CN111840948B - 检测羽毛球挥拍次数的方法、装置及可穿戴设备 - Google Patents

Abstract

本发明公开了一种检测羽毛球挥拍次数的方法、装置及可穿戴设备。其中，该方法包括：采集羽毛球运动过程中的六轴运动数据，其中，六轴运动数据包括：三轴加速度数据和三轴角速度数据；利用六轴运动数据生成融合特征数据；对融合特征数据进行滤波处理，得到滤波数据；根据滤波数据的峰值点，确定羽毛球挥拍次数。本发明解决了相关技术中不能识别羽毛球挥拍次数的技术问题。

Description

检测羽毛球挥拍次数的方法、装置及可穿戴设备

技术领域

本发明涉及运动设备领域，具体而言，涉及一种检测羽毛球挥拍次数的方法、装置及可穿戴设备。

背景技术

目前为止，绝大多数手环手表等智能可穿戴设备都具有六轴传感器(三轴加速度计和三轴陀螺仪)，但是这些智能手环、手表等都没有羽毛球运动记录功能。

针对上述的问题，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检测羽毛球挥拍次数的方法、装置及可穿戴设备，以至少解决相关技术中不能识别羽毛球挥拍次数的技术问题。

根据本发明实施例的一个方面，提供了一种检测羽毛球挥拍次数的方法，包括：采集羽毛球运动过程中的六轴运动数据，其中，所述六轴运动数据包括：三轴加速度数据和三轴角速度数据；利用所述六轴运动数据生成融合特征数据；对所述融合特征数据进行滤波处理，得到滤波数据；根据所述滤波数据的峰值点，确定羽毛球挥拍次数。

可选地，利用所述六轴运动数据生成所述融合特征数据包括：根据所述三轴加速度数据确定合加速度数据，以及根据所述三轴角速度数据确定合角速度数据；根据所述加速度数据和所述合角速度数据，生成所述融合特征数据。

可选地，通过以下方式，根据所述三轴加速度数据确定合加速度数据，以及根据所述三轴角速度数据确定合角速度数据包括：

acc＝sqrt(acc_x*acc_x+acc_y*acc_y+acc_z*acc_z)，

gyro＝sqrt(gyro_x*gyro_x+gyro_y*gyro_y+gyro_z*gyro_z)；

其中，acc_x，acc_y，acc_z为所述三轴加速度数据，gyro_x，gyro_y，gyro_z为所述三轴角速度数据，acc为所述合加速度数据，gyro为所述合角速度数据；

通过以下方式，根据所述合加速度数据和所述合角速度数据，生成所述融合特征数据：feature＝a*acc+b*gyro，其中，feature为所述融合特征数据,a、b为系数常数。

可选地，对所述融合特征数据进行滤波处理，得到所述滤波数据包括：根据所述羽毛球运动的运动特征，确定用于进行滤波处理的滤波器的滤波条件，其中，所述运动特征包括：所述羽毛球运动中的挥拍的动作特点，所述羽毛球运动中的挥拍的速度范围；根据所述滤波条件滤除所述融合特征数据中的噪声数据，得到所述滤波数据。

可选地，根据所述滤波数据的峰值点，确定羽毛球挥拍次数包括：确定峰值点阈值；在所述滤波数据的峰值点对应的数值超过所述峰值点阈值的情况下，确定滤波数据的峰值点对应于羽毛球挥拍动作，并统计整个羽毛球运动过程中的挥拍次数。

根据本发明实施例的另一方面，还提供了一种检测羽毛球挥拍次数的装置，包括：采集模块，用于采集羽毛球运动过程中的六轴运动数据，其中，所述六轴运动数据包括：三轴加速度数据和三轴角速度数据；生成模块，用于利用所述六轴运动数据生成融合特征数据；滤除模块，用于对所述融合特征数据进行滤波处理，得到滤波数据；确定模块，用于根据所述滤波数据的峰值点，确定羽毛球挥拍次数。

可选地，所述生成模块包括：确定单元，用于根据所述三轴加速度数据确定合加速度数据，以及根据所述三轴角速度数据确定合角速度数据；生成单元，用于根据所述加速度数据和所述合角速度数据，生成所述融合特征数据。

根据本发明实施例的另一方面，还提供了一种可穿戴设备，所述设备包括上述中任意一项所述的检测羽毛球挥拍次数的装置。

根据本发明实施例的另一方面，还提供了一种存储介质，所述存储介质存储有程序，其中，在所述程序被处理器运行时使得所述处理器执行上述中任意一项所述的检测羽毛球挥拍次数的方法。

根据本发明实施例的另一方面，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中任意一项所述的检测羽毛球挥拍次数的方法。

在本发明实施例中，采用采集羽毛球运动过程中的六轴运动数据，其中，所述六轴运动数据包括：三轴加速度数据和三轴角速度数据；利用所述六轴运动数据生成融合特征数据；对所述融合特征数据进行滤波处理，得到滤波数据；根据所述滤波数据的峰值点，确定羽毛球挥拍次数的方式，通过对六轴传感器采集的六轴运动数据进行融合、滤除以及检测等操作处理，达到了检测羽毛球挥拍次数的目的，从而实现了准确地检测的羽毛球挥拍次数的技术效果，进而解决了相关技术中不能识别羽毛球挥拍次数的技术问题。

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检测羽毛球挥拍次数的方法的流程图；

图2是根据本发明优选实施例的检测羽毛球挥拍次数的方法的流程图；

图3是根据本发明优选实施例的合加速度数据、合角速度数据以及融合特征数据的示意图；

图4是根据本发明优选实施例的融合特征数据过滤后得到的滤波数据的示意图；

图5是根据本发明优选实施例的峰值点检测的示意图；

图6是根据本发明实施例的检测羽毛球挥拍次数的装置的结构示意图；

图7是根据本发明实施例的可穿戴设备的结构示意图。

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。

根据本发明实施例，提供了一种检测羽毛球挥拍次数的方法的实施例，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检测羽毛球挥拍次数的方法的流程图，如图1所示，该方法包括如下步骤：

步骤S102，采集羽毛球运动过程中的六轴运动数据，其中，六轴运动数据包括：三轴加速度数据和三轴角速度数据；

步骤S104，利用六轴运动数据生成融合特征数据；

步骤S106，对融合特征数据进行滤波处理，得到滤波数据；

步骤S108，根据滤波数据的峰值点，确定羽毛球挥拍次数。

通过上述步骤，可以实现通过对六轴传感器采集的六轴运动数据进行融合、滤除以及检测等操作处理，达到了检测羽毛球挥拍次数的目的，从而实现了准确地检测的羽毛球挥拍次数的技术效果，进而解决了相关技术中不能识别羽毛球挥拍次数的技术问题。

上述采集羽毛球运动过程中的六轴运动数据可以通过多种方式来实现，例如，通过安装有六轴传感器的羽毛球拍获取上述六轴运动数据，也可以通过安装有六轴传感器的可穿戴设备采集上述六轴运动数据，还可以由安装有六轴传感器的其他设备采集。作为一种可选的实施例，可选择智能手环，手表等具有六轴传感器的可穿戴设备。上述羽毛球运动为可以是羽毛球单打，羽毛球双打等。需要说明的是，上述六轴运动数据包括三轴加速度数据和三轴角速度数据，其中，可以由三轴加速度计采集三轴加速度数据，可以由三轴陀螺仪采集三轴角速度数据，进而三轴加速度数据和三轴角速度数据组成六轴运动数据，用于描述羽毛球运动的挥拍运动。

上述利用六轴运动数据生成融合特征数据，其中，融合特征数据可以为一轴特征数据。由于在羽毛球运动中，六轴运动数据存在明显的变化，或一些外界干扰因素的影响，再将上述六轴运动数据进行融合后，即生成融合特征数据，该融合特征数据融合后的一维数据不仅具有融合前的特征,而且还具有好处理的好处，且产生更加明显的变化，一定程度上还会降低外界干扰因素的影响。

上述滤波处理主要是滤除融合特征数据中的高频噪声和/或低频噪声，这些噪声包括电磁干扰，非羽毛球运动的特征数据等。例如，在羽毛球运动中，采集的羽毛球运动数据会稳定在一定的阈值范围内，若是低于这一阈值范围，则有可能是在获取数据是产生的干扰，这些干扰因素一般情况下频率比较低，而高于这一阈值范围，可能是一些比羽毛球运动动作更加剧烈的运动动作，则认为该动作非羽毛球运动动作。经过滤波处理，可以非常有效的滤除掉非羽毛球运动对应的特征数据，可以降低数据噪声的影响，提高后续识别的准确度。

上述根据滤波数据的峰值点，确定羽毛球挥拍次数，即在确定羽毛球挥拍次数时，需要根据滤波数据的峰值点。例如，可以设置一个或者多个峰值点阈值，根据峰值点阈值，得到羽毛球挥拍次数。在具体实施中，上述可以直接根据滤波数据的峰值点得到羽毛球挥拍次数，也可以根据具体情况设置峰值点阈值，得到需要的羽毛球运动中的羽毛球挥拍次数。既可以得到羽毛球挥拍次数，还可以使得到羽毛球挥拍次数更准确，更具有实践意义。

可选地，利用六轴运动数据生成融合特征数据包括：根据三轴加速度数据确定合加速度数据，以及根据三轴角速度数据确定合角速度数据；根据加速度数据和合角速度数据，生成融合特征数据。

在本发明实施例中，可以通过六轴运动数据中的三轴加速度数据、三轴角速度数据分别确定对应的合加速度数据、合角速度数据，进而根据上述合加速度数据和合角速度数据经过计算得到上述六轴运动数据对应的融合特征数据。该方法主要用于降低特征数据的维度，提高特征变化的区分度。

可选地，根据三轴加速度数据确定合加速度数据，以及根据三轴角速度数据确定合角速度数据时,可以采用多种方式,例如,在本优选实施例中,提供一种既简单又准确的确定方式,例如,通过以下方式，根据三轴加速度数据确定合加速度数据，以及根据三轴角速度数据确定合角速度数据包括：

acc＝sqrt(acc_x*acc_x+acc_y*acc_y+acc_z*acc_z)，

gyro＝sqrt(gyro_x*gyro_x+gyro_y*gyro_y+gyro_z*gyro_z)；

其中，acc_x，acc_y，acc_z为三轴加速度数据，gyro_x，gyro_y，gyro_z为三轴角速度数据，acc为合加速度数据，gyro为合角速度数据；

通过以下方式，根据合加速度数据和合角速度数据，生成融合特征数据：feature＝a*acc+b*gyro，其中，feature为融合特征数据,a、b为系数常数。

作为一种可选的实施例，通过上述方式计算得到融合特征数据，其中，得到的融合特征数据相比较之前的合加速度数据和合角速度数据，其变化特征更加明显，更加容易区分具有较高的区分度。需要说明的是，在计算融合特征数据的公式中，系数常数a、b为实验验证所得，在具体实施过程中，系数常数a、b的取值可以根据应用场景进行设定。其中，上述系数常数a、b的取值方式并不唯一，例如，可以采用通用的默认值，也可以是用户自己设定的数值。

可选地，对融合特征数据进行滤波处理，得到滤波数据包括：根据羽毛球运动的运动特征，确定用于进行滤波处理的滤波器的滤波条件，其中，运动特征包括：羽毛球运动中的挥拍的动作特点，羽毛球运动中的挥拍的速度范围；根据滤波条件滤除融合特征数据中的噪声数据，得到滤波数据。

作为一种可选的实施例，由于噪声的干扰会对后续的识别产生诸多不利的影响，为了提高过滤效果，针对羽毛球运动的运动特征设计滤波器，其中，上述滤波器可以为带通滤波器，包括贝塞尔滤波器、切比雪夫滤波器、巴特沃斯滤波器等等。在具体实施过程中，可以根据应用场景选择其他的滤波器，同时还可以一个滤波器或者多个滤波器结合的形式进行滤波处理。此外，运动特征是根据用户的运动习惯得到的，可以是用户在羽毛球运动中的挥拍的动作特点，例如，挥拍的动作力量、挥拍的动作频率等，也可以是用户在羽毛球运动中的挥拍的速度范围等，例如，每分钟多少次，次数越多，速度越快，还可以是除上述举例以外的其他运动特征，进而可以根据上述条件滤除融合特征数据中的噪声数据，得到滤波数据。需要说明的是，上述带通滤波器只允许特定频段的数据通过，并将该特定频段以外的数据滤除掉，而特定频域是根据具体情形设定的，其中，在实际应用中，特定频段至少为一个。例如，利用带通滤波器对融合特征数据进行滤波处理，设置特定频域为10HZ至80HZ，则经过过滤以后，得到的滤波数据在上述特定频率内，又如，过滤之前存在的100HZ或者5HZ的数据在过滤时会被滤除掉。此外，还可以采用特定频率作为过滤标准值，将大于或者等于该特定频率的数据作为滤波数据，也可以将小于或者等于该特定频率的数据作为滤波数据。此外，在实施过程中，并不仅仅局限于上述所列举的方法。

在实际应用中，上述滤波处理可以是一次，也可以是多次，至于滤波处理的条件可以根据实际需要进行选择，以获得更好的滤除噪声的效果，得到更加准确的滤波数据。

可选地，根据滤波数据的峰值点，确定羽毛球挥拍次数包括：确定峰值点阈值；在滤波数据的峰值点对应的数值超过峰值点阈值的情况下，确定滤波数据的峰值点对应于羽毛球挥拍动作，并统计整个羽毛球运动过程中的挥拍次数。

作为一种可选的实施例，上述峰值点阈值可以根据机器学习等方法得到，还可以根据具有参考性的无数次试验数据计算得到，此外，还可以根据实际应用的场景进行人工设置。在确定滤波数据的峰值点对应于羽毛球挥拍动作时，不仅可以由滤波数据的峰值点对应的数值超过峰值点阈值来确定，还可以由滤波数据的峰值点对应的数值落在峰值点阈值范围内来确定，即在滤波数据的峰值点对应的数值落在峰值点阈值范围内的情况下，确定滤波数据的峰值点对应于羽毛球挥拍动作。在确定羽毛球挥拍动作后，进而统计整个羽毛球运动过程中的挥拍次数。其中，还包括对挥拍次数显示或提示，可以通过移动终端，可穿戴设备等进行实时显示或者语音提示等。

下面对本发明优选的实施例进行说明。

作为一种优选的实施例，该实施例是一种基于智能手环或手表的检测羽毛球挥拍次数的方法，在用户打羽毛球时，持羽毛球拍子的手腕可以佩戴手环或手表。在羽毛球运动过程中，手环或手表会自动识别挥拍并且记录挥拍次数。

图2是根据本发明优选实施例的检测羽毛球挥拍次数的方法的流程图，如图2所示，该流程图从用户打羽毛球开始，不断采集六轴传感器数据，经过六轴传感器数据融合，带通滤波器，以及峰值点检测，进而识别检测挥拍动作并记录，在用户结束本次羽毛球运动后上传数据。

其中，具体实施步骤如下：

步骤一、用六轴传感器数据融合计算出特征数据

用户在佩戴智能手环或手表打羽毛球运动时，手腕存在旋转和平移运动，但是每个人佩戴手环的方向和挥拍击打羽毛球的动作各异，所以相对三轴陀螺仪的xyz三个方向数据和三轴加速度计的xyz三个方向数据各异。针对这个问题，本发明采用一种新的方法，即处理六轴传感器采集的六个维度数据合成一维特征数据。

其中，数据融合计算步骤如下：

(1)假设获取到三轴加速度计数据acc_x，acc_y，acc_z，三轴陀螺仪数据gyro_x，gyro_y，gyro_z；

(2)计算合加速度的大小acc＝sqrt(acc_x*acc_x+acc_y*acc_y+acc_z*acc_z)，计算合角速度的大小gyro＝sqrt(gyro_x*gyro_x+gyro_y*gyro_y+gyro_z*gyro_z)；

(3)计算特征feature＝a*acc+b*gyro；

(4)记录融合特征数据feature。

图3是根据本发明优选实施例的合加速度数据、合角速度数据以及融合特征数据的示意图，如图3所示，在采集了打羽毛球时候的六轴传感器数据，并且按照上述步骤(2)的方法计算了合加速度(如图3a)和合角速度(如图3b)。可以看出打羽毛球挥拍运动过程中，合加速度和合角速度都有明显的变化，但也存在较多的干扰。按照上述步骤(3)的方法计算融合特征数据feature(如图3c)，可见feature特征较为明显。

步骤二、通过带通滤波器滤除特征数据中的高频和低频噪声

针对羽毛球挥拍动作特点，挥拍的速度范围，设计带通滤波器，包括但不限于贝塞尔滤波器、切比雪夫滤波器、巴特沃斯滤波器等。图3c中，虽然特征较为明显，但是存储很多噪声干扰，会影响识别结果。图4是根据本发明优选实施例的融合特征数据过滤后得到的滤波数据的示意图，经过滤波器之后的数据如图4所示，可见滤波之后的数据噪声干扰明显小了很多。

步骤三、峰值点检测

使用常用的峰值检测原理对带通滤波后的特征数据统计峰值点个数。图5是根据本发明优选实施例的峰值点检测的示意图，如图5所示，检测出图5中的峰值点，统计峰值点个数，即为本次打羽毛球挥拍的次数。

图6是根据本发明实施例的检测羽毛球挥拍次数的装置的结构示意图，如图6所示，该检测羽毛球挥拍次数的装置60，包括：采集模块62，生成模块64，滤除模块66和确定模块68。下面对该检测羽毛球挥拍次数的装置进行详细说明。

采集模块62，用于采集羽毛球运动过程中的六轴运动数据，其中，六轴运动数据包括：三轴加速度数据和三轴角速度数据；生成模块64，连接至上述采集模块62，用于利用六轴运动数据生成融合特征数据；滤除模块66，连接至上述生成模块64，用于对融合特征数据进行滤波处理，得到滤波数据；确定模块68，连接至上述滤除模块66，用于根据滤波数据的峰值点，确定羽毛球挥拍次数。

上述采集羽毛球运动过程中的六轴运动数据可以通过多种方式来实现，例如，通过安装有六轴传感器的羽毛球拍获取上述六轴运动数据，也可以通过安装有六轴传感器的可穿戴设备采集上述六轴运动数据，还可以由安装有六轴传感器的其他设备采集。作为一种可选的实施例，可选择智能手环，手表等具有六轴传感器的可穿戴设备。上述羽毛球运动为可以是羽毛球单打，羽毛球双打等。需要说明的是，上述六轴运动数据包括三轴加速度数据和三轴角速度数据，其中，可以由三轴加速度计采集三轴加速度数据，可以由三轴陀螺仪采集三轴角速度数据，进而三轴加速度数据和三轴角速度数据组成六轴运动数据，用于描述羽毛球运动的挥拍运动。

上述利用六轴运动数据生成融合特征数据，其中，融合特征数据可以为一轴特征数据。由于在羽毛球运动中，六轴运动数据存在明显的变化，或一些外界干扰因素的影响，再将上述六轴运动数据进行融合后，即生成融合特征数据，该融合特征数据融合的一轴数据不仅具有融合前的特征,而且还具有好处理的好处，且产生更加明显的变化，一定程度上还会降低外界干扰因素的影响。

上述滤波处理主要是滤除融合特征数据中的高频噪声和低频噪声，这些噪声包括电磁干扰，非羽毛球运动的特征数据等。例如，在羽毛球运动中，采集的羽毛球运动数据会稳定在一定的阈值范围内，若是低于这一阈值范围，则有可能是在获取数据是产生的干扰，这些干扰因素一般情况下频率比较低，而高于这一阈值范围，可能是一些比羽毛球运动动作更加剧烈的运动动作，则认为该动作非羽毛球运动动作。经过滤波处理，可以非常有效的滤除掉非羽毛球运动对应的特征数据，可以降低数据噪声的影响，提高后续识别的准确度。

上述根据滤波数据的峰值点，确定羽毛球挥拍次数，即在确定羽毛球挥拍次数时，需要根据滤波数据的峰值点。例如，可以设置一个或者多个峰值点阈值，根据峰值点阈值，得到羽毛球挥拍次数。在具体实施中，上述可以直接根据滤波数据的峰值点得到羽毛球挥拍次数，也可以根据具体情况设置峰值点阈值，得到需要的羽毛球运动中的羽毛球挥拍次数。既可以得到羽毛球挥拍次数，还可以使得到羽毛球挥拍次数更准确，更具有实践意义。

通过上述实施例，该检测羽毛球挥拍次数的装置可以实现通过对六轴传感器采集的六轴运动数据进行融合、滤除以及检测等操作处理，达到了检测羽毛球挥拍次数的目的，从而实现了准确地检测的羽毛球挥拍次数的技术效果，进而解决了相关技术中不能识别羽毛球挥拍次数的技术问题。

可选地，生成模块包括：确定单元，用于根据三轴加速度数据确定合加速度数据，以及根据三轴角速度数据确定合角速度数据；生成单元，用于根据加速度数据和合角速度数据，生成融合特征数据。

图7是根据本发明实施例的可穿戴设备的结构示意图，如图7所示，该可穿戴设备，包括上述中任意一项的检测羽毛球挥拍次数的装置60。

作为一种可选的实施例，上述可穿戴设备包括智能手环，手表等，其中，该设备包括检测羽毛球挥拍次数的装置。

根据本发明实施例的另一方面，还提供了一种存储介质，存储介质存储有程序，其中，在程序被处理器运行时使得处理器执行上述中任意一项的检测羽毛球挥拍次数的方法。

根据本发明实施例的另一方面，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中任意一项的检测羽毛球挥拍次数的方法。

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 (6)

1.一种检测羽毛球挥拍次数的方法，其特征在于，包括：

通过安装有六轴传感器的可穿戴设备采集羽毛球运动过程中的六轴运动数据，其中，所述六轴运动数据包括：三轴加速度数据和三轴角速度数据；

利用所述六轴运动数据生成融合特征数据；

对所述融合特征数据进行滤波处理，得到滤波数据；

根据所述滤波数据的峰值点，确定羽毛球挥拍次数；

其中，利用所述六轴运动数据生成所述融合特征数据包括：根据所述三轴加速度数据确定合加速度数据，以及根据所述三轴角速度数据确定合角速度数据；根据所述合加速度数据和所述合角速度数据，生成所述融合特征数据;

根据所述滤波数据的峰值点，确定羽毛球挥拍次数包括：确定峰值点阈值； 在所述滤波数据的峰值点对应的数值超过所述峰值点阈值的情况下，确定滤波数据的峰值点对应于羽毛球挥拍动作，并统计整个羽毛球运动过程中的挥拍次数；

其中，对所述融合特征数据进行滤波处理，得到所述滤波数据包括：

根据所述羽毛球运动的运动特征，确定用于进行滤波处理的滤波器的滤波条件，其中，所述运动特征包括：所述羽毛球运动中的挥拍的动作特点，所述羽毛球运动中的挥拍的速度范围，其中，根据所述运动特征设计所述滤波器；

根据所述滤波条件滤除所述融合特征数据中的噪声数据，得到所述滤波数据。

2.根据权利要求1所述的方法，其特征在于，

通过以下方式，根据所述三轴加速度数据确定合加速度数据，以及根据所述三轴角速度数据确定合角速度数据包括：

acc=sqrt(acc_x*acc_x+acc_y*acc_y+acc_z*acc_z)，

gyro=sqrt(gyro_x*gyro_x+gyro_y*gyro_y+gyro_z*gyro_z)；

其中，acc_x，acc_y，acc_z为所述三轴加速度数据，gyro_x，gyro_y，gyro_z为所述三轴角速度数据，acc为所述合加速度数据，gyro为所述合角速度数据；

通过以下方式，根据所述合加速度数据和所述合角速度数据，生成所述融合特征数据：

feature=a*acc+b*gyro，其中，feature为所述融合特征数据，a、b为系数常数。

3.一种检测羽毛球挥拍次数的装置，其特征在于，包括：

采集模块，用于通过安装有六轴传感器的可穿戴设备采集羽毛球运动过程中的六轴运动数据，其中，所述六轴运动数据包括：三轴加速度数据和三轴角速度数据；

生成模块，用于利用所述六轴运动数据生成融合特征数据；

滤除模块，用于对所述融合特征数据进行滤波处理，得到滤波数据；

确定模块，用于根据所述滤波数据的峰值点，确定羽毛球挥拍次数；

其中，所述生成模块包括：确定单元，用于根据所述三轴加速度数据确定合加速度数据，以及根据所述三轴角速度数据确定合角速度数据；生成单元，用于根据所述合加速度数据和所述合角速度数据，生成所述融合特征数据;

所述装置还用于执行如下步骤：根据所述滤波数据的峰值点，确定羽毛球挥拍次数包括：确定峰值点阈值； 在所述滤波数据的峰值点对应的数值超过所述峰值点阈值的情况下，确定滤波数据的峰值点对应于羽毛球挥拍动作，并统计整个羽毛球运动过程中的挥拍次数；

其中，所述滤除模块还用于：根据所述羽毛球运动的运动特征，确定用于进行滤波处理的滤波器的滤波条件，其中，所述运动特征包括：所述羽毛球运动中的挥拍的动作特点，所述羽毛球运动中的挥拍的速度范围，其中，根据所述运动特征设计所述滤波器；根据所述滤波条件滤除所述融合特征数据中的噪声数据，得到所述滤波数据。

4.一种可穿戴设备，其特征在于，所述设备包括权利要求3所述的检测羽毛球挥拍次数的装置。

5.一种存储介质，其特征在于，所述存储介质存储有程序，其中，在所述程序被处理器运行时使得所述处理器执行权利要求1至2中任意一项所述的检测羽毛球挥拍次数的方法。

6.一种处理器，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2中任意一项所述的检测羽毛球挥拍次数的方法。

Images