TWI729596B - 感測器資料管理 - Google Patents

感測器資料管理 Download PDF

Info

Publication number
TWI729596B
TWI729596B TW108143946A TW108143946A TWI729596B TW I729596 B TWI729596 B TW I729596B TW 108143946 A TW108143946 A TW 108143946A TW 108143946 A TW108143946 A TW 108143946A TW I729596 B TWI729596 B TW I729596B
Authority
TW
Taiwan
Prior art keywords
sensor data
activity
tag sequence
data elements
sequence
Prior art date
Application number
TW108143946A
Other languages
English (en)
Other versions
TW202032327A (zh
Inventor
托瑪斯 哈波拉
米可 瑪堤卡
提摩 艾瑞克森
艾瑞克 琳德曼
Original Assignee
芬蘭商亞瑪芬體育數字服務公司
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Priority claimed from US16/228,981 external-priority patent/US20190142307A1/en
Application filed by 芬蘭商亞瑪芬體育數字服務公司 filed Critical 芬蘭商亞瑪芬體育數字服務公司
Publication of TW202032327A publication Critical patent/TW202032327A/zh
Application granted granted Critical
Publication of TWI729596B publication Critical patent/TWI729596B/zh

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—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
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
    • G01D21/00—Measuring or testing not otherwise provided for
    • G01D21/02—Measuring two or more variables by means not covered by a single other subclass
    • 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
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235—Details of waveform analysis
    • A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
    • A61B5/7267—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems involving training the classification device
    • A—HUMAN NECESSITIES
    • A63—SPORTS; GAMES; AMUSEMENTS
    • A63B—APPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
    • A63B24/00—Electric or electronic controls for exercising apparatus of preceding groups; Controlling or monitoring of exercises, sportive games, training or athletic performances
    • A63B24/0062—Monitoring athletic performances, e.g. for determining the work of a user on an exercise apparatus, the completed jogging or cycling distance
    • A—HUMAN NECESSITIES
    • A63—SPORTS; GAMES; AMUSEMENTS
    • A63B—APPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
    • A63B69/00—Training appliances or apparatus for special sports
    • A—HUMAN NECESSITIES
    • A63—SPORTS; GAMES; AMUSEMENTS
    • A63B—APPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
    • A63B71/00—Games or sports accessories not covered in groups A63B1/00 - A63B69/00
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/25—Fusion techniques
    • 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
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B2562/00—Details of sensors; Constructional details of sensor housings or probes; Accessories for sensors
    • A61B2562/02—Details of sensors specially adapted for in-vivo measurements
    • A61B2562/0219—Inertial sensors, e.g. accelerometers, gyroscopes, tilt switches
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B2562/00—Details of sensors; Constructional details of sensor housings or probes; Accessories for sensors
    • A61B2562/02—Details of sensors specially adapted for in-vivo measurements
    • A61B2562/0223—Magnetic field sensors
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B2562/00—Details of sensors; Constructional details of sensor housings or probes; Accessories for sensors
    • A61B2562/02—Details of sensors specially adapted for in-vivo measurements
    • A61B2562/029—Humidity sensors
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/0002—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network
    • A61B5/0015—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network characterised by features of the telemetry system
    • A61B5/002—Monitoring the patient using a local or closed circuit, e.g. in a room or building
    • 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
    • A61B5/1112—Global tracking of patients, e.g. by using GPS
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
    • A61B5/316—Modalities, i.e. specific diagnostic methods
    • A61B5/318—Heart-related electrical modalities, e.g. electrocardiography [ECG]
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
    • A61B5/316—Modalities, i.e. specific diagnostic methods
    • A61B5/389—Electromyography [EMG]
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235—Details of waveform analysis
    • A61B5/7242—Details of waveform analysis using integration
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235—Details of waveform analysis
    • A61B5/7253—Details of waveform analysis characterised by using transforms
    • A61B5/7257—Details of waveform analysis characterised by using transforms using Fourier transforms
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
    • G06F2218/08—Feature extraction
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
    • G06F2218/12—Classification; Matching
    • G06F2218/16—Classification; Matching by matching signal segments

Landscapes

  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Veterinary Medicine (AREA)
  • Biophysics (AREA)
  • Pathology (AREA)
  • Physiology (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Medical Informatics (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Theoretical Computer Science (AREA)
  • Physical Education & Sports Medicine (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Artificial Intelligence (AREA)
  • Dentistry (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Multimedia (AREA)
  • Psychiatry (AREA)
  • Data Mining & Analysis (AREA)
  • Human Computer Interaction (AREA)
  • Evolutionary Computation (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Social Psychology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Fuzzy Systems (AREA)
  • Mathematical Physics (AREA)
  • Signal Processing (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)

Abstract

依據本發明的範例態樣，提供有一種個人多感測器設備，包括配置成儲存複數個感測器資料要素序列的記憶體和至少一個處理核心，該至少一個處理核心被配置成：從該複數個感測器資料要素序列衍生出的複數個感測器資料片段，各感測器資料片段包括來自該等感測器資料要素序列的至少其中兩個之時間對齊的感測器資料要素子序列，以及根據包括在個別的感測器資料片段中的感測器資料要素，將標籤分配給該等感測器資料片段的至少其中一些，以取得一標籤序列。

Description

感測器資料管理
本發明係有關管理自感測器裝置所產生的使用者資料。
使用者課程(user session)，諸如活動課程(activity session)，可以被記錄，例如在筆記型電腦、電子表格(spreadsheet)或其他適合的媒體。記錄的訓練課程(training session)致能更有系統的訓練，而且朝向設定目標的進展可以從如此所產生的記錄中來予以評估及追蹤。這樣的記錄可以被儲存以供未來參考用，例如，用以評估個人由於訓練而正在取得的進展。活動課程可以包括訓練課程或另一種課程(session)。
個人感測器裝置，諸如，例如感測器按鈕、智慧型手錶、智慧型電話或智慧型珠寶首飾，可以被配置成產生感測器資料以供課程紀錄用。如此的記錄課程在管理體能訓練(physical training)方面可能是有用的。記錄課程，或者更普遍為基於感測器的活動管理，可以具有不同的類型，諸如，例如跑步、步行、滑雪、划獨木舟、漫步或協助老年人。
記錄課程可以使用，例如個人電腦來予以觀看，其中，紀錄可以從個人裝置而被複製到個人電腦。個人電腦上的檔案可以使用例如，密碼及/或加密，來加以保護。
個人裝置可以裝設有感測器，其可以被使用於，例如，決定個人裝置的位置、加速、或旋轉。舉例來說，衛星定位感測器可以從衛星星座接收定位資訊，並且從那裡推斷個人裝置所在的位置。紀錄的訓練課程可包括在訓練課程期間藉由重複決定該個人裝置之位置所決定的路線(route)。此種路線稍後可以使用，例如個人電腦來予以觀察。
本發明藉由申請專利範圍獨立請求項的特徵來予以界定。有些特定實施例被界定於申請專利範圍附屬請求項。
依據本發明的第一態樣，提供有一種個人多感測器設備，包括配置成儲存複數個感測器資料要素(element)序列的記憶體和至少一個處理核心，該至少一個處理核心被配置成：從該複數個感測器資料要素序列衍生出的複數個感測器資料片段，各感測器資料片段包括來自該等感測器資料要素序列的至少其中兩個之時間對齊(time-aligned)的感測器資料要素子序列，以及根據包括在個別的感測器資料片段中的感測器資料要素，將標籤分配(assign)給該等感測器資料片段的至少其中一些，以取得一標籤序列。
依據本發明的第二態樣，提供有一種個人多感測器設備中的方法，包括儲存複數個感測器資料要素序列，從該複數個感測器資料要素序列衍生出複數個感測器資料片段，各感測器資料片段包括來自該等感測器資料要素序列的至少其中兩個之時間對齊的感測器資料要素子序列，以及根據包括在個別的感測器資料片段中的感測器資料要素，將標籤分配給該等感測器資料片段的至少其中一些，以取得一標籤序列。
依據本發明的第三態樣，提供有一種伺服器設備，包括接收器，係配置成接收根據感測器資料要素所分配的標籤序列，該等感測器資料要素並未正被包括在該標籤序列中，以及至少一個處理核心，係配置成根據該標籤序列來決定使用者已從事的活動類型。
依據本發明的第四態樣，提供有一種伺服器設備中的方法，包括接收根據感測器資料要素所分配的標籤序列，該等感測器資料要素並未正被包括在該標籤序列中，以及根據該標籤序列來決定使用者已從事的活動類型。
依據本發明的第五態樣，提供有一種電腦程式，係配置成致使依據第二至第四態樣的至少其中之一的方法被實施。
使用者裝置中所產生的感測器資料由於其大的量而在儲存或處理它時可能會消耗資源。所以，有興趣縮減此種感測器資料的量。縮減感測器資料的量應該旨在縮減感測器資料量，且同時保持感測器資料的可用性。本文中所述者為以原始(raw)感測器資料的語意解釋來取代該原始感測器資料，以分配給該感測器資料片段之標籤的方式，大大地縮減該資料的量，且同時保持其意義。
圖1繪示依據本發明的至少一些實施例之範例系統。該系統包括裝置110，其可以包括，例如多感測器裝置，諸如，例如個人多感測器裝置，諸如，例如個人生物感測器(biosensor)設備，諸如智慧型手錶、數位手錶、感測器按鈕、或者另一類型之適合的裝置。通常，生物感測器設備可以包括，例如健身(fitness)感測器設備或治療(therapy)感測器設備。在所繪示的範例中，裝置110係附接至使用者的腳踝，但其可以與該使用者同等地相關聯，例如藉由被穿戴在手腕附近。感測器按鈕為包括一組感測器和通訊介面的裝置，配置成從各感測器產生一序列感測器資料要素。感測器按鈕可以，例如由電池供電，或者其可以從該使用者的運動而獲得其能量。多感測器裝置可以包括，例如物聯網，IOT，裝置。
感測器可以被配置成測量，例如加速、旋轉、濕度、壓力及/或其他變數。在一個特定實施例中，該感測器被配置成測量沿著三個互相正交軸線的加速以及繞著三個互相正交軸線的轉動。該感測器可以包括，單軸線或多軸線磁場感測器、皮膚訊號EMG、ECG、心跳及/或光脈衝感測器。此外或者，人類活動可以經由移動或者體育用具(sport utensils)、工具、機械及/或裝置來予以感測。在所有中，此等感測器將會產生六個感測器資料要素序列，使得在各序列中，該感測器資料要素係按照時間順序排列的，每一取樣間隔(sampling interval)獲得一次。該等感測器的取樣間隔不需要一樣。
裝置110可以和通訊網路通訊式地直接或間接相耦接。例如，再圖1中，裝置110經由無線鏈路112而與基地站120相耦接。基地站120可以包括蜂巢式或非蜂巢式基地站，其中，非蜂巢式基地站可以被稱為存取點。蜂巢式技術的範例包含寬頻分碼多重存取(WCDMA)和長期演進(LTE)，而非蜂巢式技術的範例包含無限區域網路(WLAN)和全球微波存取互通(WiMAX)。基地站120可以經由連接123而與網路節點130相耦接。連接123可以是，例如有線(wire-line)連接。網路節點130可以包括，例如，控制器或閘道器(gateway)裝置。網路節點130可以經由連接134而與網路140介接，例如，網際網路(Internet)或企業網路(corporate network)。網路140可以經由連接141而與其他網路相耦接。網路140可以包括或是，例如與後端伺服器通訊式地相耦接。
裝置110可以被配置成經由衛星鏈路151而從衛星星座150直接或間接接收衛星定位資訊。衛星星座可以包括，例如全球定位系統(GPS)或伽利略定位系統(Galileo constellation)。衛星星座150可以包括一個以上的人造衛星，雖然圖1為了清楚而僅繪示一個人造衛星。同樣地，透過衛星鏈路151接收定位資訊可以包括從一個以上的人造衛星接收資料。
在裝置110和通訊網路及/或衛星星座150間接耦接的情況下，其可以被配置成和使用者101的個人裝置(諸如，智慧型電話)相通訊，其具有和通訊網路及/或衛星星座150的連接性。裝置110可以經由，例如，諸如藍牙(Bluetooth)或低功耗藍牙(Wibree)技術，或者實際上經由電纜線的短距離(short-range)通訊技術而和該個人裝置相通訊。該個人裝置及裝置110可以被考慮構成個人區域網路(PAN)。
此外或者從衛星星座接收資料，裝置110或該個人裝置可以藉由與基地站120係包括於其中的網路而獲得定位資訊。例如，蜂巢式網路可以利用各種方式來定位裝置，諸如三邊測量(trilateration)、多點定位(multilateration)或者基於與其連接係有可能或正進行中之基地站的身分的定位。同樣地，非蜂巢式基地站，或者存取點，可以知道其自己本身的位置，而且將其提供給裝置110或該個人裝置，致使裝置110及/或該個人裝置能夠在此存取點的通訊範圍內定為自己。裝置110或該個人裝置可以被配置成，例如從衛星星座150、基地站120或者從該使用者獲取現在的時間。
裝置110或該個人裝置可以被配置成提供活動課程。活動課程可以和活動類型相關聯。活動類型的範例包含划船、划槳、騎自行車(cycling)、慢跑、步行、打獵、游泳、和滑翔傘(paragliding)。在一簡單的形式中，活動課程可以包括儲存用，例如裝置110、該個人裝置或伺服器中所包括之感測器所產生的感測器資料。活動課程可以被決定已經在某些時間點開始或結束，使得該決定在該開始及/或結束之後或者和該開始及/或結束同時發生。換句話說，裝置110可以儲存感測器資料，以致能活動課程至少部分基於所儲存之感測器資料的後續識別。
活動課程可以提高使用者可從該活動獲得的效用(utility)，例如，在該活動涉及戶外運動的情況下，該活動課程可以提供該活動課程的記錄。在有些實施例中，活動課程的記錄可以將情境資訊提供給使用者。這樣的情境資訊可以包括，例如，經由基地站120所接收到的本地相關天氣資訊。這樣的情境資訊可以包括下面的至少其中之一：下雨警告、氣溫警告、日落前剩餘時間的指示、與該活動有關之附近服務的指示、安全警告、附近使用者的指示、和幾個其他使用者已經拍照之附近位置的指示。情境資訊可以被展示於活動課程期間。
活動課程的記錄可以下面至少其中之一資訊的資訊：在該活動課程期間所採用的路線、新陳代謝率或新陳代謝的功效、該活動課程持續的時間、在該活動課程期間所消耗之能量的量值、在該活動課程期間所取得的聲音記錄、和沿著在該活動課程期間所採用之路線長度的等高線圖(elevation map)。路線可以基於，例如定位資訊來決定。新陳代謝功效和消耗的能量可以至少部分基於在該活動課程期間從使用者101所獲得的感測器資料來決定。記錄可以被儲存在裝置110、該個人裝置、或者伺服器或其他雲端資料儲存服務中。伺服器或雲端中所儲存的記錄在傳送至該伺服器或雲端之前可以被加密，以保護該使用者的隱私。即使該使用者尚未指示活動課程已經開始，記錄也可以被產生，因為活動課程的開始和結束可以被決定於該課程已經結束之後，例如至少部分基於感測器資料。
在活動已經結束之後，裝置110可能已經將複數個感測器資料要素序列儲存於其中，或者儲存在裝置110已經對其存取的記憶體中。所儲存之感測器資料要素序列可以按照時間順序被儲存作為跨越該活動課程以及在該活動課程之前及/或之後的時間的時間序列。該活動課程的開始和結束的時間點可以由該使用者從該時間序列來選擇，或者由裝置110動態地選擇。例如，在該時間序列中，在加速感測器資料開始指示裝置110之更積極運動的情況下，活動課程的開始點可以被選擇。此種改變可以對應於，例如在該時間序列中當該使用者停止開車且開始慢跑時的時期。同樣地，在該時間序列中更積極運動結束的情況下的時期可以被選擇作為該活動課程的結束點。
如上所述，該複數個感測器資料要素序列可以包括來自一個以上感測器的資料，其中，該一個以上的感測器可以包括至少兩個不同類型的感測器。例如，複數個感測器資料要素序列可以包括加速感測器資料要素序列以及旋轉感測器資料要素序列。其他範例為音量(sound volume)感測器資料、濕度感測器資料和電磁感測器資料。通常，各感測器資料要素序列可以包括來自一個且僅一個感測器的資料。
活動類型可以至少部分基於該等感測器資料要素來予以決定。此決定可能發生在當該活動正在發生、或者之後，當分析感測器資料時。該活動類型可以由裝置110或由例如已經對該感測器資料進行存取的伺服器側電腦，或者提供有對該感測器資料的存取的伺服器來予以決定。在伺服器被給予對該感測器資料的存取，或者，在有些實施例中，當對裝置110或該個人裝置進行活動類型偵測時，該感測器資料可以被處理成一序列的標籤。
一序列的標籤可以表徵感測器資料的內容。例如，在該等感測器資料要素為在慢跑(jog)期間所取得的數值的情況下，從那些感測器資料要素衍生出之一序列的標籤可以包括一標籤序列：{慢跑-步伐(step)，慢跑-步伐，慢跑-步伐，慢跑-步伐，慢跑-步伐，…}。同樣地，在該等感測器資料要素為在跳遠(long jump)期間所取得的數值的情況下，從那些感測器資料要素衍生出之一序列的標籤可以包括一標籤序列：{短跑(sprint)-步伐，短跑-步伐，短跑-步伐，短跑-步伐，短跑-步伐，跨跳(leap)，停止}。同樣地，在該等感測器資料要素為在三級跳遠(triple jump)期間所取得的數值的情況下，從那些感測器資料要素衍生出之一序列的標籤可以包括一標籤序列：{短跑-步伐，短跑-步伐，短跑-步伐，短跑-步伐，跨跳，跨跳，跨跳，停止}。該等標籤序列因而可使用於識別該活動類型，例如基於跨跳的數目來區分出跳遠和三級跳遠。
該等標籤可以用自然語言來表達或者被表達為到預定義表的索引(index)，其可以動態更新的，當新類型的運動基元(exercise primitives)變成已知時。例如，在該表中，慢跑-步伐可以被表示為01，短跑-步伐(亦即，跑步的步伐遠比慢跑的步伐更快)為02，跨跳為03，且運動的停止可以被表示為04。因此，三級跳遠可以被表示為標籤{02, 02, 02, 02, 03, 03, 03, 04}的序列。活動，例如三級跳遠，可以從標籤被偵測出，且同時該標籤序列比原始的感測器資料要素序列佔據明顯更少的空間。
為了將感測器資料要素序列處理成標籤序列，感測器資料要素可以從感測器資料要素序列衍生出。各感測器資料要素接著可以和運動基元(exercise primitives)相關聯並且被分配一標籤，以獲取該標籤序列。各感測器資料要素可以包括來自該等感測器資料要素序列的至少兩個之按照時間順序排列的感測器資料要素子序列。換句話說，感測器資料片段被衍生出，各個這樣的片段包括原始的感測器資料要素序列的時間切片(time slice)。這可以被概念化為將慢跑期間所取得(captured)的多感測器資料流(data stream)時間切片成組成該慢跑課程的個別步驟。同樣地，其他的活動課程可以被時間切片成組成該活動的運動基元(exercise primitives)。
為了衍生該等片段，裝置110或另一裝置可以被配置成分析該等感測器資料要素序列來識別其中的單元。各片段可以包括該等感測器資料要素序列的切片，該等切片為時間對齊的，也就是說，在相同的時間從各自的感測器中所獲取到的。
例如，跑步的步伐s在本質上係重複的，為什麼識別該等感測器資料要素序列中以一定的頻率重複的樣式(pattern)為該等序列可以依據此頻率分段的線索(clue)。頻率的識別可以，例如藉由對該等感測器資料要素序列之各者進行快速傅立葉轉換(FFT)，而後將結果的光譜平均，以獲得該等感測器資料要素序列的整體頻率特性。
在運動的情況下，將感測器資料分段的一種方式為嘗試建構該感測器裝置的相對軌跡(relative trajectory)。估計此軌跡的一種方式為雙重積分加速感測器輸出的x分量、y分量、和z分量。在此過程中，吾人可以去除重力感應出的偏差。在數學上，這可以藉由計算各輸出的基線(baseline)來予以完成。一種方式為濾波該資料，如同下面的方程式中者。
Figure 02_image001
上面的acc指的是加速測量，且i指的是其分量x、y、和z。這些濾波值可以從真正的測量值中減掉：acc_i_without_G = acc_i - acc_i_baseline。這是真正的線性加速的粗略估計，但是仍是估計它的快速且穩健的方式。這些線性加速值的積分導致該感測器裝置在三維(3D)空間之加速的估計。速度分量由於不完整的線性加速估計而具有偏差。這些偏差可以被去除，就像在先前的方程式中者：
Figure 02_image003
上面的v指的是速度估計，且i指的是其分量x、y、和z。這些速度分量並不是感測器裝置真正的速度，但是很容易且穩健地計算出它們的估計。該等基線分量在積分：v_i_wo_bias = v_i - v_i_baseline之前可以從該速度估計中減掉。因為該方法到目前為止並不完整，所以該速度分量的積分產生有偏差的位置估計p_x、p_y、和p_z。因此，這些偏差需要被去除，就像在先前的方程式中者：
Figure 02_image005
上面的p指的是位置估計，且i指的是其分量。因為此程序有效地產生0均值(0-mean value)，所以自然的位置參考p_x_ref = 0、p_y_ref = 0、和p_z_ref = 0。測量值的歐幾里得距離(Euclidean distance)sqrt(p_x_ti**2 + p_y_ti**2 + p_z_ti**2)構成從0變化到某最大值的時間數列(time series)。ti指的是該時間數列中的索引。這些最大值可以很容易地偵測出。最大值在時間上的時刻開始和下一個最大值結束該片段(以及開始下一個片段)。該最大值的偵測可以是有條件的，亦即，該最大值僅當其超過一定位準時才被接受為開始/停止標記。
而且，上述計算相對軌跡的程序可以藉由利用陀螺儀和使用，例如，互補式濾波而更精確。
將資料分段的其他方式，也就是說，衍生該等片段可以包含，例如使用適當訓練後的人工神經網路或者使用透過無線電或有線介面所提供之分開的分段訊號而適配入週期模型。可以使該分段訊號在時間上和該等感測器資料要素序列互相關聯，以取得該等片段。例如，可以藉由視頻辨識系統(video recognition system)或壓力墊系統(pressure pad system)來傳輸或提供分段訊號。這樣的視頻辨識系統可以被配置成，例如，識別步伐s。
一旦該等片段已經被衍生出，各片段就可以被分配標籤。分配標籤可以包括識別該片段。該識別可以包括，例如從最小平方法的意義來說，將該片段中所包括的感測器資料與參考片段庫(library)相比較，並且從該參考片段庫中選出與要被貼標籤之片段最類似的參考片段。分配給該片段的標籤接著將會是與該參考片段庫中最接近的參考片段相關聯的標籤。
在有些實施例中，複數個參考片段庫被使用，使得該識別的第一階段為參考片段庫的選擇。例如，在使用兩個參考片段庫的情況下，他們的其中一個可以被使用於連續的活動類型而且他們之中的第二個可以被使用於不連續的活動類型。在該等感測器資料要素序列反映重複大量次數的重複動作的情況下選擇連續的活動類型，諸如慢跑、步行、騎自行車或划船。當該活動的特徵為在時間上彼此分開之簡短的動作序列時選擇不連續的活動類型，例如上述的三級跳遠，或者撐竿跳(pole vault)是例子。一旦該參考片段庫被選擇，所有的片段就用來自選擇到之參考片段庫的標籤來貼標籤。
以更有效的貼標籤而獲得到首先選擇參考片段庫的好處，因為有較低的風險片段被分配到不正確的標籤。這是如此，因為與該等感測器資料片段相比較之參考片段的數目較低，所以可以增加選擇到正確一個的機會。
一旦該等片段已經被貼標籤，就可以做出語法(syntax)檢查，其中，評估該標籤序列是否合理。例如，如果該標籤序列和已知的活動類型一致，則該語法檢查通過。另一方面，如果該標籤序列包括並不適配在一起的標籤，則可能會產生語法錯誤。舉例來說，包括其中混和有幾個划槳動作的慢跑步伐序列會產生語法錯誤。在有些實施例中，語法錯誤可以藉由從該標籤序列中去除並不適配於其中的標籤來解決，假如他們僅非常罕見地出現在該標籤序列中，例如，以少於2%的比率出現。
參考片段庫可以包括對於哪些標籤適配在一起的指示，以致使能夠處理語法錯誤狀況。
不同的運動基元可以和不同的特性頻率相關聯。例如，和步行相反，加速感測器資料反映當使用者已經跑完步時的較高特性頻率。因此，該等片段的貼標籤，在有些實施例中，可以至少部分基於決定哪個參考片段具有最接近匹配調查中之該等感測器資料要素序列的一段的特性頻率。此外或者，加速感測器資料可以被用來決定特性運動幅度。
參考片段庫可以包括在本質上為多感官的參考資料集合，以各參考片段包括可以和可供使用之各感測器資料類型相比較的資料這樣的方式。例如，在裝置110被配置成匯集(compile)加速和聲音感測器資料類型的時間序列的情況下，參考片段可以包括參考資料集合，各參考片段對應一標籤，其中，各參考片段包括，例如可以和加速資料相比較的資料以及可以和聲音資料相比較的資料。所決定的標籤可以被決定為，例如與最接近匹配由裝置110儲存之片段的多感官參考片段相關聯的標籤。裝置110可以包括，例如，麥克風和相機。此外，無線電接收器，在有些實施例中，可以配置成測量電場或磁場特性。裝置110可以包括無線電接收器，通常，在裝置110係配備有無線通訊能力。
藉由分段和貼標籤之活動類型識別的例子為游泳，其中，裝置110儲存包括濕度感測器資料要素和磁場感測器資料要素的感測器資料要素序列。指示出現水的濕度感測器資料要素會致使水上運動(water-sport)參考片段庫能夠被使用。游泳可能涉及手臂的橢圓運動，裝置110可以附接至手臂，其可以偵測為周期性改變的磁場資料。換言之，地球磁場的方向可以從磁場感測器的觀點，在時間序列上以周期性的方式改變。這會致使將該等片段，例如，貼標籤為蛙式游泳(breast-stroke swimming)動作。
總的來說，所決定或所衍生的活動類型可以被認為是預估的活動類型直到該使用者已經確認該決定係正確的為止。在有些實施例中，幾個，例如兩個或三個，最有可能的活動類型可以展示給該使用者作為該使用者預估的活動類型，已從其中選出該正確的活動類型。使用兩個或更多個類型的感測器資料增加該預估的活動類型為正確的可能性。一旦該使用者確認或選擇特定的活動類型，片段的貼標籤就可以被強制符合此活動類型。這意謂著，例如與該等感測器資料片段相比較的參考片段集合被限定為與此活動類型一致的參考資料片段。
在裝置110或個人裝置分配該等標籤的情況下，該標籤序列可以被傳送至網路伺服器，例如，用於儲存。裝置110、該個人裝置或者該伺服器可以根據該等標籤來決定該使用者從事的全部活動類型。這可以根據，例如，參考標籤序列庫。
通常，裝置110或該個人裝置可以從伺服器或另一網路實體接收機器可讀指令，諸如，可執行程式或可執行腳本(script)。機器可讀指令可以使用於從該標籤序列決定活動類型，及/或將該等標籤分配給感測器資料片段。在後者的情況中，機器可讀指令可以被稱為貼標籤指令(labelling instruction)。
該過程可以根據該等機器可讀指令而適應性地學習如何更準確地非配標籤及/或決定活動類型。伺服器可以具有對來自複數個使用者之資訊的存取，以及高的處理能力，因而比例如該裝置110被更有利地放置來更新該等機器可讀指令。
該等機器可讀指令可以被該伺服器所適應。例如，首先取得裝置110的使用者，回應自裝置110所送出的訊息，可以起初係提供有反映平均使用者人數(population)的機器可讀指令。之後，當該使用者從事活動課程時，該等機器可讀指令可以更準確地反映由此特別使用者的使用。例如，肢長(limb length)可能影響當該使用者正在游泳或跑步時所獲取之感測器資料的週期特性。為了致能該適應，伺服器可以，例如，周期性地從裝置110請求感測器資料，並且將如此所取得的感測器資料與該等機器可讀指令相比較，以磨練(hone)該等指令以供此特別使用者的未來使用。因此，或得到較少不正確貼標籤的片段、以及感測器資料之更有效且準確壓縮的有利功效。
圖2A繪示多個感測器資料要素序列的範例。在上方軸線201上，繪示有濕度感測器資料要素210，而在下方軸線202上，繪示有磁北與裝置110的軸線偏離的時間序列220，亦即，磁場感測器資料要素序列。
當裝置110乾燥時，濕度序列210顯示低濕度的初始部位，接著濕度的快速增加，然後在開始以比該增加更低的速率下降之前維持在相對恆定的高度位準處。
磁偏差序列220顯示，例如，當使用者操作更衣室(locker room)門鎖時，由於該使用者的運動導致初始、不穩定序列的偏差變化，接著在不穩定序列再度開始之前，是概略週期運動的期間。週期性重複運動的波長已經被誇大於圖2中以致使繪示圖更清楚。
游泳活動類型被決定為預估的活動類型，從序列的點203開始且結束於點205。詳細地說，該等序列可以被分段成兩個片段，首先從點203到點204，其次從點204到點205。當該濕度感測器指示水上運動時，水上運動參考片段庫被用來將該等片段貼標籤為，例如，自由式游泳片段。該標籤序列因而會是{自由式，自由式}。當然，在真正的游泳中，片段的數目會更高，但是為了簡單起見，圖2中繪示出兩個片段。總的來說，該兩個感測器資料片段，從203到204以及從204到205，兩者皆包括來自序列210及220之時間對齊的感測器資料要素子序列。
圖2B繪示多個感測器資料要素序列的第二範例。在圖2B中，相同的編號表示和在圖2A中相同的元件。不像在圖2A中，不是一個而是兩個活動課程被決定於圖2B的時間序列中。亦即，當游泳課程開始時，騎自行車課程被決定開始於起始點207且終止於點203。因此，複合的活動課程，例如，可以和鐵人三角(triathlon)有關。在騎自行車中，濕度保持低的，而且磁偏差僅係緩慢地改變，例如，如同該使用者在室內自行車賽場(velodrome)中騎自行車。該等片段因而在點207與203之間會包括兩個片段，以及在點203與205之間會包括三個片段。該標籤序列可以是{騎自行車，騎自行車，自由式，自由式，自由式}。再一次，為了繪示的清楚起見，片段的數目顯著地減少。
圖3繪示能夠支持本發明的至少一些實施例之範例設備。所繪示者為裝置300，其可以包括，例如，圖1的裝置110。裝置300中所包括者為處理器310，其可以包括，例如，單核心或多核心處理器，其中，單核心處理器包括一個以上的處理核心。處理器310可以包括一個以上的處理器。處理核心可以包括，例如，由AMR控股公司所設計的Cortex-A8處理核心或由先進韋莊智公司(Advanced Micro Devices Corporation)所生產的Excavator處理核心。處理器310可以包括至少一個Qualcomm Snapdragon及/或Intel Atom處理器。處理器310可以包括至少一個特殊應用積體電路(ASIC)。處理器310可以包括至少一個現場可程式化閘陣列(FPGA)。處理器310可以為用來實施裝置300中之方法步驟的手段機制。處理器310可以被配置成至少部分由電腦指令來進行動作。
裝置300可以包括記憶體320。記憶體320可以包括隨機存取記憶體及/或永久記憶體。記憶體320可以包括至少一個RAM晶片。記憶體320可以包括，例如固態、磁性、光學及/或全息記憶體。記憶體320可以至少部分可存取於處理器310。記憶體320可以至少部分被包括在處理器310中。記憶體320可以為用來儲存資訊的手段機制。記憶體320可以包括處理器310被配置來執行的電腦指令。當被配置來致使處理器310進行一定動作的電腦指令被儲存在記憶體320中，而且裝置300總體被配置成使用來自記憶體320的電腦指令而運行於處理器310的指導下時，處理器310及/或其至少一個處理核心可以考慮被配置成進行該等一定的動作。記憶體320可以至少部分被包括在處理器310中。記憶體320可以至少部分在裝置300的外部但是可存取於裝置300。
裝置300可以包括發射器330。裝置300可以包括接收器340。發射器330和接收器340可以被配置成依據至少一個蜂巢式或非蜂巢式標準而分別發射和接收資訊。發射器330可以包括一個以上的發射器。接收器340可以包括一個以上的接收器。發射器330及/或接收器340可以被配置成依據，例如全球行動系統通訊(GSM)、寬頻帶分碼多重存取(WCDMA)、長期演進(LTE, IS-95)、無線區域網路(WLAN)、乙太網路(Ethernet)、及/或全球微波存取互通(WiMAX)標準而操作。
裝置300可以包括近場通訊(NFC)發射接收器350。NFC發射接收器350可以支援至少一個NFC技術，諸如NFC、Bluetooth、Wibree或類似技術。
裝置300可以包括使用者介面(UI)360。UI 360可以包括顯示器、鍵盤、觸控螢幕、配置成藉由致使裝置300震動而發訊號給使用者的震動器、揚聲器和麥克風的至少其中一個。使用者可以能夠經由UI 360來操作裝置300，例如，用以管理活動課程。
裝置300可以包括或者配置成接受使用者識別模組370。使用者識別模組370可以包括，例如，可安裝於裝置300中的訂戶身分模組(SIM)卡。使用者識別模組370可以包括識別裝置300之使用者的訂購資訊。使用者識別模組370可以包括可用來驗證裝置300之使用者的身分，及/或協助所通訊之資訊的加密和裝置300之使用者用於經由裝置300所生效之通訊的帳單(billing)的密碼資訊。
處理器310可以配備有發射器，該發射器被設置成經由裝置300內的電線(electrical lead)而將來自處理器310的資訊輸出至裝置300中所包括的其他裝置。這樣的發射器可以包括串列匯流排發射器，該串列匯流排發射器被設置成，例如經由至少一條電線而將資訊輸出至記憶體320，用以儲存資訊於其中。替代串列匯流排，該發射器可以包括並列匯流排發射器。同樣地，處理器310可以包括接收器，該接收器被設置成經由裝置300內的電線而從裝置300中所包括的其他裝置接收處理器310中的資訊。這樣的接收器可以包括串列匯流排發射器，該串列匯流排發射器被設置成，例如經由至少一條電線而從接收器340接收資訊，用以處理於處理器310中。替代串列匯流排，該接收器可以包括並列匯流排接收器。
裝置300可以包括未被繪示於圖3中的其他裝置。例如，在裝置300包括智慧型電話的情況下，其可以包括至少一個數位相機。有些裝置300可以包括背面相機和正面相機，其中，該背面相機可以打算用於數位照相學而該正面相機可以打算用於視訊電話學。裝置300可以包括指紋感測器，係設置成至少部分鑑證裝置300的使用者。在有些實施例中，裝置300沒有上面所述的至少一個裝置。例如，有些裝置300可以沒有NFC發射接收器350及/或使用者識別模組370。
處理器310、記憶體320、發射器330、接收器340、NFC發射接收器350、UI 360及/或使用者識別模組370可以藉由裝置300內的電線而以多種不同的方式互連。例如，前述裝置的每一個可以被分開的連接至裝置300內的主匯流排，以讓等裝置能夠交換資訊。然而，如同習於此技藝者將可領會的，此僅係一個範例而且視該實施例而定，使前述裝置的至少兩個互連的各種方式可以被選擇，但沒有違離本發明的範疇。
圖4繪示依據本發明的至少一些實施例之發訊。在垂直軸線上係設置有圖1的裝置110於左邊，以及伺服器SRV於右邊。時間從上向下推進。起初，在階段410，裝置110從至少一個感測器，在有些實施例中從至少兩個感測器中獲得到感測器資料。感測器資料可以包括感測器資料要素的序列，如同在本文中上面所述者。該(等)感測器可以被包括在，例如裝置110中。感測器資料可以用時間序列的方式來儲存，例如以1Hz, 10Hz, 1Khz的取樣頻率或者實際上以另一取樣間隔。在各種不同的感測器資料要素序列中，該取樣間隔不需要一樣。
階段410可以包括至少一種活動類型的一或更多個活動課程。在多個活動課程出現的情況中，它們可以是相同或不同的活動類型。使用者不需要，在至少有些實施例中，向裝置110指示活動課程正在進行中。在階段410期間，裝置110可以，但是在有些實施例中不需要，識別活動類型或課程。在階段410期間所匯集的該等感測器資料要素序列可以持續，例如10分鐘或2小時。作為特定實施例，該時間序列可以自感測器資料從裝置110被下載至，諸如，例如個人電腦PC1的另一裝置的先前時間開始持續。
此外，在階段410中，裝置110將該等感測器資料要素序列分段呈複數個感測器資料片段，如同在本文中上面所述者。這些片段然後被分配標籤，以獲取該等感測器資料要素序列到標籤序列的轉換。
在階段420中，該標籤序列被至少部分提供給伺服器SRV。此階段可以進一步包括將可選的活動及/或賽事(event)參考資料提供給伺服器SRV。該提供可以經由，例如基地站120來進行。該標籤序列可以在到該伺服器的途中被加密，以保護該使用者的隱私。
在階段430中，伺服器SRV可以至少部分根據在階段420的訊息中的該標籤序列來決定相關連的機器可讀指令。該標籤序列可以，例如，和有關與該標籤序列中之標籤相關的活動之改善後的片段之貼標籤，而該標籤序列是在階段420中從裝置110在伺服器SRV中所接收到的。
在階段440中，在階段430中所決定的該機器可讀指令被提供給裝置110，在階段450中，致能感測器資料片段之更準確的貼標籤。
圖5為依據本發明的至少一些實施例之方法的流程圖。所繪示之方法的階段可以，例如，在裝置110、輔助裝置或個人電腦中，或者在當被植入於其中時係配置成控制其運作的控制裝置中進行。
階段510包括儲存複數個感測器資料要素序列。階段520包括從該複數個感測器資料要素序列衍生出複數個感測器資料片段，各感測器資料片段包括來自該等感測器資料要素序列的至少其中兩個之時間對齊的感測器資料要素子序列。最後，階段530包括根據包括在個別的感測器資料片段中的感測器資料要素，將標籤分配給該等感測器資料片段的至少其中一些，以取得一標籤序列。
要瞭解到所揭示之本發明的實施例並不限於本文中所揭示之特別的結構、過程步驟、或材料，而是被擴展至其等同物，如同將由習於此技藝者所認知的。應該了解到本文中所使用之術語的使用係僅為了說明特別實施例的目的而非意欲用來限制。
此說明書全文提到的一個實施例或者一實施例意指針對該實施例所說明之特別的特徵、結構、或特性被包含在本發明的至少一個實施例中。因此，在此說明書通篇各處出現的用語「在一個實施例中」或「在一實施例中」並不一定皆指同一個實施例。在使用一用語(諸如，例如大約、實質上)來意指一數值的情況下，正確的數值也被揭示出。
如同本文中所使用的，複數個品項、結構元件、組成元件、及/或材料為了方便起見可以出現在一共同表列中。然而，這些表列應該被建構得好像表列中的各組件被個別識別為單獨且唯一的組件。因此，此一表列中沒有任何組件應該僅僅根據他們出現在同一群組中而沒有相反的指示就被建構為實際上等同於該同一表列中的任何其他組件。除此之外，本發明的各種實施例及範例在本文中可以指連同其各種不同構件的替代物一起。應該了解到此等實施例、範例、及替代物不需要被建構為實際上是另一者的等同物，而是被認為是本發明的單獨且獨立存在的表現。
此外，所說明的特徵、結構、或特性可以用任何適當的方式而被組合於一個或更多個實施例中。在前面的說明中，許多特定的細節被提供，諸如長度、寬度、形狀等等的例子，以提供本發明之實施例的徹底了解。然而，習於此技藝者將認知到，本發明可以在沒有該等特定細節的一個或更多個，或者在有其他方法、構件、材料等等的情況下被施行。在其他的例子中，眾所周知的結構、材料、或操作未被詳細地顯示或說明，以避免模糊了本發明的態樣。
雖然前述範例繪示出本發明在一個或更多個特別應用中的原理，但是對習於此技藝者而言將顯而易知的是，在施行的方式、用法和細節上之各式各樣的修正可以被做成而不需要發明性機能的行使，而且沒有違離本發明的原理及概念。因此，並非想要本發明被下面所提出的申請專利範圍所限制，除了作為下面所提出的申請專利範圍之外。
動詞「包括」和「包含」在此文件中被使用作為既非排除亦不需要未被敘述出之特徵的存在之開放式限制。附屬請求項中所敘述之特徵可以互相自由地組合，除非另外有明確地陳述出。此外，要瞭解到「a」和「an」，亦即單數形式的使用在此說明書通篇並不排除複數。
本發明的至少一些實施例找出在促進感測器資料之分析方面的工業應用。 首字母縮寫表列 GPS            全球定位系統 LTE            長期演進 NFC            近場通訊 WCDMA       寬頻帶分碼多重存取 WiMAX        全球微波存取互通 WLAN         無限區域網路
110:裝置 120:基地站 130:網路節點 140:網路 150:衛星星座 201,202:軸線 203,205,207:活動課程端點 210,220:感測器資料時間序列 310~370:結構 410~430:階段 510~530:階段
[圖1]繪示依據本發明的至少一些實施例之範例系統；
[圖2A]繪示範例多感官(multisensorial)時間序列；
[圖2B]繪示第二範例多感官時間序列；
[圖3]繪示能夠支持本發明的至少一些實施例之範例設備；
[圖4]繪示依據本發明的至少一些實施例之發訊(signalling)；以及
[圖5]係依據本發明的至少一些實施例之方法的流程圖。
201,202:軸線
203,204,205:活動課程端點
210,220:感測器資料時間序列

Claims (16)

  1. 一種個人多感測器設備，包括：記憶體，係配置成儲存複數個感測器資料要素序列；以及至少一個處理核心，係配置成：從該複數個感測器資料要素序列衍生出複數個感測器資料片段，各感測器資料片段包括來自該等感測器資料要素序列的至少其中兩個之時間對齊的感測器資料要素子序列，該等感測器資料要素為從感測器衍生出的數值；以及根據包括在個別的感測器資料片段中的該等感測器資料要素，將標籤分配給該等感測器資料片段的至少其中一些，以取得一標籤序列，各標籤為包括在該個別的感測器資料片段中之該等感測器資料要素的語意解釋，其中，該設備係進一步配置成根據該標籤序列來決定使用者已經從事的活動類型，且同時該等感測器資料序列已經被取得，該活動類型與該等標籤之各者皆不同。
  2. 如請求項1之設備，其中，該設備係進一步配置成將該標籤序列傳送至網路中的節點。
  3. 如請求項1之設備，其中，該設備係配置成從網路中的節點接收機器可讀指令，以及使用該機器可讀指令來決定該活動類型。
  4. 如請求項3之設備，其中，該機器可讀指令包括下面的至少其中一者：可執行程式和可執行腳本。
  5. 如請求項1至4中任一項之設備，其中，該設備係配置成從網路接收至少一個貼標籤指令，以及使用該至少一個機器可讀貼標籤指令來將該標籤分配給每一個感測器資料片段。
  6. 如請求項5之設備，其中，該機器可讀貼標籤指令包括下面的至少其中一者：可執行程式和可執行腳本。
  7. 如請求項1之設備，其中，該複數個感測器資料要素序列的每一個皆包括源自於正好一個感測器的感測器資料要素。
  8. 如請求項1之設備，其中，該複數個感測器資料要素序列包括至少三個感測器資料要素序列。
  9. 如請求項1之設備，其中，該複數個感測器資料要素序列包括至少九個感測器資料要素序列。
  10. 如請求項1之設備，其中，該設備係配置成至少部分地使用適當訓練後的人工神經網路來衍生該複數個感測器資料片段。
  11. 一種個人多感測器設備中的方法，包括：儲存複數個感測器資料要素序列；從該複數個感測器資料要素序列衍生出複數個感測器資料片段，各感測器資料片段包括來自該等感測器資料要素序列的至少其中兩個之時間對齊的感測器資料要素子序列，該等感測器資料要素為從感測器衍生出的數值； 根據包括在個別的感測器資料片段中的感測器資料要素，將標籤分配給該等感測器資料片段的至少其中一些，以取得一標籤序列，各標籤為包括在該個別的感測器資料片段中之該等感測器資料要素的語意解釋；以及根據該標籤序列來決定使用者已經從事的活動類型，且同時該等感測器資料序列已經被取得，該活動類型與該等標籤之各者皆不同。
  12. 如請求項11之方法，另包括將該標籤序列傳送至網路中的節點。
  13. 如請求項11之方法，另包括從網路中的節點接收機器可讀指令，以及使用該機器可讀指令來決定該活動類型。
  14. 一種伺服器設備，包括：接收器，係配置成接收根據感測器資料要素所分配的標籤序列，該等感測器資料要素並未正被包括在該標籤序列中而且該等標籤不包括該等感測器資料要素，該等感測器資料要素為從感測器衍生出的數值，各標籤為包括在該個別的感測器資料片段中之該等感測器資料要素的語意解釋；以及至少一個處理核心，係配置成：根據該標籤序列來決定使用者已經從事的活動類型，且同時該等感測器資料序列已經被取得，該活動類型與該等標籤之各者皆不同。
  15. 如請求項14之伺服器設備，其中，該伺 服器設備係配置成根據將所接收到的標籤序列與該伺服器設備中所儲存之標籤序列得表列相比較，以及藉由選擇與和該所接收到之標籤序列匹配的表列中之標籤序列相關聯的活動類型，以決定該活動類型。
  16. 一種伺服器設備中的方法，包括：接收根據感測器資料要素所分配的標籤序列，該等感測器資料要素並未正被包括在該標籤序列中，而且該等標籤不包括該等感測器資料要素，該等感測器資料要素為從感測器衍生出的數值，各標籤為包括在該個別的感測器資料片段中之該等感測器資料要素的語意解釋；以及根據該標籤序列來決定使用者已從事的活動類型，且同時該等感測器資料序列已經被取得，該活動類型與該等標籤之各者皆不同。
TW108143946A 2018-12-21 2019-12-02 感測器資料管理 TWI729596B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US16/228,981 US20190142307A1 (en) 2015-12-21 2018-12-21 Sensor data management
US16/228,981 2018-12-21

Publications (2)

Publication Number Publication Date
TW202032327A TW202032327A (zh) 2020-09-01
TWI729596B true TWI729596B (zh) 2021-06-01

Family

ID=69147143

Family Applications (1)

Application Number Title Priority Date Filing Date
TW108143946A TWI729596B (zh) 2018-12-21 2019-12-02 感測器資料管理

Country Status (5)

Country Link
CN (1) CN111351524A (zh)
DE (1) DE102019008548A1 (zh)
FI (1) FI129882B (zh)
GB (1) GB2581014B (zh)
TW (1) TWI729596B (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2010083562A1 (en) * 2009-01-22 2010-07-29 National Ict Australia Limited Activity detection
CN103154954A (zh) * 2010-08-09 2013-06-12 耐克国际有限公司 使用移动装置监测健身
US20140046223A1 (en) * 2008-08-29 2014-02-13 Philippe Kahn Sensor fusion for activity identification
WO2014118767A1 (en) * 2013-02-03 2014-08-07 Sensogo Ltd. Classifying types of locomotion
US20150119728A1 (en) * 2011-12-02 2015-04-30 Fitlinxx, Inc. Health monitor
TWI598076B (zh) * 2014-09-02 2017-09-11 蘋果公司 體能活動及健身監控器

Family Cites Families (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB2425180B (en) * 2005-04-14 2009-03-18 Justin Pisani Monitoring system
JP5028751B2 (ja) * 2005-06-09 2012-09-19 ソニー株式会社 行動認識装置
US9665873B2 (en) * 2010-02-24 2017-05-30 Performance Lab Technologies Limited Automated physical activity classification
US8774499B2 (en) * 2011-02-28 2014-07-08 Seiko Epson Corporation Embedded optical flow features
JP5803962B2 (ja) * 2013-03-22 2015-11-04 ソニー株式会社 情報処理装置、センサ装置、情報処理システムおよび記録媒体
KR101500662B1 (ko) * 2013-10-18 2015-03-09 경희대학교 산학협력단 모바일 단말을 이용한 활동 인식 장치 및 인식 방법
CN104680046B (zh) * 2013-11-29 2018-09-07 华为技术有限公司 一种用户活动识别方法及装置
KR101946033B1 (ko) * 2013-12-02 2019-02-08 나이키 이노베이트 씨.브이. 체공 시간
CN103970271B (zh) * 2014-04-04 2017-06-20 浙江大学 融合运动和生理传感数据的日常活动识别方法
CN106999106A (zh) * 2014-12-02 2017-08-01 皇家飞利浦有限公司 用于使用可穿戴设备的测量结果生成健康数据的系统和方法
US9654234B2 (en) * 2015-08-28 2017-05-16 Focus Ventures, Inc. System and method for automatically time labeling repetitive data
CN105242779B (zh) * 2015-09-23 2018-09-04 歌尔股份有限公司 一种识别用户动作的方法和移动智能终端
US20170232294A1 (en) * 2016-02-16 2017-08-17 SensorKit, Inc. Systems and methods for using wearable sensors to determine user movements
US9830516B1 (en) * 2016-07-07 2017-11-28 Videoken, Inc. Joint temporal segmentation and classification of user activities in egocentric videos

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140046223A1 (en) * 2008-08-29 2014-02-13 Philippe Kahn Sensor fusion for activity identification
WO2010083562A1 (en) * 2009-01-22 2010-07-29 National Ict Australia Limited Activity detection
CN103154954A (zh) * 2010-08-09 2013-06-12 耐克国际有限公司 使用移动装置监测健身
US20150119728A1 (en) * 2011-12-02 2015-04-30 Fitlinxx, Inc. Health monitor
WO2014118767A1 (en) * 2013-02-03 2014-08-07 Sensogo Ltd. Classifying types of locomotion
TWI598076B (zh) * 2014-09-02 2017-09-11 蘋果公司 體能活動及健身監控器

Also Published As

Publication number Publication date
TW202032327A (zh) 2020-09-01
FI129882B (en) 2022-10-14
GB2581014B (en) 2021-09-22
DE102019008548A1 (de) 2020-06-25
FI20196079A1 (en) 2020-06-22
CN111351524A (zh) 2020-06-30
GB201917731D0 (en) 2020-01-15
GB2581014A (en) 2020-08-05

Similar Documents

Publication Publication Date Title
US10433768B2 (en) Activity intensity level determination
US11607144B2 (en) Sensor based context management
US10327673B2 (en) Activity intensity level determination
US9418342B2 (en) Method and apparatus for detecting mode of motion with principal component analysis and hidden markov model
US11793458B2 (en) Tracking caloric expenditure using sensor driven fingerprints
US8990011B2 (en) Determining user device's starting location
US10856776B2 (en) Activity intensity level determination
CN108293174A (zh) 用于众包算法开发的方法和系统
US20180048996A1 (en) Location and activity aware content delivery system
EP2835769A1 (en) Method, device and system for annotated capture of sensor data and crowd modelling of activities
SE1350894A1 (sv) Metod och system för bestämning av utförandeindikatorer förperiodiska rörelser
CN109314837A (zh) 基于地理位置的锻炼路线的回填
US20190175106A1 (en) Health and athletic monitoring system, apparatus and method
WO2016027001A1 (en) Handling sensor information
TWI729596B (zh) 感測器資料管理
US20190142307A1 (en) Sensor data management
Zhong et al. An accurate and adaptive pedometer integrated in mobile health application
FI129844B (en) A method to control the screen
US20220095954A1 (en) A foot mounted wearable device and a method to operate the same
US11587484B2 (en) Method for controlling a display
GB2579998A (en) Sensor Based context management
CN106686234A (zh) 基于手机传感器数据的用户年龄识别方法
JP2009230363A (ja) 表示装置およびその表示方法
CN116186552A (zh) 为训练计算模型提供未标记的训练数据
Martinsson et al. Energy Efficient Geo-Localization for a Wearable Device