CN109328094A

CN109328094A - 运动识别方法及装置

Info

Publication number: CN109328094A
Application number: CN201780037462.2A
Authority: CN
Inventors: 郑株豪; 郑畅根
Original assignee: Co Bifres
Current assignee: Co Bifres
Priority date: 2016-08-09
Filing date: 2017-08-08
Publication date: 2019-02-12
Anticipated expiration: 2037-08-08
Also published as: CN109328094B; JP2021098027A; JP7101835B2; JP2019528105A; WO2018030742A1

Abstract

本发明公开一种运动识别方法及其装置，上述运动识别装置包括：加速度传感部，用于测定包括上下、左右及前后方向的3轴方向加速度值；角速度传感部，用于测定包括上下、左右及前后方向的3轴方向角速度值；处理部，以上述3轴方向加速度值及上述3轴方向角速度值为基础来生成第一运动状态值；以及用户界面部，用于控制上述处理部的睡眠模式或激活模式。

Description

运动识别方法及装置

技术领域

本发明涉及运动识别方法及装置，更详细地，涉及收集及分析使用人员的步行及跑步运动数据的运动识别方法及装置。

背景技术

通常，现代人日常生活中的运动量在维持适当身体健康方面相当不足。由此，与有效促进健康的系统运动方法有关的关心度提高。具体地，随着对于系统性有效迅速锻炼身体的运动、长期观点中的用于促进健康的姿势的校正等的运动及人类寿命的延长，适合于身体能力降低的老人的运动等多种运动的关系提高。作为符合上述多种需求的运动方法中的一种，存在任何人可简单进行的步行运动。

只要是在身体方面不存在问题的人，任何人均可进行步行运动，因此，大部分人以在无意识中熟悉的姿势进行步行。但是，人的身体并非完美对称，因此，在大部分情况下，通常以不均衡且不正确的姿势进行步行。这种错误姿势下的持续步行会导致肌肉和骨骼的歪曲，进而，会成为引发各种全身痛症的原因。对于普通人而言，这种错误的步行姿势会降低身体健康，尤其，对于处在成长期的儿童或身体能力降低的老人而言，体型歪曲或健康下降的问题将更严重。另一方面，对于运动员及舞蹈演员等的比普通人更需要更强大的身体能力的专业人员而言，将造成在身体能力提高方面受限的问题。

这种正确的步行姿势对于普通人或专业人员来讲均重要，因此，进行着与如何有效执行步行姿势的校正有关的多种研究。

根据现有技术，在检测步行的过程中，使用安装于大部分鞋子或脚板的压力传感器。但是，根据现有技术，在识别及分析步行姿势的情况下，在长时间持续受到压力的过程中，压力传感器有可能损伤，由此，装置的更换或修理将给使用人员带来时间、经济方面的不便。并且，由于每个人的脚的尺寸各不相同，因而，应以不同的大小生产安装有压力传感器的鞋子，从这个方面来讲，存在生产效率及经济性相当差的问题。并且，每个家族无法共享一个步行姿势校正装置，需要每人购买符合脚尺寸的，因而导致经济性负担增加。

在为了校正这种步行姿势而识别、检测及分析步行的技术中，需要通过除压力传感器之外的其他方式有效且准确地识别、检测及分析步行的技术。

发明内容

技术问题

本发明为了应对上述技术问题而提出，本发明的目的在于，提供用于收集及分析使用人员的步行及跑步运动数据的运动识别方法及其装置，即，实质上解决因现有技术的局限性和缺点而产生的多种问题，提供记录有用于执行上述方法的程序的计算机可读记录介质。

解决问题的方案

根据本发明的一实施例，第一装置的运动识别方法包括：通过加速度传感部测定包括上下、左右及前后方向的3轴方向加速度值的步骤；通过角速度传感部测定包括上下、左右及前后方向的3轴方向角速度值的步骤；通过处理部以上述3轴方向加速度值及上述3轴方向角速度值为基础来生成第一运动状态值的步骤；以及通过用户界面部控制上述处理部的睡眠模式或激活模式的步骤。

根据本发明的一实施例，还包括向第二装置传送上述第一运动状态值的步骤。

根据本发明的一实施例，向第二装置传送上述第一运动状态值的步骤通过蓝牙、无线保真及近距离无线通讯技术(NFC)中的一个进行。

根据本发明的一实施例，还包括向服务器传送上述第一运动状态值的步骤。

根据本发明的一实施例，还包括测定使用人员位置值的步骤。

根据本发明的一实施例，以上述第一运动状态值、上述使用人员位置值及使用人员资料中的至少一个为基础来生成第二运动状态值的步骤。

根据本发明的一实施例，还包括向服务器传送上述第一运动状态值及上述第二运动状态值中的至少一个的步骤。

根据本发明的一实施例，上述第二运动状态值为距离、速度、能量消耗量、高度、步幅中的至少一个。

根据本发明的一实施例，还包括对上述第一运动状态值及上述第二运动状态值与各个的规定基准值进行比较来生成姿势校正信息的步骤。

根据本发明的一实施例，还包括以语音、图解、影像及振动中的至少一个输出上述姿势校正信息的步骤。

根据本发明的一实施例，在测定上述3轴方向加速度值的步骤及测定上述3轴方向加速度值的步骤中，在上述处理部通过上述用户界面部来变更为激活模式的情况下，设定与上述第二装置的连接，以从上述第二装置或上述用户界面部接收的指令为基础，分别生成上述3轴方向加速度值及上述3轴方向角速度值。

根据本发明的一实施例，上述加速度传感部及上述角速度传感部在先入先出队列存储上述3轴方向加速度值及上述3轴方向角速度值，在上述先入先出队列的存储空间小于规定的临界值的情况下，上述处理部处于睡眠模式，在上述先入先出队列的存储空间为规定临界值以上的情况下，上述处理部处于激活模式。

根据本发明的一实施例，上述第一运动状态值为运动时间、运动步数、每分钟步数、步伐间隔、步伐角度、头部角度、地面支撑时间、悬浮时间、相对于悬浮时间的地面支撑时间比例、最大垂直力、平均垂直力负荷率、最大垂直力负荷率、左右平衡度、左右稳定度中的至少一个。

根据本发明的一实施例，上述第一装置呈佩戴在头部及腰部的带、以夹子型附着于头部及腰部的形态、设置于帽子的形态、插在腰带的形态、眼镜形态、头盔形态、附着于耳朵的形态、附着于衣服的形态以及以衣服佩戴的形态中的一种。

根据本发明的一实施例，上述眼镜形态为增强现实玻璃、眼镜框及墨镜中的一个，上述附着于耳朵的形态为免提耳机、头戴式耳机、耳机中的一个，上述以衣服佩戴的形态为马甲及背带中的一个。

另一方面，根据本发明的一实施例，第二装置的运动识别方法包括：从第一装置接收以3轴方向加速度值及3轴方向角速度值为基础来生成的第一运动状态值的步骤；测定使用人员位置值的步骤；以及以在上述第一运动状态值、上述使用人员位置值及使用人员资料中的至少一个值为基础来生成第二运动状态值的步骤。

根据本发明的一实施例，还包括对上述第一运动状态值及上述第二运动状态值中的至少一个与各个的规定基准值进行比较来生成姿势校正信息。

根据本发明的一实施例，从第一装置接收上述第一运动状态值的步骤通过蓝牙、无线保真及近距离无线通讯技术中的至少一种进行。

根据本发明的一实施例，包括记录有用于执行上述方法的程序的计算机可读记录介质。

并且，根据本发明的一实施例，运动识别第一装置包括：加速度传感部，用于测定包括上下、左右及前后方向的3轴方向加速度值；角速度传感部，用于测定包括上下、左右及前后方向的3轴方向角速度值；处理部，以上述3轴方向加速度值及上述3轴方向角速度值为基础来生成第一运动状态值；以及用户界面部，用于控制上述处理部的睡眠模式或激活模式。

并且，根据本发明的一实施例，运动识别第二装置包括：第一通信部，用于从第一装置接收以3轴方向加速度值及3轴方向角速度值为基础来生成的第一运动状态值；位置传感部，用于测定使用人员位置值；以及处理部，以上述第一运动状态值、上述使用人员位置值及使用人员资料中的至少一个值为基础来生成第二运动状态值。

发明的效果

根据本发明，在对使用人员的身体(例如，头部或腰部)测定加速度、位置等的过程使用将其变换成质量中心运动状态值等的本发明的特定分析算法，由此，可有效且准确地识别、检测及分析步行。

并且，根据本发明，在对使用人员的身体测定加速度、位置等的过程中使用将其变换成质量中心运动状态值并以此估算压力中心路径等的本发明的特定分析算法，由此，有效且准确地识别、检测及分析步行。尤其，在本发明中，使用在与使用人员身体的质量中心的运动最类似呈现的位置测定的加速度(具体地，左右方向的加速度在头部测定，前后方向的加速度及位置在腰部测定，上下方向的加速度在头部或腰部测定)，由此，可更加准确地测定加速度及位置。

并且，根据本发明，在装置结构方面，具有可仅使用加速度传感器、位置传感器等的测定使用人员的动态物理量的传感器的优点。即，以往，使用通过使用人员的脚进行按压来识别步行的压力传感器，但存在装置耐久度及寿命降低问题、基于使用人员的身体尺寸生产独立装置及使用方面的问题等多种问题。但是，根据本发明，完全排除在脚部配置作为这种问题的原因的压力传感器的这种技术结构本身，因此，从根本上解决了如上所述的多种问题。并且，由此提高使用人员便利性，可在使用人员或生产人员两方面获得提高经济性等的效果。

附图说明

图1示出本发明一实施例的运动姿势导出装置的使用状态。

图2示出本发明一实施例的运动姿势导出装置的简图。

图3示出本发明一实施例的运动姿势导出方法的流程图。

图4示出本发明一实施例的质量中心及压力中心之间的关系图。

图5说明本发明一实施例的压力中心方向确定及位置类推。

图6示出本发明一实施例的估算的压力中心路径的例示。

图7示出本发明一实施例的步行及跑步时的与时间有关的上下方向加速度图表例示。

图8示出本发明一实施例的加速度信号测定结果例示。

图9示出本发明再一实施例的运动识别方法的流程图。

图10示出本发明再一实施例的数据收集及运动识别步骤的详细流程图。

图11示出本发明再一实施例的加速度信号测定结果例示。

图12示出本发明再一实施例的基于加速度的运动状态值导出步骤的详细流程图。

图13示出本发明另一实施例的运动姿势导出装置的使用状态。

图14示出本发明另一实施例的运动姿势导出装置的简图。

图15示出本发明另一实施例的受伤危险性定量化装置的简图。

图16示出本发明另一实施例的受伤危险性定量化方法的流程图。

图17示出本发明另一实施例的跑步时的上下方向加速度图表。

图18表示本发明另一实施例的跑步时的上下方向加速度图表的倾斜度。

图19表示本发明另一实施例的跑步时的上下方向加速度图表的冲击量。

图20示出本发明另一实施例的运动识别第一装置。

图21示出本发明另一实施例的运动识别第二装置。

图22示出本发明另一实施例的运动识别方法的流程图。

具体实施方式

以下，参照附图，详细说明本发明的优选实施例。图中，相同的附图标记表示相同的结构要素，图中，各个结构要素的大小为了说明的明确性而被放大。

图1示出本发明一实施例的运动姿势导出装置的使用状态。

如图1所示，本发明一实施例的运动姿势导出装置100佩戴在使用人员的头部。如图1所示，本实施例的运动姿势导出装置100可呈佩戴在头部的带或帽子形态，实现更加小型化来呈如耳机的插在耳朵的形态，但是，也可呈其他形态。

图2示出本发明一实施例的运动姿势导出装置的简图。

如图2所示，本实施例的运动姿势导出装置100包括传感器信号收集部110及运动姿势导出部121。本实施例的运动姿势导出装置100还包括运动校正生成部122及校正信息输出部130。

传感器信号收集部110包括具有上下、左右、前后方向的3轴方向加速度传感器111及测定使用人员位置的位置测定传感器112。3轴方向加速度传感器111旋转在如内置有陀螺仪的形态等通常测定3轴方向的加速度的传感器中的适当传感器来使用。位置测定传感器112用于测定使用人员的绝对位置，例如，利用全球定位系统(GPS)信号来测定使用人员位置，或在最近，开发准确性比全球定位系统更高的超精密卫星导航技术，可使用适用这种技术的传感器。此外，如图2所示，传感器信号收集部110以能够提高以下说明的运动识别及分析过程中的准确度的方式还可包括3轴方向的速度传感器113。

如图1所示，本实施例的传感器信号收集部110佩戴在头部来测定如加速度、速度及位置等的使用人员的动态物理量。以往，使用为了步行监控而设置于直接用脚踩踏的部分的鞋子及脚板等的压力传感器。由此，因传感器迅速被损伤，装置耐久度及寿命变短。并且，在使用过程中，发生因装置损伤所引起的步行识别及分析准确性降低、因频繁交替装置所引起的便利性及经济性降低等问题。此外，在这种装置设置于鞋子的情况下，根据使用人员的脚尺寸，每个使用人员需要不同的装置，从而加重使用人员的便利性及经济性降低，对生产人员产生需要按大小生产的经济负担。

但是，本实施例中，在步行识别过程中，完全脱离需要使用用脚按压的压力的概念，如图1所示，测定在使用人员的头部测定的加速度、速度及位置等的使用人员的动态物理量，适用以下记述的本发明的特定分析算法来实现步行的识别、检测及分析。如上所述，本实施例与现有技术在测定位置及测定物理量不相同。此时，在上述现有技术中指定的多个问题的根本原因源自“在脚部分配置压力传感器”的技术结构，根据本发明，仅通过上述结构，根本上去除上述多种问题。

运动姿势导出部121从传感器信号收集部110接收信号，使用3轴方向加速度及位置信号来导出包含使用人员质量中心的加速度、速度、位置的步行或跑步运动状态值，分析上述步行或跑步运动状态值来导出步行或跑步姿势。具体地，运动姿势导出部121从上述步行或跑步运动状态值估算压力中心路径，分析上述压力中心路径来导出步行或跑步姿势。对在上述运动姿势导出部121中使用的本发明的分析算法，之后将详细说明，在此省略对其的说明。

另一方面，运动姿势导出部121呈可执行多种计算的直接电路形态，可形成于传感器信号收集部110和一个基板上，或呈单独的计算机等的形态。此时，在运动姿势导出部121与传感器信号收集部110单独形成的情况下，如图2所示，为了传感器信号收集部110及运动姿势导出部121之间的信号传递而设置通信部114。通信部114可通过有线或无线通信形成。无线通信可利用蓝牙、无线保真、近距离无线通讯技术，但是，本发明所属技术领域的普通技术人员知道可利用其他无线通信技术。

运动校正生成部122对通过运动姿势导出部121导出的步行姿势和基准姿势进行比较来生成姿势校正用信息。如上所述，运动姿势导出部121以在传感器信号收集部110中收集的信号为基础导出使用人员的步行或跑步姿势，具体地，当步行或跑步时，可导出使用人员的前进方向、速度等，由此，可获得作为步行姿势的要素中的一个的步幅。在此情况下，运动校正生成部122内置步行及跑步速度的最优的身高步幅关系数据，将其与对应使用人员的步行姿势信息进行比较，与对应使用人员的身高相比，判断步幅是否过宽或过窄，在超出最优范围的情况下，可简单计算出缩小或增加的步幅校正量。

校正信息输出部130将通过运动校正生成部122生成的姿势校正用信息变换为包含语音、图解、影像的使用人员可识别的信息来输出。例如，在计算出步幅校正量并需要减少步幅的情况下，通过设置于运动姿势导出装置100的扬声器来输出如“减少步幅”的语音，或者发出警告音来使使用人员识别并非为最优步幅并使使用人员改变步行姿势。或者，通过与智能手机、计算机或专用显示器等相连接，通过图解或影像输出准确的校正信息等多种形态实现。

同时，运动姿势导出装置100向外部的数据库140传送通过运动姿势导出部121导出的步行姿势来累积存储。需要这种步行或跑步运动分析的使用人员是为了促进健康而每日执行散步或慢跑的普通人或为了提高身体能力而进行训练的专业人员，优选地，这种运动分析数据累积并需要呈现出时间变化。不仅如此，若这种运动分析数据大量累积存储中，则这种数据作为大数据使用，可适用于各种系统或分析等多方面。

本发明一实施例的运动姿势导出方法利用运动姿势导出装置100检测使用人员的运动并执行判断是否为步行或跑步的等的分析。此时，如上所述，在本发明中使用的分析算法利用在使用人员的头部测定的动态物理量，运动姿势导出装置100至少包括具有上下、左右、前后方向的3轴方向加速度传感器111及测定使用人员位置的位置测定传感器112，在运动姿势导出部121执行以下说明的分析算法。并且，运动姿势导出装置100为了提高装置的功能而可包括上述说明的多种附加结构。

图3示出本发明一实施例的运动姿势导出方法的流程图。如图所示，本实施例的运动姿势导出方法包括压力中心路径估算步骤、运动种类判断步骤及运动姿势导出步骤。以下，详细说明各个步骤。

在上述压力中心路径估算步骤中，使用通过运动姿势导出装置100收集的3轴方向加速度a_x、a_y、a_z来计算出的使用人员质量中心的运动状态值，质量中心位置中，沿着加速度向量方向向地面投影来估算压力中心路径。

在运动姿势导出装置100中，可利用3轴方向加速度传感器111来收集左右、前后、上下3轴方向加速度，对其进行积分或利用每时间的位置测定传感器112收集的位置信息来求出速度、位置等。另一方面，通常，优选地，在分析一个对象物的运动的情况下，以上述对象物的质量中心的运动为基准进行分析，运动姿势导出装置100设置于使用人员的头部，将在此测定的值变换为质量中心的运动状态值来分析。如上所述，将使用人员头部位置中测定的值变换为在使用人员质量中心的值来通过利用如使用人员身高信息等的身体信息来将预先求出的增殖适当乘上等方法简单导出。

如上所述，若导出质量中心的运动状态值(与各个方向有关的每时间的加速度/速度/位置、频率分析等)，则由此可估算压力中心路径。人体利用向当步行或跑步时所支撑的脚施加反作用压力来启动。将上述反作用压力之和作为地面反作用力(Ground reactionforce，GRF)、上述压力的中心为压力中心(Center ofpressure，COP)。此时发生的地面反作用力具有在压力中心朝向人体质量中心(center of mass，COM)的特性。

在本发明中，直接反向利用这种生体力学特性，沿着在质量中心测定的力的向量方向向地面投影来类推压力中心。

图5说明本发明一实施例的压力中心方向确定及位置类推。

压力中心方向为在质量中心朝向压力中心的方向。上述压力中心路径估算步骤中，首先确定压力中心方向，沿着上述方向投影来类推压力中心位置。具体地，首先在压力中心方向确定步骤中，如图5所示，通过上下方向加速度a_z及重力加速度g之和与a_x的比例及上下方向加速度a_z及重力加速度g之和与前后方向加速度a_y的比例确定压力中心的方向。如上所述，若确定压力中心的方向，则接着在压力中心位置类推步骤中，假定质量中心位于通过在预先测定的使用人员身高信息乘上预先确定的类推用常数的值确定的高度，在上述压力中心方向确定步骤中，沿着确定的方向向地面投影来类推压力中心位置。其中，类推用常数为基于使用人员的身高的质量中心的高度。通常，按比例来说，儿童的质量中心高于成人的质量中心，男性的的质量中心高于女性的质量中心，当然，上述比例也已公开。具体地，例如，成人男性的质量中心平均位于身长的55.27％位置，在此情况下，类推用常数为0.5527。因此，例如，当输入使用人员身高信息时，一同输入儿童、成人及男性、女性区分信息，由此，选择适当的类推用常数来计算出。

为了进一步提高以此求出的压力中心位置的准确度，再次执行被修改为在上述压力中心位置类推步骤中类推的压力中心位置乘上预先确定的前后及左右方向修改用常数的值的压力中心位置修改步骤。其中，前后及左右方向修改用常数为通过上述投影方法期初的压力中心位置与实际前后及左右方向压力中心统计学相同的常数。

在上述运动种类判断步骤中，从上下方向加速度a_z图表的图案判断是否为步行或跑步。

图6为作为估算的压力中心路径求出的足迹图案一例示。如图所示，左右脚相互交替支撑地面并前进。

另一方面，区分步行和跑步如下进行，即，在步行的情况下，单脚或双脚一直接触地面，相反，在跑步的情况下，单脚或双脚一直从地面脱离。

图7示出与步行及跑步时的时间有关的上下方向加速度图表。图7的(A)部分所示的步行时，在图表的情况下，双脚均与地面相接触的瞬间发生峰值，图7的(B)部分所示的跑步时，在图表的情况下，存在双脚均从地面脱离的瞬间，上下方向加速度a_z变为最小值的常数值区间。如上所述，当步行及跑步时，在各个情况下，上下方向加速度a_z图表的图案不相同，来判断当前进行的使用人员的运动是否为步行或跑步。

在上述运动姿势导出步骤中，以压力中心路径估算值及3轴方向加速度a_x、a_y、a_z为基础来导出包含步幅、步伐间隔、步伐角度、左右非对称的姿势信息。参照图6的压力中心路径例示及图7的步行或跑步时，上下方向加速度例示来进行更加详细说明。

首先，在使用人员的运动为步行的情况和跑步的情况下，形状多少不相同的点已说明，当然，也存在共同呈现的事项。如上所述，在步行的情况下，单脚或双脚一直与地面接触，在跑步的情况下，单脚或双脚一直从地面脱离。即，当步行时及跑步时均存在通过单脚支撑的区间。考虑到这些点，上述运动姿势导出步骤包括确定中心支撑时间点的中心支撑时间点确定步骤和确定双脚支撑区间、单脚支撑区间、悬浮区间的区间分类确定步骤，形成区分步行及跑步并导出姿势的基础信息。

首先，详细说明步行运动如下。首先，以单脚的后脚跟踩踏地面的瞬间，另单脚的脚尖也未从地面脱离的状态，即，以双脚被支撑的状态开始。在上述状态下，通过单脚支撑地面，且另单脚从地面脱离，上述另单脚悬在空中并向前方前进，且人的身体也会向前方移动。而且，上述另单脚的脚后跟踩踏地面的瞬间，单脚的脚尖不从地面脱离的状态，即，双脚被支撑的状态再次形成，从而进行单脚的步行。再次过程中，仅通过单脚支撑的状态下，通过人的身体向前方移动的瞬间，人的头并不向下方晃动(在上下方向加速度a_z中形成最小值)，相反，在踩踏地面的瞬间，沿着上下方向晃动(上下方向加速度a_z中形成峰值)。

即，步行运动分为双脚均踩踏地面的状态区间，单脚踩踏地面的区间，仅由单脚踩踏地面的状态下，上下方向的晃动最小。这种运动的状况呈现在图7的(A)部分，如这种例示所示，在中心支撑时间点确定步骤中，在使用人员的运动为步行的情况下，在开始区域中测定的上下方向加速度a_z中，将最小值定义为中心支撑时间点。并且，在区间分类确定步骤中，在使用人员的运动为步行的情况下，在时间区域中测定的上下方向加速度a_z中，将形成峰值的区间确定为双脚支撑区间，将剩余区间确定为单脚支撑区间。

接着，简答说明跑步运动如下。首先，以向前方迈进的单脚踩踏地面的瞬间(在上述瞬间，另单脚悬在空中)开始。在此状态下，单脚从地面迈出，双脚均悬在空中的状态下，人的身体向前方移动，与此同时，双脚悬在空中并改变前后，使另单脚向前方迈出。向前方迈出的另单脚踩踏地面的同时，再次形成踩踏地面的瞬间并进行一步跑步。在此过程中，在通过单脚踩踏地面的瞬间，人的头部沿着上下方向晃动(在上下方向加速度a_z中形成局部最大值)，相反，在悬在空中的情况下迈出的状态下，并不沿着上下方向晃动(在上下方向加速度a_z形成常数值)。

即，跑步运动分为双脚均悬在空中的状态区间，单脚踩踏地面的状态区间，双脚均悬在空中的状态下，沿着上下方向的晃动最小。这种运动的状态呈现在图7的(B)部分，如这种例示所示，在中心支撑时间点确定步骤中，在使用人员的运动为跑步的情况下，在时间区域中测定的上下方向加速度a_z中，将最大值定义为中心支撑时间点。并且，在区间分类确定步骤中，在使用人员的运动为跑步的情况下，在时间区域中测定的上下方向加速度a_z中，将通过常数值呈现的区间确定为悬浮区间，将剩余区间确定为单脚支撑区间。其中，在悬浮区间中呈现的常数值为除加速度除重力之外的其他外力不作用时的信号等级水平的已设定的值，可设定为大致接近0的值。即，上述常数值为可判别当前姿势的基准值，在这种含义下，称之为姿势判别常数(stance phase constant)，简单地，当跑步时，若上下方向加速度小于姿势判别常数，则判别为悬浮区间，若上下方向加速度大于姿势判别常数，则判断为单脚支撑区间。

如上所述，若导出用于姿势导出的基础信息，则可导出步幅、步伐间隔、步伐角度、左右非对称等的步行或跑步姿势。

步幅：首先，按预先确定的时间间隔测定使用人员位置信息来计算出平均速度。接着，测定上述时间间隔期间的上述中心支撑时间点数量来计算出步行频率。最后，将上述平均速度分为上述步行频率，由此而可准确计算出使用人员的步幅。

步伐间隔：使用与上述中心支撑时间点相对应的压力中心位置值来计算出左右方向的步伐间隔。即，将与图7的(A)部分或(B)部分所示的中心支撑时间点相对应的时间值适用于图6所示的压力中心位置值，若找到与上述时间值相对应的压力中心位置，则导出左侧脚踩踏地面的位置及右侧脚踩踏地面的位置，求出这些之间的间隔来准确地计算出使用人员的步伐间隔。

步伐角度：使用与上述单脚支撑区间的开始时间点相对应的压力中心位置值及与上述单脚支撑区间的末端结束时间点相对应的压力中心位置值来计算出步伐角度。简单地，在单脚支撑区间的开始时间点，脚后跟会接触地面，在单脚支撑区间的结束施加点，脚尖接触地面。

即，如上所述，求出压力中心位置之间的角度为求出踩踏地面的瞬间的位置与脚尖位置所形成的角度，即，步伐角度，即，可通过这种方法准确计算出使用人员的步伐角度。

左右非对称：首先，掌握以在时间区域中测定的左右方向加速度a_x的符号为基准来支撑的脚。接着，比较在时间区域中测定的上下方向加速度a_z的峰值、谷值及两者之间的差值。即，比较当左侧脚支撑时和右侧脚支撑时的峰值、谷值等，由此可准确地计算出使用人员的左侧非对称。并且，通过相同方式计算出步行或跑步的反复性。

图8为加速度信号测定结果例示，图8的最下方图标中，上下方向加速度a_z的左右很不对称。

通过上述方法，导出步幅、步伐间隔、步伐角度、左右非对称等的步行或跑步姿势，由此，使用人员可实时监控是否按正确姿势步行或跑步。当然，此时，预先存储与最优的姿势相对应的步幅、步伐间隔、步伐角度、左右非对称值，与当前监控中的当前的各个姿势值进行比较来计算出校正量。将上述信息实时向使用人员告知或存储之后确认，由此，使用人员通过准确姿势的步行或跑步有效校正自身的姿势。

图9示出用于本发明另一实施例的步行及跑步监控的运动识别方法的流程图。

本实施例的运动识别方法大体分为两个步骤，即，收集及分析3轴方向加速度a_x、a_y、a_z来判断是否为步行及跑步的数据收集及运动识别步骤和使用收集的3轴方向加速度a_x、a_y、a_z来计算出使用人员质量中心的多个运动状态值的基于加速度的运动状态值导出步骤。以下，更加详细说明各个步骤的细部步骤。

图10示出本发明另一实施例的数据收集及运动识别步骤的详细流程图。

如图10所示，上述数据收集及运动识别步骤包括上下方向加速度收集步骤、峰值检测步骤、运动检测步骤、3轴方向加速度收集步骤、傅里叶变换步骤、运动形态判断步骤。上述数据收集及运动识别步骤识别在使用人员是否发生运动，并且，若发生运动，则上述运动是否为与步行或跑步相对应。

如图10所示，使最初收集的数据变数初始化，准备执行运动识别。

在上述上下方向加速度收集步骤中，并非均收集3轴方向加速度a_x、a_y、a_z，只是收集上下方向加速度a_z。收集的上下方向加速度a_z可直接使用，但是，优选地，经过通过预先确定的带通滤波器来去除噪声的噪声去除步骤。此时，例如，上述带通滤波器通常由与普通人的步行或跑步频率相对应的0.1～5Hz形成，但是，本发明所属技术领域的普通技术人员在上述范围可适当变更。

在上述峰值检测步骤中，检测以此收集的上下方向加速度a_z的峰值，在上述运动检测步骤中，判断上下方向加速度a_z峰值是否为预先确定的阈值以上，由此，判断是否发生运动。在上述运动检测步骤中，若判断为未发生运动，则再次回到最初的准备步骤来进行变数初始化。

具体地，在运动识别装置100执行分析的过程中，在一直收集3轴方向加速度a_x、a_y、a_z的情况下，当不进行运动时，会发生不必要的计算出负荷，由此，可发生电力消耗、发热等的问题。另一方面，在使用人员坐着或者翻滚身体程度的情况，或者在行走或跑步的情况下，呈现出最大差异为使用人员的上下晃动程度，即，上下方向加速度a_z。因此，首先收集佩戴运动识别装置100的使用人员的上下方向加速度a_z，若上述值为任何阈值以上，则判断为使用人员行走或跑步，由此直接开始运动检测，从而可防止上述说明的不必要的计算出负荷问题。

在上述3轴方向加速度收集步骤中，如上所述，若上下方向加速度a_z峰值为预先确定的阈值以上，则收集3轴方向加速度a_x、a_y、a_z。与此相同，收集的3轴方向加速度a_x、a_y、a_z直接使用，或者，优选地，经过通过预先确定的带通滤波器来去除噪声的噪声去除步骤。此时的带通滤波器可以与用于上述上下方向加速度a_z噪声去除的带通滤波器相同形成，或可适当变更。

在上述傅里叶变换步骤中，对3轴方向加速度a_x、a_y、a_z进行傅里叶变换来导出频率响应图，在上述运动形态判断步骤中，对频率响应图与预先确定的频率响应介形或大小基准进行比较来判断是否为步行及跑步运动或其他运动。在上述运动形态判断步骤中，若判断为未发生与步行及跑步运动相对应的运动，则再次回到最初的准备步骤来进行变数初始化，相反，若判断为发生步行及跑步运动，则执行基于加速度的运动状态值导出步骤。

如上所述，在上述运动形态判断步骤中，判断使用人员的运动是否为步行及跑步状态。

图11示出本发明另一实施例的步行时的加速度信号测定结果例示。图11的左侧示出，横轴为时间，纵向为左右x、前后y、上下z各个的3轴方向加速度a_x、a_y、a_z的时间区域加速度图表，右侧示出，如上所述，横轴为频率、纵轴为通过以大小呈现的上述傅里叶变换步骤导出的频率响应图。

当步行或跑步时，当然周期性地向上下方向、前后方向、左右方向晃动，即，如图11的左侧所示，发生周期性信号。此时，左右的脚交替踩踏并进行步行或跑步，因此，左右方向的周期性信号的频率为上下方向及前后方向的周期性信号的频率的1/2值，这可以在图11的右侧图表中简单确认。另一方面，当步行时，单脚或双脚一直接触地面，当跑步时，单脚或双脚从地面脱离。即，当进行步行或跑步时，在头部的大的晃动必须周期性发生。

考虑到上述问题，在上述运动形态判断步骤中，若满足以下的式，则将使用人员运动判断为步行及跑步状态，若不满足以下的式，则判断为其他运动。即，简单说明以下的关系式，若沿着上下方向及左右方向周期晃动程度大于规定水平以上，则判断为进行步行或跑步。

M_z,p/M_z,other＞c_z and M_x,p/M_x,other＞c_x

其中，a_z：上下方向加速度，f_p：具有在上下方向加速度a_z的傅里叶变换结果中的最大值的频率，M_z,p：在在上下方向加速度a_z的傅里叶变换结果中，将f_p作为中心频率，属于具有小于1Hz的频带的上下方向基准带的频率成分的能量总和，M_z,other：在上下方向加速度a_z的傅里叶变换结果中，除上述上下方向基准带之外的剩余频率成分的能量总和，c_z：预先确定的上下方向基准阈值，a_x：左右方向加速度，M_x,p：在左右方向加速度a_x的傅里叶变换结果中，将f_p/2为中心频率，属于具有小于1Hz的频带的左右方向基准带的频率成分的能量总和，M_x,other：在左右方向加速度a_x的傅里叶变换结果中，除上述左右方向基准带之外的剩余频率成分的能量总和，c_x：预先确定的左右方向基准阈值。

通过满足上述式来当判断为使用人员运动处于步行或跑步状态时，需要判断为上述运动是否为运动或跑步。此时，如上所述，当步行时，单脚或双脚一直与地面接触，当跑步时，单脚或双脚从地面悬起。其中，在跑步过程中，在双脚从地面脱离的时间点，双脚悬在空中，因此，没有向使用人员施加的向上方的外部力，因此，此时，上下方向加速度a_z为最小常数值。

考虑到上述问题，上述运动形态判断步骤中，在上下方向加速度a_z的傅里叶变换结果中，若存在满足以下式的区间，则将使用人员运动判断为跑步状态，若不存在，则判断为步行状态：

a_z＜k

其中，k：姿势判别常数。

其中，姿势判别常数(stance phase constant)为加速度除重力之外没有其他外力作用时的信号等级水平的已设定值，可适当确定为大致接近0的值。

通过由上述细部步骤形成的上述数据收集及运动识别步骤，若检测使用人员的步行或跑步运动，则使用收集的变数来进行基于加速度的运动状态值导出步骤。

图12示出本发明另一实施例的基于加速度的运动状态值导出步骤的详细流程图。

如图所示，基于加速度的运动状态值导出步骤包括质量中心加速度导出步骤、质量中心速度及位置导出步骤。

在上述质量中心加速度导出步骤中，在3轴方向加速度a_x、a_y、a_z各个的值乘上预先确定的增益值来导出使用人员质量中心的加速度。通常，在分析一种对象物的运动的情况下，以上述对象物的质量中心的运动为基准进行分析，用于上述分析的所有变数值均在使用人员的头部测定，因此，将其变换为质量中心的运动状态值。这种增殖可呈现为常数向量γ，利用如使用人员身高信息等的身体信息预先求出。

在上述质量中心速度及位置导出步骤中，利用预先测定的使用人员身高信息、使用人员位置信息及质量中心加速度导出使用人员质量中心的速度及位置。即，如上所述，对求出的质量中心加速度进行积分(加上积分常数值)来求出质量中心的速度、位置，或利用通过位置测定传感器按时间测定的使用人员位置信息求出质量中心的速度、位置。在上述两个计算值之间存在积分常数值误差，对其进行适当比较来求出准确的质量中心的速度、位置值。

如上所述，根据本发明，使用在使用人员的头部测定的加速度、位置等，可准确判断使用人员是否进行步行或跑步运动，并且，当步行或跑步时，可准确掌握使用人员的重量中心如何运动(即，质量中心的加速度、速度、位置如何呈现)。因此，基于此，可导出步行或跑步姿势的多种要素并用于姿势的校正。

如图13所示，本实施例的运动姿势导出装置1300佩戴在使用人员的身体，具体地，佩戴在使用人员的头部及腰部。即，如图13的简图所示，本实施例的运动姿势导出装置1300中，佩戴在头部的头部传感器信号收集部1310H呈如耳机的插在耳朵的形态，佩戴在腰部的腰部传感器信号收集部1310W呈插在腰带的形态。当然，本发明并不局限于此，例如，上述头部传感器信号收集部1310H可具有头戴形态、眼镜形态、插在额外的帽子的形态、头盔形态等多种变更形态。

图14示出本发明另一实施例的运动姿势导出装置的简图。

如图14所示，本发明另一实施例的运动姿势导出装置1300包括头部传感器信号收集部1310H、腰部传感器信号收集部1310W及运动姿势导出部1421。运动姿势导出装置1300还包括运动校正生成部1422及校正信息输出部1430。

腰部传感器信号收集部1310H包括具有上下、左右、前后方向的头部3轴方向加速度传感器1411H，腰部传感器信号收集部1310W包括具有上下、左右、前后方向的腰部3轴方向加速度传感器1411W及用于测定使用人员位置的位置测定传感器1412W。

头部轴方向加速度传感器1411H及腰部3轴方向加速度传感器1411W如内置陀螺仪的形态，通常，在测定3轴方向的加速度的传感器中选择适当的来使用。位置测定传感器1412W用于测定使用人员的绝对位置，例如，利用全球定位系统信号来测定使用人员位置，或在最近，开发准确性高于全球定位系统的超精密卫星导航技术，可使用适用这种技术的传感器。此外，头部传感器信号收集部1310H及腰部传感器信号收集部1310W的准确率高于以下详细说明的运动识别及分析过程中的准确度，如图14所示，还包括3轴方向角速度传感器1412H。

在本实施例的运动姿势导出装置1300中，如图13所示，头部传感器信号收集部1310H及腰部传感器信号收集部1310佩戴在使用人员的头部及腰部来测定如加速度、速度、位置等的使用人员的动态物理量。尤其，在本实施例中，当测定用于姿势导出的使用人员的动态物理量时，使用与使用人员身体的质量中心的运动最类似的位置中测定的值。具体地，在本发明中，左右方向的加速度在头部测定，前后方向的加速度及位置在腰部测定，上下方向的加速度在头部或腰部测定。具体地，对于上下方向的加速度而言，上下方向的加速度在头部或腰部均测定并呈现出相当的准确度，因此，选择性使用在头部或腰部中的一个中测定的值，或使用在两侧测定的值的平均值。

当然，通常，加速度传感器均测定上下、左右、前后方向，即，3轴方向的加速度，因此，利用头部传感器信号收集部1310H单独或腰部传感器信号收集部1310W单独收集的上下、左右、前后方向加速度来执行之后说明的多个计算。但是，当步行及跑步时，从头部的左右移动和使用人员身体的质量中心的左右移动类似，并且，在腰部的前后移动和使用人员身体的质量中心的前后移动类似。同时，上下移动在头部、腰部、质量中心均类似。另一方面，之后说明的本发明的运动识别方法中，使用人员身体的质量中心的动态物理量来进行运动识别或姿势导出等。当综合这种事项时，在头部测定左右方向加速度，在腰部测定前后方向加速度，在头部或腰部中适当选择所需来测定上下方向加速度或者在两侧均测定之后，通过将其平均的值来计算出上下方向加速度，由此，最终运动识别或姿势导出等更加准确。

运动姿势导出部1421从头部传感器信号收集部1310H及腰部传感器信号收集部1310W接收信号，使用3轴方向加速度及位置信号来导出包含使用人员质量中心的加速度、速度、位置的步行或跑步运动状态值，分析上述步行或跑步运动状态值来导出步行或跑步姿势。具体地，运动姿势导出部1421从上述步行或跑步运动状态值估算压力中心路径，分析上述压力中心路径来导出步行或跑步姿势。对在运动姿势导出部1421使用的本发明的分析算法之后将详细说明，因此，在此省略。

另一方面，运动姿势导出部1421呈可执行多种计算的集成电路形态，与腰部传感器信号收集部1310W形成为一体来形成于一个基板，或可呈如单独计算机等的形态。同时，在头部传感器信号收集部1310H及腰部传感器信号收集部1310W，为了与运动姿势导出部1421的信号传递而分别设置头部通信部1413H及腰部通信部1413W。在腰部传感器信号收集部1310W与运动姿势导出部1421形成为一体的情况下，腰部通信部1310W与运动姿势导出部1421直接连接来传递信号，或腰部通信部1413W接收来自头部通信部1413H的信号来向上述运动姿势导出部1421传递。头部通信部1413H及腰部通信部1413W可通过有线形成，或以能够提高使用人员便利性的方式利用在蓝牙、无线保真、近距离无线通讯技术中选择的至少一种无线通信来传递信号。

运动校正生成部1422对通过运动姿势导出部1421导出的步行姿势与基准姿势比较来生成姿势校正用信息。如上所述，在运动姿势导出部1421中，以在头部传感器信号收集部1310H及腰部传感器信号收集部1310W收集的信号作为基础，导出使用人员的步行或跑步姿势，具体地，例如，当步行或跑步时，可导出使用人员的前进方向、速度等，由此，可获得作为步行姿势的要素中的一个的步幅。在此情况下，运动校正生成部1422内置步行及跑步速度的最优的身高步幅关系数据，将其与对应使用人员的步行姿势信息进行比较，与对应使用人员的身高相比，判断步幅是否过宽或过窄，在超出最优范围的情况下，可简单计算出缩小或增加的步幅校正量。

校正信息输出部1430将通过运动校正生成部1422生成的姿势校正用信息变换为包含语音、图解、影像的使用人员可识别的信息来输出。例如，在计算出步幅校正量并需要减少步幅的情况下，通过设置于运动姿势导出装置1300的扬声器来输出如“减少步幅”的语音，或者发出警告音来使得使用人员识别并非为最优步幅并使得使用人员改变步行姿势。尤其，在上述情况下，校正信息输出部1430与头部传感器信号收集部1310H形成为一体，由此，靠近配置于使用人员的信息收集器官，即，眼、耳朵等来传递信息。即，具体地，如图13所示，头部传感器信号收集部1310H为插在耳朵的耳机形态，在所输出的信息形态为语音、音响信号的情况下，可以使校正信息传递的效率极大化。或者，可体现与智能手机、计算机或专用显示器等相连接，通过图解或影像输出准确的校正信息等多种形态。

同时，运动姿势导出装置1300向外部的数据库1440传送通过运动姿势导出部1421导出的步行姿势来累积存储。需要这种步行或跑步运动分析的使用人员是为了促进健康而每日执行散步或慢跑的普通人或为了提高身体能力而进行训练的专业人员，优选地，这种运动分析数据累积并需要呈现出时间变化。不仅如此，若这种运动分析数据大量累积存储中，则这种数据作为大数据使用，可适用于各种系统或分析等多方面。

如上所述的本实施例的运动姿势导出装置1300中，从运动识别经过运动姿势导出至校正信息输出的具体综合例示如下。首先，如上所述，以与使用人员身体的质量中心的运动类似的方式在头部收集左右方向加速度，在腰部收集前后方向加速度及位置，在头部或腰部收集上下方向加速度。

腰部传感器信号收集部1310W可以与运动姿势导出部1421形成为一体，因此，在头部传感器信号收集部1310H收集的物理量通过头部通信部1413H向运动姿势导出部1421侧传递。此时，设置于腰部传感器信号收集部1310W的腰部通信部1413W接收上述信号来向运动姿势导出部1421传递。

如上所述，利用收集的加速度及位置等的物理量，在运动姿势导出部1421导出使用人员的步行及跑步姿势。在运动校正生成部1422中，对以此导出的实际姿势和异常基准姿势进行比较来生成姿势校正用信息。运动姿势导出部1421及运动校正生成部1422也形成为一体，即，这些与腰部传感器信号收集部1310W形成为一体。

为使以此生成的姿势校正用信息有效地向使用人员传递，优选地，在靠近作为使用人员的信息收集器官的眼、耳等的头部传递信息。如上所述，在头部传感器信号收集部1310H与校正信息输出部1430形成为一体的情况下，以上述生成的姿势校正用信息依次经过腰部通信部1413W及头部通信部1413H来向校正信息输出部1430传递，来向使用人员的耳朵传递语音信息等的形态实现校正信息的有效传递。

本发明另一实施例的运动姿势导出方法中，执行利用运动姿势导出装置1300检测使用人员的运动并判断是否步行或跑步等的分析。此时，如上所述，在本发明中使用的分析算法利用在使用人员的头部及腰部测定的动态物理量，上述运动姿势导出装置1300至少包括具有上下、左右、前后方向的头部3轴方向加速度传感器1411H、具有上下、左右、前后方向的腰部3轴方向加速度传感器1411W以及测定使用人员位置的位置测定传感器1412W，在上述运动姿势导出部1421中执行以下说明的分析算法。并且，上述运动姿势导出装置1300为了提高装置的功能而还可包括上述说明的多种附加结构。

本实施例的受伤危险性定量化装置1500向使用人员告知步行或跑步时可发生的受伤危险性。具体说明如下。当步行或跑步时，因姿势错误或者地面坚硬等的多种理由，脚脖、膝盖、腰等会承受压力。为了防止这种危险，以往，仅存在如佩戴冲击吸收的功能性运动鞋等的方案，实际上，没有知道是否发生受伤危险性的准确指标。在本实施例中，将这种受伤危险性作为判断指标定量化，利用其，若受伤危险性增加规定水平以上中，则向使用人员通过警报告知危险程度。由此，使用人员在发生受伤之前，适当停止步行或跑步，或者校正姿势，或者交换运动鞋，进行变更步行或跑步行程等，从而可大幅度降低当步行或跑步时发生的受伤危险性。

本实施例的受伤危险性定量化装置1500包括传感器信号收集部1510、控制部1520及警报部1530。受伤危险性定量化装置1500还可包括数据库1540。

传感器信号收集部1510包括加速度传感器1511，佩戴在除使用人员的胳膊之外的上体。传感器信号收集部1510可以为一个或多个。传感器信号收集部1510形成2个，可佩带在使用人员的头部及腰部，在此情况下，佩戴在使用人员的头部的传感器信号收集部可分为头部传感器信号收集部1510H，佩戴在使用人员的腰部的传感器信号收集部可分为腰部传感器信号收集部1510W。作为佩戴状态的具体例示，佩戴在头部的头部传感器信号收集部1510H呈如耳机的插入耳朵的形态，佩戴在腰部的腰部传感器信号收集部1510W可呈插在腰带的形态。当然，本发明并不局限于此，例如，上述头部传感器信号收集部1510H可以为头戴形态、眼镜形态、插在额外的帽子的形态、头盔形态等多种变更形态。并且，虽然未图示，传感器信号收集部1510可佩戴在除使用人员的胳膊之外的上体，例如，可以为在佩戴在胸部的情况下，收容或插在与衣服的胸部口袋的形态，利用额外的马甲或背带等来佩戴的形态等的多种变更实施。

如上所述，传感器信号收集部1510包括加速度传感器1511。加速度传感器1511如内置陀螺仪形态等通常测定3轴方向的加速度的传感器中的适当传感器来使用。另一方面，在传感器信号收集部1510包括利用在加速度传感器1511收集的加速度数据信号来执行计算并控制等的控制部1520。或者，控制部1520可变更为以往使用的智能手机应用形态的多种变更实施。即，在这种控制部1520与传感器信号收集部1510单独形成的情况下，在加速度传感器1511收集的加速度数据信号向控制部1520顺畅地传递地使传感器信号收集部1510还可包括通信部1512。这种信号传递通过基于布线的有线通信进行，通过如蓝牙、无线保真、近距离无线通讯技术等的无线通信进行，根据所需要的条件或所需的性能来采用适当形态。

之后，在本实施例的受伤危险性定量化方法的说明中更加详细说明，在本实施例中，在判断受伤危险性的过程中，使用上下方向加速度。

并且，在本实施例中，为了受伤危险性的定量化而使用上下方向加速度。通常，当进行跑步时，头部的左右移动和使用人员身体的质量中心的左右移动更加类似，并且，腰部的前后移动和使用人员身体的质量中心的前后移动类似。同时，上下移动在包括头部至腰部的上体及质量中心均类似。只是，上体中，胳膊部分除质量中心的移动之外，进行向前后方向晃动的额外的移动，因此胳膊除外。当考虑到这种点时，上下方向的加速度除胳膊之外，可以在上体中的任何位置测定。详细地，上下方向的加速度除胳膊之外的上体任何位置均可准确测定，因此，选择性使用头部或腰部中的一个位置测定的值，使用在两侧测定的值的平均值等可适当选择。

控制部1520从传感器信号收集部1510接收信号，到处基于上下方向加速度a_z来计算出的至少一个受伤危险性判断指标，使用上述受伤危险性判断指标来判断及控制警报发生与否。具体地，控制部1520导出作为上述受伤危险性判断指标的在上下方向加速度a_z的平均倾斜度、上下方向加速度a_z的最大倾斜度、最大冲击力、冲击量中选择的至少一个，由此，对受伤危险性进行定量化来判别危险程度。对在控制部1520中执行的受伤危险性判断指标导出等，之后更加详细说明本实施例的受伤危险性定量化方法。

控制部1520的实际体现形态根据需要或目的多样形成。即，控制部1520呈可执行多种计算的集成电路形态，与传感器信号收集部1510形成为一体，可形成为一个基板，呈额外的专用装置(即，仅作为受伤危险性定量化用途形成的独立装置)或额外的计算机等的形态，如上所述，在以往使用的智能手机可体现为应用形态。如上所述，在控制部1520与传感器信号收集部1510形成为一体的情况下，从加速度传感器1511直接接收集成信号。另一方面，如控制部1520呈智能手机应用等的形态，与传感器信号收集部1510独立形成的情况下，通过有线或无线通信，从加速度传感器1511接收信号。

警报部1530从控制部1520接收警报发生控制信号，向使用人员警报受伤危险性。在控制部1520，导出基于上下方向加速度a_z计算出的至少一个受伤危险性判断指标并利用其来判断路径发生与否，若判断为受伤危险性为预先确定的基准以上，则在警报部1530中发生警报，由此，向使用人员告知危险。

警报部1530通过包含音响、图解、影像的使用人员可识别的信息输出警报信号。例如，在警报部1530输出音响的扬声器形态形成的情况下，若受伤危险性为基准以上，则发出警告音。或者，在本实施例的装置适用于如骨骼眼镜的增强现实眼镜的情况下，警报部1530在增强现实眼镜输出红色警告用图形或这种图形闪烁的影像，或者输出如“受伤危险性为几％”等的信息。或警报部1530体现为热电元件，与使用人员的皮肤直接接触，若受伤危险性为基准以上，则变冷或变热，由此可向使用人员警报。作为另一例示，为了对应使用人员存在视觉障碍的情况，警报部1530为可变更的盲文形态，可呈通过触觉识别的形态。如上所述，上述警报部为使用人员可识别的信息，只要可输出警报信号，则呈任何形态也无妨。

同时，受伤危险性定量化装置1500向外部的数据库1540传送包含受伤危险性信息发生时间点及对应时间点中的受伤危险性判断指标值的受伤危险性数据来累积存储。需要这种步行或跑步运动分析的使用人员是为了促进健康而每日执行散步或慢跑的普通人或为了提高身体能力而进行训练的专业人员，优选地，这种运动分析数据累积并需要呈现出时间变化。不仅如此，若这种运动分析数据大量累积存储中，则这种数据作为大数据使用，可适用于各种系统或分析等多方面。

图16为示出本发明另一实施例的受伤危险性定量化方法的流程图。

如上所述，本实施例的受伤危险性定量化方法包括加速度传感器1511，使用利用佩戴在除使用人员的胳膊之外的上体的至少一个传感器信号收集部1510来测定的上下方向加速度a_z来导出受伤危险性判断指标，以此对受伤危险性进行定量化。为此，本实施例的受伤危险性定量化方法包括数据收集步骤、判断指标导出步骤、受伤危险性判断步骤及受伤危险性警报步骤。同时，为了提高受伤危险性判断指标导出的准确性，还包括噪声去除步骤。详细说明图16所示的各个步骤如下。

在上述数据收集步骤中，收集在传感器信号收集部1510测定的上下方向加速度a_z。收集的上下方向加速度a_z可以直接使用，优选地，经过通过预先确定的带通滤波器来去除噪声的噪声去除步骤。此时，例如，上述带通滤波器可呈与普通人的步行或跑步频率相对应的0.1～5Hz，当然，上述范围可以适当变更。

上述判断指标导出步骤中，导出基于上下方向加速度a_z计算出的至少一个受伤危险性判断指标。此时，上述受伤危险性判断指标可以为选自在上下方向加速度a_z的平均倾斜度、上下方向加速度a_z的最大倾斜度、最大冲击力、冲击量中的至少一个。对各个判断指标，之后更加详细说明。

在上述受伤危险性判断步骤中，判断上述受伤危险性判断指标是否大于预先确定的基准。此时，如上所述，上述受伤危险性判断指标可具有多个，当在多个判断指标中的一个为基准以上时，可发生警报，当所有为基准以上时，可发生警报，或适当留着优先顺序，按步骤发生信息。在上述受伤危险性判断步骤中，若上述受伤危险性判断指标小于预先确定的基准，则不发生警报，并再次回到数据收集步骤。同时，优选地，在上述受伤危险性判断步骤中，对周期性呈现信号的上下方向加速度a_z数据，使用合并至少2周期以上的数据来计算出的上述受伤危险性判断指标并进行判断。

在上述受伤危险性信息步骤中，在上述受伤危险性判断指标中的至少一个分别大于预先确定的情况下，向使用人员警报受伤危险性。如上所述，受伤危险性的警报形态可呈音响、图解、影像等多种形态，使用人员接收上述劲爆，由此，进行用于能动性减少受伤危险性的措施(运动结束、姿势校正、鞋子交替、行程变更等)，由此可大幅度减少受伤危险性。

以下，更加具体说明本发明中使用的受伤危险性判断指标的多个例示和导出各个的过程。

如图所示，上下方向加速度a_z对时间呈现出周期性形态(步行或跑步姿势为周期性运动，因此，这是必然)。具体说明跑步运动如下。首先，向前方迈出的单脚接触地面的瞬间(上述瞬间，另一单脚悬在空中)开始。在此状态下，单脚从地面悬空，双脚均悬在空中的状态下，人的身体向前方移动，与此同时，双脚悬在空中并改变前后，另单脚向前方迈出。向前方迈出的另单脚与地面接触，同时，与地面接触的瞬间再次形成，从而进行一步跑步。在此过程中，在用单脚迈出地面的瞬间，人的头部向上下方向晃动(在上下方向加速度a_z形成最大值)，相反，在悬空前进的状态下，不会向上下方向晃动(在上下方向加速度a_z中形成常数值)。

如上所述，在脚从地面迈出的瞬间，对关节施加的冲击最大，这种冲击在如图17所示的上下方向加速度图表中，以第一个峰值形态呈现。根据此时的冲击程度，受伤危险性会改变，在本发明中，将其指标化，由此，被用为定量化的判断的根据。作为这种判断指标，在本发明中，如上所述，使用上下方向加速度a_z的平均倾斜度、上下方向加速度a_z的最大倾斜度、最大冲击力、冲击量。

图18表示本发明另一实施例的跑步时的上下方向加速度图表倾斜度。由此，说明导出上下方向加速度a_z的平均倾斜度及最大倾斜度的过程。

首先，在将上述受伤危险性判断指标选择为上下方向加速度a_z的平均倾斜度值的情况下，上述受伤危险性判断指标使用以下式计算出。

其中，a_z：上下方向加速度，mean：平均值计算函数，i：索引号，ti：第i次时间，ti-1：第i-1次时间，tc：冲击开始时间，tm：冲击结束时间。

冲击开始时间为实际上意味着脚接触地面的瞬间。这为上下方向加速度a_z在0以下的值中，0接近的规定基准值(例如，0.3m/s²)朝向突破的时间点。其中，确定冲击开始时间的基准值的具体值可如上所述，在0.5m/s²以下的值中适当确定。冲击结束时间为表示第一个峰值的时间点，在图表上可直观地简单确定。索引i从冲击开始时间至冲击结束时间除以n的数字化的时间的索引，n根据需要适当确定。

平均倾斜值为将从冲击开始时间至冲击结束时间分为n等分时，在各个的间隔中求出的n个倾斜度值的平均值。图18示出在一个周期中的上下方向加速度a_z图表，在这种一个周期中，可求出上述平均倾斜度值。另一方面，如图17所示，在跑步过程中，继续反复如图18所示的形态的图表，上述平均倾斜值可在每个周期(即，每步)求出。此时，上述判断指标导出步骤中，还可求出通过使用人员质量m及平均倾斜度的乘积计算出的平均垂直负荷率(average vertical loading rate)。

另一方面，在将上述受伤危险性判断指标选择为上下方向加速度a_z的最大倾斜度的情况下，上述受伤危险性判断指标使用以下的式来计算出。

i＝1、2、…、n

t₀＝t_c，t_n＝t_m

其中，a_z：上下方向加速度，max：最大值计算函数，i：索引号，t_i：第i次时间，ti-1：第i-1次时间，t_c：冲击开始时间，t_m：冲击结束时间。

如上所述，上述最大倾斜度在与平均倾斜度的说明中，在一个周期(一步)中的冲击开始时间至冲击结束时间之间求出的n个倾斜度值中的最大值。此时，上述判断指标导出步骤中，还可计算出通过使用人员质量m及最大倾斜度的乘积计算的最大垂直负荷率(instantaneous vertical loading rate)。

图19表示本发明另一实施例的跑步时的在上下方向加速度图表的冲击量。由此，说明导出最大冲击力及冲击量的过程。

首先，在将上述受伤危险性判断指标选择为最大冲击力值的情况下，上述受伤危险性判断指标使用以下的式计算出。

最大冲击力＝m×a_z(t_m)

其中，a_z：上下方向加速度，m：使用人员质量，tm：冲击结束时间。

如上所述，冲击结束时间为呈现出第一个峰值的时间点，当然，呈现出最大冲击力时间点为冲击结束时间。图19中示出上下方向加速度a_z的第一个峰值(1st peak)，在此乘上使用人员质量m的值为最大冲击力值。

另一方面，在将上述受伤危险性判断指标选择为冲击量值的情况下，上述受伤危险性判断指标使用以下的式计算出。

其中，a_z：上下方向加速度，m：使用人员质量，t_c：冲击开始时间，t_m：冲击结束时间。

图19中示出从冲击开始时间至冲击结束时间之间的上下方向加速度a_z图表面积，在上述面积乘上使用人员质量m的值为冲击量值。

图20示出本发明另一实施例的运动识别第一装置。

本实施例的运动识别第一装置2000(以下，称之为第一装置)包括加速度传感部2010、角速度传感部2020、处理部2040及用户界面部2050。本实施例的第一装置2000佩戴在用户的身体来测定如加速度角速度等的用户的动态物理量，由此，分析步行及跑步等的使用人员的运动状态。如图1所示，第一装置2000可呈佩戴在头部及腰部的带、以夹子型附着于头部及腰部的形态、设置于帽子的形态、插在腰带的形态、眼镜形态、头盔形态、附着于耳朵的形态、附着于衣服的形态以及以衣服佩戴的形态。具体地，眼镜形态为增强现实(AR：Augmented Reality)玻璃、眼镜框及墨镜等形态。附着于耳朵的形态为免提耳机、头戴式耳机、耳机中等形态。此外，第一装置2000可呈多种形态对本发明所属技术领域的普通技术人员来说是显而易见的。第一装置2000呈可执行多种计算的集成电路，并形成于一个基板。

加速度传感部2010测定包括上下、左右及前后方向的3轴方向角速度值。

角速度传感部2020测定包括上下、左右及前后方向的3轴方向角速度值。

处理部2040以上述3轴方向加速度值及上述3轴方向角速度值为基础来生成第一运动状态值。上述第一运动状态值为运动时间、运动步数、每分钟步数、步伐间隔、步伐角度、头部角度、地面支撑时间、悬浮时间、相对于悬浮时间的地面支撑时间比例、最大垂直力、平均垂直力负荷率、最大垂直力负荷率、左右平衡度、左右稳定度中的一个。第一装置2000通过上述第一运动状态值判断使用人员的运动状态。观察第一运动状态值的各个含义，每分钟步数为每分钟的步数，步伐间隔为腿之间平均间隔，步伐角度腿平均角度，头部角度为上下头部平均角度，地面支撑时间为与地面接触的支撑时间，悬浮时间为所有腿未与地面相接触的平均时间，最大垂直力为地面反作用力的最大值，平均垂直力负荷率为左侧及右侧地面反作用力支撑区间的初期的平均倾斜度，最大垂直负荷率为左侧及右侧地面反作用力的支撑区间的初期最大倾斜度。

左右稳定度(Stability)为在时间、力等中，在左脚及右脚各个的腿维持一惯性运动状态，利用各个腿的变动系数(CV：Coefficient)以％体现，通过以下式求出。

Stability(Left)＝1－std(Left indices)/mean(Left indices)

Stability(Right)＝1－std(Right indices)/mean(Right indices)

通过作为评价指标的index写出的值包括垂直力最大值、垂直加速度最大值、支撑区间冲击量、支撑时间、悬空时间、平均垂直力负荷率及最大垂直力负荷率。

左右平衡度(Balance)为左右平衡度％，通过以下式求出。

Balance＝Left index/(Left index+Right index)×100％

用户界面部2050控制处理部2040的睡眠模式或激活模式。用户界面部2050可呈软件或硬件形态。例如，用户界面部2050可体现为软件或硬件形态的推送按钮。从用户界面部2050的用户输入开始的运动识别方法的历程图在图22中详细后述。

另一方面，本发明实施例的第一装置2000还可包括第一通信部2070。第一通信部2070向第二装置2100传送上述第一运动状态值。第一通信部2070按规定周期向第二装置2100传送上述第一运动状态值，可通过多种方法体现。本实施例的第二装置2100可以为如计算机、移动终端及手表等的多种形态的装置。

另一方面，本实施例的第一装置2000还可包括第二通信部2080。第二通信部2080向服务器2200传送上述第一运动状态值。

另一方面，本实施例的第一装置2000还可包括位置传感部2030。

位置传感部2030测定用户的位置。位置传感部2030以全球定位系统或超精密卫星导航技术等来测定用户的位置值或可利用其他技术。

在第一装置2000还包括位置传感部2030的情况下，处理部2040以在上述第一运动状态值、上述用户位置值及用户资料中的至少一个值为基础来生成第二运动状态值。上述第二运动状态值为在运动距离、运动速度、能量消耗量、高度、步幅中的至少一个。观察第二运动状态值各个的含义，高度当运动时移动的垂直高度，步幅为在地面支撑区间及空中悬浮区间前进来移动的距离。上述用户资料为用户的身高、体重等个人信息。

并且，处理部2040选择性地对在上述第一运动状态值及上述第二运动状态值中的至少一个与各个规定基准值进行比较来追加生成运动姿势校正信息。例如，处理部2040存储按运动速度的最优的身高、步幅关系数据，以在上述第二运动状态值中的步幅为基础来判断与用户的身高相比，步幅是否过大或过小。在步幅超出最优范围的情况下，处理部2040将需要减少或增加的步幅校正量以姿势校正信息生成。

另一方面，本实施例的第一装置2000还可包括输出部2060。输出部2060将上述姿势校正信息变换为在语音、图解、影像及振动中的至少一个的用户可识别信息来输出。例如，在计算出步幅校正量并需要减少步幅的情况下，通过扬声器输出如“减少步幅”的语音，或者响起警告音来使用户识别并非为最优步幅并使其改变步行姿势。或者，第一装置2000与移动终端、手表、计算机及专用显示器等外部装置相连接，来向在语音、图解、影像及振动中的至少一个输出校正信息。

在第一装置2000还包括位置传感部2030的情况下，第一装置2000还可包括向服务器2200传送上述第二运动状态值的第三通信部。服务器2200在数据库累积上述第二运动状态值来存储。服务器2200存储以存储于数据库的上述第二运动状态值为基础的统计数据。上述统计数据对规定的运动区间包括与上述第二运动状态值有关的最大值、最小值及平均值等。需要运动分析的用户通过服务器2200接收上述统计数据来用于自己的运动习惯改善等。需要运动分析的用户是为了促进健康而每日进行散步或慢跑的一般人或为了提高身体能力而训练的专家等。并且，服务器2200按各个用户存储上述第二运动状态值来提供将用户之间的上述第二运动状态值关系及统计分析的大数据服务。

第一通信部2070、第二通信部2080及第三通信部由包括蓝牙、无线保真及近距离无线通讯技术的无线通信及通过布线的有线通信中的至少一个构成，可利用其他有线无线通信技术对本发明所属技术领域的普通技术人员来说是显而易见的。并且，第一通信部2070及第二通信部2130物理上由单一界面构成，或者可由多个界面构成。

图21示出本发明另一实施例的运动识别第二装置。

本实施例的运动识别第二装置2100(以下，称之为第二装置)包括第一通信部2110、处理部2150及位置传感部2170。本实施例的第二装置2100可以为如计算机、移动终端及手表等的多种形态的装置。

第一通信部2110从第一装置2000接收以3轴方向加速度值及3轴方向角速度值为基础来生成的第一运动状态值。

位置传感部2170测定用户位置值。位置传感部2030以全球定位系统或超精密卫星导航技术为基础来测定用户的位置值或者可利用其他技术。

处理部2150以在上述第一运动状态值、上述用户位置值及用户资料中的至少一个值为基础来生成第二运动状态值。上述第二运动状态值为距离、速度、能量消耗量、高度、步幅中的至少一个。上述用户资料包含用户的身高、体重等的个人信息。

另一方面，本实施例的处理部2150选择性地对在上述第一运动状态值及上述第二运动状态值中的至少一个与各个的规定基准值进行比较来追加生成运动姿势校正信息。例如，处理部2150存储按运动速度的最优的身高、步幅关系数据并以在上述第二运动状态值中的步幅为基础来判断与用户的身高相比，步幅是否过大或过小。在步幅超出最优范围的情况下，处理部2150将需要减少或增加的步幅校正量以姿势校正信息生成。

另一方面，本实施例的第二装置2100还可包括输出部2190。输出部2190将上述姿势校正信息变换为作为在语音、图解、影像及振动中的至少一个的用户可识别的信息来输出。例如，在计算出步幅校正量来需要减少步幅的情况下，通过扬声器输出如“减少步幅”的语音或者响起警告音来使用户识别并非为最优步幅并改变步行姿势。

另一方面，本实施例的第二装置2100还可包括第二通信部2150。第二通信部2150向服务器2200传送第二运动状态值。服务器2200在数据库累积上述第二运动状态值来存储。服务器2200存储以存储于数据库的上述第二运动状态值为基础的统计数据。上述统计数据对规定的运动区间包括与上述第二运动状态值有关的最大值、最小值及平均值等。需要运动分析的用户通过服务器2200接收上述统计数据来用于自己的运动习惯改善等。并且，服务器2200按各个用户存储上述第二运动状态值来提供将用户之间的上述第二运动状态值关系及统计分析的大数据服务。

第一通信部2110及第二通信部2130由包括蓝牙、无线保真及近距离无线通讯技术的无线通信及通过布线的有线通信中的至少一个构成，可利用其他有线无线通信技术对本发明所属技术领域的普通技术人员来说是显而易见的。并且，第一通信部2110及第二通信部2130物理上由单一界面构成，或者可由多个界面构成。

图22示出本发明另一实施例的运动识别方法的流程。

在步骤2210中，第一装置2000的用户界面部2050将处理部2040变更为激活模式。

在步骤2220中，第一装置2000通过第一通信部2070设定与第一通信部2070的连接。

在与第二装置2100连接的情况下，在步骤2230中，第一装置2000可从用户界面部2050或第二装置2100接收指令。

在步骤2240中，第一装置2000以上述指令为基础来通过加速度传感部2010及角速度传感部2020分别测定3轴方向加速度值及3轴方向角速度值。根据本发明一实施例，加速度传感部2010及角速度传感部2020在先入先出(FIFO：First In First Out)队列存储3轴方向加速度值及上述3轴方向角速度值。在先入先出队列的存储空间小于规定临界值的情况下，第一装置2000将处理部2040变更为水面模式，在先入先出队列的存储空间为规定临界值以上的情况下，将处理部2040变更为激活模式，由此可通过电力驱动装置。

在步骤2250中，第一装置2000以上述3轴方向加速度值及上述3轴方向角速度值为基础来生成第一运动状态值。上述第一运动状态值为运动时间、运动步数、每分钟步数、步伐间隔、步伐角度、头部角度、地面支撑时间、悬浮时间、相对于悬浮时间的地面支撑时间比例、最大垂直力、平均垂直力负荷率、最大垂直力负荷率、最大平衡度、左右稳定度中的至少一个。

在步骤2260中，第一装置2000向第二装置2100传送上述第一运动状态值。

在步骤2270中，第二装置2100测定用户位置值。

在步骤2280中，第二装置2100以在上述第一运动状态值、上述用户位置值及用户资料中的至少一个值为基础来生成第二运动状态值。上述第二运动状态值为距离、速度、能量消耗量、高度、步幅中的至少一个。上述用户资料包括用户的身高、体重等的个人信息。

第二装置2100选择性地对在上述第一运动状态值及上述第二运动状态值中的至少一个与各个规定基准值进行比较来追加生成运动姿势校正信息。例如，第二装置2100按运动速度的最优身高、步幅关系数据，以上述第二运动状态值中的步幅为基础来判断与用户的身高相比，步幅是否过大或过小。在步幅超出最优范围的情况下，上述第二运动状态值将需要减少或增加的步幅校正量以姿势校正信息生成。第二装置2100将上述姿势校正信息变换为作为在语音、图解、影像及振动中的至少一个的用户可识别的信息来输出。例如，在计算出步幅校正量来需要减少步幅的情况下，通过扬声器输出如“减少步幅”的语音或者响起警告音来使用户识别并非为最优步幅并改变步行姿势。

在步骤2290中，第二装置2100向服务器2200传送上述第二运动状态值。服务器2200在数据库累积上述第二运动状态值来存储。服务器2200存储以存储于数据库的上述第二运动状态值为基础的统计数据。上述统计数据对规定的运动区间包括与上述第二运动状态值有关的最大值、最小值及平均值等。需要运动分析的用户通过服务器2200接收上述统计数据来用于自己的运动习惯改善等。并且，服务器2200按各个用户存储上述第二运动状态值来提供将用户之间的上述第二运动状态值关系及统计分析的大数据服务。

以上，详细记述了本发明的优选实施例，本发明的范围并不局限于此，可具有多种变形及等同的其他实施例。因此，本发明的真正技术范围通过发明要求保护范围定义。

例如，本发明例示性实施例的装置可包括：总线，与如上所述的装置的各个单元偶联；以及至少一个处理器，与上述总线偶联，可包括为了存储指令、接收的信息或生成的数据而与上述总线偶联，与用于执行上述指令的至少一个处理器偶联的存储器。

并且，本发明的系统可在计算机可读记录介质由计算机可读代码体现。计算机可读取的记录介质包括存储通过计算机系统读取的数据的所有种类的记录装置。上述计算机可读取的记录介质包括磁存储介质(例如，只读存储器、软盘、硬盘等)及光读取介质(例如，只读光盘、数字多功能光碟等)。并且，计算机可读记录介质分散在通过网络连接的计算机系统，来以分散方式存储并执行计算机可读的代码。

产业上的可利用性

根据本发明，在使用人员的身体(例如，头部或腰部)中，测定加速度、位置等，使用如将其变换为质量中心运动状态值等的本发明的特定分析算法，由此，可有效确准确地识别、检测及分析步行。

并且，根据本发明，在使用人员的身体中，测定加速度、位置等，使用如将其变换为质量中心运动状态值，以此估算压力中心路径等的本发明的特定分析算法，由此，有效且准确地识别、检测及分析步行。尤其，本发明中，使用在与使用人员身体的质量中心的运动最类似呈现的位置中测定的加速度(具体地，左右方向的加速度在头部测定，前后方向的加速度及位置在腰部测定，上下方向的加速度在头部或腰部测定)，由此，可更加准确地测定加速度及位置。

并且，根据本发明，在装置结构的侧面，如加速度传感器、位置传感器等，仅使用测定使用人员的动态物理量的传感器。即，以往，通过使用人员的脚按压，由此，利用识别步行的压力传感器，存在装置耐久度及寿命降低问题等多种问题。但是，在本发明的情况下，完全排除在脚部分配置作为这种问题的原因的压力传感器的技术结构自身，因此，根本上解决上述多种问题。并且，以此提高使用人员便利性，可获得如使用人员或生产人员各自的经济性提高等的效果。

Claims

1.一种第一装置，其特征在于，包括：

加速度传感部，用于测定包括上下、左右及前后方向的3轴方向加速度值；

角速度传感部，用于测定包括上下、左右及前后方向的3轴方向角速度值；

处理部，以上述3轴方向加速度值及上述3轴方向角速度值为基础来生成第一运动状态值；以及

用户界面部，用于控制上述处理部的睡眠模式或激活模式。

2.根据权利要求1所述的第一装置，其特征在于，还包括用于向第二装置传送上述第一运动状态值的第一通信部。

3.根据权利要求2所述的第一装置，其特征在于，上述第一通信部由蓝牙、无线保真及近距离无线通讯技术中的至少一个构成。

4.根据权利要求1所述的第一装置，其特征在于，还包括用于向服务器传送上述第一运动状态值的第二通信部。

5.根据权利要求1所述的第一装置，其特征在于，还包括用于测定使用人员位置值的位置传感部。

6.根据权利要求5所述的第一装置，其特征在于，上述处理部以上述第一运动状态值、上述使用人员位置值及使用人员资料中的至少一个值为基础来生成第二运动状态值。

7.根据权利要求6所述的第一装置，其特征在于，还包括用于向服务器传送上述第一运动状态值及上述第二运动状态值中的至少一个的第三通信部。

8.根据权利要求6所述的第一装置，其特征在于，上述第二运动状态值为距离、速度、能量消耗量、高度、步幅中的至少一个。

9.根据权利要求6所述的第一装置，其特征在于，上述处理部对上述第一运动状态值及上述第二运动状态值中的至少一个与各个的规定基准值进行比较来生成姿势校正信息。

10.根据权利要求9所述的第一装置，其特征在于，还包括以语音、图解、影像及振动中的至少一个输出上述姿势校正信息的输出部。

11.根据权利要求2所述的第一装置，其特征在于，在上述处理部通过上述用户界面部来变更为激活模式的情况下，上述处理部通过上述第一通信部设定与上述第二装置的连接，以从上述第二装置或上述用户界面部接收的指令为基础，上述加速度传感部及上述角速度传感部分别生成上述3轴方向加速度值及上述3轴方向角速度值。

12.根据权利要求1所述的第一装置，其特征在于，上述加速度传感部及上述角速度传感部在先入先出队列存储上述3轴方向加速度值及上述3轴方向角速度值，在上述先入先出队列的存储空间小于规定的临界值的情况下，上述处理部处于睡眠模式，在上述先入先出队列的存储空间为规定临界值以上的情况下，上述处理部处于激活模式。

13.根据权利要求1所述的第一装置，其特征在于，上述第一运动状态值为运动时间、运动步数、每分钟步数、步伐间隔、步伐角度、头部角度、地面支撑时间、悬浮时间、相对于悬浮时间的地面支撑时间比例、最大垂直力、平均垂直力负荷率、最大垂直负荷率、左右平衡度、左右稳定度中的至少一个。

14.根据权利要求1所述的第一装置，其特征在于，上述第一装置呈佩戴在头部及腰部的带、以夹子型附着于头部及腰部的形态、设置于帽子的形态、插在腰带的形态、眼镜形态、头盔形态、附着于耳朵的形态、附着于衣服的形态以及以衣服佩戴的形态中的一种。

15.根据权利要求1所述的第一装置，其特征在于，上述眼镜形态为增强现实玻璃、眼镜框及墨镜中的一个，上述附着于耳朵的形态为免提耳机、头戴式耳机、耳机中的一个，上述以衣服佩戴的形态为马甲及背带中的一个。

16.一种第二装置，其特征在于，包括：

第一通信部，用于从第一装置接收以3轴方向加速度值及3轴方向角速度值为基础来生成的第一运动状态值；

位置传感部，用于测定使用人员位置值；以及

处理部，以上述第一运动状态值、上述使用人员位置值及使用人员资料中的至少一个值为基础来生成第二运动状态值。

17.根据权利要求16所述的第二装置，其特征在于，还包括用于向服务器传送上述第一运动状态值及上述第二运动状态值中的至少一个的第二通信部。

18.根据权利要求16所述的第二装置，其特征在于，上述第一运动状态值为运动时间、运动步数、每分钟步数、步伐间隔、步伐角度、头部角度、地面支撑时间、悬浮时间、相对于悬浮时间的地面支撑时间比例、最大垂直力、平均垂直力负荷率、最大垂直力负荷率、左右平衡度、左右稳定度中的至少一个。

19.根据权利要求16所述的第二装置，其特征在于，上述第二运动状态值为距离、速度、能量消耗量、高度、步幅中的至少一个。

20.根据权利要求16所述的第二装置，其特征在于，上述处理部对上述第一运动状态值及上述第二运动状态值中的至少一个与各个的规定基准值进行比较来生成姿势校正信息。

21.根据权利要求20所述的第二装置，其特征在于，还包括用于以语音、图解、影像及振动中的至少一个输出上述姿势校正信息的输出部。

22.根据权利要求16所述的第二装置，其特征在于，上述第一通信部由蓝牙、无线保真及近距离无线通讯技术中的至少一个构成。

23.一种第一装置的运动识别方法，其特征在于，包括：

通过加速度传感部测定包括上下、左右及前后方向的3轴方向加速度值的步骤；

通过角速度传感部测定包括上下、左右及前后方向的3轴方向角速度值的步骤；

通过处理部以上述3轴方向加速度值及上述3轴方向角速度值为基础来生成第一运动状态值的步骤；以及

通过用户界面部控制上述处理部的睡眠模式或激活模式的步骤。

24.根据权利要求23所述的第一装置的运动识别方法，其特征在于，还包括向第二装置传送上述第一运动状态值的步骤。

25.根据权利要求24所述的第一装置的运动识别方法，其特征在于，向第二装置传送上述第一运动状态值的步骤通过蓝牙、无线保真及近距离无线通讯技术中的一个进行。

26.根据权利要求23所述的第一装置的运动识别方法，其特征在于，还包括向服务器传送上述第一运动状态值的步骤。

27.根据权利要求23所述的第一装置的运动识别方法，其特征在于，还包括测定使用人员位置值的步骤。

28.根据权利要求27所述的第一装置的运动识别方法，其特征在于，以上述第一运动状态值、上述使用人员位置值及使用人员资料中的至少一个为基础来生成第二运动状态值的步骤。

29.根据权利要求28所述的第一装置的运动识别方法，其特征在于，还包括向服务器传送上述第一运动状态值及上述第二运动状态值中的至少一个的步骤。

30.根据权利要求28所述的第一装置的运动识别方法，其特征在于，上述第二运动状态值为距离、速度、能量消耗量、高度、步幅中的至少一个。

31.根据权利要求28所述的第一装置的运动识别方法，其特征在于，还包括对上述第一运动状态值及上述第二运动状态值与各个的规定基准值进行比较来生成姿势校正信息的步骤。

32.根据权利要求31所述的第一装置的运动识别方法，其特征在于，还包括以语音、图解、影像及振动中的至少一个输出上述姿势校正信息的步骤。

33.根据权利要求24所述的第一装置的运动识别方法，其特征在于，在测定上述3轴方向加速度值的步骤及测定上述3轴方向加速度值的步骤中，在上述处理部通过上述用户界面部来变更为激活模式的情况下，设定与上述第二装置的连接，以从上述第二装置或上述用户界面部接收的指令为基础，分别生成上述3轴方向加速度值及上述3轴方向角速度值。

34.根据权利要求23所述的第一装置的运动识别方法，其特征在于，上述加速度传感部及上述角速度传感部在先入先出队列存储上述3轴方向加速度值及上述3轴方向角速度值，在上述先入先出队列的存储空间小于规定的临界值的情况下，上述处理部处于睡眠模式，在上述先入先出队列的存储空间为规定临界值以上的情况下，上述处理部处于激活模式。

35.根据权利要求23所述的第一装置的运动识别方法，其特征在于，上述第一运动状态值为运动时间、运动步数、每分钟步数、步伐间隔、步伐角度、头部角度、地面支撑时间、悬浮时间、相对于悬浮时间的地面支撑时间比例、最大垂直力、平均垂直力负荷率、最大垂直力负荷率、左右平衡度、左右稳定度中的至少一个。

36.根据权利要求23所述的第一装置的运动识别方法，其特征在于，上述第一装置呈佩戴在头部及腰部的带、以夹子型附着于头部及腰部的形态、设置于帽子的形态、插在腰带的形态、眼镜形态、头盔形态、附着于耳朵的形态、附着于衣服的形态以及以衣服佩戴的形态中的一种。

37.根据权利要求23所述的第一装置的运动识别方法，其特征在于，上述眼镜形态为增强现实玻璃、眼镜框及墨镜中的一个，上述附着于耳朵的形态为免提耳机、头戴式耳机、耳机中的一个，上述以衣服佩戴的形态为马甲及背带中的一个。

38.一种第二装置的运动识别方法，其特征在于，包括：

从第一装置接收以3轴方向加速度值及3轴方向角速度值为基础来生成的第一运动状态值的步骤；

测定使用人员位置值的步骤；以及

以上述第一运动状态值、上述使用人员位置值及使用人员资料中的至少一个值为基础来生成第二运动状态值的步骤。

39.根据权利要求38所述的第二装置的运动识别方法，其特征在于，还包括向服务器传送上述第一运动状态值及上述第二运动状态值中的至少一个的步骤。

40.根据权利要求38所述的第二装置的运动识别方法，其特征在于，上述第一运动状态值为运动时间、运动步数、每分钟步数、步伐间隔、步伐角度、头部角度、地面支撑时间、悬浮时间、相对于悬浮时间的地面支撑时间比例、最大垂直力、平均垂直力负荷率、最大垂直力负荷率、左右平衡度、左右稳定度中的至少一个。

41.根据权利要求38所述的第二装置的运动识别方法，其特征在于，上述第二运动状态值为距离、速度、能量消耗量、高度、步幅中的至少一个。

42.根据权利要求38所述的第二装置的运动识别方法，其特征在于，还包括对上述第一运动状态值及上述第二运动状态值中的至少一个与各个的规定基准值进行比较来生成姿势校正信息的步骤。

43.根据权利要求38所述的第二装置的运动识别方法，其特征在于，还包括以语音、图解、影像及振动中的至少一个输出上述姿势校正信息的步骤。

44.根据权利要求38所述的第二装置的运动识别方法，其特征在于，从第一装置接收上述第一运动状态值的步骤通过蓝牙、无线保真及近距离无线通讯技术中的至少一种进行。

45.一种计算机可读记录介质，其特征在于，记录有用于执行权利要求23至44中任一项所述的方法的程序。