CN114912065A - 运动距离的计算方法、装置、可穿戴设备及介质 - Google Patents

Abstract

本发明实施例提出一种运动距离的计算方法、相关装置及存储介质。方法部分包括：从历史运动数据中获取用户符合预设条件的至少两组运动数据，所述运动数据包括用户输入的实际运动距离；根据所述至少两组运动数据，对所述运动数据进行特征提取，得到至少两组特征信息；基于所述至少两组特征信息，确定所述用户的第一运动系数和第二运动系数；根据用户当前运动的一组特征信息、所述第一运动系数及第二运动系数，确定用户的运动距离。本申请的实施例通过对根据历史运动数据确定所述用户的第一运动系数和第二运动系数，根据用户当前运动的一组特征信息、所述第一运动系数及第二运动系数，确定用户的运动距离，以此来提高测量运动距离的精度。

Description

运动距离的计算方法、装置、可穿戴设备及介质

技术领域

本发明涉及运动距离计算的技术领域，特别是涉及一种运动距离的计算方法、装置、可穿戴设备及计算机可读存储介质。

背景技术

随着人们对日常健康状态的关注，智能穿戴设备迅速发展，尤其是智能手环，因其佩戴方便等因素最为人们喜爱。智能手环一般有计步功能，越来越多的人们喜欢通过步数来监测自己每一天的步数和距离。但是，现有的距离算法大部分是通过个人信息和步频来简单预测出每一步的大致步幅，存在很大的误差。

发明内容

有鉴于此，本申请的目的在于提供一种运动距离的计算方法、装置、可穿戴设备及计算机可读存储介质，以检测用户运动的距离。该方法根据历史运动数据确定所述用户的第一运动系数和第二运动系数，根据用户当前运动的一组特征信息、所述第一运动系数及第二运动系数，确定用户的运动距离，通过对表征个人运动特征明显的运动系数进行修改，以此来提高测量运动距离的精度。

本申请第一方面，提供了一种运动距离的计算方法，所述方法包括：从历史运动数据中获取用户符合预设条件的至少两组运动数据，所述运动数据包括用户输入的实际运动距离；根据所述至少两组运动数据，对所述运动数据进行特征提取，得到至少两组特征信息；基于所述至少两组特征信息，确定所述用户的第一运动系数和第二运动系数；根据用户当前运动的一组特征信息、所述第一运动系数及第二运动系数，确定用户的运动距离。

在一种可能实现方式中，所述两组信息中的每组特征信息包括第一特征、第二特征、第三特征和第四特征；所述当前运动的一组特征信息包括第一特征、第二特征和第三特征。

在一种可能实现方式中，所述第一特征、第二特征、第三特征和第四特征依次为步数秒级特征、步频特征、常数项和实际运动距离。

在一种可能实现方式中，所述基于所述至少两组特征信息，确定所述用户的第一运动系数和第二运动系数，包括：对所述运动数据进行步数秒级特征提取、步频特征提取、常数项提取和实际运动距离提取；基于步数秒级特征、步频特征、常数项和实际运动距离，构建二元一次方程组，求解所述方程组得到第一运动系数和第二运动系数。

在一种可能实现方式中，基于步数秒级特征、步频特征、常数项和实际运动距离，构建二元一次方程组，包括：根据所述历史数据中最近一次的运动数据构建第一方程式，根据前若干次的运动数据构建第二方程式；所述第一方程式和第二方程式均为二元一次方程；将所述第一方程式和第二方程式组成二元一次方程组。

在一种可能实现方式中，所述对所述运动数据进行步数秒级特征提取、步频特征提取、常数项提取和实际运动距离提取，包括：对一次运动中的每秒产生步数进行求和，得到第一特征，第一特征feature1的计算公式如下：

对一次运动中每秒产生步数*每秒变换步频进行求和得到第二特征，第二特征feature2的计算公式如下：

根据下式计算第三特征：

在用户结束一次运动的时候，保存用户输入的真实里程作为第四特征，计算公式如下：feature4＝input_distance。

在一种可能实现方式中，在所述从历史运动数据中获取用户符合预设条件的至少两组运动数据之前，还包括：对运动数据的有效性进行判断，当运动数据的总步数大于N步，且用户输入的实际运动距离大于L米，则判定有效，否则无效。

本申请第二方面，提供了一种运动距离的计算装置，所述装置包括：获取模块，被配置为从历史运动数据中获取用户符合预设条件的至少两组运动数据，所述运动数据包括用户输入的实际运动距离；特征提取模块，被配置为根据所述至少两组运动数据，对所述运动数据进行特征提取，得到至少两组特征信息；第一确定模块，被配置为基于所述至少两组特征信息，确定所述用户的第一运动系数和第二运动系数；第二确定模块，被配置为根据用户当前运动的一组特征信息、所述第一运动系数及第二运动系数，确定用户的运动距离。

在一种可能实现方式中，所述特征提取模块包括：特征提取单元，被配置为对所述运动数据进行步数秒级特征提取、步频特征提取、常数项提取和实际运动距离提取。

在一种可能实现方式中，所述第一确定模块包括：

确定单元，被配置为基于步数秒级特征、步频特征、常数项和实际运动距离，构建二元一次方程组，求解所述方程组得到第一运动系数和第二运动系数。

在一种可能实现方式中，所述确定单元包括：

构建子单元，被配置为根据所述历史数据中最近一次的运动数据构建第一方程式，根据前若干次的运动数据构建第二方程式；所述第一方程式和第二方程式均为二元一次方程；

组成子单元，被配置为将所述第一方程式和第二方程式组成二元一次方程组。

在一种可能实现方式中，所述特征提取单元，包括：第一特征提取子单元，被配置为对一次运动中的每秒产生步数进行求和，得到第一特征，第一特征feature1的计算公式如下：

第二特征提取子单元，被配置为对一次运动中每秒产生步数*每秒变换步频进行求和得到第二特征，第二特征feature2的计算公式如下：

第三特征提取子单元，被配置为根据下式计算第三特征：

第四特征提取子单元，被配置为在用户结束一次运动的时候，保存用户输入的真实里程作为第四特征，计算公式如下：feature4＝input_distance。

本申请第三方面，提供了一种电子设备，包括处理器和存储器，所述存储器存储有能够被所述处理器执行的计算机程序，所述计算机程序被所述处理器执行时实现前述任一项所述的方法。

本申请第四方面，提供了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时实现如前述任一项所述的方法。

本申请提供的其中一个方案中，包括：从历史运动数据中获取用户符合预设条件的至少两组运动数据，所述运动数据包括用户输入的实际运动距离；根据所述至少两组运动数据，对所述运动数据进行特征提取，得到至少两组特征信息；基于所述至少两组特征信息，确定所述用户的第一运动系数和第二运动系数；根据用户当前运动的一组特征信息、所述第一运动系数及第二运动系数，确定用户的运动距离。本申请的实施例通过对根据历史运动数据确定所述用户的第一运动系数和第二运动系数，根据用户当前运动的一组特征信息、所述第一运动系数及第二运动系数，确定用户的运动距离，通过对表征个人运动特征明显的运动系数进行修改，以此来提高测量运动距离的精度。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。

图1为本申请实施例提供的一种运动距离的计算方法的流程示意图；

图2为本申请实施例提供的一种运动距离的计算装置的示意图；

图3为本申请实施例提供的一种穿戴设备的模块示意图。

具体实施方式

下面将结合本发明实施例中附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。

因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。

需要说明的是，术语“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

请参见图1，图1给出了一种运动距离的计算方法的流程示意图，包括：

S101：从历史运动数据中获取用户符合预设条件的至少两组运动数据，所述运动数据包括用户输入的实际运动距离。

其中，在一种可能实现方式中，所述两组信息中的每组特征信息包括第一特征、第二特征、第三特征和第四特征。

具体地，所述第一特征、第二特征、第三特征和第四特征依次为步数秒级特征、步频特征、常数项和实际运动距离。

在一种可能实现方式中，在S101之前，还包括如下步骤：对运动数据的有效性进行判断，当运动数据的总步数大于N步，且用户输入的实际运动距离大于L米，则判定有效，否则无效；若判定有效，则对应保存运动数据。例如，N为1000，L为400。关于N和L可根据实际需要进行设置，在此不作限定。

S102：根据所述至少两组运动数据，对所述运动数据进行特征提取，得到至少两组特征信息。

在一种可能实现方式中，S102具体包括：

S201：对所述运动数据进行步数秒级特征提取、步频特征提取、常数项提取和实际运动距离提取。

作为本发明的一个实施例，S201具体可包括：

对一次运动中的每秒产生步数进行求和，得到第一特征，第一特征feature1的计算公式如下：

对一次运动中每秒产生步数*每秒变换步频进行求和得到第二特征，第二特征feature2的计算公式如下：

根据下式计算第三特征：

在用户结束一次运动的时候，保存用户输入的真实里程作为第四特征，计算公式如下：feature4＝input_distance。

S103：基于所述至少两组特征信息，确定所述用户的第一运动系数和第二运动系数。

在一种可能实现方式中，S103具体包括：

S301：基于步数秒级特征、步频特征、常数项和实际运动距离，构建二元一次方程组，求解所述方程组得到第一运动系数和第二运动系数。

对于S301，在一种可能实现方式中，基于步数秒级特征、步频特征、常数项和实际运动距离，构建二元一次方程组，包括：

S401：根据所述历史数据中最近一次的运动数据构建第一方程式，根据前若干次的运动数据构建第二方程式；所述第一方程式和第二方程式均为二元一次方程。

S402：将所述第一方程式和第二方程式组成二元一次方程组。

S104：根据用户当前运动的一组特征信息、所述第一运动系数及第二运动系数，确定用户的运动距离。

其中，所述当前运动的一组特征信息包括第一特征、第二特征和第三特征。

在本步骤中，根据根据用户当前运动的一组特征信息、所述第一运动系数及第二运动系数，计算用户的运动距离，即用户当前运动的距离。

本申请提供的其中一个方案中，包括：从历史运动数据中获取用户符合预设条件的至少两组运动数据，所述运动数据包括用户输入的实际运动距离；根据所述至少两组运动数据，对所述运动数据进行特征提取，得到至少两组特征信息；基于所述至少两组特征信息，确定所述用户的第一运动系数和第二运动系数；根据用户当前运动的一组特征信息、所述第一运动系数及第二运动系数，确定用户的运动距离。本申请的实施例通过对根据历史运动数据确定所述用户的第一运动系数和第二运动系数，根据用户当前运动的一组特征信息、所述第一运动系数及第二运动系数，确定用户的运动距离，通过对表征个人运动特征明显的运动系数进行修改，以此来提高测量运动距离的精度。

为了详细阐述，下面举一个具体的例子来说明。假设应用场景在可穿戴设备。在运动模式结束的时候，通过对运动数据进行有效性判断，将四个运动特征，即第一运动特征、第二运动特征、第三运动特征和第四运动特征保存于可穿戴设备的flash中，不同的走跑模式分开保存，并记录历史运动数据的次数。

在运动模式开始的时候，根据进入的运动模式，从可穿戴设备的flash中，读取相应运动模式的历史数据特征，供校准运动系数使用。对于一次运动来说，距离计算公式如下：

其中，

其中x为步频系数，y为截距。即总运动距离为每秒距离的累计和，而每秒距离等于每秒产生的步数*每秒预测的步幅。

上诉公式可简化为：

feature4-feature3＝feature2*x+feature1*y①

其中，x为步频系数，y为截距。

使用最近一次(第n次)运动的四个运动特征，作为1个方程式。方程式如下：

feature4(n)-feature3(n)＝feature2(n)*x+feature1(n)*y

使用其他几次(n-1次)运动的四个运动特征中的每一个运动特征的和作为1个方程式，将其他几次运动看成一次运动的不同阶段。

feature1(other)＝feature1(1)+feature1(2)+...+feature1(n-1)

feature2(other)＝feature2(1)+feature2(2)+...+feature2(n-1)

feature3(other)＝feature3(1)+feature3(2)+...+feature3(n-1)

feature4(other)＝feature4(1)+feature4(2)+...+feature4(n-1)

其中，feature1(1)为第一次历史运动的feature1，feature1(2)为第二次历史运动的feature1；依次类推……。同理，feature1(n-1)为第n-1次的历史运动的feature1。

feature4(other)-feature3(other)＝feature2(other)*x+feature1(other)*y②

联立①②方程式，再解二元一次方程组。

通过公式法重新计算步频系数，并重新计算截距。计算过程如下：

a1*x+b1*y＝c1

a2*x+b2*y＝c2

其中a1＝feature2(n)，b1＝feature1(n)，c1＝feature4(n)-feature3(n)。

a2＝feature2(other)，b2＝feature1(other)，c2＝feature4(other)-feature3(other)。公式如下：

第1次运动和第2次运动的运动距离测量不采用本发明实施例的计算方法，第3次运动对第一运动系数和第二运动系数进行重新确定，即确定用户的步频系数和截距。

步频系数和截距的计算过程如下，构建二元一次方程组如下：

0.4*100000-1567.50855732＝3510*x+463*y

0.4*100000-1577.6652002399999＝4842*x+456*y

对上述二元一次方程组进行求解，计算得出：x＝-0.131212935,y＝84.5703735。故第3次运动的运动距离的计算结果为：

455*84.5703735+-0.131212935*4170+1540.4241762≈39472，单位：cm。

本发明的另外一个实施例，参考图2，提供了一种运动距离的计算装置20，计算装置包括20：获取模块210，被配置为从历史运动数据中获取用户符合预设条件的至少两组运动数据，所述运动数据包括用户输入的实际运动距离；特征提取模块220，被配置为根据所述至少两组运动数据，对所述运动数据进行特征提取，得到至少两组特征信息；第一确定模块230，被配置为基于所述至少两组特征信息，确定所述用户的第一运动系数和第二运动系数；第二确定模块240，被配置为根据用户当前运动的一组特征信息、所述第一运动系数及第二运动系数，确定用户的运动距离。

在一种可能实现方式中，特征提取模块220包括：特征提取单元，被配置为对所述运动数据进行步数秒级特征提取、步频特征提取、常数项提取和实际运动距离提取。

在一种可能实现方式中，第一确定模块230包括：

确定单元，被配置为基于步数秒级特征、步频特征、常数项和实际运动距离，构建二元一次方程组，求解所述方程组得到第一运动系数和第二运动系数。

在一种可能实现方式中，所述确定单元包括：

构建子单元，被配置为根据所述历史数据中最近一次的运动数据构建第一方程式，根据前若干次的运动数据构建第二方程式；所述第一方程式和第二方程式均为二元一次方程；

组成子单元，被配置为将所述第一方程式和第二方程式组成二元一次方程组。

在一种可能实现方式中，所述特征提取单元，包括：第一特征提取子单元，被配置为对一次运动中的每秒产生步数进行求和，得到第一特征，第一特征feature1的计算公式如下：

第二特征提取子单元，被配置为对一次运动中每秒产生步数*每秒变换步频进行求和得到第二特征，第二特征feature2的计算公式如下：

第三特征提取子单元，被配置为根据下式计算第三特征：

第四特征提取子单元，被配置为在用户结束一次运动的时候，保存用户输入的真实里程作为第四特征，计算公式如下：feature4＝input_distance。

请参见图3，本申请还提供了一种穿戴设备100的结构示意图，该穿戴设备100用于执行本申请提供的一种运动距离的计算方法的计算方案，相应的步骤以及有益效果请参见上述进行理解，此处不再赘述。该穿戴设备100可以是智能手表、智能手环等带有显示屏的智能设备。

如图3所示，可穿戴设备100可以包括一个或多个处理器101、存储器102、通信模块103、传感器模块104、显示屏105、音频模块106、扬声器107、麦克风108、相机模块109、马达110、按键111、指示器112、电池113、电源管理模块114。这些部件可以通过一条或多条通信总线或信号线来进行通信。

处理器101是信息处理、程序运行的最终执行单元，可以运行操作系统或应用程序，以执行可穿戴设备100的各种功能应用以及数据处理。处理器101可以包括一个或多个处理单元，例如：处理器101可以包括中央处理器(central processingunit，CPU)、图形处理单元(Graphics Processing Unit,GPU)、图像信号处理器(Image Signal Processing，ISP)、传感器中枢处理器或通信处理器(Central Processor，CP)应用处理器(ApplicationProcessor，AP)等等。在一些实施例中，处理器101可以包括一个或多个接口。接口用于将外围设备耦接到处理器101，以传输处理器101与外围设备之间的指令或者数据。在本申请实施例中，处理器101还用于识别加速度传感器和陀螺仪传感器采集的运动数据所对应的目标运动类型，例如，走/跑/骑/游等。具体地，处理器101将接收到的运动数据对应的运动波形特征与目标运动类型对应的运动波形特征作比对，以此来识别运动数据所对应的目标运动类型，处理器101还用于判断在预设时间段内的运动数据是否均满足目标运动类型关联的预设运动强度要求，当判断出运动数据在预设时间段内均满足目标运动类型关联的预设运动强度要求时，处理器101控制开启与目标运动类型关联的传感器组。

存储器102可以用于存储计算机可执行程序代码，可执行程序代码包括指令。存储器102可以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。存储数据区可存储可穿戴设备100使用过程中所创建的数据，例如用户每次运动的运动参数，如步数、步幅、配速、心率、血氧、血糖浓度、能量消耗(卡路里)等。存储器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，通用闪存存储器(universalflash storage，UFS)等。在本申请实施例中，存储器102能够存储走、跑、骑、游等目标运动所对应的传感器波形规律特性数据。

通信模块103可支持可穿戴设备100通过无线通信技术与网络以及移动终端通信。通信模块103将电信号转换为电磁信号进行发送，或者将接收到的电磁信号转换为电信号。通信模块103可以包括蜂窝移动通信模块、短距离无线通信模块、无线互联网模块、位置信息模块中的一个或者多个。移动通信模块可以基于移动通信的技术标准发送或接收无线信号，可以使用任一移动通信标准或协议，包括但不限于全球移动通信系统(GSM)、码分多址(CDMA)、码分多址2000(CDMA2000)、宽带CDMA(WCDMA)、时分同步码分多址(TD-SCDMA)、长期演进(LTE)、LTE-A(高级长期演进)等。无线互联网模块可以根据无线互联网技术经由通信网络发送或接收无线信号，包括无线LAN(WLAN)、无线保真(Wi-Fi)、Wi-Fi直连、数字生活网络联盟(DLNA)、无线宽带(WiBro)等。短距离无线通信模块可根据短距离通信技术进行发送或接收无线信号，这些技术包括蓝牙、射频识别(RFID)、红外数据通讯(IrDA)、超宽带(UWB)、ZigBee、近场通信(NFC)、无线保真(Wi-Fi)、Wi-Fi直连、无线USB(无线通用串行总线)等。位置信息模块可以基于全球导航卫星系统(GNSS)获取可穿戴设备的位置，全球导航卫星系统(GNSS)可以包括全球定位系统(GPS)、全球卫星导航系统(Glonass)、北斗卫星导航系统和伽利略卫星导航系统中的一个或多个。

传感器模块104用于测量物理量或检测可穿戴设备100的操作状态。传感器模块104可以包括加速度传感器104A、陀螺仪传感器104B、气压传感器104C、磁传感器104D、生物特征传感器104E、接近传感器104F、环境光传感器104G、触摸传感器104H等。传感器模块104还可以包括控制电路，以用于控制包括在传感器模块104中的一个或多个传感器。

其中，加速度传感器104A可检测可穿戴设备100在各个方向上的加速度大小。当可穿戴设备100静止时可检测出重力的大小及方向。还可以用于识别可穿戴设备100的姿态，应用于横竖屏切换，计步器等应用。在一种实施方式中，加速度传感器104A可以和陀螺仪传感器104B结合起来用于监测用户在运动过程中的步幅、步频及配速等。

陀螺仪传感器104B可以用于确定可穿戴设备100的运动姿态。在一些实施例中，可以通过陀螺仪传感器104B确定可穿戴设备100围绕三个轴(即，x，y和z轴)的角速度。

气压传感器104C用于测量气压。在一些实施例中，可穿戴设备100通过气压传感器104C测得的气压值计算海拔高度，辅助定位和导航。

GPS传感器104D可以用于记录用户活动轨迹以确定用户位置。

生物特征传感器104E用于测量用户的生理参数，包括但不限于光电容积脉搏波(Photoplethysmography，PPG)传感器、ECG传感器、EMG传感器、血糖传感器、温度传感器。例如可穿戴设备100可以通过光电容积脉搏波传感器和/或ECG传感器的信号测量用户的心率、血氧、血压数据，基于血糖传感器产生的数据识别用户的血糖值。在本申请实施例中，PPG传感器用于检测用户的心率，具体来讲，PPG传感器在开启之后能够持续检测与用户心率相关的信号数据并传到处理器101，再由处理器101通过心率算法计算出心率值。在本申请实施例中，温度传感器用于检测用户腕部皮肤的第一温度，具体地，温度传感器在开启后能够持续获取用户腕部皮肤的温度数据并传输至处理器101，再由处理器101将温度传感器的电信号数据通过温度算法计算出对应的物理意义的温度值。

接近传感器104F用于在没有任何的物理接触时检测可穿戴设备100附近物体的存在。在一些实施例中，接近传感器104F可以包括发光二极管和光检测器。发光二极管可以是红外光，可穿戴设备100使用光检测器检测来自附近物体的反射光。当检测到反射光时，可以确定可穿戴设备100附近有物体。可穿戴设备100可以利用接近传感器104F检测其佩戴状态。

环境光传感器104G用于感知环境光亮度。在一些实施例中，可穿戴设备100可以根据感知的环境光亮度自适应调节显示屏亮度，以降低功耗。

触摸传感器104H用于检测作用于其上或附近的触摸操作，也称“触控器件”。触摸传感器104H可以设置于显示屏105，由触摸传感器104H与显示屏105组成触摸屏。

显示屏105用于显示图形用户界面(User Interface，UI)，图形用户界面可以包括图形、文本、图标、视频及其它们的任意组合。显示屏105可以是液晶显示屏(LiquidCrystal Display，液晶显示屏)、有机发光二极管(Organic Light-Emitting Diode，OLED)显示屏等。当显示屏105是触摸显示屏时，显示屏105能够采集在显示屏105的表面或表面上方的触摸信号，并将该触摸信号作为控制信号输入至处理器101。

音频模块106，扬声器107，麦克风108提供用户与可穿戴设备100之间的音频功能等，例如收听音乐或通话；又例如当可穿戴设备100接收来自移动终端的通知消息时，处理器101控制音频模块106输出预设的音频信号，扬声器107发出声音提醒用户。其中，音频模块106将接收到的音频数据转换为电信号发送至扬声器107，由扬声器107将电信号转换为声音；或者由麦克风108将声音转换为电信号发送至音频模块106，再由音频模块106将音频电信号转换为音频数据。

相机模块111用于捕获静态图像或视频。相机模块111可以包括图像传感器、图像信号处理器(ISP)和数字信号处理器(DSP)。图像传感器把光信号转换成电信号，图像信号处理器将电信号转换成数字图像信号，数字信号处理器将数字图像信号转换成标准格式(RGB、YUV)的图像信号。图像传感器可以是电荷耦合元件(charge coupled device，CCD)或金属氧化物半导体元件(complementary metal-oxide-semiconductor，CMOS)。

马达110可以将电信号转换为机械振动，以产生振动效果。马达110可以用于来电、消息的振动提示，也可以用于触摸振动反馈。按键109包括开机键，音量键等。按键109可以是机械按键(物理按钮)或者触摸式按键。指示器112用于指示可穿戴设备100的状态，例如用于指示充电状态、电量变化，也可以用于指示消息，未接来电，通知等。在一些实施例中，可穿戴设备100接收到来自移动终端应用的通知消息后，提供振动反馈。

电池113用于为可穿戴设备100的各个部件提供电力。电源管理模块114用于电池的充放电管理，以及监测电池容量，电池循环次数，电池健康状态(是否漏电，阻抗、电压、电流以及温度)等参数。在一些实施例中，电源管理模块114可以通过有线或者无线方式为电池充电。

应当理解，在一些实施例中，可穿戴设备100可由前述部件中的一个或多个组成，可穿戴设备100可以包括比图示更多或更少的部件，或者组合某些部件，或者拆分某些部件，或者不同的部件布置。图示的部件可以以硬件，软件或软件和硬件的组合实现。

应当理解，在一些实施例中，可穿戴设备可由前述部件中的一个或多个组成，可穿戴设备可以包括比图示更多或更少的部件，或者组合某些部件，或者拆分某些部件，或者不同的部件布置。图示的部件可以以硬件，软件或软件和硬件的组合实现。

本申请还提供了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时实现上述血氧数据的训练方法。

本申请还提供了一种计算机刻度存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述血氧数据的预测方法。

在本申请所提供的几个实施例中，应该理解到，所揭露的装置和方法，也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，附图中的流程图和框图显示了根据本发明的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现方式中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

另外，在本发明各个实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。

所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。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、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (11)

1.一种运动距离的计算方法，其特征在于，所述方法包括：

从历史运动数据中获取用户符合预设条件的至少两组运动数据，所述运动数据包括用户输入的实际运动距离；

根据所述至少两组运动数据，对所述运动数据进行特征提取，得到至少两组特征信息；

基于所述至少两组特征信息，确定所述用户的第一运动系数和第二运动系数；

根据用户当前运动的一组特征信息、所述第一运动系数及第二运动系数，确定用户的运动距离。

2.如权利要求1所述的运动距离的计算方法，其特征在于，所述两组信息中的每组特征信息包括第一特征、第二特征、第三特征和第四特征；所述当前运动的一组特征信息包括第一特征、第二特征和第三特征。

3.如权利要求2所述的运动距离的计算方法，其特征在于，所述第一特征、第二特征、第三特征和第四特征依次为步数秒级特征、步频特征、常数项和实际运动距离。

4.如权利要求3所述的运动距离的计算方法，其特征在于，所述根据所述至少两组运动数据，对所述运动数据进行特征提取，包括：

对所述运动数据进行步数秒级特征提取、步频特征提取、常数项提取和实际运动距离提取。

5.如权利要求3所述的运动距离的计算方法，其特征在于，所述基于所述至少两组特征信息，确定所述用户的第一运动系数和第二运动系数，包括：

基于步数秒级特征、步频特征、常数项和实际运动距离，构建二元一次方程组，求解所述方程组得到第一运动系数和第二运动系数。

6.如权利要求4所述的运动距离的计算方法，其特征在于，基于步数秒级特征、步频特征、常数项和实际运动距离，构建二元一次方程组，包括：

根据所述历史数据中最近一次的运动数据构建第一方程式，根据前若干次的运动数据构建第二方程式；所述第一方程式和第二方程式均为二元一次方程；

将所述第一方程式和第二方程式组成二元一次方程组。

7.如权利要求4所述的运动距离的计算方法，其特征在于，所述对所述运动数据进行步数秒级特征提取、步频特征提取、常数项提取和实际运动距离提取，包括：

对一次运动中的每秒产生步数进行求和，得到第一特征，第一特征feature1的计算公式如下：

对一次运动中每秒产生步数*每秒变换步频进行求和得到第二特征，第二特征feature2的计算公式如下：

根据下式计算第三特征：

在用户结束一次运动的时候，保存用户输入的真实里程作为第四特征，计算公式如下：

feature4＝input_distance。

8.如权利要求1所述的运动距离的计算方法，其特征在于，在所述从历史运动数据中获取用户符合预设条件的至少两组运动数据之前，还包括：

对运动数据的有效性进行判断，当运动数据的总步数大于N步，且用户输入的实际运动距离大于L米，则判定有效，否则无效。

9.一种运动距离的计算装置，其特征在于，所述装置包括：

获取模块，被配置为从历史运动数据中获取用户符合预设条件的至少两组运动数据，所述运动数据包括用户输入的实际运动距离；

特征提取模块，被配置为根据所述至少两组运动数据，对所述运动数据进行特征提取，得到至少两组特征信息；

第一确定模块，被配置为基于所述至少两组特征信息，确定所述用户的第一运动系数和第二运动系数；

第二确定模块，被配置为根据用户当前运动的一组特征信息、所述第一运动系数及第二运动系数，确定用户的运动距离。

10.一种电子设备，其特征在于，包括处理器和存储器，所述存储器存储有能够被所述处理器执行的计算机程序，所述计算机程序被所述处理器执行时实现如权利要求1-8中任一项所述的方法。

11.一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时实现如权利要求1-8中任一项所述的方法。

Images