首页 > 专利查询

一种展腹动作分析方法、系统及设备与流程

述多个候选时间点进行排序，获取排序结果；基于所述排序结果，从所述多个时间点中确定所述展腹开始时间点。
9.所述动作数据包括z轴高度；从所述多个时间点中确定所述展腹结束时间点，包括：从所述多个时间点对应的所述z轴高度确定z轴高度最大值；将所述z轴高度最大值对应的时间点作为所述展腹结束时间点。
10.所述基于所述最大小腿倾斜角度、所述最大小腿倾斜角度对应的展腹时间点、所述展腹开始时间点对应的所述小腿倾斜角度及所述展腹开始时间点，确定展腹角度变化速率，包括通过以下公式基于所述最大小腿倾斜角度、所述最大小腿倾斜角度对应的展腹时间点、所述展腹开始时间点的所述小腿倾斜角度及所述展腹开始时间点，确定展腹角度变化速率：v＝(α
2-α1)/(t
2-t1)；其中，v为所述展腹角度变化速率，α2为所述最大小腿倾斜角度，α1为所述展腹开始时间点对应的所述小腿倾斜角度，t2为所述最大小腿倾斜角度对应的所述展腹时间点，t1为所述展腹开始时间点。
11.所述基于所述展腹角度变化速率及所述最大小腿倾斜角度确定所述用户的展腹动作特征，包括：判断所述展腹角度变化速率是否大于第一变化速率阈值；若所述展腹角度变化速率大于第一变化速率阈值，判断所述用户过度展腹；若所述展腹角度变化速率小于或等于第一变化速率阈值，判断所述展腹角度变化速率是否大于第二变化速率阈值；若所述展腹角度变化速率大于第二变化速率阈值，判断所述用户充分展腹；若所述展腹角度变化速率小于或等于第二变化速率阈值，判断小腿z轴加速度是否小于预设z轴加速度阈值；若所述小腿z轴加速度小于预设z轴加速度阈值，判断用户不充分展腹。。
12.所述基于所述展腹角度变化速率及所述最大小腿倾斜角度确定所述用户的展腹动作特征，包括：判断所述最大小腿倾斜角度是否大于小腿倾斜最小角度；若所述最大小腿倾斜角度小于小腿倾斜最小角度，判断所述用户为勾腿动作；若所述最大小腿倾斜角度大于小腿倾斜最小角度，判断所述用户未为勾腿动作。为为
13.还包括：基于所述展腹角度变化速率、所述最大小腿倾斜角度及用户相关信息确定所述用户的展腹协调值。
14.本说明书实施例之一提供一种展腹动作分析系统，包括：数据获取模块，用于获取用户在多个展腹时间点的动作数据，所述动作数据包括三轴加速度，所述三轴加速度包括z轴加速度、y轴加速度及x轴加速度，其中，z轴为竖直向上的方向，y轴为从所述用户的左侧至右侧的方向，所述x轴为从所述用户后方至前方的方向，所述动作数据还包括小腿倾斜角度及小腿倾斜角度，所述小腿倾斜角度为所述用户的小腿与所述z轴的夹角，所述小腿倾斜角度为所述用户的小腿与所述z轴的夹角，所述多个展腹时间点包括展腹开始时间点；
15.特征确定模块，用于基于所述多个展腹时间点的所述小腿倾斜角度，确定最大小腿倾斜角度；还用于基于所述最大小腿倾斜角度、所述最大小腿倾斜角度对应的展腹时间点、所述展腹开始时间点的所述小腿倾斜角度及所述展腹开始时间点，确定展腹角度变化速率；还用于基于所述多个展腹时间点的所述小腿倾斜角度，确定最大小腿倾斜角度；还用于基于所述展腹角度变化速率及所述最大小腿倾斜角度确定所述用户的展腹动作特征。
16.本说明书实施例之一提供一种展腹动作分析设备，包括存储器、处理器及存储在
组件(例如，处理设备110、终端设备150等)通讯。一种展腹动作分析设备100的一个或多个组件可以通过网络120访问存储于存储器140中的资料或指令。存储器140可以直接与一种展腹动作分析设备100中的一个或多个组件(如，处理设备110、终端设备150)连接或通讯。存储器140可以是处理设备110的一部分。处理设备110还可以位于终端设备150中。
38.终端设备150可以获取一种展腹动作分析设备100中的信息或数据。用户(例如，学生或老师)可以通过终端设备150获取用户的展腹动作特征。终端设备150可以包括移动装置、平板电脑、笔记本电脑等中的一种或其任意组合。移动装置可以包括可穿戴装置、智能行动装置、虚拟实境装置、增强实境装置等或其任意组合。可穿戴装置可以包括智能手环、智能鞋袜、智能眼镜、智能头盔、智能手表、智能衣物、智能背包、智能配饰、智能手柄等或其任意组合。智能行动装置可以包括智能电话、个人数字助理 (pda)、游戏装置、导航装置、pos装置等或其任意组合。虚拟实境装置和/或增强实境装置可以包括虚拟实境头盔、虚拟实境眼镜、虚拟实境眼罩、增强实境头盔、增强实境眼镜、增强实境眼罩等或以上任意组合。
39.应该注意的是，上述描述仅出于说明性目的而提供，并不旨在限制本技术的范围。对于本领域普通技术人员而言，在本技术内容的指导下，可做出多种变化和修改。可以以各种方式组合本技术描述的示例性的实施例的特征、结构、方法和其他特征，以获得另外的和/或替代的示例性的实施例。例如，存储器140可以是包括云计算平台的数据存储设备，例如公共云、私有云、社区和混合云等。然而，这些变化与修改不会背离本申请的范围。
40.图2是根据本技术的一些实施例所示的一种展腹动作分析系统200的示例性框图。
41.如图2所示，展腹动作分析系统200可以包括数据获取模块及特征确定模块。数据获取模块及特征确定模块可以被实现在处理设备110上。
42.数据获取模块可以用于获取用户在多个展腹时间点的动作数据，动作数据包括三轴加速度，三轴加速度包括z轴加速度、y轴加速度及x轴加速度，其中，z轴为竖直向上的方向，y轴为从用户的左侧至右侧的方向，x轴为从用户后方至前方的方向，动作数据还包括小腿倾斜角度，小腿倾斜角度为用户的小腿与z轴的夹角，多个展腹时间点包括展腹开始时间点；
43.特征确定模块可以用于基于多个展腹时间点的小腿倾斜角度，确定最大小腿倾斜角度。特征确定模块还可以用于基于最大小腿倾斜角度、最大小腿倾斜角度对应的展腹时间点、展腹开始时间点的小腿倾斜角度及展腹开始时间点，确定展腹角度变化速率。特征确定模块还可以基于多个展腹时间点的小腿倾斜角度，确定最大小腿倾斜角度。特征确定模块还可以基于展腹角度变化速率及最大小腿倾斜角度确定用户的展腹动作特征。
44.图3是根据本说明书一些实施例所示的一种展腹动作分析方法的示例性流程图。如图3所示，展腹动作分析方法包括下述步骤。展腹动作分析方法可以由一种展腹动作分析设备100或一种展腹动作分析系统200执行。
45.步骤310，获取用户在多个展腹时间点的动作数据。步骤310可以由数据获取模块执行。
46.动作数据包括小腿三轴加速度，小腿三轴加速度包括小腿z轴加速度、小腿y轴加速度及小腿x轴加速度，其中，z轴为竖直向上的方向，y轴为从用户的左侧至右侧的方向，x轴为从用户后方至前方的方向，动作数据还包括小腿倾斜角度，小腿倾斜角度为用户的小
腿与z轴的夹角。
47.用户在进行立定跳远动作前，在用户的腿部安装有用于获取小腿z轴加速度、小腿 y轴加速度及小腿x轴加速度的第二传感器。
48.动作数据还可以包括小腿倾斜角度，小腿倾斜角度为用户的小腿与z轴的夹角。数据获取模块可以基于小腿z轴加速度、小腿y轴加速度及小腿x轴加速度计算小腿倾斜角度。数据获取模块可以基于小腿z轴加速度、小腿y轴加速度及小腿x轴加速度计算小腿倾斜角度。
49.数据获取模块获取用户在多个展腹时间点的动作数据，可以包括：
50.获取用户在立定跳远全过程的多个时间点的动作数据；
51.从多个时间点中确定展腹开始时间点及展腹结束时间点；
52.基于展腹开始时间点及展腹结束时间点从多个时间点确定多个展腹时间点。数据获取模块可以将展腹开始时间点、展腹结束时间点、展腹开始时间点与展腹结束时间点之间的多个时间点作为多个展腹时间点。
53.数据获取模块从多个时间点中确定展腹开始时间点，可以包括：
54.从多个时间点中确定小腿z轴加速度大于小腿z轴加速度阈值的多个候选时间点；
55.基于时间先后顺序对多个候选时间点进行排序，获取排序结果；
56.基于排序结果，从多个时间点中确定展腹开始时间点。
57.例如，多个时间点中存在三个小腿z轴加速度大于小腿z轴加速度阈值的候选时间点：10秒11、10秒24、10秒33，则选取最先发生的时间点(即10秒11)作为起跳时间点。
58.数据获取模块还可以确定小腿z轴加速度随时间点变化的小腿z轴加速度变化曲线。数据获取模块可以基于小腿z轴加速度变化曲线确定展腹开始时间点。数据获取模块还可以确定小腿x轴加速度随时间点变化的小腿x轴加速度变化曲线。数据获取模块可以基于小腿x轴加速度变化曲线确定展腹开始时间点。数据获取模块还可以确定小腿y轴加速度随时间点变化的小腿y轴加速度变化曲线。数据获取模块可以基于小腿y轴加速度变化曲线确定展腹开始时间点。例如，结合图4a，可以将x轴加速度变化曲线的极值 a对应的时间点为起跳时间点。还例如，结合图4b，可以将y轴加速度变化曲线的极值 b对应的时间点为起跳时间点。还例如，结合图4c，可以将z轴加速度变化曲线的极值 c对应的时间点为起跳时间点。
59.数据获取模块从多个时间点中确定展腹结束时间点，可以包括：
60.从多个时间点对应的z轴高度确定z轴高度最大值；
61.将z轴高度最大值对应的时间点作为展腹结束时间点。
62.步骤320，基于多个展腹时间点的小腿倾斜角度，确定最大小腿倾斜角度。步骤320 可以由特征确定模块执行。
63.特征确定模块可以将多个展腹时间点的小腿倾斜角度中的最大值作为最大小腿倾斜角度。
64.步骤330，基于多个展腹时间点的小腿倾斜角度，确定最大小腿倾斜角度。步骤330 可以由特征确定模块执行。
65.特征确定模块可以将多个展腹时间点的小腿倾斜角度中的最大值作为最大小腿倾斜角度。例如，结合图5，在展腹开始时间点，小腿倾斜角度为β1，在展腹时间点a，小腿
倾斜角度为最大小腿倾斜角度，最大小腿倾斜角度为β2。
66.步骤340，基于展腹角度变化速率及最大小腿倾斜角度确定用户的展腹动作特征。步骤340可以由特征确定模块执行。
67.特征确定模块可以通过以下公式基于最大小腿倾斜角度、最大小腿倾斜角度对应的展腹时间点、展腹开始时间点的小腿倾斜角度及展腹开始时间点，确定展腹角度变化速率：
68.v＝(α
2-α1)/(t
2-t1)；
69.其中，v为展腹角度变化速率，α2为最大小腿倾斜角度，α1为展腹开始时间点对应的小腿倾斜角度，t2为最大小腿倾斜角度对应的展腹时间点，t1为展腹开始时间点。
70.特征确定模块基于展腹角度变化速率及最大小腿倾斜角度确定用户的展腹动作特征，可以包括：
71.判断展腹角度变化速率是否大于第一变化速率阈值(例如，40
°
/s、35
°
/s等)；
72.若展腹角度变化速率大于第一变化速率阈值，判断用户过度展腹；
73.若展腹角度变化速率小于或等于第一变化速率阈值，判断展腹角度变化速率是否大于第二变化速率阈值(例如，30
°
/s、25
°
/s等)；其中，第一变化速率阈值大于第二变化速率阈值；
74.若展腹角度变化速率大于第二变化速率阈值，判断用户充分展腹；
75.若展腹角度变化速率小于或等于第二变化速率阈值，判断小腿z轴加速度是否小于预设z轴加速度阈值；
76.若小腿z轴加速度小于预设z轴加速度阈值，判断用户不充分展腹。
77.判断最大小腿倾斜角度是否大于小腿倾斜最小角度；
78.若最大小腿倾斜角度小于小腿倾斜最小角度(例如，30
°
、25
°
、35
°
等)，判断用户为勾腿动作；
79.若最大小腿倾斜角度大于小腿倾斜最小角度(例如，30
°
、25
°
、35
°
等)，判断用户未为勾腿动作(即，用户为了直腿动作)。
80.特征确定模块还可以基于展腹角度变化速率、最大小腿倾斜角度及用户相关信息确定用户的展腹协调值。用户相关信息可以包括用户性别、年龄、身高及体重等。特征确定模块可以先将展腹角度变化速率及最大小腿倾斜角度进行归一化处理，并基于归一化后的展腹角度变化速率及最大小腿倾斜角度确定用户的展腹协调值。例如，特征确定模块可以基于以下公式计算展腹协调值：
81.x＝am+bn；
82.其中，m为归一化后的展腹角度变化速率，n为归一化后的最大小腿倾斜角度，a 为归一化后的展腹角度变化速率的系数，b为归一化后的最大小腿倾斜角度的系数。特征确定模块可以基于用户性别、年龄、身高及体重确定a、b的值。对于不同的用户特征确定模块确定的a、b的值不同。例如，性别、身高及体重相同的两个用户(即用户1、用户2)，用户1的年龄大于用户2的年龄，特征确定模块设置的用户1的a、b的值可以大于用户2的a、b的值。
83.现有技术中，通常通过人工经验对立定跳远的展腹动作进行分析，但通过人眼获取的用户的展腹动作的较多细节，只能对展腹动作进行大致判断，无法为用户调整展腹动作提供更加有效帮助，本方法可以通过传感器获取用户在多个展腹时间点的动作数据，并
基于展腹角度变化速率及最大小腿倾斜角度确定用户的展腹动作特征，可以获取更加准确的用户的展腹特征，有效帮助用户调整展腹动作，提高立定跳远成绩。
84.本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rox、光学存储器等)上实施的计算机程序产品的形式。
85.本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
86.这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
87.这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
88.显然，上述实施例仅仅是为清楚地说明所作的举例，而并非对实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。而由此所引伸出的显而易见的变化或变动仍处于本发明创造的保护范围之中。

技术特征：

1.一种展腹动作分析方法，其特征在于，包括：获取用户在多个展腹时间点的动作数据，所述动作数据包括小腿三轴加速度，所述小腿三轴加速度包括小腿z轴加速度、小腿y轴加速度及小腿x轴加速度，其中，z轴为竖直向上的方向，y轴为从所述用户的左侧至右侧的方向，所述x轴为从所述用户后方至前方的方向；基于所述小腿z轴加速度、所述小腿y轴加速度及所述小腿x轴加速度确定小腿倾斜角度，所述小腿倾斜角度为所述用户的小腿与所述z轴的夹角；基于所述多个展腹时间点的所述小腿倾斜角度，确定最大小腿倾斜角度；所述多个展腹时间点包括展腹开始时间点，基于所述最大小腿倾斜角度对应的展腹时间点、所述展腹开始时间点的所述小腿倾斜角度及所述展腹开始时间点，确定展腹角度变化速率；基于所述多个展腹时间点的所述小腿倾斜角度，确定最大小腿倾斜角度；基于所述展腹角度变化速率及所述最大小腿倾斜角度确定所述用户的展腹动作特征。2.根据权利要求1所述的方法，其特征在于，所述获取用户在多个展腹时间点的动作数据，包括：获取所述用户在立定跳远全过程的多个时间点的动作数据；从所述多个时间点中确定展腹开始时间点及展腹结束时间点；基于所述展腹开始时间点及所述展腹结束时间点从所述多个时间点确定所述多个展腹时间点。3.根据权利要求2所述的方法，其特征在于，从所述多个时间点中确定所述展腹开始时间点，包括：从所述多个时间点中确定所述小腿z轴加速度大于小腿z轴加速度阈值的多个候选时间点；基于时间先后顺序对所述多个候选时间点进行排序，获取排序结果；基于所述排序结果，从所述多个时间点中确定所述展腹开始时间点。4.根据权利要求2所述的方法，其特征在于，所述动作数据包括z轴高度；从所述多个时间点中确定所述展腹结束时间点，包括：从所述多个时间点对应的所述z轴高度确定z轴高度最大值；将所述z轴高度最大值对应的时间点作为所述展腹结束时间点。5.根据权利要求1-4任意一项所述的方法，其特征在于，所述基于所述最大小腿倾斜角度、所述最大小腿倾斜角度对应的展腹时间点、所述展腹开始时间点对应的所述小腿倾斜角度及所述展腹开始时间点，确定展腹角度变化速率，包括通过以下公式基于所述最大小腿倾斜角度、所述最大小腿倾斜角度对应的展腹时间点、所述展腹开始时间点的所述小腿倾斜角度及所述展腹开始时间点，确定展腹角度变化速率：v＝(α
2-α1)/(t
2-t1)；其中，v为所述展腹角度变化速率，α2为所述最大小腿倾斜角度，α1为所述展腹开始时间点对应的所述小腿倾斜角度，t2为所述最大小腿倾斜角度对应的所述展腹时间点，t1为所述展腹开始时间点。6.根据权利要求5所述的方法，其特征在于，所述基于所述展腹角度变化速率及所述最大小腿倾斜角度确定所述用户的展腹动作特征，包括：
判断所述展腹角度变化速率是否大于第一变化速率阈值；若所述展腹角度变化速率大于第一变化速率阈值，判断所述用户过度展腹；若所述展腹角度变化速率小于或等于第一变化速率阈值，判断所述展腹角度变化速率是否大于第二变化速率阈值，其中，所述第一变化速率阈值大于所述第二变化速率阈值；若所述展腹角度变化速率大于第二变化速率阈值，判断所述用户充分展腹；若所述展腹角度变化速率小于或等于第二变化速率阈值，判断小腿z轴加速度是否小于预设z轴加速度阈值；若所述小腿z轴加速度小于预设z轴加速度阈值，判断用户不充分展腹。7.根据权利要求6所述的方法，其特征在于，基于所述展腹角度变化速率及所述最大小腿倾斜角度确定所述用户的展腹动作特征，包括：判断所述最大小腿倾斜角度是否大于小腿倾斜最小角度；若所述最大小腿倾斜角度小于小腿倾斜最小角度，判断所述用户为勾腿动作；若所述最大小腿倾斜角度大于小腿倾斜最小角度，判断所述用户未为勾腿动作。8.根据权利要求1-3任意一项所述的方法，其特征在于，还包括：基于所述展腹角度变化速率、所述最大小腿倾斜角度及用户相关信息确定所述用户的展腹协调值。9.一种展腹动作分析系统，其特征在于，包括：数据获取模块，用于获取用户在多个展腹时间点的动作数据，所述动作数据包括三轴加速度，所述三轴加速度包括小腿z轴加速度、小腿y轴加速度及小腿x轴加速度，其中，z轴为竖直向上的方向，y轴为从所述用户的左侧至右侧的方向，所述x轴为从所述用户后方至前方的方向，所述动作数据还包括小腿倾斜角度，所述小腿倾斜角度为所述用户的小腿与所述x轴的夹角，所述多个展腹时间点包括展腹开始时间点；特征确定模块，用于基于所述多个展腹时间点的所述小腿倾斜角度，确定最大小腿倾斜角度；还用于基于所述最大小腿倾斜角度、所述最大小腿倾斜角度对应的展腹时间点、所述展腹开始时间点的所述小腿倾斜角度及所述展腹开始时间点，确定展腹角度变化速率；还用于基于所述多个展腹时间点的所述小腿倾斜角度，确定最大小腿倾斜角度；还用于基于所述展腹角度变化速率及所述最大小腿倾斜角度确定所述用户的展腹动作特征。10.一种展腹动作分析设备，包括存储器、处理器及存储在所述存储器上并在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现权利要求1至8中任一项所述的展腹动作分析方法。

技术总结

本申请实施例公开了一种展腹动作分析方法、系统及设备，属于人体运动分析技术领域，其中，一种展腹动作分析方法，包括：获取用户在多个展腹时间点的动作数据，动作数据包括小腿三轴加速度，小腿三轴加速度包括小腿Z轴加速度、小腿Y轴加速度及小腿X轴加速度，基于小腿Z轴加速度、小腿Y轴加速度及小腿X轴加速度确定小腿倾斜角度；确定展腹角度变化速率及最大小腿倾斜角度；基于展腹角度变化速率及最大小腿倾斜角度确定用户的展腹动作特征。斜角度确定用户的展腹动作特征。斜角度确定用户的展腹动作特征。