KR102469716B1 - 체공 시간 - Google Patents

체공 시간 Download PDF

Info

Publication number
KR102469716B1
KR102469716B1 KR1020207014746A KR20207014746A KR102469716B1 KR 102469716 B1 KR102469716 B1 KR 102469716B1 KR 1020207014746 A KR1020207014746 A KR 1020207014746A KR 20207014746 A KR20207014746 A KR 20207014746A KR 102469716 B1 KR102469716 B1 KR 102469716B1
Authority
KR
South Korea
Prior art keywords
event
events
foot
flight time
time
Prior art date
Application number
KR1020207014746A
Other languages
English (en)
Other versions
KR20200060541A (ko
Inventor
산토쉬쿠마르 발라크리쉬난
로버트 부르스
저스틴 프라가
폴 프란시스
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.
Priority to KR1020227040339A priority Critical patent/KR20220159482A/ko
Priority to KR1020227006895A priority patent/KR102410180B1/ko
Publication of KR20200060541A publication Critical patent/KR20200060541A/ko
Application granted granted Critical
Publication of KR102469716B1 publication Critical patent/KR102469716B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
    • G16H40/60—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices
    • G16H40/67—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices for remote operation
    • A—HUMAN NECESSITIES
    • A43—FOOTWEAR
    • A43B—CHARACTERISTIC FEATURES OF FOOTWEAR; PARTS OF FOOTWEAR
    • A43B3/00—Footwear characterised by the shape or the use
    • A43B3/34—Footwear characterised by the shape or the use with electrical or electronic arrangements
    • 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
    • A63B24/0021—Tracking a path or terminating locations
    • 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
    • G01P—MEASURING LINEAR OR ANGULAR SPEED, ACCELERATION, DECELERATION, OR SHOCK; INDICATING PRESENCE, ABSENCE, OR DIRECTION, OF MOVEMENT
    • G01P13/00—Indicating or recording presence, absence, or direction, of movement
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01P—MEASURING LINEAR OR ANGULAR SPEED, ACCELERATION, DECELERATION, OR SHOCK; INDICATING PRESENCE, ABSENCE, OR DIRECTION, OF MOVEMENT
    • G01P15/00—Measuring acceleration; Measuring deceleration; Measuring shock, i.e. sudden change of acceleration
    • G—PHYSICS
    • G04—HOROLOGY
    • G04G—ELECTRONIC TIME-PIECES
    • G04G21/00—Input or output devices integrated in time-pieces
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
    • G16H20/30—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to physical therapies or activities, e.g. physiotherapy, acupressure or exercising
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
    • G16H40/40—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the management of medical equipment or devices, e.g. scheduling maintenance or upgrades
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
    • G16H40/60—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices
    • G16H40/63—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices for local operation
    • 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
    • A63B24/0021—Tracking a path or terminating locations
    • A63B2024/0056—Tracking a path or terminating locations for statistical or strategic analysis
    • 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

Abstract

운동 수행을 모니터링하기 위한 시스템들 및 방법들은 "체공 시간", 예컨대, 양발이 지면으로부터 떨어져 있는 시간량, 및, 선택적으로, 조깅하기, 달리기, 전력질주하기, 점프하기 등과 같은 상이한 타입들의 활동들로부터 비롯된 "체공 시간"을 판정하는 것을 포함한다. "체공 시간"은 운동선수가 투입하고 있는 노고를 더 잘 이해하도록, 2명 이상의 선수들의 노고를 비교하도록, 시간의 경과에 따른 운동의 수행을 게이징(gauge)하도록, 그리고/또는 컨디션 조절 필요성 및/또는 개선을 위한 영역들을 식별하도록 선수 또는 코치에게 도움을 줄 수 있다. 그러한 시스템들 및 방법들은 또한 하기와 같은 다양한 운동 수행 메트릭들을 생성 및 디스플레이할 수 있다:
순시 체공 시간; 에버리지 체공 시간; 운동 수행 또는 다른 기간 동안의 누적 체공 시간; 순시 점프 높이; 에버리지 점프 높이; 운동 수행 또는 다른 기간 동안의 누적 점프 높이; 및 한 선수와 다른 선수의 그리고/또는 그 자신/그녀 자신의 임의의 체공 시간 및/또는 점프 높이 메트릭(들)의 비교; 기타 등등.

Description

체공 시간{FLIGHT TIME}
관련 출원의 교차 참조
본 출원은 2013년 12월 2일자로 출원되고 발명의 명칭이 "체공 시간(FLIGHT TIME)"인 미국 가특허 출원 제61/910,912호, 및 2013년 12월 3일자로 출원되고 발명의 명칭이 "체공 시간"인 미국 가특허 출원 제61/911,420호에 대한 우선권을 주장하며, 이들 출원은 명확히 전체가 임의의 그리고 모든 비제한적인 목적을 위해 본 명세서에 참고로 포함된다.
대부분의 사람들이 신체 단련(physical fitness)의 중요성을 이해하지만, 많은 이들이 규칙적인 운동 프로그램을 유지하는 데 요구되는 동기를 찾는 데에는 곤란을 느낀다. 몇몇 사람들은 달리기, 걷기, 및 자전거 타기와 같은 지속적으로 반복적인 모션들을 수반하는 운동 요법을 유지하는 것이 특히 어렵다는 것을 알게 된다. 게다가, 개인들은 운동을 업무 또는 일로 볼 수 있고, 이에 따라 운동을 그들의 일상 생활의 즐거운 측면들로부터 분리시킬 수 있다. 종종, 운동 활동과 다른 활동들 사이의 이러한 명확한 분리는 개인이 운동을 향해 가질 수 있는 동기의 양을 감소시킨다. 추가로, 개인들을 운동 활동에 참여시키도록 장려하는 것을 향해 지향되는 운동 활동 서비스들 및 시스템들은 또한 하나 이상의 특정 활동들에 너무 초점을 둘 수 있지만, 개인의 흥미는 무시된다. 이는 운동 활동에 참여하는 데 있어서 또는 운동 활동 서비스들 및 시스템들을 이용하는 데 있어서 사용자의 흥미를 더욱 감소시킬 수 있다.
프로 및/또는 진지한 아마추어 운동선수들(예컨대, 프로-아마 운동선수들)에 대하여, 많은 기존의 서비스들 및 디바이스들은 하나 이상의 메트릭들, 예컨대, 특히, 그들의 수행, 수행 부담, 반응도, 피로도의 정확한 평가를 제공하지 못한다. 하나 이상의 메트릭들을 모니터링하는, 체공 시간(flight time)에 대한 기존의 디바이스들은 종종 하기를 포함한 하나 이상의 결점들을 겪는다: 번거로운 수집 시스템, 용인가능한 임계치를 넘는 부정확한 측정, 값들을 보고하는 데 있어서의 용인불가능한 지연속도(latency), 검출된 사용자 모션들에 기초한 잘못된 활동 분류, 상이한 사용자들 사이의 편차 처리의 실패, 수행 또는 다른 메트릭들을 측정하는 것에 대한 수집된 또는 프로세싱된 데이터의 적용불가능성, 상대적으로 높은 전력 소비, 및/또는 이들 또는 다른 결점들의 조합.
체공 시간(airtime)에 대해 특정하면, 체공 시간을 메트릭으로 포함시키고자 하는 이전의 시도들은 점프의 맥락에서 한 발 또는 양발의 체공에만 초점을 두었다. 예를 들어, 농구 선수들을 언급하면, 이전의 시도들은 체공 시간을 판정하기 위해 공격수(offensive player)가 점프 슛을 행하는 것 또는 수비수(defensive player)가 공격수의 슛을 블로킹하기 위해 점프하고자 시도하는 것을 고려했을 수도 있다. 따라서, 예상되는 바와 같이, 그러한 결과들은 동일한 기간 동안의 총 점프와 크게 상관(correlate)될 것이다.
현재, 예컨대 점프 동안, 체공 시간은 비디오/모션 캡처, 점프 테스트 매트, 및 포스 플레이트(force plate)를 비롯한 다양한 방법론들을 이용하여 측정 또는 캡처될 수 있다. 그러나, 이러한 방법들은 원하는 경기장(sport venue) 또는 환경 내의 고정 위치에서의 특수 장비 및/또는 설비들을 요구한다. 또한, 이러한 방법들은 비싸고, 종종 한 운동선수와 다른 운동선수를 구별할 수 없고, 그리고/또는 개인화된 측정치들을 시간 효율적이고 사용자 친화적인 방식으로 얻기 위해 추가적인 프로세싱 단계들 또는 재료들을 요구한다.
운동 측정치들을 얻기 위한 소정의 방법론들은 운동선수의 신체 또는 의복 바로 위에 센서 유닛들, 또는 센서들을 포함하는 관성 측정 유닛(IMU)들, 예컨대 가속도계 및 자이로스코프를 부착하는 것을 요구한다. 그러나, 농구 또는 축구와 같은 스포츠 활동 시, 그러한 액세서리 디바이스들은 부상의 위험 및 다른 요인들로 인해 규제 기관들에 의해 금지된다.
기존의 해결책들의 상기의 결점들 및/또는 다른 단점들 중 하나 이상은 본 명세서에 기술되는 혁신안들의 하나 이상의 태양들에 의해 극복될 수 있다. 일 실시예에 따르면, 전형적으로는 대부분의 활동 동안에 운동선수들에 의해 착용되는 것을 포함하지만 이로 제한되지 않는 센서 시스템이 신발류 내에 직접적으로 통합된다. 실시예들은 체공 시간을 포함하지만 이로 제한되지 않는 하나 이상의 운동 메트릭들을 측정 및 추적하는 것에 관한 것이다.
따라서, 본 기술 분야에서 이들 및 다른 단점들을 다루기 위한 개선된 시스템들 및 방법들이 요구된다.
본 발명의 태양들은 운동 수행을 모니터링하기 위한 시스템들 및 방법들뿐만 아니라, 방법들을 수행하고, 시스템들을 구동시키고, 그리고/또는 출력 데이터 및 디스플레이들을 사용자에게 제공하기 위한 컴퓨터 실행가능 명령어들이 저장된 비일시적 컴퓨터 판독가능 매체들에 관한 것이다. 본 발명의 일부 태양들에서, 운동 수행은 "체공 시간", 예컨대 운동 선수의 양발이 지표면과 접촉하고 있지 않을 때의 시간량, 및 선택적으로, 조깅하기, 달리기, 전력질주하기(sprinting), 점프하기 등과 같은 여러가지 상이한 타입들의 운동 활동들의 결과로서의 "체공 시간"을 판정하기 위해 모니터링될 것이다. "체공 시간"은 운동선수가 투입하고 있는 노고의 양을 더 잘 이해하도록, 2명 이상의 선수들의 노고를 더 잘 비교하도록, 시간의 경과에 따른 운동선수의 수행 변화를 더 잘 게이징(gauge)하도록, 그리고/또는 컨디션 조절(conditioning) 필요성 및/또는 개선을 위한 영역들을 더 잘 식별하도록 표현할 수 있고, 그리고/또는 그러하도록 선수 또는 코치에게 도움을 줄 수 있다. 본 발명의 적어도 일부 태양들에 따른 시스템들 및 방법들은 또한 하기와 같은 다양한 운동 수행 메트릭들을 생성 및 디스플레이할 수 있다: 순시 체공 시간(예컨대, 체공 당 밀리초 또는 에버리지(average) 밀리초/체공); 에버리지 체공 시간(체공의 밀리초/초); 운동 수행 과정 또는 다른 기간에 걸친 누적 체공 시간(예컨대, 체공 시간들의 합산); 순시 점프 높이(예컨대, 체공 당 인치); 에버리지 점프 높이; 운동 수행의 과정 또는 다른 기간에 걸친 누적 점프 높이(예컨대, 점프 높이들의 합산); 한 선수의 다른 선수에 대한 임의의 체공 시간 및/또는 점프 높이 메트릭(들)의 비교; 한 선수의 자신에 대한 임의의 체공 시간 및/또는 점프 높이 메트릭(들)의 비교; 기타 등등.
I. 운동 수행 모니터링 시스템들 및 방법들
본 발명의 일부 태양들은 운동 수행을 분석하기 위한, 예컨대 그러한 활동 동안의 운동선수의 "체공 시간" 및/또는 "점프 높이"를 판정하기 위한 시스템들 및 방법들에 관한 것이다. 그러한 시스템들 및 방법들은, 입력 데이터를 수신하고, 그 데이터를 프로세싱하고, 그리고 운동 수행 분석 정보 및/또는 메트릭들을 포함한 데이터를 인간 인지가능 방식으로 출력하기 위한 컴퓨터 시스템을 포함할 수 있다. 그러한 시스템들 및 방법들은, (a) 오른발 센서 시스템으로부터 복수의 오른발 론칭 이벤트(launch event)들에 관한 오른발 론칭 입력 데이터 - 오른발 론칭 입력 데이터는, 적어도, 각각의 오른발 론칭 이벤트와 연관되고 각자의 오른발 론칭 이벤트가 발생한 시간을 나타내는 타임스탬프를 포함함 - 를 수신하고; (b) 왼발 센서 시스템으로부터 복수의 왼발 론칭 이벤트들에 관한 왼발 론칭 입력 데이터 - 왼발 론칭 입력 데이터는, 적어도, 각각의 왼발 론칭 이벤트와 연관되고 각자의 왼발 론칭 이벤트가 발생한 시간을 나타내는 타임스탬프를 포함함 - 를 수신하고; (c) 오른발 센서 시스템(예컨대, 동일한 또는 상이한 센서 시스템)으로부터 복수의 오른발 스트라이크 이벤트(strike event)들에 관한 오른발 스트라이크 입력 데이터 - 오른발 스트라이크 입력 데이터는, 적어도, 각각의 오른발 스트라이크 이벤트와 연관되고 각자의 오른발 스트라이크 이벤트가 발생한 시간을 나타내는 타임스탬프를 포함함 - 를 수신하고; 그리고 (d) 왼발 센서 시스템(예컨대, 동일한 또는 상이한 센서 시스템)으로부터 복수의 왼발 스트라이크 이벤트들에 관한 왼발 스트라이크 입력 데이터 - 왼발 스트라이크 입력 데이터는, 적어도, 각각의 왼발 스트라이크 이벤트와 연관되고 각자의 왼발 스트라이크 이벤트가 발생한 시간을 나타내는 타임스탬프를 포함함 - 를 수신하는 입력 시스템들을 포함할 수 있다. 이러한 입력 정보로부터, 컴퓨터 프로세싱 시스템(예컨대, 하나 이상의 마이크로프로세서들 또는 다른 컴퓨터 컴포넌트들을 포함함)이 제1 세트의 타임스탬프들(또는 복수의 세트들의 타임스탬프들)을 식별할 수 있는데, 여기서 제1 세트의 타임스탬프들(및, 선택적으로, 각각의 세트의 타임스탬프들)은 시간적으로 인접한 오른발 론칭, 왼발 론칭, 오른발 스트라이크, 및 왼발 스트라이크 이벤트들을 포함한다. 이어서, 제1 세트의 타임스탬프들에 대한 제1 체공 시간(및, 선택적으로, 적어도 일부에 대한, 그리고 선택적으로, 세트들 각각의 타임스탬프들에 대한 체공 시간들)이, 왼발 및 오른발 양측 모두가 동시에 지표면과 접촉하지 않을 때 제1 세트의 타임스탬프들에 의해 포함되는 지속시간에 적어도 부분적으로 기초하여 판정될 수 있다. 하기에 더 상세히 논의되는 바와 같이, 본 발명의 적어도 일부 태양들에 따른 시스템들 및 방법들은 판정된 체공 시간(들)을 평가하여, 그들이 잠재적으로 무효인지 여부를 판정할 것이고, 무효인 경우, 적어도 일부 경우들에 있어서, 잠재적으로 무효인 데이터를 정정하거나 그 데이터를 폐기할 것이다. 본 발명의 적어도 일부 예들에 따른 시스템들 및 방법들은 또한, 예컨대 전술된 메트릭들 중 하나 이상에 관한 또는 그에 기초한 정보를 비롯한 출력을 생성하는 것, 및 출력 데이터를 송신하고 그리고/또는 출력/메트릭들 중 적어도 일부를 인간 인지가능 방식으로 디스플레이하는 사용자 인터페이스를 생성하는 것을 포함할 것이다.
본 발명의 이러한 태양에 따른 다른 예시적인 시스템들 및 방법들은, (a) 오른쪽 신발의 가속도 또는 오른쪽 신발과 접촉 표면 사이의 접촉 힘을 측정하기 위한 오른발 센서; (b) 왼쪽 신발의 가속도 또는 왼쪽 신발과 접촉 표면 사이의 접촉 힘을 측정하기 위한 왼발 센서; (c) 프로세서 시스템; 및 (d) 출력 시스템을 포함할 수 있고, 프로세서 시스템은, (i) 오른발 센서 및 왼발 센서에 의해 생성된 데이터로부터 오른발 론칭 이벤트들, 왼발 론칭 이벤트들, 오른발 스트라이크 이벤트들, 및 왼발 스트라이크 이벤트들을 식별하도록; (ii) 시간적으로 인접한 오른발 론칭, 왼발 론칭, 오른발 스트라이크, 및 왼발 스트라이크 이벤트들을 포함하는 복수의 세트들의 이벤트 타임스탬프들을 식별하도록; 그리고 (iii) 복수의 세트들의 이벤트 타임스탬프들 중 적어도 일부와 연관된 체공 시간들 - 각각의 체공 시간은, 왼발 및 오른발 양측 모두가 동시에 표면과 접촉하지 않을 때, 대응하는 세트의 타임스탬프들에 의해 포함된 지속시간에 적어도 부분적으로 기초함 - 을 판정하도록 프로그래밍되고 적응되며, 출력 시스템은, 체공 시간들을 포함하거나 체공 시간들로부터 도출된 정보를 포함하는 출력 데이터를 출력하기 위한 것이다.
II. 템플릿 기반 시스템들 및 방법들
본 발명의 다른 태양들은 운동 수행을 분석하기 위한, 예컨대 그러한 운동 활동 동안의 운동선수의 "체공 시간" 및/또는 "점프 높이"를 판정하기 위한 "템플릿 기반" 시스템들 및 방법들에 관한 것이다. 그러한 시스템들 및 방법들은, 입력 데이터를 수신하고, 그 데이터를 프로세싱하고, 그리고 운동 수행 분석 정보 및/또는 메트릭들을 포함한 데이터를 인간 인지가능 방식으로 출력하기 위한 컴퓨터 시스템을 포함할 수 있다. 그러한 시스템들 및 방법들은, (a) 오른발 센서 시스템으로부터 복수의 오른발 론칭 이벤트들에 관한 오른발 론칭 입력 데이터 - 오른발 론칭 입력 데이터는, 적어도, 각각의 오른발 론칭 이벤트와 연관되고 각자의 오른발 론칭 이벤트가 발생한 시간을 나타내는 타임스탬프를 포함함 - 를 수신하고; (b) 왼발 센서 시스템으로부터 복수의 왼발 론칭 이벤트들에 관한 왼발 론칭 입력 데이터 - 왼발 론칭 입력 데이터는, 적어도, 각각의 왼발 론칭 이벤트와 연관되고 각자의 왼발 론칭 이벤트가 발생한 시간을 나타내는 타임스탬프를 포함함 - 를 수신하고; (c) 오른발 센서 시스템(예컨대, 동일한 또는 상이한 센서 시스템)으로부터 복수의 오른발 스트라이크 이벤트들에 관한 오른발 스트라이크 입력 데이터 - 오른발 스트라이크 입력 데이터는, 적어도, 각각의 오른발 스트라이크 이벤트와 연관되고 각자의 오른발 스트라이크 이벤트가 발생한 시간을 나타내는 타임스탬프를 포함함 - 를 수신하고; 그리고 (d) 왼발 센서 시스템(예컨대, 동일한 또는 상이한 센서 시스템)으로부터 복수의 왼발 스트라이크 이벤트들에 관한 왼발 스트라이크 입력 데이터 - 왼발 스트라이크 입력 데이터는, 적어도, 각각의 왼발 스트라이크 이벤트와 연관되고 각자의 왼발 스트라이크 이벤트가 발생한 시간을 나타내는 타임스탬프를 포함함 - 를 수신하는 입력 시스템들을 포함할 수 있다. 이러한 입력 정보로부터, 컴퓨터 프로세싱 시스템(예컨대, 하나 이상의 마이크로프로세서들 또는 다른 컴퓨터 컴포넌트들을 포함함)은, (a) 제1 세트의 타임스탬프들(또는 복수의 세트들의 타임스탬프들) - 제1 세트의 타임스탬프들(및, 선택적으로, 각각의 세트의 타임스탬프들)은 시간적으로 인접한 오른발 론칭, 왼발 론칭, 오른발 스트라이크, 및 왼발 스트라이크 이벤트들을 포함함 - 을 식별할 수 있고, (b) 적어도, 제1 세트의 타임스탬프들(및, 선택적으로, 각각의 세트의 타임스탬프들에 대한 체공 시간들)과 연관된 타임스탬프 정보가 사전결정된 세트의 템플릿들 중 하나에 대응하는지 여부를 판정할 수 있는데, 여기서 템플릿들은 상이한 타입들의 활동(예컨대, 걷기; 달리기(및, 선택적으로, 더 미세하게는, 예컨대 조깅하기, 달리기, 전력질주하기, 전진 이동하기, 후진 이동하기 등을 포함함); 횡방향 셔플링; 점프하기(및, 선택적으로, 더 미세하게는, 예컨대 달리기 타입 점프(예컨대, 농구 레이업 타입 이동의 경우), 또는 수직 점프하기(예컨대, 점프 슛, 슛 블로킹, 또는 리바운도 활동의 경우)를 포함함)에 대응한다. 이어서, 제1 세트의 타임스탬프들에 대한 제1 체공 시간(및, 선택적으로, 각각의 세트의 타임스탬프들의 적어도 일부, 및, 선택적으로, 각각의 세트의 타임스탬프들에 대한 체공 시간들)이 적어도 타임스탬프 정보와 연관된 것으로 판정된 템플릿에 기초하여 판정될 수 있는데, 여기서 제1 체공 시간(및, 선택적으로, 평가된 일부/각각의 세트의 타임스탬프들에 대한 체공 시간들)은 왼발 및 오른발 양측 모두가 동시에 지표면과 접촉하지 않을 때 그 세트의 타임스탬프들에 의해 포함된 지속시간에 적어도 부분적으로 기초한다. 하기에 더 상세히 논의되는 바와 같이, 본 발명의 적어도 일부 태양들에 따른 시스템들 및 방법들은 어느 템플릿이 개별 세트들의 타임스탬프 데이터와 함께 포함된 정보에 대해 최상의 매칭인지 판정할 것이고, 판정된 체공 시간(들)을 평가하여, 그들이 잠재적으로 무효인지 여부를 판정할 것이고, 무효인 경우, 적어도 일부 경우들에 있어서, 잠재적으로 무효인 데이터를 정정하거나 그 데이터를 폐기할 것이다. 본 발명의 적어도 일부 예들에 따른 시스템들 및 방법들은 또한, 예컨대 전술된 메트릭들 중 하나 이상에 관한 또는 그에 기초한 정보를 비롯한 출력을 생성하는 것, 및 출력 데이터를 송신하고 그리고/또는 출력/메트릭들 중 적어도 일부를 인간 인지가능 방식으로 디스플레이하는 사용자 인터페이스를 생성하는 것을 포함할 것이다.
본 발명에 따른 시스템들 및 방법들의 이러한 태양의 적어도 일부 예들에서, 체공 시간(들)을 판정하는 단계는 하기 중 2개 이상을 포함할 것이다: (a) 타임스탬프 정보와 연관된 것으로 판정된 템플릿이 걷기 템플릿(후진 걷기 또는 전진 걷기)에 대응하는 경우, 해당 세트의 타임스탬프들에 대한 체공 시간을 0인 것으로 판정하는 단계; (b) 타임스탬프 정보와 연관된 것으로 판정된 템플릿이 달리기 템플릿(예컨대, 조깅하기, 달리기, 또는 전력질주하기 활동에 대한 것)(및/또는, 선택적으로, 개별 조깅하기 템플릿, 달리기 템플릿, 전력질주하기 템플릿, 도움닫기 점프 템플릿, 이들 "달리기" 활동들 중 임의의 것과 연관된 전진 이동 템플릿, 이들 "달리기" 활동들 중 임의의 것과 연관된 후진 이동 템플릿 등 중 하나 이상)에 대응하는 경우, 해당 세트의 타임스탬프들에 대한 체공 시간을 (i) 오른발 스트라이크 이벤트 또는 왼발 스트라이크 이벤트의 초기와 (ii) 오른발 론칭 이벤트 또는 왼발 론칭 이벤트의 후기 사이의 지속시간인 것으로 판정하는 단계; (c) 타임스탬프 정보와 연관된 것으로 판정된 템플릿이 횡방향 셔플 템플릿에 대응하는 경우, 해당 세트의 타임스탬프 정보에 대한 체공 시간을 (i) 오른발 스트라이크 이벤트 또는 왼발 스트라이크 이벤트의 초기와 (ii) 오른발 론칭 이벤트 또는 왼발 론칭 이벤트의 후기 사이의 지속시간인 것으로 판정하는 단계; 및 (d) 타임스탬프 정보와 연관된 것으로 판정된 템플릿이 점프 템플릿(예컨대, 수직 점프하기 또는 도움닫기 점프 활동에 대한 것)(및/또는, 선택적으로, 개별 수직 점프하기 템플릿, 도움닫기 점프 템플릿 등 중 하나 이상)에 대응하는 경우, 해당 세트의 타임스탬프 정보에 대한 체공 시간을 (i) 오른발 스트라이크 이벤트 또는 왼발 스트라이크 이벤트의 초기와 (ii) 오른발 론칭 이벤트 또는 왼발 론칭 이벤트의 후기 사이의 지속시간인 것으로 판정하는 단계. 타임스탬프 정보와 연관된 활동이 사전결정된 템플릿들 중 어느 것에도 대응하지 않는 경우, 해당 세트의 타임스탬프 정보에 대한 체공 시간을 판정하는 단계는 체공 시간을 0인 것으로 판정하는 단계를 포함한다.
본 발명의 이러한 태양에 따른 추가적인 시스템들 및 방법들은 (a) 오른쪽 신발의 가속도 또는 오른쪽 신발과 접촉 표면 사이의 접촉 힘을 측정하기 위한 오른발 센서; (b) 왼쪽 신발의 가속도 또는 왼쪽 신발과 접촉 표면 사이의 접촉 힘을 측정하기 위한 왼발 센서; (c) 프로세서 시스템; 및 (d) 출력 시스템을 포함할 수 있고, 프로세서 시스템은, (i) 오른발 센서 및 왼발 센서에 의해 생성된 데이터로부터 오른발 론칭 이벤트들, 왼발 론칭 이벤트들, 오른발 스트라이크 이벤트들, 및 왼발 스트라이크 이벤트들을 식별하도록; (ii) 시간적으로 인접한 오른발 론칭, 왼발 론칭, 오른발 스트라이크, 및 왼발 스트라이크 이벤트들을 포함하는 복수의 세트들의 이벤트 타임스탬프들을 식별하도록; (iii) 복수의 세트들의 이벤트 타임스탬프들 중 개별 세트들의 이벤트 타임스탬프들이 사전결정된 세트의 템플릿들 중 하나 - 템플릿들은 상이한 타입들의 활동에 대응함 - 에 대응하는지 여부를 판정하도록; 그리고 (iv) 해당 개별 세트의 이벤트 타임스탬프들과 연관된 것으로 판정된 템플릿에 기초하여, 각각의 개별 세트의 이벤트 타임스탬프들과 연관된 체공 시간들 - 개별 세트들의 이벤트 타임스탬프들에 대한 체공 시간은, 왼발 및 오른발 양측 모두가 동시에 표면과 접촉하지 않을 때, 개별 세트들의 이벤트 타임스탬프들 중의 타임스탬프들에 의해 커버되는 지속시간에 적어도 부분적으로 기초함 - 을 판정하도록 프로그래밍되고 적응되며; 출력 시스템은, 체공 시간들을 포함하거나 체공 시간들로부터 도출된 정보를 포함하는 출력 데이터를 출력하기 위한 것이다.
III. 본 발명에 따른 템플릿 및 비-템플릿 기반 시스템들 및 방법들의 잠재적 특징들
본 발명에 따른 템플릿 및 비-템플릿 기반 시스템들 및 방법들 양측 모두는 하기에 기술된 특징들 또는 특성들 중 임의의 것, 일부, 또는 모두를 포함할 수 있다.
본 발명의 적어도 일부 태양들에 따른 시스템들 및 방법들은, 예컨대 하기 중 하나 이상을 감지, 측정, 및 검출하기 위한 오른발 센서 시스템들 및 왼발 센서 시스템들을 추가로 포함할 것이다: 가속도; 가속도의 변화; 이동 속도; 속도의 변화; 위치; 위치의 변화; 발과 접촉 표면 사이의 접촉 힘; 발과 접촉 표면 사이의 접촉 힘의 변화; 기타 등등.
소정 세트의 타임스탬프들에 대한 체공 시간을 판정하는 단계에서, 체공 시간은 하기의 수학식을 이용하여 판정될 수 있다:
체공 시간 = T1 ― T2,
여기서, T1은 그 세트의 타임스탬프들로부터 오른발 스트라이크 이벤트 또는 왼발 스트라이크 이벤트의 초기와 연관된 타임스탬프의 시간에 대응하고, T2는 그 세트의 타임스탬프들로부터 오른발 론칭 이벤트 또는 왼발 론칭 이벤트의 후기와 연관된 타임스탬프의 시간에 대응한다. 걷기, 조깅하기, 달리기, 또는 전력질주하기 활동들(또는, 전술된 바와 같이, 템플릿들)에 대응하기 위해, 지면을 떠나는 나중의 발(T2 타임스탬프 이벤트에 대응함)은 지면에 먼저 접촉하는 발(T1 타임 이벤트에 대응함)과는 반대쪽의 발일 것이다. 점프하기 활동들(그리고, 잠재적으로, 수직 점프하기와 도움닫기 점프들/템플릿들 양측 모두)의 경우, 발은 임의의 순서로 지면을 떠날 수 있고 지면과 접촉할 수 있다.
본 발명에 따른 시스템들 및 방법들의 적어도 일부 예들에서, 소정 세트의 타임스탬프들에 대한 체공 시간을 판정하는 단계에서, (a) 소정 세트의 타임스탬프들과 연관된 체공 시간은, T1과 연관된 타임스탬프가 T2와 연관된 타임스탬프보다 더 빠른 경우에 0인 것으로 판정될 것이고; 그리고/또는 (b) 소정 세트의 타임스탬프들과 연관된 체공 시간은 판정된 체공 시간 값이 임계 지속시간(예컨대, 본질적으로 걷기 활동 - 선택적으로 사람의 스텝에서 약간의 "바운스"를 갖는 걷기 - 에 대응할 수 있는 짧지만 포지티브인 '체공 시간")보다 적은 경우에 0인 것으로 판정될 것이다.
본 발명에 따른 시스템들 및 방법들의 적어도 일부 예들은 소정 세트의 타임스탬프들에 대한 판정된 체공 시간들을 평가하여, 체공 시간이 인간 활동에 대해 "유효"한지 여부를 판정할 것이다. 일례로서, 소정 세트의 타임스탬프들에 대한 체공 시간을 판정하는 단계에서, 소정 세트의 타임스탬프들과 연관된 체공 시간은 판정된 체공 시간 값이 유효 체공 시간 값보다 더 큰 경우(예컨대, 개인이 그/그녀를 부유시키거나 지지할 일부 외부 보조물 없이 점프함으로써 지면과 접촉하지 않도록 하기 위해 가능한 것보다 더 크게 설정된 상한 임계 시간)에 0인 것으로 판정될 수 있다. "유효 체공 시간 값"은 대체로 사람들에 대한 값(예컨대, 기록된 최고 점프 시간의 근처 및/또는 단지 그보다 더 긴 기간에 대응함)에서 설정될 수 있거나, 또는 그것은 개인의 이전에 판정된 능력들에 대해 목표로 된 레벨에서 설정될 수 있다.
판정된 체공 시간 값이 유효 체공 시간 값을 초과한다는 판정이 본 발명에 따른 모든 시스템들 및 방법들에서 해당 세트의 타임스탬프들에 대한 0 체공 시간의 판정을 자동으로 요구하지는 않는다. 오히려, 원한다면, 본 발명의 적어도 일부 예들에 따른 시스템들 및 방법들은 다른 소스들, 예컨대 다른 센서들(예컨대, 신체 중심 센서, 비디오 데이터 스트림 등)로부터의 데이터를 고려하여, 판정된 무효 체공 시간 값이 "정정"될 수 있는지 여부를 판정할 수 있다. 예를 들어, 농구에서, 때때로, 선수는 네트 또는 림(rim)을 쥘 것이거나, 또는 다른 선수에 의해 떠받치고 소정 시간 동안 공중에 "부유"될 것인데, 이는 판정된 체공 시간 값이 "유효 체공 시간 값"을 초과하게 할 수 있다. 그러한 이벤트들(예컨대, 체공 시간 값이 유효 체공 시간 값을 초과할 때)을 다루기 위해, 그리고 더 정확한 "체공 시간" 데이터를 제공하기 위한 노력으로, 본 발명의 적어도 일부 예들에 따른 시스템들 및 방법들은 오른발 센서 및 왼발 센서 시스템 외의 모션 센서 시스템(예컨대, 신체 중심 모션 센서 또는 가속도계 등)으로부터 입력 데이터를 수신할 수 있고, 해당 데이터(및 그와 연관된 타임스탬프 정보)를 평가되고 있는 그 세트의 타임스탬프 데이터와 함께 이용하여, "부유" 시간이 (i) 오른발 스트라이크 이벤트 또는 왼발 스트라이크 이벤트의 초기와 연관된 타임스탬프의 시간과 (ii) 오른발 론칭 이벤트 또는 왼발 론칭 이벤트의 후기와 연관된 타임스탬프의 시간 사이의 모션 센서/가속도계 입력 데이터로부터 판정될 수 있는지 여부를 확인할 수 있다. 부유 시간이 판정될 수 있는 경우(예컨대, 신체 중심 센서 또는 가속도계가, 선수가 연장된 기간 동안에 중력을 거스르는 상승된 높이를 유지하는 것을 보여줄 때), 본 발명의 이러한 태양에 따른 시스템들 및 방법들은, "정정된" 지속시간(예컨대, 초기에 판정된 체공 시간 값 마이너스 부유 시간에 대응함)이 제2 유효 체공 시간 값(상기에 이용된 초기 유효 체공 시간 값과 동일할 수 있거나 또는 그와는 상이할 수 있음)보다 작은지 여부를 판정할 수 있고, (A) 그러한 경우, "정정된" 지속시간에 적어도 부분적으로 기초하여, 해당 세트의 타임스탬프들에 대한 체공 시간(예컨대, "정정된 지속시간"과 동일함)을 판정할 수 있고, (B) 그렇지 않은 경우, 해당 세트의 타임스탬프들에 대한 체공 시간을 0인 것으로 판정할 수 있다. 원한다면, 일부 시스템들 및 방법들은, 임의의 세트의 타임스탬프들, 심지어 판정된 유효 체공 시간을 초래하는 타임스탬프들과 연관된 "부유 시간"이 발견될 수 있는지 여부를 판정할 수 있고, 존재 시, "부유 시간"을 이용하여 심지어 유효 체공 시간 값들도 정정할 수 있다.
다른 예로서, 판정된 체공 시간 값은, 선수가 스텝 또는 점프 후에 그의/그녀의 발을 착지시키지 않을 때, 유효 체공 시간 값을 초과할 수 있다(그리고, 이에 따라, 다음 "풋 스트라이크" 이벤트는 선수가 준비하기 시작할 때까지 발생하지 않을 수도 있는데, 이는 기간을 유효 체공 시간 값보다 더 길게 연장시킬 수 있다). 선수가 경기 진행 중에 쓰러진 상태가 되는 경우, 그는 여전히 그의 활동과 연관된 "체공 시간"에 대한 크레디트(credit)를 얻어야 하지만, 그 체공 시간은 일어서는 데 소요되는 시간을 포함하는 것으로 왜곡되어서는 안 된다. 본 발명의 적어도 일부 예들에 따른 시스템들 및 방법들은 또한 이러한 경우들 중 적어도 일부에서 체공 시간을 판정 및 "정정"할 수 있다. 또한, 본 발명의 적어도 일부 예들에 따른 시스템들 및 방법들은 다른 소스들, 예컨대 다른 센서들(예컨대, 신체 중심 센서, 비디오 데이터 스트림 등)로부터의 데이터를 고려하여, 선수가 그의/그녀의 발을 착지시키지 않았는지 여부 및 판정된 무효 체공 시간 값이 "정정"될 수 있는지 여부를 판정할 수 있다. 더 구체적으로, 소정 세트의 타임스탬프들과 연관된 체공 시간이 제1 유효 체공 시간 값보다 더 큰 것으로 판정되는 경우, 본 발명의 적어도 일부 예들에 따른 시스템들 및 방법들은 지면 접촉 시간이 (a) 오른발 스트라이크 이벤트 또는 왼발 스트라이크 이벤트의 초기와 연관된 타임스탬프의 시간과 (b) 오른발 론칭 이벤트 또는 왼발 론칭 이벤트의 후기와 연관된 타임스탬프의 시간 사이의 다른 센서 데이터(예컨대, 신체 중심 가속도계 센서로부터의 가속도의 급작스러운 변화)로부터 판정될 수 있는지 여부를 판정하는 것을 추가로 포함할 수 있다. 잠재적인 지면 접촉 시간이 이러한 다른 데이터로부터 판정될 수 있는 경우, 시스템들 및 방법들은, 추가로, 다른 센서 데이터로부터의 지면 접촉 시간과 오른발 론칭 이벤트 또는 왼발 론칭 이벤트의 후기와 연관된 타임스탬프의 시간 사이의 제2 지속시간이 제2 유효 체공 시간 값(제1 유효 체공 시간 값과 동일할 수 있거나 또는 그와는 상이할 수 있음)보다 작은지 여부를 판정할 수 있고, (A) 그러한 경우, 제2 지속시간에 기초하여(예컨대, 그에 대응하여) 해당 세트의 타임스탬프들에 대한 체공 시간을 판정할 수 있고, (B) 그렇지 않은 경우, 해당 세트의 타임스탬프들에 대한 체공 시간을 0인 것으로 판정할 수 있다.
전술된 바와 같이, "체공 시간들"은 하나 이상의 "세트들"의 타임스탬프 데이터에 대해 판정될 수 있고, 이러한 "세트들"의 타임스탬프 데이터는, 적어도, 4개의 시간적으로 인접한 오른발 스트라이크, 왼발 스트라이크, 오른발 론칭, 및 왼발 론칭 이벤트들의 세트를 포함할 수 있다. 대안적으로, 소정 세트의 이벤트들은 시간적으로 인접할 필요가 없고 그리고/또는 4개의 언급된 이벤트들로 제한될 필요가 없지만, 소정 세트의 타임스탬프 데이터의 오른발 및 왼발 이벤트들은 희망하는 시간프레임 내에서 발생하는 모든 오른발 및 왼발 론칭 및 스트라이크 이벤트들을 구성할 수 있다.
본 발명의 추가적인 태양들은 하나 이상의 개별 "체공 시간" 이벤트들과 연관된 "점프 높이" 및/또는 복수의 "체공 시간" 이벤트들과 연관된 누적 "점프 높이"를 판정하는 것을 포함할 수 있다. 다른 알고리즘들 및 수학식들이 판정된 "체공 시간"에 기초하여 점프 높이를 판정하는 데 이용될 수 있지만, 본 발명에 따른 시스템들 및 방법들의 적어도 일부 예들에서, 체공 시간 데이터와 연관된 "점프 높이"는 하기의 수학식으로부터 판정될 것이다:
점프 높이(인치) = (41.66708 × 체공 시간(초)) ― 3.818335.
점프 높이는 각각의 개별 체공 시간 및/또는 각각의 개별 세트의 타임스탬프 데이터에 대해 판정될 수 있다. 추가적으로 또는 대안적으로, "누적 점프 높이"는, 예컨대 누적 체공 시간에 기초하여(예컨대, 상기 수학식을 이용하여), 또는 개별 체공 시간들에 대한 개별적으로 판정된 점프 높이들을 추가함으로써(예컨대, 상기 수학식을 이용하여) 판정될 수 있다.
본 발명은 예로서 도시되고 첨부 도면으로 제한되지 않으며, 도면에서 유사한 참조 부호들은 유사한 요소들을 나타낸다.
도 1a 및 도 1b는 예시적인 실시예들에 따른, 개인 트레이닝을 제공하기 위한 시스템의 일례를 도시하며, 여기서 도 1a는 운동 활동을 모니터링하도록 구성된 예시적인 네트워크를 도시하고, 도 1b는 예시적인 실시예들에 따른 예시적인 컴퓨팅 디바이스를 도시한다.
도 2a 내지 도 2c는 예시적인 실시예들에 따른, 사용자가 착용할 수 있는 예시적인 센서 조립체들을 도시한다.
도 3은 본 발명의 일 실시예에 따른, 활동 분류를 분류하는 데 활용될 수 있는 예시적인 방법을 도시한다.
도 4는 일 실시예에 따른, 스텝(step)들을 수량화하는 데 활용될 수 있는 예시적인 흐름도를 도시한다.
도 5는 일 실시예에 따른, 주파수를 추정할 수 있고 주파수 검색 범위를 셋업할 수 있는 예시적인 흐름도를 도시한다.
도 6은 일 실시예에 따른, 분류 기능을 구현하는 데 활용될 수 있는 예시적인 흐름도를 도시한다.
도 7a는 일 실시예에 따른, 팔의 스윙 주파수(swing frequency)를 활용할 것인지 아니면 바운스 주파수(bounce frequency)를 활용할 것인지 판정하도록 구현될 수 있는 예시적인 흐름도를 도시한다.
도 7b는 바운스 피크(peak)의 주파수가 대체로 팔의 스윙 피크의 주파수의 2배인 일례를 도시한다.
도 8은 일 실시예에 따른, 활동을 분류하고 속력을 판정하도록 구현될 수 있는 예시적인 흐름도를 도시한다.
도 9는 또 다른 실시예에 따라 구현될 수 있는, 사용자의 활동을 측정하는 일 실시예의 주석붙은 흐름도를 도시한다.
도 10은 사용자 활동 이벤트들을 하나 이상의 행동 템플릿들에 매칭시키기 위한 예시적인 프로세스를 도시한 흐름도이다.
도 11a는 예시적인 템플릿 매칭 프로세스를 도시한 흐름도이다.
도 11b는 체공 시간의 맥락에서 예시적인 템플릿 매칭 프로세스를 도시한 흐름도이다.
도 12는 다른 예시적인 템플릿 매칭 프로세스를 도시한다.
도 13a 내지 도 13d는 템플릿 매칭을 위한 예시적인 데이터 프로세싱 흐름들을 도시한다.
도 14는 예시적인 행동 템플릿을 도시한다.
도 15는 예시적인 행동 템플릿 매칭 그래프를 도시한다.
도 16은 센서 시스템과 활동 프로세싱 시스템 사이의 데이터 흐름의 예시적인 다이어그램이다.
도 17은 활동 프로세싱에 대한 다른 예시적인 데이터 흐름 다이어그램이다.
도 18 내지 도 20은 예시적인 신호 스트림들 및 그 중에서 식별된 이벤트들을 도시한다.
도 21은 일 실시예에 따른, 체공 시간을 측정하는 예시적인 구현예를 도시한 흐름도이다.
도 22는 일 실시예에 따른, 2인의 운동선수들의 순시 체공 시간의 차트를 도시한다.
도 23은 일 실시예에 따른, 2인의 운동선수들의 에버리지 체공 시간의 차트를 도시한다.
도 24는 일 실시예에 따른, 2인의 운동선수들의 누적 체공 시간의 차트를 도시한다.
도 25는 일 실시예에 따른, 점프 높이를 계산하는 흐름도를 도시한다.
다양한 실시예들의 하기의 설명에서는, 본 명세서의 일부를 형성하고, 본 발명이 실시될 수 있는 다양한 실시예들이 예로서 도시된 첨부 도면을 참조한다. 다른 실시예들이 이용될 수 있고, 본 발명의 범주 및 사상으로부터 벗어나지 않으면서 구조적 및 기능적 변경이 이루어질 수 있다는 것이 이해될 것이다. 또한, 본 명세서 내의 소제목이 본 발명의 제한적인 태양들로 간주되어서는 안 된다. 본 발명의 이득을 갖는 당업자는 예시적인 실시예들이 예시적인 소제목들로 제한되지 않는다는 것을 이해할 것이다.
I. 예시적인 개인 트레이닝 시스템
A. 예시적인 컴퓨팅 디바이스들
도 1a는, 예시적인 실시예들에 따른, 개인 트레이닝 시스템(100)의 일례를 도시한다. 예시적인 시스템(100)은 하나 이상의 전자 디바이스들, 예컨대 컴퓨터(102)를 포함할 수 있다. 컴퓨터(102)는 전화, 음악 플레이어, 태블릿, 넷북, 또는 임의의 휴대용 디바이스와 같은 모바일 단말기를 포함할 수 있다. 다른 실시예들에서, 컴퓨터(102)는 셋톱박스(STB), 데스크톱 컴퓨터, 디지털 비디오 레코더(들)(DVR), 컴퓨터 서버(들), 및/또는 임의의 다른 희망하는 컴퓨팅 디바이스를 포함할 수 있다. 소정 구성들에 있어서, 컴퓨터(102)는, 예를 들어 Microsoft® XBOX, Sony® 플레이스테이션(Playstation), 및/또는 Nintendo® 위(Wii) 게임 콘솔들과 같은 게이밍 콘솔을 포함할 수 있다. 당업자는 이들이 단지 설명의 목적을 위한 예시적인 콘솔들이고 본 발명이 어떠한 콘솔 또는 디바이스로도 제한되지 않는다는 것을 이해할 것이다.
도 1b를 간단히 살펴보면, 컴퓨터(102)는 컴퓨팅 유닛(104)을 포함할 수 있는데, 이는 적어도 하나의 프로세싱 유닛(106)을 포함할 수 있다. 프로세싱 유닛(106)은, 예를 들어 마이크로프로세서 디바이스와 같은, 소프트웨어 명령어들을 실행시키기 위한 임의의 타입의 프로세싱 디바이스일 수 있다. 컴퓨터(102)는 다양한 비일시적 컴퓨터 판독가능 매체들, 예컨대 메모리(108)를 포함할 수 있다. 메모리(108)는 랜덤 액세스 메모리(random access memory, RAM), 예컨대 RAM(110), 및/또는 판독 전용 메모리(read only memory, ROM), 예컨대 ROM(112)을 포함할 수 있지만, 이들로 제한되지 않는다. 메모리(108)는 전기적으로 소거가능한 프로그래밍가능 판독 전용 메모리(electronically erasable programmable read only memory, EEPROM), 플래시 메모리 또는 다른 메모리 기술, CD-ROM, 디지털 범용 디스크(digital versatile disk, DVD) 또는 다른 광 디스크 저장소, 자기 저장 디바이스, 또는 희망하는 정보를 저장하는 데 사용될 수 있고 컴퓨터(102)에 의해 액세스될 수 있는 임의의 다른 매체 중 임의의 것을 포함할 수 있다.
프로세싱 유닛(106) 및 시스템 메모리(108)는 버스(114) 또는 대안적인 통신 구조물을 통해 하나 이상의 주변기기 디바이스들에 직접적으로 또는 간접적으로 접속될 수 있다. 예를 들어, 프로세싱 유닛(106) 또는 시스템 메모리(108)는 추가적인 메모리 저장소, 예컨대 하드 디스크 드라이브(116), 착탈식 자기 디스크 드라이브, 광 디스크 드라이브(118), 및 플래시 메모리 카드에 직접적으로 또는 간접적으로 접속될 수 있다. 프로세싱 유닛(106) 및 시스템 메모리(108)는 또한 하나 이상의 입력 디바이스들(120) 및 하나 이상의 출력 디바이스들(122)에 직접적으로 또는 간접적으로 접속될 수 있다. 출력 디바이스들(122)은, 예를 들어 디스플레이 디바이스(136)(도 1a), 텔레비전, 프린터, 스테레오, 또는 스피커를 포함할 수 있다. 일부 실시예들에서, 하나 이상의 디스플레이 디바이스들이 안경류 내에 통합될 수 있다. 안경류 내에 통합된 디스플레이 디바이스들은 사용자들에게 피드백을 제공할 수 있다. 하나 이상의 디스플레이 디바이스들을 통합한 안경류는 또한 휴대용 디스플레이 시스템을 제공한다. 입력 디바이스들(120)은, 예를 들어 키보드, 터치 스크린, 리모콘 패드, 포인팅 디바이스(예컨대, 마우스, 터치 패드, 스타일러스, 트랙볼, 또는 조이스틱), 스캐너, 카메라, 또는 마이크로폰을 포함할 수 있다. 이와 관련하여, 입력 디바이스들(120)은 사용자, 예컨대 도 1a에 도시된 사용자(124)로부터 운동 변동(athletic movement)을 감지, 검출, 및/또는 측정하도록 구성된 하나 이상의 센서들을 포함할 수 있다.
도 1a를 다시 살펴보면, 이미지 캡처링 디바이스(126) 및/또는 센서(128)가 사용자(124)의 운동 변동을 검출 및/또는 측정하는 데 활용될 수 있다. 일 실시예에서, 이미지 캡처링 디바이스(126) 또는 센서(128)로부터 얻어진 데이터는 운동 변동을 직접적으로 검출하여, 이미지 캡처링 디바이스(126) 또는 센서(128)로부터 얻어진 데이터가 모션 파라미터에 직접적으로 상관되게 할 수 있다. 또한, 다른 실시예들에서, 이미지 캡처링 디바이스(126) 및/또는 센서(128)로부터의 데이터는 서로 조합하여 또는 다른 센서들과 조합하여 변동을 검출 및/또는 측정하는 데 활용될 수 있다. 따라서, 소정 측정치들이 2개 이상의 디바이스들로부터 얻어진 데이터를 조합하는 것으로부터 판정될 수 있다. 이미지 캡처링 디바이스(126) 및/또는 센서(128)는 하기를 포함하지만 이들로 제한되지 않는 하나 이상의 센서들을 포함할 수 있거나, 또는 이들에 동작가능하게 접속될 수 있다: 가속도계, 자이로스코프, 위치 판정 디바이스(예컨대, GPS), 광 센서, 온도 센서(주변 온도 및/또는 체온을 포함함), 심박수 모니터, 이미지 캡처링 센서, 습도 센서, 및/또는 이들의 조합들. 예시적인 센서들(126, 128)의 예시적인 사용이 하기에서 "예시적인 센서들"이라는 명칭의 섹션 I.C에 제공된다. 컴퓨터(102)는 또한 그래픽 사용자 인터페이스로부터 선택을 행하기 위해 사용자가 어디를 가리키고 있는지 판정하는 데 터치 스크린들 또는 이미지 캡처링 디바이스를 사용할 수 있다. 하나 이상의 실시예들은 하나 이상의 유선 및/또는 무선 기술들을 단독으로 또는 조합하여 활용할 수 있는데, 여기서 무선 기술들의 예들은 Bluetooth® 기술들, Bluetooth® 저전력 기술들, 및/또는 ANT 기술들을 포함한다.
B. 예시적인 네트워크
컴퓨터(102), 컴퓨팅 유닛(104), 및/또는 임의의 다른 전자 디바이스들은 네트워크(132)(도 1a에 도시됨)와 같은 네트워크와 통신하기 위한 예시적인 인터페이스(130)(도 1b에 도시됨)와 같은 하나 이상의 네트워크 인터페이스들에 직접적으로 또는 간접적으로 접속될 수 있다. 도 1b의 예에서, 네트워크 인터페이스(130)는 송신 제어 프로토콜(Transmission Control Protocol, TCP), 인터넷 프로토콜(Internet Protocol, IP), 및 사용자 데이터그램 프로토콜(User Datagram Protocol, UDP)과 같은 하나 이상의 통신 프로토콜들에 따라 컴퓨팅 유닛(104)으로부터의 데이터 및 제어 신호들을 네트워크 메시지들로 변환하도록 구성된 네트워크 어댑터 또는 네트워크 인터페이스 카드(NIC)를 포함할 수 있다. 이러한 프로토콜들은 본 기술 분야에 주지되어 있으며, 따라서 본 명세서에서는 더 상세하게 논의되지 않을 것이다. 인터페이스(130)는, 예를 들어 무선 송수신기, 전력선 어댑터, 모뎀, 또는 이더넷 접속부를 비롯한, 네트워크에 접속하기 위한 임의의 적합한 접속 에이전트를 채용할 수 있다. 그러나, 네트워크(132)는, 단독으로 또는 조합(들)으로, 인터넷(들), 인트라넷(들), 클라우드(들), LAN(들)과 같은 임의의 타입(들) 또는 기술(들)의 임의의 하나 이상의 정보 분배 네트워크(들)일 수 있다. 네트워크(132)는 케이블, 섬유, 위성, 전화, 셀룰러, 무선 등 중 임의의 하나 이상일 수 있다. 네트워크들은 본 기술 분야에 주지되어 있으며, 따라서 본 명세서에서는 더 상세하게 논의되지 않을 것이다. 네트워크(132)는 하나 이상의 위치들(예컨대, 학교, 사업체, 가정, 소비자 주거지, 네트워크 리소스 등)을 하나 이상의 원격 서버들(134)에 또는 예컨대 컴퓨터(102)와 유사하거나 동일한 다른 컴퓨터들에 접속시키는 하나 이상의 유선 또는 무선 통신 채널들을 갖는 것과 같이 다양하게 구성될 수 있다. 또한, 시스템(100)은 각각의 컴포넌트(예컨대, 1개 초과의 컴퓨터(103), 1개 초과의 디스플레이(136) 등)의 1개 초과의 경우를 포함할 수 있다.
컴퓨터(102), 또는 네트워크(132) 내의 다른 전자 디바이스가 휴대용인지 아니면 고정 위치에 있는지와는 무관하게, 상기에 구체적으로 나열된 입력, 출력 및 저장 주변기기 디바이스들 외에도, 컴퓨팅 디바이스는, 예컨대 직접적으로 또는 네트워크(132)를 통해, 입력, 출력 및 저장 기능들, 또는 이들의 일부 조합을 수행할 수 있는 몇 개를 포함한 다양한 다른 주변기기 디바이스들에 접속될 수 있다는 것이 이해되어야 한다. 소정 실시예들에서, 단일 디바이스가 도 1a에 도시된 하나 이상의 컴포넌트들을 통합할 수 있다. 예를 들어, 단일 디바이스는 컴퓨터(102), 이미지 캡처링 디바이스(126), 센서(128), 디스플레이(136), 및/또는 추가적인 컴포넌트들을 포함할 수 있다. 일 실시예에서, 센서 디바이스(138)는 디스플레이(136), 이미지 캡처링 디바이스(126), 및 하나 이상의 센서들(128)을 갖는 모바일 단말기를 포함할 수 있다. 또한, 다른 실시예에서, 이미지 캡처링 디바이스(126), 및/또는 센서(128)는, 예를 들어 게이밍 또는 미디어 시스템을 비롯한 미디어 디바이스에 동작가능하게 접속되도록 구성된 주변기기들일 수 있다. 따라서, 상기 설명으로부터, 본 발명은 고정 시스템들 및 방법들로 제한되지 않게 된다. 오히려, 소정 실시예들은 거의 모든 위치에서 사용자(124)에 의해 실행될 수 있다.
C. 예시적인 센서들
컴퓨터(102) 및/또는 다른 디바이스들은 사용자(124)의 적어도 하나의 단련 파라미터를 검출 및/또는 모니터링하도록 구성된 하나 이상의 센서들(126, 128)을 포함할 수 있다. 센서들(126 및/또는 128)은 가속도계, 자이로스코프, 위치 판정 디바이스(예컨대, GPS), 광 센서, 온도 센서(주변 온도 및/또는 체온을 포함함), 수면 패턴 센서, 심박수 모니터, 이미지 캡처링 센서, 습도 센서, 및/또는 이들의 조합들을 포함할 수 있지만, 이들로 제한되지 않는다. 네트워크(132) 및/또는 컴퓨터(102)는, 예를 들어 디스플레이(136), 이미지 캡처링 디바이스(126)(예컨대, 하나 이상의 비디오 카메라들), 및 센서(128) - 적외선(IR) 디바이스일 수 있음 - 를 포함한 시스템(100)의 하나 이상의 전자 디바이스들과 통신할 수 있다. 일 실시예에서, 센서(128)는 IR 송수신기를 포함할 수 있다. 예를 들어, 센서들(126 및/또는 128)은 사용자(124)의 방향을 향하는 것을 포함해서 파형들을 환경 내로 송신할 수 있고, "반사"를 수신하거나 달리 그러한 방출 파형들의 변형들을 검출할 수 있다. 또 다른 실시예에서, 이미지 캡처링 디바이스(126) 및/또는 센서(128)는 레이더, 음파, 및/또는 가청 정보와 같은 다른 무선 신호들을 송신 및/또는 수신하도록 구성될 수 있다. 당업자는 다수의 상이한 데이터 스펙트럼들에 대응하는 신호들이 다양한 실시예들에 따라 활용될 수 있다는 것을 쉽게 이해할 것이다. 이와 관련하여, 센서들(126 및/또는 128)은 (예컨대, 시스템(100)이 아닌) 외부 소스들로부터 방출된 파형들을 검출할 수 있다. 예를 들어, 센서들(126 및/또는 128)은 열이 사용자(124) 및/또는 주변 환경으로부터 방출되는 것을 검출할 수 있다. 따라서, 이미지 캡처링 디바이스(126) 및/또는 센서(128)는 하나 이상의 열 이미징 디바이스들을 포함할 수 있다. 일 실시예에서, 이미지 캡처링 디바이스(126) 및/또는 센서(128)는 범위 현상학(range phenomenology)을 수행하도록 구성된 IR 디바이스를 포함할 수 있다. 비제한적인 예로서, 범위 현상학을 수행하도록 구성된 이미지 캡처링 디바이스들은 미국 오리건주 포틀랜드 소재의 플리어 시스템즈, 인크.(Flir Systems, Inc.)로부터 구매가능하다. 이미지 캡처링 디바이스(126), 센서(128), 및 디스플레이(136)가 컴퓨터(102)와 직접적으로(무선으로 또는 유선으로) 통신하는 것으로 도시되어 있지만, 당업자는 임의의 것이 네트워크(132)와 직접적으로(무선으로 또는 유선으로) 통신할 수 있다는 것을 이해할 것이다.
1. 다목적 전자 디바이스들
사용자(124)는 센서 디바이스들(138, 140, 142, 및/또는 144)을 비롯한 임의의 수의 전자 디바이스들을 소지, 휴대, 및/또는 착용할 수 있다. 소정 실시예들에서, 하나 이상의 디바이스들(138, 140, 142, 144)은 단련 또는 운동 목적을 위해 특별하게 제조된 것이 아닐 수도 있다. 또한, 본 발명의 태양들은, 개중 일부가 단련 디바이스가 아닌 복수의 디바이스들로부터의 데이터를 활용하여 운동 데이터를 수집, 검출, 및/또는 측정하는 것에 관한 것이다. 일 실시예에서, 디바이스(138)는 휴대용 전자 디바이스, 예컨대 미국 캘리포니아주 쿠퍼티노 소재의 애플, 인크.(Apple, Inc.)로부터 입수가능한 브랜드 디바이스들인 IPOD®, IPAD®, 또는 iPhone®을 비롯한 전화 또는 디지털 음악 플레이어, 또는 미국 워싱턴주 레드몬드 소재의 마이크로소프트(Microsoft)로부터 입수가능한 Zune® 또는 Microsoft® 윈도우즈 디바이스들을 포함할 수 있다. 본 기술 분야에 공지되어 있는 바와 같이, 디지털 미디어 플레이어들은 (예컨대, 사운드 파일로부터 음악을 또는 이미지 파일로부터 사진들을 출력하는) 컴퓨터용 출력 디바이스 및 저장 디바이스 양측 모두의 역할을 할 수 있다. 일 실시예에서, 디바이스(138)는 컴퓨터(102)일 수 있고, 또한, 다른 실시예들에서, 컴퓨터(102)는 디바이스(138)와는 완전히 구별될 수 있다. 디바이스(138)는, 그것이 소정 출력을 제공하도록 구성되는지 여부와는 무관하게, 감지 정보를 수신하기 위한 입력 디바이스로서의 역할을 할 수 있다. 디바이스들(138, 140, 142, 및/또는 144)은 하기를 포함하지만 이들로 제한되지 않는 하나 이상의 센서들을 포함할 수 있다: 가속도계, 자이로스코프, 위치 판정 디바이스(예컨대, GPS), 광 센서, 온도 센서(주변 온도 및/또는 체온을 포함함), 심박수 모니터, 이미지 캡처링 센서, 습도 센서 및/또는 이들의 조합들. 소정 실시예들에서, 센서들은 수동형, 예컨대 (특히) 이미지 캡처링 디바이스(126) 및/또는 센서(128)에 의해 검출될 수 있는 반사성 재료들일 수 있다. 소정 실시예들에서, 센서들(144)은 의류, 예컨대 선수복 내에 통합될 수 있다. 예를 들어, 사용자(124)는 하나 이상의 온-바디 센서(on-body sensor)들(144a, 144b)을 착용할 수 있다. 센서들(144)은 사용자(124)의 의복 내에 통합될 수 있고, 그리고/또는 사용자(124)의 신체의 임의의 희망하는 위치에 배치될 수 있다. 센서들(144)은 컴퓨터(102), 센서들(128, 138, 140, 142), 및/또는 카메라(126)와 (예컨대, 무선으로) 통신할 수 있다. 대화형 게이밍 의류의 예들이 2002년 10월 30일자로 출원되고 미국 특허 출원 공개 제2004/0087366호로서 공개된 미국 특허 출원 제10/286,396호에 기술되어 있는데, 그 내용은 임의의 그리고 모든 비제한적인 목적을 위해 전체가 본 명세서에 참고로 포함된다. 소정 실시예들에서, 수동형 감지 표면들은 이미지 캡처링 디바이스(126) 및/또는 센서(128)에 의해 방출된 파형들, 예컨대 적외선 광을 반사시킬 수 있다. 일 실시예에서, 사용자(124)의 의류 상에 위치된 수동형 센서들은 유리로 제조된 대체로 구체인(spherical) 구조물들, 또는 파형들을 반사시킬 수 있는 다른 투명한 또는 반투명한 표면들을 포함할 수 있다. 상이한 종류의 의류가 활용될 수 있는데, 여기서 주어진 종류의 의류는 적절히 착용될 때 사용자(124)의 신체의 특정 부분에 근접하게 위치되도록 구성된 특정 센서들을 갖는다. 예를 들어, 골프복이 제1 구성에서 의류 상에 배치되는 하나 이상의 센서들을 포함할 수 있고, 또한, 축구복이 제2 구성에서 의류 상에 배치되는 하나 이상의 센서들을 포함할 수 있다.
디바이스들(138 내지 144)은, 직접적으로 또는 네트워크(132)와 같은 네트워크를 통해, 서로 통신할 수 있다. 디바이스들(138 내지 144) 중 하나 이상의 디바이스들 사이의 통신은 컴퓨터(102)를 통해서 일어날 수 있다. 예를 들어, 디바이스들(138 내지 144) 중 둘 이상은 컴퓨터(102)의 버스(114)에 동작가능하게 접속된 주변기기들일 수 있다. 또 다른 실시예에서, 제1 디바이스, 예컨대 디바이스(138)는 제1 컴퓨터, 예컨대 컴퓨터(102)뿐만 아니라 다른 디바이스, 예컨대 디바이스(102)와 통신할 수 있지만, 디바이스(142)는 컴퓨터(102)에 접속하도록 구성되는 것이 아니라 디바이스(138)와 통신할 수 있다. 당업자는 다른 구성들이 가능하다는 것을 이해할 것이다.
예시적인 실시예들의 일부 구현예들은, 대안적으로 또는 추가적으로, 매우 다양한 기능들이 가능하도록 의도된 컴퓨팅 디바이스들, 예컨대 데스크톱 또는 랩톱 개인 컴퓨터를 채용할 수 있다. 이러한 컴퓨팅 디바이스들은 희망에 따라 주변기기 디바이스들 또는 추가적인 컴포넌트들의 임의의 조합을 가질 수 있다. 또한, 도 1b에 도시된 컴포넌트들은 서버(134), 다른 컴퓨터들, 장치들 등에 포함될 수 있다.
2. 예시적인 의류/액세서리 센서들
소정 실시예들에서, 감지 디바이스들(138, 140, 142 및/또는 144)은 사용자(124)의 의복, 또는 시계, 암 밴드, 손목 밴드, 목걸이, 셔츠, 신발 등을 포함한 액세서리들 내에 형성될 수 있거나, 또는 달리 이들과 연관될 수 있다. 신발 장착형 및 손목 착용형 디바이스들(각각, 디바이스들(140, 142))의 예들이 바로 아래에 기술되지만, 이들은 단지 예시적인 실시예들이고 본 발명은 그러한 것으로 제한되어서는 안 된다.
A. 신발 장착형 디바이스
소정 실시예들에서, 감지 디바이스(140)는 하기를 포함하지만 이들로 제한되지 않는 하나 이상의 센서들을 포함할 수 있는 신발류를 포함할 수 있다: 가속도계, GPS와 같은 위치 감지 컴포넌트, 및/또는 힘 센서 시스템. 도 2a는 센서 시스템(202)의 하나의 예시적인 실시예를 도시한다. 소정 실시예들에서, 시스템(202)은 센서 어셈블리(204)를 포함할 수 있다. 어셈블리(204)는, 예를 들어 가속도계, 위치 판정 컴포넌트, 및/또는 힘 센서와 같은 하나 이상의 센서들을 포함할 수 있다. 예시된 실시예에서, 어셈블리(204)는 힘 감응성 저항(force-sensitive resistor, FSR) 센서들(206)을 포함할 수 있는 복수의 센서들을 포함한다. 또 다른 실시예들에서, 다른 센서(들)가 활용될 수 있다. 포트(208)가 신발의 밑창 구조물(209) 내에 위치될 수 있다. 포트(208)는, 선택적으로, 전자 모듈(210)(하우징(211) 내에 있을 수 있음), 및 FSR 센서들(206)을 포트(208)에 접속시키는 복수의 리드(lead)들(212)과 통신하도록 제공될 수 있다. 모듈(210)은 신발의 밑창 구조물 내의 웰(well) 또는 캐비티(cavity) 내에 포함될 수 있다. 포트(208) 및 모듈(210)은 접속 및 통신을 위한 상보성 인터페이스들(214, 216)을 포함한다. 하나 이상의 배열물들에서, 전자 모듈(210)은 센서 데이터 프로세싱을 수행하도록(예컨대, 하나 이상의 프로세서들을 포함하도록) 그리고/또는 (예컨대, 하나 이상의 추가적인 센서들을 내부에 포함함으로써) 감지 데이터를 제공하도록 구성될 수 있다. 일부 배열물들에서, FSR 센서(216)와 같은 센서들 중 하나 이상은, 수집 및/또는 다른 프로세스들을 위해, 독립적으로(예컨대, 다른 센서들 또는 가속도계와 같은 다른 타입의 센서들과는 별개로) 센서 데이터를 프로세싱하고 프로세싱된 데이터를 전자 모듈(210)로 전송하기 위한 개별 프로세서들을 포함할 수 있다.
소정 실시예들에서, 도 2a에 도시된 적어도 하나의 힘 감응성 저항(206)은 제1 및 제2 전극들 또는 전기 접촉부들(218, 220), 및 전극들(218, 220) 사이에 배치되어 전극들(218, 220)을 함께 전기적으로 접속시키는 힘 감응성 저항 재료(222)를 포함할 수 있다. 압력이 힘 감응성 재료(222)에 적용될 때, 힘 감응성 재료(222)의 저항성 및/또는 전도성이 변화하는데, 이는 전극들(218, 220) 사이의 전기 전위를 변화시킨다. 저항의 변화는 센서 시스템(202)에 의해 검출되어 센서(216) 상에 적용되는 힘을 검출하게 할 수 있다. 힘 감응성 저항 재료(222)는 소정 압력 하에 다양한 방식들로 그의 저항을 변화시킬 수 있다. 예를 들어, 힘 감응성 재료(222)는 재료가 압축될 때 감소하는 내부 저항을 가질 수 있는데, 이러한 재료는 하기에서 더 상세히 기술되는 양자 터널링 합성물(quantum tunneling composite)들과 유사하다. 이러한 재료의 추가 압축은 저항을 더 감소시켜서, 이원적(온/오프) 측정뿐만 아니라 정량적 측정도 허용할 수 있다. 일부 환경들에 있어서, 이러한 타입의 힘 감응성 저항 거동은 "부피 기반 저항(volume-based resistance)"으로 기술될 수 있고, 이러한 거동을 보이는 재료들은 "스마트 재료들"로 지칭될 수 있다. 다른 예로서, 재료(222)는 표면 대 표면 접촉의 정도를 변화시킴으로써 저항을 변화시킬 수 있다. 이는 여러 방식들로, 예컨대 비압축 조건에서 표면 저항을 증가시키는 마이크로프로젝션(microprojection)들 - 마이크로프로젝션들이 압축될 때 표면 저항이 감소함 - 을 표면 상에서 사용함으로써 또는 다른 전극과의 증가된 표면 대 표면 접촉을 생성하도록 변형될 수 있는 가요성 전극을 사용함으로써 달성될 수 있다. 이러한 표면 저항은 재료(222)와 전극(218, 220 222) 사이의 저항 및/또는 다중 층 재료(222)의 힘 감응성 층(예컨대, 반도체)과 전도 층(예컨대, 탄소/그래파이트) 사이의 표면 저항일 수 있다. 압축이 더 클수록, 표면 대 표면 접촉이 더 커서, 더 낮은 저항을 가져오게 되고, 정량적 측정을 가능하게 한다. 일부 환경들에 있어서, 이러한 타입의 힘 감응성 저항 거동은 "접촉 기반 저항"으로 기술될 수 있다. 본 명세서에서 정의되는 바와 같은 힘 감응성 저항 재료(222)가 도핑된 또는 비도핑된 반도체성 재료일 수 있거나 또는 이를 포함할 수 있다는 것이 이해된다.
FSR 센서(216)의 전극들(218, 220)은 금속들, 탄소/그래파이트 섬유 또는 합성물, 다른 전도성 합성물, 전도성 폴리머 또는 전도성 재료를 함유한 폴리머, 전도성 세라믹, 도핑된 반도체, 또는 임의의 다른 전도성 재료를 비롯한 임의의 전도성 재료로 형성될 수 있다. 리드들(212)은 용접, 솔더링, 브레이징(brazing), 접착성 접합(adhesively joining), 패스너들, 또는 임의의 다른 일체형 또는 비일체형 접합 방법을 비롯한 임의의 적합한 방법에 의해 전극들(218, 220)에 접속될 수 있다. 대안적으로, 전극(218, 220) 및 관련 리드(212)는 동일한 재료의 단일품으로 형성될 수 있다.
도 2c는 신발 기반 센서 시스템(260)의 다른 예시적인 배열물을 도시한다. 신발 기반 센서 시스템(260)은 도 2a에 대해 전술된 것들과 유사한, 힘 감응성 센서들(216)과 같은 복수의 힘 센서들을 포함할 수 있다. 센서 시스템(260)은 힘 감응성 센서들(261)의 개수 및 배치 면에서 도 2a의 배열물과는 상이할 수 있다. 그러한 힘 감응성 센서들(261)을 사용하여, 디바이스가 사용자의 질량 중심을 판정하도록 그리고 체중 변화를 검출하도록 구성될 수 있다. 그러한 정보는 사용자가 점프하는 힘의 양, 사용자가 특정 드릴(drill)에 대해 그의 또는 그녀의 체중/질량에 중심을 두었는지 여부, 및/또는 사용자가 점프 이후에 착지할 때의 힘의 중심을 비롯한 다양한 활동 이벤트 특성들을 검출하는 데 유용할 수 있다. 전술된 바와 같이, 힘 감응성 센서들(261)은 가속도계, 자이로스코프 센서, 온도계, 지리적 위치 판정 센서, 근접 센서(예컨대, 사용자의 다른 발 또는 사용자의 신체의 다른 부분과의 사용자의 발의 근접성을 판정하도록 함) 등 및/또는 이들의 조합들을 비롯한 하나 이상의 다른 타입의 신발 기반 센서들과 조합될 수 있다. 일례에서, 신발 기반 센서들은 또한 하기에 더 상세히 기술되는 바와 같은 손목 착용형 센서 디바이스들을 비롯한 하나 이상의 다른 센서 시스템들과 함께 사용될 수 있다.
B. 손목 착용형 디바이스
도 2b에 도시된 바와 같이, 디바이스(226)(도 1a에 도시된 감지 디바이스(142)일 수 있거나, 또는 그를 닮을 수 있음)가, 예컨대 손목, 팔, 발목 등의 둘레에, 사용자(124)가 착용하도록 구성될 수 있다. 디바이스(226)는 사용자(124)의 종일 활동(all-day activity)을 포함한, 사용자의 운동 변동을 모니터링할 수 있다. 이와 관련하여, 디바이스 어셈블리(226)는 컴퓨터(102)와의 사용자(124)의 상호작용 동안에 운동 변동을 검출할 수 있고, 그리고/또는 컴퓨터(102)와는 독립적으로 동작할 수 있다. 예를 들어, 일 실시예에서, 디바이스(226)는 사용자의 근접성 또는 컴퓨터(102)와의 상호작용과는 무관하게 활동을 측정하는 종일 활동 모니터일 수 있다. 디바이스(226)는 네트워크(132) 및/또는 다른 디바이스들, 예컨대 디바이스들(138 및/또는 140)과 직접적으로 통신할 수 있다. 다른 실시예들에서, 디바이스(226)로부터 얻어진 운동 데이터는 컴퓨터(102)에 의해 행해지는 판정, 예컨대 사용자(124)에게 제시되는 운동 프로그램들에 관한 판정 시에 활용될 수 있다. 일 실시예에서, 디바이스(226)는 또한 모바일 디바이스, 예컨대 사용자(124)와 연관된 디바이스(138), 또는 단련 또는 건강 관련 주제에 전용되는 사이트와 같은 원격 웹사이트와 무선으로 상호작용할 수 있다. 일부 사전결정된 시간에, 사용자는 디바이스(226)로부터의 데이터를 다른 위치로 전달하기를 원할 수 있다.
도 2b에 도시된 바와 같이, 디바이스(226)는 입력 메커니즘, 예컨대 디바이스(226)의 동작을 보조하는 누를 수 있는 입력 버튼(228)을 포함할 수 있다. 입력 버튼(228)은 제어기(230) 및/또는 임의의 다른 전자 컴포넌트들, 예컨대 도 1b에 도시된 컴퓨터(102)와 관련하여 논의된 요소들 중 하나 이상에 동작가능하게 접속될 수 있다. 제어기(230)는 하우징(232)에 임베디드될 수 있거나, 또는 달리 그의 일부분일 수 있다. 하우징(232)은 엘라스토머 컴포넌트(elastomeric component)들을 비롯한 하나 이상의 재료들로 형성될 수 있고, 하나 이상의 디스플레이들, 예컨대 디스플레이(234)를 포함할 수 있다. 디스플레이는 디바이스(226)의 조명가능한 부분으로 간주될 수 있다. 디스플레이(234)는 예시적인 실시예에서 일련의 개별적인 조명 요소들 또는 광 부재들, 예컨대 LED 광들(234)을 포함할 수 있다. LED 조명들은 어레이로 형성될 수 있고, 제어기(230)에 동작가능하게 접속될 수 있다. 디바이스(226)는 전체 디스플레이(234)의 일부분 또는 컴포넌트로도 간주될 수 있는 표시기 시스템(236)을 포함할 수 있다. 표시기 시스템(236)은 디스플레이(234)(픽셀 부재(235)를 가질 수 있음)와 함께 또는 디스플레이(234)와는 완전히 별개로 동작 및 조명할 수 있다는 것이 이해된다. 표시기 시스템(236)은 또한 복수의 추가적인 조명 요소들 또는 광 부재들(238)을 포함할 수 있는데, 이들은 또한 예시적인 실시예에서 LED 광들의 형태를 취할 수 있다. 소정 실시예들에서, 표시기 시스템(236)은, 예컨대 조명 요소들(238)의 일부분을 조명하여 하나 이상의 목표들을 향한 성취를 나타냄으로써, 목표들의 시각적 표시를 제공할 수 있다.
체결 메커니즘(240)이 언래치(unlatch)될 수 있는데, 여기서 디바이스(226)는 사용자(124)의 손목 둘레에 위치될 수 있고, 이어서, 체결 메커니즘(240)은 래치된 위치에 배치될 수 있다. 사용자는 희망한다면 항상 디바이스(226)를 착용할 수 있다. 일 실시예에서, 체결 메커니즘(240)은 컴퓨터(102) 및/또는 디바이스들(138, 140)과의 동작가능한 상호작용을 위한 인터페이스 - 이러한 인터페이스는 USB 포트를 포함하지만 이로 제한되지 않음 - 를 포함할 수 있다.
소정 실시예들에서, 디바이스(226)는 센서 어셈블리(도 2b에는 도시되지 않음)를 포함할 수 있다. 센서 어셈블리는 복수의 상이한 센서들을 포함할 수 있다. 예시적인 실시예에서, 센서 어셈블리는 가속도계(다중 축 가속도계의 형태로 포함함), 심박수 센서, GPS 센서와 같은 위치 판정 센서, 및/또는 다른 센서들에의 동작가능한 접속을 포함할 수 있거나, 또는 이를 허용할 수 있다. 디바이스(142)의 센서(들)로부터의 검출된 변동 또는 파라미터들은 여러 가지 상이한 파라미터들, 메트릭들, 또는 생리학적 특성들 - 속력, 거리, 취해진 스텝, 및 열량, 심박수, 땀 검출, 수고, 소비된 산소, 및/또는 산소 반응 속도(oxygen kinetics)를 포함하지만 이들로 제한되지 않음 - 을 포함할 수 있다(또는 이들을 형성하는 데 이용될 수 있다). 그러한 파라미터들은 또한 사용자의 활동에 기초하여 사용자가 벌어들인 활동 점수 또는 통화(currency)의 면에서 표현될 수 있다.
II. 활동 분류
본 발명의 소정 태양들은, 예컨대 시스템(100)의 센서들 중 하나 이상을 사용하여, 사용자 활동을 분류하는 것에 관한 것이다. 활동은 사용자(124)의 운동 및/또는 다른 신체 활동을 포함할 수 있다. 검출된 모션 파라미터들은 활동을 분류하는 것에 관한 하나 이상의 판정 시에 활용될 수 있다. 제1 실시예에 따르면, 하나 이상의 센서들(예컨대, 센서들(126, 128, 및/또는 138 내지 142))로부터의 복수의 샘플들이 제1 기간 동안에 얻어질 수 있다. 일 실시예에서, 적어도 하나의 센서(예컨대, 센서(142))는 가속도계를 포함한다. 가속도계는 다중 축 가속도계일 수 있다. 다른 실시예에서, 복수의 가속도계들이 활용될 수 있다. 다른 비-가속도계 기반 센서들이 또한, 가속도계와 조합하여 또는 개별적으로, 본 발명의 범주 내에 있다. 또한, 운동 변동 및/또는 생리학적 특성들을 검출 또는 측정하도록 구성가능한 임의의 센서(들)가 본 발명의 범주 내에 있다. 이와 관련하여, 데이터는, 예를 들어 위치 센서(예컨대, GPS), 심박수 센서, 힘 센서 등을 비롯한 복수의 센서들로부터 얻어질 수 있고, 그리고/또는 그들로부터 도출될 수 있다. 일 실시예에서, 다양한 시스템들 및 방법들이, 적어도 부분적으로 휴대용 디바이스 상에서 구현된다. 소정 실시예들에서, 휴대용 디바이스는 손목 착용형 디바이스(예컨대, 센서(142) 참조)일 수 있다.
일 실시예에서, 검출된 파라미터들은 하나 이상의 카테고리들로 분류될 수 있다. 예시적인 카테고리들은 달리기, 걷기, 점프하기, 운동하기, 특정 스포츠 또는 활동에 참여하기, 또는 이들의 조합들을 포함할 수 있지만, 이들로 제한되지 않는다.
추가 태양들은 사용자, 예컨대 사용자(124)가 취한 스텝들의 수량을 검출 및/또는 측정하는 것에 관한 것이다. 일 실시예에서, 스텝들의 수량은 사전정의된 기간 동안에 검출될 수 있다. 다른 실시예에서, 스텝들의 수량을 검출 또는 측정하는 것은 사용자(124)에 의한 모션들의, 하나 이상의 카테고리들로의 분류 시에 활용될 수 있다.
검출된 모션 파라미터들 - 예컨대, 사용자가 취한 스텝들의 수량이지만, 이로 제한되지 않음 - 은 활동을 분류하는 데 활용될 수 있다. 일 실시예에서, 스텝들의 주파수/양은, 예를 들어, 걷기 또는 달리기와 같은 활동의 분류 시에 활용될 수 있다. 소정 실시예들에서, 데이터가 제1 카테고리(예컨대, 걷기) 또는 카테고리 그룹(예컨대, 걷기와 달리기) 내에 있는 것으로 분류될 수 없는 경우, 제1 방법은 수집된 데이터를 분석할 수도 있다. 예를 들어, 일 실시예에서, 검출된 파라미터들이 분류될 수 없는 경우, 유클리드 놈 방정식(Euclidean norm equation)이 추가 분석에 활용될 수 있다. 일 실시예에서, 얻어진 값들의 에버리지 크기 벡터 놈(제곱합의 제곱근)이 활용될 수 있다. 또 다른 실시예에서, 상이한 방법이 제1 카테고리 또는 카테고리 그룹 내에서 분류에 이어서 데이터의 적어도 일부분을 분석할 수 있다. 일 실시예에서, 본 명세서에 개시된 것들과 같은 스텝 알고리즘이 활용될 수 있다.
본 발명의 추가 태양들은, 예컨대 걷기 또는 달리기 동안, 사용자의 스텝들을 수량화하는 데 활용될 수 있는 신규한 시스템들 및 방법들에 관한 것이다. 소정 실시예들에서, 임의의 수량화 또는 계산 중 적어도 일부분이 손목 착용형 디바이스(예컨대, 센서(142))를 비롯한 휴대용 디바이스 상에서 행해질 수 있다. 신규한 시스템들 및 방법들은, 소정 실시예들에서, 종래 기술의 시스템들 및 방법들에서 얻지 못하는 하기를 포함하는 하나 이상의 이득들을 제공할 수 있다: 예를 들어, 개선된 정확도, 값들을 보고하는 데 있어서의 감소된 지연속도, 스텝 카운트에 기초한 개선된 활동 분류(예를 들어, 걷기 및/또는 달리기 동안에 "에버리지" 개인과 동일한 정도로 "바운스"하지 않는 개인들에 대한 적절한 분류), 반복적인 거동이, 예를 들어 달리기 및/또는 걷기와 같은 특정 활동으로 부적절하게 분류되는 것의 배제, 세기 및/또는 속력의 판정 및 활동 분류 시의 그러한 판정의 활용, 개선된 전력 소비, 및/또는 이들 또는 다른 개선점들의 조합들.
데이터는 사용자가 휴대 또는 착용한 것들 또는 특정 위치들에 고정된 것들을 비롯한 하나 이상의 센서들로부터 얻어질 수 있다. 제1 실시예에 따르면, 하나 이상의 센서들로부터의 복수의 샘플들이 제1 기간 동안에 얻어질 수 있다. 일 실시예에서, 적어도 하나의 센서는 가속도계를 포함한다. 가속도계는 다중 축 가속도계일 수 있다. 다른 실시예에서, 복수의 가속도계들이 활용될 수 있다. 다른 비-가속도계 기반 센서들이 또한 본 발명의 범주 내에 있다. 일 구현예에서, 고정 샘플링 속도가 이용될 수 있고, 또한, 다른 실시예들에서, 가변 샘플링 속도가 센서들 중 적어도 하나에 대해 구현될 수 있다. 일 실시예에서, 25 헤르쯔(Hertz) 샘플링 속도가 이용될 수 있다. 하나의 그러한 실시예에서, 손목 착용형 휴대용 디바이스로부터 가속도계 데이터를 얻기 위해 25 ㎐ 샘플링 속도를 이용하는 것은, 다른 종래 기술의 방법론들에 비해서, 용인가능한 배터리 수명을 얻으면서, 예를 들어 스텝 카운트와 같은 데이터를 적절히 얻을 수 있다. 또 다른 실시예에서, 50 ㎐ 샘플링 속도가 이용될 수 있다. 다른 속도들이 본 발명의 범주 내에 있다. 소정 실시예들에서, 제1 기간은 1초일 수 있다. 일 실시예에서, 데이터의 64개 샘플들이 제1 기간 동안에 얻어질 수 있다. 일 실시예에서, 데이터의 각각의 샘플은 다수의 파라미터들, 예컨대 다수의 축들에 대한 모션 벡터들을 가질 수 있지만, 다른 실시예들에서, 데이터의 각각의 샘플은 단일 값이다. 소정 구현예들이 다수의 값들을 포함하는 데이터를 단일 값으로서 제공할 수 있다. 예를 들어, 3-축 가속도계로부터의 데이터가 단일 값으로서 제공될 수 있다.
수집된 데이터는 분석 또는 프로세싱될 수 있는데, 이는 수집 시에, 사전정의된 간격으로, 사전정의된 기준들의 발생 시에, 나중에, 또는 이들의 조합들로 일어날 수 있다. 소정 구현예들에서, 제1 기간 내의 샘플들이 평균 중심화(mean center)될 수 있고 그리고/ 스케일링될 수 있다.
제1 기간으로부터의 샘플들(또는 수신된 샘플들에 관한 데이터)은 버퍼에 놓일 수 있다. 당업자는 하나 이상의 버퍼들이 임의의 하나 이상의 컴퓨터 판독가능 매체들, 예컨대 시스템 메모리(108) 내의 컴퓨터 판독가능 매체들(110 및/또는 112)의 일부일 수 있다는 것을 인식한다. 하나 이상의 시스템들 또는 방법들은 제1 기간으로부터의 샘플들이 제1 버퍼에 놓이는지 여부를 판정하도록 구현될 수 있다. 하나 이상의 인자들이, 제1 기간으로부터의 샘플들이 버퍼 내에 놓이는지 여부를 판정할 수 있다. 일 실시예에서, 정확도 및/또는 신뢰성(reliability)이 고려될 수 있다.
일 실시예에서, 약 128개의 샘플들이 제1 버퍼에 놓일 수 있다. 다른 실시예에서, 버퍼 지속시간은 상이할 수 있다. 소정 실시예들에서, 버퍼는 제1 기간의 약 2배(예컨대, 2x)일 수 있다. 예를 들어, 제1 기간이 1초인 경우, 소정 실시예들에서, 버퍼 지속기간은 2초일 수 있다. 버퍼는 제1 기간의 지속시간과는 무관하게 특정 지속시간(예컨대, 2초)일 수 있다. 버퍼 지속시간은 하기를 포함하지만 이들로 제한되지 않는 하나 이상의 인자들에 의존할 수 있다: 예를 들어, 다른 고려사항들 중에서도, 배터리 수명, 희망하는 에너지 소비, 샘플링 속도, 얻어진 샘플, 계산 절차 이전의 희망하는 대기 시간, 및/또는 이들의 조합들.
소정 구현예들에서, 제1 버퍼는 하나 이상의 서브버퍼들을 포함할 수 있다. 예를 들어, 25 ㎐의 샘플링 속도의 128-샘플 버퍼는 2개의 64-샘플 서브버퍼들을 포함할 수 있다. 일 실시예에서, 각각의 서브버퍼는 적어도 하나의 다른 서브버퍼와는 독립적으로 분석된다(그리고, 그 특정 버퍼 내의 각각의 다른 서브버퍼와는 독립적으로 버퍼링될 수 있다).
본 발명의 추가 태양들은 (예를 들어, 고속 푸리에 변환(Fast Fourier Transform, FFT) 분석과 같은) 추가 분석을 행하기 전에 무시될 수 있는 데이터를 분류하는 것에 관한 것이다. 일 실시예에서, 제1 버퍼는 모션 또는 다른 신체 활동을 나타내는 데이터를 가질 수 있는데, 예를 들어 가속도계 데이터는 (단독으로, 또는 하나 이상의 다른 센서들로부터의 데이터와 조합하여) 검출된 활동을 나타내는 주파수를 포함할 수 있다. 그러나, 활동은 스텝들을 포함하는 활동이 아닐 수도 있다. 또 다른 실시예들에서, 스텝들이 검출될 수 있지만, 검출된 스텝들은 디바이스를 구성하여 검출하게 되는 활동을 나타내지 않을 수도 있다. 예를 들어, 디바이스(또는 복수의 디바이스들)는 스포츠 환경에서 보편적으로 수행되는 셔플링 모션(shuffling motion)을 제외한 걷기 및/또는 달리기를 검출하도록 구성될 수 있다. 이와 관련하여, 여러 스포츠 내에서의 활동은 사용자가 그의 팔들을 스윙하게 할 수 있고 그리고/또는 바운스하게 할 수 있지만, 걷기 또는 달리기를 나타내지는 않는다. 예를 들어, 농구 수비수는 종종 여러 방향들로 셔플링해야 하지만, 걷거나 달리는 것은 아니다. 본 발명의 태양들은 스텝 카운트의 정확도를 증가시키는 것에 관한 것이고, 따라서 스텝 카운트 판정으로부터 그러한 변동을 제거하는 프로세스들을 구현할 수 있다. 그러나, 이러한 활동들은 추가 분석 시에, 예컨대 활동 분류의 판정을 위해 고려될 수 있다. 일 실시예에 따르면, 제1 버퍼(또는 임의의 다른 데이터 수집)는 분류 프로세스를 겪을 수 있다. 일 실시예에서, 데이터의 수집(즉, 5초의 지속시간에 걸쳐서 128개 샘플들일 수 있는 제1 버퍼)은 더 작은 섹션들(서브버퍼들)로 분할될 수 있다. 일 실시예에서, 제1 버퍼는 4개의 동등한 서브버퍼들(예를 들어, 지속시간이 0.5초일 수 있음)로 세분될 수 있다. 일 실시예에서, 각각의 서브버퍼는 버퍼의 크기와는 무관하게 약 0.5초일 수 있다.
예를 들어 서브버퍼 내의 데이터의 에버리지(예컨대, 평균 값) 및/또는 편차(예컨대, 모분산 또는 표준 편차)를 계산하는 것과 같이, 추가 분석(및/또는 다른 통계 측정)이 서브버퍼들 상에서 이루어질 수 있다. 서브버퍼 내의 데이터는 임계치와 비교될 수 있다. 본 명세서에서 사용되는 바와 같이, 임계치에 관한 논의는 사전결정된 값 또는 값 범위보다 더 높다 및/또는 더 낮다로 언급될 수 있다. 일 실시예에서, 에버리지 값은 제1 임계치와 비교될 수 있다. 일 구현예에서, 서브버퍼 내의 데이터가 임계치를 충족시키지 않는 경우, 전체 버퍼(예컨대, 제1 버퍼) 내의 데이터는 스텝 수량화의 추가 판정 시에 활용될 수 없다. 추가 로직이, 서브버퍼들이 유효 데이터(예컨대, 임계치를 충족시키는 데이터)를 갖는지 여부를 판정하는 데 활용될 수 있고, 충족시키는 경우, 그 데이터는 추가 스텝 카운트 판정 시에 활용된다. 소정 실시예들에서, 제1 버퍼의 데이터는 (개별 서브버퍼들과는 반대로) 추가 판정 시에 활용된다.
버퍼(예컨대, 제1 버퍼)가 임계치를 충족시키는 경우(그리고/또는 선행 단락에서 기술된 것들을 포함하지만 이들로 제한되지 않는 다른 기준들을 통과하는 경우), 그 데이터는 활용될 수 있다. 일 실시예에서, 이러한 데이터는 분석 버퍼에 놓일 수 있다. 일 실시예에서, 허용가능한 제1 버퍼의 대응하는 지속시간 동안에 얻어진 비-평균 중심화된 데이터가 분석 버퍼에 제공될 수 있는데, 이는 선입후출(first-in last-out, FILO)일 수 있다. 분석 버퍼는 제1 버퍼와 동일한 지속시간을 포함할 수 있다. 일 실시예에서, 분석 버퍼는 데이터의 지속시간에서 5초를 포함한다. 버퍼는 128개 샘플들을 포함할 수 있다.
본 발명의 추가 태양들은 활동 데이터 내의 피크들을 위치확인하기 위한 시스템들 및 방법들에 관한 것이다. 일 실시예에서, 피크 위치확인 시스템들 및 방법들은 버퍼, 예컨대 분석 버퍼 내의 데이터에 대해 활용될 수 있다. 또한, 다른 실시예들에서, 피크들은 임의의 다른 데이터 내에서 위치확인될 수 있다. 일 실시예에서, 하나 이상의 프로세스들이 피크들을 위치확인하는 데 활용될 수 있다. 예를 들어, 제1 방법이 고정 범위 내에서 피크들을 위치확인하는 데 활용될 수 있다. 또한, 소정 실시예들에서, 제2 방법이 피크들을 위치확인하기 위한 식별 기준들을 판정하는 데 활용될 수 있다. 소정 구현예들에서, 제1, 제2, 또는 추가적인 방법들은 배터리 수명에 적어도 부분적으로 기초하여 구현될 수 있다. 예를 들어, 제2 방법은 추가적인 프로세싱 출력을 요구할 수 있으며, 이에 따라 배터리 수명이 설정값 미만으로 감소되었고 그리고/또는 임계치 초과의 속도로 감소하고 있다는 표시를 수신할 시에는 활용될 수 없다.
피크들을 위치확인하기 위한 식별 기준들을 판정하기 위한 하나 이상의 시스템들 또는 방법들이 데이터 포인트들의 주파수를 추정할 수 있다. 예를 들어, (예를 들어, 평균 값과 같은) 에버리지 및/또는 표준 편차(또는 모분산)가 얻어질 수 있다. 그러한 데이터는 수량화될 수 있는 "피크들" 및 "밸리(valley)들"(예컨대, 데이터 내의 높은 값들 및 낮은 값들)을 판정하는 데 활용될 수 있다. 그러한 데이터는 피크 주위의 동적 임계치들 및/또는 도함수(derivative)의 판정 시에 이용될 수 있다.
추가 시스템들 및 방법들이 임계치들에 대한 피크들(및/또는 밸리들)을 식별할 수 있다. 이와 관련하여, 하나 이상의 비일시적 컴퓨터 판독가능 매체들의 컴퓨터 실행가능 명령어들은 피크들의 임계 수량이 범위 내에 위치되는지(고정되는지 아니면 동적으로 판정되는지) 여부를 판정하도록 실행될 수 있다. 범위 내에서 어떠한 피크들도 위치확인되지 않는 경우, 그 버퍼는 비어 있을 수 있다(또는, 달리, 스텝 카운트 판정 시에 그 데이터를 활용하지 않을 수도 있다). 이와 관련하여, 피크들은 최고 발생 수량 및/또는 최고 절대 값을 갖는 것들에 의해 측정될 수 있는 주파수들을 지칭할 수 있다.
본 발명의 이득이 주어지는 본 기술 분야에서 이해되는 바와 같이, 데이터(예컨대, 주파수들)가 변화하는 상황들이 있을 수 있지만, 사용자는, 상이한 속도 또는 페이스(pace)일지라도, 동일한 활동을 여전히 행할 수 있다. 예를 들어, 사용자가 10 mph에서 달리고 있다가 5 mph로 느려진 경우, 그/그녀는 더 느린 페이스일지라도 여전히 달리는 중일 수 있다. 그러나, 이러한 상황에서, 검출되는 주파수는 변경될 것이다. 소정 실시예들은 스텝들을 수량화하는 데 선형 조합들을 활용할 수 있다. 예를 들어, 이전의 데이터 세트가, 사용자가 걷는 중이거나 달리는 중이었음을 나타낸 경우, 다음의 데이터 세트는 임의의 판정 시에, 예컨대 선형 조합으로, 사전 데이터를 활용할 수 있다. 일 실시예에서, "달리기"로 분류된 버퍼 지속시간의 제1 수량의 섹션들 및 "걷기"로 분류된 제2 수량의 섹션들이 있는 경우, 시스템들 및 방법들은 사용자가 단지 그의 보폭(stride)을 조정했는지 아니면 달리 그의 속력을 변화시켰는지 판정하는 데 활용될 수 있다. 일 실시예에서, 버퍼 내의 샘플들의 적어도 일부분은 그 부분에 대한 데이터와는 무관하게 특정 카테고리 내에 있는 것으로 간주될 수 있다. 예를 들어, 샘플들이 10개 간격들에 대해 수집되었으며, 그들 중 9개가 달리기로 분류되었고, 오직 하나만이 걷기로 분류된 경우, 전체 지속시간은 달리기로 간주될 수 있다. 일 실시예에서, 간격은 오로지 그것이 즉시 진행되고 그리고/또는 일관되게 상이한 카테고리를 나타내는 데이터에 의해 진행되는 경우에만 상이한 카테고리로 간주될 수 있다.
소정 실시예들에서, 사용자가 걷는 중, 달리는 중, 또는 다른 사전결정된 활동을 수행하는 중이 아니라는 것을 나타내는 표시가 스텝 카운트 판정 시에 데이터의 선형 조합들을 활용하는 것을 중지시킬 수 있다. 예를 들어, 이는 사용자가 스텝을 중지했을 때(예컨대, 더 이상 걷거나 달리는 것을 중지했을 때) 일어날 수 있다. 따라서, 시스템들 및 방법들은 임의의 선형 조합 프로세스들을 중지시킬 수 있다. 일 실시예에서, 스텝 수량화는, 예를 들어 전술된 바와 같이 피크들을 식별함으로써, 선형 조합들이 없는 것으로 판정될 수 있다.
소정 실시예들은 스텝 수량화의 판정 시에 활용할 주파수 데이터 내에서 피크들의 서브그룹(또는 서브그룹들)을 선택하는 것에 관한 것이다. 일 실시예에서, (예를 들어, 제1 버퍼 내에서 얻어진 데이터 및/또는 제1 시간 프레임 동안에 얻어진 데이터와 같은) 데이터 내의 특정 피크(또는 피크들)가 활용될 수 있다. 이는 선형 조합이 이용될 수 없다는 판정에 기초하여 행해질 수 있다. 일 실시예에서, "바운스 피크들", "팔의 스윙 피크들", 및/또는 다른 피크들이 식별될 수 있다. 예를 들어, 많은 사용자들은 달리기를 할 때 그들의 발을 착지시킬 시에 "바운스"한다. 이러한 바운스는 데이터 내의 주파수 피크들을 제공할 수 있다. 다른 피크들(및/또는 밸리들)은 센서 데이터 내에 존재할 수 있다. 예를 들어, 많은 사용자들은 종종 달리기 및/또는 걷기 동안에 예측가능한 방식으로 그들의 팔을 스윙하여 "팔의 스윙 피크들"을 제공한다. 예를 들어, 양팔이 보통 전/후 축(anterior/posterior axis)을 따라서(예컨대, 앞뒤로) 스윙된다. 이러한 주파수는 "바운스 피크들"의 주파수의 대략 절반일 수 있다. 그러나, 이러한 피크들은, 예를 들어 개인, 모션 타입, 지형(terrain), 및/또는 이들의 조합에 기초하여, 각각 독립적으로 변화할 수 있다. 일 실시예에 따르면, 시스템들 및 방법들은 어떤 피크들이 추가 분석 시에 활용될 것인지 선택하는 데 활용될 수 있다.
식별된 피크들 및 밸리들 내의 데이터 또는 달리 임계치를 충족시키는 데이터는 수량화된 스텝들이 달리기인지 아니면 걷기인지 판정하는 데 활용될 수 있다. 소정 실시예들에서, 신호들의 "시그니처(signature)"가, 사용자가 걷는 중이었는지 아니면 달리는 중이었는지(또는, 아마도 다른 활동을 행하는 중이었는지) 판정할 시에 활용될 수 있다. 일 실시예에서, 0.5 내지 2.4 ㎐의 범위 내의 신호들은 걷기를 나타내는 것으로 간주될 수 있다. 다른 실시예에서, 2.4 내지 5 ㎐의 범위 내의 신호들은 달리기를 나타내는 것으로 간주될 수 있다. 일 실시예에서, 변화는 주파수, 및 데이터의 2개 부분들에 대한 표준 편차의 합에 기초하여 판정될 수 있다. 일 실시예에서, 이것(그리고/또는 다른 데이터)은 복수의 연속 값들이 평균의 표준 편차 내에 있는지 여부를 판정하도록 검사될 수 있다. 일 실시예에서, 이러한 분석은 복수의 샘플들에 걸쳐서 행해질 수 있다.
추가 실시예들은 그 데이터가 달리기를 나타내는 것으로 간주되는지 또는 걷기를 나타내는 것으로 간주되는지와는 무관하게 데이터를 활용할 수 있다. 일 실시예에서, 데이터는 활동 분류를 판정하기 위한 시스템들 및 방법들에 대해 활용될 수 있다. 활동 분류를 판정하기 위한 시스템들 및 방법들은 이러한 (및 다른) 데이터를 활용하여 감지된 데이터를 활동으로 분류할 수 있다. 일 실시예에서, 전술된 제1 버퍼가 활용될 수 있지만, 다른 실시예들에서, 제1 버퍼와는 상이한 지속시간을 갖는 별도의 "활동" 버퍼가 활용될 수 있다. 활동 버퍼가 제1 버퍼와는 상이한 지속시간을 가질 수 있지만, 이들(또는 다른) 버퍼들이 별개의 버퍼들이라는 요건은 없고, 오히려, 제2 버퍼는 여러 개의 제1 버퍼들의 집합체 및/또는 다른 버퍼들의 논리적 연장부일 수 있다. 이와 관련하여, 수집된 데이터는 단일 위치에 저장될 수 있지만, (2개의 상이한 버퍼들, 프로세스들, 및/또는 분석들을 위해 심지어 동시에) 활용될 수 있다.
일 실시예에서, 활동 버퍼는 지속시간이 약 12.8초일 수 있다. 또한, 다른 지속시간들이 본 발명의 범주 내에 있다. 전체(또는 실질적으로 전체 지속시간)가 지속적이었다면, 예를 들어 지속시간 내에서 1초 간격들이, 사용자가 걷는 중이거나 일관된 활동을 행하는 중이었다는 것을 나타냈다면, 제1 디폴트 프로세스가 활동을 판정하는 것에 활용될 수 있다. 일 실시예에서, 유클리드 평균 값(Euclidean mean value)이 일관된 데이터에 기초하여 계산될 수 있다.
도 3 내지 도 9는 본 명세서에 기술된 임의의 다른 실시예들뿐만 아니라 서로 함께 또는 독립적으로 구현될 수 있는 추가 실시예들의 흐름도들을 도시한다. 대체로,
도 3은, 일 실시예에 따른, 활동 분류 값들을 수량화 및 판정하는 데 활용될 수 있는 예시적인 흐름도를 도시하고;
도 4는, 일 실시예에 따른, 스텝들을 수량화하는 데 활용될 수 있는 예시적인 흐름도를 도시하고;
도 5는, 일 실시예에 따른, 주파수를 추정할 수 있고 주파수 검색 범위를 셋업할 수 있는 예시적인 흐름도를 도시하고;
도 6은, 일 실시예에 따른, 분류 기능을 구현하는 데 활용될 수 있는 예시적인 흐름도를 도시하고;
도 7a는, 일 실시예에 따른, 팔의 스윙 주파수를 활용할 것인지 아니면 바운스 주파수를 활용할 것인지 판정하도록 구현될 수 있는 예시적인 흐름도를 도시한다. 도 7a에 도시된 바와 같이, 시스템들 및 방법들은 예시적인 FFT 출력으로부터 관련 주파수 피크들을 선택하여 사용자의 스텝 주파수를 판정하도록 구현될 수 있다. 소정 실시예들에서, 스텝 주파수는 FFT 스펙트럼에 의해 표현된 기간에 대한 스텝 카운트의 생성 시에 이용될 수 있다. 도 7b에서 알 수 있는 바와 같이, 바운스 피크의 주파수는 대체로 팔의 스윙 피크의 주파수의 2배이다. 피크 크기는 주파수의 상대적 강도를 나타내며, 사람이 스텝을 밟는 중인 경우에 표시자로서 이용될 수 있다.
도 8은, 일 실시예에 따른, 활동을 분류하고 속력을 판정하도록 구현될 수 있는 예시적인 흐름도를 도시하고;
도 9는 본 명세서에 기술된 다른 실시예들과 함께 또는 그들과는 독립적으로 구현될 수 있는, 사용자의 활동을 측정하는 실시예의 주석붙은 흐름도를 도시한다. 이와 관련하여, 도 10a의 태양들 및 하기의 논의는 전술된 하나 이상의 실시예들의 태양들과 중첩될 수 있거나, 그들과 유사할 수 있거나, 또는 달리 그들을 포함할 수 있다. 스텝 수량화 시스템들 및 방법들의 다양한 실시예들은 저전력, 고충실도, 다계층(multi-tier) 기법을 이용한 정수 기반 스텝 카운터에 관한 것일 수 있다. 일 실시예에서, 예컨대 가속도계를 통해 측정된 모션이 다중 세그먼트 임계치 기반 가속도 버퍼 내로 로딩될 수 있다. 하나 이상의 시스템 또는 방법들이 데이터의 다양한 부분들을 판정하여, 검출된 파라미터들이 특정 행동 또는 활동을 나타내는지 여부를 판정할 수 있다. 예를 들어, 가속도계 데이의 피크들 및/또는 밸리들은 그들이 걷기 또는 달리기로 간주될 정도로 충분히 큰지 여부를 판정하도록 측정될 수 있다. 소정 실시예들에서, 버퍼의 다수의 세그먼트들을 활용하는 것은, 급속한 팔의 변동들이 디바이스에 의해 잘못 해석되지 않는 것을 보장하도록, 그리고 이에 따라 데이터의 분석을 행하는 것에 의해, 예컨대 주파수 분석 모드에 진입하는 것에 의해, 제한적 프로세싱 출력을 활용하도록 활용될 수 있다. 이와 관련하여, 소정 실시예들은 푸리에 변환을 이용하여 데이터를 분석할 수 있다. 푸리에 변환은 계산상 값비싼 활동이며, 따라서, 소정 실시예들에서, 푸리에 변환이 불필요한 것으로 판정될 때에는 푸리에 변환을 수행하지 않는 것이 바람직할 수 있다. 따라서, 일 실시예에서, (예컨대, 주파수 판정 알고리즘에 의해) 분석될 임계치 초과의 데이터(예컨대, 검출된 가속도)를 갖는 연속 세그먼트들(4개의 연속 세그먼트들일 수 있음)이 어셈블되어야 한다.
소정 실시예들에서, 버퍼의 평균 가속도는 별개의 좁은 검색 범위의 데이터(예컨대, 주파수들)를 생성하는 데 이용될 수 있다. 검색 범위는 평균 가속도를 예상되는 걷기/달리기 주파수에 관련시킬 수 있다. 일 실시예에서, 가속도가 가속도계가 예측하는 주파수 범위 외의 주파수를 생성하는 경우, 소정 시스템들 및 방법들은 이들을 스텝들로 카운트하지 않을 수도 있다. 이는 랜덤 잡음인 것으로 간주되는 데이터(예컨대, 상이한 주파수 성분을 갖지만 유사한 가속도 크기들을 갖는 데이터)가 특정 활동(예컨대, 달리기)으로 카운트되지 않는다는 것을 보장하는 데 활용될 수 있다.
소정 실시예들에서, 제약된 검색 범위 내의 주파수 출력의 임계치는, 주파수가 단순히 잡음이 아니고 그것이 (예를 들어, 걷기 또는 달리기와 같은) 활동으로 간주될 정도로 충분히 크다는 것을 보장할 수 있다.
또 다른 실시예에서, 중첩 윈도우 전략이 활용될 수 있다. 예를 들어, FFT 윈도우들이 중첩 방식으로 분석되어, 단기 지속시간 스텝들이 카운트되는 것을 보장하게 할 수 있다.
도 9에 도시된 바와 같이, 하나 이상의 시스템들 또는 방법들은 일관된 수의 샘플들(및/또는 예를 들어 4초와 같은 샘플들의 지속시간)이 허용가능한 범위의 일관된 가속도를 제공한다는 것을 확인할 수 있다. 일 실시예에서, 이는, 평균-중심화하고 이어서 (예를 들어, 4초 버퍼의 각각의 1초 서브섹션과 같은) 각각의 서브섹션에서 가속도의 절대 값의 평균을 판정함으로써 수행될 수 있다. 소정 실시예들은 이러한 절대 값 평균이 임계치보다 더 큰지 여부를 판정할 수 있다. 그것이 임계치보다 더 크지 않은 경우, 전체 버퍼(예컨대, 전체 4 초)는 비어 있을 수 있고, 유효한 일련의 서브섹션들(예컨대, 4초의 지속시간)이 올바른 가속도 크기로 구해질 때까지 분석되지 않을 수 있다. 이것이 사실인 경우, 버퍼는 풀(full) 상태로 간주될 수 있고, 분석(예컨대, 푸리에 변환)은, 예를 들어 팔의 이동과 같은 모션의 주파수 성분을 판정하도록 수행될 수 있다. 풀 상태 버퍼(예컨대, 4초)의 가속도 크기는 또한 제약된 주파수 검색을 판정할 시에 이용될 수 있다.
가속도 데이터의 상관도는 스텝 주파수를 예측하는 데 활용될 수 있다. 일 실시예에서, 가속도의 절대 평균 값이 스텝 주파수를 예측하기 위한 상관에 활용될 수 있다. 피크 찾기 알고리즘이 이러한 영역을, 예상 피크를 위해 분석할 수 있다. 피크가 존재하고 최종 임계치를 초과하는 경우, 스텝들이 증분될 수 있다. 그렇지 않은 경우, 데이터는 랜덤 잡음으로 간주될 수 있다. 가변량의 윈도우 중첩이 이용될 수 있다. 일 실시예에서, 그것은 윈도우의 50%일 수 있고, 또한, 다른 실시예에서, 그것은 지속시간에 기초할 수 있다. 도 10의 도시된 예에서, 그것은 4초 윈도우 크기의 50%로 설정될 수 있다. 소정 실시예들에서, 윈도우 중첩은 전체 윈도우 크기의 절반 정도(즉, 2초)의 짧은 버스트(burst)의 변동이 가속도 크기 버퍼에 의해 분출되지 않는다는 것을 보장하도록 수행된다. 이러한 중첩은 랜덤 변동 중에서 짧은 버스트의 활동을 찾는 것 및 더 긴 정상 상태 활동(예컨대, 걷기 또는 달리기)의 처음 부분(예컨대, 2초) 또는 마지막 부분(예컨대, 나중의 2초 증분)을 찾는 것에 도움이 될 수 있다. 유효 주파수가 판정되었을 때의 모든 이러한 스텝들의 말미에서, 스텝들은 주파수에 중첩 윈도우 시간(예컨대, 2초)을 곱셈함으로써 증분된다.
다양한 실시예들의 태양들은 종래에 공지된 시스템들 및 방법들을 넘는 하나 이상의 이점들 및/또는 이득들을 제공할 수 있다. 소정 실시예들에서, 버퍼 필링(filling) 전략을 이용하여 팔의 짧은 이동에 대한 거짓 포티지브(false positive)들이 감소되거나 제거된다. 또한, 분석(예컨대, FFT)을 위한 제약된 검색은 팔의 스윙보다는 수직 바운스에 관한 올바른 주파수를 선택하는 것을 도와서, 올바른 걷기 주파수가 두 발의 스텝들에 대해 얻어지게 할 수 있다. 추가 실시예들에서, 윈도우들의 중첩은 짧은 버스트의 스텝 활동들의 개선된 검출을 허용할 수 있다. 마지막으로, 주파수 분석은, 센서들의 하나의 조합된 채널 상에서, 팔의 회전이 센서 출력들의 검출 및 측정을 분출하지 않도록 수행될 수 있다. 또한, 가속도계 채널들을 조합함으로써, 더 적은 분석(예컨대, 푸리에 변환 주파수 분석들)이 수행될 수 있다. 이는 배터리 수명을 개선할 수 있다.
추가 태양들은 체공 시간을 계산하는 것에 관한 것이다. 이와 관련하여, 개시된 혁신안의 실시예들은 종래 기술에 비해 새로우면서 뻔하지 않은 방식들로 체공 시간을 검출, 측정, 및/또는 보고하는 시스템들 및 방법들에 관한 것이다. 체공 시간을 메트릭으로 포함시키고자 하는 이전의 시도들은 점프의 맥락에서 한쪽 또는 양쪽 발의 체공에만 초점을 두었다. 예를 들어, 농구 선수들을 언급하면, 이전의 시도들은 체공 시간을 판정하기 위해 공격수가 점프 슛을 행하는 것 또는 수비수가 공격수의 슛을 블로킹하기 위해 점프하고자 시도하는 것을 고려했을 수도 있다. 따라서, 예상되는 바와 같이, 그러한 결과들은 동일한 기간 동안의 총 점프 수와 크게 상관될 것이다.
다양한 실시예들에 따르면, 체공 시간 계산은 운동 선수가 점프한 것(또는 점프하고 있는 것)으로 판정되는 경우들로 제한되지 않는다. 소정 실시예들은 적어도 두 발이 지면 또는 표면과 동시에 접촉하지 않고 있는 경우들에 대한 체공 시간을 계산할 수 있다. 본 명세서에 기술된 바와 같은 활동 분류는 사용자가 점프하는 중인지, 달리는 중인지, 조깅하는 중인지, 그리고/또는 다른 활동들을 행하고 있는 중인지 판정하는 데 이용될 수 있다. 다른 실시예들에서, 활동 분류는 구현되지 않을 수도 있다. 그럼에도 불구하고, 체공 시간의 판정은 (농구에서 상대방을 가드할 때처럼) 측면 점프/이동의 경우뿐만 아니라 달리기, 조깅하기, 및/또는 유사한 이동의 경우 동안에 대한 체공 시간을 계산하는 것을 포함할 수 있다. 소정 실시예들에서, 두 발이 결코 동시에 지면을 떠나지 않는 이동(예컨대, 걷기)은 포함되지 않을 수도 있다.
III. 템플릿들을 이용한 행동 식별 및 검출
본 명세서에 기술된 바와 같이, 활동 분류는 임의의 개수 및 타입의 센서들로부터 수신된 데이터 내에 표현된 다양한 이벤트들 및 행동들을 식별함으로써 수행될 수 있다. 따라서, 활동 추적 및 모니터링은 소정 활동 타입 내의 하나 이상의 예상된 또는 공지된 행동들이 수행되었는지 여부를 판정하는 것 및 그러한 행동들과 연관된 메트릭들을 평가하는 것을 포함할 수 있다. 일례에서, 행동들은 일련의 하나 이상의 저레벨 또는 미세 이벤트(granular event)들에 대응할 수 있고, 사전정의된 행동 템플릿들을 이용하여 검출될 수 있다. 행동 템플릿들은 임의의 희망하는 미세도 레벨에 대응할 수 있다. 일부 예들에서, 이벤트는 특정 방향에서의 사용자의 발의 가속도 또는 발 접촉의 검출, 또는 풋 론칭(foot launch)(예컨대, 사용자의 발을 공기 중으로 들어올림)의 검출에 대응할 수 있다. 다른 예들에서, 예컨대 사용자가 우측으로의 스텝 다음에 좌측으로의 스텝을 취했음을 검출하는 것 또는 사용자가 그의 또는 그녀의 손목을 빠르게 튕기면서 점프했음을 검출하는 것과 같은 행동은 그러한 이벤트들의 그룹에 대응할 수 있다. 행동 템플릿들을 이용하여, 시스템은 사용자가 특정 활동 또는 그 활동 동안에 예상되는 특정 모션을 수행했을 때를 자동으로 검출할 수 있다. 예를 들어, 사용자가 농구 경기를 하고 있는 경우, 사용자가 그의 또는 그녀의 손목을 빠르게 튕기면서 점프했음을 검출하는 것은 사용자가 슛했다는 것을 나타낼 수 있다. 다른 예에서, 사용자가 점프하면서 양발 모두를 바깥쪽으로 이동시킨 다음에 점프하면서 양발 모두를 안쪽으로 이동시켰음을 검출하는 것은 사용자가 점핑 잭(jumping jack) 운동의 1회 반복을 수행하는 것으로 등록할 수 있다. 다양한 다른 템플릿들이, 특정 타입의 활동들, 일정 타입의 활동들 내의 행동들 또는 이동들을 식별하기 위해 원하는 대로 정의될 수 있다.
활동 템플릿들은 수동으로, 반자동으로, 그리고/또는 자동으로 정의될 수 있다. 예를 들어, 사용자는 행동에 대응하는 센서 이벤트들의 타입, 센서 이벤트들이 조합/조직되어야 하는 방식, 센서 이벤트들 사이의 타이밍 등을 수동으로 정의할 수 있다. 대안적으로 또는 추가적으로, 행동 템플릿들은 행동의 사용자 수행에 기초하여 자동으로 정의될 수 있다. 시스템은 사용자의 행동 수행을 기록하도록, 그리고 센서 이벤트들의 타입, 센서 이벤트들의 타이밍, 및 행동의 수행 동안에 검출된 센서 이벤트들의 다른 조합들에 기초하여 템플릿을 자동으로 구축하도록 구성될 수 있다. 사용자는 행동이 타임 윈도우 내에서 수행되었다는 것을 나타낼 수 있고, 시스템이 대응하는 이벤트들 및 제약들을 식별하게 할 수 있다. 또 다른 예들에서, 시스템은 행동의 사용자 특정 없이 이벤트 스트림에서의 재발 패턴들에 기초하여 행동들을 자동으로 식별할 수 있거나, 또는 행동이 수행되었다는 것을 자동으로 식별할 수 있다.
이벤트들은 다양한 방식들로 정의/표현될 수 있고, 다수의 타입의 정보와 관련될 수 있다. 일례에서, 이벤트는 레이블(예컨대, 이벤트 타입) 및/또는 측정치들/값들로 구성된 다중 요소 투플(tuple)들에 대응할 수 있다. 특정 예에서, 이벤트는 하기와 같은 신택스(syntax)에 대응할 수 있다: <개인 XYZ의 심박수, 4:34:17.623 PM GMT, 분 당 86 박동(beat)>. 다른 예시적인 이벤트들은 하기를 포함할 수 있다: <지면 기온, 4:34:17.623 PM GMT, 45° 31' 25" N, 122° 40' 30" W, 67℉> 및/또는 <왼쪽 발뒤꿈치 압력, 4:34:17.623 PM GMT, 400.23 ㎪>. 그러나, 이벤트들은 (사전정의된 구조물 또는 마크업 레이블들 중 어느 하나를 이용하여) 다른 가변 신택스들에 유착할 수 있고, 원하는 대로 또는 필요에 따라 추가적인 또는 대안적인 정보를 포함할 수 있다. 이벤트들은 물리적 환경 특성들(예컨대, 습도, 온도, 기압), 사회적 환경 특성들(예컨대, 어떤 사람들이 말하고 있는가), 사용자 생리학적 특성들(예컨대, 이동, 심박수, 혈중 젓산 레벨), 및/또는 사용자 거동(예컨대, 셀 전화 사용, 활동 시간량, 비활동 시간량 등)을 비롯한 다수의 타입의 정보를 전달하는 데 이용될 수 있다. 일례에서, 이벤트 스트림들은 임계 값 크로싱, 합산, 및 국소 극값(local extrema)들과 같은 간단한 이벤트들뿐만 아니라 합성 판독 값들의 미분 값들에서의 국소 극값들을 비롯한 계산상으로 더 복잡한 이벤트들 및 "스텝들"과 같은 의미론적으로 더 풍부한 이벤트들(압력 센서들의 조합들에 적용되는 동적 임계치를 수반할 수 있음)을 포함할 수 있다. 이벤트들은 이벤트가 발생했을 때(또는 계산되었을 때)의 기준 타임스탬프, 이벤트 생성 프로세스(다른 이벤트들에 의해 트리거되는 이벤트들(예컨대, 다른 이벤트들에 의해 트리거되는 복잡한 이벤트들)에 적용될 수 있음)가 개시되었을 때를 나타내는 타임스탬프, 및 이벤트 값(측정치)을 비롯한 다양한 정보를 포함할 수 있다. 이러한 이벤트 정보 조각들 각각은 이벤트를 평가 또는 스코어링(score)하는 것을 도와서 이벤트가 템플릿과의 매칭에 대응하는지 여부를 판정하는 데 이용될 수 있다. 일부 배열물들에서, 제1 템플릿에서 정의된 이벤트는 제2 템플릿의 (예컨대, 요구되는) 매칭에 대응할 수 있다.
하나 이상의 배열물들에 따르면, 사용자에 의해 수행되는 행동들을 식별하도록 구성된 활동 프로세싱 디바이스 또는 시스템은 또한 하나 이상의 센서들을 포함할 수 있다. 따라서, 이벤트들은 다양한 센서 데이터에 기초하여 활동 프로세싱 디바이스 자체에 의해 검출될 수 있다. 예를 들어, 활동 프로세싱 디바이스는 디바이스가 사용자의 팔에 핸드헬드되거나 착용되는 경우에 사용자의 팔의 모션을 추적하는 데 사용될 수 있다. 추가적으로 또는 대안적으로, 활동 프로세싱 디바이스는 사용자에게 선택안들을 제공하여 이벤트들을 수동으로 마킹하거나 생성하게 할 수 있다. 예를 들어, 사용자는 그 또는 그녀가 자신의 오른발을 들어올렸을 때, 사전정의된 거리를 달릴 때, 스쿼트(squat)했을 때 등 및/또는 이들의 조합들을 수동으로 입력하는 것이 가능할 수 있다. 특정 예에서, 사용자는 활동 프로세싱 디바이스를 탭핑(tap)하거나 달리 그와 상호작용하여 그러한 이벤트들을 생성 및 마킹할 수 있다.
도 17은 활동 프로세싱 디바이스 또는 시스템이 센서 시스템과 상호작용하여 사용자 행동들을 검출하는 예시적인 시스템 다이어그램을 도시한다. 센서 시스템은 활동 프로세싱 디바이스와는 물리적으로 분리되어 있을 수 있고 그와는 별개일 수 있으며, 유선 또는 무선 통신을 통해 활동 프로세싱 디바이스와 통신할 수 있다. 하나 이상의 예들에서, 센서 시스템은 프로세싱 능력들을 가진 채 또는 갖지 않은 채, 단일 센서, 센서 그룹, 단일 타입의 센서, 다수의 상이한 타입들의 센서들 등에 대응할 수 있다. 특정 예에서, 센서 시스템은 도 2a 및 도 2c 각각의 센서 시스템(200 또는 260)에 그리고/또는 도 2b의 디바이스(226)의 센서 어셈블리에 대응할 수 있다. 추가적으로, 도시된 바와 같이, 센서 시스템은 미처리(raw) 센서 데이터의 초기 프로세싱을 수행하여 다양한 미세 이벤트들을 검출하도록 구성될 수 있다. 센서 시스템은 또한, 본 명세서에 추가로 상세히 기술되는 바와 같이, 임의의 특정 시간에 이용되는 데이터 서브스크립션(data subscription)들을 관리할 수 있다.
이어서, 이벤트들은 이벤트들이 다양한 템플릿들과 비교되어 행동이 수행되었는지 여부를 판정하게 하는 활동 프로세싱 시스템으로 전달될 수 있다. 또한, 활동 프로세싱 시스템은 반복, 체공 시간, 속력, 거리 등과 같은 다양한 활동 메트릭들을 판정하는 것을 포함할 수 있는 사후 매칭(post-match) 프로세싱을 수행하도록 구성될 수 있다. 활동 프로세싱 시스템은 디바이스(138) 또는 디바이스(226), 게이밍 시스템, 서버, 클라우드 시스템, 모바일 디바이스(예컨대, 스마트폰, 셀폰 등), 데스크톱 컴퓨팅 디바이스, 랩톱 컴퓨팅 디바이스, 태블릿 컴퓨터, 웨어러블 활동 모니터링 디바이스 등을 비롯한 임의의 개수 또는 타입의 컴퓨팅 시스템에 대응할 수 있다. 추가적으로 또는 대안적으로, 활동 프로세싱 시스템 및 센서 시스템은 동일한 디바이스 내에 일체화될 수 있고 그리고/또는 그에 대응할 수 있다.
도 10은 이벤트들이 검출될 수 있고 사전정의된 활동 템플릿들에 비교되어 신체 활동 동안의 사용자 모션들을 식별하게 할 수 있는 예시적인 프로세스를 도시한다. 단계 1000에서, 활동 프로세싱 디바이스 또는 시스템은 사용자에 의해 수행될 신체 활동의 타입을 판정할 수 있다. 신체 활동은 소정 타입의 스포츠, 드릴 또는 테스트, 운동, 신체 활동 게임 등일 수 있다. 상이한 타입들의 신체 활동은 상이한 세트들, 배열물들, 카테고리들 및/또는 타입들의 물리적 변동들 및 행동들에 대응할 수 있다. 일례에서, 신체 활동의 타입은 신체 활동 타입의 사용자 선택을 수신하는 것에 기초하여 판정될 수 있다. 대안적으로 또는 추가적으로, 시스템은, 본 명세서에 기술된 바와 같이, 검출된 활동 신호들(예컨대, 센서들로부터 수신됨)을 상이한 타입들의 신체 활동에 대응하는 사전정의된 규칙들과 비교함으로써 신체 활동의 타입을 판정할 수 있다. 활동 신호들은 손목 소지형(wrist-borne) 디바이스, 머리 착용형 디바이스, 흉부 착용형 디바이스 및/또는 신발 소지형 디바이스를 비롯한 다양한 센서들로부터 수신될 수 있다. 일부 예들에서, 농구에 대한 사전정의된 규칙들의 제1 세트는 사용자가 걷는 것을 검출한 것과 조합되는 소정 조합 및 타입의 손목 및 팔의 행동들을 포함할 수 있다. 사전정의된 규칙들의 제2 세트는 발 접촉 이벤트들의 제1 임계 페이스에 기초하여 (예컨대, 제1 임계 페이스를 초과하는) 조깅에 대해 정의될 수 있다. 또한, 사전정의된 규칙들의 다른 세트는 발 접촉 이벤트들의 제2 임계 페이스에 기초하여 (예컨대, 제2 임계 페이스 미만인) 걷기에 대해 정의될 수 있다. 또 다른 예들에서, 사용자 선택과 자동 검출의 조합이 이용되어, 사용자가 달리기와 같은 넓은 카테고리의 활동을 선택할 수 있고 자동 검출이 조깅하기 또는 전력질주하기와 같은 서브카테고리의 활동을 판정하는 데 이용될 수 있게 할 수 있다.
단계 1005에서, 시스템은 사용자에 의해 수행될 또는 수행되고 있는 판정된 타입의 활동에 기초하여 하나 이상의 사전정의된 행동 템플릿들 및 센서 서브스크립션들을 선택할 수 있다. 행동 템플릿들은 사용자가 판정된 타입의 활동 동안에 수행할 수 있는 모션들 또는 행동들을 식별하는 데 이용될 수 있다. 따라서, 하나 이상의 행동 템플릿들의 상이한 세트들이 상이한 타입들의 활동들에 대해 정의될 수 있다. 예를 들어, 농구에 대해 정의된 행동 템플릿들의 제1 세트는 드리블하기(dribbling), 걷기, 달리기, 뒤로 달리기(backpedalling), 사이드 셔플링하기(side shuffling), 피벗팅하기(pivoting), 점프하기, 농구공을 슛하기, 복싱 아웃하기(boxing out), 슬램 덩크를 수행하기, 전력질주하기 등을 포함할 수 있다. 축구에 대해 정의된 행동 템플릿들의 제2 세트는 공을 발로 차서(kick) 슛하기, 드리블하기, 스틸하기(stealing), 공을 헤딩하기 등을 포함할 수 있다. 일례에서, 템플릿들의 개수는 1개 내지 100개에 이를 수 있다. 일부 예들에서, 특정 타입의 활동은 50개 내지 60개의 템플릿들을 포함할 수 있다. 또 다른 예들에서, 소정 타입의 활동은 20개 내지 30개의 템플릿들에 대응할 수 있다. 임의의 개수의 템플릿들은 소정 타입의 활동에 적절한 것으로 정의될 수 있다. 일부 예들에서, 템플릿들의 개수는 가용 배터리 수명의 양, 최대 배터리 용량, 활동 프로세싱 디바이스 또는 시스템의 프로세싱 속력, 센서 시스템과 활동 프로세싱 디바이스 또는 시스템 사이의 지연시간 등 및/또는 이들의 조합들에 기초하여 선택될 수 있다. 따라서, 활동 프로세싱 시스템 또는 디바이스가 낮은 가용 배터리 수명을 갖는 경우, 시스템 또는 디바이스는 디바이스 또는 시스템이 사전정의된 시간량 동안 지속되게 하는 다수의 템플릿들을 선택할 수 있다. 다른 예들에서, 선택된 템플릿들의 개수는 활동 프로세싱 디바이스 또는 시스템의 프로세싱 속력에 의해 제한될 수 있다. 이러한 제한은 디바이스 또는 시스템이 선택된 템플릿들 모두를 대비해 데이터를 주어진 속도로 프로세싱할 수 있는 것을 보장할 수 있다. 또 다른 예들에서, 템플릿들은 시스템에 의해 선택되는 것보다는 사용자에 의해 수동으로 선택될 수 있다.
일부 태양들에 따르면, 템플릿들은 우선순위화되어, 높은 우선순위의 템플릿들이 이벤트들과 매칭되는 데 먼저 이용되고 반면에 이벤트들이 높은 우선순위의 템플릿들 중 어느 것과도 매칭되지 않는 경우에 더 낮은 우선순위의 템플릿들이 이용될 수 있게 할 수 있다. 잡동사니(catch-all) 템플릿의 이용은 사용자들이 사전정의된 행동 템플릿과 매칭될 수 없는 변동 또는 다른 이벤트들과 연관된 메트릭들을 판정하게 할 수 있다. 잡동사니 템플릿 내에 들어가는 데이터는 또한 하나 이상의 디바이스들에서 센서 판독 또는 메트릭 계산을 개선하는 데 사용하기 위해 수집될 수 있다. 우선순위는 해당 행동이 소정 타입의 활동 동안에 수행되는 가능성에 의해, 해당 행동이 특정 사용자에 의해 수행되는 가능성에 의해, 행동의 주관적 중요도 레벨에 기초하여, 사용자 특정(예컨대, 수동적인 우선순위화), 사용자들의 커뮤니티 내에서 행동의 대중성(예컨대, 행동의 발생) 등에 기초하여 그리고/또는 이들의 조합들로 정의될 수 있다.
단계 1010에서, 활동 프로세싱 시스템은 선택된 서브스크립션(들)을 센서 시스템에 통지할 수 있다. 센서 시스템에의 통지는 센서 시스템이 서브스크립션에서 특정된 센서들로부터 센서 데이터를 수신하는 반면에 서브스크립션에서 특정되지 않은 센서들로부터의 센서 데이터를 모니터링 또는 수신하지 않는 모니터링 기능들을 구성하게 하도록 구성될 수 있다. 추가적으로 또는 대안적으로, 통지는 센서 시스템이 서브스크립션 파라미터들에 기초하여 센서 데이터를 하나 이상의 이벤트들 내에 프로세싱할 수 있게 하고 특정된 파라미터와 매칭되는 그러한 이벤트들만을 반환하게 할 수 있다. 또 다른 예들에서, 통지는 센서 시스템이, 활동 프로세싱 시스템으로 반환될 데이터 및/또는 이벤트들을 구성하게 할 수 있다. 다른 실시예들에서, 블록(1010)은 하나 이상의 센서들로부터의 데이터의 수집을 단지 개시하는 것만 하거나 또는 계속하는 것만 할 수 있다. 일 구현예에서, 하나 이상의 센서 디바이스들은 사용자에 의해 수행되고 있는 하나 이상의 활동들과 연관되는 하나 이상의 모션들을 모니터링할 수 있다. 센서 데이터는, 특히 신발류, 의류, 모바일 디바이스, 이미징 디바이스를 포함하지만 이들로 제한되지 않는, 사용자가 착용하는 디바이스와 연관될 수 있다. 일 구현예에서, 센서 데이터는 신발류 상에 또는 그 내부에, 또는 달리 운동선수의 발에 근접한 위치에 위치된 가속도계로부터 수신될 수 있다. 가속도계는 다중 축 또는 단일 축 가속도계일 수 있다. 일 구현예에서, 가속도계 센서가 감응하게 되는 각자의 축들(x-축, y-축, 및 z-축)과 연관되는 복수의 가속도 값들은 단일 가속도 데이터 포인트로서 그룹화될 수 있다. 일 실시예에서, 각각의 신발은 가속도계인 단일 센서만을 포함할 수 있다. 소정 구현예들에서, 가속도계는 단일 축 가속도계일 수 있다.
일 실시예에서, 본 명세서에 도시된 것과 같은 신발류는 적어도 한쪽 발이 지면 또는 표면을 떠났을 때(예컨대, 론칭 시), 적어도 한쪽 발이 표면으로 복귀했을 때(예컨대, 스트라이크 시), 또는 다른 특질들을 검출하는 데 활용되는 데이터의 적어도 일부분을 캡처하는 데 활용될 수 있다. 신발류의 다양한 실시예들은 적어도 하나의 가속도계 및/또는 적어도 하나의 힘 센서를 가질 수 있다. 소정 실시예들에서, 체공 시간을 측정하는 데 사용되는 디바이스들 중 어느 것도 활동 동안에 사용자에 의해 소비되는 산소량을 직접적으로 모니터링하지 않는다. 산소 소비 및/또는 열랑 소모가 일부 경우들에 있어서 수행 또는 피로도를 측정하는 데 유용할 수 있지만, 많은 현재 시스템들은, 예컨대 두 운동선수들 사이의 자연적인 차이(variation)들(크기, 체중, 성별, 능력 등을 포함하지만 이들로 제한되지 않음)로 인해, 사용자의 수행 또는 피로도를 정확하게 측정하지 않을 수도 있다. 운동선수가 열량을 소모할 수 있지만, 그것이 적절한 수행으로 변환하지 않을 수도 있다. 예를 들어, 농구 수비수는 그의 팔들을 흔들어 공격수를 블로킹하려고 노력하는 데 많은 열량을 소비할 수 있지만, 그가 그의 양발을 빠르게 움직이지 않고 그리고/또는 응답성을 갖고 이동하지 않는 경우, 그 열량 소모는 정확한 수행 메트릭으로 변환하지 않을 수도 있다. 그러나, 본 명세서에서 설명되는 바와 같이, 에너지 소비는 계산된 메트릭일 수 있는데, 이는 체공 시간 및/또는 다른 메트릭들과 동일한 센서들 및/또는 데이터 특질들로부터 계산될 수 있거나 또는 계산되지 않을 수도 있다. 또한, 일 배열물에서, 활동 데이터는 소정 특질들을 보일 수 있는 활동들에 대한 관찰된 산소 소비 값들과 상관될 수 있고, 하나 이상의 산소 소비 모델들과 연관될 수 있다.
다양한 실시예들에 따르면, 타임스탬핑된 데이터("타임스탬프들"로도 알려져 있음)가 센서(들)로부터 직접적으로 또는 간접적으로 수신될 수 있고, 그리고/또는 프로세싱될 수 있다. 다양한 실시예들은, 예컨대 하기 중 하나 이상이지만 이들로 제한되지 않는, 하나 이상의 타임스탬프들 또는 센서 특질들을 수신 또는 계산할 수 있다: 풋 스트라이크 타임스탬프, 왼발 스트라이크 타임스탬프, 오른발 스트라이크 타임스탬프, 론칭 타임스탬프, 왼발 론칭 타임스탬프, 오른발 론칭 타임스탬프, 미분 타임스탬프들, 예컨대 왼발 론칭 Z-축(사용자가 론칭한 표면 및/또는 지표면에 대한 수직 축) 미분 최대 타임스탬프, 및/또는 오른발 론칭 Z-축 미분 최대 타임스탬프를 포함하지만 이들로 제한되지 않음.
일부 배열물들에 따르면, 센서 서브스크립션들은 센서 시스템의 의해 제공될 정보의 타입들을 식별하도록 구성된다. 일부 예들에서, 센서 시스템은 서브스크립션들에 기초하여 데이터에 대해 모니터링하기 위해 센서들을 선택하도록 구성될 수 있다. 예를 들어, 센서 시스템이 4개의 힘 감응성 저항 센서들 및 가속도계를 포함하는 경우, 서브스크립션들은 그들 5개의 센서들(가속도계가 3개의 감지 축들을 포함하는 경우에는 7개) 중 어느 것이 센서 데이터에 대해 모니터링되는지 특정할 수 있다. 다른 예에서, 서브스크립션들은, 센서 시스템에 의해, 오른쪽 신발 가속도계로부터의 센서 데이터를 모니터링하지만 왼쪽 신발 가속도계로부터의 센서 테이터는 모니터링하지 않는 것을 특정할 수 있다. 또 다른 예에서, 서브스크립션은 손목 착용형 센서로부터의 데이터를 모니터링하지만 심박수 센서로부터의 데이터는 모니터링하지 않는 것을 포함할 수 있다. 추가적으로 또는 대안적으로, 센서 서브스크립션들은 전력을 보존하기 위해 소정 센서들을 턴온 또는 턴오프하도록 센서 시스템을 제어할 수 있다. 따라서, 가속도계로부터의 센서 데이터가 요구 또는 구독되지 않는 경우, 가속도계는 턴오프될 수 있다.
서브스크립션들은 또한 센서 시스템에 의해 수행되는 프로세싱의 타입들 및 레벨들을 제어할 수 있다. 예를 들어, 서브스크립션은 센서 시스템의 이벤트 검출 프로세스의 민감도를 조절하도록 센서 임계치들을 특정할 수 있다. 따라서, 일부 활동들에 있어서, 센서 시스템은 제1 특정된 임계치를 초과하는 모든 힘 피크들에 대응하는 이벤트들을 식별할 것을 지시받을 수 있다. 다른 활동들의 경우, 센서 시스템은 제2 특정된 임계치를 초과하는 모든 힘 피크들에 대한 이벤트들을 식별할 것을 지시받을 수 있다. 또한, 추가로, 서브스크립션들은 활동 프로세싱 시스템에 전달되는 데이터 및 이벤트들의 타입들 및/또는 양들을 제어하는 데 이용될 수 있다. 따라서, 어느 센서들이 활성 상태인지, 어떤 센서들이 모니터링되고 있는지, 그리고/또는 어떤 이벤트들이 생성/검출되는지와는 무관하게, 센서 시스템은 또한 어떤 데이터(예컨대, 미처리 센서 데이터 또는 이벤트들)가 활동 프로세싱 시스템으로 송신되는지를 독립적으로 제어할 수 있다. 따라서, 센서 시스템이 제1 특정된 임계치보다 더 높은 z-축을 따라서 가속도에 대응하는 모든 이벤트들을 검출할 수 있지만, 서브스크립션은 제1 특정된 임계치보다 더 높은 제2 특정된 임계치보다 더 높은 z-축 가속도 이벤트들만의 송신을 요청할 수 있다. 상이한 센서 서브스크립션들의 이용은 일부 센서 판독치들이 특정 활동에 필요하지 않은 경우에 센서 시스템이 전력 및/또는 통신 대역폭을 보존하는 것을 도울 수 있다. 따라서, 상이한 활동들 및 활동 타입들이 상이한 센서 서브스크립션들을 이용할 수 있다.
예시적인 서브스크립션들은 하나 이상의 힘 감응성 저항들로부터의 힘 감응성 저항 데이터, 하나 이상의 가속도계들로부터의 가속도 데이터, 다수의 센서들에 걸친 합계 정보(예컨대, 가속도 데이터의 합계, 하나 이상의 센서들에 걸친 힘 저항 데이터의 합계 등), 압력 맵, 평균 중심화된 데이터, 중력 조정 센서 데이터, 힘 감응성 저항 미분값, 가속도 미분값, 환경 센서 데이터(예컨대, 온도, 날씨, 지형 등), 사회적 정보(예컨대, 활동에 참여하거나 사전정의된 근접지 내에 있는 다른 사용자들의 식별, 다른 사용자의 활동 수행에 관한 데이터 등) 등 및/또는 이들의 조합들을 포함할 수 있다. 일부 예들에서, 단일 서브스크립션은 다수의 센서들로부터의 데이터의 합계에 대응할 수 있다. 예를 들어, 템플릿이 사용자의 발의 앞발 영역으로의 힘의 이동을 요청하는 경우, 단일 서브스크립션은 앞발 영역 내의 모든 센서들의 힘들의 합계에 대응할 수 있다. 대안적으로, 앞발 힘 센서들 각각에 대한 힘 데이터는 별개의 서브스크립션에 대응할 수 있다.
특정된 서브스크립션들에 따르면, 단계 1015에서, 활동 프로세싱 시스템은 센서 시스템으로부터 이벤트 정보를 수신할 수 있다. 일례에서, 이벤트 정보는 디바이스(226)와 같은 손목 착용형 디바이스, 신발 센서 시스템(202)과 같은 신발 기반 센서, 및/또는 활동 프로세싱 시스템 자체에 존재하는 센서로부터 수신될 수 있다. 추가적으로, 이벤트 정보는 서브스크립션 파라미터들에 기초하여 센서 시스템에 의해 생성 및 필터링될 수 있다. 다양한 센서 시스템들은 센서 시스템들 및/또는 활동 프로세싱 시스템이 데이터를 송신 및 수신하는 주파수를 감소시키기 위해 미처리 센서 신호 데이터를 사전-프로세싱하여 사전정의된 이벤트들을 식별하도록 구성될 수 있다. 따라서, 활동 프로세싱 시스템은 이벤트들이 검출될 때 그리고/또는 서브스크립션 파라미터들과 매칭되는 이벤트들에 대해, 센서 데이터만을 수신할 수 있다. 대안적으로, 미처리 센서 신호들은 활동 프로세싱 시스템에 의해 수신 및 프로세싱되어, 원한다면, 이벤트들을 식별하게 할 수 있다.
행동들은 센서 이벤트들의 조합 또는 세트에 기초하여 정의될 수 있다. 예를 들어, 달리기는 일련의 그리고 소정 페이스의 발 접촉 시간들 및 론칭 시간들에 대응할 수 있다. 다른 예에서, 공을 발로 차는 것은 풋 론칭 이벤트에 이어서, 특정 축을 따르는 발 가속도 및 후속의 감속 또는 가속도 변화(예컨대, 사용자의 발이 공을 스트라이크할 때)에 의해 정의될 수 있다. 따라서, 센서 시스템들은 본 명세서에 기술된 바와 같은 사전정의된 규칙들에 기초하여 개별적인 이벤트들을 식별하도록 구성될 수 있고, 반면에 활동 프로세싱 시스템은 센서 시스템에 의해 검출된 하나 이상의 개별적인 이벤트들의 조합들에 대응하는 사용자 행동들을 식별하도록 구성될 수 있다.
단계 1020에서, 시스템은 센서 클록들 및 송신 시간들에서의 편차를 설명하기 위해 센서 이벤트들을 추가로 동기화시킬 수 있다. 특정 배열물들에서, 시스템은 센서들 각각과 활동 프로세싱 시스템 사이의 요구되는 송신 시간을 측정할 수 있고, 이어서, 측정된 송신 시간을 이용하여 각각의 검출된 센서 이벤트들과 연관된 시간을 조정할 수 있다. 추가적으로 또는 대안적으로, 동기화는 수신된 이벤트들을 시간적으로 분류하는 것을 포함할 수 있다. 일부 예들에서, 이벤트 데이터는 이벤트들이 검출된 순서로 수신되지 않을 수도 있다. 따라서, 시스템은 이벤트들이 검출된 시간에 따라 이들의 순서를 정하도록 이벤트 데이터를 사전 프로세싱할 수 있다.
선택적으로, 단계 1025에서, 시스템은 수신된 이벤트 정보를 평가할 수 있고, 하나 이상의 필터들을 적용하여 다양한 타입들의 이벤트들을 제거할 수 있다. 일부 배열물들에 따르면, 이벤트들 또는 규칙들을 실격시키는 것은, 이벤트들이 이벤트 스트림으로부터 필터링되어, 사용자 수행 행동들을 식별할 시에 프로세싱되게 하도록 정의될 수 있다. 일례에서, 시스템은 개입되는 발 접촉 이벤트 없이 신발 센서로부터 2개의 풋 론칭 이벤트들의 통지를 수신할 수 있다. 그러한 발생은 사용자가 제1 점프 이후에 착지하지 않은 채 2회 점프했다는 것을 나타낼 것이다. 그러한 예에서, 시스템은 적어도 제2 풋 론칭 이벤트를 실격시킬 수 있거나 또는 제거할 수 있다. 추가적으로, 시스템은 또한 제1 풋 론칭 이벤트를 실격시킬 수 있다. 다른 예에서, 시스템은 이벤트 타임스탬프들 사이의 시간량에 기초하여 이벤트들을 필터링할 수 있다. 따라서, 풋 론칭 이벤트(예컨대, 제1 신발 센서에 의해 검출됨)와 발 접촉 또는 스트라이크 이벤트(예컨대, 동일한 제1 신발 센서에 의해 검출됨) 사이의 시간량이 특정된 임계치를 초과하는 경우, 풋 론칭 및 풋 스트라이크 이벤트들은 이벤트 데이터로부터 필터링될 수 있다. 특정된 임계치는 인간적 능력 내에서 가능한 최대 가능량의 체공 시간으로 설정될 수 있다. 또 다른 예에서, 사용자가 점핑 잭 운동을 수행하고 있는 경우, 시스템은 발 접촉 시간과 풋 론칭 시간 사이의 시간량이 너무 큰 경우에는 반복이 수행되었다는 것을 등록(예컨대, 식별)하지 않을 수도 있다. 필터들은 하나 이상의 이벤트들의 배열물들을 포함하는 하나 이상의 필터 템플릿들을 포함할 수 있다. 필터 템플릿들과 매칭될 시, 매칭 이벤트들은 이벤트 스트림(예컨대, 버퍼) 및/또는 프로세싱으로부터 제거될 수 있다.
본 명세서에 논의되는 바와 같이, 필터들은 또한, 판정된 타입의 활동에 적용가능하지 않은 소정 이벤트들을 제거하는 데 사용될 수 있다. 예를 들어, 판정된 타입의 활동이 달리기인 경우, 발 피치 측정치들 또는 머리 이동이 달리기 활동에 대한 메트릭들을 판정하는 것에 관련되지 않을 수도 있다. 따라서, 그러한 센서 이벤트들은 사용자 행동들을 평가하는 데 이용되는 이벤트들로부터 필터링될 수 있다. 필터들은 사용자에 의해 수행될 활동의 타입에 의존하여 선택될 수 있다. 따라서, 이벤트 정보에 적용되는 필터들의 타입들은 수행될 활동의 타입에 의존하여 상이할 수 있다. 예를 들어, 머리 이동이 달리기에 대한 메트릭들 또는 행동들을 판정하는 것에 관련되지 않을 수도 있지만, 머리 이동은 농구에서 주크(juke) 이동을 검출하는 데 이용될 수 있고 그와 관련될 수 있다. 일부 예들에서, 선택된 필터들에 관한 정보는 센서 시스템들이 필터들에 따라 센서 이벤트들을 검출 또는 필터링하지 않도록 사용되고 있는 하나 이상의 센서 시스템들로 전송될 수 있다. 따라서, 활동 프로세싱 시스템은 센서 시스템들이 그러한 프로세싱을 이전에 수행했던 경우에 필터링 기능들을 수행할 필요가 없을 수도 있다.
또 다른 예들에서, 필터링은 다수의 센서들로부터의 결과들에 기초하여 수행될 수 있다. 따라서, 다수의 센서들이 사용된다면, 센서 이벤트들은 다른 센서들로부터의 데이터가 이벤트 또는 행동의 충분한 확인 또는 확증(corroboration)을 제공하지 않는 경우에 필터링될 수 있다. 일례에서, 신발의 가속도계는 z-축을 따라서 검출되는 가속도에 기초하여 풋 론칭 이벤트를 등록할 수 있다. 그러나, 신발의 압력 센서가, 풋 론칭 이벤트가 검출된 시간에서의 압력 차이가 특정된 임계치(예컨대, 풋 론칭 이벤트에 대응하는 압력 차이 임계치) 미만임을 나타내는 경우, 활동 프로세싱 시스템은 가속도계로부터 수신된 풋 론칭 이벤트를 필터링할 수 있다. 하나 이상의 배열물들에서, 특정 타입의 이벤트(예컨대, 발 접촉, 풋 론칭, 손목 튕김, 머리 젖힘(tilt), 압력 프로파일에서의 변화 등)를 검출하도록 구성된 센서들 중 대다수는 유지될 이벤트 데이터에 대한 이벤트를 검출할 것을 요구받을 수 있다. 대다수보다는 적은 구성된 센서들이 이벤트를 검출하는 경우, 이벤트를 검출한 그러한 센서들로부터의 이벤트 데이터가 필터링될 수 있다.
다른 배열물들에서, 소정 센서들은 다른 센서들보다 더 큰 가중치 또는 신뢰도(confidence)를 부여받을 수 있다. 따라서, 각각의 센서에 대해 필요한 확증의 양은 센서의 가중치 또는 신뢰성에 의존하여 상이할 수 있다. 예를 들어, 신발 압력 센서는 풋 론칭 및 풋 스트라이크 이벤트들을 검출하는 데 있어서 더 신뢰성이 있을 수 있다. 따라서, 하나 이상의 다른 센서들이 풋 론칭 또는 풋 스트라이크 이벤트를 등록하지 않는 경우에도, 압력 센서에 의해 검출된 풋 론칭 또는 풋 스트라이크 이벤트는 필터링되지 않을 수도 있다. 다른 예에서, 다른 센서들이 풋 론칭 또는 풋 스트라이크 이벤트를 검출하였지만, 이벤트가 신발 압력 센서에 의해 검출되지 않는 경우, 이벤트는 이벤트를 검출한 다른 센서들의 개수와는 무관하게 필터링될 수 있다. 특정 센서 또는 센서 세트에서의 신뢰성 또는 신뢰도는 이벤트의 타입에 의존하여 변할 수 있다. 따라서, 신발 압력 센서가 풋 론칭 또는 풋 스트라이크 이벤트들을 검출하는 데 있어서 더 신뢰성이 있는 것으로 간주될 수 있지만, 신발 압력 센서에는 세로 방향 및 횡방향으로의 발 이동을 검출하는 데 있어서 동일한 양의 신뢰도가 제공되지 않을 수도 있다. 따라서, 상이한 필터링 규칙들은 이벤트의 타입뿐만 아니라 센서의 타입(예컨대, 센서가 위치되는 위치, 센서 기술 등)에 의존하여 적용될 수 있다. 상기의 필터링 규칙들, 파라미터들, 가중치들, 및 다른 인자들은 필터 템플릿 내에서 또는 템플릿들과는 별개로 특정될 수 있다. 따라서, 일부 경우들에 있어서, 각각의 필터 템플릿은 센서 신뢰도를 상이하게 가중화할 수 있다.
언급된 바와 같이, 단계 1025의 상기의 필터링 프로세스는 선택적이며, 소정 구성들 또는 시스템들에서 수행 또는 이용되지 않을 수도 있다. 다른 타입의 필터링 또는 이벤트 배제 프로세싱이 단계 1025에서 기술된 필터링 대신에 또는 그에 더해 이용될 수 있다. 배제 이벤트 프로세싱의 일례는 본 명세서에 더 상세히 기술된다.
단계 1030에서, 활동 프로세싱 시스템은 수신된 이벤트들이 하나 이상의 사전정의된 행동 템플릿들과 매칭되는지 여부를 판정할 수 있다. 일례에서, 사전정의된 행동 템플릿들은 센서 시스템으로부터 수신된 연속 스트림의 이벤트들에 비교될 수 있다. 대안적으로 또는 추가적으로, 사전정의된 행동 템플릿들은 이벤트 데이터의 슬라이딩 윈도우에 비교될 수 있다. 예를 들어, X개 샘플들의 세트 각각이 사전정의된 행동 템플릿들에 비교될 수 있다. 이어서, X개 샘플들의 세트는 사전정의된 개수의 샘플들(예컨대, 1개의 샘플, 2개의 샘플, 5개의 샘플, 100개의 샘플 등)에 의해 증분될 수 있고, 이어서, X개 샘플들의 새로운 세트가 템플릿들에 비교될 수 있다. 샘플들은 시간, 이벤트, 데이터 단위 등별로 정의될 수 있다. 일례에서, 샘플 윈도우는 2초일 수 있다. 템플릿 매칭 프로세스는 도 11 및 도 12에 대해 하기에 더 상세히 기술된다.
일부 활동들은 다수의 템플릿들을 포함할 수 있다. 따라서, 일부 배열물들에서, 검출된 이벤트들의 단일 조합이 다수의 템플릿들과 매칭될 수 있다. 따라서, 단계 1035에서, 시스템은 다수의 템플릿들이 단계 1030의 매칭 프로세스에서 매칭되었는지 여부를 판정할 수 있다. 다수의 템플릿들이 매칭되는 경우, 시스템은 매칭 템플릿들 중 하나를 선택하여, 단계 1040에서 이벤트들의 조합에 대응하는 행동을 판정할 수 있다. 다수의 매칭 템플릿들 중 하나를 선택하는 것은 다양한 알고리즘들 및 방법들에 따라 수행될 수 있다. 일례에서, 선택은 이벤트들의 조합과 각각의 템플릿들 사이의 최강 또는 최고 매칭 레벨을 판정하는 것을 포함할 수 있다. 다른 예에서, 선택은 매칭 템플릿들에 대응하는 행동들 각각이 사전정의된 시간적 근접지 내에서 검출된 하나 이상의 다른 이벤트들 또는 행동들을 제공받는 가능성을 판정하는 것을 포함할 수 있다. 예를 들어, 손목 스냅핑 이벤트 및 풋 스트라이크 이벤트가 농구 슛하기 행동 및 농구 드리블하기 행동 양측 모두와 매칭되는 것으로 판정되는 경우, 두 가지 행동들 중 하나의 행동의 선택은 주위의 행동들 또는 이벤트들에 기초할 수 있다. 특정 예에서, 손목 스냅핑 및 풋 스트라이크 이벤트들보다 점핑 행동(예컨대, 거의 동시에 양발의 발 론칭 이벤트들을 검출함)이 선행되는 경우, 시스템은 농구 슛하기 행동을 매칭된 템플릿으로서 선택할 수 있는데, 그 이유는 사용자가 드리블하면서 점프할 것 같지 않기 때문이다. 다양한 다른 선택 방법론들이 이용될 수 있다.
이벤트들의 조합이 다수의 템플릿들과 매칭되지 않는 경우, 또는 최상의 매칭 템플릿을 선택할 시, 활동 프로세싱 시스템은 단계 1045에서 매칭 템플릿에 대응하는 행동(또는 행동의 검출)을 등록할 수 있다. 예를 들어, 각각의 템플릿은 슬램 덩크하기, 주크하기, 농구공을 슛하기, 전력질주하기, 조깅하기, 걷기, 횡방향 홉(hop)을 수행하기, 공을 발로 차기, 공을 헤딩하기, 공을 던지기 등과 같은 특정 행동과 연관될 수 있다. 행동을 등록하는 것은 사용자에 의해 수행되는 행동을 데이터베이스에 저장하거나 행동들의 로그를 저장하는 것, 사용자에게 수행된 행동을 통지하는 메시지를 사용자에게 전달하는 것, 행동의 검출을, 원격 활동 추적 시스템들을 포함한 하나 이상의 디바이스들로 송신하는 것 등 및/또는 이들의 조합들을 포함할 수 있다.
또한, 일부 예들에서, 활동 프로세싱 시스템은 단계 1050에서 등록된 행동의 품질을 평가할 수 있다. 행동의 품질은 이벤트들의 조합과 행동 템플릿 사이의 매칭의 강도의 판정에 의한 것 및/또는 템플릿에서의 선택적 상태들이 매칭되었는지 여부의 판정에 의한 것을 비롯한 다양한 방식들로 판정될 수 있다. 예를 들어, 선택적 또는 보너스 상태들은 이벤트들의 조합을 템플릿과의 매칭으로 식별할 것을 요구받지 않을 수 있지만, 그러한 선택적 또는 보너스 이벤트들을 매칭시키는 것은 더 높은 품질의 수행을 나타낼 수 있다. 품질 스케일은 매칭의 강도와의 선형적 또는 비선형적 관계에 기초하여 정의될 수 있다. 일례에서, 사용자의 이벤트 윈도우가 10%의 최대 공차를 갖는 템플릿의 7 내지 10% 내에서 매칭되는 경우, 사용자의 행동의 품질은 "낮음"으로 정의될 수 있다. 그러나, 사용자의 매칭 레벨이 3 내지 6.99% 내에 있는 경우, 사용자의 행동 품질은 "중간"으로 정의될 수 있고, 반면에 0 내지 2.99% 내의 매칭 레벨은 "높음"으로 정의될 수 있다. 일부 예들에서, "완벽함"과 같은 추가 품질 레벨은 대응하는 템플릿으로부터 0% 편차에 대해 정의될 수 있다. 품질은 수치적 값(예컨대, 1 내지 10의 스케일), 문자 등급(예컨대, A, B, C, D 등), 색깔(예컨대, 적색, 황색, 녹색), 사운드(예컨대, 우우(boo), 가벼운 환호성, 열광적 환호성), 햅틱 피드백의 레벨 또는 타입(더 강한 버저소리는 더 낮음 품질을 나타내거나, 또는 그 역도 성립함) 등에 의해 표기될 수 있다.
일부 예들에서, 품질 분석은 템플릿의 다른 부분들보다 더 높게 또는 더 낮게 템플릿의 소정 부분들을 가중화하는 것을 포함할 수 있다. 따라서, 템플릿의 더 높게 가치 평가된(valued) 부분 동안에 벗어나 있는 사용자는 템플릿의 더 적게 가치 평가된 부분 동안에 벗어나 있는 사용자보다 더 낮은 행동 품질 스코어를 할당받을 수 있다. 특정 예에서, 축구에서 발로 차는 행동은 발 들어올림 이벤트, 발 포워드 이벤트, 및 공 스트라이크 이벤트를 포함할 수 있다. 이러한 예에서, 공 스트라이크 이벤트는 더 높게 가치 평가될 수 있는데, 이는 그것이, 공이 스트라이크된 힘을 판정할 수 있기 때문이다. 따라서, 제1 사용자가 발 들어올림 이벤트 및 발 포워드 이벤트와 완벽하게 매칭되지만, 공 스트라이크 이벤트로부터 25%만큼 벗어나 있는 경우, 사용자의 발로 공차기 행동의 품질은 "중간"일 수 있다. 대조적으로, 제2 사용자가 발 들어올림 이벤트 및 발 포워드 이벤트와 90% 정확도(10%의 편차)로 매칭되지만, 공 스트라이크 이벤트와 완벽하게 매칭되는 경우, 제2 사용자의 발로 공차기 행동의 품질은 "높음"일 수 있다. 행동 또는 템플릿의 다양한 다른 파라미터들이 또한 가중화될 수 있다. 예를 들어, 타이밍은 일부 이벤트들에 대해 더 높은 가중치를 부여받을 수 있다.
본 발명의 태양들은 체공 시간(에어 타임(air time)으로도 알려짐)에 기초하여 하나 이상의 운동선수 수행 메트릭들을 도출하도록 다양하게 구현될 수 있는 시스템들 및 방법들에 관한 것이다. 소정 실시예들에 따르면, 검출 및/또는 측정된 체공 시간으로부터 도출된 하나 이상의 메트릭들은 하기와 같지만 이들로 제한되지 않는 운동 파라미터들의 대용 측정치들로서 이용될 수 있다: 특히, 세기, 운동 활동성(Athleticism), 민첩성(Agility), 허슬(Hustle), 운동선수가 얼마나 힘들게 수행하고 있는가. 이러한 개념들은, 주로 농구를 기준 스포츠 활동으로 이용하여 그리고 신발류를 사용하여 본 명세서에 설명될 것이지만, 체공 시간 및 연관된 메트릭들은, 신발류 또는 다른 디바이스들 내에 (다수의 또는 단일 디바이스와 함께) 통합되든 아니든, 대안적인 하드웨어 해결책들로 검출/측정될 수 있고, 그들은 또한, 특히, 축구, 트레이닝, 달리기와 같은 다른 스포츠 및 활동들에 적용될 수 있다. "체공 시간"은 운동선수가 스포츠/활동에서 공중에 있게 되는 시간의 간격 또는 지속시간으로 정의될 수 있다.
예컨대 사후-프로세싱 알고리즘에서, 체공 시간이 다양한 타입들의 점프에 대해서만 추출되었던 종래의 시스템들과는 달리, 본 발명의 시스템들 및 방법들은, 프로세서에 의해 실행될 때, 예를 들어 하기와 같은 다른 이동 모드들에 대한 체공 시간을 추출할 수 있는 하나 이상의 컴퓨터 실행가능 매체(들) 상에서의 컴퓨터 판독가능 명령어들의 하나 이상의 실행들을 선택적으로 활용할 수 있다: 특히, 달리기, 뒤로 달리기, 걷기 및 셔플링, 사이드-스텝핑. 컴퓨터 실행가능 명령어들은 사후-프로세싱 알고리즘들로서, 그리고/또는 하나 이상의 기준들이 충족되는 것, 예컨대 두 발이 지면으로부터 떨어지는 것을 검출할 시에 실행될 수 있다.
다양한 실시예들에 따르면, 체공 시간 계산은 운동 선수가 점프한 것(또는 점프하고 있는 것)으로 판정되는 경우들로 제한되지 않는다. 소정 실시예들은 적어도 두 발이 지면 또는 표면과 동시에 접촉하지 않고 있는 경우들에 대한 체공 시간을 계산할 수 있다. 따라서, 체공 시간의 판정은 (농구에서 상대방을 가드할 때처럼) 측면 점프/이동의 경우뿐만 아니라 달리기, 조깅하기, 및/또는 유사한 이동의 경우 동안에 대한 체공 시간을 계산하는 것을 포함할 수 있다. 소정 실시예들에서, 두 발이 결코 동시에 지면을 떠나지 않는 이동(예컨대, 걷기)은 포함되지 않을 수도 있다.
소정 실시예들은 양발이 실질적으로 동시에 표면을 떠나는 두 발 점프로부터의 계산으로 제한되지 않을 수 있다. 그러한 점프들은, 예를 들어 슛을 하고, 슛을 막고, 그리고/또는 리바운드하고자 시도하는 동안에 농구 선수들에 의해 종종 관찰된다. 다른 실시예들에서, 체공 시간 계산은 두 발 점프뿐만 아니라 한 발 점프 - 여기서, (예를 들어, 농구 경기에서 레이업을 시도할 때와 같이) 한 발은 다른 발에 앞서서 지면을 떠남 - 를 비롯한 임의의 형태의 점프로 제한되지 않는다. 그러나, 소정 실시예들은 상이한 타입들의 점프들 및/또는 활동들 사이를 구분할 수 있다.
소정 실시예들에 따르면, 체공 시간은 각각의 발이 지면 또는 표면과 접촉하고(이를 스트라이크하고) 이를 떠날(론칭할) 때에 기초하여 계산될 수 있다. 소정 실시예들에 따르면, 양발의 스트라이크 및 론칭 타임스탬프들이 분류될 수 있다. 이어서, 이러한 정보는 체공 시간을 평가하는 데 이용된다. 이어서, 값들이 합리적인 범위 내에 있다는 것을 보장하도록 바운스 체크들이 수행될 수 있다.
프로세스는 각각의 템플릿 매칭(즉, 각각의 스텝, 또는 검출되는 점프와 같은 이동 합성 모드)에 대해 행해질 수 있다. 이는 체공 시간 데이터 시계열을 초래할 수 있다. 이러한 데이터는 스포츠 세션 또는 농구 경기의 과정 동안에 누적 합산되어 세션의 말미에 총 체공 시간 값을 얻게 할 수 있다. 이와 관련하여, 이러한 메트릭은, 운동선수, 코치, 트레이너, 모집자, 팬, 및 다른 이들에 의해, 선수들을 모니터링 또는 달리 평가하는 데 활용될 수 있다. 그것은 GPS 시계 상에서 달리기 과정 동안에 증가하는 거리 메트릭과 유사한 방식으로 이용될 수 있고; 달리기에서의 시간에 기초하여, 속력, 페이스, 에버리지 속력/페이스 등과 같은 다른 메트릭들이 계산될 수 있다. 이어서, 누적 체공 시간이 순시 체공률(instantaneous Flight Rate), 에버리지 체공률, 분 당 체공률 등과 같은 다른 메트릭들을 얻는 데 이용될 수 있다. 이러한 체공 시간 기반 메트릭들은, 추가로, 필터링 또는 분류되고 시간 경과에 따라 관찰되어 각각의 이동 모드의 기여도를 판정하게 할 수 있다. 예를 들어, 농구 경기의 전반전에 누산된 체공 시간의 25%는 달리기에서 비롯되었을 수 있고, 30%는 점프로부터 비롯되었을 수 있고, 등등일 수 있다.
예시적인 구현예들은 (예를 들어 도 10, 도 11 및 도 12에 도시된 바와 같이) 템플릿 매칭의 맥락에서뿐만 아니라, 도 21에 도시된 것과 같이, 독립적으로 제공될 것이다. 따라서, 상기의 개시내용 중 일부분들은, 도 10, 도 11, 도 12, 및 도 21과 같은, 상이한 흐름도들의 하나 이상의 부분들을 구현하는 것을 포함한, 본 명세서 전체에 걸쳐서 논의되는 하나 이상의 실시예들에서 다양하게 구현될 수 있다.
다양한 구현예들에 따르면, 블록(1055)은 체공 시간의 판정을 포함할 수 있다. 일례로서, 서브블록(1055a)은 일 실시예에 따라 체공 시간을 판정하는 데 활용될 수 있다. 블록(1050a)이 블록(1050)의 서브요소인 것으로 도시되어 있지만, 당업자는 체공 시간의 판정이 도 10의 블록(1050)의 일부분 및/또는 하나 이상의 다른 요소들 없이 개별적으로 수행될 수 있다는 것을 이해할 것이다. 다른 실시예들에서, 도 10의 하나 이상의 요소들은 블록(1050)의 존재와 함께 또는 그 존재 없이, 도 10의 다른 요소들의 일부분으로서 실행될 수 있다.
체공 시간의 판정과 연관된 값은 체공 시간 버퍼에 추가될 수 있거나, 또는 버퍼는 측정/검출된 체공 시간에 기초하여 달리 업데이트될 수 있다(예컨대, 블록(1050b)). 소정 실시예들에서, 총, 중간, 및/또는 에버리지 체공 시간들이 판정될 수 있다. 이와 관련하여, 태양들은 체공 시간에 기초하여 운동 능력 또는 다른 정보를 측정하는 것에 관한 것이다. 예를 들어, 운동선수의 에버리지 체공 시간(걷기 및/또는 달리기로부터의 체공 시간을 포함할 수 있음)은 운동 수행의 표시자일 수 있다. 소정 실시예들은 단위 시간 동안의 체공 시간(예컨대, 1분의 경기 또는 운동 수행 동안의 에버리지 체공 시간)과 같은 체공 시간을 판정하는 것에 관한 것이다. 예를 들어, 도 22에 도시된 바와 같이, 한 운동선수는 한 경기의 처음 1분 내에는 "체공" 당 200 밀리초를 그리고 동일한 경기 또는 수행의 다른 1분 내에는 체공 당 150 밀리초를 에버리지로 할 수 있다. 체공 시간들은, 예를 들어 "높이"와는 무관하게 고려될 수 있고, 사용자는 그의 블로킹 또는 달리기 동안에 일련의 작은 체공을 가질 수 있으며, 따라서 여러 차례 점프했고 그리고/또는 더 높은 점프를 했던 다른 선수보다 더 많은 체공 시간을 보일 수 있다.
다른 실시예에서, 경기 또는 운동 수행의 에버리지 체공 시간(예컨대, 밀리초/초 단위)과 같은, 시간의 함수로서의 에버리지 체공 시간이 판정될 수 있다(예컨대, 도 23 참조). 예를 들어, 에버리지 체공 시간은 (특히, 이벤트/경기 동안에 더 많은 시간이 경과함에 따라) 체공 중에 있지 않은 시간과 비교해서 체공 중의 시간을 표현하도록 수렴할 수 있다. 마찬가지로, 총 체공 시간은 경기 또는 수행 동안의 체공 중의 총 시간을 나타낼 수 있다(예컨대, 도 24 참조).
그러한 정보는 본 명세서에 개시된 다양한 실시예들에 따른 체공 시간 계산이 트레이닝 요법들에 있어서 유익할 수 있기 때문에 종래 기술을 넘는 개선점이다. 예를 들어, 소정 시간 프레임 내의 체공 시간의 분량은 사용자의 노력 레벨을 그 최대치, 이론상으로는, 선호도, 또는 과거 수집된 데이터에 비교해서 판정하는 데 이용될 수 있다. 마찬가지로, 그것은 다른 선수의 능력, 심지어 다른 선수가 동일한 포지션을 수행하는 것에 대비되는 한 운동선수의 수행 및/또는 능력을 게이징하는 데 이용될 수 있고, 그리고/또는 그것은 상이한 포지션들(예컨대, 포워드 대 센터)에서의 한 운동선수의 수행뿐만 아니라 그의 "피로율(rate of fatigue)"을 게이징하는 데 이용될 수 있다. 이와 관련하여, 총 이동 또는 열량 소모는 사용자의 피로, 능력, 및/또는 현재 수행 또는 감소율을 정확하게 측정하지 않을 수도 있다. 소정 실시예들에서, 론칭 및/또는 스트라이크 힘과 같은 힘 측정은 체공 시간 판정과 함께 이용될 수 있다.
추가적인 메트릭들이, 블록(1050a)에서 수신된 값과 같은 값을 이용하여, 그리고/또는 블록(1050b)으로부터의 체공 시간 버퍼의 적어도 일부분을 이용하여 판정 및/또는 평가될 수 있다. 예시적인 메트릭들은, 특히 에너지 소모, 민첩성, 피로도, 수행 비교 값을 포함할 수 있지만 이들로 제한되지 않는다. 이는 하기에 논의되는 블록(1055)의 일부로서 발생할 수 있다. 또한, 체공 시간의 판정 시에 이용되는 특질들은, 특히, (체공 시간의 계산 시에 고려되지 않을 수도 있는, 걷기 동안의) 다수의 스텝들, (달리기 동안의) 보폭, 또는 사용자에 의한 다른 이동의 추정을 위한 모델들, 및/또는 사용자의 속력 및 거리(페이스)의 추정을 위한 모델들 중 하나 이상으로의 입력들로서 이용될 수 있다. 또한, 하나 이상의 계산된 특질들은 하나 이상의 모델들로의 입력들로서 이용되어, 일례에서, 체공 시간의 추정을 위한 모델이 에너지 소모, 스텝률(step rate), 걷기 속력, 및/또는 달리기 속력 등을 위한 모델과는 별개로 실행될 수 있게 할 수 있다. 예를 들어, 활동 디바이스는 사용자가 농구 활동을 수행하는 것으로부터 정보를 수신할 수 있다. 이에 응답하여, 디바이스는 수신된 농구 활동 데이터를 프로세싱할 수 있고, 계산된 특질들을 하나 이상의 모델들에 비교할 수 있거나 또는 달리 체공 시간 외에도 추가 분석을 행할 수 있다. 일례로서, 체공 시간을 누산하는 것(또는 템플릿과 매칭되는 특정 데이터를 수신하는 것)에 대한 판정은 점프가 발생했는지 여부의 판정을 끌어낼 수 있고, 그러한 경우, 점프 높이가 판정될 수 있다. 일 실시예에 따르면, 점프 높이 및/또는 점프 높이와 관련될 수 있는 다른 메트릭들은, 적어도 부분적으로, 하나 이상의 모델들에 대비해 체공 시간의 계산 시에 이용되는 데이터 특질들 중 하나 이상을 비교함으로써 수행될 수 있다. 전술된 바와 같이, 하나 이상의 모델들은 메모리 등에 저장될 수 있고, 센서 디바이스를 비롯한 디바이스와 연관될 수 있다.
도 25는, 일 실시예에 따른, 점프 높이를 계산하는 흐름도를 도시한다. 체공 시간은 선형 회귀(linear regression) 시에 점프 높이를 판정하는 데 이용될 수 있다.
검출, 측정, 및/또는 도출된 정보는 사용자 또는 코치에게 피드백을 제공하는 데 그리고/또는 추가적인 알고리즘들 또는 행동들을 트리거하는 데 이용될 수 있다(예컨대, 하기에 더 상세히 설명되는 도 10의 블록(1060)). 일부 예들로서, 피드백은 센서 또는 감지 디바이스, 부속물 착용형 디바이스, 신발류, 모바일 단말기 상에, 예컨대 모바일 전화 또는 다른 디바이스 상의 앱(소프트웨어 애플리케이션) 내에 위치된 UI(사용자 인터페이스)를 통해 발생할 수 있다. 이와 관련하여, 피드백은, 예컨대 색깔(예컨대, 적색은 수행 미달(under-performance)과 동일시될 수 있고, 황색은 에버리지일 수 있고, 녹색은 양호한 또는 우수한 수행을 나타낼 수 있음), 또는 수량(예컨대, 더 양호한 수행의 경우에 조명의 개수 또는 밝기가 증가함)을 이용하여, LED 또는 광원을 통해 제공될 수 있다. 다른 실시예들은 GUI(그래픽 사용자 인터페이스)를 사용할 수 있다. 또한 추가의 실시예들은, 시각적 피드백 및/또는 코칭에 더해 또는 이들과는 독립적으로, 청각적 및/또는 촉각적 피드백을 활용할 수 있다. 소정 실시예들에서, 블록(1050d)은 도 10에 도시된 블록(1060)과 동일할 수 있고, 실질적으로 동일할 수 있고, 그리고/또는 그를 대체할 수 있다. 이와 관련하여, 1050d의 추가 설명은 하기의 블록(1060)의 맥락에서 제공된다. 다른 실시예들에서, 블록(1050d) 및/또는 블록(1060)이 각각 구현될 수 있다.
단계 1055에서, 활동 프로세싱 시스템은 행동의 수행과 연관된 메트릭들을 판정할 수 있다. 예를 들어, 메트릭은 수행된 특정 타입의 행동들의 수; 행동의 거리, 페이스, 힘, 높이, 속력 등; 스트리크(streak)(예컨대, 수행된 동일한 타입의 다수의 연속 행동들); 기타 등등 및/또는 이들의 조합들의 카운트일 수 있다. 그러한 메트릭들은 다양한 알고리즘들 및 공식들에 따라 행동 정보 및 그에 대응하는 이벤트 데이터로부터 판정될 수 있다.
단계 1060에서, 활동 프로세싱은 선택적으로 사용자에게 코칭을 제공할 수 있다. 코칭은 검출된 행동의 사용자 수행을 개선하기 위한 지시들 또는 권고들을 포함할 수 있다. 사용자는 사용자의 행동 수행의 품질이 특정된 임계치 미만인 경우에만 코칭을 수신할 수 있다. 코칭은 이벤트 특정적 또는 이벤트 타입 특정적일 수 있다. 예를 들어, 코칭은 사용자가 템플릿을 특정 레벨(예컨대, 95%, 90%, 85%, 70% 등)에 매칭시키지 않았거나 또는 사용자의 수행이 선택적 또는 보너스 이벤트들과 매칭되지 않은 개별 이벤트들 또는 이벤트 그룹들에 기초하여 생성될 수 있다. 따라서, 시스템은 템플릿과의 불충분한 매칭 레벨을 갖는 하나 이상의 이벤트들을 개선하는 것 및/또는 선택적 또는 보너스 이벤트들을 수행하는 것을 권고할 수 있다. 예를 들어, 검출된 행동이 축구 공을 발로 차는 것에 대응하고 사용자의 발 포워드 가속도 이벤트가 예상 레벨 미만의 사전정의된 백분율인 경우, 시스템은 사용자가 그의 발 포워드 가속도를 사전정의된 백분율만큼 증가시키는 것을 권고할 수 있다. 다른 예에서, 검출된 행동이 스쿼트를 수행하는 것에 대응하고, 발뒤꿈치 가중치 이벤트가, 사용자의 발뒤꿈치로 이동된 무게의 양이 예상 값 미만인 것을 나타내는 경우, 시스템은 사용자의 발뒤꿈치에 더 많은 무게를 이동시키는 것을 권고할 수 있다. 동일한 예에서, 사용자의 발뒤꿈치로 이동된 무게의 양이 예상 값을 초과하는 경우, 시스템은 이동된 무게의 양을 감소시키는 것을 권고할 수 있다. 코칭은 또한 날씨, 사회적 인자들(예컨대, 동일한 타입의 활동 또는 행동들을 수행하는 사람들의 수, 또는 동일한 또는 유사한 행동 또는 활동을 수행하는 다른 이들의 에버리지 매칭 레벨), 지형 등을 비롯한 다른 파라미터들 및 인자들에 기초하여 생성될 수 있다. 다양한 다른 권고들 및 지시들이 제공될 수 있다.
일부 실시예들에서, 상이한 템플릿들이 사용자의 능숙한 손 또는 발에 의존하여 이용될 수 있다. 예를 들어, 사용자의 왼발이 그의 능숙한 발인 경우, 점프하기, 돌진하기(lunging), 또는 다른 행동의 템플릿은 왼발 센서 판독치들에 기초하여 대응하는 행동들을 검출하도록 구성된다. 예를 들어, 왼발 기반 템플릿들은 왼쪽 신발 센서로부터의 센서 판독치들에 선호도를 부여할 수 있다. 다른 예에서, 왼발 기반 템플릿들은 오른발보다는 왼발에 의한 트리거링 이벤트에 기초하여 스텝 또는 다른 이벤트 또는 행동을 정의할 수 있다. 템플릿들은 추가로 사용자에게, 특정 타입의 지형, 하루 중 시간, 날씨 조건의 타입 등에 특정적일 수 있다.
도 11a는 검출된 이벤트들이 행동 템플릿과 매칭되는지 여부를 판정하는 데 이용될 수 있는 예시적인 템플릿 매칭 프로세스를 도시한다. 프로세스는 필요에 따라 또는 원하는 대로 다수의 행동 템플릿들 각각에 대해 수행될 수 있다. 단계 1100에서, 활동 프로세싱 시스템은 하나 이상의 이벤트 소스들로부터 다수의 이벤트들을 수신할 수 있고, 이벤트 타입 및 타임스탬프별로 그러한 이벤트들을 저장할 수 있다. 이벤트 소스들은 내부 센서, 사용자 입력, 외부 센서 등을 포함할 수 있다. 단계 1105에서, 시스템은 이벤트들이 저장, 수신, 또는 달리 템플릿 매칭 분석에 이용가능한지 여부를 판정할 수 있다. 그렇지 않다면, 시스템은 단계 1160으로 진행할 수 있는데, 여기서 더 많은 이벤트들이 예상되는 경우, 시스템은 단계 1100으로 복귀할 것이다. 그렇지 않은 경우, 시스템은 프로세스를 종료할 수 있다. 일부 경우들에 있어서, 시스템은 단계 1105에서 충분한 양의 이벤트들이 저장되거나 수신되었는지 여부를 판정할 수 있다. 예시적인 실시예에서, 충분한 양은 분석을 위한 데이터의 가이드용 임계량에 대응할 수 있다. 다른 예시적인 실시예에서, 충분한 양은 분석을 위한 적어도 요구되는 양 또는 임계량의 데이터를 갖는 것에 대응할 수 있다. 이들 또는 다른 실시예들 중 어느 하나에서, 충분한 양은 템플릿 내의 이벤트들의 수에 상대적으로 또는 그에 기초하여 정의될 수 있다. 시스템이, 이벤트들이 저장된 것(또는 충분한 또는 필요한 양의 이벤트들이 저장되거나 수신되었던 것)으로 판정하는 경우, 이어서, 시스템은 단계 1110에서 수신된 이벤트들에 대비해 평가할 템플릿을 선택할 수 있다. 템플릿들은 사용자에 의해 수행되는 활동의 타입 및/또는 템플릿들의 우선순위에 기초하여 선택될 수 있다.
단계 1115에서, 시스템은 템플릿에서 정의된 상태들과 매칭될 수 있는 이벤트 세트를 식별할 수 있다. 일부 예들에서, 활동 프로세싱 시스템은 모든 가용 이벤트 데이터 사이에서 상태들과 매칭되는 모든 이벤트 세트를 식별할 수 있다. 다른 예들에서, 활동 프로세싱 시스템은 사전정의된 시간량(예컨대, 마지막 5분, 마지막 2분, 마지만 30초, 마지막 5초 등) 내의 이벤트 세트들만을 식별할 수 있다. 템플릿 상태는 템플릿에서 정의된 요구되는 또는 바람직한 이벤트 타입들을 지칭할 수 있다. 일례에서, 수신된 이벤트들 및 템플릿 상태들은 특정된 이벤트 타입에 기초하여 매칭될 수 있다. 수신된 이벤트들 및 템플릿 상태들 양측 모두는 이벤트 타입을 특정하는 레이블들을 포함할 수 있다. 따라서, 이러한 파라미터들은 이벤트 타입 매칭이 존재하는지 여부를 판정하도록 비교될 수 있다.
단계 1120에서, 시스템은 템플릿 매칭을 위해 분석할 이벤트 세트들 중 하나를 선택할 수 있다. 시스템은 선택된 파라미터들에 기초하여, 예컨대 세트 내의 가장 새로운 또는 가장 오래된 이벤트의 최근성 또는 에이지(age), 이벤트들의 타입, 이벤트 에이지들의 조합(예컨대, 제1 타입의 가장 오래된 이벤트와 제2 타입의 가장 새로운 이벤트), 랜덤으로, 또는 다른 규칙들에 기초하여, 이벤트 세트들 중 하나를 선택할 수 있다. 단계 1125에서, 시스템은 이벤트 세트가 템플릿 상태들 각각에 대한 필요한 개수(예컨대, 25%, 50%, 75%, 80%, 90%, 100%)의 템플릿 제약들을 만족시키는지 여부를 판정할 수 있다. 제약들은 도 10에 대해 기술된 필터들과 유사할 수 있지만, 그들이 적용되는 방식의 범주 면에서는 상이할 수 있다. 예를 들어, 제약들은 템플릿 상태 내에서 정의될 수 있고, 그 템플릿 상태를 평가할 때에만 적용될 수 있다. 대조적으로, 필터는 다른 템플릿 상태와는 독립적으로 적용되어, 고려사항으로부터 특정된 후보 이벤트들을 제거할 수 있다. 시간 제약, 값 제약, 지속시간 제약 등 및/또는 이들의 조합들을 포함한 다양한 타입들의 제약들이 정의될 수 있다. 추가적으로, 제약들은 상대적 제약들 및 비-상대적 제약들로 분류될 수 있다. 상대적 제약들은 다른 템플릿 상태들(예컨대, 이들과의 하나 이상의 요구되는, 바람직한, 또는 희망하는 관계를 정의하는 것), 다른 템플릿 상태들과 매칭되는 이벤트들, 이전의 이벤트들에 관한 통계치들을 수집하는 것 등에 관한 것일 수 있다. 비-상대적 제약들은 단일 이벤트에 기초하여 단독으로 평가될 수 있다. 예를 들어, 비-상대적 제약은 다른 템플릿 상태들과는 독립적인 대응하는 템플릿 상태의 요구되는, 권고되는, 그리고/또는 바람직한 특성을 정의할 수 있다. 발 접촉 템플릿 상태는 발 접촉 이벤트가 적어도 100밀리초의 지속시간을 갖는다는 제약을 포함할 수 있다. 따라서, 발 접촉 후보 이벤트들은 템플릿 내의 다른 템플릿 상태들의 고려사항 없이 적어도 100밀리초의 지속시간을 가짐으로써 상태와 매칭될 수 있다.
언급된 바와 같이, 템플릿 상태들 및 제약들은 이전의 이벤트들에 관한 통계치들, 이전의 활동 수행들, 매칭된 이벤트들/상태들에 대한 통계치들 또는 메트릭들 등을 지칭할 수 있다. 예를 들어, 템플릿 상태 제약은 발 접촉 지속시간이 특정 템플릿 또는 활동 타입에 대한 하나 이상의 이전에 매칭된 발 접촉 이벤트들의 발 접촉 지속시간의 에버리지의 10% 이내일 것을 요구할 수 있다. 따라서, 이전에 수집된 메트릭들 및 통계치들을 이용하여, 활동 프로세싱 시스템은 사용자의 이전의 수행에 기초하여 동적 교정 및/또는 필터링을 제공할 수 있다. 상이한 사용자들이 상이한 걸음걸이 및 다른 활동 수행 특성들을 보일 수 있으므로, 사용자의 통계치들 및 메트릭들은 개별적인 사용자에 대한 이벤트 및 행동 검출을 교정함에 있어서 더 정확할 수 있다.
시간 제약들은 특정 이벤트에 대한 엄격한, 느슨한, 그리고 상대적인 정렬 요건들을 포함할 수 있다. 예를 들어, 엄격한 시간적 정렬은 이벤트 B가 이벤트 A와 이벤트 C 사이에 발생하는 것을 요구하는 것을 포함할 수 있다. 느슨한 시간적 정렬은 이벤트 A 및 B가 서로의 100밀리초 이내에 발생한다는 요건을 포함할 수 있고, 반면에 상대적인 시간적 정렬은 이벤트 B가 이벤트 A의 발생과 이벤트 C의 발생 사이의 중간 플러스 또는 마이너스 이벤트 A의 발생과 이벤트 C의 발생 사이의 지속시간의 10%에 발생한다는 요건을 포함할 수 있다.
값 제약들은 신호 또는 이벤트 값(예컨대, 높이, 거리, 압력, 가속도와 같은 메트릭)에 대한 요건들을 포함할 수 있다. 예를 들어, 발 접촉 이벤트는 힘의 임계량 또는 특정 방향에서의 가속도의 임계량을 가질 것을 요구받을 수 있다. 따라서, 발 접촉 이벤트가 템플릿과 매칭되기 위해, 이벤트는 일례에서는 x-축을 따라서 임계 가속도를, 또는 다른 예에서는 임계량의 힘을 보일 것을 요구받을 수 있다. 다른 타입들의 이벤트 값들은 또한 필요에 따라 또는 원하는 대로 이용될 수 있다. 반면, 이벤트 지속시간은 특정 이벤트에 대해 허용 또는 요구되는 최대량 또는 최소량의 시간을 정의하는 지속시간 요건들을 포함할 수 있다. 따라서, 이벤트는 템플릿과의 이벤트 매칭으로서 자격을 얻기 위해 최소 지속시간을 갖거나 최대 지속시간에 미치지 못할 것을 요구받을 수 있다.
행동 템플릿의 일례는 하기를 포함하는 예들 중 하나 이상과 같은 특정된 이벤트 타입들을 포함할 수 있다: 템플릿이 이벤트들의 세트와 성공적으로 매칭된 마지막 시간; 왼발 론칭; 왼발 스트라이크; 오른발 론칭; 오른발 스트라이크; 왼발의 수직 가속도 측정치들에서의 국부 극값; 및/또는 오른발의 수직 가속도 측정치들에서의 국부 극값. 행동 템플릿은 하기를 포함하는 예들 중으로부터 하나 이상과 같은 특정된 제약들을 추가로 포함할 수 있다: 왼발 론칭이 있어야 함; 오른발 론칭이 있어야 함; 왼발 스트라이크가 있어야 함; 오른발 스트라이크가 있어야 함; 왼발 및 오른발 론칭이 왼발 및 오른발 스크라이크 전에 발생해야 함; 추가적인 왼발 또는 오른발 론칭 또는 스트라이크 등이 없어야 함 등. 상기의 이벤트 타입들 및 제약들은 양발 점프, 한 발 점프, 및/또는 다른 사용자 행동들에 대응하는 행동 템플릿을 정의하도록 다양한 방식으로 조합될 수 있다. 따라서, 일례에서, 이벤트 세트는, 템플릿 상태들의 특정된 이벤트 타입들과 매칭될 것을 요구받을 수 있을 뿐만 아니라, 정의된 제약들을 충족시킬 것을 요구받을 수 있다.
일부 더 많은 특정적 예들로서, "걷기" 템플릿(예컨대, 주어진 활동이 걷기를 구성할 수 있음을 판정하는 데 필요한 데이터 특징들)이 하기 중 하나 이상에 관한 정보를 포함할 수 있다: (a) 풋 스트라이크 및 반대되는 풋 론칭 이벤트들의 반복 케이던스(cadence), (b) 양발이 동시에 지면으로부터 떨어지는 "체공 시간"이 없음(또는, 선택적으로, 임계 값 미만의 "체공 시간"), (c) 임계 값 미만의 수평 방향으로의 발 이동 속도 또는 가속도, (d) 임계 값 미만의 수평 방향으로의 신체 중심 이동 속도 또는 가속도, (e) 임계 값 미만의 수직 방향으로의 신체 중심 이동 속도 또는 가속도, (f) 임계 값(이때, 임계 값은 선택적으로 사용자의 체중에 의존함) 미만의 발 충격 힘(또는 수직 방향으로의 가속도 변화), (g) 발뒤꿈치 지향된 풋 스트라이크 위치, (h) 팔의 스윙 속도, 가속도, 또는 임계 값 미만의 모션 범위 등. "달리기", "조깅", 또는 "전력질주하기" 템플릿(예컨대, 주어진 활동이 달리기, 조깅하기, 또는 전력질주하기를 구성할 수 있는 것으로 판정하는 데 필요한 데이터 특징들)은 하기 중 하나 이상에 관한 정보를 포함할 수 있다: (a) 풋 스트라이크 및 반대되는 풋 론칭 이벤트들의 반복 케이던스, (b) 사전결정된 범위(선택적으로, 조깅하기 대 달리기 대 전력질주하기에 대해 상이한 범위들)의 값 내에서 양발이 지면으로부터 동시에 떨어져 있는 "체공 시간", (c) 사전결정된 범위(선택적으로, 조깅하기 대 달리기 대 전력질주하기에 대해 상이한 범위들)의 값 내에서의 수평 방향으로의 발 이동 속도 또는 가속도, (d) 사전결정된 범위(선택적으로, 조깅하기 대 달리기 대 전력질주하기에 대한 상이한 범위들)의 값 내에서의 수평 방향으로의 신체 중심 이동 속도 또는 가속도, (e) 사전결정된 범위(선택적으로, 조깅하기 대 달리기 대 전력질주하기에 대한 상이한 범위들)의 값 내에서의 수직 방향으로의 신체 중심 이동 속도 또는 가속도, (f) 사전결정된 범위(선택적으로, 조깅하기 대 달리기 대 전력질주하기에 대한 상이한 범위들)(이때, 임계치 범위들은 선택적으로 사용자의 체중에 의존함)의 값 내에서의 발 충격 힘(또는 수직 방향으로의 가속도 변화), (g) 발뒤꿈치 또는 발가락 지향 풋 스트라이크 위치들의 판정, (h) 팔의 스윙 속도, 가속도, 또는 사전결정된 범위(선택적으로, 조깅하기 대 달리기 대 전력질주하기에 대해 상이한 범위들)의 값 내에서의 모션 범위 등.
"점프" 템플릿(예컨대, 주어진 활동이 점프하기를 구성할 수 있는 것으로 판정하는 데 필요한 데이터 특징들)은 하기 중 하나 이상에 관한 정보를 포함할 수 있다: (a) 사전결정된 범위의 값 내에서 양발이 동시에 지면으로부터 떨어져 있는 "체공 시간", (b) 사전결정된 범위(선택적으로, 수직 점프 대 도움닫기 점프에 대한 상이한 범위들)의 값 내에서의 수평 방향으로의 발 이동 속도 또는 가속도, (c) 사전결정된 범위(선택적으로, 수직 점프 대 도움닫기 점프에 대한 상이한 범위들)의 값 내에서의 수평 방향으로의 신체 중심 이동 속도 또는 가속도, (d) 임계 값 초과의, 수직 방향으로의 신체 중심 이동 속도 또는 가속도, (e) 사전결정된 범위(선택적으로, 수직 점프 대 도움닫기 점프에 대한 상이한 범위들)의 값 내에서의 발 충격 힘(또는 수직 방향으로의 가속도 변화)(이때, 임계치 범위들은 선택적으로 사용자의 체중에 의존함) 등. "수직 점프"(예컨대, 점프 슛, 슛 블로킹, 또는 리바운드의 경우)는 "도움닫기" 점프(예컨대, 레이업 등의 경우)로부터, 예컨대 두 발이 바닥을 떠나는 시간들에 의해(수직 점프는 두 발이 실질적으로 동시에 바닥을 떠나게 하는 경향이 있을 것이고, 반면에 도움닫기 점프는 (전형적인 달리기 스텝보다 더 긴 체공 시간을 갖더라도) 더욱 달리기 "스텝" 타입의 도약처럼 보일 것임), 그리고/또는 다른 센서 데이터(예컨대, 수평 및 수직 방향에서의 이동 또는 가속도)로부터 구분될 수 있다. "점프" 템플릿들은 또한 주체가 그의/그녀의 발을 착지시키지 않았을 때 점프가 발생했는지 여부를 판정하는 능력을 포함할 수 있다. 이는, 예를 들어 양발이 지면을 떠난 이후에 신체 중심 장착 센서의 급작스러운 속도 또는 가속도 변화를 검출함으로써(이에 의해 지면과의 접촉을 나타냄) 그리고 체공 시간 판정을 위한 종단점들로서 이전의 마지막 풋 론칭 시간과 함께 이러한 급작스러운 신체 중심 속도 또는 가속도 변화와 연관된 타임스탬프를 이용하여 달성될 수 있다.
데이터 세트가 특정 "템플릿" 활동에 대응하는지 아닌지 여부의 판정은 마찬가지로 다른 정보를 고려할 수 있다. 예를 들어, 의심받은 데이터 세트 직전 및/또는 직후의 하나 이상의 데이터 세트들이 특정 템플릿의 활동(예컨대, 달리기, 걷기, 점프하기 등)에 대응하는 것으로 판정되는 경우, 이는 바로 인접한(또는 중간의) 의심받은 데이터 세트가 또한 (선택적으로, 인접한 데이터 세트들의 과정에 걸쳐서 경과되는 시간, 다른 센서 출력 등에 의존하여) 그 동일한 템플릿의 활동 내에 있을 가능성이 더 클 수 있다는 것을 의미할 수 있다.
이벤트 세트가 특정 개수(예컨대, 25%, 50%, 75%, 90%, 100%)의 템플릿 제약들을 충족시키는 경우, 시스템은, 단계 1130에서, 그 이벤트 세트를 가능성있는 템플릿 매칭으로 기록할 수 있다. 가능성있는 템플릿 매칭을 기록한 후 또는 이벤트 세트가 특정 개수의 템플릿 제약들을 충족시키지 않는다는 판정 시, 시스템은, 단계 1135에서, (식별된 이벤트 세트들로부터) 분석할 더 많은 이벤트 세트들이 있는지 여부를 판정할 수 있다. 그러한 경우, 시스템은 단계 1120으로 복귀하여, 프로세싱할 미분석된 이벤트 세트를 선택할 수 있다. 그러나, 분석될 필요가 있는 다른 이벤트 세트들이 없는 경우, 시스템은 단계 1140으로 진행할 수 있는데, 여기서 시스템은 가능성있는 템플릿 매칭들이 발견되었는지 여부를 판정한다. 예를 들어, 시스템은, 단계 1130에서, 템플릿 매칭들이 기록되었는지 여부를 판정할 수 있다. 그렇지 않은 경우, 시스템은 단계 1160으로 진행하여, 프로세싱을 위해 더 많은 이벤트들이 예상되는지 여부를 판정할 수 있다.
반면에, 가능성있는 템플릿 매칭들이 발견되는 경우(예컨대, 매칭이 식별 및 기록된 경우), 시스템은, 단계 1145에서, 최상의 매칭을 선택할 수 있다. 최상의 매칭을 선택하는 것은 본 명세서에 기술된 것들을 비롯한 다양한 방식들로 수행될 수 있다. 일단 최상의 매칭이 선택되면, 시스템은, 단계 1150에서, 매칭 이벤트들을 프로세싱하여, 사용자의 행동의 하나 이상의 추가적인 세목들을 판정할 수 있다. 예를 들어, 매칭 이벤트들은 점프 높이, 속력, 페이스 등 및/또는 이들의 조합들에 대해 프로세싱될 수 있다. 단계 1155에서, 시스템은 매칭 템플릿 및/또는 추가적인 세목들을 제시할 수 있다(예컨대, 사용자가 템플릿에 대응하는 행동을 수행했다는 것을 디스플레이할 수 있다). 이어서, 시스템은, 단계 1160에서, 프로세싱을 위해 추가적인 이벤트들이 예상되는지 여부를 판정할 수 있다.
하나 이상의 배열물들에서, 이벤트 세트는 이벤트 단위로 증분적으로 분석될 수 있다. 이벤트가 식별될 때, 그 이벤트가 매칭 목적을 위해 고려되고 있는 템플릿 상태에 관련된 제약들이 분석된다. 제약들이 만족되지 않는 경우, 증가적인 검색이 (어느 제약들이 만족되지 않는지에 의존하여 가변 정도로) 철회(back-track)되고 새로운 이벤트들이 식별된다. 예를 들어, 선택적 제약들을 충족/매칭하는 데 대한 실패가, 시스템이 검색을 철회하게 하지 않을 수도 있다. 증가적 검색이 모든 템플릿 제약들을 충족시키는 전체 이벤트 세트을 발견했을 때, 매칭이 스코어링 및 기록된다. 하나 이상의 실시예들에 따르면, (스코어에 의한) 최상의 매칭이 저장되어, 분석할 추가적인 이벤트들이 없을 때, 최상의 매칭 정보가 이미 선택되게 한다.
이벤트들의 조합들은 템플릿 내의 각각의 상태의 파라미터들을 스코어링하는 상대적인 시간적 발생에 의해 정의되는 트리 구조물에 따라 탐구될 수 있다. 따라서, 특정 이벤트 발생이, 어떠한 후속 템플릿 상태들도 매칭될 수 없다는 것 또는 특정 상태에 대한 어떠한 다른 이벤트 발생도 매칭되지 않을 것이라는 것을 나타낼 때, 검색은 트리 내의 그 포인트에서 정지될 수 있다. 또한, 이어서, 새로운 이벤트 발생 세트가 탐구될 수 있다. 이러한 접근법은 템플릿 매칭 프로세스가 비매칭 이벤트들 또는 비매칭 이벤트 세트를 더 빠르고 더 효율적으로 폐기할 수 있게 할 수 있다. 도 11b는 도 11a의 블록(1145) 및/또는 도 12의 블록(1255)의 일부일 수 있는 흐름도를 도시한다. 도 11b의 흐름도가 블록(1145 및/또는 1255)의 서브요소인 것으로 도시되어 있지만, 당업자는, 본 발명의 이득이 주어지면, 도 11a의 하나 이상의 요소들이 블록(1145 및/또는 1255)의 일부분 및/또는 도 11a 및 도 12의 하나 이상의 다른 요소들 없이 개별적으로 수행될 수 있다는 것을 이해할 것이다. 다른 실시예들에서, 도 11b의 하나 이상의 요소들은 블록(1145 및/또는 1255)의 존재와 함께 또는 그 존재 없이, 도 11a 및/또는 도 12의 다른 요소들의 일부분으로서 실행될 수 있다.
도 11b의 예시적인 실시예에 도시된 바와 같이, 템플릿 매칭의 판정은 한 발 또는 양발에 대한 풋 스트라이크 및/또는 론칭 타임스탬프들을 판정하게 될 수 있다. 다른 실시예들에서, 이러한 타임스탬프들은 이미 판정 및 분류될 수 있지만, 어느 것들이 사용되는지 그리고/또는 그들이 어떻게 이용되는지는, 적어도 부분적으로, 어느 템플릿이 매칭이었는지에 의해 좌우될 수 있다. 따라서, 판정의 논의는 이미 판정된 타임스탬프들의 이용을 포함하는 것으로 이해되어야 할 것이다. 도 11b의 프로세스로 되돌아가면, 이러한 프로세스 예의 제1 단계(1165)에서, 매칭된 템플릿이, 운동선수가 걷고 있는 중이었다는 것을 나타내는지 여부에 대한 판정이 이루어지고, "예(yes)"인 경우, 이러한 예시적인 실시예에서의 그 데이터 세트에 대한 체공 시간은 0으로 기록될 수 있다(1166). 대안적으로(1165에서 "아니오"라는 응답), 이러한 예시적인 시스템 및 방법은, 이어서, 단계 1167에서, 매칭된 템플릿이, 사용자가 달리는 중, 조깅하는 중, 또는 전력 질주하는 중이었다(전진 방향 및/또는 후진 방향으로 제한될 수 있거나 또는 제한되지 않을 수도 있음)는 것을 나타내는지 여부를 판정한다. 단계 1167에서 "예"인 경우, 한 발 또는 양발에 대한 풋 스트라이크 및/또는 론칭 타임스탬프들이 판정될 수 있다(단계 1168). 일 실시예에서, 풋 스트라이크 및 론칭은 양발에 대해 판정될 수 있다. 이러한 예시적인 구현예에 따르면, 이어서, 체공 시간은 하기 수학식을 이용하여 이러한 달리기, 조깅하기, 및/또는 전력 질주하기 활동에 대해 판정될 수 있다(단계 1169): T1-T2,
여기서 T1은 한 발 스트라이크의 타임스탬프이고, T2는 다른 풋 론칭(T1 풋 스트라이크 직전의 다른 풋 론칭)의 타임스탬프이다. 예를 들어, 일 실시예에서, 체공 시간은 매칭 풋 스트라이크의 타임스탬프 - 이전의 반대편 풋 론칭의 타임스탬프 - 에 의해 판정될 수 있다.
단계 1167에서, 템플릿이 달리기, 조깅하기, 또는 전력 질주하기 템플릿과 매칭되지 않는 것으로 판정되는 경우("아니오"라는 응답인 경우), 이러한 실시예에 따른 시스템들 및 방법들은 매칭된 템플릿이, 운동선수가 횡방향 셔플 이동을 행했음을 나타내는지 여부를 판정한다(단계 1170). "예"인 경우, 이러한 활동에 대한 "체공 시간"은 단계 1171 및 단계 1172에서, 예컨대 단계 1168 및 단계 1169에 대해 전술된 바와 동일한 수학식으로부터 판정될 수 있다.
단계 1170에서, 템플릿이 횡방향 셔플이 아닌 것으로 판정되는 경우("아니오"라는 응답인 경우), 이러한 예시적인 실시예는 단계 1173에서 매칭된 템플릿이, 운동선수가 점프했다는 것을 나타내는지 여부를 판정한다. 단계 1173에서 "아니오"인 경우, 이러한 예에서, 이러한 이벤트 타임스탬프 세트에서 평가되고 있는 활동이 어떠한 "체공 시간"도 (또는 어떠한 유효 체공 시간도) 초래하지 않은 것으로 판정되고 체공 시간은 이러한 활동/이벤트 타임스탬프 세트에 대해 0인 것으로 판정된다(단계 1174). 반면, 단계 1173에서, 데이터 세트가 점프 활동에 대응하는 것으로 판정되는 경우("예"라는 응답인 경우), 양발에 대한 풋 스트라이크 및/또는 론칭 타임스탬프들이 판정될 수 있고(단계 1175), 이러한 활동에 대한 체공 시간의 수학식 T1-T2로부터 계산될 수 있는데(단계 1176), 여기서 T1은 가장 최근의 풋 스트라이크의 타임스탬프일 수 있고, T2는 이전의 가장 최근의 풋 론칭(어느 한 발에 대한 것임)의 타임스탬프일 수 있다. 풋 론칭 및 풋 스트라이크 이벤트들은 이러한 템플릿에 관한 활동들이 임의의 순서로 발생할 수 있다.
일단 (예컨대, 단계 1166, 1169, 1172 또는 1176에서) 체공 시간 값들이 판정되면, 이벤트에 대한 판정된 체공 시간은 단계 1177 및 단계 1178에서 다양한 체크들에 따라 입증될 수 있다. 예를 들어, (예컨대, T1-T2 수학식으로부터) 판정된 체공 시간은, 예컨대 판정된 체공 시간이 인간 활동의 이치에 맞는지 여부를 확인하기 위해(예컨대, 체공 시간이 실제 점프의 결과가 되기에는 너무 긴지 여부를 확인하기 위해, 체공 시간이 이러한 특정 개인에 대해 과거에 판정된 상한 임계 시간의 외측에 있는지 여부를 확인하기 위해, 기타 등등) 상한 및/또는 하한 임계치들 또는 경계들과 비교될 수 있다. 시간이 입증되지 않는 경우(단계 1178에서 "아니오"라는 응답인 경우), 체공 시간은 0으로 설정될 수 있다(단계 1179). 체공 시간이 입증되는 경우(1178에서 "예"라는 응답인 경우), "체공 시간 데이터 버퍼"(예컨대, 체공 시간 데이터를 저장하는 메모리)는 언급된 활동에 대한 판정된 체공 시간을 포함하도록 업데이트될 수 있는데(단계 1180), 이는 이러한 개별적인 "체공 시간"의 저장 및/또는 "누적" 또는 "에버리지" 체공 시간 메모리 위치를 업데이트하여 이러한 새롭게 판정된 "체공 시간" 데이터를 추가하는 것을 포함할 수 있다. 추가적인 프로세싱(예컨대, 사용자 인터페이스 컴포넌트들 또는 필드들을 업데이트하는 것, 데이터를 선수 또는 코치에게 전송하는 것 등)이 단계 1180에서 발생할 수 있고 그리고/또는 프로세스는 (예컨대, 단계 1182에 의해 도시된 바와 같이, 도 10에서의 단계 1155로의 복귀와 같이) 다른 활동들 또는 기능들을 수행하도록 복귀할 수 있다.
도 12는 하나 이상의 템플릿들 각각에 대해(예컨대, 도 10의 단계 1005) 반복될 수 있는 다른 예시적인 템플릿 매칭 프로세스를 도시한다. 예를 들어, 하나 이상의 이벤트들(예컨대, 스트림, 그룹, 세트 등)을 수신할 시, 활동 프로세싱 시스템은, 단계 1200에서, 이벤트들을 분류할 수 있다. 일례로서, 이벤트들은 시간적으로 분류될 수 있다. 다른 예에서, 이벤트들은 이벤트들이 도 10의 단계 1020에 대해 기술된 바와 같이 검출된 순서에 기초하여 저장될 수 있다. 일단 분류되면, 시스템은, 단계 1205에서, 분류된 이벤트들에서 초기에 검색할 템플릿 내에 정의된 상태를 선택할 수 있다. 템플릿 상태는, 예컨대 하나 이상의 인자들 및 고려사항들에 기초하여 다양하게 선택될 수 있다. 예들로서, 템플릿 상태는 (i) 템플릿에 의해 표현되는 특정 행동의 제1 또는 초기 이벤트, 또는 (ii) 그 행동의 종료 이벤트에 대응할 수 있다. 다른 예들에서, 템플릿 상태는 템플릿 내의 최고 우선순위 상태에 대응할 수 있다. 또 다른 예들에서, 템플릿 상태는 템플릿 내의 상태들 중 임의의 것에 대응할 수 있다.
단계 1210에서, 활동 프로세싱 시스템은 선택된 템플릿 상태의 이벤트 타입과 매칭되는 후보 이벤트들을 식별할 수 있다. 일례에서, 이벤트들은 이벤트 타입들의 카테고리들에 따라 이벤트들을 저장 또는 조직화함으로써 (단계 1200에서 기술된 바와 같이) 분류될 수 있다. 일부 배열물들에서, 생성된 이벤트들은 분류되지 않을 수도 있고, 대신, 생성 및/또는 수신 시에 랜덤하게 저장될 수 있다. 추가적으로 또는 대안적으로, 이벤트들은 다양한 방식들로, 예컨대 완전히 랜덤으로, 이벤트 타입별로, 이벤트 타입과 시간적 발생 순서별로, 이벤트 타입과 특정 측정 값별로, 등등으로 저장될 수 있다. 따라서, 일례에서, 프로세싱 시스템은 선택된 템플릿 상태에 대응하는 카테고리로부터 이벤트들을 검색함으로써 후보 이벤트들을 식별할 수 있다. 다양한 이벤트 타입 매칭 알고리즘들 및 방법들이 본 명세서에 기술된 바와 같이 이용될 수 있다. 일부 실시예들에서, 이벤트들을 분류하는 타입은 매칭 알고리즘들에 효율성을 제공할 수 있다. 예를 들어, 순차적 매칭 알고리즘은 시간적으로 분류된 이벤트들로부터 이득을 얻을 수 있다.
일단 후보 이벤트들이 이벤트 타입에 기초하여 식별되었다면, 활동 프로세싱 시스템은 그러한 후보 이벤트들 각각을 평가하여, 후보 이벤트가 템플릿에서 특정된 템플릿 상태의 제약들과 매칭되는지 여부를 판정할 수 있다. 예를 들어, 템플릿 상태의 제약들은 도 11a에 대해 기술된 제약들에 대응할 수 있다. 따라서, 단계 1215에서, 활동 프로세싱 시스템은 비-상대적 제약들이 템플릿 상태에 대해 정의되는지 여부를 판정할 수 있다. 그러한 경우, 시스템은 단계 1220으로 진행하여, 후보 이벤트가 템플릿 상태의 비-상대적 제약들(예컨대, 다른 템플릿 상태들에 의존적이지 않은 제약들)을 충족시키는지 여부를 판정할 수 있다. 예를 들어, 후보 이벤트의 값은 템플릿 상태의 값 제약/요건에 비교될 수 있다. 다른 예에서, 후보 이벤트의 지속시간은 템플릿 상태의 지속시간 제약에 비교될 수 있다. 후보 이벤트들 중 어느 것도 템플릿 상태의 제약들을 충족시키지 않는 경우, 활동 프로세싱 시스템은 단계 1210으로 복귀하여, 선택된 템플릿 상태의 이벤트 타입과 매칭되는 다른 후보 이벤트들을 검색할 수 있다.
그러나, 하나 이상의 후보 이벤트들이 비-상대적 제약들을 충족시키는 경우, 또는 템플릿 상태가 비-상대적 제약들을 포함하지 않는 경우, 활동 프로세싱 시스템은, 단계 1225에서, 상대적 제약들이 템플릿 상태에 대해 정의되는지 여부를 판정할 수 있다. 상대적 제약들은 다른 템플릿 상태들 또는 특정 이벤트 타입의 이전의 발생으로부터 측정된 수집 통계치들과 같은 가용 정보에 의존적인 제약들을 포함할 수 있다. 예를 들어, 상대적 제약은 다른 템플릿 상태와의 시간적 관계를 포함할 수 있다. 상대적 제약들이 정의되는 경우, 단계 1225에서, 활동 프로세싱 시스템은, 상대적 제약들에 대응하는 하나 이상의 다른 템플릿 상태들 각각에 대해, 다른 템플릿 상태의 이벤트 타입과 매칭되는 하나 이상의 후보 이벤트들을 검색할 수 있다. 단계 1230에서 하나 이상의 후보 이벤트들이 (이벤트 타입에 기초하여) 식별되는 경우, 활동 프로세싱 시스템은, 단계 1240에서, 그러한 후보 이벤트들이 선택된 템플릿 상태의 상대적 제약들을 충족시키는지 여부를 판정할 수 있다. 예를 들어, 템플릿이, 제1 템플릿 상태가 제2 템플릿 상태의 80밀리초 이내에 있을 것을 요구하는 경우, 활동 프로세싱 시스템은 제2 템플릿 상태에 대한 후보 이벤트들 각각이 제1 템플릿 상태의 80밀리초 요건을 충족시키는지 여부를 평가할 수 있다.
관련 템플릿 상태에 대한 후보 이벤트들이 상대적 제약들을 충족시키지 않는 경우, 또는 어떠한 후보 이벤트들도 발견되지 않는 경우, 활동 프로세싱 시스템으, 단계 1245에서, 매칭이 발견되지 않은 것으로 판정할 수 있다. 그러한 경우, 활동 프로세싱 시스템은 단계 1210으로 복귀하여, 템플릿 상태와 매칭될 수 있는 다른 후보 이벤트들을 식별 및 평가할 수 있다. 그러나, 관련 템플릿 상태의 하나 이상의 후보 이벤트들이 선택된 템플릿 상태의 상대적 제약들을 충족시키는 경우, 활동 프로세싱 시스템은, 단계 1250에서, 다른(예컨대, 나머지) 템플릿 상태들이 프로세싱 또는 매칭되지 않았는지 여부를 판정할 수 있다. 그러한 판정이 부정적인 경우, 활동 프로세싱 시스템은, 단계 1255에서, 템플릿이 매칭된 것으로 판정할 수 있고, 행동을 사용자에 의해 수행되었던 것으로 등록할 수 있다. 추가적으로 또는 대안적으로, 추가적인 활동 정보가 매칭 이벤트들에 기초하여 생성될 수 있다. 반면, 단계 1250에서, 판정이, 템플릿 내의 하나 이상의 템플릿 상태들이 아직 매칭되지 않았다는 것인 경우, 활동 프로세싱 시스템은 단계 1205로 복귀하여, 즉 단계 1210으로 시작하는 프로세싱을 위해, 나머지 매칭되지 않은 템플릿 이벤트들 중 하나를 선택할 수 있다.
하나 이상의 배열물들에서, (예컨대, 결정 단계(1220) 및/또는 결정 단계(1240)에서) 템플릿 내의 적어도 하나의 상태가 매칭되지 않았다는 판정 시, 활동 프로세싱 시스템은 그 특정 템플릿의 평가를 종료할 수 있다. 그러한 예들에서, 평가 종료 시, 활동 프로세싱 시스템은 (예컨대, 임의의 새로운 템플릿이 도 12의 시작 단계에 관해 기다리는 경우) 평가할 새로운 템플릿을 선택할 수 있다. 다른 예들에서, 활동 프로세싱 시스템은 적어도 하나의 템플릿 상태에 대해, 즉 매칭을 찾는 쪽으로, 그 특정 템플릿을 평가하기를 계속할 수 있다. 그러한 계속되는 평가는, 예컨대 특정량의 시간 동안, 특정 개수의 이벤트 동안, 일부 다른(예컨대, 더 높은 우선순위의) 프로세스가 그러한 프로세싱을 인터럽트할 때까지, (예컨대, 배터리 전력 공급형 시스템들에서) 소정 전력이 소비되거나 남아 있을 때까지, 또는 다른 조건(들)이 만족되거나 또는 상기의 또는 다른 조건(들) 중 임의의 것의 조합(들)이 만족될 때까지 계속되도록, 다양하게 구성될 수 있다. 이어서, 구성에 따라 특정 템플릿의 평가를 완료할 시, 활동 프로세싱 시스템은 새로운 템플릿을 선택할 수 있다. 계속되는 평가의 구성은 특정 템플릿에 특정적일 수 있거나, 다양한 템플릿들에 특정적일 수 있거나(즉, 다른 개별 또는 그룹(들)의 템플릿(들)에 적용가능하지 않을 수 있거나), 모든 템플릿들 사이에서 포괄적일 수 있거나, 또는 하나 이상의 활동 타입들에 특정적일 수 있다. 따라서, 임의의 그러한 구성이 특정 템플릿에 적용되는 경우, 또는 일단 템플릿의 상태들 중 적어도 하나가 매칭되지 않는 것으로 판정되면 특정 템플릿이 계속되는 평가를 제공하지 않는 경우, 활동 프로세싱 시스템은 특정 템플릿의 평가를 종료할 수 있다. 대안적인 예들에서, 활동 프로세싱 시스템은 특정 템플릿을 계속적으로 (그리고, 무기한적으로, 신체적 및 실용적 제한들을 조건으로) 평가할 수 있다.
활동 프로세싱 시스템이 제1 템플릿의 평가를 종료하고 제2 템플릿의 평가로 전환할 때, 활동 프로세싱 시스템은 특정량의 시간을 요구할 수 있다. 이러한 시간은 사용자에게 인지되는 지연(lag)을 초래할 수 있다. 따라서, 일부 배열물들에서, 활동 프로세싱 시스템은 사용자에게 활동 프로세싱 시스템이 다른 템플릿의 고려사항으로 전환 중이라는 통지를 제공할 수 있다. 추가적으로 또는 대안적으로, 활동 프로세싱 시스템은 사용자에게 다양한 정보, 이미지, 피드백 등을 제공하여, 전환이 완료되는 동안 사용자의 주목을 받을 수 있다. 예를 들어, 활동 프로세싱 시스템은 이전에 평가된 템플릿에 관한 통계치들, 현재 활동 메트릭들, 사용자가 활동을 수행하고 있는 위치에 관한 정보 등 및/또는 이들의 조합들을 디스플레이할 수 있다.
활동 프로세싱 시스템은 또한 하나 이상의 센서들의, 템플릿의, 그리고/또는 템플릿 매칭 프로세스의 교정 또는 재교정을 수행할 수 있다. 예를 들어, 활동 프로세싱 시스템이, 템플릿이 이전의 횟수(예컨대, 10회, 20회, 50회, 100회 등)의 시도들에서 매칭되지 않은 것으로 판정하는 경우, 활동 프로세싱 시스템은 재교정 프로세스를 자동으로 트리거할 수 있다. 대안적으로, 교정 또는 재교정 프로세스는 사용자 입력에 의해 트리거될 수 있다. 예를 들어, 사용자는 활동 프로세싱 시스템이 두 발 점프를 검출해야 했지만 그렇지 않았다는 것을 판정할 수 있다. 따라서, 사용자는 교정 또는 재교정을 트리거하라는 입력(예컨대, 버튼 누름, 터치 입력 등)을 제공할 수 있다. 일례에서, 교정 또는 재교정은 하나 이상의 센서들의 감도를 검출되어야 하는 이벤트 또는 행동이 검출되는 레벨로 증가시키는 것을 포함할 수 있다. 다른 예에서, 교정 또는 재교정은 제약 파라미터들을 수정하여(예컨대, 본 명세서에 기술된 바와 같은 분포 파라미터들을 스코어링하여), 매칭으로서 스코어링하지 않은 후보 이벤트가 제약과의 매칭으로서 스코어링하도록 하는 것을 포함할 수 있다. 또 다른 예에서, 재교정은 매칭 공차를 수정하여, 매칭되지 않은 후보 이벤트가 매칭되도록 하는 것을 포함할 수 있다. 대안적으로 또는 추가적으로, 교정 또는 재교정은 센서 파라미터들, 템플릿 파라미터들, 및/또는 템플릿 매칭 파라미터들을 수정하여, 검출되지 않았어야 하는 이벤트들 또는 행동들을 배제하는 것을 포함할 수 있다. 예를 들어, 센서 감도가 감소될 수 있고, 템플릿 제약들 또는 상태들이 협소해질 수 있고, 그리고/또는 템플릿 매칭 임계치들이 감소될 수 있다. 교정 또는 재교정은, 추가로, 사용자 특성, 환경적 특성, 사회적 특성 등을 비롯한 다른 인자들 또는 파라미터들에 기초하여 수행될 수 있다. 예를 들어, 사용자의 신발 크기가 템플릿에서 센서 감도 또는 스코어링 분포 파라미터들을 교정하는 데 이용될 수 있다. 다른 예에서, 사용자의 수행의 날씨 조건들이, 매칭이 평가되는 센서 감도 또는 임계치에 영향을 줄 수 있다. 감지, 검출, 및 매칭 프로세스의 파라미터들에 대한 다양한 다른 수정이 이벤트 및 행동 검출을 교정 또는 재교정하도록 포함될 수 있다.
하나 이상의 예들에서, 활동 프로세싱 시스템은 관련 템플릿 상태의 이벤트 타입과 매칭되는 그리고 선택된 템플릿 상태의 상대적 제약들과 매칭되는 후보 이벤트들을 (예컨대, 단계 1230에서) 검색할 수 있다. 따라서, 템플릿이, 템플릿 상태가 풋 론칭 상태와 같은 다른 템플릿 상태의 500밀리초 이내에 발생할 것을 요구하는 경우, 활동 프로세싱 시스템은 템플릿 상태의 검출 시간의 500밀리초 내에 있는 후보 풋 론칭 이벤트들을 검색하여, 상대적 제약이 충족된다는 것을 보장할 수 있다. 하나 이상의 배열물들에서, 활동 프로세싱 시스템은 사전정의된 양의 시간 동안에 후보 이벤트들을 검색할 수 있다. 예를 들어, 검색 주기는 템플릿 상태와 관련 템플릿 상태 사이의 상대적 시간 제약에 의해 정의될 수 있다. 특정 예에서, 템플릿 상태가, 관련 템플릿 상태가 5초 내에 발생해야 한다는 제약을 포함하는 경우, 검색 주기는 템플릿 상태의 검출 후 5초로서 정의될 수 있다. 후보 이벤트들이 (예컨대, 단계 1235마다) 발견되는 경우, 활동 프로세싱 시스템은 단계 1215로 복귀하여, 관련 템플릿 상태의 후보 이벤트(들)가 해당 관련 템플릿 상태에 적용가능한 제약들을 충족시키는지 여부를 판정할 수 있다. 따라서, 활동 프로세싱 시스템은 반복 프로세스를 수행할 수 있고, 이에 의해 활동 프로세싱 시스템은 관련 템플릿 이벤트가 존재하는지 여부를 판정한다.
활동 프로세싱 시스템은 이벤트들을 비-디멘전화(non-dimensionalize)하도록, 정규화하도록, 또는 스케일링하도록 추가로 구성될 수 있다. 이벤트들의 비-디멘전화 또는 스케일링은 시간, 이벤트 값, 이벤트 지속시간 등을 스케일링 또는 비-디멘전화하는 것에 대응할 수 있다. 일례에서, 이벤트들이 검출된 절대적 시간이 상대적 시간으로 전환된다. 예를 들어, 이벤트들의 시간적 위치가 제1 사전정의된 이벤트와 제2 사전정의된 이벤트 사이의 전체량의 시간에 대해 정의될 수 있다. 특정 예에서, 이벤트가 발생하는 시간은 사전정의된 이벤트들 사이의 지속시간의 백분율로서 정의될 수 있거나 또는 그 백분율로 스케일링될 수 있다. 따라서, 식별된 제1 사전정의된 이벤트(예컨대, 행동 시작 이벤트)는 시간 0으로 설정될 수 있고, 반면에 제2 식별된 이벤트(예컨대, 행동 종료 이벤트)는 2개의 이벤트들 사이의 실제 기간과는 무관하게 시간 100으로 설정될 수 있다. 따라서, 제1 사전정의된 이벤트와 제2 사전정의된 이벤트 사이에 존재하는 이벤트들은 0 내지 100의 시간으로 스케일링될 수 있다. 템플릿 및 대응하는 이벤트 윈도우의 비-디멘전화는 시스템이 다양한 수행 속력에 대한 행동들을 검출하게 한다. 따라서, 행동이 10초의 기간에 걸쳐 수행되는지 아니면 2초의 기간에 걸쳐 수행되는지와는 무관하게, 시스템은 이벤트들의 대응하는 조합을, 행동 템플릿을 매칭시킨 것으로서 검출할 수 있다. 일부 예들에서, 비-디멘전화는 2개 이상의 이벤트들 사이의 시간량과 무관하게 수행될 수 있다. 다른 예들에서, 비-디멘전화는 2개 이상의 이벤트들 사이의 시간량이 특정 임계치 미만, 지속기간들의 윈도우 이내, 특정 임계치 초과 등 및/또는 이들의 조합들인 경우에만 수행될 수 있다.
다른 예에서, 비-디멘전화 또는 스케일링은 이벤트 값들의 정규화를 포함하여, 그들이 더 용이하게 비교가능하게 할 수 있다. 예를 들어, 오른쪽 신발 내의 힘 센서의 감도는 왼쪽 신발 내의 힘 센서의 감도보다 더 클 수 있다. 따라서, 오른쪽 신발 센서 및 왼쪽 신발 센서의 힘 값들은 값들의 비교 및 프로세싱을 용이하게 하도록 정규화될 수 있다. 특정 예에서, 제약이, 오른쪽 신발에 의해 검출된 힘이 왼쪽 신발에 의해 검출된 힘의 10% 내에 있는 것을 포함하는 경우, 정규화는, 예컨대 감도 차이가 존재할 때, 이벤트들 및 제약들의 적절한 매칭을 보장하는 데 필요할 수 있다.
다른 태양들에 따르면, 템플릿들은 사전정의된 배제 이벤트들을 추가로 포함할 수 있다. 배제 이벤트들은 하나 이상의 후보 이벤트들이 템플릿과 매칭되는 것으로부터 실격되는 조건들을 정의하는 데 이용될 수 있다. 배제 이벤트들은 행동 단위(예컨대, 템플릿 단위) 기준으로 정의될 수 있거나, 또는 모든 행동들/템플릿들에 적용되도록 정의될 수 있다. 점프 템플릿의 예에서, 배제 이벤트는 풋 론칭 이벤트와 다른 발 접촉 이벤트 사이에 존재하는 발 접촉 이벤트에 대응할 수 있는데, 이는 점프가 대체로 중간의 발 접촉 이벤트를 포함하지 않기 때문이다. 배제 이벤트가 검출되는 경우, 일련의 이벤트들이 템플릿과의 매칭으로서 고려사항으로부터 제거될 수 있다.
추가적으로 또는 대안적으로, 그들의 특정된 템플릿 또는 이벤트가 매칭되었는지 여부를 판정하는 것은 소정 레벨의 공차를 추가로 포함할 수 있다. 예를 들어, 하나 이상의 이벤트들이 특정된 템플릿의 90%와 매칭되는 경우, 이벤트들은 매칭으로서 고려될 수 있고, 대응하는 행동은 등록될 수 있다. 특정 예에서, 템플릿은 15개의 이벤트들을 포함할 수 있고, 반면에 일련의 이벤트들은 그들 15개의 이벤트들 중 14개와 매칭된다. 그러한 경우, 90% 공차 레벨로, 시스템은 일련의 이벤트들이 템플릿과 매칭되는 것으로 판정할 수 있다. 템플릿들 내의 이벤트들의 타입과 매칭되는 것을 넘어서는 다른 인자들이 이용될 수 있다. 예를 들어, 이벤트들의 타이밍이, 또한, 매칭이 존재하는지 여부를 판정하도록 비교될 수 있다. 검출된 이벤트들의 타입과 매칭되는 것에서처럼, 공차 레벨은 이벤트들의 타이밍에서의 편차를 허용하도록 정의될 수 있다.
템플릿 매칭 프로세스들은 다양한 시간에 그리고 다양한 조건 하에서 호출될 수 있다. 예를 들어, 템플릿 매칭은 주기적으로, 이벤트 수집 및 저장 유닛에 의한 트리거에 응답하여, 그리고/또는 시스템으로의 사용자의 입력에 기초하여 수행될 수 있다. 특정 예에서, 이벤트 수집 및 저장 유닛은, 임계량의 이벤트들이 하나 이상의 센서 시스템들로부터 수신되어 저장된 것으로 판정할 시, 템플릿 매칭 프로세스를 트리거할 수 있다. 다른 예에서, 사용자는 최근 활동 세션으로부터의 활동 데이터를 프로세싱하는 선택안 또는 기능을 선택할 수 있다. 하나 이상의 구성예들에서, 템플릿 매칭 동안에 프로세싱되는 이벤트 정보의 타입 및 양은 또한 하나 이상의 인자들에 기초하여 제한 또는 특정될 수 있다. 예를 들어, 템플릿 매칭 프로세스는 활동 템플릿의 최종 포지티브 매칭 이래의 모든 이벤트 발생을 이용할 수 있다. 다른 예에서, 템플릿 매칭 프로세스는 사전특정된 시간 윈도우 내의 이벤트 발생만을 이용할 수 있다. 또 다른 예에서, 템플릿 매칭 프로세스는 이전의 필터링 기준들(예컨대, 소정의 이벤트 간 또는 이벤트 내 품질 체크(intra- or inter-event quality check)를 충족시키는 것)을 충족시킨 이벤트 발생만을 이용할 수 있다. 따라서, 다양한 방법들, 파라미터들, 및 사양들이 효율성 및 프로세싱 속력을 향상시키는 데 이용될 수 있다.
도 13a 내지 도 13d는 다양한 타입들의 디바이스들, 센서들 등을 이용하여 사용자에 의해 수행되는 행동들을 식별하기 위한 예시적인 데이터 프로세싱 흐름들을 도시한다. 예를 들어, 도 13a는 하나 이상의 디바이스들에 의해 수행될 수 있는 다양한 프로세스들을 도시한다. 프로세스들은 이벤트 생성, 이벤트 수집 및 저장, 템플릿 기반 활동 검출, 및 검출 결과들의 프로세싱/제시(예컨대, 검출된 활동과 연관된 메트릭들을 판정하는 것 및 그러한 메트릭들을 사용자에게 제시하는 것)를 포함할 수 있다. 이러한 프로세스들은 단일 디바이스 또는 다수의 디바이스들에 의해 수행될 수 있다. 일례에서, 모든 기술된 프로세스들은 활동 프로세싱 디바이스, 센서 시스템, 컴퓨팅 디바이스, 모바일 통신 디바이스, 클라우드 시스템, 서버 등에 의해 수행될 수 있다. 다른 예에서, 다양한 프로세스들의 수행은 복수의 전술된 디바이스들 사이에 분할될 수 있다. 따라서, 일례에서, 이벤트 생성은 센서 시스템에 의해 수행될 수 있고, 반면에 이벤트 수집 및 저장, 템플릿 기반 활동 검출, 및 검출 결과들의 프로세싱 및 제시는 활동 프로세싱 시스템과 같은 다른 디바이스에 의해 수행될 수 있다. 또 다른 예에서, 센서 시스템은 이벤트 생성을 제공하도록 구성될 수 있고, 활동 프로세싱 시스템은 이벤트 수집 및 저장뿐만 아니라 템플릿 기반 활동 검출을 제공하도록 구성될 수 있고, 제3 디바이스(예컨대, 모바일 통신 디바이스 또는 컴퓨팅 디바이스)가 검출 결과들을 프로세싱 및 제시하도록 구성될 수 있다.
도 13b는 4개의 디바이스들 또는 시스템들이 활동 검출 프로세스들을 수행하는 데 사용되는 예시적인 구성을 도시한다. 예를 들어, 사용자는 2개의 신발들, 즉 오른쪽 신발과 왼쪽 신발을 착용할 수 있으며, 각각의 신발은 자신의 센서 또는 센서 시스템을 갖는다. 이러한 센서들 또는 센서 시스템들 각각은 검출된 센서 신호들에 기초하여 이벤트들을 생성하도록 구성될 수 있다. 스마트폰(또는 다른 모바일 통신 디바이스)이, 생성된 이벤트 정보를 수신하도록, 이벤트 정보를 수집 및 저장하도록, 이벤트 정보에 기초하여 템플릿 기반 활동 검출을 수행하도록 구성될 수 있다. 템플릿 기반 활동 검출의 결과들은 스마트폰에 의한, 또는 웹 애플리케이션, 시스템, 또는 서버와 같은 다른 디바이스에 의한 검출된 행동에 대한 메트릭들 및 다른 타입들의 활동 정보를 생성하도록 프로세싱될 수 있다. 따라서, 사용자는 다수의 디바이스들을 통해, 검출된 활동 정보를 관찰할 수 있다.
도 13c는 다른 예시적인 시스템 구성을 도시하는데, 이에 의해 이벤트들은 흉부 스트랩(예컨대, 심박수 및/또는 체온을 검출하기 위함), GPS 시계와 같은 위치 판정 디바이스, 및 기상청과 같은 환경 검출 시스템을 포함한 다양한 타입들의 디바이스들에 의해 생성될 수 있다. 이러한 디바이스들에 의해 생성된 이벤트 정보는 공공 및 개인 네트워크를 통한 액세스가능성을 위해 클라우드 디바이스, 시스템, 또는 서버에서 수집 및 저장될 수 있다. 이어서, 수집된 이벤트 정보는 개인 컴퓨터, 스마트폰, 다른 모바일 통신 디바이스, 태블릿 컴퓨터, 게임 콘솔, 웹 서버 등과 같은 하나 이상의 다른 디바이스들에 의해 검색될 수 있다. 검색 시, 개인 컴퓨터는 템플릿 기반 매칭 및 활동 검출을 수행할 수 있고, 검색 결과들을 프로세싱 및 제시할 수 있다.
도 13d는 전술된 프로세스들 모두가 단일 디바이스, 예컨대 활동 프로세싱 디바이스 또는 시스템에 의해 수행될 수 있는 예시적인 시스템을 도시한다. 예를 들어, 이벤트들은 활동 프로세싱 시스템 내에 포함된 센서들로부터의 활동 프로세싱 시스템 기반 신호, 사용자 입력, 활동 프로세싱 시스템 출력(예컨대, 경고, 디스플레이, 통지, 사운드, 조건 등) 등 및/또는 이들의 조합들에 의해 생성될 수 있다. 이어서, 활동 프로세싱 시스템은 템플릿 기반 활동 검출을 수행하도록 이벤트들을 프로세싱할 수 있다. 검출 결과들은 원하는 대로 또는 필요에 따라 다른 디바이스들과 공유될 수 있다. 따라서, 활동 검출 결과들은 또한 웹 서버, 클라우드 시스템, 모바일 컴퓨팅 또는 통신 디바이스, 게임 콘솔, 개인 컴퓨팅 디바이스 등에 의해 프로세싱 및 제시될 수 있다.
도 14는 예시적인 템플릿을 도시한다. 예시적인 템플릿(1400)은 어레이의 형태로 정의될 수 있다. 템플릿 상태 어레이(예컨대, 템플릿 상태 어레이들(1401a 내지 1401h)) 내의 제1 요소는 템플릿 내의 상태의 인덱스 번호(0으로 시작함)이다. 템플릿 상태 어레이들 각각 내의 제2 요소는 특정 이벤트 타입에 대한 텍스트 레이블이다. 배제된 템플릿 상태들(예컨대, 어레이들(1401e 내지 1401h)에 의해 표현됨)의 경우, 템플릿 상태 어레이 내의 제3 및 제4 요소들은 이전의 템플릿 상태 인덱스들이다. 일 구성예에서, 배제된 템플릿 상태 신택스의 해석은, 배제된 이벤트 타입(템플릿 상태 어레이 내의 제2 요소에 의해 특정됨)의 모든 알려진 발생이 마지막 2개의 어레이 요소들에 의해 특정된 이전의 템플릿 상태 이벤트들의 매칭 발생 사이사이에 발생해서는 안 된다는 것이다.
포함된 템플릿 상태들의 경우, 템플릿 상태 어레이 요소 3 내지 요소 9는 매칭 또는 후보 이벤트의 상대적 이벤트 발생 타임스탬프를 어떻게 스코어링할 것인지 특정한다. 예를 들어, 요소 3 내지 요소 9는 매칭되어야 하는 다양한 제약들을 표현할 수 있다. 어레이 요소 3의 값이 -1인 경우, 시간적 기준 포인트는 템플릿 매칭 프로세스가 개시된 시간이다. 그렇지 않은 경우, 어레이 요소 3의 값은 다른 템플릿 상태에 대한 기준이고, 시간적 기준 포인트는 이전의 템플릿 상태에 대한 매칭 이벤트의 이벤트 발생 타임스탬프이다. 어레이 요소 4는 시간적 기준 포인트에 적용되는 시간적 오프셋이다. 하나 이상의 예시적인 실시예들에서, 시간적 오프셋은, 활동들 및/또는 이벤트들에 적절한 대로, 밀리초의 단위일 수 있다.
어레이 요소 5는 상대적 시간 값에 적용되는 스코어링 분포의 타입을 기술한다. 분포의 예들은 하기를 포함한다: ESP_DIST_INCREASING, ESP_DIST_DECREASING, 및 ESP_DIST_ABSVAL_DECREASING. 하나 이상의 예시적인 실시예들에서, 이러한 3개의 분포는 용인가능한 타입들이다. 어레이 요소 6 내지 요소 9는 분포의 파라미터들이다. 이벤트의 상대적 발생 시간을 스코어링하는 하나의 예시적인 프로세스에서는, 하기를 전제로 한다: T_e는 (잠재적으로 매칭되는) 이벤트의 이벤트 발생 시간이고, T_o는 시간적 기준 포인트이고, dT는 밀리초 오프셋이고, P_1, P_2, P_3, 및 P_4는 분포 파라미터들이다. 일부 예들에서, 하기의 규칙들이 강요될 수 있다는 것에 유의한다: P_1 <= P_2 <= P_3 <= P_4이고; 추가적으로, 분포가 ESP_DIST_ABSVAL_DECREASING인 경우, 0 <= P_1. 이어서, 상대적 이벤트 발생 시간은 하기의 예시적인 공식들에 따라 스코어링될 수 있다:
스코어링 분포가 타입 ESP_DIST_INCREASING인 경우, 스코어 S는 하기와 같이 계산될 수 있다:
(T_e - T_o - dT) < P_1이면, S = 0
P_1 <= (T_e - T_o - dT) < P_2이면, (T_e - T_o - dT - P_1) / (P_2 - P_1)
P_2 <= (T_e - T_o - dT) < P_3이면, 1 + (T_e - T_o - dT - P_2) / (P_3 - P_2)
P_3 <= (T_e - T_o - dT) < P_4이면, 2 + (T_e - T_o - dT - P_3) / (P_4 - P_3)
P_4 <= (T_e - T_o - dT)이면, 3.
스코어링 분포가 타입 ESP_DIST_DECREASING인 경우, 스코어 S는 하기와 같이 계산될 수 있다:
(T_e - T_o - dT) < P_1이면, S = 3
P_1 <= (T_e - T_o - dT) < P_2이면, 3 - (T_e - T_o - dT - P_1) / (P_2 - P_1)
P_2 <= (T_e - T_o - dT) < P_3이면, 2 - (T_e - T_o - dT - P_2) / (P_3 - P_2)
P_3 <= (T_e - T_o - dT) < P_4이면, 1 - (T_e - T_o - dT - P_3) / (P_4 - P_3)
P_4 <= (T_e - T_o - dT)이면, 0.
스코어링 분포가 ESP_DIST_ABSVAL_DECREASING인 경우, 스코어 S는 하기와 같이 계산될 수 있다:
|T_e - T_o - dT| < P_1이면, S = 3
P_1 <= |T_e - T_o - dT| < P_2이면, 3 - (|T_e - T_o - dT| - P_1) / (P_2 - P_1)
P_2 <= |T_e - T_o - dT| < P_3이면, 2 - (|T_e - T_o - dT| - P_2) / (P_3 - P_2)
P_3 <= |T_e - T_o - dT| < P_4이면, 1 - (|T_e - T_o - dT| - P_3) / (P_4 - P_3)
P_4 <= |T_e - T_o - dT|이면, 0.
상기 수학식들을 이용하면, 매칭이 발견되도록 하기 위해, 상대적 시간적 발생 스코어는 0보다 커야 한다.
템플릿 상태 어레이 요소 10 내지 요소 15는 이벤트 생성 타임스탬프를 어떻게 스코어링할 것인지 특정한다. 어레이 요소 10은 이벤트 생성 타임스탬프가 스코어링되어야 하는지 아닌지 여부를 나타내는 플래그이다. 값이 0이면, 어떠한 스코어도 계산되지 않는다. 값이 0이 아니면, 이벤트 생성 타임스탬프가 스코어링된다. 어레이 요소 11 내지 요소 15는 요소 5 내지 요소 9와 유사하고; 유사한 스코어 계산을 이용할 수 있다. 일 배열물에서, 이벤트 생성 타임스탬프에 적용되는 어떠한 기준 값도 없을 수 있고; 오프셋만이 있을 수 있다. 이벤트 생성 타입스탬프가 스코어링되는 경우, 템플릿 상태에 대한 매칭 이벤트는 0 초과의 스코어를 달성해야 한다.
이벤트 생성 타임스탬프 스코어링과 유사하게, 어레이 요소 16 내지 요소 21은 이벤트 값이 스코어링되어야 하는지 여부와 어떻게 스코어링되어야 하는지 특정한다. 이벤트 값이 스코어링되는 경우, 템플릿 상태에 대한 매칭 이벤트는 0 초과의 스코어를 달성해야 한다.
마지막으로, 템플릿 상태 요소 22 내지 요소 27은 이벤트 지속시간이 스코어링되어야 하는지 여부와 어떻게 스코어링되어야 하는지를 특정한다. 이벤트 지속시간은 (i) 이벤트가 스코어링되는 이벤트 발생 타임스탬프와 동일한 타입의 이벤트의 (시간적으로) 바로 후속하는 발생의 이벤트 발생 타임스탬프 사이의 시간 차이일 수 있거나; 또는 (ii) 스코어링되고 있는 이벤트 발생이 그 특정 이벤트 타입의 가장 최근 발생인 경우에, 이벤트 지속시간이 이벤트 발생 타임스탬프와 템플릿 매칭 프로세스가 개시된 시간 사이의 시간 차이이다. 어레이 요소 22가 0으로 설정되는 경우, 어떠한 스코어도 계산되지 않는다. 그것이 -2로 설정되는 경우, 이벤트 지속시간은 스코어링되고 있는 이벤트와 스코어링되기 전에 템플릿 매칭 프로세스가 개시된 시간 사이의 시간 차이에 의해 상대화(relativize)된다. 그렇지 않은 경우, 이벤트 지속시간은 이벤트 생성 타임스탬프 및 이벤트 값과 유사하게 스코어링될 수 있다. 상기와 같이, 이벤트 지속시간이 스코어링되는 경우, 템플릿 상태에 대한 매칭 이벤트는 0 초과의 스코어를 달성해야 한다.
본 명세서에 언급된 바와 같이, 다른 타입의 제약들(예컨대, 지속시간 초과, 이벤트 생성 타임스탬프, 및 상대적 이벤트 발생 타임스탬프)이 정의될 수 있다. 따라서, 추가 값들 및/또는 파라미터들이 템플릿 상태 어레이에 추가될 수 있다. 예를 들어, 템플릿 상태 어레이는 추가 어레이 파라미터들 및 값을 포함하도록 확장될 수 있다. 다른 예들에서, 템플릿 상태 어레이는 전술된 제약들 중 하나 이상이 필요하지 않거나 희망되지 않는 경우에 크기가 감소될 수 있다.
일부 예들에서, 시간적 제약들은 이벤트 타임스탬프가 발생했을 수 있는 최초 시간에 기초하여 정의될 수 있다. 그 임계치에 기초하여, 알고리즘은 타입 및 연대별로 저장된 이벤트들의 세트 또는 그룹이 가능성있는 매칭을 더 이상 제공할 수 없을 때 더 잘(예컨대, 더 효율적으로) 판정할 수 있다. 또한, 상대적인 시간적 제약들은 초기의 템플릿 상태들을 참조할 수 있다. 따라서, 알고리즘이, 어떠한 후보 이벤트들도 상대적인 시간적 제약을 만족시킬 수 없는 것으로 판정할 때, 프로세싱 시스템은 시스템이 참조된 템플릿 중 적어도 하나에 대한 상이한 이벤트를 고려할 필요가 있을 수 있는 것으로 판정할 수 있다. 따라서, 증분적 검색이 참조된 템플릿 상태들까지 역추적될 수 있다. 추가적으로 또는 대안적으로, 후속의 기준 상태들(즉, 제약 기준들에 의해 정의된 트리의 잎(leaf)들임)에 의해 참조되지 않는 템플릿 상태들은 (예컨대, 증분적으로와는 반대로) 임의의 포인트에서 검색될 수 있다. 상대적인 시간적 제약들과 유사한 배제 제약들이 초기의 템플릿 상태들을 참조할 수 있다. 이와 같이, 실패한 배제 제약은 증분적 검색이 참조된 템플릿 상태들까지 역추적될 수 있게 할 수 있다.
도 15는 다양한 이벤트들이 후보 이벤트들의 상대적 이벤트 발생 타임스탬프의 스코어링에 기초하여 템플릿과 매칭되는 것으로서 식별되는 예시적인 이벤트 그래프를 도시한다. 상이한 패턴화된 라인들 각각은 상이한 후보 또는 매칭 이벤트에 대한 스코어링 분포를 표현하는데, 여기서 그들 상이한 이벤트들 각각은 템플릿 내의 하기의 상태들(각각의 상태는 자신의 라인 상에서 정의됨) 중 하나와 매칭된다:
0: -1,-200,"ESP_DIST_INCREASING",0,0,0,0
1: 0,0,"ESP_DIST_ABSVAL_DECREASING",20,40,60,80
2: 1,0,"ESP_DIST_ABSVAL_DECREASING",0,10,20,30
3: 0,-500,"ESP_DIST_ABSVAL_DECREASING",150,200,250,300
4: 3,0,"ESP_DIST_DECREASING",-50,-40,-30,-20
예로서, 상태 1에서의 요소들은 하기와 같이 해석될 수 있다:
1 -- 상태 식별자
0 -- 상태 0이 시간적 기준 포인트라는 표시
0 -- 상태 0과 매칭되는 이벤트의 타임스탬프에 대해, 어떠한 오프셋(밀리초 단위)도 적용되지 않는다는 표시
"ESP_DIST_ABSVAL_DECREASING" -- 비용/스코어링 분포 곡선의 종류의 표시
20 -- 3을 스코어링하기 위해, 상태 1과 매칭되는 이벤트의 타임스탬프는 상태 0과 매칭되는 이벤트의 타임스탬프의 20밀리초 내에 있을 필요가 있음
40 -- 2 내지 3을 스코어링하기 위해, 상태 1과 매칭되는 이벤트의 타임스탬프는 상태 0과 매칭되는 이벤트의 타임스탬프와는 상이하게 적어도 20밀리초일 필요가 있지만 40밀리초를 초과하지 않음
60 -- 1 내지 2를 스코어링하기 위해, 상태 1과 매칭되는 이벤트의 타임스탬프는 상태 0과 매칭되는 이벤트의 타임스탬프와는 상이하게 적어도 40밀리초일 필요가 있지만 60밀리초를 초과하지 않음
80 -- 0 내지 1을 스코어링하기 위해, 상태 1과 매칭되는 이벤트의 타임스탬프는 상태 0과 매칭되는 이벤트의 타임스탬프와는 상이하게 적어도 60밀리초일 필요가 있지만 80밀리초를 초과하지 않음
따라서, 예를 들어, 시간적 오프셋이 -200밀리초로 수정된 경우, 상태 1과 매칭될 이벤트에 대한 시간적 제약은 후보 이벤트가 상태 0 상에서 매칭되는 이벤트의 타임스탬프의 200밀리초 +/- 80밀리초 전에 발생해야 한다는 것일 것이다. 그렇게, 상태 0에 대한 매칭 이벤트가 시간 1290에서 발생한 경우, 상태 1에 대한 시간적 제약은 1010 (1290-200-80) 이후 및 1170 (1290-200+80) 이전으로 변환될 것이다. 그래프에서, 상태 스코어링 분포들 각각의 시간 간격은 매칭 이벤트가 존재할 수 있는 동안의 시간 범위에 대응한다.
도 16은, 센서 데이터 및 이벤트들을 분석하고 활동 동안에 사용자에 의해 수행된 다양한 행동들을 검출하는 데 이용될 수 있는 예시적인 데이터 및 프로세싱 흐름을 도시한다. 예를 들어, 센서, 또는 센서 펌웨어를 갖는 센서 시스템은 미처리 센서 데이터를 수집하도록, 필요에 따라 데이터를 평활화 및 필터링하도록, 그리고 본 명세서에 기술된 바와 같이 미세 또는 저레벨 이벤트 검출을 제공하도록 구성될 수 있다. 센서 또는 센서 시스템은 다양한 회로들, 프로세서들 및 소프트웨어 및/또는 펌웨어의 조합들을 갖도록 구성되어, 필요한 프로세싱을 제공할 수 있다. 일단 저레벨 이벤트들이 검출되었다면, 저레벨 이벤트 정보가 활동 프로세싱 디바이스 또는 시스템으로 전달될 수 있다. 활동 프로세싱 디바이스 또는 시스템은 일체형으로 하우징될 수 있거나, 또는 센서 또는 센서 시스템으로부터 물리적으로 분리될 수 있다. 일례에서, 활동 프로세싱 디바이스 또는 시스템은 블루투스 및 블루투스-저전력(BLUETOOTH - LOW ENERGY)과 같은 단거리 무선 프로토콜, 셀룰러 통신, Wi-Fi, 위성 통신 등을 비롯한 무선 또는 유선 통신을 통해 센서 시스템과 통신할 수 있다. 활동 프로세싱 시스템은 캐시, 버퍼, 또는 다른 메모리 시스템들에 이벤트들을 저장할 수 있고, 이어서, 사전정의된 행동 템플릿들에 대해 이벤트들을 프로세싱할 수 있다. 하나 이상의 예들에서, 활동 프로세싱 디바이스 또는 시스템은 이벤트들을 증분적으로 그리고/또는 이벤트들의 윈도우로서 프로세싱할 수 있다. 프로세싱된 이벤트들과 행동 템플릿들 사이의 비교에 기초하여, 시스템은, 예컨대 이벤트들의 윈도우 동안, 수행된 하나 이상의 행동들을 식별할 수 있다.
도 18 내지 도 20은 신발 기반 센서들에 대한 신호 스트림들 내의 예시적인 이벤트 식별을 도시한다. 예를 들어, 도 18은 점핑 잭 운동 또는 드릴의 사용자 수행 동안의 2개의 신발 기반 센서들로부터의 예시적인 신호들을 도시한다. 상위 신호(1803)는 오른쪽 신발 기반 센서로부터의 신호를 나타내고, 하위 신호(1801)는 왼쪽 신발 기반 센서로부터의 신호를 나타낸다. 레이블 0 내지 레이블 13은 신호 스트림 내의 다양한 검출된 이벤트들을 나타낼 수 있다. 예를 들어, 레이블들은 하기의 검출된 이벤트들 또는 상태들을 나타낼 수 있다:
0) 점프 오른쪽 스트라이크
1) 점프 왼쪽 스트라이크
2) 점프 왼쪽 론칭
3) 점프 오른쪽 론칭
4) 임계치 초과의 오른쪽 X acc의 적분
5) 임계치 미만의 왼쪽 X acc의 적분
6) 점프 왼쪽 스트라이크
7) 점프 오른쪽 스트라이크
8) 및 10) 최소 미분 왼쪽 Z acc
9) 및 11) 최소 미분 오른쪽 Z acc
12) 임계치 초과의 왼쪽 X acc의 적분
13) 임계치 미만의 오른쪽 X acc의 적분
레이블 0 내지 레이블 13에 의해 식별된 이벤트들의 세트는 점핑 잭 행동 템플릿에 대응할 수 있다. 따라서, 소정 세트의 이벤트 매칭 이벤트 0 내지 매칭 이벤트 13이 특정 순서로 그리고/또는 타이밍에서 검출될 때, 시스템은 사용자가 1회의 점핑 잭을 완료한 것으로 판정할 수 있다. 다른 예에서, 점핑 잭 템플릿은 7개의 이벤트들이 특정 순차로 그리고 주어진 타이밍 내에서 검출되어야 한다는 것을 특정할 수 있다. 이러한 이벤트들은 왼발 스트라이크, 왼발 론칭, 오른발 론칭, 오른발 스트라이크, 특정된 임계치 초과의 왼발 z 적분, 특정된 임계치 초과의 오른발 z 적분, 임계치 미만의 왼발 z 적분, 및 임계치 미만의 오른발 z 적분을 포함할 수 있다. 소정 세트의 검출된 이벤트들은 적용가능한 템플릿의 모든 특정된 이벤트들을 포함할 수 있지만, 템플릿 매칭은 이벤트들이 템플릿 제약들에 의해 정의된 특정된 순서 및 타이밍을 만족시킬 때 일어난다. 상기에 언급된 바와 같이, 매칭 프로세스는 제1 및 제2 사전정의된 이벤트들이 존재한다는 것을 먼저 식별할 수 있다. 이러한 이벤트들은 왼발 론칭(시작 이벤트) 및 왼발 스트라이크(종료 이벤트)와 같은 점핑 잭 경계 이벤트들에 대응할 수 있다. 다른 이벤트들에 대한 요구되는 타이밍은 검출된 왼발 론칭과 왼발 스트라이크 사이의 지속시간의 백분율로서 특정될 수 있다. 예를 들어, 오른발 론칭 이벤트는 종료 이벤트, 즉 왼발 스트라이크 이벤트 전의 지속시간의 10%에서 존재할 것을 요구받을 수 있다. z 적분 이벤트들은 센서 판독치의 타입에 의존하여 거리 또는 속도에 대응할 수 있다. 가속도계의 예에서, z 적분은 z-축을 따르는 발 속도에 대응할 수 있다.
일부 배열물들에서, 다양한 이벤트들이 템플릿 내에서 선택적, 보너스, 또는 배제로서 지정될 수 있다. 예를 들어, 선택적 이벤트들은 더 양호한 이벤트 검출 정확도를 위해 검출될 수 있고, 반면에 보너스 이벤트들은 대응하는 행동의 더 양호한 또는 더 정확한 수행에 대응할 수 있다. 매칭되는 보너스 이벤트들은 사용자의 행동 수행 품질 스코어를 개선할 수 있고, 그리고/또는 사용자에게 보상(예컨대, 추가적인 활동 포인트들 또는 더 높은 메트릭들)을 제공할 수 있다. 기술된 바와 같이, 배제 이벤트들은 일련의 이벤트들이 점핑 잭 행동 템플릿과의 잠재적 매칭으로서 디스카운트 또는 무시되어야 할 때를 특정할 수 있다. 예를 들어, 왼발 스트라이크 이벤트가 왼발 론칭 시작 이벤트와 왼발 스트라이크 종료 이벤트 사이에서 검출되는 경우, 그 일련의 이벤트들은 점핑 잭 행동과의 잠재적 매칭으로서 무시될 수 있는데, 이는 사용자의 발이 기간 내에 다수 회 착지했기 때문이다.
점핑 잭 활동 타입 및/또는 템플릿은 어느 센서 정보가 이벤트 검출을 위해 평가될 것인지로부터 데이터 소스들을 추가로 특정할 수 있다. 따라서, 활동 프로세싱 시스템은 모니터링할 데이터 및 데이터 소스들의 타입들을 센서 시스템에 통지할 수 있다. 점핑 잭의 상기 예에서, 서브스크립션들은 풋 스트라이크 및 풋 론칭, 하나 이상의 임계 값들의 x 가속도, 하나 이상의 임계 크로싱에 기초한 2개의 x 적분, 및 특정된 양 또는 임계치의 최대값/최소값을 갖는 z 가속도 미분을 포함할 수 있다. 따라서, 센서 시스템은 상기의 특정된 정보를 제공하는 센서들만을 모니터링할 수 있고, 원하는 정보 및 임계치들에 대응하는 이벤트들만을 반환할 수 있다. 예를 들어, 특정된 임계치 미만의 접촉 압력을 갖는 풋 스트라이크는 풋 스트라이크 이벤트로서 활동 프로세싱 시스템으로 반환되지 않을 수도 있다. 센서 시스템은 또한 다수의 압력 임계치들이 서브스크립션에서 특정되는 경우에 제1 임계 압력의 풋 스트라이크 이벤트들과 제2 임계 압력의 풋 스트라이크 이벤트들 사이를 구분할 수 있다. 센서 서브스크립션의 다양한 다른 구성들은 특정 타입들의 활동에 대해 필요에 따라 정의될 수 있다.
도 19는 오른쪽 및 왼쪽 신발 기반 센서들에 대한 다른 예시적인 신호 스트림을 도시한다. 신호 스트림은 사용자가 카운터 점프를 수행할 수 있게 하는 활동에 대응한다. 따라서, 그래프에 표기된 이벤트 레이블들은, 예를 들어, 카운터 점프 템플릿과 매칭되는 신호 스트림의 일부분의 식별에 대응할 수 있다.
도 20은 사용자가 발신음 전력질주 드릴/활동을 수행하고 있는 또 다른 예시적인 신호 스트림을 도시한다.
본 명세서에 기술된 바와 같이, 일부 배열물들에서, 활동 모니터링 및 추적에 사용되는 센서 시스템은 힘 감응성 요소들을 포함할 수 있다. 힘 감응성 요소들은 회로 내의 저항의 양을 검출함으로써 동작할 수 있는데, 저항은 적용된 압력의 양에 기초하여 변할 수 있다. 따라서, 힘 감응성 센서 시스템은 사전정의된 룩업 테이블을 이용함으로써 저항의 검출된 양을 힘 또는 압력의 레벨에 상관시킬 수 있다. 그러나, 일부 경우들에 있어서, 주어진 테이블의 정확도는 시간의 경과에 따라 감소할 수 있다. 달리 말하면, 센서 시스템의 저항-대-힘 프로파일이 시간의 경과에 따라 변화될 수 있다. 그러한 변화를 보상하기 위해, 힘 감응성 센서 시스템은 힘-대-압력 룩업 테이블을 수정할 수 있거나, 또는 새로운 힘-대-압력 룩업 테이블을 선택할 수 있다.
힘-대-압력 프로파일이 힘 감응성 센서 시스템 내에서 변화했는지 여부를 검출하기 위해, 힘 감응성 센서 시스템은 사용자의 발이 지면에 있을 때 얼마나 큰 저항이 검출되는지, 그리고 사용자의 발이 지면으로부터 떨어져 있을 때 검출되는 저항의 양을 판정할 수 있다. 이러한 차이에 기초하여, 새로운 힘-대-압력 프로파일이 선택될 수 있고, 대신 사용될 수 있다. 일례에서, 사용자는 그의 또는 그녀의 발이 교정 모드 동안에 지면으로부터 떨어져 있고 지면에 있게 되는 때를 수동으로 나타낼 수 있다. 다른 예들에서, 힘 감응성 센서 시스템은 자동 자가 교정을 계속적으로 그리고/또는 사전정의된 스케줄 또는 간격에 기초하여 수행할 수 있다. 다양한 프로파일들이 실험적 연구 및 분석에 기초하여 정의될 수 있다. 일부 배열물들에서, 이전의 X개의 스텝들 또는 발 접촉/발 비접촉 이벤트 쌍들의 에버리지가 분석되어, 저항 차이를 판정하도록 그리고 이어서 압력 프로파일을 조정하도록 할 수 있다. 시간의 경과에 따라 압력 프로파일을 수정함으로써, 이벤트들을 검출하고 다양한 메트릭들을 게이징하는 데 있어서의 정확도가 향상될 수 있다.
그러한 교정 기법들은 발 기반 센서 시스템들로 제한되지 않는다. 사용자의 신체 상의 어딘가에 착용 또는 사용되는 다른 힘 감응성 센서 시스템들이 또한 유사한 방법들을 이용하여 교정될 수 있다.
도 21은 일 실시예에 따른, 체공 시간을 측정하는 예시적인 구현예를 도시한 흐름도이다. 도 21의 예는 다양하게 구현될 수 있다. 예를 들어, 도 21의 흐름도의 하나 이상의 부분들이 템플릿 매칭 및/또는 전술된 다른 요소들 없이 구현될 수 있다. 또한, 다른 실시예들에서, 템플릿 매칭이 활용될 수 있다. 도 21의 흐름도에 도시된 바와 같이, 체공 시간은 이동 모드, 및 연관된 풋 스트라이크/론칭 타임스탬프들을 먼저 판정하지 않은 상태로 판정될 수 있다. 일 실시예에 따르면, 도 21뿐만 아니라 다른 개시된 실시예들을 참조하여, 단일 축 압전 또는 힘 센서가 양쪽 신발들 상에 또는 그 내부에(예컨대, 사용자의 발 아래, 중창(midsole), 안창(insole), 삭 라이너(sock liner) 내에, 등등에) 배치되어, 센서 판독치들을 얻을 수 있다.
도 22 내지 도 24에 도시된 출력은 도 21의 하나 이상의 프로세스들의 결과일 수 있다. 도 21 내지 도 24 및 이들의 잠재적 특징들의 더 상세한 설명이 하기에 제공된다.
도 10 내지 도 12와 함께 전술된 바와 같이, 본 발명의 태양들은 "템플릿" 기반 분석을 이용하여 사용자들에 대한 "체공 시간"을 판정하여, 데이터 스트림에 존재하는 정보(예컨대, 신발 기반 센서들로부터의 풋 스트라이크 및 풋 론칭 데이터에 관한 정보를 포함함)에 포함된 활동들의 타입들을 판정하는 데 이용될 수 있다. 그러나, 체공 시간은 본 발명에 따른 일부 시스템들 및 방법들에서 전술된 타입들의 "템플릿들"에 의존하지 않는 방식들로 판정될 수 있다. 도 21은 하나의 그러한 예시적인 시스템 및 방법을 기술하는 흐름도를 포함한다.
도 21의 프로세스는, 예컨대 신발류 기반 센서들로부터 수집된 데이터를 포함하는 데이터 세트로 시작하며, 이러한 데이터는 적어도 일부의 오른발 론칭, 오른발 스트라이크, 왼발 론칭, 및 왼발 스트라이크 데이터(예컨대, 도 2a와 함께 기술된 것처럼, 힘 또는 가속도계 기반 센서 데이터와 같은, 신발류의 물품에 제공된 하나 이상의 센서들로부터 수집됨)를 포함한다. 단계 2102에서, 이러한 예시적인 시스템 및 방법은, 2개의 신발 기반 센서 시스템들에 의해 등록된 센서 이벤트들을 동기화시켜서, 필요하다면, 예컨대 센서 클록들 및/또는 송신 시간에서의 편차를 다룰 수 있다. 특정 배열물들에서, 시스템들 및 방법들은 센서들 각각과 활동 프로세싱 시스템 사이의 요구되는 송신 시간을 측정할 수 있고, 이어서, 측정된 송신 시간을 이용하여 각각의 검출된 센서 이벤트들과 연관된 시간을 조정할 수 있다. 추가적으로 또는 대안적으로, 동기화는 수신된 이벤트들을 시간적으로 분류하는 것을 포함할 수 있다. 일부 예들에서, 풋 스트라이크 및 풋 론칭 이벤트 데이터는 이벤트들이 검출된 순서로 수신되지 않을 수도 있다. 따라서, 시스템 및 방법은 이벤트들이 검출된 시간에 따라 그 이벤트들의 순서를 정하도록 이벤트 데이터를 사전-프로세싱할 수 있다. (전술된 것들 중 임의의 것에 더해 또는 그 대신에) 다른 잠재적 특징으로서, 시스템 및 방법의 이용이 시작될 때(예컨대, "시작" 버튼 또는 기능이 개시될 때, 선수가 게임을 시작하기 위해 등록할 때, 등등), 단계 2102에서, 각각의 신발에서의 그리고/또는 그와 연관된 클록들이 동일한 시간(예컨대, "0" 시작 시간)으로 동기화될 수 있다.
일단 센서들이 동기화되고 그리고/또는 다른 방식으로 시작할 준비가 되면, 단계 2104에서, 시스템 및 방법은 각각의 신발 내의 센서들에 의해 이벤트들의 측정 및 등록을 개시할 수 있고(예컨대, "풋 스트라이크" 또는 "발 붙임(foot on)" 이벤트들의 판정을 개시할 수 있고, "풋 론칭" 또는 "발 뗌(foot off)" 이벤트들의 판정을 개시할 수 있음), 이러한 "풋 스트라이크/풋 론칭" 데이터는 단계 2106에서 수신된다.
풋 스트라이크/풋 론칭 데이터가 수신될 때 또는 그 후, 단계 2108에서, 데이터는 그것이 생성된 시간에 기초하여(예컨대, 풋 스트라이크 및 풋 론칭 이벤트 각각에 대한 데이터와 연관되고 그에 포함된 "타임스탬프들"에 기초하여) 분류될 수 있다. 따라서, 신발 기반 센서들로부터의 인입 데이터는 하기의 타입들의 정보 중 하나 이상을 포함할 수 있다: (a) 데이터를 생성하는 센서(예컨대, (다수의 센서들이 존재하는 경우) 오른쪽 신발, 왼쪽 신발, 신발 상의 특정 센서 등)의 식별, (b) (예컨대, 데이터가 측정되었을 때) 타임스탬프 정보, (c) 이벤트의 타입(예컨대, 론칭 또는 스트라이크), (d) 측정과 연관된 다른 데이터(예컨대, 착지 힘, 착지 가속도, 론칭 가속도 등) 등. 데이터 스트림에 포함된 정보에 기초하여, 단계 2110에서, "체공 시간들"에 대한 "시작" 및 "종료" 타임스탬프들(예컨대, 연속하는 "풋 A 론칭"과 "풋 B 스트라이크" 이벤트들의 대응하는 쌍, 연속하는 "풋 B 론칭"과 "풋 A 스트라이크" 이벤트들의 쌍, "풋 A 스트라이크"와 "풋 A 론칭" 이벤트들의 쌍, "풋 B 스트라이크"와 "풋 B 론칭" 이벤트들의 쌍 등). 론칭 및 스트라이크 이벤트들의 연속 쌍들에 대한 이러한 시작 및 종료 타임스탬프들은 단계 2112에서 체공 이벤트들과 연관된 "체공 시간"을 판정하는 데 이용될 수 있다.
일단 희망하는 체공 이벤트 각각에 대한 체공 시간들이 판정되면, 유효성 체크가 단계 2114 내지 단계 2118에서 수행되어, "체공" 데이터가 합당한 점프를 나타내는지, 그리고/또는, 원한다면, 달리기, 조깅하기, 전력질주하기 등과 연관된 "체공 시간"을 나타내는지 여부를 판정/확인할 수 있다. 일부의 더 구체적인 예들로서, 하나의 잠재적 유효성 체크는, (이벤트 타임스탬프들로부터의) 판정된 "체공 시간"이 실제 "점프" 또는 "달리기" 활동으로부터 체공을 구성하기 위해 인간적으로 가능한 것보다 더 긴지 여부를 판정하는 것일 수 있다. 예를 들어, 타임스탬프 데이터 스트림이, 선수가 수 초 동안 공중에 서 있었다는 것을 나타내는 경우, 이러한 "체공 시간"은 점프를 구성하지 않거나 점프하지 않는 것으로 판정될 수 있는데(예컨대, 단계 2116에서 "아니오"라는 응답), 이러한 경우에 해당 쌍의 풋 론칭 및 풋 스트라이크 이벤트들에 대한 "체공 시간"은 0으로 설정될 수 있다(단계 2118).
그러나, 긴 체공 시간은, 데이터가 거짓이다 그리고/또는 언급된 활동이 "점프" 또는 실제 "체공 시간"(선택적으로, 달리기, 조깅하기, 및/또는 전력질주하기 활동들과 연관된 "체공 시간"을 포함함)을 구성하지 않았다는 판정을 반드시 강요하지는 않는다. 오히려, 본 발명의 적어도 일부 예들에 따른 시스템들 및 방법들은 과도하게 긴 "체공 시간"이 발생했다는 것을 나타내는 데이터(또는, 선택적으로, 모든 체공 시간 데이터)를 추가로 분석할 수 있다. 예를 들어, 일부 경우들에 있어서, 농구 경기를 할 때, 선수는 림 또는 네트를 잡고 매달림으로써 그리고/또는 그의/그녀의 발을 착지시키지 않음으로써(예컨대, 등, 무릎, 팔꿈치 등을 착지시킴으로써) "체공 시간"을 연장시킬 수 있다. 따라서, 사전결정된 임계 값보다 더 긴 체공 시간을 나타내는 데이터를 자동으로 내보내는 것보다, 다른 센서들 및/또는 소스들로부터의 데이터 및/또는 정보가, 문제가 되는 긴 체공 시간 동안에 발생했던 일에 대해 더 정확한 사진이 현상될 수 있는지 여부를 확인하기 위해 상의될 수 있다. 예를 들어, 선수가 림을 잡았다면, 발 및/또는 신체 기반 센서들은 초기의 도약, 공중에 있는 단계(림 또는 네트가 잡혀있을 때) 또는 심지어 제2 들어올림 단계(선수가 림/네트를 사용하여 자신을 더 위로 당기는 경우)의 "매달림", 이어서 아래로 내려오는 단계를 등록할 수 있다. 다른 선택안으로서, 손목 소지형 센서는 양발이 지면으로부터 떨어져 있는 시간 동안에 림에 대한 연장된 가까운 근접지를 검출하는 데 사용될 수 있다. 비디오 데이터는 또한 특정 체공 이벤트가 타당하거나 충분히 타당한지 여부를 판정하도록 상의될 수 있다. 그러한 타당한 체공 이벤트들이 검출 또는 판정되는 경우, 단계 2118에서, 그 이벤트에 대해 체공 시간을 0으로 설정하는 것보다, 체공 시간은, 예컨대 "체공 시간"을 그 점프 또는 다른 체공 이벤트와 연관된 "업" 및 "다운" 시간으로만 카운트하도록 (그리고, 그 이벤트에 대한 체공 시간의 일부로서, 선수가 림 또는 네트로부터 스윙했을 때, 림 또는 네트를 사용하여 그 자신/그녀 자신을 위로 더 몰아 갔을 때 등의 부가적인 시간을 추가하지 않도록) 조정될 수 있다.
선수가 그의 발을 떼는 이벤트에서, 신체 기반 센서(또는 신발 기반 센서들과 함께 포함된 가속도계)는 선수가 바닥에 착지할 때 속도 및/또는 가속도의 급작스러운 변화를 검출할 수 있다. 그러한 이벤트들이 검출되는 경우, 단계 2118에서, 그 이벤트에 대해 체공 이벤트 시간을 0으로 설정하는 것보다, 시간은, 예컨대 "체공 시간"을 마지막 "풋 론칭" 이벤트와 발 외의 신체 부위에 의한 후속의 바닥면 착지 이벤트 사이의 시간으로서 카운트하도록 조정될 수 있다.
일단 체공 시간들이 유효한 것으로 판정되면(단계 2116에서 "예"라는 응답), 무효인 것으로 판정되고 0으로 설정되면(단계 2118), 그리고/또는 (전술된 단계 2118에 대한 대안예에서) 조정되면, 단계 2120에서, 체공 시간 버퍼 메모리 내의 데이터는 (예컨대, 에버리지 체공 시간 또는 누적/총 체공 시간의 업데이트된 판정 등으로) 업데이트될 수 있고, 그리고/또는 다른 희망하는 데이터가 생성될 수 있고, 그리고/또는 다른 메트릭들이 판정될 수 있다. 더 많은 데이터가 평가에 이용가능한 상태로 남아 있는 경우, 시스템 및 방법은 단계 2106으로 역으로 루핑(loop back)할 수 있고(루프(2122)), 다음 타임스탬프 데이터 세트 및/또는 임의의 이용가능한 추가적인 데이터를 분석할 수 있다. 프로세스에서 임의의 원하는 또는 적절한 시간(예컨대, 루프(2122)가 발생하기 전을 포함함)에, 체공 시간 데이터 및/또는 다른 피드백, 메트릭들, 및/또는 정보가 선수, 코치, 및/또는 임의의 다른 지정된 당사자에게 이용가능하게 될 수 있다(단계 2124). 추가적으로 또는 대안적으로, 단계 2124에서, 코칭 및/또는 트레이닝 정보가, 예컨대 운동 계획, 운동 드릴, 경기 진행 팁 또는 충고 등의 형태로 사용자에게 제시될 수 있다.
"체공 시간" 및/또는 임의의 원하는 파라미터들 및/또는 메트릭들에 관한 정보는 전술된 다양한 방식들을 비롯한 다양한 방식들로 사용자에게 제공될 수 있다. 도 22 내지 도 24는 본 발명의 적어도 일부 예들에 따라 피드백 및/또는 정보를 사용자들에게 제공할 수 있는 일부의 예시적인 디스플레이들 및/또는 사용자 인터페이스들(예컨대, 컴퓨터, 스마트폰 등 상의 디스플레이 스크린용)을 제공한다. 전술된 바와 같이, 개별 체공 이벤트들에 대한 "체공 시간"(예컨대, 연속적인 발 착지 이벤트와 이전의 풋 론칭 이벤트 사이의 시간)의 판정과 연관된 값들이 (예컨대, 체공 시간 버퍼 메모리에) 함께 추가될 수 있거나, 또는 버퍼가 측정된/검출된 체공 시간들에 기초하여 달리 업데이트될 수 있다(예컨대, 블록들(1050b, 1180, 2120)). 이러한 데이터는 다양한 방식들로 이용될 수 있다.
예를 들어, 도 22에 도시된 바와 같이, 하나의 사용자 인터페이스 스크린(2200)이 경기에서 그의/그녀의 경기 시간의 과정(경기 진행 중의 몇 분(minutes))에 걸쳐서, 체공 당 1명 이상의 선수들의 "순시 체공 시간"(밀리초 단위)을 예시할 수 있다. 도 22의 예에서, 2명의 선수들의 수행은 그들의 수행의 비교를 가능하게 하도록 중첩되게 도시된다(이러한 수행은 동시에, 동일한 경기에서, 그리고/또는 동일한 위치에서 발생해야 할 필요는 없다). 도 22의 도시된 예에서, 양 선수의 순시 수행(예컨대, 체공 당 에버리지 체공 시간)은 유사한 트렌드, 특히 시작 시에 선수 B의 체공 시간 수행을 따라갔지만, 선수 A의 수행에 비교해서 종료 시에(예컨대, 경기 진행 시간 약 8분 뒤에) 극적으로 감소했다는 것을 알 수 있다.
도 23은 경기에서 그의/그녀의 경기 진행 시간의 과정(경기 진행 중의 몇 분)에 걸친 1명 이상의 선수들의 "에버리지 체공 시간"(밀리초/초 단위)을 보여주는 예시적인 사용자 인터페이스 스크린(2300)을 도시한다. 도 23의 예에서, 2명의 선수들의 수행은 또한 그들의 수행의 비교를 가능하게 하도록 중첩되게 도시된다(또한, 이러한 수행은 동시에, 동일한 경기에서, 그리고/또는 동일한 위치에서 발생해야 할 필요가 없다). 도 23의 도시된 예에서, 선수 B의 에버리지 체공 시간이, 그의/그녀의 경기가 시작되었을 때(예컨대, 처음 2분 내에) 선수 A보다 약간 더 길었지만, 선수 A는 그의/그녀의 경기 진행의 전체 과정에 걸쳐서 더 긴 체공 시간을 유지했다. (특히, 이벤트/경기 동안에 더 긴 시간이 경과함에 따라) "에버리지 체공 시간"은 (도 23에 도시된 바와 같이) 수렴하거나 평탄해질 수 있고, 체공 중이 아닌 시간과 비교할 때 선수의 "체공 중의 시간"(예컨대, 달리는 중 또는 점프하는 중이 아닌 시간과 비교할 때, 달리기 또는 점프하기에 소비된 시간)의 표현으로서 고려될 수 있다.
도 24는, 본 발명의 적어도 일부 예들에 따른, 다른 관심 메트릭 및 정보를 제공하는 예시적인 사용자 인터페이스 스크린(2400)을 도시한다. 더 구체적으로, 도 24는 1명 이상의 개별 선수들에 대해 경기 중의 그들의 경기 진행 시간의 과정에 걸친 "누적 체공 시간"(초 단위)을 도시한다. 이러한 도시된 예에서, 선수 A는 그의/그녀의 경기 진행 시간의 과정에 걸쳐서 "체공 시간"의 상대적으로 일정하고 꾸준한 누적을 보여주는 반면, 선수 B의 수행은 더 빠르게 축소되었고, 실질적으로 더 적은 전체 체공 시간을 가져왔다.
(예컨대, 도 22 내지 도 24로부터) 이러한 메트릭들 및 비교는, 이들이 선수들을 비교하고, 선수 단련/수행 레벨들을 비교하고, 시간의 경과에 따른 개별 선수 수행 변화를 비교하고(예컨대, 선수 A와 선수 B의 곡선들은 상이한 시간에서의 한 선수의 수행을 표현할 수 있음), 그리고/또는 선수(들)에 대한 트레이닝 및 실제 세션들을 개발할 때, 선수 또는 코치에게 귀중한 정보를 제공한다. 추가적으로 또는 대안적으로, 원한다면, 선수들은 다른 이들이 그들의 "체공 시간" 데이터를 보게 할 수 있고, 이러한 정보를 (예컨대, 소셜 네트워크에서) 이용하여, 선수들에게 경쟁하도록, 더 향상되게 분투하도록, 그리고 더 열심히 경기하도록 동기부여하는 경향이 있을 친구들의 그룹, 도전, 및/또는 다른 경기 및 활동을 생성하게 할 수 있다. 다른 이들과의 이러한 타입들의 상호작용, 비교, 및 도전은 또한 목표를 설정하는 것 및/또는 권태를 피하는 것에 도움을 줄 수 있다.
다른 메트릭들 및 선택안들이 본 발명으로부터 벗어남이 없이 가능하다. 예를 들어, 도 25에 도시된 바와 같이, 본 발명의 적어도 일부 예들에 따른 시스템들 및 방법들은 선수들에 대한 점프 "높이" 메트릭을 생성, 판정, 및 유지할 수 있다. 더 구체적으로, 도 25는 "점프 높이" 판정 알고리즘에서 활용되어 임의의 원하는 "체공 시간" 이벤트와 연관된 "점프 높이"를 판정하게 할 수 있는 정보를 기술한다. 도시된 바와 같이, 점프 높이 알고리즘은 하기 중 하나 이상을 입력 데이터(2502)로서 취할 수 있다: 왼발 스트라이크 타임스탬프; 오른발 스트라이크 타임스탬프; 왼발 론칭 타임스탬프; 오른발 론칭 타임스탬프; Z(수직) 방향에서의 왼발 론칭 데이터(예컨대, Z 미분 최대치, 위로 지향된 힘 정보를 얻기 위함); 및 Z(수직) 방향에서의 오른발 론칭 데이터(예컨대, Z 미분 최대치, 위로 지향된 힘 정보를 얻기 위함). 단계 2504에서, 발 센서 데이터는 양발이 공중에 서 있는 것으로 나타내지도록 론칭할 나중의 발을 판정하기 위해 검토되고, 그 발의 론칭과 연관된 타임스탬프는 그 발 및 해당 이벤트에 대한 최대 Z-미분의 타임스탬프로서 이용된다. 이어서, 단계 2506에서, 각각의 발에 대한 스트라이크 시간들은 각각의 발에 대한 론칭 시간들과 비교되어, (제1 풋 스트라이크가 발생할 때) 전체 스트라이크 시간을 판정하게 한다. 어느 하나의 풋 스트라이크 이벤트가 나중의 발이 론칭되기 전에 발생한 것으로 판정되는 경우, 데이터는 필터링된다(그리고, 어떠한 "점프 높이"도 그 데이터 세트에 기초하여 판정되지 않는다). 일단 유효한 "체공 이벤트" 데이터(예컨대, 양발이 공중에 있는 상태에서의 나중의 풋 론칭 시간과 제1 풋 스트라이크 시간 사이의 시간)가 소정 데이터 세트에 대해 판정되면, 그 데이터 세트에 대한 "점프 높이"는 체공 시간에 기초하여 판정된다(단계 2508). 임의의 원하는 알고리즘이 체공 시간으로부터 점프 높이를 판정하는 데 이용될 수 있지만, 이러한 도시된 예에서, 점프 높이는 하기의 수학식에 기초하여 계산된다:
[수학식 1]
y = 41.66708x ― 3.818335
여기서, "y"는 점프 높이를 인치 단위로 나타내고, "x"는 체공 시간을 초 단위로 나타낸다. 이러한 수학식은 측정된 점프 높이 및 체공 시간 데이터의 선형 회귀로부터 도출되었다.
선수들은, 예컨대 본 발명에 따른 시스템들 및 방법들에 의해 판정된 다수의 "체공 이벤트들"에 대한 누적 점프 높이에 기초하여, 특정 "점프 높이 목표"(예컨대, 처음 에펠탑을 "뛰어넘기" 등)를 이루기 위해 스스로에게 그리고/또는 서로에게 도전할 수 있다. "순시 점프 높이", "에버리지 점프 높이" 등을 비롯한 다른 "점프 높이" 메트릭들은 또한 이러한 타입의 도전에 이용될 수 있다.
원한다면, 본 발명의 적어도 일부 예들에 따른 시스템들 및 방법들은 다양한 체공 시간 특징들을 단순히 판정하는 것보다 더 미세하게 다양한 메트릭들을 정의할 수 있다. 상기에 언급된 바와 같이, 상이한 센서들 및/또는 센서 입력 데이터의 조합들을 이용하여, 걷기 대 조깅하기 대 달리기 대 전력질주하기 대 점프(및/또는 대 도움닫기 점프 대 수직 점프)를 비롯한 상이한 타입들의 "체공"이 판정될 수 있고 서로 구분될 수 있다. 따라서, 원한다면, 도 22 내지 도 25와 함께 전술된 바와 같은 "체공 시간" 메트릭들(순시, 에버리지, 또는 누적/총 체공 시간을 포함함) 및/또는 점프 높이 메트릭들(순시, 에버리지, 또는 누적/총 점프 높이를 포함함)은, 이러한 상이한 타입들의 활동들(또는 이러한 활동들의 임의의 원하는 조합) 중 임의의 하나 이상과 연관된, 하기 중 하나 이상을 포함한 체공 시간 및/또는 점프 높이로 추가로 분류될 수 있다: 걷기 시간; 조깅하기 시간; 달리기 시간; 전력질주하기 시간; 점프하기 시간; 도움닫기 점프 시간; 수직 점프 시간; 조깅하기 체공 시간; 달리기 체공 시간; 전력질주하기 체공 시간; 점프 체공 시간; 수직 점프 체공 시간; 도움닫기 점프 체공 시간; 조깅하기 점프 높이; 달리기 점프 높이; 전력질주하기 점프 높이; 점프하기 점프 높이; 수직 점프하기 점프 높이; 및 도움닫기 점프 타입 점프 높이.
사용자에게 더 상세한 피드백 및 데이터를 제공하는 다른 방식들이 본 발명으로부터 벗어남이 없이 가능하다. 예를 들어, 체공 시간 및 점프 데이터(및, 선택적으로, 전술된 더 미세한 체공 시간 및 점프 데이터)를 다른 입력 데이터와 조합함으로써, 본 발명의 적어도 일부 예들에 따른 시스템들 및 방법들은 공격 및 수비 중인 선수들에 대한 개별 "체공 시간" 및 "점프 높이" 메트릭들(예컨대, "공격 중 체공 시간" 및 "수비 중 체공 시간")을 추가로 제공할 수 있다. 일부의 더 구체적인 예들로서, 센서 데이터(예컨대, GPS 센서, 이미지 센서, 근접 센서 등)는 본 발명의 일부 예들에 따른 시스템들 및 방법들에 데이터를 제공하는 데 이용될 수 있는데, 여기서 경기는 바닥에서 진행 중이어서, 선수가 바닥의 공격 측 상에 있는지 아니면 수비 측 상에 있는지에 대해 판정이 이루어질 수 있다. 다수의 선수들에 의한 가속도, 속도, 및/또는 변동 값 및/또는 방향의 급작스러운 변화들은 또한 공 소유권의 변화(선수들이 공격수로부터 수비수로 그리고 그 역으로 전환하는 것)의 표시자로 고려될 수 있다. "공 소유" 판정 시스템들 및 방법들은 또한 개별 선수 및/또는 팀이 공격 중인지 아니면 수비 중인지 판정하는 데 이용될 수 있다. 일부 예시적인 "공 소유" 판정 시스템들 및 방법들은, 예를 들어 2010년 7월 22일자로 공개된 미국 특허 출원 공개 공보 제2010/0184564 A1호에 기재되어 있으며, 이러한 공개 공보는 모든 비제한적인 목적을 위해 전체가 본 명세서에 참고로 포함된다.
이러한 "공격" 또는 "수비" 입력으로, 본 발명의 적어도 일부 예들에 따른 시스템들 및 방법들은 하기 중 하나 이상을 포함하도록 체공 시간들 및/또는 점프 높이들을 분류할 수 있다: 공격 중 걷기, 조깅하기, 달리기, 전력질주하기, 점프하기, 도움닫기 점프, 및/또는 수직 점프 시간; 공격 중 조깅하기 체공 시간; 공격 중 달리기 체공 시간; 공격 중 전력질주하기 체공 시간; 공격 중 점프 체공 시간; 공격 중 수직 점프 체공 시간; 공격 중 도움닫기 점프 체공 시간; 공격 중 조깅하기 점프 높이; 공격 중 도움닫기 점프 높이; 공격 중 전력질주하기 점프 높이; 공격 중 점프하기 점프 높이; 공격 중 수직 점프하기 점프 높이; 공격 중 도움닫기 점프 타입 점프 높이; 수비 중 걷기, 조깅하기, 달리기, 전력질주하기, 점프하기, 도움닫기 점프, 및/또는 수직 점프 시간; 수비 중 조깅하기 체공 시간; 수비 중 달리기 체공 시간; 수비 중 전력질주하기 체공 시간; 수비 중 점프 체공 시간; 수비 중 수직 점프 체공 시간; 수비 중 도움닫기 점프 체공 시간; 수비 중 조깅하기 점프 높이; 수비 중 도움닫기 점프 높이; 수비 중 전력질주하기 점프 높이; 수비 중 점프하기 점프 높이; 수비 중 수직 점프하기 점프 높이; 및/또는 수비 중 도움닫기 점프 타입 점프 높이.
본 발명의 적어도 일부 예들에 따른 점프 검출 및/또는 점프 판정 정보는, 또한, 특히 점프하기 행동의 결과들에 관한 정보와 조합되는 경우, 추가적인 유용한 정보를 제공하는 데 이용될 수 있다. 예를 들어, (a) 선수가 공의 소유권을 갖는다는 (예컨대, 손목 기반 또는 신체 기반 공 접촉/근접 감지 시스템을 사용한) 판정, (b) 공을 소유한 선수가 수직으로 점프하거나 또는 달리는 동안에 점프한다는 (예컨대, 신발류 기반 센서를 사용한) 판정, 및 (c) 선수가 공의 소유권을 해제한다는 판정은, 본 발명의 예들에 따른 시스템들 및 방법들에 의해 하기와 같은 판정으로서 이용될 수 있다: 선수가, (i) (예컨대, 림 및/또는 백보드에 근접한 공이 판정된 경우에, 그리고, 선택적으로, 선수가 슛을 했든 또는 놓쳤든) 슛을 했다는 판정, (ii) (예컨대, 동일한 팀의 다른 선수에 의한 공 소유가 판정되는 경우에) 패스를 했다는 판정, (iii) (예컨대, 다른 팀의 다른 선수에 의한 공 소유가 판정되는 경우에) 턴오버를 했다는 판정, 또는 (iv) (예컨대, 상대편 선수가 공을 만져서 그 궤적을 변화시키는 경우에) 슛 또는 패스를 블로킹당했다는 판정. 다른 예로서, 공을 소유하지 않은 (그러나, 선택적으로, 공 근접지에 있는 것으로 검출된) 선수가, (a) 점프한다는 (예컨대, 신발류 기반 센서를 사용한) 판정, 및 (b) 공을 건드려서 공의 궤적을 변화시킨다는 (예컨대, 공 기반 센서를 사용한) 판정은, 선수가 다른 선수의 슛을 블로킹했다는 것으로 그리고/또는 패스를 가로챘다는 것으로 판정하는 데 이용될 수 있다. 또 다른 예로서, 공을 소유하지 않은 (그러나, 선택적으로, 공 근접지에 있는 것으로 검출된) 선수가, (a) 점프한다는 (예컨대, 신발류 기반 센서를 사용한) 판정, (b) 공을 소유한다는 (예컨대, 공 기반 센서에 의한) 판정, 및 (c) (공의 소유권을 얻기 전 또는 얻은 후) 점프를 착지시킨다는 판정은, 선수가 공을 리바운드했다는 것으로 또는 (팀원으로부터의 또는 다른 팀의 선수들 중 한 명으로부터의) 패스를 잡았다는 것으로 판정하는 데 이용될 수 있다. 이러한 다른 검출된 활동들 중 임의의 것과 연관된 체공 시간들 및/또는 점프 높이들은 집계될 수 있고, 정보는 유용한 코칭/트레이닝 데이터 및/또는 메트릭들로서 선수, 코치 등에게 제시될 수 있다.
결론
본 명세서에 기술된 특징들 중 하나 이상을 갖는 활동 환경을 제공하는 것은 사용자에게 운동 활동들에 관여하도록 그리고 그의 또는 그녀의 단련을 개선하도록 장려하고 동기부여할 경험을 제공할 수 있다. 사용자들은, 추가로, 소셜 커뮤니티들을 통해 통신할 수 있고, 서로 도전하여 포인트 도전에 참여하게 할 수 있다.
실시예들의 태양들은 본 발명의 예시적인 실시예들의 면에서 기술되었다. 첨부된 청구범위의 범주 및 사상 내의 많은 다른 실시예들, 수정예들, 및 변형예들이 본 발명의 검토로부터 당업자들에게 떠오를 것이다. 예를 들어, 당업자는 예시적인 도면들에 도시된 단계들이 인용된 순서 외의 순서로 수행될 수 있다는 것 및 예시된 하나 이상의 단계들이 실시예들의 태양들에 따라 선택적일 수 있다는 것을 이해할 것이다.

Claims (21)

  1. 운동 수행(athletic performance)을 분석하기 위한 방법에 있어서,
    입력 시스템에 의해, 복수의 오른발 론칭 이벤트(launch event)들 및 복수의 왼발 론칭 이벤트들에 관한 발 센서 시스템으로부터 발 론칭 입력 데이터 - 상기 발 론칭 입력 데이터는, 각각의 오른발 론칭 이벤트 또는 왼발 론칭 이벤트가 발생한 시간을 나타내는 각각의 발 론칭 이벤트와 연관된 타임스탬프를 적어도 포함함 - 를 수신하는 단계;
    상기 입력 시스템에 의해, 복수의 오른발 스트라이크 이벤트(strike event)들 및 복수의 왼발 스트라이크 이벤트들에 관한 발 센서 시스템으로부터 발 스트라이크 입력 데이터 - 상기 발 스트라이크 입력 데이터는, 각각의 오른발 스트라이크 이벤트 또는 왼발 스트라이크 이벤트가 발생한 시간을 나타내는 각각의 발 스트라이크 이벤트와 연관된 타임스탬프를 적어도 포함함 - 를 수신하는 단계;
    하나 이상의 프로세서들에 의해, 상기 복수의 론칭 이벤트들 및 스트라이크 이벤트들과 연관된 복수의 타임스탬프들에서 제1 세트의 타임스탬프들 - 상기 제1 세트의 타임스탬프들은, 시간적으로 인접한 오른발 론칭 이벤트, 왼발 론칭 이벤트, 오른발 스트라이크 이벤트, 및 왼발 스트라이크 이벤트를 포함함 - 을 식별하는 단계;
    상기 하나 이상의 프로세서들에 의해, 상기 제1 세트의 타임스탬프들을 하나 이상의 사전결정된 활동 템플릿과 비교하는 단계;
    상기 하나 이상의 프로세서들에 의해 그리고 상기 비교에 기초하여, 상기 제1 세트의 타임스탬프들과 연관된 제1 체공 시간(flight time) - 상기 제1 체공 시간은, 왼발 및 오른발 양측 모두가 동시에 지표면과 접촉하지 않을 때 상기 제1 세트의 타임스탬프들에 의해 포함되는 제1 지속시간에 적어도 부분적으로 기초함 - 을 판정하는 단계;
    제1 이미지 캡처링 디바이스로부터, 시간적으로 인접한 오른발 론칭 이벤트, 왼발 론칭 이벤트, 오른발 스트라이크 이벤트, 및 왼발 스트라이크 이벤트에 대응하는 비디오 데이터를 수신하는 단계;
    상기 수신된 비디오 데이터에 기초하여 상기 제1 세트의 타임스탬프들과 연관된 상기 판정된 제1 체공 시간을 수정하는 단계; 및
    상기 하나 이상의 프로세서들에 의해, 상기 제1 세트의 타임스탬프들 및 상기 수신된 비디오 데이터에 적어도 부분적으로 기초하여 상기 판정된 제1 체공 시간을 입증(validate)하는 단계
    를 포함하는, 운동 수행을 분석하기 위한 방법.
  2. 제1항에 있어서,
    상기 비교에 기초하여, 복수의 사전결정된 활동 템플릿들이 상기 제1 세트의 타임스탬프들에 대응한다고 판정하는 단계; 및
    상기 복수의 사전결정된 활동 템플릿들 중, 상기 제1 세트의 타임스탬프들과 최고 매칭 레벨을 갖는 제1 사전결정된 활동 템플릿을 선택하는 단계
    를 더 포함하는, 운동 수행을 분석하기 위한 방법.
  3. 제1항에 있어서,
    상기 판정된 제1 체공 시간에 적어도 부분적으로 기초하여, 상기 제1 체공 시간과 연관된 이벤트에 대한 제1 점프 높이를 판정하는 단계
    를 더 포함하는, 운동 수행을 분석하기 위한 방법.
  4. 제3항에 있어서, 상기 제1 점프 높이는, 상기 판정된 제1 체공 시간 및 선형 회귀 모델(linear regression model)을 이용하여 판정되는 것인, 운동 수행을 분석하기 위한 방법.
  5. 제1항에 있어서,
    상기 제1 지속시간에 적어도 부분적으로 기초하여 누적 체공 시간을 판정하는 단계
    를 더 포함하는, 운동 수행을 분석하기 위한 방법.
  6. 제1항에 있어서,
    상기 하나 이상의 사전결정된 활동 템플릿 중 제1 활동 템플릿이 상기 제1 세트의 타임스탬프들과 매칭된다고 판정한 후에, 상기 제1 활동 템플릿의 교정(calibration)을 개시하는 단계
    를 더 포함하는, 운동 수행을 분석하기 위한 방법.
  7. 제1항에 있어서,
    상기 하나 이상의 사전결정된 활동 템플릿 중 제1 활동 템플릿이 상기 제1 세트의 타임스탬프들과 매칭된다고 판정한 후에, 상기 발 센서 시스템의 적어도 제1 센서의 교정을 개시하는 단계
    를 더 포함하는, 운동 수행을 분석하기 위한 방법.
  8. 제1항에 있어서,
    상기 발 센서 시스템으로부터 획득된 발 론칭 입력 데이터 및 발 스트라이크 입력 데이터에 기초하여, 제1 기간 동안의 제1 사용자의 순시 체공 시간(instantaneous flight time)을 판정하는 단계
    를 더 포함하는, 운동 수행을 분석하기 위한 방법.
  9. 제1항에 있어서, 상기 판정된 제1 체공 시간을 입증하는 단계는,
    상기 오른발 론칭 이벤트 및 상기 왼발 론칭 이벤트 중 적어도 하나 전에 상기 오른발 스트라이크 이벤트 또는 상기 왼발 스트라이크 이벤트가 발생했는지 여부를 판정하는 단계
    를 더 포함하는 것인, 운동 수행을 분석하기 위한 방법.
  10. 제1항에 있어서, 상기 판정된 제1 체공 시간을 입증하는 단계는,
    적어도 사전결정된 기간 동안 하나의 운동 장비에 대한 제1 근접지 내에 제1 센서가 있는지 여부를 판정하는 단계
    를 더 포함하는 것인, 운동 수행을 분석하기 위한 방법.
  11. 제1항에 있어서, 상기 판정된 제1 체공 시간을 입증하는 단계는,
    상기 제1 체공 시간이 사전결정된 임계 값을 초과하는지 여부를 판정하는 단계
    를 더 포함하는 것인, 운동 수행을 분석하기 위한 방법.
  12. 컴퓨터 실행가능 명령어들이 저장된 비일시적 컴퓨터 판독가능 매체에 있어서, 상기 컴퓨터 실행가능 명령어들은, 프로세서에 의해 실행될 때, 상기 프로세서로 하여금 적어도,
    복수의 오른발 론칭 이벤트들 및 복수의 왼발 론칭 이벤트들에 관한 발 센서 시스템으로부터 발 론칭 입력 데이터 - 상기 발 론칭 입력 데이터는, 각각의 오른발 론칭 이벤트 또는 왼발 론칭 이벤트가 발생한 시간을 나타내는 각각의 발 론칭 이벤트와 연관된 타임스탬프를 적어도 포함함 - 를 수신하는 단계;
    복수의 오른발 스트라이크 이벤트들 및 복수의 왼발 스트라이크 이벤트들에 관한 발 센서 시스템으로부터 발 스트라이크 입력 데이터 - 상기 발 스트라이크 입력 데이터는, 각각의 오른발 스트라이크 이벤트 또는 왼발 스트라이크 이벤트가 발생한 시간을 나타내는 각각의 발 스트라이크 이벤트와 연관된 타임스탬프를 적어도 포함함 - 를 수신하는 단계;
    복수의 타임스탬프들에서 제1 세트의 타임스탬프들 - 상기 제1 세트의 타임스탬프들은, 시간적으로 인접한 오른발 론칭 이벤트, 왼발 론칭 이벤트, 오른발 스트라이크 이벤트, 및 왼발 스트라이크 이벤트를 포함함 - 을 식별하는 단계;
    상기 제1 세트의 타임스탬프들을 하나 이상의 사전결정된 활동 템플릿과 비교하는 단계;
    상기 비교에 기초하여, 상기 제1 세트의 타임스탬프들과 연관된 제1 체공 시간 - 상기 제1 체공 시간은, 왼발 및 오른발 양측 모두가 동시에 지표면과 접촉하지 않을 때 상기 제1 세트의 타임스탬프들에 의해 포함되는 제1 지속시간에 적어도 부분적으로 기초함 - 을 판정하는 단계;
    제1 이미지 캡처링 디바이스로부터, 시간적으로 인접한 오른발 론칭 이벤트, 왼발 론칭 이벤트, 오른발 스트라이크 이벤트, 및 왼발 스트라이크 이벤트에 대응하는 비디오 데이터를 수신하는 단계;
    상기 수신된 비디오 데이터에 기초하여 상기 제1 세트의 타임스탬프들과 연관된 상기 판정된 제1 체공 시간을 수정하는 단계; 및
    상기 제1 세트의 타임스탬프들 및 상기 수신된 비디오 데이터에 적어도 부분적으로 기초하여 상기 판정된 제1 체공 시간을 입증하는 단계
    를 수행하게 하는 것인, 비일시적 컴퓨터 판독가능 매체.
  13. 제12항에 있어서, 상기 컴퓨터 실행가능 명령어들은, 실행될 때, 상기 프로세서로 하여금 또한,
    상기 비교에 기초하여, 복수의 사전결정된 활동 템플릿들이 상기 제1 세트의 타임스탬프들에 대응한다고 판정하고,
    상기 복수의 사전결정된 활동 템플릿들 중, 상기 제1 세트의 타임스탬프들과 최고 매칭 레벨을 갖는 제1 사전결정된 활동 템플릿을 선택하게 하는 것인, 비일시적 컴퓨터 판독가능 매체.
  14. 제12항에 있어서, 상기 컴퓨터 실행가능 명령어들은, 실행될 때, 상기 프로세서로 하여금 또한,
    상기 제1 체공 시간에 적어도 부분적으로 기초하여, 상기 제1 체공 시간과 연관된 이벤트에 대한 제1 점프 높이를 판정하게 하는 것인, 비일시적 컴퓨터 판독가능 매체.
  15. 제14항에 있어서, 상기 제1 점프 높이는, 상기 제1 체공 시간 및 선형 회귀 모델을 이용하여 판정되는 것인, 비일시적 컴퓨터 판독가능 매체.
  16. 제12항에 있어서, 상기 컴퓨터 실행가능 명령어들은, 실행될 때, 상기 프로세서로 하여금 또한,
    상기 제1 지속시간에 적어도 부분적으로 기초하여 누적 체공 시간을 판정하게 하는 것인, 비일시적 컴퓨터 판독가능 매체.
  17. 제12항에 있어서, 상기 컴퓨터 실행가능 명령어들은, 실행될 때, 상기 프로세서로 하여금 또한,
    상기 하나 이상의 사전결정된 활동 템플릿 중 제1 활동 템플릿이 상기 제1 세트의 타임스탬프들과 매칭된다고 판정한 후에, 상기 제1 활동 템플릿의 교정을 개시하게 하는 것인, 비일시적 컴퓨터 판독가능 매체.
  18. 제12항에 있어서, 상기 컴퓨터 실행가능 명령어들은, 실행될 때, 상기 프로세서로 하여금 또한,
    상기 하나 이상의 사전결정된 활동 템플릿 중 제1 활동 템플릿이 상기 제1 세트의 타임스탬프들과 매칭된다고 판정한 후에, 상기 발 센서 시스템의 적어도 제1 센서의 교정을 개시하게 하는 것인, 비일시적 컴퓨터 판독가능 매체.
  19. 제12항에 있어서, 상기 컴퓨터 실행가능 명령어들은, 실행될 때, 상기 프로세서로 하여금 또한,
    적어도 사전결정된 기간 동안 하나의 운동 장비에 대한 제1 근접지 내에 제1 센서가 있는지 여부를 판정함으로써, 상기 제1 체공 시간을 입증하게 하는 것인, 비일시적 컴퓨터 판독가능 매체.
  20. 제12항에 있어서, 상기 컴퓨터 실행가능 명령어들은, 실행될 때, 상기 프로세서로 하여금 또한,
    상기 제1 체공 시간이 사전결정된 임계 값을 초과하는지 여부를 판정함으로써, 상기 제1 체공 시간을 입증하게 하는 것인, 비일시적 컴퓨터 판독가능 매체.
  21. 삭제
KR1020207014746A 2013-12-02 2014-12-02 체공 시간 KR102469716B1 (ko)

Priority Applications (2)

Application Number Priority Date Filing Date Title
KR1020227040339A KR20220159482A (ko) 2013-12-02 2014-12-02 체공 시간
KR1020227006895A KR102410180B1 (ko) 2013-12-02 2014-12-02 체공 시간

Applications Claiming Priority (6)

Application Number Priority Date Filing Date Title
US201361910912P 2013-12-02 2013-12-02
US61/910,912 2013-12-02
US201361911420P 2013-12-03 2013-12-03
US61/911,420 2013-12-03
KR1020197003122A KR102116802B1 (ko) 2013-12-02 2014-12-02 체공 시간
PCT/US2014/068067 WO2015084793A1 (en) 2013-12-02 2014-12-02 Flight time

Related Parent Applications (1)

Application Number Title Priority Date Filing Date
KR1020197003122A Division KR102116802B1 (ko) 2013-12-02 2014-12-02 체공 시간

Related Child Applications (2)

Application Number Title Priority Date Filing Date
KR1020227006895A Division KR102410180B1 (ko) 2013-12-02 2014-12-02 체공 시간
KR1020227040339A Division KR20220159482A (ko) 2013-12-02 2014-12-02 체공 시간

Publications (2)

Publication Number Publication Date
KR20200060541A KR20200060541A (ko) 2020-05-29
KR102469716B1 true KR102469716B1 (ko) 2022-11-21

Family

ID=52134419

Family Applications (6)

Application Number Title Priority Date Filing Date
KR1020187012440A KR101954042B1 (ko) 2013-12-02 2014-12-02 체공 시간
KR1020227006895A KR102410180B1 (ko) 2013-12-02 2014-12-02 체공 시간
KR1020167017686A KR101946033B1 (ko) 2013-12-02 2014-12-02 체공 시간
KR1020197003122A KR102116802B1 (ko) 2013-12-02 2014-12-02 체공 시간
KR1020207014746A KR102469716B1 (ko) 2013-12-02 2014-12-02 체공 시간
KR1020227040339A KR20220159482A (ko) 2013-12-02 2014-12-02 체공 시간

Family Applications Before (4)

Application Number Title Priority Date Filing Date
KR1020187012440A KR101954042B1 (ko) 2013-12-02 2014-12-02 체공 시간
KR1020227006895A KR102410180B1 (ko) 2013-12-02 2014-12-02 체공 시간
KR1020167017686A KR101946033B1 (ko) 2013-12-02 2014-12-02 체공 시간
KR1020197003122A KR102116802B1 (ko) 2013-12-02 2014-12-02 체공 시간

Family Applications After (1)

Application Number Title Priority Date Filing Date
KR1020227040339A KR20220159482A (ko) 2013-12-02 2014-12-02 체공 시간

Country Status (6)

Country Link
US (9) US9529011B2 (ko)
EP (2) EP3709304A1 (ko)
JP (4) JP6246370B2 (ko)
KR (6) KR101954042B1 (ko)
CN (3) CN112578663B (ko)
WO (2) WO2015084793A1 (ko)

Families Citing this family (76)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9339691B2 (en) 2012-01-05 2016-05-17 Icon Health & Fitness, Inc. System and method for controlling an exercise device
RU2531689C1 (ru) * 2013-03-05 2014-10-27 Общество С Ограниченной Ответственностью "Хилби" Способ мониторинга двигательной нагрузки человека и стелька, предназначенная для его осуществления
WO2014153158A1 (en) 2013-03-14 2014-09-25 Icon Health & Fitness, Inc. Strength training apparatus with flywheel and related methods
KR101954042B1 (ko) 2013-12-02 2019-03-04 나이키 이노베이트 씨.브이. 체공 시간
KR101752522B1 (ko) * 2013-12-24 2017-06-29 엘에스산전 주식회사 버퍼의 용량 설정방법
EP3086865B1 (en) 2013-12-26 2020-01-22 Icon Health & Fitness, Inc. Magnetic resistance mechanism in a cable machine
US10433612B2 (en) 2014-03-10 2019-10-08 Icon Health & Fitness, Inc. Pressure sensor to quantify work
US10595581B2 (en) * 2014-04-14 2020-03-24 Flyclip, LLC Lace adjuster assembly including feedback assembly for use in visualizing and measuring athletic performance
US10426989B2 (en) 2014-06-09 2019-10-01 Icon Health & Fitness, Inc. Cable system incorporated into a treadmill
WO2015195965A1 (en) 2014-06-20 2015-12-23 Icon Health & Fitness, Inc. Post workout massage device
US9386401B2 (en) * 2014-08-25 2016-07-05 Steven K. Gold Proximity-based sensing, communicating, and processing of user physiologic information
US20180227735A1 (en) * 2014-08-25 2018-08-09 Phyziio, Inc. Proximity-Based Attribution of Rewards
US20160065655A1 (en) * 2014-08-29 2016-03-03 Microsoft Technology Licensing, Llc Active and passive chained subscriptions
GB2532450B (en) * 2014-11-19 2019-05-15 Suunto Oy Wearable sports monitoring equipment with context determination capabilities and relating method
US10391361B2 (en) 2015-02-27 2019-08-27 Icon Health & Fitness, Inc. Simulating real-world terrain on an exercise device
US11874716B2 (en) 2015-08-05 2024-01-16 Suunto Oy Embedded computing device management
US20170055918A1 (en) 2015-08-28 2017-03-02 Focus Ventures, Inc. Automated motion of interest recognition, detection and self-learning
JP2017063949A (ja) * 2015-09-29 2017-04-06 ソニー株式会社 情報処理装置、情報処理方法、およびプログラム
US11263461B2 (en) * 2015-10-05 2022-03-01 Pillar Vision, Inc. Systems and methods for monitoring objects at sporting events
US10299702B2 (en) * 2015-11-11 2019-05-28 Zwift, Inc. Devices and methods for determining step characteristics
US10828550B2 (en) * 2015-11-20 2020-11-10 Yi Liang Systems and methods for a smart trampoline jumping mat
US11144107B2 (en) 2015-12-01 2021-10-12 Amer Sports Digital Services Oy Apparatus and method for presenting thematic maps
US11210299B2 (en) 2015-12-01 2021-12-28 Amer Sports Digital Services Oy Apparatus and method for presenting thematic maps
US11215457B2 (en) 2015-12-01 2022-01-04 Amer Sports Digital Services Oy Thematic map based route optimization
US11137820B2 (en) 2015-12-01 2021-10-05 Amer Sports Digital Services Oy Apparatus and method for presenting thematic maps
US9984549B2 (en) * 2015-12-14 2018-05-29 Intel Corporation Networked sensor systems and methods
US11541280B2 (en) 2015-12-21 2023-01-03 Suunto Oy Apparatus and exercising device
US11284807B2 (en) 2015-12-21 2022-03-29 Amer Sports Digital Services Oy Engaging exercising devices with a mobile device
US11587484B2 (en) 2015-12-21 2023-02-21 Suunto Oy Method for controlling a display
US11838990B2 (en) 2015-12-21 2023-12-05 Suunto Oy Communicating sensor data in wireless communication systems
DE102016015065A1 (de) 2015-12-21 2017-06-22 Suunto Oy Aktivitätsintensitätspegel-Bestimmungsfeld
GB2545668B (en) 2015-12-21 2020-05-20 Suunto Oy Sensor based context management
US11857842B2 (en) 2015-12-21 2024-01-02 Suunto Oy Apparatus and exercising device
US10293207B1 (en) * 2015-12-31 2019-05-21 Mayfonk Athletic Llc Athletic performance estimation techniques
JP6718681B2 (ja) * 2016-01-05 2020-07-08 ローム株式会社 センサ装置、センサネットワークシステム、およびデータ圧縮方法
US10161954B2 (en) * 2016-01-22 2018-12-25 Htc Corporation Motion detecting device and detecting method for repetitive motion
KR102395832B1 (ko) * 2016-02-23 2022-05-09 삼성전자주식회사 운동 정보 제공 방법 및 이를 지원하는 전자 장치
US10272317B2 (en) 2016-03-18 2019-04-30 Icon Health & Fitness, Inc. Lighted pace feature in a treadmill
US10493349B2 (en) 2016-03-18 2019-12-03 Icon Health & Fitness, Inc. Display on exercise device
US10625137B2 (en) 2016-03-18 2020-04-21 Icon Health & Fitness, Inc. Coordinated displays in an exercise device
ITUA20161777A1 (it) * 2016-03-18 2017-09-18 Essematica S P A Procedimento per il rilevamento e monitoraggio delle condizioni di allenamento di un atleta a fini riabilitativi, rispettivamente di prevenzione di infortuni.
KR102475627B1 (ko) * 2016-05-18 2022-12-08 엘지전자 주식회사 스마트 단말 서비스 시스템 및 데이터를 처리하는 스마트 단말기
FR3053490A1 (fr) * 2016-06-29 2018-01-05 Piq Capteur, systeme d'analyse statistique et procede de determination et d'affichage de la hauteur d'un saut effectue par un sportif
US10412148B2 (en) * 2016-07-21 2019-09-10 Microsoft Technology Licensing, Llc Systems and methods for event aggregation to reduce network bandwidth and improve network and activity feed server efficiency
US20180049671A1 (en) * 2016-08-18 2018-02-22 Timothy W. Markison Wireless in-shoe physical activity monitoring dongle
EP3500950A4 (en) * 2016-08-19 2020-07-22 6Degrees Ltd. MEASUREMENT AND ANALYSIS OF PHYSICAL ACTIVITY
US11413514B2 (en) * 2016-08-23 2022-08-16 Pillar Vision, Inc. Systems and methods for evaluating player performance
US11896884B2 (en) 2017-08-23 2024-02-13 Pillar Vision, Inc. Systems and methods for evaluating player performance
US10671705B2 (en) 2016-09-28 2020-06-02 Icon Health & Fitness, Inc. Customizing recipe recommendations
DE102017009171A1 (de) 2016-10-17 2018-04-19 Amer Sports Digital Services Oy Eingebettete rechenvorrichtung
US11703938B2 (en) 2016-10-17 2023-07-18 Suunto Oy Embedded computing device
EP3332697B1 (fr) * 2016-12-12 2019-08-14 The Swatch Group Research and Development Ltd Procédé de détection et de calcul de durée d'un saut
US10874347B1 (en) * 2017-03-02 2020-12-29 Focal Wellness, Inc. Multiple plane sensors
CN107048569B (zh) * 2017-03-31 2020-12-15 台州市吉吉知识产权运营有限公司 一种智能鞋、运动信息获取系统和方法
US20180280760A1 (en) * 2017-04-03 2018-10-04 Under Armour, Inc. Apparatus and method for determining athletic readiness
CN107184216B (zh) * 2017-05-12 2019-12-17 深圳市沃特沃德股份有限公司 运动信息获取方法和装置
WO2018236702A1 (en) * 2017-06-19 2018-12-27 Google Llc RECOGNITION OF MOTION MOTIF USING CLOTHING MOTION SENSORS
CN109297484A (zh) * 2017-07-25 2019-02-01 北京信息科技大学 一种有步态约束的行人自主定位误差修正方法
KR102064591B1 (ko) * 2017-07-31 2020-01-09 충남대학교산학협력단 에너지 소비량을 산출하는 스마트 슈즈 시스템
EP4064769A1 (en) * 2017-11-15 2022-09-28 Sony Group Corporation Terminal device, infrastructure equipment and methods
JP6781200B2 (ja) * 2018-06-05 2020-11-04 美津濃株式会社 運動支援システムおよびプログラム
US11350853B2 (en) 2018-10-02 2022-06-07 Under Armour, Inc. Gait coaching in fitness tracking systems
JP6888605B2 (ja) * 2018-12-19 2021-06-16 カシオ計算機株式会社 トレーニング判別装置、トレーニング判別方法及びトレーニング判別プログラム
TWI729596B (zh) * 2018-12-21 2021-06-01 芬蘭商亞瑪芬體育數字服務公司 感測器資料管理
US11007406B2 (en) 2019-05-03 2021-05-18 Xperience Robotics, Inc. Wearable device systems and methods for guiding physical movements
US11878212B2 (en) * 2019-05-09 2024-01-23 Patrick Louis Burton Martial arts training system
CN111339480B (zh) * 2020-02-12 2023-10-24 爱慕股份有限公司 运动文胸减震效果评价方法
CN111672087B (zh) * 2020-06-13 2021-05-07 曲灏辰 一种适用于街舞的肌肉震动检测系统和检测方法
US11182225B1 (en) * 2020-06-19 2021-11-23 Jpmorgan Chase Bank, N.A. Method and apparatus for cloud service provider events generation and management
US20220022590A1 (en) * 2020-07-22 2022-01-27 LaChelle Sanders Customizable Footwear
CN112569567B (zh) * 2020-12-11 2022-03-08 简极科技有限公司 护腿板监测方法
CN112869286A (zh) * 2021-01-15 2021-06-01 深圳如果技术有限公司 一种辅助行进的鞋套和方法
JP7071018B1 (ja) 2021-02-16 2022-05-18 Ｎｅｃプラットフォームズ株式会社 評価装置、方法及びプログラム
CN113617013A (zh) * 2021-04-21 2021-11-09 北京交通大学 基于加速度检测跳跃参数方法及装置
US11841281B2 (en) * 2021-06-03 2023-12-12 Accenture Global Solutions Limited Flexible pressure sensors
FR3126095A1 (fr) 2021-08-10 2023-02-17 Digitsole Systeme et procede pour l’analyse de l’etat physiologique d’un utilisateur

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2013022344A1 (en) * 2011-08-09 2013-02-14 Nederlandse Organisatie Voor Toegepast-Natuurwetenschappelijk Onderzoek Tno Method and system for feedback on running style field and background of the invention
US20130190903A1 (en) * 2012-01-19 2013-07-25 Nike, Inc. Action Detection and Activity Classification

Family Cites Families (48)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2593118B2 (ja) * 1991-10-28 1997-03-26 山武ハネウエル株式会社 リピータ
CN2117626U (zh) * 1991-11-12 1992-09-30 江汉大学 纵跳腾空时间测试器
US5343445A (en) * 1993-07-06 1994-08-30 David Stern Athletic shoe with timing device
US7386401B2 (en) 1994-11-21 2008-06-10 Phatrat Technology, Llc Helmet that reports impact information, and associated methods
US5720200A (en) * 1995-01-06 1998-02-24 Anderson; Kenneth J. Performance measuring footwear
JP3145285B2 (ja) 1995-10-31 2001-03-12 日立テクノエンジニアリング株式会社 走行・運動訓練装置
US6898550B1 (en) * 1997-10-02 2005-05-24 Fitsense Technology, Inc. Monitoring activity of a user in locomotion on foot
US6611789B1 (en) * 1997-10-02 2003-08-26 Personal Electric Devices, Inc. Monitoring activity of a user in locomotion on foot
US6018705A (en) * 1997-10-02 2000-01-25 Personal Electronic Devices, Inc. Measuring foot contact time and foot loft time of a person in locomotion
AU4448301A (en) * 2000-03-15 2001-09-24 Conor O'brien An exercise monitoring apparatus
US8206219B2 (en) 2002-10-30 2012-06-26 Nike, Inc. Interactive gaming apparel for interactive gaming
ES2237280B1 (es) * 2003-04-14 2006-10-01 Universidad De Cadiz Sistema de deteccion de apoyos via radio.
CA2532155A1 (en) * 2003-07-14 2005-01-20 Fusion Sport International Pty Ltd Sports training and testing methods, apparatus and system
US20050272564A1 (en) 2004-06-02 2005-12-08 Johnson Health Tech Co., Ltd. Exercise apparatus and method for tracking number of steps
US7254516B2 (en) * 2004-12-17 2007-08-07 Nike, Inc. Multi-sensor monitoring of athletic performance
CN101119773B (zh) 2005-02-14 2010-09-29 皇家飞利浦电子股份有限公司 用于再现人体感知信号的电子设备和方法
US7818131B2 (en) 2005-06-17 2010-10-19 Venture Gain, L.L.C. Non-parametric modeling apparatus and method for classification, especially of activity state
US7444767B2 (en) * 2005-11-15 2008-11-04 Nike, Inc. Article of footwear with midsole having higher density peripheral portion
US20100204615A1 (en) * 2006-01-20 2010-08-12 6Th Dimension Devices Inc. Method and system for assessing athletic performance
CN106955464B (zh) 2006-09-07 2020-09-29 耐克创新有限合伙公司 运动表现系统
US7853428B2 (en) 2007-01-11 2010-12-14 Yamaha Corporation Apparatus for displaying fitness exercise condition
CN106943726A (zh) 2007-03-30 2017-07-14 耐克创新有限合伙公司 无线电频率识别技术触发的个人运动装置
US8702430B2 (en) 2007-08-17 2014-04-22 Adidas International Marketing B.V. Sports electronic training system, and applications thereof
US8077915B2 (en) 2007-10-12 2011-12-13 Sony Ericsson Mobile Communications Ab Obtaining information by tracking a user
CN102143695A (zh) 2008-06-13 2011-08-03 耐克国际有限公司 具有传感器系统的鞋
US10070680B2 (en) * 2008-06-13 2018-09-11 Nike, Inc. Footwear having sensor system
US20100184564A1 (en) * 2008-12-05 2010-07-22 Nike, Inc. Athletic Performance Monitoring Systems and Methods in a Team Sports Environment
EP2398383A4 (en) * 2009-02-20 2013-07-03 Univ Colorado Regents ARTICLE BASED BODY WEIGHT MONITOR AND POSITIONING INSTRUCTION, CLASSIFICATION OF BODY ACTIVITIES AND ENERGY CONSUMPTION CALCULATOR
US8540560B2 (en) 2009-03-27 2013-09-24 Infomotion Sports Technologies, Inc. Monitoring of physical training events
FR2943527B1 (fr) * 2009-03-31 2012-07-06 Movea Systeme et procede d'observation d'une activite de marche d'une personne
US8253586B1 (en) 2009-04-24 2012-08-28 Mayfonk Art, Inc. Athletic-wear having integral measuring sensors
CN103955131B (zh) * 2009-04-26 2017-04-12 耐克创新有限合伙公司 在运动手表系统中的gps特征和功能
EP2311537A1 (en) * 2009-10-02 2011-04-20 Ball-IT Oy Method and means for a throwable gaming control
WO2011063990A2 (en) 2009-11-30 2011-06-03 Ludwig-Maximilians-Universität München Silk particles for controlled and sustained delivery of compounds
CA2787888C (en) 2010-02-16 2016-04-19 Toray Industries, Inc. Low water content soft lens for eye, and method for producing the same
US9392941B2 (en) * 2010-07-14 2016-07-19 Adidas Ag Fitness monitoring methods, systems, and program products, and applications thereof
US8990006B1 (en) 2010-08-24 2015-03-24 Abvio Inc. Monitoring and tracking personal fitness information
US9283429B2 (en) * 2010-11-05 2016-03-15 Nike, Inc. Method and system for automated personal training
KR101560955B1 (ko) 2010-11-10 2015-10-15 나이키 이노베이트 씨.브이. 시간 기반 체육 활동 측정 및 표시를 위한 시스템 및 방법
KR101810751B1 (ko) 2011-02-17 2017-12-19 나이키 이노베이트 씨.브이. 물리적 활동 데이터와 영상 데이터간의 선택 및 상관
US8460001B1 (en) 2011-04-14 2013-06-11 Thomas C. Chuang Athletic performance monitoring with overstride detection
EP2805274B1 (en) * 2012-01-18 2023-09-06 NIKE Innovate C.V. Activity identification
US20130213144A1 (en) * 2012-02-22 2013-08-22 Nike, Inc. Footwear Having Sensor System
US9737261B2 (en) 2012-04-13 2017-08-22 Adidas Ag Wearable athletic activity monitoring systems
US9398867B2 (en) * 2013-01-07 2016-07-26 Archinoetics Llc Efficient activity classification from motion inputs
US20140288878A1 (en) 2013-03-15 2014-09-25 Aliphcom Identification of motion characteristics to determine activity
US20150057966A1 (en) 2013-08-23 2015-02-26 Xband Technology Corporation Jump Sensor Device
KR101954042B1 (ko) 2013-12-02 2019-03-04 나이키 이노베이트 씨.브이. 체공 시간

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2013022344A1 (en) * 2011-08-09 2013-02-14 Nederlandse Organisatie Voor Toegepast-Natuurwetenschappelijk Onderzoek Tno Method and system for feedback on running style field and background of the invention
US20130190903A1 (en) * 2012-01-19 2013-07-25 Nike, Inc. Action Detection and Activity Classification

Also Published As

Publication number Publication date
KR20190014591A (ko) 2019-02-12
KR20160093684A (ko) 2016-08-08
US20210151181A1 (en) 2021-05-20
CN112578663B (zh) 2022-08-19
CN106455745B (zh) 2020-12-04
US20180154214A1 (en) 2018-06-07
US20150151160A1 (en) 2015-06-04
US11862334B2 (en) 2024-01-02
KR102410180B1 (ko) 2022-06-23
KR101946033B1 (ko) 2019-02-08
US20150153374A1 (en) 2015-06-04
WO2015084793A1 (en) 2015-06-11
CN115421368A (zh) 2022-12-02
JP2018057882A (ja) 2018-04-12
WO2015084839A1 (en) 2015-06-11
EP3077937A1 (en) 2016-10-12
JP6246370B2 (ja) 2017-12-13
US10286255B2 (en) 2019-05-14
JP6574232B2 (ja) 2019-09-11
KR20180049242A (ko) 2018-05-10
US20150265877A1 (en) 2015-09-24
US10207149B2 (en) 2019-02-19
JP2017506524A (ja) 2017-03-09
JP2019213900A (ja) 2019-12-19
KR101954042B1 (ko) 2019-03-04
KR102116802B1 (ko) 2020-06-01
US20190151715A1 (en) 2019-05-23
KR20220033528A (ko) 2022-03-16
US10933281B2 (en) 2021-03-02
US20240079134A1 (en) 2024-03-07
US9523704B2 (en) 2016-12-20
KR20220159482A (ko) 2022-12-02
US9529011B2 (en) 2016-12-27
JP7324266B2 (ja) 2023-08-09
EP3077937B1 (en) 2020-07-15
JP2022024130A (ja) 2022-02-08
EP3709304A1 (en) 2020-09-16
KR20200060541A (ko) 2020-05-29
US20150362519A1 (en) 2015-12-17
US9810709B2 (en) 2017-11-07
CN112578663A (zh) 2021-03-30
CN106455745A (zh) 2017-02-22
JP6983841B2 (ja) 2021-12-17
US9908000B2 (en) 2018-03-06
US20170120109A1 (en) 2017-05-04

Similar Documents

Publication Publication Date Title
JP7324266B2 (ja) 飛行時間
US9999806B2 (en) Action detection and activity classification

Legal Events

Date Code Title Description
A107 Divisional application of patent
A201 Request for examination
E902 Notification of reason for refusal
AMND Amendment
E601 Decision to refuse application
AMND Amendment
E90F Notification of reason for final refusal
X601 Decision of rejection after re-examination
J201 Request for trial against refusal decision
J301 Trial decision

Free format text: TRIAL NUMBER: 2022101000453; TRIAL DECISION FOR APPEAL AGAINST DECISION TO DECLINE REFUSAL REQUESTED 20220228

Effective date: 20220718

GRNO Decision to grant (after opposition)
GRNT Written decision to grant