CN107343789B - 一种基于三轴加速度传感器的脚步运动识别方法 - Google Patents

一种基于三轴加速度传感器的脚步运动识别方法 Download PDF

Info

Publication number
CN107343789B
CN107343789B CN201710349896.8A CN201710349896A CN107343789B CN 107343789 B CN107343789 B CN 107343789B CN 201710349896 A CN201710349896 A CN 201710349896A CN 107343789 B CN107343789 B CN 107343789B
Authority
CN
China
Prior art keywords
human body
state
wave
wave crests
value
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.)
Active
Application number
CN201710349896.8A
Other languages
English (en)
Other versions
CN107343789A (zh
Inventor
华高坚
李磊磊
陈顺平
蔡盛贵
何佳
徐毅
沈帅帅
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.)
Zhejiang lierda core technology Co., Ltd
Original Assignee
Zhejiang Lierda Core Technology Co Ltd
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 Zhejiang Lierda Core Technology Co Ltd filed Critical Zhejiang Lierda Core Technology Co Ltd
Priority to CN201710349896.8A priority Critical patent/CN107343789B/zh
Publication of CN107343789A publication Critical patent/CN107343789A/zh
Application granted granted Critical
Publication of CN107343789B publication Critical patent/CN107343789B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
    • A61B5/1121—Determining geometric values, e.g. centre of rotation or angular range of movement
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
    • A61B5/1123—Discriminating type of movement, e.g. walking or running
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
    • A61B5/6801—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be attached to or worn on the body surface
    • A61B5/6802—Sensor mounted on worn items
    • A61B5/6804—Garments; Clothes
    • A61B5/6807—Footwear
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235—Details of waveform analysis
    • A—HUMAN NECESSITIES
    • A63—SPORTS; GAMES; AMUSEMENTS
    • A63B—APPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
    • A63B71/00—Games or sports accessories not covered in groups A63B1/00 - A63B69/00
    • A63B71/06—Indicating or scoring devices for games or players, or for other sports activities
    • A63B71/0619—Displays, user interfaces and indicating devices, specially adapted for sport equipment, e.g. display mounted on treadmills
    • 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
    • A63B2220/40—Acceleration
    • A—HUMAN NECESSITIES
    • A63—SPORTS; GAMES; AMUSEMENTS
    • A63B—APPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
    • A63B2230/00—Measuring physiological parameters of the user
    • A63B2230/62—Measuring physiological parameters of the user posture

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • General Health & Medical Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Molecular Biology (AREA)
  • Public Health (AREA)
  • Pathology (AREA)
  • Veterinary Medicine (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Medical Informatics (AREA)
  • Biophysics (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Physiology (AREA)
  • Dentistry (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Human Computer Interaction (AREA)
  • Physical Education & Sports Medicine (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Psychiatry (AREA)
  • Signal Processing (AREA)
  • Geometry (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
  • Footwear And Its Accessory, Manufacturing Method And Apparatuses (AREA)

Abstract

本发明公开了一种基于三轴加速度传感器的脚步运动识别方法。它包括以下步骤：S1：微处理器读取三轴加速度传感器输出的检测数据，根据人体运动状态选择相应的数据进行处理；S2：微处理器根据选择的数据绘制出加速度变化曲线图，检测加速度变化曲线图中的波峰，根据波峰确定脚落地时刻；S3：微处理器计算出脚落地姿态；S4：微处理器判断当前人体的运动状态并进行设置。本发明能够识别人运动时脚的落地姿态，便于用户了解自己的走姿或跑姿。

Description

一种基于三轴加速度传感器的脚步运动识别方法
技术领域
本发明涉及运动识别技术领域，尤其涉及一种基于三轴加速度传感器的脚步运动识别方法。
背景技术
现代人很多非常注重自己的日常锻炼，计步作为一种有效记录、监控锻炼的监控手段，被广泛应用在智能跑鞋中。现有的智能跑鞋在其内安装有三轴加速度传感器，但是它只能简单的计步，不能识别人运动时脚的落地姿态，不利于用户了解自己的走姿或跑姿。
发明内容
本发明的目的是克服目前智能跑鞋中安装三轴加速度传感器，只能简单计步，不能识别人运动时脚的落地姿态的技术问题，提供了一种基于三轴加速度传感器的脚步运动识别方法，其能够识别人运动时脚的落地姿态，便于用户了解自己的走姿或跑姿。
本发明的一种基于三轴加速度传感器的动态切换计算轴的计步方法，三轴加速度传感器设置在鞋内且X轴正方向朝向鞋体前方，Y轴正方向朝向鞋体左侧或右侧，Z轴正方向竖直向上，包括以下步骤：
S1：微处理器读取三轴加速度传感器输出的检测数据，根据人体运动状态选择相应的数据进行处理，人体运动状态初始设置为走路状态，当人体运动状态为走路状态或慢跑状态时，只选择XYZ三轴合加速度数据进行处理，当人体运动状态为快速跑状态时，只选择X轴加速度数据进行处理；
S2：微处理器根据选择的数据绘制出加速度变化曲线图，检测加速度变化曲线图中的波峰，当某个波峰对应的加速度值小于或等于设定值F时，将该波峰去除，当相邻两个波峰之间的采样点小于设定值K时，将这两个波峰中加速度值最小的波峰去除，波峰对应的时间点为脚落地的时刻；
S3：当最新一个波峰出现时，微处理器计算最新一个波峰的前两个波峰之间时间段对应的权重值，微处理器每统计G个权重值计算一次脚落地姿态，计算出的脚落地姿态就是最新一个波峰的前G个波峰对应的脚落地时刻的脚落地姿态；
计算两个波峰之间时间段对应的权重值的方法包括以下步骤：如果两个波峰之间时间段所处的人体运动状态为走路状态，则计算两个波峰之间每个采样点对应的特征值E，某个采样点对应的特征值E为该采样点对应的X轴加速度除以该采样点对应的XYZ三轴合加速度的数值，判断特征值E的均方根值是否大于Q，如果大于Q，则两个波峰之间时间段对应的权重值为H1，否则两个波峰之间时间段对应的权重值为0；如果两个波峰之间时间段所处的人体运动状态为慢跑状态，则判断两个波峰之间Z加速度大于S的采样点个数是否大于0，如果大于0，则两个波峰之间时间段对应的权重值为H2，否则两个波峰之间时间段对应的权重值为0；如果两个波峰之间时间段所处的人体运动状态为快速跑状态，该两个波峰之间时间段对应的权重值为H3；
每统计G个权重值计算一次脚落地姿态的方法包括以下步骤：将G个权重值取均值，如果均值大于N，则判断脚落地姿态为前脚掌落地姿态，如果均值小于或等于N，则判断脚落地姿态为后脚掌落地姿态；
S4：微处理器判断当前人体的运动状态并进行设置，判断当前人体运动状态并进行设置的方法包括以下步骤：统计最新一个波峰的前两个波峰之间的采样点个数D，当a1≤D＜a2且最新一个波峰的前一个波峰加速度值大于M时，判断人体处于快速跑状态，将人体运动状态设置为快速跑状态；当a2≤D≤a3时，判断人体处于慢跑状态，将人体运动状态设置为慢跑状态；当a3＜D≤a4时，判断人体处于走路状态，将人体运动状态设置为走路状态，a1＜a2＜a3＜a4。
在本技术方案中，本方法的三轴加速度传感器设置在鞋体内，三轴加速度传感器的X轴正方向朝向鞋体前方，Y轴正方向朝向鞋体左侧，Z轴正方向竖直向上，通过检测人体单脚的运动情况进行计步。
以F取1.5g，G取5，Q取450，S取-50mg，M取5g，a1取10，a2取18，a3取25，a4取80为例进行说明：
本方法根据加速度变化曲线图中变化曲线的极大值来判断波峰，当加速度超过1.5g时，即可进入波峰的判断条件里面，同时也会引入伪波峰，由于人走路或者跑步的极限频率可以估算出来，波峰之间的间距不会小于K个采样点，所以当两个波峰之间的间距小于K时，即可根据波峰值大小，选取较大的值作为一个计步的波峰，即数值较大的波峰为真波峰，数值较小的波峰为伪波峰。
根据两个波峰之间时间段所处的人体运动状态及其特征，设置对应的权重值，以5个权重值为一个计算周期，然后取该周期内的均值，与阈值N比较，大于阈值N则为前脚掌落地，反之则为后脚掌落地。
本方法根据最新一个波峰的前两个波峰之间的采样点个数D及最新一个波峰的前一个波峰加速度值判断人体当前的运动状态。当人体处于走路状态或慢跑状态时，X轴、Y轴、Z轴的检测数据较准确，采用XYZ三轴合加速度的数据进行计步；当人体处于快速跑状态时，人体朝前方高速前进，人的脚在Y轴、Z轴方向的运动幅度很小，检测数据不准确，因此，只选取X轴加速度的数据进行计步，保证计步的精确性。
作为优选，所述一种基于三轴加速度传感器的脚步运动识别方法还包括以下步骤：微处理器根据加速度变化曲线图中的波峰数目A计算出当前计步步数B，B=（A-1）×2，当步数B小于c时，缓存步数B的数值，微处理器不输出步数B的数值，当步数B大于或等于c时，微处理器输出步数B的数值。
c≥6，由于只在一只鞋子上设置三轴加速度传感器，加速度变化曲线图上出现一次波峰，人左右脚各走了一步，所以，波峰与步数是1比2的关系，即一个波峰对应走路2步。由于存在伪波峰，所以最后一个波峰不能判断是否是真波峰，本方法在最新出现一个波峰时，才计算前一个波峰是否是真波峰，所以本方法计步有一个波峰的滞后。缓存步数主要用在判断何时开始进入计步状态，为了避免一些扰动，比如脚的任意晃动等，这里设计了缓存步数就是当步数大于或等于c步时候开始进入计步模式，微处理器输出步数B的数值到显示屏等模块，后面产生的步数将进行累加，在没有达到c步的时候则先暂时缓存这些步数。
作为优选，所述一种基于三轴加速度传感器的脚步运动识别方法还包括以下步骤：当加速度变化曲线图中的最后一个波峰之后连续d个采样点都没有出现新的波峰时，微处理器结束本次计步，将加速度变化曲线图清零，如果此时步数B大于或等于c，计算出本次计步的总步数C=B+2。
c≥6，当最后一个波峰之后连续d（如80）个采样点都没有出现新的波峰时，判断人体停止运动，结束计步，总步数加2，即把滞后的最后一个波峰换算成步数加进总步数。
作为优选，所述三轴加速度传感器的检测频率为25HZ ，K为8-15。
作为优选，所述步骤S2中在根据选择的数据绘制出加速度变化曲线图之前采用二次均值滤波方法对选择的数据进行滤波。采用二次均值滤波方法，使得到的数据更加平滑，计算复杂度更低，效率更快。
作为优选，三轴加速度传感器的数据上报模式采用FIFO模式。
本发明的有益效果是：（1）能够识别人运动时脚的落地姿态，便于用户了解自己的走姿或跑姿，进而矫正走姿或跑姿，避免运动扭伤。（2）在人运动状态变化时，动态切换计算轴，保证了人各个运动状态下的计步准确性。
附图说明
图1是本发明的一种工作流程图。
具体实施方式
下面通过实施例，并结合附图，对本发明的技术方案作进一步具体的说明。
实施例：本实施例的一种基于三轴加速度传感器的脚步运动识别方法，三轴加速度传感器设置在鞋内且X轴正方向朝向鞋体前方，Y轴正方向朝向鞋体左侧或右侧，Z轴正方向竖直向上，如图1所示，包括以下步骤：
S1：微处理器读取三轴加速度传感器输出的检测数据，根据人体运动状态选择相应的数据进行处理，人体运动状态初始设置为走路状态，当人体运动状态为走路状态或慢跑状态时，只选择XYZ三轴合加速度数据进行处理，当人体运动状态为快速跑状态时，只选择X轴加速度数据进行处理；
S2：微处理器根据选择的数据绘制出加速度变化曲线图，检测加速度变化曲线图中的波峰，当某个波峰对应的加速度值小于或等于1.5g时，将该波峰去除，当相邻两个波峰之间的采样点小于设定值10时，将这两个波峰中加速度值最小的波峰去除，波峰对应的时间点为脚落地的时刻；
S3：当最新一个波峰出现时，微处理器计算最新一个波峰的前两个波峰之间时间段对应的权重值，微处理器每统计5个权重值计算一次脚落地姿态，计算出的脚落地姿态就是最新一个波峰的前5个波峰对应的脚落地时刻的脚落地姿态；
计算两个波峰之间时间段对应的权重值的方法包括以下步骤：如果两个波峰之间时间段所处的人体运动状态为走路状态，则计算两个波峰之间每个采样点对应的特征值E，某个采样点对应的特征值E为该采样点对应的X轴加速度除以该采样点对应的XYZ三轴合加速度的数值，判断特征值E的均方根值是否大于450，如果大于450，则两个波峰之间时间段对应的权重值为2，否则两个波峰之间时间段对应的权重值为0；如果两个波峰之间时间段所处的人体运动状态为慢跑状态，则判断两个波峰之间Z加速度大于-50mg的采样点个数是否大于0，如果大于0，则两个波峰之间时间段对应的权重值为1，否则两个波峰之间时间段对应的权重值为0；如果两个波峰之间时间段所处的人体运动状态为快速跑状态，该两个波峰之间时间段对应的权重值为3；
每统计5个权重值计算一次脚落地姿态的方法包括以下步骤：将5个权重值取均值，如果均值大于1.1，则判断脚落地姿态为前脚掌落地姿态，如果均值小于或等于1.1，则判断脚落地姿态为后脚掌落地姿态；
S4：微处理器判断当前人体的运动状态并进行设置，判断当前人体运动状态并进行设置的方法包括以下步骤：统计最新一个波峰的前两个波峰之间的采样点个数D，当10≤D＜18且最新一个波峰的前一个波峰加速度值大于5g时，判断人体处于快速跑状态，将人体运动状态设置为快速跑状态；当18≤D≤25时，判断人体处于慢跑状态，将人体运动状态设置为慢跑状态；当25＜D≤80时，判断人体处于走路状态，将人体运动状态设置为走路状态。
微处理器根据加速度变化曲线图中的波峰数目A计算出当前计步步数B，B=（A-1）×2，当步数B小于6时，缓存步数B的数值，微处理器不输出步数B的数值，当步数B大于或等于6时，微处理器输出步数B的数值。
当加速度变化曲线图中的最后一个波峰之后连续80个采样点都没有出现新的波峰时，微处理器结束本次计步，将加速度变化曲线图清零，如果此时步数B大于或等于6，计算出本次计步的总步数C=B+2。
三轴加速度传感器采用LIS3DH这款传感器来举例说明，LIS3DH传感器设置采样率为25Hz、采集的计算轴为X、Y和Z、加速度的量程设置为正负8g和数据上报模式为FIFO模式等。出于省电考虑，传感器在不工作情况下将进入低功耗模式。在这种低功耗模式场景下还可以被唤醒，这里主要采用运动中断唤醒的方法，就是当XYZ三轴合加速度超过一定阈值（如250mg）时，传感器重新进入工作模式。
本方法的三轴加速度传感器设置在鞋体内，三轴加速度传感器的X轴正方向朝向鞋体前方，Y轴正方向朝向鞋体左侧，Z轴正方向竖直向上，通过检测人体单脚的运动情况进行计步。步骤S2中在根据选择的数据绘制出加速度变化曲线图之前采用二次均值滤波方法对选择的数据进行滤波。采用二次均值滤波方法，使得到的数据更加平滑，计算复杂度更低，效率更快。
方法根据加速度变化曲线图中变化曲线的极大值来判断波峰，当加速度超过1.5g时，即可进入波峰的判断条件里面，同时也会引入伪波峰，由于人走路或者跑步的极限频率可以估算出来，波峰之间的间距不会小于10个采样点，所以当两个波峰之间的间距小于10时，即可根据波峰值大小，选取较大的值作为一个计步的波峰，即数值较大的波峰为真波峰，数值较小的波峰为伪波峰。
根据两个波峰之间时间段所处的人体运动状态及其特征，设置对应的权重值，以5个权重值为一个计算周期，然后取该周期内的均值，与阈值1.1比较，大于阈值1.1则为前脚掌落地，反之则为后脚掌落地。
本方法根据最新一个波峰的前两个波峰之间的采样点个数D及最新一个波峰的前一个波峰加速度值判断人体当前的运动状态。当人体处于走路状态或慢跑状态时，X轴、Y轴、Z轴的检测数据较准确，采用XYZ三轴合加速度的数据进行计步；当人体处于快速跑状态时，人体朝前方高速前进，人的脚在Y轴、Z轴方向的运动幅度很小，检测数据不准确，因此，只选取X轴加速度的数据进行计步，保证计步的精确性。
由于只在一只鞋子上设置三轴加速度传感器，加速度变化曲线图上出现一次波峰，人左右脚各走了一步，所以，波峰与步数是1比2的关系，即一个波峰对应走路2步。由于存在伪波峰，所以最后一个波峰不能判断是否是真波峰，本方法在最新出现一个波峰时，才计算前一个波峰是否是真波峰，所以本方法计步有一个波峰的滞后。缓存步数主要用在判断何时开始进入计步状态，为了避免一些扰动，比如脚的任意晃动等，这里设计了缓存步数就是当步数超过5步时候开始进入计步模式，微处理器输出步数B的数值到显示屏等模块，后面产生的步数将进行累加，在没有达到5步的时候则先暂时缓存这些步数。
当最后一个波峰之后连续80个采样点都没有出现新的波峰时，判断人体停止运动，结束计步，总步数加2，即把滞后的最后一个波峰换算成步数加进总步数。

Claims (6)

1.一种基于三轴加速度传感器的脚步运动识别方法，三轴加速度传感器设置在鞋内且X轴正方向朝向鞋体前方，Y轴正方向朝向鞋体左侧或右侧，Z轴正方向竖直向上，其特征在于，包括以下步骤：
S1：微处理器读取三轴加速度传感器输出的检测数据，根据人体运动状态选择相应的数据进行处理，人体运动状态初始设置为走路状态，当人体运动状态为走路状态或慢跑状态时，只选择XYZ三轴合加速度数据进行处理，当人体运动状态为快速跑状态时，只选择X轴加速度数据进行处理；
S2：微处理器根据选择的数据绘制出加速度变化曲线图，检测加速度变化曲线图中的波峰，当某个波峰对应的加速度值小于或等于设定值F时，将该波峰去除，当相邻两个波峰之间的采样点小于设定值K时，将这两个波峰中加速度值最小的波峰去除，波峰对应的时间点为脚落地的时刻；
S3：当最新一个波峰出现时，微处理器计算最新一个波峰的前两个波峰之间时间段对应的权重值，微处理器每统计G个权重值计算一次脚落地姿态，计算出的脚落地姿态就是最新一个波峰的前G个波峰对应的脚落地时刻的脚落地姿态；
S4：微处理器判断当前人体的运动状态并进行设置，判断当前人体运动状态并进行设置的方法包括以下步骤：统计最新一个波峰的前两个波峰之间的采样点个数D，当a1≤D＜a2且最新一个波峰的前一个波峰加速度值大于M时，判断人体处于快速跑状态，将人体运动状态设置为快速跑状态；当a2≤D≤a3时，判断人体处于慢跑状态，将人体运动状态设置为慢跑状态；当a3＜D≤a4时，判断人体处于走路状态，将人体运动状态设置为走路状态，a1＜a2＜a3＜a4；
步骤S3中的计算两个波峰之间时间段对应的权重值的方法包括以下步骤：如果两个波峰之间时间段所处的人体运动状态为走路状态，则计算两个波峰之间每个采样点对应的特征值E，某个采样点对应的特征值E为该采样点对应的X轴加速度除以该采样点对应的XYZ三轴合加速度的数值，判断特征值E的均方根值是否大于Q，如果大于Q，则两个波峰之间时间段对应的权重值为H1，否则两个波峰之间时间段对应的权重值为0；如果两个波峰之间时间段所处的人体运动状态为慢跑状态，则判断两个波峰之间Z加速度大于S的采样点个数是否大于0，如果大于0，则两个波峰之间时间段对应的权重值为H2，否则两个波峰之间时间段对应的权重值为0；如果两个波峰之间时间段所处的人体运动状态为快速跑状态，该两个波峰之间时间段对应的权重值为H3；
步骤S3中的每统计G个权重值计算一次脚落地姿态的方法包括以下步骤：将G个权重值取均值，如果均值大于N，则判断脚落地姿态为前脚掌落地姿态，如果均值小于或等于N，则判断脚落地姿态为后脚掌落地姿态。
2.根据权利要求1所述的一种基于三轴加速度传感器的脚步运动识别方法，其特征在于，还包括以下步骤：微处理器根据加速度变化曲线图中的波峰数目A计算出当前计步步数B，B=（A-1）×2，当步数B小于c时，缓存步数B的数值，微处理器不输出步数B的数值，当步数B大于或等于c时，微处理器输出步数B的数值。
3.根据权利要求1所述的一种基于三轴加速度传感器的脚步运动识别方法，其特征在于，还包括以下步骤：当加速度变化曲线图中的最后一个波峰之后连续d个采样点都没有出现新的波峰时，微处理器结束本次计步，将加速度变化曲线图清零，如果此时步数B大于或等于c，计算出本次计步的总步数C=B+2。
4.根据权利要求1或2或3所述的一种基于三轴加速度传感器的脚步运动识别方法，其特征在于：所述三轴加速度传感器的检测频率为25HZ ，K为8-15。
5.根据权利要求1或2或3所述的一种基于三轴加速度传感器的脚步运动识别方法，其特征在于：所述步骤S2中在根据选择的数据绘制出加速度变化曲线图之前采用二次均值滤波方法对选择的数据进行滤波。
6.根据权利要求1或2或3所述的一种基于三轴加速度传感器的脚步运动识别方法，其特征在于：三轴加速度传感器的数据上报模式采用FIFO模式。
CN201710349896.8A 2017-05-17 2017-05-17 一种基于三轴加速度传感器的脚步运动识别方法 Active CN107343789B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710349896.8A CN107343789B (zh) 2017-05-17 2017-05-17 一种基于三轴加速度传感器的脚步运动识别方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710349896.8A CN107343789B (zh) 2017-05-17 2017-05-17 一种基于三轴加速度传感器的脚步运动识别方法

Publications (2)

Publication Number Publication Date
CN107343789A CN107343789A (zh) 2017-11-14
CN107343789B true CN107343789B (zh) 2020-04-14

Family

ID=60254380

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710349896.8A Active CN107343789B (zh) 2017-05-17 2017-05-17 一种基于三轴加速度传感器的脚步运动识别方法

Country Status (1)

Country Link
CN (1) CN107343789B (zh)

Families Citing this family (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWI711395B (zh) * 2018-07-17 2020-12-01 長庚大學 助行裝置
CN110420028B (zh) * 2019-07-29 2021-02-09 浙江大学 一种基于多级姿态识别分类模型的心电图防误判方法
CN110558990B (zh) * 2019-07-30 2022-04-12 福建省万物智联科技有限公司 一种步态分析方法及装置
CN110558992B (zh) * 2019-07-30 2022-04-12 福建省万物智联科技有限公司 一种步态检测分析方法及装置
CN112568899A (zh) * 2019-09-30 2021-03-30 深圳市荣盛智能装备有限公司 一种人员姿态判断方法和系统
CN110595501B (zh) * 2019-10-09 2022-10-04 成都乐动信息技术有限公司 一种基于三轴传感器的跑步距离校正方法
CN111504433A (zh) * 2020-04-23 2020-08-07 永康龙飘传感科技有限公司 一种用于评估移动时动物的体重的方法及装置
CN112162595B (zh) * 2020-09-23 2022-12-06 深圳市爱都科技有限公司 一种垂臂旋转识别方法及可穿戴终端
CN114176576B (zh) * 2021-12-11 2024-05-24 江苏智恒文化科技有限公司 基于加速度识别人体运动状态的方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2001056470A1 (fr) * 2000-02-04 2001-08-09 Institut National De La Recherche Agronomique (Inra) Procede d'analyse d'irregularites de locomotion humaine
CN102818913A (zh) * 2012-07-31 2012-12-12 宋子健 一种人体运动信息检测装置及其检测方法
CN105509762A (zh) * 2014-09-30 2016-04-20 深圳市冠旭电子有限公司 一种基于三轴加速计的计步方法及装置
CN105912142A (zh) * 2016-02-05 2016-08-31 深圳市爱康伟达智能医疗科技有限公司 一种基于加速传感器的记步与行为识别方法
CN106123911A (zh) * 2016-08-06 2016-11-16 深圳市爱康伟达智能医疗科技有限公司 一种基于加速传感器和角速度传感器的记步方法

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9470763B2 (en) * 2010-02-25 2016-10-18 James C. Solinsky Systems and methods for sensing balanced-action for improving mammal work-track efficiency
US20130085700A1 (en) * 2011-09-30 2013-04-04 Apple Inc. Techniques for improved pedometer readings

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2001056470A1 (fr) * 2000-02-04 2001-08-09 Institut National De La Recherche Agronomique (Inra) Procede d'analyse d'irregularites de locomotion humaine
CN102818913A (zh) * 2012-07-31 2012-12-12 宋子健 一种人体运动信息检测装置及其检测方法
CN105509762A (zh) * 2014-09-30 2016-04-20 深圳市冠旭电子有限公司 一种基于三轴加速计的计步方法及装置
CN105912142A (zh) * 2016-02-05 2016-08-31 深圳市爱康伟达智能医疗科技有限公司 一种基于加速传感器的记步与行为识别方法
CN106123911A (zh) * 2016-08-06 2016-11-16 深圳市爱康伟达智能医疗科技有限公司 一种基于加速传感器和角速度传感器的记步方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Effects of forefoot bending elasticity of running shoes on gait and running performance;Chia-Hsiang Chen et al;《Human Movement Science》;20141231;第163-172页 *
基于加速度传感器的人体运动状态监测的研究;张义龙;《中国优秀硕士学位论文全文数据库（信息科技辑）》;20150515;I140-280 *

Also Published As

Publication number Publication date
CN107343789A (zh) 2017-11-14

Similar Documents

Publication Publication Date Title
CN107343789B (zh) 一种基于三轴加速度传感器的脚步运动识别方法
TWI518304B (zh) 一種基於三軸加速計的計步方法和計步器
CN107303181B (zh) 一种基于六轴传感器的脚步运动识别方法
US10687707B2 (en) Detecting activity by a wheelchair user
CN104866099B (zh) 基于运动传感器提高智能设备手势识别精度的误差补偿方法
CN104197952A (zh) 一种用户步行计步方法、装置及移动终端
CN104406603A (zh) 一种基于加速度传感器的计步方法和装置
CN103616034A (zh) 一种基于蓝牙的网络计步器及计步方法
CN103927851B (zh) 一种个人化多阈值跌倒检测方法及系统
CN106334307B (zh) 一种游泳监测方法
CN106767888A (zh) 一种基于波峰波谷检测的计步算法
CN104826277A (zh) 一种跑步机智能体感控制方法及设备
CN105758404B (zh) 智能设备的实时定位方法及系统
CN105866810A (zh) 一种电子设备的gps低功耗定位方法与装置
CN111536989B (zh) 基于峰值检测的自适应时间窗口计步方法
CN106214129B (zh) 终止劣质睡眠的方法、设备、睡眠服务器和智能穿戴终端
CN104567912A (zh) 一种在Android手机上实现计步器的方法
CN111288986A (zh) 一种运动识别方法及运动识别装置
CN108955719B (zh) 一种基于手腕式装置的计步检测方法和系统
CN105698813A (zh) 防误计步方法和系统、以及移动终端、计步器
CN108279019A (zh) 一种计步方法、装置和智能穿戴设备
WO2015051656A1 (zh) 一种移动智能终端及其计步方法、系统
CN110495892B (zh) 一种运动数据检测方法及智能穿戴设备
CN105953794B (zh) 一种基于mems传感器的计步导航方法
CN107392106B (zh) 一种基于双门限的人体活动端点检测方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20191210

Address after: Room 1302, building 1, no.1326, Wenyi West Road, Cangqian street, Yuhang District, Hangzhou City, Zhejiang Province

Applicant after: Zhejiang lierda core technology Co., Ltd

Address before: Yuhang District, Hangzhou City, Zhejiang Province, 311121 West No. 1500 Building No. 1 room 105

Applicant before: ZHEJIANG LIERDA INTERNET OF THINGS TECHNOLOGY CO., LTD.

GR01 Patent grant
GR01 Patent grant