显示信息的方法、装置及可穿戴设备
技术领域
本申请涉及可穿戴设备技术领域,尤其涉及一种显示信息的方法、装置及可穿戴设备。
背景技术
目前,LCD显示屏广泛应用于各种智能设备上,例如可穿戴智能手表、智能手环及平板电脑等,一般用户可通过按压物理按键或者点击触摸屏的方式控制可穿戴设备激活LCD显示屏的显示或者关闭LCD显示屏的显示,这增加了用户的操作复杂度,降低了用户的体验。
发明内容
有鉴于此,本申请提供一种新的技术方案,可以解决关闭或者打开智能设备的显示屏的操作复杂的技术问题。
为实现上述目的,本申请提供技术方案如下:
根据本申请的第一方面,提出了一种显示信息的方法,包括:
根据预设时间周期内采集的多个轴向的加速度数据确定用户的运动模式;
根据所述预设时间周期内的所述多个轴向的加速度数据,确定用户在所述预设时间周期内的腕部动作特征向量;
使用所述运动模式对应的动作分类器对所述预设时间周期内的腕部动作特征向量进行检测,得到所述用户在所述预设时间周期内的腕部动作;
如果所述腕部动作为第一预设动作,控制所述可穿戴设备切换到第一显示模式,其中,所述第一显示模式用于表示所述可穿戴设备激活信息显示的模式。
根据本申请的第二方面,提出了一种显示信息的装置,包括:
第一确定模块,用于根据预设时间周期内采集的多个轴向的加速度数据确定用户的运动模式;
第二确定模块,用于根据所述预设时间周期内的所述多个轴向的加速度数据,确定用户在所述预设时间周期内的腕部动作特征向量;
分类模块,用于使用所述第一确定模块确定的所述运动模式对应的动作分类器对所述第二确定模块确定的所述预设时间周期内的腕部动作特征向量进行检测,得到所述用户在所述预设时间周期内的腕部动作;
第一切换模块,用于如果所述分类模块确定所述腕部动作为第一预设动作,控制所述可穿戴设备切换到第一显示模式,其中,所述第一显示模式用于表示所述可穿戴设备激活信息显示的模式。
根据本申请的第三方面,提出了一种可穿戴设备,所述可穿戴设备包括:
处理器;用于存储所述处理器可执行指令的存储器;
其中,所述处理器,被配置为上述权利要求所述的显示信息的方法。
由以上技术方案可见,本申请技术方案可以根据加速度数据确定用户的运动模式,并且使用该运动模式对应的分类器对加速度数据对应的腕部动作特征向量进行检测以确定用户的腕部动作,进而在腕部动作为第一预设动作时激活可穿戴设备的信息显示;由于本申请技术方案可应用于不同运动模式的场景中,例如:走路、游泳、跑步等运动模式的场景中,并且根据特定的运动场景采用不同的动作分类模型准确确定出用户的预设动作,提高了根据腕部动作激活可穿戴设备的信息显示的准确度,进而提高了用户使用可穿戴设备的体验。
附图说明
图1A示出了根据本发明的一示例性实施例的显示信息的方法的流程示意图;
图1B示出了根据本发明的一示例性实施例的采集的加速度数据的示意图;
图2A示出了根据本发明的一示例性实施例的如何根据加速度数据确定预设时间周期内的腕部动作特征向量的示意图;
图2B示出了根据本发明的一示例性实施例的步骤202的流程示意图;
图2C示出了根据本发明的一示例性实施例的步骤204的流程示意图;
图2D示出了根据本发明的一示例性实施例的步骤205的流程示意图;
图3A示出了根据本发明的一示例性实施例的显示信息的方法的流程示意图;
图3B示出了根据本发明的一示例性实施例的分类器模型示意图;
图4示出了根据本发明的一示例性实施例的可穿戴设备的结构示意图;
图5示出了根据本发明的一示例性实施例的显示信息的装置的结构示意图;
图6示出了根据本发明的又一示例性实施例的显示信息的装置的结构示意图;
图7示出了根据本发明的另一示例性实施例的显示信息的装置的结构示意图。
具体实施方式
这里将详细地对示例性实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。
在本申请使用的术语是仅仅出于描述特定实施例的目的,而非旨在限制本申请。在本申请和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式,除非上下文清楚地表示其他含义。还应当理解,本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。
应当理解,尽管在本申请可能采用术语第一、第二、第三等来描述各种信息,但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如,在不脱离本申请范围的情况下,第一信息也可以被称为第二信息,类似地,第二信息也可以被称为第一信息。取决于语境,如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”。
为对本申请进行进一步说明,提供下列实施例:
图1A示出了根据本发明的一示例性实施例的显示信息的方法的流程示意图,图1B示出了根据本发明的一示例性实施例的采集的加速度数据的示意图;如图1A所示,包括如下步骤:
步骤101,根据预设时间周期内采集的多个轴向的加速度数据确定用户的运动模式。
在一实施例中,预设时间周期可以为每秒钟或者每十秒钟等设定时间间隔。
在一实施例中,多个轴向的加速度数据可以为三个以上轴向的加速度传感器采集得到多个轴向的加速度数据,例如,如图1B所示,横轴表示采样点,例如横轴对应的“1550”表示第1550个采样点,纵轴表示加速度数据的大小,其中,标号11表示三轴加速度传感器在x轴方向的加速度数据,标号12表示三轴加速度传感器在y轴方向的加速度数据,标号13表示三轴加速度传感器在z轴方向的加速度数据。
在一实施例中,本申请的一个预设时间周期包括N帧数据,每帧数据包括T个采样点,可将每帧数据中的T个采样点的加速度数据的每个轴向的加速度数据计算均值,得到每帧数据的多个轴向的加速度数据,将得到的N个多个轴向的加速度数据输入运动模式分类器,运动模式分类器即可根据输入确定用户在预设时间周期内的运动模式。
在一实施例中,用户也可通过物理操作手动输入用户在预设时间周期内的运动模式。例如,通过按某个物理按键触发可穿戴设备切换到跑步运动模式。
在一实施例中,运动模式包括但不限于以下模式:跑步模式、快走模式、散步模式、游泳模式等。
步骤102,根据预设时间周期内的多个轴向的加速度数据,确定用户在预设时间周期内的腕部动作特征向量。
在一实施例中,参见图1B,为了识别一个完整的腕部动作,本申请将预设时间周期内的加速度数据分为两部分,一部分为腕部运动部分,另一部分为腕部稳定部分,分别计算两部分加速度数据的腕部动作特征向量,组成该预设时间周期内的腕部动作特征向量。
在一实施例中,预设时间周期内的腕部动作特征向量可以通过下述图2A所示实施例得到,在此先不详述。
步骤103,使用运动模式对应的动作分类器对预设时间周期内的腕部动作特征向量进行检测,得到用户在预设时间周期内的腕部动作。
在一实施例中,每种运动模式对应的动作分类器可以通过可穿戴设备提供商通过海量的用户实际使用数据统计得到,并存储到可穿戴设备中,在用户使用可穿戴设备的前设定时间段内,也可以对每种模式对应的动作分类器进行更新,从而可以使动作分类器能够更好地根据不同的运动模式识别用户的腕部动作是否为预设动作,例如,是否为激活信息显示的第一预设动作,或者是否为停止信息显示的第二预设动作等。
步骤104,如果腕部动作为第一预设动作,控制可穿戴设备切换到第一显示模式。
在一实施例中,第一显示模式用于表示可穿戴设备激活信息显示的模式。
在一实施例中,第一预设动作为激活信息显示的动作,例如,腕部的动作是从身体外侧到身体正前方一个可视角度位置。
在一实施例中,控制可穿戴设备切换到第一显示模式,即激活信息显示的操作包括但不限于以下操作:开启显示屏的背光灯;调整显示屏显示信息的刷新频率。
由上述描述可知,本发明实施例通过上述步骤101-步骤104可以根据加速度数据确定用户的运动模式,并且使用该运动模式对应的分类器对加速度数据对应的腕部动作特征向量进行检测以确定用户的腕部动作,进而在腕部动作为第一预设动作时激活可穿戴设备的信息显示;由于本申请技术方案可应用于不同运动模式的场景中,例如:走路、游泳、跑步等运动模式的场景中,并且根据特定的运动场景采用不同的动作分类模型准确确定出用户的预设动作,提高了根据腕部动作激活可穿戴设备的信息显示的准确度,进而提高了用户使用可穿戴设备的体验。
图2A示出了根据本发明的一示例性实施例的如何根据加速度数据确定用户在预设时间周期内的腕部动作特征向量的示意图,图2B示出了根据本发明的一示例性实施例的步骤202的流程示意图,图2C示出了根据本发明的一示例性实施例的步骤204的流程示意图,图2D示出了根据本发明的一示例性实施例的步骤205的流程示意图;如图2D所示,包括如下步骤:
步骤201,将预设时间周期内的多个轴向的加速度数据分割为N帧数据,其中,N为正整数。
在一实施例中,预设时间周期可以为每秒钟或者每十秒钟等设定时间间隔,可将一个预设时间周期内采集的加速度数据作为识别一个腕部动作的样本。
在一实施例中,本申请的一个预设时间周期包括N帧数据,每帧数据包括T个采样点。
步骤202,计算每一帧数据的特征集,得到N个特征集。
在一实施例中,每个特征集中包括M个特征值,M为正整数。
在一实施例中,计算每一帧数据的特征集可参见图2B的详细描述,这里先不详述。
步骤203,根据N个特征集确定第一特征集向量和第二特征集向量。
在一实施例中,为了识别一个完整的腕部动作,本申请将预设时间周期内的N帧数据按照时间顺序分为两部分,前一部分的帧数据为腕部运动部分的帧数据,后一部分的帧数据为腕部稳定部分的帧数据,因此这里对应将N个特征集分为两组,得到第一特征集向量和第二特征集向量。
在一实施例中,第一特征集向量为P*M向量,第二特征集向量为Q*M向量。
在一实施例中,第一特征集向量的长度P和第二特征集向量的长度Q可以通过可穿戴设备提供商通过海量的用户实际使用数据训练得到,并存储到可穿戴设备中,在用户使用可穿戴设备的前设定时间段内,可以通过用户使用可穿戴设备的时机使用数据进行更新,从而可以根据通过第一特征集向量和第二特征集向量确定的腕部动作特征向量能够更好地识别腕部动作。
在一实施例中,第一特征集向量的长度P和第二特征集向量的长度Q的大小可以根据经验数据预先设置。例如,如果腕部动作的样本数据为10帧数据,则可设定第一特征集向量的长度P为7,第二特征集向量的长度Q为3。
步骤204,根据第一特征集向量中的特征值确定第一预设个数的特征值。
在一实施例中,计算第一预设个数的特征值可参见图2C的详细描述,这里先不详述。
步骤205,根据第二特征集向量中的特征值确定第二预设个数的特征值。
在一实施例中,计算第一预设个数的特征值可参见图2D的详细描述,这里先不详述。
步骤206,将第一预设个数的特征值和第二预设个数的特征值组合为预设时间周期内的腕部动作特征向量。
图2B示出了根据本发明的一示例性实施例的步骤202的流程示意图,以加速度为三轴加速度为例进行示例性说明,包括以下步骤:
步骤211,计算每一帧数据中每一个采样点的每一个轴向的轴向特征值。
在一实施例中,每一个轴向的轴向特征值为x、y、z三个轴的每一个轴的相对角度值。
在一实施例中,可以使用式(1)计算x轴的相对角度值:
在一实施例中,可以使用式(2)计算y轴的相对角度值:
在一实施例中,可以使用式(3)计算z轴的相对角度值:
步骤212,计算每一帧数据中的每一个轴向的轴向特征值的均值,得到第一组特征值。
在一实施例中,通过计算每一个采样点的x、y、z中每一个轴向的相对角度的均值即可得到对应的每一帧数据的x、y、z中每一个轴向的相对角度。
例如,如果每一帧数据包括6个采样点,则通过式(1)、式(2)、式(3)可以计算得到6个x轴的相对角度、6个y轴的相对角度、6个z轴的相对角度,对6个x轴的相对角度求均值可得到对应帧数据的x轴的相对角度,对6个y轴的相对角度求均值可得到对应帧数据的y轴的相对角度,对6个z轴的相对角度求均值可得到对应帧数据的z轴的相对角度。
步骤213,计算每一帧数据中每一个采样点的采样点特征值。
在一实施例中,采样点特征值为采样点的加速度数据相对重力方向的绝对角度。
在一实施例中,可通过式(4)计算采样点的加速度数据相对重力方向的绝对角度:
cos G=(x,y,z)·(0,0,G) 式(4)
步骤214,计算每一帧数据中每一个采样点的采样点特征值的均值,得到第二组特征值。
在一实施例中,通过计算每一个采样点的加速度数据相对重力方向的绝对角度的均值可以得到每一帧加速度数据相对重力方向的绝对角度。
步骤215,计算每一帧数据的第一组采样点中的每一个轴向的轴向特征值的均值与第二组采样点中每一个轴向的轴向特征值的均值的差值,得到第三组特征值。
在一实施例中,可将每一帧数据按照采样点的时间分为数据量基本相等的两组。例如,如果每一帧数据包括6个采样点,则可分为每组3个采样点的两组数据,前三个采样点为第一组采样点,后三个采样点为第二组采样点。
例如,如果每一帧数据包括6个采样点,则通过式(1)、式(2)、式(3)可以计算得到6个x轴的相对角度、6个y轴的相对角度、6个z轴的相对角度;分为两组后,每组数据中3个x轴的相对角度、3个y轴的相对角度、3个z轴的相对角度;对前3个x轴的相对角度求均值可得到第一组采样点的x轴的相对角度θp1,对前3个y轴的相对角度求均值可得到第一组采样点的y轴的相对角度对前3个z轴的相对角度求均值可得到第一组采样点的z轴的相对角度对后3个x轴的相对角度求均值可得到第二组采样点的x轴的相对角度θp2,对后3个y轴的相对角度求均值可得到第二组采样点的y轴的相对角度对后3个z轴的相对角度求均值可得到第二组采样点的z轴的相对角度
在一实施例中,可通过式(5)计算两组的x轴向的特征值的差值:
δθ=θp1-θp2 式(5)
在一实施例中,可通过式(6)计算两组的y轴向的特征值的差值:
在一实施例中,可通过式(7)计算两组的z轴向的特征值的差值:
步骤216,将第一组特征值、第二组特征值和第三组特征值确定为每一帧数据的加速度数据的特征集。
在一实施例中,将第一组特征值中的三个特征值、第二组特征值中的一个特征值以及第三组特征值中的三个特征值组成为对应帧数据的特征集即可,即每一帧数据的加速度数据的特征集中包括7个特征值。
图2C示出了根据本发明的一示例性实施例的步骤204的流程示意图,结合图2B实施例以及表1进行示例性说明,包括以下步骤:
步骤221,计算第一特征集向量中的第一组特征值中的每一个特征值的均值,得到三个特征值F1、F2、F3。
在一实施例中,特征值F1为P帧数据的x轴的相对角度值的均值。
在一实施例中,特征值F2为P帧数据的y轴的相对角度值的均值。
在一实施例中,特征值F3为P帧数据的z轴的相对角度值的均值。
参见表1,为腕部动作特征向量示意表。
表1腕部动作特征向量
步骤222,计算第一特征集向量中的第二组特征值的方差,得到一个特征值F4。
在一实施例中,特征值F4为P帧数据的相对重力方向的绝对角度的方差。
步骤223,计算第一特征集向量中的第三组特征值中的每一个特征值的均值,得到三个特征值F5、F6、F7。
步骤224,将特征值F1、F2、F3、F4、F5、F6、F7确定为第一预设个数的特征值。
在一实施例中,参见表1,腕部运动部分的第一预设个数的特征值为7个特征值。
图2D示出了根据本发明的一示例性实施例的步骤205的流程示意图,结合图2B实施例以及表1进行示例性说明,包括以下步骤:
步骤231,计算第二特征集向量中的第一组特征值中的每一个特征值的均值,得到三个特征值F8、F9、F10。
在一实施例中,特征值F8为Q帧数据的x轴的相对角度值的均值。
在一实施例中,特征值F9为Q帧数据的y轴的相对角度值的均值。
在一实施例中,特征值F10为Q帧数据的z轴的相对角度值的均值。
步骤232,计算第二特征集向量中的第二组特征值的方差,得到一个特征值F11。
在一实施例中,特征值F11为Q帧数据的相对重力方向的绝对角度的方差。
步骤233,将特征值F8、F9、F10、F11确定为第二预设个数的特征值。
在一实施例中,由于腕部稳定后,腕部的方向不会再继续发生变化,因此这里不再计算用于表示腕部方向的特征值。
在一实施例中,参见表1,腕部稳定部分的第二预设个数的特征值为4个特征值。
在一实施例中,腕部运动部分的7个特征值和腕部稳定部分的4个特征值即组成了预设时间周期的腕部动作特征向量。
由以上描述可知,本实施例中将预设时间周期内的加速度数据为腕部运动部分和腕部稳定部分两个部分,分别提取相应特征组成腕部动作的腕部动作特征向量,根据该腕部动作特征向量识别这一腕部动作是否为第一预设动作,可提高动作识别的准确性。
图3A示出了根据本发明的一示例性实施例的显示信息的方法的流程示意图,图3B示出了根据本发明的一示例性实施例的分类器模型示意图;如图3A所示,包括如下步骤:
步骤301,在预设时间周期内采集多个轴向的加速度数据,执行步骤301和步骤304。
步骤302,将多个轴向的加速度数据输入运动模式分类器。
在一实施例中,可通过机器学习的方法使用海量的加速度数据训练运动模式分类器。
步骤303,将运动模式分类器输出的运动模式确定为用户在预设时间周期内的运动模式,执行步骤305。
参见图3B,运动模式分类器为一级分类器,在一实施例中,可以根据输入的加速度数据确定用于在预设时间周期内的运动模式;在又一实施例中,用户也可通过物理操作手动输入用户在预设时间周期内的运动模式,例如,通过按某个物理按键触发可穿戴设备切换到跑步运动模式。
步骤304,根据预设时间周期内的多个轴向的加速度数据,确定用户在预设时间周期内的腕部动作特征向量,执行步骤305。
在一实施例中,预设时间周期内的腕部动作特征向量可以通过图2A所示实施例得到,在此不再赘述。
步骤305,使用运动模式对应的动作分类器对预设时间周期内的腕部动作特征向量进行检测,得到用户在预设时间周期内的腕部动作。
参见图3B,动作分类器为二级分类器,二级分类器中针对每个运动模式提供一个动作分类器。运动模式分类器确定用户所处的运动模式之后,即可采用使用对应运动模式的动作分类器对预设时间周期内的腕部动作特征向量进行检测以确定用户在预设时间周期内的腕部动作。
在一实施例中,每种运动模式对应的动作分类器可以通过可穿戴设备提供商通过海量的用户实际使用数据统计得到,并存储到可穿戴设备中,在用户使用可穿戴设备的前设定时间段内,也可以对每种模式对应的动作分类器进行更新,从而可以使动作分类器能够更好地根据不同的运动模式识别用户的腕部动作是否为预设动作,例如,是否为激活信息显示的第一预设动作,或者是否为停止信息显示的第二预设动作等。
步骤306,如果腕部动作为第一预设动作,控制可穿戴设备切换到第一显示模式,执行步骤307。
在一实施例中,第一显示模式用于表示可穿戴设备激活信息显示的模式。
在一实施例中,第一预设动作为激活信息显示的动作,例如,腕部动作是从身体外侧到身体正前方一个可视角度位置。
在一实施例中,激活信息显示的操作包括但不限于:打开显示屏、开启显示屏背光灯和改变显示屏显示信息的刷新频率,等等。
步骤307,当可穿戴设备工作于第一显示模式的时间超过预设时间阈值时,控制可穿戴设备切换到第二显示模式。
步骤308,如果腕部动作为第二预设动作,控制可穿戴设备切换到第二显示模式。
在一实施例中,第二预设动作为停止激活信息显示的动作,例如,腕部动作是从身体正前方到身体外侧的动作。
在一实施例中,第二显示模式用于表示可穿戴设备未激活信息显示的模式。
步骤309,如果腕部动作为第三预设动作,控制可穿戴设备执行在下一预设时间周期内采集的多个轴向的加速度数据的步骤,执行步骤302。
在一实施例中,下一预设时间周期与当前预设时间周期是通过滑动窗口的方式进行划分。例如,当前预设时间周期为10点30分15秒到25秒的时间段,则下一预设时间周期可以为10点30分16秒到26秒的时间段。
由以上描述可知,本实施例通过加速度数据识别用户所处的运动模式,然后根据该运动模式对应的动作分类器对腕部动作特征向量进行检测以确定腕部动作,因此本申请技术方案可以应用于多种运动场景中,提高了根据腕部动作激活可穿戴设备的信息显示的准确度,进而提高了用户使用可穿戴设备的体验。
本领域技术人员可以理解的是,本申请仅以三轴加速度传感器监测到的加速度数据来识别腕部动作为例进行示例性说明,本申请还可以使用更多轴或者两轴的加速度传感器采集到的加速度数据识别腕部动作;对于上述实施例中涉及到的计算特征值所使用的均值、方差等步骤,本申请对各个步骤的处理顺序不做限制。
对应于上述显示信息的方法,本申请还提出了图4所示的根据本申请的一示例性实施例的可穿戴设备的示意结构图。请参考图4,在硬件层面,该可穿戴设备包括处理器、内部总线、网络接口、内存以及非易失性存储器,当然还可能包括其他业务所需要的硬件。处理器从非易失性存储器中读取对应的计算机程序到内存中然后运行,在逻辑层面上形成显示信息的装置。当然,除了软件实现方式之外,本申请并不排除其他实现方式,比如逻辑器件抑或软硬件结合的方式等等,也就是说以下处理流程的执行主体并不限定于各个逻辑单元,也可以是硬件或逻辑器件。
图5示出了根据本发明的一示例性实施例的显示信息的装置的结构示意图;如图5所示,该显示信息的装置可以包括:第一确定模块51、分类模块52、第一切换模块53。其中:
第一确定模块51,用于根据预设时间周期内采集的多个轴向的加速度数据确定用户的运动模式;
第二确定模块52,用于根据所述预设时间周期内的所述多个轴向的加速度数据,确定用户在所述预设时间周期内的腕部动作特征向量;
分类模块53,用于使用所述第一确定模块51确定的所述运动模式对应的动作分类器对所述第二确定模块52确定的所述预设时间周期内的腕部动作特征向量进行检测,得到所述用户在所述预设时间周期内的腕部动作;
第一切换模块54,用于如果分类模块53确定腕部动作为第一预设动作,控制可穿戴设备切换到第一显示模式,其中,第一显示模式用于表示可穿戴设备激活信息显示的模式。
图6示出了根据本发明的又一示例性实施例的显示信息的装置的结构示意图;如图6所示,在上述图5所示实施例的基础上,在一实施例中,第二确定模块52还包括:
分割单元521,用于将预设时间周期内的多个轴向的加速度数据分割为N帧数据,其中,N为正整数;
特征集确定单元522,计算分割单元521分割得到的每一帧数据的特征集,得到N个特征集,其中,每个特征集中包括M个特征值,M为正整数;
分组单元523,用于根据特征集确定单元522计算得到的N个特征集确定第一特征集向量和第二特征集向量,其中,第一特征集向量为P*M向量,第二特征集向量为Q*M向量;
第一特征值确定单元524,用于根据分组单元523得到的第一特征集向量中的特征值确定第一预设个数的特征值;
第二特征值确定单元525,用于根据分组单元523得到的第二特征集向量中的特征值确定第二预设个数的特征值;
特征向量确定单元526,用于第一特征值确定单元524得到的第一预设个数的特征值和第二特征值确定单元525得到的第二预设个数的特征值组合为预设时间周期内的腕部动作特征向量。
在一实施例中,特征集确定单元522包括:
第一计算子单元5221,用于基于每一个采样点的每一个轴向的轴向特征值,计算每一帧数据中的每一个轴向的轴向特征值的均值,得到第一组特征值,其中,每一帧数据中包括T个采样点;
第二计算子单元5222,用于基于每一个采样点的采样点特征值,计算每一帧数据中的采样点特征值的均值,得到第二组特征值;
第三计算子单元5223,用于计算每一帧数据的第一组采样点中的每一个轴向的轴向特征值的均值与第二组采样点中每一个轴向的轴向特征值的均值的差值,得到第三组特征值;
第二确定子单元5224,用于将第一计算子单元5221得到的第一组特征值、第二计算子单元5222得到的第二组特征值和第三计算子单元5223得到的第三组特征值确定为每一帧数据的加速度数据的特征集。
在一实施例中,第一特征值确定单元524包括:
第四计算子单元5241,用于计算第一特征集向量中的第一组特征值中的每一个特征值的均值,得到三个特征值F1、F2、F3;
第五计算子单元5242,用于计算第一特征集向量中的第二组特征值的方差,得到一个特征值F4;
第六计算子单元5243,用于计算第一特征集向量中的第三组特征值中的每一个特征值的均值,得到三个特征值F5、F6、F7;
第三确定子单元5244,用于将第四计算子单元5241计算得到的特征值F1、F2、F3,第五计算子单元5242计算得到的特征值F4,以及第六计算子单元5423计算得到的特征值F5、F6、F7确定为第一预设个数的特征值。
在一实施例中,第二特征值确定单元525包括:
第七计算子单元5251,用于计算第二特征集向量中的第一组特征值中的每一个特征值的均值,得到三个特征值F8、F9、F10;
第八计算子单元5252,用于计算第二特征集向量中的第二组特征值的方差,得到一个特征值F11;
第四确定子单元5253,用于将第七计算子单元5251计算得到的特征值F8、F9、F10,以及第八计算子单元5252计算得到的特征值F11确定为第二预设个数的特征值。
图7示出了根据本发明的另一示例性实施例的显示信息的装置的结构示意图;如图7所示,在上述图5和/或图6所示实施例的基础上,在一实施例中,第一确定模块51包括:
输入单元511,用于将多个轴向的加速度数据输入运动模式分类器;
第一确定单元512,用于将运动模式分类器输出的运动模式确定为用户在预设时间周期内的运动模式。
在一实施例中,装置还包括:
第一训练模块55,用于使用训练样本的加速度数据对分类器模型进行训练,得到运动模式分类器;
第二训练模块56,用于使用第一训练模块55得到的运动模式分类器和训练样本的加速度数据对应的腕部动作特征向量对分类器模型进行训练,得到动作分类器。
在一实施例中装置还包括:
第二切换模块57,用于如果分类模块53确定腕部动作为第二预设动作,控制可穿戴设备切换到第二显示模式,其中,第二显示模式用于表示可穿戴设备未激活信息显示的模式;
控制模块58,用于如果分类模块53确定腕部动作为第三预设动作,控制可穿戴设备执行根据预设时间周期内采集的多个轴向的加速度数据确定用户的运动模式的步骤。
在一实施例中,装置还包括:
第三切换模块59,用于当可穿戴设备工作于第一显示模式的时间超过预设时间阈值时,控制可穿戴设备切换到第二显示模式。
在一实施例中,第一切换模块54包括:
开启单元541,用于开启显示屏的背光灯;
调整单元542,用于调整所述显示屏显示信息的刷新频率。
由上述实施例可见,本申请技术方案可应用于不同运动模式的场景中,例如:走路、游泳、跑步等运动模式的场景中,并且根据特定的运动场景采用不同的动作分类模型准确确定出用户的预设动作,提高了根据腕部动作激活可穿戴设备的信息显示的准确度,进而提高了用户使用可穿戴设备的体验。
本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本申请的其它实施方案。本申请旨在涵盖本申请的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本申请的一般性原理并包括本申请未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本申请的真正范围和精神由下面的权利要求指出。
还需要说明的是,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括要素的过程、方法、商品或者设备中还存在另外的相同要素。
以上仅为本申请的较佳实施例而已,并不用以限制本申请,凡在本申请的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本申请保护的范围之内。