CN109190553A - 脚步探测方法 - Google Patents

Abstract

本发明提供了一种脚步探测方法，其特征在于，包含：选取最新一段计算加速度数据并计算加速度均值，通过判断该加速度均值的大小，来判断是否为脚步；判断所选取的最新一段加速度均值的中间数据是否为波峰，来进一步判断是否为候选脚步；计算候选脚步与数据库已有脚步的关联性，对关联大进行频谱变换，并当所计算的脚步区间对应的能量累计占频谱图总能量中超过一定比例时，来确定待确定有效脚步，再基于待确定有效脚步对应时间与上一次有效脚步之间的时间差，来确定有效脚步，考虑了阈值、时域、频域、脚步数据库等多个维度的因素，有效降低将非脚步探测为脚步这种情况发生的概率，从而提供更为可靠的脚步探测结果。

Description

脚步探测方法

技术领域

本发明涉及位置服务技术领域，尤其是一种脚步探测方法。

背景技术

随着移动互联网、智能终端等技术的发展，位置服务已经逐渐深入到了人们的生活。作为位置服务的核心技术之一，精确、可靠的定位至关重要。

在现代智能设备中，大多通过内置加速度计来用于探测用户的脚步信息。脚步探测的结果至少可以用作如下用途：第一，可用来分析和统计用户活动; 第二，可用来为基于惯性传感器的航迹推算导航提供脚步信息，以及利用脚步点上的速度接近于零的特点，来提供导航修正; 第三，可以为某些基于连续轨迹的定位技术，如基于空间信息或磁场的匹配技术，提供运动轨迹信息。脚步探测是一种较为成熟的技术，已经在智能穿戴、医疗、智慧畜牧业等领域得到了较广泛的应用。然而，利用现有计步产品和方案所进行脚步探测方案，还存在诸多挑战。其中，最突出的一个，就是容易将非脚步运动误判探测为脚步，无法获取精确、可靠的脚步信息。对脚步误判探测方案举例而言，在这样的场景下，将计步器拿在手中玩弄，或者设备绑在牛羊耳朵上而牛羊活动头部，则很可能被错误探测为有脚步，造成这一问题的原因是现有脚步探测技术从未针对性的考虑过解决此场景问题。

因此，现有脚步探测技术多基于单一技术，如阈值（如均值、标准差、能量等的阈值）检测、峰值检测、过零检测、频域分析（如傅丽叶变换、小波变换等），其数据维度单一或较低，从而导致手中晃动和存在脚步这两种信号特征类似，难以区分。综上分析可知，为了提高精确、可靠的脚步信息，则需考量多维度数据、提高信号特征的区别灵敏度，因而，需要一种能够准确探测脚步，主要是降低将非脚步探测为脚步这种情况的概率的脚步探测方法。

发明内容

本发明的目的是提供一种脚步探测方法，其能够利用加速度计数据，探测目标物体（如行人、牲畜等目标对象）的脚步。

为了解决上述问题、达到上述发明目的，本发明提供一种脚步探测方法，其特征在于，包含：以当前时间向前截取一段时长的加速度数据，并计算加速度均值，通过判断该加速度均值的大小，来判断是否为脚步；判断所选取的最新一段加速度均值的中间数据是否为波峰，来进一步判断是否为候选脚步；计算候选脚步与数据库已有脚步数据的关联性，对关联性大的候选脚步进行频谱变换，并以所计算的脚步区间对应的能量累计占频谱图总能量的比例是否超过预定阈值，来确定是否为待确定有效脚步；再基于待确定有效脚步对应时间与上一次有效脚步之间的时间差，来确定是否为所述有效脚步。

进一步可选地，在本发明所提供的脚步探测方法中，还可以具有这样的特征，包含：在以当前时间向前截取一段时长的加速度数据，并计算加速度均值的步骤之前，包含:更新加速度数据缓存,计算每一时刻加速度数据，并将加速度数据和其对应的时间数据对应存储，用于提供截取一定时长的加速度数据。

进一步可选地，在本发明所提供的脚步探测方法中，还可以具有这样的特征，其中，基于脚步探测数据时间长度阈值选取内存中最新的一段加速度数据来计算加速度均值。

进一步可选地，在本发明所提供的脚步探测方法中，还可以具有这样的特征，使用每一时刻的加速度计测量值计算加速度数据，并将加速度数据和其对应的时间数据一并被存储进行预处理；基于脚步探测数据时间长度阈值，从内存中以当前时间为基准向前截取一定时长的加速度数据，计算其中加速度数据的均值，比较均值和脚步加速度阈值；判断所选内存中最新一段加速度数据的中间数据是否为波峰；将所选的一段加速度数据与数据库各个已有脚步数据对比，基于相关性从数据库中至少一个已有数据段与所选候选脚步对应的加速度数据段进行比较；将所选加速度数据映射到频域，并计算的频谱图中行人走路区间或跑步区间对应的能量累计与频谱图总能量的比例，选取比例大于能量阈值的作为待确定有效脚步；计算待确定有效脚步对应时间与上一次有效脚步之间的时间差，若时间差大于脚步时间间隔阈值，则判定为有效脚步。

进一步可选地，在本发明所提供的脚步探测方法中，还可以具有这样的特征，加速度数据预处理至少包括粗差剔除、低通滤波。

进一步可选地，在本发明所提供的脚步探测方法中，还可以具有这样的特征，其中，脚步加速度阈值的设定有加载在潜在的目标物体上的加速度模值的标准差来设定。

进一步可选地，在本发明所提供的脚步探测方法中，还可以具有这样的特征，其中，判断所选取加速度均值的中间数据是否为波峰，包含：各加速度均值的数据段的中心均对应加速度波峰来判断。

进一步可选地，在本发明所提供的脚步探测方法中，还可以具有这样的特征，包含：中间数据的选定规则为：假定所选数据有N个数，若N能被2整除，则选定第N/2+1个数为中间数据; 反之，则选定第（N+1）/2个数为中间数据。

进一步可选地，在本发明所提供的脚步探测方法中，还可以具有这样的特征，包含：其中，计算候选脚步与数据库已有脚步数据的关联性，包括：为对比所选数据段和候选数据段，分别将两个数据段根据其对应的时间数据序列插值到相同个数的时间点上，然后计算两个数据段被插值后的加速度数据之间的相关性。

进一步可选地，在本发明所提供的脚步探测方法中，还可以具有这样的特征，包含：其中，对关联性大的候选脚步进行频谱变换，并当以所计算的脚步区间对应的能量累计占频谱图总能量的比例是否超过预定阈值，来确定是否为待确定有效脚步的步骤，包含：将所选数据段映射到频域，并检测生成的频谱图中目标行走频率区间对应的能量在频谱图中总能量中所占比例是否大于能量阈值，其中，频率区间对应的能量由将频谱图中所有处在该频率区间内频率点处的能量进行累加获得，频谱图总能量由将频谱图中所有大于零的频率点对应的能量累加获得。

本发明具的作用和效果：

本发明所提供的脚步探测方法考虑了阈值、时域、频域、脚步数据库等多个维度的因素，按照特定顺序进行排序，有效降低将非脚步探测为脚步这种情况发生的概率，从而提供更为可靠的脚步探测结果。

本发明的其他优点、目标和特征将部分通过下面的说明体现，部分还将通过对本发明的研究和实践而为本领域的技术人员所理解。

附图说明

图1为本发明实施例中脚步探测方法的步骤流程图;

图2为本发明实施例中用于脚步探测的数据的示例图;

图3为本发明实施例中用于脚步探测的数据预处理示例图;

图4为本发明实施例中脚步探测数据时间长度阈值的自动计算过程的图例;

图5为本发明实施例中通过脚步加速度阈值进行脚步探测示例；

图6为本发明实施例中候选脚步与脚步数据库相比较的关联性比较示意图；

图7为本发明实施例中计算相关性判定为候选脚步的判定过程图；

图8（1）为本发明实施例中针对数据段1的频谱变换中时域示例图；

图8（2）为本发明实施例中针对数据段1的频谱变换中频域示例图；

图8（3）为本发明实施例中针对数据段2的频谱变换中时域示例图；

图8（4）为本发明实施例中针对数据段2的频谱变换中频域示例图；以及

图9为通过脚步间时间间隔判断为非脚步的错误匹配示例。

具体实施方式

本实施例中，提供了一种脚步探测方法，具有这样的步骤包含：

选取最新一段计算加速度数据并计算加速度数据，通过判断该加速度均值的大小，来判断是否为脚步；

判断所选取的最新一段加速度均值的中间数据是否为波峰，来进一步判断是否为候选脚步；

计算候选脚步与数据库已有脚步数据的关联性，对关联性大的候选脚步进行频谱变换，并当所计算的脚步区间对应的能量累计占频谱图总能量中超过一定比例时，来确定是否为待确定有效脚步；

再基于待确定有效脚步对应时间与上一次有效脚步之间的时间差，来确定是否为所述有效脚步。

具体而言，由图1可知，图1为本发明实施例中脚步探测方法的步骤流程图，一种脚步探测方法，可使用加速度计测量值探测目标物体的脚步，其特征在于，包含：

步骤S1：更新加速度数据缓存。使用每一时刻的加速度计测量值计算加速度数据，并存储加速度数据和其对应的时间数据。

步骤S2：然后，对所存储的数据进行预处理。

步骤S3：基于脚步探测数据时间长度阈值，选取一段时间的数据。然后，计算其中加速度数据的均值。若均值不大于脚步加速度阈值，则判定该时刻的动作数据为非脚步，进入步骤S11; 否则，记为候选脚步,进入步骤S4。

步骤S4：判断所选数据段的中间数据是否为波峰。若不为波峰，则判定该时刻为非脚步,进入步骤S11; 否则进入步骤S5。

步骤S5：将该段数据中间时间处的动作数据作为候选脚步。

步骤S6：将所选数据段与脚步数据库中各候选数据段对比，若脚步数据库中有至少一个候选数据段与所选数据段相关性大于相关度阈值，则记为候选脚步; 否则，判定该时刻为非脚步，进入步骤S11。

步骤S7：将所选数据段转换到频域。

步骤S8：并计算的频谱图中目标行走区间对应的能量累计与频谱图总能量的比例。若比例大于能量阈值，则记为待确定有效脚步; 否则，判定该时刻为非脚步，进入步骤S11。

步骤S9：计算待确定有效脚步对应时间与上一次有效脚步之间的时间差。若时间差大于脚步时间间隔阈值，则记为有效脚步，进入步骤S10; 否则，判定为非脚步，进入步骤S11。

实施例中以行人携带内置三轴加速度计的智能手机行走（走路或跑步）为例，对上述步骤进行具体说明：

步骤1：更新加速度数据缓存。使用每一时刻的加速度计测量值计算加速度数据，并存储加速度数据和其对应的时间数据。步骤S2：然后，对所存储的数据进行预处理。

对于步骤1中所选取的加速度数据，是以当前时间向前截取一段时长的加速度数据，该一段时间长度是由最新的数据段由内存中各数据对应的时间而定。本发明中，所适宜时间长度的可选范围包含：取内存尾部的数据为最新数据，并逐渐往前取，直至所取数据的时间与最新数据的时间差的绝对值大于脚步探测数据时间长度阈值为止。

步骤1中使用每一时刻的加速度计测量值计算加速度数据，其特征为：使用加速度模值作为加速度数据。加速度模值的计算方式为使用三轴加速度计测量的比力向量的模减去本地重力值。本地重力值的求取可采用导航定位领域已有技术，通过设置本地纬度值求取（本地重力值计算还需高程信息，但其相对地球曲率半径为小量，可忽略）。除加速度模值外，也可使用比力模值、垂直方向的比力，或者垂直方向加速度作为加速度数据。

图2为本发明实施例中用于脚步探测的数据的示例图，图2展示了一次行人走路过程中三轴加速度计测量的比力向量的模（虚线），以及实施例中用来脚步探测的加速度模值（实线）之间的关系。可以看出，相比直接使用比力向量的模而言，加速度模值消除了本地重力的影响，在行人走路过程中是零值上下波动。

步骤1中，可将加速度数据和其对应的时间存入内存，本实施例中采用链表存储。链表中每一个节点为由加速度数据加上时间构成。将最新的加速度数据和时间数据存于链表尾部节点。当链表尾部节点与链表头部节点的时间差大于存储时间长度阈值时，移除链表头部的节点。

存储时间长度阈值的设定以至少覆盖一个脚步周期对应时间的上限为依据。经统计，一般人行走步频为0.3步/秒至2步/秒之间，跑步步频为1步/秒至4步/秒之间。因此，一步对应的时间为0.25秒至3秒之间。因此，实施例中将内存时间长度阈值设定为3秒。此设定只是内存时间长度阈值的初始设定值的，可以设定为3秒，即保证有至少一个脚步周期。下述的步骤3中会根据最新数据对该时间阈值进行更新。

步骤2中加速度数据预处理至少包括粗差剔除、低通滤波。粗差剔除即当加速度大小超过加速度粗差阈值时，判定为粗差并从内存中剔除。加速度粗差阈值根据具体应用设备可能感知的加速度范围设定。具体而言，对于智能手机、手表等携带在身上的智能终端，取2倍重力值，即20米/平方秒作为加速度粗差阈值。对于绑在脚上的设备，取8倍重力值，即80米/平方秒作为加速度粗差阈值。低通滤波具体实现可参照数字信号处理领域已有技术。一般人行走或跑步的频率在0.25 赫兹至4赫兹之间。实施例中，低通滤波时设定滤除高于10赫兹的噪声信号。

图3为本发明实施例中用于脚步探测的数据预处理示例图，图3展示了一次行人正常过程中的加速度模值（虚线），以及低通滤波后的加速度模值（实线）。同时，图中例子里通过粗差剔除方法，剔除了一次加速度粗差。经过粗差探测和低通滤波后的加速度模值噪声更小，更利于准确的脚步探测。

步骤3：基于脚步探测数据时间长度阈值，选取最新的数据段。然后，计算其中加速度数据的均值。若均值不大于脚步加速度阈值，则判定该时刻为非脚步; 记为候选脚步。

步骤3中，最新的数据段由内存中各数据对应的时间而定。取内存尾部的数据为最新数据，并逐渐往前取，直至所取数据的时间与最新数据的时间差的绝对值大于脚步探测数据时间长度阈值为止。

脚步探测数据时间长度阈值的设定方法如下：初始值设定为默认值（如0.5秒），约为人走一步的平均时间的一半。后续当探测到了至少两个有效脚步时，用最新的两个相邻有效脚步之间的时间差来更新脚步探测数据时间长度阈值。图4中展示了脚步探测数据时间长度阈值的自动计算方法。图中T0、T1、T2、T3、T4为时间，THs为脚步探测数据时间长度阈值。初始状态时时间为T0，脚步探测数据时间长度阈值设定为预设初始值。当探测到T1、T2时刻的两个脚步时，将脚步探测数据时间长度阈值更新为T2-T1。进一步，当探测到T3时刻的脚步时，将脚步探测数据时间长度阈值更新为T3-T2，依此类推。

步骤3中计算加速度数据的均值并与脚步加速度阈值比较，其特征在于：因为步骤3以及后续步骤4的主要目的是为了找到加速度数据时间序列曲线的波峰所在处。其中步骤3中只需找到波峰的大致范围，以供后续步骤4做准确的波峰探测。因此，步骤3中脚步加速度阈值的选取以保证所选的一段加速度数据处在加速度信号时间序列曲线的上部即可。实施例中，根据具体应用中可能施加在目标物体上的加速度模值的标准差来设定脚步加速度阈值。可能施加在目标物体上的加速度模值的标准差通过预先采集加速度计数据并计算加速度模值，然后对多个加速度模值求标准差得到，为正值。实施例中脚步加速度阈值约为0.8米/秒²。图5中展示了一段行人行走过程中的加速度模值，以及均值大于脚步加速度阈值的数据段。由图5可以看出，所选数据段均处在加速度模值曲线的波峰附近，即通过该步骤成功找到了脚步所在的大致区域。

步骤4：判断所选数据段的中间数据是否为波峰。若不为波峰，则判定该时刻为非脚步; 否则，将该段数据中心作为候选脚步。

步骤4中判断一段数据的中间数据是否为波峰，其特征为：若所选数据的中间数据对应的加速度值为该段数据中加速度值的最大值，则判定中间数据为波峰。中间数据的选定规则为：假定所选数据有N个数。若N能被2整除，则选定第N/2+1个数为中间数据; 反之，则选定第（N+1）/2个数为中间数据。

步骤6：将所选数据段与脚步数据库中各候选数据段对比，若脚步数据库中有至少一个候选数据段与所选数据段相关性大于相关度阈值，则记为候选脚步; 否则，判定该时刻为非脚步。

步骤6中将步骤3中所选的数据段与脚步数据库中各候选数据段对比，其特征在于：脚步数据库中各候选数据段为预先采集的脚步对应的加速度曲线波峰数据段，有如下特点：第一，各数据段的中心均对应加速度波峰。第二，各候选数据段时间长度设定方法均与本专利中脚步探测数据时间长度阈值的设定方法相同。第三，脚步数据库中候选数据段涵盖了从慢走到快跑的各种情况的数据。

图6为两个所选候选脚步的数据段与脚步数据库相比较的示意图。图6中脚步数据库中存储有跑步、快走、正常走路、慢走等多个预存的不同类型数据段。其中，所选数据段1在脚步数据库中搜索到了与之相关性大于相关度阈值的候选数据段，因此，被标记为可能为脚步。相反，所选数据段2在脚步数据库中没有搜索到与之相关性大于相关度阈值的候选数据段，因此，被标记为可能非脚步。

步骤6中判断脚步数据库中是否至少有一个候选数据段与步骤3中所选数据段相关性大于相关度阈值，其特征在于：依次计算脚步数据库中每一个候选数据段与步骤3中所选数据段相关性。当某一个候选数据段与步骤3中所选数据段相关性大于相关性阈值，结束与脚步数据库中候选数据段的对比，并标记为候选脚步。

步骤6中计算脚步数据库中每一个候选数据段与所选数据段之间的相关性，并判断是否大于相关度阈值，特征在于：为了对比所选数据段和一个候选数据段，分别将两个数据段根据其对应的时间数据序列插值到相同个数的时间点上，然后计算两个数据段被插值后的加速度数据之间的相关性。图7为计算所选数据段和数据库中一个候选数据段之间相关性的示意图，展示了计算相关性判定为候选脚步的判定过程。具体计算步骤为：首先，设定插值点数为，N为大于1的整数，N值越大则插值点越细。此处选择N=20。然后，将所选数据段的加速度模值按时间线型内差为N等分，插值结果记为。同时，对于第i个候选数据段，将其加速度模值按时间线型内差为N等分，插值结果记为。然后，计算和的相关系数，公式为。其中为和的协防差，和分别为二者的方差。对某一个数据段插值运算过程如下：计算该数据段内数据对应时间的最小值和最大值，然后将最小值到最大值这一时间段等间距分成若干块。然后，使用该数据段内时间数据序列作为待插值横坐标向量，加速度数据序列作为待插值纵坐标向量，等间距时间数据序列作为插值点横坐标向量，进行一维插值，得到插值点纵坐标向量，即为等间距时间数据序列对应的加速度数据序列。实施例中相关度阈值设定为高度相关对应的相关系数，即0.8。

步骤S7：将所选数据段转换到频域，并步骤S8计算的频谱图中目标行走区间对应的能量累计与频谱图总能量的比例。若比例大于能量阈值，则标记为待确定有效脚步；否则，判定该时刻为非脚步。

步骤S7中将所选数据段映射到频域，并步骤S8检测生成的频谱图中目标行走频率区间对应的能量在频谱图中总能量中所占比例是否大于能量阈值。可采用：频谱转换方法可使用数字信号处理领域已有方法，如快速傅丽叶变换。行人走路或跑步频率区间对应的能量计算方法为将频谱图中所有处在该频率区间内频率点处的能量进行累加。频谱图中总能量计算方法为将频谱图中所有大于零的频率点对应的能量累加。能量阈值可设定为处于0.5至1之间的值，实施例中设定为0.7。

图8（1）-图8（4）为两个所选数据段用步骤S7、S8中方法进行脚步探测的示意图。图8（1）、图8（2）分别为本发明实施例中针对数据段1的频谱变换中时域、频域示例图；图8（3）、图8（4）分别为本发明实施例中针对数据段2的频谱变换中时域、频域示例图，其中，所选数据段1转换到频域后，在0.5到4赫兹频率区间对应的能量在频谱图中总能量中所占比例大于能量阈值，因此，被保留为待确定有效脚步。相反，所选数据段2在该频率区间对应的能量在频谱图中总能量中所占比例小于能量阈值，因此，被标记为非脚步。

步骤9：计算待确定有效脚步对应时间与上一次有效脚步之间的时间差。若时间差大于脚步时间间隔阈值，则判定待确定有效脚步为有效脚步; 否则，判定待确定有效脚步为非脚步。

步骤9中计算待确定有效脚步对应时间与上一次有效脚步对应时间之间的差异，并比较是否大于脚步间时间阈值，其特征为：若不存在上一次有效脚步，则跳过与上一次有效脚步的时间比较，直接将该待确定有效脚步作为有效脚步。

图9为通过脚步间时间间隔判断为非脚步的错误匹配示例，展示了一次行人走路数据中，使用步骤9中方法成功提出一次错误脚步探测的实例。其中Ta、Tb、Tc为时间。对应一个待确定有效脚步的Tb时间点，与上一个有效脚步对应的时间点Ta的差不大于脚步间时间阈值，因此，Tb对应的待确定有效脚步被判定为非脚步。而对应后一个待确定有效脚步的Tc时间点，与上一个有效脚步对应的时间点Ta的差大于脚步间时间阈值，因此，Tc对应的待确定有效脚步被判定为有效脚步。

步骤9中计算待确定有效脚步对应时间与上一次有效脚步对应时间之间的差异，并比较是否大于脚步间时间阈值，本实施例中，脚步间时间阈值的确定以走一步的时间长度下限确定。因为一步对应的时间为0.25秒至4秒之间，所以将脚步间时间阈值设定为0.25秒。

本发明的步骤1-5已经可以探测出脚步，而步骤6-10主要目的在于解决现有脚步探测方案易将非脚步运动探测为脚步的问题。相比现有方案，步骤6到10从运动模式、频域和时间域这三个不同的方面提供了三种过滤方式，一旦某个步骤没有通过，都不会被判定为脚步。尤其实是步骤6和步骤7，阈值要求苛刻，必须达到相关性达到0.8和在频谱总能量中占比70%才能通过，本申请中上述步骤7中，实施例中设定为0.7、0.8或0.9，能量阈值的范围取值处于0.5至1之间均属于本申请的范围，将相关性和频谱总能量中占比两方面结合后，若非有效脚步，更加难以通过。而步骤9则保证了即便出现了误判，也不至于短期出现大量误判（比如一秒钟内探测到了5步）这种情况（短期出现大量误判对行人导航会有很大破坏，因为可能导致行人导航结果迅速发散）。此外，本发明中所有阈值参数根据实际行走测试数据统计设定，符合行人行走或跑步实际情况。经测试，本发明可有效防止将以下动作误判为脚步：设备原地运动，例如用户将手机由端平查看变为打电话模式、或者由兜里掏出来拿在手上、或者由座位上站起来、或者将手机从手里放到桌上。因此，本发明可有效降低脚步探测误判率，提高脚步探测可靠性。

此外，本发明中的技术点包括：脚步探测数据时间长度阈值的自动计算;对两个脚步探测数据分别进行插值，然后比较插值后脚步探测数据的相关性; 根据相关性大小来判断是否可能为脚步。

本发明中阈值，如存储时间长度阈值、脚步探测数据时间长度阈值、脚步加速度阈值、相关度阈值、能量阈值、脚步间时间阈值等，均针对目标真实运动过程中的加速度数据进行设置或调整，且经测试可用。

实施例中以行人使用内置有加速度计的智能手机的案例为例进行说明。本发明也可用于智慧畜牧业中，内置有加速度计的耳标的应用。通过该发明，可以有效降低由于牛羊摆动头部而造成的错误脚步探测。

本发明虽然已以较佳实施例公开如上，但其并不是用来限定本发明，任何本领域技术人员在不脱离本发明的精神和范围内，都可以利用上述揭示的方法和技术内容对本发明技术方案做出可能的变动和修改，因此，凡是未脱离本发明技术方案的内容，依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化及修饰，均属于本发明技术方案的保护范围。

Claims (10)

1.一种脚步探测方法，其特征在于，包含：

以当前时间向前截取一段时长的加速度数据，并计算加速度均值，通过判断该加速度均值的大小，来判断是否为脚步；

判断所选取的最新一段加速度均值的中间数据是否为波峰，来进一步判断是否为候选脚步；

计算候选脚步与数据库已有脚步数据的关联性，对关联性大的候选脚步进行频谱变换，并以所计算的脚步区间对应的能量累计占频谱图总能量的比例是否超过预定阈值，来确定是否为待确定有效脚步；

再基于待确定有效脚步对应时间与上一次有效脚步之间的时间差，来确定是否为所述有效脚步。

2.如权利要求1所述的脚步探测方法，其特征在于，包含：

在以当前时间向前截取一段时长的加速度数据，并计算加速度均值的步骤之前，包含:

更新加速度数据缓存,计算每一时刻加速度数据，并将加速度数据和其对应的时间数据对应存储，用于提供截取一定时长的加速度数据。

3.如权利要求2所述的脚步探测方法，其特征在于，包含：

其中，基于脚步探测数据时间长度阈值选取内存中最新的一段加速度数据来计算加速度均值。

4.如权利要求1所述的脚步探测方法，其特征在于，包含：

使用每一时刻的加速度计测量值计算加速度数据，并将加速度数据和其对应的时间数据一并被存储进行预处理；

基于脚步探测数据时间长度阈值，从内存中以当前时间为基准向前截取一定时长的加速度数据，计算其中加速度数据的均值，比较均值和脚步加速度阈值；

判断所选内存中最新一段加速度数据的中间数据是否为波峰；

将所选的一段加速度数据与数据库各个已有脚步数据对比，基于相关性从数据库中至少一个已有数据段与所选候选脚步对应的加速度数据段进行比较；

将所选加速度数据映射到频域，并计算的频谱图中行人走路区间或跑步区间对应的能量累计与频谱图总能量的比例，选取比例大于能量阈值的作为待确定有效脚步；

计算待确定有效脚步对应时间与上一次有效脚步之间的时间差，若时间差大于脚步时间间隔阈值，则判定为有效脚步。

5.如权利要求4所述的脚步探测方法，其特征在于，包含：

加速度数据预处理至少包括粗差剔除、低通滤波。

6.如权利要求4所述的脚步探测方法，其特征在于，包含：

其中，脚步加速度阈值的设定有加载在潜在的目标物体上的加速度模值的标准差来设定。

7.如权利要求1所述的脚步探测方法，其特征在于，包含：

其中，判断所选取加速度均值的中间数据是否为波峰，包含：各加速度均值的数据段的中心均对应加速度波峰来判断。

8.如权利要求7所述的脚步探测方法，其特征在于，包含：

中间数据的选定规则为：假定所选数据有N个数，若N能被2整除，则选定第N/2+1个数为中间数据; 反之，则选定第（N+1）/2个数为中间数据。

9.如权利要求1所述的脚步探测方法，其特征在于，包含：

其中，计算候选脚步与数据库已有脚步数据的关联性，包括：

为对比所选数据段和候选数据段，分别将两个数据段根据其对应的时间数据序列插值到相同个数的时间点上，然后计算两个数据段被插值后的加速度数据之间的相关性。

10.如权利要求1所述的脚步探测方法，其特征在于，包含：

其中，对关联性大的候选脚步进行频谱变换，并以所计算的脚步区间对应的能量累计占频谱图总能量的比例是否超过预定阈值，来确定是否为待确定有效脚步的步骤，包含：

将所选数据段映射到频域，并检测生成的频谱图中目标行走频率区间对应的能量在频谱图中总能量中所占比例是否大于能量阈值，

其中，频率区间对应的能量由将频谱图中所有处在该频率区间内频率点处的能量进行累加获得，

频谱图总能量由将频谱图中所有大于零的频率点对应的能量累加获得。