運(yùn)動健身測評移動App系統(tǒng)設(shè)計

肖利

摘要：科學(xué)健身是當(dāng)前運(yùn)動者的目標(biāo)，如何根據(jù)運(yùn)動者個體差異得到最佳的運(yùn)動量是制定科學(xué)健身方案的依據(jù)。對此設(shè)計了一款運(yùn)動健身測評系統(tǒng)，該系統(tǒng)采用MFC框架開發(fā)、C++語音編寫，SQLServer作為運(yùn)動數(shù)據(jù)存儲數(shù)據(jù)庫，根據(jù)運(yùn)動者各項生理指標(biāo)，結(jié)合改進(jìn)的神經(jīng)網(wǎng)絡(luò)算法和模糊綜合評價方法，實現(xiàn)了個體最佳運(yùn)動量預(yù)測。為健身愛好者科學(xué)健身方案的制定提供了參考。

關(guān)鍵詞：神經(jīng)網(wǎng)絡(luò)算法;App客戶端;MFC框架;生理指標(biāo)

中圖分類號：G643

文獻(xiàn)標(biāo)志碼：A

DesignofMobileAppSystemforExerciseFitnessEvaluation

XIAOLi

（

JiangxiCollegeofApplicationScienceandTechnology，InstitutionofEducationand

PhysicalEducation，Nanchang330100，China

）

Abstract：Scientificfitnessisthegoalpursuedbycurrentathletes.Howtogetthebestamountofexercisebasedonindividualdifferencesisthebasisformakingscientificfitnessprogram.Thispaperdesignsasportsfitnessevaluationsystem.ThesystemusesMFCframeworkdevelopment，C++voiceprogramming，SQLserverasthesportsdatastoragedatabase，dependingonthephysiologicalindicatorsoftheathletes，combinedwiththeimprovedneuralnetworkalgorithmandfuzzycomprehensiveevaluationmethod，itrealizestheindividualoptimalexerciseprediction.Itprovidesareferencefortheestablishmentofscientificfitnessprogramforfitnessenthusiasts.

Keywords：neuralnetworkalgorithm;APPclient;MFCframework;physiologicalindexes

0引言

隨著人們生活水平的提高，運(yùn)動健身成為日常生活的重要組成部分?？茖W(xué)健身方法能夠按照個體水平如身高、體重、肺活量、脂肪率、心率等，對運(yùn)動量進(jìn)行有效的評估和預(yù)測[1]?？纱┐髟O(shè)備的開發(fā)為科學(xué)健身提供了更加完善的評估平臺，如三星的GearFit、蘋果的iWatch等，但這些設(shè)備只具備路程、鍛煉時間、熱量消耗等預(yù)測功能，采集對象大多為運(yùn)動者的心跳數(shù)據(jù)，評價方式單一，預(yù)測結(jié)果離實際情況還有一定的差距[23]。因此，本文利用改進(jìn)的神經(jīng)網(wǎng)絡(luò)結(jié)合個體體質(zhì)水平建立最佳運(yùn)動量預(yù)測模型，采用生理指標(biāo)傳感器采集個體水平參數(shù)，并開發(fā)運(yùn)動健身測評系統(tǒng)，為運(yùn)動愛好者提供更加科學(xué)、全方位的運(yùn)動測評。

1改進(jìn)的神經(jīng)網(wǎng)絡(luò)最佳運(yùn)動量預(yù)測模型

1.1樣本過濾

為了更加精準(zhǔn)的描述運(yùn)動與個體體質(zhì)的關(guān)系，神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)樣本要采用體質(zhì)相近的不同個體數(shù)據(jù)，來提高神經(jīng)網(wǎng)絡(luò)的預(yù)測精準(zhǔn)度。與運(yùn)動密切相關(guān)的體質(zhì)指標(biāo)為選擇反應(yīng)時、脂肪率、心率、肺活量、身高及體重。為了使得神經(jīng)網(wǎng)絡(luò)各個節(jié)點收斂至有效范圍內(nèi)，將運(yùn)動個體生理指標(biāo)作為參考標(biāo)準(zhǔn)，過濾掉與生理指標(biāo)差距過大的數(shù)據(jù)[4]。兩個體質(zhì)差距的衡量公式為：

A=1n∑ni=1（ai-a0i）2

其中，a0i表示目標(biāo)體質(zhì)的第i相指標(biāo)歸一化值，ai表示對比體質(zhì)的第i相指標(biāo)歸一化值，n為指標(biāo)數(shù)量，A值越大即兩個評價體質(zhì)的差異性越大，當(dāng)A趨于0時說明被評價者體質(zhì)相近。

1.2最佳運(yùn)動量預(yù)測模型

運(yùn)動量隨著個體體質(zhì)的不同而呈現(xiàn)出不同階段的變化，因此找到一定周期內(nèi)最佳運(yùn)動量成為該預(yù)測模型的關(guān)鍵[5]。筆者針對上述相似體質(zhì)數(shù)據(jù)，經(jīng)過多次匹配來預(yù)測運(yùn)動量，并對運(yùn)動后各體質(zhì)進(jìn)行打分，即可得到不同體質(zhì)在推薦運(yùn)動量后的評分結(jié)果，并建立對應(yīng)關(guān)系，最高評分即為最佳運(yùn)動量。因此，通過對神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法的改進(jìn)，得到如下體質(zhì)評分預(yù)測流程，如圖1所示。

經(jīng)過一階段運(yùn)動測評戶，將結(jié)果擴(kuò)展至最佳運(yùn)動量預(yù)測模式，如圖2所示。

2系統(tǒng)設(shè)計

2.1總體設(shè)計

該系統(tǒng)建立網(wǎng)絡(luò)服務(wù)器，并構(gòu)建數(shù)據(jù)庫存儲個體的大量

運(yùn)動數(shù)據(jù)。通過運(yùn)動個體佩戴的生理指標(biāo)傳感器實施采集

運(yùn)動數(shù)據(jù)，將數(shù)據(jù)上傳至服務(wù)器后，經(jīng)過最佳運(yùn)動量預(yù)測，將實時測評結(jié)果反饋給客戶端，如圖3所示。

系統(tǒng)終端會對運(yùn)動數(shù)據(jù)進(jìn)行收集，通過一段時間的運(yùn)動數(shù)據(jù)采集后生成一條運(yùn)動數(shù)據(jù)。運(yùn)動周期結(jié)束后將運(yùn)動數(shù)據(jù)傳輸至數(shù)據(jù)庫中，為神經(jīng)網(wǎng)絡(luò)預(yù)測提供樣本數(shù)據(jù)，如圖4所示。

2.2功能設(shè)計

該系統(tǒng)功能結(jié)構(gòu)分為服務(wù)端和App客戶端兩個部分，服務(wù)端包括篩選模塊、網(wǎng)絡(luò)模塊、數(shù)據(jù)庫操作模塊;客戶端包括網(wǎng)絡(luò)模塊、算法模塊、顯示模塊和數(shù)據(jù)采集模塊，如圖5所示。

（1）服務(wù)端

篩選模塊主要實現(xiàn)篩選符合條件的數(shù)據(jù)，篩選參考依據(jù)為客戶端輸入的個體參數(shù)和體質(zhì)相似度規(guī)則。當(dāng)客戶端向服務(wù)端發(fā)送最佳運(yùn)動量預(yù)測請求時，該模塊會對數(shù)據(jù)進(jìn)行帥選;網(wǎng)絡(luò)模塊實現(xiàn)每個客戶端與服務(wù)器通信的建立。該模塊可接收客戶端上傳的數(shù)據(jù)和個體體質(zhì)參數(shù)，并將最佳運(yùn)動量預(yù)測結(jié)果反饋至客戶端;數(shù)據(jù)操作模塊實現(xiàn)系統(tǒng)對數(shù)據(jù)庫的操作，包括客戶端數(shù)據(jù)保存、數(shù)據(jù)訪問等。

（2）App客戶端

客戶端的網(wǎng)絡(luò)模塊與服務(wù)端網(wǎng)絡(luò)模塊相連，并建立通信。可將個體運(yùn)動數(shù)據(jù)上傳、提交最佳運(yùn)動量預(yù)測請求、接受學(xué)習(xí)樣本;算法模塊集合了改進(jìn)的神經(jīng)網(wǎng)絡(luò)算法、運(yùn)動強(qiáng)度模糊評價方法和階段運(yùn)動數(shù)據(jù)記錄的構(gòu)建方法;顯示模塊具有可視化界面，能夠?qū)崟r顯示個體運(yùn)動強(qiáng)度測評數(shù)據(jù)個下一個周期最佳運(yùn)動量預(yù)測結(jié)果;數(shù)據(jù)采集模塊通過傳感器能夠?qū)崟r采集個體運(yùn)動數(shù)據(jù)，能夠按照個體設(shè)定將個體體質(zhì)參數(shù)錄入系統(tǒng)。

3系統(tǒng)實現(xiàn)

本系統(tǒng)客戶端采用MFC框架開發(fā)，服務(wù)端采用C++語音編寫，數(shù)據(jù)庫為SQLServer。通過運(yùn)動強(qiáng)度數(shù)據(jù)實時采集后，App客戶端顯示各指標(biāo)實時數(shù)據(jù)，如主觀用力感、呼吸商、相對攝氧量、乳酸、心率。數(shù)據(jù)采集和基本參數(shù)設(shè)置后，可通過“上傳運(yùn)動數(shù)據(jù)”將該階段運(yùn)動數(shù)據(jù)上傳至服務(wù)器，來構(gòu)建該階段運(yùn)動記錄。系統(tǒng)可通過服務(wù)中的記錄輸出下一階段最佳運(yùn)動量結(jié)果，如圖6所示。

此外，還能夠通過基本參數(shù)設(shè)置，如隸屬度參數(shù)、權(quán)重參數(shù)、運(yùn)動量預(yù)測參數(shù)等屬于，以免系統(tǒng)預(yù)測結(jié)果超過人體的合理范圍，如圖7所示。

4總結(jié)

本文針對目前運(yùn)動健身測評系統(tǒng)測評方式單一、預(yù)測結(jié)果不準(zhǔn)確等問題，設(shè)計了一款基于改進(jìn)神經(jīng)網(wǎng)絡(luò)算法的運(yùn)動測評系統(tǒng)。該系統(tǒng)采集個體生理指標(biāo)，通過體質(zhì)參數(shù)設(shè)定完成對未來運(yùn)動量的預(yù)測。系統(tǒng)融合了模糊綜合評價方法、個體差距衡量算法，能夠根據(jù)不同類型體質(zhì)運(yùn)動者提供最佳運(yùn)

動量數(shù)據(jù)，對健身愛好者運(yùn)動方案的制定提供了參考。該系統(tǒng)的研發(fā)對普通大眾科學(xué)運(yùn)動方案的制定提供了數(shù)據(jù)參考，使得健身愛好者能夠?qū)崟r掌控自身的生理特征。該系統(tǒng)應(yīng)用在健身房可讓健身愛好者數(shù)據(jù)得以快速的聚合并利用，健身教練能夠根據(jù)數(shù)據(jù)制定出更加符合個體的周期性運(yùn)動方案。此外，在醫(yī)療康復(fù)訓(xùn)練中，醫(yī)生也可以根據(jù)康復(fù)者生理指標(biāo)進(jìn)行康復(fù)運(yùn)動計劃的制定。在今后的研究中，將針對不同運(yùn)動項目開發(fā)出具有針對性的運(yùn)動量測評功能，以期為專業(yè)運(yùn)動員訓(xùn)練方案的制定提供更加科學(xué)的指導(dǎo)。

參考文獻(xiàn)

[1]

朱吉鴿，李進(jìn)飛，徐國政.運(yùn)動姿態(tài)與肌電融合的腦卒中上肢運(yùn)動功能評估系統(tǒng)的可行性研究[J].中國康復(fù)理論與實踐，2019，25（10）：11721176.

[2]王曉春，王俊華.運(yùn)動反饋虛擬現(xiàn)實四肢康復(fù)系統(tǒng)評估模塊設(shè)計[J].中國康復(fù)理論與實踐，2019，25（5）：597601.

[3]韓麗婷，呼德，姚海霞.基于復(fù)雜網(wǎng)絡(luò)的運(yùn)動能力在線評估系統(tǒng)設(shè)計[J].現(xiàn)代電子技術(shù)，2018，41（2）：116119.

[4]曹立，秦宇婷.游泳運(yùn)動員選材評估系統(tǒng)的探究——基于模糊數(shù)學(xué)原理[J].中國學(xué)校體育（高等教育），2015，2（11）：6267.

[5]張曉瑩，王宏，趙軒立.競技健美操裁判員執(zhí)裁評估系統(tǒng)的研制與應(yīng)用[J].北京體育大學(xué)學(xué)報，2015，38（10）：120125.

（收稿日期：2020.05.18）