CN106289230A

CN106289230A - 运动轨迹数据的处理方法、装置及可穿戴设备

Info

Publication number: CN106289230A
Application number: CN201610576144.0A
Authority: CN
Inventors: 陈陌寒
Original assignee: Beijing Shunyuan Kaihua Technology Co Ltd
Current assignee: Beijing Shunyuan Kaihua Technology Co Ltd
Priority date: 2016-07-20
Filing date: 2016-07-20
Publication date: 2017-01-04

Abstract

本申请提供一种运动轨迹数据的处理方法、装置及可穿戴设备，该方法包括：确定可穿戴设备的当前定位数据；根据可穿戴设备的当前定位数据以及第一预设个数的历史定位数据，确定可穿戴设备的当前定位数据是否为异常值；如果可穿戴设备的当前定位数据不为异常值，则根据当前定位数据以及第二预设个数的历史定位数据确定可穿戴设备在设定时间周期内的运动轨迹模式；根据可穿戴设备在设定时间周期内的运动轨迹模式对当前定位数据进行对应的处理。本申请的技术方案准确地识别可穿戴设备的当前定位数据是否为异常值，并在当前定位数据不为异常值时，根据可穿戴设备在设定时间周期内的运动模式对当前定位数据进行数据处理。

Description

运动轨迹数据的处理方法、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，尤其涉及一种运动轨迹数据的处理方法、装置及可穿戴设备。

背景技术

随着可穿戴设备的快速发展，用户可以通过可穿戴设备实现各种应用功能，例如通过可穿戴设备的定位导航功能确定用户运动轨迹，进而计算出用户的运动量。

由于定位导航芯片得到的原始定位数据存在误差，现有技术中，可使用低阶低通滤波或者高阶低通滤波对原始定位数据进行平滑滤波处理，但是现有技术对所有原始定位数据统一使用固定阶数的滤波函数进行滤波，可导致使用低阶低通滤波函数时，平滑后的定位数据的方差依然较大，精度较低；而使用高阶低通滤波时，平滑后的定位数据延迟较大，降低了导航的实时性，进而降低了用户的体验。

发明内容

有鉴于此，本申请提供一种新的技术方案，可以解决现有技术对原始定位数据统一使用固定阶数的滤波函数进行滤波导致的定位数据精度低、导航实时性差的技术问题。

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，提出了一种运动轨迹数据的处理方法，应用在可穿戴设备上，包括：

确定所述可穿戴设备的当前定位数据；

根据所述可穿戴设备的当前定位数据以及第一预设个数的历史定位数据，确定所述可穿戴设备的当前定位数据是否为异常值；

如果所述可穿戴设备的当前定位数据不为异常值，则根据所述当前定位数据以及第二预设个数的历史定位数据确定所述可穿戴设备在设定时间周期内的运动轨迹模式；

根据所述可穿戴设备在所述设定时间周期内的运动轨迹模式对所述当前定位数据进行对应的处理。

根据本申请的第二方面，提出了一种运动轨迹数据的处理的装置，应用在可穿戴设备上，包括：

数据确定模块，用于确定所述可穿戴设备的当前定位数据；

数据类型确定模块，用于根据所述数据确定模块确定的所述可穿戴设备的当前定位数据以及第一预设个数的历史定位数据，确定所述可穿戴设备的当前定位数据是否为异常值；

运动模式确定模块，用于如果所述数据类型确定模块确定所述可穿戴设备的当前定位数据不为异常值，则根据所述当前定位数据以及第二预设个数的历史定位数据确定所述可穿戴设备在设定时间周期内的运动轨迹模式；

数据处理模块，用于根据所述运动模式确定模块确定的所述可穿戴设备在所述设定时间周期内的运动轨迹模式对所述当前定位数据进行对应的处理。

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，被配置为执行上述权利要求所述的运动轨迹处理方法。

由以上技术方案可见，本申请可以准确地识别可穿戴设备的当前定位数据是否为异常值，并在当前定位数据不为异常值时，进一步判断可穿戴设备在设定时间周期内的运动模式，进而实现根据可穿戴设备在设定时间周期内的运动模式对当前定位数据进行数据处理，例如对直线运动模式的轨迹数据进行直线拟合处理，减小数据延迟，对曲线运动模式的轨迹数据进行曲线拟合处理，提高定位精度，使得定位结果更符合可穿戴设备得实际运动情况，优化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运动轨迹数据的处理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对直线运动轨迹进行轨迹数据处理的效果图；

图1C示出了根据本发明的一示例性实施例的对曲线运动轨迹进行轨迹数据处理的效果图；

图2A示出了根据本发明的又一示例性实施例的如何确定当前定位数据是否为异常值的流程示意图；

图2B示出了根据本发明的又一示例性实施例的步骤201的方法流程图；

图3示出了根据本发明的另一示例性实施例的如何确定可穿戴设备在设定时间周期内的运动轨迹模式的流程示意图；

图4示出了根据本发明的另一示例性实施例的运动轨迹数据的处理方法的流程图；

图5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6示出了根据本发明的一示例性实施例的运动轨迹数据的处理的装置的结构示意图；

图7示出了根据本发明的又一示例性实施例的运动轨迹数据的处理的装置的结构示意图；

图8示出了根据本发明的另一示例性实施例的运动轨迹数据的处理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运动轨迹数据的处理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对直线运动轨迹进行轨迹数据处理的效果图，图1C示出了根据本发明的一示例性实施例的对曲线运动轨迹进行轨迹数据处理的效果图；如图1A所示，包括如下步骤：

步骤101，确定可穿戴设备的当前定位数据。

在一实施例中，定位数据可包括可穿戴设备的地理坐标，例如可穿戴设备所在位置为(40°N、75°W)，地里坐标还可以以地图中的地点方式表示，例如可穿戴设备位于中关村南路2号院；在又一实施例中，定位数据还可包括可穿戴设备的速度信息，例如，可穿戴设备的速度为：方向北偏东30度，大小为10千米/小时；在再一实施例中，还可根据可穿戴设备在不同定位点的速度差值确定可穿戴设备的加速度数据，例如，可穿戴设备20点53分的速度为10千米/小时，而20点54分的速度为10.5千米/小时，则可确定可穿戴设备在20点54分的时间段内的加速度均值为5米/平方分钟。

步骤102，根据可穿戴设备的当前定位数据以及第一预设个数的历史定位数据，确定可穿戴设备的当前定位数据是否为异常值，如果可穿戴设备的当前定位数据不为异常值，则执行步骤103。

在一实施例中，异常值可以理解为不满足实际情况的数值，例如，佩戴可穿戴设备的用户前一分钟的定位数据为地理坐标中关村南路，而当前定位数据为地理坐标为学院路，通过这用户这一分钟内的平均速度超过用户的速度阈值，因此可判定当前定位数据为异常值。

在一实施例中，当前定位数据是否为异常值可以通过下述图2A所示实施例得到，在此先不详述。

步骤103，根据当前定位数据以及第二预设个数的历史定位数据确定可穿戴设备在设定时间周期内的运动轨迹模式。

在一实施例中，设定时间周期可以为一分钟、2分钟等预设时间段；在又一实施例中，设定时间周期还可以通过定位数据的组数来衡量，例如根据每5组定位数据确定这5组定位数据对应的设定时间周期的运动轨迹模式。

在一实施例中，运动轨迹模式可以包括直线运动模式、曲线运动模式。

在一实施例中，可穿戴设备在设定时间周期内的运动轨迹模式可以通过下述图3所示实施例得到，在此先不详述。

步骤104，根据可穿戴设备在设定时间周期内的运动轨迹模式对当前定位数据进行对应的处理。

在一实施例中，如果设定时间周期内的运动轨迹模式为直线运动模式，则可使用设定时间周期内的运动轨迹对应的线形函数对当前定位数据进行处理；在一实施例中，如果设定时间周期内的运动轨迹模式为曲线运动模式，则可使用设定时间周期内的运动轨迹对应的曲线函数对当前定位数据进行处理。

在一示例性实施例中，参见图1B，图中标号为11的线条为根据原始的定位数据确定的运动轨迹，图中标号为12的线条为对标号11的线条进行线形拟合处理后得到的运动轨迹，由图1B可以看出标号为12的轨迹更为平滑。

在又一示例性实施例中，参见图1C，图中标号为13的线条为根据原始的定位数据确定的运动轨迹，图中标号为14的线条为对标号13的线条进行曲线拟合处理后得到的运动轨迹，由图1C可以看出标号为14的轨迹更为平滑。

由上述描述可知，本发明实施例可以准确地识别可穿戴设备的当前定位数据是否为异常值，并在当前定位数据不为异常值时，进一步判断可穿戴设备在设定时间周期内的运动模式，进而实现根据可穿戴设备在设定时间周期内的运动模式对当前定位数据进行数据处理，例如对直线运动模式的轨迹数据进行直线拟合处理，减小数据延迟，对曲线运动模式的轨迹数据进行曲线拟合处理，提高定位精度，使得定位结果更符合可穿戴设备的实际运动情况，优化用户使用可穿戴设备的体验。

图2A示出了根据本发明的又一示例性实施例的如何确定当前定位数据是否为异常值的流程示意图，图2B示出了根据本发明的又一示例性实施例的步骤201的方法流程图；如图2A所示，包括如下步骤：

步骤201，确定可穿戴设备的当前定位数据对应的当前判决量。

在一实施例中，步骤201的详细描述可参见图2B所示的实施例，如图2B所示，包括以下步骤：

步骤211，确定可穿戴设备的上一个为正常值的地理坐标。

在一实施例中，可穿戴设备作获取的定位数据包括异常值和正常值，可将正常值存储在数据缓存中，对异常值进行修复后也可将修复后的数值存储在缓存中。

在一实施例中，可通过查询数据缓存获取上一个为正常值的地理坐标。

步骤212，计算可穿戴设备的当前地理坐标与可穿戴设备的上一个为正常值的地理坐标之间的相对位移。

在一实施例中，例如，当前地理坐标为中关村南大街国家图书馆门口，上一个为正常值的地理坐标为中关村南大街中央民族美术学院门口，则相对位移为680米。

步骤213，将相对位移确定为当前判决量。

步骤202，确定可穿戴设备的当前定位数据对应的判决门限值。

在一实施例中，可根据当前定位数据的上一个为正常值的定位数据的速度、加速度以及当前定位数据与上一个为正常值的定位数据的时间差确定判决门限值。

在一实施例中，当前定位数据与上一个为正常值的定位数据的时间差可根据以下两种方式确定。

方式一：可根据采集可穿戴设备的定位数据的周期以及当前定位数据与上一个为正常值的定位数据之间的异常值数目计算得到。

例如，采集可穿戴设备的定位数据的周期为一分钟，而当前定位数据与上一个为正常值的定位数据之间的异常值为3，则当前定位数据与上一个为正常值的定位数据的时间差为4分钟。

在一实施例中，可通过异常值计数器对连续异常值进行计数，例如：如果8点24分获取的定位数据为正常值，而8点25分、8点26分、8点27分连续获取的三次定位数据都是异常值，则异常值计数器的计数为3，而如果8点28分获取的定位数据为正常值，则异常值计数器归零。

方式二：可计算当前定位数据的采集时间与上一次为正常值的定位数据的采集时间的差值。

在一实施例中，可在定位数据中添加每次采集定位数据的采集时间，并将采集时间与定位数据同步存储在数据缓存中。例如：当前定位数据的采集时间为8点25分，上一次为正常值的定位数据的采集时间为8点15分，则时间差为10分钟。

在一实施例中，可基于式(1)确定当前定位数据对应的判决门限值：

其中，V₀用于表示可穿戴设备的上一个正常值的速度，a用于表示可穿戴设备的上一个正常值的加速度，t₀用于表示采集可穿戴设备的定位数据的周期，count用于表示异常值计数器的计数。例如，t₀为1分钟，count为3，速度为75米/分钟，加速度为5米/平方分钟，则s＝360米。

在一实施例中，还可基于式(2)确定当前定位数据对应的判决门限值：

s＝V_m*(count+1)*t₀ 式(2)

其中，V_m用于表示可穿戴设备的预设速度，t₀用于表示采集可穿戴设备的定位数据的周期，count用于表示异常值计数器的计数。在一实施例中，V_m为一个经验值，用来标识人体运动时的最大速度值。

步骤203，确定当前判决量是否大于判决门限值，如果当前判决量大于判决门限值，则执行步骤204，如果当前判决量不大于判决门限值，则执行步骤206。

步骤204，确定可穿戴设备的当前定位数据为异常值，执行步骤205。

在一实施例中，如果当前定位数据为异常值，可修复异常值；在又一实施例中，如果当前定位数据为异常值，可删除该当前定位数据。

步骤205，将异常值计数器的计数加1。

步骤206，确定可穿戴设备的当前定位数据为正常值，执行步骤206。

步骤207，将异常值计数器的计数归零。

本实施例中，通过对采集到的每一组定位数据计算判决量和判决门限值，可以确定采集到的每一组定位数据是否异常，以便在后续根据正常值或者修复后的异常值确定可穿戴设备的运动轨迹。

图3示出了根据本发明的另一示例性实施例的如何确定可穿戴设备在设定时间周期内的运动轨迹模式的流程示意图；如图3所示，包括如下步骤：

步骤301，将当前定位数据包含的速度方向角以及第二预设个数的为正常值的历史定位数据所包含的速度方向角组成为一个速度方向角集合。

在一实施例中，第二预设个数可以为大于1的自然数，第二预设个数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。

在一实施例中，可将当前定位数据包含的速度方向角与第二预设个数的方向角组成一个集合或者列表。

步骤302，依次计算速度方向角集合中每两个相邻速度方向角的绝对差值，得到第二预设个数的绝对差值。

例如，第二预设个数为4，当前时间，即8点25分采集的定位数据的速度方向角为北偏东30度，8点24分采集的定位数据的速度方向角为北偏东30.5度，8点23分采集的定位数据的速度方向角为北偏东29.6度，8点22分采集的定位数据的速度方向角为北偏东30.5度，8点21分采集的定位数据的速度方向角为北偏东30度，则可得到4个绝对差值，分别为：0.5度、0.9度、0.9度、0.5度。

步骤303，确定绝对差值小于预设角度阈值的数目是否大于预设数目阈值，如果绝对差值小于预设角度阈值的数目大于预设数目阈值，执行步骤304，如果绝对差值小于预设角度阈值的数目小于预设数目阈值，执行步骤305。

在一实施例中，预设角度阈值和预设数目阈值用于区分直线运动和曲线运动，预设角度阈值和预设数目阈值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。例如，预设角度阈值为1度，而预设数目阈值为5个，如果6个绝对差值有5个小于1度，则说明该段时间内可穿戴设备的运动轨迹模式为直线运动模式；如果6个绝对差值有3个小于1度，则说明该度时间内可穿戴设备的运动轨迹模式为曲线运动模式。

步骤304，确定可穿戴设备在设定时间周期内的运动轨迹模式为直线运动模式。

参见图1B，在标号为15的拐角两侧的相邻方向角的绝对差值远远大于1度，可能为90度，但是其他的相邻方向角的绝对差值都小于1度，则图1B所示的轨迹为直线运动轨迹。

步骤305，确定可穿戴设备在设定时间周期内的运动轨迹模式为曲线运动模式。

参见图1C，图中标号16标识的弧形位置的定位数据中，相邻两个方向角的绝对差值小于预设角度阈值的数目小于预设数目阈值，则说明该度时间内可穿戴设备的运动轨迹模式为曲线运动模式。

本实施例中，通过计算相邻两个定位数据的方向角的绝对差值，并且结合预设角度阈值和预设数目阈值可以准确地确定可穿戴设备的运动轨迹模式，进而在后续准备地根据运动轨迹模式对定位数据进行相应的处理。

图4示出了根据本发明的另一示例性实施例的运动轨迹数据的处理方法的流程图；如图4所示，包括如下步骤：

步骤401，确定可穿戴设备的当前定位数据。

在一实施例中，步骤401的详细描述可参见图1A所示实施例的步骤101的描述，这里不再详述。

步骤402，根据可穿戴设备的当前定位数据以及第一预设个数的历史定位数据，确定可穿戴设备的当前定位数据是否为异常值，如果可穿戴设备的当前定位数据不为异常值，则执行步骤403，如果可穿戴设备的当前定位数据为异常值，则执行步骤408。

在一实施例中，步骤402的详细描述可参见图2A所示实施例的描述，这里不再详述。

步骤403，根据当前定位数据以及第二预设个数的历史定位数据确定可穿戴设备在设定时间周期内的运动轨迹模式，执行步骤404和步骤405。

在一实施例中，步骤403的详细描述可参见图3所示实施例的描述，这里不再详述。

步骤404，如果可穿戴设备在设定时间周期内的运动轨迹模式为直线运动模式，则对设定时间周期内获取的定位点的地理坐标做第一预设类型的直线拟合处理，执行步骤406。

在一实施例中，可以利用线性模型y＝ax+b，确定两个参数a和b，使得定位点和所拟合线性函数的y坐标之差的平方和极小化，实现通过线形回归的方法对定位数据进行处理，减小定位数据的延迟。

步骤405，如果可穿戴设备在设定时间周期内的运动轨迹模式为曲线运动模式，则对设定时间周期内获取的定位点的地理坐标做第二预设类型的曲线拟合处理，执行步骤406。

在一实施例中，可使用最小二乘法拟合3阶多项式P₃(x)＝a₀+a₁x+a₂x²+a₃x³，根据历史定位数据来拟合目标多项式；在又一实施例中，可采用切比雪夫意义下的最佳3阶多项式P₃(x)＝a₀+a₁x+a₂x²+a₃x³拟合，根据数据缓存中的已知点求多项式，使得在m个定位点上的偏差最大值为最小，即可以适应智能可穿戴设备速度较快且运动轨迹为曲线的运动特征，避免较大的时间延迟，提高定位精度，使定位结果更符合智能可穿戴设备的实际运动情况。

步骤406，根据处理后的定位数据，确定佩戴可穿戴设备的用户的运动量。

步骤407，推出用户的运动量。

步骤408，对异常值执行修复或去除处理。

对应于上述的运动轨迹数据的处理的方法，本申请还提出了图5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5，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，在逻辑层面上形成运动轨迹数据的处理的装置。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6为根据本发明的一示例性实施例的运动轨迹数据的处理的装置的结构示意图；如图6所示，该运动轨迹数据的处理的装置可以包括：数据确定模块61、数据类型确定模块62、运动模式确定模块63、数据处理模块64。其中：

数据确定模块61，用于确定可穿戴设备的当前定位数据；

数据类型确定模块62，用于根据数据确定模块61确定的可穿戴设备的当前定位数据以及第一预设个数的历史定位数据，确定可穿戴设备的当前定位数据是否为异常值；

运动模式确定模块63，用于如果数据类型确定模块62确定可穿戴设备的当前定位数据不为异常值，则根据当前定位数据以及第二预设个数的历史定位数据确定可穿戴设备在设定时间周期内的运动轨迹模式；

数据处理模块64，用于根据运动模式确定模块63确定的可穿戴设备在设定时间周期内的运动轨迹模式对当前定位数据进行对应的处理。

图7示出了根据本发明的又一示例性实施例的运动轨迹数据的处理的装置的结构示意图；如图7所示，在上述图6所示实施例的基础上，在一实施例中，数据类型确定模块62包括：

判决量确定单元621，用于确定可穿戴设备的当前定位数据对应的当前判决量；

门限值确定单元622，用于确定可穿戴设备的当前定位数据对应的判决门限值；

第一比较单元623，用于确定判决量确定单元621确定的当前判决量是否大于门限值确定单元622确定的判决门限值；

异常值确定单元624，用于如果第一比较单元623确定当前判决量大于判决门限值，则确定可穿戴设备的当前定位数据为异常值；

正常值确定单元625，用于如果第一比较单元623确定当前判决量不大于判决门限值，则确定可穿戴设备的当前定位数据为正常值。

在一实施例中，定位数据包括可穿戴设备的地理坐标；

判决量确定单元621包括：

第一确定子单元6211，用于确定可穿戴设备的上一个为正常值的地理坐标

第一计算子单元6212，用于计算可穿戴设备的当前地理坐标与第一确定子单元6211确定的可穿戴设备的上一个为正常值的地理坐标之间的相对位移；

第二确定子单元6213，用于将第一计算子单元6212计算得到的相对位移确定为当前判决量。

在一实施例中，定位数据包括可穿戴设备的速度、加速度；

门限值确定单元622包括：

第二计算子单元6221，用于基于式(1)确定当前定位数据对应的判决门限值：

其中，V₀用于表示可穿戴设备的上一个正常值的速度，a用于表示可穿戴设备的上一个正常值的加速度，t₀用于表示采集可穿戴设备的定位数据的周期，count用于表示异常值计数器的计数。

在一实施例中，门限值确定单元622包括：

第三计算子单元6222，用于基于式(2)确定所述当前定位数据对应的判决门限值：

s＝V_m*(count+1)*t₀ 式(2)

其中，V_m用于表示可穿戴设备的预设速度，t₀用于表示采集可穿戴设备的定位数据的周期，count用于表示异常值计数器的计数。

图8示出了根据本发明的另一示例性实施例的运动轨迹数据的处理的装置的结构示意图；如图8所示，在上述图6和/或图7所示实施例的基础上，在一实施例中，定位数据包括可穿戴设备的速度方向角；

运动模式确定模块63包括：

方向角集合单元631，用于将当前定位数据包含的速度方向角以及第二预设个数的为正常值的历史定位数据所包含的速度方向角组成为一个速度方向角集合；

差值计算单元632，用于依次计算方向角集合单元631组成的速度方向角集合中每两个相邻速度方向角的绝对差值，得到第二预设个数的绝对差值；

第二比较单元633，用于确定差值计算单元632计算得到的绝对差值小于预设角度阈值的数目是否大于预设数目阈值；

直线运动确定单元634，用于如果第二比较单元633确定绝对差值小于预设角度阈值的数目大于预设数目阈值，则确定可穿戴设备在设定时间周期内的运动轨迹模式为直线运动模式；

曲线运动确定单元635，用于如果第二比较单元633确定绝对差值小于预设角度阈值的数目小于预设数目阈值，则确定可穿戴设备在设定时间周期内的运动轨迹模式为曲线运动模式。

在一实施例中，数据处理模块64包括：

第一拟合处理单元641，用于如果运动模式确定模块63确定可穿戴设备在设定时间周期内的运动轨迹模式为直线运动模式，则对设定时间周期内获取的定位点的地理坐标做第一预设类型的直线拟合处理；

第二拟合处理单元642，用于如果运动模式确定模块63确定可穿戴设备在设定时间周期内的运动轨迹模式为曲线运动模式，则对设定时间周期内获取的定位点的地理坐标做第二预设类型的曲线拟合处理。

在一实施例中，装置还包括：

运动量确定模块65，用于根据数据处理模块64处理后的定位数据，确定佩戴可穿戴设备的用户的运动量；

推出模块66，用于推出运动量确定模块65确定的用户的运动量。

上述实施例可见，本申请可以准确地识别可穿戴设备的当前定位数据是否为异常值，并在当前定位数据不为异常值时，进一步判断可穿戴设备在设定时间周期内的运动模式，进而实现根据可穿戴设备在设定时间周期内的运动模式对当前定位数据进行数据处理，例如对直线运动模式的轨迹数据进行直线拟合处理，减小数据延迟，对曲线运动模式的轨迹数据进行曲线拟合处理，提高定位精度，使得定位结果更符合可穿戴设备得实际运动情况，优化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。

Claims

1.一种运动轨迹数据的处理方法，其特征在于，应用在可穿戴设备上，所述方法包括：

确定所述可穿戴设备的当前定位数据；

2.根据权利要求1所述的方法，其特征在于，所述根据所述可穿戴设备的当前定位数据以及第一预设个数的历史定位数据，确定所述可穿戴设备的当前定位数据是否为异常值，包括：

确定所述可穿戴设备的当前定位数据对应的当前判决量；

确定所述可穿戴设备的当前定位数据对应的判决门限值；

确定所述当前判决量是否大于所述判决门限值；

如果所述当前判决量大于所述判决门限值，则确定所述可穿戴设备的当前定位数据为异常值；

如果所述当前判决量不大于所述判决门限值，则确定所述可穿戴设备的当前定位数据为正常值。

3.根据权利要求2所述的方法，其特征在于，所述定位数据包括可穿戴设备的地理坐标；

所述确定所述可穿戴设备的当前定位数据对应的当前判决量，包括：

确定所述可穿戴设备的上一个为正常值的地理坐标；

计算所述可穿戴设备的当前地理坐标与所述可穿戴设备的上一个为正常值的地理坐标之间的相对位移；

将所述相对位移确定为所述当前判决量。

4.根据权利要求2所述的方法，其特征在于，所述定位数据包括所述可穿戴设备的速度、加速度；

所述确定所述可穿戴设备的当前定位数据对应的判决门限值，包括：

基于式(1)确定所述当前定位数据对应的判决门限值：

其中，V₀用于表示所述可穿戴设备的上一个正常值的速度，a用于表示所述可穿戴设备的上一个正常值的加速度，t₀用于表示采集可穿戴设备的定位数据的周期，count用于表示异常值计数器的计数。

5.根据权利要求2所述的方法，其特征在于，所述确定所述可穿戴设备的当前定位数据对应的判决门限值，包括：

基于式(2)确定所述当前定位数据对应的判决门限值：

s＝V_m*(count+1)*t₀ 式(2)

6.根据权利要求1所述的方法，其特征在于，所述定位数据包括所述可穿戴设备的速度方向角；

所述根据所述当前定位数据以及第二预设个数的历史定位数据确定所述可穿戴设备在设定时间周期内的运动轨迹模式，包括：

将所述当前定位数据包含的速度方向角以及第二预设个数的为正常值的历史定位数据所包含的速度方向角组成为一个速度方向角集合；

依次计算所述速度方向角集合中每两个相邻速度方向角的绝对差值，得到第二预设个数的绝对差值；

确定所述绝对差值小于预设角度阈值的数目是否大于预设数目阈值；

如果所述绝对差值小于预设角度阈值的数目大于预设数目阈值，则确定所述可穿戴设备在设定时间周期内的运动轨迹模式为直线运动模式；

如果所述绝对差值小于预设角度阈值的数目小于预设数目阈值，则确定所述可穿戴设备在设定时间周期内的运动轨迹模式为曲线运动模式。

7.根据权利要求1所述的方法，其特征在于，所述根据所述可穿戴设备在所述设定时间周期内的运动轨迹模式对所述当前定位数据进行对应的处理，包括：

如果所述可穿戴设备在所述设定时间周期内的运动轨迹模式为直线运动模式，则对所述设定时间周期内获取的定位点的地理坐标做第一预设类型的直线拟合处理；

如果所述可穿戴设备在所述设定时间周期内的运动轨迹模式为曲线运动模式，则对所述设定时间周期内获取的定位点的地理坐标做第二预设类型的曲线拟合处理。

8.根据权利要求1所述的方法，其特征在于，所述方法还包括：

根据处理后的定位数据，确定佩戴所述可穿戴设备的用户的运动量；

推出所述用户的运动量。

9.一种运动轨迹数据的处理装置，其特征在于，应用在可穿戴设备上，所述装置包括：

数据确定模块，用于确定所述可穿戴设备的当前定位数据；

10.根据权利要求9所述的装置，其特征在于，所述数据类型确定模块包括：

判决量确定单元，用于确定所述可穿戴设备的当前定位数据对应的当前判决量；

门限值确定单元，用于确定所述可穿戴设备的当前定位数据对应的判决门限值；

第一比较单元，用于确定所述判决量确定单元确定的所述当前判决量是否大于所述门限值确定单元确定的所述判决门限值；

异常值确定单元，用于如果所述第一比较单元确定所述当前判决量大于所述判决门限值，则确定所述可穿戴设备的当前定位数据为异常值；

正常值确定单元，用于如果所述第一比较单元确定所述当前判决量不大于所述判决门限值，则确定所述可穿戴设备的当前定位数据为正常值。

11.根据权利要求10所述的装置，其特征在于，所述定位数据包括可穿戴设备的地理坐标；

所述判决量确定单元包括：

第一确定子单元，用于确定所述可穿戴设备的上一个为正常值的地理坐标

第一计算子单元，用于计算所述可穿戴设备的当前地理坐标与所述第一确定子单元确定的所述可穿戴设备的上一个为正常值的地理坐标之间的相对位移；

第二确定子单元，用于将所述第一计算子单元计算得到的所述相对位移确定为所述当前判决量。

12.根据权利要求10所述的装置，其特征在于，所述定位数据包括所述可穿戴设备的速度、加速度；

所述门限值确定单元包括：

第二计算子单元，用于基于式(1)确定所述当前定位数据对应的判决门限值：

13.根据权利要求10所述的装置，其特征在于，所述门限值确定单元包括：

第三计算子单元，用于基于式(2)确定所述当前定位数据对应的判决门限值：

s＝V_m*(count+1)*t₀ 式(2)

14.根据权利要求9所述的装置，其特征在于，所述定位数据包括所述可穿戴设备的速度方向角；

所述运动模式确定模块包括：

方向角集合单元，用于将所述当前定位数据包含的速度方向角以及第二预设个数的为正常值的历史定位数据所包含的速度方向角组成为一个速度方向角集合；

差值计算单元，用于依次计算所述速度方向角集合中每两个相邻速度方向角的绝对差值，得到第二预设个数的绝对差值；

第二比较单元，用于确定所述差值计算单元计算得到的所述绝对差值小于预设角度阈值的数目是否大于预设数目阈值；

直线运动确定单元，用于如果所述第二比较单元确定所述绝对差值小于预设角度阈值的数目大于预设数目阈值，则确定所述可穿戴设备在设定时间周期内的运动轨迹模式为直线运动模式；

曲线运动确定单元，用于如果所述第二比较单元确定所述绝对差值小于预设角度阈值的数目小于预设数目阈值，则确定所述可穿戴设备在设定时间周期内的运动轨迹模式为曲线运动模式。

15.根据权利要求9所述的装置，其特征在于，所述数据处理模块包括：

第一拟合处理单元，用于如果所述运动模式确定模块确定所述可穿戴设备在所述设定时间周期内的运动轨迹模式为直线运动模式，则对所述设定时间周期内获取的定位点的地理坐标做第一预设类型的直线拟合处理；

第二拟合处理单元，用于如果所述运动模式确定模块确定所述可穿戴设备在所述设定时间周期内的运动轨迹模式为曲线运动模式，则对所述设定时间周期内获取的定位点的地理坐标做第二预设类型的曲线拟合处理。

16.根据权利要求9所述的装置，其特征在于，所述装置还包括：

运动量确定模块，用于根据所述数据处理模块处理后的定位数据，确定佩戴所述可穿戴设备的用户的运动量；

推出模块，用于推出所述运动量确定模块确定的所述用户的运动量。

17.一种可穿戴设备，其特征在于，所述设备包括：

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，被配置为执行上述权利要求1-8任一所述的运动轨迹处理的方法。