为了拥有一个健康的体魄,越来越多的人开始走进健身房锻炼身体,但是由于种种因素,很多人无法坚持长期锻炼甚至半途而废。如何从海量的身体成分、维度数据中获得信息,引导人们参与健身并学会健身,由于目前尚无成熟的研究和应用,成为了亟待解决的问题。与此同时,在今年新冠肺炎疫情大爆发的背景下,数字健康产业备受关注。其中,可穿戴设备依托5G网络、大数据、云计算、人工智能等技术的普及,迎来了重大发展机遇。由于其具备便携化、多功能化、智能化等优点,在个人健康医疗领域的应用场景也日渐丰富。因此,研究可穿戴设备在个人健身领域的应用,具有切实的意义和广阔的市场前景。可穿戴设备在个人健身领域的应用模式,一般为实时检测身体数据,再通过通信模块发送到移动终端,最后由移动终端将数据发送到服务器进行计算工作并将返回的结果展示给用户,从而起到一定的辅助和指导作用。本文基于此种模式,设计了一个健身方案推荐系统。该系统包括基于全连接神经网络的自动编码器和K-means算法的AKC模型和基于专家系统模式的智能私教系统。可通过输入用户身体数据将用户分为不同的身体类型,进而通过智能私教系统推荐个性化健身方案。最后,本文提出了一种可穿戴式微型近红外光谱仪在个人健身领域的应用场景,基于此场景和健身方案推荐系统开发了一个基于IOS系统的APP。实现了用户数据实时测量,并获取健身推荐方案的功能。通过对照实验,验证了健身方案推荐系统通过给用户划分类型并推荐健身方案,在健身引导方面具有很大的促进作用。该系统在运用大数据来指导个人健身的应用模式上做出了新的尝试。