CN115702993B - 跳绳状态的检测方法及电子设备 - Google Patents
跳绳状态的检测方法及电子设备 Download PDFInfo
- Publication number
- CN115702993B CN115702993B CN202110926916.XA CN202110926916A CN115702993B CN 115702993 B CN115702993 B CN 115702993B CN 202110926916 A CN202110926916 A CN 202110926916A CN 115702993 B CN115702993 B CN 115702993B
- Authority
- CN
- China
- Prior art keywords
- rope
- time period
- peak
- target
- rope skipping
- 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
Links
- 238000001514 detection method Methods 0.000 title abstract description 24
- 230000033001 locomotion Effects 0.000 claims abstract description 334
- 238000000034 method Methods 0.000 claims abstract description 87
- 230000001133 acceleration Effects 0.000 claims description 97
- 230000007704 transition Effects 0.000 claims description 34
- 230000015654 memory Effects 0.000 claims description 26
- 238000001228 spectrum Methods 0.000 claims description 16
- 230000003595 spectral effect Effects 0.000 claims description 14
- 238000004590 computer program Methods 0.000 claims description 11
- 230000008859 change Effects 0.000 claims description 8
- 238000003860 storage Methods 0.000 claims description 8
- 230000002123 temporal effect Effects 0.000 claims description 6
- 238000000926 separation method Methods 0.000 claims description 3
- 230000009466 transformation Effects 0.000 claims description 2
- 230000008569 process Effects 0.000 description 36
- 235000008694 Humulus lupulus Nutrition 0.000 description 30
- 238000004891 communication Methods 0.000 description 28
- 210000000707 wrist Anatomy 0.000 description 28
- 238000010586 diagram Methods 0.000 description 26
- 238000012360 testing method Methods 0.000 description 23
- 238000012549 training Methods 0.000 description 23
- 230000000386 athletic effect Effects 0.000 description 21
- 230000004044 response Effects 0.000 description 21
- 230000009471 action Effects 0.000 description 19
- 238000004364 calculation method Methods 0.000 description 18
- 238000012545 processing Methods 0.000 description 18
- 230000006870 function Effects 0.000 description 15
- 238000007726 management method Methods 0.000 description 15
- 230000005236 sound signal Effects 0.000 description 15
- 238000004422 calculation algorithm Methods 0.000 description 14
- 238000013479 data entry Methods 0.000 description 13
- 230000036541 health Effects 0.000 description 12
- 238000013145 classification model Methods 0.000 description 11
- 210000000988 bone and bone Anatomy 0.000 description 9
- 238000003066 decision tree Methods 0.000 description 9
- 238000009826 distribution Methods 0.000 description 9
- 238000007637 random forest analysis Methods 0.000 description 8
- 238000010295 mobile communication Methods 0.000 description 7
- 238000013528 artificial neural network Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 5
- 238000009998 heat setting Methods 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 5
- 230000011218 segmentation Effects 0.000 description 5
- 230000001413 cellular effect Effects 0.000 description 4
- 238000011156 evaluation Methods 0.000 description 4
- 230000009191 jumping Effects 0.000 description 4
- 229920002430 Fibre-reinforced plastic Polymers 0.000 description 3
- 239000002131 composite material Substances 0.000 description 3
- 239000011151 fibre-reinforced plastic Substances 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 239000000203 mixture Substances 0.000 description 3
- 230000009467 reduction Effects 0.000 description 3
- 238000012546 transfer Methods 0.000 description 3
- 230000000007 visual effect Effects 0.000 description 3
- 230000003190 augmentative effect Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 230000036772 blood pressure Effects 0.000 description 2
- 210000004027 cell Anatomy 0.000 description 2
- 238000012790 confirmation Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000035772 mutation Effects 0.000 description 2
- 238000002360 preparation method Methods 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 230000003238 somatosensory effect Effects 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000013529 biological neural network Methods 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 239000004020 conductor Substances 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 230000001939 inductive effect Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 239000010985 leather Substances 0.000 description 1
- 210000003141 lower extremity Anatomy 0.000 description 1
- 230000001537 neural effect Effects 0.000 description 1
- 210000002569 neuron Anatomy 0.000 description 1
- 230000002138 osteoinductive effect Effects 0.000 description 1
- 230000010349 pulsation Effects 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 230000033764 rhythmic process Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000035939 shock Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000009182 swimming Effects 0.000 description 1
- 230000036962 time dependent Effects 0.000 description 1
- 230000001755 vocal effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
- G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
- G09B19/00—Teaching not covered by other main groups of this subclass
- G09B19/003—Repetitive work cycles; Sequence of movements
- G09B19/0038—Sports
-
- A—HUMAN NECESSITIES
- A63—SPORTS; GAMES; AMUSEMENTS
- A63B—APPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
- A63B24/00—Electric or electronic controls for exercising apparatus of preceding groups; Controlling or monitoring of exercises, sportive games, training or athletic performances
- A63B24/0062—Monitoring athletic performances, e.g. for determining the work of a user on an exercise apparatus, the completed jogging or cycling distance
-
- A—HUMAN NECESSITIES
- A63—SPORTS; GAMES; AMUSEMENTS
- A63B—APPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
- A63B5/00—Apparatus for jumping
- A63B5/20—Skipping-ropes or similar devices rotating in a vertical plane
-
- A—HUMAN NECESSITIES
- A63—SPORTS; GAMES; AMUSEMENTS
- A63B—APPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
- A63B71/00—Games or sports accessories not covered in groups A63B1/00 - A63B69/00
- A63B71/06—Indicating or scoring devices for games or players, or for other sports activities
- A63B71/0605—Decision makers and devices using detection means facilitating arbitration
-
- A—HUMAN NECESSITIES
- A63—SPORTS; GAMES; AMUSEMENTS
- A63B—APPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
- A63B71/00—Games or sports accessories not covered in groups A63B1/00 - A63B69/00
- A63B71/06—Indicating or scoring devices for games or players, or for other sports activities
- A63B71/0619—Displays, user interfaces and indicating devices, specially adapted for sport equipment, e.g. display mounted on treadmills
- A63B71/0622—Visual, audio or audio-visual systems for entertaining, instructing or motivating the user
-
- A—HUMAN NECESSITIES
- A63—SPORTS; GAMES; AMUSEMENTS
- A63B—APPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
- A63B71/00—Games or sports accessories not covered in groups A63B1/00 - A63B69/00
- A63B71/06—Indicating or scoring devices for games or players, or for other sports activities
- A63B71/0619—Displays, user interfaces and indicating devices, specially adapted for sport equipment, e.g. display mounted on treadmills
- A63B2071/065—Visualisation of specific exercise parameters
-
- A—HUMAN NECESSITIES
- A63—SPORTS; GAMES; AMUSEMENTS
- A63B—APPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
- A63B71/00—Games or sports accessories not covered in groups A63B1/00 - A63B69/00
- A63B71/06—Indicating or scoring devices for games or players, or for other sports activities
- A63B71/0619—Displays, user interfaces and indicating devices, specially adapted for sport equipment, e.g. display mounted on treadmills
- A63B2071/0658—Position or arrangement of display
- A63B2071/0661—Position or arrangement of display arranged on the user
- A63B2071/0663—Position or arrangement of display arranged on the user worn on the wrist, e.g. wrist bands
-
- 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
- A63B2220/62—Time or time measurement used for time reference, time stamp, master time or clock signal
-
- A—HUMAN NECESSITIES
- A63—SPORTS; GAMES; AMUSEMENTS
- A63B—APPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
- A63B2220/00—Measuring of physical parameters relating to sporting activity
- A63B2220/80—Special sensors, transducers or devices therefor
- A63B2220/803—Motion sensors
-
- A—HUMAN NECESSITIES
- A63—SPORTS; GAMES; AMUSEMENTS
- A63B—APPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
- A63B2220/00—Measuring of physical parameters relating to sporting activity
- A63B2220/80—Special sensors, transducers or devices therefor
- A63B2220/83—Special sensors, transducers or devices therefor characterised by the position of the sensor
- A63B2220/836—Sensors arranged on the body of the user
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Physical Education & Sports Medicine (AREA)
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Computer Interaction (AREA)
- Multimedia (AREA)
- Entrepreneurship & Innovation (AREA)
- Physics & Mathematics (AREA)
- Educational Administration (AREA)
- Educational Technology (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本申请实施例提供一种跳绳状态的检测方法及电子设备,该方法包括:在第一目标时间段内,通过一个或多个运动传感器采集第一目标运动数据,第一目标时间段包括第一结束时刻,第一结束时刻用于标识第一目标时间段的结束时刻;采用迭代窗宽,根据第一目标运动数据确定第一目标时间段的跳绳状态,迭代窗宽用于标识窗宽是通过迭代的方法得到的;根据第一目标时间段的跳绳状态确定第一断绳次数,第一断绳次数用于标识在第一目标时间段内断绳的次数;在第一结束时刻显示第一断绳次数。采用本申请实施例,可以提高跳记录绳的准确性。
Description
技术领域
本申请涉及终端技术领域,尤其涉及一种跳绳状态的检测方法及电子设备。
背景技术
跳绳作为一种便捷的运动方式,受到广大用户的青睐,越来越多的用户参与到跳绳这项运动中。而记录跳绳的运动过程,并对运动过程进行量化评估有利于用户了解自身的运动情况。
在跳绳运动中,一般以跳绳次数、跳绳时间、断绳次数等作为综合评估指标来对运动过程进行量化评估。但是,一般的都是以人工计数、跳绳器械计数等方式来记录跳绳次数。可以看出,上述记录方式容易出现漏记或者错记的问题,并且只能记录跳绳次数,信息维度较为单一,不能很好的满足用户的需求。
发明内容
本申请实施例提供了一种跳绳状态的检测方法及电子设备。电子设备可以按照目标时间段的目标运动数据来确定迭代窗宽,采用迭代窗宽根据目标运动数据确定目标时间段的跳绳状态来对用户跳绳的记录,比如说记录断绳个数,可以提高记录的准确性。
本申请实施例第一方面提供了一种跳绳状态的检测方法,该方法可应用于电子设备,电子设备可以包括一个或多个运动传感器,比如说加速度传感器、陀螺仪传感器,等。该方法可包括:在第一目标时间段内,通过所述一个或多个运动传感器采集第一目标运动数据,第一目标时间段包括第一结束时刻,第一结束时刻用于标识第一目标时间段的结束时刻;采用迭代窗宽,根据第一目标运动数据确定第一目标时间段的跳绳状态,迭代窗宽用于标识窗宽是通过迭代的方法得到的;根据第一目标时间段的跳绳状态确定第一断绳次数,第一断绳次数用于标识在第一目标时间段内断绳的次数;在第一结束时刻显示第一断绳次数。通过该方法可以采用迭代窗宽来确定第一目标时间段的跳绳状态,而迭代窗宽是迭代计算来的,并不是固定的窗宽。所以,可以提高跳绳运动的记录准确性。并且,根据跳绳状态还可以输出用户的断绳次数,从多个检测维度记录用户的跳绳。
结合第一方面,在第一方面的一种可能的实现方式中,采用迭代窗宽,根据第一目标运动数据确定第一目标时间段的跳绳状态,包括:根据第一目标运动数据确认第一目标时间段的迭代窗宽;采用迭代窗宽,确定第一目标运动数据包含的波峰;根据第一目标运动数据包含的波峰确定第一目标时间段的跳绳状态。采用迭代窗宽来确定第一目标运动数据包含的波峰,相比于现有技术中采用固定窗宽来确定波峰来说,更符合用户实际的跳绳情况,提高记录精度。
结合第一方面,在第一方面的一种可能的实现方式中,根据第一目标运动数据确定第一目标时间段的迭代窗宽,包括:根据预设窗宽或者上一次迭代计算的窗宽对第一目标运动数据进行寻峰,得到预设峰数;根据预设峰数得到第一目标运动数据的参考窗宽;根据参考窗宽对第一目标运动数据进行再次寻峰,得到参考峰数;根据预设峰数和参考峰数确定第一目标时间段的迭代窗宽。
可以看出,目标时间段内的迭代窗宽是根据目标运动数据计算得到的,相比现有技术的固定窗宽来说,这样方式可能更加符合实际的运动数据的运动规律,从而可以更加有效地对运动数据进行处理,保证数据的准确性。
结合第一方面,在第一方面的一种可能的实现方式中,根据预设峰数和参考峰数确定第一目标时间段的迭代窗宽,包括:根据预设峰数得到第一目标时间段的预设跳绳频率;根据参考峰数得到第一目标时间段的参考跳绳频率;计算预设跳绳频率和参考跳绳频率的差值的绝对值;若差值的绝对值大于或等于参考阈值,则迭代窗宽为预设窗宽和参考窗宽的平均值。
可以看出,迭代窗宽是根据实际采集的目标时间段的目标运动数据所确定的,所以目迭代窗宽可以更好地符合运动数据的运动规律,从而可以对运动数据进行更好地处理。
结合第一方面,在第一方面的一种可能的实现方式中,根据第一目标运动数据包含的波峰确定第一目标时间段的跳绳状态,包括:根据第一目标运动数据提取第一目标时间段内的频域特征;根据第一目标运动数据包含的波峰提取第一目标目标时间段的时域特征;根据时域特征和频域特征确定第一目标时间段的跳绳状态。
可以看出,目标运动数据的时域特征和频域特征是可以反映用户跳绳情况的特征,因此通过时域特征和频域特征可以确定用户的跳绳状态。
结合第一方面,在第一方面的一种可能的实现方式中,时域特征包括波峰间隔,根据第一目标运动数据包含的波峰提取第一目标时间段的时域特征,包括:计算第一目标运动数据中包含的波峰中任意两个相邻波峰之间的第一波峰间隔;根据第一波峰间隔确定第一目标运动数据中的有效波峰;将任意两个相邻的有效波峰之间的第二波峰间隔作为第一目标时间段的时域特征。
结合第一方面,在第一方面的一种可能的实现方式中,根据第一波峰间隔确定第一目标述运动数据中的有效波峰,包括:若第一波峰间隔大于或等于第一预设阈值,则判定任意两个相邻波峰中的前一个波峰为有效波峰。
容易理解的是,目标运动数据中存在有效波峰,同样也是存在无效波峰的,而波峰间隔这一时域特征是任意两个有效波峰的间隔,去除了无效峰对波峰间隔的影响,这样在对运动数据的运动状态进行判断时可以减小无效峰的干扰。
结合第一方面,在第一方面的一种可能的实现方式中,时域特征包括峰谷值,根据第一目标运动数据包含的波峰提取目标运动数据的时域特征,包括:计算第一目标运动数据包含的波峰的峰谷值,每个波峰的峰谷值为每个波峰与每个波峰之后的最近一个波谷的高度差;计算任意两个相邻波峰的峰谷值的比值;根据任意两个相邻波峰的峰谷值的比值确定第一目标运动数据中的有效波峰;将有效波峰的峰谷值作为第一目标时间段的时域特征。
结合第一方面,在第一方面的一种可能的实现方式中,根据任意两个相邻波峰的峰谷值的比值确定第一目标运动数据中的有效波峰,包括:若任意两个相邻波峰的峰谷值的比值大于或等于第二预设阈值,则判定任意两个相邻波峰中的前一个波峰为有效波峰。
可以看出,容易理解的是,目标运动数据中存在有效波峰,同样也是存在无效波峰的,而峰谷值这一时域特征是有效波峰的峰谷值,去除了无效峰对峰谷值的影响,这样在对运动数据的运动状态进行判断时可以减小无效峰的干扰。
结合第一方面,在第一方面的一种可能的实现方式中,频域特征包括主频能量占比,根据第一目标运动数据提取第一目标时间段内的频域特征,包括:通过傅里叶变换提取第一目标运动数据的功率谱密度;从功率谱密度中确定第一目标时间段的,主频能量占比。频域特征可以反映信号在不同频域分量的大小,而主频能量占比可以反映用户的运动频率的大小。
结合第一方面,在第一方面的一种可能的实现方式中,时域特征包括波峰间隔和峰谷值,频域特征包括主频能量占比,根据时域特征和频域特征确定第一目标时间段的跳绳状态,包括:将波峰间隔、峰谷值和主频能量占比输入到决策模型;通过决策模型确定第一目标时间段的跳绳状态。
可以看出,提取目标运动数据的时域特征和频域特征,而时域特征是有效峰的时域特征,从而可以去除无效峰的干扰。这样,在将时域特征和频域特征输入决策模型后,可以提高对跳绳记录的准确性。
结合第一方面,在第一方面的一种可能的实现方式中,通过决策模型确定第一目标时间段的跳绳状态之后,还包括:在第一目标时间段的跳绳状态与第一目标时间段的上一目标时间段的跳绳状态不相同时,将第一目标时间段的跳绳状态以及第一目标时间段的下一预设时间段内的每个目标时间段的跳绳状态输入到状态转移模型中;通过状态转移模型获取第一目标时间段的跳绳状态。状态转移模型可以避免状态突变,提高的系统的鲁棒性。
结合第一方面,在第一方面的一种可能的实现方式中,在状态转移模型中的下一预设时间段内的每个目标时间段的跳绳状态与第一目标时间段的跳绳状态相同时,则获取第一目标时间段的跳绳状态;在状态转移模型中的下一预设时间段内的任意时间段的跳绳状态与第一目标时间段的跳绳状态不相同时,则将第一目标时间段的上一目标时间段的跳绳状态作为第一目标时间段的跳绳状态。状态转移模型可以避免状态突变,提高的系统的鲁棒性。
结合第一方面,在第一方面的一种可能的实现方式中,跳绳状态包括以下一种或多种:断绳状态、匀速跳状态、加速跳状态、减速跳状态和变速跳状态。
可以看出,电子设备可以输出用户的多种跳绳状态,帮助用户从多个角度来了解自己的跳绳情况。
结合第一方面,在第一方面的一种可能的实现方式中,根据第一目标时间段的跳绳状态确定第一断绳次数,包括:根据第一目标时间段的断绳状态确定第一断绳次数。
可以看出,断绳次数是由断绳状态来确定的,而断绳状态是根据迭代窗宽来确定的,所以通过本申请可以提高对断绳次数记录的准确性。
结合第一方面,在第一方面的一种可能的实现方式中,在第一结束时刻显示第一断绳次数,包括:在第一结束时刻以曲线图形式显示第一断绳次数。
第二方面,本申请提供了一种电子设备,包括个或多个处理器、一个或多个存储器、一个或多个运动传感器、声音采集器、显示屏;一个或多个存储器、一个或多个运动传感器、声音采集器、显示屏与一个或多个处理器耦合,一个或多个存储器用于存储计算机程序代码,计算机程序代码包括计算机指令,一个或多个处理器调用计算机指令以使得可穿戴设备执行上述第一方面中的任意一种实现方式所提供的跳绳状态的检测方法。
第三方面,本申请实施例提供了一种计算机可读存储介质,计算机可读存储介质存储有计算机程序,当该计算机程序被处理器执行时,处理器执行上述第一方面中的任意一种实现方式所提供的跳绳状态的检测方法。
第四方面,本申请实施例提供了一种计算机程序产品,计算机程序产品中存储有计算机程序,当该计算机程序被处理器执行时,处理器执行上述第一方面中的任意一种实现方式所提供的跳绳状态的检测方法。
该方法实现了电子设备可以按照预设周期内的运动数据来更新迭代窗宽,根据迭代窗宽确定运动数据包含的波峰来实现对用户跳绳的记录,比如说记录跳绳状态和跳绳个数,可以提高记录的准确性。
附图说明
以下对本申请实施例用到的附图进行介绍。
图1为本申请实施例提供的可穿戴设备的结构示意图;
图2为本申请实施例提供的一种用户的跳绳过程的示意图;
图3A-图3D为本申请实施例提供的一种可穿戴设备的UI图;
图4A-图4G为本申请实施例提供的一种可穿戴设备设置跳绳目标的UI图;
图5A-图5B为本申请实施例提供的一种终端设备向可穿戴设备发送开启跳绳模式的指令的UI图;
图6为本申请实施例提供的一种终端设备的应用界面示意图;
图7-图10为本申请实施例提供的一种可穿戴设备开启跳绳模式的UI图;
图11为本申请实施例提供的一种主频能量占比的示意图;
图12A和图12B为本申请实施例提供的一组可穿戴设备显示运动数据的UI图
图13为本申请实施例提供的另一组可穿戴设备显示跳绳结果的UI图;
图14-图20为本申请实施例提供的一组终端设备显示运动数据的UI图;
图21为本申请实施例提供的一种跳绳状态的检测方法流程示意图;
图22为本申请实施例提供的另一种跳绳状态的检测方法流程示意图。
图23为本申请实施例提供的电子设备的结构示意图;
图24为本申请实施例提供的可穿戴设备的结构示意图。
具体实施方式
下面将结合附图对本申请实施例中的技术方案进行清除、详尽地描述。其中,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;文本中的“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,在本申请实施例的描述中,“多个”是指两个或多于两个。
以下,术语“第一”、“第二”仅用于描述目的,而不能理解为暗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一个或者更多个该特征,在本申请实施例的描述中,除非另有说明,“多个”的含义是两个或两个以上。
本申请的说明书和权利要求书及附图中的术语“用户界面(user interface,UI)”,是应用程序或操作系统与用户之间进行交互和信息交换的介质接口,它实现信息的内部形式与用户可以接受形式之间的转换。应用程序的用户界面是通过java、可扩展标记语言(extensible markup language,XML)等特定计算机语言编写的源代码,界面源代码在终端设备上经过解析,渲染,最终呈现为用户可以识别的内容,比如图片、文字、按钮等控件。控件(control)也称为部件(widget),是用户界面的基本元素,典型的控件有工具栏(toolbar)、菜单栏(menu bar)、文本框(text box)、按钮(button)、滚动条(scrollbar)、图片和文本。界面中的控件的属性和内容是通过标签或者节点来定义的,比如XML通过<Textview>、<ImgView>、<VideoView>等节点来规定界面所包含的控件。一个节点对应界面中一个控件或属性,节点经过解析和渲染之后呈现为用户可视的内容。此外,很多应用程序,比如混合应用(hybrid application)的界面中通常还包含有网页。网页,也称为页面,可以理解为内嵌在应用程序界面中的一个特殊的控件,网页是通过特定计算机语言编写的源代码,例如超文本标记语言(hyper text markup language,HTML),层叠样式表(cascading style sheets,CSS),java脚本(JavaScript,JS)等,网页源代码可以由浏览器或与浏览器功能类似的网页显示组件加载和显示为用户可识别的内容。网页所包含的具体内容也是通过网页源代码中的标签或者节点来定义的,比如HTML通过<p>、<img>、<video>、<canvas>来定义网页的元素和属性。
用户界面常用的表现形式是图形用户界面(graphic user interface,GUI),是指采用图形方式显示的与计算机操作相关的用户界面。它可以是在电子设备的显示屏中显示的一个图标、窗口、控件等界面元素,其中控件可以包括图标、按钮、菜单、选项卡、文本框、对话框、状态栏、导航栏、Widget等可视的界面元素。
本申请提供一种跳绳运动的检测方法,电子设备可以通过一个或多个运动传感器(例如加速度传感器、陀螺仪传感器等等)检测到的数据对用户的跳绳运动进行跳绳计数,监测并记录用户在跳绳过程中的跳绳状态(比如说断绳状态、变速跳状态、匀速跳状态等等)。这样,可以统计用户在跳绳过程中的多维度信息(比如说跳绳个数、断绳个数、跳绳状态等等),帮助用户更好的了解自己的跳绳情况。其中,跳绳运动可以是单人跳绳或者多人跳绳。需要说明的是,本申请实施例中,具体以单人跳绳作为实例进行说明,但不应构成限定。为了提高对用户跳绳计数的精度,电子设备在第一目标时间段内,通过一个或多个运动传感器采集第一目标运动数据,第一目标时间段包括第一结束时刻,第一结束时刻用于标识第一目标时间段的结束时刻。然后,可穿戴设备100可以根据采用迭代窗宽,根据第一目标运动数据确定第一目标时间段的跳绳状态,迭代窗宽用于标识窗宽是通过迭代的方法得到的。然后,电子设备可以根据第一目标时间段的跳绳状态确定第一断绳次数,第一断绳次数用于标识在第一目标时间段内断绳的次数,在第一结束时刻显示第一断绳次数。目标跳绳状态可以包括以下一种或多种:断绳状态、匀速跳状态、加速跳状态、减速跳状态等等。这样,在每个预设周期内,电子设备可以更新用于确定跳绳状态的迭代窗宽,采用更新后的迭代窗宽,根据目标运动数据确定目标时间段的跳绳状态。可穿戴设备根据波峰可以输出用户的目标跳绳状态,从其他维度对用户的跳绳情况进行记录,可以帮助用户全面地了解自己的跳绳情况。
下面对本申请实施例的电子设备为可穿戴设备进行介绍。请参阅图1,图1示出了可穿戴设备100的结构示意图。可穿戴设备100可包括设备主体11和穿戴部件10。其中:
设备主体11中配置有加速度传感器、陀螺仪传感器和声音采集器。设备主体11利用上述加速度传感器、陀螺仪传感器和声音采集器可以分别采集加速度数据、陀螺仪数据和声音信号。其中,加速度传感器为三轴加速度传感器,陀螺仪传感器为三轴陀螺仪传感器。设备主体11可包含显示屏12和触摸控件13。显示屏12可用于显示时间、设备主体11的电量、蓝牙标识、接收的消息以及用户运动数据等内容。触摸控件13可用于接收用户的点击操作或者滑动操作来控制显示屏12等。
设备主体11还可以记录用户的跳绳个数、断绳次数、运动时间、跳绳频率、消耗的热量,并且具备来电提醒以及消息通知等基本功能。
设备主体11可以与终端设备200(例如手机或者平板电脑等)建立无线通信连接。
在一种可能的实现方式中,设备主体11可以通过蓝牙与终端设备200建立无线通信连接。设备主体11可将用户的运动数据发送给建立连接的终端设备200。并且,当终端设备200收到来电或者消息通知时,设备主体11可接收到上述终端设备200的指令,以提醒用户有来电或者消息通知。
穿戴部件10用于安装设备主体11,例如穿戴部件10可以是手环带或表带等装置。穿戴部件10是可以使设备主体11附着在用户手腕部的装置。可穿戴设备100附着在用户手腕部,便于加速度传感器和陀螺仪传感器采集用户手腕部的加速度数据和陀螺仪数据,以监测用户腕部的运动。
为了便于理解,下面以单人跳绳应用场景对本申请实施例提供的一种跳绳运动的检测方法进行说明。
首先,对跳绳应用场景涉及的术语进行解释。
跳绳模式:跳绳模式指可穿戴设备100的一种功能,可用于记录用户在跳绳过程中的运动数据,监测用户的跳绳状态(比如说断绳状态、匀速跳状态、变速跳状态等等)。当跳绳模式开启时,可穿戴设备100中的加速度传感器和陀螺仪传感器均处于工作状态,可分别用于采集用户在跳绳过程中的手腕部的加速度数据和陀螺仪数据。
可穿戴设备100可以处理上述加速度数据和陀螺仪数据,得到主频能量占比、波峰间隔、峰谷值等运动数据,从而确定用户当前的跳绳状态为断绳状态、变速跳状态还是匀速跳状态。
跳绳过程:跳绳动作可以看作包括下肢跳跃以及上肢的摆臂动作的协调组合运动。如图2所示,图2示出了用户的跳绳过程的示意图。用户手握跳绳两端的把柄处,手臂自然垂直时,跳绳也自然垂下。手腕带动手臂做摆臂动作,使得跳绳周期性地从用户的脚部绕至用户的头部,再绕至用户的脚部。因此发生一次完整的跳绳动作所对应的运动数据在一个跳绳周期呈现的波形类似一个正弦波。
对于佩戴于手腕处的可穿戴设备100,其加速度数据受到跳跃动作及摆臂动作的共同作用,而陀螺仪数据则主要受到摆臂动作的作用。其中,陀螺仪传感器可以同时测量X轴、Y轴和Z轴三个方向的陀螺仪数据;加速度传感器可以同时测量X轴、Y轴和Z轴三个方向的加速度数据。需要说明的是,X轴、Y轴和Z轴的方向可以根据实际情况设置,例如可以将可穿戴设备的正上方设置为Z轴方向,X轴方向和Y轴方向位于可穿戴设备所在的平面,该平面与Z轴方向垂直。
波峰和波谷:波峰是指波在一个波长的范围内,波幅的最大值,与之相对的最小值则被称为波谷。以横波为例,突起的最高点可以是波峰,陷下的最低点可以是波谷。可以理解的是,在一次完整的跳绳动作中,波峰和波谷可以分别对应摆臂运动达到的最高点和最低点,因此在本申请实施例中,波峰和波谷可以分别对应陀螺仪传感器所获取的与地面垂直方向的轴角速度分量数据的最大值和最小值;或者,波峰和波谷可以分别对应加速度传感器所获取的与地面垂直方向的加速度分量数据的最大值和最小值;
波峰间隔:前后两个相邻波峰之间的时间间隔。
峰谷值:在一个跳绳周期内的波峰值和波谷值的高度差。
断绳:在跳绳过程中因为其他原因(比如被绳子所绊脚)而中断跳绳动作,在一些情况下也可称为绊绳或者其他称谓,本申请实施例不做任何限制。
可穿戴设备100获取传感器采集的运动数据。
可穿戴设备100佩戴于用户的手腕部,在手腕的动作发生变化时,传感器可以感受到手腕的动作,从而采集手腕的实时数据。传感器可以包括加速度传感器、陀螺仪传感器、声音采集器等等。当可穿戴设备100处于工作状态时,可穿戴设备100中的加速度传感器可以采集手腕部的加速度数据,陀螺仪传感器可以采集手腕部的陀螺仪数据,声音采集器可以采集用户所处环境内的声音数据。
在一些实施例中,可穿戴设备100可以以固定采样频率(比如说100Hz)采集加速度数据、陀螺仪数据或者声音数据。可以理解的是,声音数据可以帮助可穿戴设备更好地辨别用户的运动状态。在一些实施例中,可穿戴设备100可以不用获取声音数据。
可穿戴设备100可以接收用户的输入,开启跳绳模式,或者根据传感器采集到的数据,确定开启上述跳绳模式。
方式一:可穿戴设备100接收并响应于用户的输入,开启跳绳模式。
当可穿戴设备100监测到作用于显示屏12上的运动健康的图标的操作时,可穿戴设备100可以启动运动健康应用。可穿戴设备100可以显示如图3A所示的运动健康界面120。如图3A所示,运动健康界面120包括但不限于,跳绳模式选项1201,以及其他运动模式选项。其中,跳绳模式选项1201可用于启动或开启跳绳模式。跳绳模式选项1201可包含自由跳绳模式标识1202以及用于对自由跳绳进行设置的设置控件1203,跳绳自测模式标识1204。
其中,自由跳绳模式包含无目标跳绳和目标跳绳,其中,目标跳绳包括目标时间、目标个数以及目标卡路里等跳绳模式。
跳绳自测模式包括但不限于1分钟跳绳自测、5分钟跳绳自测等自测模式。
当可穿戴设备未开启跳绳模式时,且监测到作用于自由跳绳标识1202或者跳绳自测模式标识1204的操作时,可穿戴设备100可显示如图3B的跳绳准备界面121。如图3B所示,跳绳准备界面121可包括:状态栏1210,跳绳标识1211、心率标识1212、信息提示标识1213、提示框1214。其中,提示框1214中显示有提示字样“准备就绪单击开始运动”。
进一步地,状态栏1210可显示可穿戴设备100的当前电量(比如说30%)以及时间(比如说07:16)。心率标识1212用于显示用户目前的心率数值(比如说95)。
进一步地,当可穿戴设备检测到作用于自由跳绳选项1201的操作时,信息提示标识1213具体可以是动作要领提示,动作要领提示用于可穿戴设备100显示跳绳动作要领的相关信息。当可穿戴设备检测到作用于跳绳自测选项1201的操作时,信息提示标识1213具体可以是评测标准提示,评测标准提示用于可穿戴设备100显示评测标准的相关信息,比如说中小学对于1分钟跳绳的评测标准。
当可穿戴设备100监测到作用于跳绳标识1211的单击操作时,可穿戴设备100可以显示如图3C所示的跳绳记录界面122。如图3C所示,跳绳记录界面122可以包括跳绳个数显示框1221、绊绳次数显示框1222、当前连跳显示框1223、时间显示框1224以及暂停跳绳控件1225。
可穿戴设备100可以在震动后倒计时一定时间(例如三秒)开启跳绳模式,开启跳绳模式后,可穿戴设备100可以在跳绳个数显示框1221中显示当前的跳绳个数,在绊绳次数显示框1222中显示当前的绊绳次数,在当前连跳显示框1223中显示当前连跳个数。这样,可以提示用户可穿戴设备100已开启跳绳模式。
进一步地,当可穿戴设备100已开启跳绳模式,且监测到作用于暂停跳绳控件1225的操作时,可穿戴设备可显示如图3D所示的跳绳暂停界面123。如图3D所示,跳绳暂停界面123可以包括,锁定控件1230、静音控件1231、暂停控件1232、结束控件1233。
当可穿戴设备100监测到作用于结束控件1233的操作时,可穿戴设备100可显示提示内容“跳绳数据满足统计要求,是否结束?”,或者“本次跳绳个数过少,不会记录数据,是否结束?”,和提示控件“是”和“否”。进一步,若可穿戴设备100监测到作用于提示控件“是”的操作时,可穿戴设备100可以结束跳绳模式。可以理解的是,在跳绳数据满足统计要求的情况下,可穿戴设备100可以结束跳绳模式并且记录跳绳数据。在跳绳数据不满足统计要求的情况下,可穿戴设备100可以结束跳绳模式且不记录跳绳数据。
在一种可能的实现方式中,当用户首次开启跳绳模式,用户可通过自由跳绳的设置控件1203对跳绳目标进行设置。
进一步地,当可穿戴设备100监测到作用于如图3A所示的自由跳绳的设置控件1203的操作时,可穿戴设备100可显示如图4A所示的自由跳绳的设置界面131。如图4A所示,自由跳绳的设置界面131可以包含目标选项1310以及目标设置控件1311、提醒选项1312以及提醒设置控件1313、分段选项1314以及分段设置控件1315和移除此运动选项1316。
当可穿戴设备100监测到作用于目标设置选项1311的操作时,可穿戴设备100可以显示如图4B所示的目标设置界面132。如图4B所示,目标设置界面132可包含个数选项1320以及个数设置控件1321,时间选项1322以及时间设置控件1323,热量选项1324以及热量设置控制1325,无目标选项1326。
其中,当可穿戴设备100监测到作用于个数设置控制1321操作时,可穿戴设备可以显示如图4C所示的个数设置界面133。如图4C所示,个数设置界面133可包含500个选项、1000个选项、自定义选项以及个数确定控件1331。个数设置界面133还可以包含更多或更少的跳绳个数选项,本申请实施例不做任何限制。当可穿戴设备100监测到作用于个数确定控件1331的操作时,可穿戴设备100可以保存自由跳绳模式中跳绳个数的设置。
当可穿戴设备100监测到作用于时间设置控制1323操作时,可穿戴设备可以显示如图4D所示的时间设置界面134。如图4D所示,个数设置界面134可包含10分钟选项、20分钟个选项、自定义选项以及时间确定控件1341。时刻设置界面134还可以包含更多或更少的跳绳时间选项,本申请实施例不做任何限制。当可穿戴设备100监测到作用于时间确定控件1341的操作时,可穿戴设备100可以保存自由跳绳模式中跳绳时间的设置。
当可穿戴设备100监测到作用于热量设置控制1325操作时,可穿戴设备可以显示如图4E所示的热量设置界面135。如图4E所示,热量设置界面135可包含100千卡选项、120千卡选项、150千卡选项、自定义选项以及热量确定控件1351。热量设置界面135还可以包含更多或更少的跳绳热量选项,本申请实施例不做任何限制。当可穿戴设备100监测到作用于热量确定控件1351的操作时,可穿戴设备100可以保存自由跳绳模式中跳绳热量的设置。
当可穿戴设备100监测到作用于无目标控制1326操作时,表明是没有时间和数量限制的跳绳。
当可穿戴设备100监测到作用于提醒设置选项1313的操作时,可穿戴设备100可以显示如图4F所示的提醒设置界面136。如图4F所示,提醒设置界面136可包含间隔提醒选项1360以及间隔提醒设置控件1361,训练压力选项1362以及训练压力按钮1363。其中,间隔提醒设置控件1361用于在用户在跳绳过程中,可穿戴设备100可以根据设置的间隔以语音或者震动的形式提醒用户。间隔提醒可根据用户实际需求自行设置,比如说50个、100个或者5分钟、10分钟等。当可穿到设备100检测到作用于训练压力按钮1363的操作时,可穿戴设备100可开启训练压力。
当可穿戴设备100监测到作用于分段设置选项1315的操作时,可穿戴设备可以显示如图4G所示的分段设置界面137。如图4G所示,分段设置界面137可包含自动分段选项1370和自动分段按钮1371,手动分段选项1372和手动分段按钮1373。其中,当可穿戴设备100检测到作用于自动分段按钮1371开启自动分段后,每次停止跳绳时,可穿戴设备100将对跳绳数据进行自动分段。当可穿戴设备100检测到作用于手动分段按钮1373开启手动分段后,在跳绳过程中,需要使用下键手动分段。
可以理解的是,当用户不是首次开启跳绳模式,可穿戴设备100可以基于上次保存的设置来记录用户的跳绳情况;或者,可穿戴设备100可以基于当前保存的设置来记录用户的跳绳情况。
在另一些实施例中,可穿戴设备100与终端设备200建立通信连接之后,可穿戴设备100还可以通过接收终端设备200发送的开启跳绳模式请求开始跳绳模式。
可穿戴设备100可以与终端设备200(例如手机、平板电脑等)建立通信连接关系。当监测到用于开启或者结束跳绳模式的用户操作,该终端设备200可以向可穿戴设备100发送开启跳绳模式的指令。当可穿戴设备100接收到用于开启跳绳模式的指令,穿戴设备100可以开启跳绳模式。
图5A所示为终端设备200的主屏幕用户界面300。用户界面300可包括:状态栏310,具有常用应用程序图标的托盘320,以及其他应用程序图标。其中,状态栏310可包括时间指示符3001、电池状态指示符3002、无线高保真(wireless fidelity,Wi-Fi)信号的一个或多个信号强度指示符3003、移动通信信号(又可称为蜂窝信号)的一个或多个信号强度指示符3004。具有常用应用程序图标的托盘320可展示:相机图标3011、电话图标3012、联系人图标3013、短信图标3014。其他应用程序图标可例如:时钟的图标3005、日历的图标3006、图库的图标3007、备忘录的图标3008、视频的图标3009、运动健康的图标3010,以及其他的应用程序(如图库)的图标。任一个应用的图标可用于响应用户的操作(例如单击操作),使得终端设备200启动图标对应的应用。其中,运动健康的图标3010可用于启动应用程序运动健康。应用程序运动健康可用于终端设备200与可穿戴设备100建立通信连接关系。终端设备200可以通过应用程序运动健康向用户展示用户的运动数据。
终端设备200可以接收并响应于作用于运动健康的图标3010的用户操作(例如点击操作),终端设备200可以显示如图5B所示的运动健康的应用界面400。
图5B所示为终端设备200的运动界面400的示意图,运动界面400可以包含界面查看选项410。其中,界面查看选项410可以包含运动选项4101、设备选项4102、发现选项4103和我的选项4104。任一个选项可用于响应用户的操作(例如单击操作),使得终端设备200在应用界面400上显示选项对应的内容。例如,与设备选项4102对应的内容可包含在终端设备中已添加的设备信息以及用于添加新设备的控件。当终端设备200监测到作用于设备选项4102上的用户操作(例如单击操作),终端设备200可以显示已添加设备选项420和设备添加选项430。
其中,设备添加选项430可用于触发终端设备200添加新的设备。该新的设备为与上述终端设备200首次建立通信连接关系的设备。当终端设备200监测到作用于设备添加选项430的用户操作(例如单击操作),终端设备200可以显示添加设备设置界面,使得终端设备200与该新的设备建立通信连接关系。上述添加设备设置界面可供用户搜索新的设备和建立通信连接的方式等,例如蓝牙连接。本申请实施例对终端设备200与新的设备建立通信连接关系的过程不作限定。
已添加设备选项420中可包含多个可穿戴设备的标识。上述多个可穿戴设备均与终端设备200建立过通信连接关系。例如,终端设备200与可穿戴设备100以及可穿戴设备A建立过通信连接关系。当监测到作用于已添加设备选项420中任一设备选项的用户操作(例如单击操作),电子设备可以显示与该设备对应的相关信息。
当终端设备200监测到作用于已添加设备选项420中可穿戴设备100标识的用户操作(例如单击操作),终端设备200可以显示如图6所示的终端设备200的应用界面500的示意图。
图6所示应用界面500可以包含设备状态栏510、运动数据520以及运动模式选项530。其中,设备状态栏510可用于显示可穿戴设备100与终端设备200的连接状态以及可穿戴设备100的电量。示例性的,当监测到终端设备200通过蓝牙连接方式与可穿戴设备100建立了通信连接关系,设备状态栏510可提示连接方式为蓝牙连接以及连接状态为“已连接”。进一步的,终端设备200可以获取可穿戴设备100的电量信息。设备状态栏510可提示可穿戴设备100当前的电量(例如77%)。设备状态栏510提示的内容还可以包含更多,本申请实施例对此不作限定。运动数据520可包含可穿戴设备100记录的用户移动的步数、消耗的热量和移动的距离。运动数据520中的数据为可穿戴设备100在工作状态下记录的用户一天内的数据(例如,包含用户日常走路、跳绳以及跑步等活动时总的移动的步数、消耗的热量和移动的距离)。
运动模式选项530可用于开启或者结束自由跳绳、跳绳自测、户外跑步等运动模式。运动模式选项530可包含自由跳绳标识5301以及用于对自由跳绳进行设置的设置控件5304、跳绳自测标识5302、户外跑步标识5303以及用于对户外跑步进行设置的控件5306。
其中,自由跳绳模式包含无目标跳绳和目标跳绳,其中,目标跳绳包括目标时间、目标个数以及目标卡路里等跳绳模式。可以通过自由跳绳的设置控件5304对自由跳绳模式进行设置,相关介绍可参考上述对可穿戴设备100上关于自由跳绳的介绍,此处不再赘述。
跳绳自测模式包括但不限于1分钟跳绳自测、5分钟跳绳自测等跳绳模式。
响应于作用在自由跳绳标识5301的用户操作(例如单击),终端设备200可以向可穿戴设备100发送开启自由跳绳模式的指令。或者,响应于作用在跳绳自测标识5302的用户操作(例如单击),终端设备200可以向可穿戴设备100发送开启跳绳自测模式的指令。可穿戴设备100当接收到终端设备200发送的开启自由跳绳或者跳绳自测模式的指令,可穿戴设备100可以在震动后一定时间(例如倒计时3秒)开启跳绳模式。当开启自由跳绳或者跳绳自测模式,可穿戴设备100可以显示如图3C所示的跳绳记录界面122。这样,可以提示用户可穿戴设备100已对用户的跳绳进行记录。
当接收到终端设备200发送的结束跳绳模式的指令,可穿戴设备100可以在震动后一定时间(例如倒计时3秒)结束跳绳模式。
另外,当开启跳绳模式时,可穿戴设备100可以自动开启免打扰模式。示例性的,开启免打扰模式时,当终端设备200收到来电或者消息通知,可穿戴设备100可以屏蔽电子设备发送的来电或者消息通知的提醒指令。即可穿戴设备100不会通过振动或者响铃等方式提醒用户有来电或者消息通知。这样,当可穿戴设备100已开启跳绳模式,且有来电或者消息通知时,可穿戴设备100不会对用户跳绳产生干扰。
方式二、可穿戴设备100根据传感器采集到的数据,确定开始跳绳模式。
可穿戴设备100也可以自适应开启跳绳模式。
当可穿戴设备100未开启跳绳模式,且监测到用户处于跳绳的状态时,可穿戴设备100可以自动开启跳绳模式。其中,可穿戴设备100判断用户处于跳绳的状态的方式可以为,加速度传感器和陀螺仪传感器可以采集到加速度和陀螺仪数据。可穿戴设备100可以根据加速度数据和陀螺仪数据得到加速度波形特征图和角速度波形特征图,然后可穿戴设备100可以将加速度波形特征图和角速度波形特征图输入运动分类模型。运动分类模型是提前训练好的,运动分类模型可以根据输入的运动数据分析出用户的运动类型(例如跳绳、跑步、游泳等)。运动分类模型根据加速度波形特征图和角速度波形特征图分析出用户在做跳绳运动,则可穿戴设备100可以确定用户处于跳绳的状态。
在一种可能的实现方式中,可穿戴设备100得到加速度波形特征图和角速度波形特征图之后,判断出用户在做疑似跳绳运动。再将加速度波形特征图和角速度波形特征图输入运动分类模型。运动分类模型进一步确定出用户在做跳绳运动。而不是直接将加速度传感器和陀螺仪传感器采集到的加速度数据和陀螺仪数据输入分类模型。这样,可以较少运动分类模型的计算量,节省消耗,提高分类模型判断的准确性。
在其他一些实施例中,可穿戴设备100也可以直接将加速度传感器和陀螺仪传感器采集到的加速度数据和陀螺仪数据输入运动分类模型,运动分类模型直接输出用户在做跳绳运动或者用户不是在做跳绳运动。
可穿戴设备100还可以根据其它方式来确定用户处于跳绳状态,本申请实施例对此不作限定。
在一些实施例中,当可穿戴设备100开启了其它的运动模式,例如跑步模式,但监测到用户处于跳绳的状态时,可穿戴设备100可以自动将其它的运动模式切换为跳绳模式。
在一些实施例中,当可穿戴设备100开启了跳绳模式,且监测到用户未处于跳绳的状态时,可穿戴设备100可以自动结束跳绳模式。其中,可穿戴设备100判断用户未处于跳绳的状态的方式可以为:可穿戴设备100根据采集的加速度数据和陀螺仪数据,计算出加速度数据或者陀螺仪数据在一个跳绳周期呈现的波形不是一个正弦波,则可穿戴设备100可以确定用户未处于跳绳的状态。可穿戴设备100还可以根据其它方式来确定未处于跳绳的状态,本申请实施例对此不作限定。
这样,当用户在跳绳而忘记开启跳绳模式,或者开启的运动模式选择错误时,可穿戴设备100可以自适应开启跳绳模式,监测用户在这一次跳绳时的整体动作以及运动数据,来记录用户跳绳的过程。并且,当用户在开启跳绳模式后忘记结束跳绳模式时,可穿戴设备100可以自适应结束跳绳模式,从而减少可穿戴设备100的功耗。
除了上述通过监测作用于触摸控件13上的用户操作和通过接收终端设备200发送的指令来开启跳绳模式,以及自适应开启跳绳模式,可穿戴设备100还可以通过其它方式开启跳绳模式,例如通过体感手势开启跳绳模式等。本申请在此不做限定。
在一些实施例中,可穿戴设备100自适应开启跳绳模式之后,可穿戴设备100可以在显示屏12上显示如图7中所示的用户界面111。用户界面111可包含提示框116、确定控件117和取消控件118。其中:
提示框116包含有提示内容,该提示内容用于提示开启跳绳模式后,可穿戴设备100提示用户进行跳绳运动数据录入。提示内容可包括“开始跳绳模式,请进行跳绳数据录入。现在录入吗?”。
确定控件117可用于接收用户操作(例如单击),确定跳绳运动数据录入。取消控件118可用于接收用户操作(例如单击),取消跳绳运动数据录入。
若用户当前想要进行个人运动数据录入,用户可以单击确认控件117。若用户当前不想进行个人运动数据录入,用户可以单击取消控件118。
当监测到作用于确认控件117的用户操作,可穿戴设备100在显示屏12上显示如图8中所示的用户界面112。用户界面112包括提示框119,提示框119可用于提示用户选择进行个人运动数据录入时间的长度。其中:
用户界面112还可包含1分钟跳绳选项120、5分钟跳绳选项121和自由跳绳选项122。用户界面112还可以包含更多或者更少的选项,比如说倒计时跳绳选项,本申请在此不做限定。可以理解的是,1分钟跳绳选项120和5分钟跳绳选项121可以认为是时间固定的跳绳,设置时间后开始跳,时间结束后可穿戴设备100可以已振动或语音提醒。自由跳绳选项122可以认为是用户基于自由跳绳的设置控件对跳绳目标的最新的一次设置。响应于作用在图8所示的用户界面112中的任一个选项的用户操作(例如单击),可穿戴设备100可以在显示屏12上显示如图9所示的用户界面113。用户界面113包括提示框1131,提示框1131用于提示用户数据录入将在手环震动后开始。提示框1131包括提示内容“数据录入将在手表震动倒计时后开始”。
当震动倒计时结束后,可穿戴设备100开始进行个人运动数据录入。进一步地,可穿戴设备100可以以固定录入频率(比如说100ms)录入用户的一个运动数据包,每个运动数据包可以包含10组运动数据。
当可穿戴设备100监测到从开始进行个人运动数据录入经过了被选择的选项对应的时间长度时,可穿戴设备100可以震动并在显示屏12上显示如图10所示的用户界面114。或者,当可穿戴设备100监测到用户停止跳绳运动之后,可穿戴设备100可以震动并在显示屏12上显示如图10所示的用户界面114。用户界面可用于提示用户个人运动数据录入结束。
图10所示的用户界面114包括提示框1141,提示框1141用于提示用户个人运动数据录入结束。提示框1141包括提示内容“个人运动数据录入结束”。
其中,用户在进行个人运动数据录入时,即用户在跳绳作时,用户不方便直接看到显示屏12上的内容。可穿戴设备100可以通过震动来提示用户个人运动数据录入结束。这样,用户可以在可穿戴设备100震动后停止做跳绳动作。
下面对可穿戴设备100根据录入的运动数据分析用户的跳绳情况进行说明。
首先介绍可穿戴设备100确定迭代窗宽,并根据迭代窗宽进行寻峰的过程。
当开启跳绳模式后,可穿戴设备100中的加速度传感器、陀螺仪传感器均处于工作状态中。其中,加速度传感器可用于采集手腕部的加速度数据;陀螺仪传感器可用于采集手腕部的陀螺仪数据。可穿戴设备100需要对录入的加速度处理和陀螺仪数据进行预处理,得到处理后的加速度处理和陀螺仪数据。
可以理解的是,跳绳运动的跳绳频率可以大于或等于第一阈值并且小于或等于第二阈值,其中,第一阈值和第二阈值可以是根据经验人为设定的一个用于参考对比的值。一般来说,用户进行跳绳运动的正常范围为30次/分钟到300次/分钟,所以,第一阈值可以是0。5Hz,第二阈值可以是5Hz。由于传感器在采集手腕部的加速度数据和陀螺仪数据的时候难免会存在噪声干扰,为了提高跳绳记录的准确性,可穿戴设备100可以利用带通滤波器对录入的加速度数据和陀螺仪数据进行滤波,滤除加速度数据和陀螺仪数据中所存在的高低频噪声。
接下来,在对用户的跳绳情况进行分析的过程中,可穿戴设备100在每个预设周期内可以根据一个或多个运动传感器采集的目标时间段的目标运动数据迭代计算迭代窗宽。具体迭代计算确定迭代窗宽的过程包括如下步骤:
步骤1,可穿戴设备100获取预设窗宽d0或者上一次迭代计算的窗宽di-1,其中,预设窗宽可以是根据经验人为设定的且内置于可穿戴设备100中的。可以理解的是,当可穿戴设备100是第一次迭代计算窗宽,则可穿戴设备100获取的窗宽为预设窗宽。当可穿戴设备不是第一次迭代计算窗宽,则可穿戴设备100可以获取上一次迭代计算得到的窗宽。其中,i为当前迭代次数。
步骤2,可穿戴设备100可以根据预设窗宽d0或者上一次迭代计算的窗宽di-1对一个或多个运动传感器采集的目标时间段内的目标运动数据进行寻峰,得到预设峰数Ni。可以理解的是,目标时间段是与当前预设周期有关的时间段。举例来说,假设预设周期为1秒,目标时间段的时间长度t为30秒。在第0个预设周期,也即可穿戴设备100开始检测用户的跳绳状态时,目标时间段可以是0秒到30秒;在第T个预设周期,目标时间段可以是T秒到30+T秒。其中,目标时间段的时间长度t可以根据实际情况设置,本申请实施例不作任何限制。
步骤3,可穿戴设备100可以根据预设峰数Ni得到目标运动数据的参考窗宽Di。即,Di=1/fi,fi=Ni/t。
步骤4,可穿戴设备100可以根据参考窗宽Di对上述目标运动数据进行再次寻峰,得到参考峰数N^ i。
步骤5,可穿戴设备100可以根据预设峰数和参考峰数确定迭代窗宽。
具体地,可穿戴设备可以根据预设峰数和目标时间段的时间长度t得到上述目标运动数据的预设跳绳频率fi=Ni/t。
可穿戴设备可以根据参考峰数N^ i和目标时间段的时间长度T得到目标运动数据的参考跳绳频率f^ i=N^ i/t。
可穿戴设备100可以计算预设跳绳频率fi和参考跳绳频率f^ i的差值绝对值|fi-f^ i|。若差值绝对值小于参考阈值,则结束迭代计算,确定当前预设周期的目标时间段的迭代窗宽为di。若差值绝对值大于或等于参考阈值,则进行步骤6。容易理解的是,“等于”的情况也可以放到另一个分支中,比如差值绝对值小于或等于参考阈值,则结束迭代计算,确定当前时间段的迭代窗宽为di。
步骤6,可穿戴设备100根据预设窗宽di和参考窗宽Di对迭代窗宽进行更新,更新后的迭代窗宽为di+1=(di+Di)/2。如果当前迭代次数i小于预设迭代次数,则跳转到步骤2,可穿戴设备100根据更新后窗宽来进行第i+1次迭代计算。如果迭代次数i大于或等于预设迭代次数,则确定本次预设周期的目标时间段的迭代窗宽为(di+Di)/2。容易理解的是,“等于”的情况也可以放到另一个分支中,比如迭代次数小于或等于预设迭代次数,跳转到步骤2,可穿戴设备100根据更新后窗宽来进行第i+1次迭代计算。
在每一个预设周期内,当根据目标运动数据确定目标时间段的迭代窗宽后,可穿戴设备100可以根据迭代窗宽对目标时间段的目标运动数据进行寻峰,确定上述目标运动数据包含的波峰,以及波峰的个数、位置、高度等等。其中,寻峰具体可以是寻找目标窗宽内目标运动数据的极大值。进一步地,可穿戴设备100可以根据目标窗宽通过峰值检测算法检测目标运动数据的峰值点。其中,峰值检测算法可以是基于霍夫的峰值检测算法。
峰值位置用于指示峰值所在时刻的位置信息;峰值高度用于指示峰值所在时刻的高度信息。
接下来介绍可穿戴设备100根据目标运动数据包含的波峰输出用户在目标时间段的跳绳状态。
目标时刻的跳绳状态可以由决策模型确定,因此先介绍决策模型的原理和决策模型的训练过程。
其中,决策模式可以使用随机森林但不限于该算法模型,比如说可以使用神经网络或者其他树模型,本申请实施例对其不做任何限制。下面基于随机森林的决策模型为例来进行说明。
随机森林(Random Forest,RF)模型是由多个决策树模型集成的用于解决分类问题或回归问题的模型,决策树模型可以采用各种决策树算法,例如ID3(iterativedichotomiser3)算法、分类回归树(Classification And Regression Tree,CART)算法等等。随机森林模型中的每个决策树被独立地训练和预测,对于分类问题,按照多个决策树模型的分类结果进行投票决定分类结果;对于回归问题,由多个决策树模型预测值均值决定回归结果。
对于随机森林中的决策树进行说明,决策树由结点和有向边组成。结点有两种类型:内部结点和叶结点,其中内部结点表示一个特征或属性,叶结点表示一个类。一般的,一颗决策树包含一个根结点、若干个内部结点和若干个叶结点。叶结点对应于决策结果,其他每个结点则对应于一个属性测试。每个结点包含的样本集合根据属性测试的结果被划分到子结点中,根结点包含样本集合,从根结点到每个叶结点的路径对应了一个判定测试序列。
在基于随机森林的决策模型的训练过程中,首先需要提取每个训练样本数据的时域特征和频域特征。时域特征包含波峰间隔和峰谷值,频域特征包含主频能量占比等等。
在本申请实施例中,每个样本数据包括加速度传感器和陀螺仪传感器采集的运动数据,因为加速度传感器和陀螺仪传感器为三轴传感器,所以采集的每个样本数据包括X轴的运动数据、Y轴的运动数据和Z轴的运动数据。也即,每个样本数据可以包含6组运动数据(即,X轴的加速度数据、Y轴的加速度数据、Z轴的加速度数据和X轴的陀螺仪数据、Y轴的陀螺仪数据、Z轴的陀螺仪数据),因此,可穿戴设备100可以根据每个样本数据包含的波峰提取每个样本数据的时域特征和频域特征,共计有18个特征。
其中,18个特征分别是:
X轴的加速度数据对应的波峰间隔、Y轴的加速度数据对应的波峰间隔、Z轴的加速度数据对应的波峰间隔;
X轴的加速度数据对应的峰谷值、Y轴的加速度数据对应的峰谷值、Z轴的加速度数据对应的峰谷值;
X轴的加速度数据对应的主频能量占比、Y轴的加速度数据对应的主频能量占比、Z轴的加速度数据对应的主频能量占比;
X轴的陀螺仪数据对应的峰谷值、Y轴的陀螺仪数据对应的峰谷值、Z轴的陀螺仪数据对应的峰谷值;
X轴的陀螺仪数据对应的波峰间隔、Y轴的陀螺仪数据对应的波峰间隔、Z轴的陀螺仪数据对应的波峰间隔;
X轴的陀螺仪数据对应的主频能量占比、Y轴的陀螺仪数据对应的主频能量占比、Z轴的陀螺仪数据对应的主频能量占比。
获取主频能量占比:可以理解的是,通过功率谱密度函数,可以看出信号的能量随频率的分布情况,而主频能量占比即为主频率在整个训练样本数据所对应的功率谱密度数据上的占比,主频率为功率谱密度中能量最为集中的频率。
具体地,在预设周期内,对每个样本数据分别进行短时傅里叶变换处理,可以得到每个样本数据在各个不同时刻所对应的功率谱密度。首先设定窗口大小和步长,让窗口在时域信号上滑动,分别计算每个窗口的傅里叶变换,形成了不同时间窗口对应的功率谱密度数据,将其拼接起来就可以得到功率谱密度随频率的分布情况。从其中,窗口可以是以下一种或多种:海明(Hamming)窗、矩形窗、汉宁窗、高斯窗等等。功率谱密度随频率的分布情况中可以得到每个训练样本数据的主频能量占比。
举例来说,请参见图11,图11是本申请实施例提供的一种主频能量占比的示意图。基于海明窗对样本数据进行短时傅里叶变换处理后可以得到样本数据的功率谱密度,从样本数据的功率谱密度中可以得到如图11所示的主频能量占比。其中,对样本数据进行短时傅里叶变换时,所使用的海明窗的窗口大小可以为2s,步长为1s。s为最小的时间单位,可以是1秒,也可以是2秒,本申请实施例对其不做任何限制。从图11所示的主频能量占比可以看出,主频率较为集中,集中在频率为2Hz左右。
计算波峰间隔:在每个预设周期内,可穿戴设备100可以根据波峰间隔来筛选出每一个样本数据中的无效波峰和有效波峰,有效波峰之间的波峰间隔为训练样本数据在时间域上的数据特征。
其中,在每个预设周期中,可穿戴设备100可以计算目标时间段的样本数据包含的波峰中任意两个相邻波峰之间的波峰间隔,当波峰间隔小于第一预设阈值时,则可以判定上述两个相邻波峰中的前一个波峰为无效波峰;当波峰间隔大于或等于第一预设阈值时,则可以判定上述两个相邻中的前一个波峰为有效波峰。容易理解的是,“等于”的情况也可以放到另一个分支中,比如当任意两个相邻波峰之间的间隔小于或等于第一预设阈值时,则可以判定上述相邻波峰中的前一个波峰为无效波峰。其中,第一预设阈值可以根据实际情况来确定,本申请对此不作任何限制。
当确定无效波峰之后,可穿戴设备100可以对无效峰进行标记,记录无效波峰的索引(比如说在训练样本数据中出现的时间),并计算有效波峰之间的波峰间隔。
计算峰谷值:在每个预设周期内,可穿戴设备100根据峰谷值来筛选出每一个样本数据中的无效波峰和有效波峰,有效波峰与其之后的最近一个波谷之间的峰谷值为训练样本数据在时间域上的数据特征。
可以理解的是,可穿戴设备100可以通过单调下降或波谷值幅度阈值检测的方式提取得到每个训练样本数据中的波谷信息。然后,可穿戴设备100计算第一时间段T内的运动数据的波峰与其对应的波谷之间的高度差,记为峰谷值pv。进一步可穿戴设备100计算第一波峰的峰谷值pvi和第二波峰pvi+1的峰谷值的比值pvr=pvi+1/pvi。若比值小于第二预设阈值时,则可以判定第一波峰和第二波峰中的前一个波峰为无效波峰;若比值大于或等于第二预设阈值,则可以判定第一波峰和第二波峰中的前一个波峰为有效波峰。其中,“等于”的情况也可以放到另一个分支中,比如说若比值小于或等于第二预设阈值时,则可以判定第一波峰和第二波峰中的前一个波峰为无效波峰。其中,第二预设阈值可以根据实际情况来确定,本申请对此不作任何限制。
当确定无效波峰之后,可穿戴设备100对无效峰进行标记,记录无效波峰的索引(比如说在训练样本中出现的时间),并计算有效波峰的峰谷值。也即,可穿戴设备100可以在峰谷值中记录无效波峰的索引。
容易理解的是,用户在跳绳过程中可能会存在以下一种或多种跳绳状态:断绳状态、加速跳状态、减速跳状态、匀速跳状态和变速跳状态。因此,样本数据可以包括断绳状态的数据、加速跳状态的数据、减速跳状态的数据和变速跳状态的数据。而对模型的训练包含训练过程和测试过程,样本数据包括训练样本数据和测试样本数据。首先,需要用于训练决策模型的设备可以根据每个训练样本数据的跳绳状态可以对每个训练样本数据进行标签,标签的目的是用于告知基于随机森林的决策模型当前训练样本数据的跳绳状态。然后,将每个训练样本数据的数据特征以及每个训练样本数据的标签输入到决策模型中,对决策模型进行训练。并使用测试样本数据对训练好的决策模型进行验收,当决策模型的性能验收通过后,可以得到训练后的决策模型。
下面介绍可穿戴设备100根据目标运动数据确定用户在目标时间段的跳绳状态。
当得到训练好的决策模型,可穿戴设备100可以利用训练好的决策模型来确定用户在目标时间段的跳绳状态是断绳状态、加速跳状态、减速跳状态、匀速跳状态和变速跳状态中的哪种状态。
具体地,在每个预设周期,可穿戴设备100可以提取目标时间段内的目标运动数据的频域特征(比如主频能量占比)。
可穿戴设备100可以通过傅里叶变换提取目标时间段内的目标运动数据的功率谱密度,从功率谱密度中获取目标运动数据的频域特征。进一步地,可穿戴设备100可以通过预设时间窗口对目标运动数据进行短时傅里叶变换处理,可以得到不同时间窗口对应的功率谱密度数据,将其拼接起来就可以得到功率谱密度随频率的分布情况。从功率谱密度随频率的分布情况中可以得到运动数据的主频能量占比。
在每个预设周期,可穿戴设备可以根据目标运动数据包含的波峰提取目标运动数据的时域特征。
具体地,可穿戴设备100可以计算目标运动数据中包含的波峰中任意两个相邻波峰之间的第一波峰间隔,根据第一波峰间隔确定目标运动数据中的有效波峰,将任意两个相邻的有效波峰之间的第二波峰间隔作为目标运动数据的时域特征。其中,若第一波峰间隔大于或等于第一预设阈值,则可穿戴设备100判定任意两个相邻波峰中的前一个波峰为有效波峰。若第一波峰间隔小于第一预设阈值,则可穿戴设备100可以判定任意两个相邻波峰中的前一个波峰为无效波峰。因此,可穿戴设备100可以根据波峰间隔来检测出目标运动数据中的无效波峰和有效波峰,有效波峰之间的波峰间隔为目标运动数据在时间域上的数据特征,并记录无效波峰的索引(时间、位置、高度等等)。
在每个预设周期,可穿戴设备100可以计算目标运动数据包含的波峰的峰谷值,每个波峰的峰谷值为每个波峰与每个波峰之后的最近一个波谷的高度差。然后,可穿戴设备100可以计算任意两个相邻波峰的峰谷值的比值,根据峰谷值的比值确定目标运动数据中的有效波峰,将有效波峰的峰谷值作为目标运动数据的时域特征。若任意两个相邻波峰的峰谷值的比值大于或等于所述第二预设阈值,则可穿戴设备100可以判定任意两个相邻波峰中的前一个波峰为有效波峰;若任意两个相邻波峰的峰谷值的比值小于第二预设阈值,则可穿戴设备100可以判定任意两个相邻波峰中的前一个波峰为无效效波峰。因此,可穿戴设备100可以根据峰谷值来检测出目标运动数据中的无效波峰和有效波峰,有效波峰与其相邻的波谷之间的峰谷值为目标运动数据在时间域上的数据特征,并记录无效波峰的索引时间、位置、高度等等)。
对于根据波峰间隔检测出的运动数据中的无效波峰和根据峰谷值检测出运动数据中的无效波峰来说,可穿戴设备100可以将上述检测出的无效峰移动到容器中,去除目标运动数据中的无效峰并修正波峰。
因为目标运动数据包括三轴加速度数据和三轴陀螺仪数据,通过综合考量三轴加速度数据和三轴陀螺仪数据中有效波峰的个数,可穿戴设备100可以输出用户的跳绳个数。在一种可能的实现方式中,在用户跳绳过程中,可穿戴设备100可以实时将跳绳个数输出在显示屏上。在另一种可能的实现方式中,在用户跳绳过程中,可穿戴设备100可以语音播报用户的跳绳个数。
为了提高跳绳状态的可信度,可穿戴设备100可以分别提取出上述三轴加速度数据和三轴陀螺仪数据中每轴数据的时域特征和频域特征,最后可穿戴设备100将每轴数据的主频能量占比、波峰间隔、峰谷值总共18个变量输入到训练好的决策模型中。在每个预设周期,可穿戴设备100可以通过决策模型确定用户在目标时刻的跳绳状态。
其中,目标运动数据为目标时间段内一个或多个运动传感器采集的数据,而目标时刻为目标时间段的结束时刻。可以理解的是,在每个预设周期,可穿戴设备100获取的目标运动数据可以时时间长度相同的数据。举例来说,假设预设周期为1秒,目标运动数据的时间长度为30秒。则在第0个预设周期,也即可穿戴设备100开始检测跳绳状态,目标时间段为0至30秒,可穿戴设备100可以根据0至30秒的运动数据迭代计算目标窗宽,根据目标窗宽确定0至30秒的运动数据包含的波峰,根据0至30秒的运动数据包含的波峰输出用户在30秒的跳绳状态。在第一个预设周期,也即下一秒,目标时间段为1至31秒,可穿戴设备100可以根据1至31秒的运动数据迭代计算目标窗宽,根据目标窗宽确定1至31秒的运动数据包含的波峰,根据1至31秒的运动数据包含的波峰输出用户在31秒的跳绳状态。可穿戴设备100可以每秒确定用户的跳绳状态,直到用户停止跳绳,可穿戴设备100可以停止检测用户的跳绳状态。
下面介绍可穿戴设备100根据状态转移模型确定用户的跳绳状态。
状态转移方程,是动态规划中本阶段的状态往往是上一阶段状态和上一阶段决策的结果。如果给定了第K阶段的状态Sk以及决策uk(Sk),则第K+1阶段的状态Sk+1也就可以确定。由状态转移方程确定的模型可以时状态转移模型。
可以理解的是,在每个预设周期,可穿戴设备100可以将目标运动数据的波峰间隔、波谷值和主频能量占比等特征输入到决策模型中,输出用户的在目标时刻的跳绳状态。在目标时刻的跳绳状态与目标时刻的上一时刻的跳绳状态不相同时,说明用户的跳绳状态发生了变化。可穿戴设备100可以将目标时刻的跳绳状态以及目标时刻的下一预设时间段内的每一时刻的跳绳状态输入到状态转移模型中,可穿戴设备100可以根据状态转移方程获取目标时刻的跳绳状态。其中,目标时刻与目标时刻的上一时刻之间的间隔为预设周期。在状态转移模型中的下一预设时间段内的每一时刻的跳绳状态与目标时刻的跳绳状态相同时,可以说明用户在目标时刻的跳绳状态是持续了一段时间,不是一个突变的运动状态,可穿戴设备100可以获取目标时刻的跳绳状态。在状态转移模型中的下一预设时间段内的任意时刻的跳绳状态与目标时刻的跳绳状态不同时,可以说明用户在目标时刻的跳绳状态是不稳定的,可穿戴设备100将目标时刻的上一时刻的跳绳状态作为目标时刻的跳绳状态。
举例来说,在第一目标时间段,决策模型输出跳绳状态1;若在第一目标时间段的上一目标时间段,决策模型输出跳绳状态2。跳绳状态1和跳绳状态2不同,说明用户的跳绳状态发生了变化,为了降低跳绳状态的误判率。可穿戴设备100可以将在第一目标时间段的跳绳状态1,以及在第一目标时间段的下一预设时间段的每个目标时间段(比如说第二目标时间段、第三目标时间段、第四目标时间段、第五目标时间段)的跳绳状态输入到状态转移模型。若下一预设时间段的每个目标时间段(比如说第二目标时间段、第三目标时间段、第四目标时间段、第五目标时间段)的跳绳状态与第一目标时间段的跳绳状态相同,也即都是跳绳状态1,则可穿戴设备100可以认为跳绳状态1为用户在第一目标时间段的跳绳状态。若下一预设时间段的任意时刻(比如说第四目标时间段)的跳绳状态与第一目标时间段的跳绳状态不相同,则将第一目标时间段的上一目标时间段的跳绳状态(即跳绳状态2)作为第一目标时间段的跳绳状态。
需要说明的是,每个目标时间段的时间长度相同,每个相邻目标时间段之间的时间间隔为预设周期。
在每个预设周期内,若可穿戴设备100根据状态转移模型获取用户在目标时间段的跳绳状态为断绳状态,则可穿戴设备100可以停止记录跳绳,也即停止采集个人运动数据。当可穿戴设备100再次采集到运动数据后,重新将对运动数据进行识别处理。可穿戴设备100识别为跳绳模式后,再开始分析用户的跳绳情况。
在每个预设周期内,若可穿戴设备100根据状态转移方程获取用户在目标时间段的跳绳状态为除断绳状态外的其他跳绳状态,则可穿戴设备100可以按照预设周期继续输出用户在每个目标时间段的跳绳状态,直至用户停止跳绳。
可穿戴设备100可以显示用户的跳绳状态、跳绳次数、跳绳频率、用户心率等参数,用户的跳绳状态、跳绳次数、跳绳频率、用户心率等跳绳结果也可以在终端设备200中显示。
下面对可穿戴设备100显示跳绳运动的跳绳状态、跳绳次数、跳绳频率、用户心率等跳绳结果进行介绍。
在一些实施例中,当可穿戴设备100得到用户跳绳的运动数据,可穿戴设备100可以在显示屏上显示用户在跳绳过程中的跳绳结果。在一些实施例中,可穿戴设备100可以将用户跳绳的运动数据向终端设备200发送,由终端设备200计算得到用户在跳绳过程中的跳绳结果后,向可穿戴设备100发送跳绳结果。可穿戴设备100可以与终端设备200显示的跳绳结果可以相同也可以不相同。
下面以在跳绳过程中可穿戴设备100显示跳绳结果进行说明。
可以理解的是,可穿戴设备100可以在用户跳绳过程中实时显示用户的跳绳个数、绊绳个数以及当前连跳个数。如图12A所示为可穿戴设备100在跳绳过程中显示跳绳结果的界面123。从图12A可以看出,跳绳结果的界面123可以包括当前的跳绳个数100次标识1231、当前的绊绳6次标识1232以及当前连跳50个标识1233。
进一步地,跳绳结果的界面123还可显示更多或更少的内容,比如说当可穿戴设备100响应于用户的滑动或者触摸控件13响应于用户的转动后,界面123还可以显示如图12B所示的内容,当前的跳绳时间(比如说00:00:24),当前消耗的热量(比如说15Kcal),以及用户当前的心率(比如说152bpm)。
进一步地,若用户设置有提醒间隔,则可穿戴设备100可以在跳绳个数达到预设提醒间隔时,以语音或震动的形式提醒用户。
在一些实施例中,当用户结束跳绳后,可穿戴设备100可以显示关于此次跳绳更多的跳绳结果。以自由跳绳模式跳绳5分钟为例来说明,请参见图13,图13是本申请实施例提供的另一组可穿戴设备显示跳绳结果的UI图,比如说跳绳结束后的跳绳结果的UI图。
其中,图13的(a)记载的是5分钟跳绳的跳绳模式是自由跳绳,以及用户结束跳绳的时间,比如说3月24号07:26。
图13的(b)记载的是5分钟跳绳的综合结果,比如说跳绳数为710次,运动时间是00:05:05,消耗的热量是134千卡。
图13的(c)记载的是5分钟跳绳的节奏,比如说5分钟跳绳中最多连跳是175个,绊绳6个。
图13的(d)记载的是5分钟跳绳的心率曲线,比如说在5分钟跳绳过程中最高心率可以是163次/分,最低心率可以是92次/分,平均心率可以是148次/分。
图13的(e)记载的是5分钟跳绳的心率区间,比如说5分钟跳绳在极限心率上所占的比例,5分钟跳绳在无氧耐力心率上所占的比例,5分钟跳绳在有氧心率上所占的比例,5分钟跳绳在燃脂心率上所占的比例,5分钟跳绳在热身心率上所占的比例。
图13的(f)记载的5分钟跳绳的跳绳频率曲线,比如说用户在5分钟跳绳过程中的跳绳频率,最高跳绳频率可以是161次/分钟,最低跳绳频率可以是56次/分钟,平均跳绳频率可以是77次/分钟。
图13的(g)记载的是5分钟跳绳的连跳曲线,比如说用户在5分钟跳绳过程中连跳个数,最高连跳个数可以是175个,最低连跳个数可以是11个,平均连跳个数可以是134个。
图13的(h)记载的是用户5分钟跳绳的疲劳程度,比如说用户在5分钟跳绳后的疲劳程度可以是20%,恢复时间可以是19小时。
图13的(i)记载的是可穿戴设备100可以将5分钟跳绳数据发送给终端设备200(比如说手机)。由于可穿戴设备100的显示屏12的面积有限,可穿戴设备100显示的跳绳结果的显示形式也是有限的。因此,更多的跳绳结果以及建议可以在与可穿戴设备100建立连接的终端设备200中进行显示。
进一步地,可穿戴设备100可以响应于作用在图13的(c)所示的“最多连跳”参数栏或者“绊绳”参数栏的操作,跳转到图13的(g)所示的连跳曲线示意图。
下面对终端设备200显示跳绳运动的跳绳状态、跳绳次数、跳绳频率、用户心率等跳绳结果进行介绍。
可以理解的是,若可穿戴设备100与终端设备200处于连接状态中,则可穿戴设备100可以将跳绳状态、跳绳次数、跳绳频率、用户心率等跳绳结果实时向终端设备200传输。
若可穿戴设备100与终端设备200处于断开连接状态中,则可穿戴设备100可以先将跳绳状态、跳绳次数、跳绳频率、用户心率等运动结果保存在flash等存储器中。等可穿戴设备100与终端设备200处于连接状态时,再将跳绳状态、跳绳次数、跳绳个数、跳绳状态、跳绳次数、跳绳频率、用户心率等跳绳结果向终端设备200传输。
终端设备200可以接收并保存来自可穿戴设备100的跳绳个数、跳绳状态、跳绳次数、跳绳频率、用户心率等跳绳结果。在一种可能的实现方式中,终端设备200可以显示一个或多个上述跳绳结果。
在另一种可能的实现方式中,终端设备200可以接收来自可穿戴设备100的用户在跳绳过程中的跳绳数据,然后终端设备200可以根据跳绳数据计算用户在跳绳过程中的跳绳结果,将跳绳结果向可穿戴设备100发送。
可以理解的是,终端设备200显示的跳绳结果与可穿戴设备100显示的跳绳结果可以相同也可以不相同。
终端设备200可以显示如图14所示的应用界面1000。应用界面1000可包含状态栏310、设备状态栏910和运动模式对应的运动数据栏1010。
运动模式对应的运动数据栏1010可包括自由跳绳数据选项1001、跳绳自测数据选型和户外跑步数据选项。
以10分钟自由跳绳为例对终端设备200显示跳绳结果进行介绍。
响应于作用在自由跳绳数据选项1001的用户操作(例如单击),终端设备200可以显示如图15所示的一种自由跳绳界面1100。自由跳绳界面1100可包含运动时间参数栏1110、跳绳个数参数栏1120、热量参数栏1130、最多连跳参数栏1140、断绳次数参数栏1150、平均心率参数栏1160、跳绳频率参数栏1170、跳绳状态参数栏1180。其中,
运动时间参数栏1110可包括用户的运动时间(比如说5分钟。)
跳绳个数参数栏1120可包括用户在运动时间(比如说5分钟)内的跳绳数量(比如说710个)。热量参数栏1130可包括用户在运动时间(比如说5分钟)内的消耗的热量(比如说134千卡)。
最多连跳参数栏1140可包括用户在运动时间(比如说5分钟)内的最多连跳个数(比如说175个)。
断绳次数参数栏1150可包括用户在运动时间(比如说5分钟)内出现绊绳的次数(比如说6次)。
平均心率参数栏1160可包括用户在运动时间(比如说5分钟)内的平均心率(比如说148次/分钟)。
平均跳绳频率参数栏1170可包括用户在运动时间(比如说5分钟)内的平均跳绳频率(比如说150个)。
终端设备200还可以显示比如说最高心率、最低心率、最高跳绳频率、最低跳绳频率的详细信息。
终端设备200响应于作用在图15所示的跳绳个数参考栏1120的用户操作(例如点击),或者终端设备200响应于作用在显示屏上的用户操作(例如滑动),终端设备200可以显示如图16所示的跳绳个数1200。跳绳个数1200可包括跳绳个数曲线1111。
在跳绳个数曲线1111中,终端设备200以条形图的方式中展示用户在连续跳绳多少个后出现的断绳状态,其中,横坐标为断绳次数,纵坐标为跳绳个数。
从图16所示的跳绳个数曲线1111可以得知,在用户完成393个跳绳的过程中,一共出现了6次断绳。其中,第一次断绳出现在用户连续跳43个后,第二次断绳出现在用户连续跳24个后,第三次断绳出现在用户连续跳175个后,第四次断绳出现在用户连续跳110个后;第五次断绳子出现在用户连续跳17个后,第六次断绳出现在用户连续跳11个后。用户在连续跳13后,停止跳绳。其中,终端设备200可以在条形图中以标志性符号(比如说直线、三角形、圆圈、打叉等特殊符号)来标志出现断绳。可以看出,图16所示的跳绳个数曲线1111是以直线的形式来标志出现断绳。这样,用户通过条形图可以更直观了解自己在连续跳绳多少个之后会出现断绳。
在一种可能的实现方式中,终端设备200响应于作用在跳绳个数曲线1111中的任意一个直线(比如说第6次断绳所对应的直线),终端设备200可以显示更加详细的详细,比如说在第6次断绳所对应的直线上方可以显示出现第6次断绳的时间,用户此时的心率等等。
终端设备200响应于作用在图15所示的最多连跳参考栏1120的用户操作(例如点击),或者终端设备200响应于作用在显示屏上的用户操作(例如滑动),终端设备200可以显示如图17所示的连跳个数界面1201。连跳个数界面1201可包括连跳曲线1112。
在连跳曲线1112中,终端设备200以柱形图的方式中展示用户在连续跳绳多少个后出现的绊绳,其中,横坐标为跳绳时间,纵坐标为跳绳个数。
从图17所示的连跳曲线1112中可以得知,用户在5分钟跳绳中最多连跳个数是175个,最低连跳个数是11个,平均连跳个数是77个。其中,当出现绊绳现象时,用户的跳绳个数为0,因此在每相邻连跳之间没有跳绳个数的可以认为是出现了绊绳。从连跳个数曲线中可以看出用户出现了6次绊绳。
在一种可能的实现方式中,终端设备200响应于作用连跳曲线1112中的任意一个柱形,终端设备200可以显示更加详细的详细,比如说每一个的连跳个数,出现断绳的时间,用户在当前连跳所对应的心率等等。
终端设备200响应于作用在如图15所示的跳绳状态参数栏1180的用户操作(例如点击),或者终端设备200响应于作用在如图15所示的显示屏上的用户操作(例如滑动),终端设备200可以显示如图18所示的跳绳状态界面1202。跳绳状态界面1202可以包括跳绳状态曲线1131。
在跳绳状态界面1202中,终端设备200以跳绳状态曲线1131的方式展示用户在跳绳过程中的每个跳绳状态,其中,横坐标为跳绳时间,纵坐标为跳绳个数。
从图18所示的跳绳状态界面1202可得到,用户在5分钟的跳绳时长内,前两分钟是处于加速跳状态,两分钟至四分钟内是处于减速跳状态,四分钟至五分钟内是处于匀速跳状态。
在加速跳过程中,用户在跳绳时间为36秒时出现了一次断绳,用户在跳绳时间为48秒时出现了一次断绳。
从加速跳状态转换到减速跳状态中,在减速跳过程中,用户在跳绳时间为3分30秒时出现了一次断绳。
从减速跳状态转换到匀速跳状态中,在匀速跳过程中,用户在跳绳时间为4分10秒时出现了一次断绳,用户在跳绳时间为4分25秒时出现了一次断绳,用户在跳绳时间为4分40秒时出现了一次断绳。
其中,终端设备200可以在跳绳状态曲线1131中以标志性符号(比如说直线、三角形、圆圈、打叉等特殊符号)来标志出现断绳的时间点。这样用户通过跳绳状态曲线1131可以更直观了解自己处于不同的跳绳状态下的断绳时间和断绳次数。
在一种可能的实现方式中,终端设备200响应于作用在跳绳状态曲线1131中的任意一个曲线(比如说加速跳对应的曲线),终端设备200可以显示更加详细的详细,比如说在加速跳所对应的曲线上方可以显示出现在加速跳过程中断绳的时间,用户此时的心率等等。
终端设备200响应于作用在如图15所示的平均心率参考栏1160的用户操作(例如点击),或者终端设备200响应于作用如图15所示的在显示屏上的用户操作(例如滑动),终端设备200可以显示如图19所示的跳绳心率界面1203。跳绳心率界面1203可包括跳绳心率曲线1141。
在跳绳心率界面1203中,终端设备200以跳绳心率曲线的方式展示用户在跳绳过程中用户的心率随时间的变化,其中,横坐标为跳绳时间,纵坐标为跳绳心率。
从图19所示的平均心率详细状态栏中1141可得到,用户在5分钟的跳绳时长内,跳绳过程中各个运动时间点所对应的心率,比如说最高心率(例如1631次/分钟)对应的跳绳时间(2分41秒),最低心率(例如92次/分)。可以理解的是,在5分钟的跳绳时长内,用户可能会出现多次最高心率和多次最低低心率,此处不一一列举来说明。
在一种可能的实现方式中,终端设备200响应于作用在跳绳心率曲线1141中的任意一个曲线,终端设备200可以显示更加详细的详细,比如说在跳绳心率曲线1141上方可以显示出现该心率的跳绳时间等等。
终端设备200响应于作用在如图15所示的跳绳频率参考栏1170的用户操作(例如点击),或者终端设备200响应于作用在如图15所示的显示屏上的用户操作(例如滑动),终端设备200可以显示如图20所示的跳绳频率界面1204。跳绳频率界面1204可包括跳绳频率曲线1150。
在跳绳频率界面1204中,终端设备200以跳绳频率曲线1150的方式展示用户在跳绳过程中用户的跳绳频率随时间的变化,其中,横坐标为跳绳时间,纵坐标为跳绳频率。
从图20所示的跳绳频率曲线1150可得到,用户在5分钟的跳绳时长内,跳绳过程中各个运动时间点所对应的跳绳频率,比如说最高跳绳频率(例如161次/分钟)对应的跳绳时间(3分30秒左右),最低跳绳频率(例如56次/分)对应的跳绳时间(30秒左右)。可以理解的是,在5分钟的跳绳时长内,用户可能会出现除最高跳绳频率和最低跳绳频率以外的跳绳频率,此处不一一列举来说明。
其中,终端设备200可以在跳绳频率曲线1150中以标志性符号(比如说直线、三角形、圆圈、打叉等特殊符号)来标志出现断绳的时间点。这样用户通过跳绳频率曲线1150可以更直观了解自己的断绳时间和断绳次数。比如说用户在跳绳时间为36秒左右出现了一次断绳,用户在跳绳时间为48秒左右出现了一次断绳,用户在跳绳时间为3分30秒左右出现了一次断绳,用户在跳绳时间为4分10秒左右出现了一次断绳,用户在跳绳时间为4分25秒左右出现了一次断绳。用户在跳绳时间为4分40秒左右出现了一次断绳。
进一步地,终端设备200响应于作用在如图15所示的断绳次数参数栏1150的用户操作(例如点击),终端设备200可跳转到显示由断绳次数的界面。比如说,终端设备200可跳转到如图16所示的跳绳个数界面1200。或者,终端设备200可以跳转到如图17所示的连跳曲线界面1201。或者,终端设备200可以跳转到如图18所示的跳绳状态界面1202。或者,终端设备200可以跳转到如图20所示的跳绳频率界面1204。
可以理解的是,上述提及的可穿戴设备100和终端设备200是电子设备的一种表现形态。
如图21所示,图21示出一种跳绳状态的检测方法流程示意图。该方法可包括如下步骤:
步骤S2101:电子设备在第一目标时间段内,通过一个或多个运动传感器采集第一目标运动数据。
具体地,电子设备佩戴于用户的手腕部,在手腕的动作发生变化时,运动传感器可以感觉到手腕的动作,从而采集手腕的实时数据。运动传感器可以包括加速度传感器、陀螺仪传感器、声音采集器等等。当可穿戴设备处于工作状态时,在第一目标时间段内,可穿戴设备中的加速度传感器可以采集手腕部的加速度数据,陀螺仪传感器可以采集手腕部的陀螺仪数据,声音采集器可以采集用户所处环境内的声音数据。
步骤S2102:电子设备采用迭代窗宽,根据第一目标运动数据确定第一目标时间段的跳绳状态。
具体地,在第一目标时间段,电子设备根据第一目标运动数据迭代计算迭代窗宽的过程包括如下步骤:
步骤1,电子设备获取预设窗宽d0或者上一次迭代计算的窗宽di-1,其中,预设窗宽可以是根据经验人为设定的且内置于电子设备中的。可以理解的是,当电子设备是第一次迭代计算窗宽,则电子设备获取的窗宽为预设窗宽。当电子设备不是第一次迭代计算窗宽,则电子设备可以获取上一次迭代计算得到的窗宽。其中,i为当前迭代次数。
步骤2,电子设备可以根据预设窗宽d0或者上一次迭代计算的窗宽di-1对一个或多个运动传感器采集的第一目标时间段内的第一目标运动数据进行寻峰,得到预设峰数Ni。可以理解的是,第一目标时间段是与当前预设周期有关的时间段。举例来说,假设预设周期为1秒,目标时间段的时间长度t为30秒。在第0个预设周期,也即电子设备开始检测用户的跳绳状态时,第一目标时间段可以是0秒到30秒;在第T个预设周期,第T目标时间段可以是T秒到30+T秒。其中,目标时间段的时间长度t可以根据实际情况设置,本申请实施例不作任何限制。
步骤3,电子设备可以根据预设峰数Ni得到第一目标运动数据的参考窗宽Di。即,Di=1/fi,fi=Ni/t。
步骤4,电子设备可以根据参考窗宽Di对上述第一目标运动数据进行再次寻峰,得到参考峰数N^ i。
步骤5,电子设备可以根据预设峰数和参考峰数确定迭代窗宽。
具体地,电子设备可以根据预设峰数和目标时间段的时间长度t得到上述第一目标运动数据的预设跳绳频率fi=Ni/t。
电子设备可以根据参考峰数N^ i和第一目标时间段的时间长度t得到第一目标运动数据的参考跳绳频率f^ i=N^ i/t。
电子设备可以计算预设跳绳频率fi和参考跳绳频率f^ i的差值绝对值|fi-f^ i|。若差值绝对值小于参考阈值,则结束迭代计算,确定第一目时间段的迭代窗宽为di。若差值绝对值大于或等于参考阈值,则进行步骤6。容易理解的是,“等于”的情况也可以放到另一个分支中,比如差值绝对值小于或等于参考阈值,则结束迭代计算,确定第一目标时间段的迭代窗宽为di。
步骤6,电子设备根据预设窗宽di和参考窗宽Di对迭代窗宽进行更新,更新后的迭代窗宽为di+1=(di+Di)/2。如果当前迭代次数i小于预设迭代次数,则跳转到步骤2,电子设备根据更新后窗宽来进行第i+1次迭代计算。如果迭代次数i大于或等于预设迭代次数,则确定第一目标时间段的迭代窗宽为(di+Di)/2。容易理解的是,“等于”的情况也可以放到另一个分支中,比如迭代次数小于或等于预设迭代次数,跳转到步骤2,电子设备根据迭代更新后窗宽来进行第i+1次迭代计算。
接下来,电子设备可以采用迭代窗宽,确定第一目标运动数据包含的波峰。
具体地,在第一目标时间段内,当确定迭代窗宽后,电子设备可以根据迭代窗宽对第一目标运动数据进行寻峰,得到峰值个数、峰值位置和峰值高度。其中,寻峰具体可以是寻找目标窗宽内第一目标运动数据的极大值。进一步地,电子设备电子可以根据目标窗宽通过峰值检测算法检测第一目标运动数据的峰值点。其中,峰值检测算法可以是基于霍夫的峰值检测算法。峰值位置用于指示峰值所在时刻的位置信息;峰值高度用于指示峰值所在时刻的高度信息。
再接下来,电子设备可以根据第一目标运动数据包含的波峰确定第一目标时间段的跳绳状态。
具体地,在第一目标时间段,电子设备可以提取第一目标时间段内的第一目标运动数据的频域特征(比如主频能量占比)。
电子设备可以通过傅里叶变换提取第一目标时间段内的第一目标运动数据的功率谱密度,从功率谱密度中获取第一目标运动数据的频域特征。进一步地,电子设备可以通过预设时间窗口对目标运动数据进行短时傅里叶变换处理,可以得到不同时间窗口对应的功率谱密度数据,将其拼接起来就可以得到功率谱密度随频率的分布情况。从功率谱密度随频率的分布情况中可以得到第一目标时间段的主频能量占比。
在第一目标时间段,电子设备可以根据第一目标运动数据包含的波峰提取第一目标时间段的时域特征。
电子设备可以计算第一目标运动数据中包含的波峰中任意两个相邻波峰之间的第一波峰间隔,根据第一波峰间隔确定第一目标运动数据中的有效波峰,将任意两个相邻的有效波峰之间的第二波峰间隔作为第一目标时间段的时域特征。其中,若第一波峰间隔大于或等于第一预设阈值,则电子设备判定任意两个相邻波峰中的前一个波峰为有效波峰。若第一波峰间隔小于第一预设阈值,则电子设备可以判定任意两个相邻波峰中的前一个波峰为无效波峰。因此,电子设备可以根据波峰间隔来检测出第一目标运动数据中的无效波峰和有效波峰,有效波峰之间的波峰间隔为第一目标运动数据在时间域上的数据特征,并记录无效波峰的索引(时间、位置、高度等等)。
在第一目标时间段,电子设备可以计算第一目标运动数据包含的波峰的峰谷值,每个波峰的峰谷值为每个波峰与每个波峰之后的最近一个波谷的高度差。然后,电子设备可以计算任意两个相邻波峰的峰谷值的比值,根据峰谷值的比值确定第一目标运动数据中的有效波峰,将有效波峰的峰谷值作为第一目标时间段的时域特征。若任意两个相邻波峰的峰谷值的比值大于或等于所述第二预设阈值,则电子设备可以判定任意两个相邻波峰中的前一个波峰为有效波峰;若任意两个相邻波峰的峰谷值的比值小于第二预设阈值,电子设备可以判定任意两个相邻波峰中的前一个波峰为无效效波峰。因此,电子设备可以根据峰谷值来检测出目标运动数据中的无效波峰和有效波峰,有效波峰与其相邻的波谷之间的峰谷值为目标运动数据在时间域上的数据特征,并记录无效波峰的索引时间、位置、高度等等)。
对于根据波峰间隔检测出的运动数据中的无效波峰和根据峰谷值检测出运动数据中的无效波峰来说,电子设备可以将上述检测出的无效峰移动到容器中,去除第一目标运动数据中的无效峰并修正波峰。
因为第一目标运动数据包括三轴加速度数据和三轴陀螺仪数据,通过综合考量三轴加速度数据和三轴陀螺仪数据中有效波峰的个数,电子设备可以输出用户的跳绳个数。在一种可能的实现方式中,在用户跳绳过程中,电子设备可以实时将跳绳个数输出在显示屏上。在另一种可能的实现方式中,在用户跳绳过程中,电子设备可以语音播报用户的跳绳个数。
为了提高跳绳状态的可信度,电子设备可以分别提取出上述三轴加速度数据和三轴陀螺仪数据中每轴数据的时域特征和频域特征,最后电子设备将每轴数据的主频能量占比、波峰间隔、峰谷值总共18个变量输入到训练好的决策模型中。在每个预设周期,电子设备可以通过决策模型确定用户在第一目标时间段的跳绳状态。跳绳状态包括断绳状态、匀速跳状态、加速跳状态、减速跳状态和变速跳状态等等。
其中,目标运动数据为目标时间段内一个或多个运动传感器采集的数据,而结束时刻用于标识目标时间段的结束时刻。可以理解的是,在每个预设周期,电子设备获取的目标运动数据可以时时间长度相同的数据。举例来说,假设预设周期为1秒,目标时间段的时间长度为30秒。则在第0个目标时间段,也即电子设备开始检测跳绳状态,第0个目标时间段为0至30秒,电子设备可以根据0至30秒的运动数据迭代计算迭代窗宽,根据迭代窗宽确定0至30秒的运动数据包含的波峰,根据0至30秒的运动数据包含的波峰输出用户在第0个目标时间段的跳绳状态。在第一个目标时间段,也即下一秒,第一目标时间段为1至31秒,电子设备可以根据1至31秒的运动数据迭代计算目标窗宽,根据目标窗宽确定1至31秒的运动数据包含的波峰,根据1至31秒的运动数据包含的波峰输出用户在31秒的跳绳状态。电子设备可以每秒确定用户的跳绳状态,直到用户停止跳绳,电子设备可以停止检测用户的跳绳状态。
可以理解的是,在每个目标时间段,电子设备可以将目标运动数据的波峰间隔、波谷值和主频能量占比等特征输入到决策模型中,输出用户的在目标时间段的跳绳状态。举例来说,在第一目标时间段的跳绳状态与第一目标时间段的上一目标时间段的跳绳状态不相同时,说明用户的跳绳状态发生了变化。电子设备可以将第一目标时间段的跳绳状态以及第一目标时间段的下一预设时间段内的每个时间段的跳绳状态输入到状态转移模型中,电子设备可以根据状态转移方程获取第一目标时间段的跳绳状态。在状态转移模型中的下一预设时间段内的每个目标时间段的跳绳状态与第一目标时间段的跳绳状态相同时,可以说明用户在第一目标时间段的跳绳状态是持续了一段时间,不是一个突变的运动状态,电子设备可以获取第一目标时间段的跳绳状态。在状态转移模型中的下一预设时间段内的任意时间段的跳绳状态与第一目标时间段的跳绳状态不同时,可以说明第一目标时间段的跳绳状态是不稳定的,电子设备将第一目标时间段的上一目标时间段的跳绳状态作为目标时刻的跳绳状态。
若电子设备根据状态转移模型获取用户在第一目标时间段的跳绳状态为断绳状态,则电子设备可以停止记录跳绳,也即停止采集个人运动数据。当电子设备再次采集到运动数据后,重新将对运动数据进行识别处理。电子设备识别为跳绳模式后,再开始分析用户的跳绳情况。
若电子设备根据状态转移方程获取用户在第一目标时间段的跳绳状态为除断绳状态外的其他跳绳状态,则电子设备可以按照预设周期继续输出用户在每个目标时间段的跳绳状态,直至处理完用户停止跳绳时运动数据。
步骤S1203:电子设备根据第一目标时间段的跳绳状态确定第一断绳次数。
具体地,跳绳状态可以包括断绳状态,断绳状态表示用户出现断绳时的状态。因此,用户在跳绳的过程中,电子设备可以根据第一目标时间段的断绳状态确定第一断绳次数。
步骤S1204:电子设备在第一结束时刻显示第一断绳次数。
具体地,第一目标时间段可以包括第一结束时刻,第一结束时刻用于标识第一目标时间段的结束时刻。当电子设备根据第一目标运动数据确定第一目标时间段的跳绳状态包含断绳状态后,电子设备可以在第一结束时刻显示第一断绳次数。也即,在用户跳绳过程中,电子设备可以在显示屏上实时显示用户的断绳次数。
可以理解的是,电子设备可以在显示屏上显示用户跳绳的运动结果,比如说跳绳个数、断绳个数、跳绳状态、跳绳心率等等。
若电子设备(比如说可穿戴设备100)与终端设备200处于连接状态中,则电子设备(比如说可穿戴设备100)可以将跳绳状态、跳绳次数、跳绳频率、用户心率等运动结果实时向终端设备200传输。
若电子设备(比如说可穿戴设备100)与终端设备200处于断开连接状态中,则电子设备(比如说可穿戴设备100)可以先将跳绳状态、跳绳次数、跳绳频率、用户心率等运动结果保存在flash等存储器中。等电子设备(比如说可穿戴设备100)与终端设备200处于连接状态时,再将跳绳状态、跳绳次数、跳跳绳个数、跳绳状态、跳绳次数、跳绳频率、用户心率等运动结果向终端设备200传输。终端设备200可以显示跳绳运动的跳绳数据。
如图22所示,图22示出另一种跳绳运动的检测方法流程示意图。从图22可以看出,电子设备佩戴于用户的手腕部,电子设备中的加速度传感器采集手腕部的加速度数据,陀螺仪传感器采集手腕部的陀螺仪数据。进一步地,电子设备可以以预设采样频率(比如说100Hz)采集加速度数据和陀螺仪数据,每一个预设时间(比如说100ms)上报一个运动数据包,每个运动数据包中包含10组加速度数据和陀螺仪数据。
容易理解的是,一般跳绳运动的正常范围为30次/分钟到300次/分钟,即跳绳频率覆盖0。5Hz到5Hz。因此在采集到的数据中可能存在噪声数据,电子设备可以通过带通滤波器来滤除高低频噪声。
电子设备可以接收用户的输入开启跳绳模式;或者可以根据传感器采集到的数据,确定开启上述模式。
方式一:用户可以通过点击电子设备,手动触发跳绳模式。也即电子设备接收并响应用户的输入,开启跳绳模式,开始跳绳计数。
方式二:电子设备根据传感器采集到的数据,确定开始跳绳模式。也即电子设备可以通过运动状态识别算法自动进入跳绳模式,无需用户手动出发。电子设备通过一个运动状态分类模型,对输入的加速度数据和陀螺仪数据进行状态分类,识别出跳绳模式,开始跳绳计数。
开始跳绳计数后,在每个预设周期内,电子设备可以根据一个或多个运动传感器采集的目标时间段的目标运动数据迭代计算迭代窗宽。具体迭代计算迭代窗宽的过程包括如下步骤:
步骤1,电子设备获取预设窗宽d0或者上一次迭代计算的窗宽di-1,其中,预设窗宽可以是根据经验人为设定的且内置于电子设备中的。可以理解的是,当电子设备是第一次迭代计算窗宽,则电子设备获取的窗宽为预设窗宽。当可穿戴设备不是第一次迭代计算窗宽,则电子设备可以获取上一次迭代计算得到的窗宽。其中,i为当前迭代次数。
步骤2,电子设备可以根据预设窗宽d0或者上一次迭代计算的窗宽di-1对一个或多个运动传感器采集的目标时间段内的目标运动数据进行寻峰,得到预设峰数Ni。可以理解的是,目标时间段是与当前预设周期有关的时间段。举例来说,假设预设周期为1秒,目标时间段的时间长度t为30秒。在第0个预设周期,也即电子设备开始检测用户的跳绳状态时,目标时间段可以是0秒到30秒;在第T个预设周期,目标时间段可以是T秒到30+T秒。其中,目标时间段的时间长度t可以根据实际情况设置,本申请实施例不作任何限制。
步骤3,电子设备可以根据预设峰数Ni得到目标运动数据的参考窗宽Di。即,Di=1/fi,fi=Ni/t。
步骤4,电子设备可以根据参考窗宽Di对上述目标运动数据进行再次寻峰,得到参考峰数N^ i。
步骤5,电子设备可以根据预设峰数和参考峰数确定迭代窗宽。
具体地,可穿戴设备可以根据预设峰数和目标时间段的时间长度t得到上述目标运动数据的预设跳绳频率fi=Ni/t。
可穿戴设备可以根据参考峰数N^ i和目标时间段的时间长度t得到目标运动数据的参考跳绳频率f^ i=N^ i/t。
电子设备可以计算预设跳绳频率fi和参考跳绳频率f^ i的差值绝对值|fi-f^ i|。若差值绝对值小于参考阈值,则结束迭代计算,确定当前预设周期的迭代窗宽为di。若差值绝对值大于或等于参考阈值,则进行步骤6。容易理解的是,“等于”的情况也可以放到另一个分支中,比如差值绝对值小于或等于参考阈值,则结束迭代计算,确定当前的迭代窗宽为di。
步骤6,电子设备根据预设窗宽di和参考窗宽Di对迭代窗宽进行更新,更新后的迭代窗宽为di+1=(di+Di)/2。如果当前迭代次数i小于预设迭代次数,则跳转到步骤2,电子设备根据更新后窗宽来进行第i+1次迭代计算。如果迭代次数i大于或等于预设迭代次数,则确定本次预设周期的迭代窗宽为(di+Di)/2。容易理解的是,“等于”的情况也可以放到另一个分支中,比如迭代次数小于或等于预设迭代次数,跳转到步骤2,电子设备根据更新后窗宽来进行第i+1次迭代计算。
接下来,在每一个预设周期内,当确定目标运动数据的迭代窗宽后,电子设备可以根据迭代窗宽对目标时间段的目标运动数据进行寻峰,确定上述目标运动数据包含的波峰,以及波峰的个数、位置、高度等等。其中,寻峰具体可以是寻找迭代窗宽内目标运动数据的极大值。进一步地,电子设备可以根据迭代窗宽通过峰值检测算法检测目标运动数据的峰值点。其中,峰值检测算法可以是基于霍夫的峰值检测算法。
峰值位置用于指示峰值所在时刻的位置信息;峰值高度用于指示峰值所在时刻的高度信息。
再接下来,在每个预设周期内,电子设备可以提取目标时间段内的目标运动数据的时域特征和频域特征,根据上述时域特征和频域特征去除目标运动数据中的干扰峰并修正波峰,再基于上述时域特征和频域特征,通过分类器(比如说决策模型)识别出目标运动数据的运动状态。具体地,
电子设备可以根据预设窗口的大小和步长对目标时间段内的运动数据进行短时傅里叶变换处理,可以得到不同时间窗口对应的功率谱密度数据,将其拼接起来就可以得到功率谱密度随频率的分布情况。从功率谱密度随频率的分布情况中可以得到运动数据的主频能量占比。
电子设备可以根据波峰间隔来检测出目标运动数据中的无效波峰和有效波峰,有效波峰之间的波峰间隔为运动数据在时间域上的数据特征。
电子设备可以根据峰谷值来检测出目标运动数据中的无效波峰和有效波峰,有效波峰与其相邻的波谷之间的峰谷值为运动数据在时间域上的数据特征。
对于根据波峰间隔检测出的目标运动数据中的无效波峰和根据峰谷值检测出目标运动数据中的无效波峰来说,电子设备可以将上述检测出的无效峰移动到容器中,对目标运动数据中的无效波峰进行销毁处理。
因为目标运动数据包括三轴加速度数据和三轴陀螺仪数据,所以在每个预设周期内,电子设备需要分别提取出每轴数据的数据特征,最后电子设备将每轴数据的主频能量占比、波峰间隔、峰谷值总共18个变量输入到训练好的决策模型中,决策模型可以输出目标时刻的跳绳状态。其中,在每个预设周期中,目标时刻为目标时间段的结束时刻。
可以理解的是,在每个预设周期,电子设备可以将目标运动数据的波峰间隔、波谷值和主频能量占比等特征输入到决策模型中,输出用户的在目标时刻的跳绳状态。在目标时刻的跳绳状态与目标时刻的上一时刻的跳绳状态不相同时,说明用户的跳绳状态发生了变化。电子设备可以将目标时刻的跳绳状态以及目标时刻的下一预设时间段内的每一时刻的跳绳状态输入到状态转移模型中,电子设备可以根据状态转移方程获取目标时间的跳绳状态。其中,目标时刻与目标时刻的上一时刻之间的间隔为预设周期。在状态转移模型中的下一预设时间段内的每一时刻的跳绳状态与目标时刻的跳绳状态相同时,可以说明用户在目标时刻的跳绳状态是持续了一段时间,不是一个突变的运动状态,电子设备可以获取目标时刻的跳绳状态。在状态转移模型中的下一预设时间段内的任意时刻的跳绳状态与目标时刻的跳绳状态不同时,可以说明用户在目标时刻的跳绳状态是不稳定的,电子设备将目标时刻的上一时刻的跳绳状态作为目标时刻的跳绳状态。
在每个预设周期内,若电子设备根据状态转移模型获取用户在目标时刻的跳绳状态为断绳状态,则电子设备可以停止记录跳绳,也即停止采集个人运动数据。当电子设备再次采集到运动数据后,重新将对运动数据进行运动状态识别处理。电子设备识别为跳绳模式后,再开始分析用户的跳绳情况。
在每个预设周期内,若电子设备根据状态转移方程获取用户在目标时刻的跳绳状态为除断绳状态外的其他跳绳状态,则电子设备可以在下一预设周期继续根据目标时间段的目标运动数据来迭代计算迭代窗宽,直至处理完用户停止跳绳时的运动数据。
最后,运动数据的输出由两种方式,实时输出数据和整体输出数据。
实时输出数据:若电子设备与其他电子设备处于连接状态,则电子设备可以将本次的跳绳次数、跳绳频率和跳绳状态通过蓝牙设备,实时传输给其他电子设备。
整体输出数据:若电子设备与其他电子设备处于断开连接状态,则电子设备可以先将数据保存在flash等存储器中。等电子设备连接其他电子设备后,再通过蓝牙传输将数据整体打包给其他电子设备。
电子设备接收并保存来自其他电子设备的跳绳次数、跳绳频率和跳绳状态等结果。并且将上述结果进行实时的界面展示,并在运动结束后,输出跳绳频率曲线图、跳绳个数、断绳次数在内的结果报告。需要说明的时,跳绳频率曲线图横轴是时间,纵轴是跳绳频率,再发生断绳的时刻,频率曲线图上会通过标志性符号(比如说直线、三角形等特殊符号)标志该断绳时间点。用户通过该曲线可直观了解自己在跳绳过程中的断绳时间点和断绳次数。
需要说明的是,频率曲线图处于电子设备所显示的跳绳结果报告的最下端,用户可以通过跳转功能,点击跳绳个数、断绳个数等显示区域,直接跳转到频率曲线图。
容易理解的是,若电子设备的显示屏的面积有限,电子设备显示的跳绳状态这一结果的显示形式也是有限的。因此,电子设备显示跳绳个数、断绳次数、运动时间等数值。
接下来,介绍本申请实施例的提及的电子设备的硬件架构。
图23示出了电子设备300的结构示意图。
下面以电子设备300为例对实施例进行具体说明。电子设备300的设备类型可以包括手机、电视、平板电脑、音箱、手表、桌面型计算机、膝上计算机、手持计算机、笔记本电脑、超级移动个人计算机(ultra-mobile personal computer,UMPC)、上网本,以及个人数字助理(personal digital assistant,PDA)、增强现实(augmented reality,AR)/虚拟现实(virtual reality,VR)设备等。本申请实施例对电子设备300的设备类型不做特殊限制。
应该理解的是,图23所示电子设备300仅是一个范例,并且电子设备300可以具有比图23中所示的更多的或者更少的部件,可以组合两个或多个的部件,或者可以具有不同的部件配置。图中所示出的各种部件可以在包括一个或多个信号处理和/或专用集成电路在内的硬件、软件、或硬件和软件的组合中实现。
电子设备300可以包括:处理器110,外部存储器接口120,内部存储器121,通用串行总线(universal serial bus,USB)接口130,充电管理模块140,电源管理模块141,电池142,天线1,天线2,移动通信模块150,无线通信模块160,音频模块170,扬声器170A,受话器170B,麦克风170C,耳机接口170D,传感器模块180,按键190,马达191,指示器192,摄像头193,显示屏194,以及用户标识模块(subscriber identification module,SIM)卡接口195等。其中传感器模块180可以包括压力传感器180A,陀螺仪传感器180B,气压传感器180C,磁传感器180D,加速度传感器180E,距离传感器180F,接近光传感器180G,指纹传感器180H,温度传感器180J,触摸传感器180K,环境光传感器180L,骨传导传感器180M等。
在第一目标时间段内,一个或多个运动传感器(比如说陀螺仪传感器180B和加速度传感器180E)采集第一目标运动数据。详细描述可参考图21所示的步骤S2101,此处不再赘述。
处理器110可以采用迭代窗宽,根据第一目标运动数据确定第一目标时间段的跳绳状态。详细描述可参考图21所示的步骤S2102,此处不再赘述。
处理器110可以根据第一目标时间段的跳绳状态确第一断绳次数。详细描述可参考图21所示的步骤S2103,此处不再赘述。
在第一结束时刻通过显示屏194显示第一断绳次数。详细描述可参考图21所示的步骤S2104,此处不再赘述。可以理解的是,本发明实施例示意的结构并不构成对电子设备300的具体限定。在本申请另一些实施例中,电子设备300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。
处理器110可以包括一个或多个处理单元,例如:处理器110可以包括应用处理器(application processor,AP),调制解调处理器,图形处理器(graphics processingunit,GPU),图像信号处理器(image signal processor,ISP),控制器,存储器,视频编解码器,数字信号处理器(digital signal processor,DSP),基带处理器,或神经网络处理器(neural-network processing unit,NPU)等。其中,不同的处理单元可以是独立的器件,也可以集成在一个或多个处理器中。其中,控制器可以是电子设备300的神经中枢和指挥中心。控制器可以根据指令操作码和时序信号,产生操作控制信号,完成取指令和执行指令的控制。
处理器110中还可以设置存储器,用于存储指令和数据。在一些实施例中,处理器110中的存储器为高速缓冲存储器。该存储器可以保存处理器110刚用过或循环使用的指令或数据。如果处理器110需要再次使用该指令或数据,可从存储器中直接调用。避免了重复存取,减少了处理器110的等待时间,因而提高了系统的效率。
在一些实施例中,处理器110可以包括一个或多个接口。接口可以包括集成电路(inter-integrated circuit,I2C)接口,集成电路内置音频(inter-integrated circuitsound,I2S)接口,脉冲编码调制(pulse code modulation,PCM)接口,通用异步收发传输器(universal asynchronous receiver/transmitter,UART)接口,移动产业处理器接口(mobile industry processor interface,MIPI),通用输入输出(general-purposeinput/output,GPIO)接口,用户标识模块(subscriber identity module,SIM)接口,或通用串行总线(universal serial bus,USB)接口等。
充电管理模块140用于从充电器接收充电输入。其中,充电器可以是无线充电器,也可以是有线充电器。在一些有线充电的实施例中,充电管理模块140可以通过USB接口130接收有线充电器的充电输入。在一些无线充电的实施例中,充电管理模块140可以通过电子设备300的无线充电线圈接收无线充电输入。充电管理模块140为电池142充电的同时,还可以通过电源管理模块141为电子设备供电。
电源管理模块141用于连接电池142,充电管理模块140与处理器110。电源管理模块141接收电池142和/或充电管理模块140的输入,为处理器110,内部存储器121,外部存储器,显示屏194,摄像头193,和无线通信模块160等供电。电源管理模块141还可以用于监测电池容量,电池循环次数,电池健康状态(漏电,阻抗)等参数。在其他一些实施例中,电源管理模块141也可以设置于处理器110中。在另一些实施例中,电源管理模块141和充电管理模块140也可以设置于同一个器件中。
电子设备300的无线通信功能可以通过天线1,天线2,移动通信模块150,无线通信模块160,调制解调处理器以及基带处理器等实现。
天线1和天线2用于发射和接收电磁波信号。电子设备300中的每个天线可用于覆盖单个或多个通信频带。不同的天线还可以复用,以提高天线的利用率。
移动通信模块150可以提供应用在电子设备300上的包括2G/3G/4G/5G等无线通信的解决方案。移动通信模块150可以包括至少一个滤波器,开关,功率放大器,低噪声放大器(low noise amplifier,LNA)等。移动通信模块150可以由天线1接收电磁波,并对接收的电磁波进行滤波,放大等处理,传送至调制解调处理器进行解调。移动通信模块150还可以对经调制解调处理器调制后的信号放大,经天线1转为电磁波辐射出去。
调制解调处理器可以包括调制器和解调器。其中,调制器用于将待发送的低频基带信号调制成中高频信号。解调器用于将接收的电磁波信号解调为低频基带信号。
无线通信模块160可以提供应用在电子设备300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。无线通信模块160可以是集成至少一个通信处理模块的一个或多个器件。无线通信模块160经由天线2接收电磁波,将电磁波信号调频以及滤波处理,将处理后的信号发送到处理器110。无线通信模块160还可以从处理器110接收待发送的信号,对其进行调频,放大,经天线2转为电磁波辐射出去。
电子设备300通过GPU,显示屏194,以及应用处理器等实现显示功能。显示屏194用于显示图像,视频等。显示屏194包括显示面板。
电子设备300可以通过ISP,摄像头193,视频编解码器,GPU,显示屏194以及应用处理器等实现拍摄功能。
ISP用于处理摄像头193反馈的数据。例如,拍照时,打开快门,光线通过镜头被传递到摄像头感光元件上,光信号转换为电信号,摄像头感光元件将电信号传递给ISP处理,转化为肉眼可见的图像。
摄像头193用于捕获静态图像或视频。物体通过镜头生成光学图像投射到感光元件。
数字信号处理器用于处理数字信号,除了可以处理数字图像信号,还可以处理其他数字信号。
NPU为神经网络(neural-network,NN)计算处理器,通过借鉴生物神经网络结构,例如借鉴人脑神经元之间传递模式,对输入信息快速处理,还可以不断的自学习。
外部存储器接口120可以用于连接外部存储卡,例如Micro SD卡,实现扩展电子设备300的存储能力。
内部存储器121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。处理器110通过运行存储在内部存储器121的指令,从而执行电子设备300的各种功能应用以及数据处理。
电子设备300可以通过音频模块170,扬声器170A,受话器170B,麦克风170C,耳机接口170D,以及应用处理器等实现音频功能。例如音乐播放,录音等。
音频模块170用于将数字音频信息转换成模拟音频信号输出,也用于将模拟音频输入转换为数字音频信号。音频模块170还可以用于对音频信号编码和解码。
扬声器170A,也称“喇叭”,用于将音频电信号转换为声音信号。电子设备300可以通过扬声器170A收听音乐,或收听免提通话。
受话器170B,也称“听筒”,用于将音频电信号转换成声音信号。当电子设备300接听电话或语音信息时,可以通过将受话器170B靠近人耳接听语音。
麦克风170C,也称“话筒”,“传声器”,用于将声音信号转换为电信号。当拨打电话或发送语音信息时,用户可以通过人嘴靠近麦克风170C发声,将声音信号输入到麦克风170C。电子设备300可以设置至少一个麦克风170C。在另一些实施例中,电子设备300可以设置两个麦克风170C,除了采集声音信号,还可以实现降噪功能。在另一些实施例中,电子设备300还可以设置三个,四个或更多麦克风170C,实现采集声音信号,降噪,还可以识别声音来源,实现定向录音功能等。
本实施例中电子设备300通过麦克风170C采集声音信号,并将声音信号传送至电子设备300中的应用程序中。
耳机接口170D用于连接有线耳机。耳机接口170D可以是USB接口130,也可以是3。5mm的开放移动电子设备平台(open mobile terminal platform,OMTP)标准接口,美国蜂窝电信工业协会(cellular telecommunications industry association of the USA,CTIA)标准接口。
压力传感器180A用于感受压力信号,可以将压力信号转换成电信号。在一些实施例中,压力传感器180A可以设置于显示屏194。压力传感器180A的种类很多,如电阻式压力传感器,电感式压力传感器,电容式压力传感器等。电容式压力传感器可以是包括至少两个具有导电材料的平行板。当有力作用于压力传感器180A,电极之间的电容改变。电子设备300根据电容的变化确定压力的强度。当有触摸操作作用于显示屏194,电子设备300根据压力传感器180A检测所述触摸操作强度。电子设备300也可以根据压力传感器180A的检测信号计算触摸的位置。在一些实施例中,作用于相同触摸位置,但不同触摸操作强度的触摸操作,可以对应不同的操作指令。例如:当有触摸操作强度小于第一压力阈值的触摸操作作用于短消息应用图标时,执行查看短消息的指令。当有触摸操作强度大于或等于第一压力阈值的触摸操作作用于短消息应用图标时,执行新建短消息的指令。
陀螺仪传感器180B可以用于确定电子设备300的运动姿态。在一些实施例中,可以通过陀螺仪传感器180B确定电子设备300围绕三个轴(即,x,y和z轴)的角速度。陀螺仪传感器180B可以用于拍摄防抖。示例性的,当按下快门,陀螺仪传感器180B检测电子设备300抖动的角度,根据角度计算出镜头模组需要补偿的距离,让镜头通过反向运动抵消电子设备300的抖动,实现防抖。陀螺仪传感器180B还可以用于导航,体感游戏场景。
气压传感器180C用于测量气压。在一些实施例中,电子设备300通过气压传感器180C测得的气压值计算海拔高度,辅助定位和导航。
磁传感器180D包括霍尔传感器。电子设备300可以利用磁传感器180D检测翻盖皮套的开合。在一些实施例中,当电子设备300是翻盖机时,电子设备300可以根据磁传感器180D检测翻盖的开合。进而根据检测到的皮套的开合状态或翻盖的开合状态,设置翻盖自动解锁等特性。
加速度传感器180E可检测电子设备300在各个方向上(一般为三轴)加速度的大小。当电子设备300静止时可检测出重力的大小及方向。还可以用于识别电子设备姿态,应用于横竖屏切换,计步器等应用。
距离传感器180F,用于测量距离。电子设备300可以通过红外或激光测量距离。在一些实施例中,拍摄场景,电子设备300可以利用距离传感器180F测距以实现快速对焦。
接近光传感器180G可以包括例如发光二极管(LED)和光检测器,例如光电二极管。发光二极管可以是红外发光二极管。电子设备300通过发光二极管向外发射红外光。电子设备300使用光电二极管检测来自附近物体的红外反射光。当检测到充分的反射光时,可以确定电子设备300附近有物体。当检测到不充分的反射光时,电子设备300可以确定电子设备300附近没有物体。电子设备300可以利用接近光传感器180G检测用户手持电子设备300贴近耳朵通话,以便自动熄灭屏幕达到省电的目的。接近光传感器180G也可用于皮套模式,口袋模式自动解锁与锁屏。
环境光传感器180L用于感知环境光亮度。电子设备300可以根据感知的环境光亮度自适应调节显示屏194亮度。环境光传感器180L也可用于拍照时自动调节白平衡。环境光传感器180L还可以与接近光传感器180G配合,检测电子设备300是否在口袋里,以防误触。
指纹传感器180H用于采集指纹。电子设备300可以利用采集的指纹特性实现指纹解锁,访问应用锁,指纹拍照,指纹接听来电等。
温度传感器180J用于检测温度。在一些实施例中,电子设备300利用温度传感器180J检测的温度,执行温度处理策略。例如,当温度传感器180J上报的温度超过阈值,电子设备300执行降低位于温度传感器180J附近的处理器的性能,以便降低功耗实施热保护。在另一些实施例中,当温度低于另一阈值时,电子设备300对电池142加热,以避免低温导致电子设备300异常关机。在其他一些实施例中,当温度低于又一阈值时,电子设备300对电池142的输出电压执行升压,以避免低温导致的异常关机。
触摸传感器180K,也可称触控面板或触敏表面。触摸传感器180K可以设置于显示屏194,由触摸传感器180K与显示屏194组成触摸屏,也称“触控屏”。触摸传感器180K用于检测作用于其上或附近的触摸操作。触摸传感器可以将检测到的触摸操作传递给应用处理器,以确定触摸事件类型。可以通过显示屏194提供与触摸操作相关的视觉输出。在另一些实施例中,触摸传感器180K也可以设置于电子设备300的表面,与显示屏194所处的位置不同。
骨传导传感器180M可以获取振动信号。在一些实施例中,骨传导传感器180M可以获取人体声部振动骨块的振动信号。骨传导传感器180M也可以接触人体脉搏,接收血压跳动信号。在一些实施例中,骨传导传感器180M也可以设置于耳机中,结合成骨传导耳机。音频模块170可以基于所述骨传导传感器180M获取的声部振动骨块的振动信号,解析出语音信号,实现语音功能。应用处理器可以基于所述骨传导传感器180M获取的血压跳动信号解析心率信息,实现心率检测功能。
按键190包括开机键,音量键等。按键190可以是机械按键。也可以是触摸式按键。电子设备300可以接收按键输入,产生与电子设备300的用户设置以及功能控制有关的键信号输入。
马达191可以产生振动提示。马达191可以用于来电振动提示,也可以用于触摸振动反馈。例如,作用于不同应用(例如拍照,音频播放等)的触摸操作,可以对应不同的振动反馈效果。作用于显示屏194不同区域的触摸操作,马达191也可对应不同的振动反馈效果。不同的应用场景(例如:时间提醒,接收信息,闹钟,游戏等)也可以对应不同的振动反馈效果。触摸振动反馈效果还可以支持自定义。
指示器192可以是指示灯,可以用于指示充电状态,电量变化,也可以用于指示消息,未接来电,通知等。
SIM卡接口195用于连接SIM卡。SIM卡可以通过插入SIM卡接口195,或从SIM卡接口195拔出,实现和电子设备300的接触和分离。电子设备300可以支持1个或N个SIM卡接口,N为大于1的正整数。SIM卡接口195可以支持Nano SIM卡,Micro SIM卡,SIM卡等。同一个SIM卡接口195可以同时插入多张卡。所述多张卡的类型可以相同,也可以不同。SIM卡接口195也可以兼容不同类型的SIM卡。SIM卡接口195也可以兼容外部存储卡。电子设备300通过SIM卡和网络交互,实现通话以及数据通信等功能。在一些实施例中,电子设备300采用eSIM,即:嵌入式SIM卡。eSIM卡可以嵌在电子设备300中,不能和电子设备300分离。
图24示出了可穿戴设备100的结构示意图。如图24所示,可穿戴设备100可包含通过总线连接的运动传感器310、声音采集器320、处理器330、存储器340以及显示屏350。
其中:运动传感器310可用于采集用户在第一目标时间段内的第一目标运动数据。该第一目标运动数据可以为用户跳绳时在手腕部的运动数据,可包括以下一项或多项:三轴加速度数据和三轴角速度数据。
运动传感器310可包含加速度传感器311和陀螺仪传感器312。当可穿戴设备100开启高尔夫模式后,加速度传感器311和陀螺仪传感器312均处于工作状态。加速度传感器311可以采集用户手腕部的加速度数据,陀螺仪传感器312可以采集用户手腕部的角速度数据。运动传感器310可以将上述加速度数据和角速度数据发送给处理器330。不限于加速度传感器311和陀螺仪传感器312,运动传感器310还可以包含更多的运动传感器,本申请在此不做限定。
声音采集器320可用于采集第一目标时间段内的第一声音信号。声音采集器320可以为麦克风或者其它用于采集声音信号的装置,本申请实施例对此不作限定。当可穿戴设备100开启高尔夫模式后,声音采集器320处于工作状态。可穿戴设备100可以将该第一声音信号发送给处理器330。
处理器330可以对加速度数据、角速度数据进行处理,采用迭代的方法计算得到第一目标时间段内的迭代窗宽,然后采用迭代窗宽根据第一目标运动数据确定第一目标时间段的跳绳状态,根据第一目标时间段的跳绳状态确定第一断绳次数。
存储器340中可用于存储高斯混合模型以及运动数据等。上述高斯混合模型可以为训练好的高斯混合模型。
显示屏350可用于显示包含有用于开启跳绳模式的控件的用户界面以及包含有跳绳运动数据的用户界面等用户界面。显示屏350可以在第一结束时刻显示第一断绳次数以及其他跳绳结果。
需要进行说明的是,可穿戴设备100还包含与处理器330耦合的触控面板。显示屏350可以显示包含有用于开启跳绳模式的控件的用户界面。当触控面板检测到作用于上述用于开启跳绳模式的控件的用户操作(例如单击),处理器330可以判断运动传感器310和声音采集器320是否开启。如果没有开启,处理器330可以开启运动传感器310和声音采集器320。
上述实施例中所用,根据上下文,术语“当…时”可以被解释为意思是“如果…”或“在…后”或“响应于确定…”或“响应于检测到…”。类似地,根据上下文,短语“在确定…时”或“如果检测到(所陈述的条件或事件)”可以被解释为意思是“如果确定…”或“响应于确定…”或“在检测到(所陈述的条件或事件)时”或“响应于检测到(所陈述的条件或事件)”。
在上述实施例中,可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。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。在计算机上加载和执行所述计算机程序指令时,全部或部分地产生按照本申请实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一个计算机可读存储介质传输,例如,所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线)或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质,(例如,软盘、硬盘、磁带)、光介质(例如DVD)、或者半导体介质(例如固态硬盘)等。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,该流程可以由计算机程序来指令相关的硬件完成,该程序可存储于计算机可读取存储介质中,该程序在执行时,可包括如上述各方法实施例的流程。而前述的存储介质包括:ROM或随机存储记忆体RAM、磁碟或者光盘等各种可存储程序代码的介质。
Claims (20)
1.一种跳绳状态的检测方法,其特征在于,所述方法应用于电子设备,所述电子设备包括一个或多个运动传感器,所述方法包括:
在第一目标时间段内,通过所述一个或多个运动传感器采集第一目标运动数据,所述第一目标时间段包括第一结束时刻,所述第一结束时刻用于标识所述第一目标时间段的结束时刻;
采用迭代窗宽,根据所述第一目标运动数据确定所述第一目标时间段的跳绳状态,所述迭代窗宽用于标识所述窗宽是通过迭代的方法得到的,所述迭代窗宽为根据所述第一目标时间段内采集到的所述第一目标运动数据所确定的;
根据所述第一目标时间段的跳绳状态确定第一断绳次数,所述第一断绳次数用于标识在所述第一目标时间段内断绳的次数;
在所述第一结束时刻显示所述第一断绳次数。
2.根据权利要求1所述的方法,其特征在于,所述采用迭代窗宽,根据所述第一目标运动数据确定所述第一目标时间段的跳绳状态,包括:
根据所述第一目标运动数据确认所述第一目标时间段的迭代窗宽;
采用所述迭代窗宽,确定所述第一目标运动数据包含的波峰;
根据所述第一目标运动数据包含的波峰确定所述第一目标时间段的跳绳状态。
3.根据权利要求2所述的方法,其特征在于,所述根据所述第一目标运动数据确定所述第一目标时间段的迭代窗宽,包括:
根据预设窗宽或者上一次迭代计算的窗宽对所述所述第一目标运动数据进行寻峰,得到预设峰数;
根据所述预设峰数得到所述第一目标运动数据的参考窗宽;
根据所述参考窗宽对所述第一目标运动数据进行再次寻峰,得到参考峰数;
根据所述预设峰数和所述参考峰数确定所述第一目标时间段的迭代窗宽。
4.根据权利要求3所述的方法,其特征在于,所述根据所述预设峰数和所述参考峰数确定所述第一目标时间段的迭代窗宽,包括:
根据所述预设峰数得到所述第一目标时间段的预设跳绳频率;
根据所述参考峰数得到所述第一目标时间段的参考跳绳频率;
计算所述预设跳绳频率和所述参考跳绳频率的差值的绝对值;
若所述差值的绝对值大于或等于参考阈值,则所述迭代窗宽为所述预设窗宽和所述参考窗宽的平均值。
5.根据权利要求2至4任一项所述的方法,其特征在于,所述根据所述第一目标运动数据包含的波峰确定所述第一目标时间段的跳绳状态,包括:
根据所述第一目标运动数据提取所述第一目标时间段内的频域特征;
根据所述第一目标运动数据包含的波峰提取所述第一目标时间段的时域特征;
根据所述时域特征和所述频域特征确定所述第一目标时间段的跳绳状态。
6.根据权利要求5所述的方法,其特征在于,所述时域特征包括波峰间隔,所述根据所述第一目标运动数据包含的波峰提取所述第一目标时间段的时域特征,包括:
计算所述第一目标运动数据中包含的波峰中任意两个相邻波峰之间的第一波峰间隔;
根据所述第一波峰间隔确定所述第一目标运动数据中的有效波峰;
将任意两个相邻的所述有效波峰之间的第二波峰间隔作为所述第一目标时间段的时域特征。
7.根据权利要求6所述的方法,其特征在于,所述根据所述第一波峰间隔确定所述第一目标述运动数据中的有效波峰,包括:
若所述第一波峰间隔大于或等于第一预设阈值,则判定所述任意两个相邻波峰中的前一个波峰为有效波峰。
8.根据权利要求5所述的方法,其特征在于,所述时域特征包括峰谷值,所述根据所述第一目标运动数据包含的波峰提取所述第一目标时间段的时域特征,包括:
计算所述第一目标运动数据包含的波峰的峰谷值,每个波峰的所述峰谷值为所述每个波峰与所述每个波峰之后的最近一个波谷的高度差;
计算任意两个相邻波峰的峰谷值的比值;
根据所述任意两个相邻波峰的峰谷值的比值确定所述第一目标运动数据中的有效波峰;
将所述有效波峰的峰谷值作为所述第一目标时间段的时域特征。
9.根据权利要求8所述的方法,其特征在于,所述根据所述任意两个相邻波峰的峰谷值的比值确定所述第一目标运动数据中的有效波峰,包括:
若所述任意两个相邻波峰的峰谷值的比值大于或等于第二预设阈值,则判定所述任意两个相邻波峰中的前一个波峰为有效波峰。
10.根据权利要求5所述的方法,其特征在于,所述频域特征包括主频能量占比,所述根据所述第一目标运动数据提取所述第一目标时间段内的频域特征,包括:
通过傅里叶变换提取所述第一目标运动数据的功率谱密度;
从所述功率谱密度中确定所述第一目标时间段的,主频能量占比。
11.根据权利要求5所述的方法,其特征在于,所述时域特征包括波峰间隔和峰谷值,所述频域特征包括主频能量占比,所述根据所述时域特征和所述频域特征确定所述第一目标时间段的跳绳状态,包括:
将所述波峰间隔、所述峰谷值和所述主频能量占比输入到决策模型;
通过所述决策模型确定所述第一目标时间段的跳绳状态。
12.根据权利要求6-10任一项所述的方法,其特征在于,所述时域特征包括波峰间隔和峰谷值,所述频域特征包括主频能量占比,所述根据所述时域特征和所述频域特征确定所述第一目标时间段的跳绳状态,包括:
将所述波峰间隔、所述峰谷值和所述主频能量占比输入到决策模型;
通过所述决策模型确定所述第一目标时间段的跳绳状态。
13.根据权利要求11所述的方法,其特征在于,所述通过所述决策模型确定所述第一目标时间段的跳绳状态之后,还包括:
在所述第一目标时间段的跳绳状态与所述第一目标时间段的上一目标时间段的跳绳状态不相同时,将所述第一目标时间段的跳绳状态以及所述第一目标时间段的下一预设时间段内的每个目标时间段的跳绳状态输入到状态转移模型中;
通过所述状态转移模型获取所述第一目标时间段的跳绳状态。
14.根据权利要求12所述的方法,其特征在于,所述通过所述决策模型确定所述第一目标时间段的跳绳状态之后,还包括:
在所述第一目标时间段的跳绳状态与所述第一目标时间段的上一目标时间段的跳绳状态不相同时,将所述第一目标时间段的跳绳状态以及所述第一目标时间段的下一预设时间段内的每个目标时间段的跳绳状态输入到状态转移模型中;
通过所述状态转移模型获取所述第一目标时间段的跳绳状态。
15.根据权利要求13或14所述的方法,其特征在于,所述通过所述状态转移模型获取所述第一目标时间段的跳绳状态,包括:
在所述状态转移模型中的所述下一预设时间段内的每个目标时间段的跳绳状态与所述第一目标时间段的跳绳状态相同时,则获取所述第一目标时间段的跳绳状态;
在所述状态转移模型中的所述下一预设时间段内的任意时间段的跳绳状态与所述第一目标时间段的跳绳状态不相同时,则将所述第一目标时间段的上一目标时间段的跳绳状态作为所述第一目标时间段的跳绳状态。
16.根据权利要求1所述的方法,其特征在于,所述跳绳状态包括以下一种或多种:断绳状态、匀速跳状态、加速跳状态、减速跳状态和变速跳状态。
17.根据权利要求16所述的方法,其特征在于,所述根据所述第一目标时间段的跳绳状态确定第一断绳次数,包括:
根据所述第一目标时间段的断绳状态确定第一断绳次数。
18.根据权利要求17所述的方法,其特征在于,所述在所述第一结束时刻显示所述第一断绳次数,包括:
在所述第一结束时刻以曲线图形式显示所述第一断绳次数。
19.一种电子设备,其特征在于,包括一个或多个处理器、一个或多个存储器、一个或多个运动传感器、声音采集器、显示屏;所述一个或多个存储器、所述一个或多个运动传感器、所述声音采集器、所述显示屏与所述一个或多个处理器耦合,所述一个或多个存储器用于存储计算机程序代码,所述计算机程序代码包括计算机指令,所述一个或多个处理器调用所述计算机指令以使得所述电子设备执行如权利要求1至18任一项所述的方法。
20.一种计算机可读存储介质,包括指令,其特征在于,当所述指令在计算机上运行时,使得所述计算机执行如权利要求1至18任一项所述的方法。
Priority Applications (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110926916.XA CN115702993B (zh) | 2021-08-12 | 2021-08-12 | 跳绳状态的检测方法及电子设备 |
EP22854993.7A EP4286024A4 (en) | 2021-08-12 | 2022-05-12 | METHOD FOR DETECTING A ROPE SKIP CONDITION AND ELECTRONIC DEVICE |
US18/278,918 US20240050807A1 (en) | 2021-08-12 | 2022-05-12 | Rope jumping status detection method and electronic device |
PCT/CN2022/092431 WO2023016004A1 (zh) | 2021-08-12 | 2022-05-12 | 跳绳状态的检测方法及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110926916.XA CN115702993B (zh) | 2021-08-12 | 2021-08-12 | 跳绳状态的检测方法及电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115702993A CN115702993A (zh) | 2023-02-17 |
CN115702993B true CN115702993B (zh) | 2023-10-31 |
Family
ID=85181028
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110926916.XA Active CN115702993B (zh) | 2021-08-12 | 2021-08-12 | 跳绳状态的检测方法及电子设备 |
Country Status (4)
Country | Link |
---|---|
US (1) | US20240050807A1 (zh) |
EP (1) | EP4286024A4 (zh) |
CN (1) | CN115702993B (zh) |
WO (1) | WO2023016004A1 (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116541668B (zh) * | 2023-07-06 | 2023-09-22 | 杭州光粒科技有限公司 | 一种游泳划水次数确定方法、装置、设备及存储介质 |
CN117194846B (zh) * | 2023-10-24 | 2024-04-19 | 东莞先知大数据有限公司 | 一种跳绳检测方法、装置及存储介质 |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103801048A (zh) * | 2014-02-17 | 2014-05-21 | 深圳市悠朵云科技有限公司 | 一种智能跳绳及控制方法 |
JP2016010463A (ja) * | 2014-06-27 | 2016-01-21 | 富士通株式会社 | 運動分析処理システム、運動分析処理方法、及び情報処理端末 |
CN106823348A (zh) * | 2017-01-20 | 2017-06-13 | 广东小天才科技有限公司 | 一种运动数据管理方法、装置及系统、用户设备 |
CN109248413A (zh) * | 2018-09-03 | 2019-01-22 | 秦怡静 | 一种基于bp神经网络和遗传算法的掷实心球姿势矫正方法 |
CN109276841A (zh) * | 2018-06-26 | 2019-01-29 | 惠州市德赛工业研究院有限公司 | 一种基于智能手环的跳绳检测方法 |
CN109288210A (zh) * | 2018-08-01 | 2019-02-01 | 北京昊泽管理咨询有限公司 | 一种数据采集方法、装置、设备及系统 |
CN109830277A (zh) * | 2018-12-12 | 2019-05-31 | 平安科技(深圳)有限公司 | 一种跳绳监测方法、电子装置及存储介质 |
EP3492945A1 (en) * | 2017-12-01 | 2019-06-05 | Origin Wireless, Inc. | Method, apparatus, and system for periodic motion detection and monitoring |
CN110022363A (zh) * | 2019-04-03 | 2019-07-16 | 腾讯科技(深圳)有限公司 | 虚拟对象的运动状态修正方法、装置、设备及存储介质 |
CN111701216A (zh) * | 2020-06-29 | 2020-09-25 | 广东小天才科技有限公司 | 跳绳计数实现方法、系统、腕式可穿戴设备和存储介质 |
WO2020191989A1 (zh) * | 2019-03-26 | 2020-10-01 | 浙江大学 | 跳绳计数方法 |
WO2021057810A1 (zh) * | 2019-09-29 | 2021-04-01 | 深圳数字生命研究院 | 数据处理、训练、识别方法、装置和存储介质 |
Family Cites Families (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7354383B2 (en) * | 2005-12-06 | 2008-04-08 | Ilir Bardha | Jump rope with physiological monitor |
US20070219059A1 (en) * | 2006-03-17 | 2007-09-20 | Schwartz Mark H | Method and system for continuous monitoring and training of exercise |
US20150251099A1 (en) * | 2014-03-10 | 2015-09-10 | Kevin Lee Soules | Methods and systems for mobile based applications |
WO2016107607A1 (en) * | 2015-01-04 | 2016-07-07 | Vita-Course Technologies Co.,Ltd | System and method for health monitoring |
KR102336601B1 (ko) * | 2015-08-11 | 2021-12-07 | 삼성전자주식회사 | 사용자의 활동 정보를 검출하기 위한 방법 및 그 전자 장치 |
CN108090210A (zh) * | 2017-12-29 | 2018-05-29 | 广州酷狗计算机科技有限公司 | 搜索音频的方法和装置 |
CN109737952B (zh) * | 2018-12-12 | 2022-11-01 | 安徽华米信息科技有限公司 | 跳绳数据处理方法、装置及可穿戴设备 |
CN109529306B (zh) * | 2019-01-03 | 2020-08-07 | 北京卡路里信息技术有限公司 | 跳绳计数方法、装置、可穿戴设备及存储介质 |
CN111558195B (zh) * | 2020-05-27 | 2021-07-20 | 广东小天才科技有限公司 | 基于穿戴式设备的跳绳计数方法、装置、设备及存储介质 |
CN113035315A (zh) * | 2021-01-22 | 2021-06-25 | 浙江工业大学 | 一种基于多终端的儿童智能跳绳交互系统 |
-
2021
- 2021-08-12 CN CN202110926916.XA patent/CN115702993B/zh active Active
-
2022
- 2022-05-12 US US18/278,918 patent/US20240050807A1/en active Pending
- 2022-05-12 EP EP22854993.7A patent/EP4286024A4/en active Pending
- 2022-05-12 WO PCT/CN2022/092431 patent/WO2023016004A1/zh active Application Filing
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103801048A (zh) * | 2014-02-17 | 2014-05-21 | 深圳市悠朵云科技有限公司 | 一种智能跳绳及控制方法 |
JP2016010463A (ja) * | 2014-06-27 | 2016-01-21 | 富士通株式会社 | 運動分析処理システム、運動分析処理方法、及び情報処理端末 |
CN106823348A (zh) * | 2017-01-20 | 2017-06-13 | 广东小天才科技有限公司 | 一种运动数据管理方法、装置及系统、用户设备 |
EP3492945A1 (en) * | 2017-12-01 | 2019-06-05 | Origin Wireless, Inc. | Method, apparatus, and system for periodic motion detection and monitoring |
CN109276841A (zh) * | 2018-06-26 | 2019-01-29 | 惠州市德赛工业研究院有限公司 | 一种基于智能手环的跳绳检测方法 |
CN109288210A (zh) * | 2018-08-01 | 2019-02-01 | 北京昊泽管理咨询有限公司 | 一种数据采集方法、装置、设备及系统 |
CN109248413A (zh) * | 2018-09-03 | 2019-01-22 | 秦怡静 | 一种基于bp神经网络和遗传算法的掷实心球姿势矫正方法 |
CN109830277A (zh) * | 2018-12-12 | 2019-05-31 | 平安科技(深圳)有限公司 | 一种跳绳监测方法、电子装置及存储介质 |
WO2020191989A1 (zh) * | 2019-03-26 | 2020-10-01 | 浙江大学 | 跳绳计数方法 |
CN110022363A (zh) * | 2019-04-03 | 2019-07-16 | 腾讯科技(深圳)有限公司 | 虚拟对象的运动状态修正方法、装置、设备及存储介质 |
WO2021057810A1 (zh) * | 2019-09-29 | 2021-04-01 | 深圳数字生命研究院 | 数据处理、训练、识别方法、装置和存储介质 |
CN111701216A (zh) * | 2020-06-29 | 2020-09-25 | 广东小天才科技有限公司 | 跳绳计数实现方法、系统、腕式可穿戴设备和存储介质 |
Non-Patent Citations (2)
Title |
---|
变速跳绳运动模式对大学生短时运动能力的影响;陈安东;孙飙;赵彦;;南京体育学院学报(自然科学版)(02);全文 * |
高频数据波动率非参数估计及窗宽选择;王江涛;周勇;;系统工程理论与实践(10);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN115702993A (zh) | 2023-02-17 |
EP4286024A1 (en) | 2023-12-06 |
US20240050807A1 (en) | 2024-02-15 |
WO2023016004A1 (zh) | 2023-02-16 |
EP4286024A4 (en) | 2024-09-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2020211701A1 (zh) | 模型训练方法、情绪识别方法及相关装置和设备 | |
CN113794800B (zh) | 一种语音控制方法及电子设备 | |
CN115866121B (zh) | 应用界面交互方法、电子设备和计算机可读存储介质 | |
CN110445978A (zh) | 一种拍摄方法及设备 | |
CN110381282A (zh) | 一种应用于电子设备的视频通话的显示方法及相关装置 | |
CN115702993B (zh) | 跳绳状态的检测方法及电子设备 | |
CN110618933A (zh) | 性能分析方法与系统、电子设备与存储介质 | |
CN110032307A (zh) | 一种应用图标的移动方法及电子设备 | |
CN111221453A (zh) | 启动功能的方法及电子设备 | |
WO2021052139A1 (zh) | 手势输入方法及电子设备 | |
EP4197605A1 (en) | Swing motion detection method and wearable device | |
CN110059211A (zh) | 记录用户情感的方法及相关装置 | |
CN113224804A (zh) | 一种充电控制方法及电子设备 | |
CN113010076A (zh) | 一种显示要素的显示方法和电子设备 | |
CN115525372B (zh) | 显示界面的方法和装置 | |
CN111399659A (zh) | 界面显示方法及相关装置 | |
CN114879894A (zh) | 功能启动方法、用户界面及电子设备 | |
CN111683329B (zh) | 麦克风检测方法、装置、终端及存储介质 | |
CN113744736A (zh) | 命令词识别方法、装置、电子设备及存储介质 | |
CN109671425B (zh) | 音频分类方法、装置及存储介质 | |
CN115359156B (zh) | 音频播放方法、装置、设备和存储介质 | |
CN116450259A (zh) | 服务异常提醒方法、电子设备及存储介质 | |
CN114333821A (zh) | 电梯控制方法、装置、电子设备、存储介质及产品 | |
CN116301483A (zh) | 一种应用卡片的管理方法、电子设备和存储介质 | |
CN115700847A (zh) | 绘本阅读方法及相关设备 |
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 |