欢迎来到利索能及~ 联系电话:18621327849
利索能及
我要发布
收藏
专利号: 2018106983368
申请人: 安徽省徽腾智能交通科技有限公司
专利类型:发明专利
专利状态:已下证
专利领域: 运动;游戏;娱乐活动
更新日期:2024-10-09
缴费截止日期: 暂无
联系人

摘要:

权利要求书:

1.一种游泳监测系统,其包括泳衣(1)、用于测量游泳状态的测量装置(2)和无线连接所述测量装置(2)的服务器(3),其特征在于:泳衣(1),覆盖用户肢体的所述泳衣(1)设有多个柔性固定件,

所述测量装置(2)经由所述柔性固定件附接到用户,其包括:

惯性测量模块(4),用于测量游泳姿态数据的惯性测量模块(4)包括测量身体各部分的三维平移矢量的加速度传感器(5)和三维转动矢量的陀螺仪(6),运动测量模块(7),用于测量游泳运动数据的运动测量模块(7)包括测量游泳速度的速度传感器(8)和划水频率的划水频率传感器(9),生理测量模块(10),用于测量生理数据的生理测量模块(10)包括分别测量肌肉振动的麦克风振动传感器(11)、测量心率的心率传感器(12)、测量水压的水压传感器(13)、测量呼吸频率的呼吸频率传感器(14)和测量血氧浓度的红外血氧浓度传感器(15),服务器(3)包括数据采集装置(16)和处理装置(17),其中,数据采集装置(16),其采集用户游泳过程中测量装置(2)测量的游泳姿态数据、游泳运动数据和生理数据,其中,游泳姿态数据包括身体各部分的三维平移矢量和三维转动矢量,游泳运动数据包括游泳速度和划水频率数据,所述生理数据包括身体各部分的肌肉振动数据、心率、承受的水压、呼吸频率和血氧浓度数据;

所述处理装置(17)包括:

数据分布单元(18),其对游泳姿态数据、游泳运动数据和生理数据处理形成数据分布表,所述数据分布表包括游泳速度与生理数据分布、游泳速度与游泳姿态数据分布、划水频率与游泳姿态数据分布和划水频率与生理数据分布;

支持向量机(19),其对数据分布表进行特征提取,建立识别模型,基于所述数据分布表获得分布特征,基于所述分布特征进行聚类,将总量贡献占比超过预设阈值的数据作为目标数据,形成目标数据集;

训练单元(20),其在所述识别模型中不断训练获得最佳游泳姿势数据。

2.根据权利要求1所述的游泳监测系统,其特征在于:数据采集装置(16)包括基于预定条件筛选游泳姿态数据的筛选器,所述预定条件为两腿之间的平移矢量和转动矢量符合蛙泳或蝶泳的矢量变化范围,所述数据采集装置(16)对符合预定条件的游泳姿态数据,以及相应时间下的游泳运动数据和生理数据进行采集。

3.根据权利要求1所述的游泳监测系统,其特征在于:所述生理测量模块(10)设有计算基于时间的生理状态曲线的计算单元。

4.根据权利要求1所述的游泳监测系统,其特征在于:服务器(3)为云端服务器,云端服务器包括处理器、硬盘、内存、总线和用于与测量装置以统一格式交互的无线通信设备。

5.根据权利要求4所述的游泳监测系统,其特征在于:所述无线通信设备至少包括无线局域网通信设备和/或移动通信网络设备,无线局域网通信设备包括蓝牙、ZigBee和/或Wi-Fi模块,所述移动通信网络设备包括2G无线通信芯片、3G无线通信芯片和/或4G无线通信芯片。

6.根据权利要求1所述的游泳监测系统,其特征在于:所述服务器(3)包括提醒装置,当测量的肌肉振动、心率、水压、呼吸频率和/或血氧浓度中任一或多个相应超出了预设的肌肉振动区间、心率区间、水压区间、呼吸频率区间和/或血氧浓度区间时,所述提醒装置发出警示,所述提醒装置包括振动器、蜂鸣器和/或LED灯。

7.根据权利要求1所述的游泳监测系统,其特征在于:处理装置(17)包括数字信号处理器、专用集成电路ASIC或现场可编程门阵列FPGA,处理装置(17)包括存储器,所述存储器可以包括一个或多个只读存储器ROM、随机存取存储器RAM、快闪存储器或电子可擦除可编程只读存储器EEPROM。

8.根据权利要求1所述的游泳监测系统,其特征在于:所述柔性固定件为柔性袋,所述柔性袋分布在泳衣对应于身体的手腕、手臂、手肘、腰部、腿部、膝盖和胸部的位置。

9.一种利用根据权利要求1-8中任一项所述的游泳监测系统的训练方法,其包括以下步骤:穿戴所述泳衣的用户开始游泳,惯性测量模块(4)测量游泳姿态数据,运动测量模块(7)测量游泳运动数据,生理测量模块(10)测量生理数据;

数据采集装置(16)采集用户游泳过程中测量装置(2)测量的游泳姿态数据、游泳运动数据和生理数据;

数据分布单元(18)对游泳姿态数据、游泳运动数据和生理数据处理形成数据分布表,所述数据分布表包括游泳速度与生理数据分布、游泳速度与游泳姿态数据分布、划水频率与游泳姿态数据分布和划水频率与生理数据分布;

支持向量机(19)对数据分布表进行特征提取,建立识别模型,基于所述数据分布表获得分布特征,基于所述分布特征进行聚类,将总量贡献占比超过预设阈值的数据作为目标数据,形成目标数据集;

训练单元(20)在所述识别模型中不断训练获得最佳的游泳姿势数据。