CN107493371B - 一种终端的运动特征的识别方法、装置及终端 - Google Patents
一种终端的运动特征的识别方法、装置及终端 Download PDFInfo
- Publication number
- CN107493371B CN107493371B CN201610412458.7A CN201610412458A CN107493371B CN 107493371 B CN107493371 B CN 107493371B CN 201610412458 A CN201610412458 A CN 201610412458A CN 107493371 B CN107493371 B CN 107493371B
- Authority
- CN
- China
- Prior art keywords
- terminal
- acceleration
- current
- motion characteristic
- actual
- 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
Links
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04M—TELEPHONIC COMMUNICATION
- H04M1/00—Substation equipment, e.g. for use by subscribers
- H04M1/72—Mobile telephones; Cordless telephones, i.e. devices for establishing wireless links to base stations without route selection
- H04M1/724—User interfaces specially adapted for cordless or mobile telephones
- H04M1/72403—User interfaces specially adapted for cordless or mobile telephones with means for local support of applications that increase the functionality
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
- G06F3/03—Arrangements for converting the position or the displacement of a member into a coded form
- G06F3/033—Pointing devices displaced or positioned by the user, e.g. mice, trackballs, pens or joysticks; Accessories therefor
- G06F3/0346—Pointing devices displaced or positioned by the user, e.g. mice, trackballs, pens or joysticks; Accessories therefor with detection of the device orientation or free movement in a 3D space, e.g. 3D mice, 6-DOF [six degrees of freedom] pointers using gyroscopes, accelerometers or tilt-sensors
Abstract
本发明的实施例提供一种终端的运动特征的识别方法、装置及终端,其中方法包括:获取终端当前的运动特征信息;获取所述终端当前的姿态特征信息;根据所述当前的运动特征信息和当前的姿态特征信息产生终端当前的运动特征向量;若当前的运动特征向量与预设的运动特征向量匹配成功,则输出与该预设的运动特征向量对应的预设的运动特征。本发明的方案可以准确分析和识别出终端当前所处的运动特征。
Description
技术领域
本发明涉及终端领域,特别是指一种终端的运动特征的识别方法、装置及终端。
背景技术
伴随着智能手机的普及,加速度传感器和距离传感器已经成为手机上的标准配置。使用这些智能手机上的传感器来分析和识别运动行为的软件也逐渐增多。
如图1a,图1b,图1c所示,不同手机传感器的架构虽然不同,但是对于上层应用而言大同小异。
目前很多体感识别技术都需要用到九轴传感器(加速度计3轴,陀螺仪3轴,磁力计3轴),将手机的各项属性投射到全域坐标系中,然后才能进行姿态和运动等特性的分析。
而对于低端手机而言,往往只有加速度传感器和距离传感器,所以现有的技术就无法兼容低端手机,因此通常就会造成识别不准,误识别甚至无法识别,这会给用户带来极大的不便。这样的方案普适性不够,而且使用起来就会造成手机的生产成本大大增加。
发明内容
本发明提供了一种终端的运动特征的识别方法、装置及终端,利用加速度传感器和距离传感器获取到的数据,算出手机当前的运动特性和姿态特性,可以准确分析和识别出终端当前所处的运动特征。
为解决上述技术问题,本发明的实施例提供如下方案:
一种终端的运动特征的识别方法,包括:
获取终端当前的运动特征信息;
获取所述终端当前的姿态特征信息;
根据所述当前的运动特征信息和当前的姿态特征信息产生终端当前的运动特征向量;
若当前的运动特征向量与预设的运动特征向量匹配成功,则输出与该预设的运动特征向量对应的预设的运动特征。
其中,获取终端当前的运动特征信息的步骤包括:
获取终端当前的实际重力加速度;
根据所述实际重力加速度,得到所述终端当前的实际线性加速度;
根据所述实际线性加速度以及终端的距离传感器输出的输出信息,获得终端当前的运动特征信息。
其中,获取终端当前的实际重力加速度的步骤包括:
获取终端的加速度传感器输出的合成加速度;
对所述合成加速度进行分离,得到分离出的重力加速度数据;
根据所述重力加速度数据,得到终端的实际重力加速度。
其中,对所述合成加速度进行分离,得到分离出的重力加速度数据的步骤包括:
通过滤波函数H(raw)=[Gravity,Acceleration]对合成加速度进行处理,分离出重力加速度数据Gravity:[Gx,Gy,Gz];
其中,Acceleration为线性加速度,
Gravity为重力加速度数据,Gx,Gy,Gz为重力加速度分别在x方向、y方向和z方向的向量。
其中,根据所述重力加速度数据,得到终端的实际重力加速度的步骤包括:
对所述重力加速度数据进行处理,得到重力加速度标量;
根据重力加速度数据和所述重力加速度标量,得到终端当前的实际重力加速度。
其中,对所述重力加速度数据进行处理,得到重力加速度标量的步骤包括:
根据公式:
scale=9.8/Len(Gravity),得到重力加速度标量;
其中,9.8是重力加速度的理论值;
scale为重力加速度标量。
其中,根据重力加速度数据和所述重力加速度标量,得到终端当前的实际重力加速度的步骤包括:
根据公式:Gravity′=scale*(Gx,Gy,Gz),得到终端当前的实际重力加速度;
其中,Gravity′为终端当前的实际重力加速度。
其中,根据所述实际重力加速度,得到所述终端当前的实际线性加速度的步骤包括:
将所述合成加速度减去所述实际重力加速度,得到所述终端当前的实际线性加速度。
其中,终端的运动特征识别方法还包括:
对所述实际线性加速度进行平滑拟合处理,得到不包括不规则点的实际线性加速度。
其中,根据所述实际线性加速度以及终端的距离传感器输出的输出信息,获得终端当前的运动特征信息的步骤包括:
根据所述实际线性加速度以及终端的距离传感器输出的终端与人体之间的距离信息和所述终端被操作的持续时长,获得终端当前的运动特征信息。
其中,获取所述终端当前的姿态特征信息的步骤包括:
根据所述终端的实际重力加速度和所述终端的加速度传感器的采样频率,获终端当前的姿态特征信息。
其中,根据所述终端的实际重力加速度和所述终端的加速度传感器的采样频率,获终端当前的姿态特征信息的步骤包括:
根据所述终端的实际重力加速度和所述终端的加速度传感器的采样频率,获得终端姿态变化的角速度和角度;
根据所述角速度和所述角度,获得终端当前的姿态特征信息。
本发明的实施例还提供一种终端的运动特征的识别装置,包括:
第一获取模块,用于获取终端当前的运动特征信息;
第二获取模块,用于获取所述终端当前的姿态特征信息;
处理模块,用于根据所述当前的运动特征信息和当前的姿态特征信息产生终端当前的运动特征向量;
输出模块,用于若当前的运动特征向量与预设的运动特征向量匹配成功,则输出与该预设的运动特征向量对应的预设的运动特征。
其中,所述第一获取模块具体用于:获取终端当前的实际重力加速度;根据所述实际重力加速度,得到所述终端当前的实际线性加速度;根据所述实际线性加速度以及终端的距离传感器输出的输出信息,获得终端当前的运动特征信息。
本发明的实施例还提供一种终端,包括如上所述的运动特征的识别装置。
本发明的上述方案至少包括以下有益效果:
本发明的上述方案通过获取终端当前的运动特征信息;获取所述终端当前的姿态特征信息;根据所述当前的运动特征信息和当前的姿态特征信息产生终端当前的运动特征向量;若当前的运动特征向量与预设的运动特征向量匹配成功,则输出与该预设的运动特征向量对应的预设的运动特征。从而可以根据终端当前的运动特征信息和姿态特征信息,准确分析和识别出终端当前所处的运动特征。
附图说明
图1a,图1b,图1c为现有技术中,将传感器直连至AP、通过独立传感器中枢连接至AP以及通过ISH(集成传感器中枢)连接至AP的架构示意图;
图2为本发明的终端的运动特征识别方法的流程示意图;
图3a,3b为传感器坐标系统,其中加速计测量的是沿着x、y和z轴的速度,而陀螺仪测量的是沿着x、y和z轴的旋转;
图4为终端的运动特征识别装置的软件架构图;
图5为基于手机预置的加速度传感器和距离传感器来进行终端的运动特征识别方法的流程。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例,然而应当理解,可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反,提供这些实施例是为了能够更透彻地理解本公开,并且能够将本公开的范围完整的传达给本领域的技术人员。
本发明的实施例针对现有技术中无法准备识别手机的运动模式的问题,本发明的实施例提供一种终端的运动特征识别方法、装置及终端,利用终端的加速度传感器和距离传感器获取到的数据,算出终端当前的运动特性和姿态特性,可以准确分析和识别出终端当前所处的运动模式。
如图2所示,本发明的第一实施例提供一种终端的运动特征识别方法,包括:
步骤21,获取终端当前的运动特征信息;
步骤22,获取所述终端当前的姿态特征信息;
步骤23,根据所述当前的运动特征信息和当前的姿态特征信息产生终端当前的运动特征向量;
步骤24,若当前的运动特征向量与预设的运动特征向量匹配成功,则输出与该预设的运动特征向量对应的预设的运动特征。
本发明的该实施例中,终端当前的运动特征信息可以是根据终端当前的重力加速度和线性加速度分析出来的运动特性;该实施例通过获取终端当前的运动特征信息;获取所述终端当前的姿态特征信息;根据所述当前的运动特征信息和当前的姿态特征信息产生终端当前的运动特征向量;若当前的运动特征向量与预设的运动特征向量匹配成功,则输出与该预设的运动特征向量对应的预设的运动特征。从而可以根据终端当前的运动特征信息和姿态特征信息,准确分析和识别出终端当前所处的运动特征。
该第一实施例中,步骤21可以包括:步骤211,获取终端当前的实际重力加速度;
具体的,该步骤可以具体包括:步骤2111,获取终端的加速度传感器输出的合成加速度;
加速度传感器的测量数据是重力加速度g和线性加速度aL的合成数据a:
加速度数据由三组数据组成,a:[ax,ay,az],它们分别代表加速度在终端的装置坐标系(如图3a,图3b所示)的x轴y轴z轴上的投影分量;
步骤2112,对所述合成加速度进行分离,得到分离出的重力加速度数据;
具体的,该步骤可以通过滤波函数H(raw)=[Gravity,Acceleration]对合成加速度进行处理,分离出重力加速度数据Gravity:[Gx,Gy,Gz];
其中,Acceleration为线性加速度,Gravity为重力加速度数据,Gx,Gy,Gz为重力加速度分别在x方向、y方向和z方向的向量;
步骤2113,根据所述重力加速度数据,得到终端的实际重力加速度;
具体的,该步骤包括:步骤21131,对所述重力加速度数据进行处理,得到重力加速度标量;
具体的,可以根据公式:
scale=9.8/Len(Gravity),得到重力加速度标量;
其中,9.8是重力加速度的理论值;scale为重力加速度标量;
步骤21132,根据重力加速度数据和所述重力加速度标量,得到终端当前的实际重力加速度;具体的,该步骤可以根据公式:
Gravity′=scale*(Gx,Gy,Gz),
得到终端当前的实际重力加速度;
其中,Gravity′为终端当前的实际重力加速度。
步骤212,根据所述实际重力加速度,得到所述终端当前的实际线性加速度;
具体的,该步骤可以包括:将所述合成加速度减去所述实际重力加速度, 得到所述终端当前的实际线性加速度;
进一步的,还可以对所述实际线性加速度进行平滑拟合处理,得到不包括不规则点的实际线性加速度。这里,可以采用最小二乘来进行平滑拟合处理,去掉数据的不规则点。这样既不破坏数据的形态又可以使数据更加逼近真实情况。
步骤213,根据所述实际线性加速度以及终端的距离传感器输出的输出信息,获得终端当前的运动特征信息。
具体的,该步骤具体可以包括:根据所述实际线性加速度以及终端的距离传感器输出的终端与人体之间的距离信息和所述终端被操作的持续时长,获得终端当前的运动特征信息。
本发明的上述第一实施例中,步骤22可以具体包括:
步骤221,根据所述终端的实际重力加速度和所述终端的加速度传感器的采样频率,获终端当前的姿态特征信息。具体的,该步骤221可以具体包括:
步骤2211,根据所述终端的实际重力加速度和所述终端的加速度传感器的采样频率,获得终端姿态变化的角速度和角度;
步骤2212,根据所述角速度和所述角度,获得终端当前的姿态特征信息。
本发明的上述第一实施例中,步骤23中,根据所述当前的运动特征信息和当前的姿态特征信息产生终端当前的运动特征向量,比如:运动特征向量X′:[X1′,X2′,…],其中,X1′为当前的运动特征信息,X2′为当前的姿态特征信息。
本发明的上述第一实施例中,步骤24中,若当前的运动特征向量与预设的运动特征向量匹配成功,则输出与该预设的运动特征向量对应的预设的运动特征;
其中,预设的运动特征向量,例如可以是:X:[X1,X2,…],当前的运动特征向量为X′:[X1′,X2′,…],然后计算两个向量的相似度,如果相似度相近(即小于一预设阈值),则视为匹配成功,如果匹配成功,则输出与该预设的运动特征向量对应的预设的运动特征,该预设的运动特征可以是:拿起接听状态,摇一摇状态,翻转状态等等。
下面结合具体的应用场景,说明上述第一实施例所述的方法的实现过程:
本发明的上述第一实施例所述的方法在终端的操作系统中实现时,终端上安装的App(应用)与终端的操作系统以及终端底层传感器之间的架构如图4所示,外部应用App之下,操作系统中终端的运动特征的识别装置由各个算法识别器(Recogonizer)和各个传感器路由(Sensor Router)构成,在传感器路由之下就是手机底层传感器;通过终端的运动特征的识别装置暴露的回调接口来调用终端的运动特征的识别装置所提供的终端的运动特征的识别服务。数据是从底层的传感器一路上传直到产生识别结果,传给上层应用App。
终端的运动特征的识别装置中,算法识别器负责分析和识别终端的运动特征,它需要注册一个或者多个传感器路由;
传感器路由负责分发路由底层传感器传上来的数据给相应注册过该传感器路由的一个或者多个算法识别器。
应用App会持有至少一个算法识别器,并通过回调函数,来使用终端的运动特征的识别装置所提供的终端的运动特征的识别服务。
图5详细描述了基于距离传感器和加速度传感器来进行终端的运动特征识别的方法,下面结合实施例以在终端上进行拨号(运动特征)来进行阐述,本发明使用该实施例进行阐述,但不仅限于该实施例):
步骤1:数据采集实时获取加速度传感器输出的合成加速度,首先通过滤波函数H(raw)=[Gravity,Acceleration]对合成加速度进行处理,分离出重力加速度数据Gravity:[Gx,Gy,Gz]和线性加速度数据Acceleration:[Ax,Ay,Az](本实施例的步骤1包含但不仅限于滤波等操作,只要是由此衍生出来处理加速度传感器数据的操作都应该涵盖在内)。
步骤2:对所取得的重力加速度数据进行预处理,也即是先进行规划化(normalization)操作,其中包括三步:归一化处理,等比变换和平滑拟合操作。
步骤2.1:归一化处理即指将分离出来的重力加速度变成标量:
scale=9.8/Len(Gravity),其中9.8是重力加速度的理论值;
计算得来的scale即为重力加速度标量。
步骤2.2:再将重力加速度的向量数据(Gx Gy Gz)与重力加速度标量相乘来进行等比变换,即是Gravity′=scale*(Gx Gy Gz),这样经过一系列 计算得到的Gravity′就是最逼近真实重力加速度的数据了,即实际重力加速度。
步骤2.3:再将上述合成加速度减去实际重力加速度,两个向量相减得到实际线性加速度,该实际线性加速度也要进行预处理,可以采用最小二乘来进行平滑拟合,去掉数据的不规则点,这样既不破坏数据的形态又可以使数据更加逼近真实情况(本实施例的步骤2包含但不仅限于归一化,平滑拟合和向量数乘等操作,只要是由此衍生出来处理重力加速度数据和线性加速度数据的操作都应该涵盖在内)。
步骤3:根据步骤2中得到的实际线性加速度以及终端的距离传感器输出的输出信息(可以包括拨号时终端与人体之间的距离信息和所述终端被操作的持续时长),获得终端当前拨号的运动特征信息。该运动特征信息具体可以由线性加速度的最大/最小值、幅度、周期、峰值、谷值、拨号时终端与人体之间的距离信息和所述终端被操作的持续时长等计算得到;
步骤4:根据所述终端的实际重力加速度和所述终端的加速度传感器的采样频率,获得终端姿态变化的角速度和角度,根据所述角速度和所述角度,获得终端当前的姿态特征信息。
步骤5:若终端当前的运动特征向量与预设的运动特征向量匹配成功,则输出与该预设的运动特征向量对应的预设的运动特征,通过回调函数传递成功结果给上层应用;如果匹配失败,则回调函数传递失败结果给上层应用。
与现有技术相比较,本发明的上述实施例只需要基于加速度传感器和距离传感器,加速度传感器和距离传感器共四轴,即可确定终端的运动和姿态特性等信息,从而完成体感识别,即可以准确识别出终端当前的运动特征,比如拿起接听状态,摇一摇状态,翻转状态等等。而目前很多体感识别技术都需要用到九轴传感器,这就使得体感技术无法运用到低端手机上,因为这类终端往往只预置了加速度传感器和距离传感器。本发明的上述方法一方面具有普适性,另一方面也可以降低终端的生产成本。
本发明的第二实施例还提供一种终端的运动特征识别装置,包括:
第一获取模块,用于获取终端当前的运动特征信息;
第二获取模块,用于获取所述终端当前的姿态特征信息;
处理模块,用于根据所述当前的运动特征信息和当前的姿态特征信息产生 终端当前的运动特征向量;
输出模块,用于若当前的运动特征向量与预设的运动特征向量匹配成功,则输出与该预设的运动特征向量对应的预设的运动特征。
其中,所述第一获取模块具体用于:获取终端当前的实际重力加速度;根据所述实际重力加速度,得到所述终端当前的实际线性加速度;根据所述实际线性加速度以及终端的距离传感器输出的输出信息,获得终端当前的运动特征信息。
需要说明的是,该装置是与上述第一实施例所述方法一一对应的装置,上述方法实施例中所有实现实例均适用于该装置的实施例中,也能达到和上述方法相同的技术效果。
本发明的第三实施例还提供一种终端,如手机等,该终端包括如上所述的运动特征识别装置。
以上所述是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明所述原理的前提下,还可以作出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (13)
1.一种终端的运动特征的识别方法,其特征在于,包括:
获取终端当前的运动特征信息;
获取所述终端当前的姿态特征信息;
根据所述当前的运动特征信息和当前的姿态特征信息产生终端当前的运动特征向量;
若当前的运动特征向量与预设的运动特征向量匹配成功,则输出与该预设的运动特征向量对应的预设的运动特征;获取终端当前的运动特征信息的步骤包括:
获取终端当前的实际重力加速度;
根据所述实际重力加速度,得到所述终端当前的实际线性加速度;
根据所述实际线性加速度以及终端的距离传感器输出的输出信息,获得终端当前的运动特征信息。
2.根据权利要求1所述的终端的运动特征的识别方法,其特征在于,获取终端当前的实际重力加速度的步骤包括:
获取终端的加速度传感器输出的合成加速度;
对所述合成加速度进行分离,得到分离出的重力加速度数据;
根据所述重力加速度数据,得到终端的实际重力加速度。
3.根据权利要求2所述的终端的运动特征的识别方法,其特征在于,对所述合成加速度进行分离,得到分离出的重力加速度数据的步骤包括:
通过滤波函数H(raw)=[Gravity,Acceleration]对合成加速度进行处理,分离出重力加速度数据Gravity:[Gx,Gy,Gz];
其中,Acceleration为线性加速度,Gravity为重力加速度数据,Gx,Gy,Gz为重力加速度分别在x方向、y方向和z方向的向量。
4.根据权利要求3所述的终端的运动特征的识别方法,其特征在于,根据所述重力加速度数据,得到终端的实际重力加速度的步骤包括:
对所述重力加速度数据进行处理,得到重力加速度标量;
根据重力加速度数据和所述重力加速度标量,得到终端当前的实际重力加速度。
6.根据权利要求5所述的终端的运动特征的识别方法,其特征在于,根据重力加速度数据和所述重力加速度标量,得到终端当前的实际重力加速度的步骤包括:
根据公式:Gravity′=scale*(Gx,Gy,Gz),得到终端当前的实际重力加速度;
其中,Gravity′为终端当前的实际重力加速度。
7.根据权利要求6所述的终端的运动特征的识别方法,其特征在于,根据所述实际重力加速度,得到所述终端当前的实际线性加速度的步骤包括:
将所述合成加速度减去所述实际重力加速度,得到所述终端当前的实际线性加速度。
8.根据权利要求7所述的终端的运动特征的识别方法,其特征在于,还包括:
对所述实际线性加速度进行平滑拟合处理,得到不包括不规则点的实际线性加速度。
9.根据权利要求1所述的终端的运动特征的识别方法,其特征在于,根据所述实际线性加速度以及终端的距离传感器输出的输出信息,获得终端当前的运动特征信息的步骤包括:
根据所述实际线性加速度以及终端的距离传感器输出的终端与人体之间的距离信息和所述终端被操作的持续时长,获得终端当前的运动特征信息。
10.根据权利要求1所述的终端的运动特征的识别方法,其特征在于,获取所述终端当前的姿态特征信息的步骤包括:
根据所述终端的实际重力加速度和所述终端的加速度传感器的采样频率,获终端当前的姿态特征信息。
11.根据权利要求10所述的终端的运动特征的识别方法,其特征在于,根据所述终端的实际重力加速度和所述终端的加速度传感器的采样频率,获终端当前的姿态特征信息的步骤包括:
根据所述终端的实际重力加速度和所述终端的加速度传感器的采样频率,获得终端姿态变化的角速度和角度;
根据所述角速度和所述角度,获得终端当前的姿态特征信息。
12.一种终端的运动特征的识别装置,其特征在于,包括:
第一获取模块,用于获取终端当前的运动特征信息;
第二获取模块,用于获取所述终端当前的姿态特征信息;
处理模块,用于根据所述当前的运动特征信息和当前的姿态特征信息产生终端当前的运动特征向量;
输出模块,用于若当前的运动特征向量与预设的运动特征向量匹配成功,则输出与该预设的运动特征向量对应的预设的运动特征;
所述第一获取模块具体用于:获取终端当前的实际重力加速度;根据所述实际重力加速度,得到所述终端当前的实际线性加速度;根据所述实际线性加速度以及终端的距离传感器输出的输出信息,获得终端当前的运动特征信息。
13.一种终端,其特征在于,包括如权利要求12所述的运动特征的识别装置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610412458.7A CN107493371B (zh) | 2016-06-13 | 2016-06-13 | 一种终端的运动特征的识别方法、装置及终端 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610412458.7A CN107493371B (zh) | 2016-06-13 | 2016-06-13 | 一种终端的运动特征的识别方法、装置及终端 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107493371A CN107493371A (zh) | 2017-12-19 |
CN107493371B true CN107493371B (zh) | 2020-12-29 |
Family
ID=60643075
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610412458.7A Active CN107493371B (zh) | 2016-06-13 | 2016-06-13 | 一种终端的运动特征的识别方法、装置及终端 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107493371B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110516516A (zh) * | 2018-05-22 | 2019-11-29 | 北京京东尚科信息技术有限公司 | 机器人姿态测量方法及装置、电子设备、存储介质 |
CN112075940A (zh) * | 2020-09-21 | 2020-12-15 | 哈尔滨工业大学 | 一种基于双向长短时记忆神经网络的震颤检测系统 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8320970B2 (en) * | 2011-02-16 | 2012-11-27 | Google Inc. | Mobile device display management |
US20130033418A1 (en) * | 2011-08-05 | 2013-02-07 | Qualcomm Incorporated | Gesture detection using proximity or light sensors |
CN102945362B (zh) * | 2012-10-18 | 2016-01-27 | 中国科学院计算技术研究所 | 基于异构数据融合的传感器协同手势识别方法及系统 |
CN103237137A (zh) * | 2013-05-17 | 2013-08-07 | 广东欧珀移动通信有限公司 | 一种移动终端的音量调节方法及系统 |
CN103557862A (zh) * | 2013-10-29 | 2014-02-05 | 南京邮电大学 | 一种移动终端运动轨迹检测方法 |
CN104571605B (zh) * | 2015-01-28 | 2018-05-01 | 广东小天才科技有限公司 | 一种智能电子设备的控制方法及系统 |
CN105549746B (zh) * | 2016-01-28 | 2018-10-30 | 广州成潮智能科技有限公司 | 一种基于加速度传感芯片的动作识别方法 |
-
2016
- 2016-06-13 CN CN201610412458.7A patent/CN107493371B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN107493371A (zh) | 2017-12-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Yan et al. | RIDI: Robust IMU double integration | |
CN107635204B (zh) | 一种运动行为辅助的室内融合定位方法及装置、存储介质 | |
Wang et al. | Human activity recognition with user-free accelerometers in the sensor networks | |
US10837794B2 (en) | Method and system for characterization of on foot motion with multiple sensor assemblies | |
WO2015084667A1 (en) | Fusing device and image motion for user identification, tracking and device association | |
US20160034817A1 (en) | Method and apparatus for categorizing device use case | |
US10593065B2 (en) | Method and device for camera pose estimation | |
CN107493371B (zh) | 一种终端的运动特征的识别方法、装置及终端 | |
CN109829933A (zh) | 影像目标追踪方法及装置 | |
KR101995799B1 (ko) | 상황 인지 서비스를 제공하기 위한 장소 인식 장치 및 방법 | |
US10578640B2 (en) | Determination of a mobility context for a user carrying a device fitted with inertial sensors | |
US11692829B2 (en) | System and method for determining a trajectory of a subject using motion data | |
Nowicki | Wifi-guided visual loop closure for indoor navigation using mobile devices | |
US11494918B2 (en) | Moving state analysis device, moving state analysis method, and program | |
CN115235455B (zh) | 一种基于智能手机pdr与视觉修正的行人定位方法 | |
CN110929766A (zh) | 一种基于高斯混合聚类算法的自适应行人手机姿态识别方法 | |
CN113916223B (zh) | 定位方法及装置、设备、存储介质 | |
CN111766941B (zh) | 一种基于智能戒指的手势识别方法及系统 | |
CN113487676A (zh) | 用于确定安装于采集实体的相机之间的相对姿态角的方法和装置 | |
CN113758481A (zh) | 栅格地图生成方法、装置、系统、存储介质及电子设备 | |
CN112578338A (zh) | 声源定位方法、装置、设备及存储介质 | |
CN110926467A (zh) | 一种基于新型均值聚类算法的自适应行人手机姿态识别方法 | |
CN111923040B (zh) | 一种集成陀螺仪的机械手末端空间姿态感知球及方法 | |
CN114419451B (zh) | 电梯内外识别方法、装置、电子设备及存储介质 | |
CN115293299B (zh) | 人体姿态特征实时检测方法、装置、设备及介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |