CN105911310B - 一种用户运动模式的检测方法及装置 - Google Patents

一种用户运动模式的检测方法及装置 Download PDF

Info

Publication number
CN105911310B
CN105911310B CN201610277423.7A CN201610277423A CN105911310B CN 105911310 B CN105911310 B CN 105911310B CN 201610277423 A CN201610277423 A CN 201610277423A CN 105911310 B CN105911310 B CN 105911310B
Authority
CN
China
Prior art keywords
gravity
time window
acceleration data
value
triaxial
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
Application number
CN201610277423.7A
Other languages
English (en)
Other versions
CN105911310A (zh
Inventor
王周红
赵然
张弢
高民
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Guangzhou HKUST Fok Ying Tung Research Institute
Original Assignee
Guangzhou HKUST Fok Ying Tung Research Institute
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Guangzhou HKUST Fok Ying Tung Research Institute filed Critical Guangzhou HKUST Fok Ying Tung Research Institute
Priority to CN201610277423.7A priority Critical patent/CN105911310B/zh
Publication of CN105911310A publication Critical patent/CN105911310A/zh
Application granted granted Critical
Publication of CN105911310B publication Critical patent/CN105911310B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01P—MEASURING LINEAR OR ANGULAR SPEED, ACCELERATION, DECELERATION, OR SHOCK; INDICATING PRESENCE, ABSENCE, OR DIRECTION, OF MOVEMENT
    • G01P15/00—Measuring acceleration; Measuring deceleration; Measuring shock, i.e. sudden change of acceleration
    • G01P15/18—Measuring acceleration; Measuring deceleration; Measuring shock, i.e. sudden change of acceleration in two or more dimensions

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)

Abstract

本发明公开了一种用户运动模式的检测方法，包括：每隔预设的时间间隔，获取预设的时间窗内智能穿戴设备的三轴重力加速度数据；所述智能穿戴设备位于用户手臂处；根据每个时间窗内获取的三轴重力加速度数据，计算所述时间窗内的重力值；将所述时间窗内的重力值与理论重力值进行比较，并根据比较结果检测所述时间窗内用户的运动模式。相应的，本发明还公开了一种用户运动模式的检测装置。采用本发明实施例，能够提高用户运动模式检测的准确率，且降低检测的延迟。

Description

一种用户运动模式的检测方法及装置
技术领域
本发明涉及电子技术领域，尤其涉及一种用户运动模式的检测方法及装置。
背景技术
随着人们对自身健康状况的重视程度不断提高以及智能硬件的不断发展，智能穿戴设备应运而生，并逐渐为大众所接受。目前，普及程度较高的智能穿戴设备为智能手表和智能手环，其主要应用方向便是对用户的运动状况进行监测，其中对步行和跑步等运动状态的计步就是它的一个主要功能。由于智能手表或手环一般都佩戴在用户手腕上，而在运动时人的手部动作较为复杂，所以先要根据智能穿戴设备的运动幅度对用户不同的运动模式进行分类，再进一步依据分类结果对不同的运动模式利用不同的算法进行计步运算。
目前，运动幅度的计算主要有一下两种方法：
一种是利用智能穿戴设备中的运动传感器(加速度传感器、陀螺仪等)所采集到的运动数据，分别计算不同模式下该运动数据的方差，在通过设定方差阈值区分不同的运动模式。该方法的主要局限性在于其普适性较低：在同一种运动模式下，不同的用户所获得的运动数据方差相差很大，很难设定通用的方差阈值有效的区分不同的运动模式。
另一种是通过对智能穿戴设备的运动数据作快速傅里叶变换，得到运动数据的频域分布，依据其主频的分布区间区分不同运动模式。该方法也存在一定的局限性：快速傅里叶变换需要一定的数据长度，在智能穿戴设备的传感器采样率不高的情况下，运动模式的判断结果的延迟较高，对后续的计步算法会产生负面影响。
发明内容
本发明实施例提出一种用户运动模式的检测方法及装置，能够提高用户运动模式检测的准确率，且降低检测的延迟。
本发明实施例提供一种用户运动模式的检测方法，包括：
每隔预设的时间间隔，获取预设的时间窗内智能穿戴设备的三轴重力加速度数据；所述智能穿戴设备位于用户手臂处；
根据每个时间窗内获取的三轴重力加速度数据，计算所述时间窗内的重力值；
将所述时间窗内的重力值与理论重力值进行比较，并根据比较结果检测所述时间窗内用户的运动模式。
进一步地，所述每隔预设的时间间隔，获取预设的时间窗内智能穿戴设备的三轴重力加速度数据，具体包括：
根据所述智能穿戴设备中的加速度传感器，实时采集三轴加速度数据；
对采集到的三轴加速度数据进行滤波，获得三轴重力加速度数据；
每隔预设的时间间隔，从所述三轴重力加速度数据中截取预设的时间窗内的N组三轴重力加速度数据；其中，所述时间窗的长度大于所述时间间隔；N≥1。
进一步地，所述对采集到的三轴加速度数据进行滤波，获得三轴重力加速度数据，具体包括：
采用二阶IIR滤波器，对采集到的三轴加速度数据进行滤波，获得三轴重力加速度数据。
进一步地，所述根据每个时间窗内获取的三轴重力加速度数据，计算所述时间窗内的重力值，具体包括：
根据每个时间窗内获取的N组三轴重力加速度数据，采用重力值计算公式，计算出所述时间窗内的重力值；所述重力值计算公式为
Figure BDA0000975895290000021
其中，Gcomputed为重力值，(gx,i，gy,i，gz,i)为每组三轴重力加速度数据。
进一步地，所述将所述时间窗内的重力值与理论重力值进行比较，并根据比较结果检测所述时间窗内用户的运动模式，具体包括：
计算所述时间窗内的重力值与理论重力值的差值；
将计算的所述差值与预设的分类阈值进行比较；
若所述差值大于所述分类阈值，则判定所述时间窗内用户的运动模式为大幅运动模式；
若所述差值小于所述分类阈值，则判定所述时间窗内用户的运动模式为小幅运动模式。
相应的，本发明还提供一种用户运动模式的检测装置，包括：
数据获取模块，用于每隔预设的时间间隔，获取预设的时间窗内智能穿戴设备的三轴重力加速度数据；所述智能穿戴设备位于用户手臂处；
重力值计算模块，用于根据每个时间窗内获取的三轴重力加速度数据，计算所述时间窗内的重力值；以及，
检测模块，用于将所述时间窗内的重力值与理论重力值进行比较，并根据比较结果检测所述时间窗内用户的运动模式。
进一步地，所述数据获取模块具体包括：
采集单元，用于根据所述智能穿戴设备中的加速度传感器，实时采集三轴加速度数据；
滤波单元，用于对采集到的三轴加速度数据进行滤波，获得三轴重力加速度数据；以及，
数据截取单元，用于每隔预设的时间间隔，从所述三轴重力加速度数据中截取预设的时间窗内的N组三轴重力加速度数据；其中，所述时间窗的长度大于所述时间间隔；N≥1。
进一步地，所述滤波单元具体用于采用二阶IIR滤波器，对采集到的三轴加速度数据进行滤波，获得三轴重力加速度数据。
进一步地，所述重力值计算模块具体用于根据每个时间窗内获取的N组三轴重力加速度数据，采用重力值计算公式，计算出所述时间窗内的重力值；所述重力值计算公式为
Figure BDA0000975895290000041
其中，Gcomputed为重力值，(gx,i，gy,i，gz,i)为每组三轴重力加速度数据。
进一步地，所述检测模块具体包括：
差值计算单元，用于计算所述时间窗内的重力值与理论重力值的差值；
比较单元，用于将计算的所述差值与预设的分类阈值进行比较；
第一判定单元，用于在所述差值大于所述分类阈值时，判定所述时间窗内用户的运动模式为大幅运动模式；以及，
第二判定单元，用于在所述差值小于所述分类阈值时，判定所述时间窗内用户的运动模式为小幅运动模式。
实施本发明实施例，具有如下有益效果：
本发明实施例提供的用户运动模式的检测方法及装置，能够每隔一段时间获取时间窗内的三轴重力加速度数据，进而根据该三轴重力加速度数据计算重力值，并将重力值与理论重力值进行比较，有效区分出用户在该时间窗内的运动模式，具有较高的普适性，提高用户运动模式检测的准确率，且降低检测延迟。
附图说明
图1是本发明提供的用户运动模式的检测方法的一个实施例的流程示意图；
图2是本发明提供的用户运动模式的检测方法中步骤S3的一个实施例的流程示意图；
图3是本发明提供的用户运动模式的检测装置的一个实施例的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
参见图1，本发明提供的用户运动模式的检测方法的一个实施例的流程示意图，包括：
S1、每隔预设的时间间隔，获取预设的时间窗内智能穿戴设备的三轴重力加速度数据；所述智能穿戴设备位于用户手臂处；
S2、根据每个时间窗内获取的三轴重力加速度数据，计算所述时间窗内的重力值；
S3、将所述时间窗内的重力值与理论重力值进行比较，并根据比较结果检测所述时间窗内用户的运动模式。
需要说明的是，预先设置好时间窗的长度和时间窗与时间窗之间的时间间隔，为了权衡数据的稳定性和实效性，时间窗的长度一般设置为1秒，时间间隔一般设置为0.5秒。每隔该时间间隔，就获取该时间窗内的三轴重力加速度数据。其中，三轴重力加速度数据所在的坐标系是以智能穿戴设备的屏幕水平向右的方向为X轴，以屏幕水平向上的方向为Y轴，以沿屏幕法线向外的方向为Z轴来建立的。依次获取每个时间窗内的三轴重力加速度数据时，就根据获取的数据来计算该时间窗内的重力值，进而将该计算出的重力值与理论重力值进行比较，检测出用户在时间窗内的运动模式。采用时间窗内的重力值与理论重力值进行比较的方式来检测用户运动模式，具有较高的普适性，提高用户运动模式检测的准确率，且降低检测延迟。
进一步地，所述每隔预设的时间间隔，获取预设的时间窗内智能穿戴设备的三轴重力加速度数据，具体包括：
根据所述智能穿戴设备中的加速度传感器，实时采集三轴加速度数据；
对采集到的三轴加速度数据进行滤波，获得三轴重力加速度数据；
每隔预设的时间间隔，从所述三轴重力加速度数据中截取预设的时间窗内的N组三轴重力加速度数据；其中，所述时间窗的长度大于所述时间间隔；N≥1。
具体地，所述对采集到的三轴加速度数据进行滤波，获得三轴重力加速度数据，具体包括：
采用二阶IIR滤波器，对采集到的三轴加速度数据进行滤波，获得三轴重力加速度数据。
需要说明的是，在获取每个时间窗内的三轴重力加速度数据时，先利用智能穿戴设备中的加速度传感器实时采集三轴加速度数据，再采用低通滤波器分别对采集到的三轴加速度数据进行滤波，从而滤去高频噪声干扰，获得加速度数据中的常量，即为三轴重力加速度数据。其中，为了降低滤波延迟，一般采用了二阶IIR滤波器(递归滤波器)。进而，根据预设的时间间隔，依次从获取的三轴重力加速度数据中截取时间窗所对应的N组三轴重力加速度数据，记为矩阵为：
Figure BDA0000975895290000061
其中，N＝m*r，m为时间窗的长度，r为加速度传感器的采样率。
进一步地，所述根据每个时间窗内获取的三轴重力加速度数据，计算所述时间窗内的重力值，具体包括：
根据每个时间窗内获取的N组三轴重力加速度数据，采用重力值计算公式，计算出所述时间窗内的重力值；所述重力值计算公式为
Figure BDA0000975895290000062
其中，Gcomputed为重力值，(gx,i，gy,i，gz,i)为每组三轴重力加速度数据。
需要说明的是，对每个时间窗内的N组三轴重力加速度数据，计算该时间窗内的三轴重力加速度数据的模的均值，即该时间窗内的重力值Gcomputed。
进一步地，如图2所示，所述将所述时间窗内的重力值与理论重力值进行比较，并根据比较结果检测所述时间窗内用户的运动模式，具体包括：
S31、计算所述时间窗内的重力值与理论重力值的差值；
S32、将计算的所述差值与预设的分类阈值进行比较；
S33、若所述差值大于所述分类阈值，则判定所述时间窗内用户的运动模式为大幅运动模式；
S34、若所述差值小于所述分类阈值，则判定所述时间窗内用户的运动模式为小幅运动模式。
需要说明的是，预先设置适当的分类阈值，而分类阈值的设置需经过大量不同运动状态的测试。在测试过程中，分别选取不同用户(不同性别、年龄、身高等的测试者)，并分别在用户的两种运动模式下采集三轴加速度数据，进而计算其相应的重力值，记录不同运动状态下的重力值Gcomputed与理论重力值Gtheotical的差值Gdiff＝Gcomputed-Gtheotical，最后，根据记录的不同差值，设置一个能最大区分正确率的分类阈值。
设置好分类阈值后，在检测每个时间窗内的用户运动模式时，先计算该时间窗内的重力值与理论重力值的差值，再将该差值与分类阈值进行比较。若该差值大于分类阈值，则用户在该时间窗内处于大幅运动模式，例如摆臂步行、跑步等。若该差值小于分类阈值，则用户在该时间窗内处于小幅运动模式，例如看表姿势、手插衣服口袋等。
本发明实施例提供的用户运动模式的检测方法，能够每隔一段时间获取时间窗内的三轴重力加速度数据，进而根据该三轴重力加速度数据计算重力值，并将重力值与理论重力值进行比较，有效区分出用户在该时间窗内的运动模式，具有较高的普适性，提高用户运动模式检测的准确率，且降低检测延迟。
相应的，本发明还提供一种用户运动模式的检测装置，能够实现上述实施例中的用户运动模式的检测方法的所有流程。
参见图3，是本发明提供的用户运动模式的检测装置的一个实施例的结构示意图，包括：
数据获取模块1，用于每隔预设的时间间隔，获取预设的时间窗内智能穿戴设备的三轴重力加速度数据；所述智能穿戴设备位于用户手臂处；
重力值计算模块2，用于根据每个时间窗内获取的三轴重力加速度数据，计算所述时间窗内的重力值；以及，
检测模块3，用于将所述时间窗内的重力值与理论重力值进行比较，并根据比较结果检测所述时间窗内用户的运动模式。
进一步地，所述数据获取模块具体包括：
采集单元，用于根据所述智能穿戴设备中的加速度传感器，实时采集三轴加速度数据；
滤波单元，用于对采集到的三轴加速度数据进行滤波，获得三轴重力加速度数据；以及，
数据截取单元，用于每隔预设的时间间隔，从所述三轴重力加速度数据中截取预设的时间窗内的N组三轴重力加速度数据；其中，所述时间窗的长度大于所述时间间隔；N≥1。
进一步地，所述滤波单元具体用于采用二阶IIR滤波器，对采集到的三轴加速度数据进行滤波，获得三轴重力加速度数据。
进一步地，所述重力值计算模块具体用于根据每个时间窗内获取的N组重力三轴加速度数据，采用重力值计算公式，计算出所述时间窗内的重力值；所述重力值计算公式为
Figure BDA0000975895290000081
其中，Gcomputed为重力值，(gx,i，gy,i，gz,i)为每组三轴重力加速度数据。
进一步地，所述检测模块具体包括：
差值计算单元，用于计算所述时间窗内的重力值与理论重力值的差值；
比较单元，用于将计算的所述差值与预设的分类阈值进行比较；
第一判定单元，用于在所述差值大于所述分类阈值时，判定所述时间窗内用户的运动模式为大幅运动模式；以及，
第二判定单元，用于在所述差值小于所述分类阈值时，判定所述时间窗内用户的运动模式为小幅运动模式。
本发明实施例提供的用户运动模式的检测装置，能够每隔一段时间获取时间窗内的三轴重力加速度数据，进而根据该三轴重力加速度数据计算重力值，并将重力值与理论重力值进行比较，有效区分出用户在该时间窗内的运动模式，具有较高的普适性，提高用户运动模式检测的准确率，且降低检测延迟。
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，这些改进和润饰也视为本发明的保护范围。

Claims (4)

1.一种用户运动模式的检测方法，其特征在于，包括：
每隔预设的时间间隔，获取预设的时间窗内智能穿戴设备的三轴重力加速度数据；所述智能穿戴设备位于用户手臂处；
根据每个时间窗内获取的三轴重力加速度数据，计算所述时间窗内的重力值；
将所述时间窗内的重力值与理论重力值进行比较，并根据比较结果检测所述时间窗内用户的运动模式；
其中，所述每隔预设的时间间隔，获取预设的时间窗内智能穿戴设备的三轴重力加速度数据，具体包括：
根据所述智能穿戴设备中的加速度传感器，实时采集三轴加速度数据；
对采集到的三轴加速度数据进行滤波，获得三轴重力加速度数据；
每隔预设的时间间隔，从所述三轴重力加速度数据中截取预设的时间窗内的N组三轴重力加速度数据；其中，所述时间窗的长度大于所述时间间隔；N≥1：
其中，所述对采集到的三轴加速度数据进行滤波，获得三轴重力加速度数据，具体包括：
采用二阶IIR滤波器，对采集到的三轴加速度数据进行滤波，获得三轴重力加速度数据；
所述将所述时间窗内的重力值与理论重力值进行比较，并根据比较结果检测所述时间窗内用户的运动模式，具体包括：
计算所述时间窗内的重力值与理论重力值的差值；
将计算的所述差值与预设的分类阈值进行比较；
若所述差值大于所述分类阈值，则判定所述时间窗内用户的运动模式为大幅运动模式；
若所述差值小于所述分类阈值，则判定所述时间窗内用户的运动模式为小幅运动模式；
其中，预先设置分类阈值，分别在用户的大幅运动模式和小幅运动模式下采集三轴加速度数据，进而计算其相应的重力值，记录不同运动状态下的重力值Gcomputed与理论重力值Gtheotical的差值Gdiff＝Gcomputed-Gtheotical，根据记录的差值，设置分类阈值。
2.如权利要求1所述的用户运动模式的检测方法，其特征在于，所述根据每个时间窗内获取的三轴重力加速度数据，计算所述时间窗内的重力值，具体包括：
根据每个时间窗内获取的N组三轴重力加速度数据，采用重力值计算公式，计算出所述时间窗内的重力值；所述重力值计算公式为
Figure FDA0002180604540000021
其中，Gcomputed为重力值，(gx，i，gy，i，gz，i)为每组三轴重力加速度数据。
3.一种用户运动模式的检测装置，其特征在于，包括：
数据获取模块，用于每隔预设的时间间隔，获取预设的时间窗内智能穿戴设备的三轴重力加速度数据；所述智能穿戴设备位于用户手臂处；
重力值计算模块，用于根据每个时间窗内获取的三轴重力加速度数据，计算所述时间窗内的重力值；以及，
检测模块，用于将所述时间窗内的重力值与理论重力值进行比较，并根据比较结果检测所述时间窗内用户的运动模式；
其中，所述数据获取模块具体包括：
采集单元，用于根据所述智能穿戴设备中的加速度传感器，实时采集三轴加速度数据；
滤波单元，用于对采集到的三轴加速度数据进行滤波，获得三轴重力加速度数据；以及，
数据截取单元，用于每隔预设的时间间隔，从所述三轴重力加速度数据中截取预设的时间窗内的N组三轴重力加速度数据；其中，所述时间窗的长度大于所述时间间隔；N≥1；
其中，所述滤波单元具体用于采用二阶IIR滤波器，对采集到的三轴加速度数据进行滤波，获得三轴重力加速度数据；
所述检测模块具体包括：
差值计算单元，用于计算所述时间窗内的重力值与理论重力值的差值；
比较单元，用于将计算的所述差值与预设的分类阈值进行比较；
第一判定单元，用于在所述差值大于所述分类阈值时，判定所述时间窗内用户的运动模式为大幅运动模式；以及，
第二判定单元，用于在所述差值小于所述分类阈值时，判定所述时间窗内用户的运动模式为小幅运动模式；
其中，预先设置分类阈值，分别在用户的大幅运动模式和小幅运动模式下采集三轴加速度数据，进而计算其相应的重力值，记录不同运动状态下的重力值Gcomputed与理论重力值Gtheotical的差值Gdiff＝Gcomputed-Gtheotical，根据记录的差值，设置分类阈值。
4.如权利要求3所述的用户运动模式的检测装置，其特征在于，所述重力值计算模块具体用于根据每个时间窗内获取的N组三轴重力加速度数据，采用重力值计算公式，计算出所述时间窗内的重力值；所述重力值计算公式为
Figure FDA0002180604540000031
其中，Gcomputed为重力值，(gx，i，gy，i，gz，i)为每组三轴重力加速度数据。
CN201610277423.7A 2016-04-27 2016-04-27 一种用户运动模式的检测方法及装置 Active CN105911310B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610277423.7A CN105911310B (zh) 2016-04-27 2016-04-27 一种用户运动模式的检测方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610277423.7A CN105911310B (zh) 2016-04-27 2016-04-27 一种用户运动模式的检测方法及装置

Publications (2)

Publication Number Publication Date
CN105911310A CN105911310A (zh) 2016-08-31
CN105911310B true CN105911310B (zh) 2020-06-09

Family

ID=56752220

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610277423.7A Active CN105911310B (zh) 2016-04-27 2016-04-27 一种用户运动模式的检测方法及装置

Country Status (1)

Country Link
CN (1) CN105911310B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106650906A (zh) * 2016-12-22 2017-05-10 深圳市妙严科技有限公司 一种用于可转动的穿戴设备的自动计量系统以及方法

Citations (5)

* Cited by examiner, † Cited by third party
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
CN102657533A (zh) * 2012-04-28 2012-09-12 浙江大学城市学院 一种跌倒检测方法、跌倒检测装置和手腕式设备
CN102883654A (zh) * 2010-03-01 2013-01-16 欧姆龙健康医疗事业株式会社 体动检测装置以及体动检测装置的显示控制方法
CN103699795A (zh) * 2013-12-20 2014-04-02 东软熙康健康科技有限公司 一种运动行为识别方法、装置及运动强度监测系统
CN105212941A (zh) * 2015-08-25 2016-01-06 武汉理工大学 一种人体活动状态识别方法及系统

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3852352B2 (ja) * 2002-03-14 2006-11-29 セイコーエプソン株式会社 生体活動計測装置
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

Patent Citations (5)

* Cited by examiner, † Cited by third party
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
CN102883654A (zh) * 2010-03-01 2013-01-16 欧姆龙健康医疗事业株式会社 体动检测装置以及体动检测装置的显示控制方法
CN102657533A (zh) * 2012-04-28 2012-09-12 浙江大学城市学院 一种跌倒检测方法、跌倒检测装置和手腕式设备
CN103699795A (zh) * 2013-12-20 2014-04-02 东软熙康健康科技有限公司 一种运动行为识别方法、装置及运动强度监测系统
CN105212941A (zh) * 2015-08-25 2016-01-06 武汉理工大学 一种人体活动状态识别方法及系统

Also Published As

Publication number Publication date
CN105911310A (zh) 2016-08-31

Similar Documents

Publication Publication Date Title
US11039760B2 (en) Detection of walking in measurements of the movement of a user
JP6567658B2 (ja) ユーザーの活動を分類し及び／又はユーザーの歩数をカウントするデバイス及び方法
CN102227189B (zh) 跌倒检测方法和装置
CN105509762B (zh) 一种基于三轴加速计的计步方法及装置
CN110850988B (zh) 一种防干扰抬腕亮屏的方法
CN104990562A (zh) 基于自相关运算的计步方法
US10309983B2 (en) Systems and methods for motion detection
Gjoreski et al. Accelerometer data preparation for activity recognition
KR20160090259A (ko) 손목에 착용하는 다중 축 만보계
EP2910954B1 (en) Method for counting steps and electronic apparatus using the same
CN105911310B (zh) 一种用户运动模式的检测方法及装置
CN105551191A (zh) 一种跌倒检测方法
WO2014191803A1 (en) Acceleration-based step activity detection and classification on mobile devices
CN108592941B (zh) 一种基于三轴加速度的计步方法
CN114298105B (zh) 一种跑步过程中快速响应抬腕动作并亮屏的信号处理方法
CN113551687B (zh) 计步方法、装置、计步设备、计算机存储介质和芯片
US20220218230A1 (en) System and method of detecting walking activity using waist-worn inertial sensors
Tarashansky et al. A study of position independent algorithms for phone-based gait frequency detection
TWI579530B (zh) 行動裝置計步系統及其步態分析方法
CN108776358A (zh) 一种智能设备的佩戴状态检测方法及系统
JP6867448B2 (ja) ユーザーの活動を分類し及び／又はユーザーの歩数をカウントするデバイス及び方法
CN112130678B (zh) 一种手臂放下识别方法及可穿戴终端
JP6782245B2 (ja) 動きデータを用いて休息期間の終点を決定するためのシステム、方法及び装置
CN115063945A (zh) 基于姿态融合解算的跌倒检测报警方法及系统
US10004461B2 (en) Physiological signal processing system and method for filtering noise generated by the same

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