CN106455745A - 腾空时间 - Google Patents

腾空时间 Download PDF

Info

Publication number
CN106455745A
CN106455745A CN201480074141.6A CN201480074141A CN106455745A CN 106455745 A CN106455745 A CN 106455745A CN 201480074141 A CN201480074141 A CN 201480074141A CN 106455745 A CN106455745 A CN 106455745A
Authority
CN
China
Prior art keywords
event
timestamp
template
diaphragm
group
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201480074141.6A
Other languages
English (en)
Other versions
CN106455745B (zh
Inventor
S.巴拉克里斯施南
R.布鲁斯
J.弗拉加
P.弗朗西斯
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nike Innovate CV USA
Nike Innovation LP
Original Assignee
Nike Innovation LP
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Nike Innovation LP filed Critical Nike Innovation LP
Priority to CN202210897456.7A priority Critical patent/CN115421368A/zh
Priority to CN202011277475.7A priority patent/CN112578663B/zh
Publication of CN106455745A publication Critical patent/CN106455745A/zh
Application granted granted Critical
Publication of CN106455745B publication Critical patent/CN106455745B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • 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
    • G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
    • G16H40/60—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices
    • G16H40/67—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices for remote operation
    • A—HUMAN NECESSITIES
    • A43—FOOTWEAR
    • A43B—CHARACTERISTIC FEATURES OF FOOTWEAR; PARTS OF FOOTWEAR
    • A43B3/00—Footwear characterised by the shape or the use
    • A43B3/34—Footwear characterised by the shape or the use with electrical or electronic arrangements
    • 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
    • A63B24/0021—Tracking a path or terminating locations
    • 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
    • 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
    • G01P—MEASURING LINEAR OR ANGULAR SPEED, ACCELERATION, DECELERATION, OR SHOCK; INDICATING PRESENCE, ABSENCE, OR DIRECTION, OF MOVEMENT
    • G01P15/00—Measuring acceleration; Measuring deceleration; Measuring shock, i.e. sudden change of acceleration
    • G—PHYSICS
    • G04—HOROLOGY
    • G04G—ELECTRONIC TIME-PIECES
    • G04G21/00—Input or output devices integrated in time-pieces
    • 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
    • G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
    • G16H20/30—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to physical therapies or activities, e.g. physiotherapy, acupressure or exercising
    • 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
    • G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
    • G16H40/40—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the management of medical equipment or devices, e.g. scheduling maintenance or upgrades
    • 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
    • G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
    • G16H40/60—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices
    • G16H40/63—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices for local operation
    • 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
    • A63B24/0021—Tracking a path or terminating locations
    • A63B2024/0056—Tracking a path or terminating locations for statistical or strategic analysis
    • A—HUMAN NECESSITIES
    • A63—SPORTS; GAMES; AMUSEMENTS
    • A63B—APPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
    • A63B2220/00—Measuring of physical parameters relating to sporting activity
    • A63B2220/20—Distances or displacements
    • A—HUMAN NECESSITIES
    • A63—SPORTS; GAMES; AMUSEMENTS
    • A63B—APPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
    • A63B2220/00—Measuring of physical parameters relating to sporting activity
    • A63B2220/80—Special sensors, transducers or devices therefor
    • A63B2220/83—Special sensors, transducers or devices therefor characterised by the position of the sensor
    • A63B2220/836—Sensors arranged on the body of the user

Landscapes

  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • General Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Physical Education & Sports Medicine (AREA)
  • Medical Informatics (AREA)
  • Epidemiology (AREA)
  • Primary Health Care (AREA)
  • Public Health (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Business, Economics & Management (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biophysics (AREA)
  • Microelectronics & Electronic Packaging (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
  • User Interface Of Digital Computer (AREA)

Abstract

本发明提供用于监控运动表现的系统和方法，所述系统和方法包括确定“腾空时间”，例如，双脚离开地面的时长，以及任选地，得自不同类型活动的“腾空时间”，诸如，慢跑、跑步、冲刺、跳跃等。“腾空时间”可以帮助运动员或教练可以更好地了解运动员付出的努力、将两名或更多名运动员的努力作比较、评估运动表现随时间的变化并且/或者确定训练需求和/或有待改进的方面。此类系统和方法也可生成并显示各种运动表现指标，诸如：瞬时腾空时间；平均腾空时间；运动表现期间或其他时间段的累积腾空时间；瞬时跳跃高度；平均跳跃高度；运动表现期间或其他时间段的累积跳跃时间；以及一名运动员与另一名运动员和/或与该运动员自身的任何腾空时间和/或跳跃高度指标的比较；等等。

Description

腾空时间
相关申请的交叉引用
本申请要求2013年12月2日提交的名称为“FLIGHT TIME”(腾空时间)的美国临时专利申请No.61/910,912和2013年12月3日提交的名称为“FLIGHT TIME”(腾空时间)的美国临时专利申请No.61/911,420的优先权，其全文以引用方式明确地并入本文中，以用于任何及所有非限制性目的。
背景技术
虽然大多数人都明白身体健康的重要性，但很多人难以找到维持定期锻炼计划所需的动力。有些人发现尤其难以维持涉及持续性重复动作的锻炼方式，诸如跑步、步行和骑自行车。除此之外，个人会将锻炼视为劳动或无趣的事务，从而将之与其日常生活的愉快方面分离开来。通常，体育活动与其他活动之间的这种明确分离会降低个人对于锻炼可能具有的动力。另外，针对于鼓励个人参与体育活动的体育活动服务和系统也可能过多地集中于一种或多种特定的活动，而忽略了个人的兴趣。这可能进一步降低用户参与体育活动或使用体育活动服务和系统的兴趣。
对于职业运动员和/或认真的业余运动员(如，职业-业余运动员)而言，很多现有的服务和装置不能提供对于一个或多个指标(诸如，他们的表现、表现负荷、反应、疲劳等)的准确评估。监控一个或多个指标的现有腾空时间感测装置通常存在一种或多种缺陷，包括：繁琐的收集系统、超出可接受阈值的不准确测量结果、报告值时存在不可接受的延迟、基于检测到的用户动作的错误活动分类、不能解释不同用户之间的偏差、收集或处理的数据不适用于测量表现或其他指标、相对高的功耗和/或这些或其他缺陷的组合。
针对滞空时间，以前试图将滞空时间纳为一种指标的尝试仅专注于单脚或双脚在跳跃情况下的腾空。例如，就篮球运动员来说，以前的尝试可能会考察进攻球员的跳投或防守球员试图跳起来阻止进攻球员投球，来确定腾空时间。因此可以预期，此类结果将与相同时间段内的总跳跃高度关联。
当前，可使用各种方法来测量或捕捉腾空时间(诸如跳跃期间)，这些办法包括视频/动作捕捉、跳跃测试垫和测力板。然而，这些方法需要在期望的运动场或环境中的固定位置安装专用设备和/或设施。另外，这些方法成本高昂，通常无法区分一名运动员与另一名运动员，并且/或者需要额外的处理步骤或材料，以便通过省时并用户友好的方式来获取个体测量结果。
用于获取运动测量值的某些办法需要将传感器单元或包含传感器(诸如加速计或陀螺仪)的惯性测量单元(IMU)直接附接在运动员的身体或衣服上。然而，在体育活动(诸如篮球或足球)中，由于存在受伤风险和其他因素，此类辅助装置被监管机构禁止使用。
发明内容
现有解决方案的以上缺陷中的一个或多个和/或其他不足可通过本文所述的创造的一个或多个方面来克服。根据一个实施例，传感器系统直接集成到鞋中，包括但不限于运动员在大多数活动中常常穿着的鞋。实施例涉及测量和跟踪一个或多个运动指标，包括但不限于腾空时间。
因此，需要改善的系统和方法来解决本领域中的这些和其他不足。
本发明的方面涉及用于监控运动表现的系统和方法，以及非瞬时性计算机可读介质，其包括存储在上面的计算机可执行指令，所述指令用于执行所述方法、运行所述系统和/或提供输出数据并显示给用户。在本发明的一些方面，将监控运动表现以确定“腾空时间”，如，运动员的双脚不与地面接触的时间量，以及任选地各种不同类型体育活动(诸如慢跑、跑步、冲刺、跳跃等)产生的“腾空时间”。“腾空时间”可代表和/或帮助运动员或教练更好地理解运动员付出的努力、更好地比较两名或更多名运动员的努力、更好地估计运动员的表现随时间的变化，以及/或者更好地识别训练需求和/或有待改善的方面。根据本发明的至少一些方面的系统和方法还可生成并显示各种运动表现指标，诸如：瞬时腾空时间(如，每次腾空的毫秒数或者腾空的平均毫秒数)；平均腾空时间(每秒的腾空毫秒数)；运动表现过程中或其他时间段内的累积腾空时间(如，累加的腾空时间)；瞬时跳跃高度(如，每次腾空的英寸数)；平均跳跃高度；运动表现过程中或其他时间段内的累积跳跃高度(如，累加的跳跃高度)；一名运动员与另一名运动员的任何腾空时间和/或跳跃高度指标的比较；一名运动员自己的任何腾空时间和/或跳跃高度指标的比较；等等。
I.运动表现监控系统和方法
本发明的一些方面涉及用于分析运动表现的系统和方法，例，用于确定运动员在此类活动中的“腾空时间”和/或“跳跃高度”。此类系统和方法可包括计算机系统，该系统用于接收输入数据、处理所述数据并且以人类可感知的方式输出包括运动表现分析信息和/或指标在内的数据。此类系统和方法可包括输入系统，所述输入系统：(a)从右脚传感器系统接收与多个右脚离地事件相关的右脚离地输入数据，其中所述右脚离地输入数据包括与每个右脚离地事件关联的至少一个时间戳，该时间戳指示相应的右脚离地事件发生的时间；(b)从左脚传感器系统接收与多个左脚离地事件相关的左脚离地输入数据，其中所述左脚离地输入数据包括与每个左脚离地事件关联的至少一个时间戳，该时间戳指示相应的左脚离地事件发生的时间；(c)从右脚传感器系统(如，与前述相同或不同的传感器系统)接收与多个右脚着地事件相关的右脚着地输入数据，其中所述右脚着地输入数据包括与每个右脚着地事件关联的至少一个时间戳，该时间戳指示相应的右脚着地事件发生的时间；以及(d)从左脚传感器系统(如，与前述相同或不同的传感器系统)接收与多个左脚着地事件相关的左脚着地输入数据，其中所述左脚着地输入数据包括与每个左脚着地事件关联的至少一个时间戳，该时间戳指示相应的左脚着地事件发生的时间。计算机处理系统(如，包括一个或多个微处理器或其他计算机部件)从该输入信息可识别第一组时间戳(或多组时间戳)，其中所述第一组时间戳(以及任选地每组时间戳)包括时间上相邻的右脚离地、左脚离地、右脚着地和左脚着地事件。然后，可至少部分地基于所述第一组时间戳包含的左脚和右脚两者同时不接触地面的持续时间，来确定所述第一组时间戳的第一腾空时间(以及任选地，时间戳组中的至少一些和任选地每一个的腾空时间)。如下文将更详细地论述，根据本发明的至少一些方面的系统和方法将评估所确定的腾空时间，以确定这些时间是否可能无效，并且如果无效的话，至少在一些情况下，校正可能无效的数据或放弃该数据。根据本发明的至少一些例子的系统和方法还将包括生成输出，如，包括与上述指标中的一个或多个相关或基于此的信息，以及传送所述输出数据和/或生成用户界面，所述用户界面以人类可感知的方式显示至少一些输出/指标。
根据本发明的该方面的其他示例性系统和方法可包括：(a)右脚传感器，用于测量右鞋的加速度或右鞋与接触表面之间的接触力；(b)左脚传感器，用于测量左鞋的加速度或左鞋与接触表面之间的接触力；(c)处理器系统，该系统被编程以适于：(i)从右脚传感器和左脚传感器生成的数据识别右脚离地事件、左脚离地事件、右脚着地事件和左脚着地事件；(ii)识别多组事件时间戳，其中所述事件时间戳组包括时间上相邻的右脚离地、左脚离地、右脚着地和左脚着地事件；和(iii)确定与多组事件时间戳中的至少一些关联的腾空时间，其中每个腾空时间至少部分地基于对应组的时间戳包含的左脚和右脚两者同时不接触表面的持续时间；以及(d)输出系统，用于输出包括含有腾空时间或源于腾空时间的信息的输出数据。
II.基于模板的系统和方法
本发明的其他方面涉及用于分析运动表现的“基于模板”的系统和方法，如，用于确定运动员在此类体育活动中的“腾空时间”和/或“跳跃高度”。此类系统和方法可包括计算机系统，该系统用于接收输入数据、处理所述数据并且以人类可感知的方式输出包括运动表现分析信息和/或指标在内的数据。此类系统和方法可包括输入系统，所述输入系统：(a)从右脚传感器系统接收与多个右脚离地事件相关的右脚离地输入数据，其中所述右脚离地输入数据包括与每个右脚离地事件关联的至少一个时间戳，该时间戳指示相应的右脚离地事件发生的时间；(b)从左脚传感器系统接收与多个左脚离地事件相关的左脚离地输入数据，其中所述左脚离地输入数据包括与每个左脚离地事件关联的至少一个时间戳，该时间戳指示相应的左脚离地事件发生的时间；(c)从右脚传感器系统(如，与前述相同或不同的传感器系统)接收与多个右脚着地事件相关的右脚着地输入数据，其中所述右脚着地输入数据包括与每个右脚着地事件关联的至少一个时间戳，该时间戳指示相应的右脚着地事件发生的时间；以及(d)从左脚传感器系统(如，与前述相同或不同的传感器系统)接收与多个左脚着地事件相关的左脚着地输入数据，其中所述左脚着地输入数据包括与每个左脚着地事件关联的至少一个时间戳，该时间戳指示相应的左脚着地事件发生的时间。计算机处理系统(如，包括一个或多个微处理器或其他计算机部件)从该输入信息可以：(a)识别第一组时间戳(或多组时间戳)，其中所述第一组时间戳(以及任选地每组时间戳)包括时间上相邻的右脚离地、左脚离地、右脚着地和左脚着地事件，以及(b)确定与所述第一组时间戳关联的至少时间戳信息(以及任选地，每组时间戳的腾空时间)是否对应于预定模板组中的一个，所述模板对应于不同类型的活动(如，步行；跑步(以及任选地，更细化地，如包括慢跑、跑步、冲刺、前进、后退等)；横向曳步；跳跃(以及任选地，更细化地，如包括跑步式跳跃(如，篮球的带球上篮式移动)或垂直跳跃(如，跳投、封盖或篮板球活动))。然后，基于经确定与至少时间戳信息关联的模板，可确定所述第一组时间戳的第一腾空时间(以及任选地，至少一些组和任选地每组时间戳的腾空时间)，其中所述第一腾空时间(以及任选地，所评估的一些组/每组时间戳的腾空时间)至少部分地基于时间戳组包含的左脚和右脚两者同时不接触地面的持续时间。如下文将更详细地论述，根据本发明的至少一些方面的系统和方法将确定哪个模板最匹配各个组的时间戳数据所包含的信息、评估所确定的腾空时间以确定这些时间是否可能无效，并且如果无效的话，至少在一些情况下，校正可能无效的数据或放弃该数据。根据本发明的至少一些例子的系统和方法还将包括生成输出，如，包括与上述指标中的一个或多个相关或基于此的信息，以及传送所述输出数据和/或生成用户界面，所述用户界面以人类可感知的方式显示至少一些输出/指标。
在根据本发明的系统和方法的该方面的至少一些例子中，确定腾空时间的步骤将包括以下步骤中的两个或更多个：(a)如果经确定与时间戳信息关联的模板对应于步行模板(向后或向前步行)，则确定该组时间戳的的腾空时间为0；(b)如果经确定与时间戳信息关联的模板对应于跑步模板(如，慢跑、跑步或冲刺活动模板，和/或任选地个人慢跑模板、跑步模板、冲刺模板、跑步跳跃模板、与任何这些“跑步”活动关联的前进模板、与任何这些“跑步”活动关联的后退模板等中的一个或多个)，则确定该组时间戳的腾空时间为以下两项之间的持续时间：(i)右脚着地事件或左脚着地事件中较早的一个与(ii)右脚离地事件或左脚离地事件中较晚的一个；(c)如果经确定与时间戳信息关联的模板对应于横向曳步模板，则确定该组时间戳的腾空时间为以下两项之间的持续时间：(i)右脚着地事件或左脚着地事件中较早的一个与(ii)右脚离地事件或左脚离地事件中较晚的一个；以及(d)如果经确定与时间戳信息关联的模板对应于跳跃模板(如，垂直跳跃或跑步跳跃活动模板，和/或任选地个人垂直跳跃模板、跑步跳跃模板等中的一个或多个)，则确定该组时间戳的腾空时间为以下两项之间的持续时间：(i)右脚着地事件或左脚着地事件中较早的一个与(ii)右脚离地事件或左脚离地事件中较晚的一个。如果与时间戳信息关联的活动并不对应于任何预定模板，则确定该组时间戳信息的腾空时间的步骤包括确定腾空时间为0。
根据本发明的该方面的另外的系统和方法可包括：(a)右脚传感器，用于测量右鞋的加速度或右鞋与接触表面之间的接触力；(b)左脚传感器，用于测量左鞋的加速度或左鞋与接触表面之间的接触力；(c)处理器系统，该系统被编程以适于：(i)从右脚传感器和左脚传感器生成的数据识别右脚离地事件、左脚离地事件、右脚着地事件和左脚着地事件；(ii)识别多组事件时间戳，其中所述事件时间戳组包括时间上相邻的右脚离地、左脚离地、右脚着地和左脚着地事件；(iii)确定多组事件时间戳中的各个事件时间戳组是否对应于预定模板组中的一个，所述模板对应于不同类型的活动；和(iv)基于经确定与各组事件时间戳关联的模板，确定与各组事件时间戳关联的腾空时间，其中各组事件时间戳的腾空时间至少部分地基于各组事件时间戳中的时间戳所覆盖的左脚和右脚两者同时不接触表面的持续时间；以及(d)输出系统，用于输出包括含有腾空时间或源于腾空时间的信息的输出数据。
III.根据本发明的基于模板和不基于模板的系统和方法的潜在特征
根据本发明的基于模板和不基于模板的系统和方法均可包括下文所述的特点或特征中的任一个、一些或全部。
根据本发明的至少一些方面的系统和方法将进一步包括右脚传感器系统和左脚传感器系统，如，以用于感测、测量和检测以下项目中的一个或多个：加速度；加速度变化；移动速度；速度变化；位置；位置变化；脚与接触表面之间的接触力；脚与接触表面之间的接触力变化；等等。
在确定一组时间戳的腾空时间的步骤中，可使用以下等式来确定腾空时间：
腾空时间＝T1-T2，
其中T1对应于该组时间戳中与右脚着地事件或左脚着地事件中较早的一个关联的时间戳的时间，T2对应于该组时间戳中与右脚离地事件或左脚离地事件中较晚的一个关联的时间戳的时间。为对应于步行、慢跑、跑步或冲刺活动(或如上所述的模板)，最后离开地面(对应于T2时间戳事件)的一只脚将是与最先接触地面(对应于T1时间戳事件)的那只脚相反的脚。对于跳跃活动(以及可能地，垂直跳跃和跑步跳跃两者/模板)，脚可按任何顺序离开地面和接触地面。
在根据本发明的系统和方法的至少一些例子中，在确定一组时间戳的腾空时间的步骤中：(a)如果与T1关联的时间戳比与T2关联的时间戳早，则与该组时间戳关联的腾空时间将被确定为0；和/或(b)如果所确定的腾空时间值小于持续时间阈值(如，短暂但为正值的“腾空时间”，其本质上可对应于步行活动、任选地在一步中有轻微“弹跳”的步行)，则与该组时间戳关联的腾空时间将被确定为0。
根据本发明的系统和方法的至少一些例子将评估针对一组时间戳确定的腾空时间，以确定该腾空时间对人类活动是否“有效”。作为一个例子，在确定一组时间戳的腾空时间的步骤中，如果所确定的腾空时间值大于有效腾空时间值(如，时间阈值上限，其被设置成大于在无一些外部辅助来悬停或支撑的情况下个人跳跃离开地面的可能时间)，则与该组时间戳关联的腾空时间可被确定为0。“有效腾空时间值”可设置为普通人的值(如，对应于接近和/或刚好大于有记录的最高跳跃时间的时间段)，或者可设置在针对个人的先前所确定能力的水平。
在根据本发明的所有系统和方法中，确定所确定的腾空时间值超过有效腾空时间值并不自动要求确定该组时间戳的腾空时间为0。相反，如果需要，根据本发明的至少一些例子的系统和方法可考虑其他来源的数据，诸如其他传感器(如，身体核心传感器、视频数据流等)的数据，以确定所确定的无效腾空时间值是否可以被“校正”。例如，在篮球运动中，有时运动员将抓住篮网或篮框或者将被另一名运动员举起而在空中“悬停”一定时间，这可导致所确定的腾空时间值超过“有效腾空时间值”。为处理此类事件(如，当腾空时间值超过有效腾空时间值时)和力求提供更准确的“腾空时间”数据，根据本发明的至少一些例子的系统和方法可从动作传感器系统(如，身体核心动作传感器或加速计等)而不是右脚传感器和左脚传感器系统接收输入数据，并使用所述数据(和与之关联的时间戳信息)结合被评估的时间戳数据组，看是否可以从以下两项之间的动作传感器/加速计输入数据来确定“悬停时间”：(i)与右脚着地事件或左脚着地事件中较早的一个关联的时间戳的时间，以及(ii)与右脚离地事件或左脚离地事件中较晚的一个关联的时间戳的时间。如果可以确定悬停时间(如，当身体核心传感器或加速计显示运动员在上升的高度维持了对抗重力的延长时间段)，则根据本发明的该方面的系统和方法可以：确定“经过校正”的持续时间(如，对应于最初确定的腾空时间值减去悬停时间)是否少于第二有效腾空时间值(其可与上文使用的初始有效腾空时间值相同或不同)，并且(A)如果是的话，则至少部分地基于“经过校正”的持续时间来确定该组时间戳的腾空时间(如，等于“经过校正的持续时间”)，以及(B)如果不是的话，则确定该组时间戳的腾空时间为0。如果需要，一些系统和方法可确定是否可找到与任一组时间戳(甚至是形成有效的已确定腾空时间的时间戳)关联的“悬停时间”，并且使用该“悬停时间”(若存在)来校正甚至是有效的腾空时间值。
作为另一个例子，当运动员在跨步或跳跃之后不是用他/她的脚着地时(因而，下一个“脚着地”事件可直到运动员开始站起来时才发生，这可使时间段延长而比有效腾空时间值长)，所确定的腾空时间值可超过有效腾空时间值。如果运动员在运动期间被撞倒，他们仍将得到与他们的活动关联的“腾空时间”计入，但所述腾空时间不应被曲解成包括站起来所花的时间。根据本发明的至少一些例子的系统和方法还可确定和“校正”这些情况中的至少一些的腾空时间。同样，根据本发明的至少一些例子的系统和方法可考虑其他来源的数据，诸如其他传感器(如，身体核心传感器、视频数据流等)的数据，以确定运动员是否用他/她的脚着地以及所确定的无效腾空时间值是否可以被“校正”。更具体地讲，如果与一组时间戳关联的腾空时间经确定大于第一有效腾空时间值，则根据本发明的至少一些例子的系统和方法可进一步包括：确定是否可从以下两项之间的其他传感器数据(如，来自身体核心加速计传感器的加速度陡变)来确定地面接触时间：(a)与右脚着地事件或左脚着地事件中较早的一个关联的时间戳的时间，以及(b)与右脚离地事件或左脚离地事件中较晚的一个关联的时间戳的时间。如果可以从所述其他数据确定潜在的地面接触时间，则所述系统和方法可进一步：确定来自其他传感器数据的地面接触时间和与右脚离地事件或左脚离地事件中较晚的一个关联的时间戳的时间之间的第二持续时间是否小于第二有效腾空时间值(其可与第一有效腾空时间值相同或不同)，并且(A)如果是的话，则基于(如，对应于)第二持续时间来确定该组时间戳的腾空时间，以及(B)如果不是的话，则确定该组时间戳的腾空时间为0。
如上所述，可针对时间戳数据的一个或多个“组”来确定“腾空时间”，并且时间戳数据的这些“组”可包括至少一组四个时间上相邻的右脚着地、左脚着地、右脚离地和左脚离地事件。另选地，组中的事件无需在时间上相邻和/或限于所述四个事件，但一组时间戳数据的右脚和左脚事件可构成在所需时间段内发生的所有右脚和左脚离地和着地事件。
本发明的另外的方面可涉及确定与一个或多个单独“腾空时间”事件关联的“跳跃高度”和/或与多个“腾空时间”事件关联的累积“跳跃高度”。尽管可基于所确定的“腾空时间”使用其他算法和等式来确定跳跃高度，但在根据本发明的系统和方法的至少一些例子中，将根据以下等式来确定与腾空时间数据关联的“跳跃高度”：
跳跃高度(英寸)＝(41.66708×腾空时间(秒))-3.818335。
可以针对每个单独腾空时间和/或时间戳数据的每个单独组来确定跳跃高度。除此之外或另选地，可(例如)基于累积腾空时间(如，使用上述等式)或通过将针对单个腾空时间单独确定的跳跃高度(如，使用上述等式)相加来确定“累积跳跃高度”。
附图说明
本公开将以举例方式说明，并且不限于附图所示，在附图中，类似的参考编号指示类似的元件，其中：
图1A到图1B示出根据示例性实施例用于提供个人训练的系统的例子，其中图1A示出被配置为监控体育活动的示例性网络，图1B示出根据示例性实施例的示例性计算装置；
图2A到图2C示出根据示例性实施例可由用户穿戴的示例性传感器组件；
图3示出根据本发明实施例可用来对活动类别进行分类的示例性方法；
图4示出根据一个实施例可用来量化跨步的示例性流程图；
图5示出根据一个实施例可估算频率和设置频率搜索范围的示例性流程图；
图6示出根据一个实施例可用来实现分类功能的示例性流程图；
图7A示出根据一个实施例的示例性流程图，其可被实施以确定是利用摆臂频率还是弹跳频率；
图7B示出一个例子，其中弹跳峰的频率大致是摆臂峰的频率的两倍；
图8示出根据一个实施例的示例性流程图，其可被实施以对活动进行分类并确定速度；
图9示出根据又另一个实施例可实施的测量用户活动的实施例的带注释流程图；
图10是一个流程图，示出用于将用户活动事件与一个或多个动作模板匹配的示例性过程；
图11A是一个流程图，示出示例性模板匹配过程；
图11B是一个流程图，示出在滞空时间背景下的示例性模板匹配过程；
图12示出另一个示例性模板匹配过程；
图13A到图13D示出用于模板匹配的示例性数据处理流程；
图14示出示例性动作模板；
图15示出示例性动作模板匹配曲线图；
图16是传感器系统与活动处理系统之间的数据流的示例图；
图17是针对活动处理的另一个数据流示例图；
图18到图20示出示例性信号流和其中识别到的事件；
图21是一个流程图，示出根据一个实施例测量腾空时间的示例性具体实施；
图22示出根据一个实施例的两名运动员瞬时腾空时间的图表；
图23示出根据一个实施例的两名运动员平均腾空时间的图表；
图24示出根据一个实施例的两名运动员累积腾空时间的图表；以及
图25示出根据一个实施例计算跳跃高度的流程图。
具体实施方式
下文参考附图对各种实施例进行描述，所述附图构成本公开的一部分，其中以举例方式示出可实现本公开的各种实施例。应当理解，在不脱离本公开的范围和精神的情况下，可利用其他实施例并且可进行结构和功能修改。另外，本公开内的标题不应被视为本公开的限制方面。获益于本公开的本领域技术人员将了解，示例性实施例并不限于示例性标题。
I.示例性个人训练系统
A.例示性计算装置
图1A示出根据示例性实施例的个人训练系统100的例子。示例性系统100可包括一个或多个电子装置，诸如计算机102。计算机102可包括移动终端，诸如电话、音乐播放器、平板电脑、笔记本或任何便携式装置。在其他实施例中，计算机102可包括机顶盒(STB)、台式计算机、数字视频录像机(DVR)、计算机服务器和/或任何其他所需的计算装置。在某些配置中，计算机102可包括游戏主机，诸如，XBOX、Playstation和/或Wii游戏主机。本领域技术人员将了解，这些仅仅是用于描述目的的示例性主机，并且本公开不限于任何主机或装置。
暂时转到图1B，计算机102可包括计算单元104，该计算单元可包括至少一个处理单元106。处理单元106可以是用于执行软件指令的任何类型的处理装置，诸如微处理器装置。计算机102可包括各种非瞬时性计算机可读介质，诸如存储器108。存储器108可包括但不限于，随机存取存储器(RAM)，诸如RAM 110，和/或只读存储器(ROM)，诸如ROM 112。存储器108可包括以下任一个：电可擦除可编程只读存储器(EEPROM)、闪存存储器或其他存储技术、CD-ROM、数字通用光盘(DVD)或其他光盘存储器、磁性存储装置，或者可用来存储所需信息并且可被计算机102访问的任何其他介质。
处理单元106和系统存储器108可通过总线114或替代通信结构直接或间接连接到一个或多个外围装置。例如，处理单元106或系统存储器108可直接或间接连接到另外的存储器，诸如硬盘驱动器116、可移除磁盘驱动器、光盘驱动器118以及闪存存储卡。处理单元106和系统存储器108还可直接或间接连接到一个或多个输入装置120和一个或多个输出装置122。输出装置122可包括(例如)显示装置136(图1A)、电视机、打印机、立体声设备或扬声器。在一些实施例中，一个或多个显示装置可合并到眼镜中。合并到眼镜中的显示装置可为用户提供反馈。合并有一个或多个显示装置的眼镜还提供便携式显示系统。输入装置120可包括(例如)键盘、触摸屏、远程控制板、指向装置(诸如，鼠标、触控板、触笔、轨迹球或操纵杆)、扫描仪、相机或麦克风。就这一点而言，输入装置120可包括一个或多个传感器，所述传感器被配置为感测、检测和/或测量来自用户(诸如图1A所示的用户124)的运动移动。
再次参见图1A，图像捕捉装置126和/或传感器128可用于检测和/或测量用户124的运动移动。在一个实施例中，从图像捕捉装置126或传感器128获取的数据可用于直接检测运动移动，以使得从图像捕捉装置126或传感器128获取的数据与动作参数直接关联。然而，在其他实施例中，来自图像捕捉装置126和/或传感器128的数据可被彼此组合利用或与其他传感器的数据组合利用，以检测和/或测量移动。因而，通过组合从两个或更多装置获取的数据，可确定某些测量值。图像捕捉装置126和/或传感器128可包括或可操作地连接到一个或多个传感器，包括但不限于：加速计、陀螺仪、位置确定装置(如，GPS)、光传感器、温度传感器(包括环境温度和/或体温)、心率监测仪、图像捕捉传感器、湿度传感器和/或它们的组合。下文在名称为“例示性传感器”的I.C节中提供了例示性传感器126、128的示例性使用。计算机102还可使用触摸屏或图像捕捉装置来确定用户的指向，以从图形用户界面进行选择。一个或多个实施例可单独或组合利用一种或多种有线和/或无线技术，其中无线技术的例子包括技术、低能源技术和/或ANT技术。
B.例示性网络
计算机102、计算单元104和/或任何其他电子装置可直接或间接连接到一个或多个网络接口，诸如示例性接口130(图1B所示)，以便与网络(诸如网络132(图1A所示))通信。在图1B的例子中，网络接口130可包括网络适配器或网络接口卡(NIC)，其被配置为根据一种或多种通信协议，诸如传输控制协议(TCP)、互联网协议(IP)和用户数据报协议(UDP)，将来自计算单元104的数据和控制信号转译为网络消息。这些协议在本领域是众所周知的，因而这里将不再详细论述。接口130可采用任何合适的连接代理来连接到网络，所述连接代理包括(例如)无线收发器、电源线适配器、调制解调器或以太网连接。然而，网络132可以是单独或组合的、任何类型或拓扑结构的一种或多种信息分发网络，诸如互联网、内联网、云、LAN。网络132可以是电缆网络、光纤网络、卫星网络、电话网络、蜂窝网络、无线网等中的任何一种或多种。网络在本领域是众所周知的，因而这里将不再详细论述。网络132可按各种形式配置，诸如，具有一个或多个有线或无线通信通道，以将一个或多个位置(如，学校、企业、家、消费性住所、网络资源等)连接到一个或多个远程服务器134，或者连接到其他计算机，诸如与计算机102类似或相同的计算机。实际上，系统100可包括每个部件的不止一个实例(如，不止一台计算机102、不止一台显示器136等)。
不论计算机102或网络132内的其他电子装置是便携式的还是处于固定位置，应当理解，除了上文明确列出的输入、输出和存储外围装置之外，计算装置还可诸如直接连接或通过网络132连接到多种其他外围装置，包括可执行输入、输出和存储功能的一些装置或其某种组合。在某些实施例中，单个装置可集成图1A所示的一个或多个部件。例如，单个装置可包括计算机102、图像捕捉装置126、传感器128、显示器136和/或另外的部件。在一个实施例中，传感器装置138可包括移动终端，所述移动终端具有显示器136、图像捕捉装置126和一个或多个传感器128。然而，在另一个实施例中，图像捕捉装置126和/或传感器128可以是被配置为可操作地连接到媒体装置(包括例如游戏或媒体系统)的外围设备。因而，从上述内容可以看出，本公开不限于固定系统和方法。相反，某些实施例可由用户124在几乎任何位置实施。
C.例示性传感器
计算机102和/或其他装置可包括被配置为检测和/或监控用户124的至少一个健身参数的一个或多个传感器126、128。传感器126和/或128可包括但不限于：加速计、陀螺仪、位置确定装置(如，GPS)、光传感器、温度传感器(包括环境温度和/或体温)、睡眠模式传感器、心率监测仪、图像捕捉传感器、湿度传感器和/或它们的组合。网络132和/或计算机102可与系统100的一个或多个电子装置通信，这些电子装置包括例如显示器136、图像捕捉装置126(如，一个或多个摄像机)和传感器128，该传感器可以是红外(IR)装置。在一个实施例中，传感器128可包括IR收发器。例如，传感器126和/或128可将波形传送到环境中，包括朝用户124的方向传输，并且接收“反射”或以其他方式检测这些所释放的波形的变化。在又另一个实施例中，图像捕捉装置126和/或传感器128可被配置为传送和/或接收其他无线信号，诸如雷达、声纳和/或可听信息。本领域技术人员将很容易了解，可根据各种实施例利用对应于众多不同数据谱的信号。就这一点而言，传感器126和/或128可检测从外部来源(如，不是系统100)发出的波形。例如，传感器126和/或128可检测从用户124和/或周围环境发出的热。因而，图像捕捉装置126和/或传感器128可包括一个或多个热成像装置。在一个实施例中，图像捕捉装置126和/或传感器128可包括被配置为执行距离现象学的IR装置。作为非限制性例子，被配置为执行距离现象学的图像捕捉装置为从俄勒冈州波特兰市的菲力尔公司(Flir Systems,Inc.of Portland,Oregon)商购获得。尽管图像捕捉装置126和传感器128以及显示器136被示为与计算机102直接(无线或有线)通信，但本领域技术人员将了解，任一个都可与网络132直接通信(无线或有线)。
1.多用途电子装置
用户124可持有、携带和/或穿戴任何数量的电子装置，包括传感装置138、140、142和/或144。在某些实施例中，一个或多个装置138、140、142、144可能并非特别针对健身或运动目的而制造。实际上，本公开的方面涉及利用来自多个装置的数据来收集、检测和/或测量运动数据，而其中一些装置并非健身装置。在一个实施例中，装置138可包括便携式电子装置，诸如电话或数字音乐播放器，包括从加利福尼亚州库比蒂诺的苹果公司(Apple,Inc.of Cupertino,California)获得的或品牌装置，或者从华盛顿州雷德蒙德市的微软公司(Microsoft of Redmond,Washington)获得的或Windows装置。如本领域中已知的，数字媒体播放器可以同时用作计算机的输出装置(如，输出来自音乐文件的音乐或来自图像文件的图片)和存储装置。在一个实施例中，装置138可以是计算机102，而在其他实施例中，计算机102可与装置138完全不同。无论装置138是否被配置为提供某些输出，它都可用作用于接收传感信息的输入装置。装置138、140、142和/或144可包括一个或多个传感器，包括但不限于：加速计、陀螺仪、位置确定装置(如，GPS)、光传感器、温度传感器(包括环境温度和/或体温)、心率监测仪、图像捕捉传感器、湿度传感器和/或它们的组合。在某些实施例中，传感器可以是被动式的，诸如可被图像捕捉装置126和/或传感器128(以及其他)检测到的反射材料。在某些实施例中，传感器144可被整合到服装(诸如运动服)中。例如，用户124可穿戴一个或多个体上传感器144a-b。传感器144可合并到用户124的衣服中和/或放置在用户124身体的任何所需位置。传感器144可与计算机102、传感器128、138、140和142和/或相机126通信(如，无线通信)。交互式游戏服装的例子在2002年10月30日提交的美国专利申请No.10/286,396中有所描述，并且作为美国专利申请公开No.2004/0087366公开，其内容全文以引用方式并入本文中，以用于任何和所有非限制性目的。在某些实施例中，被动式传感表面可反射由图像捕捉装置126和/或传感器128发出的波形，诸如，红外光。在一个实施例中，位于用户124服装上的被动式传感器可包括由玻璃或可反射波形的其他透明或半透明表面制成的大致为球形的结构。可利用不同类别的服装，其中给定类别的服装具有特定传感器，所述传感器被配置为在穿戴恰当时位置靠近用户124身体的特定部分。例如，高尔夫服装可包括以第一配置而设置在服装上的一个或多个传感器，而足球服装可包括以第二配置而设置在服装上的一个或多个传感器。
装置138-144可相互直接通信或通过网络(诸如网络132)通信。装置138-144中的一个或多个之间的通信可经由计算机102实现。例如，装置138-144中的两个或更多个可以是可操作地连接到计算机102的总线114的外围设备。在又另一个实施例中，第一装置(诸如装置138)可与第一计算机(诸如计算机102)和另一个装置(诸如装置142)通信，然而，装置142可不被配置为连接到计算机102，而是与装置138通信。本领域技术人员将了解，其他配置是可能的。
示例性实施例的一些具体实施可另选地或额外地采用旨在能够实现多种功能的计算装置，诸如台式或膝上型个人计算机。这些计算装置可根据需要具有外围装置或额外部件的任何组合。此外，图1B所示的部件可被包括在服务器134、其他计算机、设备等中。
2.示例性服装/配饰传感器
在某些实施例中，传感装置138、140、142和/或144可形成在用户124的衣服或配饰内或以其他方式与之关联，所述衣服或配饰包括手表、臂章、腕套、项链、衬衫、鞋等。下文紧接着描述鞋装式和腕戴式装置(分别为装置140和142)的例子，然而，这些仅仅是示例性实施例，本公开不应受限于此。
A.鞋装式装置
在某些实施例中，传感装置140可包括鞋类，所述鞋类可包括一个或多个传感器，包括但不限于：加速计、位置感测部件(诸如GPS)和/或力传感器系统。图2A示出传感器系统202的一个示例性实施例。在某些实施例中，系统202可包括传感器组件204。组件204可包括一个或多个传感器，例如加速计、位置确定部件和/或力传感器。在图示实施例中，组件204合并了多个传感器，所述传感器可包括力敏电阻器(FSR)传感器206。在又另一个实施例中，可利用其他传感器。端口208可设置在鞋的鞋底结构209内。端口208可任选地被设置为与电子模块210(其可处于外壳211中)和将FSR传感器206连接到端口208的多个引线212通信。模块210可被容纳在鞋的鞋底结构中的空腔或腔室内。端口208和模块210包括用于连接和通信的互补接口214、216。在一种或多种布置中，电子模块210可被配置为执行传感器数据处理(如，包括一个或多个处理器)和/或提供传感数据(如，通过在其中包括一个或多个额外的传感器)。在一些布置中，传感器中的一个或多个(诸如FSR传感器206)可包括单独的处理器，所述处理器用于独立地(如，与其他传感器或其他类型的传感器(诸如加速计)分开)处理传感器数据并且将已处理的数据发送到电子模块210以进行汇总和/或其他处理。
在某些实施例中，图2A所示的至少一个力敏电阻器206可包含第一和第二电极或电接触部218、220以及设置在电极218、220之间以将电极218、220电连接起来的力敏电阻材料222。当向力敏材料222施加压力时，力敏材料222的电阻率和/或电导率改变，从而改变电极218、220之间的电势。电阻的改变可被传感器系统202检测，以检测施加到传感器216上的力。力敏材料222可用多种方式改变其在压力下的电阻。例如，力敏材料222可具有这样的内电阻，其在材料被压缩时而降低，类似于下文更详细地描述的量子隧道复合材料。该材料的进一步压缩可进一步降低电阻，从而允许定量测量和二态(开/关)测量。在一些情况下，这种类型的力敏电阻行为可被描述为“基于体积的电阻”，并且具有这种行为的材料可被称为“智能材料”。作为另一个例子，材料222可通过改变表面与表面的接触程度来改变电阻。这可通过多种方式实现，诸如，在表面上使用微突起，其在未压缩条件下提升表面电阻，其中表面电阻在微突起被压缩时降低，或者使用柔性电极，所述柔性电极可变形以与另一个电极形成增加的表面与表面接触。该表面电阻可以是材料222与电极218、220、222之间的电阻，和/或导电层(如，碳/石墨)与多层材料222的力敏层(如，半导体)之间的表面电阻。压缩越大，表面与表面接触越大，从而导致更低的电阻并且使得能够进行定量测量。在一些情况下，这种类型的力敏电阻行为可被描述为“基于接触的电阻”。可以理解，本文中所定义的力敏电阻材料222可以是或者包括掺杂或非掺杂半导体材料。
FSR传感器216的电极218、220可由任何导电材料形成，包括金属、碳/石墨纤维或复合材料、其他导电复合材料、导电聚合物或包含导电材料的聚合物、导电陶瓷、掺杂半导体，或者任何其他导电材料。引线212可借助任何合适的方法连接到电极218、220，所述方法包括焊接、锡焊、铜焊、用粘合剂接合、紧固件或者任何其他整体或非整体接合方法。另选地，电极218、220和关联的引线212可由单件相同材料形成。
图2C示出基于鞋的传感器系统260的另一种示例性布置。基于鞋的传感器系统260可包括多个力传感器，诸如，类似于上文参考图2A所述的那些的力敏传感器261。传感器系统260与图2A的布置可在力敏传感器261的数量和位置方面不同。使用此类力敏传感器261，装置可被配置为确定用户的重心并且检测重量的转移。此类信息可用于检测各种活动事件特性，包括用户跳跃所用的力量、用户是否针对特定训练而将他或她的重量/质量集中以及/或者用户在跳跃之后着地的受力中心。如上所述，力敏传感器261可与一种或多种类型的基于鞋的传感器组合，这些传感器包括加速计、陀螺传感器、温度计、地理位置确定传感器、接近传感器(如，用于确定用户的脚与用户的另一只脚或用户身体的其他部分的接近度)等和/或它们的组合。在一个例子中，基于鞋的传感器还可与一种或多种其他传感器系统结合使用，所述系统包括如下文进一步详细描述的腕戴式传感器装置。
B.腕戴式装置
如图2B所示，装置226(其可类似于或者是图1A所示的传感装置142)可被配置为由用户124佩戴，诸如佩戴在手腕、手臂、脚踝等上。装置226可监控用户的运动移动，包括用户124的全天活动。就这一点而言，装置组件226可检测在用户124与计算机102交互期间的运动移动和/或独立于计算机102操作。例如，在一个实施例中，装置226可以是测量活动的全天活动监控器，不论用户是否与计算机102接近或交互。装置226可与网络132和/或其他装置(诸如装置138和/或140)直接通信。在其他实施例中，从装置226获得的运动数据可用于由计算机102执行的确定中，诸如，关于确定将哪些锻炼计划呈现给用户124。在一个实施例中，装置226还可与移动装置(诸如与用户124关联的装置138)或远程网站(诸如专注于健身或健康相关主题的站点)无线交互。在某个预定的时间，用户可能希望将来自装置226的数据传输到另一个位置。
如图2B所示，装置226可包括输入机构，诸如，协助装置226的操作的可按压式输入按钮228。输入按钮228可以可操作地连接到控制器230和/或任何其他电子部件，诸如，在有关图1B所示的计算机102中论述的元件中的一个或多个。控制器230可嵌入或以其他方式作为外壳232的一部分。外壳232可由一种或多种材料(包括弹性组分)形成，并且包括一个或多个显示器，诸如显示器234。所述显示器可被视为装置226的可照明部分。在例示性实施例中，显示器234可包括一系列单独的照明元件或灯构件，诸如LED灯234。LED灯可形成阵列并且可操作地连接到控制器230。装置226可包括指示系统236，该指示系统也可被视为整个显示器234的一部分或部件。可以理解，指示系统236可结合显示器234(其可具有像素构件235)操作和照亮，或者与显示器234完全分开。在例示性实施例中，指示系统236也可包括多个额外的照明元件或灯构件238，所述额外的照明元件或灯构件也可采用LED灯的形式。在某些实施例中，指示系统236可提供对目标的视觉指示，诸如，通过照亮照明构件238的一部分，以表示完成一个或多个目标。
紧固机构240可被解开，其中装置226可设置成环绕用户124的手腕，并且紧固机构240随后可置于闩锁位置。如果需要，用户可一直佩戴装置226。在一个实施例中，紧固机构240可包括接口，包括但不限于USB端口，以便与计算机102和/或装置138、140可操作地交互。
在某些实施例中，装置226可包括传感器组件(图2B中未示出)。传感器组件可包括多个不同的传感器。在示例性实施例中，传感器组件可包括或准许可操作地连接到加速计(包括多轴加速计形式)、心率传感器、位置确定传感器(诸如GPS传感器)和/或其他传感器。从装置142的传感器检测到的移动或参数可包括(或用来形成)多种不同的参数、指标或生理特征，包括但不限于：速度、距离、做出的跨步，以及卡路里、心率、汗水检测、努力、耗氧和/或氧动力学。此类参数也可表示为用户基于用户的活动获得的活动分数或货币。
II.活动分类
本公开的某些方面涉及对用户活动进行分类，诸如用系统100中的一个或多个传感器进行分类。活动可包括用户124的运动和/或其他身体活动。检测到的动作参数可用于涉及对活动进行分类的一个或多个决定中。根据第一实施例，可在第一时间段内获取来自一个或多个传感器(如，传感器126、128和/或138-142)的多个样本。在一个实施例中，至少一个传感器(如，传感器142)包括加速计。加速计可以是多轴加速计。在另一个实施例中，可利用多个加速计。其他不基于加速计的传感器也在本公开的范围内，其可与加速计结合或单独使用。实际上，可被配置为检测或测量运动移动和/或生理特性的任何传感器都在本公开的范围内。就这一点而言，可从多个传感器获取和/或得出数据，所述传感器包括例如位置传感器(如，GPS)、心率传感器、力传感器等。在一个实施例中，在便携式装置上至少部分地实施了各种系统和方法。在某些实施例中，便携式装置可以是腕戴式装置(如，传感器142)。
在一个实施例中，检测到的参数可被分为一个或多个类别。示例性类别可包括但不限于：跑步、步行、跳跃、锻炼、参与特定运动或活动，或者它们的组合。
另外的方面涉及检测和/或测量用户(诸如用户124)的步数。在一个实施例中，可在预定义时间段内检测步数。在另一个实施例中，检测或测量步数可用于将用户124的动作分类为一个或多个类别。
检测到的动作参数，诸如但不限于用户的步数，可用来对活动进行分类。在一个实施例中，步频/步数可例如用在活动(诸如步行或跑步)的分类中。在某些实施例中，如果数据无法被归入第一类别(如，步行)或类别组(如，步行和跑步)，则第一方法可对收集的数据进行分析。例如，在一个实施例中，如果无法对检测到的参数进行分类，则可利用欧几里德范数等式进一步分析。在一个实施例中，可利用所获取的值的平均量值向量范数(二次幂总和的平方根)。在又另一个实施例中，不同的方法可分析归于第一类别或类别组内的数据的至少一部分。在一个实施例中，可利用跨步算法，诸如本文所公开的那些。
本公开另外的方面涉及可用来对用户(诸如在步行或跑步期间)的跨步进行量化的新系统和方法。在某些实施例中，可在便携式装置，包括腕戴式装置(如，传感器142)上执行任何量化或计算的至少一部分。在某些实施例中，新系统和方法可提供现有技术系统和方法未实现的一个或多个益处，包括例如：准确性提高、报告值时的延迟减少、基于计步的活动分类改善(例如，对在步行和/或跑步期间不像“普通”个人那样“弹跳”的个人进行恰当分类)、排除将重复行为不当地分类为特定活动(诸如，跑步和/或步行)、测定强度和/或速度并且利用这些测定结果进行活动分类、改善功耗，和/或这些或其他改善的组合。
数据可从一个或多个传感器获取，所述传感器包括由用户携带或穿戴或者固定在特定位置的那些。根据第一实施例，可在第一时间段内获取来自一个或多个传感器的多个样本。在一个实施例中，至少一个传感器包括加速计。加速计可以是多轴加速计。在另一个实施例中，可利用多个加速计。其他不基于加速计的传感器也在本公开的范围内。在一种具体实施中，可利用固定采样率，而在其他实施例中，可针对传感器中的至少一个实施可变的采样率。在一个实施例中，可利用25赫兹采样率。在一个此类实施例中，与其他现有技术方法相比，利用25赫兹采样率从腕戴式便携装置获取加速计数据可在充分获取数据(诸如，计步)的同时实现可接受的电池寿命。在又另一个实施例中，可利用50Hz采样率。其他速率也在本公开的范围内。在某些实施例中，所述第一时间段可以是1秒。在一个实施例中，可在所述第一时间段内获取64个数据样本。在一个实施例中，每个数据样本可具有多个参数，诸如多个轴的动作向量，然而，在其他实施例中，每个数据样本是单一值。某些具体实施可将包含多个值的数据以单一值提供。例如，来自3轴加速计的数据可以单一值提供。
可对收集的数据进行分析或处理，所述分析和处理可发生于收集之后、按预定义间隔发生、在预定义标准出现时发生、稍后发生，或它们的组合。在某些具体实施中，所述第一时间段内的样本可以是经过均值中心化的和/或缩放的。
来自第一时间段的样本(或与接收的样本有关的数据)可置于缓冲区中。本领域技术人员将意识到，一个或多个缓冲区可以是任何一种或多种计算机可读介质(诸如，系统存储器108内的计算机可读介质110和/或112)的一部分。可实施一种或多种系统或方法来确定来自第一时间段的样本是否被置于第一缓冲区中。一个或多个因素可确定来自第一时间段的样本是否被置于缓冲区内。在一个实施例中，可考虑准确性和/或可靠性。
在一个实施例中，可将大约128个样本放在第一缓冲区中。在另一个实施例中，缓冲持续时间可不同。在某些实施例中，缓冲时间可以是第一时间段的约两倍(如，2x)。例如，在某些实施例中，如果第一时间段是1秒，则缓冲持续时间可以是2秒。缓冲时间可以是特定持续时间(如，2秒)，而不论第一时间段的持续时间如何。缓冲持续时间可取决于一个或多个因素，例如包括但不限于：电池寿命、所需的能耗、采样率、获取的样本、计算程序之前所需的等待时间，和/或它们的组合以及其他考虑因素。
在某些具体实施中，第一缓冲区可包括一个或多个子缓冲区。例如，采样率为25Hz的128样本缓冲区可包括两个64样本子缓冲区。在一个实施例中，每个子缓冲区与至少一个其他子缓冲区独立地被分析(并且可与该特定缓冲区中的每个其他子缓冲区独立地被缓冲)。
本公开另外的方面涉及在进行进一步分析(诸如，快速傅里叶变换(FFT)分析)之前对可能被放弃的数据进行分类。在一个实施例中，第一缓冲区可具有指示动作或其他身体活动的数据，例如，加速计数据(单独或与来自一个或多个其他传感器的数据结合)可包含指示检测到的活动的频率。然而，所述活动可能不是包括跨步的活动。在另外其他实施例中，可检测到跨步，然而，检测到跨步可能不表示装置被配置来检测的活动。例如，装置(或多个装置)可被配置为检测步行和/或跑步，而不是运动环境中常常采取的曳步动作。就这一点而言，若干运动内的活动可导致用户摆动他们的手臂和/或弹跳，然而，并不指示步行或跑步。例如，篮球中的防守球员通常必须在若干方向上曳步，然而，并不是步行或跑步。本公开的方面涉及提高计步的准确性，并且因此，可实施一些过程来从计步测定结果中去除此类移动。然而，在进一步分析中可考虑这些活动，诸如以确定活动分类。根据一个实施例，第一缓冲区(或者任何其他数据的集合)可经历分类过程。在一个实施例中，数据的集合(即，第一缓冲区，其可以是持续时间为5秒的128个样本)可被分成更小的节段(子缓冲区)。在一个实施例中，第一缓冲区可被细分成4个相等的子缓冲区(其可以是例如半秒的持续时间)。在一个实施例中，每个子缓冲区都可以是约半秒，而不论缓冲区的大小如何。
可对子缓冲区进行进一步分析(和/或其他统计测量)，诸如，计算子缓冲区内的数据的平均数(如，平均值)和/或偏差(如，变化或标准偏差)。可将子缓冲区内的数据与阈值相比较。如本文所用，有关阈值的论述可以指低于和/或高于预定的值和/或值的范围。在一个实施例中，可将平均值与第一阈值相比较。在一个具体实施中，如果子缓冲区内的数据未达到阈值，则整个缓冲区(如，第一缓冲区)内的数据可不用于进一步的跨步量化测定中。另外的逻辑可用来确定子缓冲区是否包含有效数据(如，达到阈值的数据)，如果有的话，则将该数据用于进一步的跨步计数测定中。在某些实施例中，将第一缓冲区(与单独的子缓冲区相对)的数据用于进一步测定中。
如果缓冲区(如，第一缓冲区)达到阈值(和/或通过其他标准，包括但不限于先前段落中描述的那些)，则可利用该数据。在一个实施例中，该数据可被置于分析缓冲区中。在一个实施例中，可将在可接受的第一缓冲区的对应持续时间内获取的非均值中心化的数据提供给分析缓冲区，所述分析缓冲区可以是先进后出(FILO)缓冲区。分析缓冲区可包括与第一缓冲区相同的持续时间。在一个实施例中，分析缓冲区包括5秒的数据持续时间。该缓冲区可包含128个样本。
本公开另外的方面涉及用于定位活动数据内的峰的系统和方法。在一个实施例中，可对缓冲区(诸如分析缓冲区)内的数据利用峰定位系统和方法。然而在其他实施例中，可在任何其他数据内定位峰。在一个实施例中，可利用一个或多个过程来定位峰。例如，可利用第一方法来定位固定范围内的峰。然而，在某些实施例中，可利用第二方法来确定用于定位峰的识别标准。在某些具体实施中，可至少部分地基于电池寿命来实施第一、第二或另外的方法。例如，第二方法可能要求额外的处理能力，并且因此，在接收到电池寿命降低到低于设定点和/或以超出阈值的速率下降的指示时，可不使用所述第二方法。
确定用于定位峰的识别标准的一种或多种系统或方法可估算数据点的频率。例如，可获取平均数(诸如，平均值)和/或标准偏差(或方差)。此类数据可用来确定“峰”和“谷”(如，数据内的高值和低值)，它们可被量化。此类数据可用于确定动态阈值和/或峰周围的导数。
另外的系统和方法可识别阈值上的峰(和/或谷)。就这一点而言，可执行一个或多个非瞬时性计算机可读介质的计算机可执行指令，以确定峰的阈值量是否处于(固定测定或动态测定的)范围内。如果在该范围内没有定位到峰，则该缓冲区可被清空(或以其他方式不将该数据用于计步测定结果中)。就这一点而言，峰可以指可用具有最高出现量和/或最高绝对值的那些来测量的频率。
鉴于本公开的益处，本领域将了解，可能存在数据(如，频率)改变的情况，然而，用户仍可进行相同的活动，但采用不同的速率或速度。例如，如果用户以10mph跑步，然后减慢到5mph，他/她可能仍在跑步，但速度较慢。然而，在这种情况下，检测到的频率将改变。某些实施例可利用线性组合来量化跨步。例如，如果先前的数据组表明用户在步行或跑步，则下一组数据可(诸如以线性组合)将先前数据用于任何测定中。在一个实施例中，如果存在被分类为“跑步”的缓冲持续时间的第一节段量和被分类为“步行”的第二节段量，则可利用系统和方法来确定用户是否只是调整了他们的步幅或以其他方式改变了他们的速度。在一个实施例中，缓冲区内的样本的至少一部分可被视作属于特定类别，而不论该部分的数据如何。例如，如果针对10个间隔收集了样本，而其中的9个被分类为跑步，只有一个被分类为步行，则整个持续时间可被视作跑步。在一个实施例中，只有当紧接在指示一贯不同类别的数据之前和/或之后，间隔才可被视作不同类别。
在某些实施例中，对用户不是在步行、跑步或进行另一种预定活动的指示可停止在计步测定中使用数据的线性组合。例如，当用户已停止跨步(如，不再步行或跑步)时可出现这种情况。因而，系统和方法可停止任何线性组合过程。在一个实施例中，诸如，通过如上文论述来识别峰，可在缺少线性组合的情况下确定跨步量化。
某些实施例涉及选择频率数据内的峰的子组(或多个子组)来用于确定跨步量化。在一个实施例中，可利用数据(诸如，在第一缓冲区内获取的数据和/或在第一时间帧中获取的数据)内的特定峰(或多个峰)。这可在基于确定不能使用线性组合的情况下进行。在一个实施例中，可识别“弹跳峰”、“摆臂峰”和/或其他峰。例如，许多用户在跑步时会在脚着地后“弹跳”。该弹跳可提供数据内的频率峰。其他峰(和/或谷)可出现在传感器数据内。例如，许多用户通常在跑步和/或步行期间以可预测的方式摆动手臂，从而提供“摆臂峰”。例如，手臂通常沿前轴/后轴(如，由前向后)摆动。该频率可以是“弹跳峰”频率的约一半。然而，基于例如个人、动作类型、地形和/或它们的组合，这些峰可各自独立地变化。根据一个实施例，系统和方法可用来选择将哪些峰用于进一步分析中。
所识别的峰和谷内的数据或者说达到阈值的数据可用于确定所量化的跨步是跑步还是步行。在某些实施例中，信号的“标记”可用于确定用户是在步行还是跑步(或者可能在进行另一种活动)。在一个实施例中，0.5-2.4Hz范围内的信号可被视作指示步行。在另一个实施例中，2.4到5Hz范围内的信号可被视作指示跑步。在一个实施例中，基于数据的2个部分的频率以及标准偏差的总和，可测定改变。在一个实施例中，可检查该数据(和/或其他数据)，以确定多个连续值是否在平均值的标准偏差内。在一个实施例中，可对多个样本进行该分析。
不论数据被视作指示跑步还是步行，另外的实施例均可利用该数据。在一个实施例中，数据可用于确定活动分类的系统和方法。确定活动分类的系统和方法可利用该数据(和其他数据)将感测到的数据归入某项活动中。在一个实施例中，可利用上文论述的第一缓冲区，然而，在其他实施例中，可利用与所述第一缓冲区具有不同持续时间的独立“活动”缓冲区。尽管活动缓冲区与第一缓冲区可具有不同的持续时间，但不要求这些(或其他)缓冲区是不同的缓冲区，相反，第二缓冲区可以是若干第一缓冲区的集合和/或其他缓冲区的逻辑延伸。就这一点而言，所收集的数据可存储在单个位置，但可(甚至同时)用于两个不同的缓冲区、过程和/或分析。
在一个实施例中，活动缓冲区可以是约12.8秒的持续时间。然而，其他持续时间也在本公开的范围内。如果整个(或者基本上整个)持续时间是一致的，诸如，持续时间内的1秒间隔指示了用户在步行或进行连续活动，则第一默认过程可用来确定活动。在一个实施例中，可基于一致数据来计算欧几里德平均值。
图3到图9示出另外的实施例的流程图，这些实施例可彼此结合或独立地实施，以及与本文所述的任何其他实施例结合或独立地实施。总体上：
图3示出根据一个实施例可用来量化确定活动分类值的示例性流程图；
图4示出根据一个实施例可用来量化跨步的示例性流程图；
图5示出根据一个实施例可估算频率和设置频率搜索范围的示例性流程图；
图6示出根据一个实施例可用来实现分类功能的示例性流程图；
图7A示出根据一个实施例的示例性流程图，其可被实施以确定是利用摆臂频率还是弹跳频率。如图7A所示，可实施系统和方法，以从例示性FFT输出选择相关的频率峰，以确定用户的步频。在某些实施例中，步频可用于生成由FFT谱表示的时间段的跨步计数。如图7B所示，弹跳峰的频率通常是摆臂峰的频率的两倍。峰量值指示频率的相对强度，并且可用作个人是否在跨步的指示。
图8示出根据一个实施例的示例性流程图，其可被实施以对活动进行分类并确定速度；以及
图9示出测量用户活动的实施例的带注释流程图，该实施例可与本文所述的其他实施例结合或独立地实施。就这一点而言，图10A的方面和下文的论述可重叠、类似或以其他方式包括上文所述的一个或多个实施例的方面。跨步量化系统和方法的各种实施例可涉及使用多级技术的低功率、高保真度、基于整数的计步器。在一个实施例中，(诸如通过加速计测量到的)动作可被加载到基于多段阈值的加速度缓冲区中。一种或多种系统或方法可确定数据的各个部分，以确定检测到的参数是否指示特定动作或活动。例如，可测量加速计一天的峰和/或谷，以确定它们是否足够大而可被视为步行或跑步。在某些实施例中，利用缓冲区的多个段可确保快速手臂摇动不被装置误判，并且因而通过进行数据分析来利用有限的处理能力，诸如，进入频率分析模式。就这一点而言，某些实施例可使用傅里叶变换来分析数据。在计算方面，傅里叶变换是需要大量计算的活动，因此在某些实施例中，当确定不必要时，可优选不进行傅里叶变换。因此，在一个实施例中，必须组合连续的段(可以是4个连续段)，以(诸如，通过频率测定算法)分析超出阈值的数据(如，检测到的加速度)。
在某些实施例中，缓冲区的平均加速度可用来创建数据(如，频率)的明显狭窄的搜索范围。搜索范围可将平均加速度关联到预期的步行/跑步频率。在一个实施例中，如果加速度生成的频率在加速度计预测的频率范围之外，则某些系统和方法可能不将这些计作跨步。这可用来确保被视作随机噪声的数据(如，具有不同的频率组成但具有类似的加速度量值的数据)不被计作特定活动(如，跑步)。
在某些实施例中，受限的搜索范围内的频率功率的阈值可确保频率不单是噪声，并且它足够大而可被视作活动(诸如，步行或跑步)。
在又另一个实施例中，可利用重叠窗口策略。例如，可采用重叠方式分析FFT窗口，以确保将持续时间短的跨步计算在内。
如图9所示，一种或多种系统或方法可确认数量一致的样本(和/或样本持续时间，诸如，4秒)提供可接受范围的一致加速度。在一个实施例中，这可通过均值中心化并且随后确定每个分段(诸如，4秒缓冲区的每个1秒分段)中加速度绝对值的均值来进行。某些实施例可确定该绝对值均值是否大于阈值。如果其不大于阈值，则整个缓冲区(如，整个4秒)可被清空并且不被分析，直到发现具有正确加速度量值的有效分段序列(如，4秒的持续时间)为止。如果是这种情况，则该缓冲区可被视作满的，并且可进行分析(如，傅里叶变换)以确定动作的频率组成，诸如，手臂移动。满的缓冲区(如，4秒)的加速度量值还可用于确定受限的频率搜索。
加速度数据的相关性可用来预测步频。在一个实施例中，加速度的绝对平均值可用在相关性中以预测步频。寻峰算法可分析该区域以寻找预期峰。如果该峰存在并且超出最终阈值，则可增加跨步。否则，数据可被视作随机噪声。可使用不同量的窗口重叠。在一个实施例中，其可以是窗口的50％，而在另一个实施例中，其可基于持续时间。在图10所示的例子中，其可被设置为4秒窗口大小的50％。在某些实施例中，进行窗口重叠，以确保大约整个窗口大小一半(即，2秒)的短促爆发移动不被加速度量值缓冲区否决。这种重叠可有助于在随机移动中找寻短促爆发的活动，并且找寻更长的稳定状态活动(如，步行或跑步)的第一部分(如，2秒)或最后部分(如，随后的两秒增量)。所有这些跨步结束时，在已经确定有效频率之后，通过将频率与重叠窗口时间(如，2秒)相乘来增加跨步。
各种实施例的方面可提供优于先前已知系统和方法的一个或多个优点和/或益处。在某些实施例中，使用缓冲区填充策略减少或消除了针对短促手臂移动的误报。此外，用于分析(如，FFT)的受限搜索可帮助选择与垂直弹跳而不是摆臂相关的正确频率，以使得针对双脚跨步获取正确的步行频率。在另外的实施例中，窗口的重叠可允许改善对短促爆发的跨步活动的检测。最后，可对传感器的一个组合通道进行频率分析，使得手臂旋转不会脱离传感器输出的检测和测量。此外，通过组合加速计通道，可进行更少的分析(如，傅里叶变换频率分析)。这可改善电池寿命。
另外的方面涉及计算腾空时间。就这一点而言，所公开的创新的实施例涉及与现有技术相比采用新颖而非显而易见的方式检测、测量和/或报告腾空时间的系统和方法。以前将滞空时间纳为一种指标的尝试仅专注于单脚或双脚在跳跃情况下的腾空。例如，就篮球运动员来说，以前的尝试可能会考察进攻球员的跳投或防守球员试图跳起来阻止进攻球员投球，来确定腾空时间。因此可以预期，此类结果将与相同时间段内的总跳跃高度关联。
根据各种实施例，滞空时间计算不限于经确定运动员已跳跃(或正在跳跃)的情况。某些实施例可计算至少双脚同时不接触地面或表面的情况下的腾空时间。诸如本文所述的活动分类可用来确定用户是否在跳跃、跑步、慢跑和/或进行其他活动。在其他实施例中，可不实施活动分类。尽管如此，滞空时间的确定可包括计算侧跳/侧移情况(比如篮球运动中防守对手的情况)下的滞空时间以及跑步、慢跑和/或类似移动过程中的滞空时间。在某些实施例中，可不包括双脚从不同时离地的移动(如，步行)。
III.使用模板的动作识别和检测
如本文所述，通过识别从任何数量和类型的传感器接收到的数据内呈现的各种事件和动作，可进行活动分类。因此，活动跟踪和监控可包括确定是否已执行活动类型内的一个或多个预期或已知动作，以及评估与那些动作关联的指标。在一个例子中，动作可对应于一系列一个或多个低水平或细微事件，并且可使用预定义的动作模板来检测。动作模板可对应于任何所需的细化水平。在一些例子中，事件可对应于用户的脚在特定方向上的加速度或者检测到脚触地或检测到脚离地(如，用户的脚抬起到空中)。在其他例子中，动作可对应于一组此类事件，诸如，检测到用户做出向右跨步之后向左跨步，或者检测到用户在跳跃的同时轻摇他或她的手腕。使用动作模板，系统可在用户进行特定活动时自动进行检测或检测该活动中预期的特定动作。例如，如果用户在打篮球，则检测到用户在跳跃的同时轻摇他或她的手腕可指示该用户已投篮。在另一个例子中，检测到用户在跳跃的同时双脚向外移动之后在跳跃的同时双脚向内移动可记为用户在进行一个重复的开合跳练习。可根据需要定义多种其他模板，以识别特定类型的活动、动作或活动类型内的移动。
可手动、半自动和/或自动定义活动模板。例如，用户可手动定义对应于动作的传感器事件类型、传感器事件进行组合/组织的方式、传感器事件之间的计时等。另选地或除此之外，可基于用户的动作表现来自动定义动作模板。系统可被配置为记录用户的动作表现，并且基于传感器事件的类型、传感器事件的计时以及在执行动作期间检测到的传感器事件的其他组合，来自动建立模板。用户可指示在一个时间窗口内执行了动作，并且让系统识别对应的事件和限制条件。在另外其他例子中，系统可基于事件流中的循环模式来自动识别动作，而无需用户对动作进行说明或已执行该动作。
事件可用多种方式加以定义/呈现，并且可涉及多种类型的信息。在一个例子中，事件可对应于由标签(如，事件类型)和/或测量值/值构成的多要素元组。在特定例子中，事件可对应于语法，诸如：<XYZ个人的心率，4:34:17.623PM GMT，每分钟心跳86次>。其他示例性事件可包括：<地面空气温度，4:34:17.623PM GMT，45°31'25"N，122°40'30"W，67℉>和/或<左脚跟压力，4:34:17.623PM GMT，400.23kPa>。然而，事件可遵循其他不同的语法(使用预定义结构或标记标签)，并且根据需求或需要，包括额外或替代的信息。事件可用来传送多种类型的信息，包括物理环境特征(如，湿度、温度、气压)、社会环境特征(如，人们的说法)、用户生理学特征(如，移动、心率、血乳酸水平)和/或用户行为(如，手机的使用、活跃时间量、不活跃时间量等)。在一个例子中，事件流可包括简单的事件，诸如，阈值交叉、总数和局部极值，以及在计算上更复杂的事件，包括综合读数值的导数值中的局部极值，还有在语义上更丰富的事件，诸如“跨步”(其可涉及应用到压力传感器的组合的动态阈值)。事件可包括多种信息，包括发生事件(或计算)时的参考时间戳、指示事件生成过程开始时的时间戳(其可应用于由其他事件触发的事件(如，由其他事件触发的复杂事件))，以及事件值(测量值)。这些事件信息片段中的每个均可用来帮助对事件进行记分或评估，以确定事件是否与模板具有对应的匹配。在一些布置中，第一模板中定义的事件可对应于(如，要求)第二模板的匹配。
根据一种或多种布置，被配置为识别用户执行的动作的活动处理装置或系统还可包括一个或多个传感器。因此，基于各种传感器数据，事件可由活动处理装置本身来检测。例如，如果装置是手持式的或者佩戴在用户的手臂上，则活动处理装置可用来跟踪用户的手臂动作。除此之外或另选地，活动处理装置可为用户提供手动标记或生成事件的选项。例如，用户能够在他或她抬起右脚、跑出预定义的距离、蹲下等和/或它们的组合时进行手动输入。在特定例子中，用户可轻击或以其他方式与活动处理装置交互，以生成和标记此类事件。
图17示出示例性系统图解，其中活动处理装置或系统与传感器系统连接，以检测用户动作。传感器系统可与活动处理装置在物理上分开并且不同，而且可通过有线或无线通信与活动处理装置通信。在一个或多个例子中，传感器系统可对应于单个传感器、一组传感器、单一类型的传感器、多种不同类型的传感器等，并且具有或不具有处理能力。在具体例子中，传感器系统可对应于图2A和图2C各自的传感器系统200或260，和/或图2B的装置226的传感器组件。除此之外，如图所示，传感器系统可被配置为执行原始传感器数据的初始处理，以检测各种细微事件。传感器系统还可管理在任何特定时间使用的数据订阅，如本文中进一步详细描述。
事件随后可被传输到活动处理系统，其中将事件与各种模板相比较，以确定是否执行了动作。此外，活动处理系统可被配置为执行匹配后处理，其可包括确定各种活动指标，诸如重复、滞空时间、速度、距离等。活动处理系统可对应于任何数量或类型的计算系统，包括装置138或装置226、游戏系统、服务器、云系统、移动装置(如，智能电话、手机等)、台式计算装置、膝上型计算装置、平板计算机、佩戴式活动监控装置等。除此之外或另选地，活动处理系统和传感器系统可对应于和/或集成在相同装置中。
图10示出示例性过程，事件可通过该过程被检测并且与预定义动作模板相比较，以识别用户在身体活动期间的动作。在步骤1000中，活动处理装置或系统可确定用户将要执行的身体活动的类型。身体活动可以是一种类型的运动、训练或测验、锻炼、身体活动游戏等。不同类型的身体活动可对应于不同的设置、布置、类别和/或身体移动和动作类型。在一个例子中，可基于接收到用户对身体活动类型的选择来确定身体活动的类型。另选地或除此之外，系统可通过将检测到(如，接收自传感器)的活动信号与对应于如本文所述的不同类型身体活动的预定义规则相比较，来确定身体活动的类型。活动信号可接收自各种传感器，包括腕戴式装置、头戴式装置、胸部佩戴式装置和/或鞋载式装置。在一些例子中，针对篮球的第一组预定义规则可包括手腕和手臂动作的某种组合及类型，并结合了对用户步行的检测。可基于脚触地事件的第一阈值步速，来针对慢跑定义第二组预定义规则(如，超出第一阈值步速)。可基于脚触地事件的第二阈值步速，来针对步行定义又另一组预定义规则(如，低于第二阈值步速)。在又其它的例子中，可使用用户选择和自动检测的组合，使得用户可选择广泛类别的活动，诸如跑步，并且自动检测可用来确定活动的子类，诸如慢跑或冲刺。
在步骤1005中，系统可基于用户将要进行或正在进行的已确定的活动类型，来选择一个或多个预定义的动作模板和传感器订阅。动作模板可用来识别用户在已确定的活动类型期间可能执行的运动或动作。因此，可针对不同类型的活动定义一个或多个动作模板的不同组。例如，针对篮球定义的第一组动作模板可包括运球、步行、跑步、倒退、侧向曳步、持球转身、跳跃、投篮、卡位、扣篮、冲刺等。针对足球定义的第二组动作模板可包括踢球射门、运球、抢断、顶头球等。在一个例子中，模板的数量可在1到100的范围内。在一些例子中，特定类型的活动可包括50到60个模板。在仍其他的例子中，一种类型的活动可对应于20到30个模板。可针对一种类型的活动定义任何适当数量的模板。在一些例子中，可基于可用的电池寿命量、最大电池容量、活动处理装置或系统的处理速度、传感器系统与活动处理装置或系统之间的延迟等和/或它们的组合，来选择模板的数量。因此，如果活动处理系统或装置具有的可用电池寿命低，则系统或装置可选择模板数量以允许装置或系统持续预定义的时间量。在其他例子中，所选的模板数量可受到活动处理装置或系统的处理速度限制。该限制可确保装置或系统能够针对所选的全部模板以给定的速率处理数据。在仍其他的实施例中，模板可由用户手动选择，而不是由系统选择。
根据一些方面，模板可区分优先级，以使得高优先级模板首先用来与事件匹配，如果事件不匹配高优先级模板中的任一个，则可使用低优先级的模板。使用通行模板可允许用户确定与可能不匹配预定义动作模板的移动或其他事件关联的指标。落入通行模板中的数据还可集合起来，用于改善一个或多个装置中的传感器读数或指标计算。优先级可依据以下几项来定义：一种对应动作在一种类型的活动期间被执行的可能性；一种对应动作由特定用户执行的可能性；动作的主观重要性水平；用户说明(如，手动优先级区分)；一个动作在用户团体内的流行度(如，动作的发生率)等；和/或它们的组合。
在步骤1010中，活动处理系统可就所选的订阅通知传感器系统。发到传感器系统的通知可被配置为促使传感器系统配置监控功能以从订阅中指定的传感器接收传感器数据，而不监控或从订阅中未指定的传感器接收传感器数据。除此之外或另选地，所述通知可促使传感器系统基于订阅参数将传感器数据处理为一个或多个事件，并且只返回匹配指定参数的那些事件。在又其他的例子中，所述通知可促使传感器系统配置将何种数据和/或事件返回到活动处理系统。在其他实施例中，框1010可仅仅发起或继续收集来自一个或多个传感器的数据。在一个具体实施中，一个或多个传感器装置可监控与用户执行的一个或多个活动关联的一个或多个动作。传感器数据可与用户佩戴的装置关联，包括但不限于鞋类、服装、移动装置、成像装置等。在一个具体实施中，可从位于鞋上或鞋内或以其他方式处于接近运动员脚部位置的加速计接收传感器数据。加速计可以是多轴或单轴加速计。在一个具体实施中，可将多个加速度值归并成单个加速度数据点，所述多个加速度值与加速计传感器对之敏感的相应轴(x轴、y轴和z轴)关联。在一个实施例中，每只鞋可只包括单个传感器，该传感器为加速计。在某些具体实施中，所述加速计可以是单轴加速计。
在一个实施例中，诸如本公开中所示的鞋类可用来捕捉至少一部分数据或其他属性，所述数据用于在至少一只脚离开地面或表面(如，离地)时、至少一只脚返回表面(如，着地)时进行检测。鞋类的各种实施例可具有至少一个加速计和/或至少一个力传感器。在某些实施例中，用来测量滞空时间的装置中没有一个直接监控用户在活动期间消耗的氧量。尽管氧消耗和/或卡路里燃烧在一些情况下可用于测量表现或疲劳，但诸如由于两名运动员之间的天然差异(包括但不限于，尺寸、重量、性别、能力等)，许多当前系统可能无法准确测量用户的表现或疲劳。运动员可能消耗卡路里，然而，它可能不会转化成适当的表现。例如，篮球防守球员在挥动手臂尝试阻止进攻球员时可能会消耗很多卡路里，然而，如果他们的脚不快和/或不能反应性地移动，则这种卡路里消耗可能不会转化成准确的表现指标。然而，如本文中所说明，能量消耗可以是一个计算指标，其可以从或不从相同的传感器和/或数据属性来计算以作为滞空时间和/或其他指标。此外，在一种布置中，针对可能具有某些属性的活动，活动数据可与观察到的耗氧量值相关，并且可与一个或多个耗氧模型关联。
根据各种实施例，可从传感器直接或间接接收和/或处理时间戳数据(也称“时间戳”)。各种实施例可接收或计算一个或多个时间戳或传感器属性，诸如但不限于以下一个或多个：脚着地时间戳、左脚着地时间戳、右脚着地时间戳、离地时间戳、左脚离地时间戳、右脚离地时间戳、导出时间戳，诸如但不限于：左脚离地Z轴(相对于用户抬离的表面和/或地球表面的垂直轴)导数最大时间戳，和/或右脚离地Z轴导数最大时间戳。
根据一些布置，传感器订阅被配置为识别将由传感器系统提供的信息的类型。在一些例子中，传感器系统可被配置为选择传感器，以基于订阅来监控数据。例如，如果传感器系统包括4个力敏电阻传感器和一个加速计，则所述订阅可指定监控这5个传感器(如果加速计包括3个传感轴，则为7个)中的哪几个的传感器数据。在另一个例子中，所述订阅可指定由传感器系统监控来自右鞋加速计而不是左鞋加速计的传感器数据。在又另一个例子中，所述订阅可包括监控来自腕戴式传感器而不是心率传感器的数据。除此之外或另选地，传感器订阅可控制传感器系统，以打开或关闭某些传感器，以便节省功率。因而，如果不需要或未订阅来自某个加速计的传感器数据，则可关闭该加速计。
订阅还可控制传感器系统执行的处理类型和水平。例如，订阅可指定传感器阈值，以调整传感器系统的事件检测过程的灵敏度。因而，在一些活动中，可指示传感器系统以识别对应于超出第一指定阈值的所有力峰的事件。对于其他活动，可指示传感器系统以识别超出第二指定阈值的所有力峰的事件。另外，订阅可用来控制传送到活动处理系统的数据和事件的类型和/或量。因此，不论哪些传感器是活跃的，哪些传感器受到监控和/或生成/检测到哪些事件，传感器也都可以独立地控制将何种数据(如，原始传感器数据或事件)传送到活动处理系统。因而，尽管传感器系统可检测对应于沿z轴的高于第一指定阈值的加速度的所有事件，但订阅可请求只传输高于第二指定阈值的z轴加速度事件，其中所述第二指定阈值高于所述第一指定阈值。如果特定活动不需要某些传感器读数，则使用不同的传感器订阅可帮助传感器系统节省功率和/或通信带宽。因此，不同的活动和活动类型可使用不同的传感器订阅。
示例性订阅可包括来自一个或多个力敏电阻器的力敏电阻数据、来自一个或多个加速计的加速度数据、多个传感器的总和信息(如，加速度数据的总和、一个或多个传感器的力敏电阻数据的总和等)、压力图、均值居中数据、经过重力调整的传感器数据、力敏电阻导数、加速度导数、环境传感器数据(如，温度、天气、地形等)、社会信息(如，参与活动或预定义接近度内的其他用户的身份、关于其他用户的活动表现的数据等)等和/或它们的组合。在一些例子中，单个订阅可对应于来自多个传感器的数据的总和。例如，如果模板要求力转移到用户前脚掌区域，则单个订阅可对应于前脚掌区域中所有传感器的力的总和。另选地，各个前脚掌力传感器的力数据可对应于不同的订阅。
根据指定的订阅，在步骤1015中，活动处理系统可接收来自传感器系统的事件信息。在一个例子中，事件信息可接收自腕戴式装置(诸如装置226)、基于鞋的传感器(诸如鞋传感器系统202)和/或存在于活动处理系统本身中的传感器。除此之外，传感器系统可基于订阅参数来生成和过滤事件信息。各种传感器系统可被配置为预先处理原始传感器信号数据，以识别预定义事件，以便降低传感器系统和/或活动处理系统传送和接收数据的频率。因此，只有当检测到事件时和/或针对与订阅参数匹配的事件，活动处理系统可能才接收传感器数据。另选地，如果需要，原始传感器信号可由活动处理系统接收和处理，以识别事件。
可基于传感器事件的组合或组来定义动作。例如，跑步可对应于一连串和一步的脚触地时间和离地时间。在另一个例子中，可通过脚离地事件之后沿指定轴的脚加速度以及随后的加速度减慢或改变(如，当用户的脚击中球时)，来定义踢球。因此，传感器系统可被配置为基于如本文中所述的预定义规则来识别单独事件，而活动处理系统可被配置为识别用户动作，所述用户动作对应于传感器系统检测到的一个或多个单独事件的组合。
在步骤1020中，系统可进一步将传感器事件同步，以考虑到传感器时钟和传送时间的偏差。在特定布置中，系统可测量各个传感器与活动处理系统之间所需的传送时间，并且随后使用测得的传送时间来调整与各个检测到的传感器事件关联的时间。除此之外或另选地，同步可包括对接收到的事件按时间进行排序。在一些例子中，事件数据可能不会按照事件被检测到的顺序来接收。因此，系统可预先处理事件数据，以根据检测到事件的时间对事件进行排序。
任选地，在步骤1025中，系统可评估接收到的事件信息，并且应用一个或多个过滤器来移除各种类型的事件。根据一些布置，可定义排除事件或规则，以便从识别用户执行的动作时要处理的事件流中过滤事件。在一个例子中，系统可从鞋传感器接收到两个脚离地事件的通知，而没有中间的脚触地事件。此类现象将指示用户跳跃了两次，但第一次跳跃之后没有着地。在此类例子中，系统可排除或移除至少所述第二个脚离地事件。除此之外，系统还可排除所述第一个脚离地事件。在另一个例子中，系统可基于事件时间戳之间的时间量来过滤掉事件。因此，如果脚离地事件(如，由第一鞋传感器检测到)与脚触地或着地事件(如，由相同的第一鞋传感器检测到)之间的时间量超出指定阈值，则可从事件数据中过滤掉所述脚离地和脚着地事件。指定阈值可设置为人类可实现的腾空时间的最大可能量。在仍另一个例子中，如果用户在执行开合跳练习，若是脚触地事件与脚离地事件之间的时间量过大，则系统可能不会记为(如，识别为)已经执行了重复。过滤器可包括一个或多个过滤模板，所述过滤模板包括一个或多个事件的布置。在匹配过滤模板之后，匹配事件可从事件流(如，缓冲区)中被移除和/或处理。
如本文中所论述，过滤器也可用来移除不适用于所确定活动类型的某些事件。例如，如果所确定的活动类型是跑步，则脚距测量值或头部移动可能与确定跑步活动的指标不相关。因此，可从用于评估用户动作的事件中过滤掉此类传感器事件。可根据将由用户进行的活动类型来选择过滤器。因此，根据将要进行的活动类型，应用到事件信息的过滤器的类型可以不同。例如，尽管头部移动可能与确定跑步的指标或动作不相关，但头部移动可能与篮球运动相关并被用于检测篮球运动中的假动作。在一些例子中，有关所选过滤器的信息可被发送到所用的一个或多个传感器系统，使得所述传感器系统不根据这些过滤器来检测或过滤掉传感器事件。因此，如果传感器系统先前执行过此类处理，则活动处理系统可能不需要执行过滤功能。
在仍其它的例子中，可基于多个传感器的结果来执行过滤。因而，如果使用多个传感器，若是来自其他传感器的数据未对事件或动作提供充分确认或佐证，则可过滤掉该传感器事件。在一个例子中，鞋的加速计可基于检测到沿z轴的加速度而记录脚离地事件。然而，如果鞋的压力传感器指示检测到脚离地事件时的压力差低于指定阈值(如，对应于脚离地事件的压力差阈值)，则活动处理系统可过滤掉从加速计接收到的脚离地事件。在一种或多种布置中，被配置为检测特定类型的事件(如，脚触地、脚离地、手腕轻摇、头部倾斜、压力特征图的改变等)的大多数传感器可被要求针对要保留的事件数据来检测事件。如果经配置的传感器中并非大多数检测到事件，则可过滤掉来自检测到该事件的那些传感器的事件数据。
在其他布置中，可给予某些传感器比其他传感器更多的权重或置信度。因此，根据传感器的权重或可靠性，每个传感器所需的佐证量可以不同。例如，在检测脚离地和脚着地事件方面，鞋压力传感器可能更可靠。因此，即使一个或多个其他传感器未记录脚离地或脚着地事件，压力传感器检测到的脚离地或脚着地事件仍可能不被过滤掉。在另一个例子中，如果其他传感器检测到脚离地或脚着地事件，但鞋压力传感器没有检测到该事件，则无论检测到所述事件的其他传感器的数量如何，都可能过滤掉所述事件。特定传感器或传感器组的可靠性或置信度可根据事件类型而不同。因此，尽管在检测脚离地或脚着地事件方面，鞋压力传感器可被视作更可靠，但鞋压力传感器在检测纵向和横向上的脚移动方面可能不具备相同量的置信度。因而，根据事件类型以及传感器类型(如，传感器所在的位置、传感器技术等)，可应用不同的过滤规则。上述过滤规则、参数、权重和其他因素可在过滤模板内指定或与模板分开指定。因此，在一些情况下，每个过滤模板可采用不同方式来衡量传感器置信度。
如上所述，步骤1025的上述过滤过程是任选的，在某些配置或系统中可能不被执行或使用。可使用其他类型的过滤或事件排除处理，来代替或辅助步骤1025中描述的过滤。本文中进一步详细描述了排除事件处理的一个例子。
在步骤1030中，活动处理系统可确定接收到的事件是否匹配一个或多个预定义动作模板。在一个例子中，预定义动作模板可与从传感器系统接收到的连续事件流相比较。另选地或除此之外，预定义动作模板可与事件数据的滑动窗口相比较。例如，每个含X个样本的组均可与预定义动作模板相比较。X个样本的组随后可增加预定义数量的样本(如，1个样本、2个样本、5个样本、100个样本等)，并且该X个样本的新组随后可与模板相比较。样本可由时间、事件、数据单元等定义。在一个例子中，采样窗口可以是2秒。下文参考图11和图12进一步详细描述了模板匹配过程。
一些活动可包括多个模板。因此，在一些布置中，检测到的事件的单个组合可匹配多个模板。因而，在步骤1035中，系统可确定在步骤1030的匹配过程中是否匹配了多个模板。如果匹配了多个模板，则在步骤1040中，系统可选择匹配的模板中的一个，以确定对应于事件的组合的动作。可根据各种算法和方法来选择多个匹配的模板中的一个。在一个例子中，所述选择可包括确定事件的组合与各个模板之间的最强或最高匹配水平。在另一个例子中，所述选择可包括考虑预定义时间接近度内检测到的一个或多个其他事件或动作，来确定对应于匹配模板的每个动作的可能性。例如，如果手腕按拍事件和脚着地事件经确定匹配篮球投篮动作和篮球运球动作，则可基于周围动作或事件选择这两个动作中的一个。在特定例子中，如果手腕按拍和脚着地事件之前是跳跃动作(如，大约在相同时间检测到双脚的脚离地事件)，则系统可将篮球投篮动作选作匹配的模板，因为用户不太可能在运球的同时跳跃。可使用各种其他选择方法。
如果事件的组合不匹配多个模板，或者在选择最佳匹配模板之后，活动处理系统随后可在步骤1045中记录对应于匹配模板的动作(或动作的检测)。例如，每个模板可关联特定动作，诸如扣篮、假动作、投篮、冲刺、慢跑、步行、横向跳行、踢球、顶头球、抛球等。记录动作可包括：将动作存储在数据库或用户执行的动作日志中，将消息传送给用户以通知其执行的动作，将动作的检测传送到一个或多个装置，包括远程活动跟踪系统等和/或它们的组合。
此外，在一些例子中，活动处理系统可在步骤1050中评估所记录的动作的质量。可采用多种方式来确定动作的质量，这些方式包括确定事件的组合与动作模板之间的匹配强度和/或确定是否已匹配模板中的任选状态。例如，将事件的组合识别为与模板匹配可能不要求任选或附加状态，但匹配这些任选或附加事件可指示更高质量的表现。可基于与匹配强度的线性或非线性关系来定义质量等级。在一个例子中，如果用户的事件窗口与具有10％最大容差的模板的匹配水平在7％到10％内，则用户的动作质量可被定义为“低”。然而，如果用户的匹配水平在3％到6.99％内，则用户的动作质量可被定义为“中”，而0％到2.99％内的匹配水平可被定义为“高”。在一些例子中，可针对与对应模板的0％偏差，来定义进一步的质量水平，诸如“完美”。质量可表示为数值(如，1到10的分级)、字母分级(如，A、B、C、D等)、颜色(如，红色、黄色、绿色)、声音(如，嘘声、轻微欢呼、疯狂欢呼)、触觉反馈的水平或类型(越强的嗡嗡声指示越低的质量，或者相反)等。
在一些例子中，质量分析可包括为模板的某些部分指定高于或低于模板其他部分的权重。因此，与在模板的低权重值部分出现偏差的用户相比，在模板的高权重值部分出现偏差的用户可分配到更低的动作质量分数。在特定例子中，足球运动中的踢球动作可包括脚提起事件、脚向前事件和击球事件。在该例子中，击球事件可得到更高的权重值，因为其可确定击球的力。因此，如果第一用户完全匹配脚提起事件和脚向前事件，但与击球事件偏离25％，则该用户的踢球动作质量可为“中”。相比之下，如果第二用户脚提起事件和脚向前事件的匹配准确度为90％(偏离10％)，但完全匹配击球事件，则该第二用户的踢球动作质量可为“高”。也可为动作或模板的各种其他参数指定权重。例如，针对一些事件，时机的把握可被给予更高的权重。
本公开的方面涉及可以各种方式实施以基于腾空时间(也称为滞空时间)得出一个或多个运动表现指标的系统和方法。根据某些实施例，得自检测到和/或测量到的腾空时间的一个或多个指标可用作诸如但不限于以下运动参数的替代测量：强度、运动能力、敏捷性、进攻性、运动员的努力程度等。本文将主要使用篮球作为参考体育活动并使用鞋类来说明这些概念，然而，不管是集成在鞋类还是其他装置(具有多个或单个装置)中的替代硬件解决方案都可用来检测/测量腾空时间和关联的指标，并且它们也可应用于其他运动和活动，诸如，足球、训练、跑步等。“腾空时间”可被定义为运动员在运动/活动中处于空中的时间间隔或持续时间。
不同于只针对各种类型的跳跃提取腾空时间的现有系统，诸如在后处理算法中，本文中的系统和方法可任选地利用一个或多个计算机可读介质上的计算机可读指令的一次或多次执行，所述计算机可读指令在被处理器执行时，可针对诸如跑步、倒退、步行和曳步、侧向跨步等其他模式的移动提取腾空时间。计算机可读指令可作为后处理算法执行和/或在检测到满足一个或多个标准(诸如，双脚离开地面)时执行。
根据各种实施例，滞空时间计算不限于经确定运动员已跳跃(或正在跳跃)的情况。某些实施例可计算至少双脚同时不接触地面或表面的情况下的腾空时间。因此，滞空时间的确定可包括计算侧跳/侧移情况(比如篮球运动中防守对手的情况)下的滞空时间以及跑步、慢跑和/或类似移动过程中的滞空时间。在某些实施例中，可不包括双脚从不同时离地的移动(如，步行)。
某些实施例可不限于从双脚跳跃(其中双脚基本上同时离开表面)来计算。此类跳跃通常在(例如)篮球运动员投球、封盖和/或抢篮板球时观察到。在其他实施例中，滞空时间计算不限于任何形式的跳跃，包括双脚跳跃以及单脚跳跃，在单脚跳跃中，一只脚先于另一只脚离开地面(诸如，当在篮球比赛中尝试带球上篮时)。然而，某些实施例可区分不同类型的跳跃和/或活动。
根据某些实施例，可基于每只脚与地面或表面接触(着地)和离开(抬离)地面或表面的时间，来计算腾空时间。根据某些实施例，可对双脚的着地和离地时间戳进行排序。该信息随后被用于评估腾空时间。随后可执行界限检查，以确保值在合理范围内。
可针对每个模板匹配执行一个过程(即，类似于检测到的跳跃的每个跨步或混合移动模式)。这可得到腾空时间数据的时间序列。在运动期间或篮球比赛的过程中，该数据可累加，以在运动结束时获得总腾空时间。就这一点而言，该指标可被运动员、教练、训练员、招募人员、粉丝以及其他人用来监控或以其他方式评估运动员。可采用类似于在跑步过程中GPS手表上逐渐增加的距离指标的方式来使用它；基于跑步的时间，可计算其他指标，诸如速度、步速、平均速度/步速等。随后可用累积腾空时间来获得其他指标，诸如，瞬时腾空速率、平均腾空速率、每分钟腾空速率等。随着时间的推移，可进一步过滤、分类和检查这些基于腾空时间的指标，以确定每种移动模式的贡献。例如，在篮球比赛的上半场累积的腾空时间有25％可来自跑步、30％来自跳跃，以此类推。
示例性具体实施将在模板匹配的背景下(例如，如图10、图11和图12所示)提供以及独立地(诸如，图21所示)提供。因而，上述公开的部分可在贯穿本公开论述的一个或多个实施例中不同地实施，包括实施不同流程图(诸如，图10、图11、图12和图21)的一个或多个部分。
根据各种具体实施，框1055可包括腾空时间的确定。作为一个例子，子框1055a可用来根据一个实施例确定腾空时间。尽管框1050a被示为框1050的子元素，但本领域技术人员将了解，腾空时间的确定可在不作为框1050的部分和/或图10的一个或多个其他元素的情况下单独地执行。在其他实施例中，图10的一个或多个元素可在存在或不存在框1050的情况下，作为图10的其他元素的一部分来执行。
与腾空时间的确定关联的值可被添加到腾空时间缓冲区，或者可基于测量到/检测到的腾空时间，以其他方式更新缓冲区(如，框1050b)。在某些实施例中，可确定总计、即时和/或平均腾空时间。就这一点而言，本公开的方面涉及基于腾空时间来测量运动能力或其他信息。例如，运动员的平均腾空时间(其可包括步行和/或跑步的滞空时间)可以是运动表现的指标。某些实施例涉及确定腾空时间，诸如单位时间内的腾空时间(如，比赛或运动表现的一分钟内的平均腾空时间是多少)。例如，如图22所示，运动员在比赛的第一分钟内平均每次“腾空”时间可为200毫秒，在相同比赛或表现的另一分钟内每次腾空时间为150毫秒。不论“高度”如何，都可考虑腾空时间，例如，用户在封盖或跑步期间可具有一系列小的腾空，因而，与跳跃若干次和/或跳得更高的另一名运动员相比具有更多的腾空时间。
在另一个实施例中，可确定随时间变化的平均腾空时间，诸如，比赛或运动表现的平均腾空时间(如，以毫秒/秒为单位)(参见例如图23)。例如，平均腾空时间(尤其是在事件/比赛期间随着更多时间流逝)可会聚以表示与非腾空时间相比的腾空时间。同样，总腾空时间可表示比赛或表现期间腾空的总时间(参见例如图24)。
此类信息是对现有技术的改善，因为根据本文所公开的各种实施例的滞空时间计算可有益于训练方案。例如，某个时间段内的腾空时间量可用来确定与用户的最大能力(无论是理论上的数据、参考数据或是过去收集的数据)相比，他们的努力程度。同样，它可用来对照另一名运动员的能力以估计一名运动员的表现和/或能力，即使另一名运动员承担相同的位置，和/或可用来估计一名运动员在不同位置(如，前锋与中锋)的表现，以及他们的“疲劳速率”。就这一点而言，总移动或卡路里消耗可能无法准确测量用户的疲劳、能力和/或当前表现或衰退速率。在某些实施例中，诸如离地和/或着地力的力测量可与滞空时间的确定结合使用。
可使用一个值，诸如在框1050a处接收到的值和/或使用来自框1050b的腾空时间缓冲区的至少一部分，来确定和/或评估额外的指标。示例性指标可包括但不限于：能量消耗、敏捷性、疲劳、表现比较值等。这可作为下文论述的框1055的一部分出现。此外，用于确定腾空时间的属性可用作除了别的以外以下一个或多个的输入：用于估算用户的步数(步行期间，在计算腾空时间时可能不考虑)、步幅(跑步期间)或者其他移动数量的模型，和/或用于估算用户的速度和距离(步速)的模型。另外，一个或多个计算得到的属性可用作一个或多个模型的输入，以使得在一个例子中，用于估算腾空时间的模型可与用于能量消耗、跨步速率、步行速度和/或跑步速度等的模型分开执行。例如，活动装置可接收来自进行篮球活动的用户的信息。作为响应，装置可处理接收到的篮球活动数据，并且将计算得到的属性与一个或多个模型相比较，或除腾空时间之外，以其他方式执行进一步分析。作为一个例子，确定累积滞空时间(或接收匹配模板的具体数据)可导致确定是否发生跳跃，并且如果发生的话，可确定跳跃高度。根据一个实施例，可至少部分地通过将计算滞空时间时所用的数据属性中的一个或多个与一个或多个模型相比较，来执行跳跃高度和/或可能与跳跃高度相关的其他指标。如先前所述，一个或多个模型可存储在存储器等中，并且与装置(包括传感器装置)关联。
图25示出根据一个实施例计算跳跃高度的流程图。腾空时间可用在线性回归中，以确定跳跃高度。
检测到的、测量到的和/或得出的信息可用来向用户或教练提供反馈，和/或触发额外的算法或操作(如，图10的框1060，下文将更详细地说明)。作为一些例子，反馈可通过位于传感器或传感装置上的UI(用户界面)、附加的佩戴式装置、鞋类、移动终端来产生，诸如，借助移动电话或其他装置上的app(软件应用)来产生。就这一点而言，反馈可通过LED或光源来提供，诸如通过使用颜色(如，红色可等同于表现不佳，黄色可为普通表现，绿色可表示良好或很好的表现)或数量(如，针对更好的表现增加灯的数量或亮度)来提供。其他实施例可使用GUI(图形用户界面)。作为视觉反馈和/或辅导的补充或独立于此，仍另外的实施例可利用听觉和/或触觉反馈。在某些实施例中，框1050d可与图10所示的框1060相同、基本上相同和/或取代该框。就这一点而言，下文在框1060的背景下提供了1050d的进一步描述。在其他实施例中，可各自实施框1050d和/或1060。
在步骤1055中，活动处理系统可确定与动作的表现关联的指标。例如，所述指标可以是：所执行的特定类型动作的数量的计数；动作的距离、节奏、力量、高度、速度等；持续次数(如，所执行的相同类型连续动作的数量)；诸如此类，和/或它们的组合。可根据各种算法和公式，从动作信息和与之对应的事件数据来确定此类指标。
在步骤1060中，活动处理可任选地向用户提供辅导。辅导可包括指导或建议以改善用户在检测到的动作上的表现。可仅在用户的动作表现质量低于指定阈值时，用户才接收到辅导。辅导可以特定于事件或事件类型。例如，可基于单独的事件或事件组来生成辅导，在所述事件中用户的模板匹配未达到指定水平(如，95％、90％、85％、70％等)，或用户的表现不匹配任选或附加事件。因而，系统可建议改善模板匹配水平不足的一个或多个事件和/或执行任选或附加事件。例如，如果检测到的动作对应于踢足球，而用户的脚向前加速度事件低于预期水平预定义百分比，则系统可建议用户将脚向前加速度提高该预定义百分比。在另一个例子中，如果检测到的动作对应于执行下蹲，而脚跟重量事件指示转移到用户脚跟的重量低于预期值，则系统可建议将更多重量转移到用户脚跟。在相同例子中，如果转移到用户脚跟的重量超出预期值，则系统可建议减少转移的重量。也可基于其他参数和因素生成辅导，所述参数和因素包括天气、社会因素(如，执行相同类型的活动或动作的人数，或者执行相同或类似动作或活动的其他人的平均匹配水平)、地形等。可提供各种其他建议和指导。
在一些实施例中，根据用户的优势手或脚，可使用不同的模板。例如，如果用户的左脚是他的优势脚，则跳跃、弓箭步或其他动作模板被配置为基于左脚传感器读数来检测对应的动作。例如，基于左脚的模板可优先考虑来自左鞋传感器的传感器读数。在另一个例子中，基于左脚的模板可基于左脚而不是右脚的触发事件来定义跨步或者其他事件或动作。模板可进一步特定于某个用户、某种特定类型的地形、一天的某个时间、某种类型的天气状况等。
图11A示出可用来确定检测到的事件是否匹配动作模板的示例性模板匹配过程。根据需要或需求，可针对多个动作模板中的每个执行该过程。在步骤1100中，活动处理系统可接收来自一个或多个事件源的多个事件，并且按照事件类型和时间戳来存储那些事件。事件源可包括内部传感器、用户输入、外部传感器等。在步骤1105中，系统可确定事件是否已被存储、接收或以其他方式可用于模板匹配分析。如果不是的话，系统可前进到步骤1160，在此，如果预期有更多事件，则系统将返回到步骤1100。否则，系统可结束该过程。在一些情况下，系统可确定在步骤1105中是否已存储或接收到足够量的事件。在示例性实施例中，足够的量可对应于用于分析的数据的引导性阈值量。在另一个示例性实施例中，足够的量可对应于具有用于分析的数据的至少所需的量或阈值量。在这些或其他实施例中，可相对于或基于模板中的事件数量来定义所述足够的量。如果系统确定已存储事件(或者已存储或接收到足够量或必要量的事件)，则系统随后可选择模板来对照步骤1110中接收到的事件进行评估。可基于用户执行的活动类型和/或模板的优先级来选择模板。
在步骤1115中，系统可识别可能匹配模板中定义的状态的事件组。在一些例子中，活动处理系统可识别匹配所有可用事件数据中的状态的所有事件组。在其他例子中，活动处理系统可只识别预定义时间量(如，最后5分钟、最后2分钟、最后30秒、最后5秒等)内的事件组。模板状态可以指模板中定义的所需或优选的事件类型。在一个例子中，可基于指定的事件类型来匹配接收到的事件和模板状态。接收到的事件和模板状态可都包括指定事件类型的标签。因此，可以比较这些参数以确定是否存在事件类型匹配。
在步骤1120中，系统可选择事件组中的一个，以分析模板匹配。系统可基于随机选择的参数，诸如所述组中的最新或最旧事件的新近度或存续时间、事件的类型、事件存续时间的组合(如，第一类型的最旧事件和第二类型的最新事件)，或基于其他规则，来选择事件组中的一个。在步骤1125中，系统可确定该组事件是否满足各个模板状态的模板限制条件的必要数量(如，25％、50％、75％、80％、90％、100％)。限制条件可类似于结合图10所述的过滤器，但在应用范围方面可不同。例如，限制条件可在模板状态内定义，并且可只在评估该模板状态时应用。相比之下，过滤器可独立于其他模板状态来应用，以将指定的候选事件排除出考虑范围。可定义各种类型的限制条件，包括时间限制条件、值限制条件、持续时间限制条件等，和/或它们的组合。除此之外，限制条件可归类为相关限制条件和非相关限制条件。相关限制条件可涉及其他模板状态、匹配其他模板状态的事件、关于先前事件的汇总统计数据等(如，定义与它们的一种或多种所需、优选或理想的关系)。非相关限制条件可单独地基于单个事件来评估。例如，非相关限制条件可定义独立于其他模板状态的某个对应模板的所需、建议和/或优选的特征。脚触地模板状态可包括这样的限制条件：脚触地事件具有至少100毫秒的持续时间。因此，脚触地候选事件可由于具有至少100毫秒的持续时间而匹配该状态，而无需考虑模板中的其他模板状态。
如上所述，模板状态和限制条件可以指关于先前事件的统计数据、先前活动表现、已匹配的事件/状态的统计数据或指标等。例如，模板状态限制条件可要求脚触地持续时间在特定模板或活动类型的一个或多个先前匹配的脚触地事件平均脚触地持续时间的10％内。使用先前收集的指标和统计数据，活动处理系统因而可基于用户的先前表现来提供动态校准和/或过滤。由于不同的用户可具有不同的步态和其他活动表现特征，因此，在针对单个用户来校准事件和动作检测方面，用户的统计数据和指标可能更准确。
时间限制条件可包括针对特定事件的严格、宽松和相对排序要求。例如，严格时间排序可包括要求事件B在事件A与C之间发生。宽松时间排序可包括要求事件A和B彼此相隔100毫秒以内发生，而相对时间排序可包括要求事件B的发生介于发生事件A和C的间隔中途，加上或减去发生事件A和C的间隔持续时间的10％。
值限制条件可包括对信号或事件值(如指标，诸如高度、距离、压力、加速度)的要求。例如，脚触地事件可被要求具有一定阈值量的力或特定方向上一定阈值量的加速度。因此，为使脚触地事件匹配模板，在一个例子中，该事件可被要求具有沿x轴的阈值加速度，或在另一个例子中，具有阈值量的力。根据需要或需求，还可使用其他类型的事件值。另一方面，事件持续时间可包括定义特定事件允许或要求的最大或最小时间量的持续时间要求。因此，事件可被要求具有最小持续时间或低于最大持续时间，以便有资格成为与模板匹配的事件。
动作模板的一个例子可包括指定的事件类型，诸如包括以下的一个或多个例子：上一次模板成功匹配一组事件；左脚离地；左脚着地；右脚离地；右脚着地；左脚的垂直加速度测量值中的局部极大值；和/或右脚的垂直加速度测量值中的局部极大值。动作模板可进一步包括指定的限制条件，诸如包括以下的一个或多个例子：应该有左脚离地；应该有右脚离地；应该有左脚着地；应该有右脚着地；左脚和右脚离地应在左脚和右脚着地之前发生；应该没有额外的左脚或右脚离地或着地，等等。上述事件类型和限制条件可用各种方式相组合，以定义对应于双脚跳跃、单脚跳跃和/或其他用户动作的动作模板。因此，在一个例子中，不仅可要求事件组匹配模板状态的指定事件类型，还可要求它们满足所定义的限制条件。
作为一些更具体的例子，“步行”模板(如，确定给定活动可构成步行所需的数据特征)可包括涉及以下的一个或多个的信息：(a)脚着地和另一只脚离地事件的重复节奏，(b)不存在双脚同时离开地面的“腾空时间”(或任选地，“腾空时间”低于阈值)，(c)水平方向上的脚移动速度或加速度低于阈值，(d)水平方向上的身体核心移动速度或加速度低于阈值，(e)垂直方向上的身体核心移动速度或加速度低于阈值，(f)脚冲击力(或垂直方向上的加速度变化)低于阈值(其中阈值任选地取决于用户的重量)，(g)以脚跟取向的脚着地位置，(h)摆臂速度、加速度或动作范围低于阈值等。“跑步”、“慢跑”或“冲刺”模板(如，确定给定活动可构成跑步、慢跑或冲刺所需的数据特征)可包括有关以下一个或多个的信息：(a)脚着地和另一只脚离地事件的重复节奏，(b)双脚同时离开地面的“腾空时间”在预定的值范围内(任选地，针对慢跑、跑步与冲刺具有不同范围)，(c)水平方向上的脚移动速度或加速度在预定的值范围内(任选地，针对慢跑、跑步与冲刺具有不同范围)，(d)水平方向上的身体核心移动速度或加速度在预定的值范围内(任选地，针对慢跑、跑步与冲刺具有不同范围)，(e)垂直方向上的身体核心移动速度或加速度在预定的值范围内(任选地，针对慢跑、跑步与冲刺具有不同范围)，(f)脚冲击力(或垂直方向上的加速度变化)在预定的值范围内(任选地，针对慢跑、跑步与冲刺具有不同范围)(其中阈值范围任选地取决于用户的重量)，(g)以脚跟或脚趾取向的脚着地位置的确定，(h)摆臂速度、加速度或动作范围在预定的值范围内(任选地，针对慢跑、跑步与冲刺具有不同范围)等。
“跳跃”模板(如，确定给定活动可构成跳跃所需的数据特征)可包括涉及以下的一个或多个的信息：(a)双脚同时离开地面的“腾空时间”在预定的值范围内，(b)水平方向上的脚移动速度或加速度在预定的值范围内(任选地，针对垂直跳跃与跑步跳跃具有不同范围)，(c)水平方向上的身体核心移动速度或加速度在预定的值范围内(任选地，针对垂直跳跃与跑步跳跃具有不同范围)，(d)垂直方向上的身体核心移动速度或加速度超出阈值，(e)脚冲击力(或垂直方向上的加速度变化)在预定的值范围内(任选地，针对垂直跳跃与跑步跳跃具有不同范围)(其中阈值范围任选地取决于用户的重量)等。“垂直”跳跃(如，针对跳投、封盖或篮板球)可与“跑步”跳跃(如，针对带球上篮等)区分开来，例如，通过双脚离开地板的时间(垂直跳跃倾向于双脚基本上同时离开地板，而跑步跳跃更像是跑步“跨步”型跳起(但滞空时间比典型的跑步跨步长))和/或根据其他传感器数据(如，水平和垂直方向上的移动或加速度)来区分。“跳跃”模板还可包括确定个体在没有用他/她的脚着地时是否发生跳跃的能力。该能力可通过(例如)以下方式实现：检测在双脚都已离开地面一定时间之后身体核心安装式传感器的速度或加速度陡变(从而指示与地面接触)，并且使用与身体核心速度或加速度的这种陡变关联的时间戳连同先前的最后一只脚离地时间，作为确定腾空时间的终点。
确定一个数据组是否对应于具体“模板”活动还需要考虑其他信息。例如，如果紧接着待研究的数据组之前和/或之后的一个或多个数据组经确定对应于具体的活动模板(如，跑步、步行、跳跃等)，这可意味着紧邻的(或中间的)以及待研究的数据组也更可能落在相同的活动模板内(任选地取决于相邻数据组之间流逝的时间、其他传感器输出等)。
如果事件组确实满足模板限制条件的指定数量(如，25％、50％、75％、90％、100％)，则系统可在步骤1130中将该事件组记录为可能的模板匹配。在记录可能的模板匹配之后或在确定该事件组不满足模板限制条件的指定数量之后，系统可在步骤1135中确定(在识别到的事件组中)是否有更多的事件组要分析。如果是的话，系统可返回到步骤1120，以选取未分析的事件组进行处理。然而，如果没有其他的事件组需要分析，系统可前进到步骤1140，在此，系统确定是否已找到可能的模板匹配。例如，系统可确定是否在步骤1130中记录了模板匹配。如果不是，系统可前进到步骤1160，以确定是否有更多事件有待处理。
另一方面，如果找到了可能的模板匹配(如，已识别和记录匹配)，则系统可在步骤1145中选择最佳匹配。选择最佳匹配可采用各种方式来执行，包括本文所述的那些方式。一旦选择了最佳匹配，系统便可在步骤1150中处理匹配事件，以确定用户动作的一个或多个额外细节。例如，可针对跳跃高度、速度、步速等和/或它们的组合来处理匹配事件。在步骤1155中，系统可呈现匹配模板(如，显示用户执行了对应于模板的动作)和/或额外的细节。然后系统可在步骤1160中确定是否有额外事件有待处理。
在一种或多种布置中，可按递增的方式逐个地分析该组事件。在识别到事件时，对涉及模板状态的限制条件进行分析，其中出于匹配目的对事件进行考察。如果不满足限制条件，则回溯进行增量搜索(程度视哪些限制条件未得到满足而不同)，并且识别新的事件。例如，未满足/匹配任选的限制条件可能不会导致系统回溯搜索。当增量搜索找到了满足所有模板限制条件的整个事件组时，对该匹配进行计分并记录。根据一个或多个实施例，最佳匹配(按照分数)被存储，使得在没有额外事件要分析时，最佳匹配信息已被选定。
可根据模板中每个状态的相关时间发生得分参数所定义的树结构，来探索事件的组合。因此，当发生的特定事件指示没有后续模板状态可以匹配时，或者特定状态发生的其他事件不能匹配时，搜索可在树中的该点处停止。此外，随后可探索新发生的事件组。这种方法可使得模板匹配过程能够更快并且更有效地放弃非匹配事件或非匹配的事件组。图11B示出一个流程图，其可以是图11A的框1145和/或图12的框1255的一部分。尽管图11B的流程图被示为框1145和/或1255的子元素，但本领域技术人员将了解，鉴于本公开的益处，图11A的一个或多个元素可在不是框1145和/或1255的一部分和/或图11A和图12的一个或多个其他元素的情况下单独地执行。在其他实施例中，图11B的一个或多个元素可在存在或不存在框1145和/或1255的情况下，作为图11A和/或图12的其他元素的一部分执行。
如图11B的示例性实施例所示，确定模板匹配即可确定一只脚或双脚的脚着地和/或离地时间戳。在其他实施例中，这些时间戳可能已被确定和分类，然而，可至少部分地根据匹配哪个模板来指定使用哪些时间戳和/或如何使用。因此，针对所述确定的论述应被解释为合并已经确定的时间戳的使用。返回到图11B的过程，在该过程例子的第一步骤1165中，确定匹配的模板是否指示运动员在步行，如果“是”的话，用于该示例性实施例中的数据组的腾空时间可记录为零(1166)。或者(1165处的答案为“否”)，该示例性系统和方法随后可在1167处确定匹配的模板是否指示用户在跑步、慢跑或冲刺(其可限于或不限于向前和/或向后方向)。如果在步骤1167处为“是”，则可确定一只脚或双脚的脚着地和/或离地时间戳(步骤1168)。在一个实施例中，针对双脚来确定脚着地和离地。根据该示例性实施例，随后可使用等式T1-T2来确定该跑步、慢跑和/或冲刺活动的腾空时间(步骤1169)，其中T1是一只脚着地的时间戳，T2是另一只脚离地的时间戳(另一只脚离地紧接着T1脚着地之前)。例如，在一个实施例中，腾空时间可由匹配的脚着地的时间戳(即，先前的另一只脚离地的时间戳)确定。
如果在步骤1167处确定模板不匹配跑步、慢跑或冲刺模板(答案为“否”)，则根据该实施例的系统和方法随后确定匹配的模板是否指示运动员执行了横向曳步移动(步骤1170)。如果“是”的话，该活动的“腾空时间”可在步骤1171和1172中确定，如，根据上文针对步骤1168和1169所述的相同等式来确定。
如果在步骤1170处确定模板不是横向曳步(答案为“否”)，该示例性实施例随后在步骤1173处确定匹配的模板是否指示运动员已跳跃。如果在步骤1173处为“否”，则在该例子中，确定在该组事件时间戳中评估的活动没有形成任何“腾空时间”(或任何有效腾空时间)，并且针对该活动/事件时间戳组，确定腾空时间为0(步骤1174)。另一方面，如果在步骤1173处确定数据组确实对应于跳跃活动(答案为“是”)，那么可确定双脚的脚着地和/或脚离地的时间戳(步骤1175)，并且可根据等式T1-T2来计算该活动的腾空时间(步骤1176)，其中T1可为最近脚着地的时间戳，而T2可为先前最近脚离地(任一只脚)的时间戳。在有关此模板的活动中，脚离地和脚着地事件可按任何顺序发生。
一旦确定腾空时间(例如，在步骤1166、1169、1172或1176中)，可在步骤1177和1178中根据各种检查来验证事件的确定腾空时间。例如，可将确定的腾空时间(例如，根据T1-T2等式)与上限和/或下限阈值或界限进行比较，例如，以便判断确定的腾空时间对人类活动是否有意义(例如，判断腾空时间对于实际跳跃的结果来说是否太长，判断腾空时间是否在过去确定的该特定个人的上限阈值时间之外等等)。如果该时间未得以验证(在步骤1178处的答案为“否”)，那么腾空时间可被设为零(步骤1179)。如果腾空时间得以验证(在步骤1178处的答案为“是”)，那么可更新“腾空时间数据缓冲区”(例如，存储腾空时间数据的存储器)以包括所述活动的确定腾空时间(步骤1180)，其可包括存储该个人“腾空时间”和/或更新“累积”或“平均”腾空时间存储位置，以便添加该新确定的“腾空时间”数据。在步骤1180处可进行额外的处理(例如，更新用户界面组件或字段、将数据发送给运动员或教练等)并且/或者该过程可返回执行其他活动或功能(例如，诸如返回图10中的步骤1155，如步骤1182所示)。
图12示出了可对一个或多个模板中的每个进行重复的另一示例性模板匹配过程(例如，图10的步骤1005)。例如，在接收到一个或多个事件(例如，流、组、集等)之后，活动处理系统可在步骤1200中对事件进行分类。例如，可对事件进行时间分类。在另一个例子中，可基于参考图10的步骤1020所述的事件被检测到的顺序，对事件进行分类。分类之后，系统可在步骤1205中选择模板中定义的状态，以便在分类的事件中进行初步搜索。可多方面地选择模板状态，诸如基于一个或多个因素和考虑。例如，模板状态可对应于(i)模板表示的特定动作的第一或初始事件，或(ii)该动作的结束事件。在其他例子中，模板状态可对应于模板内的最高优先级状态。在又其他的例子中，模板状态可对应于模板中的任何状态。
在步骤1210中，活动处理系统可识别与所选模板状态的事件类型相匹配的候选事件。在一个例子中，可通过根据事件类型的类别来存储或组织事件，从而对事件进行分类(如步骤1200中所述)。在一些布置中，可不对生成的事件进行分类，而是可在生成和/或接收之后对其进行随机存储。除此之外或另选地，可采用各种方式来存储事件：例如，完全随机、根据事件类型、根据事件类型和发生的时间顺序、根据事件类型和特定测量值等。因此，在一个例子中，处理系统可通过从对应于所选模板状态的类别中检索事件来识别候选事件。可如本文所述使用各种事件类型匹配算法和方法。在一些实施例中，这种对事件的分类可提高匹配算法的效率。例如，顺序匹配算法可得益于经过时间分类的事件。
基于事件类型识别候选事件之后，活动处理系统可对那些候选事件中的每一个进行评估，以确定候选事件是否与模板中指定的模板状态的限制条件相匹配。例如，模板状态的限制条件可对应于参考图11A所述的限制条件。因此，在步骤1215中，活动处理系统可确定是否定义模板状态的非相对限制条件。如果要定义，那么系统可转到步骤1220，以确定候选事件是否满足模板状态的非相对限制条件(例如，不依赖于其他模板状态的限制条件)。例如，可将候选事件的值与模板状态的值限制条件/要求进行比较。在另一个例子中，可将候选事件的持续时间与模板状态的持续时间限制条件进行比较。如果候选事件都不满足模板状态的限制条件，那么活动处理系统可返回步骤1210，以搜索与所选模板状态的事件类型相匹配的其他候选事件。
然而，如果一个或多个候选事件满足非相对限制条件，或者如果模板状态不包括非相对限制条件，那么活动处理系统可在步骤1225中确定是否定义模板状态的相对限制条件。相对限制条件可包括依赖于其他模板状态的限制条件，或者可用信息，比如从先前发生的特定事件类型中测量到的汇总统计。例如，相对限制条件可包括与另一模板状态的时间关系。如果在步骤1225中定义相对限制条件，那么活动处理系统可针对对应于相对限制条件的一个或多个其他模板状态中的每一个，搜索与另一个模板状态的事件类型相匹配的一个或多个候选事件。如果在步骤1230中(基于事件类型)识别出了一个或多个候选事件，那么活动处理系统可在步骤1240中确定那些候选事件是否满足所选模板状态的相对限制条件。例如，如果模板要求第一模板状态在第二模板状态的80毫秒内，那么活动处理系统可评估所述第二模板状态的候选事件中的每一个是否满足所述第一模板状态的80毫秒要求。
如果相关模板状态的候选事件与相对限制条件不匹配，或者如果未发现候选事件，那么活动处理系统可确定在步骤1245中未发现匹配。在这种情况下，活动处理系统可返回步骤1210，以识别和评估可与模板状态相匹配的其他候选事件。然而，如果相关模板状态的一个或多个候选事件不满足所选模板状态的相对限制条件，那么活动处理系统可在步骤1250中确定是否已处理或匹配其他(例如，剩余)模板状态。如果该确定结果是否定的，那么活动处理系统可在步骤1255中确定模板已经匹配，并将动作记录为已被用户执行。除此之外或另选地，可基于匹配事件生成额外的活动信息。另一方面，如果在步骤1250中，确定模板中的一个或多个模板状态还未匹配，那么活动处理系统可返回步骤1205，以选择剩余未匹配模板事件中的一个，即开始步骤1210的处理。
在一种或多种布置中，确定模板中的至少一个状态还未匹配(例如，在确定步骤1220和/或1240中)之后，活动处理系统可结束对该特定模板进行评估。在此类例子中，结束评估之后，活动处理系统可选择新模板来进行评估(例如，如果有任何新模板相对于图12的开始步骤处于等待状态的话)。在其他例子中，就所述至少一个模板状态(即，为了发现匹配)而言，活动处理系统可继续评估该特定模板。这种继续评估可按各种形式配置，例如，以继续指定量的时间、指定数的事件，直到一些其他(例如，更高优先级的)过程中断此类处理，直到消耗或剩余一定功率(例如，在电池供电系统中)，或者直到满足其他条件，或满足上述或其他条件中的任一个的组合。根据配置完成特定模板的评估之后，活动处理系统随后可选择新模板。用于继续评估的配置可专用于特定模板、专用于各种模板(即，不适用于其他单个模板或模板组)、在所有模板中通用、或者专用于一个或多个活动类型。因此，在任何此类配置应用于特定模板的情况下，或者如果确定模板状态中的至少一个未匹配之后，特定模板未提供继续评估，那么活动处理系统可结束对特定模板进行评估。在替代例子中，活动处理系统可不断地(并且在符合物理和实际限制的情况下，无限期地)评估特定模板。
当活动处理系统结束第一模板的评估并向第二模板的评估过渡时，活动处理系统可要求指定量的时间。该时间可导致用户感知的延迟。因此，在一些布置中，活动处理系统可为用户提供如下通知：活动系统正向考虑另一模板过渡。除此之外或另选地，活动处理系统可为用户提供各种信息、图像、反馈等，以在完成过渡的同时占据用户的注意力。例如，活动处理系统可显示有关下列项的统计：先前评估的模板、当前活动指标、有关用户正在执行活动的位置的信息等等，以及/或者它们的组合。
活动处理系统也可执行一个或多个传感器、模板和/或模板匹配过程的校准或重新校准。例如，如果活动处理系统确定模板在先前的多次(例如，10、20、50、100次等)尝试中均未匹配，那么活动处理系统可自动触发重新校准过程。或者，校准或重新校准过程可由用户输入触发。例如，用户可确定活动处理系统本应该检测到双脚跳跃，但实际没有。因此，用户可提供输入(例如，按下按钮、触摸输入等)，以触发校准或重新校准。在一个例子中，校准或重新校准可包括将一个或多个传感器的灵敏度提高到一个水平，本应该检测到的事件或动作在该水平被检测到。在另一个例子中，校准或重新校准可包括修改限制条件参数(例如，如本文中所述的计分分布参数)，使得计分与限制条件不相匹配的候选事件的计分与限制条件相匹配。在另外其他例子中，重新校准可包括修改匹配容差，使得不匹配的候选事件匹配。另选地或除此之外，校准或重新校准可包括修改传感器参数、模板参数和/或模板匹配参数，以排除不应被检测到的事件或动作。例如，可降低传感器灵敏度、可使模板限制条件或状态变窄和/或可降低模板匹配阈值。校准或重新校准还可基于其他因素或参数执行，包括用户特征、环境特征、社会特征等等。例如，可使用用户鞋码来校准传感器灵敏度或模板中的计分分布参数。在另一个例子中，用户表现的天气状况可影响传感器灵敏度或评估匹配所用的阈值。可合并对感测、检测和匹配过程的参数作出的各种其他修改，以校准或重新校准事件和动作检测。
在一个或多个例子中，活动处理系统可搜索与相关模板状态的事件类型相匹配和与所选模板状态的相对限制条件相匹配的候选事件(例如，在步骤1230中)。因此，如果模板要求模板状态在另一模板状态(诸如，脚离地状态)的500毫秒内发生，那么活动处理系统可搜索在模板状态的检测时间的500毫秒内的候选脚离地事件，以确保满足相对限制条件。在一种或多种布置中，活动处理系统可搜索预定义量的时间的候选事件。例如，搜索周期可由模板状态与相关模板状态之间的相对时间限制条件定义。在特定例子中，如果模板状态包括相关模板状态必须在5秒内发生的限制条件，那么搜索周期可被定义为检测模板状态之后的5秒。如果发现候选事件(例如，按照步骤1235)，那么活动处理系统可返回步骤1215，以确定相关模板状态的候选事件是否满足适用于该相关模板状态的限定。因此，活动处理系统可执行递归过程，活动处理系统由此确定是否存在相关模板事件。
活动处理系统还可被配置成对事件进行无量纲化、归一化或缩放。对事件进行无量纲化或缩放可对应于将时间、事件值、事件持续时间等等进行缩放或无量纲化。在一个例子中，将检测到事件的绝对时间转换成相对时间。例如，事件的时间位置可相对于第一预定义事件与第二预定义事件之间的时间总量进行定义。在特定例子中，事件发生的时间可被定义为或被缩放到预定义事件之间的持续时间的百分比。因此，识别的第一预定义事件(例如，动作开始事件)可被设为时间0，第二识别事件(例如，动作结束事件)可被设为时间100，而无论这两个事件之间的实际时间跨度如何。因此，第一预定义事件与第二预定义事件之间存在的事件可被缩放到0与100之间的时间。对模板和对应事件窗口进行无量纲化允许系统检测动作的变化速度表现。因此，无论在10秒还是2秒的跨度上执行动作，系统都可检测作为匹配动作模板的事件的对应组合。在一些例子中，无论两个或更多个事件之间的时间量如何，都可进行无量纲化。在其他例子中，只有在两个或更多个事件之间的时间量低于指定阈值、在持续时间的窗口内、高于指定阈值等等和/或它们的组合时，才可进行无量纲化。
在另一个例子中，进行无量纲化或缩放可包括对事件值进行归一化，使得它们更易于比较。例如，右鞋中力传感器的灵敏度可大于左鞋中力传感器的灵敏度。因此，可对右鞋传感器和左鞋传感器的力值进行归一化，以有利于对该值进行比较和处理。在特定例子中，如果限制条件包括右鞋检测到的力在左鞋检测到的力的10％内，那么可能需要进行归一化，以确保事件和限制条件的适当匹配，例如，当存在灵敏度差异时。
根据其他方面，模板还可包括预定义的排除事件。可使用排除事件来定义一些条件，根据这些条件，一个或多个候选事件失去匹配模板的资格。可基于逐个动作(例如，逐个模板)来定义排除事件，或者可将排除事件定义成应用于所有动作/模板。在跳跃模板的例子中，由于跳跃一般不包括中间的脚触地事件，因此排除事件可对应于脚离地事件与另一只脚触地事件之间存在脚触地事件。如果检测到排除事件，那么可不将该系列事件视作与模板匹配。
除此之外或另选地，确定指定模板或其事件是否已匹配还可包括容差水平。例如，如果一个或多个事件与指定模板的90％相匹配，那么该事件可被视作匹配，并且可记录对应动作。在特定例子中，模板可包括15个事件，而该系列事件与那15个事件中的14个相匹配。在这种情况下，系统可利用90％的容差水平确定该系列事件与模板相匹配。可使用匹配模板中的事件类型之外的其他因素。例如，也可将事件的计时进行比较，以确定是否存在匹配。正如匹配检测到的事件类型，可定义容差水平，以允许事件的计时上的偏差。
可在不同时间和不同条件下调用模板匹配过程。例如，可响应于事件汇总和存储单元的触发和/或基于用户对系统的输入来定期地执行模板匹配。在特定例子中，在确定已经从一个或多个传感器系统接收到阈值量的事件并对其进行存储之后，事件汇总和存储单元可触发模板匹配过程。在另一个例子中，用户可选择用于处理来自最近活动环节的活动数据的选项或功能。在一个或多个配置中，在模板匹配期间处理的事件信息的类型和数量也可基于一个或多个因素进行限制或指定。例如，模板匹配过程可使用自活动模板的上次正确匹配以后的所有事件发生。在另一个例子中，模板匹配过程可只使用预指定的时间窗口内的事件发生。在另外其他例子中，模板匹配过程可只使用已满足先前过滤标准(诸如，满足某些事件内或事件间的质量检查)的事件发生。因此，可使用不同方法、参数和规格来提高效率和处理速度。
图13A至图13D示出了使用各种类型的装置、传感器等来识别由用户执行的动作的示例性数据处理流程。例如，图13A示出了可由一个或多个装置执行的不同过程。所述过程可包括事件生成、事件汇总和存储、基于模板的活动检测和检测结果的处理/呈现(例如，确定与检测到的活动关联的指标并将此类指标呈现给用户)。这些过程可由单个装置或多个装置执行。在一个例子中，所有所述过程可由活动处理装置、传感器系统、计算装置、移动通信装置、云系统、服务器等等执行。在另一个例子中，不同过程的表现可被分在多个上述装置之中。因此，在一个例子中，事件生成可由传感器系统执行，而事件汇总和存储、基于模板的活动检测以及检测结果的处理和呈现可由另一装置(诸如，活动处理系统)执行。在又另一个例子中，传感器系统可被配置成提供事件生成，活动处理系统可被配置成提供事件汇总和存储以及基于模板的活动检测，第三装置(例如，移动通信装置或计算装置)可被配置成处理和呈现检测结果。
图13B示出了使用4个装置或系统来执行活动检测过程的示例性配置。例如，用户可穿两只鞋：右鞋和左鞋，每只鞋都有各自的传感器或传感器系统。那些传感器或传感器系统中的每一个均可被配置成基于检测到的传感器信号来生成事件。智能电话(或其他移动通信装置)可被配置成接收生成的事件信息、汇总并存储事件信息以及基于事件信息来执行基于模板的活动检测。可对基于模板的活动检测结果进行处理，以由智能电话或另一装置(诸如，网络应用程序、系统或服务器)对检测到的动作生成指标和其他类型的活动信息。因此，用户能够通过多个装置来查看检测到的活动信息。
图13C示出了另一示例性系统配置，各种类型的装置可通过该系统配置生成事件，所述各种类型的装置包括胸带(例如，以检测心率和/或体温)、位置确定装置(诸如，GPS手表)以及环境检测系统(诸如，气象站)。可将由这些装置生成的事件信息收集并存储在可通过公用网络或专用网络访问的云装置、系统或服务器中。随后可通过一个或多个其他装置检索汇总的事件信息，所述装置为诸如个人计算机、智能电话、其他移动通信装置、平板计算机、游戏控制台、网络服务器等等。在检索之后，个人计算机可执行基于模板的匹配和活动检测，并且处理和呈现检测结果。
图13D示出了所有上述过程可由单个装置(例如，活动处理装置或系统)执行的示例性系统。例如，活动处理系统可基于来自其中所包括的传感器的信号、用户输入、活动处理系统输出(例如，警报、显示、通知、声音、条件等)等等和/或它们的组合来生成事件。活动处理系统随后可对事件进行处理，以执行基于模板的活动检测。根据需求或需要，可与其他装置共享检测结果。因此，活动检测结果也可由网络服务器、云系统、移动计算或通信装置、游戏主机、个人计算装置等处理和呈现。
图14示出了示例性模板。可以阵列形式定义示例性模板1400。模板状态阵列(例如，模板状态阵列1401a到1401h)中的第一元素为模板中的状态的索引编号(从零开始)。每个模板状态阵列中的第二元素为特定事件类型的文本标签。就被排除的模板状态(例如，由阵列1401e到1401h表示)而言，模板状态阵列中的第三元素和第四元素是先前的模板状态索引。在一个配置中，被排除的模板状态语法的解译是：被排除的事件类型(由模板状态阵列中的第二元素指定)的每个已知发生都不应在由最后两个阵列元素指定的先前模板状态事件的匹配发生之间发生。
就包括的模板状态而言，模板状态阵列元素3至9指定如何对匹配或候选事件的相对事件发生时间戳进行计分。例如，元素3至9可表示必须匹配的不同限制条件。如果阵列元素3的值为-1，那么时间参考点为模板匹配过程开始的时间。否则，阵列元素3的值为另一模板状态的参考，并且时间参考点为先前模板状态的匹配事件的事件发生时间戳。阵列元素4为应用于时间参考点的时间偏移。在一个或多个示例性实施例中，只要适合于活动和/或事件，时间偏移可以毫秒为单位。
阵列元素5描述应用于相对时间值的计分分布类型。示例性分布包括：ESP_DIST_INCREASING、ESP_DIST_DECREASING和ESP_DIST_ABSVAL_DECREASING。在一个或多个示例性实施例中，这三种分布是可允许的类型。阵列元素6至9是分布的参数。在对事件的相对发生时间进行计分的一个示例性过程中，假设如下：T_e是(潜在匹配)事件的事件发生时间，T_o是时间参考点，dT是毫秒偏移，并且P_1、P_2、P_3和P_4是分布参数。注意，在一些例子中，可强制执行以下规则：P_1<＝P_2<＝P_3<＝P_4；并且另外，如果分布是ESP_DIST_ABSVAL_DECREASING，则0<＝P_1。随后可根据以下示例性公式对相对事件发生时间进行计分：
如果计分分布是ESP_DIST_INCREASING类型，那么得分S可计算如下：
如果(T_e-T_o-dT)<P_1，则S＝0
如果P_1<＝(T_e-T_o-dT)<P_2，则为(T_e-T_o-dT-P_1)/(P_2-P_1)
如果P_2<＝(T_e-T_o-dT)<P_3，则为1+(T_e-T_o-dT-P_2)/(P_3-P_2)
如果P_3<＝(T_e-T_o-dT)<P_4，则为2+(T_e-T_o-dT-P_3)/(P_4-P_3)
如果P_4<＝(T_e-T_o-dT)，则为3
如果计分分布是ESP_DIST_DECREASING类型，那么得分S可计算如下：
如果(T_e-T_o-dT)<P_1，则S＝3
如果P_1<＝(T_e-T_o-dT)<P_2，则为3-(T_e-T_o-dT-P_1)/(P_2-P_1)
如果P_2<＝(T_e-T_o-dT)<P_3，则为2-(T_e-T_o-dT-P_2)/(P_3-P_2)
如果P_3<＝(T_e-T_o-dT)<P_4，则为1-(T_e-T_o-dT-P_3)/(P_4-P_3)
如果P_4<＝(T_e-T_o-dT)，则为0
如果计分分布是ESP_DIST_ABSVAL_DECREASING类型，那么得分S可计算如下：
如果|T_e-T_o-dT|<P_1，则S＝3
如果P_1<＝|T_e-T_o-dT|<P_2，则为3-(|T_e-T_o-dT|-P_1)/(P_2-P_1)
如果P_2<＝|T_e-T_o-dT|<P_3，则为2-(|T_e-T_o-dT|-P_2)/(P_3-P_2)
如果P_3<＝|T_e-T_o-dT|<P_4，则为1-(|T_e-T_o-dT|-P_3)/(P_4-P_3)
如果P_4<＝|T_e-T_o-dT|，则为0
使用以上等式，为了找到匹配，相对时间发生得分必须大于0。
模板状态阵列元素10至15指定如何对事件生成时间戳进行计分。阵列元素10是指示是否应对事件生成时间戳进行计分的标记。如果值为0，则不计分。如果值不为0，则对事件生成时间戳进行计分。阵列元素11至15类似于元素5至9；并且可使用类似的计分计算。在一种布置中，可能没有应用于事件生成时间戳的参考值；只有偏移。如果对事件生成时间戳进行计分，那么对模板状态的匹配事件必须达到大于零的得分。
类似于事件生成时间戳计分，阵列元素16至21指定是否以及如何对事件值进行计分。如果对事件值进行计分，那么对模板状态的匹配事件必须达到大于零的得分。
最终，模板状态元件22至27指定是否以及如何对事件持续时间进行计分。事件持续时间可以是(i)正在计分的事件的事件发生时间戳与随后立即(及时)发生的相同类型事件的事件发生时间戳之间的时间差；或者(ii)如果正在计分的事件发生是特定事件类型的最近发生，那么事件持续时间是事件发生时间戳与开始模板匹配过程的时间之间的时间差。如果将阵列元素22设定为0，则不计分。如果将其设定为-2，那么由正在计分的事件与在计分之前开始的模板匹配过程的时间之间的时间差来将事件持续时间进行相对化。否则，可采用类似于事件生成时间戳和事件值的方式来对事件持续时间进行计分。如上所述，如果对事件持续时间进行计分，那么对模板状态的匹配事件必须达到大于零的得分。
如本文所述，可定义其他类型的限制条件(例如，超出持续时间、事件生成时间戳和相对事件发生时间戳)。因此，可将另外的值和/或参数添加到模板状态阵列。例如，模板状态阵列可扩展到包括另外的阵列参数和值。在其他例子中，如果不需要或不期望上述一个或多个限制条件，那么可减小模板状态阵列的尺寸。
在一些例子中，可基于可能已经发生的事件时间戳的最早时间来定义时间限制条件。基于阈值，算法可更好地(例如更有效地)确定根据类型或日期顺序存储的事件集或事件组何时可不再提供可能的匹配。此外，相对时间限制条件可参考更早的模板状态。因此，当算法确定没有候选事件能够满足相对时间限制条件时，处理系统可确定系统可需要考虑至少一个参考模板的不同事件。因此，增量搜索可返回到参考模板状态。除此之外或另选地，可在任何点(例如，不同于增量)搜索没有被后续参考状态参考的模板状态(即，由限制条件参考定义的树叶)。类似于相对时间限制条件，排除限制条件可参考更早的模板状态。这样一来，未能执行的排除限制条件可使得增量搜索能够返回到参考模板状态。
图15示出了示例性事件曲线图，其中基于候选事件的相对事件发生时间戳的计分将各个事件识别为匹配模板。各个不同式样的线表示不同候选或匹配事件的计分分布，其中这些不同事件中的每个事件匹配模板中以下状态(每种状态都定义在各自的线上)中的一种：
0:-1,-200,“ESP_DIST_INCREASING”,0,0,0,0
1:0,0,“ESP_DIST_ABSVAL_DECREASING”,20,40,60,80
2:1,0,“ESP_DIST_ABSVAL_DECREASING”,0,10,20,30
3:0,-500,“ESP_DIST_ABSVAL_DECREASING”,150,200,250,300
4:3,0,“ESP_DIST_DECREASING”,-50,-40,-30,-20
举例来说，状态1中的元素可解读如下：
1--状态标识符
0--指示状态0是时间参考点
0--指示相对于匹配状态0的事件的时间戳，而不应用任何偏移(以毫秒为单位)
“ESP_DIST_ABSVAL_DECREASING”--指示成本/计分分布曲线的种类
20--计分为3，匹配状态1的事件的时间戳需要在匹配状态0的事件的时间戳的20毫秒内
40--计分在2与3之间，匹配状态1的事件的时间戳需要与匹配状态0的事件的时间戳相差至少20毫秒内、但不超过40毫秒
60--计分在1与2之间，匹配状态1的事件的时间戳需要与匹配状态0的事件的时间戳相差至少40毫秒内、但不超过60毫秒
80--计分在0与1之间，匹配状态1的事件的时间戳需要与匹配状态0的事件的时间戳相差至少60毫秒内、但不超过80毫秒
因此，例如，如果时间偏移被更改成-200毫秒，那么对事件匹配状态1的时间限制条件将如下：候选事件必须在匹配状态0的事件的时间戳之前的200毫秒+/-80毫秒内发生。因此，如果状态0的匹配事件在时间1290处发生，那么状态1的时间限制条件将转移至：在1010(1290-200-80)之后并在1170(1290-200+80)之前。在曲线图中，每个状态计分分布的时间跨度对应于可存在匹配事件的时间范围。
图16示出了可用于分析传感器数据和事件并且检测活动期间由用户执行的各种动作的示例性数据流和处理流。例如，传感器或具有传感器硬件的传感器系统可被配置为收集原始传感器数据，根据需要平滑化和过滤数据，并提供精细或低水平的事件检测，如本文所述。传感器或传感器系统可被配置为具有各种电路、处理器以及软件和/或硬件的组合，以提供必要处理。一旦检测到低水平事件，低水平事件信息便可传送到活动处理装置或系统。活动处理装置或系统可被一体地容纳，或者可与传感器或传感器系统物理分开。在一个例子中，活动处理装置或系统可经由无线或有线通信与传感器系统通信，包括短程无线协议，诸如，蓝牙和蓝牙-低能量，蜂窝通信、Wi-Fi、卫星通信等等。活动处理系统可将事件存储在缓存、缓冲区或其他存储系统中，并且随后根据预定义动作模板来处理事件。在一个或多个例子中，活动处理装置或系统递增地和/或作为事件的窗口来处理事件。基于处理的事件与动作模板之间的比较，系统可识别(例如)在事件的窗口期间执行的一个或多个动作。
图18到图20示出了基于鞋的传感器的信号流内的示例性事件识别。例如，图18示出了在开合跳练习或训练的用户表现期间来自两个基于鞋的传感器的示例性信号。上部信号1803表示来自基于右鞋的传感器的信号，并且下部信号1801表示来自基于左鞋的传感器的信号。标签0到13可表示在信号流内各个检测到的事件。例如，标签可表示以下检测到的事件或状态：
0)跳跃右脚着地
1)跳跃左脚着地
2)跳跃左脚离地
3)跳跃右脚离地
4)高于阈值的右脚X加速度的积分
5)低于阈值的左脚X加速度的积分
6)跳跃左脚着地
7)跳跃右脚着地
8和10)左脚Z加速度的最小导数
9和11)右脚Z加速度的最小导数
12)高于阈值的左脚X加速度的积分
13)低于阈值的右脚X加速度的积分
由标签0-13识别的事件集可对应于开合跳动作模板。因此，当按照指定顺序和/或计时检测到匹配事件0-13的事件集时，系统可确定用户已完成一次开合跳。在另一个例子中，开合跳模板可指定必须按照特定序列并在给定计时内检测到7个事件。这些事件可包括左脚着地、左脚离地、右脚离地、右脚着地、高于指定阈值的左脚z积分、高于指定阈值的右脚z积分、低于阈值的左脚z积分以及高于阈值的右脚z积分。尽管检测到的事件集可包括适用模板的所有指定事件，但当事件满足由模板限制条件定义的指定顺序或计时的时候，出现模板匹配。如上所述，匹配过程可首先识别存在第一和第二预定义事件。这些事件可对应于开合跳界限事件，诸如，左脚离地(开始事件)和左脚着地(结束事件)。其他事件的所需计时可被指定为检测到的左脚离地与左脚着地之间的持续时间的百分比。例如，可要求右脚离地事件占结束事件(即左脚着地事件)之前的持续时间的10％。z积分事件可对应于距离或速度，具体取决于传感器读数的类型。在加速计的例子中，z积分可对应于沿着z轴的脚速度。
在一些布置中，可在模板内将各个事件指定为任选、附加或排除。例如，可检测任选事件以得到更好的事件检测准确性，而附加事件可对应于相应动作的更好或更准确的表现。匹配附加事件可提高用户的动作表现质量得分和/或对用户提供奖励(例如，附加活动点或更高指标)。如上所述的排除事件可指定一系列事件何时应不被视作或不被认为是开合跳动作模板的潜在匹配。例如，如果在左脚离地开始事件与左脚着地结束事件之间检测到左脚着地事件，那么这一系列的事件可被放弃作为开合跳动作的潜在匹配，因为用户的脚在时间跨度内多次着地。
开合跳活动类型和/或模板可进一步指定数据源，从中将针对事件检测来评估传感器信息。因此，活动处理系统可向传感器系统通知将要监控的数据和数据源的类型。在上述开合跳的例子中，订阅可包括脚着地和脚离地、一个或多个阈值的x加速度、基于一个或多个阈值交叉的两个x积分以及具有指定量或阈值的最大值/最小值的z加速度导数。因此，传感器系统可只监控提供上述指定信息的传感器，并且可只返回对应于所需信息和阈值的事件。例如，具有低于指定阈值的接触压力的脚着地可不作为脚着地事件被返回到活动处理系统。如果订阅中指定多个压力阈值，那么传感器系统也可区分第一阈值压力的脚着地事件与第二阈值压力的脚着地事件。根据需要，可针对特定类型的活动定义传感器订阅的各种其他配置。
图19示出了基于右脚和左鞋传感器的另一个示例性信号流。该信号流对应于用户可能进行外钩跳的活动。因此，例如，曲线图中记录的事件标签可对应于匹配外钩跳模板的信号流部分的标识。
图20示出了又另一个示例性信号流，其中用户在执行蜂鸣冲刺(beep sprint)训练/活动。
如本文所述，在一些布置中，用于活动监控和跟踪的传感器系统可包括力敏元件。力敏元件可通过检测电路内电阻的量工作，该电阻可根据施加的压力的量而变。因此，通过使用预定义查找表，力敏传感器系统可将检测到的电阻量与力或压力水平相关联。然而，在一些情况下，给定表的准确性可随时间推移而降低。换句话说，传感器系统的电阻与力的特征图可随时间推移而改变。为了补偿此类变化，力敏传感器系统可更改力与压力查找表，或选择新的力与压力查找表。
为了检测力与压力特征图是否在力敏传感器系统内改变，力敏传感器系统可确定当用户的脚在地面上时检测到多少电阻，以及当用户的脚离开地面时检测到的电阻量。基于这一差别，可选择和使用新的力与压力特征图来代替。在一个例子中，在校准模式期间，用户可手动表明他或她的脚何时离开地面和在地面上。在其他的例子中，力敏传感器系统可连续和/或基于预定义调度或间隔来执行自动的自校准。可基于经验研究和分析定义各种特征图。在一些布置中，可分析先前X个跨步数量或脚触地/脚非触地事件对的平均值，以确定电阻差异并且随后调整压力特征图。通过随时间推移更改压力特征图，可提高检测事件和评估各种指标的准确性。
此类校准技术不限于基于脚的传感器系统。也可使用类似方法校准穿戴在或用在用户身体其他部位的其他力敏传感器系统。
图21是一个流程图，示出根据一个实施例测量腾空时间的示例性具体实施。图21的例子可以各种方式实施。例如，在没有模板匹配和/或上述其他元素的情况下，可实施图21的流程图的一个或多个部分。然而，在其他实施例中，可使用模板匹配。如图21的流程图所示，无需首先确定移动模式和相关联的脚着地/离地时间戳，便可确定腾空时间。根据一个实施例，不仅参考图21还参考其他公开的实施例，可将单轴压电式或力传感器放置在一只或两只鞋中(例如，在用户的脚下、在鞋底夹层、鞋内底、鞋垫等中)，以获取传感器读数。
图22到图24中所示的输出可以是图21的一个或多个过程的结果。下文提供了图21到图24的更详细的描述及其潜在特征。
如上文结合图10到图12所述，本发明的方面可用于通过基于“模板”的分析来确定用户的“腾空时间”，以确定数据流中存在的信息中涉及的活动类型(例如，包括来自基于鞋的传感器的有关脚着地和脚离地数据的信息)。然而，在根据本发明的一些系统和方法中，可采用不依赖于上述类型的“模板”的方式来确定腾空时间。图21包括描述一种此类示例性系统和方法的流程图。
图21的过程以数据集开始，该数据集包括从(例如)基于鞋类的传感器收集的数据，包括至少一些右脚离地、右脚着地、左脚离地和左脚着地的数据(例如，从设置于一件鞋类中的一个或多个传感器收集，诸如，基于力或加速计的传感器数据，类似于结合图2A所描述的那样)。在步骤2102中，如有需要，这一示例性系统和方法可将由两个基于鞋的传感器系统登记的传感器事件同步，例如，以考虑到传感器时钟和/或传输时间的偏差。在特定布置中，系统和方法可测量每个传感器与活动处理系统之间所需的传送时间，并且随后使用测得的传送时间来调整与各个检测到的传感器事件关联的时间。除此之外或另选地，同步可包括对接收到的事件按时间进行排序。在一些例子中，可不按照检测到事件的顺序来接收脚着地和脚离地事件数据。因此，该系统和方法可预先处理事件数据，以根据检测到事件的时间对事件进行排序。作为另一潜在特征(除了上述那些中的任一个之外或作为替代)，当使用该系统和方法开始时(例如，当启动“开始”按钮或功能时、当运动员注册进入比赛时等)，在步骤2102处，每只鞋中的时钟和/或与每只鞋相关联的时钟可同步到相同时间(例如，“0”开始时间)。
一旦传感器同步和/或以其他方式准备好，在步骤2104处，该系统和方法可通过每只鞋中的传感器开始测量和登记事件(例如，开始确定“脚着地”或“脚在地上”事件，并开始确定“脚离地”或“脚离开地”事件)，并且在步骤2106处接收这一“脚着地/脚离地”数据。
在接收到脚着地/脚离地数据时或之后，在步骤2108处，可基于生成的时间对数据进行分类(例如，基于每个脚着地和脚离地事件的数据所关联和包括的“时间戳”)。因此，来自基于鞋的传感器的输入数据可包括以下信息类型中的一个或多个：(a)生成数据的传感器的标识(例如，右鞋、左鞋、鞋上的特定传感器(如果存在多个传感器的话)等)，(b)时间戳信息(例如，当测量数据时)，(c)事件类型(例如，离地或着地)，(d)与测量相关联的其他数据(例如，着地力、着地加速度、离地加速度等)等。基于数据流中包含的信息，在步骤2110中，“腾空时间”的“开始”和“结束”时间戳(例如，对应成对的连续“脚A离地”和“脚B着地”事件，以及成对的连续“脚B离地”和“脚A着地”事件，成对的“脚A着地”和“脚A离地”事件，成对的“脚B着地”和“脚B离地”事件等)。在步骤2112处，连续成对的离地和着地事件的这些开始和结束时间戳可用于确定与腾空事件相关联的“腾空时间”。
一旦确定每个所需腾空事件的腾空时间，便可在步骤2114到2118处执行验证检查，以确定/确认“腾空”数据是否表示合理跳跃和/或(如果需要)与跑步、慢跑、冲刺等相关联的“腾空时间”。作为一些更具体的例子，一种潜在验证检查可确定所确定的“腾空时间”(来自事件时间戳)是否比人类可能从实际“跳跃”或“跑步”活动中构成的腾空要长。例如，如果时间戳数据流表明运动员已经在空中待了数秒，这一“腾空时间”可被确定为不构成跳跃或不是跳跃(例如，步骤2116处的答案为“否”)，在这种情况下，该脚离地和脚着地事件对的“腾空时间”可设定为0(步骤2118)。
然而，长腾空时间不一定强求确定数据有误和/或该活动不构成“跳跃”或真实“腾空时间”(任选地包括与跑步、慢跑和/或冲刺活动相关联的“腾空时间”)。相反，根据本发明的至少一些例子的系统和方法可进一步分析那些表明发生过长“腾空时间”的数据(或任选地，所有腾空时间数据)。例如，在打篮球的一些情况下，运动员可通过抓住和握在篮框或篮网上和/或通过没有脚着地(例如，运动员后背、膝盖、手肘等着地)来延长“腾空时间”。因此，可查询来自其他传感器和/或源的数据和/或信息，而不是自动丢弃表明腾空时间比预先确定的阈值长的数据，以查看是否可根据有质疑的较长腾空时间期间发生的事情来产生更准确的了解。例如，如果运动员抓在篮框上，那么基于脚和/或身体的传感器可登记初始的离地、半空中阶段的“悬挂”(当抓住篮框或篮网时)或甚至第二提升阶段(如果运动员利用篮框/篮网将自己进一步向上拉动的话)，之后是向下移动阶段。作为另一个选择，腕戴式传感器可用于检测双脚都离开地面的过程中对篮框的延长紧密接近度。也可查询视频数据，以确定具体腾空事件是合理的还是完全合理的。如果其被检测或确定为合理腾空事件，那么在步骤2118处，可调整腾空时间，而不是将该事件的腾空时间设定为0，例如，以便将“腾空时间”仅看作与跳跃或其他腾空事件相关联的“向上”和“向下”时间(并且不加上运动员从篮框或篮网摆动，使用篮框或篮网进一步将自己向上推等的时间，作为该事件的腾空时间的一部分)。
在运动员用脚降落的事件中，当运动员落到地板上时，基于身体的传感器(或存在于基于鞋的传感器中的加速计)可检测到速度和/或加速度的突然变化。如果检测到此类事件，那么在步骤2118处，可调整时间，而不是将该事件的腾空事件时间设定为0，例如，以便将“腾空时间”看作上一次“脚离地”事件与随后除了脚之外的身体部位在地板上着地事件之间的时间。
一旦将腾空时间确定为有效(步骤2116中的答案为“是”)、确定为无效并且设定为0(步骤2118)和/或进行调整(在上述步骤2118的替代中)，在步骤2120中，可更新腾空时间缓冲存储器中的数据(例如，用平均腾空时间或累积/总腾空时间等的更新确定进行更新)并且/或者可生成其他所需数据并且/或者可确定其他指标。如果更多的数据可用于评估，那么系统和方法可返回(回路2122)到步骤2106，并分析下一个时间戳数据集和/或任何可用的其他数据。在过程中的任何所需或适当时间(例如，包括回路2122发生之前)，可将腾空时间数据和/或其他反馈、指标和/或信息提供给运动员、教练和/或任何其他指定方(步骤2124)。除此之外或另选地，在步骤2124处，可将辅导和/或训练信息呈现给用户，例如，通过练习计划、练习训练、打球技巧或建议等的形式。
可通过多种方式将关于“腾空时间”和/或任何所需的参数和/或指标的信息提供给用户，包括上文所述的各种方式。根据本发明的至少一些例子，图22到图24提供了一些示例性显示器和/或用户界面(例如，计算机、智能电话上的显示屏等)，它们可将反馈和/或信息提供给用户。如上文所述，可将与个人腾空事件的“腾空时间”的确定相关联的值(例如，连续脚着地与先前脚离地事件之间的时间)加在一起(例如，在腾空时间缓冲存储器中)，或者可基于测量/检测的腾空时间以其他方式更新缓冲区(例如，框1050b、1180、2120)。可通过各种方式使用这一数据。
例如，如图22所示，一个用户界面屏幕2200可示出一个或多个运动员在上场比赛期间(上场分钟数)的每次腾空的“瞬时腾空时间”(以毫秒为单位)。在图22的例子中，重叠示出两个运动员的表现，以使得能够比较他们的表现(这些表现不需要在相同时间、在相同比赛中和/或在相同位置发生)。在图22的所示实例中，可以看出，尽管两个运动员的瞬时表现(例如，每次腾空的平均腾空时间)具有类似趋势，尤其是在开始时，然而，与运动员A的表现相比，运动员B的腾空时间表现最终显著下降(例如，在上场约8分钟之后)。
图23示出示例性用户界面屏幕2300，它展示一个或多个运动员在上场比赛期间(上场分钟数)的“平均腾空时间”(以毫秒/秒为单位)。在图23的实例中，再次重叠显示两个运动员的表现，使得能够比较他们的表现(同样，这些表现不需要发生在相同时间、在相同比赛中和/或在相同位置)。在图23的所示实例中，可以看出，尽管在刚上场时(例如，在前两分钟内)，运动员B的平均腾空时间比运动员A略高，但运动员A在他/她的整个上场期间一直保持更高的腾空时间。“平均腾空时间”(尤其是在事件/比赛期间，随着时间的流逝)可趋于收敛或变平(如图23中所示)，并且与未腾空的时间相比，可将“平均腾空时间”视作运动员的“腾空时间”的表示(例如，与未跑动或跳跃的时间相比，花在跑动或跳跃上的时间)。
图24示出根据本发明的至少一些实例的示例性用户界面屏幕2400，它提供另一相关指标和信息。更具体而言，图24示出一个或多个运动员个体在比赛上场期间的“累积腾空时间”(以秒为单位)。在这个所示实例中，运动员A在上场期间展现出了相对不变的稳定“腾空时间”累积，而运动员B表现出的腾空时间下降较快，造成实质上更少的整体腾空时间。
在比较运动员、比较运动员体能/表现水平、比较单个运动员在一定时间内的表现(例如，运动员A的曲线和运动员B的曲线可代表一个运动员在不同时间的表现)，和/或为运动员安排训练期和练习期时，这些指标和比较(例如，从图22到图24)能够为运动员或教练提供有价值的信息。此外或作为替代，如有需要，运动员可允许其他人查看他们的“腾空时间”数据，并且使用这些信息(例如，在社交网络中)创建好友组、挑战和/或其他比赛和活动，激励运动员相互竞争，竭力做到更好，在场上更加努力。这种与其他人的交互、比较和挑战也可帮助设立目标和/或避免厌倦。
在不脱离本发明的情况下，也可使用其他指标和选择。例如，如图25中所示，根据本发明的至少一些实例的系统和方法可创建、确定和维持运动员的跳跃“高度”指标。更具体地讲，图25描述可用于在“跳跃高度”确定算法中确定与任何所需的“腾空时间”事件相关联的“跳跃高度”的信息。如图所示，跳跃高度算法可将下列一项或多项作为输入数据2502：左脚着地时间戳；右脚着地时间戳；左脚离地时间戳；右脚离地时间戳；Z(垂直)方向的左脚离地数据(例如，Z导数最大值，用以得到关于向上导向的力的信息)；以及Z(垂直)方向上的右脚离地数据(例如，Z导数最大值，以得到关于向上导向的力的信息)。在步骤2504处，检查脚传感器数据，确定后一只脚也离地，表明双脚都在空中，并且与脚离地相关联的时间戳用作该脚和事件的最大Z导数的时间戳。随后，在步骤2506处，比较每只脚的着地时间与离地时间，确定整体着地时间(第一只脚着地时)。如果确定有任一只脚的着地事件发生在后一只脚离地之前，那么相应数据将被过滤掉(不会基于该数据集确定“跳跃高度”)。确定某一数据集的有效“腾空事件”(例如，后一只脚离地时间(双脚在空中)与第一只脚着地时间之间的时间)后，便基于腾空时间来确定该数据集的“跳跃高度”(步骤2508)。尽管可利用任何所需的算法通过腾空时间确定跳跃高度，但在这个示出的实例中，跳跃高度基于下列等式来计算：
y＝41.66708x-3.818335 等式1，
其中，“y”表示以英寸为单位的跳跃高度，“x”表示以秒为单位的腾空时间。这个等式得自测量到的跳跃高度和腾空时间数据的线性回归。
运动员可挑战自己，也可相互挑战，争取达到特定的“跳跃高度目标”，例如，可基于由根据本发明的系统和方法确定的多个“腾空事件”的累积跳跃高度(例如，首先“跳过”埃菲尔铁塔(Eiffel Tower)等)。也可在这种类挑战中使用其他“跳跃高度”指标，包括“瞬时跳跃高度”、“平均跳跃高度”等。
如有需要，根据本发明的至少一些实例的系统和方法可以比简单确定各个腾空时间特征更精细地定义各种指标。如上文所述，使用不同的传感器和/或传感器输入数据的组合，可以确定不同类型的“腾空”并且对它们进行区分，包括步行与慢跑与跑步与冲刺与跳跃(和/或与跑步跳跃与垂直跳跃)。因此，如有需要，如上文结合图22到图25描述的“腾空时间”指标(包括瞬时腾空时间、平均腾空时间或累积/总腾空时间)和/或跳跃高度指标(包括瞬时跳跃高度、平均跳跃高度或累积/总跳跃高度)可进一步分解成与这些不同类型的活动(或者这些活动的任何所需组合)中的任何一个或多个相关联的腾空时间和/或跳跃高度，包括下列项中的一个或多个：步行时间；慢跑时间；跑步时间；冲刺时间；跳跃时间；跑步跳跃时间；垂直跳跃时间；慢跑腾空时间；跑步腾空时间；冲刺腾空时间；跳跃腾空时间；垂直跳跃腾空时间；跑步跳跃腾空时间；慢跑跳跃高度；跑步跳跃高度；冲刺跳跃高度；跳跃的跳跃高度；垂直跳跃的跳跃高度；以及跑步跳跃类型的跳跃高度。
在不脱离本发明的情况下，也可以采用其他方式将更详细的反馈和数据提供给用户。例如，将腾空时间和跳跃数据(以及任选地，上述更精细的腾空时间和跳跃数据)与其他输入数据相结合，根据本发明的至少一些实例的系统和方法就可进一步提供攻守运动员的个人“腾空时间”和“跳跃高度”指标(例如，“进攻腾空时间”和“防守腾空时间”)。作为一些更具体的实例，可使用传感器数据(例如，GPS传感器、图像传感器、近程传感器等)为根据本发明的一些实例的、比赛在地板上进行的系统和方法提供数据，从而确定运动员是在地板上的进攻侧还是防守侧。也可将多个运动员的加速度、速度和/或移动值和/或方向的突然改变视作控球改变(运动员从进攻方变成防守方，反之亦然)的指示。“控球”确定系统和方法也可用于确定运动员个体和/或团队是在进攻还是在防守。一些示例性的“控球”确定系统和方法，例如，在2010年7月22日发布的美国专利申请公布号No.2010/0184564 A1中有所描述，其以引用的方式并入本文中，适用于所有非限制性目的。
使用此类“进攻”或“防守”输入，根据本发明的至少一些实例的系统和方法可将腾空时间和/或跳跃高度分解成包括下列项中的一个或多个：进攻步行、慢跑、跑步、冲刺、跳跃、跑步跳跃和/或垂直跳跃时间；进攻慢跑腾空时间；进攻跑步腾空时间；进攻冲刺腾空时间；进攻跳跃腾空时间；进攻垂直跳跃腾空时间；进攻跑步跳跃腾空时间；进攻慢跑跳跃高度；进攻跑步跳跃高度；进攻冲刺跳跃高度；进攻跳跃的跳跃高度；进攻垂直跳跃的跳跃高度；进攻跑步跳跃类型的跳跃高度；防守步行、慢跑、跑步、冲刺、跳跃、跑步跳跃和/或垂直跳跃时间；防守慢跑腾空时间；防守跑步腾空时间；防守冲刺腾空时间；防守跳跃腾空时间；防守垂直跳跃腾空时间；防守跑步跳跃腾空时间；防守慢跑跳跃高度；防守跑步跳跃高度；防守冲刺跳跃高度；防守跳跃的跳跃高度；防守垂直跳跃的跳跃高度；和/或防守跑步跳跃类型的跳跃高度。
也可使用根据本发明的至少一些实例的跳跃检测和/或跳跃确定信息来提供额外的可用信息，尤其是与有关跳跃动作的结果的信息相结合的情况下。例如，根据本发明的实例的系统和方法可利用如下确定信息：(a)某个运动员拿到球(例如，使用基于手腕或身体的球接触/近程传感系统)，(b)该控球运动员垂直跳跃或在跑动的同时跳跃(例如，使用基于鞋类的传感器)，以及(c)该运动员交出控球，来确定该运动员：(i)已投球(例如，如果确定球接近了篮框和/或篮板，以及任选地，该运动员是投中了，还是未投中)，(ii)已传球(例如，如果确定了转由同一团队的另一运动员控球)，(iii)失球(例如，如果确定球被对方团队的另一运动员拿到)，或者(iv)投球或传球被阻(例如，如果对方运动员接触到球并且改变了球的轨迹)。又如，如果确定某个未拿球(但任选地，被检测为正在朝球靠近)的运动员：(a)跳跃(例如，使用基于鞋类的传感器)并且(b)接触到球(例如，使用基于球的传感器)以致改变了球的轨迹，则可根据这些确定信息确定该运动员阻止了另一运动员的投球并且/或者截断了传球。再如，确定某个未拿球(但任选地，被检测为正在朝球靠近)的运动员：(a)跳跃(例如，使用基于鞋类的传感器)，(b)拿到球(使用基于球的传感器)并且(c)跳跃后着地(在拿到球之前或之后)，则可根据这些确定信息确定该运动员抢得篮板球或(从队友或对方球队的一个运动员)手中接到传球。与这些其他检测到的活动中的任一个活动相关联的腾空时间和/或跳跃高度都可以记录，并且这些信息可呈现给运动员、教练等，作为有用的辅导/训练数据和/或指标。
结论
提供具有本文所述的一个或多个特征的活动环境，可为用户提供能够鼓励和激励用户参与运动活动并且改善他或她的体能的体验。用户还可通过社会团体进行通信，相互较量，参与分数挑战。
本发明依据示例性实施例描述了实施例的多个方面。查看本公开后，本领域的一般技术人员将了解在所附权利要求书的范围和精神内还存在许多其他实施例、修改形式和变化形式。例如，本领域的一般技术人员将了解，示例性附图中示出的步骤可以按照不同于所述顺序的顺序执行，或者根据实施例的多个方面，所述的一个或多个步骤可以是任选的。

Claims (47)

1.一种用于监控运动表现的系统，包括：
输入系统，所述输入系统用于：(a)从右脚传感器系统接收与多个右脚离地事件相关的右脚离地输入数据，其中所述右脚离地输入数据包括与每个右脚离地事件关联的至少一个时间戳，所述时间戳指示相应的右脚离地事件发生的时间；(b)从左脚传感器系统接收与多个左脚离地事件相关的左脚离地输入数据，其中所述左脚离地输入数据包括与每个左脚离地事件关联的至少一个时间戳，所述时间戳指示相应的左脚离地事件发生的时间；(c)从所述右脚传感器系统接收与多个右脚着地事件相关的右脚着地输入数据，其中所述右脚着地输入数据包括与每个右脚着地事件相关联的至少一个时间戳，所述时间戳指示相应的右脚着地事件发生的时间；以及(d)从所述左脚传感器系统接收与多个左脚着地事件相关的左脚着地输入数据，其中所述左脚着地输入数据包括与每个左脚着地事件相关联的至少一个时间戳，所述时间戳指示相应的左脚着地事件发生的时间；
处理器系统，所述处理器系统被编程并且适于：(a)识别第一组时间戳，其中所述第一组时间戳包括时间上相邻的的右脚离地、左脚离地、右脚着地和左脚着地事件；(b)确定与所述第一组时间戳相关联的时间戳信息是否至少对应于预定模板组中的一个，所述模板对应于不同类型的活动；和(c)基于确定为至少与所述时间戳信息相关联的所述模板，确定与所述第一组时间戳相关联的第一腾空时间，其中所述第一腾空时间至少部分地基于所述第一组时间戳包含的左脚和右脚同时不接触表面的第一持续时间；以及
输出系统，所述输出系统用于输出包括含有或源于所述第一腾空时间的信息的输出数据。
2.根据权利要求1所述的系统，其中在确定所述第一腾空时间时，所述处理器系统被编程并且适于按下列等式确定所述第一腾空时间：
第一腾空时间＝T1-T2，
其中T1对应于所述第一组时间戳中与所述右脚着地事件和所述左脚着地事件中较早的那个相关联的时间戳的时间，T2对应于所述第一组时间戳中与所述右脚离地事件和所述左脚离地事件中较晚的那个相关联的时间戳的时间。
3.根据权利要求1所述的系统，其中所述处理器系统还被编程并且适于至少部分地基于所确定的第一腾空时间，确定与所述第一腾空时间相关联的事件的第一跳跃高度。
4.根据权利要求1所述的系统，其中所述处理器系统还被编程并且适于：
识别不同于所述第一组时间戳的第二组时间戳，其中所述第二组时间戳包括时间上相邻的右脚离地、左脚离地、右脚着地和左脚着地事件；
确定与所述第二组时间戳相关联的所述时间戳信息是否至少对应于所述模板中的一个；以及
基于确定为与所述第二组时间戳相关联的所述模板，确定与所述第二组时间戳相关联的第二腾空时间，其中所述第二腾空时间至少部分地基于所述第二组时间戳包含的左脚和右脚同时不接触表面的第二持续时间。
5.根据权利要求4所述的系统，其中所述处理器系统还被编程并且适于通过将所述第一持续时间和所述第二持续时间相加来确定累积腾空时间。
6.根据权利要求4所述的系统，其中所述处理器系统还被编程并且适于：
至少部分地基于所确定的第一腾空时间，确定与所述第一腾空时间相关联的事件的第一跳跃高度；以及
至少部分地基于所确定的第二腾空时间来确定与所述第二腾空时间相关联的事件的第二跳跃高度。
7.根据权利要求4至6中任一项所述的系统，其中所述处理器系统还被编程并且适于至少部分地基于所述第一腾空时间和所述第二腾空时间或所述累积腾空时间来确定累积跳跃高度。
8.根据权利要求1所述的系统，还包括：
右脚传感器，所述右脚传感器用于测量下列中的至少一个：右脚的加速度、右鞋与接触表面之间的接触力或者所述右鞋与所述接触表面之间的接触力的变化，以识别所述右脚离地事件和所述右脚着地事件；
左脚传感器，所述左脚传感器用于测量下列中的至少一个：左脚的加速度、左鞋与接触表面之间的接触力或者所述左鞋与所述接触表面之间的接触力的变化，以识别所述左脚离地事件和所述左脚着地事件；以及
传输系统，所述传输系统用于将所述右脚传感器和所述左脚传感器测量的数据传输到所述输入系统。
9.根据权利要求1所述的系统，其中在确定所述第一腾空时间时：
如果确定为与所述时间戳信息相关联的所述模板被确定为对应于步行模板，那么所述处理器系统被编程并且适于将所述第一腾空时间确定为0；
如果确定为与所述时间戳信息相关联的所述模板被确定为对应于跑步模板，那么所述处理器系统被编程并且适于将所述第一腾空时间确定为下列项之间的持续时间：(a)所述右脚着地事件和所述左脚着地事件中较早的那个与(b)所述右脚离地事件和所述左脚离地事件中较晚的那个；
如果确定为与所述时间戳信息相关联的所述模板被确定为对应于横向曳步模板，那么所述处理器系统被编程并且适于将所述第一腾空时间确定为下列项之间的持续时间：(a)所述右脚着地事件和所述左脚着地事件中较早的那个与(b)所述右脚离地事件和所述左脚离地事件中较晚的那个；以及
如果确定为与所述时间戳信息相关联的所述模板被确定为对应于跳跃模板，那么所述处理器系统被编程并且适于将所述第一腾空时间确定为下列项之间的持续时间：(a)所述右脚着地事件和所述左脚着地事件中较早的那个与(b)所述右脚离地事件和所述左脚离地事件中较晚的那个。
10.根据权利要求9所述的系统，其中如果与所述时间戳信息相关联的活动并不对应于所述步行模板、所述跑步模板、所述横向曳步模板或者所述跳跃模板中的任一个，那么在确定所述第一腾空时间时，所述处理器系统被编程并且适于将所述第一腾空时间确定为0。
11.根据权利要求1所述的系统，其中在确定所述第一腾空时间时：
如果确定为与所述时间戳信息相关联的所述模板被确定为对应于步行模板，那么所述处理器系统被编程并且适于将所述第一腾空时间确定为0；
如果确定为与所述时间戳信息相关联的所述模板被确定为对应于跑步模板，那么所述处理器系统被编程并且适于将所述第一腾空时间确定为下列项之间的持续时间：(a)所述右脚着地事件和所述左脚着地事件中较早的那个与(b)所述右脚离地事件和所述左脚离地事件中较晚的那个；以及
如果确定为与所述时间戳信息相关联的所述模板被确定为对应于跳跃模板，那么所述处理器系统被编程并且适于将所述第一腾空时间确定为下列项之间的持续时间：(a)所述右脚着地事件和所述左脚着地事件中较早的那个与(b)所述右脚离地事件和所述左脚离地事件中较晚的那个。
12.根据权利要求11所述的系统，其中所述预定模板组包括下列中的两个或更多个：步行模板、慢跑模板、跑步模板、冲刺模板、横向曳步模板、跳跃模板、垂直跳跃模板以及跑步跳跃模板。
13.根据权利要求1所述的系统，其中如果所述第一组时间戳被确定为对应于所述模板中的两个或更多，那么所述处理器系统还被编程并且适于：
确定与所述第一组时间戳中包含的信息最佳匹配的所述模板；以及
在确定所述第一腾空时间时，基于确定为所述最佳匹配的所述模板来处理与所述第一组时间戳相关联的数据。
14.一种用于监控运动表现的系统，包括：
输入系统，所述输入系统用于：(a)从右脚传感器系统接收与多个右脚离地事件相关的右脚离地输入数据，其中所述右脚离地输入数据包括与每个右脚离地事件关联的至少一个时间戳，所述时间戳指示相应的右脚离地事件发生的时间；(b)从左脚传感器系统接收与多个左脚离地事件相关的左脚离地输入数据，其中所述左脚离地输入数据包括与每个左脚离地事件关联的至少一个时间戳，所述时间戳指示相应的左脚离地事件发生的时间；(c)从所述右脚传感器系统接收与多个右脚着地事件相关的右脚着地输入数据，其中所述右脚着地输入数据包括与每个右脚着地事件相关联的至少一个时间戳，所述时间戳指示相应的右脚着地事件发生的时间；以及(d)从所述左脚传感器系统接收与多个左脚着地事件相关的左脚着地输入数据，其中所述左脚着地输入数据包括与每个左脚着地事件相关联的至少一个时间戳，所述时间戳指示相应的左脚着地事件发生的时间；
处理器系统，所述处理器系统被编程并且适于：(a)识别多组事件时间戳，其中所述事件时间戳组包括时间上相邻的右脚离地、左脚离地、右脚着地和左脚着地事件；(b)确定与所述多组事件时间戳中的单个事件时间戳组相关联的时间戳信息是否至少对应于预定模板组中的一个模板；和(c)基于经确定与相应单个事件时间戳组相关联的所述模板，确定与所述单个事件时间戳组中的至少一些相关联的腾空时间，其中所述单个事件时间戳组的所述腾空时间至少部分地基于所述单个事件时间戳组中的所述时间戳涵盖的左脚和右脚同时不接触表面的持续时间；以及
输出系统，所述输出系统用于输出包括含有或源于所述腾空时间的信息的输出数据。
15.根据权利要求14所述的系统，其中所述处理器系统还被编程并且适于基于与所述多组事件时间戳相关联的所述腾空时间，来确定所述运动表现的至少一部分的累积腾空时间。
16.根据权利要求14或权利要求15所述的系统，其中所述处理器系统还被编程并且适于基于所述累积腾空时间或与所述多组事件时间戳相关联的所述腾空时间来确定累积跳跃高度。
17.根据权利要求14所述的系统，还包括：
显示装置，所述显示装置用于基于所述输出数据来生成人类可感知的显示，其中所述显示包括含有或源于与所述多组事件时间戳中的至少一些相关联的所述确定腾空时间的信息，并且包括下列项中的至少一个：所述运动表现的至少一部分的瞬时腾空时间；所述瞬时腾空时间与不同运动表现的瞬时腾空时间数据的比较；所述运动表现的至少一部分的平均腾空时间；所述平均腾空时间与不同运动表现的平均腾空时间数据的比较；所述运动表现的至少一部分的累积腾空时间；以及所述累积腾空时间与不同运动表现的累积腾空时间数据的比较。
18.根据权利要求14所述的系统，其中在确定所述单个事件时间戳组中的至少一些的所述腾空时间时：
如果确定为与所述单个事件时间戳组的所述时间戳信息相关联的所述模板被确定为对应于步行模板，那么所述处理器系统被编程并且适于将所述单个事件时间戳组的所述腾空时间确定为0；
如果确定为与所述单个事件时间戳组的所述时间戳信息相关联的所述模板被确定为对应于跑步模板，那么所述处理器系统被编程并且适于将所述单个事件时间戳组的所述腾空时间确定为下列项之间的持续时间；(a)所述单个事件时间戳组的所述右脚着地事件和所述左脚着地事件中较早的那个与(b)所述单个事件时间戳组的所述右脚离地事件和所述左脚离地事件中较晚的那个；
如果确定为与所述单个事件时间戳组的所述时间戳信息相关联的所述模板被确定为对应于横向曳步模板，那么所述处理器系统被编程并且适于将所述单个事件时间戳组的所述腾空时间确定为下列项之间的持续时间；(a)所述单个事件时间戳组的所述右脚着地事件和所述左脚着地事件中较早的那个与(b)所述单个事件时间戳组的所述右脚离地事件和所述左脚离地事件中较晚的那个；以及
如果确定为与所述单个事件时间戳组的所述时间戳信息相关联的所述模板被确定为对应于跳跃模板，那么所述处理器系统被编程并且适于将所述单个事件时间戳组的所述腾空时间确定为下列项之间的持续时间；(a)所述单个事件时间戳组的所述右脚着地事件和所述左脚着地事件中较早的那个与(b)所述单个事件时间戳组的所述右脚离地事件和所述左脚离地事件中较晚的那个。
19.根据权利要求18所述的系统，其中如果与所述单个事件时间戳组的所述时间戳信息相关联的所述活动并不对应于所述步行模板、所述跑步模板、所述横向曳步模板或者所述跳跃模板中的任一个，那么在确定所述第一腾空时间时，所述处理器系统被编程并且适于将所述单个事件时间戳组的所述腾空时间确定为0。
20.根据权利要求14所述的系统，其中在确定所述单个事件时间戳组中的至少一些的所述腾空时间时：
如果确定为与所述单个事件时间戳组的所述时间戳信息相关联的所述模板被确定为对应于步行模板，那么所述处理器系统被编程并且适于将所述单个事件时间戳组的所述腾空时间确定为0；
如果确定为与所述单个事件时间戳组的所述时间戳信息相关联的所述模板被确定为对应于跑步模板，那么所述处理器系统被编程并且适于将所述单个事件时间戳组的所述腾空时间确定为下列项之间的持续时间；(a)所述单个事件时间戳组的所述右脚着地事件和所述左脚着地事件中较早的那个与(b)所述单个事件时间戳组的所述右脚离地事件和所述左脚离地事件中较晚的那个；以及
如果确定为与所述单个事件时间戳组的所述时间戳信息相关联的所述模板被确定为对应于跳跃模板，那么所述处理器系统被编程并且适于将所述单个事件时间戳组的所述腾空时间确定为下列项之间的持续时间；(a)所述单个事件时间戳组的所述右脚着地事件和所述左脚着地事件中较早的那个与(b)所述单个事件时间戳组的所述右脚离地事件和所述左脚离地事件中较晚的那个。
21.根据权利要求14所述的系统，其中所述预定模板组包括下列中的两个或更多个：步行模板、慢跑模板、跑步模板、冲刺模板、横向曳步模板、跳跃模板、垂直跳跃模板以及跑步跳跃模板。
22.根据权利要求14所述的系统，其中在确定所述腾空时间时，所述处理器系统被编程并且适于将所述多组事件时间戳中的至少一些单个事件时间戳组的所述腾空时间确定为所述单个事件时间戳组的下列项之间的持续时间：(a)所述单个时间戳组中与所述右脚着地事件和所述左脚着地事件中较早的那个相关联的时间戳的时间，与(b)所述单个时间戳组中与所述右脚离地事件和所述左脚离地事件中较晚的那个相关联的时间戳的时间。
23.根据权利要求14所述的系统，其中如果所述单个事件时间戳组对应于所述模板中的两个或更多个，那么所述处理器系统还被编程并且适于确定所述模板中的哪个是所述单个事件时间戳组的最佳匹配，并且使用所得到的最佳匹配模板针对所述单个事件时间戳组来确定所述腾空时间。
24.一种用于分析运动表现的方法，包括：
从右脚传感器系统接收与多个右脚离地事件相关的右脚离地输入数据，其中所述右脚离地输入数据包括与每个右脚离地事件关联的至少一个时间戳，所述时间戳指示相应的右脚离地事件发生的时间；
从左脚传感器系统接收与多个左脚离地事件相关的左脚离地输入数据，其中所述左脚离地输入数据包括与每个左脚离地事件关联的至少一个时间戳，所述时间戳指示相应的左脚离地事件发生的时间；
从所述右脚传感器系统接收与多个右脚着地事件相关的右脚着地输入数据，其中所述右脚着地输入数据包括与每个右脚着地事件相关联的至少一个时间戳，所述时间戳指示相应的右脚着地事件发生的时间；
从所述左脚传感器系统接收与多个左脚着地事件相关的左脚着地输入数据，其中所述左脚着地输入数据包括与每个左脚着地事件相关联的至少一个时间戳，所述时间戳指示相应的左脚着地事件发生的时间；
识别第一组时间戳，其中所述第一组时间戳包括时间上相邻的的右脚离地、左脚离地、右脚着地和左脚着地事件；
确定与所述第一组时间戳相关联的时间戳信息是否至少对应于预定模板组中的一个，所述模板对应于不同类型的活动；以及
基于确定为至少与所述时间戳信息相关联的所述模板，确定与所述第一组时间戳相关联的第一腾空时间，其中所述第一腾空时间至少部分地基于所述第一组时间戳包含的左脚和右脚同时不接触表面的第一持续时间。
25.根据权利要求24所述的方法，其中在所述确定步骤中，将所述第一腾空时间确定为：
第一腾空时间＝T1-T2，
其中T1对应于所述第一组时间戳中与所述右脚着地事件和所述左脚着地事件中较早的那个相关联的时间戳的时间，T2对应于所述第一组时间戳中与所述右脚离地事件和所述左脚离地事件中较晚的那个相关联的时间戳的时间。
26.根据权利要求24所述的方法，还包括：
至少部分地基于所确定的第一腾空时间，确定与所述第一腾空时间相关联的事件的第一跳跃高度。
27.根据权利要求24所述的方法，还包括：
识别不同于所述第一组时间戳的第二组时间戳，其中所述第二组时间戳包括时间上相邻的右脚离地、左脚离地、右脚着地和左脚着地事件；
确定与所述第二组时间戳相关联的所述时间戳信息是否至少对应于所述模板中的一个；以及
基于确定为与所述第二组时间戳相关联的所述模板，确定与所述第二组时间戳相关联的第二腾空时间，其中所述第二腾空时间至少部分地基于所述第二组时间戳包含的左脚和右脚同时不接触表面的第二持续时间。
28.根据权利要求27所述的方法，还包括：
通过将所述第一持续时间和所述第二持续时间相加来确定累积腾空时间。
29.根据权利要求27所述的方法，还包括：
至少部分地基于所确定的第一腾空时间，确定与所述第一腾空时间相关联的事件的第一跳跃高度；以及
至少部分地基于所确定的第二腾空时间来确定与所述第二腾空时间相关联的事件的第二跳跃高度。
30.根据权利要求27至29中任一项所述的方法，还包括：
至少部分地基于所述累积腾空时间或者所述第一腾空时间和所述第二腾空时间，确定累积跳跃高度。
31.根据权利要求24所述的方法，还包括：
测量下列项中的至少一个：右脚的加速度、右鞋与接触表面之间的接触力或者所述右鞋与所述接触表面之间的接触力的变化，以识别所述右脚离地事件和所述右脚着地事件；以及
测量下列项中的至少一个：左脚的加速度、左鞋与接触表面之间的接触力或者所述左鞋与所述接触表面之间的接触力的变化，以识别所述左脚离地事件和所述左脚着地事件。
32.根据权利要求24所述的方法，其中确定所述第一腾空时间的步骤包括：
如果确定为与所述时间戳信息相关联的所述模板被确定为对应于步行模板，那么将所述第一腾空时间确定为0；
如果确定为与所述时间戳信息相关联的所述模板被确定对应于跑步模板，那么将所述第一腾空时间确定为下列项之间的持续时间：(a)所述右脚着地事件和所述左脚着地事件中较早的那个与(b)所述右脚离地事件和所述左脚离地事件中较晚的那个；
如果确定为与所述时间戳信息相关联的所述模板被确定对应于横向曳步模板，那么将所述第一腾空时间确定为下列项之间的持续时间：(a)所述右脚着地事件和所述左脚着地事件中较早的那个与(b)所述右脚离地事件和所述左脚离地事件中较晚的那个；以及
如果确定为与所述时间戳信息相关联的所述模板被确定对应于跳跃模板，那么将所述第一腾空时间确定为下列项之间的持续时间：(a)所述右脚着地事件和所述左脚着地事件中较早的那个与(b)所述右脚离地事件和所述左脚离地事件中较晚的那个。
33.根据权利要求32所述的方法，其中如果与所述时间戳信息相关联的所述活动并不对应于所述步行模板、所述跑步模板、所述横向曳步模板或者所述跳跃模板中的任一个，那么确定所述第一腾空时间的所述步骤包括将所述第一腾空时间确定为0。
34.根据权利要求24所述的方法，其中确定所述第一腾空时间的步骤包括：
如果确定为与所述时间戳信息相关联的所述模板被确定为对应于步行模板，那么将所述第一腾空时间确定为0；
如果确定为与所述时间戳信息相关联的所述模板被确定对应于跑步模板，那么将所述第一腾空时间确定为下列项之间的持续时间：(a)所述右脚着地事件和所述左脚着地事件中较早的那个与(b)所述右脚离地事件和所述左脚离地事件中较晚的那个；以及
如果确定为与所述时间戳信息相关联的所述模板被确定对应于跳跃模板，那么将所述第一腾空时间确定为下列项之间的持续时间：(a)所述右脚着地事件和所述左脚着地事件中较早的那个与(b)所述右脚离地事件和所述左脚离地事件中较晚的那个。
35.根据权利要求24所述的方法，其中所述预定模板组包括下列中的两个或更多个：步行模板、慢跑模板、跑步模板、冲刺模板、横向曳步模板、跳跃模板、垂直跳跃模板以及跑步跳跃模板。
36.根据权利要求24所述的方法，其中如果所述第一组时间戳对应于不止一个所述模板，那么还包括：
确定所述模板中的哪个与所述第一组时间戳最佳匹配，并且其中确定与所述第一组时间戳相关联的所述第一腾空时间的所述步骤，基于确定为所述最佳匹配的所述模板来处理与所述第一组时间戳相关联的数据。
37.一种用于分析运动表现的方法，包括：
从右脚传感器系统接收与多个右脚离地事件相关的右脚离地输入数据，其中所述右脚离地输入数据包括与每个右脚离地事件关联的至少一个时间戳，所述时间戳指示相应的右脚离地事件发生的时间；
从左脚传感器系统接收与多个左脚离地事件相关的左脚离地输入数据，其中所述左脚离地输入数据包括与每个左脚离地事件关联的至少一个时间戳，所述时间戳指示相应的左脚离地事件发生的时间；
从所述右脚传感器系统接收与多个右脚着地事件相关的右脚着地输入数据，其中所述右脚着地输入数据包括与每个右脚着地事件相关联的至少一个时间戳，所述时间戳指示相应的右脚着地事件发生的时间；
从所述左脚传感器系统接收与多个左脚着地事件相关的左脚着地输入数据，其中所述左脚着地输入数据包括与每个左脚着地事件相关联的至少一个时间戳，所述时间戳指示相应的左脚着地事件发生的时间；
识别多组事件时间戳，其中所述事件时间戳组包括时间上相邻的右脚离地、左脚离地、右脚着地和左脚着地事件；
确定与所述多组事件时间戳中的单个事件时间戳组相关联的时间戳信息是否至少对应于预定模板组中的一个，所述模板对应于不同类型的活动；以及
基于确定为与所述单个事件时间戳组相关联的所述模板来处理与所述单个事件时间戳组相关联的数据，从而确定与所述单个事件时间戳组中的至少一些相关联的腾空时间，其中所述单个事件时间戳组的所述腾空时间，至少部分地基于所述单个事件时间戳组中的所述时间戳涵盖的左脚和右脚同时不接触表面的持续时间而确定。
38.根据权利要求37所述的方法，还包括：
基于与所述多组事件时间戳相关联的所述腾空时间，来确定所述运动表现的至少一部分的累积腾空时间。
39.根据权利要求37或38所述的方法，还包括：
基于所述累积腾空时间或与所述多组事件时间戳相关联的所述腾空时间，来确定累积跳跃高度。
40.根据权利要求37所述的方法，还包括：
传输输出，所述输出包括含有与所述多组事件时间戳中的至少一些相关联的所述确定腾空时间或从与所述多组事件时间戳中的至少一些相关联的所述确定腾空时间得到的信息，其中所述输出包括足以使得显示下列至少一个的信息：所述运动表现的至少一部分的瞬时腾空时间；所述瞬时腾空时间与不同运动表现的瞬时腾空时间数据的比较；所述运动表现的至少一部分的平均腾空时间；所述平均腾空时间与不同运动表现的平均腾空时间数据的比较；所述运动表现的至少一部分的累积腾空时间；所述累积腾空时间与不同运动表现的累积腾空时间数据的比较。所述运动表现的至少一部分的瞬时跳跃高度；所述瞬时跳跃高度与不同运动表现的瞬时跳跃高度数据的比较；所述运动表现的至少一部分的平均跳跃高度；所述平均跳跃高度与不同运动表现的平均跳跃高度数据的比较；所述运动表现的至少一部分的累积跳跃高度；以及所述累积跳跃高度与不同运动表现的累积跳跃高度数据的比较。
41.根据权利要求37所述的方法，其中确定所述腾空时间的所述步骤包括，针对所述单个事件时间戳组中的至少一些：
如果确定为与所述单个事件时间戳组的所述时间戳信息相关联的所述模板被确定为对应于所述步行模板，那么所述单个事件时间戳组的所述腾空时间将确定为0；
如果确定为与所述单个事件时间戳组的所述时间戳信息相关联的所述模板被确定为对应于所述跑步模板，那么所述单个事件时间戳组的所述腾空时间将确定为下列项之间的持续时间：(a)所述单个事件时间戳组的所述右脚着地事件和所述左脚着地事件中较早的那个与(b)所述单个事件时间戳组的所述右脚离地事件和所述左脚离地事件中较晚的那个；
如果确定为与所述单个事件时间戳组的所述时间戳信息相关联的所述模板被确定为对应于所述横向曳步模板，那么所述单个事件时间戳组的所述腾空时间将确定为下列项之间的持续时间：(a)所述单个事件时间戳组的所述右脚着地事件和所述左脚着地事件中较早的那个与(b)所述单个事件时间戳组的所述右脚离地事件和所述左脚离地事件中较晚的那个；以及
如果确定为与所述单个事件时间戳组的所述时间戳信息相关联的所述模板被确定为对应于所述跳跃模板，那么所述单个事件时间戳组的所述腾空时间将确定为下列项之间的持续时间：(a)所述单个事件时间戳组的所述右脚着地事件和所述左脚着地事件中较早的那个与(b)所述单个事件时间戳组的所述右脚离地事件和所述左脚离地事件中较晚的那个。
42.根据权利要求41所述的方法，其中如果与所述单个事件时间戳组的所述时间戳信息相关联的所述活动并不对应于所述步行模板、所述跑步模板、所述横向曳步模板或者所述跳跃模板中的任一个，那么确定所述腾空时间的所述步骤包括将所述单个事件时间戳组的所述腾空时间确定为0。
43.根据权利要求37所述的方法，其中确定所述腾空时间的所述步骤包括，针对所述单个事件时间戳组中的至少一些：
如果确定为与所述单个事件时间戳组的所述时间戳信息相关联的所述模板被确定为对应于步行模板，那么所述单个事件时间戳组的所述腾空时间将确定为0；
如果确定为与所述单个事件时间戳组的所述时间戳信息相关联的所述模板被确定为对应于跑步模板，那么所述单个事件时间戳组的所述腾空时间将确定为下列项之间的持续时间：(a)所述单个事件时间戳组的所述右脚着地事件和所述左脚着地事件中较早的那个与(b)所述单个事件时间戳组的所述右脚离地事件和所述左脚离地事件中较晚的那个；以及
如果确定为与所述单个事件时间戳组的所述时间戳信息相关联的所述模板被确定为对应于跳跃模板，那么所述单个事件时间戳组的所述腾空时间将确定为下列项之间的持续时间：(a)所述单个事件时间戳组的所述右脚着地事件和所述左脚着地事件中较早的那个与(b)所述单个事件时间戳组的所述右脚离地事件和所述左脚离地事件中较晚的那个。
44.根据权利要求37所述的方法，其中所述预定模板组包括下列中的两个或更多个：步行模板、慢跑模板、跑步模板、冲刺模板、横向曳步模板、跳跃模板、垂直跳跃模板以及跑步跳跃模板。
45.根据权利要求37所述的方法，其中在所述确定步骤中，所述多组事件时间戳中的至少一些单个事件时间戳组的所述腾空时间，被确定为所述单个事件时间戳组的下列项之间的持续时间：(a)所述单个时间戳组中与所述右脚着地事件和所述左脚着地事件中较早的那个相关联的时间戳的时间，与(b)所述单个时间戳组中与所述右脚离地事件和所述左脚离地事件中较晚的那个相关联的时间戳的时间。
46.根据权利要求37所述的方法，其中如果所述单个事件时间戳组对应于所述模板中的两个或更多个，那么所述方法包括确定所述模板中的哪个与相应单个事件时间戳组最佳匹配，并且在确定所述单个事件时间戳组的所述腾空时间的所述步骤中使用确定为所述最佳匹配的所述模板。
47.一种计算机可读介质，其内部存有计算机可执行指令，当所述处理器执行这些指令时会导致所述处理器执行根据权利要求24到36中任一项所述的功能。
CN201480074141.6A 2013-12-02 2014-12-02 腾空时间 Active CN106455745B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202210897456.7A CN115421368A (zh) 2013-12-02 2014-12-02 腾空时间
CN202011277475.7A CN112578663B (zh) 2013-12-02 2014-12-02 腾空时间

Applications Claiming Priority (5)

Application Number Priority Date Filing Date Title
US201361910912P 2013-12-02 2013-12-02
US61/910,912 2013-12-02
US201361911420P 2013-12-03 2013-12-03
US61/911,420 2013-12-03
PCT/US2014/068067 WO2015084793A1 (en) 2013-12-02 2014-12-02 Flight time

Related Child Applications (2)

Application Number Title Priority Date Filing Date
CN202210897456.7A Division CN115421368A (zh) 2013-12-02 2014-12-02 腾空时间
CN202011277475.7A Division CN112578663B (zh) 2013-12-02 2014-12-02 腾空时间

Publications (2)

Publication Number Publication Date
CN106455745A true CN106455745A (zh) 2017-02-22
CN106455745B CN106455745B (zh) 2020-12-04

Family

ID=52134419

Family Applications (3)

Application Number Title Priority Date Filing Date
CN202210897456.7A Pending CN115421368A (zh) 2013-12-02 2014-12-02 腾空时间
CN202011277475.7A Active CN112578663B (zh) 2013-12-02 2014-12-02 腾空时间
CN201480074141.6A Active CN106455745B (zh) 2013-12-02 2014-12-02 腾空时间

Family Applications Before (2)

Application Number Title Priority Date Filing Date
CN202210897456.7A Pending CN115421368A (zh) 2013-12-02 2014-12-02 腾空时间
CN202011277475.7A Active CN112578663B (zh) 2013-12-02 2014-12-02 腾空时间

Country Status (6)

Country Link
US (9) US9529011B2 (zh)
EP (2) EP3077937B1 (zh)
JP (4) JP6246370B2 (zh)
KR (6) KR101946033B1 (zh)
CN (3) CN115421368A (zh)
WO (2) WO2015084793A1 (zh)

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107048569A (zh) * 2017-03-31 2017-08-18 上海斐讯数据通信技术有限公司 一种智能鞋、运动信息获取系统和方法
CN107184216A (zh) * 2017-05-12 2017-09-22 深圳市沃特沃德股份有限公司 运动信息获取方法和装置
CN109297484A (zh) * 2017-07-25 2019-02-01 北京信息科技大学 一种有步态约束的行人自主定位误差修正方法
CN111672087A (zh) * 2020-06-13 2020-09-18 曲灏辰 一种适用于街舞的肌肉震动检测系统和检测方法
CN112569567A (zh) * 2020-12-11 2021-03-30 简极科技有限公司 护腿板监测方法
CN112869286A (zh) * 2021-01-15 2021-06-01 深圳如果技术有限公司 一种辅助行进的鞋套和方法
CN113195064A (zh) * 2018-12-19 2021-07-30 卡西欧计算机株式会社 训练确定设备、训练确定方法和程序
CN113617013A (zh) * 2021-04-21 2021-11-09 北京交通大学 基于加速度检测跳跃参数方法及装置

Families Citing this family (68)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9339691B2 (en) 2012-01-05 2016-05-17 Icon Health & Fitness, Inc. System and method for controlling an exercise device
RU2531689C1 (ru) * 2013-03-05 2014-10-27 Общество С Ограниченной Ответственностью "Хилби" Способ мониторинга двигательной нагрузки человека и стелька, предназначенная для его осуществления
CN104884133B (zh) 2013-03-14 2018-02-23 艾肯运动与健康公司 具有飞轮的力量训练设备
KR101946033B1 (ko) 2013-12-02 2019-02-08 나이키 이노베이트 씨.브이. 체공 시간
KR101752522B1 (ko) * 2013-12-24 2017-06-29 엘에스산전 주식회사 버퍼의 용량 설정방법
US9403047B2 (en) 2013-12-26 2016-08-02 Icon Health & Fitness, Inc. Magnetic resistance mechanism in a cable machine
WO2015138339A1 (en) 2014-03-10 2015-09-17 Icon Health & Fitness, Inc. Pressure sensor to quantify work
WO2015191157A1 (en) * 2014-04-14 2015-12-17 Flyclip Llc Lace adjuster assembly including feedback assembly for use in visualizing and measuring athletic performance
CN106470739B (zh) 2014-06-09 2019-06-21 爱康保健健身有限公司 并入跑步机的缆索系统
WO2015195965A1 (en) 2014-06-20 2015-12-23 Icon Health & Fitness, Inc. Post workout massage device
US9386401B2 (en) * 2014-08-25 2016-07-05 Steven K. Gold Proximity-based sensing, communicating, and processing of user physiologic information
US20180227735A1 (en) * 2014-08-25 2018-08-09 Phyziio, Inc. Proximity-Based Attribution of Rewards
US20160065655A1 (en) * 2014-08-29 2016-03-03 Microsoft Technology Licensing, Llc Active and passive chained subscriptions
GB2532450B (en) * 2014-11-19 2019-05-15 Suunto Oy Wearable sports monitoring equipment with context determination capabilities and relating method
US10391361B2 (en) 2015-02-27 2019-08-27 Icon Health & Fitness, Inc. Simulating real-world terrain on an exercise device
US11874716B2 (en) 2015-08-05 2024-01-16 Suunto Oy Embedded computing device management
US9654234B2 (en) 2015-08-28 2017-05-16 Focus Ventures, Inc. System and method for automatically time labeling repetitive data
JP2017063949A (ja) * 2015-09-29 2017-04-06 ソニー株式会社 情報処理装置、情報処理方法、およびプログラム
US11263461B2 (en) * 2015-10-05 2022-03-01 Pillar Vision, Inc. Systems and methods for monitoring objects at sporting events
US10299702B2 (en) * 2015-11-11 2019-05-28 Zwift, Inc. Devices and methods for determining step characteristics
US10828550B2 (en) * 2015-11-20 2020-11-10 Yi Liang Systems and methods for a smart trampoline jumping mat
US11215457B2 (en) 2015-12-01 2022-01-04 Amer Sports Digital Services Oy Thematic map based route optimization
US11210299B2 (en) 2015-12-01 2021-12-28 Amer Sports Digital Services Oy Apparatus and method for presenting thematic maps
US11144107B2 (en) 2015-12-01 2021-10-12 Amer Sports Digital Services Oy Apparatus and method for presenting thematic maps
US11137820B2 (en) 2015-12-01 2021-10-05 Amer Sports Digital Services Oy Apparatus and method for presenting thematic maps
US9984549B2 (en) * 2015-12-14 2018-05-29 Intel Corporation Networked sensor systems and methods
US11838990B2 (en) 2015-12-21 2023-12-05 Suunto Oy Communicating sensor data in wireless communication systems
US11541280B2 (en) 2015-12-21 2023-01-03 Suunto Oy Apparatus and exercising device
GB2545668B (en) 2015-12-21 2020-05-20 Suunto Oy Sensor based context management
DE102016015065A1 (de) 2015-12-21 2017-06-22 Suunto Oy Aktivitätsintensitätspegel-Bestimmungsfeld
US11284807B2 (en) 2015-12-21 2022-03-29 Amer Sports Digital Services Oy Engaging exercising devices with a mobile device
US11857842B2 (en) 2015-12-21 2024-01-02 Suunto Oy Apparatus and exercising device
US11587484B2 (en) 2015-12-21 2023-02-21 Suunto Oy Method for controlling a display
US10293207B1 (en) * 2015-12-31 2019-05-21 Mayfonk Athletic Llc Athletic performance estimation techniques
JP6718681B2 (ja) * 2016-01-05 2020-07-08 ローム株式会社 センサ装置、センサネットワークシステム、およびデータ圧縮方法
US10161954B2 (en) * 2016-01-22 2018-12-25 Htc Corporation Motion detecting device and detecting method for repetitive motion
KR102395832B1 (ko) 2016-02-23 2022-05-09 삼성전자주식회사 운동 정보 제공 방법 및 이를 지원하는 전자 장치
ITUA20161777A1 (it) * 2016-03-18 2017-09-18 Essematica S P A Procedimento per il rilevamento e monitoraggio delle condizioni di allenamento di un atleta a fini riabilitativi, rispettivamente di prevenzione di infortuni.
US10272317B2 (en) 2016-03-18 2019-04-30 Icon Health & Fitness, Inc. Lighted pace feature in a treadmill
US10625137B2 (en) 2016-03-18 2020-04-21 Icon Health & Fitness, Inc. Coordinated displays in an exercise device
US10493349B2 (en) 2016-03-18 2019-12-03 Icon Health & Fitness, Inc. Display on exercise device
KR102475627B1 (ko) * 2016-05-18 2022-12-08 엘지전자 주식회사 스마트 단말 서비스 시스템 및 데이터를 처리하는 스마트 단말기
FR3053490A1 (fr) * 2016-06-29 2018-01-05 Piq Capteur, systeme d'analyse statistique et procede de determination et d'affichage de la hauteur d'un saut effectue par un sportif
US10412148B2 (en) * 2016-07-21 2019-09-10 Microsoft Technology Licensing, Llc Systems and methods for event aggregation to reduce network bandwidth and improve network and activity feed server efficiency
US11129547B2 (en) * 2016-08-18 2021-09-28 Athalonz, Llc Wireless in-shoe physical activity monitoring
WO2018033782A1 (en) * 2016-08-19 2018-02-22 Aryeh Haim Katz Physical activity measurement and analysis
US11413514B2 (en) * 2016-08-23 2022-08-16 Pillar Vision, Inc. Systems and methods for evaluating player performance
US11896884B2 (en) 2017-08-23 2024-02-13 Pillar Vision, Inc. Systems and methods for evaluating player performance
US10671705B2 (en) 2016-09-28 2020-06-02 Icon Health & Fitness, Inc. Customizing recipe recommendations
DE102017009171A1 (de) 2016-10-17 2018-04-19 Amer Sports Digital Services Oy Eingebettete rechenvorrichtung
US11703938B2 (en) 2016-10-17 2023-07-18 Suunto Oy Embedded computing device
EP3332697B1 (fr) * 2016-12-12 2019-08-14 The Swatch Group Research and Development Ltd Procédé de détection et de calcul de durée d'un saut
US10874347B1 (en) * 2017-03-02 2020-12-29 Focal Wellness, Inc. Multiple plane sensors
US20180280760A1 (en) * 2017-04-03 2018-10-04 Under Armour, Inc. Apparatus and method for determining athletic readiness
WO2018236702A1 (en) * 2017-06-19 2018-12-27 Google Llc RECOGNITION OF MOTION MOTIF USING CLOTHING MOTION SENSORS
KR102064591B1 (ko) * 2017-07-31 2020-01-09 충남대학교산학협력단 에너지 소비량을 산출하는 스마트 슈즈 시스템
WO2019096673A1 (en) * 2017-11-15 2019-05-23 Sony Corporation Terminal device, infrastructure equipment and methods
JP6781200B2 (ja) * 2018-06-05 2020-11-04 美津濃株式会社 運動支援システムおよびプログラム
US11350853B2 (en) 2018-10-02 2022-06-07 Under Armour, Inc. Gait coaching in fitness tracking systems
TWI729596B (zh) * 2018-12-21 2021-06-01 芬蘭商亞瑪芬體育數字服務公司 感測器資料管理
US11007406B2 (en) 2019-05-03 2021-05-18 Xperience Robotics, Inc. Wearable device systems and methods for guiding physical movements
US11878212B2 (en) * 2019-05-09 2024-01-23 Patrick Louis Burton Martial arts training system
CN111339480B (zh) * 2020-02-12 2023-10-24 爱慕股份有限公司 运动文胸减震效果评价方法
US11182225B1 (en) * 2020-06-19 2021-11-23 Jpmorgan Chase Bank, N.A. Method and apparatus for cloud service provider events generation and management
US20220022590A1 (en) * 2020-07-22 2022-01-27 LaChelle Sanders Customizable Footwear
JP7071018B1 (ja) 2021-02-16 2022-05-18 Ｎｅｃプラットフォームズ株式会社 評価装置、方法及びプログラム
US11841281B2 (en) * 2021-06-03 2023-12-12 Accenture Global Solutions Limited Flexible pressure sensors
FR3126095A1 (fr) * 2021-08-10 2023-02-17 Digitsole Systeme et procede pour l’analyse de l’etat physiologique d’un utilisateur

Family Cites Families (50)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2593118B2 (ja) * 1991-10-28 1997-03-26 山武ハネウエル株式会社 リピータ
CN2117626U (zh) * 1991-11-12 1992-09-30 江汉大学 纵跳腾空时间测试器
US5343445A (en) * 1993-07-06 1994-08-30 David Stern Athletic shoe with timing device
US7386401B2 (en) 1994-11-21 2008-06-10 Phatrat Technology, Llc Helmet that reports impact information, and associated methods
US5720200A (en) 1995-01-06 1998-02-24 Anderson; Kenneth J. Performance measuring footwear
JP3145285B2 (ja) 1995-10-31 2001-03-12 日立テクノエンジニアリング株式会社 走行・運動訓練装置
US6611789B1 (en) * 1997-10-02 2003-08-26 Personal Electric Devices, Inc. Monitoring activity of a user in locomotion on foot
US6018705A (en) * 1997-10-02 2000-01-25 Personal Electronic Devices, Inc. Measuring foot contact time and foot loft time of a person in locomotion
US6876947B1 (en) * 1997-10-02 2005-04-05 Fitsense Technology, Inc. Monitoring activity of a user in locomotion on foot
WO2001069179A1 (en) * 2000-03-15 2001-09-20 Brien Conor O An exercise monitoring apparatus
US8206219B2 (en) 2002-10-30 2012-06-26 Nike, Inc. Interactive gaming apparel for interactive gaming
ES2237280B1 (es) * 2003-04-14 2006-10-01 Universidad De Cadiz Sistema de deteccion de apoyos via radio.
AU2004255366B2 (en) * 2003-07-14 2009-06-25 Fusion Sport International Pty Ltd Sports training and testing methods, apparatus and system
US20050272564A1 (en) 2004-06-02 2005-12-08 Johnson Health Tech Co., Ltd. Exercise apparatus and method for tracking number of steps
US7254516B2 (en) * 2004-12-17 2007-08-07 Nike, Inc. Multi-sensor monitoring of athletic performance
EP1850921B1 (en) 2005-02-14 2018-08-08 Koninklijke Philips N.V. Electronic device and method for reproducing a human perceptual signal
US7818131B2 (en) 2005-06-17 2010-10-19 Venture Gain, L.L.C. Non-parametric modeling apparatus and method for classification, especially of activity state
US7444767B2 (en) * 2005-11-15 2008-11-04 Nike, Inc. Article of footwear with midsole having higher density peripheral portion
CA2635638A1 (en) * 2006-01-20 2007-07-26 Jeffrey Compton Method and system for assessing athletic performance
CN103007493B (zh) 2006-09-07 2016-06-01 耐克创新有限合伙公司 运动表现跟踪系统和方法
US7853428B2 (en) 2007-01-11 2010-12-14 Yamaha Corporation Apparatus for displaying fitness exercise condition
EP2130098B1 (en) 2007-03-30 2021-03-10 NIKE Innovate C.V. Rfid triggered personal athletic device
US8702430B2 (en) 2007-08-17 2014-04-22 Adidas International Marketing B.V. Sports electronic training system, and applications thereof
US8077915B2 (en) 2007-10-12 2011-12-13 Sony Ericsson Mobile Communications Ab Obtaining information by tracking a user
US10070680B2 (en) 2008-06-13 2018-09-11 Nike, Inc. Footwear having sensor system
CN105768322A (zh) 2008-06-13 2016-07-20 耐克创新有限合伙公司 具有传感器系统的鞋
US20100184564A1 (en) 2008-12-05 2010-07-22 Nike, Inc. Athletic Performance Monitoring Systems and Methods in a Team Sports Environment
WO2010096691A2 (en) * 2009-02-20 2010-08-26 The Regents Of The University Of Colorado, A Body Corporate Footwear-based body weight monitor and postural allocation, physical activity classification, and energy expenditure calculator
CA2757238C (en) 2009-03-27 2019-06-25 Infomotion Sports Technologies, Inc. Monitoring of physical training events
FR2943527B1 (fr) * 2009-03-31 2012-07-06 Movea Systeme et procede d'observation d'une activite de marche d'une personne
US8253586B1 (en) 2009-04-24 2012-08-28 Mayfonk Art, Inc. Athletic-wear having integral measuring sensors
CA2759840C (en) * 2009-04-26 2016-10-18 Nike International Ltd. Athletic watch
EP2311537A1 (en) * 2009-10-02 2011-04-20 Ball-IT Oy Method and means for a throwable gaming control
WO2011063990A2 (en) 2009-11-30 2011-06-03 Ludwig-Maximilians-Universität München Silk particles for controlled and sustained delivery of compounds
CN102754015A (zh) 2010-02-16 2012-10-24 东丽株式会社 低含水性软质眼用镜片及其制造方法
US9392941B2 (en) * 2010-07-14 2016-07-19 Adidas Ag Fitness monitoring methods, systems, and program products, and applications thereof
US8990006B1 (en) 2010-08-24 2015-03-24 Abvio Inc. Monitoring and tracking personal fitness information
US9283429B2 (en) * 2010-11-05 2016-03-15 Nike, Inc. Method and system for automated personal training
KR101926319B1 (ko) * 2010-11-10 2018-12-06 나이키 이노베이트 씨.브이. 시간 기반 체육 활동 측정 및 표시를 위한 시스템 및 방법
KR101810751B1 (ko) 2011-02-17 2017-12-19 나이키 이노베이트 씨.브이. 물리적 활동 데이터와 영상 데이터간의 선택 및 상관
US8460001B1 (en) 2011-04-14 2013-06-11 Thomas C. Chuang Athletic performance monitoring with overstride detection
EP2556795A1 (en) 2011-08-09 2013-02-13 Nederlandse Organisatie voor toegepast -natuurwetenschappelijk onderzoek TNO Method and system for feedback on running style
KR101797421B1 (ko) 2012-01-18 2017-11-13 나이키 이노베이트 씨.브이. 활동 식별 방법 및 장치
US9352207B2 (en) * 2012-01-19 2016-05-31 Nike, Inc. Action detection and activity classification
US20130213144A1 (en) 2012-02-22 2013-08-22 Nike, Inc. Footwear Having Sensor System
US9737261B2 (en) 2012-04-13 2017-08-22 Adidas Ag Wearable athletic activity monitoring systems
US9398867B2 (en) * 2013-01-07 2016-07-26 Archinoetics Llc Efficient activity classification from motion inputs
US20140288878A1 (en) 2013-03-15 2014-09-25 Aliphcom Identification of motion characteristics to determine activity
US20150057966A1 (en) 2013-08-23 2015-02-26 Xband Technology Corporation Jump Sensor Device
KR101946033B1 (ko) 2013-12-02 2019-02-08 나이키 이노베이트 씨.브이. 체공 시간

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107048569A (zh) * 2017-03-31 2017-08-18 上海斐讯数据通信技术有限公司 一种智能鞋、运动信息获取系统和方法
CN107048569B (zh) * 2017-03-31 2020-12-15 台州市吉吉知识产权运营有限公司 一种智能鞋、运动信息获取系统和方法
CN107184216A (zh) * 2017-05-12 2017-09-22 深圳市沃特沃德股份有限公司 运动信息获取方法和装置
CN109297484A (zh) * 2017-07-25 2019-02-01 北京信息科技大学 一种有步态约束的行人自主定位误差修正方法
CN113195064A (zh) * 2018-12-19 2021-07-30 卡西欧计算机株式会社 训练确定设备、训练确定方法和程序
CN111672087A (zh) * 2020-06-13 2020-09-18 曲灏辰 一种适用于街舞的肌肉震动检测系统和检测方法
CN111672087B (zh) * 2020-06-13 2021-05-07 曲灏辰 一种适用于街舞的肌肉震动检测系统和检测方法
CN112569567A (zh) * 2020-12-11 2021-03-30 简极科技有限公司 护腿板监测方法
CN112569567B (zh) * 2020-12-11 2022-03-08 简极科技有限公司 护腿板监测方法
CN112869286A (zh) * 2021-01-15 2021-06-01 深圳如果技术有限公司 一种辅助行进的鞋套和方法
CN113617013A (zh) * 2021-04-21 2021-11-09 北京交通大学 基于加速度检测跳跃参数方法及装置

Also Published As

Publication number Publication date
JP6983841B2 (ja) 2021-12-17
KR20160093684A (ko) 2016-08-08
US20150151160A1 (en) 2015-06-04
JP2018057882A (ja) 2018-04-12
KR20220033528A (ko) 2022-03-16
KR102410180B1 (ko) 2022-06-23
JP6246370B2 (ja) 2017-12-13
EP3077937A1 (en) 2016-10-12
EP3709304A1 (en) 2020-09-16
US20150153374A1 (en) 2015-06-04
US20190151715A1 (en) 2019-05-23
KR101946033B1 (ko) 2019-02-08
US9810709B2 (en) 2017-11-07
CN106455745B (zh) 2020-12-04
US11862334B2 (en) 2024-01-02
KR102469716B1 (ko) 2022-11-21
US20240079134A1 (en) 2024-03-07
US20210151181A1 (en) 2021-05-20
KR101954042B1 (ko) 2019-03-04
CN112578663A (zh) 2021-03-30
KR102116802B1 (ko) 2020-06-01
US20180154214A1 (en) 2018-06-07
JP2017506524A (ja) 2017-03-09
JP2022024130A (ja) 2022-02-08
US10286255B2 (en) 2019-05-14
US9908000B2 (en) 2018-03-06
EP3077937B1 (en) 2020-07-15
KR20180049242A (ko) 2018-05-10
KR20200060541A (ko) 2020-05-29
US20150362519A1 (en) 2015-12-17
JP7324266B2 (ja) 2023-08-09
US10933281B2 (en) 2021-03-02
WO2015084839A1 (en) 2015-06-11
JP2019213900A (ja) 2019-12-19
JP6574232B2 (ja) 2019-09-11
WO2015084793A1 (en) 2015-06-11
US20150265877A1 (en) 2015-09-24
CN112578663B (zh) 2022-08-19
KR20220159482A (ko) 2022-12-02
US9529011B2 (en) 2016-12-27
US10207149B2 (en) 2019-02-19
KR20190014591A (ko) 2019-02-12
US20170120109A1 (en) 2017-05-04
US9523704B2 (en) 2016-12-20
CN115421368A (zh) 2022-12-02

Similar Documents

Publication Publication Date Title
CN106455745A (zh) 腾空时间
EP3058443B1 (en) Calculating pace and energy expenditure from athletic movement attributes
EP3242595B1 (en) Energy expenditure calculation using data from multiple devices
EP3242594B1 (en) Energy expenditure calculation using data from multiple devices

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant