KR20180057868A - 심박수 획득 방법 및 이를 구현한 전자 장치 - Google Patents

심박수 획득 방법 및 이를 구현한 전자 장치 Download PDF

Info

Publication number
KR20180057868A
KR20180057868A KR1020160156251A KR20160156251A KR20180057868A KR 20180057868 A KR20180057868 A KR 20180057868A KR 1020160156251 A KR1020160156251 A KR 1020160156251A KR 20160156251 A KR20160156251 A KR 20160156251A KR 20180057868 A KR20180057868 A KR 20180057868A
Authority
KR
South Korea
Prior art keywords
data
heartbeat
processor
heart rate
heartbeat data
Prior art date
Application number
KR1020160156251A
Other languages
English (en)
Inventor
서윤화
박선영
이병준
강정관
신승혁
김태호
박정민
Original Assignee
삼성전자주식회사
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 삼성전자주식회사 filed Critical 삼성전자주식회사
Priority to KR1020160156251A priority Critical patent/KR20180057868A/ko
Priority to US15/797,136 priority patent/US11202576B2/en
Priority to EP17199491.6A priority patent/EP3330972A1/en
Priority to CN201711187167.3A priority patent/CN108078561A/zh
Publication of KR20180057868A publication Critical patent/KR20180057868A/ko

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
    • A61B5/0205—Simultaneously evaluating both cardiovascular conditions and different types of body conditions, e.g. heart and respiratory condition
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
    • A61B5/024—Detecting, measuring or recording pulse rate or heart rate
    • A61B5/02405—Determining heart rate variability
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
    • A61B5/024—Detecting, measuring or recording pulse rate or heart rate
    • A61B5/02416—Detecting, measuring or recording pulse rate or heart rate using photoplethysmograph signals, e.g. generated by infrared radiation
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
    • A61B5/024—Detecting, measuring or recording pulse rate or heart rate
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
    • A61B5/024—Detecting, measuring or recording pulse rate or heart rate
    • A61B5/02438—Detecting, measuring or recording pulse rate or heart rate with portable devices, e.g. worn by the patient
    • A61B5/0408—
    • 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
    • A61B5/1118—Determining activity level
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
    • A61B5/1123—Discriminating type of movement, e.g. walking or running
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7203—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal
    • A61B5/7207—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal of noise induced by motion artifacts
    • A61B5/721—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal of noise induced by motion artifacts using a separate sensor to detect motion or using motion information derived from signals other than the physiological signal to be measured
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235—Details of waveform analysis
    • 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
    • G16H40/60—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
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B2503/00—Evaluating a particular growth phase or type of persons or animals
    • A61B2503/10—Athletes
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B2560/00—Constructional details of operational features of apparatus; Accessories for medical measuring apparatus
    • A61B2560/02—Operational features
    • A61B2560/0242—Operational features adapted to measure environmental factors, e.g. temperature, pollution
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B2562/00—Details of sensors; Constructional details of sensor housings or probes; Accessories for sensors
    • A61B2562/02—Details of sensors specially adapted for in-vivo measurements
    • A61B2562/0219—Inertial sensors, e.g. accelerometers, gyroscopes, tilt switches
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
    • A61B5/024—Detecting, measuring or recording pulse rate or heart rate
    • A61B5/0245—Detecting, measuring or recording pulse rate or heart rate by using sensing means generating electric signals, i.e. ECG signals
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
    • A61B5/6801—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be attached to or worn on the body surface
    • A61B5/6802—Sensor mounted on worn items
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
    • A61B5/6801—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be attached to or worn on the body surface
    • A61B5/6813—Specially adapted to be attached to a specific body part
    • A61B5/6823—Trunk, e.g., chest, back, abdomen, hip
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
    • A61B5/6801—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be attached to or worn on the body surface
    • A61B5/683—Means for maintaining contact with the body
    • A61B5/6831—Straps, bands or harnesses

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Public Health (AREA)
  • Biomedical Technology (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Biophysics (AREA)
  • Physiology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Physics & Mathematics (AREA)
  • Veterinary Medicine (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Pathology (AREA)
  • Cardiology (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Dentistry (AREA)
  • Primary Health Care (AREA)
  • Epidemiology (AREA)
  • Signal Processing (AREA)
  • General Business, Economics & Management (AREA)
  • Business, Economics & Management (AREA)
  • Psychiatry (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physical Education & Sports Medicine (AREA)
  • Artificial Intelligence (AREA)
  • Pulmonology (AREA)
  • Telephone Function (AREA)
  • Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)
  • User Interface Of Digital Computer (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)

Abstract

다양한 실시예는 모션 센서, 심박 측정 센서, 및 상기 모션 센서 및 상기 심박 측정 센서와 기능적으로 연결된 프로세서를 포함하고, 상기 프로세서는, 상기 모션 센서를 이용하여 제1 기간 동안 제1 모션 센서 데이터를 획득하고, 상기 심박 측정 센서를 이용하여 상기 제1 기간 동안 제1 심박 데이터를 획득하고, 상기 제1 모션 센서 데이터에 기반하여 운동 종류를 결정하고, 상기 제1 모션 센서 데이터, 상기 운동 종류 및 상기 제1 심박 데이터 중 적어도 하나에 기반하여 심박 예측 범위를 결정하고, 상기 심박 측정 센서를 이용하여 제2 기간 동안 제2 심박 데이터를 획득하고, 상기 제2 심박 데이터가 상기 심박 예측 범위에 포함되는지 판단하고, 상기 판단 결과에 기반하여 상기 제2 기간 동안의 심박 데이터를 결정하도록 설정된 전자 장치 및 방법을 제공한다. 또한, 다른 실시예도 가능하다.

Description

심박수 획득 방법 및 이를 구현한 전자 장치{METHOD FOR OBTAINING HEART RATE AND ELECTRONIC DEVICE FOR THE SAME}
다양한 실시예는 심박수 획득 방법 및 장치에 관한 것이다.
최근 디지털 기술의 발달과 함께 이동통신 단말기, PDA(Personal Digital Assistant), 전자수첩, 스마트 폰, 태블릿 PC(Personal Computer), 웨어러블 디바이스(wearable device) 등과 같은 다양한 유형의 전자 장치가 널리 사용되고 있다. 이러한, 전자 장치는 기능 지지 및 증대를 위해, 전자 장치의 하드웨어적인 부분 및/또는 소프트웨어적인 부분이 지속적으로 개량되고 있다. 일례로, 전자 장치는 적어도 하나 이상의 센서를 포함하고, 센서로부터 획득한 센서 데이터를 이용하여 전자 장치의 상태 또는 사용자의 생체 정보를 수집할 수 있다.
예를 들어, 전자 장치는 심박 측정 센서(heart rate monitoring sensor)를 이용하여 사용자의 심박수를 측정할 수 있다. 심박 측정 센서는 주로 광학 센서(예: Green/Red LED)로서, 발광부와 수광부로 구성될 수 있다. 전자 장치가 사용자의 신체에 부착되면, 심박 측정 센서의 발광부는 빛을 출력하고, 수광부는 출력된 빛에 의해 사용자의 신체 일부로부터 반사되는 빛을 수신할 수 있다. 수광부에 수신되는 빛의 양을 수치화하여 시간 순으로 나열하면, 특정 주파수를 나타내는 신호가 생성될 수 있다. 심박 측정 센서는 생성된 신호로부터 심박에 해당하는 주파수를 스캔하여 심박수를 측정할 수 있다.
정확한 심박수 측정을 위해서는 심박 측정 센서를 사용자의 가슴에 착용해야 한다. 또한, 심박 측정 센서에서 주파수를 스캔할 때, 사용자가 움직이는 경우, 움직임에 따른 주파수가 심박에 해당하는 주파수에 영향을 줄 수도 있다. 이 경우, 정확한 심박수 측정을 위해서는 심박 측정 센서에 의해 생성된 신호로부터 움직임에 따라 발생된 주파수(예: 노이즈)를 제거해야 한다. 또한, 심박 측정 센서가 사용자의 신체 일부에 정확하게 접착되지 않으면, 수광부에 수신되는 빛의 양에 따른 신호 수치가 매우 불안정할 수 있다. 따라서, 심박수 측정 시 발생할 수 있는 다양한 노이즈들을 제거하는 것만으로는 정확한 심박수를 획득하지 못할 수 있다.
다양한 실시예들은 사용자의 운동 정보 및 기타 센서 정보를 이용하여 심박 측정 센서로부터 측정된 심박수를 보정하는 방법 및 장치를 제공할 수 있다.
다양한 실시예들에 따른 전자 장치는 모션 센서, 심박 측정 센서, 및 상기 모션 센서 및 상기 심박 측정 센서와 기능적으로 연결된 프로세서를 포함하고, 상기 프로세서는, 상기 모션 센서를 이용하여 제1 기간 동안 제1 모션 센서 데이터를 획득하고, 상기 심박 측정 센서를 이용하여 상기 제1 기간 동안 제1 심박 데이터를 획득하고, 상기 제1 모션 센서 데이터에 기반하여 운동 종류를 결정하고, 상기 제1 모션 센서 데이터, 상기 운동 종류 및 상기 제1 심박 데이터 중 적어도 하나에 기반하여 심박 예측 범위를 결정하고, 상기 심박 측정 센서를 이용하여 제2 기간 동안 제2 심박 데이터를 획득하고, 상기 제2 심박 데이터가 상기 심박 예측 범위에 포함되는지 판단하고, 상기 판단 결과에 기반하여 상기 제2 기간 동안의 심박 데이터를 결정하도록 설정될 수 있다.
다양한 실시예들에 따른 모션 센서 및 심박 측정 센서를 포함하는 전자 장치의 동작 방법은 상기 모션 센서를 이용하여 제1 기간 동안 제1 모션 센서 데이터를 획득하고, 상기 심박 측정 센서를 이용하여 제1 기간 동안 제1 심박 데이터를 획득하는 동작, 상기 제1 모션 센서 데이터에 기반하여 운동 종류를 결정하는 동작, 상기 제1 모션 센서 데이터, 상기 운동 종류 및 상기 제1 심박 데이터 중 적어도 하나에 기반하여 심박 예측 범위를 결정하는 동작, 제2 기간 동안 획득한 제2 심박 데이터가 상기 심박 예측 범위 이내인지 판단하는 동작, 및 상기 판단 결과에 기반하여 상기 제2 기간 동안의 심박 데이터를 결정하는 동작을 포함할 수 있다.
다양한 실시예들에 따른 컴퓨터로 판독 가능한 기록 매체는 모션 센서를 이용하여 제1 기간 동안 제1 모션 센서 데이터를 획득하고, 심박 측정 센서를 이용하여 제1 기간 동안 제1 심박 데이터를 획득하는 동작, 상기 제1 모션 센서 데이터에 기반하여 운동 종류를 결정하는 동작, 상기 제1 모션 센서 데이터, 상기 운동 종류 및 상기 제1 심박 데이터 중 적어도 하나에 기반하여 심박 예측 범위를 결정하는 동작, 제2 기간 동안 획득한 제2 심박 데이터가 상기 심박 예측 범위 이내인지 판단하는 동작, 및 상기 판단 결과에 기반하여 상기 제2 기간 동안의 심박 데이터를 결정하는 동작을 실행하는 프로그램을 포함할 수 있다.
다양한 실시예들에 따르면, 사용자의 운동 정보 및 기타 센서 정보를 이용하여 심박 측정 센서로부터 측정된 심박수를 보정함으로써, 더욱 정확한 심박수를 획득할 수 있다.
다양한 실시예들에 따르면, 심박수 보정을 통해 정확한 심박수를 획득함으로써, 심박수에 기반한 칼로리를 계산할 수 있다.
다양한 실시예들에 따르면, 사용자 움직임에 기반한 정확한 심박수를 획득함으로써, 심박수를 이용하여 다양한 정보를 제공할 수 있다.
도 1은 다양한 실시예들에 따른 네트워크 환경 내의 전자 장치를 도시한 도면이다.
도 2는 다양한 실시예들에 따른 전자 장치의 구성을 도시한 블록도이다.
도 3은 다양한 실시예들에 따른 프로그램 모듈을 도시한 블록도이다.
도 4는 다양한 실시예들에 따른 전자 장치의 구성을 도시한 블록도이다.
도 5는 다양한 실시예들에 따른 전자 장치의 동작 방법을 도시한 흐름도이다.
도 6a 도 6b는 다양한 실시예들에 따른 전자 장치에서 심박 데이터를 예측하는 일례를 도시한 도면들이다.
도 7a 내지 도 7d는 다양한 실시예들에 따른 운동 종류에 따라 다르게 측정된 심박 데이터의 일례를 도시한 도면들이다.
도 8은 다양한 실시예들에 따른 운동 종류에 따른 심박 예측 범위를 설정하는 일례를 도시한 도면이다.
도 9는 다양한 실시예들에 따른 전자 장치의 심박 예측 범위 결정 방법을 도시한 흐름도이다.
도 10은 다양한 실시예들에 따른 전자 장치의 심박 데이터를 이용한 정보 제공 방법을 도시한 흐름도이다.
이하, 본 문서의 다양한 실시예들이 첨부된 도면을 참조하여 기재된다. 실시예 및 이에 사용된 용어들은 본 문서에 기재된 기술을 특정한 실시 형태에 대해 한정하려는 것이 아니며, 해당 실시예의 다양한 변경, 균등물, 및/또는 대체물을 포함하는 것으로 이해되어야 한다. 도면의 설명과 관련하여, 유사한 구성요소에 대해서는 유사한 참조 부호가 사용될 수 있다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함할 수 있다.
본 문서에서, "A 또는 B" 또는 "A 및/또는 B 중 적어도 하나" 등의 표현은 함께 나열된 항목들의 모든 가능한 조합을 포함할 수 있다. "제 1," "제 2," "첫째," 또는 "둘째,"등의 표현들은 해당 구성요소들을, 순서 또는 중요도에 상관없이 수식할 수 있고, 한 구성요소를 다른 구성요소와 구분하기 위해 사용될 뿐 해당 구성요소들을 한정하지 않는다. 어떤(예: 제 1) 구성요소가 다른(예: 제 2) 구성요소에 "(기능적으로 또는 통신적으로) 연결되어" 있다거나 "접속되어" 있다고 언급된 때에는, 상기 어떤 구성요소가 상기 다른 구성요소에 직접적으로 연결되거나, 다른 구성요소(예: 제 3 구성요소)를 통하여 연결될 수 있다.
본 문서에서, "~하도록 구성된(또는 설정된)(configured to)"은 상황에 따라, 예를 들면, 하드웨어적 또는 소프트웨어적으로 "~에 적합한," "~하는 능력을 가지는," "~하도록 변경된," "~하도록 만들어진," "~를 할 수 있는," 또는 "~하도록 설계된"과 상호 호환적으로(interchangeably) 사용될 수 있다. 어떤 상황에서는, "~하도록 구성된 장치"라는 표현은, 그 장치가 다른 장치 또는 부품들과 함께 "~할 수 있는" 것을 의미할 수 있다. 예를 들면, 문구 "A, B, 및 C를 수행하도록 구성된(또는 설정된) 프로세서"는 해당 동작을 수행하기 위한 전용 프로세서(예: 임베디드 프로세서), 또는 메모리 장치에 저장된 하나 이상의 소프트웨어 프로그램들을 실행함으로써, 해당 동작들을 수행할 수 있는 범용 프로세서(예: CPU 또는 application processor)를 의미할 수 있다.
본 문서의 다양한 실시예들에 따른 전자 장치는, 예를 들면, 스마트폰, 태블릿 PC, 이동 전화기, 영상 전화기, 전자책 리더기, 데스크탑 PC, 랩탑 PC, 넷북 컴퓨터, 워크스테이션, 서버, PDA, PMP(portable multimedia player), MP3 플레이어, 의료기기, 카메라, 또는 웨어러블 장치 중 적어도 하나를 포함할 수 있다. 웨어러블 장치는 액세서리형(예: 시계, 반지, 팔찌, 발찌, 목걸이, 안경, 콘택트 렌즈, 또는 머리 착용형 장치(head-mounted-device(HMD)), 직물 또는 의류 일체형(예: 전자 의복), 신체 부착형(예: 스킨 패드 또는 문신), 또는 생체 이식형 회로 중 적어도 하나를 포함할 수 있다. 어떤 실시예들에서, 전자 장치는, 예를 들면, 텔레비전, DVD(digital video disk) 플레이어, 오디오, 냉장고, 에어컨, 청소기, 오븐, 전자레인지, 세탁기, 공기 청정기, 셋톱 박스, 홈 오토매이션 컨트롤 패널, 보안 컨트롤 패널, 미디어 박스(예: 삼성 HomeSyncTM, 애플TVTM, 또는 구글 TVTM), 게임 콘솔(예: XboxTM, PlayStationTM), 전자 사전, 전자 키, 캠코더, 또는 전자 액자 중 적어도 하나를 포함할 수 있다.
다른 실시예에서, 전자 장치는, 각종 의료기기(예: 각종 휴대용 의료측정기기(혈당 측정기, 심박 측정기, 혈압 측정기, 또는 체온 측정기 등), MRA(magnetic resonance angiography), MRI(magnetic resonance imaging), CT(computed tomography), 촬영기, 또는 초음파기 등), 네비게이션 장치, 위성 항법 시스템(GNSS(global navigation satellite system)), EDR(event data recorder), FDR(flight data recorder), 자동차 인포테인먼트 장치, 선박용 전자 장비(예: 선박용 항법 장치, 자이로 콤파스 등), 항공 전자기기(avionics), 보안 기기, 차량용 헤드 유닛(head unit), 산업용 또는 가정용 로봇, 드론(drone), 금융 기관의 ATM, 상점의 POS(point of sales), 또는 사물 인터넷 장치 (예: 전구, 각종 센서, 스프링클러 장치, 화재 경보기, 온도조절기, 가로등, 토스터, 운동기구, 온수탱크, 히터, 보일러 등) 중 적어도 하나를 포함할 수 있다.
어떤 실시예에 따르면, 전자 장치는 가구, 건물/구조물 또는 자동차의 일부, 전자 보드(electronic board), 전자 사인 수신 장치(electronic signature receiving device), 프로젝터, 또는 각종 계측 기기(예: 수도, 전기, 가스, 또는 전파 계측 기기 등) 중 적어도 하나를 포함할 수 있다. 다양한 실시예에서, 전자 장치는 플렉서블하거나, 또는 전술한 다양한 장치들 중 둘 이상의 조합일 수 있다. 본 문서의 실시예에 따른 전자 장치는 전술한 기기들에 한정되지 않는다. 본 문서에서, 사용자라는 용어는 전자 장치를 사용하는 사람 또는 전자 장치를 사용하는 장치(예: 인공지능 전자 장치)를 지칭할 수 있다.
도 1은 다양한 실시예들에 따른 네트워크 환경(100) 내의 전자 장치(101)를 도시한 도면이다.
도 1을 참조하면, 전자 장치(101)는 버스(110), 프로세서(120), 메모리(130), 입출력 인터페이스(150), 디스플레이(160), 및 통신 인터페이스(170)를 포함할 수 있다. 어떤 실시예에서는, 전자 장치(101)는, 구성요소들 중 적어도 하나를 생략하거나 다른 구성요소를 추가적으로 구비할 수 있다.
버스(110)는 구성요소들(110-170)을 서로 연결하고, 구성요소들 간의 통신(예: 제어 메시지 또는 데이터)을 전달하는 회로를 포함할 수 있다.
프로세서(120)는, 중앙처리장치(central processing unit(CPU)), 어플리케이션 프로세서(application processor(AP)), 또는 커뮤니케이션 프로세서(communication processor(CP)) 중 하나 또는 그 이상을 포함할 수 있다. 프로세서(120)는, 예를 들면, 전자 장치(101)의 적어도 하나의 다른 구성요소들의 제어 및/또는 통신에 관한 연산이나 데이터 처리를 실행할 수 있다.
메모리(130)는, 휘발성 및/또는 비휘발성 메모리를 포함할 수 있다. 메모리(130)는, 예를 들면, 전자 장치(101)의 적어도 하나의 다른 구성요소에 관계된 명령 또는 데이터를 저장할 수 있다. 한 실시예에 따르면, 메모리(130)는 소프트웨어 및/또는 프로그램(140)을 저장할 수 있다. 프로그램(140)은, 예를 들면, 커널(141), 미들웨어(143), 어플리케이션 프로그래밍 인터페이스(API)(145), 및/또는 어플리케이션 프로그램(또는 "어플리케이션")(147) 등을 포함할 수 있다. 커널(141), 미들웨어(143), 또는 API(145)의 적어도 일부는, 운영 시스템으로 지칭될 수 있다.
커널(141)은, 예를 들면, 다른 프로그램들(예: 미들웨어(143), API(145), 또는 어플리케이션 프로그램(147))에 구현된 동작 또는 기능을 실행하는 데 사용되는 시스템 리소스들(예: 버스(110), 프로세서(120), 또는 메모리(130) 등)을 제어 또는 관리할 수 있다. 또한, 커널(141)은 미들웨어(143), API(145), 또는 어플리케이션 프로그램(147)에서 전자 장치(101)의 개별 구성요소에 접근함으로써, 시스템 리소스들을 제어 또는 관리할 수 있는 인터페이스를 제공할 수 있다.
미들웨어(143)는, 예를 들면, API(145) 또는 어플리케이션 프로그램(147)이 커널(141)과 통신하여 데이터를 주고받을 수 있도록 중개 역할을 수행할 수 있다. 또한, 미들웨어(143)는 어플리케이션 프로그램(147)으로부터 수신된 하나 이상의 작업 요청들을 우선 순위에 따라 처리할 수 있다. 예를 들면, 미들웨어(143)는 어플리케이션 프로그램(147) 중 적어도 하나에 전자 장치(101)의 시스템 리소스(예: 버스(110), 프로세서(120), 또는 메모리(130) 등)를 사용할 수 있는 우선 순위를 부여하고, 상기 하나 이상의 작업 요청들을 처리할 수 있다.
API(145)는 어플리케이션(147)이 커널(141) 또는 미들웨어(143)에서 제공되는 기능을 제어하기 위한 인터페이스로, 예를 들면, 파일 제어, 창 제어, 영상 처리, 또는 문자 제어 등을 위한 적어도 하나의 인터페이스 또는 함수(예: 명령어)를 포함할 수 있다. 입출력 인터페이스(150)는, 예를 들면, 사용자 또는 다른 외부 기기로부터 입력된 명령 또는 데이터를 전자 장치(101)의 다른 구성요소(들)에 전달하거나, 또는 전자 장치(101)의 다른 구성요소(들)로부터 수신된 명령 또는 데이터를 사용자 또는 다른 외부 기기로 출력할 수 있다.
디스플레이(160)는, 예를 들면, 액정 디스플레이(LCD), 발광 다이오드(LED) 디스플레이, 유기 발광 다이오드(OLED) 디스플레이, 또는 마이크로 전자기계 시스템 (MEMS) 디스플레이, 또는 전자종이(electronic paper) 디스플레이를 포함할 수 있다. 디스플레이(160)는, 예를 들면, 사용자에게 각종 콘텐츠(예: 텍스트, 이미지, 비디오, 아이콘, 및/또는 심볼 등)을 표시할 수 있다. 디스플레이(160)는, 터치 스크린을 포함할 수 있으며, 예를 들면, 전자 펜 또는 사용자의 신체의 일부를 이용한 터치, 제스쳐, 근접, 또는 호버링 입력을 수신할 수 있다.
통신 인터페이스(170)는, 예를 들면, 전자 장치(101)와 외부 장치(예: 제 1 외부 전자 장치(102), 제 2 외부 전자 장치(104), 또는 서버(106)) 간의 통신을 설정할 수 있다. 예를 들면, 통신 인터페이스(170)는 무선 통신 또는 유선 통신을 통해서 네트워크(162)에 연결되어 외부 장치(예: 제 2 외부 전자 장치(104) 또는 서버(106))와 통신할 수 있다. 무선 통신은, 예를 들면, LTE, LTE-A(LTE advance), CDMA(code division multiple access), WCDMA(wideband CDMA), UMTS(universal mobile telecommunications system), WiBro(wireless broadband), 또는 GSM(global system for mobile communications) 등 중 적어도 하나를 사용하는 셀룰러 통신을 포함할 수 있다.
한 실시예에 따르면, 무선 통신은, 예를 들면, WiFi(wireless fidelity), 블루투스, 블루투스 저전력(BLE: bluetooth low energy), 지그비(Zigbee), NFC(near field communication), 자력 시큐어 트랜스미션(magnetic secure transmission), 라디오 프리퀀시(RF), 또는 보디 에어리어 네트워크(BAN) 중 적어도 하나를 포함할 수 있다. 한실시예에 따르면, 무선 통신은 GNSS를 포함할 수 있다. GNSS는, 예를 들면, GPS(global positioning system), Glonass(global navigation satellite system), beidou navigation satellite system(이하 "Beidou") 또는 galileo, the european global satellite-based navigation system일 수 있다. 이하, 본 문서에서는, "GPS"는 "GNSS"와 상호 호환적으로 사용될 수 있다. 유선 통신은, 예를 들면, USB(universal serial bus), HDMI(high definition multimedia interface), RS-232(recommended standard232), 전력선 통신, 또는 POTS(plain old telephone service) 등 중 적어도 하나를 포함할 수 있다. 네트워크(162)는 텔레커뮤니케이션 네트워크, 예를 들면, 컴퓨터 네트워크(예: LAN 또는 WAN), 인터넷, 또는 텔레폰 네트워크 중 적어도 하나를 포함할 수 있다.
제1 및 제2 외부 전자 장치(102, 104) 각각은 전자 장치(101)와 동일한 또는 다른 종류의 장치일 수 있다. 다양한 실시예에 따르면, 전자 장치(101)에서 실행되는 동작들의 전부 또는 일부는 다른 하나 또는 복수의 전자 장치(예: 전자 장치(102,104), 또는 서버(106)에서 실행될 수 있다. 한 실시예에 따르면, 전자 장치(101)가 어떤 기능이나 서비스를 자동으로 또는 요청에 의하여 수행해야 할 경우에, 전자 장치(101)는 기능 또는 서비스를 자체적으로 실행시키는 대신에 또는 추가적으로, 그와 연관된 적어도 일부 기능을 다른 장치(예: 전자 장치(102, 104), 또는 서버(106))에게 요청할 수 있다. 다른 전자 장치(예: 전자 장치(102, 104), 또는 서버(106))는 요청된 기능 또는 추가 기능을 실행하고, 그 결과를 전자 장치(101)로 전달할 수 있다. 전자 장치(101)는 수신된 결과를 그대로 또는 추가적으로 처리하여 요청된 기능이나 서비스를 제공할 수 있다. 이를 위하여, 예를 들면, 클라우드 컴퓨팅, 분산 컴퓨팅, 또는 클라이언트-서버 컴퓨팅 기술이 이용될 수 있다.
도 2는 다양한 실시예에 따른 전자 장치(201)의 구성을 도시한 블록도이다.
도 2를 참조하면, 전자 장치(201)는, 예를 들면, 도 1에 도시된 전자 장치(101)의 전체 또는 일부를 포함할 수 있다. 전자 장치(201)는 하나 이상의 프로세서(예: AP)(210), 통신 모듈(220), 메모리(230), 센서 모듈(240), 입력 장치(250), 디스플레이(260), 인터페이스(270), 오디오 모듈(280), 카메라 모듈(291), 전력 관리 모듈(295), 배터리(296), 인디케이터(297), 및 모터(298) 를 포함할 수 있다.
프로세서(210)는, 예를 들면, 운영 체제 또는 응용 프로그램을 구동하여 프로세서(210)에 연결된 다수의 하드웨어 또는 소프트웨어 구성요소들을 제어할 수 있고, 각종 데이터 처리 및 연산을 수행할 수 있다. 프로세서(210)는, 예를 들면, SoC(system on chip) 로 구현될 수 있다. 한 실시예에 따르면, 프로세서(210)는 GPU(graphic processing unit) 및/또는 이미지 신호 프로세서를 더 포함할 수 있다. 프로세서(210)는 도 2에 도시된 구성요소들 중 적어도 일부(예: 셀룰러 모듈(221))를 포함할 수도 있다. 프로세서(210) 는 다른 구성요소들(예: 비휘발성 메모리) 중 적어도 하나로부터 수신된 명령 또는 데이터를 휘발성 메모리에 로드)하여 처리하고, 결과 데이터를 비휘발성 메모리에 저장할 수 있다.
통신 모듈(220)은 도 1의 통신 인터페이스(170)와 동일 또는 유사한 구성을 가질 수 있다. 통신 모듈(220)은, 예를 들면, 셀룰러 모듈(221), WiFi 모듈(223), 블루투스 모듈(225), GNSS 모듈(227), NFC 모듈(228) 및 RF 모듈(229)를 포함할 수 있다. 셀룰러 모듈(221)은, 예를 들면, 통신망을 통해서 음성 통화, 영상 통화, 문자 서비스, 또는 인터넷 서비스 등을 제공할 수 있다. 한 실시예에 따르면, 셀룰러 모듈(221)은 가입자 식별 모듈(예: SIM 카드)(224)을 이용하여 통신 네트워크 내에서 전자 장치(201)의 구별 및 인증을 수행할 수 있다. 한 실시예에 따르면, 셀룰러 모듈(221)은 프로세서(210)가 제공할 수 있는 기능 중 적어도 일부 기능을 수행할 수 있다. 한 실시예에 따르면, 셀룰러 모듈(221)은 커뮤니케이션 프로세서(CP)를 포함할 수 있다.
어떤 실시예에 따르면, 셀룰러 모듈(221), WiFi 모듈(223), 블루투스 모듈(225), GNSS 모듈(227) 또는 NFC 모듈(228) 중 적어도 일부(예: 두 개 이상)는 하나의 integrated chip(IC) 또는 IC 패키지 내에 포함될 수 있다. RF 모듈(229)은, 예를 들면, 통신 신호(예: RF 신호)를 송수신할 수 있다. RF 모듈(229)은, 예를 들면, 트랜시버, PAM(power amp module), 주파수 필터, LNA(low noise amplifier), 또는 안테나 등을 포함할 수 있다. 다른 실시예에 따르면, 셀룰러 모듈(221), WiFi 모듈(223), 블루투스 모듈(225), GNSS 모듈(227) 또는 NFC 모듈(228) 중 적어도 하나는 별개의 RF 모듈을 통하여 RF 신호를 송수신할 수 있다. 가입자 식별 모듈(224)은, 예를 들면, 가입자 식별 모듈을 포함하는 카드 또는 임베디드 SIM을 포함할 수 있으며, 고유한 식별 정보(예: ICCID(integrated circuit card identifier)) 또는 가입자 정보(예: IMSI(international mobile subscriber identity))를 포함할 수 있다.
메모리(230)(예: 메모리(130))는, 예를 들면, 내장 메모리(232) 또는 외장 메모리(234)를 포함할 수 있다. 내장 메모리(232)는, 예를 들면, 휘발성 메모리(예: DRAM, SRAM, 또는 SDRAM 등), 비휘발성 메모리(예: OTPROM(one time programmable ROM), PROM, EPROM, EEPROM, mask ROM, flash ROM, 플래시 메모리, 하드 드라이브, 또는 솔리드 스테이트 드라이브 (SSD) 중 적어도 하나를 포함할 수 있다. 외장 메모리(234)는 플래시 드라이브(flash drive), 예를 들면, CF(compact flash), SD(secure digital), Micro-SD, Mini-SD, xD(extreme digital), MMC(multi-media card) 또는 메모리 스틱 등을 포함할 수 있다. 외장 메모리(234)는 다양한 인터페이스를 통하여 전자 장치(201)와 기능적으로 또는 물리적으로 연결될 수 있다.
센서 모듈(240)은, 예를 들면, 물리량을 계측하거나 전자 장치(201)의 작동 상태를 감지하여, 계측 또는 감지된 정보를 전기 신호로 변환할 수 있다. 센서 모듈(240)은, 예를 들면, 제스처 센서(240A), 자이로 센서(240B), 기압 센서(240C), 마그네틱 센서(240D), 가속도 센서(240E), 그립 센서(240F), 근접 센서(240G), 컬러(color) 센서(240H)(예: RGB(red, green, blue) 센서), 생체 센서(240I), 온/습도 센서(240J), 조도 센서(240K), 또는 UV(ultra violet) 센서(240M) 중의 적어도 하나를 포함할 수 있다. 추가적으로 또는 대체적으로, 센서 모듈(240)은, 예를 들면, 후각(e-nose) 센서, 일렉트로마이오그라피(EMG) 센서, 일렉트로엔씨팔로그램(EEG) 센서, 일렉트로카디오그램(ECG) 센서, IR(infrared) 센서, 홍채 센서 및/또는 지문 센서를 포함할 수 있다. 센서 모듈(240)은 그 안에 속한 적어도 하나 이상의 센서들을 제어하기 위한 제어 회로를 더 포함할 수 있다. 어떤 실시예에서는, 전자 장치(201)는 프로세서(210)의 일부로서 또는 별도로, 센서 모듈(240)을 제어하도록 구성된 프로세서를 더 포함하여, 프로세서(210)가 슬립(sleep) 상태에 있는 동안, 센서 모듈(240)을 제어할 수 있다.
입력 장치(250)는, 예를 들면, 터치 패널(252), (디지털) 펜 센서(254), 키(256), 또는 초음파 입력 장치(258)를 포함할 수 있다. 터치 패널(252)은, 예를 들면, 정전식, 감압식, 적외선 방식, 또는 초음파 방식 중 적어도 하나의 방식을 사용할 수 있다. 또한, 터치 패널(252)은 제어 회로를 더 포함할 수도 있다. 터치 패널(252)은 택타일 레이어(tactile layer)를 더 포함하여, 사용자에게 촉각 반응을 제공할 수 있다. (디지털) 펜 센서(254)는, 예를 들면, 터치 패널의 일부이거나, 별도의 인식용 쉬트를 포함할 수 있다. 키(256)는, 예를 들면, 물리적인 버튼, 광학식 키, 또는 키패드를 포함할 수 있다. 초음파 입력 장치(258)는 마이크(예: 마이크(288))를 통해, 입력 도구에서 발생된 초음파를 감지하여, 상기 감지된 초음파에 대응하는 데이터를 확인할 수 있다.
디스플레이(260)(예: 디스플레이(160))는 패널(262), 홀로그램 장치(264), 프로젝터(266), 및/또는 이들을 제어하기 위한 제어 회로를 포함할 수 있다. 패널(262)은, 예를 들면, 유연하게, 투명하게, 또는 착용할 수 있게 구현될 수 있다. 패널(262)은 터치 패널(252)과 하나 이상의 모듈로 구성될 수 있다. 한 실시예에 따르면, 패널(262)은 사용자의 터치에 대한 압력의 세기를 측정할 수 있는 압력 센서(또는 포스 센서)를 포함할 수 있다. 상기 압력 센서는 터치 패널(252)과 일체형으로 구현되거나, 또는 터치 패널(252)과는 별도의 하나 이상의 센서로 구현될 수 있다.
홀로그램 장치(264)는 빛의 간섭을 이용하여 입체 영상을 허공에 보여줄 수 있다. 프로젝터(266)는 스크린에 빛을 투사하여 영상을 표시할 수 있다. 스크린은, 예를 들면, 전자 장치(201)의 내부 또는 외부에 위치할 수 있다. 인터페이스(270)는, 예를 들면, HDMI(272), USB(274), 광 인터페이스(optical interface)(276), 또는 D-sub(D-subminiature)(278)를 포함할 수 있다. 인터페이스(270)는, 예를 들면, 도 1에 도시된 통신 인터페이스(170)에 포함될 수 있다. 추가적으로 또는 대체적으로, 인터페이스(270)는, 예를 들면, MHL(mobile high-definition link) 인터페이스, SD카드/MMC(multi-media card) 인터페이스, 또는 IrDA(infrared data association) 규격 인터페이스를 포함할 수 있다.
오디오 모듈(280)은, 예를 들면, 소리와 전기 신호를 쌍방향으로 변환시킬 수 있다. 오디오 모듈(280)의 적어도 일부 구성요소는, 예를 들면, 도 1 에 도시된 입출력 인터페이스(145)에 포함될 수 있다. 오디오 모듈(280)은, 예를 들면, 스피커(282), 리시버(284), 이어폰(286), 또는 마이크(288) 등을 통해 입력 또는 출력되는 소리 정보를 처리할 수 있다. 카메라 모듈(291)은, 예를 들면, 정지 영상 및 동영상을 촬영할 수 있는 장치로서, 한 실시예에 따르면, 하나 이상의 이미지 센서(예: 전면 센서 또는 후면 센서), 렌즈, 이미지 시그널 프로세서(ISP), 또는 플래시(예: LED 또는 xenon lamp 등)를 포함할 수 있다.
전력 관리 모듈(295)은, 예를 들면, 전자 장치(201)의 전력을 관리할 수 있다. 한 실시예에 따르면, 전력 관리 모듈(295)은 PMIC(power management integrated circuit), 충전 IC, 또는 배터리 또는 연료 게이지를 포함할 수 있다. PMIC는, 유선 및/또는 무선 충전 방식을 가질 수 있다. 무선 충전 방식은, 예를 들면, 자기공명 방식, 자기유도 방식 또는 전자기파 방식 등을 포함하며, 무선 충전을 위한 부가적인 회로, 예를 들면, 코일 루프, 공진 회로, 또는 정류기 등을 더 포함할 수 있다. 배터리 게이지는, 예를 들면, 배터리(296)의 잔량, 충전 중 전압, 전류, 또는 온도를 측정할 수 있다. 배터리(296)는, 예를 들면, 충전식 전지 및/또는 태양 전지를 포함할 수 있다.
인디케이터(297)는 전자 장치(201) 또는 그 일부(예: 프로세서(210))의 특정 상태, 예를 들면, 부팅 상태, 메시지 상태 또는 충전 상태 등을 표시할 수 있다. 모터(298)는 전기적 신호를 기계적 진동으로 변환할 수 있고, 진동, 또는 햅틱 효과 등을 발생시킬 수 있다. 전자 장치(201)는, 예를 들면, DMB(digital multimedia broadcasting), DVB(digital video broadcasting), 또는 미디어플로(mediaFloTM) 등의 규격에 따른 미디어 데이터를 처리할 수 있는 모바일 TV 지원 장치(예: GPU)를 포함할 수 있다. 본 문서에서 기술된 구성요소들 각각은 하나 또는 그 이상의 부품(component)으로 구성될 수 있으며, 해당 구성요소의 명칭은 전자 장치의 종류에 따라서 달라질 수 있다. 다양한 실시예에서, 전자 장치(예: 전자 장치(201))는 일부 구성요소가 생략되거나, 추가적인 구성요소를 더 포함하거나, 또는, 구성요소들 중 일부가 결합되어 하나의 개체로 구성되되, 결합 이전의 해당 구성요소들의 기능을 동일하게 수행할 수 있다.
도 3은 다양한 실시예에 따른 프로그램 모듈의 블록도이다.
한 실시예에 따르면, 프로그램 모듈(310)(예: 프로그램(140))은 전자 장치(예: 전자 장치(101))에 관련된 자원을 제어하는 운영 체제 및/또는 운영 체제 상에서 구동되는 다양한 어플리케이션(예: 어플리케이션 프로그램(147))을 포함할 수 있다. 운영 체제는, 예를 들면, AndroidTM, iOSTM, WindowsTM, SymbianTM, TizenTM, 또는 BadaTM를 포함할 수 있다. 도 3을 참조하면, 프로그램 모듈(310)은 커널(320)(예: 커널(141)), 미들웨어(330)(예: 미들웨어(143)), (API(360)(예: API(145)), 및/또는 어플리케이션(370)(예: 어플리케이션 프로그램(147))을 포함할 수 있다. 프로그램 모듈(310)의 적어도 일부는 전자 장치 상에 프리로드 되거나, 외부 전자 장치(예: 전자 장치(102, 104), 서버(106) 등)로부터 다운로드 가능하다.
커널(320)은, 예를 들면, 시스템 리소스 매니저(321) 및/또는 디바이스 드라이버(323)를 포함할 수 있다. 시스템 리소스 매니저(321)는 시스템 리소스의 제어, 할당, 또는 회수를 수행할 수 있다. 한 실시예에 따르면, 시스템 리소스 매니저(321)는 프로세스 관리부, 메모리 관리부, 또는 파일 시스템 관리부를 포함할 수 있다. 디바이스 드라이버(323)는, 예를 들면, 디스플레이 드라이버, 카메라 드라이버, 블루투스 드라이버, 공유 메모리 드라이버, USB 드라이버, 키패드 드라이버, WiFi 드라이버, 오디오 드라이버, 또는 IPC(inter-process communication) 드라이버를 포함할 수 있다.
미들웨어(330)는, 예를 들면, 어플리케이션(370)이 공통적으로 필요로 하는 기능을 제공하거나, 어플리케이션(370)이 전자 장치 내부의 제한된 시스템 자원을 사용할 수 있도록 API(360)를 통해 다양한 기능들을 어플리케이션(370)으로 제공할 수 있다. 한 실시예에 따르면, 미들웨어(330) 는 런타임 라이브러리(335), 어플리케이션 매니저(341), 윈도우 매니저(342), 멀티미디어 매니저(343), 리소스 매니저(344), 파워 매니저(345), 데이터베이스 매니저(346), 패키지 매니저(347), 커넥티비티 매니저(348), 노티피케이션 매니저(349), 로케이션 매니저(350), 그래픽 매니저(351), 또는 시큐리티 매니저(352) 중 적어도 하나를 포함할 수 있다.
런타임 라이브러리(335)는, 예를 들면, 어플리케이션(370)이 실행되는 동안에 프로그래밍 언어를 통해 새로운 기능을 추가하기 위해 컴파일러가 사용하는 라이브러리 모듈을 포함할 수 있다. 런타임 라이브러리(335)는 입출력 관리, 메모리 관리, 또는 산술 함수 처리를 수행할 수 있다. 어플리케이션 매니저(341)는, 예를 들면, 어플리케이션(370)의 생명 주기를 관리할 수 있다. 윈도우 매니저(342)는 화면에서 사용되는 GUI 자원을 관리할 수 있다. 멀티미디어 매니저(343)는 미디어 파일들의 재생에 필요한 포맷을 파악하고, 해당 포맷에 맞는 코덱을 이용하여 미디어 파일의 인코딩 또는 디코딩을 수행할 수 있다.
리소스 매니저(344)는 어플리케이션(370)의 소스 코드 또는 메모리의 공간을 관리할 수 있다. 파워 매니저(345)는, 예를 들면, 배터리의 용량 또는 전원을 관리하고, 전자 장치의 동작에 필요한 전력 정보를 제공할 수 있다. 한 실시예에 따르면, 파워 매니저(345)는 바이오스(BIOS: basic input/output system)와 연동할 수 있다. 데이터베이스 매니저(346)는, 예를 들면, 어플리케이션(370)에서 사용될 데이터베이스를 생성, 검색, 또는 변경할 수 있다. 패키지 매니저(347)는 패키지 파일의 형태로 배포되는 어플리케이션의 설치 또는 갱신을 관리할 수 있다.
커넥티비티 매니저(348)는, 예를 들면, 무선 연결을 관리할 수 있다. 노티피케이션 매니저(349)는, 예를 들면, 도착 메시지, 약속, 근접성 알림 등의 이벤트를 사용자에게 제공할 수 있다. 로케이션 매니저(350)는, 예를 들면, 전자 장치의 위치 정보를 관리할 수 있다. 그래픽 매니저(351)는, 예를 들면, 사용자에게 제공될 그래픽 효과 또는 이와 관련된 사용자 인터페이스를 관리할 수 있다. 보안 매니저(352)는, 예를 들면, 시스템 보안 또는 사용자 인증을 제공할 수 있다.
한 실시예에 따르면, 미들웨어(330)는 전자 장치의 음성 또는 영상 통화 기능을 관리하기 위한 통화(telephony) 매니저 또는 전술된 구성요소들의 기능들의 조합을 형성할 수 있는 하는 미들웨어 모듈을 포함할 수 있다. 한 실시예에 따르면, 미들웨어(330)는 운영 체제의 종류 별로 특화된 모듈을 제공할 수 있다. 미들웨어(330)는 동적으로 기존의 구성요소를 일부 삭제하거나 새로운 구성요소들을 추가할 수 있다. API(360)는, 예를 들면, API 프로그래밍 함수들의 집합으로, 운영 체제에 따라 다른 구성으로 제공될 수 있다. 예를 들면, 안드로이드 또는 iOS의 경우, 플랫폼 별로 하나의 API 셋을 제공할 수 있으며, 타이젠의 경우, 플랫폼 별로 두 개 이상의 API 셋을 제공할 수 있다.
어플리케이션(370)은, 예를 들면, 홈(371), 다이얼러(372), SMS/MMS(373), IM(instant message)(374), 브라우저(375), 카메라(376), 알람(377), 컨택트(378), 음성 다이얼(379), 이메일(380), 달력(381), 미디어 플레이어(382), 앨범(383), 와치(384), 헬스 케어(예: 운동량 또는 혈당 등을 측정), 또는 환경 정보(예: 기압, 습도, 또는 온도 정보) 제공 어플리케이션을 포함할 수 있다. 한 실시예에 따르면, 어플리케이션(370)은 전자 장치와 외부 전자 장치 사이의 정보 교환을 지원할 수 있는 정보 교환 어플리케이션을 포함할 수 있다. 정보 교환 어플리케이션은, 예를 들면, 외부 전자 장치에 특정 정보를 전달하기 위한 노티피케이션 릴레이 어플리케이션, 또는 외부 전자 장치를 관리하기 위한 장치 관리 어플리케이션을 포함할 수 있다.
예를 들면, 알림 전달 어플리케이션은 전자 장치의 다른 어플리케이션에서 발생된 알림 정보를 외부 전자 장치로 전달하거나, 또는 외부 전자 장치로부터 알림 정보를 수신하여 사용자에게 제공할 수 있다. 장치 관리 어플리케이션은, 예를 들면, 전자 장치와 통신하는 외부 전자 장치의 기능(예: 외부 전자 장치 자체(또는, 일부 구성 부품)의 턴-온/턴-오프 또는 디스플레이의 밝기(또는, 해상도) 조절), 또는 외부 전자 장치에서 동작하는 어플리케이션을 설치, 삭제, 또는 갱신할 수 있다. 한 실시예에 따르면, 어플리케이션(370)은 외부 전자 장치의 속성에 따라 지정된 어플리케이션(예: 모바일 의료 기기의 건강 관리 어플리케이션)을 포함할 수 있다. 한 실시예에 따르면, 어플리케이션(370)은 외부 전자 장치로부터 수신된 어플리케이션을 포함할 수 있다. 프로그램 모듈(310)의 적어도 일부는 소프트웨어, 펌웨어, 하드웨어(예: 프로세서(210)), 또는 이들 중 적어도 둘 이상의 조합으로 구현(예: 실행)될 수 있으며, 하나 이상의 기능을 수행하기 위한 모듈, 프로그램, 루틴, 명령어 세트 또는 프로세스를 포함할 수 있다.
본 문서에서 사용된 용어 "모듈"은 하드웨어, 소프트웨어 또는 펌웨어로 구성된 유닛을 포함하며, 예를 들면, 로직, 논리 블록, 부품, 또는 회로 등의 용어와 상호 호환적으로 사용될 수 있다. "모듈"은, 일체로 구성된 부품 또는 하나 또는 그 이상의 기능을 수행하는 최소 단위 또는 그 일부가 될 수 있다. "모듈"은 기계적으로 또는 전자적으로 구현될 수 있으며, 예를 들면, 어떤 동작들을 수행하는, 알려졌거나 앞으로 개발될, ASIC(application-specific integrated circuit) 칩, FPGAs(field-programmable gate arrays), 또는 프로그램 가능 논리 장치를 포함할 수 있다. 다양한 실시예에 따른 장치(예: 모듈들 또는 그 기능들) 또는 방법(예: 동작들)의 적어도 일부는 프로그램 모듈의 형태로 컴퓨터로 판독 가능한 저장 매체(예: 메모리(130))에 저장된 명령어로 구현될 수 있다. 상기 명령어가 프로세서(예: 프로세서(120))에 의해 실행될 경우, 프로세서가 상기 명령어에 해당하는 기능을 수행할 수 있다.
도 4는 다양한 실시예들에 따른 전자 장치의 구성을 도시한 도면이다.
도 4를 참조하면, 전자 장치(400)(예: 전자 장치(101))는 센서 모듈(410), 메모리(420), 디스플레이(430), 통신 모듈(440) 및 프로세서(450)를 포함할 수 있다. 메모리(460)는 프로세서(450) 내부에 포함되거나, 프로세서(450) 외부에 위치하며 프로세서(450)와 기능적으로 연결될 수 있다. 다양한 실시예들에 따른 전자 장치(400)는 사용자의 움직임을 검출하기 위해 웨어러블 디바이스와 같이 사용자의 신체에 착용 가능한 장치일 수 있다. 또는, 전자 장치(400)는 센서 모듈(410)을 구비한 웨어러블 디바이스로부터 센서 데이터를 수신하여 심박 데이터(또는 심박수)를 예측할 수도 있다.
센서 모듈(410)은 사용자의 움직임에 따라 계측 또는 감지되는 정보를 연속적으로 또는 주기적으로 센싱할 수 있다. 센서 모듈(410)은 심박 측정 센서(411), 모션 센서(413) 또는 기압 센서(415) 중 적어도 하나를 포함할 수 있다. 이러한, 센서 모듈(410)은 도 2의 센서 모듈(240)일 수 있다. 따라서, 센서 모듈(410)은 도 4에 도시하지 않은 다른 센서들을 더 포함할 수 있다. 센서 모듈(410)은 계측 또는 감지된 센서 데이터(예: 가속도 데이터, 기압 데이터) 또는 심박 데이터를 프로세서(450)로 전달할 수 있다.
심박 측정 센서(411)는 사용자의 심박 데이터를 측정하는 센서일 수 있다. 예를 들어, 심박 측정 센서(411)는 광학 센서, ECG(electrocardiogram) 센서, PPG(photoplethysmography) 센서 중 적어도 하나일 수 있다. 심박 측정 센서(411)가 광학 센서로 구현되는 경우, 심박 측정 센서(411)는 발광부와 수광부로 구성될 수 있다. 발광부는 IR(Infrared), Red LED, Green LED, Blue LED 중 적어도 하나일 수 있으며, 수광부는 포토 다이오드일 수 있다. 전자 장치(400)가 사용자의 신체에 부착되면, 심박 측정 센서(411)의 발광부는 빛을 출력할 수 있으며, 수광부는 발광부에서 출력된 빛이 사용자의 신체 중 적어도 일부에 의해 반사되어 돌아오는 것을 검출할 수 있다. 예를 들어, 상기 빛은 사용자의 혈류 변화량을 판단하기 위해 사용자의 피부보다 더 깊이(예: 혈관) 들어갔다가 반사되어 나올 수 있다. 심박 측정 센서(411)는 수광부에서 검출된 빛의 양을 수치화하여 순차적으로 나열하여 신호를 생성할 수 있다. 심박 측정 센서(411)는 생성된 신호를 프로세서(450)로 전달할 수 있다. 다만, 상기 생성된 신호에는 사용자의 심장 박동에 의해 측정된 주파수 이외에 여러 가지 다른 노이즈가 포함될 수 있다.
또는, PPG 센서는 심장 박동에 따른 혈관 굵기의 변화에 따라 빛의 흡수 및 반사 정도가 변화하는 원리를 이용한 것일 수 있다. 심박 측정 센서(411)가 PPG 센서로 구현되는 경우, 심박 측정 센서(411)는 적외선을 방출하는 발광부와 발광부로부터 사용자의 신체로 조사되어 반사된 빛을 감지하는 수광부로 구성될 수 있다. 심박 측정 센서(411)는 상기 수광부에서 검출되는 시간에 따른 광혈류량의 변화로부터 광전용적맥파(Photoplethysmography; PPG) 신호를 검출할 수 있다.
모션 센서(413)는 가속도 센서 또는 자이로 센서를 포함할 수 있다. 예를 들어, 상기 가속도 센서는 x, y, z 축으로 작용하는 가속도를 측정하는 센서로서, 측정된 가속도를 이용하여 전자 장치에 가해지고 있는 힘을 추측할 수 있다. 예를 들어, 상기 가속도 센서에서 아무런 움직임이 검출되지 않는 경우, 중력 가속도에 해당되는 값이 나오며, 움직임이 검출되는 경우, 움직이는 방향으로의 진동이 힘의 변화량, 즉 가속도 변화량으로 나타날 수 있다. 또한, 가속도 변화 패턴은 사용자가 어떤 운동을 하느냐에 따라 달라지며 각 운동 별 고유한 패턴이 나타날 수 있다. 모션 센서(413)는 측정된 가속도 데이터를 프로세서(450)로 전달할 수 있다.
기압 센서(415)는 전자 장치(400)의 고도 변화를 감지하는 센서일 수 있다. 예를 들어, 기압 센서(415)는 사용자가 높은 고도를 향해서 움직이고 있는지, 또는 사용자가 고도가 낮은 방향으로 움직이고 있는지를 측정할 수 있다. 런닝머신, 실내 사이클, 일립티컬, 로잉 머신 등의 실내 운동은 가속도 센서(411)에 의한 움직임은 검출되지만, 기압 센서(415)에 의한 고도 변화는 감지되지 않을 수 있다(예: 기압 데이터의 변화량이 없음). 또한, 걷기, 달리기 등의 실외 운동은 실내 운동과 달리 고도 변화가 발생할 수 있다(예: 기압 데이터의 변화량이 있음). 이 경우, 가속도 센서(411)에 의한 움직임도 검출되고, 기압 센서(415)에 의한 고도 변화도 검출될 수 있다. 기압 센서(415)는 측정된 기압 데이터를 프로세서(450)로 전달할 수 있다.
프로세서(450)는 전자 장치(400)의 적어도 하나의 구성요소들(예: 센서 모듈(410), 메모리(420), 디스플레이(430), 또는 통신 모듈(440))의 제어 또는 통신에 관한 연산이나 데이터 처리를 수행할 수 있다. 예를 들어, 프로세서(250)는 가속도 패턴을 이용하여 사용자의 걷기/달리기 등의 움직임 상태(예: 운동 종류)를 예측(또는 추정)할 수 있으며, 이것은 페도미터(pedometer) 정보로 가공할 수 있다. 프로세서(450)는 가속도 센서(411)와 함께 기압 센서(415)의 센서 데이터를 이용하면, 사용자가 어떤 운동(예: 운동 종류)을 하고 있는지 좀 더 구체적으로 판단할 수 있다. 이러한, 프로세서(450)는 도 1의 프로세서(120) 또는 도 2의 프로세서(210)일 수 있다. 프로세서(450)는 심박수 추출 모듈(451), 심박수 검증 모듈(455), 운동 강도 측정 모듈(453), 및 칼로리 계산 모듈(457)을 포함할 수 있다.
심박수 추출 모듈(451)은 심박 측정 센서(411)로부터 수신된 신호에서 심박수(또는 심박 데이터)에 해당하는 주파수를 추출할 수 있다. 심박수 추출 모듈(451)은 여러 가지 프로세스를 통하여 수신된 신호에서 노이즈를 제거할 수 있다. 예를 들어, 심박수 추출 모듈(451)은 사용자의 움직임에 따른 주파수를 제거하여 주파수 간 간섭을 최소화할 수 있다. 사용자 움직임 외에도 여러 가지 외부적인 요인으로 인해 심박 데이터가 부정확하게 측정될 수 있다. 예를 들어, 심박 측정 센서(411)가 사용자의 신체 일부에 정확하게 접착되지 않고, 피부와 심박 측정 센서(411) 사이에 공간이 있는 경우 피부에서 반사되는 값 이외의 다른 빛이 수광부로 들어갈 수 있다. 이런 경우, 사용자 움직임과 연관된 주파수를 제거하는 방법만으로는 정확한 심박 데이터를 획득하지 못할 수 있다. 프로세서(450)는 정확한 심박수(또는 심박 데이터) 획득을 위해 심박수 검증 모듈(455)을 이용할 수 있다.
운동 강도 측정 모듈(453)은 모션 센서(413) 또는 기압 센서(415)로부터 수신된 센서 데이터를 이용하여 사용자의 운동 강도를 측정할 수 있다. 예를 들어, 전자 장치(400)가 웨어러블 디바이스인 경우, 사용자가 웨어러블 디바이스를 착용하는 위치가 다를 수 있으므로, 장치 착용 위치와 사용자가 현재 수행중인 운동 종류에 따라 모션 센서(413) 또는 기압 센서(415)에서 측정하는 모션 센서 데이터가 달라질 수 있다. 즉, 장치 착용 위치 또는 운동 종류에 따른 모션 센서 데이터가 달라지므로, 운동 강도의 측정 모델이 달라질 수 있다. 운동 강도 측정 모듈(453)은 모션 센서 데이터 및 운동 종류에 기반하여 운동 강도를 측정할 수 있다. 상기 측정된 운동 강도는 심박수 검증 모듈(455)에서 심박 데이터 예측 및 검증에 이용할 수 있다.
심박수 검증 모듈(455)은 심박수 추출 모듈(451)에서 추출한 심박 데이터를 검증할 수 있다. 심박수 검증 모듈(455)은 사용자의 움직임과 연관된 운동 강도를 선행 지표로서 이용할 수 있다. 예를 들어, 운동 강도는 사용자가 높은 강도의 운동을 하는 경우 그 레벨에 맞게 심박 데이터가 상승하고, 사용자가 낮은 강도의 운동을 하는 경우 그 레벨에 맞게 심박 데이터가 낮게 재조정될 수 있다. 심박수 검증 모듈(455)은 실시간으로 측정된 과거 심박 데이터의 변화 추이 및 운동 강도 중 적어도 하나에 기초하여 다음의 심박 데이터가 어떤 방식으로 변화할지를 예측할 수 있다. 심박수 검증 모듈(455)은 예측된 심박 데이터와 실제 측정된 심박 데이터를 비교하여 현재 측정된 심박 데이터가 정확한 것인지 여부를 판단할 수 있다.
다양한 실시예들에 따른 심박수 검증 모듈(455)은 제1 기간 동안 모션 센서(413)로부터 획득한 제1 모션 센서 데이터를 이용하여 운동 종류를 결정하고, 상기 제1 모션 센서 데이터, 상기 운동 종류 및 상기 제1 기간 동안 심박 측정 센서(411)로부터 획득한 제1 심박 데이터 중 적어도 하나에 기반하여 심박 예측 범위를 결정할 수 있다. 심박수 검증 모듈(455)은 제2 기간 동안 심박 측정 센서(411)로부터 획득한 제2 심박 데이터가 상기 심박 예측 범위에 포함되는지 판단하고, 상기 판단 결과에 기반하여 상기 제2 기간 동안의 심박 데이터를 결정할 수 있다. 다양한 실시예들에 따른 심박수 검증 모듈(455)은 상기 심박 예측 범위의 최대값, 최소값, 또는 평균값 중 적어도 하나를 상기 제3 심박 데이터로 결정할 수 있다.
칼로리 계산 모듈(457)은 심박수 검증 모듈(455)에 의해 검증된 심박 데이터에 기반하여 칼로리를 계산할 수 있다. 다양한 실시예들에 따른 칼로리 계산 모듈(457)은 운동 종류에 기반하여 상기 심박 데이터를 이용하여 칼로리를 계산하거나, 상기 모션 센서 데이터 및 상기 심박 데이터를 이용하여 칼로리를 계산할 수 있다. 또한, 칼로리 계산 모듈(457)은 심박 데이터와 함께 위치 정보, 센서 데이터(예: 가속도 데이터, 기압 데이터 등) 또는 페도미터 정보 중 적어도 하나를 추가적으로 활용하여 칼로리를 계산할 수 있다.
다양한 실시예들에 따른 프로세서(450)는 제1 프로세서 및 제2 프로세서로 구성될 수 있다. 제1 프로세서는 전자 장치(400)에 전원이 인가되는 경우, 항상 동작(예: 활성화 상태, 동작 모드)하는 것일 수 있다. 제1 프로세서는 전자 장치(400)에 전원이 인가되는 동안에는 항상 웨이크업하여 센서 모듈(410)로부터 센서 데이터를 수신할 수 있다. 제1 프로세서는 전자 장치(400)의 디스플레이(430)가 온(on)/오프(off)되는 것과 상관없이 항상 웨이크업 상태일 수 있다. 제1 프로세서는 제2 프로세서에 비해 저전력으로 구동될 수 있다. 제1 프로세서는 상기 센서 데이터를 기반으로 사용자의 운동 정보를 판단할 수 있다. 제1 프로세서는 판단된 사용자의 운동 정보를 제2 프로세서로 전달할 수 있다.
제2 프로세서는 필요에 따라 선택적으로 동작할 수 있다. 예를 들어, 제2 프로세서는 디스플레이(430)가 온되거나, 정보를 획득하거나, 정보를 스캔하는 경우 활성화 상태(예: 동작 모드)로 동작할 수 있다. 또한, 제2 프로세서는 디스플레이(430)가 오프되는 경우 비활성화 상태(예: 슬립 모드)로 동작할 수 있다. 즉, 제2 프로세서는 비활성화 상태(예: 슬립 모드)로 동작하다가, 주기적으로, 설정된 스캔 주기, 또는 어플리케이션의 동작 주기(또는 어플리케이션의 정보 요청) 중 적어도 하나에 따라 웨이크업(wake-up)하여 활성화 상태로 동작할 수 있다.
제2 프로세서는 통신 모듈(440)을 통해 통신 정보를 획득하고, 칼로리 계산 모듈(457)로부터 획득한 데이터를 전송할 수 있다. 예를 들어, 통신 모듈(440)은 칼로리 계산 모듈(457)로부터 획득한 데이터(예: 심박 데이터, 칼로리 등)를 적어도 하나의 통신 방식(예: BT, Wifi, NFC, Cellular 등)을 이용하여 다른 전자 장치(예: 스마트폰, 서버 등)에 전달할 수 있다. 이러한 통신 모듈(440)은 도 2의 통신 모듈(220)일 수 있다. 디스플레이(430)는 심박 데이터와 연관된 다양한 정보를 표시할 수 있다. 예를 들어, 디스플레이(430)는 사용자 입력(예: 터치 입력, 버튼/키/휠 입력 등)에 기반하여 심박 데이터, 모션 센서 데이터 또는 칼로리 중 적어도 하나를 자세하게 또는 시간 순으로 표시할 수 있다. 이러한, 디스플레이(430)는 도 2의 디스플레이(260)일 수 있다.
다양한 실시예들에 따른 전자 장치(400)는 모션 센서(413), 심박 측정 센서(411), 및 상기 모션 센서(413), 및 상기 심박 측정 센서(411)와 기능적으로 연결된 프로세서(450)를 포함하고, 상기 프로세서(450)는, 상기 모션 센서(413)를 이용하여 제1 기간 동안 제1 모션 센서 데이터를 획득하고, 상기 심박 측정 센서(411)를 이용하여 상기 제1 기간 동안 제1 심박 데이터를 획득하고, 상기 제1 모션 센서 데이터에 기반하여 운동 종류를 결정하고, 상기 제1 모션 센서 데이터, 상기 운동 종류 및 상기 제1 심박 데이터 중 적어도 하나에 기반하여 심박 예측 범위를 결정하고, 상기 심박 측정 센서를 이용하여 제2 기간 동안 제2 심박 데이터를 획득하고, 상기 제2 심박 데이터가 상기 심박 예측 범위에 포함되는지 판단하고, 상기 판단 결과에 기반하여 상기 제2 기간 동안의 심박 데이터를 결정하도록 설정될 수 있다.
상기 프로세서(450)는, 상기 제2 심박 데이터가 상기 심박 예측 범위에 포함되는 경우, 상기 제2 심박 데이터를 상기 제2 기간 동안의 심박 데이터로 결정하고, 상기 제2 심박 데이터가 상기 심박 예측 범위에 포함되지 않는 경우, 상기 심박 예측 범위에 포함된 제3 심박 데이터를 상기 제2 기간 동안의 심박 데이터로 결정할 수 있다.
상기 프로세서(450)는, 상기 제2 심박 데이터가 상기 심박 예측 범위에 포함되지 않는 경우, 상기 심박 예측 범위의 최대값, 최소값, 상기 제2 심박 데이터에 기반하여 상기 제3 심박 데이터를 결정하고, 상기 제2 심박 데이터를 상기 제3 심박 데이터로 보정하도록 설정될 수 있다.
상기 프로세서(450)는, 상기 심박 예측 범위의 최대값, 최소값, 또는 평균값 중 적어도 하나를 상기 제3 심박 데이터로 결정하도록 설정될 수 있다.
상기 프로세서(450)는, 상기 제2 심박 데이터가 상기 심박 예측 범위에 포함되는 경우, 상기 제2 기간 동안 획득한 제2 모션 센서 데이터 또는 상기 제2 심박 데이터를 이용하여 칼로리를 계산하고, 상기 제2 심박 데이터가 상기 심박 예측 범위에 포함되지 않는 경우, 상기 제2 기간 동안 획득한 제2 모션 센서 데이터 또는 상기 심박 예측 범위에 포함된 제3 심박 데이터를 이용하여 칼로리를 계산하도록 설정될 수 있다.
상기 프로세서(450)는, 상기 운동 종류에 기반하여 상기 제1 심박 데이터를 이용하여 칼로리를 계산하거나, 상기 제1 모션 센서 데이터 및 상기 제1 심박 데이터를 이용하여 칼로리를 계산하도록 설정될 수 있다.
상기 프로세서(450)는, 상기 제1 모션 센서 데이터에 기반하여 운동 강도 또는 운동 종류를 판단하고, 상기 운동 강도, 상기 운동 종류 또는 상기 제1 심박 데이터 중 적어도 하나에 기반하여 예측 심박 데이터를 결정하고, 상기 예측 심박 데이터를 기준으로 오차 범위를 고려하여 상기 심박 예측 범위를 결정하도록 설정될 수 있다.
상기 제1 모션 센서 데이터는, 가속도 데이터를 포함하고, 상기 프로세서는, 상기 가속도 데이터에 기반한 가속도 변화량 또는 기압 센서(415)를 이용한 기압 데이터의 변화량에 따라 상기 운동 강도 또는 상기 운동 종류를 판단하도록 설정될 수 있다.
상기 프로세서(450)는, 상기 기압 데이터의 변화량이 있는 경우, 상기 가속도 변화량을 상기 운동 강도에 반영하는 가중치를 조절하여 상기 예측 심박 데이터를 결정하도록 설정될 수 있다.
상기 프로세서(450)는, 상기 기압 데이터의 변화량이 없는 경우, 상기 가속도 변화량의 추이에 대응되도록 상기 예측 심박 데이터를 결정하도록 설정될 수 있다.
상기 프로세서(450)는, 상기 예측 심박 데이터에 따라 오차 범위를 다르게 설정하도록 설정될 수 있다.
상기 프로세서(450)는, 사용자의 신체 정보를 더 고려하여 상기 심박 예측 범위를 결정하도록 설정될 수 있다.
상기 프로세서(450)는, 상기 제1 모션 센서 데이터 또는 상기 제1 심박 데이터를 이용하여 상기 제1 기간 동안의 제1 칼로리를 계산하고, 상기 제1 모션 센서 데이터, 상기 제1 심박 데이터 또는 상기 제1 칼로리 중 적어도 하나와 연관된 사용자 인터페이스를 디스플레이(430)를 통해 표시하도록 설정될 수 있다.
상기 프로세서(450)는, 제1 프로세서 및 제2 프로세서를 포함하고, 상기 제1 프로세서는, 상시적으로 활성화 상태이고, 상기 제2 프로세서는, 선택적으로 활성화 상태로 전환되도록 설정될 수 있다.
상기 전자 장치(400)는, 사용자의 신체에 착용 가능한 장치일 수 있다.
도 5는 다양한 실시예들에 따른 전자 장치의 동작 방법을 도시한 흐름도이다.
도 5를 참조하면, 동작(501)에서, 전자 장치(400)(예: 프로세서(450))는 제1 모션 센서 데이터 및 제1 심박 데이터를 획득할 수 있다. 상기 제1 모션 센서 데이터는 모션 센서(413)로부터 획득한(또는 수신된) 센서 데이터일 수 있다. 상기 제1 심박 데이터는 심박 측정 센서(411)로부터 획득된(또는 수신된) 센서 데이터일 수 있다. 또한, 프로세서(450)는 기압 센서(415)로부터 기압 데이터를 획득 또는 수신할 수 있다.
다양한 실시예들에 따른 프로세서(450)는 모션 센서(413) 로부터 획득한 센서 데이터를 이용하여 상기 제1 모션 센서 데이터를 계산하고, 심박 측정 센서(411)로부터 획득한 센서 데이터를 이용하여 상기 제1 심박 데이터를 계산할 수 있다. 프로세서(450)는 획득한 센서 데이터로부터 노이즈를 제거하고, 제거된 센서 데이터를 이용하여 상기 제1 모션 센서 데이터 및 상기 제1 심박 데이터를 각각 계산할 수 있다. 예를 들어, 프로세서(450)는 로우 패스 필터(Low pass filter), 에버리지 필터(Average filter) 등을 이용하여 센서 데이터로부터 노이즈를 제거할 수 있다. 이외에도 프로세서(450)는 다양한 노이즈 제거 필터를 이용하여 센서 데이터로부터 노이즈를 제거할 수 있다.
다양한 실시예들에 따른 프로세서(450)는 센서 모듈(410)로부터 수신되는 데이터를 이용하여 사용자가 운동(또는 활동)을 시작하였는지 판단할 수 있다. 예를 들어, 프로세서(450)는 센서 모듈(410)로부터 획득한 센서 데이터가 기준치(예: 움직임 정도, 가속도 변화 정도)를 초과한 경우, 사용자가 운동을 시작한 것으로 판단할 수 있다. 예를 들어, 프로세서(450)는 상기 센서 데이터에 기존에 세팅한 기준치를 초과하는 움직임이 검출되거나, 반복되는 특정 움직임 패턴이 검출되는 경우, 사용자가 운동을 시작한 것으로 판단할 수 있다. 또는, 프로세서(450)는 입출력 인터페이스(예: 입출력 인터페이스(150))를 통해 사용자로부터 직접 "운동 시작 버튼"을 선??받은 경우, 사용자가 운동을 시작한 것으로 판단할 수 있다. 상기 제1 모션 센서 데이터 및 상기 제1 심박 데이터는 제1 기간(또는 시점) 동안 획득한 데이터일 수 있다. 예를 들어, 상기 제1 시간은 사용자가 운동을 시작한 것으로 판단한 후 정해진 시간(예: 5분, 10분 등)일 수 있다.
동작(503)에서, 전자 장치(400)(예: 프로세서(450))는 제1 모션 센서 데이터에 기반하여 운동 종류를 결정할 수 있다. 일반적으로, 운동 종류는 등척성(isometric) 운동, 등장성(isotonic) 운동, 등속성(isoninetic) 운동, 무산소(anaerobic) 운동, 유산소(aerobic) 운동으로 구분할 수 있다. 상기 운동 종류 중 심박 또는 칼로리 소모와 연관된 운동은 유산소 운동에 해당하므로 이하 설명은 유산소 운동을 예로 들어 설명한다. 다만, 설명에 의해 운동의 종류가 제한되는 것은 아니다. 상기 유산소 운동은 예를 들어, 걷기, 달리기, 자전거 타기, 등산, 수영, 러닝머신, 로잉머신, 일립티컬을 의미할 수 있다. 즉, 상기 유산소 운동은 규칙적 또는 반복적인 운동을 의미할 수 있다. 운동 종류를 판단하기 위해서는 모션 센서 데이터가 필요할 수 있다. 또한, 프로세서(450)(예: 운동 강도 측정 모듈(453))는 모션 센서 데이터를 이용하여 운동 강도를 판단할 수 있다.
예를 들어, 프로세서(450)는 가속도 변화량이 큰 경우, 운동 강도가 "중"이고, 운동 종류를 달리기 또는 로잉 머신으로 판단할 수 있다. 프로세서(450)는 가속도 변화량이 작은 경우, 운동 강도가 "하"이고, 운동 종류를 걷기 또는 일립티컬로 판단할 수 있다.
다양한 실시예들에 따른 프로세서(450)는 상기 모션 센서 데이터와 함께 기압 센서(415)로부터 획득한 기압 데이터의 변화량을 고려하여 상기 운동 강도를 판단할 수 있다. 예를 들어, 고도가 높아지는 경우(예: 오르막길)에는 같은 운동 강도일 때 가속도 변화량이 작아지며, 고도가 낮아지는 경우(예: 내리막길)에는 같은 강도 운동일 때 가속도 변화량이 커질 수 있다. 따라서, 프로세서(450)는 가속도 변화량의 기준을 기압 데이터의 변화량에 따라 조정하면서 운동 강도를 계산할 수 있다. 프로세서(450)는 가속도 변화량이 크고 기압 변화량이 큰 경우, 운동 강도가 "중"이고, 운동 종류를 등산(예: 내리막길 걷기 또는 달리기)라고 판단하고, 가속도 변화량이 작고, 기압 변화량이 작은 경우 운동 강도가 "상"이고, 운동 종류를 등산(예: 오르막길 걷기 또는 달리기)라고 판단할 수 있다.
다양한 실시예들에 따른 프로세서(450)(예: 칼로리 계산 모듈(457))는 상기 제1 심박 데이터를 이용하여 칼로리를 계산할 수 있다. 또는, 프로세서(450)는 상기 제1 모션 센서 데이터 및 상기 제1 심박 데이터를 이용하여 칼로리를 계산할 수 있다. 사용자의 움직임에 의해 상기 제1 모션 센서 데이터 및 상기 제1 심박 데이터가 검출되었으므로, 사용자는 움직임에 의해 일정한 양의 칼로리를 소모할 수 있다. 프로세서(450)는 상기 제1 기간 동안 사용자의 움직임에 의해 소모된 칼로리(예: 제1 칼로리)를 계산할 수 있다. 프로세서(450)는 운동 종류에 따라 상기 제1 심박 데이터만을 이용하여 칼로리를 계산하거나, 상기 제1 모션 센서 데이터와 상기 제1 심박 데이터를 모두 이용하여 칼로리를 계산할 수 있다. 프로세서(450)는 상기 제1 모션 센서 데이터, 상기 기압 데이터, 상기 제1 심박 데이터 또는 상기 제1 칼로리 중 적어도 하나와 연관된 사용자 인터페이스를 제공할 수 있다.
동작(505)에서, 전자 장치(400)(예: 프로세서(450))는 심박 예측 범위를 결정할 수 있다. 프로세서(450)(예: 심박수 검증 모듈(455))는 제1 모션 센서 데이터, 운동 종류 또는 제1 심박 데이터 중 적어도 하나를 이용하여 예측 심박 데이터를 산출할 수 있다. 프로세서(450)는 상기 예측 심박 데이터를 기준으로 오차 범위를 고려하여 상기 심박 예측 범위를 결정할 수 있다. 예를 들어, 상기 예측 심박 데이터가 100인 경우, 상기 오차 범위를 ± 10으로 고려하여 상기 심박 예측 범위를 90 ~ 110으로 결정할 수 있다.
다양한 실시예들에 따른 프로세서(450)는 상기 제1 모션 센서 데이터에 기반하여 운동 강도를 측정할 수 있다. 상기 운동 강도는 심박 데이터의 선행지표로써 운동 강도가 클 경우 심박 데이터는 운동 강도에 대응하는 레벨로 상승하며, 운동 강도가 작을 경우에는 운동 강도에 대응하는 레벨로 하락할 수 있다. 프로세서(450)는 상기 운동 강도를 이용하여 앞으로 어떤 수준으로 심박 데이터가 움직일지 추정할 수 있다. 또한, 프로세서(450)는 상기 제1 모션 센서 데이터에 기반하여 운동 종류를 결정할 수 있다. 운동 강도가 큰 운동의 경우 앞으로 측정되는 심박 데이터가 현재 심박 데이터에 비해 변화량이 크거나, 높은 수준의 심박 데이터로 유지할 수 있다. 또는, 운동 강도가 작은 운동의 경우 앞으로 측정되는 심박 데이터가 현재 심박 데이터에 비해 변화량이 작을 수 있다. 또한, 운동을 시작한지 얼마나 되었는지에 따라 운동 강도에 따른 심박 데이터의 변화폭이 크거나, 낮은 수준의 심박 데이터를 유지할 수 있다. 심박 데이터는 사용자의 심장 박동수로 운동에 의해 변화되는 심장 박동수는 일정한 변화 범위를 가지기 때문에, 현재 심박수를 기준으로 앞으로 심박수를 예측할 수 있다. 따라서, 현재 심박 데이터가 일정 한계치에 도달하였는지 여부에 따라 심박 데이터의 변화량이 크거나 작을 수 있다.
다양한 실시예들에 따른 프로세서(450)는 사용자의 신체 정보를 더 고려하여 상기 심박 예측 범위를 결정할 수 있다. 예를 들어, 상기 사용자의 신체 정보는 키, 몸무게, 나이, 성별, 안정 시 심박수(resting heart rate) 혈압, 체지방, 혈액형 등 사용자에 대한 다양한 정보를 포함할 수 있다. 예를 들어, 나이 또는 성별에 따라 혈압이 다르게 측정될 수 있으며, 사용자의 현재 몸 상태에 따라서도 혈압이 다를 수 있다. 혈압은 심박 데이터에 영향을 줄 수 있다. 또한, 나이에 따른 최대 심박수가 결정될 수 있으며, 나이는 심박 데이터 및 칼로리에 영향을 줄 수 있다. 따라서, 프로세서(450)는 측정된 모션 센서 데이터 및 심박 데이터와 함께 사용자의 신체 정보를 더 이용하여 더욱 정확한 심박 예측 범위를 결정할 수 있다. 이를 위해, 프로세서(450)는 사용자로부터 미리 신체 정보를 입력하도록 요청할 수 있다. 또는, 프로세서(450)는 사용자로부터 미리 신체 정보를 등록받지 않아도, 사용자의 사용 이력에 기반하여 신체 정보를 분석할 수 있다. 예를 들어, 프로세서(450)는 전자 장치(400)에 등록된 건강 관련 어플리케이션에 사용자가 등록한 신체 정보를 추출할 수 있다.
동작(507)에서, 전자 장치(400)(예: 프로세서(450))는 제2 심박 데이터를 획득할 수 있다. 상기 제2 심박 데이터는 제1 기간(예: 09:00 ~ 09:05) 이후의 제2 기간(예: 09:06 ~ 09:10))의 심박 측정 센서(411)로부터 획득된 센서 데이터일 수 있다. 프로세서(450)는 심박 측정 센서(411)로부터 획득된 제2 센서 데이터를 이용하여 상기 제2 심박 데이터를 계산할 수 있다. 프로세서(450)는 상기 제2 기간(또는 시점) 동안 모션 센서(413) 및 기압 센서(415)로부터 제2 모션 센서 데이터를 획득할 수 있다. 다양한 실시예들에 따른 상기 제1 기간 또는 상기 제2 기간은 일정 기간 또는 특정 시점일 수 있다. 또한, 상기 제2 기간은 상기 제1 기간보다 적은 시간일 수 있다. 즉, 상기 제1 기간은 일정 기간(예: 5분 동안)이고, 상기 제2 기간은 시점(예: 09:06)일 수 있다.
동작(509)에서, 전자 장치(400)(예: 프로세서(450))는 상기 제2 심박 데이터가 심박 예측 범위 이내인지 판단할 수 있다. 심박 측정 센서(411)가 사용자의 가슴에 부착되는 경우 정확한 심박 데이터 측정이 가능하지만, 아닌 경우 측정된 심박 데이터가 부정확할 수 있다. 왜냐하면, 심박 측정 센서(411)에 의해 심박 데이터 측정 시, 여러 가지 외부적인 요인(예: 사용자의 움직임, 센서 접착 여부 등)으로 인해 심박 데이터가 부정확하게 측정될 수 있다. 상기 심박 예측 범위는 운동 강도, 운동 종류, 현재 심박 데이터를 이용하여 다음 심박 데이터를 예측한 것일 수 있다. 따라서, 측정된 심박 데이터보다 예측된 심박 데이터가 더 정확할 수 있다.
프로세서(450)(예: 심박수 검증 모듈(455))는 상기 제2 심박 데이터가 상기 심박 예측 범위 이내인 경우 동작(511)을 수행하고, 상기 제2 심박 데이터가 상기 심박 예측 범위 이내가 아닌 경우 동작(513)을 수행할 수 있다.
상기 제2 심박 데이터가 상기 심박 예측 범위 이내인 경우, 동작(511)에서, 전자 장치(400)(예: 프로세서(450))는 상기 획득한 제2 심박 데이터를 상기 제2 기간 동안의 심박 데이터로 결정할 수 있다. 프로세서(450)는 상기 제2 모션 센서 데이터 또는 상기 제2 심박 데이터를 이용하여 칼로리(예: 제2 칼로리)를 계산할 수 있다. 프로세서(450)는 상기 운동 종류에 기반하여 상기 제2 심박 데이터를 이용하여 칼로리를 계산하거나, 상기 제2 모션 센서 데이터 및 상기 제2 심박 데이터를 이용하여 칼로리를 계산할 수 있다. 프로세서(450)는 상기 제2 기간 동안 사용자의 움직임에 의해 소모된 칼로리(예: 제2 칼로리)를 계산할 수 있다. 프로세서(450)는 상기 제2 모션 센서 데이터, 상기 제2 심박 데이터 또는 상기 제2 칼로리 중 적어도 하나와 연관된 사용자 인터페이스를 제공할 수 있다.
상기 제2 심박 데이터가 상기 심박 예측 범위 이내가 아닌 경우, 동작(513)에서, 전자 장치(400)(예: 프로세서(450))는 상기 심박 예측 범위 내 제3 심박 데이터로 보정할 수 있다. 상기에서 설명한 바와 같이, 측정된 심박 데이터(예: 제2 심박 데이터)보다 예측된 심박 데이터(예: 심박 예측 범위 내 심박 데이터)가 더 정확할 수 있다. 프로세서(450)는 상기 제2 기간 동안 획득한 제2 심박 데이터가 상기 심박 예측 범위 내 포함되지 않는 경우, 상기 제2 심박 데이터를 상기 심박 예측 범위 내 포함된 제3 심박 데이터로 보정할 수 있다. 상기 제3 심박 데이터는 상기 심박 예측 범위에 포함된 것으로, 프로세서(450)는 상기 심박 예측 범위의 최대값, 최소값, 상기 제2 심박 데이터에 기반하여 상기 제3 심박 데이터를 결정할 수 있다. 예를 들어, 프로세서(450)는 상기 심박 예측 범위의 최대값, 최소값, 또는 평균값 중 적어도 하나를 상기 제3 심박 데이터로 결정할 수 있다.
동작(513)에서, 전자 장치(400)(예: 프로세서(450))는 상기 보정된 제3 심박 데이터를 상기 제2 기간의 심박 데이터로 결정할 수 있다. 프로세서(450)는 상기 제2 모션 센서 데이터 또는 상기 제3 심박 데이터를 이용하여 칼로리를 계산할 수 있다. 프로세서(450)는 상기 운동 종류에 기반하여 상기 제3 심박 데이터를 이용하여 칼로리를 계산하거나, 상기 제2 모션 센서 데이터 및 상기 제3 심박 데이터를 이용하여 칼로리를 계산할 수 있다. 프로세서(450)는 상기 제2 기간 동안 사용자의 움직임에 의해 소모된 칼로리(예: 제2 칼로리)를 계산할 수 있다. 프로세서(450)는 상기 제2 모션 센서 데이터, 상기 제3 심박 데이터 또는 상기 제2 칼로리 중 적어도 하나와 연관된 사용자 인터페이스를 제공할 수 있다. 프로세서(450)는 측정된 심박 데이터가 정확하지 않은 경우 보정된 심박 데이터를 이용하여 칼로리를 계산함으로써, 사용자 움직임에 따른 더욱 정확한 칼로리를 제공할 수 있다.
도 6a 도 6b는 다양한 실시예들에 따른 전자 장치에서 심박 데이터를 예측하는 일례를 도시한 도면들이다.
도 6a는 심박 예측 범위에 제2 심박 데이터가 포함되는 일례를 도시한 것이다.
도 6a를 참조하면, 전자 장치(400)(예: 프로세서(450))는 제1 기간(610) 동안 제1 심박 데이터(611) 및 제1 모션 센서 데이터(613)를 획득할 수 있다. 여기서, 모션 센서 데이터(613)는 가속도 센서로부터 획득한 가속도 데이터일 수 있다. 제1 기간(610)은 사용자가 운동을 시작한 후 일정 기간 이내일 수 있다. 프로세서(450)는 제1 기간(610) 동안의 제1 심박 데이터(611) 및 제1 모션 센서 데이터(613)에 기반하여 제2 기간(620) 동안의 제2 심박 데이터를 예측할 수 있다. 예를 들어, 프로세서(450)는 제1 모션 센서 데이터(613)를 이용하여 현재 사용자의 운동 강도를 측정할 수 있다. 프로세서(450)는 제1 모션 센서 데이터(613)에 기반하여 운동 종류를 결정하고, 제1 모션 센서 데이터(613), 상기 결정된 운동 종류 또는 제1 심박 데이터(611) 중 적어도 하나를 이용하여 제2 기간(620) 동안의 심박 예측 범위(621)를 결정할 수 있다. 예를 들어, 심박 예측 범위(621)는 예측 심박 데이터(623)에서 오차 범위를 고려하여 일정한 범위를 갖는 값으로 설정될 수 있다. 프로세서(450)는 제2 기간(620) 동안 심박 측정 센서(411)로부터 제2 심박 데이터(625)를 획득할 수 있다. 제2 심박 데이터(625)가 심박 예측 범위(621)에 포함되는 경우, 프로세서(450)는 제2 심박 데이터(625)를 칼로리 계산에 이용할 수 있다.
도 6b는 심박 예측 범위에 제2 심박 데이터가 포함되지 않는 일례를 도시한 것이다.
도 6b를 참조하면, 전자 장치(400)(예: 프로세서(450))는 제1 기간(650) 동안 제1 심박 데이터(651) 및 제1 모션 센서 데이터(653)를 획득할 수 있다. 여기서, 모션 센서 데이터(653)는 가속도 센서로부터 획득한 가속도 데이터일 수 있다. 프로세서(450)는 제1 기간(650) 동안의 제1 심박 데이터(651) 및 제1 모션 센서 데이터(653)에 기반하여 제2 기간(660) 동안의 제2 심박 데이터를 예측할 수 있다. 예를 들어, 프로세서(450)는 제1 모션 센서 데이터(653)에 기반하여 운동 종류를 결정하고, 제1 모션 센서 데이터(653), 상기 결정된 운동 종류 또는 제1 심박 데이터(651) 중 적어도 하나를 이용하여 제2 기간(660) 동안의 심박 예측 범위(661)를 결정할 수 있다. 예를 들어, 심박 예측 범위(661)는 예측 심박 데이터(663)에서 오차 범위를 고려하여 일정한 범위를 갖는 값으로 설정될 수 있다. 프로세서(450)는 제2 기간(660) 동안 심박 측정 센서(411)로부터 제2 심박 데이터(667)를 획득할 수 있다. 제2 심박 데이터(667)가 심박 예측 범위(661)에 포함되지 않는 경우, 프로세서(450)는 제2 심박 데이터(667)를 제3 심박 데이터(665)로 보정할 수 있다. 제3 심박 데이터(665)는 심박 예측 범위(661)에 포함될 수 있다.
다양한 실시예들에 따른 프로세서(450)는 심박 예측 범위(661)의 최대값, 최소값, 제2 심박 데이터(667)를 기반으로 측정에 이용할 심박 데이터를 제3 심박 데이터(665)로 결정할 수 있다. 예를 들어, 제2 심박 데이터(667)가 상기 최소값에 근접한 경우(예: 제2 심박 데이터(667)가 최소값보다 작은 경우), 프로세서(450)는 상기 최소값과 예측 심박 데이터(663) 사이의 값으로 제3 심박 데이터(665)를 결정할 수 있다. 또는, 제2 심박 데이터(667)가 상기 최대값에 근접한 경우(예: 제2 심박 데이터(667)가 최대값보다 큰 경우), 프로세서(450)는 상기 최대값과 예측 심박 데이터(663) 사이의 값으로 제3 심박 데이터(665)를 결정할 수 있다. 프로세서(450)는 제2 기간(660) 동안 제3 심박 데이터(665)를 이용하여 칼로리를 계산할 수 있다.
도 7a 내지 도 7d는 다양한 실시예들에 따른 운동 종류에 따라 다르게 측정된 심박 데이터의 일례를 도시한 도면들이다.
도 7a는 일립티컬로 운동한 사용자의 심박 그래프(710) 및 가속도 변화량 그래프(720)를 나타낸 것이다.
도 7a를 참조하면, 심박 그래프(710)는 사용자가 일립티컬을 빠르게 7분 운동하고, 3분 휴식 후 천천히 6분 운동한 경우 심박 데이터(또는 심박수)를 나타낸 것이다. 제1 심박 데이터(711)는 정상적으로 측정된 것이고, 제2 심박 데이터(713)는 비정상적으로 측정된 것일 수 있다. 가속도 변화량 그래프(720)는 사용자가 일립티컬 수행 시 모션 센서(413)를 통해 얻은 센서 데이터(예: 가속도 센서)를 노멀라이징한 값의 변화량(721)을 나타낸 것이다. 변화량 추이(723)는 변화량(721)에 로우 패스 필터를 적용한 것일 수 있다.
심박 그래프(710)와 가속도 변화량 그래프(720)를 비교하면, 정상적인 심박인 제1 심박 데이터(711)는 변화량 추이(723)와 매우 비슷한 형태를 보이는 것을 알 수 있다. 예를 들어, 가속도 변화량의 레벨이 '10'에 도달한 경우, 제1 심박 데이터(711)의 값은 약 '180' 정도 수준에 도달하고, 변화량 레벨이 '3'에 도달하는 경우, 제1 심박 데이터(711)의 값은 약 160 정도에 도달하고, 그 이후로는 심박 데이터가 일정한 수준으로 유지되는 것을 볼 수 있다. 그러나, 제2 심박 데이터(713)는 가속도 변화량 추이(723)와 전혀 대응되지 않고, 변화량 레벨이 낮아지는 구간에서 오히려 증가하는 것을 알 수 있다.
따라서, 프로세서(450)는 일립티컬에 대해 가속도 변화량과 심박 데이터의 상관 관계를 수학식 1로 나타낼 수 있다. 프로세서(450)는 수학식 1을 이용하여 일립티컬 운동 시 사용자의 심박 데이터를 예측할 수 있다.
Figure pat00001
도 7b는 로잉머신으로 운동한 사용자의 심박 그래프(730) 및 가속도 변화량 그래프(740)를 나타낸 것이다.
도 7b를 참조하면, 심박 그래프(730)는 사용자가 로잉머신을 빠르게 6분 운동하고, 3분 휴식 후 천천히 6분 운동한 경우 심박 데이터(또는 심박수)를 나타낸 것이다. 제1 심박 데이터(731)는 정상적으로 측정된 것이고, 제2 심박 데이터(733)는 비정상적으로 측정된 것일 수 있다. 가속도 변화량 그래프(740)에서, 가속도 변화량(741)를 보면, 강하게 운동하는 경우, 가속도 변화량(741)이 크고, 약하게 운동하는 경우 가속도 변화량(741)이 작으며, 점점 운동 강도를 올려가는 경우 심박 데이터가 증가하는 추이와 일치하는 것을 확인할 수 있다. 심박 그래프(730)와 가속도 변화량 그래프(740)를 비교하면, 약한 강도의 운동을 지속하는 경우, 가속도 변화량 추이(743)와 제1 심박 데이터(731)가 일정 수준을 유지하는 것을 볼 수 있다. 그러나, 비정상적으로 측정된 제2 심박 데이터(733)의 경우 가속도 변화량 추이(743)와 전혀 상관없이 움직이며, 운동 강도와 심박 데이터 간의 상관 관계를 찾을 수 없다. 따라서, 프로세서(450)는 심박 데이터의 추이가 가속도 변화량 추이(743)를 따르지 않는 경우, 제2 심박 데이터(733)의 측정이 잘못되었다고 볼 수 있다.
따라서, 프로세서(450)는 로잉머신에 대해 가속도 변화량과 심박 데이터의 상관 관계를 수학식 2로 나타낼 수 있다. 프로세서(450)는 수학식 2를 이용하여 로잉머신 운동 시 사용자의 심박 데이터를 예측할 수 있다.
Figure pat00002
도 7c는 걷기 운동한 사용자의 심박 그래프(750) 및 가속도 변화량 그래프(760)를 나타낸 것이다.
도 7c를 참조하면, 심박 그래프(750)는 사용자가 10분간 일정한 속도로 걸었을 때 심박 데이터(또는 심박수)를 나타낸 것이다. 제1 심박 데이터(751)는 정상적으로 측정된 것이고, 제2 심박 데이터(753)는 비정상적으로 측정된 것일 수 있다. 가속도 변화량 그래프(760)는 사용자가 걷는 동안 모션 센서(413)를 통해 얻은 센서 데이터(예: 가속도 센서)를 노멀라이징한 값의 가속도 변화량(761)을 나타낸 것이다. 변화량 추이(763)는 가속도 변화량(761)의 추이를 나타낸 것이다. 걷기나 달리기의 경우 일정한 속도를 계속해서 유지하면, 가속도 변화량도 일정한 추이를 유지하게 된다. 또한, 운동 강도를 일정하게 유지하는 경우, 사람의 심박 데이터는 특정 수치에 도달할 때까지 상승하다가 그 이후에는 계속해서 유지되게 된다. 그리고 이 형태는 걷기 및 달리기 모두에 공통으로 적용이 될 수 있다. 따라서, 프로세서(450)는 가속도 변화량(761)이 일정 수준으로 유지되고 있는 동안 심박 데이터가 비정상적으로 증가하거나 또는 계속 증가만 하는 패턴을 보이는 경우 제2 심박 데이터(753)와 같이 비정상적으로 심박 데이터가 측정된 것으로 판단할 수 있다. 또한, 프로세서(450)는 심박 데이터가 일정 수준을 유지하는 경우, 가속도 변화량(761)이 변화하지 않는 동안 심박 가속도 변화량 추이(763)도 가속도 변화량(761)과 유사하게 계속 유지될 것으로 예측할 수 있다.
따라서, 프로세서(450)는 걷기에 대해 가속도 변화량과 심박 데이터의 상관 관계를 수학식 3으로 나타낼 수 있다. 프로세서(450)는 수학식 3을 이용하여 걷기 운동 시 사용자의 심박 데이터를 예측할 수 있다.
Figure pat00003
도 7d는 경사로 걷기 운동한 사용자의 심박 그래프(780), 가속도 변화량 그래프(770), 및 기압 그래프(790)를 나타낸 것이다.
도 7d를 참조하면, 심박 그래프(780)는 사용자가 계단을 5층까지 일정한 속도로 올라간 후 1분간 휴식 후, 다시 1층으로 내려온 경우 심박 데이터를 나타낸 것이다. 심박 데이터는 심박 측정 센서(411)를 통해 얻은 신뢰할 수 있는 값이다. 가속도 변화량 그래프(770)는 사용자가 계단을 오르고 내리는 동안 모션 센서(413)를 통해 얻은 센서 데이터(예: 가속도 센서)를 노멀라이징한 값의 가속도 변화량 및 가속도 변화량 추이를 나타낸 것이다. 기압 그래프(790)는 사용자가 계단을 오르고 내리는 동안 기압 센서(415)를 통해 얻은 센서 데이터를 나타낸 것이다. 일반적으로 기압 데이터는 1층(3m)을 오를 때 0.36hp 정도 값이 감소하고, 계단을 내려가는 경우 값이 증가할 수 있다.
일반적인 다른 운동과는 달리 경사가 있는 곳에서의 걷기/달리기는 가속도 변화량이 심박 데이터의 변화량과 반대로 움직이는 것처럼 보인다. 경사가 있는 곳을 내려오는 것이 올라가는 것 보다 가속도 변화량이 더 적기 때문이다. 사람은 올라가는 방향(예: 오르막길)으로 움직일 때 심박 데이터가 높이 상승하므로, 프로세서(450)는 기압 데이터에 기반하여 사용자가 현재 올라가고 있는지, 내려가고 있는지 판단할 수 있다. 프로세서(450)는 오르막길인지 내리막길인지에 따라 가속도 변화량의 범위를 정할 수 있다.
심박 그래프(780), 가속도 변화량 그래프(770), 및 기압 그래프(790)를 참고하면, 심박 데이터가 상승하는 구간인 계단을 오르는 경우, 기압 데이터의 값은 낮아지고, 가속도 변화량은 일정하게 발생하며, 심박 데이터의 값은 증가하는 것을 알 수 있다. 이후 내려오기 위해 잠시 멈춘 구간에서는 심박 데이터가 감소하며, 기압 데이터의 값이 유지가 되고, 다시 계단을 내려가는 경우 기압 데이터의 값이 상승함과 동시에 가속도 변화량의 레벨이 상대적으로 증가하는 것을 알 수 있다. 다만, 가속도 변화량이 상승하는 것과 비례하여 심박 데이터의 값이 가파르게 증가하지 않고 일정 수준으로 상승함을 확인할 수 있다.
따라서, 프로세서(450)는 경사도 걷기에 대해 가속도 변화량, 기압 변화량과 심박 데이터의 상관 관계를 수학식 4로 나타낼 수 있다. 프로세서(450)는 수학식 4를 이용하여 경사도 걷기 운동 시 사용자의 심박 데이터를 예측할 수 있다.
Figure pat00004
도 8은 다양한 실시예들에 따른 운동 종류에 따른 심박 예측 범위를 설정하는 일례를 도시한 도면이다.
도 8을 참조하면, 전자 장치(400)(예: 프로세서(450))는 센서 모듈(810)로부터 측정되는 센서 데이터를 이용하여 운동 종류(830)를 결정할 수 있다. 예를 들어, 프로세서(450)는 가속도 센서(811) 및 기압 센서(813)를 이용하여 운동 종류(830)로 일립티컬, 로잉머신, 평지 걷기 또는 달리기, 경사면 걷기 또는 달리기 중 적어도 하나를 결정할 수 있다. 프로세서(450)는 운동 종류(830)에 따라 서로 다른 운동 모델을 이용하여 운동 강도를 계산할 수 있다. 상기 운동 강도는 심박 데이터의 선행지표로써 운동 강도가 클 경우 심박 데이터는 운동 강도에 대응하는 레벨로 상승하며, 운동 강도가 작을 경우에는 운동 강도에 대응하는 레벨로 하락할 수 있다. 프로세서(450)는 운동 강도를 이용하여 앞으로 어떤 수준으로 심박 데이터가 움직일지 추정할 수 있다. 운동 강도를 측정하는 방법은 가속도 데이터를 노멀라이징(normalizing)한 값과 변화량(Variance)을 활용하는 방법이 있다. 심박 데이터도 가속도 데이터에 비례하여 움직이며, 그 상관계수의 값이나 정도는 사람과 운동 종류에 따라 다를 수 있다.
운동 종류에 따라 운동 강도가 다른 이유는 전자 장치(400)를 착용하는 신체 부위가 다르고, 운동 별로 움직이는 정도가 다르기 때문일 수 있다. 상기에서 설명한 도 7a 내지 도 7c를 참고하면 가속도 변화량이 증가하는 방향으로 움직이는 경우, 심박 데이터는 증가하는 방향으로 움직이고, 가속도 변화량이 하락하는 추세로 움직이는 경우 심박 데이터는 감소하며, 가속도 변화량의 추세가 유지되는 경우 사람의 심박 데이터는 일정 수준에 도달한 뒤에 계속해서 유지될 수 있다. 또한, 도 7d를 참고하면, 가속도 값과 운동 강도가 반비례하나, 운동 강도는 기압 데이터의 변화량에 영향을 받을 수 있다. 프로세서(450)는 상기와 같은 점들을 이용하여 현재 측정된 심박 데이터가 정상 심박인지 판단할 수 있으며, 신뢰할 수 있는 이전 심박 데이터, 가속도 변화량, 기압 변화량 중 적어도 하나에 기초하여 다음 심박 데이터가 어떤식으로 변화할지 예측할 수 있다.
예를 들어, 프로세서(450)는 운동 종류가 '일립티컬'인 경우, 일립티컬 모델(831)을 이용하여 운동 강도를 계산하고, 운동 종류가 '로잉머신'인 경우, 로잉머신 모델(833)을 이용하여 운동 강도를 계산하고, 운동 종류가 '평지 걷기 또는 달리기'인 경우, 평지 걷기 또는 달리기 모델(835)을 이용하여 운동 강도를 계산하고, 운동 종류가 '경사면 걷기 또는 달리기'인 경우, 경사면 걷기 또는 달리기 모델(837)을 이용하여 운동 강도를 계산할 수 있다. 프로세서(450)는 경사면 걷기 또는 달리기 모델(837)에 대해서는, 기압 센서(813)로부터 획득된 기압 데이터를 이용하여 운동 강도를 계산할 수 있다. 프로세서(450)는 운동 강도, 운동 종류(830), 및 현재 심박 데이터에 기반하여 심박 예측 범위(850)를 결정할 수 있다. 즉, 운동 강도가 큰 운동의 경우 앞으로 측정되는 심박 데이터가 현재 심박 데이터에 비해 높게 변화하거나, 유지될 수 있다. 또는, 운동 강도가 작은 운동의 경우 앞으로 측정되는 심박 데이터가 현재 심박 데이터에 비해 변화량이 작게 변화하거나, 유지될 수 있다. 또한, 운동을 시작한지 얼마나 되었는지, 운동 강도가 얼마나 급격하게 변화하는지에 따라 운동 강도에 따른 심박 데이터의 변화폭이 크거나 작을 수 있다.
따라서, 프로세서(450)는 운동 강도, 운동 종류, 현재 심박 데이터에 따라 서로 다른 심박 예측 범위를 결정할 수 있다. 예를 들어, 프로세서(450)는 일립티컬 모델(831) 및 심박 측정 센서(815)를 통해 획득한 현재 심박 데이터를 이용하여 일립티컬에 대한 제1 심박수 예측 범위(851)를 결정할 수 있다. 프로세서(450)는 로잉머신 모델(833) 및 심박 측정 센서(815)를 통해 획득한 현재 심박 데이터를 로잉머신에 대한 제2 심박수 예측 범위(853)를 결정할 수 있다. 프로세서(450)는 평지 걷기 또는 달리기 모델(835) 및 심박 측정 센서(815)를 통해 획득한 현재 심박 데이터를 이용하여 평지 걷기 또는 달리기에 대한 제3 심박수 예측 범위(855)를 결정할 수 있다. 프로세서(450)는 경사면 걷기 또는 달리기 모델(837) 및 심박 측정 센서(815)를 통해 획득한 현재 심박 데이터를 이용하여 경사면 걷기 또는 달리기에 대한 제4 심박수 예측 범위(857)를 결정할 수 있다. 제1 심박수 예측 범위(851) 내지 제4 심박수 예측 범위(857)는 예측된 심박 데이터의 값이 서로 다를 수 있다.
도 9는 다양한 실시예들에 따른 전자 장치의 심박 예측 범위 결정 방법을 도시한 흐름도이다.
도 9를 참조하면, 동작(901)에서, 전자 장치(400)(예: 프로세서(450))는 가속도 변화량이 큰지 여부를 판단할 수 있다. 제1 기간 동안 센서 모듈(410)로부터 획득한 모션 센서 데이터(예: 제1 모션 센서 데이터)는 가속도 데이터일 수 있다. 예를 들어, 상기 가속도 데이터는 모션 센서(413)로부터 획득한 모션 센서 데이터일 수 있다. 또한, 프로세서(450)는 기압 센서(415)로부터 기압 데이터를 획득할 수 있다. 프로세서(450)는 상기 획득한 모션 센서 데이터에 포함된 가속도 데이터의 변화량을 산출할 수 있다.
예를 들어, 평지를 걷는 경우 가속도 변화량과 평지를 뛰는 경우 가속도 변화량을 비교해보면, 뛰는 경우의 가속도 변화량이 걷는 경우의 가속도 변화량보다 높을 수 있다. 또는, 일립티컬을 하는 경우 가속도 변화량이 로잉 머신을 하는 경우 가속도 변화량보다 작을 수 있다. 프로세서(450)는 가속도 변화량이 큰지 여부를 판단하기 위해 임계치를 설정할 수 있다. 예를 들어, 상기 임계치는 걷는 경우의 가속도 변화량보다 크고 뛰는 경우의 가속도 변화량보다 작게 설정될 수 있다. 또는, 상기 임계치는 일립티컬을 하는 경우의 가속도 변화량보다 크고 로잉머신을 하는 경우의 가속도 변화량보다 작게 설정될 수 있다. 상기 임계치는 전자 장치(400)에 의해 설정되거나, 사용자에 의해 설정될 수 있다.
프로세서(450)는 상기 가속도 변화량이 임계치를 초과하는 경우 상기 가속도 변화량이 크다고 판단하고, 상기 가속도 변화량이 임계치 이하인 경우 상기 가속도 변화량이 작다고 판단할 수 있다. 프로세서(450)는 상기 가속도 변화량이 큰 경우 동작(905)을 수행하고, 상기 가속도 변화량이 크지 않은 경우 동작(903)을 수행할 수 있다.
상기 가속도 변화량이 크지 않은 경우, 동작(903)에서, 전자 장치(400)(예: 프로세서(450))는 제1 운동 강도를 결정할 수 있다. 프로세서(450)는 제1 기간 동안 사용자의 움직임에 따른 운동 강도를 제1 운동 강도로 결정할 수 있다. 다양한 실시예들에 따른 프로세서(450)는 운동 강도를 3단계, 5단계, 또는 10단계 등 다양한 단계로 구분할 수 있다. 설명의 편의를 위해 이하에서는 운동 강도가 3단계인 실시예를 예로 들어 설명하지만, 설명에 의해 운동 강도가 한정되는 것은 아니다. 예를 들어, 프로세서(450)는 운동 강도를 3 단계인 '상', '중', '하'로 구분할 수 있다. 상기 제1 운동 강도는 운동 강도가 '하'에 해당하는 것으로, 가장 낮은 운동 강도에 해당할 수 있다.
상기 가속도 변화량이 큰 경우, 동작(905)에서, 전자 장치(400)(예: 프로세서(450))는 기압 변화가 있는지 판단할 수 있다. 프로세서(450)는 상기 제1 기간 동안 획득한 기압 센서(415)에 의해 획득한 기압 데이터의 변화량이 있는지 판단할 수 있다. 상기 기압 데이터는 등산 또는 계단과 같이 경사도가 있는 곳을 올라가거나 내려갈 때 검출될 수 있다. 경사도가 낮아 기압 데이터가 검출되더라도 운동 강도에 크게 영향을 주지 않을 수도 있으므로, 프로세서(450)는 경사도가 운동에 미치는 영향을 고려하여 경사도 기준치를 결정할 수 있다. 예를 들어, 경사도 기준치는 전자 장치(400)에 의해 설정되거나, 사용자에 의해 설정될 수 있다.
프로세서(450)는 상기 기압 데이터가 경사도 기준치를 초과하는 경우 상기 기압 데이터의 변화량이 있다고 판단하고, 상기 기압 데이터가 경사도 임계치 이하인 경우 상기 기압 데이터의 변화량이 없다고 판단할 수 있다. 프로세서(450)는 상기 기압 데이터의 변화량이 있는 경우 동작(909)을 수행하고, 상기 기압 데이터의 변화량이 없는 경우 동작(907)을 수행할 수 있다.
상기 기압 데이터의 변화량이 없는 경우 동작(907)에서, 전자 장치(400)(예: 프로세서(450))는 제3 운동 강도를 결정할 수 있다. 프로세서(450)는 제1 기간 동안 사용자의 움직임에 따른 운동 강도를 제3 운동 강도로 결정할 수 있다. 상기 제3 운동 강도는 운동 강도가 '상'에 해당하는 것으로, 가장 높은 운동 강도에 해당할 수 있다.
상기 기압 데이터의 변화량이 있는 경우 동작(909)에서, 전자 장치(400)(예: 프로세서(450))는 제2 운동 강도를 결정할 수 있다. 프로세서(450)는 제1 기간 동안 사용자의 움직임에 따른 운동 강도를 제2 운동 강도로 결정할 수 있다. 상기 제2 운동 강도는 운동 강도가 '중'에 해당하는 것으로, 중간 정도의 운동 강도에 해당할 수 있다.
다양한 실시예들에 따르면, 상기 기압 데이터의 변화량이 없는 경우 운동 강도를 제2 운동 강도로 결정하고, 상기 기압 데이터의 변화량이 있는 경우 운동 강도를 제3 운동 강도로 결정할 수 있다. 예를 들어, 오르막길 걷기/달리기는 평지 걷기/달리기보다 상대적으로 가속도 변화량이 작고, 기압 변화가 커질수록 가속도가 느리지만 평지 걷기/달리기보다 운동 강도가 더 커질 수 있다. 반대로, 내리막길 걷기/달리기는 평지 걷기/달리기보다 상대적으로 가속도 변화량이 크고, 기압 변화가 커질수록 속도가 더 빠르지만, 동시에 가속도 변화량이 빠르게 증가할 수 있다. 프로세서(450)는 기압 변화가 큰 경우, 가속도 변화량을 운동 강도에 반영하는 가중치를 낮출 수 있다. 이 경우, 가속도 변화량이 매우 크게 증가하는 경우에도 운동 강도는 조금 커질 수 있다.
다양한 실시예들에 따른 프로세서(450)는 기압 변화에 기반하여 가속도 변화량을 운동 강도에 반영하는 가중치를 조절할 수 있다. 예를 들어, 프로세서(450)는 상기 기압 데이터가 검출되는 경우, 상기 가속도 변화량을 상기 운동 강도에 반영하는 가중치를 낮출 수 있다. 프로세서(450)는 상기 기압 데이터의 변화량이 없는 경우(예: 평지 걷기 또는 달리기), 상기 가속도 변화량을 상기 운동 강도에 반영하는 가중치를 높일 수 있다.
동작(911)에서, 전자 장치(400)(예: 프로세서(450))는 운동 강도에 기반하여 운동 종류를 결정할 수 있다. 예를 들어, 상기 제1 운동 강도에 해당하는 운동 종류로서는 걷기 또는 일립티컬일 수 있다. 상기 제2 운동 강도에 해당하는 운동 종류로서는 오르막길 걷기/달리기 또는 내리막길 걷기/달리기일 수 있다. 상기 제3 운동 강도에 해당하는 운동 종류로서는 달리기 또는 로잉머신일 수 있다.
동작(915)에서, 전자 장치(400)(예: 프로세서(450))는 운동 강도, 운동 종류 또는 현재 심박수 중 적어도 하나에 기반하여 심박 예측 범위를 결정할 수 있다. 상기 현재 심박수는 상기 제1 기간 동안 획득한 제1 심박 데이터를 의미할 수 있다. 예를 들어, 프로세서(450)는 운동 강도 및 운동 종류에 기반하여 운동 계수를 설정하고, 운동 계수와 현재 심박수를 이용하여 예측 심박 데이터를 산출할 수 있다. 프로세서(450)는 수학식 5를 이용하여 예측 심박 데이터를 구할 수 있다.
Figure pat00005
프로세서(450)는 예측 심박 데이터를 기준으로 오차 범위를 고려하여 심박 예측 범위를 결정할 수 있다. 예를 들어, 상기 수학식 5를 통해 예측 심박 데이터가 120으로 산출된 경우, 프로세서(450)는 오차 범위를 ± 7로 고려하여 상기 심박 예측 범위를 110 ~ 130으로 결정할 수 있다.
다양한 실시예들에 따른 프로세서(450)는 예측 심박 데이터에 따라 오차 범위를 다르게 설정할 수 있다. 예를 들어, 상기 예측 심박 데이터가 100인 경우, 상기 오차 범위를 ± 10으로 설정하고, 상기 예측 심박 데이터가 120인 경우, 상기 오차 범위를 ± 7로 설정하며, 상기 예측 심박 데이터가 140인 경우, 상기 오차 범위를 ± 5로 설정할 수 있다. 다양한 실시예들에 따른 프로세서(450)는 운동 강도, 운동 종류 또는 현재 심박수 중 적어도 하나를 고려하여 오차 범위를 다르게 설정할 수도 있다.
다양한 실시예들에 따른 프로세서(450)는 사용자의 신체 정보를 더 고려하여 상기 심박 예측 범위를 결정할 수 있다. 예를 들어, 상기 사용자의 신체 정보는 키, 몸무게, 나이, 성별, 안정 시 심박수, 나이에 따른 최대 심박수, 혈압, 체지방, 혈액형 중 적어도 하나를 포함할 수 있다. 나이 또는 성별에 따라 혈압이 다르게 측정될 수 있으며, 혈압은 심박 데이터에 영향을 줄 수 있다. 또한, 나이에 따라 최대 심박수가 다를 수 있다. 따라서, 프로세서(450)는 운동 강도, 운동 종류 또는 현재 심박수와 함께 사용자의 신체 정보를 더 고려하여 더욱 정확한 심박 예측 범위를 결정할 수 있다.
다양한 실시예들에 따른 프로세서(450)는 사용자의 신체 정보를 고려하여 상기 예측 심박 데이터의 오차 범위를 다르게 설정할 수도 있다. 예를 들어, 프로세서(450)는 혈압이 높은 사용자의 경우 오차 범위를 넓게(예: ± 15) 설정하고, 혈압이 낮은 사용자의 경우 오차 범위를 좁게(예: ± 5) 설정할 수 있다. 다양한 실시예들에 따른 프로세서(450)는 운동 강도, 운동 종류 또는 현재 심박수, 상기 사용자의 신체 정보 중 적어도 하나를 고려하여 오차 범위를 다르게 설정할 수도 있다.
도 10은 다양한 실시예들에 따른 전자 장치의 심박 데이터를 이용한 정보 제공 방법을 도시한 흐름도이다.
도 10을 참조하면, 동작(1001)에서, 전자 장치(400)(예: 프로세서(450))는 모션 센서 데이터 및 심박 데이터를 획득할 수 있다. 프로세서(450))는 일정 기간(예: 제2 기간) 동안 또는 제2 기간 동안의 하나의 시점에 모션 센서(413)로부터 상기 모션 센서 데이터를 획득할 수 있다. 또한, 프로세서(450)는 기압 센서(415)로부터 기압 데이터를 획득할 수 있다. 상기 심박 데이터는 일정 기간(예: 제2 기간) 동안에 심박 측정 센서(411)로부터 획득된 센서 데이터일 수 있다. 즉, 상기 모션 센서 데이터 및 상기 심박 데이터는 이전에 획득한 센서 데이터를 이용하여 운동 종류를 판단한 이후에 획득한 것일 수 있다. 도 5를 참고하여 설명하면, 동작(1001)에서 획득한 상기 모션 센서 데이터 및 상기 심박 데이터는 제2 기간 동안(예: 동작(507)) 획득한 제2 모션 센서 데이터 및 제2 심박 데이터를 의미할 수 있다.
동작(1003)에서, 전자 장치(400)(예: 프로세서(450))는 상기 모션 센서 데이터에 기반하여 운동 종류를 판단할 수 있다. 예를 들어, 프로세서(450)는 가속도 변화량이 큰 경우, 운동 강도가 "중"이고, 운동 종류를 달리기 또는 로잉 머신으로 판단할 수 있다. 프로세서(450)는 가속도 변화량이 작은 경우, 운동 강도가 "하"이고, 운동 종류를 걷기 또는 일립티컬로 판단할 수 있다. 또한, 프로세서(450)는 상기 모션 센서 데이터 및 상기 기압 데이터에 기반하여 운동 종류를 판단할 수 있다. 예를 들어, 프로세서(450)는 가속도 변화량이 크고 기압 변화량이 큰 경우, 운동 강도가 "중"이고, 운동 종류를 등산(예: 내리막길 걷기 또는 달리기)라고 판단하고, 가속도 변화량이 작고, 기압 변화량이 작은 경우 운동 강도가 "상"이고, 운동 종류를 등산(예: 오르막길 걷기 또는 달리기)라고 판단할 수 있다.
동작(1005)에서, 전자 장치(400)(예: 프로세서(450))는 운동 종류가 변경되었는지 판단할 수 있다. 사용자는 평지를 걷기도 하고, 오르막길을 걷기고 하고, 내리막길을 걷기도 할 수 있다. 동일한 걷는 운동에 대해서도 현재 운동 강도(예: 경사도)에 따라 예측 심박수 또는 소모되는 칼로리가 다를 수 있다. 프로세서(450)는 이전에 판단된 운동 종류와 현재 사용자가 운동하는 종류가 다른지 여부를 판단함으로써, 더욱 정확한 심박 데이터를 획득할 수 있다.
프로세서(450)는 운동 종류가 변경된 경우 동작(1007)을 수행하고, 운동 종류가 변경되지 않은 경우 동작(1009)을 수행할 수 있다.
운동 종류가 변경된 경우 동작(1007)에서, 전자 장치(400)(예: 프로세서(450))는 심박 예측 범위를 변경할 수 있다. 상기 심박 예측 범위는 현재 운동 강도, 현재 운동 종류, 현재 심박 데이터에 따라 다음 심박 데이터를 예측하기 위한 것일 수 있다. 그러나, 현재 하고 있는 운동과 다음에 하는 운동의 종류가 다를 수 있으므로, 프로세서(450)는 운동 종류가 변경된 경우 심박 예측 범위를 변경할 수 있다. 프로세서(450)는 변경된 운동 강도, 변경된 운동 종류에 기반하여 예측 심박 데이터를 변경할 수 있다.
동작(1009)에서, 전자 장치(400)(예: 프로세서(450))는 상기 심박 데이터가 심박 예측 범위 이내인지 판단할 수 있다. 예를 들어, 상기 심박 예측 범위가 변경되지 않은 경우, 프로세서(450)는 동작(1001)에서 획득한 심박 데이터가 변경되지 않은 심박 예측 범위 안에 포함되는지 여부를 판단할 수 있다. 또는, 상기 심박 예측 범위가 변경된 경우, 프로세서(450)는 동작(1001)에서 획득한 심박 데이터가 변경된 심박 예측 범위 안에 포함되는지 여부를 판단할 수 있다.
프로세서(450)는 상기 심박 데이터가 상기 심박 예측 범위 이내인 경우 동작(1011)을 수행하고, 상기 심박 데이터가 상기 심박 예측 범위 이내가 아닌 경우 동작(1015)을 수행할 수 있다.
상기 심박 데이터가 상기 심박 예측 범위 이내인 경우, 동작(1011)에서, 전자 장치(400)(예: 프로세서(450))는 상기 획득한 심박 데이터를 측정에 사용할 데이터로 결정할 수 있다.
동작(1013)에서, 전자 장치(400)(예: 프로세서(450))는 상기 모션 센서 데이터 또는 상기 심박 데이터를 이용하여 칼로리를 계산할 수 있다. 예를 들어, 프로세서(450)는 동작(1001)에서 획득한 심박 데이터를 이용하여 일정 기간 동안(예: 제2 기간) 사용자의 움직임에 의해 소모된 칼로리를 계산할 수 있다. 프로세서(450)는 상기 운동 종류에 기반하여 동작(1001)에서 획득한 심박 데이터를 이용하여 칼로리를 계산하거나, 동작(1001)에서 획득한 모션 센서 데이터 및 심박 데이터를 이용하여 칼로리를 계산할 수 있다. 프로세서(450)는 상기 모션 센서 데이터, 상기 심박 데이터 또는 상기 칼로리 중 적어도 하나와 연관된 사용자 인터페이스를 제공할 수 있다.
상기 심박 데이터가 상기 심박 예측 범위 이내가 아닌 경우, 동작(1015)에서, 전자 장치(400)(예: 프로세서(450))는 상기 심박 예측 범위 내 심박 데이터로 보정할 수 있다. 프로세서(450)는 동작(1001)에서 획득한 심박 데이터보다 예측된 심박 데이터를 더 신뢰할 수 있다. 프로세서(450)는 상기 심박 데이터가 상기 심박 예측 범위 내 포함되지 않는 경우, 상기 심박 데이터를 상기 심박 예측 범위 내 포함된 다른 심박 데이터로 보정할 수 있다. 상기 보정된 심박 데이터는 상기 심박 예측 범위에 포함된 것일 수 있다.
다양한 실시예들에 따른 프로세서(450)는 상기 심박 예측 범위의 최대값, 최소값, 상기 심박 데이터(예: 심박 측정 센서에 의해 획득한 심박 데이터)에 기반하여 심박 데이터를 보정할 수 있다. 또는, 프로세서(450)는 상기 심박 예측 범위의 최대값, 최소값, 또는 평균값 중 적어도 하나를 예측 심박 데이터로 결정할 수 있다. 예를 들어, 예측 심박 데이터가 120인 경우, 상기 심박 예측 범위는 110 ~ 130 이고, 상기 심박 예측 범위의 최소값은 110이고, 상기 심박 예측 범위의 최대값은 130일 수 있다. 상기 심박 데이터가 105인 경우, 프로세서(450)는 상기 최소값과 상기 심박 데이터 간의 차이값(예: 5)이 상기 예측 심박 데이터와 상기 최소값 간의 차이값(예: 10)보다 작으므로, 상기 최소값에 근접하여 상기 심박 데이터를 보정할 수 있다. 예를 들어, 프로세서(450)는 상기 예측 심박 데이터와 상기 최소값 사이의 값인 '115'로 상기 심박 데이터를 보정할 수 있다.
또는, 상기 심박 데이터가 100인 경우, 프로세서(450)는 상기 최소값과 상기 심박 데이터 간의 차이값(예: 10)이 상기 예측 심박 데이터와 상기 최소값 간의 차이값(예: 10)와 동일하므로, 상기 최소값으로 상기 심박 데이터를 보정할 수 있다. 예를 들어, 프로세서(450)는 상기 예측 심박 범위의 최소값인 '110'으로 상기 심박 데이터를 보정할 수 있다. 또는, 상기 심박 데이터가 135인 경우, 프로세서(450)는 상기 최대값과 상기 심박 데이터 간의 차이값(예: 5)이 상기 예측 심박 데이터와 상기 최대값 간의 차이값(예: 10)보다 작으므로, 상기 최대값에 근접하여 상기 심박 데이터를 보정할 수 있다. 예를 들어, 프로세서(450)는 상기 예측 심박 데이터와 상기 최대값 사이의 값인 '125'로 상기 심박 데이터를 보정할 수 있다.
또는, 상기 심박 데이터가 140인 경우, 프로세서(450)는 상기 최대값과 상기 심박 데이터 간의 차이값(예: 10)이 상기 예측 심박 데이터와 상기 최대값 간의 차이값(예: 10)와 동일하므로, 상기 최대값으로 상기 심박 데이터를 보정할 수 있다. 예를 들어, 프로세서(450)는 상기 예측 심박 범위의 최대값인 '130'으로 상기 심박 데이터를 보정할 수 있다. 또는, 프로세서(450)는 운동 강도, 운동 종류, 상기 심박 데이터를 고려하여 상기 예측 심박 데이터로 상기 심박 데이터를 보정할 수도 있다. 이 경우, 프로세서(450)는 상기 심박 데이터를 120으로 보정할 수 있다.
동작(1017)에서, 전자 장치(400)(예: 프로세서(450))는 상기 보정된 심박 데이터를 측정에 사용할 데이터로 결정할 수 있다. 심박 데이터를 보정한 후, 프로세서(450)는 동작(1013)을 수행하여 상기 모션 센서 데이터 또는 상기 보정된 심박 데이터를 이용하여 칼로리를 계산할 수 있다.
다양한 실시예들에 따른 모션 센서(413) 및 심박 측정 센서(411)를 포함하는 전자 장치의 동작 방법은 상기 모션 센서(413)를 이용하여 제1 기간 동안 제1 모션 센서 데이터를 획득하고, 상기 심박 측정 센서(411)를 이용하여 제1 기간 동안 제1 심박 데이터를 획득하는 동작, 상기 제1 모션 센서 데이터에 기반하여 운동 종류를 결정하는 동작, 상기 제1 모션 센서 데이터, 상기 운동 종류 및 상기 제1 심박 데이터 중 적어도 하나에 기반하여 심박 예측 범위를 결정하는 동작, 제2 기간 동안 획득한 제2 심박 데이터가 상기 심박 예측 범위 이내인지 판단하는 동작, 및 상기 판단 결과에 기반하여 상기 제2 기간 동안의 심박 데이터를 결정하는 동작을 포함할 수 있다.
상기 결정하는 동작은, 상기 제2 심박 데이터가 상기 심박 예측 범위에 포함되는 경우, 상기 제2 심박 데이터를 상기 제2 기간 동안의 심박 데이터로 결정하는 동작, 및 상기 제2 심박 데이터가 상기 심박 예측 범위에 포함되지 않는 경우, 상기 심박 예측 범위에 포함된 제3 심박 데이터를 상기 제2 기간 동안의 심박 데이터로 결정하는 동작을 포함할 수 있다.
제3 심박 데이터를 결정하는 동작은, 상기 심박 예측 범위의 최대값, 최소값, 평균값 중 적어도 하나로 상기 제3 심박 데이터를 결정하는 동작을 포함할 수 있다.
상기 방법은 상기 제2 심박 데이터가 상기 심박 예측 범위에 포함되는 경우, 상기 제2 기간 동안 획득한 제2 모션 센서 데이터 또는 상기 제2 심박 데이터를 이용하여 칼로리를 계산하는 동작, 및 상기 제2 심박 데이터가 상기 심박 예측 범위에 포함되지 않는 경우, 상기 제2 기간 동안 획득한 제2 모션 센서 데이터 또는 상기 심박 예측 범위에 포함된 제3 심박 데이터를 이용하여 칼로리를 계산하는 동작을 더 포함할 수 있다.
상기 방법은 상기 제1 모션 센서 데이터에 기반하여 운동 강도 또는 운동 종류를 판단하는 동작, 상기 운동 강도, 상기 운동 종류 또는 상기 제1 심박 데이터 중 적어도 하나에 기반하여 예측 심박 데이터를 결정하는 동작, 및 상기 예측 심박 데이터를 기준으로 오차 범위를 고려하여 상기 심박 예측 범위를 결정하는 동작을 더 포함할 수 있다.
상기 제1 모션 센서 데이터는, 가속도 데이터이고, 운동 강도 또는 운동 종류를 판단하는 동작은, 상기 가속도 데이터에 기반한 가속도 변화량 또는 기압 센서(415)로부터 획득한 기압 데이터의 변화량에 따라 상기 운동 강도 또는 상기 운동 종류를 판단하는 동작을 포함할 수 있다.
다양한 실시예들에 따른 컴퓨터로 판독 가능한 기록 매체는 모션 센서를 이용하여 제1 기간 동안 제1 모션 센서 데이터를 획득하고, 심박 측정 센서를 이용하여 제1 기간 동안 제1 심박 데이터를 획득하는 동작, 상기 제1 모션 센서 데이터에 기반하여 운동 종류를 결정하는 동작, 상기 제1 모션 센서 데이터, 상기 운동 종류 및 상기 제1 심박 데이터 중 적어도 하나에 기반하여 심박 예측 범위를 결정하는 동작, 제2 기간 동안 획득한 제2 심박 데이터가 상기 심박 예측 범위 이내인지 판단하는 동작, 및 상기 판단 결과에 기반하여 상기 제2 기간 동안의 심박 데이터를 결정하는 동작을 실행하는 프로그램을 포함할 수 있다.
컴퓨터로 판독 가능한 기록 매체는, 하드디스크, 플로피디스크, 마그네틱 매체(예: 자기테이프), 광기록 매체(예: CD-ROM, DVD, 자기-광 매체 (예: 플롭티컬 디스크), 내장 메모리 등을 포함할 수 있다. 명령어는 컴파일러에 의해 만들어지는 코드 또는 인터프리터에 의해 실행될 수 있는 코드를 포함할 수 있다. 다양한 실시예에 따른 모듈 또는 프로그램 모듈은 전술한 구성요소들 중 적어도 하나 이상을 포함하거나, 일부가 생략되거나, 또는 다른 구성요소를 더 포함할 수 있다. 다양한 실시예에 따른, 모듈, 프로그램 모듈 또는 다른 구성요소에 의해 수행되는 동작들은 순차적, 병렬적, 반복적 또는 휴리스틱하게 실행되거나, 적어도 일부 동작이 다른 순서로 실행되거나, 생략되거나, 또는 다른 동작이 추가될 수 있다.
그리고 본 명세서와 도면에 개시된 실시 예들은 본 발명의 내용을 쉽게 설명하고, 이해를 돕기 위해 특정 예를 제시한 것일 뿐이며, 본 발명의 범위를 한정하고자 하는 것은 아니다. 따라서 본 발명의 범위는 여기에 개시된 실시 예들 이외에도 본 발명의 기술적 사상을 바탕으로 도출되는 모든 변경 또는 변형된 형태가 본 발명의 범위에 포함되는 것으로 해석되어야 한다.
400: 전자 장치
410: 센서 모듈 411: 심박 측정 센서
413: 모션 센서 415: 기압 센서
420: 메모리 430: 디스플레이
440: 통신 모듈 450: 프로세서
451: 심박수 추출 모듈 453: 운동 강도 모듈
455: 심박수 검증 모듈 457: 칼로리 계산 모듈

Claims (20)

  1. 전자 장치에 있어서,
    모션 센서;
    심박 측정 센서; 및
    상기 모션 센서 및 상기 심박 측정 센서와 기능적으로 연결된 프로세서를 포함하고,
    상기 프로세서는,
    상기 모션 센서를 이용하여 제1 기간 동안 제1 모션 센서 데이터를 획득하고, 상기 심박 측정 센서를 이용하여 상기 제1 기간 동안 제1 심박 데이터를 획득하고, 상기 제1 모션 센서 데이터에 기반하여 운동 종류를 결정하고, 상기 제1 모션 센서 데이터, 상기 운동 종류 및 상기 제1 심박 데이터 중 적어도 하나에 기반하여 심박 예측 범위를 결정하고, 상기 심박 측정 센서를 이용하여 제2 기간 동안 제2 심박 데이터를 획득하고, 상기 제2 심박 데이터가 상기 심박 예측 범위에 포함되는지 판단하고, 상기 판단 결과에 기반하여 상기 제2 기간 동안의 심박 데이터를 결정하도록 설정된 전자 장치.
  2. 제1항에 있어서, 상기 프로세서는,
    상기 제2 심박 데이터가 상기 심박 예측 범위에 포함되는 경우, 상기 제2 심박 데이터를 상기 제2 기간 동안의 심박 데이터로 결정하고, 상기 제2 심박 데이터가 상기 심박 예측 범위에 포함되지 않는 경우, 상기 심박 예측 범위에 포함된 제3 심박 데이터를 상기 제2 기간 동안의 심박 데이터로 결정하는 전자 장치.
  3. 제2항에 있어서, 상기 프로세서는,
    상기 제2 심박 데이터가 상기 심박 예측 범위에 포함되지 않는 경우, 상기 심박 예측 범위의 최대값, 최소값, 상기 제2 심박 데이터에 기반하여 상기 제3 심박 데이터를 결정하고, 상기 제2 심박 데이터를 상기 제3 심박 데이터로 보정하도록 설정된 전자 장치.
  4. 제2항에 있어서, 상기 프로세서는,
    상기 심박 예측 범위의 최대값, 최소값, 또는 평균값 중 적어도 하나를 상기 제3 심박 데이터로 결정하도록 설정된 전자 장치.
  5. 제1항에 있어서, 상기 프로세서는,
    상기 제2 심박 데이터가 상기 심박 예측 범위에 포함되는 경우, 상기 제2 기간 동안 획득한 제2 모션 센서 데이터 또는 상기 제2 심박 데이터를 이용하여 칼로리를 계산하고, 상기 제2 심박 데이터가 상기 심박 예측 범위에 포함되지 않는 경우, 상기 제2 기간 동안 획득한 제2 모션 센서 데이터 또는 상기 심박 예측 범위에 포함된 제3 심박 데이터를 이용하여 칼로리를 계산하도록 설정된 전자 장치.
  6. 제1항에 있어서, 상기 프로세서는,
    상기 운동 종류에 기반하여 상기 제1 심박 데이터를 이용하여 칼로리를 계산하거나, 상기 제1 모션 센서 데이터 및 상기 제1 심박 데이터를 이용하여 칼로리를 계산하도록 설정된 전자 장치.
  7. 제1항에 있어서, 상기 프로세서는,
    상기 제1 모션 센서 데이터에 기반하여 운동 강도 또는 운동 종류를 판단하고, 상기 운동 강도, 상기 운동 종류 또는 상기 제1 심박 데이터 중 적어도 하나에 기반하여 예측 심박 데이터를 결정하고, 상기 예측 심박 데이터를 기준으로 오차 범위를 고려하여 상기 심박 예측 범위를 결정하도록 설정된 전자 장치.
  8. 제7항에 있어서,
    상기 제1 모션 센서 데이터는 가속도 데이터를 포함하고,
    상기 프로세서는,
    상기 가속도 데이터에 기반한 가속도 변화량 또는 기압 센서를 이용한 기압 데이터의 변화량에 따라 상기 운동 강도 또는 상기 운동 종류를 판단하도록 설정된 전자 장치.
  9. 제8항에 있어서, 상기 프로세서는,
    상기 기압 데이터의 변화량이 있는 경우, 상기 가속도 변화량을 상기 운동 강도에 반영하는 가중치를 조절하여 상기 예측 심박 데이터를 결정하도록 설정된 전자 장치.
  10. 제8항에 있어서, 상기 프로세서는,
    상기 기압 데이터의 변화량이 없는 경우, 상기 가속도 변화량의 추이에 대응되도록 상기 예측 심박 데이터를 결정하도록 설정된 전자 장치.
  11. 제7항에 있어서, 상기 프로세서는,
    상기 예측 심박 데이터에 따라 오차 범위를 다르게 설정하도록 설정된 전자 장치.
  12. 제1항에 있어서, 상기 프로세서는,
    사용자의 신체 정보를 더 고려하여 상기 심박 예측 범위를 결정하도록 설정된 전자 장치.
  13. 제1항에 있어서, 상기 프로세서는,
    상기 제1 모션 센서 데이터 또는 상기 제1 심박 데이터를 이용하여 상기 제1 기간 동안의 제1 칼로리를 계산하고, 상기 제1 모션 센서 데이터, 상기 제1 심박 데이터 또는 상기 제1 칼로리 중 적어도 하나와 연관된 사용자 인터페이스를 상기 전자 장치의 디스플레이를 통해 표시하도록 설정된 전자 장치.
  14. 제1항에 있어서,
    상기 프로세서는, 제1 프로세서 및 제2 프로세서를 포함하고,
    상기 제1 프로세서는, 상시적으로 활성화 상태이고,
    상기 제2 프로세서는, 선택적으로 활성화 상태로 전환되도록 설정된 전자 장치.
  15. 제1항에 있어서,
    상기 전자 장치는, 사용자의 신체에 착용 가능한 장치인 전자 장치.
  16. 모션 센서 및 심박 측정 센서를 포함하는 전자 장치의 동작 방법에 있어서,
    상기 모션 센서를 이용하여 제1 기간 동안 제1 모션 센서 데이터를 획득하고, 상기 심박 측정 센서를 이용하여 제1 기간 동안 제1 심박 데이터를 획득하는 동작;
    상기 제1 모션 센서 데이터에 기반하여 운동 종류를 결정하는 동작;
    상기 제1 모션 센서 데이터, 상기 운동 종류 및 상기 제1 심박 데이터 중 적어도 하나에 기반하여 심박 예측 범위를 결정하는 동작;
    제2 기간 동안 획득한 제2 심박 데이터가 상기 심박 예측 범위 이내인지 판단하는 동작; 및
    상기 판단 결과에 기반하여 상기 제2 기간 동안의 심박 데이터를 결정하는 동작을 포함하는 방법.
  17. 제16항에 있어서, 상기 결정하는 동작은,
    상기 제2 심박 데이터가 상기 심박 예측 범위에 포함되는 경우, 상기 제2 심박 데이터를 상기 제2 기간 동안의 심박 데이터로 결정하는 동작; 및
    상기 제2 심박 데이터가 상기 심박 예측 범위에 포함되지 않는 경우, 상기 심박 예측 범위에 포함된 제3 심박 데이터를 상기 제2 기간 동안의 심박 데이터로 결정하는 동작을 포함하는 방법.
  18. 제17항에 있어서,
    상기 제3 심박 데이터를 결정하는 동작은,
    상기 심박 예측 범위의 최대값, 최소값, 평균값 중 적어도 하나로 상기 제3 심박 데이터를 결정하는 동작을 포함하는 방법.
  19. 제16항에 있어서,
    상기 제2 심박 데이터가 상기 심박 예측 범위에 포함되는 경우, 상기 제2 기간 동안 획득한 제2 모션 센서 데이터 또는 상기 제2 심박 데이터를 이용하여 칼로리를 계산하는 동작; 및
    상기 제2 심박 데이터가 상기 심박 예측 범위에 포함되지 않는 경우, 상기 제2 기간 동안 획득한 제2 모션 센서 데이터 또는 상기 심박 예측 범위에 포함된 제3 심박 데이터를 이용하여 칼로리를 계산하는 동작을 더 포함하는 방법.
  20. 제16항에 있어서,
    상기 제1 모션 센서 데이터에 기반하여 운동 강도 또는 운동 종류를 판단하는 동작;
    상기 운동 강도, 상기 운동 종류 또는 상기 제1 심박 데이터 중 적어도 하나에 기반하여 예측 심박 데이터를 결정하는 동작; 및
    상기 예측 심박 데이터를 기준으로 오차 범위를 고려하여 상기 심박 예측 범위를 결정하는 동작을 더 포함하는 방법.
KR1020160156251A 2016-11-23 2016-11-23 심박수 획득 방법 및 이를 구현한 전자 장치 KR20180057868A (ko)

Priority Applications (4)

Application Number Priority Date Filing Date Title
KR1020160156251A KR20180057868A (ko) 2016-11-23 2016-11-23 심박수 획득 방법 및 이를 구현한 전자 장치
US15/797,136 US11202576B2 (en) 2016-11-23 2017-10-30 Method for obtaining heart rate and electronic device for the same
EP17199491.6A EP3330972A1 (en) 2016-11-23 2017-11-01 Method for obtaining heart rate and electronic device for the same
CN201711187167.3A CN108078561A (zh) 2016-11-23 2017-11-23 用于获得心率的方法和用于该方法的电子设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020160156251A KR20180057868A (ko) 2016-11-23 2016-11-23 심박수 획득 방법 및 이를 구현한 전자 장치

Publications (1)

Publication Number Publication Date
KR20180057868A true KR20180057868A (ko) 2018-05-31

Family

ID=60244905

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020160156251A KR20180057868A (ko) 2016-11-23 2016-11-23 심박수 획득 방법 및 이를 구현한 전자 장치

Country Status (4)

Country Link
US (1) US11202576B2 (ko)
EP (1) EP3330972A1 (ko)
KR (1) KR20180057868A (ko)
CN (1) CN108078561A (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102461484B1 (ko) * 2022-05-24 2022-10-31 주식회사 야나두 메타버스 트레이닝 서비스 제공 방법, 서버 및 컴퓨터 프로그램

Families Citing this family (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107961008B (zh) * 2017-12-20 2020-09-15 中国科学院合肥物质科学研究院 一种静息代谢率快速获取的辅助装置及方法
CN112203584A (zh) * 2018-06-05 2021-01-08 深圳迈瑞生物医疗电子股份有限公司 一种基于运动传感器的生理参数优化方法及监护装置
KR102564269B1 (ko) * 2018-06-07 2023-08-07 삼성전자주식회사 생체 정보를 이용하여 운동 정보를 제공하기 위한 전자 장치 및 그의 동작 방법
CN110494079B (zh) * 2018-08-03 2022-09-02 广东高驰运动科技有限公司 心率检测方法、装置、检测设备及存储介质
EP3643226B1 (en) * 2018-10-23 2024-07-31 Tata Consultancy Services Limited Heart rate estimation taking mobility states into account
US11639944B2 (en) * 2019-08-26 2023-05-02 Apple Inc. Methods and apparatus for detecting individual health related events
CN111564165B (zh) * 2020-04-27 2021-09-28 北京三快在线科技有限公司 数据存储方法、装置、设备及存储介质
CN113823379A (zh) * 2020-06-19 2021-12-21 华为技术有限公司 划桨频率的推荐方法、装置和设备
JP7143872B2 (ja) * 2020-08-14 2022-09-29 カシオ計算機株式会社 情報処理装置、ランニング指標導出方法及びプログラム

Family Cites Families (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9005129B2 (en) * 2012-06-22 2015-04-14 Fitbit, Inc. Wearable heart rate monitor
CN106073737B (zh) 2013-06-03 2018-11-23 飞比特公司 可佩戴心率监视器
US9867575B2 (en) 2014-08-22 2018-01-16 Apple Inc. Heart rate path optimizer
US9980657B2 (en) 2014-05-30 2018-05-29 Microsoft Technology Licensing, Llc Data recovery for optical heart rate sensors
US20150374240A1 (en) * 2014-06-26 2015-12-31 Salutron, Inc. Heart Rate Inference Based On Accelerometer And Cardiac Model
US20160051158A1 (en) 2014-08-22 2016-02-25 Apple Inc. Harmonic template classifier
US10201286B2 (en) 2014-08-22 2019-02-12 Apple Inc. Frequency domain projection algorithm
US20160081627A1 (en) * 2014-09-23 2016-03-24 Qualcomm Incorporated System method for assessing fitness state via a mobile device
GB2532450B (en) 2014-11-19 2019-05-15 Suunto Oy Wearable sports monitoring equipment with context determination capabilities and relating method
CN105769209A (zh) * 2016-03-31 2016-07-20 联想(北京)有限公司 一种计算热量消耗的方法及电子设备
US10952645B2 (en) * 2016-08-31 2021-03-23 Under Armour, Inc. Method and apparatus for determining a type of data and an integrity of data

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102461484B1 (ko) * 2022-05-24 2022-10-31 주식회사 야나두 메타버스 트레이닝 서비스 제공 방법, 서버 및 컴퓨터 프로그램

Also Published As

Publication number Publication date
US20180140204A1 (en) 2018-05-24
CN108078561A (zh) 2018-05-29
US11202576B2 (en) 2021-12-21
EP3330972A1 (en) 2018-06-06

Similar Documents

Publication Publication Date Title
EP3211552B1 (en) Exercise information providing method and electronic device supporting the same
US11202576B2 (en) Method for obtaining heart rate and electronic device for the same
CN108701495B (zh) 用于整合和提供从多个设备收集的数据的方法以及用于实现该方法的电子设备
CN107997767B (zh) 用于识别用户活动的方法及其电子设备
CN110192248B (zh) 语音输入处理方法和用于支持该方法的电子设备
CN108388782B (zh) 用于认证生物计量数据的电子设备和系统
US10275200B2 (en) Activity information processing method and electronic device supporting the same
US10525304B2 (en) Method for detecting information of exercise and electronic device thereof
KR102384756B1 (ko) 활동 가이드 정보 제공 방법 및 이를 지원하는 전자 장치
KR20170136317A (ko) 전자 장치 및 그의 동작 방법
KR20180024299A (ko) 조도를 측정하는 방법 및 그 전자 장치
US10900780B2 (en) Method for determining data of barometer sensor using data obtained from motion sensor and electronic device for the same
KR20170138667A (ko) 어플리케이션을 활성화하는 방법 및 이를 제공하는 전자 장치
KR20170116818A (ko) 전자 장치 및 그의 동작 방법
US10695002B2 (en) Activity information providing method and electronic device supporting the same
US11059438B2 (en) Vehicle on-boarding recognition method and electronic device implementing same
KR20180083710A (ko) 전자장치 및 이를 활용한 액츄에이터 제어 방법
EP3381369B1 (en) Electronic device and method for measuring biometric information
KR20180058419A (ko) 운동 컨텐츠를 제공하는 전자 장치
US10298733B2 (en) Method for executing function of electronic device using bio-signal and electronic device therefor
US10146573B2 (en) Method and apparatus for controlling power output from electronic device to external electronic device

Legal Events

Date Code Title Description
A201 Request for examination