TWI681798B - 運動課程評分方法與系統、電腦程式產品 - Google Patents

Abstract

本發明一種運動課程評分方法，包括：播放課程影片，並取得對應的教練運動數據；透過穿戴式加速度感測器取得學員運動數據；將教練運動數據分為多個教練片段，其中每一個教練片段是對應至多個學員片段，並且部分的學員片段是彼此部分地重疊；根據教練片段與對應的每一個學員片段執行動態時間扭曲演算法，以取得誤差最小的學員片段並計算出運動分數；以及顯示運動分數。

Description

運動課程評分方法與系統、電腦程式產 品

本發明是有關於一種評分方法，且特別是有關於一種用加速度感測器來評分的運動課程評分方法。

隨著近年來健身風氣的興起，越來越多人願意嘗試建立自己的運動習慣。並且，在現今資訊發達的環境下，許多人會試圖透過網路等資源來搜尋健身的相關教學影片，並藉由模仿影片中的動作來進行運動。然而，由於一般人不見得能夠藉由模仿來正確地執行所需的動作，因此在達到運動效果之前，反而可能因做錯動作而受傷。此外，在沒有外人協助評估的情況下，一般的使用者也無從得知自己在運動的過程中是否有逐漸地進步，因此反而可能因得不到成就感而不願意繼續運動。

目前常見的運動動作判斷系統有：利用多鏡頭攝影設備，以電腦視覺處理的技術，擷取使用者運動動作姿態以進行分析，這種系統其不論是硬體的成本，或是數位內 容的製作成本均較高，造成推廣上的困難；一種常見的方式是利用穿戴的慣性感測器，其至少包含加速度計及磁力計，紀錄運動時感測器在三維空間中的加速度和角速度的變化，從而計算出在空間中的運動軌跡，便可以進行記錄與分析比對；另一種方式為採用穿戴的加速度計，單純紀錄運動時，裝置在空間中的加速度的變化，在這樣的系統中，數據採樣的時序是重要的參考座標，因此通常的應用範圍是在以片段的運動採樣、紀錄、比對分析為主，較難適用於計算出連續的運動動作之間的動作相似率。

本發明的實施例提出一種運動課程評分方法，適用於運動課程評分系統。此運動課程評分系統包括穿戴式加速度感測器。運動評分法包括：播放課程影片，並取得對應課程影片的教練運動數據，其中教練運動數據包括多個教練取樣點，每一個教練取樣點包括多個加速度值；透過穿戴式加速度感測器取得學員運動數據，其中學員運動數據包括多個學員取樣點，每一個學員取樣點包括多個加速度值；將教練運動數據分為多個教練片段，其中每一個教練片段是對應至學員運動數據中的多個學員片段，並且部分的學員片段是彼此部分地重疊；對於每一個教練片段，根據教練片段與對應的每一個學員片段執行一動態時間扭曲(dynamic time warping)演算法，以取得誤差最小的學員片段並計算出運動分數；以及顯示運動分數。

在一些實施例中，上述的運動課程評分方法更包括：對於每一個教練片段，根據教練片段的時間碼往前延伸至第一取樣點並往後延伸至第二取樣點，並以第一取樣間隔在學員運動數據上從第一取樣點取樣至第二取樣點以取得學員片段。

在一些實施例中，上述的運動課程評分方法更包括：從學員片段中取得誤差最小的第一學員片段與第二學員片段；以第二取樣間隔在學員運動數據上從第一學員片段取樣至第二學員片段以取得第三學員片段，其中第二取樣間隔小於第一取樣間隔；以及根據教練片段與第三學員片段執行動態時間扭曲演算法。

在一些實施例中，上述的運動課程評分方法更包括：如果第三學員片段的誤差大於第一學員片段的誤差與第二學員片段的誤差，則設定第一學員片段與第二學員片段中誤差較小的學員片段為誤差最小的學員片段。

在一些實施例中，上述的上述根據教練片段與學員片段執行動態時間扭曲演算法的步驟包括：根據以下方程式(1)計算教練取樣點與學員取樣點之間的誤差。

error_i,j=c ₁×|x _i -y _j |+c ₂×|(x _i+1-x _j )-(y _j+1-y _j )|+c ₃×|(x _i -x _i-1)-(y _j -y _j-1)|...(1)其中x _i 表示第i個教練取樣點，y _j 表示第j個學員取樣點，error_i,j表示誤差，c₁、c₂、c₃為實數。

在一些實施例中，是根據以下方程式(2)計算出運動分數。

其中s_i為第i個教練片段所對應的運動分數，l為教練片段的長度，path _i 為第i個教練片段與所對應的誤差最小的學員片段之間的扭曲路徑的長度。p _i 為實數，實數p _i 是負相關於第i個教練片段和所對應的誤差最小的學員片段在時間上的偏移。

在一些實施例中，是根據以下方程式(3)、(4)計算出運動分數。

其中w _j 為第i個教練片段與所對應的誤差最小的學員片段之間的扭曲路徑的第j個元素所對應的誤差，T為臨界值，K為扭曲路徑的長度。

在一些實施例中，上述的每一個學員取樣點的加速度值包括X軸加速度、Y軸加速度與Z軸加速度，上述的運動評分方法更包括：改變X軸加速度或Y軸加速度的正負號，並重新執行取得誤差最小的學員片段的步驟，顯示誤差較小時所對應的該運動分數。

在一些實施例中，上述的顯示運動分數的步驟包括：取得教練片段中連續的多個第一教練片段，並取得每一個第一教練片段的第一運動分數；以及顯示第一運動分數的最大值。

以另外一個角度來說，本發明的實施例提出一 種運動課程評分系統，包括穿戴式加速度感測器與智慧型裝置。智慧型裝置透過顯示器播放課程影片，取得對應課程影片的教練運動數據，其中教練運動數據包括多個教練取樣點，每一個教練取樣點包括多個加速度值。智慧型裝置透過穿戴式加速度感測器取得學員運動數據，其中學員運動數據包括多個學員取樣點，每一個學員取樣點包括多個加速度值。智慧型裝置將教練運動數據分為多個教練片段，其中每一個教練片段是對應至學員運動數據中的多個學員片段，並且部分的學員片段是彼此部分地重疊。對於每一個教練片段，智慧型裝置根據教練片段與對應的每一個學員片段執行一動態時間扭曲(dynamic time warping)演算法，以取得誤差最小的學員片段並計算出運動分數，並且透過顯示器顯示運動分數。

以另外一個角度來說，本發明的實施例提出電腦程式產品，由一計算模組執行並執行多個步驟：播放一課程影片，並取得對應課程影片的一教練運動數據，其中教練運動數據包括多個教練取樣點，每一個教練取樣點包括多個加速度值；透過一穿戴式穿速度感測器取得學員運動數據，其中學員運動數據包括多個學員取樣點，每一個學員取樣點包括多個加速度值；將教練運動數據分為多個教練片段，其中每一個教練片段是對應至學員運動數據中的多個學員片段，並且部分的學員片段是彼此部分地重疊；對於每一個教練片段，根據教練片段與對應的每一個學員片段執行一動態時間扭曲(dynamic time warping)演算法，以取得誤差最 小的學員片段並計算出一運動分數；以及顯示運動分數。

在上述的方法與系統中，可以有效地比對教練運動數據與學員運動數據，藉此計算出適當的運動分數。

為讓本發明的上述特徵和優點能更明顯易懂，下文特舉實施例，並配合所附圖式作詳細說明如下。

100‧‧‧運動課程評分系統

110‧‧‧穿戴式加速度感測器

112‧‧‧學員

120‧‧‧顯示器

121‧‧‧分數

130‧‧‧智慧型裝置

131‧‧‧處理器

132‧‧‧記憶體

133‧‧‧無線通訊模組

140‧‧‧雲端資料庫

141‧‧‧計算模組

151~156‧‧‧步驟

210‧‧‧教練運動數據

211~213‧‧‧教練片段

214‧‧‧取樣點

220‧‧‧學員運動數據

221~223‧‧‧取樣點

231~235‧‧‧學員片段

301‧‧‧矩陣

302‧‧‧起始點

303‧‧‧終點

401~403‧‧‧取樣間隔

411~413、421‧‧‧學員片段

501~510、601~605‧‧‧步驟

[圖1A]是根據一實施例繪示運動課程評分系統的示意圖。

[圖1B]是根據一實施例繪示運動課程評分系統的整體流程圖。

[圖2]是根據一實施例繪示教練運動數據與學員運動數據的示意圖。

[圖3]是根據一實施例繪示動態時間扭曲演算法中尋找路徑的示意圖。

[圖4]是根據一實施例繪示尋找誤差最小的學員片段的示意圖。

[圖5]是根據一實施例繪示尋找誤差最小的學員片段的流程圖。

[圖6]是根據一實施例繪示運動課程評分方法的流程圖。

關於本文中所使用之『第一』、『第二』、...等，並非特別指次序或順位的意思，其僅為了區別以相同技術用語描述的元件或操作。

本發明提供一種結合智慧型裝置及雲端應用服務的運動課程評分方法，其可在學員依據運動課程影片進行運動的同時，擷取學員在身體部位的運動數據，並將這些運動數據與教練的運動數據，依身體部位對身體部位的逐一進行比對，再據此以評估使用者的運動成果。藉此，可令學員明確知道自己是否正確地執行所需的動作，進而改善運動效果以及提升運動意願。

圖1A是根據一實施例繪示運動課程評分系統的示意圖。請參照圖1A，運動課程評分系統100包括至少一個穿戴式加速度感測器110、顯示器120與智慧型裝置130。

穿戴式加速度感測器110例如可以實作為一個運動手環，並由學員112穿戴，但在其他實施例中也可以實作為手錶、綁帶或其他可以穿戴在身上的裝置。穿戴式加速度感測器110包括一個三軸重力感測器，用以量測X、Y、Z等三個軸上的加速度值。穿戴式加速度感測器110還包括無線通訊模組，例如藍芽通訊模組、無線保真(wireless fidelity，WiFi)模組或其他合適的低功率無線傳輸模組。在一些實施例中，穿戴式加速度感測器110還可包括顯示面板或其他任意的元件，本發明並不在此限。顯示器120是用以撥放一個課程影片，在課程影片中有教練在示範動作。

智慧型裝置130包括處理器131、記憶體132與 無線通訊模組133，記憶體132中儲存有程式碼，並由處理器131來執行。處理器131可為一個中央處理器、微處理器、微控制器、數位信號處理器、影像處理晶片、特殊應用積體電路等，本發明並不在此限。無線通訊模組133例如為藍芽通訊模組、無線保真(wireless fidelity，WiFi)模組或其他合適的低功率無線傳輸模組，用以從穿戴式加速度感測器110接收加速度值。

圖1B是根據一實施例繪示運動課程評分系統100的整體流程圖。請參照圖1A與圖1B，首先須製作課程影片，在步驟151中，拍攝課程影片，同時紀錄教練運動數據。在一些實施例中，可先透過多台攝影機來拍攝教練的動作，這些攝影機是架設在不同的位置與角度，根據這些拍攝的影片可以產生課程影片。特別的是，在拍攝的過程中教練也帶著一或多個穿戴式加速度感測器110，穿戴式加速度感測器110所感測到的加速度值也都會記錄下來成為教練運動數據。具體來說，教練運動數據包括多個教練取樣點，每一個教練取樣點包括X、Y、Z等三個加速度值。

在步驟152中，進行課程影片的後製，根據時間碼來同步教練運動數據與課程影片。上述的時間碼例如為動畫與電視工程師協會(Society of Motion Picture and Television Engineers,SMPTE)所制定的時間碼，但在其他實施例中也可以採用任意格式的時間碼，本發明並不在此限。據此，透過此時間碼可以得到每一個教練取樣點是對應置課程影片中的哪一段影片或哪一張影像。舉例來說，如果 穿戴式加速度感測器110的取樣頻率為25Hz，則一段1分鐘的影片所對應的教練運動數據會有60 x 25=1500個教練取樣點。然而，本發明並不限制取樣頻率為多少。接下來，課程影片與教練運動數據繪儲存在雲端資料庫140中。

當使用者要開始運動時，處理器131可以從雲端資料庫140中取得課程影片與教練運動數據並透過顯示器120撥放課程影片。同時，在步驟153中，處理器131會透過穿戴式加速度感測器110取得學員運動數據(例如透過無線通訊模組)。具體來說，學員運動數據包括多個學員取樣點，每一個學員取樣點包括多個加速度值。在一些實施例中，處理器131會在課程影片開始撥放前就開始從穿戴式加速度感測器110接收加速度值，但這些加速度值會被捨棄，直到課程影片開始撥放時才會儲存加速度值以做為學員運動數據。如此一來，所取得的學員運動數據會對應至課程影片，例如可得知每一個學員取樣點是對應至課程影片中的哪一張畫面。

在步驟154中，在運動中止或結束時(課程影片結束時)，收集取得的學員運動數據。由於在步驟153中已經得知學員運動數據與課程影片之間的對應關係，並且根據SMPTE時間碼可取得課程影片與教練運動數據之間的對應關係，因此根據課程影片的畫面編號便可以取得對應的學員運動數據與教練運動數據。換言之，根據畫面編號可以得知每一個學員取樣點是對應於那一個教練取樣點。

在步驟155中，將教練運動數據分為多個教練 片段，計算每一個教練片段的運動分數。最後在步驟156中顯示運動分數121，藉此學員112可以明確知道自己是否正確地執行所需的動作，進而改善運動效果以及提升運動意願。在一些實施例中，運動分數是由處理器131所計算，但在其他實施例中運動分數也可以由雲端上的伺服器、或者是其他電子裝置來計算。例如，在圖1A中，智慧型裝置130可連線至雲端上的計算模組141，此計算模組141可以是伺服器、虛擬機器、或是提供計算服務的網路應用程式，本發明並不在此限。處理器131可以將教練運動數據與學員運動數據傳送至計算模組141，由計算模組141計算出運動分數以後回傳給處理器131。以下將詳細說明運動分數的計算。

請參照圖2，圖2是根據一實施例繪示教練運動數據與學員運動數據的示意圖。在圖2中的教練運動數據210與學員運動數據220是繪示為一維的訊號(即每個取樣點上只有一個加速度值)，但此僅為示意圖，實際上每一個取樣點應具有多個加速度值(即組成一個向量)，而教練運動數據210與學員運動數據220是向量的集合。在圖2中，教練運動數據210與學員運動數據220是對應至相同的課程影片，因此如果教練運動數據210與學員運動數據220越相似，則計算出的分數應該越高。值得注意的是，教練運動數據210的長度可能不同於學員運動數據220的長度。

在取得教練運動數據210與學員運動數據220以後，可先將教練運動數據分為多個教練片段(例如，教練片段211~213)。在一些實施例中，這些教練片段211~213 的長度都相同，例如為10秒，因此在取樣頻率為25Hz的情況下每個教練片段具有250個教練取樣點。然而，在其他實施例中，這些教練片段211~213的長度也可以不相同，本發明也不限制教練片段的長度與取樣頻率。學員運動數據220也包含多個學員運動片段，對於每一個教練片段，會在一個時間範圍內找到即誤差為小的學員片段，藉此計算出一個分數。在尋找誤差最小的學員片段時，每一個教練片段是對應至學員運動數據220中的多個學員片段，這學員片段的長度與教練片段的長度相同，並且部分的學員片段是彼此部分地重疊。以教練片段212為例，教練片段212的起始點在取樣點214，而取樣點214是同步於至學員運動數據220的取樣點221。根據教練片段212的時間碼可以往前延伸至取樣點222(亦稱第一取樣點)並往後延伸至取樣點223(亦稱第二取樣點)，並以一個取樣間隔(亦稱第一取樣間隔)在學員運動數據220上從取樣點222取樣至取樣點223以後可以得到多個學員片段。舉例來說，如果將教練片段212往前延伸5秒鐘，也往後延伸5秒鐘，則取樣點221與取樣點223之間會有2x5x25=250個取樣點，如果取樣間隔為10，則可以產生250/10=25個學員片段，其中取樣點222為學員片段231的起始點，而取樣點223為學員片段232的起始點，而在學員片段231與學員片段232之間還具有多個學員片段(未繪示)，且部分的學員片段會彼此部分地重疊。

接下來，可根據教練片段212與對應的每一個學員片段來執行動態時間扭曲(dynamic time warping)演 算法，藉此判斷出教練片段與學員片段之間的誤差/相似度，在此將說明動態時間扭曲演算法。圖3是根據一實施例繪示動態時間扭曲演算法中尋找路徑的示意圖。請參照圖3，在此以教練片段212與學員片段231為例，兩者具有相同的長度(都包括250個取樣點)。在此可以建立一個矩陣301，此矩陣中行(column)與列(row)的個數是分別相同於教練片段212的取樣點個數與學員片段231的取樣點個數。矩陣301中的第i行第j列中的元素為第i個教練取樣點與第j個學員取樣點之間的誤差。在此假設x _i 表示第i個教練取樣點，y _j 表示第j個學員取樣點，其中i、j為正整數。error_i,j表示第i個教練取樣點與第j個學員取樣點之間的誤差，可表示為以下方程式(1)。

error_i,j=c ₁×|x _i -y _j |+c ₂×|(x _i+1-x _j )-(y _j+1-y _j )|+c ₃×|(x _i -x _i-1)-(y _j -y _j-1)|...(1)

其中c ₁、c ₂、c ₃為實數，可經過實驗而設定較佳的數值。值得注意的是，x _i -y _j 為一個向量，而|x _i -y _j |表示此向量中所有元素的絕對值和。值得一提的是，傳統的動態時間扭曲演算法中，error_i,j僅為x _i 與y _j 之間的尤拉距離或是絕對值和，但在此實施例中還加入了|(x _i+1-x _j )-(y _j+1-y _j )|以及|(x _i -x _i-1)-(y _j -y _j-1)|，這是用來描述訊號的斜率差。例如，當x _i 與y _j 相同但x _i 處於往上的趨勢且y _j 處於往下的趨勢時，傳統的做法中會計算出誤差error_i,j=0，但在此實施例中則會因為趨勢不同而計算出不為0的誤差error_i,j，如此一來更可以描述訊號的特性。

動態時間扭曲演算法是要找到一條扭曲路徑(warping path)，從起始點302走到終點303，並且滿足以下方程式(2)的條件。

其中向量w即表示扭曲路徑。向量w的長度(即路徑的長度)為正整數K，此向量w中的元素w_k=(i,j)為矩陣301中第i行第j列的誤差error_i,j。然而，本領域具有通常知識者當可理解動態時間扭曲演算法，在此並不贅述其他細節。可理解的是，當教練片段212與學員片段231完全相同時，則扭曲路徑會是一條45度的斜直線，此時有最短的長度K；當教練片段212與學員片段231相差越大時，則路徑的長度K會越大。換言之，教練片段212與學員片段231之間的誤差是反比於長度K。

圖4是根據一實施例繪示尋找誤差最小的學員片段的示意圖。請參照圖4，為了簡化起見，在此用一個教練取樣點來表示一個教練片段，並且用一個學員取樣點來表示一個學員片段，此外，在圖4中並未繪示學員運動數據。在此假設第一次搜尋時，教練片段212是對應至學員片段231~235，且學員片段231~235之間具有取樣間隔401(例如為10)。對於教練片段212與每一個學員片段231~235都可執行上述的動態時間扭曲演算法，並且可以找到誤差最小(具有最短的長度K)的兩個學員片段，假設為學員片段233、234(分別稱為第一學員片段與第二學員片段)。接下來，為了進一步搜尋，在此會減少取樣間隔(例如從10減少 為5)，並且根據減少後的取樣間隔402(亦稱第二取樣間隔)在學員運動數據上從學員片段233取樣至學員片段234以取得學員片段411~413(亦稱為第三學員片段)。取樣間隔402是小於取樣間隔401，換言之本實施例是以粗略到精緻(coarse to fine)的機制來尋找誤差最小的學員片段。

如果學員片段411~413的誤差比學員片段233、234的誤差還要大，則可以設定學員片段233、234中誤差比較小的學員片段為誤差最小的學員片段，並且停止搜尋。如果學員片段411~413的其中一個學員片段的誤差比較小，則可以重複上述以粗略到精緻的機制繼續尋找，例如取得誤差最小的兩個學員片段412、413，並且再減少取樣間隔，並根據減少後的取樣間隔403從學員片段412取樣至學員片段413以取得學員片段421。在一些實施例中，如果取樣間隔402小於一個臨界值(例如1、2或其他數值)，則不會再減少取樣間隔，會從目前的學員片段411~413中取得誤差最小的學員片段。

對於教練片段212來說，在取得誤差最小的學員片段以後，可以計算出一個運動分數，並將此運動分數顯示在顯示器120上。在一些實施例中，是根據以下方程式(3)來計算運動分數。

其中s_i為第i個教練片段所對應的運動分數。l為教練片段的長度。path _i 為第i個教練片段與所對應的誤差最小的學員片段之間的扭曲路徑的長度。舉例來說，如果教練 片段212與學員片段412之間的誤差最小，則教練片段212與學員片段412之間的扭曲路徑的長度便是path _i 。p _i 為實數，實數p _i 是負相關於第i個教練片段和所對應的誤差最小的學員片段在時間上的偏移。例如，教練片段212與誤差最小的學員片段412在時間上有偏移(例如20個取樣點的距離)，當此偏移越大時，表示學員的動作是與教練的動作類似但有太早做或太慢做的情形，因此必須稍微降低分數。換言之，如果教練片段212與學員片段234之間的誤差最小，則沒有時間上的偏移，此時不需要降低分數。在一些實施例中，可以將上述的偏移輸入至一個查找表以取得實數p _i ，例如當偏移在3以內時實數p _i 為1，當偏移在3~6的範圍內時實數p _i 為0.9等，但本發明並不限制查找表的內容。然而，在其他實施例中也可以將上述的偏移輸入至一個函數來取得實數p _i ，本發明並不在此限。在此實施例中，上述的運動分數可以正規化為0到100的範圍，但在其他實施例中也可採用其他的分數範圍，本發明並不在此限。

在一些實施例中，可根據以下方程式(4)、(5)來計算運動分數。

元素w_j的定義如以上方程式(2)所述。換言之，對於每一個元素w_j，都判斷此元素是否大於一個臨界值T，若是則累加1，否則累加0，其中臨界值T可經過實驗來設定，本發明並不在此限。當教練運動數據與學員運動數據差 距越大時，所計算出的cost_i越大，因此所計算出的運動分數s_i越小。

上述的搜尋機制可參照圖5，在步驟501中，播放課程影片，取得教練運動數據與學員運動數據。在步驟502中，取得下一個教練片段，若是第一次執行步驟502則是取得第一個教練片段。在步驟503中，將教練片段的時間往前並往後延伸，根據一取樣間隔取得多個學員片段。在步驟504中，根據教練片段與每一個學員片段執行動態時間扭曲演算法並取得誤差。

在步驟505中，判斷是否繼續搜尋。如上所述的，當取樣間隔小於一個臨界值時會停止搜尋。或者，當新增的學員片段沒有更小的誤差時也會停止搜尋。若要繼續搜尋，在步驟506中，減少取樣間隔，並在步驟507中取得誤差最小的兩個學員片段，並根據減少後的取樣間隔來進行取樣以新增學員片段。若沒有要繼續搜尋，在步驟508中，根據誤差最小的學員片段來計算出運動分數。在步驟509中，判斷是否已處理所有的教練片段，若是則回到步驟502，否則結束流程(步驟510)。

值得一提的是，在步驟503中會將教練片段往前並往後延伸，這是為了增加一點彈性，容忍學員的動作可能太慢或太快。另一方面，相鄰的兩個教練片段所對應的誤差最小的學員片段可能彼此重疊，這些特徵都與習知的動態時間扭曲演算法不相同。

請參照圖2，在一些實施例中，在顯示運動分數 時可先取得連續的多個第一教練片段，在取得每一個第一教練片段的運動分數以後，最後只顯示這些運動分數的最大值。例如，在計算教練片段211~213的運動分數以後，只會顯示這三個運動分數的最大值，此步驟是為了避免運動分數太低，打擊了學員的信心。在一些實施例中，也可以將多個運動分數取平均以後再顯示於顯示器120上，本發明並不在此限。

請參照圖1A與圖2，在一些實施例中，使用者可能會將穿戴式加速度感測器110反帶，此時X軸與Y軸會轉180度，此外，當學員在模仿教練的動作時，也可能會有鏡像的情形，例如學員的左手去模仿教練右手的動作，或者學員的左手去模仿教練左手的動作。因此，當配戴方向與鏡像情形結合以後會產生多種可能性，對於每一個情形都可執行上述搜尋誤差最小學員片段的步驟，並顯示誤差較小時的情形所對應的運動分數。具體來說，第一種情形是不改變X軸加速度與Y軸加速度的正負號；第二種情形是只改變X軸加速度的正負號而不改變Y軸加速度的正負號；第三種情形是只改變Y軸加速度的正負號而不改變X軸加速度的正負號；第四種情形是同時改變X軸加速度與Y軸加速度的正負號。對於每一種情形，都可採用上述搜尋誤差最小學員片段的步驟，並可以取得相關的誤差，如果某一種情形的誤差較小，則可採用該情形的計算結果，並且顯示在此情形下的運動分數。在一些實施例中，可以只計算上述四種情形中的二到三種情形，例如只計算第二種與第三種情形，並判斷哪一種情 形的誤差較小，然而，本發明並不限制要採用多少個以及哪幾個情形。在一些實施例中，對於每一個教練片段都會計算上述多個情形，這是因為學員在模仿教練的動作時，有時會有鏡像的情形，有時沒有鏡像的情形，因此對於每一個教練片段都計算多個情形可以得到較適當的運動分數。

圖6是根據一實施例繪示運動課程評分方法的流程圖。請參照圖6，在步驟601，播放課程影片，並取得對應課程影片的教練運動數據。在步驟602，透過穿戴式加速度感測器取得學員運動數據。在步驟603，將教練運動數據分為多個教練片段，其中每個教練片段是對應至多個學員片段，並且部分的學員片段是彼此部分地重疊。在步驟604，對於每個教練片段，根據教練片段與對應的每個學員片段執行動態時間扭曲演算法，以取得誤差最小的學員片段並計算出運動分數。在步驟605，顯示運動分數。

然而，圖6中各步驟已詳細說明如上，在此便不再贅述。值得注意的是，圖6中各步驟可以實作為多個程式碼或是電路，本發明並不在此限。此外，圖6的方法可以搭配以上實施例使用，也可以單獨使用。換言之，圖6的各步驟之間也可以加入其他的步驟。

以另外一個角度來說，本發明也提出了一電腦程式產品，此產品可由任意的程式語言及/或平台所撰寫，當此電腦程式產品由計算模組141執行時，可執行上述的方法。在一些實施例中，電腦程式產品也可以由智慧型裝置130來執行。

雖然本發明已以實施例揭露如上，然其並非用以限定本發明，任何所屬技術領域中具有通常知識者，在不脫離本發明的精神和範圍內，當可作些許的更動與潤飾，故本發明的保護範圍當視後附的申請專利範圍所界定者為準。

100‧‧‧運動課程評分系統

110‧‧‧穿戴式加速度感測器

112‧‧‧學員

120‧‧‧顯示器

121‧‧‧分數

130‧‧‧智慧型裝置

131‧‧‧處理器

132‧‧‧記憶體

133‧‧‧無線通訊模組

140‧‧‧雲端資料庫

141‧‧‧計算模組

Claims (11)

1. 一種運動課程評分方法，適用於一運動課程評分系統，該運動課程評分系統包括一穿戴式加速度感測器，該運動評分方法包括：播放一課程影片，並取得對應該課程影片的一教練運動數據，其中該教練運動數據包括多個教練取樣點，每一該些教練取樣點包括多個加速度值；透過該穿戴式加速度感測器取得一學員運動數據，其中該學員運動數據包括多個學員取樣點，每一該些學員取樣點包括多個加速度值；將該教練運動數據分為多個教練片段，其中每一該些教練片段是對應至該學員運動數據中在一時間範圍內的多個學員片段，並且部分的該些學員片段是彼此部分地重疊；對於每一該些教練片段，根據該教練片段與對應的每一該些學員片段執行一動態時間扭曲(dynamic time warping)演算法，以從對應的該些學員片段中取得誤差最小的該學員片段並計算出一運動分數；以及顯示該運動分數。
2. 如申請專利範圍第1項所述之運動課程評分方法，更包括：對於每一該些教練片段，根據該教練片段的該時間碼 往前延伸至第一取樣點並往後延伸至第二取樣點，並以一第一取樣間隔在該學員運動數據上從該第一取樣點取樣至該第二取樣點以取得該些學員片段。
3. 如申請專利範圍第2項所述之運動課程評分方法，更包括：從該些學員片段中取得誤差最小的一第一學員片段與一第二學員片段；以一第二取樣間隔在該學員運動數據上從該第一學員片段取樣至該第二學員片段以取得至少一第三學員片段，其中該第二取樣間隔小於該第一取樣間隔；以及根據該教練片段與該至少一第三學員片段執行該動態時間扭曲演算法。
4. 如申請專利範圍第3項所述之運動課程評分方法，更包括：如果該至少一第三學員片段的誤差大於該第一學員片段的誤差與該第二學員片段的誤差，則設定該第一學員片段與該第二學員片段中誤差較小的該學員片段為誤差最小的該學員片段。
5. 如申請專利範圍第1項所述之運動課程評分方法，其中根據該教練片段與對應的每一該些學員片段執行該動態時間扭曲演算法的步驟包括： 根據以下方程式(1)計算該教練取樣點與該學員取樣點之間的誤差：error_i,j=c ₁×|x _i -y _j |+c ₂×|(x _i+1-x _j )-(y _j+1-y _j )|+c ₃×|(x _i -x _i-1)-(y _j -y _j-1)|...(1)其中x _i 表示第i個該教練取樣點，y _j 表示第j個該學員取樣點，error_i,j表示誤差，c₁、c₂、c₃為實數。
6. 如申請專利範圍第1項所述之運動課程評分方法，其中計算出該運動分數的步驟包括：根據以下方程式(2)計算出該運動分數：

   

   其中s_i為第i個教練片段所對應的該運動分數，l為該教練片段的長度，path _i 為該第i個教練片段與所對應的誤差最小的該學員片段之間的一扭曲路徑的長度，p _i 為一實數，該實數p _i 是負相關於該第i個教練片段和所對應的誤差最小的該學員片段在時間上的偏移。
7. 如申請專利範圍第1項所述之運動課程評分方法，其中計算出該運動分數的步驟包括：根據以下方程式(3)、(4)計算出該運動分數：

   

   

   其中s_i為第i個教練片段所對應的該運動分數，l為該 教練片段的長度，p _i 為一實數，該實數p _i 是負相關於該第i個教練片段和所對應的誤差最小的該學員片段在時間上的偏移，w _j 為該第i個教練片段與所對應的誤差最小的該學員片段之間的一扭曲路徑的第j個元素所對應的誤差，T為一臨界值，K為該扭曲路徑的長度。
8. 如申請專利範圍第1項所述之運動課程評分方法，其中每一該些學員取樣點的該些加速度值包括X軸加速度、Y軸加速度與Z軸加速度，該運動評分方法更包括：改變該X軸加速度或者該Y軸加速度的正負號，並重新執行取得誤差最小的該學員片段的步驟，並顯示誤差較小時所對應的該運動分數。
9. 如申請專利範圍第1項所述之運動課程評分方法，其中顯示該運動分數的步驟包括：取得該些教練片段中連續的多個第一教練片段，並取得每一該些第一教練片段的一第一運動分數；以及顯示該些第一運動分數的最大值。
10. 一種運動課程評分系統，包括：一穿戴式加速度感測器；以及一智慧型裝置，用以透過一顯示器播放一課程影片，用以取得對應該課程影片的一教練運動數據，其中該教練 運動數據包括多個教練取樣點，每一該些教練取樣點包括多個加速度值，其中該智慧型裝置透過該穿戴式加速度感測器取得一學員運動數據，其中該學員運動數據包括多個學員取樣點，每一該些學員取樣點包括多個加速度值，該智慧型裝置將該教練運動數據分為多個教練片段或將該教練運動數據與該學員運動數據傳送至一伺服器，由該伺服器將該教練運動數據分為該些教練片段，其中每一該些教練片段是對應至該學員運動數據中在一時間範圍內的多個學員片段，並且部分的該些學員片段是彼此部分地重疊，對於每一該些教練片段，該智慧型裝置或該伺服器根據該教練片段與對應的每一該些學員片段執行一動態時間扭曲(dynamic time warping)演算法，以從對應的該些學員片段中取得誤差最小的該學員片段並計算出一運動分數，並且該顯示器顯示該運動分數。
11. 一種電腦程式產品，由一計算模組執行以執行多個步驟：播放一課程影片，並取得對應該課程影片的一教練運動數據，其中該教練運動數據包括多個教練取樣點，每一該些教練取樣點包括多個加速度值；透過一穿戴式加速度感測器取得一學員運動數據，其中該學員運動數據包括多個學員取樣點，每一該些學員取 樣點包括多個加速度值；將該教練運動數據分為多個教練片段，其中每一該些教練片段是對應至該學員運動數據中在一時間範圍內的多個學員片段，並且部分的該些學員片段是彼此部分地重疊；對於每一該些教練片段，根據該教練片段與對應的每一該些學員片段執行一動態時間扭曲(dynamic time warping)演算法，以從對應的該些學員片段中取得誤差最小的該學員片段並計算出一運動分數；以及顯示該運動分數。

Images