CN115054889A - 跳绳识别方法及电子设备 - Google Patents

Abstract

本申请提供了一种跳绳识别方法及电子设备，通过运动传感器采样用户跳绳运动中的运动数据，如包括X、Y、Z三轴的运动数据。基于各轴运动数据识别并获得有效峰谷点的信息，即峰谷信息。进一步，基于三轴对应的有效峰谷点的峰谷信息计算得到各轴对应的信号质量变异系数。动态选取信号质量变异系数最小的一个轴作为输出轴，最终基于输出轴采样的运动数据识别并统计跳绳动作。与传统的采用某一个固定轴作为输出轴或采用三个轴的合加速度的方式相比，该方案基于实时检测到的运动数据，动态选取跳绳数据相对规律的一个轴作为输出轴，因此提高了用来识别跳绳动作的运动数据的准确率，进而提高了跳绳识别结果的准确率。

Description

跳绳识别方法及电子设备

技术领域

本申请涉及智能设备技术领域，尤其涉及跳绳识别方法及电子设备。

背景技术

跳绳运动过程中，手腕发力带动绳子前后摆动。手腕晃动带来的运动信号被智能设备(如，穿戴设备)中的运动传感器记录，进一步分析运动传感器记录的跳绳过程中的运动数据，但是，目前的跳绳识别结果误差大、准确率低。

发明内容

有鉴于此，本申请提供了跳绳识别方法及电子设备，以解决上述至少部分问题，其公开的技术方案如下：

第一方面，本申请提供了一种跳绳识别方法，应用于电子设备，该电子设备内设置有运动传感器，该方法包括：接收运动传感器分别在多个轴采集的运动数据；分析任一轴对应的运动数据，获得任一轴对应的信号质量变异系数，信号质量变异系数表征任一轴的运动数据的差异程度；动态选取信号质量变异系数的数值最小的轴为输出轴；基于输出轴对应的运动数据进行跳绳动作识别，得到跳绳统计结果。该方案基于实时检测到的运动数据动态选定输出轴，与传统的采用某一个固定轴作为输出轴或采用三个轴的合加速度的方式相比，本方案能够选取跳绳数据相对规律的一个轴作为输出轴，因此提高了运动数据的准确率，进而提高了跳绳识别结果的准确率。

在第一方面一种可能的实现方式中，动态选取信号质量变异系数的数值最小的轴为输出轴，包括：在确定已选定的输出轴输出的运动数据发生突变后，基于各轴对应的最新的信号质量变异系数，选取信号质量变异系数的数值最小的轴为新的输出轴。该方案中，信号质量变异系数越小表明运动传感器采样的信号质量差异越小，即该轴的运动数据越接近实际跳绳运动数据，动态选取输出轴提高了跳绳识别数据的准确率，进一步提高了跳绳识别结果的准确率。而且，该方案在检测到已选定的输出轴对应的运动数据发生突变后，才重新选取新的输出轴，在确保采样得到的运动数据准确的前提下，避免了频繁执行选定输出轴的过程，因此提高了获得跳绳输出结果的速度，同时提高了该方法的执行效率。

在第一方面另一种可能的实现方式中，确定已选定的输出轴输出的运动数据发生突变的过程包括：基于已选定的输出轴对应的各有效峰谷点的峰谷信息，判定已选定的输出轴对应的有效峰谷点的峰谷距离和峰谷幅值是否发生突变；若峰谷距离和峰谷幅值中的至少一项发生突变，则确定已选定的输出轴输出的运动数据发生突变；若峰谷距离和峰谷幅值均未突变，则确定已选定的输出轴输出的运动数据未发生突变。可见，该方案通过峰谷幅值或峰谷距离判定已选定的输出轴的运动数据是否发生突变，判定过程简单且准确率高。

在第一方面又一种可能的实现方式中，判定已选定的输出轴对应的有效峰谷点的峰谷距离是否有突变的过程，包括：在检测到有效峰谷点后的第一预设时长内，若检测到新的有效峰谷点确定峰谷距离无突变，若未检测到新的有效峰谷点确定峰谷距离有突变。

在第一方面再一种可能的实现方式中，判定已选定的输出轴对应的有效峰谷点的峰谷幅值是否有突变的过程，包括：在检测到有效波谷后的第二预设时长内检测到有效波峰，若有效波峰与有效波谷之间的幅值差在第一预设范围内，确定峰谷幅值无突变；若有效波峰与有效波谷之间的幅值差超出第一预设范围，确定峰谷幅值有突变；在检测到有效波峰后的第三预设时长内检测到有效波谷，若有效波谷与有效波峰之间的幅值差在第二预设范围内，确定峰谷幅值无突变；若有效波谷与有效波峰之间的幅值差超出第二预设范围，确定峰谷幅值有突变。

在第一方面另一种可能的实现方式中，分析任一轴对应的运动数据，获得任一轴对应的信号质量变异系数，包括：分析任一轴对应的运动数据，获得任一轴对应的有效峰谷点的峰谷信息，有效峰谷点是运动数据中符合峰谷条件的波峰或波谷，峰谷信息包括有效峰谷点的幅值及状态信息，以及有效峰谷点与相邻的有效峰谷点之间的距离信息；基于任一轴对应的有效峰谷点的峰谷信息，计算得到任一轴对应的信号质量变异系数。

在第一方面又一种可能的实现方式中，基于任一轴对应的有效峰谷点的峰谷信息，获得任一轴对应的信号质量变异系数，包括：基于任一轴对应的有效峰谷点的峰谷信息，获得任一轴对应的波峰幅值变异系数、波谷幅值变异系数、峰谷幅值差变异系数和峰谷距离变异系数，其中，波峰幅值变异系数表征各波峰幅值之间的差异程度，波谷幅值变异系数表征各波谷幅值之间的差异程度、峰谷幅值差变异系数表征各个峰谷幅值差之间的差异程度，峰谷距离变异系数表征各峰谷距离之间的差异程度；分别获取波峰幅值变异系数、波谷幅值变异系数、峰谷幅值差变异系数和峰谷距离变异系数对应的权重系数，其中，各变异系数对应的权重系数之和等于1；利用相应的权重系数对各个变异系数加权后求和，得到信号质量变异系数。可见，该方案针对有效峰谷点对应的各个参数的变异系数，以及各变异系数对应的权重系数，最终计算得到该轴对应信号质量变异系数，提高了运动传感器各轴对应的信号质量变异系数的准确率。

在第一方面另一种可能的实现方式中，分析任一轴对应的运动数据，获得任一轴对应的有效峰谷点的峰谷信息，包括：确定任一轴对应的运动数据中的最值点，获得粗略寻峰结果，粗略寻峰结果包括多个峰谷点的信息；基于各个峰谷点对应的峰谷距离和峰谷幅值，去除伪波峰和伪波谷，获得有效峰谷点的峰谷信息。

在第一方面又一种可能的实现方式中，基于各个峰谷点对应的峰谷距离和峰谷幅值，去除伪波峰和伪波谷，获得有效峰谷点的峰谷信息，包括：若当前峰谷点与前一个有效峰谷点的峰谷状态不一致，判定当前峰谷点与前一个有效峰谷点之间的峰谷距离是否大于或等于最小峰谷距离阈值；若峰谷距离小于最小峰谷距离阈值，确定当前峰谷点是无效峰谷点；若峰谷距离大于或等于最小峰谷距离阈值，判定峰谷距离是否小于或等于最大峰谷距离阈值；若峰谷距离大于最大峰谷距离阈值，确定当前峰谷点是有效峰谷点；若峰谷距离小于或等于最大峰谷距离阈值，判定当前峰谷与前一个有效峰谷点之间的峰谷幅值差是否大于或等于预设幅值差阈值；若峰谷幅值差大于或等于预设幅值差阈值，确定当前峰谷点是有效峰谷点；若峰谷幅值差小于预设幅值差阈值，确定当前峰谷点是无效峰谷点。

在第一方面再一种可能的实现方式中，基于各个峰谷点对应的峰谷距离和峰谷幅值，去除伪波峰和伪波谷，获得有效峰谷点的峰谷信息，包括：若当前峰谷点与前一个有效峰谷点的峰谷状态一致，判定当前峰谷点与前一个有效峰谷点之间的峰谷距离是否小于最大峰谷距离阈值；若峰谷距离大于或等于最大峰谷距离阈值，确定当前峰谷点是有效峰谷点，并利用当前峰谷点替代前一个有效峰谷点；若峰谷距离小于最大峰谷距离阈值，判定当前峰谷点与前一个有效峰谷点之间的峰谷幅值差是否满足预设条件；若峰谷幅值差满足预设条件，确定当前峰谷点有效，并利用当前峰谷点替代前一个有效峰谷点；若峰谷幅值不满足预设条件，确定当前峰谷点是无效峰谷点。

在第一方面另一种可能的实现方式中，当前峰谷点是波峰，预设条件是当前峰谷点的幅值大于前一个有效峰谷点的幅值；当前峰谷点是波谷，预设条件是当前峰谷点的幅值小于前一个有效峰谷点的幅值。

在第一方面再一种可能的实现方式中，有效峰谷点的峰谷信息包括：峰谷状态、峰谷幅值和峰谷距离，所述峰谷距离是相邻的有效波峰和有效波谷之间的时间差。

在第一方面另一种可能的实现方式中，该方法还包括：显示所述跳绳统计结果。

第二方面，本申请还提供了一种电子设备，电子设备包括：一个或多个处理器、存储器和显示屏；所述存储器用于存储程序代码；

所述处理器用于运行所述程序代码，使得所述电子设备实现如第一方面或第一方面任一种可能的实现方式所述的跳绳识别方法，得到跳绳统计结果；

所述显示屏用于显示所述跳绳统计结果。

第三方面，本申请还提供了一种计算机可读存储介质，其上存储有指令，当所述指令在电子设备上运行时，使得所述电子设备执行如第一方面或第一方面任一种可能的实现方式所述的跳绳识别方法。

应当理解的是，本申请中对技术特征、技术方案、有益效果或类似语言的描述并不是暗示在任意的单个实施例中可以实现所有的特点和优点。相反，可以理解的是对于特征或有益效果的描述意味着在至少一个实施例中包括特定的技术特征、技术方案或有益效果。因此，本说明书中对于技术特征、技术方案或有益效果的描述并不一定是指相同的实施例。进而，还可以任何适当的方式组合本实施例中所描述的技术特征、技术方案和有益效果。本领域技术人员将会理解，无需特定实施例的一个或多个特定的技术特征、技术方案或有益效果即可实现实施例。在其他实施例中，还可在没有体现所有实施例的特定实施例中识别出额外的技术特征和有益效果。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，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用户佩戴智能穿戴设备跳绳场景的示意图；

图2是本申请实施例提供的一种三个不同用户跳绳过程中三轴加速度传感器采样的数据波形图；

图3是本申请实施例提供的一种电子设备的结构示意图；

图4是本申请实施例提供的一种跳绳识别过程的数据处理过程的示意图；

图5是本申请实施例提供的数据缓存阶段和数据处理阶段的分布示意图；

图6是本申请实施例提供的一种跳绳识别方法流程图；

图7是本申请实施例提供的一种加速度数据信号的波形图；

图8是本申请实施例提供的一种获得信号质量变异系数过程的示意图；

图9～图11是本申请实施例提供的一种可能的跳绳信息显示界面的示意图；

图12是本申请实施例提供的一种粗略寻峰过程获得的波峰的示意图；

图13是本申请实施例提供的一种精确寻峰过程的流程图；

图14是本申请实施例提供的一种加速度数据突变的波形图；

图15是本申请实施例提供的一种检测加速度数据是否突变的流程图；

图16是本申请实施例提供的一种检测峰谷距离是否突变的流程图；

图17是本申请实施例提供的一种检测峰谷幅值是否突变的流程图；

图18是本申请实施例提供的另一种检测峰谷幅值是否突变的流程图。

具体实施方式

本申请说明书和权利要求书及附图说明中的术语“第一”、“第二”和“第三”等是用于区别不同对象，而不是用于限定特定顺序。

在本申请实施例中，“示例性的”或者“例如”等词用于表示作例子、例证或说明。本申请实施例中被描述为“示例性的”或者“例如”的任何实施例或设计方案不应被解释为比其它实施例或设计方案更优选或更具优势。确切而言，使用“示例性的”或者“例如”等词旨在以具体方式呈现相关概念。

通常，电子设备中常用的运动传感器包括加速度传感器、陀螺仪。加速度传感器的原理是采集X、Y、Z三轴的加速度值，当设备静止时三轴数值的模约等于标准重力加速度。陀螺仪可以采集X、Y、Z三轴的角速度值，代表三轴转动的角速度。但陀螺仪的功耗高于加速度传感器。

例如，如图1所示，用户佩戴智能穿戴设备(如，智能手环或智能手表)中设置有加速度传感器，可以采集用户在跳绳过程中的运动数据，进一步识别跳绳动作。

跳绳过程中手腕发力富有规律性，加速度传感器采集的加速度信号的峰谷周期与跳绳周期基本一致，因此，基于采集的加速度数据的峰谷周期识别跳绳动作。然而，目前的一种跳绳识别方法是利用X、Y、Z三轴加速度值的合加速度值获得跳绳识别结果。而跳绳过程中加速度传感器的三轴信号的波峰、波谷并不同步，三轴的合加速度会形成伪波峰、伪波谷，因此，通过合加速度识别跳绳动作的方式准确率低。

如图2所示，示出了三个不同用户跳绳过程中X、Y、Z三个轴的加速度数据波形示意图。其中，(a)图表示用户A对应的三轴加速度数据，(b)图表示用户B对应的三轴加速度数据，(c)图表示用户C对应的三轴加速度数据。由图可知，(a)图中X轴数据的峰谷相对规律，(b)图中Y轴数据的峰谷相对规律，(C)图中Z轴数据的峰谷相对规律，可见不同用户的加速度数据表现形式呈现多样化，同一样本的不同轴的信号质量也有较大的差异，因此，单独使用特定轴输出的加速度数据作为跳绳运动的分析数据，极易产生较大的误差。

为了解决上述技术问题，本申请提供了一种跳绳识别方法，该方法在获得运动传感器采样的X、Y、Z三轴对应的运动数据后，针对各轴运动数据获得有效峰谷点的信息，即峰谷信息。进一步，基于三轴对应的有效峰谷点的信息动态选定输出轴。具体的，根据各轴的有效峰谷点的峰谷信息，计算得到各轴对应的信号质量变异系数，并选取信号质量变异系数最小的轴作为输出轴。该方案能够动态选取符合实际跳绳规律的运动数据作为识别跳绳动作的运动数据，从而避免采用三轴加速度计的合加速度形成的伪波峰和伪波谷导致跳绳结果识别准确率低的问题，同时，也避免了固定使用某一轴作为输出轴时导致的跳绳结果识别准确率低，因此，该方案提高了跳绳识别准确率。

在本申请实施例中，如图3所示，适用本申请实施例提供的跳绳识别方法的电子设备的结构可以包括处理器110、运动传感器120、显示屏130、存储器140、无线通信模块150。

处理器110可以包括一个或多个处理单元。在本申请实施例中，处理器110可以根据运动传感器120采集的运动数据动态选定输出轴，并根据该输出轴实时采集的运动数据得到跳绳识别结果。

本实施例中，运动传感器120可以是三轴加速度传感器，检测电子设备在X、Y、Z三个方向的加速度值。当电子设备静止时，三个轴的加速度值的模约等于标准重力加速度。在其他实施例中，运动传感器120还可以采用陀螺仪，检测电子设备在X、Y、Z三个方向的角速度值。在本申请实施例中，利用运动传感器120采集的各个轴的运动数据识别跳绳动作。

存储器140可以用于存储计算机可执行程序代码，该可执行程序代码包括指令。处理器110通过运动存储在存储器140的指令，执行电子设备的各种功能应用以及数据处理。例如，本实施例中，处理器110可以通过执行存储在存储器140中的指令，识别跳绳动作。

显示屏130用于显示跳绳识别结果，例如，跳绳总次数、中断次数、当前连跳次数、当前跳绳频率、最大跳绳频率。

无线通信模块150可以提供应用在电子设备上的包括无线局域网(wirelesslocal area networks，WLAN)(如无线保真(wireless fidelity，Wi-Fi)网络)，蓝牙(bluetooth，BT)，全球导航卫星系统(global navigation satellite system，GNSS)，调频(frequency modulation，FM)，近距离无线通信技术(near field communication，NFC)，红外技术(infrared，IR)等无线通信的解决方案。

可以理解的是，本实施例示意的结构并不构成对电子设备的具体限定。在另一些实施例中，电子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。

本申请如下实施例以运动传感器是加速度传感器为例进行说明，本申请实施例提供的跳绳识别方法同样适用于运动传感器采用陀螺仪的场景中，本申请实施例对运动传感器的类型不做限定。

下面将结合图4，介绍申请实施例提供的一种跳绳识别过程的数据处理过程。

如图4所示，加速度传感器采集X、Y、Z三个轴的加速度数据。处理器接收三轴加速度数据并缓存，当缓存数据量达到预设数量(如500帧)后，才开始进行后续的处理过程。如，处理器分别对缓存的各轴加速度数据进行均值滤波处理，利用寻峰算法分别识别各轴加速度数据中的有效峰谷信息。

由于在跳绳过程中，采集的X、Y、Z三个轴的加速度值的峰谷信息在时序上存在差异，例如，某些轴或某个轴会存在较多的伪波峰或伪波谷，因此，本实施例中，基于上一步获得的有效峰谷信息动态选定输出轴。

在一实施例中，如果是首次选定输出轴，则直接执行选定输出轴的步骤；如果不是首次选定输出轴，则需要先检测已选定的输出轴输出的加速度数据是否发生突变；如果有突变，则需要重新选定输出轴；如果没有突变则可以继续使用已选定的输出轴输出的加速度数据进行跳绳识别。统计跳绳结果并在显示装置上显示跳绳结果。

在一种可能的实现方式中，电子设备是具有显示屏的智能穿戴设备，此种情况下，显示装置可以是智能穿戴设备的显示屏。在另一种可能的实现方式中，电子设备可以是智能跳绳，显示装置可以是能够与该智能跳绳进行通信的电子设备(如智能手机)的显示屏。本申请实施例对显示装置的具体形式不做限定。

如图5所示，首次执行本申请提供的跳绳识别方法时，三轴加速度数据的缓存数量达到500帧后，才进行后续的处理过程，即选定输出轴并基于输出轴的数据识别跳绳动作。从第501帧数据开始，检测实时采样的加速度数据是否发生突变，如果未发生突变，则继续使用已经选定的输出轴输出的数据进行分析。如果发生了突变，则不再输出跳绳识别结果，并重新缓存500帧数据，重新选定输出轴，并基于新选定的输出轴进行计数统计。

下面结合图6，详细介绍本申请实施例提供的一种跳绳识别方法流程，该方法应用于图3所示的电子设备(如，智能手环、智能手表)。

如图6所示，该方法可以包括以下步骤：

S10，加速度传感器分别采集用户的运动数据，并发送至处理器。

在一种应用场景中，用户佩戴的智能手环或智能手表等智能穿戴设备中设置有加速度传感器，该加速度传感器实时采集用户的运动数据。本实施例中，运动数据包括X、Y、Z三个轴上的加速度值。

在一示例性实施例中，加速度传感器的采样频率可以是100Hz，即每10ms采集一次数据，也即10ms采集一帧数据。当然本申请还可以采用其他采样频率的加速度传感器，本申请对此不做限定。

S11，处理器分别对三轴加速度数据进行均值滤波处理。

在一示例性实施例中，处理器接收并缓存加速度传感器输出的加速度数据，当缓存的加速度数据达到一定数量(如500帧数据，也即5s的数据)后，处理器才进行后续处理，如均值滤波处理。当然，处理器缓存的加速度数据的数量还可以根据实际需求设定，本申请对缓存的数据量不做限定。

在本实施例中，在数据缓存未达到预设数量的时间内，不会进行后续处理，因此不会输出跳绳识别结果。

均值滤波的作用是降低干扰信号的影响。均值滤波是一种线性滤波器，将一个窗口区域内的加速度数据平均值，然后将窗口中计算得到的平均值设置为中心点的加速度值。在一示例中，窗口长度可以是100ms，窗口长度可以根据实际需求调整，本申请对此不限定。

S12，针对每个轴输出的加速度数据，利用寻峰算法得到有效峰谷点的峰谷信息。

在一示例性实施例中，针对各轴加速度数据分析得到有效峰谷点的峰谷信息。

如图4所示，加速度传感器采样得到X、Y、Z三个轴的加速度数据，对于任一轴对应的滤波后的加速度数据，利用寻峰算法得到有效波峰、有效波谷对应的信息，即最终分别获得X轴的多个有效峰谷点的峰谷信息、Y轴的多个有效峰谷点的峰谷信息，以及Z轴的多个有效峰谷点的峰谷信息。

在本申请实施例中，寻峰算法包括两步，其中，第一步是根据加速度传感器输出的加速度数据进行粗略寻峰。第二步是依据粗略寻峰结果进行精确寻峰，去除伪波峰和伪波谷，获得有效峰谷点。

在一示例中，峰谷信息可以包括峰谷幅值、峰谷状态、峰谷距离。峰谷幅值是指该有效峰谷点对应的幅值。峰谷状态是指该有效峰谷点是波峰还是波谷。峰谷距离是指当前有效峰谷点与相邻的前一个有效峰谷点之间的时间差。

例如，图7示出了一种加速度数据的波形示意图，其中，波形图的X轴表示各加速度数据的采样时间，单位为ms，Y轴为加速度数值。

如图7所示，A、C、E点均为波谷，B、D、F点均为波峰。其中，A点的幅值(即波谷幅值)为f1。B点的幅值(波峰幅值)为f2。A点与B点的幅值差为f2-f1。B点与A点之间的峰谷距离为L，即t2-t1。其中，A点是该加速度波形中的首个波谷，因此其对应的峰谷距离为0。

在一示例中，检测到有效峰谷点后，可以缓存5个连续的有效峰谷点对应的峰谷信息用于后续的分析过程。这5个有效峰谷点的信息基于实时数据更新，即处理器中存储的5个峰谷信息是最新的5个有效峰谷点的信息。

例如，图7中检测到的五个有效峰谷点依次为A～E，缓存这五个峰谷点的峰谷信息。随着时间推移，又检测到新的波峰F点，此时，缓存的五个峰谷点变为B～F。可见，总是利用最新的峰谷点的信息覆盖最早的峰谷点的信息，从而使缓存的五个峰谷点的峰谷信息始终是最新的五个峰谷点的信息。

当然，处理器也可以存储更多数量的有效峰谷点的峰谷信息。存储的峰谷信息数量越多占用的存储空间也越多。可以根据实际情况设置存储的有效峰谷点的数量，本申请对此不做限定。

S13，检测是否是首次选定输出轴；如果否，则执行S14；如果是，则执行S15。

如果是首次选定输出轴，则可以直接执行后续选定输出轴的处理过程。如果不是首次选定输出轴，换言之，已经选定了输出轴，则只需判断是否可以继续使用已选定的输出轴。

在跳绳过程中，如果用户中断，或者跳速/跳绳动作发生改变，加速度传感器采样的加速度数据都可能发生突变，原来峰谷相对规律的轴上所采样的数据的峰谷变得不规律。因此，在已经选定了输出轴的情况下，需要判断加速度传感器输出的数据是否发生突变，再确定是否需要重新选定输出轴。

在一示例性实施例中，每次选定输出轴后会记录选出的输出轴。在一示例中，如果是首次选定输出轴，则用于记录输出轴的字段可以是“Null”。如果已经选定输出轴，则用于记录输出轴的字段可以记录该输出轴对应的标识，例如，X、Y和Z。

例如，检测到用于记录输出轴的字段为“Null”，则确定本次是首次选定输出轴。检测到用于记录输出轴的字段为“X”，则确定选定的输出轴是X轴。

S14，检测输出轴的加速度数据是否有突变；如果有突变，则执行S15，如果没有突变，则执行S18。

如果检测到已选定的输出轴的输出信号是否发生突变，则需要重新选定输出轴。如果已选定输出轴的输出信号没有突变，则可以继续使用该输出轴的输出数据进行后续处理。

例如，在一示例性实施例中，可以通过检测加速度数据序列中的峰谷幅值、峰谷距离是否发生突变确定加速度数据是否发生突变。

S15，针对任一轴，基于该轴的多个峰谷信息，获得该轴峰谷信息对应的变异系数。

如图8所示，每个轴的加速度数据的峰谷信息包括峰谷幅值，峰谷状态和峰谷距离，其中，根据峰谷幅值和峰谷状态可以计算得到波峰幅值、波谷幅值以及相邻的波峰与波谷的幅值差(即波峰幅值与波谷幅值的差值)。

进一步，根据各个峰谷信息计算得到相应的变异系数。变异系数又称离散系数，表示离散数据的变异程度，其计算方式为标准差与平均值之比。

在一示例性实施例中，各个轴对应的变异系数包括波峰幅值变异系数、波谷幅值变异系数、峰谷幅值差变异系数、峰谷距离变异系数。

波峰幅值变异系数是多个有效波峰的波峰幅值的变异系数，即各波峰幅值的标准差与各波峰幅值平均值的比值，表示各波峰幅值的差异程度。

波谷幅值变异系数是多个有效波谷的波谷幅值的变异系数，即各波谷幅值的标准差与各波谷幅值平均值的比值，表示各波谷幅值的差异程度。

峰谷幅值差变异系数是多对相邻的有效波峰和有效波谷对应的峰谷幅值差之间的变异系数，即各峰谷幅值差的标准差与各峰谷幅值差平均值的比值，表示各峰谷幅值差的差异程度。

峰谷距离变异系数是多对相邻的有效波峰与有效波谷对应的峰谷距离之间变异系数，即各峰谷距离的标准差与各峰谷距离平均值的比值，表示各峰谷距离的差异程度。

S16，针对任一轴，基于该轴峰谷信息的变异系数，及各变异系数对应的权重值，计算得到各轴加速度数据对应的信号质量变异系数。

如图8所示，根据上一步骤计算得到的四个变异系数，可以计算得到最终用于评估加速度数据质量的变异系数，即信号质量变异系数。

信号质量变异系数表示加速度数据的变异程度，数值越大表示变异程度越大，反之，数值越小表示变异程度越小。

上述的四个变异系数对信号质量变异系数的影响程度不同，因此，可以为上述四个变异系数设置不同的权重值。对信号质量变异系数影响程度越大对应的权重值越大，反之，对信号质量变异系数影响程度越小对应的权重值越小。

四个变异系数对应的权重组合可以基于多组跳绳过程的加速度数据通过网格搜索法确定，而且，四个变异系数的权重之为1。

在一示例中，波峰幅值变异系数对应的权重为0.23、波谷幅值变异系数对应的权重为0.26、峰谷幅值差变异系数对应的权重为0.36、峰谷距离变异系数对应的权重为0.15。

在本实施例中，信号质量变异系数的计算公式如下：

信号质量变异系数＝Q1*波峰幅值变异系数+Q2*波谷幅值变异系数+Q3*峰谷幅值差变异系数+Q4*峰谷距离变异系数 (式1)

公式1中，Q1～Q4是各变异系数对应的权重系数。

S17，确定信号质量变异系数最小的轴为输出轴。

信号质量变异系数越小表明该轴的加速度数据的差异程度越低，因此选取信号质量变异系数最小的轴作为输出轴。

例如，X、Y、Z三个轴对应的信号质量变异系数分别为0.2、0.3、0.5，则确定X轴为输出轴。

S18，基于输出轴采样的加速度数据识别跳绳动作，以及统计得到跳绳识别结果并发送至显示装置。

根据输出轴采集的加速度数据的峰谷信息识别跳绳动作，在一示例中，一次有效跳绳动作的条件包括：

(1)一个波峰伴随两个波谷。如图7所示，波峰B点两侧分别是波谷A和波谷C。

(2)峰谷距离大于最小距离阈值(如100ms)，小于最大距离阈值(如1s)。如图7所示，峰谷距离为t2-t1，t3-t2。

(3)波峰两侧的峰谷距离之差小于一定阈值(如300ms)，其中，如图7所示，波峰B点两侧分别是波谷A和波谷C，其中，波峰B与波谷A之间的峰谷距离为t2-t1，波峰B与波谷C之间的峰谷距离为t3-t2。其中，波峰B两侧的峰谷距离的差值为(t3-t2)-(t2-t1)，该差值小于300ms。

(4)波峰两侧的峰谷幅值差的比值大于预设值(如0.6)，如波峰两侧的幅值差分别为f1和f2，其中，f1＜f2，f1/f2＞0.6。如图7所示，波峰B与波谷A的幅值差为(b-a)，波峰B与波谷C的幅值差为(f2-f3)，则需满足(f2-f1)/(f2-f3)＞0.6。

若输出轴采样的加速度数据满足上述四个条件，则判定该加速度数据对应一次有效的跳绳动作。

如图5所示，在数据处理阶段，当检测到加速度传感器输出的数据发生突变后，需要进一步判断跳绳过程是中断还是停止。仅根据峰谷信息无法识别停止不跳还是中断后又继续跳，中断识别条件为：第一时间阈值(如1s)＜峰谷距离＜第二时间阈值(如1.8s)。

在检测到加速度数据发生突变后的第一距离阈值内检测到新的有效峰谷点，则确定当前为跳绳中断。进一步，统计本次中断之前的连续跳绳次数记为当前连跳次数。以及，统计本次中断前的跳绳频率，跳绳频率是指用户在单位时间(如1min)内跳绳个数。

在一示例中，跳绳频率f＝6000/d_mean，其中，6000是1min内应采样的数据帧总数，d_mean是多次连续跳绳动作之间的间隔的数据帧数量平均值。

其中，d_mean可以利用缓存的预设数量次(如5次)连续跳绳的时间间距计算得到，例如，5次连续跳绳的时间间距是3s。以采样频率是100Hz为例，3s共采样300帧数据，因此，每次跳绳动作对应的数据帧数量平均值d_mean＝60，最终，计算得到跳绳频率f＝6000/60＝100次/min。

如果在检测到加速度数据突变后的第二时间阈值内未检测到新的跳绳动作数据，则确定本次是停止不跳。则存储跳绳间距的缓存器中填入0，跳绳频率有一定的下降。

需要说明的是，此处的缓存器用于存储预设数量次连续跳绳间的时间间距，如上述示例中5次连续跳绳间的时间间距是3s。

跳绳全过程的统计参数包括：跳绳总次数、中断总次数、当前连跳次数、最大连跳次数、当前跳绳频率和最大跳绳频率。

S19，显示装置显示跳绳识别结果。

在一种可能的实现方式中，显示装置是智能穿戴设备的显示屏，处理器识别并统计跳绳识别结果后，将跳绳识别结果发送至显示屏进行显示。

在另一种可能的实现方式中，显示装置可以是与智能穿戴设备连接的其它电子设备的显示屏，例如，智能手机，平板电脑等。例如，智能穿戴设备将跳绳识别结果发送至智能手机，智能手机显示接收到的跳绳识别结果。

图9是本申请实施例提供的一种可能的跳绳信息总览界面的示意图。

假设某次跳绳持续15分钟，总计数1500个，中断5次。如图9所示，针对本次跳绳运动的信息总览界面显示的信息可以包括：跳绳总次数是1500个；中断次数是5次；最大连跳次数是400个，最大跳绳频率是134个/分钟，总运动时长是15分钟。在其它实施例中，

在一示例中，图9所示的界面可以显示于智能手表、智能手机、平板电脑等设备的显示屏上。例如，智能手机或平板电脑通过无线通信(如蓝牙、WiFi)与智能穿戴设备连接后，智能手机或平板电脑的运动健康APP的界面上可以显示图9所示的跳绳信息总览界面。

本申请实施例还提供了一种跳绳全程阶段性统计柱形示意图。如图10所示，该图示出了跳绳运动持续的15分钟内，每分钟对应的跳绳计数的柱状图，其中，横轴表示时间，纵轴表示跳绳次数。例如，第1分钟的跳绳次数是108，第2分钟的跳绳次数是126，第3分钟的跳绳次数是52，此处不再一一详述。

此外，本申请实施例还提供了实时跳绳速度的示意图，如图11所示，图中横轴表示时间，纵轴表示跳绳速度(也即跳绳频率)。用户通过该图可以直观地看到跳绳全过程的实时速度。

需要说明的是，图9～图11所示的界面形状可以根据显示屏的实际形状调整，例如，图9所示的圆形界面可以利用其它形状的界面代替，本申请对各信息显示界面的形状、大小等参数不限定。

在本申请的其它实施例中，还可以针对跳绳过程中其它维度的统计参数绘制相应的示意图，本申请不再一一赘述。

本实施例提供的跳绳识别方法，采用加速度传感器采样用户跳绳运动中的运动参数，如X、Y、Z三轴的加速度数据。针对各轴加速度数据获得有效峰谷点的信息，即峰谷信息。进一步，基于三轴对应的峰谷信息动态选定输出轴，最终基于选定的输出轴采样的加速度数据识别并统计跳绳动作。其中，基于各轴的峰谷信息对应的变异系数，计算得到各轴对应的信号质量变异系数，最终选取信号质量变异系数最小的轴作为输出轴。首先，加速度传感器的功耗及成本均比陀螺仪低，因此，该方案降低了电子设备在识别跳绳动作过程中的功耗，同时也降低了电子设备的成本。进一步，该方案基于实时检测到的运动数据动态选定输出轴，与传统的采用某一个固定轴作为输出轴或采用三个轴的合加速度的方式相比，本方案能够选取跳绳数据相对规律的一个轴作为输出轴，因此提高了运动数据的准确率，进而提高了跳绳识别结果的准确率。

下面将结合图12和图13详细介绍任一轴的寻峰过程，其它轴的寻峰过程相同，此处不再赘述。

前已叙及，寻峰过程包括两步，第一步是粗略寻峰，第二步是基于粗略寻峰的结果进行精确寻峰，去除伪峰谷获得有效峰谷点。

在一示例性实施例中，粗略寻峰的条件可以包括：(1)滑窗截取的数据最值点位于滑窗中间，其中，滑窗的长度为预设长度，如100ms(100ms对应10帧数据)；(2)最值点前后半段满足相对单调性。

如图12所示，滑窗截取的数据是(i-5)～(i+5)共10帧数据，其中，该滑窗所截取数据的最值点是第i帧数据，恰好处于滑窗中间位置，即满足上述的条件(1)。进一步，判断左侧5帧数据是否依次递增，以及判断右侧5帧数据是否依次递减，如图12所示，最值点左侧的数据依次递增，而且，最值点右侧的数据依次递减，即最值点两侧的数据满足相对单调性，即满足上述条件(2)。

通过粗略寻峰检测到峰谷点后，进一步通过精确寻峰来识别粗略寻峰得到的峰谷点是否是有效的峰谷点，如图13所示，是本申请实施例提供的一种精确寻峰过程的流程图，该过程可以包括以下步骤：

S120，获得当前峰谷点的峰谷信息。

当前峰谷点是粗略寻峰得到的峰谷点，峰谷信息包括峰谷状态、峰谷幅值、峰谷距离等。

例如，首次执行精确寻峰过程时，粗略寻峰获得的第一个峰谷点即当前峰谷点，此后，按照粗略寻峰获得的多个峰谷点的采样时间由早到晚的顺序，依次确定当前峰谷点。

S121，判断是否已经记录有效峰谷点；如果记录了有效峰谷点，则执行S123；如果未记录有效峰谷点，则执行S122。

在一种场景下，粗略寻峰后首次进行精确寻峰，此种情况未记录有效峰谷点。

在另一种场景下，已经进行过精确寻峰，此种情况下记录了有效峰谷点。

在一种可能的实现方式中，分配用于记录有效峰谷点的峰谷信息的字段，如可以记录预设数量个(如5个)有效峰谷点的峰谷信息。例如，本实施例中，可以判断用于存储有效峰谷点信息的字段是否为Null，如果是“Null”则确定没有记录有效峰谷点；如果不是Null，则确定记录了有效峰谷点。

S122，记录粗略寻峰检测到的峰谷点为有效峰谷点。

在没有记录有效峰谷点的信息的情况下，直接将粗略寻峰得到的第一个峰谷点的信息作为有效峰谷点进行存储。然后，返回执行S120，即获取粗略寻峰结果中的下一个峰谷点的信息。

S123，判断当前峰谷点与前一个有效峰谷点的峰谷状态是否一致；如果不一致，则执行S124；如果一致，则执行S129。

如果存储了有效峰谷点，则判断当前峰谷点与前一个有效峰谷点的峰谷状态是否相同，峰谷状态是指波峰或波谷。例如，前一个有效峰谷点是波谷，当前峰谷点是波峰，则两个峰谷点的峰谷状态不同。如果前一个有效峰谷点是波谷，当前峰谷点也是波谷，则确定两个峰谷点的峰谷状态相同。

S124，当前峰谷点与前一个有效峰谷点之间的峰谷距离是否大于或等于最小峰谷距离阈值；如果是，则执行S125；如果否，则执行S128。

如果当前峰谷点与前一个有效峰谷点的峰谷状态不同(如，一个是波峰，另一个是波谷)，则先判断峰谷距离是否小于最小峰谷距离阈值。

跳绳频率通常是40次/min～240次/min，而获得的峰谷点在加速度信号波形中不一定是波峰的中心点，因此最小峰谷距离阈值可以设置为100ms，最大峰谷距离阈值可以设置为1s。当然，最小峰谷距离阈值和最大峰谷距离阈值还可以根据实际情况设置为其他值，本申请对此不做限定。

如果两个相邻峰谷点的峰谷距离小于最小峰谷距离阈值，则确定当前峰谷点是无效峰谷点。

S125，当前峰谷点与前一个有效峰谷点之间的峰谷距离是否小于或等于最大峰谷距离阈值；如果是，则执行S126；如果否，则执行S127。

如果当前峰谷点与前一个有效峰谷点之间的峰谷距离大于最小峰谷距离阈值，则继续判断该峰谷距离是否小于或等于最大峰谷距离阈值。如果该峰谷距离大于最大峰谷距离阈值，则确定当前峰谷点是有效峰谷点。

如果该峰谷距离小于最大峰谷距离阈值，则需要继续判断两个峰谷点的幅值差是否满足条件，即执行S126。

S126，当前峰谷点与前一个有效峰谷点之间的峰谷幅值差是否满足条件；如果峰谷幅值差满足条件，则执行S127；如果峰谷幅值差不满足条件，则执行S128。

在一示例中，如果当前峰谷点与前一个有效峰谷点之间的峰谷距离小于最大峰谷距离阈值，则继续判断这两个峰谷点的幅值差是否大于差值阈值。例如，差值阈值可以9.5。

例如，如图7所示，假设当前峰谷点是波峰B，前一个有效峰谷点是波谷A，则A点与B点的幅值差是f2-f1。如果f2-f1≥9.5，则确定当前峰谷点是有效峰谷点。如果f2-f1＜9.5，则确定当前峰谷点是无效峰谷点。

在另一种可能的实现方式中，为了进一步限制峰谷规律，前后峰谷幅值差值需满足一定条件，例如，当前峰谷点与前一个峰谷点之间的幅值差为d1，前一个峰谷点与其前一个峰谷点之间的幅值差为d2，其中，d1与d2的差值小于0.4*max(d1，d2)。

例如，如图7所示，当前峰谷点是波谷C，波谷C与波峰B之间的幅值差值为d1，波峰B与波谷A之间的幅值差为d2，(d1-d2)＜0.4*max(d1，d2)。

S127，确定当前峰谷点为有效峰谷点。

S128，确定当前峰谷点为无效峰谷点。

S129，判断当前峰谷点的峰谷距离是否小于最大峰谷距离阈值；如果否，则执行S1210；如果是，则执行S1211。

如果当前峰谷点与前一个有效峰谷点的峰谷状态相同，即两个峰谷点都是波峰或波谷，则首先判断当前峰谷点与前一个峰谷点的峰谷距离小于最大峰谷距离阈值；如果大于最大峰谷距离阈值，则直接确定当前峰谷点是有效峰谷点，并利用当前峰谷点替代前一个有效峰谷点。

如果小于最大峰谷距离阈值，则进一步通过比较当前峰谷点与前一个有效峰谷点的幅值差确定是否利用当前峰谷点替换前一个峰谷点。

S1210，判断当前峰谷点与前一个有效峰谷点的峰谷幅值差是否满足替换条件；如果是，则执行S1211；如果否，则执行S128。

若两个峰谷点同是波峰，且峰谷距离大于最小峰谷距离阈值且小于最大峰谷距离阈值，则判断当前峰谷点与前一个峰谷点的幅值差是否大于0，即判断当前峰谷点的幅值是否大于前一个峰谷点的幅值。如果是，则利用当前峰谷点替代前一个有效峰谷点。

若两个峰谷点同是波谷，且峰谷距离在一定范围(即大于最小峰谷距离阈值且小于最大峰谷距离阈值)内，则判断当前波谷的幅值是否小于前一个波谷的幅值，如果是，确定当前波谷有效并利用当前波谷替换前一个波谷。

如果当前峰谷点与前一个有效峰谷点的峰谷幅值差不满足相应的替换条件，则确定当前峰谷点无效。

S1211，确定当前峰谷点是有效峰谷点，并利用当前峰谷点替代前一个有效峰谷点。

判断完当前峰谷点是否是有效峰谷点之后，继续判断下一个峰谷点是否是有效峰谷点，即返回执行S120。

S1212，存储当前有效峰谷点的峰谷信息。

例如，存储当前有效峰谷点对应的峰谷状态、峰谷幅值和峰谷距离(即当前有效峰谷点与前一个有效峰谷点之间的距离)。

在一示例性实施例中，只需存储预设数量个有效峰谷点的峰谷信息，因此，通过精确寻峰方式确定出有效峰谷点后，如果已存储的有效峰谷点已达到预设数量，则删除最早存储的有效峰谷点的信息，并存储最新获得的有效峰谷点的峰谷信息。

本实施例提供的寻峰过程，通过粗略寻峰寻找可能的峰谷点，进一步利用精确寻峰方式去除伪波峰、伪波谷，最终得到有效的峰谷点。精确寻峰时，通过峰谷距离、峰谷幅值等信息识别出有效峰谷点，识别过程简单有效。可见，利用该方式提高了峰谷点的准确率，进一步提高了跳绳动作识别的准确率。

在一种场景下，如图14所示，在一段相对稳定的加速度信号的末端存在信号突变，其中，加速度信号突变表现为：(1)峰谷幅值存在突变；(2)峰谷距离存在突变。

如图15所示，当检测到新的有效峰谷点后，基于新的有效峰谷点的峰谷信息(即，实时峰谷信息)，以及前一次判断信号是否突变所使用的预设数量个(如5个)有效峰谷点对应的峰谷信息，判断加速度数据的峰谷距离和峰谷幅值是否发生突变。

如果峰谷距离或峰谷幅值中的任一个发生突变，则确定加速度数据发生突变。如果峰谷距离和峰谷幅值都未发生突变，则确定加速度数据未发生突变。

前已叙及，在寻峰阶段会存储预设数量个(如5个)有效峰谷点的信息(如峰谷状态、峰谷点对应的时刻等)，同时，还会存储预设数量个峰谷信息，如峰谷信息包括波峰幅值、波谷幅值、峰谷距离等参数，且每个参数存储预设数量个(如5个)。进一步，基于这已存储的峰谷信息可以分别计算得到波峰幅值均值F1、波谷幅值均值F2、峰谷幅值差值均值F、峰峰距离均值D1和谷谷距离均值D2，其中，D1和D2的单位是ms。其中，峰峰距离均值是两个相邻波峰之间的距离，谷谷距离均值是两个相邻波谷之间的距离。如果上述参数不足5个则按实际有效数量计算平均值。

例如，如图7所示的波形图中，如果当前已经检测到有效峰谷点是A～E，其中，A点是第一个有效峰谷点。此时仅能获得A、C、E三个波谷幅值。B和D两个波峰幅值。B点与A点、C点与B点、D点与C点、E点与D点四个峰谷距离。

例如，图7所示的根据A、C、E三个波谷的幅值计算得到波谷幅值均值F2。根据B和D两个波峰的幅值计算得到波峰幅值均值F1。以及，根据B点与A点的幅值差、B点与C点的幅值差、D点与C点的幅值差、D点与E点的幅值差计算得到峰谷幅值差均值F。根据B点与D点的峰峰距离得到峰峰距离均值D1。根据A点与C点之间的谷谷距离，C点与E点的谷谷距离计算得到谷谷距离均值D2。

在一示例中，如图16所示，检测峰谷距离是否突变的过程包括：检测到新的峰谷点后的第一预设时长内，判断是否检测到新的有效峰谷点；如果是，则确定峰谷距离无突变；如果否，则确定峰谷距离有突变。

在一实施例中，第一预设时长可以根据峰峰距离均值D1和谷谷距离均值D2确定，例如，第一预设时长＝(0.8～1.2)*max(D1，D2)。

在一种应用场景中，当前检测到有效峰谷点是波谷，此种场景下，如图17所示，检测峰谷幅值是否发生突变的过程包括：检测到有效波谷后开始计时，在第二预设时长(如，1s)内是否检测到有效波峰，如果是，则继续判断有效波峰与前一个有效波谷的幅值差是否在一定范围(即，第二预设范围，如(0.5～1.2)F)内，如果幅值差在一定范围内则确定峰谷幅值无突变，如果不在一定范围内确定峰谷幅值有突变。

在另一种应用场景中，当前检测到有效峰谷点是波峰。此种场景下，如图18所示，检测峰谷幅值是否发生突变的过程包括：检测到有效波峰后开始计时，在第三预设时长(如，1s)内是否检测到有效波谷，如果是，则继续判断有效波谷与前一个有效波峰的幅值差是否在一定范围内，如果幅值差在一定范围内(即第三预设范围，如(0.5～1.2)F)则确定峰谷幅值无突变，如果幅值差不在一定范围内则确定峰谷幅值有突变。

在一示例中，第二预设时长和第三预设时长均可以是1s，当然第二预设时长和第三预设时长也可以根据实际情况调整，本申请对此不限定。第二预设范围和第三预设范围可以是(0.5～1.2)*F，也可以根据实际情况调整，本申请对此不限定。

通过以上的实施方式的描述，所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，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。上述描述的系统，装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

在本实施例所提供的几个实施例中，应该理解到，所揭露的系统，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置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信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。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。

另外，在本实施例各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本实施例的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)或处理器执行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：快闪存储器、移动硬盘、只读存储器、随机存取存储器、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 (15)

1.一种跳绳识别方法，其特征在于，应用于电子设备，所述电子设备内设置有运动传感器，所述方法包括：

接收所述运动传感器分别在多个轴采集的运动数据；

分析任一轴对应的运动数据，获得所述任一轴对应的信号质量变异系数，所述信号质量变异系数表征所述任一轴的运动数据的差异程度；

动态选取信号质量变异系数的数值最小的轴为输出轴；

基于所述输出轴对应的运动数据进行跳绳动作识别，得到跳绳统计结果。

2.根据权利要求1所述的方法，其特征在于，所述动态选取信号质量变异系数的数值最小的轴为输出轴，包括：

在确定已选定的输出轴输出的运动数据发生突变后，基于各轴对应的最新的信号质量变异系数，选取信号质量变异系数的数值最小的轴为新的输出轴。

3.根据权利要求2所述的方法，其特征在于，确定已选定的输出轴输出的运动数据发生突变的过程包括：

基于已选定的输出轴对应的各有效峰谷点的峰谷信息，判定已选定的输出轴对应的有效峰谷点的峰谷距离和峰谷幅值是否发生突变；

若所述峰谷距离和所述峰谷幅值中的至少一项发生突变，则确定已选定的输出轴输出的运动数据发生突变；

若所述峰谷距离和所述峰谷幅值均未突变，则确定已选定的输出轴输出的运动数据未发生突变。

4.根据权利要求3所述的方法，其特征在于，判定已选定的输出轴对应的有效峰谷点的峰谷距离是否有突变的过程，包括：

在检测到有效峰谷点后的第一预设时长内，若检测到新的有效峰谷点确定峰谷距离无突变，若未检测到新的有效峰谷点确定峰谷距离有突变。

5.根据权利要求3所述的方法，其特征在于，判定已选定的输出轴对应的有效峰谷点的峰谷幅值是否有突变的过程，包括：

在检测到有效波谷后的第二预设时长内检测到有效波峰，若所述有效波峰与所述有效波谷之间的幅值差在第一预设范围内，确定所述峰谷幅值无突变；若所述有效波峰与所述有效波谷之间的幅值差超出所述第一预设范围，确定所述峰谷幅值有突变；

在检测到有效波峰后的第三预设时长内检测到有效波谷，若所述有效波谷与所述有效波峰之间的幅值差在第二预设范围内，确定所述峰谷幅值无突变；若所述有效波谷与所述有效波峰之间的幅值差超出所述第二预设范围，确定所述峰谷幅值有突变。

6.根据权利要求1至5任一项所述的方法，其特征在于，所述分析任一轴对应的运动数据，获得所述任一轴对应的信号质量变异系数，包括：

分析任一轴对应的运动数据，获得所述任一轴对应的有效峰谷点的峰谷信息，所述有效峰谷点是所述运动数据中符合峰谷条件的波峰或波谷，所述峰谷信息包括所述有效峰谷点的幅值及状态信息，以及所述有效峰谷点与相邻的有效峰谷点之间的距离信息；

基于所述任一轴对应的有效峰谷点的峰谷信息，计算得到所述任一轴对应的信号质量变异系数。

7.根据权利要求6所述的方法，其特征在于，所述基于任一轴对应的有效峰谷点的峰谷信息，获得所述任一轴对应的信号质量变异系数，包括：

基于任一轴对应的有效峰谷点的峰谷信息，获得所述任一轴对应的波峰幅值变异系数、波谷幅值变异系数、峰谷幅值差变异系数和峰谷距离变异系数，其中，所述波峰幅值变异系数表征各波峰幅值之间的差异程度，所述波谷幅值变异系数表征各波谷幅值之间的差异程度、所述峰谷幅值差变异系数表征各个峰谷幅值差之间的差异程度，所述峰谷距离变异系数表征各峰谷距离之间的差异程度；

分别获取所述波峰幅值变异系数、波谷幅值变异系数、峰谷幅值差变异系数和峰谷距离变异系数对应的权重系数，其中，各变异系数对应的权重系数之和等于1；

利用相应的权重系数对各个变异系数加权后求和，得到所述信号质量变异系数。

8.根据权利要求1所述的方法，其特征在于，所述分析任一轴对应的运动数据，获得任一轴对应的有效峰谷点的峰谷信息，包括：

确定所述任一轴对应的运动数据中的最值点，获得粗略寻峰结果，所述粗略寻峰结果包括多个峰谷点的信息；

基于各个峰谷点对应的峰谷距离和峰谷幅值，去除伪波峰和伪波谷，获得有效峰谷点的峰谷信息。

9.根据权利要求8所述的方法，其特征在于，所述基于各个峰谷点对应的峰谷距离和峰谷幅值，去除伪波峰和伪波谷，获得有效峰谷点的峰谷信息，包括：

若当前峰谷点与前一个有效峰谷点的峰谷状态不一致，判定所述当前峰谷点与前一个有效峰谷点之间的峰谷距离是否大于或等于最小峰谷距离阈值；

若所述峰谷距离小于所述最小峰谷距离阈值，确定所述当前峰谷点是无效峰谷点；

若所述峰谷距离大于或等于所述最小峰谷距离阈值，判定所述峰谷距离是否小于或等于最大峰谷距离阈值；

若所述峰谷距离大于所述最大峰谷距离阈值，确定所述当前峰谷点是有效峰谷点；

若所述峰谷距离小于或等于所述最大峰谷距离阈值，判定所述当前峰谷与前一个有效峰谷点之间的峰谷幅值差是否大于或等于预设幅值差阈值；

若所述峰谷幅值差大于或等于所述预设幅值差阈值，确定所述当前峰谷点是有效峰谷点；

若所述峰谷幅值差小于所述预设幅值差阈值，确定所述当前峰谷点是无效峰谷点。

10.根据权利要求9所述的方法，其特征在于，所述基于各个峰谷点对应的峰谷距离和峰谷幅值，去除伪波峰和伪波谷，获得有效峰谷点的峰谷信息，包括：

若当前峰谷点与前一个有效峰谷点的峰谷状态一致，判定所述当前峰谷点与前一个有效峰谷点之间的峰谷距离是否小于最大峰谷距离阈值；

若所述峰谷距离大于或等于所述最大峰谷距离阈值，确定所述当前峰谷点是有效峰谷点，并利用当前峰谷点替代所述前一个有效峰谷点；

若所述峰谷距离小于所述最大峰谷距离阈值，判定所述当前峰谷点与前一个有效峰谷点之间的峰谷幅值差是否满足预设条件；

若所述峰谷幅值差满足预设条件，确定所述当前峰谷点有效，并利用所述当前峰谷点替代所述前一个有效峰谷点；

若所述峰谷幅值不满足所述预设条件，确定所述当前峰谷点是无效峰谷点。

11.根据权利要求10所述的方法，其特征在于，所述当前峰谷点是波峰，所述预设条件是当前峰谷点的幅值大于前一个有效峰谷点的幅值；

所述当前峰谷点是波谷，所述预设条件是当前峰谷点的幅值小于前一个有效峰谷点的幅值。

12.根据权利要求1所述的方法，其特征在于，所述有效峰谷点的峰谷信息包括：峰谷状态、峰谷幅值和峰谷距离，所述峰谷距离是相邻的有效波峰和有效波谷之间的时间差。

13.根据权利要求1所述的方法，其特征在于，所述方法还包括：显示所述跳绳统计结果。

14.一种电子设备，其特征在于，所述电子设备包括：一个或多个处理器、存储器和显示屏；所述存储器用于存储程序代码；

所述处理器用于运行所述程序代码，使得所述电子设备实现如权利要求1至13任一项所述的跳绳识别方法，得到跳绳统计结果；

所述显示屏用于显示所述跳绳统计结果。

15.一种计算机可读存储介质，其特征在于，其上存储有指令，当所述指令在电子设备上运行时，使得所述电子设备执行如权利要求1至13任一项所述的跳绳识别方法。

Images