本发明属于智能运动控制技术领域，公开了一种智能体育体能综合训练控制系统，智能体育体能综合训练控制系统包括：信息采集模块、体质分析模块、运动计划制定模块、生理监测模块、图像采集模块、中央控制模块、图像处理模块、运动监测模块、引导模块、问题分析模块、报警模块以及更新模块。本发明能够基于采集的信息进行用户的体质分析，并基于体质分析结果指定个性化的运动计划，同时不仅提供标准引导视频，还能够对运动图像进行分析，判断用户运动是否标准，并基于用户运动训练中出现的问题及时的调整更新运动计划，不仅能够更科学、更全面的控制训练，而且训练效果好。
1.一种智能体育体能综合训练控制系统，其特征在于，所述智能体育体能综合训练控制系统包括：信息采集模块、体质分析模块、运动计划制定模块、生理监测模块、图像采集模块、中央控制模块、图像处理模块、运动监测模块、引导模块、问题分析模块、报警模块以及更新模块；
信息采集模块，与中央控制模块连接，用于采集用户的身高、体重、体脂率及其他相关信息；
体质分析模块，与中央控制模块连接，用于基于采集的用户的相应信息进行用户的体质分析；
运动计划制定模块，与中央控制模块连接，用于基于用户体质分析结果制定用户的运动计划；
图像采集模块，与中央控制模块连接，用于采集用户训练时的相关图像数据；
图像处理模块，与中央控制模块连接，用于对采集的用户的相关图像进行处理；
所述图像处理模块对采集的用户的相关图像进行处理包括：对采集的用户图像进行去噪、特征抽取、图像分割、图像匹配识别达到的用户运动图像；
将待处理图像灰度值范围为[0，m‑1]，设灰度值为i的像素个数为ni初始最大方差为0；
确定每个灰度值i，属于[0，m‑1]，在图像中所占概率为：假设当前i为x，把i作为阈值T，小于T灰度作为一部分A，大于T的灰度作为一部分B，然后确定A和B之间的方差为：u＝w0×u0+w1×u1；
其中，前景点数占图像比例为w0，平均灰度为u0；背景数占图像比例为w1，平均灰度为u1，g为方差；
将获得方差与最大方差比较，若小与最大方差，则最大方差不变，若大与最大方差，则把方差赋给最大方差，并且把i作为二值化的阈值；
运动监测模块，与中央控制模块连接，用于基于处理后的运动图像判断用户的训练是否符合训练计划以及动作是否标准；
问题分析模块，与中央控制模块连接，用于基于运动监测结果确定用户训练中存在的问题；
生理监测模块，与中央控制模块连接，用于利用监测设备监测用户训练过程的心率及其他信息；
中央控制模块，与信息采集模块、体质分析模块、运动计划制定模块、生理监测模块、图像采集模块、图像处理模块、运动监测模块、引导模块、问题分析模块、报警模块以及更新模块连接，用于利用单片机或控制器控制各个模块正常工作；
引导模块，与中央控制模块连接，用于以可视化形式输出标准运动图像引导用户进行训练；
报警模块，与中央控制模块连接，用于当监测的用户心率超出预设阈值或用户未完成运动计划以及动作不标准时发出报警；
更新模块，与中央控制模块连接，用于基于用户问题分析结果以及运动监测结果进行运动计划的更新。
2.如权利要求1所述智能体育体能综合训练控制系统，其特征在于，所述用户相应信息包括但不限于：用户的身高、体重、体质、骨密度指数、肌肉含量、内脏脂肪、身体水分总量、肥胖程度、腰臀脂肪分布比率、骨骼肌、人体各围度及其他数据。
3.如权利要求1所述智能体育体能综合训练控制系统，其特征在于，所述基于采集的用户的相应信息进行用户的体质分析包括：获取用户的相应信息；
将获取的用户各项数据与各项数据标准临界值进行对比，基于对比结果确定用户脂肪各类数据是否超标、肌肉含量是否充足，并得到体质分析结果。
4.如权利要求1所述智能体育体能综合训练控制系统，其特征在于，所述基于用户体质分析结果制定用户的运动计划包括：(1)基于用户体质分析结果确定用户运动计划为健康、塑身或运动员；
(2)基于确定的用户运动计划，制定短时间的运动计划，并进行运动状态统计与运动方式反馈；
(3)判断用户在该时间段内是否达到运动目标，若达到，则执行步骤(4)，否则，执行步骤(5)；
(4)按照现有的运动状态做整理，直接制定为期N周的运动计划；
(5)判断现在的运动量与运动目标的运动等级差距，若相差2个运动等级，执行将目标降低一个等级，否则执行步骤(6)；
(6)依据现有的运动状态，按照目标每天的运动消耗以及现阶段每天的消耗比做加权分配，在不影响每天运动状态分布的条件下，将部分运动状态做随机提升，按照此种方式提前制定N周的运动计划；
(7)对完成N周的运动状态做统计，假如已经完成运动目标，则对与原有计划不符的做调整，按照统计结果制定为期更长的运动计划，否则对与原有计划不符的做调整后继续按照步骤(6)的方式制定N周的运动计划。
5.如权利要求1所述智能体育体能综合训练控制系统，其特征在于，所述对运动图像进行去噪处理包括：将接收到的待去噪视频分割成多个去噪视频的画面组GOP，并根据所述去噪视频的GOP的第一质量值确定所述待去噪视频的第二质量值；根据所述待去噪视频的第二质量值确定稀疏表示阈值；将所述稀疏表示阈值和所述待去噪视频的像素值输入训练联合字典，对所述待去噪视频进行稀疏表示去噪。
6.如权利要求1所述智能体育体能综合训练控制系统，其特征在于，所述基于处理后的运动图像判断用户的训练是否符合训练计划以及动作是否标准包括：
1)统计运动计划中设定的各个动作的运动时间与运动图像中各个运动状态的时间进行对比；
2)在给定时间段的基础上：获取某个时间段经过预处理的运动状态，然后对运动状态做差分，按照不同的差分值做次数统计，获得切换频率统计；
3)统计各个运动状态的时间概率密度：每天定时统计运动状态，在每个统计间隔里，将每种运动状态所处的占时比，作为状态概率；
4)基于运动图像判断用户的运动是否标准，达到预设要求；
7.一种信息数据处理终端，其特征在于，所述信息数据处理终端用于实现如权利要求
8.一种计算机可读存储介质，储存有指令，当所述指令在计算机上运行时，使得计算机应用如权利要求1‑6任意一项所述智能体育体能综合训练控制系统。
一种智能体育体能综合训练控制系统
技术领域
[0001] 本发明属于智能运动控制技术领域，尤其涉及一种智能体育体能综合训练控制系统。
背景技术
[0002] 目前：人们生活水平普遍提高了，但是对体育锻炼的忽视使得身体的状况不容乐观。但是，健身要遵循科学的训练方法，使得身体各方面均衡发展是身体健康的基础，如果在训练中只是盲目的重复某一动作不但训练效率很低，而且，时间一长可能会对身体健康产生负面影响。
[0003] 通过上述分析，现有技术存在的问题及缺陷为：现在体育训练缺少科学数据的指导，很容易使体育训练进入误区，无法满足运动的需要；同时运动过程无法监测，容易出现运动损伤。
发明内容
[0004] 针对现有技术存在的问题，本发明提供了一种智能体育体能综合训练控制系统。
[0005] 本发明是这样实现的，一种智能体育体能综合训练控制系统，所述智能体育体能综合训练控制系统包括：
[0006] 信息采集模块、体质分析模块、运动计划制定模块、生理监测模块、图像采集模块、中央控制模块、图像处理模块、运动监测模块、引导模块、问题分析模块、报警模块以及更新模块；
[0007] 信息采集模块，与中央控制模块连接，用于采集用户的身高、体重、体脂率及其他相关信息；
[0008] 体质分析模块，与中央控制模块连接，用于基于采集的用户的相应信息进行用户的体质分析；
[0009] 运动计划制定模块，与中央控制模块连接，用于基于用户体质分析结果制定用户的运动计划；
[0010] 图像采集模块，与中央控制模块连接，用于采集用户训练时的相关图像数据；
[0011] 图像处理模块，与中央控制模块连接，用于对采集的用户的相关图像进行处理；
[0012] 所述图像处理模块对采集的用户的相关图像进行处理包括：
[0013] 对采集的用户图像进行去噪、特征抽取、图像分割、图像匹配识别达到的用户运动图像；
[0014] 所述对用户图像进行图像分割包括：
[0015] 将待处理图像灰度值范围为[0，m‑1]，设灰度值为i的像素个数为ni初始最大方差为0；
[0016] 图像中不同灰度值的像素数量相加的总和为：
[0017]
[0018] 确定每个灰度值i，属于[0，m‑1]，在图像中所占概率为：
[0019]
[0020] 假设当前i为x，把i作为阈值T，小于T灰度作为一部分A，大于T的灰度作为一部分B，然后确定A和B之间的方差为：
[0021] u＝w0×u0+w1×u1；
[0022] g＝w0×(u0‑u)2+w1×(u1‑u)2；
[0023] g＝w0×W1×(u0‑u1)2；
[0024]
[0025] 其中，前景点数占图像比例为w0,平均灰度为u0；背景数占图像比例为w1，平均灰度为u1，g为方差；
[0026] 将获得方差与最大方差比较，若小与最大方差,则最大方差不变，若大与最大方差,则把方差赋给最大方差，并且把i作为二值化的阈值；
[0027] 重复上述过程，直至i大于设定的数值；
[0028] 运动监测模块，与中央控制模块连接，用于基于处理后的运动图像判断用户的训练是否符合训练计划以及动作是否标准；
[0029] 问题分析模块，与中央控制模块连接，用于基于运动监测结果确定用户训练中存在的问题。
[0030] 进一步，所述智能体育体能综合训练控制系统还包括：
[0031] 生理监测模块，与中央控制模块连接，用于利用监测设备监测用户训练过程的心率及其他信息；
[0032] 中央控制模块，与信息采集模块、体质分析模块、运动计划制定模块、生理监测模块、图像采集模块、图像处理模块、运动监测模块、引导模块、问题分析模块、报警模块以及更新模块连接，用于利用单片机或控制器控制各个模块正常工作；
[0033] 引导模块，与中央控制模块连接，用于以可视化形式输出标准运动图像引导用户进行训练；
[0034] 报警模块，与中央控制模块连接，用于当监测的用户心率超出预设阈值或用户未完成运动计划以及动作不标准时发出报警；
[0035] 更新模块，与中央控制模块连接，用于基于用户问题分析结果以及运动监测结果进行运动计划的更新。
[0036] 进一步，所述用户相应信息包括但不限于：用户的身高、体重、体质、骨密度指数、肌肉含量、内脏脂肪、身体水分总量、肥胖程度、腰臀脂肪分布比率、骨骼肌、人体各围度及其他数据。
[0037] 进一步，所述基于采集的用户的相应信息进行用户的体质分析包括：
[0038] 获取用户的相应信息；
[0039] 将获取的用户各项数据与各项数据标准临界值进行对比，基于对比结果确定用户脂肪各类数据是否超标、肌肉含量是否充足，并得到体质分析结果。
[0040] 进一步，所述基于用户体质分析结果制定用户的运动计划包括：
[0041] (1)基于用户体质分析结果确定用户运动计划为健康、塑身或运动员；
[0042] (2)基于确定的用户运动计划，制定短时间的运动计划，并进行运动状态统计与运动方式反馈；
[0043] (3)判断用户在该时间段内是否达到运动目标，若达到，则执行步骤(4)，否则，执行步骤(5)；
[0044] (4)按照现有的运动状态做整理，直接制定为期N周的运动计划；
[0045] (5)判断现在的运动量与运动目标的运动等级差距，若相差2个运动等级，执行将目标降低一个等级，否则执行步骤(6)；
[0046] (6)依据现有的运动状态，按照目标每天的运动消耗以及现阶段每天的消耗比做加权分配，在不影响每天运动状态分布的条件下，将部分运动状态做随机提升，按照此种方式提前制定N周的运动计划；
[0047] (7)对完成N周的运动状态做统计，假如已经完成运动目标，则对与原有计划不符的做调整，按照统计结果制定为期更长的运动计划，否则对与原有计划不符的做调整后继续按照步骤(6)的方式制定N周的运动计划。
[0048] 进一步，所述对运动图像进行去噪处理包括：
[0049] 将接收到的待去噪视频分割成多个去噪视频的画面组GOP，并根据所述去噪视频的GOP的第一质量值确定所述待去噪视频的第二质量值；根据所述待去噪视频的第二质量值确定稀疏表示阈值；将所述稀疏表示阈值和所述待去噪视频的像素值输入训练联合字典，对所述待去噪视频进行稀疏表示去噪。
[0050] 进一步，所述基于处理后的运动图像判断用户的训练是否符合训练计划以及动作是否标准包括：
[0051] 1)统计运动计划中设定的各个动作的运动时间与运动图像中各个运动状态的时间进行对比；
[0052] 2)在给定时间段的基础上：获取某个时间段经过预处理的运动状态，然后对运动状态做差分，按照不同的差分值做次数统计，获得切换频率统计；
[0053] 3)统计各个运动状态的时间概率密度：每天定时统计运动状态，在每个统计间隔里，将每种运动状态所处的占时比，作为状态概率；
[0054] 4)基于运动图像判断用户的运动是否标准，达到预设要求；
[0055] 5)基于步骤1)至步骤4)达到判断结果。
[0056] 结合上述的所有技术方案，本发明所具备的优点及积极效果为：本发明能够基于采集的信息进行用户的体质分析，并基于体质分析结果指定个性化的运动计划，同时不仅提供标准引导视频，还能够对运动图像进行分析，判断用户运动是否标准，并基于用户运动训练中出现的问题及时的调整更新运动计划，不仅能够更科学、更全面的控制训练，而且训练效果好。
附图说明
[0057] 为了更清楚地说明本申请实施例的技术方案，下面将对本申请实施例中所需要使用的附图做简单的介绍，显而易见地，下面所描述的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下还可以根据这些附图获得其他的附图。
[0058] 图1是本发明实施例提供的智能体育体能综合训练控制系统结构示意图；
[0059] 图中：1、信息采集模块；2、体质分析模块；3、运动计划制定模块；4、生理监测模块；5、图像采集模块；6、中央控制模块；7、图像处理模块；8、运动监测模块；9、引导模块；10、问题分析模块；11、报警模块；12、更新模块。
[0060] 图2是本发明实施例提供的基于采集的用户的相应信息进行用户的体质分析的方法流程图。
[0061] 图3是本发明实施例提供的基于用户体质分析结果制定用户的运动计划的方法流程图。
[0062] 图4是本发明实施例提供的对运动图像进行去噪处理的方法流程图。
[0063] 图5是本发明实施例提供的基于处理后的运动图像判断用户的训练是否符合训练计划以及动作是否标准的方法流程图。
具体实施方式
[0064] 为了使本发明的目的、技术方案及优点更加清楚明白，以下结合实施例，对本发明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仅用以解释本发明，并不用于限定本发明。
[0065] 针对现有技术存在的问题，本发明提供了一种智能体育体能综合训练控制系统，下面结合附图对本发明作详细的描述。
[0066] 如图1所示，本发明实施例提供的智能体育体能综合训练控制系统包括：
[0067] 信息采集模块1，与中央控制模块6连接，用于采集用户的身高、体重、体脂率及其他相关信息；
[0068] 体质分析模块2，与中央控制模块6连接，用于基于采集的用户的相应信息进行用户的体质分析；
[0069] 运动计划制定模块3，与中央控制模块6连接，用于基于用户体质分析结果制定用户的运动计划；
[0070] 生理监测模块4，与中央控制模块6连接，用于利用监测设备监测用户训练过程的心率及其他信息；
[0071] 图像采集模块5，与中央控制模块6连接，用于采集用户训练时的相关图像数据；
[0072] 中央控制模块6，与信息采集模块1、体质分析模块2、运动计划制定模块3、生理监测模块4、图像采集模块5、图像处理模块7、运动监测模块8、引导模块9、问题分析模块10、报警模块11以及更新模块12连接，用于利用单片机或控制器控制各个模块正常工作；
[0073] 图像处理模块7，与中央控制模块6连接，用于对采集的用户的相关图像进行处理；
[0074] 运动监测模块8，与中央控制模块6连接，用于基于处理后的运动图像判断用户的训练是否符合训练计划以及动作是否标准；
[0075] 引导模块9，与中央控制模块6连接，用于以可视化形式输出标准运动图像引导用户进行训练；
[0076] 问题分析模块10，与中央控制模块6连接，用于基于运动监测结果确定用户训练中存在的问题；
[0077] 报警模块11，与中央控制模块6连接，用于当监测的用户心率超出预设阈值或用户未完成运动计划以及动作不标准时发出报警；
[0078] 更新模块12，与中央控制模块6连接，用于基于用户问题分析结果以及运动监测结果进行运动计划的更新。
[0079] 本发明实施例提供的用户相应信息包括但不限于：用户的身高、体重、体质、骨密度指数、肌肉含量、内脏脂肪、身体水分总量、肥胖程度、腰臀脂肪分布比率、骨骼肌、人体各围度及其他数据。
[0080] 如图2所示，本发明实施例提供的基于采集的用户的相应信息进行用户的体质分析包括：
[0081] S101，获取用户的相应信息；
[0082] S102，将获取的用户各项数据与各项数据标准临界值进行对比，基于对比结果确定用户脂肪各类数据是否超标、肌肉含量是否充足，并得到体质分析结果。
[0083] 如图3所示，本发明实施例提供的基于用户体质分析结果制定用户的运动计划包括：
[0084] S201，基于用户体质分析结果确定用户运动计划为健康、塑身或运动员；
[0085] S202，基于确定的用户运动计划，制定短时间的运动计划，并进行运动状态统计与运动方式反馈；
[0086] S203，判断用户在该时间段内是否达到运动目标，若达到，则执行步骤S204，否则，执行步骤S205；
[0087] S204，按照现有的运动状态做整理，直接制定为期N周的运动计划；
[0088] S205，判断现在的运动量与运动目标的运动等级差距，若相差2个运动等级，执行将目标降低一个等级，否则执行步骤S206；
[0089] S206，依据现有的运动状态，按照目标每天的运动消耗以及现阶段每天的消耗比做加权分配，在不影响每天运动状态分布的条件下，将部分运动状态做随机提升，按照此种方式提前制定N周的运动计划；
[0090] S207，对完成N周的运动状态做统计，假如已经完成运动目标，则对与原有计划不符的做调整，按照统计结果制定为期更长的运动计划，否则对与原有计划不符的做调整后继续按照步骤S206的方式制定N周的运动计划。
[0091] 如图4所示，本发明实施例提供的对运动图像进行去噪处理包括：
[0092] S301，将接收到的待去噪视频分割成多个去噪视频的画面组GOP，并根据所述去噪视频的GOP的第一质量值确定所述待去噪视频的第二质量值；
[0093] S302，根据所述待去噪视频的第二质量值确定稀疏表示阈值；
[0094] S303，将所述稀疏表示阈值和所述待去噪视频的像素值输入训练联合字典，对所述待去噪视频进行稀疏表示去噪。
[0095] 本发明实施例提供的图像处理模块对采集的用户的相关图像进行处理包括：
[0096] 对采集的用户图像进行去噪、特征抽取、图像分割、图像匹配识别达到的用户运动图像。
[0097] 本发明实施例提供的对用户图像进行图像分割包括：
[0098] 将待处理图像灰度值范围为[0，m‑1]，设灰度值为i的像素个数为ni初始最大方差为0；
[0099] 图像中不同灰度值的像素数量相加的总和为：
[0100]
[0101] 确定每个灰度值i，属于[0，m‑1]，在图像中所占概率为：
[0102]
[0103] 假设当前i为x，把i作为阈值T，小于T灰度作为一部分A，大于T的灰度作为一部分B，然后确定A和B之间的方差为：
[0104] u＝w0×u0+w1×u1；
[0105] g＝w0×(u0‑u)2+w1×(u1‑u)2；
[0106] g＝w0×W1×(u0‑u1)2；
[0107]
[0108] 其中，前景点数占图像比例为w0，平均灰度为u0；背景数占图像比例为w1，平均灰度为u1，g为方差；
[0109] 将获得方差与最大方差比较，若小与最大方差，则最大方差不变，若大与最大方差，则把方差赋给最大方差，并且把i作为二值化的阈值；
[0110] 重复上述过程，直至i大于设定的数值。
[0111] 如图5所示，本发明实施例提供的基于处理后的运动图像判断用户的训练是否符合训练计划以及动作是否标准包括：
[0112] S401，统计运动计划中设定的各个动作的运动时间与运动图像中各个运动状态的时间进行对比；
[0113] S402，在给定时间段的基础上：获取某个时间段经过预处理的运动状态，然后对运动状态做差分，按照不同的差分值做次数统计，获得切换频率统计；
[0114] S403，统计各个运动状态的时间概率密度：每天定时统计运动状态，在每个统计间隔里，将每种运动状态所处的占时比，作为状态概率；
[0115] S404，基于运动图像判断用户的运动是否标准，达到预设要求；
[0116] S405，基于步骤S401至步骤S404达到判断结果。
[0117] 以上所述，仅为本发明较优的具体的实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，都应涵盖在本发明的保护范围之内。
