CN113713358B - 基于多传感器融合的游泳监测方法、设备、存储介质和程序产品 - Google Patents
基于多传感器融合的游泳监测方法、设备、存储介质和程序产品 Download PDFInfo
- Publication number
- CN113713358B CN113713358B CN202110718730.5A CN202110718730A CN113713358B CN 113713358 B CN113713358 B CN 113713358B CN 202110718730 A CN202110718730 A CN 202110718730A CN 113713358 B CN113713358 B CN 113713358B
- Authority
- CN
- China
- Prior art keywords
- stroke
- swimming
- current
- data
- lap
- 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.)
- Active
Links
- 230000009182 swimming Effects 0.000 title claims abstract description 181
- 238000000034 method Methods 0.000 title claims abstract description 45
- 238000012544 monitoring process Methods 0.000 title claims abstract description 23
- 230000004927 fusion Effects 0.000 title claims description 18
- 238000004364 calculation method Methods 0.000 claims abstract description 64
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 57
- 238000000605 extraction Methods 0.000 claims description 22
- 230000009191 jumping Effects 0.000 claims description 22
- 230000033001 locomotion Effects 0.000 claims description 21
- 238000009825 accumulation Methods 0.000 claims description 18
- 230000006698 induction Effects 0.000 claims description 18
- 230000008569 process Effects 0.000 claims description 15
- 238000004590 computer program Methods 0.000 claims description 10
- 230000009471 action Effects 0.000 claims description 9
- 239000013598 vector Substances 0.000 claims description 9
- 238000012545 processing Methods 0.000 claims description 7
- 230000001133 acceleration Effects 0.000 claims description 3
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 238000001914 filtration Methods 0.000 claims description 2
- 238000004806 packaging method and process Methods 0.000 claims description 2
- 238000012549 training Methods 0.000 abstract description 7
- 230000000694 effects Effects 0.000 abstract description 5
- 230000036541 health Effects 0.000 abstract description 3
- 238000001514 detection method Methods 0.000 abstract description 2
- 238000005516 engineering process Methods 0.000 description 6
- 210000002683 foot Anatomy 0.000 description 3
- 210000002414 leg Anatomy 0.000 description 3
- 230000002411 adverse Effects 0.000 description 2
- 230000000386 athletic effect Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- BXNJHAXVSOCGBA-UHFFFAOYSA-N Harmine Chemical compound N1=CC=C2C3=CC=C(OC)C=C3NC2=C1C BXNJHAXVSOCGBA-UHFFFAOYSA-N 0.000 description 1
- 206010049565 Muscle fatigue Diseases 0.000 description 1
- 208000020307 Spinal disease Diseases 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 210000000544 articulatio talocruralis Anatomy 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000033228 biological regulation Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000036760 body temperature Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 210000000748 cardiovascular system Anatomy 0.000 description 1
- 230000002860 competitive effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 238000002169 hydrotherapy Methods 0.000 description 1
- 230000036039 immunity Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 210000000629 knee joint Anatomy 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 230000036314 physical performance Effects 0.000 description 1
- 238000000554 physical therapy Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 210000002345 respiratory system Anatomy 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000007493 shaping process Methods 0.000 description 1
- 230000004083 survival effect Effects 0.000 description 1
- 210000001994 temporal artery Anatomy 0.000 description 1
Classifications
-
- A—HUMAN NECESSITIES
- A63—SPORTS; GAMES; AMUSEMENTS
- A63B—APPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
- A63B71/00—Games or sports accessories not covered in groups A63B1/00 - A63B69/00
- A63B71/06—Indicating or scoring devices for games or players, or for other sports activities
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/25—Fusion techniques
- G06F18/251—Fusion techniques of input or preprocessed data
-
- A—HUMAN NECESSITIES
- A63—SPORTS; GAMES; AMUSEMENTS
- A63B—APPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
- A63B71/00—Games or sports accessories not covered in groups A63B1/00 - A63B69/00
- A63B71/06—Indicating or scoring devices for games or players, or for other sports activities
- A63B71/0619—Displays, user interfaces and indicating devices, specially adapted for sport equipment, e.g. display mounted on treadmills
- A63B2071/0647—Visualisation of executed movements
-
- A—HUMAN NECESSITIES
- A63—SPORTS; GAMES; AMUSEMENTS
- A63B—APPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
- A63B71/00—Games or sports accessories not covered in groups A63B1/00 - A63B69/00
- A63B71/06—Indicating or scoring devices for games or players, or for other sports activities
- A63B71/0619—Displays, user interfaces and indicating devices, specially adapted for sport equipment, e.g. display mounted on treadmills
- A63B2071/065—Visualisation of specific exercise parameters
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physical Education & Sports Medicine (AREA)
- Evolutionary Computation (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本发明涉及到运动健康领域，具体提出了一种融合压力传感器(如气压计)，磁力计，加速度计和陀螺仪等传感器的游泳监测方法，基于集成了气压计，磁力计，加速度计和陀螺仪的手部或腿部智能穿戴设备，如智能手表，智能手环或智能指环等，实现了入水检测，Stroke(划水)，Lap(趟)，Style(泳姿)，Activity Time(划水时长)，Rest Time(休息时长)，Course(游程)，Pace(游泳配速)，SWOLF(游泳效率)，Stroke Rate(划水频率)和StrokeLength(划水长度)等游泳数据的识别和计算，为游泳爱好者或康复训练者提供丰富和精确的游泳数据，支持用户更好地执行训练计划。
Description
技术领域
本发明涉及运动健康技术领域，尤其涉及基于多传感器融合的游泳监测方法、设备、存 储介质和程序产品。
背景技术
游泳运动，作为一种传统的运动项目，可用于减脂塑形，改善心血管系统机能，改善呼 吸系统机能，提高身体协调能力，改善体温调节能力，提高身体免疫能力和提高水中遇险生 还率等场景，一直深受各类人士的推崇和喜爱。由于游泳运动大受人们的喜爱，催生了世界游泳锦标赛，世界杯赛，世界短池锦标赛等大型的竞技体育赛事。另外，水疗法被认为是物 理疗法中一种主要的治疗方式，因此与水密切相关的游泳运动还应用于配合临床治疗来促进 病体康复，如脊柱类疾病，膝关节，踝关节等病体的康复。
传统的游泳监测方法，主要是通过摄像头及视频分析技术来完成，这类方法成本高昂， 安装麻烦，易用性差，抗干扰能力弱和易暴露隐私等不足，难以推广普遍应用。
随着微机系统及传感技术的发展，智能设备越来越普及且越来越小型化，越来越多的公 司和研究机构开始了基于智能设备内置各种传感技术对人体行为识别的研究和应用。目前， 应用于游泳运动的智能设备，如智能手表，智能手环，智能泳镜，智能心律器和智能脚环等产品，开始出现在市面上，如HUAWEI GT系列智能手表，Swimorate Poolmate系列智能手表， Garmin游泳系列智能手表，Misfit智能手环，Suunto智能手表，Instabeat智能泳镜，Finis 耳夹式心律器和Flyfit智能脚环等。各类应用于游泳运动的智能设备，所用到的传感器技术 不一样，佩戴到人体的部位不一样，呈现出来的游泳相关数据也不一样，数据准确率也各有 差异。如智能手表和智能手环，基本上都是采用加速度计或陀螺仪等运动传感器，能够输出 Strokes(划水动作)，Lap(趟)和Swimming Style(泳姿)等数据，但因为运动传感器对动 作非常敏感，即便是同一种泳姿下的游泳动作，每个人的手部细微动作也是千差万别，导致 人群覆盖面受限且算法模型非常复杂。另一方面，由于运动传感器只能感知动作，对于游泳状态中划水动作和非游泳状态下的类似动作很难准确区分，数据很容易受到干扰而降低准确 率，比如游泳过程中休息时手部的非游泳动作也会被误判断为游泳动作而产生游泳数据。智 能脚环采用加速度计，能够输出蹬腿次数，蹬腿频率和游程等数据，数据较为单一。智能泳 镜通过光电传感器从颞动脉获取心率，数据较为单一，且容易受水冲击力的影响而降低数据准确率。因此，急需一种通过融合多种传感技术，提供更丰富更精确的游泳相关数据，为游 泳竞技训练或游泳康复训练提供参考和引导的游泳监测方法。
发明内容
为了克服现有技术的不足，本发明的目的在于提供基于多传感器融合的游泳监测方法， 通过融合压力传感器(如气压计)，加速度计，陀螺仪和磁力计等多种传感器，既能够感知入水状态，游泳动作，还能感知游泳方向和游泳状态，能够判别是否是真实的下水游泳，提高 了游泳过程的抗干扰性，提供更加丰富和更加精准的游泳数据。
本发明提供基于多传感器融合的游泳监测方法，包括以下步骤：
计算数值，接收原始数据包并进行数值计算，输出物理量数据包,所述原始数据包由智能 设备采集多传感器的数据并进行模数转换后封装而成；
数据缓存，将压力传感器输出的大气压值减去标准大气压值，其他数据保持不变，将数 据缓存到数据缓存区中；
模式提取，基于缓存在数据缓存区中的气压差值提取划水周期模式；
特征计算，基于划水周期数据段计算相关的特征值；
有效划水识别，基于划水特征集识别当前划水是否为一次有效的划水；
泳姿识别，在当前划水有效的前提下，通过泳姿特征集识别当前划水对应的泳姿值；
分趟识别，在当前划水周期有效的前提下，通过分趟特征集识别当前趟是否已结束，若 当前趟已结束，则生成一个完整分趟；
分趟数据计算，在当前分趟结束后，对已完成的分趟的数据进行计算；
数据学习，在游泳活动结束后，对本次游泳的所有分趟数据进行学习；
数据校准，基于学习到以趟为单位的数据，对本次游泳的所有分趟数据进行校准，删除 无效分趟及无效的划水周期；
统计数据计算，在本次游泳结束后，对于本次游泳进行统计数据计算；
输出数据，将统计数据和分趟列表数据发送出去。
进一步地，所述传感器包括压力传感器、加速度计、陀螺仪和磁力计；所述物理量数据 包包括压力传感器物理量、加速度计物理量、陀螺仪物理量、磁力计物理量，所述压力传感 器物理量为气压和海拔高度，加速度计物理量为加速度，陀螺仪物理量为角速度，磁力计物理量为磁感应强度；
在所述计算数值步骤和所述数据缓存步骤之间还包括信号处理，通过滤波器对所述物理 量数据包进行滤波处理；
所述模式提取步骤中，根据压力传感器的物理量数据提取划水周期模式，所述划水周期 模式定义为<前出水点，入水点，后出水点>三元向量。
进一步地，所述特征计算步骤中，基于磁感应强度数据计算分趟特征集；
基于气压差值数据、加速度计数据和陀螺仪数据计算划水特征集,包括周期跨度、划水力 度、入水时长、划水深度和出水时长；
所述周期跨度Span计算公式为：
Span＝EndTimeOfStroke-StartTimeOfStroke
其中，EndTimeOfStroke是指划水结束时间，StartTimeOfStroke是指划水开始时间；
所述划水力度StrokeStrength计算公式为：
其中，AccX，AccY,AccZ和AccM分别表示了三轴加速度计的X轴，Y轴,Z轴和模，DtIndexEntry是指本次划水的入水时刻的数据索引值，DtIndexPstOutsurface是指本次划水的出水时 刻的数据索引值；
所述入水时长InwaterDur计算公式为：
InwaterDur＝TimeOfPstOutsurface-TimeOfEntry
其中，TimeOfPstOutsurface是指本次划水的出水时刻，TimeOfEntry是指本次划水的入 水时刻；
所述划水深度InwaterDepth的计算公式为：
InwaterDepth＝AltitudePstOutsurface-min(AltitudeEntry...AltitudePstOutsurface)
其中，AltitudeEntry是指本次划水的入水时刻的海拔高度，AltitudePstOutsurface是指本次划水 的出水时刻的海拔高度；
所述出水时长OutwaterDur的计算公式为：
OutwaterDu r＝TimeOfEntr y-TimeOf Pr eOutSurfac e
其中，TimeOfEntry是指本次划水的入水时刻，TimeOfPreOutSurface是指上次划水的出 水时刻。
进一步地，所述有效划水识别步骤中，判断所述周期跨度是否小于最小跨度阈值，是则 跳转至所述模式提取步骤，否则判断所述入水时长是否大于最大入水时长阈值，是则跳转至 所述模式提取步骤，否则判断所述入水时长是否小于最小入水时长阈值，是则跳转至所述模式提取步骤，否则判断所述划水深度是否小于最小划水深度阈值，是则跳转至所述模式提取 步骤，否则判断所述划水力度是否小于最小划水力度阈值，是则跳转至所述模式提取步骤， 否则跳转至所述泳姿识别步骤。
进一步地，所述泳姿识别步骤中，查询泳姿表，判断查表是否命中记录，否则识别当前 划水对应的泳姿值为0，并跳转至所述分趟识别步骤，是则识别当前划水对应的泳姿值为1～ 15，并跳转至所述分趟识别步骤；其中，蛙泳对应的泳姿值为1，自由泳对应的泳姿值为2， 仰泳对应的泳姿值为4，蝶泳对应的泳姿值为8，混合泳对应的泳姿值为0。
进一步地，所述分趟识别步骤中，判断当前划水动作的磁感强度均值与当前趟中所有划 水动作的磁感强度均值的均值的差值是否大于设定阈值，是则判定当前趟结束，否则判断当 前划水动作的三个分轴的磁感应强度参数向量是否等于当前趟中已有划水动作的磁感应强度参数向量，是则判定当前趟结束，否则跳转至所述模式提取步骤；
所述分趟数据计算步骤中，对已完成的分趟的数据的计算包括分趟索引、分趟距离、划 水次数、主泳姿、划水时长、配速、游泳效率、划水频率和划水长度；
所述划水时长的单位为秒，计算公式为：
其中，N表示该趟划水周期的个数，Spani是该趟中第i个划水周期的跨度；
所述配速定义为每100米所花费的时长；
所述游泳效率定义为每50米所用的时长和划水次数之和；
所述划水频率定义为每分钟的划水次数；
所述划水长度定义为每次划水前进的距离；
所述主泳姿的识别过程为读取当前趟的划水动作，判断当前划水动作的泳姿，若为蛙泳， 则蛙泳计数器加一，若为自由泳，则自由泳计数器加一，若为混合泳，则其他泳姿计数器加 一，若为仰泳，则仰泳计数器加一，若为蝶泳，则蝶泳计数器加一；判断当前趟所有划水动作是否遍历完，否则跳转至读取当前趟的划水动作，是则比较计数器，找出最大计数器对应 的泳姿为主泳姿，若蛙泳计数器最大，则主泳姿为蛙泳，若自由泳计数器最大，则主泳姿为 自由泳，若仰泳计数器最大，则主泳姿为仰泳，若蝶泳计数器最大，则主泳姿为蝶泳，若其 他泳姿计数器最大，则主泳姿为混合泳；删除划水动作列表中当前趟的所有划水动作。
进一步地，所述数据学习步骤中，学习本次游泳中以趟为单位的统计参数；
所述数据校准步骤中，基于学习到以趟为单位的统计参数，对本次游泳的所有分趟数据 进行校准；
所述统计数据计算步骤中，对于本次游泳进行统计数据计算，包括总游程、总趟数、总 划水次数、主泳姿、总划水时长、总休息时长、平均划水频率、平均划水长度、平均配速和 平均划水效率；
所述总游程对应本次游泳活动中所有有效趟的距离的累加，计算公式为：
其中，LapDistancei是本次游泳活动中第i有效趟的距离，LapCount是本次游泳活动中 总的有效趟数；
所述总划水次数对应本次游泳活动中所有有效趟的划水次数的累加，计算公式为：
其中，StrokeCounti是本次游泳活动中第i有效趟的划水次数，LapCount是本次游泳活动 中总的有效趟数；
所述总划水时长对应本次游泳活动中所有有效趟的划水时长的累加，计算公式为：
其中，ActTimei是本次游泳活动中第i有效趟的划水时长，LapCount是本次游泳活动中 总的有效趟数；
所述平均划水频率对应本次游泳活动中所有有效趟的划水频率累加和除以总趟数，计算 公式为：
其中，StrokeRatei是本次游泳活动中第i有效趟的划水频率，LapCount是本次游泳活动 中总的有效趟数；
所述平均划水长度对应本次游泳活动中所有有效趟的划水频率累加和除以总趟数，计算 公式为：
其中，StrokeLengthi是本次游泳活动中第i有效趟的划水长度，LapCount是本次游泳活 动中总的有效趟数；
所述平均配速对应本次游泳活动中所有有效趟的划水频率累加和除以总趟数，计算公式 为：
其中，Pacei是本次游泳活动中第i有效趟的配速，LapCount是本次游泳活动中总的有效 趟数；
所述平均划水效率对应本次游泳活动中所有有效趟的划水频率累加和除以总趟数，计算 公式为：
其中，SWOLFi是本次游泳活动中第i有效趟的划水效率，LapCount是本次游泳活动中 总的有效趟数；
所述主泳姿的计算过程为遍历本次划水的所有趟，判断当前泳姿，若为蛙泳，则蛙泳计 数器加一，若为自由泳，则自由泳计数器加一，若为混合泳，则其他泳姿计数器加一，若为 仰泳，则仰泳计数器加一，若为蝶泳，则蝶泳计数器加一；判断所有趟是否遍历完，否则跳转至遍历本次划水的所有趟，是则比较计数器，找出最大计数器对应的泳姿为本次划水的主 泳姿，若蛙泳计数器最大，则本次划水的主泳姿为蛙泳，若自由泳计数器最大，则本次划水 的主泳姿为自由泳，若仰泳计数器最大，则本次划水的主泳姿为仰泳，若蝶泳计数器最大， 则本次划水的主泳姿为蝶泳，若其他泳姿计数器最大，则本次划水的主泳姿为混合泳。
一种电子设备，包括：处理器；
存储器；以及程序，其中所述程序被存储在所述存储器中，并且被配置成由处理器执行， 所述程序包括用于执行基于多传感器融合的游泳监测方法。
一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行基于 多传感器融合的游泳监测方法。
一种计算机程序产品，包括计算机程序/指令，该计算机程序/指令被处理器执行时实现 基于多传感器融合的游泳监测方法。
相比现有技术，本发明的有益效果在于：
本发明通过融合压力传感器(如气压计)，加速度计，陀螺仪和磁力计等多种传感器，既 能够感知入水状态，游泳动作，还能感知游泳方向和游泳状态，能够判别是否是真实的下水 游泳，提高了游泳过程的抗干扰性，提供更加丰富和更加精准的游泳数据，为游泳竞技训练 或游泳康复训练提供参考和引导，支持用户更好地执行训练计划。
上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，并可依 照说明书的内容予以实施，以下以本发明的较佳实施例并配合附图详细说明如后。本发明的 具体实施方式由以下实施例及其附图详细给出。
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为本发明实施例的基于多传感器融合的游泳监测系统功能框图；
图2为本发明的基于多传感器融合的游泳监测方法流程图；
图3为本发明实施例的划水周期示意图；
图4为本发明实施例的有效划水识别流程图；
图5为本发明实施例的Stroke泳姿识别流程图；
图6为本发明实施例的分趟识别流程图；
图7为本发明实施例的分趟主泳姿识别流程图；
图8为本发明实施例的本次游泳活动的主泳姿识别流程图。
具体实施方式
下面，结合附图以及具体实施方式，对本发明做进一步描述，需要说明的是，在不相冲 突的前提下，以下描述的各实施例之间或各技术特征之间可以任意组合形成新的实施例。
当前市面上，用于游泳的智能穿戴产品基本上都只使用到了加速度计或陀螺仪等运动传 感器。这一类产品只能识别划水动作(Stroke)，通过划水动作的差异或间隔时长来估算当前 趟(Lap)是否完成，再通过不同泳姿(Style)下划水动作(Stroke)的差异识别泳姿(Style)。
事实上，不同的个人，不同的泳姿下，划水动作千差万别，即便是同一种泳姿下，每一 位游泳爱好者的划水动作(Stroke)也存在着差别，且游泳过程中体能下降和肌肉疲劳也势必 对划水动作(Stroke)的稳定性的造成不良影响。因此，仅仅只是通过识别划水动作(Stroke) 及其差异的游泳监测方法，在识别划水动作(Stroke)时就受到各种不利因素影响而产生误差， 进而叠加到通过划水动作(Stroke)的差异或间隔时长分的趟(Lap)和识别的泳姿(Style)上， 很难得到准确的游泳数据。
本发明通过融合压力传感器(如气压计)，加速度计，陀螺仪和磁力计等多种传感器，既 能够感知入水状态，游泳动作，还能感知游泳方向和游泳状态，能够判别是否是真实的下水 游泳，提高了游泳过程的抗干扰性，提供更加丰富和更加精准的游泳数据。
如图1所示，系统通过处理单元连接多个传感器、显示单元、控制单元、传输单元和存 储单元，传感器包括压力传感器(如气压计)、加速度计、陀螺仪和磁力计。
基于多传感器融合的游泳监测方法，如图2所示，包括以下步骤：
智能设备，如智能手表、智能手环或智能指环等，以25Hz或以上采样频率采集压力传感 器(如气压计)、加速度计、陀螺仪和磁力计等传感器数据，完成A/D转换后，封装成原始数 据包。
信号处理，数值计算完成之后，通过设计相关的滤波器对物理量数据包进行滤波，滤除 或衰减数据中的噪声；
计算数值，接收原始数据包并进行数值计算，输出物理量数据包,如气压计物理量为气压 和海拔高度，加速度计物理量为加速度，陀螺仪物理量为角速度，磁力计物理量为磁感应强 度；
数据缓存，在完成信号处理后，将压力传感器输出的大气压值减去标准大气压值(1.01325×105)，而其他数据保持不变，将数据缓存到数据缓存区(Data Buffer)中，待进行模式提取；
模式提取，基于缓存在数据缓存区中的气压差值提取划水周期模式。因此，划水周期模 式定义为<PreOutSurface(前出水点)，Entry(入水点)，PstOutSurface(后出水点)>三元向量， 如图3所示。
特征计算，在完成划水周期模式提取之后，基于划水周期数据段计算相关的特征值。如： 基于磁感应强度数据计算分趟特征集(Lap Ft Set)；
基于气压差值数据、三轴加速度计数据和三轴陀螺仪数据计算划水特征集(Stroke Ft Set),包括周期跨度(时长)、划水力度、入水时长、划水深度和出水时长等参数，周期跨度 (时长)Span计算公式为：
Span＝EndTimeOfStroke-StartTimeOfStroke
其中，EndTimeOfStroke是指划水结束时间，StartTimeOfStroke是指划水开始时间；
划水力度StrokeStrength计算公式为：
其中，AccX，AccY,AccZ和AccM分别表示了三轴加速度计的X轴，Y轴,Z轴和模，DtIndexEntry是指本次划水的入水时刻的数据索引值，DtIndexPstOutsurface是指本次划水的出水时 刻的数据索引值；
入水时长InwaterDur计算公式为：
InwaterDur＝TimeOfPstOutsurface-TimeOfEntry
其中，TimeOfPstOutsurface是指本次划水的出水时刻，TimeOfEntry是指本次划水的入 水时刻；
划水深度InwaterDepth的计算公式为：
InwaterDepth＝AltitudePstOutsurface-min(AltitudeEntry...AltitudePstOutsurface)
其中，AltitudeEntry是指本次划水的入水时刻的海拔高度，AltitudePstOutsurface是指本次划水 的出水时刻的海拔高度；
出水时长OutwaterDur的计算公式为：
OutwaterDu r＝TimeOfEntr y-TimeOf Pr eOutSurfac e
其中，TimeOfEntry是指本次划水的入水时刻，TimeOfPreOutSurface是指上次划水的出 水时刻。
有效划水识别，基于划水特征集(Stroke Ft Set)识别当前划水是否为一次有效的划水， 如图4所示，判断周期跨度是否小于最小跨度阈值，是则跳转至模式提取步骤，否则判断入 水时长是否大于最大入水时长阈值，是则跳转至模式提取步骤，否则判断入水时长是否小于最小入水时长阈值，是则跳转至模式提取步骤，否则判断划水深度是否小于最小划水深度阈 值，是则跳转至模式提取步骤，否则判断划水力度是否小于最小划水力度阈值，是则跳转至 模式提取步骤，否则跳转至泳姿识别步骤。
泳姿识别，在当前划水有效的前提下，通过泳姿特征集(Style Ft Set)识别当前划水对 应的泳姿值，0～15，由(Breaststroke蛙泳:1,Freestyle自由泳:2,Backstroke仰泳:4, Butterfly蝶泳:8和Medley混合泳:0)，识别过程如图5所示。具体包括：查询泳姿表，判断查表是否命中记录，否则识别当前划水对应的泳姿值为0，并跳转至分趟识别步骤，是则识别当前划水对应的泳姿值为1～15，并跳转至分趟识别步骤。
分趟识别，在当前划水周期有效的前提下，通过分趟特征集(Lap Ft Set)识别当前趟是 否已结束，若当前趟已结束，则生成一个完整分趟，识别过程如图6所示。具体的，判断当 前划水动作的磁感强度均值与当前趟中所有划水动作的磁感强度均值的均值的差值是否大于 设定阈值，是则判定当前趟结束，否则判断当前划水动作的三个分轴的磁感应强度参数向量 是否等于当前趟中已有划水动作的磁感应强度参数向量，是则判定当前趟结束，否则跳转至 模式提取步骤。
分趟数据计算，在当前分趟结束后，对已完成的分趟的数据进行计算，包括分趟索引(Lap Index)，分趟距离(Lap Distance,一般是泳道长度或通过其他方式如GPS所获得距离)，划水 次数(Stroke Count)，主泳姿(Main Style)，划水时长(Activity Time)，配速(Pace)，游泳 效率(SWOLF)，划水频率(Stroke Rate)和划水长度(Stroke Length)等数据项，相关数据项的 计算公式如下，其中主泳姿(Main Style)的识别过程如图7所示。
划水时长的单位为秒，计算公式为：
其中，N表示该趟划水周期的个数，Spani是该趟中第i个划水周期的跨度；
配速定义为每100米所花费的时长；
游泳效率定义为每50米所用的时长和划水次数之和；
划水频率定义为每分钟的划水次数；
划水长度定义为每次划水前进的距离；
主泳姿的识别过程为读取当前趟的划水动作，判断当前划水动作的泳姿，若为蛙泳，则 蛙泳计数器加一，若为自由泳，则自由泳计数器加一，若为混合泳，则其他泳姿计数器加一， 若为仰泳，则仰泳计数器加一，若为蝶泳，则蝶泳计数器加一；判断当前趟所有划水动作是否遍历完，否则跳转至读取当前趟的划水动作，是则比较计数器，找出最大计数器对应的泳 姿为主泳姿，若蛙泳计数器最大，则主泳姿为蛙泳，若自由泳计数器最大，则主泳姿为自由 泳，若仰泳计数器最大，则主泳姿为仰泳，若蝶泳计数器最大，则主泳姿为蝶泳，若其他泳 姿计数器最大，则主泳姿为混合泳；删除划水动作列表中当前趟的所有划水动作。
数据学习，在游泳活动结束后，对本次游泳的所有分趟数据进行学习；学习本次游泳中 以趟为单位的划水次数(Stroke Count)的统计参数。
数据校准，在数据学习之后，基于学习到以趟为单位的划水次数(Stroke Count)的统计 参数，对本次游泳的所有分趟数据进行校准，删除无效分趟及无效的划水周期。
统计数据计算，在数据校准完成之后，对于本次游泳进行统计数据计算，包括总游程 (Course)，总趟数(Laps)，总划水次数(Stroke Count)，主泳姿(Main Style)，总划水时长 (Activity Time),总休息时长(Rest Time)，平均划水频率(Stroke Rate),平均划水长度 (Stroke Length)，平均配速(Pace)和平均划水效率(SWOLF)等。其中，主泳姿(MainStyle) 的计算过程如图8所示。
总游程对应本次游泳活动中所有有效趟的距离的累加，计算公式为：
其中，LapDistancei是本次游泳活动中第i有效趟的距离，LapCount是本次游泳活动中 总的有效趟数；
总划水次数对应本次游泳活动中所有有效趟的划水次数的累加，计算公式为：
其中，StrokeCounti是本次游泳活动中第i有效趟的划水次数，LapCount是本次游泳活动 中总的有效趟数；
总划水时长对应本次游泳活动中所有有效趟的划水时长的累加，计算公式为：
其中，ActTimei是本次游泳活动中第i有效趟的划水时长，LapCount是本次游泳活动中 总的有效趟数；
平均划水频率对应本次游泳活动中所有有效趟的划水频率累加和除以总趟数，计算公式 为：
其中，StrokeRatei是本次游泳活动中第i有效趟的划水频率，LapCount是本次游泳活动 中总的有效趟数；
平均划水长度对应本次游泳活动中所有有效趟的划水频率累加和除以总趟数，计算公式 为：
其中，StrokeLengthi是本次游泳活动中第i有效趟的划水长度，LapCount是本次游泳活 动中总的有效趟数；
平均配速对应本次游泳活动中所有有效趟的划水频率累加和除以总趟数，计算公式为：
其中，Pacei是本次游泳活动中第i有效趟的配速，LapCount是本次游泳活动中总的有效 趟数。
平均划水效率对应本次游泳活动中所有有效趟的划水频率累加和除以总趟数，计算公式 为：
其中，SWOLFi是本次游泳活动中第i有效趟的划水效率，LapCount是本次游泳活动中 总的有效趟数；
主泳姿的计算过程为遍历本次划水的所有趟，判断当前泳姿，若为蛙泳，则蛙泳计数器 加一，若为自由泳，则自由泳计数器加一，若为混合泳，则其他泳姿计数器加一，若为仰泳， 则仰泳计数器加一，若为蝶泳，则蝶泳计数器加一；判断所有趟是否遍历完，否则跳转至遍历本次划水的所有趟，是则比较计数器，找出最大计数器对应的泳姿为本次划水的主泳姿， 若蛙泳计数器最大，则本次划水的主泳姿为蛙泳，若自由泳计数器最大，则本次划水的主泳 姿为自由泳，若仰泳计数器最大，则本次划水的主泳姿为仰泳，若蝶泳计数器最大，则本次 划水的主泳姿为蝶泳，若其他泳姿计数器最大，则本次划水的主泳姿为混合泳。
输出数据，即在完成统计数据计算后，将统计数据和分趟列表数据发送出去。
一种电子设备，包括：处理器；
存储器；以及程序，其中程序被存储在存储器中，并且被配置成由处理器执行，程序包 括用于执行基于多传感器融合的游泳监测方法。
一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行基于多传 感器融合的游泳监测方法。
一种计算机程序产品，包括计算机程序/指令，该计算机程序/指令被处理器执行时实现 基于多传感器融合的游泳监测方法。
本发明涉及到运动健康领域，具体提出了一种融合压力传感器(如气压计)，磁力计，加 速度计和陀螺仪等传感器的游泳监测方法，基于集成了气压计，磁力计，加速度计和陀螺仪 的手部或腿部智能穿戴设备，如智能手表，智能手环或智能指环等，实现了入水检测， Stroke(划水)，Lap(趟)，Style(泳姿)，Activity Time(划水时长)，Rest Time(休息时长)，Course(游程)，Pace(游泳配速)，SWOLF(游泳效率)，Stroke Rate(划水频率)和StrokeLength(划水长度)等游泳数据的识别和计算，为游泳爱好者或康复训练者提供丰富和精确的 游泳数据，支持用户更好地执行训练计划。
以上，仅为本发明的较佳实施例而已，并非对本发明作任何形式上的限制；凡本行业的 普通技术人员均可按说明书附图所示和以上而顺畅地实施本发明；但是,凡熟悉本专业的技术 人员在不脱离本发明技术方案范围内，利用以上所揭示的技术内容而做出的些许更动、修饰与演变的等同变化，均为本发明的等效实施例；同时,凡依据本发明的实质技术对以上实施例 所作的任何等同变化的更动、修饰与演变等，均仍属于本发明的技术方案的保护范围之内。
Claims (7)
1.基于多传感器融合的游泳监测方法，其特征在于，包括以下步骤：
计算数值，接收原始数据包并进行数值计算，输出物理量数据包,所述原始数据包由智能设备采集多传感器的数据并进行模数转换后封装而成；
数据缓存，将压力传感器输出的大气压值减去标准大气压值，其他数据保持不变，将数据缓存到数据缓存区中；
模式提取，基于缓存在数据缓存区中的气压差值提取划水周期模式；
特征计算，基于划水周期数据段计算相关的特征值；
有效划水识别，基于划水特征集识别当前划水是否为一次有效的划水；
泳姿识别，在当前划水有效的前提下，通过泳姿特征集识别当前划水对应的泳姿值；
分趟识别，在当前划水周期有效的前提下，通过分趟特征集识别当前趟是否已结束，若当前趟已结束，则生成一个完整分趟；
分趟数据计算，在当前分趟结束后，对已完成的分趟的数据进行计算；
数据学习，在游泳活动结束后，对本次游泳的所有分趟数据进行学习；
数据校准，基于学习到以趟为单位的数据，对本次游泳的所有分趟数据进行校准，删除无效分趟及无效的划水周期；
统计数据计算，在本次游泳结束后，对于本次游泳进行统计数据计算；
输出数据，将统计数据和分趟列表数据发送出去；
所述传感器包括压力传感器、加速度计、陀螺仪和磁力计；所述物理量数据包包括压力传感器物理量、加速度计物理量、陀螺仪物理量、磁力计物理量，所述压力传感器物理量为气压和海拔高度，加速度计物理量为加速度，陀螺仪物理量为角速度，磁力计物理量为磁感应强度；
在所述计算数值步骤和所述数据缓存步骤之间还包括信号处理，通过滤波器对所述物理量数据包进行滤波处理；
所述模式提取步骤中，根据压力传感器的物理量数据提取划水周期模式，所述划水周期模式定义为<前出水点，入水点，后出水点>三元向量；
所述特征计算步骤中，基于磁感应强度数据计算分趟特征集；
基于气压差值数据、加速度计数据和陀螺仪数据计算划水特征集,包括周期跨度、划水力度、入水时长、划水深度和出水时长；
所述周期跨度Span计算公式为：
Span＝EndTimeOfStroke-StartTimeOfStroke
其中，EndTimeOfStroke是指划水结束时间，StartTimeOfStroke是指划水开始时间；
所述划水力度StrokeStrength计算公式为：
其中，AccX，AccY,AccZ和AccM分别表示了三轴加速度计的X轴，Y轴,Z轴和模，DtIndexEntry是指本次划水的入水时刻的数据索引值，DtIndexPstOutsurface是指本次划水的出水时刻的数据索引值；
所述入水时长InwaterDur计算公式为：
InwaterDur＝TimeOfPstOutsurface-TimeOfEntry
其中，TimeOfPstOutsurface是指本次划水的出水时刻，TimeOfEntry是指本次划水的入水时刻；
所述划水深度InwaterDepth的计算公式为：
InwaterDepth＝AltitudePstOutsurface-min(AltitudeEntry...AltitudePstOutsurface)
其中，AltitudeEntry是指本次划水的入水时刻的海拔高度，AltitudePstOutsurface是指本次划水的出水时刻的海拔高度；
所述出水时长OutwaterDur的计算公式为：
OutwaterDu r＝TimeOfEntr y-TimeOf PreOutSurfac e
其中，TimeOfEntry是指本次划水的入水时刻，TimeOfPreOutSurface是指上次划水的出水时刻；
所述有效划水识别步骤中，判断所述周期跨度是否小于最小跨度阈值，是则跳转至所述模式提取步骤，否则判断所述入水时长是否大于最大入水时长阈值，是则跳转至所述模式提取步骤，否则判断所述入水时长是否小于最小入水时长阈值，是则跳转至所述模式提取步骤，否则判断所述划水深度是否小于最小划水深度阈值，是则跳转至所述模式提取步骤，否则判断所述划水力度是否小于最小划水力度阈值，是则跳转至所述模式提取步骤，否则跳转至所述泳姿识别步骤。
2.如权利要求1所述的基于多传感器融合的游泳监测方法，其特征在于：所述泳姿识别步骤中，查询泳姿表，判断查表是否命中记录，否则识别当前划水对应的泳姿值为0，并跳转至所述分趟识别步骤，是则识别当前划水对应的泳姿值为1～15，并跳转至所述分趟识别步骤；其中，蛙泳对应的泳姿值为1，自由泳对应的泳姿值为2，仰泳对应的泳姿值为4，蝶泳对应的泳姿值为8，混合泳对应的泳姿值为0。
3.如权利要求2所述的基于多传感器融合的游泳监测方法，其特征在于：所述分趟识别步骤中，判断当前划水动作的磁感强度均值与当前趟中所有划水动作的磁感强度均值的均值的差值是否大于设定阈值，是则判定当前趟结束，否则判断当前划水动作的三个分轴的磁感应强度参数向量是否等于当前趟中已有划水动作的磁感应强度参数向量，是则判定当前趟结束，否则跳转至所述模式提取步骤；
所述分趟数据计算步骤中，对已完成的分趟的数据的计算包括分趟索引、分趟距离、划水次数、主泳姿、划水时长、配速、游泳效率、划水频率和划水长度；
所述划水时长的单位为秒，计算公式为：
其中，N表示该趟划水周期的个数，Spani是该趟中第i个划水周期的跨度；
所述配速定义为每100米所花费的时长；
所述游泳效率定义为每50米所用的时长和划水次数之和；
所述划水频率定义为每分钟的划水次数；
所述划水长度定义为每次划水前进的距离；
所述主泳姿的识别过程为读取当前趟的划水动作，判断当前划水动作的泳姿，若为蛙泳，则蛙泳计数器加一，若为自由泳，则自由泳计数器加一，若为混合泳，则其他泳姿计数器加一，若为仰泳，则仰泳计数器加一，若为蝶泳，则蝶泳计数器加一；判断当前趟所有划水动作是否遍历完，否则跳转至读取当前趟的划水动作，是则比较计数器，找出最大计数器对应的泳姿为主泳姿，若蛙泳计数器最大，则主泳姿为蛙泳，若自由泳计数器最大，则主泳姿为自由泳，若仰泳计数器最大，则主泳姿为仰泳，若蝶泳计数器最大，则主泳姿为蝶泳，若其他泳姿计数器最大，则主泳姿为混合泳；删除划水动作列表中当前趟的所有划水动作。
4.如权利要求1所述的基于多传感器融合的游泳监测方法，其特征在于：所述数据学习步骤中，学习本次游泳中以趟为单位的统计参数；
所述数据校准步骤中，基于学习到以趟为单位的统计参数，对本次游泳的所有分趟数据进行校准；
所述统计数据计算步骤中，对于本次游泳进行统计数据计算，包括总游程、总趟数、总划水次数、主泳姿、总划水时长、总休息时长、平均划水频率、平均划水长度、平均配速和平均划水效率；
所述总游程对应本次游泳活动中所有有效趟的距离的累加，计算公式为：
其中，LapDistancei是本次游泳活动中第i有效趟的距离，LapCount是本次游泳活动中总的有效趟数；
所述总划水次数对应本次游泳活动中所有有效趟的划水次数的累加，计算公式为：
其中，StrokeCounti是本次游泳活动中第i有效趟的划水次数，LapCount是本次游泳活动中总的有效趟数；
所述总划水时长对应本次游泳活动中所有有效趟的划水时长的累加，计算公式为：
其中，ActTimei是本次游泳活动中第i有效趟的划水时长，LapCount是本次游泳活动中总的有效趟数；
所述平均划水频率对应本次游泳活动中所有有效趟的划水频率累加和除以总趟数，计算公式为：
其中，StrokeRatei是本次游泳活动中第i有效趟的划水频率，LapCount是本次游泳活动中总的有效趟数；
所述平均划水长度对应本次游泳活动中所有有效趟的划水频率累加和除以总趟数，计算公式为：
其中，StrokeLengthi是本次游泳活动中第i有效趟的划水长度，LapCount是本次游泳活动中总的有效趟数；
所述平均配速对应本次游泳活动中所有有效趟的划水频率累加和除以总趟数，计算公式为：
其中，Pacei是本次游泳活动中第i有效趟的配速，LapCount是本次游泳活动中总的有效趟数；
所述平均划水效率对应本次游泳活动中所有有效趟的划水频率累加和除以总趟数，计算公式为：
其中，SWOLFi是本次游泳活动中第i有效趟的划水效率，LapCount是本次游泳活动中总的有效趟数；
所述主泳姿的计算过程为遍历本次划水的所有趟，判断当前泳姿，若为蛙泳，则蛙泳计数器加一，若为自由泳，则自由泳计数器加一，若为混合泳，则其他泳姿计数器加一，若为仰泳，则仰泳计数器加一，若为蝶泳，则蝶泳计数器加一；判断所有趟是否遍历完，否则跳转至遍历本次划水的所有趟，是则比较计数器，找出最大计数器对应的泳姿为本次划水的主泳姿，若蛙泳计数器最大，则本次划水的主泳姿为蛙泳，若自由泳计数器最大，则本次划水的主泳姿为自由泳，若仰泳计数器最大，则本次划水的主泳姿为仰泳，若蝶泳计数器最大，则本次划水的主泳姿为蝶泳，若其他泳姿计数器最大，则本次划水的主泳姿为混合泳。
5.一种电子设备，其特征在于包括：处理器；
存储器；以及程序，其中所述程序被存储在所述存储器中，并且被配置成由处理器执行，所述程序包括用于执行如权利要求1-4任意一项所述的方法。
6.一种计算机可读存储介质，其上存储有计算机程序，其特征在于：所述计算机程序被处理器执行如权利要求1-4任意一项所述的方法。
7.一种计算机程序产品，包括计算机程序/指令，其特征在于，该计算机程序/指令被处理器执行时实现如权利要求1-4任意一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110718730.5A CN113713358B (zh) | 2021-06-28 | 2021-06-28 | 基于多传感器融合的游泳监测方法、设备、存储介质和程序产品 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110718730.5A CN113713358B (zh) | 2021-06-28 | 2021-06-28 | 基于多传感器融合的游泳监测方法、设备、存储介质和程序产品 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113713358A CN113713358A (zh) | 2021-11-30 |
| CN113713358B true CN113713358B (zh) | 2023-12-26 |
Family
ID=78672985
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110718730.5A Active CN113713358B (zh) | 2021-06-28 | 2021-06-28 | 基于多传感器融合的游泳监测方法、设备、存储介质和程序产品 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113713358B (zh) |
Families Citing this family (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115212541B (zh) * | 2022-04-12 | 2023-11-17 | 湘潭大学 | 自由泳四肢和口鼻出入水时间记录装置及数据分析方法 |
| CN114602155B (zh) * | 2022-05-11 | 2023-02-21 | 荣耀终端有限公司 | 游泳信息统计方法、计算机可读存储介质和电子设备 |
| CN116541668B (zh) * | 2023-07-06 | 2023-09-22 | 杭州光粒科技有限公司 | 一种游泳划水次数确定方法、装置、设备及存储介质 |
| CN116808553B (zh) * | 2023-08-04 | 2023-12-29 | 国家体育总局体育科学研究所 | 一种量化研究竞技游泳运动员特定技术水平的系统 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106175781A (zh) * | 2016-08-25 | 2016-12-07 | 歌尔股份有限公司 | 利用可穿戴设备监测游泳状态的方法及可穿戴设备 |
| CN107510937A (zh) * | 2017-09-25 | 2017-12-26 | 广东小天才科技有限公司 | 一种游泳姿势规范性的检测方法及可穿戴设备 |
| CN111265841A (zh) * | 2020-02-05 | 2020-06-12 | 北京卡路里信息技术有限公司 | 一种游泳圈数确定方法、装置、设备及存储介质 |
| CN112274902A (zh) * | 2020-10-16 | 2021-01-29 | 深圳卡路里科技有限公司 | 游泳数据获取方法及装置、游泳数据采集设备的控制方法 |
| CN112587901A (zh) * | 2020-11-24 | 2021-04-02 | 安徽华米智能科技有限公司 | 游泳姿势识别方法、装置、系统和存储介质 |
-
2021
- 2021-06-28 CN CN202110718730.5A patent/CN113713358B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106175781A (zh) * | 2016-08-25 | 2016-12-07 | 歌尔股份有限公司 | 利用可穿戴设备监测游泳状态的方法及可穿戴设备 |
| CN107510937A (zh) * | 2017-09-25 | 2017-12-26 | 广东小天才科技有限公司 | 一种游泳姿势规范性的检测方法及可穿戴设备 |
| CN111265841A (zh) * | 2020-02-05 | 2020-06-12 | 北京卡路里信息技术有限公司 | 一种游泳圈数确定方法、装置、设备及存储介质 |
| CN112274902A (zh) * | 2020-10-16 | 2021-01-29 | 深圳卡路里科技有限公司 | 游泳数据获取方法及装置、游泳数据采集设备的控制方法 |
| CN112587901A (zh) * | 2020-11-24 | 2021-04-02 | 安徽华米智能科技有限公司 | 游泳姿势识别方法、装置、系统和存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113713358A (zh) | 2021-11-30 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113713358B (zh) | 基于多传感器融合的游泳监测方法、设备、存储介质和程序产品 | |
| US20180249908A1 (en) | Multi-state performance monitoring system | |
| US11134865B2 (en) | Motion analysis system, motion analysis apparatus, motion analysis program, and motion analysis method | |
| US10352962B2 (en) | Systems and methods for real-time data quantification, acquisition, analysis and feedback | |
| US11679300B2 (en) | Systems and methods for real-time data quantification, acquisition, analysis, and feedback | |
| CN105388495B (zh) | 估计体育锻炼中的局部运动 | |
| WO2019114708A1 (zh) | 一种运动数据监测方法和系统 | |
| CN106659928A (zh) | 无线度量计算和反馈装置、系统和方法 | |
| WO2015087164A1 (en) | Signature based monitoring systems and methods | |
| CN108073287B (zh) | 运动监测方法、装置和可穿戴运动设备 | |
| CN107469326B (zh) | 一种用于可穿戴设备的游泳监测方法与装置及可穿戴设备 | |
| CN105573506A (zh) | 一种智能穿戴系统 | |
| US20160228744A1 (en) | Device and method for the classification and the reclassification of a user activity | |
| CN104720772A (zh) | 一种体育活动监测方法及系统 | |
| Delgado-Gonzalo et al. | Real-time monitoring of swimming performance | |
| CN107270931A (zh) | 一种IOS和android平台通用的步态自相关计步器 | |
| US20160030806A1 (en) | Exercise ability evaluation method, exercise ability evaluation apparatus, exercise ability calculation method, and exercise ability calculation apparatus | |
| CN206121113U (zh) | 一种基于多传感器的瑜伽评估系统 | |
| WO2022057795A1 (zh) | 动作识别方法及装置、终端设备、运动监测系统 | |
| CN109646902A (zh) | 一种基于识别设备的健身运动计量方法 | |
| CN110916639B (zh) | 获取运动心率恢复率的方法、系统、可穿戴设备和计算机可读存储介质 | |
| CN112915505A (zh) | 乒乓球規范正手攻球动作检測器及检測方法 | |
| CN210078765U (zh) | 基于可穿戴传感器的动作捕捉识别与评估装置 | |
| Yang et al. | Health analysis of footballer using big data and deep learning | |
| CN109876387A (zh) | 基于穿戴式设备的游泳呼吸提醒方法、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 |