CN107358051A - 终端运动状态分析方法、移动终端及可读存储介质 - Google Patents

Abstract

本发明公开了一种终端运动状态分析方法、移动终端以及可读存储介质。所述终端运动状态分析方法包括以下步骤：获取终端的运动传感器采集到的运动数据，对所述运动数据进行预处理以得到有效运动数据；获取有效运动效数据中终端的加速度标准差，并由加速度标准差计算得出终端的背噪值；根据加速度标准差和背噪值的比较状态以及比较状态对应的持续时间，确定终端的运动状态。本方法通过简单的硬设备即可精确的判断终端的运动状态，在终端的防盗等领域起到巨大的作用。

Description

终端运动状态分析方法、移动终端及可读存储介质

技术领域

本发明涉及通信领域，尤其涉及一种终端运动状态分析方法、移动终端及可读存储介质。

背景技术

随着运动传感器的发展，人们通过运动传感器可以获取到越来越多以及更加精确相关运动信息数据，并且通过对获取到的运动信息数据进行计算和分析，进而能够获得对应运动状态的信息，由此发展而成的防盗等相关技术也越发成熟。

但是由于能够获取到非常精确的运动信息的传感器，往往价格不菲，从而使得相应的装置和设备的价格也水涨船高。但是由简单的传感器进行运动信息的采集往往只能得到较少的数据，而较少的数据会导致计算结果准确率低等不良结果。

发明内容

本发明的主要目的在于提供一种终端运动状态分析方法，旨在解决通过低价格的运动传感器判断终端运动状态时无法准确判断的问题。

为实现上述目的，本发明提供一种终端运动状态分析方法，所述终端运动状态分析方法包括以下步骤：

获取终端的运动传感器采集到的运动数据，对所述运动数据进行预处理以得到有效运动数据；

获取有效运动效数据中终端的加速度标准差，并由加速度标准差计算得出终端的背噪值；

根据加速度标准差和背噪值的比较状态以及比较状态对应的持续时间，确定终端的运动状态。

可选地，所述对所述运动数据进行预处理以得到有效运动数据的步骤包括：

对采集到的运动数据分别进行一次和两次微分，若微分结果的绝对值大于预设的最大有效值，则判定采集的运动数据为无效数据；若微分结果的绝对值小于或等于预设的最大有效值，则判定采集的运动数据为有效数据；

将所述有效数据中各矢量数据通过预设转换方法转换成标量数据，将该标量数据作为有效运动数据。

可选地，所述将所述有效数据中各矢量数据通过预设转换方法转换成标量数据，将该标量数据作为有效运动数据的步骤之后还包括：

当检测到有效运动数据中加速度大于预设最大临界值时，则检测在大于预设最大值后加速度是否小于预设最小临界值；

若在大于预设最大值后加速度小于预设最小临界值，则判定终端的运动状态为突发事件状态。

可选地，所述获取有效运动效数据中终端的加速度标准差，并由加速度标准差计算得出终端的背噪值的步骤包括：

当前时刻背噪值由上一时刻的背噪值与一减去过渡系数的乘积加上加速度标准差与过渡系数的乘积得到，其中过渡系数决定加速度标准差对当前时刻背噪值的影响，其中初始背噪值为预设值。

可选地，所述当前时刻背噪值由上一时刻的背噪值与一减去过渡系数的乘积加上加速度标准差与过渡系数的乘积得到的步骤包括：

根据以下公式，计算得出终端的背噪值，其中公式为：

BackgroundNoise_new＝BackgroundNoise_old*(1-k)+StdDev(acc)*k

其中BackgroundNoise_old为未更新的背噪值，初始值为0.1；StdDev(acc)为加速度的标准差，k为背噪值的过渡系数，初始值为0.05，取值范围为[0,1]，BackgroundNoise_new为更新后的背噪值。

可选地，所述根据加速度标准差和背噪值的比较状态以及比较状态对应的持续时间，确定终端的运动状态的步骤包括：

当检测到加速度标准差与背噪值的比较状态满足预设的移动临界值时，判定终端当前处于移动状态；

当判定终端处于移动状态后，若加速度标准差与背噪值的比较状态满足预设的结束临界值，且满足结束临界值的持续时间大于预设的结束临界时间，则判定终端移动状态结束。

可选地，所述当判定终端处于移动状态后的步骤之后还包括：

在判定当前处于移动状态后，若加速度标准差与背噪值的比较状态满足预设的人为运动临界值，且满足人为运动临界值的持续时间大于预设人为运动临界时间，则判定终端当前的运动状态为人为带走运动。

可选地，所述加速度标准差与背噪值的比较状态满足预设的移动临界值为：

StdDev(acc)>n₁*BackgroundNoise∧StdDev(acc)>BackgroundNoise+min.threshold_movement

所述加速度标准差与背噪值的比较状态满足预设的结束临界值为：

StdDev(acc)<n₂*BackgroundNoise∨StdDev(acc)<BackgroundNoise+min.threshold_movement

所述加速度标准差与背噪值的比较状态满足预设的人为运动临界值，且满足人为运动临界值的持续时间大于预设人为运动临界时间为：

StdDev(acc)>n₃*BackgroundNoise∧Time_movement>3

其中StdDev(acc)为加速度标准差，BackgroundNoise为计算所得背噪值，n₁，n₂，n₃为比较系数，并且大小关系为n₃>n₂>n₁，min.threshold_movement为预设的最低移动阈值，Time_movement为持续时间。

此外，为实现上述目的，本发明还提供一种移动终端，所述移动终端包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的终端运动状态分析程序，所述终端运动状态分析程序被所述处理器执行时实现如上所述终端运动状态分析方法的步骤。

此外，为实现上述目的，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有终端运动状态分析程序，所述终端运动状态分析整程序被处理器执行时实现如上所述的终端运动状态分析方法的步骤。

本发明提出的终端运动状态分析方法，通过价格较为便宜的三轴传感器进行运动数据的采集，并且通过多个步骤的过滤，将运动数据中的有效数据进行提炼。并且能够对动态背景中的运动数据进行处理，从而消除了动态背景的运动对运算结果带来的负面影响，进而使得终端的运算准确率大大提高。实现了以低廉的成本，准确判断终端的运动状态的需求。

附图说明

图1是本发明实施例方案涉及的硬件运行环境的终端结构示意图；

图2为本发明终端运动状态分析方法第一实施例的流程示意图；

图3为图2中S10的步骤的细化流程示意图；

图4为本发明终端运动状态分析方法第二实施例的流程示意图；

图5为本发明终端运动状态分析方法第三实施例的流程示意图。

本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。

具体实施方式

如图1所示，图1是本发明实施例方案涉及的硬件运行环境的终端结构示意图。

本发明实施例终端可以是便携式设备和可穿戴设备PC，也可以是智能手机、平板电脑、电子书阅读器、MP3(Moving Picture Experts Group Audio LayerIII，动态影像专家压缩标准音频层面3)播放器、MP4(Moving Picture ExpertsGroup Audio Layer IV，动态影像专家压缩标准音频层面3)播放器、便携计算机等具有显示功能的可移动式终端设备。

如图1所示，该终端可以包括：处理器1001，例如CPU，网络接口1004，用户接口1003，存储器1005，通信总线1002。其中，通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard)，可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如WI-FI接口)。存储器1005可以是高速RAM存储器，也可以是稳定的存储器(non-volatile memory)，例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。

可选地，终端还可以包括摄像头、RF(Radio Frequency，射频)电路，传感器、音频电路、蓝牙、WiFi模块等等。其中，传感器比如光传感器、运动传感器以及其他传感器。具体地，光传感器可包括环境光传感器及接近传感器，其中，环境光传感器可根据环境光线的明暗来调节显示屏的亮度，接近传感器可在移动终端移动到耳边时，关闭显示屏和/或背光。作为运动传感器的一种，重力加速度传感器可检测各个方向上(一般为三轴)加速度的大小，静止时可检测出重力的大小及方向，可用于识别移动终端姿态的应用(比如横竖屏切换、相关游戏、磁力计姿态校准)、振动识别相关功能(比如计步器、敲击)等；当然，移动终端还可配置陀螺仪、气压计、湿度计、温度计、红外线传感器等其他传感器，在此不再赘述。

本领域技术人员可以理解，图1中示出的终端结构并不构成对终端的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。

如图1所示，作为一种计算机存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及终端运动状态分析程序。

在图1所示的终端中，网络接口1004主要用于连接后台服务器，与后台服务器进行数据通信；用户接口1003主要用于连接客户端(用户端)，与客户端进行数据通信；而处理器1001可以用于调用存储器1005中存储的终端运动状态分析程序，并执行以下操作：

在运动传感器采集到终端的运动数据时，对终端的运动状态进行分析，所述终端运动状态分析包括以下步骤：

获取终端的运动传感器采集到的运动数据，对所述运动数据进行预处理以得到有效运动数据；

获取有效运动效数据中终端的加速度标准差，并由加速度标准差计算得出终端的背噪值；

根据加速度标准差和背噪值的比较状态以及比较状态对应的持续时间，确定终端的运动状态。

进一步地，处理器1001可以调用存储器1005中存储的终端的运动状态进行分析应用程序，还执行以下操作：

所述对所述运动数据进行预处理以得到有效运动数据的步骤包括：

对采集到的运动数据分别进行一次和两次微分，若微分结果的绝对值大于预设的最大有效值，则判定采集的运动数据为无效数据；若微分结果的绝对值小于或等于预设的最大有效值，则判定采集的运动数据为有效数据；

将所述有效数据中各矢量数据通过预设转换方法转换成标量数据，将该标量数据作为有效运动数据。

参照图2，本发明第一实施例提供一种终端运动状态分析方法，所述终端运动状态分析方法包括以下步骤：

步骤S10，获取终端的运动传感器采集到的运动数据，对所述运动数据进行预处理以得到有效运动数据；

步骤S20，获取有效运动效数据中终端的加速度标准差，并由加速度标准差计算得出终端的背噪值；

步骤S30，根据加速度标准差和背噪值的比较状态以及比较状态对应的持续时间，确定终端的运动状态。

具体地，终端通过运动传感器对运动信息进行采集，并且对运动数据进行过滤，通过预设的过滤算法将运动数据中的错误数据、突发事件数据等无效数据进行过滤，得到运动数据中的有效数据。在得到有效数据后，获取有效数据中的加速度，并且计算出加速度的标准差。在得到加速度标准差后，根据对应的计算公式，计算得出动态环境的背噪值。背噪值为一个参数，由加速度的标准差根据背噪值计算公式计算得出，用来描述环境的运动状态。获取到背噪值后，将背噪值与加速度标准差进行比较，通过两者的比较关系是否满足预设的对应关系即可判断终端是否处于运动状态。

在运动传感器采集到运动数据时，其中或多或少的有一些数据是因各种原因导致的无效数据。而导致采集到的数据为无效数据的原因有很多，例如运动传感器芯片的质量、环境、设计等因素，都可能导致输出的运动数据出现无效数据。而设计精良、灵敏的运动高质量传感器则价格昂贵，在民用领域中应用价格昂贵的运动传感器会导致成本大幅度增加，最终产品的价格也随之增高，对于企业和用户而言都不是一个有利的情况。而享受价格较为便宜的运动传感器所带来价格优势时，不可避免的要面对如何从采集到的数据中过滤无效数据，提取有效数据进行后续的应用。

在获取到运动数据中的有效数据后，计算出有效数据中的加速度标准差。根据加速度的标准差计算得出背噪值。背噪值是用以描述当前动态环境中的运动的量。例如在地铁中，地铁本身是运动的，而终端在地铁上也会具有和地铁一样的运动。虽然地铁运动带来的运动数据并不是无效数据，但是地铁带来的运动数据也不是终端自身的运动，因此在计算与分析终端的运动状态时，地铁等动态环境的运动带来的运动数据会对得出的结论造成影响和干扰。而背噪值会随着加速度变化而变化。因为动态环境的运动也是变化的，所以带来的加速度也随之变化，因此背噪值需要进行实时的更新，从而更准确的对动态环境的运动数据进行描述。

通过公式关系，由加速度标准差计算得出当前动态环境的背噪值，背噪值是描述当前环境运动数据的量，例如在地铁环境中，背噪值则描述地铁的运动。通过将动态环境运动数据加入到计算时的基线中，可以达到消除动态环境对终端运动状态判断的影响(例如在计算体重时，若是已经负重，则需要将负重减去，或者将负重加入到基线才能得到准确的体重数据，而不是从0开始)。将加速度标准差与背噪值进行比较，根据两者的比较关系对终端的运动状态进行判断。在两者的比较关系满足终端移动的条件时，判定终端处于移动状态，并且在终端的运动状态持续时间满足持续移动的判定时(在持续时间内，若是满足停止条件，则结束后续判断，判定终端移动已经停止)，检测加速度标准差与背噪值的比较关系是否满足人为运动的比较关系(因本发明主要用于防盗领域，因此所述人为运动指人为盗取并带走)，若是两者满足了人为运动的比较关系，则判定终端被人为移动。

本发明通过在终端中安装的运动传感器，采集终端的运动数据，在通过主控芯片对数据进行分析以及过滤，达到判断终端的运动状态的目的，从而实现终端的防盗等功能。而本发明在运动传感器的使用上，可以使用价格较为低廉的传感器，例如三轴传感器，而不需要使用六轴传感器等价格昂贵的精确的运动传感器，从而大大降低终端的制造成本。而随之带来的运动数据中的无效数据的问题，本发明通过算法对运动传感器采集到的运动数据进行多重过滤处理，将由于硬件问题导致的数据，突发情况的瞬时大幅度变化数据等无效数据过滤，将传感器带来的劣势进行补缺。并且本发明能够通过算法对动态环境中的运动数据进行过滤，以消除环境因素对分析与判断带来的不良影响。本发明由于使用价格低廉的运动传感器，因此制造成本低，而通过对运动数据多重的过滤去除无效数据，将价格低廉传感器带来的不良影响消除，并且可以在动态环境中进行准确的判断，增加了判断的准确率以及用户在使用时的用户体验。

进一步地，参照图3，步骤S10中的对运动数据进行预处理以得到有效运动数据的步骤包括：

步骤S11，对采集到的运动数据分别进行一次和两次微分，若微分结果的绝对值大于预设的最大有效值，则判定采集的运动数据为无效数据；若微分结果的绝对值小于或等于预设的最大有效值，则判定采集的运动数据为有效数据；

步骤S12，将所述有效数据中各矢量数据通过预设转换方法转换成标量数据，将该标量数据作为有效运动数据。

具体地，在运动传感器采集到运动数据后，对运动数据中的加速度进行第一次微分，获得加速度随时间的变化。由于人类体质存在物理极限，即人为运动(指不借助外力和设备仅仅依靠人体自身造成的运动)的加速度存在一个理论最大值，定义加速度随时间变化的极限为此理论最大值。当加速度随时间的变化大于理论最大值时，即代表其加速度变化是不正常或非人为造成的，从而把所有超出加速随时间的理论最大值时的数据判定为无效数据。在第一次微分后继续进行对加速度第二次微分，第二次微分用以防止数据溢出，由于部分运动传感器设计上的问题,其输出数据中bytes数量不足以表达该数值，便会出现数据溢出的情况。例如1byte表达整数数字最大值是127，当需要以1byte去强行表达128时，会得出-128，这种情况则成为数据溢出。发生数据溢出的特点是数据由很大的正(负)值突然一下跳到很大的负(正)值。为了算法能够在有数据溢出问题的运动传感器下正常运行，因此需对溢出的数据进行过滤。

而由于三轴传感器等目前常用的传感器所采集到的运动数据为各个运动方向的数据(三轴传感器为xyz三轴上的运动数据)，而在计算时由于各方向的运动数据的方向性问题，导致计算的复杂化，因此本发明将各方向的运动数据进行转化，利用简单的公式即可将具有方向的矢量转化为无方向的标量，使得后续的计算变得简单。

本发明通过运动数据的人类极限，设备的储存规律，对数据进行过滤，将运动传感器采集到的无效数据进行过滤从而得到有效数据，而后又通过简单的转化，将有效数据中各个方向的运动数据由矢量转化为标量，得到有效运动数据，而有效运动数据可使后续的续计算与分析大幅度简化并且得到的结果准确率更高。

进一步地，参照图3，步骤S12之后还包括：

步骤S13，当检测到有效运动数据中加速度大于预设最大临界值时，则检测在大于预设最大值后加速度是否小于预设最小临界值；

步骤S14，若在大于预设最大值后加速度小于预设最小临界值，则判定终端的运动状态为突发事件状态。

具体地，在使用过程中，除了无效数据外，会有许多意外情况的发生，意外情况的运动数据并不是无效数据，但是对于最终的分析与计算却有干扰的效果，因此需要将突发事件的运动数据进行过滤。突发事件例如物件意外倒下、处于交通工具中时，交通工具的突然急刹车或急加速等等。突发事件在运动数据中体现的特点为：非常短时间之内加速度变化出现两次相反而非常大的变化，简单来说，就是检测到加速度突然增加，并且达到一个非常大的值(大于预设最大值)，然后加速度变成方向相反的一个非常大的值(小于预设最小值)。因此通过对有效运动数据中的加速度的变化量进行检查，当发现变化量大于预设临界值时，则进一步检测加速度在大于预设最大值后加速度是否小于预设最小临界值，若加速度在大于预设最大值后加速度小于预设最小临界值，则该有效运动数据的运动规律与突发运动的规律一致，因此判定终端此时的运动状态为突发运动。

在进行过对溢出以及错误数据的过滤后，本发明将过滤由意外情况引发的运动数据大幅度起伏的情况。突发情况所引起的终端运动，其运动数据的特征明显，并且对此类运动数据进行分析并不会为本发明对于终端防盗等目的带来益处，因此将此类突发运动运动的运动数据进行过滤，进一步简化后续的计算与分析的步骤。同时由于突发事件的运动特征与人为运动的特征有一定相似之处，然而意义却是不同(人为有可能是被盗前，突发运动无被盗窃风险)，因此在将突发运动的运动数据过滤可以提高判断终端运动状态的准确率。

进一步地，参照图4，为本发明第二实施例，所述获取有效运动效数据中终端的加速度标准差，并由加速度标准差计算得出终端的背噪值的步骤包括：

步骤S21，当前时刻背噪值由上一时刻的背噪值加上加速度与一减去过渡系数的乘积标准差与过渡系数的乘积得到，其中过渡系数决定加速度标准差对当前时刻背噪值的影响，其中初始背噪值为预设值。

具体地，背噪值会随着动态环境的运动数据变化而变化，已达到实时更新当前动态环境背噪值的目的。在计算时，通过过渡系数决定加速度标准差对当前时刻背噪值的影响，其中加速度标准差指的是当前时刻的加速度标准差。

背噪值由有效运动数据中获取的加速度的标准差计算得出。背噪值是用以描述动态环境的运动状态的一个量，而背噪值也会实时进行更新，以适应动态环境的运动状态的变化，确保背噪值能够准确的对动态环境的运动状态进行描述。而在对有效运动数据进行运动状态的计算与分析时，背噪值则会成与初始的基线组成新的基线。

基线是在计算中的一个尺度参数或者标记，而在本发明中判断终端的运动状态的初始基线是静止状态，即处于基线是为静止状态，然而实际计算中在处于动态环境中时，动态环境的运动数据会被终端的运动传感器所采集，对计算造成干扰。而将背噪值加入到基线中，即可解决此问题，即将动态环境的运动数据加入到基线中，视动态环境为静止状态。通过计算动态环境的背噪值，解决了在动态环境中检测到的运动数据的误差问题，提高了对于终端运动状态分析的准确率。

进一步地，步骤S21包括：

步骤S211，根据以下公式，计算得出终端的背噪值，其中公式为：

BackgroundNoise_new＝BackgroundNoise_old*(1-k)+StdDev(acc)*k

其中BackgroundNoise_old为未更新的背噪值，初始值为0.1；StdDev(acc)为加速度的标准差，k为背噪值的过渡系数，初始值为0.05，取值范围为[0,1]，BackgroundNoise_new为更新后的背噪值。

具体地，背噪值的计算公式如上述所示，其中BackgroundNoise_old为背噪值的未更新的值，初始值为0.05(即环境为静止状态)。StdDev(acc)为加速度标准差，加速度由有效运动数据中获取。过渡系数k用以判断当前时刻动态环境与过去时刻的动态环境的过渡关系，k取最小值时，当前环境背噪值与过去时刻时刻背噪值相同；而当k取最大值时，当前时刻背噪值对于过去时刻背噪值的依赖程度最小，可以理解为当前时刻背噪值为一个新的背噪值。k的取值与背噪值和有效运动数据的比较关系有关，过渡系数k使得背噪值能够在环境变化时，更加平稳的由旧环境过渡到新环境。

进一步地，参照图5，为本发明第三实施例，所述根据加速度标准差和背噪值的比较状态以及比较状态对应的持续时间，确定终端的运动状态的步骤包括：

步骤S31，当检测到加速度标准差与背噪值的比较状态满足预设的移动临界值时，判定终端当前处于移动状态；

步骤S311当判定终端处于移动状态后，若加速度标准差与背噪值的比较状态满足预设的结束临界值，且满足结束临界值的持续时间大于预设的结束临界时间，则判定终端移动状态结束。

具体地，在获取到背噪值后，在加速度标准差与背噪值的比较关系大于预设移动临界值时，判定终端是否处于移动状态，移动状态表明终端当前有明显位移。在判定终端处于移动状态后，继续对移动状态进行监测，当加速度标准差与背噪值的比较关系小于预设结束临界值时，即满足结束条件，则判定终端的移动状态结束。

在判断终端的运动状态时，首先判断终端是否处于移动状态。在判断终端处于移动终端之后再具体判断当前运动是否为人为带走的运动。因此满足一定的加速度或者速度条件，则判定终端处于移动状态。然而若是移动状态的终端在移动状态时持续时间极短(小于预设的时间)或者加速度等运动数据迅速减小(加速度标准差与背噪值的比较关系小于预设的结束临界值)，那么表明终端做了一次短暂、微小的位移，而微小的位移与人为带走运动的特征并不符合，因此持续时间小于运动临界时间的运动并非人为带走的运动。本发明中通过加速度标准差与背噪值的比较关系对终端的运动状态进行判断，并且可以将不满足人为运动条件的微小运动进行排除，运算简单，并且结果准确率高。进一步地，参照图5，步骤S31之后还包括：

步骤S312，在判定当前处于移动状态后，若加速度标准差与背噪值的比较状态满足预设的人为运动临界值，且满足人为运动临界值的持续时间大于预设人为运动临界时间，则判定终端当前的运动状态为人为带走运动。

具体地，在终端保持移动状态后，则判定是否为人为运动造成终端的运动。通过对人类运动规律的观察和研究，在走路或者跑步等运动时，运动均有较为明显的规律(例如走路时，脚在抬起跨步时加速度较大，而脚在落下踏步时加速度较小，因此加速度也是均匀变化的)，并且是持续进行。根据人为运动的特点，通过加速度标准差与背噪值的比较关系判断终端是否处于人为运动的运动状态。并且在终端满足处于人为运动的运动状态时，对处于人为运动的状态的持续时间进行检测，若是持续时间也满足预设的条件(大于运动临界时间)，则判定终端当前运动状态为人为运动的状态。

本发明的主要目的为用于终端的防盗，所以对于终端运动状态的检测也是基于盗窃的特点，判断是否被移动(被人盗取)→判断是否为人运动(盗取后不法分子携带终端逃离)。因此在处于移动状态后，需要检测是否进行人为运动。依旧通过加速度的标准差与背噪值的比较关系进行判断，在两者比较关系大于人为运动临界值时并且满足人为运动临界值的持续时间大于预设人为运动临界时间，则终端运动状态为人为运动状态。通过加速度的标准差即可对终端的运动状态进行判断，原理简单并且工作效率高。

进一步地，所述加速度标准差与背噪值的比较状态满足预设的移动临界值为：

StdDev(acc)>n₁*BackgroundNoise∧StdDev(acc)>BackgroundNoise+min.threshold_movement

所述加速度标准差与背噪值的比较状态满足预设的结束临界值为：

StdDev(acc)<n₂*BackgroundNoise∨StdDev(acc)<BackgroundNoise+min.threshold_movement

所述加速度标准差与背噪值的比较状态满足预设的人为运动临界值，且满足人为运动临界值的持续时间大于预设人为运动临界时间为：

StdDev(acc)>n₃*BackgroundNoise∧Time_movement>3；

其中StdDev(acc)为加速度标准差，BackgroundNoise为计算所得背噪值，n₁，n₂，n₃为比较系数，并且大小关系为n₃>n₂>n₁，min.threshold_movement为预设的最低移动阈值，Time_movement为持续时间。

具体地，在判断终端是否处于移动的公式中，加速度标准差大于移动临界值(由比较系数n₁与背噪值的乘积组成)并且大于最低的移动阈值则判定移动，其中比较系数n₁预设初始值为3；在判断移动状态是否结束时，加速度标准差小于结束临界值(由比较系数n₂与背噪值的乘积组成)并且大于最低的移动阈值则判定移动，其中比较系数n₂预设初始值为1.5；在判断终端是否处于人为运动状态时，加速度标准差大于的人为运动临界值(由比较系数n₃与背噪值的乘积组成)并且同时满足比较关系的持续时间大于3秒，其中比较系数n₃预设初始值为4。n₁，n₂，n₃可根据终端与环境的实际情况进行调整，以适应各种不同的情况。通过加速度标准差与背噪值的比较状态，对于得出结论所需的条件非常简单(仅需要获取运动数据)，运算快(公式简洁，无复杂运算)。因此可快速的检测出终端的运动状态，对于防盗等用途具有很大的意义。

此外，本发明实施例还提出一种计算机可读存储介质，所述计算机可读存储介质上存储有终端运动状态分析程序，所述终端运动状态分析程序被处理器执行时实现如下操作：

本发明还提供一种终端运动状态分析的移动终端。

本发明基终端运动状态分析的移动终端包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的终端运动状态分析程序，所述终端运动状态分析程序被所述处理器执行时实现如上所述的终端运动状态分析方法步骤。

其中，在所述处理器上运行的提示信息的终端运动状态分析程序被执行时所实现的方法可参照本发明终端运动状态分析的方法各个实施例，在此不再赘述。

此外本发明实施例还提出一种计算机可读存储介质。

本发明计算机可读存储介质上存储有终端运动状态分析程序，所述终端运动状态分析程序被处理器执行时实现如上所述的终端运动状态分析方法的步骤。

其中，在所述处理器上运行的提示信息的显示程序被执行时所实现的方法可参照本发明终端运动状态分析方法各个实施例，在此不再赘述。

需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。

上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在如上所述的一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本发明各个实施例所述的方法。

以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims (10)

1.一种终端运动状态分析方法，其特征在于，所述终端运动状态分析方法包括以下步骤：

获取终端的运动传感器采集到的运动数据，对所述运动数据进行预处理以得到有效运动数据；

获取有效运动效数据中终端的加速度标准差，并由加速度标准差计算得出终端的背噪值；

根据加速度标准差和背噪值的比较状态以及比较状态对应的持续时间，确定终端的运动状态。

2.如权利要求1所述的终端运动状态分析方法，其特征在于，所述对所述运动数据进行预处理以得到有效运动数据的步骤包括：

对采集到的运动数据分别进行一次和两次微分，若微分结果的绝对值大于预设最大有效值，则判定采集的运动数据为无效数据；若微分结果的绝对值小于或等于预设的最大有效值，则判定采集的运动数据为有效数据；

将所述有效数据中各矢量数据通过预设转换方法转换成标量数据，将该标量数据作为有效运动数据。

3.如权利要求2所述的终端运动状态分析方法，其特征在于，所述将所述有效数据中各矢量数据通过预设转换方法转换成标量数据，将该标量数据作为有效运动数据的步骤之后还包括：

当检测到有效运动数据中加速度大于预设最大临界值时，则检测加速度在大于预设最大值后加速度是否小于预设最小临界值；

若加速度在大于预设最大值后加速度小于预设最小临界值，则判定终端的运动状态为突发事件状态。

4.如权利要求1所述的终端运动状态分析方法，其特征在于，所述获取有效运动效数据中终端的加速度标准差，并由加速度标准差计算得出终端的背噪值的步骤包括：

当前时刻背噪值由上一时刻的背噪值与一减去过渡系数的乘积加上加速度标准差与过渡系数的乘积得到，其中过渡系数决定加速度标准差对当前时刻背噪值的影响。

5.如权利要求4所述的终端运动状态分析方法，其特征在于，所述当前时刻背噪值由上一时刻的背噪值与一减去过渡系数的乘积加上加速度标准差与过渡系数的乘积得到的步骤包括：

根据以下公式，计算得出终端的背噪值，其中公式为：

BackgroundNoise_new＝BackgroundNoise_old*(1-k)+StdDev(acc)*k

其中BackgroundNoise_old为未更新的背噪值，初始值为0.1；StdDev(acc)为加速度的标准差，k为背噪值的过渡系数，初始值为0.05，取值范围为[0,1]，BackgroundNoise_new为更新后的背噪值。

6.如权利要求1所述的终端运动状态分析方法，其特征在于，所述根据加速度标准差和背噪值的比较状态以及比较状态对应的持续时间，确定终端的运动状态的步骤包括：

当检测到加速度标准差与背噪值的比较状态满足预设的移动临界值时，判定终端当前处于移动状态；

当判定终端处于移动状态后，若加速度标准差与背噪值的比较状态满足预设的结束临界值，且满足结束临界值的持续时间大于预设的结束临界时间，则判定终端移动状态结束。

7.如权利要求6所述的终端运动状态分析方法，其特征在于，所述当判定终端处于移动状态后的步骤之后还包括：

在判定当前处于移动状态后，若加速度标准差与背噪值的比较状态满足预设的人为运动临界值，且满足人为运动临界值的持续时间大于预设人为运动临界时间，则判定终端当前的运动状态为人为带走运动。

8.如权利要求6或7所述的终端运动状态分析方法，其特征在于，

所述加速度标准差与背噪值的比较状态满足预设的移动临界值为：

StdDev(acc)>n₁*BackgroundNoise∧StdDev(acc)>BackgroundNoise+min.threshold_movement

所述加速度标准差与背噪值的比较状态满足预设的结束临界值为：

StdDev(acc)<n₂*BackgroundNoise∨StdDev(acc)<BackgroundNoise+min.threshold_movement

所述加速度标准差与背噪值的比较状态满足预设的人为运动临界值，且满足人为运动临界值的持续时间大于预设人为运动临界时间为：

StdDev(acc)>n₃*BackgroundNoise∧Time_movement>3

其中StdDev(acc)为加速度标准差，BackgroundNoise为计算所得背噪值，n₁，n₂，n₃为比较系数，并且大小关系为n₃>n₂>n₁，min.threshold_movement为预设的最低移动阈值，Time_movement为持续时间。

9.一种移动终端，其特征在于，所述移动终端包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的终端运动状态分析程序，所述终端运动状态分析程序被所述处理器执行时实现如权利要求1至8中任一项所述的终端运动状态分析方法的步骤。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有终端运动状态分析程序，所述终端运动状态分析程序被处理器执行时实现如权利要求1至8中任一项所述的终端运动状态分析方法的步骤。