一种电动助力车的动力控制方法、系统及电动助力车与流程

1.本技术涉及电动助力车的领域，尤其是涉及一种电动助力车的动力控制方法、系统及电子设备。


背景技术：

2.在交通运输工具中，自行车是最容易被选择来作为移动的工具。近年来，在自行车上附加额外动力来辅助使用者已有所发展，例如电动助力车等。额外的动力辅助可以减轻使用者体力的消耗，为骑行带来更好的体验。
3.然而，在使用过程中，使用者可能面临由于动力辅助过大而在骑行时过于轻松，得不到锻炼的问题；或者面临在一些路段时动力辅助不足，使骑行过于吃力的问题，对此问题有待进一步改善。


技术实现要素：

4.针对现有技术中，使用者可能面临由于动力辅助过大而在骑行时过于轻松，得不到锻炼的问题；或者面临在一些路段时动力辅助不足，使骑行过于吃力的问题，本技术提供一种电动助力车的动力控制方法、系统及电动助力车。
5.第一方面，本技术提供的一种电动助力车的动力控制方法，采用如下的技术方案：一种电动助力车的动力控制方法，包括：获取电动助力车的使用者的图像信息；基于所述图像信息，获取使用者的表情状态信息，其中，所述表情状态信息包括表情省力状态、表情适中状态和表情费力状态；基于所述表情状态信息，调节电动助力车的助力程度；当所述表情状态信息为表情省力状态时，减少电动助力车的助力；当所述表情状态信息为表情适中状态时，维持电动助力车的助力不变；当所述表情状态信息为表情费力状态时，增大电动助力车的助力。
6.通过采用上述技术方案，电动助力车可以自动获取使用者的图像信息，并根据图像信息获取使用者的表情状态信息，再基于表情状态信息调节电动助力车的助力，当使用者处理表情省力状态时，系统可以减少电动助力以提高电动助力车的续航能力，当使用者处于表情费力状态时，可以增大电动助力以辅助使用者骑行，从而让使用者保持在一个适中的骑行状态下；使电动助力车根据使用者的状态自动调节电动助力的大小，不需要使用者进行调节，带给使用者更加适宜的辅助动力和更安全的骑行效果。
7.可选的，在所述获取使用者的表情状态信息的过程中，包括如下步骤：对所述图像信息进行面部表情识别，获取对应的面部表情信息，其中，所述面部表情信息包括表情松弛、面无表情、表情微笑、表情愉悦、表情难受、表情狰狞；基于所述面部表情信息获取使用者的表情状态信息，其中，将表情松弛和面无表情归类为表情省力状态，将表情微笑和表情愉悦归类为表情适中状态；将表情难受和表情狰狞归类为表情费力状态。
8.通过采用上述技术方案，通过面部表情识别获取使用者的面部表情信息，并通过面部表情信息对表情状态进行归类，从而知道使用者是处于表情省力状态、表情适中状态还是表情费力状态。
9.可选的，还包括：获取电动助力车使用者的实时心率信息；获取使用者的有氧运动心率范围，其中，所述有氧运动心率范围为使用者在进行有氧运动时的心率范围；判断所述实时心率信息是否属于有氧运动心率范围内，其中，在实时心率信息小于有氧运动心率范围的最小值时，减少电动助力车的助力程度，在实时心率信息属于有氧运动心率范围内时，不调节电动助力车的助力程度，在所述实时心率信息大于有氧运动心率范围的最大值，增大电动助力车的助力程度。
10.通过采用上述技术方案，通过读取表情状态信息，让使用者在适宜的状态下骑行，再通过获取使用者的实时心率信息和有氧运动心率范围，可以判断使用者的实时心率信息是否处于有氧运动心率范围，若实时心率超出有氧运动心率范围时，使用者处于正在做无氧运动状态或运动强度达不到有氧运动状态；此时若实时心率信息小于有氧运动心率范围的最小值，可减少电动助力车的助力；若实时心率信息大于有氧运动心率范围的最大值时，可增大电动助力车的助力；从而尽可能让使用者的实时心率信息保持在有氧运动心率范围内，让使用者能够得到一定程度的锻炼，同时避免无氧运动给使用者的身体造成不良的影响。
11.可选的，在所述获取使用者的有氧运动心率范围的过程中，包括：获取使用者的年龄信息和性别信息；基于所述年龄信息和性别信息确定使用者的有氧运动心率范围。
12.通过采用上述技术方案，通过获取使用者的年龄信息和性别信息确定出使用者的有氧运动心率范围，从而实现监控使用者的实时心率信息是否属于使用者的有氧运动心率范围。
13.可选的，在所述获取使用者的有氧运动心率范围之前，还包括：调取预设的运动心率阈值信息，所述运动心率阈值信息包括运动心率最大阈值信息和运动心率最小阈值信息；判断所述实时心率信息是否满足不小于运动心率最大阈值信息或不大于运动心率最小阈值信息；若是，则发出警示信号。
14.通过采用上述技术方案，先判断实时心率信息位于运动心率最小阈值信息和运动心率最大阈值信息之间，在实时心率信息属于运动心率最小阈值信息和运动心率最大阈值信息之间时才获取使用者的有氧运动心率范围；否则发出警示信号，以便于提醒使用者和周围同伴，让使用者及时休息调理，提升使用过程的安全性。
15.可选的，在所述发出警示信号之后，还包括：生成警示信息，所述警示信息包括使用者当前的实时心率信息；对电动助力车进行实时定位，获取对应的定位信息；调取预设的紧急联系人信息；将所述警示信息和所述定位信息发送至所述紧急联系人。
16.通过采用上述技术方案，当使用者的实时心率信息异常时，在发出警示信号之后，还生成警示信息和定位信息，并自动将警示信息和定位信息发送至预设的紧急联系人，能够使紧急联系人第一时间关注到使用者的使用状态，并采取紧急措施进行救护和处理，提高使用的安全性。
17.第二方面，本技术提供一种电动助力车的动力控制系统，采用如下技术方案：一种电动助力车的动力控制系统，包括：图像信息获取模块，用于获取使用者的图像信息；表情状态信息获取模块，用于根据图像信息，获取使用者的表情状态信息；助力程度调节模块，用于根据表情状态信息，调节电动助力车的助力。
18.通过采用上述技术方案，能够自动调节电动助力车的助力，使得使用者不需要手动进行调节，带给使用者更加适宜的辅助动力和更安全的骑行效果。
19.第三方面，本技术提供一种电动助力车，采用如下技术方案：一种电动助力车，包括摄像头、电机驱动器、电机、心率传感器、存储器和处理器，所述摄像头、所述电机驱动器和所述心率传感器均与所述处理器电连接，所述电机与所述电机驱动器连接；所述摄像头用于获取使用者的图像信息，所述电机驱动器和所述电机用于提供助力，所述心率传感器用于采集使用者的心率信息，所述存储器上存储有可被所述处理器执行的计算机可读程序，所述处理器执行所述计算机可读程序时使电动助力车实现上述任意一项动力控制方法中的步骤。
20.通过采用上述技术方案，能够自动调节电动助力车的助力，使得使用者不需要手动进行调节，带给使用者更加适宜的辅助动力和更安全的骑行效果。
21.综上所述，本技术包括以下至少一种有益技术效果：1.本技术通过获取使用者的图像信息，基于图像信息获取使用者的表情状态信息，通过判断使用者的表情状态，从而判断使用者处于省力状态还是费力状态，进而通过调整电动助力车的助力程度。在使用者处于省力状态时减小助力，延长电动助力车的续航时间；在使用者处于费力状态时增大助力以辅助使用者骑行，助力的调节过程不需要使用者手动进行调节，带给使用者更加适宜的辅助动力和更安全的骑行效果；2.本技术通过获取使用者的实时心率信息，基于实时心率信息与使用者的有氧运动心率范围，进一步调节电动助力车的助力，让使用者保持尽可能保持在有氧运动的状态下骑行，让使用者在能够得到锻炼的同时，避免无氧运动给使用者的身体造成不良的影响；3.本技术通过判断使用者的实时心率信息是否属于使用者的正常心率范围，在实时心率信息超出正常心率范围时发出警示信号，并生成预警信息和定位信息，并将预警信息和定位信息发送至紧急联系人，让使用者在心率异常时能够得到及时的救护和处理。
附图说明
22.图1是本技术实施例一种电动助力车的动力控制方法的应用场景示意图；图2是本技术实施例中一种电动助力车的动力控制方法的流程图；图3是本技术另一实施例中一种电动助力车的动力控制方法的流程图；图4是本技术又一实施例中一种电动助力车的动力控制方法的流程图；图5是本技术实施例中一种电动助力车的动力控制系统的模块结构示意图；
图6是本技术实施例中一种电动助力车的结构示意图。
23.附图标记说明：100、摄像头；110、电机驱动器；120、电机；130、心率传感器；140、存储器；150、处理器；500、图像信息获取模块；510、表情状态信息获取模块；520、助力程度调节模块。
具体实施方式
24.以下结合附图1-6对本技术作进一步详细说明。
25.为了使本技术的目的、技术方案及优点更加清楚明白，以下结合附图1-6及实施例，对本技术进行进一步详细说明。应当理解，此处所描述的具体实施例仅用于解释本技术，并不用于限定本技术。
26.本技术实施例提供的一种电动助力车的控制方法由电动助力车执行，参照图1，电动助力车包括摄像头100、电机驱动器110、电机120和心率传感器130。其中，摄像头100用于拍摄使用者的图像信息，心率传感器130用于实时检测使用者的心率，电机驱动器110能够驱动电机120产生助力，以辅助使用者骑行。
27.在本实施例中，摄像头100可以安装于自行车的车把处，以便于拍摄使用者的面部信息，心率传感器130可设置在自行车的把手处，与使用者的手掌接触，进而测量使用者的实时心率信息。可以理解的是，本技术对摄像头100和心率传感器130的安装位置并不构成对本技术的具体限定。
28.基于上述原理，需要说明的是，本技术提供的一种电动助力车的动力控制方法，即从处理器150的视角来描述该方法，可以通过编程将该动力控制方法实现为计算机程序从而在智能设备上执行，其包括但不限于电动助力车、计算机、智能终端等。
29.本技术实施例公开一种电动助力车的动力控制方法。参照图2，包括：s200，获取电动助力车使用者的图像信息。
30.电动助力车使用者是指正在骑行该电动助力车，由该电动助力车的摄像头100拍摄到的电动助力车的使用者；图像信息主要包括使用者的面部图像。
31.具体的，本实施例中，摄像头100安装在电动助力车的车把处，对电动助力车座椅上方的范围进行拍摄，得到面部图像。当拍摄到多个面部图像时，选取所有面部图像占图像信息比例最大的一个面部图像为使用者的面部图像，或者，选取所有面部图像距离摄像头100最近的一个面部图像为使用者的面部图像。
32.其中，当使用者启动电动助力车开始骑行时，摄像头100保持开机状态，以便于对使用者进行实时拍摄。
33.s210，基于图像信息，获取使用者的表情状态信息，其中，所述表情状态信息包括表情省力状态、表情适中状态和表情费力状态。
34.将表情状态信息分类为表情省力状态、表情适中状态和表情费力状态，以便于根据不同的表情状态信息调节电动助力车的助力程度。
35.具体的，对图像信息进行面部表情识别，获取对应的面部表情信息；本实施例中，面部表情信息包括表情松弛、面无表情、表情微笑、表情愉悦、表情难受、表情狰狞。再基于面部表情信息获取使用者的表情状态信息，本实施例中，将表情松弛和面无表情归类为表情省力状态，将表情微笑和表情愉悦归类为表情适中状态；将表情难受和表情狰狞归类为
表情费力状态。需要注意的是，在其他实施例中，面部表情信息也可包括其他表情状态，并不局限于本实施例给出的表情状态。
36.其中，面部表情识别是指从使用者的面部图像当中提取表情特征，将表情特征与预设的表情特征数据集进行对比，从而得到使用者的面部表情信息；此处面部表情识别主要通过提取各类表情之间差异性的区域，主要选取嘴、眉毛、眼睛三个区域，计算三个区域内关键点之间的相关斜率信息，根据相关斜率信息提取基于形变的表情特征；对三个区域内的关键点进行跟踪，提取相应的位移信息，并提取人脸图像的特定特征点之间的距离信息，将距离信息与平静图片中特定特征点之间的距离作差，得到特定特征点之间的距离变化信息，根据距离变化信息提取表情特征。
37.举例而言，当使用者皱眉时，系统采集到眉毛区域相应的关键点相应的位移信息，并提取人脸图像的双眼之间的距离信息，与平静图片中双眼之间的距离作差，得到距离变化信息，根据距离变化信息提取表情特征，与预设的表情特征数据集进行对比，进行判定之后得到该表情为表情难受，然后系统会将该表情归类为表情费力状态。
38.s220，基于表情状态信息，调节电动助力车的助力程度。
39.电动助力车的助力程度是指电动助力车的电机120产生的驱动力大小的程度，电动助力车的处理可用于辅助使用者的骑行，以节省使用者的体力消耗。
40.具体的，当表情状态信息被识别为表情省力状态时，减少电机120的驱动力，以减少电动助力车电量的消耗，从而提高电动助力车的续航能力；当表情状态信息被识别为表情适中状态时，维持电动助力车的助力不变；当表情状态信息被识别为表情费力状态时，增大电机120的驱动力，以为使用者提供更大的辅助动力辅助使用者骑行，从而减少使用者的骑行难度，基于表情状态信息进行电动助力车的助力调节，让使用者能够保持在一个适中的骑行状态下，且调节的过程不需要使用者手动调节，使用体验好。
41.本技术实施例的实施原理为：通过采集使用者的图像信息，分析生成使用者的表情状态信息，基于使用者的表情状态自动调节电动助力车助力的大小，整个调节助力的过程不需要使用者进行手动调节，实现更加无感舒适的骑行体验和更加安全的骑行效果。
42.其他实施例中，在以下两种情况下，还可以对电动助力车的助力程度进行进一步调节。
43.情况1，当根据使用者的表情状态信息调节电动助力车的助力程度，使电动助力车的助力程度能够适应使用者，让使用者处于表情适中的状态之后，此时还可以对电动助力车的助力程度进行进一步调节，尽可能让使用者在保持适宜的骑行状态下得到有氧锻炼。
44.情况2，当根据使用者的表情状态信息调节电动助力车的助力程度，助力程度达到助力程度最大阈值或助力程度最小阈值，而使用者的表情状态信息仍然处于表情省力状态或表情费力状态时，此时使用者的表情状态可能受到其他因素的影响，需要对电动助力车的助力程度进行进一步调节。
45.参照图3，方法还包括：s300，获取电动助力车使用者的实时心率信息。
46.实时心率信息是指心率传感器130实时采集到的使用者当前的心率信息。
47.具体的，当使用者启动电动助力车时，心率传感器130随之启动，使用者在骑行过程中手掌会与心率传感器130接触，心率传感器130能够实时采集使用者当前的心率信息，
从而监控使用者的心率状态。
48.s310，获取使用者的有氧运动的心率范围；使用者有氧运动的心率范围指的是使用者在正常情况下进行有氧运动时的心率范围，当使用者的心率处于该范围时认为使用者正在进行有氧运动，当使用者的心率超出该范围时认为使用者正在做无氧运动或运动强度达不到有氧运动的状态。
49.具体的，在本实施例中，获取使用者的有氧运动的心率范围包括：获取使用者的年龄信息和性别信息；基于年龄信息和性别信息确定使用者的有氧运动心率范围。
50.其中，获取使用者的年龄信息和身份信息的途径可以有以下方案：第一种方案，基于对图像信息进行人脸识别获取使用者的身份信息；基于身份信息调取使用者的年龄信息和性别信息。
51.使用者的身份信息可预先存储在云端的数据库或电动助力车的数据库内，通过进行人脸识别，将识别结果与数据库中的人脸图像进行对比，从数据库中找到使用者对应的身份信息；使用者可提前通过软件等将身份信息录入到数据库中，身份信息包括使用者的年龄、性别和人脸图像等，当使用者骑行电动助力车时，摄像头100采集到图像信息，并进行人脸识别与数据库中的人脸图像进行对比，从而获取到身份信息，再根据身份信息获取使用者的年龄、性别信息。
52.第二种方案，基于对图像信息进行人脸识别；基于人脸识别的结果分析生成使用者的年龄信息和性别信息。这种方案不需要从数据库提取数据，而是通过人脸识别直接分析出大致的年龄信息和性别信息。
53.一般来说，有氧运动的最佳心率范围与年龄、性别、静息心率等相关。有氧运动的心率范围的计算有多种计算公式。本技术实施例中，基于年龄信息和性别信息，确定使用者有氧运动的心率范围的具体计算方式为，采用男子最高心率＝205-年龄，女子最高心率＝220-年龄，运动时的最佳心率范围为最高心率的60％～80％进行计算。
54.s320，基于有氧运动心率范围和实时心率信息，进一步调节电动助力车的助力程度。
55.具体的，当表情状态信息为表情适中状态，且实时心率信息位于心率范围之中时，使用者处于合适的骑行难度且使用者处于有氧运动状态；此时可以不改变电动助力车的助力。当表情状态信息为表情适中状态，实时心率超出心率范围时，使用者处于正在做无氧运动状态或运动强度达不到有氧运动；此时若心率小于心率范围的最小值，可减少电动助力车的助力；若心率大于心率范围的最大值时，可增大电动助力车的助力，从而使得使用者尽可能保持在有氧运动的骑行状态下，从而得到一定的锻炼。
56.进一步的，参照图4，在获取使用者的有氧运动心率范围之前，还包括：s400，调取预设的运动心率阈值信息。
57.运动心率阈值信息包括运动心率最小阈值信息和运动心率最大阈值信息。
58.具体的，运动心率最小阈值信息和运动心率最大阈值信息可根据使用者的历史骑行时的正常心率范围进行确定。且在每次骑行运动结束后，若确定本次骑行过程中的运动心率处于正常范围区间，且用户没有感到异常，则可将本次骑行过程中采集到的各运动心率与初始运动心率模型进行个性化拟合，从而使得运动心率随时间变化的曲线越来越接近该用户运动心率的正常范围，进而可在提高用户的个性化需求以及提高用户运动心率监控
的准确性的基础上，达到个性化判断用户的心脏功能状态的功能。
59.s410，判断实时心率阈值信息是否满足不小于运动心率最大阈值信息或不大于运动心率最小阈值信息；若是，则发出警示信号。
60.具体的，采集到使用者的实时心率信息后，将实时心率信息与运动心率阈值信息进行对比，当实时心率信息不小于运动心率最大阈值信息或不大于运动心率最小阈值信息，可发出警示信号；警示信号可以通过电动助力车的音频播放组件进行播放，以提醒使用者；也可通过蜂鸣器等进行蜂鸣提示，或通过车身上的振动元件进行振动提醒，本发明对于警示信号的预警方式不做限定。
61.s420，生成警示信息，警示信息包括使用者当前的实时心率信息。
62.具体的，警示信息包括使用者当前的实时心率信息，当前时间段内的平均实时心率信息和使用者历史骑行时的正常心率范围。
63.s430，对电动助力车进行实时定位，得到对应的定位信息。
64.定位信息指的是从电动助力车的定位器上采集的电动助力车目前所处的位置信息。
65.s440，调取预设的紧急联系人信息。
66.紧急联系人信息可以由使用者预先存储在云服务器或电动助力车内置的服务器中，包括但不限于联系人手机电话、邮箱等信息。
67.s450，将警示信息和定位信息发送至紧急联系人。
68.具体的，将定位信息和警示信息编辑成短信或者邮件等发送至预设的紧急联系人，使紧急联系人第一时间关注到使用者的使用状态，并采取紧急措施，提高使用的安全性。对于一些有心脏健康的疾病史的使用者而言，心率异常可能会导致较为严重的后果，通过此能够让紧急联系人在使用者心率异常时及时地了解，并采取措施对使用者进行处理和救治。
69.综上所述，上述方法的实现中，通过获取使用者有氧运动的心率范围和获取电动助力车使用者的实时心率信息，可以判断使用者当前是否处于有氧运动的状态，基于心率范围、实时心率信息和表情状态信息调节电动助力车的助力，从而让使用者尽可能保持在有氧运动的状态，使使用者能够得到一定程度的锻炼；同时，通过对实时心率信息进行判断，在实时心率信息异常时生成预警信息，并获取定位信息，将定位信息和预警信息发送至紧急联系人，提升了使用过程的安全性。
70.基于上述方法实施例，本技术公开一种电动助力车的动力控制系统，参照图5，包括：图像信息获取模块500，用于获取使用者的图像信息；表情状态信息获取模块510，用于根据图像信息，分析生成使用者的表情状态信息；助力程度调节模块520，用于根据表情状态信息，调节电动助力车的助力。
71.综上所述，图像信息获取模块500获取使用者的图像信息后，表情状态信息获取模块510根据图像信息获取使用者的表情状态信息，然后根据表情状态信息，通过助力程度调节模块520调节电动助力车的助力，从而不需要使用者手动进行调节，实现更加无感舒适的骑行体验和更加安全的骑行效果。
72.基于上述方法实施例，本技术还公开一种电动助力车，参照图6，包括摄像头100、电机驱动器110、电机120、心率传感器130、存储器140和处理器150，摄像头100、电机驱动器110和心率传感器130均与处理器150电连接，电机120与电机驱动器110连接；摄像头100用于获取使用者的图像信息，电机驱动器110和电机120用于提供助力，心率传感器130用于采集使用者的心率信息，存储器140上存储有可被处理器150执行的计算机可读程序。
73.处理器150执行计算机可读程序时，执行如下步骤：获取电动助力车的使用者的图像信息；基于图像信息，获取使用者的表情状态信息，其中，所述表情状态信息包括表情省力状态、表情适中状态和表情费力状态；基于表情状态信息，调节电动助力车的助力程度；当所述表情状态信息为表情省力状态时，减少电动助力车的助力；当所述表情状态信息为表情适中状态时，维持电动助力车的助力不变；当所述表情状态信息为表情费力状态时，增大电动助力车的助力。
74.其中，存储器140例如包括：u盘、移动硬盘、随机存取存储器140、磁碟或者光盘等各种可以存储程序代码的计算机可读存储介质。
75.可选的，本技术的实施例中，当处理器150执行计算机可读程序时，执行如下步骤：对所述图像信息进行面部表情识别，获取对应的面部表情信息，其中，所述面部表情信息包括表情松弛、面无表情、表情微笑、表情愉悦、表情难受、表情狰狞；基于所述面部表情信息获取使用者的表情状态信息，其中，将表情松弛和面无表情归类为表情省力状态，将表情微笑和表情愉悦归类为表情适中状态；将表情难受和表情狰狞归类为表情费力状态。
76.可选的，本技术的实施例中，当处理器150执行计算机可读程序时，执行如下步骤：获取电动助力车使用者的实时心率信息。
77.可选的，本技术的实施例中，当处理器150执行计算机可读程序时，执行如下步骤：调取预设的运动心率阈值信息，所述运动心率阈值信息包括运动心率最大阈值信息和运动心率最小阈值信息；判断实时心率信息是否满足不小于运动心率最大阈值信息或不大于运动心率最小阈值信息；若是，则发出警示信号。
78.可选的，本技术的实施例中，当处理器150执行计算机可读程序时，执行如下步骤：当实时心率信息是否满足不小于运动心率最大阈值信息或不大于运动心率最小阈值信息时，生成警示信息，警示信息包括使用者当前的实时心率信息；对电动助力车进行实时定位，获取对应的定位信息；调取预设的紧急联系人信息；将警示信息和定位信息发送至所述紧急联系人。
79.可选的，本技术的实施例中，当处理器150执行计算机可读程序时，执行如下步骤：获取使用者的有氧运动心率范围，其中，所述有氧运动心率范围为使用者在进行有氧运动时的心率范围。
80.可选的，本技术的实施例中，当处理器150执行计算机可读程序时，执行如下步骤：当所述表情状态信息为表情适中状态时，判断所述实时心率信息是否属于有氧运动心率范围内，在实时心率信息小于有氧运动心率范围的最小值时，减少电动助力车的助力程度，在实时心率信息属于有氧运动心率范围内时，不调节电动助力车的助力程度，在所述实时心率信息大于有氧运动心率范围的最大值，增大电动助力车的助力程度。
81.本技术描述的多个实施例之间可以任意组合或步骤之间相互交叉执行，各个实施例的执行顺序和各个实施例的步骤之间的执行顺序均不是固定不变的，也不限于图中所
示，各个实施例的执行顺序和各个实施例的各个步骤的交叉执行顺序应以其功能和内在逻辑确定。
82.以上均为本技术的较佳实施例，并非依此限制本技术的保护范围，故：凡依本技术的结构、形状、原理所做的等效变化，均应涵盖于本技术的保护范围之内。