CN107727110A - 一种步数的统计方法及装置 - Google Patents

Abstract

本发明提供了一种步数的统计方法及装置，其方法包括：S100获取用户的加速度数据；S200根据所述加速度数据生成加速度曲线，并得到用户加速度周期；S300将所述用户加速度周期与所有预设加速度周期进行匹配，匹配得到目标预设加速度周期；S400将所述加速度曲线进行微分运算，得到目标极值点；S500根据所述目标极值点以及所述目标预设加速度周期，统计微分值等于预设值的数量，输出所述数量为统计步数。本发明充分利用人在运动过程中的周期性，能更精确得计算出运动过程中的步数。

Description

一种步数的统计方法及装置

技术领域

本发明涉及计算机领域，尤指一种步数的统计方法及装置。

背景技术

随着科学技术的飞速发展，人们生活水平的不断提高，人们对自身的健康关注度也随之增加。目前，大多数人通过慢跑、快走(散步)、快跑等单一方式或相组合的方式进行体育锻炼，来达到减肥、塑形和增肌的目标。为了帮助人们更好地了解锻炼的情况，从而科学得进行锻炼指导与规划。如何来精确得获得运动过程的步数，是作为分析运动的一项关键数据。

现有的大多步数的统计方法，一是通过GPS信号来测算运动的距离，以此来推算出相应的步数。二是通过相关性分析算法，利用行人连续运动产生的加速度序列之间的相似性来进行步数的计算。三是由于人在行走、慢跑、快跑等运动过程中，其在某些特定方向上，产生的加速度与时间大致为一个正弦曲线，设置阈值，经过滤波，波峰和波谷的检测，来计算行走的步数。

其中，第一种步数的统计方法，往往需要添加额外的硬件设施，其GPS的精度对最终的推算结果影响较大，且无法在不支持GPS的设备上工作。第二种步数的统计方法利用相关性分析算法，复杂度较高。第三种步数的统计方法，针对不同的人，其走路习惯、跑步的姿势、起立坐下、身体转动等因素的差异，导致基于波峰波谷检测的计步算法的阈值设定不是很合理，从而产生计算步数上的误差。

发明内容

本发明的目的是提供一种步数的统计方法及装置，实现提升计步的精确度。

本发明提供的技术方案如下：

本发明提供一种步数的统计方法，包括步骤：S100获取用户的加速度数据；S200根据所述加速度数据生成加速度曲线，并得到用户加速度周期；S300将所述用户加速度周期与所有预设加速度周期进行匹配，匹配得到目标预设加速度周期；S400将所述加速度曲线进行微分运算，得到目标极值点；S500根据所述目标极值点以及所述目标预设加速度周期，统计微分值等于预设值的数量，输出所述数量为统计步数。

进一步的，所述步骤S100之前包括步骤：S010采集用户运动信息；所述用户运动信息包括运动类型信息，以及对应于所述运动类型信息的运动步数信息和运动时间信息；S020根据所述运动类型信息对应的所述运动步数信息和所述运动时间信息进行运算，得到对应于所述运动类型信息的所述预设加速度周期。

进一步的，所述步骤S200包括步骤：S210根据所述加速度数据进行矢量运算，得到合运动加速度；所述加速度数据为预设方向以及所述预设方向对应的加速度值；S220根据所述合运动加速度以及所述合运动加速度对应的时间生成加速度曲线；S230根据所述加速度曲线，得到所述用户加速度周期；所述步骤S300包括步骤：S310将所述用户加速度周期与所有预设加速度周期进行匹配，判断是否匹配成功；若是，执行步骤S320；否则，执行步骤S330；S320匹配得到所述目标预设加速度周期，并执行步骤S400；S330判定用户未进行任何预设运动。

进一步的，所述步骤S400包括步骤：S410将生成的所述加速度曲线进行微分运算，得到所述加速度曲线的多个极值点；S420在所述多个极值点中搜索所述目标极值点；所述目标极值点为所述加速度曲线上的第一个极值点。

进一步的，所述步骤S500包括步骤：S510根据所述目标极值点为起始点，运算每个所述目标预设加速度周期处的微分值；S520统计所述微分值等于所述预设值的数量；S530输出所述数量为统计步数。

本发明还提供一种步数的统计装置，包括：获取模块，获取用户的加速度数据；第一运算模块，根据所述加速度数据生成加速度曲线，并得到用户加速度周期；匹配模块，将所述用户加速度周期与所有预设加速度周期进行匹配，匹配得到目标预设加速度周期；第二运算模块，将所述加速度曲线进行微分运算，得到目标极值点；统计模块，根据所述目标极值点以及所述目标预设加速度周期，统计微分值等于预设值的数量，输出所述数量为统计步数。

进一步的，还包括：采集模块，采集用户运动信息；所述用户运动信息包括运动类型信息，以及对应于所述运动类型信息的运动步数信息和运动时间信息；第三运算模块，根据所述采集模块采集的所述运动类型信息对应的所述运动步数信息和所述运动时间信息进行运算，得到对应于所述运动类型信息的所述预设加速度周期。

进一步的，所述第一运算模块包括：第一运算单元，根据所述获取模块获取的所述加速度数据进行矢量运算，得到合运动加速度；所述加速度数据为预设方向以及所述预设方向对应的加速度值；生成单元，根据所述第一运算单元运算得到的所述合运动加速度以及所述合运动加速度对应的时间生成加速度曲线；第二运算单元，根据所述生成单元生成的所述加速度曲线，得到所述用户加速度周期；所述匹配模块包括：匹配单元，将所述用户加速度周期与所有预设加速度周期进行匹配，判断是否匹配成功，若是，匹配得到所述目标预设加速度周期；判定单元，当所述匹配单元判断所述用户加速度周期与所有预设加速度周期匹配失败时，判定用户未进行任何预设运动。

进一步的，所述第二运算模块包括：第三运算单元，将生成的所述加速度曲线进行微分运算，得到所述加速度曲线的多个极值点；搜索单元，在所述多个极值点中搜索所述目标极值点；所述目标极值点为所述加速度曲线上的第一个极值点。

进一步的，所述统计模块包括：第四运算单元，根据所述目标极值点为起始点，运算每个所述目标预设加速度周期处的微分值；统计单元，统计所述微分值等于所述预设值的数量；输出单元，输出所述数量为统计步数。

通过本发明提供的一种步数的统计方法及装置，能够带来以下至少一种有益效果：

1)本发明解决了由于不同的人，其行走习惯、跑步的姿势等差异，导致计算的步数不准确。

2)本发明通过统计微分值等于预设值的数量，简化了步数统计的算法，更加快速准确。

3)本发明充分利用人在运动过程中的周期性，能更精确得计算出运动过程中的步数。

附图说明

下面将以明确易懂的方式，结合附图说明优选实施方式，对一种步数的统计方法及装置的上述特性、技术特征、优点及其实现方式予以进一步说明。

图1是本发明一种步数的统计方法的一个实施例的流程图；

图2是本发明一种步数的统计方法的另一个实施例的流程图；

图3是本发明一种步数的统计方法的加速度曲线的示意图；

图4是本发明一种步数的统计装置的一个实施例的结构示意图；

图5是本发明一种步数的统计装置的另一个实施例的结构示意图；

图6是本发明一种步数的统计方法的一个实例的流程图；

图7是本发明一种步数的统计方法的一个实例的运动过程中的三轴加速度传感器方向的示例图；

图8是本发明一种步数的统计方法的一个实例的运动过程中合运动加速度变化图。

具体实施方式

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对照附图说明本发明的具体实施方式。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，对于本领域普通技术人员来讲，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，并获得其他的实施方式。

为使图面简洁，各图中只示意性地表示出了与本发明相关的部分，它们并不代表其作为产品的实际结构。另外，以使图面简洁便于理解，在有些图中具有相同结构或功能的部件，仅示意性地绘示了其中的一个，或仅标出了其中的一个。在本文中，“一个”不仅表示“仅此一个”，也可以表示“多于一个”的情形。

图1是本发明一种步数的统计方法的一个实施例，包括：

S100获取用户的加速度数据；

S200根据所述加速度数据生成加速度曲线，并得到用户加速度周期；

S300将所述用户加速度周期与所有预设加速度周期进行匹配，匹配得到目标预设加速度周期；

S400将所述加速度曲线进行微分运算，得到目标极值点；

S500根据所述目标极值点以及所述目标预设加速度周期，统计微分值等于预设值的数量，输出所述数量为统计步数。

具体的，现如今，越来越多的用户开始注重自身的日常锻炼，计步作为一种有效记录监控锻炼的监控手段，被广泛的应用在许许多多的可穿戴设备，移动终端中。目前，大部分的计步都是通过GPS信号来测算运动距离，再反推运动步数实现的。这种方法很是有效，但在室内或没有GPS信号的设备上无法工作。同时，GPS精度对结果的干扰也比较大。另外还有的计步是通过检测波峰和波谷，检测到连续两个波峰之间有一个波谷(或者连续两个波谷之间有一个波峰)时，记为一步。而由于针对不同的人，其走路习惯、跑步的姿势、起立坐下、身体转动等因素的差异，导致基于波峰波谷检测的计步算法的阈值设定不是很合理，从而产生计算步数上的误差。本发明获取三个方向上产生的加速度，通常通过三轴传感器进行采集用户的三个方向上的加速度数据，充分利用运动过程中的加速度曲线的周期性，求出用户加速度周期，与所有预设加速度周期进行匹配得到目标预设加速度周期，然后对加速度曲线进行微分找出目标极值点，根据目标极值点以及目标预设加速度周期来推算统计出运动过程中步数，进一步提高计步的精度。本发明充分利用人在运动过程中的周期性，能更精确得计算出运动过程中的步数。解决了由于不同的人，其行走习惯、跑步的姿势等差异，导致计算的步数不准确，另外，统计微分值等于预设值的数量，简化了步数统计的算法，更加快速准确。

图2是本发明一种步数的统计方法的另一个实施例，包括：

S010采集用户运动信息；所述用户运动信息包括运动类型信息，以及对应于所述运动类型信息的运动步数信息和运动时间信息；

S020根据所述运动类型信息对应的所述运动步数信息和所述运动时间信息进行运算，得到对应于所述运动类型信息的所述预设加速度周期；

具体的，采集用户运动信息，将用户运动信息中的运动类型信息对应的运动步数信息和运动时间信息进行运算，得到对应于运动类型信息的预设加速度周期，T_k＝n_k/t_k。例如针对每个用户，进行预设运动的训练，比如正常行走、慢走，快走，正常跑步、慢跑、快跑等等预设运动的训练，记录各种预设运动的运动步数分别为n1、n2、n3、n4、n5、n6，运动时间分别为t1、t2、t3、t4、t5、t6，那么正常行走对应的预设加速度周期T₁＝n₁/t₁，以此类推依次得到慢走对应的预设加速度周期T₂＝n₂/t₂，快走对应的预设加速度周期T₃＝n₃/t₃，正常跑步对应的预设加速度周期T₄＝n₄/t₄，慢跑对应的预设加速度周期T₅＝n₅/t₅，快跑对应的预设加速度周期T₆＝n₆/t₆。本发明针对每个用户建立不同的预设加速度周期，这样减少因为不同用户的运动幅度的大小不同导致的步数记录误判，提升计步的准确度。

S100获取用户的加速度数据；

优选的，所述步骤S200包括步骤：

S210根据所述加速度数据进行矢量运算，得到合运动加速度；所述加速度数据为预设方向以及所述预设方向对应的加速度值；

S220根据所述合运动加速度以及所述合运动加速度对应的时间生成加速度曲线；

S230根据所述加速度曲线，得到所述用户加速度周期；

具体的，预设方向是三个方向的加速度数据，本实施例中通过加速度传感器获取用户的加速度数据，也可以通过多个加速度传感器获三个方向的加速度数据，只要是能够获取三个方向的加速度数据的方案均属于本发明的保护范围，三个方向包括X轴方向，Y轴方向和Z轴方向。假设X轴方向为水平前后方向，Y轴方向为水平左右方向，Z轴方向为垂直方向，垂直方向向上为正向。那么由于用户在水平步行运动的过程中，垂直方向和水平方向(水平前后方向以及水平左右方向)两个方向的加速度呈现周期性的变化，即用户在步行抬脚的动作中，由于单只脚触地重心向上，垂直方向加速度是呈正向递增的趋势，递增至最大加速度值后呈正向递减的趋势，递减至加速度值为零。之后用户继续步行放脚的动作中，由于重心下移直至两脚触地，垂直方向加速度是呈反向递增的趋势，递增至最大加速度值后成反向递减的趋势，递减至加速度值为零。另外用户在步行抬脚的动作中，水平方向的加速度在收脚时减小，在迈步时增加。因此，用户步行时的垂直加速度和水平加速度的变化规律是一个周期性的过程，所以本发明获取到用户的加速度数据后，根据加速度数据能够得到用户运动的用户加速度周期，然后将用户的加速度周期与所有的预设加速度周期进行匹配得到目标预设加速度周期，根据合运动加速度以及合运动加速度对应的时间生成加速度曲线。如图3所示，为根据合运动加速度以及合运动加速度对应的时间生成的加速度曲线，其中，A轴为合运动加速度，t轴为合运动加速度对应的时间，a点为用户抬脚之前的加速度值，即其垂直方向和水平方向的加速度的合运动加速度为零，从a点开始用户的合运动加速度为垂直向上并且水平向前递增，b点为用户抬脚的合运动加速度的最大值，c点为用户抬脚至最高点的时候的合运动加速度为零，从c点开始用户开始放脚，并且放脚过程中合加速度为垂直向下并且水平向前递减，d点为用户放脚的合运动加速度的最大值，e点为用户放脚至地面的时候的合运动加速度为零。以此类推得到f，g，h，i。从上述特征绘制得到如图3中的加速度曲线，从而得到用户加速度周期为T₀＝e。本发明排除了由于不同的人，其走路习惯、跑步的姿势等差异，在阈值的设置上不合理，导致计算的步数不准确，本发明计步准确，运算量小，提升用户的使用体验。

优选的，所述步骤S300包括步骤：

S310将所述用户加速度周期与所有预设加速度周期进行匹配，判断是否匹配成功；若是，执行步骤S320；否则，执行步骤S330；

S320匹配得到所述目标预设加速度周期，并执行步骤S400；

S330判定用户未进行任何预设运动；

具体的，如图3所示，由于得到的用户加速度周期T₀＝e，因此与S010-S020之间得到的预设加速度周期进行匹配，判断T₀与哪个时间范围的预设加速度周期T_k是匹配的，从而得到目标预设加速度周期T＝T_k。如果与上述所有的预设加速度周期进行匹配，没有在上述所有的预设加速度周期的范围内，那么就能够判定用户没有进行任何的预设运动。判定没有进行任何预设运动，那么就可以停止计步，节省系统的资源，省电省CPU，提高步数的统计装置的寿命。

优选的，所述步骤S400包括步骤：

S410将生成的所述加速度曲线进行微分运算，得到所述加速度曲线的多个极值点；

S420在所述多个极值点中搜索所述目标极值点；所述目标极值点为所述加速度曲线上的第一个极值点；

具体的，将图3中的生成的加速度曲线L进行微分运算，即sin(t)求微分得到cos(t)，得到加速度曲线L对应的微分运算后的微分曲线L＇，因此从微分曲线L＇中可以看出有多个极值点，由于加速度曲线省略了后续的时间上的合运动加速度的变化，因此微分曲线也相应的省略了后续的时间上的微分值，在此不再赘述。其中，在微分曲线L＇上搜索到目标极值点为b点。此处，若是以垂直向下为正向，那么加速度曲线与图3中的加速度曲线L是呈t轴对称的，在此不细述。那么其对应的微分曲线也是与图3中的微分曲线L＇是呈t轴对称的，在此不细述。

优选的，所述步骤S500包括步骤：

S510根据所述目标极值点为起始点，运算每个所述目标预设加速度周期处的微分值；

S520统计所述微分值等于所述预设值的数量；

S530输出所述数量为统计步数。

具体的，根据图3所示的微分曲线L＇的目标极值点即第一个极值点b为起点，运算范围为(b，+∞)，在此时间范围内进行运算每个b+m×T_k的微分值，判断每个b+m×Tk的微分值是否等于预设值，即每个b+m×Tk的微分值是否等于零，从而统计微分值等于零的数量，以此得到运动的计步步数。例如，假设图3中加速度曲线L中的e点为1秒，那么用户加速度周期为T₀＝1秒，而假设所有预设加速度周期包括正常行走周期T₁＝1秒，慢走周期T₂＝3秒，快走周期T₃＝0.5秒，正常跑步周期T₄＝0.5秒，慢跑周期T₅＝0.3秒，快跑周期T₆＝0.1，经过匹配得到T₀＝T₃，说明用户正处于正常行走的状态，那么目标预设加速度周期就为T₁，从b点为起点，即b＝0.25秒为起点，那么在b+1×T₁，b+2×T₁，b+3×T₁，b+4×T₁，……b+m×T₁，判断这些点0.25+1×1＝1.25即f点等等这些点中微分值等于零的数量，从而以此数量为用户运动的步数。本发明充分利用人在运动过程中的周期性，能更精确得计算出运动过程中的步数。相比通过波峰波谷检测的计步算法，排除了由于不同的人，其走路习惯、跑步的姿势等差异，在阈值的设置上不合理，导致计算的步数不准确，本发明计步准确，运算量小。

参考图4所示，本发明提供一种步数的统计装置的一个实施例，包括：

获取模块，获取用户的加速度数据；

第一运算模块，根据所述加速度数据生成加速度曲线，并得到用户加速度周期；

匹配模块，将所述用户加速度周期与所有预设加速度周期进行匹配，匹配得到目标预设加速度周期；

第二运算模块，将所述加速度曲线进行微分运算，得到目标极值点；

统计模块，根据所述目标极值点以及所述目标预设加速度周期，统计微分值等于预设值的数量，输出所述数量为统计步数。

具体的，本实施例中，由于针对不同的人，其走路习惯、跑步的姿势、起立坐下、身体转动等因素的差异，导致基于波峰波谷检测的计步算法的阈值设定不是很合理，从而产生计算步数上的误差。本发明获取三个方向上产生的加速度，通常通过三轴传感器进行采集用户的三个方向上的加速度数据，充分利用运动过程中的加速度曲线的周期性，求出用户加速度周期，与所有预设加速度周期进行匹配得到目标预设加速度周期，然后对加速度曲线进行微分找出目标极值点，根据目标极值点以及目标预设加速度周期来推算统计出运动过程中步数，进一步提高计步的精度。充分利用人在运动过程中的周期性，能更精确得计算出运动过程中的步数。解决了由于不同的人，其行走习惯、跑步的姿势等差异，导致计算的步数不准确，另外，统计微分值等于预设值的数量，简化了步数统计的算法，更加快速准确。

参考图5所示，本发明提供一种步数的统计装置的另一个实施例，本实施例中其他部分与上一实施例相同，包括：获取模块、第一运算模块、匹配模块、第二运算模块和统计模块；

此外，还包括：

采集模块，采集用户运动信息；所述用户运动信息包括运动类型信息，以及对应于所述运动类型信息的运动步数信息和运动时间信息；

第三运算模块，根据所述采集模块采集的所述运动类型信息对应的所述运动步数信息和所述运动时间信息进行运算，得到对应于所述运动类型信息的所述预设加速度周期。

具体的，本实施例中，采集用户运动信息，将用户运动信息中的运动类型信息对应的运动步数信息和运动时间信息进行运算，得到对应于运动类型信息的预设加速度周期，Tk＝nk/tk。例如针对每个用户，进行预设运动的训练，比如正常行走、慢走，快走，正常跑步、慢跑、快跑等等预设运动的训练，记录各种预设运动的运动步数分别为n1、n2、n3、n4、n5、n6，运动时间分别为t1、t2、t3、t4、t5、t6，那么正常行走对应的预设加速度周期T1＝n1/t1，以此类推依次得到慢走对应的预设加速度周期T2＝n2/t2，快走对应的预设加速度周期T3＝n3/t3，正常跑步对应的预设加速度周期T4＝n4/t4，慢跑对应的预设加速度周期T5＝n5/t5，快跑对应的预设加速度周期T6＝n6/t6。本发明针对每个用户建立不同的预设加速度周期，这样减少因为不同用户的运动幅度的大小不同导致的步数记录误判，提升计步的准确度。

优选的，所述第一运算模块包括：

第一运算单元，根据所述获取模块获取的所述加速度数据进行矢量运算，得到合运动加速度；所述加速度数据为预设方向以及所述预设方向对应的加速度值；

生成单元，根据所述第一运算单元运算得到的所述合运动加速度以及所述合运动加速度对应的时间生成加速度曲线；

第二运算单元，根据所述生成单元生成的所述加速度曲线，得到所述用户加速度周期。

具体的，预设方向是三个方向的加速度数据，本实施例中通过加速度传感器获取用户的加速度数据，也可以通过多个加速度传感器获三个方向的加速度数据，只要是能够获取三个方向的加速度数据的方案均属于本发明的保护范围，三个方向包括X轴方向，Y轴方向和Z轴方向。假设X轴方向为水平前后方向，Y轴方向为水平左右方向，Z轴方向为垂直方向，垂直方向向上为正向。那么由于用户在水平步行运动的过程中，垂直方向和水平方向(水平前后方向以及水平左右方向)两个方向的加速度呈现周期性的变化，即用户在步行抬脚的动作中，由于单只脚触地重心向上，垂直方向加速度是呈正向递增的趋势，递增至最大加速度值后呈正向递减的趋势，递减至加速度值为零。之后用户继续步行放脚的动作中，由于重心下移直至两脚触地，垂直方向加速度是呈反向递增的趋势，递增至最大加速度值后成反向递减的趋势，递减至加速度值为零。另外用户在步行抬脚的动作中，水平方向的加速度在收脚时减小，在迈步时增加。因此，用户步行时的垂直加速度和水平加速度的变化规律是一个周期性的过程，所以本发明获取到用户的加速度数据后，根据加速度数据能够得到用户运动的用户加速度周期，然后将用户的加速度周期与所有的预设加速度周期进行匹配得到目标预设加速度周期，根据合运动加速度以及合运动加速度对应的时间生成加速度曲线。如图3所示，为根据合运动加速度以及合运动加速度对应的时间生成的加速度曲线，其中，A轴为合运动加速度，t轴为合运动加速度对应的时间，a点为用户抬脚之前的加速度值，即其垂直方向和水平方向的加速度的合运动加速度为零，从a点开始用户的合运动加速度为垂直向上并且水平向前递增，b点为用户抬脚的合运动加速度的最大值，c点为用户抬脚至最高点的时候的合运动加速度为零，从c点开始用户开始放脚，并且放脚过程中合加速度为垂直向下并且水平向前递减，d点为用户放脚的合运动加速度的最大值，e点为用户放脚至地面的时候的合运动加速度为零。以此类推得到f，g，h，i。从上述特征绘制得到如图3中的加速度曲线，从而得到用户加速度周期为T0＝e。本发明排除了由于不同的人，其走路习惯、跑步的姿势等差异，在阈值的设置上不合理，导致计算的步数不准确，本发明计步准确，运算量小，提升用户的使用体验。

优选的，所述匹配模块包括：

匹配单元，将所述用户加速度周期与所有预设加速度周期进行匹配，判断是否匹配成功，若是，匹配得到所述目标预设加速度周期；

判定单元，当所述匹配单元判断所述用户加速度周期与所有预设加速度周期匹配失败时，判定用户未进行任何预设运动。

具体的，如图3所示，由于得到的用户加速度周期T₀＝e，因此与S010-S020之间得到的预设加速度周期进行匹配，判断T₀与哪个时间范围的预设加速度周期T_k是匹配的，从而得到目标预设加速度周期T＝T_k。如果与上述所有的预设加速度周期进行匹配，没有在上述所有的预设加速度周期的范围内，那么就能够判定用户没有进行任何的预设运动。判定没有进行任何预设运动，那么就可以停止计步，节省系统的资源，省电省CPU，提高步数的统计装置的寿命。

优选的，所述第二运算模块包括：

第三运算单元，将生成的所述加速度曲线进行微分运算，得到所述加速度曲线的多个极值点；

搜索单元，在所述多个极值点中搜索所述目标极值点；所述目标极值点为所述加速度曲线上的第一个极值点。

具体的，将图3中的生成的加速度曲线L进行微分运算，即sin(t)求微分得到cos(t)，得到加速度曲线L对应的微分运算后的微分曲线L＇，因此从微分曲线L＇中可以看出有多个极值点，由于加速度曲线省略了后续的时间上的合运动加速度的变化，因此微分曲线也相应的省略了后续的时间上的微分值，在此不再赘述。其中，在微分曲线L＇上搜索到目标极值点为b点。此处，若是以垂直向下为正向，那么加速度曲线与图3中的加速度曲线L是呈t轴对称的，在此不细述。那么其对应的微分曲线也是与图3中的微分曲线L＇是呈t轴对称的，在此不细述。

优选的，所述统计模块包括：

第四运算单元，根据所述目标极值点为起始点，运算每个所述目标预设加速度周期处的微分值；

统计单元，统计所述微分值等于所述预设值的数量；

输出单元，输出所述数量为统计步数。

具体的，根据图3所示的微分曲线L＇的目标极值点即第一个极值点b为起点，运算范围为(b，+∞)，在此时间范围内进行运算每个b+m×T_k的微分值，判断每个b+m×Tk的微分值是否等于预设值，即每个b+m×Tk的微分值是否等于零，从而统计微分值等于零的数量，以此得到运动的计步步数。例如，假设图3中加速度曲线L中的e点为1秒，那么用户加速度周期为T₀＝1秒，而假设所有预设加速度周期包括正常行走周期T₁＝1秒，慢走周期T₂＝3秒，快走周期T₃＝0.5秒，正常跑步周期T₄＝0.5秒，慢跑周期T₅＝0.3秒，快跑周期T₆＝0.1，经过匹配得到T₀＝T₃，说明用户正处于正常行走的状态，那么目标预设加速度周期就为T₁，从b点为起点，即b＝0.25秒为起点，那么在b+1×T₁，b+2×T₁，b+3×T₁，b+4×T₁，……b+m×T₁，判断这些点0.25+1×1＝1.25即f点等等这些点中微分值等于零的数量，从而以此数量为用户运动的步数。本发明充分利用人在运动过程中的周期性，能更精确得计算出运动过程中的步数。相比通过波峰波谷检测的计步算法，排除了由于不同的人，其走路习惯、跑步的姿势等差异，在阈值的设置上不合理，导致计算的步数不准确，本发明计步准确，运算量小。

在上述所有实施例中，随着科学技术的飞速发展，人们生活水平的不断提高，人们对自身的健康关注度也随之增加。目前，大多数人通过慢跑、快走(散步)、快跑等单一方式或相组合的方式进行体育锻炼，来达到减肥、塑形和增肌的目标。为了帮助人们更好地了解锻炼的情况，从而科学得进行锻炼指导与规划。如何来精确得获得运动过程的步数，是作为分析运动的一项关键数据。目前，三轴加速度传感器具有体积小和重量轻特点，可以测量空间加速度，能够全面准确反映物体的运动性质，在航空航天、机器人、汽车和医学等领域得到广泛的应用。通过三轴加速度传感器，检测空间中的三个维度的加速度。第一种算法是设置阈值，经过滤波，波峰和波谷的检测，来计算行走的步数。第二种算法是相关性分析算法，利用行人连续运动产生的加速度序列之间的相似性来进行步数的计算。相关性分析算法的实现，复杂度较高。由于人在行走、慢跑、快跑等运动过程中，其在某些特定方向上，产生的加速度与时间大致为一个正弦曲线。所以通过设置阈值，采用波峰值或波谷值来检测计算运动步数。由于人在运动过程中，会产生的加速度，其与时间的关系近似为一个正弦曲线。不同的人，虽然其走路习惯、跑步的姿势、起立坐下、身体转动等存在差异，但其过程一定是具有周期性的。本发明会首先针对个人进行预设运动的训练，得到相应的预设加速度周期，通过三轴加速度传感器来得到预设方向上产生的加速度，合成为一个合运动加速度A，充分利用运动过程中的加速度曲线A的周期性，求出合运动加速度A的周期，与预设加速度周期进行匹配；然后对合运动加速度A进行微分找出第一个极值点，并判断下一个目标预设加速度周期的微分值是否为0，来推算出运动过程中相应的步数，进一步提高了计步的精度。本发明具体的计步步骤如图5所示：

S1、针对个人，对其进行预设运动的训练，比如行走、慢跑、快跑等，记录下预设加速度周期T1、T2、T3，用来匹配每个人的运动特征；

S2、将三个不同方向上的加速度合成为一个合运动加速度A，该合运动加速度A是一个近似的正弦波；

S3、求出合运动加速度A的用户加速度周期T，与预设运动的预设加速度周期进行匹配判断；

S31、判断T是否等于T1；若是，得到目标预设加速度周期为T1，并执行步骤S4；否则，执行步骤S32；

S32、判断T是否等于T1；若是，得到目标预设加速度周期为T1，并执行步骤S4；否则，执行步骤S33；

S33、判断T是否等于T1；若是，得到目标预设加速度周期为T1，并执行步骤S4；否则，返回步骤S2；

S4、对得到的A进行微分，找出第一个极值点，记录下横轴的时间坐标，记为t；

S51、利用目标预设加速度周期T1，判断下一个预设运动的预设加速度周期处的微分是不是为0，如果为0，则步数+1步，继续步骤51；否则回到步骤3；

S52、利用目标预设加速度周期T2，判断下一个预设运动的预设加速度周期处的微分是不是为0，如果为0，则步数+1步，继续步骤52；否则回到步骤3；

S53、利用目标预设加速度周期T3，判断下一个预设运动的预设加速度周期处的微分是不是为0，如果为0，则步数+1步，继续步骤53；否则回到步骤3。

下面结合结合图5进行说明，本实例中，首先针对个人，进行预设运动的训练，比如行走、慢跑、快跑；具体实施方式为行走若干步数，记步数为n，时间为s，那么行走的周期记为T1，则T1＝n/s；同理，依次得到慢跑、快跑的周期T2、T3；当人在运动过程中，图6所示，在前后(X方向)、左右(Y方向)、上下(Z方向)三个方向上会产生一定的加速度的变化，通过三轴加速度传感器将三个方向的加速度采集下来，并合成为一个合运动加速度A，如图7所示，为最终合成的合运动加速度A的曲线，由于人运动过程中的周期性，可知合运动加速度A近似为正弦波，为叙述方便将三个预设加速度周期均绘制在图7上进行说明。求出A的用户加速度周期，记为T，并将T与所有的预设运动的预设加速度周期T1、T2、T3进行匹配，本实例中图5的S31，S32，S33是没有先后顺序的，只要将用户加速度周期T与所有的预设加速度周期T1，T2，T3进行判断，如果与所有的预设加速度周期进行匹配判断均不匹配，那么即可认为此人没有运动，因此运动步数不会增加，那么回到步骤S2。如果根据匹配判断与任意一个预设加速度周期T1、T2、T3匹配，则进行S4，即对得到的合运动加速度A进行微分，找出第一个极值点A＇(t1)，t1为横轴时间的坐标；同理T2、T3得到的第一个极值点的横轴时间的坐标为t2、t3。利用预设加速度周期T1或T2或T3，判断A＇(T1+t1)或A＇(T2+t2)或A＇(T3+t3)处的微分值是否为0，若是，则步数加1，继续进行该步骤，判断下一个A＇(T1+2×t1)、A＇(T2+2×t2)、A＇(T3+2×t3)，……A＇(T1+m×t1)、A＇(T2+m×t2)、A＇(T3+m×t3)处的微分值；否则，回到步骤3。本发明图5中判断用户当前处于T1对应的运动状态时，通过S51进行统计计步。同理步数的统计装置判断用户当前处于T2(或者T3)对应的运动状态时，通过S52(或者S53)进行统计计步。

本发明针对每个人，进行预设运动的训练，得到相应的周期，并充分利用合运动加速度A的的周期性，对A做微分运算，找出第一个极值点，判断下一个目标预设加速度周期处的微分值是否为0，来推算出相应的步数，进一步提高了计步的精度。本发明充分利用人在运动过程中的周期性，能更精确得计算出运动过程中的步数。相比于一种基于波峰波谷检测的计步算法，排除了由于不同的人，其走路习惯、跑步的姿势等差异，在阈值的设置上不合理，导致计算的步数不准确。

上述所有实施例中，可以对获取的加速度曲线进行平滑处理，曲线平滑处理的方式众多，在此不一一例举。求合运动加速度A的周期T的方法，可以是现有的任意方法，能准确得到即可。周期的匹配，即T在T1、T2、T3各自允许的误差范围内，就认为是匹配的。下一个预设运动处的微分值，接近于预设值如零时，也认为此处的微分值为预设值。

应当说明的是，上述实施例均可根据需要自由组合。以上所述仅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，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (10)

1.一种步数的统计方法，其特征在于，包括步骤：

S100获取用户的加速度数据；

S200根据所述加速度数据生成加速度曲线，并得到用户加速度周期；

S300将所述用户加速度周期与所有预设加速度周期进行匹配，匹配得到目标预设加速度周期；

S400将所述加速度曲线进行微分运算，得到目标极值点；

S500根据所述目标极值点以及所述目标预设加速度周期，统计微分值等于预设值的数量，输出所述数量为统计步数。

2.根据权利要求1所述的步数的统计方法，其特征在于，所述步骤S100之前包括步骤：

S010采集用户运动信息；所述用户运动信息包括运动类型信息，以及对应于所述运动类型信息的运动步数信息和运动时间信息；

S020根据所述运动类型信息对应的所述运动步数信息和所述运动时间信息进行运算，得到对应于所述运动类型信息的所述预设加速度周期。

3.根据权利要求1所述的步数的统计方法，其特征在于，所述步骤S200包括步骤：

S210根据所述加速度数据进行矢量运算，得到合运动加速度；所述加速度数据为预设方向以及所述预设方向对应的加速度值；

S220根据所述合运动加速度以及所述合运动加速度对应的时间生成加速度曲线；

S230根据所述加速度曲线，得到所述用户加速度周期；

所述步骤S300包括步骤：

S310将所述用户加速度周期与所有预设加速度周期进行匹配，判断是否匹配成功；若是，执行步骤S320；否则，执行步骤S330；

S320匹配得到所述目标预设加速度周期，并执行步骤S400；

S330判定用户未进行任何预设运动。

4.根据权利要求1所述的步数的统计方法，其特征在于，所述步骤S400包括步骤：

S410将生成的所述加速度曲线进行微分运算，得到所述加速度曲线的多个极值点；

S420在所述多个极值点中搜索所述目标极值点；所述目标极值点为所述加速度曲线上的第一个极值点。

5.根据权利要求1-4任一项所述的步数的统计方法，其特征在于，所述步骤S500包括步骤：

S510根据所述目标极值点为起始点，运算每个所述目标预设加速度周期处的微分值；

S520统计所述微分值等于所述预设值的数量；

S530输出所述数量为统计步数。

6.一种步数的统计装置，其特征在于，包括：

获取模块，获取用户的加速度数据；

第一运算模块，根据所述加速度数据生成加速度曲线，并得到用户加速度周期；

匹配模块，将所述用户加速度周期与所有预设加速度周期进行匹配，匹配得到目标预设加速度周期；

第二运算模块，将所述加速度曲线进行微分运算，得到目标极值点；

统计模块，根据所述目标极值点以及所述目标预设加速度周期，统计微分值等于预设值的数量，输出所述数量为统计步数。

7.根据权利要求6所述的步数的统计装置，其特征在于，还包括：

采集模块，采集用户运动信息；所述用户运动信息包括运动类型信息，以及对应于所述运动类型信息的运动步数信息和运动时间信息；

第三运算模块，根据所述采集模块采集的所述运动类型信息对应的所述运动步数信息和所述运动时间信息进行运算，得到对应于所述运动类型信息的所述预设加速度周期。

8.根据权利要求6所述的步数的统计装置，其特征在于，所述第一运算模块包括：

第一运算单元，根据所述获取模块获取的所述加速度数据进行矢量运算，得到合运动加速度；所述加速度数据为预设方向以及所述预设方向对应的加速度值；

生成单元，根据所述第一运算单元运算得到的所述合运动加速度以及所述合运动加速度对应的时间生成加速度曲线；

第二运算单元，根据所述生成单元生成的所述加速度曲线，得到所述用户加速度周期；

所述匹配模块包括：

匹配单元，将所述用户加速度周期与所有预设加速度周期进行匹配，判断是否匹配成功，若是，匹配得到所述目标预设加速度周期；

判定单元，当所述匹配单元判断所述用户加速度周期与所有预设加速度周期匹配失败时，判定用户未进行任何预设运动。

9.根据权利要求6所述的步数的统计装置，其特征在于，所述第二运算模块包括：

第三运算单元，将生成的所述加速度曲线进行微分运算，得到所述加速度曲线的多个极值点；

搜索单元，在所述多个极值点中搜索所述目标极值点；所述目标极值点为所述加速度曲线上的第一个极值点。

10.根据权利要求6-9任一项所述的步数的统计装置，其特征在于，所述统计模块包括：

第四运算单元，根据所述目标极值点为起始点，运算每个所述目标预设加速度周期处的微分值；

统计单元，统计所述微分值等于所述预设值的数量；

输出单元，输出所述数量为统计步数。