CN108195395A - 移动终端及其计步方法、存储装置 - Google Patents
移动终端及其计步方法、存储装置 Download PDFInfo
- Publication number
- CN108195395A CN108195395A CN201711153678.3A CN201711153678A CN108195395A CN 108195395 A CN108195395 A CN 108195395A CN 201711153678 A CN201711153678 A CN 201711153678A CN 108195395 A CN108195395 A CN 108195395A
- Authority
- CN
- China
- Prior art keywords
- data
- user
- step number
- extreme value
- behavioral data
- 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
Links
Classifications
-
- 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
Abstract
本发明公开了一种移动终端的计步方法,该计步方法包括:检测并记录用户的行为数据;获取用户在预定步数下的步频数据;根据用户在预定步数下的步频数据对当前已记录的行为数据进行滤波处理;根据滤波处理后的当前已记录的行为数据获取用户当前已运动的步数和当前步频数据;其中,当前步频数据用于对下一次记录的用户的行为数据进行滤波并根据滤波后的数据进行计步。本发明还公开了一种移动终端和一种存储装置。通过上述方式,本发明能够在保证移动终端计步的准确性的情况下降低移动终端计步时的功耗。
Description
技术领域
本发明涉及电子设备领域,特别是涉及移动终端及其计步方法、存储装置。
背景技术
随着社会不断地进步和发展,人们的生活观念和需求也不断地发生变化,越来越关注自身健康,而随着移动互联网和智能硬件的不断升级优化,监测运动健康的移动终端大量出现,在社交软件上晒运动数据成为一种时尚。
目前的智能手机等移动终端能够统计用户在运动时的步数,但是目前的移动终端的计步方法计步准确性和续航能力较差。具体而言,现有的一种移动终端的计步方法是将检测到的用户行走时的实时行为数据直接通过高通滤波器和低通滤波器滤除干扰数据,容易滤掉有效数据和/或保留干扰数据,进而出现误计步情况;另一种是通过傅里叶变换将时域上的数据转换到频域上进行计算,虽然能够在一定程度上保证计步的准确性,但是这种计算方法不仅需要较大的数据量作为缓存,而且会增加计算量,耗费的硬件资源较大,造成移动终端耗电量大。
发明内容
本发明主要解决的技术问题是提供一种移动终端及其计步方法、存储装置,能够在保证移动终端计步的准确性的情况下降低移动终端计步时的功耗。
为解决上述技术问题,本发明采用的一个技术方案是:提供一种计步方法,该方法包括:检测并记录用户的行为数据;获取用户在预定步数下的步频数据;根据用户在预定步数下的步频数据对当前已记录的行为数据进行滤波处理;根据滤波处理后的当前已记录的行为数据获取用户当前已运动的步数和当前步频数据,其中,当前步频数据用于对下一次记录的用户的行为数据进行滤波并根据滤波后的数据进行计步。
为解决上述技术问题,本发明采用的另一个技术方案是:提供一种移动终端,该移动终端包括处理器和与该处理器连接的存储器,存储器用于存储计算机程序,处理器用于调用计算机程序以执行上述方法。
为解决上述技术问题,本发明采用的又一个技术方案是:提供一种存储装置,该存储装置可以存储计算机程序,该计算机程序能够被执行以实现上述方法。
本发明的有益效果是:区别于现有技术的情况,本发明检测并记录用户的行为数据;获取用户在预定步数下的步频数据;根据用户在预定步数下的步频数据对当前已记录的行为数据进行滤波处理;根据滤波处理后的当前已记录的行为数据获取用户当前已运动的步数和当前步频数据;其中,当前步频数据用于对下一次记录的用户的行为数据进行滤波并根据滤波后的数据进行计步。通过上述方式,本发明计步方法能够根据用户在预定步数下的步频数据对用户的实时行为数据进行滤波,由于能够根据用户的步频数据对进行滤波,因此不会出现滤掉有效数据或保留干扰数据的情况,进而提高了移动终端计步的准确性;进一步地,本发明计步方法仅需根据用户在预定步数下的步频数据对当前已记录的行为数据进行滤波处理,并根据滤波处理后的当前已记录的行为数据获取用户当前已运动的步数,不需要大的数据量作为缓存,运算量小,因此,能够在保证移动终端计步的准确性的情况下降低移动终端计步时的功耗。
附图说明
图1是本发明实施例移动终端的计步方法的流程示意图;
图2是本发明实施例的一种数据波形的示意图;
图3是本发明实施例移动终端的硬件结构示意图;
图4是本发明实施例存储装置的示意图。
具体实施方式
为使本发明的上述目的、特征和优点能够更为明显易懂,下面结合附图,对本发明的具体实施方式做详细的说明。可以理解的是,此处所描述的具体实施例仅用于解释本发明,而非对本发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本发明相关的部分而非全部结构。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
本发明中的术语“第一”、“第二”等是用于区别不同对象,而不是用于描述特定顺序。此外,术语“包括”和“具有”以及它们任何变形,意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元,而是可选地还包括没有列出的步骤或单元,或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。
在本文中提及“实施例”意味着,结合实施例描述的特定特征、结构或特性可以包含在本发明的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例,也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是,本文所描述的实施例可以与其它实施例相结合。
请参阅图1,图1是本发明实施例移动终端的计步方法的流程示意图。
在本实施例中,该移动终端的计步方法可以包括以下步骤:
步骤S11、检测并记录用户的行为数据。
可选地,在本实施例中,利用移动终端检测并记录用户的行为数据,该移动终端可以为智能手机、可穿戴式智能设备、平板电脑,其中,可穿戴式智能设备可以为智能手表、智能眼镜等,在其他实施例中,移动终端也可以为其他可移动的便携智能终端设备。
例如,移动终端携带于用户的身上,随用户的运动而运动。一种情况下,当移动终端为智能手表时,用户可以将移动终端戴在手腕上或者放在口袋中,用户在进行某些行为时,用户的行为过程中带动移动终端运动,移动终端检测到这些行为并记录用户的行为数据。用户的行为可以为走路、跑步、鼓掌、骑车、游泳、敲键盘、水平摆动以及垂直摆动等。
具体而言,检测并记录用户的行为数据可以包括:移动终端的处理器控制传感器检测用户的行为数据,处理器读取传感器检测的用户的行为数据并将用户的行为数据存储于存储器中。读取传感器检测的用户的行为数据后,可以将用户的行为数据缓存至掉电易失性存储器,也可以是存储至非掉电易失性存储器,本发明实施例对此不做限定。处理器可以读取缓存的一段时间内传感器检测的数据,例如读取一段时间内缓存的用户行为数据。
在一种实施例中,传感器可以为加速度传感器。例如,加速度传感器可以为三轴加速度传感器。相应的用户的行为数据可以是三轴加速度传感器检测的至少一个轴检测的加速度数据。
在另一实施例中,传感器可以包括加速度传感器、角度传感器、陀螺仪、高度传感器以及位置传感器至少一者。相应的用户的行为数据可以包括加速度传感器检测的加速度数据、陀螺仪检测的角度和方位数据、高度传感器检测的海拔高度数据(例如高度传感器可以为气压计)、位置传感器检测的位置数据。可以采用加速度数据结合其他传感器检测的数据进行更准确的计步。
可选地,在一实施例中,检测用户的行为数据可以为移动终端的处理器控制传感器以预定采样频率检测用户的行为数据。该预定采样频率可以为10Hz至30Hz之间的任一值。例如,在一个实施例中,该预定采样频率可以为10Hz、20Hz或者30Hz。
可选地,在其它实施例中,检测用户的行为数据可以包括:处理器根据步频数据确定采样频率;处理器控制传感器以该采样频率检测用户的行为数据。
例如,处理器根据第一时间段传感器检测的用户行为数据获取用户在第一时间段内的步频数据,第一时间段内的用户行为数据对应的波形中极值的数量为a,第一时间段的长度为T,则步频为T/a,处理器根据第一时间段的用户行为数据,分析第一时间段的用户行为数据对应的波形,并获取波形中的极值点的数量a,根据公式T/a获取步频数据。其中,极值点是波峰或者波谷。应理解,极值点要么是波峰,要么是波谷,而不能是部分极值点是波峰,另一部分极值点是波谷。例如,当极值点指的波峰时,处理器分析波形中波峰的数量,而不计波谷的数量;类似地,当极值点指波谷时,处理器分析波形中波谷的数量,而不计波峰的数量。
承前所述,随后,处理器根据第一时间段内的步频数据获取采样频率。处理器在判断到步频数据表征的用户步频较快时,控制传感器在第二时间段以较大的采样频率检测用户的行为数据;处理器在判断到步频数据表征的用户步频较慢时,控制传感器在第二时间段以较低采样频率检测用户的行为数据。第二时间段在第一时间段之后,应理解,第二时间段为可以紧随第一时间段之后时间段,也可以是第一时间段和第二时间段为两个彼此间隔的时间段。
在其他实施例中,处理器可以获取当前时间,然后根据当前时间从预先存储时间与采样频率对应关系表获取对应的采样频率,然后处理器根据获取的采样频率控制传感器以该采样频率对用户的行为数据进行检测。
例如,预先存储的时间与采样频率对应关系表为处理器根据以往检测的不同时间段的用户的步频数据进行设定的不同采样频率,根据这种一一对应的关系,生成时间与采样频率对应关系表并进行存储,其中,步频数据所表征的用户的步频越快则设定的采样频率越快。
步骤S12、获取用户在预定步数下的步频数据。
可选地,在获取用户在预定步数下的步频数据的步骤之前,该计步方法可以进一步包括:根据已记录的用户的行为数据判断用户的行为是否为预设行为,在判断到用户的行为为预设行为时执行获取用户在预定步数下的步频数据的步骤,在判断到用户的行为不是预设行为时不执行获取用户在预定步数下的步频数据以及之后的步骤。
如前所述,用户的行为可以为走路、跑步、鼓掌、骑车、游泳、敲键盘、水平摆动、垂直摆动等,从用户的上述行为筛选出预设行为,以防止误计步。可选地,该预设行为可以为用户走路、跑步、骑车或者游泳。
可选地,在一实施例中,根据已记录的用户的行为数据判断该行为是否为预设行为可以包括:处理器根据已记录的用户的行为数据的均值和/或方差判断该行为是否为预设行为。
例如,处理器预先根据各种已知非预设行为的行为数据计算已知非预设行为的行为数据的平均值和方差,根据平均值和方差计算各种已知非预设行为的动态阈值范围。
例如,在用户鼓掌时,检测并记录用户的鼓掌行为数据,计算鼓掌行为数据的平均值和方差,根据鼓掌行为数据的平均值和方差计算鼓掌行为的动态阈值范围。可以理解,敲键盘行为、水平摆动行为、垂直摆动行为对应的动态阈值范围的确定方式类似,此处不再赘述。
处理器在根据已记录的用户的行为数据的均值和/或方差判断该行为是否为预设行为具体可以为:判断用户的行为数据中的特征值是否在上述的某种已知非预设行为的动态阈值范围内,若用户的行为数据中的特征值在上述的任意一种已知非预设行为的动态阈值范围内,则处理器产生该行为不是预设行为的判断结果,反之,若用户的行为数据中的特征值不在上述任何一种已知非预设行为的动态范围内,则处理器产生该行为是预设行为的判断结果。
可选地,获取用户在预定步数下的步频数据可以包括:处理器根据预定步数内记录的行为数据获取预定步数下的步频数据。
例如,处理器根据用户的行为数据获取用户的步数,并进行计步,在计步到达预定步数时,根据预定步数b和预定步数经历的时长t1,计算用户的步频t1/b。可选地,预定步数可以为10步。在其他实施例中,预定步数可以为其他的数值,例如,预定步数可以为20步以内的步数。本发明实施例对此不做限定。
处理器根据用户的行为数据获取用户的步数具体可以为:处理器根据用户的行为数据获取对应的波形,计算波形中极值点的数量以获取步数。
可选地,在获取波形之前可以对用户的行为数据进行滤波处理。例如,该滤波处理可以由传感器自带的滤波器实现,即传感器对检测到用户行为数据进行滤波处理,而处理器读取到的是经过传感器滤波处理后的用户的行为数据。再例如,该滤波处理可以由传感器直接滤除白噪声或者高频信号,由于步数较少数据量小,可以快速的实现。当然,此处的滤波处理也可以由处理器实现,处理器执行相应的能够滤除白噪声或者高频信号的滤波算法以对用户行为数据进行滤波处理。
在其他实施例中,获取用户在预定步数下的步频数据可以包括:处理器获取存储器中预存的用户在预定步数下的步频数据。例如,该预存的步频数据为预先根据以往的用户行为数据计算得到的,具体如何计算请参见上文的描述,此处不再赘述。在一种情况下,可以针对不同时间段用户的步频的不同,预先存储时间段和步频数据的对应关系表,在这种情况下,获取用户在预定步数下的步频数据具体可以为:获取当前时间,根据当前时间在预存的时间段和步频数据的对应关系表中获取对应的步频数据。
步骤S13:根据用户在预定步数下的步频数据对当前已记录的行为数据进行滤波处理。
在本实施例中,根据用户在预定步数下的步频数据对当前已记录的行为数据进行滤波处理可以包括:在超出预定步数时根据用户在预定步数下的步频数据对当前已记录的行为数据进行滤波处理。例如,预定步数为10步的情况下,仅在超出10步时才进行后续的正式计步,例如,从第11步开始,启动重新计步,通过前10步的用户行为数据获取滤波所需的用户的步频数据,对10步以后计步所需的用户行为数据进行滤波。
在本实施例中,根据用户在预定步数下的步频数据对当前已记录的行为数据进行滤波处理可以包括:根据用户在预定步数下的步频数据f获取截止频率数据ωn,可选地,可以将预定步数下的步频数据f加一预定值得到截止频率数据,例如,预定值为1,ωn=f+1;根据截止频率数据ωn对当前已记录的行为数据进行滤波处理。
若直接将预定步数下的步频数据当作截止频率数据,则容易滤去有效的步频数据,进而使得到的步数不准确,而通过利用预定步数下的步频数据加一预定值获取截止频率数据,可避免将有效的步频数据滤去,使得最终得到的步数更为准确。
可选地,根据截止频率数据对当前已记录的行为数据进行滤波处理可以包括:
根据截止频率数据ωn获取滤波器系数a和b。
例如,可以根据butter函数筛选出滤波器系数a和b,butter函数可以是[b,a]=butter(n,ωn,’ftype’)。n为滤波器阶数,’ftype’的取值可以为’high’、’low’或者’stop’,若选用高通滤波器则可以设定’ftype’取值为’high’,若选用低通滤波器则可以设定’ftype’取值为’low’,若选用带阻滤波器则可以设定’ftype’取值为’stop’。a和b可以为长度n+1的行向量和用于保存滤波器系数。例如,当选取滤波器阶数为2时,根据butter函数筛选出的滤波器系数a和b分别为
根据滤波器系数和滤波器函数对当前已记录的行为数据进行滤波处理。
例如,滤波器函数可以为
在一种实施例中,选取滤波器阶数为2时,滤波器函数可以为:
根据公式(2)所示的滤波器函数对当前已记录的行为数据进行滤波处理。
在其他实施例中,根据用户在预定步数下的步频数据对当前已记录的行为数据进行滤波处理可以包括以下步骤:根据用户在预定步数下的步频数据获取通带阈值,根据通带阈值将在通带阈值限定的范围内的行为数据保留,将在通带阈值限定的范围之外的行为数据剔除。
步骤S14:根据滤波处理后的当前已记录的行为数据获取用户当前已运动的步数和当前步频数据。
可选地,根据滤波处理后的当前已记录的行为数据获取用户当前已运动的步数可以包括:根据滤波处理后的当前已记录的行为数据获取有效极值;根据有效极值的数量获取用户当前已运动的步数;其中,极值为波峰或者波谷。
应理解,在本实施例中,极值要么是波峰,要么是波谷,而不能是部分极值是波峰,另一部分极值是波谷。例如,当极值为波峰时,处理器分析波形中波峰的数量,而不计波谷的数量;类似地,当极值点指波谷时,处理器分析波形中波谷的数量,而不计波峰的数量。
可选地,根据滤波处理后的当前已记录的行为数据获取有效极值可以包括:根据滤波处理后的当前已记录的行为数据获取数据波形;获取数据波形的一极值;判断数据波形在与极值相隔预设时间的范围内是否有相邻极值;在判断到数据波形在与极值相隔预设时间的范围内没有相邻极值时,将极值作为有效极值;在判断到数据波形在与极值相隔预设时间的范围内有相邻极值时,将极值和相邻极值中的幅度最大的极值作为有效极值。
下面以极值为波峰为例进行说明。
根据数据波形获取有效极值可以通过波形检峰的方式实现。请参阅图2,图2是本发明实施例的一种数据波形的示意图。处理器检测数据波形中的有效波峰数量。
在本实施例中,在进行波形检峰时,可以去除伪波峰。例如,根据数据波形获取有效波峰可以包括:获取数据波形的一波峰;判断数据波形在与波峰所对应的时间相隔预设时间的范围内是否有相邻波峰;在判断到数据波形在与波峰所对应的时间相隔预设时间的范围内没有相邻波峰时,将该波峰作为有效波峰;在判断到数据波形在与波峰所对应的时间相隔预设时间的范围内有相邻波峰时,将该波峰和相邻波峰中的幅度最大的波峰作为有效波峰。
例如,如图2所示,当处理器检测到波峰d1时,处理器获取该波峰d1对应的时间t1,处理器判断在与波峰所对应的时间相隔第一预设时间的范围[t1-a1,t1+a1]内是否还有其它波峰(a1为上述的第一预设时间),时段t1-a1至t1+a1之间没有其它波峰,处理器判断到时段[t1-a1,t1+a1]之间没有其它波峰,并将该波峰确定为有效波峰;处理器继续检测下一波峰,当处理器检测到波峰d2时,处理器获取波峰d2对应的时间t2,处理器判断在与波峰所对应的时间相隔第二预设时间的范围[t2-a2,t2+a2]内是否还有其它波峰(a2为上述的第二预设时间,a1和a2的值可以相同,也可以不同),时段[t2-a2,t2+a2]之间有波峰d3和波峰d4,且波峰d2、波峰d3以及波峰d4三者中幅值最大的波峰为波峰d3,因此处理器是将波峰d3确定为有效波峰。
将有效波峰的数量作为用户已运动的步数。
不难理解,在极值为波谷时,情况类似,此处不再赘述。
根据滤波处理后的当前已记录的行为数据获取用户当前步频数据可以包括:根据前面获取的用户已运动的步数和用户运动这些步数经历的时长计算当前步频数据。具体可以是,经历的时长除以用户已运动的步数得到的商值即为当前步频数据。
其中,当前步频数据用于对下一次记录的用户的行为数据进行滤波并根据滤波后的数据进行计步。在下一次记录用户的行为数据完成时,可以根据当前步频数据对下一次记录的用户的行为数据进行滤波并根据滤波后的数据进行计步。具体如何实现,请参见上文实施例中关于“根据预定步数下的步频数据对用户的行为数据进行滤波和根据滤波后的数据获取用户已运动的步数”的具体描述,原理与之类似,此处不再赘述。
请参阅图3,图3是本发明实施例移动终端的硬件结构示意图。在本实施例中,移动终端20包括处理器21、总线22、与处理器21通过总线22连接的存储器23和传感器24,存储器23用于存储计算机程序,处理器21用于调用计算机程序以执行上述任意一实施例的移动终端的计步方法。
传感器24可以是加速度传感器。例如,三轴加速度传感器。在其他实施例中,传感器24还可以包括陀螺仪、高度传感器以及位置传感器中的至少一者,传感器24具体功能的说明请参见任意一实施例中的描述,此处不再赘述。
请参阅图4,图4是本发明实施例存储装置的示意图。在本实施例中,存储装置30存储有计算机程序,该计算机程序能够被执行以实现上述任意一实施例的移动终端的控制方法。
可选地,存储装置30可以为U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
可选地,该存储装置30还可以为上述实施例中的存储器23。
区别于现有技术的情况,本发明检测并记录用户的行为数据;获取用户在预定步数下的步频数据;根据用户在预定步数下的步频数据对当前已记录的行为数据进行滤波处理;根据滤波处理后的当前已记录的行为数据获取用户当前已运动的步数和当前步频数据;其中,当前步频数据用于对下一次记录的用户的行为数据进行滤波并根据滤波后的数据进行计步。通过上述方式,本发明计步方法能够根据用户在预定步数下的步频数据对用户的实时行为数据进行滤波,由于能够根据用户的步频数据对进行滤波,因此不会出现滤掉有效数据或保留干扰数据的情况,进而提高了移动终端计步的准确性;进一步地,本发明计步方法仅需根据用户在预定步数下的步频数据对当前已记录的行为数据进行滤波处理,并根据滤波处理后的当前已记录的行为数据获取用户当前已运动的步数,不需要大的数据量作为缓存,运算量小,因此,能够在保证移动终端计步的准确性的情况下降低移动终端计步时的功耗。
以上所述仅为本发明的实施方式,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其它相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (10)
1.一种移动终端的计步方法,其特征在于,所述计步方法包括:
检测并记录用户的行为数据;
获取所述用户在预定步数下的步频数据;
根据所述用户在预定步数下的步频数据对当前已记录的行为数据进行滤波处理;
根据滤波处理后的所述当前已记录的行为数据获取所述用户当前已运动的步数和当前步频数据;
其中,所述当前步频数据用于对下一次记录的用户的行为数据进行滤波并根据滤波后的数据进行计步。
2.根据权利要求1所述的计步方法,其特征在于,所述获取所述用户在预定步数下的步频数据包括:
根据所述预定步数内记录的行为数据获取所述预定步数下的步频数据;
或者,
获取预存的所述用户在所述预定步数下的步频数据。
3.根据权利要求1所述的计步方法,其特征在于,所述根据所述用户在预定步数下的步频数据对当前已记录的行为数据进行滤波处理包括:
在超出所述预定步数时根据所述用户在预定步数下的步频数据对当前已记录的行为数据进行滤波处理。
4.根据权利要求1所述的计步方法,其特征在于,所述根据所述用户在预定步数下的步频数据对当前已记录的行为数据进行滤波处理包括:
根据所述用户在预定步数下的步频获取截止频率数据;
根据所述截止频率数据对所述当前已记录的行为数据进行滤波处理。
5.根据权利要求4所述的计步方法,其特征在于,所述根据所述截止频率数据对所述当前已记录的行为数据进行滤波处理包括:
根据所述截止频率数据获取滤波器系数;
根据所述滤波器系数和滤波器函数对所述当前已记录的行为数据进行滤波处理。
6.根据权利要求1所述的计步方法,其特征在于,所述获取所述用户在预定步数下的步频数据之前,所述方法进一步包括:
根据记录的行为数据判断所述用户的行为是否为预设行为;
所述获取所述用户在预定步数下的步频数据包括:
在判断到所述用户的行为为预设行为时获取所述用户在预定步数下的步频数据。
7.根据权利要求1所述的计步方法,其特征在于,所述根据滤波处理后的所述当前已记录的行为数据获取所述用户当前已运动的步数包括:
所述根据滤波处理后的所述当前已记录的行为数据获取有效极值;
根据所述有效极值的数量获取所述用户当前已运动的步数;
其中,所述极值为波峰或者波谷。
8.根据权利要求7所述的计步方法,其特征在于,所述根据滤波处理后的所述当前已记录的行为数据获取有效极值包括:
根据滤波处理后的所述当前已记录的行为数据获取数据波形;
获取所述数据波形的一极值;判断所述数据波形在与所述极值相隔预设时间的范围内是否有相邻极值;
在判断到所述数据波形在与所述极值相隔预设时间的范围内没有相邻极值时,将所述极值作为有效极值;
在判断到所述数据波形在与所述极值相隔预设时间的范围内有相邻极值时,将所述极值和所述相邻极值中的幅度最大的所述极值作为有效极值。
9.一种移动终端,其特征在于,所述移动终端包括处理器和与所述处理器连接的存储器,所述存储器用于计算机程序,所述处理器用于调用所述计算机程序以执行权利要求1-8任意一项所述的方法。
10.一种存储装置,其特征在于,所述存储装置存储有计算机程序,所述计算机程序能够被执行以实现权利要求1-8任意一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711153678.3A CN108195395A (zh) | 2017-11-17 | 2017-11-17 | 移动终端及其计步方法、存储装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711153678.3A CN108195395A (zh) | 2017-11-17 | 2017-11-17 | 移动终端及其计步方法、存储装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108195395A true CN108195395A (zh) | 2018-06-22 |
Family
ID=62573052
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711153678.3A Pending CN108195395A (zh) | 2017-11-17 | 2017-11-17 | 移动终端及其计步方法、存储装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108195395A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108981744A (zh) * | 2018-08-06 | 2018-12-11 | 浙江大学 | 一种基于机器学习与低通滤波的步频实时计算方法 |
CN109065120A (zh) * | 2018-06-28 | 2018-12-21 | 努比亚技术有限公司 | 一种信息处理的方法、装置以及计算机存储介质 |
CN111780780A (zh) * | 2020-06-16 | 2020-10-16 | 贵州省人民医院 | 一种基于滤波器组的计步方法及装置 |
CN115282573A (zh) * | 2022-09-29 | 2022-11-04 | 山东布莱特威健身器材有限公司 | 结合物联网和数据分析的跑步机智能控制方法及系统 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20080029209A (ko) * | 2006-09-28 | 2008-04-03 | 모비온모바일 | 만보계 걸음산출방법 |
CN104215257A (zh) * | 2014-10-08 | 2014-12-17 | 广州碧德电子科技有限公司 | 一种高精度、高去伪、并集成功耗管理的人体计步方法 |
CN105004349A (zh) * | 2015-06-30 | 2015-10-28 | 深圳市元征科技股份有限公司 | 一种计步方法 |
CN106289309A (zh) * | 2016-10-26 | 2017-01-04 | 深圳大学 | 基于三轴加速度传感器的计步方法及装置 |
CN106813676A (zh) * | 2017-02-21 | 2017-06-09 | 北京邮电大学 | 一种计步、定位方法及装置 |
CN107091650A (zh) * | 2017-04-27 | 2017-08-25 | 重庆邮电大学 | 一种基于手机加速度和距离传感器的软件计步方法 |
CN107270931A (zh) * | 2016-12-23 | 2017-10-20 | 浙江从泰网络科技有限公司 | 一种IOS和android平台通用的步态自相关计步器 |
-
2017
- 2017-11-17 CN CN201711153678.3A patent/CN108195395A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20080029209A (ko) * | 2006-09-28 | 2008-04-03 | 모비온모바일 | 만보계 걸음산출방법 |
CN104215257A (zh) * | 2014-10-08 | 2014-12-17 | 广州碧德电子科技有限公司 | 一种高精度、高去伪、并集成功耗管理的人体计步方法 |
CN105004349A (zh) * | 2015-06-30 | 2015-10-28 | 深圳市元征科技股份有限公司 | 一种计步方法 |
CN106289309A (zh) * | 2016-10-26 | 2017-01-04 | 深圳大学 | 基于三轴加速度传感器的计步方法及装置 |
CN107270931A (zh) * | 2016-12-23 | 2017-10-20 | 浙江从泰网络科技有限公司 | 一种IOS和android平台通用的步态自相关计步器 |
CN106813676A (zh) * | 2017-02-21 | 2017-06-09 | 北京邮电大学 | 一种计步、定位方法及装置 |
CN107091650A (zh) * | 2017-04-27 | 2017-08-25 | 重庆邮电大学 | 一种基于手机加速度和距离传感器的软件计步方法 |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109065120A (zh) * | 2018-06-28 | 2018-12-21 | 努比亚技术有限公司 | 一种信息处理的方法、装置以及计算机存储介质 |
CN108981744A (zh) * | 2018-08-06 | 2018-12-11 | 浙江大学 | 一种基于机器学习与低通滤波的步频实时计算方法 |
CN108981744B (zh) * | 2018-08-06 | 2020-07-07 | 浙江大学 | 一种基于机器学习与低通滤波的步频实时计算方法 |
CN111780780A (zh) * | 2020-06-16 | 2020-10-16 | 贵州省人民医院 | 一种基于滤波器组的计步方法及装置 |
CN111780780B (zh) * | 2020-06-16 | 2022-06-03 | 贵州省人民医院 | 一种基于滤波器组的计步方法及装置 |
CN115282573A (zh) * | 2022-09-29 | 2022-11-04 | 山东布莱特威健身器材有限公司 | 结合物联网和数据分析的跑步机智能控制方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108195395A (zh) | 移动终端及其计步方法、存储装置 | |
CN103712632B (zh) | 一种基于3轴加速计的计步方法和计步器 | |
CN106289309B (zh) | 基于三轴加速度传感器的计步方法及装置 | |
CN106441350A (zh) | 一种计步方法及终端 | |
US10744390B1 (en) | Human activity monitoring device with activity identification | |
JP5642767B2 (ja) | 加速度計を使用するタップ方向検出アルゴリズム | |
CN103997572A (zh) | 一种基于手机加速度传感器数据的计步方法和装置 | |
CN105389012A (zh) | 一种基于手势的电源管理方法及其系统 | |
CN106767888A (zh) | 一种基于波峰波谷检测的计步算法 | |
CN103674025B (zh) | 一种智能终端位移计算方法和装置 | |
CN105043410A (zh) | 一种计步器 | |
CN113031840B (zh) | 腕戴设备的防误触发方法、装置、电子设备及存储介质 | |
CN107421560A (zh) | 一种计步方法、装置和手腕式计步器 | |
CN104580660B (zh) | 一种移动智能终端及其计步方法、系统 | |
CN105797319A (zh) | 一种羽毛球运动数据处理方法及装置 | |
CN109938740A (zh) | 一种步态周期检测方法、装置及计算机可读存储介质 | |
CN104035321A (zh) | 智能手表的屏幕控制方法和智能手表 | |
CN107727110A (zh) | 一种步数的统计方法及装置 | |
US20150241243A1 (en) | Method for counting steps and electronic apparatus using the same | |
WO2023186009A1 (zh) | 计步方法及装置 | |
CN106441295A (zh) | 步行者行进方向确定方法及装置 | |
CN112967801A (zh) | Pai值处理方法、装置、设备和存储介质 | |
CN114034313B (zh) | 计步方法和装置 | |
Tahir et al. | IoT-Motion Sensor Device and Data Analysis:(Motion Detection and Step-Count Algorithm) | |
CN110448876B (zh) | 投篮检测方法、装置、设备、系统和存储介质 |
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 |
Application publication date: 20180622 |
|
RJ01 | Rejection of invention patent application after publication |