CN107636683B - 利用加速度计识别用户的活动的方法和装置 - Google Patents
利用加速度计识别用户的活动的方法和装置 Download PDFInfo
- Publication number
- CN107636683B CN107636683B CN201680028717.4A CN201680028717A CN107636683B CN 107636683 B CN107636683 B CN 107636683B CN 201680028717 A CN201680028717 A CN 201680028717A CN 107636683 B CN107636683 B CN 107636683B
- Authority
- CN
- China
- Prior art keywords
- user
- motion state
- state
- time period
- motion
- 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.)
- Expired - Fee Related
Links
- 238000000034 method Methods 0.000 title claims description 78
- 230000000694 effects Effects 0.000 title claims description 74
- 230000001133 acceleration Effects 0.000 claims abstract description 100
- 230000000386 athletic effect Effects 0.000 claims description 73
- 238000000638 solvent extraction Methods 0.000 claims description 6
- 230000001351 cycling effect Effects 0.000 claims description 5
- 239000013598 vector Substances 0.000 description 46
- 238000010586 diagram Methods 0.000 description 41
- 230000006870 function Effects 0.000 description 20
- 238000004891 communication Methods 0.000 description 18
- 230000008859 change Effects 0.000 description 17
- 230000007246 mechanism Effects 0.000 description 11
- 238000012790 confirmation Methods 0.000 description 10
- 238000012545 processing Methods 0.000 description 8
- 238000005070 sampling Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 5
- 230000004622 sleep time Effects 0.000 description 5
- 230000001174 ascending effect Effects 0.000 description 4
- 230000008901 benefit Effects 0.000 description 4
- 238000006243 chemical reaction Methods 0.000 description 4
- 230000004913 activation Effects 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 230000005674 electromagnetic induction Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000007477 logistic regression Methods 0.000 description 3
- 230000007958 sleep Effects 0.000 description 3
- 229920001621 AMOLED Polymers 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000010295 mobile communication Methods 0.000 description 2
- 230000000284 resting effect Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- SAZUGELZHZOXHB-UHFFFAOYSA-N acecarbromal Chemical compound CCC(Br)(CC)C(=O)NC(=O)NC(C)=O SAZUGELZHZOXHB-UHFFFAOYSA-N 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000003321 amplification Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 150000001875 compounds Chemical class 0.000 description 1
- 239000004020 conductor Substances 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 230000005672 electromagnetic field Effects 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 230000002045 lasting effect Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003199 nucleic acid amplification method Methods 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000000611 regression analysis Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000004984 smart glass Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
- 239000000725 suspension Substances 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04Q—SELECTING
- H04Q9/00—Arrangements in telecontrol or telemetry systems for selectively calling a substation from a main station, in which substation desired apparatus is selected for applying a control signal thereto or for obtaining measured values therefrom
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
- G01S19/01—Satellite radio beacon positioning systems transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
- G01S19/13—Receivers
- G01S19/14—Receivers specially adapted for specific applications
- G01S19/19—Sporting applications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/20—Movements or behaviour, e.g. gesture recognition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/20—Movements or behaviour, e.g. gesture recognition
- G06V40/23—Recognition of whole body movements, e.g. for sport training
-
- 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
- H04M1/725—Cordless telephones
-
- 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
- H04M1/72448—User interfaces specially adapted for cordless or mobile telephones with means for adapting the functionality of the device according to specific conditions
- H04M1/72454—User interfaces specially adapted for cordless or mobile telephones with means for adapting the functionality of the device according to specific conditions according to context-related or environment-related conditions
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04Q—SELECTING
- H04Q2209/00—Arrangements in telecontrol or telemetry systems
- H04Q2209/40—Arrangements in telecontrol or telemetry systems using a wireless architecture
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04Q—SELECTING
- H04Q2209/00—Arrangements in telecontrol or telemetry systems
- H04Q2209/40—Arrangements in telecontrol or telemetry systems using a wireless architecture
- H04Q2209/43—Arrangements in telecontrol or telemetry systems using a wireless architecture using wireless personal area networks [WPAN], e.g. 802.15, 802.15.1, 802.15.4, Bluetooth or ZigBee
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04Q—SELECTING
- H04Q2209/00—Arrangements in telecontrol or telemetry systems
- H04Q2209/80—Arrangements in the sub-station, i.e. sensing device
- H04Q2209/82—Arrangements in the sub-station, i.e. sensing device where the sensing device takes the initiative of sending data
- H04Q2209/823—Arrangements in the sub-station, i.e. sensing device where the sensing device takes the initiative of sending data where the data is sent when the measured values exceed a threshold, e.g. sending an alarm
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04Q—SELECTING
- H04Q2209/00—Arrangements in telecontrol or telemetry systems
- H04Q2209/80—Arrangements in the sub-station, i.e. sensing device
- H04Q2209/86—Performing a diagnostic of the sensing device
Landscapes
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Human Computer Interaction (AREA)
- Computer Networks & Wireless Communication (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Social Psychology (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Psychiatry (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Signal Processing (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
- General Engineering & Computer Science (AREA)
- User Interface Of Digital Computer (AREA)
- Telephone Function (AREA)
- Physical Education & Sports Medicine (AREA)
Abstract
提供了一种设备。该设备包含:加速度计,该加速度计被配置为测量设备的加速度;控制器,该控制器被配置为:从加速度计获取设备在第一时间段和与第一时间段相邻的第二时间段中的加速度数据;基于对应于第一时间段的加速度数据,确定用户在第一时间段中的第一运动状态,并且考虑到对应于第二时间段的加速度数据和确定的第一运动状态,确定用户在第二时间段中的第二运动状态;以及显示器,该显示器被配置为显示第一运动状态和第二运动状态。
Description
技术领域
本公开涉及一种利用加速度计识别用户的活动的方法和装置。
背景技术
随着传感器技术的发展,一个设备设置有各种传感器。此外,还开发了利用包含于设备中的传感器识别设备的用户的前后关系或者活动的技术。
识别用户的前后关系可需要各种传感器。然而,使用许多传感器需要大功率,并且在移动设备中,大功率消耗可是个问题。此外,各种传感器必然导致设备尺寸增大。
当前,利用专用传感器处理器处理各种传感器。专用传感器处理器是从包含于设备中的各种传感器获取数据并且集中处理所获取的数据的处理器。利用专用传感器处理器可以降低使用传感器时消耗的功率。
然而,利用专用传感器处理器对功率消耗的减少有限。此外,因为受到设备的价格或者尺寸的限制,可能难以一起使用各种传感器。
因此,需要一种利用低功耗传感器或者最少量的传感器可以识别用户的前后关系或者活动的技术。
作为背景信息,提供上述信息,仅为了有助于理解本公开。关于上述内容是否可用作本公开的现有技术,既没有做出确定,也没有做出声明。
发明内容
本公开的方案是至少解决上述问题和/或者缺陷,并且至少提供下面描述的优点。因此,本公开的方案是提供一种利用加速度计识别用户的活动的方法和装置。
附图说明
根据下面结合附图所做的描述,本公开的上述以及其他方案、特征和特定实施例的优点更加显而易见,其中:
图1是用于描述根据本公开的实施例利用设备的加速度信息确定用户的运动状态的设备的方法的示意图;
图2a是用于描述根据本公开的实施例处理设备的加速度数据的设备的方法的示意图;
图2b是用于描述根据本公开的实施例确定加速度数据形成的向量的设备的方法的示意图;
图3是用于示出根据本公开的实施例考虑到先前运动状态确定当前运动状态的设备的方法的流程图;
图4a是用于描述根据本公开的实施例基于帧特征确定用户的运动状态的设备的方法的流程图;
图4b和4c示出根据本公开的实施例用于确定用户的运动状态的阈值;
图4d是用于描述根据本公开的实施例基于加速度数据形成的向量的特征确定用户的运动状态的设备的方法的示意图;
图5a是用于描述根据本公开的实施例基于加速度数据的特征将多个运动活动中的一个确定为用户的运动状态的设备的方法的流程图;
图5b和5c是用于描述根据本公开的实施例基于加速度数据的特征将多个运动活动中的一个确定为用户的运动状态的设备的方法的示意图;
图6是示出根据本公开的实施例考虑到先前运动状态确定当前运动状态的设备的方法的流程图;
图7a是示出根据本公开的实施例基于当前运动状态发生下一个运动状态的概率的表;
图7b是用于描述根据本公开的实施例基于先前运动状态确定当前运动状态的设备的方法的示意图;
图8是示出根据本公开的实施例基于先前运动状态确定当前运动状态的置信度的设备的方法的示意图;
图9是示出根据本公开的实施例基于用户的运动状态提供与运动状态关联的服务的设备的方法的示意图;
图10是示出根据本公开的实施例基于用户的运动状态确定用户所在地点的设备的方法的流程图;
图11是示出根据本公开的实施例用户的运动状态随时间变化的表;
图12a是用于描述根据本公开的实施例基于用户的运动状态确定地点的设备的方法的示意图;
图12b是示出根据本公开的实施例基于用户的确认来确定用户的地点的设备的方法的示意图;
图12c是示出根据本公开的另一个实施例基于用户的确认来确定用户的地点的设备的方法的示意图;
图13是示出根据本公开的实施例基于用户的运动状态确定用户所在地点的设备的方法的流程图;
图14是示出根据本公开的实施例基于每个运动活动被确定为设备的运动状态的频率确定用户所处的地点的设备的方法的示意图;
图15a是用于描述根据本公开的实施例基于用户的运动状态确定用户的生活方式的设备的方法的示意图;
图15b是用于描述根据本公开的实施例基于用户的运动方式确定运动目标并且提供与运动目标关联的服务的设备的方法的示意图;
图16是用于描述根据本公开的实施例基于用户的运动状态创建用户的概况的设备的方法的示意图;
图17是用于描述根据本公开的实施例显示用户所处的主要地点的设备的方法的示意图;
图18是示出根据本公开的实施例将服务设定为在每个地点自动执行的设备的方法的示意图;
图19示出根据本公开的实施例,从由用户的运动状态确定的用户信息中选择要提供给用户的信息的用户界面;
图20是用于描述根据本公开的实施例提供用户的停车位置的设备的方法的示意图;
图21示出根据本公开的实施例的设备的方框图;以及
图22是示出根据本公开的实施例的设备的配置的方框图。
应当注意,贯穿附图,利用类似的参考编号表示相同或者类似的元件、特征和结构。
具体实施模式
【最佳模式】
本公开的方案是要至少解决上述问题和/或者缺陷,并且至少提供下面描述的优点。因此,本公开的方案是提供一种利用加速度计识别用户的活动的方法和装置。
一部分附加方案在下面的描述中进行了阐述,而一部分附加方案将根据该描述显而易见,也可以通过实施当前实施例获悉。
根据本公开的方案,提供了一种设备。该设备包含:加速度计,该加速度计被配置为测量该设备的加速度;控制器,该控制器被配置为从加速度计获取该设备在第一时间段和与第一时间段相邻的第二时间段中的加速度数据,基于对应于第一时间段的加速度数据确定用户在第一时间段中的第一运动状态,并且考虑到对应于第二时间段的加速度数据和确定的第一运动状态确定用户在第二时间段中的第二运动状态;以及显示器,该显示器被配置为显示第一运动状态和第二运动状态。
每个运动状态可以指用户的多个预定运动活动中的一个,并且多个预定运动活动可以包含静止活动、停止活动、步行活动、慢跑活动、骑行活动以及驾驶活动中的至少一个。
第二时间段可以部分地重叠第一时间段。
利用对应于第一时间段的加速度数据,控制器可以创建用于划分多个运动活动的特征数据,并且可以基于创建的特征数据,确定用户在第一时间段中的运动状态。
用于划分多个运动活动的特征数据是加速度数据的幅值、标准偏差、频率和能量中的至少一个。
当第一运动状态发生于第一时间段中时,通过基于多个运动活动中的每个作为第一运动状态的下一个运动状态发生的概率确定第二运动状态,控制器可以考虑到第一运动状态确定第二运动状态。
通过利用对应于第二时间段的加速度数据来创建用于识别多个运动活动的特征数据和基于第一运动状态确定阈值,并且通过将创建的特征数据与阈值进行比较来确定第二运动状态,控制器可以考虑到第一运动状态确定第二运动状态。
特征数据可以是加速度数据的平均幅值,当加速度数据的平均幅值小于阈值时,控制器可以将用户在第二时间段中的运动状态确定为静止状态,并且当设备的用户在第一时间段中的运动状态是停止状态时可以将该阈值确定为第一阈值,而当设备的用户在第一时间段中的运动状态不是停止状态时,可以将其确定为第二阈值,其中第一阈值小于第二阈值。
控制器可以基于确定的第一运动状态和第二运动状态确定用户所处的地点。
在确定用户所处的地点时,控制器可以从包含于设备中的位置传感器获取该设备的位置信息,并且显示器将获取的位置信息显示为确定的地点的位置信息。
根据本公开的另一个方案,提供了一种用于识别用户活动的方法。该方法包含:从加速度计获取设备在第一时间段和与第一时间段相邻的第二时间段中的加速度数据;基于对应于第一时间段的加速度数据,确定设备的用户在第一时间段中的第一运动状态;以及考虑到对应于第二时间段的加速度数据并且还考虑到确定的第一运动状态,确定用户在第二时间段中的第二运动状态;以及显示第一运动状态和第二运动状态。
运动状态中的每个可以指用户的多个预定运动活动中的一个,并且多个预定运动活动可以包含静止活动、停止活动、步行活动、慢跑活动、骑行活动以及驾驶活动中的至少一个。
确定设备的用户在第一时间段中的第一运动状态可以包含利用对应于第一时间段的加速度数据创建用于划分多个运动活动的特征数据;以及基于创建的数据,确定用户在第一时间段中的运动状态。
考虑到对应于第二时间段的加速度数据并且还考虑到确定的第一运动状态来确定用户在第二时间段中的第二运动状态可以包含当第一运动状态发生于第一时间段中时,基于多个运动活动中的每个作为第一运动状态的下一个运动状态发生的概率来确定第二运动状态。
考虑到对应于第二时间段的加速度数据并且还考虑到确定的第一运动状态确定用户在第二时间段中的第二运动状态可以包含:利用对应于第二时间段的加速度数据创建用于划分多个运动活动的特征数据;以及将创建的特征数据与阈值进行比较以确定第二运动状态。
特征数据可以是加速度数据的平均幅值,将创建的特征数据与阈值进行比较来确定第二运动状态可以包含:当加速度数据的平均幅值小于阈值时,将用户在第二时间段中的运动状态确定为静止状态,并且当设备的用户在第一时间段中的运动状态是停止状态时可以将该阈值确定为第一阈值,而当设备的用户在第一时间段中的运动状态不是停止状态时,可以将其确定为第二阈值,其中第一阈值小于第二阈值。
该方法还可以包含基于确定的第一运动状态和第二运动状态,确定用户所处的地点。
该方法还可以包含:在确定用户所处的所述地点时,从包含于设备中的位置传感器获取该设备的位置信息;以及将获取的位置信息显示为确定地点的位置信息。
根据本公开的另一个方案,提供了一种设备。该设备包含:加速度计,该加速度计被配置为测量该设备的加速度;控制器,该控制器被配置为当设备的用户运动时从加速度计获取该设备的加速度数据,基于获取的加速度数据确定用户的运动状态,并且基于用户的运动状态确定用户在获取加速度数据的时间段中所处的地点;显示器,该显示器被配置为将确定地点显示为用户在获取加速度数据的时间段中所处的地点。
在确定用户在获取加速度数据的时间段中所处的地点时,控制器可以从包含于设备中的位置传感器获取该设备的位置信息,并且显示器可以将获取的位置信息显示为确定地点的位置信息。
根据下面结合附图所做的详细描述,本公开的其他方案、优点和显著特征对于本技术领域内的技术人员显而易见,下面的详细描述披露了本公开的各种实施例。
【实施例】
为了有助于综合理解权利要求及其等同限定的本公开的各种实施例,提供了下面参考附图所做的描述。为了有助于这样理解,其包含各种具体细节,但是只能将这些看作示例。因此,本技术领域内的普通技术人员明白,能够对在此描述的各种实施例进行各种变更和修改,而不脱离本公开的范围和精神。此外,为了清楚和简洁,可以省略对众所周知的功能和构造的描述。
下面的描述以及权利要求中使用的术语和词语并不局限于书面含义,而仅被发明人用于使本公开能够被清楚一致地理解。因此,本技术领域内的技术人员应当明白,下面对本公开的各种实施例所做的描述仅出于说明的目的,而无意限制所附权利要求及其等同限定的本公开。
应当明白,单数形式“一个”、“一”和“该”包含多个讨论对象,除非上下文另外明确指示。因此,例如,提及“部件表面”包含提及一个或者多个这种表面。
简要描述了在此使用的术语,而将详细描述各种实施例。
考虑到各种实施例的功能,作为当前广泛使用的通用术语,选择各种实施例中采用的术语,但是可以根据本技术领域内的操作员、实施或者引入新技术的目的而改变。此外,如果存在申请人在特定情况下任意选择的术语,则在这种情况下,将在各种实施例的相应描述部分详细描述该术语的含义。因此,不应当基于每个术语的简单名称,而应当基于该说明书的整体内容定义该术语。
在下面的披露中,当描述一个包含(或者包含或者具有)一些元件时,应当明白,其可以仅包含(或者包含或者具有)这些元件,其也可以包含(或者包含或者具有)其他元件以及那些没有特殊限制的元件。此外,诸如“单元”和“模块”的每个术语指用于执行至少一个功能或者操作的元件,并且可以以硬件、软件或者硬件和软件的组合的方式实现。
在此使用的术语“用户的运动状态”指用户的多个运动活动中的一个。用户的多个运动活动可以包含:站立、步行、慢跑、上楼梯或者下楼梯、上坡或者下坡、乘电梯、骑行、驾驶、乘公交车、以及乘地铁,但是并不限于此。
在此使用的术语“用户的运动方式”可以包含运动时用户随时间变化所处的地点、地点的运动顺序、一个地点的停留时间、平均运动开始时间、平均运动结束时间、平均运动时间以及用户的交通方法,但是并不限于此。交通方法可以包含:步行、骑行、驾驶、乘地铁和乘公交车,但是并不限于此。
在此使用的术语“停止状态”可以指用户位于已经启动但是尚未行使的轿车中。例如,停止状态可以是轿车暂停车等待交通灯变灯的状态。
在此使用的术语“静止状态”可以指未使用轿车运动时的不动状态。例如,静止状态可以是用户在步行或者骑行时暂停的状态。
在下面的详细描述中,作为说明,仅简单示出并且描述了本公开的特定实施例。然而,可以以许多不同方式实施各种实施例,并且不应当认为其局限于在此阐述的各种实施例。在附图中,为了清楚起见,省略了与描述各种实施例无关的部分。此外,在整个说明书中,类似的参考编号指类似的元件。
图1是用于描述根据本公开的实施例利用设备100的加速度信息确定用户的运动状态的设备100的方法的示意图。
参考图1,设备100可以利用设备100的加速度信息确定用户的运动状态。例如,如图1所示,设备100可以指示设备100的用户处于驾驶状态。
用户的运动状态可以指用户的多个运动活动中的一个。用户的多个运动活动可以包含:站立、步行、慢跑、上楼梯或者下楼梯、上坡或者下坡、乘电梯、骑自行车、乘轿车、乘公交车、以及乘地铁,但是并不限于此。
多个运动活动的表可以存储于设备100中。可替换的,可以从外部服务器接收多个运动活动的表。此外,可以基于用户的活动改变多个运动活动的表。
设备100可以利用包含于设备100中的加速度计获取设备100在X、Y和Z方向上的加速度计值。设备100的加速度计值可以根据用户的运动状态指示特定模式。例如,当用户在站立、步行或者骑行时,与用户一起运动的设备100的加速度计值随时间的变化可以呈现不同模式。
因此,设备100可以事先根据多个运动活动学习加速度数据的模式,并且可以基于学到的模式确定用户的运动状态。在这种情况下,设备100可以以机器学习方法根据多个运动活动学习加速度数据的模式。机器学习方法可以使用卷积神经网络、支持向量机等等,但是并不限于此。
此外,设备100可以基于随时间获取的加速度数据确定用户随时间变化的运动状态,并且可以基于用户随时间变化的运动状态确定用户在获取加速度数据时所处的地点。
此外,设备100可以基于用户随时间变化的运动状态确定用户的生活方式。另外,设备100可以基于用户的地点随时间的变化确定用户的运动方式。
图2a是用于描述根据本公开的实施例处理设备100的加速度数据的设备100的方法的示意图。
参考图2a,设备100可以确定一个时间段中的运动状态。
设备100可以以预定时间间隔抽样设备100的加速度数据。例如,抽样周期可以是10ms、20ms、或者50ms,但是并不限于此。在这种情况下,当抽样的获取时间因为传感器的硬件特性而不恒定时,设备100可以对获取的抽样应用内插,以估计在抽样周期内要获取的抽样的值。
设备100可以在一个抽样时间获取正交方向上的多个数据。例如,在一个抽样时间,设备100可以基于设备100中的一个点获取X、Y和Z轴的加速度数据。在该说明书中,可以将在一个抽样时间获取的X、Y和Z轴的加速度数据称为对应于一个抽样时间的一个抽样210。
设备100可以将预定数量的连续抽样称为一帧。一帧可以包含64个、128个或者256个抽样,但是并不限于此。该帧可以表示在提取一个运动状态的一个时间段内获取的抽样。
此外,相邻帧可以包含相同的抽样。例如,当第一帧220包含连续获取的256个抽样时,第二帧230可以包含第129个至第256个抽样,这是包含于第一帧220中的256个抽样中的后一半抽样。通过在相邻帧之间重叠抽样,设备100可以使用获取的全部抽样,而不省略,因此,增强了运动状态的连续性。
图2b是用于描述根据本公开的实施例确定加速度数据形成的向量的设备100的方法的示意图。
参考图2b,设备100可以确定一个抽样中的加速度数据形成的向量。
对应于一个抽样的向量340可以是x轴数据310、y轴数据320和z轴数据330形成的向量。
对于每个抽样,设备100可以确定对应于该抽样的向量。此外,设备100可以基于向量的特征确定用户的运动状态。向量的特征可以包含幅值、频率、标准偏差或者向量的能量,但是并不限于此。
图3是用于示出根据本公开的实施例考虑到先前运动状态确定当前运动状态的设备100的方法的流程图。
在操作S310,用户的设备100可以从包含于设备100中的加速度计获取设备100在第一帧时间段和与第一帧时间段相邻的第二帧时间段中的加速度数据。
在此,帧可以含有在提取一个运动状态的一个时间段内获取的抽样,并且帧时间段可以含有获取帧的时间。
第一帧时间段和第二帧时间段可以部分地重叠,也可以全部不重叠。
在操作S320,设备100可以基于对应于第一帧时间段的加速度数据确定用户在第一帧时间段中的第一运动状态。
多个运动活动产生的加速度数据可以根据几个特征划分。例如,当用户的移动状态是静止状态时,加速度数据所指的幅值或者能量可以是多个运动活动中最低的。另一方面,用户的移动状态是驾驶状态时,加速度数据所指的波形的频率可以是多个运动活动中最高的。
因此,设备100可以将至少一个将多个运动活动进行划分的特征确定为从每个帧提取的特征,并且可以从每个帧提取所确定的至少一个特征。例如,通过利用滤波器卷积第一帧,设备100可以将第一帧转换为指示第一帧的特征的特征数据。
设备100可以基于转换的特征数据的幅值确定用户在第一帧时间段中运动状态。例如,当该帧的平均幅值等于或者大于第一阈值而小于第二阈值,并且该帧的波形的频率大于第三阈值时,设备100可以将用户在第一帧时间段中的运动状态确定为停止状态。
可以预定并且可以根据用户的运动活动对应于用户的个人特点改变用于确定运动状态的特征数据的阈值。
在操作S330,设备100可以考虑到对应于第二帧时间段的加速度数据并且还考虑到确定的第一运动状态来确定用户在第二帧时间段中的第二运动状态。
当当前运动状态是慢跑状态时,作为下一个运动状态,可能发生慢跑状态、步行状态和静止状态,但是不可能发生驾驶状态或者骑行状态。因此,在多个运动活动中,在设备100中可以根据当前运动状态预定作为下一个运动状态可以发生的运动活动。
因此,当在第一时间段中发生了第一运动状态时,设备100可以基于多个运动活动中的每个作为第一运动状态的下一个运动状态发生的概率来确定第二运动状态。将参考图6至7B对此做详细描述。
此外,通过利用对应于第二时间段的加速度数据产生用于划分多个运动活动的特征数据、基于第一运动状态确定阈值、以及将产生的特征数据与阈值进行比较从而确定第二运动状态,可以考虑到第一运动状态确定第二运动状态。将参考图4A至4D对此做详细描述。
在操作S340,设备100可以显示第一运动状态和第二运动状态。
设备100可以连续显示第一运动状态和第二运动状态。
图4a是用于描述根据本公开的实施例基于帧特征确定用户的运动状态的设备100的方法的流程图。
在操作S410,用户的设备100可以从包含于设备100中的加速度计获取第一帧时间在X、Y和Z方向上的加速度数据。
可以参考图2A描述获取第一帧时间在X、Y和Z方向上的加速度数据的示例。
在操作S420,设备100可以确定由X、Y和Z方向上的加速度数据形成的、对应于第一帧中的每个抽样的向量。
可以参考图2B描述确定由X、Y和Z方向上的加速度数据形成的、对应于第一帧中的每个抽样的向量的示例。
在操作S430,设备100可以确定该向量的频率是否等于或者大于频率阈值。
设备100可以基于该向量的频率和该向量的幅值确定用户的运动状态是否是停止状态。
图4b和4c示出根据本公开的实施例用于确定用户的运动状态的阈值。
参考图4B,当用户的运动状态是停止状态时,一个帧中的向量的频率可以等于或者大于频率阈值。当运动状态不是停止状态时,一个帧中的向量的频率可以小于频率阈值。频率阈值可以是例如60Hz、70Hz、或者100Hz,但是并不限于此。
当在操作S430,向量的频率小于频率阈值时,在操作S440,设备100可以确定向量的平均幅值是否小于第一幅值阈值。
参考图4b,当用户的运动状态是停止状态时,一个帧中的向量的平均幅值可以小于第一幅值阈值。第一幅值阈值可以是例如0.2m/s2或者0.3m/s2,但是并不限于此。
当在S440确定第一帧中的向量的平均幅值小于第一幅值阈值时,在S450,设备100可以确定设备100在第一帧时间的运动状态是停止状态。
当在操作S430,向量的频率小于频率阈值时,在操作S460,设备100可以确定向量的平均幅值是否小于第二幅值阈值。
参考图4b,当用户的运动状态是静止状态时,一个帧中的向量的频率可以小于频率阈值。此外,当用户的运动状态是静止状态时,一个帧中的向量的平均幅值可小于第二幅值阈值,并且当用户的运动状态不是静止状态时,一个帧中的向量的平均幅值可不始终小于第二幅值阈值。
在这种情况下,第二幅值阈值可以根据第一帧之前的帧的运动状态是什么而改变。参考图4C,第二幅值阈值在先前帧的运动状态是停止状态时是T1,并且第二幅值阈值在先前帧的运动状态不是停止状态时是T2。在这种情况下,T1可以小于T2。
详细地说,静止状态的向量的平均幅值可以小于停止状态的向量的平均幅值,但是静止状态的向量的平均幅值与停止状态的向量的平均幅值之差可以不大。因此,尽管运动状态是停止状态,仍可以容易地将运动确定为静止状态。
因此,当向量的平均幅值非常小时,可以将停止状态确定为静止状态。如图4C所示,通过将当先前帧的运动状态是停止状态时确定静止状态的幅值阈值降低到低于当先前帧的运动状态不是停止状态时确定静止状态的幅值阈值,能够清楚地区别静止状态和停止状态。
当在操作S460,向量的平均幅值小于第二幅值阈值时,在操作S470,设备100可以确定设备100在第一帧时间的运动状态是静止状态。
当在操作S440,向量的平均幅值等于或者大于第一幅值阈值时,或者当在操作S460,向量的平均幅值等于或者大于第二幅值阈值时,在操作S480,设备100可以将第一帧转换为用于划分多个运动活动的特征数据。
在操作S490,设备100可以基于转换数据确定设备100在第一帧时间的运动状态。
将参考图5A、5B、和5C详细描述与S480和S490关联的示例。
图4公开了根据每个抽样基于向量的特征确定用户的运动状态的示例。然而,设备100可以不基于向量的特征而基于x轴数据、y轴数据和z轴数据中至少一个的特征来确定用户的运动状态。例如,设备100可以基于x轴数据、y轴数据和z轴数据中具有最小标准偏差的轴的数据的频率或者平均幅值确定用户的运动状态。
图4d是用于描述根据本公开的实施例基于加速度数据形成的向量的特征确定用户的运动状态的设备100的方法的示意图。
参考图4d,设备100可以基于一个帧中的向量的平均幅值和频率将作为用户的运动状态的静止状态与停止状态区别开。
图4D所示的波形410可以是随时间示出一个帧中的向量的幅值的波形。
设备100可以计算一个帧中的向量的平均幅值420。此外,设备100可以基于一个帧中的向量的平均幅值420与幅值波形410相交的交点430的数量计算向量的频率。
当帧中的交点430的数量等于或者大于阈值数量,并且向量的平均幅值420小于第一幅值阈值时,设备100可以将用户在帧时段中的运动状态确定为停止状态。
另一方面,当帧中的交点430的数量小于阈值数量,并且向量的平均幅值420小于第二幅值阈值时,设备100可以将用户在帧时段中的运动状态确定为静止状态。
可以根据先前帧的运动状态确定第二幅值阈值。如图4D所示,先前帧的运动状态不是停止状态时的第二幅值阈值440可以大于先前帧的运动状态是停止状态时的第二幅值阈值450。
图5a是用于描述根据本公开的实施例基于加速度数据的特征将多个运动活动中的一个确定为用户的运动状态的设备100的方法的流程图。
在操作S510,用户的设备100可以从包含于设备100中的加速度计获取设备100在第一帧时间段中的加速度数据。
在操作S520,设备100可以将获取的加速度数据转换为至少一个用于划分多个运动活动的特征数据。
用于划分多个运动活动的特征可以包含加速度数据的幅值、平均偏差、能量、可动性以及复杂性。此外,用于划分多个运动活动的特征可以包含由加速度数据表示的波形的频率和波形的相邻峰之间的时间长度,但并不限于此。
可以对x轴、y轴和z轴中的每个计算,也可以对x轴、y轴和z中的至少一个计算用于划分多个运动活动的特征。例如,设备100可以从x轴、y轴和z轴中具有最小标准偏差的轴提取特征。此外,可以从x轴数据、y轴数据和z轴数据形成的向量提取用于划分多个运动活动的特征。
设备100可以将用于划分多个运动活动的至少一个特征确定为从每帧提取的特征,并且可以从每帧提取确定的至少一个特征。例如,通过利用滤波器对第一帧卷积,设备100可以将第一帧转换为表示第一帧的特征的特征数据。特征数据可以是例如第一帧的标准偏差值或者能量值。可以在设备100中预定并且可以根据用户的运动活动对应于用户的个人特点改变提取的至少一个特征。
在操作S530,设备100可以基于转换数据确定多个运动活动中的每个在第一帧时间段中作为运动状态的概率。
设备100可以基于转换的特征数据的幅值确定多个运动活动中的每个作为第一帧时间段中的运动状态的概率。
从该帧提取的特征数据的幅值可以根据运动活动而不同。因此,设备100可以基于从第一帧转换的特征数据的幅值确定多个运动活动中的每个作为第一帧时间段中的运动状态的概率。
图5b和5c是用于描述根据本公开的实施例基于加速度数据的特征将多个运动活动中的一个确定为用户的运动状态的设备100的方法的示意图。
参考图5b,设备100可以利用预定卷积神经网络500确定用户在一个帧的时段内的运动状态。
设备100可以从一个帧510提取包含于一个帧510中的至少一个特征。至少一个特征可以是作为划分多个运动活动的判据的特征。
设备100可以通过卷积层520、522和524从一个帧510提取至少一个特征。
例如,参考图5c,设备100可以通过利用滤波器卷积一个帧510将一个帧510转换为特征数据584。
设备100可以基于一个帧510中大小为580的抽样的提取至少一个特征。抽样大小可以是x轴、y轴和z轴形成的向量的幅值并且可以是x轴数据、y轴数据和z轴数据中的每个的幅值。
此外,设备100可以确定对应于每个特征的滤波器582。设备100可以从外部设备100接收对应于该特征的预定滤波器582。并且可以基于用户设备100的加速度数据通过回归分析确定反应用户的个人特点的滤波器582。根据该实施例,滤波器582可以被称为“核”。通过利用滤波器卷积一帧510获得的特征数据584可以指对应于滤波器582的特征的量。
此外,设备100可以减小特征数据584的大小。例如,当特征数据584由6个数据构成时,设备100可以通过提取两个相邻数据中的大者减小特征数据584的维度。
再次参考图5b,设备100可以利用多个卷积层从一个帧510提取特征。
用户的运动波形的周期可以根据运动活动而不同。例如,用户的运动波形的周期在驾驶状态或者静止状态下是约0.4秒、在慢跑状态或者骑行状态下是约0.8秒、以及在步行状态下是约1.6秒。因此,当以相同的抽样速率执行抽样时,在用户的运动频率的一个周期内抽样的抽样数量也可以根据用户的运动活动而不同。
因此,设备100可以对具有不同配置的多个卷积层输入一个帧510。例如,在第一卷积层520中,卷积的数量可以是5、卷积核的长度可以是21、最大合并因数可以是4、并且激活函数可以是双曲正切函数,以检测驾驶状态和静止状态。在第二卷积层522中,卷积的数量可以是10、卷积核的长度可以是41、最大合并因数可以是8、并且激活函数可以是双曲正切函数,以检测慢跑状态和骑行状态。在第三卷积层524中,卷积的数量可以是10、卷积核的长度可以是41、最大合并因数可以是8、并且激活函数可以是双曲正切函数,以检测慢跑状态、骑行状态、步行状态。卷积的数量可以指输入帧的数量。
从卷积层输出的特征数据可以输入到隐层530。隐层530可以归一化关于特征的数据。此外,从隐层530输出的数据可以输入到逻辑回归层550。逻辑回归层550可以对隐层530输出的数据积分。
逻辑回归层输出的数据可以是每个运动活动作为用户在帧510的时段中的运动状态的概率。例如,设备100可以将用户在帧510的周期中的运动状态是静止状态的概率确定为0.12、将该运动状态是步行状态的概率确定为0.34、将该运动状态是慢跑状态的概率确定为0.65、将该运动状态是驾驶状态的概率确定为0.18、以及将该运动状态是骑行状态的概率确定为0.79。
图6是示出根据本公开的实施例考虑到先前运动状态确定当前运动状态的设备100的方法的流程图。
在操作S610,用户的设备100可以从包含于设备100中的加速度计获取设备100在第一帧时间段和与第一帧时间段相邻的第二帧时间段中的加速度数据。
在操作620,设备100可以基于对应于第一帧时间段的加速度数据确定用户在第一帧时间段中的第一运动状态。
在操作S630,当第一运动状态发生于第一帧时间段中时,设备100可以基于多个运动活动中的每个作为第一运动状态的下一个运动状态发生的概率来确定第二运动状态。
当当前运动状态是慢跑状态时,作为下一个运动状态,可能发生慢跑状态、步行状态和静止状态,但是不可能发生驾驶状态或者骑行状态。因此,在多个运动活动中,可能作为下一个运动状态发生的运动活动可以在设备100中依据当前运动状态预定。
可以依据一帧时长或者相邻帧之间的间隔改变基于当前运动活动发生下一个运动活动的概率。
因此,当第一运动状态发生于第一时间段中时,设备100可以基于多个运动活动中的每个作为第一运动状态的下一个运动状态的发生的概率来确定第二运动状态。
例如,设备100可以基于对应于第二帧时间段的加速度数据确定多个运动活动中的每个作为第二帧时间段中的运动状态的概率。设备100可以将多个运动活动中具有最高概率的运动活动确定为第二帧时间段中的第二运动状态。在这种情况下,当第二运动状态不能作为第一运动状态的下一个运动状态发生时,设备100可以将多个运动活动中具有次高概率的运动活动重新确定为第二帧时间段中的第二运动状态。
在操作S640,设备100可以显示第一运动状态和第二运动状态。
图7a是示出根据本公开的实施例基于当前运动状态发生下一个运动状态(在该表中称为过渡状态)的概率的表。
参考图7a,设备100可以以矩阵的形式存储当前运动状态710与下一个运动状态720之间的关系。
设备100可以基于当前运动状态710确定下一个运动状态720。例如,当当前运动状态是静止状态时,设备100可以选择全部运动活动作为下一个运动状态。然而,当当前运动状态是步行状态时,设备100不可以选择驾驶状态或者骑行状态(在该表中称为自行车)作为下一个运动状态。
图7b是用于描述根据本公开的实施例基于先前运动状态确定当前运动状态的设备100的方法的示意图。
参考图7B,设备100可以依据先前运动状态基于多个运动活动中的每个的发生概率确定当前运动状态。
例如,设备100可以基于一个帧中的加速度数据计算多个运动活动中的每个作为用户在帧时间段中的运动状态的概率。例如,设备100可以将静止状态的概率确定为12%、将步行状态的概率确定为34%、将慢跑状态的概率确定为65%、将驾驶状态的概率确定为18%、以及将骑行的概率确定为79%。因此,设备100可以将具有最高概率的骑行状态确定为用户在当前帧时间段中的运动状态。
当用户在先前帧时间段中的运动状态是慢跑状态时,设备100可以依据当前运动状态基于关于作为下一个运动状态的发生概率的信息确定骑行状态不能作为慢跑状态的下一个运动状态而发生。
在这种情况下,设备100可以将对多个运动活动确定的概率中具有次高概率的慢跑状态确定为用户在当前帧时间段中的运动状态。
图8是示出根据本公开的实施例基于先前运动状态确定当前运动状态的置信度的设备100的方法的示意图。
参考图8,设备100可以基于先前帧的运动状态确定当前帧的运动状态的置信度,并且基于确定的置信度,重新确定当前运动状态。
设备100可以基于先前帧的运动状态的置信度确定当前帧的运动状态的置信度。例如,设备100可以获取从先前的四帧提取的四个运动状态810。此外,设备100可以获取四个运动状态800中与当前运动状态相同的运动状态的置信度。
如图8所示,当先前四帧的运动状态被确定为静止状态、步行状态、慢跑状态和步行状态并且当前帧的运动状态被确定为步行状态时,通过将先前四帧中的步行状态的置信度和当前帧的运动状态的概率加在一起并且然后将总数除以运动状态的数量,设备100可以确定当前帧的运动状态的置信度。
当该置信度等于或者小于基准值时,设备100可以重新确定当前帧的确定运动状态。
图9是示出根据本公开的实施例基于运动状态提供与用户的运动状态关联的服务的设备100的方法的示意图。
参考图9,设备100可以根据运动状态提供与用户的运动状态关联的服务。
例如,当用户位于当前驾驶的轿车中时,设备100可以确定用户的当前状态是驾驶状态。在这种情况下,设备100可以将用户在驾驶轿车的状态与用户乘坐在正驾驶的轿车中状态区别开。例如,当在设备100与轿车之间建立短距离无线通信(例如,蓝牙)信道时,设备100可以确定用户正在驾驶轿车的状态。另一方面,当在设备100与轿车之间未建立短距离无线通信(例如,蓝牙)信道时,设备100可以确定用户乘坐在正在驾驶的轿车中的状态。
当用户的运动状态被确定为用户正在驾驶轿车的状态时,设备100可以进入驾驶模式。此外,当在驾驶模式下收到语音呼叫请求时,设备100可以自动发送响应消息。驾驶模式下执行的设备100的功能可以由用户设定。
当设备100进入驾驶模式时,设备100可以显示用于指示已经进入驾驶模式的图标910。此外,当与轿车建立短距离通信连接时,设备100可以显示指示已经与轿车建立短距离通信连接的图标920。
图10是示出根据本公开的实施例基于用户的运动状态确定用户所在地点的设备100的方法的流程图。
在操作S1010中,当设备100的用户运动时,设备100可以从包含于设备100中的加速度计获取设备100的加速度数据。在操作S1020,设备100可以基于获取的加速度数据确定用户的运动状态。可以参考图1至9描述操作S1010和S1020。
在操作S1030,设备100可以基于用户的运动状态确定获取加速度数据的时间段中用户所处的地点。
除了家、办公室、教育学院、学校和市场,地点还可以包含诸如汽车、地铁、公交车等等的交通车辆。
对于每个地点,用户的运动方式可以彼此不同。例如,当用户在家里睡眠时,设备100可以将用户睡眠时的运动状态确定为静止状态。因此,设备100可以基于用户随时间变化的运动状态确定用户所处的地点。
此外,设备100可以确定用户是否在运动。例如,当用户的运动状态是驾驶状态、乘坐公交车状态或者乘坐地铁状态时,设备100可以确定用户在移动。
此外,设备100可以确定用户的运动方式。例如,设备100可以确定用户的地点、从一个地点到另一个地点花费的时间、以及随时间改变的运输方法。当用户的运动重复时,设备可以基于在几天、几周或者几个月内确定的用户的地点确定用户的运动方式。例如,设备100可以确定用户交通时的模式和交通时用户通常使用的交通方法。
此外,设备100可以基于用户随时间变化的运动状态确定用户在家或者办公室之外常光顾的地点。例如,当静止状态持续特定时间或者更长时,设备100可以利用位置传感器获取设备100的位置信息。当获取了设备100的位置信息时,设备100可以确定获取位置是家还是办公室。当重复获取相同的位置时,设备100可以将获取位置确定为用户在家或者办公室之外常光顾的地点。在这种情况下,仅当在一周或者一个月获取相同位置的次数等于或者大于基准数量时,设备100才可以将获取位置确定为用户常光顾的地点。
依据实施例,设备100可以将用户的运动状态发送到服务器并且可以从服务器接收关于用户在获取加速度数据的时间段中的地点的信息。服务器可以从设备100接收用户随时间变化的运动状态,并且可以基于收到的用户随时间变化的运动状态确定用户所处的地点或者运动方式。此外,服务器可以向设备提供关于与用户所处的地点或者运动方式关联的服务的信息。
在操作S1040,设备100可以将确定地点显示为用户在获取加速度数据的时间段中所处的地点。
此外,设备100可以显示用户的运动方式。此外,在确定了用户所处的地点时,设备100可以从包含于设备100中的位置传感器获取设备100的位置信息,并且还可以将获取的位置信息显示为地点的位置信息。
在确定了用户所处的地点时,设备100可以显示用于确认确定位置是否是用户当前所处的地点的确认窗口。
此外,在确定了用户所处的地点时,设备100可以提供与该地点关联的服务。在确定用户所处的地点是用户的家时,设备100可以提供与家关联的服务。例如,设备100可以自动设定用户在家通常使用的功能或者模式。此外,设备100可以分析睡眠时间,以提前将要睡觉的时间通知用户。此外,当用户醒来时,设备100可以提供关于当天的天气的信息,诸如,与报警一道提供图像或者语音。当用户醒来时,设备100可以将重要的日常任务(例如,会议、旅行、生日、纪念日、以及约会)通知用户。在强制实施5天车辆轮换制的条件下,当用户醒来时,设备100可以根据周日期(day of the week)通知用户不能开车。
在将用户所处的地点确定为用户的办公室时,设备100可以提供与办公室关联的服务。例如,设备100可以基于在设备100的特定应用上输入的会议时间在会议开始之前事先将开会安排通知用户。此外,当用户通常在办公室中执行振动模式设定、Wi-Fi设定等等时,设备100可以识别用户在每个地点设定设备100的方式。在确定用户已经进入办公室时,设备100可以自动设定用户在办公室中通常设定的功能或者模式。
此外,设备100可以基于用户的运动方式提供与运动方式关联的服务。例如,当用户启动轿车去办公室时,设备100可以认识到用户的运动状态从静止状态变更为轿车移动状态,并且可以基于用户的运动方式确定用户将驾驶轿车去办公室。在确定用户将使用轿车去办公室时,设备100可以从服务器接收关于用户通常采用的交通路线的交通状况。当通常采用的交通路线上交通拥堵时,设备100可以基于家和办公室的地点信息提供到达办公室的最快路线。
此外,当用户从家步行去办公室时,设备100可以认识到用户的运动状态已经从静止状态变更为步行状态,并且可以基于用户的运动方式确定用户将去办公室。在这种情况下,设备100可以基于用户的运动方式确定用户通常乘公交车去办公室并且从办公室返回。在确定用户乘公交车去办公室并且从办公室返回时,设备100可以从服务器接收关于当天的天气的信息。当当天的天气是下雨时,设备100可以将要下雨通知用户。
图11是示出根据本公开的实施例用户的运动状态随时间变化的表1100。
参考图11,设备100可以存储随时间1110变化的运动状态1120和运动状态1120的时长1130。
例如,当静止状态从2015/03/21下午11:33:33持续到2015/03/22上午07:25:34时,设备100可以存储从2015/03/21下午11:33:33持续7小时57分11秒的静止状态。
设备100可以存储用户从当前时间到前一天、前一周或者前一月的运动状态。此外,设备100可以将列出用户随时间变化的运动状态的表1100发送到外部设备100或者服务器。另外,设备100可以基于列出用户随时间变化的运动状态的表1100确定用户所处的地点和运动方式。
图12a是用于描述根据本公开的实施例基于用户的运动状态确定地点的设备100方法的示意图。
参考图12a,设备100可以基于运动状态的时长确定地点。
设备100可以基于列出用户随时间变化的运动状态的表1100计算静止状态持续的时间。图12A可以是示出根据实施例静止状态在一天中持续的时间的曲线图。
当静止状态作为用户的运动状态持续基准时间或者更长时间时,设备100可以确定用户在家里处于时长1300的静止状态。基准时间可以是6小时或者更长,但是并不限于此。
此外,设备100可以考虑到运动状态并且考虑到发生该运动状态的时间确定用户的地点。例如,设备100可以对从下午8:00到第二天上午9:00持续静止状态的时间加权,并且将具有高结果值的时间段确定为用户在家的时间。
此外,依据实施例,除了用户的运动状态,还考虑到用户在特定时间(例如,5小时)或者更长时间是否位于特定半径(例如,100米)内,基于包含于设备100中的位置传感器(例如,全球定位系统(GPS)传感器)的值,设备100可以确定用户在静止状态的时长1300位于家中。
此外,依据实施例,除了用户的运动状态,还考虑到用户从下午9:00到第二天早上10:00通常所呆的位置,设备100可以确定用户在静止状态的时长1300位于家中。
图12b是示出根据本公开的实施例基于用户的确认确定用户的地点的设备100的方法的示意图。
参考图12b,设备100可以基于用户的运动状态确定地点,并且可以显示用于从用户接收确定地点的用户界面。
例如,当静止状态持续基准时间或者更长时间时,设备100可以将用户的当前地点确定为用户的家。在这种情况下,由于长时间未收到用户的输入,设备100可以在低功率模式(例如,睡眠模式)下工作。
当在静止状态下因为用户在特定时间内的操纵而取消设备100的低功率模式时,或者在静止状态变更为另一个运动状态后,设备100可以显示用于确认当前地点是否是你家的确认窗口1210。
设备100可以利用用户的运动状态确定所确定的地点的置信度,并且基于通过确认窗口1210键入的用户输入,存储对应于该地点的置信度。
图12c是示出根据本公开的另一个实施例基于用户的确认确定用户的地点的设备100的方法的示意图。
参考图12c,设备100可以基于用户的运动状态确定地点,并且可以显示用于接收来自用户的确认信息和确定地点的位置信息的用户界面。
例如,当静止状态持续基准时间或者更长时间,并且因此将用户的当前地点确定为用户的家时,设备100可以利用包含于设备100中的GPS获取设备100的位置信息。在获取设备100的位置信息时,设备100可以从地图服务器请求关于获取位置的地图信息,以接收关于设备100的位置的地图信息。
在设备100将用户的当前地点确定为用户的家后,当设备100的低功率模式因为用户的操纵而取消时,设备100可以显示用于确认在静止状态获取的位置是否是用户生活的房屋的位置的确认窗口1220。
在这种情况下,设备100可以基于从地图服务器收到的地图信息显示示出获取位置的地图1230。此外,设备100可以基于从GPS获取的位置信息显示在地图1230上指示用户的家的指针1240。
设备100可以利用用户的运动状态确定所确定地点的置信度,并且基于通过确认窗口1220键入的用户输入存储对应于该地点的置信度。
图13是示出根据本公开的实施例基于用户的运动状态确定用户所处地点的设备100的方法的流程图。
在操作S1310,当设备100的用户运动时,设备100可以从包含于设备100中的加速度计获取设备100的加速度数据。在操作S1320,设备100可以基于获取的加速度数据确定用户的运动状态。可以参考图1至9描述操作S1010和S1020。
在操作S1330,设备100可以基于用户的运动状态确定多个运动活动中的至少一个在获取加速度数据的时间段中的频率。
多个运动活动中的至少一个的频率可以指运动活动在单位时间被确定为运动状态的次数。单位时间可以是一分钟或者一小时,但是并不限于此。
在操作S1340,设备100可以基于多个运动活动中的至少一个的频率确定用户在获取加速度数据的时间段中所处的地点。
例如,当用户在商场中购买食物杂货时,用户可能以几秒或者几分钟的间隔重复步行和站立。当用户的运动状态被确定为以几秒或者几分钟的间隔交替重复的静止状态和移动状态时,设备100可以确定用户的地点是商场。此外,例如,当用户位于办公室中时,用户可以每隔一到两个小时步行小息或者会面。当用户的移动状态被确定为交替重复的一到两个小时的静止状态和几分钟的步行状态时,设备100可以确定用户的地点是办公室。
在操作S1350,设备100可以将确定的地点显示为用户在获取加速度数据的时间段中所处的地点。
图14是示出根据本公开的实施例基于每个运动活动被确定为设备100的运动状态的频率确定用户所处的地点的设备100的方法的示意图。
参考图14,设备100可以基于在基准时间将至少一个运动活动确定为运动状态的频率来确定用户所处的地点。
由于在用户的生活方式中存在许多似然性,所以可以确定多个运动活动中的每个随时间发生的概率,以对应于常见生活方式。
例如,当用户开轿车去工作时,用户的运动状态可以以6小时或者更长的第一静止状态、约5分钟的第一步行状态、约1小时的驾驶状态、约5分钟的第二步行状态、以及具有比第一静止状态的频率低的频率的第二静止状态的顺序改变。
此外,当用户乘地铁去工作时,用户的运动状态可以以6小时或者更长的第一静止状态、约15分钟的第一步行状态、约1小时的乘地铁状态、约15分钟的第二步行状态、以及具有低频率的第二静止状态的顺序改变。
基于用户的常见生活方式创建的常见方式信息可以存储于设备100中。常见方式信息可以表示为运动活动中的每个随时间发生的概率。
设备100可以计算在一天中的单位时间每个运动活动被确定为活动状态的频率。设备100可以将在单位时间运动活动被确定为运动状态的频率与常见方式信息进行比较,以确定用户地点的变化。
例如,如图14的第一曲线图1400所示,用户的运动状态指第一时间段1402中的连续静止状态、第二时间段1404和第四时间段1408中具有高频率的步行状态、第三时间段1406中的驾驶状态、以及第五时间段1409中具有比第一时间段1402中的频率低的频率的静止状态。
因此,设备100可以由常见方式信息确定与用户的运动状态的变化类似的方式。例如,设备可以确定图14所示运动状态的变化是从家到办公室的交通方式,在第一时间段1402,用户在家,在第五时间段1409,用户在办公室,而在第三时间段1406,用户驾驶轿车去工作。
此外,设备100可以基于用户在几天的运动状态计算随时间发生每个运动活动的概率。例如,如图14的第二曲线图1410所示,设备100可以基于用户在几天的运动状态计算随时间发生静止状态的概率1414、随时间发生步行状态的概率1416、以及随时间发生驾驶状态的概率1412。设备100可以基于每个运动状态随时间的发生概率计算用户的运动方式。
此外,根据实施例的设备100可以利用位置传感器和关于用户的运动状态的信息确定用户所处的地点。例如,当用户的运动状态是在第一时间段1402和第三时间段1406中持续特定时间的静止状态时,设备100可以利用设备100的位置传感器获取设备100的位置信息。在这种情况下,仅当第一时间段1402中的位置与第三时间段1406中的位置之间的距离等于或者大于基准距离时,设备100可以将用户在第一时间段1402中的位置确定为用户的家,并且可以将用户在第三时段1406中的位置确定为用户的办公室。
图15a是用于描述根据本公开的实施例基于用户的运动状态来确定用户的生活方式的设备100的方法的示意图。
参考图15a,设备100可以基于用户的运动状态确定用户的位置随时间的变化,并且可以基于用户的位置在几天的变化确定用户的运动方式。
设备100可以对几天确定位置随时间的变化1510。例如,设备100可以基于用户的运动状态从2015年的3月2日到6日确定用户的位置随时间的变化。
设备100可以平均化用户的地点在5天的变化,以确定用户的运动方式1520。例如,设备100可以通过对5天平均化从家去工作的时间确定去工作的时间,并且通过对5天平均化到达办公室的时间,可以确定去工作花费的时间和到达办公室的时间。
在这种情况下,设备100可以依据工作日或者周末分别确定用户的运动方式。此外,设备100可以将多个运动方式确定为用户的工作日运动方式或者周末运动方式。
图15b是用于描述根据本公开的实施例基于用户的运动方式确定运动目标并且提供与运动目标关联的服务的设备100的方法的示意图。
参考图15b,设备100可以确定运动目标,并且可以基于用户的运动方式提供与确定的运动目标关联的服务。
例如,设备100可以将用户的运动状态确定为驾驶状态。在将用户的运动状态确定为驾驶状态时,设备100可以基于用户的运动方式确定运动目标。例如,当当前时间是下午7:35并且在驾驶轿车之前确定的用户所处的地点是办公室时,设备100可以基于图15A中确定的用户的运动方式确定驾驶目标是从办公室到家。
在确定驾驶目标是离开办公室时,设备100可以显示指示用户正离开办公室的文本1510。
此外,设备100可以提供与离开办公室关联的预定服务。例如,设备100可以与用户的家庭网络建立连接并且可以根据用户的输入控制家内的设备100。
在确定用户的运动状态是驾驶状态并且收到消息时,设备100可以利用语音输出该消息。此外,在收到语音呼叫连接请求时,设备100可以拒绝该语音呼叫连接请求,并且依据呼叫者的重要性,自动将预定消息发送到呼叫者。
图16是用于描述根据本公开的实施例基于用户的运动状态创建用户的概况的设备100的方法的示意图。
参考图16,设备100可以基于用户的运动状态确定用户的运动方式并且基于确定的运动方式创建用户的概况。
用户的概况可以指从用户的运动方式中提取的用户的生活方式。作为用户的概况,设备100可以包含用户通常所处的地点1610、优选交通车辆1620、睡眠时间1630、以及工作时间1640,但是并不限于此。
设备100可以基于用户的运动方式确定用户通常所处的地点。例如,设备100可以基于运动方式将用户在一天内呆基准时间或者更长时间的地点确定为用户通常所处的地点。例如,用户通常所处的地点可以是家、办公室和轿车,但是并不限于此。
此外,设备100可以基于用户的运动方式确定用户优选的交通车辆。例如,设备100可以基于运动方式将用户在一个月最频繁使用的交通车辆确定为用户的优选交通车辆。交通车辆可以包含汽车、地铁和公交车,但是并不限于此。
此外,设备100可以基于用户的运动方式确定用户的睡眠时间。例如,设备100可以基于运动方式确定静止状态在一天内持续最长时间的时间段。此外,依据实施例,设备100可以将设备100在低功率模式下工作的、静止状态持续的时间确定为用户的睡眠时间。
此外,设备100可以基于用户的运动方式确定用户的工作时间。例如,设备100可以基于运动方式将用户停止利用交通车辆移动之后而在用户利用另一个交通车辆开始移动之前的时间确定为用户的工作时间。例如,设备100可以将用户达到办公室之后而在用户离开办公室之前的时间确定为工作时间。
图17是用于描述根据本公开的实施例显示用户所处的主要地点的设备100的方法的示意图。
参考图17,设备100可以显示用户所处的主要地点。
例如,在图16中,在收到选择“我的地点”的用户输入时,设备100可以在地图上显示办公室的位置和家的位置。在这种情况下,设备100可以分别显示用户在工作日所处的主要地点和用户在周末所处的主要地点。
此外,设备100可以基于用户的输入改变或者产生用户的主要地点。例如,设备100可以接收用于改变在地图上、指示家的位置的图标1730位置的用户输入。设备100可以将改变的图标位置存储为用户的家的位置。此外,设备100还可以接收用于将另一个位置设定为用户的主要地点1710的用户输入或者用于将第三位置设定为工作地点1720的输入。
图18是示出根据本公开的实施例将服务设定为在每个地点自动执行的设备100的方法的示意图。
参考图18,设备100可以提供用于将服务设定为对每个地点自动执行的用户界面。
在收到用于选择用于将服务设定为对每个地点自动执行的菜单的用户输入时,设备100可以显示用户通常对每个地点设定的设备100的功能或者操作模式。设备100可以基于对每个地点设定功能或者操作模式的次数预定通常对每个地点设定的设备100的功能或者操作模式。
例如,Wi-Fi连接、蓝牙连接和振动模式设定可以存储于设备100中,作为通常在办公室中设定的功能或者操作模式。因此,当设备100收到用于选择用于将服务设定为对办公室自动执行的菜单的用户输入时,设备100可以显示通常在办公室中设定的功能或者操作模式1810的表。
此外,当用户键入选择地点时,设备100还可以显示用于选择是否自动设定确定的功能或者操作模式,从而当用户键入选择地点时对应于选择地点的按钮1820。在收到用于选择自动设定的用户输入时,设备100可以自动设定确定的功能或者操作模式,以在用户键入该地点时对应于选择地点。
此外,设备100可以提供用户界面,用于添加当用户键入选择地点时自动设定的服务。
此外,在认识到用户的地点是办公室并且用户在开会时,当收到语音呼叫连接请求时,设备100可以自动拒绝该语音呼叫连接请求并且依据呼叫者的重要性将预定消息发送到呼叫者。
设备100可以认识到用户在开会。例如,当用户的地点是办公室并且用户的运动状态从步行状态变更为静止状态时,设备100可以驱动包含于设备100中的语言传感器(例如,麦克风)并且获取设备100附近的语音。设备100可以分析获取的语音的模式,并且当分析的模式是在开会时可以产生的模式时,可以确定用户在开会。
图19示出根据本公开的实施例,从由用户的运动状态确定的用户信息中选择要向用户提供的信息的用户界面。
参考图19,设备100可以提供用户界面,用于从由用户的运动状态确定的用户信息中选择要向用户提供的消息。
可以基于运动状态确定的用户信息可以包含关于运动方式的信息、关于交通方法的信息、以及关于生活方式的信息,但是并不限于此。
设备100可以显示按钮,该按钮用于基于用户的运动状态选择是否对用户提供除了可以确定的用户信息的列表以外的用户信息。
例如,设备100可以显示:按钮1910,该按钮1910用于选择是否确定关于睡眠时间的信息;按钮1920,该按钮1920用于选择是否确定关于停车位置的信息;以及按钮1930,该按钮1930用于选择是否确定车辆禁行日(vehicle suspension day)。
基于为了对应于用户信息而选择的值,设备100可以基于用户的运动状态确定用户信息,并且可以将确定的用户信息提供给该用户。
图20是用于描述根据本公开的实施例提供用户的停车位置的设备100的方法的示意图。
参考图20,设备100可以将用户的停车位置提供给该用户。
设备100可以基于用户的运动状态跟踪用户的停车位置。例如,当用户停车并且然后步行时,用户的运动状态可以从驾驶状态变更为步行状态。当用户的运动状态从驾驶状态变更为步行状态时,设备100可以确定用户停他/她的车并且然后步行的境况。
因此,设备100可以将用户的运动状态从驾驶状态变更为步行状态或者静止状态的时间确定为用户停车时间。
此外,当用户的运动状态从驾驶状态变更为步行状态或者静止状态时,设备100可以显示用于存储停车时间2010和停车位置的菜单。用于存储停车位置的菜单可以包含:用于捕获照片的菜单、用于创建备忘录的菜单、用于设定通知的菜单、以及用于检验停车位置的菜单2020。
在收到用于选择用于确认停车位置的菜单2020的用户输入时,设备100可以从停车时间开始存储用户的运动状态。在这种情况下,设备可以在从加速度计获取加速度数据时从包含于设备100中的方向传感器(例如,指南针)获取设备100的方向数据。此外,从用户的运动状态从驾驶状态变更为步行状态开始,设备100可以存储随时间变化的用户的运动状态和设备100的方向。因此,设备100可以基于随时间变化的用户的运动状态和设备100的方向创建离开轿车走的路径。
依据该实施例,在创建用户离开停车位置的跟踪路径(tracking path)时,设备100可以接收用于设定结束创建的跟踪路径的点的用户输入。
在收到确认用户轿车的停车位置的用户输入时,通过显示创建的跟踪路径,设备100可以将用户轿车的停车位置提供给该用户。
此外,依据该实施例,除了加速度计和方向传感器,设备还可以利用高度传感器(例如,压力传感器)存储随时间变化的高度数据。因此,通过显示还可以表示用户的高度变化的三维跟踪路径,设备100可以提供用户的停车位置。
图21示出根据本公开的实施例的设备100的方框图。
参考图21,根据实施例的设备100可以包含:用户输入单元145、加速度计163、显示单元110、以及控制器170。然而,不是图21所示的所有元件都必不可少。设备100可以由比图21所示元件更多的元件实现,并且也可以由比图21所示元件更少的元件实现。
加速度计163可以测量设备100的加速度。加速度计163可以测量设备100的x轴方向、y轴方向和z轴方向上的加速度。
控制器170可以从加速度计163获取设备在第一时间段和与第一时间段相邻的第二时间段中的加速度数据。
第二时间段可以与第一时间段部分地重叠。
此外,控制器170可以基于对应于第一时间段的加速度数据确定用户在第一时间段中的第一运动状态。
例如,控制器170可以利用对应于第一时间段的加速度数据创建用于划分多个运动活动的特征数据,并且可以基于创建的数据,确定用户在第一时间段中的运动状态。
运动状态可以指示预定用户的多个运动活动中的一个,并且多个运动活动可以包含:静止活动、停止活动、步行活动、慢跑活动、骑行活动、以及驾驶活动。此外,用于划分多个运动活动的特征数据可以是加速度数据的幅值、标准偏差、频率和能量中的至少一个。
此外,控制器170可以考虑到对应于第二时间段的加速度数据并且还考虑到确定的第一运动状态来确定第二时间段中的第二运动状态。
例如,当在第一时间段发生第一运动状态时,通过基于多个运动活动中的每个作为第一运动状态的下一个运动状态发生的概率来确定第二运动状态,控制器170可以考虑到第一运动状态而确定第二运动状态。
另外,例如,通过利用对应于第二时间段的加速度数据来创建用于划分多个运动活动的特征数据,基于第一运动状态确定阈值,并且将创建的特征数据与该阈值进行比较以确定第二运动状态,控制器170可以考虑到第一运动状态确定第二运动状态。
例如,特征数据可以是加速度数据的平均幅值。当加速度数据的平均幅值小于阈值时,控制器170可以将用户在第二时间段中的运动状态确定为静止状态。
在这种情况下,当设备的用户在第一时间段中的运动状态是停止状态时,将该阈值确定为第一阈值。当设备的用户在第一时间段中的运动状态不是停止状态时,将该阈值确定为第二阈值。第一阈值可以小于第二阈值。
此外,控制器170可以基于确定的第一运动状态和第二运动状态确定用户所处的地点。
例如,控制器170可以基于用户随时间变化的运动状态确定多个运动活动中的至少一个随时间变化的频率,并且可以基于多个运动活动中的至少一个随时间变化的频率确定获取加速度数据时用户所处的地点。
控制器170还可以基于用户随时间变化的运动状态确定用户的运动方式。
控制器170还可以基于用户的运动状态和用户的运动方式确定用户的运动目标。
控制器170还可以提供与运动目标关联的服务。
在确定用户所处的地点时,控制器170可以从包含于设备中的位置传感器获取设备的位置信息。
显示单元110可以显示用户的运动状态。显示单元110还可以显示确定地点的位置信息。显示单元110还可以显示关于用户的运动方式的信息。
图22是示出根据本公开的另一实施例的设备100的配置的方框图。
参考图22,设备100的配置可以应用于各种类型的设备,诸如,蜂窝式电话、平板个人计算机(PC)、个人数字助理(PDA)、运动图像专家组第1阶段和第2阶段(MPEG-1或者MPEG-2)音频层3(MP3)播放器、售货亭、电子框架(electronic frame)、导航设备、数字电视(TV)以及可穿戴设备,例如,智能手表、手表、智能眼镜或者头戴显示器(HMD)。
参考图22,设备100可以包含显示单元110、控制器170、存储器120、GPS芯片125、通信单元130、视频处理器135、音频处理器140、用户输入单元145、麦克风150、捕获单元155(例如,照相单元)、扬声器单元160、以及动作检测单元165中的至少一个。
显示单元110可以包含显示板111和控制该显示板的控制器(未示出)。显示板111可以由诸如液晶显示器(LCD)、有机发光二极管(OLED)显示器、有源矩阵OLED(AM-OLED)、等离子体显示板(PDP)等等的各种显示器实现。显示板111可以实现为柔性、透明或者可穿戴的。显示单元110可以与用户输入单元145的触摸板147组合,并且作为触摸屏(未示出)提供显示单元110。例如,触摸屏(未示出)可以包含显示板111和触摸板147层叠的集成模块。
存储器120可以包含内部存储器(未示出)和外部存储器(未示出)中的至少一个。
内部存储器可以包含例如易失性存储器(例如,动态随机存取存储器(DRAM))、静态RAM(SRAM)、同步动态RAM(SDRAM)等等)、非易失性存储器(例如,一次性可编程只读存储器(one-time programmable read only memory)(OTPROM)、可编程ROM(PROM)、可擦可编程只读存储器(EPROM)、电可擦可编程只读存储器(EEPROM)、掩模ROM、闪速ROM等等)、硬盘驱动器(HDD)、以及固态驱动器(SSD)中的至少一个。根据实施例,控制器170可以将从非易失性存储器和其他部件中的至少一个收到的指令或者数据加载到易失性存储器,并且可以处理加载的指令或者数据。此外,控制器170可以将从另一个部件收到的或者创建的数据存储于非易失性存储器中。
外部存储器可以包含例如致密闪存(CF)、安全数字(SD)、微型安全数字(Micro-SD)、迷你安全数字(mini-SD)、极速数字(xD)、存储棒中的至少一个。
存储器120可以存储在设备100的操作中使用的各种类型的程序和数据。
控制器170可以控制显示单元110,使得存储于存储器120中的一些内容显示于显示单元110上。换句话说,控制器170可以使存储于存储器120中的一些内容显示于显示单元110上。可替换的,当在显示单元110的区域中检测到用户的姿态时,控制器170可以执行对应于该用户姿态的控制操作。
控制器170可以包含RAM 171、ROM 172、中央处理单元(CPU)173、图形处理单元(GPU)174和总线175中的至少一个。RAM 171、ROM 172、CPU 173和GPU 174可以通过总线175互相连接。
CPU 173访问存储器120,以利用存储于存储器120中的操作系统(OS)执行启动。CPU 173利用存储于存储器中的各种类型的程序、内容和数据执行各种操作。
一组系统启动指令等等存储于ROM 172中。作为例子,当开启指令输入到电源时,设备100根据存储于ROM 172中的指令使CPU 173将存储于存储器120中的OS复制到RAM,并且执行OS,以使系统启动。当启动完成时,CPU 173将存储于存储器120中的各种类型的程序复制到RAM 171,并且执行复制到RAM 171的程序,以执行各种类型的操作。当移动设备100的启动完成时,GPU 174使用户界面(UI)屏幕显示于显示单元110的区域中。详细地说,GPU174创建上面显示包含诸如内容、图标、菜单等等的各种对象的电子文档的屏幕。GPU 174计算通过其根据屏幕的布局显示每个对象的诸如坐标值、形式(form)、大小、色彩等等的属性值。此外,GPU 174可以基于计算的属性值创建包含对象的各种布局的屏幕。可以将GPU 174创建的屏幕提供给显示单元110,并且可以显示于显示单元110的每个区域中。
GPS芯片125可以从GPS卫星接收GPS信号,以计算设备100的当前位置。当使用导航程序或者要求用户的当前位置时,控制器170可以利用GPS芯片125计算用户的位置。
通信单元130可以根据各种类型的通信机制与各种类型的外部设备通信。通信单元130可以包含Wi-Fi芯片131、蓝牙芯片132、移动通信芯片133(例如,无线)、以及近场通信(NFC)芯片134中的至少一个。控制器170可以利用通信单元130与各种类型的外部设备通信。
Wi-Fi芯片131和蓝牙芯片132可以分别以Wi-Fi机制和蓝牙芯片机制通信。当使用Wi-Fi芯片131或者蓝牙芯片132时,通信单元130可以发送和接收诸如服务集标识符(SSID)和会话密钥的各种类型的连接信息,利用发送和接收的连接信息建立通信连接,并且然后发送和接收各种类型的信息。移动通信芯片133是根据诸如电气与电子工程师学会(IEEE)通信标准、Zigbee、第三代(3G)、第三代合作伙伴计划(3GPP)、以及长期演进(LTE)的各种通信技术规范进行通信的芯片。NFC芯片134是以NFC机制利用135kHz、13.56MHz、433MHz、860-960MHz、2.45GHz等等的各种射频识别(RFID)频率带宽中的13.56MHz的带宽工作的芯片。
视频处理器135可以处理通过通信单元130收到的内容或者包含于存储于存储器120中的内容中的视频数据。视频处理器135可以对视频数据执行各种图像处理操作,诸如,解码、缩放、滤噪、帧速率转换以及分辨率转换。
音频处理器140可以处理通过通信单元130收到的内容或者包含于存储于存储器120中的内容中的音频数据。音频处理器140可以对音频数据执行各种处理操作,诸如,解码、放大、滤噪。
当执行多媒体内容的再现程序时,控制器170驱动视频处理器135和音频处理器140,以再现相应内容。扬声器160可以输出音频处理器140创建的音频数据。
用户输入单元145可以接收来自用户的各种命令。用户输入单元145可以包含键146、触摸板147、以及笔识别板148中的至少一个。
键146可以包含各种类型的键,诸如机械按钮和滚轮,其形成于诸如,设备100的主体外部的前面、侧面和背面的各种区域中。
触摸板147可以感测用户的触摸输入,并且可以输出对应于感测触摸信号的触摸事件值。当触摸板147与显示板111组合,以形成触摸屏(未示出)时,可以利用采用电容机制、电阻机制、压电机制等等的各种类型的触摸传感器实现触摸屏。电容机制即当用户身体的一部分触摸触摸屏的表明时,利用涂敷于触摸屏表明上的介质感测用户的身体产生的微小电量计算触摸坐标的机制。电阻机制即通过在触摸屏中包含两个电极板,以感测在用户接触屏幕时两个电极板,即,上板和下板互相产生接触时而流过的电流的机制。触摸屏中产生的触摸事件通常可以由人的手指产生,也可以由具有可以改变电容的导电材料的物体产生。
笔识别板148可以根据用户的触笔(例如,记录笔和数字化仪式笔)的操作感测笔接近输入或者笔接触输入,并且输出感测的笔接近事件或者比接触事件。笔识别板148可以由电磁谐振(EMR)机制根据笔的接近或者接触产生的电磁场的强度的变化感测接触输入或者接近输入来实现。详细地说,笔识别板148可以包含:电磁感应线圈传感器(未示出),该电磁感应线圈传感器具有栅格结构;和电磁信号处理单元(未示出),该电磁信号处理单元用于顺序地将具有预定频率的交流信号送到电磁感应线圈传感器的环形线圈。当具有谐振电路的笔位于这种笔识别板148的环形线圈的附近时,相应环形线圈产生的磁场基于将在笔的谐振电路中产生的相互电磁感应产生电流。基于该电流,感应磁场由构成笔的谐振电路的线圈产生,并且笔识别板148在相互接受状态下可以检测来自环形线圈的感应电磁场,以感测笔的接近位置或者接触位置。可以提供笔识别板148,以在显示板111的较下部分中具有预定区域,例如,可以覆盖显示板111的显示区的区域。
麦克风150可以接收用户的语音的或者其他声音的输入,并且将收到的输入转换为音频数据。在语音呼叫操作中,控制器170通过麦克风150使用用户的语音输入,或可将该输入转换为音频数据,以将该音频数据存储于存储器120中。
捕获单元155可以在用户的控制下捕获静止图像或者运动图像。可以实现多个捕获单元155,诸如,前摄像头和后摄像头。
当提供捕获单元155和麦克风150时,控制器170可以根据通过麦克风150输入的用户的语音或者捕获单元155识别的用户的动作执行控制操作。例如,设备100可以在动作控制模式下或者语音控制模式下操作。当设备100在动作控制模式下操作时,控制器170可以激活捕获单元155,以捕获用户并且跟踪用户的动作的变化,从而执行对应于跟踪到的变化的控制操作。当设备100在语音控制模式下操作时,控制器170可以分析通过麦克风150输入的用户的语音,并且可以根据分析的语音,在执行控制操作的语音识别模式下操作。
动作检测单元165可以感测设备100的主体的运动。设备100可以在各个方向上旋转或者倾斜。在这种情况下,利用诸如地磁传感器、陀螺仪传感器和加速度计163的各种传感器中的至少一个,动作检测单元165可以感测诸如旋转方向、转角和倾斜度的运动特性。
此外,尽管图22中未示出,但是在本公开的实施例中,设备100还可以包含:通用串行总线(USB)端口,用于连接到USB连接器;各种外部输入端口,用于连接到诸如耳机、鼠标和局域网(LAN)的各种外部终端;数字多媒体广播(DMB)芯片,用于接收并且处理DMB信号;以及各种其他传感器。
可以改变上述设备100的部件的名称。此外,可以配置根据本公开的设备100,以包含上述部件中的至少一个,并且可以配置该设备以移除某些部件或者添加其他附加部件。
本公开的实施例可以实现为包含诸如计算机可执行程序模块的计算机可执行指令的非临时计算机可读介质。非临时计算机可读介质可以是计算机可以访问的任何可用介质,并且可以包含易失性介质和非易失性介质以及分立介质和集成介质。此外,非临时计算机可读介质既可以包含计算机储存介质又可以包含通信介质。计算机储存介质包含为了存储诸如计算机可读指令、数据结构、程序模块或者其它数据的信息而以任何方法或者技术实现的易失性介质和非易失性介质以及分立介质和集成介质。通信模块典型地包含计算机可读指令、数据结构、程序模块或者其他数据以及诸如载体的调制数据信号的传输机制并且还包含任何信息传输介质。
上面的描述仅是说明性的,并且本技术领域内的技术人员明白,可以在形式和细节上对其进行各种改变,而不脱离所附权利要求限定的本公开的精神和范围。因此,将上述实施例看作是说明性的而非限制性的。例如,尽管可以分布并且然后实现单个元件,但是可以以它们的组合实现分布式元件。
尽管示出并且参考其各种实施例描述了本公开,但是本技术领域内的技术人员明白,可以在形式和细节上对其进行各种改变,而不脱离所附权利要求及其等同限定的本公开的精神和范围。
Claims (13)
1.一种识别用户的活动的设备,所述设备包含:
加速度计,所述加速度计被配置为测量所述设备的加速度;
控制器,所述控制器被配置为:
从所述加速度计获取所述设备在第一时间段和与所述第一时间段相邻的第二时间段中的加速度数据,
基于对应于所述第一时间段的加速度数据,确定用户在所述第一时间段中的第一运动状态,以及
考虑到对应于所述第二时间段的加速度数据和所确定的第一运动状态,确定所述用户在所述第二时间段中的第二运动状态;和
显示器,所述显示器被配置为显示所述第一运动状态和所述第二运动状态,
其中,所述第一运动状态和所述第二运动状态中的每一个指示所述用户的预定的多个运动活动中的一个,并且
其中,所述控制器还被配置为当所述第一运动状态发生于所述第一时间段中时,通过基于所述多个运动活动中的每一个作为所述第一运动状态的下一运动状态发生的概率确定所述第二运动状态,来考虑到所述第一运动状态确定所述第二运动状态。
2.根据权利要求1所述的设备,其中所述预定的多个运动活动包含静止活动、停止活动、步行活动、慢跑活动、骑行活动以及驾驶活动中的至少一个。
3.根据权利要求1所述的设备,其中所述第二时间段部分地重叠所述第一时间段。
4.根据权利要求2所述的设备,其中所述控制器还被配置为:
利用对应于所述第一时间段的所述加速度数据,创建用于划分所述多个运动活动的特征数据,以及
基于所创建的特征数据,确定所述用户在所述第一时间段中的所述运动状态。
5.根据权利要求1所述的设备,其中所述控制器还被配置为基于所确定的第一运动状态和第二运动状态,确定所述用户所处的地点。
6.根据权利要求5所述的设备,其中所述控制器还被配置为在确定所述用户所处的地点时从包含于所述设备中的位置传感器获取所述设备的位置信息,并且
其中所述显示器还被配置为将所获取的位置信息显示为所确定的地点的位置信息。
7.一种识别用户的活动的方法,所述方法包含:
从加速度计获取设备在第一时间段和与所述第一时间段相邻的第二时间段中的加速度数据;
基于对应于所述第一时间段的加速度数据,确定所述设备的用户在所述第一时间段中的第一运动状态;
考虑到对应于所述第二时间段的加速度数据和所确定的第一运动状态,确定所述用户在所述第二时间段中的第二运动状态;以及
显示所述第一运动状态和所述第二运动状态,
其中,所述第一运动状态和所述第二运动状态中的每一个指示所述用户的预定的多个运动活动中的一个,并且
其中,确定所述用户在所述第二时间段中的所述第二运动状态包含:当所述第一运动状态发生于所述第一时间段中时,通过基于所述多个运动活动中的每一个作为所述第一运动状态的下一运动状态发生的概率确定所述第二运动状态,来考虑到所述第一运动状态确定所述第二运动状态。
8.根据权利要求7所述的方法,其中所述预定的多个运动活动包含静止活动、停止活动、步行活动、慢跑活动、骑行活动以及驾驶活动中的至少一个。
9.根据权利要求7所述的方法,其中所述第二时间段部分地重叠所述第一时间段。
10.根据权利要求8所述的方法,其中所述确定所述设备的用户在所述第一时间段中的第一运动状态包含:
利用对应于所述第一时间段的加速度数据,创建用于划分所述多个运动活动的特征数据;以及
基于所创建的特征数据,确定所述用户在所述第一时间段中的运动状态。
11.根据权利要求7所述的方法,还包含基于所确定的第一运动状态和第二运动状态,确定所述用户所处的地点。
12.根据权利要求11所述的方法,还包含:
在确定所述用户所处的所述地点时,从包含于所述设备中的位置传感器获取所述设备的位置信息,以及
将所获取的位置信息显示为所确定的地点的位置信息。
13.一种非临时计算机可读记录介质,其上记录有用于执行权利要求7所述方法的程序。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR10-2015-0043459 | 2015-03-27 | ||
KR1020150043459A KR102390876B1 (ko) | 2015-03-27 | 2015-03-27 | 가속도 센서를 이용하여 사용자의 활동을 인식하는 방법 및 장치 |
PCT/KR2016/001847 WO2016159515A1 (en) | 2015-03-27 | 2016-02-25 | Method and apparatus for recognizing user's activity using accelerometer |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107636683A CN107636683A (zh) | 2018-01-26 |
CN107636683B true CN107636683B (zh) | 2021-05-25 |
Family
ID=56976514
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201680028717.4A Expired - Fee Related CN107636683B (zh) | 2015-03-27 | 2016-02-25 | 利用加速度计识别用户的活动的方法和装置 |
Country Status (4)
Country | Link |
---|---|
US (1) | US9723383B2 (zh) |
KR (1) | KR102390876B1 (zh) |
CN (1) | CN107636683B (zh) |
WO (1) | WO2016159515A1 (zh) |
Families Citing this family (27)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10116794B2 (en) * | 2015-05-13 | 2018-10-30 | Interactive Intelligence Group, Inc. | Determining an active station based on movement data |
US10547743B2 (en) | 2016-09-30 | 2020-01-28 | T-Mobile Usa, Inc. | Sending notifications based on a busy mode of operation of a mobile device |
US10194025B2 (en) * | 2016-09-30 | 2019-01-29 | T-Mobile Usa, Inc. | Sending notifications based on an active mode of operation of a mobile device |
US20180115866A1 (en) * | 2016-10-21 | 2018-04-26 | Microsoft Technology Licensing, Llc | Low power geographical visit detection |
KR20180068128A (ko) * | 2016-12-13 | 2018-06-21 | 엘지전자 주식회사 | 이동단말기 및 그 제어방법 |
KR20180116843A (ko) * | 2017-04-18 | 2018-10-26 | 삼성전자주식회사 | 모션 감지 방법 및 이를 지원하는 전자 장치 |
JP6848696B2 (ja) * | 2017-05-31 | 2021-03-24 | トヨタ自動車株式会社 | 駐車管理システム及び駐車管理方法 |
US10602313B2 (en) | 2017-06-02 | 2020-03-24 | Apple Inc. | State-based location monitoring |
CN107317934A (zh) * | 2017-06-30 | 2017-11-03 | 北京奇虎科技有限公司 | 基于移动终端的用户活动状态确定方法、装置及移动终端 |
KR101972879B1 (ko) * | 2017-08-11 | 2019-04-26 | 아주대학교산학협력단 | 임베디드 환경에서 메모리 사용량 최소화 방법 및 그 장치 |
HUP1700368A1 (hu) * | 2017-09-04 | 2019-03-28 | Solecall Kft | Rendszer jelzési testgesztus érzékelésére és eljárás a rendszer betanítására |
CN107583245A (zh) * | 2017-09-20 | 2018-01-16 | 京东方科技集团股份有限公司 | 一种室内运动设备的控制方法和系统及室内运动设备 |
KR102030698B1 (ko) * | 2017-11-29 | 2019-10-16 | (주)강안교육 | 테스트 수행 방법 및 이를 실행하기 위하여 기록매체에 기록된 컴퓨터 프로그램 |
US10304341B1 (en) * | 2018-02-09 | 2019-05-28 | International Business Machines Corporation | Vehicle and bicycle communication to avoid vehicle door crash accidents |
CN108646262A (zh) * | 2018-03-27 | 2018-10-12 | 斑马网络技术有限公司 | 车辆状态监测方法、设备、存储介质及车辆 |
EP3786882A4 (en) * | 2018-04-26 | 2022-01-19 | Nippon Telegraph And Telephone Corporation | MOTION STATE RECOGNITION LEARNING DEVICE, MOTION STATE RECOGNITION DEVICE, METHOD AND PROGRAM |
WO2019235116A1 (ja) | 2018-06-04 | 2019-12-12 | 日本電信電話株式会社 | 移動状況解析装置、移動状況解析方法及びプログラム |
CN110494079B (zh) * | 2018-08-03 | 2022-09-02 | 广东高驰运动科技有限公司 | 心率检测方法、装置、检测设备及存储介质 |
CN109375762A (zh) * | 2018-09-27 | 2019-02-22 | 北京奇虎科技有限公司 | 一种降低功耗的方法、装置及终端 |
CN109635638B (zh) * | 2018-10-31 | 2021-03-09 | 中国科学院计算技术研究所 | 用于人体运动的特征提取方法及系统、识别方法及系统 |
CN109754603B (zh) * | 2019-01-21 | 2020-11-03 | 石家庄铁道大学 | 自行车行程时间计算方法、装置和终端设备 |
US11834051B2 (en) | 2019-02-14 | 2023-12-05 | Huawei Technologies Co., Ltd. | Methods and systems for sequential micro-activity based driver detection on smart devices |
CN111308112A (zh) * | 2019-12-04 | 2020-06-19 | 电子科技大学 | 一种基于神经网络的温度补偿系统 |
US11676430B2 (en) | 2020-04-09 | 2023-06-13 | Allstate Insurance Company | Vehicle mode determination based on edge-computing |
CN111879334B (zh) * | 2020-07-31 | 2022-03-25 | 歌尔科技有限公司 | 计步方法、计步装置及计算机可读存储介质 |
CN113781837B (zh) * | 2021-03-19 | 2023-05-30 | 北京沃东天骏信息技术有限公司 | 骑行安全实现方法、装置、介质及电子设备 |
KR20230058322A (ko) * | 2021-10-21 | 2023-05-03 | 구글 엘엘씨 | 수면 타입에 기초하여 사용자들을 분류함으로써 수면 데이터의 측정을 개선하기 위한 방법들 및 시스템들 |
Family Cites Families (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7768393B2 (en) | 2007-04-10 | 2010-08-03 | Honeywell International Inc. | System and method for asset tracking |
US7930135B2 (en) * | 2008-07-10 | 2011-04-19 | Perception Digital Limited | Method of distinguishing running from walking |
JP5466713B2 (ja) * | 2009-12-11 | 2014-04-09 | 株式会社日立製作所 | 生活パターン分類装置及び生活パターン分類システム |
CN101887587B (zh) * | 2010-07-07 | 2012-05-23 | 南京邮电大学 | 视频监控中基于运动目标检测的多目标跟踪方法 |
US10216893B2 (en) * | 2010-09-30 | 2019-02-26 | Fitbit, Inc. | Multimode sensor devices |
KR20120100059A (ko) | 2011-03-02 | 2012-09-12 | 주식회사 엠엔에스에이 | 보행자 활동 정보 측정 시스템 |
CN102184549B (zh) * | 2011-04-29 | 2012-10-10 | 闫文闻 | 一种运动参数确定方法、装置和运动辅助设备 |
US8779918B2 (en) | 2011-12-16 | 2014-07-15 | Richard Housley | Convulsive seizure detection and notification system |
US11026600B2 (en) | 2012-01-09 | 2021-06-08 | Invensense, Inc. | Activity classification in a multi-axis activity monitor device |
CN102772211A (zh) * | 2012-08-08 | 2012-11-14 | 中山大学 | 一种人体运动状态检测系统及检测方法 |
KR101452066B1 (ko) | 2012-12-14 | 2014-10-16 | 주식회사 인바디 | 활동량 리포트를 제공하는 장치 및 방법 |
US8951165B2 (en) * | 2013-03-05 | 2015-02-10 | Microsoft Corporation | Personal training with physical activity monitoring device |
CN104217205B (zh) * | 2013-05-29 | 2018-05-18 | 华为技术有限公司 | 一种识别用户活动类型的方法及系统 |
CN103386181B (zh) * | 2013-07-25 | 2016-06-15 | Tcl通讯(宁波)有限公司 | 一种移动终端及该终端的跳绳计数方法 |
KR101489619B1 (ko) | 2014-01-21 | 2015-02-04 | 한양대학교 에리카산학협력단 | 전력 절감을 위한 스마트 단말기 3축 가속도계 센싱 방법 및 장치 |
-
2015
- 2015-03-27 KR KR1020150043459A patent/KR102390876B1/ko active IP Right Grant
-
2016
- 2016-02-23 US US15/051,302 patent/US9723383B2/en active Active
- 2016-02-25 CN CN201680028717.4A patent/CN107636683B/zh not_active Expired - Fee Related
- 2016-02-25 WO PCT/KR2016/001847 patent/WO2016159515A1/en active Application Filing
Also Published As
Publication number | Publication date |
---|---|
US9723383B2 (en) | 2017-08-01 |
KR102390876B1 (ko) | 2022-04-26 |
US20160279501A1 (en) | 2016-09-29 |
CN107636683A (zh) | 2018-01-26 |
KR20160115546A (ko) | 2016-10-06 |
WO2016159515A1 (en) | 2016-10-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107636683B (zh) | 利用加速度计识别用户的活动的方法和装置 | |
KR101480473B1 (ko) | 이동 통신 단말기에서의 스케쥴 표시 방법 및 장치 | |
US11035687B2 (en) | Virtual breadcrumbs for indoor location wayfinding | |
CN108701495B (zh) | 用于整合和提供从多个设备收集的数据的方法以及用于实现该方法的电子设备 | |
EP3342143B1 (en) | Portable device and screen display method of portable device | |
US11036383B2 (en) | Electronic apparatus displaying representative information and control method thereof | |
CN102238282B (zh) | 能够提供多层游戏的移动终端及其操作方法 | |
EP2809055A2 (en) | Method and apparatus for controlling screen display using environmental information | |
EP2916208B1 (en) | Portable terminal and method of enlarging and displaying contents | |
US20190272018A1 (en) | Method and apparatus for reducing power consumption based on use pattern of user | |
US11416139B2 (en) | Electronic device and screen display method of electronic device | |
KR20160094223A (ko) | 모바일 디바이스 및 모바일 디바이스의 디스플레이 방법 | |
US9383783B2 (en) | Apparatus and method for controlling a display based on a manner of holding the apparatus | |
KR102280545B1 (ko) | 이동 경로를 제공하는 방법 및 장치 | |
KR20180131900A (ko) | 외부 입력 장치의 입력을 처리하는 전자 장치 및 방법 | |
KR102598270B1 (ko) | 차량 탑승 인식 방법 및 이를 구현한 전자 장치 | |
US20140348334A1 (en) | Portable terminal and method for detecting earphone connection | |
KR20140089975A (ko) | 이동 단말의 배터리 소모를 줄이는 장치 및 방법 | |
KR20150009833A (ko) | 장소 인식을 제어하는 휴대 단말 및 방법 | |
KR20150128406A (ko) | 음성 인식 정보를 표시하는 방법 및 장치 | |
CN113780975B (zh) | 日程信息智能提醒方法、设备、存储介质和软件程序产品 | |
CN105635434A (zh) | 移动终端及其控制方法 | |
KR102630874B1 (ko) | 상황에 기반한 사용자 맞춤형 설정 방법 및 장치 | |
CN106325487A (zh) | 一种实现体感功能的方法和终端 | |
KR101579112B1 (ko) | 이미지 처리 방법 및 장치 |
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 | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20210525 |
|
CF01 | Termination of patent right due to non-payment of annual fee |