CN109141465A

CN109141465A - 一种计步方法、可穿戴设备及计算机可读存储介质

Info

Publication number: CN109141465A
Application number: CN201810798068.7A
Authority: CN
Inventors: 孟洋; 陈维亮
Original assignee: Goertek Techology Co Ltd
Current assignee: Goertek Techology Co Ltd
Priority date: 2018-07-19
Filing date: 2018-07-19
Publication date: 2019-01-04
Anticipated expiration: 2038-07-19
Also published as: CN109141465B

Abstract

本发明公开了一种计步方法、可穿戴设备及计算机可读存储介质，方法包括：采集当前时刻之前预定时间段内的加速度数据；根据采集的加速度数据检测当前时刻对应的运动状态；如果当前时刻对应的运动状态为走路或跑步，则对于当前时刻内的步数进行累加，并更新步数统计值；如果当前时刻对应的运动状态为静止，则保持步数统计值不变。本发明实施例的计步方法以及可穿戴设备将运动分类应用于计步，根据当前时刻的前预定时间段内的加速度数据进行运动分类，并确定执行计步的时间段，在走路和跑步时才执行计步，而静止时不执行计步，保证步数实时更新。可穿戴设备能够更精确的测量各运动状态的步数。

Description

一种计步方法、可穿戴设备及计算机可读存储介质

技术领域

本发明涉及智能穿戴设备技术领域，具体涉及一种计步方法、可穿戴设备及计算机可读存储介质。

背景技术

随着人们生活水平的提高以及移动智能技术的发展，越来越多的人使用智能穿戴比如智能手环、智能手表等来检测和统计行走步数，以实时掌握锻炼情况，方便制定适合的健康规划。然而，目前智能穿戴的计步算法中，存在步数更新不及时，步数统计有误差，计步准确性有待提高。

发明内容

本发明提供了一种计步方法、可穿戴设备及计算机可读存储介质，以解决现有智能穿戴设备计步时步数更新不及时，步数统计有误差，准确性不高的技术问题，提高了计步精度。

为了达到上述技术目的，本发明的技术方案是这样实现的：

根据本申请的一个方面，提供了一种计步方法，包括：

采集当前时刻之前预定时间段内的加速度数据；

根据采集的加速度数据检测当前时刻对应的运动状态；

如果当前时刻对应的运动状态为走路或跑步，则对于当前时刻内的步数进行累加，并更新步数统计值；

如果当前时刻对应的运动状态为静止，则保持步数统计值不变。

根据本申请的另一个方面，提供了一种可穿戴设备，包括：

加速度计，用于采集当前时刻之前预定时间段内用户手臂的加速度数据；

处理器，用于根据采集的加速度数据检测输出当前时刻对应的运动状态，如果当前时刻对应的运动状态为走路或跑步，则对于当前时刻内的步数进行累加，并更新步数统计值；如果当前时刻对应的运动状态为静止，则保持步数统计值不变。

根据本申请的又一个方面，提供了一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如本申请一个方面所述的计步方法的步骤。

有益效果：本发明实施例的计步方法以及可穿戴设备，通过采集当前时刻之前预定时间段内的加速度数据，根据采集的加速度数据检测当前时刻对应的运动状态；如果当前时刻对应的运动状态为走路或跑步，则对于当前时刻内的步数进行累加，更新步数统计值；如果当前时刻对应的运动状态为静止，则保持步数统计值不变。从而将运动分类应用于计步，根据当前时刻的前预定时间段内的加速度数据进行运动分类，确定执行计步的时间段，即，在走路和跑步时才执行计步而静止时不执行计步，实时更新数据，更精确的测量不同运动状态下的步数，提高了步数统计的及时性和准确性。

附图说明

图1是本申请一个实施例的计步方法的流程图；

图2是本申请一个实施例的用于确认运动状态分类的标准差阈值的部分数据统计结果示意图；

图3是本申请一个实施例的运动状态分类以及模拟运动波形的示意图；

图4是本申请一个实施例的由静止到跑步的运动状态切换过程示意图；

图5是本申请一个实施例的由跑步到静止的运动状态切换过程示意图；

图6是本申请一个实施例的可穿戴设备的框图。

具体实施方式

运动分类是根据当前一秒和前面几秒的数据对当前时刻的运动状态进行判断，当存在运动状态切换时，即在静止到运动(跑步、走路)或运动到静止时，如T时刻起从静止开始走路，那么T+1秒进行运动分类时，数据只有一秒的走路对应的数据，而前面几秒数据都是静止对应的数据，因此运动状态无法及时有效地切换到走路，存在运动状态切换检测延迟的问题，如果步数的更新不及时，势必会影响计步的准确性。

本发明的设计构思是：将运动分类应用于计步，首先根据当前时刻的前预定时间段内的加速度数据进行运动分类，再根据与标准差阈值(是预先设定的一个运动分类的经验保守阈值)比较结果，确定执行计步的时间段，每秒实时更新步数。另外，针对运动状态切换导致的步数统计不及时这一技术问题，本发明实施例采集了静止切换到走路，静止切换到跑步，走路切换到静止，跑步切换到静止这四种运动状态切换的样本数据，并对大量样本数据进行统计分析，确定了不同运动状态切换的延迟输出时间，根据统计结果，按延迟输出时间往前倒推分析重新确定每秒内的运动状态，并基于新确定的运动状态进行相应的步数修正补偿，减小运动状态切换延迟造成的误差，提高了计步的准确性。

图1是本申请一个实施例的计步方法的流程图；参见图1，本实施例的计步方法包括下列步骤：

步骤S101，采集当前时刻之前预定时间段内的加速度数据；

步骤S102，根据采集的加速度数据检测当前时刻对应的运动状态；

步骤S103，如果当前时刻对应的运动状态为走路或跑步，则对于当前时刻内的步数进行累加，并更新步数统计值；

步骤S104，如果当前时刻对应的运动状态为静止，则保持步数统计值不变。

由图1所示可知，本实施例的计步方法采集当前时刻之前预定时间段内(比如前6秒)的加速度数据，根据采集的加速度数据检测当前时刻(第6秒)对应的运动状态，如果当前时刻对应的运动状态为走路或跑步，则对于当前时刻内的步数进行累加，并利用当前时刻的步数来更新步数统计值；如果当前时刻对应的运动状态为静止，则保持步数统计值不变，由此根据运动状态分类确定了计步的时间段，即在走路和跑步时才执行计步，而静止时不执行计步，保证了在运动时实时更新步数，提高计步的准确性。

在本发明的一个实施例中，图1所示步骤S102根据采集的加速度数据检测当前时刻对应的运动状态包括：计算当前时刻之前预定时间段内的加速度数据的标准差，将计算出的标准差与标准差阈值进行比较；当标准差小于或者等于第一标准差阈值时，确定当前时刻对应的运动状态为静止；当标准差大于第一标准差阈值且小于第二标准差阈值时，确定当前时刻对应的运动状态为走路；当标准差大于或者等于第二标准差阈值时，确定当前时刻对应的运动状态为跑步。

也就是说，本实施例中是通过计算对应时刻加速度数据的标准差，并将标准差数值和经验值，即标准差阈值进行比较，根据比较结果的不同得出不同结果。例如，标准差数值小于或等于第一标准差阈值时可以确定当前时刻的运动状态是静止，如果标准差大于第一标准差阈值且小于第二标准差阈值，可以确定当前时刻对应的运动状态为走路，当标准差大于或者等于第二标准差阈值时，确定当前时刻对应的运动状态为跑步。需要说明的是，这里的第二标准差阈值远大于第一标准差阈值，从而能够将三种运动状态进行明显的区分。

标准差σ是统计学上用来测量统计分布程度的指标，标准差表征了一组数据的离散程度，所以本实施例中利用标准差来区分静止，走路，跑步这三种运动状态，并对应的用阿拉伯数字0，1，2标记三种运动状态。

在本发明的一个实施例中，图1所示的方法进一步包括：如果检测出当前时刻进行了运动状态切换，则对得到的步数统计值进行延迟修正补偿。而对得到的步数统计值进行延迟修正补偿是基于重新确定的运动状态，因此一个实施例中，如果检测出当前时刻进行了运动状态切换，则计算当前时刻之前T秒每秒的加速度数据的标准差，根据计算出的标准差数值与所述第一标准差阈值或第二标准差阈值的比较结果，重新确定当前时刻之前T秒每秒对应的运动状态，其中，T等于3或4。也就是说，根据运动状态切换的不同，重新确定当前时刻之前3秒或前4秒，每秒的运动状态并基于重新确定的运动状态对步数统计值进行相应的延迟修正补偿。

与静止相对的，走路和跑步属于非静止运动状态，所以本实施例的运动状态切换也可以理解为是从静止切换到非静止运动状态，或者从非静止运动状态切换到静止。基于此，在本发明的一个实施例中，如果检测出当前时刻运动状态由静止切换到非静止运动状态，则计算当前时刻之前的T秒钟每秒的加速度数据对应的标准差，得到T个标准差数值并记录标准差数值；比较T个标准差数值分别与第一标准差阈值或第二标准差阈值的大小，重新确定当前时刻之前的T秒钟每秒对应的运动状态；根据重新确定的运动状态计算当前时刻之前的T秒钟每秒的步数，利用重新计算出的步数对当前时刻之前的T秒钟的步数统计值进行延迟修正补偿；其中，非静止运动状态包括跑步或者走路，若非静止运动状态为跑步，则取T为3，若非静止运动状态为走路，则取T为4。

如果检测出当前时刻运动状态由非静止运动状态切换到静止，则计算当前时刻之前的T秒钟每秒的加速度数据对应的标准差数值得到T个标准差数值并记录标准差数值；比较T个标准差数值分别与第一标准差阈值或第二标准差阈值的大小，重新确定当前时刻之前的T秒钟每秒对应的运动状态；根据重新确定的运动状态计算当前时刻之前的T秒钟每秒的步数N₁，N₂,..,N_T，并利用当前时刻的步数统计值减去N₁，N₂，..，N_T，所得差值即为延迟修正补偿后的步数统计值；其中，非静止运动状态包括跑步或者走路，若非静止运动状态为跑步，则取T为4，若非静止运动状态为走路，则取T为3。

图2是本申请一个实施例的用于确认运动状态分类的标准差阈值的部分数据统计结果示意图，参见图2，图2中纵轴代表的是标准差。横轴表示本实施例采集的20条测试数据的编号，分别为0-20。需要说明的是，在测试和确定用于运动分类的标准差阈值时，预先采集了大量的静止、走路和跑步数据，分别将每一次静止测试过程(每次持续时间1分钟以上)进行编号，每一次走路测试过程进行编号，每一次跑步测试过程进行编号得到多组数据，以便记录分析。在本实施例中，针对每种运动类型选择了其中的20组数据绘制图2所示图形以进行标准差阈值确定的示意性说明。

图2中雪花符号表示的是静止状态，+号表示的是走路状态，□方框符号表示的是跑步状态。通过对图2进行总结分析可以得到用于运动状态分类的标准差的阈值范围，如表1所示：

标准差σ阈值范围	运动状态
		σ≤500	静止
500＜σ＜5000	走路
		σ≥5000	跑步

表1

表1中，第一行表示：如果某时刻的加速度数据的标准差小于或等于500，则该时刻对应的运动状态为静止。表1的第二行表示如果某时刻的加速度数据的标准差大于500且小于5000，则该时刻对应的运动状态为走路。表1的第三行表示如果某时刻的加速度数据的标准差大于或者等于5000，则该时刻对应的运动状态为跑步。由此可知，通过计算采集到的某一时刻加速度数据的标准差的值，将标准差的值与表1中的阈值范围进行比较，即可检测出某一时刻的运动状态。

需要说明的是，本实施例的计步是基于运动分类来进行的，某一时刻是否计步是根据当前时刻以及当前时刻之前预定时间段(6秒这一时间段)内的数据确定，比如对于第6秒的计步是根据前6秒数据进行运动分类后步数每秒实时更新，这就会存在运动状态检测延迟的问题。下面对运动状态检测延迟问题的产生进行具体说明。

如图3所示，测试开始时，当前时刻为第6秒，根据第1～6秒的数据，系统给出当前时刻(第6秒)的运动状态，参见图3(a)部分的“运动分类结果”一行对应的值。运动分类结果是系统检测和输出的运动状态信息，而实际运动状态是用户实际的运动状态。如果检测到运动状态为走路(标记1)，那么对于第6秒内的数据进行步数统计。接下来，相应的第7秒的运动状态由第2～7秒的数据决定，如果检测到第7秒的状态是走路，对第7秒内的数据进行步数统计，以此类推，从而实现每秒实时更新步数。

但是实际上，从图3(b)的模拟的运动状态波形示意可知，用户从第6秒开始走路，从静止切换到走路，用于第6秒运动分类的数据中，只有一秒的走路数据，而前面5秒都是静止数据。由于静止相对于走路数据而言，加速度数值都很小，所以最终计算得到的标准差数值也相对较小(σ＜500)，达不到走路的标准差阈值(500＜σ＜5000)，也就是说，系统无法及时有效的检测出运动状态从静止切换到走路，存在运动状态切换的检测延迟问题。不同运动状态下，运动状态检测延迟结果不同，而步数更新不及时，势必影响计步的准确性。

针对上面提到的运动状态切换的检测延迟问题，本实施例中提出如果检测出当前时刻进行了运动状态切换，则对当前时刻的步数统计值进行延迟修正补偿。经过分析，本发明实施例总结了运动状态切换包括的四种情况：第一种是由静止切换到跑步，第二种是由跑步切换到静止。第三种是由静止切换到走路，第四种是由走路切换到静止。

以下针对这四种情况下的计步的延迟修正补偿分别进行说明。

第一种情况：运动状态由静止切换到跑步

图4是本申请一个实施例的由静止到跑步的运动状态切换过程示意图，图4中，横轴表示时间(单位是秒)，纵轴表示的是：本申请采集的加速度计数据基于频率26Hz。表2是系统记录的运动状态检测表，表2中第一列代表的是运动分类时刻，单位是秒。第二列是系统检测后给出的运动分类结果，第三列是检测对应的时间段，时间单位是秒，也就是得出第二列结果所基于的数据的采集时间段。需要说明的是，表2中第二列运动状态后括号中的数字是对状态的标记。例如，静止(0)表示的是，静止状态对应的数字标记是0，跑步(2)表示的是跑步状态对应的数字标记是2。

运动分类时刻(秒)	运动分类结果	检测对应的时间段(秒)
			23	静止(0)	17-23
24	走路(1)	18-24
			25	走路(1)	19-25
26	跑步(2)	20-26
			27	跑步(2)	21-27

表2

结合图4和表2进行说明，如图4所示，在第23秒时用户开始跑步，在第24秒时，得出的运动分类状态应该是跑步，然而由表2可知，第24秒和第25秒的运动分类结果均为走路状态，这是由于第24秒的运动分类结果是根据第18秒至第24秒的数据给出的，这其中，只有1秒的跑步数据，其他5秒均为静止数据，所以计算所得的第18秒至第24秒的数据的标准差不够大，未达到运动状态分类中标准差的跑步阈值(σ≥5000)。参见图4，本实施例中，直到第26秒，也就是延迟2秒后系统才输出运动状态为跑步(标记为2)。由此可知，存在运动状态切换时的检测输出延迟。为了解决这一问题，本发明实施例中预先采集了大量实际数据作为样本，通过实验测试分析静止到跑步这一运动切换过程做了统计，得到了识别静止到跑步的部分测试数据，如表3所示：

测试编号	延迟输出跑步时间(秒)	计步延迟时间(秒)
			1	2	0.5
2	2.5	1
			3	2	1
4	2	1
			5	3	1.5

表3

表3中第一列表示测试编号，即，每个测试过程的标号，第一次测试过程编号1，第二次测试过程编号2，第三次测试过程编号3，以此类推。本实施例中以5个测试过程的数据进行了示意。表3中第二列表示的是延迟输出跑步时间，单位是秒，即，实际跑步状态与系统检测输出的跑步状态的时间差。第三列表示的是计步延迟时间，即，由于检测和输出运动状态延迟导致的计步延迟时间。

在得到的表3所示延迟统计结果的基础上，本实施例对计步进行延迟改进修正。举例而言，如果检测出当前时刻运动状态由静止切换到跑步，则计算当前时刻之前的三秒钟每秒的加速度数据对应的标准差得到三个标准差数值并记录标准差数值；比较三个标准差数值分别与第一标准差阈值或第二标准差阈值的大小，重新确定当前时刻之前的三秒钟每秒对应的运动状态；根据重新确定的运动状态计算当前时刻之前的三秒钟每秒的步数，利用重新计算出的步数对当前时刻之前的三秒钟的步数统计值进行延迟修正补偿。

这里以表4所示的一个运动状态切换过程为例(0是静止，1是走路，2是跑步)来说明步数补偿。

表4为静止到跑步状态切换的延迟修正补偿原理示意表，参见表4，第一行表示的是时间，即运动状态分类时刻。第二行表示的是当前实际运动状态，其中，用对应的数字表示运动状态，即，0是静止，1是走路，2是跑步。第三行表示的是系统检测的运动状态，同样用数字表示运动状态。第四行表示的是改进修正检测结果，即是对检测的运动状态的修正。第五行表示的是标准差阈值。

表4

具体的，参见表4第三行，当第7秒首次检测到跑步(标记2)状态时，求第7秒之前的3秒，每秒内的标准差并分别记录标准差数值B1、B2、B3。然后，确定这三个数值与标准差经验阈值σ的关系，也就是，重新判断第4、5、6秒，每秒内的运动状态，并根据重新判断确定的运动状态计算相应的步数，与之前的结果(即第4～6秒的原步数)进行对比并进行补偿，以此类推。

需要说明的是，在未进行本实施例补偿修正之前，第4～6秒的步数统计值作为原结果。根据表4原结果：第4秒静止是0步，第5秒静止是0步，第6秒，走路步数为2步(仅做举例)，因此之前的结果是(0+0+2)步，而应用本发明实施例的延迟补偿修正之后，第4～6秒的步数统计值，现在的结果是(N₁+N₂+N₃)。此处，从第7秒开始往前倒推重新判断了3秒，这是根据大量数据统计得出的方案。当静止切换为跑步系统第一次判断出是状态跑步时，往回推3秒；而静止切换到走路系统第一次判断出状态是走路时，往回倒推4秒，这个在后续的表7中也有所体现。另外，虽然走路和跑步均会计步，但两者有不同的步数统计方式，所以，走路与跑步的计步结果可能会稍有不同。

可以理解，这种延迟误差是指，应该将两秒的跑步数据对应的步数计算在步数统计值之内而由于系统检测切换延迟导致步数未计入，所以这里的补偿是在之前的统计结果的基础上，加上第5秒和6秒内的步数(未加第4秒数据的原因是重新判断后第4秒仍然是静止，而静止状态不执行计步)。需要说明的是，如何计算一段时间内加速度数据的标准差为现有技术，因此，计算标准差数值B1、B2、B3的具体步骤这里不再赘述。

第二种情况：运动状态由跑步切换到静止

图5是本申请一个实施例的由跑步到静止的运动状态切换过程示意图，图5中，横轴表示时间(单位是秒)，纵轴表示的是加速度数据。图5所示的数据基于的采样频率为26Hz。表5是系统记录的运动状态检测表，表5中第一列代表的是运动分类时刻。第二列是系统检测后输出的运动分类结果，第三列是检测对应的时间段，时间单位是秒，也就是得出第二列结果所基于的数据的采集时间段。

运动分类时刻(秒)	运动分类结果	检测对应的时间段(秒)
			37	跑步	31-37
38	走路	32-38
			39	走路	33-39
40	走路	34-40
			41	静止	35-41

表5

同样地，用户由跑步切换到静止状态时系统也会存在延迟输出静止状态的问题。参见图5和表5所示的一次跑步到静止状态的测试数据，用户在第35秒时停止跑步，所以在第36秒时，系统输出的运动状态应该是静止。实际上，系统直到第41秒时才判断运动状态为静止，也就是说，延迟了5秒才检测输出静止状态并停止计步，这就造成了计步的误差。

本实施例预先采集多人、多次的跑步到静止运动状态切换数据进行测试和统计，得到运动分类识别的部分测试结果如表6所示

测试编号	静止，停止计步延迟时间(秒)
		1	5
2	5
		3	4
4	5
		5	4.5

表6

表6是跑步到静止运动分类检测延迟结果示意表，参见表6可知统计得到的延迟时间是4～5秒。针对运动状态检测输出的延迟，本实施例中，对跑步到静止的检测延迟改进修正原理示意如下表

表7

表7为跑步到静止状态切换的改进修正原理示意表，参见表7，第一行表示的是时间，即运动状态分类时刻。第二行表示的是当前实际运动状态，其中，用对应的数字表示运动状态即，0是静止，1是走路，2是跑步。第三行表示的是系统检测的运动状态，同样用数字表示运动状态。第四行表示的是改进修正检测结果，即是对检测的运动状态的修正。第五行表示的是每秒钟的步数，第六行表示的是标准差阈值。

由表7可知，如果检测出当前时刻运动状态由跑步切换到静止，则计算当前时刻之前的四秒钟每秒的加速度数据对应的标准差数值得到四个标准差数值并记录标准差数值；比较四个标准差数值分别与第一标准差阈值或第二标准差阈值的大小，重新确定当前时刻之前的四秒钟每秒对应的运动状态；根据重新确定的运动状态计算当前时刻之前的四秒钟每秒超过幅度阈值的步数N₁，N₂，N₃和N₄，并利用当前时刻的步数统计值减去N₁，N₂，N₃，N₄，所得差值即为延迟修正补偿后的步数统计值。

具体的，根据表6所示的统计结果，按照静止到跑步类似的处理方式，本实施例中当检测到静止状态时，系统对当前时刻之前的4秒，计算每秒的运动状态，并统计每秒超过幅度阈值的步数N₁，N₂，N₃，N₄，在原始总步数(即，当前时刻对应的步数统计值)上减掉N₁+N₂+N₃+N₄进行补偿。需要说明的是，参见表7，这种延迟误差是指：不应该将第3-7秒的跑步数据对应的步数计算在步数统计值之内而由于系统检测切换延迟导致已计入，所以这里的补偿是在之前的统计结果的基础上，减去第3至7秒内的步数。统计每秒超过幅度阈值的步数表示寻找和统计满足垂向幅度阈值的点。根据计步原理，步数统计可以简单认为是统计波峰波谷的个数，但不是所有的波峰波谷都需要记入步数，只有满足某幅值阈值的波峰或波谷，才被记入每秒对应的步数。不同运动状态下，统计的步数总数有相应的变化。具体垂向幅度阈值的计算和步数统计原理均是现有技术，这里不再进行过多说明。

第三种情况：运动状态由静止切换到走路

本发明实施例中预先对静止到走路运动状态切换的延迟时间进行测试统计，得到的运动分类识别的部分测试结果如表8所示：

测试编号	计步延迟时间(秒)
		1	3.5
2	3
		3	4
4	4
		5	4

表8

表8为静止到走路的运动分类检测延迟结果示意表，根据表8所示的统计结果可以确定，当静止到走路状态切换，系统首次识别出运动状态为走路时的延迟时间为3～4秒。即，检测到状态切换的时间比实际状态切换时间晚了3到4秒。

与前述第一种情况静止切换到跑步运动状态的处理方式类似，本实施例中如果检测出当前时刻运动状态由静止切换到走路，则计算当前时刻之前的四秒钟每秒的加速度数据对应的标准差，得到四个标准差数值并记录标准差数值；比较四个标准差数值分别与第一标准差阈值或第二标准差阈值的大小，重新确定当前时刻之前的四秒钟每秒对应的运动状态；根据重新确定的运动状态计算当前时刻之前的四秒钟每秒的步数，利用重新计算出的步数对前四秒的步数统计值进行补偿。

可知，当检测出运动状态由静止切换到走路时，需要对静止切换到走路的检测延迟进行改进修正。与前述第二种情况静止切换到跑步运动状态的处理方式不同的是，这里在处理走路到静止的状态切换时，如果检测识别出当前时刻首次出现走路状态，则处理的是当前时刻之前的4秒，每秒内的标准差并记录4个标准差数值，确定这4个标准差数值与标准差阈值σ的大小关系，即，重新判断前4秒每秒内的运动状态，并计算相应的步数，将相应的步数与之前的计步结果进行对比并进行补偿。

举例来说，以前述第二种情况静止切换到跑步运动状态的处理方式为示意，在第6秒检测出运动状态由静止切换到走路，从开始往前倒推重新判断4秒。在未进行本实施例补偿修正之前，第2～5秒的步数统计值作为原结果。根据表4原结果：第2秒静止是0，第2秒静止是0步，第4秒静止是0步，第5秒静止是0步，因此之前的结果是(0+0+0+0)步，而应用本发明实施例的延迟补偿修正之后，第2～5秒的步数统计值，现在的结果是(N₁+N₂)。此处，从第6秒开始往前倒推重新判断了4秒，这是根据大量数据统计得出的方案。

第四种情况：运动状态由走路切换到静止

本实施例中预先对走路到静止状态切换的延迟时间进行测试和分析，得到了运动分类识别的部分测试结果如表9所示：

测试编号	静止停止计步延迟时间(秒)
		1	3
2	3
		3	3.5
4	4
		5	3.5

表9

根据表9所示的统计结果可以确定，当走路切换到静止状态，系统首次识别为静止时的延迟时间为3～4秒。针对表9中所示的走路到静止状态切换的检测延迟问题，本实施例中，如果检测出当前时刻运动状态由走路切换到静止，则计算当前时刻之前的三秒钟每秒的加速度数据对应的标准差数值得到三个标准差数值并记录标准差数值；比较三个标准差数值分别与第一标准差阈值或第二标准差阈值的大小，重新确定当前时刻之前的三秒钟每秒对应的运动状态；根据重新确定的运动状态计算当前时刻之前的三秒钟每秒超过阈值的步数N₁，N₂和N₃，并利用当前时刻的步数统计值减去N₁，N₂，N₃，所得差值即为延迟修正补偿后的步数统计值。

也就是说，类似前述第二种情况跑步到静止的处理方式，本实施例中也是计算当前时刻之前的时间内的运动状态并重新计算步数，但与前述第二种情况处理方式不同的是，本实施例中，当走路到静止的状态切换时，如果当前时刻首次检测到静止，则计算当前时刻之前的3秒内，每秒的运动状态(第二种情况计算的是当前时刻之前的4秒)，并统计每秒过阈值的步数N₁，N₂和N₃，在原始总步数(即，当前时刻的步数统计值)上减掉N₁+N₂+N₃进行补偿。需要说明的是，本实施例的步数统计值代表的是一次运动过程或到一个给定时间节点上(当前时刻)为止，累加得到的步数和。比如，一天的步数统计值，6个小时的步数统计值，本实施例中，每秒都会计算这一秒内累加的步数，并利用走路或跑步时每一秒的步数更新步数统计值，从而得到预定时间段内的步数之和。

至此，通过利用预先采集数据并分析得到统计结果对运动状态切换时导致的计步误差进行相应的补偿处理，提高了运动状态切换时的步数统计精度，满足了用户需求。

图6是本申请一个实施例的可穿戴设备的框图，参见图6，本实施例的可穿戴设备600包括：

加速度计601，用于采集当前时刻之前预定时间段内用户手臂的加速度数据；

处理器602，用于根据采集的加速度数据检测输出当前时刻对应的运动状态，如果当前时刻对应的运动状态为走路或跑步，则对于当前时刻内的步数进行累加，并更新步数统计值；如果当前时刻对应的运动状态为静止，则保持步数统计值不变。

在本发明的一个实施例中，处理器602用于计算当前时刻之前预定时间段内的加速度数据的标准差，将计算出的标准差与标准差阈值进行比较；当标准差小于或者等于第一标准差阈值时，确定当前时刻对应的运动状态为静止；当标准差大于第一标准差阈值且小于第二标准差阈值时，确定当前时刻对应的运动状态为走路；当标准差大于或者等于第二标准差阈值时，确定当前时刻对应的运动状态为跑步。

在本发明的一个实施例中，处理器602还用于如果检测出当前时刻进行了运动状态切换，则计算当前时刻之前T秒每秒的加速度数据的标准差，根据计算出的标准差数值与所述第一标准差阈值或第二标准差阈值的比较结果，重新确定当前时刻之前T秒每秒对应的运动状态，其中，T等于3或4。

在本发明的一个实施例中，处理器602具体用于如果检测出当前时刻运动状态由静止切换到非静止运动状态，则计算当前时刻之前的T秒钟每秒的加速度数据对应的标准差，得到T个标准差数值并记录标准差数值；比较T个标准差数值分别与第一标准差阈值或第二标准差阈值的大小，重新确定当前时刻之前的T秒钟每秒对应的运动状态；根据重新确定的运动状态计算当前时刻之前的T秒钟每秒的步数，利用重新计算出的步数对当前时刻之前的T秒钟的步数统计值进行延迟修正补偿；其中，非静止运动状态包括跑步或者走路，若非静止运动状态为跑步，则取T为3，若非静止运动状态为走路，则取T为4。

在本发明的一个实施例中，处理器602还用于如果检测出当前时刻运动状态由非静止运动状态切换到静止，则计算当前时刻之前的T秒钟每秒的加速度数据对应的标准差数值得到T个标准差数值并记录标准差数值；比较T个标准差数值分别与第一标准差阈值或第二标准差阈值的大小，重新确定当前时刻之前的T秒钟每秒对应的运动状态；根据重新确定的运动状态计算当前时刻之前的T秒钟每秒的步数N₁，N₂,..,N_T，并利用当前时刻的步数统计值减去N₁，N₂，..，N_T，所得差值即为延迟修正补偿后的步数统计值；其中，非静止运动状态包括跑步或者走路，若非静止运动状态为跑步，则取T为4，若非静止运动状态为走路，则取T为3。

需要说明的是，关于图6所示的可穿戴设备中的各部件所执行的功能的举例解释说明，与前述方法实施例中的解释说明一致，这里不再一一赘述。

本实施例的可穿戴设备的产品形式例如是智能手表、智能手环等具有计步功能的产品，智能手表和智能手环佩戴与用户的手臂上。可穿戴设备的产品还可以以脚环等形式，佩戴在用户的脚踝上，对此不做限制。

综上所述，本发明实施例的计步方法和可穿戴设备，在智能穿戴稳定持续的计步检测中,当运动状态切换时，能更准确地识别运动状态切换，进行步数的统计和修正，实现计步精度的提高。

本发明一个实施例中提供了一种计算机可读存储介质。该计算机可读存储介质存储有用于执行根据本发明的计步方法步骤的计算机程序，可以被可穿戴设备的处理器读取，当计算机程序由可穿戴设备运行时，导致该可穿戴设备执行前述实施例中所描述的方法的各个步骤，具体来说，该计算机可读存储介质存储的计算程序可以执行上述任一个实施例中示出的方法。计算机程序可以以适当形式进行压缩。

本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质上实施的计算机程序产品的形式。

需要说明的是术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。本发明的说明书中，说明了大量具体细节。然而能够理解的是，本发明的实施例可以在没有这些具体细节的情况下实践。在一些实例中，并未详细示出公知的方法、结构和技术，以便不模糊对本说明书的理解。

以上所述，仅为本发明的具体实施方式，在本发明的上述教导下，本领域技术人员可以在上述实施例的基础上进行其他的改进或变形。本领域技术人员应该明白，上述的具体描述只是更好的解释本发明的目的，本发明的保护范围以权利要求的保护范围为准。

Claims

1.一种计步方法，其特征在于，包括：

采集当前时刻之前预定时间段内的加速度数据；

根据采集的加速度数据检测当前时刻对应的运动状态；

2.根据权利要求1所述的计步方法，其特征在于，根据采集的加速度数据检测当前时刻对应的运动状态包括：

计算当前时刻之前预定时间段内的加速度数据的标准差，将计算出的标准差与标准差阈值进行比较；

当标准差小于或者等于第一标准差阈值时，确定当前时刻对应的运动状态为静止；

当标准差大于第一标准差阈值且小于第二标准差阈值时，确定当前时刻对应的运动状态为走路；

当标准差大于或者等于第二标准差阈值时，确定当前时刻对应的运动状态为跑步。

3.根据权利要求1或2所述的计步方法，其特征在于，该方法进一步包括：

如果检测出当前时刻进行了运动状态切换，则对得到的步数统计值进行延迟修正补偿。

4.根据权利要求3所述的计步方法，其特征在于，如果检测出当前时刻进行了运动状态切换，则对得到的步数统计值进行延迟修正补偿包括：

如果检测出当前时刻进行了运动状态切换，则计算当前时刻之前T秒每秒的加速度数据的标准差，根据计算出的标准差数值与所述第一标准差阈值或第二标准差阈值的比较结果，重新确定当前时刻之前T秒每秒对应的运动状态，其中，T等于3或4。

5.根据权利要求4所述的计步方法，其特征在于，如果检测出当前时刻运动状态由静止切换到非静止运动状态，则计算当前时刻之前的T秒钟每秒的加速度数据对应的标准差，得到T个标准差数值并记录标准差数值；比较T个标准差数值分别与第一标准差阈值或第二标准差阈值的大小，重新确定当前时刻之前的T秒钟每秒对应的运动状态；根据重新确定的运动状态计算当前时刻之前的T秒钟每秒的步数，利用重新计算出的步数对当前时刻之前的T秒钟的步数统计值进行延迟修正补偿；其中，非静止运动状态包括跑步或者走路，若非静止运动状态为跑步，则取T为3，若非静止运动状态为走路，则取T为4。

6.根据权利要求4所述的计步方法，其特征在于，

7.一种可穿戴设备，其特征在于，包括：

8.根据权利要求7所述的可穿戴设备，其特征在于，所述处理器用于计算当前时刻之前预定时间段内的加速度数据的标准差，将计算出的标准差与标准差阈值进行比较；当标准差小于或者等于第一标准差阈值时，确定当前时刻对应的运动状态为静止；当标准差大于第一标准差阈值且小于第二标准差阈值时，确定当前时刻对应的运动状态为走路；当标准差大于或者等于第二标准差阈值时，确定当前时刻对应的运动状态为跑步；

所述处理器用于如果检测出当前时刻进行了运动状态切换，则对得到的步数统计值进行延迟修正补偿。

9.根据权利要求7所述的可穿戴设备，其特征在于，所述处理器，用于在检测出当前时刻进行了运动状态切换时，计算当前时刻之前T秒每秒的加速度数据的标准差，根据计算出的标准差数值与所述第一标准差阈值或第二标准差阈值的比较结果，重新确定当前时刻之前T秒每秒对应的运动状态，其中，T等于3或4。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至6任一项所述的计步方法的步骤。