一种校园蹦床智能化监测装置及监测方法

阅读：评论：0

1.本发明涉及智能监测技术领域，特别是涉及一种校园蹦床智能化监测装置及监测方法。

背景技术：

2.国家一直重视青少年的学习和体育锻炼协调发展，在这种体教融合背景下，陆续有学校引进蹦床运动项目，把“蹦床”作为体育育人的重要手段。现有技术中的蹦床缺少智能化监测设备，不能监测运动人员的运动数据，进一步对运动人员健康状况做出评价，并可视化评价结果，在大数据时代，采用知识图谱和人工智能算法可以充分挖掘项目之间的关系，对蹦床运动人员根据自身健康状况进行个性化运动项目和课程的精准推荐，提升校园蹦床的智能化水平。

技术实现要素：

3.发明目的：本发明的目的是提供一种能对蹦床运动人员运动数据提取并监测，根据健康状况进行健身指导课程推荐的校园蹦床智能化监测装置及监测方法。
4.技术方案：为实现上述目的，本发明所述的校园蹦床智能化监测装置，包括运动数据采集模块、运动数据处理模块、无线数据传输模块、显示模块、电源模块数据、计算机数据分析模块，所述的运动数据采集模块将信号输送给运动数据处理模块，运动数据处理模块将信号输送给与无线数据传输模块、显示模块，电源模块分别给运动数据采集模块、运动数据处理模块、无线数据传输模块、显示模块供电，无线数据传输模块通过nb-iot(narrowedband-internetofthings，nb-iot)、wifi与5g移动通信，将信号传输到计算机数据分析模块。
5.使用该装置的校园蹦床智能化监测方法，包括以下步骤：
6.s1：运动数据采集模块实时采集运动数据，包括运动速度、力度、轨迹、心率、次数，数据处理模块对采集的运动数据进行信号调理、模数转换，转换成显示模块和无线传输模块能够接收的信号，同时显示模块显示蹦床课堂、训练情况；
7.s2：无线数据传输模块通过nb-iot(narrowedband-internetofthings，nb-iot)、wifi与5g移动通信，将运动数据传输到计算机数据分析模块进行数据分析，评估运动人员的健康状况；
8.s3：计算机数据分析模块根据数据分析结果，个性化推荐健身指导课程。
9.所述步骤s2无线数据传输模块通过nb-iot(narrowedband-internetofthings，nb-iot)、wifi与5g移动通信，将运动数据传输到计算机数据分析模块进行数据分析，评估运动人员的健康状况，包括以下子步骤：
10.s201：对采集到的运动数据进行数据清洗、转换和集成处理；
11.s202：对运动数据进行特征提取和识别，比对设定的运动人员健康状况数据标准值；
12.s203：对运动人员健康状况做出评价，并可视化评价结果。
13.所述步骤s3计算机数据分析模块根据数据分析结果，个性化推荐健身指导课程，采用的是基于随机游走和知识图谱的个性化推荐算法，包括以下步骤：
14.s301：采集到的运动数据包括运动速度、力度、轨迹、心率、次数的特征进行提取；
15.s302：对提取的特征进行初始化随机游走序列并置空；
16.s303：更新随机游走次数；
17.s304：计算从一个节点跳转到另一个节点的最优转移概率；
18.s305：使用随机梯度下降算法输出重构知识图谱序列向量；
19.s306：构建邻接矩阵，对运动人员健康状况做出评估。
20.s307：使用欧几里得距离计算节点之间的相似度，进行推荐健身指导课程。
21.所述步骤s303更新随机游走次数，具体为：当节点度小于k时候，根据公式更新随机游走次数：
[0022][0023]
其中n为统一的游走次数，d
max
为节点度的最大值，当前节点k的度数为dk，影响力阈值为ε。
[0024]
所述步骤s304计算从一个节点跳转到另一个节点的最优转移概率，包括：给出最优化目标函数和约束条件；进一步计算每一个节点的访问率，最终计算出最优转移概率。
[0025]
所述的最优化目标函数和约束条件，具体为：
[0026]
先给出最优化目标函数和约束条件：
[0027][0028]
其中，表示离散概率质量表示路径概率，pi(t)表示路径集合概率分布，表示路径的代价率，j0表示相对熵率，表示使用参考路径随机游走的转移概率时，路径的似然估计值，
[0029]
并且满足以下关系：
[0030][0031]
利用拉格朗日乘数法可以求得：
[0032]
其中β＝1/t；
[0033]
定义图的分配函数为：
[0034][0035]
计算出图中路径的最小自由能量率为：
[0036][0037]
所述的进一步计算每一个节点的访问率，最终计算出最优转移概率，具体为：
[0038]
每一个节点的访问率为：
[0039][0040]
其中表示经过边(k,l)所期望的通过率，
[0041]
表示每个节点的访问率，其中表示边(k,l)出现在路径中的次数，表示节点k沿着路径访问次数，pred(l)表示节点l的前任节点集合，δ
il
/t表示在t＝0时刻初始节点i初始访问不计入同一表达式的第一项，最终计算出最优转移概率为：
[0042][0043]
其中succ(k)表示节点k后续节点的集合，根据最优转移概率选择随机游走的下一跳节点。
[0044]
有益效果：本发明具有如下优点：1、本发明将智能化监测装置应用到校园蹦床上，克服了传统蹦床缺乏智能化监测设备的弊端，为青少年运动人员提供了一款智能化蹦床设备；
[0045]
2、本发明所述的校园蹦床智能化监测方法，采用最优概率的随机游走和知识图谱技术进行课程精准推荐，提升了课程推荐的准确率，使用游走序列进行图结构额邻接矩阵的构建，最大程度的保留了知识图谱的拓扑信息，使得模型更具有普适性，且游走策略采用最优化的概率选择下一跳节点，提升推荐结果的准确性和精准度；
[0046]
3、本发明的无线数据传输模块通过nb-iot(narrowedband-internetofthings，nb-iot)、wifi与5g移动通信与方法进行无线数据传输，提高了监测装置的传输效率，提升
了蹦床的智能化水平。
附图说明
[0047]
图1是本发明的装置结构示意图；
[0048]
图2是本发明的方法流程图；
[0049]
图3是本发明的基于随机游走和知识图谱的个性化推荐算法流程图。
具体实施方式
[0050]
下面结合实施例和附图对本发明的技术方案作详细说明。
[0051]
如图1所示，校园蹦床智能化监测装置，包括运动数据采集模块、运动数据处理模块、无线数据传输模块、显示模块、电源模块数据、计算机数据分析模块，所述的运动数据采集模块将信号输送给运动数据处理模块，运动数据处理模块将信号输送给与无线数据传输模块、显示模块，电源模块分别给运动数据采集模块、运动数据处理模块、无线数据传输模块、显示模块供电，无线数据传输模块通过nb-iot(narrowedband-internetofthings，nb-iot)、wifi与5g移动通信，将信号传输到计算机数据分析模块。
[0052]
如图2所示，使用该装置的校园蹦床智能化监测方法，包括以下步骤：
[0053]
s1：运动数据采集模块实时采集运动数据，包括运动速度、力度、轨迹、心率、次数，数据处理模块对采集的运动数据进行信号调理、模数转换，转换成显示模块和无线传输模块能够接收的信号，同时显示模块显示蹦床课堂、训练情况；
[0054]
s2：无线数据传输模块通过nb-iot(narrowedband-internetofthings，nb-iot)、wifi与5g移动通信，将运动数据传输到计算机数据分析模块进行数据分析，评估运动人员的健康状况；
[0055]
s3：计算机数据分析模块根据数据分析结果，个性化推荐健身指导课程。
[0056]
所述步骤s2无线数据传输模块通过nb-iot(narrowedband-internetofthings，nb-iot)、wifi与5g移动通信，将运动数据传输到计算机数据分析模块进行数据分析，评估运动人员的健康状况，包括以下子步骤：
[0057]
s201：对采集到的运动数据进行数据清洗、转换和集成处理；
[0058]
s202：对运动数据进行特征提取和识别，比对设定的运动人员健康状况数据标准值；
[0059]
s203：对运动人员健康状况做出评价，并可视化评价结果。
[0060]
如图3所示，所述步骤s3计算机数据分析模块根据数据分析结果，个性化推荐健身指导课程，采用的是基于随机游走和知识图谱的个性化推荐算法，包括以下步骤：
[0061]
s301：采集到的运动数据包括运动速度、力度、轨迹、心率、次数的特征进行提取；
[0062]
s302：对提取的特征进行初始化随机游走序列并置空；
[0063]
s303：更新随机游走次数；
[0064]
s304：计算从一个节点跳转到另一个节点的最优转移概率；
[0065]
s305：使用随机梯度下降算法输出重构知识图谱序列向量；
[0066]
s306：构建邻接矩阵，对运动人员健康状况做出评估。
[0067]
s307：使用欧几里得距离计算节点之间的相似度，进行推荐健身指导课程。
[0068]
所述步骤s303更新随机游走次数，具体为：当节点度小于k时候，根据公式更新随机游走次数：
[0069][0070]
其中n为统一的游走次数，d
max
为节点度的最大值，当前节点k的度数为dk，影响力阈值为ε。
[0071]
所述步骤s304计算从一个节点跳转到另一个节点的最优转移概率，包括：给出最优化目标函数和约束条件；进一步计算每一个节点的访问率，最终计算出最优转移概率。
[0072]
所述的最优化目标函数和约束条件，具体为：
[0073]
先给出最优化目标函数和约束条件：
[0074][0075]
其中，表示离散概率质量，表示路径概率，pi(t)表示路径集合概率分布，表示路径的代价率，j0表示相对熵率，表示使用参考路径随机游走的转移概率时，路径的似然估计值，
[0076]
并且满足以下关系：
[0077][0078]
利用拉格朗日乘数法可以求得：
[0079]
其中β＝1/t；
[0080]
定义图的分配函数为：
[0081][0082]
计算出图中路径的最小自由能量率为：
[0083][0084]
所述的进一步计算每一个节点的访问率，最终计算出最优转移概率，具体为：
[0085]
每一个节点的访问率为：
[0086][0087]
其中表示经过边(k,l)所期望的通过率，
[0088]
表示每个节点的访问率，其中表示边(k,l)出现在路径中的次数，表示节点k沿着路径访问次数，pred(l)表示节点l的前任节点集合，δ
il
/t表示在t＝0时刻初始节点i初始访问不计入同一表达式的第一项，最终计算出最优转移概率为：
[0089][0090]
其中succ(k)表示节点k后续节点的集合，根据最优转移概率选择随机游走的下一跳节点。
[0091]
具体工作流程为：运动数据采集模块采集运动人员的运动速度、力度、运动轨迹、心率和次数运动参数；数据处理模块对采集的数据进行信号调理、模数转换，转换成显示模块和无线传输模块能够接收的信号；运动人员的运动速度、力度、运动轨迹、心率和次数运动参数可以实时在显示模块显示；运动参数也可以通过无线传输模块在nb-iot、wifi或5g无线通信技术的支撑下，实现远程信息传输给计算机数据分析模块。在该方法中，可以实时显示蹦床课堂、训练情况，也可以根据运动人员的运动参数评估他们的健康状况，根据评估结果，最终实现个性化健身课程指导项目的精准推荐，为运动人员制定一套更全面、更精准的体育运动方案提供了科学依据。

技术特征：

1.一种校园蹦床智能化监测装置，其特征在于：包括运动数据采集模块、运动数据处理模块、无线数据传输模块、显示模块、电源模块数据、计算机数据分析模块，所述的运动数据采集模块将信号输送给运动数据处理模块，运动数据处理模块将信号输送给与无线数据传输模块、显示模块，电源模块分别给运动数据采集模块、运动数据处理模块、无线数据传输模块、显示模块供电，无线数据传输模块通过nb-iot、wifi与5g移动通信，将信号传输到计算机数据分析模块。2.一种使用权利要求1所述装置的校园蹦床智能化监测方法，其特征在于：包括以下步骤：s1：运动数据采集模块实时采集运动数据，包括运动速度、力度、轨迹、心率、次数，数据处理模块对采集的运动数据进行信号调理、模数转换，转换成显示模块和无线传输模块能够接收的信号，同时显示模块显示蹦床课堂、训练情况；s2：无线数据传输模块通过nb-iot-、wifi与5g移动通信，将运动数据传输到计算机数据分析模块进行数据分析，评估运动人员的健康状况；s3：计算机数据分析模块根据数据分析结果，个性化推荐健身指导课程。3.根据权利要求2所述的校园蹦床智能化监测方法，其特征在于：所述步骤s2无线数据传输模块通过nb-iot、wifi与5g移动通信，将运动数据传输到计算机数据分析模块进行数据分析，评估运动人员的健康状况，包括以下子步骤：s201：对采集到的运动数据进行数据清洗、转换和集成处理；s202：对运动数据进行特征提取和识别，比对设定的运动人员健康状况数据标准值；s203：对运动人员健康状况做出评价，并可视化评价结果。4.根据权利要求2所述的校园蹦床智能化监测方法，其特征在于：所述步骤s3计算机数据分析模块根据数据分析结果，个性化推荐健身指导课程，采用的是基于随机游走和知识图谱的个性化推荐算法，包括以下步骤：s301：采集到的运动数据包括运动速度、力度、轨迹、心率、次数的特征进行提取；s302：对提取的特征进行初始化随机游走序列并置空；s303：更新随机游走次数；s304：计算从一个节点跳转到另一个节点的最优转移概率；s305：使用随机梯度下降算法输出重构知识图谱序列向量；s306：构建邻接矩阵，对运动人员健康状况做出评估。s307：使用欧几里得距离计算节点之间的相似度，进行推荐健身指导课程。5.根据权利要求4所述的校园蹦床智能化监测方法，其特征在于：所述步骤s303更新随机游走次数，具体为：当节点度小于k时候，根据公式更新随机游走次数：其中n为统一的游走次数，d
max
为节点度的最大值，当前节点k的度数为d
k
，影响力阈值为ε。6.根据权利要求5所述的校园蹦床智能化监测方法，其特征在于：所述步骤s304计算从
一个节点跳转到另一个节点的最优转移概率，包括：给出最优化目标函数和约束条件；进一步计算每一个节点的访问率，最终计算出最优转移概率。7.根据权利要求6所述的校园蹦床智能化监测方法，其特征在于：所述的最优化目标函数和约束条件，具体为：先给出最优化目标函数和约束条件：其中，表示离散概率质量，表示路径概率，p
i
(t)表示路径集合概率分布，表示路径的代价率，j0表示相对熵率，表示使用参考路径随机游走的转移概率时，路径的似然估计值，并且满足以下关系：利用拉格朗日乘数法求得：其中β＝1/t；定义图的分配函数为：计算出图中路径的最小自由能量率为：8.根据权利要求6所述的校园蹦床智能化监测方法，其特征在于：所述的进一步计算每一个节点的访问率，最终计算出最优转移概率，具体为：每一个节点的访问率为：其中表示经过边(k,l)所期望的通过率，
表示每个节点的访问率，其中表示边(k,l)出现在路径中的次数，表示节点k沿着路径访问次数，pred(l)表示节点l的前任节点集合，δ
il
/t表示在t＝0时刻初始节点i初始访问不计入同一表达式的第一项，最终计算出最优转移概率为：其中succ(k)表示节点k后续节点的集合，根据最优转移概率选择随机游走的下一跳节点。

技术总结

本发明公开了一种校园蹦床智能化监测装置及监测方法，该装置包括运动数据采集模块、运动数据处理模块、无线数据传输模块、显示模块、电源模块数据、计算机数据分析模块，运动数据采集模块将信号输送给运动数据处理模块，运动数据处理模块将信号输送给与无线数据传输模块、显示模块，电源模块分别给上述模块供电，无线数据传输模块将信号传输给计算机数据分析模块；该方法包括实时采集运动数据并进行信号处理，并显示蹦床课堂训练情况，计算机数据分析模块对接收的信号进行数据分析，评估运动人员的健康状况，并根据健康状况推荐健身指导课程。本发明解决了现有技术中蹦床不能监测运动人员运动数据及根据健康状况进行健身指导课程推荐的问题。课程推荐的问题。课程推荐的问题。