个人计算设备制造技术

一种个人计算设备包括：处理器、板载存储器、加速度计、陀螺仪以及显示器；用来创建锻炼分析应用的计算机程序，所述锻炼分析应用包括：被配置用于从所述加速度计和所述陀螺仪接收与用户在三个维度下的身体运动相关联的数据的软件模块；被配置用于将所述设备置于学习模式的软件模块，所述学习模式包括记录进行定义的锻炼的所述用户的数据以生成针对所述锻炼的统计模型；被配置用于将所述设备置于正常模式的软件模块，所述正常模式包括对身体运动数据应用概率分析以标识锻炼事件、通过与记录的模型的比较而对所述锻炼进行分类；以及被配置用于对所述身体运动数据应用分析以对所述用户的锻炼姿势进行评分的软件模块。

【技术实现步骤摘要】
个人计算设备本申请是申请日为2014年07月30日、申请号为201480042461.3、专利技术名称为“便携式计算设备以及对从其捕捉的个人数据的分析”的中国专利申请(其对应PCT申请的申请日为2014年07月30日、申请号为PCT/US2014/048972)的分案申请。相关申请的交叉引用本申请是于2013年5月30日提交的美国临时申请号61/828,680的非临时申请并要求其权益，该临时申请的全部内容通过引用而并入于此。
技术介绍
体育健身在各方面都对个人有益。举例而言，体育健身降低疾病的风险、有助于避免受伤并且改善生活质量。身体柔韧性、肌肉力量、基础代谢率、心血管耐力以及体脂率是体育健身的示例性指标。体育锻炼在维持并改善个人身体健康方面扮演着重要角色。体育锻炼在缓解工作或生活相关的压力方面也起作用。举例而言，重量训练具体提供了许多功能性益处；其增强肌肉的力量以改善仪态并为关节提供更好的支撑。此外，重量训练增加肌肉质量，这转而引起基础代谢的升高；较高的速率促进长期减脂并且降低慢性肥胖相关疾病的风险。
技术实现思路
体育锻炼众所周知有益于个人的身体健康。然而，如果未以适当的强度、量和持续时间进行，则体育锻炼可能对个人的健康不利。此外，如果体育锻炼未正确地开展，则可能会发生不必要的损伤。传统的体育器材可以提供与活动的强度、量和持续时间有关的一些信息，但此类信息限于少数活动。私教为一定数目的锻炼提供反馈和训练；然而，对于日常工作而言反馈和训练可能是不太负担得起的且不便的。本文所描述的设备、平台和介质的一个优点是，它们提供了用来方便识别、监测并记录各种体育活动的手段。利用其学习能力，轻易地添加并储存新的体育活动的类型，以供将来的锻炼和学习。因而用户可以从范围广泛的、要监测和跟踪的体育活动中进行选择。进一步地，在锻炼时同时监测用户的生理参数，以便对于个体用户而言以最佳的强度、量和持续时间来开展体育锻炼。另一重要的优点是，将用户的表现与专家进行定量比较，并且提供反馈以促进有效学习和表现的提高。总而言之，本文所描述的设备、平台和介质能够利用反馈实现高效的学习、能够实现对体育锻炼的灵敏监测、储存以及轻易识别。在一个方面中，本文描述了个人计算设备，所述个人计算设备包括：处理器、板载存储器、加速度计、陀螺仪以及显示器；包括可由数字处理设备执行以创建锻炼分析应用的指令的计算机程序，所述锻炼分析应用包括：被配置用于从所述加速度计接收加速度数据并且从所述陀螺仪接收角速度数据的软件模块，所述加速度数据和所述角速度数据与用户在三个维度下的身体运动相关联；被配置用于将所述设备置于学习模式的软件模块，所述学习模式包括记录进行定义的锻炼的所述用户的加速度数据和角速度数据，以生成针对所述锻炼的统计锻炼模型；被配置用于将所述设备置于正常模式的软件模块，所述正常模式包括对所述加速度数据和所述角速度数据应用概率分析以标识锻炼事件、通过与记录的锻炼模型的比较而对所述锻炼进行分类并且标识出所述锻炼的重复次数；以及被配置用于对所述加速度数据和所述角速度数据应用统计分析以对所述用户的锻炼姿势进行评分的软件模块。在一些实施方式中，所述设备适于为用户可穿戴的。在进一步实施方式中，所述设备适于为可由所述用户腕戴的。在进一步实施方式中，所述设备包括可穿戴式适配器，所述可穿戴式适配器可从所述设备可逆地连接，以形成模块化设计。在一些实施方式中，被配置用于锻炼分析应用的处理器还包括软件模块，所述软件模块用于进一步包括生物传感器，以测量所述用户的生理参数。在进一步实施方式中，所述生物传感器选自包含下面各项的组：心率监测仪、温度计、呼吸计、葡萄糖监测仪、电解质传感器以及电导计。在进一步实施方式中，所述生物传感器是光学生物传感器。在进一步实施方式中，所述生理参数选自包含下列各项的组：心率、皮肤温度、呼吸率、皮肤电反应以及水化。在进一步实施方式中，所述应用还包括被配置用于呈现图形用户界面的软件模块，所述图形用户界面包括基于心率的休息定时器。在一些实施方式中，所述个人计算设备还包括地理定位元件。在一些实施方式中，所述设备还包括无线通信元件。在进一步实施方式中，所述无线通信元件是蓝牙模块或ANT+模块。在一些实施方式中，用来对所述锻炼进行分类的概率分析包括利用神经网络、上下文树加权、隐马尔可夫模型或其组合。在一些实施方式中，评分至少部分地源于所述用户的身体稳定性、所述用户的运动协调性或其组合。在一些实施方式中，所述评分至少部分地源于所述加速度数据和所述角速度数据与由其他用户的数据生成的锻炼模型的比较。在一些实施方式中，所述评分至少部分地源于所述加速度数据和所述角速度数据与由一个或多个适格健身专业人士生成的锻炼模型的比较。在一些实施方式中，所述锻炼是单侧重量训练或双侧重量训练。在一些实施方式中，所述应用还包括被配置用于在显示器上呈现用户界面的软件模块，所述用户界面包括所述评分、所述锻炼、所述重复次数、特定于锻炼的消息或其组合。在进一步实施方式中，所述锻炼是重量训练，并且所述特定于锻炼的消息是选自包含下面各项的组中的建议：重量太重、重量太轻、重量改变过大、运动太快、身体太不平稳、姿势不正确、姿势太不协调以及关于姿势的纠正意见。在另一方面中，本文描述了锻炼分析平台，所述锻炼分析平台包括：个人计算设备，其包括处理器、板载存储器、加速度计、陀螺仪、显示器以及通信元件，所述设备被配置用于提供个人锻炼分析应用，所述个人锻炼分析应用包括：被配置用于从所述加速度计接收加速度数据并且从所述陀螺仪接收角速度数据的软件模块，所述加速度数据和所述角速度数据与用户在三个维度下的身体运动相关联；被配置用于向锻炼分析服务器应用传输所述加速度数据和角速度数据的软件模块；所述锻炼分析平台包括服务器处理器，所述服务器处理器被配置用于提供锻炼分析服务器应用，该锻炼分析服务器应用包括：统计锻炼模型的数据库，所述锻炼模型由进行定义的锻炼的用户的加速度数据和角速度数据生成；被配置用于从所述个人计算设备接收加速度数据和角速度数据的软件模块；被配置用于对所述加速度数据和所述角速度数据应用概率分析以标识锻炼事件、通过与所述统计锻炼模型中的一个或多个的比较而对所述锻炼进行分类并且标识出所述锻炼的重复次数的软件模块；被配置用于对所述加速度数据和所述角速度数据应用统计分析以对所述用户的锻炼姿势进行评分的软件模块。在一些实施方式中，所述平台包括至少100个、至少1000个或至少10,000个个人计算设备。在一些实施方式中，所述个人锻炼分析应用还包括被配置用于将所述个人计算设备置于学习模式的软件模块，所述学习模式包括记录进行定义的锻炼的所述用户的加速度数据和角速度数据，以生成针对所述锻炼的统计锻炼模型。在一些实施方式中，所述统计锻炼模型的数据库包括至少10个、至少50个、至少100个或至少500个锻炼模型，每个锻炼模型与特定的锻炼相关联。在一些实施方式中，每个锻炼模型由来自进行定义的锻炼的多个用户的平均数据生成。在进一步实施方式中，平均是基于每个用户的专业技能水平的加权平均。在一些实施方式中，一个或多个锻炼模型由来自进行定义的锻炼的一个或多个适格健本文档来自技高网...

【技术保护点】
1.一种个人计算设备，包括：/na)处理器、板载存储器、加速度计、陀螺仪以及显示器；/nb)包括可由所述个人计算设备执行以创建锻炼分析应用的指令的计算机程序，所述锻炼分析应用包括：/ni)被配置用于从所述加速度计接收加速度数据并且从所述陀螺仪接收角速度数据的软件模块，所述加速度数据和所述角速度数据与用户在三个维度下的身体运动相关联；/nii)被配置用于将所述设备置于学习模式的软件模块，所述学习模式包括记录进行定义的锻炼的所述用户的加速度数据、所述角速度数据和重复次数以生成针对所述锻炼的统计锻炼模型；/niii)被配置用于将所述设备置于正常模式的软件模块，所述正常模式包括对所述加速度数据和所述角速度数据应用概率分析以标识锻炼事件、对所述锻炼进行分类、并且标识出所述锻炼的重复次数，其中标识出所述锻炼的重复次数是通过从所述统计模型中获得预测概率的向量、并基于所述预测概率生成估计的锻炼姿势来实现的，其中所述预测概率与估计的锻炼以及估计的重复次数相关联；/niv)被配置用于对所述加速度数据和所述角速度数据应用统计分析以对所述用户的锻炼姿势进行评分的软件模块。/n

【技术特征摘要】
1.一种个人计算设备，包括：
a)处理器、板载存储器、加速度计、陀螺仪以及显示器；
b)包括可由所述个人计算设备执行以创建锻炼分析应用的指令的计算机程序，所述锻炼分析应用包括：
i)被配置用于从所述加速度计接收加速度数据并且从所述陀螺仪接收角速度数据的软件模块，所述加速度数据和所述角速度数据与用户在三个维度下的身体运动相关联；
ii)被配置用于将所述设备置于学习模式的软件模块，所述学习模式包括记录进行定义的锻炼的所述用户的加速度数据、所述角速度数据和重复次数以生成针对所述锻炼的统计锻炼模型；
iii)被配置用于将所述设备置于正常模式的软件模块，所述正常模式包括对所述加速度数据和所述角速度数据应用概率分析以标识锻炼事件、对所述锻炼进行分类、并且标识出所述锻炼的重复次数，其中标识出所述锻炼的重复次数是通过从所述统计模型中获得预测概率的向量、并基于所述预测概率生成估计的锻炼姿势来实现的，其中所述预测概率与估计的锻炼以及估计的重复次数相关联；
iv)被配置用于对所述加速度数据和所述角速度数据应用统计分析以对所述用户的锻炼姿势进行评分的软件模块。

<...

【专利技术属性】
技术研发人员：托马斯·李·莱克二世，迈克尔·卡斯帕里安，彼得·李，
申请(专利权)人：阿特拉斯维拉伯斯公司，
类型：发明
国别省市：美国;US