CN104063604B - 一种运动状态检测方法和装置 - Google Patents
一种运动状态检测方法和装置 Download PDFInfo
- Publication number
- CN104063604B CN104063604B CN201410309058.4A CN201410309058A CN104063604B CN 104063604 B CN104063604 B CN 104063604B CN 201410309058 A CN201410309058 A CN 201410309058A CN 104063604 B CN104063604 B CN 104063604B
- Authority
- CN
- China
- Prior art keywords
- detection data
- energy
- motion state
- data group
- movement locus
- 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
Landscapes
- Image Analysis (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本发明提供了一种运动状态检测方法和装置,所述方法包括:获得用于检测当前运动状态的检测数据;通过将检测数据变换到频域并计算频域上的预定频率间隔内的能量占比,来获得检测数据的频域能量向量;基于获得的频域能量向量和多个预设运动状态能量向量,确定当前运动状态。所述方法和装置能够细化地并精确地检测用户的各种运动状态,增强了用户体验。
Description
技术领域
本发明涉及运动状态识别技术领域,具体地说,涉及一种基于在频域上的运动能量分布特性对运动状态进行检测的方法和装置。
背景技术
随着智能移动终端技术的发展,为了提高在同类产品中的竞争力,智能移动终端的开发商不断开发智能移动终端的附加功能。在智能移动终端上能够识别出用户的运动状态,已成为智能移动终端的一项附加功能。
目前,对用户的运动状态进行识别的方法一般都是通过将用户移动的加速度与预设阈值进行比较来区分静止状态和非静止状态,例如,如果用户移动的加速度大于预设阈值,则将用户的运动状态识别为非静止状态,如果用户移动的加速度小于或等于预设阈值,则将用户的运动状态识别为静止状态。这样的用户运动状态识别方法只能够识别两种运动状态(静止和非静止),过于简单,识别效率低,无法细化地识别用户在非静止状态下的各种运动状态(例如,步行、跑步、骑自行车、乘坐交通工具等)。
因此,需要一种能够细化地并精确地检测用户的各种运动状态的运动状态检测方法和装置。
发明内容
本发明的目的在于至少解决上述问题和缺陷,并至少提供下述优点。本发明提供了一种运动状态检测方法和装置,所述方法和装置将用于检测运动状态的检测数据变换到频域,并根据检测数据在频域上的能量分布特性来确定运动状态。
根据本发明的一方面,提供了一种运动状态检测方法,包括:获得用于检测当前运动状态的检测数据;通过将检测数据变换到频域并计算频域上的预定频率间隔内的能量占比,来获得检测数据的频域能量向量;基于获得的频域能量向量和多个预设运动状态能量向量,确定当前运动状态。
获得用于检测当前运动状态的检测数据的步骤可具体包括:从加速度传感器获得X轴加度速值、Y轴加度速值和Z轴加度速值;根据X轴加度速值、Y轴加度速值和Z轴加度速值,计算合成轴的加速度值,作为检测数据。
获得检测数据的频域能量向量的步骤可具体包括:通过对预定时间段内的检测数据进行分组和变换,来获得每个检测数据组的检测数据的频域系数;通过计算并组合每个检测数据组的检测数据的频域系数在预定频率间隔内的能量占比,来获得每个检测数据组的能量向量,作为检测数据的频域能量向量。
对预定时间段内的检测数据进行分组和变换的步骤可具体包括:将预定时间段内的检测数据按时间顺序划分成多个检测数据组,其中,每个检测数据组具有预定检测数据点;对每个检测数据组中的检测数据点进行快速傅立叶变换。此外,计算并组合每个检测数据组的检测数据的频域系数在预定频率间隔内的能量占比的步骤可具体包括:针对每个检测数据组,在频域上将频率划分为多个预定频率间隔,并计算检测数据的频域系数在每个预定频率间隔内的能量占比;将每个检测数据组中的每个预定频率间隔内的能量占比用作每个检测数据组的能量向量中的维度值。
确定当前运动状态的步骤可具体包括:针对预定时间段内的每个检测数据组,对相邻检测数据组的能量向量进行比较,来将预定时间段内的检测数据组分隔为多段运动轨迹;基于每段运动轨迹中的检测数据组的能量向量和所述多个预设运动状态能量向量,确定每段运动轨迹的运动状态;根据每段运动轨迹的运动状态来确定当前运动状态。
将预定时间段内的检测数据的组分隔为多段运动轨迹的步骤可具体包括:针对预定时间段内的每个检测数据组,计算相邻检测数据组的能量向量的各维差值的绝对值;通过将计算的各维差值的绝对值与预设阈值进行比较,来确定相邻检测数据组是否处于同一运动状态;将时间上连续的处于同一运动状态的检测数据组的轨迹数据划分到同一段运动轨迹,将处于不同运动状态的检测数据组的轨迹数据划分到不同段运动轨迹。此外,确定每段运动轨迹的运动状态的步骤可具体包括:针对每段运动轨迹,基于该段运动轨迹的每个检测数据组的能量向量计算该段运动轨迹的平均能量向量,将平均能量向量归一化,将归一化后的能量向量与所述多个预设运动状态能量向量进行匹配,并将匹配的运动状态能量向量所表示的运动状态确定为该段运动轨迹的运动状态。
确定相邻检测数据组是否处于同一运动轨迹的步骤可具体包括:如果每个维度的差值的绝对值都小于预设阈值,则确定相邻检测数据组处于同一运动状态;如果某个维度的差值的绝对值等于或大于预设阈值,则确定这两个相邻检测数据组处于不同运动轨迹。
将归一化后的能量向量与所述多个预设运动状态能量向量进行匹配的步骤可具体包括:基于曼哈顿距离算法计算归一化后的能量向量和每个预设运动状态能量向量之间的距离;将距离最小的预设运动状态能量向量确定为匹配的运动状态能量向量。
根据本发明的另一方面,提供了一种运动状态检测装置,包括:检测数据获得单元,获得用于检测当前运动状态的检测数据;能量向量获得单元,通过将检测数据变换到频域并计算频域上的预定频率间隔内的能量占比,来获得检测数据的频域能量向量;运动状态确定单元,基于获得的频域能量向量和多个预设运动状态能量向量,确定当前运动状态。
检测数据获得单元可包括:加速度值获得单元,从加速度传感器获得X轴加度速值、Y轴加度速值和Z轴加度速值;检测数据计算单元,根据X轴加度速值、Y轴加度速值和Z轴加度速值,计算合成轴的加速度值,作为检测数据。
能量向量获得单元可包括:变换处理单元,通过对预定时间段内的检测数据进行分组和变换,来获得每个检测数据组的检测数据的频域系数;计算处理单元,通过计算并组合每个检测数据组的检测数据的频域系数在预定频率间隔内的能量占比,来获得每个检测数据组的能量向量,作为检测数据的频域能量向量。
变换处理单元可将预定时间段内的检测数据按时间顺序划分成多个检测数据组,并对每个检测数据组中的检测数据点进行快速傅立叶变换,其中,每个检测数据组具有预定检测数据点。计算处理单元可针对每个检测数据组,在频域上将频率划分为多个预定频率间隔,计算检测数据的频域系数在每个预定频率间隔内的能量占比,并将每个检测数据组中的每个预定频率间隔内的能量占比用作每个检测数据组的能量向量中的维度值。
运动状态确定单元可包括:运动轨迹分隔单元,针对预定时间段内的每个检测数据组,对相邻检测数据组的能量向量进行比较,来将预定时间段内的检测数据组分隔为多段运动轨迹;轨迹状态确定单元,基于每段运动轨迹中的检测数据组的能量向量和所述多个预设运动状态能量向量,确定每段运动轨迹的运动状态;当前状态确定单元,根据每段运动轨迹的运动状态来确定当前运动状态。
运动轨迹分隔单元可针对预定时间段内的每个检测数据组,计算相邻检测数据组的能量向量的各维差值的绝对值,通过将计算的各维差值的绝对值与预设阈值进行比较,来确定相邻检测数据组是否处于同一运动状态,并将时间上连续的处于同一运动状态的检测数据组的轨迹数据划分到同一段运动轨迹,将处于不同运动状态的检测数据组的轨迹数据划分到不同段运动轨迹。轨迹状态确定单元可针对每段运动轨迹,基于该段运动轨迹的每个检测数据组的能量向量计算该段运动轨迹的平均能量向量,将平均能量向量归一化,将归一化后的能量向量与所述多个预设运动状态能量向量进行匹配,并将匹配的运动状态能量向量所表示的运动状态确定为该段运动轨迹的运动状态。
如果每个维度的差值的绝对值都小于预设阈值,则运动轨迹分隔单元可确定相邻检测数据组处于同一运动状态,如果某个维度的差值的绝对值等于或大于预设阈值,则运动轨迹分隔单元可确定这两个相邻检测数据组处于不同运动状态。
轨迹状态确定单元可基于曼哈顿距离算法计算归一化后的能量向量和每个预设运动状态能量向量之间的距离,并将距离最小的预设运动状态能量向量确定为匹配的运动状态能量向量。
根据本发明的运动状态检测方法和装置能够细化地并精确地检测用户的各种运动状态,增强了用户体验。此外,所述方法和装置能够直接应用到智能移动装置以检测用户的运动状态,通用性强,成本较低。
附图说明
通过结合附图,从实施例的下面描述中,本发明这些和/或其它方面及优点将会变得清楚,并且更易于理解,其中:
图1是根据本发明的示例性实施例的运动状态检测方法的流程图;
图2是根据本发明的示例性实施例的检测数据的频谱示意图;
图3是根据本发明的示例性实施例的运动状态检测装置的框图。
具体实施方式
提供参照附图的以下描述以帮助对由权利要求及其等同物限定的本发明的实施例的全面理解。包括各种特定细节以帮助理解,但这些细节仅被视为是示例性的。因此,本领域的普通技术人员将认识到在不脱离本发明的范围和精神的情况下,可对描述于此的实施例进行各种改变和修改。此外,为了清楚和简洁,省略对公知的功能和结构的描述。
图1是根据本发明的示例性实施例的运动状态检测方法的流程图。
参照图1,在101,获得用于检测当前运动状态的检测数据。
具体地说,可通过从移动装置上安装的传感器所感测到的与移动装置的运动相关的参数,来获得用于检测当前运动状态的检测数据。
例如,如果移动装置上安装了加速度传感器,则可从移动装置上安装的加速度传感器获得轴向加速度值,即,X轴加度速值、Y轴加度速值和Z轴加度速值。可根据获得的X轴加度速值、Y轴加度速值和Z轴加度速值,计算合成轴的加速度值,作为检测数据。如下面的公式所示:
其中,M表示合成轴的加速度值,X表示X轴加度速值,Y表示Y轴加度速值,Z表示Z轴加度速值。本领域的技术人员容易理解,本发明的获得检测数据的方法不限于上述方法,还可使用其它可行的方法来获得检测数据。
在102,通过将检测数据变换到频域并计算频域上的预定频率间隔内的能量占比,来获得检测数据的频域能量向量。
具体地说,可通过对预定时间段内的检测数据进行分组和变换,来获得每个检测数据组的检测数据的频域系数。例如,每0.1秒可获得一个检测数据,则可获得预定时间(例如,3分钟)之内的用于检测当前运动状态的检测数据,从而获得1800个检测数据以用于频域能量向量的计算。
具体地说,可将预定时间段内的检测数据按时间顺序划分成多个检测数据组,其中,每个检测数据组具有预定检测数据点。例如,在得到1800个检测数据之后,可按照获得检测数据的先后时间顺序,将这1800个检测数据划分为60组,每组30个检测数据。随后,在对检测数据分组之后,可对每个检测数据组中的检测数据点进行快速傅立叶变换(FFT),将检测数据变换到频域。例如,可分别对60个检测数据中的30个检测数据进行FFT,从而获得60组的检测数据的频域系数。本领域的技术人员容易理解,还可使用其它变换方法来将检测数据变换到频域。
如图2所示,图2是根据本发明的示例性实施例的检测数据的频谱示意图。其中,横坐标表示频率,纵坐标表示检测数据的频域系数的幅值。本领域的技术人员容易理解,该频谱示意图仅是检测数据从时域变换到频域的一个示例。
在获得到每个检测数据组的检测数据的频域系数之后,可通过计算并组合每个检测数据组的检测数据的频域系数在预定频率间隔内的能量占比,来获得每个检测数据组的能量向量,作为检测数据的频域能量向量。
具体地说,可针对每个检测数据组,在频域上将频率划分为多个预定频率间隔。例如,如图2所示,可将整个频带(例如,0-14KHz)划分为7个频率间隔,即,第一频率间隔为0-2KHz,第二频率间隔为2-4KHz,第三频率间隔为4-6KHz,第四频率间隔为6-8KHz,第五频率间隔为8-10KHz,第六频率间隔为10-12KHz,第七频率间隔为12-14KHz。随后,计算检测数据的频域系数在每个预定频率间隔内的能量占比。例如,根据检测数据变换后的频谱图可计算在频域上每个预定频率间隔内的检测数据的能量占比。假设图2所示的频谱图是第一检测数据组的频谱图,其检测数据的频域系数在第一至第七频率间隔内的能量占比分别为0.35、0.25、0.2、0.15、0.03、0.02、0。以此类推,分别计算每个检测数据组中的能量占比。
随后,可将每个检测数据组中的每个预定频率间隔内的能量占比用作每个检测数据组的能量向量中的维度值。例如,对于第一检测数据组,可使用第一至第七频率间隔内的能量占比0.35、0.25、0.2、0.15、0.03、0.02、0组合为第一检测数据组的能量向量(0.35,0.25,0.2,0.15,0.03,0.02,0),以此类推,可获得60组能量向量,作为检测数据的频域能量向量。
返回参照图1,在103,可基于获得的检测数据的频域能量向量和多个预设运动状态能量向量,确定当前运动状态。
具体地说,可针对预定时间段内的每个检测数据组,对相邻检测数据组的能量向量进行比较,来将预定时间段内的检测数据组分隔为多段运动轨迹。
根据本发明的示例性实施例,可针对预定时间段内的每个检测数据组,计算相邻检测数据组的能量向量的各维差值的绝对值。随后,通过将计算的各维差值的绝对值与预设阈值进行比较,来确定相邻检测数据组是否处于同一运动状态。其中,如果每个维度的差值的绝对值都小于预设阈值,则确定相邻检测数据组处于同一运动状态,如果某个维度的差值的绝对值等于或大于预设阈值,则确定这两个相邻检测数据组处于不同运动状态。随后,将时间上连续的处于同一运动状态的检测数据组的轨迹数据划分到同一段运动轨迹,将处于不同运动状态的检测数据组的轨迹数据划分到不同段运动轨迹。
根据本发明的示例性实施例,可计算第一检测数据组的能量向量与第二检测数据组的能量向量的各维差值,将计算的各维差值与预设阈值进行比较,如果每个维度的差值都小于预设阈值,则确定第一检测数据组和第二检测数据组处于同一运动状态,如果某个维度的差值的绝对值等于或大于预设阈值,则确定第一检测数据组和第二检测数据处于不同运动状态。例如,第一检测数据组的能量向量为(0.35,0.25,0.2,0.15,0.03,0.02,0),第二检测数据组的能量向量为(0.32,0.28,0.22,0.13,0.02,0.02,0.01),预设阈值为0.05,则第一检测数据组的能量向量的各维差值的绝对值为(0.03,0.03,0.02,0.02,0.01,0,0.01),每个维度的差值的绝对值均小于预设阈值0.05,则确定第一检测数据组和第二检测数据处于同一运动状态。
根据本发明的示例性实施例,如果第一检测数据组和第二检测数据组处于同一运动状态,则将第一检测数据组和第二检测数据组的轨迹数据划分到同一段运动轨迹(例如,第一段运动轨迹),如果第一检测数据组和第二检测数据组处于不同运动状态,则将一检测数据组和第二检测数据组的轨迹数据划分到不同段运动轨迹(例如,第一段运动轨迹和第二段运动轨迹)。在第一检测数据组和第二检测数据组处于同一运动状态的情况下,将第一检测数据组和第二检测数据组的轨迹数据划分到第一段运动轨迹,随后,如果确定第二检测数据组和第三检测数据组处于同一运动状态,则可将第三检测数据组的轨迹数据也划分到第一段运动轨迹,但是如果确定第二检测数据组和第三检测数据组处于不同运动状态,则可将第三检测数据组的轨迹数据划分到第二段运动轨迹。以此类推,可针对预定时间段内的每个检测数据组进行如上操作,从而分隔出多段运动轨迹。
在分隔出多段运动轨迹之后,可基于每段运动轨迹中的检测数据组的能量向量和所述多个预设运动状态能量向量,确定每段运动轨迹的运动状态。这里,预设运动状态可以是步行、跑步、骑自行车、乘交通工具等。预设运动状态的能量向量可以是预先通过根据本发明的运动状态检测方法对各种运动状态进行检测所得到的能量向量。
根据本发明的示例性实施例,可针对每段运动轨迹,基于该段运动轨迹的每个检测数据组的能量向量计算该段运动轨迹的平均能量向量。随后,可将平均能量向量归一化,将归一化后的能量向量与所述多个预设运动状态能量向量进行匹配。随后,将匹配的运动状态能量向量所表示的运动状态确定为该段运动轨迹的运动状态。
根据本发明的示例性实施例,在计算一段运动轨迹的平均能量向量时,可对该段运动轨迹的每个检测数据组的能量向量按维求平均值,从而得到该段运动轨迹的平均能量向量。本领域的技术人员容易理解,本发明的平均能量向量计算方法不限于上述方法,还可使用其它可行的平均能量向量计算方法来计算平均能量向量。
根据本发明的示例性实施例,在将归一化后的能量向量与所述多个预设运动状态能量向量进行匹配时,可基于曼哈顿距离算法计算归一化后的能量向量和每个预设运动状态能量向量之间的距离,将距离最小的预设运动状态能量向量确定为匹配的运动状态能量向量。这里,曼哈顿距离算法为:通过计算归一化后的能量向量和预设运动状态能量向量的各维差值,将各维差值的绝对值相加,将相加的总和作为归一化后的能量向量和预设运动状态能量向量之间的距离。本领域的技术人员容易理解,本发明的距离计算方法不限于上述方法,还可使用其它可行的距离计算方法来计算归一化后的能量向量和每个预设运动状态能量向量之间的距离。
例如,第一检测数据组的能量向量为(0.35,0.25,0.2,0.15,0.03,0.02,0),第二检测数据组的能量向量为(0.32,0.28,0.22,0.13,0.02,0.02,0.01),则第一检测数据组和第二检测数据的轨迹数据被划分到同一段运动轨迹,而第三检测数据组的轨迹数据被划分到另一段运动轨迹。针对包括第一检测数据组和第二检测数据的运动轨迹,可计算第一检测数据组和第二检测数据的平均能量向量并归一化为(0.335,0.265,0.21,0.14,0.025,0.02,0005),将归一化后的能量向量与多个预定运动状态能量向量进行匹配。如果在归一化后的能量向量与多个预定运动状态能量向量的匹配结果中,归一化后的能量向量与预设的步行能量向量的距离最小,则确定包括第一检测数据组和第二检测数据的运动轨迹的运动状态是步行。以此类推,可确定每段运动轨迹的运动状态。
在通过根据本发明的运动状态检测方法检测出当前预定时间段的运动状态之后,还可使用所述方法对下一预定时间段的运动状态进行检测。以此类推,可实时地检测用户的运动状态。根据本发明的运动状态检测方法所检测的运动状态,可细化地、精确地反映用户的实时运动状态。
图3是根据本发明的示例性实施例的运动状态检测装置的框图。
参照图3,根据本发明的示例性实施例的运动状态检测装置300可包括检测数据获得单元301、能量向量获得单元302、运动状态确定单元303。
检测数据获得单元301可通过从移动装置上安装的传感器所感测到的与移动装置的运动相关的参数,来获得用于检测当前运动状态的检测数据。
根据本发明的示例性实施例,如果移动装置上安装了加速度传感器,则检测数据获得单元301可包括加速度值获得单元(未示出)和检测数据计算单元(未示出)。加速度值获得单元可从移动装置上安装的加速度传感器获得轴向加速度值,即,X轴加度速值、Y轴加度速值和Z轴加度速值。检测数据计算单元可根据获得的X轴加度速值、Y轴加度速值和Z轴加度速值,计算合成轴的加速度值,作为检测数据。例如,检测数据计算单元可通过下面的公式来计算合成轴的加速度值:
其中,M表示合成轴的加速度值,X表示X轴加度速值,Y表示Y轴加度速值,Z表示Z轴加度速值。本领域的技术人员容易理解,本发明的检测数据获得单元301获得检测数据的方法不限于上述方法,还可使用其它可行的方法来获得检测数据。
能量向量获得单元302可通过将检测数据变换到频域并计算频域上的预定频率间隔内的能量占比,来获得检测数据的频域能量向量。
具体地说,能量向量获得单元302可包括变换处理单元(未示出)和计算处理单元(未示出)。
变换处理单元可通过对预定时间段内的检测数据进行分组和变换,来获得每个检测数据组的检测数据的频域系数。
具体地说,变换处理单元可将预定时间段内的检测数据按时间顺序划分成多个检测数据组,其中,每个检测数据组具有预定检测数据点。在对检测数据分组之后,变换处理单元可对每个检测数据组中的检测数据点进行快速傅立叶变换(FFT),将检测数据变换到频域。本领域的技术人员容易理解,变换处理单元还可使用其它变换方法来将检测数据变换到频域。
计算处理单元可通过计算并组合每个检测数据组的检测数据的频域系数在预定频率间隔内的能量占比,来获得每个检测数据组的能量向量,作为检测数据的频域能量向量。
具体地说,计算处理单元可针对每个检测数据组,在频域上将频率划分为多个预定频率间隔。随后,计算处理单元可计算检测数据的频域系数在每个预定频率间隔内的能量占比。例如,根据检测数据变换后的频谱图可计算在频域上每个预定频率间隔内的检测数据的能量占比。以此类推,计算处理单元可分别计算每个检测数据组中的能量占比。随后,计算处理单元可将每个检测数据组中的每个预定频率间隔内的能量占比用作每个检测数据组的能量向量中的维度值。
运动状态确定单元303可基于获得的检测数据的频域能量向量和多个预设运动状态能量向量,确定当前运动状态。
具体地说,运动状态确定单元303可包括运动轨迹分隔单元(未示出)、轨迹状态确定单元(未示出)和当前状态确定单元(未示出)。
运动轨迹分隔单元可针对预定时间段内的每个检测数据组,对相邻检测数据组的能量向量进行比较,来将预定时间段内的检测数据组分隔为多段运动轨迹。
根据本发明的示例性实施例,运动轨迹分隔单元可针对预定时间段内的每个检测数据组,计算相邻检测数据组的能量向量的各维差值的绝对值。随后,运动轨迹分隔单元可通过将计算的各维差值的绝对值与预设阈值进行比较,来确定相邻检测数据组是否处于同一运动轨迹。其中,如果每个维度的差值的绝对值都小于预设阈值,则运动轨迹分隔单元可确定相邻检测数据组处于同一运动状态,如果某个维度的差值的绝对值等于或大于预设阈值,则运动轨迹分隔单元可确定这两个相邻检测数据组处于不同运动状态。随后,运动轨迹分隔单元可将时间上连续的处于同一运动状态的检测数据组的轨迹数据划分到同一段运动轨迹,将处于不同运动状态的检测数据组的轨迹数据划分到不同段运动轨迹。
轨迹状态确定单元可基于每段运动轨迹中的检测数据组的能量向量和所述多个预设运动状态能量向量,确定每段运动轨迹的运动状态。这里,预设运动状态可以是步行、跑步、骑自行车、乘交通工具等。预设运动状态的能量向量可以是预先通过根据本发明的运动状态检测方法对各种运动状态进行检测所得到的能量向量。
根据本发明的示例性实施例,轨迹状态确定单元可针对每段运动轨迹,基于该段运动轨迹的每个检测数据组的能量向量计算该段运动轨迹的平均能量向量。随后,轨迹状态确定单元可将平均能量向量归一化,将归一化后的能量向量与所述多个预设运动状态能量向量进行匹配。随后,轨迹状态确定单元将匹配的运动状态能量向量所表示的运动状态确定为该段运动轨迹的运动状态。
根据本发明的示例性实施例,在计算一段运动轨迹的平均能量向量时,轨迹状态确定单元可对该段运动轨迹的每个检测数据组的能量向量按维求平均值,从而得到该段运动轨迹的平均能量向量。本领域的技术人员容易理解,本发明的轨迹状态确定单元计算平均能量向量的方法不限于上述方法,还可使用其它可行的平均能量向量计算方法来计算平均能量向量。
根据本发明的示例性实施例,在将归一化后的能量向量与所述多个预设运动状态能量向量进行匹配时,轨迹状态确定单元可基于曼哈顿距离算法计算归一化后的能量向量和每个预设运动状态能量向量之间的距离,将距离最小的预设运动状态能量向量确定为匹配的运动状态能量向量。这里,曼哈顿距离算法为:通过计算归一化后的能量向量和预设运动状态能量向量的各维差值,将各维差值的绝对值相加,将相加的总和作为归一化后的能量向量和预设运动状态能量向量之间的距离。本领域的技术人员容易理解,本发明的轨迹状态确定单元采用的距离计算方法不限于上述方法,轨迹状态确定单元还可使用其它可行的距离计算方法来计算归一化后的能量向量和每个预设运动状态能量向量之间的距离。
在轨迹状态确定单元确定了每段运动轨迹的运动状态之后,当前状态确定单元可根据每段运动轨迹的运动状态来确定当前运动状态。
在根据本发明的运动状态检测装置300检测出当前预定时间段的运动状态之后,还可使用上述相同的方法对下一预定时间段的运动状态进行检测,以此类推,可实时地检测用户的运动状态。根据本发明的运动状态检测装置300所检测的运动状态,可细化地、精确地反映用户的实时运动状态。
本发明提供了一种运动状态检测方法和装置,所述方法和装置将用于检测运动状态的检测数据变换到频域,并根据检测数据在频域上的能量分布特性来确定运动状态。所述方法和装置能够细化地并精确地检测用户的各种运动状态,增强了用户体验。此外,所述方法和装置能够直接应用到智能移动装置以检测用户的运动状态,通用性强,成本较低。
可根据计算机程序指令来执行根据本发明的上述方法。由于这些程序指令可被包括在计算机、专用处理器或可编程或专用硬件中,因此在其中执行的指令可有利于上述的功能的执行。如本领域的技术人员所理解的,计算机、处理器或可编程硬件包括可存储或接收软件或计算机代码的存储器件,所述软件或计算机代码在被计算机、处理器或硬件访问和执行时实现在本发明中描述的方法。
虽然本发明是参照其示例性的实施例被显示和描述的,但是本领域的技术人员应该理解,在不脱离由权利要求及其等同物限定的本发明的精神和范围的情况下,可以对其形式和细节进行各种改变。
Claims (12)
1.一种运动状态检测方法,包括:
获得用于检测当前运动状态的检测数据;
通过将检测数据变换到频域并计算频域上的预定频率间隔内的能量占比,来获得检测数据的频域能量向量;
基于获得的频域能量向量和多个预设运动状态能量向量,确定当前运动状态,
其中,获得检测数据的频域能量向量的步骤,具体包括:
通过对预定时间段内的检测数据进行分组和变换,来获得每个检测数据组的检测数据的频域系数;
通过计算并组合每个检测数据组的检测数据的频域系数在预定频率间隔内的能量占比,来获得每个检测数据组的能量向量,作为检测数据的频域能量向量,
其中,确定当前运动状态的步骤,具体包括:
针对预定时间段内的每个检测数据组,对相邻检测数据组的能量向量进行比较,来将预定时间段内的检测数据组分隔为多段运动轨迹;
基于每段运动轨迹中的检测数据组的能量向量和所述多个预设运动状态能量向量,确定每段运动轨迹的运动状态;
根据每段运动轨迹的运动状态来确定当前运动状态。
2.如权利要求1所述的方法,其中,获得用于检测当前运动状态的检测数据的步骤,具体包括:
从加速度传感器获得X轴加度速值、Y轴加度速值和Z轴加度速值;
根据X轴加度速值、Y轴加度速值和Z轴加度速值,计算合成轴的加速度值,作为检测数据。
3.如权利要求1所述的方法,其中,对预定时间段内的检测数据进行分组和变换的步骤,具体包括:
将预定时间段内的检测数据按时间顺序划分成多个检测数据组,其中,每个检测数据组具有预定检测数据点;
对每个检测数据组中的检测数据点进行快速傅立叶变换,
其中,计算并组合每个检测数据组的检测数据的频域系数在预定频率间隔内的能量占比的步骤,具体包括:
针对每个检测数据组,在频域上将频率划分为多个预定频率间隔,并计算检测数据的频域系数在每个预定频率间隔内的能量占比;
将每个检测数据组中的每个预定频率间隔内的能量占比用作每个检测数据组的能量向量中的维度值。
4.如权利要求1所述的方法,其中,将预定时间段内的检测数据的组分隔为多段运动轨迹的步骤,具体包括:
针对预定时间段内的每个检测数据组,计算相邻检测数据组的能量向量的各维差值的绝对值;
通过将计算的各维差值的绝对值与预设阈值进行比较,来确定相邻检测数据组是否处于同一运动状态;
将时间上连续的处于同一运动状态的检测数据组的轨迹数据划分到同一段运动轨迹,将处于不同运动状态的检测数据组的轨迹数据划分到不同段运动轨迹;
其中,确定每段运动轨迹的运动状态的步骤,具体包括:
针对每段运动轨迹,基于该段运动轨迹的每个检测数据组的能量向量计算该段运动轨迹的平均能量向量,将平均能量向量归一化,将归一化后的能量向量与所述多个预设运动状态能量向量进行匹配,并将匹配的运动状态能量向量所表示的运动状态确定为该段运动轨迹的运动状态。
5.如权利要求4所述的方法,其中,确定相邻检测数据组是否处于同一运动轨迹的步骤,具体包括:
如果每个维度的差值的绝对值都小于预设阈值,则确定相邻检测数据组处于同一运动状态;
如果某个维度的差值的绝对值等于或大于预设阈值,则确定这两个相邻检测数据组处于不同运动状态。
6.如权利要求4所述的方法,其中,将归一化后的能量向量与所述多个预设运动状态能量向量进行匹配的步骤,具体包括:
基于曼哈顿距离算法计算归一化后的能量向量和每个预设运动状态能量向量之间的距离;
将距离最小的预设运动状态能量向量确定为匹配的运动状态能量向量。
7.一种运动状态检测装置,包括:
检测数据获得单元,获得用于检测当前运动状态的检测数据;
能量向量获得单元,通过将检测数据变换到频域并计算频域上的预定频率间隔内的能量占比,来获得检测数据的频域能量向量;
运动状态确定单元,基于获得的频域能量向量和多个预设运动状态能量向量,确定当前运动状态,
其中,能量向量获得单元包括:
变换处理单元,通过对预定时间段内的检测数据进行分组和变换,来获得每个检测数据组的检测数据的频域系数;
计算处理单元,通过计算并组合每个检测数据组的检测数据的频域系数在预定频率间隔内的能量占比,来获得每个检测数据组的能量向量,作为检测数据的频域能量向量,
其中,运动状态确定单元包括:
运动轨迹分隔单元,针对预定时间段内的每个检测数据组,对相邻检测数据组的能量向量进行比较,来将预定时间段内的检测数据组分隔为多段运动轨迹;
轨迹状态确定单元,基于每段运动轨迹中的检测数据组的能量向量和所述多个预设运动状态能量向量,确定每段运动轨迹的运动状态;
当前状态确定单元,根据每段运动轨迹的运动状态来确定当前运动状态。
8.如权利要求7所述的装置,其中,检测数据获得单元包括:
加速度值获得单元,从加速度传感器获得X轴加度速值、Y轴加度速值和Z轴加度速值;
检测数据计算单元,根据X轴加度速值、Y轴加度速值和Z轴加度速值,计算合成轴的加速度值,作为检测数据。
9.如权利要求7所述的装置,其中,变换处理单元将预定时间段内的检测数据按时间顺序划分成多个检测数据组,并对每个检测数据组中的检测数据点进行快速傅立叶变换,其中,每个检测数据组具有预定检测数据点,
其中,计算处理单元针对每个检测数据组,在频域上将频率划分为多个预定频率间隔,计算检测数据的频域系数在每个预定频率间隔内的能量占比,并将每个检测数据组中的每个预定频率间隔内的能量占比用作每个检测数据组的能量向量中的维度值。
10.如权利要求7所述的装置,其中,运动轨迹分隔单元针对预定时间段内的每个检测数据组,计算相邻检测数据组的能量向量的各维差值的绝对值,通过将计算的各维差值的绝对值与预设阈值进行比较,来确定相邻检测数据组是否处于同一运动状态,并将时间上连续的处于同一运动状态的检测数据组的轨迹数据划分到同一段运动轨迹,将处于不同运动状态的检测数据组的轨迹数据划分到不同段运动轨迹,
其中,轨迹状态确定单元针对每段运动轨迹,基于该段运动轨迹的每个检测数据组的能量向量计算该段运动轨迹的平均能量向量,将平均能量向量归一化,将归一化后的能量向量与所述多个预设运动状态能量向量进行匹配,并将匹配的运动状态能量向量所表示的运动状态确定为该段运动轨迹的运动状态。
11.如权利要求10所述的装置,其中,如果每个维度的差值的绝对值都小于预设阈值,则运动轨迹分隔单元确定相邻检测数据组处于同一运动状态,如果某个维度的差值的绝对值等于或大于预设阈值,则运动轨迹分隔单元确定这两个相邻检测数据组处于不同运动状态。
12.如权利要求10所述的装置,其中,轨迹状态确定单元基于曼哈顿距离算法计算归一化后的能量向量和每个预设运动状态能量向量之间的距离,并将距离最小的预设运动状态能量向量确定为匹配的运动状态能量向量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410309058.4A CN104063604B (zh) | 2014-07-01 | 2014-07-01 | 一种运动状态检测方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410309058.4A CN104063604B (zh) | 2014-07-01 | 2014-07-01 | 一种运动状态检测方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104063604A CN104063604A (zh) | 2014-09-24 |
CN104063604B true CN104063604B (zh) | 2017-04-05 |
Family
ID=51551314
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410309058.4A Active CN104063604B (zh) | 2014-07-01 | 2014-07-01 | 一种运动状态检测方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104063604B (zh) |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9988056B2 (en) * | 2015-12-15 | 2018-06-05 | Octo Telematics Spa | Systems and methods for controlling sensor-based data acquisition and signal processing in vehicles |
CN106143717B (zh) | 2016-06-23 | 2018-05-04 | 北京小米移动软件有限公司 | 安全行车方法及装置 |
CN107065912B (zh) * | 2017-05-04 | 2020-08-11 | 厦门衡空科技有限公司 | 检测飞行器落地的方法及装置 |
CN107463689A (zh) * | 2017-08-10 | 2017-12-12 | 深圳市金立通信设备有限公司 | 运动特征数据库的生成方法、运动状态识别方法及终端 |
CN108008151A (zh) * | 2017-11-09 | 2018-05-08 | 惠州市德赛工业研究院有限公司 | 一种基于三轴加速度传感器的运动状态识别方法及系统 |
CN107944029B (zh) * | 2017-12-12 | 2018-10-30 | 清华大学 | 一种基于频域特征的时序数据存储的方法和装置 |
CN108363053B (zh) * | 2017-12-28 | 2022-07-05 | 生迪智慧科技有限公司 | 对象移动的监测方法和装置 |
US11030885B2 (en) | 2018-03-14 | 2021-06-08 | Chronolife | System and method for processing multiple signals |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101894252A (zh) * | 2010-03-29 | 2010-11-24 | 天津大学 | 基于3轴加速度传感器信号的步行运动分类方法 |
CN102138789A (zh) * | 2011-01-24 | 2011-08-03 | 无锡微感科技有限公司 | 一种动态心电和运动记录与分析系统 |
CN102798877A (zh) * | 2011-05-25 | 2012-11-28 | Csr科技控股公司 | 确定移动设备在人身上的位置的分层状况检测方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9696336B2 (en) * | 2011-11-30 | 2017-07-04 | The Nielsen Company (Us), Llc | Multiple meter detection and processing using motion data |
-
2014
- 2014-07-01 CN CN201410309058.4A patent/CN104063604B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101894252A (zh) * | 2010-03-29 | 2010-11-24 | 天津大学 | 基于3轴加速度传感器信号的步行运动分类方法 |
CN102138789A (zh) * | 2011-01-24 | 2011-08-03 | 无锡微感科技有限公司 | 一种动态心电和运动记录与分析系统 |
CN102798877A (zh) * | 2011-05-25 | 2012-11-28 | Csr科技控股公司 | 确定移动设备在人身上的位置的分层状况检测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN104063604A (zh) | 2014-09-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104063604B (zh) | 一种运动状态检测方法和装置 | |
Schmuker et al. | Exploiting plume structure to decode gas source distance using metal-oxide gas sensors | |
Li et al. | Observer-biased bearing condition monitoring: From fault detection to multi-fault classification | |
CN109521757A (zh) | 静态障碍物识别方法和装置 | |
CN108318129A (zh) | 桥梁结构模态参数真假甄别方法及终端设备 | |
US20140278208A1 (en) | Feature extraction and classification to determine one or more activities from sensed motion signals | |
Popescu et al. | Fault detection of rolling element bearings using optimal segmentation of vibrating signals | |
CN105674989B (zh) | 一种基于手机内置传感器的室内目标运动轨迹估计方法 | |
McBrearty et al. | Earthquake arrival association with backprojection and graph theory | |
CN107917341B (zh) | 一种输油管道泄漏检测方法及装置 | |
CN102944867B (zh) | 一种无需相位信息的点声源识别方法 | |
CN107582061B (zh) | 一种识别人体运动状态的方法及智能移动设备 | |
Nematallah et al. | Logistic model tree for human activity recognition using smartphone-based inertial sensors | |
CN106534014A (zh) | 一种多分量lfm信号的精确检测与分离方法 | |
CN110109080A (zh) | 基于ia-svm模型的微弱信号检测方法 | |
CN109342765A (zh) | 车辆碰撞检测方法及装置 | |
CN106483561B (zh) | 一种频率域的子波分解方法 | |
CN103559714B (zh) | 一种异常检测方法及装置 | |
CN105629948B (zh) | 测试用例检测方法及装置 | |
Liu et al. | Coal-gangue interface detection based on ensemble empirical mode decomposition energy entropy | |
CN104964736A (zh) | 基于时频特性em分类的光纤入侵振源识别方法 | |
Chen et al. | Empirical mode decomposition based on Fourier transform and band-pass filter | |
US10585128B2 (en) | Noise spectrum analysis for electronic device | |
WO2014191803A1 (en) | Acceleration-based step activity detection and classification on mobile devices | |
CN105599550B (zh) | 用于估算交通工具的胎压的装置及方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |