KR101579833B1 - 센서-기반의 운동 활동 측정 - Google Patents

센서-기반의 운동 활동 측정 Download PDF

Info

Publication number
KR101579833B1
KR101579833B1 KR1020147001974A KR20147001974A KR101579833B1 KR 101579833 B1 KR101579833 B1 KR 101579833B1 KR 1020147001974 A KR1020147001974 A KR 1020147001974A KR 20147001974 A KR20147001974 A KR 20147001974A KR 101579833 B1 KR101579833 B1 KR 101579833B1
Authority
KR
South Korea
Prior art keywords
sample
value
landing
determining
toe
Prior art date
Application number
KR1020147001974A
Other languages
English (en)
Other versions
KR20140051270A (ko
Inventor
아론 비. 웨스트
제임스 엠. 멀린
Original Assignee
나이키 이노베이트 씨.브이.
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 나이키 이노베이트 씨.브이. filed Critical 나이키 이노베이트 씨.브이.
Publication of KR20140051270A publication Critical patent/KR20140051270A/ko
Application granted granted Critical
Publication of KR101579833B1 publication Critical patent/KR101579833B1/ko

Links

Images

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
    • 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
    • A61B5/1036—Measuring load distribution, e.g. podologic studies
    • 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
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/48—Other medical applications
    • A61B5/486—Bio-feedback
    • 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
    • A61B5/6802—Sensor mounted on worn items
    • A61B5/6804—Garments; Clothes
    • A61B5/6807—Footwear
    • 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
    • A61B2503/00—Evaluating a particular growth phase or type of persons or animals
    • A61B2503/10—Athletes
    • 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
    • A63B2024/0065—Evaluating the fitness, e.g. fitness level or fitness index
    • 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
    • A63B2220/20—Distances or displacements
    • 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
    • A—HUMAN NECESSITIES
    • A63—SPORTS; GAMES; AMUSEMENTS
    • A63B—APPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
    • A63B2230/00—Measuring physiological parameters of the user
    • A63B2230/75—Measuring physiological parameters of the user calorie expenditure

Abstract

센서 데이터를 기초로 페이스 또는 속도를 결정하는 것이 사용자의 발이 지면과 같은 연습 표면과 접촉하는 접촉 시간의 양을 결정하는 것을 포함할 수 있을 것이다. 접촉 시간은 뒤꿈치 착지, 발가락-지면이탈, 및 후속하는 뒤꿈치 착지와 같은 여러 가지 이벤트들에 상응하는 센서 데이터 내의 샘플들을 식별하는 것에 의해서 결정될 수 있을 것이다. 하나의 예에서, 이러한 이벤트들은, 상응하는 문턱값들을 초과하는 3개의 샘플 값들(예를 들어, 3중값들(triplets))을 결정하는 것에 의해서 식별될 수 있을 것이다. 식별된 3중값(예를 들어, 뒤꿈치 착지, 발가락-지면이탈, 및 뒤꿈치 착지)의 유효성은, 마지막 이벤트 샘플과 중간 이벤트 샘플 사이의 차이가 중간 이벤트 샘플과 추기 이벤트 샘플 사이의 차이 보다 큰지의 여부를 결정하는 것에 의해서 확인될 수 있을 것이다. 일단 확인되면, 접촉 시간이 3중값으로부터 결정될 수 있을 것이다. 속도 또는 페이스를 결정하기 위해서, 선형 또는 비-선형 관계가 접촉 시간에 대해서 적용될 수 있을 것이다.

Description

센서-기반의 운동 활동 측정{SENSOR-BASED ATHLETIC ACTIVITY MEASUREMENTS}
본원 발명은 일반적으로 운동 성과(performance) 모니터링 디바이스에 관한 것이고, 보다 특히 신호 프로세싱을 이용하여 센서 출력 및 발-기반의 이벤트들(foot-based events)의 검출을 기초로 운동 정보를 결정하는 것에 관한 것이다.
육체적인 피트니스 및 건강에 대한 관심이 높아짐에 따라, 운동 활동 감지 디바이스들의 대중성이 최근에 상당히 높아졌다. 운동 활동 센서들의 이용은 실시한 운동 활동의 양을 구체적으로 식별할 수 있는 능력을 개인들에게 제공한다. 예를 들어, 러닝, 조깅, 또는 도보에서, 횡단한 거리의 양, 걸음의 수, 소모된 칼로리의 양, 및 러닝의 페이스(pace) 등을 측정하기 위해서, 개인들이 종종 만보계들 또는 가속도계들을 이용할 것이다. 일부의 현재 시스템들에서, 사용자의 발이 지면과 접촉한 시간의 양을 결정하여 페이스를 결정하기 위해서 가속도계가 이용된다. 예를 들어, "MONITORING ACTIVITY OF A USER IN LOCOMOTION ON FOOT"라는 명칭의 미국 특허 제 6,493,652 호는 접촉 시간을 기초로 사용자의 페이스를 결정하기 위한 일부 알고리즘들 및 방법들을 개시하고 있다. 그러나, 접촉 시간 및 페이스를 결정하는 현재의 알고리즘들 및 방법들은, 상이한 환경들 사이에서 그리고 상이한 사용자들 사이에서, 정확도가 상당히 달라질 수 있다. 부가적으로, 일부 가속도계-기반의 운동 활동 측정 시스템들은 단지 사용자가 특정 속도 이상으로 러닝 또는 이동할 때 페이스를 측정할 수 있다. 또한, 측정들의 정확도를 유지하기 위해서, 현재의 시스템들 중 많은 시스템들이 빈번한 교정 및 재-교정을 필요로 한다.
본 '발명의 내용' 항목은 '발명을 실시하기 위한 구체적인 내용'의 항목에서 추가적으로 후술되는 단순화된 형태의 개념들의 선택을 도입하기 위해서 제공된 것이다. 본 '발명의 내용' 항목은 청구된 청구 대상의 주요 특징들 또는 본질적인 특징들을 식별하기 위해서 의도된 것이 아니고, 또한 청구된 청구 대상의 범위를 결정하는데 도움을 주는 것으로 이용되도록 의도된 것이 아니다.
개시 내용의 양태들은, 사용자의 발이 훈련(exercise) 표면과 접촉하는 시간의 양을 결정하기 위한 그리고 그러한 결정을 기초로 페이스, 거리, 속도 및/또는 다른 운동 계측치들(metrics)을 후속하여 계산하기 위한 발-기반의 센서 데이터의 프로세싱에 관한 것이다. 하나의 예에서, 사용자의 접촉 시간을 결정하는 단계가 뒤꿈치 착지(hillstrike)와 발가락-지면이탈(toe-off)과 같은 특정 이벤트들이 센서 출력 내에 존재하는 것을 결정하는 단계를 포함할 수 있을 것이다. 구체적인 예에서, 프로세싱 시스템이 이벤트들의 3중값들(triplets)을 식별할 수 있을 것이고, 각각의 3중값이 제 1 뒤꿈치 착지, 발가락-지면이탈 및 후속하는 제 2 뒤꿈치 착지를 포함한다. 3중값의 연속적인(즉, 개재 이벤트들이 없는) 본질은, 프로세싱 시스템으로 하여금 사용자가 걸음을 걸을 때를 식별할 수 있게 허용한다. 3중값의 여러 가지 이벤트들의 타이밍을 기초로, 발 접촉 시간이 계산될 수 있을 것이다. 부가적으로 또는 대안적으로, 접촉 시간이 평균(mean)으로부터 벗어나는 표준 편차들의 구체적인 숫자인 경우에, 접촉 시간 및 상응하는 3중값이 필터링될 수 있을 것이다. 필터링은, 프로세싱 시스템으로 하여금, 페이스 및 다른 운동 계측치들을 계산하기에 앞서서 잠재적인 외부값들(outliers) 및 결점을 가진(flawed) 데이터 지점들을 제거할 수 있게 한다.
다른 양태에 따라서, 고속 푸리에(fourier) 변환 방법론을 이용하여 접촉 시간을 결정할 수 있을 것이다. 하나의 예에서, 고속 푸리에 변환이 센서 출력 데이터 상에서 실시될 수 있을 것이다. 이어서, 고속 푸리에 변환으로부터 초래되는 주파수 피크들 중 하나가 접촉 시간에 상응하는 것으로 식별될 수 있을 것이다. 적절한 주파수 피크의 식별은 샘플 연구로부터 얻어지는 경험적인 데이터 및/또는 연구들(studies)을 기초로 할 수 있을 것이다.
또 다른 양태에 따라서, 노력(effort) 모델 또는 시스템을 이용하여 접촉 시간을 그리고 후속하여 속도 및/또는 페이스를 결정할 수 있을 것이다. 노력은 센서 출력 신호의 크기에 대해서 가시적으로 그리고 산술적으로 상호관련될 수 있을 것이다. 따라서, 신호의 크기가 클수록, 사용자의 속도 또는 페이스가 크다. 센서 출력 신호의 크기와 접촉 시간 및/또는 페이스 사이의 상관성(correspondence)을 규정하기 위기 위해서 공식 또는 알고리즘이 유도될 수 있을 것이다.
발명의 다른 특징들 및 장점들은 이하의 도면들과 관련하여 취해진 상세한 설명의 이하의 예들로부터 명확해질 것이다.
도 1은 여기에서 설명된 하나 이상의 양태들에 따른 운동 활동 모니터링 시스템을 도시한다.
도 2는 여기에서 설명된 하나 이상의 양태들이 이용될 수 있는 컴퓨팅 환경을 도시한다.
도 3은 여기에서 설명된 하나 이상의 양태들에 따라 센서로부터 수신된 예시적인 데이터의 그래프이다.
도 4는 여기에서 설명된 하나 이상의 양태들에 따라 센서 출력 데이터를 기초로 결정된 예시적인 표준 편차들의 그래프이다.
도 5는 여기에서 설명된 하나 이상의 양태들에 따라 센서 출력 데이터를 이용하여 운동 이벤트들을 결정하기 위한 예시적인 방법을 도시한 흐름도이다.
도 6은 여기에서 설명된 하나 이상의 양태들에 따라 운동 이벤트들을 식별하기 위한 여러 가지 문턱값들 및 윈도우 크기들을 결정하기 위한 예시적인 방법을 도시한 흐름도이다.
도 7은 여기에서 설명된 하나 이상의 양태들에 따라 접촉 시간, 페이스 및 속도를 결정하기 위한 예시적인 방법을 도시한 흐름도이다.
도 8은 여기에서 설명된 하나 이상의 양태들에 따른 데이터의 세트에 대한 예시적인 표준 편차들 및 평균을 도시한다.
도 9는 여기에서 설명된 하나 이상의 양태들에 따라 센서 출력 데이터에 대해서 고속 푸리에 변환(FFT) 을 실시하기 위해서 이용될 수 있는 컴퓨터 알고리즘을 도시한다.
도 10a는 여기에서 설명된 하나 이상의 양태들에 따른 예시적인 센서 출력 데이터를 도시한다.
도 10b는 도 10a의 예시적인 센서 출력 데이터의 샘플 윈도우를 도시한다.
도 11은 FFT 알고리즘에 의해서 프로세싱된 도 10b의 샘플 윈도우의 그래프이다.
도 12a-12c는 여기에서 설명된 하나 이상의 양태들에 따른, 예시적인 센서 출력 데이터, 그리고 샘플 윈도우 및 FFT 프로세스된 샘플 윈도우의 상응하는 그래프를 도시한다.
도 13a-13c는 여기에서 설명된 하나 이상의 양태들에 따른 사용자 이동의 여러 속도들에 대한 예시적인 센서 출력 데이터 그래프들을 도시한다.
도 14a-14c는 도 13a-13c에 각각 도시된 센서 출력에 대한 예시적인 평균-중심의 데이터 그래프들을 도시한다.
도 15는 여기에서 설명된 하나 이상의 양태들에 따른, 센서 출력의 평균과 이동의 제 1 타입에 대한 속도 사이의 관계를 도시한 그래프이다.
도 16은 여기에서 설명된 하나 이상의 양태들에 따른, 센서 출력의 평균과 이동의 제 2 타입에 대한 속도 사이의 관계를 도시한 그래프이다.
이러한 발명이 많은 다른 형태들의 실시예도 허용할 수 있지만, 발명의 바람직한 실시예들이 도면들에 도시되어 있고 그리고 구체적으로 설명될 것이며, 본 개시 내용이 발명의 원리들의 예시로서 간주될 수 있을 것이고 그리고 도시되고 설명된 실시예들로 발명의 넓은 양태들을 제한하기 위한 의도가 없다는 것을 이해할 수 있을 것이다.
도 1은 발-장착형 가속도계-기반의 센서(101) 및 정도 디스플레이 디바이스(103)를 포함하는 예시적인 운동 활동 시스템을 도시한다. 발-장착형 센서(101)가 슈(shoe) 또는 다른 타입의 신발(footwear) 내에 배치될 수 있고, 사용자의 발이나 다리에 부착될 수 있고, 또는 신발에(예를 들어, 신발끈과 같은 외부 부분 상에 또는 슈(105)와 함께 도시된 바와 같은 신발창(sole) 부분 내부에) 부착될 수 있고, 기타 등등이 가능할 수 있을 것이다. 센서(101)가 복수 축들을 따른 가속도를 감지하도록 구성된 솔리드-스테이트(solid-state) 가속도계를 포함한다. 예를 들어, 센서(101)가 6-축 가속도계를 포함할 수 있을 것이다. 센서(101)는, 센서(101)로 하여금 데이터를 정보 디스플레이 디바이스(103)로 무선으로 제공할 수 있게 허용하는 무선 송신기 및/또는 송수신기(transceiver)(107)를 더 포함할 수 있을 것이다. 송수신기(107)가 디스플레이 디바이스(103)로 통합될 수 있고 또는 탈착식으로 연결가능한 디바이스일 수 있을 것이다. 일부 배열들에서, 센서(101)가, 무선 송신기 또는 송수신기에 더하여 또는 대안적으로 유선 커넥터 또는 연결부뿐만 아니라, 데이터를 일시적으로 또는 영구적으로 저장하기 위한 저장 매체(예를 들어, 플래시 메모리)를 포함할 수 있을 것이다. 하나의 예에서, 스케쥴 송신 시간까지 또는 (예를 들어, 정보 디스플레이 디바이스(103)로부터의) 데이터에 대한 요청을 수신할 때까지, 센서(101)가 측정된 데이터를 저장할 수 있을 것이다. 부가적으로 또는 대안적으로, 센서(101)가 압력-감응형 저항 스위치들, 압전 변환기들(transducers), 접촉 스위치들, 및 수은 스위치들, 등을 포함하는 다른 타입의 센서들을 포함할 수 있을 것이다.
센서(101)로부터 그리고 센서(101)로 데이터를 수신 및/또는 송신하기 위해서, 정보 디스플레이 디바이스(103)가 무선 수신기 및/또는 송수신기를 포함할 수 있을 것이다. 예를 들어, 정보 디스플레이 디바이스(103)가 센서(101)로부터 센서 측정치들을 수신할 수 있고 또는 (예를 들어, 수작업적인 사용자 프롬프팅(propting) 시에 센서(101)로부터 데이터를 요청하는) 명령들을 센서(101)로 송신할 수 있을 것이다. 하나 이상의 배열들에서, 정보 디스플레이 디바이스(103)가 손목시계 또는 다른 손목 착용 디바이스들, 암밴드, 가슴 스트랩, 안경, 및 헤드웨어, 등과 같은 사용자-착용형 디바이스를 포함할 수 있을 것이다. 정보 디스플레이 디바이스(103)가 프로세서, 메모리, 그리고 스피커, 터치스크린 입력 시스템들, 마이크로폰들, 햅틱(haptic) 피드백 디바이스들, 데이터 포트들, 및 커넥터들과 같은 다른 입력/출력 성분들을 더 포함할 수 있을 것이다. 메모리는, 센서(101)로부터의 센서 데이터를 프로세스 하기 위해서 프로세서 및 디바이스(103)에 의해서 실행될 수 있는 컴퓨터 판독가능 지시어들을 저장할 수 있을 것이다. 예를 들어, 하나의 배열에서, 정보 디스플레이 디바이스(103)가 센서(101)로부터 수신된 신호들 및 데이터를 기초로 페이스, 거리 및/또는 소모 칼로리를 계산 또는 달리 결정할 수 있을 것이다. 그러한 결정들을 하기 위한 알고리즘들, 방법들 및 시스템들이 여기에서 더 구체적으로 설명된다.
하나의 예시적인 동작 방법에서, 사용자가 버튼을 누르는 것 또는 정보 디스플레이 디바이스(103) 내로 명령을 달리 입력하는 것에 의해서 데이터 기록을 시작할 수 있을 것이다. 이에 응답하여, 디스플레이 디바이스(103)가 정보를 위해서 센서(101)를 폴링(polling)하는 것 및 데이터를 저장부 내에 기록하는 것을 시작할 수 있을 것이다. 디스플레이 디바이스(103)가 데이터를 동적으로(dynamically)(예를 들어, 실시간으로) 프로세싱하는 것을 추가적으로 개시할 수 있고, 그에 따라 페이스 또는 거리와 같이 프로세스된 정보가 사용자의 정보를 위해서 실시간으로 디스플레이될 수 있을 것이다. 사용자는, 디스플레이 디바이스(103)를 이용하여 상응하는 명령을 입력함으로써, 기록 및/또는 프로세싱을 추가적으로 중단시킬 수 있을 것이다. 디폴트 셋팅 또는 사용자의 선호에 따라서, 미리 결정된 시간의 양 동안 또는 무한적으로, 기록된 데이터가 디스플레이 디바이스(103)에 의해서 자동적으로 저장될 수 있을 것이다. 일부 배열들에서, 데이터가 또한 인터넷과 같은 컴퓨터 네트워크를 통해서 하나 이상의 원격 데이터베이스들, 서버들 또는 다른 시스템들로 무선으로 송신될 수 있을 것이다. 예를 들어, 디바이스(103)가 연습(workout) 활동 데이터를 인터넷 상의 원격 운동 성과 트랙킹 사이트로 송신할 수 있을 것이다.
하나 이상의 구성들에서, 성과 계측치들을 생성하기 위한 데이터 프로세싱이 정보 디스플레이 디바이스(103)로부터 분리된 디바이스(미도시)에 의해서 실시될 수 있을 것이다. 예를 들어, 프로세싱이, 센서(101) 및 디스플레이 디바이스(103) 모두와 인터페이스하는 분리된 프로세싱 디바이스에 의해서 실시될 수 있고, 그리고 하나의 특별한 예에서, 센서(101)와 디스플레이 디바이스(103) 사이의 중계부(intermediary)로서 작용할 수 있을 것이다. 그러한 프로세싱 디바이스는, 디스플레이 디바이스(103)가 센서(101)로부터 직접적으로 데이터를 수신하기 위한 적절한 통신 능력들(예를 들어, 하드웨어, 소프트웨어, 펌웨어)을 가지지 않을 수 있는 경우들에서 이용될 수 있을 것이다. 따라서, 분리된 프로세싱 디바이스가, 양립가능한(comatible) 방식으로, 센서 데이터를 수신하고 그리고 센서(101)와 통신하고 그리고 디스플레이 디바이스(103)로 정보를 제공하도록 구성될 수 있을 것이다. 프로세싱 디바이스가 디스플레이 디바이스(103)에 직접적으로 그리고 물리적으로 연결될 수 있을 것이다. 그 대신에, 프로세싱 디바이스가 무선 연결을 통해서 디스플레이 디바이스(103)와 통신할 수 있을 것이다. 유사하게, 프로세싱 디바이스가 센서(101)에 물리적으로 연결될 수 있고 또는 근거리 필드 통신(near field communication) 프로토콜들 및 기술, 근거리 네트워크들 및/또는 광역 네트워크들을 이용하여 무선으로 연결될 수 있을 것이다. 일부 경우들에서, 프로세싱 디바이스는, 광역 네트워크 또는 근거리 네트워크에 걸친 데이터 프로세싱을 제공하는 원격 또는 근거리 서버를 포함할 수 있을 것이다.
하나의 양태에 따라서, 센서(101)가, 디스플레이 디바이스(103)로 또는 분리된 프로세싱 디바이스로 정보를 송신하기에 앞서서 센서 데이터의 적어도 일부의 프로세싱을 실행하도록 구성될 수 있을 것이다. 예를 들어, 센서(101)가 측정된 전압의 변화들을 통해서 이동을 검출할 수 있을 것이다. 데이터를 보다 이용가능하게 하기 위해서 또는 보다 용이하게 프로세스할 수 있게 하기 위해서, 센서(101)가 전압 정보를 미리 규정된 스케일(scale)에 부합하는(adhering) 값(예를 들어, 0 내지 255의 부호없는(unsigned) 디지털 값)으로 미리-프로세스할 수 있을 것이다. 센서(101)가 미리 규정된 양의 시간 동안 센서 데이터를 저장하기 위해서 FLASH 메커니즘 및/또는 하드 디스크 메모리와 같은 저장 시스템들을 더 포함할 수 있을 것이다. 예를 들어, 메모리가 만충될 때까지, 사용자가 메모리를 소거(clear) 하도록 선택할 때까지, 및 기타 등등까지, 센서 데이터가 10일 동안 센서(101) 내에 저장될 수 있을 것이다.
도 2는 여러 가지 데이터를 프로세스하도록 그리고 여러 가지 기능들을 실시하도록 동작가능한 컴퓨팅 디바이스를 도시한다. 예를 들어, 컴퓨팅 디바이스(201)가 도 1의 센서(101)와 같은 센서, 프로세싱 디바이스 또는 시스템 및/또는 도 1의 디바이스(103)와 같은 정보 디스플레이 디바이스에 상응할 수 있을 것이다. 도 2의 블록도에서, 컴퓨팅 시스템(201)이, 수학적인 연산들(computations)을 실시하기 위한 그리고 컴퓨팅 시스템(201) 및 그와 연관된 성분들, 랜덤 액세스 메모리(RAM)(205), 리드-온리 메모리(ROM)(207), 입/출력(I/O) 모듈(209), 및 메모리(215)의 전체적인 동작을 제어하기 위한 프로세서(203)를 가질 수 있을 것이다. I/O(209)가 마이크로폰, 마우스, 생체 인증(biometric) 스캐너 또는 식별기, 키패드, 터치 스크린, 스캐너, 광학적 판독기, 및/또는 스타일러스를 포함할 수 있을 것이고, 이들을 통해서 컴퓨팅 디바이스(201)의 사용자는 입력을 제공할 수 있을 것이고, 그리고 상기 I/O(209)는 또한 청각적 출력을 제공하기 위한 하나 이상의 스피커 및 문자, 시청각(audiovisual) 및/또는 그래픽 출력을 제공하기 위한 비디오 디스플레이 디바이스를 포함할 수 있을 것이다. 소프트웨어(예를 들어, 컴퓨터 판독가능 지시어들)가 메모리(215) 및 다른 저장장치에 저장되어, 지시어들을 프로세서(203)로 제공함으로써 디바이스(201)로 하여금 여러 가지 기능들을 실시하도록 유도하고 실시 가능하게 한다. 예를 들어, 메모리(215)가, 동작 시스템(217), 애플리케이션 프로그램들(219), 및 연관된 데이터베이스(211)와 같은, 컴퓨팅 시스템(201)에 의해서 사용되는 소프트웨어를 저장할 수 있을 것이다. 그 대신에, 일부 또는 모든 컴퓨팅 디바이스(201)가 하드웨어 또는 펌웨어(미도시)로 구현될 수 있을 것이다. 하나 이상의 배열들에서, 컴퓨팅 디바이스(201)가, 도 1의 센서(101)에 대해서 설명한 바와 같은 가속도계와 같은 하나 이상의 내장형 센서들, 심박수 센서, 및 압력 센서, 등을 포함할 수 있을 것이다.
컴퓨팅 디바이스(201)가 또한, 배터리, 스피커, 및 안테나(미도시)와 같은 여러 가지 다른 성분들을 포함하는 모바일 통신 디바이스 또는 단말기(예를 들어, 모바일 폰, PDAs, 노트북들, 등)로서 동작할 수 있을 것이다. 부가적으로 또는 대안적으로, 컴퓨팅 디바이스(201)가 모뎀(221) 또는 근거리 네트워크(LAN) 인터페이스(213)를 통해서 하나 이상의 네트워크들에 연결될 수 있을 것이다. 하나 이상의 예들에서, 컴퓨팅 디바이스(201)가 하나 이상의 네트워크들에 대한, BLUETOOTH 연결들, 셀룰러 통신 연결들, 위성 연결들 및/또는 이들의 조합들을 포함하는 유선 또는 무선 연결들을 가질 수 있을 것이다.
도 3은 도 1의 센서(101)와 같은 센서에 의해서 출력될 수 있는 데이터의 예시적인 그래프를 도시한다. 그래프(300)는 사용자의 러닝 활동에 상응하고 그리고 0-4의 미가공(raw) 신호 스케일로 초당 400개의 샘플들의 데이터 샘플링 레이트(rate)(예를 들어, 센서에 의해서 검출되는 샘플링 전압들)를 나타낸다. 도보, 조깅 또는 러닝 중의, 사용자의 보폭(stride)이, 발가락-지면이탈(예를 들어, 사용자의 발가락이 지면을 떠날 때)이 후속되는 뒤꿈치 착지(예를 들어, 사용자의 뒤꿈치가 지면에 착지될 때)와 같은, 몇몇 공지된 이벤트들을 포함할 수 있을 것이다. 사용자의 뒤꿈치 착지와 발가락-지면이탈 사이에, 사용자의 발이 일반적으로 지면과 접촉한다. 발 지면 접촉 시간을 결정하는 것에 의해서, 사용자의 페이스 또는 속도가 결정될 수 있을 것이다. 그러나, 사용자의 뒤꿈치가 지면에 착지될 때 그리고 사용자의 발가락이 지면으로부터 들어 올려질 때를 결정하는 것이 미가공 신호 출력만을 기초로 하기에는 어려울 수 있을 것이다. 도시된 바와 같이, 그래프(300) 내의 피크들 및 밸리들의 순수한 숫자(sheer number)는 특별한 이벤트들(예를 들어, 뒤꿈치 착지들 및 발가락-지면이탈들)을 식별하기 어렵게 한다. 미가공 신호 출력을 보다 이용이 용이한 형태로 전환 또는 프로세싱하고 그리고 후속하여 발 접촉 시간의 양, 사용자의 페이스 및/또는 속도를 계산하기 위한 알고리즘들이 존재한다. 그러나, 전술한 바와 같이, 현재의 알고리즘들 및 방법들은 사용자가 나타내는 이동의 타입에 의존하여 정확도가 상당히 변화될 수 있을 것이다. 예를 들어, 일부 알고리즘들이, (느린 러닝 또는 도보에 대비하여) 스프린트 훈련들 중에, 부정확한 접촉 시간들을 초래할 수 있고, 그에 따라 부정확한 속도들 및 거리들을 나타낼 수 있을 것이다. 다른 알고리즘들은 프로세싱 도보 훈련들에서 정확한 페이스들, 속도들 및/또는 거리들을 결정하기 어려울 수 있을 것이다.
본원 개시 내용은 여러 가지 걸음(stepping) 이벤트들(즉, 뒤꿈치 착지 및 발가락-지면이탈)을 보다 정확하게 식별하기 위해서 롤링(rolling) 3 지점 표준 편차 공식을 이용한 미가공 신호의 사전-프로세싱을 이용한다. 예를 들어, 이하의 공식을 이용하여 도 3의 그래프(300)에 도시된 바와 같은 미가공 신호 출력을 프로세스할 수 있을 것이다:
Figure 112014007350138-pct00001
상기 방정식에서, N은 상수이고 표준 편차를 결정하기 위해서 이용되는 샘플의 수를 나타내는 한편, x는 미가공 신호 출력의 값을 나타낸다. 상기 예에서, 3개의 샘플들(즉, N = 3)이 각각의 샘플 수 또는 시간(i)에 대해서 분석된다. 그러한 알고리즘은 직전의, 현재의, 그리고 직후의 샘플들을 이용하여 현재의 샘플에 상응하는 표준 편차를 결정한다. 특히, 알고리즘은 3개의 샘플들 각각의 사이의 차이의 제곱과 3개의 샘플들의 평균을 합계한다. 이어서, 그러한 합계를 샘플들의 수(N)로 나눈다. 이어서, 이전의 계산들로부터 초래된 값의 평방근(square root)을 취함으로써, 표준 편차가 계산된다. 각각의 샘플에 대한 3-지점 표준 편차가 계산될 수 있고 그리고 후속하여 그래프화될 수 있을 것이다.
도 4는, 도 3의 미가공 신호 데이터에 대해서 적용됨에 따른, 전술한 3-지점 표준 편차 알고리즘을 기초로 생성된 표준 편차 대 샘플/시간의 예시적인 그래프이다. 미가공 신호를 (예를 들어, 발가락-지면이탈 또는 뒤꿈치 착지 이벤트들에 대한 신호 분석에 앞서서) 사전-프로세싱함으로써, 뒤꿈치 착지(h.s.) 및 발가락-지면이탈(t.o.) 이벤트들이 보다 용이하게 식별될 수 있을 것이다. 예를 들어, 지역들(403a 및 403b)과 같은 그래프의 비-피크 부분들에 대비하여, 피크(401)와 같은 피크들의 크기가 보다 현저할 수 있고 또는 보다 상당할(significant) 수 있을 것이다. 따라서, 뒤꿈치 착지 또는 발가락-지면이탈 이벤트에 상응하는 피크들이 그러한 이벤트들에 상응하지 않는 피크들로부터 보다 용이하게 구별될 수 있을 것이다. 일부 배열들에서, 특정 크기(예를 들어, 표준 편차)에 도달하는 그러한 피크들만이, 그러한 피크들이 뒤꿈치 착지 또는 발가락-지면이탈 이벤트에 상응하는지의 여부를 결정하기 위해서 분석될 수 있을 것이다. 문턱값 크기를 충족시키지 못하는 그러한 피크들이 분석 중에 필터링으로 제거되거나 무시될 수 있을 것이다.
도 5는 가속도계 또는 다른 발-기반의 센서에 의해서 생성된 신호와 같은 입력 신호를 기초로 뒤꿈치 착지 및 발가락-지면이탈 이벤트들을 식별하기 위한 예시적인 방법을 도시한다. 단계(500)에서, 프로세싱 시스템이 발-기반의 센서로부터 입력 신호를 수신할 수 있을 것이다. 예를 들어, 신호가 도 3의 그래프(300)에 도시된 신호와 유사할 수 있을 것이다. 프로세싱 시스템이 발-기반의 센서와 일체로 형성될 수 있고 또는 센서에 대해서 무선으로 연결되거나 유선 연결되는 물리적으로 분리된 디바이스를 포함할 수 있을 것이다. 하나의 예에서, 프로세싱 시스템이 손목 착용형, 가슴 착용형, 머리 착용형, 어깨 착용형, 또는 다른 신체 착용형 디바이스의 일부로서 포함될 수 있을 것이다. 단계(505)에서, 프로세싱 시스템이 신호 데이터를 사전-프로세스하여, 도 3 및 4에 대해서 전술한 바와 같이 3 지점 표준 편차 값들을 생성할 수 있을 것이다. 단계(510)에서, 프로세싱 시스템이 사전-프로세스된 데이터에서 샘플들의 평균을 후속하여 결정할 수 있을 것이다. 평균은 샘플 세트 내의 모든 데이터에 대해서 또는 모든 데이터 보다 적은 하위 세트(subset)에 대해서(예를 들어, 단지 데이터의 특별한 윈도우에 대해서) 계산될 수 있을 것이다. 예를 들어, 평균이 직전의 샘플 값, 현재의 샘플 값 및 직후의 샘플 값을 포함하는 세트에 대해서, 전체 샘플 세트의 모든 다른 샘플 값을 포함하는 세트에 대해서, 그리고 기타 등등에 대해서 결정될 수 있을 것이다. 이어서, 결정된 평균을 이용하여, 프로세싱 시스템이 피크 문턱값들 및 폭 위치들을 단계(515)에서 결정할 수 있을 것이다. 폭 위치들은, 특별한 피크(예를 들어, 발가락-지면이탈 피크 또는 뒤꿈치 착지 피크)를 탐색할 때, 천이(shift)하고자 하는 샘플들의 수를 특정할 수 있을 것이다. 다른 한편으로, 피크 문턱값들은, 잠재적인 뒤꿈치 착지 또는 발가락-지면이탈 이벤트 피크로서 간주될 수 있기 위해서 샘플들에 대해서 충족되어야 하는 최소값을 규정할 수 있을 것이다. 피크 문턱값들 및 폭 위치들을 결정하기 위한 예시적인 프로세싱이 도 6에 대해서 이하에서 더 구체적으로 설명된다.
단계(520)에서, 프로세싱 시스템이 피크 이벤트에 대해서 평가하기 위한 샘플을 선택할 수 있을 것이다. 예를 들어, 프로세싱의 개시 시에, 선택된 샘플이 사전-프로세스된 데이터 세트 내의 제 1 샘플에 상응할 수 있을 것이다. 대안적으로, 만약 프로세싱이 이미 시작되었다면, 선택된 샘플이 데이터 세트 내의 다음 샘플일 수 있을 것이다. 단계(525)에서, 프로세싱 시스템은, 샘플의 값이 단계(515)에서 결정된 바와 같은 뒤꿈치 착지 문턱값 보다 크거나 그와 같은지를 결정할 수 있을 것이다. 만약 크거나 같다면, 프로세싱 시스템이, 단계(530)에서, 일차적인 피크 샘플 윈도우 내에서 뒤꿈치 착지 이벤트의 최대값을 탐색할 수 있을 것이다. 예를 들어, 프로세싱 시스템이, 현재 샘플의 40-60개 샘플들의 일차적인 피크 샘플 윈도우 내에서 가장 큰 값을 가지는 샘플을 식별할 수 있을 것이다. 일차적인 피크 윈도우가 현재의 샘플로 시작되고 그리고 미리 규정된 양의 시간 또는 샘플들의 수에 대해서 전방으로 연장(확장; extending)하는 것으로서 규정될 수 있을 것이다. 일단 최대값이 발견되면, 단계(535)에서, 상응하는 샘플이 식별될 수 있고 그리고 제 1 뒤꿈치 착지 이벤트 또는 피크로서 태그될(tagged) 수 있을 것이다. 그러나, 만약 현재 샘플의 값이 뒤꿈치 착지 문턱값 보다 작다면, 프로세싱 시스템이 단계(540)에서 하나 이상의 샘플들을 진행시킬 수 있고 그리고 단계(525)로 복귀될 수 있을 것이다. 하나의 예에서, 만약 현재의 샘플 값이 뒤꿈치 착지 문턱값 보다 작다면, 프로세싱 시스템이 하나의 샘플을 천이시킬 수 있을 것이다. 다른 예들에서, 프로세싱 시스템이 복수(예를 들어, 2, 5, 10, 100, 등)의 샘플들을 천이시킬 수 있을 것이다.
뒤꿈치 착지 이벤트가 일차적인 피크 윈도우 내에서 일단 발견되면, 프로세싱 시스템은, 단계(545)에서, 이차적인 피크 샘플 윈도우 내의 가장 큰 값을 가지는 샘플을 탐색할 수 있을 것이다. 이차적인 피크 샘플 윈도우의 크기가 일차적인 피크 윈도우의 크기와 상이하거나 동일할 수 있을 것이고 그리고 여기에서 설명된 알고리즘들 및 프로세스들에 따라서 계산될 수 있을 것이다. 하나의 예에서, 이차적인 피크 샘플 윈도우가 현재 샘플로부터 벗어난(away from) 50-200개 샘플들의 범위를 가질 수 있을 것이다. 따라서, 프로세싱 시스템은 50-200개 샘플 윈도우 내에서 가장 큰 값을 가지는 샘플을 식별할 수 있을 것이다. 단계(550)에서, 프로세싱 시스템은, 이차적인 피크 샘플 윈도우 내에서 식별된 가장 큰 값이 이차적인 문턱값 보다 큰지의 여부를 결정할 수 있을 것이다. 이차적인 문턱값은, 하나의 예에서, 발가락-지면이탈 이벤트(예를 들어, 발가락-지면이탈 문턱값)를 식별하기 위한 문턱값에 상응할 수 있을 것이다. 만약 이차적인 문턱값 보다 크지 않다면, 프로세싱 시스템은 단계(555)에서 전방으로 많은 수의 샘플들을 천이시킬 수 있고 그리고 새로운 현재의 샘플을 이용하는 단계(525)로 복귀될 수 있을 것이다. 프로세싱 시스템이 전방으로 천이하는 샘플들의 수가, 하나 이상의 배열들에서, 일차적인 피크 윈도우 크기(예를 들어, 40-60개 샘플들)에 상응할 수 있을 것이다. 다른 예들에서, 천이 크기가 이차적인 피크 샘플 윈도우(예를 들어, 50-220개 샘플들) 또는 다른 크기들(예를 들어, 10개 샘플들, 1개 샘플, 25개 샘플, 500개 샘플들, 등)에 상응할 수 있을 것이다. 다른 한편으로, 만약 이차적인 피크 샘플 윈도우 내에서 식별된 가장 큰 값이 이차적인 피크 샘플 윈도우 보다 크다면, 프로세싱 시스템이 단계(560)에서 발가락-지면이탈 이벤트 및 피크로서 상응하는 샘플을 식별하고 태그할 수 있을 것이다. 부가적으로, 이어서, 단계(565)에서, 프로세싱 시스템이, 발가락-지면이탈 이벤트 샘플로부터 벗어난 샘플들의 탐색 윈도우 내에서 일차적인 문턱값 보다 큰 값을 가지는 후속 샘플을 탐색할 수 있을 것이다. 하나의 예에서, 탐색 윈도우가 발가락-지면이탈 이벤트 샘플로부터 60-300 샘플들이 될 수 있을 것이다. 만약 그러한 값이 단계(570)에서 결정된 바와 같은 탐색 윈도우 내에서 발견되지 않는다면, 프로세싱 시스템이 단계(575)에서 많은 수의 샘플들(예를 들어, 40-60 샘플들)을 전진 천이할 수 있을 것이고 그리고 단계(525)로 복귀될 수 있을 것이다. 단계들(555 및 575)에서 천이되는 샘플들의 수가 하나 이상의 구성들에서 동일할 수 있을 것이다.
그러나, 만약 일차적인 문턱값 보다 큰 값이 탐색 윈도우 내에서 발견된다면, 단계(580)에서, 프로세싱 시스템이 지역적인(local) 최대값들 윈도우 내의 지역적인 최대값들을 후속하여 식별할 수 있을 것이다. 예를 들어, 최대값을 식별하기 위해서, 프로세싱 시스템이 샘플들의 지역적인 최대값들 윈도우 내의 각각의 샘플의 값들을 비교할 수 있을 것이다. 이어서, 지역적인 최대값들 윈도우 내의 최대값에 상응하는 샘플이 단계(585)에서 제 2 뒤꿈치 착지 이벤트로서 식별되거나 태그될 수 있을 것이다. 따라서, 프로세싱 시스템은 식별된 또는 태그된 제 1 뒤꿈치 착지 샘플/이벤트, 발가락-지면이탈 샘플/이벤트, 및 단계(585)에 도달할 때 식별되고 태그되는 제 2 뒤꿈치 착지 샘플/이벤트를 가질 수 있을 것이다. 뒤꿈치 착지 및 발가락-지면이탈 이벤트 식별을 확인하고 정확도를 높이기 위해서, 프로세싱 시스템이, 제 2 뒤꿈치 착지 값과 발가락-지면이탈 값 사이의 차이가 발가락-지면이탈 값과 제 1 뒤꿈치 착지 값 사이의 차이 보다 큰지의 여부를 단계(590)에서 결정할 수 있을 것이다. 만약 크지 않다면, 프로세싱 시스템이 단계(593)에서 제 2 뒤꿈치 착지로부터 많은 수의 샘플들을 전방으로 천이시킬 수 있을 것이다. 프로세싱 시스템이 전방으로 천이하는 샘플들의 수는, 예를 들어, 일차적인 피크 윈도우의 크기에 의해서 규정되는 범위 이내가 될 수 있을 것이고, 또는 다른 크기에 상응할 수 있을 것이다.
다른 한편으로, 만약 제 2 뒤꿈치 착지 값과 발가락-지면이탈 값 사이의 차이가 발가락-지면이탈 값과 제 1 뒤꿈치 착지 값 사이의 차이보다 큰 것으로 프로세싱 시스템이 결정한다면, 단계(595)에서, 프로세싱 시스템은 제 3 값들 및 샘플들을 뒤꿈치 착지, 발가락-지면이탈 및 뒤꿈치 착지 이벤트들의 유효 3중값으로서 식별하고 저장할 수 있을 것이다. 하나의 예에서, 프로세싱 시스템이 샘플 수들 및 값들을 3중값 샘플들 및 값들의 리스트 내에 저장할 수 있을 것이다. 샘플 값들이 일단 저장되면, (예를 들어, 단계(525)로 복귀됨으로써) 프로세싱 시스템이 많은 수의 샘플들을 전방으로 천이할 수 있을 것이고 그리고 뒤꿈치 착지 및 발가락-지면이탈 이벤트들을 식별하는 것을 계속할 수 있을 것이다. 하나의 예에서, 유효 뒤꿈치 착지, 발가락-지면이탈, 뒤꿈치 착지 3중값을 식별한 후에 프로세싱 시스템이 천이하는 샘플들의 수가 50-220 샘플들의 범위를 가질 수 있을 것이다. 일부 배열들에서, 유효 3중값을 식별할 때 천이되는 샘플들의 수가, 뒤꿈치 착지 또는 발가락-지면이탈 문턱값이 충족되지 않았다는 결정(예를 들어, 단계들(540, 555 및 575)에서)에 응답하여 천이되는 샘플들의 수와 상이할 수 있을 것이다.
도 6은 뒤꿈치 착지 및 발가락-지면이탈 문턱값들, 샘플 윈도우 크기들 및 천이량들을 결정할 수 있는 방법을 도시한다. 단계(600)에서, 시스템이 센서 신호에 상응하는 샘플 레이트를 결정할 수 있을 것이다. 센서 신호가, 예를 들어, 가속도계에 의해서 출력된 데이터 또는 전술한 표준 편차 알고리즘을 이용하여 사전-프로세스된 신호에 상응할 수 있을 것이다. 단계(605)에서, 시스템이 신호 내의 샘플들의 평균을 추가적으로 계산할 수 있을 것이다. 예를 들어, 평균이 도 5의 단계(510)에서 설명된 것과 유사한 방식으로 결정될 수 있을 것이다. 단계(610)에서, 시스템이 디폴트 샘플 레이트(예를 들어, 400 Hz, 200 Hz, 300 Hz, 50 Hz, 1000 Hz)와 실제 샘플 레이트 사이의 비율을 기초로 일차적인 피크 윈도우 크기를 결정할 수 있을 것이다. 하나의 예에서, 일차적인 피크 윈도우 크기가 이하의 공식에 따라서 결정될 수 있을 것이다:
일차적인 피크 윈도우 크기 = 반올림(round)(z * 디폴트 레이트/실제 레이트)
이때, z는 상수(예를 들어, 40)에 상응하고 그리고 반올림 함수는 결과적인 값을 가장 근사치 정수로 반올림하기 위해서 사용된다. 단계(615)에서, 시스템이 평균을 기초로 뒤꿈치 착지 및 발가락-지면이탈 값 문턱값을 추가적으로 결정할 수 있을 것이다. 하나의 예에서, 뒤꿈치 착지 값 문턱값이 이하와 같이 결정된다:
뒤꿈치 착지 문턱값 = 평균 + 0.05
한편으로, 발가락-지면이탈 값 문턱값이 이하의 공식을 이용하여 결정될 수 있을 것이다:
발가락-지면이탈 문턱값 = 1.1 * 평균 - 0.225
단계(620)에서, 실제 샘플 레이트 대 디폴트 샘플 레이트의 비율뿐만 아니라 평균을 기초로, 시스템이 발가락-지면이탈 이벤트 또는 샘플(도 5의 단계(535)에서 설명된 바와 같다)에 대한 탐색을 위해서 천이할 샘플들의 수를 결정할 수 있을 것이다. 잠재적인 뒤꿈치 착지 샘플 값이 상응하는 문턱값을 충족시키지 못할 때(예를 들어, 도 5의 단계들(525 및 575)) 및/또는 3중값을 확인 및 저장한 후에(예를 들어, 도 5의 단계(593)), 천이량이 또한 이용될 수 있을 것이다. 예를 들어 이하의 공식이 천이량을 계산하기 위해서 이용될 수 있을 것이다.
천이량 = 반올림(반올림(-40 * 평균 + 70) * (디폴트 레이트/실제 레이트))
마지막으로, 단계(625)에서, 시스템은 발가락-지면이탈 이벤트(예를 들어, 도 5의 단계(540)에서 설명된 바와 같다)를 탐색하기 위한 윈도우의 폭을 결정할 수 있을 것이다. 따라서, 프로세싱 시스템은, 윈도우가 결정된 윈도우 폭과 동일한 크기를 가지는, 현재 샘플로부터 벗어난 결정된 천이량인 샘플에서 시작되는 윈도우 내의 발가락-지면이탈 이벤트를 프로세싱 시스템이 탐색할 수 있을 것이다. 예를 들어, 이하의 공식을 이용하여 윈도우 폭을 결정할 수 있을 것이다:
윈도우 폭 = 반올림(반올림(-140 * 평균 + 195) * (디폴트 레이트/실제 레이트))
여러 가지 피크 문턱값들, 천이량들 및 윈도우 폭들을 동적으로 결정하는 상기 프로세스가, 데이터가 센서로부터 수신될 때 또는 센서에 의해서 생성될 때, 그때 그때(on-the-fly) 실시될 수 있을 것이다. 예를 들어, 평균이 계속적으로 결정될 수 있고 그리고 문턱값들, 천이량들 및 윈도우 폭들이 업데이트된다. 일부 예들에서, 도 6의 프로세스가 매 30초, 매 10초, 매 1분, 매 30분, 사용자에 의한 프롬프팅시에, 속도, 접촉 시간 또는 페이스의 천이의 검출시에, 기타 등등에, 및/또는 이들의 조합과 같이 주기적인 또는 비주기적인(aperiodic) 스케쥴로 실시될 수 있을 것이다.
발가락-지면이탈 및 뒤꿈치 착지 이벤트 피크들이 센서 출력 신호들로부터 식별되면, 프로세싱 시스템이 도 7에 도시된 바와 같이 사용자의 접촉 시간 및 페이스를 결정할 수 있을 것이다. 단계(700)에서, 예를 들어, 사용자의 발이 지면과 접촉하는 시간의 양과 대체적으로 상응하는, 각각의 3중값에 대한 발가락-지면이탈 이벤트와 제 1 뒤꿈치 착지 이벤트 사이의 시간의 차이를 결정하는 것에 의해서, 각각의 3중값(예를 들어, 뒤꿈치 착지, 발가락-지면이탈 및 뒤꿈치 착지 이벤트들의 세트)에 대한 접촉 시간(TC)을 프로세싱 시스템이 계산할 수 있을 것이다. 단계(705)에서, 프로세싱 시스템이 각각의 3중값에 대한 걸음(step) 시간(TS)을 추가적으로 계산할 수 있을 것이다. 그러한 걸음 시간은 사용자가 하나의 걸음(예를 들어, 각각의 3중값의 뒤꿈치 착지로부터 후속하는 뒤꿈치 착지 이벤트 까지)을 위해서 취한 시간의 양에 상응한다. 따라서, 걸음 시간이 2개의 뒤꿈치 착지 이벤트들 사이의 시간 차이를 측정하는 것에 의해서 결정될 수 있을 것이다. 단계(710)에서, 프로세싱 시스템은 접촉 시간 및 걸음 시간을 페이스 및 거리와 상호관련시키는 공식 또는 알고리즘을 결정 및/또는 선택할 수 있을 것이다. 예를 들어, 접촉 시간과 페이스 사이의 관계 및/또는 접촉 시간 및 걸음 시간의 거리와의 상호관계를 구체화하는 선형 방정식이 만들어질 수 있을 것이다. 하나 이상의 배열들에서, 공식들 또는 방정식들이 경험적으로(예를 들어, 샘플 연구들 및 데이터를 통해서) 생성될 수 있을 것이다.
단계(715)에서, 프로세싱 시스템은, 평균 접촉 시간 값으로부터 벗어난 표준 편차들의 미리 규정된 수 보다 큰 접촉 시간을 나타내는 3중값들을 제거하는 필터링 동작을 실시할 수 있을 것이다. 3중값의 상응하는 접촉 시간이 또한 계산된 접촉 시간들의 세트로부터 필터링되어 제거될 수 있을 것이다. 프로세싱 시스템의 페이스, 속도, 거리 및 다른 계측치들의 결정을 왜곡시킬 수 있는 잠재적인 부정확한 데이터를 제거하기 위해서, 프로세싱 시스템이 데이터를 필터링할 수 있을 것이다. 따라서, 만약 접촉 시간이 표준 편차들의 특별한 수(예를 들어, 1, 2, 5, 등)의 외부에 위치되면, 상응하는 3중값이 데이터 세트로부터 제거될 수 있을 것이다. 제거된 3중값에 상응하는 시간 기간에 대한 페이스, 접촉 시간, 및 속도 등이, 수용된 또는 제거되지 않은 3중값들 사이의 내삽(interpolating)에 의해서 결정될 수 있을 것이다. 추가적으로, 프로세싱 시스템이, 운동선수가 단순히 정지하지 않았다는 것을 확인하기 위한 체크를 실시할 수 있을 것이다. 하나의 예에서, 임의의 가속이 해당 시간에 검출되었는지의 여부를 프로세싱 시스템이 결정할 수 있을 것이다. 예를 들어, 만약 가속이 있었다면, 프로세싱 시스템은, 사용자가 정지하지 않았다는 것으로 결정할 수 있을 것이다. 만약 가속이 없었다면, 프로세싱 시스템은 사용자가 정지하였다는 것으로 결정할 수 있을 것이다. 평균 접촉 시간 값은, 이용가능한 접촉 시간들의 전체 세트 보다는, 특정된 수의 걸음들 또는 접촉 시간들에 걸쳐서 결정될 수 있을 것이다. 예를 들어, 평균이 마지막 5-10 걸음들을 기초로 계산될 수 있을 것이다. 유사하게, 표준 편차들이 동일한 범위의 계단들 또는 접촉 시간들을 기초로 계산될 수 있을 것이다.
도 8은 접촉 시간 대 걸음 또는 3중값 수의 예시적인 그래프를 도시한다. 그래프에 도시된 바와 같이, 평균은 3중값들의 마지막 걸음들의 수(N)에 대해서 초기에 결정된다. 후속하여, 표준 편차들의 수(예를 들어, 1)에 대한 상응하는 문턱값들이 결정될 수 있을 것이고 그리고 접촉 시간들 및 상응하는 3중값들이 관련된 표준 편차들을 기초로 데이터로부터 필터링되어 제거될 수 있을 것이다.
도 7을 다시 참조하면, 일단 필터링이 완료되면, 프로세싱 시스템은 단계(720)에서 나머지 접촉 시간 데이터를 이용하여 페이스를 후속하여 계산 또는 달리 결정할 수 있을 것이다. 페이스는 접촉 시간과의 미리 규정된 선형 관계를 기초로 계산될 수 있을 것이다. 예를 들어, 그러한 관계가 이하의 방정식에 의해서 관리될 수 있을 것이다:
페이스 = M * TC + B
여기에서 M 및 B는 선형 관계의 기울기 및 Y-절편(intercept)을 규정하는 상수들이다. M 및 B는, 하나의 예에서, 샘플 데이터를 통해서 경험적으로 결정될 수 있을 것이다. M 및 B가, 사용자에 의해서 실시되는 교정들을 기초로 추가적으로 조정될 수 있을 것이다. 상이한 타입들의 페이스가 또한 계산될 수 있을 것이다. 예를 들어, 순간적인 페이스가 단일 접촉 시간을 기초로 결정될 수 있는 한편, 미리 결정된 양의 시간 또는 걸음들에 걸친 평균 페이스는 미리 규정된 양의 시간 또는 걸음들로부터 초래된 접촉 시간들을 기초로 결정될 수 있을 것이다. 따라서, 하나의 예에서, 해당 시간 기간에 걸친 개인의 평균 페이스를 결정하기 위해서, 프로세싱 시스템이 마지막 1분에 걸친 평균 접촉 시간을 계산할 수 있을 것이다. 부가적으로, 페이스로부터, 거리가 단계(725)에서 계산될 수 있을 것이다. 예를 들어, 사용자가 러닝한 또는 도보한 또는 달리 이동한 전체 거리를 결정하기 위해서, 페이스에 시간의 양을 곱할 수 있을 것이다.
하나 이상의 양태들에 따라서, 페이스와 접촉 시간 사이의 관계가 비-선형적일 수 있을 것이다. 따라서, 그러한 경우들에서, 비-선형 방정식이 관계 설명을 위해서 유도될 수 있을 것이다. 예를 들어, 접촉 시간으로부터 페이스를 해석하기 위해서, 이차적인(quadratic) 관계가 규정되고 이용될 수 있을 것이다.
여기에서 설명된 바와 같이 3중값 검출을 이용하여 접촉 시간을 결정하는 것에 부가하여 또는 대안적으로, 접촉 시간이 또한 주파수 및 경험적 분석들을 기초로 결정될 수 있을 것이다. 특히, 가속도계와 같은 센서로부터 수신된 신호를 고속 푸리에 변환(FFT)을 이용하여 프로세싱하여, 그러한 신호 내에서 나타나는 주파수 범위 및 그러한 주파수들의 강도(strength)를 결정할 수 있을 것이다.
도 9는 수신된 신호에 대해서 FFT 프로세스를 실시하기 위해서 이용될 수 있는 예시적인 컴퓨터 알고리즘을 도시한다. 이러한 예시적인 알고리즘은 DFT/FFT(Paul Bourke가 기술함, http://paulbourke.net/miscellaneous/dft.)로부터 얻어졌다. 알 수 있는 바와 같이, 알고리즘은 초기에 알고리즘(900)의 섹션(901) 내에 도시된 바와 같은 값(m)을 기초로 샘플 지점들의 수를 계산한다. 그러한 값('m')은 샘플들이 수의 log2 에 상응하는 한편, x 및 y는 각각 샘플 지점들의 실제 및 가상 어레이들을 나타낸다. 데이터 지점들의 수가 일단 결정되면, 섹션(903)에서 도시된 바와 같이, 비트 역전(bit reversal) 프로세스가 각각의 데이터 지점에 대해서 실시된다. 예를 들어, 1의 값이 4 비트 이진수 표현 "0001"에 의해서 표시될 수 있을 것이다. 비트 역전시에, 해당 데이터 지점의 값(원래 0001)이 "1000"(8의 값을 나타냄)으로 변환될 수 있을 것이다. x 및 y 어레이들 내의 샘플 지점들의 각각에 대해서 비트 역전을 실시한 후에, 알고리즘은, 예를 들어, 섹션(905)에 기술된 공식들 및 프로세스들을 이용하여 FFT를 연산한다.
도 10a는 스프린팅 기간으로부터 생성된 예시적인 센서 신호를 도시한다. 하나의 배열에서, 센서 신호가 75 Hz의 샘플링 레이트에 상응할 수 있을 것이다. 도 10b에 도시된 바와 같이, 완전한 센서 신호로부터, 샘플 윈도우(1001)가 추출될 수 있을 것이다. 피크들 및 샘플들의 수로 인해서, 접촉 시간을 결정하는데 있어서 추출된 샘플 윈도우 조차도 해석하기 어려울 수 있을 것이다. 따라서, FFT가 샘플 윈도우에 대해서 실시될 수 있을 것이다. 이용되는 FFT가 도 9에 대해서 전술한 알고리즘을 포함할 수 있을 것이다.
도 11은, 데이터의 샘플 윈도우의 FFT를 기초로 생성될 수 있는 FFT v. 주파수 그래프(1100)를 도시한다. 이러한 그래프(1100)로부터, 접촉 시간에 상응하는 주파수가 결정될 수 있을 것이다. 하나의 예에서, 주파수가 복수의 신호 샘플들을 기초로 경험적으로 결정될 수 있을 것이다. 특별한 예에서, 샘플 신호 출력에 상응하는 러닝의 비디오를 관찰 및 타이밍함으로써, 샘플 신호 출력을 위한 접촉 시간이 결정될 수 있을 것이다. 접촉 시간의 결정시에, 사용자가 결정된 접촉 시간에 상응하는 주파수를 수작업으로 식별할 수 있을 것이다. 주파수는, 가속 데이터가 매칭되는(matched) 파동들의 주파수를 포함할 수 있을 것이다. 예를 들어, 지면과 접촉하고 이어서 밀어내고 그리고 공중으로 진행하고 다시 지면으로 하강하는 러너의 발의 행동(act)이, 적절한 피팅 함수(fitting function)(예를 들어, 사인 및 코사인 파동들)로 피팅될 수 있는 가속도들을 생성할 수 있을 것이다. 이러한 파동들의 주파수는, 운동선수의 발이 활동적이었던 또는 동일한 활동을 실시하였던 특징적인 시간들에 직접적으로 상응할 수 있을 것이다.
그래프(1100)와 같은 FFT 그래프로부터 적절한 주파수를 식별하기 위해서 패턴 또는 규칙(rule)이 구축될 수 있는 경우에, 전술한 프로세스가 반복될 수 있을 것이다. 예를 들어, 샘플 연구들이, 세 번째로 가장 낮은 주파수 피크가 접촉 시간에 대체적으로 상응한다는 것을 나타낼 수 있을 것이다. 따라서, 프로세싱 시스템이 FFT v. 주파수 그래프(1100) 내의 세 번째로 가장 낮은 주파수 피크를 접촉 시간에 상응하는 주파수로서 자동적으로 식별할 수 있을 것이다.
도 12a-12c는 접촉 시간에 상응하는 주파수 피크를 결정하기 위한 센서 출력 신호의 FFT 프로세싱을 도시한 예시적인 그래프이다. 특히, 그래프들(1201-1205)이, 도 10a, 10b 및 11에 도시된 스프린트에 상응하는 중간 페이스의 러닝(예를 들어, 특정된 페이스 또는 속도 문턱값 이하에서의 러닝) 대 센서 출력 신호에 대한, 센서 출력 신호, 상응하는 샘플 윈도우 및 상응하는 FFT 주파수 그래프에 각각 상응할 수 있을 것이다.
또 다른 배열에 따라서, 운동선수의 속도가 센서 출력 신호의 이동 평균을 기초로 결정 또는 계산될 수 있을 것이다. 결정은 속도 또는 페이스와 센서 출력 신호의 값 사이의 상호관련 또는 관계를 기초로 할 수 있을 것이다.
도 13a-13c는 운동선수가 상이한 페이스들 또는 속도들로 러닝 또는 도보할 때 생성되는 센서 출력 데이터의 양의 차이를 도시한 그래프들이다. 예를 들어, 도 13a는, 운동선수가 느린 조깅(예를 들어, 5 mph 또는 6 mph)으로 간주될 수 있는 제 1 페이스 또는 속도로 이동하는 그래프(1301)를 도시한다. 가시적으로, 그래프(1301)는 상당한 양의 비-신호 공간(예를 들어, 신호 출력을 나타내는 흑색 라인들에 대조되는 백색 공간으로 표시됨)을 도시한다. 도 13b에서, 그래프(1303)는 제 1 페이스에 대비되는 제 2의 보다 빠른 페이스로 이동하는 운동선수의 신호 출력을 도시한다. 하나의 예에서, 그래프(1303)의 센서 출력 신호가 빠른 조깅(예를 들어, 8 mph, 10 mph, 11 mph)에 상응할 수 있을 것이다. 운동선수의 보다 빠른 속도 또는 페이스로 인해서, 보다 많은 데이터가 운동선수의 이동을 기초로 생성된다. 따라서, 그래프(1303)가 적은 비-신호 공간(예를 들어, 도 13a의 그래프(1301)의 백색 또는 비-신호 공간의 양에 대비하여 적은 백색 공간)을 나타낸다. 도 13c는 보다 더 빠른 페이스에 대한 신호 출력 데이터를 나타내는 그래프(1305)를 도시한다. 이러한 보다 빠른 페이스가 하나의 예에서 스프린트에 상응할 수 있고 그에 따라 보다 더 큰 양의 센서 출력을 초래할 수 있을 것이다. 따라서, 운동선수 센서(예를 들어, 가속도계)로부터 수신된 출력 데이터의 양 또는 크기와 페이스 사이의 선형 상호관계를 생성함으로써 페이스가 결정될 수 있을 것이다. 예를 들어, 샘플 윈도우 위의 보다 큰 평균 센서 출력 값이 보다 높은 레벨의 활동 및 그에 따라 보다 빠른 페이스 또는 속도를 나타낼 수 있을 것이다.
일부 배열들에서, 프로세싱 시스템이, 평균-센터링된 센서 데이터를 생성하기 위해서, 센서 출력 데이터를 예비적으로 프로세스할 수 있을 것이다. 예를 들어, 평균이 센서 출력 내의 주어진 샘플 기간에 대해서 계산될 수 있고 그리고 후속하여 샘플 기간 내의 데이터 지점들의 각각으로부터 차감될 수 있을 것이다. 도 14a-14c는, 각각, 도 13a-13c의 센서 출력에 상응하는 평균-센터링된 센서 데이터를 도시하는 그래프들이다. 평균 센터링은, 신호가 음의 값으로부터 양의 값으로 요동할 수 있게 허용한다. 이러한 값들의 절대값을 이용하는 것은, 운동선수가 생성하는 전체 평균 가속의 계산을 허용한다. 예를 들어, 절대값은, 누군가가 얼마나 많은 노력 또는 가속을 생성하였는지를 반영할 수 있을 것이다. 만약 비-평균 센터링된 신호의 평균이 취해진다면, 결과는, 모든 다른 러닝 속도들에 대해서도 대체적으로 동일할 수 있는 기준선 가속 값이 될 수 있을 것이다. 따라서, 평균 센터링을 이용하는 것에 의해서, 가짜의(fake) 낮은 주파수 콘텐트가 제거되거나 배제될 수 있을 것이고, 운동선수의 노력 레벨이 보다 정확하게 결정될 수 있을 것이다. 하나의 배열에서, 특정된 샘플 윈도우에 대한 평균이 이하의 공식을 기초로 결정될 수 있을 것이다:
Figure 112014007350138-pct00002
여기에서 tf 및 t0 는 각각 샘플 윈도우의 상부 및 하부 샘플 경계들을 나타내고, h는 하나의 데이터 샘플에 의해서 표시되는 시간의 양(또는 마지막 샘플로부터의 시간 간격(span))을 나타내고, 그리고 f(t)는 특별한 샘플에 상응하는 센서 출력 값을 나타낸다. 예를 들어, 만약 샘플 레이트가 100 Hz라면, h는 0.01 초를 나타낼 것이다. 다른 예에서, 만약 샘플 레이트가 400 Hz라면, h는 0.0025 초를 나타낼 것이다.
원래의 센서 출력 또는 평균-센터링된 센서 출력(또는 양자 모두)을 이용할 때, 노력과 페이스 사이의 선형 관계를 적용하여 시간 내의 특별한 지점 또는 시간 기간에 대한 순간적인 또는 평균적인 페이스를 결정할 수 있을 것이다. 여기에서 설명된 바와 같이, 선형 관계가 샘플 센서 출력을 기초로 경험적으로 미리 규정될 수 있을 것이다. 하나 이상의 배열들에서, 상이한 선형 관계들이 이동의 상이한 속도들 또는 페이스들에 대해서 규정될 수 있을 것이다. 예를 들어, 제 1 선형 관계 또는 방정식이 도보에 대해서 이용될 수 있을 것이다. 프로세싱 시스템은, 센서 출력의 문턱값들 또는 평균값들을 기초로, 센서 출력 또는 그 일부가 도보를 나타낸다는 것을 결정할 수 있을 것이다. 따라서, 상이한 선형 방정식들 또는 관계들이 러닝 또는 이동의 상이한 레벨들에 대해서 선택될 수 있을 것이다.
도 15는 샘플 센서 값들, 및 러닝 활동들에 대한 알고 있는 속도들(예를 들어, 6 mph의 또는 그 이상의 이동 속도들)에 대한 그 샘플 센서 값들의 관계를 나타낸 그래프이다. 샘플 데이터를 기초로, 선형 관계가 생성될 수 있을 것이다(예를 들어, y = 13.80185x + 1.56641). 이어서, 센서 출력이 사용자의 운동 활동 중에 수신되는 그때 그때마다 속도 값들을 결정하기 위해서, 이러한 선형 관계가 프로세싱 시스템에 의해서 이용될 수 있을 것이다.
도 16은 샘플 센서 값들, 및 도보 활동들에 대한 알고 있는 속도들(예를 들어, 6 mph 이하의 이동 속도들)에 대한 그 샘플 센서 값들의 관계를 나타낸 그래프이다. 도보 활동들에 대한 속도와 센서 출력 사이의 선형 관계가, 이러한 예에서, y = 12.001x + 0.4363이 되는 것으로 결정될 수 있을 것이다. 따라서, 만약 사용자의 이동이 도보에 상응한다면, 이러한 선형 관계가 도 15의 데이터를 이용하여 규정된 것 대신에 이용될 수 있을 것이다. 일부 배열들에서, 페이스 및 센서 출력 값들이 비-선형 방식으로 관련될 수 있을 것이다. 따라서, 하나 이상의 비-선형 방정식들(예를 들어, 이차 방정식들)이 규정되고 대신 이용될 수 있을 것이다.
여기에서 여러 가지 방법들 및 알고리즘들이 함께 또는 독립적으로 이용될 수 있을 것이다. 하나의 예에서, 사용자의 페이스 및 속도가 3중값 방법론, FFT 알고리즘 및 노력 알고리즘을 이용하여 결정될 수 있을 것이다. 사용자의 속도 또는 페이스가, 여러 가지 알고리즘들로부터 결정된 페이스들 및 속도들을 평균화하는 것에 의해서 각각 결정될 수 있을 것이다. 그 대신에, 제 1 알고리즘을 이용하여 페이스 또는 속도를 결정할 수 있을 것이고, 그리고 제 2 알고리즘이 그러한 결정을 확인하기 위해서 적용될 수 있을 것이다. 예를 들어, 제 2 알고리즘이 충분히 유사한 값을 생성하는 경우에, 결정된 페이스 또는 속도가 확인될 수 있을 것이다. 충분한 유사성은, 초기에 계산된 값의 10%, 20%, 5% 등과 같은 백분율 문턱값에 또는 미리 규정된 양(예를 들어, 0.5 mph, 0.2 mph, 0.3 mph, 등)에 상응할 수 있을 것이다.
구체적인 실시예들을 설명하고 도시하였지만, 발명의 사상으로부터 실질적으로 벗어나지 않고도 여러 가지 변경들이 안출될 수 있을 것이고, 그리고 보호 범위가 첨부된 청구항들의 범위에 의해서만 제한될 것이다.

Claims (20)

  1. 사용자에 의해서 수행되는 운동 활동 중에 발-기반의 센서에 의해서 생성되는 신호 - 상기 신호는 복수의 샘플들을 포함함 - 를 수신하는 단계;
    롤링(rolling) 표준 편차를 기초로 상기 신호를 프로세싱하는 단계;
    상기 프로세싱에 기초하여, 사용자에 의해서 취해진 물리적 발걸음에 대응하는, 상기 신호 내의 3개의 샘플들의 시퀀스 - 상기 3개의 샘플들의 시퀀스는 제1 뒤꿈치 착지(heelstrike) 샘플, 발가락-지면이탈(toe-off) 샘플, 및 제2 뒤꿈치 착지 샘플을 포함함 - 를 식별하는 단계; 및
    상기 제1 뒤꿈치 착지 샘플, 발가락-지면이탈 샘플, 및 제2 뒤꿈치 착지 샘플 중 적어도 2개 사이의 경과(elapsed) 시간을 기초로 상기 사용자의 페이스(pace)를 결정하는 단계
    를 포함하는, 방법.
  2. 제1항에 있어서,
    상기 제2 뒤꿈치 착지 샘플의 값과 상기 발가락-지면이탈 샘플의 값 사이의 제1 차이를 결정하는 단계;
    상기 발가락-지면이탈 샘플의 값과 상기 제1 뒤꿈치 착지 샘플의 값 사이의 제2 차이를 결정하는 단계;
    상기 제1 차이가 상기 제2 차이 보다 큰지 여부를 결정하는 단계; 및
    상기 제1 차이가 상기 제2 차이 보다 크다는 결정에 응답하여, 상기 3개의 샘플들의 시퀀스를 리스트에 부가하는 단계
    를 더 포함하는, 방법.
  3. 제2항에 있어서,
    복수의 3개의 샘플 시퀀스들을 상기 리스트에 부가하는 단계; 및
    상기 리스트 내의 상기 복수의 3개의 샘플 시퀀스들을 기초로 상기 사용자의 복수의 접촉 시간들을 결정하는 단계
    를 더 포함하는, 방법.
  4. 제3항에 있어서,
    상기 복수의 접촉 시간들의 평균 접촉 시간을 결정하는 단계;
    상기 복수의 접촉 시간들 사이의 표준 편차를 결정하는 단계; 및
    상기 표준 편차들의 문턱값 수를 초과하는 상기 복수의 접촉 시간들 중 하나 이상의 접촉 시간들을, 상기 평균 접촉 시간으로부터 필터링하는 단계
    를 더 포함하는, 방법.
  5. 제1항에 있어서,
    상기 제1 뒤꿈치 착지 샘플, 발가락-지면이탈 샘플, 및 제2 뒤꿈치 착지 샘플 중 적어도 2개 사이의 경과 시간을 기초로 사용자의 페이스를 결정하는 단계는,
    상기 발가락-지면이탈 샘플과 상기 제1 뒤꿈치 착지 샘플 사이의 차이를 결정함으로써 접촉 시간을 결정하는 단계;
    복수의 선형 관계들 - 상기 복수의 선형 관계들 각각은 상이한 타입의 운동 활동에 대응함 - 로부터 미리 정의된 선형 관계를 선택하는 단계; 및
    상기 사용자의 페이스를 계산하기 위해서, 상기 미리 정의된 선형 관계를 상기 접촉 시간에 적용하는 단계
    를 포함하는 것인, 방법.
  6. 삭제
  7. 제1항에 있어서,
    상기 사용자에 의해서 취해진 물리적 발걸음에 대응하는 상기 신호 내의 3개의 샘플들의 시퀀스를 식별하는 단계는,
    상기 복수의 샘플들로부터 제1 샘플을 선택하는 단계;
    상기 제1 샘플의 값이 제1 문턱 샘플 값 이상인지 여부를 결정하는 단계;
    상기 제1 샘플의 값이 상기 제1 문턱 샘플 값 미만이라는 결정에 응답하여, 상기 복수의 샘플들 내에서 후속 샘플을 선택하는 단계; 및
    상기 제1 샘플의 값이 상기 제1 문턱 샘플 값 이상이라는 결정에 응답하여:
    미리 정의된 크기의 제1 샘플 윈도우 내의 최대 샘플 값을 결정하는 단계로서, 상기 제1 샘플 윈도우의 하계(lower bound)가 상기 제1 샘플에 대응하는, 상기 최대 샘플 값을 결정하는 단계, 및
    상기 최대 샘플 값에 상응하는 샘플을 상기 제1 뒤꿈치 착지 샘플로 식별하는 단계
    를 포함하는 것인, 방법.
  8. 제7항에 있어서,
    상기 제1 샘플의 값이 상기 제1 문턱 샘플 값 이상이라는 결정에 응답하여,
    제2 샘플 윈도우 내에서 최대 샘플 값을 결정하는 단계; 및
    상기 제2 샘플 윈도우의 최대 샘플 값이 제2 문턱 샘플 값 이상인지 여부를 결정하는 단계
    를 더 포함하고,
    상기 제2 샘플 윈도우의 최대 샘플 값이 제2 문턱 샘플 값 이상이라는 결정에 응답하여, 상기 제2 샘플 윈도우의 최대 샘플 값에 대응하는 샘플을 상기 발가락-지면이탈 샘플로 식별하는 단계
    를 더 포함하는, 방법.
  9. 장치에 있어서,
    발-기반의 센서;
    적어도 하나의 프로세서; 및
    상기 적어도 하나의 프로세서에 동작적으로 연결되고, 컴퓨터 판독가능 지시어들을 포함하는 하나 이상의 비일시적(non-transitory) 컴퓨터 판독가능 매체를 저장하는 메모리를 포함하고,
    상기 지시어들은, 실행시에, 상기 장치로 하여금,
    사용자에 의해서 수행되는 운동 활동 중에 발-기반의 센서에 의해서 생성되는 신호 - 상기 신호는 복수의 샘플들을 포함함 - 를 수신하도록 하고;
    롤링(rolling) 표준 편차를 기초로 상기 신호를 프로세싱하도록 하고;
    상기 프로세싱에 기초하여, 사용자에 의해서 취해진 물리적 발걸음에 대응하는, 상기 신호 내의 3개의 샘플들의 시퀀스 - 상기 3개의 샘플들의 시퀀스는 제1 뒤꿈치 착지 샘플, 발가락-지면이탈 샘플, 및 제2 뒤꿈치 착지 샘플을 포함함 - 를 식별하도록 하고,
    상기 제1 뒤꿈치 착지 샘플, 발가락-지면이탈 샘플, 및 제2 뒤꿈치 착지 샘플 중 적어도 2개 사이의 경과(elapsed) 시간을 기초로 사용자의 페이스(pace)를 결정하도록 하는 것인, 장치.
  10. 삭제
  11. 삭제
  12. 제9항에 있어서,
    상기 하나 이상의 비일시적 컴퓨터 판독가능 매체는 추가적인 컴퓨터 판독가능 지시어들을 포함하고,
    상기 지시어들은, 실행시에, 상기 장치로 하여금,
    상기 제2 뒤꿈치 착지 샘플의 값과 상기 발가락-지면이탈 샘플의 값 사이의 제1 차이를 결정하도록 하고,
    상기 발가락-지면이탈 샘플의 값과 상기 제1 뒤꿈치 착지 샘플의 값 사이의 제2 차이를 결정하도록 하고,
    상기 제1 차이가 상기 제2 차이 보다 큰지 여부를 결정하도록 하고,
    상기 제1 차이가 상기 제2 차이 보다 크다는 결정에 응답하여, 3개의 샘플들의 시퀀스를 리스트에 부가하도록 하는 것인, 장치.
  13. 제12항에 있어서,
    상기 하나 이상의 비일시적 컴퓨터 판독가능 매체는 추가적인 컴퓨터 판독가능 지시어들을 포함하고,
    상기 지시어들은, 실행시에, 상기 장치로 하여금,
    복수의 3개의 샘플 시퀀스들을 상기 리스트에 부가하도록 하고;
    상기 리스트 내의 상기 복수의 3개의 샘플 시퀀스들을 기초로 상기 사용자의 복수의 접촉 시간들을 결정하도록 하는 것인, 장치.
  14. 제13항에 있어서,
    상기 하나 이상의 비일시적 컴퓨터 판독가능 매체는 추가적인 컴퓨터 판독가능 지시어들을 포함하고,
    상기 지시어들은, 실행시에, 상기 장치로 하여금,
    상기 복수의 접촉 시간들의 평균 접촉 시간을 결정하도록 하고;
    상기 복수의 접촉 시간들 사이의 표준 편차를 결정하도록 하고,
    상기 표준 편차들의 문턱값 수를 초과하는 복수의 접촉 시간들 중의 하나 이상의 접촉 시간들을 상기 평균 접촉 시간으로부터 필터링하도록 하는 것인, 장치.
  15. 컴퓨터 판독가능 지시어들을 저장하는 하나 이상의 비일시적(non-transitory) 컴퓨터 판독가능 매체에 있어서,
    상기 지시어들은, 실행시에, 장치로 하여금,
    사용자에 의해서 수행되는 운동 활동 중에 발-기반의 센서에 의해서 생성되는 신호 - 상기 신호는 복수의 샘플들을 포함함 - 를 수신하도록 하고;
    롤링(rolling) 표준 편차를 기초로 상기 신호를 프로세싱하도록 하고;
    상기 프로세싱에 기초하여, 사용자에 의해서 취해진 물리적 발걸음에 대응하는, 상기 신호 내의 3개의 샘플들의 시퀀스 - 상기 3개의 샘플들의 시퀀스는 제1 뒤꿈치 착지 샘플, 발가락-지면이탈 샘플, 및 제2 뒤꿈치 착지 샘플을 포함함 - 를 식별하도록 하고;
    상기 제1 뒤꿈치 착지 샘플, 발가락-지면이탈 샘플, 및 제2 뒤꿈치 착지 샘플 중 적어도 2개 사이의 경과(elapsed) 시간을 기초로 사용자의 페이스(pace)를 결정하도록 하는 것인, 컴퓨터 판독가능 매체.
  16. 제15항에 있어서,
    상기 제1 뒤꿈치 착지 샘플, 발가락-지면이탈 샘플, 및 제2 뒤꿈치 착지 샘플 중 적어도 2개 사이의 경과 시간을 기초로 사용자의 페이스를 결정하는 것은,
    상기 발가락-지면이탈 샘플과 상기 제1 뒤꿈치 착지 샘플 사이의 차이를 결정함으로써 접촉 시간을 결정하는 것;
    복수의 선형 관계들 - 상기 복수의 선형 관계들 각각은 상이한 타입의 운동 활동에 대응함 - 로부터 미리 정의된 선형 관계를 선택하는 것; 및
    상기 사용자의 페이스를 계산하기 위해서, 상기 미리 정의된 선형 관계를 상기 접촉 시간에 적용하는 것
    을 포함하는 것인, 컴퓨터 판독가능 매체.
  17. 삭제
  18. 제15항에 있어서,
    상기 사용자에 의해서 취해진 물리적 발걸음에 대응하는, 상기 신호 내의 3개의 샘플들의 시퀀스를 식별하는 것은,
    상기 복수의 샘플들로부터 제1 샘플을 선택하는 것;
    상기 제1 샘플의 값이 제1 문턱 샘플 값 이상인지 여부를 결정하는 것;
    상기 제1 샘플의 값이 상기 제1 문턱 샘플 값 미만이라는 결정에 응답하여, 상기 복수의 샘플들 내에서 후속 샘플을 선택하는 것; 및
    상기 제1 샘플의 값이 상기 제1 문턱 샘플 값 이상이라는 결정에 응답하여:
    미리 정의된 크기의 제1 샘플 윈도우 내의 최대 샘플 값을 결정하는 것으로서, 상기 제1 샘플 윈도우의 하계가 상기 제1 샘플에 대응하는, 최대 샘플 값을 결정하는 것, 및
    상기 최대 샘플 값에 상응하는 샘플을 상기 제1 뒤꿈치 착지 샘플 샘플로 식별하는 것
    을 포함하는 것인, 컴퓨터 판독가능 매체.
  19. 제15항에 있어서,
    컴퓨터 판독가능 지시어들을 더 포함하고, 상기 지시어들은, 실행시에, 장치로 하여금,
    상기 제2 뒤꿈치 착지 샘플의 값과 상기 발가락-지면이탈 샘플의 값 사이의 제1 차이를 결정하도록 하고;
    상기 발가락-지면이탈 샘플의 값과 상기 제1 뒤꿈치 착지 샘플의 값 사이의 제2 차이를 결정하도록 하고;
    상기 제1 차이가 상기 제2 차이 보다 큰지의 여부를 결정하도록 하고;
    상기 제1 차이가 상기 제2 차이 보다 크다는 결정에 응답하여, 3개의 샘플들의 시퀀스를 리스트에 부가하도록 하는 것인, 컴퓨터 판독가능 매체.
  20. 삭제
KR1020147001974A 2011-07-01 2012-06-29 센서-기반의 운동 활동 측정 KR101579833B1 (ko)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US13/175,216 US9446287B2 (en) 2011-07-01 2011-07-01 Sensor-based athletic activity measurements
US13/175,216 2011-07-01
PCT/US2012/044924 WO2013006434A1 (en) 2011-07-01 2012-06-29 Sensor-based athletic activity measurements

Related Child Applications (1)

Application Number Title Priority Date Filing Date
KR1020157035694A Division KR101794575B1 (ko) 2011-07-01 2012-06-29 센서-기반의 운동 활동 측정

Publications (2)

Publication Number Publication Date
KR20140051270A KR20140051270A (ko) 2014-04-30
KR101579833B1 true KR101579833B1 (ko) 2016-01-04

Family

ID=46582062

Family Applications (2)

Application Number Title Priority Date Filing Date
KR1020147001974A KR101579833B1 (ko) 2011-07-01 2012-06-29 센서-기반의 운동 활동 측정
KR1020157035694A KR101794575B1 (ko) 2011-07-01 2012-06-29 센서-기반의 운동 활동 측정

Family Applications After (1)

Application Number Title Priority Date Filing Date
KR1020157035694A KR101794575B1 (ko) 2011-07-01 2012-06-29 센서-기반의 운동 활동 측정

Country Status (8)

Country Link
US (4) US9446287B2 (ko)
EP (1) EP2725977B1 (ko)
JP (2) JP5976799B2 (ko)
KR (2) KR101579833B1 (ko)
CN (2) CN103781420B (ko)
BR (1) BR112014000050A8 (ko)
CA (1) CA2840736C (ko)
WO (1) WO2013006434A1 (ko)

Families Citing this family (29)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9446287B2 (en) * 2011-07-01 2016-09-20 Nike, Inc. Sensor-based athletic activity measurements
WO2013041101A1 (en) * 2011-09-22 2013-03-28 Region Nordjylland, Aalborg Sygehus Stretch sensor device
US20130085700A1 (en) * 2011-09-30 2013-04-04 Apple Inc. Techniques for improved pedometer readings
EP2804526A1 (en) 2012-01-16 2014-11-26 Valencell, Inc. Reduction of physiological metric error due to inertial cadence
WO2013109389A1 (en) 2012-01-16 2013-07-25 Valencell, Inc. Physiological metric estimation rise and fall limiting
US10314492B2 (en) 2013-05-23 2019-06-11 Medibotics Llc Wearable spectroscopic sensor to measure food consumption based on interaction between light and the human body
US9042596B2 (en) 2012-06-14 2015-05-26 Medibotics Llc Willpower watch (TM)—a wearable food consumption monitor
US9254099B2 (en) 2013-05-23 2016-02-09 Medibotics Llc Smart watch and food-imaging member for monitoring food consumption
US9536449B2 (en) 2013-05-23 2017-01-03 Medibotics Llc Smart watch and food utensil for monitoring food consumption
US9442100B2 (en) 2013-12-18 2016-09-13 Medibotics Llc Caloric intake measuring system using spectroscopic and 3D imaging analysis
US9993204B2 (en) 2013-01-09 2018-06-12 Valencell, Inc. Cadence detection based on inertial harmonics
US10352724B1 (en) 2013-05-03 2019-07-16 Apple Inc. Calibration factors for step frequency bands
US9529385B2 (en) 2013-05-23 2016-12-27 Medibotics Llc Smart watch and human-to-computer interface for monitoring food consumption
WO2015131065A1 (en) 2014-02-28 2015-09-03 Valencell, Inc. Method and apparatus for generating assessments using physical activity and biometric parameters
WO2015145273A1 (en) 2014-03-25 2015-10-01 Imeasureu Limited Lower limb loading assessment systems and methods
CN104082905B (zh) * 2014-06-18 2016-02-17 杭州华亭科技有限公司 多功能智能鞋垫及步态相似性检测方法
KR20220147703A (ko) * 2014-09-15 2022-11-03 쓰리엠 이노베이티브 프로퍼티즈 캄파니 손상 검출
US10136842B2 (en) * 2014-11-26 2018-11-27 Icon Health & Fitness, Inc. Footwear apparatus with technique feedback
US9776041B1 (en) * 2015-01-02 2017-10-03 Anya Manish Lachwani User performance analysis system
EP3302126A4 (en) 2015-05-28 2019-07-24 NIKE Innovate C.V. FOOTWEAR ARTICLE CUSHION WITH INTERNAL COMPLIANT ELECTRONICS
US20170105667A1 (en) * 2015-10-15 2017-04-20 Josh WEI Stress and Heart Rate Trip Monitoring System and Method
US11035692B2 (en) * 2016-06-20 2021-06-15 Intel Corporation Technologies for pedometric sensing in footwear
WO2017221248A1 (en) * 2016-06-22 2017-12-28 Lifebeam Technologies Ltd. Wearable device for activity monitoring
WO2018100696A1 (ja) * 2016-11-30 2018-06-07 リオモ インク モーションキャプチャシステム、モーションキャプチャプログラム及びモーションキャプチャ方法
US10357066B2 (en) 2017-08-07 2019-07-23 Under Armour, Inc. System and method for apparel identification
US11350853B2 (en) 2018-10-02 2022-06-07 Under Armour, Inc. Gait coaching in fitness tracking systems
USD961205S1 (en) * 2020-12-04 2022-08-23 Converse Inc. Shoe
USD961203S1 (en) * 2020-12-04 2022-08-23 Converse Inc. Shoe
USD961204S1 (en) * 2020-12-04 2022-08-23 Converse Inc. Shoe

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO1999018480A1 (en) 1997-10-02 1999-04-15 Personal Electronic Devices, Inc. Measuring foot contact time and foot loft time of a person in locomotion

Family Cites Families (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6898550B1 (en) * 1997-10-02 2005-05-24 Fitsense Technology, Inc. Monitoring activity of a user in locomotion on foot
US6882955B1 (en) 1997-10-02 2005-04-19 Fitsense Technology, Inc. Monitoring activity of a user in locomotion on foot
US6493652B1 (en) 1997-10-02 2002-12-10 Personal Electronic Devices, Inc. Monitoring activity of a user in locomotion on foot
JP4286328B2 (ja) * 1998-02-25 2009-06-24 コーニンクレッカ フィリップス エレクトロニクス エヌ ヴィ 運動中の性能を測定する方法及びシステムと、このシステムにおいて使用する運動靴
EP1511418B1 (en) * 2002-02-07 2009-04-08 Ecole Polytechnique Fédérale de Lausanne (EPFL) Body movement monitoring device
JP4225025B2 (ja) * 2002-09-30 2009-02-18 株式会社デンソー 車両統合制御システム
JP4350394B2 (ja) * 2003-03-04 2009-10-21 マイクロストーン株式会社 変形性膝関節症の判定装置
JP2004344418A (ja) * 2003-05-22 2004-12-09 Anima Kk 三次元動作解析装置
JP2005342254A (ja) * 2004-06-03 2005-12-15 Matsushita Electric Ind Co Ltd 歩行周期検出装置
JP2009106375A (ja) * 2007-10-26 2009-05-21 Panasonic Electric Works Co Ltd 歩容判別システム
JP5332292B2 (ja) * 2008-04-24 2013-11-06 アイシン精機株式会社 歩行解析及び運動メニュー提案システム
US8676541B2 (en) 2008-06-13 2014-03-18 Nike, Inc. Footwear having sensor system
US20100125229A1 (en) * 2008-07-11 2010-05-20 University Of Delaware Controllable Joint Brace
CN101590315B (zh) 2009-06-23 2011-01-26 中国科学院合肥物质科学研究院 基于柔性阵列压力传感器的可拼装式数字化场地及步态训练的方法
US8805641B2 (en) * 2010-05-18 2014-08-12 Intel-Ge Care Innovations Llc Wireless sensor based quantitative falls risk assessment
ES2846821T3 (es) * 2010-07-14 2021-07-29 Ecole Polytechnique Fed Lausanne Epfl Sistema y método para la evaluación de la marcha en 3D
JP5129851B2 (ja) 2010-10-29 2013-01-30 アニマ株式会社 重心動揺システム
CN112545101B (zh) * 2011-02-17 2022-05-03 耐克创新有限合伙公司 带传感器系统的鞋
US9446287B2 (en) * 2011-07-01 2016-09-20 Nike, Inc. Sensor-based athletic activity measurements

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO1999018480A1 (en) 1997-10-02 1999-04-15 Personal Electronic Devices, Inc. Measuring foot contact time and foot loft time of a person in locomotion

Also Published As

Publication number Publication date
EP2725977B1 (en) 2021-03-03
US20160354635A1 (en) 2016-12-08
CA2840736C (en) 2018-01-30
US20210001176A1 (en) 2021-01-07
JP5976799B2 (ja) 2016-08-24
CN105488334A (zh) 2016-04-13
US9446287B2 (en) 2016-09-20
BR112014000050A8 (pt) 2017-07-04
CN105488334B (zh) 2020-12-08
US10265579B2 (en) 2019-04-23
KR101794575B1 (ko) 2017-12-01
US11013959B2 (en) 2021-05-25
CN103781420B (zh) 2016-01-20
US20130006583A1 (en) 2013-01-03
CA2840736A1 (en) 2013-01-10
WO2013006434A1 (en) 2013-01-10
EP2725977A1 (en) 2014-05-07
US10814169B2 (en) 2020-10-27
KR20160003878A (ko) 2016-01-11
BR112014000050A2 (pt) 2017-03-28
JP6272405B2 (ja) 2018-01-31
JP2017006689A (ja) 2017-01-12
CN103781420A (zh) 2014-05-07
KR20140051270A (ko) 2014-04-30
JP2014520605A (ja) 2014-08-25
US20190192910A1 (en) 2019-06-27

Similar Documents

Publication Publication Date Title
KR101579833B1 (ko) 센서-기반의 운동 활동 측정
KR102292683B1 (ko) 보행 환경 인식 방법 및 장치
KR101386649B1 (ko) 사용자의 상태 적용 게임 장치 및 그 게임 제공 방법
CN109864704A (zh) 生物信号质量评价设备和生物信号质量评价方法
KR20140116481A (ko) 다축 활동 모니터 디바이스로의 활동 분류
EP2925213A1 (en) Method and apparatus for identifying transitions between sitting and standing postures
US11918856B2 (en) System and method for estimating movement variables
WO2009023923A1 (en) Body movement analysis method and apparatus
US20140309964A1 (en) Internal Sensor Based Personalized Pedestrian Location
WO2015009228A1 (en) Determining performance indicators for periodic movements
EP3269303A1 (en) Method for determining the type of motion activity of a person and device for implementing same
FR2912813A1 (fr) Mesure magnetique de la cadence et de l'orientation du mouvement d'un objet
CN111208508A (zh) 运动量测量方法、装置及电子设备
WO2019000100A1 (en) METHOD AND SYSTEM FOR HETEROGENEOUS EVENT DETECTION
CN113008230A (zh) 智能穿戴设备及其姿态朝向识别方法、装置
CN114341947A (zh) 用于使用可穿戴设备的锻炼类型辨识的系统和方法
WO2022090129A1 (en) Non-obtrusive gait monitoring methods and systems for reducing risk of falling
Procházka et al. Motion Analysis Using Global Navigation Satellite System and Physiological Data
JP2024022278A (ja) 情報処理装置、情報処理方法及び情報処理プログラム
Drorsén et al. Distance estimations by non-linear step length models using accelerometer sensor data from waist-worn smart-phones

Legal Events

Date Code Title Description
A201 Request for examination
N231 Notification of change of applicant
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
A107 Divisional application of patent
GRNT Written decision to grant
FPAY Annual fee payment

Payment date: 20181115

Year of fee payment: 4