CN109061215A - 一种基于可穿戴设备的速度检测方法及可穿戴设备 - Google Patents
一种基于可穿戴设备的速度检测方法及可穿戴设备 Download PDFInfo
- Publication number
- CN109061215A CN109061215A CN201810712984.4A CN201810712984A CN109061215A CN 109061215 A CN109061215 A CN 109061215A CN 201810712984 A CN201810712984 A CN 201810712984A CN 109061215 A CN109061215 A CN 109061215A
- Authority
- CN
- China
- Prior art keywords
- wearable device
- user
- cadence
- acceleration information
- worn
- 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
- G01P—MEASURING LINEAR OR ANGULAR SPEED, ACCELERATION, DECELERATION, OR SHOCK; INDICATING PRESENCE, ABSENCE, OR DIRECTION, OF MOVEMENT
- G01P3/00—Measuring linear or angular speed; Measuring differences of linear or angular speeds
- G01P3/42—Devices characterised by the use of electric or magnetic means
- G01P3/44—Devices characterised by the use of electric or magnetic means for measuring angular speed
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本发明公开了一种基于可穿戴设备的速度检测方法及可穿戴设备,方法包括:采集用户的加速度数据和角速度数据;分析加速度数据,得到可穿戴设备的佩戴位置信息;当可穿戴设备佩戴在第一预设佩戴位置时,根据角速度数据计算得到用户的步频;当可穿戴设备佩戴在第二预设佩戴位置时,根据加速度数据计算得到用户的步频;根据步频和预设的速度计算模型计算得到用户的行走速度。本发明通过加速度数据分析出可穿戴设备的佩戴位置,然后根据可穿戴设备的佩戴位置选择合适的数据进行速度,使得可穿戴设备无论佩戴在用户身体上的什么位置,均可准确检测出用户的行走速度,具有较高的实用性和准确性。
Description
技术领域
本发明属于可穿戴设备技术领域,特别涉及一种基于可穿戴设备的速度检测方法及可穿戴设备。
背景技术
随着科技的发展,智能手表、智能手环等智能可穿戴设备得到了广泛应用。智能手表、智能手环等智能可穿戴设备一般具有计步功能、行走速度检测功能和健康数据记录功能等。目前,现有的智能可穿戴设备上的行走速度检测功能一般采样加速度计的模值特征对人的速度进行检测。该智能可穿戴设备佩戴在头部、胸部等质心固定的位置时具有较好的检测准确性。而当将智能可穿戴设备佩戴在手腕等质心变化的位置时,由于手臂摆动的动作较丰富,使得通过加速度数据提取出的频率图中,会出现多个频率相互重叠的情况,从而导致频率特征不明显,使得获得的步频值不准确,从而影响速度检测的准确性,因此该智能可穿戴设备不适合应用于佩戴在手腕或脚腕上。
发明内容
本发明的目的是提供一种基于可穿戴设备的速度检测方法及可穿戴设备,实现将可穿戴设备佩戴在人体的任意位置时,均可准确检测行人的行走速度的目的。
本发明提供的技术方案如下:
一种基于可穿戴设备的速度检测方法,包括:
采集用户的加速度数据和角速度数据;
分析所述加速度数据,得到所述可穿戴设备的佩戴位置信息;
当所述可穿戴设备佩戴在第一预设佩戴位置时,根据所述角速度数据计算得到所述用户的步频;
当所述可穿戴设备佩戴在第二预设佩戴位置时,根据所述加速度数据计算得到所述用户的步频;
根据所述步频和预设的速度计算模型计算得到所述用户的行走速度。
进一步地,所述分析所述加速度数据,得到佩戴位置信息具体包括:
对所述加速度数据进行处理,得到所述加速度数据的频谱图;
当所述频谱图中包含有大于预设频率的频率时,判定所述可穿戴设备佩戴在所述第一预设佩戴位置;
当所述频谱图中未包含有大于所述预设频率的频率时,判定所述可穿戴设备佩戴在所述第二预设佩戴位置。
进一步地,所述当所述可穿戴设备佩戴在第一预设佩戴位置时,根据所述角速度数据计算得到所述用户的步频具体包括:
对所述角速度数据进行频域分析,得到所述角速度数据的频率特征值,所述角速度数据的频率特征值的两倍为所述用户的步频。
进一步地,所述当所述可穿戴设备佩戴在第二预设佩戴位置时,根据所述加速度数据计算得到所述用户的步频具体包括:
对所述加速度数据进行频域分析,得到所述加速度数据的频率特征值,所述加速度数据的频率特征值为所述用户的步频。
进一步地,所述根据所述步频和预设的速度计算模型计算得到所述用户的行走速度具体包括:
建立速度计算模型;
获取样本数据集;
将所述样本数据集按照最小二乘法迭代计算得到所述速度计算模型中的参数;
获取用户的身体参数信息;
根据所述用户的身体参数信息、所述用户的步频和所述速度计算模型中的参数计算得到所述用户的行走速度。
本发明还提供一种可穿戴设置,包括:
加速度传感器,用于采集用户的加速度数据;
陀螺仪传感器,用于采集用户的角速度数据;
分析模块,用于分析所述加速度数据,得到所述可穿戴设备的佩戴位置信息;
处理模块,用于当所述可穿戴设备佩戴在第一预设佩戴位置时,根据所述角速度数据计算得到所述用户的步频;还用于当所述可穿戴设备佩戴在第二预设佩戴位置时,根据所述加速度数据计算得到所述用户的步频;
计算模块,用于根据所述步频和预设的速度计算模型计算得到所述用户的行走速度。
进一步地,所述分析模块包括:
第一处理单元,用于对所述加速度数据进行处理,得到所述加速度数据的频谱图;
分析单元,用于当所述频谱图中包含有大于预设频率的频率时,判定所述可穿戴设备佩戴在所述第一预设佩戴位置;还用于当所述频谱图中未包含有大于所述预设频率的频率时,判定所述可穿戴设备佩戴在所述第二预设佩戴位置。
进一步地,所述处理模块包括:
第二处理单元,用于对所述角速度数据进行频域分析,得到所述角速度数据的频率特征值,所述角速度数据的频率特征值的两倍为所述用户的步频。
进一步地,所述处理模块包括:
第二处理单元,用于对所述加速度数据进行频域分析,得到所述加速度数据的频率特征值,所述加速度数据的频率特征值为所述用户的步频。
进一步地,所述计算模块包括:
建模单元,用于建立速度计算模型;
获取单元,用于获取样本数据集和用户的身体参数信息;
计算单元,用于将所述样本数据集按照最小二乘法迭代计算得到所述速度计算模型中的参数;还用于根据所述用户的身体参数信息、所述用户的步频和所述速度计算模型中的参数计算得到所述用户的行走速度。
通过本发明提供的一种基于可穿戴设备的速度检测方法及可穿戴设备,能够带来以下至少一种有益效果:
本发明同时采集用户的加速度数据和角速度数据,通过加速度数据可分析出可穿戴设备的佩戴位置,当可穿戴设备佩戴在手腕等第一预设佩戴位置时,由于手臂周期性摆动时,角速度数据具有较强的频率特征,因此可根据角速度数据准确得到出用户的步频,当可穿戴设备佩戴在腰部等第二预设佩戴位置时,由于角速度数据相对平稳,其频谱特征不明显,而加速度周期性特征相对显著,因此可根据加速度数据准确得到用户的步频;使得本发明的可穿戴设备佩戴在人体的任意位置上,均可准确检测行人的行走速度。
附图说明
下面将以明确易懂的方式,结合附图说明优选实施方式,对一种基于可穿戴设备的速度检测方法及可穿戴设备的上述特性、技术特征、优点及其实现方式予以进一步说明。
图1是本发明一种基于可穿戴设备的速度检测方法的实施例一的流程示意图;
图2是本发明一种基于可穿戴设备的速度检测方法的可穿戴设备佩戴在腰部时的加速度数据的频谱图;
图3是本发明一种基于可穿戴设备的速度检测方法的可穿戴设备佩戴在手腕时的加速度数据的频谱图;
图4是本发明一种可穿戴设备的一个实施例的结构示意框图。
具体实施方式
为了更清楚说明本发明实施例或现有技术中的技术方案,下面将对照附图说明本发明的具体实施方式。显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他附图,并获得其他的实施方式。
为使图面简洁,各图中只示意性地表示出了与本发明相关的部分,它们并不代表其作为产品的实际结构。另外,以使图面简洁便于理解,在有些图中具有相同结构或功能的部件,仅示意性地绘示了其中的一个,或仅标出了其中的一个。在本文中,“一个”不仅表示“仅此一个”,也可以表示“多于一个”的情形。
根据本发明提供的第一实施例,如图1所示,
一种基于可穿戴设备的速度检测方法,包括:
采集用户的加速度数据和角速度数据;
分析所述加速度数据,得到所述可穿戴设备的佩戴位置信息;
当所述可穿戴设备佩戴在第一预设佩戴位置时,根据所述角速度数据计算得到所述用户的步频;
当所述可穿戴设备佩戴在第二预设佩戴位置时,根据所述加速度数据计算得到所述用户的步频;
根据所述步频和预设的速度计算模型计算得到所述用户的行走速度。
具体地,可穿戴设备包括加速度传感器和陀螺仪传感器,用户在行走时,通过加速度传感器采集用户的加速度数据,通过陀螺仪传感器采集用户的角速度数据。采集到用户的加速度数据和角速度数据后,对加速度数据进行分析处理,得到可穿戴设备的佩戴位置信息。
当可穿戴设备佩戴在第一预设佩戴位置时,根据角速度数据计算得到用户的步频;当可穿戴设备佩戴在第二预设佩戴位置时,根据加速度数据计算得到用户的步频。第一预设佩戴位置是指手腕等质心变化的位置,第二预设佩戴位置是指头部、胸部、腰部等质心固定的位置。质心变化的位置是指用户行走时,身体某一部位相对心脏的距离会发生变化的位置,如手腕、脚腕等。质心固定的位置是指用户行走时,身体某一部位相对心脏的距离不会发生变化的位置,如头部、胸部、腰部等。
当可穿戴设备佩戴在手腕上时,由于手臂周期性的摆动,使得通过加速度数据提取出的频率图中,会出现多个频率相互重叠的情况,从而导致频率特征不明显,使得获得的步频值不准确;但是角速度数据具有较强的频率特征,因此可根据角速度数据准确得到出用户的步频,当可穿戴设备佩戴在腰部等第二预设佩戴位置时,由于角速度数据相对平稳,其频谱特征不明显,而加速度周期性特征相对显著,因此可根据加速度数据准确得到用户的步频。计算得到用户的步频后,即可根据用户的步频和速度计算模型准确计算出用户的行走速度。本发明的基于可穿戴设备的速度检测方法,先判断可穿戴设备的佩戴位置,然后根据佩戴位置选择合适的数据计算速度,使得可穿戴设备无论佩戴在用户身体上的什么位置,均可准确检测出用户的行走速度,具有较高的实用性和准确性。
根据本发明提供的一种基于可穿戴设备的速度检测方法的第二实施例,在上述第一实施例中,分析所述加速度数据,得到佩戴位置信息具体包括:
对所述加速度数据进行处理,得到所述加速度数据的频谱图;
当所述频谱图中包含有大于预设频率的频率时,判定所述可穿戴设备佩戴在所述第一预设佩戴位置;
当所述频谱图中未包含有大于所述预设频率的频率时,判定所述可穿戴设备佩戴在所述第二预设佩戴位置。
具体地,用户在行走的过程中,传感器采集的数据主要是由脚步的走路姿势和手臂摆动阶段的循环往复产生的。因此通过分析加速度数据中的频域特征,可以捕获用户的步态周期。首先,可对加速度数据进行短时傅里叶变换 (STFT),然后对短时傅里叶变换后的绝对值进行平方,以得到加速度数据的频谱图,即频率随时间变化的频谱表示。
通过研究测试发现,可穿戴设备佩戴在人体上时,不同的佩戴位置具有不同的特征。如图2和3所示,图2是可穿戴设备佩戴在腰部时的加速度数据的频谱图;图3是可穿戴设备佩戴在手腕时的加速度数据的频谱图。对比图2和图3可知,当佩戴在手腕处时具有4Hz的频率特征,而在腰部时最大只有大约 3Hz的频率特征,因为手部摆动的频率要大于腰部的频率,而人体一秒钟大概只能走3步,因此,可穿戴设备佩戴在腰部时,加速度数据的频率最大只有3Hz,而不存在大于3Hz的频率。可以3Hz左右为界,如将预设频率设置为3.2Hz,当加速度数据的频谱图中包含有大于3.2Hz的频率时,则判定可穿戴设备佩戴在手腕等第一预设佩戴位置;当加速度数据的频谱图中的频率全是3.2Hz以下时,则判定可穿戴设备佩戴在头部、胸部、腰部等第二预设佩戴位置。
同时,从图2和图3中还可看到,佩戴在腰部时,较低频率处的频率相对稳定;而佩戴在手腕时,较低频率处的频率相对紊乱,为了提高位置判断的准确性,还可以再增加一个判断条件,当频谱图中包含有大于预设频率的频率且在较低频率处的频率波动幅度大于预设阈值时,判定可穿戴设备佩戴在第一预设佩戴位置;当频谱图中未包含有大于所述预设频率的频率且在较低频率处的频率波动幅度小于预设阈值时,判定可穿戴设备佩戴在第二预设佩戴位置。通过设置两个判断条件,可提高佩戴位置判断的准确性。
根据本发明提供的一种基于可穿戴设备的速度检测方法的第三实施例,在上述第一实施例或第二实施例中,当可穿戴设备佩戴在第一预设佩戴位置时,根据角速度数据计算得到用户的步频具体包括:
对角速度数据进行频域分析,得到角速度数据的频率特征值,角速度数据的频率特征值的两倍为所述用户的步频;
当所述可穿戴设备佩戴在第二预设佩戴位置时,根据加速度数据计算得到用户的步频具体包括:
对加速度数据进行频域分析,得到加速度数据的频率特征值,加速度数据的频率特征值为用户的步频。
具体地,当可穿戴设备佩戴在用户的手腕处时,由于可穿戴设备中的陀螺仪传感器随着手臂相对于用户肩膀周期性摆动,因此具有较强的频率特征,因此可通过角速度数据计算得到用户的步频。首先,对角速度数据进行加窗傅里叶变换(WFT),得到角速度数据的频域图,然后获取角速度数据的频域图上最大幅值点对应的特征频率值fgro,由于人体在一个摆臂周期内会行走两步,因此,用户的步频fstep=2×fgro。
当可穿戴设备佩戴在用户的腰部处时,陀螺仪传感器采集到的角速度数据相对平稳,其频谱特征不明显,而此时加速度的周期性特征相对显著,因此,可通过加速度数据计算得到用户的步频。首先,对加速度数据进行加窗傅里叶变换(WFT),得到加速度数据的频域图,然后获取加速度数据的频域图上最大幅值点对应的特征频率值facc,由于加速度数据的特征频率值正好对应于人体的步频,因此,用户的步频fstep=facc。本实施例采用加窗傅里叶变换对加速度数据和角速度数据进行分析处理,可准确得到加速度数据和角速度数据的频率特征值,提高检测的准确性。
根据本发明提供的一种基于可穿戴设备的速度检测方法第四实施例,在上述任一实施例中,根据步频和预设的速度计算模型计算得到用户的行走速度具体包括:
建立速度计算模型;
获取样本数据集;
将样本数据集按照最小二乘法迭代计算得到速度计算模型中的参数;
获取用户的身体参数信息;
根据所述用户的身体参数信息、所述用户的步频和所述速度计算模型中的参数计算得到所述用户的行走速度。
具体地,通过生物力学研究表明,用户的行走速度与用户的步频、身高、体重等存在关系。根据采集的大量数据结果,可建立可穿戴设备的速度计算模型为:
SV=[h*(a*fstep+b)+c*m];
K={a,b,c};
其中,SV为用户的步行速度,fstep为用户的步频,h为用户的身高,m为用户的体重。
建立速度计算模型后,可利用迭代最小二乘法(LS)来确定参数集合K,并在第n次迭代处实现收敛得到准确的参数a,b,c。其中,迭代公式为:
x0=[a b c]T universal,
通过上述迭代公式和获取的多个用户的样本数据集中的数据计算得到速度计算模型中的参数。得到上述速度计算模型中的参数后,将用户的体重、身高和通过上述计算方法计算得到的用户的步频代入速度计算模型即可计算得到用户的行走速度。速度计算模型中引入用户的身高和体重,使得在进行速度检测时充分考虑用户的个体差异,从而提高速度检测的准确性;同时通过最小二乘法迭代计算得到速度计算模型中的参数,可提高参数的准确性,从而提高速度检测的准确性。
根据本发明提供的第五实施例,如图4所示,
一种可穿戴设备,包括:
加速度传感器100,用于采集用户的加速度数据;
陀螺仪传感器200,用于采集用户的角速度数据;
分析模块300,用于分析所述加速度数据,得到所述可穿戴设备的佩戴位置信息;
处理模块400,用于当所述可穿戴设备佩戴在第一预设佩戴位置时,根据所述角速度数据计算得到所述用户的步频;还用于当所述可穿戴设备佩戴在第二预设佩戴位置时,根据所述加速度数据计算得到所述用户的步频;
计算模块500,用于根据所述步频和预设的速度计算模型计算得到所述用户的行走速度。
具体地,可穿戴设备包括加速度传感器100和陀螺仪传感器200,用户在行走时,通过加速度传感器100采集用户的加速度数据,通过陀螺仪传感器200 采集用户的角速度数据。采集到用户的加速度数据和角速度数据后,对加速度数据进行分析处理,得到可穿戴设备的佩戴位置信息。
当可穿戴设备佩戴在第一预设佩戴位置时,根据角速度数据计算得到用户的步频;当可穿戴设备佩戴在第二预设佩戴位置时,根据加速度数据计算得到用户的步频。第一预设佩戴位置是指手腕等质心变化的位置,第二预设佩戴位置是指头部、胸部、腰部等质心固定的位置。质心变化的位置是指用户行走时,身体某一部位相对心脏的距离会发生变化的位置,如手腕、脚腕等。质心固定的位置是指用户行走时,身体某一部位相对心脏的距离不会发生变化的位置,如头部、胸部、腰部等。
当可穿戴设备佩戴在手腕上时,由于手臂周期性的摆动,使得通过加速度数据提取出的频率图中,会出现多个频率相互重叠的情况,从而导致频率特征不明显,使得获得的步频值不准确;但是角速度数据具有较强的频率特征,因此可根据角速度数据准确得到出用户的步频,当可穿戴设备佩戴在腰部等第二预设佩戴位置时,由于角速度数据相对平稳,其频谱特征不明显,而加速度周期性特征相对显著,因此可根据加速度数据准确得到用户的步频。计算得到用户的步频后,即可根据用户的步频和速度计算模型准确计算出用户的行走速度。本发明的基于可穿戴设备的速度检测方法,先判断可穿戴设备的佩戴位置,然后根据佩戴位置选择合适的数据计算速度,使得可穿戴设备无论佩戴在用户身体上的什么位置,均可准确检测出用户的行走速度,具有较高的实用性和准确性。
根据本发明提供的第六实施例,如图4所示,一种可穿戴设备,包括:
加速度传感器100,用于采集用户的加速度数据;
陀螺仪传感器200,用于采集用户的角速度数据;
分析模块300,用于分析所述加速度数据,得到所述可穿戴设备的佩戴位置信息;
处理模块400,用于当所述可穿戴设备佩戴在第一预设佩戴位置时,根据所述角速度数据计算得到所述用户的步频;还用于当所述可穿戴设备佩戴在第二预设佩戴位置时,根据所述加速度数据计算得到所述用户的步频;
计算模块500,用于根据所述步频和预设的速度计算模型计算得到所述用户的行走速度。
优选地,所述分析模块300包括:
第一处理单元,用于对所述加速度数据进行处理,得到所述加速度数据的频谱图;
分析单元,用于当所述频谱图中包含有大于预设频率的频率时,判定所述可穿戴设备佩戴在所述第一预设佩戴位置;还用于当所述频谱图中未包含有大于所述预设频率的频率时,判定所述可穿戴设备佩戴在所述第二预设佩戴位置。
优选地,所述处理模块400包括:
第二处理单元,用于对所述角速度数据进行频域分析,得到所述角速度数据的频率特征值,所述角速度数据的频率特征值的两倍为所述用户的步频。
优选地,所述第二处理单元还用于对所述加速度数据进行频域分析,得到所述加速度数据的频率特征值,所述加速度数据的频率特征值为所述用户的步频。
优选地,所述计算模块500包括:
建模单元,用于建立速度计算模型;
获取单元,用于获取样本数据集和用户的身体参数信息;
计算单元,用于将所述样本数据集按照最小二乘法迭代计算得到所述速度计算模型中的参数;还用于根据所述用户的身体参数信息、所述用户的步频和所述速度计算模型中的参数计算得到所述用户的行走速度。
本实施例中的各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述,此处将不做详细阐述说明。
应当说明的是,上述实施例均可根据需要自由组合。以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (10)
1.一种基于可穿戴设备的速度检测方法,其特征在于,包括:
采集用户的加速度数据和角速度数据;
分析所述加速度数据,得到所述可穿戴设备的佩戴位置信息;
当所述可穿戴设备佩戴在第一预设佩戴位置时,根据所述角速度数据计算得到所述用户的步频;
当所述可穿戴设备佩戴在第二预设佩戴位置时,根据所述加速度数据计算得到所述用户的步频;
根据所述步频和预设的速度计算模型计算得到所述用户的行走速度。
2.根据权利要求1所述的一种基于可穿戴设备的速度检测方法,其特征在于,所述分析所述加速度数据,得到佩戴位置信息具体包括:
对所述加速度数据进行处理,得到所述加速度数据的频谱图;
当所述频谱图中包含有大于预设频率的频率时,判定所述可穿戴设备佩戴在所述第一预设佩戴位置;
当所述频谱图中未包含有大于所述预设频率的频率时,判定所述可穿戴设备佩戴在所述第二预设佩戴位置。
3.根据权利要求1所述的一种基于可穿戴设备的速度检测方法,其特征在于,所述当所述可穿戴设备佩戴在第一预设佩戴位置时,根据所述角速度数据计算得到所述用户的步频具体包括:
对所述角速度数据进行频域分析,得到所述角速度数据的频率特征值,所述角速度数据的频率特征值的两倍为所述用户的步频。
4.根据权利要求1所述的一种基于可穿戴设备的速度检测方法,其特征在于,所述当所述可穿戴设备佩戴在第二预设佩戴位置时,根据所述加速度数据计算得到所述用户的步频具体包括:
对所述加速度数据进行频域分析,得到所述加速度数据的频率特征值,所述加速度数据的频率特征值为所述用户的步频。
5.根据权利要求1-4任一项所述的一种基于可穿戴设备的速度检测方法,其特征在于,所述根据所述步频和预设的速度计算模型计算得到所述用户的行走速度具体包括:
建立速度计算模型;
获取样本数据集;
将所述样本数据集按照最小二乘法迭代计算得到所述速度计算模型中的参数;
获取用户的身体参数信息;
根据所述用户的身体参数信息、所述用户的步频和所述速度计算模型中的参数计算得到所述用户的行走速度。
6.一种可穿戴设备,其特征在于,包括:
加速度传感器,用于采集用户的加速度数据;
陀螺仪传感器,用于采集用户的角速度数据;
分析模块,用于分析所述加速度数据,得到所述可穿戴设备的佩戴位置信息;
处理模块,用于当所述可穿戴设备佩戴在第一预设佩戴位置时,根据所述角速度数据计算得到所述用户的步频;还用于当所述可穿戴设备佩戴在第二预设佩戴位置时,根据所述加速度数据计算得到所述用户的步频;
计算模块,用于根据所述步频和预设的速度计算模型计算得到所述用户的行走速度。
7.根据权利要求6所述的一种可穿戴设备,其特征在于,所述分析模块包括:
第一处理单元,用于对所述加速度数据进行处理,得到所述加速度数据的频谱图;
分析单元,用于当所述频谱图中包含有大于预设频率的频率时,判定所述可穿戴设备佩戴在所述第一预设佩戴位置;还用于当所述频谱图中未包含有大于所述预设频率的频率时,判定所述可穿戴设备佩戴在所述第二预设佩戴位置。
8.根据权利要求6所述的一种可穿戴设备,其特征在于,所述处理模块包括:
第二处理单元,用于对所述角速度数据进行频域分析,得到所述角速度数据的频率特征值,所述角速度数据的频率特征值的两倍为所述用户的步频。
9.根据权利要求6所述的一种可穿戴设备,其特征在于,所述处理模块包括:
第二处理单元,用于对所述加速度数据进行频域分析,得到所述加速度数据的频率特征值,所述加速度数据的频率特征值为所述用户的步频。
10.根据权利要求6-9任一项所述的一种可穿戴设备,其特征在于,所述计算模块包括:
建模单元,用于建立速度计算模型;
获取单元,用于获取样本数据集和用户的身体参数信息;
计算单元,用于将所述样本数据集按照最小二乘法迭代计算得到所述速度计算模型中的参数;还用于根据所述用户的身体参数信息、所述用户的步频和所述速度计算模型中的参数计算得到所述用户的行走速度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810712984.4A CN109061215A (zh) | 2018-07-04 | 2018-07-04 | 一种基于可穿戴设备的速度检测方法及可穿戴设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810712984.4A CN109061215A (zh) | 2018-07-04 | 2018-07-04 | 一种基于可穿戴设备的速度检测方法及可穿戴设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109061215A true CN109061215A (zh) | 2018-12-21 |
Family
ID=64818846
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810712984.4A Pending CN109061215A (zh) | 2018-07-04 | 2018-07-04 | 一种基于可穿戴设备的速度检测方法及可穿戴设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109061215A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110269623A (zh) * | 2019-06-24 | 2019-09-24 | 京东方科技集团股份有限公司 | 速度确定方法和装置,虚拟现实显示方法和装置 |
CN113256866A (zh) * | 2021-06-15 | 2021-08-13 | 南京高美吉交通科技有限公司 | 城市轨道交通无障碍通行系统及其实施方法 |
-
2018
- 2018-07-04 CN CN201810712984.4A patent/CN109061215A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110269623A (zh) * | 2019-06-24 | 2019-09-24 | 京东方科技集团股份有限公司 | 速度确定方法和装置,虚拟现实显示方法和装置 |
CN113256866A (zh) * | 2021-06-15 | 2021-08-13 | 南京高美吉交通科技有限公司 | 城市轨道交通无障碍通行系统及其实施方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109579853B (zh) | 基于bp神经网络的惯性导航室内定位方法 | |
JP6745980B2 (ja) | 水泳分析のシステム及び方法 | |
Jiang et al. | A method to deal with installation errors of wearable accelerometers for human activity recognition | |
CN103954295B (zh) | 一种基于加速度传感器的计步方法 | |
CN108245164B (zh) | 一种可穿戴式惯性器件人体步态信息采集计算方法 | |
Liu et al. | A wearable human motion tracking device using micro flow sensor incorporating a micro accelerometer | |
CN106667493A (zh) | 人体平衡性评估系统及评估方法 | |
CN110236550B (zh) | 一种基于多模态深度学习的人体步态预测装置 | |
CN108784703B (zh) | 一种中老年人可穿戴式呼吸监测方法 | |
CN105934654A (zh) | 用于确定加速度计的取向的方法和装置 | |
CN108478222B (zh) | 一种基于神经网络的关节角误差补偿实验装置及方法 | |
CN108338790B (zh) | 步态分析及跌倒评估系统 | |
Wang et al. | Swimming motion analysis and posture recognition based on wearable inertial sensors | |
CN106650300B (zh) | 一种基于极限学习机的老人监护系统及方法 | |
CN107270931A (zh) | 一种IOS和android平台通用的步态自相关计步器 | |
CN105771224B (zh) | 一种基于多传感器的运动评估系统 | |
WO2019047410A1 (zh) | 一种步数的统计方法及装置 | |
CN109115224A (zh) | 一种九轴传感器的高动态轨迹处理方法及装置 | |
CN107966161A (zh) | 基于fft的步行检测方法 | |
CN109061215A (zh) | 一种基于可穿戴设备的速度检测方法及可穿戴设备 | |
Fida et al. | Real time event-based segmentation to classify locomotion activities through a single inertial sensor | |
CN108827290A (zh) | 一种人体运动状态反演装置及方法 | |
CN104586402A (zh) | 一种人体活动的特征提取方法 | |
CN108523868A (zh) | 用于血压测量的自校准系统和方法 | |
Nemati et al. | Gait velocity estimation for a smartwatch platform using Kalman filter peak recovery |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20200819 Address after: 201616 Shanghai city Songjiang District Sixian Road No. 3666 Applicant after: Phicomm (Shanghai) Co.,Ltd. Address before: 610100 125 Longquan Street Park Road, Longquanyi District, Chengdu, Sichuan. Applicant before: SICHUAN PHICOMM INFORMATION TECHNOLOGY Co.,Ltd. |
|
TA01 | Transfer of patent application right | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20181221 |
|
WD01 | Invention patent application deemed withdrawn after publication |