TW202239378A - 運動監控方法及系統 - Google Patents
運動監控方法及系統 Download PDFInfo
- Publication number
- TW202239378A TW202239378A TW111110179A TW111110179A TW202239378A TW 202239378 A TW202239378 A TW 202239378A TW 111110179 A TW111110179 A TW 111110179A TW 111110179 A TW111110179 A TW 111110179A TW 202239378 A TW202239378 A TW 202239378A
- Authority
- TW
- Taiwan
- Prior art keywords
- signal
- user
- action
- coordinate system
- motion
- Prior art date
Links
Images
Landscapes
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
Abstract
本申請案揭露了一種運動監控方法,包括:獲取使用者運動時的動作信號,其中,所述動作信號至少包括肌電信號或姿態信號;以及至少基於與所述肌電信號對應的特徵資訊或與所述姿態信號對應的特徵資訊對所述使用者運動的動作進行監控。
Description
本申請案涉及可穿戴設備技術領域,特別涉及運動監控方法和系統。
本申請案主張於2021年3月19日提交之申請號為PCT/CN2021/081931的國際專利申請案的優先權以及於2021年3月19日提交之申請號為202110298643.9的中國專利申請案的優先權,其全部內容通過引用的方式併入本文。
隨著人們對科學運動和身體健康的關注,運動監控設備正在極大的發展。目前運動監控設備主要是對使用者運動過程中的部分生理參數資訊(例如,心率、體溫、步頻、血氧等)進行監控,而無法準確地對使用者的動作進行監控和回饋。在實際場景中,對使用者的動作進行監控和回饋過程往往需要專業人員的參與。例如,在健身場景中,使用者一般只能在健身教練的指導下對健身動作進行不斷改正。
因此,希望提供一種可以指導人運動的運動監控設備,從而説明使用者科學地進行運動。
本發明的一些實施例提供一種運動監控方法,包括:獲取使用者運動時的動作信號,其中,所述動作信號至少包括肌電信號或姿態信號;以及至少基於與所述肌電信號對應的特徵資訊或與所述姿態信號對應的特徵資訊對所述使用者運動的動作進行監控。
在一些實施例中,至少基於與所述肌電信號對應的特徵資訊或與所述姿態信號對應的特徵資訊對所述使用者運動的動作進行監控包括:基於與所述肌電信號對應的特徵資訊或與所述姿態信號對應的特徵資訊對所述動作信號進行分段;以及基於至少一段所述動作信號對所述使用者運動的動作進行監控。
在一些實施例中,基於與所述肌電信號對應的特徵資訊或與所述姿態信號對應的特徵資訊對所述動作信號進行分段包括:基於所述肌電信號或所述姿態信號的時域視窗,根據預設條件從所述時域視窗內確定至少一個目標特徵點;以及基於所述至少一個目標特徵點對所述動作信號進行分段。
在一些實施例中,至少基於與所述肌電信號對應的特徵資訊或與所述姿態信號對應的特徵資訊對所述使用者運動的動作進行監控包括:在頻域或時域上對所述肌電信號進行預處理;以及基於預處理後的所述肌電信號獲取與所述肌電信號對應的特徵資訊,並根據與所述肌電信號對應的特徵資訊或與所述姿態信號對應的特徵資訊對所述使用者運動的動作進行監控。
在一些實施例中,在頻域或時域上對所述肌電信號進行預處理包括:對所述肌電信號進行濾波以在頻域上選取所述肌電信號中特定頻率範圍的成分;和/或,在時域上對所述肌電信號進行信號校正處理。
在一些實施例中,在時域上對所述肌電信號進行信號校正處理包括:確定所述肌電信號中的奇異點,所述奇異點對應所述肌電信號中的突變信號;以及去除所述奇異點或者根據所述奇異點周圍的信號對所述奇異點進行修正。
在一些實施例中,所述奇異點包括毛刺信號,確定所述肌電信號中的奇異點包括:基於所述肌電信號的時域視窗,從所述肌電信號的時域視窗內選取不同的時間視窗,其中,所述不同的時間視窗分別覆蓋不同的時間範圍;以及基於所述不同的時間視窗中的與所述肌電信號對應的特徵資訊確定所述毛刺信號。
在一些實施例中,還包括基於所述姿態信號確定與所述姿態信號對應的特徵資訊,其中,所述姿態信號包括至少一個原始座標系統中的座標資訊;基於所述姿態信號確定與所述姿態信號對應的特徵資訊包括:獲取目標座標系統以及所述目標座標系統與所述至少一個原始座標系統之間的轉換關係;基於所述轉換關係,將所述至少一個原始座標系統中的座標資訊轉換為所述目標座標系統中的座標資訊;以及基於所述目標座標系統中的座標資訊,確定與所述姿態信號對應的特徵資訊。
在一些實施例中,所述姿態信號包括由至少兩個感測器產生的座標資訊,所述至少兩個感測器分別位於使用者的不同運動部位並且對應不同的原始座標系統,基於所述姿態信號確定與所述姿態信號對應的特徵資訊包括:基於所述不同的原始座標系統與所述目標座標系統的轉換關係,確定與所述至少兩個感測器分別對應的特徵資訊;以及基於與所述至少兩個感測器分別對應的特徵資訊,確定所述使用者的不同運動部位之間的相對運動。
在一些實施例中,所述至少一個原始座標系統與所述目標座標系統之間的轉換關係通過標定過程獲得,所述標定過程包括:構建特定座標系統,所述特定座標系統與所述標定過程中使用者的朝向有關;獲取所述使用者處於第一姿勢時所述至少一個原始座標系統中的第一座標資訊;獲取所述使用者處於第二姿勢時所述至少一個原始座標系統統的第二座標資訊;以及根據所述第一座標資訊、所述第二座標資訊和所述特定座標系統確定所述至少一個原始座標系統與所述特定座標系統的轉換關係。
為了更清楚地說明本發明實施例的技術方案,下面將對實施例描述中所需要使用的附圖作簡單的介紹。顯而易見地,下面描述中的附圖僅僅是本發明的一些示例或實施例,對於所屬技術領域中具有通常知識者來講,在不付出進步性努力的前提下,還可以根據這些附圖將本發明應用於其它類似情景。除非從語言環境中顯而易見或另做說明,圖式中相同的元件符號代表相同結構或操作。
應當理解,本文使用的“系統”、“裝置”、“單元”和/或“模組”是用於區分不同級別的不同元件、組件、部件、部分或裝配的一種方法。然而,如果其他詞語可實現相同的目的,則可通過其他表達來替換所述詞語。
如說明書和申請專利範圍中所示,除非上下文明確提示例外情形,“一”、“一個”、“一種”和/或“該”等詞並非特指單數,也可包括複數。一般說來,術語“包括”與“包含”僅提示包括已明確標識的步驟和元素,而這些步驟和元素不構成一個排它性的羅列,方法或者設備也可能包含其它的步驟或元素。
本發明中使用了流程圖用來說明根據本發明的實施例的系統所執行的操作。應當理解的是,前面或後面操作不一定按照順序來精確地執行。相反地,可以按照倒序或同時處理各個步驟。同時,也可以將其他操作添加到這些過程中,或從這些過程移除某一步驟或幾個步驟的操作。
本說明書中提供一種運動監控系統,該運動監控系統可以獲取使用者運動時的動作信號,其中,動作信號至少包括肌電信號、姿態信號、心電信號、呼吸頻率信號等。該系統可以至少基於與肌電信號對應的特徵資訊或與姿態信號對應的特徵資訊對使用者運動的動作進行監控。例如,通過與肌電信號對應的頻率資訊、幅值資訊和與姿態信號對應的角速度、角速度方向和角速度的角速度值、角度、位移資訊、應力等確定使用者的動作類型、動作數量、動作品質動作時間、或者使用者實施動作時的生理參數資訊等。在一些實施例中,運動監控系統還可以根據對使用者健身動作的分析結果,產生對使用者健身動作的回饋,以對使用者的健身進行指導。例如,使用者的健身動作不標準時,運動監控系統可以對使用者發出提示資訊(例如,語音提示、振動提示、電流刺激等)。該運動監控系統可以應用於可穿戴設備(例如,服裝、護腕、頭盔)、醫學檢測設備(例如,肌電測試儀)、健身設備等,該運動監控系統通過獲取使用者運動時的動作信號可以對使用者的動作進行精準地監控和回饋,而不需要專業人員的參與,可以在提高使用者的健身效率的同時降低使用者健身的成本。
圖1是根據本發明一些實施例所示的運動監控系統的應用場景示意圖。如圖1所示,運動監控系統100可以包括處理設備110、網路120、可穿戴設備130和行動終端設備140。運動監控系統100可以獲取用於表徵使用者運動動作的動作信號(例如,肌電信號、姿態信號、心電信號、呼吸頻率信號等)並根據使用者的動作信號對使用者運動時的動作進行監控和回饋。
例如,運動監控系統100可以對使用者健身時的動作進行監控和回饋。當使用者穿戴可穿戴設備130進行健身運動時,可穿戴設備130可以獲取使用者的動作信號。處理設備110或行動終端設備可以接收並對使用者的動作信號進行分析,以判斷使用者的健身動作是否符合規範,從而對使用者的動作進行監控。具體地,對使用者的動作進行監控可以包括確定動作的動作類型、動作數量、動作品質、動作時間、或者使用者實施動作時的生理參數資訊等。進一步地,運動監控系統100可以根據對使用者健身動作的分析結果,產生對使用者健身動作的回饋,以對使用者的健身進行指導。
再例如,運動監控系統100可以對使用者跑步時的動作進行監控和回饋。例如,當使用者穿戴可穿戴設備130進行跑步運動時,運動監控系統100可以監控使用者跑步動作是否符合規範,跑步時間是否符合健康標準等。當使用者跑步時間過長或者跑步動作不正確時,健身設備可以向使用者回饋其運動狀態,以提示使用者需要調整跑步動作或者跑步時間。
在一些實施例中,處理設備110可以用於處理與使用者運動相關的資訊和/或資料。例如,處理設備110可以接收使用者的動作信號(例如,肌電信號、姿態信號、心電信號、呼吸頻率信號等),並進一步提取動作信號對應的特徵資訊(例如,動作信號中的與肌電信號對應的特徵資訊、與姿態信號對應的特徵資訊)。在一些實施例中,處理設備110可以對可穿戴設備130採集的肌電信號或姿態信號進行特定的信號處理,例如信號分段、信號預處理(例如,信號校正處理、濾波處理等)等。在一些實施例中,處理設備110也可以基於使用者的動作信號判斷使用者動作是否正確。例如,處理設備110可以基於與肌電信號對應的特徵資訊(例如,幅值資訊、頻率資訊等)判斷使用者動作是否正確。又例如,處理設備110可以基於與姿態信號對應的特徵資訊(例如,角速度、角速度方向、角速度的加速度、角度、位移資訊、應力等)判斷使用者動作是否正確。再例如,處理設備110可以基於與肌電信號對應的特徵資訊和與姿態信號對應的特徵資訊判斷使用者動作是否正確。在一些實施例中,處理設備110還可以判斷使用者運動時的生理參數資訊是否符合健康標準。在一些實施例中,處理設備110還可以發出相應指令,用以回饋使用者的運動情況。例如,使用者進行跑步運動時,運動監控系統100監控到使用者跑步時間過長,此時處理設備110可以向行動終端設備140發出指令以提示使用者調整跑步時間。需要注意的是,與姿態信號對應的特徵資訊並不限於上述的角速度、角速度方向、角速度的加速度、角度、位移資訊、應力等,還可以為其它特徵資訊,凡是能夠用於體現使用者身體發生相對運動的參數資訊都可以是與姿態信號對應的特徵資訊。例如,當姿態感測器為應變式感測器時,通過測量應變式感測器中隨著拉伸長度而變化的電阻的大小,可以獲取使用者關節處的彎曲角度和彎曲方向。
在一些實施例中,處理設備110可以是本地的或者遠端的。例如,處理設備110可以通過網路120存取儲存於可穿戴設備130和/或行動終端設備140中的資訊和/或資料。在一些實施例中,處理設備110可以直接與可穿戴設備130和/或行動終端設備140連接以存取儲存於其中的資訊和/或資料。例如,處理設備110可以位於可穿戴設備130中,並通過網路120實現與行動終端設備140的資訊互動。再例如,處理設備110可以位於行動終端設備140中,並通過網路實現與可穿戴設備130的資訊互動。在一些實施例中,處理設備110可以在雲端平臺上執行。例如,該雲端平臺可以包括私有雲、公共雲、混合雲、社區雲、分散式雲、內部雲等之中的一種或其任意組合。
在一些實施例中,處理設備110可以處理與運動監控有關的資料和/或資訊以執行一個或多個本發明中描述的功能。在一些實施例中,處理設備可以獲取可穿戴設備130採集的使用者運動時的動作信號。在一些實施例中,處理設備可以向可穿戴設備130或行動終端設備140發送控制指令。控制指令可以控制可穿戴設備130及其各感測器的開關狀態。還可以控制控制行動終端設備140發出提示資訊。在一些實施例中,處理設備110可以包含一個或多個子處理設備(例如,單核心處理設備或多核心處理設備)。僅僅作為範例,處理設備110可包含中央處理單元(CPU)、特定應用積體電路(Application Specific Integrated Circuit, ASIC)、特定應用指令集處理器(Application Specific Instruction Processor, ASIP)、圖形處理單元(Graphics Processing Unit, GPU)、週邊處理單元(Peripheral Processor Unit, PPU)、數位訊號處理器(Digital Signal Processor, DSP)、現場可程式閘陣列(Field-programmable Gate Array, FPGA)、可程式邏輯裝置(Programable Logic Device, PLD)、控制器、微控制器單元、精簡指令集電腦(Reduced Instruction-Set Computer, RISC)、微處理器等或以上任意組合。
網路120可以促進運動監控系統100中的資料和/或資訊的交換。在一些實施例中,運動監控系統100中的一個或多個元件(例如,處理設備110、可穿戴設備130、行動終端設備140)可以通過網路120發送資料和/或資訊給運動監控系統100中的其他元件。例如,可穿戴設備130採集的動作信號可以通過網路120傳輸至處理設備110。又例如,處理設備110中關於動作信號的確認結果可以通過網路120傳輸至行動終端設備140。在一些實施例中,網路120可以是任意類型的有線或無線網路。例如,網路120可以包括纜線網路、有線網路、光纖網路、電信網路、內部網路、網際網路、區域網路(Local Area Network, LAN)、廣域網路(Wide Area Network, WAN)、無線區域網路(Wireless Local Area Network, WLAN)、都會區域網路(Metropolitan Area Network, MAN)、公共電話交換式網路(Public Switched Telephone Network, PSTN)、藍牙網路、ZigBee網路、近場通訊(Near-field Communication, NFC)網路等或以上任意組合。在一些實施例中,網路120可以包括一個或多個網路接取點。例如,網路120可以包含有線或無線網路接取點,如基站和/或網際網路交換點120-1、120-2、…,通過這些接取點,運動監控系統100的一個或多個元件可以連接到網路120上以交換資料和/或資訊。
可穿戴設備130是指具有穿戴功能的服裝或設備。在一些實施例中,可穿戴設備130可以包括但不限於上衣裝置130-1、褲子裝置130-2、護腕裝置130-3和鞋子130-4等。在一些實施例中,可穿戴設備130可以包括多個感測器。感測器可以獲取使用者運動時的各種動作信號(例如,肌電信號、姿態信號、溫度資訊、心跳頻率、心電信號等)。在一些實施例中,感測器可以包括但不限於肌電感測器、姿態感測器、溫度感測器、濕度感測器、心電感測器、血氧飽和度感測器、霍爾感測器、皮電感測器、旋轉感測器等中的一種或多種。例如,上衣裝置130-1中人體肌肉位置(例如,肱二頭肌、肱三頭肌、背闊肌、斜方肌等)處可以設置肌電感測器,肌電感測器可以貼合使用者皮膚並採集使用者運動時的肌電信號。又例如,上衣裝置130-1中人體左側胸肌附近可以設置心電感測器,心電感測器可以採集使用者的心電信號。再例如,褲子裝置130-2中人體肌肉位置(例如,臀大肌、股外側肌、股內側肌、腓腸肌等)處可以設置姿態感測器,姿態感測器可以採集使用者的姿態信號。在一些實施例中,可穿戴設備130還可以對使用者的動作進行回饋。例如,使用者運動時身體某一部位的動作不符合標準時,該部位對應的肌電感測器可以產生刺激信號(例如,電流刺激或者擊打信號)以提醒使用者。
需要注意的是,可穿戴設備130並不限於圖1中所示的上衣裝置130-1、褲子裝置130-2、護腕裝置130-3和鞋子裝置130-4,還可以包括應用在其他需要進行運動監控的設備,例如、頭盔裝置、護膝裝置等,在此不做限定,任何可以使用本說明書所包含的運動監控方法的設備都在本發明的保護範圍內。
在一些實施例中,行動終端設備140可以獲取運動監控系統100中的資訊或資料。在一些實施例中,行動終端設備140可以接收處理設備110處理後的運動資料,並基於處理後的運動資料回饋運動記錄等。示例性的回饋方式可以包括但不限於語音提示、圖像提示、視頻展示、文字提示等。在一些實施例中,使用者可以通過行動終端設備140獲取自身運動過程中的動作記錄。例如,行動終端設備140可以與可穿戴設備130通過網路120連接(例如,有線連接、無線連接),使用者可以通過行動終端設備140獲取使用者運動過程中的動作記錄,該動作記錄可通過行動終端設備140傳輸至處理設備110。在一些實施例中,行動終端設備140可以包括行動裝置140-1、平板電腦140-2、筆記型電腦140-3等中的一種或其任意組合。在一些實施例中,行動裝置140-1可以包括手機、智慧居家裝置、智慧行動裝置、虛擬實境裝置、增強實境裝置等,或其任意組合。在一些實施例中,智慧居家裝置可以包括智慧電器的控制裝置、智慧監測裝置、智慧電視、智慧攝像機等,或其任意組合。在一些實施例中,智慧行動裝置可以包括智慧型電話、個人數位助理(Personal Digital Assistant, PDA)、遊戲裝置、導航裝置、POS (Point of Sales)裝置等,或其任意組合。在一些實施例中,虛擬實境裝置和/或增強實境裝置可以包括虛擬實境頭盔、虛擬實境眼鏡、虛擬實境眼罩、增強實境頭盔、增強實境眼鏡、增強實境眼罩等,或其任意組合。
在一些實施例中,運動監控系統100還可以包括資料庫。資料庫可以儲存資料(例如,初始設置的閾值條件等)和/或指令(例如,回饋指令)。在一些實施例中,資料庫可以儲存從可穿戴設備130和/或行動終端設備140獲取的資料。在一些實施例中,資料庫可以儲存供處理設備110執行或使用的資訊和/或指令,以執行本發明中描述的示例性方法。在一些實施例中,資料庫可以包括大量存放區、卸除式存放裝置、揮發性讀寫記憶體(例如,隨機存取記憶體(RAM)、唯讀記憶體(ROM))等,或其任意組合。在一些實施例中,資料庫可以在雲端平臺上實現。例如,該雲端平臺可以包括私有雲、公共雲、混合雲、社區雲、分散式雲、內部雲等,或其任意組合。
在一些實施例中,資料庫可以與網路120連接以與運動監控系統100的一個或多個元件(例如,處理設備110、可穿戴設備130、行動終端設備140等)通訊。運動監控系統100的一個或多個元件可以通過網路120存取儲存於資料庫中的資料或指令。在一些實施例中,資料庫可以直接與運動監控系統100中的一個或多個元件(如,處理設備110、可穿戴設備130、行動終端設備140)連接或通訊。在一些實施例中,資料庫可以是處理設備110的一部分。
圖2是根據本發明一些實施例所示的可穿戴設備的示例性硬體和/或軟體的示意圖。如圖2所示,可穿戴設備130可以包括獲取模組210、處理模組220(也被稱為處理器)、控制模組230(也被稱為主控、MCU、控制器)、通訊模組240、供電模組250以及輸入/輸出模組260。
獲取模組210可以用於獲取使用者運動時的動作信號。在一些實施例中,獲取模組210可以包括感測器單元,感測器單元可以用於獲取使用者運動時的一種或多種動作信號。在一些實施例中,感測器單元可以包括但不限於肌電感測器、姿態感測器、心電感測器、呼吸感測器、溫度感測器、濕度感測器、慣性感測器、血氧飽和度感測器、霍爾感測器、皮電感測器、旋轉感測器等之中的一種或多種。在一些實施例中,動作信號可以包括肌電信號、姿態信號、心電信號、呼吸頻率、溫度信號、濕度信號等中的一種或多種。感測器單元可以根據所要獲取的動作信號類型放置在可穿戴設備130的不同位置。例如,在一些實施例中,肌電感測器(也被稱為電極元件)可以設置於人體肌肉位置,肌電感測器可以被配置為採集使用者運動時的肌電信號。肌電信號及其對應的特徵資訊(例如,頻率資訊、幅值資訊等)可以反映使用者運動時肌肉的狀態。姿態感測器可以設置於人體的不同位置(例如,可穿戴設備130中與軀幹、四肢、關節對應的位置),姿態感測器可以被配置為採集使用者運動時的姿態信號。姿態信號及其對應的特徵資訊(例如,角速度方向、角速度值、角速度加速度值、角度、位移資訊、應力等)可以反映使用者運動的姿勢。心電感測器可以設置于人體胸口周側的位置,心電感測器可以被配置為採集使用者運動時的心電資料。呼吸感測器可以設置于人體胸口周側的位置,呼吸感測器可以被配置為採集使用者運動時的呼吸資料(例如,呼吸頻率、呼吸幅度等)。溫度感測器可以被配置為採集使用者運動時的溫度資料(例如,體表溫度)。濕度感測器可以被配置為採集使用者運動時的外部環境的濕度資料。
處理模組220可以處理來自獲取模組210、控制模組230、通訊模組240、供電模組250和/或輸入/輸出模組260的資料。例如,處理模組220可以處理來自獲取模組210的使用者運動過程中的動作信號。在一些實施例中,處理模組220可以將獲取模組210獲取的動作信號(例如,肌電信號、姿態信號)進行預處理。例如,處理模組220對使用者運動時的肌電信號或姿態信號進行分段處理。又例如,處理模組220可以對使用者運動時的肌電信號進行預處理(例如,濾波處理、信號校正處理),以提高肌電信號品質。再例如,處理模組220可以基於使用者運動時的姿態信號確定與姿態信號對應的特徵資訊。在一些實施例中,處理模組220可以處理來自輸入/輸出模組260的指令或操作。在一些實施例中,處理後的資料可以儲存到記憶體或硬碟中。在一些實施例中,處理模組220可以將其處理後的資料通過通訊模組240或網路120傳送到運動監控系統100中的一個或者多個元件中。例如,處理模組220可以將使用者運動的監控結果發送給控制模組230,控制模組230可以根據動作確定結果執行後續的操作或指令。
控制模組230可以與可穿戴設備130中其他模組相連接。在一些實施例中,控制模組230可以控制可穿戴設備130中其它模組(例如,通訊模組240、供電模組250、輸入/輸出模組260)的運行狀態。例如,控制模組230可以控制供電模組250的供電狀態(例如,正常模式、省電模式)、供電時間等。當供電模組250的剩餘電量到達一定閾值(如,10%)以下時,控制模組230可以控制供電模組250進入省電模式或發出關於補充電量的提示資訊。又例如,控制模組230可以根據使用者的動作確定結果控制輸入/輸出模組260,進而可以控制行動終端設備140向使用者發送其運動的回饋結果。當使用者運動時的動作出現問題(例如,動作不符合標準)時,控制模組230可以控制輸入/輸出模組260,進而可以控制行動終端設備140向使用者進行回饋,使得使用者可以即時瞭解自身運動狀態並對動作進行調整。在一些實施例中,控制模組230還可以控制獲取模組210中的一個或多個感測器或者其它模組對人體進行回饋。例如,當使用者運動過程中某塊肌肉發力強度過大,控制模組230可以控制該肌肉位置處的電極模組對使用者進行電刺激以提示使用者及時調整動作。
在一些實施例中,通訊模組240可以用於資訊或資料的交換。在一些實施例中,通訊模組240可以用於可穿戴設備130內部元件(例如,獲取模組210、處理模組220、控制模組230、供電模組250、輸入/輸出模組260)之間的通信。例如,獲取模組210可以發送使用者動作信號(例如,肌電信號、姿態信號等)到通訊模組240,通訊模組240可以將所述動作信號發送給處理模組220。在一些實施例中,通訊模組240還可以用於可穿戴設備130和運動監控系統100中的其他元件(例如,處理設備110、行動終端設備140)之間的通信。例如,通訊模組240可以將可穿戴設備130的狀態資訊(例如,開關狀態)發送到處理設備110,處理設備110可以基於所述狀態資訊對可穿戴設備130進行監控。通訊模組240可以採用有線、無線以及有線/無線混合技術。有線技術可以基於諸如金屬電纜、混合電纜、光纜等一種或多種光纜組合的方式。無線技術可以包括藍牙(Bluetooth)、無線網路(Wi-Fi)、紫蜂(ZigBee)、近場通信(Near Field Communication,NFC)、射頻識別技術(Radio Frequency Identification,RFID)、蜂巢式網路(包括GSM、CDMA、3G、4G、5G等)、基於蜂巢式網路的窄帶物聯網(Narrow Band Internet of Things,NBIoT)等。在一些實施例中,通訊模組240可以採用一種或多種編碼方式對傳輸的資訊進行編碼處理,例如,編碼方式可以包括相位編碼、不歸零制碼、差分曼徹斯特碼等。在一些實施例中,通訊模組240可以根據需要傳輸的資料類型或網路類型,選擇不同的傳輸和編碼方式。在一些實施例中,通訊模組240可以包括一個或多個通信介面,用於不同的通信方式。在一些實施例中,運動監控系統100的圖式中的其他模組可以是分散在多個設備上的,在這種情況下,其他各個模組可以分別包括一個或多個通訊模組240,來進行模組間的資訊傳輸。在一些實施例中,通訊模組240可以包括一個接收器和一個發送器。在另一些實施例中,通訊模組240可以是一個收發器。
在一些實施例中,供電模組250可以為運動監控系統100中的其他元件(例如,獲取模組210、處理模組220、控制模組230、通訊模組240、輸入/輸出模組260)提供電力。供電模組250可以從處理模組220接收控制信號以控制可穿戴設備130的電力輸出。例如,可穿戴設備130在一定時間段(例如,1s、2s、3s或4s)內沒有接收到任何操作的情況下(例如,獲取模組210未偵測到動作信號),供電模組250可以僅向記憶體供電,使可穿戴設備130進入待機模式。又例如,可穿戴設備130在一定時間段(例如,1s、2s、3s或4s)內沒有接收到任何操作的情況下(例如,獲取模組210未偵測到動作信號),供電模組250可以斷開對其它元件的供電,運動監控系統100中的資料可以轉存到硬碟中,使可穿戴設備130進入待機模式或睡眠模式。在一些實施例中,供電模組250可以包括至少一個電池。所述電池可以包括乾電池、鉛蓄電池、鋰電池、太陽能電池、風能發電電池、機械能發電電池、熱能發電電池等中的一種或幾種的組合。所述太陽能電池可以將光能轉化為電能並儲存在供電模組250中。所述風能發電電池可以將風能轉化為電能並儲存在供電模組250中。所述機械能發電電池可以將機械能轉化為電能並儲存在供電模組250中。所述太陽能電池可以包括矽太陽能電池、薄膜太陽能電池、奈米晶化學太陽能電池、燃料敏化太陽能電池、塑膠太陽能電池等。所述太陽能電池可以以電池板的形式分佈在可穿戴設備130上。所述熱能發電電池可以將使用者體溫轉換為電能並儲存在供電模組250中。在一些實施例中,當供電模組250的電量小於電量閾值(例如,總電量的10%)時,處理模組220可以向供電模組250發送控制信號。該控制信號可以包括所述供電模組250電量不足的資訊。在一些實施例中,供電模組250可以包含備用電源。在一些實施例中,供電模組250還可以包括充電介面。例如,供電模組250在緊急情況(如供電模組250電量為0,外部電力系統停電無法供電)下,可以利用使用者隨身攜帶的電子設備(如,手機、平板電腦)或行動電源對供電模組250進行臨時充電。
輸入/輸出模組260可以獲取、傳輸和發送信號。輸入/輸出模組260可以與運動監控系統100中的其他元件進行連接或通信。運動監控系統100中的其他元件可以通過輸入/輸出模組260實現連接或通信。輸入/輸出模組260可以是有線的USB介面、串列通信介面、並列通信埠,或是無線的藍牙、紅外線、無線射頻識別(Radio-frequency identification, RFID)、無線區域網路鑑別與私密基礎建設(Wlan Authentication and Privacy Infrastructure, WAPI)、一般封包式無線電服務(General Packet Radio Service, GPRS)、分碼多工存取(Code Division Multiple Access, CDMA)等,或其任意組合。在一些實施例中,輸入/輸出模組260可以與網路120連接,並通過網路120獲取資訊。例如,輸入/輸出模組260可以通過網路120或通訊模組240從獲取模組210中獲取使用者運動過程中的動作信號並將使用者運動資訊進行輸出。在一些實施例中,輸入/輸出模組260可以包括VCC、GND、RS-232、RS-485(例如,RS485-A,RS485-B)和通用網路介面等,或其任意組合。在一些實施例中,輸入/輸出模組260可以將獲取到的使用者運動資訊,通過網路120傳送給獲取模組210。在一些實施例中,輸入/輸出模組260可以採用一種或多種編碼方式對傳輸的信號進行編碼處理。所述編碼方式可以包括相位編碼、不歸零制碼、差分曼徹斯特碼等,或其任意組合。
應當理解,圖2所示的系統及其模組可以利用各種方式來實現。例如,在一些實施例中,系統及其模組可以通過硬體、軟體或者軟體和硬體的結合來實現。其中,硬體部分可以利用專用邏輯來實現;軟體部分則可以儲存在記憶體中,由適當的指令執行系統,例如微處理器或者專用設計硬體來執行。所屬技術領域中具有通常知識者可以理解上述的方法和系統可以使用電腦可執行指令和/或包含在處理器控制碼中來實現,例如在諸如磁片、CD或DVD-ROM的載體媒體、諸如唯讀記憶體(韌體)的可程式設計的記憶體或者諸如光學或電子信號載體的資料載體上提供了這樣的代碼。本說明書的一個或多個實施例的系統及其模組不僅可以有諸如超大型積體電路或閘陣列、諸如邏輯晶片、電晶體等的半導體、或者諸如現場可程式閘陣列、可程式邏輯裝置等的可程式硬體設備的硬體電路實現,也可以用例如由各種類型的處理器所執行的軟體實現,還可以由上述硬體電路和軟體的結合(例如,韌體)來實現。
需要注意的是,以上對於運動監控系統及其模組的描述,僅為描述方便,並不能把本說明書的一個或多個實施例限制在所舉實施例範圍之內。可以理解,對於所屬技術領域中具有通常知識者來說,在瞭解該系統的原理後,可能在不背離這一原理的情況下,對各個模組進行任意組合,或者構成子系統與其他模組連接,或者對其中的一個或多個模組進行省略。例如,獲取模組210和處理模組220可以為一個模組,該模組可以具有獲取和處理使用者動作信號的功能。又例如,處理模組220還可以不設置於可穿戴設備130中,而整合在處理設備110中。諸如此類的變形,均在本說明書的一個或多個實施例的保護範圍之內。
圖3是根據本發明一些實施例所示的計算設備的示例性硬體和/或軟體的示意圖。在一些實施例中,處理設備110和/或行動終端設備140可以在計算設備300上實現。如圖3所示,計算設備300可以包括內部通信匯流排310、處理器320、唯讀記憶體330、隨機存取記憶體340、通訊連接埠350、輸入/輸出介面360、硬碟370以及使用者介面380。
內部通信匯流排310可以實現計算設備300中各元件間的資料通信。例如,處理器320可以通過內部通信匯流排310將資料發送到記憶體或輸入/輸出介面360等其它硬體中。在一些實施例中,內部通信匯流排310可以為工業標準架構(Industry Standard Architecture, ISA)匯流排、延伸工業標準架構(Extended Industry Standard Architecture, EISA)匯流排、視頻電子標準協會(Video Electronics Standards Association, VESA)匯流排、週邊組件互連標準(PCI)匯流排等。在一些實施例中,內部通信匯流排310可以用於連接圖1所示的運動監控系統100中的各個模組(例如,獲取模組210、處理模組220、控制模組230、通訊模組240、輸入/輸出模組260)。
處理器320可以執行計算指令(程式碼)並執行本發明描述的運動監控系統100的功能。所述計算指令可以包括程式、物件、元件、資料結構、流程、模組和功能(所述功能指本發明中描述的特定功能)。例如,處理器320可以處理從運動監控系統100的可穿戴設備130或/和行動終端設備140中獲取的使用者運動時的動作信號(例如,肌電信號、姿態信號),並根據使用者運動時的動作信號對使用者的運動的動作進行監控。在一些實施例中,處理器320可以包括微控制器、微處理器、精簡指令集電腦(RISC)、特定應用積體電路(ASIC)、特定應用指令集處理器(ASIP)、中央處理單元(CPU)、圖形處理單元(GPU)、週邊處理單元(PPU)、微控制器單元、數位訊號處理器(DSP)、現場可程式閘陣列(FPGA)、高級精簡指令集電腦(Advanced Reduced Machine,ARM)、可程式邏輯裝置以及能夠執行一個或多個功能的任何電路和處理器等,或其任意組合。僅為了說明,圖3中的計算設備300只描述了一個處理器,但需要注意的是,本發明中的計算設備300還可以包括多個處理器。
計算設備300的記憶體(例如,唯讀記憶體(ROM)330、隨機存取記憶體(RAM)340、硬碟370等)可以儲存從運動監控系統100的任何其他元件中獲取的資料/資訊。在一些實施例中,計算設備300的記憶體可以位於可穿戴設備130中,也可以位於處理設備110中。示例性的ROM可以包括遮罩式ROM(Mask ROM, MROM)、可程式ROM(Programmable ROM, PROM)、可抹除可程式ROM(Programmable and Erasable ROM, PEROM)、電子可抹除可程式ROM(Electrically Erasable Programmable ROM, EEPROM)、光碟ROM(CD-ROM)和數位多功能光碟ROM等。示例性的RAM可以包括動態RAM(Dynamic RAM, DRAM)、雙倍速率同步動態RAM(Double Data Rate Synchronous Dynamic RAM, DDR SDRAM)、靜態RAM(Static RAM, SRAM)、晶閘管RAM(Thyristor-RAM, T-RAM)和零電容(Z-RAM)等。
輸入/輸出介面360可以用於輸入或輸出信號、資料或資訊。在一些實施例中,輸入/輸出介面360可以使使用者與運動監控系統100進行互動。例如,輸入/輸出介面360可以包括通訊模組240,以實現運動監控系統100的通信功能。在一些實施例中,輸入/輸出介面360可以包括輸入裝置和輸出裝置。示例性輸入裝置可以包括鍵盤、滑鼠、觸控式螢幕和麥克風等,或其任意組合。示例性輸出裝置可以包括顯示裝置、揚聲器、印表機、投影儀等或其任意組合。示例性顯示裝置可以包括液晶顯示器(LCD)、基於發光二極體(LED)的顯示器、平板顯示器、曲面顯示器、電視設備、陰極射線管(Cathode Ray Tube,CRT)等或其任意組合。通訊連接埠350可以連接到網路以便資料通信。所述連接可以是有線連接、無線連接或兩者的組合。有線連接可以包括電纜、光纜或電話線等或其任意組合。無線連接可以包括藍牙、Wi-Fi、WiMax、WLAN、ZigBee、行動網路(例如,3G、4G或5G等)等或其任意組合。在一些實施例中,通訊連接埠350可以是標準化的埠,如RS232、RS485等。在一些實施例中,通訊連接埠350可以是專門設計的埠。
硬碟370可以用於儲存處理設備110所產生的或從處理設備110所接收到的資訊及資料。例如,硬碟370可以儲存使用者的使用者確認資訊。在一些實施例中,硬碟370可以包括機械硬碟(Hard Disk Drive, HDD)、固態硬碟(Solid State Disk, SSD)或混合硬碟(Hybrid, Hard Disk, HHD)等。在一些實施例中,硬碟370可以設置於處理設備110中或可穿戴設備130中。使用者介面380可以實現計算設備300和使用者之間的互動和資訊交換。在一些實施例中,使用者介面380可以用於將運動監控系統100產生的運動記錄呈現給使用者。在一些實施例中,使用者介面380可以包括一個實體的顯示器,例如具有揚聲器的顯示器、LCD顯示器、LED顯示器、OLED顯示器、電子墨水顯示器(E-Ink)等。
圖4是根據本發明一些實施例所示的可穿戴設備的示例性結構圖。為了進一步對可穿戴設備進行描述,將上衣服裝作為示例性說明,如圖4所示,可穿戴設備400可以包括上衣服裝410。上衣服裝410可以包括上衣服裝基底4110、至少一個上衣處理模組4120、至少一個上衣回饋模組4130、至少一個上衣獲取模組4140等。上衣服裝基底4110可以是指穿戴於人體上身的衣物。在一些實施例中,上衣服裝基底4110可以包括短袖T恤、長袖T恤、襯衫、外套等。至少一個上衣處理模組4120、至少一個上衣獲取模組4140可以位於上衣服裝基底4110上與人體不同部位貼合的區域。至少一個上衣回饋模組4130可以位於上衣服裝基底4110的任意位置,至少一個上衣回饋模組4130可以被配置為回饋使用者上身運動狀態資訊。示例性的回饋方式可以包括但不限於語音提示、文字提示、壓力提示、電流刺激等。在一些實施例中,至少一個上衣獲取模組4140可以包括但不限於姿態感測器、心電感測器、肌電感測器、溫度感測器、濕度感測器、慣性感測器、酸鹼度感測器、聲波換能器等中的一種或多種。上衣獲取模組4140中的感測器可以根據待測量的信號不同而放置在使用者身體的不同位置。例如,姿態感測器用於獲取使用者運動過程中的姿態信號時,姿態感測器可以放置於上衣服裝基底4110中與人體軀幹、雙臂、關節對應的位置。又例如,肌電感測器用於獲取使用者運動過程中的肌電信號時,肌電感測器可以位於使用者待測量的肌肉附近。在一些實施例中,姿態感測器可以包括但不限於加速度三軸感測器、角速度三軸感測器、磁力感測器等,或其任意組合。例如,一個姿態感測器可以包含加速度三軸感測器、角速度三軸感測器。在一些實施例中,姿態感測器還可以包括應變式感測器。應變式感測器可以是指可以基於待測物受力變形產生的應變的感測器。在一些實施例中,應變式感測器可以包括但不限於應變式測力感測器、應變式壓力感測器、應變式扭矩感測器、應變式位移感測器、應變式加速度感測器等中的一種或多種。例如,應變式感測器可以設置在使用者的關節位置,通過測量應變式感測器中隨著拉伸長度而變化的電阻的大小,可以獲取使用者關節處的彎曲角度和彎曲方向。需要注意的是,上衣服裝410除了上述的上衣服裝基底4110、上衣處理模組4120、上衣回饋模組4130、上衣獲取模組4140之外,還可以包括其它模組,例如,供電模組、通訊模組、輸入/輸出模組等。上衣處理模組4120與圖2中的處理模組220相類似、上衣獲取模組4140與圖2中的獲取模組210相類似,關於上衣服裝410中的各個模組的具體描述可以參考圖2中的相關描述,在此不做贅述。
圖5是根據本發明一些實施例所示的運動監控方法的示例性流程圖。如圖5所示,流程500可以包括:在步驟510中,獲取使用者運動時的動作信號。
在一些實施例中,該步驟510可以由獲取模組210執行。動作信號是指使用者運動時的人體參數資訊。在一些實施例中,人體參數資訊可以包括但不限於肌電信號、姿態信號、心電信號、溫度信號、濕度信號、血氧濃度、呼吸頻率等之中的一種或多種。在一些實施例中,獲取模組210中的肌電感測器可以採集使用者在運動過程中的肌電信號。例如,當使用者進行坐姿夾胸時,可穿戴設備中與人體胸肌、背闊肌等位置對應的肌電感測器可以採集使用者相應肌肉位置的肌電信號。又例如,當使用者進行深蹲動作時,可穿戴設備中與人體臀大肌、股四頭肌等位置對應的肌電感測器可以採集使用者相應肌肉位置的肌電信號。再例如,使用者進行跑步運動時,可穿戴設備中與人體腓腸肌等位置對應的肌電感測器可以採集人體腓腸肌等位置的肌電信號。在一些實施例中,獲取模組210中的姿態感測器可以採集使用者運動時的姿態信號。例如,當使用者進行槓鈴臥推運動時,可穿戴設備中與人體肱三頭肌等位置對應的姿態感測器可以採集使用者肱三頭肌等位置的姿態信號。又例如,當使用者進行啞鈴飛鳥動作時,設置在人體三角肌等位置處的姿態感測器可以採集使用者三角肌等位置的姿態信號。在一些實施例中,獲取模組210中的姿態感測器的數量可以為多個,多個姿態感測器可以獲取使用者運動時多個部位的姿態信號,多個部位姿態信號可以反映人體不同部位之間的相對運動情況。例如,手臂處的姿態信號和軀幹處的姿態信號可以反映手臂相對於軀幹的運動情況。在一些實施例中,姿態信號與姿態感測器的類型相關聯。例如,當姿態感測器為角速度三軸感測器時,獲取的姿態信號為角速度資訊。又例如,當姿態感測器為角速度三軸感測器和加速度三軸感測器,獲取的姿態信號為角速度資訊和加速度資訊。再例如,姿態感測器為應變式感測器時,應變式感測器可以設置在使用者的關節位置,通過測量應變式感測器中隨著拉伸長度而變化的電阻的大小,獲取的姿態信號可以為位移資訊、應力等,通過這些姿態信號可以表徵使用者關節處的彎曲角度和彎曲方向。需要注意的是,能夠用於體現使用者身體發生相對運動的參數資訊都可以是與姿態信號對應的特徵資訊,根據特徵資訊的類型可以採用不同類型的姿態感測器進行獲取。
在一些實施例中,所述動作信號可以包括使用者身體特定部位的肌電信號以及該特定部位的姿態信號。肌電信號和姿態信號可以從不同角度反映出使用者身體特定部位的運動狀態。簡單來說,使用者身體特定部位的姿態信號可以反映該特定部位的動作類型、動作幅度、動作頻率等。肌電信號可以反映出該特定部位在運動時的肌肉狀態。在一些實施例中,通過相同身體部位的肌電信號和/或姿態信號,可以更好地評估該部位的動作是否符合規範。
在步驟520中,至少基於與肌電信號對應的特徵資訊或與姿態信號對應的特徵資訊對使用者運動的動作進行監控。
在一些實施例中,該步驟可以由處理模組220和/或處理設備110執行。在一些實施例中,與肌電信號對應的特徵資訊可以包括但不限於頻率資訊、幅值資訊等中的一種或多種。與姿態信號對應的特徵資訊是指用於表徵使用者身體發生相對運動的參數資訊。在一些實施例中,與姿態信號對應的特徵資訊可以包括但不限於角速度方向、角速度值、角速度的加速度值等中的一種或多種。在一些實施例中,與姿態信號對應的特徵資訊還可以包括角度、位移資訊(例如應變式感測器中的拉伸長度)、應力等。例如,姿態感測器為應變式感測器時,應變式感測器可以設置在使用者的關節位置,通過測量應變式感測器中隨著拉伸長度而變化的電阻的大小,獲取的姿態信號可以為位移資訊、應力等,通過這些姿態信號可以表徵使用者關節處的彎曲角度和彎曲方向。在一些實施例中,處理模組220和/或處理設備110可以提取與肌電信號對應的特徵資訊(例如,頻率資訊、幅值資訊)或與姿態信號對應的特徵資訊(例如,角速度方向、角速度值、角速度的加速度值、角度、位移資訊、應力等),並基於與肌電信號對應的特徵資訊或與姿態信號對應的特徵資訊對使用者運動的動作進行監控。這裡對使用者運動的動作進行監控包括對使用者動作相關的資訊進行監控。在一些實施例中,動作相關的資訊可以包括使用者動作類型、動作數量、動作品質(例如,使用者動作是否符合標準)、動作時間等中的一個或多個。動作類型是指使用者運動時採取的健身動作。在一些實施例中,動作類型可以包括但不限於坐姿夾胸、深蹲運動、硬拉運動、平板支撐、跑步、游泳等中的一種或多種。動作數量是指使用者運動過程中執行動作的次數。例如,使用者在運動過程中進行了10次坐姿夾胸,這裡的10次為動作次數。動作品質是指使用者執行的健身動作相對於標準健身動作的標準度。例如,當使用者進行深蹲動作時,處理設備110可以基於特定肌肉位置(臀大肌、股四頭肌等)的動作信號(肌電信號和姿態信號)對應的特徵資訊判斷使用者動作的動作類型,並基於標準深蹲動作的動作信號判斷使用者深蹲動作的動作品質。動作時間是指使用者一個或多個動作類型對應的時間或運動過程的總時間。關於基於與肌電信號對應的特徵資訊和/或與姿態信號對應的特徵資訊對使用者運動的動作進行監控的詳細內容可以參考圖6及其相關描述。
在一些實施例中,處理設備110可以利用一個或多個動作識別模型對使用者運動的動作進行識別和監控。例如,處理設備110可以將與肌電信號對應的特徵資訊和/或與姿態信號對應的特徵資訊輸入動作識別模型,由動作識別模型輸出使用者動作相關的資訊。在一些實施例中,動作識別模型可以包括不同類型的動作識別模型,例如,用於識別使用者動作類型的模型、或者用於識別使用者動作品質的模型等。
應當注意的是,上述有關流程500的描述僅僅是為了示例和說明,而不限定本說明書的適用範圍。對於所屬技術領域中具有通常知識者來說,在本說明書的指導下可以對流程500進行各種修正和改變。然而,這些修正和改變仍在本說明書的範圍之內。例如,步驟520中提取與肌電信號對應的特徵資訊或與姿態信號對應的特徵資訊可以由處理設備110完成,在一些實施例中,也可以由處理模組220完成。又例如,使用者的動作信號不限於上述的肌電信號、姿態信號、心電信號、溫度信號、濕度信號、血氧濃度、呼吸頻率,還可以為其它人體生理參數信號,人體運動時所涉及的生理參數信號都可以視為本說明書實施例中的動作信號。
圖6是根據本發明一些實施例所示的對使用者運動動作進行監控的示例性流程圖。如圖6所示,流程600可以包括:在步驟610中,基於與肌電信號對應的特徵資訊或與姿態信號對應的特徵資訊對動作信號進行分段。
在一些實施例中,該步驟可以由處理模組220和/或處理設備110執行。使用者運動時的動作信號(例如,肌電信號、姿態信號)的採集過程是連續的,並且使用者運動時的動作可以是多組動作的組合或不同動作類型的動作組合。為了對使用者運動中的各個動作進行分析,處理模組220可以基於使用者運動時的與肌電信號對應的特徵資訊或與姿態信號對應的特徵資訊對使用者動作信號進行分段。這裡所說的對動作信號進行分段是指將動作信號劃分為相同或不同時間長度的信號段,或者從所述動作信號中提取一個或多個具有特定時間長度的信號段。在一些實施例中,每段動作信號可以對應使用者一個或多個完整的動作。例如,使用者進行深蹲運動時,使用者從站立姿勢到蹲下,再起身恢復站立姿勢可以視為使用者完成一次深蹲動作,獲取模組210在這個過程中採集到的動作信號可以視為一段(或一個週期)動作信號,在此之後,獲取模組210採集到的使用者完成下一次深蹲動作產生的動作信號則視為另一段動作信號。在一些實施例中,每段動作信號還可以對應使用者的部分動作,這裡的部分動作可以理解為一個完整動作中的部分動作。例如,使用者進行深蹲運動時,使用者從站立姿勢到蹲下可以視為一段動作,再起身恢復站立姿勢可以視為另一段動作。使用者在運動時每個動作步驟的變化會使得相應部位的肌電信號和姿態信號發生變化。例如,使用者在進行深蹲動作時,使用者站立時的身體相應部位(例如,手臂、腿部、臀部、腹部)對應的肌肉處的肌電信號和姿態信號的波動較小,當使用者由站立姿勢進行下蹲時,使用者身體相應部位對應的肌肉處的肌電信號和姿態信號會產生較大的波動,比如,肌電信號中不同頻率的信號對應的幅值資訊變大,又比如,與姿態信號對應的角速度值、角速度方向、角速度的加速度值、角度、位移資訊、應力等也會發生改變。當使用者由下蹲狀態起身到站立狀態時,與肌電信號對應的幅值資訊和與姿態信號對應的角速度值、角速度方向、角速度的加速度值、角度、位移資訊、應力又會發生改變。基於這種情況,處理模組220可以基於與肌電信號對應的特徵資訊或與姿態信號對應的特徵資訊對使用者的動作信號進行分段。關於基於與肌電信號對應的特徵資訊或與姿態信號對應的特徵資訊對動作信號進行分段的詳細內容可以參考圖7和圖8及說明書中的相關描述。
在步驟620中,基於至少一段動作信號對使用者運動的動作進行監控。
該步驟可以由處理模組220和/或處理設備110執行。在一些實施例中,基於至少一段動作信號對使用者運動的動作進行監控可以包括基於至少一段的動作信號和至少一段預設動作信號進行匹配,確定使用者運動時的動作類型。至少一段預設動作信號是指在資料庫中預先設置的不同動作對應的標準動作信號。在一些實施例中,通過判斷至少一段動作信號和至少一段預設動作信號的匹配度可以確定使用者運動時的動作類型。進一步地,判斷動作信號與預設動作信號的匹配度是否在第一匹配閾值範圍(例如,大於80%)內,如果是,則根據預設動作信號對應的動作類型確定使用者運動時的動作類型。在一些實施例中,基於至少一段的動作信號對使用者運動的動作進行監控還可以包括基於至少一段與肌電信號對應的特徵資訊和至少一段的預設動作信號中與肌電信號對應的特徵資訊進行匹配,確定使用者運動時的動作類型。例如,分別計算一段肌電信號中一個或多個特徵資訊(例如,頻率資訊、幅值資訊)與一段預設動作信號中的一個或多個特徵資訊的匹配度,判斷一個或多個特徵資訊的加權匹配度或平均匹配度是否在第一匹配閾值範圍內,如果是,則根據預設動作信號對應的動作類型確定使用者運動時的動作類型。在一些實施例中,基於至少一段的動作信號對使用者運動的動作進行監控還可以包括基於至少一段與姿態信號對應的特徵資訊和至少一段的預設動作信號中的與姿態信號對應的特徵資訊進行匹配,確定使用者運動時的動作類型。例如,分別計算一段姿態信號中一個或多個特徵資訊(例如,角速度值、角速度方向和角速度的加速度值、角度、位移資訊、應力等)與一段預設動作信號中的一個或多個特徵資訊的匹配度,判斷一個或多個特徵資訊的加權匹配度或平均匹配度是否在第一匹配閾值範圍內,如果是,則根據預設動作信號對應的動作類型確定使用者運動時的動作類型。在一些實施例中,基於至少一段的動作信號對使用者運動的動作進行監控還可以包括基於至少一段動作信號中的與肌電信號對應的特徵資訊、與姿態信號對應的特徵資訊和至少一段的預設動作信號中的與肌電信號對應的特徵資訊、與姿態信號對應的特徵資訊進行匹配,確定使用者運動時的動作類型。
在一些實施例中,基於至少一段動作信號對使用者運動的動作進行監控可以包括基於至少一段動作信號和至少一段預設動作信號進行匹配,確定使用者運動時的動作品質。進一步地,如果動作信號與預設動作信號的匹配度在第二匹配閾值範圍(例如,大於90%)內,則使用者運動時的動作品質符合標準。在一些實施例中,基於至少一段的動作信號確定使用者運動的動作可以包括基於至少一段的動作信號中的一個或多個特徵資訊和至少一段的預設動作信號中的一個或多個特徵資訊進行匹配,確定使用者運動時的動作品質。需要注意的是,一段動作信號可以是一個完整動作的動作信號,或者是一個完整動作中部分動作的動作信號。在一些實施例中,對於複雜的一個完整動作,在完整動作的不同階段會有不同的發力方式,也就是說,在動作的不同階段會有不同的動作信號,通過對一個完整動作不同階段的動作信號進行監控可以提高對使用者動作監控的即時性。
應當注意的是,上述有關流程600的描述僅僅是為了示例和說明,而不限定本說明書的適用範圍。對於所屬技術領域中具有通常知識者來說,在本說明書的指導下可以對流程600進行各種修正和改變。然而,這些修正和改變仍在本說明書的範圍之內。例如,在一些實施例中,還可以通過動作識別模型或人工預先設定的模型確定使用者的動作。
圖7是根據本發明一些實施例所示的動作信號分段的示例性流程圖。如圖7所示,流程700可以包括:在步驟710中,基於所述肌電信號或所述姿態信號的時域視窗,根據預設條件從所述時域視窗內確定至少一個目標特徵點。
在一些實施例中,該步驟可以由處理模組220和/或處理設備110執行。肌電信號的時域視窗包含一段時間範圍內的肌電信號,姿態信號的時域視窗包含同樣一段時間範圍內的姿態信號。目標特徵點是指動作信號中具有目標特徵的信號,其可以表徵使用者動作所處的階段。例如,使用者進行坐姿夾胸時,開始時,使用者雙臂在水平方向呈左右伸展狀態,之後雙臂開始內旋,然後雙臂合攏,最後雙臂在水平方向再次恢復到伸展狀態,這個過程為一個完整的坐姿夾胸動作。當使用者進行坐姿夾胸動作時,各個階段的與肌電信號或姿態信號對應的特徵資訊是不同的,通過對與肌電信號對應的特徵資訊(例如,幅值資訊、頻率資訊)或與姿態信號對應的特徵資訊(例如,角速度值、角速度方向、角速度的加速度值、角度、位移資訊、應力等)進行分析可以確定與使用者動作所處的階段相對應的目標特徵點。在一些實施例中,根據預設條件從時域視窗內可以確定一個或多個目標特徵點。在一些實施例中,預設條件可以包括與姿態信號對應的角速度方向發生變化、與姿態信號對應的角速度大於或等於角速度閾值、與姿態信號對應的角度達到角度閾值、與姿態信號對應的角速度值的變化值為極值、與肌電信號對應的幅值資訊大於或等於肌電閾值中的一種或多種。在一些實施例中,一個動作不同階段的目標特徵點可以對應不同的預設條件。例如,坐姿夾胸動作中,使用者雙臂在水平方向呈左右伸展狀態然後雙臂開始內旋時為目標特徵點的預設條件與雙臂合攏時為目標特徵點的預設條件不同。在一些實施例中,不同動作的目標特徵點可以對應不同的預設條件。例如,坐姿夾胸動作和二頭彎舉動作的動作不同,關於這兩個動作中各自的預設目標點對應的預設條件也不同。關於預設條件的示例內容可以參考本說明書中關於動作開始點、動作中間點和動作結束點的描述。
在其他實施例中,還可以同時基於所述肌電信號和所述姿態信號的時域視窗,根據預設條件從所述時域視窗內確定至少一個目標特徵點。肌電信號和姿態信號的時域視窗對應包含肌電信號和姿態信號的一段時間範圍。肌電信號的時間與姿態信號的時間相對應。例如,使用者開始運動時的肌電信號的時間點與使用者開始運動時的姿態信號的時間點相同。這裡可以通過結合與肌電信號對應的特徵資訊(例如,幅值資訊)和與姿態信號對應的特徵資訊(例如,角速度值、角速度方向、角速度的加速度值、角度等)確定目標特徵點。
在步驟720中,基於所述至少一個目標特徵點對所述動作信號進行分段。
在一些實施例中,該步驟720可以由處理模組220和/或處理設備110執行。在一些實施例中,肌電信號或姿態信號中的目標特徵點可以為一個或多個,通過一個或多個目標特徵點可以將動作信號分為多段。例如,當肌電信號中有一個目標特徵點時,目標特徵點可以將肌電信號分為兩段,這裡的兩段可以包括目標特徵點之前的肌電信號和目標特徵點之後的肌電信號。或者,處理模組220和/或處理設備110可以提取目標特徵點周圍一定時間範圍內的肌電信號作為一段肌電信號。又例如,當肌電信號有多個目標特徵點(例如,n個,且第一個目標特徵點不為時域視窗的始點,第n個目標特徵點不為時域視窗的終點)時,可以根據n個目標特徵點將肌電信號分為n+1段。再例如,當肌電信號有多個目標特徵點(例如,n個,且第一個目標特徵點為時域視窗的始點,第n個目標特徵點不為時域視窗的終點)時,可以根據n個目標特徵點將肌電信號分為n段。再例如,當肌電信號有多個目標特徵點(例如,n個,且第一個目標特徵點為時域視窗的始點,第n個目標特徵點為時域視窗的終點)時,可以根據n個目標特徵點將肌電信號分為n-1段。需要注意的是,目標特徵點對應的動作階段可以包括一種或多種,當目標特徵點對應的動作階段為多種時,可以將多種目標特徵點作為基準對動作信號進行分段。例如,目標特徵點對應的動作階段可以包括動作開始點和動作結束點,動作開始點在動作結束點之前,這裡可以將動作開始點到下個動作開始點之間的動作信號視為一段動作信號。
在一些實施例中,目標特徵點可以包括動作開始點、動作中間點或動作結束點中的一種或多種。
為了對動作信號的分段進行描述,以目標特徵點同時包括動作開始點、動作中間點和動作結束點作為示例性說明,其中,動作開始點可以被認為是使用者動作週期的開始點。在一些實施例中,不同的動作可以對應不同的預設條件。例如,在坐姿夾胸動作中,預設條件可以為動作開始點之後動作的角速度方向相對於動作開始點之前動作的角速度方向改變,或者動作開始點的角速度值近似為0,且動作開始點的角速度的加速度值大於0。也就是說,使用者進行坐姿夾胸時,動作的開始點可以設為雙臂在水平方向左右伸展並開始內旋時的時間點。再例如,在二頭彎舉動作中,預設條件可以為手臂抬起的角度大於或等於角度閾值。具體來說,使用者在進行二頭彎舉動作時,使用者手臂為水平時的抬起角度為0°,手臂下垂時角度為負,手臂上抬時角度為正。當使用者手臂從水平位置上抬時,手臂抬起的角度大於0。使用者手臂抬起的角度達到角度閾值時的時間點可以視為動作開始點。角度閾值可以是 -70°~ -20°,或者較佳地,角度閾值可以為-50° ~ -25°。在一些實施例中,為了進一步保證選取的動作開始點的準確性,預設條件還可以包括:動作開始點之後特定時間範圍內手臂的角速度可以大於或等於角速度閾值。角速度閾值的範圍可以為5°/s ~ 50°/s;較佳地,角速度閾值的範圍可以為10°/s ~ 30°/s。例如,使用者在進行二頭彎舉動作時,在經過角度閾值且使用者手臂持續向上抬起時,在接下來的特定時間範圍(比如,0.05s、0.1s、0.5s)內手臂的角速度持續大於角速度閾值。在一些實施例中,如果根據預設條件選取的動作開始點在特定時間範圍內的角速度小於角速度閾值,則繼續執行預設條件直到確定一個動作開始點。
在一些實施例中,動作中間點可以是距離開始點一個動作週期內的某個點。例如,使用者進行坐姿夾胸時,動作的開始點可以設為雙臂在水平方向左右伸展並開始內旋時的時間點,雙臂合攏的時間點可以作為使用者動作中間點。在一些實施例中,預設條件可以為動作中間點之後時間點的角速度方向相對於動作中間點之前時間點的角速度方向改變,且動作中間點的角速度值近似為0,其中,動作中間點的角速度方向與動作開始點的角速度方向相反。在一些實施例中,為了提高動作中間點選取的準確度,動作中間點之後第一特定時間範圍內(例如,0.05s、0.1s、0.5s)角速度的變化速度(角速度的加速度)可以大於角速度的加速度閾值(例如,0.05 rad/s)。在一些實施中,在動作中間點滿足上述預設條件的同時,肌電信號中與動作中間點對應的幅值資訊大於肌電閾值。由於不同動作對應的肌電信號不同,肌電閾值與使用者動作及目標肌電信號有關。在坐姿夾胸中,胸肌處的肌電信號為目標肌電信號。在一些實施例中,在動作中間點對應的位置(也可以叫做“中間位置”)可以近似視為肌肉發力的最大值點,此時肌電信號會具有較大值。需要說明的是,使用者進行相應的運動動作時,使用者身體對應的部位處的肌電信號相對於使用者未進行運動(此時特定部位的肌肉可以視為靜息狀態)時的對應部位的肌電信號大幅提高,例如,使用者的動作達到中間位置的對應部位的肌電信號的幅值是靜息狀態下的10倍。另外,使用者進行動作的類型不同,運動到中間位置(動作中間點)的對應部位的肌電信號幅值與靜息狀態下的肌電信號的幅值關係也會不同,二者之間的關係可以根據實際運動的動作進行適應性調整。在一些實施例中,為了提高動作中間點選取的準確度,動作中間點之後的第二特定時間範圍內(例如,0.05s、0.1s、0.5s)對應的幅值可以持續大於肌電閾值。在一些實施例中,對動作中間點的判定,除了需要滿足上述的預設條件(例如,角速度及肌電信號的幅值條件),還可以使得動作中間點和開始位置的歐拉角(也被稱為角度)滿足一定的條件。例如,在坐姿夾胸中,動作中間點相對於動作開始點的歐拉角可以大於一個或多個歐拉角閾值(也被稱為角度閾值),例如,以人體前後方向作為X軸,人體左右方向作為Y軸,以人體高度方向作為Z軸,X、Y方向歐拉角變化可以小於25°,Z方向歐拉角變化可以大於40°(坐姿夾胸這個動作主要是Z軸方向的旋轉,以上參數也僅為參考示例)。在一些實施例中,肌電閾值和/或歐拉角閾值可以預先儲存在可穿戴設備130的記憶體或硬碟中,也可以儲存於處理設備110中,或者根據實際情況計算得到並可以進行即時調整。
在一些實施例中,處理模組220可以基於肌電信號或姿態信號的時域視窗,根據預設條件從動作開始點之後時間點的時域視窗中確定動作中間點。在一些實施中,在確定動作中間點後,可以重新驗證在動作開始點至動作中間點的時間範圍內,是否存在其他符合預設條件的時間點,如果存在,選取距離動作中間點最近的動作開始點作為最佳動作開始點。在一些實施例中,如果動作中間點的時間與動作開始點的時間的差值大於特定時間閾值(例如,一個動作週期的1/2或2/3),則該動作中間點無效,則根據預設條件重新確定動作開始點和動作中間點。
在一些實施例中,動作結束點可以是距離動作開始點一個動作週期以內並且在動作中間點之後的某個時間點,例如,動作結束點可以設為距離動作開始點一個動作週期的點,此時動作結束點可以認為是使用者一個動作週期的結束點。例如,使用者進行坐姿夾胸時,動作的開始點可以設為雙臂在水平方向左右伸展並開始內旋時的時間點,雙臂合攏的時間點可以作為使用者動作中間點,而雙臂在水平方向再次恢復到伸展狀態的時間點可以對應使用者動作結束點。在一些實施例中,預設條件可以為與姿態信號對應的角速度值的變化值為極值。在一些實施例中,為了防止抖動誤判,在動作中間點至動作結束點的時間範圍內,歐拉角的變化應該超過一定的歐拉角閾值,例如20°。在一些實施例中,處理模組220可以基於肌電信號和姿態信號的時域視窗,根據預設條件從動作中間點之後的時域視窗中確定動作結束點。在一些實施例中,如果動作結束點的時間與動作中間點的時間的差值大於特定時間閾值(例如,一個動作週期的1/2),則該動作開始點、動作中間點均無效,則重新根據預設條件確定動作開始點、動作中間點和動作結束點。
在一些實施例中,可以重複確定動作信號中的至少一組動作開始點、動作中間點和動作結束點,並基於至少一組動作開始點、動作中間點和動作結束點作為目標特徵點對動作信號進行分段。該步驟可以由處理模組220和/或處理設備110執行。需要注意的是,對動作信號進行分段並不限於上述的動作開始點、動作中間點和動作結束點,還可以包括其它時間點。例如,坐姿夾胸動作可以根據上述步驟選擇5個時間點,第一時間點可以為動作開始點,第二時間點可以為內旋角速度最大的時刻,第三時間點可以為中動作間點,第四時間點可以為外旋角速度最大的時刻,第五時間點可以為雙臂回復左右伸展,角速度為0的時刻,即動作結束點。在該示例中,與上述步驟中的動作開始點、動作中間點和動作結束點相比較,通過增加第二時間點作為動作週期的1/4標誌點,使用前述實施例所述的動作結束點作為第四時間點,用於標誌動作週期的3/4位置,添加了第五時間點作為完整動作的結束點。對於坐姿夾胸動作來說,這裡使用更多時間點,基於動作週期前3/4的信號就可以完成動作品質的識別(也就是說,對於單個週期動作品質的識別不依賴於完整分析整個週期的信號),可以在當前週期的動作沒有結束時就完成對使用者動作的監控和回饋,同時又可以完整地記錄整個動作過程中的所有信號,以便於將信號上傳到雲端或行動終端設備,從而可以採用更多的方法來對使用者的動作進行監控。針對較為複雜的動作,一個動作的週期會很長,而每一個階段有不同的發力模式,在一些實施例中,可以採用上述確定各時間點的方法將動作分成多個階段,針對每一個階段的信號進行單獨的識別和回饋,提高使用者動作回饋的即時性。
需要說明的是,上述根據動作開始點、動作中間點和動作結束點作為一組目標特徵點對動作信號進行分段並監控僅作為示例性說明,在一些實施例中,還可以基於動作開始點、動作中間點、動作結束點中的任意一種或多種作為目標特徵點對使用者的動作信號進行分段並監控。例如,還可以以動作開始點作為目標特徵點對動作信號進行分段並監控。又例如,還可以以動作開始點和動作結束點作為一組目標特徵點對動作信號進行分段並監控,可以達到目標特徵點作用的其他時間點或時間範圍均在本說明書的保護範圍內。
應當注意的是,上述有關流程700的描述僅僅是為了示例和說明,而不限定本說明書的適用範圍。對於所屬技術領域中具有通常知識者來說,在本說明書的指導下可以對流程700進行各種修正和改變。然而,這些修正和改變仍在本說明書的範圍之內。例如,步驟710、步驟720的至少兩個可以同時在處理模組220中進行。又例如,步驟710、步驟720、可以分別在處理模組220和處理設備110中同時進行。
圖8是根據本發明一些實施例所示的動作信號分段的示意圖。圖8中橫座標可以表示使用者運動的時間,縱座標可以表示使用者坐姿夾胸訓練時對應的肌肉部位(例如胸大肌)肌電信號的幅值資訊。圖8中還包括了使用者運動過程中與手腕位置姿態信號對應的角速度變化曲線和歐拉角變化曲線,其中,角速度變化曲線用以表徵使用者運動時的速度變化情況,歐拉角曲線用以表徵使用者運動時的身體部位所處的位置情況。如圖8所示,根據預設條件確定A1點為動作開始點。具體地,使用者動作開始點A1之後時間點的角速度方向相對於動作開始點A1之前時間點的角速度方向改變。進一步地,動作開始點A1的角速度值近似為0,且動作開始點A1處角速度的加速度值大於0。
參照圖8,根據預設條件確定B1點為動作中間點。具體地,使用者動作中間點B1之後時間點的角速度方向相對於動作中間點B1之前時間點的角速度方向改變,動作中間點B1的角速度值近似為0,其中,動作中間點B1的角速度方向與動作開始點A1的角速度方向相反。另外,肌電信號(圖8中以“肌電信號”示出)中與動作中間點B1對應的幅值大於肌電閾值。
繼續參照圖8,根據預設條件確定C1點為動作結束點。具體地,動作結束點C1的角速度值的變化值為動作開始點A1至動作結束點C1的極值。在一些實施例中,流程700可以完成圖8所示的動作分段,如圖8所示的動作開始點A1至動作結束點C1的動作信號可以視為使用者運動的一段信號。
需要說明的是,在一些實施例中,若動作中間點與動作開始點的時間間隔大於特定時間閾值(例如,一個動作週期的1/2),則處理模組220可以重新確定動作開始點以確定動作分段的精準性。這裡的特點時間閾值可以儲存在可穿戴設備130的記憶體或硬碟中,也可以儲存於處理設備110中,或者根據使用者運動的實際情況進行計算或調整。例如,若圖8中動作開始點A1與動作中間點B1的時間間隔大於特定時間閾值,則處理模組220可以重新確定動作開始點,從而可以提高動作分段的精準性。另外,對動作信號進行分段並不限於上述的動作開始點A1、動作中間點B1和動作結束點C1,還可以包括其它時間點,關於時間點的選取可以根據動作的複雜程度進行。
在獲取使用者的動作信號時,使用者的其他生理參數資訊(例如,心率信號)、運動過程中獲取模組210與人體發生相對移動或擠壓等外界條件會影響動作信號的品質,比如導致肌電信號中存在突變,從而影響對使用者動作的監控。為方便描述,突變的肌電信號可以用奇異點來描述,示例性的奇異點可以包括毛刺信號、不連續信號等。在一些實施例中,至少基於與肌電信號對應的特徵資訊或與姿態信號對應的特徵資訊對所述使用者運動的動作進行監控還可以包括:在頻域或時域上對肌電信號進行預處理,基於預處理後的肌電信號獲取與肌電信號對應的特徵資訊,並根據與肌電信號對應的特徵資訊或與姿態信號對應的特徵資訊並對使用者運動的動作進行監控。在一些實施例中,在頻域或時域上對肌電信號進行預處理可以包括在頻域上對所述肌電信號進行濾波以在頻域上選取或保留所述肌電信號中特定頻率範圍的成分。在一些實施例中,獲取模組210獲取的肌電信號的頻率範圍為1 Hz-1000 Hz,可以對其濾波並從中選取特定頻率範圍(例如,30 Hz-150 Hz)的肌電信號進行後續處理。在一些實施例中,特定頻率範圍可以為10 Hz-500 Hz。較佳地,特定頻率範圍可以為15 Hz-300 Hz。更為較佳地,特定頻率範圍可以為30 Hz-150 Hz。在一些實施例中,濾波處理可以包括低通濾波器處理。在一些實施例中,低通濾波器可以包括LC被動濾波器、RC被動濾波器、RC主動濾波器、由特殊元件組成的被動濾波器。在一些實施例中,由特殊元件組成的被動濾波器可以包括壓電陶瓷濾波器、晶體濾波器、聲表面濾波器中的一種或多種。需要注意的是,特定頻率範圍並不限於上述的範圍,還可以為其它範圍,可以根據實際情況進行選取。關於根據與肌電信號對應的特徵資訊或與姿態信號對應的特徵資訊對使用者運動的動作進行監控的內容可以參考圖5、圖6及說明書中的相關描述。
在一些實施例中,在頻域或時域上對肌電信號進行預處理還可以包括在時域上對肌電信號進行信號校正處理。信號校正處理是指對肌電信號中的奇異點(例如,毛刺信號、不連續信號等)進行校正。在一些實施例中,在時域上對肌電信號進行信號校正處理可以包括確定肌電信號中的奇異點,即確定肌電信號中的突變信號。奇異點可以是肌電信號某一時刻內,其幅值發生突變,造成信號的非連續。又例如,肌電信號形態上比較光滑,肌電信號的幅值沒有發生突變,但肌電信號的一階微分有突變產生,且一階微分是不連續的。在一些實施例中,確定肌電信號中的肌電信號中奇異點的方法可以包括但不限於傅立葉轉換、小波轉換、分形維數等中的一種或多種。在一些實施例中,在時域上對肌電信號進行信號校正處理可以包括去除肌電信號中的奇異點,例如,刪除奇異點及其附近一段時間範圍內的信號。可替代地,在時域上對肌電信號進行信號校正處理可以包括根據特定時間範圍內的肌電信號的特徵資訊對肌電信號的奇異點進行修正,例如根據奇異點周圍的信號對奇異點的幅值進行調整。在一些實施例中,肌電信號的特徵資訊可以包括幅值資訊、幅值資訊的統計資訊中的一種或多種。幅值資訊的統計資訊(也被稱為幅值熵)是指肌電信號在時域上幅值資訊的分佈情況。在一些實施例中,通過信號處理演算法(例如,傅立葉轉換、小波轉換、分形維數)確定了肌電信號中的奇異點的位置(例如,對應的時間點)之後,可以根據奇異點的位置之前或之後的特定時間範圍內的肌電信號對奇異點進行修正。例如,奇異點為突變波谷時,可以根據突變波谷之前或之後的特定時間範圍(例如,5 ms-60 ms)內的肌電信號的特徵資訊(例如,幅值資訊、幅值資訊的統計資訊)對突變波谷處的肌電信號進行補充。
以奇異點為毛刺信號進行示例性說明,圖9是根據本發明一些實施例所示的肌電信號預處理的示例性流程圖。如圖9所示,流程900可以包括:在步驟910中,基於所述肌電信號的時域窗口,從所述肌電信號的時域視窗內選取不同的時間視窗,其中,所述不同的時間視窗分別覆蓋不同的時間範圍。
在一些實施例中,該步驟可以由處理模組220和/或處理設備110執行。在一些實施例中,不同視窗可以包括至少一個特定視窗。特定視窗是指在時域視窗中選取的具有特定時間長度的視窗。例如,肌電信號的時域視窗的時間長度為3s時,特定視窗的時間長度可以為100ms。在一些實施例中,特定視窗可以包括多個不同的時間視窗。僅作為示例性說明,特定視窗可以包括第一時間視窗和第二時間視窗,第一時間視窗可以是指特定視窗內對應部分時間長度的一個視窗,例如,特定視窗的時間長度為100ms時,第一時間視窗的時間長度可以為80ms。第二時間視窗可以是指特定視窗內對應部分時間長度的另一個視窗,例如,特定視窗為100ms時,第二時間視窗可以為20ms。在一些實施例中,第一時間視窗和第二時間視窗可以是同一個特定視窗內連續的時間視窗。在一些實施例中,第一時間視窗和第二時間視窗也可以是同一個特定視窗內不連續的或者重疊的兩個時間視窗。例如,特定時間範圍內的視窗的時間長度為100ms時,第一時間視窗的時間長度可以為80ms,第二時間視窗的時間長度可以為25ms,這種情況下,第二時間視窗中的5ms與第一時間視窗是重疊的。在一些實施例中,處理模組220可以基於肌電信號的時域視窗,從肌電信號的時域視窗的時間始點按照特定時間長度依次滑動並更新特定視窗,並可以將更新後的特定視窗繼續劃分為第一時間視窗和第二時間視窗。這裡所說的特定時間長度可以小於1s、2s、3s等。例如,處理模組220可以選取特定時間長度為100ms的特定視窗,並將該特定窗口劃分為80ms的第一時間視窗和20ms的第二時間視窗。進一步地,該特定視窗可以沿時間方向滑動而更新。這裡滑動的距離可以為第二時間視窗的時間長度(例如,20ms),也可以是其他合適的時間長度,例如,30ms,40ms等。
在步驟920中,基於所述不同的時間視窗中的與所述肌電信號對應的特徵資訊確定所述毛刺信號。
在一些實施例中,該步驟可以由處理模組220和/或處理設備110執行。在一些實施例中,與肌電信號對應的特徵資訊可以至少包括幅值資訊、幅值資訊的統計資訊中的一種。在一些實施例中,處理模組220可以獲取不同的時間視窗(例如,第一時間視窗、第二時間視窗)中的與肌電信號對應的幅值資訊或幅值資訊的統計資訊確定毛刺信號的位置。關於基於不同的時間視窗中的與肌電信號對應的特徵資訊確定毛刺信號的位置的具體說明,可以參考圖10及其相關描述。
應當注意的是,上述有關流程900的描述僅僅是為了示例和說明,而不限定本說明書的適用範圍。對於所屬技術領域中具有通常知識者來說,在本說明書的指導下可以對流程900進行各種修正和改變。例如,特定視窗不限於包括上述的第一時間視窗和第二時間視窗,還可以包括其它時間視窗,例如,第三時間視窗、第四時間視窗等。另外,毛刺信號位置之前或之後時刻的特定範圍可以根據毛刺信號的長度進行適應性調整,在此不做進一步限定。然而,這些修正和改變仍在本說明書的範圍之內。
圖10是根據本發明一些實施例所示的去毛刺信號的示例性流程圖。如圖10所示,流程1000可以包括:在步驟1010中,確定第一時間視窗內的與肌電信號對應的第一幅值資訊和第二時間視窗內的與肌電信號對應的第二幅值資訊。
在一些實施例中,該步驟可以由處理模組220和/或處理設備110執行。在一些實施例中,處理模組220可以選定第一時間視窗和第二時間視窗的時間長度,並提取第一時間視窗時間長度內的與肌電信號對應的第一幅值資訊和第二時間視窗時間長度內的與肌電信號對應的第二幅值資訊。在一些實施例中,第一幅值資訊可以包括第一時間視窗內肌電信號的平均幅值,第二幅值資訊可以包括第二時間視窗內肌電信號的平均幅值。例如,處理模組220可以選取第一時間視窗時間長度為80ms並提取第一時間視窗內的與肌電信號對應的第一幅值資訊,處理模組220可以選取第二時間視窗時間長度為20ms並提取第二時間視窗內的與肌電信號對應的第二幅值資訊。
在一些實施例中,第一時間視窗時間長度和第二時間視窗時間長度的選取與最短的毛刺信號長度以及系統的計算量有關。在一些實施例中,可以根據毛刺信號的特點選取第一時間視窗時間長度和第二時間視窗時間長度。心電毛刺信號的時間長度是40ms-100ms、心電信號中兩個毛刺信號的時間間隔可以為1s左右、毛刺信號峰值點兩邊基本是對稱的、毛刺信號兩邊的幅值分佈比較平均等。在一些實施例中,當毛刺信號為心電信號時,可以選取小於毛刺信號的時間長度,例如,毛刺信號長度的一半,作為第二時間視窗的時間長度,第一時間視窗的時間長度可以大於第二時間視窗的長度,例如,為第二時間視窗時間長度的4倍。在一些實施例中,第一時間視窗的時間長度只要在毛刺信號間隔(約1s)減去第二時間視窗長度的範圍內。還需要說明的是,上述選取的第一時間視窗的時間長度和第二時間視窗的時間長度不限於上述的描述,只要滿足第二時間視窗的時間長度與第一時間視窗的時間長度之和小於相鄰的兩個毛刺信號時間間隔,或第二時間視窗的時間長度小於單個毛刺信號長度,或第二時間視窗內肌電信號幅值和第一時間窗口內肌電信號幅值具有較好的區分度即可。
在步驟1020中,判斷第二幅值資訊與第一幅值資訊的比值是否大於閾值。
在一些實施例中,該步驟可以由處理模組220和/或處理設備110執行。在一些實施例中,處理模組220可以判斷第二時間視窗內的與肌電信號對應的第二幅值資訊和第一時間視窗內的與肌電信號對應的第一幅值資訊的比值是否大於閾值。這裡的閾值可以儲存在可穿戴設備130的記憶體或硬碟中,也可以儲存於處理設備110中,或者根據實際情況進行調整。在一些實施例中,若處理模組220判斷第二幅值資訊與第一幅值資訊的比值大於閾值,則步驟1020可以進行到步驟1030。在另一些實施例中,若處理模組220判斷第二幅值資訊與第一幅值資訊的比值不大於閾值,則步驟1020可以進行到步驟1040。
在步驟1030中,對第二時間視窗內的肌電信號進行信號校正處理。
在一些實施例中,該步驟可以由處理模組220和/或處理設備110執行。在一些實施例中,處理模組220可以根據步驟1020中的第二幅值資訊與第一幅值資訊的比值與閾值的大小關係的判斷結果,執行對第二時間視窗內的肌電信號進行信號校正處理。例如,在一些實施例中,第二幅值資訊與第一幅值資訊的比值大於閾值,則第二幅值資訊對應的第二時間視窗內的肌電信號為毛刺信號。在一些實施例中,處理第二時間視窗內的肌電信號可以包括基於第二時間視窗之前或之後的特定時間範圍內的肌電信號對第二時間視窗內的肌電信號進行信號校正處理。在一些實施例中,對第二時間視窗內的肌電信號進行信號校正處理的方式可以包括但不限於填充、插值等。在一些實施例中,特定時間範圍可以為5ms-60ms。較佳地,特定時間範圍可以為10ms-50ms。進一步較佳地,特定時間範圍可以為20ms-40ms。需要注意的是,特定時間範圍並不限於上述的範圍,例如,特定時間範圍還可以大於60ms,或小於5ms等其它範圍。在實際應用場景中可以根據毛刺信號的時間長度進行適應性調整。
在步驟1040中,保留第二時間視窗內的肌電信號。
在一些實施例中,該步驟可以由處理模組220和/或處理設備110執行。在一些實施例中,處理模組220可以根據步驟1020中的第二幅值資訊與第一幅值資訊的比值與閾值的大小關係的判斷結果,執行保留第二時間視窗內的肌電信號。例如,在一些實施例中,第二幅值資訊與第一幅值資訊的比值不大於閾值,則第二幅值資訊對應的第二時間視窗內的肌電信號為正常肌電信號,該正常肌電信號可以被保留,即保留第二時間視窗內的肌電信號。
需要說明的是,使用者肌肉發力過程中電荷逐漸累積,肌電信號的幅值是逐漸升高的,因此在不存在毛刺信號的情況下,相鄰的兩個時間視窗(例如,第一時間視窗和第二時間視窗)內的肌電信號幅值不會突變。在一些實施例中,基於流程1000來判斷並去除肌電信號中的毛刺信號可以實現對毛刺信號的即時處理,從而可以使得可穿戴設備130或者行動終端設備140向使用者即時回饋其運動狀態,説明使用者更加科學地進行運動。
在一些實施例中,第一時間視窗對應的時間長度可以大於第二時間視窗對應的時間長度。在一些實施例中,特定視窗對應的特定時間長度可以小於1s。在一些實施例中,第一時間視窗對應的時間長度與第二時間視窗對應的時間長度的比值可以大於2。在一些實施例中,第一時間視窗對應的時間長度、第二時間視窗對應的時間長度、特定視窗對應的特定時間長度的選取,一方面可以保證最短的毛刺信號長度(例如,40ms)可以被去除且具有高信噪比,另一方面可以使得系統的計算量相對較小,減少系統的重複計算,降低時間複雜度,從而可以提高系統的計算效率和計算精準性。
應當注意的是,上述有關流程1000的描述僅僅是為了示例和說明,而不限定本說明書的適用範圍。對於所屬技術領域中具有通常知識者來說,在本說明書的指導下可以對流程1000進行各種修正和改變。例如,上述流程1000僅是奇異點為毛刺信號的示例,當奇異點為波谷信號時,可以對上述各步驟(例如,步驟1010、步驟1020、步驟1030等)及其方案進行調整或採用其他方法進行信號校正處理。然而,這些修正和改變仍在本說明書的範圍之內。
在一些實施例中,對肌電信號的奇異點進行信號校正處理還可以採用其他方法,例如,高通法、低通法、帶通法、小波轉換重構法等。在一些實施例中,對於低頻信號不敏感的應用場景,可以採用100 Hz高通濾波器進行毛刺信號的去除。在一些實施例中,除了對肌電信號進行信號校正處理之外,還可以對肌電信號進行其他方式的信號處理,例如濾波處理、信號放大、相位調節等。在一些實施例中,肌電感測器採集到的使用者肌電信號可以通過類比至數位轉換器(ADC)被轉換成數位肌電信號,轉換後的數位肌電信號可以進行濾波處理,濾波處理可以濾除工頻信號及其諧波信號等。在一些實施例中,對肌電信號的處理還可以包括去除使用者的運動偽跡。這裡的運動偽跡是指在獲取肌電信號過程中,使用者運動時待測位置的肌肉相對於肌電模組發生相對移動而產生的信號雜訊。
在一些實施例中,姿態信號可以由可穿戴設備130上的姿態感測器進行獲取。可穿戴設備130上的姿態感測器可以分佈在人體四肢部位(例如,手臂、腿部等)、人體的軀幹部位(例如,胸部、腹部、背部、腰部等)和人體的頭部等。姿態感測器可以實現人體的四肢部位、軀幹部位等其它部位的姿態信號採集。在一些實施例中,姿態感測器還可以為具有姿態融合演算法的姿態測量單元(AHRS)的感測器。姿態融合演算法可以將具有三軸加速度感測器、三軸角速度感測器、三軸地磁感測器的九軸慣性測量單元(IMU)的資料融合為歐拉角或四元數,以獲取姿態感測器所在使用者身體部位的姿態信號。在一些實施例中,處理模組220和/或處理設備110可以基於姿態信號確定與姿態對應的特徵資訊。在一些實施例中,與姿態信號對應的特徵資訊可以包括但不限於角速度值、角速度方向、角速度的加速度值等。在一些實施例中,姿態感測器可以為應變感測器,應變感測器可以獲取使用者關節處的彎曲方向和彎曲角度,從而獲取使用者運動時的姿態信號。例如,應變感測器可以設置於使用者的膝關節處,當使用者運動時,使用者的身體部位作用於應變感測器,基於應變感測器的電阻或長度變化情況可以計算出使用者膝關節處的彎曲方向和彎曲角度,從而獲取使用者腿部的姿態信號。在一些實施例中,姿態感測器還可以包括光纖傳感器,姿態信號可以由光纖傳感器的光線彎曲後的方向變化來表徵。在一些實施例中,姿態感測器還可以為磁通量感測器,姿態信號可以由磁通量的變化情況進行表徵。需要注意的是,姿態感測器的類型不限於上述的感測器,還可以為其它感測器,能夠獲取使用者姿態信號的感測器均在本說明書的姿態感測器的範圍內。
圖11是根據本發明一些實施例所示的確定與姿態信號對應的特徵資訊的示例性流程圖。如圖11所示,流程1100可以包括:在步驟1110中,獲取目標座標系統以及該目標座標系統與至少一個原始座標系統之間的轉換關係。
在一些實施例中,該步驟可以由處理模組220和/或處理設備110執行。在一些實施例中,原始座標系統是指設置在人體上的姿態感測器對應的座標系統。當使用者使用可穿戴設備130時,可穿戴設備130上的各姿態感測器分佈於人體的不同部位,使得各姿態感測器在人體上的安裝角度不同,而不同部位的姿態感測器分別以各自本體的座標系統作為原始座標系統,因此不同部位的姿態傳感器具有不同的原始座標系統。在一些實施例中,各個姿態感測器獲取的姿態信號可以是在其對應的原始座標系統下的表達。通過將不同原始座標系統下的姿態信號轉化到同一座標系統(例如,目標座標系統)中,便於確定人體不同部位之間的相對運動。在一些實施例中,目標座標系統是指基於人體建立的人體座標系統。例如,目標座標系統中可以將人體軀幹的長度方向(即垂直於人體橫切面的方向)作為Z軸,人體軀幹的前後方向(即垂直於人體冠狀面的方向)作為X軸,人體軀幹的左右方向(即垂直於人體矢狀面的方向)作為Y軸。在一些實施例中,目標座標系統與原始座標系統之間存在轉換關係,通過該轉換關係可以將原始座標系統中的座標資訊轉換為目標座標系統中的座標資訊。在一些實施例中,該轉換關係可以表示為一個或多個旋轉矩陣。關於確定目標座標系統與原始座標系統之間的轉換關係的詳細內容可以參考圖13及說明書中的相關描述。
在步驟1120中,基於轉換關係,將至少一個原始座標系統中的座標資訊轉換為目標座標系統中的座標資訊。
在一些實施例中,該步驟可以由處理模組220和/或處理設備110執行。原始座標系統中的座標資訊是指原始座標系統中三維座標資訊。目標座標系統中的座標資訊是指目標座標系統中三維座標資訊。僅作為示例性說明,原始座標系統中的座標資訊
,根據轉換關係可以將原始座標系統中的座標資訊轉換為目標座標系統中的座標資訊
。具體地,座標資訊
和座標信息
之間可以用旋轉矩陣進行轉換,這裡的旋轉矩陣可以理解為原始座標系統與目標座標系統之間的轉換關係。具體地,原始座標系統中的座標資訊
可以通過第一旋轉矩陣轉換為座標資訊
-1,座標信息
-1通過第二旋轉矩陣可以變為座標資訊
-2,座標信息
-2通過第三旋轉矩陣可以變為座標資訊
-3,座標信息
-3即為目標座標系統中的座標資訊
。需要注意的是,旋轉矩陣不限於上述的第一旋轉矩陣、第二旋轉矩陣和第三旋轉矩陣,還可以包括更少或更多的旋轉矩陣。在一些替代性實施例中,旋轉矩陣還可以為一個旋轉矩陣或多個旋轉矩陣的組合。
在步驟1130中,基於目標座標系統中的座標資訊,確定與姿態信號對應的特徵資訊。
在一些實施例中,該步驟可以由處理模組220和/或處理設備110執行。在一些實施例中,基於目標座標系統中的座標資訊確定與使用者姿態信號對應的特徵資訊可以包括基於使用者運動過程中的目標座標系統中的多個座標資訊確定與使用者姿態信號對應的特徵資訊。例如,使用者進行坐姿夾胸運動時,使用者手臂向前平舉時可以對應目標座標系統中的第一座標資訊,使用者手臂打開到與軀幹在同一平面內時可以對應目標座標系統中的第二座標資訊,基於第一座標資訊和第二座標資訊可以計算與使用者姿態信號對應的特徵資訊。例如,角速度、角速度方向、角速度的加速度值等。
應當注意的是,上述有關流程1100的描述僅僅是為了示例和說明,而不限定本說明書的適用範圍。對於所屬技術領域中具有通常知識者來說,在本說明書的指導下可以對流程1100進行各種修正和改變。然而,這些修正和改變仍在本說明書的範圍之內。
在一些實施例中,還可以通過位於使用者身體不同位置的姿態感測器對應的特徵資訊判斷使用者身體不同運動部位之間的相對運動。例如,通過使用者手臂處的姿態感測器對應的特徵資訊和使用者軀幹部位的姿態感測器對應的特徵資訊,可以判斷使用者運動過程中手臂與軀幹之間的相對運動。圖12是根據本發明一些實施例所示的確定使用者的不同運動部位之間的相對運動的示例性流程圖。如圖12所示,流程1200可以包括:在步驟1210中,基於不同的原始座標系統與目標座標系統的轉換關係,確定至少兩個感測器分別對應的特徵資訊。
在一些實施例中,該步驟可以由處理模組220和/或處理設備110執行。在一些實施例中,不同的感測器由於在人體處的安裝位置不同,感測器對應的原始座標系統與目標座標系統之間具有不同的轉換關係。在一些實施例中,處理設備110可以將使用者不同部位(例如,小臂、大臂、軀幹等)的感測器對應的原始座標系統中的座標資訊分別轉換為目標座標系統中的座標資訊,從而可以分別確定至少兩個感測器對應的特徵資訊。關於原始坐系中的座標資訊轉化為目標座標系統中的座標資訊的相關描述可以在本申請案的其他地方找到,例如,圖11,在此不做贅述。
在步驟1220中,基於至少兩個感測器分別對應的特徵資訊,確定使用者的不同運動部位之間的相對運動。
在一些實施例中,該步驟可以由處理模組220和/或處理設備110執行。在一些實施例中,運動部位可以是指人體上可以獨立運動的肢體,例如,小臂、大臂、小腿、大腿等。僅作為示例性說明,使用者進行手臂舉啞鈴運動時,設置在小臂部位的感測器對應的目標座標系統中的座標資訊和設置在大臂部位的感測器對應的目標座標系統中的座標資訊相結合,可以確定使用者小臂和大臂之間的相對運動,從而可以確定使用者的手臂舉啞鈴動作。
在一些實施例中,使用者的同一運動部位還可以設置多個相同或不同類型的感測器,多個相同或不同類型的感測器對應的原始座標系統中的座標資訊可以分別轉換為目標座標系統中的座標資訊。例如,使用者的小臂部位的不同位置處可以設置多個相同或不同類型感測器,多個相同或不同類型的感測器對應的目標座標系統中的多個座標資訊可以同時表徵使用者小臂部位的運動動作。例如,可以對多個相同類型感測器對應的目標座標系統中的座標資訊求平均值,從而提高使用者運動過程中運動部位的座標資訊的準確性。又例如,可以對多個不同類型感測器對應的座標系統中的座標資訊通過融合演算法(例如,卡爾曼濾波等)獲取目標座標系統中的座標資訊。
應當注意的是,上述有關流程1200的描述僅僅是為了示例和說明,而不限定本說明書的適用範圍。對於所屬技術領域中具有通常知識者來說,在本說明書的指導下可以對流程1200進行各種修正和改變。然而,這些修正和改變仍在本說明書的範圍之內。
圖13是根據本發明一些實施例所示的確定原始座標系統與特定座標系統的轉換關係的示例性流程圖。在一些實施例中,所述確定原始座標系統與特定座標系統的轉換關係的過程也可以叫做標定過程。如圖13所示,流程1300可以包括:在步驟1310中,構建特定座標系統。
在一些實施例中,該步驟可以由處理模組220和/或處理設備110執行。在一些實施例中,至少一個原始座標系統與目標座標系統之間的轉換關係可以通過標定過程獲得。特定座標系統是指在標定過程中,用於確定原始座標系統與目標座標系統之間轉換關係的參考座標系統。在一些實施例中,構建的特定座標系統可以以人體站立時軀幹的長度方向為Z軸,以人體前後方向為X軸,以人體軀幹的左右方向為Y軸。在一些實施例中,特定座標系統與標定過程中使用者的朝向有關。例如,在標定過程中,使用者身體正面朝向某個固定方向(例如,北方),則人體前方(北方)方向即為X軸,在標定過程中,X軸的方向是固定的。
在步驟1320中,獲取使用者處於第一姿勢時至少一個原始座標系統中的第一座標資訊。
在一些實施例中,該步驟可以由獲取模組210執行。第一姿勢可以是使用者保持近似站立的姿勢。獲取模組210(例如,感測器)可以基於使用者的第一姿勢獲取原始座標系統中的第一座標資訊。
在步驟1330中,獲取使用者處於第二姿勢時至少一個原始座標系統中的第二座標資訊。
在一些實施例中,該步驟可以由獲取模組210執行。第二姿勢可以是感測器所在的使用者身體部位(例如,手臂)向前傾斜的姿勢。在一些實施例中,獲取模組210(例如,感測器)可以基於使用者的第二姿勢(例如,向前傾斜姿勢)獲取原始座標系統中的第二座標資訊。
在步驟1340中,根據第一座標資訊、第二座標資訊和特定座標系統確定至少一個原始座標系統與特定座標系統的轉換關係。
在一些實施例中,該步驟可以由處理模組220和/或處理設備110執行。在一些實施例中,可以通過第一姿勢對應的第一座標資訊確定第一旋轉矩陣。在第一姿勢時,由於特定座標系統在ZYX旋轉順序下的X和Y方向歐拉角為0,而原始座標系統的X和Y方向歐拉角不一定為0,那麼第一旋轉矩陣就是將原始座標系統繞著X軸逆向旋轉,然後繞著Y軸逆向旋轉得到的旋轉矩陣。在一些實施例中,可以通過第二姿勢(例如,感測器所在的身體部位前傾)的第二座標資訊確定第二旋轉矩陣。具體地,第二姿勢時,已知特定座標系統在ZYZ旋轉順序下,Y和Z
3方向歐拉角為0,原始座標系統在Y和Z
3方向的歐拉角不一定為0,那麼第二旋轉矩陣就是將原始座標系統繞著Y方向逆向旋轉,然後繞著Z
3方向逆向旋轉得到的旋轉矩陣。通過上述第一旋轉矩陣和第二旋轉矩陣可以確定原始座標系統和特定座標系統之間的轉換關係。在一些實施例中,當原始座標系統(感測器)為多個時,可以採用上述的方法確定每一個原始座標系統與特定座標系統之間的轉換關係。
需要說明的是,上述的第一姿勢不限於使用者保持近似站立的姿勢,第二姿勢不局限於感測器所在的使用者身體部位(例如,手臂)向前傾斜的姿勢,這裡的第一姿勢和第二姿勢可以近似視為在標定過程中靜止的姿勢。在一些實施例中,第一姿勢和/或第二姿勢也可以是標定過程中動態的姿勢。例如,使用者走路的姿勢是一個相對固定的姿勢,可以提取走路過程中雙臂、雙腿、雙腳的角度和角速度,識別出向前邁步、向前擺臂等動作,使用者向前走路的姿勢可以作為標定過程中的第二姿勢。在一些實施例中,第二姿勢不限於一個動作,還可以提取多個動作作為第二姿勢。例如,將多個動作的座標資訊進行融合,從而得到更加精確的旋轉矩陣。
在一些實施例中,在標定過程中,可以使用一些信號處理演算法(比如使用卡爾曼濾波演算法)動態糾正旋轉矩陣,以得到在整個標定過程中較優的轉換矩陣。
在一些實施例中,可以使用機器學習演算法,或者其他演算法對一些特定的動作進行自動識別,以對旋轉矩陣進行即時更新。例如,通過機器學習演算法識別出當前使用者正在走路,或者正在站立,則自動開始標定過程,在這種情況下,穿戴設備並不再需要顯式標定過程,旋轉矩陣會在使用者使用穿戴設備的過程中進行動態更新。
在一些實施例中,姿態感測器的安裝位置可以相對固定,相應的演算法內部可以先預設一個旋轉矩陣,可以使得特定動作的識別過程更加準確。進一步地,在使用者使用穿戴設備的過程中繼續對旋轉矩陣進行修正,使獲得的旋轉矩陣更加貼近真實狀況。
應當注意的是,上述有關流程1300的描述僅僅是為了示例和說明,而不限定本說明書的適用範圍。對於所屬技術領域中具有通常知識者來說,在本說明書的指導下可以對流程1300進行各種修正和改變。然而,這些修正和改變仍在本說明書的範圍之內。
圖14是根據本發明一些實施例所示的確定原始座標系統與目標座標系統之間的轉換關係的示例性流程圖。如圖14所示,流程1400可以包括:在步驟1410中,獲取特定座標系統與目標座標系統的轉換關係。
在一些實施例中,該步驟可以由處理模組220和/或處理設備110執行。特定座標系統與目標座標系統都是以人體軀幹的長度方向為Z軸,因此通過特定座標系統的X軸與目標座標系統的X軸的轉換關係以及特定座標系統的Y軸與目標座標系統的Y軸之間的轉換關係,可以獲取特定座標系統與目標座標系統之間的轉換關係。關於獲取特定座標關係與目標座標系統之間的轉換關係的原理可以參考圖13及其相關內容。
在一些實施例中,特定座標系統可以以人體軀幹的長度方向為Z軸,人體前後方向為標定的X軸。由於使用者在運動(例如,轉體運動)的過程中使用者身體的前後方向會發生變化而不能保持在標定的座標系統中,因此需要確定一個可以隨著人體轉動的座標系統,即目標座標系統。在一些實施例中,目標座標系統可以隨著使用者的朝向變化而變化,目標座標系統的X軸始終是人體軀幹的正前方。
在步驟1420中,根據至少一個原始座標系統與特定座標系統的轉換關係,以及特定座標系統與目標座標系統的轉換關係,確定至少一個原始座標系統與目標座標系統之間的轉換關係。
在一些實施例中,該步驟可以由處理模組220和/或處理設備110執行。在一些實施例中,處理設備110可以根據流程1300中確定的至少一個原始座標系統與特定座標系統之間的轉換關係,以及步驟1410中確定的特定座標系統與目標座標系統之間的轉換關係,確定至少一個原始座標系統與目標座標系統之間的轉換關係,從而可以將原始座標系統中的座標資訊轉化為目標座標系統中的座標資訊。
應當注意的是,上述有關流程1400的描述僅僅是為了示例和說明,而不限定本說明書的適用範圍。對於所屬技術領域中具有通常知識者來說,在本說明書的指導下可以對流程1400進行各種修正和改變。然而,這些修正和改變仍在本說明書的範圍之內。
在一些實施例中,可穿戴設備130上設置的姿態感測器的位置可能發生變化和/或姿態感測器在人體上的安裝角度不同,則使用者進行相同的運動,姿態感測器返回的姿態資料可以有較大的差別。
圖15A是根據本發明一些實施例所示的人體小臂位置處原始座標系統中的歐拉角資料的示例性向量座標圖。框線部分可以表示使用者做同一動作時小臂位置處對應的原始座標系統中的歐拉角資料(座標資訊)。如圖15A所示,框線部分內Z軸方向(圖15A中以“Z”示出)的歐拉角向量結果近似在-180
-(-80
)的範圍內,Y軸方向(圖15A中以“Y”示出)的歐拉角向量結果近似在0
上下波動,X軸方向(圖15A中以“X”示出)的歐拉角向量結果近似在-80
上下波動。這裡的波動範圍可以是20
。
圖15B是根據本發明一些實施例所示的人體小臂位置另一處原始座標系統中的歐拉角資料的示例性向量座標圖。框線部分可以表示使用者做同一動作(與圖15A所示的動作相同的動作)時小臂位置另一處對應的原始座標系統中的歐拉角資料。如圖15B所示,框線部分內Z軸方向(圖15B中以“
”示出)的歐拉角向量結果近似在-180
-180
的範圍內,Y軸方向(圖15B中以“
”示出)的歐拉角向量結果近似在0
上下波動,X軸方向(圖15B中以“
”示出)的歐拉角向量結果近似在-150
上下波動。這裡的波動範圍可以是20
。
圖15A和圖15B所示的歐拉角資料是基於人體小臂不同位置處(也可以理解為姿態感測器在人體小臂位置處的安裝角度不同),使用者做同一動作時分別得到的原始座標系統中的歐拉角資料(座標資訊)。對比圖15A和圖15B可以看出,姿態感測器在人體上安裝角度的不同,使用者做相同的動作時,姿態感測器返回的原始座標系統中的歐拉角資料的差別可以較大。例如,圖15A中Z軸方向的歐拉角向量結果近似在-180
-(-80
)的範圍內,圖15B中Z軸方向的歐拉角向量結果近似在-180
-180
的範圍內,二者差別較大。
在一些實施例中,可以將不同安裝角度的感測器對應的原始座標系統中的歐拉角資料轉換為目標座標系統中的歐拉角資料,從而便於對不同位置感測器的姿態信號進行分析。僅作為示例性說明,可以將左臂所在的直線抽象為一個從手肘指向手腕的單位向量,該單位向量是在目標座標系統內的座標值。這裡的目標座標系統定義為指向人體後方的軸為X軸,指向人體右側的軸為Y軸,指向人體的上方的軸為Z軸,符合右手座標系統。例如,目標座標系統中的座標值 [-1,0,0]表示手臂向前平舉;目標座標系統的座標值 [0,-1,0]表示手臂向左側平舉。圖16A是根據本發明一些實施例所示的人體小臂位置處目標座標系統中的歐拉角資料的示例性向量座標圖。圖16A是基於圖15A中小臂在原始座標的歐拉角資料轉換為目標座標系統中的向量座標後獲取的曲線圖,其中,框線部分可以表示使用者做一動作時小臂位置處的目標座標系統中的歐拉角資料。如圖16A所示,框線部分內小臂向量[x,y,z]在第一位置和第二位置之間往復運動,其中第一位置是[0.2,-0.9,-0.38],第二位置是[0.1,-0.95,-0.3]。需要注意的是,小臂的每一次往復運動,第一位置和第二位置會有小幅度的偏差。
圖16B是根據本發明一些實施例所示的人體小臂位置另一處的目標座標系統中的歐拉角資料的示例性向量座標圖。圖16B是基於圖15B中小臂在原始座標的歐拉角資料轉換為目標座標系統中的向量座標後獲取的曲線圖,其中,框線部分可以表示使用者做同一動作(與圖16A所示的動作相同的動作)時小臂位置另一處的目標座標系統中的歐拉角資料。如圖16B所示,小臂向量[x,y,z]同樣在第一位置和第二位置之間往復運動,其中第一位置是[0.2,-0.9,-0.38],第二位置是[0.1,-0.95,-0.3]。
結合圖15A至圖16B,從圖15A和15B中可以看出,由於兩個姿態感測器的安裝位置不同,原始座標系統下的歐拉角在取值範圍和波動形式上有著很大的區別,將兩個姿態感測器對應的原始座標系統的座標資訊分別轉換為目標座標系統對應的向量座標(例如,圖16A和16B中的向量座標)後,可以得到兩個近似相同的向量座標,也就是說這種方法可以使得與姿態信號對應的特徵資訊不受到感測器安裝位置的影響。具體地,在圖16A和圖16B中可以看出兩個姿態感測器在小臂上的安裝位置不同,經過上述座標轉換後,得到了相同的向量座標,即能夠表徵在坐姿夾胸過程中,手臂在狀態一(手臂向右平舉)和狀態二(手臂向前平舉)兩個狀態之間往復切換的過程。
圖17是根據本發明一些實施例所示的肢體向量在目標座標系統中的向量座標圖。如圖17所示,從上至下可以分別表示人體左手小臂(17-1)、右手小臂(17-2)、左手大臂(17-3),右手大臂(17-4),軀幹(17-5)位置處姿態感測器在目標座標系統中的向量座標。圖17中示出了人體運動時各個位置(例如,17-1、17-2、17-3、17-4、17-5)在目標座標系統中的向量座標。圖17中前4200個點是對肢體進行標定所需要的標定動作,比如站立,軀幹前行,手臂前伸,手臂側平舉等。使用前4200個點對應的標定動作進行標定,可以將姿態感測器採集到的原始資料轉換為目標座標系統下的歐拉角。為了便於對資料進行分析,可以進一步轉換為手臂向量在目標座標系統下的座標向量。這裡的目標座標系統是指向軀幹前方是X軸,指向軀幹左側是Y軸,指向軀幹上方是Z軸。圖17中的往復性動作從左到右的動作1、動作2、動作3、動作4、動作5、動作6分別是坐姿夾胸、高位下拉、坐姿推胸、坐姿推肩、槓鈴二頭彎舉、坐姿夾胸。從圖17中可以看出,不同的動作有不同的動作模式,可以使用肢體向量很清晰的識別出來。同時,相同的動作也有很好的可重複性,比如動作1和動作6均表示坐姿夾胸動作,這兩段動作的曲線有著較好的重複性。
在一些實施例中,原始座標系統的模組直接輸出的姿態資料(例如,歐拉角、角速度等)可以通過流程1300和1400轉換為目標座標系統中的姿態資料,從而可以得到高一致性的姿態資料(例如,歐拉角、角速度、肢體向量座標等)。
圖18A是根據本發明一些實施例所示的原始角速度的示例性向量座標圖。原始角速度可以理解為將不同安裝角度的感測器對應的原始座標系統中的歐拉角資料轉換為目標座標系統中的歐拉角資料。在一些實施例中,使用者運動過程中的抖動等因素會影響姿態資料中角速度的結果。如圖18A所示,原始角速度在抖動等的影響下,其向量座標曲線呈現出較為明顯的不平滑曲線。例如,原始角速度的向量座標曲線中存在突變信號,使得原始角速度的向量座標曲線不平滑。在一些實施例中,針對抖動等對角速度結果的影響,需要對抖動的角速度進行修正得到平滑的向量座標曲線。在一些實施例中,可以採用1 Hz-3 Hz低通濾波方法對原始角速度進行濾波處理。圖18B是根據本發明一些實施例所示的濾波處理後的角速度的示例性結果圖。如圖18B所示,對原始角速度進行1Hz-3Hz的低通濾波處理後,可以消除抖動等對角速度的影響(例如,突變信號),使得角速度對應的向量座標圖可以呈現出較為平滑的曲線。在一些實施例中,對角速度進行1Hz-3Hz的低通濾波處理可以有效地規避抖動等對姿態資料(例如,歐拉角、角速度等)的影響,更加便於後續對信號分段的過程。在一些實施例中,濾波處理還可以濾除動作信號中的工頻信號及其諧波信號、毛刺信號等。需要說明的是,1 Hz-3 Hz的低通濾波處理會引入系統時間延遲,使得姿態信號獲取的動作點與真實肌電信號的動作點有時間上的錯位,因此在低通濾波處理後的向量座標曲線的基礎上減去低通濾波處理過程中產生的系統時間延遲,保證姿態信號和肌電信號在時間上的同步。在一些實施例中,系統時間延遲與濾波器的中心頻率相關聯,當姿態信號和肌電信號採用不同的濾波器進行處理時,系統時間延遲根據濾波器的中心頻率做適應性調整。在一些實施例中,由於歐拉角的角度範圍為[-180°,+180°],當實際歐拉角不在這個角度範圍內時,獲取的歐拉角可能會有-180°到+180°或+180°到-180°的跳變。例如,當角度為-181°時,歐拉角的角度會跳變為179°。在實際應用過程中跳變會影響角度差值的計算,需要先對跳變進行修正。
在一些實施例中,還可以利用動作識別模型對使用者的動作信號或者動作信號對應的特徵資訊進行分析,從而識別出使用者動作。在一些實施例中,動作識別模型包括經過訓練的用來識別使用者動作的機器學習模型。在一些實施例中,動作識別模型可以包括一個或多個機器學習模型。在一些實施例中,動作識別模型可以包括但不限於對使用者動作信號進行分類的機器學習模型、識別使用者動作品質的機器學習模型、識別使用者動作次數的機器學習模型、識別使用者執行動作的疲勞程度的機器學習模型中的一個或多個。在一些實施例中,機器學習模型可以包括線性分類模型(LR)、支援向量機模型(SVM)、樸素貝葉斯模型(NB)、K近鄰模型(KNN)、決策樹模型(DT)、集成模型(RF/GDBT等)等中的一種或多種。關於動作識別模型的內容可以參考說明書和圖式其它地方的內容,例如圖20及其相關描述。
圖19是根據本發明一些實施例所示的運動監控和回饋方法的示例性流程圖。如圖19所示,流程1900可以包括:在步驟1910中,獲取使用者運動時的動作信號。
在一些實施例中,該步驟可以由獲取模組210執行。在一些實施例中,動作信號至少包括與肌電信號對應的特徵資訊和與姿態信號對應的特徵資訊。動作信號是指使用者運動時的人體參數資訊。在一些實施例中,人體參數資訊可以包括但不限於肌電信號、姿態信號、心率信號、溫度信號、濕度信號、血氧濃度等中的一種或多種。在一些實施例中,動作信號可以至少包括肌電信號和姿態信號。在一些實施例中,獲取模組210中的肌電感測器可以採集使用者運動時的肌電信號,獲取模組210中的姿態感測器可以採集使用者運動時的姿態信號。
在步驟1920中,通過動作識別模型,基於所述動作信號對使用者的運動動作進行監控,並基於動作識別模型的輸出結果進行動作回饋。
在一些實施例中,該步驟可以由處理模組220和/或處理設備110執行。在一些實施例中,動作識別模型的輸出結果可以包括但不限於動作類型、動作品質、動作數量、疲勞指數等中的一種或多種。例如,動作識別模型可以根據動作信號識別使用者的動作類型為坐姿夾胸。又例如,動作識別模型中的一個機器學習模型可以根據動作信號先識別使用者的動作類型為坐姿夾胸,動作識別模型中的另一個機器學習模型可以根據動作信號(例如,肌電信號的幅值資訊、頻率資訊和/或姿態信號的角速度、角速度方向、角速度的加速度值)來輸出使用者動作的動作品質為標準動作或錯誤動作。在一些實施例中,動作回饋可以包括發出提示資訊。在一些實施例中,提示資訊可以包括但不限於語音提示、文字提示、圖像提示、視頻提示等。例如,動作識別模型的輸出結果為錯誤動作,處理設備110可以控制可穿戴設備130或行動終端設備140向使用者發出語音提示(例如,“動作不符合規範”等資訊),用以提醒使用者及時調整健身動作。又例如,動作識別模型的輸出結果為標準動作,可穿戴設備130或行動終端設備140可以不發出提示資訊,或者發生“動作標準”類似的提示資訊。在一些實施例中,動作回饋也可以包括可穿戴設備130刺激使用者運動的相應部位。例如,可穿戴設備130的元件通過振動回饋、電刺激回饋、壓力回饋等方式刺激使用者動作的對應部位。例如,動作識別模型的輸出結果為錯誤動作,處理設備110可以控制可穿戴設備130的元件刺激使用者運動的相應部位。在一些實施例中,動作回饋還可以包括輸出使用者運動時的運動記錄。這裡的運動記錄可以是指使用者動作類型、運動時間長度、動作數量、動作品質、疲勞指數、運動時的生理參數資訊等中的一個或多個。關於動作識別模型的內容可以參考本申請案其他地方的描述,在此不做贅述。
應當注意的是,上述有關流程1900的描述僅僅是為了示例和說明,而不限定本說明書的適用範圍。對於所屬技術領域中具有通常知識者來說,在本說明書的指導下可以對流程1900進行各種修正和改變。然而,這些修正和改變仍在本說明書的範圍之內。
圖20是根據本發明一些實施例所示的模型訓練的應用的示例性流程圖。如圖20所示,流程2000可以包括:在步驟2010中,獲取樣本資訊。
在一些實施例中,該步驟可以由獲取模組210執行。在一些實施例中,樣本資訊可以包括專業人員(例如,健身教練)和/或非專業人員運動時的動作信號。例如,樣本資訊可以包括專業人員和/或非專業人員在進行同種類型的動作(例如,坐姿夾胸)時產生的肌電信號和/或姿態信號。在一些實施例中,樣本資訊中的肌電信號和/或姿態信號可以經過流程700的分段處理、流程900的毛刺處理和流程1300的轉換處理等,形成至少一段肌電信號和/或姿態信號。該至少一段肌電信號和/或姿態信號可以作為機器學習模型的輸入來對機器學習模型進行訓練。在一些實施例中,至少用一段與肌電信號對應的特徵資訊和/或與姿態信號對應的特徵資訊也可以作為機器學習模型的輸入來對機器學習模型進行訓練。例如,可以將肌電信號的頻率資訊和幅值資訊作為機器學習模型的輸入。又例如,可以將姿態信號的角速度、角速度方向/角速度的加速度值作為機器學習模型的輸入。再例如,可以將動作信號的動作開始點、動作中間點和動作結束點作為機器學習模型的輸入。在一些實施例中,樣本資訊可以是從處理設備110的存放裝置中得到的。在一些實施例中,樣本資訊可以是從獲取模組210中得到的。
在步驟2020中,訓練動作識別模型。
該步驟可以由處理設備110執行。在一些實施例中,動作識別模型可以包括一個或多個機器學習模型。例如,動作識別模型可以包括但不限於對使用者動作信號進行分類的機器學習模型、識別使用者動作品質的機器學習模型、識別使用者動作次數的機器學習模型、識別使用者執行動作的疲勞程度的機器學習模型中的一個或多個。在一些實施例中,機器學習模型可以包括線性分類模型(LR)、支援向量機模型(SVM)、樸素貝葉斯模型(NB)、K近鄰模型(KNN)、決策樹模型(DT)、集成模型(RF/GDBT等)等中的一種或多種。
在一些實施例中,對機器學習模型的訓練可以包括獲取樣本資訊。在一些實施例中,樣本資訊可以包括專業人員(例如,健身教練)和/或非專業人員運動時的動作信號。例如,樣本資訊可以包括專業人員和/或非專業人員在進行同種類型的動作(例如,坐姿夾胸)時產生的肌電信號和/或姿態信號。在一些實施例中,樣本資訊中的肌電信號和/或姿態信號可以經過流程700的分段處理、流程900的毛刺處理和流程1300的轉換處理等,形成至少一段肌電信號和/或姿態信號。該至少一段肌電信號和/或姿態信號可以作為機器學習模型的輸入來對機器學習模型進行訓練。在一些實施例中,至少用一段與肌電信號對應的特徵資訊和/或與姿態信號對應的特徵資訊也可以作為機器學習模型的輸入來對機器學習模型進行訓練。例如,可以將肌電信號的頻率資訊和幅值資訊作為機器學習模型的輸入。又例如,可以將姿態信號的角速度、角速度方向/角速度的加速度值作為機器學習模型的輸入。再例如,可以將動作信號的動作開始點、動作中間點和/或動作結束點對應的信號(包括肌電信號和/或姿態信號)作為機器學習模型的輸入。
在一些實施例中,訓練識別使用者動作類型的機器學習模型時,可以將來自不同動作類型的樣本資訊(每段肌電信號或/姿態信號)進行打標籤處理。例如,樣本資訊來自使用者執行坐姿夾胸時產生的肌電信號和/或姿態信號可以標記為“1”,這裡的“1”用於表徵“坐姿夾胸”;樣本資訊來自使用者執行二頭彎舉時產生的肌電信號和/或姿態信號可以標記為“2”,這裡的“2”用於表徵“二頭彎舉”。不同動作類型對應的肌電信號的特徵資訊(例如,頻率資訊、幅值資訊)、姿態信號的特徵資訊(例如,角速度、角速度方向、角速度的角速度值)不同,將打標籤的樣本資訊(例如,樣本資訊中的與肌電信號和/或姿態信號對應的特徵資訊)作為機器學習模型的輸入來對機器學習模型進行訓練,可以得到用於識別使用者動作類型的動作識別模型,在該機器學模型中輸入動作信號可以輸出對應的動作類型。
在一些實施例中,動作識別模型還可以包括用於判斷使用者動作品質的機器學習模型。這裡的樣本資訊可以包括標準動作信號(也被稱為正樣本)和非標準動作信號(也被稱為負樣本)。標準動作信號可以包括專業人員執行標準動作時產生的動作信號。例如,專業人員在進行標準的坐姿夾胸運動時產生的動作信號為標準動作信號。非標準動作信號可以包括使用者執行非標準動作(例如,錯誤動作)產生的動作信號。在一些實施例中,樣本資訊中的肌電信號和/或姿態信號可以經過流程700的分段處理、流程900的毛刺處理和流程1300的轉換處理等,形成至少一段肌電信號和/或姿態信號。該至少一段肌電信號和/或姿態信號可以作為機器學習模型的輸入來對機器學習模型進行訓練。在一些實施例中,可以將樣本資訊(每段肌電信號或/姿態信號)中的正樣本和負樣本進行打標籤處理。例如,正樣本標記為“1”,負樣本標記為“0”。這裡的“1”用於表徵使用者的動作為標準動作,這裡的“0”用於表徵使用者的動作為錯誤動作。完成訓練的機器學習模型可以根據輸入的樣本資訊(例如,正樣本,負樣本)輸出不同的標籤。需要注意的是,動作識別模型可以包括一個或多個用於分析識別使用者動作品質的機器學習模型,不同的機器學習模型可以分別分析識別來自不同動作類型的樣本資訊。
在一些實施例中,動作識別模型還可以包括識別使用者健身動作的動作數量的模型。例如,將樣本資訊中的動作信號(例如,肌電信號和/或姿態信號)經過流程700的分段處理,得到至少一組動作開始點、動作中間點、動作結束點,對每組的動作開始點、動作中間點和動作結束點分別進行標記,比如,動作開始點標記為1,動作中間點標記為2、動作結束點標記為3,將標記作為機器學習模型的輸入,在機器學習模型中輸入一組連續的“1”、“2”、“3”可以輸出1次動作。例如,在機器學習模型中輸入3組連續的“1”、“2”、“3”可以輸出3次動作。
在一些實施例中,動作識別模型還可以包括用於識別使用者疲勞指數的機器學習模型。這裡的樣本資訊還可以包括心電信號、呼吸頻率、溫度信號、濕度信號等其他生理參數信號。例如,心電信號的不同頻率範圍可以作為機器學習模型的輸入資料,心電信號的頻率在60次/min-100次/min標記為“1”(正常),小於60次/min或大於100次/min標記為“2”(不正常)。在一些實施例中,還可以根據使用者的心電信號頻率進行進一步分段並標記不同的指數作為輸入資料,完成訓練的機器學習模型可以根據心電信號的頻率輸出對應的疲勞指數。在一些實施例中,還可以結合呼吸頻率、溫度信號等生理參數信號訓練該機器學習模型。在一些實施例中,樣本資訊可以是從處理設備110的存放裝置中得到的。在一些實施例中,樣本資訊可以是從獲取模組210中得到的。需要注意的是,動作識別模型可以為上述任一一個機器學習模型,也可以為上述多個機器學習模型的組合,或者包括其它的機器學習模型,可以根據實際情況進行選擇。另外,對機器學習模型的訓練輸入不限於一段(一個週期)的動作信號,還可以是一段信號中的部分動作信號,或者多段動作信號等。
在步驟2030中,提取動作識別模型。
在一些實施例中,該步驟可以由處理設備110執行。在一些實施例中,處理設備110和/或處理模組220可以提取動作識別模型。在一些實施例中,動作識別模型可以儲存至處理設備110、處理模組220或行動終端中。
在步驟2040中,獲取使用者動作信號。
在一些實施例中,該步驟可以由獲取模組210執行。例如,在一些實施例中,獲取模組210中的肌電感測器可以獲取使用者的肌電信號,獲取模組210中的姿態感測器可以採集使用者的姿態信號。在一些實施例中,使用者動作信號還可以包括使用者運動時的心電信號、呼吸信號、溫度信號、濕度信號等其他生理參數信號。在一些實施例中,獲取使用者動作信號之後可以對動作信號(例如,肌電信號和/或姿態信號)進行流程700的分段處理、流程900的毛刺處理和流程1300的轉換處理等,形成至少一段肌電信號和/或姿態信號。
在步驟2050中,通過動作識別模型,基於使用者動作信號判斷使用者動作。
該步驟可以由處理設備110和/或處理模組220執行。在一些實施例中,處理設備110和/或處理模組220可以基於動作識別模型判斷使用者動作。在一些實施例中,完成訓練的動作識別模型可以包括一個或多個機器學習模型。在一些實施例中,動作識別模型可以包括但不限於對使用者動作信號進行分類的機器學習模型、識別使用者動作品質的機器學習模型、識別使用者動作次數的機器學習模型、識別使用者執行動作的疲勞指數的機器學習模型中的一個或多個。不同的機器學習模型可以具有不同的識別效果。例如,對使用者動作信號進行分類的機器學習模型可以以使用者的動作信號作為輸入資料進而輸出相應的動作類型。又例如,識別使用者動作品質的機器學習模型可以以使用者的動作信號作為輸入資料進而輸出動作的品質(例如,標準動作、錯誤動作)。再例如,識別使用者執行動作的疲勞指數的機器學習模型可以以使用者的動作信號(比如,心電信號頻率)作為輸入資料進而輸出使用者的疲勞指數。在一些實施例中,使用者動作信號和機器學習模型的判斷結果(輸出)也可以作為訓練動作識別模型的樣本資訊,對動作識別模型進行訓練,以優化動作識別模型的相關參數。需要注意的是,動作識別模型不限於上述經過訓練的機器學習模型,還可以為預先設定的模型,例如,人工預先設定的條件判斷演算法或在經過訓練的機器學習模型的基礎上人工增加參數(例如,置信度)等。
在步驟2060中,基於判斷結果對使用者動作進行回饋。
在一些實施例中,該步驟可以由可穿戴設備130和/或行動終端設備140執行。進一步地,處理設備110和/或處理模組220基於使用者動作的判斷結果向可穿戴設備130和/或行動終端設備140發出回饋指令,可穿戴設備130和/或行動終端設備140基於回饋指令對使用者進行回饋。在一些實施例中,回饋可以包括發出提示資訊(例如,文字資訊、圖片資訊、視頻資訊、語音資訊、指示燈資訊等)和/或執行相應動作(電流刺激、振動、壓力變化、熱量變化等方式)刺激使用者身體。例如,使用者進行仰臥起坐動作時,通過對其動作信號進行監控,判斷出其在運動過程中斜方肌用力過大(也就是說使用者在運動過程中頭部和頸部的動作不標準),在這種情況下可穿戴設備130中的輸入/輸出模組260(例如,震動提示器)和行動終端設備140(例如,智慧手錶、智慧手機等)執行相應的回饋動作(例如,在使用者身體部位施加振動,發出語音提示等)以提示使用者及時調整發力部位。在一些實施例中,在使用者運動過程中,通過對使用者運動過程中的動作信號進行監控,判斷出使用者在運動過程的動作類型、動作品質、動作次數,行動終端設備140可以輸出相應的運動記錄,以便使用者瞭解自己在運動過程中的運動情況。
在一些實施例中,對使用者進行回饋時,回饋可以與使用者感知相匹配。例如,使用者動作不標準時對使用者動作相應的區域進振動刺激,使用者基於振動刺激可以知曉動作不標準,而振動刺激在使用者可接受的範圍內。進一步地,可以基於使用者動作信號與使用者感知建立匹配模型,在使用者感知和真實回饋之間尋找最佳平衡點。
在一些實施例中,還可以根據使用者動作信號訓練動作識別模型。在一些實施例中,根據使用者動作信號訓練動作識別模型可以包括對使用者動作信號進行評估確定使用者動作信號的置信度。置信度的大小可以表示使用者動作信號的品質。例如,置信度越高,使用者動作信號的品質越好。在一些實施例中,對使用者動作信號進行評估可以是在採集動作信號、預處理、分段和/或識別等階段進行。
在一些實施例中,根據使用者動作信號訓練動作識別模型還可以包括判斷置信度是否大於置信度閾值(例如,80),若置信度大於或等於置信度閾值,則基於該置信度對應的使用者動作信號作為樣本資料訓練動作識別模型;若置信度小於置信度閾值,則該置信度對應的使用者動作信號不作為樣本資料訓練動作識別模型。在一些實施例中,置信度可以包括但不限於採集動作信號、信號預處理、信號分段或信號識別等任意一個階段的置信度。例如,以獲取模組210採集到的動作信號的置信度作為判斷標準。在一些實施例中,置信度可以還可以是採集動作信號、信號預處理、信號分段或信號識別等任意幾個階段的聯合置信度。聯合置信度可以基於每個階段的置信度並採用平均或加權等方式進行計算。在一些實施例中,根據使用者動作信號訓練動作識別模型可以是即時、定期(例如,一天、一周、一個月等)或滿足一定資料量進行訓練。
應當注意的是,上述有關流程2000的描述僅僅是為了示例和說明,而不限定本說明書的適用範圍。對於所屬技術領域中具有通常知識者來說,在本說明書的指導下可以對流程2000進行各種修正和改變。然而,這些修正和改變仍在本說明書的範圍之內。
上文已對基本概念做了描述,顯然,對於所屬技術領域中具有通常知識者來說,上述詳細揭露僅僅作為示例,而並不構成對本發明的限定。雖然此處並沒有明確說明,所屬技術領域中具有通常知識者可能會對本發明進行各種修改、改進和修正。該類修改、改進和修正在本發明中被建議,所以該類修改、改進、修正仍屬於本發明示範實施例的精神和範圍。
同時,本申請案使用了特定詞語來描述本發明的實施例。如“一個實施例”、“一實施例”、和/或“一些實施例”意指與本發明至少一個實施例相關的某一特徵、結構或特點。因此,應強調並注意的是,本說明書中在不同位置兩次或多次提及的“一實施例”或“一個實施例”或“一個替代性實施例”並不一定是指同一實施例。此外,本發明的一個或多個實施例中的某些特徵、結構或特點可以進行適當的組合。
此外,所屬技術領域中具有通常知識者可以理解,本發明的各種態樣可以通過若干具有可專利性的種類或情況進行說明和描述,包括任何新的和有用的工序、機器、產品或物質的組合,或對他們的任何新的和有用的改進。相應地,本發明的各個態樣可以完全由硬體執行、可以完全由軟體(包括韌體、常駐軟體、微碼等)執行、也可以由硬體和軟體組合執行。以上硬體或軟體均可被稱為“資料塊”、“模組”、“引擎”、“單元”、“元件”或“系統”。此外,本發明的各種態樣可能表現為位於一個或多個電腦可讀取媒體中的電腦產品,該產品包括電腦可讀取程式編碼。
電腦儲存媒體可能包含一個內含有電腦程式編碼的傳播資料信號,例如在基帶上或作為載波的一部分。該傳播信號可能有多種表現形式,包括電磁形式、光形式等,或合適的組合形式。電腦儲存媒體可以是除電腦可讀取儲存媒體之外的任何電腦可讀取媒體,該媒體可以通過連接至一個指令執行系統、裝置或設備以實現通訊、傳播或傳輸供使用的程式。位於電腦儲存媒體上的程式編碼可以通過任何合適的媒體進行傳播,包括無線電、電纜、光纖電纜、RF、或類似媒體,或任何上述媒體的組合。
本發明各部分操作所需的電腦程式編碼可以用任意一種或多種程式語言編寫,包括物件導向程式設計語言如Java、Scala、Smalltalk、Eiffel、JADE、Emerald、C++、C#、VB.NET、Python等,常規程式化程式設計語言如C語言、Visual Basic、Fortran 2003、Perl、COBOL 2002、PHP、ABAP,動態程式設計語言如Python、Ruby和Groovy,或其他程式設計語言等。該程式編碼可以完全在使用者電腦上運行、或作為獨立的套裝軟體在使用者電腦上運行、或部分在使用者電腦上運行部分在遠端電腦運行、或完全在遠端電腦或處理設備上運行。在後種情況下,遠端電腦可以通過任何網路形式與使用者電腦連接,比如區域網路(LAN)或廣域網路(WAN),或連接至外部電腦(例如通過網際網路),或在雲端計算環境中,或作為服務使用如軟體即服務(SaaS)。
此外,除非申請專利範圍中明確說明,本發明所述處理元素和序列的順序、數字字母的使用、或其他名稱的使用,並非用於限定本發明流程和方法的順序。儘管上述揭露中通過各種示例討論了一些目前認為有用的發明實施例,但應當理解的是,該類細節僅達到說明的目的,附加的申請專利範圍並不僅限於揭露的實施例,相反地,申請專利範圍旨在覆蓋所有符合本發明實施例實質和範圍的修正以及均等的組合。例如,雖然以上所描述的系統元件可以通過硬體設備實現,但是也可以只通過軟體的解決方案得以實現,如在現有的處理設備或行動設備上安裝所描述的系統。
同理,應當注意的是,為了簡化本發明揭露的表述,從而幫助對一個或多個發明實施例的理解,前文對本發明實施例的描述中,有時會將多種特徵歸併至一個實施例、附圖或對其的描述中。但是,這種揭露方法並不意味著本發明物件所需要的特徵比申請專利範圍中提及的特徵多。實際上,實施例的特徵要少於上述揭露的單個實施例的全部特徵。
一些實施例中使用了描述成分、屬性數量的數字,應當理解的是,此類用於實施例描述的數字,在一些示例中使用了修飾詞“大約”、“近似”或“大體上”來修飾。除非另外說明,“大約”、“近似”或“大體上”表明所述數字允許有±20%的變化。相應地,在一些實施例中,說明書和申請專利範圍中使用的數值參數均為近似值,該近似值根據個別實施例所需特點可以發生改變。在一些實施例中,數值參數應考慮規定的有效位數並採用一般位數保留的方法。儘管本發明一些實施例中用於確認其範圍廣度的數值域和參數為近似值,在具體實施例中,此類數值的設定在可行範圍內盡可能精確。
針對本申請案引用的每個專利、專利申請案、專利申請案的公開本和其他材料,如文章、書籍、說明書、出版物、文件等,特此將其全部內容併入本發明作為參考。與本發明內容不一致或產生衝突的申請歷史文件除外,對本申請案申請專利範圍最廣範圍有限制的文件(當前或之後附加於本申請案中的)也除外。需要說明的是,如果本申請案附屬材料中的描述、定義、和/或術語的使用與本申請案所述內容有不一致或衝突的地方,以本申請案的描述、定義和/或術語的使用為準。
最後,應當理解的是,本申請案中所述實施例僅用以說明本發明實施例的原則。其他的變形也可能屬於本發明的範圍。因此,作為示例而非限制,本發明實施例的替代配置可視為與本發明的教導一致。相應地,本發明的實施例不僅限於本申請案明確介紹和描述的實施例。
100:運動監控系統
110:處理設備
120:網路
120-1、120-2:基站和/或網際網路交換點
130:可穿戴設備
130-1:上衣裝置
130-2:褲子裝置
130-3:護腕裝置
130-4:鞋子
140:行動終端設備
140-1:行動裝置
140-2:平板電腦
140-3:筆記型電腦
210:獲取模組
220:處理模組(處理器)
230:控制模組(主控、MCU、控制器)
240:通訊模組
250:供電模組
260:輸入/輸出模組
300:計算設備
310:內部通信匯流排
320:處理器
330:唯讀記憶體
340:隨機存取記憶體
350:通訊連接埠
360:輸入/輸出介面
370:硬碟
380:使用者介面
400:可穿戴設備
410:上衣服裝
4110:上衣服裝基底
4120:上衣處理模組
4130:上衣回饋模組
4140:上衣獲取模組
500:流程
510:步驟
520:步驟
600:流程
610:步驟
620:步驟
700:流程
710:步驟
720:步驟
A1:動作開始點
B1:動作中間點
C1:動作結束點
900:流程
910:步驟
920:步驟
1000:流程
1010:步驟
1020:步驟
1030:步驟
1040:步驟
1100:流程
1110:步驟
1120:步驟
1130:步驟
1200:流程
1210:步驟
1220:步驟
1300:流程
1310:步驟
1320:步驟
1330:步驟
1340:步驟
1400:流程
1410:步驟
1420:步驟
X:人體軀幹的前後方向(即垂直於人體冠狀面的方向)
Y:人體軀幹的左右方向(即垂直於人體矢狀面的方向)
Z:人體軀幹的長度方向(即垂直於人體橫切面的方向)
17-1:左手小臂
17-2:右手小臂
17-3:左手大臂
17-4:右手大臂
17-5:軀幹
1900:流程
1910:步驟
1920:步驟
2000:流程
2010:步驟
2020:步驟
2030:步驟
2040:步驟
2050:步驟
2060:步驟
本發明將以示例性實施例的方式進一步說明,這些示例性實施例將通過附圖進行詳細描述。這些實施例並非限制性的,在這些實施例中,相同的元件符號表示相同的結構,其中:
[圖1]係根據本發明一些實施例所示的運動監控系統的應用場景示意圖;
[圖2]係根據本發明一些實施例所示的可穿戴設備的示例性硬體和/或軟體的示意圖;
[圖3]係根據本發明一些實施例所示的計算設備的示例性硬體和/或軟體的示意圖;
[圖4]係根據本發明一些實施例所示的可穿戴設備的示例性結構圖;
[圖5]係根據本發明一些實施例所示的運動監控方法的示例性流程圖;
[圖6]係根據本發明一些實施例所示的對使用者運動動作進行監控的示例性流程圖;
[圖7]係根據本發明一些實施例所示的動作信號分段的示例性流程圖;
[圖8]係根據本發明一些實施例所示的動作信號分段的示例性歸一化結果圖;
[圖9]係根據本發明一些實施例所示的肌電信號預處理的示例性流程圖;
[圖10]係根據本發明一些實施例所示的去毛刺信號的示例性流程圖;
[圖11]係根據本發明一些實施例所示的確定與姿態信號對應的特徵資訊的示例性流程圖;
[圖12]係根據本發明一些實施例所示的確定使用者的不同運動部位之間的相對運動的示例性流程圖;
[圖13]係根據本發明一些實施例所示的確定原始座標系統與特定座標系統的轉換關係的示例性流程圖;
[圖14]係根據本發明一些實施例所示的確定原始座標系統與目標座標系統之間的轉換關係的示例性流程圖;
[圖15A]係根據本發明一些實施例所示的人體小臂位置處原始座標系統中的歐拉角資料的示例性向量座標圖;
[圖15B]係根據本發明一些實施例所示的人體小臂位置另一處原始座標系統中的歐拉角資料的示例性向量座標圖;
[圖16A]係根據本發明一些實施例所示的人體小臂位置處的目標座標系統中的歐拉角資料的示例性向量座標圖;
[圖16B]係根據本發明一些實施例所示的人體小臂位置另一處的目標座標系統中的歐拉角資料的示例性向量座標圖;
[圖17]係根據本發明一些實施例所示的多感測器的目標座標系統中的歐拉角資料的示例性向量座標圖;
[圖18A]係根據本發明一些實施例所示的原始角速度的示例性結果圖;
[圖18B]係根據本發明一些實施例所示的濾波處理後的角速度的示例性結果圖;
[圖19]係根據本發明一些實施例所示的運動監控和回饋方法的示例性流程圖;
[圖20]係根據本發明一些實施例所示的模型訓練的應用的示例性流程圖。
500:流程
510:步驟
520:步驟
Claims (10)
- 一種運動監控方法,包括: 獲取使用者運動時的動作信號,其中,所述動作信號至少包括肌電信號或姿態信號;以及 至少基於與所述肌電信號對應的特徵資訊或與所述姿態信號對應的特徵資訊對所述使用者運動的動作進行監控。
- 根據請求項1所述的方法,其中,至少基於與所述肌電信號對應的特徵資訊或與所述姿態信號對應的特徵資訊對所述使用者運動的動作進行監控包括: 基於與所述肌電信號對應的特徵資訊或與所述姿態信號對應的特徵資訊對所述動作信號進行分段;以及 基於至少一段所述動作信號對所述使用者運動的動作進行監控。
- 根據請求項2所述的方法,其中,基於與所述肌電信號對應的特徵資訊或與所述姿態信號對應的特徵資訊對所述動作信號進行分段包括: 基於所述肌電信號或所述姿態信號的時域視窗,根據預設條件從所述時域視窗內確定至少一個目標特徵點;以及 基於所述至少一個目標特徵點對所述動作信號進行分段。
- 根據請求項1所述的方法,其中,至少基於與所述肌電信號對應的特徵資訊或與所述姿態信號對應的特徵資訊對所述使用者運動的動作進行監控包括: 在頻域或時域上對所述肌電信號進行預處理;以及 基於預處理後的所述肌電信號獲取與所述肌電信號對應的特徵資訊,並根據與所述肌電信號對應的特徵資訊或與所述姿態信號對應的特徵資訊對所述使用者運動的動作進行監控。
- 根據請求項4所述的方法,其中,在頻域或時域上對所述肌電信號進行預處理包括: 對所述肌電信號進行濾波以在頻域上選取所述肌電信號中特定頻率範圍的成分;和/或 在時域上對所述肌電信號進行信號校正處理。
- 根據請求項5所述的方法,其中,在時域上對所述肌電信號進行信號校正處理包括: 確定所述肌電信號中的奇異點,所述奇異點對應所述肌電信號中的突變信號;以及 去除所述奇異點或者根據所述奇異點周圍的信號對所述奇異點進行修正。
- 根據請求項6所述的方法,其中,所述奇異點包括毛刺信號,確定所述肌電信號中的奇異點包括: 基於所述肌電信號的時域視窗,從所述肌電信號的時域視窗內選取不同的時間視窗,其中,所述不同的時間視窗分別覆蓋不同的時間範圍;以及 基於所述不同的時間視窗中的與所述肌電信號對應的特徵資訊確定所述毛刺信號。
- 根據請求項1所述的方法,進一步包括基於所述姿態信號確定與所述姿態信號對應的特徵資訊,其中,所述姿態信號包括至少一個原始座標系統中的座標資訊; 其中,基於所述姿態信號確定與所述姿態信號對應的特徵資訊包括: 獲取目標座標系統以及所述目標座標系統與所述至少一個原始座標系統之間的轉換關係; 基於所述轉換關係,將所述至少一個原始座標系統中的座標資訊轉換為所述目標座標系統中的座標資訊;以及 基於所述目標座標系統中的座標資訊,確定與所述姿態信號對應的特徵資訊。
- 根據請求項8所述的方法,其中,所述姿態信號包括由至少兩個感測器產生的座標資訊,所述至少兩個感測器分別位於使用者的不同運動部位並且對應不同的原始座標系統,其中,基於所述姿態信號確定與所述姿態信號對應的特徵資訊包括: 基於所述不同的原始座標系統與所述目標座標系統的轉換關係,確定與所述至少兩個感測器分別對應的特徵資訊;以及 基於與所述至少兩個感測器分別對應的特徵資訊,確定所述使用者的不同運動部位之間的相對運動。
- 根據請求項8所述的方法,其中,所述至少一個原始座標系統與所述目標座標系統之間的轉換關係通過標定過程獲得,所述標定過程包括: 構建特定座標系統,所述特定座標系統與所述標定過程中使用者的朝向有關; 獲取所述使用者處於第一姿勢時所述至少一個原始座標系統中的第一座標資訊; 獲取所述使用者處於第二姿勢時所述至少一個原始座標系統統的第二座標資訊;以及 根據所述第一座標資訊、所述第二座標資訊和所述特定座標系統確定所述至少一個原始座標系統與所述特定座標系統的轉換關係。
Applications Claiming Priority (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110298643.9A CN115105819A (zh) | 2021-03-19 | 2021-03-19 | 一种运动监控方法及其系统 |
WOPCT/CN2021/081931 | 2021-03-19 | ||
PCT/CN2021/081931 WO2022193330A1 (zh) | 2021-03-19 | 2021-03-19 | 一种运动监控方法及其系统 |
CN202110298643.9 | 2021-03-19 |
Publications (2)
Publication Number | Publication Date |
---|---|
TW202239378A true TW202239378A (zh) | 2022-10-16 |
TWI837620B TWI837620B (zh) | 2024-04-01 |
Family
ID=
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20230233103A1 (en) | Motion monitoring methods and systems | |
CN107961523B (zh) | 基于心率检测的人体训练系统和智能健身系统 | |
Wang et al. | Motion analysis of deadlift for trainers with different levels based on body sensor network | |
US20230210402A1 (en) | Methods and devices for motion monitoring | |
CN107050800A (zh) | 太极教导系统及方法 | |
CN206404266U (zh) | 太极教导系统 | |
TWI837620B (zh) | 運動監控方法及系統 | |
CN115105819A (zh) | 一种运动监控方法及其系统 | |
TW202239378A (zh) | 運動監控方法及系統 | |
Sun et al. | IoT Motion Tracking System for Workout Performance Evaluation: A Case Study on Dumbbell | |
CN116304544A (zh) | 运动数据标定方法和系统 | |
CN116785659A (zh) | 一种运动监控方法和设备 | |
US20230337989A1 (en) | Motion data display method and system | |
Ivanov et al. | Recognition and Control of the Athlete's Movements Using a Wearable Electronics System | |
RU2813471C1 (ru) | Способы и системы идентификации действия пользователя | |
TW201701223A (zh) | 健身記錄分享系統及方法 | |
WO2024040547A1 (zh) | 一种运动监控系统、设备和方法 | |
CN110302494B (zh) | 基于太阳能供电系统的智慧椭圆机 | |
Liang et al. | WMS: Wearables-Based Multi-Sensor System for In-home Fitness Guidance | |
CN117653996A (zh) | 一种运动监控系统、设备和方法 | |
CN117651847A (zh) | 运动数据标定方法和系统 | |
Guiry et al. | The role of smartphones as an assistive aid in mental health | |
CN109284696A (zh) | 一种基于智能数据采集与云服务技术的形象气质提升方法 |