亚洲成年人黄色一级片,日本香港三级亚洲三级,黄色成人小视频,国产青草视频,国产一区二区久久精品,91在线免费公开视频,成年轻人网站色直接看

一種運動狀態(tài)檢測方法及裝置與流程

文檔序號:12088693閱讀:387來源:國知局
一種運動狀態(tài)檢測方法及裝置與流程

本發(fā)明屬于運動狀態(tài)檢測技術(shù)領(lǐng)域,具體地說,是涉及一種運動狀態(tài)檢測方法及裝置。



背景技術(shù):

消費類電子產(chǎn)品中,穿戴類產(chǎn)品的發(fā)展日新月異,成為拉動消費類電子產(chǎn)品增長的一個重要增長點;智能手環(huán)/手表是穿戴類電子產(chǎn)品的一個重要組成部分,發(fā)展也是尤其迅速的。

智能手環(huán)/手表通過內(nèi)置加速度傳感器來識別佩戴者的運動狀態(tài),分析佩戴者的健康狀況等。但是目前對運動狀態(tài)的識別方法準確率比較低,嚴重影響用戶的使用體驗。



技術(shù)實現(xiàn)要素:

本發(fā)明提供了一種運動狀態(tài)檢測方法,提高了運動狀態(tài)識別準確率。

為解決上述技術(shù)問題,本發(fā)明采用下述技術(shù)方案予以實現(xiàn):

一種運動狀態(tài)檢測方法,所述方法包括:

通過三軸加速度傳感器采集加速度數(shù)據(jù);

對采集到的加速度數(shù)據(jù)進行低通濾波,獲得重力加速度數(shù)據(jù);

對采集到的加速度數(shù)據(jù)進行高通濾波,獲得運動加速度數(shù)據(jù);

獲取重力敏感軸;

選取該重力敏感軸上的運動加速度數(shù)據(jù),進行傅里葉變換;

根據(jù)傅里葉變換結(jié)果的頻率和幅值進行運動狀態(tài)的識別。

進一步的,所述獲取重力敏感軸,具體包括:

獲取重力加速度數(shù)據(jù)的x、y、z三軸數(shù)據(jù);

分別計算x軸、y軸、z軸的數(shù)據(jù)累加和;

選擇累加和最大值對應(yīng)的軸為重力敏感軸。

又進一步的,對重力敏感軸上的運動加速度數(shù)據(jù)進行64點傅里葉變換。

更進一步,所述根據(jù)傅里葉變換結(jié)果的頻率和幅值進行運動狀態(tài)的識別,具體包括:

(1)在F<0.5Hz時,若A≤360,則運動狀態(tài)為靜止/睡眠;

(2)在2Hz≥F>0.5Hz時,若A≥360,則運動狀態(tài)為走路;

(3)在4Hz≥F>2Hz時,

若A≥3400,則運動狀態(tài)為跑步;

若3400>A≥360,則運動狀態(tài)為走路;

(4)在5.5Hz≥F>4Hz時,若A≥3400,則運動狀態(tài)為跑步;

其中,F(xiàn)為頻率,A為最大幅值。

再進一步的,(1)在2Hz≥F>0.5Hz時,

若A≥1800,則運動狀態(tài)為快走;

若1800>A≥360,則運動狀態(tài)為慢走;

(2)在4Hz≥F>2Hz時,

若3400>A≥1800,則運動狀態(tài)為走路;

若1800>A≥360,則運動狀態(tài)為慢走。

優(yōu)選的,如果運動狀態(tài)為走路或跑步,則根據(jù)運動加速度數(shù)據(jù)的峰-峰值或谷-谷值確定走路或跑步的步數(shù)。

進一步的,如果運動狀態(tài)為靜止/睡眠,則根據(jù)運動強度判斷靜止/睡眠狀態(tài):靜止狀態(tài)、嘗試睡眠狀態(tài)、淺度睡眠狀態(tài)、深度睡眠狀態(tài)。

又進一步的,所述根據(jù)運動強度判斷靜止/睡眠狀態(tài),具體包括:

(1)根據(jù)最大幅值A(chǔ)判斷運動強度:

若A<第一設(shè)定值,則運動強度為低運動強度;

若第一設(shè)定值≤A<第二設(shè)定值,則運動強度為中運動強度;

若A≥第二設(shè)定值,則運動強度為高運動強度;

其中,第一設(shè)定值和第二設(shè)定值表示運動強度的判斷閾值,并且第一設(shè)定值小于第二設(shè)定值;

(2)根據(jù)低運動強度和中運動強度的占比判斷靜止/睡眠狀態(tài):

在設(shè)定時間段內(nèi):

若中運動強度占比大于15%,則為靜止狀態(tài);

若低運動強度占比小于85%,則為嘗試睡眠狀態(tài);

若低運動強度占比為85%~90%,則為淺度睡眠狀態(tài);

若低運動強度占比大于90%,則為深度睡眠狀態(tài)。

一種運動狀態(tài)檢測裝置,所述裝置包括:三軸加速度傳感器,用于采集加速度數(shù)據(jù);低通濾波器,用于對采集到的加速度數(shù)據(jù)進行低通濾波,獲得重力加速度數(shù)據(jù);高通濾波器,用于對采集到的加速度數(shù)據(jù)進行高通濾波,獲得運動加速度數(shù)據(jù);重力敏感軸獲取模塊,用于獲取重力敏感軸;數(shù)據(jù)變換模塊,用于對重力敏感軸上的運動加速度數(shù)據(jù)進行傅里葉變換;識別模塊,用于根據(jù)傅里葉變換結(jié)果的頻率和幅值進行運動狀態(tài)的識別。

進一步的,所述重力敏感軸獲取模塊包括:數(shù)據(jù)選取單元,用于獲取重力加速度數(shù)據(jù)的x、y、z三軸數(shù)據(jù);計算單元,用于計算x軸、y軸、z軸的數(shù)據(jù)累加和;判斷單元,用于選擇累加和最大值對應(yīng)的軸為重力敏感軸。

與現(xiàn)有技術(shù)相比,本發(fā)明的優(yōu)點和積極效果是:本發(fā)明的運動狀態(tài)檢測方法及裝置,對加速度數(shù)據(jù)進行低通濾波獲得重力加速度數(shù)據(jù),對加速度數(shù)據(jù)進行高通濾波獲得運動加速度數(shù)據(jù),選取重力敏感軸上的運動加速度數(shù)據(jù)進行傅里葉變換,根據(jù)傅里葉變換結(jié)果的頻率和幅值進行運動狀態(tài)的識別,識別準確率高;而且,由于只選取重力敏感軸上的運動加速度數(shù)據(jù)進行傅里葉變換,提高了數(shù)據(jù)處理速度,進而提高了整個運動檢測方法的檢測效率,便于佩戴者準確、快速地獲知運動狀態(tài),提高了用戶的使用體驗。

結(jié)合附圖閱讀本發(fā)明的具體實施方式后,本發(fā)明的其他特點和優(yōu)點將變得更加清楚。

附圖說明

圖1是本發(fā)明提出的運動狀態(tài)檢測方法的一個實施例的流程圖;

圖2是圖1中獲取重力敏感軸的流程圖;

圖3是圖1中根據(jù)運動強度判斷靜止/睡眠狀態(tài)的流程圖;

圖4是本發(fā)明提出的運動狀態(tài)檢測裝置的一個實施例的結(jié)構(gòu)示意圖;

圖5是圖4中重力敏感軸獲取模塊的結(jié)構(gòu)示意圖。

具體實施方式

為了使本發(fā)明的目的、技術(shù)方案及優(yōu)點更加清楚明白,以下將結(jié)合附圖和實施例,對本發(fā)明作進一步詳細說明。

本實施例的運動狀態(tài)檢測方法主要包括下述步驟,參見圖1所示。

步驟S1:通過三軸加速度傳感器采集加速度數(shù)據(jù)。

在本實施例中,三軸加速度傳感器的采集頻率為25Hz,采樣位數(shù)為12位,量程為±8G。

步驟S2:對采集到的加速度數(shù)據(jù)進行低通濾波,獲得重力加速度數(shù)據(jù);對采集到的加速度數(shù)據(jù)進行高通濾波,獲得運動加速度數(shù)據(jù)。

重力加速度的頻率集中在0~0.5Hz,運動加速度的頻率集中在1Hz以上。使用差分方程來實現(xiàn)數(shù)字濾波器。根據(jù)重力加速度和運動加速度的頻率特性分別設(shè)計低通濾波器參數(shù)和高通濾波器參數(shù)。在本實施例中,低通濾波器的階數(shù)為5,高通濾波器的階數(shù)為5。

五階差分方程為:

其中,

x(n)、x(n-1)、x(n-2)、x(n-3)、x(n-4)、x(n-5)為輸入;

y(n)、y(n-1)、y(n-2)、y(n-3)、y(n-4)、y(n-5)為輸出;

x(n)、y(n)分別為當前時刻的輸入和輸出;

x(n-1)、y(n-1)分別為n-1時刻的輸入和輸出;

x(n-2)、y(n-2)分別為n-2時刻的輸入和輸出;

x(n-3)、y(n-3)分別為n-3時刻的輸入和輸出;

x(n-4)、y(n-4)分別為n-4時刻的輸入和輸出;

x(n-5)、y(n-5)分別為n-5時刻的輸入和輸出;

b0、b1、b2、b3、b4、b5分別為x(n)、x(n-1)、x(n-2)、x(n-3)、x(n-4)、x(n-5)的系數(shù);a0、a1、a2、a3、a4、a5分別為y(n)、y(n-1)、y(n-2)、y(n-3)、y(n-4)、y(n-5)的系數(shù);根據(jù)濾波器的特性,可通過matlab求解出。

例如,根據(jù)低通濾波器的特性,通過matlab求解出各系數(shù):b0、b1、b2、b3、b4、b5分別為0.005697260391747、-0.015373021668546、0.009787689699089、0.009787689699089、-0.015373021668546、0.005697260391747;a0、a1、a2、a3、a4、a5分別為1.000000000000000、-4.555306658232217、8.364724372384901、-7.735045790224121、3.600565371916987、-0.674713439000970。

例如,根據(jù)高通濾波器的特性,通過matlab求解出各系數(shù):b0、b1、b2、b3、b4、b5分別為0.748492395854167、-3.720442166646449、7.419000766140107、-7.419000766140107、3.720442166646450、-0.748492395854167;a0、a1、a2、a3、a4、a5分別為1.000000000000000、-4.394515159443736、7.781237674485100、-6.933413385072246、3.106924323424174、-0.559780114856186。

步驟S3:獲取重力敏感軸,選取該重力敏感軸上的運動加速度數(shù)據(jù),進行傅里葉變換。

獲取重力敏感軸具體包括下述步驟,參見圖2所示。

S31:獲取重力加速度數(shù)據(jù)的x、y、z三軸數(shù)據(jù)。

S32:分別計算x軸、y軸、z軸的數(shù)據(jù)累加和。

S33:選擇數(shù)據(jù)累加和最大值對應(yīng)的軸為重力敏感軸。

例如,重力加速度數(shù)據(jù)的x軸數(shù)據(jù)為x1、x2、x3、......、xm,y軸數(shù)據(jù)為y1、y2、y3、......、ym,z軸數(shù)據(jù)為z1、z2、z3、......、zm。x軸的數(shù)據(jù)累加和為x1+x2+x3+......+xm,y軸的數(shù)據(jù)累加和為y1+y2+y3+......+ym,z軸的數(shù)據(jù)累加和為z1+z2+z3+......+zm。假設(shè)z軸的數(shù)據(jù)累加和最大,則z軸為重力敏感軸。

重力敏感軸確定后,選取該重力敏感軸上的運動加速度數(shù)據(jù),進行傅里葉變換。在本實施例中,將選取的運動加速度數(shù)據(jù)進行64點FFT變換,以提高數(shù)據(jù)處理精度。由于加速度傳感器的采集頻率為25HZ,因此將25個數(shù)據(jù)補零到64個數(shù)據(jù)進行64點FFT變換,分辨率為:25/64=0.39Hz。

在本實施例中,由于只選取重力敏感軸上的運動加速度數(shù)據(jù)進行傅里葉變換,而不是所有軸上的運動加速度數(shù)據(jù),因此數(shù)據(jù)處理速度較快,提高了整個運動檢測方法的檢測效率。

步驟S4:根據(jù)傅里葉變換結(jié)果的頻率和幅值進行運動狀態(tài)的識別。

傅里葉變換,可以將對信號的分析從時域變換到頻域。有些信號從時域分析很難把握信號特征,但是如果變換到頻域去分析,就很容易看出特征,也即很容易看出該信號的幅度/頻率特性。

由于傅里葉變換能夠得到該信號在頻域上的幅度/頻率特性,再結(jié)合人的走路/跑步/靜止(睡眠)動作的頻率和幅值的差異特性,可以很好的根據(jù)傅里葉變換的結(jié)果進行動作分類,也即根據(jù)最大幅值以及最大幅值所在的頻率來進行走路、跑步、靜止(睡眠)動作識別,提高了運動狀態(tài)的識別準確率。

在本實施例中,具體的識別過程為:

(1)在F<0.5Hz時,若A≤360,則運動狀態(tài)為靜止/睡眠。

(2)在2Hz≥F>0.5Hz時,若A≥360,則運動狀態(tài)為走路。

當運動狀態(tài)為走路時,可以對走路這個運動狀態(tài)進行進一步的劃分。若A≥1800,則運動狀態(tài)為快走;若1800>A≥360,則運動狀態(tài)為慢走。

(3)在4Hz≥F>2Hz時:

若A≥3400,則運動狀態(tài)為跑步。

若3400>A≥360,則運動狀態(tài)為走路。

當運動狀態(tài)為走路時,可以對走路這個運動狀態(tài)進行進一步的劃分。若3400>A≥1800,則運動狀態(tài)為走路;若1800>A≥360,則運動狀態(tài)為慢走。

(4)在5.5Hz≥F>4Hz時,若A≥3400,則運動狀態(tài)為跑步。

其中,F(xiàn)為頻率,A為最大幅值。

(5)在F≥5.5Hz時,為干擾,不進行識別。

因此,通過頻率和幅值可以快速、準確地識別運動狀態(tài)。

步驟S5:如果運動狀態(tài)為走路或跑步,則根據(jù)重力敏感軸上的運動加速度數(shù)據(jù)的峰-峰值或谷-谷值確定走路或跑步的步數(shù)。

峰-峰(或谷-谷)代表一步,根據(jù)峰-峰值或谷-谷值來確認走路或跑步步數(shù)。

在統(tǒng)計步數(shù)時,通過加窗處理來去除干擾動作,以提高步數(shù)統(tǒng)計的準確性。加窗處理原理為:根據(jù)走路和跑步動作的頻率特性(最快的動作為1s運動5步;最慢的動作為2s運動1步)來定義“時間窗口”,用于排除無效振動。假設(shè)人們最快的跑步速度為每秒5步,最慢的步行速度為每2秒1步,這樣,兩個有效步伐的時間間隔在時間窗口[0.2,2.0]s之內(nèi),時間間隔超出該時間窗口的所有步伐都應(yīng)被排除,從而提高步數(shù)統(tǒng)計的準確性。

步驟S6:如果運動狀態(tài)為靜止/睡眠,則根據(jù)運動強度判斷靜止/睡眠狀態(tài):靜止狀態(tài)、嘗試睡眠狀態(tài)、淺度睡眠狀態(tài)、深度睡眠狀態(tài)。

通過對運動強度的統(tǒng)計來進行靜止/睡眠狀態(tài)的判斷,具體包括下述步驟,參見圖3所示。

步驟S61:根據(jù)最大幅值A(chǔ)判斷運動強度。

若A<第一設(shè)定值,則運動強度為低運動強度;

若第一設(shè)定值≤A<第二設(shè)定值,則運動強度為中運動強度;

若A≥第二設(shè)定值,則運動強度為高運動強度。

其中,第一設(shè)定值和第二設(shè)定值表示運動強度的判斷閾值。第一設(shè)定值小于第二設(shè)定值。在本實施例中,第一設(shè)定值為45,第二設(shè)定值為75。

步驟S62:根據(jù)低運動強度和中運動強度的占比判斷靜止/睡眠狀態(tài)。

在設(shè)定時間段內(nèi),如2分鐘內(nèi):

若中運動強度占比大于15%,則為靜止狀態(tài);

若低運動強度占比小于85%,則為嘗試睡眠狀態(tài);

若低運動強度占比為85%~90%,則為淺度睡眠狀態(tài);

若低運動強度占比大于90%,則為深度睡眠狀態(tài)。

根據(jù)運動強度判斷靜止/睡眠狀態(tài)的四個狀態(tài),判斷準確,便于用戶準確獲知自己的睡眠質(zhì)量,從而調(diào)整自己的運動量、睡眠時間等,達到健康生活的目的。

步驟S7:保存。

將運動狀態(tài)、步數(shù)、時間戳等信息保存,便于分析一天中不同時間段的運動、睡眠情況,并繪制出不同時間段的運動情況柱狀圖和睡眠情況柱狀圖,便于監(jiān)測佩戴者的健康情況。

本實施例的運動狀態(tài)檢測方法,對加速度數(shù)據(jù)進行低通濾波獲得重力加速度數(shù)據(jù),對加速度數(shù)據(jù)進行高通濾波獲得運動加速度數(shù)據(jù),選取重力敏感軸上的運動加速度數(shù)據(jù)進行傅里葉變換,根據(jù)傅里葉變換結(jié)果的頻率和幅值進行運動狀態(tài)的識別,提高了運動狀態(tài)識別的準確率,識別準確率高;而且,由于只選取重力敏感軸上的運動加速度數(shù)據(jù)進行傅里葉變換,提高了數(shù)據(jù)處理速度,進而提高了整個運動檢測方法的檢測效率,便于佩戴者準確、快速地獲知運動狀態(tài),提高了用戶的使用體驗。

本實施例還提出了一種運動狀態(tài)檢測裝置,該裝置主要包括三軸加速度傳感器、低通濾波器、高通濾波器、重力敏感軸獲取模塊、數(shù)據(jù)變換模塊、識別模塊等,參見圖4所示。

三軸加速度傳感器,用于采集加速度數(shù)據(jù)。

低通濾波器,用于對采集到的加速度數(shù)據(jù)進行低通濾波,獲得重力加速度數(shù)據(jù)。

高通濾波器,用于對采集到的加速度數(shù)據(jù)進行高通濾波,獲得運動加速度數(shù)據(jù)。

重力敏感軸獲取模塊,用于獲取重力敏感軸。重力敏感軸獲取模塊主要包括數(shù)據(jù)選取單元、計算單元、判斷單元,參見圖5所示。具體來說,數(shù)據(jù)選取單元,用于獲取重力加速度數(shù)據(jù)的x、y、z三軸數(shù)據(jù);計算單元,用于計算x軸、y軸、z軸的數(shù)據(jù)累加和;判斷單元,用于選擇累加和最大值對應(yīng)的軸為重力敏感軸。

數(shù)據(jù)變換模塊,用于對重力敏感軸上的運動加速度數(shù)據(jù)進行傅里葉變換。

識別模塊,用于根據(jù)傅里葉變換結(jié)果的頻率和幅值進行運動狀態(tài)的識別。

具體的運動狀態(tài)檢測裝置的工作過程,已經(jīng)在上述運動狀態(tài)檢測方法中詳述,此處不予贅述。

本實施例的運動狀態(tài)檢測裝置,對加速度數(shù)據(jù)進行低通濾波獲得重力加速度數(shù)據(jù),對加速度數(shù)據(jù)進行高通濾波獲得運動加速度數(shù)據(jù),選取重力敏感軸上的運動加速度數(shù)據(jù)進行傅里葉變換,根據(jù)傅里葉變換結(jié)果的頻率和幅值進行運動狀態(tài)的識別,識別準確率高;而且,由于只選取重力敏感軸上的運動加速度數(shù)據(jù)進行傅里葉變換,提高了數(shù)據(jù)處理速度,進而提高了整個運動檢測方法的檢測效率,便于佩戴者準確、快速地獲知運動狀態(tài),提高了用戶的使用體驗。

本實施例的運動狀態(tài)檢測裝置可應(yīng)用于智能手環(huán)/手表等穿戴類產(chǎn)品,以增強智能手環(huán)/手表的功能,監(jiān)測佩戴者的健康情況。

以上實施例僅用以說明本發(fā)明的技術(shù)方案,而非對其進行限制;盡管參照前述實施例對本發(fā)明進行了詳細的說明,對于本領(lǐng)域的普通技術(shù)人員來說,依然可以對前述實施例所記載的技術(shù)方案進行修改,或者對其中部分技術(shù)特征進行等同替換;而這些修改或替換,并不使相應(yīng)技術(shù)方案的本質(zhì)脫離本發(fā)明所要求保護的技術(shù)方案的精神和范圍。

當前第1頁1 2 3 
網(wǎng)友詢問留言 已有0條留言
  • 還沒有人留言評論。精彩留言會獲得點贊!
1