TWI902311B - 體適能之檢測訓練方法及其系統 - Google Patents

Abstract

本發明提供一種體適能之檢測訓練方法，包括：一訓練人員資料輸入步驟、一訓練模式選擇步驟、 一訓練內容確認步驟、一開始訓練實施步驟、一判斷訓練人員訓練狀況步驟、一訓練內容結束步驟以及一訓練紀錄數值回傳步驟。此外，本發明也同時提供了一種體適能之檢測訓練系統。

Description

體適能之檢測訓練方法及其系統

本發明係有關於一種體能檢測訓練技術，尤其係指一種體適能之檢測訓練方法及其系統。

由於科技的進步，人們經濟生活改變，大部分人都會仰賴機器工作及通勤，從一開始人們步行、騎腳踏車上班，到現在有了許多的大眾交通工具。雖然做事效率提升了，通勤也變方便，卻降低身體的活動量。越來越多人開始出現心血管疾病等類似症狀，主要原因是人們忙於工作卻忘記了平時的運動。

有鑑於此，目前亟需提出一種能夠將科技與運動結合的新型態的體適能之檢測訓練裝置，使運動能更方便，比起一般的跑步，結合科技的運動不但能讓時間減少又能達到運動的效果，而且還能減少運動傷害的發生。

因此，針對上述所要解決的問題，本發明的目的在於提供一種體適能之檢測訓練方法，包括：一訓練人員資料輸入步驟，輸入一訓練人員的基本資料；一訓練模式選擇步驟，選擇該訓練人員所要進行的訓練模式； 一訓練內容確認步驟，確認該訓練模式中的訓練內容的項目；一開始訓練實施步驟，該訓練人員開始進行實施該訓練內容；一判斷訓練人員訓練狀況步驟，判斷該訓練人員於訓練過程中是否動作完成或是否有發生異常；一訓練內容結束步驟，確認該訓練內容的項目是否已訓練結束；以及一訓練紀錄數值回傳步驟，將該訓練人員所進行的訓練紀錄數值回傳至一雲端資料庫，並可透過連接至該雲端資料庫之一網頁來瀏覽該訓練紀錄數值。

如上所述的方法，更包括一訓練紀錄數值比較步驟，將該訓練紀錄數值與一模擬設定目標進行比較，以確認該訓練紀錄數值是否達到該模擬設定目標。

如上所述的方法，其中該訓練內容確認步驟更包括一運動強度確認步驟，確認該訓練模式中的運動強度的類型，該運動強度的類型包含低強度運動、中等強度運動以及高強度運動，且該運動強度的類型係利用一有效心跳速率範圍公式去定義該低強度運動、該中等強度運動以及該高強度運動，其中該有效心跳速率範圍公式包含該中等強度運動的有效心跳速率範圍等於（220－年齡－休息時的心跳速率）×（40％～59％）＋休息時的心跳速率，該高強度運動的有效心跳速率範圍大於（220－年齡－休息時的心跳速率）×（59％）＋休息時的心跳速率，該低強度運動的有效心跳速率範圍小於（220－年齡－休息時的心跳速率）×（40％）＋休息時的心跳速率。

如上所述的方法，其中該運動強度確認步驟更包含一輸入強度類型步驟，從該運動強度的類型中挑選出其中一種強度運動進行訓練；一取得起始心率步驟，量測並記錄該訓練人員休息時的心跳速率；及一計算有效心率步驟，將所取得的該訓練人員休息時的心跳速率經由該有效心跳速率範圍公式去計算所挑選出的該種強度運動的有效心跳速率範圍。

如上所述的方法中，其中該訓練內容確認步驟更包括一運動強度確認步驟，確認該訓練模式中的運動強度的類型，該運動強度的類型包含低強度運動、中等強度運動以及高強度運動，且該運動強度的類型係利用一最大心跳速率範圍公式去定義該低強度運動、該中等強度運動以及該高強度運動，其中該最大心跳速率範圍公式包含該中等強度運動的最大心跳速率範圍等於（220－年齡）×（64％～74％），該高強度運動的最大心跳速率範圍等於（220－年齡）×（85％～90％），該低強度運動的最大跳速率範圍等於（220－年齡）×（50％～63％）。

如上所述的方法中，其中該判斷訓練人員訓練狀況步驟中包含使用一影像辨識方法去取得該訓練人員的動作影像並分析判斷該訓練人員的運動次數，而該影像辨識方法包括：一訓練人員影像取得步驟，取得該訓練人員的動作影像；一訓練人員影像處理步驟，將該訓練人員的動作影像處理後分析得到各部位的點座標，並以任一關節為向量基準點，將該關節兩側的肢體分別設為a向量和b向量；及一訓練人員影像判斷步驟，將該a向量和該b向量帶入內積公式 去計算出該關節兩側的肢體之間的一向量夾角 ，透過該向量夾角 去判斷該訓練人員的運動次數。

本發明的另一個目的在於提供一個體適能之檢測訓練系統，包括：一控制器；一訓練人員資料輸入模組，連接該控制器，用以輸入一訓練人員的基本資料；一訓練模式選擇模組，連接該控制器，用以選擇該訓練人員所要進行的訓練模式；一訓練內容確認模組，連接該控制器，用以確認該訓練模式中的訓練內容的項目；一開始訓練實施模組，連接該控制器，用以讓該訓練人員開始進行實施該訓練內容，其中該開始訓練實施模組包含一影像監測模組，該影像監測模組連接該控制器，用以取得該訓練人員的動作影像；一判斷訓練人員訓練狀況模組，連接該控制器，用以判斷該訓練人員於訓練過程中是否動作完成或是否有發生異常，其中在該判斷訓練人員訓練狀況模組中更包括：一安全警告模組，連接該控制器，用以發出安全警告信息；及一動作未完成提醒模組，連接該控制器，用以發出動作未完成提醒信息；一訓練內容結束模組，連接該控制器，用以確認該訓練內容的項目是否已訓練結束；以及一訓練紀錄數值回傳模組，連接該控制器，用以將該訓練人員所進行的訓練紀錄數值回傳至一雲端資料庫，並可透過連接至該雲端資料庫之一網頁來瀏覽該訓練紀錄數值。

如上所述的系統中，更包含一訓練紀錄數值比較模組，連接該雲端資料庫，將該訓練紀錄數值與一模擬設定目標進行比較，以確認該訓練紀錄數值是否達到該模擬設定目標。

如上所述的系統中，其中在該訓練內容結束模組中更包括一訓練標準達標模組，用以確認該訓練人員的訓練結果是否達到訓練標準。

如上所述的系統中，其中該開始訓練實施模組包含一心率血氧模組，連接該控制器，用以監測心率及血氧。

因此，在本發明中為了幫助沒甚麼時間，或平常沒有運動習慣想要運動卻不知從何開始的人所準備的。使用者能透過本發明裝置來訓練自身的健康，裝置內部會提供使用者個人化的設定，讓不知道如何訓練的人，可以依照裝置所提供的功能來做訓練。目前於市面上尚未見以販售「體適能之檢測訓練方法」所設計之產品，且本發明可以系統訓練同時利用多元性程式診斷，整合心律、肢體動作等相關參數運算以達到更有效率之訓練效果，能透過 APP 來控制本發明的裝置，並加上攝像頭或三軸感應來監測使用者，以多模組導向判斷偵測來有效預防意外事故發生，且降低因運動後產生的運動傷害。

本發明之目的及其結構功能上的優點，將依據以下圖面所示之結構，配合具體實施例予以說明，俾使審查委員能對本發明有更深入且具體之瞭解。

最新美國運動醫學學院（ACSM）發佈的《2020 年全球健身運動趨勢調查》中，高強度間歇訓練（High-Intensity Interval Training, HIIT）排名第二，近年於全球各地掀起熱潮，高強度間歇運動是結合高強度加上間歇式訓練而成的運動，其特色在於透過短時間、高耗能運動加上短暫休息的方式來訓練以達到身體素質的改變。因此，請同時參考圖1及圖2，本發明提供一種體適能之檢測訓練方法1及其程式流程，該體適能之檢測訓練方法1包括：一訓練人員資料輸入步驟11，輸入一訓練人員的基本資料；一訓練模式選擇步驟12，選擇該訓練人員所要進行的訓練模式；一訓練內容確認步驟13，確認該訓練模式中的訓練內容的項目；一開始訓練實施步驟14，該訓練人員開始進行實施該訓練內容；一判斷訓練人員訓練狀況步驟15，判斷該訓練人員於訓練過程中是否動作完成或是否有發生異常；一訓練內容結束步驟16，確認該訓練內容的項目是否已訓練結束；以及一訓練紀錄數值回傳步驟17，將該訓練人員所進行的訓練紀錄數值回傳至一雲端資料庫，並可透過連接至該雲端資料庫之一網頁來瀏覽該訓練紀錄數值。

在一些實施例中，該體適能之檢測訓練方法1更包括一訓練紀錄數值比較步驟18，將該訓練紀錄數值與一模擬設定目標進行比較，以確認該訓練紀錄數值是否達到該模擬設定目標，如圖1所示。在本實施例中，該訓練人員的基本資料包含年齡或性別，然不限於此，還可包含身高或體重。而該訓練模式包含心肺能力訓練、肌肉能力訓練或反應能力訓練等，以適應於不同的能力訓練的需求。該模擬設定目標可以是來自於一國家人民的體能統計資料，然不限於此，也可以是一學校學生的體能統計資料，或是一研究單位或政府單位的一建議體能資料，或是經由人工智慧處理後所獲得的一建議體能資料。

此外，在本實施例中，請參考圖3，為了讓訓練人員能選擇適合的運動強度，還在訓練內容確認步驟13中還包含一運動強度確認步驟130，確認該訓練模式中的運動強度的類型，其中該運動強度的類型係包含有低強度運動、中等強度運動以及高強度運動，且該運動強度的類型係利用一有效心跳速率範圍公式去定義該低強度運動、該中等強度運動以及該高強度運動為何，其中該有效心跳速率範圍公式包含該中等強度運動的有效心跳速率範圍等於（220－年齡－休息時的心跳速率）×（40％～59％）＋休息時的心跳速率，該高強度運動的有效心跳速率範圍大於（220－年齡－休息時的心跳速率）×（59％）＋休息時的心跳速率，該低強度運動的有效心跳速率範圍小於（220－年齡－休息時的心跳速率）×（40％）＋休息時的心跳速率。

請參考圖3，在本實施例中，運動強度確認步驟130更包含：一輸入強度類型步驟131，從該運動強度的類型中挑選出其中一種強度運動進行訓練；一取得起始心率步驟132，量測並記錄該訓練人員休息時的心跳速率；及一計算有效心率步驟133，將所取得的該訓練人員休息時的心跳速率經由該有效心跳速率範圍公式去計算所挑選出的該種強度運動的有效心跳速率範圍。

然不限於此，在另一實施例中，本發明所提供之另一種運動強度確認步驟，確認該訓練模式中的運動強度的類型，該運動強度的類型包含低強度運動、中等強度運動以及高強度運動，且該運動強度的類型係利用一最大心跳速率範圍公式去定義該低強度運動、該中等強度運動以及該高強度運動為何，其中該最大心跳速率範圍公式包含該中等強度運動的最大心跳速率範圍等於（220－年齡）×（64％～74％），該高強度運動的最大心跳速率範圍等於（220－年齡）×（85％～90％），該低強度運動的最大跳速率範圍等於（220－年齡）×（50％～63％）。

可以理解的是，在一些實施例中，當使用最大心跳速率作為計算標準時，則可將上述的運動強度確認步驟130中的計算有效心率步驟133變換成計算最大心率步驟，以將所取得的該訓練人員休息時的心跳速率經由該最大心跳速率範圍公式去計算所挑選出的該種強度運動的最大心跳速率範圍。

此外，可以理解的是，上述的運動強度的類型主要係利用一有效心跳速率範圍或一最大心跳速率範圍去定義運動強度的大小，而心跳速率(簡稱心率)主要是跟心肺功能的訓練有直接相關，至於跟肌肉能力訓練的關係則比較沒有那麼直接相關。因此，當確認該訓練模式中的訓練內容為肌肉能力訓練時，則在該訓練內容確認步驟13中，更包含一輸入負載重量及次數步驟，用以界定訓練內容所包含負載重量的大小以及次數的多寡，而其定義運動強度的大小可透過負載重量的大小不同範圍以及次數的多寡不同範圍來界定。同樣的，當確認該訓練模式中的訓練內容為反應能力訓練時，由於反應能力訓練跟心肺功能的訓練也有直接相關，所以其運動強度的類型也可以採用跟心肺能力訓練的相同或類似，然不限於此，亦可採用其他方式去定義運動強度的大小，所以可在該訓練內容確認步驟13中，更包含一輸入強度步驟，用以界定訓練內容所包含反應能力訓練的強度大小。

在本實施例中，請參考圖4及圖5，該判斷訓練人員訓練狀況步驟15中包含使用一影像辨識方法150去取得該訓練人員的動作影像並分析判斷該訓練人員的運動次數，而該影像辨識方法150包括：一訓練人員影像取得步驟151，取得該訓練人員的動作影像；一訓練人員影像處理步驟152，將該訓練人員的動作影像處理後分析得到各部位的點座標，並以任一關節為向量基準點，將該關節兩側的肢體分別設為a向量和b向量；及一訓練人員影像判斷步驟153，將該a向量和該b向量帶入內積公式 去計算出該關節兩側的肢體之間的一向量夾角 ，透過該向量夾角 去判斷該訓練人員的運動次數。

此外，在本實施例中，請同時參考圖5及圖6，此訓練人員影像處理步驟152還可包含一色調轉換步驟154，將該訓練人員的動作影像進行色調調整轉換；一身體各部分座標取得步驟155，獲得該訓練人員的動作影像之身體各部分座標；以及一向量取得步驟156，將該訓練人員的動作影像之身體各部分座標轉為向量。

可以理解的是，在該訓練人員影像處理步驟152中，在辨識分析的過程中每個部位的點座標會得到一個關鍵參數為可見度，其值介於0~1，若其值低於0.5，通常會認為該部位不可見，導致該點座標可能是錯誤的，因此不會使用或繪製該點。而上述之影像辨識方法150是將人體的影像透過演算法得到人體各部位的座標，且該影像辨識方法150係將需要測量人體影像的部位座標轉換為向量，並使用內積公式以得到向量角度，最後透過人體影像各部位的角度去判斷決定各種運動的次數。

值得一提的是，在運動過程中如果發現訓練人員的動作久久沒有改變，亦或是鏡頭長時間無法補捉到訓練人員，會發送訊號讓蜂鳴器響，如圖5所示，如果辨識結果依然不正常，將發送訊號給警告系統，以利進行後續處理。此外，如果訓練人員於訓練過程中如果動作不標準，導致影像感測計算的結果不符合角度標準，則會被判定為動作未完成，此時也會透過一聲音或聲光提醒裝置去提醒訓練人員。換言之，在該判斷訓練人員訓練狀況步驟15中，判斷該訓練人員於訓練過程中是否動作完成或是否有發生異常，而此動作完成係包含運動姿勢是否標準、運動強度是否足夠、運動次數是否足夠以及是否在運動時間內完成等，而發生異常係包含人員運動傷害或意外事故等情況。因此，在該判斷訓練人員訓練狀況步驟15中，更包含一提醒相關人員訓練狀況步驟，用以提醒相關人員當前的訓練狀況，而此相關人員包含訓練人員、安全人員或監測人員等。

請參考圖7，本發明提供一種體適能之檢測訓練系統2，包括：一控制器21；一訓練人員資料輸入模組22，連接該控制器21，用以輸入一訓練人員的基本資料；一訓練模式選擇模組23，連接該控制器21，用以選擇該訓練人員所要進行的訓練模式；一訓練內容確認模組24，連接該控制器21，用以確認該訓練模式中的訓練內容的項目；一開始訓練實施模組25，連接該控制器21，用以讓該訓練人員開始進行實施該訓練內容，其中該開始訓練實施模組25包含一影像監測模組251，該影像監測模組251連接該控制器21，用以取得該訓練人員的動作影像，然不限於此，該開始訓練實施模組25包含一感測模組252，該感測模組252連接該控制器21，用以確認該訓練人員是否到達目標區，而此感測模組252包含紅外線感測器、光學感測器或按壓感測器等；一判斷訓練人員訓練狀況模組26，連接該控制器21，用以判斷該訓練人員於訓練過程中是否動作完成或是否有發生異常，其中在該判斷訓練人員訓練狀況模組26中更包括一安全警告模組261，連接該控制器21，用以發出安全警告信息；及一動作未完成提醒模組262，連接該控制器21，用以發出動作未完成提醒信息；一訓練內容結束模組27，連接該控制器21，用以確認該訓練內容的項目是否已訓練結束；一訓練紀錄數值回傳模組28，連接該控制器21，用以將該訓練人員所進行的訓練紀錄數值回傳至一雲端資料庫D，並可透過連接至該雲端資料庫D之一網頁W來瀏覽該訓練紀錄數值；以及一訓練紀錄數值比較模組29，連接該雲端資料庫D，將該訓練紀錄數值與一模擬設定目標進行比較，以確認該訓練紀錄數值是否達到該模擬設定目標，並可透過連接至該雲端資料庫D之該網頁W來瀏覽比較結果。

可以理解的是，上述之控制器21與各種模組之間的連接方式可以是有線連接，也可以無線連接，可依照不同的需求來設計不同的訊號連接方式，而無線連接可使用現今各種無線傳輸工具來達成，例如是WIFI、5G等。而網頁W係可透過無線方式連接至個人電腦、智慧型手機或平板等電子裝置。在本實施例中，請參考圖7，訓練內容結束模組27中更包括一訓練標準達標模組271，用以確認該訓練人員的訓練結果是否達到先前設定的訓練標準，而此訓練標準包含運動強度標準或運動次數標準。

此外，在本實施例中，此開始訓練實施模組25包含一心率血氧模組253，連接該控制器，用以監測心率及血氧。可以理解的是，此心率血氧模組253係可佩戴於該訓練人員上，以即時取得該訓練人員身上的生理資料，如心率及血氧。再者，在本實施例中，該訓練人員的基本資料包含年齡以及性別，該訓練模式包含心肺能力訓練、肌肉能力訓練及反應能力訓練，該心肺能力訓練包含跑步、騎腳踏車、跳繩、游泳等。

在本實施例中，請參考圖8，訓練內容確認模組24包含一運動強度確認模組241，且該運動強度確認模組241更包含：一輸入強度類型模組241a，從該運動強度的類型中挑選出其中一種強度運動進行訓練；一取得起始心率模組241b，量測並記錄該訓練人員休息時的心跳速率；及一計算有效心率模組241c，將所取得的該訓練人員休息時的心跳速率經由該有效心跳速率範圍公式去計算所挑選出的該種強度運動的有效心跳速率範圍。可以理解的是，在一些實施例中，當使用最大心跳速率作為計算標準時，則可將此計算有效心率模組241c變換成計算最大心率模組，以將所取得的該訓練人員休息時的心跳速率經由該最大心跳速率範圍公式去計算所挑選出的該種強度運動的最大心跳速率範圍。

請參考圖9，在一些實施例中，該判斷訓練人員訓練狀況模組26中包含一影像辨識模組263，而該影像辨識模組263包括：一訓練人員影像取得模組2631，用以取得該訓練人員的動作影像；一訓練人員影像處理模組2632，將該訓練人員的動作影像處理後分析得到各部位的點座標，並以任一關節為向量基準點，將該關節兩側的肢體分別設為a向量和b向量；及一訓練人員影像判斷模組2633，將該a向量( )和該b向量( )帶入內積公式 去計算出該關節兩側的肢體之間的一向量夾角θ，透過該向量夾角θ去判斷該訓練人員的運動次數。可以理解的是，這裡的影像辨識模組263可以跟前面提到的影像監測模組251整合在一起，換言之，具有取得該訓練人員的動作影像功能之影像監測模組251可將影像資料直接傳給影像辨識模組263中的訓練人員影像處理模組2632進行處理，不用再透過訓練人員影像取得模組2631去取得該訓練人員的動作影像，然不限於此，另一種選擇是，這裡的影像辨識模組263中的訓練人員影像取得模組2631不跟影像監測模組251整合在一起，而是另一個獨立模組，以適應不同的作用與功能的需要。

此外，請參考圖9，在本實施例中，該訓練人員影像處理模組2632包括：一色調轉換模組2632a，用以將該訓練人員的動作影像進行色調調整轉換；一身體各部分座標取得模組2632b，用以獲得該訓練人員的動作影像之身體各部分座標；以及一向量取得模組2632c，用以將該訓練人員的動作影像之身體各部分座標轉為向量。

根據上述的檢測訓練方法及系統，本發明建立具體的實施例如下。一般來說訓練是單調的，因此將訓練過程增加了一點多變性，讓一個簡單的運動可以達到更多、更佳的效果，為了達到這個效果，使用了樹莓派與各種模組的結合。訓練方式以五顆裝置搭配樹莓派主控板使用，裝置內含 RGB LED、通訊模組、微控制器、紅外線感應，而放置裝置位置以選擇的模式做改變。

依據上述之有效心跳速率範圍公式：該中等強度運動的有效心跳速率範圍＝（220－年齡－休息時的心跳速率）×（40％～59％）＋休息時的心跳速率，如果心率範圍更高則是高強度運動，如果心率範圍更低則是低強度運動。例如:35 歲的人，靜止時的心律是 70 下，運動要能夠達到每分鐘138 下以上的心跳才是高強度。因此，依程式撰寫以下可分成三種訓練模式。

模式一：跑步訓練

請參考圖10，在跑道上，每 20 公尺擺放一個裝置E，依照裝置E上燈號（搭配主控板上指示燈），衝刺跑到該定點按下該定點按鈕，隨後第二顆燈亮起，重複以上動作，五個裝置E亮完後將會進入休息模式（指示燈亮綠燈），慢慢走回起點，測量心率並回傳。休息時間到後，準備第二組跑步訓練（指示燈為黃燈），按下主控板上開始鍵，再依照裝置E上燈號衝刺。

1.低強度運動：輕度運動

當裝置E亮燈時利用走路、慢跑或以伸展運動的方式，到該定點按下按鈕，重複動作。因安全性極高，所以適合老人、心血管疾病者等等。

2.中等強度運動：降階高強度訓練(REHIT)

降階高強度運動（reduced-exertion high-intensity training）是一種較低衝刺次數的高強度間歇運動，形式如「熱身 2 分鐘，衝刺 20 秒，3 分鐘恢復，再衝刺 20 秒，3 分鐘緩和運動」的模式。REHIT 就如同其他過去針對 HIIT 的研究，可能是一個比較有經濟效益增進心肺功能的方式。

3. 高強度運動：高強度間歇運動(HIIT)

高強度間歇運動(High Intensity Interval Training)心率要達到最大心率*82％的強度衝刺 150 公尺，並計算秒數及心律回傳，前 10 分鐘恢復（緩和運動）時間為 60 秒，後 10 分鐘恢復（緩和運動）時間為 120 秒，每次持續 20 分鐘，每週 3 次，就是一種可行的高強度間歇運動的形式。

強度比較：以18 歲為例

針對訓練人員的年齡，例如是18 歲，本發明提供一模擬設定目標的建議，此建議的強度表如下：

	平均 1 組 建議時間	建議達到心率值	休 息 時 間
低強度運動	無	80~100(下/分)	無
中等強度運動	16s（100m）	128~148(下/分)	3 分
高強度運動	20s（150m）	170~180(下/分)	1~2 分

模式二：肌肉訓練：

在台灣，每 10 位老人就有一人罹患「肌少症」，「肌少症」：肌肉隨著年紀增長，流失的速度越快，最終可能導致失能、生活無法自理，最嚴重還有可能會因此死亡，所以應該要好好適時保養肌肉，來防止肌肉的流失。本發明為肌肉訓練安排了以下 7 種運動，每次以 3～5 組為單位，一星期以 5 個單位為限。

伏地挺身（手部訓練）、弓箭步交叉跳（腿部訓練）、高抬腿（腿部訓練）、傘兵操（腿部訓練）、平板支撐（全身訓練）、仰臥起坐（全身訓練）、波比跳（全身訓練）。

模式三：反應訓練：

隨著年齡的增長，體力衰減、反應力下降是正常現象，但這是可以預防的，平常只要做好相關訓練就能減緩反應能力下降，反應力之所以重要是因爲人的大腦和神經系統支配著人的整個身體。以下本發明分為兩種訓練模式。

選擇一 ：T1

將裝置在始用者周圍或不同地方放置，燈號隨機亮，在時間內看使用者能計多少分。

選擇二： T2

將裝置在始用者周圍或不同地方放置，15 次燈號隨機亮,計使用者在多少時間內結束。

本發明的硬體製作的設計原理，請參考圖11，其包含NRF24L01+的無線通訊模組31、Raspberry pi 4B 的控制板32、多個遠端感應器33。而本發明的軟體製作中的網頁製作(Web)，請參考圖12，完整的網頁是由 5 種語言所撰寫的，其中包含 HTML、CSS、JavaScript、PHP、My SQL，本發明利用上述語言來撰寫出本發明得網頁，包含即時影像，各數據顯示並儲存。此外，本發明的軟體製作中的影像辨識，其是一種電腦視覺，透過深度學習需要大量資料來訓練演算法模型，以影像辨識為例，通常會需要數百萬張圖片資料來訓練模型，才能找出演算法最合適的權重參數，達到最佳的準確率。當神經網路收到越多數據後，重新調整後就能產生更精確的預測。而透過影像辨識將人體透過演算法得到人體各部位的座標，將需要測量的部位座標轉換為向量，使用內積的公式得到角度，最後透過人體各部位的角度去設定各種運動的次數。

此外，本發明的軟體製作中的控制器語法撰寫：使用 Raspberry Pi 來撰寫及控制，Raspberry Pi 相當於一台小型電腦，他的序列埠是相當強大且多元的，可用於連接許多數位元件，本發明使用了它的程式語言”Python”來進行撰寫。微控制器語法撰寫:使用 Arduino 來撰寫及控制，遠端控制器，進行無線收發操作， 以及 RGB 調色，本發明使用它的程式語言”C++”來進行撰寫。

根據以上的資料，透過本發明的裝置可以有效改變自身體能以及心肺能力。其實透過這個裝置是可以有效提升自身的最大攝氧量、體脂降低及提高代謝能力，但由於這些數據是要到醫院或者擁有專業器具才能測量，所以請參考圖13，是在本發明能夠運算出來的數據及效益可提供出參考。

綜上所述，本發明結合了許多模組做出可以訓練心肌耐力、反應力、肌耐力的作品。好玩又可以減肥的裝置，是一種全新的運動態度，利用視覺的提示，促使自己不斷挑戰速度及反應的極限，提升訓練強度。配合 Web 網頁以及影像辨識，可以自行設計及檢測運動表現，精確至每秒的時間，讓自己能夠看見自身的進步。

經過本發明的裝置訓練，這個裝置會因為使用者的年齡及他所選擇的距離等，會做一些數據上的微調整。每個人的身體數值都不太一樣，要怎麼去調整這些數據的收集標準，是本發明比較需要更深入去研究的。且本發明發現如果沒有真正的心律監測，常常只是低強度體操。尤其肌力體能很差的民眾，常常沒有做到真正以心律標準定義的「高強度」，就先腳痠手痠做不下去，還誤以為自己做了「高強度訓練」。許多人認為只要是運動到身體感覺到疲憊，就會讓本發明的體適能水準不斷進步，所以要越做越多。但其實做的越多不見得越有效果，有可能只會帶來更多的運動傷害。其實只要平常用對方法且有規律的運動的話，效果很快就會出來了。

本發明以系統訓練同時利用多元性程式診斷，整合心律、肢體動作等相關參數運算以達到更有效率之訓練效果，能透過 APP 來控制本發明的裝置，並加上攝像頭或三軸感應來監測使用者，以多模組導向判斷偵測來有效預防意外事故發生，且降低因運動後產生的運動傷害。

惟，上述所揭之圖示及說明，僅為本發明之較佳實施例，非為限定本發明之保護範圍；大凡熟悉該項技藝之人士，其所依本發明之特徵範疇，所作之其它等效變化或修飾，皆應視為不脫離本發明之設計範疇。

1:體適能之檢測訓練方法

11:訓練人員資料輸入步驟

12:訓練模式選擇步驟

13:訓練內容確認步驟

130:運動強度確認步驟

131:輸入強度類型步驟

132:取得起始心率步驟

133:計算有效心率步驟

14:開始訓練實施步驟

15:判斷訓練人員訓練狀況步驟

150:影像辨識方法

151:訓練人員影像取得步驟

152:訓練人員影像處理步驟

153:訓練人員影像判斷步驟

154:色調轉換步驟

155:身體各部分座標取得步驟

156:向量取得步驟

16:訓練內容結束步驟

17:訓練紀錄數值回傳步驟

18:訓練紀錄數值比較步驟

2:體適能之檢測訓練系統

21:控制器

22:訓練人員資料輸入模組

23:訓練模式選擇模組

24:訓練內容確認模組

241:運動強度確認模組

241a:輸入強度類型模組

241b:取得起始心率模組

241c:計算有效心率模組

25:開始訓練實施模組

251:影像監測模組

252:感測模組

253:心率血氧模組

26:判斷訓練人員訓練狀況模組

261:安全警告模組

262:動作未完成提醒模組

263:影像辨識模組

2631:訓練人員影像取得模組

2632:訓練人員影像處理模組

2632a:色調轉換模組

2632b:身體各部分座標取得模組

2632c:向量取得模組

2633:訓練人員影像判斷模組

27:訓練內容結束模組

271:訓練標準達標模組

28:訓練紀錄數值回傳模組

29:訓練紀錄數值比較模組

31:無線通訊模組

32:控制板

33:遠端感應器

D:雲端資料庫

E:裝置

W:網頁

圖1是本發明的一種體適能之檢測訓練方法的流程示意圖。 圖2是本發明的一種體適能之檢測訓練方法的程式流程圖。 圖3是圖1中的運動強度確認步驟之步驟流程示意圖。 圖4是本發明的一種影像辨識方法的流程示意圖。 圖5是本發明的一種影像辨識方法的程式流程圖。 圖6是圖4中的訓練人員影像處理步驟的步驟流程示意圖。 圖7為本發明的一種體適能之檢測訓練系統的配置示意圖。 圖8為圖7的體適能之檢測訓練系統中之訓練內容確認模組的配置示意圖。 圖9為圖7的體適能之檢測訓練系統中之影像辨識模組的配置示意圖。 圖10為本發明的一種體適能之檢測訓練系統用於心肺訓練的概念示意圖。 圖11是本發明的硬體製作的設計原理的元件配置示意圖。 圖12為本發明利用軟體製作的網頁之示意圖。 圖13為本發明的檢測訓練方法所運算出來的數據之示意圖。

1:體適能之檢測訓練方法

11:訓練人員資料輸入步驟

12:訓練模式選擇步驟

13:訓練內容確認步驟

14:開始訓練實施步驟

15:判斷訓練人員訓練狀況步驟

16:訓練內容結束步驟

17:訓練紀錄數值回傳步驟

18:訓練紀錄數值比較步驟

Claims (9)

1. 一種體適能之檢測訓練方法，包括： 一訓練人員資料輸入步驟，輸入一訓練人員的基本資料； 一訓練模式選擇步驟，選擇該訓練人員所要進行的訓練模式； 一訓練內容確認步驟，確認該訓練模式中的訓練內容的項目； 一開始訓練實施步驟，該訓練人員開始進行實施該訓練內容； 一判斷訓練人員訓練狀況步驟，判斷該訓練人員於訓練過程中是否動作完成或是否有發生異常； 一訓練內容結束步驟，確認該訓練內容的項目是否已訓練結束；以及 一訓練紀錄數值回傳步驟，將該訓練人員所進行的訓練紀錄數值回傳至一雲端資料庫，並可透過連接至該雲端資料庫之一網頁來瀏覽該訓練紀錄數值； 其中該判斷訓練人員訓練狀況步驟中包含使用一影像辨識方法去取得該訓練人員的動作影像並分析判斷該訓練人員的運動次數，而該影像辨識方法包括： 一訓練人員影像取得步驟，取得該訓練人員的動作影像； 一訓練人員影像處理步驟，將該訓練人員的動作影像處理後分析得到各部位的點座標，並以任一關節為向量基準點，將該關節兩側的肢體分別設為a向量和b向量；及 一訓練人員影像判斷步驟，將該a向量和該b向量帶入內積公式a ⃗⋅b ⃗=|a ⃗||b ⃗| cosθ去計算出該關節兩側的肢體之間的一向量夾角θ，透過該向量夾角θ去判斷該訓練人員的運動次數。
2. 如請求項1所述之方法，更包括： 一訓練紀錄數值比較步驟，將該訓練紀錄數值與一模擬設定目標進行比較，以確認該訓練紀錄數值是否達到該模擬設定目標。
3. 如請求項1所述之方法，其中該訓練內容確認步驟更包括： 一運動強度確認步驟，確認該訓練模式中的運動強度的類型，該運動強度的類型包含低強度運動、中等強度運動以及高強度運動，且該運動強度的類型係利用一有效心跳速率範圍公式去定義該低強度運動、該中等強度運動以及該高強度運動，其中該有效心跳速率範圍公式包含該中等強度運動的有效心跳速率範圍等於（220－年齡－休息時的心跳速率）×（40％～59％）＋休息時的心跳速率，該高強度運動的有效心跳速率範圍大於（220－年齡－休息時的心跳速率）×（59％）＋休息時的心跳速率，該低強度運動的有效心跳速率範圍小於（220－年齡－休息時的心跳速率）×（40％）＋休息時的心跳速率。
4. 如請求項3所述之方法，其中該運動強度確認步驟更包含： 一輸入強度類型步驟，從該運動強度的類型中挑選出其中一種強度運動進行訓練； 一取得起始心率步驟，量測並記錄該訓練人員休息時的心跳速率；及 一計算有效心率步驟，將所取得的該訓練人員休息時的心跳速率經由該有效心跳速率範圍公式去計算所挑選出的該種強度運動的有效心跳速率範圍。
5. 如請求項1所述之方法，其中該訓練內容確認步驟更包括： 一運動強度確認步驟，確認該訓練模式中的運動強度的類型，該運動強度的類型包含低強度運動、中等強度運動以及高強度運動，且該運動強度的類型係利用一最大心跳速率範圍公式去定義該低強度運動、該中等強度運動以及該高強度運動，其中該最大心跳速率範圍公式包含該中等強度運動的最大心跳速率範圍等於（220－年齡）×（64％～74％），該高強度運動的最大心跳速率範圍等於（220－年齡）×（85％～90％），該低強度運動的最大跳速率範圍等於（220－年齡）×（50％～63％）。
6. 一種體適能之檢測訓練系統，包括： 一控制器； 一訓練人員資料輸入模組，連接該控制器，用以輸入一訓練人員的基本資料；一訓練模式選擇模組，連接該控制器，用以選擇該訓練人員所要進行的訓練模式； 一訓練內容確認模組，連接該控制器，用以確認該訓練模式中的訓練內容的項目； 一開始訓練實施模組，連接該控制器，用以讓該訓練人員開始進行實施該訓練內容，其中該開始訓練實施模組包含一影像監測模組，該影像監測模組連接該控制器，用以取得該訓練人員的動作影像； 一判斷訓練人員訓練狀況模組，連接該控制器，用以判斷該訓練人員於訓練過程中是否動作完成或是否有發生異常，其中在該判斷訓練人員訓練狀況模組中更包括： 一安全警告模組，連接該控制器，用以發出安全警告信息；及 一動作未完成提醒模組，連接該控制器，用以發出動作未完成提醒信息； 一訓練內容結束模組，連接該控制器，用以確認該訓練內容的項目是否已訓練結束；以及 一訓練紀錄數值回傳模組，連接該控制器，用以將該訓練人員所進行的訓練紀錄數值回傳至一雲端資料庫，並可透過連接至該雲端資料庫之一網頁來瀏覽該訓練紀錄數值。
7. 如請求項6所述之系統，更包括： 一訓練紀錄數值比較模組，連接該雲端資料庫，將該訓練紀錄數值與一模擬設定目標進行比較，以確認該訓練紀錄數值是否達到該模擬設定目標。
8. 如請求項6所述之系統，其中在該訓練內容結束模組中更包括： 一訓練標準達標模組，用以確認該訓練人員的訓練結果是否達到訓練標準。
9. 如請求項6所述之系統，其中該開始訓練實施模組包含一心率血氧模組，連接該控制器，用以監測心率及血氧。