CN108027643B - 用于可穿戴计算设备的基于微运动的输入姿势控制的方法、设备和装置 - Google Patents
用于可穿戴计算设备的基于微运动的输入姿势控制的方法、设备和装置 Download PDFInfo
- Publication number
- CN108027643B CN108027643B CN201580080425.0A CN201580080425A CN108027643B CN 108027643 B CN108027643 B CN 108027643B CN 201580080425 A CN201580080425 A CN 201580080425A CN 108027643 B CN108027643 B CN 108027643B
- Authority
- CN
- China
- Prior art keywords
- gesture
- micro
- wrist
- computing device
- sequence
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
- G06F3/017—Gesture based interaction, e.g. based on a set of recognized hand gestures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F1/00—Details not covered by groups G06F3/00 - G06F13/00 and G06F21/00
- G06F1/16—Constructional details or arrangements
- G06F1/1613—Constructional details or arrangements for portable computers
- G06F1/163—Wearable computers, e.g. on a belt
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
- G06F3/011—Arrangements for interaction with the human body, e.g. for user immersion in virtual reality
- G06F3/014—Hand-worn input/output arrangements, e.g. data gloves
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
- G06F3/03—Arrangements for converting the position or the displacement of a member into a coded form
- G06F3/033—Pointing devices displaced or positioned by the user, e.g. mice, trackballs, pens or joysticks; Accessories therefor
- G06F3/0346—Pointing devices displaced or positioned by the user, e.g. mice, trackballs, pens or joysticks; Accessories therefor with detection of the device orientation or free movement in a 3D space, e.g. 3D mice, 6-DOF [six degrees of freedom] pointers using gyroscopes, accelerometers or tilt-sensors
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Hardware Design (AREA)
- User Interface Of Digital Computer (AREA)
Abstract
用于检测基于微运动的输入姿势的方法、设备和装置包括一种腕戴式计算设备,该腕戴式计算设备包括从中能够确定针对微运动状态的值的各传感器。每个微运动状态指示腕戴式计算设备的与运动相关的特性,该特性被用来确定所检测到的姿势步骤的序列是否匹配与输入姿势相关联的输入姿势模型。输入姿势模型定义从中能够确定输入姿势的所要求的姿势步骤的所要求的序列。
Description
背景
移动计算设备已成为个人、商业和社交用途的重要工具。随着技术进步已使得移动计算设备的尺寸更小并且增加了其处理能力,一些移动计算设备的尺寸可被设定为由用户手持和/或穿戴。这些用户穿戴的移动计算设备可被用来执行各种功能,诸如举例而言,监视穿戴者的生物计量(例如,生物计量反馈设备)、跟踪穿戴者的体育活动(例如,健身追踪器设备)和/或跟踪设备的位置(例如,全球定位系统(GPS)导航设备)。因此,某些用户穿戴的移动计算设备可被配置成被穿戴在特定位置或者被穿戴在用户的特定身体部位(诸如用户的手腕)周围。
典型地,现代用户穿带的移动计算设备与用户持续交互(例如,不断收集传感器提供的数据),从而不存在打开或关闭设备的需要。对于用户指导的交互,用户穿戴的移动计算设备可包括一个或多个物理用户接口设备,诸如显示器、按钮等。然而,这些物理用户接口设备可能是功率和/或处理器密集型的,并且在某些条件下,与这些物理用户接口设备交互对于穿戴者而言可能是麻烦的。因此,这些用户穿戴的移动计算设备可附加地或替代地被配置成使用来自用户穿戴的移动计算设备的各种传感器的数据来接收姿势输入,以检测来自穿戴者的特定姿势。
附图简述
在所附附图中,以示例方式而不是以限制方式示出本文中中所述的多个概念。为说明简单和清楚起见,附图中所示出的元件不一定是按比例绘制的。在认为合适的情况下,已在多个附图之间重复了参考标号以指示对应的或类似的元件。图1是用于基于微运动(micro-motion)的输入姿势控制的腕戴式计算设备的至少一个实施例的简化框图;
图2是图1的被穿戴在用户的前臂或手腕上的腕戴式计算设备的至少一个实施例的简化图示;
图3是图1的腕戴式计算设备的环境的至少一个实施例的简化框图;
图4是用于使用可由图1的腕戴式计算设备执行的基于微运动的输入姿势来控制腕戴式计算设备的方法的至少一个实施例的简化流程图;
图5是具有可由图1的腕戴式计算设备的各种传感器检测到的对应的可能的值的微运动状态表的说明性实施例;
图6是输入姿势模型的说明性实施例,其包括可由图1的腕戴式计算设备的各种传感器检测到的对应于输入姿势模型的每个微运动的可接受的输入值;
图7是检测到的姿势步骤的姿势序列的说明性实施例,其包括说明性姿势序列中的每个姿势步骤针对各种微运动状态的接收到的微运动值;
图8是检测到的姿势步骤的姿势序列的另一说明性实施例,其包括说明性姿势序列中的每个姿势步骤针对各种微运动状态的接收到的微运动值;
图9A-9C是可由正穿戴图1的腕戴式计算设备的用户执行的打响指输入姿势的简化图示;
图10A-10D是可由正穿戴图1的腕戴式计算设备的用户执行的正手双敲(front-hand double-knock)输入姿势的简化图示;
图11A-11D是可由正穿戴图1的腕戴式计算设备的用户执行的反手双敲(backhanddouble-knock)输入姿势的简化图示;
图12A-12C是可由正穿戴图1的腕戴式计算设备的用户执行的手腕来回旋转输入姿势的简化图示;
图13A-13D是可由正穿戴图1的腕戴式计算设备的用户执行的双手拍手输入姿势的简化图示;以及
图14A-14C是可由正穿戴图1的腕戴式计算设备的用户执行的庆祝输入姿势的简化图示。
附图的详细描述
尽管本公开的概念易于具有各种修改和替代形式,但是,在附图中已作为示例示出了并将在本文中详细描述本公开的特定实施例。然而,应该理解,没有将本公开的概念限制于所公开的特定形式的意图,而相反,意图旨在涵盖符合本公开和所附权利要求书的所有修改、等效方案和替代方案。
说明书中对“一个实施例”、“一实施例”、“说明性实施例”等的引用指示所描述的实施例可包括特定特征、结构或特性,但是,每一个实施例可包括或可以不一定包括该特定特征、结构或特性。此外,此类短语不一定是指同一个实施例。此外,当结合实施例描述特定特征、结构或特性时,认为结合无论是否明确描述的其他实施例来实施这样的特征、结构或特性在本领域技术人员的知识范围之内。附加地,应当领会,以“A、B和C中的至少一者”的形式被包括在列表中的术语可意指(A);(B);(C);(A和B);(A和C);(B和C);或(A、B和C)。类似地,以“A、B或C中的至少一者”的形式列出的项可以意指(A);(B);(C);(A和B);(A和C);(B和C);或(A、B和C)。
在一些情况下,所公开的各实施例可在硬件、固件、软件或其任何组合中实现。所公开的多个实施例也可被实现为由一个或多个瞬态或非瞬态机器可读(例如,计算机可读)存储介质承载或被存储在其上的指令,这些指令可由一个或多个处理器读取和执行。机器可读存储介质可以具体化用于以可由机器可读取的形式存储或传输信息的任何存储设备、机制或其他物理结构(例如,易失性或非易失性存储器、介质盘或其他介质设备)。
在附图中,某些结构或方法特征可按特定安排和/或排序示出。然而,应当理解,此类特定安排和/或排序可能不是必需的。相反,在某些实施例中,这样的特征可按与在说明性附图中示出的不同的方式和/或顺序来安排。另外,在特定附图中包括结构或方法特征不意味着暗示在所有实施例中都需要这样的特征,并且在某些实施例中,可以不包括这样的特征,或它们可以与其他特征相结合。
现在参考图1,在说明性实施例中,腕戴式计算设备100被配置成检测基于微运动的输入姿势。微运动是腕戴式计算设备100的可以使用腕戴式计算设备100的各种基于硬件和/或软件的传感器来检测的与运动相关的特性(例如,移动、定向、冲击等),并且当这些与运动相关的特性被组合时可以定义腕戴式计算设备100的姿势(即,各个个体微运动是整个姿势的组成部分)。在使用中,如以下详细描述的,腕戴式计算设备100检测微运动并且将检测到的微运动与各自定义一种输入姿势的多个输入姿势模型进行比较。每个输入姿势模型由通过一组微运动以及针对微运动中的每一个的可接受的值定义的多个所要求的姿势步骤或姿势序列组成,这些微运动如果按预先确定的顺序来被执行和检测,将导致输入姿势被检测到。因此,输入姿势可诸如通过具有被映射到所检测到的输入姿势的预定义动作的当前正在执行的应用来驱动腕戴式计算设备100的动作或事件。
在一些实施例中,腕戴式计算设备100可体现为能够被佩戴在用户的手腕和/或前臂上或周围并且执行本文中所描述的各种功能的任何类型的移动计算设备,包括但不限于,腕戴式计算设备、智能手表、腕戴式消费电子设备或者能够被佩戴在用户的手腕和/或前臂上或周围的任何其他类型的计算设备。例如,在一些实施例中,腕戴式计算设备100可体现为如图2所示的被示例性地佩戴在用户的手腕200上的智能手环。当然,为了容适腕戴式计算设备100在手腕200上的佩戴,腕戴式计算设备100可以是手环、手表或者包括被配置成容纳手腕、前臂或用户身体的任何其他部位的孔径的任何其他物体的形状。在一些实施例中,腕戴式计算设备100可被封装在被配置成佩戴在手腕200周围的环或其他类型的外壳中。
在使用中,用户可以与腕戴式计算设备100交互以控制腕戴式计算设备100的一个或多个方面和/或特性。为此,用户可移动其手臂或者执行影响手腕200相对于该手腕的先前位置的位置或移动的另一身体动作。例如,用户可以以使得腕戴式计算设备100的定向或位置被改变(即,相对于用户手腕200被移动)的方式来抬高/降低、伸展/缩回或旋转其手腕200、前臂、手,等等。腕戴式计算设备100的每个移动被转换成说明性地基于包括x轴202、y轴204和z轴在内的三维轴所确定的多个微运动状态,以确定“x”、“y”和“z”坐标(即,三维轴数据),如图2所示。附加地,腕戴式计算设备100的移动可使用腕戴式计算设备100的各种传感器来被确定。
再次参考图1,说明性腕戴式计算设备100包括处理器102、输入/输出(I/0)子系统104、存储器106、多个传感器108和数据存储116。当然,在其他实施例中,腕戴式计算设备100可包括替代或附加的组件,诸如那些在服务器、路由器、交换机或其他网络设备中常见的组件。附加地,在一些实施例中,说明性组件中的一个或多个可被合并在另一组件中,或能以其他方式形成另一组件的一部分。例如,在一些实施例中,存储器106(或其各部分)可被合并在一个或多个处理器102中。
处理器102可以具体化为能够执行本文中所描述的功能的任何类型的处理器。处理器102可以具体化为(诸)单核或多核处理器、数字信号处理器、微控制器或其他处理器或处理/控制电路。存储器106可以具体化为能够执行本文中所描述的功能的任何类型的易失性或非易失性存储器或数据存储。在操作中,存储器106可存储腕戴式计算设备100的操作期间所使用的各种数据和软件,诸如操作系统、应用、程序、库以及驱动程序。存储器106经由I/O子系统104可通信地耦合到处理器102,该I/O子系统104可以具体化为用于促进与腕戴式计算设备100的处理器102、存储器106以及其他组件之间的输入/输出操作的电路系统和/或组件。例如,I/O子系统104可以具体化为或以其他方式包括,存储器控制器中枢、输入/输出控制中枢、固件设备、通信链路(即,点对点链路、总线链路、线路、电缆、光导、印刷电路板迹线等)和/或用于促进输入/输出操作的其他组件和子系统。在一些实施例中,I/O子系统104可形成片上系统(SoC)的一部分,并可与腕戴式计算设备100的处理器102、存储器106及其他组件一起被合并在单个集成电路芯片上。
数据存储116可以被具体化为被配置成用于数据的短期或长期存储的任何类型的一个或多个设备,诸如举例而言,存储器设备和电路、存储器卡、硬盘驱动器、固态驱动器或者其他数据存储设备。数据存储116和/或存储器106可存储腕戴式计算设备100的操作期间有用的各种其他数据。附加地,说明性数据存储116包括用于将检测到的微运动状态与输入姿势进行匹配的多个输入姿势模型118。如下面更详细地讨论的,输入姿势模型118中的每个输入姿势模型由具有对应的微运动状态的分开的姿势步骤的姿势序列以及针对姿势序列中的每个姿势步骤处的每个微运动状态的可接受的值(参见例如图6)来被定义。由此,腕戴式计算设备100可在输入姿势模型118中的特定输入姿势模型的每个姿势步骤按对应的姿势序列被执行时检测输入姿势。
与传统的移动计算设备姿势检测模型(例如,隐马尔可夫模型(HMM)、动态时间规整(DTW)、有限状态机(FSM))不同(这些传统模型可能计算量大(例如,HMM)、模型大小方面大(例如,DTW)或在词汇表方面不可扩展(例如,FSM)),说明性输入姿势模型118不使用抽象特征(例如,最大值、最小值、过零率等)来执行计算,而是依赖于用户手腕200的微运动(例如,移动、旋转、取向、冲击等)的物理意义,根据该物理意义,可检测输入姿势。因此,每个输入姿势模型的大小以及作为结果的输入姿势模型118集体(即,姿势词汇表)可小于HMM和DTW。此外,姿势词汇表可通过编辑或添加一个或多个输入姿势模型118来被调整和/或扩展。应当领会,特定输入姿势模型118可取决于特定实施例而变化。
如图1所示,腕戴式计算设备100还包括一个或多个传感器108,这些传感器被配置成收集与腕戴式计算设备100的加速度、定向和/或其他惯性特性相关联的数据(即,信号)。当然,在一些实施例中,传感器108可收集腕戴式计算设备100在执行本文中所描述的功能和/或腕戴式计算设备100的其他功能时可使用到的其他数据。因此,在各个实施例中,传感器108可体现为或者以其他方式包括例如生物计量传感器、邻近度传感器、光学传感器、光传感器、音频传感器、温度传感器、运动传感器、压电传感器、位置传感器和/或能够执行本文中所描述的功能的其他类型的传感器。当然,腕戴式计算设备100还可包括被配置成促成对(诸)传感器108的使用(例如,用于收集和/或调节感测到的信号)的附加组件和/或设备。
在说明性实施例中,传感器108包括加速度计110、陀螺仪112和/或磁力计114,以用于确定腕戴式计算设备100相对于手腕200的旋转、冲击、定向和移动。当然,应当领会,在一些实施例中,传感器108可包括多个加速度计、陀螺仪和/或磁力计和/或其他传感器,诸如配置成基于来自加速度计110和磁力计114的输入来计算腕戴式计算设备100的角速度的软件陀螺仪传感器。加速度计110可体现为被配置成测量腕戴式计算设备100的(例如,沿着腕戴式计算设备100的三维轴中的每一根轴的)加速度和/或其他运动的任何传感器、电路系统和/或其他组件。陀螺仪112可体现为被配置成测量腕戴式计算设备100相对于预定义的坐标系统的角定向的任何传感器、电路系统和/或其他组件。也就是说,陀螺仪112可测量腕戴式计算设备100的滚转、俯仰和/或偏航。磁力计114可体现为被配置成测量磁场(例如,罗盘)和/或有助于确定腕戴式计算设备100正指向的(例如,就正北而言的)方向的其他信息的任何传感器、电路系统和/或其他组件。当然,腕戴式计算设备100还可包括被配置成促成传感器108的使用的组件和/或设备(例如,惯性测量单元)。
在一些实施例中,腕戴式计算设备100可附加地包括一个或多个用户接口设备120。用户接口设备120可体现为被配置成接收来自用户的输入和/或经由物理用户接口设备向用户提供输出的任何类型的一个或多个设备,诸如按钮、显示器(例如,液晶显示器(LCD)、有机发光二极管(OLED))、触摸屏(例如,电容式、红外线、光学、电阻式等)、可调旋钮、可调滑块、开关、灯(例如,发光二极管(LED))、相机、话筒、扬声器和/或能够接收用户输入和/或向用户提供输出的任何其他类型的设备。
在一些实施例中,腕戴式计算设备100可附加地包括通信电路系统122。通信电路系统122可体现为能够实现腕戴式计算设备100与其他远程设备之间通过网络(未示出)的通信的任何通信电路、设备或其集合。通信电路系统122可被配置成使用任何一种或更多种通信技术(例如,无线或有线通信)和相关联的协议(例如,以太网、WiMAX等)来实现这样的通信。
现在参考图3,在使用中,腕戴式计算设备100建立用于检测输入姿势的环境300。腕戴式计算设备100的说明性环境300包括传感器数据处理模块310、微运动检测模块316和输入姿势识别模块318。附加地,说明性环境300包括传感器数据数据库302、微运动数据库304和输入姿势模型数据库306,其中的每一个都可由说明性环境300的一个或多个模块和/或子模块访问。
环境300的模块、逻辑和其他组件中的每一者都可体现为硬件、软件、固件或其组合。例如,环境300的模块、逻辑和其他组件中的每一者可形成腕戴式计算设备100的处理器102或其他硬件组件的一部分或者以其他方式由处理器102或其他硬件组件建立。由此,在一些实施例中,环境300的各模块中的一个或多个可体现为电子设备的电路或集合(例如,传感器数据处理电路、输入姿势识别电路、微运动检测电路,等等)。应当领会,腕戴式计算设备100可包括通常在计算设备中发现的在图3中为描述清楚起见未例示出的其他组件、子组件、模块、子模块以及器件。附加地,在一些实施例中,说明性模块中的一个或多个可以是独立的模块或者形成另一模块的一部分。
传感器数据处理模块310被配置成处理由传感器108捕获的传感器数据,并且确定腕戴式计算设备100相对于先前所确定的腕戴式计算设备100的位置的当前旋转、移动、方向、定向和/或其他姿势方面。具体而言,传感器数据处理模块310包括用于收集由一个或多个传感器108捕获的传感器数据信号的传感器数据收集模块312以及用于处理收集到的传感器数据信号的传感器数据处理模块314。在一些实施例中,传感器数据收集模块312可被配置成将收集到的传感器数据信号储存在传感器数据数据库302中。附加地,在一些实施例中,传感器数据处理模块314可被配置成通过放大、滤波、隔离、激励、量化、线性化、转换或以其他方式操纵供进一步处理的传感器数据信号来处理或以其他方式调节传感器数据信号。例如,在一些实施例中,传感器数据处理模块314可包括用于降低高频噪声的滤波器。在一些实施例中,传感器数据处理模块314可被配置成将经处理的传感器数据信号储存在传感器数据数据库302中。
微运动检测模块316被配置成基于传感器数据信号(诸如被储存在传感器数据数据库中的经处理的传感器数据信号)来识别微运动,并且将这些微运动作为检测到的步骤的序列的一个步骤添加到输入姿势模型(例如,输入姿势模型118)中。例如,微运动检测模块316可被配置成基于由加速度计110、陀螺仪112和/或磁力计114提供的传感器数据信号来确定微运动。为此,在一些实施例中,微运动检测模块316可被配置成将传感器数据信号与一组预先确定的微运动进行比较,该组预先确定的微运动可被储存在微运动数据库304中。例如,在图5的微运动状态表500的说明性实施例中,微运动状态表500包括各种微运动状态502以及对应的可接受的值504,这些可接受的值504可基于传感器数据信号针对微运动状态502中的每一个来被确定。应当领会,可接受的值504可基于底层的数值被定义成数值(例如,指示定向或运动的数值)或者定性值(例如,“缓慢移动”、“快速移动”等)。在一些实施例中,微运动状态表500可被储存在微运动数据库304中。
说明性的微运动状态表500包括运动微运动状态506、定向微运动状态508、旋转-x微运动状态510、旋转-y微运动状态512、旋转-z微运动状态514、线性运动-x微运动状态516、线性运动-y微运动状态518、线性运动-z微运动状态520、冲击微运动状态522以及摇动微运动状态524。运动微运动状态506包括三个可能的运动状态值,包括:静止(即,通常无运动)、缓慢移动和快速移动。定向微运动状态508包括七个可能的定向状态值,包括:正X定向状态、正Y定向状态、正Z定向状态、负X定向状态、负Y定向状态、负Z定向状态和未知定向状态。
旋转-x微运动状态510包括三个可能的旋转值,包括:缓慢、快速和无。缓慢值和快速值可基于腕戴式计算设备100相对于x轴202的旋转而为正值或负值(例如,在沿x轴202的负X方向上缓慢,或者在沿x轴202的正X方向上快速等)。旋转-y微运动状态512包括三个可能的值,包括:缓慢、快速和无。缓慢值和快速值可基于腕戴式计算设备100相对于y轴204的旋转而为正值或负值(例如,在沿y轴204的负Y方向上缓慢,或者在沿y轴204的正Y方向上快速等)。旋转-z微运动状态514包括三个可能的值,包括:缓慢、快速和无。缓慢值和快速值可基于腕戴式计算设备100相对于z轴206的旋转而为正值或负值(例如,在沿z轴206的负Z方向上缓慢,或者在沿z轴206的正Z方向上快速等)。
线性运动-x微运动状态516包括三个可能的值,包括:正X线性运动、负X线性运动,以及无(例如,相对于x轴202无线性运动)。线性运动-y微运动状态518包括三个可能的值,包括:正Y线性运动、负Y线性运动,以及无(例如,相对于y轴204无线性运动)。线性运动-z微运动状态520包括三个可能的值,包括:正Z线性运动、负Z线性运动,以及无(例如,相对于z轴206无线性运动)。冲击微运动状态522包括三个可能的值,包括:无、小和大。摇动微运动状态524包括两个可能的值,包括:是(即,摇动)和否(即,无摇动)。
再次参考图3,微运动检测模块316可基于多个预先确定的阈值来确定微运动状态的值。应当领会,在一些实施例中,多个阈值中的一个或多个可随时间而被改变(诸如基于对历史微运动状态的分析及其结果)。例如,在一些实施例中,微运动检测模块316可基于在预先确定的时间窗(例如,.1秒)内所捕获的跨三轴的加速度数据的标准偏差的数量来确定运动微运动状态506。在这样的实施例中,如果标准偏差的数量小于40mg(即,其中g是重力加速度),则微运动检测模块316可确定运动微运动状态506为静止。此外,如果标准偏差的数量大于60mg且小于300mg,则微运动检测模块316可确定运动微运动状态506为缓慢移动,并且如果标准偏差的数量大于或等于300mg,则微运动检测模块316可确定运动微运动状态506为快速移动。
类似地,在一些实施例中,微运动检测模块316可基于三轴加速度数据来确定定向微运动状态508。例如,微运动检测模块316可在运动微运动状态506等于静止或缓慢移动时基于哪个轴具有最大绝对值来确定定向微运动状态508,并且在运动微运动状态506等于快速移动的情况下确定定向微运动状态508是未知的。附加地或替代地,在一些实施例中,微运动检测模块316可基于在预先确定的时间窗(例如,.2秒)内计算或感测、捕获的三轴陀螺仪数据的积分来确定旋转微运动状态(即,旋转-x微运动状态510、旋转-y微运动状态512和旋转-z微运动状态514)。在这样的实施例中,如果积分的绝对值小于每秒5度,则微运动检测模块316可确定旋转微运动状态等于无旋转,如果积分的绝对值大于或等于每秒5度且小于每秒10度,则微运动检测模块316可确定旋转微运动状态等于缓慢旋转,并且如果积分的绝对值大于或等于每秒10度,则微运动检测模块316可确定旋转微运动状态等于快速旋转。
附加地或替代地,在一些实施例中,微运动检测模块316可基于在预先确定的时间窗(例如,.1秒)内捕获的被移除了均值的三轴加速度的积分来确定线性微运动状态(即,线性运动-x微运动状态516、线性运动-y微运动状态518、线性运动-z微运动状态520)。在这些实施例中,如果积分的绝对值小于70mg(即,其中g是重力加速度),则微运动检测模块316可确定线性微运动状态等于无线性运动,并且如果积分的绝对值大于或等于70mg,则微运动检测模块316可确定线性微运动状态等于线性运动。
在一些实施例中,微运动检测模块316可附加地或替代地基于在预先确定的时间窗(例如,.05秒)内捕获的加速度大小的标准偏差来确定冲击微运动状态522。在这些实施例中,如果标准偏差小于200mg(即,其中g是重力加速度),则微运动检测模块316可确定冲击微运动状态522等于无冲击,如果标准偏差大于300mg且小于或等于1000mg,则微运动检测模块316可确定冲击微运动状态522等于小冲击,并且如果标准偏差大于1000mg,则微运动检测模块316可确定冲击微运动状态522等于大冲击。
附加地或替代地,在一些实施例中,微运动检测模块316可基于在预先确定的时间窗(例如,.5秒)内所捕获的加速度大小的重力交叉计数的数量来确定摇动微运动状态524。在这些实施例中,如果重力交叉计数的数量小于八,则微运动检测模块316可确定摇动微运动状态524为不摇动,并且如果重力交叉计数的数量大于或等于八,则微运动检测模块316可确定摇动微运动状态524确定为摇动。
回过头参考图3,输入姿势识别模块318被配置成基于检测到的微运动来检测输入姿势。为此,输入姿势识别模块318被配置成将检测到的姿势步骤的姿势序列与输入姿势模型(例如,输入姿势模型118)的所要求的姿势步骤进行比较。如上所述,输入姿势模型的姿势序列中的每个姿势步骤被体现为多个微运动及相关联的可接受的值(例如,根据传感器数据信号解释而来的值)。换言之,每个输入姿势模型被体现为针对每个输入姿势所预定义的姿势步骤的姿势序列,并且每个姿势步骤包括针对构成或定义对应的输入姿势中的该特定姿势步骤的微运动的可接受的值。因此,为了检测输入姿势,输入姿势识别模块318基于检测到的微运动来确定输入姿势模型118的特定输入姿势模型中的每个姿势步骤是否按顺序被执行。
例如,现在参考图6,针对打响指输入姿势(参见图9A-9C)的打响指输入姿势模型600的说明性实施例(将在下文进一步详细描述)包括所要求的姿势步骤的序列602,该序列602由六个姿势步骤604-614(即,第一姿势步骤604、第二姿势步骤606、第三姿势步骤608、第四姿势步骤610、第五姿势步骤612和第六姿势步骤614)组成。打响指输入姿势模型600的每个姿势步骤由针对该姿势步骤的多个微运动状态502及对应的可接受的值来定义。由此,输入姿势识别模块318可在确定针对每个姿势步骤的每个微运动状态502的值匹配打响指输入姿势模型600之际检测到打响指姿势。在检测到输入姿势之际,输入姿势识别模块318可诸如经由应用程序接口(API)向当前正在腕戴式计算设备100上执行的软件应用提供指示。因此,软件应用可基于该指示来执行期望的任务。
例如,第一姿势步骤604(即,姿势步骤1)要求:运动微运动状态506为静止(即,无运动);定向微运动状态508为正Z定向、负X定向或负Y定向中的一者;旋转-x微运动状态510为无(即,沿x轴202无旋转);线性运动-x微运动状态516、线性运动-y微运动状态518和线性运动-z微运动状态520为无(即,无线性运动);冲击微运动状态522为无;以及摇动微运动状态524为否(即,不摇动)。附加地,旋转-y微运动状态512和旋转-z微运动状态514不适用于第一步骤604。换言之,与旋转-y微运动状态512和旋转-z微运动状态514对应的值对第一姿势步骤604而言不重要。
应当领会,不同的输入姿势可具有更少的或附加的姿势步骤,可包括附加的、更少的或替代的对应的可接受的值。还应当领会,在一些实施例中,其他输入姿势模型的微运动状态可包括附加的或替代的微运动状态。例如,说明性打响指输入姿势模型600包括作为附加的微运动状态的最大增量时间616,用于指示可能在各步骤之间流逝的最大时间量(即,持续时间阈值)。
现在参考图4,在使用中,腕戴式计算设备100可执行用于检测基于微运动的输入姿势的方法400。说明性方法400从图4的框402开始,其中腕戴式计算设备100确定是否已经接收到任何与微运动相关的传感器数据。换言之,腕戴式计算设备100确定对应于微运动的传感器数据(即,传感器数据信号)是否被传感器108(例如,加速度计110、陀螺仪112、磁力计114等)感测到并被腕戴式计算设备100收集以用于处理。在一些实施例中,与微运动相关的传感器数据可以以(诸如可由计时器触发的)预先确定的时间间隔来被收集。附加地或替代地,在一些实施例中,可以在(诸如由已被检测到的微运动引起的)事件的发生(即,事件驱动)之际收集与微运动相关的传感器数据。如果没有与微运动相关的传感器数据被收集到,则方法400循环回到框402以继续监视所接收的与微运动相关的传感器数据;否则,方法400前进到框404。
在框404处,腕戴式计算设备100基于收集到的微运动传感器数据来确定针对每个微运动状态的值。在一些实施例中,为了确定这些值,腕戴式计算设备100可在框406处通过放大、滤波、转换、隔离和/或应用任何其他信号调节方法来处理或以其他方式调节微运动数据信号来根据微运动传感器数据生成微运动状态值。在这些实施例中,例如,腕戴式计算设备100可处理从加速度计110、陀螺仪112和/或磁力计114接收到的微运动传感器数据。在框408处,腕戴式计算设备100基于在框404处针对每个微运动状态所确定的值来确定当前姿势步骤。
在框410处,腕戴式计算设备100将在框408处所确定的当前姿势步骤附加到检测到的姿势步骤的序列中。例如,现在参考图7,在包括三个姿势步骤702-706的检测到的姿势步骤700的姿势序列的说明性实施例中,第三姿势步骤706对应于被添加到检测到的姿势步骤700的姿势序列的当前姿势步骤,如围绕第三姿势步骤706的高亮的矩形所指示的。
回过头参考图4,在框412处,腕戴式计算设备100将检测到的姿势步骤的序列与输入姿势模型118中的每一个进行比较。在框414处,腕戴式计算设备100确定该比较是否导致了输入姿势匹配。换言之,腕戴式计算设备100确定检测到的姿势步骤的姿势序列的姿势步骤及对应的针对微运动状态的微运动值是否匹配输入姿势模型118中的任一输入姿势模型的姿势步骤及对应的针对微运动状态的可接受的微运动值。
例如并且如上所述,在图6的说明性打响指输入姿势模型600中,输入姿势可在六个姿势步骤604-614中的每一个按由打响指输入姿势模型600所定义的顺序次序(即,所要求的姿势步骤的序列602)来被执行时被检测到。因此,例如,腕戴式计算设备100可将图7的检测到的姿势步骤的序列700(即,第一姿势步骤702、第二姿势步骤704和第三姿势步骤706)与可能包括说明性打响指输入姿势模型600的每个输入姿势模型进行比较。
回过头参考图4,如果腕戴式计算设备100在框414处确定不存在输入姿势匹配,则方法400前进到框416。在框416处,腕戴式计算设备100确定检测到的姿势步骤序列的姿势步骤及对应的微运动值是否匹配输入姿势模型118中的任一输入姿势模型的姿势步骤中的至少一个姿势步骤的一部分及对应的可接受的微运动值。为此,腕戴式计算设备100可在框416处的比较期间确定检测到的姿势步骤的序列是否对应于定义所要求的姿势步骤的所要求的序列的输入姿势模型的至少第一数量的姿势步骤(即,其中第一数量的姿势步骤对应于检测到的步骤的序列中的检测到的姿势步骤的数量)。
例如,再次参考图6和图7,腕戴式计算设备100可将图7的由三个姿势步骤组成的检测到的姿势步骤的序列700与所要求的姿势步骤的序列602的前三个步骤进行比较。在图6的所要求的姿势步骤的说明性序列602中,第三姿势步骤608(即,步骤3)要求:运动微运动状态506为快速移动运动;定向微运动状态508为未知;旋转-x微运动状态510为沿x轴202的快速旋转;线性运动-x微运动状态516、线性运动-y微运动状态518和线性运动-z微运动状态520为无(即,无线性运动);冲击微运动状态522为小或大;以及摇动微运动状态524为否(即,不摇动)。类似于第一姿势步骤604,第三姿势步骤608的旋转-y微运动状态512和旋转-z微运动状态514不适用。此外,第三姿势步骤608具有200毫秒的最大增量时间。换言之,如果第二姿势步骤606与第三姿势步骤608之间的时间量(例如,图7的第三姿势步骤706的最大增量时间616)超过最大增量时间(例如,200ms),则姿势步骤将不匹配。如图7所示,检测到的姿势步骤的姿势序列700的第三姿势步骤706包括所要求的姿势步骤的序列602的第三姿势步骤608针对各微运动状态的可接受的值。此外,检测到的姿势步骤的姿势序列700的第一姿势步骤702和第二姿势步骤704中的每一个都包括所要求的姿势步骤的序列602的第一姿势步骤604和第二姿势步骤606针对各微运动状态的可接受的值。
因此,返回参考图4,在其中检测到的姿势步骤的姿势序列的每个姿势步骤包括至少一个输入姿势模型118的所要求的姿势步骤的姿势序列的每个姿势步骤针对各微运动状态的可接受的值的这样的实施例中,方法400从框416返回到框402以继续监视所接收的与微运动相关的传感器数据。然而,如果检测到的姿势步骤的姿势序列不包括输入姿势模型118中的任一输入姿势模型的所要求的姿势步骤的姿势序列中的每个姿势步骤针对各微运动状态的可接受的值,则该方法前进到框420。在框420处,腕戴式计算设备100在返回到框402之前更新检测到的姿势步骤的姿势序列,以继续监视所接收的与微运动相关的传感器数据。例如,在一些实施例中,腕戴式计算设备100可清除检测到的姿势步骤的姿势序列,仅将在框410处所附加的最近被添加的姿势步骤保持在检测到的姿势步骤的姿势序列中,或者移除检测到的姿势步骤的姿势序列中的最旧的姿势步骤。在其中一个或多个姿势步骤保留在检测到的姿势步骤的序列中的这样的实施例中,方法400可返回到框412以执行经更新的检测到的姿势步骤的姿势序列与输入姿势模型118的比较。
如果腕戴式计算设备100在框414处确定存在输入姿势匹配,则方法400前进到框418,在框418处腕戴式计算设备100提供经匹配的输入姿势的指示。例如,腕戴式计算设备可诸如经由API向应用提供经匹配的输入姿势的指示。附加地或替代地,在一些实施例中,腕戴式计算设备100可向用户提供输入姿势已被识别的指示(例如,触觉、听觉或视觉指示)。
现在参考图8,检测到的姿势步骤的姿势序列800的说明性实施例包括六个姿势步骤802-812(即,第一姿势步骤802、第二姿势步骤804、第三姿势步骤806、第四姿势步骤808、第五姿势步骤810和第六姿势步骤812)。如由围绕第六姿势步骤812的高亮的矩形所指示的第六姿势步骤812对应于微运动值在图4的框410处被附加到检测到的姿势步骤的序列800的姿势步骤。由此,再次参考图4,在框416处,腕戴式计算设备100可按顺序次序将图8的由六个姿势步骤组成的检测到的姿势步骤的姿势序列800与所要求的姿势步骤的姿势序列602的所有六个姿势步骤进行比较。如图6和8所示,检测到的姿势步骤的姿势序列的每个姿势步骤包括所要求的姿势步骤的姿势序列602的每个姿势步骤针对各微运动状态的可接受的值。作为结果,输入姿势匹配被检测到。因此,再次参考图4,在这样的实施例中,方法400在前进到框420以更新检测到的步骤的序列之前前进到框418,如前所述。
现在参考图9A-9C,打响指输入姿势的说明性实施例包括腕戴式计算设备100在打响指输入姿势期间正在被佩戴在用户的手腕200上。图9A-9C的说明性打响指输入姿势包括图9A中示出的第一打响指手部定向900(其可以是用来执行打响指输入姿势的最初起始手部定向)、图9B中示出的第二打响指手部定向910(其可以是在执行打响指输入姿势期间的中间手部定向),以及图9C中示出的第三打响指手部定向920(其可以是在打响指输入姿势完成之际的最终手部定向)。
现在参考图10A-10D,正手双敲输入姿势的说明性实施例包括腕戴式计算设备100在双敲输入姿势期间正在被佩戴在用户的手腕200上。图10A-10D的说明性正手双敲输入姿势包括图10A的第一正手双敲手部定向1000,第一正手双敲手部定向1000可以是用来在表面1002(诸如桌面)上执行正手双敲输入姿势的最初起始手部定向。现在参考图10B,第二正手双敲手部定向1010示出手腕200已被降低,以使得用户的面向表面1002的指关节正与表面1002接触达片刻的。在图10C中,图10C的第三正手双敲手部定向1020示出了用户已将手腕200大致抬高回图10A的第一正手双敲手部定向1000。在图10D中,图10D的第四正手双敲手部定向1030示出了用户已再次降低手腕,以使得用户的面向表面1002的指关节正与表面1002接触。
现在参考图11A-11D,反手双敲输入姿势的说明性实施例包括腕戴式计算设备100在反手双敲输入姿势期间正被佩戴在用户的手腕200上。图11A-11D的说明性反手双敲输入姿势包括图11A的第一反手双敲手部定向1100,第一反手双敲手部定向1100可以是用来在表面1002上执行反手双敲输入姿势的最初起始手部定向。现在参考图11B,第二反手双敲手部定向1110示出了手腕200已被降低,以使得用户的面向表面1002的指关节正与表面1002接触达片刻。在图11C中,图11C的第三反手双敲手部定向1120示出了用户已将手腕200大致抬高回图11A的第一反手双敲手部定向1100。在图11D中,图11D的第四反手双敲手部定向1130示出了用户已再次降低手腕,以使得用户的面向表面1002的指关节正与表面1002接触。
现在参考图12A-12C,手腕来回旋转输入姿势的说明性实施例包括腕戴式计算设备100在手腕来回旋转输入姿势期间正在被佩戴在用户的手腕200上。图12A-12C的说明性手腕来回旋转输入姿势包括图12A的第一手腕来回旋转手部定向1200(其可以是用来执行手腕来回旋转输入姿势的最初起始手部定向)、如图12B第二手腕来回旋转手部定向1210(其可以是执行手腕来回旋转输入姿势期间的示出用户的手腕200已绕x轴202旋转了的中间手部定向),以及如图12C所示的第三手腕来回旋转手部定向1220(其可以是手腕来回旋转输入姿势完成之际的示出手腕200已绕x轴202大致旋转回第一手腕来回旋转手部定向1200的最终手部定向)。
现在参考图13A-13D,双手拍手输入姿势的说明性实施例包括腕戴式计算设备100在双手拍手输入姿势期间正被佩戴在用户的手腕200上。图13A-13D的说明性双手拍手输入姿势包括如图13A所示的例示了用户的每只手初始分开了一定的距离的第一双手拍手手部定向1300,其可以是用于执行双手拍手输入姿势的最初起始定向。在图13B中,第二双手拍手定向1310示出了用户的手掌在如图13A的第三双手拍手手部定向1320所示的被再次分开之前已变为彼此接触达一段时间。最后,在图13D中,第四双手拍手手部定向1330示出了用户的手掌已再次变为彼此接触。
现在参考图14A-14C,庆祝输入姿势的说明性实施例包括腕戴式计算设备100在庆祝输入姿势期间正被佩戴在用户的手腕200上。图14A-14C的说明性庆祝输入姿势包括如图14A所示的第一庆祝手部定向1400,其中用户的手腕200在用户的一侧休息,这可以是用来执行庆祝输入姿势的最初起始手部定向。在图14B中,第二庆祝手部定向1410例示了手腕200已被大致抬高到肩膀上方的高度水平,这可以是在执行庆祝输入姿势期间的中间手部定向。最后,图14C例示了第三庆祝手部定向1420,其可以是庆祝输入姿势完成之际的最终手部定向,其中手腕200被降低到高于第一庆祝手部定向1400且低于第二庆祝手部定向1410的水平。
如前所述,每个输入姿势具有对应的输入姿势模型。因此,在其中将检测图9A-9C的打响指输入姿势、正手双敲输入姿势、反手双敲输入姿势、手腕来回旋转输入姿势、双手拍手输入姿势和庆祝姿势输入姿势中的每一者的实施例中,每个输入姿势均具有对应的模型,诸如打响指输入姿势模型、正手双敲输入姿势模型,等等。
示例
下面提供了本文中所公开的技术的说明性示例。这些技术的实施例可包括下面所描述的示例中的任何一个或多个以及其任何组合。
示例1包括一种用于检测输入姿势的微运动状态的腕戴式计算设备,该腕戴式计算设备包括:微运动检测模块,该微运动检测模块用于(i)从腕戴式计算设备的一个或多个传感器接收传感器数据,(ii)基于接收到的传感器数据来确定针对多个微运动状态中的每一个微运动状态的当前值,其中微运动状态中的每一个微运动状态指示腕戴式计算设备的与运动相关的特性,(iii)基于微运动状态的当前值确定多个姿势步骤中的当前姿势步骤,以及(iv)将当前姿势步骤附加到所检测到的姿势步骤的序列中,其中所检测到的姿势步骤的序列包括一个或多个先前检测到的姿势步骤,并且其中先前检测到的姿势步骤中的每一个姿势步骤由针对多个微运动状态中的每一个微运动状态的相关联的先前值来定义;以及输入姿势识别模块,该输入姿势识别模块用于确定所检测到的姿势步骤的序列是否匹配与输入姿势相关联的输入姿势模型,其中输入姿势模型定义所要求的姿势步骤的所要求的序列。
示例2包括示例1的主题,并且其中确定所检测到的姿势步骤的序列是否匹配输入姿势模型包括:按顺序次序将所检测到的姿势步骤的序列中的每个检测到的姿势步骤与所要求的姿势步骤的所要求的序列中的对应的所要求的姿势步骤进行比较。
示例3包括示例1和2中的任一个的主题,并且其中输入姿势识别模块还用于响应于确定所检测到的姿势步骤的序列顺序地匹配所要求的姿势步骤的所要求的序列来标识输入姿势。
示例4包括示例1-3中的任一个的主题,并且其中输入姿势识别模块还用于响应于确定所检测到的姿势步骤的序列顺序地匹配所要求的姿势步骤的所要求的序列来向腕戴式计算设备的应用提供输入姿势的指示。
示例5包括示例1-4中的任一个的主题,并且其中微运动检测模块还用于(i)响应于由输入姿势识别模块确定所检测到的姿势步骤的序列匹配多个输入姿势模型中的至少一个输入姿势模型的至少一部分来基于传感器数据确定针对多个微运动状态中的每一个微运动状态的后续值,(ii)基于微运动状态的后续值来确定多个姿势步骤中的后续姿势步骤,(iii)将后续姿势步骤附加到所检测到的姿势步骤的序列中以生成经更新的所检测到的姿势步骤的序列,并且其中输入姿势识别模块还用于确定经更新的所检测到的姿势步骤的序列是否匹配与输入姿势相关联的输入姿势模型。
示例6包括示例1-5中的任一个的主题,并且其中微运动检测模块还用于响应于由输入姿势识别模块确定所检测到的姿势步骤的序列不匹配多个输入姿势模型中的至少一个输入姿势模型的至少一部分来更新所检测到的姿势步骤的序列,其中多个输入姿势模型中的每个输入姿势模型定义对应的所要求的姿势步骤的所要求的序列。
示例7包括示例1-6中的任一个的主题,并且其中更新所检测到的姿势步骤的序列包括清除所检测到的姿势步骤的序列、仅保持所检测到的姿势步骤的序列中的最近被附加的姿势步骤,或者从所检测到的姿势步骤的序列中移除最旧的姿势步骤。
示例8包括示例1-7中的任一个的主题,并且其中从腕戴式计算设备的一个或多个传感器接收传感器数据包括从腕戴式计算设备的加速度计接收传感器数据。
示例9包括示例1-8中的任一个的主题,并且其中从腕戴式计算设备的一个或多个传感器接收传感器数据包括从腕戴式计算设备的陀螺仪接收传感器数据。示例10包括示例1-9中的任一个的主题,并且其中从腕戴式计算设备的一个或多个传感器接收传感器数据包括从腕戴式计算设备的磁力计接收传感器数据。
示例11包括示例1-10中的任一个的主题,并且其中确定针对多个微运动状态中的每一个微运动状态的当前值包括确定针对运动微运动状态、定向微运动状态、旋转微运动状态、线性运动微运动状态、冲击微运动状态和摇动微运动状态中的至少一者的当前值。
示例12包括示例1-11中的任一个的主题,并且其中确定针对旋转微运动状态的当前值包括确定针对沿x轴的第一旋转、沿y轴的第二旋转和沿z轴的第三旋转中的至少一者的当前值。
示例13包括示例1-12中的任一个的主题,并且其中确定针对线性运动微运动状态的当前值包括确定针对对应于x轴的第一线性运动微运动状态、对应于y轴的第二线性运动微运动状态和对应于z轴的第三线性运动微运动状态中的至少一者的当前值。
示例14包括示例1-13中的任一个的主题,并且其中将所检测到的姿势步骤的序列中的每个姿势步骤与输入姿势模型中的每个姿势步骤进行比较包括将所检测到的姿势步骤的序列中的每个姿势步骤与打响指输入姿势模型、正手双敲输入姿势模型、反手双敲输入姿势模型、手腕来回旋转输入姿势模型、双手拍手输入姿势模型和庆祝姿势输入姿势模型中的至少一者进行比较。
示例15包括示例1-14中的任一个的主题,并且其中确定当前值包括确定相对于三维轴的移动、定向、旋转和方向中的至少一者。
示例16包括一种用于检测输入姿势的微运动状态的方法,该方法包括:由腕戴式计算设备从腕戴式计算设备的一个或多个传感器接收传感器数据;由腕戴式计算设备基于接收到的传感器数据来确定针对多个微运动状态中的每一个微运动状态的当前值,其中微运动状态中的每一个微运动状态指示腕戴式计算设备的与运动相关的特性;由腕戴式计算设备基于微运动状态的当前值确定多个姿势步骤中的当前姿势步骤;由腕戴式计算设备将当前姿势步骤附加到所检测到的姿势步骤的序列中,其中所检测到的姿势步骤的序列包括一个或多个先前检测到的姿势步骤,并且其中先前检测到的姿势步骤中的每一个姿势步骤由针对多个微运动状态中的每一个微运动状态的相关联的先前值来定义;以及由腕戴式计算设备确定所检测到的姿势步骤的序列是否匹配与输入姿势相关联的输入姿势模型,其中输入姿势模型定义所要求的姿势步骤的所要求的序列。示例17包括示例16的主题,并且其中确定所检测到的姿势步骤的序列是否匹配输入姿势模型包括:按顺序次序将所检测到的姿势步骤的序列中的每个检测到的姿势步骤与所要求的姿势步骤的所要求的序列中的对应的所要求的姿势步骤进行比较。
示例18包括示例16和17中的任一个的主题,并且还包括由腕戴式计算设备响应于确定所检测到的姿势步骤的序列顺序地匹配所要求的姿势步骤的所要求的序列来标识输入姿势。
示例19包括示例16-18中的任一个的主题,并且还包括由腕戴式计算设备响应于确定所检测到的姿势步骤的序列顺序地匹配所要求的姿势步骤的所要求的序列来向可穿戴计算设备的应用提供输入姿势的指示。
示例20包括示例16-19中的任一个的主题,并且还包括响应于确定所检测到的姿势步骤的序列匹配多个输入姿势模型中的至少一个输入姿势模型的至少一部分,由腕戴式计算设备基于传感器数据确定针对多个微运动状态中的每一个微运动状态的后续值;由腕戴式计算设备基于微运动状态的后续值来确定多个姿势步骤中的后续姿势步骤;由腕戴式计算设备将后续姿势步骤附加到所检测到的姿势步骤的序列中以生成经更新的所检测到的姿势步骤的序列;以及由腕戴式计算设备确定经更新的所检测到的姿势步骤的序列是否匹配与输入姿势相关联的输入姿势模型。
示例21包括示例16-20中的任一个的主题,并且还包括响应于确定所检测到的姿势步骤的序列不匹配多个输入姿势模型中的至少一个输入姿势模型的至少一部分来更新所检测到的姿势步骤的序列,其中多个输入姿势模型中的每个输入姿势模型定义对应的所要求的姿势步骤的所要求的序列。
示例22包括示例16-21中的任一个的主题,并且其中更新所检测到的姿势步骤的序列包括清除所检测到的姿势步骤的序列、仅保持所检测到的姿势步骤的序列中的最近被附加的姿势步骤,或者从所检测到的姿势步骤的序列中移除最旧的姿势步骤。
示例23包括示例16-22中的任一个的主题,并且其中从腕戴式计算设备的一个或多个传感器接收传感器数据包括从腕戴式计算设备的加速度计接收传感器数据。
示例24包括示例16-23中的任一个的主题,并且其中从腕戴式计算设备的一个或多个传感器接收传感器数据包括从腕戴式计算设备的陀螺仪接收传感器数据。
示例25包括示例16-24中的任一个的主题,并且其中从腕戴式计算设备的一个或多个传感器接收传感器数据包括从腕戴式计算设备的磁力计接收传感器数据。
示例26包括示例16-25中的任一个的主题,并且其中确定针对多个微运动状态中的每一个微运动状态的当前值包括确定针对运动微运动状态、定向微运动状态、旋转微运动状态、线性运动微运动状态、冲击微运动状态和摇动微运动状态中的至少一者的当前值。
示例27包括示例16-26中的任一个的主题,并且其中确定针对旋转微运动状态的当前值包括确定针对沿x轴的第一旋转、沿y轴的第二旋转和沿z轴的第三旋转中的至少一者的当前值。
示例28包括示例16-27中的任一个的主题,并且其中确定针对线性运动微运动状态的当前值包括确定针对对应于x轴的第一线性运动微运动状态、对应于y轴的第二线性运动微运动状态和对应于z轴的第三线性运动微运动状态中的至少一者的当前值。
示例29包括示例16-28中的任一个的主题,并且其中将所检测到的姿势步骤的序列中的每个姿势步骤与输入姿势模型中的每个姿势步骤进行比较包括将所检测到的姿势步骤的序列中的每个姿势步骤与打响指输入姿势模型、正手双敲输入姿势模型、反手双敲输入姿势模型、手腕来回旋转输入姿势模型、双手拍手输入姿势模型和庆祝姿势输入姿势模型中的至少一者进行比较。
示例30包括示例16-29中的任一个的主题,并且其中确定当前值包括确定相对于三维轴的移动、定向、旋转和方向中的至少一者。
示例31包括一种计算设备,该计算设备包括处理器;以及其中储存有多条指令的存储器,这些指令在由处理器执行时促使计算设备执行根据示例16-30中的任一个的方法。
示例32包括一种或多种机器可读存储介质,该机器可读存储介质包括被储存在其上的多条指令,这些指令响应于被执行而导致计算设备执行根据示例16-30中的任一个的方法。
示例33包括一种用于检测输入姿势的微运动状态的腕戴式计算设备,该腕戴式计算设备包括:用于从腕戴式计算设备的一个或多个传感器接收传感器数据的装置;用于基于接收到的传感器数据来确定针对多个微运动状态中的每一个微运动状态的当前值的装置,其中微运动状态中的每一个微运动状态指示腕戴式计算设备的与运动相关的特性;用于基于微运动状态的当前值确定多个姿势步骤中的当前姿势步骤的装置;用于将当前姿势步骤附加到所检测到的姿势步骤的序列中的装置,其中所检测到的姿势步骤的序列包括一个或多个先前检测到的姿势步骤,并且其中先前检测到的姿势步骤中的每一个姿势步骤由针对多个微运动状态中的每一个微运动状态的相关联的先前值来定义;以及用于确定所检测到的姿势步骤的序列是否匹配与输入姿势相关联的输入姿势模型的装置,其中输入姿势模型定义所要求的姿势步骤的所要求的序列。
示例34包括示例33的主题,并且其中用于确定所检测到的姿势步骤的序列是否匹配输入姿势模型的装置包括用于按顺序次序将所检测到的姿势步骤的序列中的每个检测到的姿势步骤与所要求的姿势步骤的所要求的序列中的对应的所要求的姿势步骤进行比较的装置。
示例35包括示例33和34中的任一个的主题,并且还包括用于响应于确定所检测到的姿势步骤的序列顺序地匹配所要求的姿势步骤的所要求的序列来标识输入姿势的装置。
示例36包括示例33-35中的任一个的主题,并且还包括用于响应于确定所检测到的姿势步骤的序列顺序地匹配所要求的姿势步骤的所要求的序列来向可穿戴计算设备的应用提供输入姿势的指示的装置。
示例37包括示例33-36中的任一个的主题,并且还包括用于响应于确定所检测到的姿势步骤的序列匹配多个输入姿势模型中的至少一个输入姿势模型的至少一部分来基于传感器数据确定针对多个微运动状态中的每一个微运动状态的后续值的装置;用于基于微运动状态的后续值来确定多个姿势步骤中的后续姿势步骤的装置;用于将后续姿势步骤附加到所检测到的姿势步骤的序列中以生成经更新的所检测到的姿势步骤的序列的装置;以及用于确定经更新的所检测到的姿势步骤的序列是否匹配与输入姿势相关联的输入姿势模型的装置。示例38包括示例33-37中的任一个的主题,并且还包括用于响应于确定所检测到的姿势步骤的序列不匹配多个输入姿势模型中的至少一个输入姿势模型的至少一部分来更新所检测到的姿势步骤的序列的装置,其中多个输入姿势模型中的每个输入姿势模型定义对应的所要求的姿势步骤的所要求的序列。示例39包括示例33-38中的任一个的主题,并且其中用于更新所检测到的姿势步骤的序列的装置包括用于清除所检测到的姿势步骤的序列的装置、用于仅保持所检测到的姿势步骤的序列中的最近被附加的姿势步骤的装置,或者用于从所检测到的姿势步骤的序列中移除最旧的姿势步骤的装置。
示例40包括示例33-39中的任一个的主题,并且其中用于从腕戴式计算设备的一个或多个传感器接收传感器数据的装置包括用于从腕戴式计算设备的加速度计接收传感器数据的装置。
示例41包括示例33-40中的任一个的主题,并且其中用于从腕戴式计算设备的一个或多个传感器接收传感器数据的装置包括用于从腕戴式计算设备的陀螺仪接收传感器数据的装置。
示例42包括示例33-41中的任一个的主题,并且其中用于从腕戴式计算设备的一个或多个传感器接收传感器数据的装置包括用于从腕戴式计算设备的磁力计接收传感器数据的装置。
示例43包括示例33-42中的任一个的主题,并且其中用于确定针对多个微运动状态中的每一个微运动状态的当前值的装置包括用于确定针对运动微运动状态、定向微运动状态、旋转微运动状态、线性运动微运动状态、冲击微运动状态和摇动微运动状态中的至少一者的当前值的装置。
示例44包括示例33-43中的任一个的主题,并且其中用于确定针对旋转微运动状态的当前值的装置包括用于确定针对沿x轴的第一旋转、沿y轴的第二旋转和沿z轴的第三旋转中的至少一者的当前值的装置。
示例45包括示例33-44中的任一个的主题,并且其中用于确定针对线性运动微运动状态的当前值的装置包括用于确定针对对应于x轴的第一线性运动微运动状态、对应于y轴的第二线性运动微运动状态和对应于z轴的第三线性运动微运动状态中的至少一者的当前值的装置。
示例46包括示例33-45中的任一个的主题,并且其中用于将所检测到的姿势步骤的序列中的每个姿势步骤与输入姿势模型中的每个姿势步骤进行比较的装置包括用于将所检测到的姿势步骤的序列中的每个姿势步骤与打响指输入姿势模型、正手双敲输入姿势模型、反手双敲输入姿势模型、手腕来回旋转输入姿势模型、双手拍手输入姿势模型和庆祝姿势输入姿势模型中的至少一者进行比较的装置。
示例47包括示例33-46中的任一个的主题,并且用于其中确定当前值的装置包括用于确定相对于三维轴的移动、定向、旋转和方向中的至少一者的装置。
Claims (25)
1.一种用于检测输入姿势的微运动状态的腕戴式计算设备,所述腕戴式计算设备包括:
微运动检测模块,所述微运动检测模块用于(i)从所述腕戴式计算设备的一个或多个传感器接收传感器数据,(ii)基于接收到的传感器数据来确定针对多个微运动状态中的每一个微运动状态的当前值,其中所述微运动状态中的每一个微运动状态指示所述腕戴式计算设备的与运动相关的特性,其中确定针对多个微运动状态中的每一个微运动状态的当前值包括针对所述多个微运动状态中的每一个微运动状态,将相应的微运动状态分类到多个预定义微运动状态值中的一个,其中所述多个微运动状态包括线性运动微运动状态,(iii)基于所述微运动状态的当前值确定多个姿势步骤中的当前姿势步骤,以及(iv)将所述当前姿势步骤附加到所检测到的姿势步骤的序列中,其中所检测到的姿势步骤的序列包括一个或多个先前检测到的姿势步骤,并且其中所述先前检测到的姿势步骤中的每一个姿势步骤由针对所述多个微运动状态中的每一个微运动状态的相关联的先前值来定义;以及
输入姿势识别模块,所述输入姿势识别模块用于确定所检测到的姿势步骤的序列是否匹配与输入姿势相关联的输入姿势模型,其中所述输入姿势模型定义所要求的姿势步骤的所要求的序列。
2.根据权利要求1所述的腕戴式计算设备,其特征在于,确定所检测到的姿势步骤的序列是否匹配所述输入姿势模型包括:按顺序次序将所检测到的姿势步骤的序列中的每个检测到的姿势步骤与所要求的姿势步骤的所要求的序列中的对应的所要求的姿势步骤进行比较。
3.根据权利要求2所述的腕戴式计算设备,其特征在于,所述输入姿势识别模块还用于响应于确定所检测到的姿势步骤的序列顺序地匹配所要求的姿势步骤的所要求的序列来标识所述输入姿势。
4.根据权利要求3所述的腕戴式计算设备,其特征在于,所述输入姿势识别模块还用于响应于确定所检测到的姿势步骤的序列顺序地匹配所要求的姿势步骤的所要求的序列来向所述腕戴式计算设备的应用提供所述输入姿势的指示。
5.根据权利要求1所述的腕戴式计算设备,其特征在于,所述微运动检测模块还用于(i)响应于由所述输入姿势识别模块确定所检测到的姿势步骤的序列匹配多个输入姿势模型中的至少一个输入姿势模型的至少一部分来基于所述传感器数据确定针对所述多个微运动状态中的每一个微运动状态的后续值,(ii)基于所述微运动状态的后续值来确定所述多个姿势步骤中的后续姿势步骤,(iii)将所述后续姿势步骤附加到所检测到的姿势步骤的序列中以生成经更新的所检测到的姿势步骤的序列,并且
其中所述输入姿势识别模块还用于确定经更新所检测到的姿势步骤的序列是否匹配与所述输入姿势相关联的所述输入姿势模型。
6.根据权利要求1所述的腕戴式计算设备,其特征在于,所述微运动检测模块还用于响应于由所述输入姿势识别模块确定所检测到的姿势步骤的序列不匹配多个输入姿势模型中的至少一个输入姿势模型的至少一部分来更新所检测到的姿势步骤的序列,其中所述多个输入姿势模型中的每个输入姿势模型定义对应的所要求的姿势步骤的所要求的序列。
7.根据权利要求6所述的腕戴式计算设备,其特征在于,更新所检测到的姿势步骤的序列包括清除所检测到的姿势步骤的序列、仅保持所检测到的姿势步骤的序列中的最近被附加的姿势步骤,或者从所检测到的姿势步骤的序列中移除最旧的姿势步骤。
8.根据权利要求1所述的腕戴式计算设备,其特征在于,从所述腕戴式计算设备的一个或多个传感器接收传感器数据包括从所述腕戴式计算设备的加速度计、所述腕戴式计算设备的陀螺仪以及所述腕戴式计算设备的磁力计中的至少一者接收所述传感器数据。
9.根据权利要求1所述的腕戴式计算设备,其特征在于,确定针对所述多个微运动状态中的每一个微运动状态的当前值包括确定针对运动微运动状态、定向微运动状态、旋转微运动状态、线性运动微运动状态、冲击微运动状态和摇动微运动状态中的至少一者的当前值。
10.根据权利要求9所述的腕戴式计算设备,其特征在于,确定针对所述旋转微运动状态的当前值包括确定针对沿x轴的第一旋转、沿y轴的第二旋转和沿z轴的第三旋转中的至少一者的当前值。
11.根据权利要求9所述的腕戴式计算设备,其特征在于,确定针对所述线性运动微运动状态的当前值包括确定针对对应于x轴的第一线性运动微运动状态、对应于y轴的第二线性运动微运动状态和对应于z轴的第三线性运动微运动状态中的至少一者的当前值。
12.根据权利要求1所述的腕戴式计算设备,其特征在于,确定所述当前值包括确定相对于三维轴的移动、定向、旋转和方向中的至少一者。
13.一种用于检测输入姿势的微运动状态的腕戴式计算设备,所述腕戴式计算设备包括:
用于从所述腕戴式计算设备的一个或多个传感器接收传感器数据的装置;
用于基于所述接收到的传感器数据来确定针对多个微运动状态中的每一个微运动状态的当前值的装置,其中所述微运动状态中的每一个微运动状态指示所述腕戴式计算设备的与运动相关的特性,其中用于确定针对多个微运动状态中的每一个微运动状态的当前值的装置包括用于针对所述多个微运动状态中的每一个微运动状态,将相应的微运动状态分类到多个预定义微运动状态值中的一个的装置,其中所述多个微运动状态包括线性运动微运动状态;
用于基于所述微运动状态的当前值确定多个姿势步骤中的当前姿势步骤的装置;
用于将所述当前姿势步骤附加到所检测到的姿势步骤的序列中的装置,其中所检测到的姿势步骤的序列包括一个或多个先前检测到的姿势步骤,并且其中所述先前检测到的姿势步骤中的每一个姿势步骤由针对所述多个微运动状态中的每一个微运动状态的相关联的先前值来定义;以及
用于确定所检测到的姿势步骤的序列是否匹配与输入姿势相关联的输入姿势模型的装置,其中所述输入姿势模型定义所要求的姿势步骤的所要求的序列。
14.根据权利要求13所述的腕戴式计算设备,其特征在于,用于确定所检测到的姿势步骤的序列是否匹配所述输入姿势模型的装置包括用于按顺序次序将所检测到的姿势步骤的序列中的每个检测到的姿势步骤与所要求的姿势步骤的所要求的序列中的对应的所要求的姿势步骤进行比较的装置。
15.根据权利要求14所述的腕戴式计算设备,其特征在于,还包括用于响应于确定所检测到的姿势步骤的序列顺序地匹配所要求的姿势步骤的所要求的序列来标识所述输入姿势的装置。
16.根据权利要求15所述的腕戴式计算设备,其特征在于,还包括用于响应于确定所检测到的姿势步骤的序列顺序地匹配所要求的姿势步骤的所要求的序列来向所述腕戴式计算设备的应用提供所述输入姿势的指示的装置。
17.根据权利要求13所述的腕戴式计算设备,其特征在于,还包括响应于确定所检测到的姿势步骤的序列匹配多个输入姿势模型中的至少一个输入姿势模型的至少一部分:
用于基于所述传感器数据确定针对所述多个微运动状态中的每一个微运动状态的后续值的装置;
用于基于所述微运动状态的后续值来确定所述多个姿势步骤中的后续姿势步骤的装置;
用于将所述后续姿势步骤附加到所检测到的姿势步骤的序列中以生成经更新的所检测到的姿势步骤的序列的装置;以及
用于确定所述的经更新的所检测到的姿势步骤的序列是否匹配与所述输入姿势相关联的所述输入姿势模型的装置。
18.根据权利要求13所述的腕戴式计算设备,其特征在于,还包括用于响应于确定所检测到的姿势步骤的序列不匹配多个输入姿势模型中的至少一个输入姿势模型的至少一部分来更新所检测到的姿势步骤的序列的装置,其中所述多个输入姿势模型中的每个输入姿势模型定义对应的所要求的姿势步骤的所要求的序列。
19.根据权利要求18所述的腕戴式计算设备,其特征在于,用于更新所检测到的姿势步骤的序列的装置包括用于清除所检测到的姿势步骤的序列的装置、用于仅保持所检测到的姿势步骤的序列中的最近被附加的姿势步骤的装置,或者用于从所检测到的姿势步骤的序列中移除最旧的姿势步骤的装置。
20.根据权利要求13所述的腕戴式计算设备,其特征在于,用于从所述腕戴式计算设备的一个或多个传感器接收所述传感器数据的装置包括用于从所述腕戴式计算设备的加速度计、所述腕戴式计算设备的陀螺仪以及所述腕戴式计算设备的磁力计中的至少一者接收所述传感器数据的装置。
21.根据权利要求13所述的腕戴式计算设备,其特征在于,用于确定针对所述多个微运动状态中的每一个微运动状态的当前值的装置包括用于确定针对运动微运动状态、定向微运动状态、旋转微运动状态、线性运动微运动状态、冲击微运动状态和摇动微运动状态中的至少一者的当前值的装置。
22.根据权利要求21所述的腕戴式计算设备,其特征在于,用于确定针对所述旋转微运动状态的当前值的装置包括用于确定针对沿x轴的第一旋转、沿y轴的第二旋转和沿z轴的第三旋转中的至少一者的当前值的装置。
23.根据权利要求21所述的腕戴式计算设备,其特征在于,用于确定针对所述线性运动微运动状态的当前值的装置包括用于确定针对对应于x轴的第一线性运动微运动状态、对应于y轴的第二线性运动微运动状态和对应于z轴的第三线性运动微运动状态中的至少一者的当前值的装置。
24.根据权利要求13所述的腕戴式计算设备,其特征在于,用于将所检测到的姿势步骤的序列中的每个姿势步骤与所述输入姿势模型中的每个姿势步骤进行比较的装置包括用于将所检测到的姿势步骤的序列中的每个姿势步骤与打响指输入姿势模型、正手双敲输入姿势模型、反手双敲输入姿势模型、手腕来回旋转输入姿势模型、双手拍手输入姿势模型和庆祝姿势输入姿势模型中的至少一者进行比较的装置。
25.根据权利要求13所述的腕戴式计算设备,其特征在于,用于其中确定所述当前值的装置包括用于确定相对于三维轴的移动、定向、旋转和方向中的至少一者的装置。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/CN2015/082551 WO2016206117A1 (en) | 2015-06-26 | 2015-06-26 | Technologies for micro-motion-based input gesture control of wearable computing devices |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108027643A CN108027643A (zh) | 2018-05-11 |
CN108027643B true CN108027643B (zh) | 2021-11-02 |
Family
ID=57584598
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201580080425.0A Active CN108027643B (zh) | 2015-06-26 | 2015-06-26 | 用于可穿戴计算设备的基于微运动的输入姿势控制的方法、设备和装置 |
Country Status (6)
Country | Link |
---|---|
US (1) | US10585489B2 (zh) |
EP (1) | EP3314368A4 (zh) |
JP (1) | JP6640249B2 (zh) |
KR (1) | KR102492724B1 (zh) |
CN (1) | CN108027643B (zh) |
WO (1) | WO2016206117A1 (zh) |
Families Citing this family (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9939908B2 (en) * | 2015-09-28 | 2018-04-10 | Paypal, Inc. | Multi-device authentication |
CN105467852A (zh) * | 2015-12-29 | 2016-04-06 | 惠州Tcl移动通信有限公司 | 一种基于智能手表的智能家居控制方法及智能手表 |
US10503968B2 (en) | 2016-03-22 | 2019-12-10 | Intel Corporation | Identifying a local coordinate system for gesture recognition |
US10852920B2 (en) * | 2016-06-30 | 2020-12-01 | Wipro Limited | Method and system for automating execution of processes |
EP3496608A4 (en) * | 2016-08-15 | 2020-03-18 | Georgia Tech Research Corporation | ELECTRONIC DEVICE AND ITS CONTROL METHOD |
GB2574786B (en) * | 2017-10-12 | 2020-12-02 | Wexler David | Electronic body percussion |
US11195000B2 (en) * | 2018-02-13 | 2021-12-07 | FLIR Belgium BVBA | Swipe gesture detection systems and methods |
US11422692B2 (en) * | 2018-09-28 | 2022-08-23 | Apple Inc. | System and method of controlling devices using motion gestures |
US11256822B2 (en) | 2019-07-22 | 2022-02-22 | Whitestar Communications, Inc. | Systems and methods of gesture triggered automatic erasure on a private network |
USD917940S1 (en) | 2019-07-24 | 2021-05-04 | Norm, Inc. | Table |
US11445816B2 (en) | 2019-07-24 | 2022-09-20 | Norm, Inc. | Table with one or more tap gesture-activated light indicators |
US11457861B1 (en) | 2019-12-31 | 2022-10-04 | Express Scripts Strategic Development, Inc. | Systems and methods for using wearable computing devices to detect gestures of patient prescription adherence |
CN112817443A (zh) * | 2021-01-22 | 2021-05-18 | 歌尔科技有限公司 | 基于手势的显示界面控制方法、装置、设备及存储介质 |
WO2023034631A1 (en) * | 2021-09-03 | 2023-03-09 | Meta Platforms Technologies, Llc | Systems for interpreting a digit-to-digit gesture by a user differently based on roll values of a wrist- wearable device worn by the user, and methods of use thereof |
US12093464B2 (en) | 2021-09-03 | 2024-09-17 | Meta Platforms Technologies, Llc | Systems for interpreting a digit-to-digit gesture by a user differently based on roll values of a wrist-wearable device worn by the user, and methods of use thereof |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102227616A (zh) * | 2009-05-27 | 2011-10-26 | 松下电器产业株式会社 | 行为识别装置 |
CN103765348A (zh) * | 2011-08-24 | 2014-04-30 | 微软公司 | 用于移动设备的基于姿势的输入模式选择 |
CN104616336A (zh) * | 2015-02-26 | 2015-05-13 | 苏州大学 | 一种动画构建方法及装置 |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050212760A1 (en) * | 2004-03-23 | 2005-09-29 | Marvit David L | Gesture based user interface supporting preexisting symbols |
KR100853605B1 (ko) * | 2004-03-23 | 2008-08-22 | 후지쯔 가부시끼가이샤 | 핸드헬드 장치에서의 경사 및 평행 이동 운동 성분들의구별 |
US20080136679A1 (en) | 2006-12-06 | 2008-06-12 | Newman Mark W | Using sequential taps to enter text |
US8565535B2 (en) * | 2007-08-20 | 2013-10-22 | Qualcomm Incorporated | Rejecting out-of-vocabulary words |
US20120313847A1 (en) | 2011-06-09 | 2012-12-13 | Nokia Corporation | Method and apparatus for contextual gesture recognition |
US20130147701A1 (en) | 2011-12-13 | 2013-06-13 | Research In Motion Limited | Methods and devices for identifying a gesture |
JP6225612B2 (ja) | 2013-09-30 | 2017-11-08 | 富士通株式会社 | プログラム、情報処理装置、および方法 |
US9971412B2 (en) | 2013-12-20 | 2018-05-15 | Lenovo (Singapore) Pte. Ltd. | Enabling device features according to gesture input |
US20160059120A1 (en) * | 2014-08-28 | 2016-03-03 | Aquimo, Llc | Method of using motion states of a control device for control of a system |
-
2015
- 2015-06-26 EP EP15896013.8A patent/EP3314368A4/en not_active Withdrawn
- 2015-06-26 KR KR1020187002078A patent/KR102492724B1/ko active IP Right Grant
- 2015-06-26 US US15/576,493 patent/US10585489B2/en active Active
- 2015-06-26 CN CN201580080425.0A patent/CN108027643B/zh active Active
- 2015-06-26 JP JP2017560749A patent/JP6640249B2/ja active Active
- 2015-06-26 WO PCT/CN2015/082551 patent/WO2016206117A1/en active Application Filing
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102227616A (zh) * | 2009-05-27 | 2011-10-26 | 松下电器产业株式会社 | 行为识别装置 |
CN103765348A (zh) * | 2011-08-24 | 2014-04-30 | 微软公司 | 用于移动设备的基于姿势的输入模式选择 |
CN104616336A (zh) * | 2015-02-26 | 2015-05-13 | 苏州大学 | 一种动画构建方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
JP6640249B2 (ja) | 2020-02-05 |
WO2016206117A1 (en) | 2016-12-29 |
EP3314368A1 (en) | 2018-05-02 |
KR20180020262A (ko) | 2018-02-27 |
KR102492724B1 (ko) | 2023-01-27 |
US20180164892A1 (en) | 2018-06-14 |
US10585489B2 (en) | 2020-03-10 |
CN108027643A (zh) | 2018-05-11 |
JP2018523200A (ja) | 2018-08-16 |
EP3314368A4 (en) | 2019-01-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108027643B (zh) | 用于可穿戴计算设备的基于微运动的输入姿势控制的方法、设备和装置 | |
US11281262B2 (en) | Detecting a gesture made by a person wearing a wearable electronic device | |
CN107667328B (zh) | 用于在增强和/或虚拟现实环境中跟踪手持设备的系统 | |
US20210014617A1 (en) | Detecting Use of a Wearable Device | |
US10083544B2 (en) | System for tracking a handheld device in virtual reality | |
JP6064280B2 (ja) | ジェスチャを認識するためのシステムおよび方法 | |
US9235278B1 (en) | Machine-learning based tap detection | |
US9459698B2 (en) | Gesture based power management system and method | |
CN114167984A (zh) | 设备控制方法、装置、存储介质及电子设备 | |
US10551195B2 (en) | Portable device with improved sensor position change detection | |
US20220407550A1 (en) | Smart ring | |
JP6891891B2 (ja) | 情報処理装置 | |
JP2010086367A (ja) | 位置情報入力装置、位置情報入力方法、プログラム、情報処理システム、及び電子装置 | |
US20170199578A1 (en) | Gesture control method for interacting with a mobile or wearable device | |
CN104615275B (zh) | 文字输入方法和装置 | |
CN104216519A (zh) | 主导肢体识别方法和设备 | |
CN118012273B (zh) | 一种基于x轴为最活跃轴的控制智能手表的方法和装置 | |
CN118070084A (zh) | 肺音分割方法、肺音分类方法、装置及存储介质 | |
WO2024042502A1 (en) | Improved smart ring | |
EP2975493A1 (en) | Angle-based item determination methods and systems | |
KR20200046764A (ko) | 제스처 인식 장치 및 방법 | |
WO2017013805A1 (ja) | 入力装置、入力支援方法および入力支援プログラム | |
CN118363453A (zh) | 控制系统和控制方法 | |
JP2019209566A (ja) | 送受信システム | |
JP2019211948A (ja) | 筆記具側装置 |
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 |