一种基于智能健身的动作识别方法与流程

1.本技术涉及智能健身领域，具体涉及一种基于智能健身的动作识别方法。


背景技术：

2.智能健身降低了全民的健身门槛、激发健身积极性，传统健身需要去健身房，使用专业的健身器材并在健身教练的指导下进行，而智能健身可以突破这些局限，在家就可以接受专业的健身动作指导，如智能健身镜等，是一种由大数据支撑的专业性健身指导设备，其装载的ai智能姿态识别系统可以通过人体姿态感应器与用户进行实时人机交互，捕捉人体关键骨骼点、精准识别用户肢体动作实现运动识别。但是，识别用户肢体动作可以对消费者的姿势进行反馈和纠正，却未必能反馈动作在发力时的发力点及肌肉的收缩状况。
3.因此，本发明在ai智能识别的基础上，利用肌电传感器捕捉健身者的肌电信号，通过肌电信号得到肌肉收缩信息，根据肌肉收缩信息对用户健身动作发力进行提醒，并优化智能健身系统对肌电信号的处理速度，为其实时辅助健身者更好的掌握健身动作发力要领提供帮助。


技术实现要素：

4.本发明提供一种基于智能健身的动作识别方法，解决ai智能姿态识别系统无法反馈肌肉发力情况问题，采用如下技术方案：采集当前健身动作的肌肉电信号变化数据，利用获取的肌肉电信号变化数据构建当前健身动作的电信号波形图；获取该电信号波形图的起止时间和该波形图中的最大振幅值，利用波形图的起止时间和最大振幅值构建出该电信号波形图的电信号理想函数，并利用该电信号理想函数得到肌电信号理想波形图；分别获取电信号波形图和肌电信号理想波形图中波形包围的包围面积，利用电信号波形图和肌电信号理想波形图中波形包围的包围面积计算当前健身动作的饱满度；利用当前健身动作的饱满度和当前健身动作的上个健身动作的饱满度及当前健身动作的下个健身动作的饱满度对当前健身动作的疲劳状态进行识别，根据识别结果对健身者进行提醒。
5.所述电信号理想函数为：式中，为电信号理想函数， 为每段电信号振幅的最大值，为每段电信号的起始时间，为一段电信号的末端时间， 为振幅最大值对应的时间，为
该段电信号采样周期内的任一时间。
6.所述当前健身动作的饱满度的获取方法为：式中，为当前健身动作的饱满度，为当前电信号波形图上部分包围面积，为当前电信号波形图下部分包围面积，为肌电信号理想波形图上部分包围面积，为肌电信号理想波形图下部分包围面积，为第i个单位波长对应的时间。
7.所述对当前健身动作的疲劳状态进行识别的具体方法为：若当前健身动作的饱满度，当前健身动作的上个健身动作的饱满度，当前动作的下个健身动作的饱满度满足：则肌肉处于疲劳状态，否则，肌肉不处于疲劳状态，为第个健身动作。
8.所述根据识别结果对健身者进行提醒的方法为：当肌肉处于疲劳状态时，且时，肌肉处于最大疲劳状态，此时提醒健身者放松肌肉。
9.所述采集当前健身动作的肌肉电信号变化数据的方法为：使用布片电极贴在肌肉部位，采集肌肉健身过程中的肌电信号数据。
10.所述电信号波形图为时域图，横轴为时间，纵轴为振幅。
11.本发明的有益效果是：采集健身状态下每组动作的肌肉电信号，得到当前电信号波形图，根据时域图中每段肌电信号的起止时间和最大振幅构建电信号理想函数，根据电信号理想函数得到肌电信号理想波形图，根据肌肉电信号波形时域图的包围面积和肌电信号理想波形图的包围面积的差异得到当前健身动作的饱满度，根据当前健身动作的饱满度和当前健身动作的上个健身动作和当前健身动作的下个健身动作的饱满度识别动作疲劳状态，根据动作疲劳状态对进行健身者健身动作进行提醒，方法根据肌肉收缩信息对用户健身动作发力进行提醒，并优化智能健身系统对肌电信号的处理速度，为其实时辅助健身者更好的掌握健身动作发力要领提供帮助，智能、精准、高效。
附图说明
12.为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
13.图1是本发明的一种基于智能健身的动作识别方法流程示意图；图2是本发明的一种基于智能健身的动作识别方法中的理想波形示意图；图3是本发明的一种基于智能健身的动作识别方法中的单位波长时间示意图；
图4是本发明的一种基于智能健身的动作识别方法中的当前信号波形和理想信号波形的差异示意图。
具体实施方式
14.下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，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做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
15.本发明的一种基于智能健身的动作识别方法的实施例，如图1所示，包括：步骤一：采集当前健身动作的肌肉电信号变化数据，利用获取的肌肉电信号变化数据构建当前健身动作的电信号波形图；该步骤的目的是，采集健身者的肌肉电信号，作为数据基础，方便后续分析。
16.其中，采集方法为：使用布片电极贴在健身者的运动部位（比如腰部、腿部等，根据具体运动动作而定），将采集到的肌肉电信号输入数据采集卡进行采样，滤波器的低频截止频率为10 hz，高频截止频率为500 hz，采样频率1000 hz，得到的当前电信号波形图。
17.时域图是来自传感器振动信号的直角坐标图，横轴表示经历的时间，零点位于图的左侧边缘，纵轴为振幅。时域图可以显示滤波或未滤波的振动数据。滤波后的时域图是使用数学正弦函数与相应的相位滞后从振动矢量合成而来，未滤波的时域图表示以数学方式从传感器采样的波形。
18.需要说明的是，肌肉持续发力同时也是一个肌肉逐渐疲劳的过程，肌电信号是肌肉疲劳时伴随的生理电信号，通过检测肌电信号的变化就可以反应肌肉本体的状态。现有的表面肌信号（semg）检测是在体表无创检测肌肉活动的重要方法。其应用背景主要集中在康复医学和体育科学两大领域。semg是及其微弱的，利用肌电图可以判定肌肉所处的不同状态、肌肉之间的协调程度、肌肉的收缩类型及强度、肌肉的疲劳程度及损伤、肌肉的素质等。肌电信号在体育科学中被广泛应用，对于智能健身领域无法真正反馈健身者肌肉发力程度的问题，利用表面肌电信号检测方法可以有效解决。
19.因此，检测肌电信号优点是，无创、无辐射、易获取、信号传输方式灵活（无线、蓝牙等），仅仅需要健身者在指定的训练部位贴上电极片，丝毫不影响动作，系统对健身者的肌肉信号分析后就可以得知不同动作的发力情况，进而更好的进行指导。
20.步骤二：获取该电信号波形图的起止时间和该波形图中的最大振幅值，利用波形图的起止时间和最大振幅值构建出该电信号波形图的电信号理想函数，并利用该电信号理想函数得到肌电信号理想波形图；该步骤的目的是，对采集的肌电时域图中每段肌电信号进行分析，得到理想信号图。
21.本步骤先对肌肉电信号（semg）进行去噪，semg是一种非线性非平稳信号, 有用信号主要分布在10hz~500hz 之间且非常微弱(其幅值仅为μv级), 极易受到探测记录设备的电子器件固有的噪声、 环境噪声、运动产生的噪声、肌电信号内在的不平稳性产生的噪声, 其它人体生物电信号产生的噪声的影响。因此, 在对semg作进一步处理前必须进行消噪处
理，常规的降噪处理比如小波降噪，降噪效果明显。
22.其中，电信号理想函数的构建方法为：（1）分析健身过程中肌肉发力特点：健身运动时，肌肉的的收缩运动是呈现周期状的，任何健身动作在结束一次肌肉收缩后，都要经历一个放松过程，然后重复动作再次收缩，这是因为从生理学层面分析，肌肉一味的紧张收缩，无法使对肌肉的刺激达到较深层次，也就不能有效发挥人体的运动潜能。并且正确的健身动作可以减缓疲劳和运动损伤，改善动作的协调性。任何肌群的训练，例如腰腹、手臂、下肢都有对应的多种训练动作，无一例外都是肌肉重复收缩、放松的过程。因此正确的肌肉训练，其肌电信号应该也是呈现周期性的。
23.体育科学常常以肌电信号的频率和振幅来反应运动员的肌肉状态，肌肉在运动时，肌电信号的反应活跃、振幅较高，不同的动作刺激肌肉的程度不同，振幅也不相同，因此肌电信号图像本身为非线性的图像。
24.但单次肌肉收缩振幅变化趋势应该是饱满的。饱满指的是一组标准的健身动作，一定是肌肉从放松状态变为收缩状，并能够短暂的时间内保持收缩状，然后再慢慢放松。而在电信号图像上的表现为，统一组动作时间内，两边为肌肉放松，电信号振幅较低，中间部分振幅较高。即每组动作的振幅大小虽然存在差异，但同一类健身动作每组采集的肌电信号振幅变化趋势均应该符合上述规律，随着运动时间的增加，肌肉逐渐疲劳，频率变宽，振幅下降。
25.（2）根据电信号波形图中每段波形的振幅最大值和该段波形的周期时间构建高斯函数，将其作为电信号理想函数：式中，为电信号理想函数， 为单段肌肉电信号振幅的最大值，为一段电信号的起始时间，为一段电信号的末端时间， 为振幅最大值对应的时间，为该段电信号采样周期内的任意一个时间，时域图像上，每段信号波形分为上、下两部分，因此高斯拟合函数也应该分为上、下两部分，即、，根据该理想函数得到理想波形为高斯曲线，如图2所示。
26.步骤三：分别获取电信号波形图和肌电信号理想波形图中波形包围的包围面积，利用电信号波形图和肌电信号理想波形图中波形包围的包围面积计算当前健身动作的饱满度；该步骤的目的是，根据理想波形图和当前波形图判断动作是否标准。
27.如图2所示，我们在采集时已经规定了采集每组信号起始、结束的振幅阈值，右侧的信号周期短、但比较饱满，说明该组动作的持续时间短、发力充足，从一定程度上说明了该组动作比较标准；中间的信号周期长，不够饱满，可以看出只有前半段有明显发力，后续动作不够标准，导致肌肉没有收到充分刺激。
28.其中，当前健身动作的饱满度计算方法为：式中，为当前健身动作的饱满度，为当前电信号波形图上部分包围面积，为当前电信号波形图下部分包围面积，为肌电信号理想波形图上部分包围面积，为肌电信号理想波形图下部分包围面积，为第i个单位波长对应的时间，如图3所示，1和2之间的时间为一个单位波长对应的时间。
29.需要说明的是，采集器将时间序列上无限的电信号采样为有限的电信号，如本发明采集器采样频率为1000hz，而常规的采样编码，是对这有限的采样信号（也称为模拟信号），在其每段周期信号的每个小波幅峰和幅谷处设置采样点，若一组动作采集了g组信号，则采样点需要设置2g个，如图3所示。对于健身动作的判断，将全部信号都进行编码传输，无法保证信息的有效性，也过于冗余。所以本发明根据每个周期信号，或者说当前健身动作的饱满度，对其数据的重要程度进行判断。
30.我们只需要计算当前信号波形和理想信号波形的差异，波形的一维度量特征无法描述该差异，我们采用二维的特征，即波形的包围面积，也就是函数定积分，来可以评价其动作饱满度。如图4所示，白色部分，灰色部分面积即高斯函数和理想信号波形的差距。
31.步骤四：利用当前健身动作的饱满度和当前健身动作的上个健身动作的饱满度及当前健身动作的下个健身动作的饱满度对当前健身动作的疲劳状态进行识别，根据识别结果对健身者进行提醒。
32.该步骤的目的是，根据采用编码后的数据，分析肌肉疲劳程度，对健身者及时做出提醒。
33.在健身一定时间后，肌肉会逐渐疲劳，智能健身系统通过分析所接受多组动作的肌电信号频率长短、饱满度，即可评估肌肉当前的疲劳程度。疲劳状态下的肌电信号频率增大，饱满度降低。可以适时提醒健身者放松肌肉。
34.其中，对当前健身动作的疲劳状态进行识别的方法为：若当前健身动作的饱满度，当前健身动作的上个健身动作的饱满度，当前动作的下个健身动作的饱满度满足：则肌肉处于疲劳状态，否则，肌肉不处于疲劳状态，为第个健身动作。肌肉处于疲劳状态，即连续组动作的肌电信号波形，呈现饱满度持续衰减、肌电信号频率持续增大，肌电信号的频率的衰减，表现为连续组动作肌信号的采样点数量持续递减；若当前健身动作的饱满度，当前健身动作的上个健身动作的饱满度，当前动作的下个健身动作的饱满度不满足：
则肌肉不处于疲劳状态。
35.其中，根据肌肉疲劳程度对健身者进行提醒的方法为：当肌肉处于疲劳状态时，并且疲劳到极限的时候需要我们及时放松肌肉，且时，肌肉处于最大疲劳状态，此时提醒健身者放松肌肉。
36.因为当肌肉长时间处于运动（收缩）状态，不断做功，此时肌肉会产生大量乳酸，会感觉肌肉疲劳，无力，酸痛，导致运动速度会减慢，动作的协调性和灵活性降低，此时需要及时缓解肌肉疲劳，放松肌肉，进行适当休息，避免过度运动造成的肌肉损伤。
37.需要说明的是，本实施例中，为了提升传输效率能及时提醒健身者，本实施例根据当前健身动作的饱满度设置采样频率，根据采样频率获取采样点，将采样点输入量化器，对每组采样数据进行编码（对不同饱满度的动作设置不同的采样频率，并进行数据量化编码）。
38.其中，根据当前健身动作的饱满度设置采样频率的方法为：式中，为每组动作的采样频率，g为每组动作肌肉信号的小波数量，2g为原采样点的数量，g为每组动作肌肉信号的小波数量，因为上下部分的信号具有一定对称性，所以我们采样点减少为原来的一半，即g。则代表其重要程度，与饱满度相反。
39.需要说明的是，对不同饱满度的动作赋予不同的采样频率，智能健身的动作指导，其本质为动作纠错，对于动作标准、饱满的信号，系统不需要对其太高的敏感度，而对于饱满度低的动作，系统需要更多信息来进行纠错。
40.其中，每组采样数据进行编码的方法为：对采样数据进行二进制编码，高频数据的编码设置为1，低频数据的编码设置为0。
41.需要说明的是，电极贴采集的肌肉电信号，通过有线、无线传输至智能健身系统里（考虑健身时动作的流畅性，无线传输更为适合），而系统需要对健身者的动作及时做出反馈，否则延迟的动作指导是毫无意义的，只会给消费者带来卡顿不适感。肌电信号比较复杂，采集器的采样频率较高，常规的传输方式会导致系统在完全接收到信号后，再给出反馈的延迟较大，因此需要将肌电信号的传输方式进行优化。最常见的增加传输速率的编码方法就是采样编码，但非线性的信号采样点的数量也非常庞大，因此，本步骤进一步减少编码采样频率，并可以反馈有效信息，对采样编码进行了优化。
42.当智能健身系统接收到编码后的采样数据，通过解码器进行解码为肌电信号，解码出的饱满波形还原度较低，不饱满波形还原度较高，智能健身系统对健身者的动作监督是通过分析不饱满波形（即不够标准的动作），然后反馈有效信息，可通过机器学习结合姿势监督、发力饱满度监督，来对每组动作进行实时打分，提前设置标准分数，低于标准值分数的系统进行语音提醒，以及更深层的动作指导。
43.以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。