CN105934654A - 用于确定加速度计的取向的方法和装置 - Google Patents

用于确定加速度计的取向的方法和装置 Download PDF

Info

Publication number
CN105934654A
CN105934654A CN201580005444.7A CN201580005444A CN105934654A CN 105934654 A CN105934654 A CN 105934654A CN 201580005444 A CN201580005444 A CN 201580005444A CN 105934654 A CN105934654 A CN 105934654A
Authority
CN
China
Prior art keywords
acceleration
measured
correlation
auto
frequency
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.)
Granted
Application number
CN201580005444.7A
Other languages
English (en)
Other versions
CN105934654B (zh
Inventor
M·J·皮杰尔
J·H·M·科斯特
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.)
Koninklijke Philips NV
Original Assignee
Koninklijke Philips Electronics NV
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 Koninklijke Philips Electronics NV filed Critical Koninklijke Philips Electronics NV
Publication of CN105934654A publication Critical patent/CN105934654A/zh
Application granted granted Critical
Publication of CN105934654B publication Critical patent/CN105934654B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
    • A61B5/112—Gait analysis
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C25/00—Manufacturing, calibrating, cleaning, or repairing instruments or devices referred to in the other groups of this subclass
    • G01C25/005—Manufacturing, calibrating, cleaning, or repairing instruments or devices referred to in the other groups of this subclass initial alignment, calibration or starting-up of inertial devices
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
    • A61B5/1121—Determining geometric values, e.g. centre of rotation or angular range of movement
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
    • A61B5/6801—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be attached to or worn on the body surface
    • A61B5/6813—Specially adapted to be attached to a specific body part
    • A61B5/6822—Neck
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235—Details of waveform analysis
    • A61B5/7246—Details of waveform analysis using correlation, e.g. template matching or determination of similarity
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/20—Movements or behaviour, e.g. gesture recognition
    • G06V40/23—Recognition of whole body movements, e.g. for sport training
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/20—Movements or behaviour, e.g. gesture recognition
    • G06V40/23—Recognition of whole body movements, e.g. for sport training
    • G06V40/25—Recognition of walking or running movements, e.g. gait recognition
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B2562/00—Details of sensors; Constructional details of sensor housings or probes; Accessories for sensors
    • A61B2562/02—Details of sensors specially adapted for in-vivo measurements
    • A61B2562/0219—Inertial sensors, e.g. accelerometers, gyroscopes, tilt switches
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
    • A61B5/1118—Determining activity level
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
    • A61B5/1123—Discriminating type of movement, e.g. walking or running
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C22/00—Measuring distance traversed on the ground by vehicles, persons, animals or other moving solid bodies, e.g. using odometers, using pedometers
    • G01C22/006—Pedometers
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
    • G06F2218/12—Classification; Matching
    • G06F2218/16—Classification; Matching by matching signal segments
    • G06F2218/20—Classification; Matching by matching signal segments by applying autoregressive analysis

Landscapes

  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Veterinary Medicine (AREA)
  • Biophysics (AREA)
  • Public Health (AREA)
  • Animal Behavior & Ethology (AREA)
  • Surgery (AREA)
  • Molecular Biology (AREA)
  • Medical Informatics (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Biomedical Technology (AREA)
  • Pathology (AREA)
  • Physiology (AREA)
  • General Physics & Mathematics (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Dentistry (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Psychiatry (AREA)
  • Manufacturing & Machinery (AREA)
  • Social Psychology (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Human Computer Interaction (AREA)
  • Geometry (AREA)
  • Artificial Intelligence (AREA)
  • Signal Processing (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)

Abstract

提供了一种确定由用户携带或佩戴的加速度计的取向的方法，所述方法包括在所述用户移动时使用所述加速度计来测量加速度；处理所测量的加速度以确定由所述用户进行的所述移动的迈步频率；并且处理所测量的加速度以将加速度的横向分量识别为在对应于所述迈步频率的一半的频率处具有高响应的加速度的分量。

Description

用于确定加速度计的取向的方法和装置
技术领域
本发明涉及一种包括由用户携带或佩戴的加速度计的装置，并且具体涉及用于确定加速度计的取向、尤其是确定加速度在用户的参考系中的横向分量的技术。
背景技术
人的步态描述他们的行走行为的特征。更正式地说，步态被定义为通过使用腿来实现移动的方式。尽管步态在人与人之间看上去是相似的，但事实上在个体之间存在若干差异，多到使得人的步态能够被认为是特有的，其中步态特征被用于安全应用。步态特征的常见范例包括行走速度、节奏、迈步大小和身体摇摆，但步态也能够包括小的特征，诸如脚趾的角度。
行走是复杂的行动，涉及肌骨骼系统、对感官信息的处理、协调和平衡。如果这些系统中的一个或多个变得退化，这将可能反映在人的步态的变化中。因此，不奇怪步态能够与人的健康相关。一些研究已经发现，在行走速度与取决于将来的合适的功能之间的强的相关性。步态也已经被链接到诸如阿尔兹海默症的认知衰退。
步态特征能够利用诸如行走垫和运动捕获相机的装置以高精度进行测量，但也能够使用更为便携的装置进行估计，诸如包括能够被放置在身体上的不同点处的加速度计的那些装置。加速度计沿着三个正交测量轴测量在用户的移动(并且同样地，在重力的力)期间发生的加速度，并且能够处理测量结果以识别用户所经历的加速度的垂直分量、前向分量和横向分量。加速度的前向分量能够被用于估计行走速度，而迈步长度能够通过使用“倒立摆”模型来估计，其也利用垂直位移。
理想地，加速度计由用户以如下方式携带或佩戴，使得加速度计相对于用户的取向在移动期间不改变，并且加速度计相对于用户的取向是已知的，从而沿着测量轴的测量结果能够被变换(即，旋转)到用户的参考系(即，垂直方向、前向方向和横向方向)。更为理想的，加速度计相对于用户的取向是使得加速度计的测量轴与用户的垂直方向、前向方向和横向方向对齐，避免执行变换的需要。
然而，在实践中，三个加速度计轴将很少与垂直方向、横向方向和前向方向对齐。在加速度计未被固定地附接到用户的身体时(例如，在衣袋中携带或者作为垂饰而佩戴)尤其是这种情况。
能够估计加速度信号的垂直分量，利用由重力引起的恒定加速度，但在加速度计的取向未知的情况下难以断定在横向加速度与前向加速度之间的差异。沿着加速度计的测量轴的旋转不引起可测量的加速度，因此，在没有额外的传感器(诸如陀螺仪和/或磁力计，这两者传感器都具有相当高的功率要求)的辅助下难以获知加速度计的取向，
US 2010/0161271描述了用于确定三轴加速度计的取向的技术，其中，在加速度计的每个轴x、y、z上测量归因于重力的加速度，并且重力的方向被用于将加速度计的x轴与重力相关联或对齐，并非归因于重力的加速度之后被用于识别前向移动并将前向方向与y轴相关联或对齐。其余的方向可以被识别为侧向方向，其可以与z轴相关联或对齐。前向方向能够被识别为具有最大能量的加速度计轴。
在US 2010/0161271中的技术的缺点在于其基于这样的假设，即：具有最高能量的(非垂直)分量是前向分量。然而，该假设仅仅针对正常行走速度(例如，5km/h以及以上)适用。以较低的行走速度，前向分量和横向分量的能量变得越来越相似，其使得，即使没到不可能，也是难以使用该技术区分所述分量。
因此，存在针对用于确定来自加速度测量结果的加速度的横向分量的备选技术的需求。
发明内容
根据本发明的第一方面，提供了一种确定由用户携带或佩戴的加速度计的取向的方法，所述方法包括在所述用户移动时使用所述加速度计来测量加速度；处理所测量的加速度以确定由所述用户进行的移动的迈步频率；并且处理所测量的加速度以将加速度的横向分量识别为在对应于所述迈步频率的一半的频率处具有高响应的加速度的分量。
优选地，加速度的所述横向分量是加速度在所述用户的参考系中的横向分量。
所述迈步频率是用户在行走时迈步的频率。
在一些实施例中，处理所测量的加速度以识别加速度的横向分量的步骤包括将加速度测量结果变换到频率域并且将加速度的横向分量识别为在等于所述迈步频率的一半或者在所述迈步频率的一半的预定范围内的频率处具有高响应的加速度的分量。
在这些实施例中，所述高响应优选包括在阈值之上的响应。
在备选的优选实施例中，处理所测量的加速度以识别加速度的横向分量的步骤包括确定针对所测量的加速度的旋转角的集合，所述旋转角的集合使所测量的加速度在特定方向上的自相关在自相关(autocorrelation)滞后处最小化，所述自相关滞后在所述迈步频率的一半处或其附近；其中，加速度的所述横向分量包括在特定方向上的所测量的加速度。
优选地，确定的步骤包括：(i)确定所测量的加速度的自相关；(ii)计算自相关斜率并且确定在自相关的下降的最陡角度发生的方向；(iii)更新旋转角度的集合以实现对测量空间的旋转以减小在测量空间的y轴与所确定的方向之间的角度；(iv)确定加速度在经旋转的测量空间中的自相关；(v)如果加速度在经旋转的测量空间中的自相关小于在步骤(i)中确定的自相关，则拒绝在步骤(iii)中对旋转角度的集合的更新并且利用对测量空间的较小的旋转来重复步骤(iii)和(iv)；(vi)如果加速度在经旋转的测量空间中的自相关大于在步骤(i)中确定的自相关，则确定在步骤(iv)中确定的自相关与在步骤(i)中确定的自相关之间的差异；并且(vii)如果所述差异大于阈值，则重复步骤(ii)到(vi)，否则将在经旋转的测量空间中下降的最陡角度发生的方向上的加速度确定为加速度的横向分量。
在一些实施例中，处理所测量的加速度以确定所述用户的所述移动的迈步频率的步骤包括：计算所测量的加速度的幅度；并且使用峰值检测算法来在频率域中找到迈步频率。
在备选实施例中，处理所测量的加速度以确定所述用户的所述移动的迈步频率的步骤包括：计算所测量的加速度的幅度；计算表示所测量的加速度的幅度的信号的自相关；识别所述信号的最大自相关；并且将所述用户的迈步时间识别为对应于所述信号的最大自相关的滞后。
在一些实施例中，所述方法还包括如下步骤：处理所测量的加速度以确定所述用户是否正在行走；以及处理所测量的加速度以在所述用户被确定为正在行走的情况下识别加速度的横向分量。
在一些实施例中，处理所测量的加速度以确定所述用户是否正在行走的步骤包括确定所确定的迈步频率是否在预定范围之内。
根据本发明的第二方面，提供了一种在其中嵌入有计算机可读代码的计算机程序产品，所述计算机可读代码被配置为使得在由合适的计算机或处理单元执行时，所述计算机或处理单元被引起执行以上描述的方法中的任意方法。
根据本发明的第三方面，提供了一种确定由用户携带或佩戴的加速度计的取向的装置，所述装置包括处理单元，所述处理单元被配置为：接收来自所述加速度计的加速度的测量结果，处理所测量的加速度以确定所述用户的移动的迈步频率；并且处理所测量的加速度以将加速度的横向分量识别为在对应于所述迈步频率的一半的频率处具有高响应的加速度的分量。
优选地，加速度的所述横向分量是加速度在所述用户的参考系中的横向分量。
所述迈步频率是用户在行走时迈步的频率。
在一些实施例中，所述处理单元被配置为：处理所测量的加速度以通过以下来识别加速度的横向分量：将加速度测量结果变换到频率域并且将加速度的横向分量识别为在等于所述迈步频率的一半或者在所述迈步频率的一半的预定范围内的频率处具有高响应的加速度的分量。
在这些实施例中，所述高响应优选包括在阈值之上的响应。
在备选的优选实施例中，所述处理单元被配置为：处理所测量的加速度以通过以下来识别加速度的横向分量：确定针对所测量的加速度的旋转角度的集合，所述旋转角度的集合使所测量的加速度在特定方向上的自相关在自相关滞后处最小化，所述自相关滞后在所述迈步频率的一半处或附近；其中，加速度的所述横向分量包括在特定方向上的所测量的加速度。
优选地，所述处理单元被配置为：处理所测量的加速度以通过如下操作来识别加速度的横向分量：(i)确定所测量的加速度的自相关；(ii)计算自相关斜率并确定在自相关的下降的最陡角度发生的方向；(iii)更新旋转角度的集合以实现测量空间的旋转以减小在测量空间的y轴与所确定的方向之间的角度；(iv)确定加速度在经旋转的测量空间中的自相关；(v)如果加速度在经旋转的测量空间中的自相关小于在步骤(i)中确定的自相关，则拒绝在步骤(iii)中对旋转角度的集合的更新并且利用对测量空间的较小的旋转来重复步骤(iii)和(iv)；(vi)如果加速度在经旋转的测量空间中的自相关大于在步骤(i)中确定的自相关，则确定在步骤(iv)中确定的自相关与在步骤(i)中确定的自相关之间的差异；并且(vii)如果所述差异大于阈值，则重复步骤(ii)到(vi)，否则将在经旋转的测量空间中下降的最陡角度的发生方向上的加速度确定为加速度的横向分量。
在一些实施例中，所述处理单元被配置为处理所测量的加速度以通过以下来确定所述用户的所述移动的迈步频率：计算所测量的加速度的幅度；并且使用峰值检测算法来在频率域中查找迈步频率。
在备选实施例中，所述处理单元被配置为处理所测量的加速度以通过以下来确定所述用户的所述移动的迈步频率：计算所测量的加速度的幅度；计算表示所测量的加速度的幅度的信号的自相关；识别所述信号的最大自相关；并且将所述用户的迈步时间识别为对应于所述信号的最大自相关的滞后。
在一些实施例中，所述处理单元还被配置为：处理所测量的加速度以确定所述用户是否正在行走；并且处理所测量的加速度以在所述用户被确定为正在行走的情况下识别加速度的横向分量。
在一些实施例中，所述处理单元被配置为处理所测量的加速度以通过确定所确定的迈步频率是否在预定范围之内来确定所述用户是否正在行走。
在一些实施例中，所述处理单元是还包括加速度计的设备的部件，并且所述设备被配置为由所述用户佩戴或携带。
在备选实施例中，所述装置包括传感器单元，所述传感器单元与所述处理单元相分离，其中，所述传感器单元包括加速度计，并且被配置为由所述用户佩戴或携带。
附图说明
现在将仅通过范例的方式参考如下附图来描述本发明的范例实施例，在附图中：
图1是作为垂饰佩戴的根据本发明的设备的图示；
图2是根据本发明的实施例的设备的方框图；
图3是图示了在加速度计的佩戴者在行走时所获得的针对所述加速度计的三个测量轴的加速度测量结果的频率幅度的曲线图；
图4是图示了根据本发明的实施例的方法的流程图；
图5是图示了根据本发明的特定实施例的方法的流程图；并且
图6是示出了针对沿着x轴和z轴的所有旋转可能的沿y轴的迈步时间滞后处的自相关的热图。
具体实施方式
图1示出了垂饰形式的设备2，其被佩戴在用户4的颈部周围，并且图2是设备2的方框图。设备2能够是任意类型的设备，其中，获知所述设备相对于水平平面的取向是必要的或者是有用的。在一些实施例中，设备2是活动监测器，其监测用户4的身体活动，例如，出于个人健康的目的，或者出于例如在行走期间支持损伤或防止跌倒的目的。设备2可以是用于监测用户4的迈步或行走，并且识别步态参数，包括其中参数被用作用于识别个体的生物度量，或者设备2可以是用于检测贯穿行走的其他形式，诸如奔跑、跳跃等)。在其他实施例中，设备2能够被用于其他目的，例如，其能够是计步器、速度监测器、稳定性监测器、跌倒检测器或智能手机。
设备2包括至少一个加速度计6，其测量设备2的移动，并且其相对于设备2的其余部分具有固定的关系(即，加速度计6不在设备2中移动)。至少一个加速度计6测量作用在设备2上的加速度的幅度和方向。加速度计6测量在三个方向上的加速度并且输出针对三个正交轴(例如，表示x、y和z轴)的信号，所述信号指示随时间沿所述轴作用的加速度的幅度。加速度计6以例如50Hz的预定采样频率测量加速度，但是能够使用其他采样频率。应当意识到，替代测量在三个维度上的加速度的加速度计6，设备2能够包括测量一个方向上的加速度的三个加速度计，其相对于彼此正交地布置或者大致正交地布置。
设备2还包括处理单元8，其接收来自加速度计6的加速度测量结果，并且处理所述测量结果以确定设备2的取向。在一些实施例中，处理单元8确定设备2的取向，以便识别在加速度测量结果中的加速度的垂直分量、前向分量和横向分量中的一个或多个。
设备2还包括存储器模块10，存储器模块10能够被用于存储用于由处理单元8执行以令处理单元8根据本发明来处理加速度测量结果的计算机可读代码或指令。存储器模块10还能够被用于存储在由处理单元8进行处理之前、期间和之后的加速度测量结果以及所述处理的任何中间结果。
尽管在本发明的优选实施例中，设备2是要在围绕用户4的颈部的绳或线上佩戴的垂饰的形式，但是将意识到，设备2能够以要由用户4的身体的不同部分佩戴或携带的备选形式来实施，诸如在腰部处、在胸部、臂、腕、腿或踝上。
在本发明的这一例示实施例中，设备2包括由用户4佩戴并且收集和处理加速度测量结果的单个单元。在备选实施例中，对测量结果的处理能够在远离加速度计6的单元(例如，在用户4的身体的不同部分上佩戴的单元、能够被定位在用户家中的基站单元或计算机或者被定位在健康护理提供者的处所中的远程服务器)中执行，在该情况下，设备2将包括要由用户4佩戴的传感器单元，其包括用于将测量结果发送到远程单元的发送器或收发器。在该实施例中，不需要用户佩戴的传感器单元包括能够处理测量结果以确定传感器单元的取向的处理单元。
将意识到，在实际实施方式中，设备2可以包括相对于图2中所示以及以上描述的那些部件的其他或另外的部件，例如用户接口，其允许用户激活和/或操作设备2，以及电源，例如电池，其用于对设备2供电。
尽管当前不能够仅仅基于加速度测量结果建立加速度计(即，包括横向分量和前向分量)在所有环境中的完整取向，但是已经发现，能够建立在用户行走时的加速度计的完整取向。具体而言，本发明利用了用户的步态(即，行走模式)，因为行走本质上是高度循环的模式，并且连续的迈步是彼此高度相似的，并且因此，加速度的对应测量结果同样也是高度相似的。
图3是示出了在加速度计的佩戴者在行走时所获得的针对三个测量轴(x、y和z)的加速度测量结果的频率幅度(即，在频率域的幅度)的曲线图。在该图中，x轴已知对应于垂直方向，y轴已知对应于横向方向，并且z轴已知对应于前向方向。从在频率域的分析能够看到，x轴和z轴示出高的频率响应(即，在加速度信号的频谱中的峰值或高幅度/振幅)，其匹配(即，发生在)迈步频率(即，在行走时用户的脚拍打地面的频率，在该情况下近似为1.7Hz)。在没有测量轴对齐或紧密对齐横向方向的通常情况中，所有三个轴将示出高的频率响应(即，在频率域的高的响应或峰值)，其匹配(即，发生在)迈步频率。
从图3还能够看到，横向(y)分量也示出了在迈步频率一半处的响应(即，峰值)。该响应是由于这样的事实，即：不管迈步是由左脚或者右脚做出的，前向加速度和垂直加速度将是大致相似的。然而，横向移动对应于从左到右交替的用户摇摆，其产生针对每次迈步的反转信号。这种摇摆导致具有两倍于迈步时间的时段的周期信号，并且因此，处于其频率(迈步频率)的一半处。
因此，本发明的发明人已经发现，通过使加速度的在迈步频率一半处的分量的频率响应(在频率域的响应)最大化，不管取向如何，能够找到加速度的横向分量。
很明显，该技术避免了使用诸如陀螺仪或磁力计的另一传感器来确定加速度的水平分量的需要以及在使用那些传感器的情况下的功率消耗的增加。相对于基于陀螺仪的方法的另一优点是，不存在在陀螺仪中常见的测量结果偏移。如果在行走时加速度计改变取向，这能够使用本发明相对快速地被校正。
图4是图示了根据本发明的一般性实施例的流程图。在第一步骤中，步骤101，使用由用户4佩戴或携带的加速度计6来获得加速度的测量结果。
在步骤103中，针对用户移动的迈步频率是从加速度测量结果来确定的。
本领域技术人员将了解用于确定迈步频率(迈步时间)的各种技术。在一些实施例中，迈步时间能够通过计算加速度测量结果的幅度来找到，即，
幅度＝√(ax 2+ay 2+az 2)，
并且使用峰值检测算法来找到在频率域中的迈步频率(其当然能够被转换为迈步时间)。在该实施方式中，幅度信号被变换到频率域，并且选择在适当的频带(例如，1-2.5Hz)内的最高值。
在其他实施方式中，自相关能够被用于找到迈步时间。自相关确定信号与偏移若干位置(已知为“滞后”)的其自身的相关性如何。时域幅度信号的最大自相关能够在特定滞后间隔(即，可接受的滞后的范围)内识别，其中对应于最大自相关的滞后提供迈步时间。
本领域技术人员将了解其他技术或者对以上技术的修改(例如，峰值必须高于噪声水平特定的量)，其能够被用于识别迈步时间或迈步频率。
一旦已经识别了迈步频率/迈步时间，则处理所测量加速度，以基于找到加速度的横向分量是加速度的具有在对应于迈步频率的一半的频率处的高响应的分量来识别加速度的横向分量(步骤105)。
在一些实施例中，加速度的横向分量能够通过将加速度测量结果变换到频率域(例如，使用快速傅里叶变换)来找到，并且识别所述轴中的哪一个具有在频率域中在等于或者大约为迈步频率的一半的频率处的高响应。所述高响应能够被识别为大于阈值的响应(即，在频率域中的加速度信号的幅度)，或者在等于或者大约为迈步频率的一半的频率处的最高响应的轴。为了识别加速度的横向方向，高响应可以被要求在精确为迈步频率的一半处找到，或者在迈步频率的一半的预定范围内找到。应当意识到，这些实施例一般仅在加速度计轴中的一个与横向方向对齐或大致对齐时是可靠的，并且妨碍找到加速度的横向分量作为加速度计轴的线性组合。因此，这些实施例在加速度计6具有相对于用户的任意取向的一般情况下不是优选的。
图5中的流程图图示了确定根据本发明的加速度的横向分量的优选实施例。该算法是基于这样的原理：加速度的横向分量是加速度在频率域中在对应于迈步频率的一半的频率处具有高响应(峰值)的分量，但使用自相关而非到频率域的变换(诸如快速傅里叶变换)，因为使用自相关是在计算上更快速的。利用等于迈步时间的滞后，自相关被期望针对前向分量和垂直分量是正的(因为加速度信号重复自身)并且针对横向分量是负的(因为加速度信号在其周期的一半处)。
在步骤121中，获得加速度测量结果。接下来，确定迈步时间或迈步频率(步骤123)。步骤123能够如以上针对步骤103的描述来执行。
如上文提到的，加速度计6的测量轴被称为“x”、“y”和“z”。理想地，x轴与垂直分量(在用户的参考系中)对齐，y轴与横向分量(在用户的参考系中)对齐，并且z轴与前向分量(在用户的参考系中)对齐，但是存在备选的理想取向。
图5中的方法的目的是，通过针对x轴、y轴和z轴的所述线性组合来确定在频率域中在迈步频率的一半处的响应最大，确定如何能够将横向分量(在用户的参考系中)表述为x轴、y轴和z轴的组合。对此，图5的方法提供了加速度计测量轴虚拟地绕x轴和y轴进行旋转，直到y轴与横向分量对齐(沿y轴旋转不改变y轴自身的取向)。由于x轴、y轴和z轴相对于彼此正交，其能够被视为3D笛卡尔坐标空间，其通常是三维空间，其中，点由指示其沿着各自的轴距原点的距离的三个值的矢量给出的。用于旋转笛卡尔空间的所述方法也能够被用于旋转(虚拟地)加速度计测量轴(因此，在以下描述中的术语“旋转所述空间”)。
对3D笛卡尔空间中的点的旋转是线性变换，即，其能够通过将3x3旋转矩阵乘以点的3D坐标来实现。存在若干种方式从旋转参数的集合导出这样的矩阵，例如，通过分别从沿着x轴、y轴和z轴的三个旋转轴导出这样的矩阵。通过将旋转应用于(x，y，z)加速度计测量结果的每个集合，加速度计轴被有效地旋转到轴的新的虚拟集合，其例如能够被称为“x”、“y”和“z”。之后，目的是找到旋转角的集合，使得“y”与横向分量对齐。
因此，为了找到加速度的横向分量，沿着y轴的信号的自相关通过旋转沿着x轴和z轴的三维空间来最小化。这导致y轴与横向分量对齐。
为了找到横向分量，针对加速度计6的测量轴的每个测量轴来确定加速度测量结果的自相关(步骤125)并且计算自相关的斜率(步骤127)。使自相关最小化能够使用爬山算法来实现，其涉及确定给出当前空间取向的下降的最陡角度。
一旦针对当前空间取向确定了下降的最陡角度，更新旋转变量，以便实现对空间的旋转，使得在测量空间的y轴(在其当前取向中)与所确定的取向之间的角度减小(步骤129)。
之后，在步骤131中，使用经更新的旋转变量来旋转所述空间并且重新计算所述自相关。该过程然后返回到步骤127，其中，确定自相关的斜率。
步骤127-131被重复，直到不能够获得自相关的显著下降。在一些实施例中，这是通过在重新计算的自相关与先前的自相关值之间的差异小于阈值来确定的(即，在步骤131之后，在重新计算的自相关与先前的自相关值之间的差异被确定，并且如果该差异大于阈值，那么所述方法返回到步骤127，否则所述方法移动到步骤133)。在一些实施例中，如果所计算的自相关小于先前的自相关值，则对旋转角度/变量的更新导致重新计算的自相关被拒绝，并且相反，测量空间的更小的旋转受影响。
在步骤133中，确定了不能够获得自相关的显著的下降，y轴被与横向分量对齐(因为自相关空间是平滑的，如图6中所示-其示出了针对沿x轴和z轴的所有旋转可能的沿y轴的迈步时间滞后处的自相关的热图)。将从图6注意到，缺少局部最小值或最大值允许下山类型的算法，以可靠地找到使自相关最小化的最优旋转(旋转角度以弧度给出)。
在步骤127-131中的爬山算法：爬山是达到使一些标准最大化的旋转角度的集合的可能的若干方式中的一种，在该情况下，在y轴上的大的负自相关在合适的自相关滞后处。所述算法利用旋转角度的初始集合开始，找到在哪一个“方向”上所述标准改善最快(即，最陡的斜率)-步骤127，更新在该方向上的旋转角度(步骤129)，并且重复直到所述标准不能够进一步增加。
由于沿y轴的旋转将不影响其取向，因而仅仅沿x和z轴的旋转需要被考虑。这两个旋转值能够被考虑作为在空间中的二维点，其能够通过改变所述值在特定方向上移动。为了估计斜率(步骤127)，例如，能够选取在旋转值周围的四个点，两个在x旋转的任一侧，并且两个在z旋转的任一侧。新点应当相当接近原始点。
之后，能够针对新点来计算标准分数，能够找到具有最高标准分数的点，并且能够在所述方向上移动特定的距离。在实践中，步骤129包括加上或减去来自旋转角度中的一个的某值并且更新旋转矩阵，并且步骤131包括计算新的旋转并且确定自相关值。这能够是固定值，或者能够使用一些公式来导出距离值。移动的方向能够是改善标准的方向的复合。同样，如果需要的话，能够使用超过四个点。
如果旋转角的新的集合是经改善的，则该集合被保持并且所述过程再次选择四个新的点。如果其未改善，则拒绝新的点，替代地，尝试在相同方向上的较小距离的移动。所述算法在未做出实质改善时结束，或者因为没有找到产生改善的方向，或者因为行进的距离已经变得如此之小以致没有实质进展。
旋转角度的初始集合能够是重要的，但如果搜索空间是使得始终从任意初始位置找到最高标准，则这是不关心的。从图6能够看到，此处是这种情况。实际上，这意味着所述算法始终与横向分量对齐，而不管y轴的初始取向。
一旦在步骤105或133中获得加速度的横向分量，则之后垂直分量和前向分量能够通过重力估计技术被对齐，其是本领域已知的。具体而言，重力估计技术能够被用于识别加速度的垂直分量，其留下剩余的分量作为前向分量。备选地，能够在试图识别横向分量之前使用这样的技术来确定垂直分量，并且之后，通过以上描述的技术来找到横向分量。在一些情况下，找到垂直分量是更为有利的，因为存在当查找横向分量时存在较少的自由度，尤其地，在旋转矩阵是“蛮力强迫的”(即，针对旋转角的固定集合计算最佳自相关)。
将意识到，根据本发明的方法在用户行走或执行相似类型的移动(例如，跳跃、奔跑等)时是有效的。因此，在以上实施例的任意实施例中，能够执行对加速度测量结果的检查，以确定用户的移动是否对应于行走，并且因此确定所确定的加速度计6的取向是否能够被认为是可靠的。该检查能够在以上方法中的任意点处执行，例如，在图4的实施例中的步骤103之前，并且在图5的实施例中的步骤123之前。对加速度测量结果的该检查能够包括，例如，执行对加速度测量结果到针对行走的已知模式的模式匹配，或者检查在适当的带(例如，1-2.5Hz)中的迈步频率，但是本领域技术人员将了解能够被用于从加速度计测量结果识别用户是否正在行走的其他技术。应当意识到，这些范例中的第二范例将在图4中的步骤103和图5中的步骤123之后执行。如果测试暗示用户并未正在行走(或跳跃、奔跑等)，则用以确定横向取向而对加速度测量结果的处理能够被停止，或者将所确定的取向舍弃，因为其是不可靠的。
因此，提供了一种能够可靠地识别加速度计的加速度测量结果中的加速度的横向分量的技术，所述加速度计被附接到正在行走的用户或者由其携带。
尽管在附图和上述说明中详细图示和描述了本发明，但是这样的图示和描述应当被理解为是说明性的或示范性的，而非限制性的，本发明并不限于所描述的实施例。
根据对附图、公开内容和随附的权利要求的研究，本领域技术人员在实践所主张的发明时能够理解并实现所公开的实施例的变型。在权利要求书中，“包括”一词不排除其他元件或步骤，并且词语“一”或“一个”不排除多个。单个处理器或其他单元可以满足在权利要求中所引用的若干项的功能。尽管在互不相同的从属权利要求中记载了特定措施，但是这并不指示不能够使用这些措施的组合以获益。计算机程序可以被存储/分布在合适的介质上，例如光学存储介质，或者固态介质，与其他硬件一起提供或者作为其他硬件的部分提供，但其也能够以其他形式分布，例如经由因特网或其他有线或无线电信系统。在权利要求书中的任何参考标记都不应当被解释为对范围的限制。

Claims (15)

1.一种确定由用户携带或佩戴的加速度计的取向的方法，所述方法包括：
-在所述用户移动时使用所述加速度计来测量加速度；
-处理所测量的加速度以确定由所述用户进行的移动的迈步频率；并且
-处理所测量的加速度以将加速度的横向分量识别为在对应于所述迈步频率的一半的频率处具有高响应的加速度的分量。
2.根据权利要求1所述的方法，其中，处理所测量的加速度以识别加速度的横向分量的步骤包括：
-确定针对所测量的加速度的旋转角度的集合，所述旋转角度的集合使所测量的加速度在特定方向上的自相关在自相关滞后处最小化，所述自相关滞后在所述迈步频率的一半处或其附近；其中，加速度的所述横向分量包括在所述特定方向测量上的加速度。
3.根据权利要求2所述的方法，其中，确定的步骤包括：
(i)确定所测量的加速度的所述自相关；
(ii)计算自相关斜率并且确定在所述自相关的下降的最陡角度发生的方向；
(iii)更新旋转角度的集合以实现对测量空间的旋转以减小在所述测量空间中的y轴与所确定的方向之间的角度；
(iv)确定在经旋转的测量空间中的所述加速度的所述自相关；
(v)如果在经旋转的测量空间中的所述加速度的所述自相关小于在步骤(i)中确定的所述自相关，则拒绝在步骤(iii)中对旋转角度的所述集合的更新并且利用所述测量空间的更小的旋转来重复步骤(iii)和步骤(iv)；
(vi)如果在经旋转的测量空间中的所述加速度的所述自相关大于在步骤(i)中确定的所述自相关，则确定在步骤(iv)中确定的所述自相关与在步骤(i)中确定的所述自相关之间的差异；并且
(vii)如果所述差异大于阈值，则重复步骤(ii)到(vi)，否则将在经旋转的测量空间中下降的所述最陡角度发生的所述方向上的所述加速度确定为加速度的所述横向分量。
4.根据权利要求1所述方法，其中，处理所测量的加速度以识别加速度的横向分量的步骤包括将加速度测量结果变换到频率域并且将加速度的所述横向分量识别为在等于所述迈步频率的一半或者在所述迈步频率的一半的预定范围内的频率处具有高响应的加速度的分量。
5.根据前述权利要求中的任一项所述的方法，其中，处理所测量的加速度以确定由所述用户进行的所述移动的迈步频率的步骤包括：
-计算所测量的加速度的幅度；并且
-使用峰值检测算法来在频率域中查找所述迈步频率。
6.根据权利要求1-5中的任一项所述的方法，其中，处理所测量的加速度以确定由所述用户进行的所述移动的迈步频率的步骤包括：
-计算所测量的加速度的所述幅度；
-计算表示所测量的加速度的幅度的信号的所述自相关；
-识别所述信号的最大自相关；并且
-将针对所述用户的迈步时间识别为对应于所述信号的所述最大自相关的滞后。
7.根据前述权利要求中的任一项所述的方法，还包括如下步骤：
-处理所测量的加速度以确定所述用户是否正在行走；并且
-处理所测量的加速度，以在确定所述用户正在行走的情况下识别加速度的横向分量。
8.根据前述权利要求中的任一项所述的方法，其中，处理所测量的加速度以确定所述用户是否正在行走的步骤包括确定所确定的迈步频率是否在预定范围之内。
9.一种在其中嵌入有计算机可读代码的计算机程序产品，所述计算机可读代码被配置为使得，在由合适的计算机或处理单元执行时，所述计算机或处理单元被引起执行根据权利要求1至8中的任一项所述的方法。
10.一种用于确定由用户携带或佩戴的加速度计的取向的装置，所述装置包括：
-处理单元，其被配置为：
-接收来自所述加速度计的加速度的测量结果；
-处理所测量的加速度以确定由所述用户进行的移动的迈步频率；并且
-处理所测量的加速度以将加速度的横向分量识别为在对应于所述迈步频率的一半的频率处具有高响应的加速度的分量。
11.根据权利要求10所述的装置，其中，所述处理单元被配置为，通过以下来处理所测量的加速度以识别加速度的横向分量：
-确定针对所测量的加速度的旋转角度的集合，所述旋转角度的集合使所测量的加速度在自相关滞后处在特定方向上的自相关最小化，所述自相关滞后在所述迈步频率的一半处或其附近；其中，加速度的所述横向分量包括在特定方向上测量的加速度。
12.根据权利要求10或11所述的装置，其中，所述处理单元被配置为通过以下来处理所测量的加速度以识别加速度的横向分量：
(i)确定所测量的加速度的所述自相关；
(ii)计算自相关斜率并且确定在所述自相关的下降的最陡角度发生的方向；
(iii)更新旋转角度的集合以实现对所述测量空间的旋转以减小在所述测量空间中的y轴与所确定的方向之间的角度；
(iv)确定在经旋转的测量空间中的所述加速度的所述自相关；
(v)如果在经旋转的测量空间中的所述加速度的所述自相关小于在步骤(i)中确定的所述自相关，则拒绝在步骤(iii)中对旋转角度的所述集合的更新并且利用所述测量空间的更小的旋转来重复步骤(iii)和步骤(iv)；
(vi)如果在经旋转的测量空间中的所述加速度的所述自相关大于在步骤(i)中确定的所述自相关，则确定在步骤(iv)中确定的所述自相关与在步骤(i)中确定的所述自相关之间的差异；并且
(vii)如果所述差异大于阈值，则重复步骤(ii)到(vi)，否则将在经旋转的测量空间中下降的所述最陡角度发生的所述方向上的所述加速度确定为加速度的所述横向分量。
13.根据权利要求10、11或12中的任一项所述的装置，其中，所述处理单元被配置为通过计算所测量的加速度的幅度来处理所测量的加速度以确定由所述用户进行的所述移动的迈步频率；并且使用峰值检测算法来在频率域中查找所述迈步频率。
14.根据权利要求10、11或12中的任一项所述的装置，其中，所述处理单元被配置为通过计算所测量的加速度的幅度来处理所测量的加速度以确定由所述用户的进行所述移动的迈步频率；计算表示所测量的加速度的幅度的信号的所述自相关；识别所述信号的最大自相关；并且将针对所述用户的迈步时间识别为对应于所述信号的所述最大自相关的滞后。
15.根据权利要求10-14所述的装置，其中，所述处理单元还被配置为：处理所测量的加速度以确定所述用户是否正在行走；并且处理所测量的加速度以在所述用户被确定为正在行走的情况下识别加速度的横向分量。
CN201580005444.7A 2014-05-09 2015-05-07 用于确定加速度计的取向的方法和装置 Active CN105934654B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
EP14167765.8 2014-05-09
EP14167765 2014-05-09
PCT/EP2015/060004 WO2015169880A1 (en) 2014-05-09 2015-05-07 Method and apparatus for determining the orientation of an accelerometer

Publications (2)

Publication Number Publication Date
CN105934654A true CN105934654A (zh) 2016-09-07
CN105934654B CN105934654B (zh) 2017-09-26

Family

ID=50685789

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201580005444.7A Active CN105934654B (zh) 2014-05-09 2015-05-07 用于确定加速度计的取向的方法和装置

Country Status (7)

Country Link
US (1) US10188322B2 (zh)
EP (1) EP3076870B1 (zh)
JP (1) JP6150952B2 (zh)
CN (1) CN105934654B (zh)
ES (1) ES2641180T3 (zh)
RU (1) RU2016125140A (zh)
WO (1) WO2015169880A1 (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106343996A (zh) * 2016-11-14 2017-01-25 佳禾智能科技股份有限公司 一种心率计步耳机及其实现方法
CN107314775A (zh) * 2017-05-17 2017-11-03 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
CN107966161A (zh) * 2017-11-09 2018-04-27 内蒙古大学 基于fft的步行检测方法
CN109893137A (zh) * 2019-03-07 2019-06-18 山东科技大学 基于移动终端在不同携带位置下改善步态检测的方法

Families Citing this family (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10371528B2 (en) * 2014-07-03 2019-08-06 Texas Instruments Incorporated Pedestrian navigation devices and methods
US9877668B1 (en) * 2014-11-21 2018-01-30 University Of South Florida Orientation invariant gait matching
CN105962945B (zh) * 2016-06-18 2019-08-23 广东乐心医疗电子股份有限公司 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
JP6697567B2 (ja) 2016-09-09 2020-05-20 旭化成株式会社 歩数計数装置、歩数計数方法、およびプログラム
JP6771162B2 (ja) * 2016-10-07 2020-10-21 パナソニックＩｐマネジメント株式会社 認知機能評価装置、認知機能評価方法及びプログラム
WO2018081795A1 (en) 2016-10-31 2018-05-03 Zipline Medical, Inc. Systems and methods for monitoring physical therapy of the knee and other joints
TWI677322B (zh) * 2016-11-24 2019-11-21 財團法人金屬工業研究發展中心 肌力分級檢測裝置及方法
GB2574074B (en) 2018-07-27 2020-05-20 Mclaren Applied Tech Ltd Time synchronisation
GB2588236B (en) 2019-10-18 2024-03-20 Mclaren Applied Ltd Gyroscope bias estimation
CN113712536B (zh) * 2020-05-26 2023-12-26 李昀儒 基于步态分析的不平衡预警方法及穿戴装置
US11307050B2 (en) * 2020-06-12 2022-04-19 Koneksa Health Inc. Measuring method and device
US11397193B2 (en) 2020-06-12 2022-07-26 Koneksa Health Inc. Movement analysis method and apparatus
JP7449838B2 (ja) 2020-10-14 2024-03-14 株式会社日立製作所 行動解析システム及びそれを用いた行動解析方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20040230138A1 (en) * 2003-04-10 2004-11-18 Shigeyuki Inoue Physical movement analyzer and physical movement analyzing method
US20060284979A1 (en) * 2005-06-09 2006-12-21 Sony Corporation Activity recognition apparatus, method and program
CN101226061A (zh) * 2008-02-21 2008-07-23 上海交通大学 适用于步行者的定位方法
US20120296221A1 (en) * 2010-02-11 2012-11-22 Koninklijke Philips Electronics N.V. Method and apparatus for determining a respiration signal
CN103675338A (zh) * 2013-12-06 2014-03-26 无锡清华信息科学与技术国家实验室物联网技术中心 基于智能设备的高精度步行方向检测方法

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8626472B2 (en) * 2006-07-21 2014-01-07 James C. Solinsky System and method for measuring balance and track motion in mammals
US8880377B2 (en) * 2008-12-22 2014-11-04 Polar Electro Oy Overall motion determination
US7970573B2 (en) 2008-12-22 2011-06-28 Intel Corporation Techniques for determining orientation of a three-axis accelerometer
CH703381B1 (fr) 2010-06-16 2018-12-14 Myotest Sa Dispositif portable intégré et procédé pour calculer des paramètres biomécaniques de la foulée.
US8694251B2 (en) 2010-11-25 2014-04-08 Texas Instruments Incorporated Attitude estimation for pedestrian navigation using low cost mems accelerometer in mobile applications, and processing methods, apparatus and systems
WO2013109499A1 (en) * 2012-01-19 2013-07-25 University Of Southern California Physical activity monitoring and intervention using smartphone and mobile app
WO2014089238A1 (en) * 2012-12-04 2014-06-12 Mapmyfitness, Inc. Gait analysis system and method
JP2014128464A (ja) * 2012-12-28 2014-07-10 Tokyo Institute Of Technology 歩行支援装置および歩行支援方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20040230138A1 (en) * 2003-04-10 2004-11-18 Shigeyuki Inoue Physical movement analyzer and physical movement analyzing method
US20060284979A1 (en) * 2005-06-09 2006-12-21 Sony Corporation Activity recognition apparatus, method and program
CN101226061A (zh) * 2008-02-21 2008-07-23 上海交通大学 适用于步行者的定位方法
US20120296221A1 (en) * 2010-02-11 2012-11-22 Koninklijke Philips Electronics N.V. Method and apparatus for determining a respiration signal
CN103675338A (zh) * 2013-12-06 2014-03-26 无锡清华信息科学与技术国家实验室物联网技术中心 基于智能设备的高精度步行方向检测方法

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106343996A (zh) * 2016-11-14 2017-01-25 佳禾智能科技股份有限公司 一种心率计步耳机及其实现方法
CN107314775A (zh) * 2017-05-17 2017-11-03 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
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
CN107966161A (zh) * 2017-11-09 2018-04-27 内蒙古大学 基于fft的步行检测方法
CN109893137A (zh) * 2019-03-07 2019-06-18 山东科技大学 基于移动终端在不同携带位置下改善步态检测的方法
CN109893137B (zh) * 2019-03-07 2021-09-03 山东科技大学 基于移动终端在不同携带位置下改善步态检测的方法

Also Published As

Publication number Publication date
JP2017506745A (ja) 2017-03-09
US20180192917A1 (en) 2018-07-12
EP3076870A1 (en) 2016-10-12
WO2015169880A1 (en) 2015-11-12
ES2641180T3 (es) 2017-11-08
CN105934654B (zh) 2017-09-26
RU2016125140A (ru) 2017-12-26
US10188322B2 (en) 2019-01-29
EP3076870B1 (en) 2017-07-12
JP6150952B2 (ja) 2017-06-21

Similar Documents

Publication Publication Date Title
CN105934654A (zh) 用于确定加速度计的取向的方法和装置
Millor et al. Kinematic parameters to evaluate functional performance of sit-to-stand and stand-to-sit transitions using motion sensor devices: a systematic review
US10314520B2 (en) System and method for characterizing biomechanical activity
Lee et al. The use of a single inertial sensor to identify stride, step, and stance durations of running gait
US8876738B1 (en) Human activity monitoring device
JP6183906B2 (ja) 歩容推定装置とそのプログラム、転倒危険度算出装置とそのプログラム
Liu et al. Development of a wearable sensor system for quantitative gait analysis
EP2910901B1 (en) Method for determining an instant velocity of a user and for improving estimation of heart rate
KR102107379B1 (ko) 3축 동작측정기를 이용한 노쇠 예측 방법, 3축 동작측정기를 이용한 노쇠 예측 시스템 및 웨어러블 노쇠 예측 장치
CN104757976A (zh) 一种基于多传感器融合的人体步态分析方法和系统
CN102144248A (zh) 预防跌倒系统
Bieber et al. Mobile physical activity recognition of stand-up and sit-down transitions for user behavior analysis
CN108338790B (zh) 步态分析及跌倒评估系统
CN109498027A (zh) 一种单加速度计人体步态检测系统及方法
Zhu et al. A real-time on-chip algorithm for IMU-Based gait measurement
JP2020120807A (ja) 転倒リスク評価装置、転倒リスク評価方法及び転倒リスク評価プログラム
CN109540133A (zh) 基于微惯性技术的自适应步态划分方法、系统
Bai et al. Application and research of MEMS sensor in gait recognition algorithm
Matthews et al. In-situ step size estimation using a kinetic model of human gait
Hnatiuc et al. Subject identification using walking posture
US10018469B2 (en) Method for terrain mapping and personal navigation using mobile gait analysis
JP7370795B2 (ja) 歩行特徴量検出装置
US20200107750A1 (en) Method and system for assessing human movements
Udofa et al. Impact forces during running: loaded questions, sensible outcomes
CN110693501A (zh) 一种基于多传感器融合的行走步态无线检测系统

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