CN109619762B - 一种基于步长信息的生理体征分析方法及系统 - Google Patents

一种基于步长信息的生理体征分析方法及系统 Download PDF

Info

Publication number
CN109619762B
CN109619762B CN201811227402.XA CN201811227402A CN109619762B CN 109619762 B CN109619762 B CN 109619762B CN 201811227402 A CN201811227402 A CN 201811227402A CN 109619762 B CN109619762 B CN 109619762B
Authority
CN
China
Prior art keywords
user
mobile terminal
category
acceleration
collected
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.)
Active
Application number
CN201811227402.XA
Other languages
English (en)
Other versions
CN109619762A (zh
Inventor
王爱国
刘飞
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Anhui Ivy wisdom pension Technology Co.,Ltd.
Original Assignee
Foshan Measure X Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Foshan Measure X Technology Co ltd filed Critical Foshan Measure X Technology Co ltd
Priority to CN201811227402.XA priority Critical patent/CN109619762B/zh
Publication of CN109619762A publication Critical patent/CN109619762A/zh
Application granted granted Critical
Publication of CN109619762B publication Critical patent/CN109619762B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A43—FOOTWEAR
    • A43B—CHARACTERISTIC FEATURES OF FOOTWEAR; PARTS OF FOOTWEAR
    • A43B17/00—Insoles for insertion, e.g. footbeds or inlays, for attachment to the shoe after the upper has been joined
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
    • A61B5/0205—Simultaneously evaluating both cardiovascular conditions and different types of body conditions, e.g. heart and respiratory condition
    • A61B5/02055—Simultaneously evaluating both cardiovascular condition and temperature
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
    • A61B5/024—Detecting, measuring or recording pulse rate or heart rate
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
    • A61B5/1116—Determining posture transitions
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
    • A61B5/1123—Discriminating type of movement, e.g. walking or running
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
    • A61B5/6801—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be attached to or worn on the body surface
    • A61B5/6802—Sensor mounted on worn items
    • A61B5/6804—Garments; Clothes
    • A61B5/6807—Footwear
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/74—Details of notification to user or communication with user or patient ; user input means
    • A61B5/746—Alarms related to a physiological condition, e.g. details of setting alarm thresholds or avoiding false alarms
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C22/00—Measuring distance traversed on the ground by vehicles, persons, animals or other moving solid bodies, e.g. using odometers, using pedometers
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
    • G08B21/02—Alarms for ensuring the safety of persons

Abstract

本发明涉及一种基于步长信息的生理体征分析方法及系统，该方法包括：通过用户穿戴的智能鞋垫的鞋垫本体采集用户的生理数据；移动端根据用户所指定的个人身体特征来预先计算确定与所述用户相关的参考加速度并基于所述鞋垫本体所采集的生理数据反应的瞬时加速度识别所述用户的运动类别。本发明提供的方法和系统基于采集用户的生理数据和个人身体特征来进行生理体征分析，具有准确度高的优势，避免了现有技术中因累计时间过长而造成误差过大的缺陷。

Description

一种基于步长信息的生理体征分析方法及系统
本发明是申请号为201710235850.3，申请日为2017年4月12日，申请类型为发明，发明名称为一种生理监控智能鞋垫的分案申请。
技术领域
本发明涉及可穿戴智能设备领域，尤其涉及一种基于步长信息的生理体征分析方法及系统。
背景技术
穿戴式智能设备的发展成为计算机行业以及集成电路行业中的新热点，成为当今移动互联网终端发展中的新方向。随着现今智能手机以及平板电脑等无线移动终端的普及，使智能可穿戴设备更好、更方便的应用于社会，可以更好地感知到外部信息与自身的身体状况，能够在其他设施的辅助下，例如计算机或者互联网，更高效地去处理信息。
智能可穿戴设备的优势在于：第一，高性能性。智能可穿戴设备的功能主要集中于监测身体健康状况、行走的路程、睡眠质量与时长以及燃烧掉的卡路里等等，所有的功能都可以集中在一种设备上，都是通过各种微型传感器和存储器来实现的。第二，体积小、电池续航能力强。由于是植入在小型设备上，所以智能可穿戴所使用的芯片以及传感器都是集成微型的。第三，随着技术的发展，人们生活水平的提高，在追求物质条件的同时人们更加关注自身的健康以及更想对自己了解一些，而这些智能可穿戴设备正好满足了大家的需求，它们的出现可以更好地服务于人们。
中国专利(公开号为CN105192995A)公开了一种具有无线充电功能的可监测心率并调控温度的智能鞋垫。该智能鞋垫包括鞋垫本体和集成芯片；其中，集成芯片设置在鞋垫本体内，集成芯片内部包括温度传感器模块、生理参数感应类传感器模块、无线通信模块、MCU模块以及电源产生模块，集成芯片外部设有天线进行无线充电；温度传感器模块对足底温度进行监测；感应类传感器模块可以实时的监测心率变化；MCU模块是芯片的核心，中央处理器用于处理各种数据；电源产生模块把信号能量转换为稳定的直流电压来提供电源。通过MCU模块中指令寄存器反馈的指令进行加热操作，以及智能鞋垫后端的线圈天线可以接收移动端产生的无线信号。通过这些模块的配合，从而实现整个智能鞋垫的功能。
现有的智能鞋垫虽然具备计步、监测人体生理信息等基本功能，但是，现有技术的智能鞋垫大多功能单一、无法满足人们对智能产品的要求。另一方面，现有技术计算距离的公式为：
Figure GDA0002924645790000021
即对传感器收集到的加速度数据基于时间进行二重积分即可得到距离的数值。现有技术基于三轴加速度传感器的传统惯性导航系统仅能在短时间内进行准确定位，在长时间的运动过程中会由于累计计算误差而使得最终计算值与真实距离偏差较大，因此急需提高用户步行长度测量的精确度。
发明内容
针对现有技术之不足，本发明提供了一种生理监控智能鞋垫，所述智能鞋垫至少包括鞋垫本体和与所述鞋垫本体进行数据交互的移动端，其中，所述鞋垫本体至少包括传感器单元和通信单元，所述传感器单元用于采集穿戴了所述智能鞋垫的用户的生理数据并将所采集的生理数据经所述通信单元与所述用户指定的和/或所述智能鞋垫近旁的移动端进行数据交互，并且所述移动端通过利用分析所述传感器单元所采集的生理数据反应的瞬时加速度并基于对瞬时加速度进行等级分配而得到所述用户的步长参数区间，并且结合所述移动端根据穿戴了所述智能鞋垫的用户所提供的个人身体特征而得到的所述用户的步长修正参数来确定所述用户的步行长度。优选地，所述通信单元与所述移动端进行通信的方式包括但不限于2G、3G、4G、5G和3GPP通讯方式。
根据一个优选实施方式，所述鞋垫本体还包括存储单元，所述智能鞋垫通过将每次运动中的运动时间长度根据所述传感器单元所采集的生理数据反应的加速度的变化进行分段，并将分段后的运动时间子长度按照与之相应的加速度相关的方式临时性存储在所述存储单元中，使得所述智能鞋垫能够响应于所述通信单元与所述移动端的成功匹配而将临时性存储在所述存储单元中的由所述运动时间子长度构成的总运动时间长度推送至所述移动端。
根据一个优选实施方式，所述传感器单元将所采集的生理数据反应的瞬时加速度按照与时间相关的方式存储至所述存储单元中，并且所述移动端通过采取对所述传感器单元所采集的生理数据反应的瞬时加速度的数值进行归一化的方式对所述用户的运动类别进行数量有限的分类，并且所述移动端基于所述数量有限的分类来确定有限数量的所述步长参数区间。
根据一个优选实施方式，所述步行长度是由按照与运动时间子长度相应的加速度相关的方式存储的各个运动时间子长度、所述移动端基于所述传感器单元所采集的生理数据反应的瞬时加速度并基于对瞬时加速度进行等级分配而得到的所述用户步长参数区间以及所述移动端根据穿戴了所述智能鞋垫的用户所提供的个人身体特征而得到的所述用户的步长修正参数三者共同确定的。
根据一个优选实施方式，所述智能鞋垫响应于所述通信单元与所述移动端的成功匹配而将所述传感器单元所采集并临时性存储在所述存储单元中的与用户运动行为有关的数据推送至与所述智能鞋垫成功配对的所述移动端并由所述移动端转发至云端服务平台，并且所述云端服务平台响应于与所述移动端的通信连接而获取所述移动端所收集的用户个人身体特征以及所述传感器单元临时性存储在所述存储单元中的与用户运动行为有关的数据；由能够与所述智能鞋垫进行数据交互的所述移动端和/或所述云端服务平台根据所述用户所提供的至少包括身高、体重、性别和健康状况的个人身体特征来确定所述用户的统计学性质的步长修正参数，并且由所述移动端和/或所述云端服务平台利用预先分析所述传感器单元所采集的生理数据反应的瞬时加速度并基于对瞬时加速度进行等级分配而得到的所述用户步长参数区间并结合所述步长修正参数和所述运动时间子长度以累计方式来确定所述用户的步行长度。智能鞋垫本身电池容量有限，不能随时与移动终端保持通讯，只需要持续完成大量数据存储任务就够了。本发明的生理监控智能鞋垫在定期与移动终端建立通信连接时，彼此短时间内交换数据，可以节约电池电量，有效延长智能鞋垫的持续工作时间。
根据一个优选实施方式，所述智能鞋垫还包括分析单元，所述分析单元利用归一化的方式将所述传感器单元所采集的生理数据反应的瞬时加速度的数值划分为静止类别、走路类别、跑步类别、上楼类别和下楼类别，并基于所述瞬时加速来计算所述用户的步长参数区间，并且所述分析单元结合所述传感器单元所采集的生理数据反应的瞬时加速度和/或所述用户的运动时间来确定所述用户的移动距离和/或步频并将所述移动距离和/或步频数据临时性存储于所述存储单元中。
根据一个优选实施方式，所述分析单元经所述通信单元将其自身所估算的与每次运动相关的步长参数区间按照与所述传感器单元所采集的生理数据反应的瞬时加速度相关的方式分级推送至所述移动端并由所述移动端转发至所述云端服务平台，并且所述云端服务平台根据分析用户步行特征来区分所接收到的数据并将所接收到的数据按照与用户有关的分别存储所述各个用户的数据。
根据一个优选实施方式，所述移动端和/或所述云端服务平台基于所述用户经所述移动端输入的所述用户的个人身体特征来分析与所述用户相关的步长修正参数，并结合利用分析所述传感器单元所采集的生理数据反应的瞬时加速度并基于对瞬时加速度进行等级分配而得到的所述用户步长参数区间来确定所述用户的实际步长参数区间，并且所述步长修正参数是按照与所述用户所指定的个人身体特征相关的方式来调整得到的，并且所述移动端和/或所述云端服务平台利用调整后的步长修正参数来确定所述用户的实际步长参数区间。
根据一个优选实施方式，所述移动端根据所述用户所指定的个人身体特征来预先计算确定与所述用户相关的参考加速度并将所述参考加速度信息存储至所述移动端和/或所述云端服务平台，并且所述移动端和/或所述云端服务平台基于所述参考加速度将所述传感器单元所采集的生理数据反应的瞬时加速度归类至所述静止类别、所述走路类别、所述跑步类别、所述上楼类别和所述下楼类别中的一种类别或多种类别。
根据一个优选实施方式，所述智能鞋垫还包括报警单元，所述报警单元在所述移动端和/或所述云端服务平台分析出所述用户的移动距离和/或步频数据高于预设阈值时发出报警消息，并且所述报警单元根据所述移动端和/或所述云端服务平台基于所述参考加速度将所述传感器单元所采集的生理数据反应的瞬时加速度归类的运动类别、所述用户的移动距离和所述用户的步频数据中的一种或多种对所述报警消息划分的不同等级而发出不同的警报消息。优选地，所述报警装置以震动和/或蜂鸣的形式提醒用户，并且基于所述报警消息等级的不同，所述报警装置发出不同震动频率和/或不同分贝的蜂鸣以提醒用户异常情况的严重程度。
根据一个优选实施方式，所述传感器单元包括定位仪、加速度传感器、压力传感器、湿度传感器、温度传感器和心率传感器中的一种或多种。优选地，所述定位仪为GNSS、GPS、BDS、GLONASS和Galileo定位仪中的一种或多种。所述加速度传感器为电容式加速度传感器、电感式加速度传感器、应变式加速度传感器、压阻式加速度传感器和压电式加速度传感器中的一种或多种，所述压力传感器为半导体压电电阻传感器、静电容量型压力传感器和扩散硅压力变送器中的一种或多种，所述湿度传感器为电阻式氯化锂湿度计、露点式氯化锂湿度计、碳湿敏式湿度计、氧化铝湿度计和陶瓷湿度传感器中的一种或多种，所述温度传感器为接触式或非接触式温度计传感器，所述心率传感器为红外脉搏传感器、心率脉搏传感器、光电脉搏传感器、数字脉搏传感器、心音脉搏传感器和集成化脉搏传感器中的一种或多种。
本发明提供的生理监控智能鞋垫的传感器单元通过多种传感器可实现用户生理状况和运动状况的监测，并基于监测结果实现报警反馈，从而使得用户在运动过程中可避免超负荷运动而造成的身体伤害。另一方面，本发明的智能鞋垫基于用户的生理数据和个人身体特征来计算用户的步行长度，具有准确度高的优势，避免了现有技术因长时间的运动而造成计算误差过大的缺陷。
附图说明
图1是本发明智能鞋垫的一个优选实施方式的示意图；
图2是本发明数据采集过程的一个优选实施方式的示意图；
图3是静止类别时用户的生理体征示意图；
图4是走路类别时用户的生理体征示意图；
图5是跑步类别时用户的生理体征示意图；
图6是抖腿类别时用户的生理体征示意图；
图7是上楼类别时用户的生理体征示意图；和
图8是下楼类别时用户的生理体征示意图。
附图标记列表
10：鞋垫本体 20：移动端 30：云端服务平台
101：传感器单元 102：通信单元 103：存储单元
104：分析单元 105：报警单元
具体实施方式
下面结合附图和实施例进行详细说明。
实施例1
图1示出了本发明智能鞋垫的一个优选实施方式的示意图。如图1所示，智能鞋垫至少包括鞋垫本体10、移动端20和云端服务平台30。移动端20和云端服务平台30可与鞋垫本体10进行数据交互。优选地，鞋垫本体10与移动端20和/或云端服务平台30的通信方式包括但不限于2G、3G、4G、5G和3GPP通讯。优选的，移动端20包括但不限于手机、平板电脑和智能手环。一切可连接到云端服务平台的移动设备均可视为移动端。优选地，鞋垫本体10至少包括传感器单元101、通信单元102、存储单元103、分析单元104和报警单元105。传感器单元101用于采集穿戴了智能鞋垫的用户的生理数据并将所采集的生理数据经通信单元102与用户指定的和/或智能鞋垫近旁的移动端20进行数据交互。优选地，智能鞋垫近旁的移动端20是指附接在穿戴了该智能鞋垫用户身上的。移动端20通过利用分析传感器单元101所采集的生理数据反应的瞬时加速度并基于对瞬时加速度进行等级分配而得到用户的步长参数区间，并且结合移动端20根据穿戴了智能鞋垫的用户所提供的个人身体特征而得到的用户的步长修正参数来确定用户的步行长度。本发明的智能鞋垫基于用户的生理数据和个人身体特征来计算用户的步行长度，具有准确度高的优势，避免了现有技术因运动时间过长而造成计算误差过大的缺陷。
根据一个优选实施方式，智能鞋垫通过传感器单元101采集用户的生理数据，在智能鞋垫处于离线状态时，将采集的数据存储在本地。一旦鞋垫本体10与移动端20进行通讯，鞋垫本体10自动将存储和/或采集的数据上传至移动端20。通过移动端20将用户的生理数据上传至云端服务平台30进行存储和/或分析。本发明的生理监控智能鞋垫能够实时对用户的生理体征进行监控，即使在鞋垫本体10处于离线状态时，仍能存储几天甚至几周的数据，智能鞋垫通过对本地存储的数据进行分析以便在用户身体体征出现异常时发出报警反馈信息，避免意外情况发生。
根据一个优选实施方式，传感器单元101包括定位仪、加速度传感器、压力传感器、湿度传感器、温度传感器和心率传感器中的一种或多种。优选地，定位仪为GNSS、GPS、BDS、GLONASS和Galileo定位仪中的一种或多种。加速度传感器为电容式加速度传感器、电感式加速度传感器、应变式加速度传感器、压阻式加速度传感器和压电式加速度传感器中的一种或多种。压力传感器为半导体压电电阻传感器、静电容量型压力传感器和扩散硅压力变送器中的一种或多种。湿度传感器为电阻式氯化锂湿度计、露点式氯化锂湿度计、碳湿敏式湿度计、氧化铝湿度计和陶瓷湿度传感器中的一种或多种。温度传感器为接触式或非接触式温度计传感器。心率传感器为红外脉搏传感器、心率脉搏传感器、光电脉搏传感器、数字脉搏传感器、心音脉搏传感器和集成化脉搏传感器中的一种或多种。本发明的生理监控智能鞋垫通过多种传感器实现对用户生理体征的全面监测。本发明的生理监控智能鞋垫通过对多种传感器采集的数据信号交叉结合使用，从而可以得到更为精准和细致的动作分析。
根据一个优选实施方式，智能鞋垫通过将每次运动中的运动时间长度根据传感器单元101所采集的生理数据反应的加速度的变化进行分段。智能鞋垫将分段后的运动时间子长度按照与之相应的加速度相关的方式临时性存储在存储单元103中。智能鞋垫响应于通信单元102与移动端20的成功匹配而将临时性存储在存储单元103中的由运动时间子长度构成的总运动时间长度推送至移动端20。智能鞋垫将运动中的运动时间进行分段，并将运动时间子长度与之相应的加速度相关的方式存储，在移动端20和/或云端服务平台30计算用户的步行长度之时，能够确保时间与加速度之间对应关系的准确性，更重要的是，运动中的加速度存在较大变化，将运动时间基于加速度的变化进行分段，如此可提供步行总长度的计算精度，避免了现有技术采用
Figure GDA0002924645790000071
公式进行计算造成的累计偏差过大，也可以解决现有技术采用高精度传感器而造成成本过高的缺陷。
根据一个优选实施方式，传感器单元101将所采集的生理数据反应的瞬时加速度按照与时间相关的方式存储至存储单元103中。移动端20通过采取对传感器单元101所采集的生理数据反应的瞬时加速度的数值进行归一化的方式对用户的运动类别进行数量有限的分类。移动端20基于数量有限的分类来确定有限数量的步长参数区间。优选地，智能鞋垫的分析单元104利用归一化的方式将传感器单元101所采集的生理数据反应的瞬时加速度的数值划分为静止类别、走路类别、跑步类别、上楼类别和下楼类别，并基于瞬时加速来计算用户的步长参数区间。分析单元104结合传感器单元101所采集的生理数据反应的瞬时加速度和/或用户的运动时间来确定用户的移动距离和/或步频并将移动距离和/或步频数据临时性存储于存储单元103中。不同的运动类别，加速度具有加大差异，本发明的智能鞋垫基于运动类别来确定用户的步长参数区间，基于本发明提供的计算方式，可提高步行长度计算的准确度。优选地，用户处于静止类别和/或抖腿类别时，用户的加速度为0。即当用户处于静止类别和/或抖腿类别时，不对用户进行步行长度计算，从而可进一步提高步行长度计算的准确度。
根据一个优选实施方式，步行长度是由按照与运动时间子长度相应的加速度相关的方式存储的各个运动时间子长度、移动端20基于传感器单元101所采集的生理数据反应的瞬时加速度并基于对瞬时加速度进行等级分配而得到的用户步长参数区间以及移动端20根据穿戴了智能鞋垫的用户所提供的个人身体特征而得到的用户的步长修正参数三者共同确定的。优选地，用户的步行长度通过如下公式计算：
Figure GDA0002924645790000081
其中，L为用户在t时间内的步行长度，θ为步长参数区间，h为步长修正参数，ti为不同加速度等级所处的时间区间。
根据一个优选实施方式，智能鞋垫响应于通信单元102与移动端20的成功匹配而将传感器单元101所采集并临时性存储在存储单元103中的与用户运动行为有关的数据推送至与智能鞋垫成功配对的移动端20并由移动端20转发至云端服务平台30。云端服务平台30响应于与移动端20的通信连接而获取移动端20所收集的用户个人身体特征以及传感器单元101临时性存储在存储单元103中的与用户运动行为有关的数据。由能够与智能鞋垫进行数据交互的移动端20和/或云端服务平台30根据用户所提供的至少包括身高、体重、性别和健康状况的个人身体特征来确定用户的统计学性质的步长修正参数。移动端20和/或云端服务平台30利用预先分析传感器单元101所采集的生理数据反应的瞬时加速度并基于对瞬时加速度进行等级分配而得到的用户步长参数区间并结合步长修正参数和运动时间子长度以累计方式来确定用户的步行长度。优选地，统计学性质的步长修正参数是基于统计学的原理分析出的步长修正参数。即预先通过对不同身体状况的大量人群的统计，例如统计人数为1000人以上，确定步长修正参数与不同身体状况的关系。
根据一个优选实施方式，由移动端20和/或云端服务平台30通过利用分析用户在运动过程中各个阶段的瞬时加速度而得到的与各个阶段相关的步长参数区间并结合步长修正参数以累计方式来确定的用户步行长度采用定位仪进行校正。优选地，移动端20和/或云端服务平台30计算的走路和跑步类别时的步行长度采用定位仪进行校正。例如，以GPS为例，GPS在宽阔环境下可以接收良好的卫星信号进行定位指导，但在狭窄环境，如室内，多个高楼环绕阻挡的情况下，GPS因无法收集到足够数量的卫星信号而出现定位漂移、数据丢失等情况。此外，用户处于上楼类别或下楼类别时，GPS也无法进行精准测距。因此，在GPS信号良好情况下，同时用户处于平移(即跑步或走路)时对移动端20和/或云端服务平台30计算的步行长度进行比对并校正。当用户处于上楼类别、下楼类别和/或GPS信号较差时，认定GPS数据不可信，用户的步行长度使用移动端20和/或云端服务平台30计算的步行长度。
图2示出了本发明数据采集过程的一个优选实施方式的示意图。如图2所示，智能鞋垫通过传感器单元101采集用户的生理数据，当移动端20与智能鞋垫通讯时，智能鞋垫会主动传输储存的数据至移动端20。用户在移动端输入个人身体特征，例如身高、体重、性别、健康状况等。当移动端20与云端服务平台30通讯时，云端服务平台会接收到用户的生理数据和个人身体特征。云端服务平台30根据生理数据反应的不同加速度，对加速度进行等级分配，不同等级下的加速度会得到不同的步长参数区间，同时不同类别下的步长也采用不同的计算方式。同时根据用户个人身体特征分析得出用户的步长修正参数。云端服务平台30根据运动时间子长度、步长参数区间和步长修正参数来计算用户的步行长度。
根据一个优选实施方式，分析单元104经通信单元102将其自身所估算的与每次运动相关的步长参数区间按照与传感器单元101所采集的生理数据反应的瞬时加速度相关的方式分级推送至移动端20并由移动端20转发至云端服务平台30。云端服务平台30根据分析用户步行特征来区分所接收到的数据并将所接收到的数据按照与用户有关的分别存储各个用户的数据。云端服务平台30对接收到的数据进行分析后按照与用户有关的方式进行存储，在对与该用户有关的数据进行查询和/或调取时，可提高查询和/或调取速度，而且还可以同时查询和/或调取与该用户相关的所有数据。
根据一个优选实施方式，移动端20和/或云端服务平台30基于用户经移动端20输入的用户的个人身体特征来分析与用户相关的步长修正参数，并基于利用分析传感器单元101所采集的生理数据反应的瞬时加速度并基于对瞬时加速度进行等级分配而得到用户的步长参数区间确定用户的实际步长参数区间。步长修正参数是按照与用户所指定的个人身体特征相关的方式来调整得到的。移动端20和/或云端服务平台30利用调整后的步长修正参数来确定用户的实际步长参数区间。以走路和跑步为例，假设一个成年男子身高1.70m，体重65.0kg，与身高相关的，其基于统计学的步长修正参数为1.5～1.7。对用户进行加速度分级，得到的步长参数θ在[0.353m，0.824m]区间内，将θ乘以用户步长修正参数，即可得到步长范围[0.53m，1.40m]。再将不同的步长乘以对应的加速度等级的时间区间并相加，即可得到用户的步行长度。当指定步长修正参数是按照与体重有关的方式来获得的，将θ乘以用户体重转换为的步长修正参数(1.4～1.6)，即可得到步长范围[0.49m，1.32m]。再将不同的步长乘以对应的加速度等级的时间区间并相加，即可得到用户的步行长度。
根据一个优选实施方式，移动端20根据用户所指定的个人身体特征来预先计算确定与用户相关的参考加速度并将参考加速度信息存储至移动端20和/或云端服务平台30。移动端20和/或云端服务平台30基于参考加速度将传感器单元101所采集的生理数据反应的瞬时加速度归类至静止类别、走路类别、跑步类别、上楼类别和下楼类别中的一种类别或多种类别。本发明的智能鞋垫通过移动端20预先计算的加速度来对传感器单元101采集的生理数据反映的瞬时加速度进行分类，可提高分类的准确性。
根据一个优选实施方式，智能鞋垫还包括报警单元105。报警单元105在移动端20和/或云端服务平台30分析出用户的移动距离和/或步频数据高于预设阈值时发出报警消息。报警单元105根据移动端20和/或云端服务平台30基于参考加速度将传感器单元101所采集的生理数据反应的瞬时加速度归类的运动类别、用户的移动距离和用户的步频数据中的一种或多种对报警消息划分的不同等级而发出不同的警报消息。优选地，报警单元105依据人体体征异常情况的严重程度产生不同的反馈信息。优选地，报警单元105在移动端20和/或云端服务平台30发出警报消息时以震动和/或蜂鸣的形式提醒用户。优选的，报警单元105依据人体体征异常情况的严重程度发出不同频率的震动和/或不同分贝的蜂鸣，以便用户及时对自身运动类别做出调整。优选地，智能鞋垫处于离线状态之时，智能鞋垫基于本地存储的用户生理数据信息识别用户的运动类别，并在用户处于预设步频的时间超过预设值时，所述智能鞋垫发出警报信息。例如，智能鞋垫可以对用户进行初步的类别识别，当用户长期处于较高的步频时，报警装置发出报警消息。优选地，智能鞋垫处于在线状态之时，移动端20和/或云端服务平台30在用户的步行长度达到预设阈值并仍以预设步频运动时，移动端20和/或云端服务平台30发出警报指令。
实施例2
本实施例是对实施例1的进一步改进，仅对改进的部分进行说明。
根据一个优选实施方式，本实施例采集用户生理数据的传感器为三轴加速度传感器。本实施例中的类别识别方法适用于年龄段为16～45岁身体状况健康的群体。三轴加速度传感器采集用户的生理数据并将采集的数据上传至移动端20和/或云端服务平台30。移动端20和/或云端服务平台30进行数据处理后得到用户的步频和峰谷差值。移动端20和/或云端服务平台30根据用户的步频和/或峰谷差值识别用户的运动类别。优选地，移动端20和/或云端服务平台30将用户的运动类别划分为静止类别、走路类别、跑步类别、抖腿类别、上楼类别和下楼类别。
根据一个优选实施方式，本实施例采集三轴加速度传感器和压力传感器通过参加用户的生理数据并基于移动端20和/或云端服务平台30的分析以对用户提出运动指导。优选地，压力传感器和三轴加速度传感器通过如下方式对用户提出运动指导。将压力传感器放置于穿戴了智能鞋垫用户的前后脚掌。通过压力传感器，可以对用户前后脚掌的压力变化进行记录。用户在运动过程中(例如跑步或走路)，可以根据前后脚掌压力变化的趋势判断该用户是采用前脚掌先着地还是后脚掌先着地的运动习惯。同时根据三轴加速度传感器去除用户上下楼类别时的数据，再对前后脚掌次数进行统计，并将数据上传至移动端20和/或云端服务平台30进一步分析，给出运动姿势评判，从而对用户提出运动指导。优选地，移动端20和/或云端服务平台30将用户的运动姿势与标准运动姿势进行比对，在用户出现不规范运动姿势时，向用户做出运动指导。本实施例结合压力传感器，可对用户的运动姿势做出评判以及指导，提高用户运动方式的规范性。另一方面，上楼时，用户一般是后脚掌先着地；下楼时，用户一般是前脚掌先着地，如果引进上楼和下楼时期的数据，易对判断结果造成干扰，本实施例评判用户的运动姿势时，去除了上楼和下楼时的数据，提高了数据分析的准确性。
根据一个优选实施方式，移动端20和/或云端服务平台30基于如下方式识别用户的运动类别：当用户长时间处于较低幅值时，判定用户处于静止类别。当用户步频低于预设阈值时，判定用户处于走路类别。当用户步频高于预设阈值时，判定用户处于跑步类别。当用户峰谷差值远低于正常行走或跑步产生的峰谷差值时，判定用户处于抖腿类别。当用户生理信号与预设信号相符时，判定用户处于上楼类别。当用户的Y轴幅值低于正常值时，判定用户处于下楼类别。
三轴加速度传感器的X、Y、Z三轴的定义分别为：参照物为脚，立正站立，X轴垂直于脚尖方向向右，Y轴沿着脚尖方向向前，Z轴方向根据右手定则确定(垂直脚面向上)。本实施例所有数据采用200Hz进行采样，X轴、Y轴和Z轴的横坐标代表时间，单位为个数，即一共采样了1000个点，总时间为1000/200＝5S。X轴、Y轴和Z轴的纵坐标代表三轴加速度传感器接收到的数据，该数据无单位。X轴、Y轴和Z轴的纵坐标的数据与加速度的关系为：真实加速度值＝4g×点位对应纵坐标数值/32768。其中，g为重力加速度，g＝9.81m/S2。三轴加速度传感器接收到数据后，产生一系列离散点数据，该数据的范围为－32768～+32768，该数据范围对应的真实加速度为－4g～+4g。优选地，本实施例基于波形识别用户的运动类别，因而将部分图的纵坐标进行了放大，如原本纵坐标应在－32768～+32768区间内，但为了方便看出整体波形，将坐标轴放大为－40000～+40000这一区间的离散点形成的波形。纵坐标虽然进行了放大，但并不影响真实加速度的计算，即真实值的算法不变。
根据一个优选实施方式，采用滤波器对三轴加速传感器采集到的信号进行预处理。优选地，采用高斯滤波器对信号进行去噪声处理。用ax(t)、ay(t)、az(t)分别表示t时刻X轴、Y轴、Z轴的加速度信号，记A(t)＝[ax(t)，ay(t)，az(t)]，则高斯滤波公式为
Figure GDA0002924645790000131
其中，
Figure GDA0002924645790000132
是零均值高斯核，其中
Figure GDA0002924645790000133
经高斯滤波器对信号进行去噪声处理后，能够有效排除干扰信号的影响。
根据一个优选实施方式，对三轴加速传感器采集到的信号矢量幅值(SVM)进行合一化处理后来确定加速度。优选地，对三轴加速传感器采集到的信号矢量幅值(SVM)进行合一化处理的计算公式为：
Figure GDA0002924645790000134
其中，ax(t)、ay(t)、az(t)分别为t时刻三轴加速度传感器在X轴、Y轴、Z轴所测得的数据。通过对三轴加速传感器采集到的信号矢量幅值(SVM)进行合一化处理，可使SVM波形与实际步数相对应，提高计步的准确性。
根据一个优选实施方式，为了简化计步难度，本实施例也可以仅使用X坐标轴来计步。使用X轴、Y轴和/或Z轴来识别用户的运动类别。例如，上楼和下楼类别中使用Z轴进行判断，但在计步过程中，仅对X轴进行去噪声处理，然后通过X轴反应的加速度进行计步计算。优选地，对X轴进行去噪声处理也可以使用简单的高斯滤波。
根据一个优选实施方式，本实施例采用归一化法将三轴加速度传感器采集的生理数据反应的瞬时加速度进行归一化处理，基于归一化处理后的加速度将用户的运动类别进行数量有限的分类。优选地，本实施例通过如下方式对加速度进行归一化处理：三轴加速传感器采样了1000个点，移动端20和/或云端服务平台30计算出1000个点对应的幅值反应的瞬时加速度后，再计算出各瞬时加速度在1000个点瞬时加速度之和中的比例，即得经归一化处理的瞬时加速度。将瞬时加速度进行归一化处理后，可以减小因三轴加速度传感器检测的生理数据的误差而造成的分析误差，提高分析的准确性。
图3示出了用户处于静止类别时的生理体征示意图。如图3所示，用户在X轴、Y轴和/或Z轴的幅值在长时间波动范围较小时，判定用户处于静止类别。优选地，所述长时间至少为5S。或者，用户在X轴、Y轴和/或Z轴的幅值未出现明显的波峰和/或波谷，判定用户处于静止类别。如图3所示，X轴、Y轴和/或Z轴的幅值没有明显波动，也未出现波峰和/或波谷，近似为一条直线，因此判断用户处于静止类别。该种判断方式简单直观。
图4示出了用户处于走路类别时的生理体征示意图。如图4所示，用户在X轴、Y轴和Z轴的步频在长时间均低于预先设定阈值时，判定用户处于走路类别。优选地，所述长时间至少为5S。所述预先设定的阈值为1Hz。优选地，步频为移动端20和/或云端服务平台30基于采集的用户生理数据计算的。或者，用户在X轴、Y轴和/或Z轴的波形与预设波形相符时，判定用户处于走路类别。优选地，所述预设波形为在X轴、Y轴和/或Z轴呈现双波峰和/或多波峰。如图4所示，X轴的幅值数据呈现明显的双波峰，Y轴和Z轴的幅值数据呈现明显的多波峰，因此判断用户处于走路类别。该种判断方式简单直观。
图5示出了用户处于跑步类别时的生理体征示意图。如图5所示，用户在X轴、Y轴和/或Z轴的步频在长时间均高于预先设定阈值时，判定用户处于跑步类别。优选地，所述长时间至少为5S。所述预先设定的阈值为1.5Hz。优选地，步频为移动端20和/或云端服务平台30基于采集的用户生理数据计算的。或者，用户在Z轴方向上的幅值均值大于20000，并且在X轴和/或Y轴上超过上阈值的波峰数小于等于1.5倍低于下阈值的波谷数时，判定用户处于跑步类别。其中，上阈值为X轴和/或Y轴各波峰的平均值，下阈值为X轴和/或Y轴各波谷的平均值。该种判断方式可直观地从波峰波谷数量以及幅值大小等特征经计算得出。
图6示出了用户处于抖腿类别时的生理体征示意图。如图6所示，用户在X轴、Y轴和/或Z轴的峰谷差值在长时间均低于走路类别和/或跑步类别产生的峰谷差值的0.5倍时，判定用户处于抖腿类别。优选地，所述长时间至少为5S。以Z轴为例，图5所示的跑步类别时的Z轴的峰谷差值为50000，图6所示的Z轴的峰谷差值为17000，低于跑步类别时峰谷差值的50％，因此判定图6所示的用户处于抖腿类别。X轴和Y轴的峰谷差值采用与Z轴相同的计算方法。
图7示出了用户处于上楼类别时的生理体征示意图。如图7所示，用户在X轴、Y轴和/或Z轴的波形与预设波形相符时，判定用户处于上楼类别。优选地，所述预设波形为在Z轴呈现双波峰。如图7所示，Z轴的幅值数据呈现明显的双波峰，因此判断用户处于上楼类别。该种判断方式简单直观。或者，用户在Z轴方向上的幅值均值小于8500，并且在X轴和/或Y轴上超过上阈值的波峰数大于1.5倍低于下阈值的波谷数时，判定用户处于下楼类别。其中，上阈值为X轴和/或Y轴各波峰的平均值，下阈值为X轴和/或Y轴各波谷的平均值。该种判断方式可直观地从波峰波谷数量以及幅值大小等特征经计算得出。
图8示出了用户处于下楼类别时的生理体征示意图。如图8所示，用户在X轴、Y轴和/或Z轴的波形与预设波形相符时，判定用户处于下楼类别。优选地，所述预设波形为：一段时间内，Y轴幅值平均值低于走路类别时的数值。优选地，所说的幅值平均值是指所有数据取绝对值，再进行相加并除以总时间得到的。或者，用户在Z轴方向上的幅值均值小于8500，并且在X轴和/或Y轴上超过上阈值的波峰数小于等于1.5倍低于下阈值的波谷数时，判定用户处于下楼类别。其中，上阈值为X轴和/或Y轴各波峰的平均值，下阈值为X轴和/或Y轴各波谷的平均值。该种判断方式可直观地从波峰波谷数量以及幅值大小等特征经计算得出。
根据一个优选实施方式，本实施例所说的波峰和波谷采用如下方式判断：设人体运动时采集到的加速度传感器数据经过滤波预处理和三轴合一化处理后的加速度为a(t)，则定义u＝a(t)－a(t－1)，v＝a(t+1)－a(t)，u和v为有正负值的标量。在t时刻的左右各取3个采样点，当a(t－1)＞a(t－2)＞a(t－3)且a(t+1)＞a(t+2)＞a(t+3)时，可以正确判断出峰值。综上所述，当在t时刻加速度a(t)满足u＝a(t)－a(t－1)>0，v＝a(t+1)－a(t)<0，a(t－1)＞a(t－2)＞a(t－3)且a(t+1)＞a(t+2)＞a(t+3)四个条件时，则确定当前的t时刻为峰值点。用类似的方法可以查找出波谷值。优选地，当查找到一对峰谷值时认为出现一个步伐，该步伐是否为有效步伐则需根据幅度阈值和时间窗口阈值进一步判定。
在检测出峰谷值后，提取加速度数据a(t)的相邻波峰和波谷值的差作为特征值，记为CSVM(Change of SVM)，计算公式如下：
CSVM＝ap(t)－av(t－k)
其中，ap(t)为t采样时刻波峰值，av(t－k)为t－k采样时刻波谷值，k为相邻波峰波谷值之间的采样点数。优选地，当CSVM＞0.2gn时，为一次有效峰谷值数据，否则，予以丢弃。
根据一个优选实施方式，一般人体最快跑步速度为每秒5步，最慢走路为1步2s，两个有效步伐的时间间隔在0.2～2.0s之间，本实施例的采样率为50Hz，两个有效步伐的采样点次数间隔值在10～100之间。系统实时更新两步之间的采样点次数，如果落在有效间隔值范围之外，则视为无效扰动，不计入步数寄存器。
需要注意的是，上述具体实施例是示例性的，本领域技术人员可以在本发明公开内容的启发下想出各种解决方案，而这些解决方案也都属于本发明的公开范围并落入本发明的保护范围之内。本领域技术人员应该明白，本发明说明书及其附图均为说明性而并非构成对权利要求的限制。本发明的保护范围由权利要求及其等同物限定。

Claims (7)

1.一种基于步长信息的生理体征分析方法，其特征在于，所述方法包括如下步骤：
通过用户穿戴的智能鞋垫的鞋垫本体(10)采集用户的生理数据；
移动端(20)根据用户所指定的个人身体特征来预先计算确定与所述用户相关的参考加速度并基于所述鞋垫本体(10)所采集的生理数据反应的瞬时加速度识别所述用户的运动类别，
所述鞋垫本体(10)至少还包括传感器单元(101)、通信单元(102)和存储单元(103)，其中，
所述智能鞋垫通过将每次运动中的运动时间长度根据所述传感器单元(101)所采集的生理数据反应的加速度的变化进行分段，并将分段后的运动时间子长度按照与之相应的加速度相关的方式临时性存储在所述存储单元(103)中，使得所述智能鞋垫能够响应于所述通信单元(102)与所述移动端(20)的成功匹配而将临时性存储在所述存储单元(103)中的由所述运动时间子长度构成的总运动时间长度推送至所述移动端(20)，所述传感器单元(101)将所采集的生理数据反应的瞬时加速度按照与时间相关的方式存储至所述存储单元(103)中，并且所述移动端(20)通过采取对所述传感器单元(101)所采集的生理数据反应的瞬时加速度的数值进行归一化的方式对所述用户的运动类别进行数量有限的分类，所述移动端(20)基于所述数量有限的分类来确定有限数量的步长参数区间并且结合穿戴了所述智能鞋垫的用户所提供的个人身体特征而得到的所述用户的步长修正参数来确定所述用户的步行长度，
步行长度是由按照与运动时间子长度相应的加速度相关的方式存储的各个运动时间子长度、所述移动端(20)基于所述传感器单元(101)所采集的生理数据反应的瞬时加速度并基于对瞬时加速度进行等级分配而得到的所述用户步长参数区间以及所述移动端(20)根据穿戴了所述智能鞋垫的用户所提供的个人身体特征而得到的所述用户的步长修正参数三者共同确定的。
2.如权利要求1所述的基于步长信息的生理体征分析方法，其特征在于，所述智能鞋垫响应于所述通信单元(102)与所述移动端(20)的成功匹配而将所述传感器单元(101)所采集并临时性存储在所述存储单元(103)中的与用户运动行为有关的数据推送至与所述智能鞋垫成功配对的所述移动端(20)并由所述移动端(20)转发至云端服务平台(30)，并且
所述云端服务平台(30)响应于与所述移动端(20)的通信连接而获取所述移动端(20)所收集的用户个人身体特征以及所述传感器单元(101)临时性存储在所述存储单元(103)中的与用户运动行为有关的数据。
3.如权利要求2所述的基于步长信息的生理体征分析方法，其特征在于，所述移动端(20)和/或所述云端服务平台(30)根据所述用户所提供的至少包括身高、体重、性别和健康状况的个人身体特征来确定所述用户的统计学性质的步长修正参数，并且由所述移动端(20)和/或所述云端服务平台(30)利用预先分析所述传感器单元(101)所采集的生理数据反应的瞬时加速度并基于对瞬时加速度进行等级分配而得到的所述用户步长参数区间并结合所述步长修正参数和所述运动时间子长度以累计方式来确定所述用户的步行长度。
4.如权利要求3所述的基于步长信息的生理体征分析方法，其特征在于，所述智能鞋垫还包括分析单元(104)，所述分析单元(104)利用归一化的方式将所述传感器单元(101)所采集的生理数据反应的瞬时加速度的数值划分为静止类别、走路类别、跑步类别、上楼类别和下楼类别，并基于所述瞬时加速度来计算所述用户的步长参数区间，并且所述分析单元(104)结合所述传感器单元(101)所采集的生理数据反应的瞬时加速度和/或所述用户的运动时间来确定所述用户的移动距离和/或步频并将所述移动距离和/或步频数据临时性存储于所述存储单元(103)中。
5.如权利要求4所述的基于步长信息的生理体征分析方法，其特征在于，所述分析单元(104)经所述通信单元(102)将其自身所估算的与每次运动相关的步长参数区间按照与所述传感器单元(101)所采集的生理数据反应的瞬时加速度相关的方式分级推送至所述移动端(20)并由所述移动端(20)转发至云端服务平台(30)，并且所述云端服务平台(30)根据分析用户步行特征来区分所接收到的数据并将所接收到的数据按照与用户有关的分别存储各个用户的数据。
6.如权利要求5所述的基于步长信息的生理体征分析方法，其特征在于，所述移动端(20)和/或所述云端服务平台(30)基于所述用户经所述移动端(20)输入的所述用户的个人身体特征来分析与所述用户相关的步长修正参数，并结合利用分析所述传感器单元(101)所采集的生理数据反应的瞬时加速度并基于对瞬时加速度进行等级分配而得到的所述用户步长参数区间来确定所述用户的实际步长参数区间，
并且所述步长修正参数是按照与所述用户所指定的个人身体特征相关的方式来调整得到的，并且所述移动端(20)和/或所述云端服务平台(30)利用调整后的步长修正参数来确定所述用户的实际步长参数区间，
并且所述移动端(20)和/或所述云端服务平台(30)基于所述参考加速度将所述传感器单元(101)所采集的生理数据反应的瞬时加速度归类至所述静止类别、所述走路类别、所述跑步类别、所述上楼类别和所述下楼类别中的一种类别或多种类别。
7.一种基于步长信息的生理体征分析系统，其特征在于，所述系统至少包括智能鞋垫的鞋垫本体(10)和与所述鞋垫本体(10)进行数据交互的移动端(20)，其中，
所述鞋垫本体(10)被配置为用于采集用户的生理数据；
所述移动端(20)被配置为根据用户所指定的个人身体特征来预先计算确定与所述用户相关的参考加速度并基于所述鞋垫本体(10)所采集的生理数据反应的瞬时加速度识别所述用户的运动类别，所述鞋垫本体(10)至少包括传感器单元(101)和通信单元(102)，所述传感器单元(101)用于采集穿戴了所述智能鞋垫的用户的生理数据并将所采集的生理数据经所述通信单元(102)与所述用户指定的和/或所述智能鞋垫近旁的移动端(20)进行数据交互，并且
所述移动端(20)通过利用分析所述传感器单元(101)所采集的生理数据反应的瞬时加速度并基于对瞬时加速度进行等级分配而得到所述用户的步长参数区间，并且结合所述移动端(20)根据穿戴了所述智能鞋垫的用户所提供的个人身体特征而得到的所述用户的步长修正参数来确定所述用户的步行长度；
所述智能鞋垫还包括报警单元(105)，所述报警单元(105)在所述移动端(20)和/或云端服务平台(30)分析出所述用户的移动距离和/或步频数据高于预设阈值时发出报警消息，并且所述报警单元(105)根据所述移动端(20)和/或所述云端服务平台(30)基于所述参考加速度将所述传感器单元(101)所采集的生理数据反应的瞬时加速度归类的运动类别、所述用户的移动距离和所述用户的步频数据中的一种或多种对所述报警消息划分的不同等级而发出不同的警报消息。
CN201811227402.XA 2017-04-12 2017-04-12 一种基于步长信息的生理体征分析方法及系统 Active CN109619762B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811227402.XA CN109619762B (zh) 2017-04-12 2017-04-12 一种基于步长信息的生理体征分析方法及系统

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN201710235850.3A CN106901444B (zh) 2017-04-12 2017-04-12 一种生理监控智能鞋垫
CN201811227402.XA CN109619762B (zh) 2017-04-12 2017-04-12 一种基于步长信息的生理体征分析方法及系统

Related Parent Applications (1)

Application Number Title Priority Date Filing Date
CN201710235850.3A Division CN106901444B (zh) 2017-04-12 2017-04-12 一种生理监控智能鞋垫

Publications (2)

Publication Number Publication Date
CN109619762A CN109619762A (zh) 2019-04-16
CN109619762B true CN109619762B (zh) 2021-05-28

Family

ID=59196170

Family Applications (5)

Application Number Title Priority Date Filing Date
CN201710235850.3A Active CN106901444B (zh) 2017-04-12 2017-04-12 一种生理监控智能鞋垫
CN201811227402.XA Active CN109619762B (zh) 2017-04-12 2017-04-12 一种基于步长信息的生理体征分析方法及系统
CN201811227404.9A Active CN109222329B (zh) 2017-04-12 2017-04-12 一种步行长度计算方法及配置该方法的智能鞋垫
CN201811227403.4A Expired - Fee Related CN109452728B (zh) 2017-04-12 2017-04-12 一种基于步长计算的智能鞋垫及其步长计算方法
CN201811226807.1A Active CN109431000B (zh) 2017-04-12 2017-04-12 一种基于步长信息的运动指导系统及方法

Family Applications Before (1)

Application Number Title Priority Date Filing Date
CN201710235850.3A Active CN106901444B (zh) 2017-04-12 2017-04-12 一种生理监控智能鞋垫

Family Applications After (3)

Application Number Title Priority Date Filing Date
CN201811227404.9A Active CN109222329B (zh) 2017-04-12 2017-04-12 一种步行长度计算方法及配置该方法的智能鞋垫
CN201811227403.4A Expired - Fee Related CN109452728B (zh) 2017-04-12 2017-04-12 一种基于步长计算的智能鞋垫及其步长计算方法
CN201811226807.1A Active CN109431000B (zh) 2017-04-12 2017-04-12 一种基于步长信息的运动指导系统及方法

Country Status (1)

Country Link
CN (5) CN106901444B (zh)

Families Citing this family (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107361774B (zh) * 2017-07-18 2020-03-17 北京动亮健康科技有限公司 一种基于步频的运动监测系统和方法
CN107853790A (zh) * 2017-11-24 2018-03-30 常州信息职业技术学院 一种基于无线通信的智能穿戴设备及其方法
CN108831527B (zh) * 2018-05-31 2021-06-04 古琳达姬（厦门）股份有限公司 一种用户运动状态检测方法、装置及可穿戴设备
CN111854737A (zh) * 2019-04-28 2020-10-30 百应科技（北京）有限公司 一种运动类型的判断方法及系统
IT201900016142A1 (it) * 2019-09-12 2021-03-12 St Microelectronics Srl Sistema e metodo di rilevamento di passi a doppia convalida
CN110786864A (zh) * 2019-11-07 2020-02-14 郑州铁路职业技术学院 一种老人运动量分析系统
CN113303789B (zh) * 2021-04-30 2023-01-10 武汉齐物科技有限公司 一种基于加速度的步态事件检测方法及装置
CN113411704A (zh) * 2021-05-07 2021-09-17 佳禾智能科技股份有限公司 基于加速度传感器的骨导振子控制方法、计算机可读存储介质、骨导耳机
CN113633067B (zh) * 2021-08-12 2023-08-11 广东足行健健康科技有限公司 多功能智能按摩鞋垫
CN114732373B (zh) * 2022-06-13 2022-12-02 深圳市奋达智能技术有限公司 基于步态检测的步行活动卡路里消耗计算方法及装置

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN200994779Y (zh) * 2006-12-06 2007-12-26 国家体育总局体育科学研究所 人体步态运动测量鞋及其能量消耗实时监测装置
CN101910846A (zh) * 2008-01-28 2010-12-08 佳明有限公司 用于确定运动感测装置的附着位置的方法和装置
CN102818913A (zh) * 2012-07-31 2012-12-12 宋子健 一种人体运动信息检测装置及其检测方法
DE102011052470A1 (de) * 2011-08-08 2013-02-14 Detlef Grellert Verfahren und Einrichtung zur Erfassung eines Bewegungsparameters eines Läufers
CN105403228A (zh) * 2015-12-18 2016-03-16 北京朗动科技有限公司 一种运动距离的确定方法和装置

Family Cites Families (48)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4371945A (en) * 1980-12-01 1983-02-01 Lawrence Joseph Karr Electronic pedometer
US6175608B1 (en) * 1998-10-28 2001-01-16 Knowmo Llc Pedometer
US6522266B1 (en) * 2000-05-17 2003-02-18 Honeywell, Inc. Navigation system, method and software for foot travel
JP2005237926A (ja) * 2004-02-26 2005-09-08 Mikio Uehara 歩行距離と時刻を記録する機能付の靴
KR101143210B1 (ko) * 2005-02-21 2012-05-18 삼성전자주식회사 알람기능 제공방법과 그에 따른 장치
KR100703451B1 (ko) * 2005-09-16 2007-04-03 삼성전자주식회사 개인 항법 기기에서 걸음 검출 장치 및 방법
JP2007279837A (ja) * 2006-04-03 2007-10-25 Advance Alpha:Kk 携帯型行動監視装置および行動監視システム
US7561960B2 (en) * 2006-04-20 2009-07-14 Honeywell International Inc. Motion classification methods for personal navigation
CN101881625B (zh) * 2008-08-19 2012-09-12 幻音科技(深圳)有限公司 步幅校正方法、测距方法及计步装置
CN101694499A (zh) * 2009-10-22 2010-04-14 浙江大学 基于行人步态检测的步速测量和传输的系统和方法
JP2011147509A (ja) * 2010-01-19 2011-08-04 Parama Tec:Kk 心電計ないしは心拍計と歩数計とを備えた複合装置
JP2012008637A (ja) * 2010-06-22 2012-01-12 Yamaha Corp 歩数計、およびプログラム
KR101689887B1 (ko) * 2010-07-09 2016-12-26 삼성전자주식회사 보행자의 보폭 추정 방법 및 이를 위한 휴대 단말
WO2012176193A1 (en) * 2011-06-20 2012-12-27 Cardio-Healthwatch Innovative Solutions Ltd. Independent non-interfering wearable health monitoring and alert system
JP5938760B2 (ja) * 2012-03-13 2016-06-22 株式会社日立製作所 移動量推定システム、移動量推定方法、移動端末
KR101250215B1 (ko) * 2012-05-31 2013-04-03 삼성탈레스 주식회사 칼만 필터와 보행 상태 추정 알고리즘을 이용한 보행자 관성항법 시스템 및 보행자 관성항법 시스템의 높이 추정 방법
CN102879009B (zh) * 2012-06-15 2015-05-13 浙江吉利汽车研究院有限公司杭州分公司 一种汽车行驶里程计算方法及装置
JP5724976B2 (ja) * 2012-09-20 2015-05-27 カシオ計算機株式会社 運動情報検出装置および運動情報検出方法、運動情報検出プログラム
JP6108830B2 (ja) * 2012-12-28 2017-04-05 Kddi株式会社 歩行の安定性を評価可能な携帯型情報装置、プログラム及び方法
CN103076023A (zh) * 2013-01-09 2013-05-01 上海大唐移动通信设备有限公司 一种步长计算方法和装置
CN103245355A (zh) * 2013-05-27 2013-08-14 苏州市伦琴工业设计有限公司 测距鞋
CN103411607B (zh) * 2013-08-30 2015-10-14 华中师范大学 行人步长估计及航位推算方法
CN103646366B (zh) * 2013-11-15 2016-09-07 北京耀华康业科技发展有限公司 一种互动式自主健康管理系统和方法
CN103674052A (zh) * 2013-11-20 2014-03-26 上海电力学院 一种内嵌式多功能计步器
CN103674053A (zh) * 2013-12-12 2014-03-26 苏州市峰之火数码科技有限公司 步行计程器
CN104729524A (zh) * 2013-12-18 2015-06-24 中国移动通信集团公司 一种步长估计方法、计步器及计步系统
CN103727952A (zh) * 2013-12-27 2014-04-16 北京超思电子技术股份有限公司 一种计步器
CN103727957A (zh) * 2013-12-27 2014-04-16 北京超思电子技术股份有限公司 一种计步器
CN103759738A (zh) * 2013-12-31 2014-04-30 北京超思电子技术股份有限公司 一种计步器
JP2015184159A (ja) * 2014-03-25 2015-10-22 セイコーエプソン株式会社 相関係数補正方法、運動解析方法、相関係数補正装置及びプログラム
CN103983273B (zh) * 2014-04-29 2017-06-06 华南理工大学 一种基于加速度传感器的实时步长估计方法
CN113303790A (zh) * 2014-05-30 2021-08-27 日东电工株式会社 用于对用户活动进行分类和/或对用户步数进行计数的设备和方法
FI125723B (en) * 2014-07-11 2016-01-29 Suunto Oy Portable activity tracking device and associated method
CN104545932B (zh) * 2014-10-22 2018-01-02 北京耀华知己健康管理有限公司 一种有效运动量监测装置以及包含该装置的健康管理系统
CN104406603B (zh) * 2014-11-12 2018-05-11 上海卓易科技股份有限公司 一种基于加速度传感器的计步方法和装置
CN104406604B (zh) * 2014-11-21 2018-04-03 中国科学院计算技术研究所 一种计步方法
CN104535077A (zh) * 2014-12-29 2015-04-22 上海交通大学 一种基于智能移动终端设备的行人步长估计方法
BR112017015216A2 (pt) * 2015-01-21 2018-07-10 Multiservicios Profesionales De Esparza S A planilha com nano podômetro integrado, método para detectar e contar passos por meio de dita planilha e sapato com dita planilha fixa ou removível
CN104596537B (zh) * 2015-02-02 2017-12-29 林联华 一种计步方法
US20160339300A1 (en) * 2015-05-21 2016-11-24 Ebay Inc. Controlling user devices based on biometric readings
CN105496428B (zh) * 2015-12-14 2018-10-30 北京奇虎科技有限公司 可佩戴设备控制的实现方法及装置
CN105496416B (zh) * 2015-12-28 2019-04-30 歌尔股份有限公司 一种人体运动状态的识别方法和装置
CN105962942B (zh) * 2016-04-22 2019-01-04 北京小米移动软件有限公司 运动状态确定方法及装置
CN205795030U (zh) * 2016-05-25 2016-12-14 杭州良方科技有限公司 一种智能鞋垫
CN106225801A (zh) * 2016-06-30 2016-12-14 天津大学 一种基于惯性传感的人员步长估算的方法
CN106175778B (zh) * 2016-07-04 2019-02-01 中国科学院计算技术研究所 一种建立步态数据集的方法及步态分析方法
CN106289311A (zh) * 2016-08-04 2017-01-04 北京妙医佳信息技术有限公司 一种运动时长和距离的检测方法
CN106289309B (zh) * 2016-10-26 2019-08-16 深圳大学 基于三轴加速度传感器的计步方法及装置

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN200994779Y (zh) * 2006-12-06 2007-12-26 国家体育总局体育科学研究所 人体步态运动测量鞋及其能量消耗实时监测装置
CN101910846A (zh) * 2008-01-28 2010-12-08 佳明有限公司 用于确定运动感测装置的附着位置的方法和装置
DE102011052470A1 (de) * 2011-08-08 2013-02-14 Detlef Grellert Verfahren und Einrichtung zur Erfassung eines Bewegungsparameters eines Läufers
CN102818913A (zh) * 2012-07-31 2012-12-12 宋子健 一种人体运动信息检测装置及其检测方法
CN105403228A (zh) * 2015-12-18 2016-03-16 北京朗动科技有限公司 一种运动距离的确定方法和装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
基于手机加速度传感器的实时步长估计;钟鸣等;《2015年广东通信青年论坛专刊》;20151231;第2015年卷;第20-26页 *

Also Published As

Publication number Publication date
CN109619762A (zh) 2019-04-16
CN109431000A (zh) 2019-03-08
CN106901444A (zh) 2017-06-30
CN109452728A (zh) 2019-03-12
CN106901444B (zh) 2018-09-25
CN109222329A (zh) 2019-01-18
CN109222329B (zh) 2021-08-03
CN109431000B (zh) 2021-07-30
CN109452728B (zh) 2021-03-09

Similar Documents

Publication Publication Date Title
CN109619762B (zh) 一种基于步长信息的生理体征分析方法及系统
CN105342623B (zh) 智能跌倒监护装置及其处理方法
US10506990B2 (en) Devices and methods for fall detection based on phase segmentation
JP5674766B2 (ja) 着用位置を検出するためのセンシングデバイス
US9402568B2 (en) Method and system for detecting a fall based on comparing data to criteria derived from multiple fall data sets
EP2687157A2 (en) Quantitative falls risk assessment through inertial sensors and pressure sensitive platform
US20170000384A1 (en) Improvements in the detection of walking in measurements of the movement of a user
JP2006192276A (ja) 活動パターンの監視方法及びその装置
CN107048570B (zh) 一种智能鞋垫的数据分析处理方法
EP3079568B1 (en) Device, method and system for counting the number of cycles of a periodic movement of a subject
TW201642805A (zh) 可穿戴裝置的失準偵測
CN109171734A (zh) 基于多传感器数据融合的人体行为分析云管理系统
CN106388831B (zh) 基于样本加权算法的检测摔倒动作的方法
US10969241B2 (en) Accelerometer-based systems and methods for quantifying steps
JP2008086479A (ja) 活動量計測システム
CN107019501B (zh) 基于遗传算法和概率神经网络的远程摔倒检测方法及系统
US11881097B2 (en) Method and device for detecting fall accident by using sensor in low power state
KR20210136722A (ko) 전자 장치의 낙상 이벤트 타입 판단 방법 및 그 전자 장치
EP4198933A1 (en) Fall risk prevention method and device for carrying out same
EP3991157B1 (en) Evaluating movement of a subject
JPH07178073A (ja) 体動解析装置
WO2023280333A1 (en) Device, system, and method for monitoring a person&#39;s gait
KR20110022917A (ko) 사용자 적응형 행위 감지 장치 및 그 방법
US20220096006A1 (en) Estimating Caloric Expenditure using Heart Rate Model Specific to Motion Class
CN109692004B (zh) 一种检测人体站姿的方法和装置

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
TR01 Transfer of patent right

Effective date of registration: 20210915

Address after: 230601 room 321, building 1, robot industry base, tus Technology City, east of Xiyou road and south of ciguang Road, economic and Technological Development Zone, Hefei, Anhui Province

Patentee after: Hefei xinliankang cloud information technology partnership (L.P.)

Address before: 528137 502, floor 5, No. B5, phase II plant of Dengjun Digital City, No. 39, East Xile Avenue, Leping, Sanshui Industrial Park, Foshan City, Guangdong Province

Patentee before: FOSHAN MEASUREX Co.,Ltd.

TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20211124

Address after: 239000 room T101, edification star Langya accelerator office building, No. 86, Nanjing North Road, Langya District, Chuzhou City, Anhui Province

Patentee after: Anhui Ivy wisdom pension Technology Co.,Ltd.

Address before: 230601 room 321, building 1, robot industry base, tus Technology City, east of Xiyou road and south of ciguang Road, economic and Technological Development Zone, Hefei, Anhui Province

Patentee before: Hefei xinliankang cloud information technology partnership (L.P.)

TR01 Transfer of patent right