CN107096204B - 运动数据统计方法及装置 - Google Patents

Abstract

本发明提供了一种运动数据统计方法及装置，其中，运动数据统计方法包括：在确定当前状态为需要进行运动数据匹配的设定状态下，接收第一运动数据；将第一运动数据与本地存储的第二运动数据进行运动特征比较，确定匹配度；根据匹配度结果确定匹配度最高的第一运动数据和第二运动数据；并根据所述匹配度最高的第一运动数据和第二运动数据进行运动数据统计。通过本发明，解决了目前无法有效记录球类运动中的运动数据，便于为后续的运动训练提供参考和依据的问题。

Description

运动数据统计方法及装置

技术领域

本发明涉及智能设备，具体涉及一种用于篮球运动的运动数据统计方法及装置。

背景技术

篮球运动是世界上最广泛的体育运动之一，业余爱好者的日常练习、篮球俱乐部或专业球队的平时训练和比赛，都希望能够记录下球员的运动信息，以为后续运动提供参考依据。

随着智能设备技术的发展，篮球运动中也逐渐引入了该技术。例如，公开号为CN104043237A的专利申请公开了一种篮球投篮判定系统，供篮筐和包括处理单元、存储器和输出设备的便携式电子设备使用，该系统包括篮球、由该篮球携带的多个传感器，以及非暂态计算机可读介质。该介质包含代码以指挥处理器获得向着篮筐的篮球投篮的多个属性。该多个属性由多个传感器所感测或者从由该多个传感器的信号输出所导出。该代码还指挥该处理器通过该投篮的多个属性与进篮的一个或多个预定标记特征相比较来判定该投篮是否是进篮，以及基于该投篮是否是进篮的判定向人员呈现输出。

然而，该技术只能记录篮球的状态信息，而且只能记录单人运动信息，无法在多人运动时有效记录多个球员的有效成绩。

发明内容

本发明的目的是提供一种用于篮球运动的运动数据统计方法及装置，以解决目前无法在多人运动时有效记录多个球员的有效成绩的问题。

依据本发明的一个方面，提供了一种运动数据统计方法，包括：

在确定当前状态为需要进行运动数据匹配的设定状态下，接收第一运动数据，其中，所述第一运动数据为通过设置于运动物体内的传感器获得的运动物体运动数据，或者，为通过多个设置于智能穿戴设备内的传感器获得的多个穿戴者的穿戴者运动数据；

将所述第一运动数据与本地存储的第二运动数据进行运动特征比较，确定匹配度，其中，当所述第一运动数据为运动物体运动数据时，所述第二运动数据为多个穿戴者的穿戴者运动数据；当所述第一运动数据为多个穿戴者的穿戴者运动数据时，所述第二运动数据为所述运动物体运动数据；

根据匹配度结果确定匹配度最高的第一运动数据和第二运动数据；并根据所述匹配度最高的第一运动数据和第二运动数据进行运动数据统计。

依据本发明的另一个方面，提供了一种运动数据统计装置，包括：

接收模块，用于在确定当前状态为需要进行运动数据匹配的设定状态下，接收第一运动数据，其中，所述第一运动数据为通过设置于运动物体内的传感器获得的运动物体运动数据，或者，为通过多个设置于智能穿戴设备内的传感器获得的多个穿戴者的穿戴者运动数据；

比较模块，用于将所述第一运动数据与本地存储的第二运动数据进行运动特征比较，确定匹配度，其中，当所述第一运动数据为运动物体运动数据时，所述第二运动数据为多个穿戴者的穿戴者运动数据；当所述第一运动数据为多个穿戴者的穿戴者运动数据时，所述第二运动数据为所述运动物体运动数据；

统计模块，用于根据匹配度结果确定匹配度最高的第一运动数据和第二运动数据；并根据所述匹配度最高的第一运动数据和第二运动数据进行运动数据统计。

通过本发明的方案，在运动物体和多个智能穿戴设备中均设置有传感器，以及时收集运动物体的运动数据和智能穿戴设备的多个穿戴者的运动数据；通过二者运动数据的比较确定运动动作的发出者及其对应的运动数据；通过对该运动数据的统计可以在多人运动时获取多个运动员的运动特征，有效记录多个球员的有效成绩，进而为后续的运动训练提供参考和依据。以篮球运动为例，在篮球和多个篮球运动员佩带的智能腕带中设置相应的传感器，收集篮球的当前运动数据和多个篮球运动员的当前运动数据，进而通过比较确定该篮球动作的当前发出者，统计其在该场运动中的运动数据，以获取其运动特征，如得分、篮板、助攻、抢断、盖帽、命中率等，进而可以根据该运动特征对该运动员进行有针对性的训练。可见，通过本发明的方案，解决了目前无法在多人运动时有效记录多个球员的有效成绩的问题。

附图说明

图1是根据本发明实施例一的一种运动数据统计方法的步骤流程图；

图2是根据本发明实施例二的一种运动数据统计方法的步骤流程图；

图3是根据本发明实施例三的一种运动数据统计方法的步骤流程图；

图4是一种篮球飞行过程中，篮球的加速度的变化的实例的示意图；

图5是一种篮球持球过程中，篮球的加速度的变化的实例的示意图；

图6是一种篮球运球过程中，篮球的加速度的变化的实例的示意图；

图7是一种篮球投篮过程中，篮球的角速度的变化的实例的示意图；

图8是一种篮球传球过程中，篮球的加速度的变化的实例的示意图；

图9是一种篮球投篮进球过程中，篮球的加速度的变化的实例的示意图；

图10是一种运球过程中，腕带的角速度的变化的实例的示意图；

图11是一种运球过程中，腕带的俯仰角的变化的实例的示意图；

图12是一种投篮过程中，腕带的角速度的变化的实例的示意图；

图13是一种投篮过程中，腕带的俯仰角的变化的实例的示意图；

图14是根据本发明实施例四的一种运动数据统计方法的步骤流程图；

图15是根据本发明实施例五的一种运动数据统计装置的结构框图；

图16是根据本发明实施例六的一种运动数据统计装置的结构框图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚。下面将对本发明的技术方案进行清楚完整的描述，显然所描述的实施例是本发明的一部分实施例，而不是全部实施例。基于本发明的实施例，本领域的普通技术人员在没有作出创造性劳动的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。

实施例一

参照图1，示出了根据本发明实施例一的一种运动数据统计方法的步骤流程图。

本实施例的运动数据统计方法包括以下步骤：

步骤S101：在确定当前状态为需要进行运动数据匹配的设定状态下，接收第一运动数据。

其中，第一运动数据为通过设置于运动物体内的传感器获得的运动物体运动数据，或者，为通过多个设置于智能穿戴设备内的传感器获得的多个穿戴者的穿戴者运动数据。本申请中，“多个”意指二个或者二个以上的数量。

可以为运动数据统计方案设定触发条件，如，需要进行运动数据匹配的设定状态。该设定状态可以由本领域技术人员根据实际需求适当设置，如接收到一定指令开启设定状态，再如运动物体处于一定的运行状态如保持状态、投射状态等，又如设定状态也可以默认是实时等。

第一运动数据为运动物体运动数据还是穿戴者运动数据取决于本实施例的运动数据统计方法的实施方，若该实施方为智能穿戴设备方，则第一运动数据为运动物体运动数据；若该实施方为运动物体方，则第一运动数据为穿戴者运动数据。

步骤S102：将第一运动数据与本地存储的第二运动数据进行运动特征比较，确定匹配度。

其中，匹配度指示第一运动数据与第二运动数据的可匹配程度。当第一运动数据为运动物体运动数据时，第二运动数据为多个穿戴者的穿戴者运动数据；当第一运动数据为多个穿戴者的穿戴者运动数据时，第二运动数据为所述运动物体运动数据。

步骤S103：根据匹配度结果确定匹配度最高的第一运动数据和第二运动数据；并根据匹配度最高的第一运动数据和第二运动数据进行运动数据统计。

通过本实施例，在运动物体和多个智能穿戴设备中均设置有传感器，以及时收集运动物体的运动数据和智能穿戴设备的多个穿戴者的运动数据；通过二者运动数据的比较确定运动动作的发出者及其对应的运动数据；通过对该运动数据的统计可以在多人运动时获取多个运动员的运动特征，有效记录多个球员的有效成绩，进而为后续的运动训练提供参考和依据。以篮球运动为例，在篮球和多个篮球运动员佩带的智能腕带中设置相应的传感器，收集篮球的当前运动数据和多个篮球运动员的当前运动数据，进而通过比较确定该篮球动作的当前发出者，统计其在该场运动中的运动数据，以获取其运动特征，如得分、篮板、助攻、抢断、盖帽、命中率等，进而可以根据该运动特征对该运动员进行有针对性的训练。可见，通过本实施例，解决了目前无法在多人运动时有效记录多个球员的有效成绩的问题。

实施例二

参照图2，示出了根据本发明实施例二的一种运动数据统计方法的步骤流程图。

本实施例的运动数据统计方法包括：

步骤S201：检测当前状态，并确定当前状态是否为需要进行运动数据匹配的设定状态。

当前状态的检测可以实时进行，也可以每间隔一定时间进行，还可以在运动数据变化满足一定条件时进行，可以通过运动数据确定当前状态。

可选地，本实施例中，需要进行运动数据匹配的设定状态包括：保持状态、运行状态、或投射状态。保持状态、运行状态、或投射状态具有较明显的运动状态标识作用，其中，保持状态用于指示运动物体处于智能穿戴设备的穿戴者所控制的状态，如篮球或足球的持球状态；运行状态用于指示运动物体处于脱离智能穿戴设备的穿戴者的控制的状态，如篮球或足球的运球状态；投射状态用于指示运动物体处于被智能穿戴设备的穿戴者进行投射的状态，如篮球的投篮状态或足球的射门状态。

步骤S202：在确定当前状态为需要进行运动数据匹配的设定状态下，接收第一运动数据。

其中，第一运动数据为通过设置于运动物体内的传感器获得的运动物体运动数据，或者，为通过多个设置于智能穿戴设备内的传感器获得的多个穿戴者的穿戴者运动数据。

优选地，第一运动数据与第二运动数据均包括以下至少之一：保持数据、运行数据、和投射数据。即：当第一运动数据包括保持数据、和/或运行数据、和/或投射数据时，相对应地，第二运动数据包括相应的保持数据、和/或运行数据、和/或投射数据。

其中，

保持数据包括：运动物体的加速度平均值、运动物体的加速度最大值、运动物体的加速度最小值、运动物体的加速度波峰时间、智能穿戴设备的加速度平均值、智能穿戴设备的加速度最大值、智能穿戴设备的加速度最小值、和智能穿戴设备的加速度波峰时间。即，当第一运动数据包括运动物体的加速度平均值、运动物体的加速度最大值、运动物体的加速度最小值、和运动物体的加速度波峰时间时，相对应地，第二运动数据包括智能穿戴设备的加速度平均值、智能穿戴设备的加速度最大值、智能穿戴设备的加速度最小值、和智能穿戴设备的加速度波峰时间。或者反之。

运行数据包括：运动物体的动作时刻和动作次数、智能穿戴设备的动作时刻和动作次数。即：当第一运动数据包括运动物体的动作时刻和动作次数时，第二运动数据包括智能穿戴设备的动作时刻和动作次数。或者反之。

投射数据包括：运动物体的加速度平均值、运动物体的加速度最大值、运动物体的加速度最小值、运动物体的投射时间、智能穿戴设备的加速度平均值、智能穿戴设备的加速度最大值、智能穿戴设备的加速度最小值、和智能穿戴设备的投射时间。即：当第一运动数据包括动物体的加速度平均值、运动物体的加速度最大值、运动物体的加速度最小值、和运动物体的投射时间时，第二运动数据包括：智能穿戴设备的加速度平均值、智能穿戴设备的加速度最大值、智能穿戴设备的加速度最小值、和智能穿戴设备的投射时间。或者反之。

步骤S203：将第一运动数据与本地存储的第二运动数据进行运动特征比较，确定匹配度。其中，当第一运动数据为运动物体运动数据时，第二运动数据为多个穿戴者的穿戴者运动数据；当第一运动数据为多个穿戴者的穿戴者运动数据时，第二运动数据为运动物体运动数据。

该步骤具体包括：

分别将运动物体的加速度平均值、运动物体的加速度最大值、运动物体的加速度最小值、和运动物体的加速度波峰时间，与对应的智能穿戴设备的加速度平均值、智能穿戴设备的加速度最大值、智能穿戴设备的加速度最小值、和智能穿戴设备的加速度波峰时间进行比较；根据各个比较结果确定第一运动数据和第二运动数据的匹配度；

和/或，

分别将运动物体的动作时刻和动作次数，与对应的智能穿戴设备的动作时刻和动作次数进行比较；根据各个比较结果确定第一运动数据和第二运动数据的匹配度；

和/或，

分别将动物体的加速度平均值、运动物体的加速度最大值、运动物体的加速度最小值、运动物体的投射时间，与对应的智能穿戴设备的加速度平均值、智能穿戴设备的加速度最大值、智能穿戴设备的加速度最小值、和智能穿戴设备的投射时间进行比较；根据各个比较结果确定第一运动数据和第二运动数据的匹配度。

步骤S204：根据匹配度结果确定匹配度最高的第一运动数据和第二运动数据；并根据匹配度最高的第一运动数据和第二运动数据进行运动数据统计。

需要说明的是，当第一运动数据为运动物体运动数据，第二运动数据为多个穿戴者的穿戴者运动数据时，智能穿戴设备将第一运动数据与本地存储的第二运动数据进行运动特征比较，确定匹配度；根据匹配度结果确定匹配度最高的第一运动数据和第二运动数据，包括：将第一运动数据与本地存储的第二运动数据进行运动特征比较，获得第一运动数据与所述第二运动数据的匹配度，并确定获得的匹配度是否满足设定匹配度；若是，则将第二运动数据及其对应的智能穿戴设备的标识发送给运动物体，由运动物体确定匹配度最高的第一运动数据和第二运动数据。在大多数球类运动中，通常球类与运动员的比例为1：N，也即，有1个运动物体和N个穿戴设备，在此情况下，由运动物体获取匹配度，进而确定匹配度最高的第一运动数据和第二运动数据，大大提高了数据处理效率和速度。

当第一运动数据为多个穿戴者的穿戴者运动数据，第二运动数据为运动物体运动数据时，运动物体将第一运动数据与本地存储的第二运动数据进行运动特征比较，确定匹配度；根据匹配度结果确定匹配度最高的第一运动数据和第二运动数据。具体包括：运动物体将接收的第一运动数据与运动物体本地存储的第二运动数据进行运动特征比较，获得多个匹配度；从多个匹配度中确定匹配度最高的第一运动数据和第二运动数据。通过该种方式，可以减少数据传输和交互，减轻数据传输负担。

在根据匹配度最高的第一运动数据和第二运动数据进行运动数据统计时，可以根据匹配度最高的第一运动数据和第二运动数据，获得运动特征数据(如，得分、篮板、助攻、抢断、盖帽、命中率等)；对运动特征数据进行统计并发送给运动物体和智能穿戴设备，并通过运动物体和智能穿戴设备上传至移动终端。通过将数据上传至移动终端，可以进行数据的共享和显示。

通过本实施例，在运动物体和多个智能穿戴设备中均设置有传感器，以及时收集运动物体的运动数据和智能穿戴设备的多个穿戴者的运动数据；通过二者运动数据的比较确定运动动作的发出者及其对应的运动数据；通过对该运动数据的统计可以在多人运动时获取多个运动员的运动特征，有效记录多个球员的有效成绩，进而为后续的运动训练提供参考和依据。可见，通过本实施例，解决了目前无法在多人运动时有效记录多个球员的有效成绩的问题。

以下，以篮球运动为例，对本发明的运动数据统计方案进行说明。但本领域技术人员应当明了，实施例三和实施例四所示实施例的原理和特点也可适用于其它类似运动中，如，足球、排球、棒球、垒球、橄榄球、曲棍球、高尔夫球、网球、羽毛球、乒乓球等。

参照图3，示出了根据本发明实施例三的一种运动数据统计方法的步骤流程图。

本实施例中，以运动物体为篮球，智能穿戴设备为腕带为例。在篮球和智能穿戴设备中设置有进行相应数据处理的装置，如微处理器或微芯片等，为便于描述，本申请中均以芯片为例。其中，设置于篮球中的篮球芯片用于识别篮球的状态，如飞行、持球、投篮、抢篮板、进球、传球、助攻等；设置于腕带中的腕带芯片用于识别球员手臂的状态，如运球、投篮、持球等。篮球芯片和腕带芯片可以择一设置模式匹配功能，以将篮球状态与球员腕带状态进行匹配，找到造成每个篮球状态的球员，分别统计单个球员的数据(如得分、命中率、篮板等等)。当然，篮球芯片和腕带芯片也可以同时设置模式匹配功能，在同一时刻一方处于激活状态，另一方处于非激活状态，也可以在需要时进行激活状态转换。

此外，篮球中还设置有篮球传感器，其为封装在篮球内部的传感器，可以包括：三轴加速度传感器、和三轴陀螺仪传感器。其中，三轴加速度传感器可以采集篮球在三维坐标系下的加速度，三轴陀螺仪传感器可以采集篮球在三维坐标系下的旋转角速度。当然，在需要时，本领域技术人员还可以设置其它传感器，如三轴磁力计、压力计等，三轴磁力计可以采集篮球在三维坐标系下的磁场强度，压力计可以采集篮球受到的气压大小。

智能腕带为装配在球员身上的可穿戴设备，智能腕带中设置有球员传感器，包括：三轴加速度传感器和三轴陀螺仪传感器。其中，三轴加速度传感器可以采集腕带在三维坐标系下的加速度，三轴陀螺仪传感器可以采集腕带在三维坐标系下的旋转角速度。可选地，本领域技术人员还可以根据实际需要设置其它装置，如采集腕带在三维坐标系下的磁场强度的三轴磁力计，采集腕带受到的气压大小的压力计，通过震动来提示球员特定的技术统计结果的震动器，显示球员的技术统计结果的显示屏幕，以及通过发出蜂鸣声来提示球员特定的技术统计结果的蜂鸣器等。本发明实施例对此不作限制。

基于此，本实施例的运动数据统计方法包括：

步骤S301：篮球芯片和腕带芯片分别对应识别篮球和球员的运动状态。

本实施例中，篮球的运动状态包括：飞行、持球、运球、投篮、传球、进球、投篮不进、助攻、和篮板球。

以下，对篮球运动中的运动状态识别进行说明。

(1)飞行状态

检测篮球的飞行状态是整个方案的基础，只有知道了篮球是否飞行，才有可能识别出投篮、传球、运球等。检测篮球的飞行状态时，可以提取篮球飞行过程中的至少一个特征，例如：篮球在飞行时做自由落体运动、并匀速旋转的特征数据。

篮球在飞行过程中，保持匀速旋转，其传感器采集的加速度保持不变。假设a(t)为三轴加速度传感器传感器在t时刻记录篮球的加速度，在一段不短于T(fly)时间的范围内，若加速度变化量小于一定值，即|a(t)-a(t-1)|<M，判定篮球为“飞行”状态。优选地，0.2s<T(fly)<2.0s，0.1g<M<0.3g。其中，s表示“秒”，g为加速度单位，1g约等于9.8m/s^2。

图4示出了一种篮球飞行过程中，篮球的加速度的变化的实例的示意图。从图中可见：

当t<396.5s时：篮球在人的手中，加速度上下波动；

当396.5s<t<396.9s时：球在空中飞行，球体匀速旋转，篮球的加速度保持恒定不变；

当t>397s时:篮球碰到东西，停止飞行，加速度出现尖峰。

其中，t表示时间，s表示“秒”。

(2)持球状态

篮球运动中的传球其实就是由“持球->飞行->持球”交替变化而成，因此，对持球状态的检测是基础且重要的检测。假设a(t)为三轴加速度传感器传感器在t时刻记录篮球的加速度，若在一段不短于T(hold)时间的范围内，篮球的三轴加速度传感器采集到的加速度的变化量大于一定值，即|a(t)-a(t-1)|>M，判定篮球为“持球”状态。优选地，T(hold)>0.2s，M>0.3g。其中，s表示“秒”，g为加速度单位，1g约等于9.8m/s^2。

图5示出了一种篮球持球过程中，篮球的加速度的变化的实例的示意图。从图中可见：

当t<395.7s时：篮球在飞行，尚未被人拿住；

当395.7s<t<396.5s时：持球中，篮球的加速度不稳定，且较为平滑地变化；

当t>396.5s时：篮球离开手，进入飞行状态。

其中，t表示时间，s表示“秒”。

(3)运球状态

当篮球按顺序连续出现下列状态时，判定篮球为运球状态：一段“持球”状态，且该持球状态的时间短于T1；一段“飞行”状态，且该飞行状态的时间短于T2；一段“撞击”状态(短暂的加速度尖峰，如图6中所示)，且该撞击状态的时间短于T3；一段“飞行”状态，且该飞行状态的时间短于T4；一段“持球”状态，且该持球状态的时间短于T5。优选地，0.1s<T1<1.0s，0.1s<T2<1.0s，0s<T3<0.2s，0.1s<T4<1.0s，0.1s<T5<1.0s。其中，s表示“秒”。

当篮球状态出现如下规律：持球＝>飞行＝>撞地＝>飞行＝>持球，并重复多次时，可判定为运球状态。图6示出了一种篮球运球过程中，篮球的加速度的变化的实例的示意图。从图中可见：

t<0.3s：持球，加速度不稳定；

0.3s<t<0.41s：飞行，加速度恒定；

0.41s<t<4.9s：弹地，加速度出现尖峰；

4.9s<t<5.6s：飞行，加速度恒定；

t>5.6s：持球，加速度不稳定。

其中，t表示时间，s表示“秒”。

利用运球中的特征数据，可以计算运球的频率、力度，对训练很有帮助。

(4)投篮状态

当篮球的陀螺仪采集的角速度连续出现下列特征时，判定篮球为投篮状态：

球员将篮球举起，陀螺仪采集的角速度出现“先增大，后减小”的特征，其波峰峰值至少大于W1，且该过程结束时篮球几乎静止，模块角速度应小于W2；球员将篮球投出，陀螺仪采集的角速度上升；篮球飞向篮圈，进入“飞行”状态。其中，200deg/s<W1<400deg/s，50deg/s<W2<180deg/s，deg/s为角速度的单位(度每秒)。

对投篮动作进行分解，可发现投篮动作可以分为三个步骤：

第一步：把球举起到最高点；

第二步：将球扔出，可在此步骤获得该过程的一个特征；

第三步：篮球飞向篮筐。

图7示出了一种篮球投篮过程中，篮球的角速度的变化的实例的示意图。从图中可见：

当326.8s<t<327.5s时：运动员把球举过头顶：篮球先是一个加速旋转，而后减速旋转，最后停留在头顶；

当327.5s<t<327.7s时：将球投出；

当t>327.7s时：篮球飞向篮筐，进入“飞行”状态。

其中，t表示时间，s表示“秒”。

(5)传球状态

当篮球的加速度连续出现下列特征时，判定篮球为传球状态：一段“持球”状态；一段“飞行”状态；一段“持球”状态。

传球时，篮球的运动过程为“持球->飞行->接球”。图8示出了一种篮球传球过程中，篮球的加速度的变化的实例的示意图。从图中可见：

当t<107.1s时：持球，加速度不稳定；

当107.1s<t<107.8s时：飞行，加速度恒定；

当t>107.8s时：接球，加速度不稳定。

其中，t表示时间，s表示“秒”。

(6)进球状态

当篮球的加速度连续出现下列特征时，判定篮球为进球状态：一段“飞行”状态；加速度连续波动，|a(t)-a(t-1)|>A，且持续时间T在一定范围内，即T(min)<T<T(max)；一段飞行状态。优选地，0.2g<A<10g，0.01s<T(min)<0.1s，0.1s<T(max)<0.4s。其中，g为加速度单位，1g约等于9.8m/s^2，s表示“秒”。

篮球进球需要通过篮网，通过捕捉篮球与篮网相互作用的特征数据，可以识别出投篮进球与否。图9示出了一种篮球投篮进球过程中，篮球的加速度的变化的实例的示意图。从图中可见：

当t<393s时：持球过程；

当393s<t<394s时：篮球离开手，飞向篮圈，为“飞行”状态；

当394s<t<394.2s时：篮球与篮筐、篮网相互作用；

当t>394.2s时：篮球飞离篮圈。

其中，t表示时间，s表示“秒”。

(7)投篮不进状态

当篮球检测到以下状态时，判定为投篮不进：投篮状态；未出现投篮“进球”的状态。

(8)助攻状态

助攻是一种特殊的“传球”，其本质特征和传球一样，不同之处是，若传球的接球人在接球后快速出手进球，则输送传球的球员成功进行了一次助攻。

当篮球先出现传球状态，再出现进球状态时，则判定一次助攻。具体来说，篮球连续出现以下几种状态：球员A持球；球员A将球传给球员B；球员B投篮；球员B进球。

(9)篮板球状态

篮板球指的是在一次投篮不中后，由某名球友抢下飞离篮圈的篮球。当篮球识别出一次“投篮不进”的状态后，若篮球被球员接住，则产生一次篮板球。

当篮球连续出现以下几种状态时，则判定篮球处于篮板球状态：投篮状态；投篮不进状态；持球状态。

需要说明的是，通过上述状态和数据，还可以确定投篮位置。

当识别到“投篮”状态后，篮球还可以识别出球员投篮的位置，需要三个条件：篮球飞行速度；篮球飞行时间；投篮的角度。

首先通过篮球飞行速度与飞行时间相乘，乘积即为投篮点距离篮圈的距离；然后计算投篮时篮球在水平面上x轴方向加速度和y轴方向加速度的反正切值，即为投篮的角度；最后通过投篮距离和投篮角度可以唯一确定投篮位置。可见，通过篮球飞行速度和时间测算投篮点距离篮圈的距离，再加上投篮的角度，即可以唯一确定投篮的位置。

本实施例中，腕带的运动状态包括：运球和投篮。

以下，对腕带(球员)运动中的运动状态识别进行说明。

(1)运球状态

篮球运动中，运球是重要动作，球员运球的特征(运球频率、力度)是后续篮球和球员的运动数据匹配的基础。

当腕带出现以下规律时，判定为运球状态：腕带的陀螺仪采集的角速度呈正负交替关系，波峰代表了向下拍球，波谷代表了篮球反弹后回到手中，抬手上升的过程；腕带的俯仰角：手臂上下摆动，对应俯仰角变化幅度约为90度。

图10示出了一种运球过程中，腕带的角速度的变化的实例的示意图，图中横坐标表示时间，纵坐标表示角速度。图11示出了一种运球过程中，腕带的俯仰角的变化的实例的示意图，图中横坐标表示时间，纵坐标表示角度。

(2)投篮状态

投篮过程中，腕带的角速度和俯仰角呈现规律变化。当腕带出现以下规律时，判定为投篮状态：角速度w<0，且维持一段不短于T1的时间；角速度w由负变正，且维持一段不短于T2的时间；在角速度由负变正的临界点上，腕带的旋转角应处于一定范围内，即roll(min)<roll<roll(max)。优选地，0.2s<T1<0.8s，0s<T2<0.2s，-80度<roll<0度。

需要说明的是，这里的正负关系与智能穿戴设备的佩戴方向有关，在与上述相反方向的佩戴方式下，正负关系取反，则：当腕带出现以下规律时，判定为投篮状态：角速度w>0，且维持一段不短于T1的时间；角速度w由正变负，且维持一段不短于T2的时间；在角速度由正变负的临界点上，腕带的旋转角应处于一定范围内，即roll(min)<roll<roll(max)。优选地，0.2s<T1<0.8s，0s<T2<0.2s，0度<roll<80度。

图12示出了一种投篮过程中，腕带的角速度的变化的实例的示意图，图中横坐标表示时间，纵坐标表示角速度。图13示出了一种投篮过程中，腕带的俯仰角的变化的实例的示意图，图中横坐标表示时间，纵坐标表示角度。从图中可见：

当336.8s<t<337.5s时：抬手过程，角速度<0，俯仰角上升；

当t>337.5s时：出手过程，角速度>0。

其中，t表示时间，s表示“秒”。

步骤S302：篮球芯片判断当前运动状态是否为需要进行运动数据匹配的设定状态；若是，则执行步骤S303；若否，则返回步骤S301。

当篮球芯片检测到自身正处于设定状态(包括投篮、运球、持球三者中的任何一个状态)时，自动开启“搜索模式”，寻找与该状态匹配的腕带。例如：当篮球检测到自身处于“投篮”状态，篮球将寻找与之匹配的“投篮人”，并更新该“投篮人”的数据记录，如投篮数、命中率等。

步骤S303：篮球芯片与所有腕带芯片建立蓝牙通信，并将运动数据发送到各个腕带芯片。

本实施例中，篮球芯片与腕带芯片之间采用蓝牙通讯方式。篮球作为系统中心，可以与多个腕带之间双向通信。

如前述运动状态说明中所述，当篮球处于不同的状态，其向腕带发送的运动数据也不相同。

步骤S304：腕带芯片将收到的运动数据与自身运动数据进行匹配，匹配成功的与篮球芯片建立蓝牙通信将匹配结果发给篮球芯片。

当篮球开启“搜索模式”后，篮球向所有腕带发送自身状态的某些运动数据，例如加速度、角速度等等，腕带接收到这些运动数据后，将这些运动数据与自身的运动数据进行匹配，判断自身运动数据和篮球运动数据是否吻合，并将结果反馈给篮球，反馈的数据中携带有腕带自身的标识，以便篮球对不同腕带的数据进行区分。

当篮球处于持球状态时，为了识别出当前的“持球人”，除了分别对篮球芯片、腕带芯片获取的运动数据进行独立分析外，还需要对两个芯片的运动数据进行匹配。例如，可以根据以下数据特征来判定一段时间范围内(T1,T2)的持球球员：篮球和腕带芯片的加速度平均值a_mean(ball),a_mean(wrist)；篮球和腕带芯片的加速度最大值a_max(ball),a_max(wrist)；篮球和腕带芯片的加速度最小值a_min(ball),a_min(wrist)；篮球芯片和腕带芯片的波峰时间T_peak(ball),T_peak(wrist)。其中，涉及“ball”的意指篮球数据，涉及“wrist”的意指腕带数据。若篮球和腕带芯片的以上数据特征具备一定匹配度，则判定佩戴该腕带的球员为持球球员。

例如，如果同时满足以下四个条件：|a_mean(ball)-a_mean(wrist)|<A1；|a_max(ball)-a_max(wrist)|<A2；|a_min(ball)-a_min(wrist)|<A3；|T_peak(ball)-T_peak(wrist)|<A4；则认为篮球芯片和腕带芯片的数据匹配。其中，A1为1.5g，优选为1.0g，再优选为0.5g；A2为2.0g，优选为1.2g，再优选为0.6g；A3为2.0g，优选为1.2g，再优选为0.6g；A4为0.8s，优选为0.5s，再优选为0.3s。“||“表示绝对值，g为加速度单位，1g约等于9.8m/s^2，s表示“秒”。

当篮球处于运球状态或者当腕带处于运球状态时，篮球和腕带上下运动的规律应吻合，可以根据以下数据特征来判定一段时间范围内(T1,T2)的运球球员：(T1,T2)时间内，记录篮球芯片和腕带芯片获得的每次拍球的时刻Ti_ball,Ti_wirst,其中i＝1，2，…N，N是N_ball,N_wrist的较小者；(T1,T2)时间内，记录篮球芯片和腕带芯片获得的拍球次数N_ball,N_wrist。如果同时满足以下两个条件，则认为腕带佩戴者正在运球：|N_ball-N_wrist|<N1，Sum(|Ti_ball–Ti_wrist|)<N2。

其中，Sum(|Ti_ball–Ti_wrist|)表示：|T1_ball–T1_wrist|+|T2_ball–T2_wrist|+…+|TN_ball–TN_wrist|，N1为5，优选为3；N2为10s，优选为5s。其中，上述涉及“ball”的意指篮球数据，涉及“wrist”的意指腕带数据，s表示“秒”。

当篮球处于运球状态或者当腕带处于投篮状态时，因投篮过程中，篮球从未离开过球员的人手。篮球芯片和腕带芯片获得的运动数据的运动规律应严格匹配。在投篮动作对应的时间段内，可以根据以下数据特征来判定投篮球员：篮球芯片和腕带芯片的加速度平均值a_mean(ball),a_mean(wrist)；篮球芯片和腕带芯片的加速度最大值a_max(ball),a_max(wrist)；篮球芯片和腕带芯片的加速度最小值a_min(ball),a_min(wrist)；篮球芯片和腕带芯片抬手的时间T_up(ball),T_up(wrist)。其中，上述涉及“ball”的意指篮球数据，涉及“wrist”的意指腕带数据。

若篮球芯片和腕带芯片的以上数据特征具备一定匹配度，则判定佩戴该腕带的球员为投篮球员。例如，若|a_mean(ball)-a_mean(wrist)|<A1；|a_max(ball)-a_max(wrist)|<A2；|a_min(ball)-a_min(wrist)|<A3；T_up(ball)-T_up(wrist)|<A4；则认为篮球芯片和腕带芯片的数据匹配。其中：A1为1.5g，优选为1.0g，再优选为0.5g g；A2为2.0g，优选1.2g，再优选0.6g；A3为2.0g，优选1.2g，再优选0.6g；A4为0.8s，优选0.5s，再优选0.3s。“||“表示绝对值，g为加速度单位，1g约等于9.8m/s^2，s表示“秒”。

步骤S305：篮球芯片从收到的一个或多个匹配腕带中筛选出最佳匹配腕带。

步骤S306：篮球芯片与移动终端间建立蓝牙通信，将运动特征数据及匹配结果发送到移动终端。

其中，运动特征数据可以是对运动数据进行处理和统计后的结果，如投篮数、篮板数、助攻数、命中率等。

本实施例中，移动终端为手机，一个篮球可与多个手机之间进行通讯。篮球将场上的数据通过蓝牙传输给手机，并在手机上显示。其中，篮球传输给手机的数据可以包括：每个腕带对应的投篮数、篮板数、助攻数、命中率、每次投篮的投篮位置等。

此外，篮球除了传输数据外，还有存储的功能，当篮球在附近搜索不到手机时，会将数据存储在篮球本地，待重新找到手机后将未传输的数据一并传输给手机。

步骤S307：移动终端通过移动网络将收到的运动状态数据上传至云端。

移动终端之间可以通过云端共享数据，即使有某个球员打球时没带移动终端如手机，他的数据也可通过其他人的移动终端传到云端，并同步到自己的移动终端。

步骤S308：云端进行下一步的处理。

该处理包括但不限于：数据存储，对每个球员的运动特征数据进行统计和分析，对整体球员的运动特征数据进行统计和分析，按照设定模型给出训练建议等，本发明对此不作限制。

通过本实施例，不仅可以为场上每位运动员提供技术统计服务，还可以辅助运动员科学训练、提高竞技水平，也可以记录下运动员日常运动信息，提高身体素质。并且，通过电子设备获取大量人工无法获得的运动数据，节省人力成本；进一步地，通过互联网平台，来自世界各地的运动爱好者能够在互联网上分享运动体验，对比运动数据，提高使用体验。

实施例四

参照图14，示出了根据本发明实施例四的一种运动数据统计方法的步骤流程图。

本实施例仍基于实施例三中的篮球和腕带，以及篮球和腕带的各个运动状态的说明。

本实施例的运动数据统计方法包括以下步骤：

步骤S401：篮球芯片和腕带芯片分别对应识别篮球和球员的运动状态。

本实施例中，篮球的运动状态包括：飞行、持球、运球、投篮、传球、进球、投篮不进、助攻、和篮板球；腕带的运动状态包括：运球和投篮。各运动状态的具体说明如实施例三中所述。

步骤S402：腕带芯片判断当前运动状态是否为需要进行运动数据匹配的设定状态；若是，则执行步骤S403；若否，则返回步骤S401。

其中，设定状态包括投篮状态或者运球状态。

步骤S403：腕带芯片与篮球芯片建立蓝牙通信，并将运动数据发送到篮球芯片。

当腕带处于不同的状态，其向篮球发送的运动数据也不相同。

步骤S404：篮球芯片对收到的一个或多个腕带芯片的运动数据依次与自身运动数据进行匹配，筛选出最优匹配腕带。

其中，篮球芯片对收到的一个或多个腕带芯片的运动数据依次与自身运动数据进行匹配可参照实施例三中步骤S304中所述的匹配过程，在此不再赘述。

步骤S405：篮球芯片与移动终端间建立蓝牙通信，将运动特征数据及匹配结果发送到移动终端。

步骤S406：移动终端通过移动网络将收到的运动状态数据上传至云端。

步骤S407：云端进行下一步的处理。

需要说明的是，腕带也可以通过蓝牙将自身的数据传输给移动终端如手机，每个运动员的腕带都储存着自己的数据，可以实时传输给自己的手机，传输的数据包括：该腕带对应的投篮数、篮板数、助攻数、命中率、每次投篮的投篮位置等。

通过本实施例，不仅可以为场上每位运动员提供技术统计服务，还可以辅助运动员科学训练、提高竞技水平，也可以记录下运动员日常运动信息，提高身体素质。并且，通过电子设备获取大量人工无法获得的运动数据，节省人力成本；进一步地，通过互联网平台，来自世界各地的运动爱好者能够在互联网上分享运动体验，对比运动数据，提高使用体验。

实施例五

参照图15，示出了根据本发明实施例五的一种运动数据统计装置的结构框图。

本实施例的运动数据统计装置包括：

接收模块501，用于在确定当前状态为需要进行运动数据匹配的设定状态下，接收第一运动数据，其中，第一运动数据为通过设置于运动物体内的传感器获得的运动物体运动数据，或者，为通过多个设置于智能穿戴设备内的传感器获得的多个穿戴者的穿戴者运动数据；

比较模块502，用于将第一运动数据与本地存储的第二运动数据进行运动特征比较，确定匹配度，其中，当第一运动数据为运动物体运动数据时，第二运动数据为多个穿戴者的穿戴者运动数据；当第一运动数据为多个穿戴者的穿戴者运动数据时，第二运动数据为所述运动物体运动数据；

统计模块503，用于根据匹配度结果确定匹配度最高的第一运动数据和第二运动数据；并根据匹配度最高的第一运动数据和第二运动数据进行运动数据统计。

本实施例的运动数据统计装置用于实现前述方法实施例中相应的运动数据统计方法，并具有相应的方法实施例的有益效果，在此不再赘述。

实施例六

参照图16，示出了根据本发明实施例六的一种运动数据统计装置的结构框图。

本实施例的运动数据统计装置包括：

接收模块601，用于在确定当前状态为需要进行运动数据匹配的设定状态下，接收第一运动数据，其中，第一运动数据为通过设置于运动物体内的传感器获得的运动物体运动数据，或者，为通过多个设置于智能穿戴设备内的传感器获得的多个穿戴者的穿戴者运动数据；

比较模块602，用于将第一运动数据与本地存储的第二运动数据进行运动特征比较，确定匹配度，其中，当第一运动数据为运动物体运动数据时，第二运动数据为多个穿戴者的穿戴者运动数据；当第一运动数据为多个穿戴者的穿戴者运动数据时，第二运动数据为所述运动物体运动数据；

统计模块603，用于根据匹配度结果确定匹配度最高的第一运动数据和第二运动数据；并根据匹配度最高的第一运动数据和第二运动数据进行运动数据统计。

优选地，第一运动数据与第二运动数据均包括以下至少之一：保持数据、运行数据、和投射数据；

其中，

保持数据包括：运动物体的加速度平均值、运动物体的加速度最大值、运动物体的加速度最小值、运动物体的加速度波峰时间、智能穿戴设备的加速度平均值、智能穿戴设备的加速度最大值、智能穿戴设备的加速度最小值、和智能穿戴设备的加速度波峰时间；

运行数据包括：运动物体的动作时刻和动作次数、智能穿戴设备的动作时刻和动作次数；

投射数据包括：运动物体的加速度平均值、运动物体的加速度最大值、运动物体的加速度最小值、运动物体的投射时间、智能穿戴设备的加速度平均值、智能穿戴设备的加速度最大值、智能穿戴设备的加速度最小值、和智能穿戴设备的投射时间。

优选地，比较模块602包括：

第一比较模块6021，用于分别将运动物体的加速度平均值、运动物体的加速度最大值、运动物体的加速度最小值、和运动物体的加速度波峰时间，与对应的智能穿戴设备的加速度平均值、智能穿戴设备的加速度最大值、智能穿戴设备的加速度最小值、和智能穿戴设备的加速度波峰时间进行比较；根据各个比较结果确定第一运动数据和第二运动数据的匹配度；

和/或，

第二比较模块6022，用于分别将运动物体的动作时刻和动作次数，与对应的智能穿戴设备的动作时刻和动作次数进行比较；根据各个比较结果确定第一运动数据和第二运动数据的匹配度；

和/或，

第三比较模块6023，用于分别将动物体的加速度平均值、运动物体的加速度最大值、运动物体的加速度最小值、运动物体的投射时间，与对应的智能穿戴设备的加速度平均值、智能穿戴设备的加速度最大值、智能穿戴设备的加速度最小值、和智能穿戴设备的投射时间进行比较；根据各个比较结果确定第一运动数据和第二运动数据的匹配度。

优选地，当第一运动数据为运动物体运动数据，第二运动数据为多个穿戴者的穿戴者运动数据时，穿戴者设备的比较模块将第一运动数据与本地存储的第二运动数据进行运动特征比较，获得第一运动数据与第二运动数据的匹配度，并确定获得的匹配度是否满足设定匹配度；若是，则将第二运动数据及其对应的智能穿戴设备的标识发送给运动物体，由运动物体的统计模块确定匹配度最高的第一运动数据和第二运动数据；

当第一运动数据为多个穿戴者的穿戴者运动数据，第二运动数据为运动物体运动数据时，运动物体的比较模块将接收的第一运动数据与运动物体本地存储的第二运动数据进行运动特征比较，获得多个匹配度；运动物体的统计模块从多个匹配度中确定匹配度最高的第一运动数据和第二运动数据。

优选地，需要进行运动数据匹配的设定状态包括：保持状态、运行状态、或投射状态；其中，保持状态用于指示运动物体处于智能穿戴设备的穿戴者所控制的状态，如篮球的持球状态；运行状态用于指示运动物体处于脱离智能穿戴设备的穿戴者的控制的状态，如篮球的运球状态；投射状态用于指示运动物体处于被所述智能穿戴设备的穿戴者进行投射的状态，如篮球的投篮状态。

优选地，统计模块603在根据匹配度最高的第一运动数据和第二运动数据进行运动数据统计时：根据匹配度最高的第一运动数据和第二运动数据，获得运动特征数据；对运动特征数据进行统计并发送给运动物体和智能穿戴设备，并通过运动物体和智能穿戴设备上传至移动终端。

本实施例的运动数据统计装置用于实现前述多个方法实施例中相应的运动数据统计方法，并具有相应的方法实施例的有益效果，在此不再赘述。

最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (10)

1.一种运动数据统计方法，其特征在于，包括：

在确定当前状态为需要进行运动数据匹配的设定状态下，接收第一运动数据，其中，所述第一运动数据为通过设置于运动物体内的传感器获得的运动物体运动数据，或者，为通过多个设置于智能穿戴设备内的传感器获得的多个穿戴者的穿戴者运动数据，所述需要进行运动数据匹配的设定状态包括：保持状态、运行状态、或投射状态，其中，所述保持状态用于指示所述运动物体处于所述智能穿戴设备的穿戴者所控制的状态；所述运行状态用于指示所述运动物体处于脱离所述智能穿戴设备的穿戴者的控制的状态；所述投射状态用于指示所述运动物体处于被所述智能穿戴设备的穿戴者进行投射的状态；

将所述第一运动数据与本地存储的第二运动数据进行运动特征比较，确定匹配度，其中，当所述第一运动数据为运动物体运动数据时，所述第二运动数据为多个穿戴者的穿戴者运动数据；当所述第一运动数据为多个穿戴者的穿戴者运动数据时，所述第二运动数据为所述运动物体运动数据；

根据匹配度结果确定匹配度最高的第一运动数据和第二运动数据；并根据所述匹配度最高的第一运动数据和第二运动数据进行运动数据统计。

2.根据权利要求1所述的方法，其特征在于，所述第一运动数据与所述第二运动数据均包括以下至少之一：保持数据、运行数据、和投射数据；

其中，

所述保持数据包括：运动物体的加速度平均值、运动物体的加速度最大值、运动物体的加速度最小值、运动物体的加速度波峰时间、智能穿戴设备的加速度平均值、智能穿戴设备的加速度最大值、智能穿戴设备的加速度最小值、和智能穿戴设备的加速度波峰时间；

所述运行数据包括：运动物体的动作时刻和动作次数、智能穿戴设备的动作时刻和动作次数；

所述投射数据包括：运动物体的加速度平均值、运动物体的加速度最大值、运动物体的加速度最小值、运动物体的投射时间、智能穿戴设备的加速度平均值、智能穿戴设备的加速度最大值、智能穿戴设备的加速度最小值、和智能穿戴设备的投射时间。

3.根据权利要求2所述的方法，其特征在于，将所述第一运动数据与本地存储的第二运动数据进行运动特征比较，确定匹配度，具体包括：

分别将运动物体的加速度平均值、运动物体的加速度最大值、运动物体的加速度最小值、和运动物体的加速度波峰时间，与对应的智能穿戴设备的加速度平均值、智能穿戴设备的加速度最大值、智能穿戴设备的加速度最小值、和智能穿戴设备的加速度波峰时间进行比较；根据各个比较结果确定所述第一运动数据和所述第二运动数据的匹配度；

或者，

分别将运动物体的动作时刻和动作次数，与对应的智能穿戴设备的动作时刻和动作次数进行比较；根据各个比较结果确定所述第一运动数据和所述第二运动数据的匹配度；

或者，

分别将动物体的加速度平均值、运动物体的加速度最大值、运动物体的加速度最小值、运动物体的投射时间，与对应的智能穿戴设备的加速度平均值、智能穿戴设备的加速度最大值、智能穿戴设备的加速度最小值、和智能穿戴设备的投射时间进行比较；根据各个比较结果确定所述第一运动数据和所述第二运动数据的匹配度。

4.根据权利要求1所述的方法，其特征在于，

当所述第一运动数据为运动物体运动数据，所述第二运动数据为多个穿戴者的穿戴者运动数据时，将所述第一运动数据与本地存储的第二运动数据进行运动特征比较，确定匹配度；根据匹配度结果确定匹配度最高的第一运动数据和第二运动数据，

包括：

将所述第一运动数据与本地存储的第二运动数据进行运动特征比较，获得所述第一运动数据与所述第二运动数据的匹配度，并确定获得的匹配度是否满足设定匹配度；若是，则将所述第二运动数据及其对应的智能穿戴设备的标识发送给所述运动物体，由所述运动物体确定匹配度最高的第一运动数据和第二运动数据；

当所述第一运动数据为多个穿戴者的穿戴者运动数据，所述第二运动数据为运动物体运动数据时，将所述第一运动数据与本地存储的第二运动数据进行运动特征比较，确定匹配度；根据匹配度结果确定匹配度最高的第一运动数据和第二运动数据包括：

所述运动物体将接收的所述第一运动数据与所述运动物体本地存储的第二运动数据进行运动特征比较，获得多个匹配度；从所述多个匹配度中确定匹配度最高的第一运动数据和第二运动数据。

5.根据权利要求1所述的方法，其特征在于，根据所述匹配度最高的第一运动数据和第二运动数据进行运动数据统计包括：

根据所述匹配度最高的第一运动数据和第二运动数据，获得运动特征数据；

对所述运动特征数据进行统计并发送给运动物体和智能穿戴设备，并通过所述运动物体和智能穿戴设备上传至移动终端。

6.一种运动数据统计装置，其特征在于，包括：

接收模块，用于在确定当前状态为需要进行运动数据匹配的设定状态下，接收第一运动数据，其中，所述第一运动数据为通过设置于运动物体内的传感器获得的运动物体运动数据，或者，为通过多个设置于智能穿戴设备内的传感器获得的多个穿戴者的穿戴者运动数据，所述需要进行运动数据匹配的设定状态包括：保持状态、运行状态、或投射状态；其中，所述保持状态用于指示所述运动物体处于所述智能穿戴设备的穿戴者所控制的状态；所述运行状态用于指示所述运动物体处于脱离所述智能穿戴设备的穿戴者的控制的状态；所述投射状态用于指示所述运动物体处于被所述智能穿戴设备的穿戴者进行投射的状态；

比较模块，用于将所述第一运动数据与本地存储的第二运动数据进行运动特征比较，确定匹配度，其中，当所述第一运动数据为运动物体运动数据时，所述第二运动数据为多个穿戴者的穿戴者运动数据；当所述第一运动数据为多个穿戴者的穿戴者运动数据时，所述第二运动数据为所述运动物体运动数据；

统计模块，用于根据匹配度结果确定匹配度最高的第一运动数据和第二运动数据；并根据所述匹配度最高的第一运动数据和第二运动数据进行运动数据统计。

7.根据权利要求6所述的装置，其特征在于，所述第一运动数据与所述第二运动数据均包括以下至少之一：保持数据、运行数据、和投射数据；

其中，

所述保持数据包括：运动物体的加速度平均值、运动物体的加速度最大值、运动物体的加速度最小值、运动物体的加速度波峰时间、智能穿戴设备的加速度平均值、智能穿戴设备的加速度最大值、智能穿戴设备的加速度最小值、和智能穿戴设备的加速度波峰时间；

所述运行数据包括：运动物体的动作时刻和动作次数、智能穿戴设备的动作时刻和动作次数；

所述投射数据包括：运动物体的加速度平均值、运动物体的加速度最大值、运动物体的加速度最小值、运动物体的投射时间、智能穿戴设备的加速度平均值、智能穿戴设备的加速度最大值、智能穿戴设备的加速度最小值、和智能穿戴设备的投射时间。

8.根据权利要求7所述的装置，其特征在于，所述比较模块包括：

第一比较模块，用于分别将运动物体的加速度平均值、运动物体的加速度最大值、运动物体的加速度最小值、和运动物体的加速度波峰时间，与对应的智能穿戴设备的加速度平均值、智能穿戴设备的加速度最大值、智能穿戴设备的加速度最小值、和智能穿戴设备的加速度波峰时间进行比较；根据各个比较结果确定所述第一运动数据和所述第二运动数据的匹配度；

或者，

第二比较模块，用于分别将运动物体的动作时刻和动作次数，与对应的智能穿戴设备的动作时刻和动作次数进行比较；根据各个比较结果确定所述第一运动数据和所述第二运动数据的匹配度；

或者，

第三比较模块，用于分别将运动物体的加速度平均值、运动物体的加速度最大值、运动物体的加速度最小值、运动物体的投射时间，与对应的智能穿戴设备的加速度平均值、智能穿戴设备的加速度最大值、智能穿戴设备的加速度最小值、和智能穿戴设备的投射时间进行比较；根据各个比较结果确定所述第一运动数据和所述第二运动数据的匹配度。

9.根据权利要求6所述的装置，其特征在于，

当所述第一运动数据为运动物体运动数据，所述第二运动数据为多个穿戴者的穿戴者运动数据时，所述穿戴者设备的比较模块将所述第一运动数据与本地存储的第二运动数据进行运动特征比较，获得所述第一运动数据与所述第二运动数据的匹配度，并确定获得的匹配度是否满足设定匹配度；若是，则将所述第二运动数据及其对应的智能穿戴设备的标识发送给所述运动物体，由所述运动物体的统计模块确定匹配度最高的第一运动数据和第二运动数据；

当所述第一运动数据为多个穿戴者的穿戴者运动数据，所述第二运动数据为运动物体运动数据时，所述运动物体的比较模块将接收的所述第一运动数据与所述运动物体本地存储的第二运动数据进行运动特征比较，获得多个匹配度；所述运动物体的统计模块从所述多个匹配度中确定匹配度最高的第一运动数据和第二运动数据。

10.根据权利要求6所述的装置，其特征在于，所述统计模块在根据所述匹配度最高的第一运动数据和第二运动数据进行运动数据统计时：

根据所述匹配度最高的第一运动数据和第二运动数据，获得运动特征数据；

对所述运动特征数据进行统计并发送给运动物体和智能穿戴设备，并通过所述运动物体和智能穿戴设备上传至移动终端。