基于心衰运动康复的数据处理系统、方法及服务器

摘要

本申请公开了基于心衰运动康复的数据处理系统、方法及服务器，在应用上述方法时，能够精确地分析相关运动数据的类型，例如将相关运动数据划分为有氧运动类和无氧运动类，进而确定每种运动类型对应的运动数据产生的误差，这样通过多维度的方式对误差进行精准地校正，能尽可能确保相关运动数据与真实运动情况的高度匹配，提高运动数据的拟真度，尽可能还原运动数据。

权利要求

1.一种基于心衰运动康复的数据处理系统，其特征在于，包括相互通信连接的数据处理服务器和运动数据采集端；

所述运动数据采集端用于获得目标心衰患者运动数据并上传至数据处理服务器；

所述数据处理服务器用于：

获取待进行校正的目标心衰患者运动数据；对所述目标心衰患者运动数据中的多个运动数据片段分别进行有氧类运动识别和无氧类运动识别，得到有氧类运动识别结果集和无氧类运动识别结果集；

通过第一预设心率数据识别策略对所述有氧类运动识别结果集进行第一心率数据识别处理，得到包括有有氧类运动标识的第一心衰患者运动数据集；通过第二预设心率数据识别策略对所述无氧类运动识别结果集进行第二心率数据识别处理，得到包括有无氧类运动标识的第二心衰患者运动数据集；

基于所述第一心衰患者运动数据集和所述第二心衰患者运动数据集进行全局分析处理，得到所述目标心衰患者运动数据中与目标运动相匹配的参考运动数据集；所述目标运动包括有氧类运动和无氧类运动中的至少一种，所述参考运动数据集用于对所述目标心衰患者运动数据进行校正；

其中，所述基于所述第一心衰患者运动数据集和所述第二心衰患者运动数据集进行全局分析处理，得到所述目标心衰患者运动数据中与目标运动相匹配的参考运动数据集，所述数据处理服务器用于：当所述第二心衰患者运动数据集完全处于所述第一心衰患者运动数据集内时，或者，所述第一心衰患者运动数据集完全处于所述第二心衰患者运动数据集内时，过滤掉所述第二心衰患者运动数据集并保留所述第一心衰患者运动数据集，得到与有氧类运动相匹配的参考运动数据集；

当所述第一心衰患者运动数据集中的在后运动数据片段，与所述第二心衰患者运动数据集中的在前运动数据片段发生重叠时，保留所述第一心衰患者运动数据集作为与有氧类运动相匹配的参考运动数据集，并将所述第一心衰患者运动数据集中的第二心率曲线图数据作为所述第二心衰患者运动数据集的第一心率曲线图数据，得到更新后的第二心衰患者运动数据集，将所述更新后的第二心衰患者运动数据集作为与无氧类运动相匹配的参考运动数据集；

当所述第二心衰患者运动数据集中的在后运动数据片段，与所述第一心衰患者运动数据集中的在前运动数据片段发生重叠时，保留所述第一心衰患者运动数据集作为与有氧类运动相匹配的参考运动数据集，并将所述第一心衰患者运动数据集中的第一心率曲线图数据作为所述第二心衰患者运动数据集的第二心率曲线图数据，得到更新后的第二心衰患者运动数据集，将更新后的第二心衰患者运动数据集作为与无氧类运动相匹配的参考运动数据集。

2.根据权利要求1所述的系统，其特征在于，所述对所述目标心衰患者运动数据中的多个运动数据片段分别进行有氧类运动识别和无氧类运动识别，得到有氧类运动识别结果集和无氧类运动识别结果集，所述数据处理服务器用于：对所述目标心衰患者运动数据中的多个运动数据片段分别进行有氧类运动识别，得到各个运动数据片段中的有氧类运动识别状态、以及各有氧类运动识别状态所对应的初始运动类型；

基于各运动数据片段中的有氧类运动识别状态和相应的初始运动类型，确定有氧类运动识别结果集；

对所述目标心衰患者运动数据中的多个运动数据片段分别进行无氧类运动识别，得到无氧类运动识别结果集。

3.根据权利要求2所述的系统，其特征在于，所述对所述目标心衰患者运动数据中的多个运动数据片段分别进行无氧类运动识别，得到无氧类运动识别结果集，所述数据处理服务器用于：对所述目标运动数据片段中的多个运动数据片段分别进行自由重量训练识别，得到各运动数据片段分别对应的自由重量训练识别结果；

对所述目标运动数据片段中的多个运动数据片段分别进行固定器械训练识别，得到各运动数据片段分别对应的固定器械训练识别结果；

将对应于相同心衰患者的自由重量训练识别结果和固定器械训练识别结果进行关联；

基于所述目标运动数据片段中与目标自由重量训练识别结果相关联的固定器械训练识别结果进行无氧类运动识别处理，得到无氧类运动识别结果集。

4.根据权利要求1所述的系统，其特征在于，所述通过第一预设心率数据识别策略对所述有氧类运动识别结果集进行第一心率数据识别处理，得到包括有有氧类运动标识的第一心衰患者运动数据集，所述数据处理服务器用于：对所述有氧类运动识别结果集中的每个运动数据片段分别进行运动类型筛选，得到每个运动数据片段各自对应的唯一运动类型；

基于每个运动数据片段中与相应唯一运动类型对应的有氧类运动识别状态的运动状态描述信息，分别进行识别状态更新处理，得到更新后的有氧类运动识别结果集；

对所述更新后的有氧类运动识别结果集进行迭代更新处理，得到多个包括有有氧类运动标识的第一候选心衰患者运动数据集；

根据各所述第一候选心衰患者运动数据集分别所属的有氧运动类型，对属于相同有氧运动类型的第一候选心衰患者运动数据集进行数据整合，得到包括有有氧类运动标识的第一心衰患者运动数据集。

5.根据权利要求4所述的系统，其特征在于，所述对所述有氧类运动识别结果集中的每个运动数据片段分别进行运动类型筛选，得到每个运动数据片段各自对应的唯一运动类型，包括所述数据处理服务器用于：针对所述有氧类运动识别结果集中的每个运动数据片段，当运动数据片段的初始运动类型的个数为至少两个时，获取每个初始运动类型的运动类型热度；

当运动类型热度最高的初始运动类型为一个时，将所述运动类型热度最高的初始运动类型作为相应运动数据片段的唯一运动类型；

当所述运动类型热度最高的初始运动类型为至少两个时，针对每个运动类型热度最高的初始运动类型，获取对应的有氧类运动识别状态的识别状态热度；

根据最高的识别状态热度所对应的初始运动类型，确定相应运动数据片段所对应的唯一运动类型。

6.根据权利要求4所述的系统，其特征在于，所述基于每个运动数据片段中与相应唯一运动类型对应的有氧类运动识别状态的运动状态描述信息，分别进行识别状态更新处理，得到更新后的有氧类运动识别结果集，所述数据处理服务器用于：对于每个运动数据片段，获取各运动数据片段中与相应唯一运动类型对应的有氧类运动识别状态的运动指标数值；

当所述运动指标数值在预设运动指标数值区间内时，保留相对应的有氧类运动识别结果，保留的所述有氧类运动识别结果包括有氧类运动识别状态、以及所述有氧类运动识别状态对应的唯一运动类型；当所述运动指标数值不在所述预设运动指标数值区间内时，将相应的运动数据片段的有氧类运动识别结果置为实时识别结果；

基于各运动数据片段各自对应的有氧类运动识别结果，得到更新后的有氧类运动识别结果集。

7.根据权利要求4所述的系统，其特征在于，所述对所述更新后的有氧类运动识别结果集进行迭代更新处理，得到多个包括有有氧类运动标识的第一候选心衰患者运动数据集，所述数据处理服务器用于：对所述更新后的有氧类运动识别结果集进行迭代更新处理，得到多组的第一心率曲线图数据和第二心率曲线图数据；

确定每组第一心率曲线图数据和第二心率曲线图数据之间的心衰患者运动数据集的变化指数；

当所述心衰患者运动数据集的变化指数大于或等于第一预设指数时，将相应组的第一心率曲线图数据和第二心率曲线图数据所构成的心衰患者运动数据集作为第一候选心衰患者运动数据集；

对于每个第一候选心衰患者运动数据集，根据所述第一候选心衰患者运动数据集中各运动数据片段分别对应的更新后的唯一运动类型，确定出现次数最多的目标有氧运动类型；

将所述目标有氧运动类型，作为相对应第一候选心衰患者运动数据集所包括的有氧类运动所属的有氧运动类型；

其中，所述根据各所述第一候选心衰患者运动数据集分别所属的有氧运动类型，对属于相同有氧运动类型的第一候选心衰患者运动数据集进行数据整合，得到包括有有氧类运动标识的第一心衰患者运动数据集，包括：确定各所述第一候选心衰患者运动数据集分别所属的有氧运动类型；

当在时间先后顺序上相邻的多于一个的第一候选心衰患者运动数据集均属于相同的有氧运动类型时，将所述多于一个的第一候选心衰患者运动数据集进行合并，得到与所述相同的有氧运动类型对应的第一心衰患者运动数据集。

8.根据权利要求7所述的系统，其特征在于，所述有氧类运动识别结果集中的有氧类运动识别结果包括实时识别结果和延时识别结果，所述对所述更新后的有氧类运动识别结果集进行迭代更新处理，得到多组的第一心率曲线图数据和第二心率曲线图数据，所述数据处理服务器用于：将所述更新后的有氧类运动识别结果集中，处于当次循环中的首个延时识别结果所对应的运动数据片段作为当前组的第一心率曲线图数据；

遍历所述当前组的第一心率曲线图数据之后的运动数据片段；当遍历至的当前组对应实时识别结果、且从所述当前组开始的第二预设指数内运动数据片段所对应的有氧类运动识别结果均为实时识别结果时，将所述当前组作为所述当前组的第二心率曲线图数据；将所述当前组的第二心率曲线图数据之后的首个延时识别结果所对应的运动数据片段，作为下一次循环的当前组的第一心率曲线图数据，并返回所述遍历所述当前组的第一心率曲线图数据之后的运动数据片段的步骤继续执行，直至得到多组的第一心率曲线图数据和第二心率曲线图数据；

其中，所述当遍历至的当前组对应实时识别结果、且从所述当前组开始的第二预设指数内运动数据片段所对应的有氧类运动识别结果均为实时识别结果时，将所述当前组作为所述当前组的第二心率曲线图数据之前，所述数据处理服务器还用于：当由遍历至的当前组与所述当前组的第一心率曲线图数据所确定的心衰患者运动数据集的变化指数小于第三预设指数时，确定所述当前组对应的有氧类运动识别结果是否为实时识别结果；

在所述当前组对应延时识别结果时，将所述当前组作为所述当前组所对应的心衰患者运动数据集中的其中一组；在所述当前组对应实时识别结果、且从所述当前组开始的第二预设指数内的有氧类运动识别结果中包括延时识别结果时，将从所述当前组开始的所述第二预设指数内的首个延时识别结果所对应的运动数据片段，作为遍历的下一个当前组，并返回所述当由遍历至的当前组与所述当前组的第一心率曲线图数据所确定的心衰患者运动数据集的变化指数小于第三预设指数时，确定所述当前组对应的有氧类运动识别结果是否为实时识别结果的步骤继续执行；

其中，所述将所述更新后的有氧类运动识别结果集中，处于当次循环中的首个延时识别结果所对应的运动数据片段作为当前组的第一心率曲线图数据，包括：确定所述更新后的有氧类运动识别结果集中，处于当次循环中的首个延时识别结果所对应的目标运动数据片段；

当所述目标运动数据片段的后一组所对应的有氧类运动识别结果为实时识别结果时，将所述目标运动数据片段对应的有氧类运动识别结果置为实时识别结果；

当所述目标运动数据片段的后一组所对应的有氧类运动识别结果为延时识别结果时，将所述目标运动数据片段作为当前组的第一心率曲线图数据。

9.一种基于心衰运动康复的数据处理方法，其特征在于，所述方法包括：

获取待进行校正的目标心衰患者运动数据；对所述目标心衰患者运动数据中的多个运动数据片段分别进行有氧类运动识别和无氧类运动识别，得到有氧类运动识别结果集和无氧类运动识别结果集；

通过第一预设心率数据识别策略对所述有氧类运动识别结果集进行第一心率数据识别处理，得到包括有有氧类运动标识的第一心衰患者运动数据集；通过第二预设心率数据识别策略对所述无氧类运动识别结果集进行第二心率数据识别处理，得到包括有无氧类运动标识的第二心衰患者运动数据集；

基于所述第一心衰患者运动数据集和所述第二心衰患者运动数据集进行全局分析处理，得到所述目标心衰患者运动数据中与目标运动相匹配的参考运动数据集；所述目标运动包括有氧类运动和无氧类运动中的至少一种，所述参考运动数据集用于对所述目标心衰患者运动数据进行校正；

其中，所述基于所述第一心衰患者运动数据集和所述第二心衰患者运动数据集进行全局分析处理，得到所述目标心衰患者运动数据中与目标运动相匹配的参考运动数据集的步骤，包括：当所述第二心衰患者运动数据集完全处于所述第一心衰患者运动数据集内时，或者，所述第一心衰患者运动数据集完全处于所述第二心衰患者运动数据集内时，过滤掉所述第二心衰患者运动数据集并保留所述第一心衰患者运动数据集，得到与有氧类运动相匹配的参考运动数据集；

当所述第一心衰患者运动数据集中的在后运动数据片段，与所述第二心衰患者运动数据集中的在前运动数据片段发生重叠时，保留所述第一心衰患者运动数据集作为与有氧类运动相匹配的参考运动数据集，并将所述第一心衰患者运动数据集中的第二心率曲线图数据作为所述第二心衰患者运动数据集的第一心率曲线图数据，得到更新后的第二心衰患者运动数据集，将所述更新后的第二心衰患者运动数据集作为与无氧类运动相匹配的参考运动数据集；

当所述第二心衰患者运动数据集中的在后运动数据片段，与所述第一心衰患者运动数据集中的在前运动数据片段发生重叠时，保留所述第一心衰患者运动数据集作为与有氧类运动相匹配的参考运动数据集，并将所述第一心衰患者运动数据集中的第一心率曲线图数据作为所述第二心衰患者运动数据集的第二心率曲线图数据，得到更新后的第二心衰患者运动数据集，将更新后的第二心衰患者运动数据集作为与无氧类运动相匹配的参考运动数据集。

10.一种数据处理服务器，其特征在于，包括互相之间通信的处理器和存储器，所述处理器用于从所述存储器中调取计算机程序，并通过运行所述计算机程序实现权利要求9所述的方法。

说明书

基于心衰运动康复的数据处理系统、方法及服务器

技术领域

[0001] 本申请涉及医疗数据处理技术领域，特别涉及基于心衰运动康复的数据处理系统、方法及服务器。

背景技术

[0002] 得益于科技的不断进步，智慧医疗也在不断完善和优化。智慧医疗是以互联网为依托，通过基础设施的搭建及数据的收集，将人工智能技术及大数据服务应用于医疗行业中的一种新型医疗模式，智慧医疗能够显著提升医疗处理效率。

[0003] 智慧医疗的其中一个特点是信息数字化，比如，在一些检查项目(比如心衰运动康复项目)中，可以通过对运动数据进行采集和数字化处理，以有效减少医疗资源的占用。

[0004] 在进行康复运动数据处理时，如何确保运动数据的真实性和准确性是现目前需要考虑的一个技术问题。

发明内容

[0005] 为改善相关技术中存在的上述背景技术存在的技术问题，本申请提供了基于心衰运动康复的数据处理系统、方法及服务器。

[0006] 本申请提供了一种基于心衰运动康复的数据处理系统，包括相互通信连接的数据处理服务器和运动数据采集端；

[0007] 所述运动数据采集端用于获得目标心衰患者运动数据并上传至数据处理服务器；

[0008] 所述数据处理服务器用于：

[0009] 获取待进行校正的目标心衰患者运动数据；对所述目标心衰患者运动数据中的多个运动数据片段分别进行有氧类运动识别和无氧类运动识别，得到有氧类运动识别结果集和无氧类运动识别结果集；

[0010] 通过第一预设心率数据识别策略对所述有氧类运动识别结果集进行第一心率数据识别处理，得到包括有有氧类运动标识的第一心衰患者运动数据集；通过第二预设心率数据识别策略对所述无氧类运动识别结果集进行第二心率数据识别处理，得到包括有无氧类运动标识的第二心衰患者运动数据集；

[0011] 基于所述第一心衰患者运动数据集和所述第二心衰患者运动数据集进行全局分析处理，得到所述目标心衰患者运动数据中与目标运动相匹配的参考运动数据集；所述目标运动包括有氧类运动和无氧类运动中的至少一种，所述参考运动数据集用于对所述目标心衰患者运动数据进行校正。

[0012] 进一步地，所述对所述目标心衰患者运动数据中的多个运动数据片段分别进行有氧类运动识别和无氧类运动识别，得到有氧类运动识别结果集和无氧类运动识别结果集，所述数据处理服务器用于：

[0013] 对所述目标心衰患者运动数据中的多个运动数据片段分别进行有氧类运动识别，得到各个运动数据片段中的有氧类运动识别状态、以及各有氧类运动识别状态所对应的初始运动类型；

[0014] 基于各运动数据片段中的有氧类运动识别状态和相应的初始运动类型，确定有氧类运动识别结果集；

[0015] 对所述目标心衰患者运动数据中的多个运动数据片段分别进行无氧类运动识别，得到无氧类运动识别结果集。

[0016] 进一步地，所述对所述目标心衰患者运动数据中的多个运动数据片段分别进行无氧类运动识别，得到无氧类运动识别结果集，所述数据处理服务器用于：

[0017] 对所述目标运动数据片段中的多个运动数据片段分别进行自由重量训练识别，得到各运动数据片段分别对应的自由重量训练识别结果；

[0018] 对所述目标运动数据片段中的多个运动数据片段分别进行固定器械训练识别，得到各运动数据片段分别对应的固定器械训练识别结果；

[0019] 将对应于相同心衰患者的自由重量训练识别结果和固定器械训练识别结果进行关联；

[0020] 基于所述目标运动数据片段中与目标自由重量训练识别结果相关联的固定器械训练识别结果进行无氧类运动识别处理，得到无氧类运动识别结果集。

[0021] 进一步地，所述通过第一预设心率数据识别策略对所述有氧类运动识别结果集进行第一心率数据识别处理，得到包括有有氧类运动标识的第一心衰患者运动数据集，所述数据处理服务器用于：

[0022] 对所述有氧类运动识别结果集中的每个运动数据片段分别进行运动类型筛选，得到每个运动数据片段各自对应的唯一运动类型；

[0023] 基于每个运动数据片段中与相应唯一运动类型对应的有氧类运动识别状态的运动状态描述信息，分别进行识别状态更新处理，得到更新后的有氧类运动识别结果集；

[0024] 对所述更新后的有氧类运动识别结果集进行迭代更新处理，得到多个包括有有氧类运动标识的第一候选心衰患者运动数据集；

[0025] 根据各所述第一候选心衰患者运动数据集分别所属的有氧运动类型，对属于相同有氧运动类型的第一候选心衰患者运动数据集进行数据整合，得到包括有有氧类运动标识的第一心衰患者运动数据集。

[0026] 进一步地，所述对所述有氧类运动识别结果集中的每个运动数据片段分别进行运动类型筛选，得到每个运动数据片段各自对应的唯一运动类型，包括所述数据处理服务器用于：

[0027] 针对所述有氧类运动识别结果集中的每个运动数据片段，当运动数据片段的初始运动类型的个数为至少两个时，获取每个初始运动类型的运动类型热度；

[0028] 当运动类型热度最高的初始运动类型为一个时，将所述运动类型热度最高的初始运动类型作为相应运动数据片段的唯一运动类型；

[0029] 当所述运动类型热度最高的初始运动类型为至少两个时，针对每个运动类型热度最高的初始运动类型，获取对应的有氧类运动识别状态的识别状态热度；

[0030] 根据最高的识别状态热度所对应的初始运动类型，确定相应运动数据片段所对应的唯一运动类型。

[0031] 进一步地，所述基于每个运动数据片段中与相应唯一运动类型对应的有氧类运动识别状态的运动状态描述信息，分别进行识别状态更新处理，得到更新后的有氧类运动识别结果集，所述数据处理服务器用于：

[0032] 对于每个运动数据片段，获取各运动数据片段中与相应唯一运动类型对应的有氧类运动识别状态的运动指标数值；

[0033] 当所述运动指标数值在预设运动指标数值区间内时，保留相对应的有氧类运动识别结果，保留的所述有氧类运动识别结果包括有氧类运动识别状态、以及所述有氧类运动识别状态对应的唯一运动类型；当所述运动指标数值不在所述预设运动指标数值区间内时，将相应的运动数据片段的有氧类运动识别结果置为实时识别结果；

[0034] 基于各运动数据片段各自对应的有氧类运动识别结果，得到更新后的有氧类运动识别结果集。

[0035] 进一步地，所述对所述更新后的有氧类运动识别结果集进行迭代更新处理，得到多个包括有有氧类运动标识的第一候选心衰患者运动数据集，所述数据处理服务器用于：

[0036] 对所述更新后的有氧类运动识别结果集进行迭代更新处理，得到多组的第一心率曲线图数据和第二心率曲线图数据；

[0037] 确定每组第一心率曲线图数据和第二心率曲线图数据之间的心衰患者运动数据集的变化指数；

[0038] 当所述心衰患者运动数据集的变化指数大于或等于第一预设指数时，将相应组的第一心率曲线图数据和第二心率曲线图数据所构成的心衰患者运动数据集作为第一候选心衰患者运动数据集；

[0039] 对于每个第一候选心衰患者运动数据集，根据所述第一候选心衰患者运动数据集中各运动数据片段分别对应的更新后的唯一运动类型，确定出现次数最多的目标有氧运动类型；

[0040] 将所述目标有氧运动类型，作为相对应第一候选心衰患者运动数据集所包括的有氧类运动所属的有氧运动类型；

[0041] 其中，所述根据各所述第一候选心衰患者运动数据集分别所属的有氧运动类型，对属于相同有氧运动类型的第一候选心衰患者运动数据集进行数据整合，得到包括有有氧类运动标识的第一心衰患者运动数据集，包括：

[0042] 确定各所述第一候选心衰患者运动数据集分别所属的有氧运动类型；

[0043] 当在时间先后顺序上相邻的多于一个的第一候选心衰患者运动数据集均属于相同的有氧运动类型时，将所述多于一个的第一候选心衰患者运动数据集进行合并，得到与所述相同的有氧运动类型对应的第一心衰患者运动数据集。

[0044] 进一步地，所述有氧类运动识别结果集中的有氧类运动识别结果包括实时识别结果和延时识别结果，所述对所述更新后的有氧类运动识别结果集进行迭代更新处理，得到多组的第一心率曲线图数据和第二心率曲线图数据，所述数据处理服务器用于：

[0045] 将所述更新后的有氧类运动识别结果集中，处于当次循环中的首个延时识别结果所对应的运动数据片段作为当前组的第一心率曲线图数据；

[0046] 遍历所述当前组的第一心率曲线图数据之后的运动数据片段；当遍历至的当前组对应实时识别结果、且从所述当前组开始的第二预设指数内运动数据片段所对应的有氧类运动识别结果均为实时识别结果时，将所述当前组作为所述当前组的第二心率曲线图数据；将所述当前组的第二心率曲线图数据之后的首个延时识别结果所对应的运动数据片段，作为下一次循环的当前组的第一心率曲线图数据，并返回所述遍历所述当前组的第一心率曲线图数据之后的运动数据片段的步骤继续执行，直至得到多组的第一心率曲线图数据和第二心率曲线图数据；

[0047] 其中，所述当遍历至的当前组对应实时识别结果、且从所述当前组开始的第二预设指数内运动数据片段所对应的有氧类运动识别结果均为实时识别结果时，将所述当前组作为所述当前组的第二心率曲线图数据之前，所述数据处理服务器还用于：

[0048] 当由遍历至的当前组与所述当前组的第一心率曲线图数据所确定的心衰患者运动数据集的变化指数小于第三预设指数时，确定所述当前组对应的有氧类运动识别结果是否为实时识别结果；

[0049] 在所述当前组对应延时识别结果时，将所述当前组作为所述当前组所对应的心衰患者运动数据集中的其中一组；在所述当前组对应实时识别结果、且从所述当前组开始的第二预设指数内的有氧类运动识别结果中包括延时识别结果时，将从所述当前组开始的所述第二预设指数内的首个延时识别结果所对应的运动数据片段，作为遍历的下一个当前组，并返回所述当由遍历至的当前组与所述当前组的第一心率曲线图数据所确定的心衰患者运动数据集的变化指数小于第三预设指数时，确定所述当前组对应的有氧类运动识别结果是否为实时识别结果的步骤继续执行；

[0050] 其中，所述将所述更新后的有氧类运动识别结果集中，处于当次循环中的首个延时识别结果所对应的运动数据片段作为当前组的第一心率曲线图数据，包括：

[0051] 确定所述更新后的有氧类运动识别结果集中，处于当次循环中的首个延时识别结果所对应的目标运动数据片段；

[0052] 当所述目标运动数据片段的后一组所对应的有氧类运动识别结果为实时识别结果时，将所述目标运动数据片段对应的有氧类运动识别结果置为实时识别结果；

[0053] 当所述目标运动数据片段的后一组所对应的有氧类运动识别结果为延时识别结果时，将所述目标运动数据片段作为当前组的第一心率曲线图数据。

[0054] 本申请提供了一种基于心衰运动康复的数据处理方法，所述方法包括：

[0055] 获取待进行校正的目标心衰患者运动数据；对所述目标心衰患者运动数据中的多个运动数据片段分别进行有氧类运动识别和无氧类运动识别，得到有氧类运动识别结果集和无氧类运动识别结果集；

[0056] 通过第一预设心率数据识别策略对所述有氧类运动识别结果集进行第一心率数据识别处理，得到包括有有氧类运动标识的第一心衰患者运动数据集；通过第二预设心率数据识别策略对所述无氧类运动识别结果集进行第二心率数据识别处理，得到包括有无氧类运动标识的第二心衰患者运动数据集；

[0057] 基于所述第一心衰患者运动数据集和所述第二心衰患者运动数据集进行全局分析处理，得到所述目标心衰患者运动数据中与目标运动相匹配的参考运动数据集；所述目标运动包括有氧类运动和无氧类运动中的至少一种，所述参考运动数据集用于对所述目标心衰患者运动数据进行校正。

[0058] 本申请提供了一种数据处理服务器，包括互相之间通信的处理器和存储器，所述处理器用于从所述存储器中调取计算机程序，并通过运行所述计算机程序实现上述所述的方法。

[0059] 本申请的实施例提供的技术方案可以包括以下有益效果：获取待进行校正的目标心衰患者运动数据，对目标心衰患者运动数据中的多个运动数据片段分别进行有氧类运动识别和无氧类运动识别，从而尽可能确保有氧类运动识别结果集和无氧类运动识别结果集的完整性和区分度，这样有效的扩大了数据集的种类，为后续的数据校正提供充足的分析依据。此外，可以对第一心率数据以及第二心率数据识别处理，得到第一心衰患者运动数据集以及第二心衰患者运动数据集，然后基于第一心衰患者运动数据集和第二心衰患者运动数据集进行全局分析处理，得到目标运动相匹配的参考运动数据集。其中，参考运动数据集用于对目标心衰患者运动数据进行校正。

[0060] 通过上述方法能精确地分析相关运动数据的类型(例如将相关运动数据划分为有氧运动和无氧运动)，进而确定每种运动类型对应的运动数据产生的误差，这样通过多维度的方式对误差进行精准地校正，能尽可能确保相关运动数据与真实运动情况的高度匹配，提高运动数据的拟真度，尽可能还原运动数据。

[0061] 应当理解的是，以上的一般描述和后文的细节描述仅是示例性的，并不能限制本申请。

附图说明

[0062] 此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本申请的实施例，并于说明书一起用于解释本申请的原理。

[0063] 图1为本申请实施例所提供的基于心衰运动康复的数据处理系统的架构示意图；

[0064] 图2为本申请实施例所提供的基于心衰运动康复的数据处理方法的流程图；

[0065] 图3为本申请实施例所提供的基于心衰运动康复的数据处理装置的功能模块框图。

具体实施方式

[0066] 这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。

[0067] 为了便于对上述的基于心衰运动康复的数据处理方法及装置进行阐述，请结合参考图1，提供了本申请实施例所公开的基于心衰运动康复的数据处理系统100的通信架构示意图。其中，所述基于心衰运动康复的数据处理系统100可以包括运动数据采集端200以及数据处理服务器300，所述运动数据采集端200与所述数据处理服务器300通信连接。

[0068] 在具体的实施方式中，数据处理服务器300可以是台式电脑、平板电脑、笔记本电脑、手机或者其他能够实现数据处理以及数据通信的数据处理服务器，在此不作过多限定。

[0069] 在上述基础上，请结合参阅图2，为本申请实施例所提供的基于心衰运动康复的数据处理方法的流程示意图，所述基于心衰运动康复的数据处理方法可以应用于图1中的数据处理服务器300，进一步地，所述基于心衰运动康复的数据处理方法具体可以包括以下步骤S21‑步骤S23所描述的内容。

[0070] 步骤S21，获取待进行校正的目标心衰患者运动数据；对所述目标心衰患者运动数据中的多个运动数据片段分别进行有氧类运动识别和无氧类运动识别，得到有氧类运动识别结果集和无氧类运动识别结果集。

[0071] 在本实施例中，对目标心衰患者运动数据进行拆分，得到多个数据片段进行分析，这样能对精确数据进行分类。

[0072] 在所述对所述目标心衰患者运动数据中的多个运动数据片段分别进行有氧类运动识别和无氧类运动识别时，存在数据识别不精确的问题，从而难以精确的得到有氧类运动识别结果集和无氧类运动识别结果集，为了改善上述技术问题，步骤S21所描述的所述对所述目标心衰患者运动数据中的多个运动数据片段分别进行有氧类运动识别和无氧类运动识别，得到有氧类运动识别结果集和无氧类运动识别结果集的步骤，具体可以包括以下步骤S211‑步骤S213所描述的内容。

[0073] 步骤S211，对所述目标心衰患者运动数据中的多个运动数据片段分别进行有氧类运动识别，得到各个运动数据片段中的有氧类运动识别状态、以及各有氧类运动识别状态所对应的初始运动类型。

[0074] 示例性的，所述初始运动类型用于表征心衰患者实时运动类型。

[0075] 步骤S212，基于各运动数据片段中的有氧类运动识别状态和相应的初始运动类型，确定有氧类运动识别结果集。

[0076] 示例性的，将相同运动数据组合到一个数据集中，这样便于相关运动数据的查询，因此有效地降低了查询的工作量。

[0077] 步骤S213，对所述目标心衰患者运动数据中的多个运动数据片段分别进行无氧类运动识别，得到无氧类运动识别结果集。

[0078] 示例性的，在所述对所述目标心衰患者运动数据中的多个运动数据片段分别进行无氧类运动识别时，存在片段识别错误的技术问题，从而难以可靠地得到无氧类运动识别结果集，为了改善上述技术问题，步骤S213所描述的所述对所述目标心衰患者运动数据中的多个运动数据片段分别进行无氧类运动识别，得到无氧类运动识别结果集的步骤，具体可以包括以下步骤a1‑步骤a4所描述的内容。

[0079] 步骤a1，对所述目标运动数据片段中的多个运动数据片段分别进行自由重量训练识别，得到各运动数据片段分别对应的自由重量训练识别结果。

[0080] 示例性的，所述自由重量训练识别用于识别在训练时，需要分出一部分力来控制平衡的，就是自由重量训练，而只要发力，无需控制平衡的就是器械训练了，举例说，患者在卧推架上卧推(患者在上推是需要靠三头和小臂控制平衡以防杠铃晃动)和在史密斯机上推(患者只需发力而不需考虑其他)，就是两者的区别。

[0081] 步骤a2，对所述目标运动数据片段中的多个运动数据片段分别进行固定器械训练识别，得到各运动数据片段分别对应的固定器械训练识别结果。

[0082] 示例性的，所述固定器械训练识别用于识别固定器械已经根据患者设定好了运动轨迹，所执行的动作被限制在一个单一的预定平面内。例如相当于为以后使用杠铃和哑铃铺设基础等，在此不作赘述。

[0083] 步骤a3，将对应于相同心衰患者的自由重量训练识别结果和固定器械训练识别结果进行关联。

[0084] 示例性的，通过自由重量训练识别结果和固定器械训练识别确定与患者的关联度，保证了患者匹配到最佳的运动方式。

[0085] 步骤a4，基于所述目标运动数据片段中与目标自由重量训练识别结果相关联的固定器械训练识别结果进行无氧类运动识别处理，得到无氧类运动识别结果集。

[0086] 示例性的，所述无氧类运动用于表征人体运动时骨骼肌的代谢过程分类衍生而来的，无氧运动的概念也都是根据无氧代谢供能系统为主演变而来，例如无氧运动是指人体肌肉在无氧供能代谢状态下进行的运动。但日常中我们所认为的无氧运动是指肌肉在“缺氧”的状态下高速剧烈的运动。无氧运动大部分是负荷强度高、瞬间性强的运动，所以很难持续长时间，而且疲劳消除的时间也慢。

[0087] 可以理解的，在执行上述步骤a1‑步骤a4所描述的内容时，在所述对所述目标心衰患者运动数据中的多个运动数据片段分别进行无氧类运动识别时，避免了片段识别错误的技术问题，从而能够可靠地得到无氧类运动识别结果集。

[0088] 可以理解的，在执行上述步骤S211‑步骤S213所描述的内容时，在所述对所述目标心衰患者运动数据中的多个运动数据片段分别进行有氧类运动识别和无氧类运动识别时，避免了数据识别不精确的问题，从而能够精确地得到有氧类运动识别结果集和无氧类运动识别结果集。

[0089] 步骤S22，通过第一预设心率数据识别策略对所述有氧类运动识别结果集进行第一心率数据识别处理，得到包括有有氧类运动标识的第一心衰患者运动数据集；通过第二预设心率数据识别策略对所述无氧类运动识别结果集进行第二心率数据识别处理，得到包括有无氧类运动标识的第二心衰患者运动数据集。

[0090] 在本实施例中，所述心率是指正常人安静状态下每分钟心跳的次数，也叫安静心率，一般为60～100次/分，可因年龄、性别或其他生理因素产生个体差异。一般来说，年龄越小，心率越快，老年人心跳比年轻人慢，女性的心率比同龄男性快，这些都是正常的生理现象。安静状态下，成人正常心率为60～100次/分钟，理想心率应为55～70次/分钟(运动员的心率较普通成人偏慢，一般为50次/分钟左右)，通过心率的变化能精确的确定患者运动类型。

[0091] 在所述通过第一预设心率数据识别策略对所述有氧类运动识别结果集进行第一心率数据识别处理时，存在心率数据识别紊乱的问题，从而难以精确地得到包括有有氧类运动标识的第一心衰患者运动数据集，为了改善上述技术问题，步骤S22所描述的所述通过第一预设心率数据识别策略对所述有氧类运动识别结果集进行第一心率数据识别处理，得到包括有有氧类运动标识的第一心衰患者运动数据集的步骤，具体可以包括以下步骤S221‑步骤S224所描述的内容。

[0092] 步骤S221，对所述有氧类运动识别结果集中的每个运动数据片段分别进行运动类型筛选，得到每个运动数据片段各自对应的唯一运动类型。

[0093] 示例性的，通过所述每个运动数据片段，来确定唯一运动类型，这样有效地提高了唯一运动类型的准确度。

[0094] 在所述对所述有氧类运动识别结果集中的每个运动数据片段分别进行运动类型筛选时，存在筛选不精确的技术问题，从而难以精确地得到每个运动数据片段各自对应的唯一运动类型，为了改善上述技术问题，步骤S221所描述的述对所述有氧类运动识别结果集中的每个运动数据片段分别进行运动类型筛选，得到每个运动数据片段各自对应的唯一运动类型的步骤，具体可以包括以下步骤q1‑步骤q4所描述的内容。

[0095] 步骤q1，针对所述有氧类运动识别结果集中的每个运动数据片段，当运动数据片段的初始运动类型的个数为至少两个时，获取每个初始运动类型的运动类型热度。

[0096] 示例性的，所述初始运动类型的运动类型热度用于表征每个初始运动类型出现的概率值。(例如：初始运动类型包括：有氧运动和无氧运动，其中，有氧运动包括：走路、慢跑、跑步、骑自行车、上下台阶、掷球、门球、柔力球、爬山、游泳、划船、滑冰、旱冰、滑雪、篮球、排球、足球、羽毛球、乒乓球和网球等等，无氧运动包括：短距离赛跑、举重、投掷、跳高、拔河、肌力训练等。)

[0097] 步骤q2，当运动类型热度最高的初始运动类型为一个时，将所述运动类型热度最高的初始运动类型作为相应运动数据片段的唯一运动类型。

[0098] 步骤q3，当所述运动类型热度最高的初始运动类型为至少两个时，针对每个运动类型热度最高的初始运动类型，获取对应的有氧类运动识别状态的识别状态热度。

[0099] 步骤q4，根据最高的识别状态热度所对应的初始运动类型，确定相应运动数据片段所对应的唯一运动类型。

[0100] 可以理解的，在执行上述步骤q1‑步骤q4所描述的内容时，在所述对所述有氧类运动识别结果集中的每个运动数据片段分别进行运动类型筛选时，避免了筛选不精确的技术问题，从而能够精确地得到每个运动数据片段各自对应的唯一运动类型。

[0101] 步骤S222，基于每个运动数据片段中与相应唯一运动类型对应的有氧类运动识别状态的运动状态描述信息，分别进行识别状态更新处理，得到更新后的有氧类运动识别结果集。

[0102] 示例性的，所述运动状态描述信息用于表征静力学是对处于静止状态或者匀速直线运动状态的物体进行受力分析，研究的对象一般情况下所受合外力为零；动力学是对物体运动状态与所受的力之间的关系的研究，主要涉及两类物体：已知物体的运动状态求物体的受力情况；已知物体的受力情况求物体的运动状态。

[0103] 在所述基于每个运动数据片段中与相应唯一运动类型对应的有氧类运动识别状态的运动状态描述信息时，存在描述不精确的技术问题，在分别进行识别状态更新处理，难以精确的得到更新后的有氧类运动识别结果集，为了改善上述技术问题，步骤S222所描述的所述基于每个运动数据片段中与相应唯一运动类型对应的有氧类运动识别状态的运动状态描述信息，分别进行识别状态更新处理，得到更新后的有氧类运动识别结果集的步骤，具体可以包括以下步骤e1‑步骤e3所描述的内容。

[0104] 步骤e1，对于每个运动数据片段，获取各运动数据片段中与相应唯一运动类型对应的有氧类运动识别状态的运动指标数值。

[0105] 示例性的，所述运动指标数值用于表征血红蛋白浓度指单位体积(L)血液内所含血红蛋白的量。血红蛋白又称血色素，为一种含色素的结合蛋白质，是红细胞主要成分，能与氧结合，运输氧和二氧化碳。可以反映出患者运动状况。

[0106] 步骤e2，当所述运动指标数值在预设运动指标数值区间内时，保留相对应的有氧类运动识别结果，保留的所述有氧类运动识别结果包括有氧类运动识别状态、以及所述有氧类运动识别状态对应的唯一运动类型；当所述运动指标数值不在所述预设运动指标数值区间内时，将相应的运动数据片段的有氧类运动识别结果置为实时识别结果。

[0107] 步骤e3，基于各运动数据片段各自对应的有氧类运动识别结果，得到更新后的有氧类运动识别结果集。

[0108] 可以理解的，在执行上述步骤e1‑步骤e3所描述的内容时，在所述基于每个运动数据片段中与相应唯一运动类型对应的有氧类运动识别状态的运动状态描述信息时，避免了描述不精确的技术问题，在分别进行识别状态更新处理，能够精确地得到更新后的有氧类运动识别结果集。

[0109] 步骤S223，对所述更新后的有氧类运动识别结果集进行迭代更新处理，得到多个包括有有氧类运动标识的第一候选心衰患者运动数据集。

[0110] 示例性的，所述候选心衰患者运动数据集用于表征需要待匹配运动类型的患者。

[0111] 在所述对所述更新后的有氧类运动识别结果集进行迭代更新处理时，存在迭代混乱的问题，从而难以可靠地得到多个包括有有氧类运动标识的第一候选心衰患者运动数据集，为了改善上述技术问题，步骤S223所描述的所述对所述更新后的有氧类运动识别结果集进行迭代更新处理，得到多个包括有有氧类运动标识的第一候选心衰患者运动数据集的步骤，具体可以包括以下步骤l1‑步骤l5所描述的内容，

[0112] 步骤l1，对所述更新后的有氧类运动识别结果集进行迭代更新处理，得到多组的第一心率曲线图数据和第二心率曲线图数据。

[0113] 示例性的，所述心率曲线图数据用于表征心脏跳动情况。

[0114] 在所述有氧类运动识别结果集中的有氧类运动识别结果包括实时识别结果和延时识别结果，所述对所述更新后的有氧类运动识别结果集进行迭代更新处理时，存在心率曲线图绘制错误的问题，从而难以准确地得到多组的第一心率曲线图数据和第二心率曲线图数据，为了改善上述技术问题，步骤l1所描述的所述有氧类运动识别结果集中的有氧类运动识别结果包括实时识别结果和延时识别结果，所述对所述更新后的有氧类运动识别结果集进行迭代更新处理，得到多组的第一心率曲线图数据和第二心率曲线图数据的步骤，具体可以包括以下步骤n1和步骤n2所描述的内容。

[0115] 步骤n1，将所述更新后的有氧类运动识别结果集中，处于当次循环中的首个延时识别结果所对应的运动数据片段作为当前组的第一心率曲线图数据。

[0116] 示例性的，所述首个延时识别结果用于表征在循环过程中的数据出现断层的位置。

[0117] 步骤n2，遍历所述当前组的第一心率曲线图数据之后的运动数据片段；当遍历至的当前组对应实时识别结果、且从所述当前组开始的第二预设指数内运动数据片段所对应的有氧类运动识别结果均为实时识别结果时，将所述当前组作为所述当前组的第二心率曲线图数据；将所述当前组的第二心率曲线图数据之后的首个延时识别结果所对应的运动数据片段，作为下一次循环的当前组的第一心率曲线图数据，并返回所述遍历所述当前组的第一心率曲线图数据之后的运动数据片段的步骤继续执行，直至得到多组的第一心率曲线图数据和第二心率曲线图数据。

[0118] 示例性的，通过上述方法，得到多组的第一心率曲线图数据和第二心率曲线图数据，是为了增加样本数据，这样对多组数据进行监测有效地避免了由于设备问题导致的数据不精确的情况发生，提高了数据的精确度。可以理解的，在执行上述步骤n1和步骤n2所描述的内容时，在所述有氧类运动识别结果集中的有氧类运动识别结果包括实时识别结果和延时识别结果，所述对所述更新后的有氧类运动识别结果集进行迭代更新处理时，避免了心率曲线图绘制错误的问题，从而能够准确的得到多组的第一心率曲线图数据和第二心率曲线图数据。

[0119] 步骤l2，确定每组第一心率曲线图数据和第二心率曲线图数据之间的心衰患者运动数据集的变化指数。

[0120] 示例性的，通过第一心率曲线图数据和第二心率曲线图数据进行变化的方式有效的得到精确的变化指数，这样提高了指数的准确性。

[0121] 步骤l3，当所述心衰患者运动数据集的变化指数大于或等于第一预设指数时，将相应组的第一心率曲线图数据和第二心率曲线图数据所构成的心衰患者运动数据集作为第一候选心衰患者运动数据集。

[0122] 步骤l4，对于每个第一候选心衰患者运动数据集，根据所述第一候选心衰患者运动数据集中各运动数据片段分别对应的更新后的唯一运动类型，确定出现次数最多的目标有氧运动类型。

[0123] 示例性的，出现次数最多的目标有氧运动类型用于体目标有氧运动类型热度。

[0124] 步骤l5，将所述目标有氧运动类型，作为相对应第一候选心衰患者运动数据集所包括的有氧类运动所属的有氧运动类型。

[0125] 可以理解的，在执行上述步骤l1‑步骤l5所描述的内容时，在所述对所述更新后的有氧类运动识别结果集进行迭代更新处理时，避免了迭代混乱的问题，从而能够可靠地得到多个包括有有氧类运动标识的第一候选心衰患者运动数据集。

[0126] 步骤S224，根据各所述第一候选心衰患者运动数据集分别所属的有氧运动类型，对属于相同有氧运动类型的第一候选心衰患者运动数据集进行数据整合，得到包括有有氧类运动标识的第一心衰患者运动数据集。

[0127] 示例性的，在所述根据各所述第一候选心衰患者运动数据集分别所属的有氧运动类型，对属于相同有氧运动类型的第一候选心衰患者运动数据集进行数据整合时，存在数据整合不规则的问题，从而难以精准地得到包括有有氧类运动标识的第一心衰患者运动数据集，为了改善上述技术问题，步骤S224所描述的所述根据各所述第一候选心衰患者运动数据集分别所属的有氧运动类型，对属于相同有氧运动类型的第一候选心衰患者运动数据集进行数据整合，得到包括有有氧类运动标识的第一心衰患者运动数据集的步骤，具体可以包括以下步骤h1和步骤h2所描述的内容。

[0128] 步骤h1，确定各所述第一候选心衰患者运动数据集分别所属的有氧运动类型。

[0129] 步骤h2，当在时间先后顺序上相邻的多于一个的第一候选心衰患者运动数据集均属于相同的有氧运动类型时，将所述多于一个的第一候选心衰患者运动数据集进行合并，得到与所述相同的有氧运动类型对应的第一心衰患者运动数据集。

[0130] 可以理解的，在执行上述步骤h1和步骤h2所描述的内容时，在所述根据各所述第一候选心衰患者运动数据集分别所属的有氧运动类型，对属于相同有氧运动类型的第一候选心衰患者运动数据集进行数据整合时，避免了数据整合不规则的问题，从而能够精准地得到包括有有氧类运动标识的第一心衰患者运动数据集。

[0131] 进一步地，可以理解的，在执行上述步骤S221‑步骤S224所描述的内容时，在所述通过第一预设心率数据识别策略对所述有氧类运动识别结果集进行第一心率数据识别处理时，避免了心率数据识别紊乱的问题，从而能够精确地得到包括有有氧类运动标识的第一心衰患者运动数据集。

[0132] 步骤S23，基于所述第一心衰患者运动数据集和所述第二心衰患者运动数据集进行全局分析处理，得到所述目标心衰患者运动数据中与目标运动相匹配的参考运动数据集；所述目标运动包括有氧类运动和无氧类运动中的至少一种，所述参考运动数据集用于对所述目标心衰患者运动数据进行校正。

[0133] 在本实施例中，目标心衰患者运动数据中与目标运动相匹配的参考运动数据集用于表征运动类型判断的系数，这样就能尽可能的提高氧类运动和无氧类运动类型的判断精准性。

[0134] 可以理解的，在执行上述步骤S21‑步骤S23所描述的内容时，获取待进行校正的目标心衰患者运动数据，对目标心衰患者运动数据中的多个运动数据片段分别进行有氧类运动识别和无氧类运动识别，从而尽可能确保有氧类运动识别结果集和无氧类运动识别结果集的完整性和区分度，这样有效的扩大了数据集的种类，为后续的数据校正提供充足的分析依据。此外，可以对第一心率数据以及第二心率数据识别处理，得到第一心衰患者运动数据集以及第二心衰患者运动数据集，然后基于第一心衰患者运动数据集和第二心衰患者运动数据集进行全局分析处理，得到目标运动相匹配的参考运动数据集。其中，参考运动数据集用于对目标心衰患者运动数据进行校正。

[0135] 通过上述方法能精确地分析相关运动数据的类型(例如将相关运动数据划分为有氧运动和无氧运动)，进而确定每种运动类型对应的运动数据产生的误差，这样通过多维度的方式对误差进行精准地校正，能尽可能确保相关运动数据与真实运动情况的高度匹配，提高运动数据的拟真度，尽可能还原运动数据。

[0136] 基于上述基础，所述当遍历至的当前组对应实时识别结果、且从所述当前组开始的第二预设指数内运动数据片段所对应的有氧类运动识别结果均为实时识别结果时，将所述当前组作为所述当前组的第二心率曲线图数据之前，所述方法还包括以下步骤r1和步骤r2所描述的内容。

[0137] 步骤r1，当由遍历至的当前组与所述当前组的第一心率曲线图数据所确定的心衰患者运动数据集的变化指数小于第三预设指数时，确定所述当前组对应的有氧类运动识别结果是否为实时识别结果。

[0138] 示例性的，所述预设指数用于表征指数，或称统计指数，是分析社会经济现象数量变化的一种重要统计方法。

[0139] 在所述将所述更新后的有氧类运动识别结果集中时，存在更新发生错误的问题，从而使处于当次循环中的首个延时识别结果所对应的运动数据片段不能作为当前组的第一心率曲线图数据，为了改善上述技术问题，步骤r1所述将所述更新后的有氧类运动识别结果集中，处于当次循环中的首个延时识别结果所对应的运动数据片段作为当前组的第一心率曲线图数据的步骤，具体可以包括以下步骤k1‑步骤k3所描述的内容。

[0140] 步骤k1，确定所述更新后的有氧类运动识别结果集中，处于当次循环中的首个延时识别结果所对应的目标运动数据片段。

[0141] 步骤k2，当所述目标运动数据片段的后一组所对应的有氧类运动识别结果为实时识别结果时，将所述目标运动数据片段对应的有氧类运动识别结果置为实时识别结果。

[0142] 步骤k3，当所述目标运动数据片段的后一组所对应的有氧类运动识别结果为延时识别结果时，将所述目标运动数据片段作为当前组的第一心率曲线图数据。

[0143] 可以理解的，在执行上述步骤k1‑步骤k3所描述的内容时，在所述将所述更新后的有氧类运动识别结果集中时，避免了更新发生错误的问题，从而使处于当次循环中的首个延时识别结果所对应的运动数据片段能作为当前组的第一心率曲线图数据。

[0144] 步骤r2，在所述当前组对应延时识别结果时，将所述当前组作为所述当前组所对应的心衰患者运动数据集中的其中一组；在所述当前组对应实时识别结果、且从所述当前组开始的第二预设指数内的有氧类运动识别结果中包括延时识别结果时，将从所述当前组开始的所述第二预设指数内的首个延时识别结果所对应的运动数据片段，作为遍历的下一个当前组，并返回所述当由遍历至的当前组与所述当前组的第一心率曲线图数据所确定的心衰患者运动数据集的变化指数小于第三预设指数时，确定所述当前组对应的有氧类运动识别结果是否为实时识别结果的步骤继续执行。

[0145] 可以理解的，在执行上述步骤r1和步骤r2所描述的内容时，通过三种指标进行分析，这样通过三种指标来进行多方位的质检数据的精度，因此能有效地提高数据的精确性。

[0146] 基于上述基础，所述通过第二预设心率数据识别策略对所述无氧类运动识别结果集进行第二心率数据识别处理，得到包括有无氧类运动标识的第二心衰患者运动数据集的步骤，还可以包括以下步骤G1和步骤G2所描述的内容。

[0147] 步骤G1，对所述无氧类运动识别结果集进行迭代更新处理，得到多个包括有无氧类运动标识的第二候选心衰患者运动数据集。

[0148] 示例性的，不断地对无氧类运动识别结果集进行迭代更新，这样能有效的提高数据的范围，因此能够提取到更多的数据，在识别数据的就能找到更多的样本，从而使提取的数据更加的精确，使后续确定无氧类型更加的精确。(例如：云端数据库不断的接收新的且有效的数据进行储存，这样提高样本数据种类，从而在提取数据的时候能找到更加匹配的数据，这样有效的降低了数据不匹配的问题。)

[0149] 步骤G2，根据各所述第二候选心衰患者运动数据集所对应的无氧类型，对属于相同无氧类型的第二候选心衰患者运动数据集进行数据整合，得到包括有无氧类运动标识的第二心衰患者运动数据集。

[0150] 可以理解的，在执行上述步骤G1和步骤G2所描述的内容时，在通过第二预设心率数据识别策略对所述无氧类运动识别结果集进行第二心率数据识别处理时，避免了数据识别不可靠的问题，从而能够可靠地得到包括有无氧类运动标识的第二心衰患者运动数据集。

[0151] 在另一种可替换的实施例中，所述基于所述第一心衰患者运动数据集和所述第二心衰患者运动数据集进行全局分析处理，得到所述目标心衰患者运动数据中与目标运动相匹配的参考运动数据集的步骤，还可以包括以下步骤M1‑步骤M3所描述的内容。

[0152] 步骤M1，当所述第二心衰患者运动数据集完全处于所述第一心衰患者运动数据集内时，或者，所述第一心衰患者运动数据集完全处于所述第二心衰患者运动数据集内时，过滤掉所述第二心衰患者运动数据集并保留所述第一心衰患者运动数据集，得到与有氧类运动相匹配的参考运动数据集。

[0153] 示例性的，当所述第二心衰患者运动数据集完全处于所述第一心衰患者运动数据集内时，或者，所述第一心衰患者运动数据集完全处于所述第二心衰患者运动数据集内时，将范围大的数据集进行删除，这样就能有效地减少数据处理的范围，降低处理器的工作负担，这样有效的提高了工作效率。

[0154] 步骤M2，当所述第一心衰患者运动数据集中的在后运动数据片段，与所述第二心衰患者运动数据集中的在前运动数据片段发生重叠时，保留所述第一心衰患者运动数据集作为与有氧类运动相匹配的参考运动数据集，并将所述第一心衰患者运动数据集中的第二心率曲线图数据作为所述第二心衰患者运动数据集的第一心率曲线图数据，得到更新后的第二心衰患者运动数据集，将所述更新后的第二心衰患者运动数据集作为与无氧类运动相匹配的参考运动数据集。

[0155] 步骤M3，当所述第二心衰患者运动数据集中的在后运动数据片段，与所述第一心衰患者运动数据集中的在前运动数据片段发生重叠时，保留所述第一心衰患者运动数据集作为与有氧类运动相匹配的参考运动数据集，并将所述第一心衰患者运动数据集中的第一心率曲线图数据作为所述第二心衰患者运动数据集的第二心率曲线图数据，得到更新后的第二心衰患者运动数据集，将更新后的第二心衰患者运动数据集作为与无氧类运动相匹配的参考运动数据集。

[0156] 可以理解的，在执行上述步骤M1‑步骤M3所描述的内容时，在所述基于所述第一心衰患者运动数据集和所述第二心衰患者运动数据集进行全局分析处理时，避免了数据分析不精确的问题，通过对数据集的不断更新处理的方式，这样能对数据进行精确的分析，从而能够精确地得到所述目标心衰患者运动数据中与目标运动相匹配的参考运动数据集。

[0157] 在另一种可替换的实施例中，所述方法还包括以下步骤S41‑步骤S44所包括的内容。

[0158] 步骤S41，确定波动凹点和波动凸点。

[0159] 示例性的，所述波动凹点用于表征曲线在一个振幅中的最低点，所述波动凸点用于表征曲线在一个振幅中的最高点。所述波动凹点和所述波动凸点具备从前端波动设备获取相邻两个凹点和凸点振动幅度的计算。

[0160] 步骤S42，控制所述波动凹点作为波动数据起始点从前端波动设备处获取一个振动幅度周期。

[0161] 步骤S42，控制所述波动凸点作为波动数据终点从所述前端波动设备处获取间隔时间内的最新一个振动幅度周期，并将所述间隔时间内的最新一个振动幅度周期保存在所述波动凸点的缓存列表中，所述间隔时间为检测所述波动凹点发生位置并将所述波动凹点的波动任务跳动到所述波动凸点上所用的时间。

[0162] 示例性的，随机选取一个振幅周期作为参考数据，确定一个振幅周期的时间，这样能将曲线一段一段的进行分解，这样能避免曲线杂乱的情况，从而导致数据分心不清楚。

[0163] 步骤S44，若检测到所述波动凹点发生位置，控制所述波动凸点接续所述波动凹点的波动任务，所述波动任务包括从前端波动设备处获取的一个振动幅度周期的作为单位波动范围和将波动凸点的缓存列表中的一个振动幅度周期保存到云存储中的样本波动列表。

[0164] 可以理解的，在执行上述步骤S41‑步骤S44所包括的内容时，通过对曲线的凹值和相邻的峰值作为数据的分析基础的方式，有效的将复杂的数据简单化处理，这样降低了服务器的工作量的问题，因此能有效地提高服务器流畅性，使服务器运算的更加快捷。

[0165] 基于同样的发明构思，还提供了基于心衰运动康复的数据处理系统，所述系统包括运动数据采集端和数据处理服务器，所述运动数据采集端与所述数据处理服务器通信连接，数据处理服务器具体用于：

[0166] 获取待进行校正的目标心衰患者运动数据；对所述目标心衰患者运动数据中的多个运动数据片段分别进行有氧类运动识别和无氧类运动识别，得到有氧类运动识别结果集和无氧类运动识别结果集；

[0167] 通过第一预设心率数据识别策略对所述有氧类运动识别结果集进行第一心率数据识别处理，得到包括有有氧类运动标识的第一心衰患者运动数据集；通过第二预设心率数据识别策略对所述无氧类运动识别结果集进行第二心率数据识别处理，得到包括有无氧类运动标识的第二心衰患者运动数据集；

[0168] 基于所述第一心衰患者运动数据集和所述第二心衰患者运动数据集进行全局分析处理，得到所述目标心衰患者运动数据中与目标运动相匹配的参考运动数据集；所述目标运动包括有氧类运动和无氧类运动中的至少一种，所述参考运动数据集用于对所述目标心衰患者运动数据进行校正。

[0169] 进一步的，数据处理服务器具体用于：

[0170] 对所述目标心衰患者运动数据中的多个运动数据片段分别进行有氧类运动识别，得到各个运动数据片段中的有氧类运动识别状态、以及各有氧类运动识别状态所对应的初始运动类型；

[0171] 基于各运动数据片段中的有氧类运动识别状态和相应的初始运动类型，确定有氧类运动识别结果集；

[0172] 对所述目标心衰患者运动数据中的多个运动数据片段分别进行无氧类运动识别，得到无氧类运动识别结果集。

[0173] 进一步的，数据处理服务器具体用于：

[0174] 对所述目标运动数据片段中的多个运动数据片段分别进行自由重量训练识别，得到各运动数据片段分别对应的自由重量训练识别结果；

[0175] 对所述目标运动数据片段中的多个运动数据片段分别进行固定器械训练识别，得到各运动数据片段分别对应的固定器械训练识别结果；

[0176] 将对应于相同心衰患者的自由重量训练识别结果和固定器械训练识别结果进行关联；

[0177] 基于所述目标运动数据片段中与目标自由重量训练识别结果相关联的固定器械训练识别结果进行无氧类运动识别处理，得到无氧类运动识别结果集。

[0178] 进一步的，数据处理服务器具体用于：

[0179] 对所述有氧类运动识别结果集中的每个运动数据片段分别进行运动类型筛选，得到每个运动数据片段各自对应的唯一运动类型；

[0180] 基于每个运动数据片段中与相应唯一运动类型对应的有氧类运动识别状态的运动状态描述信息，分别进行识别状态更新处理，得到更新后的有氧类运动识别结果集；

[0181] 对所述更新后的有氧类运动识别结果集进行迭代更新处理，得到多个包括有有氧类运动标识的第一候选心衰患者运动数据集；

[0182] 根据各所述第一候选心衰患者运动数据集分别所属的有氧运动类型，对属于相同有氧运动类型的第一候选心衰患者运动数据集进行数据整合，得到包括有有氧类运动标识的第一心衰患者运动数据集。

[0183] 进一步的，数据处理服务器具体用于：

[0184] 针对所述有氧类运动识别结果集中的每个运动数据片段，当运动数据片段的初始运动类型的个数为至少两个时，获取每个初始运动类型的运动类型热度；

[0185] 当运动类型热度最高的初始运动类型为一个时，将所述运动类型热度最高的初始运动类型作为相应运动数据片段的唯一运动类型；

[0186] 当所述运动类型热度最高的初始运动类型为至少两个时，针对每个运动类型热度最高的初始运动类型，获取对应的有氧类运动识别状态的识别状态热度；

[0187] 根据最高的识别状态热度所对应的初始运动类型，确定相应运动数据片段所对应的唯一运动类型。

[0188] 进一步的，数据处理服务器具体用于：

[0189] 对于每个运动数据片段，获取各运动数据片段中与相应唯一运动类型对应的有氧类运动识别状态的运动指标数值；

[0190] 当所述运动指标数值在预设运动指标数值区间内时，保留相对应的有氧类运动识别结果，保留的所述有氧类运动识别结果包括有氧类运动识别状态、以及所述有氧类运动识别状态对应的唯一运动类型；当所述运动指标数值不在所述预设运动指标数值区间内时，将相应的运动数据片段的有氧类运动识别结果置为实时识别结果；

[0191] 基于各运动数据片段各自对应的有氧类运动识别结果，得到更新后的有氧类运动识别结果集。

[0192] 进一步的，数据处理服务器具体用于：

[0193] 对所述更新后的有氧类运动识别结果集进行迭代更新处理，得到多组的第一心率曲线图数据和第二心率曲线图数据；

[0194] 确定每组第一心率曲线图数据和第二心率曲线图数据之间的心衰患者运动数据集的变化指数；

[0195] 当所述心衰患者运动数据集的变化指数大于或等于第一预设指数时，将相应组的第一心率曲线图数据和第二心率曲线图数据所构成的心衰患者运动数据集作为第一候选心衰患者运动数据集；

[0196] 对于每个第一候选心衰患者运动数据集，根据所述第一候选心衰患者运动数据集中各运动数据片段分别对应的更新后的唯一运动类型，确定出现次数最多的目标有氧运动类型；

[0197] 将所述目标有氧运动类型，作为相对应第一候选心衰患者运动数据集所包括的有氧类运动所属的有氧运动类型；

[0198] 其中，所述根据各所述第一候选心衰患者运动数据集分别所属的有氧运动类型，对属于相同有氧运动类型的第一候选心衰患者运动数据集进行数据整合，得到包括有有氧类运动标识的第一心衰患者运动数据集，包括：

[0199] 确定各所述第一候选心衰患者运动数据集分别所属的有氧运动类型；

[0200] 当在时间先后顺序上相邻的多于一个的第一候选心衰患者运动数据集均属于相同的有氧运动类型时，将所述多于一个的第一候选心衰患者运动数据集进行合并，得到与所述相同的有氧运动类型对应的第一心衰患者运动数据集。

[0201] 进一步的，数据处理服务器具体用于：

[0202] 将所述更新后的有氧类运动识别结果集中，处于当次循环中的首个延时识别结果所对应的运动数据片段作为当前组的第一心率曲线图数据；

[0203] 遍历所述当前组的第一心率曲线图数据之后的运动数据片段；当遍历至的当前组对应实时识别结果、且从所述当前组开始的第二预设指数内运动数据片段所对应的有氧类运动识别结果均为实时识别结果时，将所述当前组作为所述当前组的第二心率曲线图数据；将所述当前组的第二心率曲线图数据之后的首个延时识别结果所对应的运动数据片段，作为下一次循环的当前组的第一心率曲线图数据，并返回所述遍历所述当前组的第一心率曲线图数据之后的运动数据片段的步骤继续执行，直至得到多组的第一心率曲线图数据和第二心率曲线图数据。

[0204] 进一步的，数据处理服务器具体用于：

[0205] 当由遍历至的当前组与所述当前组的第一心率曲线图数据所确定的心衰患者运动数据集的变化指数小于第三预设指数时，确定所述当前组对应的有氧类运动识别结果是否为实时识别结果；

[0206] 在所述当前组对应延时识别结果时，将所述当前组作为所述当前组所对应的心衰患者运动数据集中的其中一组；在所述当前组对应实时识别结果、且从所述当前组开始的第二预设指数内的有氧类运动识别结果中包括延时识别结果时，将从所述当前组开始的所述第二预设指数内的首个延时识别结果所对应的运动数据片段，作为遍历的下一个当前组，并返回所述当由遍历至的当前组与所述当前组的第一心率曲线图数据所确定的心衰患者运动数据集的变化指数小于第三预设指数时，确定所述当前组对应的有氧类运动识别结果是否为实时识别结果的步骤继续执行；

[0207] 其中，所述将所述更新后的有氧类运动识别结果集中，处于当次循环中的首个延时识别结果所对应的运动数据片段作为当前组的第一心率曲线图数据，包括：

[0208] 确定所述更新后的有氧类运动识别结果集中，处于当次循环中的首个延时识别结果所对应的目标运动数据片段；

[0209] 当所述目标运动数据片段的后一组所对应的有氧类运动识别结果为实时识别结果时，将所述目标运动数据片段对应的有氧类运动识别结果置为实时识别结果；

[0210] 当所述目标运动数据片段的后一组所对应的有氧类运动识别结果为延时识别结果时，将所述目标运动数据片段作为当前组的第一心率曲线图数据。

[0211] 基于上述同样的发明构思，请结合参阅图3，还提供了基于心衰运动康复的数据处理装置500的功能模块框图，关于所述基于心衰运动康复的数据处理装置500的详细描述如下。

[0212] 基于心衰运动康复的数据处理装置500，应用于数据处理服务器，所述装置500包括：

[0213] 数据识别模块510，用于获取待进行校正的目标心衰患者运动数据；对所述目标心衰患者运动数据中的多个运动数据片段分别进行有氧类运动识别和无氧类运动识别，得到有氧类运动识别结果集和无氧类运动识别结果集；

[0214] 识别结果处理模块520，用于通过第一预设心率数据识别策略对所述有氧类运动识别结果集进行第一心率数据识别处理，得到包括有有氧类运动标识的第一心衰患者运动数据集；通过第二预设心率数据识别策略对所述无氧类运动识别结果集进行第二心率数据识别处理，得到包括有无氧类运动标识的第二心衰患者运动数据集；

[0215] 数据校正模块530，用于基于所述第一心衰患者运动数据集和所述第二心衰患者运动数据集进行全局分析处理，得到所述目标心衰患者运动数据中与目标运动相匹配的参考运动数据集；所述目标运动包括有氧类运动和无氧类运动中的至少一种，所述参考运动数据集用于对所述目标心衰患者运动数据进行校正。

[0216] 本申请提供了一种数据处理服务器，包括互相之间通信的处理器和存储器，所述处理器用于从所述存储器中调取计算机程序，并通过运行所述计算机程序实现上述的方法。

[0217] 综上，在应用上述方案时，获取待进行校正的目标心衰患者运动数据，对目标心衰患者运动数据中的多个运动数据片段分别进行有氧类运动识别和无氧类运动识别，从而尽可能确保有氧类运动识别结果集和无氧类运动识别结果集的完整性和区分度，这样有效的扩大了数据集的种类，为后续的数据校正提供充足的分析依据。此外，可以对第一心率数据以及第二心率数据识别处理，得到第一心衰患者运动数据集以及第二心衰患者运动数据集，然后基于第一心衰患者运动数据集和第二心衰患者运动数据集进行全局分析处理，得到目标运动相匹配的参考运动数据集。其中，参考运动数据集用于对目标心衰患者运动数据进行校正。

[0218] 通过上述方法能精确地分析相关运动数据的类型(例如将相关运动数据划分为有氧运动和无氧运动)，进而确定每种运动类型对应的运动数据产生的误差，这样通过多维度的方式对误差进行精准地校正，能尽可能确保相关运动数据与真实运动情况的高度匹配，提高运动数据的拟真度，尽可能还原运动数据。

[0219] 应当理解的是，本申请并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围执行各种修改和改变。本申请的范围仅由所附的权利要求来限制。