CN115253256B - 周期性运动的周期计数方法和装置 - Google Patents

周期性运动的周期计数方法和装置 Download PDF

Info

Publication number
CN115253256B
CN115253256B CN202110484844.8A CN202110484844A CN115253256B CN 115253256 B CN115253256 B CN 115253256B CN 202110484844 A CN202110484844 A CN 202110484844A CN 115253256 B CN115253256 B CN 115253256B
Authority
CN
China
Prior art keywords
monitoring
period
target sampling
sampling point
determining
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202110484844.8A
Other languages
English (en)
Other versions
CN115253256A (zh
Inventor
苏鹏程
白倩楠
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.)
Anhui Huami Health Technology Co Ltd
Original Assignee
Anhui Huami Health Technology 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 Anhui Huami Health Technology Co Ltd filed Critical Anhui Huami Health Technology Co Ltd
Priority to CN202110484844.8A priority Critical patent/CN115253256B/zh
Publication of CN115253256A publication Critical patent/CN115253256A/zh
Application granted granted Critical
Publication of CN115253256B publication Critical patent/CN115253256B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • A—HUMAN NECESSITIES
    • A63—SPORTS; GAMES; AMUSEMENTS
    • A63B—APPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
    • A63B71/00—Games or sports accessories not covered in groups A63B1/00 - A63B69/00
    • A63B71/06—Indicating or scoring devices for games or players, or for other sports activities
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01P—MEASURING LINEAR OR ANGULAR SPEED, ACCELERATION, DECELERATION, OR SHOCK; INDICATING PRESENCE, ABSENCE, OR DIRECTION, OF MOVEMENT
    • G01P15/00—Measuring acceleration; Measuring deceleration; Measuring shock, i.e. sudden change of acceleration
    • G01P15/003—Kinematic accelerometers, i.e. measuring acceleration in relation to an external reference frame, e.g. Ferratis accelerometers
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01P—MEASURING LINEAR OR ANGULAR SPEED, ACCELERATION, DECELERATION, OR SHOCK; INDICATING PRESENCE, ABSENCE, OR DIRECTION, OF MOVEMENT
    • G01P3/00—Measuring linear or angular speed; Measuring differences of linear or angular speeds
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • 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
    • A63B2220/17—Counting, e.g. counting periodical movements, revolutions or cycles, or including further data processing to determine distances or 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
    • A63B2220/40—Acceleration

Landscapes

  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Software Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Medical Informatics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Health & Medical Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Artificial Intelligence (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Physical Education & Sports Medicine (AREA)
  • Mathematical Physics (AREA)
  • General Health & Medical Sciences (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)

Abstract

本申请提出一种周期性运动的周期计数方法和装置，其中，方法包括：通过获取加速度传感器或角速度传感器监测得到的监测曲线，其中，监测曲线用于指示多个采样点和各采样点对应的监测值；从监测曲线中确定属于波谷的多个目标采样点；其中，相邻目标采样点之间的监测曲线符合最大监测值与最小监测值之差大于第一阈值；根据多个目标采样点，将监测曲线划分为至少两个周期，将至少两个周期的周期个数，作为周期性运动的周期计数。由此，基于加速度或角速度传感器监测得到的监测曲线，对周期性运动进行周期计数，实现了自动识别周期运动以及对周期运动进行自动周期计数的目的。

Description

周期性运动的周期计数方法和装置
技术领域
本申请涉及终端设备技术领域，尤其涉及一种周期性运动的周期计数方法和装置。
背景技术
随着可穿戴设备的发展，通过佩戴的智能手表或手环等对用户的周期运动进行自动检测和识别，能够将相关参数实时地反馈出来，给用户提供指导和参考，并且，比专业的监测设备成本更低，使用起来也更为方便，提高了用户体验。
但是，通过可穿戴设备对周期运动过程提供准确的检测和识别也具有很大的挑战性。
发明内容
本申请旨在至少在一定程度上解决相关技术中的技术问题之一。
本申请第一方面实施例提出了一种周期性运动的周期计数方法，包括：
获取加速度传感器或角速度传感器监测得到的监测曲线，其中，所述监测曲线用于指示多个采样点和各采样点对应的监测值；
从所述监测曲线中确定属于波谷的多个目标采样点；其中，相邻所述目标采样点之间的监测曲线符合最大监测值与最小监测值之差大于第一阈值；
根据所述多个目标采样点，将所述监测曲线划分为至少两个周期；其中，所述周期的长度或所述周期内的监测值中的至少一个符合设定条件；
将所述至少两个周期的周期个数，作为周期性运动的周期计数。
作为本申请实施例的第一种可能的实现方式，所述从所述监测曲线中确定属于波谷的多个目标采样点，包括：
若所述监测曲线中第一采样点对应的监测值小于相邻采样点对应的监测值，且所述第一采样点对应的监测值在预设范围内，则确定所述第一采样点为属于波谷的目标采样点。
作为本申请实施例的第二种可能的实现方式，所述获取加速度传感器监测得到的监测曲线，包括：
获取所述加速度传感器监测得到的三轴加速度数据；
对所述三轴加速度数据进行低通滤波，以得到滤波后的三轴加速度数据；
根据滤波后的三轴加速度数据，确定所述加速度传感器的主坐标轴；
根据所述主坐标轴上的加速度数据，生成所述监测曲线。
作为本申请实施例的第三种可能的实现方式，所述根据所述滤波后的三轴加速度数据，确定所述加速度传感器的主坐标轴，包括：
根据所述滤波后的三轴加速度数据，确定三轴自相关序列；
从所述三轴自相关序列中，选择幅度变化满足第一幅度差值阈值且幅度主峰值大于第一幅度阈值的自相关序列对应的坐标轴，作为所述加速度传感器的主坐标轴。
作为本申请实施例的第四种可能的实现方式，所述获取角速度传感器监测得到的监测曲线，包括：
获取所述角速度传感器监测得到的三轴角速度数据；
对所述三轴角速度数据进行低通滤波，以得到滤波后的三轴角速度数据；
根据所述滤波后的三轴角速度数据中预设主坐标轴上的角速度数据，生成所述监测曲线。
作为本申请实施例的第五种可能的实现方式，所述设定条件包括：周期条件以及周期结束条件；
所述根据所述多个目标采样点，将所述监测曲线划分为至少两个周期，包括：
从所述多个目标采样点中选择目标采样点组合，其中，所述目标采样点组合中3个目标采样点对所述监测曲线分割得到的两个周期符合所述设定周期条件；
将所述目标采样点组合中的3个目标采样点，确定为分割点；
针对所述目标采样点组合之后的每个目标采样点，在所述目标采样点以及之前分割点对所述监测曲线分割得到的周期符合所述周期条件且不符合所述周期结束条件时，确定所述目标采样点为分割点；
根据所述分割点，将所述监测曲线划分为至少两个周期。
作为本申请实施例的第六种可能的实现方式，所述周期条件包括：周期的长度位于第一长度范围内、周期的幅度变化值满足第二幅度差值阈值、相邻周期的波形结构一致或相邻周期的相似度满足第一相似度阈值中至少一种；
所述周期结束条件包括：相邻周期的长度差值大于第一长度阈值、相邻周期的幅度变化值的差值大于第三幅度差值阈值或相邻周期的加速度均值的差值大于第一加速度差值阈值中至少一种。
作为本申请实施例的第七种可能的实现方式，在根据所述多个目标采样点，将所述监测曲线划分为至少两个周期之后，还包括：
针对每个周期，根据所述周期内提取的特征，确定所述周期的运动类型；
将所述至少两个周期的运动类型中占比最大的运动类型，确定为所述周期性运动的运动类型。
作为本申请实施例的第八种可能的实现方式，所述根据所述周期内提取的特征，确定所述周期的运动类型，包括：
在所述周期为所述加速度传感器监测得到的监测曲线中的周期时，根据提取的特征以及第一运动类型识别模型，获取所述周期的运动类型；其中，所述第一运动类型识别模型识别到的运动类型包括步行、骑行或跑步中的至少一个；或者，
在所述周期为所述角速度传感器监测得到的监测曲线中的周期时，根据提取的特征以及第二运动类型识别模型，获取所述周期的运动类型；其中，所述第二运动类型识别模型识别到的运动类型包括蛙泳、蝶泳、仰泳或自由泳中的至少一个。
本申请实施例的周期性运动的周期计数方法，获取加速度传感器或角速度传感器监测得到的监测曲线，其中，监测曲线用于指示多个采样点和各采样点对应的监测值；从监测曲线中确定属于波谷的多个目标采样点；其中，相邻目标采样点之间的监测曲线符合最大监测值与最小监测值之差大于第一阈值；根据多个目标采样点，将监测曲线划分为至少两个周期；其中，周期的长度或周期内的监测值中的至少一个符合设定条件；将至少两个周期的周期个数，作为周期性运动的周期计数。由此，基于加速度或角速度传感器监测得到的监测曲线，对周期性运动进行周期计数，实现了自动识别周期运动以及对周期运动进行自动周期计数的目的。
本申请第二方面实施例提出了一种周期性运动的周期计数装置，包括：
获取模块，用于获取加速度传感器或角速度传感器监测得到的监测曲线，其中，所述监测曲线用于指示多个采样点和各采样点对应的监测值；
确定模块，用于从所述监测曲线中确定属于波谷的多个目标采样点；其中，相邻所述目标采样点之间的监测曲线符合最大监测值与最小监测值之差大于第一阈值；
划分模块，用于根据所述多个目标采样点，将所述监测曲线划分为至少两个周期；其中，所述周期的长度或所述周期内的监测值中的至少一个符合设定条件；
计数模块，用于将所述至少两个周期的周期个数，作为周期性运动的周期计数。
本申请实施例的周期性运动的周期计数装置，获取加速度传感器或角速度传感器监测得到的监测曲线，其中，监测曲线用于指示多个采样点和各采样点对应的监测值；从监测曲线中确定属于波谷的多个目标采样点；其中，相邻目标采样点之间的监测曲线符合最大监测值与最小监测值之差大于第一阈值；根据多个目标采样点，将监测曲线划分为至少两个周期；其中，周期的长度或周期内的监测值中的至少一个符合设定条件；将至少两个周期的周期个数，作为周期性运动的周期计数。由此，基于加速度或角速度传感器监测得到的监测曲线，对周期性运动进行周期计数，实现了自动识别周期运动以及对周期运动进行自动周期计数的目的。
本申请第三方面实施例提出了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时，实现上述第一方面实施例所述的周期性运动的周期计数方法。
本申请第四方面实施例提出了一种非临时性计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述第一方面实施例所述的周期性运动的周期计数方法。
本申请第五方面实施例提出了一种计算机程序产品，当所述计算机程序产品中的指令处理器执行时，执行上述第一方面实施例所述的周期性运动的周期计数方法。
本申请附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本申请的实践了解到。
附图说明
本申请上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：
图1为本申请实施例所提供的一种周期性运动的周期计数方法的流程示意图；
图2为本申请实施例提供的另一种周期性运动的周期计数方法的流程示意图；
图3为本申请实施例提供的另一种周期性运动的周期计数方法的流程示意图；
图4为本申请实施例提供的另一种周期性运动的周期计数方法的流程示意图；
图5为本申请实施例提供的一种用于确定周期性运动的运动类型的方法的流程示意图；
图6为本申请实施例提供的一种周期运动的周期计数和运动类型识别方法的示例图；
图7为本申请实施例提供的一种周期运动起始位置检测过程的示例图；
图8为本申请实施例提供的一种对游泳过程进行自动检测和识别的示意图；
图9为本申请实施例提供的一种用户姿态识别方法的示例图；
图10为本申请实施例提供的一种游泳距离检测过程示例图；
图11为本申请实施例提供的一种周期性运动的周期计数装置的结构示意图。
具体实施方式
下面详细描述本申请的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本申请，而不能理解为对本申请的限制。
目前，通过可穿戴设备检测周期性运动的缺点在于：1、大多数可穿戴设备需要通过手动方式来开启和结束某种运动，用户体验不好。2、由于运动种类复杂多样，且每个人的动作和习惯不同，计数和运动识别的效果并不理想。
为了解决上述问题，本申请提出了一种周期性运动的周期计数方法。
下面参考附图描述本申请实施例的周期性运动的周期计数方法和装置。
图1为本申请实施例所提供的一种周期性运动的周期计数方法的流程示意图。
本申请实施例以该周期性运动的周期计数方法被配置于周期性运动的周期计数装置中来举例说明，该周期性运动的周期计数装置可以应用于任一计算机设备中，以使该计算机设备可以执行周期性运动的周期计数功能。
其中，计算机设备可以为可穿戴设备，例如，智能手环、智能手表等等。
如图1所示，该周期性运动的周期计数方法包括以下步骤：
步骤101，获取加速度传感器或角速度传感器监测得到的监测曲线，其中，监测曲线用于指示多个采样点和各采样点对应的监测值。
可以理解的是，用户在运动过程中佩戴可穿戴设备，设置在可穿戴设备中的加速度传感器或角速度传感器可以在用户运动过程中，实时采集数据。进而，可以根据加速度传感器在多个采样点和各采样点监测得到的监测值生成监测曲线，或者，根据角速度传感器在多个采样点和各采样点监测得到的监测值生成监测曲线。
本申请实施例中，可以根据加速度传感器或角速度传感器的主坐标轴上的数据，生成监测曲线。
对于不同的周期运动类型，由于三个加速度轴上的数据变化差别比较大，因此，可以综合考虑三轴加速度数据的周期性以及幅度变化情况等，从三轴加速度数据中确定主坐标轴上的数据，以根据主坐标轴上的加速度数据生成监测曲线。
举例而言，假设根据加速度传感器监测得到的三轴加速度数据，确定Y坐标轴上的数据的周期性变化较好、幅度变化较大，则可以选定Y坐标轴为主坐标轴，进一步地，可以根据Y坐标轴上的多个采样点和各采样点对应的监测值生成监测曲线。
需要说明的是，在加速度传感器监测得到的三轴加速度数据的过程中，若主坐标轴为Y坐标轴的信号较弱而其它坐标轴(如Z坐标轴)信号较强时，可以自动切换到其它坐标轴(如Z坐标轴)进行辅助判断。
本申请实施例中，还可以综合考虑三轴角速度数据的周期性以及幅度变化情况等，从三轴角速度数据中确定主坐标轴上的数据，以根据主坐标轴上的角速度数据生成监测曲线。
举例而言，假设根据角速度传感器监测得到的三轴角速度数据，确定Y坐标轴上的数据的周期性变化较好、幅度变化较大，则可以选定Y坐标轴为主坐标轴，进一步地，可以根据Y坐标轴上的多个采样点和各采样点对应的监测值生成监测曲线。
需要说明的是，在角速度传感器监测得到的三轴角速度数据的过程中，若主坐标轴为Y坐标轴的信号较弱而其它坐标轴(如Z坐标轴)信号较强时，可以自动切换到其它坐标轴(如Z坐标轴)进行辅助判断。
步骤102，从监测曲线中确定属于波谷的多个目标采样点；其中，相邻目标采样点之间的监测曲线符合最大监测值与最小监测值之差大于第一阈值。
其中，第一阈值可以为监测曲线中波峰和波谷对应的监测值的差值。
本申请实施例中，获取加速度传感器或角度速传感器监测得到的监测曲线后，可以从监测曲线中确定属于波谷的多个目标采样点。其中，目标采样点为周期性运动的周期的可能的分割点。
作为一种可能的情况，若监测曲线中第一采样点对应的监测值小于相邻采样点对应的监测值，且第一采样点对应的监测值在预设范围内，则确定第一采样点为属于波谷的目标采样点。
例如，假设监测曲线是根据加速度传感器监测得到的，若将监测曲线中第一采样点对应的加速度值小于相邻采样点对应的加速度值，且第一采样点对应的加速度值在预设范围内，则确定第一采样点为属于波谷的目标采样点。
假设监测曲线是根据角速度传感器监测得到的，若将监测曲线中第一采样点对应的角速度值小于相邻采样点对应的角速度值，且第一采样点对应的角速度值在预设范围内，则确定第一采样点为属于波谷的目标采样点。
可以理解为，为了避免将监测曲线中监测值在小范围浮动的采样点确定为目标采样点，本申请中，确定监测曲线中波谷的左、右两边分别有若干个采样点对应的监测值连续下降和上升，同时波谷位置处的监测值在一个小的邻域范围内最小，则可以确定该波谷为目标采样点。
举例而言，假设监测曲线中相邻两个波谷A和B对应的监测值小于相邻采样点对应的监测值，且波谷A和B对应的监测值在预设范围内，则可以确定波谷A和B为目标采样点。波谷A和B之间的最大监测值和最小监测值之差大于第一阈值。
步骤103，根据多个目标采样点，将监测曲线划分为至少两个周期；其中，周期的长度或周期内的监测值中的至少一个符合设定条件。
本申请实施例中，从监测曲线中确定属于波谷的多个目标采样点后，可以根据多个目标采样点，将监测曲线划分为至少两个周期。
在一种可能的情况下，从监测曲线中确定属于波谷的多个目标采样点后，可以根据多个目标采样点，将监测曲线划分为周期长度符合设定条件的至少两个周期。
在另一种可能的情况下，从监测曲线中确定属于波谷的多个目标采样点后，可以根据多个目标采样点，将监测曲线划分为各周期内的监测值符合设定条件的至少两个周期。
在又一种可能的情况下，从监测曲线中确定属于波谷的多个目标采样点后，可以根据多个目标采样点，将监测曲线划分为周期长度和各周期内的监测值均符合设定条件的至少两个周期。
本申请实施例中，可以预先设置相关参数的初始值，例如，每个周期的初始最小可能时间值：W1；每个周期的初始最大可能时间值：W2；每个周期的初始时间均值：W；波峰和波谷的差值阈值：PEAK_VALLEY_DIFF_TH。
对监测曲线中的波峰和波谷对应的监测值分别设置当前的自适应阈值，包括：峰值阈值PEAK_TH、谷值阈值VALLEY_TH，以及幅度变化范围阈值AMP_DIFF_TH。
其中，设定条件可以包括：周期条件以及周期结束条件。周期条件可以包括：周期的长度位于第一长度范围内、周期的幅度变化值满足第二幅度差值阈值、相邻周期的波形结构一致或相邻周期的相似度满足第一相似度阈值中至少一种。例如，周期的长度在W1和W2范围内、相邻周期的幅度变化值小于第二幅度差值阈值、每个周期的峰值和谷值之差大于PEAK_VALLEY_DIFF_TH、相邻周期的峰值之差的绝对值小于AMP_DIFF_TH。
周期结束条件包括：相邻周期的长度差值大于第一长度阈值、相邻周期的幅度变化值的差值大于第三幅度差值阈值或相邻周期的加速度均值的差值大于第一加速度差值阈值中至少一种。
举例而言，基于当前周期运动，搜索下一周期，若在一定的时间阈值范围内没有搜索到下一个周期，则确定周期运动结束。即相邻周期的长度差值大于预先设定的第一长度阈值时，确定周期运动结束。
基于当前周期运动，搜索下一周期，如果找到新的周期，则检测新周期是否出现异常，即新周期的周期长度，加速度波动范围，或姿态(姿态可以用每个周期内三轴加速度的均值来衡量)相比前面的周期如果有比较大的变化，则认为出现新的周期运动类型，确定周期运动结束。
进一步地，检查当前结束的周期运动包含的周期数，如果周期数大于阈值，则认为当前结束的周期运动为新的运动分段，实现自动分段；否则，如果周期数小于阈值，则认为当前结束的周期运动是干扰动作而删除。
步骤104，将至少两个周期的周期个数，作为周期性运动的周期计数。
本申请实施例中，将监测曲线划分为至少两个周期后，可以将至少两个周期的周期个数，作为周期性运动的周期计数。
举例而言，假设将监测曲线划分为5个周期，则可以确定周期性运动的周期为5。
其中，周期性运动可以为游泳、跑步等等，在此不做限定。
本申请实施例的周期性运动的周期计数方法，获取加速度传感器或角速度传感器监测得到的监测曲线，其中，监测曲线用于指示多个采样点和各采样点对应的监测值；从监测曲线中确定属于波谷的多个目标采样点；其中，相邻目标采样点之间的监测曲线符合最大监测值与最小监测值之差大于第一阈值；根据多个目标采样点，将监测曲线划分为至少两个周期，将至少两个周期的周期个数，作为周期性运动的周期计数。由此，基于加速度或角速度传感器监测得到的监测曲线，对周期性运动进行周期计数，实现了自动识别周期运动以及对周期运动进行自动周期计数的目的。
作为本申请实施例的一种可能的情况，可以基于加速度传感器监测得到的三轴加速度数据生成监测曲线，进一步地，将监测曲线划分为至少两个周期，以将周期个数作为周期性运动的周期计数。下面结合图2进行详细介绍，图2为本申请实施例提供的另一种周期性运动的周期计数方法的流程示意图。
如图2所示，该周期性运动的周期计数方法可以包括以下步骤：
步骤201，获取加速度传感器监测得到的三轴加速度数据。
可以理解的是，用户在运动过程中佩戴可穿戴设备，设置在可穿戴设备中的加速度传感器可以在用户运动过程中，实时采集数据。进而，可以获取到加速度传感器监测得到的三轴加速度数据。
本申请实施例中，用户在运动过程中佩戴可穿戴设备中可以设置有三轴加速度传感器，以采集得到三轴加速度数据。
为了消除干扰和噪声的影响，在获取到三轴加速度数据后，可以对三轴加速度数据进行预处理，以得到去除噪声后的三轴加速度数据。例如，采用长度为N的滑动窗口对获取到的三轴加速度数据进行预处理，窗口向前滑动时有长度为M的重叠。
步骤202，对三轴加速度数据进行低通滤波，以得到滤波后的三轴加速度数据。
本申请实施例中，为了消除干扰和噪声的影响，对获取到的三轴加速度数据进行低通滤波，以得到滤波后的三轴加速度数据。
作为一种可能的情况，可以采用加权滑动滤波方式对三轴加速度数据进行低通滤波，以得到滤波后的三轴加速度数据。
可选地，为了去除重力对各轴加速度数据的影响，可以对滤波后的三轴加速度数据采用如下的高通滤波器进行进一步处理，得到高通滤波后的三轴加速度数据。
HP_Fai(n)＝α*(HP_Fai(n-1)+Fai(n)-Fai(n-1))
其中，ai为各轴的加速度数据，HP_Fai为高通滤波后的三轴加速度数据，Fai为低通滤波后的三轴加速度数据，n为采样时刻，α为设定值。
步骤203，根据滤波后的三轴加速度数据，确定加速度传感器的主坐标轴。
对于不同的周期运动类型，三个加速度轴上的数据变化差别比较大，可以从三个坐标轴中选择主坐标轴进行后续处理。
本申请实施例中，根据滤波后的三轴加速度数据，确定三轴自相关序列，从三轴自相关序列中，选择幅度变化满足第一幅度差值阈值且幅度主峰值大于第一幅度阈值的自相关序列对应的坐标轴，作为加速度传感器的主坐标轴。
可以理解为，对低通滤波后的各轴加速度数据计算自相关序列，然后进行周期性分析，同时结合各轴的加速度幅度变化进行综合判断。其中，自相关序列的主峰值越大则周期性能越好。因此，选择周期性较好而且幅度变化也比较大的坐标轴作为主坐标轴，以更好地进行后续的计数检测。
步骤204，根据主坐标轴上的加速度数据，生成监测曲线。
本申请实施例中，根据滤波后的三轴加速度数据，确定加速度传感器的主坐标轴后，可以根据主坐标轴上的加速度数据，生成监测曲线。
举例而言，假设确定Z坐标轴为加速度传感器的主坐标轴，则可以根据Z坐标轴上的加速度数据生成监测曲线。
需要说明的是，如果根据主坐标轴上的加速度数据，生成监测曲线中，相邻采样点之间的监测曲线符合最大监测值与最小监测值之差小于第一阈值，而其它坐标轴的监测曲线符合最大监测值与最小监测值之差大于第一阈值，则可以将其他两个坐标轴的加速度数据作为辅助判断。
步骤205，从监测曲线中确定属于波谷的多个目标采样点；其中，相邻目标采样点之间的监测曲线符合最大监测值与最小监测值之差大于第一阈值。
步骤206，根据多个目标采样点，将监测曲线划分为至少两个周期；其中，周期的长度或周期内的监测值中的至少一个符合设定条件。
步骤207，将至少两个周期的周期个数，作为周期性运动的周期计数。
本申请实施例中，步骤205至步骤207的实现过程，可以参见上述实施例中步骤102至步骤104的实现过程，在此不再赘述。
本申请实施例的周期性运动的周期计数方法，获取加速度传感器监测得到的三轴加速度数据，对三轴加速度数据进行低通滤波，以得到滤波后的三轴加速度数据，根据滤波后的三轴加速度数据，确定加速度传感器的主坐标轴，根据主坐标轴上的加速度数据，生成监测曲线，以根据监测曲线对周期性运动进行周期计数，由此，通过确定加速度传感器的主坐标轴，通过监测不同周期运动在各坐标轴的数据，实现了自动识别周期运动以及对周期运动进行自动周期计数的目的。
作为本申请实施例的另一种可能的情况，可以基于角速度传感器监测得到的三轴角速度数据生成监测曲线，进一步地，将监测曲线划分为至少两个周期，以将周期个数作为周期性运动的周期计数。下面结合图3进行详细介绍，图3为本申请实施例提供的另一种周期性运动的周期计数方法的流程示意图。
如图3所示，该周期性运动的周期计数方法可以包括以下步骤：
步骤301，获取角速度传感器监测得到的三轴角速度数据。
可以理解的是，用户在运动过程中佩戴可穿戴设备，设置在可穿戴设备中的角速度传感器可以在用户运动过程中，实时采集数据。进而，可以获取到角速度传感器监测得到的三轴角速度数据。
本申请实施例中，用户在运动过程中佩戴可穿戴设备中可以设置有三轴角速度传感器，以采集得到三轴角速度数据。
为了消除干扰和噪声的影响，可以对采集到的三轴角速度数据，采用长度为N的滑动窗口进行加权滤波，获得平滑后的三轴角速度数据。
步骤302，对三轴角速度数据进行低通滤波，以得到滤波后的三轴角速度数据。
本申请实施例中，为了消除干扰和噪声的影响，对获取到的三轴角速度数据进行低通滤波，以得到滤波后的三轴角速度数据。
作为一种可能的情况，可以采用加权滑动滤波方式对三轴角速度数据进行低通滤波，以得到滤波后的三轴角速度数据。
步骤303，根据滤波后的三轴角速度数据中预设主坐标轴上的角速度数据，生成监测曲线。
本申请实施例中，可以预先设定三个坐标轴中的某一坐标轴为主坐标轴，以根据主坐标轴上的角速度数据生成监测曲线。
举例而言，假设预设主坐标轴为X坐标轴，则可以根据X坐标轴上的角速度数据生成监测曲线。
需要说明的是，采用单个坐标轴的数据为主生成监测曲线，进行周期性运动的周期计数时，还可以结合其它轴的数据作为辅助，以更好地适应复杂的实际情况。
步骤304，从监测曲线中确定属于波谷的多个目标采样点；其中，相邻目标采样点之间的监测曲线符合最大监测值与最小监测值之差大于第一阈值。
步骤305，根据多个目标采样点，将监测曲线划分为至少两个周期；其中，周期的长度或周期内的监测值中的至少一个符合设定条件。
步骤306，将至少两个周期的周期个数，作为周期性运动的周期计数。
本申请实施例中，步骤304至步骤306的实现过程，可以参见上述实施例中步骤102至步骤104的实现过程，在此不再赘述。
本申请实施例的周期性运动的周期计数方法，在获取到角速度传感器监测得到的三轴角速度数据后，对三轴角速度数据进行低通滤波，以得到滤波后的三轴角速度数据，根据滤波后的三轴角速度数据中预设主坐标轴上的角速度数据，生成监测曲线，以根据监测曲线对周期性运动进行周期计数，由此，通过确定角速度传感器的主坐标轴，通过监测不同周期运动在各坐标轴的数据，实现了自动识别周期运动以及对周期运动进行自动周期计数的目的。
作为本申请实施例的一种可能的实现方式，在上述实施例中根据多个目标采样点，将监测曲线划分为至少两个周期时，可以首先从多个目标采样点中确定分割点，以根据分割点将监测曲线划分为至少两个周期，下面结合图4进行详细介绍，图4为本申请实施例提供的另一种周期性运动的周期计数方法的流程示意图。
如图4所示，该周期性运动的周期计数方法，还可以包括以下步骤：
步骤401，从多个目标采样点中选择目标采样点组合，其中，目标采样点组合中3个目标采样点对监测曲线分割得到的两个周期符合设定周期条件。
其中，周期条件，包括：周期的长度位于第一长度范围内、周期的幅度变化值满足第二幅度差值阈值、相邻周期的波形结构一致或相邻周期的相似度满足第一相似度阈值中至少一种。例如，周期的长度在W1和W2范围内、相邻周期的幅度变化值小于第二幅度差值阈值、每个周期的峰值和谷值之差大于PEAK_VALLEY_DIFF_TH、相邻周期的峰值之差的绝对值小于AMP_DIFF_TH。
本申请实施例中，从监测曲线中确定属于波谷的多个目标采样点后，可以从多个目标采样点中选择目标采样点组合，以确定目标采样点组合中3个目标采样点对监测曲线分割得到的两个周期符合上述设定周期条件。
举例而言，目标采样点组合中3个目标采样点对监测曲线分割得到的两个周期的周期长度位于W1和W2范围内。
步骤402，将目标采样点组合中的3个目标采样点，确定为分割点。
其中，分割点，是指用于对周期性运动的周期进行划分的点。
本申请实施例中，目标采样点组合中3个目标采样点对监测曲线分割得到的两个周期符合设定周期条件，则可以将目标采样点组合中3个目标采样点确定为分割点。也就是说，目标采样点组合中的3个目标采样点可以确定两个连续的周期，周期运动开始。
步骤403，针对目标采样点组合之后的每个目标采样点，在目标采样点以及之前分割点对监测曲线分割得到的周期符合周期条件且不符合周期结束条件时，确定目标采样点为分割点。
其中，周期结束条件包括：相邻周期的长度差值大于第一长度阈值、相邻周期的幅度变化值的差值大于第三幅度差值阈值或相邻周期的加速度均值的差值大于第一加速度差值阈值中至少一种。
本申请实施例中，确定周期性运动开始后，针对目标采样点组合之后的每个目标采样点，确定目标采样点以及目标采样点之前的最后一个分割点对监测曲线进行分割得到的周期，若该周期符合周期条件中的至少一个且不符合周期结束条件中的任意一个，则确定该目标采样点为分割点，周期性运动的周期计数加1。
可以理解为，针对目标采样点组合之后的每个目标采样点，确定目标采样点以及目标采样点之前的最后一个分割点对监测曲线进行分割得到的周期，可以对波形结构、幅度变化等进行分析，例如，判断周期的长度是否位于第一长度范围内、周期的幅度变化是否满足第二幅度差值阈值、与上一周期的波形结构是否一致以及与上一周期的相似度是否满足第一相似度阈值，等等。
在本申请实施例的一种可能的情况下，针对目标采样点组合之后的目标采样点，在确定目标采样点以及之前最后一个分割点对监测曲线分割得到的周期不符合周期条件且符合周期结束条件，则可以确定对周期性运动进行周期计数结束。
需要说明的是，在确定目标采样点为分割点后，监测到周期性运动的一个周期时，可以根据当前检测到的周期对周期条件中的相关阈值进行更新。
步骤404，根据分割点，将监测曲线划分为至少两个周期。
本申请实施例中，从多个目标采样点中确定分割点后，可以根据分割点，将监测曲线划分为至少两个周期。
举例而言，假设从多个目标采样点中确定分割点为5个，该5个分割点可以将监测曲线划分为4个周期。
本申请实施例的周期性运动的周期计数方法，在从多个目标采样点中选择目标采样点组合后，将目标采样点组合中的3个目标采样点，确定为分割点，针对目标采样点组合之后的每个目标采样点，在目标采样点以及之前分割点对监测曲线分割得到的周期符合周期条件且不符合周期结束条件时，确定目标采样点为分割点，根据分割点，将监测曲线划分为至少两个周期。由此，通过从多个目标采样点中确定分割点，基于设定的周期条件和周期结束条件联合判断的周期计数方法，能够自动适应不同运行类型的复杂周期运动。
在上述实施例的基础上，将监测曲线划分为至少两个周期后，可以根据各周期的运动类型确定至少两个周期的运动类型，下面结合图5进行详细介绍，图5为本申请实施例提供的一种用于确定周期性运动的运动类型的方法的流程示意图。
如图5所示，该方法可以包括以下步骤：
步骤501，针对每个周期，根据周期内提取的特征，确定周期的运动类型。
本申请实施例中，将监测曲线划分为至少两个周期后，可以根据各周期内提取的特征，确定各周期的运动类型。
在一种可能的情况下，在周期为加速度传感器监测得到的监测曲线中的周期时，可以对各周期的滤波后的三轴加速度数据进行特征提取。
在另一种可能的情况下，在周期为角速度传感器监测得到的监测曲线中的周期时，可以对各周期的滤波后的三轴角度速数据进行特征提取。
对各周期的滤波后的三轴加速度数据或三轴角度速数据进行特征提取时，可以提取以下表1中的全部或部分特征，本申请中在此不做限定。
表1
在一种可能的情况下，在周期为加速度传感器监测得到的监测曲线中的周期时，根据对各周期的滤波后的三轴加速度数据进行提取得到的特征以及第一运动类型识别模型，获取各周期的运动类型。
其中，第一运动类型识别模型识别到的运动类型包括步行、骑行或跑步中的至少一个。
可选地，可以采用对三轴加速度数据进行特征提取得到的特征对第一运动类型识别模型进行训练，以使得第一运动类型识别模型学习得到三轴加速度数据的特征和运动类型之间的对应关系，从而将各周期内提取的特征输入第一运动类型识别模型后，可以得到第一运动类型识别模型输出的各周期的运动类型。
在另一种可能的情况下，在周期为角速度传感器监测得到的监测曲线中的周期时，根据对各周期的滤波后的三轴角速度数据进行提取得到的特征以及第二运动类型识别模型，获取周期的运动类型。
其中，第二运动类型识别模型识别到的运动类型包括蛙泳、蝶泳、仰泳或自由泳中的至少一个。
可选地，可以采用对三轴角速度数据进行特征提取得到的特征对第一运动类型识别模型进行训练，以使得第二运动类型识别模型学习得到三轴角速度数据的特征和运动类型之间的对应关系，从而将各周期内提取的特征输入第二运动类型识别模型后，可以得到第二运动类型识别模型输出的各周期的运动类型。
可选地，在周期计数过程中，当检测到一个新的周期时，检查该段运动开始位置距离当前周期结束位置的时间是否超过T秒。如果没超过T秒，则继续进行周期计数；否则，截取至当前周期结束位置前面T秒窗口内的三轴加速度数据。对截取窗口内的数据进行特征提取，根据提取的特征调用识别模型判断该窗口的运动类型。
步骤502，将至少两个周期的运动类型中占比最大的运动类型，确定为至少两个周期的运动类型。
本申请实施例中，根据各周期内提取的特征，确定各周期的运动类型后，可以将至少两个周期的运动类型中占比最大的运动类型确定为周期性运动的运动类型。
举例而言，假设将监测曲线划分为5个周期，根据对各周期的滤波后的三轴加速度数据进行提取得到的特征以及第一运动类型识别模型，确定各周期的运动类型分别为骑行、骑行、跑步、骑行、步行，在5个周期中占比最大的运动类型为骑行，则可以确定该周期性运动为骑行。
还例如，假设将监测曲线划分为5个周期，根据对各周期的滤波后的三轴角速度数据进行提取得到的特征以及第二运动类型识别模型，确定各周期的运动类型分别为蛙泳、蛙泳、蛙泳、蝶泳、蛙泳，在5个周期中占比最大的运动类型为蛙泳，则可以确定该周期性运动为蛙泳。
在本申请实施例的一种可能的情况下，在对周期性运动的泳姿进行识别时，若各周期的运动类型在至少两个周期的运动类型中的占比均未超过60％，则可以将该周期性运动确定为混合泳。
举例而言，若确定5个周期的运动类型分别为蛙泳、蛙泳、仰泳、蝶泳、蝶泳，由于各运动类型在5个周期的运动类型中的占比均未超过60％，则可以将该周期性运动确定为混合泳。
本申请实施例中，针对每个周期，根据周期内提取的特征，确定周期的运动类型，将至少两个周期的运动类型中占比最大的运动类型，确定为周期性运动的运动类型。由此，通过对各周期内运动类型的判断，确定周期性运动的运行类型，提高了周期性运行的运行类型识别精度。
作为一种示例，可以基于用户佩戴的智能手表或智能手环等可穿戴设备，实现周期运动的周期计数和运动类型识别等功能。具体的流程如图6所示：
步骤601，获取加速度传感器采集得到的三轴加速度数据，采用滑动窗，对三轴加速度数据进行预处理。
步骤602，根据三轴加速度数据的周期性以及幅度变化等情况，确定加速度传感器的主坐标轴。
步骤603，基于选择的主坐标轴，检测周期运动的开始。
步骤604，找到周期运动后开始周期计数。主要从周期长度，加速度变化范围，波形结构和形状，相似性等综合分析，判断各个运动周期并进行计数。同时各个相关参数和阈值在处理过程中实现自适应。
步骤605，每检测到一个新的周期，截取当前周期结束位置之前的固定长度窗口的加速度数据，调用第一运动识别模型检测该窗口的运动类型。
步骤606，检测周期运动是否结束。
如果当前周期运动没有结束，则向前移动滑动窗口，返回步骤604接着进行计数。否则，如果在一定的时间阈值范围内没有检测到新的周期，或者新检测到的周期如果出现幅度、形状、姿态等发生较大变化或异常时，则认为上一组运动结束，实现自动分段。
步骤607，在当前运动分段结束时，根据前面检测的各个单窗口运动类型，综合判断该分段的运动类型。
可选地，将各个单窗口的运动类型中占比最大的运动类型，确定为该分段的运动类型。
进一步地，向前移动滑动窗，返回步骤601继续处理。
作为一种示例，周期运动起始位置检测过程如图7所示。设滑动窗的长度为N，起始位置为t0。检测步骤如下：
步骤701，在滑动窗口内，选择主坐标轴。
步骤702，从多个目标采样点中确定分割点。
步骤703，如果在该窗口内没有找到连续两个周期，则将滑动窗向前移动1秒，返回步骤701继续搜索。
步骤704，如果找到连续两个周期，设第一个周期起始位置为tp0，如果tp0-t0<＝N*0.3，则认为找到了周期运动，前面所选择的主坐标轴也得到了验证，基于该主坐标轴继续向前搜索下一个周期。
步骤705，如果tp0-t0>N*0.3，则认为找到的周期运动在该滑动窗内比较滞后，而在步骤701中根据周期性等特征选择的主坐标轴有可能不准确，需要进一步验证。将滑动窗的起始位置移动到tp0，返回步骤701继续处理。
作为一种示例，假设周期性运动为游泳，基于智能手表或手环等可穿戴设备，同时结合加速度数据作为辅助对游泳过程进行自动检测和识别的方法，如图8所示具体可以包括以下模块：预处理模块、划数检测模块、距离检测模块。
其中，预处理模块，用于在获取角速度传感器监测得到的三轴角速度数据后，对三轴角速度数据进行加权滤波，以得到平滑的三轴角速度数据。
划数检测模块，用于获取角速度传感器监测得到的监测曲线，从监测曲线中确定属于波谷的多个目标采样点，从多个目标采样点中确定分割点，利用每个划水周期的时间变化范围、幅度变化范围、波形结构特征，以及相邻周期的相关性等来分割实际的划水周期。
可选地，可以将角速度传感器的Y轴作为主坐标轴，主要利用角速度传感器的Y轴角速度数据，X和Z轴的角速度数据作为辅助，对游泳过程进行处理。同时，采用加速度作为游泳距离的辅助判断。
在检测过程中，相关参数(每个划水周期中的传感器数据波峰和波谷阈值，最大、最小可能的周期值，波形结构参数等)做到自适应，以更好地适应实际复杂情况，以及泳姿间的变换。
需要解释的是，在主坐标轴的角速度信号较弱而其它轴信号较强时，可以自动切换到其它轴进行辅助判断。
距离检测模块，用于在室内游泳时，通过检测游泳过程中的转身点来判断程数，从而计算距离。其中，转身点通过游泳状态变化结合基于加速度的姿态检测进行判断。
可选地，获取加速度传感器采集得到的三轴加速度数据，对三轴加速度数据分别采用截止频率为0.1Hz的低通滤波器进行滤波，得到每轴的包络信号。滤波后每个采样点的三轴加速度数据构成三维空间的一个矢量，计算相邻采样点矢量构成的夹角的余弦值。如果在一定时间范围内有n个夹角的余弦值超过预设值，n大于预设阈值，则认为用户姿态发生了变化。具体的实现过程可以参见图9。
需要说明的是，在距离检测过程中，如果在一个时间窗内，游泳状态和加速度的姿态都发生了变化，同时结合当前的划数和游泳时间满足阈值情况下，则认为检测到了转身点。
作为一种示例，游泳距离检测过程可以如图10所示，
步骤1001，在一个时间窗口内，在划数检测过程中，如果状态由1变化为0，同时在该时间窗口内，姿态检测模块也输出了姿态变化，则继续以下处理。否则，继续进行划数检测。
其中，游泳过程中的状态变化，是在游泳过程中如前面部分所述，检测状态为1时代表处于游泳状态，而转身有个过程，检测状态会变化为0。
步骤1002，统计当前周期的分段信息，包括平均周期，平均谷值，波峰波谷变化范围等。比较每两个相邻分段的统计信息，如果有较大变化，进一步判断是否其中有非游泳周期性动作或噪声等，如果是则将其删除。另外，根据当前程包含的分段数来衡量波形的混乱或不规则程度，如果分段数越多，则认为波形越复杂。根据当前的分段数设置一个自适应系数c，以适应波形的复杂状况。
步骤1003，识别当前周期的泳姿类型。
步骤1004，对保存的过去5程中，如果同种泳姿的程数等于0，则转身点判断的划数和时间阈值设为默认值；否则，对于该种泳姿的每程划数和游泳时间，取它们的中位数，并将其乘以自适应系数c，得到当前转身点判断的划数和时间阈值。
步骤1005，如果当前的划数和游泳时间满足阈值，则认为检测到新的转身点。
步骤1006，更新周期数和游泳距离，并将当前周期的信息保存到历史信息中。此外，根据泳池长度和当前周期的划数，可以计算得到划水距离(DPS)等参数。
步骤1007，清空当前周期的分段信息，继续下一个转身点的检测。
为了实现上述实施例，本申请还提出一种周期性运动的周期计数装置。
图11为本申请实施例提供的一种周期性运动的周期计数装置的结构示意图。
如图11所示，该周期性运动的周期计数装置1100，可以包括：获取模块1101、确定模块1102、划分模块1103以及计数模块1104。
其中，获取模块1101，用于获取加速度传感器或角速度传感器监测得到的监测曲线，其中，监测曲线用于指示多个采样点和各采样点对应的监测值；
确定模块1102，用于从监测曲线中确定属于波谷的多个目标采样点；其中，相邻目标采样点之间的监测曲线符合最大监测值与最小监测值之差大于第一阈值；
划分模块1103，用于根据多个目标采样点，将监测曲线划分为至少两个周期；其中，周期的长度或周期内的监测值中的至少一个符合设定条件；
计数模块1104，用于将至少两个周期的周期个数，作为周期性运动的周期计数。
作为一种可能的情况，确定模块1102，还可以用于：
若监测曲线中第一采样点对应的监测值小于相邻采样点对应的监测值，且第一采样点对应的监测值在预设范围内，则确定第一采样点为属于波谷的目标采样点。
作为另一种可能的情况，获取模块1101，还可以用于：
获取加速度传感器监测得到的三轴加速度数据；
对三轴加速度数据进行低通滤波，以得到滤波后的三轴加速度数据；
根据滤波后的三轴加速度数据，确定加速度传感器的主坐标轴；
根据主坐标轴上的加速度数据，生成监测曲线。
作为另一种可能的情况，获取模块1101，还可以用于：
根据滤波后的三轴加速度数据，确定三轴自相关序列；
从三轴自相关序列中，选择幅度变化满足第一幅度差值阈值且幅度主峰值大于第一幅度阈值的自相关序列对应的坐标轴，作为加速度传感器的主坐标轴。
作为另一种可能的情况，获取模块1101，还可以用于：
获取角速度传感器监测得到的三轴角速度数据；
对三轴角速度数据进行低通滤波，以得到滤波后的三轴角速度数据；
根据滤波后的三轴角速度数据中预设主坐标轴上的角速度数据，生成监测曲线。
作为另一种可能的情况，设定条件包括：周期条件以及周期结束条件；划分模块1103，还可以用于：
从多个目标采样点中选择目标采样点组合，其中，目标采样点组合中3个目标采样点对监测曲线分割得到的两个周期符合设定周期条件；
将目标采样点组合中的3个目标采样点，确定为分割点；
针对目标采样点组合之后的每个目标采样点，在目标采样点以及之前分割点对监测曲线分割得到的周期符合周期条件且不符合周期结束条件时，确定目标采样点为分割点；
根据分割点，将监测曲线划分为至少两个周期。
作为另一种可能的情况，周期条件包括：周期的长度位于第一长度范围内、周期的幅度变化值满足第二幅度差值阈值、相邻周期的波形结构一致或相邻周期的相似度满足第一相似度阈值中至少一种；
周期结束条件包括：相邻周期的长度差值大于第一长度阈值、相邻周期的幅度变化值的差值大于第三幅度差值阈值或相邻周期的加速度均值的差值大于第一加速度差值阈值中至少一种。
作为另一种可能的情况，该周期性运动的周期计数装置1100，可以包括：
运动类型确定模块，用于针对每个周期，根据周期内提取的特征，确定周期的运动类型；
处理模块，用于将至少两个周期的运动类型中占比最大的运动类型，确定为周期性运动的运动类型。
作为另一种可能的情况，运动类型确定模块，还可以用于：在周期为加速度传感器监测得到的监测曲线中的周期时，根据提取的特征以及第一运动类型识别模型，获取周期的运动类型；其中，第一运动类型识别模型识别到的运动类型包括步行、骑行或跑步中的至少一个；或者，
在周期为角速度传感器监测得到的监测曲线中的周期时，根据提取的特征以及第二运动类型识别模型，获取周期的运动类型；其中，第二运动类型识别模型识别到的运动类型包括蛙泳、蝶泳、仰泳或自由泳中的至少一个。
需要说明的是，前述对周期性运动的周期计数方法实施例的解释说明也适用于该实施例的周期性运动的周期计数装置，此处不再赘述。
本申请实施例的周期性运动的周期计数装置，获取加速度传感器或角速度传感器监测得到的监测曲线，其中，监测曲线用于指示多个采样点和各采样点对应的监测值；从监测曲线中确定属于波谷的多个目标采样点；其中，相邻目标采样点之间的监测曲线符合最大监测值与最小监测值之差大于第一阈值；根据多个目标采样点，将监测曲线划分为至少两个周期，将至少两个周期的周期个数，作为周期性运动的周期计数。由此，基于加速度或角速度传感器监测得到的监测曲线，对周期性运动进行周期计数，实现了自动识别周期运动以及对周期运动进行自动周期计数的目的。
为了实现上述实施例，本申请还提出一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时，实现上述实施例中所述的周期性运动的周期计数方法。
为了实现上述实施例，本申请还提出一种非临时性计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述实施例中所述的周期性运动的周期计数方法。
为了实现上述实施例，本申请还提出一种计算机程序产品，当所述计算机程序产品中的指令处理器执行时，执行上述实施例中所述的周期性运动的周期计数方法。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本申请的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本申请的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现定制逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本申请的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本申请的实施例所属技术领域的技术人员所理解。
在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用，或结合这些指令执行系统、装置或设备而使用。就本说明书而言，"计算机可读介质"可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下：具有一个或多个布线的电连接部(电子装置)，便携式计算机盘盒(磁装置)，随机存取存储器(RAM)，只读存储器(ROM)，可擦除可编辑只读存储器(EPROM或闪速存储器)，光纤装置，以及便携式光盘只读存储器(CDROM)。另外，计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序，然后将其存储在计算机存储器中。
应当理解，本申请的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。如，如果用硬件来实现和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现场可编程门阵列(FPGA)等。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。
此外，在本申请各个实施例中的各功能单元可以集成在一个处理模块中，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模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块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，也可以存储在一个计算机可读取存储介质中。
上述提到的存储介质可以是只读存储器，磁盘或光盘等。尽管上面已经示出和描述了本申请的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本申请的限制，本领域的普通技术人员在本申请的范围内可以对上述实施例进行变化、修改、替换和变型。

Claims (20)

1.一种周期性运动的周期计数方法，其特征在于，包括：
获取加速度传感器或角速度传感器监测得到的监测曲线，其中，所述监测曲线用于指示多个采样点和各采样点对应的监测值；
从所述监测曲线中确定属于波谷的多个目标采样点；其中，相邻所述目标采样点之间的监测曲线符合最大监测值与最小监测值之差大于第一阈值；
根据所述多个目标采样点，将所述监测曲线划分为至少两个周期；其中，所述周期的长度或所述周期内的监测值中的至少一个符合设定条件；
将所述至少两个周期的周期个数，作为周期性运动的周期计数；
所述设定条件包括：周期条件以及周期结束条件；
所述根据所述多个目标采样点，将所述监测曲线划分为至少两个周期，包括：
确定所述多个目标采样点中的目标采样点组合，根据所述目标采样点组合确定分割点；
针对目标采样点组合之后的每个目标采样点，确定所述每个目标采样点之前的最后一个分割点，若所述每个目标采样点与每个目标采样点之前的最后一个分割点对监测曲线分割得到的周期符合所述周期条件且不符合所述周期结束条件，确定所述每个目标采样点为分割点；
根据分割点，将所述监测曲线划分为至少两个周期。
2.根据权利要求1所述的方法，其特征在于，所述从所述监测曲线中确定属于波谷的多个目标采样点，包括：
若所述监测曲线中第一采样点对应的监测值小于相邻采样点对应的监测值，且所述第一采样点对应的监测值在预设范围内，则确定所述第一采样点为属于波谷的目标采样点。
3.根据权利要求1所述的方法，其特征在于，所述获取加速度传感器监测得到的监测曲线，包括：
获取所述加速度传感器监测得到的三轴加速度数据；
对所述三轴加速度数据进行低通滤波，以得到滤波后的三轴加速度数据；
根据所述滤波后的三轴加速度数据，确定所述加速度传感器的主坐标轴；
根据所述主坐标轴上的加速度数据，生成所述监测曲线。
4.根据权利要求3所述的方法，其特征在于，所述根据所述滤波后的三轴加速度数据，确定所述加速度传感器的主坐标轴，包括：
根据所述滤波后的三轴加速度数据，确定三轴自相关序列；
从所述三轴自相关序列中，选择幅度变化满足第一幅度差值阈值且幅度主峰值大于第一幅度阈值的自相关序列对应的坐标轴，作为所述加速度传感器的主坐标轴。
5.根据权利要求1所述的方法，其特征在于，所述获取角速度传感器监测得到的监测曲线，包括：
获取所述角速度传感器监测得到的三轴角速度数据；
对所述三轴角速度数据进行低通滤波，以得到滤波后的三轴角速度数据；
根据所述滤波后的三轴角速度数据中预设主坐标轴上的角速度数据，生成所述监测曲线。
6.根据权利要求1所述的方法，其特征在于，所述根据所述多个目标采样点，将所述监测曲线划分为至少两个周期，还包括：
从所述多个目标采样点中选择目标采样点组合，其中，所述目标采样点组合中3个目标采样点对所述监测曲线分割得到的两个周期符合所述周期条件；
将所述目标采样点组合中的3个目标采样点，确定为分割点；
针对所述目标采样点组合之后的每个目标采样点，在所述目标采样点以及之前分割点对所述监测曲线分割得到的周期符合所述周期条件且不符合所述周期结束条件时，确定所述目标采样点为分割点；
根据所述分割点，将所述监测曲线划分为至少两个周期。
7.根据权利要求6所述的方法，其特征在于，所述周期条件包括：周期的长度位于第一长度范围内、周期的幅度变化值满足第二幅度差值阈值、相邻周期的波形结构一致或相邻周期的相似度满足第一相似度阈值中至少一种；
所述周期结束条件包括：相邻周期的长度差值大于第一长度阈值、相邻周期的幅度变化值的差值大于第三幅度差值阈值或相邻周期的加速度均值的差值大于第一加速度差值阈值中至少一种。
8.根据权利要求1所述的方法，其特征在于，在根据所述多个目标采样点，将所述监测曲线划分为至少两个周期之后，还包括：
针对每个周期，根据所述周期内提取的特征，确定所述周期的运动类型；
将所述至少两个周期的运动类型中占比最大的运动类型，确定为所述周期性运动的运动类型。
9.根据权利要求8所述的方法，其特征在于，所述根据所述周期内提取的特征，确定所述周期的运动类型，包括：
在所述周期为所述加速度传感器监测得到的监测曲线中的周期时，根据提取的特征以及第一运动类型识别模型，获取所述周期的运动类型；其中，所述第一运动类型识别模型识别到的运动类型包括步行、骑行或跑步中的至少一个；
或者，
在所述周期为所述角速度传感器监测得到的监测曲线中的周期时，根据提取的特征以及第二运动类型识别模型，获取所述周期的运动类型；其中，所述第二运动类型识别模型识别到的运动类型包括蛙泳、蝶泳、仰泳或自由泳中的至少一个。
10.一种周期性运动的周期计数装置，其特征在于，包括：
获取模块，用于获取加速度传感器或角速度传感器监测得到的监测曲线，其中，所述监测曲线用于指示多个采样点和各采样点对应的监测值；
确定模块，用于从所述监测曲线中确定属于波谷的多个目标采样点；其中，相邻所述目标采样点之间的监测曲线符合最大监测值与最小监测值之差大于第一阈值；
划分模块，用于根据所述多个目标采样点，将所述监测曲线划分为至少两个周期；其中，所述周期的长度或所述周期内的监测值中的至少一个符合设定条件；
计数模块，用于将所述至少两个周期的周期个数，作为周期性运动的周期计数；
所述划分模块，还用于：
所述设定条件包括：周期条件以及周期结束条件；
所述根据所述多个目标采样点，将所述监测曲线划分为至少两个周期，包括：
确定所述多个目标采样点中的目标采样点组合，根据所述目标采样点组合确定分割点；
针对目标采样点组合之后的每个目标采样点，确定所述每个目标采样点之前的最后一个分割点，若所述每个目标采样点与每个目标采样点之前的最后一个分割点对监测曲线分割得到的周期符合所述周期条件且不符合所述周期结束条件，确定所述每个目标采样点为分割点；
根据分割点，将所述监测曲线划分为至少两个周期。
11.根据权利要求10所述的装置，其特征在于，所述确定模块，还用于：
若所述监测曲线中第一采样点对应的监测值小于相邻采样点对应的监测值，且所述第一采样点对应的监测值在预设范围内，则确定所述第一采样点为属于波谷的目标采样点。
12.根据权利要求10所述的装置，其特征在于，所述获取模块，还用于：
获取所述加速度传感器监测得到的三轴加速度数据；
对所述三轴加速度数据进行低通滤波，以得到滤波后的三轴加速度数据；
根据所述滤波后的三轴加速度数据，确定所述加速度传感器的主坐标轴；
根据所述主坐标轴上的加速度数据，生成所述监测曲线。
13.根据权利要求12所述的装置，其特征在于，所述获取模块，还用于：
根据所述滤波后的三轴加速度数据，确定三轴自相关序列；
从所述三轴自相关序列中，选择幅度变化满足第一幅度差值阈值且幅度主峰值大于第一幅度阈值的自相关序列对应的坐标轴，作为所述加速度传感器的主坐标轴。
14.根据权利要求10所述的装置，其特征在于，所述获取模块，还用于：
获取所述角速度传感器监测得到的三轴角速度数据；
对所述三轴角速度数据进行低通滤波，以得到滤波后的三轴角速度数据；
根据所述滤波后的三轴角速度数据中预设主坐标轴上的角速度数据，生成所述监测曲线。
15.根据权利要求10所述的装置，其特征在于，所述划分模块，还用于：
从所述多个目标采样点中选择目标采样点组合，其中，所述目标采样点组合中3个目标采样点对所述监测曲线分割得到的两个周期符合所述周期条件；
将所述目标采样点组合中的3个目标采样点，确定为分割点；
针对所述目标采样点组合之后的每个目标采样点，在所述目标采样点以及之前分割点对所述监测曲线分割得到的周期符合所述周期条件且不符合所述周期结束条件时，确定所述目标采样点为分割点；
根据所述分割点，将所述监测曲线划分为至少两个周期。
16.根据权利要求10所述的装置，其特征在于，所述装置还包括：
运动类型确定模块，用于针对每个周期，根据所述周期内提取的特征，确定所述周期的运动类型；
处理模块，用于将所述至少两个周期的运动类型中占比最大的运动类型，确定为所述周期性运动的运动类型。
17.根据权利要求16所述的装置，其特征在于，所述运动类型确定模块，还用于：
在所述周期为所述加速度传感器监测得到的监测曲线中的周期时，根据提取的特征以及第一运动类型识别模型，获取所述周期的运动类型；其中，所述第一运动类型识别模型识别到的运动类型包括步行、骑行或跑步中的至少一个；
或者，
在所述周期为所述角速度传感器监测得到的监测曲线中的周期时，根据提取的特征以及第二运动类型识别模型，获取所述周期的运动类型；其中，所述第二运动类型识别模型识别到的运动类型包括蛙泳、蝶泳、仰泳或自由泳中的至少一个。
18.一种计算机设备，其特征在于，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时，实现如权利要求1-9中任一所述的周期性运动的周期计数方法。
19.一种非临时性计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-9中任一所述的周期性运动的周期计数方法。
20.一种计算机程序产品，其特征在于，当所述计算机程序产品中的指令由处理器执行时，执行如权利要求1-9中任一所述的周期性运动的周期计数方法。
CN202110484844.8A 2021-04-30 2021-04-30 周期性运动的周期计数方法和装置 Active CN115253256B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110484844.8A CN115253256B (zh) 2021-04-30 2021-04-30 周期性运动的周期计数方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110484844.8A CN115253256B (zh) 2021-04-30 2021-04-30 周期性运动的周期计数方法和装置

Publications (2)

Publication Number Publication Date
CN115253256A CN115253256A (zh) 2022-11-01
CN115253256B true CN115253256B (zh) 2024-02-27

Family

ID=83745106

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110484844.8A Active CN115253256B (zh) 2021-04-30 2021-04-30 周期性运动的周期计数方法和装置

Country Status (1)

Country Link
CN (1) CN115253256B (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104706337A (zh) * 2015-02-11 2015-06-17 华东师范大学 脉搏波波峰波谷自动检测方法
CN107103297A (zh) * 2017-04-20 2017-08-29 武汉理工大学 基于手机加速度传感器的步态身份识别方法及系统
CN110595501A (zh) * 2019-10-09 2019-12-20 成都乐动信息技术有限公司 一种基于三轴传感器的跑步距离校正方法
CN111803902A (zh) * 2019-04-10 2020-10-23 北京卡路里信息技术有限公司 泳姿识别方法、装置、可穿戴设备及存储介质

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9174084B2 (en) * 2013-03-05 2015-11-03 Microsoft Technology Licensing, Llc Automatic exercise segmentation and recognition

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104706337A (zh) * 2015-02-11 2015-06-17 华东师范大学 脉搏波波峰波谷自动检测方法
CN107103297A (zh) * 2017-04-20 2017-08-29 武汉理工大学 基于手机加速度传感器的步态身份识别方法及系统
CN111803902A (zh) * 2019-04-10 2020-10-23 北京卡路里信息技术有限公司 泳姿识别方法、装置、可穿戴设备及存储介质
CN110595501A (zh) * 2019-10-09 2019-12-20 成都乐动信息技术有限公司 一种基于三轴传感器的跑步距离校正方法

Also Published As

Publication number Publication date
CN115253256A (zh) 2022-11-01

Similar Documents

Publication Publication Date Title
CN111857356B (zh) 识别交互手势的方法、装置、设备和存储介质
US8000500B2 (en) System and method for analyzing of human motion based on silhouettes of real time video stream
WO2019033586A1 (zh) 基于智能手表的游泳运动分析方法和智能手表
CN105943013B (zh) 心率检测方法及装置、智能可穿戴设备
CN105509762B (zh) 一种基于三轴加速计的计步方法及装置
EP2985572A1 (en) Step counting method and apparatus
CN109938740B (zh) 一种步态周期检测方法、装置及计算机可读存储介质
CN111288986B (zh) 一种运动识别方法及运动识别装置
CN110057380B (zh) 计步方法、装置、终端和存储介质
JP2004207786A5 (zh)
CN111536989B (zh) 基于峰值检测的自适应时间窗口计步方法
CN108245869B (zh) 一种游泳信息检测方法、装置及电子设备
WO2016180653A1 (en) Pedometer and method for analyzing motion data
CN108955719B (zh) 一种基于手腕式装置的计步检测方法和系统
CN113516175A (zh) 刷牙区域的识别方法、装置、刷牙设备和存储介质
CN109864741A (zh) 基于肌电信号的周期性动作评估方法和装置、终端设备
CN115253256B (zh) 周期性运动的周期计数方法和装置
US20190063949A1 (en) Step Counting Method and Apparatus
CN111803902B (zh) 泳姿识别方法、装置、可穿戴设备及存储介质
CN112237426A (zh) 步伐检测的方法、装置、检测设备以及计算机存储介质
CN107631736B (zh) 一种步幅估算方法和装置
CN105760646A (zh) 一种活动分类方法和装置
CN114034313B (zh) 计步方法和装置
CN114533010A (zh) 心率检测方法和装置
CN112274902B (zh) 游泳数据获取方法及装置、游泳数据采集设备的控制方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant