本發(fā)明涉及智能鞋墊的數(shù)據(jù)處理技術(shù)領(lǐng)域，尤其涉及一種智能鞋墊的數(shù)據(jù)分析處理方法。

背景技術(shù)：

研究表明，長(zhǎng)時(shí)間久坐會(huì)導(dǎo)致肥胖、高血壓、高血脂等疾病，對(duì)人體造成的危害不容忽視，因此近年來(lái)，運(yùn)動(dòng)成為久坐一族的一種新潮流。鞋墊是運(yùn)動(dòng)過(guò)程中的必需品，隨著物聯(lián)網(wǎng)技術(shù)和科技的迅速發(fā)展，人們?cè)絹?lái)越青睞能夠給自己的生活、工作、娛樂(lè)等多方面帶來(lái)便利的智能產(chǎn)品，因此智能鞋墊也逐漸向電子化、智能化方向發(fā)展。然而，作為一種智能可穿戴設(shè)備，目前智能鞋墊的功能基本局限于人體指標(biāo)(如溫度、濕度、重量、脈搏等)的測(cè)量、加熱除濕服務(wù)和簡(jiǎn)單告警，典型的產(chǎn)品如智能電加熱鞋墊等；還有一種能夠識(shí)別步態(tài)的鞋墊。

中國(guó)專利(公開(kāi)號(hào)為cn104082905b)公開(kāi)了一種多功能智能鞋墊及步態(tài)相似性檢測(cè)方法。該多功能智能鞋墊能夠通過(guò)采集被測(cè)對(duì)象運(yùn)動(dòng)時(shí)的三軸加速度、三軸角速度以及腳部三個(gè)位置的壓力信息來(lái)判斷被測(cè)對(duì)象的腳步姿態(tài)及協(xié)調(diào)性，從而可以有效地發(fā)現(xiàn)和校正不正確或不正常的步態(tài)。該多功能智能鞋墊尤其適用于跳舞愛(ài)好者、學(xué)走路的嬰兒以及走路復(fù)健的患者。同時(shí)，該步態(tài)檢測(cè)方法可配合智能系統(tǒng)使用，通過(guò)智能終端設(shè)備直觀地將測(cè)試結(jié)果呈現(xiàn)給使用者。但是，現(xiàn)有技術(shù)的智能鞋墊大多功能單一、無(wú)法滿足人們對(duì)智能產(chǎn)品的要求。可見(jiàn)，如何通過(guò)技術(shù)對(duì)其進(jìn)行改進(jìn)，以發(fā)揮智能鞋墊的最大功能，進(jìn)而更好地為人們的生活工作娛樂(lè)服務(wù)便顯得刻不容緩。

另一方面，近年來(lái)，隨著馬拉松運(yùn)動(dòng)的平民化，伴隨而來(lái)的是因沒(méi)有充分保護(hù)措施和運(yùn)動(dòng)經(jīng)驗(yàn)導(dǎo)致的運(yùn)動(dòng)猝死事件頻繁發(fā)生，因此及時(shí)對(duì)人體進(jìn)行報(bào)警，從而避免這類慘劇的發(fā)生變得極為重要?，F(xiàn)有技術(shù)計(jì)算距離的公式為：其中，v0為初始速度，a為加速度，r為經(jīng)過(guò)時(shí)間t后移動(dòng)的距離。因此對(duì)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(zhǎng)時(shí)間的運(yùn)動(dòng)過(guò)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，因此急需提高用戶累計(jì)步長(zhǎng)測(cè)量的精確度。

技術(shù)實(shí)現(xiàn)要素：

針對(duì)現(xiàn)有技術(shù)之不足，本發(fā)明提供了一種智能鞋墊的數(shù)據(jù)分析處理方法，所述數(shù)據(jù)分析處理方法基于對(duì)加速度傳感器所采集的生理數(shù)據(jù)反應(yīng)的瞬時(shí)加速度對(duì)用戶進(jìn)行的數(shù)量有限的運(yùn)動(dòng)模式的分類、所述加速度傳感器所采集的生理數(shù)據(jù)反應(yīng)的用戶在數(shù)量有限的分類運(yùn)動(dòng)模式之時(shí)的步頻數(shù)據(jù)以及所述用戶在數(shù)量有限的分類運(yùn)動(dòng)模式之時(shí)的累計(jì)步長(zhǎng)中的一種或多種與預(yù)設(shè)閾值的比較結(jié)果完成異常數(shù)據(jù)預(yù)觸發(fā)，并基于使用定位儀對(duì)用戶在數(shù)量有限的分類運(yùn)動(dòng)模式之時(shí)的累計(jì)步長(zhǎng)的修正結(jié)果完成異常數(shù)據(jù)報(bào)警反饋，其中，所述累計(jì)步長(zhǎng)是通過(guò)利用分析加速度傳感器所采集的生理數(shù)據(jù)反應(yīng)的瞬時(shí)加速度并基于對(duì)瞬時(shí)加速度進(jìn)行等級(jí)分配而得到所述用戶的步長(zhǎng)參數(shù)區(qū)間、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(zhǎng)修正參數(shù)以及根據(jù)加速度傳感器所采集的生理數(shù)據(jù)反應(yīng)的瞬時(shí)加速的變化進(jìn)行分段的運(yùn)動(dòng)時(shí)間子長(zhǎng)度三者共同確定的。

根據(jù)一個(gè)優(yōu)選實(shí)施方式，在基于對(duì)加速度傳感器所采集的生理數(shù)據(jù)反應(yīng)的瞬時(shí)加速度對(duì)用戶進(jìn)行的數(shù)量有限的運(yùn)動(dòng)模式的分類、所述加速度傳感器所采集的生理數(shù)據(jù)反應(yīng)的用戶在數(shù)量有限的分類運(yùn)動(dòng)模式之時(shí)的步頻數(shù)據(jù)以及所述用戶在數(shù)量有限的分類運(yùn)動(dòng)模式之時(shí)的累計(jì)步長(zhǎng)中的一種或多種與預(yù)設(shè)閾值比較后出現(xiàn)異常之時(shí)，所述數(shù)據(jù)分析處理方法基于全球衛(wèi)星導(dǎo)航系統(tǒng)、全球定位系統(tǒng)、北斗衛(wèi)星導(dǎo)航系統(tǒng)、格洛納斯衛(wèi)星導(dǎo)航系統(tǒng)和伽利略衛(wèi)星定位系統(tǒng)中的一種或多種采集的用戶在數(shù)量有限的分類運(yùn)動(dòng)模式之時(shí)的移動(dòng)距離采用加權(quán)法對(duì)用戶在數(shù)量有限的分類運(yùn)動(dòng)模式之時(shí)的累計(jì)步長(zhǎng)進(jìn)行修正并基于所述修正結(jié)果完成所述異常數(shù)據(jù)報(bào)警反饋。

根據(jù)一個(gè)優(yōu)選實(shí)施方式，所述異常數(shù)據(jù)報(bào)警反饋根據(jù)基于對(duì)加速度傳感器所采集的生理數(shù)據(jù)反應(yīng)的瞬時(shí)加速度對(duì)用戶進(jìn)行的數(shù)量有限的運(yùn)動(dòng)模式的分類、所述加速度傳感器所采集的生理數(shù)據(jù)反應(yīng)的用戶在數(shù)量有限的分類運(yùn)動(dòng)模式之時(shí)的步頻數(shù)據(jù)以及所述用戶在數(shù)量有限的分類運(yùn)動(dòng)模式之時(shí)的累計(jì)步長(zhǎng)中的一種或多種與預(yù)設(shè)閾值的比較結(jié)果而進(jìn)行有限等級(jí)的劃分，并且不同等級(jí)的異常數(shù)據(jù)報(bào)警反饋以有差異的方式向穿戴了所述智能鞋墊的用戶發(fā)出報(bào)警反饋。

根據(jù)一個(gè)優(yōu)選實(shí)施方式，所述異常數(shù)據(jù)報(bào)警反饋以震動(dòng)和/或蜂鳴的形式提醒穿戴了所述智能鞋墊的用戶，并且基于所述異常數(shù)據(jù)報(bào)警反饋等級(jí)的不同以不同震動(dòng)頻率和/或不同分貝的蜂鳴形式向穿戴了所述智能鞋墊的用戶反饋以提醒所述用戶異常情況的嚴(yán)重程度。

根據(jù)一個(gè)優(yōu)選實(shí)施方式，所述數(shù)據(jù)分析處理方法基于利用對(duì)比分析化法對(duì)所述加速度傳感器所采集的生理數(shù)據(jù)反應(yīng)的瞬時(shí)加速度的分析將穿戴了所述智能鞋墊的用戶的運(yùn)動(dòng)模式初步劃分至靜止模式、走路模式、跑步模式、上樓模式或下樓模式，并且所述數(shù)據(jù)分析處理方法基于穿戴了所述智能鞋墊的用戶提供的個(gè)人身體特征來(lái)確定所述用戶的參考加速度并基于所述參考加速度將所述加速度傳感器所采集的生理數(shù)據(jù)反應(yīng)的瞬時(shí)加速度重新歸類至所述靜止模式、所述走路模式、所述跑步模式、所述上樓模式和所述下樓模式中的一種模式或多種模式。

根據(jù)一個(gè)優(yōu)選實(shí)施方式，所述數(shù)據(jù)分析處理方法還結(jié)合利用三軸加速度傳感器采集穿戴了所述智能鞋墊的用戶在x軸、y軸和/或z軸方向上的生理數(shù)據(jù)并基于所述用戶在x軸、y軸和/或z軸上的生理數(shù)據(jù)所反應(yīng)的峰谷差值、生理數(shù)據(jù)的變化趨勢(shì)以及波峰和/或波谷數(shù)量之間的關(guān)系中的一項(xiàng)或多項(xiàng)與預(yù)設(shè)閾值的比較結(jié)果來(lái)驗(yàn)證基于所述參考加速度對(duì)所述加速度傳感器所采集的生理數(shù)據(jù)反應(yīng)的瞬時(shí)加速度進(jìn)行的重新歸類。

根據(jù)一個(gè)優(yōu)選實(shí)施方式，所述數(shù)據(jù)分析處理方法基于穿戴了所述智能鞋墊的用戶提供的個(gè)人身體特征來(lái)確定所述用戶的統(tǒng)計(jì)學(xué)性質(zhì)的步長(zhǎng)修正參數(shù)，并結(jié)合利用分析所述加速度傳感器所采集的生理數(shù)據(jù)反應(yīng)的瞬時(shí)加速度并基于對(duì)瞬時(shí)加速度進(jìn)行等級(jí)分配而得到的所述用戶的步長(zhǎng)參數(shù)區(qū)間來(lái)確定所述用戶的實(shí)際步長(zhǎng)參數(shù)區(qū)間，并且所述用戶的統(tǒng)計(jì)學(xué)性質(zhì)的步長(zhǎng)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(lái)調(diào)整得到的，并且所述數(shù)據(jù)分析處理方法利用調(diào)整后的步長(zhǎng)修正參數(shù)來(lái)確定所述用戶的實(shí)際步長(zhǎng)參數(shù)區(qū)間。

根據(jù)一個(gè)優(yōu)選實(shí)施方式，所述數(shù)據(jù)分析處理方法還包括利用穿戴了所述智能鞋墊的用戶提供的個(gè)人身體特征來(lái)確定的用戶的統(tǒng)計(jì)學(xué)性質(zhì)的步長(zhǎng)修正參數(shù)對(duì)利用分析所述加速度傳感器所采集的生理數(shù)據(jù)反應(yīng)的瞬時(shí)加速度并基于對(duì)瞬時(shí)加速度進(jìn)行等級(jí)分配而得到的所述用戶步長(zhǎng)參數(shù)區(qū)間的修正來(lái)完成所述用戶數(shù)據(jù)的更新和/或存儲(chǔ)，并且基于所述用戶數(shù)據(jù)的更新和/或存儲(chǔ)完成所述數(shù)據(jù)分析處理方法中預(yù)設(shè)數(shù)據(jù)的更新和/或存儲(chǔ)，其中，所述預(yù)設(shè)數(shù)據(jù)為加速度傳感器所采集的生理數(shù)據(jù)反應(yīng)的瞬時(shí)加速度并基于對(duì)瞬時(shí)加速度進(jìn)行等級(jí)分配而得到所述用戶的步長(zhǎng)參數(shù)區(qū)間、基于穿戴了所述智能鞋墊的用戶提供的個(gè)人身體特征來(lái)確定所述用戶的統(tǒng)計(jì)學(xué)性質(zhì)的步長(zhǎng)修正參數(shù)、識(shí)別用戶運(yùn)動(dòng)模式時(shí)采用的峰谷差值、生理數(shù)據(jù)的變化趨勢(shì)以及波峰和/或波谷數(shù)量之間的關(guān)系、進(jìn)行異常數(shù)據(jù)報(bào)警反饋時(shí)采用的累計(jì)步長(zhǎng)預(yù)設(shè)閾值和預(yù)設(shè)步頻中的一種或多種。

根據(jù)一個(gè)優(yōu)選實(shí)施方式，所述數(shù)據(jù)分析處理方法將用戶在數(shù)量有限的分類運(yùn)動(dòng)模式之時(shí)的運(yùn)動(dòng)時(shí)間長(zhǎng)度根據(jù)所述加速度傳感器所采集的生理數(shù)據(jù)反應(yīng)的瞬時(shí)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(zhǎng)度按照與之相應(yīng)的加速度相關(guān)的方式進(jìn)行存儲(chǔ)，并且所述數(shù)據(jù)分析處理方法通過(guò)計(jì)算由所述運(yùn)動(dòng)時(shí)間子長(zhǎng)度構(gòu)成的總運(yùn)動(dòng)時(shí)間長(zhǎng)度內(nèi)的移動(dòng)距離以獲得所述用戶在數(shù)量有限的分類運(yùn)動(dòng)模式之時(shí)的累計(jì)步長(zhǎng)。

根據(jù)一個(gè)優(yōu)選實(shí)施方式，所述數(shù)據(jù)分析處理方法通過(guò)利用分析加速度傳感器所采集的生理數(shù)據(jù)反應(yīng)的瞬時(shí)加速度并基于對(duì)瞬時(shí)加速度進(jìn)行等級(jí)分配而得到所述用戶的步長(zhǎng)參數(shù)區(qū)間、穿戴了所述智能鞋墊的用戶所指定與個(gè)人身體特征中的至少一項(xiàng)相關(guān)而得到的所述用戶的步長(zhǎng)修正參數(shù)以及根據(jù)加速度傳感器所采集的生理數(shù)據(jù)反應(yīng)的瞬時(shí)加速的變化進(jìn)行分段的運(yùn)動(dòng)時(shí)間子長(zhǎng)度以累計(jì)方式來(lái)確定所述用戶的累計(jì)步長(zhǎng)。

根據(jù)一個(gè)優(yōu)選實(shí)施方式，所述數(shù)據(jù)分析處理方法還包括利用分析壓力傳感器所采集的用戶在在數(shù)量有限的分類運(yùn)動(dòng)模式中腳掌的壓力變化趨勢(shì)并結(jié)合利用對(duì)比分析的方法將加速度傳感器所采集的生理數(shù)據(jù)反應(yīng)的瞬時(shí)加速度的數(shù)值劃分的運(yùn)動(dòng)模式給出所述用戶在數(shù)量有限的分類運(yùn)動(dòng)模式中的運(yùn)動(dòng)姿勢(shì)評(píng)判，并且在所述用戶在數(shù)量有限的分類運(yùn)動(dòng)模式中的運(yùn)動(dòng)姿勢(shì)出現(xiàn)偏差時(shí)以文字、語(yǔ)音、圖像和視頻方式中的一種或多種方式向穿戴了所述智能鞋墊的用戶提供運(yùn)動(dòng)指導(dǎo)。

根據(jù)一個(gè)優(yōu)選實(shí)施方式，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。

本發(fā)明提供的智能鞋墊的數(shù)據(jù)分析處理方法至少具有如下優(yōu)勢(shì)：

(1)本發(fā)明的數(shù)據(jù)分析處理方法不僅可以基于加速度傳感器采集的生理數(shù)據(jù)計(jì)算用戶的累計(jì)步長(zhǎng)，完成異常數(shù)據(jù)報(bào)警反饋，還能基于加速度傳感器與壓力傳感器的結(jié)合完成用戶運(yùn)動(dòng)姿勢(shì)的評(píng)判與指導(dǎo)。

(2)本發(fā)明的數(shù)據(jù)分析處理方法基于采集和/或計(jì)算的數(shù)據(jù)完成用戶個(gè)人數(shù)據(jù)的更新和/或儲(chǔ)存，并基于個(gè)人數(shù)據(jù)完成預(yù)設(shè)數(shù)據(jù)的更新和/或儲(chǔ)存，通過(guò)不斷對(duì)數(shù)據(jù)進(jìn)行更新和/或儲(chǔ)存，如此不僅可以形成個(gè)性化的數(shù)據(jù)分析處理方法，還能提高分析的精準(zhǔn)度。

(3)本發(fā)明的數(shù)據(jù)分析處理方法計(jì)算用戶的累計(jì)步長(zhǎng)時(shí)，基于用戶的生理數(shù)據(jù)分析用戶的加速度等級(jí)從而獲取用戶的步長(zhǎng)參數(shù)區(qū)間，并利用用戶提供的個(gè)人身體特征來(lái)確定步長(zhǎng)修正參數(shù)從而對(duì)步長(zhǎng)參數(shù)區(qū)間進(jìn)行修正，經(jīng)修正后，可以提高累計(jì)步長(zhǎng)計(jì)算的精準(zhǔn)度，而且本發(fā)明的累計(jì)步長(zhǎng)是將運(yùn)動(dòng)時(shí)間分段后以累計(jì)方式計(jì)算的，如此可避免現(xiàn)有技術(shù)因長(zhǎng)時(shí)間的運(yùn)動(dòng)而造成計(jì)算誤差過(guò)大的缺陷。

附圖說(shuō)明

圖1是本發(fā)明累計(jì)步長(zhǎng)的一個(gè)優(yōu)選實(shí)施方式的計(jì)算流程圖；

圖2是靜止模式時(shí)用戶的生理體征示意圖；

圖3是走路模式時(shí)用戶的生理體征示意圖；

圖4是跑步模式時(shí)用戶的生理體征示意圖；

圖5是抖腿模式時(shí)用戶的生理體征示意圖；

圖6是上樓模式時(shí)用戶的生理體征示意圖；和

圖7是下樓模式時(shí)用戶的生理體征示意圖。

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(shuō)明。

實(shí)施例1

本發(fā)明提供了一種智能鞋墊的數(shù)據(jù)分析處理方法。該分析處理方法是通過(guò)將用戶的運(yùn)動(dòng)模式的分類、用戶在分類的運(yùn)動(dòng)模式時(shí)的步頻數(shù)據(jù)和用戶在分類的運(yùn)動(dòng)模式時(shí)的累計(jì)步長(zhǎng)中的一種或多種與預(yù)設(shè)閾值進(jìn)行比較，根據(jù)比較結(jié)果完成異常數(shù)據(jù)預(yù)觸發(fā)。經(jīng)對(duì)比后出現(xiàn)異常數(shù)據(jù)時(shí)，使用定位儀對(duì)用戶在分類的運(yùn)動(dòng)模式時(shí)的累計(jì)步長(zhǎng)進(jìn)行修正，基于修正結(jié)果判定是否需要執(zhí)行異常數(shù)據(jù)報(bào)警反饋。優(yōu)選地，結(jié)合定位儀修正后的累計(jì)步長(zhǎng)在預(yù)設(shè)閾值之內(nèi)，則不執(zhí)行異常數(shù)據(jù)報(bào)警反饋；結(jié)合定位儀修正后的累計(jì)步長(zhǎng)在預(yù)設(shè)閾值之外，立即執(zhí)行異常數(shù)據(jù)報(bào)警反饋。優(yōu)選地，用戶的運(yùn)動(dòng)模式是基于對(duì)加速度傳感器所采集的生理數(shù)據(jù)反應(yīng)的瞬時(shí)加速度的分析來(lái)進(jìn)行劃分的。圖1示出了本發(fā)明累計(jì)步長(zhǎng)的一個(gè)優(yōu)選實(shí)施方式的計(jì)算流程圖。如圖1所示，累計(jì)步長(zhǎng)是通過(guò)利用分析加速度傳感器所采集的生理數(shù)據(jù)反應(yīng)的瞬時(shí)加速度并基于對(duì)瞬時(shí)加速度進(jìn)行等級(jí)分配而得到用戶的步長(zhǎng)參數(shù)區(qū)間、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(zhǎng)修正參數(shù)以及根據(jù)加速度傳感器所采集的生理數(shù)據(jù)反應(yīng)的瞬時(shí)加速的變化進(jìn)行分段的運(yùn)動(dòng)時(shí)間子長(zhǎng)度三者共同確定的。

本發(fā)明的數(shù)據(jù)分析處理方法基于用戶的運(yùn)動(dòng)模式的分類、用戶的步頻數(shù)據(jù)和用戶的累計(jì)步長(zhǎng)中的一種或多種對(duì)用戶運(yùn)動(dòng)狀態(tài)進(jìn)行監(jiān)測(cè)，用戶在運(yùn)動(dòng)過(guò)程中出現(xiàn)異常時(shí)，使用定位儀對(duì)用戶的累計(jì)步長(zhǎng)進(jìn)行修正以確保數(shù)據(jù)的可靠性，根據(jù)修正結(jié)果確定是否需要向用戶發(fā)出異常數(shù)據(jù)報(bào)警反饋，避免給穿戴了智能鞋墊的用戶造成不可彌補(bǔ)的傷害。另一方面，本發(fā)明的數(shù)據(jù)分析處理方法計(jì)算用戶的累計(jì)步長(zhǎng)時(shí)，基于用戶的生理數(shù)據(jù)分析用戶的加速度等級(jí)從而獲取用戶的步長(zhǎng)參數(shù)區(qū)間，并利用用戶提供的個(gè)人身體特征來(lái)確定步長(zhǎng)修正參數(shù)從而對(duì)步長(zhǎng)參數(shù)區(qū)間進(jìn)行修正，經(jīng)修正后，可以提高累計(jì)步長(zhǎng)計(jì)算的精準(zhǔn)度，而且本發(fā)明的累計(jì)步長(zhǎng)是將運(yùn)動(dòng)時(shí)間分段后以累計(jì)方式計(jì)算的，如此可避免現(xiàn)有技術(shù)因長(zhǎng)時(shí)間的運(yùn)動(dòng)而造成計(jì)算誤差過(guò)大的缺陷。

根據(jù)一個(gè)優(yōu)選實(shí)施方式，在將用戶的運(yùn)動(dòng)模式的分類、用戶在分類的運(yùn)動(dòng)模式時(shí)的步頻數(shù)據(jù)和用戶在分類的運(yùn)動(dòng)模式時(shí)的累計(jì)步長(zhǎng)中的一種或多種與預(yù)設(shè)閾值的比較后出現(xiàn)異常之時(shí)，本發(fā)明的數(shù)據(jù)分析處理方法基于定位儀采集的用戶在數(shù)量有限的分類運(yùn)動(dòng)模式之時(shí)的移動(dòng)距離并利用加權(quán)法對(duì)用戶在數(shù)量有限的分類運(yùn)動(dòng)模式之時(shí)的累計(jì)步長(zhǎng)進(jìn)行修正。優(yōu)選地，定位儀為全球衛(wèi)星導(dǎo)航系統(tǒng)、全球定位系統(tǒng)、北斗衛(wèi)星導(dǎo)航系統(tǒng)、格洛納斯衛(wèi)星導(dǎo)航系統(tǒng)和伽利略衛(wèi)星定位系統(tǒng)中的一種或多種。優(yōu)選地，定位儀采集的移動(dòng)距離與計(jì)算所得的累計(jì)步長(zhǎng)的權(quán)重基于用戶的運(yùn)動(dòng)模式進(jìn)行確定。更進(jìn)一步的，靜止模式、上樓模式和下樓模式中各定位儀采集的移動(dòng)距離的權(quán)重均為0～0.1，計(jì)算所得的累計(jì)步長(zhǎng)的權(quán)重與各定位儀采集的移動(dòng)距離的權(quán)重之和為1。走路模式和跑步模式中定位儀采集的移動(dòng)距離的權(quán)重為0.6～0.9，計(jì)算所得的累計(jì)步長(zhǎng)的權(quán)重與各定位儀采集的移動(dòng)距離的權(quán)重之和為1。

以使用一個(gè)定位儀對(duì)累計(jì)步長(zhǎng)進(jìn)行修正為例，上樓模式時(shí)采集的移動(dòng)距離的權(quán)重均為0.1，則計(jì)算所得的累計(jì)步長(zhǎng)的權(quán)重為0.9。修正后的累計(jì)步長(zhǎng)＝0.1×移動(dòng)距離+0.9×累計(jì)步長(zhǎng)。以使用兩個(gè)定位儀對(duì)累計(jì)步長(zhǎng)進(jìn)行修正為例，上樓模式時(shí)采集的移動(dòng)距離的權(quán)重均為0.1，則計(jì)算所得的累計(jì)步長(zhǎng)的權(quán)重為0.8。修正后的累計(jì)步長(zhǎng)＝0.1×第一移動(dòng)距離+0.1×第二移動(dòng)距離+0.8×累計(jì)步長(zhǎng)。其余運(yùn)動(dòng)模式的計(jì)算方式與此相同。本發(fā)明的數(shù)據(jù)分析處理方法采用加權(quán)法對(duì)用戶的累計(jì)步長(zhǎng)進(jìn)行修正，可提高累計(jì)步長(zhǎng)計(jì)算的精準(zhǔn)度，避免因計(jì)算誤差而造成異常數(shù)據(jù)報(bào)警反饋出錯(cuò)的現(xiàn)象，另外，本發(fā)明的數(shù)據(jù)分析處理方法依據(jù)用戶的運(yùn)動(dòng)模式的不同而確定不同的權(quán)重參數(shù)，如此可進(jìn)一步提高修正結(jié)果的準(zhǔn)確性。

根據(jù)一個(gè)優(yōu)選實(shí)施方式，異常數(shù)據(jù)報(bào)警反饋根據(jù)用戶的運(yùn)動(dòng)模式的分類、用戶在分類的運(yùn)動(dòng)模式時(shí)的步頻數(shù)據(jù)和用戶在分類的運(yùn)動(dòng)模式時(shí)的累計(jì)步長(zhǎng)中的一種或多種與預(yù)設(shè)閾值的比較結(jié)果而進(jìn)行有限等級(jí)的劃分。不同等級(jí)的異常數(shù)據(jù)報(bào)警反饋以有差異的方式向穿戴了智能鞋墊的用戶發(fā)出報(bào)警反饋。優(yōu)選地，異常數(shù)據(jù)報(bào)警反饋劃分為速度過(guò)快、放慢速度和需要休息三個(gè)等級(jí)。異常數(shù)據(jù)報(bào)警反饋的等級(jí)劃分不限于此，還可以是其余的劃分形式。優(yōu)選地，異常數(shù)據(jù)報(bào)警反饋以震動(dòng)和/或蜂鳴的形式提醒穿戴了智能鞋墊的用戶。優(yōu)選的，異常數(shù)據(jù)報(bào)警反饋依據(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，以便穿戴了智能鞋墊的用戶能夠根據(jù)異常數(shù)據(jù)報(bào)警反饋的形式及時(shí)對(duì)自身運(yùn)動(dòng)做出調(diào)整。

根據(jù)一個(gè)優(yōu)選實(shí)施方式，智能鞋墊內(nèi)放置有震動(dòng)傳感器裝置。震動(dòng)傳感器裝置根據(jù)異常數(shù)據(jù)報(bào)警反饋等級(jí)的不同進(jìn)行不同頻率的震動(dòng)。當(dāng)智能鞋墊與移動(dòng)設(shè)備連接時(shí)，移動(dòng)設(shè)備將根據(jù)不同的異常數(shù)據(jù)報(bào)警反饋的等級(jí)對(duì)用戶進(jìn)行語(yǔ)音提醒和/或震動(dòng)提醒。例如，以成年男子身高1.7m，體重65kg處于跑步模式為例，當(dāng)步頻一段時(shí)間(10min)內(nèi)處于一定頻率(200次)以上時(shí)，對(duì)其發(fā)出3級(jí)警報(bào)(速度過(guò)快)。當(dāng)步頻處于180次時(shí)，并且維持這一步頻運(yùn)動(dòng)時(shí)間超過(guò)設(shè)定值(30min)，將對(duì)其發(fā)出二級(jí)警報(bào)(放慢速度)。當(dāng)用戶步頻在某一閾值(160次)以上的時(shí)間累積到一定時(shí)(2h)，對(duì)其發(fā)出一級(jí)警報(bào)(需要休息)。

根據(jù)一個(gè)優(yōu)選實(shí)施方式，本發(fā)明的數(shù)據(jù)分析處理方法利用對(duì)比分析化法對(duì)加速度傳感器所采集的生理數(shù)據(jù)反應(yīng)的瞬時(shí)加速度進(jìn)行分類。優(yōu)選地，本發(fā)明的數(shù)據(jù)分析處理方法基于利用對(duì)比分析化法對(duì)加速度傳感器所采集的生理數(shù)據(jù)反應(yīng)的瞬時(shí)加速度的分析將穿戴了智能鞋墊的用戶的運(yùn)動(dòng)模式初步劃分至靜止模式、走路模式、跑步模式、上樓模式或下樓模式。運(yùn)動(dòng)模式的劃分不限于此，還可以是其他的表現(xiàn)形式。本發(fā)明的數(shù)據(jù)分析處理方法基于穿戴了智能鞋墊的用戶提供的個(gè)人身體特征并結(jié)合用戶的運(yùn)動(dòng)模式來(lái)確定用戶的參考加速度，基于參考加速度將加速度傳感器所采集的生理數(shù)據(jù)反應(yīng)的瞬時(shí)加速度重新歸類至靜止模式、走路模式、跑步模式、上樓模式和下樓模式中的一種模式或多種模式。本發(fā)明的數(shù)據(jù)處理方法基于計(jì)算的參考加速度對(duì)用戶的運(yùn)動(dòng)模式進(jìn)行重新歸類，避免了僅依靠對(duì)比分析法對(duì)加速度傳感器所采集的生理數(shù)據(jù)反應(yīng)的瞬時(shí)加速度進(jìn)行分類所造成的分類錯(cuò)誤。

根據(jù)一個(gè)優(yōu)選實(shí)施方式，本發(fā)明的數(shù)據(jù)分析處理方法還結(jié)合利用三軸加速度傳感器采集穿戴了所述智能鞋墊的用戶在x軸、y軸和/或z軸方向上的生理數(shù)據(jù)并基于所述用戶在x軸、y軸和/或z軸上的生理數(shù)據(jù)所反應(yīng)的峰谷差值、生理數(shù)據(jù)的變化趨勢(shì)以及波峰和/或波谷數(shù)量之間的關(guān)系中的一項(xiàng)或多項(xiàng)與預(yù)設(shè)閾值的比較結(jié)果來(lái)驗(yàn)證基于所述參考加速度對(duì)所述加速度傳感器所采集的生理數(shù)據(jù)反應(yīng)的瞬時(shí)加速度進(jìn)行的重新歸類。本發(fā)明還結(jié)合三軸加速度傳感器采集的生理數(shù)據(jù)對(duì)基于參考加速度對(duì)加速度傳感器所采集的生理數(shù)據(jù)反應(yīng)的瞬時(shí)加速度進(jìn)行的重新歸類進(jìn)行驗(yàn)證，再次提高用戶運(yùn)動(dòng)模式分類的準(zhǔn)確度。

根據(jù)一個(gè)優(yōu)選實(shí)施方式，本發(fā)明的數(shù)據(jù)分析處理方法基于穿戴了智能鞋墊的用戶提供的個(gè)人身體特征來(lái)確定用戶的統(tǒng)計(jì)學(xué)性質(zhì)的步長(zhǎng)修正參數(shù)。利用分析加速度傳感器所采集的生理數(shù)據(jù)反應(yīng)的瞬時(shí)加速度并基于對(duì)瞬時(shí)加速度進(jìn)行等級(jí)分配而得到的用戶步長(zhǎng)參數(shù)區(qū)間來(lái)確定用戶的實(shí)際步長(zhǎng)參數(shù)區(qū)間。用戶的統(tǒng)計(jì)學(xué)性質(zhì)的步長(zhǎng)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(lái)調(diào)整得到的，并且數(shù)據(jù)分析處理方法利用調(diào)整后的步長(zhǎng)修正參數(shù)來(lái)確定用戶的實(shí)際步長(zhǎng)參數(shù)區(qū)間。優(yōu)選地，基于對(duì)瞬時(shí)加速度進(jìn)行等級(jí)分配而得到的用戶步長(zhǎng)參數(shù)區(qū)間是基于統(tǒng)計(jì)學(xué)的原理分析出的。即預(yù)先通過(guò)對(duì)不同運(yùn)動(dòng)模式時(shí)的大量人群進(jìn)行統(tǒng)計(jì)，例如統(tǒng)計(jì)人數(shù)為1000人以上，確定瞬時(shí)加速度與用戶的步長(zhǎng)參數(shù)區(qū)間的關(guān)系。優(yōu)選地，統(tǒng)計(jì)學(xué)性質(zhì)的步長(zhǎng)修正參數(shù)也是基于統(tǒng)計(jì)學(xué)的原理分析出的。即預(yù)先通過(guò)對(duì)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(zhǎng)修正參數(shù)與不同身體狀況的關(guān)系。

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(zhǎng)修正參數(shù)為1.5～1.7。對(duì)用戶進(jìn)行加速度分級(jí)，得到的步長(zhǎng)參數(shù)θ在[0.353m，0.824m]區(qū)間內(nèi)，將θ乘以用戶步長(zhǎng)修正參數(shù)，即可得到步長(zhǎng)范圍[0.53m，1.40m]。再將不同的步長(zhǎng)乘以對(duì)應(yīng)的加速度等級(jí)的時(shí)間區(qū)間并相加，即可得到用戶的累計(jì)步長(zhǎng)。當(dāng)指定步長(zhǎng)修正參數(shù)是按照與體重有關(guān)的方式來(lái)獲得的，將θ乘以用戶體重轉(zhuǎn)換為的步長(zhǎng)修正參數(shù)(1.4～1.6)，即可得到步長(zhǎng)范圍[0.49m，1.32m]。再將不同的步長(zhǎng)乘以對(duì)應(yīng)的加速度等級(jí)的時(shí)間區(qū)間并相加，即可得到用戶的累計(jì)步長(zhǎng)。

根據(jù)一個(gè)優(yōu)選實(shí)施方式，本發(fā)明的數(shù)據(jù)分析處理方法還包括利用穿戴了智能鞋墊的用戶提供的個(gè)人身體特征來(lái)確定的用戶的統(tǒng)計(jì)學(xué)性質(zhì)的步長(zhǎng)修正參數(shù)對(duì)利用分析加速度傳感器所采集的生理數(shù)據(jù)反應(yīng)的瞬時(shí)加速度并基于對(duì)瞬時(shí)加速度進(jìn)行等級(jí)分配而得到的用戶步長(zhǎng)參數(shù)區(qū)間的修正來(lái)完成用戶數(shù)據(jù)的更新和/或存儲(chǔ)，并且基于用戶數(shù)據(jù)的更新和/或存儲(chǔ)完成數(shù)據(jù)分析處理方法中預(yù)設(shè)數(shù)據(jù)的更新和/或存儲(chǔ)。優(yōu)選地，預(yù)設(shè)數(shù)據(jù)為加速度傳感器所采集的生理數(shù)據(jù)反應(yīng)的瞬時(shí)加速度并基于對(duì)瞬時(shí)加速度進(jìn)行等級(jí)分配而得到用戶的步長(zhǎng)參數(shù)區(qū)間、基于穿戴了智能鞋墊的用戶提供的個(gè)人身體特征來(lái)確定用戶的統(tǒng)計(jì)學(xué)性質(zhì)的步長(zhǎng)修正參數(shù)、識(shí)別用戶運(yùn)動(dòng)模式時(shí)采用的峰谷差值、生理數(shù)據(jù)的變化趨勢(shì)以及波峰和/或波谷數(shù)量之間的關(guān)系、進(jìn)行異常數(shù)據(jù)報(bào)警反饋時(shí)采用的累計(jì)步長(zhǎng)預(yù)設(shè)閾值和預(yù)設(shè)步頻中的一種或多種。進(jìn)行更新和/或存儲(chǔ)的預(yù)設(shè)數(shù)據(jù)不限于此，還可以是數(shù)據(jù)分析處理過(guò)程中的其余數(shù)據(jù)。本發(fā)明基于采集和/或計(jì)算的數(shù)據(jù)完成用戶個(gè)人數(shù)據(jù)的更新和/或存儲(chǔ)，并基于個(gè)人數(shù)據(jù)的更新和/或存儲(chǔ)完成預(yù)設(shè)數(shù)據(jù)的更新和/或存儲(chǔ)，通過(guò)不斷對(duì)數(shù)據(jù)進(jìn)行更新和/或存儲(chǔ)，如此不僅可以形成個(gè)性化的數(shù)據(jù)分析處理方法，還能提高分析的精準(zhǔn)度。

根據(jù)一個(gè)優(yōu)選實(shí)施方式，數(shù)據(jù)分析處理方法將用戶在數(shù)量有限的分類運(yùn)動(dòng)模式之時(shí)的運(yùn)動(dòng)時(shí)間長(zhǎng)度根據(jù)加速度傳感器所采集的生理數(shù)據(jù)反應(yīng)的瞬時(shí)加速度的變化進(jìn)行分段。分段后的運(yùn)動(dòng)時(shí)間子長(zhǎng)度按照與之相應(yīng)的加速度相關(guān)的方式進(jìn)行存儲(chǔ)。數(shù)據(jù)分析處理方法通過(guò)計(jì)算由運(yùn)動(dòng)時(shí)間子長(zhǎng)度構(gòu)成的總運(yùn)動(dòng)時(shí)間長(zhǎng)度內(nèi)的移動(dòng)距離以獲得用戶在數(shù)量有限的分類運(yùn)動(dòng)模式之時(shí)的累計(jì)步長(zhǎng)。本發(fā)明將運(yùn)動(dòng)時(shí)間子長(zhǎng)度與之相應(yīng)的加速度相關(guān)的方式存儲(chǔ)，在計(jì)算用戶的累計(jì)步長(zhǎng)時(shí)，能夠確保時(shí)間與加速度之間對(duì)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(zhǎng)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(guò)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(guò)高的缺陷。

根據(jù)一個(gè)優(yōu)選實(shí)施方式，本發(fā)明的數(shù)據(jù)分析處理方法通過(guò)利用分析加速度傳感器所采集的生理數(shù)據(jù)反應(yīng)的瞬時(shí)加速度并基于對(duì)瞬時(shí)加速度進(jìn)行等級(jí)分配而得到用戶的步長(zhǎng)參數(shù)區(qū)間、穿戴了智能鞋墊的用戶所指定與個(gè)人身體特征中的至少一項(xiàng)相關(guān)而得到的用戶的步長(zhǎng)修正參數(shù)以及根據(jù)加速度傳感器所采集的生理數(shù)據(jù)反應(yīng)的瞬時(shí)加速的變化進(jìn)行分段的運(yùn)動(dòng)時(shí)間子長(zhǎng)度以累計(jì)方式來(lái)確定用戶的累計(jì)步長(zhǎng)。優(yōu)選地，用戶的累計(jì)步長(zhǎng)通過(guò)如下公式計(jì)算：其中，l為用戶在t時(shí)間內(nèi)的累計(jì)步長(zhǎng)，θ為步長(zhǎng)參數(shù)區(qū)間，h為步長(zhǎng)修正參數(shù)，ti為不同加速度等級(jí)所處的時(shí)間區(qū)間。優(yōu)選地，用戶處于靜止模式和/或抖腿模式時(shí)，不對(duì)用戶進(jìn)行累計(jì)步長(zhǎng)計(jì)算，從而可進(jìn)一步提高累計(jì)步長(zhǎng)計(jì)算的準(zhǔn)確度。

根據(jù)一個(gè)優(yōu)選實(shí)施方式，本發(fā)明的數(shù)據(jù)分析處理方法還包括利用分析壓力傳感器所采集的用戶在在數(shù)量有限的分類運(yùn)動(dòng)模式中腳掌的壓力變化趨勢(shì)并結(jié)合利用對(duì)比分析的方法將加速度傳感器所采集的生理數(shù)據(jù)反應(yīng)的瞬時(shí)加速度的數(shù)值劃分的運(yùn)動(dòng)模式給出用戶在數(shù)量有限的分類運(yùn)動(dòng)模式中的運(yùn)動(dòng)姿勢(shì)評(píng)判。在用戶在數(shù)量有限的分類運(yùn)動(dòng)模式中的運(yùn)動(dòng)姿勢(shì)出現(xiàn)偏差時(shí)以文字、語(yǔ)音、圖像和視頻方式中的一種或多種方式向穿戴了智能鞋墊的用戶提供運(yùn)動(dòng)指導(dǎo)。壓力傳感器和三軸加速度傳感器通過(guò)如下方式對(duì)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(guò)壓力傳感器，可以對(duì)用戶前后腳掌的壓力變化進(jìn)行記錄。用戶在運(yùn)動(dòng)過(guò)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(shì)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模式時(shí)的數(shù)據(jù)，再對(duì)前后腳掌次數(shù)進(jìn)行統(tǒng)計(jì)，并將數(shù)據(jù)與系統(tǒng)預(yù)先存儲(chǔ)的標(biāo)準(zhǔn)數(shù)據(jù)進(jìn)行對(duì)比分析，給出運(yùn)動(dòng)姿勢(shì)評(píng)判，從而對(duì)用戶提出運(yùn)動(dòng)指導(dǎo)。優(yōu)選地，在用戶出現(xiàn)不規(guī)范運(yùn)動(dòng)姿勢(shì)時(shí)，向用戶做出運(yùn)動(dòng)指導(dǎo)。本發(fā)明結(jié)合壓力傳感器對(duì)用戶的運(yùn)動(dòng)姿勢(shì)做出評(píng)判以及指導(dǎo)，提高用戶運(yùn)動(dòng)方式的規(guī)范性。

實(shí)施例2

本實(shí)施例是對(duì)實(shí)施例1的進(jìn)一步改進(jìn)，僅對(duì)改進(jìn)的部分進(jìn)行說(shuō)明。

根據(jù)一個(gè)優(yōu)選實(shí)施方式，本實(shí)施例基于利用對(duì)比分析化法對(duì)加速度傳感器所采集的生理數(shù)據(jù)反應(yīng)的瞬時(shí)加速度的分析將穿戴了智能鞋墊的用戶的運(yùn)動(dòng)模式初步劃分至靜止模式、走路模式、跑步模式、上樓模式或下樓模式。本實(shí)施例還基于穿戴了智能鞋墊的用戶提供的個(gè)人身體特征來(lái)確定用戶的參考加速度并基于參考加速度將加速度傳感器所采集的生理數(shù)據(jù)反應(yīng)的瞬時(shí)加速度重新歸類至靜止模式、走路模式、跑步模式、上樓模式和下樓模式中的一種模式或多種模式。進(jìn)一步地，本實(shí)施例還結(jié)合利用三軸加速度傳感器采集穿戴了智能鞋墊的用戶在x軸、y軸和/或z軸方向上的生理數(shù)據(jù)并基于用戶在x軸、y軸和/或z軸上的生理數(shù)據(jù)所反應(yīng)的峰谷差值、生理數(shù)據(jù)的變化趨勢(shì)以及波峰和/或波谷數(shù)量之間的關(guān)系中的一項(xiàng)或多項(xiàng)與預(yù)設(shè)閾值的比較結(jié)果來(lái)驗(yàn)證基于參考加速度對(duì)加速度傳感器所采集的生理數(shù)據(jù)反應(yīng)的瞬時(shí)加速度進(jìn)行的重新歸類。

本實(shí)施例基于計(jì)算的參考加速度對(duì)用戶的運(yùn)動(dòng)模式進(jìn)行重新歸類，避免了僅依靠對(duì)比分析法對(duì)加速度傳感器所采集的生理數(shù)據(jù)反應(yīng)的瞬時(shí)加速度進(jìn)行分類所造成的分類錯(cuò)誤。本實(shí)施例還結(jié)合三軸加速度傳感器采集的生理數(shù)據(jù)對(duì)基于參考加速度對(duì)加速度傳感器所采集的生理數(shù)據(jù)反應(yīng)的瞬時(shí)加速度進(jìn)行的重新歸類進(jìn)行驗(yàn)證，再次提高用戶運(yùn)動(dòng)模式分類的準(zhǔn)確度。因此，本實(shí)施例提供的方法對(duì)運(yùn)動(dòng)模式進(jìn)行了兩次驗(yàn)證，大大提供了用戶運(yùn)動(dòng)模式分類的準(zhǔn)確度。

根據(jù)一個(gè)優(yōu)選實(shí)施方式，本實(shí)施例將加速度傳感器所采集的生理數(shù)據(jù)反應(yīng)的瞬時(shí)加速度進(jìn)行對(duì)比分析，找出瞬時(shí)加速度的變化規(guī)律，從而識(shí)別出用戶的運(yùn)動(dòng)模式。優(yōu)選地，靜止模式時(shí)的加速度為零，不變化。走路模式時(shí)的瞬時(shí)加速幾乎為0，會(huì)有微小變化。跑步模式時(shí)的瞬時(shí)加速度較大，而且變化幅度也最大。上樓模式時(shí)的加速度會(huì)有微小變化，呈逐漸減小的趨勢(shì)。下樓模式時(shí)的加速度變化幅度大于上樓模式時(shí)的瞬時(shí)加速度變化，呈逐漸增大的趨勢(shì)。本實(shí)施例基于穿戴了智能鞋墊的用戶提供的個(gè)人身體特征來(lái)確定用戶的在初步分類的運(yùn)動(dòng)模式中的參考加速度，基于參考加速度將加速度傳感器所采集的生理數(shù)據(jù)反應(yīng)的瞬時(shí)加速度重新歸類至靜止模式、走路模式、跑步模式、上樓模式和下樓模式中的一種模式或多種模式。在對(duì)用戶的運(yùn)動(dòng)模式初步分類時(shí)，常會(huì)由于各種因素造成分類不準(zhǔn)確，通過(guò)用戶在不同運(yùn)動(dòng)模式時(shí)的參考加速度對(duì)用戶的運(yùn)動(dòng)模式進(jìn)行重新歸類，可以提高用戶運(yùn)動(dòng)模式分類的準(zhǔn)確度。

根據(jù)一個(gè)優(yōu)選實(shí)施方式，本實(shí)施例還提供了基于參考加速度對(duì)加速度傳感器所采集的生理數(shù)據(jù)反應(yīng)的瞬時(shí)加速度進(jìn)行的重新歸類驗(yàn)證的方法。優(yōu)選地，本實(shí)施例基于如下方式驗(yàn)證用戶的運(yùn)動(dòng)模式：當(dāng)用戶長(zhǎng)時(shí)間處于較低幅值時(shí)，判定用戶處于靜止模式。當(dāng)用戶步頻低于預(yù)設(shè)閾值時(shí)，判定用戶處于走路模式。當(dāng)用戶步頻高于預(yù)設(shè)閾值時(shí)，判定用戶處于跑步模式。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)，判定用戶處于抖腿模式。當(dāng)用戶生理信號(hào)與預(yù)設(shè)信號(hào)相符時(shí)，判定用戶處于上樓模式。當(dāng)用戶的y軸幅值低于正常值時(shí)，判定用戶處于下樓模式。

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(wú)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(duì)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(duì)應(yīng)的真實(shí)加速度為－4g～+4g。

根據(jù)一個(gè)優(yōu)選實(shí)施方式，采用濾波器對(duì)三軸加速傳感器采集到的信號(hào)進(jìn)行預(yù)處理。優(yōu)選地，采用高斯濾波器對(duì)信號(hào)進(jìn)行去噪聲處理。用ax(t)、ay(t)、az(t)分別表示t時(shí)刻x軸、y軸、z軸的加速度信號(hào)，記a(t)＝[ax(t)，ay(t)，az(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(duì)信號(hào)進(jìn)行去噪聲處理后，能夠有效排除干擾信號(hào)的影響。

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

其中，ax(t)、ay(t)、az(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(cè)得的數(shù)據(jù)。通過(guò)對(duì)三軸加速傳感器采集到的信號(hào)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(duì)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(jiǎn)化計(jì)步難度，本實(shí)施例也可以僅使用x坐標(biāo)軸來(lái)計(jì)步。使用x軸、y軸和/或z軸來(lái)識(shí)別用戶的運(yùn)動(dòng)模式。例如，上樓和下樓模式中使用z軸進(jìn)行判斷，但在計(jì)步過(guò)程中，僅對(duì)x軸進(jìn)行去噪聲處理，然后通過(guò)x軸反應(yīng)的加速度進(jìn)行計(jì)步計(jì)算。優(yōu)選地，對(duì)x軸進(jìn)行去噪聲處理也可以使用簡(jiǎn)單的高斯濾波。

結(jié)合三軸加速度傳感器采集的用戶生理數(shù)據(jù)進(jìn)行說(shuō)明。圖2～圖7示出了用戶處于不同模式時(shí)的生理特征示意圖。優(yōu)選地，本實(shí)施例基于波形識(shí)別用戶的運(yùn)動(dòng)模式，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。

圖2示出了用戶處于靜止模式時(shí)的生理體征示意圖。如圖2所示，用戶在x軸、y軸和/或z軸的幅值在長(zhǎng)時(shí)間波動(dòng)范圍較小時(shí)，判定用戶處于靜止模式。優(yōu)選地，所述長(zhǎng)時(shí)間至少為5s?；蛘撸脩粼趚軸、y軸和/或z軸的幅值未出現(xiàn)明顯的波峰和/或波谷，判定用戶處于靜止模式。如圖2所示，x軸、y軸和/或z軸的幅值沒(méi)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模式。該種判斷方式簡(jiǎn)單直觀。

圖3示出了用戶處于走路模式時(shí)的生理體征示意圖。如圖3所示，用戶在x軸、y軸和z軸的步頻在長(zhǎng)時(shí)間均低于預(yù)先設(shè)定閾值時(shí)，判定用戶處于走路模式。優(yōu)選地，所述長(zhǎng)時(shí)間至少為5s。所述預(yù)先設(shè)定的閾值為1hz。優(yōu)選地，步頻為基于采集的用戶生理數(shù)據(jù)計(jì)算的?；蛘撸脩粼趚軸、y軸和/或z軸的波形與預(yù)設(shè)波形相符時(shí)，判定用戶處于走路模式。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3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模式。該種判斷方式簡(jiǎn)單直觀。

圖4示出了用戶處于跑步模式時(shí)的生理體征示意圖。如圖4所示，用戶在x軸、y軸和/或z軸的步頻在長(zhǎng)時(shí)間均高于預(yù)先設(shè)定閾值時(shí)，判定用戶處于跑步模式。優(yōu)選地，所述長(zhǎng)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，步頻為基于采集的用戶生理數(shù)據(jù)計(jì)算的?；蛘?，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(guò)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)，判定用戶處于跑步模式。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5示出了用戶處于抖腿模式時(shí)的生理體征示意圖。如圖5所示，用戶在x軸、y軸和/或z軸的峰谷差值在長(zhǎng)時(shí)間均低于走路模式和/或跑步模式產(chǎn)生的峰谷差值的0.5倍時(shí)，判定用戶處于抖腿模式。優(yōu)選地，所述長(zhǎng)時(shí)間至少為5s。以z軸為例，圖4所示的跑步模式時(shí)的z軸的峰谷差值為50000，圖4所示的z軸的峰谷差值為17000，低于跑步模式時(shí)峰谷差值的50％，因此判定圖5所示的用戶處于抖腿模式。x軸和y軸的峰谷差值采用與z軸相同的計(jì)算方法。

圖6示出了用戶處于上樓模式時(shí)的生理體征示意圖。如圖6所示，用戶在x軸、y軸和/或z軸的波形與預(yù)設(shè)波形相符時(shí)，判定用戶處于上樓模式。優(yōu)選地，所述預(yù)設(shè)波形為在z軸呈現(xiàn)雙波峰。如圖6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模式。該種判斷方式簡(jiǎn)單直觀。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(guò)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)，判定用戶處于下樓模式。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7示出了用戶處于下樓模式時(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)，判定用戶處于下樓模式。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模式時(shí)的數(shù)值。優(yōu)選地，所說(shuō)的幅值平均值是指所有數(shù)據(jù)取絕對(duì)值，再進(jìn)行相加并除以總時(shí)間得到的?；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(guò)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)，判定用戶處于下樓模式。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(shuō)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(guò)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(duì)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(cè)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(changeofsvm)，計(jì)算公式如下：

csvm＝ap(t)－av(t－k)

其中，ap(t)為t采樣時(shí)刻波峰值，av(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＞0.2gn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(wú)效擾動(dòng)。

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(kāi)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(kāi)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(shuō)明書(shū)及其附圖均為說(shuō)明性而并非構(gòu)成對(duì)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。