本發(fā)明涉及計算和運動識別
技術(shù)領(lǐng)域：
，特別涉及一種基于多源數(shù)據(jù)融合的健身運動識別方法及系統(tǒng)。
背景技術(shù)：
：近年來，隨著人們生活水平的提高以及體育健身意識的增強，越來越多的人開始進行運動鍛煉。健身場館擁有豐富的健身器械和專業(yè)的指導(dǎo)，因而深受大眾的喜愛。經(jīng)常在健身場館中鍛煉的人通常會先做出運動規(guī)劃，記錄每一次健身運動數(shù)據(jù)，從而使得健身過程更加科學安全。同時，許多廠家推出了關(guān)于健身運動管理的智能解決方案，例如國內(nèi)的鈦酷科技建立了智能健身工作室，通過智能手環(huán)、智能健身器械、運動αpp等對用戶在健身房中的健身運動過程進行記錄，通過rfid方式進行使用者身份的識別；力方體智慧健身房通過手機掃描二維碼的方式實現(xiàn)健身過程的智能化，該系統(tǒng)要求使用者在健身之前掃描健身器械上的二維碼，將用戶id與健身器械id進行匹配從而記錄用戶的健身運動信息，其他的一些智能健身房還有光豬圈、likingfit以及國外的davidbartongym、smartfitnessclub等。根據(jù)數(shù)據(jù)獲取途徑的不同，目前的一些健身運動管理識別方法有以下幾種：例如，中國專利cn201610236650.5和cn201610341997.6公開的一種基于計算機視覺的健身管理識別方法，使用攝像頭等圖像傳感器并需要算法支持；中國專利cn201610708951.3和cn201610889984.2公開的一種基于其他傳感器的健身管理識別方法，通過使用一些類似光電、rfid等傳感器，對健身器械的狀態(tài)進行獲??；中國專利cn201610236650.5、cn201610811069.1和cn201610644136.5公開了一種基于可穿戴設(shè)備的健身管理識別方法、該方法需要用戶穿戴一些設(shè)備，利用設(shè)備上的傳感器來對用戶或者運動行為進行感知。上述這些方法雖然能夠檢測和記錄用戶運動情況，但是一方面成本較高，并存在用戶隱私問題；另一方面也易受環(huán)境影響，尤其是目前可穿戴設(shè)備對于運動檢測的應(yīng)用范圍只局限在跑步、走路以及睡眠等差異較大的運動上，無法實現(xiàn)精準的運動識別，難以滿足實際的應(yīng)用需求。因此，需要一種便捷智能、識別精度高并且避免干擾用戶運動的健身運動識別方法。技術(shù)實現(xiàn)要素：本發(fā)明的目的是提供一種基于多源數(shù)據(jù)融合的健身運動識別方法及系統(tǒng)，能夠克服上述現(xiàn)有技術(shù)的缺陷。根據(jù)本發(fā)明的一個方面，提供一種基于多源數(shù)據(jù)融合的健身運動識別系統(tǒng)，包括運動數(shù)據(jù)處理裝置和可穿戴設(shè)備，其中，所述運動數(shù)據(jù)處理裝置包括用于采集健身器械上的運動數(shù)據(jù)的采集模塊、用于收集所述可穿戴設(shè)備上的運動數(shù)據(jù)的收集模塊以及分析所述健身器械上的運動數(shù)據(jù)與所述可穿戴設(shè)備上的運動數(shù)據(jù)之間的關(guān)聯(lián)性的分析模塊。優(yōu)選的，所述分析模塊將與所述健身器械的關(guān)聯(lián)性度量值最高的所述可穿戴設(shè)備，識別為與所述健身器械匹配的可穿戴設(shè)備。優(yōu)選的，所述分析模塊定時檢驗與所述健身器械匹配的可穿戴設(shè)備是否保持匹配。優(yōu)選的，所述分析模塊將與所述健身器械相關(guān)性度量值僅次于最高的可穿戴設(shè)備的相關(guān)性度量值作為閾值界限，用于定時檢驗；優(yōu)選的，所述運動數(shù)據(jù)處理裝置還包括用于識別可穿戴設(shè)備的識別模塊。優(yōu)選的，所述識別模塊選擇識別所述健身器械周圍一定范圍內(nèi)的可穿戴設(shè)備。優(yōu)選的，所述分析模塊可以同時針對一個或多個健身器械與一個或多個所述可穿戴設(shè)備進行關(guān)聯(lián)性分析。根據(jù)本發(fā)明的另一方面，提供一種使用上述基于多源數(shù)據(jù)融合的健身運動識別系統(tǒng)進行健身運動識別的方法，包括以下步驟：步驟1)使用所述采集模塊采集當前健身器械上的運動數(shù)據(jù)；步驟2)使用所述收集模塊收集與健身器械關(guān)聯(lián)的可穿戴設(shè)備上的運動數(shù)據(jù)；步驟3)所述分析模塊分析所述步驟1)獲得的當前健身器械上的運動數(shù)據(jù)與所述步驟2)獲得的可穿戴設(shè)備的運動數(shù)據(jù)之間的關(guān)聯(lián)性，計算得出與當前健身器械匹配的可穿戴設(shè)備。步驟4)所述分析模塊定時檢驗所述步驟3)得出的識別結(jié)果，若與當前健身器械匹配的可穿戴設(shè)備在任一時段的運動數(shù)據(jù)與當前健身器械的運動數(shù)據(jù)之間的相關(guān)性度量值高于所述閾值界限，則檢驗結(jié)果為所述可穿戴設(shè)備與當前健身器械保持匹配；否則檢驗結(jié)果為所述可穿戴設(shè)備與當前健身器械停止匹配，重新返回步驟1)。優(yōu)選的，所述步驟3)進一步包括：分別計算可穿戴設(shè)備上的加速度各個軸數(shù)據(jù)及合成加速度數(shù)據(jù)與當前健身器械上的合成加速度數(shù)據(jù)之間的相關(guān)系數(shù)；為獲得的所述相關(guān)系數(shù)分配不同的權(quán)重值；根據(jù)所述相關(guān)系數(shù)和相應(yīng)的所述權(quán)重值計算得到所述可穿戴設(shè)備與當前健身器械的相關(guān)性度量值。優(yōu)選的，所述相關(guān)系數(shù)與所述權(quán)重值的對應(yīng)關(guān)系是所述相關(guān)系數(shù)越大，所述權(quán)重值越大。相對于現(xiàn)有技術(shù)，本發(fā)明取得了如下有益技術(shù)效果：本發(fā)明的基于多源數(shù)據(jù)融合的健身運動識別方法及系統(tǒng)，根據(jù)健身器械的功能布置識別系統(tǒng)的位置，數(shù)據(jù)采集精準；識別系統(tǒng)通過與一般智能穿戴設(shè)備關(guān)聯(lián)，用戶無需額外操作或佩戴設(shè)備，簡單方便，廣泛適用于一般的健身環(huán)境；識別方法采用了加權(quán)算法比對數(shù)據(jù)的關(guān)聯(lián)性，在運動識別過程中無需限制可穿戴設(shè)備的方向或位置，實用性強，易于推廣，用戶體驗性好。附圖說明圖1是本發(fā)明基于多源數(shù)據(jù)融合的健身運動識別方法的流程圖具體實施方式為了使本發(fā)明的目的、技術(shù)方案以及優(yōu)點更加清楚明白，以下結(jié)合附圖，對根據(jù)本發(fā)明的實施例中提供的基于多源數(shù)據(jù)融合的健身運動識別方法及系統(tǒng)進一步詳細說明。目前人們所指的可隨身識別的運動記錄設(shè)備大多屬于智能可穿戴設(shè)備，在眾多種類的可穿戴設(shè)備中，可以識別和記錄用戶的運動狀態(tài)(走路、跑步、睡眠等)，并且通過手機app向使用者顯示相關(guān)數(shù)據(jù)的智能手環(huán)，以其低廉的價格和長時間的續(xù)航能力占據(jù)了市場的主流位置。例如，國內(nèi)外主流消費電子廠商小米、華為、jawbone、misfit等都推出了自己的智能手環(huán)產(chǎn)品。經(jīng)發(fā)明人仔細研究發(fā)現(xiàn)，當用戶使用健身器械進行運動時，健身器械因用戶使用產(chǎn)生的運動數(shù)據(jù)，與用戶身上佩戴的可穿戴設(shè)備采集的用戶的運動數(shù)據(jù)具有一定關(guān)聯(lián)，例如，在用戶使用高位下拉器時，智能手環(huán)的運動趨勢與健身器械上配重盤的運動趨勢相似，因此可通過將二者的運動趨勢進行比對，就可判斷高位下拉器與用戶的對應(yīng)關(guān)系，從而實現(xiàn)健身運動的識別。在本發(fā)明的一個實施例中，提供一種基于多源數(shù)據(jù)融合的健身運動識別系統(tǒng)，該系統(tǒng)包括運動數(shù)據(jù)處理裝置和可穿戴設(shè)備，其中，運動數(shù)據(jù)處理裝置包括用于采集健身器械上的運動數(shù)據(jù)的采集模塊、識別可穿戴設(shè)備的識別模塊，收集可穿戴設(shè)備上的數(shù)據(jù)的收集模塊，以及分析健身器械上的運動數(shù)據(jù)與用戶可穿戴設(shè)備上的運動數(shù)據(jù)之間的關(guān)聯(lián)性的分析模塊，例如，該運動數(shù)據(jù)處理裝置可以是一種貼在健身器械上的，能夠?qū)崿F(xiàn)上述功能的智能貼件；可穿戴設(shè)備是佩戴在用戶身上的可隨身采集記錄的用戶運動數(shù)據(jù)的設(shè)備，例如智能手環(huán)。在本發(fā)明的另一個實施例中，上述運動數(shù)據(jù)處理裝置的布置位置可以是：對于具有配重盤的力量型健身器械，可將運動數(shù)據(jù)處理裝置放置在配重盤之上；對于其他健身器械，可將運動數(shù)據(jù)處理裝置放置在易于采集用戶使用該健身器械時的運動狀態(tài)的位置，例如在跑步機上的運動數(shù)據(jù)處理裝置，可以固定在跑道兩旁的軌道上。在本發(fā)明的另一個實施例中，提供一種基于多源數(shù)據(jù)融合的健身運動識別方法，該方法使用了上述基于多源數(shù)據(jù)融合的健身運動識別系統(tǒng)。圖1示出了本發(fā)明提供的基于多源數(shù)據(jù)融合的健身運動識別方法的流程圖，如圖1所示，本發(fā)明的健身運動識別方法包括以下步驟：s10.識別并匹配健身器材周圍的可穿戴設(shè)備將運動數(shù)據(jù)處理裝置布置在健身器械上，當用戶使用該健身器械時，運動數(shù)據(jù)處理裝置的識別模塊搜索并連接該健身器械周圍一定范圍內(nèi)的用戶的可穿戴設(shè)備，以智能手環(huán)為例，可根據(jù)藍牙信號的強弱設(shè)定識別模塊的搜索范圍。經(jīng)發(fā)明人實驗可知，如將篩選閾值設(shè)定為距離健身器械2米的范圍，在2米處的藍牙信號強度約為-76db，即當識別模塊搜索到的智能手環(huán)的藍牙信號強度比-76db強的時，當前健身器械的識別模塊與該智能手環(huán)之間的距離不超過2米，可進行匹配，否則不進行連接。s20.采集/收集運動數(shù)據(jù)完成步驟s10的識別后，健身器械上的運動數(shù)據(jù)處理裝置通過識別模塊與一定數(shù)量的可穿戴設(shè)備建立了連接，在同一時段內(nèi)，采集模塊采集健身器械上的運動加速度數(shù)據(jù)，收集模塊收集與運動數(shù)據(jù)處理裝置建立連接的各穿戴設(shè)備的加速度數(shù)據(jù)。其中，收集模塊，例如，可利用藍牙4.0協(xié)議，同時與范圍內(nèi)的多個智能手環(huán)進行連接，并接收來自智能手環(huán)發(fā)送的加速度數(shù)據(jù)。s30.分析運動數(shù)據(jù)根據(jù)步驟s20，在用戶使用健身器械過程中，運動數(shù)據(jù)處理裝置的收集模塊不斷接受周圍可穿戴設(shè)備發(fā)來的加速度數(shù)據(jù)，分析模塊在分析上述數(shù)據(jù)時，例如，可對接收到的加速度數(shù)據(jù)滑動窗口的劃分，以便降低分析模塊的計算開銷。由于收集到的加速度數(shù)據(jù)隨時間的推移不斷更新，因此可根據(jù)健身運動的周期性特點，例如，設(shè)置滑動窗口大小為4s，步長為2s。同時，分析模塊可在每個滑動窗口中，分別計算其中一個可穿戴設(shè)備的多個軸，與運動數(shù)據(jù)處理裝置的采集模塊采集到的健身器械上的加速度數(shù)據(jù)之間的相關(guān)系數(shù)ρxy，具體公式為：其中，x，y分別是可穿戴設(shè)備與健身器械的加速度序列，cov(x，y)為x，y的協(xié)方差，d(x)、d(y)分別為x、y的方差。利用加權(quán)算法，為每個相關(guān)系數(shù)分配適當?shù)臋?quán)重，從而計算每對加速度序列的相關(guān)系數(shù)之和：score＝wxcorx+wycory+wzcorz+wmcorm其中，corx，cory，corz，corm分別表示不同加速度軸的加速度序列以及合成加速度序列之間的相關(guān)系數(shù)，wx，wy，wz，wm表示不同相關(guān)系數(shù)對應(yīng)的權(quán)重。經(jīng)發(fā)明人實驗，為獲得準確的識別結(jié)果，可以根據(jù)實際的應(yīng)用環(huán)境條件、健身器械種類數(shù)量，或者用戶數(shù)量等因素，為不同的相關(guān)系數(shù)分配不同的權(quán)重。在本發(fā)明的另一個實施例中，設(shè)定權(quán)重隨著相關(guān)系數(shù)的增大而增大，例如，如下表所示：表1相關(guān)系數(shù)與權(quán)值對應(yīng)表相關(guān)系數(shù)權(quán)重0.75-10.90.5-0.750.60.3-0.50.10-0.30以下將通過具體數(shù)據(jù)來舉例說明上述加權(quán)算法：將收集模塊收集到的一個智能手環(huán)的加速度數(shù)據(jù)表示成a1，其中，a1＝(αx1，αy1，αz1)，αx1，αy1，αz1分別是可穿戴設(shè)備上的x、y、z軸的加速度序列；將采集模塊采集到的相應(yīng)的健身器械上的加速度數(shù)據(jù)表示成a2，其中，a2＝(αx2，αy2，αz2)，αx2，αy2，αz2分別是健身器械上的x、y、z軸的加速度序列。假設(shè)：αx1＝(1，2，3，4，5，6)，αy1＝(1，1，2，1，1，3)，αz1＝(1，5，4，3，5，6)；αx2＝(1，3，5，7，9，11)，αy2＝(1，1，1，1，1，1)，αz1＝(1，1，1，1，1，1)；利用合成加速度公式分別計算可穿戴設(shè)備上的合成加速度以及健身器械上的合成加速度：即可穿戴設(shè)備上的合成加速度為：αm1＝(1.7321，5.4772，5.3852，5.0990，7.1414，9.0000)健身器械上的合成加速度為：αm＝(1.7321，3.3166，5.1962，7.1414，9.1104，11.0905)根據(jù)上述相關(guān)系數(shù)公式分別計算出可穿戴設(shè)備的不同加速度軸上的以及合成加速度與健身器械上的合成加速度的相關(guān)系數(shù)：即corx＝corr(αx1，αm)＝0.9994；cory＝corr(αy1，αm)＝0.5802；corz＝corr(αz1，αm)＝0.7041；corx＝corr(αm1，αm)＝0.9005；根據(jù)表1分別查找上述計算得到的相關(guān)系數(shù)對應(yīng)的權(quán)重值：即wx＝0.9；wy＝0.6；wz＝0.6；wm＝0.9最后可根據(jù)上述求和公式，計算得到每對加速度序列的相關(guān)系數(shù)之和作為相關(guān)性度量值，以用于判斷該可穿戴設(shè)備與相應(yīng)健身器械的相關(guān)性：即score＝0.9*0.9994+0.6*0.5802+0.6*0.7041+0.9*0.9005＝2.4805利用上述加權(quán)算法，分析模塊將分別計算與健身器械連接的所有可穿戴設(shè)備的相關(guān)性度量值，計算完成后將所有相關(guān)性度量值由大到小排序，將最大的相關(guān)性度量值所對應(yīng)的可穿戴設(shè)備識別為與當前健身器械相關(guān)性最高的設(shè)備，從而判定佩戴該可穿戴設(shè)備的用戶正在使用當前的健身器械，完成健身運動的識別。在本發(fā)明的另一個實施例中，分析模塊以時間段為單位，經(jīng)過多次重復(fù)計算該時間段內(nèi)相關(guān)性度量值最高的可穿戴設(shè)備，根據(jù)概率來判斷該可穿戴設(shè)備與當前健身器械的相關(guān)性，從而提高識別準確率。s40.定時檢驗在用戶在健身時更換器械，或某個健身器械更換不同的使用者時，會導(dǎo)致識別結(jié)果與實際健身運動情況的不匹配，因此分析模塊可通過設(shè)定閾值界限來對步驟s30完成的識別結(jié)果定時進行檢驗，以便判斷是否需要重新識別。例如，在分析模塊利用步驟s30中的加權(quán)算法，首次計算得到所有可穿戴設(shè)備的相關(guān)性度量值并按照由大到小的排序后，可將排序第二的相關(guān)性度量值設(shè)定為用于定時檢驗的閾值界限。定時檢驗的具體方法是：步驟s30完成后，運動數(shù)據(jù)處理裝置的收集模塊會定時收集匹配的可穿戴設(shè)備的運動數(shù)據(jù)，采集模塊會采集相應(yīng)時間段的健身器械的運動數(shù)據(jù)，分析模塊利用上述運動數(shù)據(jù)，利用步驟s30的加權(quán)算法重新計算該匹配的可穿戴設(shè)備與當前健身器械的相關(guān)性度量值，并與首次識別成功時保存下來的排序第二的閾值界限相比較，若重新計算的相關(guān)性度量值小于該閾值界限，則判斷識別失敗，佩戴該可穿戴設(shè)備的用戶停止使用當前健身器械，并返回步驟s10重新執(zhí)行識別方法；若重新計算的相關(guān)性度量值大于該閾值界限，則一直到用戶停止使用該健身器械或可穿戴設(shè)備，判定識別成功，佩戴該可穿戴設(shè)備的用戶在使用當前健身器械。在本發(fā)明的另一個實施例中，可穿戴設(shè)備與運動數(shù)據(jù)處理裝置之間的通信還可以采用其他的無線傳輸方式，例如wifi，此時，運動數(shù)據(jù)處理裝置的識別模塊可以采用其他方式對健身器械周圍的可穿戴設(shè)備進行篩選，例如，利用紅外測距方式測量可穿戴設(shè)備與當前健身器械的距離等。在本發(fā)明的另一個實施例中，提供一種健身運動識別系統(tǒng)包括、運動數(shù)據(jù)采集裝置、運動數(shù)據(jù)分析裝置和可穿戴設(shè)備，其中運動數(shù)據(jù)采集裝置設(shè)置于健身器械上，用于采集健身器械的運動數(shù)據(jù)，相當于上述實施例中的采集模塊；運動數(shù)據(jù)分析裝置用于分析比對運動數(shù)據(jù)采集裝置采集的運動數(shù)據(jù)與可穿戴設(shè)備的運動數(shù)據(jù)，相當于上述實施例中的分析模塊；與上述實施例的不同之處在于，運動數(shù)據(jù)分析裝置可以采用無線傳輸?shù)姆绞剑瑫r接收來自運動數(shù)據(jù)采集裝置和可穿戴設(shè)備的運動數(shù)據(jù)，并集中分析識別健身房內(nèi)多個健身器械與多個用戶的對應(yīng)關(guān)系。盡管在上述實施例中，采用了加速度三軸數(shù)據(jù)的加權(quán)算法來進行健身運動的識別，但本領(lǐng)域普通技術(shù)人員應(yīng)理解，在其他實施例中，可以采用其他算法來比對用戶的可穿戴設(shè)備采集的數(shù)據(jù)與健身器械的運動數(shù)據(jù)之間的關(guān)聯(lián)性，例如，加速度三軸數(shù)據(jù)各自合成的算法或兩兩組合的算法等；另外，在采用藍牙4.0等無線傳輸方式進行數(shù)據(jù)傳輸時，健身房嘈雜的環(huán)境常會引起傳輸不穩(wěn)定，從而導(dǎo)致采集和收集的運動數(shù)據(jù)存在時間序列上的誤差，通常情況下，該誤差不會對識別精度造成影響，如果環(huán)境條件較差或健身器械及用戶數(shù)量較多，在使用上述方法進行識別時，可將由此產(chǎn)生的數(shù)據(jù)偏移計算入識別過程中，例如，計算采集和收集的運動數(shù)據(jù)之間的延時，重新調(diào)整二者的映射關(guān)系，以保證識別準確。相對于現(xiàn)有技術(shù)，在本發(fā)明實施例中所提供的基于多源數(shù)據(jù)融合的健身運動識別方法及系統(tǒng)，利用當前健身器械上的運動數(shù)據(jù)以及用戶可穿戴設(shè)備上的運動數(shù)據(jù)之間的關(guān)聯(lián)性，采用加權(quán)算法進行用戶健身運動的識別，該方法在識別的過程中不需要對可穿戴設(shè)備的方向以及位置進行限制，用戶體現(xiàn)性好。雖然本發(fā)明已經(jīng)通過優(yōu)選實施例進行了描述，然而本發(fā)明并非局限于這里所描述的實施例，在不脫離本發(fā)明范圍的情況下還包括所作出的各種改變以及變化。當前第1頁12