CN110260883A - 智能电子设备的节能计步方法及计步器 - Google Patents
智能电子设备的节能计步方法及计步器 Download PDFInfo
- Publication number
- CN110260883A CN110260883A CN201910660378.7A CN201910660378A CN110260883A CN 110260883 A CN110260883 A CN 110260883A CN 201910660378 A CN201910660378 A CN 201910660378A CN 110260883 A CN110260883 A CN 110260883A
- Authority
- CN
- China
- Prior art keywords
- walking
- walking period
- axis acceleration
- pedestrian
- electronic device
- 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.)
- Pending
Links
Classifications
-
- 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
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Measurement Of Distances Traversed On The Ground (AREA)
Abstract
本发明公开了一种智能电子设备的节能计步方法及计步器,该计步器采用该节能计步方法,时间窗口先接收智能电子设备的三轴加速度数据,然后提取时间窗口中的三轴加速度样本数据,然后依据提取的当前时间窗口的三轴加速度样本数据,计算并使用一个步行周期的三轴加速度样本数据的平均离差作为判断行人位移动作的阈值;计算并采用相邻步行周期的最大自相关系数判断行人状态,避免将其它日常活动误判为行走动作,减少干扰动作产生的误判;在行人连续行走过程中,通过自适应策略将固定阈值变为动态阈值,动态检测行人当前状态,增强了方法自身的适应能力,避免了使用固定阈值造成的计步结果丢失现象。解决了现有的计步器能耗高、计步准确性低的问题。
Description
技术领域
本发明属于智能电子设备计步领域,涉及一种具有加速度采集和处理功能的智能电 子设备的节能计步方法及计步器。
背景技术
现有的计步方法中最具代表性的有自相关系数计步算法、波峰检测计步算法和短时 傅里叶变换。
自相关系数计步算法是利用行人行走时的加速度信号具有循环特征,通过计算两个 相邻步行周期上整体加速度的相关性强弱判断行人是否行走,相关性越高,则准确计步的概率越大。自相关系数计步算法的具体计步流程分为行为检测和步数检测这两步,在 行为检测过程中根据当前周期的加速度标准差判断行人状态,当标准差大于固定阈值时, 则判定有动作发生,否则判断行人处于空闲状态;在步数检测过程中,通过处理相邻周 期的整体加速度数据计算自相关系数值,当自相关系数大于设定阈值时计一步,由于行 人在相邻周期上的动作会发生微弱变化,因此算法还会选定一个时间范围t1~t2,用时间 窗口找出自相关系数最大的步行周期k。
波峰检测计步算法同样基于行走过程中整体加速度循环性的特征,通过检测波形中 波峰的数量进行计步。但是由于人体细微动作和设备佩戴位置的影响,通常会形成伪波峰,因此还需要对伪波峰进行处理。波峰检测计步算法的具体执行过程如下:首先,计 算一个步行周期内的整体加速度。其次,使用时间窗口机制获取当前周期的潜在峰值, 若此峰值在设定的加速度阈值范围内,则向下执行;否则更新时间窗口数据。其次,计 算当前波峰与前一波峰的时差,若时差在设定的时间阈值范围内,则向下执行。最后, 比较当前波峰前后邻域的整体加速度值,去除伪波峰,若潜在峰值为最大值,则计一步。
短时傅里叶变换(Short Term Fourier Transform,STFT)可以用于确定时变信号局部 区域正弦波的频率与相位。由于STFT采用的滑动窗函数一经选定就固定不变,因此决定了其时频分辨率固定不变,不具备自适应能力。使用STFT方法要考虑输入的加速度 信号、采样频率、窗长、窗移、FFT长度等因素。STFT对于大部分音频信号都能够有较 好的分析效果。此算法设计基于时间窗口连续检测步态活动,采用短时傅里叶变换,将 满足在典型步行频率范围内具有显著(大于一些频谱能量阈值)的频谱能量特征视为行 走,从而实现用户位移检测。然而,由于此算法的运算过程中需要大量复杂的数学运算, 因此会导致算法产生的能耗高于上述两种算法。
自相关系数计步算法和波峰检测计步算法,通过固定阈值的方式判断行人的位移动 作,这种方式很容易忽略人在动作幅度较小时(上下楼或者转弯时)的行走步数,影响计步的准确性。自相关系数计步算法和短时傅里叶变换算法,为了提高计步的准确性, 使用计算较为复杂的算法或参数,导致计步器能耗居高不下。且现有计步算法大多是针 对特定的身体部位(手腕或脚踝等)或特定的设备(手环等)提出的,需要将设备固定 在身体某一部位,因此导致计步器过于依赖特定的加速度信号特征以提高在复杂环境中 (摆臂行走、间断行走和上下楼等)的计步准确度,这些算法对于在日常的行为活动中 检测行人步数而言适应能力不够好。
发明内容
本发明的目的在于提供一种智能电子设备的节能计步方法,以解决现有的计步器为 提高计步准确性而采用较为复杂的计算过程和参数造成能耗高的问题、现有计步器通过 固定阈值判断行人的位移动作而影响计步准确性的问题以及现有的对特定身体部位或特 定设备提出的计步器在日常行为活动中检测行人步数适应能力不佳的问题。
本发明的另一目的在于提供一种智能电子设备的节能计步器。
本发明所采用的技术方案是,智能电子设备的节能计步方法,具体步骤如下:
步骤S1、时间窗口接收智能电子设备的加速度计采集的三轴加速度数据;
步骤S2、提取当前时间窗口中的三轴加速度样本数据,并计算当前步行周期即当前 时间窗口内所有三轴加速度样本数据的整体加速度;
步骤S3、计算当前第k个步行周期内所有三轴加速度样本数据的平均离差Mk,k≥1, 并判断其是否大于预设的平均离差阈值,如Mk大于预设的平均离差阈值,则执行步骤S4,否则执行步骤S8;
步骤S4、判断行人当前是否连续行走,如是,则执行步骤S5,否则,执行步骤S6;
步骤S5、计算当前第k个步行周期和与其相邻的步行周期的样本数据的最大自相关 系数ρk,若ρk大于预设的自相关系数阈值,则步数加一,否则,步数不变,执行步骤 S8;
步骤S6、计算当前第k个步行周期内所有三轴加速度样本数据的平均离差Mk的自适应区间;
步骤S7、若Mk在其自适应区间内,则步数加一,否则,步数不变,执行步骤S5;
步骤S8、向前滑动时间窗口:删除原有时间窗口中的三轴加速度样本数据,并将剩余三轴加速度数据平移至时间窗口前端,更新时间窗口中的三轴加速度样本数据,然后 执行步骤S2。
进一步的,所述步骤S2中当前步行周期所有三轴加速度样本数据的整体加速度的计 算公式为:
其中,sx为行人x轴加速度数据,sy为行人y轴加速度数据,sz为行人z轴加速度 数据,st为当前步行周期内第t个数据下sx、sy和sz的整体加速度。
进一步的,所述步骤S3中当前第k个步行周期内所有三轴加速度样本数据的平均离 差Mk的计算公式为:
其中,n为当前第k个步行周期内的样本数据数量;代表行人在当前第k个步行周期的st;为当前第k个步行周期内所有样本数据的平均值。
进一步的,所述步骤S5中相邻步行周期的加速度样本的自相关系数ρk的计算公式为:
其中,代表行人在第k+1个步行周期的st;μk代表当前第k个步行周期中样本数据的均值;σk代表当前第k个步行周期中样本数据的方差;μk+1代表第k+1个步行周期中样本数据的均值;σk+1代表第 k+1个步行周期中样本数据的方差。
进一步的,所述步骤S6中第k个步行周期内所有样本数据的平均离差Mk的自适应区间[a,b]的计算公式为:
其中,Mi代表前k个步行周期中第i个步行周期的平均离差值,θk-1代表前k-1个步行周期中{M1,M2,……,Mk-1}的均值,为前k-1个步行周期中{M1,M2,……,Mk-1}与 θk-1的绝对值的离散程度。
进一步的,所述步骤S4中判断行人当前是否连续行走,是设置步数变量Pt判断行人当前是否连续行走预设的步数阈值,初始时Pt=0,当步数加一时,Pt=Pt+1,否则Pt=0;如步数变量Pt的值小于预设的步数阈值,则执行步骤S5,否则,执行步骤S6。
进一步的,所述预设的步数阈值为3,即若Pt<3,则执行步骤S5,否则,执行步骤S6。
进一步的,所述步骤S3预设的平均离差阈值为0.5。
进一步的,所述步骤S5中预设的自相关系数阈值为0.7;
所述步骤S8中是以给定下标为标识,删除原有时间窗口中的数据,并将剩余数据平 移至时间窗口前端,更新三轴加速度数据。
本发明所采用的另一技术方案是,智能电子设备的节能计步器,采用所述的智能电 子设备的节能计步方法。
本发明的有益效果是,使用一个步行周期的平均离差作为判断行人位移动作的阈值, 计算简单,计算开销明显降低,节能效果突出,解决了现有的计步器为提高计步准确性而采用较为复杂的计算过程和参数造成能耗高的问题。在初始时,采用相邻步行周期的 最大自相关系数判断行人状态,避免将其它日常活动误判为行走动作,有利于减少干扰 动作产生的误判;在行人连续行走过程中,通过自适应策略将固定阈值变为动态阈值, 动态检测行人当前状态,增强了方法自身的适应能力,避免了使用固定阈值造成的计步 结果丢失现象,提高了计步结果的准确率。作为一种全新的节能计步方法,可用于在现 实生活场景中准确的统计用户的行走步数。解决了现有计步器通过固定阈值判断行人的 位移动作而影响计步准确性的问题。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有 技术描述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发明的一些实施例,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1是本发明智能电子设备的节能计步方法的流程框图;
图2是实验用实验楼的平面示意图;
图3是Nexus 5手机上计步器能耗比较曲线图;
图4是Nexus 6手机上计步器能耗比较曲线图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明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发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本实施例的智能电子设备为智能手机,已知加速度数据采样频率为50Hz,时间窗口 大小为1.32s,输入为智能手机加速度计采集到的三轴加速度数据,输出为用户行走的总 步数。
如图1所示,本发明方法的具体执行过程如下:
步骤S1、时间窗口接收智能手机加速度计采集的三轴加速度数据。
步骤S2、提取当前时间窗口中的三轴加速度样本数据(以下简称样本数据),并计算当前步行周期所有样本数据的整体加速度,计算公式为:
其中,sx为行人x轴加速度数据,sy为行人y轴加速度数据,sz为行人z轴加速度 数据,st为当前步行周期内第t个数据下sx、sy和sz的整体加速度。
步骤S3、计算第k个步行周期内样本数据的平均离差Mk,并判断其是否大于0.5,如Mk大于0.5,则执行步骤S4,否则执行步骤S8;平均离差Mk的计算公式为:
其中,n为第k个步行周期内的样本数据数量;代表行人在第k个步行周期中第 t个数据下sx、sy和sz的整体加速度;为当前步行周期内所有样本数据的平均值。
步骤S4、设置步数变量Pt判断行人当前是否连续行走三步,初始时Pt=0,若Pt<3,则执行步骤S5,否则,执行步骤S6。
步骤S5、计算相邻步行周期的样本数据的最大自相关系数ρk,若ρk大于0.7,则步数加一,Pt=Pt+1,否则,步数不变,Pt=0,执行步骤S8;
相邻步行周期的加速度样本的最大自相关系数ρk的计算公式为:
其中,μk代表第k个步行周期中样本数据的均值;σk代表第k 个步行周期中样本数据的方差。
步骤S6、计算第k个步行周期内所有样本数据的平均离差Mk的自适应区间[a,b],执行步骤S7,a和b的计算公式为:
其中,Mi代表前k个步行周期中第i个步行周期的平均离差值,θk-1代表前k-1个步行周期中{M1,M2,……,Mk-1}的均值,为前k-1个步行周期中{M1,M2,……,Mk-1}与 θk-1的绝对值的离散程度。
步骤S7、若Mk在其自适应区间[a,b]内,则步数加一,Pt=Pt+1,否则,步数不变,Pt=0,执行步骤S5。
步骤S8、向前滑动时间窗口:以给定下标为标识,删除原有时间窗口中的数据,并将剩余数据平移至时间窗口前端,更新三轴加速度数据,然后执行步骤S2。
阈值设置的过高或过低会造成较为严格或松散的条件,导致计步准确率降低,本发 明设置步数阈值为3、平均离差阈值为0.5、自相关系数阈值为0.7,三者的设定均是凭经验得出的最优结果,有效保证计步准确率。
效果验证:
实验物理环境位于一幢五层实验楼的一至三层,包括一楼大厅、楼梯和三楼走廊(平 地),图2是三层的平面图。实验使用的移动设备是Nexus 5和Nexus 6智能手机,表1 将两款智能手机的参数做了细致描述,两款手机加速度计的采样频率均设置为50Hz。此 外,在两个手机上安装了三个计步器,有5位实验人员参与到实验中,表2详细记录了5 位实验人员的性别、年龄、身高、体重、步长特征。
表1实验设备参数
手机名称 | Google Nexus 5 | Google Nexus 6 |
CPU型号 | 高通骁龙800 | 高通骁龙805 |
CPU频率 | 2.3GHz | 2.7GHz |
RAM容量 | 2GB | 3GB |
电池容量 | 2300mAh | 3220mAh |
表2实验人员信息
序号 | 性别 | 年龄 | 身高(cm) | 体重(Kg) | 步长(cm) |
1 | 男 | 24 | 177 | 60 | 160.2 |
2 | 男 | 24 | 176 | 65 | 160.2 |
3 | 男 | 24 | 170 | 63 | 150.7 |
4 | 男 | 24 | 170 | 80 | 149.7 |
5 | 女 | 26 | 168 | 60 | 130.6 |
实验方案:由于智能手机上观察到计步器能耗发生明显变化通常需要很长的一段时 间(约为2小时)。然而在实验场景中,实验人员在连续的长时间行走过程中很难记清 准确的行走步数,导致无法获得计步器的计步精度。因此,设计了两个独立的实验:
实验1:在实验过程中,每名实验人员都按照表3中描述的日常活动携带已安装三种 计步器的实验设备匀速行走200步,统计步数的测量值以每个计步器最终显示的步数为准。
实验2:实验人员携带实验设备以稳定的步行速度按照表3中的日常活动连续交替行 走两小时。为了准确测量每个计步器在不同移动设备上的能耗情况,本实验将科大讯飞公司开发的iTest APP安装在两个智能手机上作为能耗测量工具。在实验过程中,关闭智能手机上其它不相关的应用程序以及Wi-Fi、蓝牙、移动网络等硬件开关,避免其它组件 工作影响测量的计步器能耗结果。
表3日常活动
标号 | 日常活动 |
A | 以摆臂(SH)方式连续行走 |
B | 设备置于前裤袋(TP)连续行走 |
C | 以摆臂(SH)方式间断行走 |
D | 设备置于前裤袋(TP)间断行走 |
E | 以摆臂(SH)方式连续上楼 |
F | 设备置于前裤袋(TP)连续上楼 |
表4为本发明的计步方法开发的计步器与基于自相关系数计步算法(ACSC)和基于波 峰检测计步算法(PDSC)开发的计步器相比,在计步精度方面的对比结果。表中,N5和 N6代表Nexus 5和Nexus 6手机的简称,Average代表平均计步精度。
表4两个设备上三种计步器的计步精度
图3和图4描述了三种计步器在不同的智能手机上能耗的变化情况。其中横坐标代表实验人员的行走时间;纵坐标代表对应时间上计步器所消耗的电量。实验人员行走2 小时后,自相关系数计步算法的能耗在Nexus5和Nexus 6手机上的电量消耗分别为 2.8mAh和4.68mAh,波峰检测计步算法的能耗在Nexus 5和Nexus 6手机上的电量消耗 分别为2.12mAh和3.33mAh,而此时节能计步算法在两个智能手机上的电量消耗分别为 1.78mAh和2.29mAh。
本发明借助智能手机中的加速度计,计算整体加速度,在不过于依赖加速度特征的 前提下利用自适应区间进行计步,增强了计步算法面临不同行走条件下的适应能力。
以上所述仅为本发明的较佳实施例而已,并非用于限定本发明的保护范围。凡在本 发明的精神和原则之内所作的任何修改、等同替换、改进等,均包含在本发明的保护范围内。
Claims (10)
1.智能电子设备的节能计步方法,其特征在于,具体步骤如下:
步骤S1、时间窗口接收智能电子设备的加速度计采集的三轴加速度数据;
步骤S2、提取当前时间窗口中的三轴加速度样本数据,并计算当前步行周期即当前时间窗口内所有三轴加速度样本数据的整体加速度;
步骤S3、计算当前第k个步行周期内所有三轴加速度样本数据的平均离差Mk,k≥1,并判断其是否大于预设的平均离差阈值,如Mk大于预设的平均离差阈值,则执行步骤S4,否则执行步骤S8;
步骤S4、判断行人当前是否连续行走,如是,则执行步骤S5,否则,执行步骤S6;
步骤S5、计算当前第k个步行周期和与其相邻的步行周期的样本数据的最大自相关系数ρk,若ρk大于预设的自相关系数阈值,则步数加一,否则,步数不变,执行步骤S8;
步骤S6、计算当前第k个步行周期内所有三轴加速度样本数据的平均离差Mk的自适应区间;
步骤S7、若Mk在其自适应区间内,则步数加一,否则,步数不变,执行步骤S5;
步骤S8、向前滑动时间窗口:删除原有时间窗口中的三轴加速度样本数据,并将剩余三轴加速度数据平移至时间窗口前端,更新时间窗口中的三轴加速度样本数据,然后执行步骤S2。
2.根据权利要求1所述的智能电子设备的节能计步方法,其特征在于,所述步骤S2中当前步行周期所有三轴加速度样本数据的整体加速度的计算公式为:
其中,sx为行人x轴加速度数据,sy为行人y轴加速度数据,sz为行人z轴加速度数据,st为当前步行周期内第t个数据下sx、sy和sz的整体加速度。
3.根据权利要求2所述的智能电子设备的节能计步方法,其特征在于,所述步骤S3中当前第k个步行周期内所有三轴加速度样本数据的平均离差Mk的计算公式为:
其中,n为当前第k个步行周期内的样本数据数量;代表行人在当前第k个步行周期的st;为当前第k个步行周期内所有样本数据的平均值。
4.根据权利要求1~3任一项所述的智能电子设备的节能计步方法,其特征在于,所述步骤S5中相邻步行周期的加速度样本的自相关系数ρk的计算公式为:
其中,代表行人在第k+1个步行周期的st;μk代表当前第k个步行周期中样本数据的均值;σk代表当前第k个步行周期中样本数据的方差;μk+1代表第k+1个步行周期中样本数据的均值;σk+1代表第k+1个步行周期中样本数据的方差。
5.根据权利要求4所述的智能电子设备的节能计步方法,其特征在于,所述步骤S6中第k个步行周期内所有样本数据的平均离差Mk的自适应区间[a,b]的计算公式为:
其中,Mi代表前k个步行周期中第i个步行周期的平均离差值,θk-1代表前k-1个步行周期中{M1,M2,……,Mk-1}的均值,为前k-1个步行周期中{M1,M2,……,Mk-1}与θk-1的绝对值的离散程度。
6.根据权利要求1、2、3或5所述的智能电子设备的节能计步方法,其特征在于,所述步骤S4中判断行人当前是否连续行走,是设置步数变量Pt判断行人当前是否连续行走预设的步数阈值,初始时Pt=0,当步数加一时,Pt=Pt+1,否则Pt=0;如步数变量Pt的值小于预设的步数阈值,则执行步骤S5,否则,执行步骤S6。
7.根据权利要求6所述的智能电子设备的节能计步方法,其特征在于,所述预设的步数阈值为3,即若Pt<3,则执行步骤S5,否则,执行步骤S6。
8.根据权利要求1、2、3、5或7所述的智能电子设备的节能计步方法,其特征在于,所述步骤S3预设的平均离差阈值为0.5。
9.根据权利要求8所述的智能电子设备的节能计步方法,其特征在于,所述步骤S5中预设的自相关系数阈值为0.7;
所述步骤S8中是以给定下标为标识,删除原有时间窗口中的数据,并将剩余数据平移至时间窗口前端,更新三轴加速度数据。
10.智能电子设备的节能计步器,其特征在于,采用如权利要求1、2、3、5、7或9所述的智能电子设备的节能计步方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910660378.7A CN110260883A (zh) | 2019-07-22 | 2019-07-22 | 智能电子设备的节能计步方法及计步器 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910660378.7A CN110260883A (zh) | 2019-07-22 | 2019-07-22 | 智能电子设备的节能计步方法及计步器 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110260883A true CN110260883A (zh) | 2019-09-20 |
Family
ID=67927520
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910660378.7A Pending CN110260883A (zh) | 2019-07-22 | 2019-07-22 | 智能电子设备的节能计步方法及计步器 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110260883A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113422660A (zh) * | 2021-05-14 | 2021-09-21 | 山东科技大学 | 基于无线信号的步数检测方法 |
CN114125129A (zh) * | 2021-11-03 | 2022-03-01 | 方正株式(武汉)科技开发有限公司 | 一种基于手机的步数统计方法和装置 |
-
2019
- 2019-07-22 CN CN201910660378.7A patent/CN110260883A/zh active Pending
Non-Patent Citations (2)
Title |
---|
YANG RUNZE,ETC: "An Energy Efficient Smartphone Pedometer based on An Auto-correlation Analysis", 《IEEE INTERNATIONAL SYMPOSIUM ON PARALLEL AND DISTRIBUTED PROCESSING WITH APPLICATIONS》 * |
朱世武等: "《统计学原理》", 31 May 2000, 电子科技大学出版社 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113422660A (zh) * | 2021-05-14 | 2021-09-21 | 山东科技大学 | 基于无线信号的步数检测方法 |
CN113422660B (zh) * | 2021-05-14 | 2022-07-19 | 山东科技大学 | 基于无线信号的步数检测方法 |
CN114125129A (zh) * | 2021-11-03 | 2022-03-01 | 方正株式(武汉)科技开发有限公司 | 一种基于手机的步数统计方法和装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106289309B (zh) | 基于三轴加速度传感器的计步方法及装置 | |
US10512423B2 (en) | Determining energy expenditure of a user | |
CN103337132B (zh) | 基于三轴加速度传感器的人体跌倒检测方法 | |
CN108109336B (zh) | 一种基于加速度传感器的人体跌倒识别方法 | |
CN103323615B (zh) | 一种通过加速度传感器计算步行速度的移动终端及方法 | |
CN103176164B (zh) | 基于无线传感器网络的多目标无源跟踪方法 | |
Pan et al. | Human falling detection algorithm based on multisensor data fusion with SVM | |
CN102133103B (zh) | 用肌电信号识别人体行走步态周期的方法 | |
Susi et al. | Accelerometer signal features and classification algorithms for positioning applications | |
CN104567912B (zh) | 一种在Android手机上实现计步器的方法 | |
CN105877757A (zh) | 多传感器集成的人体运动姿态捕获与识别装置 | |
CN103519819A (zh) | 步态分析方法及步态分析系统 | |
WO2012119126A2 (en) | Apparatus, system, and method for automatic identification of sensor placement | |
CN110260883A (zh) | 智能电子设备的节能计步方法及计步器 | |
CN103425895A (zh) | 一种多传感器运动及姿态监控分析方法及系统 | |
EP3090684A1 (en) | Pedometer and method for analyzing motion data | |
CN103340634A (zh) | 一种基于加速度变化检测人运动状态的方法 | |
CN107966161A (zh) | 基于fft的步行检测方法 | |
CN105243285A (zh) | 一种大数据健康预测系统 | |
CN102567715B (zh) | 基于热释电红外探测的人体动作分层次识别方法 | |
Aiolli et al. | ClimbTheWorld: Real-time stairstep counting to increase physical activity | |
CN104586402A (zh) | 一种人体活动的特征提取方法 | |
Ladetto et al. | Human walking analysis assisted by DGPS | |
CN109805935A (zh) | 一种基于人工智能分层分级运动识别方法的智能腰带 | |
Wang et al. | Robust and accurate step counting based on motion mode recognition for pedestrian indoor positioning using a smartphone |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190920 |