CN112162595A - 一种垂臂旋转识别方法及可穿戴终端 - Google Patents

一种垂臂旋转识别方法及可穿戴终端 Download PDF

Info

Publication number
CN112162595A
CN112162595A CN202011008538.9A CN202011008538A CN112162595A CN 112162595 A CN112162595 A CN 112162595A CN 202011008538 A CN202011008538 A CN 202011008538A CN 112162595 A CN112162595 A CN 112162595A
Authority
CN
China
Prior art keywords
axis
vertical arm
arm rotation
instantaneous momentum
instantaneous
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
Application number
CN202011008538.9A
Other languages
English (en)
Other versions
CN112162595B (zh
Inventor
何岸
赵燕
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
DO Technology Co ltd
Original Assignee
DO Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by DO Technology Co ltd filed Critical DO Technology Co ltd
Priority to CN202011008538.9A priority Critical patent/CN112162595B/zh
Publication of CN112162595A publication Critical patent/CN112162595A/zh
Application granted granted Critical
Publication of CN112162595B publication Critical patent/CN112162595B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F1/00—Details not covered by groups G06F3/00 - G06F13/00 and G06F21/00
    • G06F1/16—Constructional details or arrangements
    • G06F1/1613—Constructional details or arrangements for portable computers
    • G06F1/163—Wearable computers, e.g. on a belt
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/10—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration
    • G01C21/12—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
    • G06F3/03—Arrangements for converting the position or the displacement of a member into a coded form
    • G06F3/033—Pointing devices displaced or positioned by the user, e.g. mice, trackballs, pens or joysticks; Accessories therefor
    • G06F3/0346—Pointing devices displaced or positioned by the user, e.g. mice, trackballs, pens or joysticks; Accessories therefor with detection of the device orientation or free movement in a 3D space, e.g. 3D mice, 6-DOF [six degrees of freedom] pointers using gyroscopes, accelerometers or tilt-sensors

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • General Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Human Computer Interaction (AREA)
  • Computer Hardware Design (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Automation & Control Theory (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)

Abstract

本发明公开了一种垂臂旋转识别方法，包括数据采集步骤，垂臂姿态识别步骤，瞬时动量计算步骤，疑似垂臂旋转识别步骤，垂臂旋转动作识别步骤，本发明通过加速度传感器实时采集可穿戴终端的加速度，并由检测值确定手臂是否为垂臂姿态，在垂臂姿态下进一步获取加速度值，由加速度值计算获得瞬时动量值，由瞬时动量值判断做出的动作是否为疑似垂臂旋转动作，由疑似垂臂旋转的持续时长对疑似垂臂旋转动作进一步的判断识别，最终输出垂臂旋转动作的识别结果，能够有效的对垂臂旋转动作进行准确的识别；降低了计算复杂度，减少了传感器在可穿戴终端中位置的影响；增加智能可穿戴终端的实用性和趣味性。

Description

一种垂臂旋转识别方法及可穿戴终端
技术领域
本发明属于运动识别技术领域，尤其涉及一种垂臂旋转识别方法及可穿戴终端。
背景技术
随着智能穿戴行业的发展，用户对穿戴设备的智能程度期待越来越高，为了满足用户对智能穿戴设备的期待，增加智能穿戴设备的实用性和趣味性，对智能穿戴识别实现了抬腕亮屏、放下熄屏等功能。在日常生活中，通常会遇到需要识别旋转动作的情景，例如团建活动中比赛手臂旋转速度，在垂臂状态下旋转手腕控制手机拍照等，而现有的穿戴设备并不能有效的识别出垂臂旋转动作。并且目前多数智能穿戴设备采用提取角度或旋转方向的特征来识别动作。然而角度和旋转方向的计算复杂，且受传感器在智能穿戴设备中位置因素的影响(目前智能穿戴设备趋于大屏幕化，加速度传感器放置在智能穿戴设备中偏上、中间、偏下等位置，其计算的角度值和旋转角度值具有一定的差异)。
发明内容
本发明主要解决的技术问题是提供一种垂臂旋转识别方法及可穿戴终端，解决不能有效识别垂臂旋转动作，采用提取角度或旋转方向的特征识别动作计算复杂，受传感器在可穿戴终端中位置的影响较大的问题。
为解决上述技术问题，本发明采用的一个技术方案是提供一种垂臂旋转识别方法，应用于具有加速度传感器的可穿戴终端，方法包括：
数据采集步骤，实时采集加速度传感器的X、Y、Z三轴的加速度值；
垂臂姿态识别步骤，根据X、Y、Z三轴的检测值识别佩戴可穿戴终端的前臂是否为垂臂姿态；
瞬时动量计算步骤，若识别为垂臂姿态，则根据Y轴和Z轴的加速度值，分别计算在Y轴和Z轴的瞬时动量；
疑似垂臂旋转识别步骤，若Y轴或Z轴的瞬时动量大于或等于预设的瞬时动量阈值则识别为疑似垂臂旋转；
垂臂旋转动作识别步骤，若识别为疑似垂臂旋转，则根据Y轴和Z轴的瞬时动量的持续时长识别垂臂旋转动作。
优选的，加速度传感器的Z轴垂直于可穿戴终端的触摸屏，加速度传感器的X轴与Y轴互相垂直且均平行于触摸屏，且X轴平行于人体前臂。
优选的，若加速度传感器的X轴的检测值等于重力加速度，且加速度传感器的Y轴和Z轴的检测值为零，则识别为垂臂姿态。
优选的，垂臂旋转动作识别步骤包括：对比Y轴的瞬时动量和Z轴的瞬时动量，选取Y轴的瞬时动量和Z轴的瞬时动量中最大的瞬时动量作为判断瞬时动量，若判断瞬时动量大于或等于预设瞬时动量阈值的时间满足于持续时长，则识别为垂臂旋转动作。
优选的，垂臂旋转识别方法还包括：
运动状态识别步骤，根据X、Y、Z三轴的瞬时动量中的最大瞬时动量判断可穿戴终端的运动状态。
优选的，可穿戴终端的运动状态包括剧烈运动状态和非剧烈运动状态。
优选的，疑似垂臂旋转识别步骤中，瞬时动量阈值与可穿戴终端的运动状态相匹配。
优选的，剧烈运动状态下的瞬时动量阈值大于非剧烈运动状态的瞬时动量阈值。
优选的，持续时长为1ms～20ms。
一种可穿戴终端，具有加速度传感器，可穿戴终端包括：
数据采集模块，实时采集加速度传感器的X、Y、Z三轴的加速度值；
垂臂姿态识别模块，根据X、Y、Z三轴的检测值识别可穿戴终端是否为垂臂姿态；
瞬时动量计算模块，若识别为垂臂姿态，根据Y轴和Z轴的加速度值，分别计算在Y轴和Z轴的瞬时动量；
疑似垂臂旋转识别模块，若Y轴或Z轴的瞬时动量在预设的瞬时动量阈值内则识别为疑似垂臂旋转；
垂臂旋转动作识别模块，若识别为疑似垂臂旋转，则根据Y轴和Z轴的瞬时动量的持续时长识别垂臂旋转动作。
本发明的有益效果是：本发明通过加速度传感器实时采集可穿戴终端的加速度，并由检测值确定手臂是否为垂臂姿态，在垂臂姿态下进一步获取加速度值，由加速度值计算获得瞬时动量值，由瞬时动量值判断做出的动作是否为疑似垂臂旋转动作，由持续时长特征和垂臂姿态对疑似垂臂旋转动作进一步的判断识别，最终输出垂臂旋转动作的识别结果，能够有效的对垂臂旋转动作进行准确的识别。降低了计算复杂度，减少了传感器在可穿戴终端中位置的影响。增加智能可穿戴终端的实用性和趣味性。
附图说明
图1是根据本发明垂臂旋转识别方法一实施例的流程图；
图2是根据本发明垂臂旋转识别方法一实施例中的加速度的方向示意图；
图3是人体垂臂旋转动作的示意图；
图4是根据本发明可穿戴终端一实施例的示意框图。
具体实施方式
为了便于理解本发明，下面结合附图和具体实施例，对本发明进行更详细的说明。附图中给出了本发明的较佳的实施例。但是，本发明可以以许多不同的形式来实现，并不限于本说明书所描述的实施例。相反地，提供这些实施例的目的是使对本发明的公开内容的理解更加透彻全面。
需要说明的是，除非另有定义，本说明书所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。在本发明的说明书中所使用的术语只是为了描述具体的实施例的目的，不是用于限制本发明。本说明书所使用的术语“和/或”包括一个或多个相关的所列项目的任意的和所有的组合。
图1显示了本发明垂臂旋转识别方法一实施例的流程图。包括步骤：
数据采集步骤S10，实时采集加速度传感器的X、Y、Z三轴的加速度值。
垂臂姿态识别步骤S20，根据X、Y、Z三轴的检测值识别佩戴可穿戴终端的前臂是否为垂臂姿态。
瞬时动量计算步骤S30，若识别为垂臂姿态，则根据Y轴和Z轴的加速度值，分别计算在Y轴和Z轴的瞬时动量。
疑似垂臂旋转识别步骤S40，若Y轴或Z轴的瞬时动量大于或等于预设的瞬时动量阈值则识别为疑似垂臂旋转。
垂臂旋转动作识别步骤S50，若识别为疑似垂臂旋转，则根据Y轴和Z轴的瞬时动量的持续时长识别垂臂旋转动作。
通过加速度传感器实时采集可穿戴终端的加速度，由加速度计算获得瞬时动量，由瞬时动量确定动作是否为疑似垂臂旋转，再通过根据Y轴和Z轴的瞬时动量的持续时长特征和垂臂姿态对疑似垂臂旋转动作进一步的判断识别，最终判断识别垂臂旋转动作。降低了计算复杂度，减少了传感器在可穿戴终端中位置的影响。增加智能可穿戴终端的实用性和趣味性。
进一步的，可穿戴终端为内部具有加速度传感器的手表、手环或手套等穿戴于手臂上的各类可穿戴设备。
进一步的，加速度传感器是能够测量加速度的加速度传感器，加速度传感器的数量大于或等于一。
进一步的，如图2所示，加速度传感器的Z轴垂直于可穿戴终端的触摸屏，加速度传感器的X轴与Y轴互相垂直且均平行于触摸屏，且X轴平行于人体前臂。
进一步的，若加速度传感器的X轴的检测值等于重力加速度，且加速度传感器的Y轴和Z轴的检测值为零，则识别为垂臂姿态。
加速度传感器中包括质量块、弹性元件等部分组成，输出加速度值。由加速度传感器中的质量块和弹性元件获得检测值。在没有加速度的情况下，弹性元件不会发生形变，质量块静止，当产生加速度时，弹性元件发生形变，质量块的位置会发生变化。由弹性元件的弹性系数和质量块的质量计算获得检测值。由检测值计算获得加速度值。
检测值的计量单位是通常用g表示，1g代表一个重力加速度，即9.8m/s2，此时质量块仅在重力作用下产生位移。当X方向的检测值、Y方向的检测值或Z方向的任一检测值的数值为1g，其余两个方向的检测值的数值为0g时，可穿戴终端处于静止状态，手臂水平或竖直且保持为静止状态。
以手臂自然下垂时可穿戴终端的位置为原点，X方向上以指向地面的方向为正方向，当X正方向上的检测值的数值为1g，且Y和Z方向上的检测值的数值均为0g时，则确定为垂臂姿态。
通过判断加速度传感器的检测值判断垂臂姿态，不管加速度传感器在可穿戴终端的什么位置，不会影响对垂臂姿态的判断，减少了加速度传感器的在可穿戴终端中的位置不同对识别结果产生的影响。
识别为垂臂姿态后，实时采集的X方向上的加速度为x_a，Y方向上的加速度为y_a，Z方向上的加速度为z_a。由加速度y_a和z_a分别对应计算出Y方向上的瞬时动量y_feature，以及Z方向上的瞬时动量z_feature。
对比y_feature和z_feature的数值，选取y_feature和z_feature中数值最大的瞬时动量作为判断瞬时动量decide_feature。
进一步的，预设瞬时动量阈值，对比判断瞬时动量decide_feature和瞬时动量阈值，当判断瞬时动量decide_feature的数值大于或等于瞬时动量阈值时，确定为疑似垂臂旋转，当判断瞬时动量decide_feature的数值小于瞬时动量阈值时，返回到数据采集步骤；继续采集数据。
进一步的，还可以结合运动状态识别判断疑似垂臂旋转。
垂臂旋转识别方法还包括运动状态识别步骤，根据X、Y、Z三轴的瞬时动量中的最大瞬时动量判断可穿戴终端的运动状态。
由加速度x_a、y_a和z_a分别对应计算出X方向上的瞬时动量x_feature，Y方向上的瞬时动量y_feature，以及Z方向上的瞬时动量z_feature。
对比x_feature、y_feature和z_feature的数值，选取x_feature、y_feature和z_feature中数值最大的瞬时动量作为最大瞬时动量max_feature。
运动状态包括有多个，每个运动状态对应预设有运动状态区间值，当最大瞬时动量max_feature的数值在某一运动状态区间值内，则确定为该运动状态。
进一步的，可穿戴终端的运动状态分为非剧烈运动和剧烈运动；非剧烈运动对应的运动状态区间值为(a，b)，剧烈运动对应的运动状态区间值为(b，c)，运动越剧烈预设的运动状态区间值内的上限数值和下限数值越大。当a＜max_feature≤b时，则确定为非剧烈运动，当b＜max_feature≤c时，则确定为剧烈运动。
瞬时动量阈值与可穿戴终端的运动状态相匹配。即剧烈运动状态下的瞬时动量阈值大于非剧烈运动状态的瞬时动量阈值。
当判断瞬时动量decide_feature的数值大于或等于瞬时动量阈值时，且运动状态为非剧烈运动时，确定为疑似垂臂旋转，当判断瞬时动量decide_feature的数值小于瞬时动量阈值时，返回到数据采集步骤。
通过对比判断瞬时动量和瞬时动量阈值，判断疑似垂臂旋转，降低了计算复杂度，不需要对较多的数据进行计算来判断垂臂旋转动作，排除小于瞬时动量阈值的判断瞬时动量，不再参与到垂臂旋转的识别步骤中，减少了需要计算的数据量，降低了计算复杂度，提高了识别效率。
进一步的，对比Y轴的瞬时动量和Z轴的瞬时动量，选取Y轴的瞬时动量和Z轴的瞬时动量中最大的瞬时动量作为判断瞬时动量，若判断瞬时动量大于或等于预设瞬时动量阈值的时间满足于持续时长，则识别为垂臂旋转动作。垂臂旋转动作如图3所示。
进一步的，持续时长内的时间包括有效时间和无效时间，判断瞬时动量大于或等于预设瞬时动量阈值的持续时间为有效时间，判断瞬时动量小于预设瞬时动量阈值的持续时间为无效时间。
进一步的，在预设的持续时长内，有效时间的占比大于持续时长的一半时，则该持续时长为有效持续时长，确定为垂臂旋转动作。有效时间的占比小于持续时长的一半时，则该持续时长为无效持续时长，返回的数据采集步骤。
进一步的，持续时长为t0～tn，优选1ms-20ms，在持续时长内获取多个瞬时动量值y_feature、z_feature，对比y_feature、z_feature的大小获取判断瞬时动量decide_feature，判断瞬时动量decide_feature的数值大于或等于瞬时动量阈值的持续时间，即疑似垂臂旋转的持续时间为有效时间。
设定有效时间为t，t0≤t≤tn。当t≥(tn-t0)/2，有效时间较长占比大于持续时长的一半，则该持续时长为有效持续时长，确定为垂臂旋转动作。当t＜(tn-t0)/2时，有效时间较短占比占比小于持续时长的一半，则该持续时长为无效持续时长，返回的数据采集步骤。
当t1＝1ms，t2＝20ms时，包括有19ms，有效时间t≥9.5ms时，将该持续时长确定为有效持续时长，确定为垂臂旋转动作。t＜9.5ms时，将该持续时长确定为无效持续时长，则返回到上述垂臂状态识别步骤。
进一步的，有效时间为一个连续时间，在持续时长内若有效时间中断则重新开始计算有效时间，若一个有效时间的时长大于或等于持续时长的一半，则该持续时长为有效持续时长，确定为垂臂旋转动作；在一个持续时长内若有效时间中断后剩余的时间小于持续时长的一半，则该持续时长为无效持续时长，返回到垂臂状态识别步骤。
有效时间t为一个连续时间(t′，t″)，t″大于t′，t′大于或等于t0，t″小于或等于tn。t＝t″-t′。当t0＝1ms，tn＝20ms时，包括有19ms。持续时长的一半为9.5ms。当t″-t′≥9.5ms时，则该持续时长确定为有效持续时长，确定为垂臂旋转动作。当t″-t′＜9.5ms时，则重新计算有效时间。
例如当t′＝1ms，t″＝10.5ms，则t＝9.5ms，即可直接将该持续时长确定为有效持续时长，无需再提取后续持续时长内的识别结果。即可直接识别为垂臂旋转动作。
例如当t′＝1ms，t″＝9.5ms，则t＝8.5ms，有效时间8.5ms小于9.5ms，则从8.5ms时重新开始计算有效时间。即此时t′＝8.5ms，若t″＝18ms则t＝9.5ms，将该持续时长确定为有效时间，确定为垂臂旋转动作。
若t′＝12ms，即使t″＝20ms为最大值时，12ms～20ms的时间段内均为有效时间，即在一个持续时长内有效时间的最大值t＝8ms，依然小于9.5ms，即可直接将该持续时长确定为无效持续时长，无需再提取12ms之后的识别结果。直接返回到数据采集步骤。
当有效时间为连续时间时，能够根据有效时间在持续时长内的占比快速对该持续时长进行判断识别，识别效率较高。
进一步的，有效时间为间断时间，包括有多个具有间隔的有效时间段，在同一个持续时长内有效时间段的总和大于或等于持续时长的一半，则该持续时长为有效持续时长，确定为垂臂旋转动作；若有效时间段的总和小于持续时长的一半，则该持续时长为无效持续时长，返回到垂臂状态识别步骤。
有效时间t为间断时间，包括有t1～t2、t3～t4、t5～t6、……ti～ti+1个有效时间段，(i+1)/2为有效时间段的个数，t1到ti+1依次增大，t1大于或等于t0，ti+1小于或等于小于或等于tn，t＝(t2-t1)+(t4-t3)+(t6-t5)+……+(ti+1-ti)。
例如当持续时长的t0＝1ms，tn＝20ms时，包括有19ms，持续时长的一半为9.5ms，有效时间段包括有1ms～1.5ms、4ms～8.5ms、9.7ms～13.5ms、16ms～20ms。则有效时间t＝(1.5-1)+(8.5-4)+(13.5-9.7)+(20-16)＝13.3(ms)，有效时间13.3ms大于持续时长的一半9.5ms，由此可判断该持续时长为有效持续时长，确定为垂臂旋转动作。
当有效时间为间断时间时，获取持续时长内所有的有效时间段，由一个持续时长内的有效时间段对持续时长进行整体的判断识别，判断该持续时长为有效持续时长或无效持续时长，识别结果的准确度较高。
通过将有效时间预设为连续时间，能够快速高效的判断识别持续时长，进而快速确定是否为垂臂旋转动作。通过将有效时间预设为间断时间，能够准确的判断识别持续时长，进而准确的确定是否为垂臂旋转动作。在对垂臂旋转动作判断识别时，可以根据需要预设不同的有效时间，进而可根据需要选择确定垂臂旋转动作的识别效率或识别准确度。
上述内容为通过有效时间来确定该持续时长是有效持续时长还是无效持续时长，同理，还可以通过无效时间来确定该持续时长是有效持续时长还是无效持续时长。即若为连续时间的一个无效时间大于持续时长的一半时，该持续时长为无效持续时长，返回到垂臂状态识别步骤。若为间断时间的多个无效时间之和大于或等于持续时长的一半时，该持续时长为无效持续时长，返回到垂臂状态识别步骤。
进一步的，还可以结合有效时间和无效时间共同判断该持续时长为有效持续时长或无效持续时长，当为连续时间的一个有效时间或无效时间任一大于或等于持续时长的一半时，即可不对剩余时间进行判断，可直接判断该持续时长为有效持续时长或无效持续时长。若为间断时间的多个有效时间之和大于持续时长的一半或若为间断时间的多个无效时间之和大于持续时长的一半，可直接判断该持续时长为有效持续时长或无效持续时长。
如图4所示，本发明还一种可穿戴终端10，具有加速度传感器，可穿戴终端包括：
数据采集模块110，实时采集加速度传感器的X、Y、Z三轴的加速度值。
垂臂姿态识别模块120，根据X、Y、Z三轴的检测值识别可穿戴终端是否为垂臂姿态。
瞬时动量计算模块130，若识别为垂臂姿态，根据Y轴和Z轴的加速度值，分别计算在Y轴和Z轴的瞬时动量。
疑似垂臂旋转识别模块140，若Y轴或Z轴的瞬时动量在预设的瞬时动量阈值内则识别为疑似垂臂旋转。
垂臂旋转动作识别模块150，若识别为疑似垂臂旋转，则根据Y轴和Z轴的瞬时动量的持续时长识别垂臂旋转动作。
关于可穿戴终端10各模块执行的操作的详细描述可以参照本申请提供的垂臂旋转识别方法的实施例中的描述，在此就不再一一赘述。
应理解，上述方法实施例的各步骤可以通过可穿戴终端处理器中的硬件形式的逻辑电路或者软件形式的指令完成。软件指令可以由相应的软件模块组成，软件模块可以被存放于随机存取存储器(random access memory，RAM)、闪存、只读存储器(read-onlymemory，ROM)、可编程只读存储器(programmable rom，PROM)、可擦除可编程只读存储器(erasable PROM，EPROM)、电可擦除可编程只读存储器(electrically EPROM，EEPROM)、寄存器、硬盘、移动硬盘、CD-ROM或者本领域熟知的任何其它形式的存储介质中。
以上仅为本发明的实施例，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 (10)

1.一种垂臂旋转识别方法，应用于具有加速度传感器的可穿戴终端，其特征在于，所述方法包括：
数据采集步骤，实时采集所述加速度传感器的X、Y、Z三轴的加速度值；
垂臂姿态识别步骤，根据X、Y、Z三轴的检测值识别佩戴所述可穿戴终端的前臂是否为垂臂姿态；
瞬时动量计算步骤，若识别为垂臂姿态，则根据Y轴和Z轴的加速度值，分别计算在Y轴和Z轴的瞬时动量；
疑似垂臂旋转识别步骤，若所述Y轴或Z轴的瞬时动量大于或等于预设的瞬时动量阈值则识别为疑似垂臂旋转；
垂臂旋转动作识别步骤，若识别为疑似垂臂旋转，则根据所述Y轴和Z轴的瞬时动量的持续时长识别垂臂旋转动作。
2.根据权利要求1所述的垂臂旋转识别方法，其特征在于，所述加速度传感器的Z轴垂直于所述可穿戴终端的触摸屏，所述加速度传感器的X轴与Y轴互相垂直且均平行于所述触摸屏，且所述X轴平行于人体前臂。
3.根据权利要求2所述的垂臂旋转识别方法，其特征在于，若所述加速度传感器的X轴的检测值等于重力加速度，且所述加速度传感器的Y轴和Z轴的检测值为零，则识别为垂臂姿态。
4.根据权利要求3所述的垂臂旋转识别方法，其特征在于，所述垂臂旋转动作识别步骤包括：对比所述Y轴的瞬时动量和所述Z轴的瞬时动量，选取所述Y轴的瞬时动量和所述Z轴的瞬时动量中最大的瞬时动量作为判断瞬时动量，若所述判断瞬时动量大于或等于预设瞬时动量阈值的时间满足于所述持续时长，则识别为垂臂旋转动作。
5.根据权利要求4所述的垂臂旋转识别方法，其特征在于，所述垂臂旋转识别方法还包括：
运动状态识别步骤，根据所述X、Y、Z三轴的瞬时动量中的最大瞬时动量判断所述可穿戴终端的运动状态。
6.根据权利要求5所述的垂臂旋转识别方法，其特征在于，所述可穿戴终端的运动状态包括剧烈运动状态和非剧烈运动状态。
7.根据权利要求6所述的垂臂旋转识别方法，其特征在于，所述疑似垂臂旋转识别步骤中，所述瞬时动量阈值与所述可穿戴终端的运动状态相匹配。
8.根据权利要求7所述的垂臂旋转识别方法，其特征在于，所述剧烈运动状态下的所述瞬时动量阈值大于所述非剧烈运动状态的所述瞬时动量阈值。
9.根据权利要求1所述的垂臂旋转识别方法，其特征在于，所述持续时长为1ms～20ms。
10.一种可穿戴终端，具有加速度传感器，其特征在于，所述可穿戴终端包括：
数据采集模块，实时采集所述加速度传感器的X、Y、Z三轴的加速度值；
垂臂姿态识别模块，根据X、Y、Z三轴的检测值识别所述可穿戴终端是否为垂臂姿态；
瞬时动量计算模块，若识别为垂臂姿态，根据Y轴和Z轴的加速度值，分别计算在Y轴和Z轴的瞬时动量；
疑似垂臂旋转识别模块，若所述Y轴或Z轴的瞬时动量在预设的瞬时动量阈值内则识别为疑似垂臂旋转；
垂臂旋转动作识别模块，若识别为疑似垂臂旋转，则根据所述Y轴和Z轴的瞬时动量的持续时长识别垂臂旋转动作。
CN202011008538.9A 2020-09-23 2020-09-23 一种垂臂旋转识别方法及可穿戴终端 Active CN112162595B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011008538.9A CN112162595B (zh) 2020-09-23 2020-09-23 一种垂臂旋转识别方法及可穿戴终端

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011008538.9A CN112162595B (zh) 2020-09-23 2020-09-23 一种垂臂旋转识别方法及可穿戴终端

Publications (2)

Publication Number Publication Date
CN112162595A true CN112162595A (zh) 2021-01-01
CN112162595B CN112162595B (zh) 2022-12-06

Family

ID=73863402

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011008538.9A Active CN112162595B (zh) 2020-09-23 2020-09-23 一种垂臂旋转识别方法及可穿戴终端

Country Status (1)

Country Link
CN (1) CN112162595B (zh)

Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103337132A (zh) * 2013-06-08 2013-10-02 山东师范大学 基于三轴加速度传感器的人体跌倒检测方法
CN204731730U (zh) * 2014-07-18 2015-10-28 苹果公司 可穿戴设备和电子设备
CN106066695A (zh) * 2016-06-06 2016-11-02 北京奇虎科技有限公司 一种应用程序运行控制方法、装置及可穿戴设备
CN106850962A (zh) * 2016-12-23 2017-06-13 歌尔股份有限公司 终端开机的实现方法及装置、终端
CN107343789A (zh) * 2017-05-17 2017-11-14 浙江利尔达物联网技术有限公司 一种基于三轴加速度传感器的脚步运动识别方法
CN107693022A (zh) * 2017-09-27 2018-02-16 福建工程学院 一种检测人体摔倒的方法及装置
WO2018095125A1 (zh) * 2016-11-23 2018-05-31 西安中兴新软件有限责任公司 终端及其实现阅读姿势检测的方法
CN108446733A (zh) * 2018-03-19 2018-08-24 上海玺翎智能科技有限公司 一种基于多传感器数据的人体行为监测及智能识别方法
CN109953435A (zh) * 2019-03-29 2019-07-02 努比亚技术有限公司 自动调节表带松紧的方法、可穿戴设备及存储介质
CN110069136A (zh) * 2019-04-29 2019-07-30 努比亚技术有限公司 一种穿戴状态识别方法、设备及计算机可读存储介质
CN110299100A (zh) * 2019-07-01 2019-10-01 努比亚技术有限公司 显示方向调整方法、可穿戴设备及计算机可读存储介质
CN110327050A (zh) * 2019-05-05 2019-10-15 北京理工大学 用于可穿戴装备的人跌倒状态嵌入式智能检测方法
CN110618755A (zh) * 2014-07-01 2019-12-27 谷歌有限责任公司 可穿戴装置的用户界面控制

Patent Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103337132A (zh) * 2013-06-08 2013-10-02 山东师范大学 基于三轴加速度传感器的人体跌倒检测方法
CN110618755A (zh) * 2014-07-01 2019-12-27 谷歌有限责任公司 可穿戴装置的用户界面控制
CN204731730U (zh) * 2014-07-18 2015-10-28 苹果公司 可穿戴设备和电子设备
CN106066695A (zh) * 2016-06-06 2016-11-02 北京奇虎科技有限公司 一种应用程序运行控制方法、装置及可穿戴设备
WO2018095125A1 (zh) * 2016-11-23 2018-05-31 西安中兴新软件有限责任公司 终端及其实现阅读姿势检测的方法
CN106850962A (zh) * 2016-12-23 2017-06-13 歌尔股份有限公司 终端开机的实现方法及装置、终端
CN107343789A (zh) * 2017-05-17 2017-11-14 浙江利尔达物联网技术有限公司 一种基于三轴加速度传感器的脚步运动识别方法
CN107693022A (zh) * 2017-09-27 2018-02-16 福建工程学院 一种检测人体摔倒的方法及装置
CN108446733A (zh) * 2018-03-19 2018-08-24 上海玺翎智能科技有限公司 一种基于多传感器数据的人体行为监测及智能识别方法
CN109953435A (zh) * 2019-03-29 2019-07-02 努比亚技术有限公司 自动调节表带松紧的方法、可穿戴设备及存储介质
CN110069136A (zh) * 2019-04-29 2019-07-30 努比亚技术有限公司 一种穿戴状态识别方法、设备及计算机可读存储介质
CN110327050A (zh) * 2019-05-05 2019-10-15 北京理工大学 用于可穿戴装备的人跌倒状态嵌入式智能检测方法
CN110299100A (zh) * 2019-07-01 2019-10-01 努比亚技术有限公司 显示方向调整方法、可穿戴设备及计算机可读存储介质

Also Published As

Publication number Publication date
CN112162595B (zh) 2022-12-06

Similar Documents

Publication Publication Date Title
AU2020273327B2 (en) Systems and methods of swimming analysis
CN105929940A (zh) 基于细分特征值法的快速三维动态手势识别方法及系统
WO2020164320A1 (zh) 定位方法及电子设备
CN111288986B (zh) 一种运动识别方法及运动识别装置
CN113031840B (zh) 腕戴设备的防误触发方法、装置、电子设备及存储介质
CN112857268A (zh) 对象面积测量方法、装置、电子设备和存储介质
CN111265841B (zh) 一种游泳圈数确定方法、装置、设备及存储介质
CN109758154B (zh) 一种运动状态确定方法、装置、设备及存储介质
CN112162595B (zh) 一种垂臂旋转识别方法及可穿戴终端
CN111870250B (zh) 用户状态监测方法、装置、计算设备及计算机存储介质
CN112596366B (zh) 一种智能手表佩戴状态的检测方法、检测系统及手表
CN111803902B (zh) 泳姿识别方法、装置、可穿戴设备及存储介质
CN112631427A (zh) 一种处理通信信息的方法、装置、智能穿戴设备及存储介质
CN110929766B (zh) 一种基于高斯混合聚类算法的自适应行人手机姿态识别方法
WO2023185970A1 (zh) 运动状态识别方法、装置、电子设备及存储介质
CN112130675A (zh) 一种抬腕识别方法及可穿戴终端
CN112130676A (zh) 一种可穿戴终端及其翻腕识别方法
Baek et al. A sequence-action recognition applying state machine for user interface
CN111167105B (zh) 投篮检测方法、装置、设备、系统和存储介质
CN112130677B (zh) 一种可穿戴终端及其举手识别方法
CN112130678B (zh) 一种手臂放下识别方法及可穿戴终端
WO2022042558A1 (zh) Ecg波形显示方法及其介质和电子设备
CN112667073A (zh) 控制智能穿戴设备的方法、智能穿戴设备和存储介质
CN115732087A (zh) 基于可穿戴设备的在床状态监测方法、装置及计算机设备
CN115988134A (zh) 基于移动设备的用户状态监测方法、装置、设备及介质

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