[go: up one dir, main page]

CN111544853A - 跑步运动中体力指标评估方法和设备 - Google Patents

跑步运动中体力指标评估方法和设备 Download PDF

Info

Publication number
CN111544853A
CN111544853A CN202010405185.XA CN202010405185A CN111544853A CN 111544853 A CN111544853 A CN 111544853A CN 202010405185 A CN202010405185 A CN 202010405185A CN 111544853 A CN111544853 A CN 111544853A
Authority
CN
China
Prior art keywords
physical strength
user
heart rate
physical
real
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202010405185.XA
Other languages
English (en)
Inventor
刘新
饶旋
汤彧
黄慕一
牛浩田
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Guangdong Coros Sports Technology JSC
Original Assignee
Guangdong Coros Sports Technology JSC
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Guangdong Coros Sports Technology JSC filed Critical Guangdong Coros Sports Technology JSC
Priority to CN202010405185.XA priority Critical patent/CN111544853A/zh
Publication of CN111544853A publication Critical patent/CN111544853A/zh
Priority to US17/109,104 priority patent/US20210353196A1/en
Pending legal-status Critical Current

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A63—SPORTS; GAMES; AMUSEMENTS
    • A63B—APPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
    • A63B24/00—Electric or electronic controls for exercising apparatus of preceding groups; Controlling or monitoring of exercises, sportive games, training or athletic performances
    • A63B24/0062—Monitoring athletic performances, e.g. for determining the work of a user on an exercise apparatus, the completed jogging or cycling distance
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
    • G16H20/30—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to physical therapies or activities, e.g. physiotherapy, acupressure or exercising
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/02—Detecting, measuring or recording for evaluating the cardiovascular system, e.g. pulse, heart rate, blood pressure or blood flow
    • A61B5/0205—Simultaneously evaluating both cardiovascular conditions and different types of body conditions, e.g. heart and respiratory condition
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/02—Detecting, measuring or recording for evaluating the cardiovascular system, e.g. pulse, heart rate, blood pressure or blood flow
    • A61B5/024—Measuring pulse rate or heart rate
    • A61B5/02438—Measuring pulse rate or heart rate with portable devices, e.g. worn by the patient
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—Measuring devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor or mobility of a limb
    • A61B5/1112—Global tracking of patients, e.g. by using GPS
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—Measuring devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor or mobility of a limb
    • A61B5/1118—Determining activity level
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/48—Other medical applications
    • A61B5/4866—Evaluating metabolism
    • A—HUMAN NECESSITIES
    • A63—SPORTS; GAMES; AMUSEMENTS
    • A63B—APPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
    • A63B71/00—Games or sports accessories not covered in groups A63B1/00 - A63B69/00
    • A63B71/06—Indicating or scoring devices for games or players, or for other sports activities
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06C—DIGITAL COMPUTERS IN WHICH ALL THE COMPUTATION IS EFFECTED MECHANICALLY
    • G06C3/00—Arrangements for table look-up, e.g. menstruation table
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2457—Query processing with adaptation to user needs
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
    • G16H10/60—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for patient-specific data, e.g. for electronic patient records
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
    • G16H40/60—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices
    • G16H40/67—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices for remote operation
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/50—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for simulation or modelling of medical disorders
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H70/00—ICT specially adapted for the handling or processing of medical references
    • G16H70/20—ICT specially adapted for the handling or processing of medical references relating to practices or guidelines
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B2503/00—Evaluating a particular growth phase or type of persons or animals
    • A61B2503/10—Athletes
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235—Details of waveform analysis
    • A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
    • A—HUMAN NECESSITIES
    • A63—SPORTS; GAMES; AMUSEMENTS
    • A63B—APPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
    • A63B24/00—Electric or electronic controls for exercising apparatus of preceding groups; Controlling or monitoring of exercises, sportive games, training or athletic performances
    • A63B24/0062—Monitoring athletic performances, e.g. for determining the work of a user on an exercise apparatus, the completed jogging or cycling distance
    • A63B2024/0068—Comparison to target or threshold, previous performance or not real time comparison to other individuals
    • A—HUMAN NECESSITIES
    • A63—SPORTS; GAMES; AMUSEMENTS
    • A63B—APPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
    • A63B2220/00—Measuring of physical parameters relating to sporting activity
    • A63B2220/30—Speed
    • A—HUMAN NECESSITIES
    • A63—SPORTS; GAMES; AMUSEMENTS
    • A63B—APPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
    • A63B2230/00—Measuring physiological parameters of the user
    • A63B2230/04—Measuring physiological parameters of the user heartbeat characteristics, e.g. ECG, blood pressure modulations
    • A63B2230/06—Measuring physiological parameters of the user heartbeat characteristics, e.g. ECG, blood pressure modulations heartbeat rate only
    • A—HUMAN NECESSITIES
    • A63—SPORTS; GAMES; AMUSEMENTS
    • A63B—APPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
    • A63B2230/00—Measuring physiological parameters of the user
    • A63B2230/40—Measuring physiological parameters of the user respiratory characteristics

Landscapes

  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Public Health (AREA)
  • Medical Informatics (AREA)
  • General Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biomedical Technology (AREA)
  • Epidemiology (AREA)
  • Primary Health Care (AREA)
  • Pathology (AREA)
  • Biophysics (AREA)
  • Data Mining & Analysis (AREA)
  • Physics & Mathematics (AREA)
  • Animal Behavior & Ethology (AREA)
  • Surgery (AREA)
  • Molecular Biology (AREA)
  • Veterinary Medicine (AREA)
  • Databases & Information Systems (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Physiology (AREA)
  • Physical Education & Sports Medicine (AREA)
  • Cardiology (AREA)
  • Theoretical Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Obesity (AREA)
  • General Business, Economics & Management (AREA)
  • Bioethics (AREA)
  • General Physics & Mathematics (AREA)
  • Dentistry (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Pulmonology (AREA)
  • Computational Linguistics (AREA)
  • General Engineering & Computer Science (AREA)
  • Computing Systems (AREA)
  • Computer Hardware Design (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Psychiatry (AREA)
  • Medical Treatment And Welfare Office Work (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)

Abstract

本发明公开一种跑步运动中体力指标评估方法及设备，其中评估方法包括体力等级评估和体力状态评估，具体为：首先，分别采集当前用户7天和28天的运动状态数据，分别建立第二模型方程和第三模型方程；然后，根据用户的生理特征数据和最大摄氧量的计算公式计算出用户的最大摄氧量，接着，再根据第二模型方程和第三模型方程得到第一标准配速和第二标准配速，然后再将第一标准配速和第二标准配速先后分别代入预置的第一模型方程，以得到第一体力值和第二体力值；最后，根据第一体力值，查表得知当前用户的体力等级，根据第二体力值和第一体力值的差值DV，查表得到当前用户的体力状态；采用上述评估方法，评估结果准确性高，可参考性强。

Description

跑步运动中体力指标评估方法和设备
技术领域
本发明涉及体力评估技术领域，尤其涉及一种跑步运动中包括体力等级和体力状态的体力指标评估方法和设备
背景技术
由于跑步运动不受场地、器材等因素的制约，跑步爱好者越来越多。那么，在进行跑步锻炼的时候，最为需要知道的就是在跑步的时候，需要根据自己的体力情况合理制定跑步配速，如果配速过快，可能坚持不到跑完全程，如果配速过慢，影响训练和比赛成绩。另外，对于一些跑步者来说，可能平时跑的最多的是半马距离(半程马拉松的距离)，由于对自己的体力情况没有一个清晰的认识，当突然要跑5km或全马时，就不知道如何分配自己的跑步配速。再者，在了解自己的体力状况的情况下，对于跑步运动者的训练目标的制定也有着极大的参考意义。而现有技术中，对于体力状况的评估，都是基于评估者的经验进行定性分析的，对于一些业余跑步爱好者来说难于实现。因此，需要对现有的体力指标的评估方法进行改进，使得任何跑步者都可很容易地了解到自己的体力状况。
发明内容
本发明其中一目的是为解决上述技术问题而提供一种跑步运动中体力指标评估方法，以使方便用户清楚自己的体力水平所处的级别。
为了实现上述目的，本发明公开了一种跑步运动中体力指标评估方法，其包括体力等级评估方法：
自定义一封闭的数值区间D1，采用数值区间D1中的数值对体力值的大小进行量化；
建立与某一标准赛程对应的第一模型方程，所述第一模型方程反映在所述标准赛程下体力值和配速的关系；
获取用户的反映最近N天跑步水平的相对于所述标准赛程的第一标准配速，通过第一模型方程得到反映用户运动表现的第一体力值；
自定义若干不同的表示体力级别的体力等级，并建立体力等级查询表，所述体力等级查询表记录具有不同生理特征和不同体力值的用户所对应的体力等级；
根据用户的生理特征和计算出的所述第一体力值，查询所述体力等级查询表，得到用户的体力等级
与现有技术相比，本发明跑步运动中体力指标评估方法，采用一自定义的数值区间D1对体力值进行定义，以便对其进行量化表示，同时还建立有体力等级查询表，当获取到用户相对于所述标准赛程的反映最近N天跑步水平的相对于所述标准赛程的第一标准配速后，将其代入第一模型方程，得到用户的第一体力值，然后根据体力等级查询表即可查询到用户当前的体力等级；由此可知，采用上述评估方法对体力等级进行评估时，首先会计算出用户的量化后的第一体力值，然后根据该第一体力值找到对应的体力等级指标，可参考性强，而且对于用户来说，只需要提供在标准赛程下的第一标准配速或相关计算数据，即可得到直观的体力等级指标，使用方便，无论对于专业运动者亦或者是业余运动者均不存在操作障碍。
较佳地，所述第一标准配速的获取方法包括：
S30：采集当前用户最近N天运动过程中的实时心率和实时运动速度，建立反映用户心率和配速关系的第二模型方程；
S31：获取当前用户在所述标准赛程下的具有适宜运动强度的储备心率比；
S32：获取用户的最大心率和静息心率，根据所述储备心率比的计算公式，得出用户相对于所述标准赛程的运动心率；
S33：将所述运动心率代入所述第二模型方程获得用户相对于所述标准赛程的第一标准配速。
较佳地，所述实时心率和所述实时运动速度的采集方法包括：
S300：判断用户单次连续运动时长T1是否大于设定时长T2，如果是，则进入S301；如果否，则返回；
S301：以一定的移动周期，按照时间顺序，移动提取并判断每个连续的单位时间段内的实时心率和实时运动速度是否符合下述三个条件，
第一条件：实时心率波动是在设定值B1以内；
第二条件：实时运动速度波动在设定值V1以内；
第三条件：计算出的实时的储备心率比在一预设区间D2范围内；
如果是，将所述单位时间段内的实时心率和实时运动速度作为采集数据。
较佳地，获取当前用户在所述标准赛程下的具有适宜运动强度的储备心率比的方法包括：
获取用户的生理特征数据和所具备的最大摄氧量数据；
制作与所述标准赛程相对应的储备心率比查询表，所述储备心率比查询表记录相对于所述标准赛程具有不同生理特征和最大摄氧量的用户所对应的储备心率比；
根据用户的生理特征数据和最大摄氧量数据查询所述储备心率比查询表，获得用户相对于所述标准赛程的储备心率比。
较佳地，所述最大摄氧量的获取方法包括：
获取用户的年龄、性别、体重；
采集用户运动过程中的实时心率和实时运动速度；
从用户当前的运动时长中选取一预设时间长度的特征时间段，以所述实时心率和所述实时运动速度为基础数据，计算出所述特征时间段内的特征平均心率和特征平均速度；
根据下述公式计算出当前用户的最大摄氧量
Figure BDA0002490601310000031
公式：
Figure BDA0002490601310000032
其中，A为40～50的常数，P1为7至～8的常数，S为性别常数，男性为1，女性为0；P2为0.1～0.2的常数，G为用户体重；P3为4～5的常数，V为特征平均速度，P4为3～4的常数，B为1～2的常数；C为15～20的常数，HR特征为特征平均心率，HR静息为用户在清醒、安静状态下的静息心率，HRmax为最大心率；a为用户年龄。
较佳地，所述第一模型方程的建立方法包括：
分别采集与所述标准赛程对应的不同水平运动员的跑步配速，根据体力值与跑步配速的正相关性，分别将不同的跑步配速与不同大小的体力值配成数据对，对所述数据对进行处理，建立体力值-配速回归模型，以得到与所述标准赛程对应的所述第一模型方程。
较佳地，还包括体力状态评估方法：
自定义若干不同的表示体力状态的评价特征；
获取用户反映最近M天跑步水平的相对于所述标准赛程的第二标准配速，通过所述第一模型方程得到反映用户运动能力的第二体力值，M＞N；
计算第二体力值和第一体力值的体力差DV；
建立体力状态评价表，所述体力状态评价表记录具有不同体力差DV的用户所对应的评价特征；
根据当前用户的体力差DV，查询所述体力状态评价表，获得当前用户的表示体力状态的评价特征。
较佳地，M为28，N为7。
本发明还公开一种跑步运动中体力指标评估设备，其包括体力等级评估单元，所述体力等级评估单元包括：体力值量化模块、第一模型生成模块、第一计算模块和体力等级查询模块；
所述体力值量化模块，用于通过一自定义的封闭的数值区间D1对体力值的大小进行量化；
所述第一模型生成模块，用于生成与某一标准赛程对应的第一模型方程，所述第一模型方程反映在所述标准赛程下体力值和配速的关系；
所述第一计算模块，用于根据反映用户的最近N天跑步水平的相对于所述标准赛程的第一标准配速和第一模型方程得到反映用户运动表现的第一体力值；
所述体力等级查询模块，用于根据所述第一体力值，通过查表的方式，查询获得当前用户相应的体力等级。
较佳地，所述体力等级评估单元还包括第二模型生成模块、第二计算模块和第三计算模块；
所述第二模型生成模块，用于根据当前用户最近N天运动过程中的实时心率和实时运动速度，建立反映用户心率和配速关系的第二模型方程；
所述第二计算模块，用于根据用户的最大心率、静息心率和储备心率比，计算用户用户相对于所述标准赛程的运动心率；
所述第三计算模块，用于根据所述运动心率和所述第二模型方程计算出用户相对于所述标准赛程的所述第一标准配速。
较佳地，所述第二模型方程建立过程中，所述实时心率和所述实时运动速度的采集方法包括：
S300：判断用户单次连续运动时长T1是否大于设定时长T2，如果是，则进入S301；如果否，则返回；
S301：以一定的移动周期，按照时间顺序，移动提取并判断每个连续的单位时间段内的实时心率和实时运动速度是否符合下述三个条件，
第一条件：实时心率波动是在设定值B1以内；
第二条件：实时运动速度波动在设定值V1以内；
第三条件：计算出的实时的储备心率比在一预设区间D2范围内；
如果是，将所述单位时间段内的实时心率和实时运动速度作为采集数据。
较佳地，所述最大摄氧量的获取方法包括：
获取用户的年龄、性别、体重；
采集用户运动过程中的实时心率和实时运动速度；
从用户当前的运动时长中选取一预设时间长度的特征时间段，以所述实时心率和所述实时运动速度为基础数据，计算出所述特征时间段内的特征平均心率和特征平均速度；
根据下述公式计算出当前用户的最大摄氧量
Figure BDA0002490601310000061
公式：
Figure BDA0002490601310000062
其中，A为40～50的常数，P1为7至～8的常数，S为性别常数，男性为1，女性为0；P2为0.1～0.2的常数，G为用户体重；P3为4～5的常数，V为特征平均速度，P4为3～4的常数，B为1～2的常数；C为15～20的常数，HR特征为特征平均心率，HR静息为用户在清醒、安静状态下的静息心率，HRmax为最大心率；a为用户年龄。
较佳地，所述第一模型方程的建立方法包括：
分别采集与所述标准赛程对应的不同水平运动员的跑步配速，根据体力值与跑步配速的正相关性，分别将不同的跑步配速与不同大小的体力值配成数据对，对所述数据对进行处理，建立体力值-配速回归模型，以得到与所述标准赛程对应的所述第一模型方程。
较佳地，还包括体力状态评估单元，所述体力状态评估单元包括第四计算模块、第五计算模块和体力状态查询模块；
所述第四计算模块，用于根据反映最近M天跑步水平的相对于所述标准赛程的第二标准配速，通过所述第一模型方程计算出反映用户运动能力的第二体力值，M＞N；
所述第五计算模块，用于求取所述第二体力值和所述第一体力值的体力差DV；
所述体力状态查询模块，用于根据当前用户的体力差DV，查询体力状态评价表，以获得当前用户的表示体力状态的评价特征。
本发明还公开一种跑步运动中体力指标评估设备，其包括一个或多个处理器、存储器：及一个或多个程序，其中一个或多个程序被存储在所述存储器中，并且被配置成由所述一个或多个处理器执行，所述程序包括用于执行如上所述的跑步运动中体力指标评估方法的指令。
本发明还公开一计算机可读存储介质，其包括计算机程序，所述计算机程序可被处理器执行以完成如上所述的跑步运动中体力指标评估方法。
附图说明
图1为本发明实施例体力等级评估方法流程示意图。
图2为本发明实施例中第一标准配速的获取方法流程示意图。
图3为本发明实施例体力等级和体力状态评估方法流程示意图。
图4为本发明实施例中评估设备的原理结构示意图。
具体实施方式
为详细说明本发明的技术内容、构造特征、所实现目的及效果，以下结合实施方式并配合附图详予说明。
本发明公开了一种跑步运动中体力指标评估方法，包括体力等级评估方法和体力状态评估方法。
如图1所示，体力等级评估方法包括以下步骤(不限制先后顺序)：
S1.自定义一封闭的数值区间D1，采用数值区间D1中的数值对体力值的大小进行量化。由于目前对体力值没有一个统一的量化标准，因此，为便于对这一参考变量进行统计计算，本实施例中采用自定义的数值区间D1对其进行量化，具体的，该数值区间D1为[0,100]，也即将最小的体力值定义为0，最大的体力值定义为100。
S2.建立与某一标准赛程对应的第一模型方程，第一模型方程反映在标准赛程下体力值和配速的关系。在跑步运动中，由于半马(半程马拉松距离)的参与人数最多，因此本实施例中的标准赛程课选用半马，关于第一模型方程的建立方法，可通过理论数据验算获得，也可通过对历届马拉松比赛中半马赛程下的不同跑步水平运动员的统计数据进行拟合获得(拟合过程下述实施例还会详述)。
S3.获取用户的反映最近N天跑步水平的相对于半马的第一标准配速，通过第一模型方程得到反映用户运动表现的第一体力值。关于第一标准配速的获取，可由用户直接给出，也可通过检测用户平时运动数据指标的方式间接获得。
S4.自定义若干不同的表示体力级别的体力等级，并建立体力等级查询表，如下表1和表2所示，体力等级查询表记录具有不同生理特征和不同体力值的用户所对应的体力等级，生理特征包括性别和年龄。本实施例中，将体力等级设置为四级，分别为新手、进阶、优秀及精英，但并不以此为限，如，还可将体力等级设置为A、B、C、D四级。
Figure BDA0002490601310000081
表1
Figure BDA0002490601310000082
表2
S5.根据用户的性别、年龄和计算出的第一体力值，查询上述体力等级查询表，得到用户的体力等级，当用户为男性时，查询表1，当用户为女性时，查询表2。
关于第一模型方程的建立过程，具体如下：
分别采集半马赛程中不同水平运动员的跑步配速，根据体力值与跑步配速的正相关性，分别将不同跑步配速与不同大小的体力值配成数据对，如，将最高配速2:45(目前半马最高纪录)与最高体力值100对应，下面依次分别对应其他配速和体力值，形成的数据对如下表3所示：
Figure BDA0002490601310000083
Figure BDA0002490601310000091
表3
然后对表3中的不同数据对进行处理，即将各个体力值与分别对应的半马配速描绘在一直角坐标系中，通过数据拟合的方法，得到与半配合的第一模型方程：y1＝k1*x1+b1，其中，k1和b1为常数，y1表示用户可表现出的体力值，x1表示用户可表现出的半马配速。
进一步地，如图2，第一标准配速的获取方法包括：
S30：采集当前用户最近7天运动过程中的包括实时心率和实时运动速度的运动状态数据，建立反映用户心率和配速关系的第二模型方程；
S31：获取当前用户在标准赛程下的具有适宜运动强度的储备心率比；
S32：获取用户的最大心率和静息心率，根据储备心率比的计算公式，得出用户相对于标准赛程的运动心率；
S33：将运动心率代入第二模型方程获得用户相对于标准赛程的第一标准配速。
在上述实施例中，储备心率比ρ反映用户的运动强度，其计算公式为：
Figure BDA0002490601310000092
其中，HR运动为用户的运动心率，HRmax为用户的最大心率，HR静息为用户在清醒、安静状态下的静息心率；最大心率和静息心率可通过便携式检测设备检测得到，在用户知道自己的最大心率和静息心率数值的情况下，也可由用户手动设置，另外，最大心率还可通过用户年龄计算获得，即HRmax＝208-0.7*a，a为用户年龄。同样地，对于储备心率比ρ，在用户知道自己相对于半马可适应的运动强度的情况下也可以手动设置。
采集运动状态数据时，为最大程度过滤掉一些与运动无关的数据，从而提高预测准确性，运动状态数据的采集方法包括：
S300：判断用户单次连续运动时长T1是否大于设定时长T2，如果是，则进入S301；如果否，则返回；
S301：以一定的移动周期，按照时间顺序，移动提取并判断每个连续的单位时间段内的实时心率和实时运动速度是否符合下述三个条件：
第一条件：实时心率波动是在设定值B1以内；
第二条件：实时运动速度波动在设定值V1以内；
第三条件：根据实时心率值计算出的实时的储备心率比在一预设区间D2范围内；
如果是，将单位时间段内的实时心率和实时运动速度作为采集数据，如果否，返回，放弃对该单位时间段内的数据的采集。
具体地，T2为10分钟，B1为10bpm，V1为0.5m/s，D2为[50％，90％]，那么在通过电子设备采集运动状态数据时，首先判断用户连续运动时长是否大于10分钟，如果否，不对该运动时间段内的数据进行采集，如果是，以一定的移动周期，按照时间顺序，移动提取并判断每个连续的单位时间段内的实时心率和实时运动速度进行分析，这里的单位时间段以2分钟为例，移动提取是指提取第1秒～第120秒、第2秒～第121秒、第3秒～第122秒……等时间段内的数据，对于任一2分钟内的运动状态数据来说，只有在实时心率的波动不超过10bpm、实时运动速度的波动不超过0.5m/s、根据实时心率值计算出的实时的储备心率比在50％～90％之间时，该2分钟内的运动状态数据才被采集，否则，被丢弃。
当采集到符合要求的运动状态数据后，通过算术平均算法，分别对每个2分钟时间段内的实时心率和实时运动速度进行平均运算，得到单位平均心率和单位平均运动速度，然后将得到的若干组单位平均心率和单位平均速度描绘在一直角坐标系中，通过拟合方法，拟合出第二模型方程:y2＝k2*x2+b2,其中，k2和b2为常数，y2表示用户可表现出的运动心率，x1表示用户可表现出跑步配速。当通过储备心率比获得用户的运动心率后，将该运动心率代入第二模型方程y2即可得到反映用户最近7天跑步水平的相对于半马的第一标准配速，进而通过第二模型方程得到用户的第一体力值。
进一步地，获取当前用户在半马下的具有适宜运动强度的储备心率比的方法包括：
获取用户的包括年龄、性别等生理特征数据和所具备的最大摄氧量数据，最大摄氧量可根据生理特征数据直接生成，也可由用户手动设置；
制作与标准赛程相对应的储备心率比查询表，如下表4和表5所示储备心率比查询表记录相对于标准赛程具有不同生理特征和最大摄氧量的用户所对应的储备心率比；
根据用户的生理特征数据和最大摄氧量数据查询储备心率比查询表，获得用户相对于标准赛程的储备心率比。
Figure BDA0002490601310000111
表4
Figure BDA0002490601310000112
Figure BDA0002490601310000121
表5
因此，当用户为男性时，根据用户的年龄和最大摄氧量数据查询表4，获得用户相对于半马的储备心率比，当用户为女性时，根据用户的年龄和最大摄氧量数据查询表5，获得用户相对于半马的储备心率比。
关于最大摄氧量的获取方法，优选为：
获取用户的年龄、性别、体重、静息心率和最大心率；
采集用户运动过程中的实时心率和实时运动速度；
从用户当前的运动时长中选取一预设时间长度的特征时间段，以实时心率和实时运动速度为基础数据，计算出特征时间段内的特征平均心率和特征平均速度；
根据下述公式计算出当前用户的最大摄氧量
Figure BDA0002490601310000122
公式：
Figure BDA0002490601310000123
其中，A为40～50的常数，P1为7至～8的常数，S为性别常数，男性为1，女性为0；P2为0.1～0.2的常数，G为用户体重；P3为4～5的常数，V为特征平均速度，P4为3～4的常数，B为1～2的常数；C为15～20的常数，HR特征为特征平均心率，HR静息为用户在清醒、安静状态下的静息心率，HRmax为最大心率；a为用户年龄。
较佳地，在上述最大摄氧量获取的实施例中，为使得计算出的最大摄氧量最大程度接近实际水平，可通过如下步骤对实时心率和实时运动速度进行筛选：
S400：判断用户单次连续运动时长T3是否大于设定时长T4，如果是，则进入S401；如果否，则返回；本实施例中，T4为20分钟；
S401：以一定的移动周期，按照时间顺序，移动提取并判断每个连续的单位时间段(1分钟)内的所有实时心率是否在设定的最大心率的一段数值区间D3内，如果是，则将当前单位时间段内的实时心率和实时运动速度纳入数据采集范围内，如果否，放弃对当前单位时间段内的实时心率和实时运动的采集。本实施例中，数值区间D3优选为：[70％*HRmax,95％*HRmax]。
对于特征时间段的选取，较佳地，当用户的连续运动时长T3大于30分钟时，特征时间段为运动时间在10～30分钟的一段时间，当用户的连续运动时长T3小于或等于30分钟时，特征时间段为运动时间在10～T3的一段时间。
本发明跑步运动中体力指标评估方法的另一较佳实施例中，还包括体力状态评估方法：
自定义若干不同的表示体力状态的评价特征，如将体力状态由差至好分别定义为差、较差、一般、良好、最佳；
获取用户反映最近M天(优选为28天)跑步水平的相对于半马的第二标准配速，通过第一模型方程得到反映用户运动能力的第二体力值，M＞N；
计算第二体力值和第一体力值的体力差DV，即DV＝第二体力值-第一体力值；
建立体力状态评价表，体力状态评价表记录具有不同体力差DV的用户所对应的评价特征；
根据当前用户的体力差DV，查询体力状态评价表，获得当前用户的表示体力状态的评价特征。
获取第二标准配速时，请参阅第一标准配速的获取过程，首先根据28天的运动状态数据，建立反映用户心率和配速关系的第三模型方程：y3＝k3*x3+b3,其中，k3和b3为常数，y3表示用户潜在能力的运动心率，x1表示用户潜在能力的跑步配速。由于第二模型方程为采用7天运动状态数据拟合而成，因此，其为运动表现回归模型，第三模型方程为采用28天运动状态数据拟合而成，因此，其为运动能力回归模型。通过第一模型方程和第二模型方程得到第一体力值，通过第一模型方程和第三模型方程得到第二体力值，然后将求取第一体力值和第二体力值的差值，也即体力差DV，然后通过查询体力状态评价表，如下表6，得到用户当前的体力状态。
体力差DV 评价特征
(4,+∞) 差
(1，4] 较差
(-1，1] 一般
(-4，-1] 良好
(-6，-4] 最佳
表6
综上，如图3采用本发明跑步运动中体力指标评估方法进行体力等级评估和体力状态评估的执行过程为：
首先，获取用户有效的运动状态数据和生理特征数据，分别采集当前用户7天和28天的运动状态数据，分别建立第二模型方程和第三模型方程；然后，根据用户的生理特征数据和最大摄氧量的计算公式计算出用户的最大摄氧量，接着，根据用户的性别特征和最大摄氧量，查表(表4或表5)得知用户相对于半马的适宜的储备心率比，然后，根据储备心率比的计算公式，得出用户的运动心率，再将运动心率分别代入第二模型方程和第三模型方程，以得到第一标准配速和第二标准配速，然后再将第一标准配速和第二标准配速先后分别代入预置的第一模型方程，以得到第一体力值和第二体力值；接着，根据第一体力值，查表(表1或表2)得知当前用户的体力等级，根据第二体力值和第一体力值的差值DV，查表(表6)得到当前用户的体力状态。采用上述评估方法，根据计算出的定量参数对体力等级和体力状态进行定性评估，评估结果准确性高，可参考性强，而且对于用户来说，只需要提供相关的基础数据，即可得到直观的体力等级指标和体力状态指标，使用方便，无论对于专业运动者亦或者是业余运动者均不存在操作障碍。
如图4所示，本发明还公开一种跑步运动中体力指标评估设备，其包括体力等级评估单元和体力状态评估单元，体力等级评估单元包括：体力值量化模块、第一模型生成模块、第一计算模块和体力等级查询模块；体力值量化模块用于通过一自定义的封闭的数值区间D1对体力值的大小进行量化；第一模型生成模块用于生成与某一标准赛程对应的第一模型方程，第一模型方程反映在标准赛程下体力值和配速的关系；第一计算模块用于根据反映用户的最近N天跑步水平的相对于所述标准赛程的第一标准配速和第一模型方程得到反映用户运动表现的第一体力值；体力等级查询模块用于根据第一体力值，通过查表的方式，查询获得当前用户相应的体力等级。进一步地，体力等级评估单元还包括第二模型生成模块、第二计算模块和第三计算模块；第二模型生成模块，用于根据当前用户最近N天运动过程中的实时心率和实时运动速度，建立反映用户心率和配速关系的第二模型方程；第二计算模块用于根据用户的最大心率、静息心率和储备心率比，计算用户用户相对于标准赛程的运动心率；第三计算模块用于根据运动心率和第二模型方程计算出用户相对于标准赛程的第一标准配速。
体力状态评估单元包括第四计算模块、第五计算模块和体力状态查询模块；第四计算模块用于根据反映最近M天跑步水平的相对于所述标准赛程的第二标准配速，通过第一模型方程计算出反映用户运动能力的第二体力值，M＞N；第五计算模块，用于求取第二体力值和第一体力值的体力差DV；体力状态查询模块，用于根据当前用户的体力差DV，查询体力状态评价表，以获得当前用户的表示体力状态的评价特征。另外，本实施例中的跑步运动中体力指标评估设备上还设置有心率传感器和GPS系统，以用于检测用户运动过程中的心率和移动速度。
关于上述实施例中的跑步运动中体力指标评估设备的工作原理详见上述跑步运动中体力指标评估方法，在此不再赘述。
另外，本发明还公开一种跑步运动中体力指标评估设备，其包括一个或多个处理器、存储器：及一个或多个程序，其中一个或多个程序被存储在所述存储器中，并且被配置成由所述一个或多个处理器执行，所述程序包括用于执行如上所述的跑步运动中体力指标评估方法的指令。
本发明还公开一计算机可读存储介质，其包括计算机程序，所述计算机程序可被处理器执行以完成如上所述的跑步运动中体力指标评估方法。
以上所揭露的仅为本发明的优选实施例而已，当然不能以此来限定本发明之权利范围，因此依本发明申请专利范围所作的等同变化，仍属本发明所涵盖的范围。

Claims (10)

1.一种跑步运动中体力指标评估方法，其特征在于，包括体力等级评估方法：
自定义一封闭的数值区间D1，采用数值区间D1中的数值对体力值的大小进行量化；
建立与某一标准赛程对应的第一模型方程，所述第一模型方程反映在所述标准赛程下体力值和配速的关系；
获取用户的反映最近N天跑步水平的相对于所述标准赛程的第一标准配速，通过第一模型方程得到反映用户运动表现的第一体力值；
自定义若干不同的表示体力级别的体力等级，并建立体力等级查询表，所述体力等级查询表记录具有不同生理特征和不同体力值的用户所对应的体力等级；
根据用户的生理特征和计算出的所述第一体力值，查询所述体力等级查询表，得到用户的体力等级。
2.根据权利要求1所述的跑步运动中体力指标评估方法，其特征在于，所述第一标准配速的获取方法包括：
S30：采集当前用户最近N天运动过程中的实时心率和实时运动速度，建立反映用户心率和配速关系的第二模型方程；
S31：获取当前用户在所述标准赛程下的具有适宜运动强度的储备心率比；
S32：获取用户的最大心率和静息心率，根据所述储备心率比的计算公式，得出用户相对于所述标准赛程的运动心率；
S33：将所述运动心率代入所述第二模型方程获得用户相对于所述标准赛程的第一标准配速。
3.根据权利要求2所述的跑步运动中体力指标评估方法，其特征在于，所述实时心率和所述实时运动速度的采集方法包括：
S300：判断用户单次连续运动时长T1是否大于设定时长T2，如果是，则进入S301；如果否，则返回；
S301：以一定的移动周期，按照时间顺序，移动提取并判断每个连续的单位时间段内的实时心率和实时运动速度是否符合下述三个条件，
第一条件：实时心率波动是在设定值B1以内；
第二条件：实时运动速度波动在设定值V1以内；
第三条件：计算出的实时的储备心率比在一预设区间D2范围内；
如果是，将所述单位时间段内的实时心率和实时运动速度作为采集数据。
4.根据权利要求2所述的跑步运动中体力指标评估方法，其特征在于，获取当前用户在所述标准赛程下的具有适宜运动强度的储备心率比的方法包括：
获取用户的生理特征数据和所具备的最大摄氧量数据；
制作与所述标准赛程相对应的储备心率比查询表，所述储备心率比查询表记录相对于所述标准赛程具有不同生理特征和最大摄氧量的用户所对应的储备心率比；
根据用户的生理特征数据和最大摄氧量数据查询所述储备心率比查询表，获得用户相对于所述标准赛程的储备心率比。
5.根据权利要求4所述的跑步运动中体力指标评估方法，其特征在于，所述最大摄氧量的获取方法包括：
获取用户的年龄、性别、体重；
采集用户运动过程中的实时心率和实时运动速度；
从用户当前的运动时长中选取一预设时间长度的特征时间段，以所述实时心率和所述实时运动速度为基础数据，计算出所述特征时间段内的特征平均心率和特征平均速度；
根据下述公式计算出当前用户的最大摄氧量
Figure FDA0002490601300000021
公式：
Figure FDA0002490601300000031
其中，A为40～50的常数，P1为7至～8的常数，S为性别常数，男性为1，女性为0；P2为0.1～0.2的常数，G为用户体重；P3为4～5的常数，V为特征平均速度，P4为3～4的常数，B为1～2的常数；C为15～20的常数，HR特征为特征平均心率，HR静息为用户在清醒、安静状态下的静息心率，HRmax为最大心率；a为用户年龄。
6.根据权利要求4所述的跑步运动中体力指标评估方法，其特征在于，所述第一模型方程的建立方法包括：
分别采集与所述标准赛程对应的不同水平运动员的跑步配速，根据体力值与跑步配速的正相关性，分别将不同的跑步配速与不同大小的体力值配成数据对，对所述数据对进行处理，建立体力值-配速回归模型，以得到与所述标准赛程对应的所述第一模型方程。
7.根据权利要求4所述的跑步运动中体力指标评估方法，其特征在于，还包括体力状态评估方法：
自定义若干不同的表示体力状态的评价特征；
获取用户反映最近M天跑步水平的相对于所述标准赛程的第二标准配速，通过所述第一模型方程得到反映用户运动能力的第二体力值，M＞N；
计算第二体力值和第一体力值的体力差DV；
建立体力状态评价表，所述体力状态评价表记录具有不同体力差DV的用户所对应的评价特征；
根据当前用户的体力差DV，查询所述体力状态评价表，获得当前用户的表示体力状态的评价特征。
8.根据权利要求4所述的跑步运动中体力指标评估方法，其特征在于，M为28，N为7。
9.一种跑步运动中体力指标评估设备，其特征在于，包括体力等级评估单元，所述体力等级评估单元包括：体力值量化模块、第一模型生成模块、第一计算模块和体力等级查询模块；
所述体力值量化模块，用于通过一自定义的封闭的数值区间D1对体力值的大小进行量化；
所述第一模型生成模块，用于生成与某一标准赛程对应的第一模型方程，所述第一模型方程反映在所述标准赛程下体力值和配速的关系；
所述第一计算模块，用于根据反映用户的最近N天跑步水平的相对于所述标准赛程的第一标准配速和第一模型方程得到反映用户运动表现的第一体力值；
所述体力等级查询模块，用于根据所述第一体力值，通过查表的方式，查询获得当前用户相应的体力等级。
10.根据权利要求9所述的跑步运动中体力指标评估设备，其特征在于，所述体力等级评估单元还包括第二模型生成模块、第二计算模块和第三计算模块；
所述第二模型生成模块，用于根据当前用户最近N天运动过程中的实时心率和实时运动速度，建立反映用户心率和配速关系的第二模型方程；
所述第二计算模块，用于根据用户的最大心率、静息心率和储备心率比，计算用户用户相对于所述标准赛程的运动心率；
所述第三计算模块，用于根据所述运动心率和所述第二模型方程计算出用户相对于所述标准赛程的所述第一标准配速。
CN202010405185.XA 2020-05-13 2020-05-13 跑步运动中体力指标评估方法和设备 Pending CN111544853A (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202010405185.XA CN111544853A (zh) 2020-05-13 2020-05-13 跑步运动中体力指标评估方法和设备
US17/109,104 US20210353196A1 (en) 2020-05-13 2020-12-01 Method and device for evaluating physical stamina indicators in running exercise

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010405185.XA CN111544853A (zh) 2020-05-13 2020-05-13 跑步运动中体力指标评估方法和设备

Publications (1)

Publication Number Publication Date
CN111544853A true CN111544853A (zh) 2020-08-18

Family

ID=71996660

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010405185.XA Pending CN111544853A (zh) 2020-05-13 2020-05-13 跑步运动中体力指标评估方法和设备

Country Status (2)

Country Link
US (1) US20210353196A1 (zh)
CN (1) CN111544853A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112582067A (zh) * 2020-12-21 2021-03-30 安徽华米智能科技有限公司 基于大数据的年龄估计模型训练、年龄估计方法和装置
WO2022236726A1 (zh) * 2021-05-12 2022-11-17 广东高驰运动科技有限公司 运动能力的评估方法、装置、设备和存储介质

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11582336B1 (en) * 2021-08-04 2023-02-14 Nice Ltd. System and method for gender based authentication of a caller

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2012073069A1 (en) * 2010-11-30 2012-06-07 Spo Medical Equipment Ltd. A method and system for pulse measurement
CN107595273A (zh) * 2017-09-12 2018-01-19 广东远峰电子科技股份有限公司 一种心率估算方法和装置

Family Cites Families (22)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4566461A (en) * 1983-02-15 1986-01-28 Michael Lubell Health fitness monitor
RU2157088C1 (ru) * 1999-07-13 2000-10-10 Хамин Евгений Николаевич Способ оценки влияния физической тренировки на организм человека
KR100466665B1 (ko) * 2001-06-12 2005-01-15 주식회사 코디소프트 게임을 이용한 자동체력평가운동방법
JP3886997B2 (ja) * 2002-08-08 2007-02-28 マイクロストーン株式会社 行動状況提供システム
US8157731B2 (en) * 2002-10-09 2012-04-17 Bodymedia, Inc. Method and apparatus for auto journaling of continuous or discrete body states utilizing physiological and/or contextual parameters
CA2574759A1 (en) * 2004-06-18 2006-01-26 Vivometrics, Inc. Systems and methods for real-time physiological monitoring
FI20065147A (fi) * 2006-03-03 2006-03-03 Firstbeat Technologies Oy Järjestelmä ja menetelmä harjoittelun ohjaamiseksi
KR100858342B1 (ko) * 2006-07-21 2008-09-11 건국대학교 산학협력단 운동기능 평가 시스템 및 방법
WO2011105914A1 (en) * 2010-02-24 2011-09-01 Ackland, Kerri Anne Classification system and method
US9532734B2 (en) * 2010-08-09 2017-01-03 Nike, Inc. Monitoring fitness using a mobile device
JP5718465B2 (ja) * 2010-08-09 2015-05-13 ナイキ イノベイト シーブイ モバイルデバイスを用いるフィットネス・モニタリングの方法、装置、コンピュータ読取り可能媒体、及びシステム
JP5505812B2 (ja) * 2012-03-19 2014-05-28 カシオ計算機株式会社 所要時間算出システム、所要時間算出プログラム及び所要時間算出方法
US20150224364A1 (en) * 2014-02-09 2015-08-13 Jackson Bishop Hsieh Exercise Device with Portable Remote Control
CN104305986B (zh) * 2014-11-05 2018-03-30 合肥师范学院 一种基于划船器的心肺耐力测试方法
CN106709228A (zh) * 2015-11-12 2017-05-24 先进医照股份有限公司 锻练方案的管理系统及方法
CN205729333U (zh) * 2015-11-12 2016-11-30 先进医照股份有限公司 一种运动管理系统
US20170309196A1 (en) * 2016-04-21 2017-10-26 Microsoft Technology Licensing, Llc User energy-level anomaly detection
US20190133495A1 (en) * 2016-04-27 2019-05-09 Duke University Systems and methods for improving athletic training, performance and rehabilitation
CN106178471A (zh) * 2016-08-10 2016-12-07 上海赋太图智能科技有限公司 一种个人运动信息采集及管理设备
US10987006B2 (en) * 2017-06-02 2021-04-27 Apple Inc. Wearable computer with fitness machine connectivity for improved activity monitoring using caloric expenditure models
CN109545374A (zh) * 2018-11-26 2019-03-29 郑州大学 一种基于人体步态特征大数据的疾病自动跟踪、治疗及推送系统
CN111883227A (zh) * 2020-04-24 2020-11-03 深圳市时代智汇科技有限公司 执行运动处方的管理方法及其系统

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2012073069A1 (en) * 2010-11-30 2012-06-07 Spo Medical Equipment Ltd. A method and system for pulse measurement
CN107595273A (zh) * 2017-09-12 2018-01-19 广东远峰电子科技股份有限公司 一种心率估算方法和装置

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
徐国峰: "《你可以跑得更快：跑者都应该懂的跑步关键数据》", 31 May 2017, 新星出版社 *
超级俱乐部: "最新2019跑步等级标准，最全马拉松配速表！你在哪一级？", 《搜狐》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112582067A (zh) * 2020-12-21 2021-03-30 安徽华米智能科技有限公司 基于大数据的年龄估计模型训练、年龄估计方法和装置
WO2022236726A1 (zh) * 2021-05-12 2022-11-17 广东高驰运动科技有限公司 运动能力的评估方法、装置、设备和存储介质

Also Published As

Publication number Publication date
US20210353196A1 (en) 2021-11-18

Similar Documents

Publication Publication Date Title
US12057225B2 (en) Stamina monitoring method and device
US10900991B2 (en) Calculating pace and energy expenditure from athletic movement attributes
AU2015233337B2 (en) Health risk indicator determination
US10098549B2 (en) Local model for calorimetry
CN106166063B (zh) 体力监测方法和装置
US9529966B2 (en) Energy expenditure
CN111544853A (zh) 跑步运动中体力指标评估方法和设备
CN104323759B (zh) 基于运动心率和跑步机的心肺耐力测试方法
CN111530037A (zh) 用于评估跑步运动中身体机能反应状态的方法及设备
Mundy et al. Agreement between the force platform method and the combined method measurements of power output during the loaded countermovement jump
CN111599471A (zh) 动态获取最大摄氧量的方法及电子设备
CN113192654A (zh) 一种运动心率的追踪方法、装置、设备和存储介质
EP3509071A1 (en) A method and an apparatus for determining injury risk of a person based on physiological data
CN103446739A (zh) 田径5000米运动员专项身体素质的估测方法和系统
CN101884832A (zh) 虚拟角色健身互动系统及其方法
CN111530036B (zh) 跑步运动成绩预测方法及电子设备
US20230138921A1 (en) A method and system for determining exercise parameters including aerobic endurance based on heart rate curve analysis
CN111564217A (zh) 运动负荷评估方法及设备
CN118266890A (zh) 心率预警方法及电子设备
CN115120192A (zh) 精力确定方法及装置、电子设备、计算机可读存储介质
CN117831709A (zh) 一种运动训练效益的计算方法和计算装置

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication

Application publication date: 20200818

RJ01 Rejection of invention patent application after publication