CN106525068A - 一种计步方法及终端 - Google Patents

Abstract

本发明实施例提供了一种计步方法及终端，其中方法包括：根据加速度数据和当前参数集计算得到当前步数；获取一段历史计步时间内的加速度数据；生成合成加速度数据样本；判断合成加速度数据样本中表示为运动的行走区段数据；得出用户行走的真实步数；将真实步数和真实步数对应的数据样本按照预设模型进行训练生成新参数集；将新参数集替换为当前参数集。通过得出行走区段用户行走的真实步数，再将真实步数和真实步数对应的数据样本按照预设模型进行训练生成新参数集，用新参数集替换当前参数集来实现计步器内参数集的实时自动更新，使得计步器的参数集朝着更加适合用户自身的方向发展，让计步器得出的结果在用户使用过程中，越来越接近真实值。

Description

一种计步方法及终端

技术领域

本发明涉及电子技术领域，尤其涉及一种计步方法及终端。

背景技术

随着电子技术的发展，各式各样的电子设备被广泛应用到人们的生活中，其中，计步装置就被应用于计算人体行走时的步数，供人们作为评估运动量的依据。

现有计步方法都是根据产品开发过程中，实验室建立起来的数学模型来实现的。由于人的步态各式各样，实验室内的建模数据不可能完全涵盖所有状态，一旦出现了较大误差后，需要采集大误差样本数据，实验室的计步方案开发人员需要对所采集得到的数据进行分析，进而完善计步器算法。

发明内容

本发明实施例提供一种计步方法，可根据实际情况自行完善计步算法，提高计步的准确性。

第一方面，本发明实施例提供了一种计步的方法，该方法包括：

根据加速度数据和当前参数集计步得到当前步数；

获取一段历史计步时间内的加速度数据；

根据所述加速度数据生成合成加速度数据样本；

根据预设条件判断所述合成加速度数据样本中表示为运动的行走区段数据；

根据所述行走区段数据得出用户行走的真实步数；

将所述真实步数和所述真实步数对应的数据样本按照预设模型进行训练生成新参数集；

将所述新参数集替换为当前参数集。

另一方面，本发明实施例提供了一种终端，该终端包括：

计步单元，用于根据加速度数据和当前参数集计步得到当前步数；

采集单元，用于获取一段历史计步时间内的加速度数据；

合成单元，用于根据所述加速度数据生成合成加速度数据样本；

第一判断单元，用于根据预设条件判断所述合成加速度数据样本中表示为运动的行走区段数据；

检测单元，用于根据所述行走区段数据得出用户行走的真实步数；

训练单元，用于将所述真实步数和所述真实步数对应的数据样本按照预设模型进行训练生成新参数集；

替换单元，用于将所述新参数集替换为当前参数集。

本发明实施例的计步方法及终端，通过得出行走区段用户行走的真实步数，再将真实步数和真实步数对应的数据样本按照预设模型进行训练生成新参数集，用新参数集替换当前参数集来实现计步器内参数集的实时自动更新，使得计步器的参数集朝着更加适合用户自身的方向发展，让计步器得出的结果在用户使用过程中，越来越接近真实值。

附图说明

为了更清楚地说明本发明实施例技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例一提供的一种计步方法的示意流程图；

图2为本发明实施例二提供的一种计步方法的示意流程图；

图3为本发明实施例一提供的终端的示意性框图；

图4为本发明实施例二提供的终端的示意性框图；

图5为本发明实施例三提供的终端的示意性框图；

图6为本发明实施例四提供的示意性框图；

图7为本发明实施例提供的加速度数据样本对应时间的二维图；

图8为本发明实施例提供的包络线图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

应当理解，当在本说明书和所附权利要求书中使用时，术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。

还应当理解，在此本发明说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本发明。如在本发明说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。

如在本说明书和所附权利要求书中所使用的那样，术语“如果”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”。类似地，短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。

具体实现中，本发明实施例中描述的终端包括但不限于诸如具有触摸敏感表面(例如，触摸屏显示器和/或触摸板)的移动电话、膝上型计算机或平板计算机之类的其它便携式设备。还应当理解的是，在某些实施例中，所述设备并非便携式通信设备，而是具有触摸敏感表面(例如，触摸屏显示器和/或触摸板)的台式计算机。

在接下来的讨论中，描述了包括显示器和触摸敏感表面的终端。然而，应当理解的是，终端可以包括诸如物理键盘、鼠标和/或控制杆的一个或多个其它物理用户接口设备。

终端支持各种应用程序，例如以下中的一个或多个：绘图应用程序、演示应用程序、文字处理应用程序、网站创建应用程序、盘刻录应用程序、电子表格应用程序、游戏应用程序、电话应用程序、视频会议应用程序、电子邮件应用程序、即时消息收发应用程序、锻炼支持应用程序、照片管理应用程序、数码相机应用程序、数字摄影机应用程序、web浏览应用程序、数字音乐播放器应用程序和/或数字视频播放器应用程序。

可以在终端上执行的各种应用程序可以使用诸如触摸敏感表面的至少一个公共物理用户接口设备。可以在应用程序之间和/或相应应用程序内调整和/或改变触摸敏感表面的一个或多个功能以及终端上显示的相应信息。这样，终端的公共物理架构(例如，触摸敏感表面)可以支持具有对用户而言直观且透明的用户界面的各种应用程序。

另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以是两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

应当理解，在本发明实施例中，所称处理器可以是中央处理单元(CentralProcessing Unit，CPU)，该处理器还可以是其他通用处理器、数字信号处理器(DigitalSignal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。

应当理解的是，终端仅仅是便携式多功能设备的一个示例，并且终端可以具有比所示组件更多或更少的组件、可以组合两个或多个组件或者可以具有不同的组件配置或布置。可以以包括一个或多个信号处理和/或专用集成电路的硬件、软件或硬件和软件的组合来实现各种部件。

也应当理解，尽管术语第一、第二等可以在此用来描述各种元素，但这些元素不应该受限于这些术语。这些术语仅用来将这些元素彼此区分开。例如，在不脱离本发明范围的前提下，第一终端可以被称为第二终端，并且类似地，第二终端可以被称为第一终端。第一终端和第二终端均为终端，但它们并非同一终端。

参见图1，是本发明实施例一提供的一种计步方法的示意流程图，如图所示，该方法包括以下步骤S11～S17：

步骤S11：根据加速度数据和当前参数集计步得到当前步数。

具体地，终端在运行时，通过采集到的加速度数据和终端当前的计步参数集计算出当前行走的步数。

步骤S12：获取一段历史计步时间内的加速度数据。

具体地，终端内设有三轴加速度计，在运动的过程中不断获取三轴(x,y,z)的加速度数据，截取历史计步时间内加速度计接收的一段数据，具体的时间长度自行设定，例如，获取即时至过去十分钟时间内的数据。

步骤S13：根据加速度数据生成合成加速度数据样本。

具体地，将截取的一段加速度数据进行合成，生成合成加速度数据，因为加速度是矢量，合成加速度(R)则是：

根据上式可获得合成加速度的数据样本。

步骤S14：根据预设条件判断合成加速度数据样本中表示为运动的行走区段数据。

具体地，将加速度数据样本输出为对应时间的二维图像，如图7所示，水平为时间轴，竖直方向为加速度对应时间轴的即时数据，随着时间变化输出为二维图像。对二维图像进行包络处理生成二维图像的包络线，如图8所示，图中B为加速度数据样本输出为对应时间的二维图像，A为对应B的包络曲线，即加速度信号的振幅随时间变化的曲线。采用包络算法对取得的信号包络线形状进行持续判断，此处预设条件为判断加速度信号振幅否大于信号振幅的阈值，例如信号振幅阈值为m，此处包络算法是找出一段振幅均大于m的区段，这个区段则表示行走区段，例如图8中的两条虚线C之间的区段，区段内的信号振幅都均超过一个设定的阈值，这个区段的数据对应的加速度的数据就是行走区段的数据。

步骤S15：根据行走区段数据得出用户行走的真实步数。

具体地，将行走区段数据分成若干段，可均分为若干段或者分成长度不等的若干段。将分后的数据段进行统计分析后，可以从中统计出符合绝大多数迈步信号的若干幅主要特征图，其中每一幅特征图对应一个步频。以这些特征图为卷积核，对行走区段数据进行二维卷积的运算操作。对运算结果进行阈值筛选，运算结果超过设定的阈值的部分，即可认为是一步迈步的触发信号，并对此触发信号进行标记，将标记的所有触发信号进行统计，统计出触发信号的个数即为真实步数。

步骤S16：将真实步数和真实步数对应的数据样本按照预设模型进行训练生成新参数集。

具体地，将得到的真实步数和该行走区段的数据样本按照计步的模型进行训练，计步器在统计步数时根据加速度数据和预先的参数集来计算步数，此处是通过真实步数和对应的行走区段数据来返回运算得到新的参数集。

步骤S17：将新参数集替换为当前参数集。

具体地，得到新的参数集后将新参数集替换当前的参数集，使得终端接下来计步的过程中采用新的参数集进行计步，让计步器可以针对不同使用者的不同迈步特征生成对应的计步参数集，从而可以更加准确的根据实际情况来统计使用者的步数。

参见图2，是本发明实施例二提供的一种计步方法的示意流程图，如图所示，该方法包括以下步骤S21～S29：

步骤S21：根据加速度数据和当前参数集计步得到当前步数。

具体地，终端在运行时，通过采集到的加速度数据和终端当前的计步参数集计算出当前行走的步数。

步骤S22：获取一段历史计步时间内的加速度数据。

具体地，终端内设有三轴加速度计，在运动的过程中不断获取三轴(x,y,z)的加速度数据，截取历史计步时间内加速度计接收的一段数据，具体的时间长度自行设定，例如，获取即时至过去十分钟时间内的数据。

步骤S23：根据加速度数据生成合成加速度数据样本。

具体地，将截取的一段加速度数据进行合成，生成合成加速度数据，因为加速度是矢量，合成加速度(R)则是：

根据上式可获得合成加速度的数据样本。

步骤S24：根据预设条件判断合成加速度数据样本中表示为运动的行走区段数据。

具体地，将加速度数据样本输出为对应时间的二维图像，如图7所示，水平为时间轴，竖直方向为加速度对应时间轴的即时数据，随着时间变化输出为二维图像。对二维图像进行包络处理生成二维图像的包络线，如图8所示，图中B为加速度数据样本输出为对应时间的二维图像，A为对应B的包络曲线，即加速度信号的振幅随时间变化的曲线。采用包络算法对取得的信号包络线形状进行持续判断，此处预设条件为判断加速度信号振幅否大于信号振幅的阈值，例如信号振幅阈值为m，此处包络算法是找出一段振幅均大于m的区段，这个区段则表示行走区段，例如图8中的两条虚线C之间的区段，区段内的信号振幅都均超过一个设定的阈值，这个区段的数据对应的加速度的数据就是行走区段的数据。

步骤S25：根据行走区段数据得出用户行走的真实步数。

具体地，将行走区段数据分成若干段，可均分为若干段或者分成长度不等的若干段。将分后的数据段进行统计分析后，可以从中统计出符合绝大多数迈步信号的若干幅主要特征图，其中每一幅特征图对应一个步频。以这些特征图为卷积核，对行走区段数据进行二维卷积的运算操作。并设定一个阈值，对运算结果进行阈值筛选，运算结果超过设定的阈值的部分，即可认为是一步迈步的触发信号，并对此触发信号进行标记，将标记的所有触发信号进行统计，统计出触发信号的个数即为真实步数。

步骤S26：对每个超过阈值触发信号的步子对应的起止时间进行标记。

具体地，在对超过阈值的信号进行标记时，记录该信号所对应步子的起止时间，即将超过阈值的迈步信号的开始到结束的时间进行标记。

步骤S27：统计标记的每个步子对应的起止时间，并将所有步子起止时间所对应的时长相加，以该时长总和作为真实运动时长。

具体地，将所有对应超过阈值的迈步信号的起止时间相加，此时得出的时间为真是运动时长。

步骤S28：获取真实运动时长与整个行走区段时长的比值作为可信度值。

具体地，假设真实运动时长为T1，整个行走区段的时长为T2，此时的可信度值K为：

步骤S29：当可信度值超过预设可信度阈值时，将可信度值对应的真实步数和数据样本按照所述预设模型进行训练生成新参数集。

具体地，预先设置一个可信度阈值，并将计算得出的可信度值与预先设置的可信度阈值相比较，如果得出的可信度超过可信度阈值，则将这个可信度对应的真实步数和该行走区段的数据样本按照计步的模型进行训练，例如，预先设置可信度阈值为95％，则只有在计算得出可信度超过95％的时候，才会将这个可信度对应的真实步数和该行走区段的数据样本按照计步的模型进行训练，计步器在统计步数时根据预先的参数集来生产步数，此处是通过真实步数和对应的行走区段数据来返回运算生成新的参数集，并将新的参数集替换原先的参数集，从而让计步器可以针对不同使用者的不同迈步特征生成对应的计步参数集，从而可以更加准确的根据实际情况来统计使用者的步数。通过对每段行走数据得到的真实步骤的可信度值进行判断，并选出可信度值最大的真实步数和该行走区段的数据样本按照计步的模型进行训练，生成新的参数集，并用新的参数集替换当前参数集，从而使更换参数集后计步器计算得到的结果越来越接近真实值，使得终端的计步器达到越用越准的效果。

进一步地，判断是否达到预设训练条件。若达到预设训练条件，执行获取一段历史计步时间内的加速度数据的步骤。

具体地，可以在执行上述实施例中获取一段历史计步时间内的加速度数据的步骤之前有一个起始步数的判断，即判断当前用户是否处在运动状态，例如，当用户当前步数大于100步时，就开始获取一定时长(如5分钟)的加速度数据，终端会使用所采集的加速度数据更新计步参数集。如此，可以避免终端内的训练模块长期处于工作状态，也可避免终端在采集数据时对应的是一段无效数据，例如，在办公室上班时，手机在口袋内晃动产生的一些加速度的数据。

特别地，终端还可以根据预设合成加速度阈值判断用户的运动状态，运动状态包括慢走、快走、奔跑。

具体地，对合成加速度数据进行分析时预先设定几个信号振幅的阈值，假设设定2个阈值x，y(x＞y)，当合成加速度信号振幅小于y时，此时小于阈值y，则判断为慢走，当合成加速度信号振幅大于等于y但小于x时，则判断为快走，当合成加速度信号振幅大于等于x时，则判断为奔跑，如此将用户整个运动过程的运动状态进行记录，让用户可以很直观的看到自己的运动规律，增加用户体验，也可以为其他目的提供参考，比如研究某人的行为规律。

参见图3，是本发明实施例一提供的一种终端的示意性框图，如图所示，该终端包括：

计步单元10，用于根据加速度数据和当前参数集计步得到当前步数；

采集单元20，用于获取一段历史计步时间内的加速度数据；

合成单元30，用于根据加速度数据生成合成加速度数据样本；

第一判断单元40，包括：

第一输出单元41，用于将加速度数据样本输出为对应时间的二维图像；

第二输出单元42，用于生成二维图像的包络线；

判定单元43，用于采用包络算法确定包络线对应表示为行走区段的数据；

检测单元50，包括：

划分单元51，用于将行走区段数据分成若干段；

运算单元52，用于将划分后的数据段作为卷积核，利用卷积核与行走区段数据进行卷积运算；

标记单元53，用于将超过阈值的触发信号进行标记；

统计单元54，用于统计标记的触发信号的个数作为真实步数；

训练单元60，用于将真实步数和真实步数对应的数据样本按照预设模型进行训练生成新参数集；

替换单元70，用于将新参数集替换为当前参数集。

具体地，终端在运行时，计步单元10通过采集到的加速度数据和终端当前的计步参数集计算出当前行走的步数。采集单元20获取一段历史计步时间内的加速度数据，由合成单元30根据加速度数据生成合成加速度数据样本。第一判断单元40的第一输出单元41将加速度数据样本输出为对应时间的二维图像，并由第二输出单元42生成二维图像的包络线，判定单元43采用包络算法确定包络线对应表示为行走区段的数据。检测单元50的划分单元51将行走区段数据分成若干段，再通过运算单元52将分后的数据段作为卷积核，利用卷积核与行走区段数据进行卷积运算，得出的结果经过预先设定的阈值进行筛选，当超过阈值时，标记单元53将对这个触发信号进行标记，统计单元54统计标记的触发信号个数作为真实步数，并由训练单元60将真实步数以及真实步数对应的数据样本按照计步的模型进行训练，生成新的参数集，并由替换单元70将新参数集替换当前的参数集。

具体地，将新的参数集替换原先的参数集，从而让计步器可以针对不同使用者的不同迈步特征生成对应的计步参数集，从而可以更加准确的根据实际情况来统计使用者的步数。

参见图4，是本发明实施例二提供的一种终端的示意性框图，如图所示，该终端包括：

计步单元10，用于根据加速度数据和当前参数集计步得到当前步数；

采集单元20，用于获取一段历史计步时间内的加速度数据；

合成单元30，用于根据加速度数据生成合成加速度数据样本；

第一判断单元40，包括：

第一输出单元41，用于将加速度数据样本输出为对应时间的二维图像；

第二输出单元42，用于生成二维图像的包络线；

判定单元43，用于采用包络算法确定包络线对应表示为行走区段的数据；

检测单元50，包括：

划分单元51，用于将行走区段数据分成若干段；

运算单元52，用于将划分后的数据段作为卷积核，利用卷积核与行走区段数据进行卷积运算；

标记单元53，用于根据预设阈值对卷积运算的结果进行阈值筛选，若超过阈值对触发信号，以及每个超过阈值触发信号的步子对应的起止时间进行标记；

统计单元54，用于统计标记的每个步子对应的起止时间，并将所有步子起止时间所对应的时长相加，以该时长总和作为真实运动时长；

获取单元80，用于获取真实运动时长与整个行走区段时长的比值作为可信度值；

训练单元60，用于当可信度值超过预设可信度阈值时，将可信度值对应的真实步数和数据样本按照预设模型进行训练生成新参数集；

替换单元70，用于将新参数集替换为当前参数集。

具体地，终端在运行时，计步单元10通过采集到的加速度数据和终端当前的计步参数集计算出当前行走的步数。采集单元20获取一段历史计步时间内的加速度数据，由合成单元30根据加速度数据生成合成加速度数据样本。第一判断单元40的第一输出单元41将加速度数据样本输出为对应时间的二维图像，并由第二输出单元42生成二维图像的包络线，判定单元43采用包络算法确定包络线对应表示为行走区段的数据。检测单元50的划分单元51将行走区段数据分成若干段，再通过运算单元52将分后的数据段作为卷积核，参与行走区段数据的卷积运算，得出的结果经过预先设定的阈值进行筛选，当超过阈值时，标记单元53将对这个触发信号以及每个超过阈值触发信号的步子对应的起止时间进行标记，统计单元54统计标记的每个步子对应的起止时间，并将所有步子起止时间所对应的时长相加，以该时长总和作为真实运动时长，通过获取单元80获取真实运动时长与整个行走区段时长的比值作为可信度值，当可信度值超过预设可信度阈值时，由训练单元60将这个可信度值对应的的真实步数和数据样本按照预设模型进行训练生成新参数集，并由替换单元70将新参数集替换当前的参数集。

具体地，通过可信度值与预设可信度阈值相比较，若当前可信度值超过可信度阈值时，将当前可信度值对应的行走区段数据以及真实步数来按照计步的模型进行训练，并替换参数集，从而使更换参数集的计步器计算得到的结果在用户使用过程中越来越接近真实值，使得终端的计步器达到越用越准的效果。

参见图5，是本发明实施例三提供的一种终端的示意性框图，如图所示，该终端包括：

计步单元10，用于根据加速度数据和当前参数集计步得到当前步数；

第二判断单元90，用于判断是否达到预设训练条件；

采集单元20，用于若达到预设训练条件，获取一段历史计步时间时间内的加速度数据；

合成单元30，用于根据加速度数据生成合成加速度数据样本；

第一判断单元40，包括：

第一输出单元41，用于将加速度数据样本输出为对应时间的二维图像；

第二输出单元42，用于生成二维图像的包络线；

判定单元43，用于采用包络算法确定包络线对应表示为行走区段的数据；

检测单元50，包括：

划分单元51，用于将行走区段数据分成若干段；

运算单元52，用于将划分后的数据段作为卷积核，利用卷积核与行走区段数据进行卷积运算；

标记单元53，用于将超过阈值的触发信号进行标记；

统计单元54，用于统计标记的触发信号的个数作为真实步数；

训练单元60，用于将真实步数和真实步数对应的数据样本按照预设模型进行训练生成新参数集；

替换单元70，用于将新参数集替换为当前参数集。

具体地，终端在运行时，计步单元10通过采集到的加速度数据和终端当前的计步参数集计算出当前行走的步数。第二判断单元90对是否达到预设训练条件进行判断，如果达到训练条件，采集单元20获取一段历史计步时间内的加速度数据，由合成单元30根据加速度数据生成合成加速度数据样本。第一判断单元40的第一输出单元41将加速度数据样本输出为对应时间的二维图像，并由第二输出单元42生成二维图像的包络线，判定单元43采用包络算法确定包络线对应表示为行走区段的数据。检测单元50的划分单元51将行走区段数据分成若干段，再通过运算单元52将分后的数据段作为卷积核，利用卷积核与行走区段数据进行卷积运算，得出的结果经过预先设定的阈值进行筛选，当超过阈值时，标记单元53将对这个触发信号进行标记，统计单元54统计标记的触发信号个数作为真实步数，并由训练单元60将真实步数以及真实步数对应的数据样本按照计步的模型进行训练，生成新的参数集，并由替换单元70将新参数集替换当前的参数集。

如此，可以避免终端内的训练模块长期处于工作状态，也可避免终端在采集数据时对应的是一段无效数据，例如，在办公室上班时，手机在口袋内晃动产生的一些加速度的数据

图6为本发明的终端的实施例四的结构组成示意图。如图6所示，其可包括：至少一个输入设备101、至少一个输出设备102、总线103、收发设备104、存储器105以及处理器100，上述输入设备101、输出设备102、收发设备104、存储器105和处理器100通过总线103连接，其中：

输入设备101，用于接收外部输入终端99的输入数据。具体实现中，本发明实施例的输入设备101可包括键盘、鼠标、光电输入设备、声音输入设备、触摸式输入设备、扫描仪等。

输出设备102，用于对外输出终端的输出数据。具体实现中，本发明实施例的输出设备102可包括显示器、扬声器、打印机等。

总线103，用于与其他设备进行通讯。具体实现中，本发明实施例的总线103可是传播介质的一个实例。传播介质一般可以将计算机可读指令、数据结构、程序模块或其他调制数据信号(诸如载波或其他传送机制)形式的其他数据具体化，举例来说，传播介质可包括有线媒体、诸如优先网络或直线连接，传播介质还可包括无线介质，比如声波、射频、红外线等。具体实现中，本发明实施例的总线103可用于接收访问终端的访问请求。

收发设备104，用于通过总线103向其他设备发送数据或者从其他设备接收数据。具体实现中，本发明实施例的收发设备104可包括射频天线等收发器件。

存储器105，用于存储带有各种功能的程序数据。本发明实施例中存储器105存储的数据包括网络服务提供商可用数据和网络服务提供商不可用数据，以及其他可调用并运行的程序数据。具体实现中，本发明实施例的存储器105可以是系统存储器，比如，挥发性的(诸如RAM)，非易失性的(诸如ROM，闪存等)，或者两者的结合。具体实现中，本发明实施例的存储器105还可以是系统之外的外部存储器，比如，磁盘、光盘、磁带等。

处理器100，例如CPU，用于调用存储器105中存储的程序数据，并执行如下操作：

根据加速度数据和当前参数集计步得到当前步数；获取一段历史计步时间内的加速度数据；根据加速度数据生成合成加速度数据样本；根据预设条件判断加速度数据样本中表示为运动的行走区段数据；根据行走区段数据得出用户行走的真实步数；将真实步数和真实步数对应的数据样本按照预设模型进行训练生成新参数集；将新参数集替换当前参数集。

具体地，终端99在运行时，处理器100控制输入设备101获取加速度数据，并从中采集一段历史时间内的加速度数据，根据加速度数据生成合成加速度数据样本。处理器100将加速度数据样本输出为对应时间的二维图像，并生成二维图像的包络线，采用包络算法确定包络线对应表示为行走区段的数据。处理器100将行走区段数据分成若干段，再将分后的数据段作为卷积核，参与行走区段数据的卷积运算，得出的结果与存储器105内预先设定的阈值进行比较筛选，当超过阈值时，处理器100对这个触发信号进行标记，并统计标记的触发信号个数作为真实步数，处理器100将对应的行走区段数据以及真实步数按照计步的模型进行训练，生成新的参数集，并将新参数集替换当前的参数集。

根据加速度数据和当前参数集计步得到当前步数；获取一段历史计步时间内的加速度数据；根据加速度数据生成合成加速度数据样本；根据预设条件判断加速度数据样本中表示为运动的行走区段数据；根据行走区段数据得出用户行走的真实步数；对每个超过阈值触发信号的步子对应的起止时间进行标记；统计标记的每个步子对应的起止时间，并将所有步子起止时间所对应的时长相加，以该时长总和作为真实运动时长；获取真实运动时长与整个行走区段时长的比值作为可信度值；当可信度值超过预设可信度阈值时，将可信度值对应的真实步数和数据样本按照预设模型进行训练生成新参数集；将新参数集替换当前参数集。

具体地，终端99在运行时，处理器100控制输入设备101获取加速度数据，并从中采集一段历史时间内的加速度数据，根据加速度数据生成合成加速度数据样本。处理器100将加速度数据样本输出为对应时间的二维图像，并生成二维图像的包络线，采用包络算法确定包络线对应表示为行走区段的数据。处理器100将行走区段数据分成若干段，再将分后的数据段作为卷积核，参与行走区段数据的卷积运算，得出的结果与存储器105内预先设定的阈值进行比较筛选，当超过阈值时，处理器100对这个触发信号以及每个超过阈值触发信号的步子对应的起止时间进行标记，并统计标记的每个步子对应的起止时间，并将所有步子起止时间所对应的时长相加，以该时长总和作为真实运动时长，处理器100获取真是运动时长与输入设备101获取整体行走区段时长的比值作为可信度值，并由处理器100判断当前可信度值是否超过预设可信度阈值，若当前可信度值超过预设可信度阈值，将当前可信度值对应的行走区段数据以及真实步数按照计步的模型进行训练，生成新的参数集，并将新参数集替换当前的参数集。

判断是否达到预设训练条件；若达到预设训练条件，执行获取一段历史计步时间内的加速度数据的步骤。

具体地，处理器100在采集加速度数据样本前判断是否达到了预设训练条件，比如，判断用户当前步数是否大于存储器105内的设定值，或者采集样本对应的时间是否在存储器105内存储的预设的训练时间内，处理器100只采集在满足预设训练条件的加速度数据，并生成加速度数据样本供后续进行训练生成新的计步参数集。

在本申请所提供的几个实施例中，应该理解到，所揭露的方法，仅仅是示意性的，可以通过其它的方式实现。

需要说明的是，本发明实施例方法中的步骤可以根据实际需要进行顺序调整、合并和删减。

本发明实施例终端中的单元可以根据实际需要进行合并、划分和删减。

以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。

Claims (10)

1.一种计步方法，其特征在于，包括：

根据加速度数据和当前参数集计步得到当前步数；

获取一段历史计步时间内的加速度数据；

根据所述加速度数据生成合成加速度数据样本；

根据预设条件判断所述合成加速度数据样本中表示为运动的行走区段数据；

根据所述行走区段数据得出用户行走的真实步数；

将所述真实步数和所述真实步数对应的数据样本按照预设模型进行训练生成新参数集；

将所述新参数集替换为当前参数集。

2.根据权利要求1所述的计步方法，其特征在于，所述预设条件判断所述合成加速度数据样本中表示为运动的行走区段数据包括：

将所述加速度数据样本输出为对应时间的二维图像；

生成所述二维图像的包络线；

采用包络算法确定所述包络线对应表示为行走区段的数据。

3.根据权利要求2所述的计步方法，其特征在于，所述根据行走区段数据得出用户行走的真实步数包括：

将所述行走区段数据划分成若干段；

将划分后的数据段作为卷积核，利用卷积核与所述行走区段数据进行卷积运算；

将超过阈值的触发信号进行标记；

统计所述标记的触发信号的个数作为真实步数。

4.根据权利要求3所述的计步方法，其特征在于，所述若超过所述阈值对触发信号进行标记还包括：

对每个超过阈值触发信号的步子对应的起止时间进行标记；

统计所述标记的每个步子对应的起止时间，并将所有步子起止时间所对应的时长相加，以该时长总和作为真实运动时长；

获取所述真实运动时长与整个行走区段时长的比值作为可信度值；

当所述可信度值超过预设可信度阈值时，将可信度值对应的真实步数和数据样本按照所述预设模型进行训练生成新参数集。

5.根据权利要求1所述的计步方法，其特征在于，所述方法还包括：

判断是否达到预设训练条件；

若达到预设训练条件，执行所述获取一段历史计步时间内的加速度数据的步骤。

6.一种终端，其特征在于，包括：

计步单元，用于根据加速度数据和当前参数集计步得到当前步数；

采集单元，用于获取一段历史计步时间内的加速度数据；

合成单元，用于根据所述加速度数据生成合成加速度数据样本；

第一判断单元，用于根据预设条件判断所述合成加速度数据样本中表示为运动的行走区段数据；

检测单元，用于根据所述行走区段数据得出用户行走的真实步数；

训练单元，用于将所述真实步数和所述真实步数对应的数据样本按照预设模型进行训练生成新参数集；

替换单元，用于将所述新参数集替换为当前参数集。

7.根据权利要求6所述的终端，其特征在于，所述第一判断单元用于根据预设条件判断所述合成加速度数据样本中表示为运动的行走区段数据包括:

第一输出单元，用于将所述加速度数据样本输出为对应时间的二维图像；

第二输出单元，用于生成所述二维图像的包络线；

判定单元，用于采用包络算法确定所述包络线对应表示为行走区段的数据。

8.根据权利要求7所述的终端，其特征在于，所述检测单元用于根据所述行走区段数据得出用户行走的真实步数包括：

划分单元，用于将所述行走区段数据划分成若干段；

运算单元，用于将划分后的数据段作为卷积核，利用卷积核与所述行走区段数据进行卷积运算；

标记单元，用于将超过阈值的触发信号进行标记；

统计单元，用于统计所述标记的触发信号的个数作为真实步数。

9.根据权利要求8所述的终端，其特征在于，所述标记单元还用于对每个超过阈值触发信号的步子对应的起止时间进行标记；

所述统计单元还用于统计所述标记的每个步子对应的起止时间，并将所有步子起止时间所对应的时长相加，以该时长总和作为真实运动时长；

获取单元，获取所述真实运动时长与整个行走区段时长的比值作为可信度值；

所述训练单元还用于当所述可信度值超过预设可信度阈值时，将可信度值对应的真实步数和数据样本按照所述预设模型进行训练生成新参数集。

10.根据权利要求6所述的终端，其特征在于，所述终端还包括：

第二判断单元，用于判断是否达到预设训练条件；

若达到预设训练条件，执行所述获取一段历史计步时间内的加速度数据的步骤。