CN109737952B - 跳绳数据处理方法、装置及可穿戴设备 - Google Patents

Abstract

本公开提供一种跳绳数据处理方法、装置及可穿戴设备，其中的方法包括：采集得到跳绳数据；提取并记录跳绳数据的特征信息，所述特征信息与跳绳周期对应，是基于跳绳数据的波峰信息和波谷信息分析所得；基于相邻两周期的特征信息和预设的基准标准信息判断是否已经发生连续跳绳动作，如果发生，则开始统计跳绳参数；所述跳绳参数包括跳绳次数；利用已记录的特征信息统计所述跳绳参数，并检测是否发生新的跳绳动作，如果检测到，则更新所统计的跳绳参数。由此本公开可以提高跳绳参数的统计精度。

Description

跳绳数据处理方法、装置及可穿戴设备

技术领域

本公开涉及可穿戴设备技术领域，尤其涉及跳绳数据处理方法、装置及可穿戴设备。

背景技术

随着社会的高速发展，生活节奏逐渐加快，人们在固定时间和地点进行锻炼的机会越来越少。因此，简便高效的运动方式越来越受欢迎，如不受人数、场地、时间、季节和年龄等限制的跳绳运动。在跳绳运动过程中，一般都会对跳绳次数进行统计，以使用户能够在一定程度上了解当前锻炼情况。为实现跳绳次数的统计，目前一般是通过跳绳器具的计数装置中的传动机构将跳绳者在跳绳过程中的手柄的运动传送至计数器，从而实现计数。但由于不同跳绳者的手部运动不同，跳绳过程中的运动方式也不同，所以依赖于手柄晃动实现计数的方式的计数准确性较低。

发明内容

为克服相关技术中存在的问题，本公开提供了跳绳数据处理方法、装置及穿戴设备。

根据本公开实施例的第一方面，提供一种跳绳数据处理方法，所述方法包括：

采集得到跳绳数据；

提取并记录跳绳数据的特征信息，所述特征信息与跳绳周期对应，是基于跳绳数据的波峰信息和波谷信息分析所得；

基于相邻两周期的特征信息和预设的基准标准信息判断是否已经发生连续跳绳动作，如果发生，则开始统计跳绳参数；所述跳绳参数包括跳绳次数；

利用已记录的特征信息统计所述跳绳参数，并检测是否发生新的跳绳动作，如果检测到，则更新所统计的跳绳参数。

根据本公开实施例的第二方面，提供一种跳绳数据处理装置，所述装置包括：

采集模块，用于采集得到跳绳数据；

提取模块，用于提取并记录跳绳数据的特征信息，所述特征信息与跳绳周期对应，是基于跳绳数据的波峰信息和波谷信息分析所得；

第一判断模块，用于基于相邻两周期的特征信息和预设的基准特征信息判断是否已经发生连续跳绳动作；

统计模块，用于在发生连续跳绳动作时，开始统计跳绳参数；并在统计跳绳参数的过程中，利用已记录的特征信息统计所述跳绳参数，并检测是否已经发生新的跳绳动作，如果检测到，则更新所统计的跳绳参数；所述跳绳参数包括跳绳次数。

根据本公开实施例的第三方面，提供一种可穿戴设备，其包括：

处理器；

存储器，用于存储可由所述处理器执行的计算机程序；

三轴加速度计，用于采集跳绳数据；

其中，所述处理器执行所述程序时实现所述跳绳数据处理方法。

通过上述技术方案，本公开包括以下有益技术效果：

通过基于连续的两个周期的特征信息和基准特征信息来判断是否已经发生连续跳绳动作，以在发生连续跳绳动作时才开始统计跳绳参数，有利于避免仅通过根据获得的特征信息的数量来统计跳绳参数所造成的误差，并提高跳绳参数开始计数的及时性和准确性；通过在统计开始后基于特征信息检测是否发生新的跳绳动作，以更新所统计的跳绳参数，相对于相关技术中通过检测手柄晃动进行计数的方式，能够在一定程度上避免人为因素的影响，有利于提高跳绳参数的统计精度。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。

附图说明

图1是本公开根据一示例性实施例示出的一种跳绳数据处理方法的流程图；

图2是本公开根据一示例性实施例示出的一种跳绳数据的示意图；

图3是本公开根据一示例性实施例示出的一种跳绳数据处理方法的流程图；

图4是本公开根据一示例性实施例示出的一种跳绳数据处理装置的结构框图；

图5是本公开根据一示例性实施例示出的一种跳绳数据处理装置的电子设备的结构框图。

具体实施方式

这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。

在本公开使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本公开。在本公开和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。还应当理解，本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。

应当理解，尽管在本公开可能采用术语第一、第二、第三等来描述各种信息，但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如，在不脱离本公开范围的情况下，第一信息也可以被称为第二信息，类似地，第二信息也可以被称为第一信息。取决于语境，如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”。

为解决相关技术中对跳绳次数的计数误差较大的问题，本公开实施例提供了一种跳绳数据处理方法。本公开实施例的跳绳数据处理方法可以应用于能够让用户进行运动时佩戴在身上的可穿戴设备，或可携带在身上的移动设备，或应用于安装在跳绳器具的手柄端部的跳绳数据处理设备上，以在用户进行跳绳运动的过程中，对用户的跳绳参数进行统计、处理。其中，为方便描述，在下文中，将上述记载的可穿戴设备、移动设备和跳绳数据处理设备统称为用户设备。

如图1所示，图1是本公开根据一示例性实施例示出的一种跳绳数据处理方法的流程图，所述方法包括：

S011，采集得到跳绳数据；

S012，提取并记录跳绳数据的特征信息，所述特征信息与跳绳周期对应，是基于跳绳数据的波峰信息和波谷信息分析所得；

S013，基于相邻两周期的特征信息和预设的基准特征信息判断是否已发生连续跳绳动作，如果发生，则开始统计跳绳参数；所述跳绳参数包括跳绳次数；

S014，利用已记录的特征信息统计所述跳绳参数，并检测是否发生新的跳绳动作，如果检测到，则更新所统计的跳绳参数。

需要统计跳绳参数时，用户可以启动用户设备的跳绳数据处理功能，以使所述跳绳数据处理方法运行，或，所述跳绳数据处理方法可以作为用户设备中默认开启的一个功能，可以理解为：处于开启状态的用户设备默认执行所述跳绳数据处理方法。

在用户设备执行所述跳绳数据处理方法的过程中，可以通过三轴加速度计或包含三轴加速度计的集成传感器，如九轴传感器采集得到跳绳数据。其中，所述三轴加速度计或所述集成传感器可以安装于所述用户设备。本实施例中，采集到的跳绳数据为用户在跳绳过程中产生的加速度变化的加速度数据，如图2所示，图2是本公开根据一示例性实施例示出的一种跳绳数据的示意图；图2中，虽然都示出了三轴加速度计的X轴、Y轴和Z轴的加速度数据，但本实施例中，可以仅将其中任意一轴所采集到的加速度数据作为跳绳数据。其中，为提高跳绳参数统计的精确度，本实施例中采用了三轴加速度计的Z轴所采集的加速度数据作为跳绳数据，其中，在数据采集过程中，三轴加速度计的Z轴所指向的方向为用户身高方向。

需要说明的是，采用X轴或Y轴所采集的加速度数据作为跳绳数据的实施例也应落入本公开的保护范围。

在其他实施例中，除了运用三轴加速度计的任意一轴采集到的加速度数据来实现本公开的目的之外，本领域技术人员还可以运用任意两轴或三轴的加速度数据来实现本公开的目的，采用这种情况的实施亦落入本公开的保护范围。其中，采用任意两轴或三轴的加速度数据来实现本公开的目的时，可以先通过合成矢量的方法将所选择的两轴的加速度数据或三轴的加速度数据合并成一维的数据，再将该一维的数据作为本公开的跳绳数据，以实现对跳绳参数的获取。以下举个例子说明一下如何将三轴的加速度数据合并成一维的数据：假设X轴采集到的加速度数据为Ax，Y轴采集到的加速度数据为Ay，Z轴采集到的加速度数据为Az，那么，通过合成矢量的方法，可以计算得到的一维的加速度数据Amp＝sqrt(Ax²+Ay²+Az²)。

在实际应用中，由于通过三轴加速度计采集到的数据一般都会掺杂着非加速度信息如噪声信息，如果直接基于三轴加速度计所采集到的数据进行特征提取，很可能会造成提取得到的特征信息存在偏差。故为解决这一技术问题，以提高提取得到的特征信息的质量和准确度，在一实施例中，在提取并记录跳绳数据的特征信息之前，可以先对跳绳数据进行预处理。所述预处理包括高频噪声和/或基线干扰滤除处理。其中，滤除高频噪声的方式包括但不限于：低通滤波、或平滑滤波；去除基线干扰的方式包括但不限于：线性平均、多项式拟合、小波分解、或经验模态分解。

通过对三轴加速度计采集到的数据进行预处理之后，发生一次完整的跳绳动作所对应的加速度数据在一个跳绳周期呈现的波形类似一个正弦波；可以理解为：图2所示的加速度数据经过预处理后，得到的数据呈现的波形类似正弦波。其中，一个跳绳周期是指发生一次完整的跳绳动作所需的时间。由于在跳绳过程中会发生多次完整的跳绳动作，每次完整的跳绳动作都对应一个跳绳周期，每个跳绳周期中的跳绳数据所呈现的波形类似正弦波，所以在下文中，可以基于跳绳数据的波峰信息和波谷信息提取得到相应的特征信息，也可以基于所述特征信息确定得到其所在的周期。其中，基于所述特征信息确定得到其所在的周期可以理解为：如果基于连续输入的跳绳数据提取得到特征信息时，则该特征信息对应的时间段为该特征信息对应的跳绳周期。

采集得到跳绳数据之后，基于作为特征信息识别标准的预设的波峰设定值和波谷设定值，对跳绳数据的波峰信息和波谷信息进行特征识别和提取，以得到所采集的跳绳数据的特征信息，并进行记录。其中，所述特征信息可以包括以下至少之一：峰值信息、谷值信息、用于指示峰值点所在时刻的峰值位置信息、用于指示谷值点所在时刻的谷值位置信息、用于指示峰值位置信息和谷值位置信息之差的峰谷位置差信息、用于指示峰值与谷值之差的峰谷差值信息。为提高跳绳参数统计的准确性，本例中，所述特征信息包括峰值信息、谷值信息、峰值位置信息、谷值位置信息、峰谷位置差信息和峰谷差值信息。

在对跳绳数据进行特征提取的过程中，可以通过单调上升或峰值幅度阈值检测的方式提取得到跳绳数据中的峰值信息，可以通过单调下降或谷值幅度阈值检测的方式提取得到跳绳数据中的谷值信息。提取得到峰值信息和谷值信息之后，可以通过以下方式获取其它信息：依据数据采集的时间顺序，根据属于同一周期的峰值信息和谷值信息分别对应的采集时刻，即可得到同一周期中的峰值位置信息和谷值位置信息。由此，计算峰值信息和谷值信息的值的差，即可得到峰谷差值信息；计算峰值位置信息和谷值位置信息的值的差，即可得到峰谷位置差信息。其中，所述采集时刻可以根据用户设备的时间记录功能获知，也可以根据三轴加速度计或集成传感器的数据采集频率获知。

与所述特征信息相应，对应于跳绳动作的所述基准特征信息可以包括以下至少之一：基准峰值信息、基准谷值信息、基准峰值位置信息、基准谷值位置信息、基准峰谷位置差信息、基准峰谷差值信息。其中，所述基准特征信息可以根据实验或经验分析得到，本实施例对此不作具体限定。

得到特征信息之后，可以基于相邻两周期的特征信息的相似度和所述相邻两周期中的其中一周期的特征信息与所述基准特征信息的相似度判断是否已经发生连续跳绳动作。基于此，所述步骤S013中，判断是否已发生连续跳绳动作，可以包括：

S0131，依据采集时间顺序，根据相邻两周期的特征信息的相似度判断是否发生连续动作；

S0132，如果发生连续动作，则根据发生连续动作的任一周期的特征信息与基准特征信息的相似度判断所述连续动作是否为跳绳动作。

其中，相邻两周期的特征信息的相似度大于或等于第一预设值，则确定发生连续动作。发生连续动作的任一周期的特征信息与基准特征信息的相似度大于或等于第三预设值，则确定所述连续动作为跳绳动作。其中，第一预设值和第三预设值可以相等也可以不等，两者都可以根据实验或经验获得，本实施例对此不作限定。

或者，所述步骤S013中，判断是否已经发生连续跳绳动作，可以包括：

S0133，依据采集时间顺序，根据当前周期的特征信息与所述基准特征信息的相似度判断是否发生跳绳动作；

S0134，如果发生跳绳动作，则根据当前周期的特征信息和与当前周期相邻的前一周期的特征信息的相似度判断所述跳绳动作是否连续发生。

其中，当前周期的特征信息与所述基准特征信息的相似度大于或等于第三预设值，则确定发生跳绳动作。当前周期的特征信息和与当前周期相邻的前一周期的特征信息的相似度大于或等于第一预设值，则确定所述跳绳动作连续发生。其中，第一预设值和第三预设值可以相等也可以不等，两者都可以根据实验或经验获得，本实施例对此不作限定。

可选的，所述特征信息之间的相似度的计算方式包括但不限于：相关系数计算、欧氏距离计算、马尔可夫距离计算、闵可夫斯基距离计算、曼哈顿距离计算、切比雪夫距离计算、或汉明距离计算等方式。

在另一实施例中，还可以通过以下方式计算特征信息之间的相似度：将一特征信息所包含的各项信息与另一特征信息中对应的特征信息一一比对，利用比对结果来确定两特征信息之间的相似度。例如，将一特征信息中的峰值信息与另一特征信息中的峰值信息进行比对，比对的方式可以是计算两者之差，或计算两者之商，然后以各项信息进行比对后所得到的所有差值或商的大小来综合评价或计算两者的相似度。

判断得到已发生连续跳绳动作时，可以开始统计跳绳参数。其中，可以以发生连续跳绳动作所对应的两周期中的前一周期为跳绳参数的统计起始时间点，对跳绳参数进行统计。在统计跳绳参数的过程中，利用所述统计起始时间点之后的各周期的特征信息统计所述跳绳参数并检测是否发生新的跳绳动作。其中，由于所述起始时间点所在的周期和下一周期为发生连续跳绳动作的两个周期，所以对于这两个周期的跳绳次数的统计，可以直接记录为2次。在这两个周期之后，才需要检测是否发生新的跳绳动作。检测是否发生新的跳绳动作的过程可以包括：判断当前周期的特征信息和所述基准特征信息是否满足所述第三预设值，根据判断结果确定当前周期是否发生跳绳动作。这么一来，就可以判断发生连续跳绳动作所对应的两周期之后的周期是否发生新的跳绳动作。如果发生新的跳绳动作，可以在当前所统计的跳绳次数的基础上加上相应的次数。

在上述对跳绳数据进行处理的过程中，一旦采集到跳绳数据，就可以基于采集到跳绳数据执行所述步骤S012～S013，对此可以理解为：实时采集跳绳数据，实时对采集到的跳绳数据进行处理。可以不用等待所有跳绳数据采集完毕之后，才进行跳绳数据的处理；也可以不用等待收到用于触发跳绳数据处理的指令时，才进行跳绳数据的处理。但是在另一实施例中，也可以不对跳绳数据进行实时处理，而是在采集到一定周期的跳绳数据或接收到用于触发跳绳数据处理的指令之后，才进行跳绳数据的处理。

表1本公开实施例统计得到的跳绳总次数及其与实际总次数的相对误差情况

由此本公开实施例通过基于连续的两个周期的特征信息和基准特征信息来判断是否已经发生连续跳绳动作，以在发生连续跳绳动作时才开始统计跳绳参数，有利于避免仅通过根据获得的特征信息的数量来统计跳绳参数所造成的误差，并提高跳绳参数开始计数的及时性和准确性；通过在统计开始后基于特征信息检测是否发生新的跳绳动作，以更新所统计的跳绳参数，相对于相关技术中通过检测手柄晃动进行计数的方式，能够在一定程度上避免人为因素的影响，有利于提高跳绳参数的统计精度。其中，通过本公开实施例的跳绳数据处理方法统计跳绳次数的准确度可以从表1得知，统计准确率可以高达98.44％。

另外，由于不同跳绳者的跳绳习惯不同、跳绳动作不同，且同一跳绳者在不同时刻的跳绳动作也会因为疲劳或其它原因产生变化，所以采集到的跳绳数据也会发生不同情况的变化。因此，如果仅基于唯一的标准(即所述基准特征信息)来判断在发生连续跳绳动作的两个周期之后的其它周期是否发生跳绳动作，很有可能会将在实际中发生跳绳动作所对应的特征信息误判为未发生跳绳动作的特征信息。故为解决这一技术问题，以进一步提高统计跳绳参数的准确度，在一实施例中，可以将检测是否发生新的跳绳动作的技术方案替换为：判断与当前周期相邻的前一周期的特征信息和当前周期的特征信息的相似度是否满足第一预设值，根据判断结果确定当前周期是否发生跳绳动作。由于跳绳者一般在相邻周期中的跳绳动作变化不大，所以本公开实施例在发生连续跳绳动作的两个周期之后，通过基于当前周期的特征信息和与当前周期相邻的前一周期的特征信息的相似度来判断当前周期是否发生跳绳动作，能够更好地提高统计跳绳参数的准确性。

在一实施例中，为了让跳绳者了解到自己在跳绳运动中的更多信息，如跳绳速度、频率和耐力，达到更好的训练效果，所述跳绳参数还可以包括跳绳时长、跳绳平均频率和跳绳实时频率。其中，跳绳时长可以基于跳绳次数的统计周期获知，跳绳平均频率等于当前跳绳次数与当前跳绳时长之商，所述跳绳实时频率等于当前周期之前的预设时长内的跳绳次数与预设时长之商。其中，所述预设时长可以依需预设，本实施例不作限定。以下举个例子说明跳绳实时频率的计算方式，假设所述预设时长为3s，当前周期前3s内的跳绳次数为6次，那么，当前跳绳实时频率为(6÷3)次/秒＝2次/秒。

虽然在跳绳次数统计的基础上增加对跳绳时长、跳绳平均频率和跳绳实时频率的统计可以满足大部分用户了解自身跳绳运动情况的需求，但是，长期坚持跳绳的专业跳绳运动者或要求比较高的跳绳运动者往往会进行多组训练，除上述跳绳参数外，这些跳绳运动者还会关注每组训练的次数、时间和组间休息时长等参数，以完成一定的训练量。因此，为满足用户的更多需求，在一实施例中，如图3所示，图3是本公开根据一示例性实施例示出的一种跳绳数据处理方法的流程图，所述跳绳数据处理方法还可以包括：

S015，当判断得到当前周期未发生新的跳绳动作时，将已统计得到的跳绳参数作为一组统计数据保存，并统计已保存的统计数据的组数。

本例中，在统计跳绳参数的过程中，依据时间采集顺序，依次检测在发生连续跳绳动作所对应的两周期之后的周期是否发生新的跳绳动作，如果当前所检测的当前周期发生新的跳绳动作，则更新所统计的跳绳参数。但如果当前所检测的当前周期未发生新的跳绳动作，则可以表示本次跳绳运动已中断，不需要更新所统计的跳绳参数，并将当前所统计得到的跳绳参数作为一组统计数据保存，以作为一组跳绳参数进行记录。其中，该组统计数据的跳绳参数可以包括组序号、已完成的组数、本组的跳绳时长、本组的跳绳平均频率、本组最高的跳绳实时频率。另外，还可以记录相邻每组跳绳参数之间的间断时间，以作为组间休息时长。由此，可以实现对间歇性跳绳运动的跳绳间歇组数及各组的跳绳参数的统计和记录。另外，通过实验发现，如表2所示，利用本实施例跳绳数据处理方法统计得到的跳绳间歇组数与实际跳绳间歇组数之间不存在任何误差，准确率高达100％。

表2本公开实施例统计得到的跳绳总组数及其与实际总组数的相对误差情况

在特征信息的提取过程中，有时会因为某个周期的跳绳数据变化不明显，从而使得该周期内的峰值或谷值不能够满足预先设定的提取条件，无法被识别到。这么一来，某个周期的特征信息被忽略，从而导致在统计跳绳参数的过程中，出现次数漏计现象。因此，为解决这一技术问题，以进一步提高跳绳参数统计的准确度，在一实施例中，所述跳绳数据处理方法还可以包括：

S107，检测当前周期内是否存在遗漏的特征信息，是则补偿漏计的跳绳次数。

其中，在检测当前周期内是否存在遗漏的特征信息之前，可以先确认有无必要去进行上述检测，以在一定程度上减少数据处理量。基于此，在一实施例中，在检测当前周期内是否存在遗漏的特征信息之前，所述跳绳数据处理方法还可以包括：

S1061，基于当前周期之前的每相邻两周期的特征信息计算各周期的周期值；

S1062，以所有周期值中的中值作为基准周期值，判断当前周期值是否大于所述基准周期值，是则检测当前周期内是否存在遗漏的特征信息。

可选的，每个周期的周期值可以通过以下方式计算得到：计算每相邻两周期的峰值位置信息之间的差值，或每相邻两周期的谷值位置信息之间的差值，所得到的差值即为其中一周期的周期值。

通过以所有周期值中的中值作为基准周期值，相对于以所有周期的平均值作为基准周期值的方式，能够获得更加稳定且准确的周期值。因为，在所有周期值中，可能会存在有些周期值过大和有些周期值过小，这些过大或过小的周期值都会影响到平均值，很可能会发生平均值与基准周期值偏差较大的情况。所以，为解决上述问题，本实施例采用了所有周期值中的中值作为基准周期值。

如果当前周期值大于所述基准周期值，则可以认为当前周期过长，属于不正常现象，此时有必要检测当前周期内是否存在遗漏的特征信息。其中，检测当前周期内是否存在遗漏的特征信息的步骤，可以包括：查找当前周期内是否存在待补偿特征信息，所述待补偿特征信息与基准特征信息的相似度满足第二预设值。其中，所述第二预设值可以根据经验或实验获得，本实施例对此不作限定。

上述中，查找到当前周期内存在与基准特征信息的相似度大于或等于第二预设值的某个特征信息，则可以认为该特征信息为遗漏的特征信息，需要将其记录下来。接着，可以根据遗漏的特征信息的数量在当前所统计的跳绳次数的基础上增加相同数量的次数。从而避免次数漏计。

可以理解为，要判断某个周期是否存在遗漏的特征信息，需要先判断所述某个周期的周期值是否大于所述基准周期值，如果所述某个周期的周期值小于或等于所述基准周期值，则认定所述某个周期内不存在遗漏的特征信息，不需要进行跳绳参数的补偿。如果所述某个周期的周期值大于所述基准周期值，则认定所述某个周期内可能存在遗漏的特征信息，此时需要在所述某个周期内获取与基准特征信息的相似度大于或等于所述第二预设值的特征信息，以查找得到待补偿特征信息。

与前述跳绳数据处理方法的实施例相对应，本公开还提供一种跳绳数据处理装置，所述装置可以应用于能够让用户进行运动时佩戴在身上的可穿戴设备，或可携带在身上的移动设备，或应用于安装在跳绳器具的手柄端部的跳绳数据处理设备上，以在用户进行跳绳运动的过程中，对用户的跳绳参数进行统计。

如图4所示，图4是本公开根据一示例性实施例示出的一种跳绳数据处理装置的结构框图。所述装置400包括：

采集模块401，用于采集得到跳绳数据；

提取模块402，用于提取并记录跳绳数据的特征信息，所述特征信息与跳绳周期对应，是基于跳绳数据的波峰信息和波谷信息分析所得；

第一判断模块403，用于基于相邻两周期的特征信息和预设的基准特征信息判断是否已经发生连续跳绳动作；

统计模块404，用于在发生连续跳绳动作时，开始统计跳绳参数；并在统计跳绳参数的过程中，利用已记录的特征信息统计所述跳绳参数，并检测是否已经发生新的跳绳动作，如果检测到，则更新所统计的跳绳参数；所述跳绳参数包括跳绳次数。

在一实施例中，所述装置400还包括：

预处理模块，用于在所述提取模块402提取并记录跳绳数据的特征信息之前，对跳绳数据进行预处理，所述预处理包括高频噪声和/或基线干扰滤波处理。

在一实施例中，所述第一判断模块403包括：

第一判断单元，用于依据采集时间顺序，根据相邻两周期的特征信息的相似度判断是否发生连续动作；

第二判断单元，用于在发生连续动作时，根据发生连续动作的任一周期的特征信息与基准特征信息的相似度判断所述连续动作是否为跳绳动作。

在一实施例中，所述统计模块404包括：

统计单元，用于在发生连续跳绳动作时，开始统计跳绳参数；

确定单元，用于判断当前周期相邻的前一周期的特征信息和当前周期的特征信息的相似度是否满足第一预设值，并根据判断结果确定当前周期是否发生跳绳动作，以实现对新的跳绳动作的检测。

在一实施例中，所述跳绳参数还包括跳绳时长、跳绳平均频率和跳绳实时频率。

在一实施例中，所述装置400还包括：

存储模块，用于在当前周期未发生跳绳动作时，将已统计得到的跳绳参数作为一组统计数据保存，并统计已保存的统计数据的组数。

在一实施例中，所述装置400还包括：

补偿模块，用于在所述统计模块404统计跳绳参数的过程中，检测当前周期内是否存在遗漏的特征信息，是则补偿漏计的跳绳次数。

在一实施例中，所述装置400还包括：

计算模块，用于基于当前周期之前的每相邻两周期的特征信息计算各周期的周期值；

第二判断模块，用于以所有周期值中的中值为基准周期值，判断当前周期值是否大于所述基准周期值，是则触发所述补偿模块工作。

在一实施例中，所述补偿模块包括：

查找单元，用于查找当前周期内是否存在待补偿特征信息，以实现对当前周期内是否存在遗漏的特征信息的检测；其中，所述待补偿特征信息与基准特征信息的相似度满足第二预设值。

在一实施例中，所述采集模块401为安装于可穿戴设备的三轴加速度计。

上述装置中各个单元的功能和作用的实现过程具体详见上述方法中对应步骤的实现过程，在此不再赘述。

对于装置实施例而言，由于其基本对应于方法实施例，所以相关之处参见方法实施例的部分说明即可。以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元。

与前述跳绳数据处理方法的实施例相对应，本公开还提供一种跳绳数据处理装置的电子设备，所述电子设备可以为能够让用户进行运动时佩戴在身上的可穿戴设备，或可携带在身上的移动设备，或安装在跳绳器具的手柄端部的跳绳数据处理设备。所述电子设备包括：

处理器；

存储器，用于存储可由所述处理器执行的计算机程序；

三轴加速度计，用于采集跳绳数据；

其中，所述处理器执行所述程序时实现上述任一实施例所记载的所述跳绳数据处理方法。

如图5所示，图5是本公开根据一示例性实施例示出的一种跳绳数据处理装置的电子设备的结构框图。所述电子设备500可以包括以下一个或多个组件：处理组件501，存储器502，电源组件503，多媒体组件504，音频组件505，输入/输出(I/O)的接口506，传感器组件507，以及通信组件508。

处理组件501通常控制电子设备500的整体操作，诸如与显示，电话呼叫，数据通信，相机操作和记录操作相关联的操作。处理组件501可以包括一个或多个处理器509来执行指令，以完成上述的方法的全部或部分步骤。此外，处理组件501可以包括一个或多个模块，便于处理组件501和其它组件之间的交互。例如，处理部件501可以包括多媒体模块，以方便多媒体组件504和处理组件501之间的交互。

存储器502被配置为存储各种类型的数据以支持在电子设备500的操作。这些数据的示例包括用于在电子设备500上操作的任何应用程序或方法的指令，联系人数据，电话簿数据，消息，图片，视频等。存储器502可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(SRAM)，电可擦除可编程只读存储器(EEPROM)，可擦除可编程只读存储器(EPROM)，可编程只读存储器(PROM)，只读存储器(ROM)，磁存储器，快闪存储器，磁盘或光盘。

电源组件503为电子设备500的各种组件提供电力。电源组件503可以包括电源管理系统，一个或多个电源，及其它与为电子设备500生成、管理和分配电力相关联的组件。

多媒体组件504包括在所述电子设备500和用户之间的提供一个输出接口的屏幕。所述屏幕可以包括触摸面板(TP)，被实现为触摸屏，以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界，而且还检测与所述触摸或滑动操作相关的持续时间和压力。在一些实施例中，多媒体组件504包括一个前置摄像头和/或后置摄像头。当电子设备500处于操作模式，如拍摄模式或视频模式时，前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜系统或具有焦距和光学变焦能力。

音频组件505被配置为输出和/或输入音频信号。例如，音频组件505包括一个麦克风(MIC)，当电子设备500处于操作模式，如呼叫模式、记录模式和语音识别模式时，麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器502或经由通信组件508发送。在一些实施例中，音频组件505还包括一个扬声器，用于输出音频信号。

I/O接口502为处理组件501和外围接口模块之间提供接口，上述外围接口模块可以是键盘，点击轮，按钮等。这些按钮可包括但不限于：主页按钮、音量按钮、启动按钮和锁定按钮。

传感器组件507包括一个或多个传感器，用于为电子设备500提供各个方面的状态评估。例如，传感器组件507可以检测到电子设备500的打开/关闭状态，组件的相对定位，例如所述组件为电子设备500的显示器和小键盘，传感器组件507还可以检测电子设备500或电子设备500一个组件的位置改变，用户与电子设备500接触的存在或不存在，电子设备500方位或加速/减速和电子设备500的温度变化。传感器组件507可以包括接近传感器，被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件507还可以包括光传感器，如CMOS或CCD图像传感器，用于在成像应用中使用。在一些实施例中，该传感器组件507还可以包括加速度传感器，陀螺仪传感器，磁传感器，压力传感器，温度传感器，光电传感器或GPS传感器。

通信组件508被配置为便于电子设备500和其它设备之间有线或无线方式的通信。电子设备500可以接入基于通信标准的无线网络，如WiFi，2G，3G或4G，或它们的组合。在一个示例性实施例中，通信组件508经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中，所述通信组件508还包括近场通信(NFC)模块，以促进短程通信。例如，在NFC模块可基于射频识别(RFID)技术，红外数据协会(IrDA)技术，超宽带(UWB)技术，蓝牙(BT)技术和其它技术来实现。

在示例性实施例中，电子设备500可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其它电子元件实现，用于执行上述方法。

上述设备中各个组件的功能和作用的实现过程具体详见上述方法中对应步骤的实现过程，在此不再赘述。

对于设备实施例而言，由于其基本对应于方法实施例，所以相关之处参见方法实施例的部分说明即可。以上所描述的设备实施例仅仅是示意性的，其中所述作为分离部件说明的组件可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本公开方案的目的。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。

与前述跳绳数据处理方法的实施例相对应，本公开还提供一种计算机可读存储介质，其上存储有计算机程序，该程序被上述电子设备的处理器509执行时实现上述任一实施例所记载的所述跳绳数据处理方法的步骤。

本公开可采用在一个或多个其中包含有程序代码的存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。计算机可用存储介质包括永久性和非永久性、可移动和非可移动媒体，可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括但不限于：相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。

本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本公开的其它实施方案。本公开旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由下面的权利要求指出。

应当理解的是，本公开并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。

以上所述仅为本公开的较佳实施例而已，并不用以限制本公开，凡在本公开的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本公开保护的范围之内。

Claims (20)

1.一种跳绳数据处理方法，其特征在于，所述方法包括：

采集得到跳绳数据；

提取并记录跳绳数据的特征信息，所述特征信息与跳绳周期对应，是基于跳绳数据的波峰信息和波谷信息分析所得；

基于相邻两周期的特征信息和预设的基准特征信息判断是否已发生连续跳绳动作，如果发生，则开始统计跳绳参数；所述跳绳参数包括跳绳次数；

利用已记录的特征信息统计所述跳绳参数，并检测是否发生新的跳绳动作，如果检测到，则更新所统计的跳绳参数；

其中，所述基于相邻两周期的特征信息和预设的基准特征信息判断是否已发生连续跳绳动作，包括：

依据采集时间顺序，根据相邻两周期的特征信息的相似度判断是否发生连续动作；

如果发生连续动作，则根据发生连续动作的任一周期的特征信息与基准特征信息的相似度判断所述连续动作是否为跳绳动作。

2.根据权利要求1所述的方法，其特征在于，在提取并记录跳绳数据的特征信息之前，所述方法还包括：

对跳绳数据进行预处理，所述预处理包括高频噪声和/或基线干扰滤除处理。

3.根据权利要求1所述的方法，其特征在于，所述特征信息包括以下至少之一：峰值信息、谷值信息、用于指示峰值点所在时刻的峰值位置信息、用于指示谷值点所在时刻的谷值位置信息、用于指示峰值位置信息和谷值位置信息之差的峰谷位置差信息、用于指示峰值与谷值之差的峰谷差值信息。

4.根据权利要求1所述的方法，其特征在于，检测是否发生新的跳绳动作的过程包括：

判断与当前周期相邻的前一周期的特征信息和当前周期的特征信息的相似度是否满足第一预设值，根据判断结果确定当前周期是否发生跳绳动作。

5.根据权利要求1所述的方法，其特征在于，所述跳绳参数还包括跳绳时长、跳绳平均频率和跳绳实时频率。

6.根据权利要求1所述的方法，其特征在于，所述方法还包括：

当判断得到当前周期未发生新的跳绳动作时，将已统计得到的跳绳参数作为一组统计数据保存，并统计已保存的统计数据的组数。

7.根据权利要求1所述的方法，其特征在于，在统计跳绳参数的过程中，所述方法还包括：

检测当前周期内是否存在遗漏的特征信息，是则补偿漏计的跳绳次数。

8.根据权利要求7所述的方法，其特征在于，在检测当前周期内是否存在遗漏的特征信息之前，所述方法还包括：

基于当前周期之前的每相邻两周期的特征信息计算各周期的周期值；

以所有周期值中的中值作为基准周期值，判断当前周期值是否大于所述基准周期值，是则检测当前周期内是否存在遗漏的特征信息。

9.根据权利要求7或8所述的方法，其特征在于，检测当前周期内是否存在遗漏的特征信息，包括：

查找当前周期内是否存在待补偿特征信息，所述待补偿特征信息与基准特征信息的相似度满足第二预设值。

10.根据权利要求1所述的方法，其特征在于，所述跳绳数据通过三轴加速度计获取，所述三轴加速度计安装于可穿戴设备。

11.一种跳绳数据处理装置，其特征在于，所述装置包括：

采集模块，用于采集得到跳绳数据；

提取模块，用于提取并记录跳绳数据的特征信息，所述特征信息与跳绳周期对应，是基于跳绳数据的波峰信息和波谷信息分析所得；

第一判断模块，用于基于相邻两周期的特征信息和预设的基准特征信息判断是否已经发生连续跳绳动作；

统计模块，用于在发生连续跳绳动作时，开始统计跳绳参数；并在统计跳绳参数的过程中，利用已记录的特征信息统计所述跳绳参数，并检测是否已经发生新的跳绳动作，如果检测到，则更新所统计的跳绳参数；所述跳绳参数包括跳绳次数；

其中，所述第一判断模块包括：

第一判断单元，用于依据采集时间顺序，根据相邻两周期的特征信息的相似度判断是否发生连续动作；

第二判断单元，用于在发生连续动作时，根据发生连续动作的任一周期的特征信息与基准特征信息的相似度判断所述连续动作是否为跳绳动作。

12.根据权利要求11所述的装置，其特征在于，所述装置还包括：

预处理模块，用于在所述提取模块提取并记录跳绳数据的特征信息之前，对跳绳数据进行预处理，所述预处理包括高频噪声和/或基线干扰滤波处理。

13.根据权利要求11所述的装置，其特征在于，所述统计模块包括：

确定单元，用于判断当前周期相邻的前一周期的特征信息和当前周期的特征信息的相似度是否满足第一预设值，并根据判断结果确定当前周期是否发生跳绳动作，以实现对新的跳绳动作的检测。

14.根据权利要求11所述的装置，其特征在于，所述跳绳参数还包括跳绳时长、跳绳平均频率和跳绳实时频率。

15.根据权利要求11所述的装置，其特征在于，所述装置还包括：

存储模块，用于在当前周期未发生跳绳动作时，将已统计得到的跳绳参数作为一组统计数据保存，并统计已保存的统计数据的组数。

16.根据权利要求11所述的装置，其特征在于，所述装置还包括：

补偿模块，用于在所述统计模块统计跳绳参数的过程中，检测当前周期内是否存在遗漏的特征信息，是则补偿漏计的跳绳次数。

17.根据权利要求16所述的装置，其特征在于，所述装置还包括：

计算模块，用于基于当前周期之前的每相邻两周期的特征信息计算各周期的周期值；

第二判断模块，用于以所有周期值中的中值为基准周期值，判断当前周期值是否大于所述基准周期值，是则触发所述补偿模块工作。

18.根据权利要求16或17所述的装置，其特征在于，所述补偿模块包括：

查找单元，用于查找当前周期内是否存在待补偿特征信息，以实现对当前周期内是否存在遗漏的特征信息的检测；其中，所述待补偿特征信息与基准特征信息的相似度满足第二预设值。

19.根据权利要求11所述的装置，其特征在于，所述采集模块为安装于可穿戴设备的三轴加速度计。

20.一种可穿戴设备，其特征在于，包括：

处理器；

存储器，用于存储可由所述处理器执行的计算机程序；

三轴加速度计，用于采集跳绳数据；

其中，所述处理器执行所述程序时实现权利要求1～10任一项所述的方法。

Images