CN108008151A - 一种基于三轴加速度传感器的运动状态识别方法及系统 - Google Patents

一种基于三轴加速度传感器的运动状态识别方法及系统 Download PDF

Info

Publication number
CN108008151A
CN108008151A CN201711096643.0A CN201711096643A CN108008151A CN 108008151 A CN108008151 A CN 108008151A CN 201711096643 A CN201711096643 A CN 201711096643A CN 108008151 A CN108008151 A CN 108008151A
Authority
CN
China
Prior art keywords
acceleration sensor
axis acceleration
axis
moving state
state identification
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.)
Pending
Application number
CN201711096643.0A
Other languages
English (en)
Inventor
王明悦
邬志强
黄伟烈
钟晨
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.)
DESAY ELECTRONICS (HUIZHOU) Co Ltd
Huizhou Desay Industry Research Institute Co Ltd
Original Assignee
DESAY ELECTRONICS (HUIZHOU) Co Ltd
Huizhou Desay Industry Research Institute Co Ltd
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 DESAY ELECTRONICS (HUIZHOU) Co Ltd, Huizhou Desay Industry Research Institute Co Ltd filed Critical DESAY ELECTRONICS (HUIZHOU) Co Ltd
Priority to CN201711096643.0A priority Critical patent/CN108008151A/zh
Publication of CN108008151A publication Critical patent/CN108008151A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01P—MEASURING LINEAR OR ANGULAR SPEED, ACCELERATION, DECELERATION, OR SHOCK; INDICATING PRESENCE, ABSENCE, OR DIRECTION, OF MOVEMENT
    • G01P15/00—Measuring acceleration; Measuring deceleration; Measuring shock, i.e. sudden change of acceleration
    • G01P15/18—Measuring acceleration; Measuring deceleration; Measuring shock, i.e. sudden change of acceleration in two or more dimensions
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C22/00—Measuring distance traversed on the ground by vehicles, persons, animals or other moving solid bodies, e.g. using odometers, using pedometers
    • G01C22/006—Pedometers

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)

Abstract

本发明提供了一种基于三轴加速度传感器的运动状态识别方法及系统，包括自学习阶段和实际应用阶段；所述自学习阶段包括以下步骤：S10、通过三轴加速度传感器采集人物运动状态下的加速度数据；S20、对采集的加速度数据进行运动类型标记及信号处理；S30、根据三轴加速度传感器的x，y，z坐标系选取用来数据分析的轴，并对该数据分析的轴进行特征提取；S40、将提取的特征及对应的运动类型标记应用于分类器训练学习模型；所述实际应用阶段包括以下步骤：S50、三轴加速度传感器采集用户数据，重复步骤S20和S30，将提取的特征输入学习模型，得到运动状态识别结果及步数结果，本发明能够识别用户的运动类型，并对其步数进行计算，准确率高。

Description

一种基于三轴加速度传感器的运动状态识别方法及系统
技术领域
本发明涉及电子技术领域，尤其涉及一种基于三轴加速度传感器的运动状态识别方法及系统。
背景技术
近年来，可穿戴科技设备变得日益常见，各式各样的产品如雨后春笋般涌现，同时，人工智能技术也被集成到可穿戴设备中，实现更加主动式的服务和更加智能化的数据分析，为用户带来更好的运动建议和更加健康的生活方式，目前市场上出现了智能鞋，功能基本局限于人体指标，如温度、湿度、重量等的测量，以及加热除湿服务和简单告警等，作为一种可穿戴智能设备，其功能单一，无法满足人们日益增加的需求。
发明内容
针对上述技术问题，本发明提供了一种能够能够识别用户的运动类型，并对其步数进行计算，准确率高的基于三轴加速度传感器的运动状态识别方法及系统。
为了解决上述技术问题，本发明提供的具体方案如下：一种基于三轴加速度传感器的运动状态识别方法，包括自学习阶段和实际应用阶段；
所述自学习阶段包括以下步骤：S10、通过三轴加速度传感器采集人物运动状态下的加速度数据；S20、对采集的加速度数据进行运动类型标记及信号处理；S30、根据三轴加速度传感器的x，y，z坐标系选取用来数据分析的轴，并对该数据分析的轴进行特征提取；S40、将提取的特征及对应的运动类型标记应用于分类器训练学习模型；
所述实际应用阶段包括以下步骤：S50、三轴加速度传感器采集用户数据，重复步骤S20和S30，将提取的特征输入学习模型，得到运动状态识别结果及步数结果。
优选的，所述运动状态包括走路、跑步、骑车、上楼和下楼，能够分别采集快速、中速和慢速下的走路、跑步、骑车、上楼和下楼的运动状态数据。
优选的，所述特征提取包括均值、方差、波峰个数和数据区间投影，即提取各个运动状态下的上述特征。
优选的，所述分类器为神经网络、决策树或随机森林，分类器的类型可根据实际需求选择。
优选的，所述信号处理为均值平滑滤波处理或高斯滤波处理，对信号进行平滑处理，滤除干扰。
优选的，所述数据区间投影具体为设置固定数据区间，计算数据分析的轴数据投影落在固定数据区间的数值个数。
优选的，所述步骤S50还包括以下投票过程：根据相邻运动状态识别结果选择出票数最高的，并输出投票后得到的运动状态识别结果，提高运动状态识别的准确性。
本发明还提供了一种基于三轴加速度传感器的运动状态识别系统，其特征在于，所述运动状态识别系统包括：
数据采集模块，用于采集人物运动状态下的加速度数据；
算法模块，用于对采集到的加速度数据进行运动类型标记、信号处理以及选取用来数据分析的轴，并对该数据分析的轴进行特征提取；
分类器训练模块，用于将提取的特征及对应的运动类型标记进行训练学习模型；
状态识别模块，对提取的特征进行状态识别，输出运动状态识别结果及步数结果；
所述数据采集模块为三轴加速度传感器。
优选的，所述算法模块包括数据预处理单元和特征提取单元，数据预处理单元对采集到的加速度数据进行运动类型标记和信号处理，特征提取单元选取用来数据分析的轴，并对该数据分析的轴进行特征提取，包括均值、方差、波峰个数和数据区间投影。
优选的，所述数据预处理单元包括运动类型标记子单元和信号滤波子单元。
与现有技术相比，本发明的有益效果在于：本发明通过三轴加速度传感器获取人物运动时的加速度数据，将该加速度数据进行运动类型标记和信号处理，选取用来分析数据的轴，提取轴数据特征并完成分类器训练学习模型，在实际应用时，三轴加速度传感器实时采集用户数据，并经过数据预处理、特征提取后将提取的特征输入上述训练好的学习模型，可得到运动状态识别的结果和步数；本发明还包括投票过程，根据相邻运动状态识别结果选择出票数最高的，并输出投票后得到的运动状态识别结果，提高运动状态识别的准确度。
附图说明
图1为本发明实施例一的固定数据区间投影示意图；
图2为本发明实施例三的系统原理框图。
具体实施方式
为了使本领域的技术人员更好的理解本发明的技术方案，下面结合附图对本发明的技术方案做进一步的阐述。
一种基于三轴加速度传感器的运动状态识别方法，包括自学习阶段和实际应用阶段；所述自学习阶段包括以下步骤：
S10、通过三轴加速度传感器采集人物运动状态下的加速度数据；S20、对采集的加速度数据进行运动类型标记及信号处理；S30、根据三轴加速度传感器的x，y，z坐标系选取用来数据分析的轴，并对该数据分析的轴进行特征提取；S40、将提取的特征及对应的运动类型标记应用于分类器训练学习模型；所述实际应用阶段包括以下步骤：S50、三轴加速度传感器采集用户数据，重复步骤S20和S30，将提取的特征输入学习模型，得到运动状态识别结果及步数结果。
其中，运动状态包括走路、跑步、骑车、上楼和下楼；特征提取包括均值、方差、波峰个数和数据区间投影；分类器为神经网络、决策树或随机森林，当然并不限于此，也可以是其他分类器；信号处理为均值平滑滤波处理或高斯滤波处理，对信号进行平滑处理，滤除干扰；数据区间投影具体为设置固定数据区间，计算数据分析的轴数据投影落在固定数据区间的数值个数。
本实施例在具体实施过程中，先进行自学习阶段，采集40位男性和40位女性在快速、中速和慢速的走路、跑步、骑车、上楼和下楼五种运动状态下的三轴加速度传感器数据，三轴加速度传感器的采集频率可设置为25hz或50hz，将采集后的数据进行运动类型标记及信号处理，运动类型标记如：1-走路，2-跑步，3-上楼，4-下楼，5-骑车，对数据完成信号处理后，根据三轴加速度传感器的x，y，z坐标系选取用来数据分析的轴，如xy，yz，xyz；xy=x*x+y*y，yz=y*y+z*z，xyz=x*x+y*y+z*z，用来提取特征的数据轴分别为：x，y，z，xy，yz，xyz，具体的，以x轴为例，需要提取的特征包括：均值、方差、波峰个数、数据区间投影。
其中，数据区间可以是固定数据区间、也可以是根据波形自适应的制定数据区间。如，固定数据区间：[h1,h2,…,hn]，设置为由小到大的固定值；自适应计算方法：最大值与最小值之间均分为N份，得到长度为N的数据区间。
数据区间投影示意图如图1所示，曲线为x数据，直线为固定的数据区间，x轴数据在区间投影，统计落在各个小区间的数值个数。
提取的特征包括x，y，z，xy，yz，xyz轴的上述特征，将提取的特征及对应的运动类型标记1-走路，2-跑步，3-上楼，4-下楼，5-骑车，应用于分类器训练学习模型。
实际应用阶段：三轴加速度传感器实时上传用户数据，重复步骤S20和S30，将提取的特征输入学习模型，得到运动状态识别结果及步数结果，步数对应为波峰个数。
实施例二：本实施例类似于实施例一，不同之处在于本实施例所述步骤S50还包括以下投票过程：根据相邻运动状态识别结果选择出票数最高的，并输出投票后得到的运动状态识别结果，提高运动状态识别的准确性，例如，相邻几次运动状态识别结果为走路、走路、跑步、走路、走路，应用投票之后，选择出票数最高的走路，可将误判的跑步纠正，得到更加准确的结果输出。
实施例三：如图2所示，一种基于三轴加速度传感器的运动状态识别系统，包括：数据采集模块，用于采集人物运动状态下的加速度数据；算法模块，用于对采集到的加速度数据进行运动类型标记、信号处理以及选取用来数据分析的轴，并对该数据分析的轴进行特征提取；分类器训练模块，用于将提取的特征及对应的运动类型标记进行训练学习模型；状态识别模块，对提取的特征进行状态识别，输出运动状态识别结果及步数结果，所述数据采集模块为三轴加速度传感器。
其中，算法模块包括数据预处理单元和特征提取单元，数据预处理单元对采集到的加速度数据进行运动类型标记和信号处理，特征提取单元选取用来数据分析的轴，并对该数据分析的轴进行特征提取，包括均值、方差、波峰个数和数据区间投影；所述数据预处理单元包括运动类型标记子单元和信号滤波子单元。
本实施例在实际应用过程中，三轴加速度传感器采集人物快速、中速和慢速下的走路、跑步、骑车、上楼和下楼五种运动状态下的加速度数据，接着运动类型标记子单元将采集的数据进行运动类型标记，如1-走路，2-跑步，3-上楼，4-下楼，5-骑车，信号滤波子单元对数据进行平滑滤波处理，特征提取单元选取用来数据分析的轴，并对该数据分析的轴进行特征提取，包括均值、方差、波峰个数和数据区间投影，分类器训练模块将提取的特征及对应的运动类型标记进行训练学习模型，状态识别模块对提取的特征进行状态识别，输出运动状态识别结果及步数结果。
上面结合附图对本发明的实施方式作了详细说明，但是本发明并不限于上述实施方式，在本领域普通技术人员所具备的知识范围内，还可以在不脱离本发明宗旨的前提下作出各种变化。

Claims (10)

1.一种基于三轴加速度传感器的运动状态识别方法，包括自学习阶段和实际应用阶段；
所述自学习阶段包括以下步骤：
S10、通过三轴加速度传感器采集人物运动状态下的加速度数据；
S20、对采集的加速度数据进行运动类型标记及信号处理；
S30、根据三轴加速度传感器的x，y，z坐标系选取用来数据分析的轴，并对该数据分析的轴进行特征提取；
S40、将提取的特征及对应的运动类型标记应用于分类器训练学习模型；
所述实际应用阶段包括以下步骤：
S50、三轴加速度传感器采集用户数据，重复步骤S20和S30，将提取的特征输入学习模型，得到运动状态识别结果及步数结果。
2.根据权利要求1所述的基于三轴加速度传感器的运动状态识别方法，其特征在于：所述运动状态包括走路、跑步、骑车、上楼和下楼。
3.根据权利要求1所述的基于三轴加速度传感器的运动状态识别方法，其特征在于：所述特征提取包括均值、方差、波峰个数和数据区间投影。
4.根据权利要求1所述的基于三轴加速度传感器的运动状态识别方法，其特征在于：所述分类器为神经网络、决策树或随机森林。
5.根据权利要求1所述的基于三轴加速度传感器的运动状态识别方法，其特征在于：所述信号处理为均值平滑滤波处理或高斯滤波处理。
6.根据权利要求3所述的基于三轴加速度传感器的运动状态识别方法，其特征在于：所述数据区间投影具体为设置固定数据区间，计算数据分析的轴数据投影落在固定数据区间的数值个数。
7.根据权利要求2所述的基于三轴加速度传感器的运动状态识别方法，其特征在于：所述步骤S50还包括以下投票过程：根据相邻运动状态识别结果选择出票数最高的，并输出投票后得到的运动状态识别结果。
8.根据权利要求1~7任一项所述的基于三轴加速度传感器的运动状态识别系统，其特征在于，所述运动状态识别系统包括：
数据采集模块，用于采集人物运动状态下的加速度数据；
算法模块，用于对采集到的加速度数据进行运动类型标记、信号处理以及选取用来数据分析的轴，并对该数据分析的轴进行特征提取；
分类器训练模块，用于将提取的特征及对应的运动类型标记进行训练学习模型；
状态识别模块，对提取的特征进行状态识别，输出运动状态识别结果及步数结果；
所述数据采集模块为三轴加速度传感器。
9.根据权利要求8所述的基于三轴加速度传感器的运动状态识别系统，其特征在于：所述算法模块包括数据预处理单元和特征提取单元。
10.根据权利要求9所述的基于三轴加速度传感器的运动状态识别系统，其特征在于：所述数据预处理单元包括运动类型标记子单元和信号滤波子单元。
CN201711096643.0A 2017-11-09 2017-11-09 一种基于三轴加速度传感器的运动状态识别方法及系统 Pending CN108008151A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201711096643.0A CN108008151A (zh) 2017-11-09 2017-11-09 一种基于三轴加速度传感器的运动状态识别方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711096643.0A CN108008151A (zh) 2017-11-09 2017-11-09 一种基于三轴加速度传感器的运动状态识别方法及系统

Publications (1)

Publication Number Publication Date
CN108008151A true CN108008151A (zh) 2018-05-08

Family

ID=62051456

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711096643.0A Pending CN108008151A (zh) 2017-11-09 2017-11-09 一种基于三轴加速度传感器的运动状态识别方法及系统

Country Status (1)

Country Link
CN (1) CN108008151A (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109276841A (zh) * 2018-06-26 2019-01-29 惠州市德赛工业研究院有限公司 一种基于智能手环的跳绳检测方法
CN109764868A (zh) * 2019-02-28 2019-05-17 深圳市伟文无线通讯技术有限公司 一种基于六轴传感器设备安装姿态校准方法
CN110263870A (zh) * 2019-06-26 2019-09-20 深圳市悦动天下科技有限公司 运动状态识别方法、装置、智能终端和存储介质
CN110811578A (zh) * 2019-11-27 2020-02-21 青岛歌尔智能传感器有限公司 计步装置及其计步方法、控制器和可读存储介质
CN114440884A (zh) * 2022-04-11 2022-05-06 天津果实科技有限公司 一种智能矫姿设备用人体身姿的智能分析方法

Citations (21)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2009090584A2 (en) * 2008-01-18 2009-07-23 Koninklijke Philips Electronics N.V. Method and system for activity recognition and its application in fall detection
CN101853380A (zh) * 2010-06-18 2010-10-06 华南理工大学 一种基于加速度传感器的手势识别的旋转特征提取方法
CN101879066A (zh) * 2010-03-08 2010-11-10 北京英福生科技有限公司 一种运动监测仪和运动健康数据的监测与传输方法
US20110077919A1 (en) * 2009-09-29 2011-03-31 Industry Academic Cooperation Foundation Of Kyung Hee University Method of recognizing activity on basis of semi-markov conditional random field model
CN102355530A (zh) * 2011-09-27 2012-02-15 周小伟 利用信号强度波动判断移动终端运动状态的方法
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
CN102954817A (zh) * 2012-01-13 2013-03-06 北京盈胜泰科技术有限公司 动物运动状态的监测方法
CN104063604A (zh) * 2014-07-01 2014-09-24 百度在线网络技术（北京）有限公司 一种运动状态检测方法和装置
CN104296749A (zh) * 2014-11-03 2015-01-21 中国科学院深圳先进技术研究院 基于运动状态感知的低功耗定位方法及系统
CN105224104A (zh) * 2015-09-01 2016-01-06 电子科技大学 基于智能手机持握方式的行人运动状态识别方法
CN105242779A (zh) * 2015-09-23 2016-01-13 歌尔声学股份有限公司 一种识别用户动作的方法和移动智能终端
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
CN105611443A (zh) * 2015-12-29 2016-05-25 歌尔声学股份有限公司 一种耳机的控制方法、控制系统和耳机
CN105771187A (zh) * 2016-02-26 2016-07-20 惠州市德赛工业研究院有限公司 一种运动状态检测方法及基于该方法的智能鞋
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
CN106096662A (zh) * 2016-06-24 2016-11-09 深圳市颐通科技有限公司 基于加速度传感器的人体运动状态识别
CN106203484A (zh) * 2016-06-29 2016-12-07 北京工业大学 一种基于类别分层机制的人体运动状态分类方法
CN106237604A (zh) * 2016-08-31 2016-12-21 歌尔股份有限公司 可穿戴设备及利用其监测运动状态的方法
CN106295680A (zh) * 2016-07-29 2017-01-04 深圳云智优泊科技有限公司 低功耗驾车和步行状态识别系统
CN106388771A (zh) * 2016-08-16 2017-02-15 惠州市德赛工业研究院有限公司 一种自动检测人体生理状态的方法及运动手环
CN106874874A (zh) * 2017-02-16 2017-06-20 南方科技大学 一种运动状态的识别方法及装置

Patent Citations (21)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2009090584A2 (en) * 2008-01-18 2009-07-23 Koninklijke Philips Electronics N.V. Method and system for activity recognition and its application in fall detection
US20110077919A1 (en) * 2009-09-29 2011-03-31 Industry Academic Cooperation Foundation Of Kyung Hee University Method of recognizing activity on basis of semi-markov conditional random field model
CN101879066A (zh) * 2010-03-08 2010-11-10 北京英福生科技有限公司 一种运动监测仪和运动健康数据的监测与传输方法
CN101853380A (zh) * 2010-06-18 2010-10-06 华南理工大学 一种基于加速度传感器的手势识别的旋转特征提取方法
CN102355530A (zh) * 2011-09-27 2012-02-15 周小伟 利用信号强度波动判断移动终端运动状态的方法
CN102954817A (zh) * 2012-01-13 2013-03-06 北京盈胜泰科技术有限公司 动物运动状态的监测方法
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
CN104063604A (zh) * 2014-07-01 2014-09-24 百度在线网络技术（北京）有限公司 一种运动状态检测方法和装置
CN104296749A (zh) * 2014-11-03 2015-01-21 中国科学院深圳先进技术研究院 基于运动状态感知的低功耗定位方法及系统
CN105224104A (zh) * 2015-09-01 2016-01-06 电子科技大学 基于智能手机持握方式的行人运动状态识别方法
CN105242779A (zh) * 2015-09-23 2016-01-13 歌尔声学股份有限公司 一种识别用户动作的方法和移动智能终端
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
CN105611443A (zh) * 2015-12-29 2016-05-25 歌尔声学股份有限公司 一种耳机的控制方法、控制系统和耳机
CN105771187A (zh) * 2016-02-26 2016-07-20 惠州市德赛工业研究院有限公司 一种运动状态检测方法及基于该方法的智能鞋
CN106096662A (zh) * 2016-06-24 2016-11-09 深圳市颐通科技有限公司 基于加速度传感器的人体运动状态识别
CN106203484A (zh) * 2016-06-29 2016-12-07 北京工业大学 一种基于类别分层机制的人体运动状态分类方法
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
CN106295680A (zh) * 2016-07-29 2017-01-04 深圳云智优泊科技有限公司 低功耗驾车和步行状态识别系统
CN106388771A (zh) * 2016-08-16 2017-02-15 惠州市德赛工业研究院有限公司 一种自动检测人体生理状态的方法及运动手环
CN106237604A (zh) * 2016-08-31 2016-12-21 歌尔股份有限公司 可穿戴设备及利用其监测运动状态的方法
CN106874874A (zh) * 2017-02-16 2017-06-20 南方科技大学 一种运动状态的识别方法及装置

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
CHIA-CHI WANG 等: ""Development of a Fall Detecting System for the Elderly Residents"", 《IEEE》 *
DEAN M. KARANTONIS 等: ""Implementation of a Real-Time Human Movement Classifier Using a Triaxial Accelerometer for Ambulatory Monitoring"", 《IEEE TRANSACTIONS ON INFORMATION TECHNOLOGY IN BIOMEDICINE》 *
JENNIFER R. KWAPISZ 等: ""Activity Recognition using Cell Phone Accelerometers"", 《ACM SIGKDD EXPLORATIONS NEWSLETTER》 *
JUN YANG: ""Toward Physical Activity Diary: Motion Recognition Using Simple Acceleration Features with Mobile Phones"", 《PROCEEDINGS OF THE 1ST INTERNATIONAL WORKSHOP ON INTERACTIVE MULTIMEDIA FOR CONSUMER ELECTRONICS.ACM》 *
彭际群: ""基于加速度传感器的人体运动状态识别研究"", 《中国优秀硕士学位论文全文数据库》 *

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109276841A (zh) * 2018-06-26 2019-01-29 惠州市德赛工业研究院有限公司 一种基于智能手环的跳绳检测方法
CN109764868A (zh) * 2019-02-28 2019-05-17 深圳市伟文无线通讯技术有限公司 一种基于六轴传感器设备安装姿态校准方法
CN110263870A (zh) * 2019-06-26 2019-09-20 深圳市悦动天下科技有限公司 运动状态识别方法、装置、智能终端和存储介质
CN110263870B (zh) * 2019-06-26 2023-04-18 深圳市悦动天下科技有限公司 运动状态识别方法、装置、智能终端和存储介质
CN110811578A (zh) * 2019-11-27 2020-02-21 青岛歌尔智能传感器有限公司 计步装置及其计步方法、控制器和可读存储介质
CN114440884A (zh) * 2022-04-11 2022-05-06 天津果实科技有限公司 一种智能矫姿设备用人体身姿的智能分析方法

Similar Documents

Publication Publication Date Title
CN108008151A (zh) 一种基于三轴加速度传感器的运动状态识别方法及系统
CN103970271B (zh) 融合运动和生理传感数据的日常活动识别方法
CN104729507B (zh) 一种基于惯性传感器的步态识别方法
CN110537922B (zh) 基于深度学习的人体行走过程下肢运动识别方法及系统
CN110334573B (zh) 一种基于密集连接卷积神经网络的人体运动状态判别方法
CN107423730A (zh) 一种基于语义折叠的人体步态行为主动检测识别系统和方法
CN105912142B (zh) 一种基于加速传感器的记步与行为识别方法
CN104007822A (zh) 基于大数据库的运动识别方法及其装置
CN106123911A (zh) 一种基于加速传感器和角速度传感器的记步方法
CN105561567A (zh) 一种计步及运动状态评估装置
CN106491138A (zh) 一种运动状态检测方法及装置
CN104699242B (zh) 确定动作和/或动作部位的方法和设备
CN105224104B (zh) 基于智能手机持握方式的行人运动状态识别方法
CN106096662A (zh) 基于加速度传感器的人体运动状态识别
CN108021888A (zh) 一种跌倒检测方法
CN106981174A (zh) 一种基于智能手机的老人跌倒检测方法
CN106073793B (zh) 基于微惯性传感器的姿态跟踪与识别方法
CN105868779B (zh) 一种基于特征增强和决策融合的行为识别方法
CN103984962A (zh) 一种基于肌电信号的外骨骼行走模式识别方法
CN104586402B (zh) 一种人体活动的特征提取方法
CN106874874A (zh) 一种运动状态的识别方法及装置
CN107679516A (zh) 基于多尺度高斯‑马尔科夫随机场模型的下肢运动识别方法
CN106778476A (zh) 人体姿态识别方法及人体姿态识别装置
CN106643722A (zh) 一种基于三轴加速度计的宠物运动识别方法
CN103785157A (zh) 人体运动类型识别准确度提高方法

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
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20180508