CN110168315B - 基于加速信息的足部计步方法、装置及设备 - Google Patents
基于加速信息的足部计步方法、装置及设备 Download PDFInfo
- Publication number
- CN110168315B CN110168315B CN201780082873.3A CN201780082873A CN110168315B CN 110168315 B CN110168315 B CN 110168315B CN 201780082873 A CN201780082873 A CN 201780082873A CN 110168315 B CN110168315 B CN 110168315B
- Authority
- CN
- China
- Prior art keywords
- difference
- points
- amplitude
- value
- characteristic
- 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
Links
Images
Classifications
-
- A—HUMAN NECESSITIES
- A63—SPORTS; GAMES; AMUSEMENTS
- A63B—APPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
- A63B24/00—Electric or electronic controls for exercising apparatus of preceding groups; Controlling or monitoring of exercises, sportive games, training or athletic performances
- A63B24/0003—Analysing the course of a movement or motion sequences during an exercise or trainings sequence, e.g. swing for golf or tennis
- A63B24/0006—Computerised comparison for qualitative assessment of motion sequences or the course of a movement
-
- 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
- G01C22/006—Pedometers
-
- 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
- A61B5/1118—Determining activity level
-
- A—HUMAN NECESSITIES
- A63—SPORTS; GAMES; AMUSEMENTS
- A63B—APPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
- A63B24/00—Electric or electronic controls for exercising apparatus of preceding groups; Controlling or monitoring of exercises, sportive games, training or athletic performances
- A63B24/0062—Monitoring athletic performances, e.g. for determining the work of a user on an exercise apparatus, the completed jogging or cycling distance
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
- G06F3/011—Arrangements for interaction with the human body, e.g. for user immersion in virtual reality
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
- G06F3/017—Gesture based interaction, e.g. based on a set of recognized hand gestures
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B2562/00—Details of sensors; Constructional details of sensor housings or probes; Accessories for sensors
- A61B2562/02—Details of sensors specially adapted for in-vivo measurements
- A61B2562/0219—Inertial sensors, e.g. accelerometers, gyroscopes, tilt switches
-
- A—HUMAN NECESSITIES
- A63—SPORTS; GAMES; AMUSEMENTS
- A63B—APPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
- A63B24/00—Electric or electronic controls for exercising apparatus of preceding groups; Controlling or monitoring of exercises, sportive games, training or athletic performances
- A63B24/0003—Analysing the course of a movement or motion sequences during an exercise or trainings sequence, e.g. swing for golf or tennis
- A63B24/0006—Computerised comparison for qualitative assessment of motion sequences or the course of a movement
- A63B2024/0012—Comparing movements or motion sequences with a registered reference
-
- A—HUMAN NECESSITIES
- A63—SPORTS; GAMES; AMUSEMENTS
- A63B—APPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
- A63B2220/00—Measuring of physical parameters relating to sporting activity
- A63B2220/17—Counting, e.g. counting periodical movements, revolutions or cycles, or including further data processing to determine distances or speed
-
- A—HUMAN NECESSITIES
- A63—SPORTS; GAMES; AMUSEMENTS
- A63B—APPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
- A63B2220/00—Measuring of physical parameters relating to sporting activity
- A63B2220/40—Acceleration
Abstract
本申请实施例公开了一种基于加速信息的足部计步方法、装置及设备,所述方法包括如下步骤:采集设定时间区间的原始信号,对所述原始信号执行合加速处理得到合加速信号;对所述合加速信号的n个数据点合成一个数据段,提取所述数据段的特征点,将所有的数据段的特征点变换成特征点信号,对所述特征点信号进行分析得到特征点信号的稳定阶段和波动阶段,依据设定的运动规则对该稳定阶段和波动阶段的特征点信号进行干扰周期消除得到除干扰后的特征点信号;统计该除干扰后的特征点信号的波峰的个数,所述波峰的个数即为步数。本申请具有实现足部计步的优点。
Description
技术领域
本申请涉及通信领域,尤其涉及一种基于加速信息的足部计步方法、装置及设备。
背景技术
在全民健身国家战略指引下,跑步运动深受广大群众喜爱,可穿戴运动设备存在巨大的市场契机。健身记录是可穿戴运动设备中基础的运动健身功能,主要实现:计步、距离记录、运动时间记录、能耗计算等,大部分用户对此功能都有需求。其中计步是健身记录中最直观的一项运动指标,不仅使得用户可以直接对自身运动量进行评估,也与相关社交APP结合,成为运动社交的重要组成部分。
现有的可穿戴运动设备是基于手腕以及腰部佩戴部位的计步的实现,如用户的佩戴部位为脚部,则无法实现计步,所以现有的技术方案无法实现对足部实现计步。
发明内容
本申请实施例所要解决的技术问题在于,提供一种基于加速信息的足部计步方法,可解决现有技术中无法实现足部计步的问题。
第一方面,提供一种基于加速信息的足部计步方法,所述方法包括如下步骤:采集设定时间区间的原始信号,对所述原始信号执行合加速处理得到合加速信号;对所述合加速信号的n个数据点合成一个数据段,提取所述数据段的特征点,将所有的数据段的特征点变换成特征点信号,所述特征点为:数据段的各轴前后半段最大波动值的和;对所述特征点信号进行分析得到特征点信号的稳定阶段和波动阶段,依据设定的运动规则对该稳定阶段和波动阶段的特征点信号进行干扰周期消除得到除干扰后的特征点信号;统计该除干扰后的特征点信号的波峰的个数,所述波峰的个数即为步数。
第一方面提供的足部计步能够通过对原始信号的处理实现对足部的计步。
在一种可选方案中,所述n取值范围为【8,12】之间的整数。
在另一种可选方案中,所述对所述特征点信号进行分析得到特征点信号的稳定阶段和波动阶段,包括:所述特征点信号默认为走路的稳定阶段,提取所述特征点信号每m1个特征点,确定m1个特征点之间的第一幅值差值组以及m1个特征点的第一幅值绝对值组,如所述第一幅值差值组在第一设定范围内且第一幅值绝对值组小于第一阈值,确定为走路的稳定阶段,如m1个特征点之后的m2个特征点的第二幅值差值组在第二设定范围内以及m2个特征的第二幅值绝对值组大于第一阈值小于第二阈值,确定m2个特征点为走路的波动阶段;在特征点信号的非走路状态的特征点信号的剩余区间查找跑步稳定阶段,提取该剩余区间每m3个特征点,确定m3个特征点之间的第三幅值差值组以及m3个特征点的第三幅值绝对值,如m3个特征点的幅值绝对值小于第三阈值且第三幅值差值组在第一设定范围,确定m3个特征点为跑步的稳定阶段,提取m3个特征点的后m4个特征点的,确定m4个特征点之间的第四幅值差值组以及m4个特征点的第四幅值绝对值组,如该第四幅值绝对值组大于第三阈值且第四幅值差值组在第二设定范围内,确定m4个特征点为跑步波动阶段;其中m1、m2、m3、m4的取值均为大于等于3的整数。
在又一种可选方案中,所述依据设定的运动规则对该稳定阶段和波动阶段的特征点信号进行干扰周期消除得到除干扰后的特征点信号,包括:确定稳定阶段和波动阶段的波峰位置,将每个波峰初步认定为步数位置,计算相邻两个步数之间的差值,将所有的差值按顺序组成差值列表,将该差值列表按对应的步数位置划分成走路状态和跑步状态,查找该走路状态下差值列表中低于第一差值阈值的第x个差值和第x+1差值,如第x个差值和第x+1差值之和小于第二差值阈值,去除该第x个差值和第x+1差值的中间波峰;查找该跑步状态下差值列表中低于第三差值阈值的第y个差值和第y+1差值,如第y个差值和第y+1差值之和小于第四差值阈值,去除该第y个差值和第y+1差值的中间波峰。
第二方面,提供一种基于加速信息的足部计步装置,所述装置包括:采集单元,用于采集设定时间区间的原始信号;处理单元,用于对所述原始信号执行合加速处理得到合加速信号;对所述合加速信号的n个数据点合成一个数据段,提取所述数据段的特征点,将所有的数据段的特征点变换成特征点信号,所述特征点为:数据段的各轴前后半段最大波动值的和;对所述特征点信号进行分析得到特征点信号的稳定阶段和波动阶段,依据设定的运动规则对该稳定阶段和波动阶段的特征点信号进行干扰周期消除得到除干扰后的特征点信号;统计该除干扰后的特征点信号的波峰的个数,所述波峰的个数即为步数。
第三方面,提供一种便携式设备,所述设备包括:传感器、处理器、存储器和收发器,所述处理器与所述传感器、所述存储器和所述收发器连接,其中,所述传感器,用于采集设定时间区间的原始信号;所述处理器,用于对所述原始信号执行合加速处理得到合加速信号;对所述合加速信号的n个数据点合成一个数据段,提取所述数据段的特征点,将所有的数据段的特征点变换成特征点信号,所述特征点为:数据段的各轴前后半段最大波动值的和;对所述特征点信号进行分析得到特征点信号的稳定阶段和波动阶段,依据设定的运动规则对该稳定阶段和波动阶段的特征点信号进行干扰周期消除得到除干扰后的特征点信号;统计该除干扰后的特征点信号的波峰的个数,所述波峰的个数即为步数。
第四方面,提供一种计算机可读存储介质,其存储用于电子数据交换的计算机程序,其中,所述计算机程序使得计算机执行如第一方面的方法。
第五方面,提供一种计算机程序产品,所述计算机程序产品包括存储了计算机程序的非瞬时性计算机可读存储介质,所述计算机程序可操作来使计算机执行如第一方面提供的方法。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1a是一种手部走路信号的波形图。
图1b是一种脚踝走路信号的波形图。
图2是本申请实施例提供的一种基于加速信息的足部计步方法的流程示意图。
图2a是本申请实施例提供的采集设定时间区间脚踝的原始信号。
图2b是本申请实施例提供的合加速信号示意图。
图2c是本申请实施例提供的特征点信号示意图。
图2d是走路状态的两个阶段示意图。
图2e是跑步状态的两个阶段示意图。
图3a为本申请提供的一种脚部计步示意图。
图3b为本申请提供的另一种脚部计步示意图。
图3c为本申请提供的又一种脚部计步示意图。
图3d为本申请提供的再一种脚部计步示意图。
图4为一种输入的原始信号示意图。
图4a为本申请另一实施例的原始信号示意图。
图4b为本申请另一实施例的原始信号截取10s窗口示意图。
图4c为本申请另一实施例的特征点信号示意图。
图4d为本申请另一实施例的另一特征点信号示意图。
图5为本申请提供的一种基于加速信息的足部计步装置的结构图。
图6为本申请提供的一种便携式设备的结构图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
参阅图1a,图1a为设定时间范围手部走路信号的波形图,参阅图1b,图1b为设定时间范围脚踝走路信号的波形图。参阅图1a,手部走路信号包含了4个周期,三轴的加速幅度较小,与地面垂直的轴在每个周期可以看到一个主要的波峰(包含一定震荡),且幅度一直在变化。参阅图1b,足部走路信号包含了2个周期,三轴的加速幅度较大,与地面垂直的轴在每个周期有两个波峰,且在一段时间内幅度没有明显变化。这些差异导致手部计步方法不适用足部计步。
参阅图2,图2提供了一种基于加速信息的足部计步方法,该方法由穿戴式设备执行,该方法如图2所示,包括如下步骤:
步骤S201、采集设定时间区间的原始信号,对该原始信号执行合加速处理得到合加速信号。
如图2a所示为采集设定时间区间的原始信号,该设定时间区间以5s为例,对该原始信号执行合加速处理得到合加速信号如图2b所示。该如图2a所示的原始信号可以为三轴加速信号。
步骤S202、对该合加速信号的n个数据点合成一个数据段,提取该数据段的特征点,将所有的数据段的特征点变换成特征点信号,该特征点可以为:数据段的各轴前后半段最大波动值的和。前后半段最大波动值的计算方法可以为:将n个数据点均分为前后两段(n为偶数,如n为奇数时可以在末尾补充一个与最后一位相同的值),将每一轴两段的三轴信号点分别相减(即[y(6)-y(1),y(7)-y(2),…,y(10)-y(5)]),其中,y(6)…y(10)可以为第二段的值,y(1)…y(5)可以为第一段的值;得到各轴的n/2个差值,对n/2个差值求绝对值并取其中最大的三个绝对值,将三个最大的三个绝对值相加即为最大波动值。
上述n个数据点具体可以为【8,12】之间的整数,当然在实际应用中,还可以采集其他的范围,如图2c所示,为n=10的特征点信号示意图。当然上述特征点还可以为:该数据段的各轴标准差的最大值或该数据段的各轴最大最小值之差的最大值。
步骤S203、对该特征点信号进行分析得到特征点信号的稳定阶段和波动阶段。
上述稳定阶段以及波动阶段的参数范围,如表1所示:
表1:
上述步骤S203的实现方法具体可以为:
特征点信号默认为走路的稳定阶段,提取该特征点信号每m1个特征点,确定m1个特征点之间的第一幅值差值组以及m1个特征点的第一幅值绝对值组,如该第一幅值差值组在第一设定范围内且第一幅值绝对值组小于第一阈值,确定为走路的稳定阶段,如m1个特征点之后的m2个特征点的第二幅值差值组在第二设定范围内以及m2个特征的第二幅值绝对值组大于第一阈值小于第二阈值,确定m2个特征点为走路的波动阶段。在特征点信号的非走路状态的特征点信号的剩余区间查找跑步稳定阶段,提取该剩余区间每m3个特征点,确定m3个特征点之间的第三幅值差值组以及m3个特征点的第三幅值绝对值,如m3个特征点的幅值绝对值小于第三阈值且第三幅值差值组在第一设定范围,确定m3个特征点为跑步的稳定阶段,提取m3个特征点的后m4个特征点的,确定m4个特征点之间的第四幅值差值组以及m4个特征点的第四幅值绝对值组,如该第四幅值绝对值组大于第三阈值且第四幅值差值组在第二设定范围内,确定m4个特征点为跑步波动阶段。其中m1、m2、m3、m4的取值均为大于等于3的整数。
上述第三阈值>第一阈值,上述第四阈值>第二阈值。
参阅图2d为走路稳定阶段以及波动阶段的示意图,参阅图2e为跑步稳定阶段以及波动阶段的示意图;其中1区间表示稳定阶段,2区间表示波动阶段。
根据已经判断的运动状态,采用不同的限制条件识别具体的每一步。限制条件如下:
条件A、根据对足部信号的观察,足部落地带来的冲击时间短幅度大,因此在波动阶段的特征最大值应为整个周期幅度值排序的前列。上述前列具体可以为排序在前p个的幅度值,该p可以为小于等于7的整数。
条件B、冲击的特征幅度相对较大,需要有特征的最低阈值限制。
条件C、对于足部走路信号,稳定阶段的波动非常小,因此波动阶段特征的标准差与稳定阶段标准差之间的比值较大。
条件D、对于足部跑步信号,信号能量较大,需要有波动阶段能量最低阈值限制(合加速度均需要大于最低阈值)。
对于走路状态(具体可以分为走路稳定阶段以及走路波动阶段)以及跑步状态(具体可以分为跑步稳定阶段以及跑步波动阶段)的幅值,一般来说走路的波动阶段比跑步的稳定阶段的幅值大(即有可能上述第二阈值大于第三阈值),幅值大小关系为:走路稳定<跑步稳定<走路波动<跑步波动,即第一阈值<第三阈值<第二阈值<第四阈值。对于状态的认定,首先默认是走路,走路的幅值绝对值有个第一阈值,小于第一阈值的时间要在0.2s-0.5s(稳定阶段),满足时找后面大于第一阈值的点,大于第一阈值小于第二阈值的持续时间要在0.3s-1.5s之间(波动阶段)。满足这两个条件以后,判断是否符合上述条件A、条件B和条件C,如果发现不满足上述条件A、条件B和条件C,判断是否为跑步状态,即需要设置第三阈值,判断跑步稳定阶段(小于第三阈值)在0.2-0.5s,波动阶段(大于第三阈值小于第四阈值)在0.3-1s,并且需要满足条件A、条件B和条件D,确定其为跑步状态。
其中,各条件中用到的阈值均为自适应阈值,与上一个窗口的状态标志、各周期峰值点位置和对应特征值、时间标志等参数有关,即该阈值可以依据上一个窗口的对应阈值进行调整,具体的调整方式可以采用加权平均或直接取平均值的方式来动态调整该阈值。
步骤S204、依据设定的运动规则对该稳定阶段和波动阶段的特征点信号进行干扰周期消除得到除干扰后的特征点信号。
上述步骤S204的实现方法具体可以为:
确定稳定阶段和波动阶段的波峰位置,将每个波峰初步认定为步数位置,计算相邻两个步数之间的差值,将所有的差值按顺序组成差值列表,将该差值列表按对应的步数位置划分成走路状态(走路稳定阶段和走路波动阶段的和)和跑步状态(跑步稳定阶段和跑步波动阶段的和),查找该走路状态下差值列表中低于第一差值阈值的第x个差值和第x+1差值,如第x个差值和第x+1差值之和小于第二差值阈值(大于第一差值阈值),去除该第x个差值和第x+1差值的中间波峰;查找该跑步状态下差值列表中低于第三差值阈值的第y个差值和第y+1差值,如第y个差值和第y+1差值之和小于第四差值阈值(大于第三差值阈值),去除该第y个差值和第y+1差值的中间波峰。
以一个实际例子来说明该中间波峰,假设波峰有3个,分别为波峰1、波峰2和波峰3,第x个差值=波峰2-波峰1;第x+1个差值=波峰3-波峰2,则确定波峰2为中间波峰。
步骤S205、统计该除干扰后的特征点信号的波峰的个数,该波峰的个数即为步数。
可选的,上述方法还可以包括:刷新当前窗口(即设定时间段)的状态标志、各周期峰值点位置和对应特征值、时间标志等参数。
本申请提供的技术方案实现了对依据波峰的个数执行对该步数的计步。
应用本申请,根据预先采集的三轴加速度传感器信号,计步结果如下图3a所示:
如图3a所示,以足部落地冲击为一步的标志,测试者行走12步,计步12步。
如图3b所示,以足部落地冲击为一步的标志,测试者跑步15步,计步15步。
经初步验证,本申请对走路/跑步信号的计步准确率约为94%。准确率计算方式为准确率=1-abs(计步方法统计步-真实步数)/真实步数,abs表示取绝对值。
如图3c所示,测试者下楼12步,计步11步。
如图3d所示,测试者上楼14步,计步14步。
经初步验证,本申请对上楼或下楼的计步有一定处理能力。
本申请另一实施例以一段测试者的足部信号为例,说明本申请如何计步。如图4所示,测试者走路100步(佩戴脚迈一步计为一步)。输入一段10s窗口信号,如图4a所示:
历史参数读入
读入上一个窗口的状态标志、各周期峰值点位置和对应特征值、时间标志等参数。
特征提取
以衡量信号波动幅度和对应时间为目的,以10个数据点为1个数据段提取3个特征,提取到的特征如图4b。
走路/跑步判断
识别稳定阶段和波动阶段的起止时间,利用走跑信号在两个阶段的差异进行区分。此窗口内信号对应的特征3如图4c所示:
根据特征差异,可以判断此窗口内的信号属于走路。
初始周期判断
根据已经判断的运动状态,采用不同的限制条件识别具体的每一步。限制条件如下:
根据对足部信号的观察,足部落地带来的冲击时间短幅度大,因此在波动阶段的特征最大值应为整个周期幅度值排序的前列(条件A);
冲击的特征幅度相对较大,需要有特征的最低阈值限制(条件B);
对于足部走路信号,稳定阶段的波动非常小,因此波动阶段特征的标准差与稳定阶段标准差之间的比值较大(条件C);
对于足部跑步信号,信号能量较大,需要有波动阶段能量最低阈值限制(条件D)。
找到的初始周期如图4c所示:
叉子代表一步,此窗口测试者行走8步,计步6步。在此最后2步没有标志做一个简要解释,最后2步在此窗口没有找到符合条件的特征序列,会被标记为未处理信号,在下一个窗口继续处理。
干扰周期消除
根据基本运动规律(走路每步时间在0.5-2s之间,跑步每步时间在0.3-1.5s之间),消除判断错误的周期。根据相关判断条件,在此窗口内没有干扰周期出现,因此保留找到的所有步子。
步数计算
根据得到的每个周期对应的峰值点,统计此窗口内的个数,得到此窗口内的最终步数。此窗口内的步数是6步,未被处理的信号将在下一个窗口继续处理。
参数刷新
刷新当前窗口的状态标志、各周期峰值点位置和对应特征值、时间标志等参数。
最终,此次运动计步方法统计步为97步,实际测试者走路100步(佩戴脚运动1步计为1步),准确率为97.0%。
参阅图5,图5提供了一种基于加速信息的足部计步装置,所述装置包括:
采集单元501,用于采集设定时间区间的原始信号;
处理单元502,用于对所述原始信号执行合加速处理得到合加速信号;对所述合加速信号的n个数据点合成一个数据段,提取所述数据段的特征点,将所有的数据段的特征点变换成特征点信号,所述特征点为:数据段的各轴前后半段最大波动值的和;对所述特征点信号进行分析得到特征点信号的稳定阶段和波动阶段,依据设定的运动规则对该稳定阶段和波动阶段的特征点信号进行干扰周期消除得到除干扰后的特征点信号;统计该除干扰后的特征点信号的波峰的个数,所述波峰的个数即为步数。
可选的,上述n取值范围为【8,12】之间的整数。
可选的,处理单元502,具体用于所述特征点信号默认为走路的稳定阶段,提取所述特征点信号每m1个特征点,确定m1个特征点之间的第一幅值差值组以及m1个特征点的第一幅值绝对值组,如所述第一幅值差值组在第一设定范围内且第一幅值绝对值组小于第一阈值,确定为走路的稳定阶段,如m1个特征点之后的m2个特征点的第二幅值差值组在第二设定范围内以及m2个特征的第二幅值绝对值组大于第一阈值小于第二阈值,确定m2个特征点为走路的波动阶段;在特征点信号的非走路状态的特征点信号的剩余区间查找跑步稳定阶段,提取该剩余区间每m3个特征点,确定m3个特征点之间的第三幅值差值组以及m3个特征点的第三幅值绝对值,如m3个特征点的幅值绝对值小于第三阈值且第三幅值差值组在第一设定范围,确定m3个特征点为跑步的稳定阶段,提取m3个特征点的后m4个特征点的,确定m4个特征点之间的第四幅值差值组以及m4个特征点的第四幅值绝对值组,如该第四幅值绝对值组大于第三阈值且第四幅值差值组在第二设定范围内,确定m4个特征点为跑步波动阶段;其中m1、m2、m3、m4的取值均为大于等于3的整数。
可选的,处理单元502,具体用于确定稳定阶段和波动阶段的波峰位置,将每个波峰初步认定为步数位置,计算相邻两个步数之间的差值,将所有的差值按顺序组成差值列表,将该差值列表按对应的步数位置划分成走路状态和跑步状态,查找该走路状态下差值列表中低于第一差值阈值的第x个差值和第x+1差值,如第x个差值和第x+1差值之和小于第二差值阈值,去除该第x个差值和第x+1差值的中间波峰;查找该跑步状态下差值列表中低于第三差值阈值的第y个差值和第y+1差值,如第y个差值和第y+1差值之和小于第四差值阈值,去除该第y个差值和第y+1差值的中间波峰。
参阅图6,图6提供一种便携式设备,所述设备包括:传感器601、处理器602、存储器603和收发器604,所述处理器与所述传感器、所述存储器和所述收发器连接,该连接方式可以通过总线连接,当然在实际应用中,还可以通过其他的方式来连接;其中,
所述传感器601,用于采集设定时间区间的原始信号;
所述处理器602,用于对所述原始信号执行合加速处理得到合加速信号;对所述合加速信号的n个数据点合成一个数据段,提取所述数据段的特征点,将所有的数据段的特征点变换成特征点信号,所述特征点为:数据段的各轴前后半段最大波动值的和;对所述特征点信号进行分析得到特征点信号的稳定阶段和波动阶段,依据设定的运动规则对该稳定阶段和波动阶段的特征点信号进行干扰周期消除得到除干扰后的特征点信号;统计该除干扰后的特征点信号的波峰的个数,所述波峰的个数即为步数。
可选的,上述n取值范围为【8,12】之间的整数。
可选的,处理器602,具体用于所述特征点信号默认为走路的稳定阶段,提取所述特征点信号每m1个特征点,确定m1个特征点之间的第一幅值差值组以及m1个特征点的第一幅值绝对值组,如所述第一幅值差值组在第一设定范围内且第一幅值绝对值组小于第一阈值,确定为走路的稳定阶段,如m1个特征点之后的m2个特征点的第二幅值差值组在第二设定范围内以及m2个特征的第二幅值绝对值组大于第一阈值小于第二阈值,确定m2个特征点为走路的波动阶段;在特征点信号的非走路状态的特征点信号的剩余区间查找跑步稳定阶段,提取该剩余区间每m3个特征点,确定m3个特征点之间的第三幅值差值组以及m3个特征点的第三幅值绝对值,如m3个特征点的幅值绝对值小于第三阈值且第三幅值差值组在第一设定范围,确定m3个特征点为跑步的稳定阶段,提取m3个特征点的后m4个特征点的,确定m4个特征点之间的第四幅值差值组以及m4个特征点的第四幅值绝对值组,如该第四幅值绝对值组大于第三阈值且第四幅值差值组在第二设定范围内,确定m4个特征点为跑步波动阶段;其中m1、m2、m3、m4的取值均为大于等于3的整数。
可选的,处理器602,具体用于确定稳定阶段和波动阶段的波峰位置,将每个波峰初步认定为步数位置,计算相邻两个步数之间的差值,将所有的差值按顺序组成差值列表,将该差值列表按对应的步数位置划分成走路状态和跑步状态,查找该走路状态下差值列表中低于第一差值阈值的第x个差值和第x+1差值,如第x个差值和第x+1差值之和小于第二差值阈值,去除该第x个差值和第x+1差值的中间波峰;查找该跑步状态下差值列表中低于第三差值阈值的第y个差值和第y+1差值,如第y个差值和第y+1差值之和小于第四差值阈值,去除该第y个差值和第y+1差值的中间波峰。
需要说明的是,这里的处理器602可以是一个处理元件,也可以是多个处理元件的统称。例如,该处理元件可以是中央处理器(Central Processing Unit,CPU),也可以是特定集成电路(Application Specific Integrated Circuit,ASIC),或者是被配置成实施本申请实施例的一个或多个集成电路,例如:一个或多个微处理器(digital signalprocessor,DSP),或,一个或者多个现场可编程门阵列(Field Programmable Gate Array,FPGA)。
本申请另一方面还提供一种计算机可读存储介质,其存储用于电子数据交换的计算机程序,其中,所述计算机程序使得计算机执行如图2所示的方法。
本申请又一方面一种计算机程序产品,所述计算机程序产品包括存储了计算机程序的非瞬时性计算机可读存储介质,所述计算机程序可操作来使计算机执行如图2所示的方法。
需要说明的是,对于前述的各方法实施例,为了简单描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本申请并不受所描述的动作顺序的限制,因为依据本申请,某些步骤可以采用其他顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施例均属于优选实施例,所涉及的动作和模块并不一定是本申请所必须的。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中,应该理解到,所揭露的装置,可通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性或其它的形式。
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,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单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储器中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储器中,包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储器包括:U盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
以上所揭露的仅为本申请一种较佳实施例而已,当然不能以此来限定本申请之权利范围,本领域普通技术人员可以理解实现上述实施例的全部或部分流程,并依本申请权利要求所作的等同变化,仍属于申请所涵盖的范围。
Claims (13)
1.一种基于加速信息的足部计步方法,其特征在于,所述方法包括如下步骤:采集设定时间区间的原始信号,对所述原始信号执行合加速处理得到合加速信号;
对所述合加速信号的n个数据点合成一个数据段,提取所述数据段的特征点,将所有的数据段的特征点变换成特征点信号,其中,所述特征点为:数据段的各轴前后半段最大波动值的和;其中,数据段的各轴前后半段最大波动值的计算方法包括:将n个数据点均分为前后两段,将每一轴两段的三轴信号点分别相减,得到各轴的n/2个差值,对n/2个差值求绝对值并取其中最大的三个绝对值,将三个最大的三个绝对值相加而得到最大波动值;
对所述特征点信号进行分析得到特征点信号的稳定阶段和波动阶段,依据设定的运动规则对该稳定阶段和波动阶段的特征点信号进行干扰周期消除得到除干扰后的特征点信号;
统计该除干扰后的特征点信号的波峰的个数,所述波峰的个数即为步数。
2.根据权利要求1所述的方法,其特征在于,所述n取值范围为【8,12】之间的整数。
3.根据权利要求1所述的方法,其特征在于,所述对所述特征点信号进行分析得到特征点信号的稳定阶段和波动阶段,包括:
所述特征点信号默认为走路的稳定阶段,提取所述特征点信号每m1个特征点,确定m1个特征点之间的第一幅值差值组以及m1个特征点的第一幅值绝对值组,如所述第一幅值差值组在第一设定范围内且第一幅值绝对值组小于第一阈值,确定为走路的稳定阶段,如m1个特征点之后的m2个特征点的第二幅值差值组在第二设定范围内以及m2个特征点的第二幅值绝对值组大于第一阈值小于第二阈值,确定m2个特征点为走路的波动阶段;在特征点信号的非走路状态的特征点信号的剩余区间查找跑步稳定阶段,提取该剩余区间每m3个特征点,确定m3个特征点之间的第三幅值差值组以及m3个特征点的第三幅值绝对值,如m3个特征点的第三幅值绝对值小于第三阈值且第三幅值差值组在第一设定范围,确定m3个特征点为跑步的稳定阶段,提取m3个特征点后的m4个特征点的,确定m4个特征点之间的第四幅值差值组以及m4个特征点的第四幅值绝对值组,如该第四幅值绝对值组大于第三阈值且第四幅值差值组在第二设定范围内,确定m4个特征点为跑步波动阶段;其中m1、m2、m3、m4的取值均为大于等于3的整数。
4.根据权利要求3所述的方法,其特征在于,所述依据设定的运动规则对该稳定阶段和波动阶段的特征点信号进行干扰周期消除得到除干扰后的特征点信号,包括:
确定稳定阶段和波动阶段的波峰位置,将每个波峰初步认定为步数位置,计算相邻两个步数之间的差值,将所有的差值按顺序组成差值列表,将该差值列表按对应的步数位置划分成走路状态和跑步状态,查找该走路状态下差值列表中低于第一差值阈值的第x个差值和第x+1差值,如第x个差值和第x+1差值之和小于第二差值阈值,去除该第x个差值和第x+1差值的中间波峰;查找该跑步状态下差值列表中低于第三差值阈值的第y个差值和第y+1差值,如第y个差值和第y+1差值之和小于第四差值阈值,去除该第y个差值和第y+1差值的中间波峰。
5.一种基于加速信息的足部计步装置,其特征在于,所述装置包括:
采集单元,用于采集设定时间区间的原始信号;
处理单元,用于对所述原始信号执行合加速处理得到合加速信号;对所述合加速信号的n个数据点合成一个数据段,提取所述数据段的特征点,将所有的数据段的特征点变换成特征点信号,所述特征点为:数据段的各轴前后半段最大波动值的和;对所述特征点信号进行分析得到特征点信号的稳定阶段和波动阶段,依据设定的运动规则对该稳定阶段和波动阶段的特征点信号进行干扰周期消除得到除干扰后的特征点信号;统计该除干扰后的特征点信号的波峰的个数,所述波峰的个数即为步数;
其中,
数据段的各轴前后半段最大波动值的计算方法包括:将n个数据点均分为前后两段,将每一轴两段的三轴信号点分别相减,得到各轴的n/2个差值,对n/2个差值求绝对值并取其中最大的三个绝对值,将三个最大的三个绝对值相加而得到最大波动值。
6.根据权利要求5所述的装置,其特征在于,所述n取值范围为【8,12】之间的整数。
7.根据权利要求5所述的装置,其特征在于,
所述处理单元,具体用于所述特征点信号默认为走路的稳定阶段,提取所述特征点信号每m1个特征点,确定m1个特征点之间的第一幅值差值组以及m1个特征点的第一幅值绝对值组,如所述第一幅值差值组在第一设定范围内且第一幅值绝对值组小于第一阈值,确定为走路的稳定阶段,如m1个特征点之后的m2个特征点的第二幅值差值组在第二设定范围内以及m2个特征点的第二幅值绝对值组大于第一阈值小于第二阈值,确定m2个特征点为走路的波动阶段;在特征点信号的非走路状态的特征点信号的剩余区间查找跑步稳定阶段,提取该剩余区间每m3个特征点,确定m3个特征点之间的第三幅值差值组以及m3个特征点的第三幅值绝对值,如m3个特征点的第三幅值绝对值小于第三阈值且第三幅值差值组在第一设定范围,确定m3个特征点为跑步的稳定阶段,提取m3个特征点后的m4个特征点的,确定m4个特征点之间的第四幅值差值组以及m4个特征点的第四幅值绝对值组,如该第四幅值绝对值组大于第三阈值且第四幅值差值组在第二设定范围内,确定m4个特征点为跑步波动阶段;其中m1、m2、m3、m4的取值均为大于等于3的整数。
8.根据权利要求7所述的装置,其特征在于,
所述处理单元,具体用于确定稳定阶段和波动阶段的波峰位置,将每个波峰初步认定为步数位置,计算相邻两个步数之间的差值,将所有的差值按顺序组成差值列表,将该差值列表按对应的步数位置划分成走路状态和跑步状态,查找该走路状态下差值列表中低于第一差值阈值的第x个差值和第x+1差值,如第x个差值和第x+1差值之和小于第二差值阈值,去除该第x个差值和第x+1差值的中间波峰;查找该跑步状态下差值列表中低于第三差值阈值的第y个差值和第y+1差值,如第y个差值和第y+1差值之和小于第四差值阈值,去除该第y个差值和第y+1差值的中间波峰。
9.一种便携式设备,其特征在于,所述设备包括:传感器、处理器、存储器和收发器,所述处理器与所述传感器、所述存储器和所述收发器连接,其中,
所述传感器,用于采集设定时间区间的原始信号;
所述处理器,用于对所述原始信号执行合加速处理得到合加速信号;对所述合加速信号的n个数据点合成一个数据段,提取所述数据段的特征点,将所有的数据段的特征点变换成特征点信号,所述特征点为:数据段的各轴前后半段最大波动值的和;对所述特征点信号进行分析得到特征点信号的稳定阶段和波动阶段,依据设定的运动规则对该稳定阶段和波动阶段的特征点信号进行干扰周期消除得到除干扰后的特征点信号;统计该除干扰后的特征点信号的波峰的个数,所述波峰的个数即为步数;
其中,
数据段的各轴前后半段最大波动值的计算方法包括:将n个数据点均分为前后两段,将每一轴两段的三轴信号点分别相减,得到各轴的n/2个差值,对n/2个差值求绝对值并取其中最大的三个绝对值,将三个最大的三个绝对值相加而得到最大波动值。
10.根据权利要求9所述的设备,其特征在于,所述n取值范围为【8,12】之间的整数。
11.根据权利要求9所述的设备,其特征在于,
所述处理器,具体用于所述特征点信号默认为走路的稳定阶段,提取所述特征点信号每m1个特征点,确定m1个特征点之间的第一幅值差值组以及m1个特征点的第一幅值绝对值组,如所述第一幅值差值组在第一设定范围内且第一幅值绝对值组小于第一阈值,确定为走路的稳定阶段,如m1个特征点之后的m2个特征点的第二幅值差值组在第二设定范围内以及m2个特征点的第二幅值绝对值组大于第一阈值小于第二阈值,确定m2个特征点为走路的波动阶段;在特征点信号的非走路状态的特征点信号的剩余区间查找跑步稳定阶段,提取该剩余区间每m3个特征点,确定m3个特征点之间的第三幅值差值组以及m3个特征点的第三幅值绝对值,如m3个特征点的第三幅值绝对值小于第三阈值且第三幅值差值组在第一设定范围,确定m3个特征点为跑步的稳定阶段,提取m3个特征点后的m4个特征点的,确定m4个特征点之间的第四幅值差值组以及m4个特征点的第四幅值绝对值组,如该第四幅值绝对值组大于第三阈值且第四幅值差值组在第二设定范围内,确定m4个特征点为跑步波动阶段;其中m1、m2、m3、m4的取值均为大于等于3的整数。
12.根据权利要求11所述的设备,其特征在于,
所述处理器,具体用于确定稳定阶段和波动阶段的波峰位置,将每个波峰初步认定为步数位置,计算相邻两个步数之间的差值,将所有的差值按顺序组成差值列表,将该差值列表按对应的步数位置划分成走路状态和跑步状态,查找该走路状态下差值列表中低于第一差值阈值的第x个差值和第x+1差值,如第x个差值和第x+1差值之和小于第二差值阈值,去除该第x个差值和第x+1差值的中间波峰;查找该跑步状态下差值列表中低于第三差值阈值的第y个差值和第y+1差值,如第y个差值和第y+1差值之和小于第四差值阈值,去除该第y个差值和第y+1差值的中间波峰。
13.一种计算机可读存储介质,其特征在于,其存储用于电子数据交换的计算机程序,其中,所述计算机程序使得计算机执行如权利要求1-4任一项所述的方法。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/CN2017/098590 WO2019036926A1 (zh) | 2017-08-23 | 2017-08-23 | 基于加速信息的足部计步方法、装置及设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110168315A CN110168315A (zh) | 2019-08-23 |
CN110168315B true CN110168315B (zh) | 2021-10-22 |
Family
ID=65439790
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201780082873.3A Active CN110168315B (zh) | 2017-08-23 | 2017-08-23 | 基于加速信息的足部计步方法、装置及设备 |
Country Status (3)
Country | Link |
---|---|
US (1) | US11426627B2 (zh) |
CN (1) | CN110168315B (zh) |
WO (1) | WO2019036926A1 (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113030502B (zh) * | 2021-03-05 | 2023-10-31 | 东莞市猎声电子科技有限公司 | 一种对行走过程中不规则的加速度传感器信号的处理方法 |
CN116028556B (zh) * | 2023-03-28 | 2023-06-09 | 山东无界智能科技有限公司 | 一种ar终端系统传输数据智能处理方法 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2017001688A1 (en) * | 2015-07-02 | 2017-01-05 | Embedded Sensor Solutions B.V. | System and method for processing a foot acceleration signal |
Family Cites Families (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7647196B2 (en) | 2007-08-08 | 2010-01-12 | Dp Technologies, Inc. | Human activity monitoring device with distance calculation |
JP5131908B2 (ja) * | 2007-11-30 | 2013-01-30 | 任天堂株式会社 | 歩数算出プログラム、歩数算出装置、歩数算出システム、および歩数算出方法 |
WO2010096691A2 (en) * | 2009-02-20 | 2010-08-26 | The Regents Of The University Of Colorado, A Body Corporate | Footwear-based body weight monitor and postural allocation, physical activity classification, and energy expenditure calculator |
US20150293143A1 (en) * | 2013-07-21 | 2015-10-15 | National Chiao Tung University | Feature Extraction from Human Gaiting Patterns using Principal Component Analysis and Multivariate Empirical Mode Decomposition |
CN103604441A (zh) | 2013-11-15 | 2014-02-26 | 中国科学院深圳先进技术研究院 | 一种计量步伐数的系统、方法及移动终端 |
CN103712632B (zh) | 2013-12-31 | 2016-08-24 | 英华达(上海)科技有限公司 | 一种基于3轴加速计的计步方法和计步器 |
CN103997572B (zh) | 2014-06-03 | 2016-01-20 | 深圳市爱康伟达智能医疗科技有限公司 | 一种基于手机加速度传感器数据的计步方法和装置 |
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 |
CN104567912B (zh) * | 2015-02-02 | 2017-05-17 | 河海大学 | 一种在Android手机上实现计步器的方法 |
CN105771187B (zh) * | 2016-02-26 | 2019-03-01 | 惠州市德赛工业研究院有限公司 | 一种运动状态检测方法及基于该方法的智能鞋 |
CN205785240U (zh) | 2016-07-04 | 2016-12-07 | 紫光股份有限公司 | 一种基于脚腕运动速度检测的计步装置 |
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 |
-
2017
- 2017-08-23 CN CN201780082873.3A patent/CN110168315B/zh active Active
- 2017-08-23 WO PCT/CN2017/098590 patent/WO2019036926A1/zh active Application Filing
- 2017-08-23 US US16/640,850 patent/US11426627B2/en active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2017001688A1 (en) * | 2015-07-02 | 2017-01-05 | Embedded Sensor Solutions B.V. | System and method for processing a foot acceleration signal |
Non-Patent Citations (3)
Title |
---|
UMOISP:Usage Mode and Orientation Invariant Smartphone Pedometer;Arun Kumar Siddanahalli Ninge Gowda et al;《IEEE SENSOR JOURNAL》;20170201;第17卷(第3期);第869-881页 * |
基于三轴加速度传感器的动作分类和步数检测;李昊;《中国优秀硕士学位论文全文数据库信息科技辑》;20110615(第6期);I140-523-第9-11页、第14-15页、第17-22页 * |
基于加速度传感器的人体运动状态识别研究;胡志亮;《中国优秀硕士学位论文全文数据信息科技辑》;20170215(第2期);I130-4040-第9-10页、第25-26页 * |
Also Published As
Publication number | Publication date |
---|---|
US20200398109A1 (en) | 2020-12-24 |
US11426627B2 (en) | 2022-08-30 |
WO2019036926A1 (zh) | 2019-02-28 |
CN110168315A (zh) | 2019-08-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105183731B (zh) | 推荐信息生成方法、装置及系统 | |
CN106289309B (zh) | 基于三轴加速度传感器的计步方法及装置 | |
CN105105737B (zh) | 基于光电容积描记和谱分析的运动状态心率监测方法 | |
CN106897284B (zh) | 电子书籍的推荐方法及装置 | |
CN104093353B (zh) | 信息处理装置以及代表波形生成方法 | |
CN110168316B (zh) | 基于步频的足部计步数方法、装置及设备 | |
CN110168315B (zh) | 基于加速信息的足部计步方法、装置及设备 | |
CN107368820B (zh) | 一种精细化手势识别方法、装置及设备 | |
CN106484777A (zh) | 一种多媒体数据处理方法以及装置 | |
SE1350894A1 (sv) | Metod och system för bestämning av utförandeindikatorer förperiodiska rörelser | |
CN105574885A (zh) | 基于机器学习并融合视觉特征的全参考图像质量评估方法 | |
CN106537415A (zh) | 基于指纹的压力检测方法及装置 | |
CN107270931A (zh) | 一种IOS和android平台通用的步态自相关计步器 | |
CN108053214B (zh) | 一种虚假交易的识别方法和装置 | |
CN110020152A (zh) | 应用推荐方法及装置 | |
CN105574471B (zh) | 用户行为数据的上传方法、用户行为的识别方法及装置 | |
CN116204783A (zh) | 模型训练方法、装置、电子设备及计算机可读存储介质 | |
CN111291328A (zh) | 一种基于精细斜率的暂态事件识别方法、系统以及设备 | |
CN106994238A (zh) | 数据处理方法和用于执行该数据处理方法的电子设备 | |
CN104933082B (zh) | 评价信息处理方法及其装置 | |
CN110169774A (zh) | 一种基于区块链的运动状态识别系统及方法 | |
CN109685111A (zh) | 动作识别方法、计算系统、智能设备及存储介质 | |
Brondin et al. | Open source step counter algorithm for wearable devices | |
CN111982149B (zh) | 一种计步识别方法、装置、设备及可读存储介质 | |
CN108809987B (zh) | 一种基于大数据分析的网游推广方法 |
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 |