本發(fā)明涉及可穿戴智能設(shè)備領(lǐng)域，尤其涉及一種生理監(jiān)控智能鞋墊。

背景技術(shù)：

穿戴式智能設(shè)備的發(fā)展成為計(jì)算機(jī)行業(yè)以及集成電路行業(yè)中的新熱點(diǎn)，成為當(dāng)今移動(dòng)互聯(lián)網(wǎng)終端發(fā)展中的新方向。隨著現(xiàn)今智能手機(jī)以及平板電腦等無線移動(dòng)終端的普及，使智能可穿戴設(shè)備更好、更方便的應(yīng)用于社會(huì)，可以更好地感知到外部信息與自身的身體狀況，能夠在其他設(shè)施的輔助下，例如計(jì)算機(jī)或者互聯(lián)網(wǎng)，更高效地去處理信息。

智能可穿戴設(shè)備的優(yōu)勢在于：第一，高性能性。智能可穿戴設(shè)備的功能主要集中于監(jiān)測身體健康狀況、行走的路程、睡眠質(zhì)量與時(shí)長以及燃燒掉的卡路里等等，所有的功能都可以集中在一種設(shè)備上，都是通過各種微型傳感器和存儲(chǔ)器來實(shí)現(xiàn)的。第二，體積小、電池續(xù)航能力強(qiáng)。由于是植入在小型設(shè)備上，所以智能可穿戴所使用的芯片以及傳感器都是集成微型的。第三，隨著技術(shù)的發(fā)展，人們生活水平的提高，在追求物質(zhì)條件的同時(shí)人們更加關(guān)注自身的健康以及更想對自己了解一些，而這些智能可穿戴設(shè)備正好滿足了大家的需求，它們的出現(xiàn)可以更好地服務(wù)于人們。

中國專利(公開號為CN105192995A)公開了一種具有無線充電功能的可監(jiān)測心率并調(diào)控溫度的智能鞋墊。該智能鞋墊包括鞋墊本體和集成芯片；其中，集成芯片設(shè)置在鞋墊本體內(nèi)，集成芯片內(nèi)部包括溫度傳感器模塊、生理參數(shù)感應(yīng)類傳感器模塊、無線通信模塊、MCU模塊以及電源產(chǎn)生模塊，集成芯片外部設(shè)有天線進(jìn)行無線充電；溫度傳感器模塊對足底溫度進(jìn)行監(jiān)測；感應(yīng)類傳感器模塊可以實(shí)時(shí)的監(jiān)測心率變化；MCU模塊是芯片的核心，中央處理器用于處理各種數(shù)據(jù)；電源產(chǎn)生模塊把信號能量轉(zhuǎn)換為穩(wěn)定的直流電壓來提供電源。通過MCU模塊中指令寄存器反饋的指令進(jìn)行加熱操作，以及智能鞋墊后端的線圈天線可以接收移動(dòng)端產(chǎn)生的無線信號。通過這些模塊的配合，從而實(shí)現(xiàn)整個(gè)智能鞋墊的功能。

現(xiàn)有的智能鞋墊雖然具備計(jì)步、監(jiān)測人體生理信息等基本功能，但是，現(xiàn)有技術(shù)的智能鞋墊大多功能單一、無法滿足人們對智能產(chǎn)品的要求。另一方面，現(xiàn)有技術(shù)計(jì)算距離的公式為：即對傳感器收集到的加速度數(shù)據(jù)基于時(shí)間進(jìn)行二重積分即可得到距離的數(shù)值?，F(xiàn)有技術(shù)基于三軸加速度傳感器的傳統(tǒng)慣性導(dǎo)航系統(tǒng)僅能在短時(shí)間內(nèi)進(jìn)行準(zhǔn)確定位，在長時(shí)間的運(yùn)動(dòng)過程中會(huì)由于累計(jì)計(jì)算誤差而使得最終計(jì)算值與真實(shí)距離偏差較大，因此急需提高用戶步行長度測量的精確度。

技術(shù)實(shí)現(xiàn)要素：

針對現(xiàn)有技術(shù)之不足，本發(fā)明提供了一種生理監(jiān)控智能鞋墊，所述智能鞋墊至少包括鞋墊本體和與所述鞋墊本體進(jìn)行數(shù)據(jù)交互的移動(dòng)端，其中，所述鞋墊本體至少包括傳感器單元和通信單元，所述傳感器單元用于采集穿戴了所述智能鞋墊的用戶的生理數(shù)據(jù)并將所采集的生理數(shù)據(jù)經(jīng)所述通信單元與所述用戶指定的和/或所述智能鞋墊近旁的移動(dòng)端進(jìn)行數(shù)據(jù)交互，并且所述移動(dòng)端通過利用分析所述傳感器單元所采集的生理數(shù)據(jù)反應(yīng)的瞬時(shí)加速度并基于對瞬時(shí)加速度進(jìn)行等級分配而得到所述用戶的步長參數(shù)區(qū)間，并且結(jié)合所述移動(dòng)端根據(jù)穿戴了所述智能鞋墊的用戶所提供的個(gè)人身體特征而得到的所述用戶的步長修正參數(shù)來確定所述用戶的步行長度。優(yōu)選地，所述通信單元與所述移動(dòng)端進(jìn)行通信的方式包括但不限于2G、3G、4G、5G和3GPP通訊方式。

根據(jù)一個(gè)優(yōu)選實(shí)施方式，所述鞋墊本體還包括存儲(chǔ)單元，所述智能鞋墊通過將每次運(yùn)動(dòng)中的運(yùn)動(dòng)時(shí)間長度根據(jù)所述傳感器單元所采集的生理數(shù)據(jù)反應(yīng)的加速度的變化進(jìn)行分段，并將分段后的運(yùn)動(dòng)時(shí)間子長度按照與之相應(yīng)的加速度相關(guān)的方式臨時(shí)性存儲(chǔ)在所述存儲(chǔ)單元中，使得所述智能鞋墊能夠響應(yīng)于所述通信單元與所述移動(dòng)端的成功匹配而將臨時(shí)性存儲(chǔ)在所述存儲(chǔ)單元中的由所述運(yùn)動(dòng)時(shí)間子長度構(gòu)成的總運(yùn)動(dòng)時(shí)間長度推送至所述移動(dòng)端。

根據(jù)一個(gè)優(yōu)選實(shí)施方式，所述傳感器單元將所采集的生理數(shù)據(jù)反應(yīng)的瞬時(shí)加速度按照與時(shí)間相關(guān)的方式存儲(chǔ)至所述存儲(chǔ)單元中，并且所述移動(dòng)端通過采取對所述傳感器單元所采集的生理數(shù)據(jù)反應(yīng)的瞬時(shí)加速度的數(shù)值進(jìn)行歸一化的方式對所述用戶的運(yùn)動(dòng)類別進(jìn)行數(shù)量有限的分類，并且所述移動(dòng)端基于所述數(shù)量有限的分類來確定有限數(shù)量的所述步長參數(shù)區(qū)間。

根據(jù)一個(gè)優(yōu)選實(shí)施方式，所述步行長度是由按照與運(yùn)動(dòng)時(shí)間子長度相應(yīng)的加速度相關(guān)的方式存儲(chǔ)的各個(gè)運(yùn)動(dòng)時(shí)間子長度、所述移動(dòng)端基于所述傳感器單元所采集的生理數(shù)據(jù)反應(yīng)的瞬時(shí)加速度并基于對瞬時(shí)加速度進(jìn)行等級分配而得到的所述用戶步長參數(shù)區(qū)間以及所述移動(dòng)端根據(jù)穿戴了所述智能鞋墊的用戶所提供的個(gè)人身體特征而得到的所述用戶的步長修正參數(shù)三者共同確定的。

根據(jù)一個(gè)優(yōu)選實(shí)施方式，所述智能鞋墊響應(yīng)于所述通信單元與所述移動(dòng)端的成功匹配而將所述傳感器單元所采集并臨時(shí)性存儲(chǔ)在所述存儲(chǔ)單元中的與用戶運(yùn)動(dòng)行為有關(guān)的數(shù)據(jù)推送至與所述智能鞋墊成功配對的所述移動(dòng)端并由所述移動(dòng)端轉(zhuǎn)發(fā)至云端服務(wù)平臺(tái)，并且所述云端服務(wù)平臺(tái)響應(yīng)于與所述移動(dòng)端的通信連接而獲取所述移動(dòng)端所收集的用戶個(gè)人身體特征以及所述傳感器單元臨時(shí)性存儲(chǔ)在所述存儲(chǔ)單元中的與用戶運(yùn)動(dòng)行為有關(guān)的數(shù)據(jù)；由能夠與所述智能鞋墊進(jìn)行數(shù)據(jù)交互的所述移動(dòng)端和/或所述云端服務(wù)平臺(tái)根據(jù)所述用戶所提供的至少包括身高、體重、性別和健康狀況的個(gè)人身體特征來確定所述用戶的統(tǒng)計(jì)學(xué)性質(zhì)的步長修正參數(shù)，并且由所述移動(dòng)端和/或所述云端服務(wù)平臺(tái)利用預(yù)先分析所述傳感器單元所采集的生理數(shù)據(jù)反應(yīng)的瞬時(shí)加速度并基于對瞬時(shí)加速度進(jìn)行等級分配而得到的所述用戶步長參數(shù)區(qū)間并結(jié)合所述步長修正參數(shù)和所述運(yùn)動(dòng)時(shí)間子長度以累計(jì)方式來確定所述用戶的步行長度。智能鞋墊本身電池容量有限，不能隨時(shí)與移動(dòng)終端保持通訊，只需要持續(xù)完成大量數(shù)據(jù)存儲(chǔ)任務(wù)就夠了。本發(fā)明的生理監(jiān)控智能鞋墊在定期與移動(dòng)終端建立通信連接時(shí)，彼此短時(shí)間內(nèi)交換數(shù)據(jù)，可以節(jié)約電池電量，有效延長智能鞋墊的持續(xù)工作時(shí)間。

根據(jù)一個(gè)優(yōu)選實(shí)施方式，所述智能鞋墊還包括分析單元，所述分析單元利用歸一化的方式將所述傳感器單元所采集的生理數(shù)據(jù)反應(yīng)的瞬時(shí)加速度的數(shù)值劃分為靜止類別、走路類別、跑步類別、上樓類別和下樓類別，并基于所述瞬時(shí)加速來計(jì)算所述用戶的步長參數(shù)區(qū)間，并且所述分析單元結(jié)合所述傳感器單元所采集的生理數(shù)據(jù)反應(yīng)的瞬時(shí)加速度和/或所述用戶的運(yùn)動(dòng)時(shí)間來確定所述用戶的移動(dòng)距離和/或步頻并將所述移動(dòng)距離和/或步頻數(shù)據(jù)臨時(shí)性存儲(chǔ)于所述存儲(chǔ)單元中。

根據(jù)一個(gè)優(yōu)選實(shí)施方式，所述分析單元經(jīng)所述通信單元將其自身所估算的與每次運(yùn)動(dòng)相關(guān)的步長參數(shù)區(qū)間按照與所述傳感器單元所采集的生理數(shù)據(jù)反應(yīng)的瞬時(shí)加速度相關(guān)的方式分級推送至所述移動(dòng)端并由所述移動(dòng)端轉(zhuǎn)發(fā)至所述云端服務(wù)平臺(tái)，并且所述云端服務(wù)平臺(tái)根據(jù)分析用戶步行特征來區(qū)分所接收到的數(shù)據(jù)并將所接收到的數(shù)據(jù)按照與用戶有關(guān)的分別存儲(chǔ)所述各個(gè)用戶的數(shù)據(jù)。

根據(jù)一個(gè)優(yōu)選實(shí)施方式，所述移動(dòng)端和/或所述云端服務(wù)平臺(tái)基于所述用戶經(jīng)所述移動(dòng)端輸入的所述用戶的個(gè)人身體特征來分析與所述用戶相關(guān)的步長修正參數(shù)，并結(jié)合利用分析所述傳感器單元所采集的生理數(shù)據(jù)反應(yīng)的瞬時(shí)加速度并基于對瞬時(shí)加速度進(jìn)行等級分配而得到的所述用戶步長參數(shù)區(qū)間來確定所述用戶的實(shí)際步長參數(shù)區(qū)間，并且所述步長修正參數(shù)是按照與所述用戶所指定的個(gè)人身體特征相關(guān)的方式來調(diào)整得到的，并且所述移動(dòng)端和/或所述云端服務(wù)平臺(tái)利用調(diào)整后的步長修正參數(shù)來確定所述用戶的實(shí)際步長參數(shù)區(qū)間。

根據(jù)一個(gè)優(yōu)選實(shí)施方式，所述移動(dòng)端根據(jù)所述用戶所指定的個(gè)人身體特征來預(yù)先計(jì)算確定與所述用戶相關(guān)的參考加速度并將所述參考加速度信息存儲(chǔ)至所述移動(dòng)端和/或所述云端服務(wù)平臺(tái)，并且所述移動(dòng)端和/或所述云端服務(wù)平臺(tái)基于所述參考加速度將所述傳感器單元所采集的生理數(shù)據(jù)反應(yīng)的瞬時(shí)加速度歸類至所述靜止類別、所述走路類別、所述跑步類別、所述上樓類別和所述下樓類別中的一種類別或多種類別。

根據(jù)一個(gè)優(yōu)選實(shí)施方式，所述智能鞋墊還包括報(bào)警單元，所述報(bào)警單元在所述移動(dòng)端和/或所述云端服務(wù)平臺(tái)分析出所述用戶的移動(dòng)距離和/或步頻數(shù)據(jù)高于預(yù)設(shè)閾值時(shí)發(fā)出報(bào)警消息，并且所述報(bào)警單元根據(jù)所述移動(dòng)端和/或所述云端服務(wù)平臺(tái)基于所述參考加速度將所述傳感器單元所采集的生理數(shù)據(jù)反應(yīng)的瞬時(shí)加速度歸類的運(yùn)動(dòng)類別、所述用戶的移動(dòng)距離和所述用戶的步頻數(shù)據(jù)中的一種或多種對所述報(bào)警消息劃分的不同等級而發(fā)出不同的警報(bào)消息。優(yōu)選地，所述報(bào)警裝置以震動(dòng)和/或蜂鳴的形式提醒用戶，并且基于所述報(bào)警消息等級的不同，所述報(bào)警裝置發(fā)出不同震動(dòng)頻率和/或不同分貝的蜂鳴以提醒用戶異常情況的嚴(yán)重程度。

根據(jù)一個(gè)優(yōu)選實(shí)施方式，所述傳感器單元包括定位儀、加速度傳感器、壓力傳感器、濕度傳感器、溫度傳感器和心率傳感器中的一種或多種。優(yōu)選地，所述定位儀為GNSS、GPS、BDS、GLONASS和Galileo定位儀中的一種或多種。所述加速度傳感器為電容式加速度傳感器、電感式加速度傳感器、應(yīng)變式加速度傳感器、壓阻式加速度傳感器和壓電式加速度傳感器中的一種或多種，所述壓力傳感器為半導(dǎo)體壓電電阻傳感器、靜電容量型壓力傳感器和擴(kuò)散硅壓力變送器中的一種或多種，所述濕度傳感器為電阻式氯化鋰濕度計(jì)、露點(diǎn)式氯化鋰濕度計(jì)、碳濕敏式濕度計(jì)、氧化鋁濕度計(jì)和陶瓷濕度傳感器中的一種或多種，所述溫度傳感器為接觸式或非接觸式溫度計(jì)傳感器，所述心率傳感器為紅外脈搏傳感器、心率脈搏傳感器、光電脈搏傳感器、數(shù)字脈搏傳感器、心音脈搏傳感器和集成化脈搏傳感器中的一種或多種。

本發(fā)明提供的生理監(jiān)控智能鞋墊的傳感器單元通過多種傳感器可實(shí)現(xiàn)用戶生理狀況和運(yùn)動(dòng)狀況的監(jiān)測，并基于監(jiān)測結(jié)果實(shí)現(xiàn)報(bào)警反饋，從而使得用戶在運(yùn)動(dòng)過程中可避免超負(fù)荷運(yùn)動(dòng)而造成的身體傷害。另一方面，本發(fā)明的智能鞋墊基于用戶的生理數(shù)據(jù)和個(gè)人身體特征來計(jì)算用戶的步行長度，具有準(zhǔn)確度高的優(yōu)勢，避免了現(xiàn)有技術(shù)因長時(shí)間的運(yùn)動(dòng)而造成計(jì)算誤差過大的缺陷。

附圖說明

圖1是本發(fā)明智能鞋墊的一個(gè)優(yōu)選實(shí)施方式的示意圖；

圖2是本發(fā)明數(shù)據(jù)采集過程的一個(gè)優(yōu)選實(shí)施方式的示意圖；

圖3是靜止類別時(shí)用戶的生理體征示意圖；

圖4是走路類別時(shí)用戶的生理體征示意圖；

圖5是跑步類別時(shí)用戶的生理體征示意圖；

圖6是抖腿類別時(shí)用戶的生理體征示意圖；

圖7是上樓類別時(shí)用戶的生理體征示意圖；和

圖8是下樓類別時(shí)用戶的生理體征示意圖；

附圖標(biāo)記列表

10：鞋墊本體 20：移動(dòng)端 30：云端服務(wù)平臺(tái)

101：傳感器單元 102：通信單元 103：存儲(chǔ)單元

104：分析單元 105：報(bào)警單元

具體實(shí)施方式

下面結(jié)合附圖和實(shí)施例進(jìn)行詳細(xì)說明。

實(shí)施例1

圖1示出了本發(fā)明智能鞋墊的一個(gè)優(yōu)選實(shí)施方式的示意圖。如圖1所示，智能鞋墊至少包括鞋墊本體10、移動(dòng)端20和云端服務(wù)平臺(tái)30。移動(dòng)端20和云端服務(wù)平臺(tái)30可與鞋墊本體10進(jìn)行數(shù)據(jù)交互。優(yōu)選地，鞋墊本體10與移動(dòng)端20和/或云端服務(wù)平臺(tái)30的通信方式包括但不限于2G、3G、4G、5G和3GPP通訊。優(yōu)選的，移動(dòng)端20包括但不限于手機(jī)、平板電腦和智能手環(huán)。一切可連接到云端服務(wù)平臺(tái)的移動(dòng)設(shè)備均可視為移動(dòng)端。優(yōu)選地，鞋墊本體10至少包括傳感器單元101、通信單元102、存儲(chǔ)單元103、分析單元104和報(bào)警單元105。傳感器單元101用于采集穿戴了智能鞋墊的用戶的生理數(shù)據(jù)并將所采集的生理數(shù)據(jù)經(jīng)通信單元102與用戶指定的和/或智能鞋墊近旁的移動(dòng)端20進(jìn)行數(shù)據(jù)交互。優(yōu)選地，智能鞋墊近旁的移動(dòng)端20是指附接在穿戴了該智能鞋墊用戶身上的。移動(dòng)端20通過利用分析傳感器單元101所采集的生理數(shù)據(jù)反應(yīng)的瞬時(shí)加速度并基于對瞬時(shí)加速度進(jìn)行等級分配而得到用戶的步長參數(shù)區(qū)間，并且結(jié)合移動(dòng)端20根據(jù)穿戴了智能鞋墊的用戶所提供的個(gè)人身體特征而得到的用戶的步長修正參數(shù)來確定用戶的步行長度。本發(fā)明的智能鞋墊基于用戶的生理數(shù)據(jù)和個(gè)人身體特征來計(jì)算用戶的步行長度，具有準(zhǔn)確度高的優(yōu)勢，避免了現(xiàn)有技術(shù)因運(yùn)動(dòng)時(shí)間過長而造成計(jì)算誤差過大的缺陷。

根據(jù)一個(gè)優(yōu)選實(shí)施方式，智能鞋墊通過傳感器單元101采集用戶的生理數(shù)據(jù)，在智能鞋墊處于離線狀態(tài)時(shí)，將采集的數(shù)據(jù)存儲(chǔ)在本地。一旦鞋墊本體10與移動(dòng)端20進(jìn)行通訊，鞋墊本體10自動(dòng)將存儲(chǔ)和/或采集的數(shù)據(jù)上傳至移動(dòng)端20。通過移動(dòng)端20將用戶的生理數(shù)據(jù)上傳至云端服務(wù)平臺(tái)30進(jìn)行存儲(chǔ)和/或分析。本發(fā)明的生理監(jiān)控智能鞋墊能夠?qū)崟r(shí)對用戶的生理體征進(jìn)行監(jiān)控，即使在鞋墊本體10處于離線狀態(tài)時(shí)，仍能存儲(chǔ)幾天甚至幾周的數(shù)據(jù)，智能鞋墊通過對本地存儲(chǔ)的數(shù)據(jù)進(jìn)行分析以便在用戶身體體征出現(xiàn)異常時(shí)發(fā)出報(bào)警反饋信息，避免意外情況發(fā)生。

根據(jù)一個(gè)優(yōu)選實(shí)施方式，傳感器單元101包括定位儀、加速度傳感器、壓力傳感器、濕度傳感器、溫度傳感器和心率傳感器中的一種或多種。優(yōu)選地，定位儀為GNSS、GPS、BDS、GLONASS和Galileo定位儀中的一種或多種。加速度傳感器為電容式加速度傳感器、電感式加速度傳感器、應(yīng)變式加速度傳感器、壓阻式加速度傳感器和壓電式加速度傳感器中的一種或多種。壓力傳感器為半導(dǎo)體壓電電阻傳感器、靜電容量型壓力傳感器和擴(kuò)散硅壓力變送器中的一種或多種。濕度傳感器為電阻式氯化鋰濕度計(jì)、露點(diǎn)式氯化鋰濕度計(jì)、碳濕敏式濕度計(jì)、氧化鋁濕度計(jì)和陶瓷濕度傳感器中的一種或多種。溫度傳感器為接觸式或非接觸式溫度計(jì)傳感器。心率傳感器為紅外脈搏傳感器、心率脈搏傳感器、光電脈搏傳感器、數(shù)字脈搏傳感器、心音脈搏傳感器和集成化脈搏傳感器中的一種或多種。本發(fā)明的生理監(jiān)控智能鞋墊通過多種傳感器實(shí)現(xiàn)對用戶生理體征的全面監(jiān)測。本發(fā)明的生理監(jiān)控智能鞋墊通過對多種傳感器采集的數(shù)據(jù)信號交叉結(jié)合使用，從而可以得到更為精準(zhǔn)和細(xì)致的動(dòng)作分析。

根據(jù)一個(gè)優(yōu)選實(shí)施方式，智能鞋墊通過將每次運(yùn)動(dòng)中的運(yùn)動(dòng)時(shí)間長度根據(jù)傳感器單元101所采集的生理數(shù)據(jù)反應(yīng)的加速度的變化進(jìn)行分段。智能鞋墊將分段后的運(yùn)動(dòng)時(shí)間子長度按照與之相應(yīng)的加速度相關(guān)的方式臨時(shí)性存儲(chǔ)在存儲(chǔ)單元103中。智能鞋墊響應(yīng)于通信單元102與移動(dòng)端20的成功匹配而將臨時(shí)性存儲(chǔ)在存儲(chǔ)單元103中的由運(yùn)動(dòng)時(shí)間子長度構(gòu)成的總運(yùn)動(dòng)時(shí)間長度推送至移動(dòng)端20。智能鞋墊將運(yùn)動(dòng)中的運(yùn)動(dòng)時(shí)間進(jìn)行分段，并將運(yùn)動(dòng)時(shí)間子長度與之相應(yīng)的加速度相關(guān)的方式存儲(chǔ)，在移動(dòng)端20和/或云端服務(wù)平臺(tái)30計(jì)算用戶的步行長度之時(shí)，能夠確保時(shí)間與加速度之間對應(yīng)關(guān)系的準(zhǔn)確性，更重要的是，運(yùn)動(dòng)中的加速度存在較大變化，將運(yùn)動(dòng)時(shí)間基于加速度的變化進(jìn)行分段，如此可提供步行總長度的計(jì)算精度，避免了現(xiàn)有技術(shù)采用公式進(jìn)行計(jì)算造成的累計(jì)偏差過大，也可以解決現(xiàn)有技術(shù)采用高精度傳感器而造成成本過高的缺陷。

根據(jù)一個(gè)優(yōu)選實(shí)施方式，傳感器單元101將所采集的生理數(shù)據(jù)反應(yīng)的瞬時(shí)加速度按照與時(shí)間相關(guān)的方式存儲(chǔ)至存儲(chǔ)單元103中。移動(dòng)端20通過采取對傳感器單元101所采集的生理數(shù)據(jù)反應(yīng)的瞬時(shí)加速度的數(shù)值進(jìn)行歸一化的方式對用戶的運(yùn)動(dòng)類別進(jìn)行數(shù)量有限的分類。移動(dòng)端20基于數(shù)量有限的分類來確定有限數(shù)量的步長參數(shù)區(qū)間。優(yōu)選地，智能鞋墊的分析單元104利用歸一化的方式將傳感器單元101所采集的生理數(shù)據(jù)反應(yīng)的瞬時(shí)加速度的數(shù)值劃分為靜止類別、走路類別、跑步類別、上樓類別和下樓類別，并基于瞬時(shí)加速來計(jì)算用戶的步長參數(shù)區(qū)間。分析單元104結(jié)合傳感器單元101所采集的生理數(shù)據(jù)反應(yīng)的瞬時(shí)加速度和/或用戶的運(yùn)動(dòng)時(shí)間來確定用戶的移動(dòng)距離和/或步頻并將移動(dòng)距離和/或步頻數(shù)據(jù)臨時(shí)性存儲(chǔ)于存儲(chǔ)單元103中。不同的運(yùn)動(dòng)類別，加速度具有加大差異，本發(fā)明的智能鞋墊基于運(yùn)動(dòng)類別來確定用戶的步長參數(shù)區(qū)間，基于本發(fā)明提供的計(jì)算方式，可提高步行長度計(jì)算的準(zhǔn)確度。優(yōu)選地，用戶處于靜止類別和/或抖腿類別時(shí)，用戶的加速度為0。即當(dāng)用戶處于靜止類別和/或抖腿類別時(shí)，不對用戶進(jìn)行步行長度計(jì)算，從而可進(jìn)一步提高步行長度計(jì)算的準(zhǔn)確度。

根據(jù)一個(gè)優(yōu)選實(shí)施方式，步行長度是由按照與運(yùn)動(dòng)時(shí)間子長度相應(yīng)的加速度相關(guān)的方式存儲(chǔ)的各個(gè)運(yùn)動(dòng)時(shí)間子長度、移動(dòng)端20基于傳感器單元101所采集的生理數(shù)據(jù)反應(yīng)的瞬時(shí)加速度并基于對瞬時(shí)加速度進(jìn)行等級分配而得到的用戶步長參數(shù)區(qū)間以及移動(dòng)端20根據(jù)穿戴了智能鞋墊的用戶所提供的個(gè)人身體特征而得到的用戶的步長修正參數(shù)三者共同確定的。優(yōu)選地，用戶的步行長度通過如下公式計(jì)算：其中，L為用戶在t時(shí)間內(nèi)的步行長度，θ為步長參數(shù)區(qū)間，h為步長修正參數(shù)，t_i為不同加速度等級所處的時(shí)間區(qū)間。

根據(jù)一個(gè)優(yōu)選實(shí)施方式，智能鞋墊響應(yīng)于通信單元102與移動(dòng)端20的成功匹配而將傳感器單元101所采集并臨時(shí)性存儲(chǔ)在存儲(chǔ)單元103中的與用戶運(yùn)動(dòng)行為有關(guān)的數(shù)據(jù)推送至與智能鞋墊成功配對的移動(dòng)端20并由移動(dòng)端20轉(zhuǎn)發(fā)至云端服務(wù)平臺(tái)30。云端服務(wù)平臺(tái)30響應(yīng)于與移動(dòng)端20的通信連接而獲取移動(dòng)端20所收集的用戶個(gè)人身體特征以及傳感器單元101臨時(shí)性存儲(chǔ)在存儲(chǔ)單元103中的與用戶運(yùn)動(dòng)行為有關(guān)的數(shù)據(jù)。由能夠與智能鞋墊進(jìn)行數(shù)據(jù)交互的移動(dòng)端20和/或云端服務(wù)平臺(tái)30根據(jù)用戶所提供的至少包括身高、體重、性別和健康狀況的個(gè)人身體特征來確定用戶的統(tǒng)計(jì)學(xué)性質(zhì)的步長修正參數(shù)。移動(dòng)端20和/或云端服務(wù)平臺(tái)30利用預(yù)先分析傳感器單元101所采集的生理數(shù)據(jù)反應(yīng)的瞬時(shí)加速度并基于對瞬時(shí)加速度進(jìn)行等級分配而得到的用戶步長參數(shù)區(qū)間并結(jié)合步長修正參數(shù)和運(yùn)動(dòng)時(shí)間子長度以累計(jì)方式來確定用戶的步行長度。優(yōu)選地，統(tǒng)計(jì)學(xué)性質(zhì)的步長修正參數(shù)是基于統(tǒng)計(jì)學(xué)的原理分析出的步長修正參數(shù)。即預(yù)先通過對不同身體狀況的大量人群的統(tǒng)計(jì)，例如統(tǒng)計(jì)人數(shù)為1000人以上，確定步長修正參數(shù)與不同身體狀況的關(guān)系。

根據(jù)一個(gè)優(yōu)選實(shí)施方式，由移動(dòng)端20和/或云端服務(wù)平臺(tái)30通過利用分析用戶在運(yùn)動(dòng)過程中各個(gè)階段的瞬時(shí)加速度而得到的與各個(gè)階段相關(guān)的步長參數(shù)區(qū)間并結(jié)合步長修正參數(shù)以累計(jì)方式來確定的用戶步行長度采用定位儀進(jìn)行校正。優(yōu)選地，移動(dòng)端20和/或云端服務(wù)平臺(tái)30計(jì)算的走路和跑步類別時(shí)的步行長度采用定位儀進(jìn)行校正。例如，以GPS為例，GPS在寬闊環(huán)境下可以接收良好的衛(wèi)星信號進(jìn)行定位指導(dǎo)，但在狹窄環(huán)境，如室內(nèi)，多個(gè)高樓環(huán)繞阻擋的情況下，GPS因無法收集到足夠數(shù)量的衛(wèi)星信號而出現(xiàn)定位漂移、數(shù)據(jù)丟失等情況。此外，用戶處于上樓類別或下樓類別時(shí)，GPS也無法進(jìn)行精準(zhǔn)測距。因此，在GPS信號良好情況下，同時(shí)用戶處于平移(即跑步或走路)時(shí)對移動(dòng)端20和/或云端服務(wù)平臺(tái)30計(jì)算的步行長度進(jìn)行比對并校正。當(dāng)用戶處于上樓類別、下樓類別和/或GPS信號較差時(shí)，認(rèn)定GPS數(shù)據(jù)不可信，用戶的步行長度使用移動(dòng)端20和/或云端服務(wù)平臺(tái)30計(jì)算的步行長度。

圖2示出了本發(fā)明數(shù)據(jù)采集過程的一個(gè)優(yōu)選實(shí)施方式的示意圖。如圖2所示，智能鞋墊通過傳感器單元101采集用戶的生理數(shù)據(jù)，當(dāng)移動(dòng)端20與智能鞋墊通訊時(shí)，智能鞋墊會(huì)主動(dòng)傳輸儲(chǔ)存的數(shù)據(jù)至移動(dòng)端20。用戶在移動(dòng)端輸入個(gè)人身體特征，例如身高、體重、性別、健康狀況等。當(dāng)移動(dòng)端20與云端服務(wù)平臺(tái)30通訊時(shí)，云端服務(wù)平臺(tái)會(huì)接收到用戶的生理數(shù)據(jù)和個(gè)人身體特征。云端服務(wù)平臺(tái)30根據(jù)生理數(shù)據(jù)反應(yīng)的不同加速度，對加速度進(jìn)行等級分配，不同等級下的加速度會(huì)得到不同的步長參數(shù)區(qū)間，同時(shí)不同類別下的步長也采用不同的計(jì)算方式。同時(shí)根據(jù)用戶個(gè)人身體特征分析得出用戶的步長修正參數(shù)。云端服務(wù)平臺(tái)30根據(jù)運(yùn)動(dòng)時(shí)間子長度、步長參數(shù)區(qū)間和步長修正參數(shù)來計(jì)算用戶的步行長度。

根據(jù)一個(gè)優(yōu)選實(shí)施方式，分析單元104經(jīng)通信單元102將其自身所估算的與每次運(yùn)動(dòng)相關(guān)的步長參數(shù)區(qū)間按照與傳感器單元101所采集的生理數(shù)據(jù)反應(yīng)的瞬時(shí)加速度相關(guān)的方式分級推送至移動(dòng)端20并由移動(dòng)端20轉(zhuǎn)發(fā)至云端服務(wù)平臺(tái)30。云端服務(wù)平臺(tái)30根據(jù)分析用戶步行特征來區(qū)分所接收到的數(shù)據(jù)并將所接收到的數(shù)據(jù)按照與用戶有關(guān)的分別存儲(chǔ)各個(gè)用戶的數(shù)據(jù)。云端服務(wù)平臺(tái)30對接收到的數(shù)據(jù)進(jìn)行分析后按照與用戶有關(guān)的方式進(jìn)行存儲(chǔ)，在對與該用戶有關(guān)的數(shù)據(jù)進(jìn)行查詢和/或調(diào)取時(shí)，可提高查詢和/或調(diào)取速度，而且還可以同時(shí)查詢和/或調(diào)取與該用戶相關(guān)的所有數(shù)據(jù)。

根據(jù)一個(gè)優(yōu)選實(shí)施方式，移動(dòng)端20和/或云端服務(wù)平臺(tái)30基于用戶經(jīng)移動(dòng)端20輸入的用戶的個(gè)人身體特征來分析與用戶相關(guān)的步長修正參數(shù)，并基于利用分析傳感器單元101所采集的生理數(shù)據(jù)反應(yīng)的瞬時(shí)加速度并基于對瞬時(shí)加速度進(jìn)行等級分配而得到用戶的步長參數(shù)區(qū)間確定用戶的實(shí)際步長參數(shù)區(qū)間。步長修正參數(shù)是按照與用戶所指定的個(gè)人身體特征相關(guān)的方式來調(diào)整得到的。移動(dòng)端20和/或云端服務(wù)平臺(tái)30利用調(diào)整后的步長修正參數(shù)來確定用戶的實(shí)際步長參數(shù)區(qū)間。以走路和跑步為例，假設(shè)一個(gè)成年男子身高1.70m，體重65.0kg，與身高相關(guān)的，其基于統(tǒng)計(jì)學(xué)的步長修正參數(shù)為1.5～1.7。對用戶進(jìn)行加速度分級，得到的步長參數(shù)θ在[0.353m，0.824m]區(qū)間內(nèi)，將θ乘以用戶步長修正參數(shù)，即可得到步長范圍[0.53m，1.40m]。再將不同的步長乘以對應(yīng)的加速度等級的時(shí)間區(qū)間并相加，即可得到用戶的步行長度。當(dāng)指定步長修正參數(shù)是按照與體重有關(guān)的方式來獲得的，將θ乘以用戶體重轉(zhuǎn)換為的步長修正參數(shù)(1.4～1.6)，即可得到步長范圍[0.49m，1.32m]。再將不同的步長乘以對應(yīng)的加速度等級的時(shí)間區(qū)間并相加，即可得到用戶的步行長度。

根據(jù)一個(gè)優(yōu)選實(shí)施方式，移動(dòng)端20根據(jù)用戶所指定的個(gè)人身體特征來預(yù)先計(jì)算確定與用戶相關(guān)的參考加速度并將參考加速度信息存儲(chǔ)至移動(dòng)端20和/或云端服務(wù)平臺(tái)30。移動(dòng)端20和/或云端服務(wù)平臺(tái)30基于參考加速度將傳感器單元101所采集的生理數(shù)據(jù)反應(yīng)的瞬時(shí)加速度歸類至靜止類別、走路類別、跑步類別、上樓類別和下樓類別中的一種類別或多種類別。本發(fā)明的智能鞋墊通過移動(dòng)端20預(yù)先計(jì)算的加速度來對傳感器單元101采集的生理數(shù)據(jù)反映的瞬時(shí)加速度進(jìn)行分類，可提高分類的準(zhǔn)確性。

根據(jù)一個(gè)優(yōu)選實(shí)施方式，智能鞋墊還包括報(bào)警單元105。報(bào)警單元105在移動(dòng)端20和/或云端服務(wù)平臺(tái)30分析出用戶的移動(dòng)距離和/或步頻數(shù)據(jù)高于預(yù)設(shè)閾值時(shí)發(fā)出報(bào)警消息。報(bào)警單元105根據(jù)移動(dòng)端20和/或云端服務(wù)平臺(tái)30基于參考加速度將傳感器單元101所采集的生理數(shù)據(jù)反應(yīng)的瞬時(shí)加速度歸類的運(yùn)動(dòng)類別、用戶的移動(dòng)距離和用戶的步頻數(shù)據(jù)中的一種或多種對報(bào)警消息劃分的不同等級而發(fā)出不同的警報(bào)消息。優(yōu)選地，報(bào)警單元105依據(jù)人體體征異常情況的嚴(yán)重程度產(chǎn)生不同的反饋信息。優(yōu)選地，報(bào)警單元105在移動(dòng)端20和/或云端服務(wù)平臺(tái)30發(fā)出警報(bào)消息時(shí)以震動(dòng)和/或蜂鳴的形式提醒用戶。優(yōu)選的，報(bào)警單元105依據(jù)人體體征異常情況的嚴(yán)重程度發(fā)出不同頻率的震動(dòng)和/或不同分貝的蜂鳴，以便用戶及時(shí)對自身運(yùn)動(dòng)類別做出調(diào)整。優(yōu)選地，智能鞋墊處于離線狀態(tài)之時(shí)，智能鞋墊基于本地存儲(chǔ)的用戶生理數(shù)據(jù)信息識(shí)別用戶的運(yùn)動(dòng)類別，并在用戶處于預(yù)設(shè)步頻的時(shí)間超過預(yù)設(shè)值時(shí)，所述智能鞋墊發(fā)出警報(bào)信息。例如，智能鞋墊可以對用戶進(jìn)行初步的類別識(shí)別，當(dāng)用戶長期處于較高的步頻時(shí)，報(bào)警裝置發(fā)出報(bào)警消息。優(yōu)選地，智能鞋墊處于在線狀態(tài)之時(shí)，移動(dòng)端20和/或云端服務(wù)平臺(tái)30在用戶的步行長度達(dá)到預(yù)設(shè)閾值并仍以預(yù)設(shè)步頻運(yùn)動(dòng)時(shí)，移動(dòng)端20和/或云端服務(wù)平臺(tái)30發(fā)出警報(bào)指令。

實(shí)施例2

本實(shí)施例是對實(shí)施例1的進(jìn)一步改進(jìn)，僅對改進(jìn)的部分進(jìn)行說明。

根據(jù)一個(gè)優(yōu)選實(shí)施方式，本實(shí)施例采集用戶生理數(shù)據(jù)的傳感器為三軸加速度傳感器。本實(shí)施例中的類別識(shí)別方法適用于年齡段為16～45歲身體狀況健康的群體。三軸加速度傳感器采集用戶的生理數(shù)據(jù)并將采集的數(shù)據(jù)上傳至移動(dòng)端20和/或云端服務(wù)平臺(tái)30。移動(dòng)端20和/或云端服務(wù)平臺(tái)30進(jìn)行數(shù)據(jù)處理后得到用戶的步頻和峰谷差值。移動(dòng)端20和/或云端服務(wù)平臺(tái)30根據(jù)用戶的步頻和/或峰谷差值識(shí)別用戶的運(yùn)動(dòng)類別。優(yōu)選地，移動(dòng)端20和/或云端服務(wù)平臺(tái)30將用戶的運(yùn)動(dòng)類別劃分為靜止類別、走路類別、跑步類別、抖腿類別、上樓類別和下樓類別。

根據(jù)一個(gè)優(yōu)選實(shí)施方式，本實(shí)施例采集三軸加速度傳感器和壓力傳感器通過參加用戶的生理數(shù)據(jù)并基于移動(dòng)端20和/或云端服務(wù)平臺(tái)30的分析以對用戶提出運(yùn)動(dòng)指導(dǎo)。優(yōu)選地，壓力傳感器和三軸加速度傳感器通過如下方式對用戶提出運(yùn)動(dòng)指導(dǎo)。將壓力傳感器放置于穿戴了智能鞋墊用戶的前后腳掌。通過壓力傳感器，可以對用戶前后腳掌的壓力變化進(jìn)行記錄。用戶在運(yùn)動(dòng)過程中(例如跑步或走路)，可以根據(jù)前后腳掌壓力變化的趨勢判斷該用戶是采用前腳掌先著地還是后腳掌先著地的運(yùn)動(dòng)習(xí)慣。同時(shí)根據(jù)三軸加速度傳感器去除用戶上下樓類別時(shí)的數(shù)據(jù)，再對前后腳掌次數(shù)進(jìn)行統(tǒng)計(jì)，并將數(shù)據(jù)上傳至移動(dòng)端20和/或云端服務(wù)平臺(tái)30進(jìn)一步分析，給出運(yùn)動(dòng)姿勢評判，從而對用戶提出運(yùn)動(dòng)指導(dǎo)。優(yōu)選地，移動(dòng)端20和/或云端服務(wù)平臺(tái)30將用戶的運(yùn)動(dòng)姿勢與標(biāo)準(zhǔn)運(yùn)動(dòng)姿勢進(jìn)行比對，在用戶出現(xiàn)不規(guī)范運(yùn)動(dòng)姿勢時(shí)，向用戶做出運(yùn)動(dòng)指導(dǎo)。本實(shí)施例結(jié)合壓力傳感器，可對用戶的運(yùn)動(dòng)姿勢做出評判以及指導(dǎo)，提高用戶運(yùn)動(dòng)方式的規(guī)范性。另一方面，上樓時(shí)，用戶一般是后腳掌先著地；下樓時(shí)，用戶一般是前腳掌先著地，如果引進(jìn)上樓和下樓時(shí)期的數(shù)據(jù)，易對判斷結(jié)果造成干擾，本實(shí)施例評判用戶的運(yùn)動(dòng)姿勢時(shí)，去除了上樓和下樓時(shí)的數(shù)據(jù)，提高了數(shù)據(jù)分析的準(zhǔn)確性。

根據(jù)一個(gè)優(yōu)選實(shí)施方式，移動(dòng)端20和/或云端服務(wù)平臺(tái)30基于如下方式識(shí)別用戶的運(yùn)動(dòng)類別：當(dāng)用戶長時(shí)間處于較低幅值時(shí)，判定用戶處于靜止類別。當(dāng)用戶步頻低于預(yù)設(shè)閾值時(shí)，判定用戶處于走路類別。當(dāng)用戶步頻高于預(yù)設(shè)閾值時(shí)，判定用戶處于跑步類別。當(dāng)用戶峰谷差值遠(yuǎn)低于正常行走或跑步產(chǎn)生的峰谷差值時(shí)，判定用戶處于抖腿類別。當(dāng)用戶生理信號與預(yù)設(shè)信號相符時(shí)，判定用戶處于上樓類別。當(dāng)用戶的Y軸幅值低于正常值時(shí)，判定用戶處于下樓類別。

三軸加速度傳感器的X、Y、Z三軸的定義分別為：參照物為腳，立正站立，X軸垂直于腳尖方向向右，Y軸沿著腳尖方向向前，Z軸方向根據(jù)右手定則確定(垂直腳面向上)。本實(shí)施例所有數(shù)據(jù)采用200Hz進(jìn)行采樣，X軸、Y軸和Z軸的橫坐標(biāo)代表時(shí)間，單位為個(gè)數(shù)，即一共采樣了1000個(gè)點(diǎn)，總時(shí)間為1000/200＝5S。X軸、Y軸和Z軸的縱坐標(biāo)代表三軸加速度傳感器接收到的數(shù)據(jù)，該數(shù)據(jù)無單位。X軸、Y軸和Z軸的縱坐標(biāo)的數(shù)據(jù)與加速度的關(guān)系為：真實(shí)加速度值＝4g×點(diǎn)位對應(yīng)縱坐標(biāo)數(shù)值/32768。其中，g為重力加速度，g＝9.81m/S²。三軸加速度傳感器接收到數(shù)據(jù)后，產(chǎn)生一系列離散點(diǎn)數(shù)據(jù)，該數(shù)據(jù)的范圍為－32768～+32768，該數(shù)據(jù)范圍對應(yīng)的真實(shí)加速度為－4g～+4g。優(yōu)選地，本實(shí)施例基于波形識(shí)別用戶的運(yùn)動(dòng)類別，因而將部分圖的縱坐標(biāo)進(jìn)行了放大，如原本縱坐標(biāo)應(yīng)在－32768～+32768區(qū)間內(nèi)，但為了方便看出整體波形，將坐標(biāo)軸放大為－40000～+40000這一區(qū)間的離散點(diǎn)形成的波形。縱坐標(biāo)雖然進(jìn)行了放大，但并不影響真實(shí)加速度的計(jì)算，即真實(shí)值的算法不變。

根據(jù)一個(gè)優(yōu)選實(shí)施方式，采用濾波器對三軸加速傳感器采集到的信號進(jìn)行預(yù)處理。優(yōu)選地，采用高斯濾波器對信號進(jìn)行去噪聲處理。用a_x(t)、a_y(t)、a_z(t)分別表示t時(shí)刻X軸、Y軸、Z軸的加速度信號，記A(t)＝[a_x(t)，a_y(t)，a_z(t)]，則高斯濾波公式為

其中，是零均值高斯核，其中經(jīng)高斯濾波器對信號進(jìn)行去噪聲處理后，能夠有效排除干擾信號的影響。

根據(jù)一個(gè)優(yōu)選實(shí)施方式，對三軸加速傳感器采集到的信號矢量幅值(SVM)進(jìn)行合一化處理后來確定加速度。優(yōu)選地，對三軸加速傳感器采集到的信號矢量幅值(SVM)進(jìn)行合一化處理的計(jì)算公式為：

其中，a_x(t)、a_y(t)、a_z(t)分別為t時(shí)刻三軸加速度傳感器在X軸、Y軸、Z軸所測得的數(shù)據(jù)。通過對三軸加速傳感器采集到的信號矢量幅值(SVM)進(jìn)行合一化處理，可使SVM波形與實(shí)際步數(shù)相對應(yīng)，提高計(jì)步的準(zhǔn)確性。

根據(jù)一個(gè)優(yōu)選實(shí)施方式，為了簡化計(jì)步難度，本實(shí)施例也可以僅使用X坐標(biāo)軸來計(jì)步。使用X軸、Y軸和/或Z軸來識(shí)別用戶的運(yùn)動(dòng)類別。例如，上樓和下樓類別中使用Z軸進(jìn)行判斷，但在計(jì)步過程中，僅對X軸進(jìn)行去噪聲處理，然后通過X軸反應(yīng)的加速度進(jìn)行計(jì)步計(jì)算。優(yōu)選地，對X軸進(jìn)行去噪聲處理也可以使用簡單的高斯濾波。

根據(jù)一個(gè)優(yōu)選實(shí)施方式，本實(shí)施例采用歸一化法將三軸加速度傳感器采集的生理數(shù)據(jù)反應(yīng)的瞬時(shí)加速度進(jìn)行歸一化處理，基于歸一化處理后的加速度將用戶的運(yùn)動(dòng)類別進(jìn)行數(shù)量有限的分類。優(yōu)選地，本實(shí)施例通過如下方式對加速度進(jìn)行歸一化處理：三軸加速傳感器采樣了1000個(gè)點(diǎn)，移動(dòng)端20和/或云端服務(wù)平臺(tái)30計(jì)算出1000個(gè)點(diǎn)對應(yīng)的幅值反應(yīng)的瞬時(shí)加速度后，再計(jì)算出各瞬時(shí)加速度在1000個(gè)點(diǎn)瞬時(shí)加速度之和中的比例，即得經(jīng)歸一化處理的瞬時(shí)加速度。將瞬時(shí)加速度進(jìn)行歸一化處理后，可以減小因三軸加速度傳感器檢測的生理數(shù)據(jù)的誤差而造成的分析誤差，提高分析的準(zhǔn)確性。

圖3示出了用戶處于靜止類別時(shí)的生理體征示意圖。如圖3所示，用戶在X軸、Y軸和/或Z軸的幅值在長時(shí)間波動(dòng)范圍較小時(shí)，判定用戶處于靜止類別。優(yōu)選地，所述長時(shí)間至少為5S?；蛘?，用戶在X軸、Y軸和/或Z軸的幅值未出現(xiàn)明顯的波峰和/或波谷，判定用戶處于靜止類別。如圖3所示，X軸、Y軸和/或Z軸的幅值沒有明顯波動(dòng)，也未出現(xiàn)波峰和/或波谷，近似為一條直線，因此判斷用戶處于靜止類別。該種判斷方式簡單直觀。

圖4示出了用戶處于走路類別時(shí)的生理體征示意圖。如圖4所示，用戶在X軸、Y軸和Z軸的步頻在長時(shí)間均低于預(yù)先設(shè)定閾值時(shí)，判定用戶處于走路類別。優(yōu)選地，所述長時(shí)間至少為5S。所述預(yù)先設(shè)定的閾值為1Hz。優(yōu)選地，步頻為移動(dòng)端20和/或云端服務(wù)平臺(tái)30基于采集的用戶生理數(shù)據(jù)計(jì)算的?；蛘?，用戶在X軸、Y軸和/或Z軸的波形與預(yù)設(shè)波形相符時(shí)，判定用戶處于走路類別。優(yōu)選地，所述預(yù)設(shè)波形為在X軸、Y軸和/或Z軸呈現(xiàn)雙波峰和/或多波峰。如圖4所示，X軸的幅值數(shù)據(jù)呈現(xiàn)明顯的雙波峰，Y軸和Z軸的幅值數(shù)據(jù)呈現(xiàn)明顯的多波峰，因此判斷用戶處于走路類別。該種判斷方式簡單直觀。

圖5示出了用戶處于跑步類別時(shí)的生理體征示意圖。如圖5所示，用戶在X軸、Y軸和/或Z軸的步頻在長時(shí)間均高于預(yù)先設(shè)定閾值時(shí)，判定用戶處于跑步類別。優(yōu)選地，所述長時(shí)間至少為5S。所述預(yù)先設(shè)定的閾值為1.5Hz。優(yōu)選地，步頻為移動(dòng)端20和/或云端服務(wù)平臺(tái)30基于采集的用戶生理數(shù)據(jù)計(jì)算的。或者，用戶在Z軸方向上的幅值均值大于20000，并且在X軸和/或Y軸上超過上閾值的波峰數(shù)小于等于1.5倍低于下閾值的波谷數(shù)時(shí)，判定用戶處于跑步類別。其中，上閾值為X軸和/或Y軸各波峰的平均值，下閾值為X軸和/或Y軸各波谷的平均值。該種判斷方式可直觀地從波峰波谷數(shù)量以及幅值大小等特征經(jīng)計(jì)算得出。

圖6示出了用戶處于抖腿類別時(shí)的生理體征示意圖。如圖6所示，用戶在X軸、Y軸和/或Z軸的峰谷差值在長時(shí)間均低于走路類別和/或跑步類別產(chǎn)生的峰谷差值的0.5倍時(shí)，判定用戶處于抖腿類別。優(yōu)選地，所述長時(shí)間至少為5S。以Z軸為例，圖5所示的跑步類別時(shí)的Z軸的峰谷差值為50000，圖6所示的Z軸的峰谷差值為17000，低于跑步類別時(shí)峰谷差值的50％，因此判定圖6所示的用戶處于抖腿類別。X軸和Y軸的峰谷差值采用與Z軸相同的計(jì)算方法。

圖7示出了用戶處于上樓類別時(shí)的生理體征示意圖。如圖7所示，用戶在X軸、Y軸和/或Z軸的波形與預(yù)設(shè)波形相符時(shí)，判定用戶處于上樓類別。優(yōu)選地，所述預(yù)設(shè)波形為在Z軸呈現(xiàn)雙波峰。如圖7所示，Z軸的幅值數(shù)據(jù)呈現(xiàn)明顯的雙波峰，因此判斷用戶處于上樓類別。該種判斷方式簡單直觀?；蛘?，用戶在Z軸方向上的幅值均值小于8500，并且在X軸和/或Y軸上超過上閾值的波峰數(shù)大于1.5倍低于下閾值的波谷數(shù)時(shí)，判定用戶處于下樓類別。其中，上閾值為X軸和/或Y軸各波峰的平均值，下閾值為X軸和/或Y軸各波谷的平均值。該種判斷方式可直觀地從波峰波谷數(shù)量以及幅值大小等特征經(jīng)計(jì)算得出。

圖8示出了用戶處于下樓類別時(shí)的生理體征示意圖。如圖8所示，用戶在X軸、Y軸和/或Z軸的波形與預(yù)設(shè)波形相符時(shí)，判定用戶處于下樓類別。優(yōu)選地，所述預(yù)設(shè)波形為：一段時(shí)間內(nèi)，Y軸幅值平均值低于走路類別時(shí)的數(shù)值。優(yōu)選地，所說的幅值平均值是指所有數(shù)據(jù)取絕對值，再進(jìn)行相加并除以總時(shí)間得到的。或者，用戶在Z軸方向上的幅值均值小于8500，并且在X軸和/或Y軸上超過上閾值的波峰數(shù)小于等于1.5倍低于下閾值的波谷數(shù)時(shí)，判定用戶處于下樓類別。其中，上閾值為X軸和/或Y軸各波峰的平均值，下閾值為X軸和/或Y軸各波谷的平均值。該種判斷方式可直觀地從波峰波谷數(shù)量以及幅值大小等特征經(jīng)計(jì)算得出。

根據(jù)一個(gè)優(yōu)選實(shí)施方式，本實(shí)施例所說的波峰和波谷采用如下方式判斷：設(shè)人體運(yùn)動(dòng)時(shí)采集到的加速度傳感器數(shù)據(jù)經(jīng)過濾波預(yù)處理和三軸合一化處理后的加速度為a(t)，則定義u＝a(t)－a(t－1)，v＝a(t+1)－a(t)，u和v為有正負(fù)值的標(biāo)量。在t時(shí)刻的左右各取3個(gè)采樣點(diǎn)，當(dāng)a(t－1)＞a(t－2)＞a(t－3)且a(t+1)＞a(t+2)＞a(t+3)時(shí)，可以正確判斷出峰值。綜上所述，當(dāng)在t時(shí)刻加速度a(t)滿足u＝a(t)－a(t－1)>0，v＝a(t+1)－a(t)<0，a(t－1)＞a(t－2)＞a(t－3)且a(t+1)＞a(t+2)＞a(t+3)四個(gè)條件時(shí)，則確定當(dāng)前的t時(shí)刻為峰值點(diǎn)。用類似的方法可以查找出波谷值。優(yōu)選地，當(dāng)查找到一對峰谷值時(shí)認(rèn)為出現(xiàn)一個(gè)步伐，該步伐是否為有效步伐則需根據(jù)幅度閥值和時(shí)間窗口閥值進(jìn)一步判定。

在檢測出峰谷值后，提取加速度數(shù)據(jù)a(t)的相鄰波峰和波谷值的差作為特征值，記為CSVM(Change of SVM)，計(jì)算公式如下：

CSVM＝a_p(t)－a_v(t－k)

其中，a_p(t)為t采樣時(shí)刻波峰值，a_v(t－k)為t－k采樣時(shí)刻波谷值，k為相鄰波峰波谷值之間的采樣點(diǎn)數(shù)。優(yōu)選地，當(dāng)CSVM＞0.2g_n時(shí)，為一次有效峰谷值數(shù)據(jù)，否則，予以丟棄。

根據(jù)一個(gè)優(yōu)選實(shí)施方式，一般人體最快跑步速度為每秒5步，最慢走路為1步2s，兩個(gè)有效步伐的時(shí)間間隔在0.2～2.0s之間，本實(shí)施例的采樣率為50Hz，兩個(gè)有效步伐的采樣點(diǎn)次數(shù)間隔值在10～100之間。系統(tǒng)實(shí)時(shí)更新兩步之間的采樣點(diǎn)次數(shù)，如果落在有效間隔值范圍之外，則視為無效擾動(dòng)，不計(jì)入步數(shù)寄存器。

需要注意的是，上述具體實(shí)施例是示例性的，本領(lǐng)域技術(shù)人員可以在本發(fā)明公開內(nèi)容的啟發(fā)下想出各種解決方案，而這些解決方案也都屬于本發(fā)明的公開范圍并落入本發(fā)明的保護(hù)范圍之內(nèi)。本領(lǐng)域技術(shù)人員應(yīng)該明白，本發(fā)明說明書及其附圖均為說明性而并非構(gòu)成對權(quán)利要求的限制。本發(fā)明的保護(hù)范圍由權(quán)利要求及其等同物限定。