数据处理方法、装置和健身机器人制造方法及图纸

本发明专利技术公开了一种数据处理方法、装置和健身机器人。该数据处理方法，可以包括：根据用户运动数据计算预定时间间隔内用户的热量消耗；根据预定时间间隔内用户的热量消耗和获得的预定时间间隔内用户的体重变化，预测未来的预定时间间隔内用户的热量消耗和对应的体重变化；依据获得的用户的热量消耗和获得的用户的体重变化，以及预测获得的热量消耗和预测获得的体重变化，判断用户能否完成预期健身计划；根据判断结果，修正预期健身计划中的预定时间间隔内用户的指定热量消耗和用户的指定体重变化。本发明专利技术公开的数据处理方法，能够根据获得的用户运动数据，对用户的健身计划及时调整，保证原始健身目标的顺利完成。

【技术实现步骤摘要】
数据处理方法、装置和健身机器人
本专利技术属于智能健身
，尤其涉及一种数据处理方法、装置和健身机器人。
技术介绍
一些智能健身产品，例如，可穿戴式健身产品、内置有健身APP的便携式智能通讯终端等可以采集用户健身数据。鲜有的一些智能健身产品，可以根据用户减重目标、减重时间、个人喜好等提供健身计划。但是，由于各方面的因素，用户的健身状态很难维持在恒定的水平。一些突发事件或不可抗因素也会影响用户健身计划的完成，这使得原有的健身计划无法适应用户的现状，造成健身计划无法完成。用户在每次健身状态发生变化时，为了能够完成原有健身计划制定的健身目标，需要人工对健身计划进行调整，是的用户必须大量重复输入原始体征、减重时间、个人喜好等用户信息，手动更新健身计划。同时，由于健身计划的变更，基于新的用户信息，导致用户健身历史相对割裂，不便于对用户健身情况进行跟踪。
技术实现思路
本专利技术实施例提供了一种数据处理方法、装置和健身机器人，能够根据获得的用户运动数据，对用户的健身计划及时调整，保证原始健身目标的顺利完成。第一方面，提供了一种数据处理方法，可以包括：根据用户运动数据计算预定时间间隔内用户的热量消耗；根据预定时间间隔内用户的热量消耗和获得的预定时间间隔内用户的体重变化，预测未来的预定时间间隔内用户的热量消耗和对应的体重变化；依据获得的用户的热量消耗和获得的用户的体重变化，以及预测获得的热量消耗和预测获得的体重变化，判断用户能否完成预期健身计划；根据判断结果，修正预期健身计划中的预定时间间隔内用户的指定热量消耗和用户的指定体重变化。在第一种可能的实现方式中，上述根据预定时间间隔内用户的热量消耗和获得的预定时间间隔内用户的体重变化，预测未来的预定时间间隔内用户的热量消耗和对应的体重变化，可以包括：根据预定时间间隔内用户的热量消耗和获得的预定时间间隔内用户的体重变化，通过最小二乘法预测未来的预定时间间隔内用户的热量消耗和对应的体重变化。结合上述可能的实现方式，在第二种可能的实现方式中，上述根据预定时间间隔内用户的热量消耗和获得的预定时间间隔内用户的体重变化，预测未来的预定时间间隔内用户的热量消耗和对应的体重变化，可以包括：通过Kt＝w1×Kt-1+w2×Kt-2+w3×Kt-3+…+wn×Kt-n预测未来的预定时间间隔内用户的热量消耗；通过预测得到的未来的预定时间间隔内用户的热量消耗Kt和预定时间间隔内用户的体重变化计算所述Kt对应的体重变化；其中，Kt为预测的第t个预定时间间隔内用户的热量消耗，n为用户实际运动预定时间间隔数，Kt-n为第t-n个预定时间间隔内用户的热量消耗，wn为第t-n个预定时间间隔内用户的热量消耗的权重，w1+w2+…+wn＝1。结合上述可能的实现方式，在第三种可能的实现方式中，上述数据处理方法还可以包括：基于采集的用户运动数据识别用户的运动动作；将运动动作与预设动作进行比对，当运动动作与预设动作不匹配时，生成动作纠正指令，对用户的运动动作进行纠正。结合上述可能的实现方式，在第四种可能的实现方式中：上述用户运动数据可以包括用户的运动动作的幅度。上述将运动动作与预设动作进行比对，当运动动作与预设动作不匹配时，生成动作纠正指令，对用户的运动动作进行纠正，可以包括：将运动动作的幅度与预设动作的幅度进行比对，当运动动作的幅度超出预设动作的指定幅度范围时，生成动作纠正指导指令，对用户的运动动作进行纠正。结合上述可能的实现方式，在第五种可能的实现方式中：用户运动数据可以包括用户的运动动作的频次。上述将运动动作与预设动作进行比对，当运动动作与预设动作不匹配时，生成动作纠正指令，对用户的运动动作进行纠正，可以包括：将运动动作的频次与预设动作的指定频次范围进行比对，当运动动作的频次不在预设动作的指定频次范围时，生成包括动作纠正提示消息的动作纠正指令，对用户的运动动作进行纠正。结合上述可能的实现方式，在第六种可能的实现方式中：用户运动数据可以包括用户的体征数据。上述当运动动作的幅度超出预设动作的指定幅度范围时，生成动作纠正指导指令，对用户的运动动作进行纠正之前，还可以包括：根据用户的体征数据获得用户的特征体征数据，其中，特征体征数据包括用户的肩部位置数据和髋部位置数据；基于特征体征数据对用户平面进行定位。结合上述可能的实现方式，在第七种可能的实现方式中：上述数据处理方法还包括：当通过用户运动数据判定用户在预定时间间隔内未完成用户的指定热量消耗且处于空闲状态时，通过预定规则对用户进行惩罚；和/或，当通过用户运动数据判定用户在预定时间间隔内完成用户的指定热量消耗时，获取用户运动数据中用户在不同时段的图像数据，并发出提示消息以提示用户将图像数据转发至网络社交平台第二方面，提供了一种数据处理装置，可以包括：实际热量计算单元、预测单元、判断单元和修正单元。该实际热量计算单元可以用于根据用户运动数据计算预定时间间隔内用户的热量消耗。该预测单元可以用于根据预定时间间隔内用户的热量消耗和获得的预定时间间隔内用户的体重变化，预测未来的预定时间间隔内用户的热量消耗和对应的体重变化。该判断单元可以用于依据获得的用户的热量消耗和获得的用户的体重变化，以及预测获得的热量消耗和预测获得的体重变化，判断用户能否完成预期健身计划。该修正单元可以用于根据判断结果，修正预期健身计划中的预定时间间隔内用户的指定热量消耗和用户的指定体重变化。在第一种可能的实现方式中，该预测单元还可以用于：根据预定时间间隔内用户的热量消耗和获得的预定时间间隔内用户的体重变化，通过最小二乘法预测未来的预定时间间隔内用户的热量消耗和对应的体重变化。结合上述可能的实现方式，在第二种可能的实现方式中，上述预测单元还可以用于：通过Kt＝w1×Kt-1+w2×Kt-2+w3×Kt-3+…+wn×Kt-n预测未来的预定时间间隔内用户的热量消耗；通过预测得到的未来的预定时间间隔内用户的热量消耗Kt和预定时间间隔内用户的体重变化计算所述Kt对应的体重变化；其中，Kt为预测的第t个预定时间间隔内用户的热量消耗，n为用户实际运动预定时间间隔数，Kt-n为第t-n个预定时间间隔内用户的热量消耗，wn为第t-n个预定时间间隔内用户的热量消耗的权重，w1+w2+…+wn＝1。结合上述可能的实现方式，在第三种可能的实现方式中，上述数据处理装置，还可以包括：运动动作识别单元和运动动作纠正单元。该运动动作识别单元可以用于基于采集的用户运动数据识别用户的运动动作。该运动动作纠正单元可以用于将运动动作与预设动作进行比对，当运动动作与预设动作不匹配时，生成动作纠正指令，对用户的运动动作进行纠正。结合上述可能的实现方式，在第四种可能的实现方式中，上述用户运动数据可以包括用户的运动动作的幅度。该运动动作纠正单元还可以用于：将运动动作的幅度与预设动作的幅度进行比对，当运动动作的幅度超出预设动作的指定幅度范围时，生成动作纠正指导指令，对用户的运动动作进行纠正。结合上述可能的实现方式，在第五种可能的实现方式中，上述用户运动数据可以包括用户的运动动作的频次。该运动动作纠正单元还可以用于：将运动动作的频次与预设动作的指定频次范围进行比对，当运动动作的频次不在预设动作的指定频次范围时，生成包括动作纠正提示消息的动作纠正指令本文档来自技高网...

【技术保护点】
一种数据处理方法，其特征在于，包括：根据用户运动数据计算预定时间间隔内用户的热量消耗；根据所述预定时间间隔内用户的热量消耗和获得的所述预定时间间隔内用户的体重变化，预测未来的所述预定时间间隔内用户的热量消耗和对应的体重变化；依据获得的用户的热量消耗和获得的用户的体重变化，以及预测获得的热量消耗和预测获得的体重变化，判断用户能否完成预期健身计划；根据判断结果，修正所述预期健身计划中的预定时间间隔内用户的指定热量消耗和用户的指定体重变化。

【技术特征摘要】
1.一种数据处理方法，其特征在于，包括：根据用户运动数据计算预定时间间隔内用户的热量消耗；根据所述预定时间间隔内用户的热量消耗和获得的所述预定时间间隔内用户的体重变化，预测未来的所述预定时间间隔内用户的热量消耗和对应的体重变化；依据获得的用户的热量消耗和获得的用户的体重变化，以及预测获得的热量消耗和预测获得的体重变化，判断用户能否完成预期健身计划；根据判断结果，修正所述预期健身计划中的预定时间间隔内用户的指定热量消耗和用户的指定体重变化。2.根据权利要求1所述的数据处理方法，其特征在于，所述根据所述预定时间间隔内用户的热量消耗和获得的所述预定时间间隔内用户的体重变化，预测未来的所述预定时间间隔内用户的热量消耗和对应的体重变化，包括：根据所述预定时间间隔内用户的热量消耗和获得的所述预定时间间隔内用户的体重变化，通过最小二乘法预测未来的所述预定时间间隔内用户的热量消耗和对应的体重变化。3.根据权利要求1或2所述的数据处理方法，其特征在于，所述根据所述预定时间间隔内用户的热量消耗和获得的所述预定时间间隔内用户的体重变化，预测未来的所述预定时间间隔内用户的热量消耗和对应的体重变化，包括：通过Kt＝w1×Kt-1+w2×Kt-2+w3×Kt-3+…+wn×Kt-n预测未来的所述预定时间间隔内用户的热量消耗；通过预测得到的未来的所述预定时间间隔内用户的热量消耗Kt和所述预定时间间隔内用户的体重变化计算所述Kt对应的体重变化；其中，Kt为预测的第t个预定时间间隔内用户的热量消耗，n为用户实际运动预定时间间隔数，Kt-n为第t-n个预定时间间隔内用户的热量消耗，wn为第t-n个预定时间间隔内用户的热量消耗的权重，w1+w2+…+wn＝1。4.根据权利要求1所述的数据处理方法，其特征在于，还包括：基于采集的用户运动数据识别用户的运动动作；将所述运动动作与预设动作进行比对，当所述运动动作与所述预设动作不匹配时，生成动作纠正指令，对用户的运动动作进行纠正。5.根据权利要求4所述的数据处理方法，其特征在于，所述用户运动数据包括用户的运动动作的幅度；所述将所述运动动作与预设动作进行比对，当所述运动动作与所述预设动作不匹配时，生成动作纠正指令，对用户的运动动作进行纠正，包括：将所述运动动作的幅度与预设动作的幅度进行比对，当所述运动动作的幅度超出预设动作的指定幅度范围时，生成动作纠正指导指令，对用户的运动动作进行纠正。6.根据权利要求4所述的数据处理方法，其特征在于，所述用户运动数据包括用户的运动动作的频次；所述将所述运动动作与预设动作进行比对，当所述运动动作与所述预设动作不匹配时，生成动作纠正指令，对用户的运动动作进行纠正，包括：将所述运动动作的频次与预设动作的指定频次范围进行比对，当所述运动动作的频次不在预设动作的指定频次范围时，生成包括动作纠正提示消息的动作纠正指令，对用户的运动动作进行纠正。7.根据权利要求5所述的数据处理方法，其特征在于，所述用户运动数据包括用户的体征数据；所述当所述运动动作的幅度超出预设动作的指定幅度范围时，生成动作纠正指导指令，对用户的运动动作进行纠正之前，还包括：根据用户的体征数据获得用户的特征体征数据，其中，所述特征体征数据包括用户的肩部位置数据和髋部位置数据；基于所述特征体征数据对用户平面进行定位。8.根据权利要求1所述的数据处理方法，其特征在于，还包括：当通过所述用户运动数据判定所述用户在预定时间间隔内未完成用户的指定热量消耗且处于空闲状态时，通过预定规则对用户进行惩罚；或，当通过所述用户运动数据判定所述用户在预定时间间隔内完成用户的指定热量消耗...

【专利技术属性】
技术研发人员：杨莉莉，李善甫，黄康敏，
申请(专利权)人：华为技术有限公司，
类型：发明
国别省市：广东,44