本申请涉及计算机领域，尤其涉及一种瞄准预测方法及装置。
背景技术：
在体育运动中，想要得到一个好的成绩，就需要反复的进行训练。而对于一些需要瞄准的体育运动，例如足球、篮球、射击、射箭等，需要用户反复的对目标进行瞄准并完成整个运动过程，例如将足球踢进足球门，或将箭射到靶心等，得到对应的瞄准结果，并根据相应的瞄准结果来调整自己的瞄准动作，进而实现提高瞄准结果的目的。但是这种方式往往训练效率低下，运动员很难找到导致瞄准结果不佳的真正原因，并且针对这些特定原因进行有针对性的训练；并且常常浪费一些训练资源。例如，在训练足球射门时，如果足球数量比较少，那么常常会因为去捡球而耽误训练射门的时间；为了尽量不耽误射门的训练时间，就需要配备较多的足球供训练，浪费一定的资源。
技术实现要素：
为了解决现有技术存在的技术问题，本申请提供了一种瞄准预测方法及装置，不仅能够提高瞄准任务的训练效率，而且可以节约训练资源。
本申请提供了一种瞄准预测方法，所述方法包括：
获取用户瞄准目标时的实际状态数据；
将所述实际状态数据输入到瞄准结果预测模型中，预测出与所述实际状态数据对应的瞄准结果；所述瞄准结果预测模型通过所述用户瞄准目标时的训练状态数据以及所述用户实际取得的瞄准结果训练得到。
可选的，所述实际状态数据包括以下其中一种或多种：
反映所述用户在静眼状态下的注视能力的静眼注视数据、反映所述用户心理状态的心理状态数据以及反映所述用户动作水平的动作数据。
可选的，所述静眼注视数据包括以下其中一种或多种：
所述用户在静眼状态下的注视时长、所述用户的微眼跳幅度、所述用户的微眼跳峰值以及所述用户的微眼跳频率。
可选的，所述心理状态数据包括以下其中一种或多种：
所述用户的专注度、所述用户的放松度以及所述用户的心率变异性。
可选的，所述动作数据包括：
所述用户肌肉的稳定性和/或一致性。
可选的，所述瞄准结果预测模型包括以下其中一个或多个：
第一瞄准结果预测模型、第二瞄准结果预测模型和第三瞄准结果预测模型；
所述第一瞄准结果预测模型对应的实际状态数据为反映所述用户在静眼状态下的注视能力的静眼注视数据；
所述第二瞄准结果预测模型对应的实际状态数据为反映所述用户心理状态的心理状态数据；
所述第三瞄准结果预测模型对应的实际状态数据为反映所述用户动作水平的动作数据。
本申请提供了一种瞄准预测装置，所述装置包括：
获取单元，用于获取用户瞄准目标时的实际状态数据；
预测单元，用于将所述实际状态数据输入到瞄准结果预测模型中，预测出与所述实际状态数据对应的瞄准结果；所述瞄准结果预测模型通过所述用户瞄准目标时的训练状态数据以及所述用户实际取得的瞄准结果训练得到。
可选的，所述实际状态数据包括以下其中一种或多种：
反映所述用户在静眼状态下的注视能力的静眼注视数据、反映所述用户心理状态的心理状态数据以及反映所述用户动作水平的动作数据。
可选的，所述静眼注视数据包括以下其中一种或多种：
所述用户在静眼状态下的注视时长、所述用户的微眼跳幅度、所述用户的微眼跳峰值以及所述用户的微眼跳频率。
可选的，所述心理状态数据包括以下其中一种或多种：
所述用户的专注度、所述用户的放松度以及所述用户的心率变异性。
可选的，所述动作数据包括：
所述用户肌肉的稳定性和/或一致性。
可选的，所述瞄准结果预测模型包括以下其中一个或多个：
第一瞄准结果预测模型、第二瞄准结果预测模型和第三瞄准结果预测模型；
所述第一瞄准结果预测模型对应的实际状态数据为反映所述用户在静眼状态下的注视能力的静眼注视数据；
所述第二瞄准结果预测模型对应的实际状态数据为反映所述用户心理状态的心理状态数据；
所述第三瞄准结果预测模型对应的实际状态数据为反映所述用户动作水平的动作数据。
本申请实施例通过利用用户的训练状态数据和瞄准结果对瞄准结果训练模型进行训练，训练完成之后，只要输入用户瞄准目标的实际状态数据，就能够预测出对应的瞄准结果，从而指导用户对瞄准的动作和状态进行调整。也就是说，用户不需要完成整个运动过程，就能够实现对提升用户的瞄准能力进行训练，提高训练用户的效率，并节约训练资源。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请中记载的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图。
图1为本申请实施例提供的一种瞄准预测方法的流程图；
图2为本申请实施例提供的三种瞄准结果预测模型的示意图；
图3为本申请实施例提供的一种瞄准预测装置的结构框图。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
参见图1，该图为本申请实施例提供的一种瞄准预测方法的流程图。
本实施例提供的瞄准预测方法可以由终端设备来执行，所述终端设备可以是台式计算机、笔记本电脑、手机、pad等设备，本申请实施例不做具体限定。
具体的，该瞄准预测方法可以包括如下步骤：
s101：获取用户瞄准目标时的训练状态数据以及用户实际取得的瞄准结果。
在本申请实施例中，可以获取用户在运动的过程中执行瞄准任务时瞄准目标的训练状态数据。所谓瞄准任务为运动中瞄准目标的任务，例如可以是射击、射箭、投飞镖、打台球、踢足球、打篮球等运动中的瞄准任务。以射击为例，瞄准目标可以为靶心；以踢足球为例，瞄准目标可以为足球门；以打篮球为例，瞄准目标可以为篮框。
在本申请实施例中用户瞄准目标时的训练状态数据可以包括以下其中一种或多种：反映所述用户在静眼状态下的注视能力的静眼注视数据、反映所述用户心理状态的心理状态数据以及反映所述用户动作水平的动作数据等。这些数据都是在一定程度上影响用户执行瞄准任务取得的瞄准结果的数据。瞄准结果可以反应瞄准任务执行的好坏，具体的可以是一个绝对值，也可以是与标定值之间的偏差值。例如，对于射箭而言，瞄准结果可以是箭射中的环数，也可以是与标定环数之间的偏差值。
其中，所述静眼注视数据包括以下其中一种或多种：所述用户在静眼状态下的注视时长、所述用户的微眼跳幅度、所述用户的微眼跳峰值以及所述用户的微眼跳频率等。在本申请实施例中，微眼跳是指用户注视某个注视点时眼球不自觉产生的微小跳动。上述静眼注视数据可以通过眼动仪采集用户的眼动数据得到，特别是通过使用可穿戴式的眼动仪进行注视数据的采集。
所述心理状态数据包括以下其中一种或多种：所述用户的专注度、所述用户的放松度以及所述用户的心率变异性(heartratevariability，hrv)等。
其中，用户的专注度和放松度可以通过使用脑电波检测仪采集用户的脑电波信号计算得出。例如，专注度可以简单被认为是脑电α波被抑制的程度，而放松度则为α波，特别是中频α波活跃时的外在表现。专注度能够反映用户注意力的集中程度，放松度则主要反映用户的精神状态。专注度和放松度可以被认为是一种能够客观判断用户机能状态的有效指标。
心率变异性为逐次心跳周期差异的变化情况或者说是指心跳快慢的变化情况。心率变异性的高低可以反映出用户感受到的压力水平。关于心率变异性的数据可以通过在用户身上安装传感器采集得到。
反映所述用户动作水平的动作数据可以包括所述用户肌肉的稳定性和/或一致性等。
肌肉的稳定性体现肌肉的力量，稳定性越高，瞄准射击的准确度越高，瞄准结果也就会越好。肌肉的一致性越高，准确度越高，瞄准结果也越好。
例如，当运动为射箭时，所述动作数据包括以下其中一种或多种：所述用户持弓臂的三角肌的稳定性、所述用户持弓臂的三角肌的一致性、所述用户拉弓臂的三角肌的稳定性、所述用户拉弓臂的三角肌的一致性、所述用户拉弓臂的屈指肌的稳定性以及所述用户拉弓臂的屈指肌的一致性。
上述动作数据可以通过肌电图仪对用户在执行瞄准任务时检测的肌电信号(electromyography，emg)计算得到。肌电信号是伴随肌肉收缩动作产生的一种生物电信号，采集皮肤表面的肌电信号称为表面肌电信号(semg)。根据检测到用户的肌电信号可以得到用户肌肉的稳定性数据和一致性数据。
在实际应用中，可以选取上述训练状态数据中的一种或多种来执行后续步骤。选取的方式可以是：将用户的上述训练状态数据与对应的瞄准结果进行相关性检验，选取与瞄准结果显著相关(例如相关系数大于0.09)的训练状态数据进行后续步骤。
此外，在本申请实施例中，体现用户专注度、放松度、心率变异性、肌肉稳定性、肌肉一致性的数据可以例如用0-1之间的数字表示，越接近1表示越高；越接近0表示越低。
s102：根据所述训练状态数据和所述瞄准结果,训练瞄准结果预测模型。
在本申请实施例中，例如机器学习的方式来训练瞄准结果训练模型。该模型的输入为用户的训练状态数据和对应的瞄准结果。
在训练的过程中，可以将上述反映所述用户在静眼状态下的注视能力的静眼注视数据、反映所述用户心理状态的心理状态数据以及反映所述用户动作水平的动作数据等都输入到一个训练瞄准结果预测模型进行训练，也可以针对上述每种训练状态数据都训练一个对应的瞄准结果预测模型，这样就能够根据用户的各种实际状态数据分别预测出对应的瞄准结果，从而可以看出用户的哪些实际状态数据较好，哪些实际状态数据较差，进而有针对性的对用户进行训练。
例如，参见图2，可以训练三个瞄准结果预测模型，即第一瞄准结果预测模型、第二瞄准结果预测模型和第三瞄准结果预测模型，其中，第一瞄准结果预测模型根据用户的静眼注视数据进行训练，第二瞄准结果预测模型根据心理状态数据进行训练，第三瞄准结果预测模型根据动作数据进行训练。
s103：获取用户瞄准目标时的实际状态数据。
获取用户瞄准目标时的实际状态数据的方法与步骤s101获取用户瞄准目标时的训练状态数据的方法相同，故本步骤不再复述。需要注意的是，此时可以获取全部状态数据，也可以根据实际需要只获取部分状态的数据，根据具体的运动项目以及现场具备的仪器和具体的需求而定。
s104：将所述实际状态数据输入到瞄准结果预测模型中，预测出与所述实际状态数据对应的瞄准结果。
当对瞄准结果预测模型训练完成之后，获取用户瞄准目标时的实际状态数据，并将该实际状态数据输入到瞄准结果预测模型中，预测出对应的瞄准结果。
其中，实际状态数据的类型与训练状态数据的类型应当是一致的。例如若训练状态数据包括用户在训练瞄准阶段的微眼跳幅度，那么实际状态数据也应当包括用户在实际瞄准阶段的微眼跳幅度。
本申请实施例通过利用用户的训练状态数据和瞄准结果对瞄准结果预测模型进行训练，训练完成之后，只要输入用户瞄准目标的实际状态数据，就能够预测出对应的瞄准结果，从而指导用户对瞄准的动作和状态进行调整。也就是说，用户不需要完成整个运动过程，即不需要用户进行最终的特定动作，或者不需要使用特定物品进行运动，就能够实现对提升用户的瞄准能力进行训练，提高训练用户的效率，并节约训练资源。
以射箭为例，用户只需要瞄准目标，而不需要真的将箭射出去，就能够知晓可能的瞄准结果是多少。如果瞄准结果较低，则可以重新调整瞄准动作，这样就可以较高效率的训练用户进行射箭。同时，由于用户不需要真的将箭射出去，所以只需要一只或少量的箭就可以完成训练，节约训练资源。
又例如射击训练，用户只需要使用一只枪，而不需要安装子弹，完成射击动作后也能知晓可能的瞄准结果是多少，以便于用户根据预测的瞄准结果进行适应性的调整最终提高瞄准结果。
此外，根据上文所述，瞄准结果预测模型可以包括第一瞄准结果预测模型、第二瞄准结果预测模型和第三瞄准结果预测模型。
当获取到用户在执行瞄准任务时的实际静眼注视数据、实际心理状态数据以及实际动作数据之后，分别输入到对应的瞄准结果预测模型，预测得到对应的瞄准结果。假设根据实际静眼注视数据预测得到的瞄准结果较好，根据实际动作数据预测得到的成绩较低，那么就可以有针对性的对用户在执行瞄准任务时所使用的肌肉的稳定性和/或一致性进行训练，以提高最终的运动瞄准结果。
由此可知，分类别的训练多个瞄准结果预测模型，有助于用户判断自身的优点与不足，在需要提高运动瞄准结果或者找到自身缺点的时候，可以利用本专利的方法进行训练测试，找到自身的弱点和不足，为取得更好的瞄准结果找到好的训练方法，避免走弯路。
基于以上实施例提供的一种瞄准预测方法，本申请实施例还提供了一种瞄准预测装置，下面结合附图来详细说明其工作原理。
参见图3，该图为本申请实施例提供的一种瞄准预测装置的结构框图。
本实施例提供的瞄准预测装置包括：
获取单元301，用于获取用户瞄准目标时的实际状态数据；
预测单元302，用于将所述实际状态数据输入到瞄准结果预测模型中，预测出与所述实际状态数据对应的瞄准结果；所述瞄准结果预测模型通过所述用户瞄准目标时的训练状态数据以及所述用户实际取得的瞄准结果训练得到。
本申请实施例通过利用用户的训练状态数据和瞄准结果对瞄准结果预测模型进行训练，训练完成之后，只要输入用户瞄准目标的实际状态数据，就能够预测出对应的瞄准结果，从而指导用户对瞄准的动作和状态进行调整。也就是说，用户不需要完成整个运动过程，就能够实现对提升用户的瞄准能力进行训练，提高训练用户的效率，并节约训练资源。
可选的，所述实际状态数据包括以下其中一种或多种：
反映所述用户在静眼状态下的注视能力的静眼注视数据、反映所述用户心理状态的心理状态数据以及反映所述用户动作水平的动作数据。
可选的，所述静眼注视数据包括以下其中一种或多种：
所述用户在静眼状态下的注视时长、所述用户的微眼跳幅度、所述用户的微眼跳峰值以及所述用户的微眼跳频率。
可选的，所述心理状态数据包括以下其中一种或多种：
所述用户的专注度、所述用户的放松度以及所述用户的心率变异性。
可选的，所述动作数据包括：
所述用户肌肉的稳定性和/或一致性。
可选的，所述瞄准结果预测模型包括以下其中一个或多个：
第一瞄准结果预测模型、第二瞄准结果预测模型和第三瞄准结果预测模型；
所述第一瞄准结果预测模型对应的实际状态数据为反映所述用户在静眼状态下的注视能力的静眼注视数据；
所述第二瞄准结果预测模型对应的实际状态数据为反映所述用户心理状态的心理状态数据；
所述第三瞄准结果预测模型对应的实际状态数据为反映所述用户动作水平的动作数据。
本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的实施例能够以除了在这里图示或描述的内容以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统，装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在本申请所提供的几个实施例中，应该理解到，所揭露的系统，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(rom，read-onlymemory)、随机存取存储器(ram，randomaccessmemory)、磁碟或者光盘等各种可以存储程序代码的介质。
本领域技术人员应该可以意识到，在上述一个或多个示例中，本发明所描述的功能可以用硬件、软件、固件或它们的任意组合来实现。当使用软件实现时，可以将这些功能存储在计算机可读介质中或者作为计算机可读介质上的一个或多个指令或代码进行传输。计算机可读介质包括计算机存储介质和通信介质，其中通信介质包括便于从一个地方向另一个地方传送计算机程序的任何介质。存储介质可以是通用或专用计算机能够存取的任何可用介质。
以上所述的具体实施方式，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施方式而已。
以上所述，以上实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的范围。
1.一种瞄准预测方法，其特征在于，所述方法包括：
获取用户瞄准目标时的实际状态数据；
将所述实际状态数据输入到瞄准结果预测模型中，预测出与所述实际状态数据对应的瞄准结果；所述瞄准结果预测模型通过所述用户瞄准目标时的训练状态数据以及所述用户实际取得的瞄准结果训练得到。
2.根据权利要求1所述的方法，其特征在于，所述实际状态数据包括以下其中一种或多种：
反映所述用户在静眼状态下的注视能力的静眼注视数据、反映所述用户心理状态的心理状态数据以及反映所述用户动作水平的动作数据。
3.根据权利要求2所述的方法，其特征在于，所述静眼注视数据包括以下其中一种或多种：
所述用户在静眼状态下的注视时长、所述用户的微眼跳幅度、所述用户的微眼跳峰值以及所述用户的微眼跳频率。
4.根据权利要求2所述的方法，其特征在于，所述心理状态数据包括以下其中一种或多种：
所述用户的专注度、所述用户的放松度以及所述用户的心率变异性。
5.根据权利要求2所述的方法，其特征在于，所述动作数据包括：
所述用户肌肉的稳定性和/或一致性。
6.根据权利要求2-5任一项所述的方法，其特征在于，所述瞄准结果预测模型包括以下其中一个或多个：
第一瞄准结果预测模型、第二瞄准结果预测模型和第三瞄准结果预测模型；
所述第一瞄准结果预测模型对应的实际状态数据为反映所述用户在静眼状态下的注视能力的静眼注视数据；
所述第二瞄准结果预测模型对应的实际状态数据为反映所述用户心理状态的心理状态数据；
所述第三瞄准结果预测模型对应的实际状态数据为反映所述用户动作水平的动作数据。
7.一种瞄准预测装置，其特征在于，所述装置包括：
获取单元，用于获取用户瞄准目标时的实际状态数据；
预测单元，用于将所述实际状态数据输入到瞄准结果预测模型中，预测出与所述实际状态数据对应的瞄准结果；所述瞄准结果预测模型通过所述用户瞄准目标时的训练状态数据以及所述用户实际取得的瞄准结果训练得到。
8.根据权利要求7所述的装置，其特征在于，所述实际状态数据包括以下其中一种或多种：
反映所述用户在静眼状态下的注视能力的静眼注视数据、反映所述用户心理状态的心理状态数据以及反映所述用户动作水平的动作数据。
9.根据权利要求8所述的装置，其特征在于，所述静眼注视数据包括以下其中一种或多种：
所述用户在静眼状态下的注视时长、所述用户的微眼跳幅度、所述用户的微眼跳峰值以及所述用户的微眼跳频率。
10.根据权利要求8所述的装置，其特征在于，所述心理状态数据包括以下其中一种或多种：
所述用户的专注度、所述用户的放松度以及所述用户的心率变异性。
11.根据权利要求8所述的装置，其特征在于，所述动作数据包括：
所述用户肌肉的稳定性和/或一致性。
12.根据权利要求8-11任一项所述的装置，其特征在于，所述瞄准结果预测模型包括以下其中一个或多个：
第一瞄准结果预测模型、第二瞄准结果预测模型和第三瞄准结果预测模型；
所述第一瞄准结果预测模型对应的实际状态数据为反映所述用户在静眼状态下的注视能力的静眼注视数据；
所述第二瞄准结果预测模型对应的实际状态数据为反映所述用户心理状态的心理状态数据；
所述第三瞄准结果预测模型对应的实际状态数据为反映所述用户动作水平的动作数据。
技术总结