CN117045241B - 一种基于重心变化的体重秤身份识别方法 - Google Patents
一种基于重心变化的体重秤身份识别方法 Download PDFInfo
- Publication number
- CN117045241B CN117045241B CN202311311602.4A CN202311311602A CN117045241B CN 117045241 B CN117045241 B CN 117045241B CN 202311311602 A CN202311311602 A CN 202311311602A CN 117045241 B CN117045241 B CN 117045241B
- Authority
- CN
- China
- Prior art keywords
- gravity center
- user
- center position
- weight
- final
- 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
- 230000005484 gravity Effects 0.000 title claims abstract description 217
- 230000008859 change Effects 0.000 title claims abstract description 79
- 238000000034 method Methods 0.000 title claims abstract description 43
- 238000005303 weighing Methods 0.000 claims abstract description 120
- 238000010586 diagram Methods 0.000 claims description 13
- 230000036541 health Effects 0.000 claims description 5
- 230000037396 body weight Effects 0.000 claims description 4
- 230000008569 process Effects 0.000 description 7
- 238000005259 measurement Methods 0.000 description 6
- 230000009471 action Effects 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 238000011160 research Methods 0.000 description 2
- 208000024172 Cardiovascular disease Diseases 0.000 description 1
- 208000035473 Communicable disease Diseases 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000037237 body shape Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 230000036039 immunity Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000033764 rhythmic process Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000004260 weight control Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01G—WEIGHING
- G01G19/00—Weighing apparatus or methods adapted for special purposes not provided for in the preceding groups
- G01G19/44—Weighing apparatus or methods adapted for special purposes not provided for in the preceding groups for weighing persons
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/117—Identification of persons
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/20—Drawing from basic elements, e.g. lines or circles
- G06T11/203—Drawing of straight lines or curves
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Theoretical Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medical Informatics (AREA)
- Computing Systems (AREA)
- Pathology (AREA)
- Software Systems (AREA)
- Databases & Information Systems (AREA)
- Multimedia (AREA)
- Artificial Intelligence (AREA)
- Biophysics (AREA)
- Evolutionary Computation (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本发明公开了一种基于重心变化的体重秤身份识别方法,包括:响应于体重秤的各个称重传感器感应到重量变化,实时对各个称重传感器的称重数据进行采集,获得多个称重数据集;根据多个称重数据集,获得各个称重传感器感应到的总重量跟随时间变化的第一曲线图;根据多个称重数据集,获得用户对于体重秤投影的重心位置根据时间变化的重心位置变化图;根据第一曲线图,获得用户的最终重量;根据第一曲线图和重心位置变化图以及最终重量,识别用户的身份。本发明在保证称重结构简单化的前提下,使得身份识别更加精准。
Description
技术领域
本发明涉及体重秤领域,特别是涉及一种基于重心变化的体重秤身份识别方法。
背景技术
体重是身体健康的其中一项非常重要的指标,科学调查表明,大体重的人,往往体内脂肪含量过高,容易患上心血管疾病;而体重过轻,则容易导致免疫力低下,患上传染性疾病的概率会增加。同时一段时间体重的变化,往往也可能是人体发出的疾病警报。而随着生活节奏的加快,越来越多的人忽视了对自己健康的关注,以至于无法尽早发现及治疗。
体重秤作为体重监测的一种设备,可以对用户体重进行测量,以使用户对自己体重进行控制。大多数体重秤往往只有显示体重功能,而用户常常需要根据历史体重对比,来判断自己的体重控制是否有效。因此,厂商开发了具有识别用户并存储其对应历史体重数据功能的体重秤。这类可以识别用户的体重秤,一般根据用户历史体重进行匹配识别,但当有体重值相接近的用户出现时,自动识别的用户就可能发送错误,从而降低了自动识别的准确度。为了增加准确度,厂商采用特殊的传感器或者摄像头对用户脚掌进行测量以达到识别的目的,但是这无疑使得体重秤结构更加复杂。
发明内容
经申请人研究发现:在不增加额外传感器测量脚长的情况下,体重相近的人由于其身高体型差异会使得同样站立测量姿势下,重心在体重秤上投影位置相对于站立双脚中心连线会出现差异,比如同样体重,有些人矮点胖点就会出现中心离双脚中心连线就会远点。这一点可以作为身份识别的特征。
有鉴于现有技术的上述的一部分缺陷,本发明所要解决的技术问题是提供一种基于重心变化的体重秤身份识别方法,旨在保证称重结构简单化的前提下,使得身份识别更加精准。
为实现上述目的,本发明开了一种基于重心变化的体重秤身份识别方法,所述方法包括:
步骤S1、响应于所述体重秤的各个称重传感器感应到重量变化,实时对各个所述称重传感器的称重数据进行采集,获得多个称重数据集;其中,所述体重秤至少设置有三个所述称重传感器,所述称重数据集包括时间戳及相对应的称重数据;
步骤S2、根据多个所述称重数据集,获得各个所述称重传感器感应到的总重量跟随时间变化的第一曲线图;根据多个所述称重数据集,获得用户对于所述体重秤投影的重心位置根据时间变化的重心位置变化图;
步骤S3、根据所述第一曲线图,获得所述用户的最终重量;根据所述用户的最终重量与初始重心补偿系数,获得第一腿部重量; 其中,所述初始重心补偿系数为正常人体小腿占全身重量的百分比范围内的取值,所述第一腿部重量等于所述最终重量与所述初始重心补偿系数的乘积,所述初始重心补偿系数为预设值;
步骤S4、根据所述第一腿部重量,查询所述第一曲线图,获得与所述第一腿部重量相匹配的第一时间戳;根据所述第一时间戳,查询所述重心位置变化图,获得所述用户的第一只脚对应的初始重心位置;
步骤S5、根据所述初始重心位置及所述重心位置变化图,获得从所述第一时间戳后用户重心重归所述初始重心位置时形成的第一轨迹;根据所述第一轨迹、所述最终重量以及最终重心位置,识别所述用户的身份。
可选的,所述步骤S2中根据多个所述称重数据集,获得用户对于所述体重秤投影的重心位置根据时间变化的重心位置变化图,包括:
对于所述重心位置变化图中的每一个时间戳:
获得该时间戳对应的各个称重数据集中的称重数据,根据对应的称重数据,获得各个所述称重传感器与当前重心位置之间的力矩;将各个力矩转化为各个称重传感器与所述当前重心位置之间的实际距离;根据各个所述实际距离,确定所述当前重心位置;
获得每一个时间戳对应的重心位置,构造所述用户对于所述体重秤的重心位置根据时间变化的所述重心位置变化图。
可选的,所述步骤S5,包括:
步骤S501、根据所述初始重心位置及所述重心位置变化图,获得从所述第一时间戳后用户重心重归所述初始重心位置时形成的第一轨迹;
步骤S502、根据所述第一轨迹,确定所述初始重心位置所在的用户站立线以及所述用户朝向;其中,所述用户站立线为用户站在所述体重秤秤上的双脚中心连线;
步骤S503、根据所述用户站立线、所述用户朝向、所述最终重量以及所述最终重心位置,识别所述用户的身份。
可选的,所述步骤S5中根据所述第一轨迹、所述最终重量以及最终重心位置,识别所述用户的身份,包括:
根据所述最终重量,在用户存储列表中查找是否有与所述最终重量相匹配的用户;若否,则创建新用户加入所述用户存储列表,将所述第一轨迹、所述最终重量以及最终重心位置记录在所述新用户对应的词条下;若是,则进入下一步:
根据所述第一轨迹和所述最终重心位置,进一步确定匹配的用户中是否存在有与所述第一轨迹和所述最终重心位置相对应的用户;若否,则创建新用户加入所述用户存储列表,将所述第一轨迹、所述最终重量以及最终重心位置记录在所述新用户对应的词条下;若是,则将所述第一轨迹、所述最终重量以及最终重心位置记录在相对应的用户词条下。
可选的,所述初始重心补偿系数范围为0.05-0.1。
可选的,在所述步骤S5之后,所述方法还包括:
识别出所述用户为老用户,获得所述用户的历史称重数据;
根据历史称重数据与所述最终重量,给予所述用户健康建议。
可选的,在所述步骤S5之后,所述方法还包括:
识别出所述用户为老用户,获得所述用户的历史称重数据;
根据历史称重数据与所述最终重量,生产所述用户的体重跟随时间变化的趋势图;根据所述趋势图,对所述用户体重提出指导性建议。
本发明的有益效果:1、本发明根据多个称重数据集,获得各个称重传感器感应到的总重量跟随时间变化的第一曲线图;根据多个称重数据集,获得用户对于体重秤的重心位置根据时间变化的重心位置变化图;根据第一曲线图,获得用户的最终重量;根据用户的最终重量与初始重心补偿系数,获得第一腿部重量;根据第一腿部重量,查询第一曲线图,获得与第一腿部重量相匹配的第一时间戳;根据第一时间戳,查询重心位置变化图,获得用户的第一只脚对应的初始重心位置;根据初始重心位置及重心位置变化图,获得从第一时间戳后用户重心重归初始重心位置时形成的第一轨迹;根据第一轨迹、最终重量以及最终重心位置,识别用户的身份。本发明可以通过多个称重传感器进行重心位置采集,获得初始重心位置和从第一时间戳后用户重心重归初始重心位置时形成的第一轨迹,初始重心位置为第一只脚踏上体重秤时的重心位置;然后再获得最终重心位置,即,用户站稳后重心处于位置,将最终重心位置与第一轨迹(第一轨迹对于用户称重站立姿势双脚中心连线是固定的)以及最终重量作为用户身份识别的特征进行识别,以此来提高识别准确率。相较于现有技术,本发明不需要增加额外传感器测量脚长,也可以做到精准识别用户。
2、本发明对于重心位置变化图中的每一个时间戳:获得该时间戳对应的各个称重数据集中的称重数据,根据对应的称重数据,获得各个称重传感器与当前重心位置之间的力矩;将各个力矩转化为各个称重传感器与当前重心位置之间的实际距离;根据各个实际距离,确定当前重心位置;获得每一个时间戳对应的重心位置,构造用户对于体重秤的重心位置根据时间变化的重心位置变化图。本发明通过这种方法可以精准获得重心位置变化图,以提高用户识别的准确性。
3、本发明根据最终重量,在用户存储列表中查找是否有与最终重量相匹配的用户;若否,则创建新用户加入用户存储列表,将第一轨迹、最终重量以及最终重心位置记录在新用户对应的词条下;若是,则进入下一步:根据第一轨迹和最终重心位置,进一步确定匹配的用户中是否存在有与第一轨迹和最终重心位置相对应的用户;若否,则创建新用户加入用户存储列表,将第一轨迹、最终重量以及最终重心位置记录在新用户对应的词条下;若是,则将第一轨迹、最终重量以及最终重心位置记录在相对应的用户词条下。本发明不仅可以识别旧用户,也可以创建新用户,使得功能多样性的同时,避免识别失败的出现。
综上,本发明在保证称重结构简单化的前提下,使得身份识别更加精准。
附图说明
图1是本发明一具体实施例提供的一种基于重心变化的体重秤身份识别方法的流程示意图;
图2是本发明一具体实施例提供的第一曲线图;
图3是本发明一具体实施例提供的重心位置变化图。
具体实施方式
本发明公开了一种基于重心变化的体重秤身份识别方法,本领域技术人员可以借鉴本文内容,适当改进技术细节实现。特别需要指出的是,所有类似的替换和改动对本领域技术人员来说是显而易见的,它们都被视为包括在本发明。本发明的方法及应用已经通过较佳实施例进行了描述,相关人员明显能在不脱离本发明内容、精神和范围内对本文所述的方法和应用进行改动或适当变更与组合,来实现和应用本发明技术。
经申请人研究发现:在不增加额外传感器测量脚长的情况下,体重相近的人由于其身高体型差异会使得同样站立测量姿势下,重心相对于站立双脚中心连线会出现差异,比如同样体重,有些人矮点胖点就会出现中心离双脚中心连线就会远点。这一点可以作为身份识别的特征。
因此,本发明实施例提供了一种基于重心变化的体重秤身份识别方法,如图1所示,该方法包括:
步骤S1、响应于体重秤的各个称重传感器感应到重量变化,实时对各个称重传感器的称重数据进行采集,获得多个称重数据集。
其中,体重秤至少设置有三个称重传感器,称重数据集包括时间戳及相对应的称重数据。
在一具体实施例中,称重数据集的格式可以为0.01ms-8.0kg、0.02ms-8.4kg等。
需要说明的是,三个以上的称重传感器可以对重心位置进行精准确定,一般的体重秤都采用四个称重传感器位于体重秤四个角,足以支持本发明实施例的实现。
步骤S2、根据多个称重数据集,获得各个称重传感器感应到的总重量跟随时间变化的第一曲线图;根据多个称重数据集,获得用户对于体重秤投影的重心位置根据时间变化的重心位置变化图。
其中,第一曲线图和重心位置变化图可以如图2和图3所示。图2中T1为第一时间戳,图3中虚线框中曲线为重心位置变化轨迹。
需要说明的是,在本发明实施例中,重心位置为用户重心在体重秤上的投影,并非三维空间上的重心位置。
在一具体实施例中,步骤S2中根据多个称重数据集,获得用户对于体重秤投影的重心位置根据时间变化的重心位置变化图,包括:
对于重心位置变化图中的每一个时间戳:
获得该时间戳对应的各个称重数据集中的称重数据,根据对应的称重数据,获得各个称重传感器与当前重心位置之间的力矩;将各个力矩转化为各个称重传感器与当前重心位置之间的实际距离;根据各个实际距离,确定当前重心位置;
获得每一个时间戳对应的重心位置,构造用户对于体重秤的重心位置根据时间变化的重心位置变化图。
需要说明的是,在多称重传感器的体重秤上,各个称重传感器的受力数据和与重心之间的距离成反比,通过受力数据可以反推距离,再结合多个数据,可以实现重心位置的求解。同时,本发明实施例重心位置的求解精准可靠,可以有效增加用户识别的准确率。
步骤S3、根据第一曲线图,获得用户的最终重量;根据用户的最终重量与初始重心补偿系数,获得第一腿部重量。
其中,所述初始重心补偿系数为正常人体小腿占全身重量的百分比范围内的取值,所述第一腿部重量等于所述最终重量与所述初始重心补偿系数的乘积,所述初始重心补偿系数为预设值。
需要说明的是,当用户刚刚站上体重秤的时候,由于未稳定采集到的重心位置相对于最终重心位置并非固定。要等到确定用户的第一只脚踏上体重秤所且另一只脚未离地时,此时采集到的重心位置相对于最终重心位置固定。因此取初始重心补偿系数来获得排除干扰后能够确定用户的第一只脚踏上体重秤所且另一只脚未离地时测得的腿部重量,保证获得的初始重心位置与最终重心位置的位置相对固定,有效增加用户识别的准确率。
在一具体实施例中,初始重心补偿系数范围为0.05-0.1。
步骤S4、根据第一腿部重量,查询第一曲线图,获得与第一腿部重量相匹配的第一时间戳;根据第一时间戳,查询重心位置变化图,获得用户的第一只脚对应的初始重心位置。
需要说明的是,当用户的第一只脚踏上体重秤所且另一只脚未离地时,此时的第一只脚对应的初始重心位置与最终重心位置就已经固定。
步骤S5、根据初始重心位置及重心位置变化图,获得从第一时间戳后用户重心重归初始重心位置时形成的第一轨迹;根据第一轨迹、最终重量以及最终重心位置,识别用户的身份。
需要说明的是,在具体应用过程中,仅知道初始重心位置与最终重心位置,是无法确定用户称重时面向的方向的,因此识别用户不够精准。此时需要第一轨迹的辅助。第一轨迹辅助原理如下:
在第一时间戳后,用户要完全站上体重秤,需要经历抬起另一只脚,此时重心相对于用户背向方向移动,当另一只脚抬起并往前跨的时候,重心相对于用户面向移动且在此过程中会重回初始重心位置。因此,第一轨迹可以获得用户的称重时面向方向,结合初始重心位置,可以获得用户双脚中心连线。相较于,仅依靠初始重心位置与最终重心位置进行识别,第一轨迹还结合了用户称重时面向方向以及双脚中心连线,进一步提高识别准确率。
在一具体实施例中,步骤S5,包括:
步骤S501、根据初始重心位置及重心位置变化图,获得从第一时间戳后用户重心重归初始重心位置时形成的第一轨迹;
步骤S502、根据第一轨迹,确定初始重心位置所在的用户站立线以及用户朝向;其中,用户站立线为用户站在体重秤秤上的双脚中心连线;
步骤S503、根据用户站立线、用户朝向、最终重量以及最终重心位置,识别用户的身份。
需要说明的是,该实施例作为本发明底层实现逻辑。在具体应用过程中,可以只通过第一轨迹、最终重量以及最终重心位置,识别用户的身份。
在一具体实施例中,步骤S5中根据第一轨迹、最终重量以及最终重心位置,识别用户的身份,包括:
根据最终重量,在用户存储列表中查找是否有与最终重量相匹配的用户;若否,则创建新用户加入用户存储列表,将第一轨迹、最终重量以及最终重心位置记录在新用户对应的词条下;若是,则进入下一步:
根据第一轨迹和最终重心位置,进一步确定匹配的用户中是否存在有与第一轨迹和最终重心位置相对应的用户;若否,则创建新用户加入用户存储列表,将第一轨迹、最终重量以及最终重心位置记录在新用户对应的词条下;若是,则将第一轨迹、最终重量以及最终重心位置记录在相对应的用户词条下。
需要说明的是,该实施例为具体识别方案,在保证识别旧用户的同时,可以对未识别出的新用户进行档案创建,方便后续记录,实现了用户自动化添加,大大便捷了用户,提高用户使用舒适性。
在具体应用过程中,体重匹配是根据体重相近匹配以及从上次体重测量到当前测量中有可能发生的增减匹配。比如用户A:1月20号,40kg。当前测量:1月22号,60kg。当前测量明显与用户A1月20号数据差距较大,且很难在短短两天内实现20kg体重的增减。
在一具体实施例中,在步骤S5之后,方法还包括:
识别出用户为老用户,获得用户的历史称重数据;
根据历史称重数据与最终重量,给予用户健康建议。
需要说明的是,该实施例增加了本发明的功能多样化,可以满足用户多方面需求。
在一具体实施例中,在步骤S5之后,方法还包括:
识别出用户为老用户,获得用户的历史称重数据;
根据历史称重数据与最终重量,生产用户的体重跟随时间变化的趋势图;根据趋势图,对用户体重提出指导性建议。
该实施例可以结合图形使得用户更加直观地对自己体重进行观察。
本发明实施例根据多个称重数据集,获得各个称重传感器感应到的总重量跟随时间变化的第一曲线图;根据多个称重数据集,获得用户对于体重秤的重心位置根据时间变化的重心位置变化图;根据第一曲线图,获得用户的最终重量;根据用户的最终重量与初始重心补偿系数,获得第一腿部重量;根据第一腿部重量,查询第一曲线图,获得与第一腿部重量相匹配的第一时间戳;根据第一时间戳,查询重心位置变化图,获得用户的第一只脚对应的初始重心位置;根据初始重心位置及重心位置变化图,获得从第一时间戳后用户重心重归初始重心位置时形成的第一轨迹;根据第一轨迹、最终重量以及最终重心位置,识别用户的身份。本发明实施例可以通过多个称重传感器进行重心位置采集,获得初始重心位置和从第一时间戳后用户重心重归初始重心位置时形成的第一轨迹,初始重心位置为第一只脚踏上体重秤时的重心位置;然后再获得最终重心位置,即,用户站稳后重心处于位置,将最终重心位置与第一轨迹(第一轨迹对于用户称重站立姿势双脚中心连线是固定的)以及最终重量作为用户身份识别的特征进行识别,以此来提高识别准确率。相较于现有技术,本发明实施例不需要增加额外传感器测量脚长,也可以做到精准识别用户。
本发明实施例对于重心位置变化图中的每一个时间戳:获得该时间戳对应的各个称重数据集中的称重数据,根据对应的称重数据,获得各个称重传感器与当前重心位置之间的力矩;将各个力矩转化为各个称重传感器与当前重心位置之间的实际距离;根据各个实际距离,确定当前重心位置;获得每一个时间戳对应的重心位置,构造用户对于体重秤的重心位置根据时间变化的重心位置变化图。本发明实施例通过这种方法可以精准获得重心位置变化图,以提高用户识别的准确性。
本发明实施例根据最终重量,在用户存储列表中查找是否有与最终重量相匹配的用户;若否,则创建新用户加入用户存储列表,将第一轨迹、最终重量以及最终重心位置记录在新用户对应的词条下;若是,则进入下一步:根据第一轨迹和最终重心位置,进一步确定匹配的用户中是否存在有与第一轨迹和最终重心位置相对应的用户;若否,则创建新用户加入用户存储列表,将第一轨迹、最终重量以及最终重心位置记录在新用户对应的词条下;若是,则将第一轨迹、最终重量以及最终重心位置记录在相对应的用户词条下。本发明实施例不仅可以识别旧用户,也可以创建新用户,增加功能多样性的同时,避免识别失败的出现。
综上,本发明实施例在保证称重结构简单化的前提下,使得身份识别更加精准。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括要素的过程、方法、物品或者设备中还存在另外的相同要素。
本说明书中的各个实施例均采用相关的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于系统实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
以上仅为本发明的较佳实施例而已,并非用于限定本发明的保护范围。凡在本发明的精神和原则之内所作的任何修改、等同替换、改进等,均包含在本发明的保护范围内。
Claims (7)
1.一种基于重心变化的体重秤身份识别方法,其特征在于,所述方法包括:
步骤S1、响应于所述体重秤的各个称重传感器感应到重量变化,实时对各个所述称重传感器的称重数据进行采集,获得多个称重数据集;其中,所述体重秤至少设置有三个所述称重传感器,所述称重数据集包括时间戳及相对应的称重数据;
步骤S2、根据多个所述称重数据集,获得各个所述称重传感器感应到的总重量跟随时间变化的第一曲线图;根据多个所述称重数据集,获得用户对于所述体重秤投影的重心位置根据时间变化的重心位置变化图;
步骤S3、根据所述第一曲线图,获得所述用户的最终重量;根据所述用户的最终重量与初始重心补偿系数,获得第一腿部重量; 其中,所述初始重心补偿系数为正常人体小腿占全身重量的百分比范围内的取值,所述第一腿部重量等于所述最终重量与所述初始重心补偿系数的乘积,所述初始重心补偿系数为预设值;
步骤S4、根据所述第一腿部重量,查询所述第一曲线图,获得与所述第一腿部重量相匹配的第一时间戳;根据所述第一时间戳,查询所述重心位置变化图,获得所述用户的第一只脚对应的初始重心位置;
步骤S5、根据所述初始重心位置及所述重心位置变化图,获得从所述第一时间戳后用户重心重归所述初始重心位置时形成的第一轨迹;根据所述第一轨迹、所述最终重量以及最终重心位置,识别所述用户的身份。
2.根据权利要求1所述基于重心变化的体重秤身份识别方法,其特征在于,所述步骤S2中根据多个所述称重数据集,获得用户对于所述体重秤投影的重心位置根据时间变化的重心位置变化图,包括:
对于所述重心位置变化图中的每一个时间戳:
获得该时间戳对应的各个称重数据集中的称重数据,根据对应的称重数据,获得各个所述称重传感器与当前重心位置之间的力矩;将各个力矩转化为各个称重传感器与所述当前重心位置之间的实际距离;根据各个所述实际距离,确定所述当前重心位置;
获得每一个时间戳对应的重心位置,构造所述用户对于所述体重秤的重心位置根据时间变化的所述重心位置变化图。
3.根据权利要求1所述基于重心变化的体重秤身份识别方法,其特征在于,所述步骤S5,包括:
步骤S501、根据所述初始重心位置及所述重心位置变化图,获得从所述第一时间戳后用户重心重归所述初始重心位置时形成的第一轨迹;
步骤S502、根据所述第一轨迹,确定所述初始重心位置所在的用户站立线以及所述用户朝向;其中,所述用户站立线为用户站在所述体重秤秤上的双脚中心连线;
步骤S503、根据所述用户站立线、所述用户朝向、所述最终重量以及所述最终重心位置,识别所述用户的身份。
4.根据权利要求1所述基于重心变化的体重秤身份识别方法,其特征在于,所述步骤S5中根据所述第一轨迹、所述最终重量以及最终重心位置,识别所述用户的身份,包括:
根据所述最终重量,在用户存储列表中查找是否有与所述最终重量相匹配的用户;若否,则创建新用户加入所述用户存储列表,将所述第一轨迹、所述最终重量以及最终重心位置记录在所述新用户对应的词条下;若是,则进入下一步:
根据所述第一轨迹和所述最终重心位置,进一步确定匹配的用户中是否存在有与所述第一轨迹和所述最终重心位置相对应的用户;若否,则创建新用户加入所述用户存储列表,将所述第一轨迹、所述最终重量以及最终重心位置记录在所述新用户对应的词条下;若是,则将所述第一轨迹、所述最终重量以及最终重心位置记录在相对应的用户词条下。
5.根据权利要求1所述基于重心变化的体重秤身份识别方法,其特征在于,所述初始重心补偿系数范围为0.05-0.1。
6.根据权利要求1所述基于重心变化的体重秤身份识别方法,其特征在于,在所述步骤S5之后,所述方法还包括:
识别出所述用户为老用户,获得所述用户的历史称重数据;
根据历史称重数据与所述最终重量,给予所述用户健康建议。
7.根据权利要求1所述基于重心变化的体重秤身份识别方法,其特征在于,在所述步骤S5之后,所述方法还包括:
识别出所述用户为老用户,获得所述用户的历史称重数据;
根据历史称重数据与所述最终重量,生产所述用户的体重跟随时间变化的趋势图;根据所述趋势图,对所述用户体重提出指导性建议。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311311602.4A CN117045241B (zh) | 2023-10-11 | 2023-10-11 | 一种基于重心变化的体重秤身份识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311311602.4A CN117045241B (zh) | 2023-10-11 | 2023-10-11 | 一种基于重心变化的体重秤身份识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117045241A CN117045241A (zh) | 2023-11-14 |
CN117045241B true CN117045241B (zh) | 2023-12-19 |
Family
ID=88663046
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311311602.4A Active CN117045241B (zh) | 2023-10-11 | 2023-10-11 | 一种基于重心变化的体重秤身份识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117045241B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005078228A (ja) * | 2003-08-28 | 2005-03-24 | Casio Comput Co Ltd | 個人認証装置及びプログラム |
KR100601981B1 (ko) * | 2005-01-14 | 2006-07-18 | 삼성전자주식회사 | 활동패턴 감시 방법 및 장치 |
CN103445783A (zh) * | 2013-08-20 | 2013-12-18 | 浙江工业大学 | 一种适用于家用体重秤的使用者身份识别方法 |
KR20180002289A (ko) * | 2016-06-29 | 2018-01-08 | 네이버 주식회사 | 체중 측정자 식별 방법, 이를 이용한 장치 및 컴퓨터 프로그램 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8152744B2 (en) * | 2008-03-25 | 2012-04-10 | Comfort Lab. Inc. | Shoe or insole fitting navigation system |
US20160128625A1 (en) * | 2014-11-11 | 2016-05-12 | Htc Corporation | Method and apparatus for advising physical condition and recording medium using the method |
US10624561B2 (en) * | 2017-04-12 | 2020-04-21 | Fitbit, Inc. | User identification by biometric monitoring device |
-
2023
- 2023-10-11 CN CN202311311602.4A patent/CN117045241B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005078228A (ja) * | 2003-08-28 | 2005-03-24 | Casio Comput Co Ltd | 個人認証装置及びプログラム |
KR100601981B1 (ko) * | 2005-01-14 | 2006-07-18 | 삼성전자주식회사 | 활동패턴 감시 방법 및 장치 |
CN103445783A (zh) * | 2013-08-20 | 2013-12-18 | 浙江工业大学 | 一种适用于家用体重秤的使用者身份识别方法 |
KR20180002289A (ko) * | 2016-06-29 | 2018-01-08 | 네이버 주식회사 | 체중 측정자 식별 방법, 이를 이용한 장치 및 컴퓨터 프로그램 |
Non-Patent Citations (1)
Title |
---|
不受服饰携带物影响的步态识别方法;陈欣;杨天奇;;计算机工程与应用(第05期);第141-153页 * |
Also Published As
Publication number | Publication date |
---|---|
CN117045241A (zh) | 2023-11-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101547639B (zh) | 足部测量设备 | |
CN103006229B (zh) | 足部测量设备 | |
CN102292025B (zh) | 确定用户的能量消耗 | |
US20190150793A1 (en) | Method and System for Analyzing Human Gait | |
TWI495860B (zh) | 足部照護產品分裝資訊站 | |
KR102107379B1 (ko) | 3축 동작측정기를 이용한 노쇠 예측 방법, 3축 동작측정기를 이용한 노쇠 예측 시스템 및 웨어러블 노쇠 예측 장치 | |
JP4196049B2 (ja) | バランス能力評価装置 | |
US20120253233A1 (en) | Algorithm for quantitative standing balance assessment | |
US20100191155A1 (en) | Apparatus for Calculating Calories Balance by Classifying User's Activity | |
CN111208508A (zh) | 运动量测量方法、装置及电子设备 | |
CN112656406A (zh) | 一种基于可穿戴传感器的帕金森病下肢运动检测方法 | |
CN117045241B (zh) | 一种基于重心变化的体重秤身份识别方法 | |
CN112567467A (zh) | 习惯改善装置、方法及程序 | |
KR20060008849A (ko) | Tw2 영상의 기하학적 특성값 정의를 이용한 뼈 나이 측정방법 및 장치 | |
JP7351078B2 (ja) | 習慣改善装置、方法及びプログラム | |
JP2018156379A (ja) | 計測プログラム、計測方法及び計測装置 | |
US11607166B2 (en) | Multiparameter method for quantifying balance | |
CN113679380B (zh) | 步态监测方法、装置、设备及存储介质 | |
KR100562025B1 (ko) | 전문가용 디지털 체중 관리 시스템 및 그 방법 | |
JP2012226584A (ja) | 軌跡検索装置、軌跡検索方法、および軌跡検索プログラム | |
JP7331810B2 (ja) | 歩行情報取得方法、歩行情報取得装置、及び歩行情報取得システム | |
WO2023127007A1 (ja) | 筋力指標推定装置、筋力指標推定システム、筋力指標推定方法、および記録媒体 | |
CN115861871B (zh) | 现场人员人体姿态检测的多重验证检测装置、方法及介质 | |
WO2023139718A1 (ja) | 特徴量選定装置、特徴量選定方法、身体状態推定システム、および記録媒体 | |
Razak et al. | Wireless Integrated Gait Analysis System for Heel-Strike and Toe-Off Measurement |
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 |