[发明专利]一种运动员疲劳度的预测方法及系统

说明书

本发明实施例公开一种运动员疲劳度的预测方法，所述方法包括：获取运动信息；对所述运动信息分别进行第一计算处理和第二计算处理，得到第一数据结果A和第二数据结果B；根据公式：A*m+B*n＝疲劳度数据，计算得到疲劳度数据，其中，所述m和所述n均为百分数，且满足m+n＝100％；本发明实施例还提供了一种运动员疲劳度的预测系统，所述系统包括：获取模块；处理模块；计算模块；展示模块；这样，通过获取运动员在训练时身体的运动信息，然后对各运动信息进行数据化处理，最后通过加权计算，从而得到一个较为准确的运动员在训练时的疲劳度数据。

技术领域

本发明涉及一种疲劳度的预测方法及系统，尤其涉及一种运动员疲劳度的预测方法及系统。

背景技术

运动员在训练过程中教练需要实时掌握运动员的疲劳情况，从而去了解运动员的身体状态，安排训练计划。目前，有经验的教练虽然可以通过辅助仪器来获取运动员在运动时身体的各项指标，然后经验判断运动员是否训练过量或者训练不足，但在判断时由于主观性较强，所以容易造成误判。

发明内容

为解决以上技术问题，本发明实施例提供一种运动员疲劳度的预测方法及系统，可以通过获取运动员在运动时身体的各项指标，然后对各项指标进行数据化处理，并进行计算，从而得到一个较为准确的运动员在训练时的疲劳度数据。

为达上述目的，本发明实施例的技术方案是这样实现的：

本发明实施例提供一种运动员疲劳度的预测方法，所述方法包括：

获取运动信息；

对所述运动信息分别进行第一计算处理和第二计算处理，得到第一数据结果A和第二数据结果B；

根据公式：A*m+B*n＝疲劳度数据，计算得到疲劳度数据，其中，所述m和所述n均为百分数，且满足m+n＝100％。

在本发明实施例中，所述运动信息包括声音特征信息、心率、实时加速度、跌倒信息、卡路里的消耗量、缺水程度、运动轨迹中的一种或多种。

在本发明实施例中，所述对所述运动信息分别进行第一计算处理和第二计算处理，得到第一数据结果A和第二数据结果B，包括：

基于卷积神经网络模型对所述运动信息进行所述第一计算处理，得到所述第一数据结果A；

基于LSTM模型对所述运动信息进行所述第二计算处理，得到所述第二数据结果B。

在本发明实施例中，所述m为30％，所述n为70％。

本发明实施例还提供了一种运动员疲劳度的预测系统，所述系统包括：

获取模块，用于获取所述运动信息；

处理模块，用于对所述运动信息分别进行第一计算处理和第二计算处理，得到第一数据结果A和第二数据结果B；

计算模块：用于根据公式：A*m+B*n＝疲劳度数据，计算得到疲劳度数据；

展示模块，用于发送所述疲劳度数据。

在本发明实施例中，所述获取模块包括：

用于获取声音特征信息的录音元件、用于实时加速度的加速度传感器、用于获取运动轨迹的定位元件、用于获取心率和卡路里的消耗量的心率检测元件、用于获取跌倒信息的跌倒检测元件和用于获取缺水程度的人体缺水程度检测元件中的一种或多种。

在本发明实施例中，所述计算模块包括：

第一计算处理元件，用于基于卷积神经网络模型对所述运动信息进行所述第一计算处理，得到所述第一数据结果A；

第二计算处理元件，用于基于LSTM模型对所述运动信息进行所述第二计算处理，得到所述第二数据结果B。