健身器材的监控方法及其系统与流程

本申请涉及智能监控领域，且更为具体地，涉及一种健身器材的监控方法及其系统。

背景技术：

1、随着现代社会健康意识的提高和生活水平的改善，健身成为了一种越来越流行的生活方式。健身器材是一种用于锻炼身体和提高健康水平的设备，它可以帮助人们增强心肺功能，塑造肌肉，减少体重，缓解压力等。

2、然而，由于一些因素如设计、质量和维护等问题，健身器材也存在潜在风险和问题，例如健身器材质量不佳和维护不当可能会导致性能下降、安全性降低，并增加故障和事故的风险。而传统的健身器材质量检测方案仅依靠人工定期检查，并不能够实时监控健身器材的性能变化，同时检测的效率和准确度也得不到保障。

3、因此，期望一种优化的健身器材的监控方案。

技术实现思路

1、为了解决上述技术问题，提出了本申请。本申请的实施例提供了一种健身器材的监控方法及其系统，其通过采用基于深度学习的神经网络模型挖掘出健身器材的速度值的时序动态变化特征和所述卡路里消耗统计值的时序动态变化特征之间的时序协同关联，以此来对健身器材的性能和运行状态进行实时监测，从而及早发现问题并采取相应的措施，减少安全事故发生的可能性，提高健身器材的使用效果和安全性。

2、根据本申请的一个方面，提供了一种健身器材的监控方法，其包括：

3、获取被监测健身器材在预定时间段内多个预定时间点的速度值以及所述多个预定时间点的卡路里消耗统计值；

4、将所述多个预定时间点的速度值按照时间维度排列为速度时序输入向量；

5、将所述多个预定时间点的卡路里消耗统计值按照时间维度排列为卡路里统计时序输入向量，并计算所述卡路里消耗时序输入向量中每相邻两个位置的卡路里消耗统计值之间的差值以得到卡路里消耗时序输入向量；

6、将所述卡路里消耗时序输入向量和所述速度时序输入向量分别通过包含第一卷积层和第二卷积层的时序特征提取器以得到卡路里消耗时序特征向量和速度时序特征向量；

7、计算所述卡路里消耗时序特征向量相对于所述速度时序特征向量的响应性估计以得到分类特征矩阵；以及

8、将所述分类特征矩阵通过分类器以得到分类结果，所述分类结果用于表示被监测健身器材的运行状态是否正常。

9、根据本申请的另一方面，提供了一种健身器材的监控系统，其包括：

10、数据采集模块，用于获取被监测健身器材在预定时间段内多个预定时间点的速度值以及所述多个预定时间点的卡路里消耗统计值；

11、排列模块，用于将所述多个预定时间点的速度值按照时间维度排列为速度时序输入向量；

12、差值计算模块，用于将所述多个预定时间点的卡路里消耗统计值按照时间维度排列为卡路里统计时序输入向量，并计算所述卡路里消耗时序输入向量中每相邻两个位置的卡路里消耗统计值之间的差值以得到卡路里消耗时序输入向量；

13、时序特征提取模块，用于将所述卡路里消耗时序输入向量和所述速度时序输入向量分别通过包含第一卷积层和第二卷积层的时序特征提取器以得到卡路里消耗时序特征向量和速度时序特征向量；

14、响应性估计模块，用于计算所述卡路里消耗时序特征向量相对于所述速度时序特征向量的响应性估计以得到分类特征矩阵；以及

15、分类结果生成模块，用于将所述分类特征矩阵通过分类器以得到分类结果，所述分类结果用于表示被监测健身器材的运行状态是否正常。

16、与现有技术相比，本申请提供的一种健身器材的监控方法及其系统，其通过采用基于深度学习的神经网络模型挖掘出健身器材的速度值的时序动态变化特征和所述卡路里消耗统计值的时序动态变化特征之间的时序协同关联，以此来对健身器材的性能和运行状态进行实时监测，从而及早发现问题并采取相应的措施，减少安全事故发生的可能性，提高健身器材的使用效果和安全性。

技术特征：

1.一种健身器材的监控方法，其特征在于，包括：

2.根据权利要求1所述的健身器材的监控方法，其特征在于，从所述多个预定时间点的速度值以及所述多个预定时间点的卡路里消耗统计值提取卡路里消耗时序特征向量和速度时序特征向量，包括：

3.根据权利要求2所述的健身器材的监控方法，其特征在于，对所述卡路里消耗时序输入向量和所述速度时序输入向量进行局部邻域时序关联特征提取以得到所述卡路里消耗时序特征向量和所述速度时序特征向量，包括：

4.根据权利要求3所述的健身器材的监控方法，其特征在于，所述第一卷积层和所述第二卷积层分别使用具有不同尺度的一维卷积核。

5.根据权利要求4所述的健身器材的监控方法，其特征在于，基于所述卡路里消耗时序特征向量和所述速度时序特征向量之间的关联，确定所述被监测健身器材的运行状态是否正常，包括：

6.根据权利要求5所述的健身器材的监控方法，其特征在于，基于所述分类特征矩阵，确定所述被监测健身器材的运行状态是否正常，包括：

7.根据权利要求6所述的健身器材的监控方法，其特征在于，将所述分类特征矩阵通过分类器以得到分类结果，所述分类结果用于表示所述被监测健身器材的运行状态是否正常，包括：

8.根据权利要求7所述的健身器材的监控方法，其特征在于，还包括训练步骤：用于对所述包含第一卷积层和第二卷积层的时序特征提取器和所述分类器进行训练；

9.根据权利要求8所述的健身器材的监控方法，其特征在于，对所述训练分类特征向量进行权重空间的细粒度密度预测搜索优化以得到优化训练分类特征向量，包括：以如下优化公式对所述训练分类特征向量进行权重空间的细粒度密度预测搜索优化以得到优化训练分类特征向量；

10.一种健身器材的监控系统，其特征在于，包括：

技术总结
本申请涉及智能监控领域，其具体地公开了一种健身器材的监控方法及其系统，其通过采用基于深度学习的神经网络模型挖掘出健身器材的速度值的时序动态变化特征和所述卡路里消耗统计值的时序动态变化特征之间的时序协同关联，以此来对健身器材的性能和运行状态进行实时监测，从而及早发现问题并采取相应的措施，减少安全事故发生的可能性，提高健身器材的使用效果和安全性。

技术研发人员：张云峰,张嘉铄,张运征
受保护的技术使用者：定州市云领域体育用品有限公司
技术研发日：
技术公布日：2024/1/15