【技术实现步骤摘要】
本专利技术涉及运动监测，具体为一种基于物联网的运动数据智能监测评估系统及方法。
技术介绍
1、随着科技的不断发展，智能穿戴设备的功能越来越强大，能够提供更加准确和实时的运动数据监测和反馈，帮助运动员更好地了解自己的身体状态和训练效果，从而更好地调整训练计划和提升运动表现；
2、现有技术中，在切换运动项目类型时候，需要提前切换智能穿戴设备对应的运动项目监测功能模块，再开始对应的运动项目训练，不够智能化。
技术实现思路
1、本专利技术的目的在于提供一种基于物联网的运动数据智能监测评估系统及方法，以解决上述
技术介绍
中提出的问题。
2、为了解决上述技术问题，本专利技术提供如下技术方案：
3、一种基于物联网的运动数据智能监测评估系统，本系统包括：运动数据采集模块、运动数据处理模块、运动行为特征识别模块和运动表现评估模块；
4、所述运动数据采集模块，用于通过物联网技术，获取智能穿戴设备采集到的运动数据，所述运动数据包括距离数据和时间数据，其中，所述智能穿戴设备中集成有距离传感器和时间计数器；对运功数据附加数据标签，形成二维坐标点集；
5、所述运动数据处理模块，根据二维坐标点集，形成实时运动特征曲线函数；构建虚拟化训练场景，在虚拟化训练场景中记录模拟训练过程中的运动数据，并形成基准运动特征曲线函数；
6、所述运动行为特征识别模块，用于建立运动行为特征智能识别模型，所述运动行为特征智能识别模型中存储不同运动项目对应的基准运动特
7、所述运动表现评估模块，用于当确定出运动项目类型后，根据实时运动特征曲线函数，分析运动的表现水平，根据运动表现值，对运动进行评估，并输出至用户端。
8、进一步的，所述运动数据采集模块还包括物联网单元和数据标签单元；
9、所述物联网单元，用于通过物联网技术，在运动过程中，实时收集智能穿戴设备采集到的运动数据，所述运动数据包括距离数据和时间数据，所述距离数据基于距离传感器进行采集，且所述距离为手腕到脚腕之间的距离，所述时间数据基于时间计数器进行采集，所述距离传感器和所述时间计数器一体化集成于智能穿戴设备中；
10、所述数据标签单元，用于将时间数据和距离数据进行一一对应，对运动数据附加数据标签，记为(t，f)，建立二维坐标点集，将数据标签转化成二维坐标点集，记录在运动过程中的实时运动行为特征，其中，t表示二维坐标中横坐标对应的时间自变量，f表示二维坐标中纵坐标对应的距离自变量。
11、进一步的，所述运动数据处理模块还包括曲线函数单元和虚拟化场景单元；
12、所述曲线函数单元，用于对运动过程中产生的二维坐标点集中的全部坐标点进行平滑曲线形式的连续依次连接，并借助matlap软件将连接后的平滑曲线转换成自变量为t，应变量为f的实时运动特征曲线函数，记为f(t)；
13、所述虚拟化场景单元，用于架构虚拟化训练场景，所述虚拟化训练场景基于不同的运动项目进行架构，其中，一种运动项目对应架构一种虚拟化训练场景；在每一种虚拟化训练场景中，模拟运动项目实施的过程，并记录模拟过程中的运动数据，形成基准运动特征曲线函数，记为fi(t)，其中，fi(t)表示第i种运动项目在第i种虚拟化训练场景中，以时间为自变量，以距离为应变量形成的基准运动特征曲线函数。
14、进一步的，所述运动行为特征识别模块还包括关联规则单元和特征模型识别单元；
15、所述关联规则单元，用于存储不同运动项目对应的基准运动特征曲线函数，当运动项目训练结束后，上传运动项目训练过程中对应形成的实时运动特征曲线函数；将实时运动特征曲线函数划分成k个连续的分段曲线函数，将任意第x个分段曲线函数记为fx(t)，构建关联规则，记为f→f：fx(t)→fi(t)，计算关联规则的信任度，具体计算公式如下：
16、
17、其中，g(x，i)表示关联规则f→f：fx(t)→fi(t)的信任度，fi(t+t)表示基准运动特征曲线函数fi(t)平移时间t后得到的基准运动特征曲线函数，如果t为正值，则将基准运动特征曲线函数fi(t)向左平移，如果t为负值，则将基准运动特征曲线函数fi(t)向右平移，t1和t2分别为分段曲线函数的起始时间和终止时间，t的取值区间为[t1-t，t2-t]；
18、令t＝t+1，对关联规则的信任度进行迭代计算，直到关联规则的信任度最大时迭代停止，将最大时对应的关联规则的信任度记为g(x，i)max；
19、所述特征模型识别单元，用于判定实时运动特征曲线函数对应的运动项目类型；令i＝i+1，继续计算关联规则f→f：fx(t)→fi+1(t)的信任度，并将关联规则f→f：fx(t)→fi+1(t)的信任度最大时对应的信任度记为g(x，i+1)max，其中，fi+1(t)表示第i+1种运动项目在第i+1种虚拟化训练场景中，以时间为自变量，以距离为应变量形成的基准运动特征曲线函数；
20、比较g(x，i+1)max和g(x，i)max的大小，如果g(x，i+1)max>g(x，i)max，则判定第x个分段曲线函数对应的运动项目为第i+1种运动项目，如果g(x，i+1)max≤g(x，i)max，则判定第x个分段曲线函数对应的运动项目为第i种运动项目。
21、进一步的，所述运动表现评估模块还包括表现分分析单元和评估输出单元；
22、所述表现分分析单元，用于当确定出第x个分段曲线函数对应的第y种运动项目后，计算第x个分段曲线函数对应的运动项目训练期间，用户的运动表现值，具体计算公式如下：
23、
24、其中，eivx表示分段曲线函数fx(t)对应的第y种运动项目训练期间，用户的运动表现值，gy表示第y种运动项目的运动表现指标值；
25、所述评估输出单元，用于统计实时运动特征曲线函数中每一个分段曲线函数对应的运动表现值，并生成运动表现序列；预设运动表现阈值，在运动表现序列中统计出运动表现值大于等于运动表现阈值的个数评估占比，并输出至用户端。
26、一种基于物联网的运动数据智能监测评估方法，本方法包括以下步骤：
27、步骤s100：通过物联网技术，获取智能穿戴设备采集到的运动数据，所述运动数据包括距离数据和时间数据，其中，所述智能穿戴设备中集成有距离传感器和时间计数器；对运功数据附加数据标签，形成二维坐标点集；
28、步骤s200：根据二维坐标点集，形成实时运动特征曲线函数；构建虚拟化训练场景，在虚拟化训练场景中记录模拟训练过程中的运动数据，并形成基准运动特征曲线函数；
29、步骤s300：建立运动行为特征智能识别模型，所述运动行为特征智能识别模型中存储不同运动项目对应的基准运动特征曲线函数，构建关联规则，计算关本文档来自技高网...
【技术保护点】
1.一种基于物联网的运动数据智能监测评估方法，其特征在于，该方法包括以下步骤：
2.根据权利要求1所述的一种基于物联网的运动数据智能监测评估方法，其特征在于，所述步骤S100的具体实施过程包括：
3.根据权利要求2所述的一种基于物联网的运动数据智能监测评估方法，其特征在于，所述步骤S200的具体实施过程包括：
4.根据权利要求3所述的一种基于物联网的运动数据智能监测评估方法，其特征在于，所述步骤S300的具体实施过程包括：
5.根据权利要求4所述的一种基于物联网的运动数据智能监测评估方法，其特征在于，所述步骤S400的具体实施过程包括：
6.一种基于物联网的运动数据智能监测评估系统，其特征在于，所述系统包括：运动数据采集模块、运动数据处理模块、运动行为特征识别模块和运动表现评估模块；
7.根据权利要求6所述的一种基于物联网的运动数据智能监测评估系统，其特征在于：所述运动数据采集模块还包括物联网单元和数据标签单元；
8.根据权利要求7所述的一种基于物联网的运动数据智能监测评估系统，其特征在于：所述运
9.根据权利要求8所述的一种基于物联网的运动数据智能监测评估系统，其特征在于：所述运动行为特征识别模块还包括关联规则单元和特征模型识别单元；
10.根据权利要求9所述的一种基于物联网的运动数据智能监测评估系统，其特征在于：所述运动表现评估模块还包括表现分分析单元和评估输出单元；
...【技术特征摘要】
1.一种基于物联网的运动数据智能监测评估方法，其特征在于，该方法包括以下步骤：
2.根据权利要求1所述的一种基于物联网的运动数据智能监测评估方法，其特征在于，所述步骤s100的具体实施过程包括：
3.根据权利要求2所述的一种基于物联网的运动数据智能监测评估方法，其特征在于，所述步骤s200的具体实施过程包括：
4.根据权利要求3所述的一种基于物联网的运动数据智能监测评估方法，其特征在于，所述步骤s300的具体实施过程包括：
5.根据权利要求4所述的一种基于物联网的运动数据智能监测评估方法，其特征在于，所述步骤s400的具体实施过程包括：
6.一种基于物联网的运动数据智能监测评估系统，其特征在于，所述系统包括...
【专利技术属性】
技术研发人员：孙涛，黄华信，
申请(专利权)人：抚泰健康科技苏州有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。