【技术实现步骤摘要】
本专利技术涉及人工智能，具体为一种基于机器学习的体能训练虚拟仿真实训系统。
技术介绍
1、在当今社会，体能训练在运动员、军事人员乃至普通人群都至关重要，然而传统的训练方式往往缺乏科学性和数据支撑，教练和体训人员主要依赖个人经验和直觉来制定训练计划，缺乏对体训人员个体差异和动态变化的深入评估分析；
2、由于每个体训人员的身体条件、技能水平、训练目标等都有所不同，而传统的训练方式往往忽视这些差异，导致训练计划无法精确科学地进行规划，难以精准地评估运动员的身体状况、技能水平和训练需求，从而导致训练计划过于笼统，无法充分满足运动员的个性化需求，不仅影响了运动员的训练成果，还可能增加受伤的风险；
3、为了解决上述缺陷，现提供一种技术方案。
技术实现思路
1、本专利技术的目的就在于解决传统的训练方式往往缺乏科学性和数据支撑，主要依赖个人经验和直觉来制定训练计划，缺乏对体训人员个体差异和动态变化的深入评估分析的问题，而提出一种基于机器学习的体能训练虚拟仿真实训系统。
2、本专利技术的目的可以通过以下技术方案实现：
3、一种基于机器学习的体能训练虚拟仿真实训系统，包括数据采集模块、服务器、训练状态分析模块、身体状态分析模块、仿真训练规划模块、显示终端和仿真云数据库；
4、所述数据采集模块用于采集目标体训人员对应监测周期内各监测时间段的训练状态信息和身体状态信息，并将其通过服务器分别发送至训练状态分析模块和身体状态分析模块；
5
6、所述身体状态分析模块用于接收目标体训人员对应监测周期内各监测时间段的身体状态信息，并进行分析，得到目标体训人员对应监测周期内各监测时间段各训练项目的心率变化值、体温变化值和呼吸频率变化值，由此对目标体训人员对应监测周期内的身体状态进行评估分析，得到目标体训人员对应监测周期内的身体状态评估系数，并将其发送到仿真训练规划模块；
7、所述仿真训练规划模块用于接收目标体训人员对应监测周期内的训练状态评估系数和身体状态评估系数，由此进行仿真训练模拟规划分析，得到目标体训人员的个性化方案。
8、作为本专利技术的进一步改进，对训练状态信息进行分析的过程如下：
9、通过获取目标体训人员对应监测周期内各监测时间段的训练项目数量和各训练项目时长，设置各训练项目对应的强度转化因子，并将各训练项目时长乘以各训练项目对应的强度转化因子，得到各训练项目的训练强度值，在提取训练项目数量和各训练项目的训练强度值的数值进行求和计算，得到目标体训人员对应监测周期内各监测时间段的运动总强值记为yiteity；
10、通过获取目标体训人员对应监测周期内各监测时间段各训练项目的视频，并对目标体训人员对应监测周期内各监测时间段各训练项目的视频进行解析，得到目标体训人员对应监测周期内各监测时间段各训练项目中各监测时间点的图像，并从中提取目标体训人员对应监测周期内各监测时间段各训练项目中各监测时间点的人体轮廓；
11、将目标体训人员对应监测周期内各监测时间段各训练项目中各监测时间点的人体轮廓与其对应的上一个监测时间点的人体轮廓进行重合对比，由此得到目标体训人员对应监测周期内各监测时间段各训练项目中人体轮廓的重合面积，并将其标记为体廓重面值，设置参考体廓重面值，并将体廓重面值与参考体廓重面值进行比较分析，当体廓重面值大于或等于参考体廓重面值时，则将其判定为规范，当体廓重面值小于参考体廓重面值时，则将其判定为不规范，统计目标体训人员对应监测周期内各监测时间段各训练项目中被判定为规范次数和被判定总次数，并将其分别标定为gfxi和zpxi，并取其数值，依据公式：，得到目标体训人员对应监测周期内各监测时间段的规范率值yinrvue，其中，x表示为各训练项目的编号，x=1，2，3…n，n表示为各训练项目编号的总数，i表示为监测周期内各监测时间段的编号，i=1，2，3…m，m表示监测周期内各监测时间段编号的总数，a1、a2表示为设定的权值系数；
12、获取目标体训人员对应监测周期内各监测时间段各训练项目中各监测时间点的人体轮廓到下一个相同人体轮廓监测时间点之间的时长，并将其进行均值计算，由此得到目标体训人员对应监测周期内各监测时间段各训练项目中的反应值，并将其再进行均值计算，得到目标体训人员对应监测周期内各监测时间段的反应总值，提取目标体训人员对应监测周期内各监测时间段的规范率值和反应总值的数值分别乘以对应的权重系数再相加得到目标体训人员对应监测周期内各监测时间段的运动疲劳值记为yiefvue。
13、作为本专利技术的进一步改进，对训练状态进行评估分析的过程如下：
14、提取目标体训人员对应监测周期内各监测时间段的运动总强值、规范率值和运动疲劳值的数值进行归一化处理，依据公式：，得到目标体训人员对应监测周期内的训练状态评估系数xlp，其中，β1、β2和β3分别表示为运动总强值、规范率值和运动疲劳值权重系数，且β1＞β2＞β3。
15、作为本专利技术的进一步改进，对身体状态信息进行分析的过程如下：
16、通过获取目标体训人员对应监测周期内各监测时间段各训练项目中各监测时间点的心率，并从中提取初始监测时间点的心率，作为目标体训人员对应监测周期内各监测时间段各训练项目的初始心率，记为xhix；依据公式：，得到目标体训人员对应监测周期内各监测时间段各训练项目的心率变化值r1ix，其中，r1ixf表示为目标体训人员对应监测周期内第i个监测时间段第x个训练项目中第f个监测时间点的心率，xh*表示为目标体训人员的正常心率，η1、η2分别表示为初始心率变化值、正常心率变化值对应的修正因子；
17、根据获取目标体训人员对应监测周期内各监测时间段各训练项目的心率变化值的处理步骤，同理可得目标体训人员对应监测周期内各监测时间段各训练项目的体温变化值和呼吸频率变化值，并将其分别记为r2ix和r3ix。
18、作为本专利技术的进一步改进，对身体状态进行评估分析的过程如下
19、提取目标体训人员对应监测周期内各监测时间段各训练项目的心率变化值r1ix、体温变化值r2ix和呼吸频率变化值r3ix的数值进行归一化处理，依据公式：，得到目标体训人员对应监测周期内的身体状态评估系数stp，其中，r1*、r2*和r3*分别表示参考心率变化值、参考体温变化值和参考呼吸频率变化值，β4、β5和β6分别表示心率变化偏差值、体温变化偏差值和呼吸频率变化偏差值的权重系数，且β4＞β5＞β6。
20、作为本专利技术的进一步改进，进行仿真训练模拟规划分析的过程如下：
21、提取本文档来自技高网...
【技术保护点】
1.一种基于机器学习的体能训练虚拟仿真实训系统，包括数据采集模块、服务器、显示终端和仿真云数据库，其特征在于，还包括训练状态分析模块、身体状态分析模块和仿真训练规划模块；
2.根据权利要求1所述的一种基于机器学习的体能训练虚拟仿真实训系统，其特征在于，对训练状态信息进行分析的过程如下：
3.根据权利要求1所述的一种基于机器学习的体能训练虚拟仿真实训系统，其特征在于，对训练状态进行评估分析的过程如下：
4.根据权利要求1所述的一种基于机器学习的体能训练虚拟仿真实训系统，其特征在于，对身体状态信息进行分析的过程如下：
5.根据权利要求1所述的一种基于机器学习的体能训练虚拟仿真实训系统，其特征在于，对身体状态进行评估分析的过程如下：
6.根据权利要求1所述的一种基于机器学习的体能训练虚拟仿真实训系统，其特征在于，进行仿真训练模拟规划分析的过程如下：
【技术特征摘要】
1.一种基于机器学习的体能训练虚拟仿真实训系统，包括数据采集模块、服务器、显示终端和仿真云数据库，其特征在于，还包括训练状态分析模块、身体状态分析模块和仿真训练规划模块；
2.根据权利要求1所述的一种基于机器学习的体能训练虚拟仿真实训系统，其特征在于，对训练状态信息进行分析的过程如下：
3.根据权利要求1所述的一种基于机器学习的体能训练虚拟仿真实训系统，其特征在于，对训练状态进行...
【专利技术属性】
技术研发人员：赵亮，韩炜，许鹏飞，郝穆帅，谭昌宇，
申请(专利权)人：山东合众力科技咨询有限公司，
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。