健身行为高精度监测和个性化精准健身方案智能推送技术

作者：张晋喜; 李振; 李沫含; 邱华龙; 刘程林; 杨铭; 徐鲁友; 贾壮; 周志雄^*

来源：首都体育学院学报, 2023, 35(03): 276-283.

DOI：10.14036/j.cnki.cn11-4513.2023.03.004

• 身体活动
• 代谢当量
• 运动处方
• 神经网络

世界卫生组织建议成年人每周进行150～300 min中等强度或75～150 min高强度身体活动，身体活动量化监测和个性化健身方案是科学健身的重要基础。针对健身行为高精度监测和个体运动方案智能推送缺乏有效的方法，建立基于卷积神经网络和长短时记忆网络模型的身体活动强度预测算法模型，对三轴加速度计采集的运动数据序列进行特征提取和时序相关性分析，预测值与真实值之间的平均绝对百分比误差为12.03%，均方误差为1.027；研制基于用户的身体活动、运动风险、健康水平、健身目标等特征指标的智能生成个性化运动方案算法，基于“首体健身”健身指导系统将运动方案与标签化的动作库和健身课程视频按照关联规则的匹配方法组成可视化健身方案。基于卷积神经网络和长短时记忆网络的算法模型预测身体活动强度的精度高，基于身体活动量、运动风险等特征智能推送的个性化健身方案可满足居民健身需求。

• 单位
  福建师范大学; 首都体育学院