CN108955719B - 一种基于手腕式装置的计步检测方法和系统 - Google Patents

Abstract

本发明公开了一种基于手腕式装置的计步检测方法和系统，包括：S1.通过陀螺仪、加速度计和磁力计分别采集陀螺仪数据、加速度数据和磁力计数据；S2.获取一组最新的数据，并判断所述陀螺仪数据是否满足计步特征，若是，则执行步骤S3，否则，重复本步骤；S3.对根据所述陀螺仪数据、加速度数据和磁力计数据进行融合解算得到的姿态角进行解析，根据解析结果判断当前是否满足步态特征，若是，则执行步骤S4，否则，执行步骤S2；S4.对加速度数据进行特征分析，根据分析结果判断当前是否处于走路状态，若是，则确定为步态并进行步数累加，否则，重复步骤S2。本发明具有抗干扰性强，计步准确等优点。

Description

一种基于手腕式装置的计步检测方法和系统

技术领域

本发明属于无线通信技术领域，尤其涉及一种基于手腕式装置的计步检测方法和系统。

背景技术

目前大部分专利涉及的计步检测方法主要针对的是计步器装置固定于人体头部以及腰部等部位，这些部位运动干扰特征较小，加速计特征明显，检测方法相对简单，只需要计算加速度特征信息就可实现步数检测，但是一般用户都不习惯将计步器固定在腰部、头部等部位，一般用户更喜欢将一些电子配件能够佩戴在手腕上，一是，佩戴在手腕上符合人们的使用习惯；二是，佩戴在手腕上便于操作。

为了解决上述技术问题，人们进行了长期的探索，例如中国专利公开了一种步态计步方法及计步器[公开号：CN104075730B]，本方法通过对加速度传感器的输出信号进行分析产生两组动态的阈值参数和一组动态的时间参数；当加速度输出信号变化值大于第一个阈值参数并且向下跨过第二个阈值参数时对步数进行拟计步；将两次拟计步之间的时间与相应的动态时间参数比较以确定是否进行下一步检测；进入腕带式计步特征比较阶段并做出判定；而后，判断拟计步是否符合特定计数规则参数；判断其是否符合相应步态规则参数以确定是否对相应的步态进行计步。

上述方案通过采集加速度计检测到的数据，使用两个动态阈值对数据判断是否为步态，能够在一定程度上实现通过佩戴在手腕上的计步器进行计步，但是上述方案仍然存在缺陷：手腕式装置具有其特殊性，在人走路过程中其加速度的波形特征较为复杂，没有放置在人体固定位置的加速度特征明显，所以对于手腕装置单使用对加速度计检测到加速度数据进行阈值和峰值检测很容易形成误判或漏检。并且，不同的人在运动过程中如老人、小孩其运动强度的第一动态阈值大小判定明显有所区别，这个参数会因人有较大的差异，因此，上述计步方法并不具有通用性，其次，第二阈值这种传统的阈值方法在固定在腰间或头部的计步器中使用具有较好的效果，但是对于手腕处的步数检测，由于其特殊性，容易出现误检的问题。

发明内容

本发明的目的是针对上述问题，提供一种能够准确计步的基于手腕式装置的计步检测方法；

本方案的另一目的是提供一种基于上述方法的基于手腕式装置的计步检测系统。

为达到上述目的，本发明采用了下列技术方案：

一种基于手腕式装置的计步检测方法，包括：

S1.通过陀螺仪、加速度计和磁力计分别采集陀螺仪数据、加速度数据和磁力计数据；

S2.获取一组最新的数据，并判断所述陀螺仪数据是否满足计步特征，若是，则执行步骤S3，否则，重复本步骤；

S3.对根据所述陀螺仪数据、加速度数据和磁力计数据进行融合解算得到的姿态角进行解析，根据解析结果判断当前是否满足步态特征，若是，则执行步骤S4，否则，执行步骤S2；

S4.对加速度数据进行特征分析，根据分析结果判断当前是否处于走路状态，若是，则确定为步态并进行步数累加，否则，重复步骤S2。

在上述基于手腕式装置的计步检测方法中，所述陀螺仪为三轴陀螺仪，陀螺仪数据包括陀螺Z轴数据、陀螺X轴数据和陀螺Y轴数据，且在步骤S2中，通过以下方法判断是否满足计步特征：

S21.判断所述陀螺Z轴数据的值是否大于陀螺Z轴阈值，若是，则执行步骤S22；

S22.判断所述陀螺X轴数据的值是否小于陀螺X轴阈值，并且陀螺Y轴数据的值是否小于陀螺Y轴阈值，若是，则判断为满足计步特征。

在上述基于手腕式装置的计步检测方法中，在步骤S3中，通过以下方法判断当前是否满足步态特征：

查找是否存在与前一个波峰/波谷的间隔时间在时间阈值范围内的波峰/波谷，若是，则判断为满足步态特征。

在上述基于手腕式装置的计步检测方法中，所述加速度计为三轴加速度计，加速度数据包括加速度Z轴数据、加速度X轴数据和加速度Y轴数据，且在步骤S4中，通过以下方法判断当前是否处于走路状态：

判断所述加速度X轴数据的值是否在X轴最大阈值和X轴最小阈值之间，判断加速度Y轴数据的值是否在Y轴最大阈值和Y轴最小阈值之间，判断加速度Z轴数据的值是否在Z轴最大阈值和Z轴最小阈值之间，若前述判断均为是，则判断为走路状态。

在上述基于手腕式装置的计步检测方法中，步骤S1与步骤S2之间还包括：

使用扩展卡尔曼滤波算法对陀螺仪数据、加速度数据和磁力计数据进行融合解算以获得姿态角，并不断缓存所述姿态角、加速度数据和陀螺仪数据。

在上述基于手腕式装置的计步检测方法中，所述姿态角包括俯仰角、滚转角和偏向角中的任意一种或多种组合。

一种基于手腕式装置的计步检测系统，包括能够佩戴在人体手腕的手腕式装置，所述手腕式装置内设置有控制模块，所述控制模块连接有加速度计、陀螺仪和磁力计，所述控制模块包括有计步特征判断模块、步态判断模块、步态确认模块、数据获取模块和融合解算模块，其中，

数据获取模块，用于获取一组最新的数据以供计步检测；

融合解算模块，用于对陀螺仪数据、加速度数据和磁力计数据进行融合解算以获得姿态角；

计步特征判断模块，用于判断陀螺仪数据是否满足计步特征；

步态判断模块，用于对姿态角进行解析，并根据解析结果判断当前是否为步态；

步态确认模块，用于对加速度数据进行特征分析，根据分析结果判断当前是否处于走路状态，若是，则确定为步态；

在上述基于手腕式装置的计步检测系统中，所述计步特征判断模块包括第一阈值判断模块，用于判断陀螺Z轴数据的值是否大于陀螺Z轴阈值，以及判断陀螺X轴数据的值是否小于陀螺X轴阈值，陀螺Y轴数据的值是否小于陀螺Y轴阈值。

在上述基于手腕式装置的计步检测系统中，所述步态判断模块包括峰谷查找模块，用于查找是否存在与前一个波峰/波谷的间隔时间在时间阈值范围内的波峰/波谷。

在上述基于手腕式装置的计步检测系统中，所述步态确认模块包括第二阈值判断模块，用于判断加速度X轴数据的值是否在X轴最大阈值和X轴最小阈值之间，判断加速度Y轴数据的值是否在Y轴最大阈值和Y轴最小阈值之间，判断加速度Z轴数据的值是否在Z轴最大阈值和Z轴最小阈值之间。

本发明相较于现有技术具有以下优点：1、本手腕式装置可以通过佩戴在用户手腕上对用户进行计步，其采集的数据信号包括加速度数据、陀螺仪数据和磁力计数据，通过对三个数据进行融合解算或的姿态角信息，并通过三步判断，有效排除干扰从而能够准确进行计步；2、由于采用三步判断方法，可准确检测基于手腕式装置在人体正常运动过程中的步态信息，不仅适用于人的手臂任意频率摆动条件下运动行走的步态检测，同时还能够排除各类不规则晃动产生误检现象，而且所设计的阈值不受人差异性的制约，具有较强的普适性。

附图说明

图1是计步装置固定在手腕上正常摆手情况下加速度的波形特征；

图2是计步装置固定在人体固定位置正常摆手情况下加速度的波形特征；

图3是图1的局部放大图；

图4是对加速度数据进行动态阈值方法进行ACC数据分析的分析图；

图5是本发明实施例一的方法流程图；

图6是本发明实施例一中姿态角信息的波形图；

图7是本发明实施例二的系统结构框图。

附图标记：控制模块1；计步特征判断模块11；第一阈值判断模块111；步态判断模块12；峰谷查找模块121；步态确认模块13；第二阈值判断模块131；数据获取模块14；融合解算模块15；加速度计2；陀螺仪3；磁力计4。

具体实施方式

虽然流程图将各项操作描述成顺序的处理，但是其中的许多操作可以被并行地、并发地或者同时实施。各项操作的顺序可以被重新安排。当其操作完成时处理可以被终止，但是还可以具有未包括在附图中的附加步骤。处理可以对应于方法、函数、规程、子例程、子程序等等。

这里所使用的术语“和/或”包括其中一个或更多所列出的相关联项目的任意和所有组合。当一个单元被称为“连接”或“耦合”到另一单元时，其可以直接连接或耦合到所述另一单元，或者可以存在中间单元。

这里所使用的术语仅仅是为了描述具体实施例而不意图限制示例性实施例。除非上下文明确地另有所指，否则这里所使用的单数形式“一个”、“一项”还意图包括复数。还应当理解的是，这里所使用的术语“包括”和/或“包含”规定所陈述的特征、整数、步骤、操作、单元和/或组件的存在，而不排除存在或添加一个或更多其他特征、整数、步骤、操作、单元、组件和/或其组合。

本发明用于手腕式装置的计步检测，解决了现有技术的手腕式装置的计步检测结果过于粗糙，容易受干扰等问题，以下是本发明的优选实施例并结合附图，对本发明的技术方案作进一步的描述，但本发明不限于这些实施例。

实施例一

如图1和图2所示，可以知道手腕装置在人走路过程中，其加速度的波形特征较为复杂没有放置在人体固定位置的加速度特征明显，所以对于手腕装置单使用对加速度计2检测到加速度数据进行阈值和峰值检测很容易形成误判或漏检。

如图3所示，可以看出使用查找峰值的方法很容易形成误判，如果加入一般的动态阈值方法，即利用单个周期内的极值相加计算阈值进行判断：

ρ＝[max{Acc(τk)}+min{Acc(τk)}]/2

计算分析后，处理数据如图4所示，从图4中可以知道，使用该方法仍然未能取得较好的效果，例如，图4中的P4点未能检测到。

本实施例针对加速度计2计步不够准确的缺点提出了一种新的基于手腕式装置的计步检测方法，如图5所示，具体包括：

S1.通过陀螺仪3、加速度计2和磁力计4分别采集陀螺仪数据、加速度数据和磁力计数据；

S2.获取一组最新的数据，并判断所述陀螺仪数据是否满足计步特征，若是，则执行步骤S3，否则，重复本步骤；

S3.对根据所述陀螺仪数据、加速度数据和磁力计数据进行融合解算得到的姿态角进行解析，根据解析结果判断当前是否满足步态特征，若是，则执行步骤S4，否则，执行步骤S2；

S4.对加速度数据进行特征分析，根据分析结果判断当前是否处于走路状态，若是，则确定为步态并进行步数累加，否则，重复步骤S2。

优选地，在步骤S1中，先对采集到的加速度数据、陀螺仪数据和磁力计数据进行处理再供后续使用，处理方法为：

对各个采集到的数据先采用低通滤波进行处理，然后再用滑动滤波进行处理，且其中低通滤波用于去除人体运动的高频干扰成分，滑动平均滤波抑制周期内的运动干扰，使得波形更加平滑，能够提高数据的真实性。

并且，步骤S3中使用到的姿态角可以在步骤S1之后获取，具体地，步骤S1之后与步骤S2之间还包括：

使用扩展卡尔曼滤波算法对陀螺仪数据、加速度数据和磁力计数据进行融合解算以获得姿态角，并不断缓存所述姿态角、加速度数据和陀螺仪数据。

在步骤S2中，每执行一次均依次获取从缓存数据中最新的一组数据，每组数据的时间跨度一定，例如可以为1s等，两组数据之间的时间点也可以在不影响判断情况下有部分重合。

该步骤通过陀螺仪3、加速度计2和磁力计4得到佩戴者在走路摆臂过程中的手腕装置实时姿态角信息，姿态角可以是俯仰角pitch、滚转角rool和偏向角yaw中的任意一种或多种组合，本实施例优选俯仰角。该过程对陀螺仪3、加速度计2和磁力计4这三个传感器采集到的数据，也就是陀螺仪数据、加速度数据和磁力计数据进行了二次处理，用于后面步骤S3中进行特征信息提取以解析姿态角信息。

本实施例通过步骤S1采集数据，并通过S2、S3和S4三步对数据进行三步处理，步态判断依据不局限于加速度计2所获取的数据，而是每次对一组数据先进行陀螺仪数据处理，若不满足计步特征，则不再进行步骤S3与S4的判断，直接过滤掉该组数据，若满足了计步特征，则再对姿态角进行解析，同样地，只有当解析的姿态角满足步态特征才会继续步骤S4的判断，每一组数据只有通过了步骤S2—S4的三步判断才会被判断为有效数据，并对步数进行累加。能够有效避免与人体行走或跑步等运动动作无关的动作，如穿戴者不规则的摆动或晃动等，最大程度降低对步数计数的干扰，能够满足用户精确计步的要求。

具体地，这里的陀螺仪3为三轴陀螺仪，陀螺仪数据包括陀螺Z轴数据、陀螺X轴数据和陀螺Y轴数据，且在步骤S2中，通过以下方法判断是否满足计步特征：

S21.判断所述陀螺Z轴数据的值是否大于陀螺Z轴阈值，若是，则执行步骤S22；

S22.判断所述陀螺X轴数据的值是否小于陀螺X轴阈值，并且陀螺Y轴数据的值是否小于陀螺Y轴阈值，若是，则判断为满足计步特征。

因为人在行走过程中，手臂是绕着以肩膀为轴心转动的，因此，只需要确定三轴陀螺仪中的陀螺Z轴数据的值达到陀螺Z轴阈值，而其他两个轴，陀螺X轴和陀螺Y轴应分别小于陀螺X轴阈值和陀螺Y轴阈值，即步骤S21和步骤S22的方法就可以判定人的手臂正处于一个正常摆臂的过程，即完成计步特征的判定。满足条件后进入下一步，否则切换新的一组数据。

同样地，在步骤S3中，通过以下方法判断当前是否满足步态特征：

查找是否存在与前一个波峰/波谷的间隔时间在时间阈值范围内的波峰/波谷，若是，则判断为满足步态特征。

如图6所示，人在行走的过程中，对摆臂动作中采集数据进行融合解算的姿态角具有较为显著的正弦波形特征，所以可以通过查找波峰或波谷的方式来判定人在走路过程中的步数，本实施例选用查找波峰的方式。一个完整的波峰波谷，即一个周期内，代表人走了两步，若两个相邻的波峰之间间隔过小或过大，都可以判定为非规则摆动，只有当查找到波峰，且查找到的波峰与前一个波峰之间的时间间隔在时间阈值范围内的才判定为满足步态特征，并进行下一步的判断。

此外，一个人的正常走路跑步的一步时间约为0.2-2S，因为两个波峰之间的时间间隔人行走了2步，所以，这里的时间阈值可以设定为0.4-4S，当然，根据具体情况，这里还可以设置为其他数据，具体设定的数值不限制，设定数值的方式和是否可变也不限制。正常走路情况下，每组数据的时间跨度越长，满足条件的峰值个数就越多，也就是每次累加的步数就越多，普通人正常走两步的时间基本上在1s左右，所以本实施例优选的时间间隔为1s。

如，假设通过本步骤的这组数据通过了步骤S4的判断，那么在一组数据中有1个满足条件的峰值的时候，步数加2，有2个则步数加4，有3个则步数加6，依此类推。

进一步地，加速度计2为三轴加速度计，加速度数据包括加速度Z轴数据、加速度X轴数据和加速度Y轴数据，且在步骤S4中，通过以下方法判断当前是否处于走路状态：

判断所述加速度X轴数据的值是否在X轴最大阈值和X轴最小阈值之间，判断加速度Y轴数据的值是否在Y轴最大阈值和Y轴最小阈值之间，判断加速度Z轴数据的值是否在Z轴最大阈值和Z轴最小阈值之间，若前述判断均为是，则判断为走路状态。

本实施例为了提高判断精度所采用的时间跨度较小，并且针对的是整组数据，当步骤S4判断为走路状态的时候，步骤S3中有几个峰值就累加相应的步数，当步骤S4判断为非走路状态的时候，无论步骤S3中有几个峰值都不累加步数，直接获取新的一组数据进行新的判断。

但是当每组数据的时间跨度过大时，步骤S4中的三轴加速度需要对每个峰值所在的正弦波数据再进行判断，以免造成漏检的情况，若有一个不满足走路状态特征，则该峰值值不采纳，其余峰值仍然计数，例如，若步骤S3中检测到了2个满足条件的峰值，但是有一个峰值不满足走路状态特征在步骤S4中被剔除，那么最后所加步数为2步。

进一步地，本实施例中姿态角信息具体以50HZ的频率融合解算获得，并且以一个2S的缓存数组作为判定周期不断缓存姿态角、加速度数据和陀螺仪数据。

实施例二

如图7所示，本实施例公开了一种基于实施例一种方法的基于手腕式装置的计步检测系统，包括能够佩戴在人体手腕的手腕式装置，所述手腕式装置内设置有控制模块1，所述控制模块1连接有加速度计2、陀螺仪3和磁力计4，所述控制模块1包括有计步特征判断模块11、步态判断模块12、步态确认模块13、数据获取模块14和融合解算模块15，其中，

数据获取模块14，用于获取一组最新的数据以供计步检测；

融合解算模块15，用于对陀螺仪数据、加速度数据和磁力计数据进行融合解算得到以获得姿态角；

计步特征判断模块11，用于判断最新一组数据中的陀螺仪数据是否满足计步特征；

步态判断模块12，用于对根据最新一组数据得到姿态角进行解析，并根据解析结果判断当前是否为步态；

步态确认模块13，用于对最新一组数据的加速度数据进行特征分析，根据分析结果判断当前是否处于走路状态，若是，则确定为步态。

进一步地，所述计步特征判断模块11包括第一阈值判断模块111，用于判断陀螺Z轴数据的值是否大于陀螺Z轴阈值，以及判断陀螺X轴数据的值是否小于陀螺X轴阈值，陀螺Y轴数据的值是否小于陀螺Y轴阈值。

进一步地，所述步态判断模块12包括峰谷查找模块121，用于查找是否存在与前一个波峰/波谷之间的间隔时间在时间阈值范围内的波峰/波谷。

具体地，所述步态确认模块13包括第二阈值判断模块131，用于判断加速度X轴数据的值是否在X轴最大阈值和X轴最小阈值之间，判断加速度Y轴数据的值是否在Y轴最大阈值和Y轴最小阈值之间，判断加速度Z轴数据的值是否在Z轴最大阈值和Z轴最小阈值之间。

本实施例的计步检测系统能够被佩戴在用户的手腕，具有使用方便，并且计步准确等优点。

本文中所描述的具体实施例仅仅是对本发明作举例说明。本发明所属技术领域的技术人员可以对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，但并不会偏离本发明的精神或者超越所附权利要求书所定义的范围。

此外，尽管本文较多地使用了手腕式装置；控制模块1；计步特征判断模块11；第一阈值判断模块111；步态判断模块12；峰谷查找模块121；步态确认模块13；第二阈值判断模块131；加速度计2；陀螺仪3；磁力计4。等术语，但并不排除使用其它术语的可能性。使用这些术语仅仅是为了更方便地描述和解释本发明的本质把它们解释成任何一种附加的限制都是与本发明精神相违背的。

Claims (8)

1.一种基于手腕式装置的计步检测方法，其特征在于，包括：

S1 .通过陀螺仪(3)、加速度计(2)和磁力计(4)分别采集陀螺仪数据、加速度数据和磁力计数据；

S2 .获取一组最新的数据，并判断所述陀螺仪数据是否满足计步特征，若是，则执行步骤S3，否则，重复本步骤；

所述陀螺仪(3)为三轴陀螺仪，陀螺仪数据包括陀螺Z轴数据、陀螺X轴数据和陀螺Y轴数据，且在步骤S2中，通过以下方法判断是否满足计步特征：

S21 .判断所述陀螺Z轴数据的值是否大于陀螺Z轴阈值，若是，则执行步骤S22；

S22 .判断所述陀螺X轴数据的值是否小于陀螺X轴阈值，并且陀螺Y轴数据的值是否小于陀螺Y轴阈值，若是，则判断为满足计步特征；

S3 .对根据所述陀螺仪数据、加速度数据和磁力计数据进行融合解算得到的姿态角进行解析，根据解析结果判断当前是否满足步态特征，若是，则执行步骤S4，否则，执行步骤S2；

S4 .对加速度数据进行特征分析，根据分析结果判断当前是否处于走路状态，若是，则确定为步态并进行步数累加，否则，重复步骤S2。

2.根据权利要求1所述的基于手腕式装置的计步检测方法，其特征在于，在步骤S3中，通过以下方法判断当前是否满足步态特征：

查找是否存在与前一个波峰/波谷的间隔时间在时间阈值范围内的波峰/波谷，若是，则判断为满足步态特征。

3.根据权利要求1所述的基于手腕式装置的计步检测方法，其特征在于，所述加速度计(2)为三轴加速度计，加速度数据包括加速度Z轴数据、加速度X轴数据和加速度Y轴数据，且在步骤S4中，通过以下方法判断当前是否处于走路状态：

判断所述加速度X轴数据的值是否在X轴最大阈值和X轴最小阈值之间，判断加速度Y轴数据的值是否在Y轴最大阈值和Y轴最小阈值之间，判断加速度Z轴数据的值是否在Z轴最大阈值和Z轴最小阈值之间，若前述判断均为是，则判断为走路状态。

4.根据权利要求1所述的基于手腕式装置的计步检测方法，其特征在于，步骤S1与步骤S2之间还包括：

使用扩展卡尔曼滤波算法对陀螺仪数据、加速度数据和磁力计数据进行融合解算以获得姿态角，并不断缓存所述姿态角、加速度数据和陀螺仪数据。

5.根据权利要求4所述的基于手腕式装置的计步检测方法，其特征在于，所述姿态角包括俯仰角、滚转角和偏向角中的任意一种或多种组合。

6.一种基于手腕式装置的计步检测系统，其特征在于，包括能够佩戴在人体手腕的手腕式装置，所述手腕式装置内设置有控制模块(1)，所述控制模块(1)连接有加速度计(2)、陀螺仪(3)和磁力计(4)，所述控制模块(1)包括有计步特征判断模块(11)、步态判断模块(12)、步态确认模块(13)、数据获取模块(14)和融合解算模块(15)，其中，

数据获取模块(14)，用于获取一组最新的数据以供计步检测；

融合解算模块(15)，用于对陀螺仪数据、加速度数据和磁力计数据进行融合解算以获得姿态角；

计步特征判断模块(11)，用于判断陀螺仪数据是否满足计步特征；

所述计步特征判断模块(11)包括第一阈值判断模块(111)，用于判断陀螺Z轴数据的值是否大于陀螺Z轴阈值，以及判断陀螺X轴数据的值是否小于陀螺X轴阈值，陀螺Y轴数据的值是否小于陀螺Y轴阈值；

步态判断模块(12)，用于对姿态角进行解析，并根据解析结果判断当前是否为步态；

步态确认模块(13)，用于对加速度数据进行特征分析，根据分析结果判断当前是否处于走路状态，若是，则确定为步态。

7.根据权利要求6所述的基于手腕式装置的计步检测系统，其特征在于，所述步态判断模块(12)包括峰谷查找模块(121)，用于查找是否存在与前一个波峰/波谷的间隔时间在时间阈值范围内的波峰/波谷。

8.根据权利要求6所述的基于手腕式装置的计步检测系统，其特征在于，所述步态确认模块(13)包括第二阈值判断模块(131)，用于判断加速度X轴数据的值是否在X轴最大阈值和X轴最小阈值之间，判断加速度Y轴数据的值是否在Y轴最大阈值和Y轴最小阈值之间，判断加速度Z轴数据的值是否在Z轴最大阈值和Z轴最小阈值之间。

Images