CN117918827A - 一种基于多参数融合的计步和姿态识别方法和装置 - Google Patents
一种基于多参数融合的计步和姿态识别方法和装置 Download PDFInfo
- Publication number
- CN117918827A CN117918827A CN202311778069.2A CN202311778069A CN117918827A CN 117918827 A CN117918827 A CN 117918827A CN 202311778069 A CN202311778069 A CN 202311778069A CN 117918827 A CN117918827 A CN 117918827A
- Authority
- CN
- China
- Prior art keywords
- preset time
- moving body
- triaxial
- acceleration information
- information
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 44
- 230000004927 fusion Effects 0.000 title claims abstract description 25
- 230000001133 acceleration Effects 0.000 claims abstract description 80
- 238000007499 fusion processing Methods 0.000 claims abstract description 7
- 238000004590 computer program Methods 0.000 claims description 17
- 230000000295 complement effect Effects 0.000 claims description 10
- 238000001914 filtration Methods 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 7
- 230000005484 gravity Effects 0.000 claims description 4
- 230000008569 process Effects 0.000 claims description 3
- 238000012544 monitoring process Methods 0.000 abstract description 5
- 238000010586 diagram Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 4
- 230000036541 health Effects 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 235000019577 caloric intake Nutrition 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008092 positive effect Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
- A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
- A61B5/1116—Determining posture transitions
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
- A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
- A61B5/112—Gait analysis
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
- A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
- A61B5/1121—Determining geometric values, e.g. centre of rotation or angular range of movement
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
- A61B5/6801—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be attached to or worn on the body surface
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C22/00—Measuring distance traversed on the ground by vehicles, persons, animals or other moving solid bodies, e.g. using odometers, using pedometers
- G01C22/006—Pedometers
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Heart & Thoracic Surgery (AREA)
- Surgery (AREA)
- Veterinary Medicine (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Biomedical Technology (AREA)
- Public Health (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- General Health & Medical Sciences (AREA)
- Animal Behavior & Ethology (AREA)
- Physiology (AREA)
- Dentistry (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Remote Sensing (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Geometry (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本发明涉及一种基于多参数融合的计步和姿态识别方法,包括以下步骤:采集运动体的三轴加速度信息和三轴角速度信息;根据所述三轴加速度信息和三轴角速度信息计算姿态角数据;根据预设时间内采集的多个所述三轴加速度信息采用合加速度阈值法进行步数识别,得到运动体在预设时间内的步数和步频;根据运动体在预设时间内的步数和步频、三轴加速度信息和姿态角数据,通过多参数融合处理判断运动体的姿态信息。本发明能够提高监测数据的准确性。
Description
技术领域
本发明涉及智能计步技术领域,特别是涉及一种基于多参数融合的计步和姿态识别方法和装置。
背景技术
随着人们生活水平的提高和健康意识的增强,智能穿戴设备越来越受到人们的青睐。其中,计步器和运动手表等设备能够监测和分析人们的运动数据,如步数、距离、卡路里消耗等,帮助人们更好地了解自己的身体状况和运动效果。然而,现有的计步器和运动手表往往只能简单地监测步数,由于他们佩戴过程中容易受手部动作的干扰,引起计步不准,无法准确地判断用户的行走状态和运动姿态,从而影响了监测数据的准确性和可靠性。
发明内容
本发明所要解决的技术问题是提供一种基于多参数融合的计步和姿态识别方法和装置,能够提高监测数据的准确性。
本发明解决其技术问题所采用的技术方案是:提供一种基于多参数融合的计步和姿态识别方法,包括以下步骤:
采集运动体的三轴加速度信息和三轴角速度信息;
根据所述三轴加速度信息和三轴角速度信息计算姿态角数据;
根据预设时间内采集的多个所述三轴加速度信息采用合加速度阈值法进行步数识别,得到运动体在预设时间内的步数和步频;
根据运动体在预设时间内的步数和步频、三轴加速度信息和姿态角数据,通过多参数融合处理判断运动体的姿态信息。
所述根据所述三轴加速度信息和三轴角速度信息计算姿态角数据具体为:利用四元数方法和互补滤波处理实时准确计算姿态角数据。
所述四元数表达式为:q=q0+q1i+q2j+q3k;所述姿态角数据通过计算得到,其中,q表示四元数,q0=cos(α/2)、q1=sin(α/2)cos(φ)、q2=sin(α/2)cos(θ),q3=sin(α/2)cos(ψ),i,j,k为虚数单位,α为采集设备与重力方向的夹角,φ为绕X轴的角度,θ为绕Y轴的角度,ψ为绕Z轴的角度。
所述互补滤波处理是指将三轴加速度信息计算的计算姿态角数据和三轴角速度信息计算的姿态角数据进行互补加权处理。
所述根据预设时间内采集的多个所述三轴加速度信息采用合加速度阈值法进行步数识别,得到运动体在预设时间内的步数和步频,具体包括:
根据所述三轴加速度信息计算合加速度,得到预设时间内的多个合加速度;
通过自动门限选取多个合加速度的极值点,并将选出的极值点作为候选极值点;
将相邻候选极值点的横向距离小于距离阈值且相邻候选极值点的幅值差小于幅值阈值的候选极值点删除,得到最终极值点;
将最终极值点的数量作为预设时间内的步数,并根据步数计算步频。
所述自动门限通过以下方式得到:其中,Auto_Thr为自动门限,k门限因子,xN表示确定的前N个极值点幅值。
本发明解决其技术问题所采用的技术方案是:提供一种基于多参数融合的计步和姿态识别装置,包括:
采集模块,用于采集运动体的三轴加速度信息和三轴角速度信息;
姿态角计算模块,用于根据所述三轴加速度信息和三轴角速度信息计算姿态角数据;
步数计算模块,用于根据预设时间内采集的多个所述三轴加速度信息采用合加速度阈值法进行步数识别,得到运动体在预设时间内的步数和步频;
姿态判断模块,用于根据运动体在预设时间内的步数和步频、三轴加速度信息和姿态角数据,通过多参数融合处理判断运动体的姿态信息。
本发明解决其技术问题所采用的技术方案是:提供一种电子设备,包括存储器、处理器及存储在存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述基于多参数融合的计步和姿态识别方法的步骤。
本发明解决其技术问题所采用的技术方案是:提供一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现上述基于多参数融合的计步和姿态识别方法的步骤。
有益效果
由于采用了上述的技术方案,本发明与现有技术相比,具有以下的优点和积极效果:本发明通过采用多参数融合技术,通过对三轴加速度信息和其他参数的综合分析,实现了对步数和姿态的准确识别,通过自动门限的更新算法,提高了算法的自适应能力,使得整个系统的准确性和抗干扰性较强,非常适合对人员健康运动量评估和健康监测领域。
附图说明
图1是本发明第一实施方式基于多参数融合的计步和姿态识别方法的流程图。
具体实施方式
下面结合具体实施例,进一步阐述本发明。应理解,这些实施例仅用于说明本发明而不用于限制本发明的范围。此外应理解,在阅读了本发明讲授的内容之后,本领域技术人员可以对本发明作各种改动或修改,这些等价形式同样落于本申请所附权利要求书所限定的范围。
本发明的第一实施方式涉及一种基于多参数融合的计步和姿态识别方法,如图1所示,包括以下步骤:
步骤1,采集运动体的三轴加速度信息和三轴角速度信息。本步骤中采集的三轴加速度信息ax,ay,az和三轴角速度信息wx,wy,wz可以通过佩戴者佩戴的采集设备获取,主要包括三轴加速度、三轴角速度传感器,其采样频率为20Hz~50Hz,足以满足人类步行和姿态监测需求
步骤2,根据所述三轴加速度信息和三轴角速度信息计算姿态角数据。
姿态角数据的输出主要是欧拉角形式,即俯仰角(pitch)、翻滚角(roll)和航向角(yaw),本实施方式通过四元数方法计算欧拉角,同时考虑用互补滤波减小陀螺仪的累积误差。
本步骤中四元数方法具体为:
首先,获取三轴加速度信息ax,ay,az和三轴角速度信息wx,wy,wz。
接着,根据三轴加速度信息ax,ay,az计算采集设备的方向向量,并进行归一化,即设为加速度的模,然后计算单位向量,得到/>
然后,计算四元数,利用归一化加速度向量,计算参考四元数qref,这个四元数表示设备相对于重力方向的旋转,其计算方式为:其中,α是设备与重力方向的夹角(可通过静止合加速度方向与各个分量的力的关系计算获得)。qref代表初始四元数,经过dt时间,对应的四元数变化为:/>计算新的时刻的四元数:/>qnew_norm就是计算欧拉角时刻,即qnew_norm=q0+q1i+q2j+q3k,从而可以计算出当前时刻的欧拉角,每次dt时间更新迭代一次,从而可以不停的计算各个时刻的欧拉角度。
综上所述,四元数的表达式为:q=q0+q1i+q2j+q3k,其中,q表示四元数,q0=cos(α/2)、q1=sin(α/2)cos(φ)、q2=sin(α/2)cos(θ),q3=sin(α/2)cos(ψ),i,j,k为虚数单位。那么按照绕X轴的角度为φ(roll),绕Y轴的角度为θ(pitch),绕Z轴的角度为ψ(yaw),则欧拉角的对应关系为:该方法结合了加速度和陀螺仪的信息,能够在一定程度上抵抗角速度积分导致的漂移,并提高方向估计的稳定性。
本步骤中的互补滤波处理是指将三轴加速度信息计算的计算姿态角数据和三轴角速度信息计算的姿态角数据进行互补加权处理,即将上述四元数法计算得到的姿态角数据(即根据三轴加速度信息计算的计算姿态角数据)和利用三轴角速度信息计算的姿态角数据进行互补加权求和。
步骤3,根据预设时间内采集的多个所述三轴加速度信息采用合加速度阈值法进行步数识别,得到运动体在预设时间内的步数和步频。本步骤具体包括:
根据所述三轴加速度信息ax,ay,az计算合加速度ta,如此可以得到预设时间内的多个合加速度,合加速度ta的计算方式为:
通过自动门限选取对多个合加速度的极值点,并将选出的极值点作为候选极值点;本实施方式的自动门限可以随着提取出来的有效极值峰值点的能量进行对应变化,其通过得到,其中,Auto_Thr为自动门限,k门限因子,xN表示确定的前N个极值点幅值。具体来说,从多个合加速度选出极值点时,首先将第一个合加速度作为第一个极值点,然后根据自动门限依次判断每个合加速度是否为极值点,以第二个合加速度为例,此时确定的极值点为1个,因此N取值为1,自动门限/>若第二个合加速度的幅值超过该自动门限,则第二个合加速也为极值点,否则第二个合加速度不作为极值点。通过自动门限的加入使得之前峰值点的幅值越大,自动门限越高,从而能快速响应信号的变化。
将相邻候选极值点的横向距离小于距离阈值且相邻候选极值点的幅值差小于幅值阈值的候选极值点删除,得到最终极值点,通过对相邻极值点的横向距离判断可以确定两个极值点之间的时间差,当时间差较小时且两个极值点的幅值差也较小时可以将该候选极值点排除,通过该方式可以减小错误信号引起的干扰。
将最终极值点的数量作为预设时间内的步数,并根据步数计算步频。
值得一提的是,为了确保数据更为准确,本实施方式在得到合加速度后,还对得到的合加速度进行滤波预处理,消除直流(重力加速度)和高频噪声,滤波器可以选择IIR的带通滤波器(巴特沃斯、椭圆等)或者FIR的低通和高通滤波器组合,通带频率范围根据步行速度可设置为(0.2Hz-5Hz),为适应分段计数,同时降低资源开销采用分段滤波,分段滤波需要考虑输入和输出的历史约束数据。
步骤4,根据运动体在预设时间内的步数和步频、三轴加速度信息和姿态角数据,通过多参数融合处理判断运动体的姿态信息。本步骤中将预设时间内的步数和步频,多个三轴加速度信息ax,ay,az、多个合加速度的标准差,多个姿态角数据(pitch和roll)的标准差进行数据融合,通过融合后的数据综合判断用户的姿态,识别出当前时刻的用户姿态为站/坐、躺(平躺、侧躺、趴着)、走、跑等情况。本步骤可以将上述参数输入训练好的姿态识别模型,从而得到用户的姿态。
本发明的第二实施方式涉及一种基于多参数融合的计步和姿态识别装置,包括:
采集模块,用于采集运动体的三轴加速度信息和三轴角速度信息;
姿态角计算模块,用于根据所述三轴加速度信息和三轴角速度信息计算姿态角数据;
步数计算模块,用于根据预设时间内采集的多个所述三轴加速度信息采用合加速度阈值法进行步数识别,得到运动体在预设时间内的步数和步频;
姿态判断模块,用于根据运动体在预设时间内的步数和步频、三轴加速度信息和姿态角数据,通过多参数融合处理判断运动体的姿态信息。
本发明的第三实施方式涉及一种电子设备,包括存储器、处理器及存储在存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现第一实施方式的基于多参数融合的计步和姿态识别方法的步骤。
本发明的第四实施方式涉及一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现第一实施方式的基于多参数融合的计步和姿态识别方法的步骤。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器和光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令方法的制造品,该指令方法实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以所述权利要求的保护范围为准。
Claims (9)
1.一种基于多参数融合的计步和姿态识别方法,其特征在于,包括以下步骤:
采集运动体的三轴加速度信息和三轴角速度信息;
根据所述三轴加速度信息和三轴角速度信息计算姿态角数据;
根据预设时间内采集的多个所述三轴加速度信息采用合加速度阈值法进行步数识别,得到运动体在预设时间内的步数和步频;
根据运动体在预设时间内的步数和步频、三轴加速度信息和姿态角数据,通过多参数融合处理判断运动体的姿态信息。
2.根据权利要求1所述的基于多参数融合的计步和姿态识别方法,其特征在于,所述根据所述三轴加速度信息和三轴角速度信息计算姿态角数据具体为:利用四元数方法和互补滤波处理实时准确计算姿态角数据。
3.根据权利要求2所述的基于多参数融合的计步和姿态识别方法,其特征在于,所述四元数表达式为:q=q0+q1i+q2j+q3k;所述姿态角数据通过计算得到,其中,q表示四元数,q0=cos(α/2)、q1=sin(α/2)cos(φ)、q2=sin(α/2)cos(θ),q3=sin(α/2)cos(ψ),i,j,k为虚数单位,α为采集设备与重力方向的夹角,φ为绕X轴的角度,θ为绕Y轴的角度,ψ为绕Z轴的角度。
4.根据权利要求2所述的基于多参数融合的计步和姿态识别方法,其特征在于,所述互补滤波处理是指将三轴加速度信息计算的计算姿态角数据和三轴角速度信息计算的姿态角数据进行互补加权处理。
5.根据权利要求1所述的基于多参数融合的计步和姿态识别方法,其特征在于,所述根据预设时间内采集的多个所述三轴加速度信息采用合加速度阈值法进行步数识别,得到运动体在预设时间内的步数和步频,具体包括:
根据所述三轴加速度信息计算合加速度,得到预设时间内的多个合加速度;
通过自动门限选取多个合加速度的极值点,并将选出的极值点作为候选极值点;
将相邻候选极值点的横向距离小于距离阈值且相邻候选极值点的幅值差小于幅值阈值的候选极值点删除,得到最终极值点;
将最终极值点的数量作为预设时间内的步数,并根据步数计算步频。
6.根据权利要求5所述的基于多参数融合的计步和姿态识别方法,其特征在于,所述自动门限通过以下方式得到:其中,Auto_Thr为自动门限,k门限因子,xN表示确定的前N个极值点幅值。
7.一种基于多参数融合的计步和姿态识别装置,其特征在于,包括:
采集模块,用于采集运动体的三轴加速度信息和三轴角速度信息;
姿态角计算模块,用于根据所述三轴加速度信息和三轴角速度信息计算姿态角数据;步数计算模块,用于根据预设时间内采集的多个所述三轴加速度信息采用合加速度阈值法进行步数识别,得到运动体在预设时间内的步数和步频;
姿态判断模块,用于根据运动体在预设时间内的步数和步频、三轴加速度信息和姿态角数据,通过多参数融合处理判断运动体的姿态信息。
8.一种电子设备,包括存储器、处理器及存储在存储器上并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1-6中任一所述基于多参数融合的计步和姿态识别方法的步骤。
9.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1-6中任一所述基于多参数融合的计步和姿态识别方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311778069.2A CN117918827A (zh) | 2023-12-22 | 2023-12-22 | 一种基于多参数融合的计步和姿态识别方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311778069.2A CN117918827A (zh) | 2023-12-22 | 2023-12-22 | 一种基于多参数融合的计步和姿态识别方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117918827A true CN117918827A (zh) | 2024-04-26 |
Family
ID=90767690
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311778069.2A Pending CN117918827A (zh) | 2023-12-22 | 2023-12-22 | 一种基于多参数融合的计步和姿态识别方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117918827A (zh) |
-
2023
- 2023-12-22 CN CN202311778069.2A patent/CN117918827A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
AU2020273327B2 (en) | Systems and methods of swimming analysis | |
JP6567658B2 (ja) | ユーザーの活動を分類し及び/又はユーザーの歩数をカウントするデバイス及び方法 | |
CN108245172B (zh) | 一种不受位置约束的人体姿态识别方法 | |
WO2016071759A1 (en) | Pedestrian dead reckoning position tracker | |
CN108960430B (zh) | 为人体运动活动生成个性化分类器的方法和设备 | |
WO2017000563A1 (zh) | 智能设备的实时定位方法及系统、手机运动姿态的判定方法 | |
EP3090685A1 (en) | Pedometer and method for analyzing motion data | |
CN108958482B (zh) | 一种基于卷积神经网络的相似性动作识别装置及方法 | |
CN112464738B (zh) | 改进朴素贝叶斯算法基于手机传感器的用户行为识别方法 | |
CN116491935B (zh) | 一种智能穿戴设备的运动健康监测方法、系统及介质 | |
CN108955719B (zh) | 一种基于手腕式装置的计步检测方法和系统 | |
CN106370180B (zh) | 基于动态时间规整算法的惯性传感器初始位置识别方法 | |
Pan et al. | Using accelerometer for counting and identifying swimming strokes | |
CN111265841B (zh) | 一种游泳圈数确定方法、装置、设备及存储介质 | |
Lu et al. | MFE-HAR: multiscale feature engineering for human activity recognition using wearable sensors | |
CN117838099A (zh) | 一种基于多参数融合的老人健康运动评估系统 | |
WO2009031064A2 (en) | Extracting inertial and gravitational vector components from acceleration measurements | |
CN117918827A (zh) | 一种基于多参数融合的计步和姿态识别方法和装置 | |
CN116465412A (zh) | 一种基于lstm和注意力机制的改进pdr室内定位方法 | |
CN115127581B (zh) | 跑步数据监测方法、装置、终端设备及存储介质 | |
US20220218230A1 (en) | System and method of detecting walking activity using waist-worn inertial sensors | |
Lu et al. | Gait analysis based on magnetometer and inertial sensors data fusion | |
CN114533010A (zh) | 心率检测方法和装置 | |
Lee et al. | Statistical noise reduction for robust human activity recognition | |
CN118293913A (zh) | 一种轻量化步态自适应检测方法、系统、设备及介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |