SE537845C2 - Metod och system för bestämning av utförandeindikatorer förperiodiska rörelser - Google Patents
Metod och system för bestämning av utförandeindikatorer förperiodiska rörelser Download PDFInfo
- Publication number
- SE537845C2 SE537845C2 SE1350894A SE1350894A SE537845C2 SE 537845 C2 SE537845 C2 SE 537845C2 SE 1350894 A SE1350894 A SE 1350894A SE 1350894 A SE1350894 A SE 1350894A SE 537845 C2 SE537845 C2 SE 537845C2
- Authority
- SE
- Sweden
- Prior art keywords
- data
- period
- motion
- value
- movement
- Prior art date
Links
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
- A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
- A61B5/112—Gait analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
-
- A—HUMAN NECESSITIES
- A63—SPORTS; GAMES; AMUSEMENTS
- A63B—APPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
- A63B24/00—Electric or electronic controls for exercising apparatus of preceding groups; Controlling or monitoring of exercises, sportive games, training or athletic performances
- A63B24/0003—Analysing the course of a movement or motion sequences during an exercise or trainings sequence, e.g. swing for golf or tennis
- A63B24/0006—Computerised comparison for qualitative assessment of motion sequences or the course of a movement
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01P—MEASURING LINEAR OR ANGULAR SPEED, ACCELERATION, DECELERATION, OR SHOCK; INDICATING PRESENCE, ABSENCE, OR DIRECTION, OF MOVEMENT
- G01P15/00—Measuring acceleration; Measuring deceleration; Measuring shock, i.e. sudden change of acceleration
- G01P15/02—Measuring acceleration; Measuring deceleration; Measuring shock, i.e. sudden change of acceleration by making use of inertia forces using solid seismic masses
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/20—Movements or behaviour, e.g. gesture recognition
- G06V40/23—Recognition of whole body movements, e.g. for sport training
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/20—Movements or behaviour, e.g. gesture recognition
- G06V40/23—Recognition of whole body movements, e.g. for sport training
- G06V40/25—Recognition of walking or running movements, e.g. gait recognition
-
- G—PHYSICS
- G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
- G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
- G09B19/00—Teaching not covered by other main groups of this subclass
- G09B19/003—Repetitive work cycles; Sequence of movements
-
- 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
- A61B2503/00—Evaluating a particular growth phase or type of persons or animals
- A61B2503/40—Animals
-
- 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
- A63—SPORTS; GAMES; AMUSEMENTS
- A63B—APPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
- A63B24/00—Electric or electronic controls for exercising apparatus of preceding groups; Controlling or monitoring of exercises, sportive games, training or athletic performances
- A63B24/0062—Monitoring athletic performances, e.g. for determining the work of a user on an exercise apparatus, the completed jogging or cycling distance
- A63B2024/0071—Distinction between different activities, movements, or kind of sports performed
-
- A—HUMAN NECESSITIES
- A63—SPORTS; GAMES; AMUSEMENTS
- A63B—APPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
- A63B69/00—Training appliances or apparatus for special sports
- A63B69/18—Training appliances or apparatus for special sports for skiing
- A63B69/182—Training appliances or apparatus for special sports for skiing for cross-country-skiing
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01P—MEASURING LINEAR OR ANGULAR SPEED, ACCELERATION, DECELERATION, OR SHOCK; INDICATING PRESENCE, ABSENCE, OR DIRECTION, OF MOVEMENT
- G01P15/00—Measuring acceleration; Measuring deceleration; Measuring shock, i.e. sudden change of acceleration
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medical Informatics (AREA)
- Business, Economics & Management (AREA)
- Animal Behavior & Ethology (AREA)
- Veterinary Medicine (AREA)
- Public Health (AREA)
- Surgery (AREA)
- Molecular Biology (AREA)
- Heart & Thoracic Surgery (AREA)
- Biomedical Technology (AREA)
- Pathology (AREA)
- Biophysics (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Physiology (AREA)
- Dentistry (AREA)
- Social Psychology (AREA)
- Human Computer Interaction (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Data Mining & Analysis (AREA)
- Software Systems (AREA)
- Multimedia (AREA)
- Psychiatry (AREA)
- General Engineering & Computer Science (AREA)
- Physical Education & Sports Medicine (AREA)
- Educational Administration (AREA)
- Entrepreneurship & Innovation (AREA)
- Educational Technology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
- Evolutionary Biology (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
Abstract
537 8 SAM MAN D RAG Foreliggande uppfinning hanfor sig till en metod for att bestamma ett varde hos en utforandeindikator for en periodisk rorelse utford av en manniska eller ett djur. Metoden innefattar att ta emot (210) en tidsserie av data fran en troghetssensor 5 som anvands for att kanna av den periodiska rorelsen, att dela upp (220) den mottagna tidsserien av data i perioder av rorelsen, och att omvandla (230) tidsserien av data kir varje period till en datarepresentation av en viss storlek. Metoden innefattar ocksa att klassificera (240) vane period i en rorelseklass och att bestamma (250) ett varde hos en utforandeindikator for atnninstone en period 10 av rorelsen, baserat pa datarepresentationen och pa rorelseklassen for atminstone en period.
Description
537 8 METOD OCH SYSTEM FOR BESTAMNING AV UTFORANDEINDIKATORER FOR PERIODISKA RORELSER TEKNISKT OMRADE Beskrivningen hanfor sig till utfOrandet av rorelser utforda av en nnanniska eller ett djur. Mer specifikt hanfor sig beskrivningen till ett system och en metod for att bestamma ett varde hos en utforandeindikator for en periodisk rorelse utford av en nnanniska eller ett djur.
BAKGRUND Manga professionella idrottare, men aven joggare eller personer som utfor andra 10 fysiska ovningar, anvander idag pulsklockor som traningshjalp. Pulsklockor kan ocksa inbegripa positioneringssystem for att samla in mer sofistikerad information under ovningarna. Men pulsklockor ger anda en begransad nnangd information, och ger inte information om hur en fysisk ovning eller rorelse utfors. Olika verktyg baserade pa videoanalys anvands inom manga sporter for post hoc analys av 15 rorelser och fysiska ovningar. Sadana verktyg kan omfatta alit fran enkla system baserade pa konsumentkameror med grafiska anvandargranssnitt, till avsevart mycket mer komplicerade och dyra system fOr rorelsedetektion som anvands f6r mer exakt tredimensionell modellering av rorelser. En nackdel med sadana verktyg är att aterkopplingen ges forst efter Ovningen, och att det kan vara svart att observera snna skillnader mellan rOrelser utfOrda av idrottaren. Dessutom är verktyg baserade pa videoanalys svara att anvanda i en sport sasom langdskidakning eller lOpning, eftersom idrottaren rOr sig Over en stor yta under ovningen, och att det kan vara svart att fanga varje rorelse med en kamera.
En annan typ av verktyg fOr analys av en idrottares rOrelser är baserad pa anvandningen av sensorer placerade pa olika delar av idrottarens kropp, dar sensorerna typiskt kommunicerar tradlost med en dator. Sensorerna kan samla data som kan vara svart fOr en tranare att se med egna ogon. Datorn kan darmed samla data fran sensorerna pa idrottarens kropp under ovningen, och insamlad data kan sen anvandas i ett analysverktyg pa datorn f6r att analysera idrottarens prestanda och rorelser. Analysen kan anvandas som traningshjalp fOr att forbattra 1 537 8 idrottarens prestanda. Det kan dock behovas ett stort antal sensorer for att fà ett anvandbart resultat, och de kan paverka idrottarens rorelse under ovningen. Aven am datainsamlingen utfors under ovningen, sa kan det anda vara komplicerat och tids6dande att analysera den stora mangden data som samlas in och att ge relevant och fOrstaelig aterkoppling i realtid under Ovningen.
SAM MANFATTN IN G Det är darfor ett andarnal att inrikta sig pa nagra av de ovan namnda problemen, och att tillhandahalla en lOsning som ger varden hos utforandeindikatorer bestamda f6r en periodisk rorelse utf6rd av tex en idrottare, utan att idrottarens 10 rOrelser hindras eller begransas, sa att precis och relevant aterkoppling avseende idrottarens utf6rande kan ges i realtid. Detta andarnal och andra uppnas med metoden och systemet enligt de oberoende patentkraven, och med utforingsformerna enligt de beroende patentkraven.
I enlighet med en fOrsta utforingsform, tillhandahalls en metod for att bestamma ett 15 varde hos en utf6randeindikator f6r en periodisk rorelse utford av en manniska eller ett djur. Metoden innefattar att ta emot en tidsserie av data fran en tr6ghetssensor sonn anvands f6r att kanna av den periodiska rorelsen, att dela upp den mottagna tidsserien av data i perioder av rorelsen, och att omvandla tidsserien av data for varje period till en datarepresentation av en viss storlek.
Metoden innefattar ocksa att klassificera vale period i en rorelseklass baserat pa datarepresentationen och en statistisk modell som innefattar en Markovkedja av multivariata Gaussfordelningar for atminstone en rorelseklass. Metoden innefattar aven att bestamma ett varde hos en utf6randeindikator f6r atminstone en period av rorelsen, baserat pa datarepresentationen och pa rorelseklassen for atminstone en period.
I enlighet med en andra utforingsform, tillhandahalls ett system for att bestamma ett varde hos en utforandeindikator for en periodisk rorelse utford av en manniska eller ett djur. Systennet innefattar en troghetssensor for att kanna av den periodiska rorelsen, och en konnnnunikationsenhet ansluten till en processorkrets.
Kommunikationsenheten är konfigurerad att ta emot en tidsserie av data fran 2 537 8 troghetssensorn. Processorkretsen är konfigurerad att dela upp den mottagna tidsserien av data i perioder av rorelsen, att omvandla tidsserien av data for vane period till en datarepresentation av en viss storlek, och att klassificera vane period i en rOrelseklass baserat pa datarepresentationen och en statistisk modell som innefattar en Markovkedja av multivariata GaussfOrdelningar for atminstone en rorelseklass. Processorkretsen är ocksa konfigurerad att bestamma ett varde hos en utfOrandeindikator fOr atminstone en period av rOrelsen, baserat pa datarepresentationen och pa rorelseklassen for atminstone en period.
En fOrdel med utfOringsformer är att bara en sensor och begransat med 10 processorkapacitet behoys f6r att bestamma ett varde hos en utforandeindikator fOr den periodiska rOrelsen som utfors av t.ex. en idrottare under Ovning. Ytterligare en fordel är att vardena hos utfOrandeindikatorerna kan tillhandahallas i realtid for omedelbar aterkoppling av utforandet.
Risken att idrottarens rorelser stors under ovningen minimeras alltsa, samtidigt som det tillhandahalls precis och relevant aterkoppling till idrottaren i termer av utforandeindikatorvarden vilket gor det mojligt f6r idrottaren att anpassa rorelsen under ovningen.
Ytterligare en fordel är att det är enkelt att jamfora en idrottares teknik och utfOrande under en bestamd Ovning med en tidigare Ovning utfOrd under samma forhallanden. Det mojliggor aven en jamforelse av olika idrottares utforanden under liknande yttre forhallanden.
Andra andamal, fordelar och sardrag hos utf6ringsformer kommer att forklaras i fOljande detaljerade beskrivning som ska fOrstas tillsammans med dartill horande figurer och patentkrav.
KORT BESKRIVNING AV RITNINGAR Figur 1 är en schematisk illustration av ett system i enlighet med en av uppfinningens utforingsformer.
Figurer 2a-b är flodesscheman som illustrerar metoden enligt utforingsformer. 3 537 8 Figurer 3a-b är blockdiagram som schematiskt illustrerar systemet enligt utforingsformer.
Figurer 4a-c är punktdiagrann for radata insannlat tan tre olika skidakare som anvander skatevaxel 2.
Figurer 5a-c är punktdiagram for radata insamlat fran tre olika skidakare som anvander skatevaxel 3.
Figur 6 är en graf som schematiskt illustrerar varden for en framatriktad acceleration som en fun ktion av tiden.
DETALJERAD BESKRIVNING 10 I det foljande kommer olika aspekter att beskrivas mer i detalj med referens till vissa utforingsformer och till dartill horande figurer. Specifika detaljer framstalls i syfte att forklara och inte att begransa, sasom speciella scenarier och tekniker, for att tillhandahalla en grundlig forstaelse av de olika utforingsformerna. Emellertid kan andra utforingsformer som har sin utgangspunkt i dessa specifika detaljer kan 15 ocksa finnas.
Vidare forstar fackmannen att de funktioner och medel som beskrivs harefter kan implennenteras i mjukvara som fungerar i samarbete med en programmerad mikroprocessor eller en vanlig dator, och/eller genom att anvanda en application specific integrated circuit (ASIC). Det kan ocksa forstas att aven om utforingsformerna primart beskrivs i form av en metod och ett system, sa kan de ocksa realiseras i en datorprogramprodukt liksom i ett system som innefattar en datorprocessor och ett minne kopplat till processorn, dar minnet är kodat med ett eller flera program som kan utfora funktionerna som beskrivs har.
Utforingsformer är beskrivna i en icke-begransande generell kontext i relation till ett exempelscenario dar den periodiska rorelsen är en rorelse hos en idrottare sasom en langdskidakare som anvander en klassisk teknik eller skateteknik eller en lopare, och med ett system enligt det som illustreras i Figur 1, dar sensorn är en tredimensionell accelerometer. Emellertid Mr det noteras att utforingsformerna 4 537 8 ocksa kan tillampas pa andra typer av periodiska rorelser, sasom den periodiska rorelsen hos en hast, hos en person som utfor en rorelse for ett rehabiliteringsprogram, och pa system som bygger pa data Than andra typer av sensorer sasom en endimensionell accelerometer. 5 Problemet med sensorer som hindrar rorelse och oformagan att bestamma relevant information for traningshjalp i realtid fran stora mangder av strommande data genererat av ett sensorbaserat system, har losts med en metod dar en tr6ghetssensor, sasom en accelerometer eller ett gyroskop, placeras pa skidakarens kropp fOr att kanna av den periodiska skaterOrelsen hos skidakaren.
Strommande data fran sensorn samlas sen in och delas upp i perioder av skidakarens periodiska rOrelse. Data fOr varje period omvandlas till en datarepresentation av en viss storlek, med syfte att representera varje period pa ett normaliserat satt vilket mojliggor jamforelse mellan perioder. Uppdelningen och omvandlingen kan kallas for en forbehandling av tidsserien av data som samlats in fran sensorn. Fordelen med forbehandlingen är att den mojliggor en datarepresentation av den periodiska rorelsen i realtid baserat pa strOmmande data fran en troghetssensor. Vidare är datarepresentationen sarskilt lampad som bas for klassificering av rorelsemonster, liksom for berakning av olika utforandeindikatorer for rorelsen. Datarepresentationen kan darfor anvandas for en efterfoljande klassificering av perioderna i rorelseklasser vilket ger som resultat vilken rorelseklass som skidakaren utfor under en period. Dessutom kan vardet hos en utforandeindikator bestammas baserat pa den fOrbehandlade datarepresentationen och som ett valfritt altemativ aven baserat pa resultatet fran klassificeringen. En utforandeindikator är typiskt definierad som en kvantitativ eller kvalitativ matning, eller nagot annat kriterium, genom vilken/t utforande, effektivitet, eller fardighet kan faststallas, ofta i jamforelse med en overenskommen standard eller mal. Ett sadant bestamt varde hos en utfOrandeindikator kan alltsa anvandas fOr att utvardera tex utfOrandet av den periodiska rorelsen utf6rd av en langdskidakare. 30 I exemplet med langdskidakning anvands olika periodiska kroppsrorelsemonster for olika terrang och hastigheter. En skidakare kan alltsa tex anvanda olika 537 8 periodiska rorelser tex beroende pa om hon aker i en uppforsbacke eller i en nerforsbacke. For klassisk skidteknik, kan foljande skidtekniker namnas: diagonalteknik, stakningsteknik, teknik for stakning med franskjut, teknik for saxning utan glidfas, teknik for utforsakning och svangteknik. Var och en av dessa skidtekniker kan motsvara en rOrelseklass, och skidakarens periodiska rOrelse kan alltsa klassificeras i en av skidteknikerna.
For skidskateexemplet finns det ingen internationellt accepterad namnkonvention f6r olika skatetekniker. Foljande ger nagra exempel pa namngivning av fern valdefinierade skatetekniker, vilka fOljs av en kort beskrivning av tekniken: 1. Vaxel 1, diagonal V, eller enkelsidigt stavtag: Liknar den klassiska saxningen men med en kort glidning pa varje skida. Denna teknik anvands vid valdigt brant uppf6rsbacke. 2. Vaxel 2, V1, eller offset skate: Nagot forskjutna dubbelsidiga stavtag pa vartannat ben. 3. Vaxel 3, V2, eller 1-skate: Dubbelsidiga stavtag pa varje ben. Anvands pa plattmark for att accelerera och i mattlig uppforsbacke.
Vaxel 4, V2 alternerande, eller 2-Skate: Dubbelsidiga stavtag pa vartannat ben. Anvands pa plattmark, nar man klattrar och vid latt nedforsbacke.
Vaxel 5, V skate, eller fri-skate: Skating utan anvandning av stavar.
Anvands i utforsbacke vid valdigt hog fart.
Varje definierad skatevaxel kan overensstamma med en rorelseklass, och skidakarens periodiska rorelse kan alltsa klassificeras i en av de definierade skatevaxlarna.
Vad galler lopning kan man t.ex. klassificera den periodiska rorelsen hos en lopare i rorelseklasserna framfot-mellanfot-lopning och hal-ta-lopning. For rorelsen hos en hast kan man tanka sig att klassificera i rorelseklasserna skritt, tray och galopp. Vilka rorelseklasser man anvander kan variera beroende pa vilka utforandeindikatorer som är av intresse att bestamma. Nagra exempel pa 6 537 8 utforandeindikatorer är en framdrivningsindikator, en stabilitetsniva hos rorelsen, en frekvens has rorelsen, och en symmetriniva inom en period. Dessa utfOrandeindikatorer kommer att beskrivas narmare nedan.
Figur 1 illustrerar ett system 10 enligt en av uppfinningens utforingsformer. En 5 enhet 100 som innefattar troghetssensorn 105 ansluten till en mobilterminal 101, placeras pa idrottaren. Enheten 100 kan t.ex. placeras pa skidakarens brost eller rygg. Mobilterminalen 101 innefattar en processorkrets 102, och en sandare 103 for att sanda sensordata till en internet server 110 via ett mobilnat. Anslutningen mellan sensorn 105 och mobilterminalen 101 kan vara en Bluetooth-anslutning, 10 vilket Or det mojligt att placera sensorn pa avstand Than mobilterminalen. Dessutom kan mer an en sensor 105 anslutas till terminalen 101. Till exempel kan bade en accelerometer och ett gyroskop anslutas och synkroniseras med varandra. Alternativt kan tva accelerometrar placerade pa olika delar av kroppen anslutas. Dagens smarta telefoner har integrerade accelerometrar och kan 15 darmed anvandas som enheten 100 placerad pa skidakaren vilket tillhandahaller en kombinerad sensor 105 och mobilterminal 101. Extra apparater sasom en Global Positioning System (GPS) mottagare kan ocksa anslutas till terminalen 101. Servern 110 kan ocksa anslutas till en databas (DB) 120 som anvands for att lagra data insamlat Than troghetssensorn i form av radata eller forbehandlat data, eller for att lagra resultat fran klassificeringen av rorelsen och/eller utforandeindikatorer.
En tidsserie av data som tagits emot Than sensorn 105 kan forbehandlas och klassificeras lokalt i enheten 100 som bars av skidakaren, tex i processorkretsen 102 i terminalen 101. Tidsserien av data kan kallas fOr en sekvens av data som tas emot fran sensorn 105 Over tiden. En fordel med denna utforingsform med lokalt klassificerat data är att vardet has utfOrandeindikatorer kan bestammas lokalt och att det alltsa inte behovs flagon anslutning till internetservern 110. Systemet ar sjalvstandigt. Alternativt sa kan en tidsserie av radata som tagits emot fran sensorn 105 sandas till servern 110, och forbehandlingen, klassificeringen 30 och bestammandet av utforandeindikatorvarden kan utforas i servern 110. I det fall da ingen behandling av data utfors i enheten 100 som bars av skidakaren, sa 7 537 8 kommer enheten 100 bara behova innefatta sensorn 105 och sandaren 103 som är anpassad att vidarebefordra ra sensordata till servern 110. En fordel med denna utfOringsform är att enheten 100 som bars av skidakaren reduceras till ett minimum. En kombination är ocksa mojlig, dar forbehandlingen av tidserien av 5 data utfOrs i enheten 100 som bars av skidakaren, och dar fOrbehandlat data sands till servern 110 f6r ytterligare klassificering och bestammande av utfOrandeindikatorer. En fOrdel med denna utfOringsform är att mangden data som sands mellan enheten 100 pa skidakaren och servern 100 reduceras jam-fort med am radata fran sensorn sands till servern 110. 10 Vidare kan en klient eller anvandarterminal 130 anslutas till internetservern 110 f6r att visualisera resultaten Than klassificeringen och utfOrandeindikatorerna. Aven visualiseringen kan goras i realtid. Klienten kan anslutas tradlost och kan anvandas tex av en skidtranare som foljer skidakarens utforande pa plats genom att visualisera klassificeringen och vardet hos utf6randeindikatorerna i klientens 15 anvandargranssnitt. Pa motsvarande sail kan enheten 100 som bars av skidakaren ocksa tillhandahalla ett anyandargranssnitt for att visualisera resultaten fran rorelseanalysen i realtid under ovningen. Emellertid bor anyandargranssnittet heist tillhandahalla ljud- och/eller kanselsignaler for aterkoppling till idrottaren som utfor rorelsen, sa att aterkopplingen kan horas eller kannas. Det skulle Ora det 20 nnojligt att ta ennot aterkoppling pa utforandet under ovningen sanntidigt som ovningen kan fortsatta utan storning. De utforandeindikatorvarden som bestams under ovningen kan alltsa tex jamforas med ett eller flera troskelvarden. En aterkopplingssignal kan genereras baserat pa jamforelsen med troskeln (trosklarna) och skickas till anyandargranssnittet 104 for att tillhandahalla ett ljud 25 eller en latt stot som indikerar ett sarskilt utforande.
Figur 2a är ett flodesschenna som illustrerar nnetoden for att bestannnna ett varde hos en utforandeindikator for en periodisk rorelse utford av en manniska eller ett djur enligt en utfOringsform av uppfinningen. I en utfOringsform ar den periodiska rorelsen en rorelse has en langdskidakare. Metoden innefattar att: • 210: Ta emot en tidsserie av data Than en troghetssensor som anvands for att kanna av den periodiska rorelsen. Sensorn kan vara en accelerometer 8 537 8 eller ett gyroskop. En accelerometer kan tillhandahalla data fran den uppfattade rorelsen i olika riktningar eller axlar. En tredimensionell accelerometer skulle tex tillhandahalla data i tre vinkelrata riktningar: Den laterala rorelseriktningen, den vertikala rorelseriktningen och den horisontella rOrelseriktningen. Den mottagna tidsserien av data är darmed tredimensionell, och kan erbjuda stod for en ganska detaljerad analys. Emellertid kan en endimensionell accelerometer vara tillrackligt fOr uppfinningens syfte, beroende pa typen av periodisk rorelse som ska analyseras. Om rorelsen primart sker i den vertikala riktningen, sa kan en endimensionell accelerometer vara tillrackligt f6r en bra analys. I beskrivningen som foljer, forutsatts det att sensorn som anvands är en tredimensionell accelerometer. Dessutom maste samplingsfrekvensen hos sensorn vara hog nog for att mojliggora en anvandbar analys. I ett utforingsformsexempel som är lampligt f6r analysen av en skateskidrorelse, är samplingsfrekvensen i storleksordningen ett sampel var tionde nnillisekund. 220: Dela upp den mottagna tidsserien av data i perioder hos rorelsen eller i partitioner av rorelsen var och en nnotsvarande en period hos rorelsen. Syftet med uppdelningen är att fa en datarepresentation av sensordata for varje rorelseperiod, sa att varje rorelseperiod kan analyseras. For skidskating är en period typiskt av langden 0.8-1.6 sekunder. Uppdelningen kan i utfOringsformer innefatta lagpassfiltrering av den mottagna tidsserien av data f6r att identifiera granser mellan varje rorelseperiod. Genom att lagpassfiltrera mottaget data med en lag gransfrekvens, kommer perioderna att framtrada tydligare fran filtrerat data. Detta mojliggor att sla fast nar i tiden en rOrelseperiod slutar och den andra bOrjar baserat pa dessa data. I alternativa utforingsformsexempel kan granserna mellan perioderna identifieras som punkten i tid nar filtrerat data har en hogsta punkt, eller nar det passerar nollpunkten i en riktning (pa vag nerat eller uppat). I exemplet med skidskating är en period typiskt av langden 0.8-1.6 sekunder som redan namnts ovan, och en tillrackligt lag gransfrekvens for lagpassfiltreringen kan da vara 1-2 Hz. Uppdelningen av tidsserien av data 9 537 8 kan da goras i enlighet med de identifierade granserna. Eftersom gransema mellan perioderna har identifierats, kan mottaget sensordata skaras upp eller delas upp i perioder i enlighet darmed. 230: Omvandla tidsserien av data for vane period till en datarepresentation av en viss storlek. Detta steg kallas tillsammans med uppdelningen av data i perioder aven fOr forbehandlingen av sensordata, vilken är ovarderlig for rntijI ighetenattOraenklassificeringochattbestamma utforandeindikatorvardenbaseratpadatarepresentationen.
FOrbehandlingen kan dessutom gOras i realtid baserat pa strOmmande data. Omvandlingen kan i utforingsformer innefatta lagpassfiltrering av tidsserien av data for vane period for att reducera brus. I och med detta kommer rorelsens trajektoria att betonas, och bara relevant information sparas. Typiskt anvands en hogre gransfrekvens an den som anvands vid identifiering av perioderna. I exemplet med skidskating med perioder som är langsammare an 1 Hz, kan en passande gransfrekvens for lagpassfiltreringen vara omkring 5 Hz. Omvandlingen kan sen ocksa innefatta omsampling av lagpassfiltrerad data for att bilda en datarepresentation av en viss storlek. Eftersonn en tidsperiod hos en skidakares rorelse inte är konstant i och med variationer i skidakarens prestation tex pa grund av hur brant en skidsparsbacke är, behover man omsampla data som hor till en period for att fa en datarepresentation av en viss storlek. En annan anledning att utfOra omsamplingen är att sensorns samplingsfrekvens kan variera over tiden sa att tiden mellan sampel skiljer sig nagot. Det finns flera alternativa utfOringsformer som är mojliga for omvandlingen till en datarepresentation av en viss storlek. Alternativ kan vara att anvanda en Fouriertransform- eller en Principal Component Analysis (PCA)-metod. 240: Klassificera vane period i en rOrelseklass baserat pa datarepresentationen och en statistisk modell som innefattar en Markovkedja av multivariata Gaussfordelningar for atminstone en rorelseklass. Om bara en rorelseklass är modellerad, kan en statistisk 537 8 anomalidetektionsmetod anvandas for att bestamnna om en rorelseperiod tillhor en klass. Med en rorelseklass for varje typ av rorelse, kan en statistisk maskininlarningsmetod anvandas fOr att klassificera rorelseperioden. • 250: Bestamma ett varde hos en utforandeindikator for atminstone en period av rorelsen, baserat pa datarepresentationen och pa rOrelseklassen fOr den atminstone en period. Varden hos flera olika utfOrandeindikatorer kan bestammas for en eller flera perioder av rorelsen. For vissa utfOrandeindikatorer behOys inte alltid information relaterad till klassificeringen av perioden.
I det foljande beskrivs olika utfOringsformer relaterade till bestammandet av varden hos olika utforandeindikatorer. Som forklarat ovan kan datarepresentationerna omfatta lagpassfiltrerade tidsserier av data Than en tredimensionell accelerometer som har omsamplats sa att varje period 15 representeras av accelerationen i ett definierat antal steg, den sa kallade datarepresentationen. Datarepresentationen f6r en period kan ocksa benamnas en vektor for perioden, eller helt enkelt en periodvektor, dar varje vektorelement motsvarar ett accelerationsvarde. Varje steg eller varje vektorelement representerar alltsa accelerationen i en bestamd fas av rorelsen. Varden for olika typer av utforandeindikatorer kan darfor harledas direkt fran datarepresentationen.
En utforandeindikator som kan vara av intresse for vilken periodisk rorelse och rorelseklass som heist är stabilitetsnivan mellan flera perioder av samma rorelseklass. Stabilitetsnivan är omvant relaterad till variansen av den forbehandlade tidsserien av data, ocksa benamnd datarepresentationen, for ett antal perioder N. Stabilitetsnivan är alltsa hog om variansen är lag och vice versa. Ennellertid nnaste stabilitetsnivan ocksa sattas i relation till den totala variansen av accelerationen inom perioderna for att undvika att sma rorelser verkar mer stabila an stora bara for att de har lagre total varians. Forklarat med hanvisning till ett mer detaljerat exempel, kan en fasberoende varians VpHASE definieras som medelvardet av kvadraten av avstandet mellan varje periodvektor och en medelvektor f6r alla N periodvektorer. Om den totala accelerationsvariansen 11 537 8 VT0TAL definieras som medelvardet av varianserna hos accelerationsvardena i var och en av de tre riktningarna, kan vardet pa stabilitetsnivan tex beraknas som kvadratroten ur MOTAL-VPHASONT0TAL. Detta matt är 1 nar vektorerna fOr de N perioderna alla är lika och nara 0 nar de är helt orelaterade till varandra. Vardet pa stabilitetsnivan indikerar alltsa om manniskan eller djuret utfOr den periodiska rorelsen pa ett stabilt satt eller ej.
Alternativt kan ett liknande system anvandas for att jamfora en rorelseperiod med en referensrorelse Than samma rorelseklass i stallet for med samma persons rOrelse. ReferensrOrelsen kan vara Than en perfekt rOrelse eller kan helt enkelt vara en annan persons rorelse. I detta fall anvands kvadraten av avstandet mellan en eller flera rOrelseperiodvektorer och referensrOrelseperiodvektorn istallet fOr medelvardet av de en eller flera rorelseperiodvektorerna nar man beraknar VpHAsE. I ett sadant fall ger vardet pa stabilitetsnivan en indikation pa likheter och olikheter mellan tex tva personer som utf6r samma rorelse. En sadan utforandeindikator kan vara av intresse tex nar man jamfor utforande och teknik hos de tva personerna, och nar man analyserar ett samband mellan rorelsen och olika typer av skador. Bade stabilitet jamfort med en referensrorelse och stabilitet jamfort med idrottarens egen rorelse kan alltsa bed6mmas utifran utf6randeindikatorn f6r stabil itetsn ivan 20 I en utforingsform innefattar utforandeindikatorn en stabilitetsniva for atminstone tva perioder klassificerade i samma rorelseklass. Vardet pa stabilitetsnivan kan bestammas baserat pa variansen av datarepresentationen f6r de atminstone tva perioderna.
Ytterligare en utforandeindikator kan vara en frekvens hos rorelsen. For en langdskidakare som anvander skatetekniken kan det tex vara intressant aft veta rorelsens frekvens tex nar man anvander vaxel 3. For denna utforandeindikator är flera pa varandra foljande perioder av samma rorelseklass som motsvarar tex vaxel 3 analyserade med avseende pa hur nnanga perioder som forekonnnner under den tid som lopt under alla de pa varandra foljande perioderna. Detta ger ett varde pa frekvensen for rorelsen klassificerad som vaxel 3. 12 537 8 Darfor, i annu en utforingsform, kan utforandeindikatorn innefatta en frekvens hos rorelsen. Vardet pa frekvensen hos rorelsen kan bestammas genom att dela ett antal av pa varandra foljande perioder klassificerade i samma rorelseklass med tiden som lopt under namnda pa varandra foljande perioder.
Ytterligare en utforingsform som kan vara av intresse for tex en lopare är symmetrinivan for en period av rorelsen. En period av loparens periodiska rorelse som tex är klassificerad i rorelseklassen hal-ta-lopning, kan avgOras att den startar nar halen pa Niger fot kommer i kontakt med marken och att den slutar precis innan halen pa den hOgra foten kommer i kontakt med marken nasta gang. En andra halva av perioden startar nar loparens hal pa vanster fot kommer i kontakt med marken. Under idealistiska fOrhallanden är den fOrsta och den andra halvan av rorelseperioden symmetrisk, sa vardet pa symmetrinivan kan vara en vardefull utforandeindikator. For att berakna symmetrin kan det noteras att datarepresentationen hos en perfekt hoger-vanster-symmetrisk rorelse borde se likadan ut som sig sjalv om den fasskiftas en halvperiod och speglas langs xaxeln. VMIRROR kan alltsa i en utforingsform definieras som kvadraten av avstandet mellan en periodvektor och samma periodvektor som fasskiftats och dar alla acceleratorvarden i x-riktningen har bytt tecken. VTOTAL är aterigen den totala accelerationsvariansen for en period. Symmetrin kan sen beraknas tex som kvadratroten ur (VTOTAL-VMIRROR)VTOTAL• I en annan utforingsform, innefattar utforandeindikatorn en symmetriniva for en period klassificerad i en rorelseklass som motsvarar en symmetrisk rorelse, sasom en lopares periodiska rorelse. I denna utforingsform, är vardet pa symmetrinivan bestamt baserat pa variansen av datarepresentationen f6r perioden och en cykliskt fasskiftad och speglad datarepresentation for perioden.
En utforandeindikator som kan vara av intresse for rorelseklassen for stakning for en langdskidakare som anvander en klassisk teknik är en framdrivningsindikator. Nar man ser pa den periodiska rorelsen for en skidakare som är klassificerad i rorelseklassen for stakning, är det av intresse att veta hur mycket av rorelseperioden som motsvarar stavisattningen, som är den del av den periodiska rorelsen som bidrar till framdrivningen av skidakaren i skidakarens rorelseriktning. 13 537 8 Syftet med framdrivningsindikatorn är att tillhandahalla en matning av detta bidrag tillframdrivningen av skidakaren. Tiden av perioden da stavarna är i snon och anyands for att driva skidakaren framat satts i relation till tiden fOr hela perioden, vilket alltsa ger ett matt pa hur stor del av rorelseperioden som anyands for framdrivning av skidakaren. Detta är illustrerat i grafen i Figur 6, som illustrerar vardet for framataccelerationen som en funktion av tiden. Framataccelerationen Over tiden tas direkt fran den fOrbehandlade datarepresentationen. En period av rorelsen som motsvarar rorelseklassen for stakning är illustrerad. T=t341 är den totala periodtiden. MeIlan tidpunkten t1 och tidpunkten t2 är 10 framataccelerationsvardena positiva och motsvarar tiden av perioden nar skidakaren drivs framat, dvs. tiden for framdrivning. Fran tidpunkten t2 till slutet av perioden vid t3 är accelerationsvardena negativa och tidsperioden motsvarar alltsa tiden for inbromsning nar stavarna inte bidrar till rorelsen framat. Framdrivningsindikatorn beraknas som 0241 yT. Baserat pa datarepresentationen 15 kan langden hos den langsta sekvensen av positiva framataccelerationsvarden bestammas och kan delas med den totala langden for perioden f6r att fa tam framdrivningsindikatorn.
Framdrivningsindikatorn kan ocksa vara av intresse for en lopare. I en rorelseperiod for en lopare är det mojligt att avgora utifran periodvektorn under vilken tid som loparen har kontakt nnellan fot och mark, vilket ibland kallas kontakttiden. Kontakttiden for bade Niger och vanster fot under en rorelseperiod satts i relation till tiden f6r totala rOrelseperioden, och saledes bestams ett varde for framdrivningsindikatorn for en lopare. I exemplet med en sprinter är kontakttiden med fOrdel kort for att sprintern ska kunna springa fort, och utforandeindikatorn ska saledes ha ett lagt varde for en val presterande sprinter.
Saledes kan utforingsindikatorn i en utforingsform innefatta en framdrivningsindikator for en period. Att bestamma 250 vardet for utfOrandeindikatorn kan innefatta att bestamma ett forsta tidsvarde som motsvarar sekvensen av positiva framataccelerationsvarden i datarepresentationen f6r perioden, att bestamma ett andra tidsvarde som motsvarar tiden for perioden, och att dela det f6rsta tidsvardet med det andra tidsvardet. 14 537 8 Ett annat exempel pa en utforandeindikator kan vara en kraftindikator, tex for en langdskidakare. Vardet pa kraftindikatorn kan bestammas genom att multiplicera skidakarens vikt med skidakarens acceleration i rorelseriktningen. Dessutom kan en effektindikator bestammas som kraftindikatorvardet multiplicerat med skidakarens hastighet. For att bestamma en kraftindikator kravs det information om skidakarens hastighet. Hastigheten är inte mojligt att direkt ta fram fran den fOrbehandlade tidsserien av data Than trOghetssensorn och maste darfor tas Than tex en GPS-mottagare som bars av skidakaren. I fallet med kraftindikatorn behovs skidakarens vikt. Sadana personliga data kan foras in manuellt i systemet av skidakaren. Darfor kan extra information sasonn pulsinformation eller positioneringsinformation tas fram fran andra sensorer och apparater, och kan -bras in t.ex. via ett anvandargranssnitt for att gor det mop igt att bestamma diverse utforandeindikatorer.
I utforingsfornner av uppfinningen som kan kombineras med vilken som heist av de ovan beskrivna utforingsformerna, kan metoden innefatta ocksa uppbyggandet av den statistiska modellen som anvands for klassificeringen av rorelsen baserat pa datarepresentationen som harletts Than forinsamlade tidsserier av data associerade med atminstone en rorelseklass. Genom att forinsamla tidsserier av data fran t.ex. skidakare nar de utfor en sarskild typ av skateteknik, kan modellen byggas upp i forhand. I en utforingsform, dar forbehandlingen och analysen utfors i enheten 100 som bars av skidakaren, kan modellen laddas ner fran en server 110 for att utfora klassificeringen. Emellertid är en annan nnojlig utforingsform att den statistiska modellen byggs upp baserat pa skidakarens egna rorelser. Det kan vara tillrackligt att bygga modellen pa enbart tio perioder Than en periodisk rorelse av en speciell rorelseklass. Modellen kan sen anvandas i enheten 100 f6r ytterligare analys av skidakarens rorelser. I detta scenario kan steget att bygga upp modellen utforas efter steget 210 att ta emot en tidserie av data fran sensorn. FOrbehandlingen av sensordata är darmed ocksa anvandbar fOr uppbyggandet av en kraftfull statistisk modell.
Utforingsformer av metoden kan ocksa innefatta lagring av atminstone en av den mottagna tidsserien av data, datarepresentationen, information relaterad till 537 8 klassificeringen av den periodiska rorelsen, och utforingsindikatorvardena. Typiskt sa utfors lagringen i en databas 120 ansluten till en server 110. Genom att lagra radata, är en analys mojlig att gOra i framtiden. Emellertid sa minskar lagring av endast forbehandlad data kraven pa lagringskapacitet. Det kan ocksa vara intressant att lagra resultat Than klassificeringen fOr en viss skidakare och utforandeindikatorerna, saval som information relaterad till vilket skidspar information hOr till. De lagrade utfOrandeindikatorerna kan t.ex. anvandas fOr att jamfora olika skidakare eller samma skidakare over tiden.
Sasom redan beskrivet ovan innefattar den statistiska modellen som anvands fOr 10 klassificeringen en Markovkedja av multivariata Gaussfordelningar for rOrelseklassen. I mer detalj sa betyder detta att sannolikhetsdistributionen Over datarepresentationen X av en rorelseperiod, som bestar av k*n element dar k är antalet sensorer och n är antalet tidssteg i varje period efter omvandlingen, innefattande tex filtrering och omsannpling, f6r varje rorelseklass C är modellerad 15 SOM: p(xl = Kko I c)[1] dar varjeinnefattar de k sensorvardena som motsvarar tidssteg i, och varje faktorrepresenteras av en 2*k dimensionell multivariat Gaussfordelning. Parametrama i Gaussfordelningarna uppskattas fran tidigare insamlat sensordata for varje rorelseklass.
Nar den statistiska modellen som innefattar fler an en rorelseklass anvands for klassificering, kan Bayes teorem anvandas for att rakna ut sannolikheten att en datarepresentation X av en rorelseperiod hor till en specifik rorelseklass C. Sannolikheten beraknas f6r varje rorelseklass C genom att anvanda: KCIX) oc P(XIC)P(C)[2] dar P(C) är foregaende sannolikhet f6r varje klass som typiskt är antagen att vara densamma for alla klasser, och dar a star for "proportionell emot". Rorelseklassen med den h6gsta sannolikheten valjs sedan. 16 537 8 Nar den statistiska modellen endast innefattar en klass, sags datarepresentationen X av rorelseperioden hora till modellens klass nar: P(XIC) > E[3] dar E är en lampligt vald troskel. 5 En fordel med att anvanda en statistisk modell som innefattar en Markovkedja av multivariata Gaussfordelningar är att modellen är robust, eftersom Markovkedjan gor det mojligt att bryta upp den valdigt hogdimensionella rymden av input i ett antal rymder av input av lagre dimension, och eftersom vane Gaussfordelning inte är sa kanslig for brus och avvikande varden som en nner komplex icke-linjar 10 modell kan vara. Dessutom är uppbyggandet av modellen, liksom klassificeringen baserad pa modellen, effektiva ur ett datakapacitetshanseende. Det betyder all det är mojligt att klassificera data fran en tredimensionell accelerometer och all bestamma utforandeindikatorer baserat pa data och klassificeringen utan problem med avseende pa datorprestanda.
Figur 2b är ett flodesschema som illustrerar metoden fOr att bestamma ett varde hos en utforandeindikator for en periodisk rorelse utford av en manniska eller ett djur enligt ytterligare en utfOringsform av uppfinningen. Metoden enligt flagon av utforingsformerna beskrivna ovan kan valfritt innefatta, i tillagg till tex stegen beskrivna med hanvisning till Figur 2a, atminstone ett av fOljande: • 260: Samla in information relaterad till atminstone en av puls och position fOr manniskan eller djuret nar de utfOr den period iska rOrelsen. Vardet hos utf6randeindikatorn kan sen bestammas baserat ocksa pa den insamlade information en. 270: Jamfora det bestamda vardet hos utf6randeindikatorn med ett trOskelvarde. 280: Skicka en signal genererad baserat pa jamforelsen till manniskan eller djuret som utfOr den periodiska rOrelsen via ett anvandargranssnitt. Signalen kan vara atminstone ett av en ljudsignal, en kanselsignal, och en 17 537 8 synsignal. Som beskrivet ovan kan ljud- eller kanselsignalen vara mer lamplig for idrottaren under ovningen. Att visualisera aterkopplingen i ett anvandargranssnitt är formodligen mer anvandbart tex for en tranare som foljer skidakarens prestation. Tranaren kan vilja visualisera resultaten Than utfOrandeindikatorerna eller aterkopplingssignalerna. Resultatet Than klassificeringen och utforandeindikatorerna kan tex visualiseras i ett grafiskt webanvandargranssnitt. Externa analysprogram sasom Excel eller Mathlab kan ocksa anvandas f6r att askadliggora resultaten.
Figurer 4a-c och figurer 5a-c illustrerar punktdiagram som producerats Than 10 radata som tagits emot av en tredimensionell accelerometer som satts fast pa brOstet hos en skidakare som utfOr den periodiska rorelsen hos en definierad skatevaxel. Figurerna 4a-c illustrerar pun ktdiagrammen f6r tre olika skidakare (en skidakare per figur) som am/ander skatevaxel 2, och figurema 5a-c illustrerar punktdiagrammen f6r de tre olika skidakarna som anvander skatevaxel 3. I varje figur visar det vanstra punktdiagrammet accelerationen for den laterala rorelsen pa x-axeln i diagrammet, och accelerationen for den vertikala rorelsen pa y-axeln i diagrammet. Det mellersta diagrammet visar accelerationen for den laterala rorelsen pa x-axeln i diagrammet, och accelerationen for den horisontella fram och tillbaka rorelsen pa y-axeln. Det hogra diagrammet visar accelerationen for den vertikala rorelsen pa x-axeln, och accelerationen for den horisontella rorelsen pa y-axeln. Namnda rorelseriktningar, dvs. de laterala, vertikala, och horisontella rorelseriktningarna är vinkelrata mot varandra.
I ett anvandningsfall av foreliggande uppfinning vill skidakaren ta emot information om utforandeindikatorer under en ovning. Utforandeindikatorvardena bor ocksa lagras tillsammans med anyand skateklass i en given tidpunkt under en ovning. Skidakaren satter fast enheten 100 pa sill brost med ett elastiskt band, som kan vara en smart telefon som innefattar en accelerometer, och en applikation som är anpassad att ta emot sensordata och att utfOra forbehandlingen, klassificeringen och bestamningen av vardet hos utforandeindikatorer. Applikationen startas och skidakaren utfor skateovningen i sparet. Under ovningen aterkopplas ljudoch/eller kanselsignaler till skidakaren via ett ljud/kanselanvandargranssnitt 104, 18 537 8 darigenom indikerande hur skidakaren presterar. Aterkopplingssignalerna genereras baserat pa en jamforelse av de kontinuerligt bestamda vardena hos utfOrandeindikatorerna med troskelvarden. Nar ovningen är klar kan resultatet ocksa ses pa den smarta telefonens skarm, t.ex. i en grafisk vy. Dessutom kan 5 resultatet ses av skidakarens tranare genom att na resultatet via internetservern. En mer detaljerad analys kan ocksa utforas pa servern, antingen i realtid eller vid ett senare tillfalle.
En utforingsform av system 30 for att bestamma ett varde hos en utfOrandeindikator fOr en periodisk rOrelse utfOrd av en manniska eller ett djur är 10 schematiskt illustrerad i blockdiagrammet i Figur 3a. Systemet 30 innefattar en trOghetssensor 305a fOr att karma av den periodiska rOrelsen. Sensorn kan vara en accelerometer och/eller ett gyroskop. Systemet innefattar ocksa en kommunikationsenhet 304 ansluten till en processorkrets 302. Kommunikationsenheten 304 är konfigurerad att ta emot tidsserier av data Than 15 troghetssensorn 305a. Processorkretsen 302 är konfigurerad att dela upp tidsserien av data i perioder av rorelsen, och att omvandla tidsserien av data for varje period till en datarepresentation av en viss storlek. Processorkretsen 302 är ocksa konfigurerad att klassificera varje period i en rorelseklass baserat pa datarepresentationen och en statistisk modell som innefattar en Markovkedja av nnultivariata Gaussfordelningar for atnninstone en rorelseklass. Processorkretsen 302 är vidare konfigurerad att bestamma en utforandeindikator for atnninstone en period av rorelsen, baserat pa datarepresentationen for atminstone en period och pa rorelseklassen for den atminstone en perioden. Utforandeindikatorn kan innefatta atminstone en av de ovan beskrivna utforandeindikatorerna, och processorkretsen 302 kan vara konfigurerad att bestamma utfOrandeindikatorerna enligt flagon av utfOringsformerna beskrivna ovan med hanvisning till metoden.
Systemet kan i denna utforingsform motsvaras av enheten 100 i Figur 1 som skidakaren bar. Kommunikationsenheten 304 kan valfritt konfigureras att ta emot data fran en extra sensor 305b, eller Than nagon annan apparat. Den extra sensornoden kan vara en pulsmatare for att karma av pulsen hos manniskan eller djuret nar de utf6r den periodiska rorelsen. Ett exempel pa andra apparater som 19 537 8 kan anslutas är en GPS-mottagarapparat. Sadana extra sensorer och apparater kan anvandas for att bestamnna en position eller en hastighet hos manniskan eller djuret nar de utfor den periodiska rorelsen och processorkretsen 302 kan vara konfigurerad att bestamma vardet hos utf6randeindikatorn baserat ocksa pa den insamlade informationen. Systemet kan valfritt innefatta en sandare 303 ansluten till en eller flera antenner 308 for att skicka sensordata eller analysresultat till tex en extern server. Systemet kan i utfOringsformer ocksa innefatta en mottagare fOr att ta emot data fran en extern server, tex via de en eller flera antennerna 308.
I ett alternativt satt att beskriva utfOringsformen i Figur 3a, innefattar systemet 10 en central processorenhet, Central Processing Unit (CPU), som kan besta av en enda enhet eller fler enheter. Dessutom innefattar systemet atminstone en datorprogramprodukt i form av ett icke-volatilt minne sasom ett EEPROM (Electrically Erasable Programmable Read-Only Memory), ett flashminne eller en diskettdrive. Datorprogramprodukten innefattar ett datorprogram som innefattar 15 kod som nar den '
Claims (14)
1. ta emot (210) en tidsserie av data fran en troghetssensor som anvands for att kanna av den periodiska rorelsen, 2. dela upp (220) den mottagna tidsserien av data i perioder av den periodiska rorelsen, 3. omvandla (230) tidsserien av data f6r varje period till en datarepresentation av en viss storlek, och - klassificera (240) varje period i en rorelseklass baserat pa datarepresentationen och en statistisk modell som innefattar, fOr var och en av atminstone en rorelseklass, en Markovkedja av multivariata Gaussfordelningar, 4. bestamma (250) ett varde hos en utforandeindikator for atminstone en period av rorelsen, direkt fran datarepresentationen och baserat pa rorelseklassen for atminstone en period.
2. Metoden enligt krav 1, dar utforandeindikatorn innefattar en stabilitetsniva for atminstone tva perioder klassificerade i samma rorelseklass, och dar vardet pa stabilitetsnivan bestanns baserat pa variansen av datarepresentationen for de atminstone tva perioderna.
3. Metoden enligt nagot av foregaende krav, dar utf6randeindikatorn innefattar en frekvens hos rorelsen, och dar vardet pa frekvensen hos rorelsen bestams genom att dela ett antal av pa varandra foljande perioder klassificerade i samma rorelseklass med tiden som lOpt under namnda pa varandra fOljande perioder.
4. Metoden enligt nagot av foregaende krav, dar utforandeindikatorn innefattar en symmetriniva for en period klassificerad i en rorelseklass som motsvarar en symmetrisk rorelse, och dar vardet pa symmetrinivan bestams baserat pa 23 537 8 variansen av datarepresentationen for perioden och en cykliskt fasskiftad och speglad datarepresentation for perioden.
5. Metoden enligt nagot av fOregaende krav, dar utforandeindikatorn innefattar en framdrivningsindikator fOr en specifik rorelseklass, och dar bestamma (250) vardet hos utforandeindikatorn innefattar att: 1. bestamma ett fOrsta tidsvarde som motsvarar en sekvens av positiva framataccelerationsvarden i datarepresentationen for perioden, 2. bestamma ett andra tidsvarde som motsvarar tiden for perioden, och - dela det f6rsta tidsvardet med det andra tidsvardet.
6. Metoden enligt nagot av foregaende krav, dar metoden ytterligare innefattar att: 1. ta fram (260) information relaterad till atminstone en av puls och position for manniskan eller djuret nar de utfor den periodiska rorelsen, och dar vardet hos utforandeindikatorn bestanns baserat ocksa pa den framtagna informationen
7. Metoden enligt nagot av foregaende krav, dar den periodiska rorelsen är en av: en rorelse hos en langdskidakare som anvander en klassisk skidteknik; en rOrelse hos en langdskidakare som anvander en skateteknik; en rOrelse hos en lopare; en person som utfor en rOrelse for ett rehabiliteringsprogram; rorelsen hos en hast.
8. Metoden enligt nagot av foregaende krav, som ytterligare innefattar att jam-fora (270) det bestamda vardet hos utforandeindikatorn med ett troskelvarde, och skicka (280) en signal genererad baserat pa jamforelsen till manniskan eller djuret som utfor den periodiska rorelsen via ett anvandargranssnitt.
9. Metoden enligt krav 8, dar signalen är atminstone en av en ljudsignal, en kanselsignal, och en synlig signal. 24 537 8
10. Metoden enligt nagot av foregaende krav, dar uppdelningen (220) av den mottagna tidsserien av data innefattar att lagpassfiltrera den mottagna tidsserien av data for att identifiera granser mellan varje rorelseperiod, och att dela upp den mottagna tidsserien av data i enlighet med de identifierade granserna.
11. Metoden enligt nagot av foregaende krav, dar omvandla (230) tidsserien av data for varje period innefattar att lagpassfiltrera tidsserien av data for varje period for att reducera brus, och att omsampla lagpassfiltrerat data for att bilda en datarepresentation av en viss storlek.
12. Ett system (30) for att bestamma ett varde hos en utforandeindikator for en periodisk rorelse utford av en manniska eller ett djur, dar systemet innefattar en tr6ghetssensor (305a) f6r att kanna av den period iska rorelsen, och en kommunikationsenhet (304) ansluten till en processorkrets (302), dar kommunikationsenheten är konfigurerad att ta emot en tidsserie av data fran troghetssensorn, och dar processorkretsen är konfigurerad att: 1. dela upp den mottagna tidsserien av data i perioder av den period iska rorelsen, - onnvandla tidsserien av data f6r varje period till en datarepresentation av en viss storlek, och 2. klassificera varje period i en rorelseklass baserat pa datarepresentationen och en statistisk modell som innefattar, for var och en av atminstone en rorelseklass, en Markovkedja av multivariata Gaussfordelningar, och - bestamma en utforandeindikator for atnninstone en period av rorelsen, direkt Than datarepresentationen och baserat pa rorelseklassen fOr atminstone en period.
13. Systennet enligt krav 12, som ytterligare innefattar atminstone en av en pulssensor (305b) fOr att kanna pulsen hos manniskan eller djuret nar de utfor den periodiska rorelsen, och en global positioneringssystemsmottagare, GPSmottagare, for att bestamma en position for manniskan eller djuret nar de utfor 537 8 den periodiska rorelsen, dar kommunikationsenheten (304) är ytterligare konfigurerad att ta fram information relaterad till pulsen tan pulsmataren och till positionen fran GPS-mottagaren, och dar processorkretsen (302) är konfigurerad att bestamma vardet hos utf6randeindikatorn baserat ocksa pa den framtagna informationen.
14. Systennet (30) enligt nagot av kraven 12-13, som ytterligare innefattar ett anvandargranssnitt, dar processorkretsen (302) är ytterligare konfigurerad att jamfora det bestamda vardet hos utforandeindikatorn med ett troskelvarde och att skicka en signal genererad baserat pa jamforelsen till anvandargranssnittet. 26 537 8 1/12 1 102 103 100 Anvandar- granssnitt 104 1 Server DB N 1 \ / jhlkg8588j jhdfakh hgj / N
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
SE1350894A SE537845C2 (sv) | 2013-07-18 | 2013-07-18 | Metod och system för bestämning av utförandeindikatorer förperiodiska rörelser |
US14/906,093 US10271775B2 (en) | 2013-07-18 | 2014-07-04 | Determining performance indicators for periodic movements |
PCT/SE2014/050859 WO2015009228A1 (en) | 2013-07-18 | 2014-07-04 | Determining performance indicators for periodic movements |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
SE1350894A SE537845C2 (sv) | 2013-07-18 | 2013-07-18 | Metod och system för bestämning av utförandeindikatorer förperiodiska rörelser |
Publications (2)
Publication Number | Publication Date |
---|---|
SE1350894A1 SE1350894A1 (sv) | 2015-01-19 |
SE537845C2 true SE537845C2 (sv) | 2015-11-03 |
Family
ID=51212932
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
SE1350894A SE537845C2 (sv) | 2013-07-18 | 2013-07-18 | Metod och system för bestämning av utförandeindikatorer förperiodiska rörelser |
Country Status (3)
Country | Link |
---|---|
US (1) | US10271775B2 (sv) |
SE (1) | SE537845C2 (sv) |
WO (1) | WO2015009228A1 (sv) |
Families Citing this family (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2016034480A (ja) * | 2014-07-31 | 2016-03-17 | セイコーエプソン株式会社 | 報知装置、運動解析システム、報知方法、報知プログラム、運動支援方法及び運動支援装置 |
US20190110435A1 (en) * | 2016-03-31 | 2019-04-18 | Snpshot Trustee Limited | Apparatus and methods for sampling |
WO2018042525A1 (ja) * | 2016-08-30 | 2018-03-08 | 富士通株式会社 | 情報処理装置、情報処理システム、情報処理方法、および情報処理プログラム |
FI127357B (sv) | 2016-12-16 | 2018-04-13 | Exiops Oy | Förfarande, arrangemang och mätanordning för mätning av glid på skidor |
JP2019020913A (ja) * | 2017-07-13 | 2019-02-07 | 株式会社東芝 | 情報処理装置、方法及びプログラム |
JP6926804B2 (ja) * | 2017-08-08 | 2021-08-25 | 富士通株式会社 | 四肢動物の故障検出装置、四肢動物の故障検出方法および四肢動物の故障検出プログラム |
US20200107750A1 (en) * | 2018-10-03 | 2020-04-09 | Surge Motion Inc. | Method and system for assessing human movements |
CA3118245A1 (en) * | 2018-10-29 | 2020-05-07 | Intellisports Inc. | System and method for real-time activity classification and feedback |
CA3142476A1 (en) * | 2019-06-03 | 2020-12-10 | Third Eye Design, Inc. | Remote lighting system and methods of operating same |
EP3839811B1 (en) * | 2019-12-18 | 2024-03-13 | Tata Consultancy Services Limited | Systems and methods for shapelet decomposition based gesture recognition using radar |
EP4119049A1 (en) * | 2021-07-12 | 2023-01-18 | Polar Electro Oy | Method for measuring effectiveness of periodic motion |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE60028926D1 (de) * | 2000-04-04 | 2006-08-03 | St Microelectronics Srl | Beobachtung und Klassifizierung der Bewegungen einer Person |
US6522266B1 (en) * | 2000-05-17 | 2003-02-18 | Honeywell, Inc. | Navigation system, method and software for foot travel |
US6720984B1 (en) * | 2000-06-13 | 2004-04-13 | The United States Of America As Represented By The Administrator Of The National Aeronautics And Space Administration | Characterization of bioelectric potentials |
US6915241B2 (en) * | 2001-04-20 | 2005-07-05 | Fraunhofer-Gesellschaft Zur Foerderung Der Angewandten Forschung E.V. | Method for segmentation and identification of nonstationary time series |
KR20070095407A (ko) * | 2005-01-26 | 2007-09-28 | 벤틀리 키네틱스 인코포레이티드 | 운동동작의 분석 및 지도를 위한 방법 및 시스템 |
EP2539837A4 (en) * | 2010-02-24 | 2016-05-25 | Jonathan Edward Bell Ackland | CLASSIFICATION SYSTEM AND METHOD |
SE537695C2 (sv) * | 2012-01-31 | 2015-09-29 | Wememove Ab | Metod och anordning för analys av periodisk rörelse |
-
2013
- 2013-07-18 SE SE1350894A patent/SE537845C2/sv unknown
-
2014
- 2014-07-04 US US14/906,093 patent/US10271775B2/en active Active
- 2014-07-04 WO PCT/SE2014/050859 patent/WO2015009228A1/en active Application Filing
Also Published As
Publication number | Publication date |
---|---|
WO2015009228A1 (en) | 2015-01-22 |
SE1350894A1 (sv) | 2015-01-19 |
US10271775B2 (en) | 2019-04-30 |
US20160192866A1 (en) | 2016-07-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
SE537845C2 (sv) | Metod och system för bestämning av utförandeindikatorer förperiodiska rörelser | |
Veiga et al. | Effect of the starting and turning performances on the subsequent swimming parameters of elite swimmers | |
US12023547B2 (en) | Monitoring and tracking athletic activity | |
Camomilla et al. | Trends supporting the in-field use of wearable inertial sensors for sport performance evaluation: A systematic review | |
James et al. | An integrated swimming monitoring system for the biomechanical analysis of swimming strokes | |
Baca et al. | Ubiquitous computing in sports: A review and analysis | |
EP2624171B1 (en) | Method and node for analysing periodic movements | |
EP3086320A1 (en) | Method and device for associating frames in a video of an activity of a person with an event | |
CN107862270A (zh) | 人脸分类器训练方法、人脸检测方法及装置、电子设备 | |
JP2012005841A (ja) | 運動活動のモニタリングおよび追跡の方法 | |
US10289206B2 (en) | Free-form drawing and health applications | |
CN109830277B (zh) | 一种跳绳监测方法、电子装置及存储介质 | |
Lee et al. | Wearable sensors in sport: a practical guide to usage and implementation | |
Schmidt et al. | A wearable flexible sensor network platform for the analysis of different sport movements | |
EP4226136A1 (en) | System and method for improving an athletic body position | |
RU2657994C1 (ru) | Тренажер для тренировки вестибулярных навыков спортсмена | |
Gravenhorst et al. | Sonicseat: a seat position tracker based on ultrasonic sound measurements for rowing technique analysis | |
CN107281708A (zh) | 一种家庭式智能实景动感单车的使用方法 | |
KR101579380B1 (ko) | 개인화 수영 영법 실시간 검출 방법 및 시스템 | |
DE102008035200A1 (de) | Vorrichtung und Verfahren zur Dokumentation einer durch Ortsveränderung charakterisierbaren Körperertüchtigung einer Person | |
Vilas-Boas et al. | SWIMMING BIOPHYSICAL RELEVANT PARAMETERS EXTRACTED FROM VELOCIMETRY AND ACCELEROMETRY | |
FR3066288A1 (fr) | Lunettes spatio-temporelles |