CN103997572B - 一种基于手机加速度传感器数据的计步方法和装置 - Google Patents
一种基于手机加速度传感器数据的计步方法和装置 Download PDFInfo
- Publication number
- CN103997572B CN103997572B CN201410244166.8A CN201410244166A CN103997572B CN 103997572 B CN103997572 B CN 103997572B CN 201410244166 A CN201410244166 A CN 201410244166A CN 103997572 B CN103997572 B CN 103997572B
- Authority
- CN
- China
- Prior art keywords
- axis
- acceleration sensor
- data
- acceleration
- mobile phone
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Abstract
本发明公开了一种基于手机加速传感器数据的计步方法和装置,包括:用手机自带的三轴加速度传感器实时采集在X、Y、Z轴上各自的重力加速度数值;高通滤波;低通滤波;获取经过高通滤波和低通滤波后的数据波形图;取峰值最大的Z轴作为主轴,根据Z轴数据得到阈值数据曲线,计算方法如下:thn=(max(zn-SR,zn-SR+1,…,zn-1)+min(zn-SR,zn-SR+1,…,zn-1))/2;检测主轴的加速度在下降的过程中与阈值曲线每个相交点,在这些相交时刻,记录三轴的数据,并组成三维向量;任意两个向量的相似度用以下公式计算:其中,如果相邻三个向量中任意两个向量的相似度大于0.6,那么可以确定用户正在运动,且每个向量对应的时刻用户走了一步或者跑了一步。其可以达到准确计步的效果。
Description
技术领域
本发明涉及一种基于手机加速度传感器数据的计步方法和装置。
背景技术
随着人们物质文化水平的提高,个人的身体健康越来越瘦到人们的重视,走路和跑步成为人们喜爱的简单却行之有效的的运动方式之一。如何方便让自己知道走了多少步,跑了多远的路程,从而推算出自己的消耗了多少能量,需要什么的营养补充,还需要进行什么样的锻炼,达到健康管理自己目的。
目前基于android手机加速度传感器的运动计步软件已经越来越深得人们的喜爱,要实现上述的目标随之而来用户对软件计步的准确性的要求也越来越高。
android手机加速度传感器由于成本和生产的工艺流程存在很大的差异化,软件表现出来计步的准确率误差很大,主要原因是android手机的加速度传感器由于硬件成本的压力,导致出现了些低成本加速度传感器。
在低成本的加速度传感器中,有三个轴,分别为x轴,y轴和z轴,x轴和y轴方向的加速度灵敏度性能参数一般能够得到保证,但是Z轴方向的加速度灵敏度由于工艺的差异化灵敏度会比x轴,y轴的灵敏度差的很大。
由于手机软件的计步的准确性主要处决于手机加速度传感器的z轴的灵敏度,加上人们使用android手机的加速度传感器进行计步的时候有的是拿在手上,有的是放在口袋里,口袋有的紧,有的松等,各种不同的外部复杂环境对手机的加速度传感器的影响,产生很多冗余的数据,导致很多android手机的软件计步数有时候多出实际步数,有时候少于实际步数,给使用带来很大的误差,有时甚至根本没法使用。
发明内容
本发明所要解决的技术问题是提供一种基于手机加速度传感器的计步方法和装置,以尽可能地正确进行计步。
本发明解决上述技术问题所采取的技术方案如下:
一种基于手机加速传感器数据的计步方法,包括:
步骤1:利用手机自带的三轴加速度传感器实时采集在X、Y、Z轴上各自的重力加速度数值;
步骤2:高通滤波以滤除以上重力加速度数值各自在X、Y、Z轴以外的其他轴上的分量;
步骤3:低通滤波以滤除环境噪声;
步骤4:获取经过高通滤波和低通滤波后的数据波形图;
步骤5:取峰值最大的Z轴作为主轴,根据Z轴数据得到阈值数据曲线,计算方法如下:thn=(max(zn-SR,zn-SR+1,…,zn-1)+min(zn-SR,zn-SR+1,…,zn-1))/2;
步骤6:检测主轴的加速度在下降的过程中与阈值曲线每个相交点,在这些相交时刻,记录三轴的数据,并组成三维向量,记为V1=(xt1,yt1,zt1),V2=(xt2,yt2,zt2),…,Vn=(xtn,ytn,ztn);
当tn-tn-1<0.2秒时,Vn无效,对其进行剔除;
在保留下来的向量中,任意两个向量的相似度用以下公式计算:
其中,如果相邻三个向量中任意两个向量的相似度大于0.6,那么可以确定用户正在运动,且每个向量对应的时刻用户走了一步或者跑了一步。
一种基于手机加速传感器数据的计步装置,包括:
三维加速度获取单元,用于利用手机自带的三轴加速度传感器实时采集加速度传感器在X、Y、Z轴上各自的重力加速度数值;
过滤器单元,用于基于高通滤波滤除以上重力加速度数值各自在X、Y、Z轴以外的其他轴上的分量;
基于低通滤波滤除环境噪声;
数据处理单元,用于获取经过高通和低通滤波后的数据波形图;
取峰值最大的Z轴作为主轴,根据Z轴数据得到阈值数据曲线,计算方法如下:thn=(max(zn-SR,zn-SR+1,…,zn-1)+min(zn-SR,zn-SR+1,…,zn-1))/2;
计步单元,用于检测主轴的加速度在下降的过程中与阈值曲线每个相交点,在这些相交时刻,记录三轴的数据,并组成三维向量,记为V1=(xt1,yt1,zt1),V2=(xt2,yt2,zt2),…,Vn=(xtn,ytn,ztn);
当tn-tn-1<0.2秒时,Vn无效,对其进行剔除;
在保留下来的向量中,任意两个向量的相似度用以下公式计算:
如果相邻三个向量中任意两个向量的相似度大于0.6,那么可以确定用户正在运动,每个向量对应的时刻用户走了一步或者跑了一步。
本发明采取了上述方案以后,其通过手机自带的加速度传感器采集大量的不同环境,不同使用者的数据,以此数据为样本进行数据的处理,获取数据的特征建立数学模型,然后根据该数据模型测试不同状态下计步的准确率,可以达到准确计步的效果。
本发明的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
附图说明
下面结合附图对本发明进行详细的描述,以使得本发明的上述优点更加明确。其中,
图1是本发明实施例基于手机加速传感器数据的计步方法的流程图;
图2是本发明实施例采集到的三轴加速度的原始数据波形图;
图3是本发明实施例对原始数据进行高通滤波后的数据波形图;
图4是本发明实施例对原始数据进行高通滤波和低通滤波后的数据波形图;
图5是本发明实施例选取的主轴数据和阈值数据的波形图;
图6是本发明实施例基于手机加速传感器数据的计步装置的结构示意图。
具体实施方式
以下将结合附图及实施例来详细说明本发明的实施方式,借此对本发明如何应用技术手段来解决技术问题,并达成技术效果的实现过程能充分理解并据以实施。需要说明的是,只要不构成冲突,本发明中的各个实施例以及各实施例中的各个特征可以相互结合,所形成的技术方案均在本发明的保护范围之内。
另外,在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行,并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
如图1所示,本文旨在提出一种基于android系统的智能手机计步软件实现方案,通过传感器器的自动匹配设置技术、可变阶数的高通滤波器、预置和选取最佳低通滤波器的方法来最大可能地消除由传感器差异、重力加速度以及高频环境噪声所引起的不利影响。用动态阈值曲线和向量相似度相结合的方法计算步伐。用统计学习方法实现走路和跑步的分类识别。
具体来说,本方法的具体步骤如下:
一种基于手机加速传感器数据的计步方法,包括:
步骤1:利用手机自带的三轴加速度传感器实时采集在X、Y、Z轴上各自的重力加速度数值;
步骤2:高通滤波以滤除以上重力加速度数值各自在X、Y、Z轴以外的其他轴上的分量;
步骤3:低通滤波以滤除环境噪声;
步骤4:获取经过高通滤波和低通滤波后的数据波形图;
步骤5:取峰值最大的Z轴作为主轴,根据Z轴数据得到阈值数据曲线,计算方法如下:thn=(max(zn-SR,zn-SR+1,…,zn-1)+min(zn-SR,zn-SR+1,…,zn-1))/2;
步骤6:检测主轴的加速度在下降的过程中与阈值曲线每个相交点,在这些相交时刻,记录三轴的数据,并组成三维向量,记为V1=(xt1,yt1,zt1),V2=(xt2,yt2,zt2),…,Vn=(xtn,ytn,ztn);
当tn-tn-1<0.2秒时,Vn无效,对其进行剔除;
在保留下来的向量中,任意两个向量的相似度用以下公式计算:
其中,如果相邻三个向量中任意两个向量的相似度大于0.6,那么可以确定用户正在运动,且每个向量对应的时刻用户走了一步或者跑了一步。
其中,在实施例中,步骤1之前,还包括:
选择三轴加速度传感器的采样模式,具体包括:
实时采集三轴加速度传感器的在X、Y、Z轴上各自的重力加速度信号;
对所述三轴加速度传感器的重力加速度信号进行检测,并选择所述三轴加速度传感器的最靠近采样率=30的采样模式。
对所述三轴加速度传感器的重力加速度信号进行检测,并选择所述三轴加速度传感器的最靠近采样率=30的采样模式,包括:
a)设置传感器的采样率等级为SENSOR_DELAY_UI;
b)连续采样60个点,记录下每个采样点的数据的间隔时间;
c)把60个间隔时间从小到大排序;
d)计算前50位间隔时间的总和T=;
e)计算采样率SR=50/T;
f)选取最靠近采样率=30的采样率等级。
其中,优选实施例中,步骤2,具体包括:设定最低步伐频率为0.5步/秒,对应的信号频率为FMIN=0.5HZ;
高通滤波采用以下公式的高通滤波器:
,SR=采样率;
其中滤波器的阶数N=(SR/2)/FMIN=SR,bn是滤波输出信号,an是滤波输入信号,基于所述高通滤波器进行高通滤波。
其中,优选实施例中,步骤3,具体包括:
设定最高步伐频率为5步/秒,对应的信号频率为FMAX=5HZ;
获取归一化截止频率为,SR=采样率;
在5HZ到100HZ的频率范围内,以5HZ为间隔,采用4阶巴特沃斯滤波器预先求出每个采样率下的滤波器系数,共20组滤波器系数,记为coefn,n=1,…,20,其4阶巴特沃斯滤波器的公式如下:
;
其中,n=4,ωc=截止频率=振幅下降为-3分贝时的频率,ωp=通频带边缘频率,1/(1+ε2)=|H(ω)|2在通频带边缘的数值;
根据SR的具体数值,在20组滤波器系数中选择第K组系数作为低通滤波器的系数,其中K=floor(SR/5+0.5),floor()的作用是向下取整。
此外,在该实施例中,还进一步包括,区分走步和跑步,具体包括:
如果确认了第n步,则第n步属于跑步的概率为Pn;
.
Freq是步伐频率,.
Amp=主轴的峰峰值/(X轴的峰峰值+Y轴的峰峰值+Z轴的峰峰值)。
a0和a1分别是加权系数,这两个系数通过对大量数据统计学习方法得到;
Pn-1、Pn-2、Pn-3、Pn-4分别是第n-1步、第n-2步、第n-3步、第n-4步属于跑步的概率;
其中,若Pn>0.5,那么认定第n步是跑步,否则判定第n步是走路。
其中,所述加权系数a0和a1的计算方法如下:
a)收集大量的跑步和走路的数据;
b)对每一步进行标注,第n步的标注为Qn,跑步标注为1,走路标注为0;
c)对于所有的,a0和a1以0.05为步长搜索a0和a1的最优值,搜索过程按照d)、e)、f)、g)的顺序进行,其中,概率误差总和E最小时,a0和a1的取值就是所求的最小值;
d)Pn-1、Pn-2、Pn-3、Pn-4均初始化为0.3;
e)按照公式计算每一步属于跑步的概率;
f)计算每一步概率误差;
g)计算概率误差总和E=。
本发明采取了上述方案以后,其通过手机自带的加速度传感器采集大量的不同环境,不同使用者的数据,以此数据为样本进行数据的处理,获取数据的特征建立数学模型,然后根据该数据模型测试不同状态下计步的准确率,可以达到准确计步的效果。
具体来说,在一个具体实施例中,其主要的步骤包括以下:
步骤一、应用软件打开手机的三轴加速度传感器,实时采集三轴加速度传感器的信号。
步骤二、对加速度传感器的信号进行检测,并进行传感器的采样率进行匹配设置。
在Android系统中,三轴加速度传感器的采样率有四种等级可供设置,分别为SENSOR_DELAY_UI、SENSOR_DELAY_NORMAL、SENSOR_DELAY_GAME、SENSOR_DELAY_FASTEST。这四种采样等级从低到高排列,SENSOR_DELAY_UI所对应的采样率最低,SENSOR_DELAY_FASTEST所对应的采样率最高。
本方案希望把三轴加速度传感器的采样率设定到30HZ,但在具体的某款手机中,SENSOR_DELAY_UI、SENSOR_DELAY_NORMAL、SENSOR_DELAY_GAME、SENSOR_DELAY_FASTEST对应的采样率中有可能任何一个都不是30HZ。本方案用一种算法去估计SENSOR_DELAY_UI、SENSOR_DELAY_NORMAL、SENSOR_DELAY_GAME、SENSOR_DELAY_FASTEST所对应的采样率,然后再把传感器设置为采样率最靠近30HZ的等级。
以SENSOR_DELAY_UI为例,说明如何估计其所对应的采样率。
a)设置传感器的采样率等级为SENSOR_DELAY_UI;
b)连续采样60个点,记录下每个采样点的数据的间隔时间;
c)把60个间隔时间从小到大排序;
d)计算前50位间隔时间的总和T=
e)估计采样率SR=50/T。
步骤三、高通滤波器滤除重力加速度在X、Y、Z轴上的分量。
由于地球重力的影响,加速度传感器在X、Y、Z轴上有直流分量存在,直流分量的大小与手机的姿态相关。为了消除重力在X、Y、Z轴上的影响,本方案使用一个高通滤波器对分别三轴中的重力加速度分量进行滤除。这里使用的是可变阶数的高通滤波器。
本方案在步骤二中已经设定了加速度传感器的采样率,记为SR.
考虑人类正常走路和跑步的步伐频率,本方案设定最低步伐频率为0.5步/秒,对应的信号频率为FMIN=0.5HZ。
高通滤波器的采用以下形式:
其中滤波器的阶数N=(SR/2)/FMIN=SR,bn是滤波输出信号,an是滤波输入信号。
其中,图3是本发明实施例对原始数据进行高通滤波后的数据波形图;
步骤四、低通滤波器滤除环境噪声
环境噪声来源包括人体或者口袋与手机的突发性碰触、路面颠簸引起的手机的非规律性震动以及电源噪声等,属于高频噪声。本方案使用低通滤波器滤除环境噪声。
本方案在步骤二中已经设定了加速度传感器的采样率,记为SR.
考虑人类正常走路和跑步的步伐频率,本方案设定最高步伐频率为5步/秒,对应的信号频率为FMAX=5HZ
因此低通滤波器归一化截止频率为。
滤波器采用4阶巴特沃斯滤波器。在5HZ到100HZ的频率范围内,以5HZ为间隔,预先求出每个采样率下的滤波器系数(可用matlab提供的信号处理工具直接求出),共20组滤波器系数,记为coefn,n=1,…,20。
根据SR的具体数值,在20组滤波器系数中选择第K组系数作为低通滤波器的系数,其中K=floor(SR/5+0.5),floor()的作用是向下取整。比如SR为26时,选择第五组滤波器系数。
步骤五、检测步伐
其中,图4是本发明实施例对原始数据进行高通滤波和低通滤波后的数据波形图;横轴是时间,纵轴是加速度值。
其曲线分别是三轴加速度传感器X、Y、Z轴的数据。
算法选取峰峰值最大的Z轴作为主轴,红色的曲线是根据Z轴数据得到的阈值数据曲线,计算方法如下:
thn=(max(zn-SR,zn-SR+1,…,zn-1)+min(zn-SR,zn-SR+1,…,zn-1))/2;
图5是本发明实施例选取的主轴数据和阈值数据的波形图;
检测主轴的加速度在下降的过程中与阈值曲线每个相交点,在这些相交时刻,记录三轴的数据,并组成三维向量,记为V1=(xt1,yt1,zt1),V2=(xt2,yt2,zt2),…,Vn=(xtn,ytn,ztn)。
由于人走路或跑步时最大步伐频率为5步/秒,因此当tn-tn-1<0.2秒时,Vn无效,需要加于剔除。在保留下来的向量中,任意两个向量的相似度用以下公式计算:
如果相邻三个向量中任意两个向量的相似度大于0.6,那么可以确定用户正在运动,每个向量对应的时刻用户走了一步或者跑了一步。
步骤六、区分走路和跑步
对大多数人而言,走路和跑步的区别在于,跑步时步伐频率和加速度的幅度都要大于走路时的步伐频率和加速度幅度。
在步骤五中,如果确认了第n步,则第n步属于跑步的概率为Pn,
.
Freq是步伐频率,.
Amp=主轴的峰峰值/(X轴的峰峰值+Y轴的峰峰值+Z轴的峰峰值)。
a0和a1分别是加权系数,这两个系数通过统计学习方法得到,具体见步骤六的注解部分。
Pn-1、Pn-2、Pn-3、Pn-4分别是第n-1步、第n-2步、第n-3步、第n-4步属于跑步的概率。
如果Pn>0.5,那么认定第n步是跑步,否则判定第n步是走路。
其中,加权系数a0和a1的计算方法如下:
a)收集大量的跑步和走路的数据;
b)对每一步进行标注,第n步的标注为Qn,跑步标注为1,走路标注为0;
c)对于所有的,a0和a1以0.05为步长搜索a0和a1的最优值,搜索过程按照d)、e)、f)、g)的说明进行。概率误差总和E最小时,a0和a1的取值就是所求的最小值。
d)Pn-1、Pn-2、Pn-3、Pn-4均初始化为0.3;
e)按照公式计算每一步属于跑步的概率。
f)计算每一步概率误差;
g)计算概率误差总和E=。
本方法从android手机自带的加速度传感器出发,通过传感器器的自动匹配设置技术、可变阶数的高通滤波器、预置一组低通滤波器并根据实际采样率来选取最佳低通滤波器的方法来最大可能地消除由传感器差异、重力加速度以及高频环境噪声对计步准确度的不利影响。
其中,用动态阈值曲线和向量相似度相结合的方法计算步伐,用统计学习方法实现走路和跑步的分类识别,具有精确的效果。
与本发明方法相对应,本发明还提供了一种基于手机加速传感器数据的计步装置,如图6所示,包括:
三维加速度获取单元,用于利用手机自带的三轴加速度传感器实时采集加速度传感器在X、Y、Z轴上各自的重力加速度数值;
过滤器单元,用于基于高通滤波滤除以上重力加速度数值各自在X、Y、Z轴以外的其他轴上的分量;
基于低通滤波滤除环境噪声;
数据处理单元,用于获取经过高通和低通滤波后的数据波形图;
取峰值最大的Z轴作为主轴,根据Z轴数据得到阈值数据曲线,计算方法如下:thn=(max(zn-SR,zn-SR+1,…,zn-1)+min(zn-SR,zn-SR+1,…,zn-1))/2;
计步单元,用于检测主轴的加速度在下降的过程中与阈值曲线每个相交点,在这些相交时刻,记录三轴的数据,并组成三维向量,记为V1=(xt1,yt1,zt1),V2=(xt2,yt2,zt2),…,Vn=(xtn,ytn,ztn);
当tn-tn-1<0.2秒时,Vn无效,对其进行剔除;
在保留下来的向量中,任意两个向量的相似度用以下公式计算:
如果相邻三个向量中任意两个向量的相似度大于0.6,那么可以确定用户正在运动,每个向量对应的时刻用户走了一步或者跑了一步。
本发明采取了上述方案以后,其通过手机自带的加速度传感器采集大量的不同环境,不同使用者的数据,以此数据为样本进行数据的处理,获取数据的特征建立数学模型,然后根据该数据模型测试不同状态下计步的准确率,可以达到准确计步的效果。
本专利通过android手机自带的加速度传感器采集大量的不同环境,不同使用者的数据,以此数据为样本进行数据的处理,获取数据的特征建立数学模型,然后根据该数据模型测试不同状态下计步的准确率,可以达到准确计步的效果。
需要说明的是,对于上述方法实施例而言,为了简单描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本申请并不受所描述的动作顺序的限制,因为依据本申请,某些步骤可以采用其他顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施例均属于优选实施例,所涉及的动作和模块并不一定是本申请所必须的。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。
而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
最后应说明的是:以上所述仅为本发明的优选实施例而已,并不用于限制本发明,尽管参照前述实施例对本发明进行了详细的说明,对于本领域的技术人员来说,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。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (9)
1.一种基于手机加速传感器数据的计步方法,包括:
步骤1:利用手机自带的三轴加速度传感器实时采集在X、Y、Z轴上各自的重力加速度数值;
步骤2:高通滤波以滤除以上重力加速度数值各自在X、Y、Z轴以外的其他轴上的分量;
步骤3:低通滤波以滤除环境噪声;
步骤4:获取经过高通滤波和低通滤波后的数据波形图;
步骤5:取峰值最大的Z轴作为主轴,根据Z轴数据得到阈值数据曲线,计算方法如下:thn=(max(zn-SR,zn-SR+1,…,zn-1)+min(zn-SR,zn-SR+1,…,zn-1))/2;其中,thn为阈值数据,SR为采样率;
步骤6:检测主轴的加速度在下降的过程中与阈值曲线每个相交点,在这些相交时刻,记录三轴的数据,并组成三维向量,记为V1=(xt1,yt1,zt1),V2=(xt2,yt2,zt2),…,Vn=(xtn,ytn,ztn);
当tn-tn-1<0.2秒时,Vn无效,对其进行剔除;
在保留下来的向量中,任意两个向量的相似度用以下公式计算:
其中,如果相邻三个向量中任意两个向量的相似度大于0.6,那么可以确定用户正在运动,且每个向量对应的时刻用户走了一步或者跑了一步。
2.根据权利要求1所述的基于手机加速传感器数据的计步方法,其特征在于,步骤1之前,还包括:
选择三轴加速度传感器的采样模式,具体包括:
实时采集三轴加速度传感器的在X、Y、Z轴上各自的重力加速度信号;
对所述三轴加速度传感器的重力加速度信号进行检测,并选择所述三轴加速度传感器的最靠近采样率=30的采样模式。
3.根据权利要求2所述的基于手机加速传感器数据的计步方法,其特征在于,对所述三轴加速度传感器的重力加速度信号进行检测,并选择所述三轴加速度传感器的最靠近采样率=30的采样模式,包括:
a)设置传感器的采样率等级为SENSOR_DELAY_UI;
b)连续采样60个点,记录下每个采样点的数据的间隔时间;
c)把60个间隔时间从小到大排序;
d)计算前50位间隔时间的总和T=;
e)计算采样率SR=50/T;
f)选取最靠近采样率=30的采样率等级。
4.根据权利要求1或2所述的基于手机加速传感器数据的计步方法,其特征在于,步骤2,具体包括:设定最低步伐频率为0.5步/秒,对应的信号频率为FMIN=0.5HZ;
高通滤波采用以下公式的高通滤波器:
,SR=采样率;
其中滤波器的阶数N=(SR/2)/FMIN=SR,bn是滤波输出信号,an是滤波输入信号,基于所述高通滤波器进行高通滤波。
5.根据权利要求1或2所述的基于手机加速传感器数据的计步方法,其特征在于,进一步包括,区分走步和跑步,具体包括:
如果确认了第n步,则第n步属于跑步的概率为Pn;
.
Freq是步伐频率,.
Amp=主轴的峰峰值/(X轴的峰峰值+Y轴的峰峰值+Z轴的峰峰值);
a0和a1分别是加权系数,这两个系数通过对大量数据统计学习方法得到;
Pn-1、Pn-2、Pn-3、Pn-4分别是第n-1步、第n-2步、第n-3步、第n-4步属于跑步的概率;
其中,若Pn>0.5,那么认定第n步是跑步,否则判定第n步是走路。
6.根据权利要求5所述的基于手机加速传感器数据的计步方法,其特征在于,所述加权系数a0和a1的计算方法如下:
a)收集大量的跑步和走路的数据;
b)对每一步进行标注,第n步的标注为Qn,跑步标注为1,走路标注为0;
c)对于所有的,a0和a1以0.05为步长搜索a0和a1的最优值,搜索过程按照d)、e)、f)、g)的顺序进行,其中,概率误差总和E最小时,a0和a1的取值就是所求的最小值;
d)Pn-1、Pn-2、Pn-3、Pn-4均初始化为0.3;
e)按照公式计算每一步属于跑步的概率;
f)计算每一步概率误差;
g)计算概率误差总和E=。
7.一种基于手机加速传感器数据的计步装置,包括:
三维加速度获取单元,用于利用手机自带的三轴加速度传感器实时采集加速度传感器在X、Y、Z轴上各自的重力加速度数值;
过滤器单元,用于基于高通滤波滤除以上重力加速度数值各自在X、Y、Z轴以外的其他轴上的分量;
基于低通滤波滤除环境噪声;
数据处理单元,用于获取经过高通和低通滤波后的数据波形图;
取峰值最大的Z轴作为主轴,根据Z轴数据得到阈值数据曲线,计算方法如下:thn=(max(zn-SR,zn-SR+1,…,zn-1)+min(zn-SR,zn-SR+1,…,zn-1))/2;其中,thn为阈值数据,SR为采样率;
计步单元,用于检测主轴的加速度在下降的过程中与阈值曲线每个相交点,在这些相交时刻,记录三轴的数据,并组成三维向量,记为V1=(xt1,yt1,zt1),V2=(xt2,yt2,zt2),…,Vn=(xtn,ytn,ztn);
当tn-tn-1<0.2秒时,Vn无效,对其进行剔除;
在保留下来的向量中,任意两个向量的相似度用以下公式计算:
如果相邻三个向量中任意两个向量的相似度大于0.6,那么可以确定用户正在运动,每个向量对应的时刻用户走了一步或者跑了一步。
8.根据权利要求7所述的基于手机加速传感器数据的计步装置,其特征在于,还包括:采样模式选择单元,用于选择三轴加速度传感器的采样模式,具体包括:
实时采集三轴加速度传感器的在X、Y、Z轴上各自的重力加速度信号;
对所述三轴加速度传感器的重力加速度信号进行检测,并选择所述三轴加速度传感器的最靠近采样率=30的采样模式。
9.根据权利要求7所述的基于手机加速传感器数据的计步装置,其特征在于,所述采样模式选择单元对所述三轴加速度传感器的重力加速度信号进行检测,并选择所述三轴加速度传感器的最靠近采样率=30的采样模式,包括:
a)设置传感器的采样率等级为SENSOR_DELAY_UI;
b)连续采样60个点,记录下每个采样点的数据的间隔时间;
c)把60个间隔时间从小到大排序;
d)计算前50位间隔时间的总和T=;
e)计算采样率SR=50/T;
f)选取最靠近采样率=30的采样率等级。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410244166.8A CN103997572B (zh) | 2014-06-03 | 2014-06-03 | 一种基于手机加速度传感器数据的计步方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410244166.8A CN103997572B (zh) | 2014-06-03 | 2014-06-03 | 一种基于手机加速度传感器数据的计步方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103997572A CN103997572A (zh) | 2014-08-20 |
CN103997572B true CN103997572B (zh) | 2016-01-20 |
Family
ID=51311569
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410244166.8A Active CN103997572B (zh) | 2014-06-03 | 2014-06-03 | 一种基于手机加速度传感器数据的计步方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103997572B (zh) |
Families Citing this family (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104197952B (zh) * | 2014-09-02 | 2017-06-30 | 百度在线网络技术(北京)有限公司 | 一种用户步行计步方法、装置及移动终端 |
EP3224575B1 (en) * | 2014-11-27 | 2023-08-23 | Razer (Asia-Pacific) Pte. Ltd. | Step counter devices and step counting methods |
CN106197466B (zh) * | 2015-04-30 | 2021-07-09 | 腾讯科技(深圳)有限公司 | 一种数据处理方法、装置及终端 |
CN105043410B (zh) * | 2015-06-30 | 2018-07-13 | 深圳还是威健康科技有限公司 | 一种计步器 |
CN106705989B (zh) * | 2015-07-21 | 2019-12-17 | 华为终端有限公司 | 记步方法、设备及终端 |
CN105342583B (zh) * | 2015-12-17 | 2019-01-25 | 重庆邮电大学 | 一种高精度计步的老年人智能监护装置 |
CN105953794B (zh) * | 2016-04-26 | 2018-10-19 | 杭州欣晟达信息技术有限公司 | 一种基于mems传感器的计步导航方法 |
CN106123910A (zh) * | 2016-06-21 | 2016-11-16 | 广东欧珀移动通信有限公司 | 基于移动终端的计步方法及计步装置 |
CN106225803A (zh) * | 2016-07-20 | 2016-12-14 | 浪潮软件集团有限公司 | 一种基于三轴加速器的计步方法 |
CN107270931A (zh) * | 2016-12-23 | 2017-10-20 | 浙江从泰网络科技有限公司 | 一种IOS和android平台通用的步态自相关计步器 |
CN107449418B (zh) * | 2016-12-26 | 2021-10-01 | 浙江斑智科技有限公司 | 基于加速计和磁力计的用户步行方向计算方法 |
CN107063291A (zh) * | 2017-03-06 | 2017-08-18 | 建荣半导体(深圳)有限公司 | 计步方法、计步装置、计步芯片及移动终端 |
CN107314775B (zh) * | 2017-05-17 | 2019-09-10 | 浙江利尔达物联网技术有限公司 | 一种基于三轴加速度传感器的动态切换计算轴的计步方法 |
CN107172514B (zh) * | 2017-05-18 | 2019-08-27 | 歌尔科技有限公司 | 呼叫处理方法和装置 |
CN110168315B (zh) | 2017-08-23 | 2021-10-22 | 华为技术有限公司 | 基于加速信息的足部计步方法、装置及设备 |
WO2019036927A1 (zh) | 2017-08-23 | 2019-02-28 | 华为技术有限公司 | 基于步频的足部计步数方法、装置及设备 |
CN108253992B (zh) * | 2017-12-31 | 2021-07-02 | 深圳市易景空间智能科技有限公司 | 基于行走状态的计步方法 |
CN111765899B (zh) * | 2020-06-30 | 2022-04-22 | 歌尔科技有限公司 | 计步判断方法、装置及计算机可读存储介质 |
CN112833907B (zh) * | 2021-01-25 | 2023-07-18 | 北京小米移动软件有限公司 | 计步方法、装置、设备及存储介质 |
CN113378801B (zh) * | 2021-08-11 | 2021-11-09 | 深圳市梦瑶科技有限公司 | 一种基于神经网络的智能手环准确计步方法 |
CN114818991B (zh) * | 2022-06-22 | 2022-09-27 | 西南石油大学 | 基于卷积神经网络和加速度传感器的跑步行为识别方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101354265A (zh) * | 2008-08-19 | 2009-01-28 | 幻音科技(深圳)有限公司 | 计步方法、步幅校正方法、测距方法及计步装置 |
CN102445214A (zh) * | 2011-09-20 | 2012-05-09 | 杭州电子科技大学 | 基于智能手机3d重力传感器的计步方法 |
JP5017062B2 (ja) * | 2007-11-01 | 2012-09-05 | シチズン・システムズ株式会社 | 体動検出装置 |
JP5417970B2 (ja) * | 2009-04-28 | 2014-02-19 | 富士通株式会社 | 歩数計及び歩数計数方法 |
CN103768775A (zh) * | 2014-01-28 | 2014-05-07 | 河海大学常州校区 | 基于三轴加速度的跳绳计数装置及其计数方法 |
-
2014
- 2014-06-03 CN CN201410244166.8A patent/CN103997572B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5017062B2 (ja) * | 2007-11-01 | 2012-09-05 | シチズン・システムズ株式会社 | 体動検出装置 |
CN101354265A (zh) * | 2008-08-19 | 2009-01-28 | 幻音科技(深圳)有限公司 | 计步方法、步幅校正方法、测距方法及计步装置 |
JP5417970B2 (ja) * | 2009-04-28 | 2014-02-19 | 富士通株式会社 | 歩数計及び歩数計数方法 |
CN102445214A (zh) * | 2011-09-20 | 2012-05-09 | 杭州电子科技大学 | 基于智能手机3d重力传感器的计步方法 |
CN103768775A (zh) * | 2014-01-28 | 2014-05-07 | 河海大学常州校区 | 基于三轴加速度的跳绳计数装置及其计数方法 |
Also Published As
Publication number | Publication date |
---|---|
CN103997572A (zh) | 2014-08-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103997572B (zh) | 一种基于手机加速度传感器数据的计步方法和装置 | |
KR101690649B1 (ko) | 다축 활동 모니터 디바이스로의 활동 분류 | |
CN103954295A (zh) | 一种基于加速度传感器的计步方法 | |
CN106456000A (zh) | 生物测定信号的基于运动的估计 | |
CN110236550B (zh) | 一种基于多模态深度学习的人体步态预测装置 | |
CN106456022A (zh) | 用于光学心率传感器的运动补偿 | |
CN106170746A (zh) | 由运动移动属性计算步伐和能量消耗 | |
JP6421475B2 (ja) | データ解析装置及びデータ解析方法、データ解析プログラム | |
CN102292025A (zh) | 确定用户的能量消耗 | |
CN103477241A (zh) | 来自运动和环境光分类器的装置位置估计 | |
CN104007822A (zh) | 基于大数据库的运动识别方法及其装置 | |
CN108135514A (zh) | 心率校正 | |
CN105043410A (zh) | 一种计步器 | |
CN109976526A (zh) | 一种基于表面肌电传感器和九轴传感器的手语识别方法 | |
CN107727110A (zh) | 一种步数的统计方法及装置 | |
CN105022055A (zh) | 一种imu室内定位方法 | |
CN105444763A (zh) | 一种imu室内定位方法 | |
CN104408718A (zh) | 一种基于双目视觉测量的步态数据处理方法 | |
CN106659404A (zh) | 连续血压测量方法、装置和设备 | |
Iervolino et al. | A wearable device for sport performance analysis and monitoring | |
CN110044375A (zh) | 一种基于加速度计的新型计步方法 | |
Beily et al. | A sensor based on recognition activities using smartphone | |
CN104036283A (zh) | 用于确定移动元素的活动的系统和方法 | |
CN106970705A (zh) | 动作捕捉方法、装置和电子设备 | |
CN110163264A (zh) | 一种基于机器学习的行走模式识别方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |