CN112075938A - 分布式数据采集系统、方法及存储介质 - Google Patents
分布式数据采集系统、方法及存储介质 Download PDFInfo
- Publication number
- CN112075938A CN112075938A CN202010493182.6A CN202010493182A CN112075938A CN 112075938 A CN112075938 A CN 112075938A CN 202010493182 A CN202010493182 A CN 202010493182A CN 112075938 A CN112075938 A CN 112075938A
- Authority
- CN
- China
- Prior art keywords
- signal
- human body
- action
- data
- processor
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 34
- 230000009471 action Effects 0.000 claims abstract description 140
- 230000005540 biological transmission Effects 0.000 claims abstract description 59
- 238000012549 training Methods 0.000 claims abstract description 18
- 238000004891 communication Methods 0.000 claims abstract description 17
- 238000000605 extraction Methods 0.000 claims abstract description 12
- 230000033001 locomotion Effects 0.000 claims description 90
- 238000004590 computer program Methods 0.000 claims description 11
- 229910052751 metal Inorganic materials 0.000 claims description 11
- 239000002184 metal Substances 0.000 claims description 11
- 238000013480 data collection Methods 0.000 claims description 6
- 230000000875 corresponding effect Effects 0.000 description 26
- 238000010586 diagram Methods 0.000 description 11
- 238000012545 processing Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 6
- 238000009432 framing Methods 0.000 description 5
- 239000013598 vector Substances 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000001914 filtration Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 230000001351 cycling effect Effects 0.000 description 2
- 238000002567 electromyography Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000009191 jumping Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000002194 synthesizing effect Effects 0.000 description 2
- WHXSMMKQMYFTQS-UHFFFAOYSA-N Lithium Chemical compound [Li] WHXSMMKQMYFTQS-UHFFFAOYSA-N 0.000 description 1
- 238000005452 bending Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 239000013078 crystal Substances 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 229910052744 lithium Inorganic materials 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000000087 stabilizing effect Effects 0.000 description 1
Images
Classifications
-
- 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
- A61B5/1116—Determining posture transitions
-
- 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
- A61B5/1123—Discriminating type of movement, e.g. walking or running
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7203—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7235—Details of waveform analysis
- A61B5/725—Details of waveform analysis using specific filters therefor, e.g. Kalman or adaptive filters
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7235—Details of waveform analysis
- A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
- A61B5/7267—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems involving training the classification device
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/30—Services specially adapted for particular environments, situations or purposes
- H04W4/38—Services specially adapted for particular environments, situations or purposes for collecting sensor information
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Molecular Biology (AREA)
- General Health & Medical Sciences (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Signal Processing (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Physiology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Artificial Intelligence (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Psychiatry (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Dentistry (AREA)
- Computer Networks & Wireless Communication (AREA)
- Evolutionary Computation (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本发明实施例提供一种分布式数据采集系统、方法及存储介质，分布式数据采集系统，分布式数据采集系统包括多个信号采集器和与多个信号采集器进行无线通信连接的电子设备，每一信号采集器包括信号采集模块、控制模块和传输模块，电子设备包括收发器和处理器，多个信号采集器用于分布设置于人体表面各个位置，每一信号采集器用于通过信号采集模块采集人体传感数据；控制模块用于对人体传感数据进行特征提取，得到特征数据；传输模块用于将特征数据传输至收发器；处理器用于根据特征数据对预设的人体动作识别模型进行训练，如此，能够通过多个信号采集器分担运算压力，减少了数据传输量，从而提高了系统的实时性、稳定性，减小了发射功率。
Description
技术领域
本发明涉及数据采集领域，具体涉及一种分布式数据采集系统、方法及存储介质。
背景技术
在通过采集人体信号的传感器数据来识别人体的运动意图时，由于识别准确率和信号数量成正相关，通常采用分布式数据采集系统，分布式数据采集系统可以采集到更多的信号数量，但是，信号数量的增多也会使传输数据量增加以及数据运算量增加，在无线通信中多个传输信道之间会产生干扰，此外在家庭网络中，家居设备也会对数据采集系统的信道产生干扰，影响数据传输稳定性，传输数据量的增加也会导致数据延迟，影响系统的实时性，现有技术中针对数据量增加的问题，通常会增加处理系统的运算性能，但会导致系统体积变大，功耗增加，成本也上升，为了提升数据传输稳定性和系统实时性，通常会提高发射功率，也会带来功耗增加和系统体积变大等问题，因此，现有分布式数据采集系统的运算量过大、传输稳定性和系统实时性的问题需要解决。
发明内容
本发明实施例提供一种分布式数据采集系统、方法及存储介质，能够通过信号采集器分担较大的运算压力，减少了数据传输量，从而提高了系统的实时性、稳定性。
本发明实施例的第一方面提供了一种分布式数据采集系统，所述分布式数据采集系统包括多个信号采集器和与所述多个信号采集器进行无线通信连接的电子设备，每一所述信号采集器包括信号采集模块、控制模块和传输模块，所述电子设备包括收发器和处理器，其中，
所述多个信号采集器用于分布设置于人体表面各个位置，每一所述信号采集器用于通过所述信号采集模块采集人体传感数据；
所述控制模块用于对所述人体传感数据进行特征提取，得到特征数据；
所述传输模块用于将所述特征数据传输至所述收发器；
所述处理器用于根据所述特征数据对预设的人体动作识别模型进行训练。
可选地，每一所述信号采集器的信号采集模块包括电极阵列和模拟前端，所述模拟前端包括模拟开关电路、至少2路差分信号采集电路和驱动电路；
其中，所述电极阵列与所述模拟前端的模拟开关电路一端连接，所述模拟开关电路另一端与所述至少2路差分信号采集电路的一端连接，所述至少2路差分信号采集电路的另一端与所述控制模块连接，所述控制模块还与所述传输模块的一端连接，所述传输模块的另一端与所述电子设备连接；
所述电极阵列由五个金属块组成五筒形状的电极阵列，所述五个金属块中每一金属块为一个电极。
可选地，在所述预设的人体动作识别模型训练完成之后，处理器还用于：
根据训练好的所述人体动作识别模型和所述特征数据识别人体动作的动作类型。
可选地，在所述处理器识别所述多个信号采集器对应的动作类型之后，所述处理器还用于根据所述多个动作类型确定目标运动类型。
可选地，在所述预设的人体动作识别模型训练完成之后，所述传输模块还用于接收所述电子设备通过所述收发器传输的所述人体动作识别模型的模型参数；
所述控制模块还用于根据所述模型参数和所述特征数据识别人体动作的动作类型；
所述传输模块还用于将所述动作类型传输至所述收发器。
可选地，所述处理器还用于确定当前的工作模式；根据所述工作模式生成控制指令；
所述收发器，还用于向所述多个信号采集器的述传输模块发送控制指令；
若所述工作模式为人体动作识别模式，则由所述多个信号采集器中每一信号采集器根据所述控制指令控制所述信号采集模块采集人体传感数据。
可选地，在所述收发器接收到所述多个信号采集器发送的多个动作类型之后，所述处理器还用于根据所述多个动作类型确定目标运动类型。
可选地，在所述根据所述多个动作类型确定目标运动类型方面，所述处理器具体用于：
获取所述多个信号采集器分别采集各个人体传感数据的采集时间，得到多个采集时间；
从预设的数据库中查找与所述多个动作类型中每一动作类型对应的动作模板，得到多个动作模板，所述多个动作类型对应多个身体部位；
根据所述多个动作模板按照所述多个采集时间的先后顺序和人体的身体部位关系构建运动图像；
将所述运动图像与所述预设的数据库中的多个运动图像模板进行匹配，得到与所述运动图像匹配成功的目标运动图像模板，并确定所述目标运动图像模板对应的目标运动类型。
本发明实施例的第二方面提供了一种分布式数据采集方法，应用于分布式数据采集系统，所述分布式数据采集系统包括多个信号采集器和与所述多个信号采集器进行无线通信连接的电子设备，每一所述信号采集器包括信号采集模块、控制模块和传输模块，所述电子设备包括收发器和处理器；所述方法包括：
在所述多个信号采集器分布设置于人体表面各个身体部位时，每一所述信号采集器通过所述信号采集模块采集人体传感数据；
所述控制模块对所述人体传感数据进行特征提取，得到特征数据；
所述传输模块将所述特征数据传输至所述收发器；
所述处理器根据所述特征数据对预设的人体动作识别模型进行训练；
在所述预设的人体动作识别模型训练完成之后，所述处理器根据训练好的所述人体动作识别模型和所述特征数据识别人体动作的动作类型；
在所述处理器识别所述多个信号采集器对应的动作类型之后，根据所述多个动作类型确定目标运动类型。
本发明实施例的第四方面提供了一种计算机可读存储介质，上述计算机可读存储介质用于存储计算机程序，上述计算机程序被处理器执行，以实现如本发明实施例第二方面所述的方法中所描述的部分或全部步骤。
本发明实施例的第五方面提供了一种计算机程序产品，上述计算机程序产品包括存储了计算机程序的非瞬时性计算机可读存储介质，上述计算机程序可操作来使计算机执行如本发明实施例第二方面所述的方法中所描述的部分或全部步骤。
实施本发明实施例，具有至少如下有益效果：
可以看出，通过本发明实施例中的分布式数据采集系统、方法及存储介质，分布式数据采集系统包括多个信号采集器和与多个信号采集器进行无线通信连接的电子设备，每一信号采集器包括信号采集模块、控制模块和传输模块，电子设备包括收发器和处理器，多个信号采集器用于分布设置于人体表面各个位置，每一信号采集器用于通过信号采集模块采集人体传感数据；控制模块用于对人体传感数据进行特征提取，得到特征数据；传输模块用于将特征数据传输至收发器；处理器用于根据特征数据对预设的人体动作识别模型进行训练，如此，能够通过多个信号采集器分担运算压力，减少了数据传输量，从而提高了系统的实时性、稳定性，减小了发射功率。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1A为本发明实施例提供的一种分布式数据采集系统的结构示意图；
图1B为本发明实施例提供的一种信号采集器与电子设备进行无线连接的演示示意图；
图1C为本发明实施例提供的另一种信号采集器与电子设备进行无线连接的演示示意图；
图2为本发明实施例提供的另一种信号采集器与电子设备进行无线连接的演示示意图；
图3为本发明实施例提供的另一种信号采集器与电子设备进行无线连接的演示示意图；
图4为本发明实施例提供的一种信号采集器的结构示意图；
图5为本发明实施例提供的一种分布式数据采集方法的流程示意图。
具体实施方式
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，都属于本发明保护的范围。
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”等是用于区别不同对象，而不是用于描述特定顺序。此外，术语“包括”和“具有”以及它们任何变形，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、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其他步骤或单元。
在本发明中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本发明的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本发明所描述的实施例可以与其它实施例相结合。
本发明实施例所涉及到的电子设备可以包括各种具有无线通信功能的手持设备、车载设备、可穿戴设备、计算设备或连接到无线调制解调器的其他处理设备，以及各种形式的用户设备(user equipment，UE)，移动台(mobile station，MS)，终端设备(terminaldevice)等等。例如，电子设备可以是笔记本电脑、手机、掌上电脑PDA等等为方便描述，上面提到的设备统称为电子设备。
请参阅图1A-图1B，图1A是本发明实施例提供的一种分布式数据采集系统的结构示意图，图1B为一种信号采集器与电子设备进行无线连接的演示示意图，所述分布式数据采集系统包括多个信号采集器和与所述多个信号采集器进行无线通信连接的电子设备，每一所述信号采集器包括信号采集模块、控制模块和传输模块，所述电子设备包括收发器和处理器，其中，
所述多个信号采集器用于分布设置于人体表面各个位置，每一所述信号采集器用于通过所述信号采集模块采集人体传感数据；
所述控制模块用于对所述人体传感数据进行特征提取，得到特征数据；
所述传输模块用于将所述特征数据传输至所述收发器；
所述处理器用于根据所述特征数据对预设的人体动作识别模型进行训练。
其中，所述信号采集模块可包括可肌电信号采集模块和惯性信号采集模块；所述人体传感数据可包括肌电信号采集数据和欧拉角。
其中，处理器可包括模型训练单元，模型训练单元可用于根据所述特征数据对预设的人体动作识别模型进行训练。
具体实施中，分布式数据采集系统可通过多个信号采集器采集多个通道的肌电信号采集数据和欧拉角，根据肌电信号采集数据和欧拉角进行特征提取，得到特征数据，通过肌电信号采集数据对应的特征数据可以分析用户的运动意图，根据欧拉角可以计算用户的运动姿态，从而模型训练单元可根据肌电信号采集信号对应的特征数据和欧拉角对应的特征数据对预设的人体动作识别模型进行训练。
其中，基于分布设置于人体各个部位的多个信号采集器完成对人体传感数据的采集和特征提取，可以将较大的运算压力由各个信号采集器分担，此外，通过信号采集器对采集到的人体传感数据进行特征提取，得到特征数据，可以减少向电子设备传输的数据传输量，从而可降低对通信速率的要求，降低发送功率，提高数据传输稳定性，以及提高系统实时性。
可选地，每一所述信号采集模块还包括：滤波单元和分帧单元，其中，所述滤波单元用于对所述人体传感数据进行滤波降噪，得到降噪后的采集数据；所述分帧单元用于对所述降噪后的人体传感数据进行数据分帧，得到分帧后的人体传感数据。
可选地，在所述预设的人体动作识别模型训练完成之后，所述处理器还用于根据训练好的所述人体动作识别模型和所述特征数据识别人体动作的动作类型。
请参阅图1C，图1C是本发明实施例提供的另一种信号采集器与电子设备进行无线连接的演示示意图，其中，处理器还可包括动作识别单元，动作识别单元用于在模型训练单元完成预设的人体动作识别模型训练之后，根据训练好的所述人体动作识别模型和所述特征数据识别人体动作的动作类型。
具体实施中，多个信号采集器分布设置于人体表面各个身体部位，因此，可根据各个身体部位对应的人体传感数据分别对各个身体部位进行动作识别，确定每一身体部位的动作类型，例如手臂伸展、举手、抬腿、弯腰等等动作，此处不作限定。
可选地，在所述处理器识别所述多个信号采集器对应的动作类型之后，所述处理器还用于根据所述多个动作类型确定目标运动类型。
其中，处理器可在识别各个身体部位中每个身体部位的动作类型，得到多个动作类型之后，可根据多个动作类型综合分析用户的目标运动类型，从而更加准确地识别用户的运行意图，上述目标运动类型例如可以是跑步、起跳、剧中、骑单车或瑜伽等等，此处不作限制，从而，可以分析用户在进行不同类型运动过程中的运动状态。
可以看出，通过本发明实施例中的分布式数据采集系统，分布式数据采集系统包括多个信号采集器和与所述多个信号采集器进行无线通信连接的电子设备，每一信号采集器包括信号采集模块、控制模块和传输模块，电子设备包括收发器和处理器，所述多个信号采集器用于分布设置于人体表面各个位置，每一所述信号采集器用于通过信号采集模块采集人体传感数据；控制模块用于对所述人体传感数据进行特征提取，得到特征数据；传输模块用于将所述特征数据传输至所述收发器；处理器用于根据所述特征数据对预设的人体动作识别模型进行训练。，如此，能够通过多个信号采集器分担运算压力，减少了数据传输量，从而提高了系统的实时性、稳定性，减小了发射功率。
请参阅图2，图2是本发明实施例提供的另一种信号采集器与电子设备进行无线连接的演示示意图，所述分布式数据采集系统包括多个信号采集器和与所述多个信号采集器进行无线通信连接的电子设备，每一所述信号采集器包括信号采集模块、控制模块和传输模块，所述电子设备包括收发器和处理器，其中，
所述多个信号采集器用于分布设置于人体表面各个位置，每一所述信号采集器用于通过所述信号采集模块采集人体传感数据；
所述控制模块用于对所述人体传感数据进行特征提取，得到特征数据；
所述传输模块用于将所述特征数据传输至所述收发器；
所述处理器用于根据所述特征数据对预设的人体动作识别模型进行训练；
在所述预设的人体动作识别模型训练完成之后，所述传输模块还用于接收所述电子设备通过所述收发器传输的所述人体动作识别模型的模型参数；
所述控制模块还用于根据所述模型参数和所述特征数据识别人体动作的动作类型；
所述传输模块还用于将所述动作类型传输至所述收发器。
信号采集器具体用于通过所述信号采集模块采集肌电信号采集数据和欧拉角。
其中，电子设备在通过处理器根据特征数据对预设的人体动作识别模型进行训练之后，可将训练好的人体动作识别模型的模型参数发送至多个信号采集器，然后由多个信号采集器中每一信号采集器根据模型参数和特征数据识别人体动作的动作类型。
可以看出，基于分布设置于人体各个部位的多个信号采集器根据模型参数和特征数据识别人体动作的动作类型，可以减少电子设备中处理器的计算量，通过信号采集器识别人体动作的动作类型，然后将动作类型发送至电子设备，可以减少向电子设备传输的数据传输量，从而可降低对通信速率的要求，降低发送功率，提高数据传输稳定性，以及提高系统实时性，以及提高人体动作识别的识别速度。
请参阅图3，图3是本发明实施例提供的另一种信号采集器与电子设备进行无线连接的演示示意图，所述分布式数据采集系统包括多个信号采集器和与所述多个信号采集器进行无线通信连接的电子设备，每一所述信号采集器包括信号采集模块、控制模块和传输模块，所述电子设备包括收发器和处理器，其中，所述处理器还用于确定当前的工作模式；根据所述工作模式生成控制指令；
所述收发器，还用于向所述多个信号采集器的述传输模块发送控制指令；
若所述工作模式为人体动作识别模式，则由所述多个信号采集器中每一信号采集器根据所述控制指令控制所述信号采集模块采集人体传感数据。
其中，电子设备的处理器可确定当前的工作模式，具体地，若所述工作模式为人体动作识别模式，可向多个信号采集器发送动作识别命令，从而，每一信号采集器可通过信号采集模块采集人体传感数据，并对所述人体传感数据进行滤波降噪和数据分帧，得到降噪以及分帧后的人体传感数据，然后，控制模块可根据人体传感数据进行特征提取，得到特征数据，通过传输模块将特征数据传输至电子设备；电子设备根据特征数据对预设的人体动作识别模型进行训练，在完成人体动作识别模型训练之后，将模型参数发送至多个信号采集器；多个信号采集器中每一信号采集器根据模型参数和特征数据识别人体动作的动作类型。
其中，若所述工作模式为采集模式，则所述处理器生成采集指令；所述信号采集器接收到所述采集指令后，根据所述采集指令采集所述人体传感数据，并将所述人体传感数据发送至所述电子设备。
可选地，在所述收发器接收到所述多个信号采集器发送的多个动作类型之后，所述处理器还用于根据所述多个动作类型确定目标运动类型。
一般来说，用户进行运动时，各个身体部位都会执行对应的动作类型，从而，处理器可在识别各个身体部位中每个身体部位的动作类型，得到多个动作类型之后，可根据多个动作类型确定用户的目标运动类型，从而更加准确地识别用户的当前正在进行的目标运动类型，上述目标运动类型例如可以是跑步、起跳、剧中、骑单车或瑜伽等等，此处不作限制，从而，可以分析用户在进行不同类型运动过程中的运动状态。
可选地，在所述根据所述多个动作类型确定目标运动类型方面，所述处理器具体用于：
获取所述多个信号采集器分别采集各个人体传感数据的采集时间，得到多个采集时间；
从预设的数据库中查找与所述多个动作类型中每一动作类型对应的动作模板，得到多个动作模板，所述多个动作类型对应多个身体部位；
根据所述多个动作模板按照所述多个采集时间的先后顺序和人体的身体部位关系构建运动图像；
将所述运动图像与所述预设的数据库中的多个运动图像模板进行匹配，得到与所述运动图像匹配成功的目标运动图像模板，并确定所述目标运动图像模板对应的目标运动类型。
其中，所述动作模板预先针对身体部位设定的身体部位执行一个动作类型的动作模板。电子设备的数据库中可预先存储各个身体部位中每一身体部位执行不同的动作类型的动作模板，从而可在识别多个信号采集器对应的多个动作类型之后，从数据库中查找多个动作类型中每一动作类型对应的动作模板，得到多个动作模板，然后可以按照多个采集时间的先后顺序构建人体各个部位进行运动的运动图像，运动图像用于呈现用户的各个身体部位先后执行各个动作类型的运动状态。然后，可将该运动图像与预设的多个运动图像模板进行匹配，得到与所述运动图像匹配成功的目标运动图像模板，并确定所述目标运动图像模板对应的目标运动类型。如此，电子设备可以更加智能地分析用户进行运动时的运动意识和运动状态。
可选地，本发明实施例中，处理器还可用于：
根据预设时间段内接收到的多个特征数据和在所述预设时间段内构建的多个时刻对应的多个运动图像确定所述多个时刻中每一时刻各个身体部位对应的肢体状态，得到多个肢体状态；
根据所述多个肢体状态对所述多个时刻中每两个相邻时刻对应的两个运动图像进行运动估计，得到各个身体部位对应的多个运动矢量；
根据所述多个运动矢量对所述多个时刻中每两个相邻时刻的两个运动图像进行运动补偿，得到多帧插帧图像，每一所述插帧图像对应两个运动图像；
根据所述多个插帧图像和所述多个运动图像合成运动视频。
其中，针对任意两个相邻时刻，首先，可根据该两个时刻用户各个身体部位的特征数据和对应的两个运动图像确定该两个时刻各个身体部位的肢体状态；然后根据该两个时刻各个身体部位的肢体状态对对应的两个运动图像进行运动估计，得到各个身体部位的多个运动矢量；进而，可根据多个运动矢量对该两个运动图像进行运动补偿，得到与该两个运动图像对应的插帧图像；最后，根据该插帧图像对对应的运动图像进行插帧，并合成运动视频。如此，可通过运动视频更加直观地呈现用户在运动过程中的运动状态，与对用户运动拍摄视频不同，本方案合成的运动视频中呈现的是根据动作模板构建的运动图像合成的视频，视频中均采用标准化的身体部位模型，从而能够更加清晰地呈现不同用户在执行相同动作类型的动作时在动作技术上的差异。
进一步地，可通过该运动视频判断用户各个身体部位的动作是否合格，例如，可分析肢体的伸展角度是否达标，腿是否伸直、脚背是否伸直等等，肢体动作在空中停顿的时长是否合格等等。
可以看出，基于分布设置于人体各个部位的多个信号采集器根据模型参数和特征数据识别人体动作的动作类型，可以减少电子设备中处理器的计算量，通过信号采集器识别人体动作的动作类型，然后将动作类型发送至电子设备，可以减少向电子设备传输的数据传输量，从而可降低对通信速率的要求，降低发送功率，提高数据传输稳定性，以及提高系统实时性，以及提高人体动作识别的识别速度。
请参阅图4，图4是本发明实施例提供的一种信号采集器的结构示意图，其中，每一所述信号采集器的信号采集模块包括电极阵列和模拟前端，所述模拟前端包括模拟开关电路、至少2路差分信号采集电路和驱动电路；
其中，所述电极阵列与所述模拟前端的模拟开关电路一端连接，所述模拟开关电路另一端与所述至少2路差分信号采集电路的一端连接，所述至少2路差分信号采集电路的另一端与所述控制模块连接，所述控制模块还与所述传输模块的一端连接，所述传输模块的另一端与所述电子设备连接；
所述电极阵列由五个金属块组成五筒形状的电极阵列，所述五个金属块中每一金属块为一个电极。
其中，上述信号采集模块可用于获取肌电信号采集数据或者用户运动时肢体运动的欧拉角。其中，电极阵列中五个金属块中每一金属块为一个电极，即表明电极阵列包括5个电极，从而，可配置电极阵列与至少2路差分信号采集电路的连接关系，形成多种不同的差分输入位置组合方式，具体地，可通过模拟开关电路选择至少两组电极输入，每一组电极通过模拟开关电路与1路差分信号采集电路连接，然后，通过至少2路差分信号采集电路分别采集人体传感数据，得到至少2组采集信号。由于电极阵列中五电极的分布形态为五筒形状，可通过该形状在单位面积上采集更多的人体传感数据，不需要反复调整分布式数据采集系统与皮肤接触的位置，解决了在切换采集位置的过程中，手动重新接线，或重新粘贴信号采集器的问题，节省了操作时间，提高了信号采集效率，此外，当分布式数据采集系统中出现一个电极接触不良或者损坏时，可切换至其他正常的电极进行采集工作。
其中，所述至少2路差分信号采集电路中每1路差分信号采集电路包括低通滤波器、电磁干扰EMI滤波器、可编程增益放大器PGA和模数转化器ADC，所述低通滤波器的一端与所述模拟开关电路的输出端连接，所述低通滤波器的另一端与所述EMI滤波器的一端连接，所述EMI滤波器的另一端与所述PGA的输入端连接，所述PGA的输出端与所述ADC的一端连接，所述ADC的另一端与所述控制模块连接。
其中，所述控制模块包括微处理芯片、WIFI处理单元、开关机电路、电池电压监控电路、复位电路、晶振电路、LED指示电路、时钟电路、天线电路；其中，所述LED指示电路包括两个颜色不同的LED指示灯。可选地，所述电源模块包括锂电池和稳压电路，所述电源模块用于为所述模拟前端和所述控制模块供电。
其中，微处理芯片可用于对采集到的人体传感数据进行特征提取，得到特征数据。
可选地，微处理芯片还可用于根据所述模型参数和所述特征数据识别人体动作的动作类型。
可以看出，通过五筒结构的电极阵列分布方式，以及，通过至少2路差分信号采集电路，可灵活配置电极阵列中输入电极与至少2路差分信号采集电路的连接关系，进而可在电极阵列输入方式上具有多种差分输入组合连接方式，能够在单位面积上采集更多的人体传感数据，提高了信号采集效率。
请参阅图5，图5为本发明实施例提供的一种分布式数据采集方法的流程示意图。如图5所示，本发明实施例提供的分布式数据采集方法应用于如图1A-图3所示的分布式数据采集系统以及图4所示的信号采集器，所述分布式数据采集系统包括多个信号采集器和与所述多个信号采集器进行无线通信连接的电子设备，每一所述信号采集器包括信号采集模块、控制模块和传输模块，所述电子设备包括收发器和处理器；该方法可包括以下步骤：
501、在所述多个信号采集器分布设置于人体表面各个身体部位时，每一所述信号采集器通过所述信号采集模块采集人体传感数据；
502、所述控制模块对所述人体传感数据进行特征提取，得到特征数据；
503、所述传输模块将所述特征数据传输至所述收发器；
504、所述处理器根据所述特征数据对预设的人体动作识别模型进行训练；
505、在所述预设的人体动作识别模型训练完成之后，所述处理器根据训练好的所述人体动作识别模型和所述特征数据识别人体动作的动作类型；
506、在所述处理器识别所述多个信号采集器对应的动作类型之后，根据所述多个动作类型确定目标运动类型。
其中，可通过分布于人体各个身体部位的多个信号采集器采集人体传感数据，具体地，每一信号采集器可通过信号采集模块采集人体传感数据，并对所述人体传感数据进行滤波降噪和数据分帧，得到降噪以及分帧后的人体传感数据，然后，控制模块可根据人体传感数据进行特征提取，得到特征数据，通过传输模块将特征数据传输至电子设备；电子设备根据特征数据对预设的人体动作识别模型进行训练，在完成人体动作识别模型训练之后，将模型参数发送至多个信号采集器；多个信号采集器中每一信号采集器根据模型参数和特征数据识别人体动作的动作类型。
可选地，在所述根据所述多个动作类型确定目标运动类型方面，所述处理器具体用于：
获取所述多个信号采集器分别采集各个人体传感数据的采集时间，得到多个采集时间；
从预设的数据库中查找与所述多个动作类型中每一动作类型对应的动作模板，得到多个动作模板，所述多个动作类型对应多个身体部位；
根据所述多个动作模板按照所述多个采集时间的先后顺序和人体的身体部位关系构建运动图像；
将所述运动图像与所述预设的数据库中的多个运动图像模板进行匹配，得到与所述运动图像匹配成功的目标运动图像模板，并确定所述目标运动图像模板对应的目标运动类型。
可以看出，本发明实施例中，可以看出，基于分布设置于人体各个部位的多个信号采集器根据模型参数和特征数据识别人体动作的动作类型，可以减少电子设备中处理器的计算量，通过信号采集器识别人体动作的动作类型，然后将动作类型发送至电子设备，可以减少向电子设备传输的数据传输量，从而可降低对通信速率的要求，降低发送功率，提高数据传输稳定性，以及提高系统实时性，以及提高人体动作识别的识别速度；通过根据人体各个身体部位的多个动作类型确定目标运动类型，可以更加智能地分析用户进行运动时的运动意识和运动状态。
本发明实施例还提供一种计算机存储介质，其中，该计算机存储介质存储用于电子数据交换的计算机程序，该计算机程序使得计算机执行如上述方法实施例中记载的任何一种肌电采集方法的部分或全部步骤。
本发明实施例还提供一种计算机程序产品，所述计算机程序产品包括存储了计算机程序的非瞬时性计算机可读存储介质，该计算机程序使得计算机执行如上述方法实施例中记载的任何一种肌电采集方法的部分或全部步骤。
需要说明的是，对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本发明并不受所描述的动作顺序的限制，因为依据本发明，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定是本发明所必须的。
在上述实施例中，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。
在本发明所提供的几个实施例中，应该理解到，所揭露的装置，可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，例如所述单元的划分，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，装置或单元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网络单元上。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，在申请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，也可以采用软件程序模块的形式实现。
所述集成的单元如果以软件程序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器中。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器中，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。而前述的存储器包括：U盘、只读存储器(read-only memory，ROM)、随机存取存储器(random access memory，RAM)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序可以存储于一计算机可读存储器中，存储器可以包括：闪存盘、只读存储器、随机存取器、磁盘或光盘等。
以上对本发明实施例进行了详细介绍，本文中应用了具体个例对本发明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发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，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发明的限制。
Claims (10)
1.一种分布式数据采集系统，其特征在于，所述分布式数据采集系统包括多个信号采集器和与所述多个信号采集器进行无线通信连接的电子设备，每一所述信号采集器包括信号采集模块、控制模块和传输模块，所述电子设备包括收发器和处理器，其中，
所述多个信号采集器用于分布设置于人体表面各个位置，每一所述信号采集器用于通过所述信号采集模块采集人体传感数据；
所述控制模块用于对所述人体传感数据进行特征提取，得到特征数据；
所述传输模块用于将所述特征数据传输至所述收发器；
所述处理器用于根据所述特征数据对预设的人体动作识别模型进行训练。
2.根据权利要求1所述的分布式数据采集系统，其特征在于，每一所述信号采集器的信号采集模块包括电极阵列和模拟前端，所述模拟前端包括模拟开关电路、至少2路差分信号采集电路和驱动电路；其中，
所述电极阵列与所述模拟前端的模拟开关电路一端连接，所述模拟开关电路另一端与所述至少2路差分信号采集电路的一端连接，所述至少2路差分信号采集电路的另一端与所述控制模块连接，所述控制模块还与所述传输模块的一端连接，所述传输模块的另一端与所述电子设备连接；
所述电极阵列由五个金属块组成五筒形状的电极阵列，所述五个金属块中每一金属块为一个电极。
3.根据权利要求1或2所述的分布式数据采集系统，其特征在于，在所述预设的人体动作识别模型训练完成之后，所述处理器还用于根据训练好的所述人体动作识别模型和所述特征数据识别人体动作的动作类型。
4.根据权利要求3所述的分布式数据采集系统，其特征在于，在所述处理器识别所述多个信号采集器对应的动作类型之后，所述处理器还用于根据所述多个动作类型确定目标运动类型。
5.根据权利要求1或2所述的分布式数据采集系统，其特征在于，在所述预设的人体动作识别模型训练完成之后，所述传输模块还用于接收所述电子设备通过所述收发器传输的所述人体动作识别模型的模型参数；
所述控制模块还用于根据所述模型参数和所述特征数据识别人体动作的动作类型；
所述传输模块还用于将所述动作类型传输至所述收发器。
6.根据权利要求5所述的分布式数据采集系统，其特征在于，所述处理器还用于确定当前的工作模式；根据所述工作模式生成控制指令；
所述收发器，还用于向所述多个信号采集器的述传输模块发送控制指令；
若所述工作模式为人体动作识别模式，则由所述多个信号采集器中每一信号采集器根据所述控制指令控制所述信号采集模块采集人体传感数据。
7.根据权利要求5所述的分布式数据采集系统，其特征在于，在所述收发器接收到所述多个信号采集器发送的多个动作类型之后，所述处理器还用于根据所述多个动作类型确定目标运动类型。
8.根据权利要求4或7所述的分布式数据采集系统，其特征在于，在所述根据所述多个动作类型确定目标运动类型方面，所述处理器具体用于：
获取所述多个信号采集器分别采集各个人体传感数据的采集时间，得到多个采集时间；
从预设的数据库中查找与所述多个动作类型中每一动作类型对应的动作模板，得到多个动作模板，所述多个动作类型对应多个身体部位；
根据所述多个动作模板按照所述多个采集时间的先后顺序和人体的身体部位关系构建运动图像；
将所述运动图像与所述预设的数据库中的多个运动图像模板进行匹配，得到与所述运动图像匹配成功的目标运动图像模板，并确定所述目标运动图像模板对应的目标运动类型。
9.一种分布式数据采集方法，其特征在于，应用于分布式数据采集系统，所述分布式数据采集系统包括多个信号采集器和与所述多个信号采集器进行无线通信连接的电子设备，每一所述信号采集器包括信号采集模块、控制模块和传输模块，所述电子设备包括收发器和处理器；所述方法包括：
在所述多个信号采集器分布设置于人体表面各个身体部位时，每一所述信号采集器通过所述信号采集模块采集人体传感数据；
所述控制模块对所述人体传感数据进行特征提取，得到特征数据；
所述传输模块将所述特征数据传输至所述收发器；
所述处理器根据所述特征数据对预设的人体动作识别模型进行训练；
在所述预设的人体动作识别模型训练完成之后，所述处理器根据训练好的所述人体动作识别模型和所述特征数据识别人体动作的动作类型；
在所述处理器识别所述多个信号采集器对应的动作类型之后，根据所述多个动作类型确定目标运动类型。
10.一种计算机可读存储介质，其特征在于，存储用于电子数据交换的计算机程序，其中，所述计算机程序使得计算机执行如权利要求9所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010493182.6A CN112075938B (zh) | 2020-06-03 | 2020-06-03 | 分布式数据采集系统、方法及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010493182.6A CN112075938B (zh) | 2020-06-03 | 2020-06-03 | 分布式数据采集系统、方法及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112075938A true CN112075938A (zh) | 2020-12-15 |
| CN112075938B CN112075938B (zh) | 2024-01-05 |
Family
ID=73735008
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010493182.6A Active CN112075938B (zh) | 2020-06-03 | 2020-06-03 | 分布式数据采集系统、方法及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112075938B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116308286A (zh) * | 2023-03-23 | 2023-06-23 | 江苏工鼎工业技术有限公司 | 轨道交通自诊断型门机系统 |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2001051579A (ja) * | 1999-08-05 | 2001-02-23 | Nippon Telegr & Teleph Corp <Ntt> | 映像表示方法、映像表示装置及び映像表示プログラムを記録した記録媒体 |
| JP2007133609A (ja) * | 2005-11-09 | 2007-05-31 | Oki Electric Ind Co Ltd | 映像作成装置及び映像作成方法 |
| US20120216115A1 (en) * | 2009-08-13 | 2012-08-23 | Youfoot Ltd. | System of automated management of event information |
| US9773330B1 (en) * | 2016-12-29 | 2017-09-26 | BioMech Sensor LLC | Systems and methods for real-time data quantification, acquisition, analysis, and feedback |
| CN206565950U (zh) * | 2016-10-25 | 2017-10-20 | 佛山科学技术学院 | 无线多通道姿态、肌电、足底压力检测系统 |
| KR20180001403A (ko) * | 2016-06-24 | 2018-01-04 | 한양대학교 산학협력단 | 인식 동작의 피드백을 이용하는 행동 인식 방법 및 장치 |
| CN108209910A (zh) * | 2017-05-25 | 2018-06-29 | 深圳市未来健身衣科技有限公司 | 健身运动数据的反馈方法及装置 |
| CN110013242A (zh) * | 2019-04-04 | 2019-07-16 | 深圳市润谊泰益科技有限责任公司 | 肌电信号采集器及方法 |
| CN110221684A (zh) * | 2019-03-01 | 2019-09-10 | Oppo广东移动通信有限公司 | 装置控制方法、系统、电子装置及计算机可读存储介质 |
| CN110751060A (zh) * | 2019-09-29 | 2020-02-04 | 西安交通大学 | 一种基于多源信号的便携式运动模式实时识别系统 |
-
2020
- 2020-06-03 CN CN202010493182.6A patent/CN112075938B/zh active Active
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2001051579A (ja) * | 1999-08-05 | 2001-02-23 | Nippon Telegr & Teleph Corp <Ntt> | 映像表示方法、映像表示装置及び映像表示プログラムを記録した記録媒体 |
| JP2007133609A (ja) * | 2005-11-09 | 2007-05-31 | Oki Electric Ind Co Ltd | 映像作成装置及び映像作成方法 |
| US20120216115A1 (en) * | 2009-08-13 | 2012-08-23 | Youfoot Ltd. | System of automated management of event information |
| KR20180001403A (ko) * | 2016-06-24 | 2018-01-04 | 한양대학교 산학협력단 | 인식 동작의 피드백을 이용하는 행동 인식 방법 및 장치 |
| CN206565950U (zh) * | 2016-10-25 | 2017-10-20 | 佛山科学技术学院 | 无线多通道姿态、肌电、足底压力检测系统 |
| US9773330B1 (en) * | 2016-12-29 | 2017-09-26 | BioMech Sensor LLC | Systems and methods for real-time data quantification, acquisition, analysis, and feedback |
| CN108209910A (zh) * | 2017-05-25 | 2018-06-29 | 深圳市未来健身衣科技有限公司 | 健身运动数据的反馈方法及装置 |
| CN110221684A (zh) * | 2019-03-01 | 2019-09-10 | Oppo广东移动通信有限公司 | 装置控制方法、系统、电子装置及计算机可读存储介质 |
| CN110013242A (zh) * | 2019-04-04 | 2019-07-16 | 深圳市润谊泰益科技有限责任公司 | 肌电信号采集器及方法 |
| CN110751060A (zh) * | 2019-09-29 | 2020-02-04 | 西安交通大学 | 一种基于多源信号的便携式运动模式实时识别系统 |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116308286A (zh) * | 2023-03-23 | 2023-06-23 | 江苏工鼎工业技术有限公司 | 轨道交通自诊断型门机系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112075938B (zh) | 2024-01-05 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110610181B (zh) | 医学影像识别方法及装置、电子设备及存储介质 | |
| CN108415560B (zh) | 电子装置、操作控制方法及相关产品 | |
| CN107146616A (zh) | 设备控制方法及相关产品 | |
| CN108304758A (zh) | 人脸特征点跟踪方法及装置 | |
| Sapienza et al. | On-line event-driven hand gesture recognition based on surface electromyographic signals | |
| CN108519811B (zh) | 截图方法及相关产品 | |
| CN105786189B (zh) | 一种基于肌动信号的指部独立动作识别方法及系统 | |
| CN111475024A (zh) | 一种人体动作捕捉系统及方法 | |
| CN107451446A (zh) | 解锁控制方法及相关产品 | |
| CN114995628B (zh) | 隔空手势识别方法及其相关设备 | |
| CN105138133A (zh) | 生物信号手势识别设备及方法 | |
| CN114302088A (zh) | 帧率调整方法、装置、电子设备及存储介质 | |
| CN110866468A (zh) | 一种基于无源rfid的手势识别系统及方法 | |
| CN112075938B (zh) | 分布式数据采集系统、方法及存储介质 | |
| CN104013401B (zh) | 一种人体脑电信号与动作行为信号同步采集系统及方法 | |
| CN207037600U (zh) | 一种手语识别翻译臂环 | |
| CN107870670A (zh) | 基于脑电波的智能设备控制方法、设备及可读存储介质 | |
| CN115276831B (zh) | 一种信号干扰消除方法、系统、存储介质及终端设备 | |
| CN210697629U (zh) | 信号采集装置、移动终端和信号分析系统 | |
| CN112890823B (zh) | 生理数据采集方法、系统及存储介质 | |
| CN113116357A (zh) | 一种数据采集方法、终端设备及存储介质 | |
| EP4179965A1 (en) | Blood pressure measurement method and apparatus, and electronic device and storage medium | |
| CN205080502U (zh) | 生物信号手势识别设备 | |
| CN108628445B (zh) | 脑电波采集方法及相关产品 | |
| CN113892926A (zh) | 基于头部脉搏波的心率信号处理方法、装置和电子装置 |
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 |