发明内容
本发明实施例提供了一种游泳数据获取方法及装置、游泳数据采集设备的控制方法,以至少解决相关技术中通过手动启闭游泳状态的方式,无法消除暂停或者休息对游泳效率或成绩的影响,导致与实际情况不符,获得的游泳数据的有效性较差的技术问题。
根据本发明实施例的一个方面,提供了一种游泳数据获取方法,包括:通过三轴加速度计采集游泳对象的三轴加速度数据;从所述三轴加速度数据中确定能够代表实际运动方向的一维数据;根据所述一维数据的变化特征,确定所述游泳对象的游泳数据。
可选的,从所述三轴加速度数据中确定能够代表实际运动方向的一维数据之前,包括:对采集的所述三轴加速度数据进行预处理,其中,所述预处理包括下列至少之一:降采样处理,滤波处理,平滑处理;对预处理后的所述三轴加速度数据进行分割,确定预定时间长度的数据片段。
可选的,从所述三轴加速度数据中确定最能够代表实际运动方向的一维数据包括:通过成分分析方法,从三轴加速度数据中确定最能够代表实际运动方向的一维数据,其中,最能够代表实际运动的方向为游泳前臂延伸方向的垂直方向;根据所述三轴加速度数据确定所述最能够代表实际运动的方向的加速度数据。
可选的,根据所述一维数据的变化特征,确定所述游泳对象的游泳数据包括:对所述一维数据的随时间变化的曲线进行提取,获得所述变化特征,其中,所述变化特征包括下列至少之一:波峰、波谷、动作时长,动作前后差值或比值、数据分布统计,所述数据分布统计包括:所述曲线的幅值大于预设幅值的比例;根据所述变化特征,确定所述游泳对象的游泳状态,其中,所述游泳状态包括下列至少之一:游泳开始、游泳中、暂停、转身、游泳结束;根据所述变化特征和所述游泳状态,确定所述游泳对象的游泳数据,其中,所述游泳数据包括下列至少之一:泳姿、圈数、距离、配速、综合指数swolf、时长,标准度。
可选的,根据所述变化特征,确定所述游泳对象的游泳状态包括:在所述一维数据向波峰的第一变化率为第一预设变化率的情况下,确定游泳状态为游泳开始;在所述一维数据在波峰和波谷之间呈周期性变化的情况下,确定游泳状态为游泳中;在所述一维数据向波谷的第二变化率为第二预设变化率,且在波谷保持第一预设时间的情况下,确定所述游泳状态为暂停;在所述一维数据在波谷保持第二预设时间的情况下,确定所述游泳状态为结束;在所述一维数据连续从波峰到波谷,再到波峰的情况下,确定所述游泳状态为转身。
可选的,根据所述变化特征和所述游泳状态,确定所述游泳对象的游泳数据包括:根据所述一维数据的所述曲线的变化特征,与标准泳姿的变化特征进行对比,根据所述一维数据的变化特征与所述标准泳姿的变化特征的匹配度,确定所述标准度;在所述匹配度超过预设匹配度阈值的情况下,确定游泳的泳姿为所述标准泳姿;根据转身次数确定所述圈数;根据所述圈数和每圈的长度,确定所述距离;根据游泳中状态的持续时长确定游泳时长;根据所述游泳时长和所述距离确定所述配速;根据所述配速和所述曲线在游泳中状态的变化周期数,确定所述综合指数swolf。
根据本发明实施例的另一方面,还提供了一种游泳数据采集设备的控制方法,包括:通过采集设备的三轴加速度计采集游泳对象的三轴加速度数据;从所述三轴加速度数据中确定能够代表实际运动方向的一维数据;根据所述一维数据的变化特征,确定所述游泳对象的游泳数据;根据所述游泳数据控制所述采集设备工作。
可选的,根据所述一维数据的变化特征,确定所述游泳对象的游泳状态包括:对所述一维数据的随时间变化的曲线进行提取,获得所述变化特征,其中,所述变化特征包括下列至少之一:波峰、波谷、动作时长,动作前后差值或比值、数据分布统计,所述数据分布统计包括:所述曲线的幅值大于预设幅值的比例;根据所述变化特征,确定所述游泳对象的游泳状态,其中,所述游泳状态包括下列至少之一:游泳开始、游泳中、暂停、转身、游泳结束;根据所述变化特征和所述游泳状态,确定所述游泳对象的游泳数据,其中,所述游泳数据包括下列至少之一:泳姿、圈数、距离、配速、综合指数swolf、时长,标准度。
可选的,还包括:在游泳状态为游泳开始的情况下开始计时,在游泳状态为游泳中的情况下持续计时,在所述游泳状态为暂停,转身或游泳结束的情况下,停止计时;将所述游泳状态和所述游泳数据,通过所述采集设备发送给对应的显示设备进行显示。
根据本发明实施例的另一方面,还提供了一种游泳数据获取装置,包括:采集模块,用于通过三轴加速度计采集游泳对象的三轴加速度数据;第一确定模块,用于从所述三轴加速度数据中确定能够代表实际运动方向的一维数据;第二确定模块,用于根据所述一维数据的变化特征,确定所述游泳对象的游泳状态和游泳数据。
根据本发明实施例的另一方面,还提供了一种处理器,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上述中任意一项所述的游泳数据获取方法。
根据本发明实施例的另一方面,还提供了一种计算机存储介质,所述计算机存储介质包括存储的程序,其中,在所述程序运行时控制所述计算机存储介质所在设备执行上述中任意一项所述的游泳数据获取方法。
在本发明实施例中,采用通过三轴加速度计采集游泳对象的三轴加速度数据;从三轴加速度数据中确定能够代表实际运动方向的一维数据;根据一维数据的变化特征,确定游泳对象的游泳数据的方式,通过三轴加速度数据提取最能代表实际运动的一维数据,根据一位数据的变化特征对游泳状态进行确定,达到了根据三轴加速度数据,自动确定游泳状态和游泳数据的目的,从而实现了提高了游泳数据与真实的游泳运动匹配的准确性,提高游泳数据的准确性和有效性的技术效果,进而解决了相关技术中通过手动启闭游泳状态的方式,无法消除暂停或者休息对游泳效率或成绩的影响,导致与实际情况不符,获得的游泳数据的有效性较差的技术问题。
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,提供了一种游泳数据获取方法的方法实施例,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一种游泳数据获取方法的流程图,如图1所示,该方法包括如下步骤:
步骤S102,通过三轴加速度计采集游泳对象的三轴加速度数据;
步骤S104,从三轴加速度数据中确定能够代表实际运动方向的一维数据;
步骤S106,根据一维数据的变化特征,确定游泳对象的游泳数据。
通过上述步骤,采用通过三轴加速度计采集游泳对象的三轴加速度数据;从三轴加速度数据中确定能够代表实际运动方向的一维数据;根据一维数据的变化特征,确定游泳对象的游泳数据的方式,通过三轴加速度数据提取最能代表实际运动的一维数据,根据一位数据的变化特征对游泳状态进行确定,达到了根据三轴加速度数据,自动确定游泳状态和游泳数据的目的,从而实现了提高了游泳数据与真实的游泳运动匹配的准确性,提高游泳数据的准确性和有效性的技术效果,进而解决了相关技术中通过手动启闭游泳状态的方式,无法消除暂停或者休息对游泳效率或成绩的影响,导致与实际情况不符,获得的游泳数据的有效性较差的技术问题。
上述三轴加速度计还可以通过具有采集三轴加速度数据的设备进行采集,例如六轴陀螺仪,九轴陀螺仪,十轴陀螺仪,六轴陀螺仪是由三轴加速度计和三轴陀螺仪组成的,九轴陀螺仪是由三轴加速度计,三轴陀螺仪和三轴磁强计组成的,十轴陀螺仪是由三轴加速度计,三轴陀螺仪,三轴磁强计,和三轴气压计组成的,其本质还是通过三轴加速度计采集三轴加速度数据。
上述三轴加速度数据包括在立体坐标系的坐标空间的三个坐标轴上加速度数据,采集三轴加速度数据是游泳过程中设备产生的加速度,该设备可以安装在游泳对象的手臂上,采集手臂某一位置的三轴加速度数据。由于手臂可能存在振动,或者其他方向的干扰,在本实施例中,从三轴加速度数据中确定能够代表实际运动方向的一维数据,也即是能够代表实际运动方向上的加速度数据。从而根据该方向上的加速度数据,确定游泳数据。
上述一维数据也即是能够代表实际运动方向上的加速度数据,随着时间变化,游泳运动的继续,在该方向上的加速度数据会进行变化,对该一维数据的变化特征进行分析,可以准确的确定游泳的游泳数据,包括各种游泳状态和游泳指数数据。
可选的,从三轴加速度数据中确定能够代表实际运动方向的一维数据之前,包括:对采集的三轴加速度数据进行预处理,其中,预处理包括下列至少之一:降采样处理,滤波处理,平滑处理;对预处理后的三轴加速度数据进行分割,确定预定时间长度的数据片段。
对上述三轴加速度数据进行预处理,可以有效去除无效数据,从而提高三轴加速度数据的准确性,进而提高候选三维加速度数据分析的准确性。
在对三轴加速度数据进行处理后,通过预定时间长度的数据片段,三轴加速度数据进行分割,得到预定时间长度的三轴加速度数据,方便之后进行分析。
可选的,从三轴加速度数据中确定最能够代表实际运动方向的一维数据包括:通过成分分析方法,从三轴加速度数据中确定最能够代表实际运动方向的一维数据,其中,最能够代表实际运动的方向为游泳前臂延伸方向的垂直方向;根据三轴加速度数据确定最能够代表实际运动的方向的加速度数据。
上述最能够代表实际运动的方向为游泳前臂延伸方向的垂直方向,在立体坐标系中,根据三轴加速度数据可以确定任一一个方向上的加速度数据,进而确定上述一维数据。
可选的,根据一维数据的变化特征,确定游泳对象的游泳数据包括:对一维数据的随时间变化的曲线进行提取,获得变化特征,其中,变化特征包括下列至少之一:波峰、波谷、动作时长,动作前后差值或比值、数据分布统计,数据分布统计包括:曲线的幅值大于预设幅值的比例;根据变化特征,确定游泳对象的游泳状态,其中,游泳状态包括下列至少之一:游泳开始、游泳中、暂停、转身、游泳结束;根据变化特征和游泳状态,确定游泳对象的游泳数据,其中,游泳数据包括下列至少之一:泳姿、圈数、距离、配速、综合指数swolf、时长,标准度。
上述数据分布统计,包括但不限于,幅值等数值大于预设阈值的比例,预设阈值一般为0~1之间的任意数值。
上述预设阈值可以直接预设固定,也可根据游泳者的情况进行动态调整;一般先预设固定值,大约能覆盖80~90%的数据。对于动作幅度较小,如预处理后的数据幅值小于0.4的游泳数据,需要进行相应的调整。
一般情况下,选用不同的预设阈值。同一预设阈值只能用于识别游泳开始、暂停和结束,较难适用于转身。另外,为了确认所有游泳状态,一般使用的预设阈值为组合参数,即,不止是设置一个参数的阈值判断,使用多个参数进行阈值判断。
可选的,根据变化特征,确定游泳对象的游泳状态包括:在一维数据向波峰的第一变化率为第一预设变化率的情况下,确定游泳状态为游泳开始;在一维数据在波峰和波谷之间呈周期性变化的情况下,确定游泳状态为游泳中;在一维数据向波谷的第二变化率为第二预设变化率,且在波谷保持第一预设时间的情况下,确定游泳状态为暂停;在一维数据在波谷保持第二预设时间的情况下,确定游泳状态为结束;在一维数据连续从波峰到波谷,再到波峰的情况下,确定游泳状态为转身。
根据变化特征,确定游泳对象的游泳状态还可以通过机器学习模型,进行判断,该机器学习模型由多组训练数据训练而成,每组训练数据包括一维数据的变化特征和对应的游泳状态。将变化特征和输入上述机器学习模型,从而获得对应的游泳状态。
根据上述变化特征,还可以确定游泳的类型,例如,蛙泳,仰泳,自由泳,蝶泳,混合泳,非专业泳姿等。具体方式可以通过一维数据的特征比对,或者上述机器学习模型的方式确定有用的类型。
可选的,根据变化特征和游泳状态,确定游泳对象的游泳数据包括:根据一维数据的曲线的变化特征,与标准泳姿的变化特征进行对比,根据一维数据的变化特征与标准泳姿的变化特征的匹配度,确定标准度;在匹配度超过预设匹配度阈值的情况下,确定游泳的泳姿为标准泳姿;根据转身次数确定圈数;根据圈数和每圈的长度,确定距离;根据游泳中状态的持续时长确定游泳时长;根据游泳时长和距离确定配速;根据配速和曲线在游泳中状态的变化周期数,确定综合指数swolf。
标准度的确定方式还可以是通过模版匹配、动态时间规整DTW(Dynamic TimeWarping)、相似度计算、基于机器学习、深度学习的标准度预测等方式进行确定。
图2是根据本发明实施例的一种游泳数据采集设备的控制方法的流程图,如图2所示,根据本发明实施例的另一方面,还提供了一种游泳数据采集设备的控制方法,包括:
步骤S202,通过采集设备的三轴加速度计采集游泳对象的三轴加速度数据;
步骤S204,从三轴加速度数据中确定能够代表实际运动方向的一维数据;
步骤S206,根据一维数据的变化特征,确定游泳对象的游泳数据;
步骤S208,根据游泳数据控制采集设备工作。
通过上述步骤,采用通过采集设备的三轴加速度计采集游泳对象的三轴加速度数据;从三轴加速度数据中确定能够代表实际运动方向的一维数据;根据一维数据的变化特征,确定游泳对象的游泳数据;根据游泳数据控制采集设备工作的方式,通过三轴加速度数据提取最能代表实际运动的一维数据,根据一位数据的变化特征对游泳状态进行确定,达到了根据三轴加速度数据,自动确定游泳状态和游泳数据,从而控制采集设备工作的目的,从而实现了提高了游泳数据与真实的游泳运动匹配的准确性,提高游泳数据的准确性和有效性的技术效果,进而解决了相关技术中通过手动启闭游泳状态的方式,无法消除暂停或者休息对游泳效率或成绩的影响,导致与实际情况不符,获得的游泳数据的有效性较差的技术问题。
可选的,根据一维数据的变化特征,确定游泳对象的游泳状态包括:对一维数据的随时间变化的曲线进行提取,获得变化特征,其中,变化特征包括下列至少之一:波峰、波谷、动作时长,动作前后差值或比值、数据分布统计,数据分布统计包括:曲线的幅值大于预设幅值的比例;根据变化特征,确定游泳对象的游泳状态,其中,游泳状态包括下列至少之一:游泳开始、游泳中、暂停、转身、游泳结束;根据变化特征和游泳状态,确定游泳对象的游泳数据,其中,游泳数据包括下列至少之一:泳姿、圈数、距离、配速、综合指数swolf、时长,标准度。
可选的,还包括:在游泳状态为游泳开始的情况下开始计时,在游泳状态为游泳中的情况下持续计时,在游泳状态为暂停,转身或游泳结束的情况下,停止计时;将游泳状态和游泳数据,通过采集设备发送给对应的显示设备进行显示。
上述计时的功能也可以由上述采集设备完成。上述显示设备可以集成在上述采集设备上,例如,运动手环上的显示屏。上述显示设备还可以为第三方终端设备,例如,智能手机上的显示屏。
需要说明的是,本申请实施例还提供了一种可选的实施方式,下面对该实施方式进行详细说明。
相关技术中游泳数据的采集存在以下问题:
1)消除抖手等热身动作、池边休息、走路等对游泳分析的影响,为减少对用户的游泳效率/成绩等分析的影响、提高数据的有效性;
2)新增分析游泳动作标准度的分析,便于数值度量和统计游泳动作的标准度,也便于指出某一动作与标准动作的差异点;
3)根据游泳状态判断增加设备控制流程,便于可穿戴设备的自动化流程,防止用户忘记停止数据记录等,还可节省电量,增加其使用时长。
因此,本实施方式提出一种游泳状态判断和游泳分析及设备控制方法及系统。
图3是根据本发明实施方式的游泳状态判断的流程图,如图3所示,本实施方式一种游泳状态判断及游泳分析系统,包括,数据采集模块、数据选取模块、游泳状态判断模块、游泳数据分析模块。
数据采集模块,用来通过可穿戴设备中设置的传感器来采集数据;采集的数据,至少包含一组三轴加速度数据;传感器,至少含一颗三轴加速度计;可穿戴设备,优选地,佩戴在手腕处。
数据选取模块,用来从数据采集模块得到的数据中选取数据以供游泳状态判断模块使用。选取的数据,为一维的加速度数据;一维加速度数据,为某一轴向的加速度数据或其组合,某一轴向,为三轴中的任一轴向,优选垂直于前臂延伸方向的轴向。数据选取的方法,包括但不限于,PCA(主成分分析Principal Component Analysis)、ICA(独立成分分析Independent Component Correlation Algorithm)等成分分析方法。
游泳状态判断模块,用于分析判断游泳状态;游泳状态,包括但不限于,游泳开始、游泳中、暂停、转身、游泳结束,或其任意组合。
游泳分析模块,用于结合游泳状态进一步分析游泳的划次、泳姿、圈数或趟数、距离、游泳时长、swolf(游泳效率)、配速、和/或动作标准度分析。游泳时长为游泳进行中的时间汇总;动作标准度分析,是指分析划水动作是否标准、标准度为多少以及找出与标准动作的差异点。动作标准度分析的方法,包括但不限于,相似度分析、机器学习/深度学习等标准度预测等。相似度分析的方法,包括但不限于,DTW(时间动态规整Dynamic Time Warping)距离、相似系数等。
图4是根据本发明实施方式的设备控制的流程图,如图4所示,一种游泳分析及设备控制系统及流程,包括,数据采集模块、数据选取模块、游泳状态判断模块、游泳数据分析模块、设备控制模块。
其中数据采集模块、数据选取模块、游泳状态判断模块、游泳数据分析模块。
其中,设备控制模块,用来控制设备的数据流程,和/或显示、提醒等,为可选模块。设备的数据流程,包括但不限于,数据采集的循环控制、游泳中途休息时的暂停、游泳上岸后的自动结束等。控制设备的显示,用于具有显示装置的可穿戴设备,控制用户在游泳开始、暂停休息、游泳中、游泳结束时的状态和数据统计结果等。数据统计结果,包括但不限于,泳姿、时长、有效游泳时长等。设备的提醒,包括游泳休息暂停时的提醒、游泳动作的标准度提醒,游泳结束后的数据保存、和/或关停提醒等。
图5是根据本发明实施方式的游泳数据分析的流程图,如图5所示,游泳状态判断及游泳数据分析的算法流程,包括,预处理、数据分割、数据特征提取、游泳状态判断、游泳数据分析。
预处理,指对数据进行降采样、滤波、平滑等处理。数据包括但不限于,至少一组三轴加速度数据;也可以是三轴加速度数据和三轴陀螺仪数据、三轴加速度数据和三轴地磁数据。
数据分割,对经过预处理的数据进行分割,得到一段时间内的数据片段。
数据特征提取,是指对数据分割得到的数据片段提取特征。提取的特征,包含波峰、波谷、动作时长及其前后差值或比值、数据分布统计或其任意组合;数据分布统计,包括但不限于,幅值等数值大于某一阈值thv的比例等;某一阈值一般为0~1之间的任意数值。
上述阈值可以直接预设固定,也可根据游泳者的情况进行动态调整;一般先预设固定值,大约能覆盖80~90%的数据。对于动作幅度较小(如预处理后的数据幅值小于0.4)的游泳数据,需要进行相应的调整。
一般情况下,选用不同的阈值。同一阈值只能用于识别游泳开始、暂停和结束,较难适用于转身。另外,为了确认的所有游泳状态,一般使用的阈值参数为组合参数(即,不止是设置一个参数的阈值判断,有时会使用多个参数进行阈值判断)。
关键点中有提到的“自适应阈值调整”是指改进方向。本案也可使用和描述,比如1)同样的阈值处理幅值较小的游泳数据则会将游泳数据误判为非游泳,这时需要将阈值调小,或者更改参数或阈值,才能正确识别出游泳状态。再比如,2)对于幅值较小的数据,检测波峰、波谷的阈值采用通用阈值,会导致漏检波峰、波谷,这时需要调低峰、谷检测的阈值,才能检测到正确的波峰、波谷。
游泳状态判断,用于根据数据特征通过阈值判断、和/或,机器学习等方法得到游泳状态。通过数据分布统计得到的某一比值和/或多个比值,经过阈值判断来确定游泳开始和游泳结束,其中,Level 0数据段表示非游泳期间,Level>0数据段表示游泳开始到游泳结束期间。游泳状态,包括但不限于,游泳开始、游泳中、暂停休息、转身、游泳结束,或其任意组合。
游泳数据分析,主要是指分析游泳中的泳姿、圈数/趟数、距离、配速、swolf等指标,游泳和非游泳状态的时长统计,划水动作的标准度分析等。泳姿,包括,某一划次的泳姿、某一趟的主泳姿、某一次的主泳姿。某一次游泳,是指游泳从开始到结束的整个过程。泳姿类型,包括但不限于、蛙泳、自由泳、仰泳、蝶泳、混合泳等。标准度分析,包括但不限于,某一划水动作的标准度分析,某一次游泳的标准度汇总、某一划水动作与标准动作的差异点及其差异分布、某一圈/某一次游泳的动作一致性等;标准度分析方法,包括但不限于,模版匹配、DTW、相似度计算、和/或基于机器学习、深度学习的标准度预测等方法。差异的表现形式,包括但不限于,0~1之间的数值、数据列表及其统计图,蛛网图等。这里差异,是指“某一划水动作与标准动作的差异点及其差异分布”。表现形式为常规方案。也可选用创新式的表现形式,如:人体模拟式的展现形式,或动画式的人体游泳动作复现和对比的方式。
图6是根据本发明实施例的一种游泳数据获取装置的示意图,如图6所示,根据本发明实施例的另一方面,还提供了一种游泳数据获取装置,包括:采集模块62,第一确定模块64和第二确定模块66。下面对该装置进行详细说明。
采集模块62,用于通过三轴加速度计采集游泳对象的三轴加速度数据;第一确定模块64,与上述采集模块62相连,用于从三轴加速度数据中确定能够代表实际运动方向的一维数据;第二确定模块66,与上述第一确定模块64相连,用于根据一维数据的变化特征,确定游泳对象的游泳状态和游泳数据。
通过上述装置,采用采集模块62通过三轴加速度计采集游泳对象的三轴加速度数据;第一确定模块64从三轴加速度数据中确定能够代表实际运动方向的一维数据;第二确定模块66根据一维数据的变化特征,确定游泳对象的游泳数据的方式,通过三轴加速度数据提取最能代表实际运动的一维数据,根据一位数据的变化特征对游泳状态进行确定,达到了根据三轴加速度数据,自动确定游泳状态和游泳数据的目的,从而实现了提高了游泳数据与真实的游泳运动匹配的准确性,提高游泳数据的准确性和有效性的技术效果,进而解决了相关技术中通过手动启闭游泳状态的方式,无法消除暂停或者休息对游泳效率或成绩的影响,导致与实际情况不符,获得的游泳数据的有效性较差的技术问题。
根据本发明实施例的另一方面,还提供了一种处理器,其特征在于,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游泳数据获取方法。
根据本发明实施例的另一方面,还提供了一种计算机存储介质,计算机存储介质包括存储的程序,其中,在程序运行时控制计算机存储介质所在设备执行上述中任意一项的游泳数据获取方法。
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。