CN108837476B - 一种检测游泳起点的方法、装置和智能穿戴设备 - Google Patents

Abstract

本发明公开了一种检测游泳起点的方法、装置和智能穿戴设备，该方法包括：开启游泳模式后，采集用户运动数据；对采集的运动数据按照预设长度的时间窗进行划分，判断当前时间窗的运动数据的数值幅度和有效峰值数是否满足预设条件，如果满足预设条件，则将当前时间窗内的第一个有效峰值对应的时间点判断为游泳起点，否则进行下一个时间窗的处理。该方法能够准确地记录用户的游泳数据，使用简便，有助于用户更精确地掌握自己的运动状态。

Description

一种检测游泳起点的方法、装置和智能穿戴设备

技术领域

本发明涉及智能穿戴设备领域，特别涉及一种检测游泳起点的方法、装置和智能穿戴设备。

背景技术

随着社会的进步，人们的运动时间越来越少，久坐的工作方式使许多人身体素质逐渐走下坡，肥胖和各种慢性病等严重影响了人们的生活质量。为了自身的健康，人们对运动也越来越重视，目前国内的各种马拉松赛事也如雨后春笋般，进一步印证了运动在人们心目中地位的提升。伴随着运动的热潮，利用智能穿戴设备来检测用户的运动状态成为热点。运动状态识别作为解决运动监测和运动状态提醒的技术基础，是智能穿戴设备算法的核心，也是难点之一。

众所周知，游泳是一项需要全身参与的运动，可以比其他运动动员有更多的肌肉群参与代谢功能。能够提高许多肌肉的力量和协调性，特别是躯干、肩带和上肢的肌肉。因为在水中游泳需要克服较大的阻力，游泳又是周期性的运动，长期锻炼能够使肌肉力量、速度、耐力和关节的灵活性都得到提高，改善心血管系统、提高肺活量、改善肌肉系统能力、改善体温调节能力等。在人们越来越重视健康和运动的今天，游泳也成为大众热捧的有氧运动形式。因此对游泳运动的监测也成为智能穿戴设备的重点之一。游泳监测区别于其他运动方式，对于运动的状态切换特别敏感。室内泳池游泳无法通过GPS等数据来记录运动长度，因此只能通过游泳趟数和泳池长度反推出运动长度。因此记录游泳趟数功能就显得不可或缺，而记录游泳趟数的重点就在起始点和起点的识别，如果靠用户自己操作起始点和起点并不现实，既无法保证准确，也没有良好的用户体验。因此游泳者佩戴具备运动追踪功能的智能穿戴设备进行游泳运动时，对于游泳起始点的判断非常重要，因为游泳运动进行时，用户不可能准确地在自己开始游泳的瞬间进行开启追踪程序的操作，并且多数人在游泳过程中需要进行短时间的休息。而传统智能穿戴设备只能记录简单的速度等信息，来估算用户的运动能力、热量消耗等信息，无法准确判断游泳起点进而无法判定用户是否开始了游泳动作，不利于用户更好的掌握自己的运动状态和能力。

发明内容

本发明提供的一种检测游泳起点的方法、装置和智能穿戴设备，以解决或部分解决上述的问题。

根据本发明的一个方面，提出了一种检测游泳起点的方法，所述方法包括：

开启游泳模式后，采集用户运动数据；

对采集的运动数据按照预设长度的时间窗进行划分，判断当前时间窗的运动数据的数值幅度和有效峰值数是否满足预设条件，如果满足预设条件，则将当前时间窗内的第一个有效峰值对应的时间点判断为游泳起点，否则进行下一个时间窗的处理。

可选地，所述对采集的运动数据按照预设长度的时间窗进行划分，判断当前时间窗的运动数据的数值幅度和有效峰值数是否满足预设条件包括：

判断当前时间窗内的运动数据的数值幅度是否低于预设幅度阈值，若低于，则进行下一个时间窗的处理，若不低于则进一步获得当前时间窗内的运动数据的有效峰值数；

若当前时间窗内的运动数据的有效峰值数不低于预设峰值阈值，则判断为当前时间窗的运动数据的数值幅度和有效峰值数满足预设条件。

可选地，在判断当前时间窗内的数值幅度是否低于预设幅度阈值之前，对当前时间窗的运动数据还进行如下处理：

对当前时间窗内的运动数据进行滤波，从滤波后的所述运动数据中选取任一个单轴运动数据作为当前时间窗的运动数据；

将所述单轴运动数据中的最大值与最小值作差，得到所述数值幅度。

可选地，所述获得当前时间窗内的运动数据的有效峰值数包括：

通过寻找区域内极大值和极小值的方式确定当前时间窗内的运动数据的所有的波峰和波谷，将波峰和波谷均标记为峰值获得当前时间窗的峰值列表；

根据当前时间窗的峰值列表的峰值变化范围确定出峰差阈值，并计算当前时间窗的峰值列表中的每个峰值与其左侧的相邻峰值之间的第一差值绝对值以及与其右侧的相邻峰值之间的第二差值绝对值，

当所述第一差值绝对值和所述第二差值绝对值均大于所述峰差阈值时，将所述峰值标记为有效峰值；

当所述第一差值绝对值和所述第二差值绝对值中有一个小于所述峰差阈值时，将所述峰值标记为无效峰值，并从所述峰值列表中去除；

当所述第一差值绝对值和所述第二差值绝对值均小于所述峰差阈值时，进一步获取所述峰值与其左侧的相隔一个峰值之间的差值绝对值，若所述差值绝对值大于所述峰差阈值，则将所述峰值标记为有效峰值，以及将所述峰值左右两侧的相邻峰值标记为无效峰值，并从所述峰值列表中去除。

可选地，所述时间窗至少为1.5个划水周期，所述划水周期依据采集的运动数据的波形周期。

根据本发明的另一个方面，提供了一种检测游泳起点的装置，所述装置包括存储器和处理器，所述存储器与所述处理器通过内部总线通讯连接，所述存储器存储有能够被所述处理器执行的计算机程序，所述计算机程序被所述处理器执行时能够实现上述的检测游泳起点的方法。

根据本发明的又一个方面，提供了一种智能穿戴设备，所述智能穿戴设备内置有惯性传感器、存储器和处理器，所述惯性传感器和存储器分别与所述处理器连接，所述存储器存储有能够被所述处理器执行的计算机程序，所述计算机程序被所述处理器执行时能够实现如下方法步骤：

开启游泳模式后，采集用户运动数据；

对采集的运动数据按照预设长度的时间窗进行划分，判断当前时间窗的运动数据的数值幅度和有效峰值数是否满足预设条件，如果满足预设条件，则将当前时间窗内的第一个有效峰值对应的时间点判断为游泳起点，否则进行下一个时间窗的处理。

可选地，所述对采集的运动数据按照预设长度的时间窗进行划分，判断当前时间窗的运动数据的数值幅度和有效峰值数是否满足预设条件包括：

判断当前时间窗内的运动数据的数值幅度是否低于预设幅度阈值，若低于，则进行下一个时间窗的处理，若不低于则进一步获得当前时间窗内的运动数据的有效峰值数；

若当前时间窗内的运动数据的有效峰值数不低于预设峰值阈值，则判断为当前时间窗的运动数据的数值幅度和有效峰值数满足预设条件。

可选地，在判断当前时间窗内的数值幅度是否低于预设幅度阈值之前，对当前时间窗的运动数据还进行如下处理：

对当前时间窗内的运动数据进行滤波，从滤波后的所述运动数据中选取任一个单轴运动数据作为当前时间窗的运动数据；

将所述单轴运动数据中的最大值与最小值作差，得到所述数值幅度。

可选地，所述获得当前时间窗内的运动数据的有效峰值数包括：

通过寻找区域内极大值和极小值的方式确定当前时间窗内的运动数据的所有的波峰和波谷，将波峰和波谷均标记为峰值获得当前时间窗的峰值列表；

根据当前时间窗的峰值列表的峰值变化范围确定出峰差阈值，并计算当前时间窗的峰值列表中的每个峰值与其左侧的相邻峰值之间的第一差值绝对值以及与其右侧的相邻峰值之间的第二差值绝对值，

当所述第一差值绝对值和所述第二差值绝对值均大于所述峰差阈值时，将所述峰值标记为有效峰值；

当所述第一差值绝对值和所述第二差值绝对值中有一个小于所述峰差阈值时，将所述峰值标记为无效峰值，并从所述峰值列表中去除；

当所述第一差值绝对值和所述第二差值绝对值均小于所述峰差阈值时，进一步获取所述峰值与其左侧的相隔一个峰值之间的差值绝对值，若所述差值绝对值大于所述峰差阈值，则将所述峰值标记为有效峰值，以及将所述峰值左右两侧的相邻峰值标记为无效峰值，并从所述峰值列表中去除。

本发明实施例的有益效果是：通过开启游泳模式后，采集用户运动数据；对采集的运动数据按照预设长度的时间窗进行划分，判断当前时间窗的运动数据的数值幅度和有效峰值数是否满足预设条件，如果满足预设条件，则将当前时间窗内的第一个有效峰值对应的时间点判断为游泳起点，否则进行下一个时间窗的处理。相比于目前的智能穿戴设备，例如传统运动手表只能记录简单的速度信息，本发明在开启到游泳模式后，通过智能穿戴设备内置的惯性传感器采集的数据来识别用户是否开始进行游泳动作，能够准确判断游泳起点进而判定用户是否开始游泳，进而准确地记录用户的游泳数据，无需用户在开始游泳的瞬间开启游泳模式，使用更加简便，还能完整准确地对用户所有的运动数据进行记录和分析，帮助用户获取更详细的运动信息，如休息用时、游泳距离、划水数、SWOLF等数据，有助于用户更精确地掌握自己的运动状态和进一步改善自己的游泳效率。

附图说明

图1为本发明实施例提供的一种检测游泳起点的方法流程图；

图2为本发明实施例提供的另一种检测游泳起点的方法流程图；

图3为未经过处理的运动数据波形图；

图4为经过滤波降噪的运动数据波形图；

图5是选取的x轴运动数据波形图；

图6为波峰和波谷标记为峰值的示意图；

图7为当一个波动的上升沿或下降沿出现微小震动时的情况示意图；

图8为当一个波动的波峰或波谷存在微小震动时的情况示意图；

图9为本发明实施例提供的一种检测游泳起点的装置图；

图10为本发明实施例提供的一种智能穿戴设备示意图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明实施方式作进一步地详细描述。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。

在本申请使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本申请。在本申请和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。

图1为本发明实施例提供的一种检测游泳起点的方法流程图，如图1所示，该方法包括以下步骤：

步骤S11：开启游泳模式后，采集用户运动数据；

步骤S12：对采集的运动数据按照预设长度的时间窗进行划分，判断当前时间窗的运动数据的数值幅度和有效峰值数是否满足预设条件，如果满足预设条件，则将当前时间窗内的第一个有效峰值对应的时间点判断为游泳起点，否则进行下一个时间窗的处理。

其中，在步骤S12中所述的“对采集的运动数据按照预设长度的时间窗进行划分，判断当前时间窗的运动数据的数值幅度和有效峰值数是否满足预设条件”包括：

判断当前时间窗内的运动数据的数值幅度是否低于预设幅度阈值，若低于，则进行下一个时间窗的处理，若不低于则进一步获得当前时间窗内的运动数据的有效峰值数；

若当前时间窗内的运动数据的有效峰值数不低于预设峰值阈值，则判断为当前时间窗的运动数据的数值幅度和有效峰值数满足预设条件。

其中，“判断当前时间窗内的数值幅度是否低于预设幅度阈值”之前，对当前时间窗的运动数据还进行如下处理：对当前时间窗内的运动数据进行滤波，从滤波后的所述运动数据中选取任一个单轴运动数据作为当前时间窗的运动数据；将单轴运动数据中的最大值与最小值作差，得到数值幅度。

其中，“获得当前时间窗内的运动数据的有效峰值数”包括以下步骤：

通过寻找区域内极大值和极小值的方式确定当前时间窗内的运动数据的所有的波峰和波谷，将波峰和波谷均标记为峰值获得当前时间窗的峰值列表；

根据当前时间窗的峰值列表的峰值变化范围确定出峰差阈值，并计算当前时间窗的峰值列表中的每个峰值与其左侧的相邻峰值之间的第一差值绝对值以及与其右侧的相邻峰值之间的第二差值绝对值，

当第一差值绝对值和第二差值绝对值均大于峰差阈值时，将峰值标记为有效峰值；

当第一差值绝对值和第二差值绝对值中有一个小于峰差阈值时，将峰值标记为无效峰值，并从峰值列表中去除；

当第一差值绝对值和第二差值绝对值均小于峰差阈值时，进一步获取峰值与其左侧的相隔一个峰值之间的差值绝对值，若差值绝对值大于峰差阈值，则将峰值标记为有效峰值，以及将峰值左右两侧的相邻峰值标记为无效峰值，并从峰值列表中去除。

其中时间窗至少为1.5个划水周期，划水周期依据采集的运动数据的波形周期；采用低通切比雪夫滤波器对当前时间窗内的运动数据进行滤波。

本发明利用智能穿戴设备内置的MEMS传感器采集的数据，首先通过一个切比雪夫低通滤波降噪器(Chebyshev Filter)，对原始数据进行滤波降噪处理，然后根据用户的动作特征判断用户是否在起点，判断完成后返回对应的结果。智能穿戴设备包括智能手环、智能运动手表等，以智能运动手表为例，详细阐述游泳划水数的检测方法，图2为本发明实施例提供的另一种检测游泳起点的方法流程图，如图2所示，该方法包括以下步骤：

步骤S21：开启游泳模式，采集运动数据；用户首先开启智能运动手表的游泳追踪功能，其内置的MEMS传感器开始采集运动数据；

步骤S22：从采集的运动数据中依次截取预设长度时间窗的运动数据；预设一个合适长度的时间窗，时间窗的长度过长会增加计算量，过短则无法得到有效的信息。通过调研发现，时间窗的长度至少要超过1.5个划水周期才能有效反应运动状态，但是也不要超过游完一趟泳池长度的时间。

步骤S23：对当前时间窗内的运动数据进行滤波降噪后，选取x轴运动数据作为当前时间窗的运动数据；

原始的运动数据包含噪声，不利于处理，如图3所示，图3为未经过处理的运动数据波形图，运动数据的波形毛刺过多，并且含有高频分量，这些无效的数据不利于对运动的分析，因此首先需要对原始数据进行滤波降噪处理。我们采用一个低通切比雪夫滤波器来对数据进行滤波降噪处理，通带截止频率设为1Hz，经过切比雪夫滤波器处理后，数据的高频噪声部分就被滤掉了。图4为经过滤波降噪的运动数据波形图，如图4所示，从经过切比雪夫滤波器进行处理过的一次游泳的运动数据，可以看到在游泳划水时，运动数据具有相同的趋势(图3的1770-1820秒之间的波形)。因此我们只采用x轴数据进行起点判断的计算，这样既保证了判断准确度，又能最大限度地降低运算量。

步骤S24：将当前时间窗内x轴运动数据中的最大值与最小值作差，获得数值幅度；

步骤S25：判断当前时间窗内的数值幅度是否低于预设幅度阈值，若是，则对下一个时间窗运行步骤S23，若否，则运行步骤S26；

步骤S26：获得当前时间窗内的运动数据的有效峰值数；

图5是提取的x轴加速度计数据，从图5中可以看出，划水时的运动数据呈周期性波动，每一个周期对应一次划水，而当游泳未开始时，加速度计的波形呈不规则波动(图5中1720-1770秒之间的数据)。由于用户休息时手臂动作较少且轻，因此加速度计的波动幅度较低；偶有幅度较高的波形出现，但并不连续。我们就采用这一特征对起始点进行判断。

在时间窗内的数据中找到所有的波峰和波谷，图6为波峰和波谷标记为峰值的示意图，如图6所示，黑圈标记为波谷，灰圈标记为波峰，波峰和波谷通过寻找区域内极大值和极小值的办法确定；然后将波峰和波谷统一标注为峰值，获得当前时间窗对应的峰值列表，去掉波形中幅度较低的震动，保留波形中的主要成分标记为有效峰值，即有效划水动作。具体办法是首先根据当前时间窗的峰值列表的峰值变化范围设置一个峰差阈值，然后计算某个峰值与相邻峰值之间的差值绝对值是否大于该阈值作为评判标准，获得每个时间窗对应的有效峰值的个数；具体分为以下几种情况：

首先计算每个时间窗对应的峰值列表中的每个峰值f(x_n)与其左侧的相邻峰值f(x_n-1)之间的第一差值绝对值|f(x_n-1)-f(x_n)|以及与其右侧的相邻峰值f(x_n+1)之间的第二差值绝对值|f(x_n)-f(x_n+1)|，

1、当一次波动本身即为波形的主要成分时，要求这次震动的峰值与它左右两侧相邻峰值的差值绝对值均大于阈值。即：

|f(x_n)-f(x_n+1)|＞T&|f(x_n-1)-f(x_n)|＞T

满足这一要求，则判断该次波动本身即为波形的主要成分，保留该峰值为有效峰值。

2、当一次波动的上升沿或下降沿出现小的波动时，需要将这个小波动的影响消除。算法中是当这个小波动的峰值与其左右峰值的差值绝对值均大于预设阈值，即：

|f(x_n)-f(x_n+1)|＞T&|f(x_n-1)-f(x_n)|＞T

则判断该次小波动的峰值为有效峰值；当这个小波动的峰值与其左右两侧峰值的差值绝对值不能同时满足大于阈值时即将此峰值判断为无效峰值，同时将其从有效峰值列表中去除。

可见，该判定条件与第1种情况中的判断条件相同。图7为当一个波动的上升沿或下降沿出现微小震动时的情况示意图，如图7所示，图7A中，峰值2和3为上升沿一侧出现的微小扰动，经过算法判断，峰值2和3为无效峰值，峰值1、4和5为有效峰值。图7B中显示通过这一判断条件成功滤掉了无效的小幅度波动的峰值，保留了有效峰值1、4和5。

3、当一次波动的峰值附近出现小波动时，也需要将这个小波动的影响消除。此时的特点是在这个有效峰值附近出现了3个峰值，但只能保留一个。本发明提出的办法是保留3个峰值中间的那一个。中间峰值的特点是它与相邻两个峰值的差值绝对值同时小于阈值，但与左侧相隔的峰值差值绝对值满足大于阈值的要求，即：

|f(x_n)-f(x_n+1)|＜T&|f(x_n-1)-f(x_n)|＜T&|f(x_n)-f(x_n-2)|＞T

图8为当一个波动的波峰或波谷存在微小震动时的情况示意图，如图8所示，图8A中，峰值3左右两侧出现了两个微小扰动，这两个微小扰动的峰值为峰值2和4，峰值3与峰值2和4的差值绝对值均小于阈值，但与峰值1的差值绝对值大于阈值，符合上述判断条件，因此峰值3为有效峰值，峰值2和4为无效峰值。如图8B所示，滤掉了有效峰值3处的两个微小扰动产生的峰值2和4，保留一个有效峰值3。

通过上述算法即可过滤掉微小扰动产生的峰值，保留有效峰值。统计每个时间窗对应的有效峰值的个数，获得有效峰值数。

步骤S27：判断有效峰值数是否不小于预设峰值阈值，若是，则运行步骤S27，若否，则对下一个时间窗运行步骤S23。

步骤S28：将当前时间窗内的第一个有效峰值对应的时间点判断为游泳起点。当有效峰值数满足不小于预设峰值阈值的要求，说明用户已经开始了划水动作，此时将当前时间窗内的第一个有效峰值对应的时间点判断为游泳起点；预设峰值阈值的设置与时间窗口长度有关，如果设置的时间窗口长度为1.5个划水周期，则预设峰值阈值大约为3个峰值。

图9为本发明实施例提供的一种检测游泳起点的装置图，如图9所示，该装置90包括：包括存储器901和处理器902，存储器901和处理器902之间通过内部总线903通讯连接，存储器901存储有能够被处理器902执行的计算机程序，计算机程序被处理器执行时能够实现上述的检测游泳起点的方法步骤。

在不同的实施例中，存储器901可以是内存或者非易失性存储器。其中非易失性存储器可以是：存储驱动器(如硬盘驱动器)、固态硬盘、任何类型的存储盘(如光盘、DVD等)，或者类似的存储介质，或者它们的组合。内存可以是：RAM(Radom Access Memory，随机存取存储器)、易失存储器、非易失性存储器、闪存。进一步，非易失性存储器和内存作为机器可读存储介质，其上可存储由处理器902执行的计算机程序，实现前述的检测游泳划水数的方法，该方法在图1和图2给出的实施例中已经作了详细阐述，在此不再赘述。

图10为本发明实施例提供的一种智能穿戴设备示意图，如图10所示，该智能穿戴设备100内置有惯性传感器1001、存储器901和处理器902，惯性传感器1001和存储器901分别与处理器902连接，存储器901存储有能够被处理器902执行的计算机程序，计算机程序被处理器902执行时能够实现如下方法步骤：

开启游泳模式后，采集用户运动数据；

对采集的运动数据按照预设长度的时间窗进行划分，判断当前时间窗的运动数据的数值幅度和有效峰值数是否满足预设条件，如果满足预设条件，则将当前时间窗内的第一个有效峰值对应的时间点判断为游泳起点，否则进行下一个时间窗的处理。

在一些实施例中，对采集的运动数据按照预设长度的时间窗进行划分，判断当前时间窗的运动数据的数值幅度和有效峰值数是否满足预设条件包括：

判断当前时间窗内的运动数据的数值幅度是否低于预设幅度阈值，若低于，则进行下一个时间窗的处理，若不低于则进一步获得当前时间窗内的运动数据的有效峰值数；

若当前时间窗内的运动数据的有效峰值数不低于预设峰值阈值，则判断为当前时间窗的运动数据的数值幅度和有效峰值数满足预设条件。

在一些实施例中，在判断当前时间窗内的数值幅度是否低于预设幅度阈值之前，对当前时间窗的运动数据还进行如下处理：

对当前时间窗内的运动数据进行滤波，从滤波后的运动数据中选取任一个单轴运动数据作为当前时间窗的运动数据；

将单轴运动数据中的最大值与最小值作差，得到数值幅度。

在一些实施例中，获得当前时间窗内的运动数据的有效峰值数包括：

通过寻找区域内极大值和极小值的方式确定当前时间窗内的运动数据的所有的波峰和波谷，将波峰和波谷均标记为峰值获得当前时间窗的峰值列表；

根据当前时间窗的峰值列表的峰值变化范围确定出峰差阈值，并计算当前时间窗的峰值列表中的每个峰值与其左侧的相邻峰值之间的第一差值绝对值以及与其右侧的相邻峰值之间的第二差值绝对值，

当第一差值绝对值和所述第二差值绝对值均大于峰差阈值时，将峰值标记为有效峰值；

当第一差值绝对值和第二差值绝对值中有一个小于所述峰差阈值时，将峰值标记为无效峰值，并从峰值列表中去除；

当第一差值绝对值和第二差值绝对值均小于峰差阈值时，进一步获取峰值与其左侧的相隔一个峰值之间的差值绝对值，若差值绝对值大于峰差阈值，则将峰值标记为有效峰值，以及将峰值左右两侧的相邻峰值标记为无效峰值，并从峰值列表中去除。

在一些实施例中，采用低通切比雪夫滤波器对当前时间窗内的运动数据进行滤波，和/或，时间窗至少为1.5个划水周期，划水周期依据采集的运动数据的波形周期。。

综上所述，通过开启游泳模式后，采集用户运动数据；对采集的运动数据按照预设长度的时间窗进行划分，判断当前时间窗的运动数据的数值幅度和有效峰值数是否满足预设条件，如果满足预设条件，则将当前时间窗内的第一个有效峰值对应的时间点判断为游泳起点，否则进行下一个时间窗的处理。相比于目前的智能穿戴设备，例如传统运动手表只能记录简单的速度信息，本发明在开启到游泳模式后，通过智能穿戴设备内置的惯性传感器采集的数据来识别用户是否开始进行游泳动作，能够准确判断游泳起点进而判定用户是否开始游泳，进而准确地记录用户的游泳数据，无需用户在开始游泳的瞬间开启游泳模式，使用更加简便，还能完整准确地对用户所有的运动数据进行记录和分析，帮助用户获取更详细的运动信息，如休息用时、游泳距离、划水数、SWOLF等数据，有助于用户更精确地掌握自己的运动状态和进一步改善自己的游泳效率；并且相比于采用傅里叶变换或PCA等算法计算游泳划水数，本发明采用提取加速度计波形的波峰波谷数计算游泳时的划水数的方法，大幅度降低了运算量，对于智能穿戴设备的计算能力更加适用。

以上所述仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内所作的任何修改、等同替换、改进等，均包含在本发明的保护范围内。

Claims (10)

1.一种检测游泳起点的方法，其特征在于，所述方法包括：

开启游泳模式后，采集用户运动数据；

对采集的运动数据按照预设长度的时间窗进行划分，判断当前时间窗的运动数据的数值幅度和有效峰值数是否满足预设条件，如果满足预设条件，则将当前时间窗内的第一个有效峰值对应的时间点判断为游泳起点，否则进行下一个时间窗的处理；

所述方法还包括：

根据当前时间窗的峰值列表的峰值变化范围设置峰差阈值；

计算峰值与其相邻峰值之间的差值绝对值是否大于峰差阈值，是则判断该峰值为有效峰值；

获取当前时间窗内的所有有效峰值的个数得到有效峰值数。

2.如权利要求1所述的方法，其特征在于，所述对采集的运动数据按照预设长度的时间窗进行划分，判断当前时间窗的运动数据的数值幅度和有效峰值数是否满足预设条件包括：

判断当前时间窗内的运动数据的数值幅度是否低于预设幅度阈值，若低于，则进行下一个时间窗的处理，若不低于则进一步获得当前时间窗内的运动数据的有效峰值数；

若当前时间窗内的运动数据的有效峰值数不低于预设峰值阈值，则判断为当前时间窗的运动数据的数值幅度和有效峰值数满足预设条件。

3.如权利要求2所述的方法，其特征在于，在判断当前时间窗内的数值幅度是否低于预设幅度阈值之前，对当前时间窗的运动数据还进行如下处理：

对当前时间窗内的运动数据进行滤波，从滤波后的所述运动数据中选取任一个单轴运动数据作为当前时间窗的运动数据；

将所述单轴运动数据中的最大值与最小值作差，得到所述数值幅度。

4.如权利要求2所述的方法，其特征在于，所述获得当前时间窗内的运动数据的有效峰值数包括：

通过寻找区域内极大值和极小值的方式确定当前时间窗内的运动数据的所有的波峰和波谷，将波峰和波谷均标记为峰值获得当前时间窗的峰值列表；

根据当前时间窗的峰值列表的峰值变化范围确定出峰差阈值，并计算当前时间窗的峰值列表中的每个峰值与其左侧的相邻峰值之间的第一差值绝对值以及与其右侧的相邻峰值之间的第二差值绝对值，

当所述第一差值绝对值和所述第二差值绝对值均大于所述峰差阈值时，将所述峰值标记为有效峰值；

当所述第一差值绝对值和所述第二差值绝对值中有一个小于所述峰差阈值时，将所述峰值标记为无效峰值，并从所述峰值列表中去除；

当所述第一差值绝对值和所述第二差值绝对值均小于所述峰差阈值时，进一步获取所述峰值与其左侧的相隔一个峰值之间的差值绝对值，若所述差值绝对值大于所述峰差阈值，则将所述峰值标记为有效峰值，以及将所述峰值左右两侧的相邻峰值标记为无效峰值，并从所述峰值列表中去除。

5.如权利要求1所述的方法，其特征在于，所述时间窗至少为1.5个划水周期，所述划水周期依据采集的运动数据的波形周期。

6.一种检测游泳起点的装置，其特征在于，所述装置包括存储器和处理器，所述存储器与所述处理器通过内部总线通讯连接，所述存储器存储有能够被所述处理器执行的计算机程序，所述计算机程序被所述处理器执行时能够实现权利要求1-5任意一项所述的检测游泳起点的方法。

7.一种智能穿戴设备，其特征在于，所述智能穿戴设备内置有惯性传感器、存储器和处理器，所述惯性传感器和存储器分别与所述处理器连接，所述存储器存储有能够被所述处理器执行的计算机程序，所述计算机程序被所述处理器执行时能够实现如下方法步骤：

开启游泳模式后，采集用户运动数据；

对采集的运动数据按照预设长度的时间窗进行划分，判断当前时间窗的运动数据的数值幅度和有效峰值数是否满足预设条件，如果满足预设条件，则将当前时间窗内的第一个有效峰值对应的时间点判断为游泳起点，否则进行下一个时间窗的处理；

通过下列步骤确定所述有效峰值数：

根据当前时间窗的峰值列表的峰值变化范围设置峰差阈值；

计算峰值与其相邻峰值之间的差值绝对值是否大于峰差阈值，是则判断该峰值为有效峰值；

获取当前时间窗内的所有有效峰值的个数得到有效峰值数。

8.如权利要求7所述的智能穿戴设备，其特征在于，所述对采集的运动数据按照预设长度的时间窗进行划分，判断当前时间窗的运动数据的数值幅度和有效峰值数是否满足预设条件包括：

判断当前时间窗内的运动数据的数值幅度是否低于预设幅度阈值，若低于，则进行下一个时间窗的处理，若不低于则进一步获得当前时间窗内的运动数据的有效峰值数；

若当前时间窗内的运动数据的有效峰值数不低于预设峰值阈值，则判断为当前时间窗的运动数据的数值幅度和有效峰值数满足预设条件。

9.如权利要求8所述的智能穿戴设备，其特征在于，在判断当前时间窗内的数值幅度是否低于预设幅度阈值之前，对当前时间窗的运动数据还进行如下处理：

对当前时间窗内的运动数据进行滤波，从滤波后的所述运动数据中选取任一个单轴运动数据作为当前时间窗的运动数据；

将所述单轴运动数据中的最大值与最小值作差，得到所述数值幅度。

10.如权利要求8所述的智能穿戴设备，其特征在于，所述获得当前时间窗内的运动数据的有效峰值数包括：

通过寻找区域内极大值和极小值的方式确定当前时间窗内的运动数据的所有的波峰和波谷，将波峰和波谷均标记为峰值获得当前时间窗的峰值列表；

根据当前时间窗的峰值列表的峰值变化范围确定出峰差阈值，并计算当前时间窗的峰值列表中的每个峰值与其左侧的相邻峰值之间的第一差值绝对值以及与其右侧的相邻峰值之间的第二差值绝对值，

当所述第一差值绝对值和所述第二差值绝对值均大于所述峰差阈值时，将所述峰值标记为有效峰值；

当所述第一差值绝对值和所述第二差值绝对值中有一个小于所述峰差阈值时，将所述峰值标记为无效峰值，并从所述峰值列表中去除；

当所述第一差值绝对值和所述第二差值绝对值均小于所述峰差阈值时，进一步获取所述峰值与其左侧的相隔一个峰值之间的差值绝对值，若所述差值绝对值大于所述峰差阈值，则将所述峰值标记为有效峰值，以及将所述峰值左右两侧的相邻峰值标记为无效峰值，并从所述峰值列表中去除。

Images