本发明创造涉及智能跑道领域，具体涉及一种智能数字领跑系统。
背景技术：
传统领跑运动中，第一种由运动员或车辆担任领跑的角色，第二种是通过app的跑步计时等功能来进行记录运动轨迹，完成数据统计，完成跑步数据的支持。第一种方法对领跑员的体能素质等有着非常高的要求，人力成本高，消耗大；车辆领跑的方法虽然解决了人力体能不足的问题，但是成本很高，与跑步者之间没有交互，缺乏互动及趣味性。第二种方法中，app的跑步计时功能在进行数据统计的过程中会造成一定的误差，不稳定性强，无法精确的完成数据的支持达到领跑功能，且跑步者也不能时时了解自己的跑步速度。
技术实现要素：
针对上述问题，本发明旨在提供一种智能数字领跑系统。
本发明创造的目的通过以下技术方案实现：
一种智能数字领跑系统，包括多个智能跑道显示模块、电源模块、移动用户端和智能跑道控制端，所述智能跑道显示模块沿着跑道表面、路面或者道牙连续布置，用于显示图像或者文字，所述相邻智能跑道显示模块之间通过电源线相连，所述电源模块用于给所述智能跑道显示模块进行供电，所述移动用户端佩戴于用户身上，包括参数设置单元、数据采集单元和危险预警单元，所述参数设置单元用于用户设置领跑参数，所述数据采集单元用于采集用户的生理参数数据，所述设置的领跑参数和采集的生理参数数据传输至智能跑道控制端，所述智能跑道控制端包括智能跑道控制器、数据处理单元和状态评估单元，所述智能跑道控制器根据用户设置的领跑参数控制图像或者文字在所述智能跑道显示模块上顺序移动显示，所述数据处理单元用于对接收到的生理参数数据进行处理，所述状态评估单元用于根据处理后的生理参数数据对用户的身体状态进行评估，当评估用户的身体状态存在危险时，则将预警信号发送至移动用户端，由移动用户端的危险预警单元进行预警。
本发明创造的有益效果：智能跑道控制终端根据用户设置的领跑参数控制跑步过程中领跑图像或文字在智能跑道显示模块式上的顺序显示速度，为跑步者提供了一种更科学直观的运动工具，帮助跑步者更科学、轻松的完成运动计划的同时还增强了互动性和趣味性；此外，添加了状态评估单元，根据采集得到的生理参数数据对用户当前的身体状态进行评估，当判断用户的身体状态存在危险时及时预警，从而确保了用户在跑步过程中的安全性。
附图说明
利用附图对发明创造作进一步说明，但附图中的实施例不构成对本发明创造的任何限制，对于本领域的普通技术人员，在不付出创造性劳动的前提下，还可以根据以下附图获得其它的附图。
图1是本发明结构示意图。
附图标记：
智能跑道显示模块；电源模块；移动用户端；智能跑道控制端。
具体实施方式
结合以下实施例对本发明作进一步描述。
参见图1，本实施例的一种智能数字领跑系统，包括多个智能跑道显示模块、电源模块、移动用户端和智能跑道控制端，所述智能跑道显示模块沿着跑道表面、路面或者道牙连续布置，用于显示图像或者文字，所述相邻智能跑道显示模块之间通过电源线相连，所述电源模块用于给所述智能跑道显示模块进行供电，所述移动用户端佩戴于用户身上，包括参数设置单元、数据采集单元和危险预警单元，所述参数设置单元用于用户设置领跑参数，所述设置的领跑参数包括图像或者文字在所述智能跑道显示模块上顺序移动显示的路径和速度、所述智能跑道显示模块上显示的图像形状和文字内容、所述图像或者文字在智能跑道显示模块上开始显示的时间和停止显示的时间，所述数据采集单元用于采集用户的生理参数数据，所述设置的领跑参数和采集的生理参数数据传输至智能跑道控制端，所述智能跑道控制端包括智能跑道控制器、数据处理单元和状态评估单元，所述智能跑道控制器根据用户设置的领跑参数控制图像或者文字在所述智能跑道显示模块上顺序移动显示，所述数据处理单元用于对接收到的生理参数数据进行处理，所述状态评估单元用于根据处理后的生理参数数据对用户的身体状态进行评估，当评估用户的身体状态存在危险时，则将预警信号发送至移动用户端，由移动用户端的危险预警单元进行预警。
优选地，所述生理参数包括心率、呼吸率和体温。
优选地，所述智能跑道显示模块为全彩led矩阵。
本优选实施例通过智能跑道控制终端根据用户设置的领跑参数控制跑步过程中领跑图像或文字在所述智能跑道显示模块上动态显示的速度，为跑步者提供了一种更科学直观的运动工具，帮助跑步者更科学、轻松的完成运动计划的同时还增强了互动性和趣味性；此外，添加了状态评估单元，根据采集得到的生理参数数据对用户当前的身体状态进行评估，当判断用户的身体状态存在危险时及时预警，从而确保了用户在跑步过程中的安全性。
优选地，数据处理单元用于对采集得到的生理参数数据进行滤波处理，设fi(t)表示t时刻采集的生理参数i的数据，设定长度为(2m 1)的窗口序列fi(t)，且fi(t)＝{fi(t-m)，fi(t-m 1，...，fit-1，fit，fit 1，...，fit m-1，fit m，其中，fit-m、fit-m 1分别表示t-m和t-m 1时刻采集的生理参数i的数据，fit-1和fit 1分别表示t-1和t 1时刻采集的生理参数i的数据，fi(t m-1)和fi(t m)分别表示(t m-1)和(t m)时刻采集的生理参数i的数据，设差值序列δfi(t)＝{|fi(t-m 1)-fi(t-m)|，...，|fi(t)-fi(t-1)|，|fi(t 1)-fi(t)|，...，|fi(t m)-fit m-1＝δfij，j＝t-m 1，t-m 2，...，t m，对窗口序列fit中的数据进行统计，定义统计系数θi(t)，且θi(t)的表达式为：
式中，δfi(j)表示差值序列δfi(j)中的第j个差值，δdi(t)为差值衡量系数，且δdi(t)＝δfi(max)-δfi(min)，其中，δfi(max)表示差值序列δfi(t)中的最大值，δfi(min)表示差值序列δfi(t)中的最小值，k为给定的区间数，且
e为有效区间数，令e的初始值为1，并以步长1进行增长，当θi(t)第一次满足
根据集合f′i(t)中的数据确定第一检测阈值h1(t)和第二检测阈值h2(t)，则h1(t)和h2(t)的表达式为：
式中，
当fi(t)＜h1(t)或fi(t)＞h2(t)时，则判定数据fi(t)为噪声数据，令
本优选实施例用于对采集得到的生理参数数据进行处理，采用移动窗口的模式对所述生理参数数据进行检测，在所述窗口序列中同时包含了当前时刻前的生理参数数据和当前时刻后采集的生理参数数据，为了避免窗口序列中当前时刻后采集的噪声数据对当前时刻生理参数数据处理的影响，对窗口序列中的生理参数数据进行筛选，构造差值序列，从而获得差值衡量系数，根据获得的差值衡量系数构造k个区间，构造的k个区间反应了窗口序列中相邻数据之间的差值情况，对区间中的数据统计，选取差值较小的区间中的数据参与当前时刻的生理参数数据的检测，能够有效的筛选掉窗口序列中的噪声数据，避免了窗口序列中当前时刻后采集的噪声数据对当前时刻生理参数数据的影响；根据选取的生理参数数据构建的第一检测阈值和第二检测阈值符合生理参数变化的规律，能够有效的检测出噪声数据的同时，避免了因用户运动带来的生理参数数据的波动而被误认为噪声的现象。
优选地，所述状态评估单元用于根据处理后的生理参数数据对用户当前时刻的身体状态进行评估，包括离线分类单元和在线评估单元，所述离线分类单元用于将收集的历史生理参数数据进行分类，所述在线评估单元用于根据采集得到的生理参数数据对用户的身体状态进行评估。
优选地，所述历史生理参数数据包括有标签生理参数数据和无标签生理参数数据，所述标签包含健康标签和危险标签，所述离线分类单元用于将所述历史生理参数数据进行分类，设h表示所述历史生理参数数据集合，且h＝{h1，h2，h3}，其中，h1表示有标签且其标签为健康的历史生理参数数据集合，h2表示有标签且其标签为危险的历史生理参数数据集合，h3表示无标签的历史生理参数数据集合，设h(i)表示集合h3中的第i个数据点，且h(i)＝{hx(i)，x＝1，2，...n}，其中，hx(i)表示数据点h(i)对应的生理参数x的数值，n表示采集的生理参数的种类；设li表示数据点h(i)的参考数据集合，且li＝{h(j)||h(i)-h(j)|＜r(i)，j＝1，2，...n(i)}，其中，r(i)为给定的参考阈值，且
式中，η(h(j)，h1)为取值函数，且
其中，lj(j＝1，2，...，n(i))表示数据点h(j)(j＝1，2，...，n(i))的参考数据集合，h(j)(j＝1，2，...，n(i)为参考数据集合l冲的第j个数据点，n(j)表示参考数据集合lj中的数据点数，h(l)表示参考数据集合lj中的第l个数据点；
当标签预测函数p(i)＞1时，则判定数据点h(i)的标签为健康，当标签预测函数p(i)＜1时，则判定数据点h(i)的标签为危险，当标签预测函数p(i)＝1时，则将数据点h(i)标记为二次预测数据，当集合h3中所有数据点的标签预测结束后，重新采用上述方法对标记的二次预测数据进行标签预测；
当集合h中的所有数据点都具有标签后，根据各数据点的标签将集合h中具有健康标签的数据点划分为类c1，将集合h中具有危险标签的数据点划分为类c2。
本优选实施例用于将收集的历史生理参数数据进行分类，并将最终的分类结果作为状态评估单元的参考值；本优选实施例采用的历史生理参数数据包含少量的有标签生理参数数据和大量的无标签生理参数数据，在对所述历史生理参数数据进行分类时，根据已有标签的生理参数数据预测无标签生理参数数据的标签，最终根据各生理参数数据的标签完成所述历史生理参数数据的分类；在对所述无标签生理参数数据的标签进行预测时，选取距离待预测数据较近的数据点构建待预测数据的参考数据集合，并根据所述参考数据集合中的有标签数据对待预测数据的标签进行预测，能够有效的实现对待预测数据标签的有效预测；定义标签预测函数，所述标签预测函数中的取值函数能够对参考数据集合中的有标签数据进行有效的统计，距离待预测较近的数据点在很大程度上反应了待预测数据的属性，因此，标签预测函数中的取值函数通过对临近数据点标签的统计能够实现对待预测数据的标签的有效预测；在所述标签预测函数中针对各取值函数引入了修正系数，修正系数的引入使得所述标签预测函数能够对处于健康类和危险类之间的边缘数据的标签进行有效的预测，当待预测数据处于健康类和危险类之间的边缘时，仅仅通过统计待预测数据的参考数据集中的有标签数据进行标签预测容易造成误判，而修正系数通过统计稍远范围的有标签数据能够有效的避免待预测数据处于边缘时带来的检测误差，从而提高了分类结果的准确性，进一步的提高了用户身体状态评估结果的准确性。
优选地，设f′(t)表示处理后的t时刻的生理参数数据点，且f′(t)＝{fi′(t)，i＝1，2，...n}，其中，fi′(t)表示处理后的t时刻的生理参数i的数值，n表示采集的生理参数的种类，对用户当前时刻的身体状态进行评估，具体为：
设v1表示离线分类单元分类所得的类c1的类中心，且
式中，
采用第一评估系数g1(t)对用户当前时刻的身体状态进行评估，当第一评估系数g1(t)≤dmin(b1，v1)时，则判定用户当前时刻的身体状态为健康；当第一评估系数g1(t)＞dmax(b1，v1)时，则判定用户当前时刻的身体状态为危险；当dmin(b1，v1)＜g1(t)≤dmax(b1，v1)时，继续采用第二评估系数g2(t)对用户当前时刻的身体状态进行评估，当g2(t)＝1时，则判定用户当前时刻的身体状态为健康，当g2(t)＝0时，则判定用户当前时刻的身体状态为危险，其中，dmin(b1，v1)和dmax(b1，v1)分别表示集合b1中的边缘数据点到类中心v1的最小距离值和最大距离值。
本优选实施例根据处理后的生理参数数据和离线分类结果分类所得的类的类中心进行比较，从而确定用户的身体健康状态，定义了第一评估系数，所述第一评估系数通过将处理后的生理参数数据和健康类的类中心进行比较，能够有效的检测出用户当前时刻的身体状态处于比较健康或者比较危险的状态，进一步地，本优选实施例定义了第二评估系数，所述第二评估系数通过将处理后的生理参数数据和健康类的边缘数据点和危险类的边缘数据点进行比较，从而在用户的身体状态处于健康和危险的临界值时，依然能够有效的检测出用户当前时刻的身体状态，从而大大提高了检测结果的准确性。
最后应当说明的是，以上实施例仅用以说明本发明的技术方案，而非对本发明保护范围的限制，尽管参照较佳实施例对本发明作了详细地说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的实质和范围。
1.一种智能数字领跑系统，其特征是，包括多个智能跑道显示模块、电源模块、移动用户端和智能跑道控制端，所述智能跑道显示模块沿着跑道表面、路面或者道牙连续布置，用于显示图像或者文字，相邻智能跑道显示模块之间通过电源线相连，所述电源模块用于给所述智能跑道显示模块进行供电，所述移动用户端佩戴于用户身上，包括参数设置单元、数据采集单元和危险预警单元，所述参数设置单元用于用户设置领跑参数，所述数据采集单元用于采集用户的生理参数数据，所述设置的领跑参数和采集的生理参数数据传输至智能跑道控制端，所述智能跑道控制端包括智能跑道控制器、数据处理单元和状态评估单元，所述智能跑道控制器根据用户设置的领跑参数控制图像或者文字在所述智能跑道显示模块上顺序移动显示，所述数据处理单元用于对接收到的生理参数数据进行处理，所述状态评估单元用于根据处理后的生理参数数据对用户当前时刻的身体状态进行评估，当评估用户当前的身体状态存在危险时，则将预警信号发送至移动用户端，由移动用户端的危险预警单元进行预警。
2.根据权利要求1所述的一种智能数字领跑系统，其特征是，所述智能跑道显示模块为全彩led矩阵。
3.根据权利要求2所述的一种智能数字领跑系统，其特征是，数据处理单元用于对接收到的生理参数数据进行滤波处理，设fi(t)表示t时刻采集的生理参数i的数据，设定长度为(2m 1)的窗口序列fi(t)，且fi(t)＝{fi(t-m),fi(t-m 1),…,fi(t-1),fi(t),fi(t 1,…,fit m-1,fit m，其中，fit-m、fit-m 1分别表示t-m和t-m 1时刻采集的生理参数i的数据，fi(t-1)和fi(t 1)分别表示(t-1)和(t 1)时刻采集的生理参数i的数据，fi(t m-1)和fi(t m)分别表示(t m-1)和(t m)时刻采集的生理参数i的数据，设差值序列δfi(t)＝{|fi(t-m 1)-fi(t-m)|,…,|fi(t)-fi(t-1)|,|fi(t 1)-fi(t)|,…,|fi(t m-fit m-1＝δfij,j＝t-m 1,t-m 2,…,t m，对窗口序列fit中的数据进行统计，定义统计系数θi(t)，且θi(t)的表达式为：
式中，δfi(j)表示差值序列δfi(j)中的第j个差值，δdi(t)为差值衡量系数，且δdi(t)＝δfi(max)-δfi(min)，其中，δfi(max)表示差值序列δfi(t)中的最大值，δfi(min)表示差值序列δfi(t)中的最小值，k为给定的区间数，且
e为有效区间数，令e的初始值为1，并以步长1进行迭代增长，当θi(t)第一次满足
根据集合f′i(t)中的数据确定第一检测阈值h1(t)和第二检测阈值h2(t)，则h1(t)和h2(t)的表达式为：
式中，
当fi(t)＜h1(t)或fi(t)＞h2(t)时，则判定数据fi(t)为噪声数据，令
4.根据权利要求3所述的一种智能数字领跑系统，其特征是，状态评估单元用于根据处理后的生理参数数据对用户当前时刻的身体状态进行评估，包括离线分类单元和在线评估单元，所述离线分类单元用于将收集的历史生理参数数据进行分类，所述在线评估单元用于根据处理后的生理参数数据对用户当前时刻的身体状态进行评估。
5.根据权利要求4所述的一种智能数字领跑系统，其特征是，所述历史生理参数数据包括有标签生理参数数据和无标签生理参数数据，所述标签包含健康标签和危险标签，所述离线分类单元用于将所述历史生理参数数据进行分类，设h表示所述历史生理参数数据集合，且h＝{h1,h2,h3}，其中，h1表示有标签且其标签为健康的历史生理参数数据集合，h2表示有标签且其标签为危险的历史生理参数数据集合，h3表示无标签的历史生理参数数据集合，设h(i)表示集合h3中的第i个数据点，且h(i)＝{hx(i),x＝1,2,…n}，其中，hx(i)表示数据点h(i)对应的生理参数x的数值，n表示采集的生理参数的种类；设li表示数据点h(i)的参考数据集合，且li＝{h(j)||h(i)-h(j)|＜r(i),j＝1,2,…n(i)}，其中，r(i)为给定的参考阈值，且
式中，η(h(j),h1)为取值函数，且
其中，lj(j＝1,2,…,n(i))表示数据点h(j)(j＝1,2,…,n(i))的参考数据集合，h(j)(j＝1,2,…,n(i)为参考数据集合li中的第j个数据点，n(j)表示参考数据集合lj中的数据点数，h(l)表示参考数据集合lj中的第l个数据点；
当标签预测函数p(i)＞1时，则判定数据点h(i)的标签为健康，当标签预测函数p(i)＜1时，则判定数据点h(i)的标签为危险，当标签预测函数p(i)＝1时，则将数据点h(i)标记为二次预测数据，当集合h3中所有数据点的标签预测结束后，重新采用上述方法对标记的二次预测数据进行标签预测；
当集合h中的所有数据点都具有标签后，根据各数据点的标签将集合h中具有健康标签的数据点划分为类c1，将集合h中具有危险标签的数据点划分为类c2。
6.根据权利要求5所述的一种智能数字领跑系统，其特征是，设f′(t)表示处理后的t时刻的生理参数数据点，且f′(t)＝{fi′(t),i＝1,2,…n}，其中，f′i(t)表示处理后的t时刻的生理参数i的数值，n表示采集的生理参数的种类，对用户当前时刻的身体状态进行评估，具体为：
设v1表示离线分类单元分类所得的类c1的类中心，且
式中，
采用第一评估系数g1(t)对用户当前时刻的身体状态进行评估，当第一评估系数g1(t)≤dmin(b1,v1)时，则判定用户当前时刻的身体状态为健康；当第一评估系数g1(t)>dmax(b1,v1)时，则判定用户当前时刻的身体状态为危险；当dmin(b1,v1)＜g1(t)≤dmax(b1,v1)时，继续采用第二评估系数g2(t)对用户当前时刻的身体状态进行评估，当g2(t)＝1时，则判定用户当前时刻的身体状态为健康，当g2(t)＝0时，则判定用户当前时刻的身体状态为危险，其中，dmin(b1,v1)和dmax(b1,v1)分别表示集合b1中的边缘数据点到类中心v1的最小距离值和最大距离值。
技术总结