CN111694829B - 运动轨迹的处理方法及装置、运动轨迹处理系统 - Google Patents

Abstract

本发明公开了一种运动轨迹的处理方法及装置、运动轨迹处理系统。其中，该方法包括：获取由运动相关数据生成的原始运动轨迹；通过运动轨迹处理模型，确定与原始运动轨迹对应并按照运动类型划分的多条运动轨迹；响应于运动轨迹选择请求，从多条运动轨迹中选择与运动轨迹选择请求对应的目标运动轨迹；响应于作用于目标运动轨迹的调整操作，对目标运动轨迹进行调整，得到调整后的目标运动轨迹。本发明解决了相关技术中用户在户外运动过程中会产生多种不同类型的运动轨迹，导致用户无法准确记录同一种类型的运动，进而无法得到符合用户预期的运动轨迹的技术问题。

Description

运动轨迹的处理方法及装置、运动轨迹处理系统

技术领域

本发明涉及运动轨迹处理技术领域，具体而言，涉及一种运动轨迹的处理方法及装置、运动轨迹处理系统。

背景技术

当前运动设备及运动应用软件中，在多种混合运动类型的场景下，比如铁人三项运动中，该运动要求用户交替使用骑行、跑步、游泳来组合达到一个总的里程。用户只能使用一种确定的运动类型来记录运动轨迹，并且用户需要自己手动进行运动记录的结束、开始和切换，使得记录过程非常繁琐，而不能专心于运动，降低了运动用户的运动体验。而且，在运动切换间隙，会出现低质量运动记录区间，对追求高质量运动轨迹的运动用户来讲，运动轨迹中的低质量运动对应的轨迹应该被剔除，仅保留对应运动类型的运动记录。对于单一运动场景，比如游泳，用于游泳的穿戴设备大多数未消除暂停、停顿对游泳效率或成绩分析的影响，而在非专业人士，特别是在公共泳池中，难免会出现受人多的影响暂时在池边休息等；另外，在出泳池后也难免会忘记手动暂停数据的记录，从而影响时长的统计、游泳数据和成绩分析，使其数据有效性降低。单一的跑步场景中，对于大部分城市公路跑用户，经常会遇到红绿灯或者不太方便跑的路段，由于路况复杂，运动记录会出现质量明显不高的部分，只能在运动后针对运动记录做编辑。单一的骑行场景中，同样会遇到上述问题，比如，在骑行的过程中会遇到路口、行人等就需要降低速度或者停车来等待或避让行人，这也会使得运动记录中存在质量明显不高的部分，而运动用户若想要得到高质量的运动轨迹，则需要后期大量的编辑处理，比较繁琐，影响运动用户的运动体验。

针对上述相关技术中用户在户外运动过程中会产生多种不同类型的运动轨迹，导致用户无法准确记录同一种类型的运动，进而无法得到符合用户预期的运动轨迹的问题，目前尚未提出有效的解决方案。

发明内容

本发明实施例提供了一种运动轨迹的处理方法及装置、运动轨迹处理系统，以至少解决相关技术中用户在户外运动过程中会产生多种不同类型的运动轨迹，导致用户无法准确记录同一种类型的运动，进而无法得到符合用户预期的运动轨迹的技术问题。

根据本发明实施例的一个方面，提供了一种运动轨迹的处理方法，包括：获取由运动相关数据生成的原始运动轨迹；通过运动轨迹处理模型，确定与所述原始运动轨迹对应并按照运动类型划分的多条运动轨迹，其中，所述运动轨迹处理模型为使用多组训练数据通过机器学习训练得到的，所述多组训练数据中的每一组训练数据均包括：运动轨迹以及与该运动轨迹对应的多条运动轨迹；响应于运动轨迹选择请求，从所述多条运动轨迹中选择与所述运动轨迹选择请求对应的目标运动轨迹；响应于作用于所述目标运动轨迹的调整操作，对所述目标运动轨迹进行调整，得到调整后的目标运动轨迹。

可选地，所述运动相关数据包括：定位数据和运动数据，所述获取由运动相关数据生成的原始运动轨迹，包括：获取所述定位数据和所述运动数据；按照所述运动相关数据的数据采集时间，利用所述定位数据和所述运动数据生成所述原始运动轨迹。

可选地，所述通过运动轨迹处理模型，确定与所述原始运动轨迹对应并按照运动类型划分的多条运动轨迹，包括：对所述原始运动轨迹进行分割，得到所述原始运动轨迹中的多条子运动轨迹；提取所述多条子运动轨迹中每一条子运动轨迹的运动数据；将所述每一条子运动轨迹的运动数据输入至所述运动轨迹处理模型；获取所述运动轨迹处理模型的输出，并基于所述运动轨迹处理模型的输出确定所述每一条子运动轨迹的运动类型；根据所述每一条子运动轨迹的运动类型对所述多条子运动轨迹进行合并处理，得到按照运动类型划分的所述多条运动轨迹。

可选地，在所述通过运动轨迹处理模型，确定与所述原始运动轨迹对应并按照运动类型划分的多条运动轨迹之后，所述方法还包括：对所述多条运动轨迹进行回归计算处理，得到所述多条运动轨迹中每一条运动轨迹的有效性；基于所述每一条运动轨迹的有效性对所述多条运动轨迹中每一条运动轨迹进行有效性标注。

可选地，所述运动数据包括以下至少之一：运动距离数据，运动时间数据，运动配速数据，卡路里消耗数据，运动状态数据，运动步数数据。

可选地，所述对所述目标运动轨迹进行调整，得到调整后的目标运动轨迹，包括：获取所述目标运动轨迹中的过渡段，其中，所述过渡段表示由一种运动类型切换为另外一种运动类型的轨迹段；将所述过渡段从所述目标运动轨迹中删除，得到初步调整后的目标运动轨迹；确定所述目标运动轨迹的展示形式，并以所述展示形式对所述初步调整后的目标运动轨迹的展示形式进行调整，得到调整后的目标运动轨迹。

可选地，在所述对所述目标运动轨迹进行调整，得到调整后的目标运动轨迹之后，所述方法还包括：存储调整后的目标运动轨迹。

可选地，在所述对所述目标运动轨迹进行调整，得到调整后的所述目标运动轨迹之后，所述方法还包括：确定调整后的目标运动轨迹满足预定条件，其中，所述预定条件至少包括：符合最小距离要求，符合最小时间要求，符合业务信息计算要求；对所述调整后的目标运动轨迹再次进行回归计算处理，并存储回归计算处理后的目标运动轨迹。

根据本发明实施例的另一个方面，还提供了一种运动轨迹的处理装置，包括：获取单元，用于获取由运动相关数据生成的原始运动轨迹；第一确定单元，用于通过运动轨迹处理模型，确定与所述原始运动轨迹对应并按照运动类型划分的多条运动轨迹，其中，所述运动轨迹处理模型为使用多组训练数据通过机器学习训练得到的，所述多组训练数据中的每一组训练数据均包括：运动轨迹以及与该运动轨迹对应的多条运动轨迹；选择单元，用于响应于运动轨迹选择请求，从所述多条运动轨迹中选择与所述运动轨迹选择请求对应的目标运动轨迹；调整单元，用于响应于作用于所述目标运动轨迹的调整操作，对所述目标运动轨迹进行调整，得到调整后的目标运动轨迹。

可选地，所述运动相关数据包括：定位数据和运动数据，所述获取单元包括：第一获取模块，用于获取所述定位数据和所述运动数据；生成模块，用于按照所述运动相关数据的数据采集时间，利用所述定位数据和所述运动数据生成所述原始运动轨迹。

可选地，所述第一确定单元包括：分割模块，用于对所述原始运动轨迹进行分割，得到所述原始运动轨迹中的多条子运动轨迹；提取模块，用于提取所述多条子运动轨迹中每一条子运动轨迹的运动数据；输入模块，用于将所述每一条子运动轨迹的运动数据输入至所述运动轨迹处理模型；确定模块，用于获取所述运动轨迹处理模型的输出，并基于所述运动轨迹处理模型的输出确定所述每一条子运动轨迹的运动类型；合并模块，用于根据所述每一条子运动轨迹的运动类型对所述多条子运动轨迹进行合并处理，得到按照运动类型划分的所述多条运动轨迹。

可选地，所述装置还包括：回归处理单元，用于在所述通过运动轨迹处理模型，确定与所述原始运动轨迹对应并按照运动类型划分的多条运动轨迹之后，对所述多条运动轨迹进行回归计算处理，得到所述多条运动轨迹中每一条运动轨迹的有效性；标注单元，用于基于所述每一条运动轨迹的有效性对所述多条运动轨迹中每一条运动轨迹进行有效性标注。

可选地，所述运动数据包括以下至少之一：运动距离数据，运动时间数据，运动配速数据，卡路里消耗数据，运动状态数据，运动步数数据。

可选地，所述调整单元包括：第二获取模块，用于获取所述目标运动轨迹中的过渡段，其中，所述过渡段表示由一种运动类型切换为另外一种运动类型的轨迹段；删除模块，用于将所述过渡段从所述目标运动轨迹中删除，得到初步调整后的目标运动轨迹；调整模块，用于确定所述目标运动轨迹的展示形式，并以所述展示形式对所述初步调整后的目标运动轨迹的展示形式进行调整，得到调整后的目标运动轨迹。

可选地，所述装置还包括：存储单元，用于在所述对所述目标运动轨迹进行调整，得到调整后的目标运动轨迹之后，存储调整后的目标运动轨迹。

可选地，所述装置还包括：第二确定单元，用于在所述对所述目标运动轨迹进行调整，得到调整后的所述目标运动轨迹之后，确定调整后的目标运动轨迹满足预定条件，其中，所述预定条件至少包括：符合最小距离要求，符合最小时间要求，符合业务信息计算要求；处理单元，用于对所述调整后的目标运动轨迹再次进行回归计算处理，并存储回归计算处理后的目标运动轨迹。

根据本发明实施例的另一个方面，还提供了一种计算机可读存储介质，所述计算机可读存储介质包括存储的程序，其中，所述程序执行上述的运动轨迹的处理方法。

根据本发明实施例的另一个方，还提供了一种处理器，所述处理器用于运行程序，其中，所述程序运行时执行上述的运动轨迹的处理方法。

根据本发明实施例的另一个方面，还提供了一种运动轨迹处理系统，包括：存储器，与所述存储器耦合的处理器，所述存储器和所述处理器通过总线系统相通信；所述存储器用于存储程序，其中，所述程序在被处理器执行时控制所述存储器所在设备执上述所述的运动轨迹的处理方法；所述处理器用于运行程序，其中，所述程序运行时执行上述的运动轨迹的处理方法。

在本发明实施例中，采用获取由运动相关数据生成的原始运动轨迹；通过运动轨迹处理模型，确定与原始运动轨迹对应并按照运动类型划分的多条运动轨迹，其中，运动轨迹处理模型为使用多组训练数据通过机器学习训练得到的，多组训练数据中的每一组训练数据均包括：运动轨迹以及与该运动轨迹对应的多条运动轨迹；响应于运动轨迹选择请求，从多条运动轨迹中选择与运动轨迹选择请求对应的目标运动轨迹；响应于作用于目标运动轨迹的调整操作，对目标运动轨迹进行调整，得到调整后的目标运动轨迹，通过本发明实施例提供的运动轨迹的处理方法，实现了可以对原始运动轨迹进行分割处理后，将运动类型相同的子运动轨迹进行合并处理，得到按照运动类型划分的多条运动轨迹，以满足运动用户可以选择并调整自己想要保留的运动轨迹的目的，达到了提升运动轨迹处理的灵活性的技术效果，进而也提高了运动用户的运动体验，进而解决了相关技术中用户在户外运动过程中会产生多种不同类型的运动轨迹，导致用户无法准确记录同一种类型的运动，进而无法得到符合用户预期的运动轨迹的技术问题。

附图说明

此处所说明的附图用来提供对本发明的进一步理解，构成本申请的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：

图1是根据本发明实施例的运动轨迹的处理方法的流程图；

图2是根据本发明实施例的运动轨迹的处理装置的示意图；

图3是根据本发明实施例的运动轨迹处理系统的示意图；

图4是根据本发明实施例的多运动类型分段模块的示意图。

具体实施方式

为了使本技术领域的人员更好地理解本发明方案，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的实施例，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，都应当属于本发明保护的范围。

需要说明的是，本发明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，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。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单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，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单元。

实施例1

根据本发明实施例，提供了一种运动轨迹的处理方法的方法实施例，需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。

图1是根据本发明实施例的运动轨迹的处理方法的流程图，如图1所示，该运动轨迹的处理方法包括如下步骤：

步骤S102，获取由运动相关数据生成的原始运动轨迹。

可选的，上述运动相关数据可以包括：定位数据和运动数据，获取由运动相关数据生成的原始运动轨迹，包括：获取定位数据和运动数据；按照运动相关数据的数据采集时间，利用定位数据和运动数据生成原始运动轨迹。

可选的，上述运动相关数据可以是由运动用户佩戴的可穿戴设备采集的数据，例如，智能手环。

另外，上述运动相关数据也可以是通过用户携带的移动终端采集的数据，例如，手机。

可选的，上述定位数据可以是通过用户佩戴的可穿戴设备中的定位模块，例如，GPS，采集的运动用户在预定时间段的位置数据，其中，上述位置数据可以以运动用户当前所在的地理坐标位置，比如，经纬度来表示，也可以是以运动用户当前所在的具体地点，比如，某条街道来表示。

可选的，上述运动数据可以是利用可穿戴设备的感应器件，比如，加速度传感器来获取的运动细节数据。

在一种可选的实施例中，在本发明实施例中，在获取到运动相关数据之后，还可以将其转换为运动轨迹处理系统内部通信格式并记录。

步骤S104，通过运动轨迹处理模型，确定与原始运动轨迹对应并按照运动类型划分的多条运动轨迹，其中，运动轨迹处理模型为使用多组训练数据通过机器学习训练得到的，多组训练数据中的每一组训练数据均包括：运动轨迹以及与该运动轨迹对应的多条运动轨迹。

步骤S106，响应于运动轨迹选择请求，从多条运动轨迹中选择与运动轨迹选择请求对应的目标运动轨迹。

可选的，上述运动轨迹选择请求，可以是由运动用户基于自己的需求生成的，从而可以基于该运动轨迹选择请求从多条运动轨迹中选择出目标运动轨迹。

另外，上述运动轨迹选择请求也可以是根据预先设置的规则生成的，这里的预先设置的规则可以是基于历史时间段内大多数运动用户进行相同的运动后，采用哪种方式从多条运动轨迹中选择出目标运动轨迹的方式得到的。

步骤S108，响应于作用于目标运动轨迹的调整操作，对目标运动轨迹进行调整，得到调整后的目标运动轨迹。

由上可知，在本发明实施例中，可以获取由运动相关数据生成的原始运动轨迹；通过运动轨迹处理模型，确定与原始运动轨迹对应并按照运动类型划分的多条运动轨迹，其中，运动轨迹处理模型为使用多组训练数据通过机器学习训练得到的，多组训练数据中的每一组训练数据均包括：运动轨迹以及与该运动轨迹对应的多条运动轨迹；响应于运动轨迹选择请求，从多条运动轨迹中选择与运动轨迹选择请求对应的目标运动轨迹；响应于作用于目标运动轨迹的调整操作，对目标运动轨迹进行调整，得到调整后的目标运动轨迹，实现了可以对原始运动轨迹进行分割处理后，将运动类型相同的子运动轨迹进行合并处理，得到按照运动类型划分的多条运动轨迹，以满足运动用户可以选择并调整自己想要保留的运动轨迹的目的，达到了提升运动轨迹处理的灵活性的技术效果，进而也提高了运动用户的运动体验。

通过本发明实施例提供的运动轨迹的处理方法，解决了相关技术中用户在户外运动过程中会产生多种不同类型的运动轨迹，导致用户无法准确记录同一种类型的运动，进而无法得到符合用户预期的运动轨迹的技术问题。

在一种可选的实施例中，通过运动轨迹处理模型，确定与原始运动轨迹对应并按照运动类型划分的多条运动轨迹，包括：对原始运动轨迹进行分割，得到原始运动轨迹中的多条子运动轨迹；提取多条子运动轨迹中每一条子运动轨迹的运动数据；将每一条子运动轨迹的运动数据输入至运动轨迹处理模型；获取运动轨迹处理模型的输出，并基于运动轨迹处理模型的输出确定每一条子运动轨迹的运动类型；根据每一条子运动轨迹的运动类型对多条子运动轨迹进行合并处理，得到按照运动类型划分的多条运动轨迹。

在该实施例中，可以将原始运动轨迹以公里为单位进行分割，从而可以得到多条子运动轨迹，然后可以基于配速、轨迹平滑程度、步幅等参数对多条子运动轨迹进行不同运动类型计算，从而可以判断多条子运动轨迹中的每一条子运动轨迹属于何种运动类型。

在通过上述实施例，得到多条子运动轨迹中的每一条子运动轨迹的运动类型后，可以将不同运动类型的子运动轨迹按照保持连续性的前提下进行合并，得到若干条不同运动类型的运动轨迹。

在一种可选的实施例中，在通过运动轨迹处理模型，确定与原始运动轨迹对应并按照运动类型划分的多条运动轨迹之后，该运动轨迹的处理方法还可以包括：对多条运动轨迹进行回归计算处理，得到多条运动轨迹中每一条运动轨迹的有效性；基于每一条运动轨迹的有效性对多条运动轨迹中每一条运动轨迹进行有效性标注。

在该实施例中，可以在得到按照运动类型划分的多条运动轨迹之后，可以对记录和校准的运动记录进行业务层级需要的信息计算，具体地，可以对多条运动轨迹进行回归计算处理，从而得到多条运动轨迹中每一条运动轨迹的有效性，例如，可以基于运动距离和时间、运动分段配速、总体配速、最大配速、最小配速、运动海拔高度总体爬升或下降、平均海拔、运动卡路里消耗等，来确定运动轨迹的有效性，从而可以对多条运动轨迹中的每一条运动轨迹进行有效性标注，对于存在无效性标注的运动轨迹可以提示运动用户。

在一种可选的实施例中，运动数据包括以下至少之一：运动距离数据，运动时间数据，运动配速数据，卡路里消耗数据，运动状态数据，运动步数数据。

在一种可选的实施例中，对目标运动轨迹进行调整，得到调整后的目标运动轨迹，包括：获取目标运动轨迹中的过渡段，其中，过渡段表示由一种运动类型切换为另外一种运动类型的轨迹段；将过渡段从目标运动轨迹中删除，得到初步调整后的目标运动轨迹；确定目标运动轨迹的展示形式，并以展示形式对初步调整后的目标运动轨迹的展示形式进行调整，得到调整后的目标运动轨迹。

在上述实施例中，运动用户可以选择将其选择出的目标运动轨迹的头部和尾部不合适的部分删除，这里的头部和尾部可以表示由一种运动类型切换至另外一种运动类型过程中的运动相关数据对应的轨迹段，即，上述过渡段；处理后会重新走一遍回归计算，以提高目标运动轨迹的可靠性。

另外，在本发明实施例中，可以以不同于调整前的运动轨迹的展示形式展示调整后的目标运动轨迹，例如，可以以不同的颜色将调整后的目标运动轨迹展示出来。

在一种可选的实施例中，在对目标运动轨迹进行调整，得到调整后的目标运动轨迹之后，方法还包括：存储调整后的目标运动轨迹。

在该实施例中，将调整后的目标运动轨迹实时存储，可以供运动轨迹的处理系统中的其他功能模块调用使用。

在一种可选的实施例中，在对目标运动轨迹进行调整，得到调整后的目标运动轨迹之后，方法还包括：确定调整后的目标运动轨迹满足预定条件，其中，预定条件至少包括：符合最小距离要求，符合最小时间要求，符合业务信息计算要求；对调整后的目标运动轨迹再次进行回归计算处理，并存储回归计算处理后的目标运动轨迹。

在该实施例中，可以对调整后的目标运动轨迹的可用性进行计算，以确保调整后的目标运动轨迹可用性达到预定阈值。

通过本发明实施例提供的运动轨迹的处理方法，使得运动用户在运动过程中产生的包含多种运动类型的轨迹，经过预处理后得到若干条按类型分拆的运动轨迹，运动用户对这些预处理后轨迹可做进一步手动调整，从而得到一组按运动类型划分且符合运动用户期望的运动轨迹。

例如，可以在运动过程中和运动后，通过轨迹优化算法以及获取和计算的配速、轨迹平滑、步幅，将该多运动类型轨迹中不符合当前运动类型的部分轨迹进行删除、修正等处理，并对多运动类型的运动轨迹进行预处理后拆分成多条单一运动类型的运动轨迹，进而运动用户可以使用拖动或点击等交互式方式，对预处理后的运动轨迹头部和尾部做处理，以得到符合运动用户预期的运动轨迹。

由上述分析可知，在本发明实施例中，对于不同类型的运动轨迹通过配速、轨迹平滑、步幅等来做区分，以此将运动轨迹划分为不同类型的运动轨迹，运动用户可以对处理后的运动轨迹进行手段调整，仅保留用户希望记录的运动轨迹。

实施例2

根据本发明实施例的另一个方面，还提供了一种运动轨迹的处理装置，图2是根据本发明实施例的运动轨迹的处理装置的示意图，如图2所示，该运动轨迹的处理装置包括：获取单元21，第一确定单元23，选择单元25以及调整单元27。下面对该运动轨迹的处理装置进行详细说明。

获取单元21，用于获取由运动相关数据生成的原始运动轨迹。

第一确定单元23，用于通过运动轨迹处理模型，确定与原始运动轨迹对应并按照运动类型划分的多条运动轨迹，其中，运动轨迹处理模型为使用多组训练数据通过机器学习训练得到的，多组训练数据中的每一组训练数据均包括：运动轨迹以及与该运动轨迹对应的多条运动轨迹。

选择单元25，用于响应于运动轨迹选择请求，从多条运动轨迹中选择与运动轨迹选择请求对应的目标运动轨迹。

调整单元27，用于响应于作用于目标运动轨迹的调整操作，对目标运动轨迹进行调整，得到调整后的目标运动轨迹。

此处需要说明的是，上述获取单元21，第一确定单元23，选择单元25以及调整单元27对应于实施例中的步骤S102至S108，上述单元与对应的步骤所实现的示例和应用场景相同，但不限于上述实施例所公开的内容。需要说明的是，上述单元作为装置的一部分可以在诸如一组计算机可执行指令的计算机系统中执行。

由上可知，在本申请上述实施例中，可以利用获取单元获取由运动相关数据生成的原始运动轨迹；然后利用第一确定单元通过运动轨迹处理模型，确定与原始运动轨迹对应并按照运动类型划分的多条运动轨迹，其中，运动轨迹处理模型为使用多组训练数据通过机器学习训练得到的，多组训练数据中的每一组训练数据均包括：运动轨迹以及与该运动轨迹对应的多条运动轨迹；并利用选择单元响应于运动轨迹选择请求，从多条运动轨迹中选择与运动轨迹选择请求对应的目标运动轨迹；以及利用调整单元响应于作用于目标运动轨迹的调整操作，对目标运动轨迹进行调整，得到调整后的目标运动轨迹。通过本发明实施例提供的运动轨迹的处理装置，实现了可以对原始运动轨迹进行分割处理后，将运动类型相同的子运动轨迹进行合并处理，得到按照运动类型划分的多条运动轨迹，以满足运动用户可以选择并调整自己想要保留的运动轨迹的目的，达到了提升运动轨迹处理的灵活性的技术效果，进而也提高了运动用户的运动体验，进而解决了相关技术中用户在户外运动过程中会产生多种不同类型的运动轨迹，导致用户无法准确记录同一种类型的运动，进而无法得到符合用户预期的运动轨迹的技术问题。

在一种可选的实施例中，运动相关数据包括：定位数据和运动数据，获取单元包括：第一获取模块，用于获取定位数据和运动数据；生成模块，用于按照运动相关数据的数据采集时间，利用定位数据和运动数据生成原始运动轨迹。

在一种可选的实施例中，第一确定单元包括：分割模块，用于对原始运动轨迹进行分割，得到原始运动轨迹中的多条子运动轨迹；提取模块，用于提取多条子运动轨迹中每一条子运动轨迹的运动数据；输入模块，用于将每一条子运动轨迹的运动数据输入至运动轨迹处理模型；确定模块，用于获取运动轨迹处理模型的输出，并基于运动轨迹处理模型的输出确定每一条子运动轨迹的运动类型；合并模块，用于根据每一条子运动轨迹的运动类型对多条子运动轨迹进行合并处理，得到按照运动类型划分的多条运动轨迹。

在一种可选的实施例中，装置还包括：回归处理单元，用于在通过运动轨迹处理模型，确定与原始运动轨迹对应并按照运动类型划分的多条运动轨迹之后，对多条运动轨迹进行回归计算处理，得到多条运动轨迹中每一条运动轨迹的有效性；标注单元，用于基于每一条运动轨迹的有效性对多条运动轨迹中每一条运动轨迹进行有效性标注。

在一种可选的实施例中，运动数据包括以下至少之一：运动距离数据，运动时间数据，运动配速数据，卡路里消耗数据，运动状态数据，运动步数数据。

在一种可选的实施例中，调整单元包括：第二获取模块，用于获取目标运动轨迹中的过渡段，其中，过渡段表示由一种运动类型切换为另外一种运动类型的轨迹段；删除模块，用于将过渡段从目标运动轨迹中删除，得到初步调整后的目标运动轨迹；调整模块，用于确定目标运动轨迹的展示形式，并以展示形式对初步调整后的目标运动轨迹的展示形式进行调整，得到调整后的目标运动轨迹。

在一种可选的实施例中，装置还包括：存储单元，用于在对目标运动轨迹进行调整，得到调整后的目标运动轨迹之后，存储调整后的目标运动轨迹。

在一种可选的实施例中，装置还包括：第二确定单元，用于在对目标运动轨迹进行调整，得到调整后的目标运动轨迹之后，确定调整后的目标运动轨迹满足预定条件，其中，预定条件至少包括：符合最小距离要求，符合最小时间要求，符合业务信息计算要求；处理单元，用于对调整后的目标运动轨迹再次进行回归计算处理，并存储回归计算处理后的目标运动轨迹。

实施例3

根据本发明实施例的另一个方面，还提供了一种计算机可读存储介质，该计算机可读存储介质包括存储的程序，其中，程序执行上述的运动轨迹的处理方法。

实施例4

根据本发明实施例的另一个方，还提供了一种处理器，处理器用于运行程序，其中，程序运行时执行上述的运动轨迹的处理方法。

实施例5

根据本发明实施例的另一个方面，还提供了一种运动轨迹处理系统，包括：存储器，与存储器耦合的处理器，存储器和处理器通过总线系统相通信；存储器用于存储程序，其中，程序在被处理器执行时控制存储器所在设备执上述的运动轨迹的处理方法；处理器用于运行程序，其中，程序运行时执行上述的运动轨迹的处理方法。

另外，图3是根据本发明实施例的运动轨迹处理系统的示意图，如图3所示，该运动轨迹处理系统可以包括：数据获取模块，利用可穿戴设备的GPS定位系统获取定位信息，利用加速度计传感器获取运动细节数据，将数据转换为系统内部通信格式并记录，并传递给多运动类型分段处理模块进行后续处理；多运动类型分段模块，可以包括：图4(图4是根据本发明实施例的多运动类型分段模块的示意图)所示的计算单元分割子模块，将待调整轨迹(即，原始运动轨迹)以公里为单位分割为若干子运动轨迹，图4中的多运动类型匹配子模块，将每个子运动轨迹进行运动类型匹配，依据配速、轨迹平滑程度、步幅的参数进入不同类型的运动模型中计算，判断每个子运动轨迹属于何种运动类型；图4中的单运动类型生成子模块，将不同的运动类型的子运动模块按照在保证连续性的前提现进行合并，此时得到若干条不同类型的运动轨迹；回归计算模块，对记录和校准的运动记录进行业务层级需要的信息计算，计算完成后传递给手动调整模块进行运动用户级别的调整；手动调整模块，可供运动用户将目标运动轨迹头部和尾部的不合适的部分删除，处理过后的数据将会重新走一遍回归计算模块。

其中，上述手动调整模块可以包括：用户可视化调整子模块、调整轨迹可用性处理子模块、记录存储子模块；用户可视化调整子模块：运动用户可以使用可视化调整子模块提供的修改控件进行记录的动态调整，可视化工具通过实时接收用户的输入信息(调整后的轨迹开始、结束位置)，动态对轨迹定位信息计算，并将截断后效果无延迟地展现在地图上，运动用户可以直观地查看修改后的效果：被截断的部分使用明显不同于截断前普通轨迹的颜色进行展示。调整工具同时具备一定基本信息的算法计算功能，利用运动用户的输入信息(调整后的轨迹开始、结束位置)、轨迹自身的信息，综合计算后可输出用户当前所截断轨迹的距离、开始时间、结束时间。调整后的信息实时存储于系统中，并提供其他子模块调用使用；调整轨迹可用性处理子模块：运动用户在确认所调整范围符合自身需求后，使用模块的确认截断功能进行此子模块调用，对运动用户调整后轨迹的可用性进行检查，其中包括：轨迹是否满足最小距离要求、轨迹是否满足最小时间要求、轨迹是否满足业务信息计算要求，系统检查符合需求的数据，会重新调用回归计算模块，生成所需要信息，处理后的轨迹输入至记录存储模块进行记录更新和存储；记录存储子模块：此子模块包括数据接收接口、数据存储功能。接收调整工具、轨迹可用性处理子模块处理完成后的用户轨迹记录，将记录更新至数据存储。

通过本发明实施例提供的运动轨迹处理系统可以实现对原始运动轨迹进行智能分段，即，将原始运动轨迹按照不同运动模型分为不同类型运动轨迹记录保存；另外，兼容手动以及自动处理，保证最后的运动轨迹是运动用户最理想的；此外，还可以将其他类型运动轨迹按照当前轨迹特点进行折算保存，完善了运动用户的记录体验，可根据自己需求仅保留相同运动类型的运动轨迹，由于运动用户自己可以自主调整运动轨迹，从而减少了客服工作量。

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。

在本发明的上述实施例中，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，所揭露的技术内容，可通过其它的方式实现。其中，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，可以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，单元或模块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，在本发明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介质中。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介质中，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)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：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。

以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (11)

1.一种运动轨迹的处理方法，其特征在于，包括：

获取由运动相关数据生成的原始运动轨迹；

通过运动轨迹处理模型，确定与所述原始运动轨迹对应并按照运动类型划分的多条运动轨迹，其中，所述运动轨迹处理模型为使用多组训练数据通过机器学习训练得到的，所述多组训练数据中的每一组训练数据均包括：运动轨迹以及与该运动轨迹对应的多条运动轨迹；

响应于运动轨迹选择请求，从所述多条运动轨迹中选择与所述运动轨迹选择请求对应的目标运动轨迹；

响应于作用于所述目标运动轨迹的调整操作，对所述目标运动轨迹进行调整，得到调整后的目标运动轨迹；

其中，所述对所述目标运动轨迹进行调整，得到调整后的目标运动轨迹，包括：

获取所述目标运动轨迹中的过渡段，其中，所述过渡段表示由一种运动类型切换为另外一种运动类型的轨迹段；

将所述过渡段从所述目标运动轨迹中删除，得到初步调整后的目标运动轨迹；

确定所述目标运动轨迹的展示形式，并以所述展示形式对所述初步调整后的目标运动轨迹的展示形式进行调整，得到调整后的目标运动轨迹。

2.根据权利要求1所述的方法，其特征在于，所述运动相关数据包括：定位数据和运动数据，所述获取由运动相关数据生成的原始运动轨迹，包括：

获取所述定位数据和所述运动数据；

按照所述运动相关数据的数据采集时间，利用所述定位数据和所述运动数据生成所述原始运动轨迹。

3.根据权利要求1所述的方法，其特征在于，所述通过运动轨迹处理模型，确定与所述原始运动轨迹对应并按照运动类型划分的多条运动轨迹，包括：

对所述原始运动轨迹进行分割，得到所述原始运动轨迹中的多条子运动轨迹；

提取所述多条子运动轨迹中每一条子运动轨迹的运动数据；

将所述每一条子运动轨迹的运动数据输入至所述运动轨迹处理模型；

获取所述运动轨迹处理模型的输出，并基于所述运动轨迹处理模型的输出确定所述每一条子运动轨迹的运动类型；

根据所述每一条子运动轨迹的运动类型对所述多条子运动轨迹进行合并处理，得到按照运动类型划分的所述多条运动轨迹。

4.根据权利要求1所述的方法，其特征在于，在所述通过运动轨迹处理模型，确定与所述原始运动轨迹对应并按照运动类型划分的多条运动轨迹之后，所述方法还包括：

对所述多条运动轨迹进行回归计算处理，得到所述多条运动轨迹中每一条运动轨迹的有效性；

基于所述每一条运动轨迹的有效性对所述多条运动轨迹中每一条运动轨迹进行有效性标注。

5.根据权利要求2或3所述的方法，其特征在于，所述运动数据包括以下至少之一：

运动距离数据，运动时间数据，运动配速数据，卡路里消耗数据，运动状态数据，运动步数数据。

6.根据权利要求1所述的方法，其特征在于，在所述对所述目标运动轨迹进行调整，得到调整后的目标运动轨迹之后，所述方法还包括：

存储调整后的目标运动轨迹。

7.根据权利要求1至6中任一项所述的方法，其特征在于，在所述对所述目标运动轨迹进行调整，得到调整后的所述目标运动轨迹之后，所述方法还包括：

确定调整后的目标运动轨迹满足预定条件，其中，所述预定条件至少包括：

符合最小距离要求，符合最小时间要求，符合业务信息计算要求；

对所述调整后的目标运动轨迹再次进行回归计算处理，并存储回归计算处理后的目标运动轨迹。

8.一种运动轨迹的处理装置，其特征在于，包括：

获取单元，用于获取由运动相关数据生成的原始运动轨迹；

第一确定单元，用于通过运动轨迹处理模型，确定与所述原始运动轨迹对应并按照运动类型划分的多条运动轨迹，其中，所述运动轨迹处理模型为使用多组训练数据通过机器学习训练得到的，所述多组训练数据中的每一组训练数据均包括：运动轨迹以及与该运动轨迹对应的多条运动轨迹；

选择单元，用于响应于运动轨迹选择请求，从所述多条运动轨迹中选择与所述运动轨迹选择请求对应的目标运动轨迹；

调整单元，用于响应于作用于所述目标运动轨迹的调整操作，对所述目标运动轨迹进行调整，得到调整后的目标运动轨迹；

其中，所述调整单元包括：第二获取模块，用于获取所述目标运动轨迹中的过渡段，其中，所述过渡段表示由一种运动类型切换为另外一种运动类型的轨迹段；删除模块，用于将所述过渡段从所述目标运动轨迹中删除，得到初步调整后的目标运动轨迹；调整模块，用于确定所述目标运动轨迹的展示形式，并以所述展示形式对所述初步调整后的目标运动轨迹的展示形式进行调整，得到调整后的目标运动轨迹。

9.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质包括存储的程序，其中，所述程序执行权利要求1至7中任一项所述的运动轨迹的处理方法。

10.一种处理器，其特征在于，所述处理器用于运行程序，其中，所述程序运行时执行权利要求1至7中任一项所述的运动轨迹的处理方法。

11.一种运动轨迹处理系统，其特征在于，包括：

存储器，与所述存储器耦合的处理器，所述存储器和所述处理器通过总线系统相通信；

所述存储器用于存储程序，其中，所述程序在被处理器执行时控制所述存储器所在设备执行权利要求1至7中任一项所述的运动轨迹的处理方法；

所述处理器用于运行程序，其中，所述程序运行时执行权利要求1至7中任一项所述的运动轨迹的处理方法。