CN114004247A - 骑行检测方法、电子设备及计算机可读存储介质 - Google Patents

骑行检测方法、电子设备及计算机可读存储介质 Download PDF

Info

Publication number
CN114004247A
CN114004247A CN202010675334.4A CN202010675334A CN114004247A CN 114004247 A CN114004247 A CN 114004247A CN 202010675334 A CN202010675334 A CN 202010675334A CN 114004247 A CN114004247 A CN 114004247A
Authority
CN
China
Prior art keywords
riding
user
angular velocity
signal
acceleration
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
CN202010675334.4A
Other languages
English (en)
Other versions
CN114004247B (zh
Inventor
陈庆
陈霄汉
徐腾
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.)
Honor Device Co Ltd
Original Assignee
Honor Device 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 Honor Device Co Ltd filed Critical Honor Device Co Ltd
Priority to CN202011499488.9A priority Critical patent/CN112504295B/zh
Priority to CN202010675334.4A priority patent/CN114004247B/zh
Priority to EP21841271.6A priority patent/EP4122559B1/en
Priority to PCT/CN2021/082617 priority patent/WO2022012079A1/zh
Priority to US17/923,882 priority patent/US20230271059A1/en
Publication of CN114004247A publication Critical patent/CN114004247A/zh
Application granted granted Critical
Publication of CN114004247B publication Critical patent/CN114004247B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A63—SPORTS; GAMES; AMUSEMENTS
    • A63B—APPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
    • A63B24/00—Electric or electronic controls for exercising apparatus of preceding groups; Controlling or monitoring of exercises, sportive games, training or athletic performances
    • A63B24/0062—Monitoring athletic performances, e.g. for determining the work of a user on an exercise apparatus, the completed jogging or cycling distance
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
    • G16H20/30—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to physical therapies or activities, e.g. physiotherapy, acupressure or exercising
    • 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
    • A61B5/1113—Local tracking of patients, e.g. in a hospital or private home
    • A61B5/1114—Tracking parts of the body
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
    • A61B5/6801—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be attached to or worn on the body surface
    • A61B5/6813—Specially adapted to be attached to a specific body part
    • A61B5/6829—Foot or ankle
    • 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
    • A63B71/0622—Visual, audio or audio-visual systems for entertaining, instructing or motivating the user
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
    • G01D21/00—Measuring or testing not otherwise provided for
    • G01D21/02—Measuring two or more variables by means not covered by a single other subclass
    • A—HUMAN NECESSITIES
    • A63—SPORTS; GAMES; AMUSEMENTS
    • A63B—APPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
    • A63B2220/00—Measuring of physical parameters relating to sporting activity
    • A63B2220/30—Speed
    • A63B2220/31—Relative speed
    • A—HUMAN NECESSITIES
    • A63—SPORTS; GAMES; AMUSEMENTS
    • A63B—APPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
    • A63B2220/00—Measuring of physical parameters relating to sporting activity
    • A63B2220/30—Speed
    • A63B2220/34—Angular speed
    • A—HUMAN NECESSITIES
    • A63—SPORTS; GAMES; AMUSEMENTS
    • A63B—APPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
    • A63B2220/00—Measuring of physical parameters relating to sporting activity
    • A63B2220/80—Special sensors, transducers or devices therefor
    • A63B2220/83—Special sensors, transducers or devices therefor characterised by the position of the sensor
    • A63B2220/836—Sensors arranged on the body of the user
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
    • G06F2218/02—Preprocessing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
    • G06F2218/08—Feature extraction
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
    • G16H40/60—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices

Landscapes

  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • General Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Physical Education & Sports Medicine (AREA)
  • Physics & Mathematics (AREA)
  • Public Health (AREA)
  • Biophysics (AREA)
  • Medical Informatics (AREA)
  • Multimedia (AREA)
  • Human Computer Interaction (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Veterinary Medicine (AREA)
  • Pathology (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Biomedical Technology (AREA)
  • General Physics & Mathematics (AREA)
  • Physiology (AREA)
  • Dentistry (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Epidemiology (AREA)
  • Primary Health Care (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
  • User Interface Of Digital Computer (AREA)

Abstract

本申请提供一种骑行检测方法、电子设备及计算机可读存储介质，其中，骑行检测方法包括：获取用户足部的穿戴设备采集的加速度信号和角速度信号，并对加速度信号的时域特征、加速度信号的频域特征、角速度信号的时域特征和/或角速度信号的频域特征进行分析，若根据分析结果确定用户的当前状态为骑行状态，则对加速度信号和角速度信号进行滤波处理，得到用户骑行时的目标加速度信号和目标角速度信号，根据目标加速度信号以及目标角速度信号确定用户骑行时的行为特征，行为特征包括踏频特征以及足部姿态特征，根据踏频特征以及足部姿态特征可以提高骑行行为分析结果的准确率，更好的指导用户骑行。

Description

骑行检测方法、电子设备及计算机可读存储介质
技术领域
本申请涉及智能穿戴设备领域，尤其涉及一种骑行检测方法、电子设备及计算机可读存储介质。
背景技术
近几年，随着日常生活水平的提高，大众体育市场也迎来爆炸发展趋势，其中骑行运动已经成为一项既健康又环保的休闲运动。在骑行过程中检测用户的骑行行为可以指导用户骑行，目前检测用户骑行行为的配件主要是安装于自行车上的自行车配件，由于自行车配件是根据采集的自行车的运动信息分析用户骑行行为的，可以确定出的用户骑行行为的数据较少，导致骑行行为分析结果不够准确。而且自行车配件安装复杂，因此用户体验较差。
发明内容
本申请提供一种骑行检测方法、电子设备及计算机可读存储介质，可以采集用户骑行时的踏频和足部运动角度，提高骑行行为分析结果的准确率，且使用方便，提高用户体验。
为达到上述目的，本申请采用如下技术方案：
第一方面，提供一种骑行检测方法，包括：获取用户足部的穿戴设备采集的加速度信号和角速度信号，并对所述加速度信号的时域特征、所述加速度信号的频域特征、所述角速度信号的时域特征和/或所述角速度信号的频域特征进行分析；若根据所述加速度信号的时域特征、所述加速度信号的频域特征、所述角速度信号的时域特征和/或所述角速度信号的频域特征的分析结果确定所述用户的当前状态为骑行状态，则对所述加速度信号和所述角速度信号进行滤波处理，得到所述用户骑行时的目标加速度信号和目标角速度信号；根据所述目标加速度信号以及所述目标角速度信号确定所述用户骑行时的行为特征，所述行为特征包括踏频特征以及足部姿态特征。
本申请实施例中，通过获取足部的穿戴设备采集的加速度信号和角速度信号，首先根据加速度信号的时域特性、加速度信号的频域特性、角速度信号的时域特性以及角速度信号的频域特性识别用户状态，若用户状态为骑行状态，再对加速度信号和角速度信号进行滤波处理，得到用户骑行时的目标加速度信号和目标角速度信号，通过判断骑行状态和滤波处理，可以去除干扰信号，得到准确的用户骑行数据，从而提高计算精度；最后再根据用户骑行时的目标加速度信号的波形特征和目标角速度信号的波形特征确定用户骑行时的行为特征，由于是根据骑行过程中用户足部的加速度信号和角速度信号确定用户骑行行为特征，因此，相对于根据自行车的运动信息确定用户骑行行为特征，可以确定出的用户骑行行为特征更多，包括用户骑行时的踏频特征以及足部姿态特征，从而可以提高骑行行为分析结果的准确率，更好的指导用户骑行，且足部的穿戴设备使用方便，从而提高了用户体验，具有较强的易用性和实用性。
在第一方面的一种可能的实现方式中，在所述获取用户足部的穿戴设备采集的加速度信号和角速度信号之后，所述方法还包括：根据所述角速度信号的频域特征确定所述用户骑行时的第一路面特征。其中，第一路面特征是路面类型，用于描述路面的崎岖程度，例如，第一路面特征可以是水泥路面、沥青路面、石子路面等，不同的路面对应的角速度频率不同，根据角速度的频域信号中的频率及对应的幅值可以确定用户骑行时的第一路面特征。
在第一方面的一种可能的实现方式中，在所述得到所述用户骑行时的目标加速度信号和目标角速度信号之后，所述方法还包括：根据所述目标加速度信号确定所述用户骑行时的第二路面特征。其中，第二路面特征是路面坡度。
具体地，根据所述目标加速度信号确定第二路面特征，包括：
获取预先存储的所述用户在站立或步行时的加速度信号；根据所述用户在站立或步行时的加速度信号确定重力向量所在的方向；根据所述用户在站立或步行时的加速度信号，以及所述目标加速度信号确定所述用户骑行时的第一加速度向量的方向，所述第一加速度向量的方向与所述用户骑行时的前进方向一致；根据所述第一加速度向量的方向以及所述重力向量的方向确定所述第二路面特征。
在第一方面的一种可能的实现方式中，在根据所述第一加速度向量的方向以及所述重力向量的方向确定所述第二路面特征之后，所述方法还包括：
构建三维坐标系，所述三维坐标系包括X轴、Y轴和Z轴，其中所述Y轴表示所述重力向量的反方向，所述Z轴表示角速度的方向，所述角速度的方向由所述目标角速度信号确定，所述X轴表示水平方向；根据所述第一加速度向量和所述三维坐标系确定所述第二路面特征对应的骑行轨迹。由于是在三维坐标系中计算骑行轨迹，计算出的骑行轨迹可以反映用户在空间中的位置变换，该骑行轨迹可以既包括用户骑行时在路面上的前进轨迹，也包括用户骑行时在路面上的左右移动轨迹。
在第一方面的一种可能的实现方式中，所述方法还包括：获取所述用户骑行时的阻力和骑行速度，根据所述阻力和所述骑行速度计算所述用户的骑行功率，从而指导用户骑行。
在第一方面的一种可能的实现方式中，所述获取所述用户骑行时的阻力包括：获取风速、风向以及所述用户的体重，根据所述风速、所述风向以及所述用户的体重确定所述用户骑行时的阻力。
在第一方面的一种可能的实现方式中，所述方法还包括：获取所述用户骑行时的心率信息，根据所述用户骑行时的心率信息和预设计算公式确定所述用户骑行时所消耗的能量。
在第一方面的一种可能的实现方式中，所述方法还包括：根据所述骑行功率计算所述用户骑行时所做的功，根据所述用户骑行时所做的功以及所述用户骑行所消耗的能量计算所述用户骑行时的骑行效率，根据骑行效率可以判断用户的骑行状态，指导用户骑行。
在第一方面的一种可能的实现方式中，所述方法还包括：获取预设骑行数据，根据所述预设骑行数据、所述骑行效率、所述骑行功率、所述踏频特征以及所述足部姿态特征生成骑行指导建议，从而可以为用户骑行提供专业的指导。
在第一方面的一种可能的实现方式中，所述方法还包括：根据所述骑行指导建议生成对应的文字提示、语音提示或者振动提示中的至少一项。
第二方面，提供一种骑行检测装置，包括：
通信模块，用于获取用户足部的穿戴设备采集的加速度信号和角速度信号，并对所述加速度信号的时域特征、所述加速度信号的频域特征、所述角速度信号的时域特征和/或所述角速度信号的频域特征进行分析；
处理模块，用于若根据所述加速度信号的时域特征、所述加速度信号的频域特征、所述角速度信号的时域特征和/或所述角速度信号的频域特征的分析结果确定所述用户的当前状态为骑行状态，则对所述加速度信号和所述角速度信号进行滤波处理，得到所述用户骑行时的目标加速度信号和目标角速度信号；
存储模块，用于根据所述目标加速度信号以及所述目标角速度信号确定所述用户骑行时的行为特征，所述行为特征包括踏频特征以及足部姿态特征。
在第二方面的一种可能的实现方式中，所述处理模块还用于：
根据所述角速度信号的频域特征确定所述用户骑行时的第一路面特征。
在第二方面的一种可能的实现方式中，所述处理模块还用于：
根据所述目标加速度信号确定所述用户骑行时的第二路面特征。
在第二方面的一种可能的实现方式中，
所述通信模块还用于获取预先存储的所述用户在站立或步行时的加速度信号；
所述处理模块还用于根据所述用户在站立或步行时的加速度信号确定重力向量所在的方向；根据所述用户在站立或步行时的加速度信号，以及所述目标加速度信号确定所述用户骑行时的第一加速度向量的方向；根据所述第一加速度向量的方向以及所述重力向量的方向确定所述第二路面特征。
在第二方面的一种可能的实现方式中，所述处理模块还用于：
构建三维坐标系，所述三维坐标系包括X轴、Y轴和Z轴，其中所述Y轴表示所述重力向量的反方向，所述Z轴表示角速度的方向，所述角速度的方向由所述目标角速度信号确定，所述X轴表示水平方向；根据所述第一加速度向量和所述三维坐标系确定所述第二路面特征对应的骑行轨迹。
在第二方面的一种可能的实现方式中，
所述通信模块还用于获取所述用户骑行时的阻力和骑行速度；
所述处理模块还用于根据所述阻力和所述骑行速度计算所述用户的骑行功率。
在第二方面的一种可能的实现方式中，
所述通信模块还用于获取风速、风向以及所述用户的体重；
所述处理模块还用于根据所述风速、所述风向以及所述用户的体重确定所述用户骑行时的阻力。
在第二方面的一种可能的实现方式中，
所述通信模块还用于获取所述用户骑行时的心率信息；
所述处理模块还用于根据所述用户骑行时的心率信息和预设计算公式确定所述用户骑行时所消耗的能量。
在第二方面的一种可能的实现方式中，所述处理模块还用于：
根据所述骑行功率计算所述用户骑行时所做的功；
根据所述用户骑行时所做的功以及所述用户骑行所消耗的能量计算所述用户骑行时的骑行效率。
在第二方面的一种可能的实现方式中，
所述通信模块还用于获取预设骑行数据；
所述处理模块还用于根据所述预设骑行数据、所述骑行效率、所述骑行功率、所述踏频特征以及所述足部姿态特征生成骑行指导建议。
在第二方面的一种可能的实现方式中，所述处理模块还用于：
根据所述骑行指导建议生成对应的文字提示、语音提示或者振动提示中的至少一项。
第三方面，提供一种电子设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上述第一方面所述的骑行检测方法。
第四方面，提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如上述第一方面所述的骑行检测方法。
第五方面，提供一种计算机程序产品，当计算机程序产品在终端设备上运行时，使得终端设备执行如上述第一方面所述的骑行检测方法。
可以理解的是，上述第二方面至第五方面的有益效果可以参见上述第一方面中的相关描述，在此不再赘述。
附图说明
图1为本申请实施例提供的骑行检测方法所适用的骑行检测系统架构示例图；
图2为本申请实施例提供的骑行检测系统中各设备功能的示例图；
图3为本申请实施例提供的一种骑行检测方法的应用场景图；
图4为本申请实施例提供的角速度的时域信号的示意图；
图5为本申请实施例提供的角速度的频域信号的示意图；
图6为本申请实施例提供的目标角速度的示意图；
图7为本申请实施例提供的用户骑行时各时刻的足部位置示意图；
图8为本申请实施例提供的计算路面的坡度的示意图；
图9为本申请实施例提供的第一加速度向量在三维坐标系中的示意图；
图10为本申请实施例提供的确定骑行状态的方法示意图；
图11为本申请实施例提供的生成骑行指导建议的方法示意图；
图12为本申请实施例提供的骑行检测方法的流程示意图；
图13为本申请实施例提供的电子设备的示意图。
具体实施方式
以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本申请实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本申请的描述。
应当理解，当在本申请说明书和所附权利要求书中使用时，术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解，在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。
如在本申请说明书和所附权利要求书中所使用的那样，术语“如果”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”。类似地，短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。
另外，在本申请的描述中，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
在本申请说明书中描述的参考“一个实施例”或“一些实施例”等意味着在本申请的一个或多个实施例中包括结合该实施例描述的特定特征、结构或特点。由此，在本说明书中的不同之处出现的语句“在一个实施例中”、“在一些实施例中”、“在其他一些实施例中”、“在另外一些实施例中”等不是必然都参考相同的实施例，而是意味着“一个或多个但不是所有的实施例”，除非是以其他方式另外特别强调。术语“包括”、“包含”、“具有”及它们的变形都意味着“包括但不限于”，除非是以其他方式另外特别强调。
下面对本申请实施例进行详细说明。
如图1所示，图1示出了本申请实施例提供的骑行检测方法适用的一种骑行检测系统的架构，该系统包括第一穿戴设备100和电子设备200，第一穿戴设备100与电子设备200连接通信。
其中，第一穿戴设备100为佩戴于用户足部的穿戴设备，例如脚环。电子设备200可以是手机、平板电脑、个人数字助理(personal digital assistant，PDA)等终端设备。
如图2所示，第一穿戴设备100可以包括加速度传感器和陀螺仪，加速度传感器用于采集用户足部的加速度信号，陀螺仪用于采集用户足部的角速度信号。电子设备200获取足部穿戴设备采集的加速度信号和角速度信号，对加速度信号和角速度信号进行频谱分析，若根据加速度信号和角速度信号的频谱得到用户当前状态为骑行状态，对加速度信号和角速度信号进行滤波处理，再对滤波处理后的加速度信号和角速度信号，进行骑行特征提取，再根据骑行特征得到用户骑行时的踏频特征、足部姿态特征以及路面特征，从而指导用户骑行。
如图1所示，在一种可能的实现方式中，骑行检测系统还可以包括第二穿戴设备300，第二穿戴设备300与电子设备200连接通信，第二穿戴设备300可以是佩戴于用户手腕的穿戴设备，例如手环或者手表等。
如图2所示，第二穿戴设备300可以包括光电容积描记(photoplethysmograph，PPG)传感器，用于采集用户的生理信息，所述用户生理信息可以包括心率、血氧、脉搏等信息。本申请实施例中，电子设备200获取第二穿戴设备300采集的心率信息，对心率信息进行滤波处理，对滤波处理后的心率信息进行特征分析，得到用户骑行时的心率以及心率变异性(Heart rate variablity，HRV)，根据用户骑行时的心率以及HRV得到用户骑行时消耗的能量，即卡路里消耗情况，根据卡路里消耗情况可以得到用户骑行时的运动强度。示例性的，电子设备200还包括全球定位系统(Global Positioning System，GPS)，用于采集用户各时刻的位置信息。电子设备200获取位置信息，根据存储于电子设备200的GPS信号数学模型和位置信息，得到预设格式的位置信息，以及用户运动的速度和轨迹。电子设备200还用于获取气象信息，根据气象信息得到当前的风速和风向，再根据位置、速度、轨迹、风速、风向，计算出用户骑行时所做的功。
电子设备200计算出用户骑行时的踏频特征、足部姿态特征、路面特征、卡路里消耗情况、运动强度、位置、速度、轨迹、骑行时所作的功后，统计得到用户的用户体征和环境特征，从而可以评估用户的骑行状态。优选的，电子设备200在得到用户的骑行状态后，还可以再获取用户的体能模型以及存储于骑行专家建议库的预设骑行数据。其中，用户的体能模型包括摄氧量、身体质量指数(Body Mass Index，BMI)等，骑行专家建议库是根据预先采集的大量用户的骑行数据以及对应的指导建议生成的，预设骑行数据是骑行专家建议库中与用户体能体征或者环境特征对应的骑行数据。电子设备200根据用户的骑行状态、体能模型以及预设骑行数据，得到骑行指导建议。电子设备200再根据骑行指导建议生成提示信息，根据提示信息生成对应的文字提示，将文字提示显示在显示界面，或者将文字提示发送至第二穿戴设备300，使得第二穿戴设备300在显示界面显示；电子设备200也可以根据提示信息生成对应的振动提示，根据振动提示指示电子设备200或者第二穿戴设备300振动，从而指导用户骑行。
如图1所示，在另一种可能的实现方式中，骑行检测系统还包括音频播放设备400，音频播放设备400与电子设备200通信连接。其中，音频播放设备400可以是耳机或者音箱，电子设备200得到骑行指导建议后，可以根据提示信息生成对应的语音提示，将语音提示发送至音频播放设备400，音频播放设备400用于根据语音提示播放对应的语音。
需要说明的是，上述骑行检测系统中各设备的功能划分仅用于举例说明，实际应用中，可以根据需要而将上述功能分配给一个或者多个设备完成。例如所述电子设备200“获取足部穿戴设备采集的加速度信号和角速度信号，对加速度信号和角速度信号进行频谱分析，若根据加速度信号和角速度信号的频谱得到用户当前状态为骑行状态，对加速度信号和角速度信号进行滤波处理，再对滤波处理后的加速度信号和角速度信号，进行骑行特征提取，再根据骑行特征得到用户骑行时的踏频特征、足部姿态特征以及路面特征，从而指导用户骑行”的功能可以由第一穿戴设备100完成。所述电子设备200“获取采集的心率信息，对心率信息进行滤波处理，对滤波处理后的心率信息进行特征分析，得到用户骑行时的心率以及HRV，根据用户骑行时的心率以及HRV得到用户骑行时消耗的能量，即卡路里消耗情况，根据卡路里消耗情况可以得到用户骑行时的运动强度”的功能可以有第二穿戴设备300完成。本申请对所述功能的具体划分不作限制。
下面，根据图1和图2所示的骑行检测系统，并结合具体的应用场景，对本申请实施例提供的骑行检测方法进行详细说明。
如图3所示，在一种应用场景中，电子设备200为手机，第一穿戴设备100与电子设备200通讯连接。第一穿戴设备100采集加速度信号和角速度信号，向电子设备200发送加速度信号和角速度信号，电子设备200接收到加速度信号和角速度信号后，对加速度信号的时域特征、加速度信号的频域特征、角速度信号的时域特征和角速度信号的频域特征进行分析，根据分析结果确定骑行状态对应的时段。
具体地，第一穿戴设备100采集的角速度信号为角速度的时域信号，第一穿戴设备100采集的加速度信号为加速度的时域信号。如图4所示，图4中的(a)为角速度的时域信号在α方向的分量，即α方向上的角速度的时域信号，图4中的(b)为角速度的时域信号在β方向的分量，即β方向上的角速度的时域信号，图4中的(c)为角速度的时域信号在γ方向的分量，即γ方向上的角速度的时域信号。其中，图4所示的坐标系中，横坐标的单位为毫秒(ms)，纵坐标的单位为弧度每秒(rad/s)。角速度信号的时域特征包括α方向上的角速度的时域信号的幅值、β方向上的角速度的时域信号的幅值，以及γ方向上的角速度的时域信号的幅值。将三个方向(α方向、β方向和γ方向)上的角速度的时域信号转换为频域信号，并按照第一预设频率进行滤波处理，得到如图5所示的角速度的频域信号，其中，图5所示的坐标系中，横坐标的单位为频率(Hz)，纵坐标表示与频率对应的信号量。角速度信号的频域特征是角速度的频域信号的幅值。其中，第一预设频率是根据用户运动过程中的角速度频率经验值设定的，例如，可以为0～5Hz，按照预设频率进行滤波处理可以去除路面因素造成的干扰信号，提高数据分析的效率。
同理，将α方向上的加速度的时域信号、β方向上的加速度的时域信号、γ方向上的加速度的时域信号转换为频域信号，并按照第二预设频率进行滤波处理，得到加速度的频域信号，其中，第二预设频率是根据用户运动过程中的加速度频率经验值设定的。加速度信号的时域特征包括α方向上的加速度的时域信号的幅值、β方向上的加速度的时域信号的幅值、γ方向上的加速度的时域信号的幅值，加速度信号的频域特征是加速度的频域信号的幅值。
电子设备200根据三个方向上的角速度的时域信号的幅值、角速度的频域信号的幅值、三个方向上的加速度的时域信号的幅值、加速度的频域信号的幅值分析各个时段的用户状态，其中，用户状态包括骑行状态、静止状态、步行状态和跑步状态。若某个时段，三个方向上的角速度的时域信号的幅值、角速度的频域信号的幅值、三个方向上的加速度的时域信号的幅值、加速度的频域信号的幅值，均在预设幅值范围，则将该时段作为骑行状态对应的时段，即在该时段，用户状态为骑行状态。
示例性地，设定骑行状态对应的角速度信号的预设幅值范围为：α方向上的角速度的时域信号的幅值位于1～3之间，β方向上的角速度的时域信号的幅值位于0.5～2之间，γ方向上的角速度的时域信号的幅值位于0.5～2之间，角速度的频域信号中0～1Hz的范围内，存在幅值大于0.1的波段。如图4所示，图4中的A时段，α方向上的角速度的时域信号的幅值位于1～3之间，β方向上的角速度的时域信号的幅值位于0.5～2之间，γ方向上的角速度的时域信号的幅值位于0.5～2之间，且图5中0～1Hz的范围内存在幅值大于0.1的波段，则三个方向上的角速度的时域信号的幅值和角速度的频域信号的幅值在预设幅值范围内。同理对三个方向上的加速度的时域信号的幅值、加速度的频域信号的幅值进行分析，若三个方向上的加速度的时域信号的幅值和加速度的频域信号的幅值也在预设幅值范围，则A时段为骑行状态对应的时段。同理，根据设定的步行状态对应的角速度信号的预设幅值范围可以确定出步行状态对应的时段，例如，图4中的B时段为步行状态对应的时段。
需要说明的是，在其他可行的实现方式中，也可以根据加速度信号的时域特征、加速度信号的频域特征、角速度信号的时域特征以及角速度信号的频域特征中的任意一个或多个的分析结果来确定用户的当前状态是否为骑行状态。例如，若三个方向上的角速度的时域信号的幅值、角速度的频域信号的幅值、三个方向上的角速度的时域信号的幅值、角速度的频域信号的幅值中的任意一个幅值在预设幅值范围内，则将对应时段作为骑行状态对应的时段，该时段对应的加速度信号和角速度信号即为骑行状态对应的加速度信号和角速度信号。例如，若某个时段，三个方向上的角速度的时域信号的幅值均在预设幅值范围内，则将该时段作为骑行状态对应的时段。又例如，若角速度的频域信号中0.2～0.7Hz的范围内存在幅值大于0.1的波段，则将0.2～0.7Hz范围内的频域信号转换为时域信号，得到骑行状态对应的时段。
电子设备200在确定出骑行状态对应的时段后，获取第三预设频率，其中，第三预设频率是根据骑行状态的角速度频率经验者设定的，例如，第三预设频率为0.2～0.7Hz。电子设备200从角速度的频域信号中确定出第三预设频率范围内的最大幅值，再根据第三预设频率范围内的最大幅值对应的频率确定出骑行状态对应的角速度频率。示例性地，设定第三预设频率是0.2～0.7Hz，如图5所示，若在0.2～0.7Hz范围内，最大幅值为0.31，最大幅值对应的频率为0.4Hz，则将0.4±0.1Hz作为骑行状态对应的角速度频率，即骑行状态对应的角速度频段为0.3～0.5Hz，即图5中的C频段。同理，根据第四预设频率，从加速度的频域信号中确定出骑行状态对应的加速度频率。若用户状态包括步行状态，采用同样的方法，可以从角速度的频域信号中确定确定出步行状态对应的角速度频率，从加速度的频域信号中确定出步行状态对应的加速度频率。例如，图5中的D频段为步行状态对应的角速度频率。
电子设备200在确定出骑行状态对应的角速度频率和骑行状态对应的加速度频率后，根据骑行状态对应的角速度频率对角速度信号进行滤波处理，得到用户骑行时的目标角速度信号，根据骑行状态对应的加速度频率对加速度信号进行滤波处理，得到用户骑行时的目标加速度信号。电子设备200根据目标加速度信号以及目标角速度信号即可确定用户骑行时的行为特征，行为特征包括踏频特征、足部姿态特征、骑行中的滑行时段以及座位高度是否合适等，根据用户骑行时的行为特征可以指导用户骑行。
具体地，如图6所示，图6中的(a)为目标角速度信号在α方向的分量，图6中的(b)为目标角速度信号在β方向的分量，图6中的(c)为目标角速度信号在γ方向的分量。其中，图6所示的坐标系中，横坐标的单位为毫秒(ms)，纵坐标的单位为弧度每秒(rad/s)。目标角速度信号在三个方向上的周期相同，目标角速度信号的周期即为用户骑行时的踩踏踏板的周期，例如，图6中E时段对应的时长即为其中一个踩踏踏板的周期，根据踩踏踏板的周期即可计算出用户骑行时踩踏踏板的频率，即踏频。对每半个周期内，目标角速度信号在α方向的分量、目标角速度信号在β方向的分量以及目标角速度信号在γ方向的分量进行积分，得到半个周期内角速度的变化量，半个周期内角速度的变化量即为用户骑行时的足部运动角度，根据各个周期的足部运动角度可以得到用户骑行的各个时段的足部运动角度，也即用户骑行时的足部姿态特征，以指导用户骑行。
在一种可能的实现方式中，如图7所示，电子设备200根据目标角速度信号，以及预设的目标角速度与踏板位置的对应关系，可以确定出用户骑行时各时刻的踏板位置，再根据用户骑行时各时刻的足部运动角度可以计算出，用户骑行时各时刻的足部位置。根据用户骑行时各时刻的足部位置以及踏板位置，可以计算出用户骑行时各时刻的足部放置状态。将用户骑行时各时刻的足部放置状态与预设放置状态进行对比，若各时刻的足部放置状态与预设放置状态匹配，说明用户骑行时的座位高度合适，否则说明用户骑行时的座位高度不合适。电子设备200还获取目标角速度信号中，角速度值为0的时段，该时段即为用户骑行中的滑行时段，即用户骑行时足部放置于踏板且未踩踏的时段。
在另一种应用场景中，电子设备200为手机，第一穿戴设备100与电子设备200通讯连接。第一穿戴设备100采集加速度的信号和角速度信号，向电子设备200发送加速度信号和角速度信号，即向电子设备200发送加速度的时域信号和角速度的时域信号。电子设备200接收到角速度的时域信号后，根据角速度的时域信号得到角速度的频域信号，根据角速度的频域信号的幅值，即角速度信号的频域特征得到用户骑行时的第一路面特征。电子设备200获取加速度的时域信号后，对加速度的时域信号进行滤波处理后，得到目标加速度信号，根据目标加速度信号确定用户骑行时的第二路面特征。其中，第一路面特征反映路面的平整程度，第二路面特征为路面的坡度。
具体地，第一路面特征可以包括水泥路面、沥青路面、石子路面或盲道等路面，每种路面对应一种频率范围，电子设备200检测角速度频域信号中，每种频率范围内，是否存在幅值大于预设值的波段，若存在，则说明第一路面特征包括该频率范围所对应的路面。
示例性地，水泥路面对应第一频率，沥青路面对应第二频率，石子路面对应第三频率，盲道对应第四频率。电子设备200依次检测角速度频域信号中，第一频率范围内、第二频率范围内、第三频率范围内、第四频率范围内是否存在幅值大于预设值的波段，根据确定出的幅值大于预设值的幅值所在的频率范围确定出第一路面特征。例如，若在角速度的频域信号中，第一频率范围内存在幅值大于预设值的波段，则说明第一路面特征包括水泥路面，若在角速度的频域信号中，第二频率范围内存在幅值大于预设值的波段，则说明第一路面特征包括沥青路面，同理，可以得出第一路面特征是否包括石子路面或盲道。例如，图5中，频率范围R、频率范围S、频率范围T分别对应一种路面，频率范围R、频率范围S、频率范围T内均存在幅值大于预设值的波段，则第一路面特征包括三种路面。
路面的坡度的计算过程为：电子设备首先获取用户足部的穿戴设备采集的所述用户在站立或步行时的加速度信号，其中，用户在站立或步行时的加速度信号可以是预先存储于电子设备200的，也可以从已获取的加速度信号中确定出用户站立状态或步行状态的时段，再根据用户站立状态或步行状态的时段确定出用户在站立或步行时的加速度信号。用户在站立或步行时的加速度信号为沿重力方向的加速度信号。由于目标加速度信号是用户在骑行时由加速度传感器所检测到的加速度信号，代表用户在骑行时的合加速度信号。若用户在有坡度的路面上骑行，将至少一个周期的目标加速度信号，去除沿重力方向的加速度信号，得到第一加速度信号，第一加速度信号即为用户骑行时用于沿路面前进的加速度信号。采用预设的主成分分析方法对第一加速度信号进行主成分分析，得到第一加速度向量，第一加速度向量的方向与用户骑行时的前进方向一致，即与路面平行。再根据第一加速度向量的方向和重力向量的方向即可确定出路面的坡度，其中，重力向量的方向即为重力的方向。例如，如图8所示，g为重力向量，a为第一加速度向量，∠POQ为路面的坡度，根据重力向量的方向和第一加速度向量的方向，可以计算出重力向量与第一加速度向量的夹角，重力向量与第一加速度向量的夹角减去90°，即为路面的坡度。
优选地，在确定出重力向量的方向后，对至少一个周期的目标角速度信号进行主成分分析，得到骑行侧向向量，骑行侧向向量的方向即为角速度的方向，角速度的方向垂直于自行车所在的平面。根据重力向量的方向以及角速度的方向，可以构建三维坐标系，再根据第一加速度向量以及预设的与三维坐标系对应的轨迹计算公式，即可计算出用户骑行时在三维坐标系中的运动轨迹，即用户在有坡度的路面上的骑行轨迹。具体地，如图9所示，将重力向量的反方向作为Y轴，将角速度的方向作为Z轴，根据Y轴和Z轴即可确定出X轴，则X轴沿水平方向。构建三维坐标系后，根据第一加速度向量a的大小和方向，在三维坐标系内对第一加速度向量a进行分解，示例性地，将第一加速度向量分解为沿X轴、Y轴和Z轴三个方向的分量，即将第一加速度向量分解为三个加速度分量。得到三个加速度分量后，再根据三个加速度分量和预设的位移计算公式，得到对应的沿X轴的位移分量、沿Y轴的位移分量以及沿Z轴的位移分量，根据三个方向的位移分量即可计算出用户骑行时在三维坐标系中的坐标。根据同样的方法可以计算出用户骑行时的各个时刻在三维坐标系中的坐标，根据各个时刻在三维坐标系中的坐标即可得到用户骑行时在三维坐标系中的运动轨迹，也即用户在有坡度的路面上的骑行轨迹，该骑行轨迹既包括用户骑行时在路面上的前进轨迹，也包括用户骑行时在路面上的左右移动轨迹。
在一种可能的实现方式中，电子设备200根据目标角速度信号计算出足部运动角度后，确定目标角速度信号的每个周期内，足部运动角度达到最大值的时刻，再获取足部运动角度达到最大值时刻的角速度，若该时刻角速度不为0，将该时刻的角速度的修正为0，并确定修正系数。确定修正系数后，根据修正系数和目标角速度信号，确定修正后的目标角速度信号，根据修正后的目标角速度信号重新确定角速度的方向，即修正Z轴的方向，根据重新确定的Z轴方向构建三维坐标系，得到修正后的三维坐标系，再根据修正后的三维坐标系计算用户的骑行轨迹，从而得到更准确的骑行轨迹。
如图10所示，在又一种应用场景中，电子设备200为手机，第一穿戴设备100和第二穿戴设备300均与电子设备200通讯连接。第一穿戴设备100的加速度传感器采集用户足部的加速度信号，陀螺仪采集用户足部的角速度信号。电子设备200接收到加速度信号和角速度信号后，对加速度信号和角速度信号进行频谱分析，若根据加速度信号和角速度信号的频谱得到用户当前状态为骑行状态，对加速度信号和角速度信号进行滤波处理，再对滤波处理后的加速度信号和角速度信号，进行骑行特征提取，得到用户骑行时的目标加速度信号和目标角速度信号。再根据目标加速度信号和目标角速度信号得到用户骑行时的踏频特征、足部姿态特征以及路面特征，路面特征包括第一路面特征和第二路面特征。
第二穿戴设备300的PPG传感器采集用户心率信息，电子设备200接收到用户心率信息后，对用户心率信息进行滤波处理，再结合用户的骑行时段，从滤波处理后的心率信息中得到用户骑行时的心率，再对用户骑行时的心率进行特征分析，得到HRV。示例性地，对用户骑行时的心率的时域特征和频域特征进行分析，得到HRV。根据预设的能量计算公式，以及用户骑行时的心率和HRV，计算用户骑行时消耗的能量。示例性地，根据用户骑行时的心率和HRV，得到用户骑行时的耗氧量，根据耗氧量即可计算出用户骑行时消耗的能量，即计算出用户骑行时的卡路里消耗情况。
电子设备200还包括GPS，GPS采集用户骑行时的位置信息，电子设备200根据存储于电子设备200的GPS信号数学模型和位置信息，得到预设格式的位置信息，以及用户骑行的速度和轨迹。示例性地，电子设备200将获取的经纬度数据转换为坐标系内的坐标，根据各时刻的坐标可以计算出用户骑行时的速度和轨迹。
电子设备200还可以获取气象信息，例如，从气象应用程序中获取气象信息，根据气象信息得到风速和风向，根据用户骑行的时段得到用户骑行时的风速和风向。电子设备200根据风速、风向以及骑行速度，确定骑行时的风阻，根据用户骑行时的速度以及风阻得到用户骑行时用于克服风阻做功的功率。电子设备200还获取用户预先输入的用户的体重，根据用户骑行时的路面坡度、速度以及用户的体重，得到用户骑行时用于克服重力做功的功率，电子设备200还获取预设的摩擦力经验值，根据预设的摩擦力经验值和用户骑行时的速度得到用户骑行时用于克服摩擦力做功的功率。电子设备200对用户骑行时用于克服摩擦力做功的功率、用于克服重力做功的功率以及用于克服风阻做功的功率进行求和运算，得到用户骑行时用户克服阻力做功的功率，即骑行功率。电子设备200根据计算结果输出用户骑行时的踏频、卡路里消耗情况以及骑行功率，用户骑行时的踏频、卡路里消耗情况以及骑行功率即为用户的骑行状态，用户根据输出结果可以评估骑行状态，从而可以指导用户骑行。
如图11所示，在又一种应用场景中，电子设备200根据第一穿戴设备采集的加速度信号和角速度信号计算踏频特征和足部姿态特征，根据第二穿戴设备采集的心率信息计算用户骑行时的卡路里消耗情况，根据获取的位置信息计算用户骑行时的速度和轨迹，根据风速、风向和速度计算用户的骑行功率，再根据骑行功率和骑行时间，可以计算出用户骑行时所做的功，再根据用户骑行时的卡路里消耗情况和用户骑行时所做的功计算出骑行效率，也即能量转化效率。电子设备200将用户骑行时的踏频特征、足部姿态特征、速度、卡路里消耗情况、骑行功率以及骑行效率与预设骑行数据进行对比，生成骑行指导建议，例如，骑行指导建议可以是：调整档位、调整踏频、调整座位、休息等，从而可以为用户提供专业的骑行指导。在一种可能的实现方式中，电子设备200根据骑行指导建议生成提示信息，再根据提示信息生成对应的文字提示，并在显示界面显示，或者将文字提示发送至第二穿戴设备300，使得第二穿戴设备300在显示界面显示。电子设备200也可以根据提示信息生成对应的振动提示，根据振动提示指示电子设备200或者第二穿戴设备300振动。电子设备200也可以根据提示信息生成对应的语音提示，将语音提示发送至音频播放设备400，音频播放设备400用于根据语音提示播放对应的语音。用户可以根据文字提示、振动提示或者语音提示调整骑行状态，从而可以提升用户的骑行体验。
下面以本申请实施例提供的方法全部执行于电子设备为例，对本申请实施例提供的骑行检测方法进行说明。如图12所示，本申请实施例提供的骑行检测方法包括：
S101：获取用户足部的穿戴设备采集的加速度信号和角速度信号，并对所述加速度信号的时域特征、所述加速度信号的频域特征、所述角速度信号的时域特征和/或所述角速度信号的频域特征进行分析。
其中，角速度信号的时域特征包括α方向上的角速度的时域信号的幅值、β方向上的角速度的时域信号的幅值，以及γ方向上的角速度的时域信号的幅值；角速度信号的频域特征是角速度的频域信号的幅值。加速度信号的时域特征包括α方向上的加速度的时域信号的幅值、β方向上的加速度的时域信号的幅值、γ方向上的加速度的时域信号的幅值，加速度信号的频域特征是加速度的频域信号的幅值。
S102：若根据所述加速度信号的时域特征、所述加速度信号的频域特征、所述角速度信号的时域特征和/或所述角速度信号的频域特征的分析结果确定所述用户的当前状态为骑行状态，则对所述加速度信号和所述角速度信号进行滤波处理，得到所述用户骑行时的目标加速度信号和目标角速度信号。
在一种可能的实现中，若三个方向上的角速度的时域信号的幅值、角速度的频域信号的幅值、三个方向上的加速度的时域信号的幅值、加速度的频域信号的幅值，均在预设幅值范围，则确定用户的当前状态为骑行状态。
在另一种可能的实现方式中，若三个方向上的角速度的时域信号的幅值、角速度的频域信号的幅值、三个方向上的角速度的时域信号的幅值、角速度的频域信号的幅值中的任意一个幅值在预设幅值范围内，则确定用户的当前状态为骑行状态。
确定用户的当前状态为骑行状态后，电子设备根据预设频率对加速度信号和角速度信号进行滤波处理，得到滤波处理后的加速度的频域信号以及滤波处理后的角速度的频域信号。在滤波处理后的角速度的频域信号中，若预设频率范围内的幅值满足预设条件，则根据该预设频率范围内最大幅值对应的频率确定出骑行状态对应的角速度频率，同理确定出骑行状态对应的加速度频率。在确定出骑行状态对应的角速度频率和骑行状态对应的加速度频率后，根据骑行状态对应的角速度频率对角速度信号进行滤波处理，得到用户骑行时的目标角速度信号，根据骑行状态对应的加速度频率对加速度信号进行滤波处理，得到用户骑行时的目标加速度信号。
S103：根据所述目标加速度信号以及所述目标角速度信号确定所述用户骑行时的行为特征，所述行为特征包括踏频特征以及足部姿态特征。
具体地，目标角速度信号的周期即为用户骑行时的踩踏踏板的周期，根据踩踏踏板的周期即可计算出用户骑行时踩踏踏板的频率，即踏频。对每半个周期内的目标角速度信号进行积分，得到半个周期内角速度的变化量，半个周期内角速度的变化量即为用户骑行时的足部运动角度，也即用户骑行时的足部姿态特征，从而可以指导用户骑行。
在一种可能的实现方式中，电子设备根据目标角速度信号确定出用户骑行时各时刻的踏板位置，再根据足部运动角度确定用户骑行时各时刻的足部位置，根据踏板位置和足部位置可以确定出用户的足部放置状态，将用户骑行时各时刻的足部放置状态与预设放置状态进行对比，若各时刻的足部放置状态与预设放置状态匹配，说明用户骑行时的座位高度合适，否则说明用户骑行时的座位高度不合适。
在一种可能的实现方式中，电子设备获取目标角速度信号中，角速度值为0的时段，将该时段标记为用户骑行中的滑行时段。
在一种可能的实现方式中，第一路面特征可以包括水泥路面、沥青路面、石子路面或盲道等路面，每种路面对应一种频率范围，电子设备检测角速度频域信号中，每种频率范围内，是否存在幅值大于预设值的波段，若存在，则说明第一路面特征包括该频率范围所对应的路面。
在一种可能的实现方式中，电子设备获取用户足部的穿戴设备采集的用户在站立或步行时的加速度信号，用户在站立或步行时的加速度信号为沿重力方向的加速度信号，将至少一个周期的目标加速度信号，去除沿重力方向的加速度信号，得到第一加速度信号。得到第一加速度信号后，电子设备采用预设的主成分分析方法对第一加速度信号进行主成分分析，得到第一加速度向量，第一加速度向量的方向与用户骑行时的前进方向一致，即与路面平行。电子设备再根据第一加速度向量的方向和重力向量的方向即可确定出路面的坡度，即第二路面特征。
在确定出重力向量的方向后，对至少一个周期的目标角速度信号进行主成分分析，得到骑行侧向向量，骑行侧向向量的方向即为角速度的方向，角速度的方向垂直于自行车所在的平面。将重力向量的反方向作为Y轴，将角速度的方向作为Z轴，根据Y轴和Z轴确定出X轴，则X轴沿水平方向，从而构建出三维坐标系。构建三维坐标系后，根据第一加速度向量的大小和方向，计算出用户骑行时在三维坐标系中的坐标，根据用户骑行的各个时刻在三维坐标系中的坐标即可得到，用户骑行时在三维坐标系中的运动轨迹，也即用户在有坡度的路面上的骑行轨迹，该骑行轨迹既包括用户骑行时在路面上的前进轨迹，也包括用户骑行时在路面上的左右移动轨迹。
在一种可能的实现方式中，电子设备还获取用户骑行时的位置信息，根据位置信息可以计算用户骑行的速度。其中，位置信息可以是电子设备采集的，也可以是电子设备从用户佩戴的第二穿戴设备获取的。电子设备计算出用户骑行的速度后，再根据用户骑行时需要克服的阻力和速度，计算用户的骑行功率。其中，用户骑行时需要克服的阻力包括风阻、摩擦力和重力，电子设备根据获取的风速和风向可以确定出风阻，根据获取的预设的摩擦力经验值可以确定出摩擦力，根据获取的用户的体重可以确定出重力。计算出用户的骑行功率后，电子设备根据骑行功率和骑行的时间，可以确定用户骑行所消耗的能量。
在一种可能的实现方式中，电子设备还从第二穿戴设备获取用户骑行时的心率信息，根据用户骑行时的心率信息和预设计算公式确定用户骑行时所消耗的能量。根据用户骑行时所做的功以及用户骑行所消耗的能量可以计算出用户骑行时的骑行效率。
在一种可能的实现方式中，电子设备还获取预设骑行数据，根据预设骑行数据、骑行效率、骑行功率、踏频特征以及足部姿态特征生成骑行指导建议，并根据骑行指导建议生成对应的文字提示、语音提示或者振动提示中的至少一项，从而可以为用户提供专业的骑行指导，提升用户体验。
上述实施例中，通过获取足部的穿戴设备采集的加速度信号和角速度信号，首先根据加速度信号的时域特性、加速度信号的频域特性、角速度信号的时域特性以及角速度信号的频域特性识别用户状态，若用户状态为骑行状态，再对所述角速度信号和角速度信号进行滤波处理，得到用户骑行时的目标加速度信号和目标角速度信号，通过判断骑行状态和滤波处理，可以去除干扰信号，得到准确的用户骑行数据，从而提高计算精度；最后再根据用户骑行时的目标加速度信号的波形特征和目标角速度信号的波形特征确定用户骑行时的行为特征，由于是根据骑行过程中用户足部的加速度信号和角速度信号确定用户骑行行为特征，因此，相对于根据自行车的运动信息确定用户骑行行为特征，可以确定出的用户骑行行为特征更多，包括用户骑行时的踏频特征以及足部姿态特征，从而可以提高骑行行为分析结果的准确率，更好的指导用户骑行，且足部的穿戴设备使用方便，从而提高了用户体验，具有较强的易用性和实用性。
应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本申请实施例的实施过程构成任何限定。
基于同样的发明构思，本申请实施例还提供一种电子设备，如图13所示，本申请实施例提供的电子设备包括处理器110、存储器120、输入单元130、显示单元140、传感器150、音频电路160以及通信模块170。本领域技术人员可以理解，图13中示出的结构并不构成对电子设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
存储器120可用于存储软件程序以及模块，处理器110通过运行存储在存储器120的软件程序以及模块，从而执行电子设备的各种功能应用以及数据处理。存储器120可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等；存储数据区可存储根据电子设备的使用所创建的数据(比如音频数据、电话本等)等。此外，存储器120可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
输入单元130可用于接收输入的数字或字符信息，以及产生与电子设备的用户设置以及功能控制有关的键信号输入。具体地，输入单元130可包括触控面板131以及其他输入设备132。触控面板131，也称为触摸屏，可收集用户在其上或附近的触摸操作(比如用户使用手指、触笔等任何适合的物体或附件在触控面板131上或在触控面板131附近的操作)，并根据预先设定的程式驱动相应的连接装置。可选的，触控面板131可包括触摸检测装置和触摸控制器两个部分。其中，触摸检测装置检测用户的触摸方位，并检测触摸操作带来的信号，将信号传送给触摸控制器；触摸控制器从触摸检测装置上接收触摸信息，并将它转换成触点坐标，再送给处理器110，并能接收处理器110发来的命令并加以执行。此外，可以采用电阻式、电容式、红外线以及表面声波等多种类型实现触控面板131。除了触控面板131，输入单元130还可以包括其他输入设备132。具体地，其他输入设备132可以包括但不限于物理键盘、功能键(比如音量控制按键、开关按键等)、轨迹球、鼠标、操作杆等中的一种或多种。
显示单元140可用于显示由用户输入的信息或提供给用户的信息以及电子设备的各种菜单。显示单元140可包括显示面板141，可选的，可以采用液晶显示器(LiquidCrystal Display，LCD)、有机发光二极管(Organic Light-Emitting Diode，OLED)等形式来配置显示面板141。进一步的，触控面板131可覆盖显示面板141，当触控面板131检测到在其上或附近的触摸操作后，传送给处理器110以确定触摸事件的类型，随后处理器110根据触摸事件的类型在显示面板141上提供相应的视觉输出。虽然在图13中，触控面板131与显示面板141是作为两个独立的部件来实现电子设备的输入和输入功能，但是在某些实施例中，可以将触控面板131与显示面板141集成而实现电子设备的输入和输出功能。
电子设备还可包括至少一种传感器150，比如光传感器、运动传感器以及其他传感器。具体地，光传感器可包括环境光传感器及接近传感器，其中，环境光传感器可根据环境光线的明暗来调节显示面板141的亮度，接近传感器可在电子设备移动到耳边时，关闭显示面板141和/或背光。作为运动传感器的一种，加速计传感器可检测各个方向上(一般为三轴)加速度的大小，静止时可检测出重力的大小及方向，可用于识别电子设备姿态的应用(比如横竖屏切换、相关游戏、磁力计姿态校准)、振动识别相关功能(比如计步器、敲击)等；至于电子设备还可配置的陀螺仪、气压计、湿度计、温度计、红外线传感器等其他传感器，在此不再赘述。
音频电路160、扬声器161，传声器162可提供用户与电子设备之间的音频接口。音频电路160可将接收到的音频数据转换后的电信号，传输到扬声器161，由扬声器161转换为声音信号输出；另一方面，传声器162将收集的声音信号转换为电信号，由音频电路160接收后转换为音频数据，再将音频数据输出处理器110处理后，经RF电路110以发送给比如另一电子设备，或者将音频数据输出至存储器120以便进一步处理。
通信模块170可以用于，支持电子设备与其他电子设备之间包括BT，WLAN(如Wi-Fi)，Zigbee，FM，NFC，IR，或通用2.4G/5G无线通信技术等无线通信的数据交换。
处理器110是电子设备的控制中心，利用各种接口和线路连接整个电子设备的各个部分，通过运行或执行存储在存储器120内的软件程序和/或模块，以及调用存储在存储器120内的数据，执行电子设备的各种功能和处理数据，从而对电子设备进行整体监控。可选的，处理器110可包括一个或多个处理单元；优选的，处理器110可集成应用处理器和调制解调处理器，其中，应用处理器主要处理操作系统、用户界面和应用程序等，调制解调处理器主要处理无线通信。可以理解的是，上述调制解调处理器也可以不集成到处理器110中。
需要说明的是，上述装置/单元之间的信息交互、执行过程等内容，由于与本申请方法实施例基于同一构思，其具体功能及带来的技术效果，具体可参见方法实施例部分，此处不再赘述。
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或记载的部分，可以参见其它实施例的相关描述。
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块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。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
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，本申请实现上述实施例方法中的全部或部分流程，可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质至少可以包括：能够将计算机程序代码携带到拍照装置/电子设备的任何实体或装置、记录介质、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，RandomAccess Memory)、电载波信号、电信信号以及软件分发介质。例如U盘、移动硬盘、磁碟或者光盘等。
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。
在本申请所提供的实施例中，应该理解到，所揭露的装置/网络设备和方法，可以通过其它的方式实现。例如，以上所描述的装置/网络设备实施例仅仅是示意性的，例如，所述模块或单元的划分，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讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性，机械或其它的形式。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。
最后应说明的是：以上所述，仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何在本申请揭露的技术范围内的变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以所述权利要求的保护范围为准。

Claims (13)

1.一种骑行检测方法，其特征在于，包括：
获取用户足部的穿戴设备采集的加速度信号和角速度信号，并对所述加速度信号的时域特征、所述加速度信号的频域特征、所述角速度信号的时域特征和/或所述角速度信号的频域特征进行分析；
若根据所述加速度信号的时域特征、所述加速度信号的频域特征、所述角速度信号的时域特征和/或所述角速度信号的频域特征的分析结果确定所述用户的当前状态为骑行状态，则对所述加速度信号和所述角速度信号进行滤波处理，得到所述用户骑行时的目标加速度信号和目标角速度信号；
根据所述目标加速度信号以及所述目标角速度信号确定所述用户骑行时的行为特征，所述行为特征包括踏频特征以及足部姿态特征。
2.根据权利要求1所述的方法，其特征在于，在所述获取用户足部的穿戴设备采集的加速度信号和角速度信号之后，所述方法还包括：
根据所述角速度信号的频域特征确定所述用户骑行时的第一路面特征。
3.根据权利要求1或2所述的方法，其特征在于，在所述得到所述用户骑行时的目标加速度信号和目标角速度信号之后，所述方法还包括：
根据所述目标加速度信号确定所述用户骑行时的第二路面特征。
4.根据权利要求3所述的方法，其特征在于，所述根据所述目标加速度信号确定第二路面特征，包括：
获取预先存储的所述用户在站立或步行时的加速度信号；
根据所述用户在站立或步行时的加速度信号确定重力向量所在的方向；
根据所述用户在站立或步行时的加速度信号，以及所述目标加速度信号确定所述用户骑行时的第一加速度向量的方向；
根据所述第一加速度向量的方向以及所述重力向量所在的方向确定所述第二路面特征。
5.根据权利要求4所述的方法，其特征在于，在根据所述第一加速度向量的方向以及所述重力向量的方向确定所述第二路面特征之后，所述方法还包括：
构建三维坐标系，其中，所述三维坐标系中的X轴表示骑行时的水平方向，Y轴表示所述重力向量的反方向，Z轴表示角速度的方向，所述角速度的方向由所述目标角速度信号确定；
根据所述第一加速度向量和所述三维坐标系确定所述第二路面特征对应的骑行轨迹。
6.根据权利要求1～5任一项所述的方法，其特征在于，所述方法还包括：
获取所述用户骑行时的阻力和骑行速度；
根据所述阻力和所述骑行速度计算所述用户的骑行功率。
7.根据权利要求6所述的方法，其特征在于，所述获取所述用户骑行时的阻力包括：
获取风速、风向以及所述用户的体重；
根据所述风速、所述风向以及所述用户的体重确定所述用户骑行时的阻力。
8.根据权利要求7所述的方法，其特征在于，所述方法还包括：
获取所述用户骑行时的心率信息；
根据所述用户骑行时的心率信息和预设计算公式确定所述用户骑行时所消耗的能量。
9.根据权利要求8所述的方法，其特征在于，所述方法还包括：
根据所述骑行功率计算所述用户骑行时所做的功；
根据所述用户骑行时所做的功以及所述用户骑行所消耗的能量计算所述用户骑行时的骑行效率。
10.根据权利要求9所述的方法，其特征在于，所述方法还包括：
获取预设骑行数据；
根据所述预设骑行数据、所述骑行效率、所述骑行功率、所述踏频特征以及所述足部姿态特征生成骑行指导建议。
11.根据权利要求10所述的方法，其特征在于，所述方法还包括：
根据所述骑行指导建议生成对应的文字提示、语音提示或者振动提示中的至少一项。
12.一种电子设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1～11任一项所述的方法。
13.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1～11任一项所述的方法。
CN202010675334.4A 2020-07-14 2020-07-14 骑行检测方法、电子设备及计算机可读存储介质 Active CN114004247B (zh)

Priority Applications (5)

Application Number Priority Date Filing Date Title
CN202011499488.9A CN112504295B (zh) 2020-07-14 2020-07-14 骑行检测方法、电子设备及计算机可读存储介质
CN202010675334.4A CN114004247B (zh) 2020-07-14 2020-07-14 骑行检测方法、电子设备及计算机可读存储介质
EP21841271.6A EP4122559B1 (en) 2020-07-14 2021-03-24 Cycling detection method, electronic device, and computer readable storage medium
PCT/CN2021/082617 WO2022012079A1 (zh) 2020-07-14 2021-03-24 骑行检测方法、电子设备及计算机可读存储介质
US17/923,882 US20230271059A1 (en) 2020-07-14 2021-03-24 Cycling detection method, electronic device and computer-readable storage medium

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010675334.4A CN114004247B (zh) 2020-07-14 2020-07-14 骑行检测方法、电子设备及计算机可读存储介质

Related Child Applications (1)

Application Number Title Priority Date Filing Date
CN202011499488.9A Division CN112504295B (zh) 2020-07-14 2020-07-14 骑行检测方法、电子设备及计算机可读存储介质

Publications (2)

Publication Number Publication Date
CN114004247A true CN114004247A (zh) 2022-02-01
CN114004247B CN114004247B (zh) 2022-11-01

Family

ID=74921641

Family Applications (2)

Application Number Title Priority Date Filing Date
CN202010675334.4A Active CN114004247B (zh) 2020-07-14 2020-07-14 骑行检测方法、电子设备及计算机可读存储介质
CN202011499488.9A Active CN112504295B (zh) 2020-07-14 2020-07-14 骑行检测方法、电子设备及计算机可读存储介质

Family Applications After (1)

Application Number Title Priority Date Filing Date
CN202011499488.9A Active CN112504295B (zh) 2020-07-14 2020-07-14 骑行检测方法、电子设备及计算机可读存储介质

Country Status (4)

Country Link
US (1) US20230271059A1 (zh)
EP (1) EP4122559B1 (zh)
CN (2) CN114004247B (zh)
WO (1) WO2022012079A1 (zh)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114004247B (zh) * 2020-07-14 2022-11-01 荣耀终端有限公司 骑行检测方法、电子设备及计算机可读存储介质
TWI790900B (zh) * 2022-01-17 2023-01-21 志合訊息股份有限公司 模擬騎行的速度生成方法
US12102872B1 (en) * 2022-02-10 2024-10-01 Bryan L. Striemer Apparatus and method for monitoring and improving athletic performance
CN114694799B (zh) * 2022-04-01 2024-10-18 Oppo广东移动通信有限公司 数据处理方法、装置、电子设备及存储介质
CN114859070B (zh) * 2022-04-25 2023-08-04 青岛迈金智能科技股份有限公司 一种速度获取方法、装置、电子设备及存储介质
CN115230858B (zh) * 2022-07-25 2023-07-14 常州洪邦新能源技术有限公司 一种整车姿态关联系统功率辅助方法

Citations (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105021208A (zh) * 2013-11-15 2015-11-04 吕俊逸 一种脚环及其运作方法
CN105030260A (zh) * 2015-07-27 2015-11-11 深圳市豪恩声学股份有限公司 运动状态判断方法及脚部穿戴物
CN105183158A (zh) * 2015-08-31 2015-12-23 小米科技有限责任公司 踏频监测方法及装置
CN105528613A (zh) * 2015-11-30 2016-04-27 南京邮电大学 一种基于智能手机gps速度与加速度数据的行为识别方法
CN106161456A (zh) * 2016-07-25 2016-11-23 维沃移动通信有限公司 一种骑行数据的监控方法及移动终端
CN106933342A (zh) * 2015-12-31 2017-07-07 北京数码视讯科技股份有限公司 体感系统、体感控制设备以及智能电子设备
CN107239147A (zh) * 2017-07-12 2017-10-10 广州阿路比电子科技有限公司 一种基于可穿戴设备的人体情境感知方法、装置及系统
CN107948933A (zh) * 2017-11-14 2018-04-20 中国矿业大学 一种基于智能手机动作识别的共享单车定位方法
CN108426577A (zh) * 2018-05-02 2018-08-21 千寻位置网络有限公司 基于可穿戴设备的辅助骑行增强定位的方法和装置
CN108634960A (zh) * 2018-05-11 2018-10-12 浙江大学 一种用于外骨骼穿戴者的步态在线检测方法
CN208065167U (zh) * 2017-10-24 2018-11-09 北京淳浩科技有限公司 一种多功能足部穿戴装置
CN109009142A (zh) * 2018-07-06 2018-12-18 歌尔科技有限公司 跑步姿势判定方法、系统、智能穿戴设备及存储介质
CN109276869A (zh) * 2018-06-29 2019-01-29 惠州市德赛工业研究院有限公司 一种基于智能穿戴设备的户外骑行的监测方法及系统
CN109795592A (zh) * 2019-01-30 2019-05-24 武汉齐物科技有限公司 骑行姿势识别方法及应用装置
CN109886068A (zh) * 2018-12-20 2019-06-14 上海至玄智能科技有限公司 基于运动数据的动作行为识别方法
WO2019196106A1 (zh) * 2018-04-13 2019-10-17 华为技术有限公司 一种计算单车踏频的方法、穿戴设备及存储介质
CN111044072A (zh) * 2019-12-31 2020-04-21 重庆金康特智能穿戴技术研究院有限公司 基于智能穿戴设备的人体运动状态判断方法和计步方法

Family Cites Families (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6312846B2 (ja) * 2014-02-26 2018-04-18 コーニンクレッカ フィリップス エヌ ヴェＫｏｎｉｎｋｌｉｊｋｅ Ｐｈｉｌｉｐｓ Ｎ．Ｖ． サイクリングケイデンスを測定するデバイス
JP2016032610A (ja) * 2014-07-31 2016-03-10 セイコーエプソン株式会社 運動解析システム、運動解析装置、運動解析プログラム及び運動解析方法
US20170050080A1 (en) * 2015-08-19 2017-02-23 Seiko Epson Corporation Pedaling measurement apparatus, pedaling measurement system, pedaling measurement method, and recording medium
US20170138807A1 (en) * 2015-11-18 2017-05-18 Ncku Research And Development Foundation Method of measuring motion power and resistance coefficient of bicycle
CN106139563B (zh) * 2016-07-15 2019-02-26 深圳市智慧交通有限公司 一种矫正骑行的方法和系统
CN106644208B (zh) * 2017-01-05 2019-06-14 武汉齐物科技有限公司 一种骑行能力分析系统及分析方法
JP6686985B2 (ja) * 2017-08-03 2020-04-22 カシオ計算機株式会社 軌跡推定装置、軌跡推定方法及び軌跡推定プログラム
CN110411440B (zh) * 2018-04-27 2021-10-26 百度在线网络技术（北京）有限公司 一种道路采集方法、装置、服务器及存储介质
CN108703760A (zh) * 2018-06-15 2018-10-26 安徽中科智链信息科技有限公司 基于九轴传感器的人体运动姿态识别系统及方法
US11117635B2 (en) * 2018-10-03 2021-09-14 Motion Instruments Inc. System for balancing dampening forces on a suspension system
TWI704528B (zh) * 2018-10-08 2020-09-11 財團法人資訊工業策進會 騎乘姿勢分析系統與方法
US20200143237A1 (en) * 2018-11-07 2020-05-07 Ford Global Technologies, Llc Detection of vehicle riding behavior and corresponding systems and methods
CN110084286A (zh) * 2019-04-10 2019-08-02 武汉理工大学 一种基于传感器的ecoc技术的人体动作识别方法
CN210302323U (zh) * 2019-06-03 2020-04-14 施云生 一种带有姿态传感器的户外骑行设备
CN110245718A (zh) * 2019-06-21 2019-09-17 南京信息工程大学 一种基于联合时域频域特征的人体行为识别方法
CN110263870B (zh) * 2019-06-26 2023-04-18 深圳市悦动天下科技有限公司 运动状态识别方法、装置、智能终端和存储介质
CN114004247B (zh) * 2020-07-14 2022-11-01 荣耀终端有限公司 骑行检测方法、电子设备及计算机可读存储介质

Patent Citations (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105021208A (zh) * 2013-11-15 2015-11-04 吕俊逸 一种脚环及其运作方法
CN105030260A (zh) * 2015-07-27 2015-11-11 深圳市豪恩声学股份有限公司 运动状态判断方法及脚部穿戴物
CN105183158A (zh) * 2015-08-31 2015-12-23 小米科技有限责任公司 踏频监测方法及装置
CN105528613A (zh) * 2015-11-30 2016-04-27 南京邮电大学 一种基于智能手机gps速度与加速度数据的行为识别方法
CN106933342A (zh) * 2015-12-31 2017-07-07 北京数码视讯科技股份有限公司 体感系统、体感控制设备以及智能电子设备
CN106161456A (zh) * 2016-07-25 2016-11-23 维沃移动通信有限公司 一种骑行数据的监控方法及移动终端
CN107239147A (zh) * 2017-07-12 2017-10-10 广州阿路比电子科技有限公司 一种基于可穿戴设备的人体情境感知方法、装置及系统
CN208065167U (zh) * 2017-10-24 2018-11-09 北京淳浩科技有限公司 一种多功能足部穿戴装置
CN107948933A (zh) * 2017-11-14 2018-04-20 中国矿业大学 一种基于智能手机动作识别的共享单车定位方法
WO2019196106A1 (zh) * 2018-04-13 2019-10-17 华为技术有限公司 一种计算单车踏频的方法、穿戴设备及存储介质
CN108426577A (zh) * 2018-05-02 2018-08-21 千寻位置网络有限公司 基于可穿戴设备的辅助骑行增强定位的方法和装置
CN108634960A (zh) * 2018-05-11 2018-10-12 浙江大学 一种用于外骨骼穿戴者的步态在线检测方法
CN109276869A (zh) * 2018-06-29 2019-01-29 惠州市德赛工业研究院有限公司 一种基于智能穿戴设备的户外骑行的监测方法及系统
CN109009142A (zh) * 2018-07-06 2018-12-18 歌尔科技有限公司 跑步姿势判定方法、系统、智能穿戴设备及存储介质
CN109886068A (zh) * 2018-12-20 2019-06-14 上海至玄智能科技有限公司 基于运动数据的动作行为识别方法
CN109795592A (zh) * 2019-01-30 2019-05-24 武汉齐物科技有限公司 骑行姿势识别方法及应用装置
CN111044072A (zh) * 2019-12-31 2020-04-21 重庆金康特智能穿戴技术研究院有限公司 基于智能穿戴设备的人体运动状态判断方法和计步方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
王永雄等: "基于惯导信息的人体动作和路况识别", 《生物医学工程学杂志》 *

Also Published As

Publication number Publication date
EP4122559B1 (en) 2024-07-03
CN114004247B (zh) 2022-11-01
EP4122559A1 (en) 2023-01-25
US20230271059A1 (en) 2023-08-31
WO2022012079A1 (zh) 2022-01-20
EP4122559A4 (en) 2023-08-09
CN112504295B (zh) 2022-04-12
CN112504295A (zh) 2021-03-16

Similar Documents

Publication Publication Date Title
CN112504295B (zh) 骑行检测方法、电子设备及计算机可读存储介质
CN105706093B (zh) 用于生物特征数据的具有双向通信的远程无线显示
KR102564269B1 (ko) 생체 정보를 이용하여 운동 정보를 제공하기 위한 전자 장치 및 그의 동작 방법
US9656119B2 (en) Exercise information display system, exercise information display method, and computer-readable storage medium having exercise information display program stored thereon
CN104919391B (zh) 计算接口系统
JP6539272B2 (ja) コンピュータにより実現される方法、非一時的かつコンピュータが読み取り可能な媒体、および単一装置
EP2407217A2 (en) Analyzing physiological state for fitness exercise
CN104007844B (zh) 电子设备和用于电子设备的可穿戴式输入装置
TWI638280B (zh) 自動配置感測器的方法、電子設備及記錄媒體
KR20160054325A (ko) 맞춤형 개인 트레이닝 관리 시스템 및 방법
US20140172132A1 (en) Sensor data extraction system, sensor data extraction method, and computer-readable storage medium having sensor data extraction program stored thereon
WO2016044831A1 (en) Methods and apparatus for power expenditure and technique determination during bipedal motion
WO2017024177A1 (en) Immersive virtual reality locomotion using head-mounted motion sensors
WO2016092912A1 (ja) プログラム及び情報処理システム
KR20130080461A (ko) 운동용 시계
CN106705989B (zh) 记步方法、设备及终端
US20190076063A1 (en) Systems and methods of ski activity detection
GB2588261A (en) Apparatus, use of the apparatus and arrangement
WO2015152921A1 (en) Calibration of a primary pedometer device using a secondary pedometer device
CN113457106B (zh) 一种跑步姿态检测方法与穿戴设备
US20240119860A1 (en) Method and device for retrieving biomechanical parameters of a stride
Eriksson et al. Improving running mechanics by use of interactive sonification
CN106055223B (zh) 电子装置与其显示控制方法
CN214344200U (zh) 一种人体肢体运动和器械运动模拟声音增强运动能力装置
CN206524180U (zh) 一种多功能智能乐器

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
REG Reference to a national code

Ref country code: HK

Ref legal event code: DE

Ref document number: 40069648

Country of ref document: HK

GR01 Patent grant
GR01 Patent grant