CN107991718A - 一种基于多模态数据分析的手机佩戴方式自动检测方法 - Google Patents

一种基于多模态数据分析的手机佩戴方式自动检测方法 Download PDF

Info

Publication number
CN107991718A
CN107991718A CN201711211961.7A CN201711211961A CN107991718A CN 107991718 A CN107991718 A CN 107991718A CN 201711211961 A CN201711211961 A CN 201711211961A CN 107991718 A CN107991718 A CN 107991718A
Authority
CN
China
Prior art keywords
mobile phone
data
wearing mode
mrow
hand
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
Application number
CN201711211961.7A
Other languages
English (en)
Other versions
CN107991718B (zh
Inventor
赵蕴龙
孙龙寿
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nanjing University of Aeronautics and Astronautics
Original Assignee
Nanjing University of Aeronautics and Astronautics
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Nanjing University of Aeronautics and Astronautics filed Critical Nanjing University of Aeronautics and Astronautics
Priority to CN201711211961.7A priority Critical patent/CN107991718B/zh
Publication of CN107991718A publication Critical patent/CN107991718A/zh
Application granted granted Critical
Publication of CN107991718B publication Critical patent/CN107991718B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
    • G01V11/00—Prospecting or detecting by methods combining techniques covered by two or more of main groups G01V1/00 - G01V9/00
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/005—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 with correlation of navigation data from several sources, e.g. map or contour matching
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/04—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by terrestrial means
    • G01C21/08—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by terrestrial means involving use of the magnetic field of the earth
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/10—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration
    • G01C21/12—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning
    • G01C21/16—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation
    • G01C21/165—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation combined with non-inertial navigation instruments
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/10—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration
    • G01C21/12—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning
    • G01C21/16—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation
    • G01C21/18—Stabilised platforms, e.g. by gyroscope
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation

Landscapes

  • Engineering & Computer Science (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • Mathematical Physics (AREA)
  • Pure & Applied Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Mathematical Analysis (AREA)
  • General Life Sciences & Earth Sciences (AREA)
  • Mathematical Optimization (AREA)
  • Computational Mathematics (AREA)
  • Computer Hardware Design (AREA)
  • Computing Systems (AREA)
  • Geology (AREA)
  • Environmental & Geological Engineering (AREA)
  • Geometry (AREA)
  • Algebra (AREA)
  • Evolutionary Computation (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • Geophysics (AREA)
  • Telephone Function (AREA)

Abstract

本发明公开了一种基于多模态数据分析的手机佩戴方式自动检测方法，属于移动终端控制识别技术领域，通过手机传感器获取距离传感器数据，判断距离传感器数据是否大于该手机中预设的阈值，来判定手机是否处于佩戴者手中；通过加速度计、陀螺仪和地磁计数据进行数据融合得到当前手机欧拉角，通过欧拉角得到当前的旋转矩阵来判定手机佩戴方向是否正确；构建当前采集并切割好的一段数据段与手机内各佩戴方式的样本数据构建距离矩阵，取所有距离矩阵最佳匹配距离中的最小值，根据该最小值来判定手机是否佩戴在人身上。本发明应用范围更广，获取的状态信息更全，有效解决了方向不连续的问题，同时也方便上层开发用户更方便使用。

Description

一种基于多模态数据分析的手机佩戴方式自动检测方法
技术领域
本发明涉及一种手机佩戴方式自动检测方法，特别是涉及一种基于多模态数据分析的手机佩戴方式自动检测方法，属于移动终端控制识别技术领域。
背景技术
随着智能手机的发展，生活中各方面的应用得到了迅速的发展，尤其基于智能手机的应用已经愈发的凸显出它的重要性了，如基于手机的健康监护应用，基于手机的视频和语音信息的播放应用等，极大的方便了人们各方面的生活，但不同的手机佩戴方式对这些应用的服务准确度预测精度具有很高的影响。
目前，现有技术中大部分为解决某个应用而产生的，首先，不具有广泛应用性，没有考虑了手机在不同层次、不同使用者、不同使用习惯等各方面因素，同时也没有考虑了上层应用的需求，没能给出相应的操作接口，方便用户的调用；其次，现有技术只是给出手机的佩戴位置，有时只是给出手机当前基于地理坐标系的角度和加速度计坐标系转换前、后的值，无法满足日益增长的用户需求；有鉴于此，现有的操作方式有待于进一步的改进。
发明内容
本发明的主要目的是为了提供一种基于多模态数据分析的手机佩戴方式自动检测方法，用以解决现有技术中存在的上述问题。
本发明的目的可以通过采用如下技术方案达到：
一种基于多模态数据分析的手机佩戴方式自动检测方法，包括如下步骤：
步骤S1：流程开始；
步骤S2：手中佩戴方式检测，通过手机传感器获取距离传感器数据，判断距离传感器数据是否大于该手机中预设的阈值，来判定手机是否处于佩戴者手中；
步骤S3：手机佩戴方向检测，通过坐标系转换来实现手机佩戴方向检测，其是通过在传感器数据中的加速度计、陀螺仪和地磁计数据进行数据融合得到当前手机欧拉角，通过欧拉角得到当前的旋转矩阵来判定手机佩戴方向是否正确，并提醒佩戴者正确的佩戴方向；
步骤S4：手机在人身上佩戴方式检测，构建当前采集并切割好的一段数据段与手机内各佩戴方式的样本数据构建距离矩阵，取所有距离矩阵最佳匹配距离中的最小值，根据该最小值来判定手机是否佩戴在人身上；
步骤S5：流程结束。
进一步的，所述步骤S2中，手中佩戴方式检测包括如下步骤：
步骤S21：处理流程开始；
步骤S22：获取手机传感器数据；
步骤S23：比较距离传感器数据和该手机中预设的阈值大小，若距离传感器数据大于预设的阈值，则认为手机的佩戴方式为手中佩戴方式，进而判定手机处于佩戴者手中手中，转到步骤S27；
步骤S24：获取手机前后摄像头的照片，并计算每个照片像素值的CDF直方图数据；
步骤S25：在两组数据中分别取多个四分位点的像素值，并求其平均值，将平均值与该手机中预设的阈值进行比较；
步骤S26：若平均值大于该手机中预设的阈值，则认为手机的佩戴方式为手中佩戴方式，进而判定手机处于佩戴者手中手中；
步骤S27：流程结束。
进一步的，所述步骤S3中，手机佩戴方向检测包括如下步骤：
步骤S31：流程开始；
步骤S32：数据的坐标系转化，获取传感器数据中的加速度计、陀螺仪与磁力计数据，并将加速度计、陀螺仪和地磁计数据进行数据融合计算得到当前手机欧拉角，通过欧拉角得到当前的旋转矩阵，基于此欧拉角将基于手机坐标系下的加速度计读值转换成基于大地坐标系下的加速度值；
步骤S33：噪声去除，使用巴特沃斯滤波器进行低通滤波，将设备因抖动产生的噪声和传感器因零漂现象产生的高频噪声进行低通滤波过滤，得到真实的传感器数据；
步骤S34：数据切割，使用滑动窗口算法去切割获取的加速度计数据，按等长的方式将滤波过后的加速度计读数切割成若干段的时间序列段，且相邻的两个数据段间有50％的重叠区域，通过该重叠区域来判定手机佩戴方向是否正确，并提醒佩戴者正确的佩戴方向；
步骤S35：流程结束。
进一步的，所述步骤S32中，坐标系转换采用公式(1)表示：
其中：Rg d表示从设备坐标系(d)转换到地理坐标系(g)的旋转矩阵；
Vd acc表示基于手机端的加速度计值；
Vg acc表示基于大地坐标系的加速度计值。
进一步的，所述步骤S33中，巴特沃斯滤波器低通滤波过滤采用公式(2)表示：
其中：W为角频率；
Wc为截止频率；
n为滤波器的顺序；
G0为直流分量。
进一步的，所述步骤S4中，手机在人身上佩戴方式检测包括如下步骤：
步骤S41：处理流程开始；
步骤S42：判断手中佩戴方式检测是否成功，如果成功，直接跳出手机的身上佩戴方式检测，如果不成功，进行步骤S43；
步骤S43：将得到的加速度计的数据段与手机中存储的各个佩戴方式的样本数据分别构建距离矩阵；
步骤S44：使用DTW算法计算每一个距离矩阵的最佳匹配距离；
步骤S45：取所有距离矩阵最佳匹配距离中的最小值，若该最小值小于该手机中预设的阈值，则当前测试数据的佩戴方式与得到最小值的距离矩阵中的样本相同，则判定手机佩戴在人身上；
步骤S46：处理流程结束。
进一步的，所述步骤S4中，距离矩阵的矩阵项采用公式(3)表示：
d(i，j)＝(ai-bj)2 (3)
其中：ai为测试样例的值；
bj为样本的值。
本发明的有益技术效果：按照本发明的基于多模态数据分析的手机佩戴方式自动检测方法，本发明提供的基于多模态数据分析的手机佩戴方式自动检测方法，应用范围更广，获取的状态信息更全，使用坐标系转化消除手机佩戴方式检测过程中加速度计的基准位置不一的问题，有效解决了方向不连续的问题，同时也方便上层开发用户更方便使用。
附图说明
图1为按照本发明的基于多模态数据分析的手机佩戴方式自动检测方法的一优选实施例的整体流程图；
图2为按照本发明的基于多模态数据分析的手机佩戴方式自动检测方法的一优选实施例的手上佩戴方式的检测流程图，该实施例可以是与图1相同的实施例，也可以是与图1不同的实施例；
图3为按照本发明的基于多模态数据分析的手机佩戴方式自动检测方法的一优选实施例的手机佩戴方向检测流程图，该实施例可以是与图1或图2相同的实施例，也可以是与图1或图2不同的实施例；
图4为按照本发明的基于多模态数据分析的手机佩戴方式自动检测方法的一优选实施例的身上佩戴方式的流程图，该实施例可以是与图1或图2或图3相同的实施例，也可以是与图1或图2或图3不同的实施例。
具体实施方式
为使本领域技术人员更加清楚和明确本发明的技术方案，下面结合实施例及附图对本发明作进一步详细的描述，但本发明的实施方式不限于此。
如图1所示，本实施例提供的一种基于多模态数据分析的手机佩戴方式自动检测方法，包括如下步骤：
步骤S1：流程开始；
步骤S2：手中佩戴方式检测，通过手机传感器获取距离传感器数据，判断距离传感器数据是否大于该手机中预设的阈值，来判定手机是否处于佩戴者手中；
步骤S3：手机佩戴方向检测，通过坐标系转换来实现手机佩戴方向检测，其是通过在传感器数据中的加速度计、陀螺仪和地磁计数据进行数据融合得到当前手机欧拉角，通过欧拉角得到当前的旋转矩阵来判定手机佩戴方向是否正确，并提醒佩戴者正确的佩戴方向；
步骤S4：手机在人身上佩戴方式检测，构建当前采集并切割好的一段数据段与手机内各佩戴方式的样本数据构建距离矩阵，取所有距离矩阵最佳匹配距离中的最小值，根据该最小值来判定手机是否佩戴在人身上；
步骤S5：流程结束。
进一步的，在本实施例中，如图2所示，所述步骤S2中，手中佩戴方式检测包括如下步骤：
步骤S21：处理流程开始；
步骤S22：获取手机传感器数据；
步骤S23：比较距离传感器数据和该手机中预设的阈值大小，若距离传感器数据大于预设的阈值，则认为手机的佩戴方式为手中佩戴方式，进而判定手机处于佩戴者手中手中，转到步骤S27；
步骤S24：获取手机前后摄像头的照片，并计算每个照片像素值的CDF直方图数据；
步骤S25：在两组数据中分别取多个四分位点的像素值，并求其平均值，将平均值与该手机中预设的阈值进行比较；
步骤S26：若平均值大于该手机中预设的阈值，则认为手机的佩戴方式为手中佩戴方式，进而判定手机处于佩戴者手中手中；
步骤S27：流程结束。
进一步的，在本实施例中，如图3所示，所述步骤S3中，手机佩戴方向检测包括如下步骤：
步骤S31：流程开始；
步骤S32：数据的坐标系转化，获取传感器数据中的加速度计、陀螺仪与磁力计数据，并将加速度计、陀螺仪和地磁计数据进行数据融合计算得到当前手机欧拉角，通过欧拉角得到当前的旋转矩阵，基于此欧拉角将基于手机坐标系下的加速度计读值转换成基于大地坐标系下的加速度值；
步骤S33：噪声去除，使用巴特沃斯滤波器进行低通滤波，将设备因抖动产生的噪声和传感器因零漂现象产生的高频噪声进行低通滤波过滤，得到真实的传感器数据；
步骤S34：数据切割，使用滑动窗口算法去切割获取的加速度计数据，按等长的方式将滤波过后的加速度计读数切割成若干段的时间序列段，且相邻的两个数据段间有50％的重叠区域，通过该重叠区域来判定手机佩戴方向是否正确，并提醒佩戴者正确的佩戴方向；
步骤S35：流程结束。
进一步的，在本实施例中，所述步骤S32中，坐标系转换采用公式(1)表示：
其中：Rg d表示从设备坐标系(d)转换到地理坐标系(g)的旋转矩阵；
Vd acc表示基于手机端的加速度计值；
Vg acc表示基于大地坐标系的加速度计值。
进一步的，在本实施例中，所述步骤S33中，巴特沃斯滤波器低通滤波过滤采用公式(2)表示：
其中：W为角频率；
Wc为截止频率；
n为滤波器的顺序；
G0为直流分量。
进一步的，在本实施例中，如图4所示，所述步骤S4中，手机在人身上佩戴方式检测包括如下步骤：
步骤S41：处理流程开始；
步骤S42：判断手中佩戴方式检测是否成功，如果成功，直接跳出手机的身上佩戴方式检测，如果不成功，进行步骤S43；
步骤S43：将得到的加速度计的数据段与手机中存储的各个佩戴方式的样本数据分别构建距离矩阵；
步骤S44：使用DTW算法计算每一个距离矩阵的最佳匹配距离；
步骤S45：取所有距离矩阵最佳匹配距离中的最小值，若该最小值小于该手机中预设的阈值，则当前测试数据的佩戴方式与得到最小值的距离矩阵中的样本相同，则判定手机佩戴在人身上；
步骤S46：处理流程结束。
进一步的，在本实施例中，所述步骤S4中，距离矩阵的矩阵项采用公式(3)表示：
d(i，j)＝(ai-bj)2 (3)
其中：ai为测试样例的值；
bj为样本的值。
实施例1：
本实施例1提供了一种手机中各个佩戴方式的样本采集的方法，包括如下步骤：
首先用户将程序设置成样本采集模式，从位置选项中选择一个将要采集样本的位置，同时将手机放置于相应的位置，方向可以自由，正常行走大致几分钟(如有1分钟)以上的距离即可，在行走的过程中，尽量保证手机与身体间没有相对的运动，更换手机的佩戴方式，按上面的步骤重新进行其他佩戴方式的样本数据采集，用户完全可以根据个人的需要进行自定义佩戴方式定义与识别。
实施例2：
本实施例2，提供了手机佩戴方式自动识别的例子，主要包括以下步骤：
以用户将手机放置裤子口袋为例，用户首先初始化程序，然后将手机放置裤子口袋中，保持手机与身体相对静止，正常行走一段距离。此时系统得到距离传感器数据为A，与设定的距离传感器阈值B进行比较，若A大于B即判断手机处于手中，若A小于B继续进行后续操作；然后系统会根据前后摄像头采集照片得到照片的像素值CDF直方图数据，通过计算其中的几个(如两个)百分位点的均值C，与设定的像素值阈值D进行比较，当C大于D即认为手机是处于手中，当C小于D即手机不处于手上佩戴方式，继续进行后续操作；根据当前惯性传感器数据的融合，得到当前手机的欧拉角φ、θ、ψ，利用此欧拉角可以计算得到当前手机加速度计基于大地坐标系的值(是一直变化的)，同时对转换得到的时序加速度信号进行滑动窗口切割，最后对当前的采集并切割好的一段数据，与手机内各个佩戴方式的样本数据段构建距离矩阵，计算每个距离矩阵的最佳匹配距离，取他们中最小的最佳匹配距离，就会得出这个最佳匹配距离是由裤子口袋样本数据与测试数据段构成距离矩阵得出的结果，如果在此之后用户更换了手机的佩戴方式，那么系统将会按上述流程重新给出当前手机的佩戴位置与佩戴方向的预测值。
实施例3：
如果在实施例2中，用户只是将手机放置于手中，手机距离传感器得到的数据A会大于设定的距离传感器数据B；如果有物品或手遮挡住了距离传感器，那么距离传感器数据A就会小于阈值B，那么就会触发双摄像头照片数据的处理，得到两个摄像头照片的像素值CDF直方图数据，获取其中几个百分位点数据，并且计算均值C，与设定的像素值阈值进行比较，至少有一个是大于该阈值的，即认为手机是处于手中的佩戴方式的。
在本实施例中，本方法在执行之前会有一段手机内置对比样本数据的采集，用户通过将手机以自己日常的佩戴方式，正常行走一段时间(如1分钟)即可采集一种佩戴方式，将手机的佩戴方式更换后，重新按执行上面的操作，在实施例1中有详细的关于样本数据采集介绍，本方法中传感器数据采集周期可根据不同用户的需求自己进行合理的设置，方便每一个用户可以根据自己的需要进行合理利用，降低系统的消耗，每一个采样周期，系统都会给出一次计算结果，同时本系统涉及了较多的参数，考虑用户设置的复杂性，本系统会给每个参数一个默认值，但用户也可以根据自己应用的要求去设置相应的参数。
综上所述，在本实施例中，按照本实施例的基于多模态数据分析的手机佩戴方式自动检测方法，本实施例提供的基于多模态数据分析的手机佩戴方式自动检测方法，应用范围更广，获取的状态信息更全，使用坐标系转化消除手机佩戴方式检测过程中加速度计的基准位置不一的问题，有效解决了方向不连续的问题，同时也方便上层开发用户更方便使用。
以上所述，仅为本发明进一步的实施例，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明所公开的范围内，根据本发明的技术方案及其构思加以等同替换或改变，都属于本发明的保护范围。

Claims (7)

1.一种基于多模态数据分析的手机佩戴方式自动检测方法，其特征在于，包括如下步骤：
步骤S1：流程开始；
步骤S2：手中佩戴方式检测，通过手机传感器获取距离传感器数据，判断距离传感器数据是否大于该手机中预设的阈值，来判定手机是否处于佩戴者手中；
步骤S3：手机佩戴方向检测，通过坐标系转换来实现手机佩戴方向检测，其是通过在传感器数据中的加速度计、陀螺仪和地磁计数据进行数据融合得到当前手机欧拉角，通过欧拉角得到当前的旋转矩阵来判定手机佩戴方向是否正确，并提醒佩戴者正确的佩戴方向；
步骤S4：手机在人身上佩戴方式检测，构建当前采集并切割好的一段数据段与手机内各佩戴方式的样本数据构建距离矩阵，取所有距离矩阵最佳匹配距离中的最小值，根据该最小值来判定手机是否佩戴在人身上；
步骤S5：流程结束。
2.根据权利要求1所述的一种基于多模态数据分析的手机佩戴方式自动检测方法，其特征在于，所述步骤S2中，手中佩戴方式检测包括如下步骤：
步骤S21：处理流程开始；
步骤S22：获取手机传感器数据；
步骤S23：比较距离传感器数据和该手机中预设的阈值大小，若距离传感器数据大于预设的阈值，则认为手机的佩戴方式为手中佩戴方式，进而判定手机处于佩戴者手中手中，转到步骤S27；
步骤S24：获取手机前后摄像头的照片，并计算每个照片像素值的CDF直方图数据；
步骤S25：在两组数据中分别取多个四分位点的像素值，并求其平均值，将平均值与该手机中预设的阈值进行比较；
步骤S26：若平均值大于该手机中预设的阈值，则认为手机的佩戴方式为手中佩戴方式，进而判定手机处于佩戴者手中手中；
步骤S27：流程结束。
3.根据权利要求1所述的一种基于多模态数据分析的手机佩戴方式自动检测方法，其特征在于，所述步骤S3中，手机佩戴方向检测包括如下步骤：
步骤S31：流程开始；
步骤S32：数据的坐标系转化，获取传感器数据中的加速度计、陀螺仪与磁力计数据，并将加速度计、陀螺仪和地磁计数据进行数据融合计算得到当前手机欧拉角，通过欧拉角得到当前的旋转矩阵，基于此欧拉角将基于手机坐标系下的加速度计读值转换成基于大地坐标系下的加速度值；
步骤S33：噪声去除，使用巴特沃斯滤波器进行低通滤波，将设备因抖动产生的噪声和传感器因零漂现象产生的高频噪声进行低通滤波过滤，得到真实的传感器数据；
步骤S34：数据切割，使用滑动窗口算法去切割获取的加速度计数据，按等长的方式将滤波过后的加速度计读数切割成若干段的时间序列段，且相邻的两个数据段间有50％的重叠区域，通过该重叠区域来判定手机佩戴方向是否正确，并提醒佩戴者正确的佩戴方向；
步骤S35：流程结束。
4.根据权利要求3所述的一种基于多模态数据分析的手机佩戴方式自动检测方法，其特征在于，所述步骤S32中，坐标系转换采用公式(1)表示：
<mrow> <msubsup> <mi>V</mi> <mrow> <mi>a</mi> <mi>c</mi> <mi>c</mi> </mrow> <mi>g</mi> </msubsup> <mo>=</mo> <msubsup> <mi>R</mi> <mi>d</mi> <mi>g</mi> </msubsup> <msubsup> <mi>V</mi> <mrow> <mi>a</mi> <mi>c</mi> <mi>c</mi> </mrow> <mi>d</mi> </msubsup> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>1</mn> <mo>)</mo> </mrow> </mrow>
其中：Rg d表示从设备坐标系(d)转换到地理坐标系(g)的旋转矩阵；
Vd acc表示基于手机端的加速度计值；
Vg acc表示基于大地坐标系的加速度计值。
5.根据权利要求3所述的一种基于多模态数据分析的手机佩戴方式自动检测方法，其特征在于，所述步骤S33中，巴特沃斯滤波器低通滤波过滤采用公式(2)表示：
<mrow> <mo>|</mo> <mi>H</mi> <mrow> <mo>(</mo> <mi>W</mi> <mo>)</mo> </mrow> <mo>|</mo> <mo>=</mo> <mfrac> <msubsup> <mi>G</mi> <mn>0</mn> <mn>2</mn> </msubsup> <mrow> <mn>1</mn> <mo>+</mo> <msup> <mrow> <mo>(</mo> <mfrac> <mi>w</mi> <msub> <mi>w</mi> <mi>c</mi> </msub> </mfrac> <mo>)</mo> </mrow> <mrow> <mn>2</mn> <mi>n</mi> </mrow> </msup> </mrow> </mfrac> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>2</mn> <mo>)</mo> </mrow> </mrow>
其中：W为角频率；
Wc为截止频率；
n为滤波器的顺序；
G0为直流分量。
6.根据权利要求1所述的一种基于多模态数据分析的手机佩戴方式自动检测方法，其特征在于，所述步骤S4中，手机在人身上佩戴方式检测包括如下步骤：
步骤S41：处理流程开始；
步骤S42：判断手中佩戴方式检测是否成功，如果成功，直接跳出手机的身上佩戴方式检测，如果不成功，进行步骤S43；
步骤S43：将得到的加速度计的数据段与手机中存储的各个佩戴方式的样本数据分别构建距离矩阵；
步骤S44：使用DTW算法计算每一个距离矩阵的最佳匹配距离；
步骤S45：取所有距离矩阵最佳匹配距离中的最小值，若该最小值小于该手机中预设的阈值，则当前测试数据的佩戴方式与得到最小值的距离矩阵中的样本相同，则判定手机佩戴在人身上；
步骤S46：处理流程结束。
7.根据权利要求6所述的一种基于多模态数据分析的手机佩戴方式自动检测方法，其特征在于，所述步骤S4中，距离矩阵的矩阵项采用公式(3)表示：
d(i，j)＝(ai-bj)2 (3)
其中：ai为测试样例的值；
bj为样本的值。
CN201711211961.7A 2017-11-28 2017-11-28 一种基于多模态数据分析的手机佩戴方式自动检测方法 Active CN107991718B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201711211961.7A CN107991718B (zh) 2017-11-28 2017-11-28 一种基于多模态数据分析的手机佩戴方式自动检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711211961.7A CN107991718B (zh) 2017-11-28 2017-11-28 一种基于多模态数据分析的手机佩戴方式自动检测方法

Publications (2)

Publication Number Publication Date
CN107991718A true CN107991718A (zh) 2018-05-04
CN107991718B CN107991718B (zh) 2020-06-30

Family

ID=62033460

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711211961.7A Active CN107991718B (zh) 2017-11-28 2017-11-28 一种基于多模态数据分析的手机佩戴方式自动检测方法

Country Status (1)

Country Link
CN (1) CN107991718B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108917756A (zh) * 2018-06-12 2018-11-30 四川斐讯信息技术有限公司 一种航向估计方法及系统
CN110517463A (zh) * 2019-08-16 2019-11-29 维沃移动通信有限公司 提醒用户佩戴穿戴设备的方法和移动终端
CN111248922A (zh) * 2020-02-11 2020-06-09 中国科学院半导体研究所 基于加速度计和陀螺仪的人体呼吸情况采集贴及制备方法

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20120150294A1 (en) * 2005-08-09 2012-06-14 Charles Stark Draper Laboratory Multi-axis Tilt Estimation and Fall Remediation
CN103076619A (zh) * 2012-12-27 2013-05-01 山东大学 一种消防员室内外3d无缝定位及姿态检测系统及方法
CN203588195U (zh) * 2013-12-04 2014-05-07 温慎洁 带有邻近距离传感器的佩戴式计算设备
US20150145670A1 (en) * 2013-11-26 2015-05-28 Kabushiki Kaisha Toshiba Electronic device and control method thereof
CN105942678A (zh) * 2016-07-18 2016-09-21 广东乐源数字技术有限公司 一种手环离手判断的方法
CN106249581A (zh) * 2016-07-28 2016-12-21 努比亚技术有限公司 一种智能手表、智能手表的充电方法及装置
CN107085231A (zh) * 2017-04-24 2017-08-22 济南中景电子科技有限公司 具有自适应功能的定位呼叫设备及其佩戴方式的检测方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20120150294A1 (en) * 2005-08-09 2012-06-14 Charles Stark Draper Laboratory Multi-axis Tilt Estimation and Fall Remediation
CN103076619A (zh) * 2012-12-27 2013-05-01 山东大学 一种消防员室内外3d无缝定位及姿态检测系统及方法
US20150145670A1 (en) * 2013-11-26 2015-05-28 Kabushiki Kaisha Toshiba Electronic device and control method thereof
CN203588195U (zh) * 2013-12-04 2014-05-07 温慎洁 带有邻近距离传感器的佩戴式计算设备
CN105942678A (zh) * 2016-07-18 2016-09-21 广东乐源数字技术有限公司 一种手环离手判断的方法
CN106249581A (zh) * 2016-07-28 2016-12-21 努比亚技术有限公司 一种智能手表、智能手表的充电方法及装置
CN107085231A (zh) * 2017-04-24 2017-08-22 济南中景电子科技有限公司 具有自适应功能的定位呼叫设备及其佩戴方式的检测方法

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108917756A (zh) * 2018-06-12 2018-11-30 四川斐讯信息技术有限公司 一种航向估计方法及系统
CN110517463A (zh) * 2019-08-16 2019-11-29 维沃移动通信有限公司 提醒用户佩戴穿戴设备的方法和移动终端
CN111248922A (zh) * 2020-02-11 2020-06-09 中国科学院半导体研究所 基于加速度计和陀螺仪的人体呼吸情况采集贴及制备方法
CN111248922B (zh) * 2020-02-11 2022-05-17 中国科学院半导体研究所 基于加速度计和陀螺仪的人体呼吸情况采集贴及制备方法

Also Published As

Publication number Publication date
CN107991718B (zh) 2020-06-30

Similar Documents

Publication Publication Date Title
CN104056441B (zh) 信息处理系统、信息处理方法及存储装置
Sun et al. Activity recognition on an accelerometer embedded mobile phone with varying positions and orientations
CN102970411B (zh) 基于人脸检测的智能手机锁屏解锁控制方法及智能手机
CN107991718A (zh) 一种基于多模态数据分析的手机佩戴方式自动检测方法
CN106813676B (zh) 一种计步、定位方法及装置
CN110113523A (zh) 智能拍照方法、装置、计算机设备及存储介质
CN106705989B (zh) 记步方法、设备及终端
TW201214292A (en) Automatic identifying method for exercise mode
CN111536989B (zh) 基于峰值检测的自适应时间窗口计步方法
CN106510164B (zh) 行李箱控制方法及装置
CN106164838A (zh) 信息显示方法和信息显示终端
CN106344036A (zh) 一种检测人体运动姿势的智能运动背心装置及其检测方法
CN105988574A (zh) 一种智能穿戴设备显示控制方法及智能穿戴设备
CN106488014A (zh) 移动终端的安全提醒方法及系统
CN106248101A (zh) 一种监测方法以及装置
Cola et al. Personalized gait detection using a wrist-worn accelerometer
CN109938722B (zh) 数据采集方法、装置、智能穿戴设备及存储介质
JP2015170257A (ja) 入力方法，プログラム及び入力装置
JP2017038631A (ja) 歩数計測装置、歩数計測方法、およびプログラム
CN104857691A (zh) 在可穿戴设备中估计高尔夫球落点的方法和设备
CN108693982A (zh) 一种将手机内置传感器采集数据从手机坐标系转换到参考坐标系的处理方法
CN117782148A (zh) 步数计量方法、装置、电子设备及可读存储介质
CN109815902A (zh) 一种行人属性区域信息获取方法、装置及设备
Prudêncio et al. Physical activity recognition from smartphone embedded sensors
CN205850175U (zh) 运动矫正仪

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