CN110990819A - 一种基于移动终端数据获取终端用户步态特征数据的方法和服务器 - Google Patents

Abstract

本发明涉及一种基于移动终端数据获取终端用户步态特征数据的方法，包括：步骤100，获取移动终端的至少一个运动数据C₁(n)、C₂(n)、…、C_m(n)，其中，第x个运动数据C_x(n)为时间段T＝[t₁,t₂]内移动终端按照第一预设采集频率F采集的，1≤x≤m；步骤200，利用窗口长度为W的矩形窗口Rt按照预设滑动长度ΔW分别在C₁(n)、C₂(n)、…、C_m(n)上滑动以获取所述终端用户的第一步态特征数据D₀,D₁,…,D_u，其中，D_i包含矩形窗口Rt分别在C₁(n)、C₂(n)、…、C_m(n)上第i次滑动时对所述矩形窗口Rt内的数据进行处理而获得的数据，0≤i≤u，ΔW<W，

即u为(T‑W)和ΔW的比值向下取整；进一步，W≥标准步态周期长度，所述标准步态周期长度为多个已知步态周期长度中的最大值。

Description

一种基于移动终端数据获取终端用户步态特征数据的方法和 服务器

技术领域

本发明涉及步态识别技术，尤其涉及一种获取终端用户步态特征数据的方法和服务器。

背景技术

终端用户的个体或者群体识别受到了人们的高度关注，其中，根据终端用户独有的生物特征进行个体或者群体识别是现有技术中的一个重要识别方法，生物特征例如可以为用户的面部特征、指纹特征以及步态，而根据步态进行个体或群体识别是当前识别技术中比较新的一部分。

步态识别即是识别行进姿势的过程(行进姿势为特定行进方式下用户或者用户群体特有的姿势，其中行进方式例如可以包括走路、跑步等)，由于步态为终端用户或终端用户群体特有，因此，也可以称为个体识别或群体识别。现有技术中，根据一段视频中的所有帧图像来识别行进姿势(例如走路姿势)是目前使用较多的方法，但是由于视频中通常包含的帧图像数量很大，使得在进行步态识别时需要输入的数据量很多，这在一定程度上限制了步态识别的应用。为了解决输入数据量过大的问题，出现了根据终端用户的加速度数据来进行步态识别的技术内容：采用峰值检测的方法来估计终端用户的步态周期(步态周期为从一只落地的脚开始抬起至该脚再次落地的时间段为一个步态周期)，然后基于估计的步态周期分割用户的加速度数据，之后基于分割的合成加速度数据进行步态识别，其中，分割的合成加速度数据是进行步态识别的用户步态特征数据。然而，上述基于峰值检测方法获取估计的步态周期的方法只适用于实验室环境，也就是说，在比较理想的环境下，上述方法可以有较好的识别效果；在实际环境中，会存在道路不平(例如道路有坑洼)等多种情况，若采用峰值检测的方法来估计用户的步态周期，则会因为出现的假峰值使得估计的步态周期和准确的步态周期误差较大，此时若根据估计的步态周期来获取分割的合成加速度数据(即步态特征数据)，则获取的用户步态特征数据并不是用户一个步态周期内的完整步态特征数据，进而影响步态识别效果。

发明内容

为解决上述技术问题，本发明公开了一种基于移动终端数据获取终端用户步态特征数据的方法，包括：步骤100，获取移动终端的至少一个运动数据C₁(n)、C₂(n)、…、C_m(n)，其中，第x个运动数据C_x(n)为时间段T＝[t₁,t₂]内移动终端按照第一预设采集频率F采集的，1≤x≤m；步骤200，利用窗口长度为W的矩形窗口Rt按照预设滑动长度ΔW分别在C₁(n)、C₂(n)、…、C_m(n)上滑动以获取所述终端用户的第一步态特征数据D₀,D₁,…,D_u，其中，D_i包含矩形窗口Rt分别在C₁(n)、C₂(n)、…、C_m(n)上第i次滑动时对所述矩形窗口Rt内的数据进行处理而获得的数据，0≤i≤u，ΔW<W，

即u为(T-W)和ΔW的比值向下取整；进一步，W≥标准步态周期长度，所述标准步态周期长度为多个已知步态周期长度中的最大值。

本发明通过采用窗口长度W大于终端用户的一个步态周期长度的矩形窗口，使得获取的终端用户步态特征数据至少包含该终端用户的一个完整步态周期中的所有信息数据，为终端用户的步态识别提供了较为全面、完整的信息；另外，相对于现有技术获取的单一类型的从一只脚抬起到该只脚落地的步态特征数据，由于本发明中的矩形窗口滑动长度ΔW小于窗口长度W，因此，本发明所述的方法还可以获取终端用户在特定行进方式下具有不同起始状态的多种步态特征数据(例如，一种步态特征数据的起始状态为一只脚在地上，另一个步态特征数据的起始状态为该只脚在抬起的最高点等等)，步态特征数据类型更丰富，有利于终端用户步态的识别。

附图说明

图1是本发明的基于移动终端数据获取终端用户步态特征数据的方法流程图；

图2是本发明的基于移动终端数据获取终端用户步态特征数据的方法的另一流程图；

图3是本发明的获取移动终端运动数据的方法流程图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚，将结合附图对本发明作进一步地详细描述。这种描述是通过示例而非限制的方式介绍了与本发明的原理相一致的具体实施方式，这些实施方式的描述是足够详细的，以使得本领域技术人员能够实践本发明，在不脱离本发明的范围和精神的情况下可以使用其他实施方式并且可以改变和/或替换各要素的结构。因此，不应当从限制性意义上来理解以下的详细描述。

本发明公开了一种基于移动终端数据获取终端用户步态特征数据的方法，如图1所示，该方法包括：步骤100，获取移动终端的至少一个运动数据C₁(n)、C₂(n)、…、C_m(n)，其中，第x个运动数据C_x(n)为时间段T＝[t₁,t₂]内移动终端按照第一预设采集频率F采集的，1≤x≤m。在本发明，所述运动数据可以为移动终端在不同方向上的加速度数据、移动终端在不同方向上的运动速度数据、或者移动终端的旋转角度等，且以上所举示例不作为对本发明运动数据的具体限定，其还包括将来能够获取到的关于移动终端的其他运动数据。示例性的，m＝3，此时，C₁(n)为移动终端在移动终端坐标系X轴的加速度数据，C₂(n)为移动终端在移动终端坐标系Y轴的加速度数据，C₃(n)为移动终端在移动终端坐标系Z轴的加速度数据。

根据本发明，所述移动终端为手机和/或PAD设备等，且本领域技术人员知悉，所述移动终端集成有常用的传感器元件，例如用于测量所述移动终端在多个方向上加速度的加速度传感器、用于测量移动终端旋转角度的陀螺仪传感器等；且移动终端可通过调用特定接口来获取以上所述传感器的数据。

根据本发明，t₂-t₁的取值以及所述第一预设采集频率F的取值均可以自定义设置，在本发明的一个实施例中，t₂-t₁的取值使得在所述时间段T内可获取终端用户的至少一个矩形窗口内的加速度数据，示例性的，t₂-t₁的取值范围为[10秒，70秒]，优选为60秒，且当所述t₂-t₁的取值较大时，获取的运动数据增多，使得矩形窗口在运动数据上的滑动次数也增多，进一步，由于矩形窗口的滑动长度小于矩形窗口的窗口长度，因此，当利用矩形窗口在运动数据上滑动时，可以获取终端用户在特定行进方式下具有不同起始状态的多种步态特征数据(例如，一种步态特征数据的起始状态为一只脚在地上，另一个步态特征数据的起始状态为该只脚在抬起的最高点等等)，使得用户步态识别时可利用的步态特征数据更充分、更全面。在本发明中，所述步态特征数据为既可以反映终端用户个体行进姿势特征也可以反映终端用户群体行进姿势特征的数据。在本发明中，基于被分配不同标签的步态特征数据和具有不同目标的步态识别模型，可以识别终端用户个体的步态，也可以识别终端用户群体的步态。

所述第一预设采集频率F的取值兼顾数据冗余度和数据完整性，当第一预设采集频率F取值很大时，会导致采集的数据量过大，造成数据冗余度高，即采集数据中包括的无用或重复信息过多；相反，当第一预设采集频率F取值很小时，会使得在所述时间段T内获取的数据量过少，进而使得获取的终端用户步态特征数据不完整。一个实施例中，所述第一预设采集频率F的取值范围为[80,150]，更优选为100，即每秒内采集100次数据。示例性的，假设时间段T＝[11:00,11:01]，F取值为100，m＝3且C₁(n)、C₂(n)、C₃(n)分别为移动终端在移动终端坐标系的X、Y、Z三个不同方向上的加速度数据时，则根据上述内容可知，n的取值范围为1,2,…,6000，其中，6000为F和时间段T的时间差的乘积，即C₁(n)＝{x₁,x₂,…,x₆₀₀₀}，为移动终端在X轴方向上的加速度数据，C₂(n)＝{y₁,y₂,…,y₆₀₀₀}，为移动终端在Y轴方向上的加速度数据，C₃(n)＝{z₁,z₂,…,z₆₀₀₀}，为移动终端在Z轴方向上的加速度数据。本领域技术人员可以理解，运动数据C₁(n)、C₂(n)、…、C_m(n)为移动终端不同的时域离散信号。

步骤200，利用窗口长度为W的矩形窗口Rt按照预设滑动长度ΔW分别在C₁(n)、C₂(n)、…、C_m(n)上滑动以获取所述终端用户的第一步态特征数据D₀,D₁,…,D_u，其中，D_i包含矩形窗口Rt分别在C₁(n)、C₂(n)、…、C_m(n)上第i次滑动时对所述矩形窗口Rt内的数据进行处理而获得的数据，0≤i≤u，ΔW<W，

即u为(T-W)和ΔW的比值向下取整；进一步，W≥标准步态周期长度，所述标准步态周期长度为多个已知步态周期长度中的最大值。

根据本发明，对所述矩形窗口Rt内的数据进行处理可以为本领域中的常用的函数关系处理，例如，该处理为对所述矩形窗口Rt内的数据乘以一个固定数值，以便更有利于提取用户步态特征数据。

根据本发明，W和预设滑动长度ΔW可以自定义设置。在本发明中，所述标准步态周期长度的获取方式有多种：一方面可以根据移动终端自己上报的该移动终端的终端客户步态周期长度获取，在该方式中，移动终端的终端用户主动或被动地上传自己的步态周期长度，基于获取的所有终端客户步态周期长度，选取最大值作为标准步态周期长度；另一方面可以是在实验室环境下获取的，在该方式中，测量实验室环境下移动终端的终端用户的步态周期长度，取最大值作为标准步态周期长度；最后，其还可以是基于已知的足够多的终端用户步态周期长度来获取所述标准步态周期长度，同样，将已知的终端用户步态周期长度中的最大值作为标准步态周期长度。进一步，在本发明中，W的取值范围为[4秒,10秒]，优选为5秒。根据本发明，W为ΔW的函数，优选的，W＝ΔW/2，其中，预设滑动长度ΔW的取值范围为[2秒,5秒]，优选为2.5秒。

根据本发明，矩形窗口Rt为取值固定的矩形窗口，其取值例如可以为1。当所述矩形窗口Rt在运动数据C_x(n)上滑动时，矩形窗口Rt最右端的首次滑动起点为W*F/2，其中W*F为该矩形窗口Rt内包含的数据量。为了更清楚地说明所述矩形窗口Rt在至少一个运动数据C₁(n)、C₂(n)、…、C_m(n)上滑动的原理，我们设定：矩形窗口Rt是取值为1的矩形窗口，且对所述矩形窗口Rt内的数据进行处理为对所述矩形窗口Rt内的数据乘以1，m＝2，C₁(n)＝{1,2,3,4,5}，C₂(n)＝{6,7,8,9,10}，且W＝ΔW/2，W和F的取值使得矩形窗口Rt内包含的数据量为2个，则矩形窗口Rt每次滑动的预设滑动长度ΔW中包含的数据量为1个。当矩形窗口Rt第0次在C₁(n)或C₂(n)上滑动时(即为首次滑动)，该矩形窗口Rt最右端的滑动起点分别为1和6，滑动长度为1，可知，滑动后该矩形窗口Rt内包含的数据分别为1,2或者6,7，即在本发明的一个实施例中，D₀＝[1,2，6,7]，优选的，D₀＝[1,2；6,7]；当矩形窗口Rt第1次在C₁(n)上滑动时，矩形窗口Rt最右端的滑动起点为上次该矩形窗口最右端停留的位置，为2，则经过滑动后，该矩形窗口Rt内包含的数据分别为2,3，以此类推。同样，矩形窗口在Rt在C₂(n)上滑动的方式和其在C₁(n)上滑动的方式相同。则根据上述内容可知，D₁＝[2,3,7,8]，或者D₁＝[2,3；7,8]。本领域技术人员可以理解，以上所举例子仅为示范性举例，不作为限定本发明的唯一示例。

本发明通过采用窗口长度W大于终端用户的一个步态周期长度的矩形窗口，使得获取的终端用户步态特征数据至少包含该终端用户的一个完整步态周期中的所有信息数据，为终端用户的步态识别提供了较为全面、完整的信息；另外，相对于现有技术获取的单一类型的从一只脚抬起到该只脚落地的步态特征数据，由于本发明中的矩形窗口滑动长度ΔW小于窗口长度W，因此，本发明所述的方法还可以获取终端用户在特定行进方式下具有不同起始状态的多种步态特征数据(例如，一种步态特征数据的起始状态为一只脚在地上，另一个步态特征数据的起始状态为该只脚在抬起的最高点等等)，步态特征数据类型更丰富，有利于终端用户步态的识别。

根据本发明的一个实施例，所述方法还包括步骤300(如图2所示)，基于第一步态特征数据D₀,D₁,…,D_u和终端用户步态异常模型获取终端用户的第二步态特征数据VD₁,VD₂,…,VD_s，其中，所述终端用户步态异常模型用于判断终端用户的第一步态特征数据D_i是否为目标行进方式下的正常数据，所述第二步态特征数据VD₁,VD₂,…,VD_s均为所述目标行进方式下的正常数据，s≤u+1。根据本发明，所述步骤300具体包括：

步骤301，将所述第一步态特征数据D₀,D₁,…,D_u输入所述终端用户步态异常模型中，以获取所述第一步态特征数据D₀,D₁,…,D_u的异常标识信息L₀,L₁,…,L_u，其中L_i为D_i的异常标识信息。在本发明中，目标行进方式下的正常数据包括终端用户按照目标行进方式行进过程中不同情况下获取的第一步态特征数据(例如，当目标行进方式为走路时，则按照目标行进方式行进过程中的不同情况可以包括：终端客户在走路过程中，移动终端始终位于衣物口袋、用户手中或者用户包中等多种情况)，目标行进方式下的异常数据则包括终端用户未按照目标行进方式行进过程中不同情况下获取的第一步态特征数据(根据上面的示例，则目标行进方式下的异常数据包括：用户跑步、跳跃、站立等过程中不同情况下获取的第一步态特征数据，例如移动终端位于手中跑步、移动终端位于衣物口袋中的站立等)。

根据本发明，分别采用图1所示的方法获取训练用移动终端群中的每个移动终端在目标行进方式下的作为正样本的全部第一步态特征数据和每个移动终端在非目标行进方式下的作为负样本的全部第一步态特征数据，将全部的正样本和负样本输入到SVM、BP神经网络、sequence to sequence等模型中进行模型训练，以获取所述终端用户步态异常模型。且本领域技术人员可知，将D_i输入到所述终端用户步态异常模型即可输出D_i的异常标识信息L_i，其中L_i可以根据需要进行定义，例如当L_i为1时表示第一步态特征数据D_i为在目标行进方式下的正常数据，当L_i为0时表示第一步态特征数据D_i为在目标行进方式下的异常数据。且本领域技术人员可知，L_i还可以有其他的定义方式，且L_i的定义方式不影响本发明的保护范围。

步骤302，基于D₀,D₁,…,D_u和L₀,L₁,…,L_u获取所述终端用户的第二步态特征数据VD₁,VD₂,…,VD_s。具体地，在本发明中，当异常标识L_i表示D_i为终端用户目标行进方式下的正常数据时，保留D_i，此时，保留的全部第一步态特征数据组成了终端用户的第二步态特征数据VD₁,VD₂,…,VD_s。

由上述内容可知，通过将获取的第一步态特征数据输入到终端用户步态异常模型，可以剔除第一步态特征数据中的异常数据，例如不是用户在目标行进方式下的异常数据，可以进一步提高终端用户步态识别的效果。

根据本发明，本发明所述的基于移动终端数据获取终端用户步态特征数据的方法可以用于步态识别阶段以对终端用户的步态进行识别，还可以用于在步态识别模型的模型训练阶段中对训练样本和测试样本的样本处理等过程中。

根据本发明，所述至少一个运动数据C₁(n)、C₂(n)、…、C_m(n)由移动终端第三线程通过接收移动终端第二线程按照第一预设采集频率F从第一数组中采集的数据并进行处理而得到的，其中，所述第一数组被设置以便保存移动终端主线程在时间段P＝[p₁,p₂]内按照第二预设采集频率E获取的所述移动终端中至少一个目标对象的数据，且所述第一数组的数组大小为所述移动终端主线程每轮询一次所述至少一个目标对象获取到的数据总个数，所述至少一个目标对象和所述移动终端的运动相关。

根据本发明，所述至少一个目标对象为和移动终端运动相关的传感器，例如加速度传感器、重力传感器、地磁传感器、陀螺仪传感器等，且本领域技术人员可知，以上所举示例不作为本发明的限制性示例，其还可以包括将来和移动终端运动相关的其他元件。在本发明中，所述至少一个运动数据C₁(n)、C₂(n)、…、C_m(n)为同一目标对象在移动终端坐标系不同方向上采集的数据和/或另一个目标对象采集到的一维数据。示例性的，所述至少一个运动数据C₁(n)、C₂(n)、…、C_m(n)是移动终端中加速度传感器在移动终端坐标系的三个方向上分别采集的数据。根据本发明，所述第二预设采集频率E为所述第一预设采集频率F的函数，一个优选的实施例中，所述第二预设采集频率E为所述第一预设采集频率F的k倍，k的取值范围为[1,6]，优选地，k的取值为3。

根据本发明的一个实施例，本发明还公开了一种基于移动终端数据获取终端用户步态特征数据的服务器，包括处理器和存储有计算机程序的非瞬时性计算机可读存储介质，当所述计算机程序被所述处理器执行时，实现如前所述的任一基于移动终端数据获取终端用户步态特征数据的方法，在此不再赘述。且本领域技术人员知晓，所述服务器可以是现有技术中的任意服务器，本领域技术人员可以理解，所述服务器的类型、品牌和/或配置等不作为限制本发明保护范围的条件。

进一步，在本发明中，还公开了一种获取移动终端运动数据的方法，该方法包括(如图3所示)：

步骤001，移动终端主线程按照第二预设采集频率E获取时间段P＝[p₁,p₂]内所述移动终端中至少一个目标对象的数据并保存在第一数组中，其中，所述第一数组的数组大小为所述主线程每轮询一次所述至少一个目标对象获取的数据总个数，所述至少一个目标对象和所述移动终端的运动相关。

根据本发明，所述至少一个目标对象为和移动终端运动相关的传感器，例如加速度传感器、重力传感器、地磁传感器、陀螺仪传感器等，且本领域技术人员可知，以上所举示例不作为本发明的限制性示例，其还可以包括将来和移动终端运动相关的其他元件。在本发明中，所述运动数据可以为同一目标对象在移动终端坐标系不同方向上采集的数据和/或另一个目标对象采集到的一维数据，一个实施方式中，所述运动数据为移动终端中加速度传感器在移动终端坐标系的三个方向上分别采集的数据，另一个实施方式中，所述运动数据为移动终端中加速度传感器、重力传感器等在移动终端坐标系的三个方向上分别采集的数据。示例性的，当所述运动数据为移动终端中加速度传感器在移动终端坐标系的三个方向上分别采集的数据时，由于主线程分别采集加速度传感器在三个方向的数据，因此轮询一次所述加速度传感器可以得到3个数据，进而第一数组的大小为3。

根据本发明，所述第二预设采集频率E为所述第一预设采集频率F的函数，一个优选的实施例中，所述第二预设采集频率E为所述第一预设采集频率F的k倍，k的取值范围为[1,6]，优选地，k的取值为3。在本发明中，设置较大的第二预设采集频率E是为了使所述移动终端的系统数据回调接口获取足够多的采样数值，以便后续进行重采样的第二线程也可以获取终端用户足够完整的运动数据。进一步，根据本发明，p₂-p₁的取值≥t₂-t₁的取值，从而获取终端用户在时间段T内的运动数据。

根据本发明，以所述至少一个目标对象为加速度传感器为例，由于获取的为加速度传感器三个方向的数值，且第一数组的大小为3，因此，所述第一数组中的数值会在主线程每轮询一次加速度传感器后被更新，即所述第一数组中始终保存的为主线程获取的最新的加速度传感器数据。

步骤002，第二线程按照所述第一预设采集频率F从所述第一数组中获取数据并传输给第三线程。其中，采用第一预设采集频率F兼顾了采集到的数据冗余度和数据量。

步骤003，第三线程根据接收到的数据获取所述移动终端的至少一个运动数据C₁(n)、C₂(n)、…、C_m(n)。具体地，在本发明中，所述主线程、第一线程和第二线程均为移动终端中的线程，且第一线程和第二线程为不同于主线程而设置的专用线程。根据本发明，第三线程基于接收到的数据，可以执行数据预处理以获取所述至少一个运动数据C₁(n)、C₂(n)、…、C_m(n)，示例性的，当移动终端主线程采集的是加速度传感器在移动终端坐标系三个不同方向上的数据时，运动数据C₁(n)为采集的加速度传感器在移动终端坐标系的X轴上的数据，运动数据C₂(n)为采集的加速度传感器在移动终端坐标系的Y轴上的数据，运动数据C₃(n)为采集的加速度传感器在移动终端坐标系的Z轴上的数据。进一步，所述预处理还可以包括数据坐标空间转换等，数据坐标空间转换等均可以采用本领域中相关的现有技术，在此不做赘述。

根据本发明，移动终端的操作系统或者是内置于移动终端APP内的SDK按照预设上传间隔将所述至少一个运动数据C₁(n)、C₂(n)、…、C_m(n)上传到所述服务器。其中所述预设上传间隔的取值可以自定义设置，一个实施例中，所述预设上传间隔的取值范围为[5分钟，15分钟]。

在移动终端中，主线程往往通过该移动终端中唯一的数据回调接口获取目标对象(例如传感器)数值，由于在移动终端同一时间段内需要获取数值的目标对象通常在一个以上，因此，即使设置了主线程获取指定目标对象数值的采集频率，但由于所述唯一的数据回调接口调用方式，往往获取的目标对象数据之间的时间间隔是不相同，有时会使得相邻两次数值采集之间的间隔很大，而为了消除相邻两次数值采集之间的较大间隔，现有技术通常会直接在两者之间进行插值，以减少噪声影响，然而这种不准确的数据插值，也会给步态的识别造成一定的影响。本发明通过借助具有较小数据采样频率的第二线程重采样具有较大数据采样频率的主线程获取的数据的方式，使得第二线程获取的数据之间的间隔为固定间隔，进而使得获取的运动数据之间数据间隔固定，减少了因为数据插值造成的不良影响，进一步，由于主线程的数据更新速度要比第二线程的读取速度快，因此，第二线程读取的内容也可以确保能够获取终端用户在一个步态周期内的完整运动数据。

此外，根据公开的本发明的说明书，本发明的其他实现对于本领域的技术人员是明显的。实施方式和/或实施方式的各个方面可以单独或者以任何组合用于本发明的系统和方法中。说明书和其中的示例应该是仅仅看作示例性，本发明的实际范围和精神由所附权利要求书表示。

Claims (10)

1.一种基于移动终端数据获取终端用户步态特征数据的方法，其特征在于，包括：

步骤100，获取移动终端的至少一个运动数据C₁(n)、C₂(n)、…、C_m(n)，其中，第x个运动数据C_x(n)为时间段T＝[t₁,t₂]内移动终端按照第一预设采集频率F采集的，1≤x≤m；

步骤200，利用窗口长度为W的矩形窗口Rt按照预设滑动长度ΔW分别在C₁(n)、C₂(n)、…、C_m(n)上滑动以获取所述终端用户的第一步态特征数据D₀,D₁,…,D_u，其中，D_i包含矩形窗口Rt分别在C₁(n)、C₂(n)、…、C_m(n)上第i次滑动时对所述矩形窗口Rt内的数据进行处理而获得的数据，0≤i≤u，ΔW<W，

即u为(T-W)和ΔW的比值向下取整；

进一步，W≥标准步态周期长度，所述标准步态周期长度为多个已知步态周期长度中的最大值。

2.根据权利要求1所述的获取终端用户步态特征数据的方法，其特征在于，窗口长度W的取值范围为[4秒,10秒]。

3.根据权利要求1或2所述的获取终端用户步态特征数据的方法，其特征在于，预设滑动长度ΔW的取值范围为[2秒,5秒]。

4.根据权利要求1至3任一项所述的获取移动终端用户步态特征数据的方法，其特征在于，所述第一预设采集频率F的取值范围为[80,150]。

5.根据权利要求1至3任一项所述的获取移动终端用户步态特征数据的方法，其特征在于，还包括步骤300，基于第一步态特征数据D₀,D₁,…,D_u和终端用户步态异常模型获取终端用户的第二步态特征数据VD₁,VD₂,…,VD_s，其中，所述终端用户步态异常模型用于判断终端用户的第一步态特征数据D_i是否为目标行进方式下的正常数据，所述第二步态特征数据VD₁,VD₂,…,VD_s均为所述目标行进方式下的正常数据，s≤u+1。

6.根据权利要求5所述的获取移动终端用户步态特征数据的方法，其特征在于，步骤300具体包括：

步骤301，将所述第一步态特征数据D₀,D₁,…,D_u输入所述终端用户步态异常模型中，以获取所述第一步态特征数据D₀,D₁,…,D_u的异常标识信息L₀,L₁,…,L_u，其中L_i为D_i的异常标识信息；

步骤302，基于D₀,D₁,…,D_u和L₀,L₁,…,L_u获取所述终端用户的第二步态特征数据VD₁,VD₂,…,VD_s。

7.根据权利要求1所述的获取终端用户步态特征数据的方法，其特征在于，t₂-t₁取值范围为[10秒，70秒]。

8.根据权利要求1所述的获取终端用户步态特征数据的方法，其特征在于，所述至少一个运动数据C₁(n)、C₂(n)、…、C_m(n)由移动终端第三线程通过接收移动终端第二线程按照第一预设采集频率F从第一数组中采集的数据并进行处理而得到的，其中，所述第一数组被设置以便保存移动终端主线程在时间段P＝[p₁,p₂]内按照第二预设采集频率E获取的所述移动终端中至少一个目标对象的数据，且所述第一数组的数组大小为所述移动终端主线程每轮询一次所述至少一个目标对象获取到的数据总个数，所述至少一个目标对象和所述移动终端的运动相关。

9.一种基于移动终端数据获取终端用户步态特征数据的服务器，其特征在于，包括处理器和存储有计算机程序的非瞬时性计算机可读存储介质，当所述计算机程序被所述处理器执行时，实现如权利要求1-8中任一项所述的基于移动终端数据获取终端用户步态特征数据的方法。

10.一种获取移动终端运动数据的方法，包括：

步骤001，移动终端主线程按照第二预设采集频率E获取时间段P＝[p₁,p₂]内所述移动终端中至少一个目标对象的数据并保存在第一数组中，其中，所述第一数组的数组大小为所述主线程每轮询一次所述至少一个目标对象获取的数据总个数，所述至少一个目标对象和所述移动终端的运动相关；

步骤002，第二线程按照第一预设采集频率F从所述第一数组中获取数据并传输给第三线程；

步骤003，第三线程根据接收到的数据获取所述移动终端的至少一个运动数据C₁(n)、C₂(n)、…、C_m(n)。

Images