KR20080029209A - Method of step detection at pedometer - Google Patents

Method of step detection at pedometer Download PDF

Info

Publication number
KR20080029209A
KR20080029209A KR1020060094984A KR20060094984A KR20080029209A KR 20080029209 A KR20080029209 A KR 20080029209A KR 1020060094984 A KR1020060094984 A KR 1020060094984A KR 20060094984 A KR20060094984 A KR 20060094984A KR 20080029209 A KR20080029209 A KR 20080029209A
Authority
KR
South Korea
Prior art keywords
peak
low
immediately
value
peaks
Prior art date
Application number
KR1020060094984A
Other languages
Korean (ko)
Inventor
허성민
Original Assignee
모비온모바일
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 모비온모바일 filed Critical 모비온모바일
Priority to KR1020060094984A priority Critical patent/KR20080029209A/en
Publication of KR20080029209A publication Critical patent/KR20080029209A/en

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C22/00—Measuring distance traversed on the ground by vehicles, persons, animals or other moving solid bodies, e.g. using odometers, using pedometers
    • G01C22/006—Pedometers
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
    • A61B5/112—Gait analysis
    • A—HUMAN NECESSITIES
    • A63—SPORTS; GAMES; AMUSEMENTS
    • A63B—APPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
    • A63B24/00—Electric or electronic controls for exercising apparatus of preceding groups; Controlling or monitoring of exercises, sportive games, training or athletic performances
    • A63B24/0062—Monitoring athletic performances, e.g. for determining the work of a user on an exercise apparatus, the completed jogging or cycling distance
    • A—HUMAN NECESSITIES
    • 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
    • A63B2220/40—Acceleration

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Pathology (AREA)
  • Dentistry (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Medical Informatics (AREA)
  • Molecular Biology (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Biophysics (AREA)
  • Physiology (AREA)
  • Public Health (AREA)
  • Veterinary Medicine (AREA)
  • Physical Education & Sports Medicine (AREA)
  • General Physics & Mathematics (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Measurement Of Distances Traversed On The Ground (AREA)

Abstract

A step counting method of a pedometer is provided to increase accuracy of step-counting by searching continuous high-low-high peak signals from low-frequency signals and by registering a step when the values, difference and interval of the signals are within a critical range. A step counting method of a pedometer comprises: generating acceleration data from an acceleration sensor(100); removing frequency information from the acceleration data using a low-pass filter(200); calculating a scalar value by operation of low-frequency data(300); searching a high peak and a low peak from the low-frequency data(400); registering a step when the high and low peak values are within a predetermined range and the difference and interval between the values is within a predetermined range(500); registering a step when the number of steps is more than a regular number(600); and displaying the number of registered steps on a display unit of a portable terminal(700).

Description

만보계 걸음산출방법{METHOD OF STEP DETECTION AT PEDOMETER}METHODE OF STEP DETECTION AT PEDOMETER}

도1은 본 발명에 따른 일실시예를 도시한 흐름도.1 is a flow diagram illustrating one embodiment in accordance with the present invention.

도2는 본 발명에 따른 일실시예에 있어서, 움직임 검출을 설명하기 위한 모식도.Figure 2 is a schematic diagram for explaining the motion detection in one embodiment according to the present invention.

*** 도면의 주요부분에 대한 부호설명 ****** Explanation of main parts of drawing ***

100. 가속도데이터 생성단계 200. 저주파데이터 생성단계100. Acceleration data generation step 200. Low frequency data generation step

300. 스칼라변환단계 400. 피크 도출단계300. Scalar transform step 400. Peak derivation step

500. 걸음 인식단계 600. 연속걸음 인식단계500. Step recognition step 600. Continuous step recognition step

700. 디스플레이단계700. Display Step

기존의 만보계는 걸음 인지를 위해 기계적인 스위치를 사용하거나 MEMS 기술을 사용한 Chip Type의 가속도계를 사용하여도 하이 피크만을 이용하여 정확성이 떨어졌으나, 본 발명은 Chip 타입의 가속도계에서 수집된 가속도 데이터를 로우패스필터를 통과하여 고주파 신호를 제거하고 남은 저주파 신호에서, 연속된 하이-로우-하이 피크 신호들을 찾아낸 후, 이들의 값, 차이 및 간격이 지정된 임계 범위 내에 있으면 하나의 걸음으로 인식하여 기존의 방법보다 훨씬 정확도가 높은 결과를 나타내며, 이들 임계 값들을 사용자 상황 및 환경에 맞게 조절할 수 있어 신뢰성을 더욱 높일 수 있는 방법을 제공하며, 만보계 또는 휴대 통신 장치에 적용할 수 있다.Conventional pedometers are less accurate using only high peaks even when using a mechanical switch or a chip type accelerometer using MEMS technology to recognize steps, but the present invention uses low acceleration data collected from a chip type accelerometer. After the high frequency signal is removed through the pass filter, continuous high-low-high peak signals are found, and if their values, differences, and intervals are within a specified threshold range, they are recognized as one step. The result is much more accurate, these thresholds can be adjusted to the user's situation and environment, providing a way to further increase reliability, and can be applied to pedometers or portable communication devices.

1. 기존의 걸음 검출 알고리즘보다 정확도가 높은 알고리즘의 구현1. Implementation of Algorithm with High Accuracy than Conventional Step Detection Algorithm

2. 걸음이 아닌 움직임을 걸러낼 수 있는 알고리즘의 구현2. Implementation of an algorithm that can filter out movement rather than steps

1. 사람의 걸음 검출 알고리즘1. Human step detection algorithm

Chip-Type의 가속도계는 매우 정밀하여 걸음 이외의 미세한 변화까지도 알려준다. 따라서, 사람의 걸음걸이는 보통 초당 2~3회 정도 이므로, 이 데이터들을 수 Hz 정도의 낮은 주파수 대역만 통과시켜(Low-Pass Filter) 걸음걸이에 관련된 데이터만 얻어낸다.Chip-type accelerometers are so precise that they can tell you even the smallest changes. Therefore, since the human gait is usually about 2 to 3 times per second, the data are passed through only a low frequency band of several Hz (Low-Pass Filter) to obtain only data related to the gait.

이렇게 걸러진 데이터는 sin함수와 유사한 그래프 형태를 가지고 있으며, 방향 성 분을 제외한 크기 값(스칼라,

Figure 112006071043229-PAT00001
)에 대해 다음의 조건들을 만족할 경우 하나의 걸음으로 판단하게 된다.The filtered data has a graph form similar to the sin function, and has a size value (scalar,
Figure 112006071043229-PAT00001
If the following conditions are satisfied,), it is determined as one step.

(1) 일정한 구한 내에 하이 피크 --- 로우 피크 --- 하이 피크 형태의 피크 지점들이 존재함.(1) There are peak points in the form of high peak --- low peak --- high peak within a certain equation.

(2) 1번 항목의 각 피크 간 간격에 지정된 범위 내에 있어야 함.(2) It must be within the range specified in the interval between each peak of item 1.

(3) 각 피크 값들은 지정된 값 범위 내에 있어야 함.(3) Each peak value must be within the specified value range.

(4) 위의 조건들을 만족할 경우, 첫 번째 피크 지점에서 걸음걸이 발생.(4) If the above conditions are met, a walk occurs at the first peak point.

(5) 두 번째 하이 피크 값은 다음 걸음걸이의 첫 번째 하이 피크로 다시 사용된다.(5) The second high peak value is used again as the first high peak of the next step.

(6) 마지막 걸음의 경우 두 번째 하이 피크가 없을 수도 있으므로, 이 경우에는 첫 번째 하이 피크와 로우 피크 값만을 이용해 걸음을 인지한다.(6) In the case of the last step, there may not be a second high peak. In this case, only the first high and low peak values are used to recognize the step.

위의 조건들을 수식으로 표현하면 다음과 같다.The above conditions are expressed as an expression as follows.

Figure 112006071043229-PAT00002
Figure 112006071043229-PAT00002

피크 값들을 찾기 위해서는 r 값의 변곡점을 찾으면 되고, 각 피크 값들의 시간 간격이나 크기 차이가 지정된 범위보다 작을 경우는 노이즈로 판단하여 무시하거나 이전의 피크 값과 비교하여 머지한다.To find the peak values, find the inflection point of the r value. If the time interval or magnitude difference of each peak value is smaller than the specified range, it is considered as noise and is ignored or compared with the previous peak value.

위 조건들 중 일부는 구현 특성 및 환경에 따라 일부를 생략할 수도 있으며, 특히 3 축이 아닌 1 또는 2 축일 경우 r값을 구할 때 각각 x, y, z 성분의 하나 또는 두 개를 0으로 하여 계산하면 된다.Some of the above conditions may be omitted depending on the implementation characteristics and environment. In particular, when one or two axes are used instead of three axes, one or two of the x, y, and z components may be set to 0, respectively. Calculate

위 조건들은 기존의 연구들처럼 하이 피크 값 하나를 가지고 걸음을 판단하지 않고, 사람의 걸음걸이 특성을 고려한 연속적인 3개의 피크 값들을 사용하여 Low Pass 필터에서 미처 거르지 못한 걸음걸이가 아닌 가속도의 변화를 걸러낼 수 있는 점이 특징이라 할 수 있다.The above conditions do not judge a step with a single high peak value as in the previous studies, but use three consecutive peak values considering human gait characteristics. It can be characterized by the ability to filter.

2. 걸음이 아닌 움직임 찾아내기2. Finding Moves That Are Not Steps

앉았다 일어서기나 일정한 간격으로 흔들기 같은 동작 또한 걸음으로 인식되기 쉬우며, 실제로 기존의 만보계들은 이런 움직임을 걸음으로 간주하여 계산한다. 따라서, 본 발명은 매 걸음 검출 시 실제 걸음과 유사한 움직임인지의 여부를 추가로 판단하여 정확도를 높일 수 있다.Movements such as sitting, standing up or shaking at regular intervals are also easily recognized as steps, and in practice, existing pedometers consider these movements as steps. Therefore, the present invention can further increase accuracy by further determining whether the motion is similar to the actual step when detecting each step.

실제 사람의 움직임은 도면2와 같이, 수평방향을 x, 수직 방향을 y라고 하면 걸음을 시작할 때는 x, y방향 모두 양(positive)의 방향으로 가속도의 변화가 생기며, 발이 다시 땅으로 향하는 순간 y방향은 음(negative)의 방향으로 가속도가 생 긴다. 따라서, 다음 조건들 중 하나 이상을 적용하여 실제 걸음인지의 여부를 판단할 수 있다.As shown in Fig. 2, if the horizontal direction is x and the vertical direction is y, as shown in Fig. 2, the acceleration changes in positive directions in both the x and y directions, and the moment y when the foot is back to the ground. The direction is accelerating in the negative direction. Therefore, one or more of the following conditions may be applied to determine whether or not the actual pace.

(1) 걸음 검출 시 하이 피크와 로우 피크 지점에서의 가속도 방향 각도를 계산하여 지정된 범위에 있는지 판단한다. 이를 수식으로 표현하면 다음과 같다.(1) When the step is detected, the acceleration direction angles at the high and low peak points are calculated to determine whether they are within the specified range. If this is expressed as an expression, it is as follows.

Figure 112006071043229-PAT00003
Figure 112006071043229-PAT00003

2. 첫 번째 하이 피크와 로우 피크 사이의 (x, y, z) 벡터의 합과 로우 피크와 두 번째 하이 피크 사이의 (x, y, z) 벡터의 합을 계산하여 이들 벡터 사이의 각도를 계산하여 지정된 범위에 있는지 판단한다. 질량은 일정하므로, 각 파크 사이의 벡터들의 합은 해당 방향으로의 힘과 비례하며(F=ma), 각 피크 간 가속도가 어떤 방향으로 발생하였는지 알 수 있다. 이를 수식으로 표현하면 다음과 같다.2. Calculate the sum of the (x, y, z) vectors between the first high peak and the low peak and the sum of the (x, y, z) vectors between the low and second high peaks to determine the angle between these vectors. Calculate to determine if you are in the specified range. Since the mass is constant, the sum of the vectors between each park is proportional to the force in that direction (F = ma), and it can be seen in which direction the acceleration between each peak occurred. If this is expressed as an expression, it is as follows.

Figure 112006071043229-PAT00004
Figure 112006071043229-PAT00004

3. 상기의 알고리즘들을 보완하거나 실제 장소 이동을 위한 걸음만을 측정하 기 위해서 정지 검출 알고리즘을 적용할 수 있다. 이는 실제 걸음으로 인지되더라도 지정된 횟수(sleep_thd)만큼 연속적으로 걷지 않았을 경우는 걸음걸이 횟수에 포함되지 않게 한다. 즉, 지정된 횟수만큼 연속적으로 걷기 전까지는 사용자에게 걸음걸이 인지를 알려주지 않고, 그 이후의 걸음부터는 이전의 누적된 걸음까지 함께 포함하여 알려주는 방식이다. 예를 들어, sleep_thd이 3이고 6걸음을 연속적으로 걸었을 경우는 3걸음을 걸을 때까지는 걸음걸이 횟수를 0으로 알려주고, 그 이후의 걸음부터는 4, 5, 6회의 값을 알려준다. 그러나, 2회 걸음 + 잠시 멈춤의 반복으로 6회 걸었을 경우에는 3회 이상의 연속적인 걸음이 없으므로 총 걸음횟수는 0으로 알려준다.3. The stop detection algorithm can be applied to complement the above algorithms or to measure only the steps for moving the actual place. Even if it is recognized as an actual step, it does not include the number of steps if the user does not walk the specified number of times (sleep_thd) continuously. That is, the user does not notify whether the user walks until the user continuously walks the designated number of times, and then includes the cumulative steps up to the previous step. For example, if sleep_thd is 3 and walks six steps in a row, the number of steps is set to 0 until three steps are taken, and afterwards, four, five or six steps are reported. However, if you walked 6 times with 2 steps + pause, the total number of steps is 0 because there are no more than 3 consecutive steps.

이하 도면을 참조하여 상세히 설명한다. 그러나, 이들 도면은 예시적인 목적일 뿐 본 발명이 이에 한정되는 것은 아니다.Hereinafter, with reference to the drawings will be described in detail. However, these drawings are for illustrative purposes only and the present invention is not limited thereto.

도1은 본 발명에 따른 일실시예를 도시한 흐름도이다.1 is a flowchart illustrating one embodiment according to the present invention.

도1을 살펴보면, 가속도데이터생성단계(100)에서는 가속도센서로부터 가속도데이터를 생성한다. 가속도데이터의 생성은 각종 가속도칩으로부터 3축 데이터를 수집할 수 있으며, 단축 또는 2축 데이터만을 생성하는 가속도칩의 경우에는 단축(x) 또는 2축(x,y)의 정보만을 이용한다.Referring to FIG. 1, in the acceleration data generation step 100, acceleration data is generated from an acceleration sensor. In the generation of the acceleration data, three-axis data can be collected from various acceleration chips, and in the case of an acceleration chip that generates only single-axis or two-axis data, only the information on the single axis (x) or two axes (x, y) is used.

저주파데이터생성단계(200)는 가속도데이터생성단계(100)에서 생성된 가속도데이터에서 고주파 정보를 제거한다. 고주파정보의 제거는 로우패스필터를 이용한다. 이와같이 고주파정보를 제거하면 걸음에 따라 발생한 저주파데이터와 걸음 이 외의 동작에 의한 저주파데이터가 남는다.The low frequency data generation step 200 removes high frequency information from the acceleration data generated in the acceleration data generation step 100. The high frequency information is removed using a low pass filter. When the high frequency information is removed in this manner, the low frequency data generated by the step and the low frequency data of the operation other than the step remain.

스칼라변환단계(300)는 상기 저주파데이터(x,y,z)를 연산하여 스칼라 값 을 구한다.The scalar conversion step 300 calculates the scalar value by calculating the low frequency data (x, y, z).

피크도출단계(400)에서는 생성된 저주파 데이터로부터 하이 피크와 로우 피크를 찾는다.In the peak derivation step 400, a high peak and a low peak are found from the generated low frequency data.

걸음인식단계(500)는 상기 스칼라값에서 어느 하나의 하이피크의 값(

Figure 112006071043229-PAT00005
)과 직후 로우피크의 값(
Figure 112006071043229-PAT00006
) 및 직후 하이피크의 값(
Figure 112006071043229-PAT00007
)이 지정된 범위내에 있고, 상기 각 피크의 값들의 차이(
Figure 112006071043229-PAT00008
)가 지정된 범위내에 있으며, 상기 각 피크의 간격(
Figure 112006071043229-PAT00009
)이 지정된 범위내에 있으면, 상기 어느 하나의 하이피크(
Figure 112006071043229-PAT00010
에 해당하는 하이피크)를 걸음으로 인식한다.Step recognition step 500 is a value of any one high peak from the scalar value (
Figure 112006071043229-PAT00005
) And the value of the low peak immediately after (
Figure 112006071043229-PAT00006
) And the value of the high peak immediately after (
Figure 112006071043229-PAT00007
) Is within a specified range, and the difference between the values of each peak (
Figure 112006071043229-PAT00008
) Is within the specified range, and the interval of each peak (
Figure 112006071043229-PAT00009
) Is within the specified range, any one of the high peaks (
Figure 112006071043229-PAT00010
High Peak) is recognized as a step.

걸음인식단계(500)는 걸음의 마지막의 경우, 직후 하이피크가 없을 것이므로, 이러한 경우에는 직후 하이피크의 값(

Figure 112006071043229-PAT00011
)과 직후 하이피크와 직후 로우피크의 값의 차이(
Figure 112006071043229-PAT00012
) 및 직후 하이피크와 직후 로우피크의 간격(
Figure 112006071043229-PAT00013
)은 판단에서 제외하고 걸음을 인식한다.Since the step recognition step 500 will have no high peak immediately after the end of the step, in this case, the value of the immediately high peak (
Figure 112006071043229-PAT00011
) And the difference between the values of immediately after high peak and immediately after low peak (
Figure 112006071043229-PAT00012
) And the interval between the high peak immediately after and the low peak immediately after (
Figure 112006071043229-PAT00013
) Recognizes the step except in the judgment.

또한, 걸음인식단계(500)는, 상기 어느 하나의 하이피크와 직후 로우피크에서의 가속도 방향 각도(

Figure 112006071043229-PAT00014
)와, 상기 어느 하나의 하이피크와 직후 로우피크 사이의 벡터의 합과, 상기 직후 로우피크와 상기 직후 하이피 크 사이의 벡터의 합 사이의 각도(
Figure 112006071043229-PAT00015
) 중 어느 하나 또는 둘이 지정된 범위내에 있는 조건을 추가로 만족하는 경우에 걸음으로 인식한다.In addition, the step recognition step 500, the acceleration direction angle at any one of the high peak and immediately low peak (
Figure 112006071043229-PAT00014
), And the angle between the sum of the vectors between any one of the high peaks and the immediately after low peak, and the sum of the vectors between the immediately after low peak and the immediately after high peak (
Figure 112006071043229-PAT00015
Step is recognized if either or both of the following conditions further satisfy a condition within the specified range.

연속걸음 인식단계(600)는, 정해진 일정한 회수의 걸음이 연속되지 않은 경우에는 걸음으로 인정하지 않고, 정해진 일정한 회수 이상의 걸음이 연속되는 경우에 걸음으로 인식한다.The continuous step recognizing step 600 does not recognize the step as a step when the predetermined number of steps are not continuous, but recognizes as a step when the step is more than the predetermined number of times.

디스플레이단계(700)는 걸음인식단계(500) 또는 연속걸음인식단계(600)에서 인식된 걸음을 만보계 또는 만보계기능을 갖는 휴대 단말기의 디스플레이 수단(액정화면, 스피커 등)에 디스플레이한다.The display step 700 displays the steps recognized in the step recognition step 500 or the continuous step recognition step 600 on display means (liquid crystal screen, speakers, etc.) of the portable terminal having a pedometer or pedometer function.

상기 기술한 걸음 검출 알고리즘을 기본으로 하여 움직임검출 알고리즘과 연속걸음검출 알고리즘 기능을 적절히 조합하여 사용할 경우 기존의 만보계보다 훨씬 정확도가 높은 결과를 나타내었으며, thd 1 ~ thd 11 과 thd m1 ~ thd m4 들을 사용자 상황 및 환경에 맞게 조절할 수 있어 더욱 신뢰성을 높일 수 있다.When used in the above-described step detection algorithm with default appropriately combining the motion estimation algorithm and a continuous step detection algorithm functions showed a higher more accurate result than the conventional pedometer, the thd 1 ~ thd 11 and thd m1 ~ thd m4 It can be adjusted according to the user's situation and environment, further increasing reliability.

Claims (11)

만보계 걸음산출방법에 있어서,In the pedometer step calculation method, 가속도센서로부터 가속도데이터를 생성하는 가속도데이터생성단계와;An acceleration data generation step of generating acceleration data from the acceleration sensor; 상기 가속도 센서로부터 얻은 가속도데이터를 로우패스필터를 통과시켜 저주파데이터를 생성하는 저주파데이터생성단계와;A low frequency data generation step of generating low frequency data by passing the acceleration data obtained from the acceleration sensor through a low pass filter; 상기 저주파데이터를 방향성분을 제외한 스칼라값으로 변환시키는 스칼라변환단계와;A scalar conversion step of converting the low frequency data into a scalar value excluding a direction component; 상기 스칼라값에서 어느 하나의 하이피크의 값과 직후 로우피크의 값 및 직후 하이피크의 값이 지정된 범위내에 있고, 상기 각 피크의 값들의 차이가 지정된 범위내에 있으며, 상기 각 피크의 간격이 지정된 범위내에 있으면, 상기 하나의 걸음으로 인식하는 걸음인식단계;를 갖는 만보계 걸음산출방법.The value of any one of the high peaks and the value of immediately after low peaks and the value of immediately after high peaks in the scalar value are within a specified range, the difference between the values of each peak is within a specified range, and the interval of each peak is specified range. If it is in, the step of step pedometer recognition step of recognizing it as one step. 제1항에 있어서,The method of claim 1, 상기 피크는 상기 스칼라값의 변곡점으로부터 추출하는 것을 특징으로 하는 만보계 걸음산출방법.And the peak is extracted from an inflection point of the scalar value. 제1항에 있어서,The method of claim 1, 상기 스칼라변환단계 다음에,After the scalar transformation step, 상기 스칼라값에서 피크 값을 도출하는 피크도출단계;를 갖는 만보계 걸음산출방법.And a peak derivation step of deriving a peak value from the scalar value. 제1항 내지 제3항 중 어느 한 항에 있어서,The method according to any one of claims 1 to 3, 상기 걸음인식단계에서 직후 하이피크가 없는 경우에는,If there is no high peak immediately after the step recognition step, 상기 걸음인식단계는, 상기 스칼라값에서 어느 하나의 하이피크의 값과 직후 로우피크의 값이 지정된 범위내에 있고, 상기 어느 하나의 하이피크의 값과 직후 로우피크의 값의 차이가 지정된 범위내에 있으며, 상기 어느 하나의 하이피크와 직후 로우피크의 간격이 지정된 범위내에 있으면, 상기의 첫번 째 하이피크를 걸음으로 인식하는 것을 특징으로 하는 만보계 걸음산출방법.In the step recognition step, the value of any one of the high peaks and the immediately after low peak in the scalar value is within a specified range, and the difference between the value of any one of the high peaks and the immediately after low peak is within a specified range. And if the interval between any one of the high peaks and the immediately following low peaks is within a specified range, recognizing the first high peak as a step. 제1항 내지 제3항 중 어느 한 항에 있어서,The method according to any one of claims 1 to 3, 상기 걸음인식단계는,The step recognition step, 상기 어느 하나의 하이피크와 직후 로우피크에서의 가속도 방향 각도와;An acceleration direction angle at any one of the high peaks and immediately following low peaks; 상기 어느 하나의 하이피크와 직후 로우피크 사이의 벡터의 합과, 상기 직후 로우피크와 상기 직후 하이피크 사이의 벡터의 합 사이의 각도; 중 어느 하나 또는 둘이 지정된 범위내에 있는 조건을 추가로 만족하는 경우에 걸음으로 인식하는 것 을 특징으로 하는 만보계 걸음산출방법.An angle between the sum of the vectors between any one of the high peaks and the immediately after low peak, and the sum of the vectors between the immediately after low peak and the immediately after high peak; A step of calculating the pedometer step, characterized in that the step is recognized if either or both of the conditions further fall within the specified range. 제4항에 있어서,The method of claim 4, wherein 상기 걸음인식단계는,The step recognition step, 상기 어느 하나의 하이피크와 직후 로우피크에서의 가속도 방향 각도와;An acceleration direction angle at any one of the high peaks and immediately following low peaks; 상기 어느 하나의 하이피크와 직후 로우피크 사이의 벡터의 합과, 상기 직후 로우피크와 상기 직후 하이피크 사이의 벡터의 합 사이의 각도; 중 어느 하나 또는 둘이 지정된 범위내에 있는 조건을 추가로 만족하는 경우에 걸음으로 인식하는 것을 특징으로 하는 만보계 걸음산출방법.An angle between the sum of the vectors between any one of the high peaks and the immediately after low peak, and the sum of the vectors between the immediately after low peak and the immediately after high peak; A step of calculating the pedometer steps, characterized in that the step is recognized if any one or both of the conditions further fall within the specified range. 제1항 내지 제3항 중 어느 한 항에 있어서,The method according to any one of claims 1 to 3, 상기 걸음인식단계에서 인식된 걸음이 지정된 횟수 이상 연속되는 경우에만 걸음걸이의 횟수에 포함시키고 이를 디스플레이 하는 연속걸음인식단계;를 추가로 갖는 만보계 걸음산출방법.And a continuous step recognition step of including in the number of steps and displaying the step only if the step recognized in the step recognition step is continuous for a specified number or more. 제4항에 있어서,The method of claim 4, wherein 상기 걸음인식단계에서 인식된 걸음이 지정된 횟수 이상 연속되는 경우에만 걸음걸이의 횟수에 포함시키고 이를 디스플레이 하는 연속걸음인식단계;를 추가로 갖는 만보계 걸음산출방법.And a continuous step recognition step of including in the number of steps and displaying the step only if the step recognized in the step recognition step is continuous for a specified number or more. 제5항에 있어서,The method of claim 5, 상기 걸음인식단계에서 인식된 걸음이 지정된 횟수 이상 연속되는 경우에만 걸음걸이의 횟수에 포함시키고 이를 디스플레이 하는 연속걸음인식단계;를 추가로 갖는 만보계 걸음산출방법.And a continuous step recognition step of including in the number of steps and displaying the step only if the step recognized in the step recognition step is continuous for a specified number or more. 제6항에 있어서,The method of claim 6, 상기 걸음인식단계에서 인식된 걸음이 지정된 횟수 이상 연속되는 경우에만 걸음걸이의 횟수에 포함시키고 이를 디스플레이 하는 연속걸음인식단계;를 추가로 갖는 만보계 걸음산출방법.And a continuous step recognition step of including in the number of steps and displaying the step only if the step recognized in the step recognition step is continuous for a specified number or more. 제1항 내지 제10항에 의한 만보계 걸음산출방법을 적용한 만보계 및 휴대통신기기.A pedometer and a portable communication device to which the pedometer step calculation method according to claim 1 is applied.
KR1020060094984A 2006-09-28 2006-09-28 Method of step detection at pedometer KR20080029209A (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020060094984A KR20080029209A (en) 2006-09-28 2006-09-28 Method of step detection at pedometer

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020060094984A KR20080029209A (en) 2006-09-28 2006-09-28 Method of step detection at pedometer

Publications (1)

Publication Number Publication Date
KR20080029209A true KR20080029209A (en) 2008-04-03

Family

ID=39531817

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020060094984A KR20080029209A (en) 2006-09-28 2006-09-28 Method of step detection at pedometer

Country Status (1)

Country Link
KR (1) KR20080029209A (en)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2011127081A2 (en) * 2010-04-06 2011-10-13 Keynetik, Inc. Situation awareness by noise analysis
CN103196460A (en) * 2013-03-18 2013-07-10 北京邮电大学 Method and device for estimating step length
WO2016085403A1 (en) * 2014-11-27 2016-06-02 Razer (Asia-Pacific) Pte. Ltd. Step counter devices and step counting methods
WO2018043934A1 (en) * 2016-09-02 2018-03-08 유치헌 System and method for zero-delay real-time detection of walking using acceleration sensor
CN108195395A (en) * 2017-11-17 2018-06-22 捷开通讯(深圳)有限公司 Mobile terminal and its step-recording method, storage device

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2011127081A2 (en) * 2010-04-06 2011-10-13 Keynetik, Inc. Situation awareness by noise analysis
WO2011127081A3 (en) * 2010-04-06 2012-02-02 Keynetik, Inc. Situation awareness by noise analysis
CN103196460A (en) * 2013-03-18 2013-07-10 北京邮电大学 Method and device for estimating step length
CN103196460B (en) * 2013-03-18 2015-12-02 北京邮电大学 A kind of method and apparatus estimating step-length
WO2016085403A1 (en) * 2014-11-27 2016-06-02 Razer (Asia-Pacific) Pte. Ltd. Step counter devices and step counting methods
US10598510B2 (en) 2014-11-27 2020-03-24 Razer (Asia-Pacific) Pte. Ltd. Step counter devices and step counting methods
WO2018043934A1 (en) * 2016-09-02 2018-03-08 유치헌 System and method for zero-delay real-time detection of walking using acceleration sensor
CN108195395A (en) * 2017-11-17 2018-06-22 捷开通讯(深圳)有限公司 Mobile terminal and its step-recording method, storage device

Similar Documents

Publication Publication Date Title
JP6567658B2 (en) Device and method for classifying user activity and / or counting user steps
Pratama et al. Smartphone-based pedestrian dead reckoning as an indoor positioning system
US8930163B2 (en) Method for step detection and gait direction estimation
JP6358889B2 (en) Pedestrian observation system, program, and traveling direction estimation method
Rescio et al. Supervised expert system for wearable MEMS accelerometer-based fall detector
US20150317890A1 (en) Detecting changes in position of a device in a horizontal or vertical direction
JP2010005033A (en) Walking motion analyzer
CN102227189A (en) Method and apparatus for fall detection
Ryu et al. Adaptive step detection algorithm for wireless smart step counter
KR20080029209A (en) Method of step detection at pedometer
US20160209232A1 (en) Multiple axis wrist worn pedometer
CN116189383A (en) Fall and similar action early warning method based on inertial sensing
Rescio et al. Support Vector Machine for tri-axial accelerometer-based fall detector
JP6382775B2 (en) Step counting device, step counting method, and program
Zhang et al. An automatic human fall detection approach using RGBD cameras
KR101713496B1 (en) System and method for zero-delay real time step detection utilizing an accelerometer sensor
KR101773140B1 (en) Method and apparatus for caculating meal time
KR20200000630U (en) gyro and accelerometer module package
Wang et al. Posture recognition and adaptive step detection based on hand-held terminal
Ghimire et al. Pedestrian motion state classification using pressure sensors
Muhsen et al. Algorithm design for accurate steps counting based on smartphone sensors for indoor applications
Kaji et al. Step recognition method using air pressure sensor
Leone et al. Supervised wearable wireless system for fall detection
TWI564564B (en) Accelerator-based counting apparatus and method
Leone et al. Supervised machine learning scheme for tri-axial accelerometer-based fall detector

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
NORF Unpaid initial registration fee