CN103767710A - 人体运动状态监视方法和装置 - Google Patents
人体运动状态监视方法和装置 Download PDFInfo
- Publication number
- CN103767710A CN103767710A CN201310754081.XA CN201310754081A CN103767710A CN 103767710 A CN103767710 A CN 103767710A CN 201310754081 A CN201310754081 A CN 201310754081A CN 103767710 A CN103767710 A CN 103767710A
- Authority
- CN
- China
- Prior art keywords
- acceleration signal
- state
- duration
- strenuous exercise
- signal
- Prior art date
- Legal status (The legal status 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 status listed.)
- Granted
Links
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
- A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
- A61B5/1123—Discriminating type of movement, e.g. walking or running
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/48—Other medical applications
- A61B5/4806—Sleep evaluation
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7225—Details of analog processing, e.g. isolation amplifier, gain or sensitivity adjustment, filtering, baseline or drift compensation
-
- 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
- A61B5/742—Details of notification to user or communication with user or patient ; user input means using visual displays
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B2562/00—Details of sensors; Constructional details of sensor housings or probes; Accessories for sensors
- A61B2562/02—Details of sensors specially adapted for in-vivo measurements
- A61B2562/0219—Inertial sensors, e.g. accelerometers, gyroscopes, tilt switches
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7235—Details of waveform analysis
- A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Molecular Biology (AREA)
- General Health & Medical Sciences (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Veterinary Medicine (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Physiology (AREA)
- Signal Processing (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Dentistry (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Psychiatry (AREA)
- Power Engineering (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
- Evolutionary Computation (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
Abstract
本发明提供一种人体运动状态监视方法和装置,该方法包括反复执行下列步骤:从人体佩戴的三轴加速度传感器的输出中获取具有设定采样时长的加速度信号,并计算该加速度信号的能量和平均功率;根据所述加速度信号的平均功率判断人体运动状态,如果平均功率大于剧烈运动阈值,则判断为处于剧烈运动状态,如果平均功率小于睡眠阈值,则判断为处于睡眠状态,如果平均功率小于剧烈运动阈值且大于睡眠阈值,则判断为处于轻微运动状态;如果处于剧烈运动状态,则判断加速度信号是否具有准周期性,如果不具有,则判断为处于无规律剧烈运动状态,如果具有,则判断为处于有规律剧烈运动状态。该方法能够自动、全面、全天候、准确地监视人的各种运动状态。
Description
技术领域
本发明涉及运动器械领域,具体地说,涉及一种人体运动状态监视方法和装置。
背景技术
随着社会经济的不断发展,人们的物质生活水平日渐提高,与此同时,人们也越来越关注自己的健康,为自己制定了各种运动方案来健身。因此,出现了各种用于监视运动方案的装置。
计步器是一种可以计算其佩戴者行走或跑步步数的装置。但计步器的功能比较单一,不能对人的其它运动形式以及睡眠进行监视。也有一些装置可以全面地监视人的各种运动形式,但需要人的操作介入,不能自动地、全面地、全天候地监视人的各种运动情况以及睡眠情况。而睡眠情况对于判断人的健康状况是非常有帮助的。人在睡眠过程中总会有一些异动,例如翻身,挠痒,惊吓等等,如果这些异动较频繁,那说明人的睡眠质量不够好。因此,监视人的睡眠情况与监视人的正常运动情况都可以对人的健身方案的完善提供帮助。
发明内容
本发明就是为了解决上述现有技术中存在的问题而做出的,其目的在于提供一种人体运动状态监视方法和装置,该方法和装置能够自动地、全面地、全天候地、准确地监视人的各种运动状态,从而为人的健身方案的改进提供依据。
为了实现上述目的,在本发明的一个方面,提供一种人体运动状态监视方法,该方法包括反复执行下列步骤:
a)从人体佩戴的三轴加速度传感器的输出中获取具有设定采样时长的加速度信号,并计算该加速度信号的能量和平均功率;
b)根据所述加速度信号的平均功率判断人体运动状态,如果所述加速度信号的平均功率大于预定的剧烈运动阈值,则判断为人体处于剧烈运动状态,如果所述加速度信号的平均功率小于预定的睡眠阈值,则判断为人体处于睡眠状态,如果所述加速度信号的平均功率小于所述剧烈运动阈值且大于所述睡眠阈值,则判断为人体处于轻微运动状态;
c1)如果人体处于睡眠状态,则将所述加速度信号的时长累加到睡眠状态总时长中,将所述加速度信号的能量累加到睡眠状态总能量中,统计所述加速度信号的强度大于预定强度阈值的时长、并将该时长累加到睡眠异动总时长中,以及将加速度信号的采样时长设定为睡眠状态采样时长,然后返回步骤a);
c2)如果人体处于轻微运动状态,则将所述加速度信号的时长累加到轻微运动状态总时长中,将所述加速度信号的能量累加到轻微运动状态总能量中,以及将加速度信号的采样时长设定为轻微运动状态采样时长,然后返回步骤a);
c3)如果人体处于剧烈运动状态,则进一步判断所述加速度信号是否具有准周期性,如果所述加速度信号不具有准周期性,则判断为人体处于无规律剧烈运动状态,如果所述加速度信号具有准周期性,则判断为人体处于有规律剧烈运动状态;
d1)如果人体处于无规律剧烈运动状态,则将所述加速度信号的时长累加到无规律剧烈运动状态总时长中,将所述加速度信号的能量累加到无规律剧烈运动状态总能量中,以及将加速度信号的采样时长设定为剧烈运动状态采样时长,然后返回步骤a);
d2)如果人体处于有规律剧烈运动状态,则将所述加速度信号的时长累加到有规律剧烈运动状态总时长中,将所述加速度信号的能量累加到有规律剧烈运动状态总能量中,根据所述加速度信号计算运动步数、并将该运动步数累加到运动总步数中,以及将加速度信号的采样时长设定为剧烈运动状态采样时长,然后返回步骤a)。
优选地,所述加速度信号的平均功率P可以由下述公式计算:
其中,ai为所述加速度信号的第i个值,N为所述加速度信号的长度,且1≤i≤N,a0为所述加速度信号的平均值,
优选地,所述加速度信号的准周期性的判断步骤可以包括:
①对所述加速度信号进行高通滤波;
②对高通滤波后的加速度信号进行基频检测;
③利用基频检测所获得的基频作截止频率设置低通或带通滤波器,并利用该低通或带通滤波器对相应的高通滤波后的加速度信号进行低通或带通滤波;
④在低通或带通滤波后的加速度信号中获得加速度信号极值点并去除其中的干扰极值点,以获得低通或带通滤波后的加速度信号中的有效极值点;
⑤计算相邻的有效极值点之间的时间间隔,获得时间间隔序列,并计算该时间间隔序列中相邻的时间间隔之间的差值,获得时间间隔差值序列,如果该时间间隔差值序列中连续预定数目的时间间隔差值均小于预定的周期阈值,则判断为所述加速度信号具有准周期性,否则,判断为所述加速度信号不具有准周期性。
进一步优选地,根据加速度信号计算运动步数的步骤可以包括:
对低通或带通滤波后的具有准周期性的加速度信号中的有效极值点进行计数,该有效极值点的数目即为运动步数。进一步优选地,可以根据所述加速度信号对时间的两次积分求出位移信号。
对高通滤波后的加速度信号进行基频检测的方法可以包括自相关函数方法、倒谱方法、线性预测编码方法、平均幅度差函数方法中的一种或多种方法。
优选地,对高通滤波后的加速度信号进行基频检测可以包括:
利用对信号的衰减程度从低频到高频递增的滤波器对该信号进行衰减处理;由下述公式求出衰减处理后的信号的自相关函数ρ(τ):
其中,a(n)为衰减处理后的信号的第n个值,N为该信号的长度,且1≤n≤N,τ为延迟时间,ρ(τ)为该信号的归一化自相关函数;求出ρ(τ)的最大值所对应的τ的值,并且该τ值的倒数即为该信号的基频。
优选地,所述干扰极值点可以包括这样的加速度信号极值点,该加速度信号极值点与其前一个加速度信号极值点的时间间隔小于预定阈值;或者所述干扰极值点可以包括每组时间间隔连续小于预定阈值的加速度信号极值点中的数值非最大的加速度信号极值点。
优选地,所述人体运动状态监视方法还可以包括将所述睡眠状态总时长、睡眠状态总能量、睡眠异动总时长、轻微运动状态总时长、轻微运动状态总能量、无规律剧烈运动状态总时长、无规律剧烈运动状态总能量、有规律剧烈运动状态总时长、有规律剧烈运动状态总能量、运动总步数可选择地显示出来。
根据本发明的另一方面,提供一种人体运动状态监视装置,其包括:三轴加速度传感器、加速度信号获取单元、计算单元、人体运动状态判断单元、睡眠异动统计单元、采样时长设置单元、存储单元、准周期性判断单元、计步单元。
所述加速度信号获取单元从人体佩戴的三轴加速度传感器的输出中获取具有设定采样时长的加速度信号,所述计算单元计算该加速度信号的能量和平均功率;
所述人体运动状态判断单元根据所述加速度信号的平均功率判断人体运动状态,如果所述加速度信号的平均功率大于预定的剧烈运动阈值,则判断为人体处于剧烈运动状态,如果所述加速度信号的平均功率小于预定的睡眠阈值,则判断为人体处于睡眠状态,如果所述加速度信号的平均功率小于所述剧烈运动阈值且大于所述睡眠阈值,则判断为人体处于轻微运动状态;
如果所述人体运动状态判断单元判断为人体处于睡眠状态,则将所述加速度信号的时长累加到睡眠状态总时长中,将所述加速度信号的能量累加到睡眠状态总能量中,睡眠异动统计单元统计所述加速度信号的强度大于预定强度阈值的时长、并将该时长累加到睡眠异动总时长中,所述采样时长设置单元将加速度信号的采样时长设定为睡眠状态采样时长,所述存储单元将睡眠状态总时长、睡眠状态总能量、睡眠异动总时长存储起来;
如果所述人体运动状态判断单元判断为人体处于轻微运动状态,则将所述加速度信号的时长累加到轻微运动状态总时长中,将所述加速度信号的能量累加到轻微运动状态总能量中,以及所述采样时长设置单元将加速度信号的采样时长设定为轻微运动状态采样时长,所述存储单元将轻微运动状态总时长、轻微运动状态总能量存储起来;
如果所述人体运动状态判断单元判断为人体处于剧烈运动状态,则准周期判断单元判断所述加速度信号是否具有准周期性,如果判断为所述加速度信号不具有准周期性,则所述人体运动状态判断单元判断为人体处于无规律剧烈运动状态,如果准周期判断单元判断为所述加速度信号具有准周期性,则所述人体运动状态判断单元判断为人体处于有规律剧烈运动状态;
如果人体运动状态判断单元判断为人体处于无规律剧烈运动状态,则将所述加速度信号的时长累加到无规律剧烈运动状态总时长中,将所述加速度信号的能量累加到无规律剧烈运动状态总能量中,以及所述采样时长设置单元将加速度信号的采样时长设定为剧烈运动状态采样时长,所述存储单元将无规律剧烈运动状态总时长、无规律剧烈运动状态总能量存储起来;
如果人体运动状态判断单元判断为人体处于有规律剧烈运动状态,则将所述加速度信号的时长累加到有规律剧烈运动状态总时长中,将所述加速度信号的能量累加到有规律剧烈运动状态总能量中,计步单元根据所述加速度信号计算运动步数、并将该运动步数累加到运动总步数中,所述采样时长设置单元将加速度信号的采样时长设定为剧烈运动状态采样时长,存储单元将有规律剧烈运动状态总时长、有规律剧烈运动状态总能量、运动步数存储起来。
优选地,所述人体运动状态监视装置还可以包括显示单元,用于将所述睡眠状态总时长、睡眠状态总能量、睡眠异动总时长、轻微运动状态总时长、轻微运动状态总能量、无规律剧烈运动状态总时长、无规律剧烈运动状态总能量、有规律剧烈运动状态总时长、有规律剧烈运动状态总能量、运动总步数可选择地显示出来。
根据上面的说明和实践可知,本发明的人体运动状态监视方法和装置能够自动地、全面地、全天候地、准确地监视人的各种运动状态(包括睡眠状态),能够定量地衡量人的睡眠质量、准确地测量人在行走和跑步时的运动步数、能够定量地度量人的运动水平以及能量消耗情况。
附图说明
图1是信号图,示出了三轴加速度传感器在其佩戴者的睡眠过程中在三个方向上产生的加速度信号的示例;
图2是信号图,示出了三轴加速度传感器在其佩戴者的轻微运动过程中在三个方向上产生的加速度信号的示例;
图3是信号图,示出了三轴加速度传感器在其佩戴者的无规律剧烈运动过程中在三个方向上产生的加速度信号的示例;
图4是信号图,示出了三轴加速度传感器在其佩戴者的有规律剧烈运动过程中在三个方向上产生的加速度信号的示例;
图5是方框图,示出了一个实施例所述的人体运动状态监视方法;
图6a是信号图,示出了从三轴加速度传感器输出的具有预定长度的有代表性的归一化加速度信号;
图6b是信号图,示出了经过高通滤波后的加速度信号;
图6c是信号图,示出了经过低通滤波后的加速度信号;
图6d是信号图,示出了经过低通滤波后的加速度信号的极值点的例子;
图7示出了对信号的衰减程度从低频到高频递增的滤波器的频率响应曲线的示例;
图8是信号图,示出了经过低通滤波后的单轴加速度信号的极值点的另一个例子;
图9是方框图,示出了一个实施例所述的人体运动状态监视装置。
具体实施方式
下面将结合附图和具体实施例对本发明进行详细的描述。
在下面的描述中,只通过说明的方式描述了本发明的某些示范性实施例。毋庸置疑,本领域的普通技术人员可以认识到,在不偏离本发明的精神和范围的情况下,可以用各种不同的方式对所述实施例进行修正。因此,附图和描述在本质上是说明性的,而不是用于限制权利要求的保护范围。在本说明书中,相同的附图标记表示相同或相似的部分。
本发明的人体运动状态监视方法使用具有三轴加速度传感器的装置来实施。图1-图4是信号图,分别示出了三轴加速度传感器在其佩戴者的睡眠过程(包括轻度睡眠、深度睡眠)、轻微运动过程(例如打字、下意识晃动身体等)、无规律剧烈运动过程(体力劳动、打篮球等)和有规律剧烈运动过程(行走、奔跑、跳绳、健身房健身等)中在三个方向上产生的加速度信号的示例。如图1-4所示,一般地说,由于包含三轴加速度传感器的装置在使用过程中的方位不是确定不变的,因此,在睡眠过程、在轻微运动过程以及在无规律剧烈运动过程中,三轴加速度传感器的三轴输出信号大致相似,而在有规律剧烈运动过程中,在某些方向上信号强度更大一些。无论哪种情况,选用三轴加速度传感器的三轴输出中能量最大的加速度信号都可以准确地、有代表性地度量运动情况。因此,在本发明的描述中,三轴加速度传感器输出的加速度信号可以指三轴输出中能量最大的加速度信号,但本发明不限于此,也可以指以各种方式融合了三轴输出后的加速度信号。或者,也可以是,从三轴加速度传感器的各个单轴加速度信号中获得相应的测量量后,以某种加权方式对其进行加权平均,最后获得总的测量量。
如图1-3所示,在睡眠过程、在轻微运动过程以及在无规律剧烈运动过程中,三轴加速度传感器输出的加速度信号的共同特点是不具有准周期性,因此可以通过测量这些信号的持续时间以及总能量来定量地度量这些运动方式的运动量。在有规律剧烈运动过程中,三轴加速度传感器输出的加速度信号的特点是具有准周期性,因此,除了可以测量其持续时间和总能量外,还可以进一步测量其周期数,该周期数对应着跑步的步数、跳动的次数、推拉的次数等,在本发明中,这些量统称为运动步数。另一方面,在睡眠过程、在轻微运动过程以及在无规律(有规律)剧烈运动过程中,三轴加速度传感器输出的加速度信号的不同特点是信号变化的剧烈程度不同,这不仅表现在加速度信号的强度尺度上,而且体现时间尺度上。例如,在睡眠过程中,大多数时间加速度信号是非常小而平缓的,睡眠过程中出现异动(例如在图1中600~610秒时间段出现的翻身动作)的时间占整个睡眠时间的比例很小。因此,在分析睡眠产生的加速度信号时,信号的采样长度应该较大,这不仅有利于减少运算量、提高分析速度,而且可以使睡眠中的异动与轻微活动以及剧烈过程中的运动分开,这是因为,由于异动时间占整个睡眠时间的比例较小,因此睡眠异动对平均功率的贡献是可以忽略的。同样的道理,在分析轻微运动和剧烈运动所产生的加速度信号时,应该采用不同的采样长度,以减少运算量、提高分析速度而又不至于使相应的加速度信号失去特性。
图5是方框图,示出了一个实施例所述的人体运动状态监视方法。如图5所示,本发明的一个实施例所述的人体运动状态监视方法包括如下的反复执行的步骤:
首先,在步骤S10中,从人体佩戴的三轴加速度传感器的输出中获取具有设定采样时长的加速度信号,并计算该加速度信号的能量和平均功率。
优选地,所述加速度信号的平均功率P可以由下述公式计算:
其中,ai为所述加速度信号的第i个值,N为所述加速度信号的长度,且1≤i≤N,a0为所述加速度信号的平均值,
接着,根据所述加速度信号的平均功率判断人体运动状态。例如,在步骤S20中,判断所述加速度信号的平均功率是否大于预定的剧烈运动阈值,如果所述加速度信号的平均功率大于预定的剧烈运动阈值,则判断为人体处于剧烈运动状态(步骤S30),否则,在步骤S40中,判断所述加速度信号的平均功率是否小于预定的睡眠阈值,如果所述加速度信号的平均功率小于预定的睡眠阈值,则判断为人体处于睡眠状态(步骤S50),而如果所述加速度信号的平均功率小于所述剧烈运动阈值且大于所述睡眠阈值,则判断为人体处于轻微运动状态(步骤S60)。其中,所述剧烈运动阈值和睡眠阈值可以根据实验来获得,并且可以调节。
如果人体处于睡眠状态,那么在步骤S55中,将所述加速度信号的时长累加到睡眠状态总时长中,将所述加速度信号的能量累加到睡眠状态总能量中,统计所述加速度信号的强度大于预定强度阈值的时长、并将该时长累加到睡眠异动总时长中,以及将加速度信号的采样时长设定为睡眠状态采样时长,然后返回步骤S10。需要说明的是,加速度信号的强度大于预定强度阈值的时长是指这样一段时间的长度,在该段时间内,加速度信号的强度大小大于预定的强度阈值。该段时间为睡眠异动时间,其中,出现了翻身、惊吓、抽搐等睡眠异动,通过分析睡眠异动时间的总时长占睡眠总时长的比例,可以定量地分析睡眠的质量,当该比例很小时,表明睡眠是深度睡眠,当该比例较大时,表明睡眠是轻度睡眠。另外,所述睡眠状态采样时长可以根据试验来确定,比如可以取5分钟~10分钟。
如果人体处于轻微运动状态,那么在步骤S65中,将所述加速度信号的时长累加到轻微运动状态总时长中,将所述加速度信号的能量累加到轻微运动状态总能量中,以及将加速度信号的采样时长设定为轻微运动状态采样时长,然后返回步骤S10。所述轻微运动状态采样时长可以根据试验来确定,比如,可以取1分钟。
如果人体处于剧烈运动状态,则在步骤S70中进一步判断所述加速度信号是否具有准周期性,如果所述加速度信号不具有准周期性,则判断为人体处于无规律剧烈运动状态(步骤S80),如果所述加速度信号具有准周期性,则判断为人体处于有规律剧烈运动状态(步骤S90)。
所述加速度信号的准周期性的判断可以包括下述①到⑤的步骤:
步骤①对所述加速度信号进行高通滤波。由于从三轴加速度传感器输出的加速度信号通常会包含直流分量,而该直流分量的存在会对加速度信号的分析产生干扰,因此,通过高通滤波来去除加速度信号中的直流分量。图6a是信号图,示出了从三轴加速度传感器输出的具有预定长度的有代表性的归一化加速度信号a/g,其中,a表示加速度,g表示重力加速度。图6b是信号图,示出了经过高通滤波后的加速度信号。从图6b可以看到,经过高通滤波后,加速度信号只包含交流分量。
步骤②对每个高通滤波后的加速度信号进行基频检测。加速度信号中可能会包含与不同的身体律动相对应的多种频率分量,如基频分量、倍频分量以及其它高频分量。图7是加速度信号的频谱示意图。其中,基频分量与最基本的律动关联,而且根据基频分量判断信号的准周期性会更准确。为了能够获得只有基频分量的加速度信号,需要滤除加速度信号中的高频分量。而为了滤除高频分量,需要大致检测出基频分量的频率,以便构造合适的滤波器滤除基频分量之外的高频分量。
基频检测的方法很多,例如,可以使用语音信号基音检测中常用的自相关函数方法,倒谱方法,线性预测编码方法,平均幅度差函数方法等经典方法。优选地,可以使用自相关函数方法。
具体说,对于高通滤波后的加速度信号,利用对信号的衰减程度从低频到高频递增的滤波器对该信号进行衰减处理,以抑制加速度信号中的高频分量,从而突出单轴加速度信号中的基频分量,减小所获得的基频的误差。图7示出了对信号的衰减程度从低频到高频递增的滤波器的频率响应曲线的示例。加速度信号通过该滤波器衰减后,信号中的低频分量得到较小的衰减,而高频分量则会得到较大的衰减。这样,对通过该滤波器后的单轴加速度信号再利用自相关函数方法求基频时,所获得的基频就比较准确。
然后,由下述公式求出衰减后的信号的自相关函数ρ(τ):
其中,a(n)为该信号的第n个值,N为该信号的预定长度,且1≤n≤N,τ为延迟时间,ρ(τ)为该信号的归一化自相关函数。然后,求出ρ(τ)的最大值所对应的τ的值,该τ值的倒数即为该信号的基频。
步骤③利用基频检测所获得的基频作截止频率设置低通或带通滤波器,并利用该低通或带通滤波器对相应的高通滤波后的加速度信号进行低通或带通滤波。低通或带通滤波后,可以获得较为平滑的信号,从而便于准确统计加速度信号的极值点。图6c是信号图,示出了经过低通滤波后的加速度信号。
步骤④在低通或带通滤波后的加速度信号中获得加速度信号极值点并去除其中的干扰极值点,从而获得有效极值点。图6d是信号图,示出了经过低通或带通滤波后的单轴加速度信号的极值点的一个例子,其中,+号所表示的就是所述极值点(包括极大值点和极小值点)。图3d示出的是比较特殊的例子,其中,低通或带通滤波后的加速度信号中的噪声干扰几乎不存在了。在更一般的情形中,低通或带通滤波后,加速度信号中仍然会有噪声干扰存在,表现为会有干扰极值点的存在。图8是信号图,示出了经过低通或带通滤波后的加速度信号的极值点的另一个例子。如图8所示,在低通或带通滤波后的单轴加速度信号中存在干扰极值点(如图8中的箭头所指示的)。
在本发明的一个实施例中,干扰极值点可以包括这样的加速度信号极值点,该加速度信号极值点与其前一个加速度信号极值点的时间间隔小于预定阈值,其中,该预定阈值远小于单轴加速度信号的基频分量的周期。在该实施例中,在每一组靠得较近的极值点中,只保留最左边的一个极值点,其余极值点则视为干扰极值点而去除。
在本发明的另一个实施例中,干扰极值点可以包括每组时间间隔连续小于预定阈值的加速度信号极值点中的数值非最大的加速度信号极值点。换言之,在该实施例中,在每一组靠得较近的极值点中,只保留数值最大的加速度信号极值点,其余的极值点则视为干扰极值点而去除。
步骤⑤计算相邻的有效极值点之间的时间间隔,获得时间间隔序列,并计算该时间间隔序列中相邻的时间间隔之间的差值,获得时间间隔差值序列,如果该时间间隔差值序列中连续预定数目的时间间隔差值均小于预定的周期阈值,则判断为所述加速度信号具有准周期性,否则,判断为所述加速度信号不具有准周期性。
返回图5,如果人体处于无规律剧烈运动状态,则在步骤85中,将所述加速度信号的时长累加到无规律剧烈运动状态总时长中,将所述加速度信号的能量累加到无规律剧烈运动状态总能量中,以及将加速度信号的采样时长设定为剧烈运动状态采样时长,然后返回步骤S10。剧烈运动状态采样时长可以取1秒~3秒。
如果人体处于有规律剧烈运动状态,则在步骤S95中将所述加速度信号的时长累加到有规律剧烈运动状态总时长中,将所述加速度信号的能量累加到有规律剧烈运动状态总能量中,根据所述加速度信号计算运动步数、并将该运动步数累加到运动总步数中,以及将加速度信号的采样时长设定为剧烈运动状态采样时长,然后返回步骤S10。
根据所述加速度信号计算运动步数的方法包括:对低通或带通滤波后的具有准周期性的加速度信号中的有效极值点进行计数,该有效极值点的数目即为本轮计步过程所获得的运动步数。进一步,还可以根据所述加速度信号对时间的两次积分求出位移信号,以便为走跑者提供实际运动距离的参考。另外,根据位移的大小还可以区分是原地运动还是实际的走跑。。
本发明所述的人体运动状态监视方法还包括将所述睡眠状态总时长、睡眠状态总能量、睡眠异动总时长、轻微运动状态总时长、轻微运动状态总能量、无规律剧烈运动状态总时长、无规律剧烈运动状态总能量、有规律剧烈运动状态总时长、有规律剧烈运动状态总能量、运动总步数可选择地显示出来。这样,根据这些数据,可以了解人的睡眠质量、人的运动水平以及能量消耗情况。
如上参照图1-图8描述了本发明所述的人体运动状态监视方法。本发明所述的人体运动状态监视方法方法,可以采用软件实现,也可以采用硬件实现,或采用软件和硬件组合的方式实现。
图9是方框图,示出了一个实施例所述的人体运动状态监视装置。如图9所示,本发明的一个实施例所述的人体运动状态监视装置1000包括:三轴加速度传感器100、加速度信号获取单元200、计算单元300、人体运动状态判断单元400、睡眠异动统计单元500、采样时长设置单元600、存储单元700、准周期性判断单元800、计步单元900。
加速度信号获取单元200从人体佩戴的三轴加速度传感器100的输出中获取具有设定采样时长的加速度信号,计算单元300计算该加速度信号的能量和平均功率。
人体运动状态判断单元400根据所述加速度信号的平均功率判断人体运动状态,如果所述加速度信号的平均功率大于预定的剧烈运动阈值,则判断为人体处于剧烈运动状态,如果所述加速度信号的平均功率小于预定的睡眠阈值,则判断为人体处于睡眠状态,如果所述加速度信号的平均功率小于所述剧烈运动阈值且大于所述睡眠阈值,则判断为人体处于轻微运动状态;
如果人体运动状态判断单元400判断为人体处于睡眠状态,则将所述加速度信号的时长累加到睡眠状态总时长中,将所述加速度信号的能量累加到睡眠状态总能量中,睡眠异动统计单元500统计所述加速度信号的强度大于预定强度阈值的时长、并将该时长累加到睡眠异动总时长中,采样时长设置单元600将加速度信号的采样时长设定为睡眠状态采样时长,存储单元700将睡眠状态总时长、睡眠状态总能量、睡眠异动总时长存储起来;
如果人体运动状态判断单元400判断为人体处于轻微运动状态,则将所述加速度信号的时长累加到轻微运动状态总时长中,将所述加速度信号的能量累加到轻微运动状态总能量中,以及采样时长设置单元600将加速度信号的采样时长设定为轻微运动状态采样时长,存储单元700将轻微运动状态总时长、轻微运动状态总能量存储起来。
如果人体运动状态判断单元400判断为人体处于剧烈运动状态,则准周期判断单元800进一步判断所述加速度信号是否具有准周期性,如果判断为所述加速度信号不具有准周期性,则人体运动状态判断单元400判断为人体处于无规律剧烈运动状态,如果准周期判断单元800判断为所述加速度信号具有准周期性,则人体运动状态判断单元400判断为人体处于有规律剧烈运动状态。
如果人体运动状态判断单元400判断为人体处于无规律剧烈运动状态,则将所述加速度信号的时长累加到无规律剧烈运动状态总时长中,将所述加速度信号的能量累加到无规律剧烈运动状态总能量中,以及采样时长设置600单元将加速度信号的采样时长设定为剧烈运动状态采样时长,存储单元700将无规律剧烈运动状态总时长、无规律剧烈运动状态总能量存储起来。
如果人体运动状态判断单元400判断为人体处于有规律剧烈运动状态,则将所述加速度信号的时长累加到有规律剧烈运动状态总时长中,将所述加速度信号的能量累加到有规律剧烈运动状态总能量中,计步单元900根据所述加速度信号计算运动步数、并将该运动步数累加到运动总步数中,采样时长设置单元600将加速度信号的采样时长设定为剧烈运动状态采样时长,存储单元700将有规律剧烈运动状态总时长、有规律剧烈运动状态总能量、运动步数存储起来。
优选地,人体运动状态监视装置1000还可以包括显示单元950,用于将所述睡眠状态总时长、睡眠状态总能量、睡眠异动总时长、轻微运动状态总时长、轻微运动状态总能量、无规律剧烈运动状态总时长、无规律剧烈运动状态总能量、有规律剧烈运动状态总时长、有规律剧烈运动状态总能量、运动总步数可选择地显示出来。
如上参照附图以示例的方式描述了根据本发明所述的人体运动状态监视方法和装置。但是,本领域技术人员应当理解,对于上述本发明所提出的人体运动状态监视方法和装置,还可以在不脱离本发明内容的基础上做出各种改进。因此,本发明的保护范围应当由所附的权利要求书的内容确定。
Claims (10)
1.一种人体运动状态监视方法,包括反复执行下列步骤:
a)从人体佩戴的三轴加速度传感器的输出中获取具有设定采样时长的加速度信号,并计算该加速度信号的能量和平均功率;
b)根据所述加速度信号的平均功率判断人体运动状态,如果所述加速度信号的平均功率大于预定的剧烈运动阈值,则判断为人体处于剧烈运动状态,如果所述加速度信号的平均功率小于预定的睡眠阈值,则判断为人体处于睡眠状态,如果所述加速度信号的平均功率小于所述剧烈运动阈值且大于所述睡眠阈值,则判断为人体处于轻微运动状态;
c1)如果人体处于睡眠状态,则将所述加速度信号的时长累加到睡眠状态总时长中,将所述加速度信号的能量累加到睡眠状态总能量中,统计所述加速度信号的强度大于预定强度阈值的时长、并将该时长累加到睡眠异动总时长中,以及将加速度信号的采样时长设定为睡眠状态采样时长,然后返回步骤a);
c2)如果人体处于轻微运动状态,则将所述加速度信号的时长累加到轻微运动状态总时长中,将所述加速度信号的能量累加到轻微运动状态总能量中,以及将加速度信号的采样时长设定为轻微运动状态采样时长,然后返回步骤a);
c3)如果人体处于剧烈运动状态,则进一步判断所述加速度信号是否具有准周期性,如果所述加速度信号不具有准周期性,则判断为人体处于无规律剧烈运动状态,如果所述加速度信号具有准周期性,则判断为人体处于有规律剧烈运动状态;
d1)如果人体处于无规律剧烈运动状态,则将所述加速度信号的时长累加到无规律剧烈运动状态总时长中,将所述加速度信号的能量累加到无规律剧烈运动状态总能量中,以及将加速度信号的采样时长设定为剧烈运动状态采样时长,然后返回步骤a);
d2)如果人体处于有规律剧烈运动状态,则将所述加速度信号的时长累加到有规律剧烈运动状态总时长中,将所述加速度信号的能量累加到有规律剧烈运动状态总能量中,根据所述加速度信号计算运动步数、并将该运动步数累加到运动总步数中,以及将加速度信号的采样时长设定为剧烈运动状态采样时长,然后返回步骤a)。
2.如权利要求1所述的人体运动状态监视方法,其中,所述加速度信号的平均功率P由下述公式计算:
其中,ai为所述加速度信号的第i个值,N为所述加速度信号的长度,且1≤i≤N,a0为所述加速度信号的平均值,
3.如权利要求1所述的人体运动状态监视方法,其中,所述加速度信号的准周期性的判断步骤包括:
①对所述加速度信号进行高通滤波;
②对高通滤波后的加速度信号进行基频检测;
③将基频检测所获得的基频作为截止频率设置低通或带通滤波器,并利用该低通或带通滤波器对相应的高通滤波后的加速度信号进行低通或带通滤波;
④在低通或带通滤波后的加速度信号中获得加速度信号极值点并去除其中的干扰极值点,以获得低通或带通滤波后的加速度信号中的有效极值点;
⑤计算相邻的有效极值点之间的时间间隔,获得时间间隔序列,并计算该时间间隔序列中相邻的时间间隔之间的差值,获得时间间隔差值序列,如果该时间间隔差值序列中连续预定数目的时间间隔差值均小于预定的周期阈值,则判断为所述加速度信号具有准周期性,否则,判断为所述加速度信号不具有准周期性。
4.如权利要求3所述的人体运动状态监视方法,其中,根据加速度信号计算运动步数的步骤包括;
对低通或带通滤波后的具有准周期性的加速度信号中的有效极值点进行计数,该有效极值点的数目即为本轮计步过程所获得的运动步数。
5.如权利要求4所述的人体运动状态监视方法,还包括根据所述加速度信号对时间的两次积分求出位移信号。
6.根据权利要求3所述的人体运动状态监视方法,其中,对高通滤波后的加速度信号进行基频检测包括:
利用对信号的衰减程度从低频到高频递增的滤波器对该信号进行衰减处理;
由下述公式求出衰减处理后的信号的自相关函数ρ(τ):
其中,a(n)为衰减处理后的信号的第n个值,N为该信号的长度,且1≤n≤N,τ为延迟时间,ρ(τ)为该信号的归一化自相关函数;
求出ρ(τ)的最大值所对应的τ的值,并且该τ值的倒数即为该信号的基频。
7.如权利要求3所述的人体运动状态监视方法,其中,所述干扰极值点包括这样的加速度信号极值点,该加速度信号极值点与其前一个加速度信号极值点的时间间隔小于预定阈值;或者所述干扰极值点包括每组时间间隔连续小于预定阈值的加速度信号极值点中的数值非最大的加速度信号极值点。
8.如权利要求1所述的人体运动状态监视方法,还包括将所述睡眠状态总时长、睡眠状态总能量、睡眠异动总时长、轻微运动状态总时长、轻微运动状态总能量、无规律剧烈运动状态总时长、无规律剧烈运动状态总能量、有规律剧烈运动状态总时长、有规律剧烈运动状态总能量、运动总步数可选择地显示出来。
9.一种人体运动状态监视装置,包括:三轴加速度传感器、加速度信号获取单元、计算单元、人体运动状态判断单元、睡眠异动统计单元、采样时长设置单元、存储单元、准周期性判断单元、计步单元,其中,
所述加速度信号获取单元从人体佩戴的三轴加速度传感器的输出中获取具有设定采样时长的加速度信号,所述计算单元计算该加速度信号的能量和平均功率;
所述人体运动状态判断单元根据所述加速度信号的平均功率判断人体运动状态,如果所述加速度信号的平均功率大于预定的剧烈运动阈值,则判断为人体处于剧烈运动状态,如果所述加速度信号的平均功率小于预定的睡眠阈值,则判断为人体处于睡眠状态,如果所述加速度信号的平均功率小于所述剧烈运动阈值且大于所述睡眠阈值,则判断为人体处于轻微运动状态;
如果所述人体运动状态判断单元判断为人体处于睡眠状态,则将所述加速度信号的时长累加到睡眠状态总时长中,将所述加速度信号的能量累加到睡眠状态总能量中,睡眠异动统计单元统计所述加速度信号的强度大于预定强度阈值的时长、并将该时长累加到睡眠异动总时长中,所述采样时长设置单元将加速度信号的采样时长设定为睡眠状态采样时长,所述存储单元将睡眠状态总时长、睡眠状态总能量、睡眠异动总时长存储起来;
如果所述人体运动状态判断单元判断为人体处于轻微运动状态,则将所述加速度信号的时长累加到轻微运动状态总时长中,将所述加速度信号的能量累加到轻微运动状态总能量中,以及所述采样时长设置单元将加速度信号的采样时长设定为轻微运动状态采样时长,所述存储单元将轻微运动状态总时长、轻微运动状态总能量存储起来;
如果所述人体运动状态判断单元判断为人体处于剧烈运动状态,则准周期判断单元判断所述加速度信号是否具有准周期性,如果判断为所述加速度信号不具有准周期性,则所述人体运动状态判断单元判断为人体处于无规律剧烈运动状态,如果准周期判断单元判断为所述加速度信号具有准周期性,则所述人体运动状态判断单元判断为人体处于有规律剧烈运动状态;
如果人体运动状态判断单元判断为人体处于无规律剧烈运动状态,则将所述加速度信号的时长累加到无规律剧烈运动状态总时长中,将所述加速度信号的能量累加到无规律剧烈运动状态总能量中,以及所述采样时长设置单元将加速度信号的采样时长设定为剧烈运动状态采样时长,所述存储单元将无规律剧烈运动状态总时长、无规律剧烈运动状态总能量存储起来;
如果人体运动状态判断单元判断为人体处于有规律剧烈运动状态,则将所述加速度信号的时长累加到有规律剧烈运动状态总时长中,将所述加速度信号的能量累加到有规律剧烈运动状态总能量中,计步单元根据所述加速度信号计算运动步数、并将该运动步数累加到运动总步数中,所述采样时长设置单元将加速度信号的采样时长设定为剧烈运动状态采样时长,存储单元将有规律剧烈运动状态总时长、有规律剧烈运动状态总能量、运动步数存储起来。
10.如权利要求9所述的人体运动状态监视装置,还包括显示单元,用于将所述睡眠状态总时长、睡眠状态总能量、睡眠异动总时长、轻微运动状态总时长、轻微运动状态总能量、无规律剧烈运动状态总时长、无规律剧烈运动状态总能量、有规律剧烈运动状态总时长、有规律剧烈运动状态总能量、运动总步数可选择地显示出来。
Priority Applications (7)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310754081.XA CN103767710B (zh) | 2013-12-31 | 2013-12-31 | 人体运动状态监视方法和装置 |
PCT/CN2014/001178 WO2015100706A1 (zh) | 2013-12-31 | 2014-12-25 | 人体运动状态监视方法和装置 |
DK14876668.6T DK2962637T3 (da) | 2013-12-31 | 2014-12-25 | Fremgangsmåde og anordning til overvågning af menneskelig bevægelsesstatus |
EP14876668.6A EP2962637B1 (en) | 2013-12-31 | 2014-12-25 | Human motion status monitoring method and device |
JP2015563051A JP5952511B1 (ja) | 2013-12-31 | 2014-12-25 | 人体運動状態監視方法及び装置 |
KR1020157031885A KR101616681B1 (ko) | 2013-12-31 | 2014-12-25 | 인체의 운동상태 모니터링 방법 및 장치 |
US14/770,731 US20160000359A1 (en) | 2013-12-31 | 2014-12-25 | Human Body Movement State Monitoring Method And Device |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310754081.XA CN103767710B (zh) | 2013-12-31 | 2013-12-31 | 人体运动状态监视方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103767710A true CN103767710A (zh) | 2014-05-07 |
CN103767710B CN103767710B (zh) | 2015-12-30 |
Family
ID=50560797
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310754081.XA Active CN103767710B (zh) | 2013-12-31 | 2013-12-31 | 人体运动状态监视方法和装置 |
Country Status (7)
Country | Link |
---|---|
US (1) | US20160000359A1 (zh) |
EP (1) | EP2962637B1 (zh) |
JP (1) | JP5952511B1 (zh) |
KR (1) | KR101616681B1 (zh) |
CN (1) | CN103767710B (zh) |
DK (1) | DK2962637T3 (zh) |
WO (1) | WO2015100706A1 (zh) |
Cited By (23)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104077893A (zh) * | 2014-06-24 | 2014-10-01 | 北京丰拓生物技术有限公司 | 智能项链 |
CN104586402A (zh) * | 2015-01-22 | 2015-05-06 | 清华大学深圳研究生院 | 一种人体活动的特征提取方法 |
WO2015100706A1 (zh) * | 2013-12-31 | 2015-07-09 | 歌尔声学股份有限公司 | 人体运动状态监视方法和装置 |
CN105096493A (zh) * | 2015-07-31 | 2015-11-25 | 徐承柬 | 一种校园安防*** |
CN105496416A (zh) * | 2015-12-28 | 2016-04-20 | 歌尔声学股份有限公司 | 一种人体运动状态的识别方法和装置 |
CN105559751A (zh) * | 2015-12-14 | 2016-05-11 | 安徽华米信息科技有限公司 | 监测微活动状态的方法、装置及可穿戴设备 |
WO2016097746A1 (en) * | 2014-12-19 | 2016-06-23 | Mclaren Applied Technologies Limited | Biomechanical analysis |
CN105852826A (zh) * | 2016-03-22 | 2016-08-17 | 北京奇虎科技有限公司 | 终端和终端确定生理信息的方法 |
CN106333691A (zh) * | 2016-10-27 | 2017-01-18 | 深圳市万机创意电子科技有限公司 | 判断人体睡眠状态、静止状态和运动状态的方法及装置 |
CN106419884A (zh) * | 2016-09-22 | 2017-02-22 | 惠州市德赛工业研究院有限公司 | 一种基于小波分析的心率计算方法与*** |
CN106510721A (zh) * | 2016-12-12 | 2017-03-22 | 施则威 | 行走平衡评价方法及装置、行走平衡监测方法及*** |
WO2017092018A1 (zh) * | 2015-12-03 | 2017-06-08 | 华为技术有限公司 | 一种生物信号采集方法、装置、电子设备及*** |
CN107106085A (zh) * | 2014-12-30 | 2017-08-29 | 日东电工株式会社 | 用于睡眠监测的设备和方法 |
CN107704510A (zh) * | 2017-08-31 | 2018-02-16 | 江西博瑞彤芸科技有限公司 | 信息处理方法 |
CN107997767A (zh) * | 2016-11-01 | 2018-05-08 | 三星电子株式会社 | 用于识别用户活动的方法及其电子设备 |
CN108937860A (zh) * | 2018-06-06 | 2018-12-07 | 歌尔科技有限公司 | 一种运动状态监测方法、***及设备和存储介质 |
CN109528180A (zh) * | 2018-11-16 | 2019-03-29 | 歌尔科技有限公司 | 一种提醒方法、***、智能可穿戴设备及可读存储介质 |
CN109756241A (zh) * | 2014-05-30 | 2019-05-14 | 苹果公司 | 设备主***置的确定 |
CN111131950A (zh) * | 2019-12-26 | 2020-05-08 | 广东思派康电子科技有限公司 | 三轴加速度感应器控制麦克风开关的方法、电子设备、计算机可读存储介质 |
CN111246798A (zh) * | 2017-08-18 | 2020-06-05 | 菲特比特公司 | 呼吸紊乱的自动检测 |
US10716073B2 (en) | 2013-06-07 | 2020-07-14 | Apple Inc. | Determination of device placement using pose angle |
CN111887830A (zh) * | 2020-09-10 | 2020-11-06 | 贵州省人民医院 | 睡眠监测方法、装置、设备及可读存储介质 |
CN114732383A (zh) * | 2022-06-13 | 2022-07-12 | 深圳市华屹医疗科技有限公司 | 体征指标监测方法、装置、设备、存储介质和程序产品 |
Families Citing this family (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI489087B (zh) * | 2014-07-03 | 2015-06-21 | Globalsat Worldcom Corp | The step - by - step detection method of electronic device |
CN105212941B (zh) * | 2015-08-25 | 2017-12-29 | 武汉理工大学 | 一种人体活动状态识别方法及*** |
CN106562771B (zh) * | 2016-11-21 | 2019-06-18 | 华南理工大学 | 一种面向嵌入式平台的宠物睡眠识别方法 |
KR102025902B1 (ko) * | 2017-04-27 | 2019-09-27 | (주)씨어스테크놀로지 | 가속도 센서를 이용하여 신체 활동 레벨을 판단하는 장치 및 방법 |
US11226408B2 (en) | 2018-07-03 | 2022-01-18 | Panasonic Intellectual Property Management Co., Ltd. | Sensor, estimating device, estimating method, and recording medium |
CN109558841B (zh) * | 2018-11-30 | 2023-06-02 | 歌尔科技有限公司 | 一种运动状态的识别方法、装置及终端 |
CN113520306B (zh) * | 2020-04-17 | 2024-03-22 | 青岛海尔空调器有限总公司 | 一种人体睡眠状态的监测方法和智能家居装置 |
CN113679340B (zh) * | 2020-05-19 | 2024-01-19 | 瑞昱半导体股份有限公司 | 睡眠监测装置及方法 |
CN113009463B (zh) * | 2021-01-29 | 2023-04-18 | 杭州涂鸦信息技术有限公司 | 一种人体检测方法及装置 |
CN117194927B (zh) * | 2023-11-02 | 2024-03-22 | 深圳市微克科技股份有限公司 | 基于三轴加速度传感器的室内跳绳计数方法、***及介质 |
Family Cites Families (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
ES2229224T3 (es) * | 1994-09-07 | 2005-04-16 | Omron Healthcare Co., Ltd. | Dispositivo medidor de una cantidad de ejercicio, capaz de presentar la cantidad de ejercicio que todavia ha de realizarse. |
US7285090B2 (en) * | 2000-06-16 | 2007-10-23 | Bodymedia, Inc. | Apparatus for detecting, receiving, deriving and displaying human physiological and contextual information |
US20050107723A1 (en) * | 2003-02-15 | 2005-05-19 | Wehman Thomas C. | Methods and apparatus for determining work performed by an individual from measured physiological parameters |
US7395292B2 (en) * | 2003-10-08 | 2008-07-01 | Johnson Mark W | Method for displaying spectral trends in complex signals |
KR100786703B1 (ko) * | 2004-07-24 | 2007-12-21 | 삼성전자주식회사 | 가속도 센서를 이용한 운동량 측정장치 및 방법 |
KR20060008835A (ko) * | 2004-07-24 | 2006-01-27 | 삼성전자주식회사 | 가속도 센서를 이용한 운동량 측정장치 및 방법 |
JP4547537B2 (ja) * | 2004-11-29 | 2010-09-22 | 独立行政法人産業技術総合研究所 | 身体状態検出装置、その検出方法及び検出プログラム |
JP4604808B2 (ja) * | 2005-04-14 | 2011-01-05 | パナソニック電工株式会社 | 活動量計 |
JP2006334087A (ja) * | 2005-06-01 | 2006-12-14 | Medical Electronic Science Inst Co Ltd | 睡眠状態判定システム及び睡眠状態判定方法 |
US7827000B2 (en) * | 2006-03-03 | 2010-11-02 | Garmin Switzerland Gmbh | Method and apparatus for estimating a motion parameter |
JP4904861B2 (ja) * | 2006-03-14 | 2012-03-28 | ソニー株式会社 | 体動検出装置、体動検出方法および体動検出プログラム |
JP2009225971A (ja) * | 2008-03-21 | 2009-10-08 | Toshiba Corp | 睡眠状態計測装置及び方法 |
JP5250827B2 (ja) * | 2008-09-19 | 2013-07-31 | 株式会社日立製作所 | 行動履歴の生成方法及び行動履歴の生成システム |
JP4739440B2 (ja) * | 2009-04-02 | 2011-08-03 | 株式会社タニタ | 体動検出装置及び体動検出方法 |
US20130030711A1 (en) * | 2011-07-29 | 2013-01-31 | Nokia Corporation | Method and apparatus for providing adaptive filtering of sensors and sensor data |
US9474472B2 (en) * | 2011-12-30 | 2016-10-25 | Intel Corporation | Apparatus, method, and system for accurate estimation of total energy expenditure in daily activities |
JP2014233585A (ja) * | 2013-06-05 | 2014-12-15 | 日本電信電話株式会社 | 体温測定装置、方法及びプログラム |
CN103767710B (zh) * | 2013-12-31 | 2015-12-30 | 歌尔声学股份有限公司 | 人体运动状态监视方法和装置 |
-
2013
- 2013-12-31 CN CN201310754081.XA patent/CN103767710B/zh active Active
-
2014
- 2014-12-25 EP EP14876668.6A patent/EP2962637B1/en active Active
- 2014-12-25 DK DK14876668.6T patent/DK2962637T3/da active
- 2014-12-25 KR KR1020157031885A patent/KR101616681B1/ko active IP Right Grant
- 2014-12-25 US US14/770,731 patent/US20160000359A1/en not_active Abandoned
- 2014-12-25 WO PCT/CN2014/001178 patent/WO2015100706A1/zh active Application Filing
- 2014-12-25 JP JP2015563051A patent/JP5952511B1/ja active Active
Cited By (38)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10716073B2 (en) | 2013-06-07 | 2020-07-14 | Apple Inc. | Determination of device placement using pose angle |
WO2015100706A1 (zh) * | 2013-12-31 | 2015-07-09 | 歌尔声学股份有限公司 | 人体运动状态监视方法和装置 |
CN109756241B (zh) * | 2014-05-30 | 2020-12-22 | 苹果公司 | 设备主***置的确定 |
CN109756241A (zh) * | 2014-05-30 | 2019-05-14 | 苹果公司 | 设备主***置的确定 |
CN104077893A (zh) * | 2014-06-24 | 2014-10-01 | 北京丰拓生物技术有限公司 | 智能项链 |
WO2016097746A1 (en) * | 2014-12-19 | 2016-06-23 | Mclaren Applied Technologies Limited | Biomechanical analysis |
CN107106085A (zh) * | 2014-12-30 | 2017-08-29 | 日东电工株式会社 | 用于睡眠监测的设备和方法 |
CN104586402A (zh) * | 2015-01-22 | 2015-05-06 | 清华大学深圳研究生院 | 一种人体活动的特征提取方法 |
CN105096493B (zh) * | 2015-07-31 | 2018-07-17 | 徐承柬 | 一种校园安防*** |
CN105096493A (zh) * | 2015-07-31 | 2015-11-25 | 徐承柬 | 一种校园安防*** |
WO2017092018A1 (zh) * | 2015-12-03 | 2017-06-08 | 华为技术有限公司 | 一种生物信号采集方法、装置、电子设备及*** |
CN105559751A (zh) * | 2015-12-14 | 2016-05-11 | 安徽华米信息科技有限公司 | 监测微活动状态的方法、装置及可穿戴设备 |
WO2017101755A1 (zh) * | 2015-12-14 | 2017-06-22 | 安徽华米信息科技有限公司 | 监测微活动状态及可穿戴设备 |
US10624575B2 (en) | 2015-12-14 | 2020-04-21 | Anhui Huami Information Technology Co., Ltd. | Monitoring sleep using microactivity states |
CN105559751B (zh) * | 2015-12-14 | 2018-06-12 | 安徽华米信息科技有限公司 | 监测微活动状态的方法、装置及可穿戴设备 |
US10856777B2 (en) | 2015-12-28 | 2020-12-08 | Goertek Inc. | Method and device for identifying human movement state |
CN105496416A (zh) * | 2015-12-28 | 2016-04-20 | 歌尔声学股份有限公司 | 一种人体运动状态的识别方法和装置 |
WO2017113653A1 (zh) * | 2015-12-28 | 2017-07-06 | 歌尔股份有限公司 | 一种人体运动状态的识别方法和装置 |
CN105852826A (zh) * | 2016-03-22 | 2016-08-17 | 北京奇虎科技有限公司 | 终端和终端确定生理信息的方法 |
CN105852826B (zh) * | 2016-03-22 | 2018-10-09 | 北京奇虎科技有限公司 | 终端和终端确定生理信息的方法 |
CN106419884A (zh) * | 2016-09-22 | 2017-02-22 | 惠州市德赛工业研究院有限公司 | 一种基于小波分析的心率计算方法与*** |
CN106333691A (zh) * | 2016-10-27 | 2017-01-18 | 深圳市万机创意电子科技有限公司 | 判断人体睡眠状态、静止状态和运动状态的方法及装置 |
CN107997767A (zh) * | 2016-11-01 | 2018-05-08 | 三星电子株式会社 | 用于识别用户活动的方法及其电子设备 |
CN106510721B (zh) * | 2016-12-12 | 2019-07-09 | 施则威 | 行走平衡评价方法及装置、行走平衡监测方法及*** |
CN106510721A (zh) * | 2016-12-12 | 2017-03-22 | 施则威 | 行走平衡评价方法及装置、行走平衡监测方法及*** |
CN111246798B (zh) * | 2017-08-18 | 2023-12-22 | 飞比特有限公司 | 呼吸紊乱的自动检测 |
US11678838B2 (en) | 2017-08-18 | 2023-06-20 | Fitbit, Inc. | Automated detection of breathing disturbances |
CN111246798A (zh) * | 2017-08-18 | 2020-06-05 | 菲特比特公司 | 呼吸紊乱的自动检测 |
CN107704510A (zh) * | 2017-08-31 | 2018-02-16 | 江西博瑞彤芸科技有限公司 | 信息处理方法 |
CN108937860A (zh) * | 2018-06-06 | 2018-12-07 | 歌尔科技有限公司 | 一种运动状态监测方法、***及设备和存储介质 |
CN108937860B (zh) * | 2018-06-06 | 2021-02-02 | 歌尔科技有限公司 | 一种运动状态监测方法、***及设备和存储介质 |
CN109528180B (zh) * | 2018-11-16 | 2021-12-03 | 歌尔科技有限公司 | 一种提醒方法、***、智能可穿戴设备及可读存储介质 |
CN109528180A (zh) * | 2018-11-16 | 2019-03-29 | 歌尔科技有限公司 | 一种提醒方法、***、智能可穿戴设备及可读存储介质 |
CN111131950B (zh) * | 2019-12-26 | 2021-06-29 | 广东思派康电子科技有限公司 | 三轴加速度感应器控制麦克风开关的方法、电子设备、计算机可读存储介质 |
CN111131950A (zh) * | 2019-12-26 | 2020-05-08 | 广东思派康电子科技有限公司 | 三轴加速度感应器控制麦克风开关的方法、电子设备、计算机可读存储介质 |
CN111887830A (zh) * | 2020-09-10 | 2020-11-06 | 贵州省人民医院 | 睡眠监测方法、装置、设备及可读存储介质 |
CN111887830B (zh) * | 2020-09-10 | 2023-03-10 | 贵州省人民医院 | 睡眠监测方法、装置、设备及可读存储介质 |
CN114732383A (zh) * | 2022-06-13 | 2022-07-12 | 深圳市华屹医疗科技有限公司 | 体征指标监测方法、装置、设备、存储介质和程序产品 |
Also Published As
Publication number | Publication date |
---|---|
EP2962637A1 (en) | 2016-01-06 |
EP2962637B1 (en) | 2020-11-04 |
KR20150132595A (ko) | 2015-11-25 |
JP2016525895A (ja) | 2016-09-01 |
EP2962637A4 (en) | 2016-04-27 |
WO2015100706A1 (zh) | 2015-07-09 |
CN103767710B (zh) | 2015-12-30 |
DK2962637T3 (da) | 2020-12-07 |
KR101616681B1 (ko) | 2016-04-28 |
JP5952511B1 (ja) | 2016-07-13 |
US20160000359A1 (en) | 2016-01-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103767710B (zh) | 人体运动状态监视方法和装置 | |
CN105496416B (zh) | 一种人体运动状态的识别方法和装置 | |
CN103727959B (zh) | 计步方法及装置 | |
US7980999B2 (en) | Body motion discriminating apparatus and activity monitor | |
RU2535615C2 (ru) | Определение затрат энергии пользователя | |
CN104990562A (zh) | 基于自相关运算的计步方法 | |
EP3153093A1 (en) | Method and apparatus for generating assessments using physical activity and biometric parameters | |
US20160000373A1 (en) | Computing user's physiological state related to physical exercises | |
EP3677171B1 (en) | A method and apparatus for determining sleep need and sleep pressure based on physiological data | |
US20080275348A1 (en) | Monitor device and use thereof | |
Smolander et al. | Estimating oxygen consumption from heart rate and heart rate variability without individual calibration | |
US9474472B2 (en) | Apparatus, method, and system for accurate estimation of total energy expenditure in daily activities | |
CN106491138A (zh) | 一种运动状态检测方法及装置 | |
JP2010263953A (ja) | 運動分析装置、プログラム及び方法、並びに、運動分析システム | |
Bajpai et al. | Quantifiable fitness tracking using wearable devices | |
Moore et al. | Toward harmonized treadmill-based validation of step-counting wearable technologies: a scoping review | |
CN111544853A (zh) | 跑步运动中体力指标评估方法和设备 | |
CN106108879A (zh) | 一种基于心率数据的中小学生体育锻炼运动负荷的评价方法 | |
CN106730763A (zh) | 一种基于心率数据以及运动时间的中小学生体育锻炼运动负荷的评价方法 | |
CN107802274A (zh) | 基于生理指标的疲劳度检测方法及*** | |
KR101452066B1 (ko) | 활동량 리포트를 제공하는 장치 및 방법 | |
CN107361774B (zh) | 一种基于步频的运动监测***和方法 | |
CN113995394B (zh) | 一种生理信号的处理方法、装置、设备及存储介质 | |
Barbara et al. | Association Between short-term annoyance and severaL physiologicaL parameters during different amounts of nocturnal aircraft noise exposure | |
JP7277730B2 (ja) | 生活パターン判定装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
C56 | Change in the name or address of the patentee | ||
CP01 | Change in the name or title of a patent holder |
Address after: 261031 Dongfang Road, Weifang high tech Industrial Development Zone, Shandong, China, No. 268 Patentee after: Goertek Inc. Address before: 261031 Dongfang Road, Weifang high tech Industrial Development Zone, Shandong, China, No. 268 Patentee before: Goertek Inc. |