CN106445101A - 识别用户的方法和系统 - Google Patents
识别用户的方法和系统 Download PDFInfo
- Publication number
- CN106445101A CN106445101A CN201610644136.5A CN201610644136A CN106445101A CN 106445101 A CN106445101 A CN 106445101A CN 201610644136 A CN201610644136 A CN 201610644136A CN 106445101 A CN106445101 A CN 106445101A
- Authority
- CN
- China
- Prior art keywords
- user
- building monitor
- campaign signs
- data
- building
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 140
- 230000033001 locomotion Effects 0.000 claims abstract description 398
- 238000004891 communication Methods 0.000 claims description 54
- 238000012544 monitoring process Methods 0.000 claims description 19
- 230000010247 heart contraction Effects 0.000 claims description 14
- 230000004087 circulation Effects 0.000 description 61
- 230000000694 effects Effects 0.000 description 53
- 238000005516 engineering process Methods 0.000 description 34
- 230000008569 process Effects 0.000 description 33
- 230000004044 response Effects 0.000 description 30
- 239000013598 vector Substances 0.000 description 28
- 210000000707 wrist Anatomy 0.000 description 28
- 230000006870 function Effects 0.000 description 27
- 210000002414 leg Anatomy 0.000 description 26
- 230000009184 walking Effects 0.000 description 22
- 238000001514 detection method Methods 0.000 description 20
- 238000012806 monitoring device Methods 0.000 description 20
- 238000012549 training Methods 0.000 description 20
- 238000004458 analytical method Methods 0.000 description 17
- 230000008859 change Effects 0.000 description 17
- 230000009183 running Effects 0.000 description 17
- 238000012360 testing method Methods 0.000 description 16
- 230000009182 swimming Effects 0.000 description 14
- 239000012634 fragment Substances 0.000 description 13
- 238000001914 filtration Methods 0.000 description 12
- 230000003287 optical effect Effects 0.000 description 12
- 238000012545 processing Methods 0.000 description 12
- 230000001133 acceleration Effects 0.000 description 11
- 241000208340 Araliaceae Species 0.000 description 10
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 10
- 235000003140 Panax quinquefolius Nutrition 0.000 description 10
- 238000004422 calculation algorithm Methods 0.000 description 10
- 235000008434 ginseng Nutrition 0.000 description 10
- 230000001351 cycling effect Effects 0.000 description 8
- 230000002085 persistent effect Effects 0.000 description 8
- 238000012706 support-vector machine Methods 0.000 description 8
- 230000005021 gait Effects 0.000 description 7
- 238000001228 spectrum Methods 0.000 description 7
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 6
- 230000006399 behavior Effects 0.000 description 6
- 238000003066 decision tree Methods 0.000 description 6
- 238000000605 extraction Methods 0.000 description 6
- 230000003993 interaction Effects 0.000 description 6
- 230000007246 mechanism Effects 0.000 description 6
- 230000007935 neutral effect Effects 0.000 description 6
- 229910052760 oxygen Inorganic materials 0.000 description 6
- 239000001301 oxygen Substances 0.000 description 6
- 241001465754 Metazoa Species 0.000 description 5
- 238000013459 approach Methods 0.000 description 5
- 238000013475 authorization Methods 0.000 description 5
- 230000009189 diving Effects 0.000 description 5
- 238000005259 measurement Methods 0.000 description 5
- 241001269238 Data Species 0.000 description 4
- 230000009471 action Effects 0.000 description 4
- 230000036772 blood pressure Effects 0.000 description 4
- 238000012512 characterization method Methods 0.000 description 4
- 230000008878 coupling Effects 0.000 description 4
- 238000010168 coupling process Methods 0.000 description 4
- 238000005859 coupling reaction Methods 0.000 description 4
- 239000000284 extract Substances 0.000 description 4
- 238000010801 machine learning Methods 0.000 description 4
- 239000000463 material Substances 0.000 description 4
- 239000000203 mixture Substances 0.000 description 4
- 238000010606 normalization Methods 0.000 description 4
- 230000003252 repetitive effect Effects 0.000 description 4
- 230000029058 respiratory gaseous exchange Effects 0.000 description 4
- 230000033764 rhythmic process Effects 0.000 description 4
- 230000007958 sleep Effects 0.000 description 4
- 208000012641 Pigmentation disease Diseases 0.000 description 3
- 210000000577 adipose tissue Anatomy 0.000 description 3
- 230000008901 benefit Effects 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 3
- 150000001875 compounds Chemical class 0.000 description 3
- 235000013399 edible fruits Nutrition 0.000 description 3
- 238000009499 grossing Methods 0.000 description 3
- 238000007477 logistic regression Methods 0.000 description 3
- 230000000877 morphologic effect Effects 0.000 description 3
- 230000019612 pigmentation Effects 0.000 description 3
- 238000012805 post-processing Methods 0.000 description 3
- 238000007637 random forest analysis Methods 0.000 description 3
- 238000004064 recycling Methods 0.000 description 3
- 238000004088 simulation Methods 0.000 description 3
- 230000003595 spectral effect Effects 0.000 description 3
- 230000001360 synchronised effect Effects 0.000 description 3
- 238000003079 width control Methods 0.000 description 3
- WQZGKKKJIJFFOK-GASJEMHNSA-N Glucose Natural products OC[C@H]1OC(O)[C@H](O)[C@@H](O)[C@@H]1O WQZGKKKJIJFFOK-GASJEMHNSA-N 0.000 description 2
- 230000004913 activation Effects 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000010009 beating Methods 0.000 description 2
- 239000008280 blood Substances 0.000 description 2
- 210000004369 blood Anatomy 0.000 description 2
- 230000037396 body weight Effects 0.000 description 2
- 230000002860 competitive effect Effects 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 238000000151 deposition Methods 0.000 description 2
- 238000009795 derivation Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 230000005284 excitation Effects 0.000 description 2
- 230000004927 fusion Effects 0.000 description 2
- 239000008103 glucose Substances 0.000 description 2
- 210000004247 hand Anatomy 0.000 description 2
- 210000003128 head Anatomy 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 238000009532 heart rate measurement Methods 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 230000035479 physiological effects, processes and functions Effects 0.000 description 2
- 238000006116 polymerization reaction Methods 0.000 description 2
- 238000003825 pressing Methods 0.000 description 2
- 238000000926 separation method Methods 0.000 description 2
- 230000002269 spontaneous effect Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- 210000001519 tissue Anatomy 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 230000003442 weekly effect Effects 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- JVTAAEKCZFNVCJ-UHFFFAOYSA-M Lactate Chemical compound CC(O)C([O-])=O JVTAAEKCZFNVCJ-UHFFFAOYSA-M 0.000 description 1
- 208000031481 Pathologic Constriction Diseases 0.000 description 1
- 206010041235 Snoring Diseases 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 210000003423 ankle Anatomy 0.000 description 1
- 208000008784 apnea Diseases 0.000 description 1
- 230000006793 arrhythmia Effects 0.000 description 1
- 206010003119 arrhythmia Diseases 0.000 description 1
- 210000001367 artery Anatomy 0.000 description 1
- 238000000429 assembly Methods 0.000 description 1
- 230000000712 assembly Effects 0.000 description 1
- 229910002056 binary alloy Inorganic materials 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000037237 body shape Effects 0.000 description 1
- 230000036760 body temperature Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000000747 cardiac effect Effects 0.000 description 1
- 230000036996 cardiovascular health Effects 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000010141 design making Methods 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 239000000428 dust Substances 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 210000003414 extremity Anatomy 0.000 description 1
- 210000000744 eyelid Anatomy 0.000 description 1
- JEIPFZHSYJVQDO-UHFFFAOYSA-N ferric oxide Chemical compound O=[Fe]O[Fe]=O JEIPFZHSYJVQDO-UHFFFAOYSA-N 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 210000001624 hip Anatomy 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 230000008676 import Effects 0.000 description 1
- 230000006698 induction Effects 0.000 description 1
- 238000005304 joining Methods 0.000 description 1
- 230000009191 jumping Effects 0.000 description 1
- 210000003127 knee Anatomy 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 210000004072 lung Anatomy 0.000 description 1
- 239000003550 marker Substances 0.000 description 1
- 230000013011 mating Effects 0.000 description 1
- 239000012528 membrane Substances 0.000 description 1
- 230000037230 mobility Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 210000005036 nerve Anatomy 0.000 description 1
- 230000001575 pathological effect Effects 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 230000005622 photoelectricity Effects 0.000 description 1
- 230000001766 physiological effect Effects 0.000 description 1
- 238000000513 principal component analysis Methods 0.000 description 1
- 239000000047 product Substances 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 238000004080 punching Methods 0.000 description 1
- 238000000718 qrs complex Methods 0.000 description 1
- 230000000284 resting effect Effects 0.000 description 1
- 210000001525 retina Anatomy 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 238000010079 rubber tapping Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000011664 signaling Effects 0.000 description 1
- 230000008667 sleep stage Effects 0.000 description 1
- 230000004622 sleep time Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 230000001502 supplementing effect Effects 0.000 description 1
- 210000004243 sweat Anatomy 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
- 210000001215 vagina Anatomy 0.000 description 1
- 210000003462 vein Anatomy 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- A—HUMAN NECESSITIES
- A63—SPORTS; GAMES; AMUSEMENTS
- A63B—APPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
- A63B69/00—Training appliances or apparatus for special sports
- A63B69/36—Training appliances or apparatus for special sports for golf
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
- G06F3/017—Gesture based interaction, e.g. based on a set of recognized hand gestures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
- G06F3/011—Arrangements for interaction with the human body, e.g. for user immersion in virtual reality
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/0002—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
- A61B5/024—Detecting, measuring or recording pulse rate or heart rate
- A61B5/02416—Detecting, measuring or recording pulse rate or heart rate using photoplethysmograph signals, e.g. generated by infrared radiation
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
- A61B5/024—Detecting, measuring or recording pulse rate or heart rate
- A61B5/02438—Detecting, measuring or recording pulse rate or heart rate with portable devices, e.g. worn by the patient
-
- 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
-
- 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
- A61B5/1112—Global tracking of patients, e.g. by using GPS
-
- 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
- A61B5/112—Gait analysis
-
- 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
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/117—Identification of persons
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/44—Detecting, measuring or recording for evaluating the integumentary system, e.g. skin, hair or nails
- A61B5/441—Skin evaluation, e.g. for skin disorder diagnosis
-
- 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
- A61B5/6802—Sensor mounted on worn items
-
- 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
- A61B5/6802—Sensor mounted on worn items
- A61B5/681—Wristwatch-type devices
-
- 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
- A61B5/725—Details of waveform analysis using specific filters therefor, e.g. Kalman or adaptive filters
-
- 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
- A61B5/7253—Details of waveform analysis characterised by using transforms
- A61B5/7257—Details of waveform analysis characterised by using transforms using Fourier transforms
-
- 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
- A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
-
- 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
- A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
- A61B5/7267—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems involving training the classification device
-
- 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
- A61B5/7271—Specific aspects of physiological measurement analysis
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/74—Details of notification to user or communication with user or patient ; user input means
- A61B5/742—Details of notification to user or communication with user or patient ; user input means using visual displays
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/74—Details of notification to user or communication with user or patient ; user input means
- A61B5/7475—User input or interface means, e.g. keyboard, pointing device, joystick
-
- A—HUMAN NECESSITIES
- A63—SPORTS; GAMES; AMUSEMENTS
- A63B—APPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
- A63B24/00—Electric or electronic controls for exercising apparatus of preceding groups; Controlling or monitoring of exercises, sportive games, training or athletic performances
- A63B24/0062—Monitoring athletic performances, e.g. for determining the work of a user on an exercise apparatus, the completed jogging or cycling distance
-
- 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
- G01—MEASURING; TESTING
- G01P—MEASURING LINEAR OR ANGULAR SPEED, ACCELERATION, DECELERATION, OR SHOCK; INDICATING PRESENCE, ABSENCE, OR DIRECTION, OF MOVEMENT
- G01P1/00—Details of instruments
- G01P1/02—Housings
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01P—MEASURING LINEAR OR ANGULAR SPEED, ACCELERATION, DECELERATION, OR SHOCK; INDICATING PRESENCE, ABSENCE, OR DIRECTION, OF MOVEMENT
- G01P13/00—Indicating or recording presence, absence, or direction, of movement
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
- G01S19/01—Satellite radio beacon positioning systems transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
- G01S19/13—Receivers
- G01S19/14—Receivers specially adapted for specific applications
- G01S19/19—Sporting applications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F1/00—Details not covered by groups G06F3/00 - G06F13/00 and G06F21/00
- G06F1/16—Constructional details or arrangements
- G06F1/1613—Constructional details or arrangements for portable computers
- G06F1/163—Wearable computers, e.g. on a belt
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/30—Authentication, i.e. establishing the identity or authorisation of security principals
- G06F21/31—User authentication
- G06F21/32—User authentication using biometric data, e.g. fingerprints, iris scans or voiceprints
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/01—Social networking
-
- 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
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
-
- 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
- G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
- G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
- G09B5/00—Electrically-operated educational appliances
- G09B5/02—Electrically-operated educational appliances with visual presentation of the material to be studied, e.g. using film strip
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B2560/00—Constructional details of operational features of apparatus; Accessories for medical measuring apparatus
- A61B2560/02—Operational features
- A61B2560/0223—Operational features of calibration, e.g. protocols for calibrating sensors
-
- 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
- A61B5/0002—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network
- A61B5/0015—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network characterised by features of the telemetry system
- A61B5/0022—Monitoring a patient using a global network, e.g. telephone networks, internet
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/0002—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network
- A61B5/0015—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network characterised by features of the telemetry system
- A61B5/0024—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network characterised by features of the telemetry system for multiple sensor units attached to the patient, e.g. using a body or personal area network
-
- 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
- A61B5/1032—Determining colour for diagnostic purposes
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/117—Identification of persons
- A61B5/1171—Identification of persons based on the shapes or appearances of their bodies or parts thereof
- A61B5/1172—Identification of persons based on the shapes or appearances of their bodies or parts thereof using fingerprinting
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/316—Modalities, i.e. specific diagnostic methods
- A61B5/318—Heart-related electrical modalities, e.g. electrocardiography [ECG]
- A61B5/332—Portable devices specially adapted therefor
-
- 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
- A61B5/6844—Monitoring or controlling distance between sensor and tissue
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/08—Feature extraction
- G06F2218/10—Feature extraction by analysing the shape of a waveform, e.g. extracting parameters relating to peaks
-
- 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
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/15—Biometric patterns based on physiological signals, e.g. heartbeat, blood flow
-
- 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
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Animal Behavior & Ethology (AREA)
- Veterinary Medicine (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Public Health (AREA)
- Physiology (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Artificial Intelligence (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Dentistry (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Psychiatry (AREA)
- Radar, Positioning & Navigation (AREA)
- General Engineering & Computer Science (AREA)
- Signal Processing (AREA)
- Cardiology (AREA)
- Remote Sensing (AREA)
- Human Computer Interaction (AREA)
- Computer Hardware Design (AREA)
- Business, Economics & Management (AREA)
- Computer Networks & Wireless Communication (AREA)
- Mathematical Physics (AREA)
- Computer Security & Cryptography (AREA)
- Physical Education & Sports Medicine (AREA)
- Evolutionary Computation (AREA)
- Fuzzy Systems (AREA)
- Multimedia (AREA)
- Software Systems (AREA)
- Computing Systems (AREA)
Abstract
本发明涉及识别用户的方法和系统。本发明涉及利用使用可佩戴健身监测器获得的信息来辨识所述可佩戴健身监测器的用户的方法、装置和系统。从运动传感器或所述可佩戴健身监测器获得的运动数据可用以辨识或验证所述用户。
Description
技术领域
本发明涉及识别用户的方法和系统。
背景技术
对个人健康的新近消费者关注已导致在市场上提供多种个人健康监测装置。传感器、电子元件和电源小型化的新近发展已经允许健身监测装置(有时也称为“生物计量跟踪装置”或“生物计量监测装置”、“可佩戴健身监测器”、“健身监测器”等)的大小以小尺寸来提供，这在先前是不可行的。
虽然这些监测器已经得到广泛接受和商业成功，但通过这些技术方案获得的健身数据和其它数据的使用仍是有限的。
发明内容
提供用于确定可佩戴健身监测器的用户的识别或验证可佩戴健身监测器的用户的方法和系统。
本发明的一个方面涉及使用两个运动标志来确定可佩戴健身监测器的佩戴者的身份的方法。在一些实施方案中，一种方法包括：(a)获得第一运动标志，所述第一运动标志是使用来自经配置以由人佩戴的可佩戴健身监测器的一或多个第一运动传感器的数据获得的，其中所述第一运动标志表征所述可佩戴健身监测器经历的移动；(b)获得第二运动标志，所述第二运动标志是使用来自一或多个第二运动传感器的数据获得的，其中所述第二运动标志进一步表征所述可佩戴健身监测器经历的所述移动；(c)将所述第一和第二运动标志或其组合与用户的参考运动特征进行比较；以及(d)基于(c)中的所述比较，确定所述健身监测器的佩戴者的身份是否为所述用户。
在一些实施方案中，所述一或多个第一运动传感器包括加速度计、陀螺仪、磁力计、高度计、GPS接收器或其任何组合。在一些实施方案中，所述一或多个第二运动传感器包括所述第一运动传感器中的一或多者。在一些实施方案中，所述第一运动标志是所述可佩戴健身监测器经历的移动的周期性运动的时域表示。在一些实施方案中，佩戴者的移动产生周期性运动，其中所述移动是步速、从所述时域表示的振幅导出的度量、骑车步调、划船速率、基于阻力的重复率、打字速度、过零率、峰-峰时间、臂摆动速率，和其任何组合。
在一些实施方案中，所述第一运动标志包括所述可佩戴健身监测器经历的移动的周期性运动的频域表示。在一些实施方案中，可佩戴健身监测器经历的移动的周期性运动的频域表示包括所述周期性运动中的频谱分量。在一些实施方案中，所述频谱分量是所述周期性运动的频域表示中的谐波。在一些实施方案中，所述第一运动标志包括所述周期性运动的频域表示中的两个或更多个谐波的性质。
在一些实施方案中，所述第一运动标志包括运动周期性，且所述第二运动标志包括从所述运动周期性的振幅导出的度量。在一些实施方案中，所述第一运动标志包括周期性运动的时域表示，且所述第二运动标志包括所述周期性运动的频域表示。在一些实施方案中，用户的参考运动特征包括用户的典型运动的模型。在一些实施方案中，用户的参考运动特征是当用户佩戴所述可佩戴健身监测器时使用从所述一或多个第一运动传感器和所述一或多个第二运动传感器获得的数据产生的。在一些实施方案中，用户的参考运动特征包括用户的步的简档。
在一些实施方案中，所述方法的操作(c)包括将所述第一和第二运动标志的组合与用户的参考运动特征进行比较，且其中用户的参考运动特征包括与用户的所述第一和第二运动标志相关的线、曲线或查找表。在一些实施方案中，(c)包括(i)确定用户的参考运动特征与所述第一和第二运动标志或其组合之间的差，以及(ii)确定所述差是否大于阈值。在一些实施方案中，(c)包括相对于用户的参考运动特征对所述第一和第二运动标志或其组合执行线性判别分析。在一些实施方案中，(c)包括确定所述第一和第二运动标志中的至少一者是人佩戴者的无效运动。
在一些实施方案中，所述方法进一步包括确定同时取得的所述第一和第二运动标志是否表示用户的相同活动或活动等级，其中所述一或多个第二运动传感器位于与所述可佩戴健身监测器分开的装置上。在一些实施方案中，所述分开的装置是移动电话。在一些实施方案中，确定同时取得的所述第一和第二运动标志是否表示用户的相同活动或活动等级包括确定所述第一和第二运动标志是否表示周期性运动的特性。在一些实施方案中，所述第一运动标志包括步数或步速，且所述第二运动标志包括GPS或蓝牙标志。
在以上方法的一些实施方案中，所述第一和第二运动标志中的至少一者包括用户执行的周期性运动的循环简档，且其中所述参考运动特征是用户的周期性运动的预定典型循环。在一些实施方案中，所述循环简档包括来自所述一或多个第一运动传感器的输出的时变振幅。在一些实施方案中，用户的周期性运动选自由以下各者组成的群组：跑步、行走、骑车、游泳、举重、爬山、划船、体操锻炼、跳舞、有氧锻炼、瑜伽例程、打高尔夫、摆动球杆、摆动球拍、击球或另一对象、游泳、潜水、冲浪、滑冰、滑雪、滑板、在机器上锻炼、驾驶交通工具，以及骑乘动物。
在一些实施方案中，所述方法进一步包含多次重复(a)到(d)。在一些实施方案中，其中自动执行重复(a)到(d)，而无需健身监测器的佩戴者触发。在一些实施方案中，所述方法进一步包含响应于确定健身监测器的佩戴者的身份不是所述用户，阻止所述可佩戴健身监测器允许交易。在一些实施方案中，所述交易包括接入安全项目或为用户提供满足活动阈值的奖励。
在一些实施方案中，所述方法进一步涉及响应于确定健身监测器的佩戴者的身份不是所述用户，要求所述用户验证他或她自身。在一些实施方案中，要求所述用户验证包括要求健身监测器的佩戴者输入密码、指纹、虹膜图像、ECG、面部图像、发声消息，或以上的任何组合。
在一些实施方案中，所述方法进一步涉及响应于确定健身监测器的佩戴者的身份不是所述用户，认为经由所述可佩戴健身监测器获得的所述用户的健身度量不可信。
在一些实施方案中，所述方法进一步涉及响应于确定健身监测器的佩戴者的身份是所述用户，认为经由所述可佩戴健身监测器获得的所述用户的健身度量可信。
在一些实施方案中，所述方法进一步涉及响应于确定健身监测器的佩戴者的身份是所述用户，允许所述可佩戴健身监测器促进交易。在一些实施方案中，所述交易包括接入安全项目或为用户提供满足活动阈值的奖励。
在一些实施方案中，所述一或多个第一运动传感器和所述一或多个第二运动传感器中的至少一者是同一传感器。
在一些实施方案中，(c)包括获得所述第一运动标志与所述第二运动标志之间的函数，且将所述函数与基于所述参考运动特征的参考函数进行比较。
在一些实施方案中，(c)包括通过将所述第一运动标志和所述第二运动标志平均化而获得平均运动标志，且将所述平均运动标志与所述参考运动特征进行比较。
在一些实施方案中，(c)包括：从所述第一运动标志和所述第二运动标志提取特征；使用所述经提取特征形成特征向量，以及将分类器应用于所述特征向量以确定所述特征向量是否属于对应于所述参考运动特征的类。
在一些实施方案中，所述获得使用来自所述一或多个第一运动传感器的数据获得的第一运动标志包括：对来自所述一或多个第一运动传感器的数据进行低通滤波；以及从所述经低通滤波数据获得循环简档。在一些实施方案中，所述从经低通滤波数据获得循环简档包括：从经低通滤波数据获得局部最小值；使用所述局部最小值将所述经低通滤波数据划分为两个或更多个片段；以及从所述两个或更多个片段获得所述循环简档。在一些实施方案中，所述从所述两个或更多个片段获得循环简档包括：(i)拒绝所述两个或更多个片段当中偏离所述两个或更多个片段的平均值的一或多个离群值。在一些实施方案中，所述从所述两个或更多个片段获得循环简档进一步包括：在剩余片段当中重复(i)一或多次。在一些实施方案中，所述从所述两个或更多个片段获得循环简档进一步包括：将剩余片段平均化以获得所述循环简档。
在一些实施方案中，所述获得使用来自所述一或多个第一运动传感器的数据获得的第一运动标志进一步包括：从所述循环简档或从所述循环简档导出的值提取一或多个特征。在一些实施方案中，每一特征选自由以下各者组成的群组：斜率、拐点、零交叉、导数、时刻、累积量，和其任何组合。在一些实施方案中，将所述第一运动标志与用户的参考运动特征进行比较包括：使用从所述用户获得的运动数据获得分类器；以及将所述分类器应用于所述提取的一或多个特征，其中所述分类器取所述一或多个特征作为输入且提供所述佩戴者是所述用户或不是所述用户的分类作为输出。
在一些实施方案中，所述分类器包括线性判别分析分类器。在一些实施方案中，所述分类器包括神经网络分类器。在一些实施方案中，使用从获得自用户的运动数据导出的至少一个循环简档来训练所述分类器。在一些实施方案中，所述方法进一步涉及使用从用户获得的额外运动数据更新所述分类器。
本发明的另一方面涉及使用运动标志和心跳波形标志或身体特性来确定可佩戴健身监测器的佩戴者的身份的方法。在一些实施方案中，(a)获得运动标志，所述运动标志是使用来自经配置以由人佩戴的可佩戴健身监测器的一或多个运动传感器的数据获得的，其中所述运动标志表征所述可佩戴健身监测器经历的移动；(b)获得心跳波形标志，所述心跳波形标志是使用来自一或多个心跳波形传感器的数据获得的，其中所述心跳波形标志表征所述可佩戴健身监测器的佩戴者的所检测心跳波形；(c)将所述运动标志和所述心跳波形标志或其组合与用户的一或多个参考特征进行比较；以及(d)基于(c)中的所述比较，确定所述健身监测器的所述佩戴者的身份是否为所述用户。
在一些实施方案中，提供一种识别用户的方法。所述方法涉及：(a)获得运动标志，所述运动标志是使用来自经配置以由人佩戴的可佩戴健身监测器的一或多个运动传感器的数据获得的，其中所述运动标志表征所述可佩戴健身监测器经历的移动；(b)获得身体特性，所述身体特性是使用来自一或多个身体特性传感器的数据获得的，其中所述身体特性表征佩戴所述可佩戴健身监测器的人的身体；(c)将所述运动标志和所述身体特性或其组合与用户的至少一个参考特征进行比较；以及(d)基于(c)中的所述比较，确定所述健身监测器的佩戴者的身份是否为所述用户。
在一些实施方案中，所述身体特性是所述一或多个身体特性传感器对佩戴者的皮肤的所检测响应。在一些实施方案中，所述一或多个身体特性传感器中的至少一者包括光脉冲发射器和光脉冲检测器，所述光脉冲检测器经配置以确定所述检测器对来自所述发射器的光脉冲的可变强度的可变响应。
在一些实施方案中，所述身体特性是通过生物电阻抗确定的身体组成。在一些实施方案中，所述一或多个身体特性传感器中的至少一者安置在所述可佩戴健身监测器上。
本发明的另一方面涉及使用运动标志来确定可佩戴健身监测器的佩戴者的身份的方法。在一些实施方案中，一种包含：(a)获得运动标志，所述运动标志是使用来自经配置以由人佩戴的可佩戴健身监测器的一或多个运动传感器的数据获得的，其中所述运动标志表征所述可佩戴健身监测器经历的移动；(b)将所述运动标志与用户的参考运动特征进行比较；以及(c)基于(b)中的所述比较，确定所述健身监测器的佩戴者的身份是否为所述用户。根据技术方案4所述的方法，其中所述运动标志表征佩戴所述可佩戴健身监测器的人的周期性移动的循环。
在一些实施方案中，所述参考运动特征是用户的周期性移动的参考循环。在一些实施方案中，所述参考循环是用户的周期性运动的预定典型循环。在一些实施方案中，所述运动标志包括来自所述一或多个运动传感器的输出的时变振幅。
在一些实施方案中，用户的周期性运动选自由以下各者组成的群组：跑步、行走、骑车、游泳、举重、爬山、划船、体操锻炼、跳舞、有氧锻炼、瑜伽例程、打高尔夫、摆动球杆、摆动球拍、击球或另一对象、游泳、潜水、冲浪、滑冰、滑雪、滑板、在机器上锻炼、驾驶交通工具，以及骑乘动物。在一些实施方案中，所述参考运动特征是周期性运动的特性。在一些实施方案中，所述参考运动特征是从振幅导出的度量。
在一些实施方案中，所述获得使用来自所述一或多个运动传感器的数据获得的运动标志包括：对来自所述一或多个运动传感器的数据进行低通滤波；以及从所述经低通滤波数据获得循环简档。在一些实施方案中，所述从经低通滤波数据获得循环简档包括：从经低通滤波数据获得局部最小值；使用所述局部最小值将所述经低通滤波数据划分为两个或更多个片段；以及从所述两个或更多个片段获得所述循环简档。
在一些实施方案中，所述从所述两个或更多个片段获得循环简档包括：(i)拒绝所述两个或更多个片段当中偏离所述两个或更多个片段的平均值的一或多个离群值。在一些实施方案中，所述从所述两个或更多个片段获得循环简档进一步包括：在剩余片段当中重复(i)一或多次。在一些实施方案中，所述从所述两个或更多个片段获得循环简档进一步包括：将剩余片段平均化以获得所述循环简档。
在一些实施方案中，所述获得使用来自所述一或多个运动传感器的数据获得的运动标志进一步包括：从所述循环简档或从所述循环简档导出的值提取一或多个特征。在一些实施方案中，每一特征选自由以下各者组成的群组：斜率、拐点、零交叉、导数、时刻、累积量，和其任何组合。
在一些实施方案中，将所述运动标志与用户的参考运动特征进行比较包括：使用从所述用户获得的运动数据获得分类器；以及将所述分类器应用于所述提取的一或多个特征，其中所述分类器取所述一或多个特征作为输入且提供所述佩戴者是所述用户或不是所述用户的分类作为输出。在一些实施方案中，所述分类器包括线性判别分析分类器。
本发明的额外方面涉及使用运动标志以确定可佩戴健身监测器的运动是由非人类产生的且基于所述确定而阻止交易的方法。在一些实施方案中，一种方法包含：(a)获得运动标志，所述运动标志是使用来自经配置以由人佩戴的可佩戴健身监测器的一或多个运动传感器的数据获得的，其中所述运动标志表征佩戴所述可佩戴健身监测器的所述人的身体移动；(b)确定所述运动标志是否对应于无效运动特征，所述无效运动特征表征可能由非人类执行的运动；以及(c)基于(b)中的所述确定，阻止所述可佩戴健身监测器允许交易。
在一些实施方案中，所述交易包括接入安全项目或对与所述可佩戴健身监测器相关联的用户提供满足活动阈值的奖励。在一些实施方案中，所述方法进一步涉及响应于确定所述运动标志对应于所述无效运动特征，要求所述健身监测器的佩戴者验证他或她自身。在一些实施方案中，要求所述佩戴者验证包括要求健身监测器的佩戴者输入密码、指纹、虹膜图像、ECG、面部图像、发声消息，或以上的任何组合。
在一些实施方案中，在(b)中确定所述运动标志是否对应于无效运动特征包括：使用来自一或多个额外传感器的数据获得额外标志，，且确定所述运动标志、所述额外标志或其组合与至少一个人活动不一致。在一些实施方案中，所述运动标志是步速或步数，且所述额外标志是心率或心跳波形。
在一些实施方案中，在(b)中确定所述运动标志是否对应于所述无效运动特征包括确定所述运动标志的周期性是否在给定时间周期的阈值周期性内。在一些实施方案中，所述无效运动特征是具有大于阈值的循环到循环一致性的周期性运动。在一些实施方案中，所述无效运动特征包括小于阈值的来自一或多个空间维度的一或多个周期性运动贡献。
本发明的又一方面涉及使用从可佩戴健身监测器获得的运动标志和从另一装置获得的额外标志来确定监测器的佩戴者是否为特定用户的方法。在一些实施方案中，一种方法涉及：(a)获得运动标志，所述运动标志是使用来自经配置以由用户佩戴的可佩戴健身监测器的一或多个运动传感器的数据获得的，其中所述运动标志表征所述可佩戴健身监测器经历的移动；(b)获得额外标志，所述额外标志是使用来自位于与所述可佩戴健身监测器分开的装置上的一或多个额外传感器的数据获得的，其中所述额外运动标志进一步表征所述移动；(c)将所述运动标志与所述额外标志进行比较；以及(d)基于(c)中的所述比较，确定所述健身监测器的佩戴者的身份是否为所述用户。
在一些实施方案中，所述运动标志和所述额外标志是从在同时收集的数据获得的。在一些实施方案中，(c)中的比较包括确定所述运动标志和所述额外标志是否表示所述用户的相同活动或活动等级。在一些实施方案中，确定所述运动标志和所述额外标志是否表示所述用户的相同活动或活动等级包括确定所述运动标志和所述额外标志是否表示用户的步态的特性。
在一些实施方案中，所述分开的装置是移动电话。在一些实施方案中，所述运动标志包括步数或步速，且所述第二运动标志包括GPS或蓝牙标志。
本发明的另一方面涉及用于实施上述各种方法的系统和装置。在一些实施方案中，一种系统包含：(A)可佩戴健身监测器，其经配置以由人佩戴且包括：一或多个第一运动传感器，一或多个第二运动传感器，以及通信接口，所述通信接口经配置以用于将数据从所述一或多个第一运动传感器传送到所述可佩戴健身监测器外部的装置；以及(B)分类逻辑。所述分类逻辑经配置以：(a)获得第一运动标志，所述第一运动标志是使用来自经配置以由人佩戴的可佩戴健身监测器的一或多个第一运动传感器的数据获得的，其中所述第一运动标志表征所述可佩戴健身监测器经历的移动；(b)获得第二运动标志，所述第二运动标志是使用来自一或多个第二运动传感器的数据获得的，其中所述第二运动标志进一步表征所述可佩戴健身监测器经历的所述移动；(c)将所述第一和第二运动标志或其组合与用户的参考运动特征进行比较；以及(d)基于(c)中的所述比较，确定所述健身监测器的佩戴者的身份是否为所述用户。
在一些实施方案中，一种系统包含：(A)可佩戴健身监测器，其经配置以由人佩戴且包括：一或多个第一运动传感器，一或多个心跳波形传感器，以及通信接口，所述通信接口经配置以用于将数据从所述一或多个第一运动传感器传送到所述可佩戴健身监测器外部的装置；以及(B)分类逻辑。所述分类逻辑经配置以：(a)获得运动标志，所述运动标志是使用来自所述一或多个运动传感器的数据获得的，其中所述运动标志表征所述可佩戴健身监测器经历的移动，(b)获得心跳波形标志，所述心跳波形标志是使用来自所述一或多个心跳波形传感器的数据获得的，其中所述心跳波形标志表征所述可佩戴健身监测器的佩戴者的所检测心跳波形，(c)将所述运动标志和所述心跳波形标志或其组合与用户的一或多个参考特征进行比较，以及(d)基于(c)中的所述比较，确定所述健身监测器的所述佩戴者的身份是否为所述用户。
在一些实施方案中，一种用于识别用户的系统包含：(A)可佩戴健身监测器，其经配置以由人佩戴且包括：一或多个第一运动传感器，一或多个身体特性传感器，以及通信接口，所述通信接口经配置以用于将数据从所述一或多个第一运动传感器传送到所述可佩戴健身监测器外部的装置；以及(B)分类逻辑。所述分类逻辑经配置以：(a)获得运动标志，所述运动标志是使用来自所述一或多个运动传感器的数据获得的，其中所述运动标志表征所述可佩戴健身监测器经历的移动，(b)获得身体特性，所述身体特性是使用来自所述一或多个身体特性传感器的数据获得的，其中所述身体特性表征所述可佩戴健身监测器的佩戴者的身体，(c)将所述运动标志和所述身体特性或其组合与用户的至少一个参考特征进行比较，以及(d)基于(c)中的所述比较，确定所述可佩戴健身监测器的所述佩戴者的身份是否为所述用户。
在一些实施方案中，一种系统包含：(A)可佩戴健身监测器，其经配置以由人佩戴且包括：一或多个第一运动传感器，以及通信接口，其经配置以用于将数据从所述一或多个第一运动传感器传送到所述可佩戴健身监测器外部的装置；以及(B)分类逻辑，其经配置以：(a)获得运动标志，所述运动标志是使用来自所述一或多个运动传感器的数据获得的，其中所述运动标志表征所述可佩戴健身监测器经历的移动，(b)将所述运动标志与用户的参考运动特征进行比较，以及(c)基于(b)中的所述比较，确定所述健身监测器的佩戴者的身份是否为所述用户。
在一些实施方案中，一种系统包含：(A)可佩戴健身监测器，其经配置以由人佩戴且包括：一或多个第一运动传感器，以及通信接口，所述通信接口经配置以用于将数据从所述一或多个第一运动传感器传送到所述可佩戴健身监测器外部的装置；以及(B)分类逻辑，其经配置以：(a)获得运动标志，所述运动标志是使用来自所述一或多个运动传感器的数据获得的，其中所述运动标志表征所述可佩戴健身监测器的佩戴者的身体移动，(b)将所述运动标志与无效运动特征进行比较，所述无效运动特征表征可能由非人类执行的运动；以及(c)基于(b)中的所述确定，阻止所述可佩戴健身监测器允许交易。
在一些实施方案中，一种系统包含：可佩戴健身监测器，其经配置以由用户佩戴且包括：一或多个第一运动传感器，以及通信接口，所述通信接口经配置以用于将数据从所述一或多个第一运动传感器传送到所述可佩戴健身监测器外部的装置；一或多个额外传感器，其位于与所述可佩戴健身监测器分开的装置上；以及分类逻辑。所述分类逻辑经配置以：(a)获得运动标志，所述运动标志是使用来自所述一或多个第一运动传感器的数据获得的，其中所述运动标志表征所述可佩戴健身监测器经历的移动；(b)获得额外标志，所述额外标志是使用来自所述一或多个额外传感器的数据获得的，其中所述额外运动标志进一步表征所述移动；(c)将所述运动标志与所述额外标志进行比较；以及(d)基于(c)中的所述比较，确定所述健身监测器的佩戴者的身份是否为所述用户。
本发明的这些和其它目的和特征将从以下描述和所附权利要求书变得更加完全显而易见，或者可以通过如下文阐述的本发明的实践而学习。
附图说明
本文所揭示的各种实施方案在附图的图中作为实例而非限制来加以说明，在附图中，相似参考数字可指代类似元件。
图1描绘可用以执行本文所描述的各种操作的实例可佩戴健身监测器的一般化示意图。
图2展示具有加速度计的可佩戴健身监测器的一个实施方案，说明了所述加速度计的坐标系。
图3展示来自佩戴于正在行走的用户的手腕上的可佩戴健身监测器的代表性3轴加速度计信号。
图4描绘4个独特用户的步速和信号能量。
图5描绘跑步的3个独特用户的步速和信号能量。
图6描绘在跑步中原本通过步速和信号能量无法区别的两个独特用户的运动数据的功率谱密度。
图7(a)到7(d)展示从后处理获得的心跳波形数据的实例。
图8展示PQRST心跳波形的示意性说明。
图9说明PQRST波形的若干时域特征。
图10(a)到10(d)描绘可用以识别用户的PPG波形的代表性特征。
图11展示用于确定健身监测器的即时佩戴者的身份是否匹配用户的身份的方法的流程图。
图12展示用于训练LDA分类器且使用所述分类器以基于分类结果验证佩戴者的过程1200。
图13展示随时间而变的加速度数据的实例。
图14展示描绘来自同一主体的多个步幅简档的运动数据。
图15展示来自八个不同主体的八种平均步幅循环简档。
图16展示八个主体的两分钟行走数据的分类结果的实例。
具体实施方式
数值范围包含界定所述范围的数字。希望在整个本说明书中给出的每个最大数值限制都包含每个较低数值限制，如同这些较低数值限制在此明确地写出。在整个本说明书中给出的每个最小数值限制将包含每个较高数值限制，如同这些较高数值限制在此明确地写出。在整个本说明书中给出的每个数值范围将包含落在这些较宽数值范围内的每个较窄数值范围，如同这些较窄数值范围在此全部明确地写出。
本文提供的标题并不希望限制本发明。
除非本文另有定义，否则本文中所用的所有技术和科学术语都具有与所属领域普通技术人员通常所理解相同的含义。包含本文所包含的术语的各种科学词典是所属领域技术人员众所周知和可获得的。虽然与本文所描述的那些方法和材料类似或等效的任何方法和材料可用于本文所揭示的实施例的实践或测试，但只描述了一些方法和材料。
情境和概述
本发明涉及利用使用可佩戴健身监测器获得的信息来辨识所述可佩戴健身监测器的用户的方法、装置和系统。
可经由可佩戴健身监测器识别用户的实例情境
在其中在若干用户之间共享可佩戴健身监测器的情况下，所述可佩戴健身监测器可将数据提供到正确用户的数字帐户。
当用以接入安全资源时，对于一些实施例可为有用的是可佩戴健身监测器可以某一量的确定性来估计用户的身份。
当来自可佩戴健身监测器的数据用以提供对用户行为的金钱刺激时，对于一些实施例可为有用的是可佩戴健身监测器以某种确定性知道用户的身份。另外，用户数据自身的信任(例如，“一步”是用户真实的一步而不是假运动，下文称为“假”)可为一些实施例的重要方面。
当来自可佩戴健身监测器的数据用以与可佩戴健身监测器的其它用户竞争时，数据的真实性和用户的身份可为检验的重要特征，其可确保用以竞争的数据不是假的。
概述
在一个方面中，本发明呈现一种方法，其包含以下操作：(a)获得第一运动标志，所述第一运动标志是使用来自经配置以由人佩戴的可佩戴健身监测器的一或多个第一运动传感器的数据获得的，其中所述第一运动标志表征所述可佩戴健身监测器经历的移动；(b)获得第二运动标志，所述第二运动标志是使用来自一或多个第二运动传感器的数据获得的，其中所述第二运动标志进一步表征所述可佩戴健身监测器经历的所述移动；(c)将所述第一和第二运动标志或其组合与用户的参考运动特征进行比较；以及(d)基于(c)中的所述比较，确定所述健身监测器的佩戴者的身份是否为所述用户。在一些实施例中，所述一或多个第一运动传感器包含加速度计、陀螺仪、磁力计、高度计、GPS接收器，或其任何组合。
(c)中的运动标志的“组合”可以用于其中所述标志不是单独地分析而是如多维标志空间中的点或曲线的情况中那样一起分析的情况。在其它实施例中，对照参考运动标志单独地比较所述第一和第二标志中的每一者。
在某些实施例中，可佩戴健身监测器经历的“移动”是自发的身体移动，例如佩戴者的头部、颈部、眼睑、嘴、肩部、手臂、手腕、手指、躯干、髋部、膝盖、脚踝和/或脚趾的有意移动。在各种实施方案中，所述移动的特征在于佩戴者在行走或跑步时的步态或步幅。所述移动可与特定活动类型相关联，例如跑步、行走、骑车、游泳、举重、爬山、划船、体操锻炼、跳舞、有氧锻炼、瑜伽例程、打高尔夫、摆动球杆、摆动球拍、击球或另一对象、游泳、潜水、冲浪、滑冰、滑雪、滑板、在机器上锻炼、驾驶交通工具、骑乘动物等。在一些情况下，所述移动不包含非自发运动，例如心跳，其可使用例如传感器技术来确定，包含光电容积图(PPG)、心电图描记法(ECG)等。
所述标志与参考运动标志的比较可指示佩戴者不是所述用户。在佩戴者是与所述用户不同的个体时以及“佩戴者”是机器人或其它自动机器的情况下会产生这些情况。在操作(c)中使用的“参考运动特征”可为用户参考运动特征(使用用户的历史运动数据建置的模板)。
应理解，确定健身监测器的佩戴者的身份是否为所述用户可以是所述用户是否可能正佩戴着所述监测器的概率问题或预测。如本文在别处所阐释，所述确定可通过数学或其它逻辑技术来做出，所述技术确定在移动标志空间中佩戴者的当前运动标志与用户的参考运动特征之间的距离或差。因此，所述确定可以依赖于提供佩戴者是所述用户的可能性而不是确定性的分类技术。举例来说，使用以下技术中的一或多者的分类器可用以确定佩戴者是所述用户的可能性：线性判别分析、神经网络、群集技术、支持向量机、逻辑回归、朴素贝叶斯、随机森林、决策树等。
产生所述第一和第二运动标志的数据的传感器可相同或不同或者它们可重叠，其中一些第一运动传感器与一些第二运动传感器相同。在某些实施例中，所述一或多个第二运动传感器包含来自所述一或多个第一运动传感器的至少一个运动传感器。
在某些实施例中，所述第一运动标志是可佩戴健身监测器经历的移动的周期性运动的时域表示，所述周期性运动可为人的步态，其可例如为步速、从佩戴者的周期性运动的振幅导出的度量、骑车步调、划船速率、基于阻力的重复率(对于例如举重)、打字速度、过零率、峰-峰时间、手臂摆动速率，或其组合。在某些实施例中，所述第一运动标志是人的周期性运动(例如，步态)的频域表示，其可包含例如所述第一运动标志中的频谱分量(例如，其基频或谐波)的贡献。在一些实例中，所述频谱分量包含所述谐波或基频和一或多个谐波的组合。作为一实例，谐波贡献的组合可以是两个或更多个谐波(或基频)的性质，例如个别谐波的功率的比率。
可使用所述第一和第二运动标志的各种组合。举例来说，所述第一运动标志包含运动周期性参数(例如，步速)，且所述第二运动标志包含从佩戴者的周期性运动的振幅导出的度量。在另一实例中，所述第一运动标志包含周期性运动(例如，佩戴者的步态)的时域表示，且所述第二运动标志包含所述周期性运动的频域表示。
用户的参考运动特征通常具有促进与运动标志的比较的特性。举例来说，用户的参考运动特征可包含用户的预定典型运动标志。此特征可以各种方式获得，例如通过当用户佩戴所述可佩戴健身监测器时使用从所述一或多个第一运动传感器和所述一或多个第二运动传感器获得的数据。在此些情况下，应当确立当捕获用于产生用户的参考运动特征时所述用户实际上正佩戴着健身监测器。在某些实施例中，用户的参考运动特征包括用户的步的简档。
在一些实施方案中，在(c)中将所述运动标志与用户的参考运动特征进行比较包含将所述第一和第二运动标志的组合与用户的参考运动特征进行比较。在此些实施方案中，用户的参考运动特征可为所述用户的所述第一与第二运动标志之间的关系。举例来说，所述关系可为与用户的所述第一和第二运动标志相关的线、曲线、查找表等。在一些实例中，将所述运动标志与参考运动特征进行比较包含(i)确定用户的参考运动特征与所述第一和第二运动标志或其组合之间的距离(或差)，以及(ii)确定所述距离(或差)是否大于阈值。如在别处所阐释，所述距离是多维分析中的两个点、线、表面等之间的最小分离。其可视为一种类型的“差”。
在一些实施方案中，(c)中的所述比较包含相对于用户的参考运动特征对所述第一和第二运动标志或其组合执行线性判别分析(LDA)。下文进一步阐释LDA的操作和应用。
在某些实施例中，(c)中的所述比较包含确定所述第一和第二运动标志中的至少一者是人用户的无效运动(例如，其对于人用户是不自然的)。作为一实例，机器提供移动，健身监测器从所述移动产生随时间或从循环到循环具有不自然地高的一致性的数据。并且，从机器移动产生的数据可能不自然地受限于来自一个或几个轴线(例如，三轴加速度计或陀螺仪的一个轴线)的贡献。在各种实施方案中，运动标志与参考运动特征之间的比较可由各种分类技术执行，例如LDA、神经网络、群集、逻辑回归、支持向量机、朴素贝叶斯等。在一些实施例中，所述方法包含确定在同时取得的所述第一和第二运动标志是否表示用户的相同活动或活动等级的操作。在一些实施方案中，确定在同时取得的所述第一和第二运动标志是否表示用户的相同活动或活动等级包含确定所述第一和第二运动标志是否表示周期性运动的特性。举例来说，可比较所述运动标志以确定它们是否表示佩戴者的同一步态。作为一实例，所述第一运动标志包含步数或步速，且所述第二运动标志包含GPS或蓝牙标志。此方法可在所述一或多个第二运动传感器位于与可佩戴健身监测器分开的装置上的情况下尤其相关，所述装置例如为由所述健身监测器的佩戴者佩戴或携带的智能电话或第二监测装置。在一些实例中，所述分开的装置是具有一或多个传感器的移动电话或其它便携式装置。
所述运动标志可为或包含佩戴者的移动的多个循环或甚至单个循环的表示。举例来说，所述第一和第二运动标志中的至少一者可包含用户执行的周期性运动的循环简档。在此些情况下，所述参考运动特征可为用户的周期性运动的预定典型循环。在一些实施方案中，所述循环简档是来自所述一或多个第一运动传感器的输出的时变振幅。在一些实施方案中，用户的周期性运动是跑步、行走、骑车、游泳、举重、爬山、划船、体操锻炼、跳舞、有氧锻炼、瑜伽例程、打高尔夫、摆动球杆、摆动球拍、击球或另一对象、游泳、潜水、冲浪、滑冰、滑雪、滑板、在机器上锻炼、驾驶交通工具、骑乘动物等。
在一些情况下，获得佩戴者的运动标志且将其与用户的参考运动特征进行比较的过程是重复地执行的，有时连续地执行。举例来说，以上方法可涉及多次重复操作(a)到(d)。操作(a)到(d)的重复可自动执行，而无需健身监测器的佩戴者触发。
确定健身监测器的佩戴者是否为用户可以在各种情境中使用，常常以与常规上使用生物计量信息的方式相同或相似的方式来使用。当所述系统/方法确定佩戴者不是用户时，可采取各种动作以阻止涉及所述佩戴者的交易，要求佩戴者采取额外步骤来验证或另外识别他自身等等。在一些情况下，响应于确定健身监测器的佩戴者的身份不是用户，所述方法阻止可佩戴健身监测器允许交易。举例来说，所述交易可以是接入安全项目或为用户提供满足活动阈值的奖励，所述活动阈值可从可定量的生物计量信息确定。在某些实施例中，响应于确定健身监测器的佩戴者的身份不是用户，所述方法要求用户验证他或她自身。举例来说，要求所述用户验证可包含要求健身监测器的佩戴者输入密码、指纹、虹膜图像、ECG、面部图像、发声消息，或以上的任何组合。在某些实施例中，响应于确定健身监测器的佩戴者的身份不是用户，所述方法认为经由所述可佩戴健身监测器获得的用户的健身度量不可信。
当所述系统/方法确定佩戴者是用户时，可采取各种动作来认为所述用户可信或允许所述用户参与交易。在某些实施例中，响应于确定健身监测器的佩戴者的身份是用户，所述方法认为经由所述可佩戴健身监测器获得的用户的健身度量可信。在某些实施例中，响应于确定健身监测器的佩戴者的身份是用户，所述方法允许所述可佩戴健身监测器促进交易。此些交易的实例包含接入安全项目或为用户提供满足活动阈值的奖励。
在某些实施例中，所述一或多个第一运动传感器和所述一或多个第二运动传感器中的至少一者是同一传感器。在某些实施例中，来自所述第一和第二运动传感器的数据至少包含来自所述一或多个第一运动传感器的第一数据和来自所述一或多个第二运动传感器的第二数据。
本发明的另一方面关于包含以下操作的方法：(a)获得运动标志，所述运动标志是使用来自经配置以由人佩戴的可佩戴健身监测器的一或多个运动传感器的数据获得的，其中所述运动标志表征所述可佩戴健身监测器经历的移动；(b)获得心跳波形标志，所述心跳波形标志是使用来自一或多个心跳波形传感器的数据获得的，其中所述心跳波形标志表征所述可佩戴健身监测器的佩戴者的所检测心跳波形；(c)将所述运动标志和所述心跳波形标志或其组合与用户的一或多个参考特征进行比较；以及(d)基于(c)中的所述比较，确定所述健身监测器的所述佩戴者的身份是否为所述用户。在某些情境中，佩戴者是非人类佩戴者，并且在某些情况下，“心跳波形”是在所述非人类无心跳的情况下检测的。如上文所描述，所述方法可用以识别用户、解除验证用户等。
本发明的另一方面关于包含以下操作的方法：(a)获得运动标志，所述运动标志是使用来自经配置以由人佩戴的可佩戴健身监测器的一或多个运动传感器的数据获得的，其中所述运动标志表征所述可佩戴健身监测器经历的移动；(b)获得身体特性，所述身体特性是使用来自一或多个身体特性传感器的数据获得的，其中所述身体特性表征佩戴所述可佩戴健身监测器的人的身体；(c)将所述运动标志和所述身体特性或其组合与用户的至少一个参考特征进行比较；以及(d)基于(c)中的所述比较，确定所述健身监测器的佩戴者的身份是否为所述用户。如上文所描述，所述方法可用以识别用户、解除验证用户等。
可采用各种类型的身体特性，一些与身体形态相关，一些与身体组成相关，一些与身体颜色相关等。在某些实施例中，所述身体特性是佩戴者的皮肤的一或多个特性(例如，佩戴者的肤色)。可通过各种技术确定(或近似)肤色或另一皮肤特性。在一个实施方案中，所述一或多个身体特性传感器中的至少一者包含光脉冲发射器和光脉冲检测器，所述光脉冲检测器经配置以确定所述检测器对来自所述发射器的光脉冲的强度的可变响应。所述检测器的响应的变化率可受到用户的肤色影响。因此，此响应可用作对照用户的参考特征进行比较的标志。在某些实施例中，所述身体特性是通过生物电阻抗确定的身体组成。在一些实施方案中，所述一或多个身体特性传感器中的至少一者安置在所述可佩戴健身监测器上。
本发明的另一方面关于包含以下操作的方法：(a)获得运动标志，所述运动标志是使用来自经配置以由人佩戴的可佩戴健身监测器的一或多个运动传感器的数据获得的，其中所述运动标志表征所述可佩戴健身监测器经历的移动；(b)将所述运动标志与用户的参考运动特征进行比较；以及(c)基于(b)中的所述比较，确定所述健身监测器的佩戴者的身份是否为所述用户。在一些实施方案中，来自所述一或多个运动传感器的数据在获得所述运动标志之前经预处理。在一些实施方案中，可在佩戴者的身份已经确定之后连续地或周期性地更新参考运动特征。在一些实施方案中，在操作(b)中的比较是使用LDA分类器实施的。
在一些实施例中，所述运动标志表征佩戴所述可佩戴健身监测器的人的周期性移动的循环。循环含有关于佩戴者的步或其它周期性运动单位的信息。用户的周期性运动的实例包含跑步、行走、骑车、游泳、举重、爬山、划船、体操锻炼、跳舞、有氧锻炼、瑜伽例程、打高尔夫、摆动球杆、摆动球拍、击球或另一对象、游泳、潜水、冲浪、滑冰、滑雪、滑板、在机器上锻炼、驾驶交通工具、骑乘动物等。在某些实施例中，循环的运动标志包含来自所述一或多个运动传感器的输出的时变振幅。循环的运动标志可针对在循环的单个实例或多个实例期间产生的数据而获得，其中所述实例经平均化或另外组合以提供在此方法中使用的“循环”。在其中运动标志是循环的实施例中，参考运动特征可为用户的周期性移动的参考循环。在一些情况下，此参考循环是用户的周期性运动的预定典型循环。如上文所描述，所述方法可用以识别用户、解除验证用户等。在某些实施例中，参考运动特征是周期性运动的特性。在某些实施例中，参考运动特征是从振幅(例如，振幅参考循环)导出的度量。
本发明的另一方面关于包含以下操作的方法：(a)获得运动标志，所述运动标志是使用来自经配置以由人佩戴的可佩戴健身监测器的一或多个运动传感器的数据获得的，其中所述运动标志表征佩戴所述可佩戴健身监测器的所述人的身体移动；(b)确定所述运动标志是否对应于无效运动特征，所述无效运动特征表征可能由非人类执行的运动；以及(c)基于(b)中的所述确定，阻止所述可佩戴健身监测器允许交易(或解除验证与健身监测器相关联的用户)。在某些实施例中，所述交易包含接入安全项目或对与所述可佩戴健身监测器相关联的用户提供满足活动阈值的奖励。在一些实施方案中，所述无效运动特征简单地为运动标志中的不自然的(对于人类或非机器)一致性或重复水平。在另一个实例中，无效运动特征具有有限的维度范围；举例来说，所述运动特征不自然地(对于人或非机器)强调一个或两个空间维度。用户识别逻辑可通过将相关运动标志分量与经界定阈值进行比较而识别此一致性水平或有限的维度范围。
如所提到，自动机器或其它机器可能产生不自然的运动标志。另外，佩戴健身监测器的非人类动物可产生不自然的运动标志。在某些实施例中，如此处所描述的方法允许系统或实体解除验证用户、认为用户不可信、阻止对安全项目的接入，和/或阻止涉及所述用户的交易。举例来说，在某些实施例中，响应于确定所述运动标志对应于无效运动特征，所述方法要求健身监测器的佩戴者验证他或她自身。在一些实施方案中，要求所述佩戴者验证包含要求健身监测器的佩戴者输入密码、指纹、虹膜图像、ECG、面部图像、发声消息，或以上的任何组合。在某些实施例中，操作(c)包含确定所述运动标志匹配无效运动特征，所述无效运动特征表征可能由非人类执行的运动。
在某些实施例中，在(b)中确定所述运动标志是否对应于无效运动特征包含使用来自一或多个额外传感器的数据获得额外标志，以及确定所述运动标志和/或额外标志与人活动不一致。在一个实例中，所述运动标志是步速或步数，且所述额外标志是心率或心跳波形。在某些实施例中，在(b)中确定所述运动标志是否对应于无效运动特征包含确定所述运动标志的周期性是否在给定时间周期的阈值周期性内。在一些实施例中，在(b)中确定所述运动标志是否对应于无效运动特征包含确定人活动的步速与心率之间的关系(例如，函数)，且确定运动标志(例如，测得的步速)与额外标志(例如，测得的心率)的组合与针对一或多个人活动确定的关系不一致。在一些实施方案中，将测得的步速与同人活动相关联的参考步速范围进行比较以确定测量步速是否在人活动的步速范围之外。在一些实施方案中，将测得的心率与人活动的心率范围进行比较以确定测得的心率是否在人活动的心率范围之外。
本发明的另一方面涉及包含以下操作的方法：(a)获得运动标志，所述运动标志是使用来自经配置以由人佩戴的可佩戴健身监测器的一或多个运动传感器的数据获得的，其中所述运动标志表征所述可佩戴健身监测器经历的移动；(b)获得额外标志，所述额外标志是使用来自位于与所述可佩戴健身监测器分开的装置上的一或多个额外传感器的数据获得的，其中所述额外运动标志进一步表征所述可佩戴健身监测器经历的所述移动，或表征与所述可佩戴健身监测器分开的所述装置经历的移动；(c)将所述运动标志与所述额外标志进行比较；以及(d)基于(c)中的所述比较，确定所述健身监测器的佩戴者的身份是否为所述用户。
在某些实施例中，所述运动标志和所述额外标志是从在同时收集的数据获得的。在一些实施方案中，(c)中的比较包含确定所述运动标志和额外标志是否表示所述用户的相同活动或活动等级。在一些实施方案中，确定所述运动标志和所述额外标志是否表示所述用户的相同活动或活动等级包括确定所述运动标志和所述额外标志是否表示用户的步态的特性。作为一实例，所述分开的装置是移动电话、第二健身监测器、头戴式耳机或其它便携式装置。在一些情况下，所述运动标志包含步数或步速，且所述第二运动标志包含GPS或蓝牙标志。
本发明的一个方面涉及使用传感器数据来检验可佩戴健身监测器的佩戴者的身份的系统。在各种实施方案中，传感器数据包含来自所述可佩戴健身监测器的一或多个运动传感器的数据。所述系统的各种实施方案经配置以执行上文所描述的方法中的任一者。
在一些实施方案中，所述系统包含经配置以由人佩戴的可佩戴健身监测器。所述可佩戴健身监测器包含一或多个第一运动传感器，一或多个第二运动传感器，以及通信接口，所述通信接口经配置以用于将数据从所述一或多个第一运动传感器传送到所述可佩戴健身监测器外部的装置。所述系统还包含经配置以执行操作以实施上述一或多个方法的分类逻辑。举例来说，在一个实施方案中，所述分类逻辑经配置以：(a)获得第一运动标志，所述第一运动标志是使用来自可佩戴健身监测器的一或多个第一运动传感器的数据获得的，其中所述第一运动标志表征所述可佩戴健身监测器经历的移动；(b)获得第二运动标志，所述第二运动标志是使用来自一或多个第二运动传感器的数据获得的，其中所述第二运动标志进一步表征所述可佩戴健身监测器经历的所述移动；(c)将所述第一和第二运动标志或其组合与用户的参考运动特征进行比较；以及(d)基于(c)中的所述比较，确定所述健身监测器的佩戴者的身份是否为所述用户。
在其它实施方案中，所述可佩戴健身监测器经配置以由人佩戴且包含：一或多个第一运动传感器，以及通信接口，所述通信接口经配置以用于将数据从所述一或多个第一运动传感器传送到所述可佩戴健身监测器外部的装置。在一些实施方案中，所述可佩戴健身监测器还包含一或多个心跳波形传感器。在其它实施方案中，所述可佩戴健身监测器还包含一或多个身体特性传感器。
在进一步实施方案中，所述可佩戴健身监测器包含：一或多个第一运动传感器，一或多个身体特性传感器，以及通信接口，所述通信接口经配置以用于将数据从所述一或多个第一运动传感器传送到所述可佩戴健身监测器外部的装置。
在一些实施方案中，所述系统包含(a)经配置以由人佩戴的可佩戴健身监测器。所述可佩戴健身监测器包含：一或多个第一运动传感器，以及通信接口，所述通信接口经配置以用于将数据从所述一或多个第一运动传感器传送到所述可佩戴健身监测器外部的装置。所述系统还包含(b)分类逻辑，以及(c)一或多个传感器，其位于与所述可佩戴健身监测器分开的装置上。
根据运动标志的用户识别
如所解释，本文所述的方法和系统识别健身监测器的用户，所述健身监测器从对用户的移动(例如四肢、头部、驱干、手腕等的运动)响应的运动传感器产生数据。这样的自主移动通常是针对用户识别或验证之外的目的产生的，通常针对活动追踪和监测的目的。这些自主移动可以从用户正常的步行或健身活动产生。
运动标志可以包含任何与从运动传感器获得的运动周期性(否则被称作周期性运动)相关的数据，所述数据通过例如分类逻辑分析以确定检测到的运动是否为用户的运动。与运动周期性相关的数据的实例包含步频、从运动信号振幅导出的度量、骑车步调、划船速率、基于阻力的重复率(例如举重重复速率)、打字速度、过零速率、峰-峰时间、摆臂速率、或其组合。从运动信号振幅导出的度量在本文中可以被称作“运动信号能量”。运动能量可以通过各种方法计算，例如经典的能量公式以及简化计算，例如发现运动信号的绝对差。
可以使用一或多个运动标志识别用户。当使用多个运动标志时，可分别或组合使用运动标志以识别用户。组合的一个实例是使一个用户的两个或更多个标志类型相关的线或曲线。举例来说，用户的运动信号能量可以随步频以可再生的方式变化。组合的另一实例是多个运动标志值经过散列处理或以其它方式用于索引查找表的情况。在一些情况下，使用可佩戴健身监测器中的除了运动传感器之外的传感器帮助识别佩戴健身监测器的用户。此些其它传感器包含心跳波形传感器(PPG传感器和ECG传感器)、生物阻抗传感器和EEG等等。在一些情况下，此些传感器测量非自主身体运动，例如心跳和呼吸。运动标志和另一标志的组合的实例是用户的心率和步频之间的关系。
可以在例如保险(例如，投保人的健身水平会影响到她的保险费)的各种情景中应用对用户的正面或负面识别，自动切换共享可佩戴健身装置的用户，接入安全装置例如机动车点火系统、门锁、媒体系统等，以及健身排名，其中所述方法为用户的健身结果加分或减分。
从可佩戴健身监测器的用户识别的时序和使用(使用情况)
本文所述的识别用户可以在各种时间和频率执行。在一些情况下，在她需要进入事务(例如接入安全装置)的时候执行识别。举例来说，系统可以评估来自可佩戴健身监测器的当前运动标志以在用户想要执行事务时确认用户可以执行事务(例如接入安全装置，或接收保险金)。当活动追踪器检测到与支付系统的交互时可以发生这样的情况，这个交互可以经由NFC协议、蓝牙连接或在活动追踪器上执行的应用程序起始的触发事件发生。
在一些实施方案中,在数天、数周、数月、数年等等的时期中佩戴健身监测器的用户可以周期性地检验她的身份，或者通知用户或者不通知用户。分类逻辑可以在未从用户提示的情况下自动检验健身监测器的佩戴者的身份。状态变化可以在通知或不通知用户的情况下发生，例如用户识别逻辑可以确定被识别为由用户佩戴的健身监测器不再被用户佩戴。或者，分类逻辑可以确定它可能不再以必备的置信级得出结论监测器正由用户佩戴。此些检验和调整可以在“后台”作出，也就是说，在没有用户的输入和/或没有通知用户的情况下执行这些操作。
在一些实施方案中,评估来自可佩戴健身监测器的运动标志使得先前经过验证的可佩戴健身监测器解除验证并且阻止事务的执行。在一个序列中，过程或分类逻辑开始先通过使用基于步态、心跳波形等的连续或准连续的健身追踪测量之外的技术验证用户。初始验证技术的实例包含指纹俘获、ECG测量、个人识别号(PIN)输入、和/或生物阻抗测量。此些技术通常仅仅需要短持续时间(例如一分钟或更少)验证用户。在分类逻辑验证用户之后，分类逻辑持续地周期性地评估可佩戴健身监测器运动标志以确定是否维持验证或解除验证用户/装置。此些评估可以在可佩戴健身监测器的正常操作期间通过分类逻辑在后台执行。当分类逻辑确定用户被验证或解除验证时，它可以通知用户或可以不通知用户。在一些实施例中，用户直到尝试执行事务时才会得到通知。
在一些情况下，用户识别逻辑起初使用短持续时间技术(例如指纹、ECG、生物阻抗等)验证用户，并且所述逻辑接着获取通过佩戴健身监测器的用户的自主和/或非自主动作产生的运动标志，并且使用这些运动标志训练运动标志与特定的用户之间的简档或其它关系。
在一些情况下，所述装置或逻辑可以提示用户通过验证可信装置(例如经由指纹或PIN码实现验证的移动电话)或本发明中所描述的运动、心跳或其它基于健身监测器的验证方法中的任何方法提供的代码重新验证。提示可以通过来自可佩戴健身监测器的振动或触觉交互发生。提示可以发生在可佩戴健身监测器的用户接口被接合(例如当按压按钮或提供例如朝向面部移动手腕可佩戴的运动手势时)的下一个时刻。
可佩戴健身监测器-结构和操作
适合与本文所述的方法和系统一起使用的可佩戴健身监测器为装置的用户收集例如活动、睡眠和生理量度的数据。实例包含步伐、行进的距离、燃烧的卡路里、步调、爬的楼层、海拔高度、活动分钟数、睡眠周期的开始和结束、睡眠持续时间、睡眠期间醒来的次数、外部刺激对睡眠的干扰、睡眠阶段、呼吸暂停指数、心率、静止心率、最大心率、心率变异性、在特定的费力等级(例如“有氧”区域)中花费的时间、血压、动脉硬度、心血管健康状态、血糖、压力和/或放松等级、自行车上的功率输出、泳池中的游泳圈数、泳姿数目、泳姿类型、计时、跑步英里数、步行路径或跑步的路程(例如经由GNSS追踪)、位置、花费在工作、家庭或健身房的时间、一天中的久坐时期的数目和/或长度、锻炼活动(例如步行、跑步、椭圆机、游泳、骑自行车、有氧锻炼、VO2max、SpO2)的开始和结束、与其他可佩戴健身监测器用户的接近和交互、心律不齐风险、乳酸盐阈值、体内水分等级、锻炼期间的水分损失、体脂、耐力训练课程中执行的锻炼的重复次数、组数和类型、执行的瑜伽体位和持续时间、呼吸速率等等。请注意，这里使用的“可佩戴健身监测器”可以是独立的可佩戴健身监测器、多个可佩戴健身监测器、或与一起使用以追踪用户活动的外部服务器通信的一或多个可佩戴健身监测器。
可佩戴健身监测器是人佩戴或携带的装置。可佩戴健身监测器有许多形状因素∶腕带、手表、夹子、鞋底感应器、鞋子、吊坠、耳塞、服装(衬衫、袜子、裤子、内衣)、皮带、袖扣、眼镜、戒指、耳环(鼻环、耳钉等)、头盔、帽子、发夹和袜子。为简单起见，手持型移动电话也将分类为可佩戴健身监测器，因为它会长时间由人握持或者佩戴。
在一些实施方案中,可以提供使得用户能够用多种方式或在多种身体部位佩戴单个可佩戴健身监测器的一组保护、可附接和/或可佩戴套壳(本文中简称为“套壳”)。举例而言，在一些实施方案中,可佩戴健身监测器可被设计成使得它可插入到多个相容的套壳中并从多个相容的套壳中去除。在其它实施方案中，可佩戴健身监测器可持续地或半持续地安放到(或接合到)绑带、夹子、扣环、条带或其它佩戴附件中。一般来说，本文中示出的各种实例套壳和/或生物计量追踪装置的各个元件还可与来自本文中示出的其它实例套壳和/或生物计量追踪装置的元件组合，例如还可为永久安装的可佩戴健身监测器提供用于可移除可佩戴健身监测器的项链或吊坠套壳。此些元件组合被认为在本发明的范围内。一般来说，与套壳或某种其它允许人佩戴或容易携带的装置组合的可佩戴健身监测器或生物计量追踪装置可以在本文中被称作“生物计量监测系统”或“生物计量追踪系统”。
图1描绘可佩戴健身监测器或可用来执行本文所述的各种操作的实例的其它装置的一般化示意图。可佩戴健身监测器102可以包含具有一或多个处理器的处理单元106、存储器108、操作人员接口104、一或多个生物计量传感器110和输入/输出112。处理单元106、存储器108、操作人员接口104、一或多个生物计量传感器110和输入/输出112可以经由通信路径114通信地连接(应理解一些这些组件还可彼此间接连接)。
可佩戴健身监测器(在本文中也被称作“所述装置”)可以从一或多个生物计量传感器110和/或外部装置(例如外部心率监测器，例如胸带心率监测器)收集一或多种类型的生物计量数据，例如，关于人体的生理特性(例如心跳、汗液等级等)的数据和/或关于身体与环境的物理交互(例如加速计读数、陀螺仪读数等)的数据，接着可存储此些信息以供稍后使用，例如，用于经由I/O 112传送到另一装置(例如，智能电话)或经由例如因特网的广域网传送到服务器。处理单元106还可对存储数据执行分析并且可以根据分析起始各种动作。举例来说，处理单元106可以确定存储于存储器108中的数据指示已达到目标阈值并且接着可在便携式生物计量追踪装置的显示器上显示内容，祝贺目标的实现。显示器可以是操作人员接口104的一部分(可以是按钮或其它未画出的控件，其可以用于控制可佩戴健身监测器的功能方面)。
总的来说，可佩戴健身监测器可以并入有一或多种类型的用户接口，包含但不限于可视、听觉、触摸/振动或其组合。可佩戴健身监测器可以(举例来说)通过(举例来说)图形显示器或通过一或多个LED的强度和/或颜色来显示可用和/或正由可佩戴健身监测器追踪的数据类型中的一或多种的状态。用户接口还可用于显示来自其它装置或因特网源的数据。所述装置还可通过(举例来说)电机的振动或装置的纹理或形状的变化提供触觉反馈。在一些实施方案中,生物计量传感器自身可以用作用户接口的一部分，例如，加速计传感器可以用于检测何时人用手指或其它物体敲击生物计量监测单元的外壳，并且接着可将此数据解释为用户输入以便于控制可佩戴健身监测器。举例来说，可佩戴健身监测器可以将两次敲击可佩戴健身监测器的外壳辨识为这样的用户输入，其将使可佩戴健身监测器的显示器从关闭状态打开，或者将使可佩戴健身监测器在不同监测状态之间转变，例如，从可佩戴健身监测器可以根据针对“活动的”人建立的规则解释数据的状态转变成可佩戴健身监测器可以根据针对“睡着的”人建立的规则解释数据的状态。
在另一个实例中，当用户佩戴可佩戴健身监测器102时，可佩戴健身监测器102可以在用户佩戴可佩戴健身监测器102的同时计算并且存储用户的步数，且随后向网络业务(比如www.fitbit.com)上的用户的账号、向与便携式生物计量监测单元配对的移动电话、和/或向独立的计算机传输表示步数的数据，其中数据可以存储、处理并且被用户可视化。实际上，所述装置作为用户的步数的补充或替代，还可以测量、计算或使用多个其它生理量度。这些生理量度包含(但不限于)卡路里能量消耗、上楼楼层或下楼楼层、心率、心率变异性、心率恢复、位置和/或前进方向(例如通过包含GPS接收器的GPS技术)、海拔高度、走动速度和/或行进距离、游泳圈数、自行车距离和/或速度、血压、血糖、皮肤传导、皮肤和/或体温、心电图数据、脑电图数据、体重、体脂和呼吸速率。可以从外部源向可佩戴健身监测器提供这个数据，例如，用户可以在健身追踪网站上的用户简档中输入他们的身高、体重和步幅，并且接着可将此些信息传送到生物计量追踪装置并且用于联合生物计量传感器110测量到的数据评估用户行进的距离或燃烧的卡路里。所述装置还可测量或计算与用户周围的环境相关的量度，例如气压、天气条件、光照、噪音暴露和磁场。
如先前所提到，从可佩戴健身监测器所收集的数据可以通过通信接口传送到外部装置。通信接口可以包含无线通信功能性，从而使得当可佩戴健身监测器出现在无线基站或接入点的范围内时，存储数据自动上载到因特网可查看的源，例如网站，例如www.fitbit.com。可以使用所属领域中已知的一或多种通信技术(例如蓝牙、RFID、近场通信(NFC)、Zigbee、Ant、光学数据传输等)提供无线通信功能性。一些这些通信技术例如蓝牙和NFC相比例如蜂窝和Wifi的一些其它无线通信技术的特征可能是低功率和/或短程。在一些实施例中，可佩戴健身监测器还含有有线通信能力，例如USB。
关于使用短程无线通信的其它实施方案描述于2013年3月5日申请的标题为“近场通信系统及其操作方法(Near Field Communication System,and Method of OperatingSame)”的美国专利申请案13/785,904中，其特此以全文引用的方式并入本文中。
应理解，图1说明可以用于实施便携式可佩戴健身监测器或其它可以执行本文所述的各种操作的装置的可佩戴健身监测器102的一般化的实施方案。应理解，在一些实施方案中,图1中表示的功能性可以用分布方式(举例来说)在外部传感器装置和通信装置(例如可以与可佩戴健身监测器通信的胸带心率传感器)之间提供。
此外，应理解，除了存储用于由处理单元执行以实施本文所述的实施方案的各种方法和技术的程序代码之外，存储器108还可存储在执行各种程序期间使用的配置数据或其它信息或者用于配置可佩戴健身监测器的指令集。应进一步理解，处理单元可以由通用或专用处理器(或处理核心集)实施，因而可以执行经编程指令序列以实现与传感器装置同步以及与用户、系统操作人员或其它系统组件的交互相关联的各种操作。在一些实施方案中,处理单元可以是专用集成电路(ASIC)或可编程硬件，例如FPGA。
虽然未图示，但是可以根据可佩戴健身监测器102可能必需执行的其它功能(例如环境感测功能性等)作为可佩戴健身监测器102的一部分提供大量其它功能块。其它功能块可以向移动计算装置(例如、智能电话、平板计算机、膝上型计算机等)相对于智能电话和/或无线网络接入提供无线电话操作。可佩戴健身监测器102的功能块描绘为通过通信路径114耦合，通信路径114可以包含任何数目的共享或专用总线或信令链路。然而，更一般化地，示出的功能块可以使用多种不同架构互连并且可以使用多种不同基础技术和架构实施。关于存储器架构，举例来说，可以在存储器108内提供多种不同类别的存储空间以存储不同类别的数据。举例来说，存储器108可以包含非易失性存储器媒体，例如固定或可移除磁性、光学或半导体类媒体以存储可执行码和相关数据，和/或包含易失性储存媒体，例如静态或动态RAM，以存储更瞬时的信息和其它可变数据。
本文所揭示的各种方法和技术可以通过由处理单元106(例如一般化的或专门的处理器)或由处理单元106内部或外部的定制建构硬件ASIC(专用集成电路)或可编程硬件装置(例如FPGA(现场可编程门阵列))或其任何组合执行一或多个指令序列(例如软件程序)来实施。
可佩戴健身监测器的另外的实施方案可以在2011年6月8日提交的标题为“便携式生物计量监测装置及其操作方法(Portable Biometric Monitoring Devices andMethods of Operating Same)”的美国专利申请案13/156,304中找到，所述美国专利申请由此以全文引用的方式并入本文中。
在一些实施方案中,可佩戴健身监测器可以包含用于控制可佩戴健身监测器的一或多个处理器以从一或多个生物计量传感器获得生物计量数据的计算机可执行指令。所述指令还可控制一或多个处理器以接收请求，例如来自可佩戴健身监测器上的按钮或触摸接口的输入，生物计量传感器数据的特定模式(例如两次敲击读取)等，以在可佩戴健身监测器的显示器上显示所获得的生物计量数据的一个方面。所述方面可以是数字数量、图形或简单地是指示符(例如，目标进程指示符)。在一些实施方案中,显示器可以是可照明显示器以便在显示数据时可见，而否则对于随意的观察者不可见。所述指令还可使一或多个处理器使显示器从关闭状态打开以便显示生物计量数据的所述方面。
运动传感器
运动传感器响应于所经历的运动而提供输出信号。运动传感器的实例包含加速计、陀螺仪、罗盘、开关(例如，机械)、GPS模块、压电薄膜和/或计步器，以确定、计算和/或检测用户的一或多个步伐；值得注意的是，示范性运动传感器可并入到例如可佩戴健身监测器的便携式监测装置中。
便携式监测装置可以使用表示用户运动强度(举例来说，由一或多个单轴或多轴加速计提供或确定)的数据估计、计算和/或确定卡路里摄取、燃烧和/或消耗。在一个实施例中，可以使用时域或频域滤波技术滤波来自一或多个加速计的信号以产生指示用户运动强度的参数，通常被称作“计数”。可以作为在合适的时期(举例来说，10秒)获得的整流滤波加速计输出的总和计算计数，并且执行或者不执行例如阈值处理和/或饱和的额外处理。便携式监测装置可以根据当前计数值或计数值序列计算、确定和/或估计卡路里摄取、燃烧和/或消耗。各种运动传感器的另外的描述提供于2015年1月22日提交的标题为“便携式监测装置及其操作方法(PORTABLE MONITORING DEVICES AND METHODS OF OPERATINGSAME)”的美国专利申请公开案第2015/0134268号(代理人案号：FTBTP014D15C2US)中，所述专利申请公开案以全文引用的方式并入。
加速计通常用作运动传感器。出于论述的清楚和容易起见，本发明利用图2中勾勒的坐标系。应理解，坐标系按一般规则是便利工具，并且可以任意限定—举例来说，可以将三轴加速计倒置以颠倒三轴加速计的三个轴中的两个轴的定向，或者可以将其围绕彼此垂直的轴旋转两个90°以使所有三个轴以不同于这里使用的惯例的方式对准。
为此，应理解，本文中论述的技术可以使用三轴加速计(及其对应的测量值输出)实践，三轴加速计与不同于本发明中使用的常规的坐标系(如图2中勾勒的)对准。另外应理解，来自与其它坐标系对准的三轴加速计的数据仍然可以用于执行本文中论述的技术，前提是如果来自此些三轴加速计的数据经过变换以便与本文中采用的坐标系惯例对准，或如果本文中概述的技术经过调适，例如，经过变换，以考虑坐标系中的移位(例如，如果轴线从这里使用的惯例颠倒，表明沿着所述轴线的加速度小于-0.125g的条件可具有新坐标系中的沿着所述轴线的加速度超过0.125g的等效条件)。加速计的另外描述提供于2014年9月23日提交的标题为“具有看表手势激活的手腕可佩戴装置(WRIST-WEARABLE DEVICE WITHWATCH-CHECK GESTURE ACTIVATION)”的第62/054,345号美国临时专利申请案(代理人案号：FTBTP003X1PUS)中，所述临时专利申请案以全文引用的方式并入。
还应理解，从加速计获得的加速度可以在用于本技术之前先经过一或多个预处理步骤。举例来说，加速度可以用原始形式(例如，计数或从计数转换的加速度)，或者可以首先经过平滑处理或者或以其它方式经处理(例如通过使用移动平均滤波器)以减少噪声并且产生更稳定的信号。
如上文所论述，本文中提出的概念的技术意图提供运动标志的更可靠的、更高响应性的辨识，同时对电池使用时间的影响很小。因此，本文中在一些情况下，所论述的各种操作可以与实际实践中稍微不同的方式执行。举例来说，作为一种技术的一部分，可以评估通过三轴加速计测量到的加速度的量值以检查它是否超出阈值加速度。
另一类型的运动传感器是角运动测量系统。角运动测量系统的详细描述提供于2014年9月23日提交的标题为“高动态范围角运动感测系统(HIGH-DYNAMIC RANGE ANGULARMOTION SENSING SYSTEM)”第62/054,341号美国临时专利申请案(代理人案号∶FTBTP002X1KP)中，所述临时专利申请案以全文引用的方式并入。此些系统可以使用并入两个不同的非陀螺仪角运动测量传感器的混合系统获得角运动测量数据。此系统最低限度包含多加速计角速率传感器(MAARS)、加速计/磁力计角速率传感器(AMARS)和用于确定在任何给定时刻要活动地用这两个角速率传感器(ARS)中的哪一个收集数据的逻辑。
可佩戴健身监测器的需要用户识别的应用
控制安全装置和其它电器或“事物”
在某些实施例中，可佩戴健身监测器用于控制或便于控制电子和/或数字装置和系统，例如家用电器、汽车、门锁等等。此类装置在这样的意义上可能是安全的：此类装置在没有某种形式的验证(例如口令)或其它用户识别的情况下无法控制或以其它方式被接入。在各种实施方案中，健身监测器用以识别用户并且允许接入安全电子装置或系统。这种形式的识别可具有其它应用，例如使得能够接入安全物理地区或财产，以及针对一种服务定制用户体验/接口。另外的实例包含控制电视机、解锁和/或打开住宅、办公室、汽车或其它锁定空间的门，提供数字ID和口令(pin或以其它方式)以接入计算机、银行账号、在线购物网站、或其它计算机账号，针对特定的用户改变房间中播放的音乐，在购物网站上选择货物以显示给用户等。
满足活动阈值的奖赏和激励
类似地，可以在监测到用户朝向保险金减少的行为或相关激励奖赏程序时，使用可佩戴健身监测器验证或以其它方式识别用户。举例来说，6个月持续时间中平均每天走路超过10,000步的用户可以收到现金奖励。1个月一周锻炼10分钟(或更长)到150分钟(或更长)的执行中等强度的锻炼的用户可以支付减少的医疗保险金。1个月每周执行10分钟(或更长)到75分钟(或更长)的剧烈强度锻炼的用户可以收到所选的零售商的优惠券或现金卡。每4个月每周平均执行超过N次最短持续时间T的锻炼的用户可以收到现金奖励(例如N＝5，T＝5分钟)。6个月的每天活动增加超过基线每天活动值10％的用户可以在接下来的6个月中获得减少的保险金。在这些和其它情况中的每一个中，必须先识别健身监测器的佩戴者为用户，然后向用户分配这样的奖赏。这个识别可以发生在与用户佩戴装置并且朝向目标进展的不同时间点。可以根据设置的频率、周期、计划(识别点之间的不同间隔随机出现)选择时间点，或者基于考虑朝向目标的进展的条件触发时间点(例如如果可佩戴健身监测器检测到给定步频的活动、活动的时间周期或正在执行活动)。
健身竞赛
来自可佩戴健身监测器的数据还可用于与朋友竞争(例如在社交网络中)、与同事竞争或在比赛中竞争。举例来说，跑特定路径最快的用户可以被授予一个名号(例如“山峰之王”)。一周(或任何其它时间周期)中步数最多的用户可以置于排行榜榜首。可以基于一个月跑步距离对照其他用户为数字比赛用户定等级。在这些和其它情况中的每一个中，必须识别健身监测器的佩戴者为用户，然后才确定健身监测器的测量到的度量属于竞争用户。
在一些情况下，竞赛可以是基于个人，其中对照其他个人为一个个人的量度定等级或与其他人比较。在其它情况下，竞争可以基于群组，其中群组由多个个人形成，并且聚合所述群组的成员的量度(例如求和、求平均值等)，并且对照其它群组的聚合度量比较一个群组的聚合度量。实施例可以允许基于一个属性(例如部门、公司、地理位置(州、市)、学校、宿舍、社交群组、家庭关系、朋友关系、收藏小组或任何其它合适的属性)形成群组。在其它情况下，实施例可以允许基于邀请方案形成群组。
共享装置
在一些情况下，多个用户之间可以共享一个可佩戴健身监测器。举例来说，健身房、家庭、学校、工作场所、或任何其它团体可以向所述团体的成员提供可佩戴健身监测器。成员之间可以分时间使用可佩戴健身监测器。分类逻辑不要求每个用户起始与可佩戴健身监测器的会话，而是可以验证分类逻辑的佩戴者，并且一旦验证，就使来自佩戴者对可佩戴健身监测器的使用的追踪活动数据与佩戴者的数字账号相关。
运动标志和特征
在某些实施例中，通过从健身监测器获得一或多个运动标志且确定此类标志是否由用户的移动产生来将健身监测器的佩戴者识别为用户。个体人类具有移动特性，所述移动特性个别地或共同地用作用户的生物计量识别符。本文中进一步描述此类运动标志。这些标志及其与和用户相关的参考特征的比较可以允许可佩戴健身监测器验证或以其它方式识别可佩戴健身监测器的佩戴者。运动标志可以从运动传感器获得，例如上文所提及的传感器类型中的一者。所述运动标志可以被视为某一形式的生物计量信息，所述生物计量信息可以在任何时间处收集或呈现以验证或以其它方式识别可佩戴健身监测器的佩戴者。当运动标志(或结合其它佩戴者信息的运动标志)在适当的用户分类过程所需的程度上匹配一或多个参考特征中的信息时，健身监测器的佩戴者被识别为用户。
运动标志的实例
许多类型的运动标志可以经由来自运动传感器的数据获得且可以由用户识别逻辑使用。一些运动标志可以在时域中表示运动(例如，振幅、功率、强度、相位、场强度等，各自随时间而变)。其它运动标志在频域中表示运动(例如，振幅、功率、强度、相位、场强度等，各自随频率而变)。其它类型的运动标志仅与某些活动类型相关联而提供，例如跑步、步行、游泳、骑车、划船、举重等。例如，弯举重复计数是与举重而非跑步或骑车相关联的运动标志。
一些其它类型的运动标志采用单一循环，所述单一循环可以通过其“简档”来表征，所述简档可以将时间或频率作为自变量。在使用中，将循环运动标志与参考循环特征比较，其中所述比较匹配循环的特征，例如总幅值和/或持续时间(例如，峰-峰)、最大或最小幅值、最大正或负斜率、拐点的数目和相对位置、包络等。所述比较可以通过所属领域的技术人员已知的许多不同技术来执行，所述技术包含模式识别算法或分类算法。
运动标志的其它实例包含步数、步速、步调、从周期性运动的振幅得出的度量值、骑车步调、划船速率、基于阻力的重复率、打字速度、过零率、峰-峰时间、摆臂速率或其组合。
如所解释，运动标志从自运动传感器获取的数据获得。可以少量或大体上处理所述数据以获得运动标志。另外，用于获得运动标志的运动传感器数据可以是原始“绝对”信号，或可以在滤波(通过例如带通滤波、低通滤波)、按比例缩放及类似者之后获得。在一些实例中，3轴加速度计运动信号的2范数可以代替或结合(x,y,z)信号特征使用以提供用于运动标志中的信息。
表示重复移动(并非仅一个循环)的运动标志可以使用例如来自例如FFT及类似者的经处理以获得峰值计数、过零点、频谱信息的数据来获得。可以执行傅立叶级数分解以提取多个周期性运动对传感器信号的贡献。这些贡献可以是与例如迈步和臂运动相关联的谐波。每一谐波可以是运动标志，和/或所述谐波的功率的比值可以是运动标志。例如，已发现用户的迈步冲击对在较高谐波中观察到的功率具有较大影响。应了解，尽管已经在谐波的背景下描述了一些实施例，但其它实施例也可以对频谱分量的任何贡献起作用。
应理解，健身监测器的佩戴配置影响所得运动标志。例如，单一用户运动可以产生在使用夹持到用户的髋部的健身监测器时获得的一个运动标志，以及在使用佩戴在用户的手腕上的健身监测器时获得的与第一运动标志不同的第二运动标志。因此，运动标志分析可以考虑到健身监测器的类型和佩戴位置。
参考运动特征的实例
如所解释，可以通过比较用户的参考运动特征与通过可佩戴健身监测器所测量的运动标志来识别用户。现将提供参考运动特征的几个实例。图3示出来自佩戴于正在步行的用户的手腕上的可佩戴健身监测器的代表性3轴加速度计信号。使用加速度计，步速(例如，步数/分钟)和信号能量等运动标志可以作为用户的特征。例如，对于正在步行的用户，加速度计信号能量随步速增加。通过比较来自由可佩戴健身监测器提供的运动信号的运动标志对(步数/分钟，信号能量)与表征用户的步行的数据(例如，来自先前由用户或负责注册用户并表征用户的步行的实体提供的信号的特征)，可以识别用户、将用户与另一用户区分开或确定用户为假冒者。在各种实施例中，表征用户所特有的移动的受信任信息被称作用户的参考运动特征。图4描绘4个独特用户的步速和信号能量。所述曲线可以近似为直线，且健身监测器或健身监测器的佩戴者可以通过与来自可佩戴健身监测器的数据(即，与一或多个运动标志)最接近的直线来分类。如果数据不位于直线的合理限制内，那么可以认为所述数据是假冒的(例如，在线性判别的意义上)。在此实例中使用直线，但可以采用任何模型，例如任意多项式、查找表等。并且，所采用的分类器可以是神经网络、支持向量机、随机森林、决策树或其它机器学习或启发式算法。
类似地，在跑步期间的步速和信号能量可以识别用户、将用户与另一用户区分开或确定用户为假冒者。在其中不存在用户的注册的实施例中，可以采用用于这些量的默认曲线或查找表。图5描绘跑步的3个独特用户的步速和信号能量。
在其它实施例中，通过运动数据的频谱特性而将用户彼此区分开。例如，当频谱特性是谐波时，可以使用在3轴加速度计的2范数中观察到的第二谐波与第一谐波的比值、第三谐波与第一谐波的比值以及第三谐波与第二谐波的比值。较高谐波含量对应于步行中的更多的冲击。类似地，所述方法可以用于跑步。图6描绘在跑步中原本通过步速和信号能量无法区分、但通过运动谐波清楚地区分的两个独特用户。谐波特征还可以与前述步行/跑步特征组合使用。
在其它实施例中，加速度计运动信号被分成“多个循环”(例如，两个步子之间的周期)、对准、时间扭曲，且用于构造用于用户的复合或典型的步简档，通过所述步简档，(x,y,z)轴峰-峰高度、包络以及峰-峰持续时间等特征可以用于构建用户的典型的运动的模型。“循环型”运动标志和相关联的参考运动特征可以用于以本文中其它地方描述的方式识别用户。例如，LDA分类器、人工神经网络、决策树、支持向量机或类似者可以用于对用户分类。
具有加速度计的前述实例出于说明性目的而呈现。在若干其它实施例中，可佩戴健身监测器可以具有陀螺仪，且可以采用类似或相同的方法以代替或结合加速度计。在所有对信号数据和所执行的信号处理操作的提及中，所述操作可以对原始“绝对”信号执行或在滤波(例如，带通滤波器、低通滤波器)、按比例缩放及类似者之后执行。
可佩戴健身监测器可以存储一或多个无效运动特征，所述无效运动特征各自个别地或共同地表征很可能为假冒的运动(例如，通过非人类执行的运动)。为检测假冒者，可以基于无效运动特征来拒绝用户的身份识别，所述无效运动特征表征所检测到的步速太一致(例如，在10分钟时间窗口上在各分钟之间发生超过5步/分钟的变化)或运动太周期性(例如，运动的每一“循环”对应于几乎与先前相同的步数)，信号能量被包含到几乎一个运动轴线(例如，通过超过由一个运动轴线组成的3轴加速度计信号的2范数的阈值(例如，50％)的主分量分析)，运动的持续时间太长(例如，超过1小时而没有中断)，在加速度计上观察到运动缺乏高谐波结构(例如，太平滑或正弦的，无来自重要迈步频率的整数谐波的清楚的存在)，或太不稳定(例如，加速度计上的峰-峰振幅中的50％或50％以上超过若干“迈步”循环)。可佩戴健身监测器可以存储一或多个无效运动特征，所述无效运动特征各自个别地或共同地表征很可能通过非人类执行的运动。
因此，特征可以因此广泛地被视为界定用户的预期标志的数据或逻辑，所述标志为正(例如，参考运动标志)或为负(例如，无效运动特征)。此类特征可以数据驱动方式(例如通过直线、曲线、曲线图、数据点)、用函数(例如，界定关于给定运动标志的预期阈值的逻辑)或以其某一组合表示。并且，特征的函数表达式的说明性实例是无效特征，所述无效特征指明不超出最小方差的运动标志将导致对佩戴者解除验证，其中机械装置可以产生通过可佩戴健身监测器检测到的运动数据就是如此。因此，为执行此无效特征，分类逻辑可以分析运动标志以确定由运动标志表示的循环是否改变超出阈值。
位置和接近性标志和特征
在其中可佩戴健身监测器包括位置传感器(例如，GPS、WiFi接口)或与具有位置传感器(例如，智能电话)通信的装置的实施例中，位置可以用于确定可佩戴健身监测器并不与既定用户在一起。例如，如果由可佩戴健身监测器提供的活动数据并未在用户注册的家里和/或工作场所花费相当大的时间段(例如，在家里至少8小时)，那么活动数据可以被归类为与现金激励计划或竞争性挑战相关的假冒活动数据。在另一个实施例中，如果可佩戴健身监测器连接到用户的智能电话(例如，经由在电话上运行的应用程序上的账号)但不在电话附近或在某一时间段(例如，1周)上并未与用户的电话“同步”数据，那么可以将由可佩戴健身监测器提供的活动数据拒绝为出于现金激励计划或竞争性挑战的目的的假冒活动数据。
在另一个实施例中，可佩戴健身监测器包括无线通信系统，例如蓝牙、蓝牙低功耗、近场通信、Wifi、人体区域网络(例如，通过身体路由的通信)及类似者。以类似于使用位置传感器(例如，GPS)的方式，装置或并入有所述装置的系统(例如，手机和可佩戴健身监测器或基于云的服务器和可佩戴健身监测器)可以基于从经由无线通信系统的通信对用户的位置的推断而将来自装置的数据拒绝为假冒数据或对用户解除验证。例如，所注册的名称或在用户的典型的移动区域(例如，家里、办公室、咖啡店城市/城镇)中通常观察到的Wifi网络可以用于确定可佩戴健身监测器是否在陌生环境，所述陌生环境可以引起解除验证。在此情况下，所述装置可以提示用户通过验证由受信任装置(例如，其中验证经由指纹或PIN码实现的手机)提供的代码或本发明中所描述的验证方法中的任一者来重新验证。提示可以通过振动或与可佩戴健身监测器的触觉交互来发生。提示可以在其中接合可佩戴健身监测器的用户接口的下一刻(例如，在按下按钮或提供运动手势(例如朝向面部移动腕式可佩戴健身监测器)后)发生。特别地，在当前实施例中，系统不必基于通信数据来推断用户的地理位置(例如，地址、经纬度)，维持与用户通信的网络和/或装置的列表已足够。
在实施例中，可佩戴健身监测器包含人体区域网络通信系统。当用户佩戴可佩戴健身监测器(例如，在手腕上、夹持到文胸、在衣服上)时，装置可以通过用户的身体将数据发射到极为接近用户或与用户接触的另一装置。用户可以触摸门把手，所述门把手同样地包含人体区域网络通信系统，且门把手可以响应于用户的触摸而解锁。类似地，用户可以触摸或极为接近(例如，相距小于1cm)汽车门拉手、办公室中的固定门等，且作为响应，锁可以松开和/或打开。在将活动、睡眠以及其它生物计量数据发射到附近的装置且之后发射到基于云的服务(例如，www.fitbit.com)的意义上，相同的触摸和/或接近性可以接合可佩戴健身监测器的“同步”。例如，用户可以具有在家中的人体区域网络启用灯，且触摸所述灯可以基于用户的偏好(包含一天中的时间)来设定光的颜色和/或强度，并且还开始将可佩戴健身监测器的活动数据发射到所述灯(如果如此启用以接收此数据的话)或其它通信集线器(例如，用户的住宅中的计算机)。
心跳波形标志和特征
在一个实施例中，用户可以通过心率传感器的特征(例如心电图(ECG))来验证到可佩戴健身监测器。
在其中可佩戴健身监测器是手环的实施例中，装置可以包含双电极系统，其中一个电极(引线1)与手腕接触，且在手环的外表面上的电极(引线2)可通过相反的手接近。当相反臂/手与手环(引线2)进行接触时，产生跨越用户的驱干的导电路径，且可以在多个心跳循环上或在某一持续时间上(例如10次心跳或10秒)收集ECG信号。
随后将所收集的ECG波形后处理成标志波形。这可以包括重叠波形的周期性分量(例如，个别PQRST段)、对准、归一化、离群值去除以及线性/非线性滤波、输出复合的或典型的PQRST波形标志等技术。
图7(a)到7(c)示出从后处理获得的数据的实例。图7(a)示出从可佩戴健身监测器获取的原始ECG波形。图7(b)示出在滤波之后的ECG波形。图7(c)示出重叠多个重复PQRST波形。图7(d)示出用于特征提取的最终ECG标志波形。
随后从最终ECG标志波形提取标志。这些标志可以包含用于心脏监测的PQRST波的病理特性(下方在图8中示出)，例如PR间期、PR段、QRS波群、ST段以及QT间期的时间和幅值特征。标志还可以包含其它时域特性(下方在图9中示出)，例如斜率、面积、曲率，以及多项式拟合，这些时域特性可能并不直接地具有任何直接物理或医疗重要性但呈现可用于验证的唯一性。频域特性还可以用作特征，例如PQRST傅里叶和余弦变化。
通过比较参考ECG的特征与从当前佩戴者检测到的ECG信号的特征来确定验证。用于验证的技术可以包括各技术的组合，例如神经网络、支持向量机、逻辑回归、朴素贝叶斯、随机森林、决策树或其它机器学习或启发式算法。在验证成功之后，佩戴者可以保持被验证，直到确定手环离开手腕，例如由于装置移除或失去接触等原因而离开。
在其中可佩戴健身监测器是衬衫的实施例中，装置可以提供对用户的连续ECG测量。类似于上述实施例，ECG可以被分成“多跳”、对准且用于经由移动窗口构造复合PQRST波形，所述复合PQRST波形随后用于提取特征以与用户的模板进行比较。在此实施例中，验证可以是连续的，且当特征在长于移动窗口的时间段上不匹配时，用户可以产生具有下降的信任得分。如果信任得分在指定时间段上变得低于指定阈值，那么可以从装置对用户解除验证。在此实施例中的另外特征是：可以通过连续(或几乎连续)的心率信号确定实时用户的存在以及用户一直穿着所述衬衫。使用衣服来容纳可佩戴健身监测器在第2010/0292599号美国专利申请公开案中描述，所述申请以全文引用的方式并入本文中。
在另一个实施例中，可佩戴健身监测器可以包含另一类型的心率传感器，例如光体积描记器(PPG)传感器，举例来说，所述传感器在其佩戴在手腕上时用以监测用户的心率。图10(a)到10(d)在下文描绘可以用于识别用户的PPG波形(及其一阶导数)的代表性特征。与用户的年龄相关的PPG波形的形状(例如，在模板意义上)还可以用作在适当的时间和空间归一化之后的特征。
另外，因为PPG是基于光的传感器且因为许多光的波长被皮肤色素沉着吸收，所以PPG传感器可以用于基于PPG传感器的响应来表征装置的佩戴者的皮肤色素沉着的水平。这可以用作用户验证系统中的另外的特征。例如，如果PPG的光发射器的强度水平较高但到PPG的光检测器的返回信号较低，那么用户具有较高皮肤色素沉着。返回信号与发射器输出的比值可以用作特征以表征用户。类似地，以不同光强度和/或波长进行测试可以为用户提供可以用于识别用户的传递函数(或查表)。可佩戴PPG传感器可以具有多波长LED，所述多波长LED可以被设定成不同强度和/或多波长(例如，频谱响应)光电二极管以进行此表征。
在相关实施例中，PPG传感器可以用于确定可佩戴健身监测器是否被佩戴。也就是说，如果PPG响应不表示人皮肤(例如，返回信号相对于所发射的输出较低，因为没有东西抵靠着传感器)，那么装置可以确定它未被佩戴，至少未佩戴在手腕上。这可以结合运动传感器来确定(例如，装置在表面上静止)。类似地，在PPG数据中不存在心率信号或缺乏心率变异(例如，心跳之间的持续时间太一致)可以用于确定来自装置的活动数据是假冒的。在低心率(例如，对于步行在60bpm以下且对于跑步在90bpm以下)存在于PPG数据中时的适度到剧烈的活动(例如，散步或跑步)可以同样地指示假冒。
在实施例中，可佩戴健身监测器包含运动传感器和ECG。用户利用ECG验证到装置，且如果运动标志不表示注册用户，那么可能失去验证。在另一个实施例中，可佩戴健身监测器包括接触传感器(例如，在抵靠着用户的手腕的卡扣、PPG或电容式传感器中)，其检测传感器何时从用户的手腕移除且随后失去验证。
在实施例中，可佩戴健身监测器包含运动传感器和PPG。如果运动标志或PPG推导出的数据并不对应于注册用户或对应于人的活动，那么可以将来自装置的活动数据拒绝为假冒活动数据。
在实施例中，可佩戴健身监测器包含ECG和PPG。用户不仅通过匹配ECG形态标志和PPG形态标志与用户先前注册的那些形态标志(例如，参考特征)来验证，而且通过比较两个信号的心率和心率变异性来验证。
在另一个实施例中，基于在锻炼期间观察到的用户的心率努力，可以确定装置的佩戴者不是装置的授权用户。例如，用户可以适度的步速步行，且如果心率除以步速(如所观察，比如通过GPS观察)或步调比授权用户的特性高得多或低得多，那么确定装置的当前用户不是授权用户。在其中可佩戴健身监测器自动地跟踪锻炼(例如在椭圆机上运动、骑车及类似者)的其它实施例中，每单位活动的心率的等效度量值(椭圆机冲程、骑车步速)可以用于将装置的当前佩戴者与装置的授权用户进行比较。
佩戴检测
在一些实施例中，在可佩戴监测器中使用光学监测器，所述光学监测器通过发射光脉冲且在光脉冲与用户的皮肤或其它组织相互作用之后检测光以由此捕获可以用于获得用户的心跳波形、佩戴状态、用户特性等的数据来实施不同的工作模式。在各种实施例中，光学监测器用作心跳波形监测器，且尽管以下描述的大部分将此类监测器称为心跳波形监测器，但此类监测器不必经配置或设计以测量心跳波形。监测器发射且检测脉冲并解释脉冲控制信息以实现所描述的结果就足够。
在一些实施例中，本发明提供用于操作具有心率监测器(HRM)的可佩戴健身监测装置的方法，当装置确定装置未被用户佩戴或“离开手腕”(当在手腕佩戴的装置中实施时)时，所述心率监测器处于低功率状态。HRM的此特征也称为“自动断开”功能。在一些实施例中，自动断开功能通过在“未佩戴”(或“离开手腕”)检测模式中操作HRM来实施，且自动断开功能在装置确定其未被用户佩戴时自动地断开HRM的心率监测操作以节约能量。自动断开功能的其它益处包含提供更精确的心率估计。例如，当执行自动断开或自动接通(下文描述)时，可以重新设置心率检测算法。在一个实施方案中，当检测到离开手腕时，算法停止运行，且当检测到在手腕上时重启。当心率监测器重启时，它重新设置。
在一些实施例中，本发明提供用于操作具有心率监测器的可佩戴健身监测装置的方法，当装置由用户佩戴或“在手腕上”(当在手腕佩戴的装置中实施时)时，所述心率监测器处于正常功率状态。HRM的此特征也称为“自动接通”功能。在一些实施例中，自动接通功能通过在“佩戴”(或“在手腕上”)检测模式中操作HRM来实施。如果装置检测到运动且确定其由用户佩戴，那么自动接通功能自动地使HRM离开低功率状态且开启HRM的心率监测操作。
在一些实施例中，未佩戴(或离开手腕)和佩戴(或在手腕上)检测可以通过光(例如，LED)探测来实施，所述光探测发射光脉冲且在光脉冲与用户的皮肤和组织相互作用之后检测到信号。在一些实施例中，未佩戴和佩戴探测可以共享一些硬件、固件、软件和/或参数以用于光发射、光检测以及检测到的信号的分析。在其它实施例中，两个探测模式将不同的硬件、固件、软件和/或参数用于光发射、光检测以及分析可以用于未佩戴和佩戴检测。
在一些实施例中，可佩戴健身监测装置通过探测灯(例如，LED)和运动检测器调节而进入和离开低功率状态，从而实施自动开关功能。在低功率状态中，心率监测器通过断开其LED光源和其光电检测器或缩减其LED光源和其光电检测器的操作来节省功率。在一些实施例中，其它光源和光检测器(例如，光电二极管、光电倍增管、CCD或CMOS)可以用于实施自动开关功能。
一些实施例提供操作具有多个传感器的可佩戴健身监测装置的心率监测器的方法。所述方法包含：(a)在第一模式中操作心率监测器，同时也在经配置以检测可佩戴健身监测装置到用户的皮肤的紧密接近度的第二模式中操作，其中第一模式经配置以在可佩戴健身监测装置紧密接近于用户时确定用户的心跳波形的一或多个特性；(b)通过在第二模式中收集的信息，确定心率监测器并不接近于用户的皮肤；以及(c)响应于确定心率监测器并不接近于用户的皮肤，结束在第一模式中操作心率监测器。在一些实施例中，用户的心跳波形的一或多个特性包含用户的心率。
在一些实施例中，可佩戴健身监测器包含运动传感器，且所述方法进一步包括：在(c)之前，通过由运动检测传感器输出的信息确定可佩戴健身监测装置已经在至少一个经界定周期上静止；以及响应于检测到可佩戴健身监测装置已经在至少一个经界定周期上静止，执行(c)。在一些实施例中，在(a)之前，在第一模式并未操作时，装置(i)使用运动检测传感器检测可佩戴健身监测装置的运动和/或通过在第三模式中操作心率监测器来检测心率监测器到用户的皮肤的接近性；以及(ii)当确定可佩戴健身监测装置紧密接近于用户时，启动心率监测器的第一模式的操作。操作心率监测器的另外实施方案提供于2014年5月30日提交的标题为“可佩戴心率监测器(WEARABLE HEART RATEMONITOR)”的第8,948,832号美国专利(代理人案号：FTBTP002X1GUS)，所述专利以全文引用的方式并入。
其它用户标志和特征
在又其它实施例中，可佩戴健身监测器具有生物阻抗传感器(可能与ECG共享同一电极)，且用户的生物阻抗进一步与ECG和/或PPG一起用以确定可佩戴健身监测器的当前用户。
在又一实施例中，可佩戴健身监测器具有指纹传感器(例如，电容式、超声波式)，所述指纹传感器对用户的手指的皮肤脊线的图案成像以将用户验证到装置(例如，当装置时处于接通状态时，当装置用作信用卡的代理服务器时)。装置可以包含ECG、PPG和/或生物阻抗传感器以进一步用用户特定的生物计量数据来加强验证系统。装置可以通过用户的运动标志和用户的基于PPG的标志来维持验证。装置的移除(例如，如通过安装在腕式可佩戴健身监测器的背部上的电容式传感器检测到，如使用光学传感器(可能与PPG传感器或独立光学传感器相同)以光学方式检测到，如通过在腕式可佩戴健身监测器的卡扣中的传感器检测到)可以对装置的佩戴者解除验证。
在另一个实施例中，可佩戴健身监测器的授权用户还可以具有跟踪步行等用户活动的智能电话。如果智能电话步行活动与可佩戴健身监测器步行活动数据的时间和大致计数的不匹配程度超过某一阈值百分比(例如，在某一时段上的时间的50％)，那么认为可佩戴健身监测器的数据是假冒数据。如果可佩戴健身监测器用作信用卡的代理服务器或其它安全服务，那么去激活用户的授权。可以通过在可佩戴健身监测器上显示代码或图像且将所述代码或图像输入用户的手机来建立重新验证。同样地，如果将手机用作信用卡的代理服务器或其它安全服务，那么可以去激活它的授权，直到通过匹配代码或图像与所述可佩戴健身监测器来执行重新验证。如果可佩戴健身监测器包括位置传感器(例如，GPS)，那么所述可佩戴健身监测器可以激活所述传感器且在其接着同步到基于云的服务时广播其位置。
在另一个实施例中，可佩戴健身监测器基于通过可佩戴健身监测器产生的传感器数据来跟踪用户的睡眠。例如，可佩戴健身监测器可以使用运动数据和/或心率数据来推断用户何时睡着。其它实例包含结合或代替前述数据使用皮肤温度、皮肤电响应、SpO2、血压以及一天中的时间来推断用户何时睡着。如果通过可佩戴健身监测器(或与可佩戴健身监测器通信的系统，例如手机或基于云的服务)确定用户睡着，那么可以“中断”验证，使得可佩戴健身监测器不可用于访问安全数字账号、打开安全区域等。在醒来后，用户可以保持验证。
皮肤校准
肤色可用于界定用户的一或多个特征。此外，肤色可影响心率测量值。此部分揭示用于测量肤色作为用户特征且使用皮肤测量值来改进例如心率等其它特征的测量值的技术。
环境光及肤色可能使得难以从PPG信号提取用户的心率。可通过从PPG光源打开时的所接收检测光信号的值减去PPG光源关闭时的所接收检测光信号的值而减小环境光的影响(假定两个信号是在彼此紧密接近的时间获得)。可通过改变PPG光源的强度、从光源发出的光的波长及/或通过使用对应于两个不同波长的所接收信号的比率或差而减小肤色的影响。可通过使用用户输入(例如，用户键入其肤色)、人面部的图像等来确定肤色，且可随后接着使用肤色来校准算法、光源亮度、光源波长及接收器增益。还可通过将具有已知振幅的信号发送到光源且接着测量从光电检测器接收到的信号来测量肤色(及用户佩戴装置的紧密性)对原始PPG信号的影响。此信号可发送延长的时间周期(以便经由多个预期心跳俘获数据)，且随后求平均以产生并非心率相依的稳态数据集。此振幅接着可与存储在表中的一组值比较以确定算法校准、发射器振幅和接收器增益。
在一些实施例中，本发明提供用以针对用户的例如肤色、运动、汗水、位置和生理状态(例如，皮肤厚度、身体脂肪等)等不同用户特性准确地测量心跳波形的方法和装置。因为较深色皮肤具有较低光反射，所以光检测器读数与光脉冲强度之间的关系(例如DAC)与较浅色皮肤相比往往会具有较低斜率。在一些实施例中，用于皮肤表征的信号可与用于心率监测的第一模式的光脉冲相比以较高频率间歇地操作。
一些实施例提供一种用于调节用于操作可佩戴健身监测装置中的心率监测器的至少一个设定的方法。所述方法涉及：(a)通过发射一连串光脉冲在皮肤表征模式中对心脏监测器中的光源进行脉冲控制，至少一些光脉冲具有相对于彼此可变的强度；(b)在光已经与用户的皮肤交互之后检测来自皮肤表征模式中发射的光脉冲的光的强度的变化；(c)从(b)中检测到的光的强度的变化确定用户的皮肤的响应特性；以及(d)使用用户的皮肤的响应特性调节第一模式中操作的用于检测用户的心跳波形的一或多个特性的心率监测器的增益和/或发光强度。
在一些实施例中，响应特性取决于用户的皮肤的不透明度值。在一些实施例中，在第一模式中操作和在皮肤表征模式中操作同时执行。在一些实施例中，同时在第一模式中操作和在皮肤表征模式中操作涉及在第一模式中持续操作的同时周期性地确定用户的皮肤的响应特性。
在一些实施例中，在第一模式中操作涉及以第一频率对心率监测器中的光源进行脉冲控制，以及在所述光已与用户的皮肤交互之后以所述第一频率检测来自所述光源的光。此外，在所述皮肤表征模式中操作涉及以第二频率对所述心率监测器中的所述光源进行脉冲控制，以及以所述第二频率检测来自所述光源的光。
在如上文所描述的一些实施例中，可佩戴健身监测器可存储关于传感器对用户的皮肤的响应的参考特征以稍后使用例如前述技术基于传感器对可佩戴健身监测器的佩戴者的皮肤的当前响应来检验用户。
将用户标志与用户参考特征比较
可应用各种分类和识别技术将运动和/或其它标志与用户参考特征比较。通常，此些技术确定是否有可能从健身监测器获得的运动标志是由所讨论的佩戴所述装置的用户创建。以此方式，健身监测器的佩戴者可经验证或以其它方式识别。
用于将标志与参考特征比较的逻辑可为健身监测器和/或如本文其它地方所描述的次级装置上实施的分类器或其它例程。举例来说，所采用的分类器可为LDA分类器、神经网络、支持向量机、随机森林、决策树，或其它机器学习或试探性算法。
如所提到，运动信号可拆分成“循环”(例如，两个步骤之间的周期)、对准、时间扭曲，且用于为用户构造复合或典型的步骤简档，借此例如(x，y，z)轴峰-峰高度、包络和峰-峰持续时间等特征可用于构建用户的典型运动的模型。如同其它类型的标志，此可由例如神经网络、决策树、支持向量机等等机器学习算法使用来对用户分类。
在某些实施例中，分类逻辑将标志与参考特征比较且应用置信级(由比较算法直接或间接提供)来验证或以其它方式识别用户。用于识别用户的置信级可按应用的需要而设定(保险与非正式竞赛中的健身积分)。所述置信级还可针对用于将佩戴者的标志与用户的参考特征比较的分类算法的类型设定。
图11展示用于确定健身监测器的即时佩戴者的身份是否匹配用户的身份的方法的流程图。如果即时佩戴者的身份与用户的身份匹配，那么即时佩戴者验证为用户。举例来说，用户可为可佩戴健身监测器的所有者或授权用户。因为用户的运动特征提供为供与佩戴者的数据比较的参考，所以用户在本文也称为参考用户。
在图11中展示的实施方案中，过程1100的操作由单一可佩戴健身监测器执行。在其它实施方案中，一些操作可由可佩戴健身监测器执行，而其它操作可由与可佩戴健身监测器相关联的外部装置执行，所述外部装置例如智能电话、个人计算机、平板计算机或网络服务器，其与可佩戴健身监测器相关联或以通信方式链接到可佩戴健身监测器。
过程1100涉及使用由用户佩戴的可佩戴健身监测器上的一或多个运动传感器获得参考用户(或如本文其它地方所使用的用户)的参考运动特征。参看框1102。运动传感器可选自加速计、陀螺仪、GPS传感器和本文中其它地方所描述的其它运动传感器。在一些实施方案中，参考运动特征包括如上文和下文中在图12的框1206处所描述的运动循环简档。
在框1104处，过程1100涉及使用参考运动特征训练分类器。在一些实施方案中，分类器为二进制分类器。在一些实例中，分类器为线性判别(LDA)分类器。尽管下文中LDA分类器提供作为一实例，但在各种实施方案中，可使用本文中所描述的或领域中已知的其它分类器代替或结合LDA。举例来说，集群方法、神经网络、支持向量机、线性和非线性模型、决策树等可用作分类器来对佩戴者分类。在一些实施方案中，如上文针对LDA分类器所描述，测试数据分类为两个类别。在一些实施方案中，分类器可确定三个或三个以上类别。在此些实施方案中，分类器可经实施以验证三个或三个以上用户。在一些实施方案中，可使用C类LDA分类器，其中C不少于三个。
二进制LDA提供一种用以将多维空间中的数据分类为两个类别的方法：目标类别和非目标。提供来自两个类别中的每一者的数据点来训练分类器。LDA将数据点投射到使数据点的两个类别最佳分离的新空间中。更确切地说，所投射的数据点具有平均差与类别方差的最佳组合，具有两个类别的均值的最大差和每一类别内的最小方差。LDA确定使数据的两个类别分离的超平面。来自相同类别的数据点的投射彼此极其将近，且同时两个类别的投射均值彼此相距尽可能远。在已训练LDA分类器之后，分类器应用到测试向量。如果测试向量位于超平面的与目标类别相同的一侧上，那么测试向量属于目标类别，且超平面的位置由阈值界定。
过程1100进一步涉及使用可佩戴健身监测器的所述一或多个运动传感器从即时佩戴者的运动数据获得运动标志。参看框1106。图11中展示的过程1100使用相同运动传感器和相同可佩戴健身监测器来获得参考运动特征和运动标志两者。然而，在一些实施方案中，参考运动特征可由不同于那些产生运动标志的传感器或可佩戴健身监测器提供。举例来说，参考运动特征可从另一可佩戴健身监测器或计算机导入，且随后存储在执行过程1100的一或多个操作的即时可佩戴健身监测器或即时计算机上。随后，所导入的参考运动特征可与即时可佩戴健身监测器或即时计算装置上的运动标志比较。
操作1102和1104表示过程的与操作1106-1110不同的阶段，其中初始地执行1102和1104且结果在1106-10中重复使用。训练分类器在性质上不同于使用分类器。当然，可执行1102和1104一次以上来更新分类器，如下文实例中描述。但通常可重复使用单一经训练分类器来确定身份。
在一些实施方案中，过程涉及从即时佩戴者的运动数据获得两个或两个以上运动标志。在一些实施方案中，所述两个或两个以上运动标志包括两个或两个以上运动循环简档。在一些实施方案中，所述两个或两个以上运动标志包括两个不同运动特征，例如步频和运动信号功率。
过程1100涉及通过将分类器(例如，LDA分类器)应用到运动标志而将运动标志与参考运动标志比较。参看框1108。尽管LDA分类器提供作为一实例，但在一些实施方案中可使用本文中所描述或领域中已知的其它分类器代替或结合LDA。在一些实施方案中，从参考运动特征提取特征向量，所述特征向量随后提供作为属于目标类别的数据点来训练LDA分类器。LDA分类器还可由属于目标类别的额外数据点和属于非目标类别的额外数据点训练。当提供更多数据点来训练LDA分类器时，可改进分类的置信度。
在一些实施方案中，分析运动标志以提取特征向量，所述特征向量可随后使用LDA分类器测试以确定来自即时佩戴者的运动标志是否与来自参考用户的参考运动特征匹配。LDA分类器取特征向量作为输入，且提供目标或非目标分类作为输出。
如果从即时佩戴者的运动标志提取的特征向量分类为目标类别，那么这意味着运动标志与参考运动特征匹配。因此，过程可确定健身监测器的佩戴者的身份为参考用户。参看框1110。
在一些实施方案中，当获得两个或两个以上运动标志时，其可组合为一个值或函数，所述值或函数可随后与参考运动特征比较。在一些实施方案中，两个运动循环简档可求平均，且接着可将平均简档与参考循环简档比较。在一些实施方案中，两个运动标志的值可形成函数(例如，功率作为步频的函数)，所述函数可随后与参考函数比较。在一些实施方案中，有可能将运动标志中的每一者分类且组合分类结果，例如在比如Bayes等概率框架中。此概率组合也被称作贝叶斯融合(Bayesian Fusion)。还可使用作为Bayes的替代或补充的其它概率方法(例如，多个概率函数的混合模型)来组合多个运动标志。
图12展示用于训练分类器且使用分类器来基于分类结果验证佩戴者的过程1200的实施方案。尽管LDA分类器提供作为一实例，但可在一些实施方案中使用本文中所描述或领域中已知的其它分类器来代替或结合LDA。可根据图12的操作1202、1204和1206实施获得用户的参考运动特征的操作1102。训练线性判别分析分类器的操作1104可实施为图12的操作1208和1112。在一些实施方案中，获得运动标志的操作1106可实施为操作1202、1204和1206。将运动标志与参考运动特征比较的操作1108可实施为图12中的操作1208和1214。确定运动标志是否与参考运动特征匹配的操作1110可实施为图12的操作1216。
过程1200开始操作可佩戴健身监测器的一或多个运动传感器以产生运动数据。参看框1202。在一些实施方案中，所述一或多个运动传感器选自加速计、陀螺仪、磁力计、GPS传感器等。在一些实施方案中，运动数据包含例如25Hz处取样的约2分钟的数据。在一些实施方案中，运动数据包含约5分钟的数据。在一些实施方案中，可在训练阶段中可佩戴健身监测器由参考用户佩戴时获得参考数据。随后在测试阶段中，由即时佩戴者提供的数据与参考数据比较。当即时佩戴者的数据与参考数据匹配时，确定佩戴者的身份与用户的身份匹配，借此提供对佩戴者的验证。
举例来说，可佩戴健身监测器的所有者在此上下文中为参考用户。从可佩戴健身监测器的所有者收集训练数据。在测试阶段中，可佩戴健身监测器可确定可佩戴健身监测器的即时佩戴者是否具有与所有者相同的身份，借此验证佩戴者为参考用户。
在一些实施方案中，可佩戴健身监测器可体验各种速度下的散步或跑步所导致的运动。在一些实施方案中，来自不同速度或速度范围的数据用于训练和产生不同分类器。尽管LDA分类器提供作为一实例，但可在一些实施方案中使用本文中所描述或领域中已知的其它分类器代替或结合LDA。将针对与不同速度相关联的数据应用不同分类器。在一些实施方案中，由不同速度或速度范围处的运动产生的数据可用于训练和产生单一LDA分类器。在一些实施方案中，数据在时间维度上正规化以获得运动数据的单一循环简档。在一些实施方案中，移动速度可提供为特征向量的特征，且提供特征向量是为了训练LDA分类器或测试LDA分类器。
在一些模拟中，运动数据包含一个、两个或三个运动传感器的数据。在一些模拟中，每一运动传感器包含三个轴。在一些实施方案中，使用来自运动传感器的一个轴的运动数据。此些实施方案可在信号足够强时提供有效分类和有效分析。
过程1200涉及使用各种技术预处理由运动传感器产生的运动数据。参看框1204。在一些实施方案中，本文中所描述的预处理技术中的一或多者是任选的。在一些实施方案中，原始运动传感器数据经低通滤波以使数据平滑。在一些实施方案中，可通过滚动时间窗口使数据平滑。在一些实施方案中，从经平滑数据获得本地最小值。图13展示加速度数据作为时间的函数的实例。如实例中所展示，滤波和平滑提供较规律且循环的数据。经平滑数据可随后分段为步幅简档或循环简档。参看图12的框1206。图14展示描绘来自相同主体的多个步幅简档的运动数据。在一些实施方案中，多个步幅简档的数据在时间维度上正规化。在一些实施方案中，从多个步幅计算平均步幅的简档。在一些实施方案中，移除依据准则从平均步幅偏离的离群值简档。在一些实施方案中，从已移除离群值的步幅简档获得新平均步幅。在一些实施方案中，针对额外迭代执行离群值移除和平均以进一步改进所获得的平均步幅简档的代表性。
在一些实施方案中，在操作1206处获得平均步幅的一个循环简档。在一些实施方案中，可从运动数据获得两个或两个以上循环简档以提供训练数据来训练分类器。在一些模拟中，获得来自多个用户的循环简档，其随后用于训练分类器。至少一个循环简档属于参考用户的目标类别，且至少一个循环简档属于除参考用户之外的非目标类别。图15展示来自八个不同主体的八种平均步幅循环简档。
过程1200进一步涉及从所述至少一个循环简档提取至少一个特征向量。参看框1208。在一些实施方案中，基于振幅的信号值可用于提取例如斜率、最小值、最大值、加速度、特征之间的相对距离等特征。在一些实施方案中，特征可基于力矩、累积量、时域频域函数等。在一些实施方案中，额外特征可添加到特征向量以训练或测试分类器。在一些实施方案中，额外特征包含未由循环简档反映的运动数据。举例来说，运动的速度可用作额外特征。在其它实施方案中，其它生物计量数据可用于提供特征向量的额外特征，其可随后用于训练分类器或使用分类器来测试。举例来说，本文中所描述的心率、血压、呼吸速率、肤色和其它量度可作为额外特征包含。
过程1200进一步涉及确定训练分类器还是应用分类器来验证佩戴者。参看框1210。LDA分类器为合适的分类器的实例。可在一些实施方案中使用本文中所描述或领域中已知的其它分类器代替或结合LDA。当过程确定训练LDA分类器时，运动数据被配置成从参考用户获得。参考用户的身份为参考身份，即时佩戴者的身份与所述参考身份进行比较。如果即时佩戴者的身份与参考用户的身份匹配，那么即时佩戴者验证为参考用户。
如果过程进行以训练LDA分类器，那么使用特征向量训练分类器。参看框1212。使用沿着非目标数据在1206中获得的所述至少一个循环简档来训练LDA分类器。所述至少一个循环简档等效于图11的框1104、1108和1110中的参考运动特征。在各种实施方案中，获得目标循环简档的至少一个特征向量和来自非目标循环简档的至少一个特征向量来训练LDA分类器。从参考用户获得目标循环简档。可从除参考用户外的人获得非目标简档。在一些实施方案中，可从执行不同于目标运动的运动的参考用户获得非目标简档。在各种应用中，从参考用户获得大量特征向量来训练LDA分类器。在一些实施方案中，从参考用户获得的多个特征向量提供目标类别的数据点。在一些实施方案中，从来自除参考用户外的个体的运动数据获得的一或多个特征向量还提供为非目标类别的数据点以训练LDA分类器。
在一些实施方案中，过程1200随后确定是否继续用额外数据训练LDA分类器。参看框1222。如果决策为肯定的，那么过程1200返回到操作1202以使用可佩戴健身监测器的所述一或多个运动传感器产生更多运动数据。重复上文描述的训练LDA分类器操作。
在一些实施方案中，操作1210决定应用LDA分类器以确定即时佩戴者是否为参考用户。在此情况下，在框1206中获得的所述至少一个循环简档等效于图11中的框1106、1108和1110中的运动标志。过程通过将LDA分类器应用到所述至少一个特征向量而使用所述LDA分类器。参看框1214。实际上，此操作将从即时佩戴者的运动数据获得的特征向量与从参考用户获得的特征向量比较。LDA分类器取特征向量作为输入且提供关于所述数据是否属于目标类别(即，参考用户)的分类的输出。如果所述数据分类为属于参考用户，那么可佩戴健身监测器提供对佩戴者的验证，确定佩戴者具有与参考用户相同的身份。参看框1218。否则，过程并不提供对佩戴者的验证，或需要佩戴者提供验证佩戴者的身份的替代的方法。举例来说，佩戴者可需要提供指纹、口令、视网膜扫描、心率测量值或其它生物计量数据来验证佩戴者。在一些实施方案中，佩戴者可需要提供更多运动数据以重复上文描述的验证操作。
在一些实施方案中，过程1200进行以确定是否继续训练或使用LDA分类器。如果决策为肯定的，那么过程沿环路回到操作1202以产生更多运动数据来训练或使用LDA分类器。
在一些实施方案中，决策1222确定继续训练LDA分类器。此实施方案可使用反映参考用户的运动的长期改变的数据提供分类器的连续学习。在一些实施方案中，运动改变可归因于与用户相关联的生理或环境改变。举例来说，用户可能受伤且结果是形成不同运动循环简档。在一些情况下，用户可具有一天的不同时间的运动的不同特性。在一些情况下，相同用户可具有不同种类的活动期间的不同循环简档。LDA分类器的继续训练可改进分类器考虑这些不同因子的能力。在一些实施方案中，LDA分类器的持续训练可改进分类的置信度。举例来说，可取决于例如一天的时间或活动类型等特定因子针对相同用户产生两个或两个以上分类器。在一些实施方案中，额外因子的值可包含到用于训练LDA分类器或其它类型的分类器的特征向量中。
在一些实施方案中，决策1222操作以继续将LDA分类器应用到循环简档的多个集合。在此些实施方案中，循环简档的每一集合可由分类器分类。随后多个分类结果可由概率方法组合以获得最终分类结果。所述多个分类结果可通过贝叶斯融合使用Bayes组合。参看由指示任选操作的虚线概述的框1223。最终分类结果可随后用于确定是否应验证用户。在此实施方案中，取决于最终分类结果满足验证准则而修改1218的验证。
最后，过程1200可确定不继续训练或使用LDA分类器，且过程在框1224处结束。
图16展示针对8个个体的两分钟步行数据(fs＝25Hz)的实例分类结果。数据集随机划分成训练和测试集合。曲线展示这8个个体上的分类器的性能。
系统
在一个实施例中，可佩戴健身监测器是包括能够与可佩戴健身监测器通信的次级装置的系统的一个组件。在一些实施方案中，次级装置可为智能电话、PDA、平板计算机或计算机。在一些实施方案中，次级装置可具有一形状和机械和/或磁性接口以接纳可佩戴健身监测器，用于安全保持、通信和/或充电。值得注意的是，可佩戴健身监测器与次级装置之间的通信可经由本文其它地方提及的无线通信技术/方法和协议来提供。在一些实施方案中，次级装置执行佩戴者的运动标志与用户的参考特征之间的生物统计匹配。
在一些实施方案中，次级装置可包括传感器以辅助生物统计或环境监测，例如测量环境光、噪声和/或声音(例如，以检测打鼾)、温度、湿度和空气质量(花粉、灰尘、CO2等)的传感器。在一个实施例中，次级装置可与例如www.fitbit.com等外部服务或服务器(例如，个人计算机)通信。通信可经由有线或无线电路和协议实现以向和/或从次级装置传递数据。举例来说，可使用上文针对健身监测器描述的无线技术中的任一者。次级装置还可充当中继器以向和/或从可佩戴健身监测器传递数据，到例如www.fitbit.com等外部服务或其它服务(例如，新闻、社交网络更新、电子邮件、日历通知)。可使用来自一个或两个装置的数据在一个或两个装置或外部服务(例如，云服务器)上执行用户健身数据的计算。
在一些实施方案中，所执行的用以识别用户的操作中的一或多者在次级装置上执行。应理解，所述操作中的一些或全部可在可佩戴健身监测器上执行。常常，所述操作在可佩戴健身监测器与次级装置之间划分。
如上文所提及，可佩戴健身监测器可用作代理以授权信用卡或其它安全服务。此外，用于经授权用户的可佩戴健身监测器的数据可与智能电话的用户的数据比较。比较结果可用于对用户授权。基于来自可佩戴健身监测器和/或智能电话的数据，用户可经授权、解除授权和/或再授权。在一些实施方案中，所述授权、解除授权和再授权可在可佩戴健身监测器上“在线”执行。在此些情况下，分类器逻辑可在可佩戴健身监测器上执行。在其它实施方案中，所述授权、解除授权和再授权可在智能电话上执行。在此些情况下，分类器逻辑可在智能电话上执行。在进一步实施方案中，所述授权、解除授权和再授权可经由网络在后端服务器上“离线”执行。在此些情况下，分类逻辑可实施在后端服务器上。在另外其它实施方案中，所述授权、解除授权和再授权可使用可佩戴健身监测器、智能电话和后端服务器执行。在此些情况下，分类逻辑的部分在那些装置/系统之间拆分。
上文概述的技术和功能可在可佩戴健身监测器中实施为机器可读指令集，作为存储在存储器中的软件，作为专用集成电路、现场可编程门阵列，或用于提供系统控制的其它机制。此些指令集可提供到可佩戴健身监测器的(一或多个)处理器以致使所述(一或多个)处理器控制可佩戴健身监测器的其它方面以提供上文描述的功能性。
除非本发明的上下文(其中术语“上下文”依据其典型一般定义来使用)另外明确需要，否则遍及所述描述及权利要求书，将在与排他性或穷尽性意义相反的包含性意义上解释词“包括”及其类似者；也就是说在“包含(但不限于)”的意义上。使用单数或复数的词通常还分别包含复数或单数。另外，词“本文中”、“在下文”、“上文”、“下文”及类似含义的词是指作为一整体的本申请案，且并非指本申请案的任何特定部分。在涉及两个或两个以上项目的列表时使用词“或”时，该词涵盖所述词的所有以下解释：列表中的项目中的任一者、列表中的所有项目及列表中的项目的任何组合。术语“实施方案”是指本文中所描述的技术及方法的实施方案，以及体现结构及/或并有本文中所描述的技术及/或方法的物理对象。
本文中描述及说明了许多概念及实施方案。虽然已经描述和说明本文论述的实施方案的某些特征、属性和优点，但应理解，从描述和说明显而易见本发明的许多其它以及不同和/或类似的实施方案、特征、属性和优点。因此，上文实施方案仅为示范性的，且并不希望为穷尽性的或将本发明限于所揭示的精确形式、技术、材料及/或配置。许多修改及变化根据本发明是有可能的。应理解，在不脱离本发明的范围的情况下，可利用其它实施方案，且可作出操作改变。因此，本发明的范围不仅仅限于上文描述，因为已出于说明及描述的目的而呈现上文实施方案的描述。
值得注意的是，本发明既不限于任何单一方面或实施方案，也不限于此些方面及/或实施方案的任何单一组合及/或排列。此外，本发明的各方面及/或其实施方案中的每一者可单独使用或与其它方面及/或其实施方案中的一或多者组合使用。出于简洁起见，将不在本文中单独地论述及/或说明那些排列及组合中的许多者。
待决权利要求均不包含“构件加功能”或“步骤加功能”的形式呈现的局限性。(参看35USC§112(f))。申请人的意图是，不应依据或根据35U.S.C.§112(f)解释权利要求局限性中的任一者。
在不脱离本发明的精神或基本特征的情况下，可以其它特定形式体现本发明。所描述的实施例应视为在所有方面均仅为说明性而非限制性的。因此，本发明的范围由所附权利要求书而不是由前述描述指示。在权利要求书等效物的含义和范围内的所有变化均涵盖在权利要求书的范围内。
Claims (12)
1.一种方法，其包括：
(a)获得第一运动标志，所述第一运动标志是使用来自经配置以由人佩戴的可佩戴健身监测器的一或多个第一运动传感器的数据获得的，其中所述第一运动标志表征所述可佩戴健身监测器经历的移动；
(b)获得第二运动标志，所述第二运动标志是使用来自一或多个第二运动传感器的数据获得的，其中所述第二运动标志进一步表征所述可佩戴健身监测器经历的所述移动；
(c)将所述第一和第二运动标志或其组合与用户的参考运动特征进行比较；以及
(d)基于(c)中的所述比较，确定所述健身监测器的佩戴者的身份是否为所述用户。
2.一种方法，其包括：
(a)获得运动标志，所述运动标志是使用来自经配置以由人佩戴的可佩戴健身监测器的一或多个运动传感器的数据获得的，其中所述运动标志表征所述可佩戴健身监测器经历的移动；
(b)获得心跳波形标志，所述心跳波形标志是使用来自一或多个心跳波形传感器的数据获得的，其中所述心跳波形标志表征所述可佩戴健身监测器的佩戴者的所检测心跳波形；
(c)将所述运动标志和所述心跳波形标志或其组合与用户的一或多个参考特征进行比较；以及
(d)基于(c)中的所述比较，确定所述健身监测器的所述佩戴者的身份是否为所述用户。
3.一种识别用户的方法，所述方法包括：
(a)获得运动标志，所述运动标志是使用来自经配置以由人佩戴的可佩戴健身监测器的一或多个运动传感器的数据获得的，其中所述运动标志表征所述可佩戴健身监测器经历的移动；
(b)获得身体特性，所述身体特性是使用来自一或多个身体特性传感器的数据获得的，其中所述身体特性表征佩戴所述可佩戴健身监测器的人的身体；
(c)将所述运动标志和所述身体特性或其组合与用户的至少一个参考特征进行比较；以及
(d)基于(c)中的所述比较，确定所述健身监测器的佩戴者的身份是否为所述用户。
4.一种方法，其包括：
(a)获得运动标志，所述运动标志是使用来自经配置以由人佩戴的可佩戴健身监测器的一或多个运动传感器的数据获得的，其中所述运动标志表征所述可佩戴健身监测器经历的移动；
(b)将所述运动标志与用户的参考运动特征进行比较；以及
(c)基于(b)中的所述比较，确定所述健身监测器的佩戴者的身份是否为所述用户。
5.一种方法，其包括：
(a)获得运动标志，所述运动标志是使用来自经配置以由人佩戴的可佩戴健身监测器的一或多个运动传感器的数据获得的，其中所述运动标志表征佩戴所述可佩戴健身监测器的所述人的身体移动；
(b)确定所述运动标志是否对应于无效运动特征，所述无效运动特征表征可能由非人类执行的运动；以及
(c)基于(b)中的所述确定，阻止所述可佩戴健身监测器允许交易。
6.一种方法，其包括：
(a)获得运动标志，所述运动标志是使用来自经配置以由用户佩戴的可佩戴健身监测器的一或多个运动传感器的数据获得的，其中所述运动标志表征所述可佩戴健身监测器经历的移动；
(b)获得额外标志，所述额外标志是使用来自位于与所述可佩戴健身监测器分开的装置上的一或多个额外传感器的数据获得的，其中所述额外运动标志进一步表征所述移动；
(c)将所述运动标志与所述额外标志进行比较；以及
(d)基于(c)中的所述比较，确定所述健身监测器的佩戴者的身份是否为所述用户。
7.一种系统，其包括：
(A)可佩戴健身监测器，其经配置以由人佩戴且包括：
一或多个第一运动传感器，
一或多个第二运动传感器，以及
通信接口，其经配置以用于将数据从所述一或多个第一运动传感器传送到所述可佩戴健身监测器外部的装置；以及
(B)分类逻辑，其经配置以：
(a)获得第一运动标志，所述第一运动标志是使用来自经配置以由人佩戴的可佩戴健身监测器的一或多个第一运动传感器的数据获得的，其中所述第一运动标志表征所述可佩戴健身监测器经历的移动；
(b)获得第二运动标志，所述第二运动标志是使用来自一或多个第二运动传感器的数据获得的，其中所述第二运动标志进一步表征所述可佩戴健身监测器经历的所述移动；
(c)将所述第一和第二运动标志或其组合与用户的参考运动特征进行比较；以及
(d)基于(c)中的所述比较，确定所述健身监测器的佩戴者的身份是否为所述用户。
8.一种系统，其包括：
(A)可佩戴健身监测器，其经配置以由人佩戴且包括：
一或多个第一运动传感器，
一或多个心跳波形传感器，以及
通信接口，其经配置以用于将数据从所述一或多个第一运动传感器传送到所述可佩戴健身监测器外部的装置；以及
(B)分类逻辑，其经配置以：
(a)获得运动标志，所述运动标志是使用来自所述一或多个运动传感器的数据获得的，其中所述运动标志表征所述可佩戴健身监测器经历的移动，
(b)获得心跳波形标志，所述心跳波形标志是使用来自所述一或多个心跳波形传感器的数据获得的，其中所述心跳波形标志表征所述可佩戴健身监测器的佩戴者的所检测心跳波形，
(c)将所述运动标志和所述心跳波形标志或其组合与用户的一或多个参考特征进行比较，以及
(d)基于(c)中的所述比较，确定所述健身监测器的所述佩戴者的身份是否为所述用户。
9.一种用于识别用户的系统，所述系统包括：
可佩戴健身监测器，其经配置以由人佩戴且包括：
一或多个第一运动传感器，
一或多个身体特性传感器，以及
通信接口，其经配置以用于将数据从所述一或多个第一运动传感器传送到所述可佩戴健身监测器外部的装置；以及
分类逻辑，其经配置以：
(a)获得运动标志，所述运动标志是使用来自所述一或多个运动传感器的数据获得的，其中所述运动标志表征所述可佩戴健身监测器经历的移动，
(b)获得身体特性，所述身体特性是使用来自所述一或多个身体特性传感器的数据获得的，其中所述身体特性表征所述可佩戴健身监测器的佩戴者的身体，
(c)将所述运动标志和所述身体特性或其组合与用户的至少一个参考特征进行比较，以及
(d)基于(c)中的所述比较，确定所述可佩戴健身监测器的所述佩戴者的身份是否为所述用户。
10.一种系统，其包括：
可佩戴健身监测器，其经配置以由人佩戴且包括：
一或多个第一运动传感器，以及
通信接口，其经配置以用于将数据从所述一或多个第一运动传感器传送到所述可佩戴健身监测器外部的装置；以及
分类逻辑，其经配置以：
(a)获得运动标志，所述运动标志是使用来自所述一或多个运动传感器的数据获得的，其中所述运动标志表征所述可佩戴健身监测器经历的移动，
(b)将所述运动标志与用户的参考运动特征进行比较，以及
(c)基于(b)中的所述比较，确定所述健身监测器的佩戴者的身份是否为所述用户。
11.一种系统，其包括：
可佩戴健身监测器，其经配置以由人佩戴且包括：
一或多个第一运动传感器，以及
通信接口，其经配置以用于将数据从所述一或多个第一运动传感器传送到所述可佩戴健身监测器外部的装置；以及
分类逻辑，其经配置以：
(a)获得运动标志，所述运动标志是使用来自所述一或多个运动传感器的数据获得的，其中所述运动标志表征所述可佩戴健身监测器的佩戴者的身体移动，
(b)将所述运动标志与无效运动特征进行比较，所述无效运动特征表征可能由非人类执行的运动；以及
(c)基于(b)中的所述确定，阻止所述可佩戴健身监测器允许交易。
12.一种系统，其包括：
可佩戴健身监测器，其经配置以由用户佩戴且包括：一或多个第一运动传感器，以及通信接口，所述通信接口经配置以用于将数据从所述一或多个第一运动传感器传送到所述可佩戴健身监测器外部的装置；
一或多个额外传感器，其位于与所述可佩戴健身监测器分开的装置上；以及
分类逻辑，其经配置以：
(a)获得运动标志，所述运动标志是使用来自所述一或多个第一运动传感器的数据获得的，其中所述运动标志表征所述可佩戴健身监测器经历的移动；
(b)获得额外标志，所述额外标志是使用来自所述一或多个额外传感器的数据获得的，其中所述额外运动标志进一步表征所述移动；
(c)将所述运动标志与所述额外标志进行比较；以及
(d)基于(c)中的所述比较，确定所述健身监测器的佩戴者的身份是否为所述用户。
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US201562202773P | 2015-08-07 | 2015-08-07 | |
| US62/202,773 | 2015-08-07 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN106445101A true CN106445101A (zh) | 2017-02-22 |
Family
ID=58052472
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201610644136.5A Pending CN106445101A (zh) | 2015-08-07 | 2016-08-08 | 识别用户的方法和系统 |
Country Status (2)
| Country | Link |
|---|---|
| US (8) | US9693711B2 (zh) |
| CN (1) | CN106445101A (zh) |
Cited By (20)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107411753A (zh) * | 2017-06-06 | 2017-12-01 | 深圳市科迈爱康科技有限公司 | 一种识别步态的可穿戴设备 |
| CN108245869A (zh) * | 2017-12-29 | 2018-07-06 | 北京顺源开华科技有限公司 | 一种游泳信息检测方法、装置及电子设备 |
| CN108697328A (zh) * | 2017-12-27 | 2018-10-23 | 深圳和而泰数据资源与云技术有限公司 | 一种鼾声识别方法及止鼾装置 |
| CN108759813A (zh) * | 2018-04-10 | 2018-11-06 | 广东小天才科技有限公司 | 立体运动轨迹描绘方法、装置、设备及存储介质 |
| CN108875667A (zh) * | 2018-06-27 | 2018-11-23 | 北京字节跳动网络技术有限公司 | 目标识别方法、装置、终端设备和存储介质 |
| CN109656137A (zh) * | 2018-12-19 | 2019-04-19 | 南通大学 | 智能家居环境下人的日常行为预测方法 |
| CN109684812A (zh) * | 2018-12-29 | 2019-04-26 | 西安电子科技大学 | 一种移动设备采集用户运动行为的持续身份认证方法 |
| CN109718528A (zh) * | 2018-11-28 | 2019-05-07 | 浙江骏炜健电子科技有限责任公司 | 基于运动特征参数的身份识别方法和系统 |
| CN109766751A (zh) * | 2018-11-28 | 2019-05-17 | 西安电子科技大学 | 基于频域编码的稳态视觉诱发脑电身份识别方法及系统 |
| CN110494079A (zh) * | 2018-08-03 | 2019-11-22 | 高驰运动科技(深圳)有限公司 | 心率检测方法、装置、检测设备及存储介质 |
| CN111124860A (zh) * | 2019-12-16 | 2020-05-08 | 电子科技大学 | 一种在不可控环境下使用键盘和鼠标数据识别用户的方法 |
| CN111248922A (zh) * | 2020-02-11 | 2020-06-09 | 中国科学院半导体研究所 | 基于加速度计和陀螺仪的人体呼吸情况采集贴及制备方法 |
| CN111276208A (zh) * | 2020-03-06 | 2020-06-12 | 中国人民解放军陆军军医大学第一附属医院 | 基于大数据的健康分析系统 |
| CN111527494A (zh) * | 2017-09-05 | 2020-08-11 | B安全有限公司 | 可穿戴的认证设备 |
| CN112036572A (zh) * | 2020-08-28 | 2020-12-04 | 上海冰鉴信息科技有限公司 | 基于文本列表的用户特征提取方法及装置 |
| CN112585600A (zh) * | 2018-06-14 | 2021-03-30 | 脸谱科技有限责任公司 | 使用神经肌肉标记进行用户识别和认证 |
| CN113713353A (zh) * | 2021-05-12 | 2021-11-30 | 北京冰锋科技有限责任公司 | 一种跳台滑雪运动员的技术动作获取方法及系统 |
| CN114602155A (zh) * | 2022-05-11 | 2022-06-10 | 荣耀终端有限公司 | 游泳信息统计方法、计算机可读存储介质和电子设备 |
| CN115445201A (zh) * | 2022-09-01 | 2022-12-09 | 深圳十米网络科技有限公司 | 滑冰体感游戏方法、设备及计算机可读存储介质 |
| CN117577266A (zh) * | 2024-01-15 | 2024-02-20 | 南京信息工程大学 | 基于力触觉手套的手部康复训练监测系统 |
Families Citing this family (119)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9811818B1 (en) * | 2002-10-01 | 2017-11-07 | World Award Academy, World Award Foundation, Amobilepay, Inc. | Wearable personal digital device for facilitating mobile device payments and personal use |
| US9704154B2 (en) * | 2002-10-01 | 2017-07-11 | World Award Academy, World Award Foundation, Amobilepay, Inc. | Wearable personal digital device for facilitating mobile device payments and personal use |
| US8989837B2 (en) | 2009-12-01 | 2015-03-24 | Kyma Medical Technologies Ltd. | Methods and systems for determining fluid content of tissue |
| EP3063832B1 (en) | 2013-10-29 | 2022-07-06 | Zoll Medical Israel Ltd. | Antenna systems and devices and methods of manufacture thereof |
| US10561321B2 (en) * | 2013-12-12 | 2020-02-18 | Alivecor, Inc. | Continuous monitoring of a user's health with a mobile device |
| WO2015118544A1 (en) | 2014-02-05 | 2015-08-13 | Kyma Medical Technologies Ltd. | Systems, apparatuses and methods for determining blood pressure |
| JP2016047155A (ja) * | 2014-08-27 | 2016-04-07 | セイコーエプソン株式会社 | 生体情報計測装置 |
| US9942222B1 (en) * | 2014-09-02 | 2018-04-10 | Amazon Technologies, Inc. | Authentication with wearable device |
| US11259715B2 (en) | 2014-09-08 | 2022-03-01 | Zoll Medical Israel Ltd. | Monitoring and diagnostics systems and methods |
| US10548485B2 (en) | 2015-01-12 | 2020-02-04 | Zoll Medical Israel Ltd. | Systems, apparatuses and methods for radio frequency-based attachment sensing |
| US11903680B2 (en) | 2015-06-14 | 2024-02-20 | Facense Ltd. | Wearable-based health state verification for physical access authorization |
| US9693711B2 (en) | 2015-08-07 | 2017-07-04 | Fitbit, Inc. | User identification via motion and heartbeat waveform data |
| ZA201606500B (en) * | 2015-09-21 | 2017-11-29 | Destiny Health Inc | A rewards system and method |
| CN114903471A (zh) * | 2016-03-14 | 2022-08-16 | 澳大利亚国家Ict有限公司 | 用于传感器系统的能量采集 |
| US10123741B2 (en) * | 2016-11-30 | 2018-11-13 | Huami Inc. | Cardiac condition detection |
| US10617356B2 (en) | 2016-03-15 | 2020-04-14 | Anhui Huami Information Technology Co., Ltd. | Garment and cardiac data processing |
| US10163282B2 (en) * | 2016-03-30 | 2018-12-25 | Intermec, Inc. | Systems and methods for authentication |
| US10827952B2 (en) * | 2016-04-29 | 2020-11-10 | Arizona Board Of Regents On Behalf Of Arizona State University | Electrocardiographic biometric authentication |
| US10013832B2 (en) * | 2016-08-10 | 2018-07-03 | Elwha Llc | Systems and methods for individual identification and authorization utilizing conformable electronics |
| US10497191B2 (en) * | 2016-08-10 | 2019-12-03 | Elwha Llc | Systems and methods for individual identification and authorization utilizing conformable electronics |
| US10019859B2 (en) * | 2016-08-10 | 2018-07-10 | Elwha Llc | Systems and methods for individual identification and authorization utilizing conformable electronics |
| US9905063B1 (en) * | 2016-08-10 | 2018-02-27 | Elwha Llc | Systems and methods for individual identification and authorization utilizing conformable electronics |
| US10037641B2 (en) * | 2016-08-10 | 2018-07-31 | Elwha Llc | Systems and methods for individual identification and authorization utilizing conformable electronics |
| US10593137B2 (en) * | 2016-08-10 | 2020-03-17 | Elwha Llc | Systems and methods for individual identification and authorization utilizing conformable electronics |
| US10032109B2 (en) * | 2016-08-10 | 2018-07-24 | Elwha Llc | Systems and methods for individual identification and authorization utilizing conformable electronics |
| US10424407B2 (en) | 2016-08-10 | 2019-09-24 | Elwha Llc | Systems and methods for individual identification and authorization utilizing conformable electronics |
| US9779352B1 (en) | 2016-08-10 | 2017-10-03 | Elwha Llc | Systems and methods for individual identification and authorization utilizing conformable electronics |
| US10277283B2 (en) * | 2016-09-14 | 2019-04-30 | Sony Corporation | NFC device, reader/writer device and methods for authorizing and performing an update |
| US10361860B2 (en) * | 2016-09-16 | 2019-07-23 | Raytheon Bbn Technologies Corp. | Method and apparatus for authentication and validation of persons using gait data |
| US9961547B1 (en) * | 2016-09-30 | 2018-05-01 | EMC IP Holding Company LLC | Continuous seamless mobile device authentication using a separate electronic wearable apparatus |
| US10888735B2 (en) * | 2016-10-07 | 2021-01-12 | William W. Clark | Calibration of initial orientation and position of sports equipment and body segments for inertial sensors |
| KR102570787B1 (ko) * | 2016-10-27 | 2023-08-24 | 삼성전자주식회사 | Nfc 태그 인식 장치 및 이를 포함하는 nfc 태그 인식 시스템 |
| WO2018081795A1 (en) | 2016-10-31 | 2018-05-03 | Zipline Medical, Inc. | Systems and methods for monitoring physical therapy of the knee and other joints |
| CN107049324B (zh) * | 2016-11-23 | 2019-09-17 | 深圳大学 | 一种肢体运动姿态的判断方法及装置 |
| CA3045246A1 (en) * | 2016-11-29 | 2018-06-07 | P&P Ultra G Ltd. | Preventing unauthorized use of devices |
| JP2018093979A (ja) * | 2016-12-09 | 2018-06-21 | セイコーエプソン株式会社 | 運動診断装置、運動診断システム、プログラム、記録媒体及び運動診断方法 |
| US10140440B1 (en) * | 2016-12-13 | 2018-11-27 | Symantec Corporation | Systems and methods for securing computing devices that are not in users' physical possessions |
| SG11201906342VA (en) * | 2017-01-28 | 2019-08-27 | Well Being Digital Ltd | A device for identifying a person and a method thereof |
| KR20180090507A (ko) * | 2017-02-03 | 2018-08-13 | 삼성전자주식회사 | 생체 정보 인증을 위한 전자 장치 및 시스템 |
| US10135822B2 (en) * | 2017-03-21 | 2018-11-20 | YouaretheID, LLC | Biometric authentication of individuals utilizing characteristics of bone and blood vessel structures |
| US10880303B2 (en) | 2017-03-21 | 2020-12-29 | Global E-Dentity, Inc. | Real-time COVID-19 outbreak identification with non-invasive, internal imaging for dual biometric authentication and biometric health monitoring |
| CN106874057B (zh) * | 2017-04-11 | 2018-06-29 | 惠州学院 | 一种信息录入方法及其设备 |
| US10624561B2 (en) | 2017-04-12 | 2020-04-21 | Fitbit, Inc. | User identification by biometric monitoring device |
| IT201700041203A1 (it) * | 2017-04-13 | 2018-10-13 | S A T E Systems And Advanced Tech Engineering S R L | Metodo di identificazione biometrica di un individuo attraverso l'analisi di un segnale fisiologico |
| CN107085231B (zh) * | 2017-04-24 | 2020-03-24 | 济南中景电子科技有限公司 | 具有自适应功能的定位呼叫设备及其佩戴方式的检测方法 |
| DE102017211631A1 (de) * | 2017-07-07 | 2019-01-10 | Bundesdruckerei Gmbh | Elektronisches System und Verfahren zur Klassifikation eines physiologischen Zustandes |
| JP7056904B2 (ja) * | 2017-07-26 | 2022-04-19 | ファミリーイナダ株式会社 | マッサージ機システム並びにそれに用いられるマッサージ機及びウェアラブル測定機器 |
| US11020002B2 (en) | 2017-08-10 | 2021-06-01 | Zoll Medical Israel Ltd. | Systems, devices and methods for physiological monitoring of patients |
| US10075846B1 (en) * | 2017-08-10 | 2018-09-11 | The Florida International University Board Of Trustees | Method for continuous user authentication with wearables |
| US11257573B2 (en) | 2017-08-16 | 2022-02-22 | Disney Enterprises, Inc. | System for adjusting an audio/visual device based on health and wellness data |
| EP3685288B1 (en) * | 2017-09-21 | 2022-09-28 | Nokia Technologies Oy | Apparatus, method and computer program product for biometric recognition |
| US10839003B2 (en) | 2017-09-27 | 2020-11-17 | International Business Machines Corporation | Passively managed loyalty program using customer images and behaviors |
| US10795979B2 (en) | 2017-09-27 | 2020-10-06 | International Business Machines Corporation | Establishing personal identity and user behavior based on identity patterns |
| US10803297B2 (en) | 2017-09-27 | 2020-10-13 | International Business Machines Corporation | Determining quality of images for user identification |
| US10776467B2 (en) | 2017-09-27 | 2020-09-15 | International Business Machines Corporation | Establishing personal identity using real time contextual data |
| CN111542285A (zh) | 2017-10-13 | 2020-08-14 | 皇家飞利浦有限公司 | 表征个人护理设备的用户的方法和系统 |
| WO2019079776A1 (en) * | 2017-10-20 | 2019-04-25 | iNmotion Wellness, Inc. | METHOD AND APPARATUS FOR PROVIDING INTERACTIVE PHYSICAL CULTURE EQUIPMENT THROUGH CLOUD NETWORKING |
| EP3701408A1 (en) | 2017-10-24 | 2020-09-02 | Orcam Technologies Ltd. | Wearable camera systems and methods for authenticating identity |
| EP3476672A1 (en) * | 2017-10-27 | 2019-05-01 | Continental Automotive GmbH | Mobile transmitter unit and method for controlling a function of a technical system using such mobile transmitter unit |
| US10225737B1 (en) * | 2017-10-31 | 2019-03-05 | Konica Minolta Laboratory U.S.A., Inc. | Method and system for authenticating a user using a mobile device having plural sensors |
| US20210369143A1 (en) * | 2017-11-15 | 2021-12-02 | Uti Limited Partnership | Method and system utilizing pattern recognition for detecting atypical movements during physical activity |
| US11132427B2 (en) * | 2017-11-20 | 2021-09-28 | Ppip, Llc | Systems and methods for biometric identity and authentication |
| US10565432B2 (en) | 2017-11-29 | 2020-02-18 | International Business Machines Corporation | Establishing personal identity based on multiple sub-optimal images |
| CN108280332B (zh) * | 2017-12-15 | 2021-08-03 | 创新先进技术有限公司 | 移动终端的生物特征认证识别检测方法、装置和设备 |
| CA2992333C (en) * | 2018-01-19 | 2020-06-02 | Nymi Inc. | User access authorization system and method, and physiological user sensor and authentication device therefor |
| JP7069771B2 (ja) * | 2018-02-06 | 2022-05-18 | カシオ計算機株式会社 | エクササイズデータ表示装置およびエクササイズデータ表示方法 |
| EP3525122A1 (en) * | 2018-02-13 | 2019-08-14 | Koninklijke Philips N.V. | Using ultrasound for identification |
| EP3755208A1 (en) * | 2018-02-23 | 2020-12-30 | Sens Innovation APS | Device and method for providing safe data transfer via a non-secure communication protocol |
| PL425374A1 (pl) * | 2018-04-26 | 2019-11-04 | Invis Spolka Z Ograniczona Odpowiedzialnoscia | Elastyczny wkład pomiarowy |
| WO2019220742A1 (ja) * | 2018-05-16 | 2019-11-21 | ソニー株式会社 | 情報処理装置、情報処理方法、情報処理プログラム、端末装置、端末装置の制御方法および制御プログラム |
| CN108920228B (zh) * | 2018-05-28 | 2021-01-15 | 云谷（固安）科技有限公司 | 一种控制指令输入方法和输入装置 |
| EP3584743A1 (en) * | 2018-06-18 | 2019-12-25 | Telefonica S.A. | Improved biometric user's authentication |
| CN109036541B (zh) * | 2018-07-12 | 2021-06-25 | 广东小天才科技有限公司 | 一种可穿戴设备的使用提醒方法及可穿戴设备 |
| US11278238B2 (en) * | 2018-09-14 | 2022-03-22 | Warsaw Orthopedic, Inc. | Wearable sensor device and analysis platform for objective outcome assessment in spinal diseases |
| GB2574074B (en) | 2018-07-27 | 2020-05-20 | Mclaren Applied Tech Ltd | Time synchronisation |
| WO2020041772A1 (en) * | 2018-08-24 | 2020-02-27 | TruU, Inc. | Machine learning-based platform for user identification |
| US10380866B1 (en) | 2018-09-21 | 2019-08-13 | Med Hab, LLC. | Dual case system for fall detection device |
| USD899605S1 (en) | 2018-09-21 | 2020-10-20 | MedHab, LLC | Wrist attachment band for fall detection device |
| USD866957S1 (en) | 2018-09-21 | 2019-11-19 | MedHab, LLC | Belt clip for fall detection device |
| US20200117780A1 (en) * | 2018-10-15 | 2020-04-16 | Ca, Inc. | Multi-factor biometric authentication |
| US11478199B2 (en) | 2018-10-16 | 2022-10-25 | Cardionomous Llc | Heart signal waveform processing system and method |
| WO2020087162A1 (en) * | 2018-10-29 | 2020-05-07 | Intellisports Inc. | System and method for real-time activity classification and feedback |
| CN109480825B (zh) * | 2018-12-13 | 2021-08-06 | 武汉中旗生物医疗电子有限公司 | 心电数据的处理方法及装置 |
| WO2020178724A1 (en) * | 2019-03-04 | 2020-09-10 | Lampros Kourtis | Method and system to pair an article to a user. |
| CN110151187B (zh) * | 2019-04-09 | 2022-07-05 | 缤刻普达（北京）科技有限责任公司 | 健身动作识别方法、装置、计算机设备及存储介质 |
| CA3042361A1 (en) * | 2019-05-06 | 2020-11-06 | Nymi Inc. | Live user authentication device, system and method and fraud or collusion prevention using same |
| US11252336B2 (en) * | 2019-05-31 | 2022-02-15 | Samsung Electronics Co.. Ltd. | Electronic device obtaining skin image and method of controlling the same |
| CN110197172B (zh) * | 2019-06-10 | 2021-10-19 | 清华大学 | 一种基于光电血管容积信息进行身份认证的方法及装置 |
| EP3987535A1 (en) * | 2019-06-21 | 2022-04-27 | Novartis AG | Systems and methods for user verification based on actigraphy data |
| CN110270079B (zh) * | 2019-06-26 | 2020-11-06 | 深圳市悦动天下科技有限公司 | 运动时摇一摇状态检测方法、装置、智能终端和存储介质 |
| CN110288802A (zh) * | 2019-06-28 | 2019-09-27 | 北京小米移动软件有限公司 | 一种提示方法、装置及介质 |
| CN110515088B (zh) * | 2019-08-27 | 2021-07-09 | 中国人民解放军国防科技大学 | 一种智能机器人的里程计估计方法及系统 |
| GB2588236B (en) | 2019-10-18 | 2024-03-20 | Mclaren Applied Ltd | Gyroscope bias estimation |
| TWI712391B (zh) * | 2019-11-19 | 2020-12-11 | 台灣立訊精密有限公司 | 動物體能追蹤裝置及其系統 |
| JPWO2021100197A1 (zh) * | 2019-11-22 | 2021-05-27 | ||
| EP3838141A1 (en) * | 2019-12-17 | 2021-06-23 | Koninklijke Philips N.V. | System and method to determine if a device is worn on a subject's dominant limb |
| US11482047B2 (en) * | 2020-01-06 | 2022-10-25 | Kaia Health Software GmbH | ML model arrangement and method for evaluating motion patterns |
| US11106772B2 (en) * | 2020-01-31 | 2021-08-31 | Dell Products, Lp | System and method for continuous user identification via piezo haptic keyboard and touchpad dynamics |
| WO2021188018A2 (en) * | 2020-03-16 | 2021-09-23 | Vladimir Savchenko | Ecg, heart and lungs sound monitoring system with wireless earphones |
| WO2021190907A1 (en) * | 2020-03-27 | 2021-09-30 | Sony Group Corporation | Method and system for providing an electronic credential associated with electronic identification information |
| CN111481191A (zh) * | 2020-03-30 | 2020-08-04 | 上海赛族网络科技有限公司 | 一种基于心电传感器参数的调整系统 |
| EP3890236B1 (en) | 2020-03-30 | 2022-07-20 | Tata Consultancy Services Limited | Continuously validating a user during an established authenticated session using photoplethysmogram and accelerometer data |
| US11861752B2 (en) * | 2020-04-06 | 2024-01-02 | Agt International Gmbh | Method of scoring a motion of a user and system thereof |
| GB202006303D0 (en) * | 2020-04-29 | 2020-06-10 | Xplora Tech As | Method and apparatus for motion data analysis |
| EP3910646A1 (de) * | 2020-05-11 | 2021-11-17 | Fresenius Medical Care Deutschland GmbH | Medizinisches behandlungssystem zur identifizierung und autorisierung medizinischer kraefte |
| US11637835B2 (en) * | 2020-06-17 | 2023-04-25 | Irdeto B.V. | System and method for context-sensitive access control |
| US20220080262A1 (en) * | 2020-09-14 | 2022-03-17 | Train121 Inc. | Method and apparatus to generate motion data of a barbell and to process the generated motion data |
| US20220088460A1 (en) * | 2020-09-23 | 2022-03-24 | Sensor Maestros, LLC | Visual Or Audible Indicators Of Sensed Motion In A Hockey Puck |
| CN116601627A (zh) * | 2020-12-25 | 2023-08-15 | 三菱电机株式会社 | 认证装置、认证方法以及认证程序 |
| EP4264460A1 (en) * | 2021-01-25 | 2023-10-25 | Apple Inc. | Implementation of biometric authentication |
| US20220269759A1 (en) * | 2021-02-09 | 2022-08-25 | The Trustees Of Princeton University | Devices and methods for smartphone impostor detection using behavioral and environmental data |
| SE2130254A1 (en) * | 2021-09-23 | 2023-03-24 | Rths Ab | A sensing arrangement for obtaining data from a body part using accurate reference values |
| WO2023061565A1 (en) * | 2021-10-13 | 2023-04-20 | Huawei Technologies Co., Ltd. | Apparatus, system and method for determining whether a person is asleep |
| US20230143628A1 (en) * | 2021-11-08 | 2023-05-11 | Penumbra, Inc. | Systems and methods of classifying movements for virtual reality activities |
| GB2613591A (en) * | 2021-12-07 | 2023-06-14 | Prevayl Innovations Ltd | Electronic module, a controller for an electronics module and a method performed by a controller |
| GB202202289D0 (en) * | 2022-02-21 | 2022-04-06 | Prevayl Innovations Ltd | Method and system for verifying an activity metric |
| CN115062639A (zh) * | 2022-04-06 | 2022-09-16 | 青岛迈金智能科技股份有限公司 | 一种基于加速度功率计的踏频解算方法 |
| WO2024039511A1 (en) * | 2022-08-19 | 2024-02-22 | Cardiac Pacemakers, Inc. | Managing an operating mode of a wearable health monitor |
| CN117883076B (zh) * | 2024-01-23 | 2024-06-18 | 北京邦尼营策科技有限公司 | 一种基于大数据的人体运动能量消耗监测系统及方法 |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1402190A (zh) * | 2001-08-03 | 2003-03-12 | 日本电气株式会社 | 用户认证方法和用户认证装置 |
| US20060080525A1 (en) * | 2004-10-11 | 2006-04-13 | Swisscom Mobile Ag | Identification and/or authentication method |
| US20070142868A1 (en) * | 2005-12-21 | 2007-06-21 | Moon Loell B | Posture sensor |
| US20070263907A1 (en) * | 2006-05-15 | 2007-11-15 | Battelle Memorial Institute | Imaging systems and methods for obtaining and using biometric information |
| CN101489478A (zh) * | 2006-06-01 | 2009-07-22 | 必安康医疗有限公司 | 用于监视生理症状的装置、系统和方法 |
| US20120316455A1 (en) * | 2011-06-10 | 2012-12-13 | Aliphcom | Wearable device and platform for sensory input |
| CN103445766A (zh) * | 2013-05-09 | 2013-12-18 | 陈飞 | 基于历史生理数据与物理数据对比的状态监测方法及装置 |
| CN103955824A (zh) * | 2014-05-14 | 2014-07-30 | 金陵科技学院 | 一种高安全性穿戴式收付款方法 |
| US20150119728A1 (en) * | 2011-12-02 | 2015-04-30 | Fitlinxx, Inc. | Health monitor |
Family Cites Families (129)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8049597B1 (en) * | 2000-01-10 | 2011-11-01 | Ensign Holdings, Llc | Systems and methods for securely monitoring an individual |
| US6695207B1 (en) | 2000-02-04 | 2004-02-24 | Carroll Boyd Norris, Jr. | System for secure, identity authenticated, and immediate financial transactions as well as activation of varied instrumentalities |
| US7536557B2 (en) * | 2001-03-22 | 2009-05-19 | Ensign Holdings | Method for biometric authentication through layering biometric traits |
| US20020013717A1 (en) * | 2000-12-28 | 2002-01-31 | Masahiro Ando | Exercise body monitor with functions to verify individual policy holder and wear of the same, and a business model for a discounted insurance premium for policy holder wearing the same |
| US6583369B2 (en) | 2001-04-10 | 2003-06-24 | Sunbeam Products, Inc. | Scale with a transiently visible display |
| US6973445B2 (en) | 2001-05-31 | 2005-12-06 | Contentguard Holdings, Inc. | Demarcated digital content and method for creating and processing demarcated digital works |
| US7269737B2 (en) * | 2001-09-21 | 2007-09-11 | Pay By Touch Checking Resources, Inc. | System and method for biometric authorization for financial transactions |
| JP3838141B2 (ja) * | 2002-04-09 | 2006-10-25 | オムロンヘルスケア株式会社 | 血圧測定装置および運動機器 |
| US20060136744A1 (en) * | 2002-07-29 | 2006-06-22 | Lange Daniel H | Method and apparatus for electro-biometric identity recognition |
| JP4562078B2 (ja) * | 2002-07-29 | 2010-10-13 | イデシア・リミテッド | 電子生体測定同一性認識のための方法及び装置 |
| US7020508B2 (en) | 2002-08-22 | 2006-03-28 | Bodymedia, Inc. | Apparatus for detecting human physiological and contextual information |
| US7606790B2 (en) * | 2003-03-03 | 2009-10-20 | Digimarc Corporation | Integrating and enhancing searching of media content and biometric databases |
| IL155955A0 (en) * | 2003-05-15 | 2003-12-23 | Widemed Ltd | Adaptive prediction of changes of physiological/pathological states using processing of biomedical signal |
| EP1521161A3 (en) * | 2003-09-25 | 2006-03-15 | Matsushita Electric Industrial Co., Ltd. | An apparatus and a method for preventing unauthorized use and a device with a function of preventing unauthorized use |
| WO2005046433A2 (en) * | 2003-11-04 | 2005-05-26 | General Hospital Corporation | Life sign detection and health state assessment system |
| US7618260B2 (en) | 2004-02-27 | 2009-11-17 | Daniel Simon R | Wearable modular interface strap |
| US8109858B2 (en) * | 2004-07-28 | 2012-02-07 | William G Redmann | Device and method for exercise prescription, detection of successful performance, and provision of reward therefore |
| JP2006059282A (ja) * | 2004-08-24 | 2006-03-02 | Fujitsu Ltd | 生体特徴情報に基づく認証方法 |
| US7620819B2 (en) * | 2004-10-04 | 2009-11-17 | The Penn State Research Foundation | System and method for classifying regions of keystroke density with a neural network |
| JP4672357B2 (ja) * | 2004-12-20 | 2011-04-20 | 富士フイルム株式会社 | 認証システム |
| JP4469746B2 (ja) * | 2005-03-29 | 2010-05-26 | 株式会社東芝 | 心拍計測装置及び心拍計測装置の作動方法 |
| US20070002141A1 (en) * | 2005-04-19 | 2007-01-04 | Objectvideo, Inc. | Video-based human, non-human, and/or motion verification system and method |
| US8656458B2 (en) * | 2005-08-25 | 2014-02-18 | Guy Heffez | Method and system for authenticating internet user identity |
| KR101340860B1 (ko) | 2005-06-03 | 2013-12-13 | 시냅틱스, 인코포레이티드 | 시그마 델타 측정 기술들을 사용하여 캐패시턴스를검출하기 위한 방법들 및 시스템 |
| US8079079B2 (en) * | 2005-06-29 | 2011-12-13 | Microsoft Corporation | Multimodal authentication |
| US7733224B2 (en) * | 2006-06-30 | 2010-06-08 | Bao Tran | Mesh network personal emergency response appliance |
| US20070142715A1 (en) * | 2005-12-20 | 2007-06-21 | Triage Wireless, Inc. | Chest strap for measuring vital signs |
| US8762733B2 (en) * | 2006-01-30 | 2014-06-24 | Adidas Ag | System and method for identity confirmation using physiologic biometrics to determine a physiologic fingerprint |
| US20070260511A1 (en) * | 2006-05-03 | 2007-11-08 | Image Products, Inc. | System and method for providing rewards including visible indicia thereon to a user to encourage physical activity and to encourage the accurate reporting of physical activity |
| US7558622B2 (en) | 2006-05-24 | 2009-07-07 | Bao Tran | Mesh network stroke monitoring appliance |
| US8684900B2 (en) | 2006-05-16 | 2014-04-01 | Bao Tran | Health monitoring appliance |
| US20080147502A1 (en) * | 2006-11-06 | 2008-06-19 | Baker Steve G | Exercise incenting methods and devices |
| US11196811B2 (en) * | 2006-12-01 | 2021-12-07 | Fitistics, Llc | Data communications between an exercise device and a personal content device |
| US7742995B2 (en) | 2007-03-23 | 2010-06-22 | Mastercard International, Inc. | Pre-authenticated identification token |
| US8750971B2 (en) * | 2007-05-24 | 2014-06-10 | Bao Tran | Wireless stroke monitoring |
| US9757043B2 (en) * | 2007-12-06 | 2017-09-12 | Los Angeles Biomedical Research Institute At Harbor-Ucla Medical Center | Method and system for detection of respiratory variation in plethysmographic oximetry |
| US20090241174A1 (en) | 2008-02-19 | 2009-09-24 | Guru Rajan | Handling Human Detection for Devices Connected Over a Network |
| US20090232362A1 (en) | 2008-03-12 | 2009-09-17 | Hitachi Maxell, Ltd. | Biometric information acquisition apparatus and biometric authentication apparatus |
| CN101533938B (zh) | 2008-03-14 | 2012-06-20 | 鸿富锦精密工业（深圳）有限公司 | 低通滤波器 |
| US20090239709A1 (en) * | 2008-03-21 | 2009-09-24 | Shen Yi Wu | Health management feedback method using fitness equipments |
| BRPI0912721B8 (pt) * | 2008-05-14 | 2021-06-22 | Espenusa Holding Llc | unidade de coleta de dados de atividade física com dois ou mais sensores infravermelhos, pelo menos um sensor de temperatura e pelo menos um acelerômetro |
| US8996332B2 (en) | 2008-06-24 | 2015-03-31 | Dp Technologies, Inc. | Program setting adjustments based on activity identification |
| US8447704B2 (en) * | 2008-06-26 | 2013-05-21 | Microsoft Corporation | Recognizing gestures from forearm EMG signals |
| US8615290B2 (en) * | 2008-11-05 | 2013-12-24 | Apple Inc. | Seamlessly embedded heart rate monitor |
| US20100203967A1 (en) * | 2009-02-06 | 2010-08-12 | Inventec Corporation | Exercising game system and method thereof |
| US8289130B2 (en) * | 2009-02-19 | 2012-10-16 | Apple Inc. | Systems and methods for identifying unauthorized users of an electronic device |
| US8655441B2 (en) * | 2009-04-16 | 2014-02-18 | Massachusetts Institute Of Technology | Methods and apparatus for monitoring patients and delivering therapeutic stimuli |
| US9141087B2 (en) | 2009-04-26 | 2015-09-22 | Nike, Inc. | Athletic watch |
| CA2760158C (en) | 2009-04-26 | 2016-08-02 | Nike International Ltd. | Gps features and functionality in an athletic watch system |
| US8140156B2 (en) | 2009-06-30 | 2012-03-20 | Medtronic, Inc. | Heart sound sensing to reduce inappropriate tachyarrhythmia therapy |
| US7924212B2 (en) * | 2009-08-10 | 2011-04-12 | Robert Bosch Gmbh | Method for human only activity detection based on radar signals |
| US9174123B2 (en) * | 2009-11-09 | 2015-11-03 | Invensense, Inc. | Handheld computer systems and techniques for character and command recognition related to human movements |
| US8922342B1 (en) * | 2010-02-15 | 2014-12-30 | Noblis, Inc. | Systems, apparatus, and methods for continuous authentication |
| US8747330B2 (en) * | 2010-04-19 | 2014-06-10 | Sotera Wireless, Inc. | Body-worn monitor for measuring respiratory rate |
| CN102859875B (zh) | 2010-04-22 | 2016-10-05 | 皇家飞利浦电子股份有限公司 | 皮肤接触检测器 |
| US9030294B2 (en) * | 2010-09-20 | 2015-05-12 | Pulsar Informatics, Inc. | Systems and methods for collecting biometrically verified actigraphy data |
| US9167991B2 (en) * | 2010-09-30 | 2015-10-27 | Fitbit, Inc. | Portable monitoring devices and methods of operating same |
| US8849610B2 (en) * | 2010-09-30 | 2014-09-30 | Fitbit, Inc. | Tracking user physical activity with multiple devices |
| US9011292B2 (en) * | 2010-11-01 | 2015-04-21 | Nike, Inc. | Wearable device assembly having athletic functionality |
| US9298886B2 (en) * | 2010-11-10 | 2016-03-29 | Nike Inc. | Consumer useable testing kit |
| US8475367B1 (en) | 2011-01-09 | 2013-07-02 | Fitbit, Inc. | Biometric monitoring device having a body weight sensor, and methods of operating same |
| US8886578B2 (en) | 2011-01-11 | 2014-11-11 | The Royal Institution For The Advancement Of Learning/Mcgill University | Method and system for automatically classifying and identifying vestibulo-ocular responses |
| US9378336B2 (en) * | 2011-05-16 | 2016-06-28 | Dacadoo Ag | Optical data capture of exercise data in furtherance of a health score computation |
| US20140089672A1 (en) * | 2012-09-25 | 2014-03-27 | Aliphcom | Wearable device and method to generate biometric identifier for authentication using near-field communications |
| EP2718079A2 (en) | 2011-06-10 | 2014-04-16 | Aliphcom | Determinative processes for wearable devices |
| US20130002435A1 (en) | 2011-06-10 | 2013-01-03 | Aliphcom | Sleep management method and apparatus for a wellness application using data from a data-capable band |
| CA2818020A1 (en) | 2011-06-10 | 2012-12-13 | Aliphcom | Motion profile templates and movement languages for wearable devices |
| US8682821B2 (en) * | 2011-08-08 | 2014-03-25 | Robert Bosch Gmbh | Method for detection of movement of a specific type of object or animal based on radar signals |
| US8660322B2 (en) * | 2011-08-25 | 2014-02-25 | King Saud University | Passive continuous authentication method |
| US9734304B2 (en) * | 2011-12-02 | 2017-08-15 | Lumiradx Uk Ltd | Versatile sensors with data fusion functionality |
| WO2013082436A1 (en) * | 2011-12-02 | 2013-06-06 | Fitlinxx, Inc. | Intelligent activity monitoring |
| DE102011088817A1 (de) | 2011-12-16 | 2013-06-20 | Robert Bosch Gmbh | Zum Messen von Vitalparametern eines Patienten ausgestaltete Vorrichtung |
| US9643050B2 (en) * | 2011-12-22 | 2017-05-09 | Adidas Ag | Fitness activity monitoring systems and methods |
| US9352207B2 (en) * | 2012-01-19 | 2016-05-31 | Nike, Inc. | Action detection and activity classification |
| US20140067494A1 (en) * | 2012-01-24 | 2014-03-06 | Blake Squires | Activity monitor system and method |
| US20130204410A1 (en) * | 2012-02-03 | 2013-08-08 | Frank Napolitano | System and method for promoting and tracking physical activity among a participating group of individuals |
| KR101971697B1 (ko) * | 2012-02-24 | 2019-04-23 | 삼성전자주식회사 | 사용자 디바이스에서 복합 생체인식 정보를 이용한 사용자 인증 방법 및 장치 |
| US9442100B2 (en) | 2013-12-18 | 2016-09-13 | Medibotics Llc | Caloric intake measuring system using spectroscopic and 3D imaging analysis |
| US8948832B2 (en) * | 2012-06-22 | 2015-02-03 | Fitbit, Inc. | Wearable heart rate monitor |
| US9044171B2 (en) * | 2012-06-22 | 2015-06-02 | Fitbit, Inc. | GPS power conservation using environmental data |
| US9641239B2 (en) * | 2012-06-22 | 2017-05-02 | Fitbit, Inc. | Adaptive data transfer using bluetooth |
| US8983637B2 (en) * | 2012-07-30 | 2015-03-17 | Mapmyfitness, Inc. | Determining authenticity of reported fitness-related activities |
| US20140059066A1 (en) * | 2012-08-24 | 2014-02-27 | EmoPulse, Inc. | System and method for obtaining and using user physiological and emotional data |
| US20140085050A1 (en) * | 2012-09-25 | 2014-03-27 | Aliphcom | Validation of biometric identification used to authenticate identity of a user of wearable sensors |
| US20140099614A1 (en) | 2012-10-08 | 2014-04-10 | Lark Technologies, Inc. | Method for delivering behavior change directives to a user |
| WO2014088621A1 (en) * | 2012-12-03 | 2014-06-12 | Google, Inc. | System and method for detecting gestures |
| US9053308B2 (en) * | 2012-12-12 | 2015-06-09 | Intel Corporation | Multi electro-biometric user recognition |
| WO2014159563A1 (en) * | 2013-03-13 | 2014-10-02 | University Of Pittsburgh Of The Commonwealth System Of Higher Education | Usage modeling |
| US20140327515A1 (en) * | 2013-03-15 | 2014-11-06 | AlipCom | Combination speaker and light source responsive to state(s) of an organism based on sensor data |
| US20140266860A1 (en) * | 2013-03-14 | 2014-09-18 | Gaddi BLUMROSEN | Method and system for activity detection and classification |
| US9782075B2 (en) * | 2013-03-15 | 2017-10-10 | I2Dx, Inc. | Electronic delivery of information in personalized medicine |
| US9314666B2 (en) * | 2013-03-15 | 2016-04-19 | Ficus Ventures, Inc. | System and method for identifying and interpreting repetitive motions |
| US9606721B2 (en) | 2013-07-22 | 2017-03-28 | Lg Electronics Inc. | Mobile terminal and control method thereof |
| KR102127927B1 (ko) * | 2013-07-30 | 2020-07-09 | 엘지전자 주식회사 | 이동 단말기, 스마트 워치 및 이동 단말기와 스마트 워치간 보안 인증방법 |
| US9892576B2 (en) * | 2013-08-02 | 2018-02-13 | Jpmorgan Chase Bank, N.A. | Biometrics identification module and personal wearable electronics network based authentication and transaction processing |
| US9996803B2 (en) * | 2013-09-03 | 2018-06-12 | Arizona Board Of Regents On Behalf Of Arizona State University | Systems and methods for authenticating a user through an unobservable re-authentication system |
| US9898880B2 (en) | 2013-09-10 | 2018-02-20 | Intel Corporation | Authentication system using wearable device |
| CN106104408B (zh) * | 2013-11-29 | 2021-07-27 | 行动股份有限公司 | 穿戴式计算装置 |
| US9547972B2 (en) * | 2013-12-10 | 2017-01-17 | Sal Castillo | Methods and systems for emergency alerts |
| US20150169854A1 (en) * | 2013-12-16 | 2015-06-18 | Iowa State University Research Foundation, Inc. | Capturing cognitive fingerprints from keystroke dynamics for active authentication |
| US10534900B2 (en) * | 2014-02-21 | 2020-01-14 | Samsung Electronics Co., Ltd. | Electronic device |
| US20150242605A1 (en) * | 2014-02-23 | 2015-08-27 | Qualcomm Incorporated | Continuous authentication with a mobile device |
| KR102204265B1 (ko) | 2014-02-24 | 2021-01-15 | 소니 주식회사 | 다른 디바이스들에서의 기능들을 활성화하기 위해 착용형 디바이스들로부터 감각 정보를 취득하기 위한 스마트 착용형 디바이스 및 방법 |
| US20150254575A1 (en) | 2014-03-07 | 2015-09-10 | Thalchemy Corporation | Learn-by-example systems and methos |
| US10327670B2 (en) | 2014-03-26 | 2019-06-25 | GestureLogic Inc. | Systems, methods and devices for exercise and activity metric computation |
| US20150305674A1 (en) * | 2014-04-02 | 2015-10-29 | Corewave LLC | Systems and Methods for Measuring Hydration in a Human Subject |
| KR102244856B1 (ko) * | 2014-04-22 | 2021-04-27 | 삼성전자 주식회사 | 웨어러블 장치와의 사용자 인터랙션을 제공하는 방법 및 이를 수행하는 웨어러블 장치 |
| US10602981B2 (en) | 2014-05-30 | 2020-03-31 | Microsoft Technology Licensing, Llc | Optical pressure sensor |
| US9414761B2 (en) | 2014-06-02 | 2016-08-16 | Indian Institute Of Technology Delhi | QRS complex identification in electrocardiogram signals |
| US9943241B2 (en) | 2014-06-12 | 2018-04-17 | PhysioWave, Inc. | Impedance measurement devices, systems, and methods |
| US20170172476A1 (en) | 2014-06-30 | 2017-06-22 | Scint B.V. | Body worn measurement device |
| US9667353B2 (en) * | 2014-07-11 | 2017-05-30 | Sony Corporation | Methods of providing body area network communications when a user touches a button of a wireless electronic device, and related wireless electronic devices and wearable wireless electronic devices |
| US9159213B1 (en) * | 2014-07-17 | 2015-10-13 | National Chung Shan Institute Of Science And Technology | Motion detection method and device |
| WO2016028888A1 (en) * | 2014-08-19 | 2016-02-25 | The General Hospital Corporation | System and method for annotating and analyzing eeg waveforms |
| KR102257300B1 (ko) * | 2014-09-01 | 2021-05-27 | 삼성전자주식회사 | 심전도 신호를 이용한 사용자 인증 방법 및 장치 |
| US10114935B2 (en) * | 2014-12-23 | 2018-10-30 | Intel Corporation | Technologies for login pattern based multi-factor authentication |
| KR102297193B1 (ko) * | 2014-12-24 | 2021-09-02 | 삼성전자 주식회사 | 사용자 식별 기능을 가지는 전자장치 및 사용자 인증 방법 |
| KR102299819B1 (ko) * | 2014-12-30 | 2021-09-08 | 삼성전자주식회사 | 생체 신호를 이용한 사용자 인증 방법 및 장치 |
| US9836896B2 (en) * | 2015-02-04 | 2017-12-05 | Proprius Technologies S.A.R.L | Keyless access control with neuro and neuro-mechanical fingerprints |
| US20160313176A1 (en) | 2015-04-21 | 2016-10-27 | Salutron, Inc. | User-wearable devices including uv light exposure detector with calibration for skin tone |
| US20160352727A1 (en) * | 2015-05-26 | 2016-12-01 | Reticle Ventures Canada Incorporated | System and method for asset authentication and management |
| KR101657005B1 (ko) * | 2015-06-11 | 2016-09-12 | 전문석 | 심전도 생체 인증 방법 |
| US9696822B2 (en) * | 2015-06-29 | 2017-07-04 | International Business Machines Corporation | Rotating ring for device control |
| US9913591B2 (en) * | 2015-07-02 | 2018-03-13 | Verily Life Sciences Llc | Wrist-mounted device with integrated electronics |
| US10318958B2 (en) * | 2015-07-28 | 2019-06-11 | Jong Ho Kim | Smart watch and operating method using the same |
| US9693711B2 (en) | 2015-08-07 | 2017-07-04 | Fitbit, Inc. | User identification via motion and heartbeat waveform data |
| US10181021B2 (en) | 2016-02-01 | 2019-01-15 | Fitbit, Inc. | Method and apparatus for off-body detection for wearable device |
| US10888278B2 (en) | 2016-07-20 | 2021-01-12 | Hall Labs, Llc | Method of monitoring health while using a toilet |
| US10624561B2 (en) | 2017-04-12 | 2020-04-21 | Fitbit, Inc. | User identification by biometric monitoring device |
-
2016
- 2016-08-08 US US15/231,627 patent/US9693711B2/en active Active
- 2016-08-08 CN CN201610644136.5A patent/CN106445101A/zh active Pending
- 2016-08-08 US US15/231,641 patent/US20170039358A1/en not_active Abandoned
- 2016-08-08 US US15/231,620 patent/US20170038848A1/en not_active Abandoned
- 2016-08-08 US US15/231,636 patent/US20170035328A1/en not_active Abandoned
-
2017
- 2017-05-23 US US15/603,305 patent/US9851808B2/en active Active
- 2017-11-14 US US15/812,879 patent/US10126830B2/en active Active
-
2018
- 2018-10-05 US US16/153,618 patent/US10503268B2/en active Active
-
2019
- 2019-10-24 US US16/663,166 patent/US10942579B2/en active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1402190A (zh) * | 2001-08-03 | 2003-03-12 | 日本电气株式会社 | 用户认证方法和用户认证装置 |
| US20060080525A1 (en) * | 2004-10-11 | 2006-04-13 | Swisscom Mobile Ag | Identification and/or authentication method |
| US20070142868A1 (en) * | 2005-12-21 | 2007-06-21 | Moon Loell B | Posture sensor |
| US20070263907A1 (en) * | 2006-05-15 | 2007-11-15 | Battelle Memorial Institute | Imaging systems and methods for obtaining and using biometric information |
| CN101489478A (zh) * | 2006-06-01 | 2009-07-22 | 必安康医疗有限公司 | 用于监视生理症状的装置、系统和方法 |
| US20120316455A1 (en) * | 2011-06-10 | 2012-12-13 | Aliphcom | Wearable device and platform for sensory input |
| US20150119728A1 (en) * | 2011-12-02 | 2015-04-30 | Fitlinxx, Inc. | Health monitor |
| CN103445766A (zh) * | 2013-05-09 | 2013-12-18 | 陈飞 | 基于历史生理数据与物理数据对比的状态监测方法及装置 |
| CN103955824A (zh) * | 2014-05-14 | 2014-07-30 | 金陵科技学院 | 一种高安全性穿戴式收付款方法 |
Non-Patent Citations (1)
| Title |
|---|
| O´SCAR D.LARA等: "A Survey on Human Activity Recognition using Wearable Sensors", 《IEEE COMMUNICATIONS SURVEYS & TUTORIALS》 * |
Cited By (31)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107411753A (zh) * | 2017-06-06 | 2017-12-01 | 深圳市科迈爱康科技有限公司 | 一种识别步态的可穿戴设备 |
| CN111527494A (zh) * | 2017-09-05 | 2020-08-11 | B安全有限公司 | 可穿戴的认证设备 |
| CN108697328A (zh) * | 2017-12-27 | 2018-10-23 | 深圳和而泰数据资源与云技术有限公司 | 一种鼾声识别方法及止鼾装置 |
| CN108697328B (zh) * | 2017-12-27 | 2021-07-13 | 深圳和而泰数据资源与云技术有限公司 | 一种鼾声识别方法及止鼾装置 |
| CN108245869A (zh) * | 2017-12-29 | 2018-07-06 | 北京顺源开华科技有限公司 | 一种游泳信息检测方法、装置及电子设备 |
| CN108245869B (zh) * | 2017-12-29 | 2020-03-06 | 北京顺源开华科技有限公司 | 一种游泳信息检测方法、装置及电子设备 |
| CN108759813A (zh) * | 2018-04-10 | 2018-11-06 | 广东小天才科技有限公司 | 立体运动轨迹描绘方法、装置、设备及存储介质 |
| CN112585600A (zh) * | 2018-06-14 | 2021-03-30 | 脸谱科技有限责任公司 | 使用神经肌肉标记进行用户识别和认证 |
| CN108875667A (zh) * | 2018-06-27 | 2018-11-23 | 北京字节跳动网络技术有限公司 | 目标识别方法、装置、终端设备和存储介质 |
| CN108875667B (zh) * | 2018-06-27 | 2021-03-02 | 北京字节跳动网络技术有限公司 | 目标识别方法、装置、终端设备和存储介质 |
| CN110494079B (zh) * | 2018-08-03 | 2022-09-02 | 广东高驰运动科技有限公司 | 心率检测方法、装置、检测设备及存储介质 |
| CN110494079A (zh) * | 2018-08-03 | 2019-11-22 | 高驰运动科技(深圳)有限公司 | 心率检测方法、装置、检测设备及存储介质 |
| CN109718528A (zh) * | 2018-11-28 | 2019-05-07 | 浙江骏炜健电子科技有限责任公司 | 基于运动特征参数的身份识别方法和系统 |
| CN109766751A (zh) * | 2018-11-28 | 2019-05-17 | 西安电子科技大学 | 基于频域编码的稳态视觉诱发脑电身份识别方法及系统 |
| CN109718528B (zh) * | 2018-11-28 | 2021-06-04 | 浙江骏炜健电子科技有限责任公司 | 基于运动特征参数的身份识别方法和系统 |
| CN109766751B (zh) * | 2018-11-28 | 2022-02-01 | 西安电子科技大学 | 基于频域编码的稳态视觉诱发脑电身份识别方法及系统 |
| CN109656137A (zh) * | 2018-12-19 | 2019-04-19 | 南通大学 | 智能家居环境下人的日常行为预测方法 |
| CN109684812A (zh) * | 2018-12-29 | 2019-04-26 | 西安电子科技大学 | 一种移动设备采集用户运动行为的持续身份认证方法 |
| CN109684812B (zh) * | 2018-12-29 | 2021-09-03 | 西安电子科技大学 | 一种移动设备采集用户运动行为的持续身份认证方法 |
| CN111124860A (zh) * | 2019-12-16 | 2020-05-08 | 电子科技大学 | 一种在不可控环境下使用键盘和鼠标数据识别用户的方法 |
| CN111248922A (zh) * | 2020-02-11 | 2020-06-09 | 中国科学院半导体研究所 | 基于加速度计和陀螺仪的人体呼吸情况采集贴及制备方法 |
| CN111248922B (zh) * | 2020-02-11 | 2022-05-17 | 中国科学院半导体研究所 | 基于加速度计和陀螺仪的人体呼吸情况采集贴及制备方法 |
| CN111276208A (zh) * | 2020-03-06 | 2020-06-12 | 中国人民解放军陆军军医大学第一附属医院 | 基于大数据的健康分析系统 |
| CN112036572A (zh) * | 2020-08-28 | 2020-12-04 | 上海冰鉴信息科技有限公司 | 基于文本列表的用户特征提取方法及装置 |
| CN112036572B (zh) * | 2020-08-28 | 2024-03-12 | 上海冰鉴信息科技有限公司 | 基于文本列表的用户特征提取方法及装置 |
| CN113713353A (zh) * | 2021-05-12 | 2021-11-30 | 北京冰锋科技有限责任公司 | 一种跳台滑雪运动员的技术动作获取方法及系统 |
| CN113713353B (zh) * | 2021-05-12 | 2022-05-31 | 北京冰锋科技有限责任公司 | 一种跳台滑雪运动员的技术动作获取方法及系统 |
| CN114602155A (zh) * | 2022-05-11 | 2022-06-10 | 荣耀终端有限公司 | 游泳信息统计方法、计算机可读存储介质和电子设备 |
| CN115445201A (zh) * | 2022-09-01 | 2022-12-09 | 深圳十米网络科技有限公司 | 滑冰体感游戏方法、设备及计算机可读存储介质 |
| CN117577266A (zh) * | 2024-01-15 | 2024-02-20 | 南京信息工程大学 | 基于力触觉手套的手部康复训练监测系统 |
| CN117577266B (zh) * | 2024-01-15 | 2024-04-30 | 南京信息工程大学 | 基于力触觉手套的手部康复训练监测系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| US10503268B2 (en) | 2019-12-10 |
| US10942579B2 (en) | 2021-03-09 |
| US9851808B2 (en) | 2017-12-26 |
| US20170035328A1 (en) | 2017-02-09 |
| US20190050064A1 (en) | 2019-02-14 |
| US20170255273A1 (en) | 2017-09-07 |
| US9693711B2 (en) | 2017-07-04 |
| US20200167004A1 (en) | 2020-05-28 |
| US20170035327A1 (en) | 2017-02-09 |
| US20170038848A1 (en) | 2017-02-09 |
| US20180067565A1 (en) | 2018-03-08 |
| US10126830B2 (en) | 2018-11-13 |
| US20170039358A1 (en) | 2017-02-09 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106445101A (zh) | 识别用户的方法和系统 | |
| Biswas et al. | CorNET: Deep learning framework for PPG-based heart rate estimation and biometric identification in ambulant environment | |
| de la Concepción et al. | Mobile activity recognition and fall detection system for elderly people using Ameva algorithm | |
| CN104207755B (zh) | 可佩戴心率监视器 | |
| CN104207761B (zh) | 心率数据收集 | |
| CN104287703B (zh) | 个人健身跟踪装置中的陀螺仪的使用 | |
| CN106333667B (zh) | 可佩戴心率监视器 | |
| US10571999B2 (en) | Proximity based and data exchange and user authentication between smart wearable devices | |
| US20200297269A1 (en) | Apparatus for tracking user activity | |
| CN106215405A (zh) | 具有高度计的健身监视装置 | |
| CN105433949A (zh) | 混合角运动传感器 | |
| CN104218976A (zh) | 使用蓝牙的自适应数据传送 | |
| KR20190047648A (ko) | 행동에 대한 피드백을 제공하는 웨어러블 디바이스 및 방법 | |
| Barrera-Animas et al. | Online personal risk detection based on behavioural and physiological patterns | |
| Pires et al. | Limitations of energy expenditure calculation based on a mobile phone accelerometer | |
| Meng et al. | Health and wellness monitoring using intelligent sensing technique | |
| Baldominos et al. | Feature selection for physical activity recognition using genetic algorithms | |
| Li et al. | Internet of things-based smart wearable system to monitor sports person health | |
| KR101540101B1 (ko) | 스마트 건강관리 시스템용 힐링토큰 및 이를 구비한 건강공간 | |
| Poli et al. | Identification issues associated with the use of wearable accelerometers in lifelogging | |
| Parousidou | Personalized Machine Learning Benchmarking for Stress Detection | |
| Valle et al. | Non-Invasive Physiological Monitoring: Smartphone Photoplethysmography-Based Biometric Authentication Techniques | |
| Bohrweg | RNNs Of Heart Rate Modeling As A Function Of Body Movement | |
| Monroyº et al. | kkk kkk kkk provides a baseline for the development and the fair comparison of personal risk detection | |
| Zhang | Iwear-intelligent wearable sensor systems for disability rehabilitation |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| CB02 | Change of applicant information | ||
| CB02 | Change of applicant information |
Address after: California, USA Applicant after: Feibit Co.,Ltd. Address before: California, USA Applicant before: FITBIT, Inc. |