CN111512346B - 一种计算单车踏频的方法、穿戴设备及存储介质 - Google Patents
一种计算单车踏频的方法、穿戴设备及存储介质 Download PDFInfo
- Publication number
- CN111512346B CN111512346B CN201880083464.XA CN201880083464A CN111512346B CN 111512346 B CN111512346 B CN 111512346B CN 201880083464 A CN201880083464 A CN 201880083464A CN 111512346 B CN111512346 B CN 111512346B
- Authority
- CN
- China
- Prior art keywords
- state
- acceleration signal
- time
- points
- point
- 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
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C5/00—Registering or indicating the working of vehicles
- G07C5/08—Registering or indicating performance data other than driving, working, idle, or waiting time, with or without registering driving, working, idle or waiting time
- G07C5/0841—Registering performance data
- G07C5/085—Registering performance data using electronic data carriers
-
- 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
- A61B5/1113—Local tracking of patients, e.g. in a hospital or private home
- A61B5/1114—Tracking parts of the body
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
- A61B5/6801—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be attached to or worn on the body surface
- A61B5/6813—Specially adapted to be attached to a specific body part
- A61B5/6829—Foot or ankle
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01P—MEASURING LINEAR OR ANGULAR SPEED, ACCELERATION, DECELERATION, OR SHOCK; INDICATING PRESENCE, ABSENCE, OR DIRECTION, OF MOVEMENT
- G01P1/00—Details of instruments
- G01P1/12—Recording devices
- G01P1/127—Recording devices for acceleration values
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01P—MEASURING LINEAR OR ANGULAR SPEED, ACCELERATION, DECELERATION, OR SHOCK; INDICATING PRESENCE, ABSENCE, OR DIRECTION, OF MOVEMENT
- G01P15/00—Measuring acceleration; Measuring deceleration; Measuring shock, i.e. sudden change of acceleration
- G01P15/18—Measuring acceleration; Measuring deceleration; Measuring shock, i.e. sudden change of acceleration in two or more dimensions
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01P—MEASURING LINEAR OR ANGULAR SPEED, ACCELERATION, DECELERATION, OR SHOCK; INDICATING PRESENCE, ABSENCE, OR DIRECTION, OF MOVEMENT
- G01P3/00—Measuring linear or angular speed; Measuring differences of linear or angular speeds
- G01P3/42—Devices characterised by the use of electric or magnetic means
- G01P3/44—Devices characterised by the use of electric or magnetic means for measuring angular speed
- G01P3/48—Devices characterised by the use of electric or magnetic means for measuring angular speed by measuring frequency of generated current or voltage
- G01P3/481—Devices characterised by the use of electric or magnetic means for measuring angular speed by measuring frequency of generated current or voltage of pulse signals
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/12—Classification; Matching
Landscapes
- Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Physics & Mathematics (AREA)
- Heart & Thoracic Surgery (AREA)
- Surgery (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Engineering & Computer Science (AREA)
- Biomedical Technology (AREA)
- Veterinary Medicine (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Public Health (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Dentistry (AREA)
- Physiology (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
- User Interface Of Digital Computer (AREA)
- Navigation (AREA)
Abstract
一种计算单车踏频的方法、穿戴设备及存储介质,该方法包括:获取加速度信号在第一时间窗口内的第一状态(201);当确定所述第一状态包括骑行状态时,从所述加速度信号中确定特征点集合(202),所述特征点集合中的特征点的时间分布均符合预设的周期性分布条件,且幅度符合物理规律;当确定所述特征点集合中存在特征点子集合满足预设的合理性条件时,确定所述第一状态为骑行状态(203);根据所述特征点子集合计算在所述第一时间窗口内的圈数和踏频(204)。通过采用该方案,能够准确的确定骑行状态和计算出圈数和踏频。
Description
技术领域
本申请涉及运动器械领域,尤其涉及的是一种计算单车踏频的方法、穿戴设备及存储介质。
背景技术
自行车车轮等转动载体的转速或速度时,一般将加速度计安装在自行车车轮等转动载体上。利用加速度计的输出信号,提取载体转动的向心加速度,通过向心加速度、转速和转动半径的关系得到转动载体的转速;或者在时域、频域内对加速度计输出的周期性信号进行检测,根据周期性信号计算得到载体转动的周期或频率,进而得到转动载体的转速或速度。但是安装在自行车上面的加速度计不是穿戴设备需要独立安装在转动载体上,且需要通过蓝牙等通信方式才能传输加速度计的输出信号,使用不便。
目前的穿戴设备中配置了加速度计等传感器,用户将该穿戴设备佩戴在足部时,穿戴设备可通过传感器输出的信号来计算当前用户的步数,但是该穿戴设备并不能用来计算踏频和识别骑行状态。
发明内容
本申请提供了一种计算单车踏频的方法、穿戴设备及存储介质,能够解决现有技术中可穿戴设备不能计算踏频和不能自动识别骑行状态的问题。
本申请第一方面提供一种计算单车踏频的方法,所述方法包括:
获取加速度信号在第一时间窗口内的第一状态。
当确定所述第一状态包括骑行状态时,从所述加速度信号中确定特征点集合,所述特征点集合中的特征点的时间分布均符合预设的周期性分布条件,且幅度符合物理规律。
当确定所述特征点集合中存在特征点子集合满足预设的合理性条件时,确定所述第一状态为骑行状态。
根据所述特征点子集合计算在所述第一时间窗口内的圈数和踏频。
相较于现有技术,本申请提供的方案中,当确定第一状态包括骑行状态时,从加速度信号中确定特征点的时间分布符合预设的周期性分布条件,且幅度符合物理规律的特征点集合,然后进一步确定特征点集合中存在特征点子集合满足预设的合理性条件时,确定第一状态为骑行状态,再根据特征点子集合计算在第一时间窗口内的圈数和踏频。通过采用本方案,用户将穿戴设备穿戴在腿部后,不需要预先获取转动载体(例如自行车)的参数,更不需要将该穿戴设备安装在转动载体上,就能够准确的计算转动载体的圈数和踏频。
在一些可能的设计中,所述获取第一时间窗口内加速度信号的第一状态,包括:
获取三轴加速度信号;
计算三轴加速度信号中各轴加速度信号的合加速度,合加速度是三轴加速度的平方和再开根号;
根据所述合加速度确定所述第一状态。该加速度信号在第一时间窗内的第一状态可以是静止状态、跑步状态、走路状态、骑行状态,或者其他状态。通过合加速度确定第一状态,能够对三轴加速度信号在第一时间窗口的状态进行初步判断和筛选。
在一些可能的设计中,所述特征点集合包括极大值点集合和极小值点集合,所述极大值点集合中的极大值点的时间分布,以及所述极小值点集合中的极小值点的时间分布均符合所述预设的周期性分布条件,满足周期性分布条件,且幅度符合相关物理规律,则表示这些极大值点和极小值点具备合理性,可用于后续计算圈数和踏频。
在一些可能的设计中,所述从所述加速度信号中确定特征点集合,包括:
从所述加速度信号中确定第一极大值点集合和第一极小值点集合。
计算第一极小值点和第二极小值点关于第一极大值点的时间比和幅度比,其中,所述第一极大值点为所述第一极大值点集合中的极大值点,所述第一极小值点和所述第二极小值均为所述第一极小值点集合中的极小值点,所述第一极小值和所述第二极小值分别为所述第一极大值点相邻的极值点。
当所述时间比在第一数值范围内且所述幅度比在第二数值范围内时,确定所述第一极大值点在时间分布符合所述预设的合理性条件,得到所述极大值点集合和所述极小值点集合。可选的,还可以设置预设阈值或自适应阈值对极大值点集合中的极大值点的合理性进行判断。
在一些可能的设计中,所述时间比为[t(x)-t(y1)]/[t(y2)-t(x)],所述幅度比为[acc_f(x)-acc_f(y1)]/[acc_f(y2)-acc_f(x)];
其中,t(x)为所述第一极大值点x1对应的时间点,t(y1)为所述第一极小值点y1对应的时间点,t(y2)为所述第二极小值点y2对应的时间点,acc_f(x)表示所述加速度信号在x的幅度值,acc_f(y1)表示所述加速度信号在y1的幅度值,acc_f(y2)表示所述加速度信号在y2的幅度值。若对所述加速度信号进行滤波处理,那在计算所述时间比和幅度比时,acc_f(x)、acc_f(y1)和acc_f(y2)均为滤波处理后的加速度信号的幅度值,若未对所述加速度信号进行滤波处理,那在计算所述时间比和幅度比时,acc_f(x)、acc_f(y1)和acc_f(y2)均为原始加速度信号的幅度值,具体本申请不作限定。
在一些可能的设计中,所述得到所述极大值点集合和所述极小值点集合之后,方法还包括:
从所述极大值点集合选取一组极大值点;
根据所述预设的合理性条件对所述一组极大值点进行合理性判断,所述预设的合理性条件至少包括以下项之一:
合加速度平均值与圈数的第一比值大于第一阈值;
或者,相邻极大值点的时间间隔的第一标准差小于第二阈值;
或者,有效极大值点个数与原始极大值点个数的第二比值大于第三阈值;
或者,极大值点幅度值之差的第二标准差小于第四阈值;
或者,速度低于第一数值的速度对应的圈数不大于第一圈数,速度高于第一数值且小于第二数值的速度对应的圈数不大于第二圈数,所述第一圈数小于所述第二圈数。
在一些可能的设计中,所述确定所述加速度信号在所述第一状态为骑行状态之后,方法还包括:
获取所述加速度信号在第二时间窗的第二状态和在第三时间窗口的第三状态,所述第二时间窗口、所述第三时间窗口和所述第一时间窗口在时域上相邻且递增排列;
根据所述第二状态和所述第一状态对所述第三状态进行状态修正。
在一些可能的设计中,所述根据所述第二状态和所述第一状态对所述第三状态进行状态修正,包括:
当所述第二状态与所述第一状态均为非骑行状态,且所述第三状态为骑行状态时,将所述加速度信号在所述第三时间窗口内的状态修正为非骑行状态,将所述第三时间窗口内的圈数置0;
或者,当所述第二状态与所述第一状态均为骑行状态,且所述第三状态为非骑行状态时,将所述加速度信号在所述第三时间窗口内的状态修正为骑行状态。
在一些可能的设计中,当所述第二状态与所述第一状态均为骑行状态,且所述第三状态为非骑行状态时,所述方法还包括:
根据所述加速度信号在所述第三时间窗口内的特征点集合计算第二圈数;
当所述第二圈数与所述第一圈数的比值在第三数值范围内时,确定所述加速度信号在所述第三时间窗口的状态为骑行状态,并将记录的所述第三时间窗口内的圈数更新为所述第二圈数。
在一些可能的设计中,所述特征点集合为交点集合,所述交点集合中的交点为所述加速度信号与均值的交点,所述均值是指所述加速度信号中所有时间点的加速度的平均值。这些交点的时间分布均符合所述预设的周期性分布条件,且幅度符合相关物理规律。
在一些可能的设计中,所述加速度信号为所述三轴加速度信号中的重力轴加速度信号。用户的左右这一轴方向基本没有有用的信号。所以,可以将所述三轴加速度信号中的重力轴加速度信号作为所述加速度信号。可见,仅采用重力方向这一轴的加速度信号,有助于减少噪声带来的影响,降低处理难度。
在一些可能的设计中,采用滑动平均滤波方式对所述加速度信号进行平滑处理,以及采用无限冲击响应巴特沃兹低通滤波方式去除该加速度信号中的高频干扰信号。滤波方式包括但不限于上述滤波方式,也可采用其他低通滤波方式。
本申请第二方面提供一种穿戴设备,具有实现对应于上述第一方面提供的计算单车踏频的方法和自动检测骑行状态的功能。所述功能可以通过硬件实现,也可以通过硬件执行相应的软件实现。硬件或软件包括一个或多个与上述功能相对应的模块,所述模块可以是软件和/或硬件。
一种可能的设计中,所述穿戴设备包括:
所述穿戴设备包括:
获取模块,用于获取加速度信号在第一时间窗口内的第一状态;
处理模块,用于当确定所述获取模块获取的所述第一状态包括骑行状态时,从所述加速度信号中确定特征点集合,所述特征点集合中的特征点的时间分布均符合预设的周期性分布条件;当确定所述特征点集合中存在特征点子集合满足预设的合理性条件时,确定所述第一状态为骑行状态;根据所述特征点子集合计算在所述第一时间窗口内的圈数和踏频。
在一些可能的设计中,所述获取模块用于:
获取三轴加速度信号;
计算三轴加速度信号中各轴加速度信号的合加速度;
根据所述合加速度确定所述第一状态。
在一些可能的设计中,所述特征点集合包括极大值点集合和极小值点集合,所述极大值点集合中的极大值点的时间分布,以及所述极小值点集合中的极小值点的时间分布均符合所述预设的周期性分布条件,且幅度符合相关物理规律。
在一些可能的设计中,所述处理模块用于:
从所述加速度信号中确定第一极大值点集合和第一极小值点集合;
计算第一极小值点和第二极小值点关于第一极大值点的时间比和幅度比,其中,所述第一极大值点为所述第一极大值点集合中的极大值点,所述第一极小值点和所述第二极小值均为所述第一极小值点集合中的极小值点,所述第一极小值和所述第二极小值分别为所述第一极大值点相邻的极值点;
当所述时间比在第一数值范围内且所述幅度比在第二数值范围内时,确定所述第一极大值点在时间分布符合所述预设的合理性条件,得到所述极大值点集合和所述极小值点集合。
在一些可能的设计中,所述时间比为[t(x)-t(y1)]/[t(y2)-t(x)],所述幅度比为[acc_f(x)-acc_f(y1)]/[acc_f(y2)-acc_f(x)];
其中,t(x)为所述第一极大值点x1对应的时间点,t(y1)为所述第一极小值点y1对应的时间点,t(y2)为所述第二极小值点y2对应的时间点,acc_f(x)表示所述加速度信号在x的幅度值,acc_f(y1)表示所述加速度信号在y1的幅度值,acc_f(y2)表示所述加速度信号在y2的幅度值。
在一些可能的设计中,所述处理模块在得到所述极大值点集合和所述极小值点集合之后,还用于:
从所述极大值点集合选取一组极大值点;
根据所述预设的合理性条件对所述一组极大值点进行合理性判断,所述预设的合理性条件至少包括以下项之一:
合加速度平均值与圈数的第一比值大于第一阈值;
或者,相邻极大值点的时间间隔的第一标准差小于第二阈值;
或者,有效极大值点个数与原始极大值点个数的第二比值大于第三阈值;
或者,极大值点幅度值之差的第二标准差小于第四阈值;
或者,速度低于第一数值的速度对应的圈数不大于第一圈数,速度高于第一数值且小于第二数值的速度对应的圈数不大于第二圈数,所述第一圈数小于所述第二圈数。
在一些可能的设计中,所述处理模块在确定所述加速度信号在所述第一状态为骑行状态之后,还用于:
通过所述获取模块获取所述加速度信号在第二时间窗的第二状态和在第三时间窗口的第三状态,所述第二时间窗口、所述第三时间窗口和所述第一时间窗口在时域上相邻且递增排列;
根据所述第二状态和所述第一状态对所述第三状态进行状态修正。
在一些可能的设计中,所述处理模块用于:
当所述第二状态与所述第一状态均为非骑行状态,且所述第三状态为骑行状态时,将所述加速度信号在所述第三时间窗口内的状态修正为非骑行状态,将所述第三时间窗口内的圈数置0;
或者,当所述第二状态与所述第一状态均为骑行状态,且所述第三状态为非骑行状态时,将所述加速度信号在所述第三时间窗口内的状态修正为骑行状态。
在一些可能的设计中,当所述第二状态与所述第一状态均为骑行状态,且所述第三状态为非骑行状态时,所述处理模块还用于:
根据所述加速度信号在所述第三时间窗口内的特征点集合计算第二圈数;
当所述第二圈数与所述第一圈数的比值在第三数值范围内时,确定所述加速度信号在所述第三时间窗口的状态为骑行状态,并将记录的所述第三时间窗口内的圈数更新为所述第二圈数。
在一些可能的设计中,所述特征点集合为交点集合,所述交点集合中的交点为所述加速度信号与均值的交点,所述均值是指所述加速度信号中所有时间点的加速度的平均值。
在一些可能的设计中,所述加速度信号为所述三轴加速度信号中的重力轴加速度信号。
第三方面,本申请提供一种穿戴设备,所述穿戴设备包括:
至少一个连接的处理器、存储器和收发器;
其中,所述存储器用于存储程序代码,所述处理器用于调用所述存储器中的程序代码来执行以下操作:
通过所述收发器获取加速度信号在第一时间窗口内的第一状态;
当确定所述获取模块获取的所述第一状态包括骑行状态时,从所述加速度信号中确定特征点集合,所述特征点集合中的特征点的时间分布均符合预设的周期性分布条件;当确定所述特征点集合中存在特征点子集合满足预设的合理性条件时,确定所述第一状态为骑行状态;根据所述特征点子集合计算在所述第一时间窗口内的圈数和踏频。
第四方面,本申请提供一种计算机可读存储介质,所述计算机可读存储介质中存储有指令,当其在计算机上运行时,使得计算机执行上述第一方面所述的方法。
第五方面,本申请提供一种包含指令的计算机程序产品,当其在计算机上运行时,使得计算机执行上述第一方面所述的方法。
附图说明
图1a为本申请实施例中佩戴穿戴设备骑单车的示意图;
图1b为本申请实施例中穿戴设备采集的足部走路原始信号示意图;
图1c为本申请实施例中穿戴设备采集的足部跑步原始信号示意图;
图2为本申请实施例中计算单车踏频的方法的一种流程图;
图3a为本申请实施例中合加速度信号的静止、走路、跑步状态的示意图;
图3b为本申请实施例中合加速度信号的骑行状态的示意图;
图3c为本申请实施例中合加速度信号的其他状态的示意图;
图4为本申请实施例中主轴加速度信号的极值点分布示意图;
图5为本申请实施例中原始三轴加速度信号的示意图;
图6为本申请实施例中原始、滤波处理后的三轴加速度信号的对比示意图;
图7为本申请实施例中主轴信号的极值点分布示意图;
图8a为本申请实施例中室外自行车的骑行结果的一种示意图;
图8b为本申请实施例中室外自行车的骑行结果的一种示意图;
图8c为本申请实施例中动感单车的骑行结果的一种示意图;
图8d为本申请实施例中动感单车的骑行结果的一种示意图;
图9为本申请实施例中穿戴设备的结构示意图;
图10为本申请实施例中穿戴设备的结构示意图。
具体实施方式
本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的实施例能够以除了在这里图示或描述的内容以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或模块的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或模块,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或模块,本申请中所出现的模块的划分,仅仅是一种逻辑上的划分,实际应用中实现时可以有另外的划分方式,例如多个模块可以结合成或集成在另一个系统中,或一些特征可以忽略,或不执行,另外,所显示的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,模块之间的间接耦合或通信连接可以是电性或其他类似的形式,本申请中均不作限定。并且,作为分离部件说明的模块或子模块可以是也可以不是物理上的分离,可以是也可以不是物理模块,或者可以分布到多个电路模块中,可以根据实际的需要选择其中的部分或全部模块来实现本申请实施例方案的目的。
本申请实施例提供了一种计算单车踏频的方法、穿戴设备及存储介质,用于运动器械领域,例如自行车和室内的动感单车等具备转动载体的设备。能够解决现有技术中现有机制中可穿戴织物不能准确地计算踏频的问题。以下进行详细说明。如图1a所示的佩戴穿戴设备的用户骑单车的一种示意图,如图1b为图1a中的穿戴设备采集的用户的足部走路原始信号,如图1c为图1a中的穿戴设备采集的用户的足部跑步原始信号。本申请主要基于足部跑步原始信号进行圈数和踏频的计算,例如基于图1c所示的足部跑步原始信号。
其中,本申请实施例涉及的穿戴设备可以是智能穿戴、运动脚环、智能脚环、服饰及鞋等可穿戴式的设备。
请参照图2,以下介绍对本申请提供一种计算单车踏频的方法进行举例说明,所述方法包括:
201、获取加速度信号在第一时间窗口内的第一状态。
本申请实施例中的加速度信号可以以固定的采样频率进行采样,例如时间窗口的长度为5s,那么采样频率为100Hz,这样每一轴信号都有500个时间点和相应幅度值(即加速度数值)。
一些实施方式中,所述获取第一时间窗口内加速度信号的第一状态,包括以下步骤:
(a)获取三轴加速度信号。
(b)计算三轴加速度信号中各轴加速度信号的合加速度。
其中,合加速度是三轴加速度的平方和再开根号,即合加速度=sqrt(x^2+y^2+z^2),sqrt表示开根号。
(c)根据所述合加速度确定所述第一状态。
举例来说,该加速度信号在第一时间窗内的第一状态可以是如图3a中所示的静止状态、跑步状态和走路状态,也可以是如图3b中所示的骑行状态,或者可以是如图3c中所示的其他状态。例如图3b中所示的骑行状态,极值点max1、max2、max3、max4、min1、min2、min3和min4在时间分布上具有周期性分布特性。通过合加速度确定第一状态,能够对三轴加速度信号在第一时间窗口的状态进行初步判断和筛选。
一些实施方式中,考虑到三轴加速度信号中包括真正对计算踏频有用的信号和无用的信号,本申请实施例中为精确的计算踏频和简化计算踏频复杂度,还可以从三轴加速度信号中选择一个主轴信号作为用于计算踏频的加速度信号。虽然佩戴穿戴设备的用户在骑行时会产生震荡,而震荡带来的无规律噪声存在于三轴方向,但是用户的左右这一轴方向基本没有有用的信号。所以,可以将所述三轴加速度信号中的重力轴加速度信号作为所述加速度信号。可见,仅采用重力方向这一轴的加速度信号,有助于减少噪声带来的影响,降低处理难度。例如,第一时间窗口的长度为5s,采样频率为100Hz,这样每一轴信号都有500个时间点和相应幅度值(即加速度数值)。对这500个点的加速度数值进行取平均得到均值和标准差。三轴加速度信号中的每轴加速度信号分别在第一时间窗口内会有1个均值和1个标准差,根据3个均值和3个标准差即可选择其中一个轴的加速度信号作为主轴信号。
然后,根据合加速度极值点数量判断主轴加速度信号是否平滑,若不平滑,则可选择滑动平均滤波方式对所述主轴加速度信号进行平滑处理;判断主轴加速度信号是否存在高频干扰信号,若存在,则可选择无限冲击响应(infinite impulse response digitalfilter,IIR)巴特沃兹低通滤波方式去除该加速度信号中的高频干扰信号。
202、当确定所述第一状态包括骑行状态时,从所述加速度信号中确定特征点集合。
其中,所述特征点集合中的特征点的时间分布均符合预设的周期性分布条件,且幅度符合相关物理规律。例如图3b中所示的骑行状态,特征点max1、max2、max3、max4、min1、min2、min3和min4在时间分布上具有周期性分布特性,且幅度符合相关物理规律。
一些实施方式中,所述特征点集合可为交点集合,所述交点集合中的交点为所述加速度信号与均值的交点,所述均值是指所述加速度信号中所有时间点的加速度的平均值。这些交点的时间分布均符合所述预设的周期性分布条件,且幅度符合相关物理规律。
或者,一些实施方式中,所述特征点集合包括极大值点集合和极小值点集合,所述极大值点集合中的极大值点的时间分布,以及所述极小值点集合中的极小值点的时间分布均符合所述预设的周期性分布条件,且幅度符合相关物理规律。
其中,极值点(包括极大值点和极小值点)是指一阶导数值为0的点,例如图4所示的主轴加速度信号,该主轴加速度信号包括极大值点max、极小值点min1和极小值点min2。
在主轴加速度信号中搜索极大值点和极小值点时,相邻两个极大值点的时间间隔需满足预设的时间条件,将满足该时间条件的极大值点初步筛选出来。然后,在两个极大值点中间找极小值点min,这样初步找到了一个周期的两个时间阶段。其中,时间条件是指:相邻的极大值点的时间间隔一般较长,考虑到人在生理上骑行一圈的时间不会太短,可认为时间间隔在0.2s以上。如果相邻的两个极大值点不满足时间条件,那么取幅度值较大的极大值点为候选的极大值点,放弃幅度值小的极大值点。例如图4所示的主轴加速度信号,该主轴加速度信号包括极大值点max、极小值点min1和极小值点min2,一个周期包括min1→max1,max1→min2。
一些实施方式中,所述从所述加速度信号中确定特征点集合,可包括步骤(a)-步骤(c):
(a)从所述加速度信号中确定第一极大值点集合和第一极小值点集合。
其中,第一极大值点集合中包括的极大值点均为原始极大值点,第一极小值点集合中包括的极小值点为原始极小值点。
(b)计算第一极小值点和第二极小值点关于第一极大值点的时间比和幅度比。
其中,所述第一极大值点为所述第一极大值点集合中的极大值点,所述第一极小值点和所述第二极小值均为所述第一极小值点集合中的极小值点,所述第一极小值和所述第二极小值分别为所述第一极大值点相邻的极值点。
一些实施方式中,所述时间比的计算公式可为[t(x)-t(y1)]/[t(y2)-t(x)],所述幅度比的计算公式可为[acc_f(x)-acc_f(y1)]/[acc_f(y2)-acc_f(x)]。
其中,t(x)为所述第一极大值点x1对应的时间点,t(y1)为所述第一极小值点y1对应的时间点,t(y2)为所述第二极小值点y2对应的时间点,acc_f(x)表示所述加速度信号在x的幅度值,acc_f(y1)表示所述加速度信号在y1的幅度值,acc_f(y2)表示所述加速度信号在y2的幅度值。需要说明的是,若对所述加速度信号进行滤波处理,那在计算所述时间比和幅度比时,acc_f(x)、acc_f(y1)和acc_f(y2)均为滤波处理后的加速度信号的幅度值,若未对所述加速度信号进行滤波处理,那在计算所述时间比和幅度比时,acc_f(x)、acc_f(y1)和acc_f(y2)均为原始加速度信号的幅度值,具体本申请不作限定。
(c)当所述时间比在第一数值范围内且所述幅度比在第二数值范围内时,确定所述第一极大值点在时间分布符合所述预设的合理性条件,则表示所述第一极大值点为有效极大值点。通过本实施方式中的步骤(a)至步骤(c)可依次对极大值点集合中的极大值点进行合理性的判断,最终可得到所述极大值点集合和所述极小值点集合。
一些实施方式中,还可以设置预设阈值或自适应阈值对极大值点集合中的极大值点的合理性进行判断。
203、当确定所述特征点集合中存在特征点子集合满足预设的合理性条件时,确定所述第一状态为骑行状态。
在判断单个极大值点的合理性得到极大值点集合和之后,还需要判断该极大值点集合中的一组有效极大值点的合理性,以进一步确认第一时间窗内的第一状态是否为骑行状态。对于判断一组极大值点的合理性,一些实施方式中,对一组有效极大值点来说,利用加速度信号波形的周期性特性(即短时间内周期内的各项参数变化较小的原理),判断其合理性的条件可包括下述步骤(a)-步骤(e):
(a)根据合加速度平均值与圈数的第一比值进行判断。例如,当计算出的(一般来说圈数越多,均值越大),该第一比值大于第一阈值。
(b)在极大值点时间分布均匀的前提下,根据相邻极大值点的时间间隔的第一标准差进行判断,该第一标准差小于设置的第二阈值。
(c)根据有效极大值点个数与原始极大值点个数的第二比值进行判断。由于极大值点集合中的无效极大值点较少,可以设置第二比值大于第三阈值。可选的,第三阈值的取值范围可在0.2-0.6之间,具体本申请实施例不作限定。
(d)根据极大值点幅度值之差的第二标准差(幅度变化较小)进行判断,第二标准差小于第四阈值。
(e)根据圈数与速度区间的关系(与最初计算的速度区间相符)判断,对于速度低于第一数值的速度对应的圈数不大于第一圈数,例如可设:低速的第一圈数≤4,对于速度高于第一数值且小于第二数值的速度对应的圈数不大于第二圈数,例如可设为:非高速的第二圈数≤8.5。其中,圈数是指找到的合理周期数,也可称为合理极大值点个数,具体名称本申请不作限定。
可见,通过上述步骤(a)-步骤(e)判断一组有效极大值点的合理性后,能够进一步的缩小和精确有效极大值点,进而提高数据的准确性,进而进一步的确定加速度信号在第一时间窗口的第一状态是否为合理的骑行状态。
可选的,在本申请的一些实施例中,在确定所述加速度信号在所述第一状态为骑行状态之后,还需要参考所述加速度信号在之前时间窗的状态,对上一个时间窗口的状态进行修正。一些实施方式中,可以三个在时域上相邻的时间窗口为例,分别获取所述加速度信号在第二时间窗的第二状态和在第三时间窗口的第三状态,所述第二时间窗口、所述第三时间窗口和所述第一时间窗口在时域上相邻且递增排列。
然后,根据所述第二状态和所述第一状态对所述第三状态进行状态修正。例如,当所述第二状态与所述第一状态均为非骑行状态,且所述第三状态为骑行状态时,将所述加速度信号在所述第三时间窗口内的状态修正为非骑行状态,将所述第三时间窗口内的圈数置0。
又例如,当所述第二状态与所述第一状态均为骑行状态,且所述第三状态为非骑行状态时,将所述加速度信号在所述第三时间窗口内的状态修正为骑行状态。根据所述加速度信号在所述第三时间窗口内的特征点集合计算第二圈数。当所述第二圈数与所述第一圈数的比值在第三数值范围内时,确定所述加速度信号在所述第三时间窗口的状态为骑行状态。由于原始记录的第三状态为非骑行状态,所以原始记录的第三时间窗口的圈数为0,在本次重新计算第三时间窗口的第二圈数后,可将记录的所述第三时间窗口内的圈数更新为所述第二圈数。例如,可根据第三时间窗口的有效极大值点算出圈数,然后将第三时间窗口的圈数与第一时间窗口的圈数比较,如果比值在一定数值范围内,例如比值在0.8-1.2之间,则可认为在第三时间窗口内的状态为骑行状态,并以现在计算的第三时间窗口的圈数替代原始记录的第三时间窗口的圈数0。
可见,通过修正第二时间窗口(即上一个时间窗口)的状态后,就不会出现两段非骑行中夹骑行,和骑行中夹非静止的其他状态。需要注意的是,这里要用到连续三个时间窗口的状态和圈数,因此,在第一时间窗口修正的是第三时间窗口(即第一时间窗口的上一时间窗口)的状态。
204、根据所述特征点子集合计算在所述第一时间窗口内的圈数和踏频。
一些实施方式中,圈数=运动时间*采样频率/单圈周期,其中该运动时间可以以时间窗口为单位。
单圈周期可以根据相邻的特征点的时间间隔得到,例如,单圈周期可以对相邻的有效极大值点的时间间隔取中位数得到。
踏频计算公式:踏频=60*采样频率/单圈周期*运动时间占比,运动时间占比是指实际骑行状态所占的时间窗口与总的运动时间之比。
本申请提供的方案中,能够自动检测骑行状态。当确定第一状态包括骑行状态时,从加速度信号中确定特征点的时间分布符合预设的周期性分布条件,且幅度符合相关物理规律的特征点集合,然后进一步确定特征点集合中存在特征点子集合满足预设的合理性条件时,确定第一状态为骑行状态,再根据特征点子集合计算在第一时间窗口内的圈数和踏频。通过采用本方案,用户将穿戴设备穿戴在腿部后,不需要预先获取转动载体(例如自行车)的参数,更不需要将该穿戴设备安装在转动载体上,就能够准确的计算转动载体的圈数和踏频。
为便于理解,以下以动感单车为例对本申请实施例中的计算骑行踏频的方法进行介绍。如图5所示,为输入穿戴设备的一段5s的原始加速度信号,从图5所示的原始加速度信号中选择幅度均值和标准差最大的一轴加速度信号为主轴加速度信号(可简称为主轴信号)。由于该主轴信号的噪声较大,为便于后期数据分析,本申请实施例中可采用IIR对该主轴信号进行滤波处理,滤波处理后的主轴信号可参考如图6所示的信号示意图。
基于图6所示的主轴信号,从该主轴信号中提取极大值点和极小值点,一共提取到4个极大值点和4个极小值点。提取的结果如图7所示。如图7中,幅度值在1500左右的4个极大值点分别为:极大值点[127,217,310,401],幅度值在0左右的4个极小值点分别为:极小值点[178,268,359,449],图7中所示的4个极大值点均为有效极大值点。极大值点和极小值点的判断方式可参考步骤202中介绍的根据时间分布符合所述预设的合理性条件判断单个极大值点的合理性、以及参考步骤203中介绍的根据步骤(a)-步骤(e)判断一组有效极大值点的合理性的条件,具体判断过程此处不作赘述。极小值点根据有效极大值点确定即可。
在提取到如图7所示的4个极大值点和4个极小值点后,下面根据极大值点的时间间隔计算单圈周期、圈数和踏频。
(1)计算单圈周期,图7中的4个极大值点的时间间隔依次为[90,93,91],取三者的中位数后,得到中位数为91,即单圈周期为91。
(2)计算圈数,圈数=运动时间*采样频率/单圈周期,例如运动时间5s,单圈周期91个点,采样频率100Hz,那么,圈数=5*100/91=5.49。
(3)计算踏频,踏频=60*采样频率/单圈周期*运动时间占比=60*100/91*1=65.93。
最终这一时间窗的踏频为65.93,圈数为5.49。可以显示圈数的整数结果,具体本申请不作限定。最终,本次测试的骑行结果以圈数作为统计,如图8a所示的一种室外自行车骑行结果1。通过本申请实施例介绍的方案,还可以得到如图8b至8d所示的室外自行车骑行结果2、动感单车骑行结果1和动感单车骑行结果2。
由此可见,本申请实施例中,通过识别骑行状态,准确计算圈数和踏频。以总圈数作为统计,最终数据准确率可达到97.66%。
一些实施方式中,准确率的计算公式可以是:准确率=1-abs(本发明方法统计-真实圈数)/真实圈数。其中,abs表示取绝对值。经初步实验,在实验条件为20人骑行自行车和动感单车时,准确率约为自行车92%,动感单车94%。对非骑行状态,误判断为骑行状态的情况,占总数据时长的比例<0.5%。
以上介绍本申请中一种计算单车踏频的方法进行说明,以下介绍执行上述计算单车踏频的方法的穿戴设备。参照图9,对穿戴设备进行介绍,该穿戴设备包括:
获取模块,用于获取加速度信号在第一时间窗口内的第一状态;
处理模块,用于当确定所述获取模块获取的所述第一状态包括骑行状态时,从所述加速度信号中确定特征点集合,所述特征点集合中的特征点的时间分布均符合预设的周期性分布条件;当确定所述特征点集合中存在特征点子集合满足预设的合理性条件时,确定所述第一状态为骑行状态;根据所述特征点子集合计算在所述第一时间窗口内的圈数和踏频。
本申请实施例中,当确定第一状态包括骑行状态时,所述处理模块从加速度信号中确定特征点的时间分布符合预设的周期性分布条件,且幅度符合相关物理规律的特征点集合,然后进一步确定特征点集合中存在特征点子集合满足预设的合理性条件时,确定第一状态为骑行状态,再根据特征点子集合计算在第一时间窗口内的圈数和踏频。通过采用本方案,用户将穿戴设备穿戴在腿部后,不需要预先获取转动载体(例如自行车)的参数,更不需要将该穿戴设备安装在转动载体上,就能够准确的计算转动载体的圈数和踏频。
可选的,在本申请的一些实施例中,所述获取模块用于:
获取三轴加速度信号;
计算三轴加速度信号中各轴加速度信号的合加速度;
根据所述合加速度确定所述第一状态。
可选的,在本申请的一些实施例中,所述特征点集合包括极大值点集合和极小值点集合,所述极大值点集合中的极大值点的时间分布,以及所述极小值点集合中的极小值点的时间分布均符合所述预设的周期性分布条件,且幅度符合相关物理规律。
可选的,在本申请的一些实施例中,所述处理模块用于:
从所述加速度信号中确定第一极大值点集合和第一极小值点集合;
计算第一极小值点和第二极小值点关于第一极大值点的时间比和幅度比,其中,所述第一极大值点为所述第一极大值点集合中的极大值点,所述第一极小值点和所述第二极小值均为所述第一极小值点集合中的极小值点,所述第一极小值和所述第二极小值分别为所述第一极大值点相邻的极值点;
当所述时间比在第一数值范围内且所述幅度比在第二数值范围内时,确定所述第一极大值点在时间分布符合所述预设的合理性条件,得到所述极大值点集合和所述极小值点集合。
在一些实施方式中,所述时间比为[t(x)-t(y1)]/[t(y2)-t(x)],所述幅度比为[acc_f(x)-acc_f(y1)]/[acc_f(y2)-acc_f(x)];
其中,t(x)为所述第一极大值点x1对应的时间点,t(y1)为所述第一极小值点y1对应的时间点,t(y2)为所述第二极小值点y2对应的时间点,acc_f(x)表示所述加速度信号在x的幅度值,acc_f(y1)表示所述加速度信号在y1的幅度值,acc_f(y2)表示所述加速度信号在y2的幅度值。
在一些实施方式中,所述处理模块得到所述极大值点集合和所述极小值点集合之后,还用于:
从所述极大值点集合选取一组极大值点;
根据所述预设的合理性条件对所述一组极大值点进行合理性判断,所述预设的合理性条件至少包括以下项之一:
合加速度平均值与圈数的第一比值大于第一阈值;
或者,相邻极大值点的时间间隔的第一标准差小于第二阈值;
或者,有效极大值点个数与原始极大值点个数的第二比值大于第三阈值;
或者,极大值点幅度值之差的第二标准差小于第四阈值;
或者,速度低于第一数值的速度对应的圈数不大于第一圈数,速度高于第一数值且小于第二数值的速度对应的圈数不大于第二圈数,所述第一圈数小于所述第二圈数。
可选的,在本申请的一些实施例中,所述处理模块在确定所述加速度信号在所述第一状态为骑行状态之后,还用于:
通过所述获取模块获取所述加速度信号在第二时间窗的第二状态和在第三时间窗口的第三状态,所述第二时间窗口、所述第三时间窗口和所述第一时间窗口在时域上相邻且递增排列;
根据所述第二状态和所述第一状态对所述第三状态进行状态修正。
可选的,在本申请的一些实施例中,所述处理模块用于:
当所述第二状态与所述第一状态均为非骑行状态,且所述第三状态为骑行状态时,将所述加速度信号在所述第三时间窗口内的状态修正为非骑行状态,将所述第三时间窗口内的圈数置0;
或者,当所述第二状态与所述第一状态均为骑行状态,且所述第三状态为非骑行状态时,将所述加速度信号在所述第三时间窗口内的状态修正为骑行状态。
可选的,在本申请的一些实施例中,当所述第二状态与所述第一状态均为骑行状态,且所述第三状态为非骑行状态时,所述处理模块还用于:
根据所述加速度信号在所述第三时间窗口内的特征点集合计算第二圈数;
当所述第二圈数与所述第一圈数的比值在第三数值范围内时,确定所述加速度信号在所述第三时间窗口的状态为骑行状态,并将记录的所述第三时间窗口内的圈数更新为所述第二圈数。
图10为本申请实施例提供的穿戴设备的另一结构示意图,其中,可包括至少一个处理器、至少一个网络接口或者其它通信接口、存储器、至少一个通信总线、至少一个收发器用于实现这些装置之间的连接通信。上述处理器用于执行上述存储器中存储的可执行模块,例如计算机程序。上述存储器可能包含高速随机存取存储器(英文全称:Random AccessMemory,英文简称:RAM),也可能还包括非不稳定的存储器(non-volatile memory),例如至少一个磁盘存储器。通过至少一个网络接口(可以是有线或者无线)实现该系统网关与至少一个其它网元之间的通信连接,可以使用互联网,广域网,本地网,城域网等。
如图10所示,在一些实施方式中,上述存储器中存储了程序指令,上述程序指令可以被上述处理器执行,通过调用存储器存储的程序指令,上述处理器具体执行本申请实施例中的业务管理的方法时需要调用的程序代码。
需要说明的是,在本申请中图9所对应的实施例中的收发模块对应的实体设备可以为收发器,处理模块对应的实体设备可以为处理器。图9所示的各装置均可以具有如图10所示的结构,当其中一种装置具有如图10所示的结构时,图10中的处理器和收发器实现前述对应该装置的装置实施例提供的处理模块和收发模块相同或相似的功能,图10中的存储器存储处理器执行上述计算单车踏频的方法时需要调用的程序代码。
本申请还提供一种计算机存储介质,该介质存储有程序,该程序执行时包括上述穿戴设备执行上述计算单车踏频的方法中的部分或者全部步骤。
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。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统,装置和模块的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本申请所提供的几个实施例中,应该理解到,所揭露的系统,装置和方法,可以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,所述模块的划分,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,例如多个模块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,装置或模块的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的,作为模块显示的部件可以是或者也可以不是物理模块,即可以位于一个地方,或者也可以分布到多个网络模块上。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实施例方案的目的。
另外,在本申请各个实施例中的各功能模块可以集成在一个处理模块中,也可以是各个模块单独物理存在,也可以两个或两个以上模块集成在一个模块中。上述集成的模块既可以采用硬件的形式实现,也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块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介质中。
在上述实施例中,可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时,可以全部或部分地以计算机程序产品的形式实现。
所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时,全部或部分地产生按照本申请实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一计算机可读存储介质传输,例如,所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存储的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质,(例如,软盘、硬盘、磁带)、光介质(例如,DVD)、或者半导体介质(例如固态硬盘Solid State Disk(SSD))等。
以上对本申请所提供的技术方案进行了详细介绍,本申请中应用了具体个例对本申请的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本申请的方法及其核心思想;同时,对于本领域的一般技术人员,依据本申请的思想,在具体实施方式及应用
范围上均会有改变之处,综上所述,本说明书内容不应理解为对本申请的限制。
Claims (23)
1.一种计算单车踏频的方法,其特征在于,所述方法包括:
获取加速度信号在第一时间窗口内的第一状态;
当确定所述第一状态包括骑行状态时,从所述加速度信号中确定特征点集合,所述特征点集合中的特征点的时间分布均符合预设的周期性分布条件,且幅度符合物理规律;
当确定所述特征点集合中存在特征点子集合满足预设的合理性条件时,确定所述第一状态为骑行状态;
根据所述特征点子集合计算在所述第一时间窗口内的圈数和踏频;
其中,所述圈数=运动时间*采样频率/单圈周期,所述运动时间以时间窗口为单位,所述单圈周期根据相邻的所述特征点的时间间隔得到,所述踏频=60*采样频率/单圈周期*运动时间占比,所述运动时间占比用于指示实际骑行状态所占的时间窗口与总的运动时间之比。
2.根据权利要求1所述的方法,其特征在于,所述获取第一时间窗口内加速度信号的第一状态,包括:
获取三轴加速度信号;
计算三轴加速度信号中各轴加速度信号的合加速度;
根据所述合加速度确定所述第一状态。
3.根据权利要求2所述的方法,其特征在于,所述特征点集合包括极大值点集合和极小值点集合,所述极大值点集合中的极大值点的时间分布,以及所述极小值点集合中的极小值点的时间分布均符合所述预设的周期性分布条件,且幅度符合物理规律。
4.根据权利要求3所述的方法,其特征在于,所述从所述加速度信号中确定特征点集合,包括:
从所述加速度信号中确定第一极大值点集合和第一极小值点集合;
计算第一极小值点和第二极小值点关于第一极大值点的时间比和幅度比,其中,所述第一极大值点为所述第一极大值点集合中的极大值点,所述第一极小值点和所述第二极小值均为所述第一极小值点集合中的极小值点,所述第一极小值和所述第二极小值分别为所述第一极大值点相邻的极值点;
当所述时间比在第一数值范围内且所述幅度比在第二数值范围内时,确定所述第一极大值点在时间分布符合所述预设的合理性条件,得到所述极大值点集合和所述极小值点集合。
5.根据权利要求4所述的方法,其特征在于,所述时间比为[t(x)-t(y1)]/[t(y2)-t(x)],所述幅度比为[acc_f(x)-acc_f(y1)]/[acc_f(y2)-acc_f(x)];
其中,t(x)为所述第一极大值点x1对应的时间点,t(y1)为所述第一极小值点y1对应的时间点,t(y2)为所述第二极小值点y2对应的时间点,acc_f(x)表示所述加速度信号在x的幅度值,acc_f(y1)表示所述加速度信号在y1的幅度值,acc_f(y2)表示所述加速度信号在y2的幅度值。
6.根据权利要求4或5所述的方法,其特征在于,所述得到所述极大值点集合和所述极小值点集合之后,方法还包括:
从所述极大值点集合选取一组极大值点;
根据所述预设的合理性条件对所述一组极大值点进行合理性判断,所述预设的合理性条件至少包括以下项之一:
合加速度平均值与圈数的第一比值大于第一阈值;
或者,相邻极大值点的时间间隔的第一标准差小于第二阈值;
或者,有效极大值点个数与原始极大值点个数的第二比值大于第三阈值;
或者,极大值点幅度值之差的第二标准差小于第四阈值;
或者,速度低于第一数值的速度对应的圈数不大于第一圈数,速度高于第一数值且小于第二数值的速度对应的圈数不大于第二圈数,所述第一圈数小于所述第二圈数。
7.根据权利要求1-5中任一项所述的方法,其特征在于,所述确定所述加速度信号在所述第一状态为骑行状态之后,方法还包括:
获取所述加速度信号在第二时间窗的第二状态和在第三时间窗口的第三状态,所述第二时间窗口、所述第三时间窗口和所述第一时间窗口在时域上相邻且递增排列;
根据所述第二状态和所述第一状态对所述第三状态进行状态修正。
8.根据权利要求7所述的方法,其特征在于,所述根据所述第二状态和所述第一状态对所述第三状态进行状态修正,包括:
当所述第二状态与所述第一状态均为非骑行状态,且所述第三状态为骑行状态时,将所述加速度信号在所述第三时间窗口内的状态修正为非骑行状态,将所述第三时间窗口内的圈数置0;
或者,当所述第二状态与所述第一状态均为骑行状态,且所述第三状态为非骑行状态时,将所述加速度信号在所述第三时间窗口内的状态修正为骑行状态。
9.根据权利要求8所述的方法,其特征在于,当所述第二状态与所述第一状态均为骑行状态,且所述第三状态为非骑行状态时,所述方法还包括:
根据所述加速度信号在所述第三时间窗口内的特征点集合计算第二圈数;
当所述第二圈数与第一圈数的比值在第三数值范围内时,确定所述加速度信号在所述第三时间窗口的状态为骑行状态,并将记录的所述第三时间窗口内的圈数更新为所述第二圈数。
10.根据权利要求1或2所述的方法,其特征在于,所述特征点集合为交点集合,所述交点集合中的交点为所述加速度信号与均值的交点,所述均值是指所述加速度信号中所有时间点的加速度的平均值。
11.根据权利要求2所述的方法,其特征在于,所述加速度信号为所述三轴加速度信号中的重力轴加速度信号。
12.一种穿戴设备,其特征在于,所述穿戴设备包括:
获取模块,用于获取加速度信号在第一时间窗口内的第一状态;
处理模块,用于当确定所述获取模块获取的所述第一状态包括骑行状态时,从所述加速度信号中确定特征点集合,所述特征点集合中的特征点的时间分布均符合预设的周期性分布条件,且幅度符合物理规律;当确定所述特征点集合中存在特征点子集合满足预设的合理性条件时,确定所述第一状态为骑行状态;根据所述特征点子集合计算在所述第一时间窗口内的圈数和踏频;
其中,所述圈数=运动时间*采样频率/单圈周期,所述运动时间以时间窗口为单位,所述单圈周期根据相邻的所述特征点的时间间隔得到,所述踏频=60*采样频率/单圈周期*运动时间占比,所述运动时间占比用于指示实际骑行状态所占的时间窗口与总的运动时间之比。
13.根据权利要求12所述的穿戴设备,其特征在于,所述获取模块用于:
获取三轴加速度信号;
计算三轴加速度信号中各轴加速度信号的合加速度;
根据所述合加速度确定所述第一状态。
14.根据权利要求13所述的穿戴设备,其特征在于,所述特征点集合包括极大值点集合和极小值点集合,所述极大值点集合中的极大值点的时间分布,以及所述极小值点集合中的极小值点的时间分布均符合所述预设的周期性分布条件,且幅度符合物理规律。
15.根据权利要求14所述的穿戴设备,其特征在于,所述处理模块用于:
从所述加速度信号中确定第一极大值点集合和第一极小值点集合;
计算第一极小值点和第二极小值点关于第一极大值点的时间比和幅度比,其中,所述第一极大值点为所述第一极大值点集合中的极大值点,所述第一极小值点和所述第二极小值均为所述第一极小值点集合中的极小值点,所述第一极小值和所述第二极小值分别为所述第一极大值点相邻的极值点;
当所述时间比在第一数值范围内且所述幅度比在第二数值范围内时,确定所述第一极大值点在时间分布符合所述预设的合理性条件,得到所述极大值点集合和所述极小值点集合。
16.根据权利要求15所述的穿戴设备,其特征在于,所述时间比为[t(x)-t(y1)]/[t(y2)-t(x)],所述幅度比为[acc_f(x)-acc_f(y1)]/[acc_f(y2)-acc_f(x)];
其中,t(x)为所述第一极大值点x1对应的时间点,t(y1)为所述第一极小值点y1对应的时间点,t(y2)为所述第二极小值点y2对应的时间点,acc_f(x)表示所述加速度信号在x的幅度值,acc_f(y1)表示所述加速度信号在y1的幅度值,acc_f(y2)表示所述加速度信号在y2的幅度值。
17.根据权利要求15或16所述的穿戴设备,其特征在于,所述处理模块得到所述极大值点集合和所述极小值点集合之后,还用于:
从所述极大值点集合选取一组极大值点;
根据所述预设的合理性条件对所述一组极大值点进行合理性判断,所述预设的合理性条件至少包括以下项之一:
合加速度平均值与圈数的第一比值大于第一阈值;
或者,相邻极大值点的时间间隔的第一标准差小于第二阈值;
或者,有效极大值点个数与原始极大值点个数的第二比值大于第三阈值;
或者,极大值点幅度值之差的第二标准差小于第四阈值;
或者,速度低于第一数值的速度对应的圈数不大于第一圈数,速度高于第一数值且小于第二数值的速度对应的圈数不大于第二圈数,所述第一圈数小于所述第二圈数。
18.根据权利要求12-16中任一项所述的穿戴设备,其特征在于,所述处理模块在确定所述加速度信号在所述第一状态为骑行状态之后,还用于:
通过所述获取模块获取所述加速度信号在第二时间窗的第二状态和在第三时间窗口的第三状态,所述第二时间窗口、所述第三时间窗口和所述第一时间窗口在时域上相邻且递增排列;
根据所述第二状态和所述第一状态对所述第三状态进行状态修正。
19.根据权利要求18所述的穿戴设备,其特征在于,所述处理模块用于:
当所述第二状态与所述第一状态均为非骑行状态,且所述第三状态为骑行状态时,将所述加速度信号在所述第三时间窗口内的状态修正为非骑行状态,将所述第三时间窗口内的圈数置0;
或者,当所述第二状态与所述第一状态均为骑行状态,且所述第三状态为非骑行状态时,将所述加速度信号在所述第三时间窗口内的状态修正为骑行状态。
20.根据权利要求19所述的穿戴设备,其特征在于,当所述第二状态与所述第一状态均为骑行状态,且所述第三状态为非骑行状态时,所述处理模块还用于:
根据所述加速度信号在所述第三时间窗口内的特征点集合计算第二圈数;
当所述第二圈数与第一圈数的比值在第三数值范围内时,确定所述加速度信号在所述第三时间窗口的状态为骑行状态,并将记录的所述第三时间窗口内的圈数更新为所述第二圈数。
21.一种穿戴设备,其特征在于,所述穿戴设备包括:
至少一个处理器、存储器、陀螺仪和收发器;
其中,所述存储器用于存储程序代码,所述处理器用于调用所述存储器中的程序代码来执行如权利要求1至11任一项所述的方法。
22.一种计算机可读存储介质,其特征在于,其包括指令,当其在计算机上运行时,使得计算机执行如权利要求1-11任一所述的方法。
23.一种包含指令的计算机程序产品,其特征在于,当其在计算机上运行时,使得计算机执行如权利要求1-11任一所述的方法。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/CN2018/083031 WO2019196106A1 (zh) | 2018-04-13 | 2018-04-13 | 一种计算单车踏频的方法、穿戴设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111512346A CN111512346A (zh) | 2020-08-07 |
CN111512346B true CN111512346B (zh) | 2021-06-22 |
Family
ID=68163027
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201880083464.XA Active CN111512346B (zh) | 2018-04-13 | 2018-04-13 | 一种计算单车踏频的方法、穿戴设备及存储介质 |
Country Status (4)
Country | Link |
---|---|
US (1) | US11361602B2 (zh) |
EP (1) | EP3767596A4 (zh) |
CN (1) | CN111512346B (zh) |
WO (1) | WO2019196106A1 (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112504295B (zh) * | 2020-07-14 | 2022-04-12 | 荣耀终端有限公司 | 骑行检测方法、电子设备及计算机可读存储介质 |
CN114859070B (zh) * | 2022-04-25 | 2023-08-04 | 青岛迈金智能科技股份有限公司 | 一种速度获取方法、装置、电子设备及存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104077795A (zh) * | 2014-05-30 | 2014-10-01 | 深圳前海零距物联网科技有限公司 | 自行车踏频传感器及固定装置 |
CN106139559A (zh) * | 2015-03-23 | 2016-11-23 | 小米科技有限责任公司 | 运动数据采集方法、测量装置和运动装置 |
WO2017057037A1 (ja) * | 2015-09-30 | 2017-04-06 | ソニー株式会社 | 情報処理装置、および情報処理方法、並びにプログラム |
CN106663343A (zh) * | 2016-09-27 | 2017-05-10 | 北京小米移动软件有限公司 | 脚蹬、骑行设备及数据生成方法 |
CN106950398A (zh) * | 2016-01-07 | 2017-07-14 | 美国亚德诺半导体公司 | 三轴角加速度计 |
CN106996985A (zh) * | 2016-01-25 | 2017-08-01 | 罗载洲 | 自行车踏频之检测方法 |
Family Cites Families (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2007027706A2 (en) * | 2005-08-29 | 2007-03-08 | Blanarovich Adrian M | Apparatus and system for measuring and communicating physical activity data |
CN101634659A (zh) | 2008-07-23 | 2010-01-27 | 中国科学院自动化研究所 | 一种基于加速度计的转速或速度测量装置及检测方法 |
EP2433097B1 (en) * | 2010-10-15 | 2013-04-03 | AR Innovation AG | Sensor apparatus and method for determining pedalling cadence and travelling speed of a bicycle |
CN102811285B (zh) | 2012-07-06 | 2015-10-07 | 惠州Tcl移动通信有限公司 | 一种移动终端及其帮助健身的方法 |
CN203001786U (zh) | 2012-11-28 | 2013-06-19 | 思博特有限公司 | 自行车踏频、心率、计步三合一无线运动数据传感器 |
JP6136806B2 (ja) * | 2013-09-20 | 2017-05-31 | カシオ計算機株式会社 | 身体情報取得装置、身体情報取得方法、身体情報取得プログラム |
US10285625B2 (en) | 2013-10-07 | 2019-05-14 | Wahoo Fitness Llc | Activity monitoring computing device and system |
CN106030247A (zh) * | 2014-02-26 | 2016-10-12 | 皇家飞利浦有限公司 | 用于测量骑车节奏的设备 |
WO2016004780A1 (zh) * | 2014-07-11 | 2016-01-14 | 深圳前海零距物联网科技有限公司 | 一种自行车踏频传感器 |
KR102318887B1 (ko) | 2015-03-06 | 2021-10-29 | 삼성전자주식회사 | 웨어러블 전자 장치 및 그 제어 방법 |
US20170003311A1 (en) * | 2015-07-01 | 2017-01-05 | Sheng-Chia Optical Co., Ltd. | Method for Detecting Bicycle Pedaling Frequencies |
CN105183158A (zh) | 2015-08-31 | 2015-12-23 | 小米科技有限责任公司 | 踏频监测方法及装置 |
CN205409997U (zh) | 2015-11-17 | 2016-08-03 | 广东乐心医疗电子股份有限公司 | 多用途智能运动手环 |
US20170151989A1 (en) * | 2015-11-30 | 2017-06-01 | Robert W. Daniels | Wearable LED warning light a safety device and turn signal lights utility belt |
US10181021B2 (en) | 2016-02-01 | 2019-01-15 | Fitbit, Inc. | Method and apparatus for off-body detection for wearable device |
CN205548573U (zh) | 2016-02-29 | 2016-09-07 | 成都黑盒子电子技术有限公司 | 一种带码表功能的骑行运动智能穿戴设备 |
TWI724812B (zh) * | 2020-03-06 | 2021-04-11 | 彥豪金屬工業股份有限公司 | 自行車踏頻量測裝置及方法 |
-
2018
- 2018-04-13 CN CN201880083464.XA patent/CN111512346B/zh active Active
- 2018-04-13 WO PCT/CN2018/083031 patent/WO2019196106A1/zh unknown
- 2018-04-13 US US17/046,939 patent/US11361602B2/en active Active
- 2018-04-13 EP EP18914529.5A patent/EP3767596A4/en active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104077795A (zh) * | 2014-05-30 | 2014-10-01 | 深圳前海零距物联网科技有限公司 | 自行车踏频传感器及固定装置 |
CN106139559A (zh) * | 2015-03-23 | 2016-11-23 | 小米科技有限责任公司 | 运动数据采集方法、测量装置和运动装置 |
WO2017057037A1 (ja) * | 2015-09-30 | 2017-04-06 | ソニー株式会社 | 情報処理装置、および情報処理方法、並びにプログラム |
CN106950398A (zh) * | 2016-01-07 | 2017-07-14 | 美国亚德诺半导体公司 | 三轴角加速度计 |
CN106996985A (zh) * | 2016-01-25 | 2017-08-01 | 罗载洲 | 自行车踏频之检测方法 |
CN106663343A (zh) * | 2016-09-27 | 2017-05-10 | 北京小米移动软件有限公司 | 脚蹬、骑行设备及数据生成方法 |
Also Published As
Publication number | Publication date |
---|---|
EP3767596A1 (en) | 2021-01-20 |
US20210049842A1 (en) | 2021-02-18 |
WO2019196106A1 (zh) | 2019-10-17 |
CN111512346A (zh) | 2020-08-07 |
US11361602B2 (en) | 2022-06-14 |
EP3767596A4 (en) | 2021-04-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103616034B (zh) | 一种基于蓝牙的网络计步器及计步方法 | |
JP6567658B2 (ja) | ユーザーの活動を分類し及び/又はユーザーの歩数をカウントするデバイス及び方法 | |
CN105004349B (zh) | 一种计步方法 | |
CN111512346B (zh) | 一种计算单车踏频的方法、穿戴设备及存储介质 | |
CN107016384A (zh) | 可识别运动类型的计步方法、移动终端及存储介质 | |
CN102654405B (zh) | 基于加速度传感器的计步方法及其装置 | |
CN105043410B (zh) | 一种计步器 | |
US20160016590A1 (en) | Method for detecting driving events of a vehicle based on a smartphone | |
CN109495654B (zh) | 一种基于智能手机感知行人安全方法 | |
CN104567912A (zh) | 一种在Android手机上实现计步器的方法 | |
KR20160090259A (ko) | 손목에 착용하는 다중 축 만보계 | |
CN108955719B (zh) | 一种基于手腕式装置的计步检测方法和系统 | |
CN110455284B (zh) | 一种基于mems-imu的行人运动模式识别方法及装置 | |
CN108898795B (zh) | 一种基于移动设备的行人状态实时分析方法及系统 | |
CN110201375A (zh) | 一种无线耳机计步的方法、装置、设备及可读存储介质 | |
CN107239147A (zh) | 一种基于可穿戴设备的人体情境感知方法、装置及系统 | |
CN106643785B (zh) | 一种基于mems惯性测量单元的多源信息自适应步数检测方法 | |
CN109238300B (zh) | 一种计圈方法和装置 | |
US20160235308A1 (en) | Method and device for detecting physiological information | |
IT201900019037A1 (it) | Metodo perfezionato per rilevare un gesto di inclinazione del polso e unita' elettronica e dispositivo elettronico indossabile che implementano il medesimo | |
TWI699544B (zh) | 定位方法及裝置 | |
CN105630195B (zh) | 运动识别装置、便携式运动检测设备及其运动识别方法 | |
CN111831959A (zh) | 运动数据处理方法、装置、终端和计算机可读存储介质 | |
CN110721456A (zh) | 一种基于三轴传感器的踏频检测方法 | |
CN206991549U (zh) | 一种车祸监测系统 |
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 |