[发明专利]运动动作的评估方法及装置、智能手环

说明书

本发明公开了一种运动动作的评估方法及装置、智能手环。其中，该方法包括：采集目标对象的运动轨迹数据一,并对运动轨迹数据一进行正态归一化预处理，得到运动轨迹数据二；确定运动轨迹数据二对应的运动动作，并从参考动作库中调取运动动作的参考动作；确定运动轨迹数据二与参考动作的运动轨迹数据三的相似度；根据相似度对目标对象的运动动作进行评估，得到评估数据。本发明解决了相关技术中可穿戴设备无法实现对用户复杂动作的识别，进而无法对复杂动作进行评估，导致用户的运动不够科学的技术问题。

技术领域

本发明涉及数据处理技术领域，具体而言，涉及一种运动动作的评估方法及装置、智能手环。

背景技术

当前大众健身越来越多元化和精细化，少数健身爱好者可以在健身房获得专业教练的指导，但是，多数业余健身爱好者则通过微视频学习专业的训练动作课程。这样就造成大部分爱好者在没有专业指导的情况下进行健身，可能会有训练动作不标准，无法达到满意的健身效果。在没有专业指导的情况下，训练者有可能会受伤或者没有达到训练效果而失去训练的热情。基于这个问题，可穿戴设备应运而生，目前为止，基于可穿戴设备的动作识别包括：游戏简单手势识别，日常行走步数计次，日常简单动作识别(站、跑、睡觉、摔倒……)及高尔夫球的挥杆识别。上述动作的识别大部分是基于传感器原始数据(加速度与角速度数据)的特征进行检测，针对不同的动作需要手动设计不同的特征，简单的动作不需要很高的识别精度，并且简单动作的特征设计也比较容易。然而，想要识别更多复杂的动作时，设计合适的特征去区分这些复杂动作变成一个比较困难的问题。

针对上述相关技术中可穿戴设备无法实现对用户复杂动作的识别，进而无法对复杂动作进行评估，导致用户的运动不够科学的问题，目前尚未提出有效的解决方案。

发明内容

本发明实施例提供了一种运动动作的评估方法及装置、智能手环，以至少解决相关技术中可穿戴设备无法实现对用户复杂动作的识别，进而无法对复杂动作进行评估，导致用户的运动不够科学的技术问题。

根据本发明实施例的一个方面，提供了一种运动动作的评估方法，包括：采集目标对象的运动轨迹数据一,并对所述运动轨迹数据一进行正态归一化预处理，得到运动轨迹数据二；确定所述运动轨迹数据二对应的运动动作，并从参考动作库中调取所述运动动作的参考动作；确定所述运动轨迹数据二与所述参考动作的运动轨迹数据三的相似度；根据所述相似度对所述目标对象的运动动作进行评估，得到评估数据。

可选地，在调取所述运动动作的参考动作之前，该运动动作的评估方法还包括：采集历史时间段内的多组历史运动轨迹数据和所述多组历史运动轨迹数据中每组历史运动轨迹数据对应的历史运动动作；对采集的包括所述多组历史运动轨迹数据和所述多组历史运动轨迹数据中每组历史运动轨迹数据对应的历史运动动作进行训练，得到所述多组历史运动轨迹数据中每组运动轨迹数据对应的参考动作；保存所述多组历史运动轨迹数据中每组运动轨迹数据对应的参考动作，得到所述参考动作库。

可选地，在确定所述运动轨迹数据二与所述参考动作的运动轨迹数据三的相似度之前，该运动动作的评估方法还包括：利用主成分分析法PCA对所述运动轨迹数据二进行坐标转换。

可选地，利用主成分分析法PCA对所述运动轨迹数据二进行坐标转换包括：确定所述运动轨迹数据二中每组运动轨迹数据进行轨迹中心化处理；根据轨迹中心化处理得到的运动轨迹数据生成运动轨迹数据对应的数据矩阵；根据所述数据矩阵生成协方差矩阵，并得到所述协方差矩阵的特征向量和特征值；根据所述协方差矩阵的特征向量生成中间矩阵；根据所述中间矩阵得到所述进行坐标转换后的运动轨迹数据二。

可选地，根据所述数据矩阵生成协方差矩阵包括：根据所述数据矩阵通过第一公式生成协方差矩阵，其中，所述第一公式为：C表示所述协方差矩阵，n表示所述运动轨迹数据二的样本数量，X表示所述数据矩阵，X^T表示所述数据矩阵的转置矩阵。

可选地，所述中间矩阵为3*3的矩阵。