CN107582061A - 一种识别人体运动状态的方法及智能移动设备 - Google Patents
一种识别人体运动状态的方法及智能移动设备 Download PDFInfo
- Publication number
- CN107582061A CN107582061A CN201710601767.3A CN201710601767A CN107582061A CN 107582061 A CN107582061 A CN 107582061A CN 201710601767 A CN201710601767 A CN 201710601767A CN 107582061 A CN107582061 A CN 107582061A
- Authority
- CN
- China
- Prior art keywords
- mrow
- human body
- msub
- zero crossing
- represent
- 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.)
- Granted
Links
Landscapes
- Navigation (AREA)
Abstract
本发明公开了一种识别人体的运动状态的方法,应用于包含加速度传感器以及磁力计的智能移动设备中,该方法具体包括:根据加速度传感器输出的加速度值确定携带智能移动设备的人体的均值过零点率以及急动导,以及根据磁力计输出的磁场强度值确定人体当前区域的地磁倾角。本发明在智能移动设备识别人体运动状态时,通过结合加速度传感器和磁力计统计分析人体在不同运动状态下动作的幅度和频率以及检测人所处的磁场环境变化的数据,从而实现了快速、准确和实时地识别人体的运动状态。
Description
技术领域
本发明涉及通信技术领域,特别涉及一种识别人体运动状态的方法,本发明还涉及一种智能移动设备。
背景技术
随着科技的发展,人们对自身的健康状态越来越关注,而时刻记录自己的运动状态为人们运动的量化和健康认识提供帮助,但人体运动复杂而且状态很多,当前识别人体运动状态的使用参数多而且模型复杂,这就需要大量的数据,大内存和高功耗,那么,此类方法往往是在电脑中线下运行分析。但是在智能移动设备上的内存和功耗都比较有限,线上实时分析运动状态则对算法的效率提出了更高的要求。
并且当前的智能移动设备都需要提取的大量特征量,诸如平均值,方差,最大值,最小值,振幅(极大值和极小值的方差),频率(极大值和极小值的平均距离)等等特征值。识别的特征值计算量都比较大,这样对于内存有限的智能移动设备需要计算比较多的计算量时而且还增加了智能移动设备的功耗。
因此,如何实时、准确的识别人体运动状态,成为亟需解决的技术问题。
发明内容
本发明提供了一种识别人体运动状态的方法,根据加速度传感器分析在不同的运动状态下的动作幅度和动作频率,同时根据磁力计检测磁场环境的变化,从而实时的识别人体当前的运动状态。
为达到上述目的,本发明一方面提供了一种识别人体的运动状态的方法,应用于包含加速度传感器以及磁力计的智能移动设备中,其特征在于,该方法具体包括:
根据所述加速度传感器输出的加速度值确定携带所述智能移动设备的人体的均值过零点率以及急动导,以及根据所述磁力计输出的磁场强度值确定所述人体当前区域的地磁倾角;
根据所述均值过零点率、所述急动导及所述地磁倾角确定所述人体的运动状态;
其中,所述人体的运动状态至少包括:骑车状态、跑步状态、静止站立状态、乘车状态、行走状态。
另一方面,本发明还提供了一种智能移动设备,包括加速度传感器和磁力计;还包括处理器,适于实现各指令;以及存储设备,适于存储多条指令,所述指令适于由处理器加载并执行:
根据所述加速度传感器输出的加速度值确定携带所述智能移动设备的人体的均值过零点率以及急动导,以及根据所述磁力计输出的磁场强度值确定所述人体当前区域的地磁倾角;
根据所述均值过零点率、所述急动导及所述地磁倾角确定所述人体的运动状态;
其中,所述人体的运动状态至少包括:骑车状态、跑步状态、静止站立状态、乘车状态、行走状态。
本发明公开了一种识别人体的运动状态的方法,应用于包含加速度传感器以及磁力计的智能移动设备中,其特征在于,该方法具体包括:根据所述加速度传感器输出的加速度值确定携带所述智能移动设备的人体的均值过零点率以及急动导,以及根据所述磁力计输出的磁场强度值确定所述人体当前区域的地磁倾角。本发明在智能移动设备识别人体运动状态时,通过结合加速度传感器和磁力计统计分析人体在不同运动状态下动作的幅度和频率以及检测人所处的磁场环境变化的数据,从而实现了快速、准确和实时地识别人体的运动状态。
附图说明
为了更清楚地说明本发明的技术方案,下面将对实施例描述中所需要使用的附图做简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通人员来讲,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为本发明提出的一种识别人体运动状态方法流程图;
图2为本发明提出的一种多层次决策结构模型示意图;
图3为本发明提出的一种多层次结构模型决策树示意图;
图4为本发明提出的一种智能移动设备上算法实现的逻辑框架示意图;
图5为本发明提出的一种智能移动设备结构示意图。
具体实施方式
有鉴于现有技术中的问题,本发明实施例提出了一种识别人体的运动状态的方法,该方法通过从加速度传感器和磁力计输出的原始数据中提取人体运动状态表征的重要参数,通过这些特征参数分析人体在不同的运动状态下的动作幅度、动作频率以及检测人体周围磁场环境的变化,从而实现了快速、实时和准确地分析人体的运动状态。
为了进一步阐述本发明的技术思想,下面将结合本发明中的附图,对本发明中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的前提下所获得的所有其他实施例,都属于本发明的保护的范围。
如图1为本发明实施例中一种识别人体运动状态方法流程图,包括以下步骤:
S101、根据所述加速度传感器输出的加速度值确定携带所述智能移动设备的人体的均值过零点率以及急动导,以及根据所述磁力计输出的磁场强度值确定所述人体当前区域的地磁倾角。
本发明优选实施例中,该方案选取了两大类运动状态作为识别的目标,一是人体独立动作的状态,包括静止站立状态、行走状态、跑步状态。二是人们采用交通方式的状态,包括骑车状态和乘车状态。通过对用户实时状态的识别可以为用户提供定制化的服务功能,比如提高计步器的精准度,在开车时,提供自动导航功能的切换。此外,有了运动状态的分类,就可以从所有采集的数据中分离出有效的数据如行走状态或跑步状态等,这些数据将可用于分析人体的运动健康能力。
当用户在携带或使用智能移动设备(手机)的过程中,加速度传感器和磁力计分别输出加速度值和磁场强度值的原始数据。基于传感器的原始数据可以提取出关键的特征参数均值零点率、急动导和地磁倾角。再通过大量的数据用建立层次决策模型,最后将模型算法建立在智能移动设备的系统中。
需要注意的是,本发明优选实施例中智能移动设备包括但不限于手机。
本发明中识别人体运动状态时,需对上述关键特征参数进行提取。基于对加速度传感器和磁力计的原始数据的预处理,可提取出区分运动状态的三个关键特征参数。其中,加速度传感器输出的原始数据是三轴(x,y,z)的加速度值,磁力计输出的原始数据是三轴(x,y,z)的磁场强度值。
本发明实施例通过分离出的有效数据,计算出三种特征参数(均值过零点率、急动导、地磁倾角)。
优选的,本发明涉及的三种特征参数的具体计算方法如下:
1、急动导的获取,具体根据以下公式完成:
其中,A,表示所述加速度值的模;
ax,表示在x轴上的所述加速度的值;
ay,表示在y轴上的所述加速度的值;
az,表示在z轴上的所述加速度的值。
在不同的动作状态,加速度的值会随着人体的动作剧烈程度和幅度的变化而变化。同时考虑到人体携带手机的过程中,手机的方位是任意的。
如公式1所示,为对加速度的值先求取它的模。根据模的值计算参数加速度的导数,称作急动导,这个参数描述了加速度变化快慢的物理量。人在静止站立状态,行走状态,跑步状态,骑车状态和乘车状态下,加速度的变化有着很大的不同,比如人在静止站立状态时,加速度的变化小,则急动导的值也非常小,而在跑步状态下,加速度的变化很大,则急动导的值则很大。
此外,根据加速度的值还可以计算另一个参数均值过零点率。
2、均值过零点率的获取,具体根据以下方式完成:
获取所述加速度值的模的均值,所述加速度值减去所述均值,且将所述加速度值平移至以所述均值为标准的值;
根据平移后的所述加速值获取过零点的个数,所述均值过零点率为所述过零点的个数除以所述加速度值的总个数。
均值过零点率反应了人体动作变化的频率,在慢动作中,比如行走的过程中,过零点率比较低,但在快速动作中,比如在骑自行车的过程中,过零点率则很高,因此,过零点率可以用来区别高频的动作。
3、地磁倾角的获取,具体根据以下公式完成:
如公式2所示,首先通过方向余弦矩阵将局部坐标系中的磁场强度值转换成在全局坐标系中的磁场强度值。
公式2:
其(1)中,mG,表示所述全球坐标系中的磁场强度值;
表示从所述局部坐标系到所述全局坐标系转换的方向余弦矩阵;
mL,表示所述局部坐标系中的磁场强度值。
然后,如公式3所示,根据求的全局坐标系的磁场强度值计算地磁倾角。
公式3:
其(2)中,θ,表示所述人体当前区域的地磁倾角;
mz,G,表示所述全局坐标系中x轴上的磁场强度值;
my,G,表示所述全局坐标系中y轴上的磁场强度值;
mz,G,表示所述全局坐标系中z轴上的磁场强度值。
其中地磁倾角的局部坐标系可以为设备坐标系,全球坐标系可以为地球坐标系。
在不同的环境中,磁场是不一样的,特别是在乘车过程中,磁场环境会产生巨大的变化。因此,磁力计的值也是有着很大的改变。但是在一定位置范围内,磁力计相对预设倾角是相对固定的。因此,地磁倾角可用分析磁场的变化程度,进而分析人是否在车上。磁力计的原始数据给出了在局部坐标系(或者设备坐标系)中三轴的磁场强度值。
S102、根据所述均值过零点率、所述急动导及所述地磁倾角确定所述人体的运动状态。其中,所述人体的运动状态为骑车状态、跑步状态、静止站立状态、乘车状态、行走状态。
本发明通过加速度传感器输出的加速度值计算出均值过零点率以及急动导,通过磁力计输出的磁场强度计算出地磁倾角,并以均值过零点率、急动导及地磁倾角等参数确定人体的运动状态,能够显著减少智能移动设备的功耗,能够实时、准确的识别人体运动状态。
作为一个优选的示例,本申请提出了以下基于均值过零点率、急动导及地磁倾角等参数判断人体运动状态的方案:
S1021、若所述均值过零点率大于第一预设阈值,确认所述人体处于骑车状态;
S1022、若所述均值过零点率小于或等于所述第一预设阈值,且所述急动导大于预设最大阈值,确认所述人体处于跑步状态;
S1023、若所述均值过零点率小于或等于所述第一预设阈值,所述急动导小于预设最小阈值,且所述地磁倾角相对预设倾角无变化,确认所述人体处于静止站立状态;
S1024、若所述均值过零点率小于或等于所述第一预设阈值,所述急动导小于第二预设阈值,且所述地磁倾角相对预设倾角有变化,确认所述人体处于乘车状态;
S1025、若所述均值过零点率小于或等于所述第一预设阈值,所述急动导大于第二预设阈值且小于或等于第三预设阈值,确认所述人体处于行走状态。
需要说明的是,上述S1021-S1025,是并列的关系,只是为了方便地阐述本发明的五种人体运动状态情况。
在具体的实施例中,还可根据所述均值过零点率、所述急动导及所述地磁倾角建立三层级的决策模型,并根据所述决策模型确定所述人体的运动状态。
如图2所示,为本申请具体实施例根据特征参数建立三层级的决策模型。第一个层级以均值过零点率为变量,通过逻辑回归模型将所有运动状态分成骑车状态和其它状态(跑步状态、行走状态、静止站立状态和乘车状态)两大类。第二层级则采用急动导为变量,使用逻辑回归模型运动状态分为三类:跑步状态、行走状态、静止站立状态和乘车状态。在第三层中,以地磁倾角为参数,同样使用逻辑回归模型区分静止站立和在车上。
在该具体实施例中,在建立三层级决策模型后,还需根据每层参数变量进行判断。
在具体应用场景中,如图3所示,显示了基于层级模型的决策树。在层次模型建立后,实时采集的数据先用于计算参数均值过零点率、急动导和磁力计倾角,均值过零点率与阈值1比较,若大于阈值1则认为是骑车状态,反之分析判断急动导。若急动导小于阈值2则认为是静止站立状态或乘车状态,若急动导大于阈值2且小于阈值3,则认为是行走状态,若急动导大于阈值3则认为是跑步状态。最后,在急动导小于阈值2时,判断分析手机获取到的地磁倾角,如果地磁倾角有变化,说明磁场有变化,则判定为在车上,若地磁倾角无变化则判定为静止站立状态。
如图4所示说明了本发明实施例中多层次模型算法在智能移动设备上实现的逻辑构架。在最底层的是硬件,包括了加速度传感器和磁力计。硬件抽象层的硬件驱动程序控制了数据的采集和存储,同时从加速度传感器和磁力计采集的原始数据将实时传入运动状态识别算法。然后,运动状态识别的结果将通过接口传递到用户层的应用程序中。最后,用户层的应用程序调用运动状态识别的结果提供相应的功能。
综上所述,与现有技术相比,本发明实施例所提出的技术方案的有益技术效果包括:
本发明公开了一种识别人体的运动状态的方法,应用于包含加速度传感器以及磁力计的智能移动设备中,该方法具体包括:根据加速度传感器输出的加速度值确定携带智能移动设备的人体的均值过零点率以及急动导,以及根据磁力计输出的磁场强度值确定人体当前区域的地磁倾角。本发明在智能移动设备识别人体运动状态时,通过结合加速度传感器和磁力计统计分析人体在不同运动状态下动作的幅度和频率以及检测人所处的磁场环境变化的数据,从而实现了快速、准确和实时地识别人体的运动状态。
相应的,本发明实施例还提出了一种智能移动设备501,如图5所示。该设备包括加速度传感器502和磁力计503;还包括处理器504,适于实现各指令;以及存储设备505,适于存储多条指令,所述指令适于由处理器加载并执行:
根据所述加速度传感器502输出的加速度值确定携带所述智能移动设备501的人体的均值过零点率以及急动导,以及根据所述磁力计503输出的磁强度值确定所述人体当前区域的地磁倾角;
根据所述均值过零点率、所述急动导及所述地磁倾角确定所述人体的运动状态;
其中,所述人体的运动状态至少包括:骑车状态、跑步状态、静止站立状态、乘车状态、行走状态。
还包括:
若所述均值过零点率大于第一预设阈值,确认所述人体处于骑车状态;
若所述均值过零点率小于或等于所述第一预设阈值,且所述急动导大于预设最大阈值,确认所述人体处于跑步状态;
若所述均值过零点率小于或等于所述第一预设阈值,所述急动导小于预设最小阈值,且所述地磁倾角相对预设倾角无变化,确认所述人体处于静止站立状态;
若所述均值过零点率小于或等于所述第一预设阈值,所述急动导小于第二预设阈值,且所述地磁倾角相对预设倾角有变化,确认所述人体处于乘车状态;
若所述均值过零点率小于或等于所述第一预设阈值,所述急动导大于第二预设阈值且小于或等于第三预设阈值,确认所述人体处于行走状态。
还包括:
获取所述加速度值的模的均值,所述加速度值减去所述均值,且将所述加速度值平移至以所述均值为标准的值;
根据平移后的所述加速值获取过零点的个数,所述均值过零点率为所述过零点的个数除以所述加速度值的总个数。
还包括:
其中,A,表示所述加速度值的模;
ax,表示在x轴上的所述加速度的值;
ay,表示在y轴上的所述加速度的值;
az,表示在z轴上的所述加速度的值。
还包括:
其(1)中,mG,表示所述全球坐标系中的磁场强度值;
表示从所述局部坐标系到所述全局坐标系转换的方向余弦矩阵;
mL,表示所述局部坐标系中的磁场强度值;
其(2)中,θ,表示所述人体当前区域的地磁倾角;
mz,G,表示所述全局坐标系中x轴上的磁场强度值;
my,G,表示所述全局坐标系中y轴上的磁场强度值;
mz,G,表示所述全局坐标系中z轴上的磁场强度值。
综上所述,与现有技术相比,本发明实施例所提出的智能移动设备的有益技术效果包括:
本发明在智能移动设备识别人体运动状态时,采用加速度传感器分析人体在不同运动状态下动作的幅度和频率,同时使用磁力计检测磁场环境的变化,最终智能移动设备的处理器执行上述实施例中识别人体的运动状态的步骤,从而实现了快速、准确和实时地识别人体的运动状态。
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本发明可以通过硬件实现,也可以借助软件加必要的通用硬件平台的方式来实现。基于这样的理解,本发明的技术方案可以以软件产品的形式体现出来,该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM,U盘,移动硬盘等)中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施场景所述的方法。
本领域技术人员可以理解附图只是一个优选实施场景的示意图,附图中的模块或流程并不一定是实施本发明所必须的。
本领域技术人员可以理解实施场景中的装置中的模块可以按照实施场景描述进行分布于实施场景的装置中,也可以进行相应变化位于不同于本实施场景的一个或多个装置中。上述实施场景的模块可以合并为一个模块,也可以进一步拆分成多个子模块。
上述本发明序号仅仅为了描述,不代表实施场景的优劣。
以上公开的仅为本发明的几个具体实施场景,但是,本发明并非局限于此,任何本领域的技术人员能思之的变化都应落入本发明的保护范围。
Claims (10)
1.一种识别人体的运动状态的方法,应用于包含加速度传感器以及磁力计的智能移动设备中,其特征在于,该方法具体包括:
根据所述加速度传感器输出的加速度值确定携带所述智能移动设备的人体的均值过零点率以及急动导,以及根据所述磁力计输出的磁场强度值确定所述人体当前区域的地磁倾角;
根据所述均值过零点率、所述急动导及所述地磁倾角确定所述人体的运动状态;
其中,所述人体的运动状态至少包括:骑车状态、跑步状态、静止站立状态、乘车状态、行走状态。
2.如权利要求1所述的方法,其特征在于,所述根据所述均值过零点率、所述急动导及所述地磁倾角确定所述人体的运动状态,具体包括:
若所述均值过零点率大于第一预设阈值,确认所述人体处于骑车状态;
若所述均值过零点率小于或等于所述第一预设阈值,且所述急动导大于预设最大阈值,确认所述人体处于跑步状态;
若所述均值过零点率小于或等于所述第一预设阈值,所述急动导小于预设最小阈值,且所述地磁倾角相对预设倾角无变化,确认所述人体处于静止站立状态;
若所述均值过零点率小于或等于所述第一预设阈值,所述急动导小于第二预设阈值,且所述地磁倾角相对预设倾角有变化,确认所述人体处于乘车状态;
若所述均值过零点率小于或等于所述第一预设阈值,所述急动导大于第二预设阈值且小于或等于第三预设阈值,确认所述人体处于行走状态。
3.如权利要求1-2任一项所述的方法,其特征在于,所述均值过零点率,具体根据以下方式确定:
获取所述加速度值的模的均值,所述加速度值减去所述均值,且将所述加速度值平移至以所述均值为标准的值;
根据平移后的所述加速值获取过零点的个数,所述均值过零点率为所述过零点的个数除以所述加速度值的总个数。
4.如权利要求1-2任一项所述的方法,其特征在于,所述急动导,具体根据以下公式完成:
<mrow>
<mi>A</mi>
<mo>=</mo>
<msqrt>
<mrow>
<msub>
<mi>a</mi>
<mi>x</mi>
</msub>
<mo>+</mo>
<msub>
<mi>a</mi>
<mi>y</mi>
</msub>
<mo>+</mo>
<msub>
<mi>a</mi>
<mi>z</mi>
</msub>
</mrow>
</msqrt>
<mo>;</mo>
</mrow>
其中,A,表示所述加速度值的模;
ax,表示在x轴上的所述加速度的值;
ay,表示在y轴上的所述加速度的值;
az,表示在z轴上的所述加速度的值。
5.如权利要求1-2任一项所述的方法,其特征在于,所述地磁倾角,
具体根据以下公式完成:
<mfenced open = "" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<msub>
<mi>m</mi>
<mi>G</mi>
</msub>
<mo>=</mo>
<msubsup>
<mi>R</mi>
<mi>L</mi>
<mi>G</mi>
</msubsup>
<mo>&CenterDot;</mo>
<msub>
<mi>m</mi>
<mi>L</mi>
</msub>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
<mo>;</mo>
</mrow>
</mtd>
<mtd>
<mrow>
<mi>&theta;</mi>
<mo>=</mo>
<mi>arctan</mi>
<mrow>
<mo>(</mo>
<mfrac>
<msub>
<mi>m</mi>
<mrow>
<mi>z</mi>
<mo>,</mo>
<mi>G</mi>
</mrow>
</msub>
<msqrt>
<mrow>
<msubsup>
<mi>m</mi>
<mrow>
<mi>x</mi>
<mo>,</mo>
<mi>G</mi>
</mrow>
<mn>2</mn>
</msubsup>
<mo>+</mo>
<msubsup>
<mi>m</mi>
<mrow>
<mi>y</mi>
<mo>,</mo>
<mi>G</mi>
</mrow>
<mn>2</mn>
</msubsup>
</mrow>
</msqrt>
</mfrac>
<mo>)</mo>
</mrow>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>2</mn>
<mo>)</mo>
</mrow>
<mo>;</mo>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
其中,mG,表示所述全球坐标系中的磁场强度值;
表示从所述局部坐标系到所述全局坐标系转换的方向余弦矩阵;
mL,表示所述局部坐标系中的磁场强度值;
θ,表示所述人体当前区域的地磁倾角;
mz,G,表示所述全局坐标系中x轴上的磁场强度值;
my,G,表示所述全局坐标系中y轴上的磁场强度值;
mz,G,表示所述全局坐标系中z轴上的磁场强度值。
6.一种智能移动设备,其特征在于,包括加速度传感器和磁力计;还包括处理器,适于实现各指令;以及存储设备,适于存储多条指令,所述指令适于由处理器加载并执行:
根据所述加速度传感器输出的加速度值确定携带所述智能移动设备的人体的均值过零点率以及急动导,以及根据所述磁力计输出的磁场强度值确定所述人体当前区域的地磁倾角;
根据所述均值过零点率、所述急动导及所述地磁倾角确定所述人体的运动状态;
其中,所述人体的运动状态至少包括:骑车状态、跑步状态、静止站立状态、乘车状态、行走状态。
7.如权利要求6所述的智能移动设备,还包括:
若所述均值过零点率大于第一预设阈值,确认所述人体处于骑车状态;
若所述均值过零点率小于或等于所述第一预设阈值,且所述急动导大于预设最大阈值,确认所述人体处于跑步状态;
若所述均值过零点率小于或等于所述第一预设阈值,所述急动导小于预设最小阈值,且所述地磁倾角相对预设倾角无变化,确认所述人体处于静止站立状态;
若所述均值过零点率小于或等于所述第一预设阈值,所述急动导小于第二预设阈值,且所述地磁倾角相对预设倾角有变化,确认所述人体处于乘车状态;
若所述均值过零点率小于或等于所述第一预设阈值,所述急动导大于第二预设阈值且小于或等于第三预设阈值,确认所述人体处于行走状态。
8.如权利要求6-7任一项所述的智能移动设备,还包括:
获取所述加速度值的模的均值,所述加速度值减去所述均值,且将所述加速度值平移至以所述均值为标准的值;
根据平移后的所述加速值获取过零点的个数,所述均值过零点率为所述过零点的个数除以所述加速度值的总个数。
9.如权利要求6-7任一项所述的智能移动设备,还包括:
<mrow>
<mi>A</mi>
<mo>=</mo>
<msqrt>
<mrow>
<msub>
<mi>a</mi>
<mi>x</mi>
</msub>
<mo>+</mo>
<msub>
<mi>a</mi>
<mi>y</mi>
</msub>
<mo>+</mo>
<msub>
<mi>a</mi>
<mi>z</mi>
</msub>
</mrow>
</msqrt>
<mo>;</mo>
</mrow>
其中,A,表示所述加速度值的模;
ax,表示在x轴上的所述加速度的值;
ay,表示在y轴上的所述加速度的值;
az,表示在z轴上的所述加速度的值。
10.如权利要求6-7任一项所述的智能移动设备,还包括:
<mfenced open = "" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<msub>
<mi>m</mi>
<mi>G</mi>
</msub>
<mo>=</mo>
<msubsup>
<mi>R</mi>
<mi>L</mi>
<mi>G</mi>
</msubsup>
<mo>&CenterDot;</mo>
<msub>
<mi>m</mi>
<mi>L</mi>
</msub>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
<mo>;</mo>
</mrow>
</mtd>
<mtd>
<mrow>
<mi>&theta;</mi>
<mo>=</mo>
<mi>arctan</mi>
<mrow>
<mo>(</mo>
<mfrac>
<msub>
<mi>m</mi>
<mrow>
<mi>z</mi>
<mo>,</mo>
<mi>G</mi>
</mrow>
</msub>
<msqrt>
<mrow>
<msubsup>
<mi>m</mi>
<mrow>
<mi>x</mi>
<mo>,</mo>
<mi>G</mi>
</mrow>
<mn>2</mn>
</msubsup>
<mo>+</mo>
<msubsup>
<mi>m</mi>
<mrow>
<mi>y</mi>
<mo>,</mo>
<mi>G</mi>
</mrow>
<mn>2</mn>
</msubsup>
</mrow>
</msqrt>
</mfrac>
<mo>)</mo>
</mrow>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>2</mn>
<mo>)</mo>
</mrow>
<mo>;</mo>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
其中,mG,表示所述全球坐标系中的磁场强度值;
表示从所述局部坐标系到所述全局坐标系转换的方向余弦矩阵;
mL,表示所述局部坐标系中的磁场强度值;
θ,表示所述人体当前区域的地磁倾角;
mz,G,表示所述全局坐标系中x轴上的磁场强度值;
my,G,表示所述全局坐标系中y轴上的磁场强度值;
mz,G,表示所述全局坐标系中z轴上的磁场强度值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710601767.3A CN107582061B (zh) | 2017-07-21 | 2017-07-21 | 一种识别人体运动状态的方法及智能移动设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710601767.3A CN107582061B (zh) | 2017-07-21 | 2017-07-21 | 一种识别人体运动状态的方法及智能移动设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107582061A true CN107582061A (zh) | 2018-01-16 |
CN107582061B CN107582061B (zh) | 2020-03-27 |
Family
ID=61042564
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710601767.3A Active CN107582061B (zh) | 2017-07-21 | 2017-07-21 | 一种识别人体运动状态的方法及智能移动设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107582061B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110180158A (zh) * | 2019-07-02 | 2019-08-30 | 乐跑体育互联网(武汉)有限公司 | 一种跑步状态识别方法、系统及终端设备 |
CN110991482A (zh) * | 2019-10-31 | 2020-04-10 | 深圳市木瓜有子健康科技有限公司 | 健身动作识别的方法、终端及计算机存储介质 |
CN111141280A (zh) * | 2019-09-26 | 2020-05-12 | 广东小天才科技有限公司 | 一种地下交通工具的站点定位方法及电子设备 |
CN111854737A (zh) * | 2019-04-28 | 2020-10-30 | 百应科技(北京)有限公司 | 一种运动类型的判断方法及系统 |
CN113008231A (zh) * | 2021-04-30 | 2021-06-22 | 东莞市小精灵教育软件有限公司 | 一种运动状态识别方法、系统、可穿戴设备和存储介质 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101504424A (zh) * | 2009-01-09 | 2009-08-12 | 南京航空航天大学 | 微型多功能人体姿态智能检测仪及检测方法 |
JP2009195688A (ja) * | 2008-02-04 | 2009-09-03 | Commissariat A L'energie Atomique | 歩行分析装置 |
CN101694499A (zh) * | 2009-10-22 | 2010-04-14 | 浙江大学 | 基于行人步态检测的步速测量和传输的系统和方法 |
US20120143094A1 (en) * | 2009-04-24 | 2012-06-07 | Commissariat A L'energie Atomique Et Aux Energies Alternatives | System and method for determining the posture of a person |
WO2013040493A1 (en) * | 2011-09-16 | 2013-03-21 | Qualcomm Incorporated | Detecting that a mobile device is riding with a vehicle |
CN105496416A (zh) * | 2015-12-28 | 2016-04-20 | 歌尔声学股份有限公司 | 一种人体运动状态的识别方法和装置 |
CN106061383A (zh) * | 2013-09-19 | 2016-10-26 | 多萨威(澳大利亚)私人有限公司 | 用于监测身体的动态活动质量的方法和装置 |
CN106097617A (zh) * | 2016-07-26 | 2016-11-09 | 北京智能管家科技有限公司 | 一种运动状态检测装置、方法及系统 |
US20160338621A1 (en) * | 2015-05-18 | 2016-11-24 | Vayu Technology Corp. | Devices for measuring human gait and related methods of use |
CN106959119A (zh) * | 2017-03-06 | 2017-07-18 | 青岛海信移动通信技术股份有限公司 | 运动对象的监测方法及装置 |
-
2017
- 2017-07-21 CN CN201710601767.3A patent/CN107582061B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009195688A (ja) * | 2008-02-04 | 2009-09-03 | Commissariat A L'energie Atomique | 歩行分析装置 |
CN101504424A (zh) * | 2009-01-09 | 2009-08-12 | 南京航空航天大学 | 微型多功能人体姿态智能检测仪及检测方法 |
US20120143094A1 (en) * | 2009-04-24 | 2012-06-07 | Commissariat A L'energie Atomique Et Aux Energies Alternatives | System and method for determining the posture of a person |
CN101694499A (zh) * | 2009-10-22 | 2010-04-14 | 浙江大学 | 基于行人步态检测的步速测量和传输的系统和方法 |
WO2013040493A1 (en) * | 2011-09-16 | 2013-03-21 | Qualcomm Incorporated | Detecting that a mobile device is riding with a vehicle |
CN106061383A (zh) * | 2013-09-19 | 2016-10-26 | 多萨威(澳大利亚)私人有限公司 | 用于监测身体的动态活动质量的方法和装置 |
US20160338621A1 (en) * | 2015-05-18 | 2016-11-24 | Vayu Technology Corp. | Devices for measuring human gait and related methods of use |
CN105496416A (zh) * | 2015-12-28 | 2016-04-20 | 歌尔声学股份有限公司 | 一种人体运动状态的识别方法和装置 |
CN106097617A (zh) * | 2016-07-26 | 2016-11-09 | 北京智能管家科技有限公司 | 一种运动状态检测装置、方法及系统 |
CN106959119A (zh) * | 2017-03-06 | 2017-07-18 | 青岛海信移动通信技术股份有限公司 | 运动对象的监测方法及装置 |
Non-Patent Citations (1)
Title |
---|
BOFENG ZHANG ET AL: "State of the art in gait analysis using wearable sensors for healthcare applications", 《2012 IEEE/ACIS 11TH INTERNATIONAL CONFERENCE ON COMPUTER AND INFORMATION SCIENCE》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111854737A (zh) * | 2019-04-28 | 2020-10-30 | 百应科技(北京)有限公司 | 一种运动类型的判断方法及系统 |
CN110180158A (zh) * | 2019-07-02 | 2019-08-30 | 乐跑体育互联网(武汉)有限公司 | 一种跑步状态识别方法、系统及终端设备 |
CN111141280A (zh) * | 2019-09-26 | 2020-05-12 | 广东小天才科技有限公司 | 一种地下交通工具的站点定位方法及电子设备 |
CN111141280B (zh) * | 2019-09-26 | 2022-03-01 | 广东小天才科技有限公司 | 一种地下交通工具的站点定位方法及电子设备 |
CN110991482A (zh) * | 2019-10-31 | 2020-04-10 | 深圳市木瓜有子健康科技有限公司 | 健身动作识别的方法、终端及计算机存储介质 |
CN113008231A (zh) * | 2021-04-30 | 2021-06-22 | 东莞市小精灵教育软件有限公司 | 一种运动状态识别方法、系统、可穿戴设备和存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN107582061B (zh) | 2020-03-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107582061A (zh) | 一种识别人体运动状态的方法及智能移动设备 | |
Tao et al. | An object detection system based on YOLO in traffic scene | |
Zhi et al. | LightNet: A Lightweight 3D Convolutional Neural Network for Real-Time 3D Object Recognition. | |
CN105956560B (zh) | 一种基于池化多尺度深度卷积特征的车型识别方法 | |
CN110490177A (zh) | 一种人脸检测器训练方法及装置 | |
WO2019179403A1 (zh) | 基于序列宽深学习的欺诈交易检测方法 | |
CN107016403B (zh) | 一种基于夜间灯光数据提取城市建成区阈值的方法 | |
CN107742102A (zh) | 一种基于深度传感器的手势识别方法 | |
CN105069774B (zh) | 基于多示例学习与图割优化的目标分割方法 | |
CN107077734A (zh) | 决定方法以及程序 | |
CN105005789B (zh) | 一种基于视觉词汇的遥感图像地物分类方法 | |
CN105303195A (zh) | 一种词袋图像分类方法 | |
CN106971145A (zh) | 一种基于极限学习机的多视角动作识别方法及装置 | |
CN104679818A (zh) | 一种视频关键帧提取方法及系统 | |
Rahman et al. | Densely-populated traffic detection using yolov5 and non-maximum suppression ensembling | |
CN105938565A (zh) | 基于多层分类器和互联网图像辅助训练的彩色图像情感分类方法 | |
CN109492796A (zh) | 一种城市空间形态自动分区方法与系统 | |
CN110532946A (zh) | 一种基于卷积神经网络识别绿通车车辆轴型的方法 | |
CN114566052B (zh) | 一种基于车流方向判别高速公路车流监控设备转动的方法 | |
CN103136757A (zh) | 基于流形距离的两阶段聚类算法的sar图像分割方法 | |
CN115861619A (zh) | 一种递归残差双注意力核点卷积网络的机载LiDAR城市点云语义分割方法与系统 | |
CN110084211A (zh) | 一种动作识别方法 | |
CN110147780A (zh) | 基于层级地形的实时性野外机器人地形识别方法及系统 | |
CN110263836B (zh) | 一种基于多特征卷积神经网络的不良驾驶状态识别方法 | |
CN111352926A (zh) | 数据处理的方法、装置、设备及可读存储介质 |
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 | ||
CP01 | Change in the name or title of a patent holder |
Address after: 266071 Shandong city of Qingdao province Jiangxi City Road No. 11 Patentee after: Qingdao Hisense Mobile Communication Technology Co.,Ltd. Address before: 266071 Shandong city of Qingdao province Jiangxi City Road No. 11 Patentee before: HISENSE MOBILE COMMUNICATIONS TECHNOLOGY Co.,Ltd. |
|
CP01 | Change in the name or title of a patent holder |