FI129882B - Anturitiedon hallinta - Google Patents

Anturitiedon hallinta Download PDF

Info

Publication number
FI129882B
FI129882B FI20196079A FI20196079A FI129882B FI 129882 B FI129882 B FI 129882B FI 20196079 A FI20196079 A FI 20196079A FI 20196079 A FI20196079 A FI 20196079A FI 129882 B FI129882 B FI 129882B
Authority
FI
Finland
Prior art keywords
sensor data
labels
sequence
data elements
sequences
Prior art date
Application number
FI20196079A
Other languages
English (en)
Swedish (sv)
Other versions
FI20196079A1 (fi
Inventor
Erik Lindman
Mikko Martikka
Tuomas Hapola
Timo Eriksson
Original Assignee
Amer Sports Digital Services Oy
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Priority claimed from US16/228,981 external-priority patent/US20190142307A1/en
Application filed by Amer Sports Digital Services Oy filed Critical Amer Sports Digital Services Oy
Publication of FI20196079A1 publication Critical patent/FI20196079A1/fi
Application granted granted Critical
Publication of FI129882B publication Critical patent/FI129882B/fi

Links

Classifications

    • 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
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
    • G01D21/00—Measuring or testing not otherwise provided for
    • G01D21/02—Measuring two or more variables by means not covered by a single other subclass
    • 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
    • A61B5/1123—Discriminating type of movement, e.g. walking or running
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/20—Movements or behaviour, e.g. gesture recognition
    • G06V40/23—Recognition of whole body movements, e.g. for sport training
    • A—HUMAN NECESSITIES
    • A63—SPORTS; GAMES; AMUSEMENTS
    • A63B—APPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
    • A63B69/00—Training appliances or apparatus for special sports
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/25—Fusion techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B2562/00—Details of sensors; Constructional details of sensor housings or probes; Accessories for sensors
    • A61B2562/02—Details of sensors specially adapted for in-vivo measurements
    • A61B2562/0219—Inertial sensors, e.g. accelerometers, gyroscopes, tilt switches
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B2562/00—Details of sensors; Constructional details of sensor housings or probes; Accessories for sensors
    • A61B2562/02—Details of sensors specially adapted for in-vivo measurements
    • A61B2562/0223—Magnetic field sensors
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B2562/00—Details of sensors; Constructional details of sensor housings or probes; Accessories for sensors
    • A61B2562/02—Details of sensors specially adapted for in-vivo measurements
    • A61B2562/029—Humidity sensors
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/0002—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network
    • A61B5/0015—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network characterised by features of the telemetry system
    • A61B5/002—Monitoring the patient using a local or closed circuit, e.g. in a room or building
    • 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
    • A61B5/1112—Global tracking of patients, e.g. by using GPS
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
    • A61B5/316—Modalities, i.e. specific diagnostic methods
    • A61B5/318—Heart-related electrical modalities, e.g. electrocardiography [ECG]
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
    • A61B5/316—Modalities, i.e. specific diagnostic methods
    • A61B5/389—Electromyography [EMG]
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235—Details of waveform analysis
    • A61B5/7242—Details of waveform analysis using integration
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235—Details of waveform analysis
    • A61B5/7253—Details of waveform analysis characterised by using transforms
    • A61B5/7257—Details of waveform analysis characterised by using transforms using Fourier transforms
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235—Details of waveform analysis
    • A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
    • A61B5/7267—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems involving training the classification device
    • 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
    • A63B2024/0071—Distinction between different activities, movements, or kind of sports performed
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
    • G06F2218/08—Feature extraction
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
    • G06F2218/12—Classification; Matching
    • G06F2218/16—Classification; Matching by matching signal segments

Landscapes

  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Veterinary Medicine (AREA)
  • Biophysics (AREA)
  • Pathology (AREA)
  • Physiology (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Medical Informatics (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Theoretical Computer Science (AREA)
  • Physical Education & Sports Medicine (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Artificial Intelligence (AREA)
  • Dentistry (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Human Computer Interaction (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Psychiatry (AREA)
  • Multimedia (AREA)
  • General Engineering & Computer Science (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Social Psychology (AREA)
  • Evolutionary Biology (AREA)
  • Fuzzy Systems (AREA)
  • Mathematical Physics (AREA)
  • Signal Processing (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)

Abstract

Esillä olevan keksinnön esimerkinomaisen suoritusmuodon mukaan tuotetaan henkilökohtainen monianturilaite (300), joka käsittää muistin (320), joka on muodostettu tallentamaan useita anturitietojen elementtien jaksoja, sekä vähintään yhden prosessointiytimen (310), joka on järjestetty: johtamaan, anturitietojen elementtien useista jaksoista, useita anturitietojen lohkoja, joka kukin anturitietojen lohko käsittää aikaan kohdistettuja anturitietojen elementtien alijaksoja vähintään kahdesta anturitietojen elementtien jaksosta, ja määrittämään tunniste vähintään joihinkin anturitietojen lohkoihin vastaavissa anturitietojen lohkoissa olevien anturitietojen elementtien perusteella tunnisteiden jakson tuottamiseksi.

Claims (17)

PATENTTIVAATIMUKSET:
1. Henkilökohtainen monianturilaite käsittäen: — muistin konfiguroituna tallentamaan monta sekvenssiä anturidataelementtejä, kunkin sekvenssin erilliseltä anturilta, ja — vähintään yhden prosessointiytimen konfiguroituna: " johtamaan mainituista monesta sekvenssistä anturidataelementtejä monta anturidatasegmenttiä, missä kukin anturidatasegmentti käsittää ajallisesti kohdistettuja anturien dataelementtien alisekvenssejä vähintään kahdelta anturien dataelementtien sekvensseistä, missä anturien dataelementit ovat antureilta johdettuja numeerisia arvoja, ja = määräämään nimikkeen vähintään osalle anturidatasegmenteistä perustuen vastaaviin anturidatasegmentteihin sisältyviin anturidataelementteihin vastaavilta erillisiltä antureilta, nimikesekvenssin keräämiseksi, missä määräämisessä raakaa anturidataa korvataan raa'an anturidatan semanttisilla tulkinnoilla nimikkeiden muodossa, tunnettu siitä, että — laite on lisäksi konfiguroitu määrittämään, perustuen nimikesekvenssiin sekä viitenimikesekvenssien kirjastoon, aktiviteettityypin, johon käyttäjä on ollut ryhtyneenä samaan aikaan kun anturidatasekvenssit on kerätty, missä nimikesekvenssi on käytettävissä aktiviteettityypin tunnistamisessa, ja laite on konfiguroitu määräämään yhden nimikkeen segmenttiä kohden.
N
N
O
N S
2. Patenttivaatimuksen I mukainen laite, joka on lisäksi konfiguroitu lähettämään 2 25 nimikesekvenssin solmulle verkossa.
I a a O . . . . 5
3. Patenttivaatimuksen 1 mukainen laite, joka on konfiguroitu vastaanottamaan koneella
O > luettavan ohjeistuksen solmulta verkossa ja käyttämään mainittua koneella luettavaa
O N ohjeistusta aktiviteettityypin määrittämiseen.
4. Patenttivaatimuksen 3 mukainen laite, jossa koneella luettava ohjeistus käsittää vähintään jommankumman seuraavista: suoritettava ohjelma ja suoritettava skripti.
5. Jonkin patenttivaatimuksista 1-4 mukainen laite, joka on konfiguroitu vastaanottamaan verkolta vähintään yhden nimeämisohjeistuksen ja käyttämään mainittua vähintään yhtä koneella luettavaa nimeämisohjeistusta nimikkeen määräämiseksi kullekin anturidatasegmentille.
6. Patenttivaatimuksen 5 mukainen laite, jossa koneella luettava nimeämisohjeistus käsittää vähintään jommankumman seuraavista: suoritettava ohjelma ja suoritettava skripti.
7. Jonkin patenttivaatimuksista 1-6 mukainen laite, jossa kukin monesta sekvenssistä anturidataelementtejä käsittää täsmälleen yhdeltä anturilta peräisin olevia anturidataelementtejä.
8. Jonkin patenttivaatimuksista 1-7 mukainen laite, jossa mainitut monta sekvenssiä anturidataelementtejä käsittävät vähintään kolme sekvenssiä anturidataelementtejä.
9. Jonkin patenttivaatimuksista 1-8 mukainen laite, jossa mainitut monta sekvenssiä anturidataelementtejä käsittävät vähintään yhdeksän sekvenssiä anturidataelementtejä. N
10. Jonkin patenttivaatimuksista 1-9 mukainen laite, joka on konfiguroitu johtamaan N . . . . . . NM mainitut monta anturidatasegmenttiä käyttäen ainakin osittain sopivasti koulutettua O . . 00 keinotekoista hermoverkkoa. = 25 a o
11. Menetelmä henkilökohtaisessa monianturilaitteessa käsittäen sen, että: O — tallennetaan monta sekvenssiä anturidataelementtejä, kukin sekvenssi erilliseltä anturilta;
N — johdetaan mainituista monesta sekvenssistä anturidataelementtejä monta anturidatasegmenttiä, missä kukin anturidatasegmentti käsittää ajallisesti kohdistettuja anturidataelementtien alisekvenssejä vähintään kahdesta anturidataelementtien sekvenssistä, missä anturidataelementit ovat antureilta johdettuja numeerisia arvoja, — määrätään nimike vähintään osalle anturidatasegmenteistä, yksi nimike segmenttiä kohden, perustuen vastaaviin anturidatasegmentteihin sisältyviin anturidataelementteihin vastaavilta erillisiltä antureilta, nimikesekvenssin keräämiseksi, missä määräämisessä raakaa anturidataa korvataan raa'an anturidatan semanttisilla tulkinnoilla nimikkeiden muodossa, tunnettu siitä, että — määritetään, perustuen nimikesekvenssiin sekä viitenimikesekvenssien kirjastoon, aktiviteettityyppi, johon käyttäjä on ollut ryhtyneenä samaan aikaan kun anturidatan sekvenssit on kerätty, missä nimikesekvenssi on käytettävissä aktiviteettityypin tunnistamisessa, ja laite on konfiguroitu määräämään yhden nimikkeen segmenttiä kohden.
12. Patenttivaatimuksen 11 mukainen menetelmä käsittäen lisäksi sen, että lähetetään nimikesekvenssi solmulle verkossa.
13. Patenttivaatimuksen 11 mukainen menetelmä käsittäen lisäksi sen, että vastaanotetaan koneella luettava ohjeistus solmulta verkossa ja käytetään koneella luettavaa ohjeistusta aktiviteettityypin määrittämiseen.
14. Palvelinlaite (300) käsittäen:
N N — vastaanottimen (340) konfiguroituna vastaanottamaan nimikesekvenssin, joka on S määrätty anturidataelementtien segmenteille, missä kukin anturidatasegmentti käsittää 2 25 ajallisesti kohdistettuja anturidataelementtien alisekvenssejä vähintään kahdesta E anturidataelementtien sekvenssistä, missä anturidataelementit ovat antureilta johdettuja o numeerisia arvoja ja jokaisen sekvenssin ollessa erilliseltä anturilta, missä 3 anturidataelementit eivät sisälly nimikesekvenssiin ja nimikkeet eivät käsitä > anturidataelementtejä, ja missä määräämisessä raakaa anturidataa on korvattu raa'an anturidatan semanttisilla tulkinnoilla nimikkeiden muodossa, tunnettu siitä, että palvelinlaite käsittää:
— vähintään yhden prosessointiytimen (310) konfiguroituna: = — määrittämään, perustuen nimikesekvenssiin sekä viitenimikesekvenssien kirjastoon, aktiviteettityypin, johon käyttäjä on ollut ryhtyneenä samaan aikaan kun anturidataelementit on kerätty, missä nimikesekvenssi on käytettävissä aktiviteettityypin tunnistamisessa, — ja siitä, että yksi nimike on määrätty yhtä anturidatasegmenttiä kohden.
15. Patenttivaatimuksen 14 mukainen palvelinlaite, joka on konfiguroitu määrittämään aktiviteettityypin perustuen siihen, että verrataan vastaanotettuja nimikesekvenssejä palvelinlaitteeseen tallennettujen nimikesekvenssien listaan ja että valitaan aktiviteettityyppi, joka liittyy listan nimikesekvenssiin, joka täsmää vastaanotettuun nimikesekvenssiin.
16. Menetelmä palvelinlaitteessa käsittäen sen, että: — vastaanotetaan nimikesekvenssi, joka on määrätty anturidataelementtien segmenteille, missä kukin anturidatasegmentti käsittää ajallisesti kohdistettuja anturidataelementtien alisekvenssejä vähintään kahdesta anturidataelementtien sekvenssistä, missä anturidataelementit ovat antureilta johdettuja numeerisia arvoja ja jokaisen sekvenssin ollessa erilliseltä anturilta, missä anturidataelementit eivät sisälly nimikesekvenssiin ja nimikkeet eivät käsitä anturidataelementtejä, ja missä määräämisessä raakaa anturidataa on korvattu raa'an anturidatan semanttisilla tulkinnoilla nimikkeiden muodossa, tunnettu siitä, että
N | — määritetään, perustuen nimikesekvenssiin sekä viitenimikesekvenssien kirjastoon, N aktiviteettityyppi, johon käyttäjä on ollut ryhtyneenä samaan aikaan kun © 25 anturidataelementit on kerätty, missä nimikesekvenssi on käytettävissä aktiviteettityypin z tunnistamisessa, ja siitä, että yksi nimike on määrätty yhtä anturidatasegmenttiä kohden. a o
MN o O
17. Tietokoneohjelma konfiguroituna saamaan vähintään yhden patenttivaatimuksista 11-13 O . . . . . N tai 16 mukaisen menetelmän suoritetuksi.
FI20196079A 2018-12-21 2019-12-12 Anturitiedon hallinta FI129882B (fi)

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
US16/228,981 US20190142307A1 (en) 2015-12-21 2018-12-21 Sensor data management

Publications (2)

Publication Number Publication Date
FI20196079A1 FI20196079A1 (fi) 2020-06-22
FI129882B true FI129882B (fi) 2022-10-14

Family

ID=69147143

Family Applications (1)

Application Number Title Priority Date Filing Date
FI20196079A FI129882B (fi) 2018-12-21 2019-12-12 Anturitiedon hallinta

Country Status (5)

Country Link
CN (1) CN111351524A (fi)
DE (1) DE102019008548A1 (fi)
FI (1) FI129882B (fi)
GB (1) GB2581014B (fi)
TW (1) TWI729596B (fi)

Family Cites Families (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB2425180B (en) * 2005-04-14 2009-03-18 Justin Pisani Monitoring system
JP5028751B2 (ja) * 2005-06-09 2012-09-19 ソニー株式会社 行動認識装置
US8187182B2 (en) * 2008-08-29 2012-05-29 Dp Technologies, Inc. Sensor fusion for activity identification
WO2010083562A1 (en) * 2009-01-22 2010-07-29 National Ict Australia Limited Activity detection
AU2011219093A1 (en) * 2010-02-24 2012-10-18 Performance Lab Technologies Limited Classification system and method
WO2012021507A2 (en) * 2010-08-09 2012-02-16 Nike International Ltd. Monitoring fitness using a mobile device
US8774499B2 (en) * 2011-02-28 2014-07-08 Seiko Epson Corporation Embedded optical flow features
US20150119728A1 (en) * 2011-12-02 2015-04-30 Fitlinxx, Inc. Health monitor
WO2014118767A1 (en) * 2013-02-03 2014-08-07 Sensogo Ltd. Classifying types of locomotion
JP5803962B2 (ja) * 2013-03-22 2015-11-04 ソニー株式会社 情報処理装置、センサ装置、情報処理システムおよび記録媒体
KR101500662B1 (ko) * 2013-10-18 2015-03-09 경희대학교 산학협력단 모바일 단말을 이용한 활동 인식 장치 및 인식 방법
CN104680046B (zh) * 2013-11-29 2018-09-07 华为技术有限公司 一种用户活动识别方法及装置
US9529011B2 (en) * 2013-12-02 2016-12-27 Nike, Inc. Flight time
CN103970271B (zh) * 2014-04-04 2017-06-20 浙江大学 融合运动和生理传感数据的日常活动识别方法
CN106537397B (zh) * 2014-09-02 2019-12-13 苹果公司 身体活动和健身监视器
CN106999106A (zh) * 2014-12-02 2017-08-01 皇家飞利浦有限公司 用于使用可穿戴设备的测量结果生成健康数据的系统和方法
WO2017040318A1 (en) * 2015-08-28 2017-03-09 Focus Ventures, Inc. Automated motion of interest recognition, detection and self-learning
CN105242779B (zh) * 2015-09-23 2018-09-04 歌尔股份有限公司 一种识别用户动作的方法和移动智能终端
US20170232294A1 (en) * 2016-02-16 2017-08-17 SensorKit, Inc. Systems and methods for using wearable sensors to determine user movements
US9830516B1 (en) * 2016-07-07 2017-11-28 Videoken, Inc. Joint temporal segmentation and classification of user activities in egocentric videos

Also Published As

Publication number Publication date
DE102019008548A1 (de) 2020-06-25
GB2581014A (en) 2020-08-05
GB2581014B (en) 2021-09-22
FI20196079A1 (fi) 2020-06-22
TWI729596B (zh) 2021-06-01
GB201917731D0 (en) 2020-01-15
TW202032327A (zh) 2020-09-01
CN111351524A (zh) 2020-06-30

Similar Documents

Publication Publication Date Title
US20230112041A1 (en) Music Selection Based on Exercise Detection
Gjoreski et al. The university of sussex-huawei locomotion and transportation dataset for multimodal analytics with mobile devices
US11607144B2 (en) Sensor based context management
US10433768B2 (en) Activity intensity level determination
US10488527B2 (en) Automatic tracking of geolocation data for exercises
US10327673B2 (en) Activity intensity level determination
US20210170227A1 (en) Automatic detection and quantification of swimming
US9730027B2 (en) Back-filling of geolocation-based exercise routes
EP3094050B1 (en) Wearable electronic apparatus
US20170172466A1 (en) Activity intensity level determination
US20140244163A1 (en) Determining User Device's Starting Location
CN105311813A (zh) 运动解析系统、运动解析装置、以及运动解析方法
EP3459271B1 (en) Back-filling of geolocation-based exercise routes
US20190175106A1 (en) Health and athletic monitoring system, apparatus and method
CN106454723A (zh) 一种基于手机加速度计的儿童监护方法
US20190142307A1 (en) Sensor data management
EP3431002B1 (en) Rf based monitoring of user activity
FI129882B (fi) Anturitiedon hallinta
US11587484B2 (en) Method for controlling a display
FI129844B (fi) Menetelmä näytön kontrolloimiseksi
CN114912065A (zh) 运动距离的计算方法、装置、可穿戴设备及介质
US20150296044A1 (en) Method and cloud server for personal profile matching using exercise information
GB2579998A (en) Sensor Based context management
CN116186552A (zh) 为训练计算模型提供未标记的训练数据
CN118447999A (zh) 运动信息监测的方法及相关设备

Legal Events

Date Code Title Description
PC Transfer of assignment of patent

Owner name: SUUNTO OY

FG Patent granted

Ref document number: 129882

Country of ref document: FI

Kind code of ref document: B