CN115002710A - 运动监测方法及电子设备 - Google Patents
运动监测方法及电子设备 Download PDFInfo
- Publication number
- CN115002710A CN115002710A CN202210555513.3A CN202210555513A CN115002710A CN 115002710 A CN115002710 A CN 115002710A CN 202210555513 A CN202210555513 A CN 202210555513A CN 115002710 A CN115002710 A CN 115002710A
- Authority
- CN
- China
- Prior art keywords
- time
- motion
- signal sequence
- domain signal
- repetitive
- 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.)
- Pending
Links
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/30—Services specially adapted for particular environments, situations or purposes
- H04W4/38—Services specially adapted for particular environments, situations or purposes for collecting sensor information
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/10—Scheduling measurement reports ; Arrangements for measurement reports
Abstract
本申请公开了一种运动监测方法及电子设备,属于数据处理技术领域。所述方法包括:获取运动信号序列,对该运动信号序列进行短时傅里叶变换,以得到多个时间窗口对应的频域信号序列,基于该多个时间窗口对应的频域信号序列,确定频率为目标频率的时域信号序列,基于该时域信号序列,确定目标用户的多次重复运动中每次重复运动的开始时间和结束时间,基于运动信号序列、以及多次重复运动的开始时间与结束时间,确定每次重复运动的运动类型。本申请提供的方法无需佩戴可穿戴设备,也不会带来隐私安全的问题。通过对运动信号序列进行处理,进而确定目标用户每次重复运动的运动类型,达到对目标用户的运动进行监测的目的。
Description
技术领域
本申请涉及数据处理技术领域,特别涉及一种运动监测方法及电子设备。
背景技术
随着社会的进步和科技的发展,越来越多的用户通过运动来提高身体素质,并且使用各种方式监测运动,比如,监测运动次数、运动类型等等。
目前,进行运动监测的方法主要有两种。第一种方法是借助于可穿戴设备,通过该可穿戴设备内置的传感器可以监测用户的心率、速度等数据,基于该数据确定用户的运动情况。但在运动过程中佩戴可穿戴设备可能会使用户感到不舒适。第二种方法是借助于摄像头对整个运动过程进行拍摄,基于拍摄到的视频画面确定运动情况。但摄像头对拍摄环境的亮度要求较高,并且该方法需要获取用户运动过程的视频,可能存在隐私安全问题。
发明内容
本申请提供了一种运动监测方法及电子设备,可以对运动进行监测。所述技术方案如下:
一方面,提供了一种运动监测方法,应用于电子设备,所述电子设备位于目标用户的周围,且所述电子设备具备无线通信系统中的电磁波信号的接收功能,所述方法包括:
获取运动信号序列,所述运动信号序列是对时域运动信号进行降采样得到,所述时域运动信号是将所述电子设备在所述目标用户运动过程中接收到的电磁波信号进行转换得到;
对所述运动信号序列进行短时傅里叶变换,以得到多个时间窗口对应的频域信号序列;
基于所述多个时间窗口对应的频域信号序列,确定频率为目标频率的时域信号序列,所述目标频率是基于所述时间窗口内包含的采样点数量确定得到;
基于所述时域信号序列,确定所述目标用户的多次重复运动中每次重复运动的开始时间和结束时间;
基于所述运动信号序列、以及所述多次重复运动的开始时间与结束时间,确定每次重复运动的运动类型。
另一方面,提供了一种电子设备,所述电子设备位于目标用户的周围,且所述电子设备具备无线通信系统中的电磁波信号的接收功能,所述电子设备包括处理器,所述处理器用于:
获取运动信号序列,所述运动信号序列是对时域运动信号进行降采样得到,所述时域运动信号是将所述电子设备在所述目标用户运动过程中接收到的电磁波信号进行转换得到;
对所述运动信号序列进行短时傅里叶变换,以得到多个时间窗口对应的频域信号序列;
基于所述多个时间窗口对应的频域信号序列,确定频率为目标频率的时域信号序列,所述目标频率是基于所述时间窗口内包含的采样点数量确定得到;
基于所述时域信号序列,确定所述目标用户的多次重复运动中每次重复运动的开始时间和结束时间;
基于所述运动信号序列、以及所述多次重复运动的开始时间与结束时间,确定每次重复运动的运动类型。
另一方面,提供了一种运动监测装置,所述装置包括:
获取模块,用于获取运动信号序列,所述运动信号序列是对时域运动信号进行降采样得到,所述时域运动信号是将所述电子设备在所述目标用户运动过程中接收到的电磁波信号进行转换得到;
变换模块,用于对所述运动信号序列进行短时傅里叶变换,以得到多个时间窗口对应的频域信号序列;
第一确定模块,用于基于所述多个时间窗口对应的频域信号序列,确定频率为目标频率的时域信号序列,所述目标频率是基于所述时间窗口内包含的采样点数量确定得到;
第二确定模块,用于基于所述时域信号序列,确定所述目标用户的多次重复运动中每次重复运动的开始时间和结束时间;
第三确定模块,用于基于所述运动信号序列、以及所述多次重复运动的开始时间与结束时间,确定每次重复运动的运动类型。
另一方面,提供了一种计算机可读存储介质,所述存储介质内存储有计算机程序,所述计算机程序被处理器执行时实现上述所述运动监测方法的步骤。
另一方面,提供了一种包含指令的计算机程序产品,当所述指令在计算机上运行时,使得计算机执行上述所述的运动监测方法的步骤。
本申请提供的技术方案至少可以带来以下有益效果:
本申请实施例提供的方法无需佩戴可穿戴设备,也不会带来隐私安全的问题,目标用户只需将电子设备放置在目标用户的周围,基于电子设备接收到的电磁波信号,能够确定目标用户的运动信号序列,对该运动信号序列进行处理,可以确定目标用户多次重复运动中每次重复运动的开始时间和结束时间,进而确定目标用户每次重复运动的运动类型,达到对目标用户的运动进行监测的目的。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,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的附图。
图1是本申请实施例提供的一种徒手运动的示意图;
图2是本申请实施例提供的一种运动监测方法应用场景的示意图;
图3是本申请实施例提供的一种运动监测方法的流程图;
图4是本申请实施例提供的一种时域信号序列的示意图;
图5是本申请实施例提供的一种时域信号序列的示意图;
图6是本申请实施例提供的一种运动类型的示意图;
图7是本申请实施例提供的一种运动次数的示意图;
图8是本申请实施例提供的一种统计结果的示意图;
图9是本申请实施例提供的一种运动监测装置的结构示意图;
图10是本申请实施例提供的一种电子设备的结构示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合附图对本申请实施方式作进一步地详细描述。
在对本申请实施例提供的运动监测方法进行详细地解释说明之前,先对本申请实施例涉及的应用场景进行介绍。
请参考图1,图1中显示了多种类型的徒手运动,例如,深蹲、箭步蹲、仰卧起坐、屈腿硬拉、卷腹、俯卧撑等,由于徒手运动相对于利用器械的运动没有太多的限制条件,也用不到太大的地方,实行起来也相对方便,所以相对来说比较实用,而且动作相对简单,更容易坚持。当前,可以通过可穿戴设备、摄像头等方法对徒手运动进行监测,但是借助于可穿戴设备进行运动监测的方法需要佩戴可穿戴设备,可能会使用户在运动时感到不舒适,而借助于摄像头对整个运动过程进行拍摄的运动监测的方法需要获取用户运动过程的视频,可能存在隐私安全问题。本申请实施例提供的方法无需佩戴可穿戴设备,也没有隐私安全的问题,请参考图2,目标用户201只需将电子设备202放置在目标用户201的周围,比如正前方0.3至0.8米的范围内,该电子设备202将接收到的电磁波信号进行处理,并且确定目标用户201的运动次数和运动类型,从而达到对目标用户201的运动进行监测的目的。
本申请实施例提供的方法可以由任何一种具备无线通信系统中的电磁波信号的接收功能的电子设备来执行,例如,该电子设备可以为PC(Personal Computer,个人计算机)、手机、PDA(Personal Digital Assistant,个人数字助手)、掌上电脑PPC(Pocket PC)、平板电脑、USRP(Universal Software Radio Peripheral,通用软件无线电外设)等。
需要说明的是,本申请实施例描述的应用场景和执行主体是为了更加清楚的说明本申请实施例的技术方案,并不构成对于本申请实施例提供的技术方案的限定,本领域普通技术人员可知,随着新应用场景和电子设备的出现,本申请实施例提供的技术方案对于类似的技术问题,同样适用。
接下来对本申请实施例提供的运动监测方法进行详细地解释说明。图3是本申请实施例提供的一种运动监测方法的流程图,该方法应用于电子设备,该电子设备位于目标用户的周围,且该电子设备具备无线通信系统中的电磁波信号的接收功能。请参考图3,该方法包括如下步骤。
步骤301:获取运动信号序列,该运动信号序列是对时域运动信号进行降采样得到,该时域运动信号是将电子设备在目标用户运动过程中接收到的电磁波信号进行转换得到。
无线通信系统中的电磁波信号在被物体遮挡时会沿多路径传播。而且,对于环境中的静态物体来说,因静态物体的反射、衍射带来的静态路径的电磁波信号基本是不变的,当环境中有人或物体活动时,会带来传播路径的连续变化,进而电磁波信号也会产生变化。在目标用户进行运动时,由于人体对无线信号的阻滞效应,导致电子设备接收到的电磁波信号会出现周期性地变化,而且不同类型的运动会引起不同的阻滞效应,进而导致电子设备接收到的电磁波信号的频谱序列也会不同。所以,在目标用户的运动过程中,电子设备接收到电磁波信号之后,可以将该电磁波信号转化为时域运动信号,进而对该时域运动信号进行降采样,以得到运动信号序列。
在一些实施例中,可以按照一定频率对时域运动信号进行降采样,从而得到运动信号序列。作为一种示例,可以按照参考频率对时域运动信号进行降采样,以得到运动信号序列。该运动信号序列可以通过如下公式(1)来表示。
S(t)=(ti,Ai) 1≤i≤N (1)
其中,在上述公式(1)中,S(t)是指运动信号序列,tn是指运动信号序列中第n个采样点对应的时间,An是指运动信号序列中第n个采样点对应的幅度,该幅度可以为信号强度,N是指运动信号序列中的采样点总数量。
其中,参考频率是事先设置的,比如,参考频率可以为100Hz(Hertz,赫兹),也即是,对时域运动信号以100Hz进行降采样。而且在不同的情况下,还可以按照不同的需求进行调整。
步骤302:对运动信号序列进行短时傅里叶变换,以得到多个时间窗口对应的频域信号序列。
为了便于理解,可以基于时间窗口的大小和步长,通过如下公式(2)对运动信号序列进行短时傅里叶变换的过程进行表示。
F(j)={STFT[S(t)]} j≥1 j∈N+ (j-1)×step≤t<(j-1)×step+M (2)
其中,在上述公式(2)中,F(j)是指第j个时间窗口对应的频域信号序列,S(t)是指运动信号序列,N+是指正整数,M是指短时傅里叶变换所对应的时间窗口的大小,step是指时间窗口滑动的步长,STFT[S(t)]是指对运动信号序列S(t)进行短时傅里叶变换。
由于不同类型的运动所对应的重复运动的频率不同,为了提高运动信号序列分析的准确性,在进行短时傅里叶变换时,需要保证时间窗口的大小可以覆盖不同类型的运动所对应的一次重复运动。因此,在一些实施例中,可以对多个不同类型的运动所对应的运动信号序列进行长时傅里叶变换,确定每种类型的运动的重复运动频率,确定该多个重复运动频率的平均值,将该多个重复运动频率的平均值的倒数确定为平均重复运动周期,将该平均重复运动周期乘以参考频率,以得到短时傅里叶变换所对应的时间窗口的大小,也即是,确定短时傅里叶变换所对应的时间窗口内包含的采样点数量。
例如,可以对俯卧撑和仰卧起坐所对应的运动信号序列进行长时傅里叶变换,以得到仰卧起坐的重复运动频率为0.170625Hz,俯卧撑的重复运动频率为0.22Hz,因此,重复运动频率的平均值为0.1953125Hz,进而可以得到平均重复运动周期为5.12秒。假设参考频率为100Hz,因此,短时傅里叶变换所对应的时间窗口的大小为100×5.12=512,也即是,短时傅里叶变换的每个时间窗口内包含的采样点数量为512。
时间窗口滑动的步长是事先设置的,比如,滑动步长可以为8个采样点,即0.08秒。而且在不同的情况下,还可以按照不同的需求进行调整。
需要说明的是,重复运动是指目标用户在一次运动过程中进行的多次同一类型的运动,该多次同一类型的运动是多次重复运动。例如,目标用户可以在一次运动过程中进行多次仰卧起坐,该多次仰卧起坐是多次重复运动。后续涉及的“重复运动”都可以参考该解释。
步骤303:基于该多个时间窗口对应的频域信号序列,确定频率为目标频率的时域信号序列,该目标频率是基于时间窗口内包含的采样点数量确定得到。
虽然不同类型的运动所对应的重复运动的频率不同,但大多数运动所对应的重复运动的频率处在一定范围内,也即是,只需要对一定频率的时域信号序列进行分析即可。由于该多个时间窗口对应的频域信号序列中包含多个频率的时域信号序列,因此,在一些实施例中,可以将参考频率除以时间窗口内包含的采样点数量,得到目标频率,进而基于该多个时间窗口对应的频域信号序列,确定频率为目标频率的时域信号序列。
例如,在时间窗口内包含的采样点数量为512、参考频率为100Hz的情况下,可以确定目标频率约为0.2Hz,进而基于该多个时间窗口对应的频域信号序列,确定频率为0.2Hz的时域信号序列。
步骤304:基于频率为目标频率的时域信号序列,确定目标用户的多次重复运动中每次重复运动的开始时间和结束时间。
在一些实施例中,对频率为目标频率的时域信号序列进行高斯滤波,以得到高斯滤波后的时域信号序列,对该高斯滤波后的时域信号序列进行导数运算,以得到导数运算后的时域信号序列,基于高斯滤波后的时域信号序列和导数运算后的时域信号序列,确定目标用户的多次重复运动中每次重复运动的开始时间和结束时间。
在实际应用中,由于电子设备内部硬件之间的干扰等原因可能会导致时域信号序列含有噪声,该噪声会影响后续确定运动类型的准确性。因此,在确定目标用户的多次重复运动中每次重复运动的开始时间和结束时间之前,还可以对该时域信号序列进行高斯滤波,也即是,对该时域信号进行降噪。
在一次重复运动开始时,人体由静止状态变为运动状态,时域信号序列会发生一次突变。同样地,在一次重复运动结束时,时域信号序列也会发生一次突变。而且在一次重复运动的中间时刻,时域信号序列会达到峰值,也即是,高斯滤波后的时域信号序列中的每个峰值可以代表一次重复运动的中间时刻。但是为了确定一次重复运动的开始时间和结束时间,可以对高斯滤波后的时域信号序列进行导数运算,从而基于导数运算后的时域信号序列中的极大值和极小值来确定重复运动的开始时间和结束时间。
作为一种示例,可以直接确定高斯滤波后的时域信号序列中的每个峰值对应的时间。基于各个峰值对应的时间,从导数运算后的时域信号序列中,确定与各个峰值相邻的极大值对应的时间以及极小值对应的时间。对于任一峰值,将与该峰值相邻的极大值对应的时间确定为一次重复运动的开始时间,将与该峰值相邻的极小值对应的时间确定为一次重复运动的结束时间,从而能够确定出目标用户的多次重复运动中每次重复运动的开始时间和结束时间。
在实际应用中,如果环境中存在对电磁波信号产生干扰的设备或者目标用户在两次重复运动之间的休息时间过长,也会导致时域信号序列在进行导数运算后产生极大值和极小值,但是该极大值和极小值对应的时间并不是一次重复运动的开始时间和结束时间。因此,在一些实施例中,可以对导数运算后的时域信号序列中的极大值和极小值进行校验,以消除一些错误的极值对。即,如果导数运算后的时域信号序列中的目标极大值满足极大值持续时间条件,则将该目标极大值所处的时间确定为本次重复运动的开始时间,该目标极大值为导数运算后的时域信号序列中的任一极大值,如果导数运算后的时域信号序列中的目标极小值满足极小值持续时间条件和极小值幅度条件,则将该目标极小值所处的时间确定为本次重复运动的结束时间,该目标极小值为目标极大值之后相邻的极小值。
可选地,如果目标极大值不满足极大值持续时间条件,则不将目标极大值所处的时间确定为本次重复运动的开始时间。
需要说明的是,上述极大值持续时间条件包括:上一次重复运动的结束时间与相应极大值所处的时间之间的时长大于最短休息时长。极小值持续时间条件包括:本次重复运动的开始时间与相应极小值所处的时间之间的时长大于最短重复运动时长。极小值幅度条件包括:平均运动幅度高于平均休息幅度,该平均运动幅度为高斯滤波后的时域信号序列中本次重复运动的开始时间与相应极小值所处的时间对应的幅度的平均值,该平均休息幅度为高斯滤波后的时域信号序列中上一次重复运动的结束时间与本次重复运动的开始时间所对应的幅度的平均值。当然,极大值持续时间条件、极小值持续时间条件和极小值幅度条件还可以为其他的条件,本申请实施例对此不做限定。
对于一次重复运动来说,最理想的情况是一个极大值之后相邻一个极小值,该极大值满足极大值持续时间条件,该极大值之后相邻的极小值满足极小值持续时间条件和极小值幅度条件,也即是,该极大值对应一次重复运动的开始时间,该极小值对应一次重复运动的结束时间。但是,在某些情况下,可能会出现多个极大值均满足极大值持续时间条件,或者会出现多个极小值均满足极小值持续时间条件和极小值幅度条件,又或者该极大值之后相邻的极小值不满足极小值持续时间条件或者极小值幅度条件。所以,本申请实施例还可以通过如下方式进行处理。
在目标极大值满足极大值持续时间条件,也即是,将该目标极大值所处的时间确定为本次重复运动的开始时间的情况下,如果目标极小值不满足极小值持续时间条件或者极小值幅度条件、下一个极大值满足极大值持续时间条件、且该下一个极大值大于目标极大值,则将该下一个极大值所处的时间更新为本次重复运动的开始时间。如果目标极小值不满足极小值持续时间条件或者极小值幅度条件、下一个极大值满足极大值持续时间条件、且该下一个极大值小于或等于目标极大值,则不将该下一个极大值所处的时间更新为本次重复运动的开始时间,也即是,该目标极大值所处的时间仍为本次重复运动的开始时间。如果目标极小值不满足极小值持续时间条件或者极小值幅度条件、下一个极大值不满足极大值持续时间条件,则说明本次重复运动的结束时间还未确定,并且不需要对本次重复运动的开始时间进行更新,也即是,该一次重复运动只有一个极大值,因此,目标极大值所处的时间仍为本次重复运动的开始时间。
在目标极小值满足极小值持续时间条件和极小值幅度条件,也即是,将该目标极小值所处的时间确定为本次重复运动的结束时间的情况下,如果下一个极小值满足极小值持续时间条件和极小值幅度条件、下一个极小值与该目标极小值所处时间之间的时长小于时长阈值、且该下一个极小值小于目标极小值,则将下一个极小值所处的时间更新为本次重复运动的结束时间。如果下一个极小值满足极小值持续时间条件和极小值幅度条件、下一个极小值与该目标极小值所处时间之间的时长小于时长阈值、且该下一个极小值大于或等于目标极小值,则不将下一个极小值所处的时间更新为本次重复运动的结束时间,也即是,该目标极小值所处的时间仍为本次重复运动的结束时间。如果下一个极小值满足极小值持续时间条件和极小值幅度条件、下一个极小值与该目标极小值所处时间之间的时长大于或等于时长阈值,则说明该下一个极小值与本次重复运动的结束时间已经间隔较远,该下一个极小值可能对应下一次重复运动的结束时间。在这种情况下,该目标极小值所处的时间仍为本次重复运动的结束时间。如果下一个极小值不满足极小值持续时间条件或极小值幅度条件,则说明本次重复运动的开始时间和结束时间已经确定,在这种情况下,该目标极小值所处的时间为本次重复运动的结束时间。
例如,请参考图4,图4中黑色实线为高斯滤波后的时域信号序列,黑色虚线为导数运算后的时域信号序列。该高斯滤波后的时域信号序列在进行导数运算后得到位于A点的极大值、位于B点的极小值以及位于C点的极大值,A点的极大值为1.18且A点的极大值所处的时间为13秒,B点的极小值为1.17且B点的极小值所处的时间为13.5秒,C点的极大值为1.19且C点的极大值所处的时间为14秒,D点的极小值所处的时间是上一次重复运动的结束时间,D点的极小值所处的时间为11秒,最短休息时长为1.5秒,最短重复运动时长为2.5秒。
其中,对于A点的极大值来说,上一次重复运动的结束时间与A点的极大值所处的时间之间的时长为2秒。由于2秒大于1.5秒,因此,上一次重复运动的结束时间与A点的极大值所处的时间之间的时长大于最短休息时长,也即是,A点的极大值满足极大值持续时间条件。因此,将A点的极大值所处的时间确定为本次重复运动的开始时间。
由于A点的极大值所处的时间已经确定为本次重复运动的开始时间,因此,对于B点的极小值来说,本次重复运动的开始时间与B点的极小值所处的时间之间的时长为0.5秒。由于0.5秒小于2.5秒,因此,本次重复运动的开始时间与B点的极小值所处的时间之间的时长小于最短重复运动时长,也即是,B点的极小值不满足极小值持续时间条件,B点的极小值所处的时间不是本次重复运动的结束时间。
由于B点的极小值所处的时间不是本次重复运动的结束时间,因此,对于C点的极大值来说,上一次重复运动的结束时间与C点的极大值所处的时间之间的时长为3秒。由于3秒大于1.5秒,因此,上一次重复运动的结束时间与C点的极大值所处的时间之间的时长大于最短休息时长,也即是,C点的极大值满足极大值持续时间条件,C点的极大值所处的时间也可以确定为本次重复运动的开始时间。但由于A点的极大值所处的时间和C点的极大值所处的时间都可以确定为本次重复运动的开始时间,在这种情况下,由于1.19大于1.18,也即是,C点的极大值大于A点的极大值,因此将C点的极大值所处的时间更新为本次重复运动的开始时间。
又例如,请参考图5,图5中黑色实线为高斯滤波后的时域信号序列,黑色虚线为导数运算后的时域信号序列。该高斯滤波后的时域信号序列在进行导数运算后得到位于E点的极大值、位于F点的极小值和位于H点的极大值,E点的极大值为1.07且E点的极大值所处的时间为32秒,F点的极小值为0.92且F点的极小值所处的时间为34.7秒,H点的极大值为1.22且H点的极大值所处的时间为35.5秒,G点的极小值所处的时间是上一次重复运动的结束时间,G点的极小值所处的时间为30.4秒,最短休息时长为1.5秒,最短重复运动时长为2.5秒。
其中,对于E点的极大值来说,上一次重复运动的结束时间与E点的极大值所处的时间之间的时长为1.6秒,由于1.6秒大于1.5秒,因此上一次重复运动的结束时间与E点的极大值所处的时间之间的时长大于最短休息时长,也即是,E点的极大值满足极大值持续时间条件。因此,将E点的极大值所处的时间确定为本次重复运动的开始时间。
由于E点的极大值所处的时间已经确定为本次重复运动的开始时间,因此,对于F点的极小值来说,本次重复运动的开始时间与F点的极小值所处的时间之间的时长为2.7秒,由于2.7秒大于2.5秒,因此,本次重复运动的开始时间与F点的极小值所处的时间之间的时长大于最短重复运动时长,也即是,F点的极小值满足极小值持续时间条件。
由于本次重复运动的开始时间对应高斯滤波后的时域信号序列中的E1点,E1点的幅度为0.18,F点的极小值所处的时间对应高斯滤波后的时域信号序列中的F1点,F1点的幅度为0.165,上一次重复运动的结束时间对应高斯滤波后的时域信号序列中的G1点,G1点的幅度为0.215,因此,平均运动幅度为E1点与F1点对应的幅度的平均值,也即是,该平均运动幅度为(0.18-0.165)÷2=0.0075。平均休息幅度为G1点与E1点对应的幅度的平均值,也即是,该平均休息幅度为(0.215-0.18)÷2=0.0175。由于0.0075小于0.0175,因此,平均运动幅度小于平均休息幅度,也即是,F点的极小值不满足极小值幅度条件,F点的极小值所处的时间不是本次重复运动的结束时间。
由于F点的极小值所处的时间不是本次重复运动的结束时间,因此,对于H点的极大值来说,上一次重复运动的结束时间与H点的极大值所处的时间之间的时长为5.1秒,由于5.1秒大于1.5秒,因此,上一次重复运动的结束时间与H点的极大值所处的时间之间的时长大于最短休息时长,也即是,H点的极大值满足极大值持续时间条件,H点的极大值所处的时间也可以确定为本次重复运动的开始时间。但由于E的极大值所处的时间和H点的极大值所处的时间都可以确定为本次重复运动的开始时间,在这种情况下,由于1.22大于1.07,也即是,H点的极大值大于E点的极大值,因此将H点的极大值所处的时间更新为本次重复运动的开始时间。
步骤305:基于运动信号序列、以及多次重复运动的开始时间与结束时间,确定每次重复运动的运动类型。
对于多次重复运动中的任一次重复运动,从运动信号序列中获取位于该次重复运动的开始时间与结束时间之间的信号序列,以得到该次重复运动对应的信号子序列,采用快速傅里叶变换和离散小波变换提取信号子序列的特征,将该信号子序列的特征输入至运动分类模型,以得到该次重复运动的运动类型。
运动分类模型可以是支持向量机模型,也可以是其他的运动分类模型,本申请实施例对此不做限定。而且,在将信号子序列的特征输入至运动分类模型之前,还需要对初始分类模型进行训练,以得到该运动分类模型。也即是,获取多个样本信号序列的特征,以及每个信号序列对应的运动类型,将信号序列的特征作为初始分类模型的输入,将运动类型作为初始分类模型的输出,对该初始分类模型进行训练。
在一些实施例中,对信号子序列进行快速傅里叶变换,以得到频域信号子序列,按照频域信号子序列中的频次从低到高的顺序,从该频域信号子序列中获取多个频率系数,对该信号子序列进行离散小波变换,以得到近似系数和多个详细系数,将该多个频率系数、近似系数和多个详细系数确定为信号子序列的特征。
对信号子序列进行快速傅里叶变换得到的频域信号子序列中包括多个频率,而且重复运动所对应的频率往往较低,所以,该多个频率中频率较低的部分更能够反映该信号子序列的特征,因此,可以按照频域信号子序列中的频次从低到高的顺序,从该频域信号子序列中获取多个频率系数,也即是,从该频域信号子序列中获取多个频率较低的频率作为频率系数。
例如,对信号子序列进行快速傅里叶变换,可以得到频域信号子序列,按照频域信号子序列中的频次从低到高的顺序,可以从该频域信号子序列中获取5个频率系数,对该信号子序列进行离散小波变换,可以将该信号子序列分解为5层,进而得到近似系数和5个详细系数,将该5个频率系数、近似系数和5个详细系数确定为信号子序列的特征。也即是,将该5个频率系数、近似系数和5个详细系数组成11维向量,将该11维向量作为信号子序列的特征输入至运动分类模型,进而获得该信号子序列对应的重复运动的运动类型。
通过上述过程能够确定出每次重复运动的运动类型。实际应用中,还可以确定目标用户重复运动的运动次数。
在一些实施例中,基于目标用户的多次重复运动的开始时间与结束时间,确定重复运动的运动次数。也即是,将每一次重复运动的开始与结束时间记为一次重复运动,从而统计出重复运动的运动次数。
在另一些实施例中,基于运动信号序列进行短时傅里叶变换后得到的多个时间窗口对应的频域信号序列,确定重复运动的运动次数。也即是,对于任一时间窗口对应的频域信号序列来说,如果该时间窗口所对应的频域信号序列的幅度减去目标频率所对应的幅度的绝对值低于幅度阈值,且下一个时间窗口所对应的频域信号序列的幅度减去目标频率所对应的幅度的绝对值高于幅度阈值,则将运动次数加一。如果该时间窗口所对应的频域信号序列的幅度减去目标频率所对应的幅度的绝对值低于幅度阈值,且下一个时间窗口所对应的频域信号序列的频率幅度减去目标频率所对应的幅度的绝对值也低于幅度阈值,则该运动次数保持不变。如果该时间窗口所对应的频域信号序列的幅度减去目标频率所对应的幅度的绝对值高于幅度阈值,则该运动次数保持不变,最终可以得到重复运动的运动次数。
换句话说,在第一次出现时间窗口所对应的频域信号序列的幅度减去目标频率所对应的幅度的绝对值低于幅度阈值的情况下,将运动次数加一,如果该时间窗口之后相邻的多个时间窗口对应的频域信号序列的幅度减去目标频率所对应的幅度的绝对值也低于幅度阈值,说明该多个时间窗口仍然对应上一次重复运动的运动信号序列,在这种情况下,则该运动次数保持不变。直到出现某个时间窗口所对应的频域信号序列的幅度减去目标频率所对应的幅度的绝对值高于幅度阈值,说明该时间窗口不再对应上一次重复运动的运动信号序列,因此,在此之后如果出现其他时间窗口所对应的频域信号序列的幅度减去目标频率所对应的幅度的绝对值低于幅度阈值,则说明该时间窗口已经滑动至下一次重复运动的运动信号序列,在这种情况下,则将运动次数加一,最终可以得到重复运动的运动次数。
例如,可以将运动信号序列进行短时傅里叶变换之后的结果绘制成时频谱图,该时频谱图的横轴表示时间窗口,纵轴表示频率,时频谱图中的不同的颜色对应不同的幅度。从该时频谱图中可以看出,在频率为目标频率的位置,会出现10个幅度较大的点,该10个幅值较大的点对应10次重复运动。
其中,幅度阈值是事先设置的,比如,幅度阈值可以为0.08。而且在不同的情况下,还可以按照不同的需求进行调整。
本申请实施例中,“高于”可以理解为大于,也可以理解为大于或等于。在“高于”理解为大于的情况下,“低于”可以理解为小于或等于。在“高于”理解为大于或等于的情况下,“低于”可以理解为小于。
在实际应用中,在确定目标用户重复运动的运动类型和目标用户重复运动的运动次数之后,还可以基于多次重复运动的开始时间与结束时间,对每次重复运动的运动时间和休息时间进行统计。也即是,对于任意一次重复运动,确定该次重复运动的开始时间与结束时间之间的时长,以得到该次重复运动的运动时间,确定该次重复运动的结束时间和下一次重复运动的开始时间之间的时长,以得到该次重复运动的休息时间,最终可以得到目标用户多次重复运动的运动时间和休息时间,基于多次重复运动的运动时间和休息时间确定目标用户多次重复运动的运动时间和休息时间的统计结果,从而对该重复运动的运动类型、运动次数、以及多次重复运动的运动时间和休息时间的统计结果进行显示。
在一些实施例中,可以按照文字的形式来显示目标用户重复运动的运动类型,也可以按照图片的形式来显示,本申请实施例对此不作限定。
例如,请参考图6,在确定出目标用户的运动类型为深蹲的情况下,可以在图6中显示该运动类型。
例如,请参考图7,通过上述方法确定出目标用户的重复运动的运动次数为10次,此时,可以在图7中显示目标用户的重复运动次数。
例如,请参考图8,通过上述方法确定出目标用户的每次重复运动的运动时间和休息时间之后,可以绘制统计结果,并在图8中显示该统计结果。
在实际应用中,在目标用户的运动过程中,可能会存在不同类型的运动交替进行的情况,比如仰卧起坐和卷腹交替进行。在这种情况下,经过上述步骤301至305后,可以基于每次重复运动的运动类型,确定多次重复运动中同一运动类型的运动次数,并且显示多次重复运动的运动类型和每个运动类型的运动次数。
例如,经过上述步骤301至305后,确定出的运动类型为仰卧起坐和卷腹,并且仰卧起坐的运动次数为20次,卷腹的运动次数为15次。
本申请实施例提供的方法无需佩戴可穿戴设备,也不会带来隐私安全的问题,目标用户只需将电子设备放置在目标用户的周围,基于电子设备接收到的电磁波信号,能够确定目标用户的运动信号序列,对该运动信号序列进行处理,可以确定目标用户多次重复运动中每次重复运动的开始时间和结束时间,进而确定目标用户的运动次数和运动类型,达到对目标用户的运动进行监测的目的。由于在目标用户的运动过程中可能存在不同类型的运动交替进行的情况,通过本申请实施例提供的方法,不仅可以确定单一的运动类型,还可以确定多个运动类型,并且确定每个运动类型所对应的运动次数,从而实现对多种运动类型进行监测的目的。
图9是本申请实施例提供的一种运动监测装置的结构示意图,该运动监测装置可以由软件、硬件或者两者的结合实现成为电子设备的部分或者全部。请参考图9,该装置包括:获取模块901、变换模块902、第一确定模块903、第二确定模块904和第三确定模块905。
获取模块901,用于获取运动信号序列,该运动信号序列是对时域运动信号进行降采样得到,该时域运动信号是将电子设备在目标用户运动过程中接收到的电磁波信号进行转换得到。详细实现过程参考上述各个实施例中对应的内容,此处不再赘述。
变换模块902,用于对运动信号序列进行短时傅里叶变换,以得到多个时间窗口对应的频域信号序列。详细实现过程参考上述各个实施例中对应的内容,此处不再赘述。
第一确定模块903,用于基于多个时间窗口对应的频域信号序列,确定频率为目标频率的时域信号序列,该目标频率是基于时间窗口内包含的采样点数量确定得到。详细实现过程参考上述各个实施例中对应的内容,此处不再赘述。
第二确定模块904,用于基于频率为目标频率的时域信号序列,确定目标用户的多次重复运动中每次重复运动的开始时间和结束时间。详细实现过程参考上述各个实施例中对应的内容,此处不再赘述。
第三确定模块905,用于基于运动信号序列、以及多次重复运动的开始时间与结束时间,确定每次重复运动的运动类型。详细实现过程参考上述各个实施例中对应的内容,此处不再赘述。
可选地,第二确定模块904包括:
高斯滤波单元,用于对该时域信号序列进行高斯滤波,以得到高斯滤波后的时域信号序列;
导数运算单元,用于对高斯滤波后的时域信号序列进行导数运算,以得到导数运算后的时域信号序列;
确定单元,用于基于高斯滤波后的时域信号序列和导数运算后的时域信号序列,确定多次重复运动中每次重复运动的开始时间和结束时间。
可选地,确定单元具体用于:
如果导数运算后的时域信号序列中的目标极大值满足极大值持续时间条件,则将该目标极大值所处的时间确定为本次重复运动的开始时间,该目标极大值为导数运算后的时域信号序列中的任一极大值;
如果导数运算后的时域信号序列中的目标极小值满足极小值持续时间条件和极小值幅度条件,则将该目标极小值所处的时间确定为本次重复运动的结束时间,该目标极小值为目标极大值之后相邻的极小值。
可选地,确定单元还具体用于:
如果目标极小值不满足极小值持续时间条件或者极小值幅度条件、下一个极大值满足极大值持续时间条件、且该下一个极大值大于目标极大值,则将该下一个极大值所处的时间更新为本次重复运动的开始时间。
可选地,确定单元还具体用于:
如果下一个极小值满足极小值持续时间条件和极小值幅度条件、该下一个极小值与目标极小值所处时间之间的时长小于时长阈值、且该下一个极小值小于目标极小值,则将该下一个极小值所处的时间更新为本次重复运动的结束时间。
可选地,第三确定模块905包括:
获取单元,用于对于多次重复运动中的任一次重复运动,从运动信号序列中获取位于该次重复运动的开始时间与结束时间之间的信号序列,以得到该次重复运动对应的信号子序列;
提取单元,用于采用快速傅里叶变换和离散小波变换提取信号子序列的特征;
输入单元,用于将信号子序列的特征输入至运动分类模型,以得到该次重复运动的运动类型。
可选地,提取单元具体用于:
对信号子序列进行快速傅里叶变换,以得到频域信号子序列;
按照频域信号子序列中的频次从低到高的顺序,从该频域信号子序列中获取多个频率系数;
对信号子序列进行离散小波变换,以得到近似系数和多个详细系数;
将该多个频率系数、近似系数和多个详细系数确定为该信号子序列的特征。
可选地,该装置还包括:
第四确定模块,用于确定多次重复运动中同一运动类型的运动次数;
显示模块,用于显示多次重复运动的运动类型和每个运动类型的运动次数。
本申请实施例提供的方法无需佩戴可穿戴设备,也不会带来隐私安全的问题,目标用户只需将电子设备放置在目标用户的周围,基于电子设备接收到的电磁波信号,能够确定目标用户的运动信号序列,对该运动信号序列进行处理,可以确定目标用户多次重复运动中每次重复运动的开始时间和结束时间,进而确定目标用户的运动次数和运动类型,达到对目标用户的运动进行监测的目的。由于在目标用户的运动过程中可能存在不同类型的运动交替进行的情况,通过本申请实施例提供的方法,不仅可以确定单一的运动类型,还可以确定多个运动类型,并且确定每个运动类型所对应的运动次数,从而实现对多种运动类型进行监测的目的。
需要说明的是:上述实施例提供的运动监测装置在进行运动监测时,仅以上述各功能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模块完成,即将装置的内部结构划分成不同的功能模块,以完成以上描述的全部或者部分功能。另外,上述实施例提供的运动监测装置与运动监测方法实施例属于同一构思,其具体实现过程详见方法实施例,这里不再赘述。
图10是本申请实施例提供的一种电子设备1000的结构框图。该电子设备1000可以是便携式移动电子设备,比如:智能手机、平板电脑、笔记本电脑或台式电脑。电子设备1000还可能被称为用户设备、便携式终端、膝上型终端、台式终端等其他名称。
通常,电子设备1000包括有:处理器1001和存储器1002。
处理器1001可以包括一个或多个处理核心,比如4核心处理器、8核心处理器等。处理器1001可以采用DSP(Digital Signal Processing,数字信号处理)、FPGA(Field-Programmable Gate Array,现场可编程门阵列)、PLA(Programmable Logic Array,可编程逻辑阵列)中的至少一种硬件形式来实现。处理器1001也可以包括主处理器和协处理器,主处理器是用于对在唤醒状态下的数据进行处理的处理器,也称CPU(Central ProcessingUnit,中央处理器);协处理器是用于对在待机状态下的数据进行处理的低功耗处理器。在一些实施例中,处理器1001可以在集成有GPU(Graphics Processing Unit,图像处理器),GPU用于负责显示屏所需要显示的内容的渲染和绘制。一些实施例中,处理器1001还可以包括AI(Artificial Intelligence,人工智能)处理器,该AI处理器用于处理有关机器学习的计算操作。
存储器1002可以包括一个或多个计算机可读存储介质,该计算机可读存储介质可以是非暂态的。存储器1002还可包括高速随机存取存储器,以及非易失性存储器,比如一个或多个磁盘存储设备、闪存存储设备。在一些实施例中,存储器1002中的非暂态的计算机可读存储介质用于存储至少一个指令,该至少一个指令用于被处理器1001所执行以实现本申请中方法实施例提供的运动监测方法。
在一些实施例中,电子设备1000还可选包括有:外围设备接口1003和至少一个外围设备。处理器1001、存储器1002和外围设备接口1003之间可以通过总线或信号线相连。各个外围设备可以通过总线、信号线或电路板与外围设备接口1003相连。具体地,外围设备包括:射频电路1004、触摸显示屏1005、摄像头1006、音频电路1007、定位组件1008和电源1009中的至少一种。
外围设备接口1003可被用于将I/O(Input/Output,输入/输出)相关的至少一个外围设备连接到处理器1001和存储器1002。在一些实施例中,处理器1001、存储器1002和外围设备接口1003被集成在同一芯片或电路板上;在一些其他实施例中,处理器1001、存储器1002和外围设备接口1003中的任意一个或两个可以在单独的芯片或电路板上实现,本实施例对此不加以限定。
射频电路1004用于接收和发射RF(Radio Frequency,射频)信号,也称电磁信号。射频电路1004通过电磁信号与通信网络以及其他通信设备进行通信。射频电路1004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。可选地,射频电路1004包括:天线系统、RF收发器、一个或多个放大器、调谐器、振荡器、数字信号处理器、编解码芯片组、用户身份模块卡等等。射频电路1004可以通过至少一种无线通信协议来与其它电子设备进行通信。该无线通信协议包括但不限于:万维网、城域网、内联网、各代移动通信网络(2G、3G、4G及5G)、无线局域网和/或WiFi(Wireless Fidelity,无线保真)网络。在一些实施例中,射频电路1004还可以包括NFC(Near Field Communication,近距离无线通信)有关的电路,本申请实施例对此不加以限定。
显示屏1005用于显示UI(User Interface,用户界面)。该UI可以包括图形、文本、图标、视频及其它们的任意组合。当显示屏1005是触摸显示屏时,显示屏1005还具有采集在显示屏1005的表面或表面上方的触摸信号的能力。该触摸信号可以作为控制信号输入至处理器1001进行处理。此时,显示屏1005还可以用于提供虚拟按钮和/或虚拟键盘,也称软按钮和/或软键盘。在一些实施例中,显示屏1005可以为一个,设置电子设备1000的前面板;在另一些实施例中,显示屏1005可以为至少两个,分别设置在电子设备1000的不同表面或呈折叠设计;在再一些实施例中,显示屏1005可以是柔性显示屏,设置在电子设备1000的弯曲表面上或折叠面上。甚至,显示屏1005还可以设置成非矩形的不规则图形,也即异形屏。显示屏1005可以采用LCD(Liquid Crystal Display,液晶显示屏)、OLED(Organic Light-Emitting Diode,有机发光二极管)等材质制备。
摄像头组件1006用于采集图像或视频。可选地,摄像头组件1006包括前置摄像头和后置摄像头。通常,前置摄像头设置在电子设备的前面板,后置摄像头设置在电子设备的背面。在一些实施例中,后置摄像头为至少两个,分别为主摄像头、景深摄像头、广角摄像头、长焦摄像头中的任意一种,以实现主摄像头和景深摄像头融合实现背景虚化功能、主摄像头和广角摄像头融合实现全景拍摄以及VR(Virtual Reality,虚拟现实)拍摄功能或者其它融合拍摄功能。在一些实施例中,摄像头组件1006还可以包括闪光灯。闪光灯可以是单色温闪光灯,也可以是双色温闪光灯。双色温闪光灯是指暖光闪光灯和冷光闪光灯的组合,可以用于不同色温下的光线补偿。
音频电路1007可以包括麦克风和扬声器。麦克风用于采集用户及环境的声波,并将声波转换为电信号输入至处理器1001进行处理,或者输入至射频电路1004以实现语音通信。出于立体声采集或降噪的目的,麦克风可以为多个,分别设置在电子设备1000的不同部位。麦克风还可以是阵列麦克风或全向采集型麦克风。扬声器则用于将来自处理器1001或射频电路1004的电信号转换为声波。扬声器可以是传统的薄膜扬声器,也可以是压电陶瓷扬声器。当扬声器是压电陶瓷扬声器时,不仅可以将电信号转换为人类可听见的声波,也可以将电信号转换为人类听不见的声波以进行测距等用途。在一些实施例中,音频电路1007还可以包括耳机插孔。
定位组件1008用于定位电子设备1000的当前地理位置,以实现导航或LBS(Location Based Service,基于位置的服务)。定位组件1008可以是基于美国的GPS(Global Positioning System,全球定位系统)、中国的北斗系统或俄罗斯的伽利略系统的定位组件。
电源1009用于为电子设备1000中的各个组件进行供电。电源1009可以是交流电、直流电、一次性电池或可充电电池。当电源1009包括可充电电池时,该可充电电池可以是有线充电电池或无线充电电池。有线充电电池是通过有线线路充电的电池,无线充电电池是通过无线线圈充电的电池。该可充电电池还可以用于支持快充技术。
在一些实施例中,电子设备1000还包括有一个或多个传感器1010。该一个或多个传感器1010包括但不限于:加速度传感器1011、陀螺仪传感器1012、压力传感器1013、指纹传感器1014、光学传感器1015以及接近传感器1016。
加速度传感器1011可以检测以电子设备1000建立的坐标系的三个坐标轴上的加速度大小。比如,加速度传感器1011可以用于检测重力加速度在三个坐标轴上的分量。处理器1001可以根据加速度传感器1011采集的重力加速度信号,控制触摸显示屏1005以横向视图或纵向视图进行用户界面的显示。加速度传感器1011还可以用于游戏或者用户的运动数据的采集。
陀螺仪传感器1012可以检测电子设备1000的机体方向及转动角度,陀螺仪传感器1012可以与加速度传感器1011协同采集用户对电子设备1000的3D动作。处理器1001根据陀螺仪传感器1012采集的数据,可以实现如下功能:动作感应(比如根据用户的倾斜操作来改变UI)、拍摄时的图像稳定、游戏控制以及惯性导航。
压力传感器1013可以设置在电子设备1000的侧边框和/或触摸显示屏1005的下层。当压力传感器1013设置在电子设备1000的侧边框时,可以检测用户对电子设备1000的握持信号,由处理器1001根据压力传感器1013采集的握持信号进行左右手识别或快捷操作。当压力传感器1013设置在触摸显示屏1005的下层时,由处理器1001根据用户对触摸显示屏1005的压力操作,实现对UI界面上的可操作性控件进行控制。可操作性控件包括按钮控件、滚动条控件、图标控件、菜单控件中的至少一种。
指纹传感器1014用于采集用户的指纹,由处理器1001根据指纹传感器1014采集到的指纹识别用户的身份,或者,由指纹传感器1014根据采集到的指纹识别用户的身份。在识别出用户的身份为可信身份时,由处理器1001授权该用户执行相关的敏感操作,该敏感操作包括解锁屏幕、查看加密信息、下载软件、支付及更改设置等。指纹传感器1014可以被设置电子设备1000的正面、背面或侧面。当电子设备1000上设置有物理按键或厂商Logo时,指纹传感器1014可以与物理按键或厂商Logo集成在一起。
光学传感器1015用于采集环境光强度。在一个实施例中,处理器1001可以根据光学传感器1015采集的环境光强度,控制触摸显示屏1005的显示亮度。具体地,当环境光强度较高时,调高触摸显示屏1005的显示亮度;当环境光强度较低时,调低触摸显示屏1005的显示亮度。在另一个实施例中,处理器1001还可以根据光学传感器1015采集的环境光强度,动态调整摄像头组件1006的拍摄参数。
接近传感器1016,也称距离传感器,通常设置在电子设备1000的前面板。接近传感器1016用于采集用户与电子设备1000的正面之间的距离。在一个实施例中,当接近传感器1016检测到用户与电子设备1000的正面之间的距离逐渐变小时,由处理器1001控制触摸显示屏1005从亮屏状态切换为息屏状态;当接近传感器1016检测到用户与电子设备1000的正面之间的距离逐渐变大时,由处理器1001控制触摸显示屏1005从息屏状态切换为亮屏状态。
本领域技术人员可以理解,图10中示出的结构并不构成对电子设备1000的限定,可以包括比图示更多或更少的组件,或者组合某些组件,或者采用不同的组件布置。
在一些实施例中,还提供了一种计算机可读存储介质,该存储介质内存储有计算机程序,所述计算机程序被处理器执行时实现上述实施例中运动监测方法的步骤。例如,所述计算机可读存储介质可以是ROM、RAM、CD-ROM、磁带、软盘和光数据存储设备等。
值得注意的是,本申请实施例提到的计算机可读存储介质可以为非易失性存储介质,换句话说,可以是非瞬时性存储介质。
应当理解的是,实现上述实施例的全部或部分步骤可以通过软件、硬件、固件或者其任意结合来实现。当使用软件实现时,可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。所述计算机指令可以存储在上述计算机可读存储介质中。
也即是,在一些实施例中,还提供了一种包含指令的计算机程序产品,当其在计算机上运行时,使得计算机执行上述所述的运动监测方法的步骤。
应当理解的是,本文提及的“至少一个”是指一个或多个,“多个”是指两个或两个以上。在本申请实施例的描述中,除非另有说明,“/”表示或的意思,例如,A/B可以表示A或B;本文中的“和/或”仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。另外,为了便于清楚描述本申请实施例的技术方案,在本申请的实施例中,采用了“第一”、“第二”等字样对功能和作用基本相同的相同项或相似项进行区分。本领域技术人员可以理解“第一”、“第二”等字样并不对数量和执行次序进行限定,并且“第一”、“第二”等字样也并不限定一定不同。
需要说明的是,本申请实施例所涉及的信息(包括但不限于用户设备信息、用户个人信息等)、数据(包括但不限于用于分析的数据、存储的数据、展示的数据等)以及信号,均为经用户授权或者经过各方充分授权的,且相关数据的收集、使用和处理需要遵守相关国家和地区的相关法律法规和标准。例如,本申请实施例中涉及到的运动信号序列是在充分授权的情况下获取的。
以上所述为本申请提供的实施例,并不用以限制本申请,凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
Claims (10)
1.一种运动监测方法,其特征在于,应用于电子设备,所述电子设备位于目标用户的周围,且所述电子设备具备无线通信系统中的电磁波信号的接收功能,所述方法包括:
获取运动信号序列,所述运动信号序列是对时域运动信号进行降采样得到,所述时域运动信号是将所述电子设备在所述目标用户运动过程中接收到的电磁波信号进行转换得到;
对所述运动信号序列进行短时傅里叶变换,以得到多个时间窗口对应的频域信号序列;
基于所述多个时间窗口对应的频域信号序列,确定频率为目标频率的时域信号序列,所述目标频率是基于所述时间窗口内包含的采样点数量确定得到;
基于所述时域信号序列,确定所述目标用户的多次重复运动中每次重复运动的开始时间和结束时间;
基于所述运动信号序列、以及所述多次重复运动的开始时间与结束时间,确定每次重复运动的运动类型。
2.如权利要求1所述的方法,其特征在于,所述基于所述时域信号序列,确定所述目标用户的多次重复运动中每次重复运动的开始时间和结束时间,包括:
对所述时域信号序列进行高斯滤波,以得到高斯滤波后的时域信号序列;
对所述高斯滤波后的时域信号序列进行导数运算,以得到导数运算后的时域信号序列;
基于所述高斯滤波后的时域信号序列和所述导数运算后的时域信号序列,确定所述多次重复运动中每次重复运动的开始时间和结束时间。
3.如权利要求2所述的方法,其特征在于,所述基于所述高斯滤波后的时域信号序列和所述导数运算后的时域信号序列,确定所述多次重复运动中每次重复运动的开始时间和结束时间,包括:
如果所述导数运算后的时域信号序列中的目标极大值满足极大值持续时间条件,则将所述目标极大值所处的时间确定为本次重复运动的开始时间,所述目标极大值为所述导数运算后的时域信号序列中的任一极大值;
如果所述导数运算后的时域信号序列中的目标极小值满足极小值持续时间条件和极小值幅度条件,则将所述目标极小值所处的时间确定为本次重复运动的结束时间,所述目标极小值为所述目标极大值之后相邻的极小值。
4.如权利要求3所述的方法,其特征在于,所述将所述目标极大值所处的时间确定为本次重复运动的开始时间之后,还包括:
如果所述目标极小值不满足所述极小值持续时间条件或者所述极小值幅度条件、下一个极大值满足所述极大值持续时间条件、且所述下一个极大值大于所述目标极大值,则将所述下一个极大值所处的时间更新为本次重复运动的开始时间。
5.如权利要求3所述的方法,其特征在于,所述将所述目标极小值所处的时间确定为本次重复运动的结束时间之后,还包括:
如果下一个极小值满足所述极小值持续时间条件和所述极小值幅度条件、所述下一个极小值与所述目标极小值所处时间之间的时长小于时长阈值、且所述下一个极小值小于所述目标极小值,则将所述下一个极小值所处的时间更新为本次重复运动的结束时间。
6.如权利要求3-5任一所述的方法,其特征在于,
所述极大值持续时间条件包括:上一次重复运动的结束时间与相应极大值所处的时间之间的时长大于最短休息时长;
所述极小值持续时间条件包括:本次重复运动的开始时间与相应极小值所处的时间之间的时长大于最短重复运动时长;
所述极小值幅度条件包括:平均运动幅度高于平均休息幅度,所述平均运动幅度为所述高斯滤波后的时域信号序列中本次重复运动的开始时间与相应极小值所处的时间对应的幅度的平均值,所述平均休息幅度为所述高斯滤波后的时域信号序列中上一次重复运动的结束时间与本次重复运动的开始时间所对应的幅度的平均值。
7.如权利要求1所述的方法,其特征在于,所述基于所述运动信号序列、以及所述多次重复运动的开始时间与结束时间,确定每次重复运动的运动类型,包括:
对于所述多次重复运动中的任一次重复运动,从所述运动信号序列中获取位于所述任一次重复运动的开始时间与结束时间之间的信号序列,以得到所述任一次重复运动对应的信号子序列;
采用快速傅里叶变换和离散小波变换提取所述信号子序列的特征;
将所述信号子序列的特征输入至运动分类模型,以得到所述任一次重复运动的运动类型。
8.如权利要求7所述的方法,其特征在于,所述采用快速傅里叶变换和离散小波变换提取所述信号子序列的特征,包括:
对所述信号子序列进行快速傅里叶变换,以得到频域信号子序列;
按照所述频域信号子序列中的频次从低到高的顺序,从所述频域信号子序列中获取多个频率系数;
对所述信号子序列进行离散小波变换,以得到近似系数和多个详细系数;
将所述多个频率系数、所述近似系数和所述多个详细系数确定为所述信号子序列的特征。
9.如权利要求1所述的方法,其特征在于,所述方法还包括:
确定所述多次重复运动中同一运动类型的运动次数;
显示所述多次重复运动的运动类型和每个运动类型的运动次数。
10.一种电子设备,其特征在于,所述电子设备位于目标用户的周围,且所述电子设备具备无线通信系统中的电磁波信号的接收功能,所述电子设备包括处理器,所述处理器用于:
获取运动信号序列,所述运动信号序列是对时域运动信号进行降采样得到,所述时域运动信号是将所述电子设备在所述目标用户运动过程中接收到的电磁波信号进行转换得到;
对所述运动信号序列进行短时傅里叶变换,以得到多个时间窗口对应的频域信号序列;
基于所述多个时间窗口对应的频域信号序列,确定频率为目标频率的时域信号序列,所述目标频率是基于所述时间窗口内包含的采样点数量确定得到;
基于所述时域信号序列,确定所述目标用户的多次重复运动中每次重复运动的开始时间和结束时间;
基于所述运动信号序列、以及所述多次重复运动的开始时间与结束时间,确定每次重复运动的运动类型。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210555513.3A CN115002710A (zh) | 2022-05-20 | 2022-05-20 | 运动监测方法及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210555513.3A CN115002710A (zh) | 2022-05-20 | 2022-05-20 | 运动监测方法及电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115002710A true CN115002710A (zh) | 2022-09-02 |
Family
ID=83028096
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210555513.3A Pending CN115002710A (zh) | 2022-05-20 | 2022-05-20 | 运动监测方法及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115002710A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117033988A (zh) * | 2023-09-27 | 2023-11-10 | 之江实验室 | 基于神经电信号的癫痫样棘波处理方法和装置 |
-
2022
- 2022-05-20 CN CN202210555513.3A patent/CN115002710A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117033988A (zh) * | 2023-09-27 | 2023-11-10 | 之江实验室 | 基于神经电信号的癫痫样棘波处理方法和装置 |
CN117033988B (zh) * | 2023-09-27 | 2024-03-12 | 之江实验室 | 基于神经电信号的癫痫样棘波处理方法和装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110059744B (zh) | 训练神经网络的方法、图像处理的方法、设备及存储介质 | |
CN111050250B (zh) | 降噪方法、装置、设备和存储介质 | |
CN109994127B (zh) | 音频检测方法、装置、电子设备及存储介质 | |
CN111402913B (zh) | 降噪方法、装置、设备和存储介质 | |
CN111445901B (zh) | 音频数据获取方法、装置、电子设备及存储介质 | |
KR20110048355A (ko) | 휴대 단말기 및 그 동작 제어방법 | |
EP3644312A1 (en) | Method and device for recovering audio signal | |
CN109102811B (zh) | 音频指纹的生成方法、装置及存储介质 | |
CN109003621B (zh) | 一种音频处理方法、装置及存储介质 | |
CN112614500A (zh) | 回声消除方法、装置、设备及计算机存储介质 | |
CN111754386A (zh) | 图像区域屏蔽方法、装置、设备及存储介质 | |
CN112269559A (zh) | 音量调整方法、装置、电子设备及存储介质 | |
CN109831817B (zh) | 终端控制方法、装置、终端及存储介质 | |
CN115002710A (zh) | 运动监测方法及电子设备 | |
CN111931712B (zh) | 人脸识别方法、装置、抓拍机及系统 | |
CN110675473A (zh) | 生成gif动态图的方法、装置、电子设备及介质 | |
CN111860064B (zh) | 基于视频的目标检测方法、装置、设备及存储介质 | |
CN110152309B (zh) | 语音通信方法、装置、电子设备及存储介质 | |
CN111508513B (zh) | 音频处理方法及装置、计算机存储介质 | |
CN110263695B (zh) | 人脸部位的位置获取方法、装置、电子设备及存储介质 | |
CN108231091B (zh) | 一种检测音频的左右声道是否一致的方法和装置 | |
CN114283827B (zh) | 音频去混响方法、装置、设备和存储介质 | |
CN111325083A (zh) | 记录考勤信息的方法和装置 | |
CN116233696B (zh) | 气流杂音抑制方法、音频模组、发声设备和存储介质 | |
CN116704080B (zh) | 眨眼动画生成方法、装置、设备及存储介质 |
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 |