；依据c：日均步数》10000，或日均运动记录时长》20；根据以上近7日运动依据进行用户分类(a类用户-慵懒用户、b类用户-基础用户、c类用户-健身用户)；[0066]如图3所示，在依据上述方式判定用户所属分类后，若为a类即推荐低运动量模式，即每分钟跳绳计数小于正常阈值(-1/3或-1/2)，若为b类则推荐标准运动量模式，若为c类则推荐高运动量模式，即每分钟跳绳技术高于正常阈值(+1/3或+1/2)；并在跳绳运动进行时，实时监控每分钟心率与呼吸频率变化，未达适宜心率下限且呼吸频率过快(高于正常运动呼吸频率)或超过适宜心率上限时，语音播报示警类提醒；未达适宜心率下限且呼吸频率平缓时，语音播报加强类提醒；在适宜心率范围内且呼吸频率规律波动时，语音播报坚持类提醒。每个跳绳周期内，每100下每类提醒最多触发1次。[0067]然后，每个跳绳周期结束后，收集语音提醒类数据上传到服务器，根据触发的提醒类型与次数，判断用户是否适合当前跳绳模式，并在下次跳绳启动时，作为推荐强度的指标之一，调整适合用户的强度，强度下限为降低至正常阈值的1/3，上限为增多至正常阈值的1倍。[0068]本实施例提供的运动模式推荐方法，通过收集用户常用智能电子设备的监测数据和个人填报数据，使用数据统计与分析的常用算法生成推荐的运动模式，并使用语音播报指导用户科学跳绳健身，提高用户产品体验感以及达到强身健体的运动效果。[0069]基于相同的构思，本实施例提供一种运动模式推荐装置，如图4所示，所述装置包括:[0070]获取模块1，所述获取模块1用于获取用户的个人信息，根据所述个人信息对所述用户进行分类，得到所述用户的分类结果；[0071]确定模块2，所述确定模块2用于根据所述用户的分类结果，确定为所述用户推荐的初始运动模式；[0072]调整模块3，所述调整模块3用于获取所述用户在所述初始运动模式下的运动参数，根据所述用户的运动参数对所述初始运动模式进行调整；[0073]应当理解的是，本实施例提供的运动模式推荐装置各个模块组合能够实现上述运动模式推荐方法的各个步骤，达到与上述运动模式推荐方法各个步骤相同的技术效果，在此不在赘述。[0074]如图5所示，本技术实施例提供了一种电子运动设备，包括处理器111、通信接口112、存储器113和通信总线114，其中，处理器111，通信接口112，存储器113通过通信总线114完成相互间的通信，[0075]存储器113，用于存放计算机程序；[0076]在本技术一个实施例中，处理器111，用于执行存储器113上所存放的程序时，实现前述任意一个方法实施例提供的运动模式推荐方法的步骤。[0077]本技术实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如前述任意一个方法实施例提供的运动模式推荐方法的步骤。[0078]需要说明的是，在本文中，诸如“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。[0079]以上所述仅是本发明的具体实施方式，使本领域技术人员能够理解或实现本发明。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所申请的原理和新颖特点相一致的最宽的范围。当前第1页12当前第1页12