KR20150086293A - 보수계 디바이스에서의 빈도 기반 보폭 정정을 위한 시스템 및 방법 - Google Patents

보수계 디바이스에서의 빈도 기반 보폭 정정을 위한 시스템 및 방법 Download PDF

Info

Publication number
KR20150086293A
KR20150086293A KR1020157015056A KR20157015056A KR20150086293A KR 20150086293 A KR20150086293 A KR 20150086293A KR 1020157015056 A KR1020157015056 A KR 1020157015056A KR 20157015056 A KR20157015056 A KR 20157015056A KR 20150086293 A KR20150086293 A KR 20150086293A
Authority
KR
South Korea
Prior art keywords
frequency
distance
correction
stride
reported
Prior art date
Application number
KR1020157015056A
Other languages
English (en)
Inventor
줄리어스 에스. 기오르피
아미트쿠마르 엔. 발라르
샤킬 바카트
사지드 아이. 달비
터셔 제인팔카르
앤드류 엠. 슬로네거
Original Assignee
구글 테크놀로지 홀딩스 엘엘씨
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 구글 테크놀로지 홀딩스 엘엘씨 filed Critical 구글 테크놀로지 홀딩스 엘엘씨
Publication of KR20150086293A publication Critical patent/KR20150086293A/ko

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
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C25/00—Manufacturing, calibrating, cleaning, or repairing instruments or devices referred to in the other groups of this subclass
    • G01C25/005—Manufacturing, calibrating, cleaning, or repairing instruments or devices referred to in the other groups of this subclass initial alignment, calibration or starting-up of inertial devices
    • G06F19/00—
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16Z—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS, NOT OTHERWISE PROVIDED FOR
    • G16Z99/00—Subject matter not provided for in other main groups of this subclass

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Manufacturing & Machinery (AREA)
  • Measurement Of Distances Traversed On The Ground (AREA)

Abstract

보수계 또는 기타 걸음 검출 디바이스(304)가, 검출기(306)를 이용한 달리기 또는 기타 세션 동안에, 걸음의 수, 및 이들 걸음의 빈도들을 기록할 수 있다. 디바이스(304)는 세션의 끝에, 각 걸음의 수 및 추정된 보폭들에 기초하여, 추정된 총 경과 거리(318)를 보고할 수 있다. 보고된 거리는 사용자 프로파일(210)뿐만 아니라, 정정 값 테이블(308) 및 빈도 카운트 테이블(202)에 기초하여 다양한 빈도들에서의 보폭들에 대한 추정치들을 이용하여 계산될 수 있다. 각 세션의 끝에, 런닝머신 디스플레이, 또는 다른 수단에 기초하여 사용자 입력에 의해 정정된 거리가 수신될 수 있다. 정정된 거리와 보고된 거리의 오차율에 기초하여 빈도 기반 정정 인자가 갱신될 수 있고, 이는 정정 인자 제한에 의해 제한되고 걸음 빈도 확률 분포에 기초하여 분포될 수 있다.

Description

보수계 디바이스에서의 빈도 기반 보폭 정정을 위한 시스템 및 방법{SYSTEMS AND METHODS FOR FREQUENCY-BASED STRIDE LENGTH CORRECTION IN A PEDOMETER DEVICE}
본 교시 내용은 세션 후 보정(post-session calibration)을 이용한 보수계 디바이스에서의 빈도 기반 보폭 정정(frequency-based stride length correction)을 위한 시스템들 및 방법들에 관한 것이고, 더욱 구체적으로는, 보수계 디바이스(pedometer device)를 이용할 때 이동한 거리에 대한 값들을 생성하는 플랫폼들 및 기법들에 관한 것이다.
개인 스포츠, 건강, 및 기타 응용들에서는, 사용자에 의해 취해지는 걸음의 수 및/또는 빈도를 기록하는 각종 보수계 디바이스들이 시판되고 있다. 그 데이터는 그 후 주어진 걷기, 달리기, 또는 다른 세션에서 사용자가 이동한 거리에 대한 추정 값으로 변환된다.
공지된 보수계 플랫폼들에서, 걸음 빈도 데이터는 일체형 걸음 검출기(integral stride detector)에 의해 공급되고 거리 계산들의 세트로의 입력으로서 이용된다. 그 계산들은, 걸음들이 검출된 후에, 사용자에 의해 취해진 각 걸음의 거리를 추정 또는 추산한다. 인간의 생체 역학적 모델들 및/또는 경험적 평균들에 기초한 전반적인 평균 보폭이 그 계산들에 이용될 수 있다. 하지만, 사용자 간에 실제 보폭의 편차의 정도는 상당할 수 있고, "일률적인(one size fits all)" 보폭 모델들을 이용할 경우 총 거리 결과의 정확도가 다양한 사용자들에게 만족스럽지 못할 수 있는 결과로 나타날 수 있다.
일부 경우에, 시판중인 보수계 제품들은 총 거리 판독치(total distance readings)의 정확도를 향상시키기 위해 보폭 모델들에 대한 개선을 통합하려고 시도하였다. 일부 보수계 제품들은, 예를 들어, 사용자들에게 자신의 성별, 키, 몸무게, 나이, 및/또는 기타 신체적 특징들을 입력하는 능력을 제공하였고 사용자의 신체 프로파일을 그것들의 인구학적 카테고리들에 맞추어진 경험적 데이터 또는 모델들과 매칭시키기 위해 룩업 테이블들을 이용하였다. 경우에 따라, 추정된 거리는, 사용자의 특정 신체적 특성을 고려해 볼 때, 사용자가 이동한 실제 거리와 더 근사한 조정된 거리 출력을 생성하기 위해 어떤 유형의 정정 또는 스케일 인자(correction or scaling factor)와 곱해질 수 있다.
일부 보수계 제품들은 어떤 사람들에게는 잘 맞지만, 보수계 또는 기타 계측 디바이스들은 더 다양한 부류의 사용자들에 대한 더 정확한 거리 추정치들로부터 이익을 얻을 것이다.
이 명세서에 포함되어 그 일부를 구성하는 첨부 도면들은 본 교시 내용의 구현들을 예시하고, 상세 설명과 함께, 본 교시 내용의 원리들을 설명하는 데 도움이 된다.
도 1은 2개의 걸음 빈도 기반 테이블을 예시하는 것으로, 하나는 걸음 빈도 분포가 빈도 카운트 테이블(frequency count table)에 인코딩될 수 있는 것이고 하나는 보폭 정정 인자들(stride length correction factors)이 정정 값 테이블에 인코딩될 수 있는 것이고; 양쪽 테이블은 다양한 구현들에 따른 세션 후 보정을 이용한 보수계 디바이스에서의 빈도 기반 보폭 정정을 위한 시스템들 및 방법들에서 사용될 수 있다.
도 2는 다양한 구현들에 따른 달리기 또는 기타 세션 동안에 동작하는 보수계 플랫폼 또는 디바이스를 예시한다.
도 3은 다양한 구현들에 따른 세션 후 보정을 이용하여 동작하는 보수계 플랫폼 또는 디바이스를 예시한다.
도 4는 다양한 구현들에 따른 빈도 기반 정정 인자들 또는 값들을 포함하여, 세션 후 보정을 이용한 보수계 디바이스에서의 빈도 기반 보폭 정정에서 이용될 수 있는 프로세싱의 순서도를 예시한다.
본 교시 내용의 구현들은 선택적인 세션 후 보정을 이용한 보수계 디바이스에서의 빈도 기반 보폭 정정을 위한 시스템들 및 방법들에 관한 것이다. 더욱 구체적으로는, 구현들은 빈도 기반 정정 인자들을 이용한 정정된 또는 조정된 보폭 값들을 포함하는 보수계 및 기타 디바이스들로부터 추정된 거리 판독치를 생성하기 위한 플랫폼들 및 기법들에 관한 것이다. 상이한 빈도들에서 행해진 걸음들로부터의 거리 기여들(distance contributions)은 주어진 사용자의 이력에서 이동 거리에 대한 이들의 통계적 분포에 비례하여 정정되거나 조정된다. 이에 따라 주어진 사용자에 대한 정정된 값은 걸음 빈도 분포들을 고려하지 못한 파생들(derivations)과 비교할 때 더 높은 정확도를 달성할 수 있다.
주어진 세션에서, 사용자들은 상이한 걸음 빈도들에서 걷거나 달리면서 상이한 양의 시간을 보내고 그 빈도들에서 행해진 걸음들은 상이한 길이들을 가질 수 있다는 것은 일반적으로 사실일 것이다. 따라서 각 걸음 빈도에서 취해진 걸음들에 의해 행해진 총 거리에 대한 기여들도 상이할 것이다. 예를 들어, 많은 사용자들은 세션 동안 초기 걸음들은 더 낮은 빈도에서 일어나고 더 짧은 보폭을 수반할 것이고, 이어서 더 큰 보폭을 커버하는 더 높은 빈도의 걸음들로 점차 증가하는 걸음 패턴을 나타낼 수 있다. 개시된 시스템들 및 방법들의 다양한 구현들은 사용자의 보수계에 대한 더 정확한 거리 계산을 전개(develop)하기 위해 보폭의 이러한 빈도 기반 차이들에 대해 조정하려고 시도한다.
지금부터, 첨부 도면들에 도시되어 있는, 본 교시 내용의 예시적인 구현들에 대해 상세히 언급할 것이다. 가능한 경우 도면들 전반에 걸쳐 동일한 또는 유사한 부분들을 지시하기 위해 동일한 참조 번호들이 사용될 것이다.
도 1은 보수계 디바이스에서의 빈도 기반 보폭 정정을 위한 시스템들 및 방법들에서 사용될 수 있는 빈도 카운트 테이블(102)을 예시한다. 도시된 바와 같이, 빈도 카운트 테이블(102)은 보수계 및/또는 기타 디바이스의 사용자에 대해 기록된 걸음 빈도들의 히스토그램 또는 기타 분포를 인코딩하거나 반영할 수 있으며, 여기서 보수계 및/또는 기타 디바이스는 해당 디바이스를 조작하는 사용자가 걷기, 달리기, 또는 다른 활동들을 수행하는 동안 이동한 거리를 기록하도록 설계되어 있다.
도시된 바와 같이, 사용자에 대해 캡처된 각 걸음 빈도에 대해, 보수계는 해당 빈도에서 기록된 걸음 수의 카운트를 저장할 수 있다. 빈도 카운트 테이블(102)은 연속적인 걷기, 달리기, 또는 다른 세션들의 후에 다양한 빈도들에 대한 개개의 카운트들을 기록하고 갱신하면서, 누적 기반으로 해당 데이터를 기록할 수 있다. 빈도 카운트 테이블(102)은 특정 사용자에 대한 사용자 프로파일 또는 이력 내에 내장될 수 있고, 일반적으로, 빈도 카운트 테이블(102)은 사용자의 걷기, 달리기, 또는 다른 활동들 동안 사용자에 대해 등록된 걸음 빈도들의 확률 분포를 반영할 것이다.
다수의 사용자에 대해, 빈도 카운트 테이블(102)에 인코딩된 확률 분포는 어떤 걸음 빈도들에서(예컨대, 매우 느린 걷기 및 매우 빠른 달리기와 같은 빈도 극값에서) 기록된 비교적 적은 걸음 이벤트와 특징적인 걸음 빈도 또는 걸음 빈도들의 그룹에서(예컨대, 자연스러운 걷기 걸음 빈도 및 목표 조깅 걸음 빈도에서) 기록된 상당한 수의 걸음 이벤트가 존재하는 분포를 반영할 것이다.
도 1은 또한 세션 후 보정을 이용한 보수계 디바이스에서의 빈도 기반 보폭 정정을 위한 시스템들 및 방법들에서 사용될 수 있는 정정 값 테이블(108)도 예시한다. 도시된 바와 같이, 정정 값 테이블(108)은 빈도 카운트 테이블과 크기가 동일하고 각 걸음 빈도에 대한 보폭 정정 인자를 저장할 수 있다. 정정 인자는 각각의 특정 걸음 빈도에 대응하는 추정된 보폭을 조정하는 데 이용되는 값이다. 따라서, 테이블(108)에 도시된 바와 같이, 어떤 걸음 빈도들(예컨대, fm-2, fm-1, fm+ 2)에서 취해진 걸음들에는 1.5 정정 인자가 적용될 것이고, 이는 보수계가 이들 3개의 빈도에서 취해진 각 걸음에 대해서는 (보수계의 보폭 모델에 비하여) 50% 더 긴 보폭을 보고할 것임을 의미한다. 이것은 이 가상적인 사용자가 (아마도 달리기 스타일, 신체적 키, 및/또는 보정 오차로 인해) 보수계의 보폭 모델에 비하여 긴 걸음을 취한다는 것을 나타내는 것 같다.
도 2는 보수계 디바이스에서의 빈도 기반 보폭 정정을 위한 시스템들 및 방법들이 동작할 수 있는 디바이스(204)를 예시한다. 구현들에서, 이 디바이스(204)는 사용자가, 예를 들어, 그의 의복, 발, 다리, 엉덩이, 팔, 또는 손목에 보유하거나 착용할 수 있는 보수계와 같은 보수계 디바이스 또는 시스템이거나 이를 포함할 수 있다. 디바이스(204)는 지면에서, 런닝머신에서, 또는 기타 표면에서의 사용자의 걸음의 충격을 검출할 수 있는 검출기(206)를 포함할 수 있다. 구현들에서, 검출기(206)는 추 또는 기어형(gear-type) 요소, 가속도계, 자이로스코프, 및/또는 다른 검출기 하드웨어, 센서, 또는 모듈이거나 이를 포함할 수 있다. 디바이스(204)는 클록(미도시)을 포함할 수 있어, 디바이스(204)가 사용자가 걷기, 달리기, 또는 다른 활동들을 수행하는 동안 취한 초당 걸음 수를 반영하는 현재 걸음 빈도 측정치들(212)의 세트를 캡처하는 것이 가능하다. 해당 데이터는 캡처되어 디바이스(204)의 메모리 컴포넌트 내의 빈도 카운트 테이블(202)에 저장될 수 있다.
디바이스(204)는 현재 활동 세션 동안 그리고 해당 세션이 끝난 후에, 다양한 동작들을 수행하도록 구성될 수 있다. 양태들에 따르면, 디바이스(204)는 하나는 달리기 또는 다른 운동 또는 세션 동안, 그리고 다른 하나는 세션이 완료된 후인, 2개의 페이즈(phase)에서 동작할 수 있고 보수계 자체 이외의 소스들 또는 측정치들에 기초하여 측정된 또는 "정정된" 거리가 입력될 수 있다.
도 2에 도시된 바와 같은 구현들에서, 디바이스(204)는 또한, 본 명세서에 기술된 바와 같이, 거리 계산들에 관련된 동작들을 수행하도록 구성된, 동적 보폭 추정기(dynamic stride length estimator)(214)를 포함할 수 있다. 동적 보폭 추정기(214)는 본 명세서에 기술된 바와 같은 거리 관련 동작들을 수행하는 프로세서, 소프트웨어, 로직, 서비스, 및/또는 기타 리소스들이거나 이를 포함할 수 있다. 구현들에서, 걷기, 달리기, 또는 기타 운동이 수행되는 동안, 동적 보폭 추정기(214)는 검출기(206)로부터 걸음 빈도 측정치들(212)을 수신하도록 동작할 수 있다. 걸음 빈도 측정치들(212)은 검출기(206)에 의해 검출된 걸음들 간의 경과 시간을 기록함으로써 생성된 일련의 측정치들을 포함할 수 있다. 동적 보폭 추정기(214)는 또한 사용자 프로파일(210)과 통신할 수 있다.
사용자 프로파일(210)은, 사용자의 성별, 나이, 키, 몸무게, 추정된 보폭, 및/또는 사용자의 기타 신체적 또는 기타 특징들과 같은, 사용자와 관련된 정보를 기록하는 로컬 데이터 저장소이거나 이를 포함할 수 있다. 예를 들어, 처음 실행(first-run) 목적으로 또는 다른 시간들에서, 사용자 프로파일(210)은, 사용자의 특정 걸음 또는 활동 행동에 관한 다른 데이터가 수집되기 전에, 주어진 빈도에서 사용자에 의해 취해진 각 걸음에 적용할 추정된, 보정된, 및/또는 디폴트 보폭을 포함할 수 있다.
사용자 프로파일(210)은 예를 들어, 여성 사용자에 의한 현재의 걷기, 달리기, 또는 기타 세션에 대해서는, 모든 걸음 빈도들에서의 각각의 검출된 걸음에 대해 0.75 미터의 보폭이 할당되거나 기록될 것임을 나타낼 수 있다. 이것은 아마도 걷기 동안 통계적으로 "평균" 여성의 보폭의 대강의 추정치에 기초한 매우 단순한 보폭 모델일 것이다. 걸음 빈도에 따른 상이한 보폭들의 분포를 포함하는, 다른, 더 복잡한 보폭 값들이 사용자 프로파일(210)에 인코딩될 수 있다. 이들 상이한 보폭 값들은 경험적 데이터 또는 생리학적 모델을 이용하여 전개될 수 있다. 세션 동안 걸음 빈도 측정치들(212)이 수신되면, 동적 보폭 추정기(214)는 사용자 프로파일(210)로부터 특정 걸음 빈도에서 검출된 각 걸음 이벤트에 대한 보폭들을 검색하거나 계산하고 추정된 보폭들(216)(lestimated로 도시됨)의 세트를 생성할 수 있다.
그 후 동적 보폭 추정기(214)는 추정된 보폭들(216)의 세트를 정정 값 테이블(208)에 전송하거나 입력할 수 있고, 정정 값 테이블은 사용자의 걸음 빈도들로 인덱싱된 항목들의 행을 포함할 수 있다. 도 1의 테이블(108)을 참조한다. 정정 값 테이블(208)을 인덱싱하는 데 이용되는 걸음 빈도들은 초당 0 걸음 내지 초당 4 걸음, 또는 다른 범위들 또는 값들과 같은 미리 결정된 범위에 걸쳐 있을 수 있다. 정정 값 테이블(208)은 각 걸음 빈도에 할당된 추정된 보폭에 적용될 정정 값을 나타내는 각 걸음 빈도에 대한 항목들을 포함할 수 있다.
따라서, 예를 들어, 첫 번째 걸음 빈도 값에 대해서는, 정정은 1.1의 인자일 수 있고, 반면에 네 번째 걸음 빈도 값에 대해서는, 정정은 1.5의 인자일 수 있다. 그 후 각 걸음 빈도에서의 추정된 보폭들(216)에 대응하는 정정 인자들(1.1, 1.2, 등등)을 곱하여 각 빈도에서의 조정된 또는 정정된 보폭(220)(lcorrected로 도시됨)을 도출할 수 있다. 그 후 각각의 정정된 보폭(220)이 누산기(224)로 전달되고 여기서 그것은 디스플레이(미도시) 상에서 디바이스(204)의 사용자에게 표시될 수 있는 누적된 총 이동 거리에 더해질 수 있다. 누산기의 출력은 사용자에 대해 정정 값 테이블(208)에 반영된 지금까지 취해진 총 걸음 수, 특정 빈도에서의 걸음당 주어진 보폭, 및 빈도 기반 정정 인자들에 기초하여, 사용자가 주어진 세션에서 이동한 추정된 거리를 나타내는 보고된 거리(218)(destimated로 도시됨)이다. 보고된 거리(218)에 대한 값은 다음 수학식에 따라 계산될 수 있다.
Figure pct00001
여기서 k는 1 내지 n 범위의 인덱스이고, n은 사용자의 활동 동안에 취해진 측정의 수이고, fk는 k번째 측정 동안에 측정된 걸음 빈도이고, DSLE(fk)는 걸음 빈도 fk에 대응하는 추정된 보폭이고, c(fk)는 걸음 빈도 fk에 대한 정정 인자이다.
특정 사용자에 대한 디바이스(204)의 최초 사용에 대해, 정정 값 테이블(208)에 포함된 각 걸음 빈도에 대한 정정 인자의 값들은 디폴트 값인 1로 설정될 수 있다는 것에 주목한다. 이 동작 페이즈에서, 디바이스(204)는 추정된 거리(218)를 사용자 프로파일(210)의 초기 모델에 의해 바로 예측되는 해당 거리인 것으로 표시 또는 보고할 것이다. 후속의 세션들은 정정 값 테이블(208)에 연속적으로 개선된 또는 조정된 값들을 구축하기 시작할 것이다. 하지만, 최초 및 후속의 세션들에서의 보고된 거리(218)는, 본 명세서에 기술된 프로세싱 및 조정들 전에, 사용자에 대한 정확한 총 거리 값을 항상 반영할 수 있거나 반영하지 않을 수 있다.
더 구체적으로 그리고 예를 들어 도 3에 도시된 바와 같이, 세션이 완료된 후에, 사용자가 이동한 실제 거리에 대한 정정된, 또는 갱신된 값들이 디바이스(304)에 의해 적용되는 정정 프로세싱에 포함될 수 있다. 도 3에 도시된 바와 같은 구현들에서, 디바이스(304)는 동적 보폭 추정기(214)에 공급된 걸음 빈도 측정치들(212)의 세트를 이용하여 도 2와 관련하여 위에 기술한 것과 동일한 방식으로 거리 프로세싱을 수행할 수 있고, 그 결과 보고된 거리(318)(다시, destimated로 도시됨)가 출력된다.
하지만, 도 3에 도시된 바와 같은 구현들 또는 동작들에서는, 달리기 또는 기타 세션이 완료된 후에, 추정된 거리 정확도를 더 증가시키기 위한 정정 인자들을 도출하는 데에 이용될, 정정된 거리(322)가 디바이스(304)에 의해 수신되거나 그에 입력될 수 있다. 정정된 거리(322)는 공지된 트랙 거리, 런닝머신, 또는 거리 추적 기능을 포함하는 다른 운동 장비로부터 취해진 총 경과 거리 판독치와 같이, 사용자에 의해 수동으로 입력된 데이터의 세트이거나 이를 포함할 수 있다. 정정된 거리(322)는 또한 또는 대신에 디바이스(304) 또는 외부 디바이스에 위치하는 무선 주파수 회로들에 의해 수신된 GPS(global positioning system) 데이터와 같이, 다른 소스들로부터 캡처되거나 수신될 수 있다. 정정된 거리(322)는 마찬가지로 또한 또는 대신에 디바이스(304) 외부의 네트워크 소스(networked source)로부터, 예를 들어 WiFi™, Bluetooth™, 셀룰러, 및/또는 다른 연결에 의해 액세스할 수 있는 측정 디바이스 또는 서비스로부터 수신될 수 있다. 그러한 경우, 디바이스(304)는 통합된 또는 다른 네트워크 능력을 가지도록 구성될 수 있다.
도 3에 도시된 동작들에서, 정정된 거리(322)는, 보고된 거리(318)와 함께, 정정 계산기(326)에 전송될 수 있다. 정정 계산기(326)는 다음 수학식에 따라 정정 값 테이블(308) 내의 정정 인자들을 갱신할 수 있다.
Figure pct00002
여기서 c(fi)는 정정 값 테이블(208, 308) 내의 각 fi에 대한 정정 값이고, fi는 정정 값 테이블(308)과 빈도 카운트 테이블(202) 양쪽 모두의 i번째 걸음 빈도이고, dcorrected는 정정된 거리(322)이고, destimated는 보고된 거리(318)이고, p(fi)(328)는 사용자의 활동 동안에 빈도 fi가 측정될 확률이다. 곱셈 항 (1/4)은 임의의 단일 세션에서 생성된 정정된 거리(322)에 기초하여 특정 보폭이 정정될 수 있는 양을 제약하거나 제한하기 위한 선택적인 정정 제한 인자(correction limit factor)를 나타낸다. 정정 제한 인자로 (1/4)의 항이 도시되어 있지만, 1 미만의 다른 값들, 예를 들어, (1/5), (1/3), 또는 다른 값들이 사용될 수 있다는 것을 알 것이다. 마찬가지로 상이한 시간들에서 정정 제한 인자 자체가 갱신되거나 조정될 수 있다는 것을 알 것이다.
상기 수학식 2에서, p(fi) 항은 최종 달리기 또는 다른 세션에 대한 걸음 빈도들의 주변 확률 분포(marginal probability distribution)를 나타내는 확률 분포 함수를 나타낸다. 구현들에 따르면, p(fi)는 모든 빈도 fi마다, 빈도 카운트 테이블(202) 내의 빈도 fi에 대한 카운트를 빈도 카운트 테이블(202) 내의 모든 빈도들에 대한 총 카운트로 나누는 것, 즉, 주변 확률 분포를 생성하기 위해 빈도 카운트 테이블(202)에 구현된 히스토그램을 정규화하는 것에 의해 계산될 수 있다.
정정 값 테이블(308)에 입력된 정정 인자들에서, 각 걸음 빈도 값의 상대 빈도에 비례하여 그 인자들을 가중화 또는 스케일링하는 것은 상이한 걸음 빈도들에서 취해진 걸음들은 총 보고된 거리에 상이한 양들을 기여한다는 사실을 통합시킨다는 것에 주목한다. 그러므로 정정 값 테이블(308)에 반영된 빈도 조정된 정정 인자들은 가장 흔한 걸음 빈도들을 가장 큰 누적량에 의해 가중화할 수 있고, 그 결과 보고된 거리(318)에서의 총 거리 계산이 향상된 정확도를 갖는다.
예를 들어, 간소화한 경우에, 사용자는 제1 빈도에서 1500 걸음 그리고 제2 빈도에서 500 걸음인 2000 걸음으로 1 마일을 달린다. 보고된 추정된 거리가 1.25 마일이고, 정정된 거리가 1.00 마일이고, 정정 제한 인자가 0.25라면, 정정 값들은 다음과 같이 계산될 수 있다.
가정:
p(f1) = 1500/2000 = 0.75
p(f2) = 500/2000 = 0.25
destimated = 1.25 마일, 그리고
dcorrected = 1.00 마일.
정정된 거리는 추정된 거리의 -20% 퍼센트이고, 즉, 상대 정정 인자는 다음과 같다:
Figure pct00003
이것을 4로 나누면 상대 정정 인자의 양을 -5%로 간단히 감소시킨다. 각 빈도의 확률들을 상대 정정 인자에 적용하면, -5% 상대 정정 인자의 75%, 즉 -3.75%[즉, (0.75)(-0.05) = -0.0375]가 빈도 f1에 대한 이전 정정 값에 적용되고 -5% 상대 정정 인자의 나머지 25%, 즉 -1.25%[즉, (0.25)(-0.05) = -0.0125]가 빈도 f2에 대한 이전 정정 값에 적용된다.
수학식 2에서 1을 더하는 마지막 단계는 상대 정정 인자를 추정된 보폭들에 대한 승수로서 정정 값 테이블에서 이용될 수 있는 절대 정정 인자로 변환한다. 이 예에서, 모든 걸음 빈도들에서의 이전 정정 값은 1이라고 가정한다. 그러면, 아래와 같다:
Figure pct00004
따라서, 이전 정정 인자들 c(f1) 및 c(f2)는 정정된 거리(322)로부터의 피드백에 기초하여 0.9625 및 0.9875와 곱해질 수 있다.
요약하면, -20%의 상대 정정 인자가 결정되었고(80% 절대 정정 인자와 같음), 이것은 -5% 상대 정정 인자로 감소되었고, 이것은 그 후 상대 정정 인자의 75%는 f1에 적용되고 상대 정정 인자의 25%는 f2에 적용되도록 걸음 빈도 f1과 f2 사이에 나누어졌다. 마지막 단계는 상대 정정 인자들을 정정 값 테이블에 적합한 절대 정정 인자들로 변환하였다. 따라서 걸음 빈도에 관계없이 균일한 80%(1.0-0.2=0.8) 절대 정정 인자를 적용하는 대신에, 96.25%(0.9625) 정정 인자 갱신이 빈도 f1에 적용되었고 98.75%(0.9875) 정정 인자 갱신이 빈도 f2에 적용되었다. 다수의 세션에 걸쳐서, 보고된 거리(318)가 정정된 거리(322)로 수렴함에 따라, 정정 인자에 대한 임의의 갱신은 승수 1로 수렴하는 경향이 있을 것이고, 이것은 정정 인자가 특정 값을 정할 것임을 의미한다. 물론, 실제로는, 정정 인자는 상이한 걸음 패턴들 및 환경들로 인해 약간의 양만큼 계속 조정될 수 있다.
정정 값 테이블(308) 내의 정정 인자들에 대한 조정은 디바이스(304)에 관계없이 이동한 거리가 알려지는 임의의 세션 후에 반복될 수 있고, 그 결과 사용자에 대한 정확한 장기 전형적인 값으로 전개되거나 수렴하는 값들이 얻어질 수 있다는 것에 주목한다. 그러므로, 구현들에서, 도 3에 도시된 조정 프로세스는, 정정 값 테이블(308)의 어떤 비교적 장기 트레이닝 후에, 예를 들어 가장 최근의 세션 또는 세션들 후에 한계적 변화(marginal change)에 대한 미리 결정된 기준에 기초하여, 중단될 수 있다.
도 4는 다양한 실시예들에 따른, 선택적으로 세션 후 보정을 이용한 보수계 디바이스에서의 빈도 기반 보폭 정정을 위한 시스템들 및 방법들에서 수행될 수 있는 걸음 빈도, 보폭 정정, 및 기타 프로세싱의 순서도를 예시한다. 402에서, 걷기, 달리기, 또는 기타 세션 또는 활동이, 동적 보폭 추정기(214) 및/또는 다른 로직에 의한 프로세싱과 함께, 시작될 수 있다.
404에서, 검출기(206)는 사용자에 의한 걸음의 발생을 검출할 수 있고, 이는 마찬가지로 걸음 빈도 값을 생성하는 데 이용될 수 있다. 408에서, 걸음 빈도 카운트 테이블(202)은 검출된 걸음 빈도에서의 걸음 이벤트로 갱신된다. 406에서, 동적 보폭 추정기(214)는 사용자 프로파일(210) 및/또는 통계 모델 또는 엔진에 액세스하여 검출된 걸음 빈도에 기초해서 보폭을 추정할 수 있다. 구현들에서, 둘 이상의 사용자에 대한 사용자 프로파일(210)이 디바이스(204, 304)에 저장될 수 있다는 것에 주목한다. 또한 구현들에서, 사용자 프로파일(210)은 디바이스(204, 304) 내의 전자 또는 다른 저장소에 저장될 수 있지만, 또한 또는 대신에 네트워크 데이터 저장소들을 통해 액세스될 수 있다는 것에 주목한다.
412에서, 현재 검출된 걸음에 대한 보폭이 정정 값 테이블(208, 308) 내의 연관된 걸음 빈도에 대한 정정 인자에 기초하여 조정될 수 있다. 414에서, 현재 세션 동안에 이동한 속도 및 거리가 누산기(224)에서 현재 세션의 시작 이후 경과 시간 및 정정된 보폭들에 기초하여 추정될 수 있다. 416에서, 사용자는 자신의 현재 운동 또는 세션을 끝낼 수 있다.
선택적인 418에서, 보고된 거리(218, 318)가 디바이스(204, 304)에 의해 생성될 수 있다. 구현들에서, 보고된 거리(218, 318)는 사용자에게 표시될 수 있다. 420에서, 예를 들어, 사용자가 런닝머신, 또는 다른 유형의 운동 장비의 디스플레이 화면에 표시된 거리를 입력하는 것에 의해, 정정된 거리가 디바이스(304)에 수신될 수 있다. 422에서, 정정 계산기(326)에서 수학식 2에 따라 정정 인자들이 계산된다. 구현들에서, 그리고 예를 들어 수학식 2에 반영된 바와 같이, 각 세션 사이클 동안 조정이 행해지는 양을 제약하기 위해, 정정 값은 0.25, 0.33 또는 다른 값들과 같은 조정 제한 인자에 의해 가중화되거나 크기 조정될 수 있다.
424에서, 계산된 정정 인자들 및 빈도 카운트 테이블(202)로부터 도출된 주변 확률 분포에 기초하여 정정 값 테이블(308)이 갱신될 수 있고, 이에 따라 사용자의 이력 및 걸음 빈도 확률 분포에 기초하여 빈도에 의존하는 정정 값들의 세트가 생성된다. 426에서, 프로세싱이 반복되거나, 이전 프로세싱 포인트로 돌아가거나, 추가 프로세싱 포인트로 점프하거나, 종료될 수 있다.
구현들에서, 디바이스(204, 304), 및/또는 본 명세서에 기술된 시스템들 및 방법들을 포함하는 다른 하드웨어 또는 플랫폼들은 운영 체제의 제어 하에 또는 운영 체제와 함께 동작하는, 전자 랜덤 액세스 메모리와 같은, 메모리와 통신하는 프로세서를 포함하는 플랫폼을 포함할 수 있다. 프로세서는 하나 이상의 프로세서 또는 멀티프로세서, 필드 프로그래머블 어레이, 디지털 신호 프로세서, 및/또는 다른 컴퓨터, 회로, 또는 하드웨어 리소스에 포함될 수 있다. 사용되는 운영 체제는, 예를 들어, Linux™ 운영 체제, Unix™ 운영 체제, 또는 다른 오픈-소스 또는 독점 운영 체제 또는 플랫폼의 배포물일 수 있다. 디바이스는 걸음 관련 정보, 및/또는 그것의 선택된 것들의 서브세트들과 함께, 기타 콘텐츠, 미디어, 또는 기타 데이터에 액세스하거나 이를 저장하기 위한, 로컬 하드 드라이브 또는 드라이브 어레이에 저장된 데이터베이스와 같은 데이터 저장소를 포함할 수 있다. 네트워크 통신을 위해 준비될 때, 디바이스(204, 304), 및/또는 다른 디바이스는 이더넷 또는 무선 데이터 연결과 같은 네트워크 인터페이스를 포함할 수 있고, 이 네트워크 인터페이스는 결국 인터넷 또는 기타 공공 또는 사설 네트워크와 같은 하나 이상의 외부 네트워크와 통신한다. 디바이스(204), 디바이스(304), 연관된 네트워크 연결들, 및 기타 하드웨어, 소프트웨어, 및 서비스 리소스들의 다른 구성들도 가능하다.
상기 설명은 예시적인 것이고, 통상의 기술자들은 구성 및 구현의 변형들을 생각해낼 수 있다. 예를 들어, 디바이스(204, 304)가 하나의 동적 보폭 추정기(214)를 포함하는 구현들을 설명하였지만, 구현들에서 그 추정기 또는 유사한 또는 관련된 로직은 다수의 프로세서, 소프트웨어, 또는 로직으로 구현될 수 있다. 더욱이, 빈도 카운트 테이블(202) 및 정정 값 테이블(208, 308)은 사용자 프로파일(210)의 일부로서 구현되어 디바이스(204, 304)의 다수의 사용자가 개인화된 테이블들의 개별 세트들을 유지하는 것을 가능하게 할 수 있다. 단수 또는 통합된 것으로 기술된 다른 리소스들은 구현들에서 복수 또는 분산될 수 있고, 다수 또는 분산된 것으로 기술된 리소스들은 구현들에서 조합될 수 있다. 본 교시 내용의 범위는 따라서 다음의 청구범위에 의해서만 제한되도록 되어 있다.

Claims (18)

  1. 디바이스에 의해 이동된 거리를 계산하는 방법으로서,
    걸음 이벤트 카운트(stride event count) 및, 각각의 걸음 이벤트 카운트에 대한 연관된 걸음 빈도 측정치(associated stride frequency measurement)를 수신하는 단계;
    상기 걸음 이벤트 카운트 및 상기 걸음 빈도 측정치에 기초하여 걸음 빈도 분포(stride frequency distribution)를 생성하는 단계;
    상기 걸음 빈도 분포에서의 각각의 걸음 빈도에 대한 추정된 보폭(stride length)에 액세스하는 단계; 및
    상기 걸음 이벤트 카운트, 상기 걸음 빈도 측정치, 및 상기 추정된 보폭에 기초하여 보고된 거리를 생성하는 단계
    를 포함하는 방법.
  2. 제1항에 있어서, 상기 추정된 보폭에 액세스하는 단계는,
    신체적 사용자 특성들에 기초한 초기 사용자 보폭 모델(initial user stride length model)에 액세스하는 단계를 포함하는 방법.
  3. 제2항에 있어서,
    상기 초기 사용자 보폭 모델을 사전 보정(pre-calibrating)하는 단계를 더 포함하는 방법.
  4. 제1항에 있어서,
    후속의 걸음 이벤트 카운트들 및 후속의 연관된 걸음 빈도 측정치들에 기초하여 상기 걸음 빈도 분포를 갱신하는 단계를 더 포함하는 방법.
  5. 제4항에 있어서,
    상기 갱신된 걸음 빈도 분포에 기초하여 추가 후속의 보고된 거리를 정정하는 단계를 더 포함하는 방법.
  6. 제1항에 있어서,
    상기 디바이스에 의해 이동된 정정된 거리를 수신하는 단계;
    상기 정정된 거리 및 상기 보고된 거리에 기초하여 정정 인자(correction factor)를 생성하는 단계 - 상기 정정 인자는 상기 걸음 빈도 분포에서의 각각의 걸음 빈도에 대해 생성됨 -;
    각각의 걸음 빈도에서 상기 추정된 보폭을 정정하기 위해 상기 정정 인자 및 상기 걸음 빈도 분포에 기초하여 빈도 기반 정정 테이블(frequency-based correction table)을 생성하는 단계; 및
    상기 빈도 기반 정정 테이블을 이용하여 후속의 보고된 거리를 생성하는 단계
    를 더 포함하는 방법.
  7. 제6항에 있어서,
    상기 후속의 보고된 거리에 기초하여 상기 빈도 기반 정정 테이블을 갱신하는 단계를 더 포함하는 방법.
  8. 제6항에 있어서, 상기 정정 인자를 생성하는 단계는,
    상기 정정된 거리와 상기 보고된 거리의 차이를 상기 보고된 거리로 나눈 것을 포함하는, 오차율(error ratio)에 조정 제한 인자(adjustment limit factor)를 곱하는 단계를 포함하는 방법.
  9. 제8항에 있어서,
    상기 조정 제한 인자를 갱신하는 단계를 더 포함하는 방법.
  10. 제6항에 있어서, 상기 정정된 거리를 수신하는 단계는,
    사용자에 의해 입력된 이동된 정정된 거리를 수신하는 단계,
    네트워크 연결을 통해 상기 이동된 정정된 거리를 수신하는 단계, 또는
    포지셔닝 신호들의 세트(a set of positioning signals)를 통해 상기 이동된 정정된 거리를 수신하는 단계
    중 적어도 하나를 포함하는 방법.
  11. 제6항에 있어서, 상기 후속의 보고된 거리를 생성하는 단계는,
    상기 걸음 빈도 분포에서의 각각의 걸음 빈도에 대한 상기 추정된 보폭에 상기 연관된 걸음 빈도에 대한 상기 빈도 기반 정정 테이블에서의 항목(entry)을 곱하여 정정된 보폭을 얻는 단계, 및
    모든 현재 걸음 이벤트 카운트에 대한 상기 정정된 보폭을 누적하여 상기 후속의 보고된 거리를 생성하는 단계
    를 포함하는 방법.
  12. 디바이스로서,
    걸음 이벤트들 및 이들과 연관된 걸음 빈도들을 검출하도록 구성된 검출기;
    상기 검출기와 통신하여, 상기 걸음 이벤트들 및 이들과 연관된 걸음 빈도들에 기초해서 걸음 빈도 분포를 생성하기 위한 빈도 카운트 테이블;
    상기 검출기와 통신하여,
    상기 걸음 이벤트들 및 이들과 연관된 걸음 빈도들을 수신하고,
    상기 연관된 걸음 빈도를 이용하여 각각의 걸음 이벤트에 대한 추정된 보폭에 액세스하도록
    구성된 보폭 추정기; 및
    상기 추정된 보폭들의 합에 기초하여 보고된 거리를 생성하기 위한 누산기
    를 포함하는 디바이스.
  13. 제12항에 있어서, 상기 디바이스는,
    신체적 사용자 특성들에 기초한 사용자 보폭 모델을 저장하기 위한 메모리를 더 포함하는 디바이스.
  14. 제12항에 있어서, 상기 빈도 카운트 테이블은 후속의 걸음 빈도 측정치들에 기초하여 상기 걸음 빈도 분포를 갱신하도록 더 구성된 디바이스.
  15. 제12항에 있어서, 상기 디바이스는,
    각각의 걸음 빈도에서 상기 추정된 보폭을 정정하기 위한 빈도 기반 정정 값 테이블; 및
    상기 디바이스에 의해 이동된 정정된 거리를 수신하고,
    상기 이동된 정정된 거리 및 상기 보고된 거리에 기초하여 정정 인자를 생성하고 - 상기 정정 인자는 상기 걸음 빈도 분포에서의 각각의 걸음 빈도에 대해 생성됨 -, 그리고
    상기 정정 인자 및 상기 걸음 빈도 분포에 기초하여 상기 빈도 기반 정정 값 테이블을 갱신하도록
    구성된 정정 계산기
    를 더 포함하는 디바이스.
  16. 제15항에 있어서, 상기 정정 계산기는
    상기 정정된 거리와 상기 보고된 거리의 차이를 상기 보고된 거리로 나눈 것을 포함하는, 오차율에 조정 제한 인자를 곱하여 상기 정정 인자를 생성하도록 더 구성된 디바이스.
  17. 제12항에 있어서, 상기 디바이스는,
    사용자에 의해 입력된 이동된 정정된 거리를 수신하기 위한 입력 인터페이스,
    네트워크 연결을 통해 상기 이동된 정정된 거리를 수신하기 위한 네트워크 인터페이스, 또는
    포지셔닝 신호들의 세트를 통해 상기 이동된 정정된 거리를 수신하기 위한 무선 주파수 인터페이스
    중 적어도 하나를 더 포함하는 디바이스.
  18. 제12항에 있어서, 상기 검출기는
    추,
    기어,
    가속도계, 또는
    자이로스코프
    중 적어도 하나를 포함하는 디바이스.
KR1020157015056A 2012-11-07 2013-10-30 보수계 디바이스에서의 빈도 기반 보폭 정정을 위한 시스템 및 방법 KR20150086293A (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US13/671,245 2012-11-07
US13/671,245 US20140129177A1 (en) 2012-11-07 2012-11-07 Systems and Methods for Frequency-Based Stride Length Correction in a Pedometer Device

Publications (1)

Publication Number Publication Date
KR20150086293A true KR20150086293A (ko) 2015-07-27

Family

ID=49552461

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020157015056A KR20150086293A (ko) 2012-11-07 2013-10-30 보수계 디바이스에서의 빈도 기반 보폭 정정을 위한 시스템 및 방법

Country Status (5)

Country Link
US (1) US20140129177A1 (ko)
EP (1) EP2917697A1 (ko)
KR (1) KR20150086293A (ko)
CN (1) CN104937376A (ko)
WO (1) WO2014074357A1 (ko)

Families Citing this family (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10352724B1 (en) * 2013-05-03 2019-07-16 Apple Inc. Calibration factors for step frequency bands
TWI489087B (zh) * 2014-07-03 2015-06-21 Globalsat Worldcom Corp The step - by - step detection method of electronic device
US10959649B2 (en) * 2015-01-29 2021-03-30 Beijing Shunyuan Kaihua Technology Limited Systems and methods for stride length calibration
CN105091903B (zh) * 2015-06-30 2018-04-13 小米科技有限责任公司 步行状态监测方法及装置
US10429454B2 (en) 2016-02-05 2019-10-01 Logitech Europe S.A. Method and system for calibrating a pedometer
US10527452B2 (en) * 2016-02-05 2020-01-07 Logitech Europe S.A. Method and system for updating a calibration table for a wearable device with speed and stride data
US10302469B2 (en) * 2016-06-08 2019-05-28 Under Armour, Inc. Method and apparatus for determining, recommending, and applying a calibration parameter for activity measurement
CN107782302B (zh) * 2016-08-26 2023-08-18 深迪半导体(绍兴)有限公司 一种基于下肢运动实现定位的方法、装置及系统
CN109844460B (zh) * 2016-10-26 2021-08-20 华为技术有限公司 一种步幅校准方法、相关设备及系统
CA3050554C (en) 2017-01-19 2021-08-31 Huawei Technologies Co., Ltd. Step counting method and apparatus for treadmill
US10814167B2 (en) * 2017-06-02 2020-10-27 Apple Inc. Wearable computer with fitness machine connectivity for improved activity monitoring
CN107515004B (zh) * 2017-07-27 2020-12-15 台州市吉吉知识产权运营有限公司 步长计算装置及方法
CN108106630B (zh) * 2017-12-08 2020-11-06 北京理工大学 一种行人导航的二维人体里程计及里程计算方法
CN111373224B (zh) * 2018-04-23 2022-07-19 华为技术有限公司 用户运动距离的获取方法和终端设备
CN111141308B (zh) * 2019-12-25 2022-03-01 歌尔科技有限公司 一种步距校正方法、装置和可穿戴设备

Family Cites Families (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6473483B2 (en) * 1998-10-28 2002-10-29 Nathan Pyles Pedometer
US6175608B1 (en) * 1998-10-28 2001-01-16 Knowmo Llc Pedometer
US6522266B1 (en) * 2000-05-17 2003-02-18 Honeywell, Inc. Navigation system, method and software for foot travel
JP2002197437A (ja) * 2000-12-27 2002-07-12 Sony Corp 歩行検出システム、歩行検出装置、デバイス、歩行検出方法
US6826477B2 (en) * 2001-04-23 2004-11-30 Ecole Polytechnique Federale De Lausanne (Epfl) Pedestrian navigation method and apparatus operative in a dead reckoning mode
FI122712B (fi) * 2007-07-11 2012-06-15 Vti Technologies Oy Menetelmä ja laite liikkujan etenemisen mittaamiseksi
KR20090082711A (ko) * 2008-01-28 2009-07-31 삼성전자주식회사 보행자 항법 시스템에서의 보폭 추정 방법 및 시스템
JP5332313B2 (ja) * 2008-05-29 2013-11-06 富士通株式会社 携帯端末および歩幅算出方法
US7930135B2 (en) * 2008-07-10 2011-04-19 Perception Digital Limited Method of distinguishing running from walking
KR20120001925A (ko) * 2010-06-30 2012-01-05 삼성전자주식회사 휴대용 단말기를 이용한 보폭 추정을 위한 보행 상태 추정 장치 및 방법
WO2012037577A2 (en) * 2010-09-17 2012-03-22 Seer Technology, Inc. Variabale step tracking
US9167991B2 (en) * 2010-09-30 2015-10-27 Fitbit, Inc. Portable monitoring devices and methods of operating same
US8831909B2 (en) * 2011-09-22 2014-09-09 Microsoft Corporation Step detection and step length estimation
US20130085711A1 (en) * 2011-09-30 2013-04-04 Apple Inc. Techniques for improved pedometer readings
US10330491B2 (en) * 2011-10-10 2019-06-25 Texas Instruments Incorporated Robust step detection using low cost MEMS accelerometer in mobile applications, and processing methods, apparatus and systems
US9116000B2 (en) * 2012-10-22 2015-08-25 Qualcomm, Incorporated Map-assisted sensor-based positioning of mobile devices

Also Published As

Publication number Publication date
CN104937376A (zh) 2015-09-23
US20140129177A1 (en) 2014-05-08
EP2917697A1 (en) 2015-09-16
WO2014074357A1 (en) 2014-05-15

Similar Documents

Publication Publication Date Title
KR20150086293A (ko) 보수계 디바이스에서의 빈도 기반 보폭 정정을 위한 시스템 및 방법
EP2947588B1 (en) Method for calculating the activity of a user
US7647196B2 (en) Human activity monitoring device with distance calculation
JP6272405B2 (ja) センサを利用したアスレチック活動測定方法
EP2988099B1 (en) Estimating local motion of physical exercise
US9418342B2 (en) Method and apparatus for detecting mode of motion with principal component analysis and hidden markov model
US20160107031A1 (en) Computing weight control profile
JP2010536040A5 (ko)
CN105210067A (zh) 计算用户的与体育锻炼有关的生理状态
US20150185042A1 (en) Dynamic computation of distance of travel on wearable devices
US10048383B2 (en) System and method for graph encoding of physical activity data
US20150185045A1 (en) Dynamic calibration of relationships of motion units
WO2018076205A1 (zh) 一种步幅校准方法、相关设备及系统
CN104729524A (zh) 一种步长估计方法、计步器及计步系统
US20230181058A1 (en) System and method for estimating cardiorespiratory fitness
US20210169374A1 (en) Method for analyzing the stride of a walking pedestrian
US20110035185A1 (en) Sensor-based Tracking of Variable Locomotion
WO2017165037A1 (en) Systems and methods for accurately estimating cutaneous water losses in response to exercise
CN108159677B (zh) 运动数据统计方法、电子装置及计算机可读存储介质
Yang et al. An energy-efficient step-counting algorithm for smartphones
CN106474717A (zh) 基于用户运动状态的数据处理方法
US20220183591A1 (en) Biomechanical modelling of motion measurements
WO2017148701A1 (en) Measurement apparatus and correction method

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E601 Decision to refuse application