CN108937852B - 一种智能计步运算方法 - Google Patents

一种智能计步运算方法 Download PDF

Info

Publication number
CN108937852B
CN108937852B CN201810523458.3A CN201810523458A CN108937852B CN 108937852 B CN108937852 B CN 108937852B CN 201810523458 A CN201810523458 A CN 201810523458A CN 108937852 B CN108937852 B CN 108937852B
Authority
CN
China
Prior art keywords
counting
value
sleep
btm
state
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
Application number
CN201810523458.3A
Other languages
English (en)
Other versions
CN108937852A (zh
Inventor
马长坤
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.)
Shenzhen Honestar Electronic Co ltd
Original Assignee
Shenzhen Honestar Electronic 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 Shenzhen Honestar Electronic Co ltd filed Critical Shenzhen Honestar Electronic Co ltd
Priority to CN202011281474.XA priority Critical patent/CN112386250A/zh
Priority to CN201810523458.3A priority patent/CN108937852B/zh
Publication of CN108937852A publication Critical patent/CN108937852A/zh
Application granted granted Critical
Publication of CN108937852B publication Critical patent/CN108937852B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
    • A61B5/1123—Discriminating type of movement, e.g. walking or running
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
    • A61B5/1118—Determining activity level
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/48—Other medical applications
    • A61B5/4806—Sleep evaluation
    • A61B5/4809—Sleep detection, i.e. determining whether a subject is asleep or not
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/48—Other medical applications
    • A61B5/4806—Sleep evaluation
    • A61B5/4812—Detecting sleep stages or cycles

Abstract

本发明公开了一种智能计步运算方法，包括：步骤a：采集用户三轴加速度ax、ay、az；步骤b：根据三轴加速度信息判断用户是否处于运动状态，选择执行计步步骤、睡眠监测步骤或放弃；其中计步步骤采用滑动滤波加模糊计步采用并有效性计权的方式进一步评价峰值、谷值的可信度的方式，运算量小操作简单，应用于可穿戴设备上，需要的代码量小，同时还能保证计步的精度；睡眠监测步骤基于睡眠的规律性，采用三轴加速度判定睡眠或久坐状态，简单有效的实现了睡眠状态的监控，具体可以监测到浅睡、深睡时长并做出时间片分割，同时还能够有效避免将久坐、床上看书、看电影等状态等误判为睡眠。

Description

一种智能计步运算方法
技术领域
本发明涉及智能健康管理领域，特别涉及一种智能计步运算方法。
背景技术
随着可穿戴设备技术的快速发展，计步器以及睡眠质量管理系统等应用得到了广泛的应用，但现有的计步器大多是以自适应算法、前向预测法、adaboost KNN算法、卡尔曼滤波算法等来实现滤除噪声的效果，其运算复杂，运算量大，应用在可穿戴设备上，占用运行空间大。
另外，现有的多数计步算法都是以固定阈值为参照来判定是否计步，不能及时响应用户运动状态的变化，使得计步结果失真较为严重。
而且现有的具有可穿戴设备中一般都只有计步或睡眠监测中的一项功能，或者是在一个设备中同时执行计步、睡眠监测两个程序，但用户仅会处于运动或不运动中的一个状态，这导致了运行空间利用率大为降低，本发明基于此而研发。
发明内容
针对现有技术存在的技术问题，本发明提供一种智能计步运算方法，具体方案包括：
步骤a：依次采集用户三轴加速度ax、ay、az；
步骤b：根据三轴加速度信息判断用户是否处于活动状态，若是，则执行计步步骤；若不是，则放弃或执行睡眠监测步骤；
所述计步步骤包括：
步骤101：数据合轴处理；按照公式
Figure GDA0003029857750000021
计算合加速度并形成合加速度在时间轴上的变化曲线，其as为合加速度；
步骤102：依次对所述合加速度as进行滑动平均滤波处理；
步骤103：获取加速度as的有效峰值Top和谷值Btm；
步骤104：分别对峰值Top、谷值Btm进行有效性计权；
步骤105：进行模糊计步；具体模糊计步方式为：获取到峰值Top、谷值Btm时，检查权重是否达到计步要求，未达到不计步；达到要求，则检查前一状态是否是计步，是则计步+1，若不在计步状态，则从N步起计，并置为计步状态，其中N为大于1的自然数；
步骤106：输出计步结果。
优选地，所述步骤b中根据三轴加速度信息判断用户是否处于运动状态的方法：预设有一个加速度临界值，以超过该临界值定为波动状态，单次波动状态在20s以上则判定为活动状态，否则判定为非活动状态。
优选地，所述临界值为0.125g，其中g为重力加速度。
优选地，N＝10。
优选地，所述步骤102中滑动平均滤波处理具体方案是：每相邻的五个数取平均值，得到第一阶滤波数，再以第一阶滤波数为基础，相邻的五个数取平均值，得到第二阶数据。
优选地，步骤103具体的是通过比较加速度变化趋势来得到峰值Top和谷值Btm，并通过以下方式滤除无效的峰值Top和谷值Btm：
以相邻两个峰值之间为一个间隔，若当前间隔时长大于0.6S则权重值清零并结束计步状态、出具计步结果，若当前间隔时长小于0.2S，则判定为无效峰值并忽略该峰值点；滤除无效谷值的方式同理。
优选地，所述步骤104中对峰值Top及谷值BTM进行有效性计权的方式为：以四个间隔为一个周期，即以两步为一周起，即以左右脚各走一步为一个周期；通过将当前周期的各个间隔时长tN与上一周期的对应间隔时长tN-1进行比较，满足70％tN-1≤tN≤130％tN-1，则权重值加一，否则权重值减一；其中权重值代表该峰值Top或谷值Btm的可信度，当权重值大于12小于18时，对应峰值Top或谷值BTM判定为有效，否则判定为无效。
优选地，所述步骤104中对峰值Top及谷值BTM进行有效性计权的方式还包括：通过将当前周期的各个峰值与上一周期对应峰值进行比较，当前峰值大于80％上一周期的对应峰值并小于120％上一周期的对应峰值，则权重值加一，否则权重值减一当权重值大于12小于18时，对应峰值Top判定为有效，否则判定为无效；对谷值Btm进行有效性计权方法同峰值Top。
本发明还提供一种智能睡眠监测运算方法，具体包括：
步骤a：采集用户三轴加速度，分别为ax、ay、az；
步骤b：根据三轴加速度信息判断用户是否处于活动状态，若是，则执行放弃或计步步骤；若不是，则执行睡眠监测步骤；
所述睡眠监测步骤包括：
步骤201：对采集到的三轴加速度进行稳定性侦测和判定；
步骤202：累计稳定时间ts和不稳定时间tm；
步骤203：进行睡眠判定，若判定为睡眠，则执行步骤204，若判定为非睡眠，则结束所述睡眠监测步骤；
步骤204：根据步骤202、步骤203记录结果进行睡眠时间片分割；
步骤205：保存并输出睡眠状态数据。
优选地，所述步骤b中根据三轴加速度信息判断用户是否处于运动状态的方法：预设有一个加速度临界值，以超过该临界值定为波动状态，单次波动状态在20s以上则判定为活动状态，否则判定为非活动状态。
优选地，所述步骤201中具体稳定性判定方法：以超过所述临界值定为波动状态，单次波动状态在20s以上则判定为不稳定，否则判定为稳定。
优选地，所述步骤203中进行睡眠判定方法为：以20min以上的肢体静止即ax、ay、az均小于临界值为进入深睡判断标准，其中时长20min以上的静止时段包含浅睡到深睡再到浅睡的过渡时间，单次连续睡眠中首次时长20min以上的静止时段中的前8min及后7min判定为浅睡，第二至最后一个周期的前4min及后3min判定为浅睡；若深睡时段前面出现几段活动极少的时长，被记录为待定，直到20min以上的肢体静止即ax、ay、az值均小于临界值状态出现，才将待定时长转化为浅睡时长，从而避免将低活动状态如久坐、床上看书、看电影等状态误判为浅睡。
优选地，所述临界值为0.125g，其中g为重力加速度。
采用本发明所具有的有益效果：
1、本发明提供的智能计步运算方法采用滑动滤波加模糊计步的方式，运算量小操作简单，应用于可穿戴设备上，需要的代码量小，占用设备运行空间小，同时还能保证计步的精度；另外还采用有效性计权的方式进一步评价峰值、谷值的可信度，并采用模糊原理计步，更进一步的提升了计步的精度。
2、本发明提供的智能睡眠监测运算方法基于睡眠的规律性，采用三轴加速度稳定性确定动或静的时间片，并设立入睡前的待定时间片，采用延迟判定的方法，判定睡眠或久坐状态，简单有效的实现了睡眠状态监控，具体到可以监测到浅睡、深睡时长并做出时间片分割，同时还能够有效避免将久坐、床上看书、看电影等状态等误判为睡眠。
附图说明
图1为本发明流程示意图。
具体实施方式
以下结合附图和具体实施例，对本发明进一步说明。
参照图1，示出了本发明一种智能计步、睡眠监测运算方法实施例的流程图，所述方法包括：
步骤a：依次采集用户三轴加速度，分别为ax、ay、az。
步骤b：根据三轴加速度信息判断用户是否处于活动状态，若是，执行计步步骤；若不是，则执行睡眠监测步骤。
根据三轴加速度信息判断用户是否处于运动状态的方法：若以加速度峰值超0.125g为波动记录标准，对低于0.125g的加速度变化进行滤除，单次连续波动状态在20s以上则判定为活动状态，否则判定为非活动状态。
所述计步步骤包括：
步骤101：数据合轴处理；按照公式
Figure GDA0003029857750000051
计算合加速度并形成合加速度在时间轴上的变化曲线，其as为合加速度；
步骤102：依次对所述合加速度as进行滑动平均滤波处理；
所述滑动平均滤波处理具体方案是：每相邻的五个数取平均值，得到第一阶滤波数，再以第一阶滤波数为基础，相邻的五个数取平均值，得到第二阶数据；依次滚动，达到二阶平滑滤波的效果；
步骤103：获取加速度as的有效峰值Top和谷值Btm；具体的是通过比较加速度变化趋势来得到峰值Top和谷值Btm，并通过以下方式滤除无效的峰值Top和谷值Btm：
以相邻两个峰值之间为一个间隔，若当前间隔时长大于0.6S则权重值清零并结束计步状态、出具计步结果，若当前间隔时长小于0.2S，则判定为无效峰值并忽略该峰值点；滤除无效谷值的方式同理；
步骤104：分别对峰值Top、谷值Btm进行有效性计权；
所述对峰值Top进行有效性计权的方式为：以四个间隔为一个周期，即以两步为一周起，即以左右脚各走一步为一个周期；通过将当前周期的各个间隔时长tN与上一周期的对应间隔时长tN-1进行比较，满足70％tN-1≤tN≤130％tN-1，则权重值加一，否则权重值减一；通过将当前周期的各个峰值与上一周期对应峰值进行比较，当前峰值大于80％上一周期的对应峰值并小于120％上一周期的对应峰值，则权重值加一，否则权重值减一；对谷值Btm进行有效性计权方法同峰值Top；当权重值大于12小于18时，对应峰值Top或谷值BTM有效，否则判定为无效。
步骤105：进行模糊计步；
具体模糊计步方式为：获取到峰值Top、谷值Btm时，检查权重是否达到计步要求，未达到不计步；达到要求，则检查前一状态是否是计步，是则计步+1，若不在计步状态，则从10步起计，并置为计步状态。
步骤106：输出计步结果。
所述睡眠监测步骤包括：
步骤201：对采集到的三轴加速度进行稳定性侦测和判定；
具体稳定性判定方法：以加速度峰值超0.125g为波动记录标准，对低于0.125g的加速度变化进行滤除，单次连续波动状态在20s以上则判定为不稳定，否则判定为稳定。
步骤202：累计稳定时间ts和不稳定时间tm；
步骤203：进行睡眠判定，若判定为睡眠，则执行步骤204，若判定为非睡眠，则结束睡眠判定及检测步骤；
进行睡眠判定方法：以20min以上的肢体静止即ax、ay、az值均小于0.125g为进入深睡判断标准，其中时长20min以上的静止时段包含浅睡到深睡再到浅睡的过渡时间，单次连续睡眠中首次时长20min以上的静止时段中的前8min及后7min判定为浅睡，第二至最后一个周期的前4min及后3min判定为浅睡；若深睡时段前面出现几段活动极少的时长，被记录为待定时间片，直到20min以上的肢体静止即ax、ay、az值均小于0.125g状态出现，才将待定时长转化为浅睡时长，从而避免将低活动状态如久坐、床上看书、看电影等状态误判为浅睡；
步骤204：根据步骤202、步骤203记录结果进行睡眠时间片分割；
步骤205：保存并输出睡眠状态数据。
以上所述仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是在本发明的发明构思下，利用本发明说明书及附图内容所作的等效结构变换，或直接/间接运用在其他相关的技术领域均包括在本发明的专利保护范围内。

Claims (5)

1.一种智能计步运算方法，其特征在于，包括：
步骤a：依次采集用户三轴加速度ax、ay、az；
步骤b：根据三轴加速度信息判断用户是否处于活动状态，若是，执行计步步骤；若不是，则放弃或执行睡眠监测步骤；
所述计步步骤包括：
步骤101：数据合轴处理；按照公式
Figure FDA0003030735800000011
计算合加速度并形成合加速度在时间轴上的变化曲线，其中as为合加速度；
步骤102：依次对所述合加速度as进行滑动平均滤波处理；
步骤103：获取合加速度as的有效峰值Top和谷值Btm；
步骤104：分别对峰值Top、谷值Btm进行有效性计权；所述步骤104中对峰值Top及谷值BTM进行有效性计权的方式为：其中，以相邻两个峰值Top之间为一个间隔，以四个间隔为一个周期，即以两步为一周期起，即以左右脚各走一步为一个周期；通过将当前周期的各个间隔时长tN与上一周期的对应间隔时长tN-1进行比较，满足70％tN-1≤tN≤130％tN-1，则权重值加一，否则权重值减一；其中权重值代表该峰值Top或谷值Btm的可信度，当权重值大于12小于18时，对应峰值Top或谷值BTM判定为有效，否则判定为无效；
步骤105：进行模糊计步；具体模糊计步方式为：获取到峰值Top、谷值Btm时，检查权重是否达到计步要求，未达到不计步；若达到要求，则检查前一状态是否是计步状态，是则计步+1，若不在计步状态，则从N步起计，并置为计步状态，其中N为大于1自然数；
步骤106：输出计步结果。
2.根据权利要求1所述的智能计步运算方法，其特征在于：N＝10。
3.根据权利要求1所述的智能计步运算方法，其特征在于：所述步骤102中滑动平均滤波处理具体方案是：每相邻的五个数取平均值，具体的是每100ms采样五个值，得到第一阶滤波数，再以第一阶滤波数为基础，相邻的五个数取平均值，得到第二阶数据。
4.根据权利要求1所述的智能计步运算方法，其特征在于：步骤103具体的是通过比较加速度变化趋势来得到峰值Top和谷值Btm，并通过以下方式滤除无效的峰值Top和谷值Btm：
若当前间隔时长大于0.6S则权重值清零并结束计步状态、出具计步结果，若当前间隔时长小于0.2S，则判定为无效峰值并忽略该峰值点；滤除无效谷值Btm的方式同理。
5.根据权利要求1所述的智能计步运算方法，其特征在于：所述步骤104中对峰值Top及谷值BTM进行有效性计权的方式还包括：通过将当前周期的各个峰值与上一周期对应峰值进行比较，当前峰值大于80％上一周期的对应峰值并小于120％上一周期的对应峰值，则权重值加一，否则权重值减一；对谷值Btm进行有效性计权方法同峰值Top，当权重值大于12小于18时，对应峰值Top判定为有效，否则判定为无效。
CN201810523458.3A 2018-05-28 2018-05-28 一种智能计步运算方法 Active CN108937852B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202011281474.XA CN112386250A (zh) 2018-05-28 2018-05-28 一种智能睡眠监测运算方法
CN201810523458.3A CN108937852B (zh) 2018-05-28 2018-05-28 一种智能计步运算方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810523458.3A CN108937852B (zh) 2018-05-28 2018-05-28 一种智能计步运算方法

Related Child Applications (1)

Application Number Title Priority Date Filing Date
CN202011281474.XA Division CN112386250A (zh) 2018-05-28 2018-05-28 一种智能睡眠监测运算方法

Publications (2)

Publication Number Publication Date
CN108937852A CN108937852A (zh) 2018-12-07
CN108937852B true CN108937852B (zh) 2021-06-22

Family

ID=64491898

Family Applications (2)

Application Number Title Priority Date Filing Date
CN201810523458.3A Active CN108937852B (zh) 2018-05-28 2018-05-28 一种智能计步运算方法
CN202011281474.XA Pending CN112386250A (zh) 2018-05-28 2018-05-28 一种智能睡眠监测运算方法

Family Applications After (1)

Application Number Title Priority Date Filing Date
CN202011281474.XA Pending CN112386250A (zh) 2018-05-28 2018-05-28 一种智能睡眠监测运算方法

Country Status (1)

Country Link
CN (2) CN108937852B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109620158B (zh) * 2018-12-28 2021-10-15 惠州Tcl移动通信有限公司 睡眠监控的方法、智能终端及存储装置
CN113138007B (zh) * 2020-01-19 2022-12-27 四川省应他利科技有限公司 体重、计步检测方法及超小型体重数据智能处理板

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102551735B (zh) * 2011-12-31 2014-12-03 北京超思电子技术股份有限公司 血氧测量仪
WO2014191803A1 (en) * 2013-05-27 2014-12-04 Tata Consultancy Services Limited Acceleration-based step activity detection and classification on mobile devices
CN105030199A (zh) * 2015-06-24 2015-11-11 深圳市元征软件开发有限公司 睡眠监测方法及装置
CN104990562B (zh) * 2015-06-29 2018-02-23 合肥工业大学 基于自相关运算的计步方法
CN105004349B (zh) * 2015-06-30 2018-08-31 深圳还是威健康科技有限公司 一种计步方法
EP3112811B1 (en) * 2015-07-02 2019-02-27 Embedded Sensor Solutions B.V. System and method for processing a foot acceleration signal
CN105640508B (zh) * 2016-03-30 2018-09-18 安徽华米信息科技有限公司 实时睡眠监测方法及装置、智能可穿戴设备
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
CN108186024A (zh) * 2017-12-27 2018-06-22 宁波安尚川智能科技有限公司 一种运动步态监控仪及多参数传感器数据处理方法

Also Published As

Publication number Publication date
CN112386250A (zh) 2021-02-23
CN108937852A (zh) 2018-12-07

Similar Documents

Publication Publication Date Title
US7429247B2 (en) Sleep state estimating device and program product
CN106289309A (zh) 基于三轴加速度传感器的计步方法及装置
CN105496416A (zh) 一种人体运动状态的识别方法和装置
US20160089080A1 (en) System and method for activity determination
CN108937852B (zh) 一种智能计步运算方法
CN106175696B (zh) 睡眠状态监测方法和系统
CN108095694B (zh) 可穿戴设备的状态监测方法、装置及可穿戴设备
CN106030246B (zh) 用于对对象的周期性运动的循环数目进行计数的设备、方法和系统
CN107595247A (zh) 一种基于脑电信号的麻醉深度的监测方法及系统
CN108830176A (zh) 一种睡眠觉醒检测方法、装置及终端
Rhudy et al. A comprehensive comparison of simple step counting techniques using wrist-and ankle-mounted accelerometer and gyroscope signals
US20130173174A1 (en) Apparatus, method, and system for accurate estimation of total energy expenditure in daily activities
US9729693B1 (en) Determining measurement confidence for data collected from sensors of a wearable device
CN112067015A (zh) 基于卷积神经网络的计步方法、装置及可读存储介质
CN107348943B (zh) 一种具有可穿戴、便携式、可报警的人体睡眠质量监测系统以及方法
JP2004089267A (ja) 睡眠深度推定装置及びこれを具えた布団
CN107273827A (zh) 一种心电信号r波检测方法及装置
CN112735563A (zh) 推荐信息的生成方法、装置和处理器
CN109498001B (zh) 睡眠质量评估方法和装置
KR101993649B1 (ko) 가우시안 분포를 이용한 생활패턴 규칙성 산출 방법 및 그 장치
Kang et al. Reduction of mixed noise from wearable sensors in human-motion estimation
CN105662394B (zh) 一种向用户提示信息的方法和装置
Nguyen-Huu et al. Smartwatch/Smartphone Cooperative Indoor Lifelogging System.
CN111887830A (zh) 睡眠监测方法、装置、设备及可读存储介质
CN112535464A (zh) 基于pai的状态评估方法、装置、设备和存储介质

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
GR01 Patent grant
GR01 Patent grant