WO2021225298A1 - 보행에 관한 정보를 확인하는 전자 장치 및 보행에 관한 정보를 확인하는 전자 장치의 동작 방법 - Google Patents

보행에 관한 정보를 확인하는 전자 장치 및 보행에 관한 정보를 확인하는 전자 장치의 동작 방법 Download PDF

Info

Publication number
WO2021225298A1
WO2021225298A1 PCT/KR2021/004769 KR2021004769W WO2021225298A1 WO 2021225298 A1 WO2021225298 A1 WO 2021225298A1 KR 2021004769 W KR2021004769 W KR 2021004769W WO 2021225298 A1 WO2021225298 A1 WO 2021225298A1
Authority
WO
WIPO (PCT)
Prior art keywords
electronic device
value
processor
user
parameter
Prior art date
Application number
PCT/KR2021/004769
Other languages
English (en)
French (fr)
Inventor
김현성
강정관
Original Assignee
삼성전자 주식회사
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 삼성전자 주식회사 filed Critical 삼성전자 주식회사
Publication of WO2021225298A1 publication Critical patent/WO2021225298A1/ko

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—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
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • 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
    • 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
    • A61B5/1036—Measuring load distribution, e.g. podologic studies
    • A61B5/1038—Measuring plantar pressure during gait
    • 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
    • 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
    • A61B5/1116—Determining posture transitions
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
    • A61B5/6801—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be attached to or worn on the body surface
    • A61B5/6802—Sensor mounted on worn items
    • A61B5/6804—Garments; Clothes
    • A61B5/6807—Footwear
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
    • A61B5/6801—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be attached to or worn on the body surface
    • A61B5/6843—Monitoring or controlling sensor contact pressure
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/74—Details of notification to user or communication with user or patient ; user input means
    • A61B5/746—Alarms related to a physiological condition, e.g. details of setting alarm thresholds or avoiding false alarms
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/74—Details of notification to user or communication with user or patient ; user input means
    • A61B5/7465—Arrangements for interactive communication between patient and care services, e.g. by using a telephone network
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
    • G16H20/30—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to physical therapies or activities, e.g. physiotherapy, acupressure or exercising
    • 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

Definitions

  • Various embodiments relate to an electronic device for checking information about walking and a method of operating the electronic device for checking information about walking.
  • the electronic device may check the number of steps taken by the user. Furthermore, the electronic device may check the amount of calories consumed by the user through walking or check the distance the user has walked.
  • Plantar fasciitis is an inflammation of the membrane that surrounds the plantar muscles, which is repeatedly caused by microscopic damage while walking. Plantar fasciitis can cause problems in the knee, hip, or spine when walking is impaired.
  • the insole When the insole is provided with a sensor such as a pressure sensor to measure the impact transmitted to the sole, the user is required to have a sensor in all shoes, and the sensor may be easily broken because the impact transmitted to the sensor is accumulated.
  • a sensor such as a pressure sensor
  • the electronic device for checking information about walking identifies an impact pattern corresponding to the type of shoes worn by the user of the electronic device based on acceleration data sensed by an acceleration sensor, and includes at least a portion of the impact pattern. Based on this, the degree of damage can be checked.
  • an electronic device includes an acceleration sensor and at least one processor, wherein the at least one processor checks acceleration data sensed by the acceleration sensor, and at least one first first processor based on the acceleration data Check the impact pattern of the electronic device based on a parameter, and when the impact pattern corresponds to at least one predefined type, determine the degree of damage based on at least one second parameter based on the acceleration data can be
  • the electronic device since the electronic device according to various embodiments checks the degree of damage based at least in part on the impact pattern corresponding to the type of shoe, it allows the user to manage the gait pattern that adversely affects plantar health even before pain is actually felt in the sole of the foot. can make it
  • FIG. 1 is a block diagram of an electronic device in a network environment according to various embodiments of the present disclosure
  • FIG. 3 is a flowchart illustrating an operation of an electronic device according to various embodiments of the present disclosure
  • FIG. 4 is a flowchart illustrating an operation of an electronic device according to various embodiments of the present disclosure
  • 6A shows the acceleration magnitude values when the user wears flat shoes and walks.
  • 6B shows SWS differential values when a user walks wearing flat shoes.
  • 6C shows the maximum amount of impact in one step section when the user wears flat shoes and walks.
  • 6F shows the maximum amount of impact in one step section when the user walks while wearing sneakers.
  • 6G shows the acceleration magnitude values when the user walks wearing high heels.
  • 6I shows the maximum amount of impact in one step section when a user walks wearing high heels.
  • FIG. 7 is a flowchart illustrating an operation of an electronic device according to various embodiments of the present disclosure.
  • 8B shows SWS differential values when a user wears flat shoes and runs.
  • 8C shows the maximum amount of impact in one step section when the user wears flat shoes and runs.
  • 8D shows the acceleration magnitude values when a user runs while wearing sports shoes.
  • FIG. 8E shows SWS differential values when a user runs while wearing sneakers.
  • 8F shows the maximum impact amount in one step section when the user wears running shoes and runs.
  • 8G shows the acceleration magnitude values when a user runs while wearing high heels.
  • FIG. 9 is a flowchart illustrating an operation of an electronic device according to various embodiments of the present disclosure.
  • FIG. 10 is a flowchart illustrating an operation of an electronic device according to various embodiments of the present disclosure.
  • FIG. 11 illustrates a clustering process for threshold correction, according to various embodiments.
  • FIG. 12 is a flowchart illustrating an operation of an electronic device according to various embodiments of the present disclosure
  • FIG. 13B illustrates an exemplary screen displayed on an electronic device, according to various embodiments.
  • FIG. 14A illustrates an exemplary screen displayed on an electronic device, according to various embodiments of the present disclosure
  • FIG. 14B illustrates an exemplary screen displayed on an electronic device, according to various embodiments.
  • 15A illustrates an exemplary screen displayed on an electronic device, according to various embodiments of the present disclosure
  • 15B illustrates an exemplary screen displayed on an electronic device, according to various embodiments.
  • FIG. 1 is a block diagram of an electronic device 101 in a network environment 100 according to various embodiments of the present disclosure.
  • an electronic device 101 communicates with an electronic device 102 through a first network 198 (eg, a short-range wireless communication network) or a second network 199 . It may communicate with the electronic device 104 or the server 108 through (eg, a long-distance wireless communication network). According to an embodiment, the electronic device 101 may communicate with the electronic device 104 through the server 108 .
  • a first network 198 eg, a short-range wireless communication network
  • a second network 199 e.g., a second network 199
  • the electronic device 101 may communicate with the electronic device 104 through the server 108 .
  • the electronic device 101 includes a processor 120 , a memory 130 , an input device 150 , a sound output device 155 , a display device 160 , an audio module 170 , and a sensor module ( 176), interface 177, connection terminal 178, haptic module 179, camera module 180, power management module 188, battery 189, communication module 190, subscriber identification module 196 , or an antenna module 197 .
  • at least one of these components eg, the connection terminal 178
  • some of these components are integrated into one component (eg, display device 160 ). can be
  • the processor 120 for example, executes software (eg, a program 140) to execute at least one other component (eg, a hardware or software component) of the electronic device 101 connected to the processor 120 . It can control and perform various data processing or operations. According to one embodiment, as at least part of data processing or operation, the processor 120 converts commands or data received from other components (eg, the sensor module 176 or the communication module 190 ) to the volatile memory 132 . may be stored in the volatile memory 132 , and may process commands or data stored in the volatile memory 132 , and store the result data in the non-volatile memory 134 .
  • software eg, a program 140
  • the processor 120 converts commands or data received from other components (eg, the sensor module 176 or the communication module 190 ) to the volatile memory 132 .
  • the volatile memory 132 may be stored in the volatile memory 132 , and may process commands or data stored in the volatile memory 132 , and store the result data in the non-volatile memory 134 .
  • the processor 120 is the main processor 121 (eg, a central processing unit or an application processor), or a secondary processor 123 (eg, a graphics processing unit, a neural network processing unit) that can operate independently or together with the main processor 121 .
  • NPU neural processing unit
  • image signal processor sensor hub processor, or communication processor
  • the main processor 121 uses less power than the main processor 121 or is set to be specialized for a specified function.
  • the auxiliary processor 123 may be implemented separately from or as a part of the main processor 121 .
  • the auxiliary processor 123 may be, for example, on behalf of the main processor 121 while the main processor 121 is in an inactive (eg, sleep) state, or when the main processor 121 is active (eg, executing an application). ), together with the main processor 121, at least one of the components of the electronic device 101 (eg, the display device 160, the sensor module 176, or the communication module 190) It is possible to control at least some of the related functions or states.
  • the coprocessor 123 eg, an image signal processor or a communication processor
  • may be implemented as part of another functionally related component eg, the camera module 180 or the communication module 190. have.
  • the memory 130 may store various data used by at least one component (eg, the processor 120 or the sensor module 176 ) of the electronic device 101 .
  • the data may include, for example, input data or output data for software (eg, the program 140 ) and instructions related thereto.
  • the memory 130 may include a volatile memory 132 or a non-volatile memory 134 .
  • the input device 150 may receive a command or data to be used by a component (eg, the processor 120 ) of the electronic device 101 from the outside (eg, a user) of the electronic device 101 .
  • the input device 150 may include, for example, a microphone, a mouse, a keyboard, or a digital pen (eg, a stylus pen).
  • the display device 160 may visually provide information to the outside (eg, a user) of the electronic device 101 .
  • the display device 160 may include, for example, a display, a hologram device, or a projector and a control circuit for controlling the corresponding device.
  • the display device 160 may include a touch sensor configured to sense a touch or a pressure sensor configured to measure the intensity of a force generated by the touch.
  • the audio module 170 may convert a sound into an electric signal or, conversely, convert an electric signal into a sound. According to an embodiment, the audio module 170 acquires a sound through the input device 150 , or an external electronic device (eg, a sound output device 155 ) connected directly or wirelessly with the electronic device 101 . The sound may be output through the electronic device 102 (eg, a speaker or a headphone).
  • an external electronic device eg, a sound output device 155
  • the sound may be output through the electronic device 102 (eg, a speaker or a headphone).
  • the sensor module 176 detects an operating state (eg, power or temperature) of the electronic device 101 or an external environmental state (eg, user state), and generates an electrical signal or data value corresponding to the sensed state. can do.
  • the sensor module 176 may include, for example, a gesture sensor, a gyro sensor, a barometric pressure sensor, a magnetic sensor, an acceleration sensor, a grip sensor, a proximity sensor, a color sensor, an IR (infrared) sensor, a biometric sensor, It may include a temperature sensor, a humidity sensor, or an illuminance sensor.
  • the interface 177 may support one or more specified protocols that may be used by the electronic device 101 to directly or wirelessly connect with an external electronic device (eg, the electronic device 102 ).
  • the interface 177 may include, for example, a high definition multimedia interface (HDMI), a universal serial bus (USB) interface, an SD card interface, or an audio interface.
  • the connection terminal 178 may include a connector through which the electronic device 101 can be physically connected to an external electronic device (eg, the electronic device 102 ).
  • the connection terminal 178 may include, for example, an HDMI connector, a USB connector, an SD card connector, or an audio connector (eg, a headphone connector).
  • the haptic module 179 may convert an electrical signal into a mechanical stimulus (eg, vibration or movement) or an electrical stimulus that the user can perceive through tactile or kinesthetic sense.
  • the haptic module 179 may include, for example, a motor, a piezoelectric element, or an electrical stimulation device.
  • the power management module 188 may manage power supplied to the electronic device 101 .
  • the power management module 188 may be implemented as, for example, at least a part of a power management integrated circuit (PMIC).
  • PMIC power management integrated circuit
  • the battery 189 may supply power to at least one component of the electronic device 101 .
  • battery 189 may include, for example, a non-rechargeable primary cell, a rechargeable secondary cell, or a fuel cell.
  • the communication module 190 is a direct (eg, wired) communication channel or a wireless communication channel between the electronic device 101 and an external electronic device (eg, the electronic device 102, the electronic device 104, or the server 108). It can support establishment and communication through the established communication channel.
  • the communication module 190 may include one or more communication processors that operate independently of the processor 120 (eg, an application processor) and support direct (eg, wired) communication or wireless communication.
  • the communication module 190 is a wireless communication module 192 (eg, a cellular communication module, a short-range wireless communication module, or a global navigation satellite system (GNSS) communication module) or a wired communication module 194 (eg, : It may include a local area network (LAN) communication module, or a power line communication module).
  • a corresponding communication module among these communication modules is a first network 198 (eg, a short-range communication network such as Bluetooth, wireless fidelity (WiFi) direct, or infrared data association (IrDA)) or a second network 199 (eg, legacy cellular).
  • a first network 198 eg, a short-range communication network such as Bluetooth, wireless fidelity (WiFi) direct, or infrared data association (IrDA)
  • a second network 199 eg, legacy cellular
  • the wireless communication module 192 uses the subscriber information (eg, International Mobile Subscriber Identifier (IMSI)) stored in the subscriber identification module 196 within a communication network such as the first network 198 or the second network 199 .
  • the electronic device 101 may be identified and authenticated.
  • IMSI International Mobile Subscriber Identifier
  • the antenna module 197 may transmit or receive a signal or power to the outside (eg, an external electronic device).
  • the antenna module may include an antenna including a conductor formed on a substrate (eg, a PCB) or a radiator formed of a conductive pattern.
  • the antenna module 197 may include a plurality of antennas (eg, an array antenna). In this case, at least one antenna suitable for a communication method used in a communication network such as the first network 198 or the second network 199 is connected from the plurality of antennas by, for example, the communication module 190 . can be selected. A signal or power may be transmitted or received between the communication module 190 and an external electronic device through the selected at least one antenna.
  • other components eg, a radio frequency integrated circuit (RFIC)
  • RFIC radio frequency integrated circuit
  • peripheral devices eg, a bus, general purpose input and output (GPIO), serial peripheral interface (SPI), or mobile industry processor interface (MIPI)
  • GPIO general purpose input and output
  • SPI serial peripheral interface
  • MIPI mobile industry processor interface
  • the command or data may be transmitted or received between the electronic device 101 and the external electronic device 104 through the server 108 connected to the second network 199 .
  • Each of the external electronic devices 102 or 104 may be the same as or different from the electronic device 101 .
  • all or part of the operations executed in the electronic device 101 may be executed in one or more of the external electronic devices 102 , 104 , or 108 .
  • the electronic device 101 may perform the function or service itself instead of executing the function or service itself.
  • one or more external electronic devices may be requested to perform at least a part of the function or the service.
  • the one or more external electronic devices that have received the request may execute at least a part of the requested function or service, or an additional function or service related to the request, and transmit a result of the execution to the electronic device 101 .
  • the electronic device 101 may process the result as it is or additionally and provide it as at least a part of a response to the request.
  • cloud computing mobile edge computing (MEC), distributed computing, or client-server computing technology may be used.
  • the electronic device may be any electronic device including an acceleration sensor and at least one processor.
  • the electronic device may be the electronic device 101 described above with reference to FIG. 1 .
  • the electronic device according to various embodiments is not limited to the electronic device 101 of FIG. 1 .
  • the electronic device may be a wearable electronic device or an electronic device that a user can hold.
  • At least one processor eg, the processor 120 of the electronic device (eg, the electronic device 101 ) senses the acceleration sensor (eg, the sensor module 176 ). Acceleration data can be checked.
  • the at least one processor 120 of the electronic device 101 may identify the impact pattern of the electronic device 101 based on the at least one first parameter based on the acceleration data.
  • the at least one first parameter may be at least one parameter that varies depending on the type of shoe worn by the user.
  • the first parameter may be a maximum impulse within a step section or a difference between a first peak value and a valley value of a sliding window summing (SWS) difference value within a step section and the last of the SWS difference value within the step section It may include at least one of an average of a difference between a peak value and the valley value. Definitions of the one-step section, the maximum impulse, the SWS difference value, and the peak and valley of the SWS difference value will be described later.
  • the impact pattern of the electronic device 101 may be classified into at least one type indicating the type of footwear worn by the user, and the type of footwear worn by the user may be classified according to an effect on the user's health.
  • the shoes are the first type that reduces the amount of impact transmitted to the user's body part (eg, sole) while walking, such as sneakers, and accumulates less fatigue, and the user's body part while walking, such as flat shoes or high heels. It may be classified into a second type that does not sufficiently relieve the amount of impact delivered to the device and greatly accumulates fatigue.
  • the impact pattern of the electronic device 101 indicates that the user wears the first type of shoes. of the impact pattern and the second type of impact pattern indicating that the user wears the second type of shoes.
  • shoes may be classified into three or more types according to a degree of accumulating damage to a user's body part.
  • the at least one processor 120 of the electronic device 101 determines the degree of damage based on the at least one second parameter based on the acceleration data when the identified impact pattern corresponds to at least one predefined type. can be checked.
  • the at least one predefined type may be a type of impact pattern indicating that the user wears shoes that can damage a body part of the user by delivering an impact amount to the user by a certain level or more.
  • the first type indicating that the user wore shoes that reduce the amount of shock transmitted to the user during walking, such as sneakers, and that accumulates less fatigue by the impact pattern, and the user transmits to the user while walking, such as flat shoes or high heels
  • the at least one predefined type may be the second type.
  • the degree of impairment may be ascertained based on various operations based on the second parameter.
  • the degree of impairment is a value obtained by integrating a weighted sum of the normalized gait frequency and the normalized maximum impulse over the gait section or a lookup table. It may be defined as a section to which the integrated value belongs by reference.
  • the degree of damage when the at least one processor 120 of the electronic device 101 determines the degree of damage based on the second parameter when the identified impact pattern corresponds to at least one predefined type, the degree of damage When checking , only the second parameter value in the section where the amount of impact delivered to the user is expected to be relatively large is considered, and the second parameter value in the section where the amount of impact delivered to the user is expected to be relatively small is considered in determining the degree of damage It could mean that it doesn't. Accordingly, instead of checking the second parameter value and the degree of damage in all sections, the electronic device 101 according to various embodiments calculates the second parameter value and the degree of damage only for sections in which the amount of shock delivered to the user is expected to be relatively large. Therefore, it is possible to efficiently check the degree of damage with a small amount of computation.
  • a user walks with the electronic device 101 in a coat pocket, a user walks while wearing the electronic device 101 in the form of a wearable watch and walks with a hand in a pocket, or a user hands the electronic device 101 If the user walks without waving his/her hand, the user wears the wearable watch-type electronic device 101 and fixes his/her wrist, or the electronic device 101 is the earphone-type wearable electronic device, and the user uses the electronic device ( 101), if the state in which the gaze is fixed in the front continues for a certain period of time or longer, the posture change condition may be satisfied.
  • the at least one processor 120 of the electronic device 101 may determine that the user is walking or running. Examples of detailed operations of the electronic device 101 for determining whether the user is walking or running will be described below with reference to FIG. 5 .
  • the at least one processor 120 of the electronic device 101 may identify an impact pattern of the electronic device based on acceleration data obtained while the user is walking. After it is confirmed in operation 320 that the posture change condition is satisfied, in operation 340 the at least one processor 120 determines that the posture change condition is satisfied and based on the acceleration data of the section in which the user is walking among the sections in which the user is walking or running. Thus, it is possible to check the type of shoes worn by the user.
  • the details described above with respect to operation 220 may be equally applied to operation 340 . Examples of detailed operations of the electronic device 101 for confirming the type of shoes worn by the user will be described later with reference to FIGS. 7 and 9 to 11 .
  • the at least one processor 120 of the electronic device 101 may check the degree of damage. After it is confirmed in operation 330 that the user is walking or running, in operation 350, the at least one processor 120 may determine the degree of damage to the entire walking or running section based on the acceleration data of the section in which the user is walking. .
  • the details described above with respect to operation 230 may be equally applied to operation 350 . Examples of detailed operations of the electronic device 101 for checking the degree of damage will be described later with reference to FIG. 12 .
  • FIG. 4 is a flowchart 400 for explaining an operation of an electronic device according to various embodiments of the present disclosure. Specifically, FIG. 4 illustrates operations of the electronic device 101 for checking whether a posture change condition is satisfied.
  • At least one processor eg, the processor 120 of the electronic device (eg, the electronic device 101 ) may check acceleration data sensed by the acceleration sensor.
  • the at least one processor 120 of the electronic device 101 may determine whether gyro sensor data can be checked. According to various embodiments, the at least one processor 120 may determine whether the gyro sensor data can be checked based on whether the gyro sensor included in the electronic device 101 is activated.
  • the at least one processor 120 of the electronic device 101 may check the gyro sensor data sensed by the gyro sensor in operation 420 .
  • the at least one processor 120 of the electronic device 101 may check a roll and a pitch of the electronic device 101 using sensor fusion based on the acceleration data and the gyro sensor data. .
  • the at least one processor 120 of the electronic device 101 may check whether a posture change condition is satisfied based on the acceleration data without the gyro sensor data.
  • the at least one processor 120 may check an acceleration change amount.
  • the amount of acceleration change may include at least one of a change amount of the magnitude of the acceleration for a preset time interval or a change amount of a specific direction component of the acceleration for a preset time interval, which is confirmed based on the acceleration data. .
  • the at least one processor 120 may determine whether the amount of acceleration change identified in operation 430 is less than a first threshold.
  • the first threshold may be an amount of change in acceleration capable of confirming a roll and a pitch with a preset level of accuracy based on the acceleration data.
  • the at least one processor 120 may determine that the posture change condition is not satisfied in operation 470 .
  • the at least one processor 120 checks the roll and pitch based on the acceleration data in operation 440 , and checks the roll change amount and the pitch change amount in operation 445 .
  • the amount of change of the roll and the amount of change of the pitch may be the difference between the maximum value and the minimum value of the roll and the difference between the maximum value and the minimum value of the pitch within a preset time interval.
  • the at least one processor 120 may determine whether the amount of change in the roll is less than the second threshold and whether the amount of change in the pitch is less than the third threshold.
  • the second threshold value and the third threshold value may be the amount of change in the roll and the amount of change in the pitch through which an impact pattern corresponding to the type of shoe worn by the user can be confirmed, respectively, with a preset level of accuracy.
  • the at least one processor 120 may determine that the posture change condition is satisfied in operation 460 .
  • the at least one processor 120 may determine that the posture change condition is not satisfied in operation 470 .
  • a user with a preset level of accuracy It may be checked whether a posture change condition is satisfied based on various parameters that may indicate a state in which an impact pattern corresponding to the type of worn shoes is confirmed.
  • FIG. 5 is a flowchart 500 illustrating an operation of an electronic device according to various embodiments of the present disclosure. Specifically, FIG. 5 illustrates operations of the electronic device 101 for determining whether the user is walking or running.
  • At least one processor eg, the processor 120 of the electronic device (eg, the electronic device 101 ) may check acceleration data sensed by the acceleration sensor.
  • Equation 1 x, y, and z are the magnitudes of 3-axis acceleration, respectively.
  • FIG. 6A an exemplary graph of an acceleration magnitude value 610a when a user walks wearing flat shoes is shown in FIG. 6A .
  • the horizontal axis may mean the number of samples.
  • samples may be acquired in units of 10 ms, and in this case, 100 samples may mean 1 second.
  • the SWS difference value may be defined as in Equation (3).
  • FIG. 6B an example of the SWS difference value corresponding to when the user of FIG. 6A wears flat shoes and walks is shown in FIG. 6B .
  • the SWS difference value 620a is also periodically repeated according to the footstep period.
  • the at least one processor 120 of the electronic device 101 may identify zero crossing (ZC) points based on the SWS difference value.
  • ZC point may mean a point at which the SWS difference value becomes 0 while the SWS difference value changes from a positive number to a negative number.
  • the ZC point may mean a point at which the SWS difference value becomes 0 while the SWS difference value is changed from a negative number to a positive number.
  • the at least one processor 120 of the electronic device 101 may determine whether an interval between adjacent ZC points is constant and whether an interval between adjacent ZC points is within a predetermined range. According to various embodiments, the at least one processor 120 may identify time intervals between adjacent ZC points among the identified ZC points 631a, 632a, 633a, 634a, 635a, 636a, 637a, 638a, 639a. And, when the deviation between the time intervals between the confirmed adjacent ZC points is less than or equal to a predetermined level, it can be confirmed that the intervals of the adjacent ZC points are constant.
  • the at least one processor 120 determines that the interval between the adjacent ZC points is within a predetermined range when the number of time intervals within a predetermined range among the time intervals between the adjacent ZC points is greater than or equal to a predetermined number or greater than a predetermined ratio. You can check that it is inside.
  • the predetermined range may be an interval between ZC points corresponding to normal walking and running.
  • the at least one processor 120 of the electronic device 101 determines that the user is walking or running in operation 560 . can be checked
  • the at least one processor 120 of the electronic device 101 determines that the user walks in operation 570 . Or you can confirm that you are not running.
  • peaks there are a plurality of peaks between one ZC point of the SWS difference value 620a and another adjacent ZC point.
  • the SWS difference value 620a is positive in the section between the ZC point 631a and the ZC point 632a
  • there are two peaks such as a first peak 640a and a second peak 650a.
  • the first peak (640a) corresponds to the moment when the heel touches the ground or heel strike
  • the second peak (650a) corresponds to the moment when the force is applied to the front of the foot as the heel falls from the ground or heel off. do.
  • a minimum value among the SWS difference values 620a between the first peak 640a and the second peak 650a may be defined as the valley value 660a. Since the flat shoes have a hard sole and do not absorb shock from the ground well, the first peak 640a and the second peak 650a may be clearly detected. Thereafter, with reference to FIGS. 7 and 9 to 11 , it will be explained that the impact pattern corresponding to the type of shoe can be determined based at least in part on how sharp the peak corresponding to heel strike and the peak corresponding to heel off are. will be.
  • the one-step section refers to a section between two adjacent ZC points among the ZC points 631a, 632a, 633a, 634a, 635a, 636a, 637a, 638a, and 639a illustrated in FIG. 6B .
  • the section between the ZC point 631a and the ZC point 632a may be a one-step section.
  • the maximum impact amount in one step section shown in FIG. 6C means the maximum value of the acceleration magnitude value 610a within the step section. Referring to FIG.
  • the acceleration within the one-step section corresponds to the timing at which the one-step section ends, that is, the timing corresponding to the ZC points 631a, 632a, 633a, 634a, 635a, 636a, 637a, 638a, and 639a. It can be seen that the maximum values 661a, 662a, 663a, 664a, 665a, 666a, 667a, 668a, and 669a of the magnitude value 610a are displayed as the maximum impact amount.
  • FIG. 6D shows the acceleration magnitude values when a user walks while wearing sneakers.
  • the acceleration magnitude value 610d of FIG. 6D and the acceleration magnitude value 610a of FIG. 6A are compared, it can be confirmed that the acceleration magnitude value 610d is smaller than the acceleration magnitude value 610a as a whole. This means that flat shoes do not absorb shock from the ground well due to their hard sole, whereas sneakers absorb shock from the ground well and deliver only a small amount of shock to the user.
  • FIG. 6E shows SWS differential values when a user walks while wearing sneakers. Based on the SWS difference value 620d of FIG. 6E , ZC points 631d, 632d, 633d, 634d, 635d, 636d, 637d, 638d, and 639d may be identified. When the SWS difference value 620d of FIG. 6E and the SWS difference value 620a of FIG. 6B are compared, the SWS difference value 620d is the first peak 640d like the interval between the ZC point 631d and the ZC point 632d.
  • the valley value 660d and the difference between the last peak 650d and the valley value 660d are large, so there are sections in which the first peak 640d and the last peak 650d appear relatively clearly, but the ZC point It can be seen that the majority of the interval between the first peak and the valley value and the last peak and the valley value is not large, such as the interval between (632d) and the ZC point (633d). This is because flat shoes do not absorb shocks from the ground well due to their hard soles, so the peaks corresponding to heel strike and heel-off appear clearly, whereas sneakers absorb shocks from the ground well to prevent heel strike and heel-off. It means that the corresponding peak does not appear clearly.
  • FIG. 6F shows the maximum amount of impact in one step section when the user walks while wearing sneakers.
  • the timing at which one step section ends is the timing corresponding to the ZC points 631d, 632d, 633d, 634d, 635d, 636d, 637d, 638d, and 639d.
  • the maximum values 661d, 662d, 663d, 664d, 665d, 666d, 667d, 668d, and 669d of the magnitude value 610d are displayed as the maximum impact amount. Comparing FIGS. 6c and 6f, it can be seen that the maximum impact amount in FIG. 6f is smaller than the maximum impact amount in FIG. 6c. This means that flat shoes do not absorb shock from the ground well due to their hard sole, whereas sneakers absorb shock from the ground well and deliver only a small amount of shock to the user.
  • FIG. 6G shows the acceleration magnitude values when a user walks wearing high heels. Comparing the acceleration magnitude value 610g of FIG. 6G with the acceleration magnitude value 610a of FIG. 6A and the acceleration magnitude value 610d of FIG. 6D, the acceleration magnitude value 610g is the acceleration magnitude value 610a and It can be seen that the overall value is larger than the acceleration magnitude value 610d of FIG. 6D . This means that high heels do not absorb shock from the ground well compared to flat shoes and sneakers, and thus deliver a lot of shock to the user.
  • FIG. 6H shows SWS differential values when a user walks wearing high heels. Based on the SWS difference value 620g of FIG. 6H , ZC points 631g, 632g, 633g, 634g, 635g, 636g, 637g, 638g, and 639g may be identified.
  • the SWS difference value 620g of FIG. 6H is the difference between the first peak and valley values and the last peak and valley values between adjacent ZC points 631g, 632g, 633g, 634g, 635g, 636g, 637g, 638g, and 639g. It can be seen that there is a large difference.
  • the first peak (640g) corresponding to heel strike and the last peak (650g) corresponding to heel-off appear clearly.
  • the difference between the valley value (660g) and the first peak (640g) which is the minimum value of the SWS difference value (620g), and the valley value (660g) and the last peak ( 650g)
  • the difference is large. This means that the peaks corresponding to heel strike and heel-off appear clearly because high heels do not absorb shock from the ground well because the bottom surface is hard.
  • FIG. 6I shows the maximum amount of impact in one step section when a user walks wearing high heels.
  • the timing at which one step section ends that is, the acceleration within the step section corresponding to each timing corresponding to the ZC points 631g, 632g, 633g, 634g, 635g, 636g, 637g, 638g, and 639g
  • the maximum values (661 g, 662 g, 663 g, 664 g, 665 g, 666 g, 667 g, 668 g, 669 g) of the size value (610 g) are displayed as the maximum impact amount. Comparing FIG. 6i with FIGS. 6c and 6f , it can be seen that the maximum impact amount in FIG. 6i is greater than the maximum impact amount in FIGS. 6c and 6f . This means that high heels do not absorb shock from the ground well.
  • FIG. 7 is a flowchart 700 for describing an operation of an electronic device according to various embodiments of the present disclosure. Specifically, FIG. 7 illustrates operations of the electronic device 101 for confirming an impact pattern corresponding to the type of shoe worn by the user.
  • At least one processor eg, the processor 120 of the electronic device (eg, the electronic device 101 ) may check acceleration data sensed by the acceleration sensor.
  • the at least one processor 120 of the electronic device 101 may determine the magnitude of the acceleration based on the acceleration data. Details regarding operation 520 of FIG. 5 may be equally applied to operation 720 .
  • the at least one processor 120 of the electronic device 101 may check a sliding window summing (SWS) difference value. Details regarding operation 530 of FIG. 5 may be equally applied to operation 730 .
  • SWS sliding window summing
  • At least one processor 120 of the electronic device 101 may identify ZC points. Details regarding operation 540 of FIG. 5 may be equally applied to operation 740 .
  • the at least one processor 120 of the electronic device 101 may check the walking frequency.
  • the walking frequency F may be defined as in Equation (4).
  • Equation 4 t i is the time at the i-th ZC point, and t i-1 is the time at the i-1 ZC point.
  • two or more gait frequencies F may be identified, and a value representative of two or more gait frequencies F may be identified as the final gait frequency.
  • the walking frequency F between adjacent ZC points is calculated as 8 and a value representative of the eight F values can be identified as the final gait frequency.
  • an average value, a maximum value, or a minimum value of eight F-values may be identified as the final gait frequency.
  • the at least one processor 120 of the electronic device 101 may determine whether the gait frequency determined in operation 750 is less than the fourth threshold.
  • the fourth threshold may be defined as higher than a gait frequency corresponding to a normal gait and lower than a gait frequency corresponding to a normal jumping motion.
  • the fourth threshold may be defined as any value greater than 2.1 times per second and less than 2.2 times per second.
  • the fourth threshold may be different from the predetermined range for the time interval between adjacent ZC points for determining whether the user is walking, described above with reference to operation 550 of FIG. 5 .
  • the predetermined range described above with reference to operation 550 of FIG. 5 is a time interval between adjacent ZC points for distinguishing between a case in which the user does not walk or run, such as when the user is sitting or lying down, and a case in which the user walks or running. Meaning, it may include both the time interval of ZC points corresponding to normal walking and running.
  • the fourth threshold is a threshold value for distinguishing between an impact pattern that can indicate the type of shoe worn by the user and an impact pattern that does not indicate the type of shoe, and is higher than the gait frequency corresponding to the normal gait, and is higher than the normal running motion. It may be defined as lower than the corresponding walking frequency.
  • the horizontal axis may mean the number of samples. According to various embodiments, samples may be acquired in units of 10 ms, and in this case, 100 samples may mean 1 second.
  • FIG. 8A shows the acceleration magnitude values when the user wears flat shoes and runs. Comparing the acceleration magnitude value 810a of FIG. 8A with the acceleration magnitude value 610a of FIG. 6A , it can be seen that the fluctuation of the curve of the acceleration magnitude value 810a occurs more frequently than the fluctuation of the acceleration magnitude value 610a curve. . This means that the frequency between steps is higher when running than when walking. Also, it can be seen that the acceleration magnitude value 810a is higher than the acceleration magnitude value 610a. This indicates that the impact transmitted to the user is greater when running than when walking, even when wearing the same flat shoes.
  • the SWS difference value 820a curve of FIG. 8B is the ZC points 631a, 632a, 633a, 634a, 635a, 636a. , 637a, 638a, 639a), the first peak and the second peak are clearly evident, while in the SWS difference value 820a curve of FIG.
  • 8C shows the maximum amount of impact in one step section when the user wears flat shoes and runs.
  • the timing at which one step section ends that is, the ZC points 831a, 832a, 833a, 834a, 835a, 836a, 837a, 838a, 839a, 840a, 841a, 842a, 843a, 844a, 845a, 846a
  • the maximum value (851a, 852a, 853a, 854a, 853a, 858a, 857a, 858a, 859a, 860a, 861a, 862a, 863a, 864a) of the acceleration magnitude value 810a within one step section corresponding to each timing corresponding to , 865a, 866a) can be seen to be displayed as the maximum impact amount.
  • FIGS. 8c and 6c Comparing FIGS. 8c and 6c , it can be seen that the maximum impact amount of FIG. 8c is greater than the maximum impact amount of FIG. 6c . This indicates that, as described above by comparing FIGS. 8A and 6A , the impact transmitted to the user is greater when running than when walking, even when wearing the same flat shoes.
  • FIG. 8D shows the acceleration magnitude values when a user runs while wearing sports shoes. Comparing the acceleration magnitude value 810d in FIG. 8D with the acceleration magnitude value 610d in FIG. 6D, it can be seen that the fluctuations in the acceleration magnitude value 810d curve occur more frequently than the fluctuations in the acceleration magnitude value 610d curve. . This means that the frequency between steps is higher when running than when walking. Also, it can be seen that the acceleration magnitude value 810d is higher than the acceleration magnitude value 610d. This indicates that the impact transmitted to the user is greater when running than when walking, even when wearing the same running shoes.
  • FIG. 8E shows SWS differential values when a user runs while wearing sneakers.
  • the SWS difference value 820d of FIG. 8E shows that there are two peaks between the ZC points 831d, 832d, 833d, 834d, 835d, 836d, 837d, 838d, 839d, 840d, 841d, 842d, 843d, 844d, and 845d. It can be seen that only one peak appears without appearing. This is because the sneakers absorb shock from the ground well, and when the user is running, the acceleration signal patterns corresponding to heel strike and heel off appear continuously within a fairly short time.
  • 8F shows the maximum impact amount in one step section when the user wears running shoes and runs. Referring to FIG. 8f , at the timing at which the one-step section ends, that is, at the ZC points 831d, 832d, 833d, 834d, 835d, 836d, 837d, 838d, 839d, 840d, 841d, 842d, 843d, 844d, 845d.
  • the maximum value (851d, 852d, 853d, 854d, 853d, 858d, 857d, 858d, 859d, 860d, 861d, 862d, 863d, 864d, 865d) of the acceleration magnitude value 810d within the corresponding one-step interval for each corresponding timing. ) is displayed as the maximum impact amount. Comparing FIGS. 8f and 6f , it can be seen that the maximum impact amount of FIG. 8f is greater than the maximum impact amount of FIG. 6f . This indicates that, as described above by comparing FIGS. 8D and 6D, the shock transmitted to the user is greater when running than when walking, even when wearing the same running shoes.
  • FIG. 8G shows the acceleration magnitude values when a user runs while wearing high heels. Comparing the acceleration magnitude value 810g in FIG. 8G with the acceleration magnitude value 610g in FIG. 6G, it can be seen that the fluctuations in the acceleration magnitude value 810g curve occur more frequently than the fluctuations in the acceleration magnitude value 610g curve. . This means that the frequency between steps is higher when running than when walking. Also, it can be seen that the acceleration magnitude value 810g is higher than the acceleration magnitude value 610g. This indicates that the impact transmitted to the user is greater when running than when walking, even when wearing the same high heels.
  • the SWS difference value 620g of FIG. 6H shows the ZC points 631g, 632g, 633g, 634g, 635g, and 636g. . , 838 g, 839 g, 840 g, 841 g, 842 g, 843 g, 844 g, 845 g, 846 g), it can be seen that the two peaks do not appear clearly. This is because, in a running situation, the acceleration signal patterns corresponding to heel strike and heel off appear continuously within a fairly short time.
  • 8I shows the maximum amount of impact in one step section when the user wears high heels and runs.
  • the timing at which one step section ends that is, the ZC points 831g, 832g, 833g, 834g, 835g, 836g, 837g, 838g, 839g, 840g, 841g, 842g, 843g, 844g, 845g, 846g
  • the maximum value (851g, 852g, 853g, 854g, 853g, 858g, 857g, 858g, 859g, 860g, 861g, 862g, 863g, 864g) of the acceleration magnitude value (810g) within the step section corresponding to each timing corresponding to , 865 g, 866 g) can be seen to be displayed as the maximum impact amount.
  • FIGS. 8i and 6i Comparing FIGS. 8i and 6i , it can be seen that the maximum impact amount of FIG. 8i is greater than the maximum impact amount of FIG. 6i . This indicates that, as described above by comparing FIGS. 8G and 6G, the impact transmitted to the user when running is greater than when walking, even when wearing the same high heels.
  • the acceleration signal pattern corresponding to heel strike and heel-off occurs within a fairly short time. Since they appear continuously, the first peak and the second peak are not clearly revealed regardless of the type of shoe. That is, it is difficult to distinguish the type of shoes from the acceleration data in a running situation. Therefore, the fourth threshold is set as the highest value among the gait frequencies in which the first and second peaks are clearly evident for a particular type of shoe and the first and second peaks are not clearly evident for another type of shoe. can be
  • the at least one processor 120 of the electronic device 101 may return to operation 710 .
  • the at least one processor 120 of the electronic device 101 may identify the first characteristic value and the second characteristic value in operation 760 .
  • An exemplary process for confirming the first feature value and the second feature value will be described later with reference to FIG. 9 .
  • the at least one processor 120 of the electronic device 101 may determine whether there are previously learned first and second correction coefficients.
  • the first correction coefficient and the second correction coefficient are coefficients for correcting a fifth threshold value and a sixth threshold value to be compared with the first characteristic value and the second characteristic value identified in operation 760 , respectively.
  • the at least one processor 120 determines whether the first correction coefficient and the second correction coefficient previously learned with reference to the memory 130 of the electronic device 101 are stored in the memory 130 . By checking , it can be checked whether there are the first correction coefficient and the second correction coefficient.
  • the at least one processor 120 of the electronic device 101 determines the first and second characteristic values identified in operation 760 . Based on , the first correction coefficient and the second correction coefficient may be learned in operation 764 . An exemplary process for learning the first correction coefficient and the second correction coefficient will be described later with reference to FIGS. 10 and 11 .
  • the first correction coefficient and the second correction coefficient may have different distributions of the first feature value and the second feature value according to the individual's walking habit. It may be a coefficient for correcting the fifth threshold value and the sixth threshold value compared to the second feature value.
  • the at least one processor 120 of the electronic device 101 determines in operation 766 that the first feature value identified in operation 760 is It may be determined whether the second feature value that is greater than the sum of the fifth threshold value and the first correction coefficient and that the second feature value confirmed in operation 760 is greater than the sum of the sixth threshold value and the second correction coefficient.
  • the processor 120 of the electronic device may determine that the impact pattern of the electronic device is the second type.
  • the processor 120 of the electronic device may determine that the impact pattern of the electronic device is the first type.
  • the first characteristic value and the second characteristic value may be parameters that are largely measured when shoes having a large impact transmitted to the user according to walking are worn.
  • the second type may represent an impact pattern when the user wears shoes with a large impact delivered to the user
  • the first type may represent an impact pattern when the user wears shoes with a relatively small impact delivered to the user.
  • an impact pattern when the user wears sports shoes may be classified as a first type of impact pattern
  • an impact pattern when the user wears flat shoes and high heels may be classified as a second type of impact pattern.
  • FIG. 7 shows an example of classifying an impact pattern corresponding to a shoe type by reflecting a difference in an individual's gait habit by the first correction coefficient and the second correction coefficient, but according to various embodiments, It is also possible to classify the impact patterns of shoes without reflecting the differences. In this case, operations 762 and 764 may be omitted, and operation 766 may be replaced with an operation of determining whether the first characteristic value is greater than the fifth threshold value and the second characteristic value is greater than the sixth threshold value.
  • resources required for learning the first correction coefficient and the second correction coefficient by reflecting the individual's gait habit difference may be saved.
  • the first characteristic value is compared with a fifth threshold value, which is one value
  • the second characteristic value is compared with one value, a sixth threshold value, to classify the impact pattern into two types: the first type and the second type.
  • a fifth threshold value which is one value
  • a sixth threshold value to classify the impact pattern into two types: the first type and the second type.
  • the impact patterns can be classified.
  • the parameter used to classify the impact pattern may be any parameter that depends on the impact pattern and can be derived from acceleration data.
  • FIG. 9 is a flowchart 900 for describing an operation of an electronic device according to various embodiments of the present disclosure. Specifically, FIG. 9 illustrates operations of the electronic device 101 for confirming the first characteristic value and the second characteristic value of FIG. 7 .
  • At least one processor eg, the processor 120 of the electronic device (eg, the electronic device 101 ) may determine the maximum amount of impact within a step section as the first feature value.
  • the maximum amount of impact within one step section may mean a maximum value of an acceleration magnitude value within one step section. Examples of the first characteristic value when the user walks in flat shoes, sneakers, and high heels are shown in FIGS. 6C, 6F, and 6I, respectively.
  • At least one processor 120 of the electronic device 101 may check an SWS difference value within a one-step section in operation 920 .
  • SWS difference values when a user walks in flat shoes, sneakers, and high heels are shown in FIGS. 6B, 6E, and 6H, respectively.
  • At least one processor 120 of the electronic device 101 checks the first peak value of the SWS difference value within the one-step interval in operation 930 , and checks the last peak value of the SWS difference value within the one-step interval in operation 940 , , 950 , a valley value that is the minimum value between the first peak and the last peak of the SWS difference value within the one-step interval may be checked.
  • a valley value that is the minimum value between the first peak and the last peak of the SWS difference value within the one-step interval may be checked.
  • the at least one processor 120 checks the first peak 640a value in operation 930 , 940 In operation 650 , the value of the second peak 650a may be identified as the last peak value, and in operation 950 , the valley value 660a may be identified.
  • the at least one processor 120 of the electronic device 101 may identify an average of the difference between the first peak value and the valley value and the difference between the last peak value and the valley value as the second feature value. That is, the second feature value f 2 may be defined as in Equation 5.
  • Equation 5 is the first peak value, is the last peak value and v is the valley value.
  • operation 910 shows an example in which operation 910 is performed before operations 920 to 960, but according to various embodiments, operation 910 is performed after operation 960 is performed, or after operation 920 starts to be performed and before operation 960 is completed. can be performed.
  • the first characteristic value and the second characteristic value may be defined differently from the example of FIG. 9 .
  • the second feature value is not a simple average of the difference between the first peak value and the valley value and the difference between the last peak value and the valley value, but the difference between the first peak value and the valley value and the last peak It can be defined as any weighted sum of the differences between a value and a valley value.
  • the first characteristic value and the second characteristic value are parameters that vary depending on the type of impact pattern and are not limited as long as they are parameters that can be derived from acceleration data.
  • FIG. 10 is a flowchart 1000 illustrating an operation of an electronic device according to various embodiments of the present disclosure. Specifically, FIG. 10 is an electronic device for correcting at least one threshold value to be compared with at least one feature value in consideration of an individual's gait habit, in order to confirm the type of impact pattern corresponding to the type of shoe worn by the user. The operations of 101 are shown.
  • At least one processor (eg, processor 120) of the electronic device generates a feature set based on the identified first and second feature values. It may be stored in a memory (eg, the memory 130 ). According to an embodiment, the feature set may be a set including a first feature value and a second feature value.
  • the at least one processor 120 of the electronic device 101 may determine whether the number of feature sets stored in the memory 130 is greater than a predetermined number.
  • the predetermined number may be a sufficient number of feature sets to perform clustering, which will be described later.
  • the predetermined number may be defined such that the number of feature sets collected while the user walks for one minute is greater than the predetermined number.
  • the at least one processor 120 of the electronic device 101 If it is determined in operation 1020 that the number of feature sets stored in the memory 130 is less than or equal to the predetermined number, the at least one processor 120 of the electronic device 101 returns to operation 1010 so that the number of feature sets is greater than the predetermined number.
  • the feature set may be additionally stored in the memory 130 until it becomes large.
  • the at least one processor 120 of the electronic device 101 displays a message requesting the user to stably maintain the posture of the electronic device 101 and to walk in order to additionally collect the feature set ( 160) can be displayed.
  • a graphic object visually indicating a ratio of the number of feature sets stored in the memory 130 to the predetermined number may be displayed on the display 160 .
  • the at least one processor 120 of the electronic device 101 sets the number of feature sets stored in the memory 130 to 2 in operation 1030 . It can be clustered into two clusters in the dimensional feature space.
  • the feature sets stored in the memory 130 are of a first cluster and a second type corresponding to the first type of impact pattern in a two-dimensional feature space defined by the first and second feature values. It may be clustered into a second cluster corresponding to the impact pattern.
  • the at least one processor 120 of the electronic device 101 may identify the center coordinates of the two clusters, respectively.
  • the at least one processor 120 of the electronic device 101 may identify a threshold correction model.
  • the threshold correction model may be defined by a straight line connecting center coordinates of two clusters.
  • a straight line 1110 connecting the center coordinates of two clusters is a threshold correction model.
  • the at least one processor 120 of the electronic device 101 may identify the first correction coefficient and the second correction coefficient based on the coordinates obtained by projecting the existing threshold value onto the threshold correction model.
  • the coordinates obtained by projecting the existing threshold value onto the threshold value correction model may be defined as coordinates having a minimum distance from the existing threshold value among coordinates on the threshold value correction model.
  • the distance between the specific coordinates and the existing threshold may be defined as a square root of the sum of the square of the difference between the existing threshold and the first feature value of the specific coordinate and the square of the difference between the second feature value.
  • the coordinates 1120 having the smallest distance from the existing threshold among points on the straight line 1110 that are the threshold correction model are coordinates obtained by projecting the existing threshold to the threshold correction model.
  • the first correction coefficient is defined as a value obtained by subtracting the first feature value of the existing threshold value from the first feature value of the coordinates obtained by projecting the existing threshold value to the threshold value correction model
  • the second correction coefficient is defined as the value obtained by subtracting the existing threshold value from the threshold value correction model. It may be defined as a value obtained by subtracting the second feature value of the existing threshold value from the second feature value of the projected coordinates. Comparing whether the first feature value is greater than the sum of the fifth threshold value and the first correction coefficient and the second feature value is greater than the sum of the sixth threshold value and the second correction coefficient in operation 766 of FIG. 7 is performed by comparing the fifth threshold value and the second correction coefficient.
  • the threshold value is the existing threshold value before correction, and it is the same as comparing a new threshold value defined by coordinates projecting the existing threshold value to the threshold value correction model with the first characteristic value and the second characteristic value. That is, in other words, the coordinates obtained by projecting the existing threshold value onto the threshold value correction model can be expressed as representing the new threshold value.
  • the electronic device 101 clusters the stored feature sets into the same number of clusters as the number of types of impact patterns, and adds them to the feature set.
  • Two or more threshold values may be defined for one included feature value, and in this case, two or more threshold values may be respectively corrected using two or more threshold correction models.
  • FIG. 12 is a flowchart 1200 illustrating an operation of an electronic device according to various embodiments of the present disclosure. Specifically, FIG. 12 illustrates operations of the electronic device 101 for checking the degree of damage.
  • the at least one processor (eg, processor 120 ) of the electronic device determines whether the impact pattern of the electronic device 101 is the first type or the second type. It can be checked whether
  • the at least one processor 120 of the electronic device 101 may check the walking frequency and the maximum amount of impact with respect to a section in which the impact pattern of the electronic device 101 is the second type.
  • the definition of the walking frequency is as in Equation (4).
  • the definition of the maximum impact amount is as described above with reference to FIG. 6C.
  • the at least one processor 120 of the electronic device 101 may identify a damage coefficient based on the gait frequency and the maximum impact amount determined in operation 1220 .
  • the at least one processor 120 of the electronic device 101 may normalize the gait frequency and the maximum impact amount confirmed in operation 1220 .
  • the normalized walking frequency may be obtained as shown in Equation 6, and the normalized maximum impulse may be obtained as shown in Equation 7.
  • Equation 6 is the normalized walking frequency, is the gait frequency identified in the 1220 motion, is the maximum value of the walking frequency, may be a minimum value of the walking frequency. According to various embodiments, and may be a maximum value and a minimum value among values included in a walking frequency database formed based on acceleration data of a plurality of users including the user of the electronic device 101 stored in an external electronic device communicating with the electronic device 101 . . According to various embodiments, it may be a maximum value and a minimum value among values stored in the electronic device 101 and included in the walking frequency database formed based on the user's past acceleration data of the electronic device 101 .
  • Equation 7 is the normalized maximum impulse, is the maximum amount of impulse found in the 1220 operation, is the maximum value of the maximum impulse, may be the minimum value of the maximum impulse. According to various embodiments, and may be the maximum value and the minimum value among the values included in the maximum impact amount database formed based on acceleration data of a plurality of users including the user of the electronic device 101 stored in an external electronic device communicating with the electronic device 101 . . According to various embodiments, it may be a maximum value and a minimum value among values stored in the electronic device 101 and included in the maximum impact amount database formed based on the user's past acceleration data of the electronic device 101 .
  • the at least one processor 120 of the electronic device 101 may check the damage coefficient based on the walking frequency and the maximum amount of impact with respect to the section in which the impact pattern of the electronic device 101 is the second type. According to various embodiments, the at least one processor 120 may determine the damage coefficient by integrating the weighted sum of the normalized gait frequency and the normalized maximum impulse. For example, the damage coefficient may be defined as in Equation (8).
  • Equation 8 the damage factor, may be a constant of 0 or more and 1 or less.
  • the integration section T may mean a section in which the user walks or runs while the impact pattern is the second type.
  • the at least one processor 120 of the electronic device 101 may determine the degree of damage based on the damage coefficient.
  • the at least one processor 120 of the electronic device 101 may refer to a lookup table stored in the memory 130 to identify a degree of damage corresponding to the damage coefficient.
  • the lookup table may be as shown in Table 1.
  • damage factor degree of damage 0 or more and less than 30 Lv.
  • the damage coefficient may be cumulatively calculated for one or more walking or running sections that may exist during a predetermined time interval.
  • the at least one processor 120 of the electronic device 101 may check the damage coefficient and the degree of damage once a day, and in this case, each of the sections in which a predetermined type of impact pattern appears during the day may be calculated
  • the sum of the damage factors obtained according to Equation 8 may be identified as the final damage factor corresponding to the corresponding date.
  • the type of the parameter for determining the damage factor and/or the relationship between the damage factor and the parameter may be different according to a body part to be managed by monitoring the gait habit.
  • the screen 1400a of FIG. 14A monitors the damage coefficient and the degree of damage for a period of several days preset in order to monitor the health of the sole, and when the degree of damage is below the preset level as a result of monitoring, the electronic device (eg, the electronic device ( 101)) is an example of a screen that may be displayed on a display (eg, the display device 160 ).
  • the screen 1400b of FIG. 14B monitors the damage coefficient and the degree of damage for a period of several days preset in order to monitor the health of the sole, and when the degree of damage is higher than the preset level as a result of monitoring, the electronic device (eg, the electronic device) 101) is an example of a screen that may be displayed on a display (eg, the display device 160).
  • the screen 1400b of FIG. 14B may include an object 1420b for providing the user with a result 1410b of monitoring the degree of plantar damage for a preset period of several days and a guide for preventing plantar fasciitis.
  • a guide for preventing plantar fasciitis may be displayed on the display of the electronic device 101 .
  • a screen 1500a of FIG. 15A is an exemplary screen for providing information on daily activities of a health management application.
  • the running time during the day 1510a, the walking time 1530a during the day, and the exercise or running time ( 1520a) may be included.
  • the calorie consumption 1540a for a day is displayed by time on the screen 1500a, and among them, the calorie consumption in the section in which the user wore shoes of a type harmful to sole health is the calorie consumption in the other section. and may be visually displayed differently.
  • a time for walking in shoes of a type harmful to sole health among walking time may be included as a plantar fasciitis concern section 1525a on the screen 1500a according to various embodiments.
  • the electronic device 101 includes an acceleration sensor and at least one processor 120, and the at least one processor 120 checks acceleration data sensed by the acceleration sensor, and Check the impact pattern of the electronic device 101 based on at least one first parameter based on acceleration data, and when the identified impact pattern corresponds to at least one predefined type, at least based on the acceleration data It may be configured to check the degree of damage based on one second parameter.
  • the electronic device 101 may further include a gyro sensor, and the at least one processor 120 may configure the posture change condition based on the acceleration data and the gyro sensor data acquired through the gyro sensor. It can be set to confirm that this is satisfied.
  • the at least one processor 120 stores, as at least part of the operation of determining the type of the impact pattern, a plurality of feature sets including existing measurements of the at least one first parameter. and identifying a plurality of clusters of the plurality of feature sets, and identifying at least one correction coefficient for correcting at least one threshold value based on a threshold correction model based on center coordinates of the plurality of clusters, and the acceleration identify a value corresponding to the at least one first parameter based on data, and compare the sum of the at least one threshold and the at least one correction factor with a value corresponding to the identified at least one first parameter By doing so, it can be set to confirm the impact pattern.
  • the at least one first parameter may include a maximum impulse amount within a one-step interval, or a difference between a first peak value and a valley value of a SWS difference value within the one-step interval and the SWS within the one-step interval. at least one of an average of a difference between a last peak value of the difference value and the valley value, wherein the valley value may be a minimum value between the first peak and the last peak of the SWS difference value within the one-step interval.
  • the electronic device 101 further includes a display, and the at least one processor 120 checks a history of the degree of damage for a predetermined period, and the damage during the predetermined period. It may be set to display information based on the history of the figure on the display.
  • the information may include at least one of a plantar health state, a method for improving plantar health, or information about a duration of walking or running in which the impact pattern corresponds to the at least one predefined type. have.
  • the electronic device 101 includes a display, an acceleration sensor, and at least one processor 120 , and the at least one processor 120 is configured to operate in a first period sensed by the acceleration sensor.
  • Check the corresponding acceleration data, and check information associated with a plurality of steps corresponding to each of the plurality of sampling sections included in the first period based on the acceleration data, and display each of the plurality of sampling sections on the display is set to display information related to the plurality of steps corresponding to Information related to a step corresponding to the first group among the plurality of sampling sections is displayed as a type in which the user of the electronic device 101 wears the first type of shoes, and the information related to the step corresponding to the first group among the plurality of sampling sections is displayed in the second group of the plurality of sampling sections.
  • Information related to a corresponding step may be set to be displayed as a type in which the user of the electronic device 101 wears the second type of shoes.
  • a method performed by the electronic device 101 is based on an operation of checking acceleration data sensed by an acceleration sensor of the electronic device 101 and at least one first parameter based on the acceleration data. to check the impact pattern of the electronic device 101, and when the identified impact pattern corresponds to at least one predefined type, the degree of damage based on at least one second parameter based on the acceleration data It may include an operation to confirm.
  • the method further includes the operation of determining whether the user is walking based on the acceleration data, and the operation of determining the degree of damage may include: and checking the degree of damage based on the at least one second parameter while walking.
  • the at least one second parameter may include at least one of a walking frequency and a maximum impact amount.
  • the operation of determining the degree of damage may include the operation of checking the degree of damage based on a weighted sum of the normalized walking frequency and the normalized maximum impact amount.
  • the method further includes confirming that a posture change condition indicating that the degree of movement of the electronic device 101 is less than a predetermined level is satisfied, and the checking of the impact pattern includes: and confirming the impact pattern based on the at least one first parameter while the posture change condition is satisfied.
  • the confirming of the impact pattern includes storing a plurality of feature sets including existing measurement values for at least one first parameter, and identifying a plurality of clusters of the plurality of feature sets. operation, identifying at least one correction coefficient for correcting at least one threshold value based on a threshold correction model based on the center coordinates of the plurality of clusters; identifying a corresponding value, and identifying the impact pattern by comparing the sum of the at least one threshold and the at least one correction factor to a value corresponding to the identified at least one first parameter. can do.
  • the at least one first parameter may include a maximum impulse amount within a one-step interval, or a difference between a first peak value and a valley value of a SWS difference value within the one-step interval and the SWS within the one-step interval. at least one of an average of a difference between a last peak value of the difference value and the valley value, wherein the valley value may be a minimum value between the first peak and the last peak of the SWS difference value within the one-step interval.
  • the method may further include checking a history of the degree of impairment for a predetermined period, and displaying information based on the history of the degree of impairment for the predetermined period on a display.
  • the electronic device may have various types of devices.
  • the electronic device may include, for example, a portable communication device (eg, a smart phone), a computer device, a portable multimedia device, a portable medical device, a camera, a wearable device, or a home appliance device.
  • a portable communication device eg, a smart phone
  • a computer device e.g., a smart phone
  • a portable multimedia device e.g., a portable medical device
  • a camera e.g., a portable medical device
  • a camera e.g., a portable medical device
  • a camera e.g., a portable medical device
  • a wearable device e.g., a smart bracelet
  • a home appliance device e.g., a home appliance
  • the components are not limited.
  • an (eg, first) component is referred to as being “connected (functionally or communicatively)” or “connected” to another (eg, second) component, that component is It may be directly connected to the component or may be connected through another component (eg, a third component).
  • module used in various embodiments of this document includes a unit composed of hardware, software, or firmware, and may be used interchangeably with terms such as, for example, logic, logic block, component, or circuit. .
  • a module may be an integrally formed part or a minimum unit or a part of one or more functions.
  • a “module” may be implemented mechanically or electronically, for example, known or to be developed, application-specific integrated circuit (ASIC) chips, field-programmable gate arrays (FPGAs), or It may include a programmable logic device.
  • ASIC application-specific integrated circuit
  • FPGAs field-programmable gate arrays
  • a machine-readable storage medium eg, the internal memory 136 or the external memory 138
  • a machine eg, the electronic device 101
  • the processor eg, the processor 120
  • the one or more instructions may include code generated by a compiler or code executable by an interpreter.
  • the device-readable storage medium may be provided in the form of a non-transitory storage medium.

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Public Health (AREA)
  • Engineering & Computer Science (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Biophysics (AREA)
  • Veterinary Medicine (AREA)
  • Animal Behavior & Ethology (AREA)
  • Surgery (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Molecular Biology (AREA)
  • Physics & Mathematics (AREA)
  • Pathology (AREA)
  • Biomedical Technology (AREA)
  • Dentistry (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Physiology (AREA)
  • Primary Health Care (AREA)
  • Epidemiology (AREA)
  • Physical Education & Sports Medicine (AREA)
  • Nursing (AREA)
  • Telephone Function (AREA)

Abstract

다양한 실시예에 따른 전자 장치는, 가속도 센서 및 적어도 하나의 프로세서를 포함하고, 상기 적어도 하나의 프로세서는, 상기 가속도 센서에 의하여 센싱된 가속도 데이터를 확인하고, 상기 가속도 데이터에 기초한 적어도 하나의 제1 파라미터에 기초하여 상기 전자 장치의 충격 패턴을 확인하고, 상기 충격 패턴이 적어도 하나의 미리 정의된 유형에 대응되는 경우, 상기 가속도 데이터에 기초한 적어도 하나의 제2 파라미터에 기초하여 손상도를 확인하도록 설정될 수 있다.

Description

보행에 관한 정보를 확인하는 전자 장치 및 보행에 관한 정보를 확인하는 전자 장치의 동작 방법
다양한 실시예는 보행에 관한 정보를 확인하는 전자 장치 및 보행에 관한 정보를 확인하는 전자 장치의 동작 방법에 관한 것이다.
개인 건강에 대한 관심이 커지면서, 보행에 관한 정보를 확인하는 전자 기기가 널리 보급되어 있다. 예를 들어, 사용자가 전자 장치를 들거나 전자 장치를 착용하고 걷는 경우, 전자 장치는 사용자가 걸은 걸음 수를 확인할 수 있다. 나아가, 전자 장치는 사용자가 걷기를 통하여 소비한 열량을 확인하거나, 사용자가 걸은 거리를 확인할 수 있다.
보행 중에 사람의 신체 부위에 가해지는 충격이 누적되면 해당 신체 부위에 손상이 발생할 수 있다. 예를 들어, 보행 시 신발 바닥이 받는 충격이 분산되거나 완화되지 않고 발바닥에 전달되는 경우 족저근막염의 발생 가능성이 높아질 수 있다. 족저근막염이란, 발바닥 근육을 감싸고 있는 막에 보행 중 반복적으로 미세한 손상이 일어나면서 염증이 발생한 것을 말한다. 족저근막염으로 인해 보행에 장애가 생기면 무릎이나 고관절, 척추에도 문제를 발생시킬 수 있다.
플랫 슈즈 또는 하이힐과 같이 사용자에게 많은 양의 충격이 가해지게 하는 신발을 자주 착용하는 경우와 같이, 건강에 불리한 보행 패턴을 가진 사람이라도, 발바닥, 무릎, 허리, 및/또는 발목과 같은 신체 부위에 실제로 통증이 느껴지기 전까지는 자신의 보행 패턴이 건강에 악영향을 미치고 있다는 사실을 알아차리기 쉽지 않다. 신체 부위에 통증이 느껴지는 때는 이미 손상이 상당히 누적된 상태이므로, 통증이 느껴질 정도로 신체 부위가 손상되기 이전에 보행 패턴을 관리할 필요가 있다.
깔창에 압력 센서와 같은 센서를 구비하여 발바닥에 전달되는 충격을 측정하는 경우, 사용자는 모든 신발에 센서를 구비할 것이 요구되고, 센서에 전달되는 충격이 누적되어 센서가 쉽게 고장날 수 있다.
다양한 실시예에 따른 보행에 관한 정보를 확인하는 전자 장치는 가속도 센서에 의하여 센싱된 가속도 데이터에 기초하여 전자 장치의 사용자가 착용한 신발의 유형에 대응하는 충격 패턴을 확인하고, 충격 패턴에 적어도 일부 기초하여 손상도를 확인할 수 있다.
본 개시에서 이루고자 하는 기술적 과제는 이상에서 언급한 기술적 과제로 제한되지 않으며, 언급되지 않은 또 다른 기술적 과제들은 아래의 기재로부터 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.
다양한 실시예에 따라서, 전자 장치는 가속도 센서 및 적어도 하나의 프로세서를 포함하고, 상기 적어도 하나의 프로세서는, 상기 가속도 센서에 의하여 센싱된 가속도 데이터를 확인하고, 상기 가속도 데이터에 기초한 적어도 하나의 제1 파라미터에 기초하여 상기 전자 장치의 충격 패턴을 확인하고, 상기 충격 패턴이 적어도 하나의 미리 정의된 유형에 대응되는 경우, 상기 가속도 데이터에 기초한 적어도 하나의 제2 파라미터에 기초하여 손상도를 확인하도록 설정될 수 있다.
다양한 실시예에 따라서, 전자 장치에서 수행되는 방법은, 상기 전자 장치의 가속도 센서에 의하여 센싱된 가속도 데이터를 확인하는 동작, 상기 가속도 데이터에 기초한 적어도 하나의 제1 파라미터에 기초하여 상기 전자 장치의 충격 패턴을 확인하는 동작, 및 상기 확인된 충격 패턴이 적어도 하나의 미리 정의된 유형에 대응되는 경우, 상기 가속도 데이터에 기초한 적어도 하나의 제2 파라미터에 기초하여 손상도를 확인하는 동작을 포함할 수 있다.
다양한 실시예에 따라서, 전자 장치는 디스플레이, 가속도 센서, 및 적어도 하나의 프로세서를 포함하고, 상기 적어도 하나의 프로세서는, 상기 가속도 센서에 의하여 센싱된 제1 기간에 대응하는 가속도 데이터를 확인하고, 상기 가속도 데이터에 기반하여, 상기 제1 기간에 포함되는 복수 개의 샘플링 구간 각각에 대응하는 복수 개의 걸음과 연관된 정보를 확인하여, 상기 디스플레이 상에 상기 복수 개의 샘플링 구간 각각에 대응하는 상기 복수 개의 걸음과 연관된 정보를 표시하도록 설정되고, 상기 적어도 하나의 프로세서는, 상기 복수 개의 샘플링 구간 각각에 대응하는 상기 복수 개의 걸음과 연관된 정보를 표시하는 동작의 적어도 일부로, 상기 복수 개의 샘플링 구간 중 제 1 그룹에 대응하는 걸음과 연관된 정보를, 상기 전자 장치의 사용자가 제1 유형의 신발을 착용한 타입으로서 표시하고, 상기 복수 개의 샘플링 구간 중 제 2 그룹에 대응하는 걸음과 연관된 정보를, 상기 전자 장치의 사용자가 제2 유형의 신발을 착용한 타입으로서 표시하도록 설정될 수 있다.
다양한 실시예에 따라서, 보행에 관한 정보를 확인하는 전자 장치 및 보행에 관한 정보를 확인하는 전자 장치의 동작 방법이 제공된다. 다양한 실시예에 따른 전자 장치는 가속도 데이터에 기초하여 사용자가 착용한 신발의 유형에 대응되는 전자 장치의 충격 패턴을 확인하고, 충격 패턴에 적어도 일부 기초하여 손상도를 확인할 수 있다.
따라서, 다양한 실시예에 따른 전자 장치는 압력 센서와 같은 센서를 구비하지 않고도, 가속도 데이터에 기초하여 손상도를 확인할 수 있으므로, 반드시 깔창에 위치할 필요가 없다. 그러므로, 사용자가 모든 신발에 센서를 구비할 것이 요구되지 않으면서, 동시에 센서가 고장날 가능성도 낮아질 수 있다.
또한, 다양한 실시예에 따른 전자 장치는 신발의 유형에 대응되는 충격 패턴에 적어도 일부 기초하여 손상도를 확인하므로, 발바닥에 실제로 통증이 느껴지기 전에도 사용자로 하여금 족저 건강에 악영향을 미치는 보행 패턴을 관리하도록 할 수 있다.
도 1은 다양한 실시예에 따른 네트워크 환경 내의 전자 장치의 블록도를 도시한다.
도 2는 다양한 실시예에 따른, 전자 장치의 동작을 설명하기 위한 흐름도를 도시한다.
도 3은 다양한 실시예에 따른, 전자 장치의 동작을 설명하기 위한 흐름도를 도시한다.
도 4는 다양한 실시예에 따른, 전자 장치의 동작을 설명하기 위한 흐름도를 도시한다.
도 5는 다양한 실시예에 따른, 전자 장치의 동작을 설명하기 위한 흐름도를 도시한다.
도 6a는 사용자가 플랫 슈즈를 착용하고 걸을 때의 가속도 크기 값을 도시한다.
도 6b는 사용자가 플랫 슈즈를 착용하고 걸을 때의 SWS 차분값을 도시한다.
도 6c는 사용자가 플랫 슈즈를 착용하고 걸을 때, 한 걸음 구간 내 최대 충격량을 도시한다.
도 6d는 사용자가 운동화를 착용하고 걸을 때의 가속도 크기 값을 도시한다.
도 6e는 사용자가 운동화를 착용하고 걸을 때의 SWS 차분값을 도시한다.
도 6f는 사용자가 운동화를 착용하고 걸을 때, 한 걸음 구간 내 최대 충격량을 도시한다.
도 6g는 사용자가 하이힐을 착용하고 걸을 때의 가속도 크기 값을 도시한다.
도 6h는 사용자가 하이힐을 착용하고 걸을 때의 SWS 차분값을 도시한다.
도 6i는 사용자가 하이힐을 착용하고 걸을 때, 한 걸음 구간 내 최대 충격량을 도시한다.
도 7은 다양한 실시예에 따른, 전자 장치의 동작을 설명하기 위한 흐름도를 도시한다.
도 8a는 사용자가 플랫 슈즈를 착용하고 뛸 때의 가속도 크기 값을 도시한다.
도 8b는 사용자가 플랫 슈즈를 착용하고 뛸 때의 SWS 차분값을 도시한다.
도 8c는 사용자가 플랫 슈즈를 착용하고 뛸 때, 한 걸음 구간 내 최대 충격량을 도시한다.
도 8d는 사용자가 운동화를 착용하고 뛸 때의 가속도 크기 값을 도시한다.
도 8e는 사용자가 운동화를 착용하고 뛸 때의 SWS 차분값을 도시한다.
도 8f는 사용자가 운동화를 착용하고 뛸 때, 한 걸음 구간 내 최대 충격량을 도시한다.
도 8g는 사용자가 하이힐을 착용하고 뛸 때의 가속도 크기 값을 도시한다.
도 8h는 사용자가 하이힐을 착용하고 뛸 때의 SWS 차분값을 도시한다.
도 8i는 사용자가 하이힐을 착용하고 뛸 때, 한 걸음 구간 내 최대 충격량을 도시한다.
도 9는 다양한 실시예에 따른, 전자 장치의 동작을 설명하기 위한 흐름도를 도시한다.
도 10은 다양한 실시예에 따른, 전자 장치의 동작을 설명하기 위한 흐름도를 도시한다.
도 11은 다양한 실시예에 따른, 임계치 보정을 위한 클러스터링 과정을 도시한다.
도 12는 다양한 실시예에 따른, 전자 장치의 동작을 설명하기 위한 흐름도를 도시한다.
도 13a는 다양한 실시예에 따른, 전자 장치에 표시되는 예시적인 화면을 도시한다.
도 13b는 다양한 실시예에 따른, 전자 장치에 표시되는 예시적인 화면을 도시한다.
도 14a는 다양한 실시예에 따른, 전자 장치에 표시되는 예시적인 화면을 도시한다.
도 14b는 다양한 실시예에 따른, 전자 장치에 표시되는 예시적인 화면을 도시한다.
도 15a는 다양한 실시예에 따른, 전자 장치에 표시되는 예시적인 화면을 도시한다.
도 15b는 다양한 실시예에 따른, 전자 장치에 표시되는 예시적인 화면을 도시한다.
도 1은, 다양한 실시예들에 따른, 네트워크 환경(100) 내의 전자 장치(101)의 블럭도이다. 도 1을 참조하면, 네트워크 환경(100)에서 전자 장치(101)는 제 1 네트워크(198)(예: 근거리 무선 통신 네트워크)를 통하여 전자 장치(102)와 통신하거나, 또는 제 2 네트워크(199)(예: 원거리 무선 통신 네트워크)를 통하여 전자 장치(104) 또는 서버(108)와 통신할 수 있다. 일실시예에 따르면, 전자 장치(101)는 서버(108)를 통하여 전자 장치(104)와 통신할 수 있다. 일실시예에 따르면, 전자 장치(101)는 프로세서(120), 메모리(130), 입력 장치(150), 음향 출력 장치(155), 표시 장치(160), 오디오 모듈(170), 센서 모듈(176), 인터페이스(177), 연결 단자(178), 햅틱 모듈(179), 카메라 모듈(180), 전력 관리 모듈(188), 배터리(189), 통신 모듈(190), 가입자 식별 모듈(196), 또는 안테나 모듈(197)을 포함할 수 있다. 어떤 실시예에서는, 전자 장치(101)에는, 이 구성요소들 중 적어도 하나(예: 연결 단자(178))가 생략되거나, 하나 이상의 다른 구성 요소가 추가될 수 있다. 어떤 실시예에서는, 이 구성요소들 중 일부들(예: 센서 모듈(176), 카메라 모듈(180), 또는 안테나 모듈(197))은 하나의 구성요소(예: 표시 장치(160))로 통합될 수 있다.
프로세서(120)는, 예를 들면, 소프트웨어(예: 프로그램(140))를 실행하여 프로세서(120)에 연결된 전자 장치(101)의 적어도 하나의 다른 구성요소(예: 하드웨어 또는 소프트웨어 구성요소)을 제어할 수 있고, 다양한 데이터 처리 또는 연산을 수행할 수 있다. 일실시예에 따르면, 데이터 처리 또는 연산의 적어도 일부로서, 프로세서(120)는 다른 구성요소(예: 센서 모듈(176) 또는 통신 모듈(190))로부터 수신된 명령 또는 데이터를 휘발성 메모리(132)에 저장하고, 휘발성 메모리(132)에 저장된 명령 또는 데이터를 처리하고, 결과 데이터를 비휘발성 메모리(134)에 저장할 수 있다. 일실시예에 따르면, 프로세서(120)는 메인 프로세서(121)(예: 중앙 처리 장치 또는 어플리케이션 프로세서), 또는 이와는 독립적으로 또는 함께 운영 가능한 보조 프로세서(123)(예: 그래픽 처리 장치, 신경망 처리 장치(NPU: neural processing unit), 이미지 시그널 프로세서, 센서 허브 프로세서, 또는 커뮤니케이션 프로세서)를 포함할 수 있다. 예를 들어, 전자 장치(101)가 메인 프로세서(121) 및 보조 프로세서(123)를 포함하는 경우, 보조 프로세서(123)은 메인 프로세서(121)보다 저전력을 사용하거나, 또는 지정된 기능에 특화되도록 설정될 수 있다. 보조 프로세서(123)는 메인 프로세서(121)와 별개로, 또는 그 일부로서 구현될 수 있다.
보조 프로세서(123)는, 예를 들면, 메인 프로세서(121)가 인액티브(예: 슬립) 상태에 있는 동안 메인 프로세서(121)를 대신하여, 또는 메인 프로세서(121)가 액티브(예: 어플리케이션 실행) 상태에 있는 동안 메인 프로세서(121)와 함께, 전자 장치(101)의 구성요소들 중 적어도 하나의 구성요소(예: 표시 장치(160), 센서 모듈(176), 또는 통신 모듈(190))와 관련된 기능 또는 상태들의 적어도 일부를 제어할 수 있다. 일실시예에 따르면, 보조 프로세서(123)(예: 이미지 시그널 프로세서 또는 커뮤니케이션 프로세서)는 기능적으로 관련 있는 다른 구성 요소(예: 카메라 모듈(180) 또는 통신 모듈(190))의 일부로서 구현될 수 있다.
메모리(130)는, 전자 장치(101)의 적어도 하나의 구성요소(예: 프로세서(120) 또는 센서모듈(176))에 의해 사용되는 다양한 데이터를 저장할 수 있다. 데이터는, 예를 들어, 소프트웨어(예: 프로그램(140)) 및, 이와 관련된 명령에 대한 입력 데이터 또는 출력 데이터를 포함할 수 있다. 메모리(130)는, 휘발성 메모리(132) 또는 비휘발성 메모리(134)를 포함할 수 있다.
프로그램(140)은 메모리(130)에 소프트웨어로서 저장될 수 있으며, 예를 들면, 운영 체제(142), 미들 웨어(144) 또는 어플리케이션(146)을 포함할 수 있다.
입력 장치(150)는, 전자 장치(101)의 구성요소(예: 프로세서(120))에 사용될 명령 또는 데이터를 전자 장치(101)의 외부(예: 사용자)로부터 수신할 수 있다. 입력 장치(150)은, 예를 들면, 마이크, 마우스, 키보드, 또는 디지털 펜(예:스타일러스 펜)을 포함할 수 있다.
음향 출력 장치(155)는 음향 신호를 전자 장치(101)의 외부로 출력할 수 있다. 음향 출력 장치(155)는, 예를 들면, 스피커 또는 리시버를 포함할 수 있다. 스피커는 멀티미디어 재생 또는 녹음 재생과 같이 일반적인 용도로 사용될 수 있다. 리시버는 착신 전화를 수신하기 위해 사용될 수 있다. 일실시예에 따르면, 리시버는 스피커와 별개로, 또는 그 일부로서 구현될 수 있다.
표시 장치(160)는 전자 장치(101)의 외부(예: 사용자)로 정보를 시각적으로 제공할 수 있다. 표시 장치(160)은, 예를 들면, 디스플레이, 홀로그램 장치, 또는 프로젝터 및 해당 장치를 제어하기 위한 제어 회로를 포함할 수 있다. 일실시예에 따르면, 표시 장치(160)는 터치를 감지하도록 설정된 터치 센서, 또는 상기 터치에 의해 발생되는 힘의 세기를 측정하도록 설정된 압력 센서를 포함할 수 있다.
오디오 모듈(170)은 소리를 전기 신호로 변환시키거나, 반대로 전기 신호를 소리로 변환시킬 수 있다. 일실시예에 따르면, 오디오 모듈(170)은, 입력 장치(150)를 통해 소리를 획득하거나, 음향 출력 장치(155), 또는 전자 장치(101)와 직접 또는 무선으로 연결된 외부 전자 장치(예: 전자 장치(102)) (예: 스피커 또는 헤드폰))를 통해 소리를 출력할 수 있다.
센서 모듈(176)은 전자 장치(101)의 작동 상태(예: 전력 또는 온도), 또는 외부의 환경 상태(예: 사용자 상태)를 감지하고, 감지된 상태에 대응하는 전기 신호 또는 데이터 값을 생성할 수 있다. 일실시예에 따르면, 센서 모듈(176)은, 예를 들면, 제스처 센서, 자이로 센서, 기압 센서, 마그네틱 센서, 가속도 센서, 그립 센서, 근접 센서, 컬러 센서, IR(infrared) 센서, 생체 센서, 온도 센서, 습도 센서, 또는 조도 센서를 포함할 수 있다.
인터페이스(177)는 전자 장치(101)이 외부 전자 장치(예: 전자 장치(102))와 직접 또는 무선으로 연결되기 위해 사용될 수 있는 하나 이상의 지정된 프로토콜들을 지원할 수 있다. 일실시예에 따르면, 인터페이스(177)는, 예를 들면, HDMI(high definition multimedia interface), USB(universal serial bus) 인터페이스, SD카드 인터페이스, 또는 오디오 인터페이스를 포함할 수 있다.
연결 단자(178)는, 그를 통해서 전자 장치(101)가 외부 전자 장치(예: 전자 장치(102))와 물리적으로 연결될 수 있는 커넥터를 포함할 수 있다. 일실시예에 따르면, 연결 단자(178)은, 예를 들면, HDMI 커넥터, USB 커넥터, SD 카드 커넥터, 또는 오디오 커넥터(예: 헤드폰 커넥터)를 포함할 수 있다.
햅틱 모듈(179)은 전기적 신호를 사용자가 촉각 또는 운동 감각을 통해서 인지할 수 있는 기계적인 자극(예: 진동 또는 움직임) 또는 전기적인 자극으로 변환할 수 있다. 일실시예에 따르면, 햅틱 모듈(179)은, 예를 들면, 모터, 압전 소자, 또는 전기 자극 장치를 포함할 수 있다.
카메라 모듈(180)은 정지 영상 및 동영상을 촬영할 수 있다. 일실시예에 따르면, 카메라 모듈(180)은 하나 이상의 렌즈들, 이미지 센서들, 이미지 시그널 프로세서들, 또는 플래시들을 포함할 수 있다.
전력 관리 모듈(188)은 전자 장치(101)에 공급되는 전력을 관리할 수 있다. 일실시예에 따르면, 전력 관리 모듈(188)은, 예를 들면, PMIC(power management integrated circuit)의 적어도 일부로서 구현될 수 있다.
배터리(189)는 전자 장치(101)의 적어도 하나의 구성 요소에 전력을 공급할 수 있다. 일실시예에 따르면, 배터리(189)는, 예를 들면, 재충전 불가능한 1차 전지, 재충전 가능한 2차 전지 또는 연료 전지를 포함할 수 있다.
통신 모듈(190)은 전자 장치(101)와 외부 전자 장치(예: 전자 장치(102), 전자 장치(104), 또는 서버(108))간의 직접(예: 유선) 통신 채널 또는 무선 통신 채널의 수립, 및 수립된 통신 채널을 통한 통신 수행을 지원할 수 있다. 통신 모듈(190)은 프로세서(120)(예: 어플리케이션 프로세서)와 독립적으로 운영되고, 직접(예: 유선) 통신 또는 무선 통신을 지원하는 하나 이상의 커뮤니케이션 프로세서를 포함할 수 있다. 일실시예에 따르면, 통신 모듈(190)은 무선 통신 모듈(192)(예: 셀룰러 통신 모듈, 근거리 무선 통신 모듈, 또는 GNSS(global navigation satellite system) 통신 모듈) 또는 유선 통신 모듈(194)(예: LAN(local area network) 통신 모듈, 또는 전력선 통신 모듈)을 포함할 수 있다. 이들 통신 모듈 중 해당하는 통신 모듈은 제 1 네트워크(198)(예: 블루투스, WiFi(wireless fidelity) direct 또는 IrDA(infrared data association) 같은 근거리 통신 네트워크) 또는 제 2 네트워크(199)(예: 레거시 셀룰러 네트워크, 5G 네트워크, 차세대 통신 네트워크, 인터넷, 또는 컴퓨터 네트워크(예: LAN 또는 WAN)와 같은 원거리 통신 네트워크)를 통하여 외부 전자 장치와 통신할 수 있다. 이런 여러 종류의 통신 모듈들은 하나의 구성 요소(예: 단일 칩)으로 통합되거나, 또는 서로 별도의 복수의 구성 요소들(예: 복수 칩들)로 구현될 수 있다. 무선 통신 모듈(192)은 가입자 식별 모듈(196)에 저장된 가입자 정보(예: 국제 모바일 가입자 식별자(IMSI))를 이용하여 제 1 네트워크(198) 또는 제 2 네트워크(199)와 같은 통신 네트워크 내에서 전자 장치(101)를 확인 및 인증할 수 있다.
안테나 모듈(197)은 신호 또는 전력을 외부(예: 외부 전자 장치)로 송신하거나 외부로부터 수신할 수 있다. 일실시예에 따르면, 안테나 모듈은 서브스트레이트(예: PCB) 위에 형성된 도전체 또는 도전성 패턴으로 이루어진 방사체를 포함하는 안테나를 포함할 수 있다. 일실시예에 따르면, 안테나 모듈(197)은 복수의 안테나들(예: 어레이 안테나)을 포함할 수 있다. 이런 경우, 제 1 네트워크(198) 또는 제 2 네트워크(199)와 같은 통신 네트워크에서 사용되는 통신 방식에 적합한 적어도 하나의 안테나가, 예를 들면, 통신 모듈(190)에 의하여 상기 복수의 안테나들로부터 선택될 수 있다. 신호 또는 전력은 상기 선택된 적어도 하나의 안테나를 통하여 통신 모듈(190)과 외부 전자 장치 간에 송신되거나 수신될 수 있다. 어떤 실시예에 따르면, 방사체 이외에 다른 부품(예: RFIC(radio frequency integrated circuit))이 추가로 안테나 모듈(197)의 일부로 형성될 수 있다.
상기 구성요소들 중 적어도 일부는 주변 기기들간 통신 방식(예: 버스, GPIO(general purpose input and output), SPI(serial peripheral interface), 또는 MIPI(mobile industry processor interface))를 통해 서로 연결되고 신호(예: 명령 또는 데이터)를 상호간에 교환할 수 있다.
일실시예에 따르면, 명령 또는 데이터는 제 2 네트워크(199)에 연결된 서버(108)를 통해서 전자 장치(101)와 외부의 전자 장치(104)간에 송신 또는 수신될 수 있다. 외부 전자 장치(102, 또는 104) 각각은 전자 장치(101)와 동일한 또는 다른 종류의 장치일 수 있다. 일실시예에 따르면, 전자 장치(101)에서 실행되는 동작들의 전부 또는 일부는 외부 전자 장치들(102, 104, 또는 108) 중 하나 이상의 외부 장치들에서 실행될 수 있다. 예를 들면, 전자 장치(101)가 어떤 기능이나 서비스를 자동으로, 또는 사용자 또는 다른 장치로부터의 요청에 반응하여 수행해야 할 경우에, 전자 장치(101)는 기능 또는 서비스를 자체적으로 실행시키는 대신에 또는 추가적으로, 하나 이상의 외부 전자 장치들에게 그 기능 또는 그 서비스의 적어도 일부를 수행하라고 요청할 수 있다. 상기 요청을 수신한 하나 이상의 외부 전자 장치들은 요청된 기능 또는 서비스의 적어도 일부, 또는 상기 요청과 관련된 추가 기능 또는 서비스를 실행하고, 그 실행의 결과를 전자 장치(101)로 전달할 수 있다. 전자 장치(101)는 상기 결과를, 그대로 또는 추가적으로 처리하여, 상기 요청에 대한 응답의 적어도 일부로서 제공할 수 있다. 이를 위하여, 예를 들면, 클라우드 컴퓨팅, 모바일 에지 컴퓨팅(MEC: mobile edge computing), 분산 컴퓨팅, 또는 클라이언트-서버 컴퓨팅 기술이 이용될 수 있다.
도 2는 다양한 실시예에 따른, 전자 장치의 동작을 설명하기 위한 흐름도(200)를 도시한다. 다양한 실시예에 따라서, 전자 장치는 가속도 센서 및 적어도 하나의 프로세서를 포함하는 임의의 전자 장치일 수 있다. 예를 들어, 전자 장치는 도 1을 참조하여 상술한 전자 장치(101)일 수 있다. 이하에서, 도 1의 참조 부호를 참조하여 설명을 진행하나, 다양한 실시예에 따른 전자 장치는 도 1의 전자 장치(101)로 제한되지 않는다. 다양한 실시예에 따라서, 전자 장치는 웨어러블 전자 장치이거나, 사용자가 손에 들 수 있는 전자 장치일 수 있다.
210 동작에서, 전자 장치(예를 들어, 전자 장치(101))의 적어도 하나의 프로세서(예를 들어, 프로세서(120))는 가속도 센서(예를 들어, 센서 모듈(176))에 의하여 센싱된 가속도 데이터를 확인할 수 있다.
220 동작에서, 전자 장치(101)의 적어도 하나의 프로세서(120)는 가속도 데이터에 기초한 적어도 하나의 제1 파라미터에 기초하여, 전자 장치(101)의 충격 패턴을 확인할 수 있다.
다양한 실시예에 따라서, 적어도 하나의 제1 파라미터는 사용자가 착용한 신발의 유형에 따라 달라지는 적어도 하나의 파라미터일 수 있다. 예를 들어, 제1 파라미터는 한 걸음 구간 내 최대 충격량 또는 한 걸음 구간 내 SWS(sliding window summing) 차분값의 첫 번째 피크 값과 밸리 값 사이의 차분과 상기 한 걸음 구간 내 상기 SWS 차분값의 마지막 피크 값과 상기 밸리 값 사이의 차분의 평균 중 적어도 하나를 포함할 수 있다. 한 걸음 구간, 최대 충격량, SWS 차분값, 및 SWS 차분값의 피크와 밸리에 대한 정의는 후술한다.
전자 장치(101)의 충격 패턴은 사용자가 착용한 신발의 유형을 나타내는 적어도 하나의 유형으로 분류될 수 있으며, 사용자가 착용한 신발의 유형은 사용자의 건강에 미치는 영향에 따라 분류될 수 있다. 다양한 실시예에 따라서, 신발들은 운동화와 같이 보행 중 사용자의 신체 부위(예: 발바닥)에 전달되는 충격량을 완화시켜 피로도를 적게 누적시키는 제1 유형 및 플랫 슈즈 또는 하이힐과 같이 보행 중 사용자의 신체 부위에 전달되는 충격량을 충분히 완화시키지 못하여 피로도를 크게 누적시키는 제2 유형으로 분류될 수 있으며, 이 경우, 전자 장치(101)의 충격 패턴은 사용자가 제1 유형의 신발을 착용하였음을 나타내는 제1 유형의 충격 패턴 및 사용자가 제2 유형의 신발을 착용하였음을 나타내는 제2 유형의 충격 패턴으로 분류될 수 있다. 다양한 실시예에 따라서, 신발들은 사용자의 신체 부위에 손상을 누적시키는 정도에 따라 3개 이상의 유형으로 분류될 수도 있다.
230 동작에서, 전자 장치(101)의 적어도 하나의 프로세서(120)는 확인된 충격 패턴이 적어도 하나의 미리 정의된 유형에 대응되는 경우, 가속도 데이터에 기초한 적어도 하나의 제2 파라미터에 기초하여 손상도를 확인할 수 있다. 적어도 하나의 미리 정의된 유형은 사용자에게 충격량을 일정 정도 이상 전달하여 사용자의 신체 부위에 손상을 줄 수 있는 신발을 착용하였음을 나타내는 충격 패턴의 유형일 수 있다. 예를 들어, 충격 패턴이 사용자가 운동화와 같이 보행 중 사용자에 전달되는 충격량을 완화시켜 피로도를 적게 누적시키는 신발을 신었음을 나타내는 제1 유형 및 사용자가 플랫 슈즈 또는 하이힐과 같이 보행 중 사용자에 전달되는 충격량을 충분히 완화시키지 못하여 피로도를 크게 누적시키는 신발을 신었음을 나타내는 제2 유형으로 분류되는 예시에서, 적어도 하나의 미리 정의된 유형은 제2 유형일 수 있다.
적어도 하나의 제2 파라미터는 사용자에게 전달되는 충격량을 나타내는 적어도 하나의 파라미터일 수 있다. 예를 들어, 적어도 하나의 제2 파라미터는 보행 빈도 또는 최대 충격량 중 적어도 하나를 포함할 수 있다. 보행 빈도 및 최대 충격량의 상세한 정의에 대해서는 후술한다.
다양한 실시예에 따라서, 손상도는 제2 파라미터에 기초한 다양한 연산에 기초하여 확인될 수 있다. 예를 들어, 제2 파라미터가 보행 빈도 및 최대 충격량을 포함하는 예시에서, 손상도는 정규화된 보행 빈도 및 정규화된 최대 충격량의 가중 합(weighted sum)을 보행 구간에 대하여 적분한 값 또는 룩업 테이블을 참조하여 적분한 값이 속하는 구간으로 정의될 수 있다.
230 동작에서, 전자 장치(101)의 적어도 하나의 프로세서(120)가 확인된 충격 패턴이 적어도 하나의 미리 정의된 유형에 대응되는 경우에 제2 파라미터에 기초하여 손상도를 확인한다는 것은, 손상도를 확인할 때, 사용자에게 전달되는 충격량이 비교적 클 것으로 예상되는 구간에서의 제2 파라미터 값만 고려된다는 것이고, 사용자에게 전달되는 충격량이 비교적 작을 것으로 예상되는 구간에서의 제2 파라미터 값은 손상도 확인에 고려되지 않는다는 의미일 수 있다. 따라서, 다양한 실시예에 따른 전자 장치(101)는 모든 구간에서 제2 파라미터 값 및 손상도를 확인하는 대신, 사용자에게 전달되는 충격량이 비교적 클 것으로 예상되는 구간에 대해서만 제2 파라미터 값 및 손상도를 확인하므로, 적은 연산량으로 효율적으로 손상도를 확인할 수 있다.
도 3은 다양한 실시예에 따른, 전자 장치의 동작을 설명하기 위한 흐름도(300)를 도시한다. 310 동작에서, 전자 장치(예를 들어, 전자 장치(101))의 적어도 하나의 프로세서(예를 들어, 프로세서(120))는 가속도 센서에 의하여 센싱된 가속도 데이터를 확인할 수 있다.
320 동작에서, 전자 장치(101)의 적어도 하나의 프로세서(120)는 자세 변화 조건이 만족된다고 확인할 수 있다. 다양한 실시예에 따라서, 자세 변화 조건은 전자 장치(101)의 자세 변화의 정도가 사용자가 착용한 신발의 유형에 대응되는 충격 패턴을 확인하기에 적절한 정도로 적은 상태가 일정 시간 이상 지속될 때 만족될 수 있다. 예를 들어, 사용자가 전자 장치(101)를 손에 든 상태에서 또는 웨어러블 와치 형태의 전자 장치(101)를 착용한 상태에서 손을 앞뒤로 흔들면서 보행하는 경우, 또는 사용자가 이어폰 형태의 전자 장치(101)를 착용한 상태에서 머리를 크게 흔드는 경우 자세 변화 조건이 만족되지 않을 수 있다. 예를 들어, 사용자가 전자 장치(101)를 외투 주머니에 넣고 보행하거나, 사용자가 웨어러블 와치 형태의 전자 장치(101)를 착용하고 손을 주머니에 넣고 보행하거나, 사용자가 전자 장치(101)를 손에 들고 손을 흔들지 않으면서 보행하거나, 사용자가 웨어러블 와치 형태의 전자 장치(101)를 착용하고 손목을 고정시키거나, 또는 전자 장치(101)가 이어폰 형태의 웨어러블 전자 장치이고, 사용자가 전자 장치(101)를 착용한 상태에서 전방에 시선을 고정한 상태가 일정 시간 이상 지속되는 경우, 자세 변화 조건이 만족될 수 있다. 다양한 실시예에 따라서, 일정 시간은 전자 장치(101)의 적어도 하나의 프로세서(120)가 사용자가 충격 패턴을 확인하기 위하여 적어도 하나의 제1 파라미터의 값을 확인하기에 충분한 시간으로 정의될 수 있다. 예를 들어, 일정 시간은 1초일 수 있다. 자세 변화 조건이 만족되는지 여부를 확인하기 위한 전자 장치(101)의 세부 동작들의 예시에 대해서는 도 4를 참조하여 후술한다.
330 동작에서, 전자 장치(101)의 적어도 하나의 프로세서(120)는 사용자가 보행 또는 달리기 중이라고 확인할 수 있다. 사용자가 보행 또는 달리기 중인지 여부를 확인하기 위한 전자 장치(101)의 세부 동작들의 예시에 대해서는 도 5를 참조하여 후술한다.
340 동작에서, 전자 장치(101)의 적어도 하나의 프로세서(120)는 사용자가 보행 중인 동안 획득된 가속도 데이터에 기초하여 전자 장치의 충격 패턴을 확인할 수 있다. 320 동작에서 자세 변화 조건이 만족된다고 확인되고 난 후, 340 동작에서 적어도 하나의 프로세서(120)는 자세 변화 조건이 만족되면서 사용자가 보행 또는 달리기 중인 구간 중에서, 사용자가 보행 중인 구간의 가속도 데이터에 기초하여 사용자가 착용한 신발의 유형을 확인할 수 있다. 220 동작에 관하여 상술한 세부 사항들이 340 동작에 동일하게 적용될 수 있다. 사용자가 착용한 신발의 유형을 확인하기 위한 전자 장치(101)의 세부 동작들의 예시에 대해서는 도 7 및 도 9 내지 도 11을 참조하여 후술한다.
350 동작에서, 전자 장치(101)의 적어도 하나의 프로세서(120)는 손상도를 확인할 수 있다. 330 동작에서 사용자가 보행 중 또는 달리는 중이라고 확인되고 난 후, 350 동작에서 적어도 하나의 프로세서(120)는 사용자가 보행 중인 구간의 가속도 데이터에 기초하여 보행 또는 달리는 구간 전체에 대한 손상도를 확인할 수 있다. 230 동작에 관하여 상술한 세부 사항들이 350 동작에 동일하게 적용될 수 있다. 손상도를 확인하기 위한 전자 장치(101)의 세부 동작들의 예시에 대해서는 도 12를 참조하여 후술한다.
도 4는 다양한 실시예에 따른, 전자 장치의 동작을 설명하기 위한 흐름도(400)를 도시한다. 구체적으로, 도 4는 자세 변화 조건이 만족되는지 여부를 확인하기 위한 전자 장치(101)의 동작들을 도시한다.
410 동작에서, 전자 장치(예를 들어, 전자 장치(101))의 적어도 하나의 프로세서(예를 들어, 프로세서(120))는 가속도 센서에 의하여 센싱된 가속도 데이터를 확인할 수 있다.
415 동작에서, 전자 장치(101)의 적어도 하나의 프로세서(120)는 자이로 센서 데이터 확인이 가능한지 여부를 확인할 수 있다. 다양한 실시예에 따라서, 적어도 하나의 프로세서(120)는 전자 장치(101)에 포함된 자이로 센서가 활성화되어 있는지 여부에 기초하여, 자이로 센서 데이터 확인이 가능한지 여부를 확인할 수 있다.
415 동작에서 자이로 센서 데이터 확인이 가능하다고 확인된 경우, 전자 장치(101)의 적어도 하나의 프로세서(120)는 420 동작에서 자이로 센서에 의하여 센싱된 자이로 센서 데이터를 확인할 수 있다.
425 동작에서, 전자 장치(101)의 적어도 하나의 프로세서(120)는 가속도 데이터 및 자이로 센서 데이터에 기초한 센서 퓨전을 이용하여 전자 장치(101)의 롤(roll) 및 피치(pitch)를 확인할 수 있다.
415 동작에서 자이로 센서 데이터 확인이 가능하지 않다고 확인된 경우, 전자 장치(101)의 적어도 하나의 프로세서(120)는 자이로 센서 데이터 없이 가속도 데이터에 기초하여 자세 변화 조건이 만족되는지 여부를 확인할 수 있다.
430 동작에서, 적어도 하나의 프로세서(120)는 가속도 변화량을 확인할 수 있다. 다양한 실시예에 따라서, 가속도 변화량은 가속도 데이터에 기초하여 확인된, 미리 설정된 시간 간격 동안의 가속도의 크기의 변화량 또는 미리 설정된 시간 간격 동안의 가속도의 특정 방향 성분의 변화량 중 적어도 하나를 포함할 수 있다.
435 동작에서, 적어도 하나의 프로세서(120)는 430 동작에서 확인된 가속도 변화량이 제1 임계치 미만인지 여부를 확인할 수 있다. 다양한 실시예에 따라서, 제1 임계치는 가속도 데이터에 기반하여 미리 설정된 수준의 정확도를 가지고 롤(roll) 및 피치(pitch)를 확인할 수 있는 가속도의 변화량일 수 있다.
435 동작에서 가속도 변화량이 제1 임계치 이상이라고 확인되는 경우, 적어도 하나의 프로세서(120)는 470 동작에서 자세 변화 조건이 만족되지 않는다고 확인할 수 있다.
435 동작에서 가속도 변화량이 제1 임계치 미만이라고 확인되는 경우, 적어도 하나의 프로세서(120)는 440 동작에서 가속도 데이터에 기반하여 롤 및 피치를 확인하고, 445 동작에서 롤의 변화량 및 피치의 변화량을 확인할 수 있다. 다양한 실시예에 따라서, 롤의 변화량 및 피치의 변화량은 미리 설정된 시간 간격 내에서 롤의 최대값과 최소값의 차이 및 피치의 최대값과 최소값의 차이일 수 있다.
450 동작에서, 적어도 하나의 프로세서(120)는 롤의 변화량이 제2 임계치 미만이고, 피치의 변화량이 제3 임계치 미만인지 여부를 확인할 수 있다. 다양한 실시예에 따라서, 제2 임계치 및 제3 임계치는 각각 미리 설정된 수준의 정확도를 가지고 사용자가 착용한 신발의 유형에 대응되는 충격 패턴을 확인할 수 있는 롤의 변화량 및 피치의 변화량일 수 있다.
450 동작에서 롤의 변화량이 제2 임계치 미만이고, 피치의 변화량이 제3 임계치 미만이라고 확인되는 경우, 적어도 하나의 프로세서(120)는 460 동작에서 자세 변화 조건이 만족된다고 확인할 수 있다.
450 동작에서 롤의 변화량이 제2 임계치 이상이거나, 피치의 변화량이 제3 임계치 이상이라고 확인되는 경우, 적어도 하나의 프로세서(120)는 470 동작에서 자세 변화 조건이 만족되지 않는다고 확인할 수 있다.
도 4에서는 전자 장치(101)가 가속도 센서와 자이로 센서를 모두 포함한다는 것을 전제로 설명하였으나, 다양한 실시예에 따라서, 전자 장치(101)는 가속도 센서를 포함하고 자이로 센서를 포함하지 않을 수 있으며, 이 경우, 전자 장치(101)는 415 동작, 420 동작, 및 425 동작을 수행하지 않고, 410 동작을 수행한 후 430 동작을 수행할 수 있다.
다양한 실시예에 따라서, 전자 장치(101)가 가속도 센서와 자이로 센서를 모두 포함하고, 자이로 센서 데이터를 항상 확인할 수 있는 경우에는, 415 동작이 생략되고, 410 동작이 수행된 후 420 동작 및 425 동작이 수행될 수 있다.
또한, 도 4에서는 롤 및 피치의 변화량에 기초하여 자세 변화 조건이 만족되는지 여부가 확인되는 예시를 설명하였으나, 다양한 실시예에 따라서, 롤 및 피치의 변화량 이외에도, 미리 설정된 수준의 정확도를 가지고 사용자가 착용한 신발의 유형에 대응되는 충격 패턴을 확인할 수 있는 상태를 나타낼 수 있는 다양한 파라미터에 기초하여 자세 변화 조건이 만족되는지 여부가 확인될 수 있다.
도 5는 다양한 실시예에 따른, 전자 장치의 동작을 설명하기 위한 흐름도(500)를 도시한다. 구체적으로, 도 5는 사용자가 보행 또는 달리기 중인지 여부를 확인하기 위한 전자 장치(101)의 동작들을 도시한다.
510 동작에서, 전자 장치(예를 들어, 전자 장치(101))의 적어도 하나의 프로세서(예를 들어, 프로세서(120))는 가속도 센서에 의하여 센싱된 가속도 데이터를 확인할 수 있다.
520 동작에서, 전자 장치(101)의 적어도 하나의 프로세서(120)는 가속도 데이터에 기초하여 가속도의 크기를 확인할 수 있다. 가속도의 크기
Figure PCTKR2021004769-appb-I000001
은 수학식 1과 같이 정의될 수 있다.
Figure PCTKR2021004769-appb-M000001
수학식 1에서, x, y, 및 z는 각각 3축 가속도의 크기이다.
예를 들어, 사용자가 플랫 슈즈를 착용하고 걸을 때의 가속도 크기 값(610a)의 예시적인 그래프가 도 6a에 도시되어 있다. 도 6a를 참조하면, 발걸음이 주기적으로 반복됨에 따라, 가속도 크기 값(610a) 또한 발걸음의 주기에 따라 주기적으로 반복되는 것을 확인할 수 있다. 도 6a 내지 도 6i에서, 가로축은 샘플 수를 의미할 수 있다. 다양한 실시예에 따라서, 샘플은 10ms 단위로 획득될 수 있으며, 이 경우, 100개의 샘플은 1초를 의미할 수 있다.
530 동작에서, 전자 장치(101)의 적어도 하나의 프로세서(120)는 SWS (sliding window summing) 차분값을 확인할 수 있다. 크기가 N인 윈도우에 대응하는 SWS 값은 수학식 2와 같이 정의될 수 있다.
Figure PCTKR2021004769-appb-M000002
SWS 차분값은 수학식 3과 같이 정의될 수 있다.
Figure PCTKR2021004769-appb-M000003
예를 들어, 도 6a의 사용자가 플랫 슈즈를 착용하고 걸을 때에 대응하는 SWS 차분값의 예시가 도 6b에 도시되어 있다. 도 6b를 참조하면, 발걸음이 주기적으로 반복됨에 따라, SWS 차분값(620a) 또한 발걸음의 주기에 따라 주기적으로 반복되는 것을 확인할 수 있다.
540 동작에서, 전자 장치(101)의 적어도 하나의 프로세서(120)는 SWS 차분값에 기초하여 ZC(zero crossing) 지점들을 확인할 수 있다. 다양한 실시예에 따라서, ZC 지점은 SWS 차분값이 양수에서 음수로 바뀌는 과정에서 SWS 차분값이 0이 되는 지점을 의미할 수 있다. 다른 다양한 실시예에 따라서, ZC 지점은 SWS 차분값이 음수에서 양수로 바뀌는 과정에서 SWS 차분값이 0이 되는 지점을 의미할 수 있다.
도 6b를 참조하면, SWS 차분값(620a)이 양수에서 음수로 바뀌는 과정에서 SWS 차분값이 0이 되는 지점들이 ZC 지점들(631a, 632a, 633a, 634a, 635a, 636a, 637a, 638a, 639a)일 수 있다.
550 동작에서, 전자 장치(101)의 적어도 하나의 프로세서(120)는 인접한 ZC 지점들의 간격이 일정하고, 인접한 ZC 지점들의 간격이 미리 결정된 범위 내에 있는지 여부를 확인할 수 있다. 다양한 실시예에 따라서, 적어도 하나의 프로세서(120)는 확인된 ZC 지점들(631a, 632a, 633a, 634a, 635a, 636a, 637a, 638a, 639a) 중 인접한 ZC 지점들 사이의 시간 간격들을 확인할 수 있고, 확인된 인접한 ZC 지점들 사이의 시간 간격들 사이의 편차가 미리 결정된 수준 이하일 경우에 인접한 ZC 지점들의 간격이 일정하다고 확인할 수 있다.
다양한 실시예에 따라서, 적어도 하나의 프로세서(120)는 인접한 ZC 지점들 사이의 시간 간격들 중 미리 결정된 범위 내에 있는 시간 간격들이 일정 개수 이상 또는 일정 비율 이상일 때, 인접한 ZC 지점들의 간격이 미리 결정된 범위 내에 있다고 확인할 수 있다. 다양한 실시예에 따라서, 미리 결정된 범위는 통상적인 보행 및 달리기에 대응하는 ZC 지점들 사이의 간격일 수 있다.
550 동작에서 인접한 ZC 지점들의 간격이 일정하고, 인접한 ZC 지점들의 간격이 미리 결정된 범위 내에 있다고 확인되는 경우, 전자 장치(101)의 적어도 하나의 프로세서(120)는 560 동작에서 사용자가 보행 또는 달리기 중이라고 확인할 수 있다.
550 동작에서, 인접한 ZC 지점들의 간격이 일정하지 않거나, 인접한 ZC 지점들의 간격이 미리 결정된 범위 내에 있지 않다고 확인되는 경우, 전자 장치(101)의 적어도 하나의 프로세서(120)는 570 동작에서 사용자가 보행 또는 달리기 중이 아니라고 확인할 수 있다.
도 6b를 다시 참조하면, SWS 차분값(620a)의 한 ZC 지점과 인접한 다른 ZC 지점 사이에 복수의 피크가 있다는 것을 알 수 있다. 예를 들어, ZC 지점(631a)과 ZC 지점(632a) 사이의 구간 중 SWS 차분값(620a)이 양수인 구간에서, 첫 번째 피크(640a) 및 두 번째 피크(650a) 등 두 개의 피크가 있다. 이 중 첫 번째 피크(640a)는 발 뒤꿈치가 지면에 닿는 순간 또는 heel strike에 대응되고, 두 번째 피크(650a)는 발 뒤꿈치가 지면으로부터 떨어지면서 발 앞쪽에 힘이 실리는 순간 또는 heel off에 대응된다. 첫 번째 피크(640a)와 두 번째 피크(650a) 사이의 SWS 차분값(620a) 중 최소값이 밸리 값(660a)으로 정의될 수 있다. 플랫 슈즈는 바닥면이 딱딱하여 지면으로부터의 충격을 잘 흡수하지 못하기 때문에, 첫 번째 피크(640a) 및 두 번째 피크(650a)가 선명하게 검출될 수 있다. 이후 도 7 및 도 9 내지 도 11을 참조하여, heel strike에 대응되는 피크와 heel off에 대응되는 피크가 얼마나 선명한지에 적어도 일부 기초하여 신발의 유형에 대응되는 충격 패턴이 판단될 수 있음이 설명될 것이다.
도 6c는 사용자가 플랫 슈즈를 착용하고 걸을 때, 한 걸음 구간 내 최대 충격량을 도시한다. 한 걸음 구간은 도 6b에 도시된 ZC 지점들(631a, 632a, 633a, 634a, 635a, 636a, 637a, 638a, 639a) 중 인접한 두 ZC 지점들 사이의 구간을 의미한다. 예를 들어, ZC 지점(631a)과 ZC 지점(632a) 사이의 구간이 한 걸음 구간일 수 있다. 도 6c에 도시된 한 걸음 구간 내 최대 충격량은 한 걸음 구간 내에서 가속도 크기 값(610a)의 최대값을 의미한다. 도 6c를 참조하면, 한 걸음 구간이 끝나는 타이밍, 즉, ZC 지점들(631a, 632a, 633a, 634a, 635a, 636a, 637a, 638a, 639a)에 대응되는 타이밍마다 대응하는 한 걸음 구간 내에서 가속도 크기 값(610a)의 최대값(661a, 662a, 663a, 664a, 665a, 666a, 667a, 668a, 669a)이 최대 충격량으로서 표시되는 것을 확인할 수 있다.
도 6d는 사용자가 운동화를 착용하고 걸을 때의 가속도 크기 값을 도시한다. 도 6d의 가속도 크기 값(610d)과 도 6a의 가속도 크기 값(610a)을 비교하면, 가속도 크기 값(610d)이 가속도 크기 값(610a)보다 전체적으로 작다는 것을 확인할 수 있다. 이는 플랫 슈즈가 바닥면이 딱딱하여 지면으로부터의 충격을 잘 흡수하지 못하는 반면, 운동화는 지면으로부터의 충격을 잘 흡수하여 사용자에게 적은 충격만을 전달한다는 것을 의미한다.
도 6e는 사용자가 운동화를 착용하고 걸을 때의 SWS 차분값을 도시한다. 도 6e의 SWS 차분값(620d)에 기초하여 ZC 지점들(631d, 632d, 633d, 634d, 635d, 636d, 637d, 638d, 639d)이 확인될 수 있다. 도 6e의 SWS 차분값(620d)과 도 6b의 SWS 차분값(620a)을 비교하면, SWS 차분값(620d)은 ZC 지점(631d) 및 ZC 지점(632d) 사이 구간과 같이 첫 번째 피크(640d)와 밸리 값(660d)의 차이 및 마지막 피크(650d)와 밸리 값(660d)의 차이가 커서, 첫 번째 피크(640d)와 및 마지막 피크(650d)가 비교적 선명하게 나타나는 구간도 있으나, ZC 지점(632d) 및 ZC 지점(633d) 사이 구간과 같이 첫 번째 피크와 밸리 값의 차이 및 마지막 피크와 밸리 값의 차이가 크지 않은 구간이 대다수임을 알 수 있다. 이는 플랫 슈즈가 바닥면이 딱딱하여 지면으로부터의 충격을 잘 흡수하지 못하므로 heel strike 및 heel off에 대응되는 피크가 선명하게 나타나는 반면, 운동화는 지면으로부터의 충격을 잘 흡수하여 heel strike 및 heel off에 대응되는 피크가 선명하게 나타나지 않는 것을 의미한다.
도 6f는 사용자가 운동화를 착용하고 걸을 때, 한 걸음 구간 내 최대 충격량을 도시한다. 도 6f를 참조하면, 한 걸음 구간이 끝나는 타이밍, 즉, ZC 지점들(631d, 632d, 633d, 634d, 635d, 636d, 637d, 638d, 639d)에 대응되는 타이밍마다 대응하는 한 걸음 구간 내에서 가속도 크기 값(610d)의 최대값(661d, 662d, 663d, 664d, 665d, 666d, 667d, 668d, 669d)이 최대 충격량으로서 표시되는 것을 확인할 수 있다. 도 6c와 도 6f를 비교하면, 도 6f에서의 최대 충격량이 도 6c에서의 최대 충격량보다 작은 것을 알 수 있다. 이는 플랫 슈즈가 바닥면이 딱딱하여 지면으로부터의 충격을 잘 흡수하지 못하는 반면, 운동화는 지면으로부터의 충격을 잘 흡수하여 사용자에게 적은 충격만을 전달한다는 것을 의미한다.
도 6g는 사용자가 하이힐을 착용하고 걸을 때의 가속도 크기 값을 도시한다. 도 6g의 가속도 크기 값(610g)을 도 6a의 가속도 크기 값(610a) 및 도 6d의 가속도 크기 값(610d)과 비교하면, 가속도 크기 값(610g)은 도 6a의 가속도 크기 값(610a) 및 도 6d의 가속도 크기 값(610d)보다 전체적으로 크다는 것을 확인할 수 있다. 이는 하이힐은 플랫 슈즈 및 운동화에 비하여 지면으로부터의 충격을 잘 흡수하지 못하여 사용자에게 많은 충격을 전달한다는 것을 의미한다.
도 6h는 사용자가 하이힐을 착용하고 걸을 때의 SWS 차분값을 도시한다. 도 6h의 SWS 차분값(620g)에 기초하여 ZC 지점들(631g, 632g, 633g, 634g, 635g, 636g, 637g, 638g, 639g)이 확인될 수 있다. 도 6h의 SWS 차분값(620g)은 인접한 ZC 지점들(631g, 632g, 633g, 634g, 635g, 636g, 637g, 638g, 639g) 사이에서 첫 번째 피크와 밸리 값의 차이 및 마지막 피크와 밸리 값의 차이가 크게 나타남을 확인할 수 있다. 예를 들어, ZC 지점(633g)과 ZC 지점(634g) 사이 구간에서, heel strike에 대응되는 첫 번째 피크(640g)와 heel off에 대응되는 마지막 피크(650g)가 선명하게 나타나는 것을 확인할 수 있다. 또한, 첫 번째 피크(640g)와 마지막 피크(650g) 사이 구간에서 SWS 차분값(620g)의 최소값인 밸리 값(660g)과 첫 번째 피크(640g)의 차이 및 밸리 값(660g)과 마지막 피크(650g)의 차이가 크게 나타나는 것을 확인할 수 있다. 이는 하이힐이 바닥면이 딱딱하여 지면으로부터의 충격을 잘 흡수하지 못하므로 heel strike 및 heel off에 대응되는 피크가 선명하게 나타난다는 것을 의미한다.
도 6i는 사용자가 하이힐을 착용하고 걸을 때, 한 걸음 구간 내 최대 충격량을 도시한다. 도 6i를 참조하면, 한 걸음 구간이 끝나는 타이밍, 즉, ZC 지점들(631g, 632g, 633g, 634g, 635g, 636g, 637g, 638g, 639g)에 대응되는 타이밍마다 대응하는 한 걸음 구간 내에서 가속도 크기 값(610g)의 최대값(661g, 662g, 663g, 664g, 665g, 666g, 667g, 668g, 669g)이 최대 충격량으로서 표시되는 것을 확인할 수 있다. 도 6i를 도 6c 및 도 6f와 비교하면, 도 6i에서의 최대 충격량이 도 6c 및 도 6f에서의 최대 충격량보다 큰 것을 알 수 있다. 이는 하이힐이 지면으로부터의 충격을 잘 흡수하지 못한다는 것을 의미한다.
도 7은 다양한 실시예에 따른, 전자 장치의 동작을 설명하기 위한 흐름도(700)를 도시한다. 구체적으로, 도 7은 사용자가 착용한 신발의 유형에 대응되는 충격 패턴을 확인하기 위한 전자 장치(101)의 동작들을 도시한다.
710 동작에서, 전자 장치(예를 들어, 전자 장치(101))의 적어도 하나의 프로세서(예를 들어, 프로세서(120))는 가속도 센서에 의하여 센싱된 가속도 데이터를 확인할 수 있다.
720 동작에서, 전자 장치(101)의 적어도 하나의 프로세서(120)는 가속도 데이터에 기초하여 가속도의 크기를 확인할 수 있다. 도 5의 520 동작에 관한 세부 사항이 720 동작에 동일하게 적용될 수 있다.
730 동작에서, 전자 장치(101)의 적어도 하나의 프로세서(120)는 SWS (sliding window summing) 차분값을 확인할 수 있다. 도 5의 530 동작에 관한 세부 사항이 730 동작에 동일하게 적용될 수 있다.
740 동작에서, 전자 장치(101)의 적어도 하나의 프로세서(120)는 ZC 지점들을 확인할 수 있다. 도 5의 540 동작에 관한 세부 사항이 740 동작에 동일하게 적용될 수 있다.
750 동작에서, 전자 장치(101)의 적어도 하나의 프로세서(120)는 보행 빈도를 확인할 수 있다. 보행 빈도 F는 수학식 4와 같이 정의될 수 있다.
Figure PCTKR2021004769-appb-M000004
수학식 4에서, ti는 i번째 ZC 지점에서의 시간, ti-1는 i-1번째 ZC 지점에서의 시간이다. ZC 지점이 3개 이상인 경우에, 두 개 이상의 보행 빈도 F가 확인될 수 있고, 두 개 이상의 보행 빈도 F를 대표하는 값이 최종 보행 빈도로서 확인될 수 있다. 예를 들어, 도 6b와 같이 9개의 ZC 지점들(631a, 632a, 633a, 634a, 635a, 636a, 637a, 638a, 639a)이 있는 경우에, 인접한 ZC 지점들 사이의 보행 빈도 F는 8개 계산될 수 있고, 8개의 F값을 대표하는 값이 최종 보행 빈도로서 확인될 수 있다. 예를 들어, 8개의 F값의 평균값, 최대값, 또는 최소값이 최종 보행 빈도로서 확인될 수 있다.
755 동작에서, 전자 장치(101)의 적어도 하나의 프로세서(120)는 750 동작에서 확인된 보행 빈도가 제4 임계치 미만인지 여부를 확인할 수 있다. 다양한 실시예에 따라서, 제4 임계치는 통상적인 보행에 대응하는 보행 빈도보다 높고 통상적인 뛰는 동작에 대응하는 보행 빈도보다 낮게 정의될 수 있다. 예를 들어, 제4 임계치는 1초에 2.1회 보다 높고 2.2회보다 낮은 임의의 값으로 정의될 수 있다.
제4 임계치는 도 5의 550 동작을 참조하여 상술한, 사용자가 보행 중인지 여부를 확인하기 위한, 인접한 ZC 지점들 사이의 시간 간격에 대한 미리 결정된 범위와는 상이할 수 있다는 점에 유의해야 한다. 도 5의 550 동작을 참조하여 상술한 미리 결정된 범위는 사용자가 앉아 있거나 누워 있는 경우와 같이 보행 또는 달리기를 하지 않는 경우와 사용자가 보행 또는 달리기를 하는 경우를 구분하기 위한 인접한 ZC 지점들의 시간 간격을 의미하고, 통상적인 보행 및 달리기에 대응하는 ZC 지점들의 시간 간격을 모두 포함할 수 있다. 반면, 제4 임계치는 사용자가 착용한 신발의 유형을 나타낼 수 있는 충격 패턴과 신발의 유형을 나타내지 않는 충격 패턴을 구분하기 위한 임계치로서, 통상적인 보행에 대응하는 보행 빈도보다 높고 통상적인 뛰는 동작에 대응하는 보행 빈도보다 낮게 정의될 수 있다.
제4 임계치의 의의에 대해 계속 설명하기 전에, 도 8a 내지 도 8i를 참조한다. 도 8a 내지 도 8i에서, 가로축은 샘플 수를 의미할 수 있다. 다양한 실시예에 따라서, 샘플은 10ms 단위로 획득될 수 있으며, 이 경우, 100개의 샘플은 1초를 의미할 수 있다.
도 8a는 사용자가 플랫 슈즈를 착용하고 뛸 때의 가속도 크기 값을 도시한다. 도 8a의 가속도 크기 값(810a)을 도 6a의 가속도 크기 값(610a)과 비교하면, 가속도 크기 값(810a) 곡선의 등락이 가속도 크기 값(610a) 곡선의 등락보다 자주 발생한다는 것을 알 수 있다. 이는, 걸을 때보다 뛸 때 한 걸음 사이의 빈도가 더 높아진다는 것을 의미한다. 또한, 가속도 크기 값(810a)이 가속도 크기 값(610a)보다 높다는 것을 알 수 있다. 이는, 같은 플랫 슈즈를 착용한 상태이더라도 걸을 때보다 뛸 때 사용자에게 전달되는 충격이 더 크다는 것을 나타낸다.
도 8b는 사용자가 플랫 슈즈를 착용하고 뛸 때의 SWS 차분값을 도시한다. 도 8b의 SWS 차분값(820a) 곡선을 도 6b의 SWS 차분값(620a) 곡선과 비교하면, 도 6b의 SWS 차분값(620a)은 ZC 지점들(631a, 632a, 633a, 634a, 635a, 636a, 637a, 638a, 639a) 사이에서 첫 번째 피크 및 두 번째 피크가 명확하게 드러나는 반면, 도 8b의 SWS 차분값(820a) 곡선에서는 ZC 지점들(831a, 832a, 833a, 834a, 835a, 836a, 837a, 838a, 839a, 840a, 841a, 842a, 843a, 844a, 845a, 846a) 사이에서 두 개의 피크가 나타나지 않고, 하나의 피크만 나타나는 것을 알 수 있다. 이는 달리기를 하는 상황에서는 heel strike와 heel off의 에 대응하는 가속도 신호 패턴이 상당히 짧은 시간 내에 연속적으로 나타나게 되기 때문이다.
도 8c는 사용자가 플랫 슈즈를 착용하고 뛸 때, 한 걸음 구간 내 최대 충격량을 도시한다. 도 8c를 참조하면, 한 걸음 구간이 끝나는 타이밍, 즉, ZC 지점들(831a, 832a, 833a, 834a, 835a, 836a, 837a, 838a, 839a, 840a, 841a, 842a, 843a, 844a, 845a, 846a)에 대응되는 타이밍마다 대응하는 한 걸음 구간 내에서 가속도 크기 값(810a)의 최대값(851a, 852a, 853a, 854a, 853a, 858a, 857a, 858a, 859a, 860a, 861a, 862a, 863a, 864a, 865a, 866a)이 최대 충격량으로서 표시되는 것을 확인할 수 있다. 도 8c와 도 6c를 비교하면, 도 8c의 최대 충격량이 도 6c의 최대 충격량보다 큰 것을 확인할 수 있다. 이는, 도 8a와 도 6a를 비교하여 상술한 바와 마찬가지로, 같은 플랫 슈즈를 착용한 상태이더라도 걸을 때보다 뛸 때 사용자에게 전달되는 충격이 더 크다는 것을 나타낸다.
도 8d는 사용자가 운동화를 착용하고 뛸 때의 가속도 크기 값을 도시한다. 도 8d의 가속도 크기 값(810d)을 도 6d의 가속도 크기 값(610d)과 비교하면, 가속도 크기 값(810d) 곡선의 등락이 가속도 크기 값(610d) 곡선의 등락보다 자주 발생한다는 것을 알 수 있다. 이는, 걸을 때보다 뛸 때 한 걸음 사이의 빈도가 더 높아진다는 것을 의미한다. 또한, 가속도 크기 값(810d)이 가속도 크기 값(610d)보다 높다는 것을 알 수 있다. 이는, 같은 운동화를 착용한 상태이더라도 걸을 때보다 뛸 때 사용자에게 전달되는 충격이 더 크다는 것을 나타낸다.
도 8e는 사용자가 운동화를 착용하고 뛸 때의 SWS 차분값을 도시한다. 도 8e의 SWS 차분값(820d)은 ZC 지점들(831d, 832d, 833d, 834d, 835d, 836d, 837d, 838d, 839d, 840d, 841d, 842d, 843d, 844d, 845d) 사이에서 두 개의 피크가 나타나지 않고, 하나의 피크만 나타나는 것을 알 수 있다. 이는 운동화가 지면으로부터의 충격을 잘 흡수하고, 사용자가 달리기를 하는 상황에서는 heel strike와 heel off의 에 대응하는 가속도 신호 패턴이 상당히 짧은 시간 내에 연속적으로 나타나게 되기 때문이다.
도 8f는 사용자가 운동화를 착용하고 뛸 때, 한 걸음 구간 내 최대 충격량을 도시한다. 도 8f를 참조하면, 한 걸음 구간이 끝나는 타이밍, 즉, ZC 지점들(831d, 832d, 833d, 834d, 835d, 836d, 837d, 838d, 839d, 840d, 841d, 842d, 843d, 844d, 845d)에 대응되는 타이밍마다 대응하는 한 걸음 구간 내에서 가속도 크기 값(810d)의 최대값(851d, 852d, 853d, 854d, 853d, 858d, 857d, 858d, 859d, 860d, 861d, 862d, 863d, 864d, 865d)이 최대 충격량으로서 표시되는 것을 확인할 수 있다. 도 8f와 도 6f를 비교하면, 도 8f의 최대 충격량이 도 6f의 최대 충격량보다 큰 것을 확인할 수 있다. 이는, 도 8d와 도 6d를 비교하여 상술한 바와 마찬가지로, 같은 운동화를 착용한 상태이더라도 걸을 때보다 뛸 때 사용자에게 전달되는 충격이 더 크다는 것을 나타낸다.
도 8g는 사용자가 하이힐을 착용하고 뛸 때의 가속도 크기 값을 도시한다. 도 8g의 가속도 크기 값(810g)을 도 6g의 가속도 크기 값(610g)과 비교하면, 가속도 크기 값(810g) 곡선의 등락이 가속도 크기 값(610g) 곡선의 등락보다 자주 발생한다는 것을 알 수 있다. 이는, 걸을 때보다 뛸 때 한 걸음 사이의 빈도가 더 높아진다는 것을 의미한다. 또한, 가속도 크기 값(810g)이 가속도 크기 값(610g)보다 높다는 것을 알 수 있다. 이는, 같은 하이힐을 착용한 상태이더라도 걸을 때보다 뛸 때 사용자에게 전달되는 충격이 더 크다는 것을 나타낸다.
도 8h는 사용자가 하이힐을 착용하고 뛸 때의 SWS 차분값을 도시한다. 도 8h의 SWS 차분값(820g) 곡선을 도 6h의 SWS 차분값(620g) 곡선과 비교하면, 도 6h의 SWS 차분값(620g)은 ZC 지점들(631g, 632g, 633g, 634g, 635g, 636g, 637g, 638g, 639g) 사이에서 첫 번째 피크 및 두 번째 피크가 명확하게 드러나는 반면, 도 8h의 SWS 차분값(820g) 곡선에서는 ZC 지점들(831g, 832g, 833g, 834g, 835g, 836g, 837g, 838g, 839g, 840g, 841g, 842g, 843g, 844g, 845g, 846g) 사이에서 두 개의 피크가 명확하게 나타나지 않는 것을 알 수 있다. 이는 달리기를 하는 상황에서는 heel strike와 heel off의 에 대응하는 가속도 신호 패턴이 상당히 짧은 시간 내에 연속적으로 나타나게 되기 때문이다.
도 8i는 사용자가 하이힐을 착용하고 뛸 때, 한 걸음 구간 내 최대 충격량을 도시한다. 도 8i를 참조하면, 한 걸음 구간이 끝나는 타이밍, 즉, ZC 지점들(831g, 832g, 833g, 834g, 835g, 836g, 837g, 838g, 839g, 840g, 841g, 842g, 843g, 844g, 845g, 846g)에 대응되는 타이밍마다 대응하는 한 걸음 구간 내에서 가속도 크기 값(810g)의 최대값(851g, 852g, 853g, 854g, 853g, 858g, 857g, 858g, 859g, 860g, 861g, 862g, 863g, 864g, 865g, 866g)이 최대 충격량으로서 표시되는 것을 확인할 수 있다. 도 8i와 도 6i를 비교하면, 도 8i의 최대 충격량이 도 6i의 최대 충격량보다 큰 것을 확인할 수 있다. 이는, 도 8g와 도 6g를 비교하여 상술한 바와 마찬가지로, 같은 하이힐을 착용한 상태이더라도 걸을 때보다 뛸 때 사용자에게 전달되는 충격이 더 크다는 것을 나타낸다.
다시 제4 임계치의 의의에 대한 설명으로 돌아가면, 도 8b, 도 8e, 및 도 8h에서 도시된 바와 같이, 달리기를 하는 상황에서는 heel strike와 heel off의 에 대응하는 가속도 신호 패턴이 상당히 짧은 시간 내에 연속적으로 나타나므로, 신발의 종류에 관계없이 첫 번째 피크 및 두 번째 피크가 명확하게 드러나지 않는다. 즉, 달리기를 하는 상황에서의 가속도 데이터로부터는 신발의 종류를 구분하기 어렵다. 따라서, 제4 임계치는 특정 종류의 신발에 대해서는 첫 번째 피크 및 두 번째 피크가 명확하게 드러나고, 다른 종류의 신발에 대해서는 첫 번째 피크 및 두 번째 피크가 명확하게 드러나지 않는 보행 빈도 중 가장 높은 값으로서 설정될 수 있다.
755 동작에서 확인된 보행 빈도가 제4 임계치 이상이라고 확인된 경우, 전자 장치(101)의 적어도 하나의 프로세서(120)는 710 동작으로 돌아갈 수 있다.
755 동작에서 확인된 보행 빈도가 제4 임계치 미만이라고 확인된 경우, 전자 장치(101)의 적어도 하나의 프로세서(120)는 760 동작에서 제1 특징값 및 제2 특징값을 확인할 수 있다. 제1 특징값 및 제2 특징값을 확인하기 위한 예시적인 과정에 대해서는 도 9를 참조하여 후술한다.
762 동작에서, 전자 장치(101)의 적어도 하나의 프로세서(120)는 기존에 학습된 제1 보정 계수 및 제2 보정 계수가 있는지 여부를 확인할 수 있다. 766 동작에서 후술할 바와 같이, 제1 보정 계수 및 제2 보정 계수는 각각 760 동작에서 확인된 제1 특징값 및 제2 특징값과 비교될 제5 임계치 및 제6 임계치를 보정하기 위한 계수이다. 다양한 실시예에 따라서, 적어도 하나의 프로세서(120)는 전자 장치(101)의 메모리(130)를 참조하여 기존에 학습된 제1 보정 계수 및 제2 보정 계수가 메모리(130)에 저장되어 있는지 여부를 확인함으로써, 제1 보정 계수 및 제2 보정 계수가 있는지 여부를 확인할 수 있다.
762 동작에서 기존에 학습된 제1 보정 계수 또는 제2 보정 계수가 없다고 확인되는 경우, 전자 장치(101)의 적어도 하나의 프로세서(120)는 760 동작에서 확인된 제1 특징값 및 제2 특징값에 기초하여, 764 동작에서 제1 보정 계수 및 제2 보정 계수를 학습할 수 있다. 제1 보정 계수 및 제2 보정 계수를 학습하기 위한 예시적인 과정에 대해서는 도 10 및 도 11을 참조하여 후술한다.
다양한 실시예에 따라서, 제1 보정 계수 및 제2 보정 계수는 개인의 보행 습관에 따라서 제1 특징값 및 제2 특징값의 분포가 상이할 수 있으므로, 개인차에 따라 제1 특징값에 비교되는 제5 임계치 및 제2 특징값에 비교되는 제6 임계치를 보정하기 위한 계수일 수 있다.
762 동작에서 기존에 학습된 제1 보정 계수 및 제2 보정 계수가 있다고 확인되는 경우, 전자 장치(101)의 적어도 하나의 프로세서(120)는 766 동작에서, 760 동작에서 확인된 제1 특징값이 제5 임계치와 제1 보정 계수의 합보다 크고, 760 동작에서 확인된 제2 특징값이 제6 임계치와 제2 보정 계수의 합보다 큰지 여부를 확인할 수 있다.
766 동작에서 제1 특징값이 제5 임계치와 제1 보정 계수의 합보다 크고, 제2 특징값이 제6 임계치와 제2 보정 계수의 합보다 크다고 확인되는 경우, 전자 장치(101)의 적어도 하나의 프로세서(120)는 780 동작에서 전자 장치의 충격 패턴이 제2 유형이라고 확인할 수 있다.
766 동작에서 제1 특징값이 제5 임계치와 제1 보정 계수의 합 미만이거나, 제2 특징값이 제6 임계치와 제2 보정 계수의 합 미만이라고 확인되는 경우, 전자 장치(101)의 적어도 하나의 프로세서(120)는 770 동작에서 전자 장치의 충격 패턴이 제1 유형이라고 확인할 수 있다.
다양한 실시예에 따라서, 제1 특징값 및 제2 특징값은 보행에 따라 사용자에게 전달되는 충격이 큰 신발을 착용한 경우에 크게 측정되는 파라미터들일 수 있다. 이 경우, 제2 유형은 사용자가 사용자에게 전달되는 충격이 큰 신발을 신었을 때의 충격 패턴을 나타내고, 제1 유형은 사용자가 사용자에게 전달되는 충격이 비교적 작은 신발을 신었을 때의 충격 패턴을 나타낼 수 있다. 예를 들어, 사용자가 운동화를 착용하였을 때의 충격 패턴은 제1 유형의 충격 패턴으로, 사용자가 플랫 슈즈 및 하이힐을 착용하였을 때의 충격 패턴은 제2 유형의 충격 패턴으로 분류될 수 있다.
도 7에서는 제1 보정 계수 및 제2 보정 계수에 의하여 개인의 보행 습관상의 차이를 반영하여 신발의 유형에 대응하는 충격 패턴을 분류하는 예시가 도시되었으나, 다양한 실시예에 따라서, 개인의 보행 습관상의 차이를 반영하지 않고 신발의 충격 패턴을 분류하는 것도 가능하다. 이 경우, 762 동작 및 764 동작은 생략되고, 766 동작은 제1 특징값이 제5 임계치보다 크고, 제2 특징값이 제6 임계치보다 큰지 여부를 확인하는 동작으로 대체될 수 있다. 개인의 보행 습관상의 차이를 반영하지 않고 충격 패턴을 분류하는 경우, 개인의 보행 습관상의 차이를 반영하여 제1 보정 계수 및 제2 보정 계수를 학습하는 데 필요한 자원이 절약될 수 있다.
또한, 도 7에서는 제1 특징값을 하나의 값인 제5 임계치와 비교하고, 제2 특징값을 하나의 값인 제6 임계치와 비교하여, 충격 패턴을 제1 유형 및 제2 유형의 두 가지로 분류하는 예시가 도시되었으나, 다양한 실시예에 따라서, 제1 특징값 또는 제2 특징값 중 적어도 하나를 두 개 이상의 임계치와 비교하여, 충격 패턴을 3가지 이상으로 분류할 수 있다.
또한, 도 7에서는 제1 특징값 및 제2 특징값의 두 가지 파라미터를 이용하여 충격 패턴을 분류하는 예시가 도시되었으나, 다양한 실시예에 따라서, 한 개의 파라미터를 이용하거나, 세 개 이상의 파라미터를 이용하여 충격 패턴을 분류할 수 있다. 충격 패턴을 분류하기 위해 사용되는 파라미터는 충격 패턴에 따라 달라지고 가속도 데이터로부터 도출될 수 있는 임의의 파라미터일 수 있다.
도 9는 다양한 실시예에 따른, 전자 장치의 동작을 설명하기 위한 흐름도(900)를 도시한다. 구체적으로, 도 9는 도 7의 제1 특징값 및 제2 특징값을 확인하기 위한 전자 장치(101)의 동작들을 도시한다.
910 동작에서, 전자 장치(예를 들어, 전자 장치(101))의 적어도 하나의 프로세서(예를 들어, 프로세서(120))는 한 걸음 구간 내 최대 충격량을 제1 특징값으로서 확인할 수 있다. 한 걸음 구간 내 최대 충격량은 한 걸음 구간 내에서 가속도 크기 값의 최대값을 의미할 수 있다. 사용자가 플랫 슈즈, 운동화, 및 하이힐을 신고 걸었을 때의 제1 특징값의 예시가 도 6c, 도 6f, 및 도 6i에 각각 도시되어 있다.
전자 장치(101)의 적어도 하나의 프로세서(120)는 920 동작에서 한 걸음 구간 내 SWS 차분값을 확인할 수 있다. 사용자가 플랫 슈즈, 운동화, 및 하이힐을 신고 걸었을 때의 SWS 차분값의 예시가 도 6b, 도 6e, 및 도 6h에 각각 도시되어 있다.
전자 장치(101)의 적어도 하나의 프로세서(120)는 930 동작에서 한 걸음 구간 내 SWS 차분값의 첫 번째 피크 값을 확인하고, 940 동작에서 한 걸음 구간 내 SWS 차분값의 마지막 피크 값을 확인하고, 950 동작에서 한 걸음 구간 내 SWS 차분값의 첫 번째 피크와 마지막 피크 사이의 최소값인 밸리 값을 확인할 수 있다. 도 6b의 ZC 지점(631a)과 ZC 지점(632a) 사이의 구간으로 정의되는 한 걸음 구간의 예시에서, 적어도 하나의 프로세서(120)는 930 동작에서 첫 번째 피크(640a) 값을 확인하고, 940 동작에서 두 번째 피크(650a) 값을 마지막 피크 값으로서 확인하고, 950 동작에서 밸리 값(660a)을 확인할 수 있다.
960 동작에서, 전자 장치(101)의 적어도 하나의 프로세서(120)는 첫 번째 피크 값과 밸리 값 사이의 차분과 마지막 피크 값과 밸리 값 사이의 차분의 평균을 제2 특징값으로서 확인할 수 있다. 즉, 제2 특징값 f2는 수학식 5와 같이 정의될 수 있다.
Figure PCTKR2021004769-appb-M000005
수학식 5에서,
Figure PCTKR2021004769-appb-I000002
은 첫 번째 피크 값,
Figure PCTKR2021004769-appb-I000003
는 마지막 피크 값, v는 밸리 값이다.
도 9에서는 910 동작이 920 내지 960 동작보다 먼저 수행되는 예시가 도시되었으나, 다양한 실시예에 따라서, 910 동작은 960 동작이 수행된 후에 수행되거나, 920 동작이 수행되기 시작한 이후 960 동작이 완료되기 전에 수행될 수 있다.
또한, 도 9의 예시와 상이하게 제1 특징값 및 제2 특징값이 정의될 수 있다. 다양한 실시예에 따라서, 제2 특징값은 첫 번째 피크 값과 밸리 값 사이의 차분과 마지막 피크 값과 밸리 값 사이의 차분의 단순평균이 아니라, 첫 번째 피크 값과 밸리 값 사이의 차분과 마지막 피크 값과 밸리 값 사이의 차분의 임의의 가중합으로 정의될 수 있다. 다양한 실시예에 따라서, 제1 특징값 및 제2 특징값은 충격 패턴의 유형에 따라 달라지는 파라미터로서 가속도 데이터로부터 도출될 수 있는 파라미터라면 제한되지 않는다.
도 10은 다양한 실시예에 따른, 전자 장치의 동작을 설명하기 위한 흐름도(1000)를 도시한다. 구체적으로, 도 10은 사용자가 착용한 신발의 유형에 대응되는 충격 패턴의 유형을 확인하기 위하여, 적어도 하나의 특징값과 비교될 적어도 하나의 임계치를 개인의 보행 습관을 고려하여 보정하기 위한 전자 장치(101)의 동작들을 도시한다.
1010 동작에서, 전자 장치(예를 들어, 전자 장치(101))의 적어도 하나의 프로세서(예를 들어, 프로세서(120))는 확인된 제1 특징값 및 제2 특징값에 기초하여 특징 집합을 메모리(예를 들어, 메모리(130))에 저장할 수 있다. 일 실시예에 따르면, 특징 집합은 제1 특징값 및 제2 특징값을 포함하는 집합일 수 있다.
1020 동작에서, 전자 장치(101)의 적어도 하나의 프로세서(120)는 메모리(130)에 저장된 특징 집합의 개수가 미리 결정된 개수보다 큰지 여부를 확인할 수 있다. 다양한 실시예에 따라서, 미리 결정된 개수는 후술할 클러스터링을 수행하기에 충분한 특징 집합의 개수일 수 있다. 예를 들어, 사용자가 1분 동안 보행하면서 수집되는 특징 집합의 개수가 미리 결정된 개수보다 크도록 미리 결정된 개수가 정의될 수 있다.
1020 동작에서 메모리(130)에 저장된 특징 집합의 개수가 미리 결정된 개수 이하라고 확인되는 경우, 전자 장치(101)의 적어도 하나의 프로세서(120)는 1010 동작으로 돌아가 특징 집합의 개수가 미리 결정된 개수보다 커질 때까지 특징 집합을 메모리(130)에 추가로 저장할 수 있다. 다양한 실시예에 따라서, 전자 장치(101)의 적어도 하나의 프로세서(120)는 특징 집합을 추가로 수집하기 위하여 전자 장치(101)의 자세를 안정적으로 유지하고 걸을 것을 사용자에게 요청하는 메시지를 디스플레이(160)를 통하여 표시할 수 있다. 이 경우, 디스플레이(160) 상에는 메모리(130)에 저장된 특징 집합의 개수의 미리 결정된 개수에 대한 비율을 시각적으로 나타내는 그래픽 오브젝트가 표시될 수 있다.
1020 동작에서 메모리(130)에 저장된 특징 집합의 개수가 미리 결정된 개수보다 크다고 확인되는 경우, 전자 장치(101)의 적어도 하나의 프로세서(120)는 1030 동작에서 메모리(130)에 저장된 특징 집합들을 2차원 특징 공간에서 2개의 군집으로 클러스터링할 수 있다.
도 11은 다양한 실시예에 따른, 임계치 보정을 위한 클러스터링 과정을 도시한다. 도 11을 참조하면, 메모리(130)에 저장된 특징 집합들은 제1 특징값 및 제2 특징값에 의하여 정의되는 2차원 특징 공간에서 제1 유형의 충격 패턴에 대응하는 제1 군집 및 제2 유형의 충격 패턴에 대응하는 제2 군집으로 클러스터링될 수 있다.
1040 동작에서 전자 장치(101)의 적어도 하나의 프로세서(120)는 두 군집의 중심 좌표를 각각 확인할 수 있다.
1050 동작에서 전자 장치(101)의 적어도 하나의 프로세서(120)는 임계치 보정 모델을 확인할 수 있다. 다양한 실시예에 따라서, 임계치 보정 모델은 두 군집의 중심 좌표들을 잇는 직선에 의하여 정의될 수 있다. 도 11에서 두 군집의 중심 좌표들을 잇는 직선(1110)이 임계치 보정 모델이다.
1060 동작에서, 전자 장치(101)의 적어도 하나의 프로세서(120)는 기존의 임계치를 임계치 보정 모델에 사영한 좌표에 기초하여 제1 보정 계수 및 제2 보정 계수를 확인할 수 있다. 다양한 실시예에 따라서, 기존의 임계치를 임계치 보정 모델에 사영한 좌표는 임계치 보정 모델 상의 좌표 중 기존의 임계치와의 거리가 최소인 좌표로 정의될 수 있다. 특정 좌표와 기존의 임계치와의 거리는 기존의 임계치와 특정 좌표의 제1 특징값의 차이의 제곱과 제2 특징값의 차이의 제곱의 합의 제곱근으로 정의될 수 있다. 도 11의 예시에서 임계치 보정 모델인 직선(1110) 상의 점들 중 기존의 임계치와의 거리가 최소인 좌표(1120)가 기존의 임계치를 임계치 보정 모델에 사영한 좌표이다.
제1 보정 계수는 기존의 임계치를 임계치 보정 모델에 사영한 좌표의 제1 특징값에서 기존의 임계치의 제1 특징값을 뺀 값으로 정의되고, 제2 보정 계수는 기존의 임계치를 임계치 보정 모델에 사영한 좌표의 제2 특징값에서 기존의 임계치의 제2 특징값을 뺀 값으로 정의될 수 있다. 도 7의 766 동작에서 제1 특징값이 제5 임계치와 제1 보정 계수의 합보다 크고, 제2 특징값이 제6 임계치와 제2 보정 계수의 합보다 큰지 비교하는 것은, 제5 임계치 및 제6 임계치가 보정 전 기존의 임계치이고, 기존의 임계치를 임계치 보정 모델에 사영한 좌표에 의하여 정의되는 새로운 임계치를 제1 특징값 및 제2 특징값과 비교하는 것과 동일하다. 즉, 달리 말하면, 기존의 임계치를 임계치 보정 모델에 사영한 좌표가 새로운 임계치를 나타내는 것으로 표현할 수 있다.
도 10 및 도 11에서는 제1 특징값 및 제2 특징값이라는 2개의 파라미터를 이용하여 2차원 특징 공간에서 특징 집합들을 클러스터링 하는 예시를 설명하였으나, 다양한 실시예에 따라서, 1개의 파라미터 또는 3개 이상의 파라미터들이 충격 패턴의 유형을 구분하는 데 사용될 수 있다. 임의의 파라미터 개수에 대하여, 1030 내지 1060 동작이 유사하게 수행될 수 있다는 것을 통상의 기술자는 이해할 것이다.
또한, 다양한 실시예에 따라서, 충격 패턴의 유형이 3가지 이상으로 분류되는 경우, 전자 장치(101)는 저장된 특징 집합들을 충격 패턴의 유형의 개수와 동일한 수의 군집들로 클러스터링하고, 특징 집합에 포함되는 하나의 특징값에 대하여 2개 이상의 임계치가 정의될 수 있고, 이 경우 임계치 보정 모델을 2개 이상 이용하여 2개 이상의 임계치가 각각 보정될 수 있다.
도 12는 다양한 실시예에 따른, 전자 장치의 동작을 설명하기 위한 흐름도(1200)를 도시한다. 구체적으로, 도 12는 손상도를 확인하기 위한 전자 장치(101)의 동작들을 도시한다.
1210 동작에서, 전자 장치(예를 들어, 전자 장치(101))의 적어도 하나의 프로세서(예를 들어, 프로세서(120))는 전자 장치(101)의 충격 패턴이 제1 유형인지 아니면 제2 유형인지 확인할 수 있다.
1220 동작에서, 전자 장치(101)의 적어도 하나의 프로세서(120)는 전자 장치(101)의 충격 패턴이 제2 유형인 구간에 대하여 보행 빈도 및 최대 충격량을 확인할 수 있다. 보행 빈도의 정의는 수학식 4와 같다. 최대 충격량의 정의는 도 6c를 참조하여 상술한 바와 같다.
1230 동작에서, 전자 장치(101)의 적어도 하나의 프로세서(120)는 1220 동작에서 확인된 보행 빈도 및 최대 충격량에 기초하여 손상 계수를 확인할 수 있다.
다양한 실시예에 따라서, 손상 계수를 확인하기 위하여, 전자 장치(101)의 적어도 하나의 프로세서(120)는 1220 동작에서 확인된 보행 빈도 및 최대 충격량을 정규화할 수 있다. 다양한 실시예에 따라서, 정규화된 보행 빈도는 수학식 6과 같이 구할 수 있으며, 정규화된 최대 충격량은 수학식 7과 같이 구할 수 있다.
Figure PCTKR2021004769-appb-M000006
Figure PCTKR2021004769-appb-M000007
수학식 6에서
Figure PCTKR2021004769-appb-I000004
는 정규화된 보행 빈도,
Figure PCTKR2021004769-appb-I000005
는 1220 동작에서 확인된 보행 빈도,
Figure PCTKR2021004769-appb-I000006
는 보행 빈도의 최대값,
Figure PCTKR2021004769-appb-I000007
은 보행 빈도의 최소값일 수 있다. 다양한 실시예에 따라서,
Figure PCTKR2021004769-appb-I000008
및
Figure PCTKR2021004769-appb-I000009
은 전자 장치(101)와 통신하는 외부 전자 장치에 저장된, 전자 장치(101)의 사용자를 포함하는 복수의 사용자의 가속도 데이터에 기초하여 형성된 보행 빈도 데이터베이스에 포함되는 값 중 최대값 및 최소값일 수 있다. 다양한 실시예에 따라서, 전자 장치(101)에 저장된, 전자 장치(101)의 사용자의 과거 가속도 데이터에 기초하여 형성된 보행 빈도 데이터베이스에 포함되는 값 중 최대값 및 최소값일 수 있다.
수학식 7에서
Figure PCTKR2021004769-appb-I000010
는 정규화된 최대 충격량,
Figure PCTKR2021004769-appb-I000011
는 1220 동작에서 확인된 최대 충격량,
Figure PCTKR2021004769-appb-I000012
는 최대 충격량의 최대값,
Figure PCTKR2021004769-appb-I000013
은 최대 충격량의 최소값일 수 있다. 다양한 실시예에 따라서,
Figure PCTKR2021004769-appb-I000014
및
Figure PCTKR2021004769-appb-I000015
은 전자 장치(101)와 통신하는 외부 전자 장치에 저장된, 전자 장치(101)의 사용자를 포함하는 복수의 사용자의 가속도 데이터에 기초하여 형성된 최대 충격량 데이터베이스에 포함되는 값 중 최대값 및 최소값일 수 있다. 다양한 실시예에 따라서, 전자 장치(101)에 저장된, 전자 장치(101)의 사용자의 과거 가속도 데이터에 기초하여 형성된 최대 충격량 데이터베이스에 포함되는 값 중 최대값 및 최소값일 수 있다.
전자 장치(101)의 적어도 하나의 프로세서(120)는 전자 장치(101)의 충격 패턴이 제2 유형인 구간에 대하여 보행 빈도 및 최대 충격량에 기초하여 손상 계수를 확인할 수 있다. 다양한 실시예에 따라서, 적어도 하나의 프로세서(120)는 정규화된 보행 빈도 및 정규화된 최대 충격량의 가중 합을 적분함으로써 손상 계수를 확인할 수 있다. 예를 들어, 손상 계수는 수학식 8과 같이 정의될 수 있다.
Figure PCTKR2021004769-appb-M000008
수학식 8에서
Figure PCTKR2021004769-appb-I000016
는 손상 계수,
Figure PCTKR2021004769-appb-I000017
는 0 이상 1 이하의 상수일 수 있다. 수학식 8에서 적분 구간 T는 충격 패턴이 제2 유형인 상태에서 사용자가 걷거나 뛰는 구간을 의미할 수 있다.
상술한 바와 같이, 충격 패턴의 유형을 확인하기 위해서는 자세 변화 조건이 만족될 것이 요구되며, 도 7의 755 동작을 참조하여 상술한 바와 같이 보행 빈도가 제4 임계치 미만일 것이 요구된다. 반면, 손상 계수를 구하기 위하여 필요한 보행 빈도 및 최대 충격량을 확인하기 위한 조건은 사용자가 보행 또는 달리기 중이면 만족될 수 있다. 따라서, 충격 패턴의 유형을 확인할 수 있는 구간은 사용자가 보행 또는 달리기 중인 구간 중 일부일 수 있다. 다양한 실시예에 따라서, 전자 장치(101)의 적어도 하나의 프로세서(120)는 충격 패턴의 유형을 확인할 수 있는 구간에서의 데이터에 기초하여 충격 패턴의 유형을 확인하고, 확인된 충격 패턴의 유형이 충격 패턴의 유형을 확인할 수 있는 구간이 속하는 보행 또는 달리기 구간 전체에서 동일하게 유지된다고 가정하고, 충격 패턴의 유형을 확인할 수 있는 구간이 속하는 보행 또는 달리기 구간 전체에 적용할 수 있다. 보행 또는 달리기가 계속되는 중에 사용자가 신발을 바꿔 신는 경우는 거의 일어나지 않으므로, 이러한 가정은 합리적인 가정이다. 1220 동작에서 "전자 장치의 충격 패턴이 제2 유형인 구간에 대하여"의 의미는 자세 변화 조건이 만족되는지 여부 또는 보행 빈도가 제4 임계치 미만인지 여부에 관계없는, 확인된 충격 패턴이 제2 유형인 구간을 포함하는 보행 또는 달리기 구간 전체를 의미할 수 있다. 수학식 8의 적분 구간 T 또한, 전자 장치의 충격 패턴이 제2 유형이라고 확인되는 구간을 포함하는 보행 또는 달리기 구간 전체를 의미할 수 있다.
1240 동작에서, 전자 장치(101)의 적어도 하나의 프로세서(120)는 손상 계수에 기초하여 손상도를 확인할 수 있다. 다양한 실시예에 따라서, 전자 장치(101)의 적어도 하나의 프로세서(120)는 메모리(130)에 저장된 룩업 테이블을 참조하여 손상 계수에 대응하는 손상도를 확인할 수 있다. 예를 들어, 룩업 테이블은 표 1과 같을 수 있다.
손상 계수 손상도
0 이상 30 미만 Lv. 1
30 이상 60 미만 Lv. 2
60 이상 100 이하 Lv. 3
도 12에서는 전자 장치의 충격 패턴의 유형을을 2가지로 나누고, 제2 유형의 충격 패턴에 대응되는 신발을 착용하고 걷거나 뛴 활동만 손상도 확인에 고려되고, 제1 유형의 충격 패턴에 대응되는 신발을 착용하고 걷거나 뛴 활동은 손상도 확인에 고려되지 않는 예시가 도시되었다. 그러나, 상술한 바와 같이, 다양한 실시예에 따라서 신발의 유형 및 충격 패턴의 유형은 2가지로 한정되지 않고, 3가지 이상의 신발 유형 및 충격 패턴의 유형들이 정의될 수 있으며, 이 경우 손상도 확인에 산입되기 위한 하나 이상의 충격 패턴의 유형들과 손상도 확인에 산입되지 않는 충격 패턴의 유형들이 정의될 수 있다. 이 경우, 손상 계수 계산 시, 상이한 유형의 신발을 신고 걷거나 뛴 활동에 대응하는 측정값들에는 상이한 가중치가 부여될 수 있다.또한, 다양한 실시예에 따라서, 충격 패턴의 유형들 중 손상도 확인에 산입되지 않는 유형이 없을 수 있다. 예를 들어, 충격 패턴의 유형이 제1 유형 및 제2 유형을 포함하고, 제1 유형의 충격 패턴은 운동화를 착용한 것을 나타내고, 제2 유형의 충격 패턴은 플랫 슈즈 또는 하이힐을 착용한 것을 나타내는 예시에서, 제1 유형의 충격 패턴이 나타나는 구간에서의 보행 빈도 및 최대 충격량도 손상 계수 산입 시 합산되되, 제1 유형의 충격 패턴이 나타나는 구간에 대해서는 제2 유형의 충격 패턴이 나타나는 구간에 비하여 작은 가중치가 적용될 수 있다.
도 12에서는 하나의 보행 또는 달리기 구간에 대하여 손상 계수를 구하는 예시가 도시되었으나, 다양한 실시예에 따라서 손상 계수는 일정한 시간 간격 중에 존재할 수 있는 하나 이상의 보행 또는 달리기 구간에 대하여 누적적으로 계산될 수 있다. 예를 들어, 전자 장치(101)의 적어도 하나의 프로세서(120)는 하루에 한 번 손상 계수 및 손상도를 확인할 수 있으며, 이 경우, 하루 중 정해진 유형의 충격 패턴이 나타나는 구간들에 대하여 각각 수학식 8에 따라 구해진 손상 계수들의 합이 해당 날짜에 대응되는 최종 손상 계수로서 확인될 수 있다.
또한, 다양한 실시예에 따라서, 보행 습관을 모니터링함으로써 관리하고자 하는 신체 부위에 따라 손상 계수 확인을 위한 파라미터의 종류 및/또는 손상 계수와 파라미터 사이의 관계가 상이할 수 있다.
도 13a 및 도 13b는 다양한 실시예에 따른, 전자 장치에 표시되는 예시적인 화면을 도시한다. 도 13a의 화면(1300a)은 발바닥 건강을 모니터링하기 위하여 하루 동안 손상 계수 및 손상도를 모니터링하고, 모니터링한 결과 손상도가 미리 설정된 수준 이상일 때 전자 장치(예를 들어, 전자 장치(101))의 디스플레이(예를 들어, 표시 장치(160)) 상에 표시될 수 있는 화면의 예시이다. 도 13a의 화면(1300a)에는 하루 동안 발바닥 손상도를 모니터링한 결과를 전달하고 발바닥 건강을 위해서 할 수 있는 활동 제안을 받을 것인지를 사용자에게 프롬프트하는 메시지가 포함될 수 있다. 도 13a의 화면(1300a)에는 발바닥 건강을 위해서 할 수 있는 활동 제안을 받을 것인지에 따라서 사용자가 선택할 수 있는 객체들(1310a, 1320a)이 포함될 수 있다. 사용자가 추천 받기(1310a)를 선택하는 경우, 전자 장치(101)의 표시 장치(160) 상에는 도 13b의 화면(1300b)이 표시될 수 있다. 도 13b의 화면(1300b)에는 발바닥 건강을 위해서 할 수 있는 활동들의 리스트가 포함될 수 있다.
도 14a 및 도 14b는 다양한 실시예에 따른, 전자 장치에 표시되는 예시적인 화면을 도시한다. 도 14a의 화면(1400a)은 발바닥 건강을 모니터링하기 위하여 미리 설정된 며칠의 기간 동안 손상 계수 및 손상도를 모니터링하고, 모니터링한 결과 손상도가 미리 설정된 수준 이하일 때 전자 장치(예를 들어, 전자 장치(101))의 디스플레이(예를 들어, 표시 장치(160)) 상에 표시될 수 있는 화면의 예시이다.
도 14b의 화면(1400b)은 발바닥 건강을 모니터링하기 위하여 미리 설정된 며칠의 기간 동안 손상 계수 및 손상도를 모니터링하고, 모니터링한 결과 손상도가 미리 설정된 수준 보다 높을 때 전자 장치(예를 들어, 전자 장치(101))의 디스플레이(예를 들어, 표시 장치(160)) 상에 표시될 수 있는 화면의 예시이다. 도 14b의 화면(1400b)에는 미리 설정된 며칠의 기간 동안 발바닥 손상도를 모니터링한 결과(1410b) 및 족저근막염 예방을 위한 가이드를 사용자에게 제공하기 위한 객체(1420b)가 포함될 수 있다. 전자 장치(101)의 사용자가 도 14b의 화면(1400b)에서 객체(1420b)를 선택하는 것에 응답하여, 전자 장치(101)의 디스플레이에는 족저근막염 예방을 위한 가이드가 표시될 수 있다.
도 15a 및 도 15b는 다양한 실시예에 따른, 전자 장치에 표시되는 예시적인 화면을 도시한다. 도 15a의 화면(1500a)은 건강 관리 어플리케이션의, 하루 동안의 활동에 대한 정보를 제공하는 예시적인 화면이다. 화면(1500a)에는 하루 동안 달린 시간(1510a), 하루 동안 걸은 시간(1530a), 및 걸은 시간 중 발바닥 건강에 해로운 유형의 신발을 신었음을 나타내는 충격 패턴이 나타난 구간을 포함하는 운동 또는 달리기 시간(1520a)이 포함될 수 있다. 다양한 실시예에 따라서, 화면(1500a)에는 하루 동안의 칼로리 소모량(1540a)이 시간별로 표시되고, 그 중 발바닥 건강에 해로운 유형의 신발을 신고 활동한 구간에서의 칼로리 소모량은 다른 구간에서의 칼로리 소모량과 시각적으로 다르게 표시될 수 있다. 다양한 실시예에 따라서, 화면(1500a)에는 걸은 시간 중 발바닥 건강에 해로운 유형의 신발을 신고 걸은 시간이 족저근막염 우려 구간(1525a)으로서 포함될 수 있다.
도 15b의 화면(1500b)은 건강 관리 어플리케이션의, 여러 날 동안의 활동에 대한 정보를 날짜별로 제공하는 예시적인 화면이다. 화면(1500b)에는 날짜별 걸음 수(1510b) 및 선택된 날짜의 걸음 수(1520b)가 표시될 수 있다. 화면(1500b)에는 선택된 날짜의 시간별 걸음 수가 표시되되, 발바닥 건강에 해로운 유형의 신발을 신고 활동한 구간에서의 걸음 수(1531b)는 다른 구간에서의 걸음 수(1532b)와 시각적으로 다르게 표시될 수 있다. 다양한 실시예에 따라서, 화면(1500b)에는 선택된 날짜에 걸은 거리(1550) 및 선택된 날짜에 발바닥 건강에 해로운 유형의 신발을 신고 걸은 시간(1540b)이 더 표시될 수 있다.
다양한 실시예에 따라서, 전자 장치(101)는 가속도 센서 및 적어도 하나의 프로세서(120)를 포함하고, 상기 적어도 하나의 프로세서(120)는, 상기 가속도 센서에 의하여 센싱된 가속도 데이터를 확인하고, 상기 가속도 데이터에 기초한 적어도 하나의 제1 파라미터에 기초하여 상기 전자 장치(101)의 충격 패턴을 확인하고, 상기 확인된 충격 패턴이 적어도 하나의 미리 정의된 유형에 대응되는 경우, 상기 가속도 데이터에 기초한 적어도 하나의 제2 파라미터에 기초하여 손상도를 확인하도록 설정될 수 있다.
다양한 실시예에 따라서, 상기 적어도 하나의 프로세서(120)는, 상기 가속도 데이터에 기초하여 상기 사용자가 보행 중인지 여부를 확인하고, 상기 적어도 하나의 미리 정의된 유형에 대응되는 상기 충격 패턴이 나타나면서 상기 사용자가 보행하는 또는 달리는 동안의 상기 제2 파라미터에 기초하여 상기 손상도를 확인하도록 설정될 수 있다.
다양한 실시예에 따라서, 상기 적어도 하나의 제2 파라미터는 보행 빈도 및 최대 충격량 중 적어도 하나를 포함할 수 있다.
다양한 실시예에 따라서, 상기 손상도는 정규화된 상기 보행 빈도 및 정규화된 상기 최대 충격량의 가중 합에 기초하여 확인될 수 있다.
다양한 실시예에 따라서, 상기 적어도 하나의 프로세서(120)는, 상기 전자 장치(101)의 움직임의 정도가 미리 결정된 수준 미만임을 나타내는 자세 변화 조건이 만족된다고 확인하고, 상기 자세 변화 조건이 만족되는 동안의 상기 적어도 하나의 제1 파라미터에 기초하여 상기 충격 패턴의 유형을 확인하도록 설정될 수 있다.
다양한 실시예에 따라서, 상기 전자 장치(101)는 자이로 센서를 더 포함하고, 상기 적어도 하나의 프로세서(120)는 상기 가속도 데이터 및 상기 자이로 센서를 통하여 획득되는 자이로 센서 데이터에 기초하여 상기 자세 변화 조건이 만족된다고 확인하도록 설정될 수 있다.
다양한 실시예에 따라서, 상기 적어도 하나의 프로세서(120)는 상기 충격 패턴의 유형을 확인하는 동작의 적어도 일부로서, 적어도 하나의 제1 파라미터에 대한 기존의 측정값을 포함하는 복수의 특징 집합을 저장하고, 상기 복수의 특징 집합의 복수의 군집을 확인하고, 상기 복수의 군집의 중심 좌표에 기초한 임계치 보정 모델에 기초하여, 적어도 하나의 임계치를 보정하기 위한 적어도 하나의 보정 계수를 확인하고, 상기 가속도 데이터에 기초하여 상기 적어도 하나의 제1 파라미터에 대응하는 값을 확인하고, 상기 적어도 하나의 임계치와 상기 적어도 하나의 보정 계수의 합을 상기 확인된 상기 적어도 하나의 제1 파라미터에 대응하는 값과 비교함으로써 상기 충격 패턴을 확인하도록 설정될 수 있다.
다양한 실시예에 따라서, 상기 적어도 하나의 제1 파라미터는, 한 걸음 구간 내 최대 충격량, 또는 상기 한 걸음 구간 내 SWS 차분값의 첫 번째 피크 값과 밸리 값 사이의 차분과 상기 한 걸음 구간 내 상기 SWS 차분값의 마지막 피크 값과 상기 밸리 값 사이의 차분의 평균 중 적어도 하나를 포함하고, 상기 밸리 값은 상기 한 걸음 구간 내 상기 SWS 차분값의 상기 첫 번째 피크와 상기 마지막 피크 사이의 최소값일 수 있다.
다양한 실시예에 따라서, 상기 전자 장치(101)는 디스플레이를 더 포함하고, 상기 적어도 하나의 프로세서(120)는, 미리 결정된 기간 동안 상기 손상도의 이력을 확인하고, 상기 미리 결정된 기간 동안의 상기 손상도의 이력에 기초한 정보를 상기 디스플레이 상에 표시 하도록 설정될 수 있다.
다양한 실시예에 따라서, 상기 정보는 족저 건강 상태, 족저 건강 개선 방법, 또는 상기 충격 패턴이 상기 적어도 하나의 미리 정의된 유형에 대응되는 보행 또는 달리기의 지속 시간에 관한 정보 중 적어도 하나를 포함할 수 있다.
다양한 실시예에 따라서, 전자 장치(101)는 디스플레이, 가속도 센서, 및 적어도 하나의 프로세서(120)를 포함하고, 상기 적어도 하나의 프로세서(120)는, 상기 가속도 센서에 의하여 센싱된 제1 기간에 대응하는 가속도 데이터를 확인하고, 상기 가속도 데이터에 기반하여, 상기 제1 기간에 포함되는 복수 개의 샘플링 구간 각각에 대응하는 복수 개의 걸음과 연관된 정보를 확인하여, 상기 디스플레이 상에 상기 복수 개의 샘플링 구간 각각에 대응하는 상기 복수 개의 걸음과 연관된 정보를 표시하도록 설정되고, 상기 적어도 하나의 프로세서(120)는, 상기 복수 개의 샘플링 구간 각각에 대응하는 상기 복수 개의 걸음과 연관된 정보를 표시하는 동작의 적어도 일부로, 상기 복수 개의 샘플링 구간 중 제 1 그룹에 대응하는 걸음과 연관된 정보를, 상기 전자 장치(101)의 사용자가 제1 유형의 신발을 착용한 타입으로서 표시하고, 상기 복수 개의 샘플링 구간 중 제 2 그룹에 대응하는 걸음과 연관된 정보를, 상기 전자 장치(101)의 사용자가 제2 유형의 신발을 착용한 타입으로서 표시하도록 설정될 수 있다.
다양한 실시예에 따라서, 전자 장치(101)에서 수행되는 방법은, 상기 전자 장치(101)의 가속도 센서에 의하여 센싱된 가속도 데이터를 확인하는 동작, 상기 가속도 데이터에 기초한 적어도 하나의 제1 파라미터에 기초하여 상기 전자 장치(101)의 충격 패턴을 확인하는 동작, 및 상기 확인된 충격 패턴이 적어도 하나의 미리 정의된 유형에 대응되는 경우, 상기 가속도 데이터에 기초한 적어도 하나의 제2 파라미터에 기초하여 손상도를 확인하는 동작을 포함할 수 있다.
다양한 실시예에 따라서, 상기 방법은 상기 가속도 데이터에 기초하여 상기 사용자가 보행 중인지 여부를 확인하는 동작을 더 포함하고, 상기 손상도를 확인하는 동작은, 상기 충격 패턴이 제2 유형에 대응하면서 사용자가 보행하는 동안의, 상기 적어도 하나의 제2 파라미터에 기초하여 상기 손상도를 확인하는 동작을 포함할 수 있다.
다양한 실시예에 따라서, 상기 적어도 하나의 제2 파라미터는 보행 빈도 및 최대 충격량 중 적어도 하나를 포함할 수 있다.
다양한 실시예에 따라서, 상기 손상도를 확인하는 동작은 정규화된 상기 보행 빈도 및 정규화된 상기 최대 충격량의 가중 합에 기초하여 상기 손상도를 확인하는 동작을 포함할 수 있다.
다양한 실시예에 따라서, 상기 방법은 상기 전자 장치(101)의 움직임의 정도가 미리 결정된 수준 미만임을 나타내는 자세 변화 조건이 만족된다고 확인하는 동작을 더 포함하고, 상기 충격 패턴을 확인하는 동작은, 상기 자세 변화 조건이 만족되는 동안의 상기 적어도 하나의 제1 파라미터에 기초하여 상기 충격 패턴을 확인하는 동작을 포함할 수 있다.
다양한 실시예에 따라서, 상기 충격 패턴을 확인하는 동작은 적어도 하나의 제1 파라미터에 대한 기존의 측정값을 포함하는 복수의 특징 집합을 저장하는 동작, 상기 복수의 특징 집합의 복수의 군집을 확인하는 동작, 상기 복수의 군집의 중심 좌표에 기초한 임계치 보정 모델에 기초하여, 적어도 하나의 임계치를 보정하기 위한 적어도 하나의 보정 계수를 확인하는 동작, 상기 가속도 데이터에 기초하여 상기 적어도 하나의 제1 파라미터에 대응하는 값을 확인하는 동작, 및 상기 적어도 하나의 임계치와 상기 적어도 하나의 보정 계수의 합을 상기 확인된 상기 적어도 하나의 제1 파라미터에 대응하는 값과 비교함으로써 상기 충격 패턴을 확인하는 동작을 포함할 수 있다.
다양한 실시예에 따라서, 상기 적어도 하나의 제1 파라미터는, 한 걸음 구간 내 최대 충격량, 또는 상기 한 걸음 구간 내 SWS 차분값의 첫 번째 피크 값과 밸리 값 사이의 차분과 상기 한 걸음 구간 내 상기 SWS 차분값의 마지막 피크 값과 상기 밸리 값 사이의 차분의 평균 중 적어도 하나를 포함하고, 상기 밸리 값은 상기 한 걸음 구간 내 상기 SWS 차분값의 상기 첫 번째 피크와 상기 마지막 피크 사이의 최소값일 수 있다.
다양한 실시예에 따라서, 상기 방법은, 미리 결정된 기간 동안 상기 손상도의 이력을 확인하는 동작, 및 상기 미리 결정된 기간 동안의 상기 손상도의 이력에 기초한 정보를 디스플레이 상에 표시하는 동작을 더 포함할 수 있다.
다양한 실시예에 따라서, 상기 정보는 족저 건강 상태, 족저 건강 개선 방법, 또는 상기 충격 패턴이 상기 적어도 하나의 미리 정의된 유형에 대응되는 보행 또는 달리기의 지속 시간에 관한 정보 중 적어도 하나를 포함할 수 있다.
본 문서에 개시된 다양한 실시예들에 따른 전자 장치는 다양한 형태의 장치가 될 수 있다. 전자 장치는, 예를 들면, 휴대용 통신 장치(예: 스마트폰), 컴퓨터 장치, 휴대용 멀티미디어 장치, 휴대용 의료 기기, 카메라, 웨어러블 장치, 또는 가전 장치를 포함할 수 있다. 본 문서의 실시예에 따른 전자 장치는 전술한 기기들에 한정되지 않는다.
본 문서의 다양한 실시예들 및 이에 사용된 용어들은 본 문서에 기재된 기술을 특정한 실시 형태에 대해 한정하려는 것이 아니며, 해당 실시예의 다양한 변경, 균등물, 및/또는 대체물을 포함하는 것으로 이해되어야 한다. 도면의 설명과 관련하여, 유사한 구성요소에 대해서는 유사한 참조 부호가 사용될 수 있다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함할 수 있다. 본 문서에서, "A 또는 B", "A 및/또는 B 중 적어도 하나", "A, B 또는 C" 또는 "A, B 및/또는 C 중 적어도 하나" 등의 표현은 함께 나열된 항목들의 모든 가능한 조합을 포함할 수 있다. "제 1", "제 2", "첫째" 또는 "둘째" 등의 표현들은 해당 구성요소들을, 순서 또는 중요도에 상관없이 수식할 수 있고, 한 구성요소를 다른 구성요소와 구분하기 위해 사용될 뿐 해당 구성요소들을 한정하지 않는다. 어떤(예: 제 1) 구성요소가 다른(예: 제 2) 구성요소에 "(기능적으로 또는 통신적으로) 연결되어" 있다거나 "접속되어" 있다고 언급된 때에는, 상기 어떤 구성요소가 상기 다른 구성요소에 직접적으로 연결되거나, 다른 구성요소(예: 제 3 구성요소)를 통하여 연결될 수 있다.
본 문서의 다양한 실시예들에서, "~하도록 설정된(adapted to or configured to)"은 상황에 따라, 예를 들면, 하드웨어적 또는 소프트웨어적으로 "~에 적합한," "~하는 능력을 가지는," "~하도록 변경된," "~하도록 만들어진," "~를 할 수 있는," 또는 "~하도록 설계된"과 상호 호환적으로(interchangeably) 사용될 수 있다. 어떤 상황에서는, "~하도록 구성된 장치"라는 표현은, 그 장치가 다른 장치 또는 부품들과 함께 "~할 수 있는" 것을 의미할 수 있다. 예를 들면, 문구 "A, B, 및 C를 수행하도록 설정된 (또는 구성된) 프로세서"는 해당 동작들을 수행하기 위한 전용 프로세서(예: 임베디드 프로세서), 또는 메모리 장치(예: 메모리 #30)에 저장된 하나 이상의 프로그램들을 실행함으로써, 해당 동작들을 수행할 수 있는 범용 프로세서(예: CPU 또는 AP)를 의미할 수 있다.
본 문서의 다양한 실시예에서 사용된 용어 "모듈"은 하드웨어, 소프트웨어 또는 펌웨어로 구성된 유닛을 포함하며, 예를 들면, 로직, 논리 블록, 부품, 또는 회로 등의 용어와 상호 호환적으로 사용될 수 있다. 모듈은, 일체로 구성된 부품 또는 하나 또는 그 이상의 기능을 수행하는 최소 단위 또는 그 일부가 될 수 있다. "모듈"은 기계적으로 또는 전자적으로 구현될 수 있으며, 예를 들면, 어떤 동작들을 수행하는, 알려졌거나 앞으로 개발될, ASIC(application-specific integrated circuit) 칩, FPGAs(field-programmable gate arrays), 또는 프로그램 가능 논리 장치를 포함할 수 있다.
본 문서의 다양한 실시예들은 기기(machine)(예: 전자 장치(101))로 읽을 수 있는 저장 매체(machine-readable storage media)(예: 내장 메모리(136) 또는 외장 메모리(138))에 저장된 명령어를 포함하는 소프트웨어(예: 프로그램(140))로 구현될 수 있다. 기기(예: 전자 장치(101))의 프로세서(예: 프로세서(120))는, 저장 매체로부터 저장된 하나 이상의 명령어들 중 적어도 하나의 명령어를 호출하고, 그것을 실행할 수 있다. 이것은 기기가 상기 호출된 적어도 하나의 명령어에 따라 적어도 하나의 기능을 수행하도록 운영되는 것을 가능하게 한다. 상기 하나 이상의 명령어들은 컴파일러에 의해 생성된 코드 또는 인터프리터에 의해 실행될 수 있는 코드를 포함할 수 있다. 기기로 읽을 수 있는 저장매체는, 비일시적(non-transitory) 저장매체의 형태로 제공될 수 있다. 여기서, ‘비일시적’은 저장매체가 실재(tangible)하는 장치이고, 신호(signal)(예: 전자기파)를 포함하지 않는다는 것을 의미할 뿐이며, 이 용어는 데이터가 저장매체에 반영구적으로 저장되는 경우와 임시적으로 저장되는 경우를 구분하지 않는다.
일시예에 따르면, 본 문서에 개시된 다양한 실시예들에 따른 방법은 컴퓨터 프로그램 제품(computer program product)에 포함되어 제공될 수 있다. 컴퓨터 프로그램 제품은 상품으로서 판매자 및 구매자 간에 거래될 수 있다. 컴퓨터 프로그램 제품은 기기로 읽을 수 있는 저장 매체(예: compact disc read only memory (CD-ROM))의 형태로, 또는 어플리케이션 스토어(예: 플레이 스토어TM)를 통해 온라인으로 배포될 수 있다. 온라인 배포의 경우에, 컴퓨터 프로그램 제품의 적어도 일부는 제조사의 서버, 어플리케이션 스토어의 서버, 또는 중계 서버의 메모리와 같은 저장 매체에 적어도 일시 저장되거나, 임시적으로 생성될 수 있다.
다양한 실시예들에 따른 구성 요소(예: 모듈 또는 프로그램) 각각은 단수 또는 복수의 개체로 구성될 수 있으며, 복수의 개체 중 일부는 다른 구성요소에 분리 배치될 수도 있다. 다양한 실시예들에 따르면, 전술한 해당 서브 구성 요소들 중 일부 서브 구성 요소가 생략되거나, 또는 다른 서브 구성 요소가 다양한 실시예에 더 포함될 수 있다. 대체적으로 또는 추가적으로, 일부 구성 요소들(예: 모듈 또는 프로그램)은 하나의 개체로 통합되어, 통합되기 이전의 각각의 해당 구성 요소에 의해 수행되는 기능을 동일 또는 유사하게 수행할 수 있다. 다양한 실시예들에 따른, 모듈, 프로그램 또는 다른 구성 요소에 의해 수행되는 동작들은 순차적, 병렬적, 반복적 또는 휴리스틱하게 실행되거나, 적어도 일부 동작이 다른 순서로 실행되거나, 생략되거나, 또는 다른 동작이 추가될 수 있다.

Claims (15)

  1. 전자 장치에 있어서,
    가속도 센서 및
    상기 가속도 센서와 작동적으로 연결된 적어도 하나의 프로세서를 포함하고,
    상기 적어도 하나의 프로세서는,
    상기 가속도 센서에 의하여 센싱된 가속도 데이터를 확인하고,
    상기 가속도 데이터에 기초한 적어도 하나의 제1 파라미터에 기초하여 상기 전자 장치의 충격 패턴을 확인하고,
    상기 확인된 충격 패턴이 적어도 하나의 미리 정의된 유형에 대응되는 경우, 상기 가속도 데이터에 기초한 적어도 하나의 제2 파라미터에 기초하여 손상도를 확인하도록 설정되는, 전자 장치.
  2. 제1항에 있어서, 상기 적어도 하나의 프로세서는,
    상기 가속도 데이터에 기초하여 상기 사용자가 보행 또는 달리기 중인지 여부를 확인하고,
    상기 사용자가 보행하는 또는 달리는 동안의 상기 제2 파라미터에 기초하여 상기 손상도를 확인하도록 설정되는, 전자 장치.
  3. 제2항에 있어서, 상기 적어도 하나의 제2 파라미터는 보행 빈도 및 최대 충격량 중 적어도 하나를 포함하는, 전자 장치.
  4. 제3항에 있어서, 상기 손상도는 정규화된 상기 보행 빈도 및 정규화된 상기 최대 충격량의 가중 합(weighted sum)에 기초하여 확인되는, 전자 장치.
  5. 제1항에 있어서, 상기 적어도 하나의 프로세서는,
    상기 전자 장치의 움직임의 정도가 미리 결정된 수준 미만임을 나타내는 자세 변화 조건이 만족된다고 확인하고,
    상기 자세 변화 조건이 만족되는 동안의 상기 적어도 하나의 제1 파라미터에 기초하여 상기 충격 패턴을 확인하도록 설정되는, 전자 장치.
  6. 제5항에 있어서, 상기 전자 장치는 자이로 센서를 더 포함하고,
    상기 적어도 하나의 프로세서는 상기 가속도 데이터 및 상기 자이로 센서를 통하여 획득되는 자이로 센서 데이터에 기초하여 상기 자세 변화 조건이 만족된다고 확인하도록 설정되는, 전자 장치.
  7. 제1항에 있어서,
    상기 전자 장치는 메모리를 더 포함하고,
    상기 적어도 하나의 프로세서는 상기 충격 패턴을 확인하는 동작의 적어도 일부로서, 상기 적어도 하나의 제1 파라미터에 대한 기존의 측정값을 포함하는 복수의 특징 집합을 상기 메모리에 저장하고,
    상기 복수의 특징 집합의 복수의 군집을 확인하고,
    상기 복수의 군집의 중심 좌표에 기초한 임계치 보정 모델에 기초하여, 적어도 하나의 임계치를 보정하기 위한 적어도 하나의 보정 계수를 확인하고,
    상기 가속도 데이터에 기초하여 상기 적어도 하나의 제1 파라미터에 대응하는 값을 확인하고,
    상기 적어도 하나의 임계치와 상기 적어도 하나의 보정 계수의 합을 상기 확인된 상기 적어도 하나의 제1 파라미터에 대응하는 값과 비교함으로써 상기 충격 패턴을 확인
    하도록 설정되는, 전자 장치.
  8. 제7항에 있어서,
    상기 적어도 하나의 제1 파라미터는,
    한 걸음 구간 내 최대 충격량, 또는
    상기 한 걸음 구간 내 SWS(sliding window summing) 차분값의 첫 번째 피크 값과 밸리 값 사이의 차분과 상기 한 걸음 구간 내 상기 SWS 차분값의 마지막 피크 값과 상기 밸리 값 사이의 차분의 평균
    중 적어도 하나를 포함하고, 상기 밸리 값은 상기 한 걸음 구간 내 상기 SWS 차분값의 상기 첫 번째 피크와 상기 마지막 피크 사이의 최소값인, 전자 장치.
  9. 제1항에 있어서, 상기 전자 장치는 디스플레이를 더 포함하고,
    상기 적어도 하나의 프로세서는,
    미리 결정된 기간 동안 상기 손상도의 이력을 확인하고,
    상기 미리 결정된 기간 동안의 상기 손상도의 이력에 기초한 정보를 상기 디스플레이 상에 표시
    하도록 설정되는, 전자 장치.
  10. 제9항에 있어서,
    상기 정보는 족저 건강 상태, 족저 건강 개선 방법, 또는 상기 충격 패턴이 상기 적어도 하나의 미리 정의된 유형에 대응되는 보행 또는 달리기의 지속 시간에 관한 정보 중 적어도 하나를 포함하는, 전자 장치.
  11. 전자 장치에서 수행되는 방법에 있어서,
    상기 전자 장치의 가속도 센서에 의하여 센싱된 가속도 데이터를 확인하는 동작,
    상기 가속도 데이터에 기초한 적어도 하나의 제1 파라미터에 기초하여 상기 전자 장치의 충격 패턴을 확인하는 동작, 및
    상기 확인된 충격 패턴이 적어도 하나의 미리 정의된 유형에 대응되는 경우, 상기 가속도 데이터에 기초한 적어도 하나의 제2 파라미터에 기초하여 손상도를 확인하는 동작
    을 포함하는 방법.
  12. 제11항에 있어서,
    상기 방법은 상기 가속도 데이터에 기초하여 상기 사용자가 보행 중인지 여부를 확인하는 동작을 더 포함하고,
    상기 손상도를 확인하는 동작은, 상기 사용자가 보행하거나 달리는 동안의 상기 적어도 하나의 제2 파라미터에 기초하여 상기 손상도를 확인하는 동작을 포함하는, 방법.
  13. 제12항에 있어서,
    상기 적어도 하나의 제2 파라미터는 보행 빈도 및 최대 충격량 중 적어도 하나를 포함하는, 방법.
  14. 제11항에 있어서,
    상기 충격 패턴을 확인하는 동작은
    적어도 하나의 제1 파라미터에 대한 기존의 측정값을 포함하는 복수의 특징 집합을 저장하는 동작,
    상기 복수의 특징 집합의 복수의 군집을 확인하는 동작,
    상기 복수의 군집의 중심 좌표에 기초한 임계치 보정 모델에 기초하여, 적어도 하나의 임계치를 보정하기 위한 적어도 하나의 보정 계수를 확인하는 동작,
    상기 가속도 데이터에 기초하여 상기 적어도 하나의 제1 파라미터에 대응하는 값을 확인하는 동작, 및
    상기 적어도 하나의 임계치와 상기 적어도 하나의 보정 계수의 합을 상기 확인된 상기 적어도 하나의 제1 파라미터에 대응하는 값과 비교함으로써 상기 충격 패턴을 확인하는 동작
    을 포함하는, 방법.
  15. 전자 장치에 있어서,
    디스플레이,
    가속도 센서, 및
    상기 디스플레이 및 상기 가속도 센서와 작동적으로 연결된 적어도 하나의 프로세서를 포함하고,
    상기 적어도 하나의 프로세서는,
    상기 가속도 센서에 의하여 센싱된 제1 기간에 대응하는 가속도 데이터를 확인하고,
    상기 가속도 데이터에 기반하여, 상기 제1 기간에 포함되는 복수 개의 샘플링 구간 각각에 대응하는 복수 개의 걸음과 연관된 정보를 확인하여, 상기 디스플레이 상에 상기 복수 개의 샘플링 구간 각각에 대응하는 상기 복수 개의 걸음과 연관된 정보를 표시하도록 설정되고,
    상기 적어도 하나의 프로세서는, 상기 복수 개의 샘플링 구간 각각에 대응하는 상기 복수 개의 걸음과 연관된 정보를 표시하는 동작의 적어도 일부로,
    상기 복수 개의 샘플링 구간 중 제 1 그룹에 대응하는 걸음과 연관된 정보를, 상기 전자 장치의 사용자가 제1 유형의 신발을 착용한 타입으로서 표시하고,
    상기 복수 개의 샘플링 구간 중 제 2 그룹에 대응하는 걸음과 연관된 정보를, 상기 전자 장치의 사용자가 제2 유형의 신발을 착용한 타입으로서 표시
    하도록 설정되는, 전자 장치.
PCT/KR2021/004769 2020-05-07 2021-04-15 보행에 관한 정보를 확인하는 전자 장치 및 보행에 관한 정보를 확인하는 전자 장치의 동작 방법 WO2021225298A1 (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR10-2020-0054551 2020-05-07
KR1020200054551A KR20210136389A (ko) 2020-05-07 2020-05-07 보행에 관한 정보를 확인하는 전자 장치 및 보행에 관한 정보를 확인하는 전자 장치의 동작 방법

Publications (1)

Publication Number Publication Date
WO2021225298A1 true WO2021225298A1 (ko) 2021-11-11

Family

ID=78468258

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/KR2021/004769 WO2021225298A1 (ko) 2020-05-07 2021-04-15 보행에 관한 정보를 확인하는 전자 장치 및 보행에 관한 정보를 확인하는 전자 장치의 동작 방법

Country Status (2)

Country Link
KR (1) KR20210136389A (ko)
WO (1) WO2021225298A1 (ko)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2016528959A (ja) * 2013-07-12 2016-09-23 ロイヤル・メルボルン・インスティテュート・オブ・テクノロジーＲｏｙａｌ Ｍｅｌｂｏｕｒｎｅ Ｉｎｓｔｉｔｕｔｅ Ｏｆ Ｔｅｃｈｎｏｌｏｇｙ センサーアレイシステム
KR20170019745A (ko) * 2015-08-12 2017-02-22 삼성전자주식회사 생체 정보 검출 방법 및 그 방법을 처리하는 전자 장치
US20180020950A1 (en) * 2014-03-25 2018-01-25 Imeasureu Limited Lower limb loading assessment systems and methods
KR101866974B1 (ko) * 2012-01-06 2018-06-14 한국전자통신연구원 행동 패턴 수집 장치 및 이를 이용한 행동 패턴 분석 시스템과 그 방법
KR20190016761A (ko) * 2017-08-09 2019-02-19 주식회사 비플렉스 주행 및 보행 시 보행 안정성 평가 방법 및 장치

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101866974B1 (ko) * 2012-01-06 2018-06-14 한국전자통신연구원 행동 패턴 수집 장치 및 이를 이용한 행동 패턴 분석 시스템과 그 방법
JP2016528959A (ja) * 2013-07-12 2016-09-23 ロイヤル・メルボルン・インスティテュート・オブ・テクノロジーＲｏｙａｌ Ｍｅｌｂｏｕｒｎｅ Ｉｎｓｔｉｔｕｔｅ Ｏｆ Ｔｅｃｈｎｏｌｏｇｙ センサーアレイシステム
US20180020950A1 (en) * 2014-03-25 2018-01-25 Imeasureu Limited Lower limb loading assessment systems and methods
KR20170019745A (ko) * 2015-08-12 2017-02-22 삼성전자주식회사 생체 정보 검출 방법 및 그 방법을 처리하는 전자 장치
KR20190016761A (ko) * 2017-08-09 2019-02-19 주식회사 비플렉스 주행 및 보행 시 보행 안정성 평가 방법 및 장치

Also Published As

Publication number Publication date
KR20210136389A (ko) 2021-11-17

Similar Documents

Publication Publication Date Title
WO2020242274A1 (en) Electronic device for controlling skin-care device and method of operating the same
WO2020050530A1 (en) Electronic device including ultrasonic in-display fingerprint sensor and operating method thereof
WO2021020777A1 (en) Electronic device for identifying gesture performed by stylus pen and method for operating the same
WO2020171563A1 (en) Electronic device and method for controlling operation of display in same
WO2021085850A1 (en) Electronic device sharing peripheral device with external electronic device and method thereof
EP3673644A1 (en) Electronic device operating in associated state with external audio device based on biometric information and method therefor
WO2020130691A1 (en) Electronic device and method for providing information thereof
WO2019039819A1 (ko) 사용자의 활동 정보에 기반하여 운동 강도와 관련된 가이드 정보를 제공하는 방법 및 장치
WO2020130301A1 (en) Electronic device for tracking user activity and method of operating the same
WO2018135768A1 (en) Electronic device and controlling method thereof
WO2021080171A1 (ko) 관성 센서를 이용한 착용 감지 방법 및 장치
WO2021101006A1 (ko) 외부 객체의 반사 이미지의 위치에 기반하여 컨텐츠를 제공하는 전자 장치 및 전자 장치의 동작 방법
WO2020190060A1 (en) Electronic device for measuring blood pressure and method for measuring blood pressure
WO2020101186A1 (en) Method, electronic device, and storage medium for providing recommendation service
WO2020213935A1 (en) Electronic device and method for controlling flexible display
EP3930831A1 (en) Electronic device for controlling skin-care device and method of operating the same
WO2022154379A1 (ko) 전자 장치 및 밝기 조절 방법
WO2019088568A1 (en) Electronic device including a plurality of light emitting units and a plurality of light receiving units
WO2022158692A1 (ko) 포스 터치를 식별하는 전자 장치 및 그 동작 방법
WO2021225298A1 (ko) 보행에 관한 정보를 확인하는 전자 장치 및 보행에 관한 정보를 확인하는 전자 장치의 동작 방법
WO2021025396A1 (en) Method and device for detecting fall accident by using sensor in low power state
WO2021172843A1 (en) Method for transceiving information and electronic device thereof
WO2020242005A1 (ko) 사용자의 이동 패턴 특징을 이용한 모드 제어 방법 및 장치
WO2020009327A1 (en) Electronic device and method for providing personalized biometric information based on biometric signal using same
WO2021162281A1 (ko) 디스플레이의 열화를 보상하는 방법 및 그 방법을 적용한 전자 장치

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 21799930

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 21799930

Country of ref document: EP

Kind code of ref document: A1