[發明專利]一種運動能耗預測方法及裝置

在審

• 申請號: 202211049161.0
• 申請日: 2022-08-30
• 公開（公告）號: CN115554674A
• 公開（公告）日: 2023-01-03
• 發明（設計）人: 高偉東;崔世帥
• 申請（專利權）人: 北京郵電大學
• 主分類號: A63B24/00
• 分類號: A63B24/00;G06N3/04;G06N3/08
• 代理公司: 北京路浩知識產權代理有限公司 11002
• 代理人: 梁軍麗

1.一種運動能耗預測方法，其特征在于，包括：

獲取目標對象在運動過程中的加速度數據和目標運動強度等級；

對所述加速度數據進行特征提取，利用主成份分析法獲取所述加速度數據的特征信息；

根據所述特征信息和所述目標對象的身體狀態信息，構建所述目標對象的輸入參數；

根據所述目標運動強度等級，將所述輸入參數輸入目標運動能耗預測模型，得到所述目標對象的運動能耗；

其中，所述目標運動能耗預測模型是基于在所述目標運動強度等級下的樣本輸入參數和所述樣本輸入參數對應的樣本運動能耗訓練得到的。

2.根據權利要求1所述的運動能耗預測方法，其特征在于，獲取目標對象在運動過程中的目標運動強度等級，包括：

獲取所述目標對象在運動過程中的運動耐量；

根據所述運動耐量所處的取值區間，確定所述目標運動強度等級。

3.根據權利要求2所述的運動能耗預測方法，其特征在于，所述根據所述特征信息和所述目標對象的身體狀態信息，構建所述目標對象的輸入參數，包括：

對所述特征信息和所述身體狀態信息進行標準化處理，以使所述輸入參數的平均值為預設數值、方差小于預設方差閾值。

4.根據權利要求2所述的運動能耗預測方法，其特征在于，在運動強度等級分為輕度、中度和重度的情況下，所述根據所述目標運動強度等級，將所述輸入參數輸入目標運動能耗預測模型，得到所述目標對象的運動能耗，包括：

在所述目標運動強度等級為輕度的情況下，將所述輸入參數輸入輕度運動能耗預測模型，得到所述目標對象的第一運動能耗；

在所述目標運動強度等級為中度的情況下，將所述輸入參數輸入中度運動能耗預測模型，得到所述目標對象的第二運動能耗；

在所述目標運動強度等級為重度的情況下，將所述輸入參數輸入重度運動能耗預測模型，得到所述目標對象的第三運動能耗。

5.根據權利要求1所述的運動能耗預測方法，其特征在于，所述目標運動能耗預測模型為神經網絡模型；

所述神經網絡模型的輸入層和隱含層的傳遞函數為雙曲正切曲線函數。

6.根據權利要求1所述的運動能耗預測方法，其特征在于，所述特征信息至少包括以下特征中的一種：

上四分位數、中位數、下四分位數、最大值、均值、最小值、峰度、偏度、方差及標準差；

所述身體狀態信息至少包括以下身體狀態參數中的一種：目標對象的年齡、目標對象的身高以及目標對象的體重。

7.根據權利要求1所述的運動能耗預測方法，其特征在于，獲取目標對象在運動過程中的加速度數據，包括：

利用設置在所述目標對象的目標人體位置上的加速度傳感器，獲取所述加速度數據。

8.一種運動能耗預測裝置，其特征在于，包括：

第一模塊，用于獲取目標對象在運動過程中的加速度數據和目標運動強度等級；

第二模塊，用于對所述加速度數據進行特征提取，利用主成份分析法獲取所述加速度數據的特征信息；

第三模塊，用于根據所述特征信息和所述目標對象的身體狀態信息，構建所述目標對象的輸入參數；

第四模塊，用于根據所述目標運動強度等級，將所述輸入參數輸入目標運動能耗預測模型，得到所述目標對象的運動能耗；

其中，所述目標運動能耗預測模型是基于在所述目標運動強度等級下的樣本輸入參數和所述樣本輸入參數對應的樣本運動能耗訓練得到的。

9.一種電子設備，包括存儲器、處理器及存儲在所述存儲器上并可在所述處理器上運行的計算機程序，其特征在于，所述處理器執行所述計算機程序時實現如權利要求1至7任一項所述運動能耗預測方法的步驟。

10.一種非暫態計算機可讀存儲介質，其上存儲有計算機程序，其特征在于，所述計算機程序被處理器執行時實現如權利要求1至7任一項所述運動能耗預測方法的步驟。