CN105588577B - 一种用于运动监测装置的异常计步的检测方法和装置 - Google Patents
一种用于运动监测装置的异常计步的检测方法和装置 Download PDFInfo
- Publication number
- CN105588577B CN105588577B CN201410573336.7A CN201410573336A CN105588577B CN 105588577 B CN105588577 B CN 105588577B CN 201410573336 A CN201410573336 A CN 201410573336A CN 105588577 B CN105588577 B CN 105588577B
- Authority
- CN
- China
- Prior art keywords
- acceleration signal
- value
- step counting
- axis
- sample entropy
- 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
本发明提供了一种用于运动监测装置的异常计步的检测方法和装置,涉及运动检测领域,其中异常计步的检测方法包括:获取运动监测装置的一预设时间段内的加速度信号;对所述加速度信号进行预处理,获得预处理后的加速度信号;对预处理后的加速度信号进行特征值提取,获得至少一个特征值;对所述特征值进行样本熵计算,得到样本熵值;若所述样本熵值小于等于第一预设阈值或者大于等于第二预设阈值时,确定运动监测装置当前记录的数据为异常计步。该方法通过对行走中的加速度信号的特征值计算样本熵来识别异常计步,提高了运动监测装置在计步过程中的准确性。
Description
技术领域
本发明涉及运动检测领域,具体涉及一种用于运动监测装置的异常计步的检测方法和装置。
背景技术
人类行走是一个准周期过程,该过程中人体产生的振动也是准周期的。现有运动监测装置如计步器都是以上述原理为基础,首先通过加速度传感器或陀螺仪记录振动信号,振动信号中满足一定波动幅度和时长的一个准周期被识别为一步并做统计,在此基础上,同步估计能耗,距离等信息。
但是,运动监测装置中传感器感测到的振动信息并非一定是由用户行走造成的,可能是由于其它原因造成的。几种常见的情况包括:将计步器拿在手中摇晃(手摇),用绳子一端系住计步器并使之做圆周运动(手绕),计步器挂在绳子上做单摆运动(单摆),用户坐时的小幅度抖动腿部(抖腿)。传统运动监测装置没有针对这些情况做处理,通常会在这些异常情况下产生计步,造成计步监测错误。
一方面,这些异常的错误计步可能是用户无意造成的,而用户希望能够准确的记录自己的活动,这些错误计步是用户不愿意看到的;另一方面,这些异常的错误计步是用户有意为之,目前的异常监测装置通常都配合有一个网络平台与其他用户互动(例如好友竞赛),这些错误计步在用户没有运动的情况下,错误的记录了大的运动量,使用户之间的比较或竞赛变得不公平。
发明内容
本发明的目的在于提供一种用于运动监测装置的异常计步的检测方法和装置,在运动监测装置在计步过程中可以判断是否为异常计步,从而实现运动监测装置的正确计步。
为了达到上述目的,本发明提供了一种用于运动监测装置的异常计步的检测方法,包括:
获取运动监测装置的一预设时间段内的加速度信号;
对所述加速度信号进行预处理,获得预处理后的加速度信号;
对预处理后的加速度信号进行特征值提取,获得至少一个特征值;
对所述特征值进行样本熵计算,得到样本熵值;
若所述样本熵值小于等于第一预设阈值或大于等于第二预设阈值时,确定运动监测装置当前记录的数据为异常计步。
其中,所述对加速度信号进行预处理的步骤包括:
对所述加速度信号进行低通滤波;
对低通滤波后的加速度信号计算三轴平方和。
其中,所述对低通滤波后的加速度信号计算三轴平方和的步骤包括:
获取低通滤波后的所述加速度信号在所述预设时间段内的三个轴方向上的加速度数值;
通过公式f(t)=x(t)2+y(t)2+z(t)2计算所述预设时间段内的三轴平方和,其中,x(t)、y(t)、z(t)分别表示同一时刻三个轴方向的加速度数值。
其中,所述对预处理后的加速度信号进行特征值提取,获得至少一个特征值的步骤包括:
根据公式Fs=sum|f(t)|获取第一特征值,Fs表示一段时间内加速度信号三轴平方和的面积。
其中,所述对预处理后的加速度信号进行特征值提取,获得至少一个特征值的步骤还包括:
根据公式Fm=mean(Fs/N)获取第二特征值,Fm表示一段时间内加速度信号三轴平方和的均值,N为一段时间内加速度信号三轴平方和的样本数。
其中,所述对预处理后的加速度信号进行特征值提取,获得至少一个特征值的步骤还包括:
根据公式Fd=|max(f(t))-min(f(t))|获取第三特征值,Fd表示所述预设时间段内加速度信号三轴平方和的极值差,其中,max(f(t))为一段时间内加速度信号三轴平方和的最大值,min(f((t))为一段时间内加速度信号三轴平方和的最小值。
其中,所述对所述特征值进行样本熵计算,得到样本熵值的步骤包括:
获取K个连续的特征值;
计算不同起点,长度均为m的特征值的序列间匹配的数量B;
计算不同起点,长度均为m+1的特征值的序列间匹配的数量A;
利用公式SampEN=-Ln(A/B)计算样本熵,获得样本熵值,其中,SampEN表示样本熵值。
本发明实施例还提供一种用于运动监测装置异常计步的检测装置,包括:
获取模块,用于获取运动监测装置的一预设时间段内的加速度信号;
预处理模块,用于对所述加速度信号进行预处理,获得预处理后的加速度信号;
特征值提取模块,用于对预处理后的加速度信号进行特征值提取,获得至少一个特征值;
计算模块,用于对所述特征值进行样本熵计算,得到样本熵值;
确定模块,用于在所述样本熵值小于等于第一预设阈值或者大于等于第二预设阈值时,确定运动监测装置当前记录的数据为异常计步。
其中,所述预处理模块包括:
滤波单元,用于对所述加速度信号进行低通滤波;
第一计算单元,用于对低通滤波后的加速度信号计算三轴平方和。
其中,所述第一计算单元包括:
获取子单元,用于获取低通滤波后的所述加速度信号在所述预设时间段内的三个轴方向上的加速度数值;
计算子单元,用于通过公式f(t)=x(t)2+y(t)2+z(t)2计算所述预设时间段内的三轴平方和,其中,x(t)、y(t)、z(t)分别表示同一时刻三个轴方向的加速度数值。
其中,所述特征值提取模块包括:
第一特征值获取单元,用于根据公式Fs=sum|f(t)|获取第一特征值,Fs表示一段时间内加速度信号三轴平方和的面积。
其中,所述特征值提取模块还包括:
第二特征值获取单元,用于根据公式Fm=mean(Fs/N)获取第二特征值,Fm表示一段时间内加速度信号三轴平方和的均值,N为一段时间内加速度信号三轴平方和的样本数。
其中,所述特征值提取模块还包括:
第三特征值获取单元,用于根据公式Fd=|max(f(t))-min(f(t))|获取第三特征值,Fd表示所述预设时间段内加速度信号三轴平方和的极值差,其中,max(f(t))为一段时间内加速度信号三轴平方和的最大值,min(f((t))为一段时间内加速度信号三轴平方和的最小值。
其中,所述计算模块包括:
获取单元,用于获取K个连续的特征值;
第二计算单元,用于计算不同起点,长度均为m的特征值的序列间匹配的数量B;
第三计算单元,用于计算不同起点,长度均为m+1的特征值的序列间匹配的数量A;
第四计算单元,用于利用公式SampEN=-Ln(A/B)计算样本熵,获得样本熵值,其中,SampEN表示样本熵值。
本发明的上述技术方案至少具有如下有益效果:
本发明实施例的用于运动监测装置的异常计步的检测方法中,由于异常计步和正常运动的加速度信号不同,通过对运动的加速度信号进行预处理,对预处理的加速度信号的特征值进行样本熵计算,与预定的阈值比较,可以判断为异常运动还是正常运动,可以避免运动监测装置统计错误的运动造成竞赛中的不公平。
附图说明
图1为本发明实施例所述的异常计步的检测方法的步骤流程图;
图2为本发明实施例中图1中步骤4的流程图;
图3为本发明实施例所述的异常计步的检测装置的结构示意图;
图4为正常行走的两个周期的加速度信号示意图;
图5为单摆的两个周期的加速度信号示意。
具体实施方式
为使本发明要解决的技术问题、技术方案和优点更加清楚,下面将结合附图及具体实施例进行详细描述。
本发明针对现有技术中运动检测装置在计步过程中无法判断是正常计步还是异常计步的问题,提供了一种用于运动检测装置异常计步的检测方法和装置,运动检测装置在运动的过程中获取一个加速度信号,对获取到的加速度信号进行一系列的处理,然后对处理过的加速度信号进行样本熵的计算,计算得出的样本熵与预设范围值对比,如果超出预设范围值,则判断为异常计步。
如图1所示,本发明实施例提供一种用于运动检测装置异常计步的检测方法,包括:
步骤1,获取运动监测装置的一预设时间段内的加速度信号;
步骤2,对所述加速度信号进行预处理,获得预处理后的加速度信号;
步骤3,对预处理后的加速度信号进行特征值提取,获得至少一个特征值;
步骤4,对所述特征值进行样本熵计算,得到样本熵值;
步骤5,若所述样本熵值小于等于第一预设阈值或大于等于第二预设阈值时,确定运动监测装置当前记录的数据为异常计步。
本发明的具体实施例中,步骤3的特征值提取不局限于一种具体的特征,只要能反映运动类型的特征都可以采用,如图4-5所示,由于运动检测装置中正常行走和异常情况的活动提取到的加速度信号不同,信号内不同时间段内的差值也不同,因此可以按照计算获取到的运动的加速度信号的相关特征的样本熵来区分是正常行走还是异常情况的活动,步骤5中正常行走时利用加速度信号的特征值计算得出的样本熵值在第一预设阈值和第二预设阈值之间,其中第一预设阈值小于第二预设阈值,所以步骤4得到的样本熵值若小于等于第一预设阈值或大于等于第二预设阈值,则确定运动监测装置当前记录的数据为异常计步。
具体的,本发明的上述实施例中,对所述加速度信号进行预处理的步骤进一步还包括:
对所述加速度信号进行低通滤波;
对低通滤波后的加速度信号计算三轴平方和。
本发明的具体实施例中,对所述加速度信号进行低通滤波的目的就是去除噪音信号。
具体的,本发明的上述实施例中,对低通滤波后的加速度信号计算三轴平方和的步骤包括:
获取低通滤波后的所述加速度信号在所述预设时间段内的三个轴方向上的加速度数值;
通过公式f(t)=x(t)2+y(t)2+z(t)2计算所述预设时间段内的三轴平方和,其中,x(t)、y(t)、z(t)分别表示同一时刻三个轴方向的加速度数值。
本发明的具体实施例中,从获取到的运动时预设时间段内的加速度信号的时域图中可以获取到每一时刻分别在三个轴方向上的加速度数值,利用公式f(t)=x(t)2+y(t)2+z(t)2可以计算出整个预设时间段内加速度信号的三轴平方和,因此加速度信号三轴平方和关于时间的变化情况就可以反应运动中加速度信号随时间变化的情况。
具体的,本发明的上述实施例中,对预处理后的加速度信号进行特征值提取,获得至少一个特征值的步骤包括
根据公式Fs=sum|f(t)|获取第一特征值,Fs表示一段时间内加速度信号三轴平方和的面积。
具体的,本发明的上述实施例中,对预处理后的加速度信号进行特征值提取,获得至少一个特征值的步骤还包括
根据公式Fm=mean(Fs/N)获取第二特征值,Fm表示一段时间内加速度信号三轴平方和的均值,N为一段时间内加速度信号三轴平方和的样本数。
具体的,本发明的上述实施例中,对预处理后的加速度信号进行特征值提取,获得至少一个特征值的步骤还包括
根据公式Fd=|max(f(t))-min(f(t))|获取第三特征值,Fd表示所述一段时间内加速度信号三轴平方和的极值差,其中,max(f(t))为一段时间内加速度信号三轴平方和的最大值,min(f((t))为一段时间内加速度信号三轴平方和的最小值。
本发明的具体实施例中,提取预处理后的加速度信号的特征值可以是上述任何一种特征值,上述三种特征值均是以加速度信号的三轴平方和为基础进行计算所得,所以三个特征值随时间的变化关系均可以反映加速度信号随时间的变化关系。
需要说明的是,还可以提取加速度信号别的特征,例如对加速度信号进行快速傅里叶变换、小波变换后基于加速度信号的频谱或者对信号本身计算样本熵。
具体的,本发明的上述实施例中,如图2所示,对提取出的加速度信号的特征值进行样本熵计算,得到样本熵值的步骤包括:
步骤401,获取K个连续的特征值;
步骤402,获取不同起点长度均为m的特征值的序列间匹配的数量B;
步骤403,获取不同起点长度均为m+1的特征值的序列间匹配的数量A;
步骤404,利用下列公式SampEN=-Ln(A/B)计算样本熵。
本发明的具体实施例中,步骤401首先获取加速度信号的三轴平方和的波形中一个长度为n的窗口的三轴平方和值,通过把窗口依次平移一个时间单位即可获取K个连续的特征值,以实施例一为例,Fs1,Fs2,……,Fsk,其中Fs1=f(t1)+f(t2)+……+f(tn),Fs2=f(t2)+f(t3)+……+f(tn+1)Fsk=f(tk)+f(tk+1)+……f(tn+k-1);
步骤402中,获取以i为起点,长度为m的特征值的序列Xm(i)与以j为起点,长度为m的特征值的序列Xm(j)的匹配的数量B,其中Xm(i)={Fsi,Fsi+1,……,Fsi+m-1},Xm(j)={Fsj,Fsj+1,……,Fsj+m-1},i∈[1,2……,K-M+1],j∈[i,i+1……,K-M+1];
步骤403,获取以i为起点,长度为m+1的特征值的序列Xm+1(i)与以j为起点,长度为m+1的特征值的序列Xm+1(j)的匹配的数量A,其中Xm+1(i)={Fsi,Fsi+1,……,Fsi+m},Xm+1(j)={Fsj,Fsj+1,……,Fsj+m},i∈[1,2,……,K-M],j∈[i,i+1,……,K-M];
这里需要说明的是匹配的定义:假设Xm(i)与Xm(j)的匹配度为r,若|Fsi-Fsj|<r&|Fsi+1-Fsj+1|<r&……&|Fsi+m-1-Fsj+m-1|<r,则Xm(i)与Xm(j)匹配。
本发明的上述实施例中,预设第一预设阈值可以为0,第二预设阈值可以为0.35,其中,第一预设阈值是在运动状态为单摆情况下计算得出的,第二预设阈值是在运动状态为手摇情况下计算得出的。
如图3所示,本发明实施例还提供了一种用于运动监测装置异常计步的检测装置,包括:
获取模块10,用于获取运动监测装置的一预设时间段内的加速度信号;
预处理模块20,用于对所述加速度信号进行预处理,获得预处理后的加速度信号;
特征值提取模块30,用于对预处理后的加速度信号进行特征值提取,获得至少一个特征值;
计算模块40,用于对所述特征值进行样本熵计算,得到样本熵值;
确定模块50,若所述样本熵值小于等于第一预设阈值或者大于等于第二预设阈值时,确定运动监测装置当前记录的数据为异常计步。
具体的,本发明的上述实施例中,所述预处理模块包括:
滤波单元,用于对所述加速度信号进行低通滤波;
第一计算单元,用于对低通滤波后的加速度信号计算三轴平方和。
具体的,本发明的上述实施例中,所述第一计算单元包括:
获取子单元,用于获取低通滤波后的所述加速度信号在所述预设时间段内的三个轴方向上的加速度数值;
计算子单元,用于通过公式f(t)=x(t)2+y(t)2+z(t)2计算所述预设时间段内的三轴平方和,其中,x(t)、y(t)、z(t)分别表示同一时刻三个轴方向的加速度数值。
具体的,本发明的上述实施例中,所述特征值提取模块包括:
第一特征值获取单元,用于根据公式Fs=sum|f(t)|获取第一特征值,Fs表示一段时间内加速度信号三轴平方和的面积。
具体的,本发明的上述实施例中,所述特征值提取模块还包括:
第二特征值获取单元,用于根据公式Fm=mean(Fs/N)获取第二特征值,Fm表示一段时间内加速度信号三轴平方和的均值,N为一段时间内加速度信号三轴平方和的样本数。
具体的,本发明的上述实施例中,所述特征值提取模块还包括:
第三特征值获取单元,用于根据公式Fd=|max(f(t))-min(f(t))|获取第三特征值,Fd表示所述预设时间段内加速度信号三轴平方和的极值差,其中,max(f(t))为一段时间内加速度信号三轴平方和的最大值,min(f((t))为一段时间内加速度信号三轴平方和的最小值。
具体的,本发明的上述实施例中,所述计算模块包括:
获取单元,用于获取K个连续的特征值;
第二计算单元,用于计算不同起点,长度均为m的特征值的序列间匹配的数量B;
第三计算单元,用于计算不同起点,长度均为m+1的特征值的序列间匹配的数量A;
第四计算单元,用于利用公式SampEN=-Ln(A/B)计算样本熵,获得样本熵值,其中,SampEN表示样本熵值。
需要说明的是,本发明提供的装置是应用上述异常计步的检测方法的装置,则上述异常计步的检测方法的所有实施例均适用于该装置,且均能达到相同或相似的有益效果。
另外需要说明的是本发明实施例用于运动监测装置的异常计步的检测方法和检测装置不仅可以用于运动监测装置的异常计步,同时可以用于运动监测装置的任意异常运动的检测。
以上所述是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明所述原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (14)
1.一种用于运动监测装置的异常计步的检测方法,其特征在于,包括:
获取运动监测装置的一预设时间段内的加速度信号;
对所述加速度信号进行预处理,获得预处理后的加速度信号;
对预处理后的加速度信号进行特征值提取,获得至少一个特征值;
对所述特征值进行样本熵计算,得到样本熵值;
若所述样本熵值小于等于第一预设阈值或者大于等于第二预设阈值时,确定运动监测装置当前记录的数据为异常计步。
2.如权利要求1所述的异常计步的检测方法,其特征在于,所述对加速度信号进行预处理的步骤包括:
对所述加速度信号进行低通滤波;
对低通滤波后的加速度信号计算三轴平方和。
3.如权利要求2所述的异常计步的检测方法,其特征在于,所述对低通滤波后的加速度信号计算三轴平方和的步骤包括:
获取低通滤波后的所述加速度信号在所述预设时间段内的三个轴方向上的加速度数值;
通过公式f(t)=x(t)2+y(t)2+z(t)2计算所述预设时间段内的三轴平方和,其中,x(t)、y(t)、z(t)分别表示同一时刻三个轴方向的加速度数值。
4.如权利要求3所述的异常计步检测方法,其特征在于,所述对预处理后的加速度信号进行特征值提取,获得至少一个特征值的步骤包括:
根据公式Fs=sum|f(t)|获取第一特征值,Fs表示一段时间内加速度信号三轴平方和的面积。
5.如权利要求4所述的异常计步检测方法,其特征在于,所述对预处理后的加速度信号进行特征值提取,获得至少一个特征值的步骤还包括:
根据公式Fm=mean(Fs/N)获取第二特征值,Fm表示一段时间内加速度信号三轴平方和的均值,N为一段时间内加速度信号三轴平方和的样本数。
6.如权利要求3所述的异常计步检测方法,其特征在于,所述对预处理后的加速度信号进行特征值提取,获得至少一个特征值的步骤还包括:
根据公式Fd=|max(f(t))-min(f(t))|获取第三特征值,Fd表示所述预设时间段内加速度信号三轴平方和的极值差,其中,max(f(t))为一段时间内加速度信号三轴平方和的最大值,min(f((t))为一段时间内加速度信号三轴平方和的最小值。
7.如权利要求1所述的异常计步检测方法,其特征在于,所述对所述特征值进行样本熵计算,得到样本熵值的步骤包括:
获取K个连续的特征值;
计算不同起点,长度均为m的特征值的序列间匹配的数量B;
计算不同起点,长度均为m+1的特征值的序列间匹配的数量A;
利用公式SampEN=-Ln(A/B)计算样本熵,获得样本熵值,其中,SampEN表示样本熵值。
8.一种用于运动监测装置异常计步的检测装置,其特征在于,包括:
获取模块,用于获取运动监测装置的一预设时间段内的加速度信号;
预处理模块,用于对所述加速度信号进行预处理,获得预处理后的加速度信号;
特征值提取模块,用于对预处理后的加速度信号进行特征值提取,获得至少一个特征值;
计算模块,用于对所述特征值进行样本熵计算,得到样本熵值;
确定模块,用于在所述样本熵值小于等于第一预设阈值或者大于等于第二预设阈值时,确定运动监测装置当前记录的数据为异常计步。
9.如权利要求8所述的异常计步的检测装置,其特征在于,所述预处理模块包括:
滤波单元,用于对所述加速度信号进行低通滤波;
第一计算单元,用于对低通滤波后的加速度信号计算三轴平方和。
10.如权利要求9所述的异常计步的检测装置,其特征在于,所述第一计算单元包括:
获取子单元,用于获取低通滤波后的所述加速度信号在所述预设时间段内的三个轴方向上的加速度数值;
计算子单元,用于通过公式f(t)=x(t)2+y(t)2+z(t)2计算所述预设时间段内的三轴平方和,其中,x(t)、y(t)、z(t)分别表示同一时刻三个轴方向的加速度数值。
11.如权利要求10所述的异常计步的检测装置,其特征在于,所述特征值提取模块包括:
第一特征值获取单元,用于根据公式Fs=sum|f(t)|获取第一特征值,Fs表示一段时间内加速度信号三轴平方和的面积。
12.如权利要求11所述的异常计步的检测装置,其特征在于,所述特征值提取模块还包括:
第二特征值获取单元,用于根据公式Fm=mean(Fs/N)获取第二特征值,Fm表示一段时间内加速度信号三轴平方和的均值,N为一段时间内加速度信号三轴平方和的样本数。
13.如权利要求10所述的异常计步的检测装置,其特征在于,所述特征值提取模块还包括:
第三特征值获取单元,用于根据公式Fd=|max(f(t))-min(f(t))|获取第三特征值,Fd表示所述预设时间段内加速度信号三轴平方和的极值差,其中,max(f(t))为一段时间内加速度信号三轴平方和的最大值,min(f((t))为一段时间内加速度信号三轴平方和的最小值。
14.如权利要求8所述的异常计步的检测装置,其特征在于,所述计算模块包括:
获取单元,用于获取K个连续的特征值;
第二计算单元,用于计算不同起点,长度均为m的特征值的序列间匹配的数量B;
第三计算单元,用于计算不同起点,长度均为m+1的特征值的序列间匹配的数量A;
第四计算单元,用于利用公式SampEN=-Ln(A/B)计算样本熵,获得样本熵值,其中,SampEN表示样本熵值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410573336.7A CN105588577B (zh) | 2014-10-23 | 2014-10-23 | 一种用于运动监测装置的异常计步的检测方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410573336.7A CN105588577B (zh) | 2014-10-23 | 2014-10-23 | 一种用于运动监测装置的异常计步的检测方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105588577A CN105588577A (zh) | 2016-05-18 |
CN105588577B true CN105588577B (zh) | 2019-01-01 |
Family
ID=55928335
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410573336.7A Active CN105588577B (zh) | 2014-10-23 | 2014-10-23 | 一种用于运动监测装置的异常计步的检测方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105588577B (zh) |
Families Citing this family (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106067000A (zh) * | 2016-05-27 | 2016-11-02 | 大连楼兰科技股份有限公司 | 基于时域范围的车辆低速碰撞信号的特征提取方法 |
CN107588784A (zh) * | 2016-07-08 | 2018-01-16 | 深圳达阵科技有限公司 | 一种状态识别并区分的方法、装置及终端 |
CN106108913B (zh) * | 2016-07-25 | 2019-05-07 | 北京顺源开华科技有限公司 | 误计步消除方法、装置及可穿戴设备 |
CN108896068B (zh) * | 2018-05-31 | 2021-06-01 | 康键信息技术(深圳)有限公司 | 计步的方法、服务器、移动终端及存储介质 |
CN108981745A (zh) * | 2018-09-30 | 2018-12-11 | 深圳个人数据管理服务有限公司 | 一种计步方法、装置、设备和存储介质 |
CN109603142A (zh) * | 2018-11-27 | 2019-04-12 | 电子科技大学 | 一种哑铃运动的识别计数方法及其装置 |
CN110008096B (zh) * | 2018-11-29 | 2024-02-06 | 创新先进技术有限公司 | 数据监测方法、装置、电子设备及计算机可读存储介质 |
CN111415720B (zh) * | 2020-03-17 | 2023-04-21 | 中山优感科技有限公司 | 一种基于多数据采集的训练辅助方法和装置 |
CN111780780B (zh) * | 2020-06-16 | 2022-06-03 | 贵州省人民医院 | 一种基于滤波器组的计步方法及装置 |
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 |
CN112113581B (zh) * | 2020-10-26 | 2024-03-08 | 平安科技(深圳)有限公司 | 异常计步识别方法、计步方法、装置、设备及介质 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101394788A (zh) * | 2006-02-02 | 2009-03-25 | 帝国创新有限公司 | 步态分析 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130085677A1 (en) * | 2011-09-30 | 2013-04-04 | Apple Inc. | Techniques for improved pedometer readings |
KR101969450B1 (ko) * | 2012-07-06 | 2019-04-16 | 삼성전자 주식회사 | 단위 행동 인식을 기반으로 사용자의 대표 행동을 인식하는 장치 및 방법 |
-
2014
- 2014-10-23 CN CN201410573336.7A patent/CN105588577B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101394788A (zh) * | 2006-02-02 | 2009-03-25 | 帝国创新有限公司 | 步态分析 |
Non-Patent Citations (2)
Title |
---|
Sample entropy analysis of neonatal heart rate variability;Douglas E Lake et al.;《American Journal of Physiology》;20021231;第283卷(第3期);第789-797页 |
基于加速度的小波能量特征及样本熵组合的步态分类算法;邢秀玉等;《传感器技术学报》;20130430;第26卷(第4期);第545-549页 |
Also Published As
Publication number | Publication date |
---|---|
CN105588577A (zh) | 2016-05-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105588577B (zh) | 一种用于运动监测装置的异常计步的检测方法和装置 | |
CN105816163B (zh) | 检测心率的方法、装置及可穿戴设备 | |
US9791295B2 (en) | Step counting method and a pedometer based on a 3-axis accelerometer | |
EP2985572B1 (en) | Step counting method and apparatus | |
CN105105737B (zh) | 基于光电容积描记和谱分析的运动状态心率监测方法 | |
CN108289636B (zh) | 用于确定对象的呼吸速率的方法和装置 | |
EP3476282B1 (en) | Heart rate measuring method and apparatus, and electronic terminal | |
JP2018506773A5 (zh) | ||
RU2009107263A (ru) | Анализ физиологических параметров для имплантируемого устройстыва ограничения приема пищи и регистрируещего устройства | |
JP2014505566A (ja) | 呼吸モニタリング方法およびシステム | |
CN107469326B (zh) | 一种用于可穿戴设备的游泳监测方法与装置及可穿戴设备 | |
CN106308801B (zh) | 一种利用智能手机检测人体呼吸频率的方法 | |
Altini et al. | Self-calibration of walking speed estimations using smartphone sensors | |
WO2017118127A1 (zh) | 一种心跳信号处理方法、装置和系统 | |
CN109199355B (zh) | 心率信息检测方法、装置和检测设备 | |
CN108186018B (zh) | 一种呼吸数据处理方法及装置 | |
CN110974189A (zh) | 脉搏波的信号质量检测方法及装置、设备、系统 | |
CN104713566B (zh) | 一种计步方法、计步装置和计步器 | |
CN105962945A (zh) | 一种计算步频的方法与装置以及包含该装置的可穿戴设备 | |
CN106909086B (zh) | 一种异常数据的检测方法及其装置 | |
RU2009133297A (ru) | Способ и система региональной оценки легочной функции | |
JPWO2019049667A1 (ja) | 心拍検出装置、心拍検出方法及びプログラム | |
CN107405086B (zh) | 测定装置、测定方法及程序 | |
WO2018086321A1 (zh) | 一种计步方法及装置 | |
US20130211273A1 (en) | Method and apparatus for heart rate measurement |
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 |