[go: up one dir, main page]

CN113693556A - 运动后肌肉疲劳度的检测方法及装置、电子设备 - Google Patents

运动后肌肉疲劳度的检测方法及装置、电子设备 Download PDF

Info

Publication number
CN113693556A
CN113693556A CN202010430716.0A CN202010430716A CN113693556A CN 113693556 A CN113693556 A CN 113693556A CN 202010430716 A CN202010430716 A CN 202010430716A CN 113693556 A CN113693556 A CN 113693556A
Authority
CN
China
Prior art keywords
user
exercise
signal
movement
calculating
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
CN202010430716.0A
Other languages
English (en)
Inventor
赵帅
杨斌
任慧超
李玥
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.)
Huawei Technologies Co Ltd
Original Assignee
Huawei Technologies Co Ltd
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 Huawei Technologies Co Ltd filed Critical Huawei Technologies Co Ltd
Priority to CN202010430716.0A priority Critical patent/CN113693556A/zh
Priority to PCT/CN2021/086963 priority patent/WO2021233018A1/zh
Publication of CN113693556A publication Critical patent/CN113693556A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • 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
    • A61B5/021—Measuring pressure in heart or blood vessels
    • 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
    • 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
    • A61B5/08—Measuring devices for evaluating the respiratory organs
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/08—Measuring devices for evaluating the respiratory organs
    • A61B5/0816—Measuring devices for examining respiratory frequency
    • 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
    • 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
    • A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
    • A61B5/316—Modalities, i.e. specific diagnostic methods
    • A61B5/389—Electromyography [EMG]
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/45—For evaluating or diagnosing the musculoskeletal system or teeth
    • A61B5/4519—Muscles
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
    • A61B5/6801—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be attached to or worn on the body surface
    • A61B5/6802—Sensor mounted on worn items
    • A61B5/681—Wristwatch-type devices
    • 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
    • A61B5/7203—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal
    • 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
    • A61B5/725—Details of waveform analysis using specific filters therefor, e.g. Kalman or adaptive filters
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
    • G01D21/00—Measuring or testing not otherwise provided for
    • G01D21/02—Measuring two or more variables by means not covered by a single other subclass
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01G—WEIGHING
    • G01G19/00—Weighing apparatus or methods adapted for special purposes not provided for in the preceding groups
    • G01G19/44—Weighing apparatus or methods adapted for special purposes not provided for in the preceding groups for weighing persons
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B1/00—Details of transmission systems, not covered by a single one of groups H04B3/00 - H04B13/00; Details of transmission systems not characterised by the medium used for transmission
    • H04B1/38—Transceivers, i.e. devices in which transmitter and receiver form a structural unit and in which at least one part is used for functions of transmitting and receiving
    • H04B1/40—Circuits
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/57—Mechanical or electrical details of cameras or camera modules specially adapted for being embedded in other devices

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Biomedical Technology (AREA)
  • Animal Behavior & Ethology (AREA)
  • Surgery (AREA)
  • Veterinary Medicine (AREA)
  • Molecular Biology (AREA)
  • Public Health (AREA)
  • Medical Informatics (AREA)
  • Biophysics (AREA)
  • Pathology (AREA)
  • General Health & Medical Sciences (AREA)
  • Physiology (AREA)
  • Cardiology (AREA)
  • Signal Processing (AREA)
  • Pulmonology (AREA)
  • General Physics & Mathematics (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Dentistry (AREA)
  • Psychiatry (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Artificial Intelligence (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Orthopedic Medicine & Surgery (AREA)
  • Rheumatology (AREA)
  • Multimedia (AREA)
  • Vascular Medicine (AREA)
  • Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)

Abstract

本申请提供一种运动后肌肉疲劳度的检测方法及装置、电子设备，其中，运动后肌肉疲劳度的检测方法包括：获取用户运动前的身体状态参数以及运动后的身体状态参数，其中，身体状态参数包括身体平稳度、心率、呼吸频率及呼吸强度；根据用户运动前的身体状态参数以及用户在运动后的身体状态参数计算用户运动后的肌肉疲劳度。上述检测方法能够方便用户自行测量且用户接收度高。

Description

运动后肌肉疲劳度的检测方法及装置、电子设备
技术领域
本申请涉及智能检测设备技术领域，具体涉及运动后肌肉疲劳度的检测方法及装置、电子设备。
背景技术
运动后肌肉疲劳是评估运动强度和人体运动后身体恢复机能的重要指标，当前主要的测量方法有血液乳酸法和表面肌电法。其中，血液乳酸法利用血液乳酸检测肌肉疲劳度，准确性高，但是需要采集血液，不能被大部分群体接受；表面肌电法利用表面肌电信号(Emg，Electroyogram)评定，可以分肌肉块测量肌肉疲劳，但是需要在不同的肌肉块贴放电极，操作繁琐，不适合普通用户自行测量。为了检测运动后的肌肉疲劳程度，从而为用户评估运动强度，亟需提供一种检测方便且与用户接受度的肌肉疲劳度检测方案。
发明内容
本申请实施例提供一种运动后肌肉疲劳度的检测方法、装置、电子设备、体重测量设备、计算机存储介质及计算机程序产品，能够对用户运动后肌肉疲劳度进行检测，能够方便用户对运动后肌肉疲劳度自行测量且用户接收度高。
第一方面，本申请实施例提供了一种运动后肌肉疲劳度的检测方法，应用于运动后肌肉疲劳度的检测装置，所述方法包括：
获取用户运动前的身体状态参数以及运动后的身体状态参数，其中，所述身体状态参数包括身体平稳度、心率、呼吸频率及呼吸强度；
根据所述用户运动前的身体状态参数以及所述用户在运动后的身体状态参数计算所述用户运动后的肌肉疲劳度。
结合第一方面，在一种可行的实现方式中，所述获取所述用户运动前的身体状态参数，包括：
接收体重测量设备生成的第一压力信号，根据所述第一压力信号确定所述用户在运动前的身体状态参数，其中，所述第一压力信号由体重测量设备在所述用户运动前使用所述体重测量设备进行体重测量时产生；
所述获取所述用户运动后的身体状态参数，包括：
接收所述体重测量设备生成的第二压力信号，根据所述第二压力信号确定所述用户运动后的身体状态参数，其中，所述第二压力信号由体重测量设备在所述用户运动后使用所述体重测量设备进行体重测量时产生。
结合第一方面，在一种可行的实现方式中，所述获取所述用户运动前的身体状态参数，包括：
在所述用户运动前，对所述用户进行体重测量，根据所述用户所施加的压力生成第一压力信号，根据所述第一压力信号确定所述用户在运动前的身体状态参数；
所述获取所述用户运动后的身体状态参数，包括：
在所述用户运动后，对所述用户进行体重测量，根据所述用户所施加的压力生成第二压力信号，根据所述第二压力信号确定所述用户在运动后的身体状态参数。
结合第一方面，在一种可行的实现方式中，所述方法还包括：
获取所述用户运动对应的运动参数；
根据所述用户运动前的身体状态参数、所述用户运动后的身体状态参数以及所述用户的运动参数计算所述用户的心脏恢复指数及肺恢复指数。
结合第一方面，在一种可行的实现方式中，所述根据所述用户运动前的身体状态参数以及所述用户在运动后的身体状态参数计算所述用户运动后的肌肉疲劳度，包括：
根据所述用户运动前的身体状态参数、所述用户在运动后的身体状态参数以及所述用户的运动参数计算所述用户运动后的肌肉疲劳度。
结合第一方面，在一种可行的实现方式中，所述运动参数包括运动类型、运动强度、运动时长、运动后时长及运动参数可信度中的一种或者任意多种。
结合第一方面，在一种可行的实现方式中，所述根据所述第一压力信号确定所述用户在运动前的身体状态参数，包括：
对所述第一压力信号依次进行高通放大处理和低通滤波处理后得到第一信号，将所述第一信号进行高通滤波处理后得到运动前的心冲击信号，根据所述运动前的心冲击信号确定运动前的心率，根据所述运动前的心冲击信号的波形变化确定所述运动前的心冲击信号的波形轮廓，根据所述运动前的心冲击信号的波形轮廓的峰值特征点计算运动前的呼吸频率以及根据所述运动前的心冲击信号的波形轮廓的峰峰值计算运动前的呼吸强度；
对所述第一信号进行低通滤波处理，得到第二信号，计算出所述第二信号的主频、峰峰值及标准差，根据所述第二信号的主频、峰峰值及标准差计算运动前的身体平稳度。
结合第一方面，在一种可行的实现方式中，所述根据所述第二压力信号确定所述用户运动后的身体状态参数，包括：
对所述第二压力信号依次进行高通放大处理和低通滤波处理后得到第三信号，将所述第三信号进行高通滤波处理后得到运动后的心冲击信号，根据所述运动后的心冲击信号确定运动后的心率，根据所述运动后的心冲击信号的波形变化确定所述运动后的心冲击信号的波形轮廓，根据所述运动后的心冲击信号的波形轮廓的峰值特征点计算运动后的呼吸频率以及根据所述运动后的心冲击信号的波形轮廓的峰峰值计算运动后的呼吸强度；
对所述第三信号进行低通滤波处理，得到第四信号，计算出所述第四信号的主频、峰峰值及标准差，根据所述第四信号的主频、峰峰值及标准差计算运动后的身体平稳度。
结合第一方面，在一种可行的实现方式中，所述根据所述用户运动前的身体状态参数以及所述用户在运动后的身体状态参数计算所述用户运动后的肌肉疲劳度，包括：
计算所述用户运动前的身体平稳度与所述用户运动后的身体平稳度之间的身体平稳度差值，以及计算所述用户运动前的心率与所述用户运动后的心率之间的心率差值，以及计算所述用户运动前的呼吸频率与所述用户运动后的呼吸频率之间的呼吸频率差值，以及计算所述用户运动前的呼吸强度与所述用户运动后的呼吸强度之间的呼吸强度差值；
根据所述身体平稳度差值、所述心率差值、所述呼吸频率差值及呼吸强度差值，采用加权平均算法计算所述用户运动后的肌肉疲劳度。
结合第一方面，在一种可行的实现方式中，根据所述用户运动前的身体状态参数、所述用户在运动后的身体状态参数以及所述用户的运动参数计算所述用户运动后的心脏恢复指数及肺恢复指数，包括：
根据所述身体平稳度差值、所述心率差值、所述呼吸频率差值及所述呼吸强度差值，并结合所述用户的运动参数，采用加权平均算法计算所述用户运动后的心脏恢复指数及肺恢复指数。
结合第一方面，在一种可行的实现方式中，所述根据所述用户运动前的身体状态参数、所述用户在运动后的身体状态参数计算以及所述用户的运动参数计算所述用户的肌肉疲劳度、心脏恢复指数及肺恢复指数，包括：
计算所述用户运动前的身体平稳度与所述用户运动后的身体平稳度之间的身体平稳度差值，以及计算所述用户运动前的心率与所述用户运动后的心率之间的心率差值，以及计算所述用户运动前的呼吸频率与所述用户运动后的呼吸频率之间的呼吸频率差值，以及计算所述用户运动前的呼吸强度与所述用户运动后的呼吸强度之间的呼吸强度差值；
根据所述身体平稳度差值、所述心率差值、所述呼吸频率差值及所述呼吸强度差值，结合所述用户的运动参数，使用神经网络计算所述用户的肌肉疲劳度、心脏恢复指数及肺恢复指数。
结合第一方面，在一种可行的实现方式中，所述方法还包括：
显示计算得到的所述用户的肌肉疲劳度、心脏恢复指数及肺恢复指数中的任意一个或者任意多个，以及根据所述用户的肌肉疲劳度、心脏恢复指数及肺恢复指数中的一个或者任意多个生成并显示运动量评估、身体机能评估、运动建议、身体恢复建议中的一个或者任意多个。
第二方面，本申请实施例提供了一种运动后肌肉疲劳度的检测装置，所述装置包括：
第一获取模块，用于获取用户运动前的身体状态参数以及运动后的身体状态参数，其中，所述身体状态参数包括身体平稳度、心率、呼吸频率及呼吸强度；以及
第一计算模块，用于根据所述用户运动前的身体状态参数以及所述用户在运动后的身体状态参数计算所述用户运动后的肌肉疲劳度。
可以理解，本发明实施例通过获取用户运动前的身体状态参数以及运动后的身体状态参数，然后根据所述用户运动前的身体状态参数以及所述用户在运动后的身体状态参数计算所述用户运动后的肌肉疲劳度，无需采集用户的血液且操作简单，用户接受度高，同时，依靠体重测量设备就能够实现肌肉疲劳度检测，无需专门的检测设备。
结合第二方面，在一种可行的实现方式中，第一获取模块可以包括：
第一获取单元，用于接收体重测量设备生成的第一压力信号，根据所述第一压力信号确定所述用户在运动前的身体状态参数，其中，所述第一压力信号由体重测量设备在所述用户运动前使用所述体重测量设备进行体重测量时产生；以及
第二获取单元，用于接收所述体重测量设备生成的第二压力信号，根据所述第二压力信号确定所述用户运动后的身体状态参数，其中，所述第二压力信号由体重测量设备在所述用户运动后使用所述体重测量设备进行体重测量时产生。
结合第二方面，在一种可行的实现方式中，第一获取模块可以包括：
第一确定单元，用于在所述用户运动前，对所述用户进行体重测量，根据所述用户所施加的压力生成第一压力信号，根据所述第一压力信号确定所述用户在运动前的身体状态参数；以及
第二确定单元，用于在所述用户运动后，对所述用户进行体重测量，根据所述用户所施加的压力生成第二压力信号，根据所述第二压力信号确定所述用户在运动后的身体状态参数。
结合第二方面，在一种可行的实现方式中，所述装置还可以包括：
第二获取模块，用于获取所述用户运动对应的运动参数；以及
第二计算模块，用于根据所述用户运动前的身体状态参数、所述用户运动后的身体状态参数以及所述用户的运动参数计算所述用户的心脏恢复指数及肺恢复指数。
结合第二方面，在一种可行的实现方式中，所述第一计算模块可以包括：
第一计算单元，用于根据所述用户运动前的身体状态参数、所述用户在运动后的身体状态参数以及所述用户的运动参数计算所述用户运动后的肌肉疲劳度。
结合第二方面，在一种可行的实现方式中，所述运动参数包括运动类型、运动强度、运动时长、运动后时长及运动参数可信度中的一种或者任意多种。
结合第二方面，在一种可行的实现方式中，所述第一获取模块或者所述第一确定模块可以包括：
第一处理单元，用于对所述第一压力信号依次进行高通放大处理和低通滤波处理后得到第一信号，将所述第一信号进行高通滤波处理后得到运动前的心冲击信号，根据所述运动前的心冲击信号确定运动前的心率，根据所述运动前的心冲击信号的波形变化确定所述运动前的心冲击信号的波形轮廓，根据所述运动前的心冲击信号的波形轮廓的峰值特征点计算运动前的呼吸频率以及根据所述运动前的心冲击信号的波形轮廓的峰峰值计算运动前的呼吸强度；以及
第二处理单元，用于对所述第一信号进行低通滤波处理，得到第二信号，计算出所述第二信号的主频、峰峰值及标准差，根据所述第二信号的主频、峰峰值及标准差计算运动前的身体平稳度。
结合第二方面，在一种可行的实现方式中，所述第二获取模块或者所述第二确定模块可以包括：
第三处理单元，用于对所述第二压力信号依次进行高通放大处理和低通滤波处理后得到第三信号，将所述第三信号进行高通滤波处理后得到运动后的心冲击信号，根据所述运动后的心冲击信号确定运动后的心率，根据所述运动后的心冲击信号的波形变化确定所述运动后的心冲击信号的波形轮廓，根据所述运动后的心冲击信号的波形轮廓的峰值特征点计算运动后的呼吸频率以及根据所述运动后的心冲击信号的波形轮廓的峰峰值计算运动后的呼吸强度；以及
第四处理单元，用于对所述第三信号进行低通滤波处理，得到第四信号，计算出所述第四信号的主频、峰峰值及标准差，根据所述第四信号的主频、峰峰值及标准差计算运动后的身体平稳度。
结合第二方面，在一种可行的实现方式中，所述第一计算模块可以包括：
第二计算单元，用于计算所述用户运动前的身体平稳度与所述用户运动后的身体平稳度之间的身体平稳度差值，以及计算所述用户运动前的心率与所述用户运动后的心率之间的心率差值，以及计算所述用户运动前的呼吸频率与所述用户运动后的呼吸频率之间的呼吸频率差值，以及计算所述用户运动前的呼吸强度与所述用户运动后的呼吸强度之间的呼吸强度差值；以及
第三计算单元，用于根据所述身体平稳度差值、所述心率差值、所述呼吸频率差值及呼吸强度差值，采用加权平均算法计算所述用户运动后的肌肉疲劳度。
在一种可行的实现方式中，所述第二计算单元还可以包括：
第一计算子单元，用于根据所述身体平稳度差值、所述心率差值、所述呼吸频率差值及所述呼吸强度差值，并结合所述用户的运动参数，采用加权平均算法计算所述用户运动后的心脏恢复指数及肺恢复指数。
结合第二方面，在一种可行的实现方式中，所述第一计算单元可以包括：
第二计算子单元，用于计算所述用户运动前的身体平稳度与所述用户运动后的身体平稳度之间的身体平稳度差值，以及计算所述用户运动前的心率与所述用户运动后的心率之间的心率差值，以及计算所述用户运动前的呼吸频率与所述用户运动后的呼吸频率之间的呼吸频率差值，以及计算所述用户运动前的呼吸强度与所述用户运动后的呼吸强度之间的呼吸强度差值；以及
第三计算子单元，用于根据所述身体平稳度差值、所述心率差值、所述呼吸频率差值及所述呼吸强度差值，结合所述用户的运动参数，使用神经网络计算所述用户的肌肉疲劳度、心脏恢复指数及肺恢复指数。
结合第二方面，在一种可行的实现方式中，所述装置还可以包括：
第一显示模块，用于显示计算得到的所述用户的肌肉疲劳度、心脏恢复指数及肺恢复指数中的任意一个或者任意多个，以及根据所述用户的肌肉疲劳度、心脏恢复指数及肺恢复指数中的一个或者任意多个生成并显示运动量评估、身体机能评估、运动建议、身体恢复建议中的一个或者任意多个。
第三方面，本申请实施例提供一种电子设备，所述电子设备包括存储器、处理器、触摸传感器及显示屏，所述存储器中存储有计算机程序，所述处理器与所述存储器连接，所述处理器执行计算机程序以实现上述的运动后肌肉疲劳度的检测方法。
第四方面，本申请实施例提供一种体重测量设备，所述体重测量设备包括存储器、处理器、触摸传感器及显示屏，所述存储器中存储有计算机程序，所述处理器与所述存储器连接，所述处理器执行计算机程序以实现上述的运动后肌肉疲劳度的检测方法。
第五方面，本申请实施例提供一种计算机可读存储介质，包括计算机指令，当所述计算机指令在电子设备上运行时，使得所述电子设备执行第一方面或者第一方面的任一可能的实现方式中的方法的指令。
第六方面，本申请实施例提供一种计算机程序产品，当所述计算机程序产品在计算机上运行时，使得所述计算机执行第一方面或者第一方面的任一可能的实现方式中的方法的指令。
可以理解，本可以理解，本发明实施例通过获取用户运动前的身体状态参数以及运动后的身体状态参数，然后根据用户运动前的身体状态参数以及用户在运动后的身体状态参数计算用户运动后的肌肉疲劳度，无需采集用户的血液且操作简单，用户接受度高，同时，依靠体重测量设备就能够实现肌肉疲劳度检测，无需专门的检测设备，同时本发明实施例提供的检测方法基于压力检测，无需更改硬件产品形态。
附图说明
图1为本申请实施例提供的电子设备的结构示意图；
图2为本发明实施例的电子设备的软件结构框图；
图3为本发明实施例提供的一种运动后肌肉疲劳度的检测方法的流程图；
图4为本发明实施例提供的运动后肌肉疲劳度的检测方法的一种示例性的应用框架图；
图5为本发明实施例提供的一种示例性的用户运动前身体状态参数的检测流程图；
图6为本发明实施例提供的一种示例性的用户运动后检测肌肉疲劳度、心脏恢复指数和肺恢复指数的流程图；
图7为本发明实施例提供的一种示例性的测量用户运动前/运动后的身体状态参数的示意图；
图8为本发明实施例提供的一种通过神经网络计算肌肉疲劳度、心脏恢复指数和肺恢复指数的示意图；
图9为本发明实施例提供的一种示例性的运动后肌肉疲劳度的检测装置运动前和运动后的状态选择界面；
图10本发明实施例提供的一种示例性的运动参数自动获取的设置界面；
图11本发明实施例提供的一种示例性的运动参数手动输入选择界面；
图12本发明实施例提供的一种示例性的运动参数输入界面；
图13本发明实施例提供的又一种示例性的运动参数输入界面；
图14为本发明实施例提供的一种示例性的测量结果显示界面；
图15为本申请实施例提供的运动后肌肉疲劳度的检测装置的示意图。
具体实施方式
为了更好的理解本发明的技术方案，下面结合附图对本申请实施例进行详细描述。
应当明确，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
本申请中，“至少一个”是指一个或者多个，“多个”是指两个或两个以上。“和/或”，描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B的情况，其中A，B可以是单数或者复数。字符“/”一般表示前后关联对象是一种“或”的关系。“以下至少一项(个)”或其类似表达，是指的这些项中的任意组合，包括单项(个)或复数项(个)的任意组合。例如，a，b，或c中的至少一项(个)，可以表示：a，b，c，a-b，a-c，b-c，或a-b-c，其中a，b，c可以是单个，也可以是多个。
本申请实施例提供的用户运动后肌肉疲劳度的检测方法可以应用于如图1所示的电子设备100，图1所示的电子设备100可以是还包含其他功能诸如个人数字助理和/或音乐播放器功能的便携式电子设备，诸如手机、平板电脑、具备无线通讯功能的可穿戴设备(如智能手表)等。上述便携式电子设备诸如具有触控面板的膝上型计算机等。
在一些实施例中，电子设备100包括直面显示屏、曲面显示屏或可折叠显示屏。电子设备100通过采集用户持握电子设备100时预设区域的触摸点，并将触摸点上传至云端服务器200，云端服务器200根据触摸点判断用户的持握姿态，并将持握姿态反馈给电子设备100。在其他实施例中，电子终端100也可以自己根据触摸点判断用户的持握姿态，在此不做限定。
如图1所示，下面以电子设备100为例对实施例进行具体说明。
电子设备100可以包括处理器110，外部存储器接口120，内部存储器121，通用串行总线(universal serial bus，USB)接口130，充电管理模块140，电源管理模块141，电池142，天线1，天线2，移动通信模块150，无线通信模块160，音频模块170，扬声器170A，受话器170B，麦克风170C，耳机接口170D，传感器模块180，按键190，马达191，指示器192，摄像头193，显示屏194，以及用户标识模块(subscriber identification module，SIM)卡接口195等。其中传感器模块180可以包括压力传感器180A，陀螺仪传感器180B，气压传感器180C，磁传感器180D，加速度传感器180E，距离传感器180F，接近光传感器180G，指纹传感器180H，温度传感器180J，触摸传感器180K，环境光传感器180L，骨传导传感器180M等。
可以理解的是，本申请实施例示意的结构并不构成对电子设备100的具体限定。在本申请另一些实施例中，电子设备100可以包括比图示更多或更少的部件，或者组合某些部件，或者拆分某些部件，或者不同的部件布置。图示的部件可以以硬件，软件或软件和硬件的组合实现。
处理器110可以包括一个或多个处理单元，例如：处理器110可以包括应用处理器(application processor，AP)，调制解调处理器，图形处理器(graphics processingunit，GPU)，图像信号处理器(image signal processor，ISP)，控制器，视频编解码器，数字信号处理器(digital signal processor，DSP)，基带处理器，和/或神经网络处理器(neural-network processing unit，NPU)等。其中，不同的处理单元可以是独立的器件，也可以集成在一个或多个处理器中。
控制器可以根据指令操作码和时序信号，产生操作控制信号，完成取指令和执行指令的控制。
处理器110中还可以设置存储器，用于存储计算机程序和数据。在一些实施例中，处理器110中的存储器为高速缓冲存储器。该存储器可以保存处理器110刚用过或循环使用的指令或数据。如果处理器110需要再次使用该指令或数据，可从所述存储器中直接调用。避免了重复存取，减少了处理器110的等待时间，因而提高了系统的效率。
在一些实施例中，处理器110可以包括一个或多个接口。接口可以包括集成电路(inter-integrated circuit，I2C)接口，集成电路内置音频(inter-integrated circuitsound，I2S)接口，脉冲编码调制(pulse code modulation，PCM)接口，通用异步收发传输器(universal asyncHRonous receiver/transmitter，UART)接口，移动产业处理器接口(moBIle industry processor interface，MIPI)，通用输入输出(general-purposeinput/output，GPIO)接口，用户标识模块(subscriber identity module，SIM)接口，和/或通用串行总线(universal serial bus，USB)接口等。
I2C接口是一种双向同步串行总线，包括一根串行数据线(serial data line，SDA)和一根串行时钟线(derail clock line，SCL)。在一些实施例中，处理器110可以包含多组I2C总线。处理器110可以通过不同的I2C总线接口分别耦合触摸传感器180K，充电器，闪光灯，摄像头193等。例如：处理器110可以通过I2C接口耦合触摸传感器180K，使处理器110与触摸传感器180K通过I2C总线接口通信，实现电子设备100的触摸功能。
I2S接口可以用于音频通信。在一些实施例中，处理器110可以包含多组I2S总线。处理器110可以通过I2S总线与音频模块170耦合，实现处理器110与音频模块170之间的通信。在一些实施例中，音频模块170可以通过I2S接口向无线通信模块160传递音频信号，实现通过蓝牙耳机接听电话的功能。
PCM接口也可以用于音频通信，将模拟信号抽样，量化和编码。在一些实施例中，音频模块170与无线通信模块160可以通过PCM总线接口耦合。在一些实施例中，音频模块170也可以通过PCM接口向无线通信模块160传递音频信号，实现通过蓝牙耳机接听电话的功能。所述I2S接口和所述PCM接口都可以用于音频通信。
UART接口是一种通用串行数据总线，用于异步通信。该总线可以为双向通信总线。它将要传输的数据在串行通信与并行通信之间转换。在一些实施例中，UART接口通常被用于连接处理器110与无线通信模块160。例如：处理器110通过UART接口与无线通信模块160中的蓝牙模块通信，实现蓝牙功能。在一些实施例中，音频模块170可以通过UART接口向无线通信模块160传递音频信号，实现通过蓝牙耳机播放音乐的功能。
MIPI接口可以被用于连接处理器110与显示屏194，摄像头193等外围器件。MIPI接口包括摄像头串行接口(camera serial interface，CSI)，显示屏串行接口(displayserial interface，DSI)等。在一些实施例中，处理器110和摄像头193通过CSI接口通信，实现电子设备100的拍摄功能。处理器110和显示屏194通过DSI接口通信，实现电子设备100的显示功能。
GPIO接口可以通过软件配置。GPIO接口可以被配置为控制信号，也可被配置为数据信号。在一些实施例中，GPIO接口可以用于连接处理器110与摄像头193，显示屏194，无线通信模块160，音频模块170，传感器模块180等。GPIO接口还可以被配置为I2C接口，I2S接口，UART接口，MIPI接口等。
USB接口130是符合USB标准规范的接口，具体可以是Mini USB接口，Micro USB接口，USB Type C接口等。USB接口130可以用于连接充电器为电子设备100充电，也可以用于电子设备100与外围设备之间传输数据。也可以用于连接耳机，通过耳机播放音频。该接口还可以用于连接其他电子设备，例如AR设备等。
可以理解的是，本申请实施例示意的各模块间的接口连接关系，只是示意性说明，并不构成对电子设备100的结构限定。在本申请另一些实施例中，电子设备100也可以采用上述实施例中不同的接口连接方式，或多种接口连接方式的组合。
充电管理模块140用于从充电器接收充电输入。其中，充电器可以是无线充电器，也可以是有线充电器。在一些有线充电的实施例中，充电管理模块140可以通过USB接口130接收有线充电器的充电输入。在一些无线充电的实施例中，充电管理模块140可以通过电子设备100的无线充电线圈接收无线充电输入。充电管理模块140为电池142充电的同时，还可以通过电源管理模块141为电子设备100供电。
电源管理模块141用于连接电池142，充电管理模块140与处理器110。电源管理模块141接收电池142和/或充电管理模块140的输入，为处理器110，内部存储器121，显示屏194，摄像头193，和无线通信模块160等供电。电源管理模块141还可以用于监测电池容量，电池循环次数，电池健康状态(漏电，阻抗)等参数。在其他一些实施例中，电源管理模块141也可以设置于处理器110中。在另一些实施例中，电源管理模块141和充电管理模块140也可以设置于同一个器件中。
电子设备100的无线通信功能可以通过天线1，天线2，移动通信模块150，无线通信模块160，调制解调处理器以及基带处理器等实现。
天线1和天线2用于发射和接收电磁波信号。电子设备100中的每个天线可用于覆盖单个或多个通信频带。不同的天线还可以复用，以提高天线的利用率。例如：可以将天线1复用为无线局域网的分集天线。在另外一些实施例中，天线可以和调谐开关结合使用。
移动通信模块150可以提供应用在电子设备100上的包括2G/3G/4G/5G等无线通信的解决方案。移动通信模块150可以包括至少一个滤波器，开关，功率放大器，低噪声放大器(low noise amplifier，LNA)等。移动通信模块150可以由天线1接收电磁波，并对接收的电磁波进行滤波，放大等处理，传送至调制解调处理器进行解调。移动通信模块150还可以对经调制解调处理器调制后的信号放大，经天线1转为电磁波辐射出去。在一些实施例中，移动通信模块150的至少部分功能模块可以被设置于处理器110中。在一些实施例中，移动通信模块150的至少部分功能模块可以与处理器110的至少部分模块被设置在同一个器件中。
调制解调处理器可以包括调制器和解调器。其中，调制器用于将待发送的低频基带信号调制成中高频信号。解调器用于将接收的电磁波信号解调为低频基带信号。随后解调器将解调得到的低频基带信号传送至基带处理器处理。低频基带信号经基带处理器处理后，被传递给应用处理器。应用处理器通过音频设备(不限于扬声器170A，受话器170B等)输出声音信号，或通过显示屏194显示图像或视频。在一些实施例中，调制解调处理器可以是独立的器件。在另一些实施例中，调制解调处理器可以独立于处理器110，与移动通信模块150或其他功能模块设置在同一个器件中。
无线通信模块160可以提供应用在电子设备100上的包括无线局域网(wirelesslocal area networks，WLAN)(如无线保真(wireless fidelity，Wi-Fi)网络)，蓝牙(bluetooth，BT)，全球导航卫星系统(gloBAl navigation satellite system，GNSS)，调频(frequency modulation，FM)，近距离无线通信技术(near field communication，NFC)，红外技术(infrared，IR)等无线通信的解决方案。无线通信模块160可以是集成至少一个通信处理模块的一个或多个器件。无线通信模块160经由天线2接收电磁波，将电磁波信号调频以及滤波处理，将处理后的信号发送到处理器110。无线通信模块160还可以从处理器110接收待发送的信号，对其进行调频，放大，经天线2转为电磁波辐射出去。
在一些实施例中，电子设备100的天线1和移动通信模块150耦合，天线2和无线通信模块160耦合，使得电子设备100可以通过无线通信技术与网络以及其他设备通信。所述无线通信技术可以包括全球移动通讯系统(gloBAl system for moBIle communications，GSM)，通用分组无线服务(general packet radio service，GPRS)，码分多址接入(codedivision multiple access，CDMA)，宽带码分多址(wideBAnd code division multipleaccess，WCDMA)，时分码分多址(time-division code division multiple access，TD-SCDMA)，长期演进(long term evolution，LTE)，BT，GNSS，WLAN，NFC，FM，和/或IR技术等。所述GNSS可以包括全球卫星定位系统(gloBAl positioning system，GPS)，全球导航卫星系统(gloBAl navigation satellite system，GLONASS)，北斗卫星导航系统(beidounavigation satellite system，BDS)，准天顶卫星系统(quasi-zenith satellitesystem，QZSS)和/或星基增强系统(satellite BAsed augmentation systems，SBAS)。
电子设备100通过GPU，显示屏194，以及应用处理器等实现显示功能。GPU为图像处理的微处理器，连接显示屏194和应用处理器。GPU用于执行数学和几何计算，用于图形渲染。处理器110可包括一个或多个GPU，其执行程序指令以生成或改变显示信息。
显示屏194用于显示图像，视频等。显示屏194包括显示面板。显示面板可以采用液晶显示屏(liquid crystal display，LCD)，有机发光二极管(organic light-emittingdiode，OLED)，有源矩阵有机发光二极体或主动矩阵有机发光二极体(active-matrixorganic light emitting diode的，AMOLED)，柔性发光二极管(flex light-emittingdiode，FLED)，Miniled，MicroLed，Micro-oLed，量子点发光二极管(quantum dot lightemitting diodes，QLED)等。在一些实施例中，电子设备100可以包括1个或N个显示屏194，N为大于1的正整数。在本实施例中，显示屏194为曲面显示屏或可折叠显示屏。
电子设备100可以通过ISP，摄像头193，视频编解码器，GPU，显示屏194以及应用处理器等实现拍摄功能。
ISP用于处理摄像头193反馈的数据。例如，拍照时，打开快门，光线通过镜头被传递到摄像头感光元件上，光信号转换为电信号，摄像头感光元件将所述电信号传递给ISP处理，转化为肉眼可见的图像。ISP还可以对图像的噪点，亮度，肤色进行算法优化。ISP还可以对拍摄场景的曝光，色温等参数优化。在一些实施例中，ISP可以设置在摄像头193中。
摄像头193用于捕获静态图像或视频。物体通过镜头生成光学图像投射到感光元件。感光元件可以是电荷耦合器件(charge coupled device，CCD)或互补金属氧化物半导体(complementary metal-oxide-semiconductor，CMOS)光电晶体管。感光元件把光信号转换成电信号，之后将电信号传递给ISP转换成数字图像信号。ISP将数字图像信号输出到DSP加工处理。DSP将数字图像信号转换成标准的RGB，YUV等格式的图像信号。在一些实施例中，电子设备100可以包括1个或N个摄像头193，N为大于1的正整数。
数字信号处理器用于处理数字信号，除了可以处理数字图像信号，还可以处理其他数字信号。例如，当电子设备100在频点选择时，数字信号处理器用于对频点能量进行傅里叶变换等。
视频编解码器用于对数字视频压缩或解压缩。电子设备100可以支持一种或多种视频编解码器。这样，电子设备100可以播放或录制多种编码格式的视频，例如：动态图像专家组(moving picture experts group，MPEG)1，MPEG2，MPEG3，MPEG4等。
NPU为神经网络(neural-network，NN)计算处理器，通过借鉴生物神经网络结构，例如借鉴人脑神经元之间传递模式，对输入信息快速处理，还可以不断的自学习。通过NPU可以实现电子设备100的智能认知等应用，例如：图像识别，人脸识别，语音识别，文本理解等。
外部存储器接口120可以用于连接外部存储卡，例如Micro SD卡，实现扩展电子设备100的存储能力。外部存储卡通过外部存储器接口120与处理器110通信，实现数据存储功能。例如将音乐，视频等文件保存在外部存储卡中。
内部存储器121可以用于存储计算机可执行程序代码，所述可执行程序代码包括指令。内部存储器121可以包括存储程序区和存储数据区。其中，存储程序区可存储操作系统，至少一个功能所需的应用程序(比如声音播放功能，图像播放功能等)等。存储数据区可存储电子设备100使用过程中所创建的数据(比如音频数据，电话本等)等。此外，内部存储器121可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件，闪存器件，通用闪存存储器(universal flash storage，UFS)等。处理器110通过运行存储在内部存储器121的指令，和/或存储在设置于处理器中的存储器的指令，执行电子设备100的各种功能应用以及数据处理。
电子设备100可以通过音频模块170，扬声器170A，受话器170B，麦克风170C，耳机接口170D，以及应用处理器等实现音频功能。例如音乐播放，录音等。
音频模块170用于将数字音频信息转换成模拟音频信号输出，也用于将模拟音频输入转换为数字音频信号。音频模块170还可以用于对音频信号编码和解码。在一些实施例中，音频模块170可以设置于处理器110中，或将音频模块170的部分功能模块设置于处理器110中。
扬声器170A，也称“喇叭”，用于将音频电信号转换为声音信号。电子设备100可以通过扬声器170A收听音乐，或收听免提通话。
受话器170B，也称“听筒”，用于将音频电信号转换成声音信号。当电子设备100接听电话或语音信息时，可以通过将受话器170B靠近人耳接听语音。
麦克风170C，也称“话筒”，“传声器”，用于将声音信号转换为电信号。当拨打电话或发送语音信息时，用户可以通过人嘴靠近麦克风170C发声，将声音信号输入到麦克风170C。电子设备100可以设置至少一个麦克风170C。在另一些实施例中，电子设备100可以设置两个麦克风170C，除了采集声音信号，还可以实现降噪功能。在另一些实施例中，电子设备100还可以设置三个，四个或更多麦克风170C，实现采集声音信号，降噪，还可以识别声音来源，实现定向录音功能等。
耳机接口170D用于连接有线耳机。耳机接口170D可以是USB接口130，也可以是3.5mm的开放移动电子设备平台(open moBIle terminal platform，OMTP)标准接口，美国蜂窝电信工业协会(cellular telecommunications industry association of the USA，CTIA)标准接口。
压力传感器180A用于感受压力信号，可以将压力信号转换成电信号。在一些实施例中，压力传感器180A可以设置于显示屏194。压力传感器180A的种类很多，如电阻式压力传感器，电感式压力传感器，电容式压力传感器等。电容式压力传感器可以是包括至少两个具有导电材料的平行板。当有力作用于压力传感器180A，电极之间的电容改变。电子设备100根据电容的变化确定压力的强度。当有触摸操作作用于显示屏194，电子设备100根据压力传感器180A检测所述触摸操作强度。电子设备100也可以根据压力传感器180A的检测信号计算触摸的位置。在一些实施例中，作用于相同触摸位置，但不同触摸操作强度的触摸操作，可以对应不同的操作指令。例如：当有触摸操作强度小于第一压力阈值的触摸操作作用于短消息应用图标时，执行查看短消息的指令。当有触摸操作强度大于或等于第一压力阈值的触摸操作作用于短消息应用图标时，执行新建短消息的指令。
陀螺仪传感器180B可以用于确定电子设备100的运动姿态。在一些实施例中，可以通过陀螺仪传感器180B确定电子设备100围绕三个轴(即，x，y和z轴)的角速度。陀螺仪传感器180B可以用于拍摄防抖。示例性的，当按下快门，陀螺仪传感器180B检测电子设备100抖动的角度，根据角度计算出镜头模组需要补偿的距离，让镜头通过反向运动抵消电子设备100的抖动，实现防抖。陀螺仪传感器180B还可以用于导航，体感游戏场景。
气压传感器180C用于测量气压。在一些实施例中，电子设备100通过气压传感器180C测得的气压值计算海拔高度，辅助定位和导航。
磁传感器180D包括霍尔传感器。电子设备100可以利用磁传感器180D检测翻盖皮套的开合。在一些实施例中，当电子设备100是翻盖机时，电子设备100可以根据磁传感器180D检测翻盖的开合。进而根据检测到的皮套的开合状态或翻盖的开合状态，设置翻盖自动解锁等特性。
加速度传感器180E可检测电子设备100在各个方向上(一般为三轴)加速度的大小。当电子设备100静止时可检测出重力的大小及方向。还可以用于识别电子设备100的姿态，应用于横竖屏切换，计步器等应用。
距离传感器180F，用于测量距离。电子设备100可以通过红外或激光测量距离。在一些实施例中，拍摄场景，电子设备100可以利用距离传感器180F测距以实现快速对焦。
接近光传感器180G可以包括例如发光二极管(LED)和光检测器，例如光电二极管。发光二极管可以是红外发光二极管。电子设备100通过发光二极管向外发射红外光。电子设备100使用光电二极管检测来自附近物体的红外反射光。当检测到充分的反射光时，可以确定电子设备100附近有物体。当检测到不充分的反射光时，电子设备100可以确定电子设备100附近没有物体。电子设备100可以利用接近光传感器180G检测用户手持电子设备100贴近耳朵通话，以便自动熄灭屏幕达到省电的目的。接近光传感器180G也可用于皮套模式，口袋模式自动解锁与锁屏。
环境光传感器180L用于感知环境光亮度。电子设备100可以根据感知的环境光亮度自适应调节显示屏194亮度。环境光传感器180L也可用于拍照时自动调节白平衡。环境光传感器180L还可以与接近光传感器180G配合，检测电子设备100是否在口袋里，以防误触。
指纹传感器180H用于采集指纹。电子设备100可以利用采集的指纹特性实现指纹解锁，访问应用锁，指纹拍照，指纹接听来电等。
温度传感器180J用于检测温度。在一些实施例中，电子设备100利用温度传感器180J检测的温度，执行温度处理策略。例如，当温度传感器180J上报的温度超过阈值，电子设备100执行降低位于温度传感器180J附近的处理器的性能，以便降低功耗实施热保护。在另一些实施例中，当温度低于另一阈值时，电子设备100对电池142加热，以避免低温导致电子设备100异常关机。在其他一些实施例中，当温度低于又一阈值时，电子设备100对电池142的输出电压执行升压，以避免低温导致的异常关机。
触摸传感器180K，也称“触控面板”。触摸传感器180K可以设置于显示屏194，由触摸传感器180K与显示屏194组成触摸屏，也称“触控屏”。触摸传感器180K用于检测作用于其上或附近的触摸操作。触摸传感器可以将检测到的触摸操作传递给应用处理器，以确定触摸事件类型。可以通过显示屏194提供与触摸操作相关的视觉输出。在另一些实施例中，触摸传感器180K也可以设置于电子设备100的表面，与显示屏194所处的位置不同。
骨传导传感器180M可以获取振动信号。在一些实施例中，骨传导传感器180M可以获取人体声部振动骨块的振动信号。骨传导传感器180M也可以接触人体脉搏，接收血压跳动信号。在一些实施例中，骨传导传感器180M也可以设置于耳机中，结合成骨传导耳机。音频模块170可以基于所述骨传导传感器180M获取的声部振动骨块的振动信号，解析出语音信号，实现语音功能。应用处理器可以基于所述骨传导传感器180M获取的血压跳动信号解析心率信息，实现心率检测功能。
按键190包括开机键，音量键等。按键190可以是机械按键。也可以是触摸式按键。电子设备100可以接收按键输入，产生与电子设备100的用户设置以及功能控制有关的键信号输入。
马达191可以产生振动提示。马达191可以用于来电振动提示，也可以用于触摸振动反馈。例如，作用于不同应用(例如拍照，音频播放等)的触摸操作，可以对应不同的振动反馈效果。作用于显示屏194不同区域的触摸操作，马达191也可对应不同的振动反馈效果。不同的应用场景(例如：时间提醒，接收信息，闹钟，游戏等)也可以对应不同的振动反馈效果。触摸振动反馈效果还可以支持自定义。
指示器192可以是指示灯，可以用于指示充电状态，电量变化，也可以用于指示消息，未接来电，通知等。
SIM卡接口195用于连接SIM卡。SIM卡可以通过插入SIM卡接口195，或从SIM卡接口195拔出，实现和电子设备100的接触和分离。电子设备100可以支持1个或N个SIM卡接口，N为大于1的正整数。SIM卡接口195可以支持Nano SIM卡，Micro SIM卡，SIM卡等。同一个SIM卡接口195可以同时插入多张卡。所述多张卡的类型可以相同，也可以不同。SIM卡接口195也可以兼容不同类型的SIM卡。SIM卡接口195也可以兼容外部存储卡。电子设备100通过SIM卡和网络交互，实现通话以及数据通信等功能。在一些实施例中，电子设备100采用eSIM，即：嵌入式SIM卡。eSIM卡可以嵌在电子设备100中，不能和电子设备100分离。
电子设备100的软件系统可以采用分层架构，事件驱动架构，微核架构，微服务架构，或云架构。本发明实施例以分层架构的Android系统为例，示例性说明电子设备100的软件结构。
图2是本发明实施例的电子设备100的软件结构框图。
分层架构将软件分成若干个层，每一层都有清晰的角色和分工。层与层之间通过软件接口通信。在一些实施例中，将Android系统分为四层，从上至下分别为应用程序层，应用程序框架层，安卓运行时(Android runtime)和系统库，以及内核层。
应用程序层可以包括一系列应用程序包。
如图2所示，应用程序包可以包括相机，图库，日历，通话，地图，导航，WLAN，蓝牙，音乐，视频，短信息等应用程序。
应用程序框架层为应用程序层的应用程序提供应用编程接口(applicationprogramming interface，API)和编程框架。应用程序框架层包括一些预先定义的函数。
如图2所示，应用程序框架层可以包括窗口管理器，内容提供器，视图系统，电话管理器，资源管理器，通知管理器等。
窗口管理器用于管理窗口程序。窗口管理器可以获取显示屏大小，判断是否有状态栏，锁定屏幕，截取屏幕等。
内容提供器用来存放和获取数据，并使这些数据可以被应用程序访问。所述数据可以包括视频，图像，音频，拨打和接听的电话，浏览历史和书签，电话簿等。
视图系统包括可视控件，例如显示文字的控件，显示图片的控件等。视图系统可用于构建应用程序。显示界面可以由一个或多个视图组成的。例如，包括短信通知图标的显示界面，可以包括显示文字的视图以及显示图片的视图。
电话管理器用于提供电子设备100的通信功能。例如通话状态的管理(包括接通，挂断等)。
资源管理器为应用程序提供各种资源，比如本地化字符串，图标，图片，布局文件，视频文件等等。
通知管理器使应用程序可以在状态栏中显示通知信息，可以用于传达告知类型的消息，可以短暂停留后自动消失，无需用户交互。比如通知管理器被用于告知下载完成，消息提醒等。通知管理器还可以是以图表或者滚动条文本形式出现在系统顶部状态栏的通知，例如后台运行的应用程序的通知，还可以是以对话窗口形式出现在屏幕上的通知。例如在状态栏提示文本信息，发出提示音，电子设备振动，指示灯闪烁等。
Android Runtime包括核心库和虚拟机。Android runtime负责安卓系统的调度和管理。
核心库包含两部分：一部分是java语言需要调用的功能函数，另一部分是安卓的核心库。
应用程序层和应用程序框架层运行在虚拟机中。虚拟机将应用程序层和应用程序框架层的java文件执行为二进制文件。虚拟机用于执行对象生命周期的管理，堆栈管理，线程管理，安全和异常的管理，以及垃圾回收等功能。
系统库可以包括多个功能模块。例如：表面管理器(surface manager)，媒体库(Media LiBraries)，三维图形处理库(例如：OpenGL ES)，2D图形引擎(例如：SGL)等。
表面管理器用于对显示子系统进行管理，并且为多个应用程序提供了2D和3D图层的融合。
媒体库支持多种常用的音频，视频格式回放和录制，以及静态图像文件等。媒体库可以支持多种音视频编码格式，例如:MPEG4，H.264，MP3，AAC，AMR，JPG，PNG等。
三维图形处理库用于实现三维图形绘图，图像渲染，合成，和图层处理等。
2D图形引擎是2D绘图的绘图引擎。
内核层是硬件和软件之间的层。内核层至少包含显示驱动，摄像头驱动，音频驱动，传感器驱动。
下面结合捕获拍照场景，示例性说明电子设备100软件以及硬件的工作流程。
当触摸传感器180K接收到触摸操作，相应的硬件中断被发给内核层。内核层将触摸操作加工成原始输入事件(包括触摸坐标，触摸操作的时间戳等信息)。原始输入事件被存储在内核层。应用程序框架层从内核层获取原始输入事件，识别该输入事件所对应的控件。以该触摸操作是触摸单击操作，该单击操作所对应的控件为相机应用图标的控件为例，相机应用调用应用框架层的接口，启动相机应用，进而通过调用内核层启动摄像头驱动，通过摄像头193捕获静态图像或视频。
运动肌肉疲劳是指机体生理过程不能持续其机能在一特定水平上或不能维持预定的运动强度。现有技术中，运动后肌肉疲劳的检测方法主要有：血乳酸检测法和表面肌电信号(EMG)检测法。
其中，血乳酸检测法需要采集血液，不能被大部分用户群体接受，而表面肌电测量方法需要贴放多种电极，操作繁琐，不适合用户自行测量，基于现有技术，本发明提供了一种运动后肌肉疲劳度的检测方法，能够方便用户自行测量且用户接收度高，且不需要专门的检测设备。
图3为本发明实施例提供的一种运动后肌肉疲劳度的检测方法的流程图；
一种运动后肌肉疲劳度的检测方法，该方法可以应用于运动后肌肉疲劳度的检测装置，检测装置可以为上述的电子设备100(例如手机)，也可以为体重测量设备(例如体重秤或者体脂秤或者其它具有体重测量功能的设备)，当然，还可以是其它的电子设备，如图3所示，该方法包括：
步骤S11：获取用户运动前的身体状态参数以及运动后的身体状态参数。
步骤S12：根据用户运动前的身体状态参数以及用户在运动后的身体状态参数计算用户运动后的肌肉疲劳度。
可以理解，本发明实施例通过获取用户运动前的身体状态参数以及运动后的身体状态参数，然后根据用户运动前的身体状态参数以及用户在运动后的身体状态参数计算用户运动后的肌肉疲劳度，无需采集用户的血液且操作简单，用户接受度高，同时，依靠体重测量设备就能够实现肌肉疲劳度检测，无需专门的检测设备。
具体实现中，步骤S11和步骤S12可以由终端设备(例如电子设备100)执行，也可以由体重测量设备(例如体重秤)执行。
其中，针对由终端设备(例如电子设备100)执行的场景，具体可以为：终端设备与体重测量设备通信连接，体重测量设备基于压力测试测得用户在运动前和运动后施加的压力信号后，将压力信号发送给终端设备，终端设备根据压力信号分别确定用户在运动前和运动后的身体状态参数，从而计算出肌肉疲劳度并显示给用户。
当然，在该场景的其他实现方式中，也可由体重测量设备对自身所测得的压力信号进行处理，得到用户在运动前和运动后的身体状态参数，再将用户在运动前和运动后的身体状态参数发送给终端设备，终端设备再根据运动前和运动后的身体状态参数计算出肌肉疲劳度。
需要说明的是，为了对运动前和运动后的压力信号进行区分，本发明实施例将运动前的压力信号称为“第一压力信号”，将运动后的压力信号称为“第二压力信号”。
还需要说明的是，用户的状态分为运动前、运动中和运动后，其中，如果用户在运动前进行体重测量时，如果已存在历史运动前(静息态下)的身体状态参数，那么可以将本次测量所的到的身体状态参数与历史运动前(静息态下)的身体状态参数进行加权平均运算得到新的历史运动前(静息态下)的身体状态参数。当然，在一些实施例中，也可不进行加权平均运算，在用户在运动前进行多次测量时，直接将最新的运动前(静息态下)的身体状态参数进作为运动前(静息态下)的身体状态参数。在本发明一个或者多个实施例中，可以根据用户在体重测量时所选择的状态(运动前/运动后)确定用户的状态为运动前或者运动后。
其中，针对由体重测量设备(例如体重秤)执行的场景，具体可以为：体重测量设备基于压力测试测得用户在运动前施加的第一压力信号后，根据第一压力信号确定用户在运动前的身体状态参数；体重测量设备基于压力测试测得用户在运动前施加的第二压力信号后，根据第二压力信号确定用户在运动后的身体状态参数，即本发明实施例提供的运动后肌肉疲劳度的检测方法的各个步骤均由体重测量设备执行；
可以理解，本发明实施例提供的检测方法基于压力检测，无需更改硬件产品形态。
基于上述，在一种可选地实施方式中，获取用户运动前的身体状态参数，包括：
接收体重测量设备生成的第一压力信号，根据第一压力信号确定用户在运动前的身体状态参数，其中，第一压力信号由体重测量设备在用户运动前使用体重测量设备进行体重测量时产生；
获取用户运动后的身体状态参数，包括：
接收体重测量设备生成的第二压力信号，根据第二压力信号确定用户运动后的身体状态参数，其中，第二压力信号由体重测量设备在用户运动后使用体重测量设备进行体重测量时产生。
基于上述，在另一种可选地实施方式中，获取用户运动前的身体状态参数，包括：
在用户运动前，对用户进行体重测量，根据用户所施加的压力生成第一压力信号，根据第一压力信号确定用户在运动前的身体状态参数；
获取用户运动后的身体状态参数，包括：
在用户运动后，对用户进行体重测量，根据用户所施加的压力生成第一压力信号，根据第一压力信号确定用户在运动后的身体状态参数。
基于上述，在另一种可选地实施方式中，接收体重测量设备生成的用户运动前的身体状态参数以及运动后的身体状态参数，其中，用户运动前的身体状态参数由体重测量设备根据所测得的第一压力信号生成，用户运动后的身体状态参数由体重测量设备根据所测得的第二压力信号生成。
在一种可选的实施方式中，用户运动前的身体状态参数包括但不限于：身体平稳度BA1、心率HR1、呼吸频率BR1及呼吸强度BI1中的一种或者任意多种。
在一种可选的实施方式中，用户运动后的身体状态参数包括但不限于：身体平稳度BA2、心率HR2、呼吸频率BR2及呼吸强度BI2中的一种或者任意多种。
在一种可选的实施方式中，接收体重测量设备生成的第一压力信号，还包括：
获取用户运动对应的运动参数；
根据用户运动前的身体状态参数、用户运动后的身体状态参数以及用户的运动参数计算用户的心脏恢复指数RH及肺恢复指数RL。
在一种可选的实施方式中，根据用户运动前的身体状态参数以及用户在运动后的身体状态参数计算用户运动后的肌肉疲劳度，可以包括：
根据用户运动前的身体状态参数、用户在运动后的身体状态参数以及用户的运动参数计算用户运动后的肌肉疲劳度FM。
可以理解，本发明实施例能够结合用户的运动参数计算用户的肌肉疲劳度FM，当然，也可以不结合用户的运动参数计算用户的肌肉疲劳度FM，本发明实施例还可以结合用户的运动参数、用户运动前的身体状态参数、用户在运动后的身体状态参数计算用户心脏恢复指数RH和/或肺恢复指数RL。
在一种可选的实施方式中，运动参数包括运动类型s、运动强度m、运动时长t、运动后时间T、运动参数可信度w中的一种或者任意多种。
其中，在本发明实施例中，运动参数的获取方式可以有：在执行上述图3中的运动后肌肉疲劳度的检测方法的设备的运动健康类App(Application，应用程序)或者用户佩戴的运动手表、运动手环等智能设备获取。
具体实现中，用户进行完运动(例如跑步)时，对应的设备(例如手机)的运动健康类App可以获知用户该次运动的相关运动参数，例如运动类型s、运动强度m、运动时长t、运动后时间T等等中的一种或者多种，当用户在运动时携带该设备时，该设备可以根据用户的动作自动获得用户的运动类型、运动强度、运动时长、运动后时长等等，当然，也可以由用户输入至运动健康类App或者运动手表或者运动手环中，然后，执行上述图3中的运动后肌肉疲劳度的检测方法的设备从相关运动健康类App获得相关运动参数，其中，运动健康类App可以获知用户的相关运动参数的具体实现过程现有技术已普遍应用，本发明实施例不一一赘述。
当然，在另一种具体实现中，也可以通过用户手动输入来获得相关运动参数，或者，部分运动参数从运动健康类App处获取，部分运动参数通过用户手动输入获取，当然，全部运动参数或者部分运动参数也可以是非必要的，例如，全部运动参数或者部分运动参数可以为空，本发明对此不做具体限定。
其中，运动参数还可以包括运动参数可信度w。在本发明实施例中，运动参数可信度w可以与除运动参数可信度w以外的其它运动参数的来源和/或完整度和/或数量等相关联，例如，当除运动参数可信度w以外的其它运动参数为从运动健康类App或手表手环中自动获取时，运动参数可信度最高，可以设为w＝1；用户手动输入时，运动参数可信度次之，可以设为w＝0.5；当除运动参数可信度w以外的其它运动参数均为空时，运动参数可信度最低，可以设为w＝0，运动参数可信度w的确定方式可以根据实际需求灵活设置。
在本发明实施例中，根据用户运动前的身体状态参数、用户在运动后的身体状态参数计算和/或用户的运动参数计算用户运动后的肌肉疲劳度FM、心脏恢复指数RH、肺恢复指数RL，计算用户运动后的肌肉疲劳度FM、心脏恢复指数RH、肺恢复指数RL的方法包括但不限于通过加权平均算法、神经网络等方式。
在本发明实施例中，计算出用户的肌肉疲劳度FM、和/或心脏恢复指数RH、肺恢复指数RL中的之后，本发明还可以包括：显示计算得到的用户的肌肉疲劳度FM、心脏恢复指数RH及肺恢复指数RL中的任意一个或者任意多个，以及根据用户的肌肉疲劳度、心脏恢复指数及肺恢复指数中的任意一个或者任意多个生成运动量评估和/或身体机能评估和/或运动建议和/或身体恢复建议并显示上述运动量评估和/或身体机能评估和/或运动建议和/或身体恢复建议给用户，上述具体实现过程下文会进行具体说明。
可以理解，本发明实施例通过向用户显示检测结果，并给出运动量评估和/或身体机能评估和/或运动建议和/或身体恢复建议，通过人机交互的方式便于用户了解当前身体状态，同时为用户提供运动和身体恢复上的指导，能够避免用户进行强度、时间不合理的运动训练以及引导用户快速恢复身体机能。
图4为本发明实施例提供的运动后肌肉疲劳度的检测方法的一种示例性的应用框架图；
如图4所示，用户计算肌肉疲劳度、心脏恢复指数及肺恢复指数的过程，具体可以包括：
步骤(1)：用户运动前(静息态时)，体重测量设备(例如体重秤，还可以是体脂秤等具有体重检测功能的设备)检测用户对体重秤的压力，生成压力信号(即上述的第一压力信号)，体重测量设备或者终端设备再根据第一压力信号计算身体平稳度BA1、心率HR1、呼吸频率BR1、呼吸强度BI1，作为用户静息态下的身体状态参数；
步骤(2)：用户运动后，体重测量设备(例如体重秤，还可以是体脂秤等具有体重检测功能的设备)检测用户对体重秤的压力，生成上述的压力信号(即上述的第二压力信号)，体重测量设备或者终端设备再根据第二压力信号中计算身体平稳度BA2、心率HR2、呼吸频率BR2、呼吸强度BI2，作为用户运动后的身体状态参数；
步骤(3)：用户运动后，体重测量设备或者终端设备获取用户的运动参数，包括运动类型s、运动强度m、运动时长t、运动后时间T、运动参数可信度w，获取方式优选为从运动健康类App或相应的手表、手环等设备中自动获取，也可为用户手动输入，也可为空。运动参数为从运动健康类App或手表、手环等设备中自动获取时，运动参数可信度最高，可以设为w＝1；用户手动输入时，运动参数可信度次之，可以设为w＝0.5；运动参数为空时，运动参数可信度最低，可以设为w＝0。
其中，步骤(3)还可与步骤(2)同时进行，或者先进行步骤(3)，再进行步骤(2)。
步骤(4)：根据用户的静息态和运动后的身体状态参数，以及运动参数，计算肌肉疲劳度FM、心脏恢复指数RH、肺恢复指数RL，计算方法包括但不限于通过加权平均算法或神经网络等。
步骤(5)：将计算得到的肌肉疲劳度、心脏恢复指数、肺恢复指数、身体平稳度、心率、呼吸频率、呼吸强度显示在界面上，并给出运动量和身体机能评估，以及运动建议和恢复建议等。
图5为本发明实施例提供的一种示例性的用户运动前身体状态参数的检测流程图；
如图5所示，用户运动前(静息态下)的身体状态参数的检测流程，上述流程可以由体重测量设备或者终端设备实现，该流程包括：
步骤S21：采集第一压力信号，具体可由体重测量设备采集；
步骤S22：对第一压力信号依次进行高通放大和低通滤波处理；
步骤S23：对进行高通放大和低通滤波处理后的第一压力信号进行低通滤波处理，得到运动前/静息态下的身体平稳度BA0，以及对进行高通放大和低通滤波处理后的第一压力信号进行高通处理，得到用户运动前/静息态下的心率HR0、呼吸频率BR0、呼吸强度BI0；
步骤S24：判断是否储存有历史静息态下的身体状态参数(包括历史静息态下的身体平稳度BA3、历史静息态下的心率HR3、历史静息态下的呼吸频率BR3、历史静息态下的呼吸强度BI3中的任意一种或者多种)，如果有，则将步骤S23中得到的身体状态参数与对应的历史静息态下的身体状态参数进行加权平均运算，得到新的用户运动前/静息态时的身体状态参数，如果没有，则使用步骤S23中得到的身体状态参数作为用户运动前(静息态下)的身体状态参数。
具体地，当储存有历史静息态的身体平稳度BA3时，用户运动前/静息态时的身体平稳度BA1＝Wnew1*BA0+Wold1*BA3，其中，Wnew1与Wold1为加权系数，Wnew1与Wold1之和为1；当没有储存有历史静息态的身体平稳度BA3时，BA1＝BA0。
具体地，当储存有历史静息态下的心率HR3时，用户运动前/静息态下的心率HR1＝Wnew2*HR0+Wold2*HR3,其中，Wnew2与Wold2为加权系数，Wnew2与Wold2之和为1；当没有储存有历史静息态的心率HR3时，HR1＝HR0。
具体地，当储存有历史静息态下的呼吸频率BR3时，用户运动前/静息态下的呼吸频率BR1＝Wnew3*BR0+Wold3*BR3,其中，Wnew3与Wold3为加权系数，Wnew3与Wold3之和为1；当没有储存有历史静息态的身体平稳度BR3时，HR1＝HR0。
具体地，当储存有历史静息态下的呼吸强度BI3时，用户运动前/静息态下的呼吸强度BI1＝Wnew4*BI0+Wold2*BI3,其中，Wnew4与Wold4为加权系数，Wnew4与Wold4之和为1；当没有储存有历史静息态的呼吸强度BI3时，BI1＝BI0。
步骤S24：存储并显示运动前(静息态下)的身体状态参数：身体平稳度BA1、心率HR1、呼吸频率BR1、呼吸强度BI1。
图6为本发明实施例提供的一种示例性的用户运动后检测肌肉疲劳度、心脏恢复指数和肺恢复指数的流程图；
如图6所示，用户运动后检测肌肉疲劳度FM、心脏恢复指数RH和肺恢复指数RL的流程可以由体重测量设备或者终端设备实现，该流程包括：
步骤S31:获取用户的运动参数，其中，运动参数包括运动类型s、运动强度m、运动时长t、运动后时长T及运动参数可信度w的一种或者任意多种；如图6所示，在获取用户的运动参数前，可以对用户的运动参数的获取方式进行设置。
一种可选的实施方式中，获取用户的运动参数的方式可以包括：
通过运动健康类App或相应的手表、手环等设备中自动获取运动参数(运动参数可以包括运动类型s1、运动强度m1、运动时长t1、运动后时间T1、运动参数可信度w1)；
或者，通过用户输入运动参数(运动参数可以包括运动类型s2、运动强度m2、运动时长t2、运动后时间T2、运动参数可信度w2)；
又或者，部分运动参数从运动健康类App或相应的手表、手环等设备获取，部分运动参数通过用户输入；
当然，运动参数可以是非必要的，当无法从运动健康类App或相应的手表、手环等设备中获取运动参数，且用户没有输入运动参数时，运动参数可以为空。
具体实现中，可以优选通过运动健康类App或相应的手表、手环等设备中自动获取运动参数，当无法从运动健康类App或相应的手表、手环等设备中获取运动参数时，再通过用户输入运动参数，用户没有输入运动参数时，运动参数为空。
用户输入运动参数具体可以为向用户显示供用户输入运动参数的输入界面，用户在输入界面上进行输入和/或选择等操作实现运动参数的输入。
步骤S32:采集第二压力信号，具体可由体重测量设备采集；
步骤S33：对第一压力信号依次进行高通放大处理和低通滤波处理；
步骤S34：对进行高通放大处理和低通滤波处理后的第二压力信号进行低通滤波处理，得到运动前(静息态下)的身体平稳度BA2，以及对高通放大和低通滤波处理后的第二压力信号进行高通处理，得到用户运动前/静息态下的心率HR2、呼吸频率BR2、呼吸强度BI2；
步骤S35：结合用户运动前(静息态下)的身体状态参数以及运动参数计算用户的肌肉疲劳度FM、心脏恢复指数RH和肺恢复指数RL。
步骤S36：显示计算得到的肌肉疲劳度FM、心脏恢复指数RH和肺恢复指数RL，根据计算得到的肌肉疲劳度FM、心脏恢复指数RH和肺恢复指数RL给出运动量评估、身体机能评估、运动建议及身体恢复建议。
需要说明的是，上述步骤S31-步骤S36为一个示例性的实现过程，有些步骤可以是非必要的或者可替代的，例如，步骤S36中的根据计算得到的肌肉疲劳度FM、心脏恢复指数RH和肺恢复指数RL给出运动量评估、身体机能评估、运动建议及身体恢复建议可以是非必要的，或者可以只给出运动量评估、身体机能评估、运动建议及身体恢复建议中的一部分，例如只给出运动量评估和身体机能评估。
图7为本发明实施例提供的一种示例性的测量用户运动前/运动后的身体状态参数的示意图。
如图7所示，以信号0为第一压力信号为例，根据第一压力信号确定用户在运动前的身体状态参数，包括：
步骤S41：对第一压力信号(信号0)依次进行高通放大处理和低通滤波处理后得到第一信号(即图7所示的信号2)；
其中，步骤S41还可以包括：对第一压力信号(信号0)进行低通滤波处理，得到体重信息(即图7所示的信号1)。
步骤S42(a)：将第一信号(信号2)进行高通滤波处理后得到运动后的心冲击信号BCG(信号3)，根据运动后的心冲击信号(信号3)确定用户运动前的心率HR1，根据运动前的心冲击信号(信号3)的波形变化确定运动前的心冲击信号(信号3)的波形轮廓，根据运动前的心冲击信号(信号3)的波形轮廓的峰值特征点计算运动前的呼吸频率BR1，以及根据运动前的心冲击信号(信号3)的波形轮廓的峰峰值计算运动前的呼吸强度BI1。
步骤S42(b)：对第一信号(即图7所示的信号2)进行低通滤波处理，得到第二信号(即图7所示的信号4)，计算出第二信号(信号4)的主频、峰峰值及标准差，根据第二信号(信号4)的主频、峰峰值及标准差计算运动前的身体平稳度BA1，其中，身体平温度BA1的计算方法包括但不限于多元线性回归。
其中，步骤S42(a)和步骤S42(b)可以同时进行，也可以分先后次序进行，本发明实施例对先后次序不做限定。
继续如图7所示，以信号0为第二压力信号为例，根据第二压力信号确定用户在运动后的身体状态参数，包括：
步骤S51：对第二压力信号(信号0)依次进行高通放大处理和低通滤波处理后得到第三信号(即图7所示的信号2)；
其中，步骤S51还可以包括：对第二压力信号(信号0)进行低通滤波处理，得到体重信息(即图7所示的信号1)。
步骤S52(a)：将第三信号(信号2)进行高通滤波处理后得到运动后的心冲击信号BCG(信号3)，根据运动后的心冲击信号(信号3)确定用户运动后的心率HR2，根据运动后的心冲击信号(信号3)的波形变化确定运动后的心冲击信号(信号3)的波形轮廓，根据运动后的心冲击信号(信号3)的波形轮廓的峰值特征点计算运动后的呼吸频率BR2，以及根据运动后的心冲击信号(信号3)的波形轮廓的峰峰值计算运动后的呼吸强度BI2。
步骤S52(b)：对第三信号(即图7所示的信号2)进行低通滤波处理，得到第四信号(即图7所示的信号4)，计算出第四信号(信号4)的主频、峰峰值及标准差，根据第四信号(信号4)的主频、峰峰值及标准差计算运动后的身体平稳度BA2，其中，身体平温度BA2的计算方法包括但不限于多元线性回归。
其中，步骤S52(a)和步骤S52(b)可以同时进行，也可以分先后次序进行，本发明实施例对先后次序不做限定。
可以理解，图7所示的实施例通过体重测量设备测量人体对其的压力，生成压力信号，将压力信号经过不同的高通、低通、放大处理，解析出体重、心率、呼吸频率、呼吸强度、身体平稳度等多种信号，无需额外的传感器，只需要压力信号即可获得多种人体生理信号(即身体状态参数)。
在本发明实施例中，体重测量设备或者终端设备可以采用以下方式计算用户的肌肉疲劳度、心脏恢复指数及肺恢复指数。
方式一：通过加权平均算法。
具体实现中，采用加权算法计算用户的肌肉疲劳度FM可以包括：
步骤S61：利用运动前的身体平稳度BA1、心率HR1、呼吸频率BR1、呼吸强度BI1，和运动后的身体平稳度BA2、心率HR2、呼吸频率BR2、呼吸强度BI2，分别计算运动前后的生理参数差值(身体平稳度差值BA、心率差值HR、呼吸频率差值BR及呼吸强度差值BI)。
其中，身体平稳度差值BA＝BA2-BA1，心率差值HR＝HR2-HR1，呼吸频率差值BR＝BR2-BR1，呼吸强度差值BI＝BI2-BI1。
步骤S62：利用加权平均算法，根据身体平稳度差值BA、心率差值HR、呼吸频率差值BR及呼吸强度差值BI计算肌肉疲劳度FM。
具体地，FM＝a1*BA+a2*HR+a3*BR+a4*BI；
其中，a1，a2，a3，a4为系数，可以根据实际需求灵活设置。
具体实现中，采用加权算法计算用户的心脏恢复指数RH可以包括：
步骤S71：利用运动前的身体平稳度BA1、心率HR1、呼吸频率BR1、呼吸强度BI1，和运动后的身体平稳度BA2、心率HR2、呼吸频率BR2、呼吸强度BI2，分别计算运动前后的生理参数差值(身体平稳度差值BA、心率差值HR、呼吸频率差值BR及呼吸强度差值BI)。
步骤S72：利用加权平均算法，根据身体平稳度差值BA、心率差值HR、呼吸频率差值BR及呼吸强度差值BI，并结合运动类型s1、运动强度m1、运动时长t1、运动后时间T1、运动参数可信度w1计算心脏恢复指数RH。
具体地，RH＝b1*BA+b2*HR+b3*BR+b4*BI+b5*s1+b6*m1+b7*t1+b8*T1+b9*w1；
其中，b1，b2，b3，b4，b5，b6，b7，b8，b9为系数，可以根据实际需求灵活设置。
具体实现中，采用加权算法计算用户的肺恢复指数RL可以包括：
步骤S81：利用运动前的身体平稳度BA1、心率HR1、呼吸频率BR1、呼吸强度BI1，和运动后的身体平稳度BA2、心率HR2、呼吸频率BR2、呼吸强度BI2，分别计算运动前后的生理参数差值(身体平稳度差值BA、心率差值HR、呼吸频率差值BR及呼吸强度差值BI)。
步骤S82：利用加权平均算法，根据身体平稳度差值BA、心率差值HR、呼吸频率差值BR及呼吸强度差值BI，并结合运动类型s、运动强度m、运动时长t、运动后时间T、运动参数可信度w计算心脏恢复指数RL。
具体地，RL＝c1*BA+c2*HR+c3*BR+c4*BI+c5*s+c6*m+c7*t+c8*T+c9*w；
其中，c1，c2，c3，c4，c5，c6，c7，c8，c9为系数，可以根据实际需求灵活设置。
可以理解，本发明实施例通过计算运动前后身体平稳度、心率、呼吸频率、呼吸强度等生理参数的差值，表征运动前后的生理性能变化，再结合运动参数，使用加权平均算法计算用户运动后的肌肉疲劳度、心脏恢复能力及肺恢复能力，准确度高且计算简便。
方式二：通过神经网络。
通过构建神经网络，然后对构建的神经网络进行训练，得到训练后的神经网络，然后根据训练后的神经网络对肌肉疲劳度FM、心脏恢复指数RH及心脏恢复指数RL。
其中，对神经网络模型进行训练时的训练集可以包括输入训练集和输入训练集：其中，输入训练集可以包括：用户运动前后的生理参数差值(身体平稳度差值BA、心率差值HR、呼吸频率差值BR、呼吸强度差值BI)和运动参数(运动类型s、运动强度m、运动时长t、运动后时间T、运动参数可信度w)；输出训练集可以包括：肌肉疲劳度FM、心脏恢复能力RH和肺恢复能力RL，其中，肌肉疲劳度FM可以采用血液乳酸法测量，也可以采用肌电法测量。心脏恢复能力RH和肺恢复能力RL可以采用运动测试机测量得到。
通过对神经网络进行训练，可以得到神经网络的计算参数对于新的输入数据，利用神经网络中的参数计算肌肉疲劳度FM、心脏恢复能力RH、肺恢复能力RL。
图8为本发明实施例提供的一种通过神经网络计算肌肉疲劳度FM、心脏恢复指数RH和肺恢复指数RL的示意图；
如图8所示，训练后的神经网络的输入信息可以包括：用户运动前后的生理参数差值(身体平稳度差值BA、心率差值HR、呼吸频率差值BR、呼吸强度差值BI)和运动参数(运动类型s、运动强度m、运动时长t、运动后时间T、运动参数可信度w)。
训练后的神经网络通过上述输入信息可以计算得到肌肉疲劳度FM、心脏恢复指数RH和肺恢复指数RL并输出。
可以理解，本发明实施例通过采用神经网络计算肌肉疲劳度FM、心脏恢复指数RH和肺恢复指数RL，随着运动健康、可穿戴设备的发展，可测量的人体生理参数会逐步增加，使用神经网络可以有效地进行多参数融合以获得更深层的生理参数。
下面结合附图对本发明实施例提供的运动后肌肉疲劳度的检测装置的界面交互过程进行说明。
图9为本发明实施例提供的一种示例性的运动后肌肉疲劳度的检测装置运动前和运动后的状态选择界面；
用户可以通过状态选择界面选择用户的状态，是运动前的静息态，还是运动后的状态，如果用户是运动前的静息态，则可以选择图9中的【安静态】，如果用户是运动后的状态，则可以选择图9中的【运动后】。
图10本发明实施例提供的一种示例性的运动参数自动获取的设置界面；
运动参数自动获取的设置界面用于向用户展示是否自动从运动健康App中获取运动参数，运动参数包括运动类型s、运动强度m、运动时长t、运动后时间T、运动参数可信度w中的一种或者任意多种。
如果用户选择图10中的【是】，则运动后肌肉疲劳度的检测装置将设置为从运动健康App中获取运动参数。
如果运动后肌肉疲劳度的检测装置没有检测到运动数据，则可以向用户展示如图11所示的手动输入选择界面，如果用户选择图10中的【否】或者图11中的【是】，则可以向用户展示如图12所示的运动参数输入界面，用户通过该界面可手动输入或者设置运动参数等，具体可以让用户选择或者输入运动类型s、运动强度m和/或运动时长t、运动后时间(运动结束时间)T。
具体地，可以使用下拉菜单的方式让用户选择运动类型以及运动后时间(运动结束时间)T，运动类型例如跑步、游泳、深蹲、打篮球等等，当用户选择运动类型后，根据用户所选择的运动类型让用户选择或者输入用户所选择的运动类型的运动强度/时长。例如，如果用户所选择的运动类型为跑步/游泳，则展开让用户选择或者设置跑步时长的菜单。如果用户所选择的运动类型为深蹲，则展开让用户选择或者设置深蹲次数的菜单，具体可参见图12和图13，图12和图13提供了两种运动参数输入界面示意图。
图14为本发明实施例提供的一种示例性的测量结果显示界面；
如图14所示，测量结果显示界面向用户展示有：用户的体重、心率HR2、心脏恢复指数RH、呼吸频率BR2、呼吸强度BI2、肺恢复指数RH、身体平稳度BA2、肌肉疲劳度FM以及身体恢复和运动建议。
当然，图14仅作为一种示例性的实施例，在其它实施例中，可以仅展示用户的体重、心率HR2、心脏恢复指数RH、呼吸频率BR2、呼吸强度BI2、肺恢复指数RH、身体平稳度BA2、肌肉疲劳度FM以及身体恢复和运动建议中的部分信息或者还可以向用户展示其它的信息。
可以理解，本发明实施例通过向用户显示检测结果，通过人机交互的方式便于用户了解当前身体状态，同时为用户提供运动和身体恢复上的指导，能够避免用户进行强度、时间不合理的运动训练以及引导用户快速恢复身体机能。
本申请实施例还公开了一种运动后肌肉疲劳度的检测装置，运动后肌肉疲劳度的检测装置可以是上文的体重测量设备，也可以是上文的终端设备，应理解，装置400能够执行运动后肌肉疲劳度的检测方法中的各个步骤，为了避免重复，此处不再详述。如图14所示，装置400包括：第一获取模块410及第一计算模块420。
第一获取模块410，用于获取用户运动前的身体状态参数以及运动后的身体状态参数，其中，身体状态参数包括身体平稳度、心率、呼吸频率及呼吸强度；以及
第一计算模块420，用于根据用户运动前的身体状态参数以及用户在运动后的身体状态参数计算用户运动后的肌肉疲劳度。
可以理解，本发明实施例通过获取用户运动前的身体状态参数以及运动后的身体状态参数，然后根据用户运动前的身体状态参数以及用户在运动后的身体状态参数计算用户运动后的肌肉疲劳度，无需采集用户的血液且操作简单，用户接受度高，同时，依靠体重测量设备就能够实现肌肉疲劳度检测，无需专门的检测设备。
在一种可行的实现方式中，第一获取模块410可以包括：
第一获取单元，用于接收体重测量设备生成的第一压力信号，根据第一压力信号确定用户在运动前的身体状态参数，其中，第一压力信号由体重测量设备在用户运动前使用体重测量设备进行体重测量时产生；以及
第二获取单元，用于接收体重测量设备生成的第二压力信号，根据第二压力信号确定用户运动后的身体状态参数，其中，第二压力信号由体重测量设备在用户运动后使用体重测量设备进行体重测量时产生。
在一种可行的实现方式中，第一获取模块410可以包括：
第一确定单元，用于在用户运动前，对用户进行体重测量，根据用户所施加的压力生成第一压力信号，根据第一压力信号确定用户在运动前的身体状态参数；以及
第二确定单元，用于在用户运动后，对用户进行体重测量，根据用户所施加的压力生成第二压力信号，根据第二压力信号确定用户在运动后的身体状态参数。
在一种可行的实现方式中，装置400还可以包括：
第二获取模块，用于获取用户运动对应的运动参数；以及
第二计算模块，用于根据用户运动前的身体状态参数、用户运动后的身体状态参数以及用户的运动参数计算用户的心脏恢复指数及肺恢复指数。
在一种可行的实现方式中，第一计算模块410可以包括：
第一计算单元，用于根据用户运动前的身体状态参数、用户在运动后的身体状态参数以及用户的运动参数计算用户运动后的肌肉疲劳度。
在一种可行的实现方式中，运动参数包括运动类型、运动强度、运动时长、运动后时长及运动参数可信度中的一种或者任意多种。
在一种可行的实现方式中，第一获取模块或者第一确定模块可以包括：
第一处理单元，用于对第一压力信号依次进行高通放大处理和低通滤波处理后得到第一信号，将第一信号进行高通滤波处理后得到运动前的心冲击信号，根据运动前的心冲击信号确定运动前的心率，根据运动前的心冲击信号的波形变化确定运动前的心冲击信号的波形轮廓，根据运动前的心冲击信号的波形轮廓的峰值特征点计算运动前的呼吸频率以及根据运动前的心冲击信号的波形轮廓的峰峰值计算运动前的呼吸强度；以及
第二处理单元，用于对第一信号进行低通滤波处理，得到第二信号，计算出第二信号的主频、峰峰值及标准差，根据第二信号的主频、峰峰值及标准差计算运动前的身体平稳度。
在一种可行的实现方式中，第二获取模块或者第二确定模块可以包括：
第三处理单元，用于对第二压力信号依次进行高通放大处理和低通滤波处理后得到第三信号，将第三信号进行高通滤波处理后得到运动后的心冲击信号，根据运动后的心冲击信号确定运动后的心率，根据运动后的心冲击信号的波形变化确定运动后的心冲击信号的波形轮廓，根据运动后的心冲击信号的波形轮廓的峰值特征点计算运动后的呼吸频率以及根据运动后的心冲击信号的波形轮廓的峰峰值计算运动后的呼吸强度；以及
第四处理单元，用于对第三信号进行低通滤波处理，得到第四信号，计算出第四信号的主频、峰峰值及标准差，根据第四信号的主频、峰峰值及标准差计算运动后的身体平稳度。
在一种可行的实现方式中，第一计算模块420可以包括：
第二计算单元，用于计算用户运动前的身体平稳度与用户运动后的身体平稳度之间的身体平稳度差值，以及计算用户运动前的心率与用户运动后的心率之间的心率差值，以及计算用户运动前的呼吸频率与用户运动后的呼吸频率之间的呼吸频率差值，以及计算用户运动前的呼吸强度与用户运动后的呼吸强度之间的呼吸强度差值；以及
第三计算单元，用于根据身体平稳度差值、心率差值、呼吸频率差值及呼吸强度差值，采用加权平均算法计算用户运动后的肌肉疲劳度。
在一种可行的实现方式中，第二计算单元可以包括：
第一计算子单元，用于根据身体平稳度差值、心率差值、呼吸频率差值及呼吸强度差值，并结合用户的运动参数，采用加权平均算法计算用户运动后的心脏恢复指数及肺恢复指数。
在一种可行的实现方式中，第一计算单元可以包括：
第二计算子单元，用于计算用户运动前的身体平稳度与用户运动后的身体平稳度之间的身体平稳度差值，以及计算用户运动前的心率与用户运动后的心率之间的心率差值，以及计算用户运动前的呼吸频率与用户运动后的呼吸频率之间的呼吸频率差值，以及计算用户运动前的呼吸强度与用户运动后的呼吸强度之间的呼吸强度差值；以及
第三计算子单元，用于根据身体平稳度差值、心率差值、呼吸频率差值及呼吸强度差值，结合用户的运动参数，使用神经网络计算用户的肌肉疲劳度、心脏恢复指数及肺恢复指数。
在一种可行的实现方式中，装置400还可以包括：
第一显示模块，用于显示计算得到的用户的肌肉疲劳度、心脏恢复指数及肺恢复指数中的任意一个或者任意多个，以及根据用户的肌肉疲劳度、心脏恢复指数及肺恢复指数中的一个或者任意多个生成并显示运动量评估、身体机能评估、运动建议、身体恢复建议中的一个或者任意多个。
可以理解，本发明实施例通过向用户显示检测结果，通过人机交互的方式便于用户了解当前身体状态，同时为用户提供运动和身体恢复上的指导，能够避免用户进行强度、时间不合理的运动训练以及引导用户快速恢复身体机能。
本申请还提供的一种电子设备，如图1所示，电子设备100包括存储器121及处理器110，存储器121中存储有计算机程序，处理器110与存储器121连接，处理器110执行计算机程序以实现如上述的运动后肌肉疲劳度的检测方法。
本申请还提供的一种体重测量设备，体重测量设备包括存储器及处理器，存储器中存储有计算机程序，处理器与存储器连接，处理器执行计算机程序以实现如上述的运动后肌肉疲劳度的检测方法。
本申请还提供了一种计算机存储介质，包括计算机指令，当计算机指令在电子设备100或者体重测量设备上运行时，使得电子设备100或者体重测量设备执行如上述的运动后肌肉疲劳度的检测方法中的各个步骤。
本申请还提供了一种计算机程序产品，当计算机程序产品在计算机上运行时，该计算机程序产品在计算机上运行时，使得计算机执行上述运动后肌肉疲劳度的检测方法中的各个步骤。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统、装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
以上，仅为本申请的具体实施方式，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本申请的保护范围之内。本申请的保护范围应以权利要求的保护范围为准。

Claims (28)

1.一种运动后肌肉疲劳度的检测方法，其特征在于，所述方法包括：
获取用户运动前的身体状态参数以及运动后的身体状态参数，其中，所述身体状态参数包括身体平稳度、心率、呼吸频率及呼吸强度；
根据所述用户运动前的身体状态参数以及所述用户在运动后的身体状态参数计算所述用户运动后的肌肉疲劳度。
2.根据权利要求1所述的方法，其特征在于，所述获取所述用户运动前的身体状态参数，包括：
接收体重测量设备生成的第一压力信号，根据所述第一压力信号确定所述用户在运动前的身体状态参数，其中，所述第一压力信号由体重测量设备在所述用户运动前使用所述体重测量设备进行体重测量时产生；
所述获取所述用户运动后的身体状态参数，包括：
接收所述体重测量设备生成的第二压力信号，根据所述第二压力信号确定所述用户运动后的身体状态参数，其中，所述第二压力信号由体重测量设备在所述用户运动后使用所述体重测量设备进行体重测量时产生。
3.根据权利要求1所述的方法，其特征在于，所述获取所述用户运动前的身体状态参数，包括：
在所述用户运动前，对所述用户进行体重测量，根据所述用户所施加的压力生成第一压力信号，根据所述第一压力信号确定所述用户在运动前的身体状态参数；
所述获取所述用户运动后的身体状态参数，包括：
在所述用户运动后，对所述用户进行体重测量，根据所述用户所施加的压力生成第二压力信号，根据所述第二压力信号确定所述用户在运动后的身体状态参数。
4.根据权利要求1所述的方法，其特征在于，所述方法还包括：
获取所述用户运动对应的运动参数；
根据所述用户运动前的身体状态参数、所述用户运动后的身体状态参数以及所述用户的运动参数计算所述用户的心脏恢复指数及肺恢复指数。
5.根据权利要求4所述的方法，其特征在于，所述根据所述用户运动前的身体状态参数以及所述用户在运动后的身体状态参数计算所述用户运动后的肌肉疲劳度，包括：
根据所述用户运动前的身体状态参数、所述用户在运动后的身体状态参数以及所述用户的运动参数计算所述用户运动后的肌肉疲劳度。
6.根据权利要求4或5所述的方法，其特征在于，所述运动参数包括运动类型、运动强度、运动时长、运动后时长及运动参数可信度中的一种或者任意多种。
7.根据权利要求2或3所述的方法，其特征在于，所述根据所述第一压力信号确定所述用户在运动前的身体状态参数，包括：
对所述第一压力信号依次进行高通放大处理和低通滤波处理后得到第一信号，将所述第一信号进行高通滤波处理后得到运动前的心冲击信号，根据所述运动前的心冲击信号确定运动前的心率，根据所述运动前的心冲击信号的波形变化确定所述运动前的心冲击信号的波形轮廓，根据所述运动前的心冲击信号的波形轮廓的峰值特征点计算运动前的呼吸频率以及根据所述运动前的心冲击信号的波形轮廓的峰峰值计算运动前的呼吸强度；
对所述第一信号进行低通滤波处理，得到第二信号，计算出所述第二信号的主频、峰峰值及标准差，根据所述第二信号的主频、峰峰值及标准差计算运动前的身体平稳度。
8.根据权利要求2或3所述的方法，其特征在于，所述根据所述第二压力信号确定所述用户运动后的身体状态参数，包括：
对所述第二压力信号依次进行高通放大处理和低通滤波处理后得到第三信号，将所述第三信号进行高通滤波处理后得到运动后的心冲击信号，根据所述运动后的心冲击信号确定运动后的心率，根据所述运动后的心冲击信号的波形变化确定所述运动后的心冲击信号的波形轮廓，根据所述运动后的心冲击信号的波形轮廓的峰值特征点计算运动后的呼吸频率以及根据所述运动后的心冲击信号的波形轮廓的峰峰值计算运动后的呼吸强度；
对所述第三信号进行低通滤波处理，得到第四信号，计算出所述第四信号的主频、峰峰值及标准差，根据所述第四信号的主频、峰峰值及标准差计算运动后的身体平稳度。
9.根据权利要求4所述的方法，其特征在于，所述根据所述用户运动前的身体状态参数以及所述用户在运动后的身体状态参数计算所述用户运动后的肌肉疲劳度，包括：
计算所述用户运动前的身体平稳度与所述用户运动后的身体平稳度之间的身体平稳度差值，以及计算所述用户运动前的心率与所述用户运动后的心率之间的心率差值，以及计算所述用户运动前的呼吸频率与所述用户运动后的呼吸频率之间的呼吸频率差值，以及计算所述用户运动前的呼吸强度与所述用户运动后的呼吸强度之间的呼吸强度差值；
根据所述身体平稳度差值、所述心率差值、所述呼吸频率差值及呼吸强度差值，采用加权平均算法计算所述用户运动后的肌肉疲劳度。
10.根据权利要求9所述的方法，其特征在于，根据所述用户运动前的身体状态参数、所述用户在运动后的身体状态参数以及所述用户的运动参数计算所述用户运动后的心脏恢复指数及肺恢复指数，包括：
根据所述身体平稳度差值、所述心率差值、所述呼吸频率差值及所述呼吸强度差值，并结合所述用户的运动参数，采用加权平均算法计算所述用户运动后的心脏恢复指数及肺恢复指数。
11.根据权利要求5所述的方法，其特征在于，所述根据所述用户运动前的身体状态参数、所述用户在运动后的身体状态参数计算以及所述用户的运动参数计算所述用户的肌肉疲劳度、心脏恢复指数及肺恢复指数，包括：
计算所述用户运动前的身体平稳度与所述用户运动后的身体平稳度之间的身体平稳度差值，以及计算所述用户运动前的心率与所述用户运动后的心率之间的心率差值，以及计算所述用户运动前的呼吸频率与所述用户运动后的呼吸频率之间的呼吸频率差值，以及计算所述用户运动前的呼吸强度与所述用户运动后的呼吸强度之间的呼吸强度差值；
根据所述身体平稳度差值、所述心率差值、所述呼吸频率差值及所述呼吸强度差值，结合所述用户的运动参数，使用神经网络计算所述用户的肌肉疲劳度、心脏恢复指数及肺恢复指数。
12.根据权利要求4或5所述的方法，其特征在于，所述方法还包括：
显示计算得到的所述用户的肌肉疲劳度、心脏恢复指数及肺恢复指数中的任意一个或者任意多个，以及根据所述用户的肌肉疲劳度、心脏恢复指数及肺恢复指数中的一个或者任意多个生成并显示运动量评估、身体机能评估、运动建议、身体恢复建议中的一个或者任意多个。
13.一种运动后肌肉疲劳度的检测装置，其特征在于，所述装置包括：
第一获取模块，用于获取用户运动前的身体状态参数以及运动后的身体状态参数，其中，所述身体状态参数包括身体平稳度、心率、呼吸频率及呼吸强度；以及
第一计算模块，用于根据所述用户运动前的身体状态参数以及所述用户在运动后的身体状态参数计算所述用户运动后的肌肉疲劳度。
14.根据权利要求13所述的运动后肌肉疲劳度的检测装置，其特征在于，所述第一获取模块包括：
第一获取单元，用于接收体重测量设备生成的第一压力信号，根据所述第一压力信号确定所述用户在运动前的身体状态参数，其中，所述第一压力信号由体重测量设备在所述用户运动前使用所述体重测量设备进行体重测量时产生；以及
第二获取单元，用于接收所述体重测量设备生成的第二压力信号，根据所述第二压力信号确定所述用户运动后的身体状态参数，其中，所述第二压力信号由体重测量设备在所述用户运动后使用所述体重测量设备进行体重测量时产生。
15.根据权利要求13所述的运动后肌肉疲劳度的检测装置，其特征在于，所述第一获取模块包括：
第一确定单元，用于在所述用户运动前，对所述用户进行体重测量，根据所述用户所施加的压力生成第一压力信号，根据所述第一压力信号确定所述用户在运动前的身体状态参数；以及
第二确定单元，用于在所述用户运动后，对所述用户进行体重测量，根据所述用户所施加的压力生成第二压力信号，根据所述第二压力信号确定所述用户在运动后的身体状态参数。
16.根据权利要求13所述的运动后肌肉疲劳度的检测装置，其特征在于，所述装置还包括：
第二获取模块，用于获取所述用户运动对应的运动参数；以及
第二计算模块，用于根据所述用户运动前的身体状态参数、所述用户运动后的身体状态参数以及所述用户的运动参数计算所述用户的心脏恢复指数及肺恢复指数。
17.根据权利要求14所述的运动后肌肉疲劳度的检测装置，其特征在于，所述第一计算模块包括：
第一计算单元，用于根据所述用户运动前的身体状态参数、所述用户在运动后的身体状态参数以及所述用户的运动参数计算所述用户运动后的肌肉疲劳度。
18.根据权利要求16或17所述的运动后肌肉疲劳度的检测装置，其特征在于，所述运动参数包括运动类型、运动强度、运动时长、运动后时长及运动参数可信度中的一种或者任意多种。
19.根据权利要求14或15所述的运动后肌肉疲劳度的检测装置，其特征在于，所述第一获取模块或者所述第一确定模块包括：
第一处理单元，用于对所述第一压力信号依次进行高通放大处理和低通滤波处理后得到第一信号，将所述第一信号进行高通滤波处理后得到运动前的心冲击信号，根据所述运动前的心冲击信号确定运动前的心率，根据所述运动前的心冲击信号的波形变化确定所述运动前的心冲击信号的波形轮廓，根据所述运动前的心冲击信号的波形轮廓的峰值特征点计算运动前的呼吸频率以及根据所述运动前的心冲击信号的波形轮廓的峰峰值计算运动前的呼吸强度；以及
第二处理单元，用于对所述第一信号进行低通滤波处理，得到第二信号，计算出所述第二信号的主频、峰峰值及标准差，根据所述第二信号的主频、峰峰值及标准差计算运动前的身体平稳度。
20.根据权利要求14或15所述的运动后肌肉疲劳度的检测装置，其特征在于，所述第二获取模块或者所述第二确定模块包括：
第三处理单元，用于对所述第二压力信号依次进行高通放大处理和低通滤波处理后得到第三信号，将所述第三信号进行高通滤波处理后得到运动后的心冲击信号，根据所述运动后的心冲击信号确定运动后的心率，根据所述运动后的心冲击信号的波形变化确定所述运动后的心冲击信号的波形轮廓，根据所述运动后的心冲击信号的波形轮廓的峰值特征点计算运动后的呼吸频率以及根据所述运动后的心冲击信号的波形轮廓的峰峰值计算运动后的呼吸强度；以及
第四处理单元，用于对所述第三信号进行低通滤波处理，得到第四信号，计算出所述第四信号的主频、峰峰值及标准差，根据所述第四信号的主频、峰峰值及标准差计算运动后的身体平稳度。
21.根据权利要求16所述的运动后肌肉疲劳度的检测装置，其特征在于，所述第一计算模块包括：
第二计算单元，用于计算所述用户运动前的身体平稳度与所述用户运动后的身体平稳度之间的身体平稳度差值，以及计算所述用户运动前的心率与所述用户运动后的心率之间的心率差值，以及计算所述用户运动前的呼吸频率与所述用户运动后的呼吸频率之间的呼吸频率差值，以及计算所述用户运动前的呼吸强度与所述用户运动后的呼吸强度之间的呼吸强度差值；以及
第三计算单元，用于根据所述身体平稳度差值、所述心率差值、所述呼吸频率差值及呼吸强度差值，采用加权平均算法计算所述用户运动后的肌肉疲劳度。
22.根据权利要求21所述的运动后肌肉疲劳度的检测装置，其特征在于，所述第二计算单元包括：
第一计算子单元，用于根据所述身体平稳度差值、所述心率差值、所述呼吸频率差值及所述呼吸强度差值，并结合所述用户的运动参数，采用加权平均算法计算所述用户运动后的心脏恢复指数及肺恢复指数。
23.根据权利要求17所述的运动后肌肉疲劳度的检测装置，其特征在于，所述第一计算单元包括：
第二计算子单元，用于计算所述用户运动前的身体平稳度与所述用户运动后的身体平稳度之间的身体平稳度差值，以及计算所述用户运动前的心率与所述用户运动后的心率之间的心率差值，以及计算所述用户运动前的呼吸频率与所述用户运动后的呼吸频率之间的呼吸频率差值，以及计算所述用户运动前的呼吸强度与所述用户运动后的呼吸强度之间的呼吸强度差值；以及
第三计算子单元，用于根据所述身体平稳度差值、所述心率差值、所述呼吸频率差值及所述呼吸强度差值，结合所述用户的运动参数，使用神经网络计算所述用户的肌肉疲劳度、心脏恢复指数及肺恢复指数。
24.根据权利要求15或17所述的运动后肌肉疲劳度的检测装置，其特征在于，所述装置还包括：
第一显示模块，用于显示计算得到的所述用户的肌肉疲劳度、心脏恢复指数及肺恢复指数中的任意一个或者任意多个，以及根据所述用户的肌肉疲劳度、心脏恢复指数及肺恢复指数中的一个或者任意多个生成并显示运动量评估、身体机能评估、运动建议、身体恢复建议中的一个或者任意多个。
25.一种电子设备，其特征在于，所述电子设备包括存储器及处理器，所述存储器中存储有计算机程序，所述处理器与所述存储器连接，所述处理器执行计算机程序以实现如权利要求1～12中任一项所述的运动后肌肉疲劳度的检测方法。
26.一种体重测量设备，其特征在于，所述体重测量设备包括存储器及处理器，所述存储器中存储有计算机程序，所述处理器与所述存储器连接，所述处理器执行计算机程序以实现如权利要求1～12中任一项所述的运动后肌肉疲劳度的检测方法。
27.一种计算机存储介质，其特征在于，包括计算机指令，当所述计算机指令在电子设备上运行时，使得所述电子设备执行如权利要求1～12中任一项所述的运动后肌肉疲劳度的检测方法的步骤。
28.一种计算机程序产品，其特征在于，当所述计算机程序产品在计算机上运行时，使得所述计算机执行如权利要求1～12中任一项所述的运动后肌肉疲劳度的检测方法的步骤。
CN202010430716.0A 2020-05-20 2020-05-20 运动后肌肉疲劳度的检测方法及装置、电子设备 Pending CN113693556A (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202010430716.0A CN113693556A (zh) 2020-05-20 2020-05-20 运动后肌肉疲劳度的检测方法及装置、电子设备
PCT/CN2021/086963 WO2021233018A1 (zh) 2020-05-20 2021-04-13 运动后肌肉疲劳度的检测方法及装置、电子设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010430716.0A CN113693556A (zh) 2020-05-20 2020-05-20 运动后肌肉疲劳度的检测方法及装置、电子设备

Publications (1)

Publication Number Publication Date
CN113693556A true CN113693556A (zh) 2021-11-26

Family

ID=78645601

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010430716.0A Pending CN113693556A (zh) 2020-05-20 2020-05-20 运动后肌肉疲劳度的检测方法及装置、电子设备

Country Status (2)

Country Link
CN (1) CN113693556A (zh)
WO (1) WO2021233018A1 (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115067876A (zh) * 2022-05-07 2022-09-20 北京机械设备研究所 一种融合人体疲劳量化值的外骨骼助力控制方法以及装置

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101433459A (zh) * 2008-12-24 2009-05-20 中山市永衡日用制品有限公司 一种平衡能力测量方法和仪器及带平衡能力测量功能的电子秤
CN103493056A (zh) * 2010-11-24 2014-01-01 耐克国际有限公司 疲劳指数及其使用
CN103750831A (zh) * 2014-01-27 2014-04-30 上海朗尚科贸有限公司 一种心率检测装置及检测方法
GB201420550D0 (en) * 2014-11-19 2014-12-31 Suunto Oy Wearable sports monitoring equipment and method for characterizing sports performances or sportspersons
CN204618229U (zh) * 2015-04-30 2015-09-09 吴健康 测试心脏运动功能的设备和系统
CN107802274A (zh) * 2017-11-23 2018-03-16 山东科技大学 基于生理指标的疲劳度检测方法及系统
CN108852377A (zh) * 2018-04-13 2018-11-23 中国科学院苏州生物医学工程技术研究所 基于多生理参数的人体运动性疲劳监测系统
US20190183412A1 (en) * 2016-08-08 2019-06-20 Koninklijke Philips N.V. System and method for assisting exercising of a subject

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003325489A (ja) * 2002-05-13 2003-11-18 Toyota Central Res & Dev Lab Inc 腰筋肉疲労判定装置
US20150120017A1 (en) * 2013-10-24 2015-04-30 JayBird LLC System and method for identifying fitness cycles
CN103584841A (zh) * 2013-11-27 2014-02-19 中山大学 一种基于居家养老中的运动信息的肌肉疲劳检测系统
WO2018083275A1 (en) * 2016-11-07 2018-05-11 Koninklijke Philips N.V. System, method and computer program for quantifying physical fatigue of a subject
CN107644683A (zh) * 2017-09-28 2018-01-30 赵明明 一种运动肌肉呼吸评分方法
CN110201363A (zh) * 2019-06-26 2019-09-06 天狼联盟材料科技研究（广东）有限公司 一种监测运动状态的运动健跑方法及智能装备

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101433459A (zh) * 2008-12-24 2009-05-20 中山市永衡日用制品有限公司 一种平衡能力测量方法和仪器及带平衡能力测量功能的电子秤
CN103493056A (zh) * 2010-11-24 2014-01-01 耐克国际有限公司 疲劳指数及其使用
CN103750831A (zh) * 2014-01-27 2014-04-30 上海朗尚科贸有限公司 一种心率检测装置及检测方法
GB201420550D0 (en) * 2014-11-19 2014-12-31 Suunto Oy Wearable sports monitoring equipment and method for characterizing sports performances or sportspersons
CN204618229U (zh) * 2015-04-30 2015-09-09 吴健康 测试心脏运动功能的设备和系统
US20190183412A1 (en) * 2016-08-08 2019-06-20 Koninklijke Philips N.V. System and method for assisting exercising of a subject
CN107802274A (zh) * 2017-11-23 2018-03-16 山东科技大学 基于生理指标的疲劳度检测方法及系统
CN108852377A (zh) * 2018-04-13 2018-11-23 中国科学院苏州生物医学工程技术研究所 基于多生理参数的人体运动性疲劳监测系统

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115067876A (zh) * 2022-05-07 2022-09-20 北京机械设备研究所 一种融合人体疲劳量化值的外骨骼助力控制方法以及装置

Also Published As

Publication number Publication date
WO2021233018A1 (zh) 2021-11-25

Similar Documents

Publication Publication Date Title
US20220176200A1 (en) Method for Assisting Fitness and Electronic Apparatus
CN111202955A (zh) 运动数据处理方法及电子设备
CN113827185A (zh) 穿戴设备佩戴松紧程度的检测方法、装置及穿戴设备
CN113395382A (zh) 一种设备间数据交互的方法及相关设备
CN113744874A (zh) 风险预警方法、风险行为信息获取方法和电子设备
CN114080258B (zh) 一种运动模型生成方法及相关设备
WO2022100597A1 (zh) 动作自适应评价方法、电子设备和存储介质
CN110058729B (zh) 调节触摸检测的灵敏度的方法和电子设备
CN113284585A (zh) 数据展示方法、终端设备及存储介质
CN113996046B (zh) 热身判断方法、装置及电子设备
US12249145B2 (en) Prompt method and electronic device for fitness training
CN115700538A (zh) 生理检测信号质量评估方法、电子设备及存储介质
WO2021233018A1 (zh) 运动后肌肉疲劳度的检测方法及装置、电子设备
CN114548141A (zh) 生成波形文件的方法、装置、电子设备和可读存储介质
CN115445170B (zh) 一种运动提醒方法以及相关设备
CN113380374B (zh) 基于运动状态感知的辅助运动方法、电子设备及存储介质
CN113823378B (zh) 运动次数的确定方法和终端
CN118000660A (zh) 前庭功能的风险检测方法及电子设备
CN115731605A (zh) 健身指导方法、电子设备及计算机可读存储介质
CN113496766A (zh) 用户健康管理方法及装置
CN116703741B (zh) 一种图像对比度的生成方法、装置和电子设备
CN117982126A (zh) 一种提示方法、装置、电子设备及存储介质
CN115203524A (zh) 一种健身推荐方法和电子设备
CN116450026A (zh) 用于识别触控操作的方法和系统
WO2024235256A1 (zh) 一种健康数据检测系统、方法及设备

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: 20211126

RJ01 Rejection of invention patent application after publication