CN111006683A - 计步装置及其计步方法、控制器和可读存储介质 - Google Patents
计步装置及其计步方法、控制器和可读存储介质 Download PDFInfo
- Publication number
- CN111006683A CN111006683A CN201911184161.XA CN201911184161A CN111006683A CN 111006683 A CN111006683 A CN 111006683A CN 201911184161 A CN201911184161 A CN 201911184161A CN 111006683 A CN111006683 A CN 111006683A
- Authority
- CN
- China
- Prior art keywords
- acceleration
- synthesized
- target object
- acceleration information
- linear
- 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
Images
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
Abstract
本发明公开了一种计步方法,该方法包括:获取目标对象的线性加速度信息和重力加速度信息;基于所述线性加速度信息和所述重力加速度信息,分析所述目标对象的步数特征点;基于所述步数特征点统计所述目标对象的步数。本发明还公开了一种控制器、计步装置和可读存储介质。本发明旨在提高步数统计的精确性。
Description
技术领域
本发明涉及计步技术领域,尤其涉及计步方法、控制器、计步装置和可读存储介质。
背景技术
随着生活水平的提高,人们的健康越来越受到关注,通过步数来记录自己的生活早已成为了一种普遍的生活方式。步行、慢跑、快跑等活动是人们日常生活中最为常见、最为普及的活动方法,这使得深入研究计步算法有着非常重要的意义。
目前,大多的计步算法均是基于加速度传感器检测的数据进行分析得到步数,而加速度传感器所检测的加速度数据一般是线性加速度和重力加速度综合影响后的结果,由于加速度传感器的佩戴方式和人体行走习惯等的不同都会产生噪声,再加上两个加速度混合影响,会在检测的加速度数据中弱化由步数产生的特征,这样会导致传感器检测的加速度数据中所反映的步数特征不明显,基于加速度数据分析得到的步数误差较大。
上述内容仅用于辅助理解本发明的技术方案,并不代表承认上述内容是现有技术。
发明内容
本发明的主要目的在于提供一种计步方法,旨在提高步数统计的精确性。
为实现上述目的,本发明提供一种计步方法,所述计步方法包括以下步骤:
获取目标对象的线性加速度信息和重力加速度信息;
基于所述线性加速度信息和所述重力加速度信息,分析所述目标对象的步数特征点;
基于所述步数特征点统计所述目标对象的步数。
可选地,所述基于所述线性加速度信息和所述重力加速度信息,分析所述目标对象的步数特征点的步骤之前,还包括:
对所述线性加速度信息和所述重力加速度信息分别进行低通滤波处理。
可选地,所述基于所述线性加速度信息和所述重力加速度信息,分析所述目标对象的步数特征点的步骤包括:
根据所述线性加速度信息和所述重力加速度信息,生成合成加速度信息;
根据所述合成加速度信息分析所述目标对象的步数特征点。
可选地,所述获取目标对象的线性加速度信息和重力加速度信息的步骤包括:
获取依次连续检测的所述目标对象的第一线性加速度、第二线性加速度和第三线性加速度,作为所述线性加速度信息;获取与所述第一线性加速度同时检测的所述目标对象的第一重力加速度、与所述第二线性加速度同时检测的所述目标对象的第二重力加速度、以及与所述第三线性加速度同时检测的所述目标对象的第三重力加速度,作为所述重力加速度信息。
可选地,所述根据所述线性加速度信息和所述重力加速度信息,生成合成加速度信息的步骤包括:
根据所述第一线性加速度和所述第一重力加速度生成第一合成加速度,根据所述第二线性加速度和所述第二重力加速度生成第二合成加速度,根据所述第三线性加速度和所述第三重力加速度生成第三合成加速度,得到所述合成加速度信息。
可选地,所述根据所述合成加速度信息分析所述目标对象的步数特征点的步骤包括:
确定所述第一合成加速度与所述第二合成加速度之间的第一大小关系,确定所述第二合成加速度与所述第三合成加速度之间的第二大小关系;
根据所述第一大小关系和所述第二大小关系,识别所述合成加速度信息中的极值点;
将所述极值点作为所述目标对象的步数特征点。
可选地,所述根据所述第一大小关系和所述第二大小关系,识别所述合成加速度信息中的极值点的步骤包括:
当所述第一大小关系为所述第二合成加速度大于所述第一合成加速度、且所述第二大小关系为所述第二合成加速度大于所述第三合成加速度时,确定所述第二合成加速度为极大值点;
当所述第一大小关系为所述第二合成加速度小于所述第一合成加速度、且所述第二大小关系为所述第二合成加速度小于所述第三合成加速度时,确定所述第二合成加速度为极小值点。
可选地,所述将所述极值点作为所述目标对象的步数特征点的步骤之前,还包括:
确定所述极值点的极值类型;
获取所述极值类型对应的阈值范围;
当所述极值点位于所述阈值范围内时,执行所述将所述极值点作为所述目标对象的步数特征点的步骤。
可选地,所述将所述极值点作为所述目标对象的步数特征点的步骤之前,还包括:
获取所述极值点与前一极值点出现的间隔时长;
当所述间隔时长大于预设时长时,执行所述将所述极值点作为所述目标对象的步数特征点。
可选地,所述确定所述第一合成加速度与所述第二合成加速度之间的第一大小关系,确定所述第二合成加速度与所述第三合成加速度之间的第二大小关系的步骤包括:
将所述第二合成加速度减去所述第一合成加速度,得到所述第一差值,将所述第二合成加速度减去所述第三合成加速度,得到所述第二差值;
根据所述第一差值确定所述第一大小关系,根据所述第二差值确定所述第二大小关系。
此外,为了实现上述目的,本申请还提出一种控制器,所述控制器包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计步程序,所述计步程序被所述处理器执行时实现如上任一项所述的计步方法的步骤。
此外,为了实现上述目的,本申请还提出一种计步装置,所述计步装置包括:
线性加速度传感器;
重力加速度传感器;以及
如上所述的控制器,所述线性加速度传感器和所述重力加速度传感器均与所述控制器连接。
此外,为了实现上述目的,本申请还提出一种可读存储介质,所述可读存储介质上存储有计步程序,所述计步程序被处理器执行时实现如上任一项所述的计步方法的步骤。
本发明提出的一种计步方法,该方法通过分别获取目标对象的线性加速度信息和重力加速度信息;基于线性加速度信息和重力加速度信息,分析目标对象的步数特征点,基于步数特征点统计目标对象的步数,由于目标对象的线性加速度和重力加速度是独立检测的,即使传感器佩戴角度、行走习惯等不同产生噪声,分别检测的线性加速度和重力加速度也可突出地反映出步数特征,更为准确地反映目标对象当前的行走情况,从而基于所得到的加速度数据可得到更精确的步数特征点,有效提高步数统计的精确性。
附图说明
图1是本发明计步装置一实施例的硬件结构示意图;
图2为本发明计步方法第一实施例的流程示意图;
图3为本发明计步方法第二实施例的流程示意图;
图4为本发明计步方法第三实施例的流程示意图;
图5为本发明计步方法第四实施例的流程示意图;
图6为本发明计步方法第五实施例的流程示意图;
图7为本发明计步方法第六实施例的流程示意图。
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
本发明实施例的主要解决方案是:获取目标对象的线性加速度信息和重力加速度信息;基于所述线性加速度信息和所述重力加速度信息,分析所述目标对象的步数特征点;基于所述步数特征点统计所述目标对象的步数。
由于现有技术中,计步算法的依据是线性加速度和重力加速度综合影响后的结果,容易受到传感器的佩戴方式和人体行走习惯等的不同影响,导致加速度数据中步数特征的弱化,基于加速度数据分析得到的步数误差较大。
本发明提供上述的解决方案,旨在有效提高步数统计的精确性。
本发明提出一种计步装置。计步装置指的是任何具有计步功能的装置,可以是具有计步功能的移动终端(如手机等),也可以是具有计步功能的可穿戴设备(如智能手环等)。
在本发明实施例中,参照图1,计步装置具体包括线性加速度传感器100、重力加速度传感器200和控制器300。线性加速度传感器100、重力加速度传感器200和控制器300可集成安装到一起。此外,在其他实施例中,控制器300还可独立于线性加速度传感器100和重力加速度传感器200设置,控制器300可通过无线通信等方式获取线性加速度传感器100和重力加速度传感器200的检测数据。
其中,携带(如手持、放在口袋、穿戴等)有计步装置的对象可作为目标对象。线性加速度传感器100主要用于检测目标对象的线性加速度信息,重力加速度传感器200主要用于检测目标对象的重力加速度信息。需要说明的是,线性加速度传感器100中所检测的加速度信息中不包含重力加速度,重力加速度传感器200中所检测的加速度信息不包含线性加速度。
在本发明实施例中,控制器包括:处理器3001,例如CPU,存储器3002,等。存储器1002可以是高速RAM存储器,也可以是稳定的存储器(non-volatile memory),例如磁盘存储器。存储器3002可选的还可以是独立于前述处理器1001的存储装置。
其中,处理器3001分别与存储器3002、线性加速度传感器100和重力加速度传感器200通信连接。处理器3001可调用存储器3002中计步相关的数据,也可将计步相关的数据保存到存储器3002。处理器3001还可从线性加速度传感器100和重力加速度传感器200中获取其检测的线性加速度数据和重力加速度数据。
本领域技术人员可以理解,图1中示出的装置结构并不构成对装置的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
如图1所示,作为一种可读存储介质的存储器3002中可以包括空调控制程序。在图1所示的装置中,处理器3001可以用于调用存储器3002中存储的空调控制程序,并执行以下实施例中计步方法的相关步骤操作。
本发明还提供一种计步方法。
参照图2,提出本发明计步方法第一实施例,所述计步方法包括:
步骤S10,获取目标对象的线性加速度信息和重力加速度信息;
目标对象具体为需要进行步数统计的对象,可以是人,也可以是动物。具体的,可将携带有计步装置的对象作为目标对象。
通过间隔预设时长或持续获取计步装置中线性加速度传感器的检测数据,作为线性加速度信息;通过间隔预设时长或持续获取计步装置中重力加速度传感器的检测数据,作为重力加速度信息。需要说明的是,线性加速度信息与重力加速度信息是同步检测的。
其中,线性加速度传感器具体为三轴线性加速度传感器,三轴线性加速度传感器任一时刻所检测的加速度数据具体包括ax、ay和az三个分别在三轴上的线性加速度,因此在任意时刻所获取的线性加速度信息a可基于ax 2+ay 2+az 2=a2合成得到;此外,还可直接将所检测到的ax、ay和az三个线性加速度直接作为线性加速度信息。
此外,重力加速度传感器具体为三轴重力加速度传感器,三轴重力加速度传感器任一时刻所检测的加速度数据具体包括gx、gy和gz三个分别在三轴上的重力加速度,因此在任意时刻所获取的重力加速度信息g可基于gx 2+gy 2+gz 2=g2合成得到;此外,还可直接将所检测到的gx、gy和gz三个重力加速度直接作为重力加速度信息。
步骤S20,基于所述线性加速度信息和所述重力加速度信息,分析所述目标对象的步数特征点;
这里的步数特征点指的是基于线性加速度信息和重力加速度信息所确定的用于识别新步数出现的数据特征点。
具体的,可分别制定步数特征点需要线性加速度信息满足的预设条件,以及步数特征点需要重力加速度信息满足的预设条件,对线性加速度信息和重力加速度信息进行分析,将某一时刻所对应获取的线性加速度信息与重力加速度信息分别满足各自对应的预设条件,则将该时刻的线性加速度信息和重力加速度信息作为目标对象的步数特征点。此外,在其他实施例中,还可对线性加速度信息和重力加速度信息合成之后的加速度信息,执行峰值检测、过零点检测或平坦区域检测等步数检测算法,以检测出目标对象的步数特征点。
步骤S30,基于所述步数特征点统计所述目标对象的步数。
当出现步数特征点或连续出现若干个满足预设规律的步数特征点,可确定出现新的步数。在当前已记录的目标对象的步数的基础上,增加新的步数,便可得到目标对象当前的步数。例如,通过对加速度信息进行峰值检测得到的步数特征点时,连续出现一个波峰和一个波谷可认为出现一个新的步数。
本发明实施例提出的一种计步方法,该方法通过分别获取目标对象的线性加速度信息和重力加速度信息;基于线性加速度信息和重力加速度信息,分析目标对象的步数特征点,基于步数特征点统计目标对象的步数,由于目标对象的线性加速度和重力加速度是独立检测的,即使传感器佩戴角度、行走习惯等不同产生噪声,分别检测的线性加速度和重力加速度也可突出地反映出步数特征,更为准确地反映目标对象当前的行走情况,从而基于所得到的加速度数据可得到更精确的步数特征点,有效提高步数统计的精确性。
其中,在第一实施例中,步骤S20之前,还可包括:对所述线性加速度信息和所述重力加速度信息分别进行低通滤波处理。具体的,当线性加速度信息和重力加速度信息为三轴加速度信息时,分别线性加速度信息和重力加速度信息中每轴的加速度数据进行低通滤波处理,将平滑后的线性加速度信息和重力加速度信息进行核查得到合成加速度信息。通过上述方式,可保证所得到的合成加速度信息中不包含由加速度传感器佩戴角度、行走习惯等不同所产生的噪声,从而基于合成加速度信息所识别到的目标对象的步数特征点更为精确。
需要说明的是,在其他实施例中,对噪声的识别处理还可在步数特征点分析的过程中同步执行。
进一步的,基于第一实施例,提出本申请计步方法第二实施例。在第二实施例中,参照图3,所述步骤S20包括:
步骤S21,根据所述线性加速度信息和所述重力加速度信息,生成合成加速度信息;
具体的,可直接将线性加速度信息和重力加速度信息进行矢量合成得到合成加速度信息。此外,当线性加速度信息和重力加速度信息为三轴加速度信息时,可分别线性加速度信息和重力加速度信息的三轴数据对应合成后,将三轴数据的矢量和作为合成加速度信息。例如,合成加速度信息S=ax*gx+ay*gy+az*gz,其中ax为线性加速度信息在X轴上的加速度数据,ay为线性加速度信息在Y轴上的加速度数据,以及az为线性加速度信息在Z轴上的加速度数据;其中gx为重力加速度信息在X轴上的加速度数据,gy为重力加速度信息在Y轴上的加速度数据,以及gz为重力加速度信息在Z轴上的加速度数据。间隔时长获取的线性加速度信息和重力加速度信息,对应生成多个合成加速度信息;连续获取的线性加速度信息和重力加速度信息,对应生成连续的合成加速度信息。
步骤S22,根据所述合成加速度信息分析所述目标对象的步数特征点。
具体的,可将对连续的合成加速度信息所形成的波形或多个合成加速度信息进行峰值检测等步数识别方法,识别出目标对象的步数特征点。例如,对合成加速度形成的波形按照预设的峰值检测算法进行处理,识别出满足条件的峰值作为步数特征点。
在本实施例中,将线性加速度信息和重力加速度信息合成后形成的合成加速度信息进行分析,得到步数特征点,由于合成加速度信息更能准确表征目标对象实际的行走情况,因此基于合成加速度信息所得到的步数特征点更为准确。
进一步的,基于第二实施例,提出本申请计步方法第三实施例。在第三实施例中,参照图4,所述步骤S10包括:
步骤S11,获取依次连续检测的所述目标对象的第一线性加速度、第二线性加速度和第三线性加速度,作为所述线性加速度信息;获取与所述第一线性加速度同时检测的所述目标对象的第一重力加速度、与所述第二线性加速度同时检测的所述目标对象的第二重力加速度、以及与所述第三线性加速度同时检测的所述目标对象的第三重力加速度,作为所述重力加速度信息。
具体的,获取线性加速度传感器和重力加速度传感器在连续三个时刻T1、T2、T3所检测的加速度数据,得到线性加速度信息和重力加速度信息。其中,T1时刻早于T2时刻,T2时刻早于T3时刻。T1时刻与T2时刻、T2时刻与T3时刻之间的间隔时长可相等。具体的,将T1时刻线性加速度传感器检测到的数据(如三轴加速度数据a1x、a1y、a1z)作为第一线性加速度,将T1时刻重力加速度传感器检测到的数据(如三轴加速度数据g1x、g1y、g1z)作为第一重力加速度;将T2时刻线性加速度传感器检测到的数据(如三轴加速度数据a2x、a2y、a2z)作为第二线性加速度,将T2时刻重力加速度传感器检测到的数据(如三轴加速度数据g2x、g2y、g2z)作为第二重力加速度;将T3时刻线性加速度传感器检测到的数据(如三轴加速度数据a3x、a3y、a3z)作为第三线性加速度,将T3时刻重力加速度传感器检测到的数据(如三轴加速度数据g3x、g3y、g3z)作为第三重力加速度。
需要说明的是,计步装置对目标对象进行检测的过程中的任意三个时刻,均可作为上述获取线性加速度信息和重力加速度信息的检测时刻。
具体的,在第三实施例中,所述步骤S21包括:
步骤S211,根据所述第一线性加速度和所述第一重力加速度生成第一合成加速度,根据所述第二线性加速度和所述第二重力加速度生成第二合成加速度,根据所述第三线性加速度和所述第三重力加速度生成第三合成加速度,得到所述合成加速度信息。
具体的,在线性加速度信息和重力加速度信息均为三轴加速度信息时,在T1时刻对应的第一合成加速度S1=a1x*g1x+a1y*g1y+a1z*g1z,在T2时刻对应的第二合成加速度S2=a2x*g2x+a2y*g2y+a2z*g2z,在T3时刻对应的第三合成加速度S3=a3x*g3x+a3y*g3y+a3z*g3z。
在得到第一合成加速度、第二合成加速度和第三合成加速度后,可基于第一合成加速度、第二合成加速度和第三合成加速度之间的大小关系、变化趋势和/或所处的加速度数值范围等分析三个合成加速度中所包含的步数特征点。
在本实施例中,基于连续检测到的多个线性加速度信息和重力加速度信息,确定步数特征点,有利于在步数特征点的识别过程减少加速度数据的处理量同时保证所得到的步数特征点的准确性。其中,分别将每个时刻对应的线性加速度和重力加速度进行合成,得到每个时刻所对应的合成加速度表征目标对象在各个时刻行走的实际状况,基于多个合成加速度结合分析步数特征点,从而进一步提高步数特征点识别的准确性。通过上述方式,可进一步提高步数检测的精准性。
进一步的,基于上述第三实施例,提出本申请计步方法第四实施例。在第四实施例中,参照图5,所述步骤S22包括:
步骤S221,确定所述第一合成加速度与所述第二合成加速度之间的第一大小关系,确定所述第二合成加速度与所述第三合成加速度之间的第二大小关系;
第一大小关系包括第一合成加速度大于第二合成加速度,第一合成加速度小于第二合成加速度,第一合成加速度等于第二合成加速度。第一大小关系可通过直接将第一合成加速度和第二合成加速度进行比较得到。此外,第一大小关系还可通过以下方式得到,将所述第二合成加速度减去所述第一合成加速度,得到所述第一差值,根据所述第一差值确定所述第一大小关系。具体的,第一差值大于0,则第一大小关系为第二合成加速度大于第一合成加速度,第一差值小于0,则第一大小关系为第二合成加速度小于第一合成加速度,第一差值等于0,则第一大小关系为第二合成加速度等于第一合成加速度。
第二大小关系包括第三合成加速度大于第二合成加速度,第三合成加速度小于第二合成加速度,第三合成加速度等于第二合成加速度。第二大小关系可通过直接将第二合成加速度和第三合成加速度进行比较得到。此外,第二大小关系还可通过以下方式得到,将所述第二合成加速度减去所述第三合成加速度,得到所述第二差值,根据所述第二差值确定所述第二大小关系。具体的,第二差值大于0,则第二大小关系为第二合成加速度大于第三合成加速度,第二差值小于0,则第二大小关系为第二合成加速度小于第三合成加速度,第二差值等于0,则第二大小关系为第二合成加速度等于第三合成加速度。
步骤S222,根据所述第一大小关系和所述第二大小关系,识别所述合成加速度信息中的极值点;
具体的,当所述第一大小关系为所述第二合成加速度大于所述第一合成加速度、且所述第二大小关系为所述第二合成加速度大于所述第三合成加速度时,确定所述第二合成加速度为极大值点;当所述第一大小关系为所述第二合成加速度小于所述第一合成加速度、且所述第二大小关系为所述第二合成加速度小于所述第三合成加速度时,确定所述第二合成加速度为极小值点。
此外,在其他实施例中,当第一合成加速度等于第二合成加速度时,可获取在第一合成加速度对应的时刻之前的至少一个时刻得到的合成加速度,进一步识别第一合成加速度和第二合成加速度是否为极大值点或极小值点;第二合成加速度等于第三合成加速度时,可获取在第三合成加速度对应的时刻之后的至少一个时刻得到的合成加速度,进一步识别第二合成加速度和第三合成加速度是否为极大值点或极小值点。
其中,在确定第二合成加速度既不是极大值点,也不是极小值点时,可将第二合成加速度更新为新的第一合成加速度,将第三合成加速度更新为新的第二合成加速度,同时获取T3时刻的后一时刻所对应的合成加速度,并更新为第三合成加速度,返回执行步骤S221。
步骤S223,将所述极值点作为所述目标对象的步数特征点。
在本实施例中,通过分别确定某一时刻对应的合成加速度(上述的第二合成加速度)与前后两个时刻的两个合成加速度(上述的第一合成加速度和第三合成加速度)之间的大小关系,实现步数特征点的有效准确地识别,从而使基于步数特征点所得到的步数的精确性。
其中,在基于所得到的步数特征点确定所在新的步数后,则可将第二合成加速度更新为新的第一合成加速度,将第三合成加速度更新为新的第二合成加速度,同时获取T3时刻的后一时刻所对应的合成加速度,并更新为第三合成加速度,返回执行步骤S221,继续检测目标对象所出现的新步数,从而实现对目标对象所出现的步数进行及时更新。
进一步的,基于上述第四实施例,提出本申请计步方法第五实施例。在第五实施例中,参照图6,所述步骤S223之前,还包括:
步骤S201,确定所述极值点的极值类型;
极值点的极值类型具体包括两种,一种是极大值,另一种是极小值。
步骤S202,获取所述极值类型对应的阈值范围;
不同的极值类型对应设置有不同的阈值范围,具体阈值范围的大小可根据实际情况(例如不同的运动状态设置有不同的阈值范围等)进行设置。例如极大值对应的阈值范围为[a,b],极小值对应的阈值范围为[c,d],其中a>b≥c>d。
当所述极值点位于所述阈值范围内时,执行所述步骤S203。
具体的,当极值点为极大值点,且该极大值点位于[a,b]内时,才将该极大值点作为步数特征点;当极值点为极小值点,且该极小值点位于[c,d]内时,才将该极小值点作为步数特征点。
此外,当所述极值点不位于所述阈值范围内时,则可将第二合成加速度更新为新的第一合成加速度,将第三合成加速度更新为新的第二合成加速度,同时获取T3时刻的后一时刻所对应的合成加速度,并更新为第三合成加速度,返回执行步骤S221,继续检测目标对象所出现的新步数。
在本实施例中,对于加速度数据中不同的峰值对应设置不同的阈值范围,用以判断极值点作为步数特征点的有效性,从而进一步保证所得到的步数特征点的精确性。
进一步的,基于上述第四或第五实施例,提出本申请计步方法第六实施例。在第六实施例中,参照图7,在将极值点作为目标对象的步数特征点之前,还包括:
步骤S203,获取所述极值点与前一极值点出现的间隔时长;
具体的,将当前极值点所对应的加速度数据的检测时刻定义为第一时刻,将第一时刻之前识别到的极值点(其检测方法可参照当前极值点的识别方法)所对应的加速度数据的检测时刻定义为第二时刻。第一时刻与第二时刻的时间间隔则作为这里的间隔时长。
当所述间隔时长大于预设时长时,执行所述步骤S223。
预设时长可根据实际需求进行设置,例如将0.25s作为预设时长。
在本实施例中,由于传感器佩戴角度、行走习惯等不同可能导致合成加速度中出现非新步数所导致的极值点,因此,在当前极值点与前一极值点出现的间隔时长大于与预设时长时,才将极值点作为步数特征点,可进一步保证所得到步数特征点的准确性,从而提高步数检测的精确性。
此外,本发明实施例还提出一种可读存储介质,所述可读存储介质上存储有计步程序,所述计步程序被处理器执行时实现如上计步方法任一实施例的相关步骤。
需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的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如上所述的一个存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,计算机,服务器,计步装置,或者网络设备等)执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (13)
1.一种计步方法,其特征在于,所述计步方法包括以下步骤:
获取目标对象的线性加速度信息和重力加速度信息;
基于所述线性加速度信息和所述重力加速度信息,分析所述目标对象的步数特征点;
基于所述步数特征点统计所述目标对象的步数。
2.如权利要求1所述的计步方法,其特征在于,所述基于所述线性加速度信息和所述重力加速度信息,分析所述目标对象的步数特征点的步骤之前,还包括:
对所述线性加速度信息和所述重力加速度信息分别进行低通滤波处理。
3.如权利要求2所述的计步方法,其特征在于,所述基于所述线性加速度信息和所述重力加速度信息,分析所述目标对象的步数特征点的步骤包括:
根据所述线性加速度信息和所述重力加速度信息,生成合成加速度信息;
根据所述合成加速度信息分析所述目标对象的步数特征点。
4.如权利要求3所述的计步方法,其特征在于,所述获取目标对象的线性加速度信息和重力加速度信息的步骤包括:
获取依次连续检测的所述目标对象的第一线性加速度、第二线性加速度和第三线性加速度,作为所述线性加速度信息;
获取与所述第一线性加速度同时检测的所述目标对象的第一重力加速度、与所述第二线性加速度同时检测的所述目标对象的第二重力加速度、以及与所述第三线性加速度同时检测的所述目标对象的第三重力加速度,作为所述重力加速度信息。
5.如权利要求4所述的计步方法,其特征在于,所述根据所述线性加速度信息和所述重力加速度信息,生成合成加速度信息的步骤包括:
根据所述第一线性加速度和所述第一重力加速度生成第一合成加速度,根据所述第二线性加速度和所述第二重力加速度生成第二合成加速度;
根据所述第三线性加速度和所述第三重力加速度生成第三合成加速度,得到所述合成加速度信息。
6.如权利要求5所述的计步方法,其特征在于,所述根据所述合成加速度信息分析所述目标对象的步数特征点的步骤包括:
确定所述第一合成加速度与所述第二合成加速度之间的第一大小关系,确定所述第二合成加速度与所述第三合成加速度之间的第二大小关系;
根据所述第一大小关系和所述第二大小关系,识别所述合成加速度信息中的极值点;
将所述极值点作为所述目标对象的步数特征点。
7.如权利要求6所述的计步方法,其特征在于,所述根据所述第一大小关系和所述第二大小关系,识别所述合成加速度信息中的极值点的步骤包括:
当所述第一大小关系为所述第二合成加速度大于所述第一合成加速度、且所述第二大小关系为所述第二合成加速度大于所述第三合成加速度时,确定所述第二合成加速度为极大值点;
当所述第一大小关系为所述第二合成加速度小于所述第一合成加速度、且所述第二大小关系为所述第二合成加速度小于所述第三合成加速度时,确定所述第二合成加速度为极小值点。
8.如权利要求7所述的计步方法,其特征在于,所述将所述极值点作为所述目标对象的步数特征点的步骤之前,还包括:
确定所述极值点的极值类型;
获取所述极值类型对应的阈值范围;
当所述极值点位于所述阈值范围内时,执行所述将所述极值点作为所述目标对象的步数特征点的步骤。
9.如权利要求8所述的计步方法,其特征在于,所述将所述极值点作为所述目标对象的步数特征点的步骤之前,还包括:
获取所述极值点与前一极值点出现的间隔时长;
当所述间隔时长大于预设时长时,执行所述将所述极值点作为所述目标对象的步数特征点。
10.如权利要求6所述的计步方法,其特征在于,所述确定所述第一合成加速度与所述第二合成加速度之间的第一大小关系,确定所述第二合成加速度与所述第三合成加速度之间的第二大小关系的步骤包括:
将所述第二合成加速度减去所述第一合成加速度,得到所述第一差值,将所述第二合成加速度减去所述第三合成加速度,得到所述第二差值;
根据所述第一差值确定所述第一大小关系,根据所述第二差值确定所述第二大小关系。
11.一种控制器,其特征在于,所述控制器包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计步程序,所述计步程序被所述处理器执行时实现如权利要求1至10中任一项所述的计步方法的步骤。
12.一种计步装置,其特征在于,所述计步装置包括:
线性加速度传感器;
重力加速度传感器;以及
如权利要求11所述的控制器,所述线性加速度传感器和所述重力加速度传感器均与所述控制器连接。
13.一种可读存储介质,其特征在于,所述可读存储介质上存储有计步程序,所述计步程序被处理器执行时实现如权利要求1至10中任一项所述的计步方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911184161.XA CN111006683A (zh) | 2019-11-27 | 2019-11-27 | 计步装置及其计步方法、控制器和可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911184161.XA CN111006683A (zh) | 2019-11-27 | 2019-11-27 | 计步装置及其计步方法、控制器和可读存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111006683A true CN111006683A (zh) | 2020-04-14 |
Family
ID=70112266
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911184161.XA Pending CN111006683A (zh) | 2019-11-27 | 2019-11-27 | 计步装置及其计步方法、控制器和可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111006683A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113303789A (zh) * | 2021-04-30 | 2021-08-27 | 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 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103354572A (zh) * | 2013-06-28 | 2013-10-16 | 包头师范学院 | 一种采用智能手机重力传感器的计步方法 |
CN103727959A (zh) * | 2013-12-31 | 2014-04-16 | 歌尔声学股份有限公司 | 计步方法及装置 |
CN104880198A (zh) * | 2014-02-27 | 2015-09-02 | 宏碁股份有限公司 | 计步方法及其电子装置 |
CN105004349A (zh) * | 2015-06-30 | 2015-10-28 | 深圳市元征科技股份有限公司 | 一种计步方法 |
CN105496416A (zh) * | 2015-12-28 | 2016-04-20 | 歌尔声学股份有限公司 | 一种人体运动状态的识别方法和装置 |
CN106331363A (zh) * | 2016-09-09 | 2017-01-11 | 常州大学 | 一种基于智能手机的盲人识别及引导式导盲的方法 |
CN106441350A (zh) * | 2016-10-09 | 2017-02-22 | 深圳市金立通信设备有限公司 | 一种计步方法及终端 |
CN107277222A (zh) * | 2016-12-20 | 2017-10-20 | 浙江从泰网络科技有限公司 | 基于手机内置传感器的用户行为状态判断方法 |
CN107393260A (zh) * | 2017-07-31 | 2017-11-24 | 青岛真时科技有限公司 | 一种久坐提醒方法、装置和手腕式久坐提醒器 |
CN108231156A (zh) * | 2017-12-19 | 2018-06-29 | 中山大学 | 一种基于可穿戴设备进行行为识别的患者活动情况分析系统及其方法 |
CN109029492A (zh) * | 2018-10-12 | 2018-12-18 | 潍坊歌尔电子有限公司 | 一种计步方法、装置及腕部计步设备 |
-
2019
- 2019-11-27 CN CN201911184161.XA patent/CN111006683A/zh active Pending
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103354572A (zh) * | 2013-06-28 | 2013-10-16 | 包头师范学院 | 一种采用智能手机重力传感器的计步方法 |
CN103727959A (zh) * | 2013-12-31 | 2014-04-16 | 歌尔声学股份有限公司 | 计步方法及装置 |
CN104880198A (zh) * | 2014-02-27 | 2015-09-02 | 宏碁股份有限公司 | 计步方法及其电子装置 |
CN105004349A (zh) * | 2015-06-30 | 2015-10-28 | 深圳市元征科技股份有限公司 | 一种计步方法 |
CN105496416A (zh) * | 2015-12-28 | 2016-04-20 | 歌尔声学股份有限公司 | 一种人体运动状态的识别方法和装置 |
CN106331363A (zh) * | 2016-09-09 | 2017-01-11 | 常州大学 | 一种基于智能手机的盲人识别及引导式导盲的方法 |
CN106441350A (zh) * | 2016-10-09 | 2017-02-22 | 深圳市金立通信设备有限公司 | 一种计步方法及终端 |
CN107277222A (zh) * | 2016-12-20 | 2017-10-20 | 浙江从泰网络科技有限公司 | 基于手机内置传感器的用户行为状态判断方法 |
CN107393260A (zh) * | 2017-07-31 | 2017-11-24 | 青岛真时科技有限公司 | 一种久坐提醒方法、装置和手腕式久坐提醒器 |
CN108231156A (zh) * | 2017-12-19 | 2018-06-29 | 中山大学 | 一种基于可穿戴设备进行行为识别的患者活动情况分析系统及其方法 |
CN109029492A (zh) * | 2018-10-12 | 2018-12-18 | 潍坊歌尔电子有限公司 | 一种计步方法、装置及腕部计步设备 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113303789A (zh) * | 2021-04-30 | 2021-08-27 | 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 |
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 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US8781991B2 (en) | Emotion recognition apparatus and method | |
CN110811578A (zh) | 计步装置及其计步方法、控制器和可读存储介质 | |
CN108109336B (zh) | 一种基于加速度传感器的人体跌倒识别方法 | |
JP2016528590A (ja) | 歩数カウント方法及び装置 | |
CN111288986B (zh) | 一种运动识别方法及运动识别装置 | |
CN106441350A (zh) | 一种计步方法及终端 | |
CN109407131B (zh) | 车头朝向确定方法、装置及设备 | |
CN107277222A (zh) | 基于手机内置传感器的用户行为状态判断方法 | |
CN108614987A (zh) | 数据处理的方法、装置和机器人 | |
CN108937866A (zh) | 睡眠状态的监测方法及装置 | |
CN112869733B (zh) | 一种心冲击图实时心搏间期测算方法 | |
CN109558841A (zh) | 一种运动状态的识别方法、装置及终端 | |
US20190231277A1 (en) | Optimized real peak detection in cyclic biological data signals | |
CN111006683A (zh) | 计步装置及其计步方法、控制器和可读存储介质 | |
CN111189469A (zh) | 计步方法、终端设备及存储介质 | |
CN111803902B (zh) | 泳姿识别方法、装置、可穿戴设备及存储介质 | |
CN110180158B (zh) | 一种跑步状态识别方法、系统及终端设备 | |
CN111026273A (zh) | 智能穿戴设备自动设置方法、装置、电子设备及存储介质 | |
KR20160020915A (ko) | 스마트폰 환경에서 보행 수 검출 장치 및 방법 | |
CN109685111B (zh) | 动作识别方法、计算系统、智能设备及存储介质 | |
CN111982149B (zh) | 一种计步识别方法、装置、设备及可读存储介质 | |
CN114533010A (zh) | 心率检测方法和装置 | |
CN111126294B (zh) | 一种基于移动终端数据识别终端用户步态的方法和服务器 | |
CN109374014B (zh) | 一种计步方法、系统及移动设备 | |
CN112334067A (zh) | 用于提供人员的步数的求取方法的方法 |
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 |