一种结合可穿戴设备与多源感知数据的公共健身空间区域运动促进潜力评估方法

本技术涉及物理空间分析，具体为一种结合可穿戴设备与多源感知数据的公共健身空间区域运动促进潜力评估方法。

背景技术：

1、社区公园、城市绿道、校园操场与综合运动场等公共健身空间通常同时承担日常锻炼、休闲停留与活动组织等功能。此类场地往往在同一空间内设置跑步线路、器械健身、球类活动、草坪开放区与通行节点等不同区域。不同区域在遮阴条件、通风状况、下垫面材质、设施布置密度、视线开敞度与人群干扰程度等方面差异明显，这些差异会进一步影响使用者的运动强度、运动节奏、停留时间与持续运动意愿，也会影响运动过程中的情绪反应与热舒适状态。对这些区域差异进行量化评价并形成可比结论，是公共健身空间设计改造与运营管理的重要基础。

2、运动空间的优劣往往不仅体现在运动强度提升，还体现在使用者是否愿意在该区域停留并持续运动。影响持续性的因素包含拥挤干扰、视线压迫、噪声刺激、设施布置造成的冲突与安全感受等，也包含运动过程中的情绪变化。现有评价方法较少在自然运动过程中连续获取情绪反应数据，导致在区域差异分析时缺少体验层面的可量化证据，难以进一步归因到具体空间要素并提出针对性的优化方向。

技术实现思路

1、本发明的目的是：针对现有评价方法较少在自然运动过程中连续获取情绪反应数据，导致在区域差异分析时缺少体验层面的可量化证据，难以进一步归因到具体空间要素并提出针对性的优化方向的问题，提供一种结合可穿戴设备与多源感知数据的公共健身空间区域运动促进潜力评估方法。

2、本发明为了解决上述技术问题采取的技术方案是：

3、一种结合可穿戴设备与多源感知数据的公共健身空间区域运动促进潜力评估方法，包括以下步骤：

4、步骤1：对目标运动场地进行区域划分；

5、步骤2：通过可穿戴设备同步采集心率数据、加速度数据并记录时间戳，同时采集位置轨迹数据、运动视频数据以及红外热成像数据；

6、步骤3：基于时间戳，对步骤2采集的数据进行时序数据规整处理；

7、步骤4：根据位置轨迹数据，将步骤3处理后的数据归属到对应区域，对每个区域形成数据片段集合并计算区域停留时长；

8、步骤5：利用数据片段集合中的心率数据、加速度数据以及区域停留时长，计算各区域的运动负荷指标；

9、步骤6：利用数据片段集合中的运动视频数据识别表情，并根据表情以及区域停留时长，得到各区域的情绪反应指标；

10、步骤7：利用数据片段集合中的红外热成像数据得到的皮肤温度变化，并根据皮肤温度变化以及区域停留时长，得到各区域的热舒适指标；

11、步骤8：利用数据片段集合中的运动视频数据，得到关键画面，并在关键画面中提取各区域的环境特征，进而得到各区域的环境特征指标；

12、步骤9：对每个区域的运动负荷指标、情绪反应指标、热舒适指标以及环境特征指标进行标准化处理，并确定指标权重，以此得到综合评分；

13、步骤10：采用相关系数计算环境特征指标与综合评分之间的相关性，得到主要影响因素。

14、进一步的，所述步骤1的具体步骤为：

15、步骤11：获取目标运动场地的平面范围，并以场地平面范围或实测边界为基准建立二维坐标系，之后将目标运动场地的平面范围投影至该坐标系；

16、步骤12：依据设施功能与空间特征对场地进行分区，得到每个区域的多边形边界；

17、所述步骤2的具体步骤为：

18、步骤21：针对每个可穿戴设备，设置采样频率并记录设备编号；

19、步骤22：采集心率序列、三轴加速度序列、步频序列，并记录时间戳，即可穿戴设备时间戳；

20、步骤23：采集位置轨迹数据，并将该位置表示为与的有序对，同时记录时间戳，即轨迹时间戳，位置轨迹数据表示为：

21、，

22、其中，表示时刻t的空间位置，与分别表示平面坐标分量；

23、步骤24：采集运动视频帧序列并记录时间戳，即视频时间戳；

24、步骤25，采集红外热成像帧序列并记录时间戳，即热成像时间戳。

25、进一步的，所述步骤3的具体步骤为：

26、步骤31：确定参考时钟，并对可穿戴设备时间戳、轨迹时间戳、视频时间戳与热成像时间戳进行校时，得到时间偏移、、、；

27、步骤32：基于时间偏移对齐时间戳，表示为：

28、，

29、其中，表示统一对齐后的时间戳，、、、分别表示各数据源原始时间戳；

30、步骤33：对心率数据、加速度数据、位置轨迹数据进行缺失段检测与异常值检测，即对短时缺失段采用线性插值或相邻有效值补齐，对超过预设阈值的异常段予以剔除；

31、步骤34：基于步骤33得到的数据，统一采样间隔，对不同采样频率的数据进行插值、重采样或时间窗聚合处理。

32、进一步的，所述步骤4的具体步骤为：

33、步骤41：构建区域归属指示函数，并对任意对齐后的时间戳，判断位置点是否落入区域边界，当位于第个区域边界内或边界上时，取1，否则取0,，表示为：

34、，当，

35、，其他情况，

36、其中，表示时刻归属区域的指示值，表示第个区域边界多边形；

37、步骤42：根据位置点落入第个区域的累计采样时长，计算区域停留时长，表示为：

38、，

39、其中，表示区域内的停留时长，表示采样间隔，当=1时该采样时刻计入区域的停留时长。

40、进一步的，所述步骤5的具体步骤为：

41、步骤51：根据心率数据得到静息心率与最大心率，之后根据静息心率与最大心率计算心率储备比例，表示为：

42、，

43、，

44、其中，表示时刻心率，表示使用者年龄；

45、步骤52：根据心率储备比例计算区域心率负荷，表示为：

46、，

47、其中，表示区域的心率负荷指标；

48、步骤53：获取三轴加速度，并利用三轴加速度合成幅值，之后利用得到动态分量，表示为：

49、，

50、，

51、其中，、、分别表示三轴加速度，表示重力加速度常数；

52、步骤54：利用动态分量计算区域动作强度指标，表示为：

53、，

54、心率负荷指标和动作强度指标，即为运动负荷指标。

55、进一步的，所述步骤6的具体步骤为：

56、步骤61：利用数据片段集合中的运动视频数据，识别关键帧，并对关键帧进行人脸检测，得到人脸区域图像；

57、步骤62：对人脸区域图像提取特征并进行表情分类，得到k类表情概率；

58、步骤63：将表情概率映射为情绪效价，表示为：

59、，

60、其中，表示正向表情集合，表示负向表情集合，表示第类表情在时刻的概率输出；

61、步骤64：基于情绪效价得到情绪反应指标，表示为：

62、，

63、其中，表示区域的情绪反应指标。

64、进一步的，所述步骤7的具体步骤为：

65、步骤71：基于红外热成像数据，获取红外热成像帧，并在红外热成像帧中选取皮肤兴趣区域roi，所述roi为面部、前臂或其他稳定暴露皮肤区域，并排除衣物、器械遮挡和背景区域，之后提取roi内像素温度；

66、步骤72：基于roi内像素温度，得到时刻的平均皮肤温度，表示为：

67、，

68、其中，n表示roi内像素数量，表示平均皮肤温度；

69、步骤73：在运动开始前或进入目标场地前设置基线时段，所述基线时段为使用者处于非剧烈运动状态且热成像画面稳定的连续时间窗，进而得到基线皮肤温度，表示为：

70、，

71、其中，表示基线时段采样次数；

72、步骤74：根据基线皮肤温度得到体表温度相对变化，表示为：

73、；

74、步骤75：基于体表温度相对变化得到区域热负荷指标，并转换为热舒适指标，表示为

75、，

76、，

77、其中，表示热负荷阈值。

78、进一步的，所述步骤8的具体步骤为：

79、步骤81：获取运动视频数据，并基于区域归属结果选取每个区域的关键画面集合，所述关键画面包括使用者进入区域时刻、区域停留中位时刻、离开区域时刻以及热舒适得分或情绪效价出现异常变化的时刻对应画面；

80、步骤82：对关键画面进行语义分割，将像素划分为遮阴区域、绿色植被区域、地面铺装区域、设施区域和背景区域，分别统计遮阴像素面积、绿色植被像素面积与有效总像素面积；

81、步骤83：利用遮阴像素面积和有效总像素面积，计算区域遮阴比例，利用绿色植被像素面积和有效总像素面积计算绿视率，表示为：

82、，

83、；

84、步骤84：对关键画面进行行人检测得到区域人群数量，进而得到拥挤度，表示为：

85、；

86、步骤85：将遮阴比例、绿视率与拥挤度作为环境特征指标。

87、进一步的，所述步骤9的具体步骤为：

88、步骤91：将各区域的原始指标组成m×7指标矩阵x，x中第行的指标向量为：

89、，

90、第列为第类指标；

91、步骤92：对各指标进行无量纲化处理，得到标准化指标，其中，用于效益型指标的表示为：

92、，

93、所述效益型指标包括：、、、、和；

94、用于代价型指标的表示为：

95、，

96、所述代价型指标为；

97、步骤93：基于，并采用熵权法计算指标权重，表示为：

98、，

99、，

100、，

101、，

102、，

103、其中，表示区域数量，表示占比，表示信息熵，表示差异系数；

104、步骤94：根据和计算区域综合评分，并生成排序结果，表示为：

105、，

106、其中，表示区域综合评分。

107、进一步的，所述步骤10的具体步骤为：

108、步骤101：根据排序结果，得到每个区域对应的综合评分；

109、步骤102：采用相关系数计算环境特征指标与综合评分之间的相关性，得到主要影响因素，表示为：

110、，

111、其中，表示协方差，表示综合评分标准差，表示环境特征标准差。

112、本发明的有益效果是：

113、本技术的技术方案在自然运动过程中续获取情绪反应数据，因此本技术的技术方案在区域差异分析时充分提供体验层面的可量化证据，并在区域尺度形成稳定的量化评价结果。本技术的技术方案可为公共健身空间的精细化优化提供可靠的数据支撑。