基于紅外傳感的高精度運動體質智能檢測系統設計

劉麗

摘 ?要： 普通運動體質智能檢測系統檢測精度較低，且需要較長的檢測等待時間，為了解決此問題，引入紅外傳感技術，設計基于紅外傳感的高精度運動體質智能檢測系統。在紅外傳感技術支持下，通過客戶端設計、后臺管理系統設計、用戶管理模塊設計，完成智能檢測系統硬件設計;在高精度手段約束下，通過數據庫設計、檢測流程設計、業務流程設計，完成智能檢測系統軟件設計。對比應用普通系統與改進后系統的檢測結果可知，基于紅外傳感的高精度運動體質智能檢測系統可提高檢測精度、縮短檢測等待時間。

關鍵詞： 紅外傳感; 運動體質; 智能檢測; 硬件設計; 軟件設計; 檢測流程

中圖分類號： TN219?34; TP399 ? ? ? ? ? ? ? ? 文獻標識碼： A ? ? ? ? ? ? ? ? ? ?文章編號： 1004?373X（2018）10?0051?04

Abstract： Since the ordinary intelligent detection system for sports physique has low detection precision and needs relatively long detection waiting time， a high?precision intelligent sports physique detection system based on infrared sensing was designed by introducing the infrared sensing technology. With the support of infrared sensing technology， the hardware design of intelligent detection system was accomplished by means of the design of client， background management system， and user management module. Relying on high?precision means， the software design of intelligent detection system was accomplished by means of the design of database， detection process， and business process. It is found， by comparing the detection results of the ordinary system and the improved system， that the high?precision intelligent sports physique detection system based on infrared sensing can improve the detection precision and shorten the detection waiting time.

Keywords： infrared sensing; sports physique; intelligent detection; hardware design; software design; detection process

普通運動體質智能檢測系統引入加速度傳感器技術，用于檢測人體在運動狀態下，體質的變化情況。加速度傳感器技術的應用，不僅增加了能耗計算結果的可行性，也解決了傳統能耗算法，在數據預處理方面存在的問題。但普通運動體質智能檢測系統的應用，需要依附智能手機的實時運動強度識別算法，在采集人體特征指數、計算耗能參數等方面，需要進行大量的數據運算，不僅降低了系統的檢測精度，也大大增加了檢測等待時間[1?2]。為了在現有研究水平基礎上，增加運動體質智能檢測系統的實用性，引入紅外傳感技術，簡化復雜的計算步驟，提升系統的檢測精度。紅外傳感技術的應用需設置多個紅外射線采集點，可滿足不同射管陣列對于間距與數量的選取需求[3]。通過引入紅外傳感技術，將普通運動體質智能檢測系統改進為基于紅外傳感的高精度運動體質智能檢測系統，提升檢測精度，縮短檢測等待時間，提高系統的實用價值。

1 ?智能檢測系統硬件設計

1.1 ?基于紅外傳感技術的系統客戶端設計

基于紅外傳感的高精度運動體質智能檢測硬件系統客戶端，運行在使用者的中心計算機上，主要用于記錄用戶的體質情況[4]。智能檢測系統硬件客戶端，具有歷史數據查詢以及專業數據分析的作用，在進行使用者體質情況檢測的同時，也可提供數據分析查詢、數據共享、用戶間的互動等功能[5?6]。具體功能模塊展示如圖1所示。

1.2 ?基于紅外傳感技術的后臺管理系統設計

基于紅外傳感的高精度運動體質智能檢測硬件系統的后臺管理系統，對客戶端采集到的用戶數據進行整合管理[7]。將基礎用戶數據和用戶能耗數據分離，并對它們進行持久化保存處理。智能檢測硬件系統的后臺管理系統，主要為主機端提供用戶管理、能耗查詢、數據分析、消息推送等服務，具體功能模塊如圖2所示。

1.3 ?基于紅外傳感技術的用戶管理模塊設計

基于紅外傳感的高精度運動體質智能檢測硬件系統的用戶管理模塊，采用紅外傳感技術，存儲用戶運動體質狀態信息。完成登錄操作后的用戶信息，可按照表1進行具體定義。

2 ?智能檢測系統軟件設計

2.1 ?高精度運動體質智能檢測系統數據庫設計

基于紅外傳感的高精度運動體質智能檢測系統數據庫，具備根據后臺表格或圖表內容，查詢所有回傳至中心服務器數據損耗情況的功能[8]。通常情況下，運動計劃可以反應使用者的體質健康情況，若某使用者可保持長時間、高強度的體育運動，則系統可根據運動的瞬時能耗以及運動總能耗，判定該名使用者體質良好。也可根據使用者的真實年齡、身高、體重、性別、從事行業等相關信息，對使用者的具體體質情況進行多維度的查詢、分析。

2.2 ?高精度運動體質智能檢測系統檢測流程設計

智能檢測系統檢測流程起始于用戶登錄模塊，所有用戶身份的合法性必須經過登錄模塊的驗證，方可生效[9]。具體檢測流程如圖3所示。

2.3 ?高精度運動體質智能檢測系統業務流程設計

基于紅外傳感高精度運動體質智能檢測系統的功能，與傳統Web網站類似，通過數據庫對后臺數據的分析、處理，實現前端檢測結果的展示[10]。系統參數設置及緩存管理，為系統的中段操作提供可能，具體業務處理流程如圖4所示。

3 ?實驗結果與分析

3.1 ?實驗參數設置

表2中參數依次代表紅外波動系數、檢測精度等級、檢測準確率、體質指標范圍、系統響應時間、精度極限。其中傳統系統的檢測精度等級為Ⅲ級，改進后系統檢測精度等級為Ⅳ級，代表兩種系統的檢測結果均為真實可靠的[11]。

3.2 ?檢測精度對比

完成參數設置后，令運動員保持180 s的疾跑狀態。在此過程中，檢測該名運動員的體質改變情況，完成檢測后，對比兩種方法得到結果的檢測精度。檢測精度結果與GBH曲線存在反比關系，GBH曲線上下限間差值越大，則檢測精度越低;GBH曲線上下限間差值越小，則檢測精度越高。具體檢測結果對比如圖5所示。

分析圖5可知，應用傳統方法對運動體質進行智能檢測，GBH曲線的最大值為6.68 T，最小值為0.97 T，二者間差值為5.71 T;應用基于紅外傳感高精度運動體質智能檢測系統，對運動體質進行智能檢測，GBH曲線的最大值為8.74 T，最小值為4.92 T，二者間差值[12]為3.82 T; 3.82 T<5.71 T。所以，可證明應用基于紅外傳感高精度運動體質智能檢測系統后，運動體質智能檢測精度明顯提升。

3.3 ?檢測等待時間對比

完成檢測精度對比后，分別檢測第30 s，60 s，90 s，120 s運動員的體質情況，對比應用普通方法和應用基于紅外傳感高精度運動體質智能檢測系統各自的檢測等待時間。

具體所需檢測等待時間對比情況如圖6所示。

分析圖6可知，應用普通方法檢測第30 s， 60 s，90 s，120 s運動員的體質情況，分別需要5.6 s，6.5 s，6.8 s，7.1 s;應用基于紅外傳感高精度運動體質智能檢測系統，檢測第30 s，60 s，90 s，120 s運動員的體質情況，分別需要4.7 s，5.8 s，6.2 s，6.7 s，明顯低于應用普通方法所需的檢測等待時間[13]。所以，可證明應用基于紅外傳感高精度運動體質智能檢測系統后，運動體質智能檢測等待時間明顯縮短。

4 ?結 ?語

綜上，本文完成了基于紅外傳感的高精度運動體質智能檢測系統的搭建。通過對比實驗的方法，證明該系統確實具備極高的實用價值。

參考文獻

[1] 馮恒振，石云波，秦麗，等.基于熱釋電紅外傳感器的動作檢測系統設計[J].壓電與聲光，2017，39（4）：610?613.

FENG Hengzhen， SHI Yunbo， QIN Li， et al. Design of the motion detection system based on pyroelectric infrared sensor [J]. Piezoelectrics & acoustooptics， 2017， 39（4）： 610?613.

[2] 姜晶，張憲，修威國，等.基于手機APP的便攜式智能無線FDR傳感器系統的設計[J].環境技術，2017，35（2）：70?72.

JIANG Jing， ZHANG Xian， XIU Weiguo， et al. Design of portable intelligent wireless FDR sensor system based on mobile phone APP [J]. Environmental technology， 2017， 35（2）： 70?72.

[3] 文冠祺，王忠，陳柏松.基于ARM的紅外氣體傳感系統的設計與實現[J].計算機技術與發展，2017，27（4）：180?183.

WEN Guanqi， WANG Zhong， CHEN Baisong. Design and implementation of infrared gas sensor system with ARM [J]. Computer technology and development， 2017， 27（4）： 180?183.

[4] 張燕君，劉文哲，付興虎，等.基于TTDF和CNS算法的多路BOTDR散射譜信息高精度分析研究[J].光譜學與光譜分析，2015，35（7）：1802?1807.

ZHANG Yanjun， LIU Wenzhe， FU Xinghu， et al. The high precision analysis research of multichannel BOTDR scattering spectral information based on the TTDF and CNS algorithm [J]. Spectroscopy and spectral analysis， 2015， 35（7）：1802?1807.

[5] 蒲洪玲，楊丹.“體智能”和“趣味田徑”課程對幼兒身體素質影響的實驗研究[J].沈陽體育學院學報，2017，36（1）：124?128.

PU Hongling， YANG Dan. Experimental study on physical development of children through physical intelligent and kids′ athletics courses [J]. Journal of Shenyang Sport University， 2017， 36（1）： 124?128.

[6] 李爽，張慧妍，王立，等.多屬性皮膚指標的中醫體質模糊優化分類模型[J].計算機科學與探索，2016，10（7）：995?1002.

LI Shuang， ZHANG Huiyan， WANG Li， et al. Fuzzy optimization classification model in Chinese medicine constitution of multi?attribute skin indexes [J]. Journal of frontiers of computer science & technology， 2016， 10（7）： 995?1002.

[7] 易金橋，黃勇，廖紅華，等.熱釋電紅外傳感器及其在人員計數系統中的應用[J].紅外與激光工程，2015，44（4）：1186?1192.

YI Jinqiao， HUANG Yong， LIAO Honghua， et al. Pyroelectric infrared sensor and its application in people counting system [J]. Infrared and laser engineering， 2015， 44（4）： 1186?1192.

[8] 田冉，陳梅香，董大明，等.紅外傳感器與機器視覺融合的果樹害蟲識別及計數方法[J].農業工程學報，2016，32（20）：195?201.

TIAN Ran， CHEN Meixiang， DONG Daming， et al. Identification and counting method of orchard pests based on fusion method of infrared sensor and machine vision [J]. Transactions of the Chinese Society of Agricultural Engineering， 2016， 32（20）： 195?201.

[9] 李玉柱，宋建成，耿蒲龍，等.基于紅外傳感器的高壓柜隔離開關觸頭溫度在線監測系統研究[J].測控技術，2015，34（2）：1?4.LI Yuzhu， SONG Jiancheng， GENG Pulong， et al. Online monitoring system of temperature of isolator contacts in high?voltage switchgear cabinet based on infrared sensor [J]. Measurement & control technology， 2015， 34（2）： 1?4.

[10] 高蓮弟，陶帥，季長清，等.基于屋頂二值紅外傳感器網絡的人體定位和行為識別系統設計[J].計算機測量與控制，2017，25（1）：163?166.

GAO Liandi， TAO Shuai， JI Changqing， et al. Design for human body localization and activities recognition system based on binary ceiling infrared sensor network [J]. Computer measurement & control， 2017， 25（1）： 163?166.

[11] FENG H， SHI Y， QIN L， et al. Design of the motion detection system based on pyroelectric infrared sensor [J]. Piezoelectrics & acoustooptics， 2017， 39（4）： 610?613.

[12] ZHENG Y. Characterization of a traffic management system using pyroelectric infrared sensors [J]. Instrumentation science & technology， 2015， 43（3）： 319?333.

[13] ACKERMANN M， AJELLO M， ATWOOD W， et al. The third catalog of active galactic nuclei detected by the Fermi large area telescope [J]. Astrophysical journal， 2015， 223（1）： 429?457.