运动监测平台的数据处理方法及系统与流程

本发明涉及一种数据处理，特别是涉及一种运动监测平台的数据处理方法及系统。

背景技术：

1、随着全民健身倡导的提出以及健康意识的增加，越来越多人加入全民健身，同时，随着互联网技术的快速发展，不少互联网企业开始将目光转移到运动检测平台搭建上，以满足用户对运动情况的有效掌握，从而更好实现健身目的。

2、目前，现有用户在利用运动监测平台进行运动情况监测时，通常直接显示采集到的运动数据，并利用服务器对运动数据进行简单统计，以实现运动监测平台的监测目的。但是，单一的运动数据采集显示无法满足运动监测的灵活性需求，并且采集的数据之间进行统计处理可能引入误差数据，无法有效排除异常数据，大大降低了运动监测平台的监测有效性，因此，亟需一种运动监测平台的数据处理方法来解决上述技术问题。

技术实现思路

1、有鉴于此，本发明提供一种运动监测平台的数据处理方法及系统，主要目的在于解决现有运动监测平台处理数据准确性差的问题。

2、依据本发明一个方面，提供了一种运动监测平台的数据处理方法，包括：

3、采集不同用户上传至运动监测平台的的运动数据，并对所述运动数据按照运动类型、用户运动阈值以及监测目标分类对所述运动数据进行处理分类，得到异常分类数据以及正常分类数据；

4、按照交叉提取方式从所述异常分类数据以及所述正常分类数据中提取验证目标，并解析所述验证目标的数据特征，所述数据特征包括数量特征、单位特征、类型特征、阈值特征中至少一个；

5、调取匹配所述数据特征的验证模型和/或验证策略，并基于所述验证模型和/或所述验证策略对所述验证目标进行验证处理，得到所述运动数据的验证结果，以基于通过验证的所述运动数据进行用户运动状态监测。

6、进一步地，所述对所述运动数据按照运动类型、用户运动阈值以及监测目标分类对所述运动数据进行处理分类，得到异常分类数据以及正常分类数据包括：

7、调取不同用户在运动监测平台上所选定的运动监测项目，并基于用户基本信息以及所述运动监测项目进行阈值分类，确定用户运动阈值；

8、获取对所述运动监测项目进行标记的监测目标分类，按照所述监测目标分类、所述用户运动阈值、所述运动类型以及数据分类公式进行运算，得到数据分类阈值；

9、按照所述数据分类阈值对所述运动数据进行分类，得到异常分类数据以及正常分类数据。

10、进一步地，所述按照所述数据分类阈值对所述运动数据进行分类，得到异常分类数据以及正常分类数据包括：

11、若所述数据分类阈值为单一数值，则将大于所述单一数值的所述运动数据确定为异常分类数据，并将小于或等于所述单一数值的所述运动数据确定为正常分类数据；

12、若所述数据分类阈值包括多个数值，则对所述多个数值求解平均值，并基于所述平均值确定异常分类数据以及正常分类数据。

13、进一步地，所述按照交叉提取方式从所述异常分类数据以及所述正常分类数据中提取验证目标包括：

14、确定交叉提取长度以及交叉间隔，所述交叉提取长度与所述交叉间隔不同；

15、按照所述交叉间隔从所述异常分类数据以及所述正常分类数据中分别提取与所述交叉提取长度对应的第一参照目标以及第二参照目标；

16、若所述第一参照目标与所述第二参照目标之间差值小于或等于预设验证阈值，则将所述第一参照目标以及所述第二参照目标确定为验证目标。

17、进一步地，所述解析所述验证目标的数据特征包括：

18、统计所述验证目标的数据数量，并按照数量阈值与所述数据数量进行对比，确定数量特征；或，

19、按照单位标识对所述验证目标进行单位分类，并按照有效单位分类对分类后的单位进行筛选，确定单位特征；或，

20、解析所述验证目标的数据采集路径，并基于路径分类关键标识对所述数据采集路径进行分类，确定类型特征；或，

21、调取与所述验证目标对应的运动类型的数值极值，并基于所述数值极值对所述验证目标进行比较，确定阈值特征。

22、进一步地，所述调取匹配所述数据特征的验证模型和/或验证策略，并基于所述验证模型和/或所述验证策略对所述验证目标进行验证处理，得到所述运动数据的验证结果之前，所述方法还包括：

23、配置与不同数据特征对应的验证模型，所述验证模型包括数据异常识别模型、数据处理风险分类模型；和/或，

24、接收对不同数据特征配置的验证策略列表，所述验证策略列表中包括对不同数据特征进行处理的验证策略，所述验证策略包括时间验证子策略、用户名单验证子策略、运动扰动验证子策略。

25、进一步地，所述方法还包括：

26、当所述运动数据通过验证后，基于所述运动数据确定所述用户的运动状态监测结果。

27、依据本发明另一个方面，提供了一种运动监测平台的数据处理系统，包括：

28、处理模块，用于采集不同用户上传至运动监测平台的的运动数据，并对所述运动数据按照运动类型、用户运动阈值以及监测目标分类对所述运动数据进行处理分类，得到异常分类数据以及正常分类数据；

29、解析模块，用于按照交叉提取方式从所述异常分类数据以及所述正常分类数据中提取验证目标，并解析所述验证目标的数据特征，所述数据特征包括数量特征、单位特征、类型特征、阈值特征中至少一个；

30、验证模块，用于调取匹配所述数据特征的验证模型和/或验证策略，并基于所述验证模型和/或所述验证策略对所述验证目标进行验证处理，得到所述运动数据的验证结果，以基于通过验证的所述运动数据进行用户运动状态监测。

31、进一步地，所述处理模块，具体用于调取不同用户在运动监测平台上所选定的运动监测项目，并基于用户基本信息以及所述运动监测项目进行阈值分类，确定用户运动阈值；获取对所述运动监测项目进行标记的监测目标分类，按照所述监测目标分类、所述用户运动阈值、所述运动类型以及数据分类公式进行运算，得到数据分类阈值；按照所述数据分类阈值对所述运动数据进行分类，得到异常分类数据以及正常分类数据。

32、进一步地，所述处理模块，具体还用于若所述数据分类阈值为单一数值，则将大于所述单一数值的所述运动数据确定为异常分类数据，并将小于或等于所述单一数值的所述运动数据确定为正常分类数据；若所述数据分类阈值包括多个数值，则对所述多个数值求解平均值，并基于所述平均值确定异常分类数据以及正常分类数据。

33、进一步地，所述解析模块，用于确定交叉提取长度以及交叉间隔，所述交叉提取长度与所述交叉间隔不同；按照所述交叉间隔从所述异常分类数据以及所述正常分类数据中分别提取与所述交叉提取长度对应的第一参照目标以及第二参照目标；若所述第一参照目标与所述第二参照目标之间差值小于或等于预设验证阈值，则将所述第一参照目标以及所述第二参照目标确定为验证目标。

34、进一步地，所述解析模块，具体用于统计所述验证目标的数据数量，并按照数量阈值与所述数据数量进行对比，确定数量特征；或，按照单位标识对所述验证目标进行单位分类，并按照有效单位分类对分类后的单位进行筛选，确定单位特征；或，解析所述验证目标的数据采集路径，并基于路径分类关键标识对所述数据采集路径进行分类，确定类型特征；或，调取与所述验证目标对应的运动类型的数值极值，并基于所述数值极值对所述验证目标进行比较，确定阈值特征。

35、进一步地，所述系统还包括：

36、配置模块，用于配置与不同数据特征对应的验证模型，所述验证模型包括数据异常识别模型、数据处理风险分类模型；和/或，

37、接收模块，用于接收对不同数据特征配置的验证策略列表，所述验证策略列表中包括对不同数据特征进行处理的验证策略，所述验证策略包括时间验证子策略、用户名单验证子策略、运动扰动验证子策略。

38、进一步地，所述系统还包括：

39、确定模块，用于当所述运动数据通过验证后，基于所述运动数据确定所述用户的运动状态监测结果。

40、根据本发明的又一方面，提供了一种存储介质，所述存储介质中存储有至少一可执行指令，所述可执行指令使处理器执行如上述运动监测平台的数据处理方法对应的操作。

41、根据本发明的再一方面，提供了一种终端，包括：处理器、存储器、通信接口和通信总线，所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信；

42、所述存储器用于存放至少一可执行指令，所述可执行指令使所述处理器执行上述运动监测平台的数据处理方法对应的操作。

43、借由上述技术方案，本发明实施例提供的技术方案至少具有下列优点：

44、本发明提供了一种运动监测平台的数据处理方法及系统，与现有技术相比，本发明实施例通过采集不同用户上传至运动监测平台的的运动数据，并对所述运动数据按照运动类型、用户运动阈值以及监测目标分类对所述运动数据进行处理分类，得到异常分类数据以及正常分类数据；按照交叉提取方式从所述异常分类数据以及所述正常分类数据中提取验证目标，并解析所述验证目标的数据特征，所述数据特征包括数量特征、单位特征、类型特征、阈值特征中至少一个；调取匹配所述数据特征的验证模型和/或验证策略，并基于所述验证模型和/或所述验证策略对所述验证目标进行验证处理，得到所述运动数据的验证结果，以基于通过验证的所述运动数据进行用户运动状态监测，实现对运动数据的预先识别，以避免运动数据中异常数据对运动监测造成误差，从而提高运动监测平台的数处理有效性。

45、上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂，以下特举本发明的具体实施方式。