CN103784118B - 用于计算执行的运动量的方法和设备 - Google Patents
用于计算执行的运动量的方法和设备 Download PDFInfo
- Publication number
- CN103784118B CN103784118B CN201310436584.2A CN201310436584A CN103784118B CN 103784118 B CN103784118 B CN 103784118B CN 201310436584 A CN201310436584 A CN 201310436584A CN 103784118 B CN103784118 B CN 103784118B
- Authority
- CN
- China
- Prior art keywords
- noise
- user
- motion
- step number
- execution
- 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.)
- Active
Links
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
- A61B5/1126—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb using a particular sensing technique
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/05—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves
- A61B5/053—Measuring electrical impedance or conductance of a portion of the body
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/05—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves
- A61B5/053—Measuring electrical impedance or conductance of a portion of the body
- A61B5/0531—Measuring skin impedance
-
- 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
- A61B5/11—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
- A61B5/22—Ergometry; Measuring muscular strength or the force of a muscular blow
- A61B5/221—Ergometry, e.g. by using bicycle type apparatus
-
- 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
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B7/00—Instruments for auscultation
- A61B7/02—Stethoscopes
- A61B7/04—Electric stethoscopes
-
- A—HUMAN NECESSITIES
- A63—SPORTS; GAMES; AMUSEMENTS
- A63B—APPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
- A63B24/00—Electric or electronic controls for exercising apparatus of preceding groups; Controlling or monitoring of exercises, sportive games, training or athletic performances
- A63B24/0062—Monitoring athletic performances, e.g. for determining the work of a user on an exercise apparatus, the completed jogging or cycling distance
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C22/00—Measuring distance traversed on the ground by vehicles, persons, animals or other moving solid bodies, e.g. using odometers, using pedometers
- G01C22/006—Pedometers
-
- 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
- A61B2562/0209—Special features of electrodes classified in A61B5/24, A61B5/25, A61B5/283, A61B5/291, A61B5/296, A61B5/053
- A61B2562/0217—Electrolyte containing
-
- 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
- A61B5/1118—Determining activity level
-
- 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
- A61B5/4866—Evaluating metabolism
-
- 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
- A61B5/7253—Details of waveform analysis characterised by using transforms
-
- 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
- A61B5/7253—Details of waveform analysis characterised by using transforms
- A61B5/7257—Details of waveform analysis characterised by using transforms using Fourier transforms
-
- A—HUMAN NECESSITIES
- A63—SPORTS; GAMES; AMUSEMENTS
- A63B—APPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
- A63B2220/00—Measuring of physical parameters relating to sporting activity
- A63B2220/17—Counting, e.g. counting periodical movements, revolutions or cycles, or including further data processing to determine distances or speed
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Animal Behavior & Ethology (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Pathology (AREA)
- Biophysics (AREA)
- Dentistry (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Physiology (AREA)
- Physical Education & Sports Medicine (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Acoustics & Sound (AREA)
- Dermatology (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Psychiatry (AREA)
- Signal Processing (AREA)
- Obesity (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
- Mathematical Physics (AREA)
Abstract
公开一种用于计算执行的运动量的方法和设备,所述方法包括:基于用户的皮肤和附着于用户的皮肤的传感器之间的位移的相对差来测量噪声;基于测量的噪声来确定用户走过的步数。
Description
本申请要求于2012年10月30日提交到韩国知识产权局的第10-2012-0121163号韩国专利申请的权益,该申请的公开为了所有目的通过引用完整地包含于此。
技术领域
以下描述涉及一种基于用户的皮肤和传感器之间产生的噪声来计算用户执行的运动量的方法。
背景技术
近来,诸如肥胖和超重的问题已经受到注意。用于测量为了全面健康或保持体形而运动的人们执行的运动量的设备的使用使得建立日常运动成为可能。用于测量执行的运动量的一般设备可包括卡路里消耗测量设备。卡路里消耗测量设备可基于测量方案(例如,加速度计测量方案、心率测量方案和心率-加速度计测量方案)来分类。
加速度计测量方案可使用利用加速度计传感器的用户的移动产生的加速度的变化。加速度计测量方案可从加速度的变化来计算用户走过的步数,并基于计算的步数来计算卡路里消耗。
心率测量方案可通过测量用户运动时的心跳数来计算卡路里消耗。心率测量方案可基于最大心跳数和用户执行的运动类型来计算卡路里消耗,或者可基于测量的心跳数和用户信息来计算卡路里消耗。
心率-加速度计测量方案可使用加速度计传感器来测量用户执行的运动量,并使用心率传感器来测量用户的心跳数。心率-加速度计测量方案可通过确定用户的运动方式选择性地使用加速度计测量方案和心率测量方案或者使用测量的运动量和心跳数来计算卡路里消耗。
发明内容
在一个总的方面,一种计算执行的运动量的方法包括:基于用户的皮肤和附着于用户的皮肤的传感器之间的位移的相对差来测量噪声;基于测量的噪声来确定用户走过的步数。
所述方法还可包括:基于确定的步数来计算用户执行的运动量。
计算用户执行的运动量的步骤可包括:基于确定的步数和用户的生理信息来计算用户的运动量。
计算用户执行的运动量的步骤可包括:基于确定的步数、用户的步长和用户执行的运动的持续时间来计算用户执行运动的速度;基于计算的用户执行运动的速度和用户的体重来计算用户执行的运动量。
计算用户执行的运动量的步骤可包括:使用确定的步数和指示走过的步数和执行的运动量之间的关系的查找表(LUT)来计算用户执行的运动量。
用户执行的运动量包括在用户执行的运动的持续时间期间走过的步数、在运动的持续时间期间消耗的能量的量和在运动的持续时间期间消耗的氧气量中的任意一个或任意组合。
测量噪声的步骤可包括:通过从传感器检测由用户的皮肤和传感器之间的位移的相对差产生的半电池电位(HCP)来测量噪声。
测量噪声的步骤可包括:通过从传感器检测由用户的皮肤和传感器之间的位移的相对差产生的阻抗的变化来测量噪声。
确定用户走过的步数的步骤可包括:将测量的噪声转换到频域;基于转换到频域的噪声来确定用户走过的步数。
确定用户走过的步数的步骤可包括:从转换到频域的噪声中识别具有最大值的噪声的频率;基于识别的频率和与噪声的单个周期相应的步数来确定用户走过的步数。
确定用户走过的步数的步骤可包括:采样测量的噪声;从采样的噪声中提取噪声的峰值;基于提取的峰值的数量来确定用户走过的步数。
提取噪声的峰值的步骤可包括:从采样的噪声中排除不满足预定阈值的噪声。
在另一个总的方面,一种非暂时性计算机可读存储介质存储用于控制计算机执行上述方法的程序。
在另一个总的方面,一种用于计算执行的运动量的设备包括:噪声测量单元,被构造为基于用户的皮肤和附着于皮肤的传感器之间的位移的相对差来测量噪声;步数确定单元,被构造为基于测量的噪声来确定用户走过的步数。
所述设备还可包括:执行的运动量计算单元,被构造为使用确定的步数来计算用户执行的运动量。
执行的运动量计算单元还可被构造为使用确定的步数和指示走过的步数和执行的运动量之间的关系的查找表(LUT)来计算用户执行的运动量。
执行的运动量计算单元还可被构造为基于确定的步数和用户的生理信息来计算用户执行的运动量。
执行的运动量计算单元还可被构造为基于确定的步数、用户的步长和用户执行的运动的持续时间来计算用户执行运动的速度,并基于计算的用户执行运动的速度和用户的体重来计算用户执行的运动量。
噪声测量单元还可被构造为通过从传感器检测由用户的皮肤和传感器之间的位移的相对差产生的半电池电位(HCP)来测量噪声。
噪声测量单元还可被构造为通过从传感器检测由用户的皮肤和传感器之间的位移的相对差产生的阻抗的变化来测量噪声。
步数确定单元还可被构造为将测量的噪声转换到频域,并基于转换到频域的噪声来确定用户走过的步数。
步数确定单元还可被构造为采样测量的噪声,从采样的噪声中提取噪声的峰值,并基于提取的峰值的数量来确定用户走过的步数。
在另一个总的方面,一种计算用户执行的运动量的方法包括:测量在执行运动的同时由用户的移动产生的噪声;基于测量的噪声来确定用户走过的步数。
测量的步骤可包括使用附着于用户的皮肤的传感器来测量噪声,所述噪声可在执行运动的同时由用户的移动引起的传感器和皮肤之间的相对移动产生。
确定步数的步骤可包括:从测量的噪声提取信息;基于提取的信息确定用户走过的步数。
通过以下详细描述、附图和权利要求,其他特点和方面将是清楚的。
附图说明
图1是示出用于计算执行的运动量的设备的示例的示图。
图2是示出用于计算执行的运动量的设备的详细构造的示例的示图。
图3A和图3B是示出从传感器测量的噪声的示例的曲线图。
图4是示出提取峰值的操作的示例的曲线图。
图5A和图5B是示出获得走过的步数的操作的示例的曲线图。
图6是示出计算执行的运动量的方法的示例的流程图。
图7是示出确定走过的步数的操作的示例的流程图。
图8是示出确定走过的步数的操作的另一示例的流程图。
图9是示出计算执行的运动量的操作的另一示例的流程图。
具体实施方式
提供以下详细描述以帮助读者得到在此描述的方法、设备和/或***的全面理解。然而,在此描述的方法、设备和/或***的各种改变、修改和等同物对于本领域的普通技术人员将是明显的。除了必须以特定次序发生的操作之外,在此描述的操作的顺序只是示例,并不限于在此阐述的顺序,而是可以改变,这对于本领域的普通技术人员将是明显的。另外,为了增加的清楚和简明,可省略本领域的普通技术人员公知的功能和结构的描述。
贯穿附图和详细描述,相同的附图标号指示相同的元件。附图不必成比例,并且为了清楚、说明和方便,可夸大附图中的元件的相对尺寸、比例和描绘。
图1是示出用于计算执行的运动量的设备130的示例的示图。参照图1,用于计算执行的运动量的设备130基于用户的皮肤110和附着于皮肤110的传感器120之间的位移的相对差来测量噪声。传感器120可通过附着于用户的皮肤110而检测通过用户执行的运动产生的噪声。
例如,传感器120可通过电极以半电池电位(HCP)的形式检测由用户的皮肤110和传感器120之间的位移的相对差产生的噪声。HCP可表示当化学反应和电功率处于平衡状态时电极和电解质之间的电位差。具体地讲,传感器120可检测传感器120的电极和皮肤110之间的电位差。
传感器120以阻抗的形式检测噪声,其中,由用户的皮肤110和传感器120之间的位移的相对差产生的皮肤的电性质的变化被应用于所述噪声。例如,传感器120可以是通过附着于用户的皮肤110来测量身体中的阻抗的阻抗传感器。传感器120可检测由用户执行的运动产生的噪声,并且所述噪声可以以阻抗变化的形式被输出。
当用户运动时,由于用户的移动而引起的位移的相对差可出现在用户的皮肤110和附着于用户的皮肤110的传感器120之间。例如,当用户运动时,用户的皮肤110经过的距离和传感器120经过的距离可能不相等,这种距离的差导致位移的差。
用于计算执行的运动量的设备130基于测量的噪声来确定用户走过的步数。用于计算执行的运动量的设备130可通过分析测量的噪声来确定在运动期间用户走过的步数。
例如,用于计算执行的运动量的设备130提取噪声的峰值,并基于提取的峰值的数量来确定用户走过的步数。例如,用于计算执行的运动量的设备130可通过将峰值的数量乘以噪声的周期或每个峰值的步数来确定用户走过的步数。
用于计算执行的运动量的设备130可通过分析转换到频域的噪声的频率来确定步数。例如,用于计算执行的运动量的设备130可通过在转换到频域的噪声中识别具有最大值的频率来确定步数。
用于计算执行的运动量的设备130基于确定的步数来计算用户执行的运动量。例如,用于计算执行的运动量的设备130可基于步数来计算用户在执行运动期间走过的步数、消耗的氧气量、消耗的能量的量(诸如卡路里)以及与执行的运动量有关的其他参数。
例如,用于计算执行的运动量的设备130通过将确定的步数应用于执行的运动量计算模型来计算执行的运动量。执行的运动量计算模型可表示用于计算执行的运动量(诸如消耗的能量的量、消耗的氧气量以及与执行的运动量有关的其他参数)的一般的计算模型。用于计算执行的运动量的设备130可不考虑运动条件(例如,情绪状态、消化情况、用户对尼古丁或咖啡因的摄入、温度和其他运动条件)来计算运动量。
用于计算执行的运动量的设备130使用用户的皮肤110和附着于用户的皮肤110的传感器120之间产生的噪声来计算执行的运动量。因此,用于计算执行的运动量的设备130可以不需要使用用于计算用户执行的运动量的另外的加速度传感器。因为用于计算执行的运动量的设备130可使用单个放大器而不使用加速度传感器来测量噪声,所以计算执行的运动量所消耗的功率会减少。
用于计算执行的运动量的设备130通过输出装置向用户提供实时计算的执行的运动量。用户可基于提供的执行的运动量信息根据有序组织的程序来运动,或者调整当前运动难度或运动的持续时间。
图2是示出用于计算执行的运动量的设备220的详细构造的示例的示图。参照图2,用于计算执行的运动量的设备220包括噪声测量单元230、步数确定单元240和执行的运动量计算单元250。
噪声测量单元230基于用户的皮肤和附着于用户的皮肤的传感器210之间的位移的相对差来提取噪声。例如,噪声测量单元230可通过传感器210检测由用户的皮肤和传感器210之间的位移的相对差产生的HCP来测量噪声。当传感器210检测到HCP时,噪声测量单元230可测量响应于用户走过的步数而灵敏反应的噪声。
噪声测量单元230通过检测阻抗变化来测量噪声,其中,由用户的皮肤和附着于用户的皮肤的传感器210之间的位移的相对差产生的电性质变化被应用于所述噪声。例如,噪声测量单元230可通过分析可通过用户的移动而改变的阻抗值来测量噪声,所述噪声包括用户移动信息。
步数确定单元240基于测量的噪声来确定用户走过的步数。
步数确定单元240基于转换到频域的噪声来确定用户走过的步数。例如,步数确定单元240可在转换到频域的噪声中识别具有最大值的噪声的频率,并基于识别的频率和与噪声的单个周期相应的步数来确定用户走过的步数。
例如,步数确定单元240可通过对测量的噪声执行快速傅里叶变换(FFT)将测量的噪声转换到频域。步数确定单元240可通过对转换到频域的噪声执行频率分析来识别具有最大值的频率。步数确定单元240可基于具有最大值的频率和与噪声的单个周期相应的步数来来确定走过的步数。当对测量的噪声执行快速傅里叶变换时,步数确定单元240可迅速地确定用户走过的步数。
作为另一示例,步数确定单元240可通过采样噪声来提取噪声的峰值,并基于提取的峰值的数量来确定用户走过的步数。例如,步数确定单元240可通过从采样的噪声中排除不满足预定阈值的噪声来提取噪声的峰值。
例如,步数确定单元240可确定噪声的最大幅度并将最大幅度的预定比率设置为阈值,或者可将噪声的预定大小设置为阈值。步数确定单元240可从噪声的峰值的提取范围中排除小于设置的阈值的噪声,并且只有在噪声大于所述阈值时才提取峰值。步数确定单元240可通过排除不满足所述阈值的噪声来去除对用户走过的步数无足轻重的噪声分量,从而更精确地提取峰值。
步数确定单元240可使用模数转换器(ADC)将噪声测量单元230测量的模拟噪声信号转换为数字噪声信号,并通过将高通滤波器(HPF)应用于数字噪声信号来提取峰值。
步数确定单元240从采样的噪声中提取峰值。在图4中将进一步描述从采样的噪声中提取峰值。步数确定单元240可基于从噪声中提取的峰值的数量来确定用户走过的步数。例如,当峰值的数量被确定时,步数确定单元240可通过将峰值的数量乘以表示与噪声的单个周期相应的步数的常数值“2”来确定用户走过的步数。
执行的运动量计算单元250基于确定的步数来计算用户执行的运动量。例如,用户执行的运动量可包括在运动期间的步数、用户消耗的能量的量和消耗的氧气量中的任意一个或任意组合。
执行的运动量计算单元250基于用户的生理信息(诸如确定的步数、步长、体重和用户的其他生理信息)计算用户执行的运动量。例如,执行的运动量计算单元250可基于确定的步数、步长和用户执行的运动的持续时间来计算用户执行运动的速度,并基于计算的用户执行运动的速度和用户的体重来计算用户执行的运动量。
在一个示例中,执行的运动量计算单元250可基于由以下等式1表示的执行的运动量计算模型来计算在运动期间消耗的能量的量:
消耗的能量的量(千卡(kcal))=1.05×代谢当量(MET)×运动的持续时间(分钟(min))×体重(千克(kg))
(1)。
在等式1中,MET(kcal/kg/分钟)表示每单位时间和每单位重量消耗的千卡数。可使用以下等式2来计算MET:
MET=0.0272×运动的速度(米(m)/min)+1.2 (2)。
可使用以下等式3基于在运动期间用户走过的步数、步长和执行的运动的持续时间来计算等式2中的运动的速度:
运动的速度(m/min)=步长(m)×步数÷运动的持续时间(min) (3)。
执行的运动量计算单元250通过将用户的步长、从皮肤和传感器210之间的噪声获得的步数和测量的运动的持续时间应用于运动量计算模型来计算运动的速度和MET,并基于计算的MET、运动的持续时间和体重来计算在用户执行的运动期间消耗的能量的量。
执行的运动量计算单元250基于使用等式3获得的运动的速度使用以下的等式4来计算在运动期间消耗的氧气量:
消耗的氧气量(毫升(ml))=体重(kg)×运动的持续时间(min)×每千克每分钟消耗的氧气量(ml/kg/min) (4)。
可使用以下的等式5来计算等式4中的每千克每分钟消耗的氧气量:
每千克每分钟消耗的氧气量(ml/kg/min)=a×运动的速度(m/min)+3.5 (5)。
在等式5中,“a”表示基于运动的类型变化的常数,当慢步时该常数可以是“0.1”,当奔跑时该常数可以是“0.2”。
执行的运动量计算单元250基于测量的噪声来确定用户走过的步数,基于确定的步数来计算运动的速度(用户以该速度执行运动),并基于计算的运动的速度来计算在运动期间消耗的氧气量。
执行的运动量计算单元250基于根据实验结果的消耗的能量的量和消耗的氧气量之间的关系从单个结果计算不同的运动量。例如,在用户消耗1升(l)氧气时消耗5kcal能量的关系下,执行的运动量计算单元250可基于能量的量与消耗的氧气量的关系来计算能量的量。
然而,执行的运动量计算单元250使用的运动量计算模型不限于上述的运动量计算模型,执行的运动量计算单元250可使用基于走过的步数计算执行的运动量的各种运动量计算模型。
作为另一示例,执行的运动量计算单元250可基于确定的步数以及指示走过的步数与执行的运动量之间的关系的查找表(LUT)来计算用户执行的运动量。执行的运动量计算单元250可基于测量的噪声来确定用户走过的步数,并通过从LUT中提取与确定的步数相应的执行的运动量来迅速地计算执行的运动量。
图3A和图3B是从传感器测量的噪声的示例的曲线图。参照图3A和图3B,示出通过用于计算运动量的设备以HCP的形式测量的噪声的示例。图3A示出当用户慢步时的HCP的示例,图3B示出当用户奔跑时的HCP的示例。峰值310表示在图3A的HCP信号和图3B的HCP信号中的峰值310。
用于计算运动量的设备测量在用户的皮肤和附着于皮肤的传感器之间由用户执行的运动产生的噪声,并且噪声的测量被表示为如图3A和图3B所示的HCP信号。比较图3A和图3B,当用户奔跑时,HCP的最大幅度会更大,并且在相同的持续时间期间可产生更多数量的峰值310。
用于计算执行的运动量的设备可从图3A和图3B中的噪声中提取峰值310,并可基于提取的峰值310的数量来确定用户走过的步数。用于计算运动量的设备可通过将提取的峰值310的数量乘以表示与噪声的单个周期相应的步数的常数“2”来确定用户走过的步数。
图4是示出提取峰值的操作的示例的曲线图。更详细地讲,图4是示出以图3A和图3B的HCP的形式测量的噪声的放大部分的曲线图。参照图4,四个噪声值“a”、“b”、“c”和“d”可用于描述提取峰值的操作。
例如,用于计算运动量的设备可使用以下的等式6和三个噪声值来提取峰值:
{x(t)-x(t-1)}×{x(t+1)-x(t)}<0
(6)。
在等式6中,x(t-1)、x(t)和x(t+1)表示按时间顺序测量的噪声值。例如,当使用图4中的三个噪声值“a”、“b”和“c”时,x(t-1)、x(t)和x(t+1)可顺序地对应于“a”、“b”和“c”。当如图4所示,噪声值“b”大于噪声值“a”和“c”时,(b-a)×(c-b)的值为负。因此,用于计算执行的运动量的设备可在范围从“a”和“c”的区间中提取单个峰值。
可选择地,用于计算执行的运动量的设备可使用以下的等式7和两个噪声值来提取峰值。
x(t)×x(t+1)<0
(7)。
在等式7中,x(t)和x(t+1)表示按时间顺序测量的噪声值。当使用两个噪声值“c”和“d”时,x(t)和x(t+1)可分别对应于“c”和“d”。在图4中,因为噪声值“c”为正,噪声值“d”为负,所以(c×d)的值可以为负,并且用于计算执行的运动量的设备可基于等式7识别噪声信号具有时间轴上的过零点的区间。例如,用于计算执行的运动量的设备可识别在图4中的范围从“c”至“d”的区间中的过零点。
用于计算执行的运动量的设备可基于过零点的数量识别峰值的数量。例如,因为单个峰值可导致两个过零点,所以用于计算运动量的设备可通过将识别的过零点的数量除以值2来识别峰值的数量。因为噪声中的单个峰值表示两步,所以用于计算执行的运动量的设备可通过将识别的峰值的数量乘以“2”来确定走过的步数。
图5A和图5B是示出获得走过的步数的操作的示例的曲线图。
图5A示出通过用于计算执行的运动量的设备在皮肤和附着于皮肤的传感器之间测量的噪声的示例。用于计算执行的运动量的设备可如图5B所示将测量的噪声转换到频域,以确定用户走过的步数。图5B表示通过对测量的噪声执行FFT将测量的噪声转换到频域的结果。
用于计算执行的运动量的设备如图5B所示将噪声转换到频域,并使用以下的等式8来确定步数:
每分钟走过的步数=fm(赫兹)×60(步/min)×2 (8)。
在等式8中,“fm”表示在频域中具有最大值的噪声的频率。用于计算执行的运动量的设备可通过将识别的频率乘以表示与噪声的单个周期相应的步数的“2”和用于时间转换的常数来确定每分钟的步数。
例如,当fm被识别为1.453Hz时,用户走过的步数可以是1.453×60×2=174.36。因此,确定每分钟用户走过大约175步。
用于计算执行的运动量的设备将确定的步数应用于执行的运动量计算模型以计算在运动期间走过的步数、消耗的能量的量或消耗的氧气量。
图6是示出计算运动量的方法的示例的流程图。在610中,用于计算执行的运动量的设备基于用户的皮肤和附着于用户的皮肤的传感器之间的位移的相对差来测量噪声。例如,用于计算执行的运动量的设备可通过从传感器检测由用户的皮肤和传感器之间的位移的相对差产生的HCP来测量噪声。用于计算执行的运动量的设备可通过从传感器检测阻抗变化来测量噪声,其中,由用户的皮肤和传感器之间的位移的相对差产生的皮肤的电性质的变化被应用于所述噪声。例如,用于计算执行的运动量的设备可通过分析可通过用户的移动改变的阻抗值来测量噪声,并且所述噪声可包括用户的移动信息。
在620中,用于计算执行的运动量的设备基于测量的噪声来确定用户走过的步数。例如,用于计算执行的运动量的设备可提取噪声的峰值,并基于提取的峰值的数量来确定走过的步数。用于计算执行的运动量的设备可将噪声转换到频域,并通过对转换到频域的噪声执行频率分析来确定走过的步数。
在630中,用于计算执行的运动量的设备基于确定的步数来计算用户执行的运动量。用户执行的运动量可包括在运动期间用户走过的步数、消耗的能量的量和消耗的氧气量中的任意一个或任意组合。
例如,用于计算执行的运动量的设备通过将确定的步数应用于运动量计算模型来计算执行的运动量。用于计算执行的运动量的设备可基于确定的步数和用户的生理信息来计算用户执行的运动量,或者基于确定步数以及指示走过的步数与执行的运动量之间的关系的LUT来计算用户执行的运动量。
图7是示出确定走过的步数的操作的示例的流程图。在710中,用于计算执行的运动量的设备采样测量的噪声。
在720中,用于计算执行的运动量的设备可基于采样的噪声值提取噪声的峰值。例如,用于计算执行的运动量的设备可通过在采样的噪声中排除不满足预定阈值的噪声来提取噪声的峰值。
用于计算执行的运动量的设备可使用ADC将模拟噪声信号转换为数字噪声信号,并通过将HPF应用于数字噪声信号来提取峰值。
在730中,用于计算执行的运动量的设备基于提取的峰值的数量来确定用户走过的步数。例如,当峰值的数量被确定时,用于计算执行的运动量的设备可通过将峰值的数量乘以表示噪声的单个周期的步数的常数“2”来确定用户走过的步数。
图8是示出确定走过的步数的操作的另一示例的流程图。在810中,用于计算执行的运动量的设备将测量的噪声转换到频域。例如,用于计算执行的运动量的设备可通过对测量的噪声执行FFT将测量的噪声转换到频域。
在820中,用于计算执行的运动量的设备在转换到频域的测量的噪声中识别具有最大值的噪声的频率。
在830中,用于计算执行的运动量的设备基于识别的频率和与噪声的单个周期相应的走过的步数来确定用户走过的步数。例如,用于计算执行的运动量的设备可通过将识别的频率乘以表示与噪声的单个周期相应的步数的值“2”和用于时间转换的常数来确定每小时走过的步数。
图9是示出计算执行的运动量的操作的另一示例的流程图。在910中,用于计算执行的运动量的设备基于确定的走过的步数、用户的步长和用户执行的运动的持续时间来计算用户执行运动的速度。例如,用于计算执行的运动量的设备可将用户的步长乘以确定的走过的步数,并将相乘的结果除以用户执行的运动的持续时间来计算用户执行运动的速度。
在920中,用于计算执行的运动量的设备基于计算的用户执行运动的速度和用户的体重来计算用户执行运动量。例如,用于计算执行的运动量的设备可基于计算的执行运动的速度来计算表示每单位时间和单位体重消耗的能量的量的MET,并基于计算的MET、用户的体重和用户执行的运动的持续时间来计算消耗的能量的量。
可使用一个或多个硬件组件、一个或多个软件组件或一个或多个硬件组件和一个或多个软件组件的组合来实现执行图3A、图3B、图4、图5A、图5B、图6至图9的操作的图1中示出的用于计算执行的运动量的设备130以及图2中示出的用于计算执行的运动量的设备220、噪声测量单元230、步数确定单元240和执行的运动量计算单元250。
硬件组件可以是例如物理上执行一个或多个操作的物理装置,但不限于此。硬件组件的示例包括电阻器、电容器、电感器、电源、频率发生器、运算放大器、功率放大器、低通滤波器、高通滤波器、带通滤波器、模数转换器、数模转换器和处理装置。
软件组件可由例如被用于执行一个或多个操作的软件或指令控制的处理装置来执行,但不限于此。计算机、控制器或其他控制装置可使处理装置运行软件或执行指令。可由一个处理装置执行一个软件组件,或者可由一个处理装置执行两个或更多个软件组件,或者可由两个或更多个处理装置执行一个软件组件,或者可由两个或更多个处理装置执行两个或更多个软件组件。
可使用一个或多个通用计算机或专用计算机来实现处理装置,诸如,例如处理器、控制器和算术逻辑单元、数字信号处理器、微计算机、现场可编程阵列、可编程逻辑单元、微处理器或能够运行软件或执行指令的任何其他装置。处理装置可运行操作***(OS),并可运行在OS下操作的一个或多个软件应用。当运行软件或执行指令时,处理装置可访问、存储、操作、处理和创建数据。为简单起见,单数术语“处理装置”可用于描述中,但是本领域普通技术人员将理解,处理装置可包括多个处理元件以及多种类型的处理元件。例如,处理装置可包括一个或多个处理器或者一个或多个处理器和一个或多个控制器。此外,不同的处理配置是可行的,诸如并行处理器或多核处理器。
被构造为执行软件组件以执行操作A的处理装置可包括被编程为运行软件或执行指令以控制处理器执行操作A的处理器。此外,被构造为执行软件组件以执行操作A、操作B和操作C的处理装置可具有各种配置,诸如,被构造为执行软件组件以执行操作A、操作B和操作C的处理器;被构造为执行软件组件以执行操作A的第一处理器和被构造为执行软件组件以执行操作B和操作C的第二处理器;被构造为执行软件组件以执行操作A和操作B的第一处理器和被构造为执行软件组件以执行操作C的第二处理器;被构造为执行软件组件以执行操作A的第一处理器、被构造为执行软件组件以执行操作B的第二处理器和被构造为执行软件组件以执行操作C的第三处理器;被构造为执行软件组件以执行操作A、操作B和操作C的第一处理器和被构造为执行软件组件以执行操作A、操作B和操作C的第二处理器;或者分别执行操作A、操作B和操作C中的一个或多个的一个或多个处理器的任何其他配置。虽然这些示例表示三个操作A、B和C,但是可执行的操作的数量不限于三个,而可以是实现期望的结果或执行期望的任务所需的任何数量的操作。
用于控制执行软件组件的处理装置的软件或指令可包括计算机程序、一条代码、指令或它们的某种组合,以独立地或整体地指示或配置处理装置执行一个或多个期望的操作。软件或指令可包括可由处理装置直接执行的机器代码(诸如由编译器产生的机器代码)和/或可由处理装置使用解释器执行的高级代码。软件或指令以及任何相关的数据、数据文件和数据结构可被永久地或临时地包含在任何类型的机器、组件、物理或虚拟设备、计算机存储介质或装置、或者能够将指令或数据提供给处理装置或能够被处理装置解释的传播信号波中。软件或指令以及任何相关的数据、数据文件和数据结构还可分布在网络连接的计算机***上,从而软件或指令以及任何相关的数据、数据文件和数据结构以分布方式被存储和执行。
例如,软件或指令以及任何相关的数据、数据文件和数据结构可被记录、存储或固定在一个或多个非暂时性计算机可读存储介质中。非暂时性计算机可读存储介质可以是能够存储软件或指令以及任何相关的数据、数据文件和数据结构以便它们可由计算机***或处理装置读取的任何数据存储装置。非暂时性计算机可读存储介质的示例包括只读存储器(ROM)、随机存取存储器(RAM)、闪存、CD-ROM、CD-R、CD+R、CD-RW、CD+RW、DVD-ROM、DVD-R、DVD+R、DVD-RW、DVD+RW、DVD-RAM、BD-ROM、BD-R、BD-R LTH、BD-RE、磁带、软盘、磁光数据存储装置、光学数据存储装置、硬盘、固态盘或本领域普通技术人员公知的任何其他非暂时性计算机可读存储介质。
用于实现这里公开的示例的功能程序、代码和代码段可以由该示例所属领域的编程技术人员基于这里提供的附图及其相应的描述容易地解释。
尽管本公开包括特定示例,但是本领域普通技术人员将清楚的是,在不脱离权利要求及其等同物的精神和范围的情况下,可以对这些示例进行形式和细节上的各种改变。这里描述的示例仅以描述性意义被考虑,而不是限制的目的。每个示例中的特征或方面的描述将被考虑为可应用于其他示例中的相似特征或方面。如果描述的技术以不同的顺序被执行,和/或如果描述的***、架构、装置或电路中的组件以不同的方式组合和/或被其他组件或它们的等同物替换或补充,则可实现适当的结果。因此,本公开的范围不是由详细描述限定,而是由权利要求及其等同物限定,并且权利要求及其等同物的范围之内的所有变化将被解释为包括在本公开中。
Claims (18)
1.一种计算执行的运动量的方法,所述方法包括:
基于用户的皮肤和附着于用户的皮肤的传感器之间的位移的相对差来测量噪声;
基于测量的噪声来确定用户走过的步数;
基于确定的步数来计算用户执行的运动量。
2.如权利要求1所述的方法,其中,计算用户执行的运动量的步骤包括:基于确定的步数和用户的生理信息来计算用户的运动量。
3.如权利要求2所述的方法,其中,计算用户执行的运动量的步骤包括:
基于确定的步数、用户的步长和用户执行的运动的持续时间来计算用户执行运动的速度;
基于计算的用户执行运动的速度和用户的体重来计算用户执行的运动量。
4.如权利要求1所述的方法,其中,计算用户执行的运动量的步骤包括:使用确定的步数和指示走过的步数和执行的运动量之间的关系的查找表来计算用户执行的运动量。
5.如权利要求1所述的方法,其中,用户执行的运动量包括在用户执行的运动的持续时间期间走过的步数、在运动的持续时间期间消耗的能量的量和在运动的持续时间期间消耗的氧气量中的任意一个或任意组合。
6.如权利要求1所述的方法,其中,测量噪声的步骤包括:通过从传感器检测由用户的皮肤和传感器之间的位移的相对差产生的半电池电位来测量噪声。
7.如权利要求1所述的方法,其中,测量噪声的步骤包括:通过从传感器检测由用户的皮肤和传感器之间的位移的相对差产生的阻抗的变化来测量噪声。
8.如权利要求1所述的方法,其中,确定用户走过的步数的步骤包括:
将测量的噪声转换到频域;
基于转换到频域的噪声来确定用户走过的步数。
9.如权利要求8所述的方法,其中,确定用户走过的步数的步骤包括:
从转换到频域的噪声中识别具有最大值的噪声的频率;
基于识别的频率和与噪声的单个周期相应的步数来确定用户走过的步数。
10.如权利要求1所述的方法,其中,确定用户走过的步数的步骤包括:
采样测量的噪声;
从采样的噪声中提取噪声的峰值;
基于提取的峰值的数量来确定用户走过的步数。
11.如权利要求10所述的方法,其中,提取噪声的峰值的步骤包括:从采样的噪声中排除不满足预定阈值的噪声。
12.一种用于计算执行的运动量的设备,所述设备包括:
噪声测量单元,被构造为基于用户的皮肤和附着于皮肤的传感器之间的位移的相对差来测量噪声;
步数确定单元,被构造为基于测量的噪声来确定用户走过的步数;
执行的运动量计算单元,被构造为使用确定的步数来计算用户执行的运动量。
13.如权利要求12所述的设备,其中,执行的运动量计算单元还被构造为使用确定的步数和指示走过的步数和执行的运动量之间的关系的查找表来计算用户执行的运动量。
14.如权利要求12所述的设备,其中,噪声测量单元还被构造为通过从传感器检测由用户的皮肤和传感器之间的位移的相对差产生的半电池电位来测量噪声。
15.如权利要求12所述的设备,其中,噪声测量单元还被构造为通过从传感器检测由用户的皮肤和传感器之间的位移的相对差产生的阻抗的变化来测量噪声。
16.一种计算用户执行的运动量的方法,所述方法包括:
测量在执行运动的同时由用户的移动产生的噪声;
基于测量的噪声来确定用户走过的步数;
基于确定的步数来计算用户执行的运动量。
17.如权利要求16所述的方法,其中,测量的步骤包括使用附着于用户的皮肤的传感器来测量噪声,
所述噪声在执行运动的同时由用户的移动引起的传感器和皮肤之间的相对移动产生。
18.如权利要求16所述的方法,其中,确定步数的步骤包括:从测量的噪声提取信息;
基于提取的信息确定用户走过的步数。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR10-2012-0121163 | 2012-10-30 | ||
KR1020120121163A KR101911218B1 (ko) | 2012-10-30 | 2012-10-30 | 운동량 계산 방법 및 장치 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103784118A CN103784118A (zh) | 2014-05-14 |
CN103784118B true CN103784118B (zh) | 2017-01-11 |
Family
ID=49231351
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310436584.2A Active CN103784118B (zh) | 2012-10-30 | 2013-09-24 | 用于计算执行的运动量的方法和设备 |
Country Status (5)
Country | Link |
---|---|
US (2) | US9445753B2 (zh) |
EP (1) | EP2727527B1 (zh) |
JP (1) | JP6210819B2 (zh) |
KR (1) | KR101911218B1 (zh) |
CN (1) | CN103784118B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11517374B2 (en) | 2017-10-03 | 2022-12-06 | Research Development Foundation | Systems and methods for coronary occlusion treatment |
US11344371B2 (en) | 2018-10-19 | 2022-05-31 | Canon U.S.A., Inc. | Visualization of three-dimensional image data on a two-dimensional image |
JP7351078B2 (ja) * | 2018-11-14 | 2023-09-27 | オムロン株式会社 | 習慣改善装置、方法及びプログラム |
JP6835107B2 (ja) * | 2019-01-22 | 2021-02-24 | 沖電気工業株式会社 | 無線通信装置、無線通信プログラム、及び無線通信方法 |
Family Cites Families (27)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4367752A (en) | 1980-04-30 | 1983-01-11 | Biotechnology, Inc. | Apparatus for testing physical condition of a subject |
JP3220271B2 (ja) * | 1993-02-22 | 2001-10-22 | セイコーインスツルメンツ株式会社 | 脈拍計付歩数計 |
US5713367A (en) * | 1994-01-26 | 1998-02-03 | Cambridge Heart, Inc. | Measuring and assessing cardiac electrical stability |
EP1302162A3 (en) | 1994-09-07 | 2004-05-26 | Omron Healthcare Co., Ltd. | Exercise amount measuring device capable of displaying the amount of exercise to be performed further |
CN1286430C (zh) | 1996-04-08 | 2006-11-29 | 精工爱普生株式会社 | 锻炼测验用辅助装置 |
JP2001000411A (ja) * | 1999-06-23 | 2001-01-09 | Matsushita Electric Ind Co Ltd | 体脂肪測定機能付き便座装置 |
CA2501899C (en) | 2002-10-09 | 2010-06-01 | Bodymedia, Inc. | Apparatus for detecting, receiving, deriving and displaying human physiological and contextual information |
US20070167850A1 (en) * | 2004-01-15 | 2007-07-19 | Russell James K | Adaptive physiological monitoring system and methods of using the same |
KR20060092557A (ko) | 2005-02-18 | 2006-08-23 | (주)씨텍메디칼 | 팔 부착형 생체계측기를 이용한 운동모니터링 시스템 |
KR100670809B1 (ko) | 2005-05-11 | 2007-01-19 | 한국전자통신연구원 | 생체신호를 측정하는 스마트 의복 |
KR100721803B1 (ko) * | 2005-10-07 | 2007-05-25 | 삼성전자주식회사 | 행동패턴 변화를 이용한 노이즈 제거 방법 및 노이즈 제거시스템 |
KR100858554B1 (ko) | 2006-03-27 | 2008-09-26 | 주식회사 헬스피아 | 심전도 측정장치 |
KR100786277B1 (ko) | 2006-04-17 | 2007-12-17 | 삼성전자주식회사 | 맥박 측정 장치 및 그 방법 |
KR100858342B1 (ko) | 2006-07-21 | 2008-09-11 | 건국대학교 산학협력단 | 운동기능 평가 시스템 및 방법 |
KR100857620B1 (ko) | 2006-10-24 | 2008-09-09 | 주식회사 바이오넷 | 휴대용 심전도 측정장치를 이용한 심전도 측정방법 |
JP4830789B2 (ja) * | 2006-10-30 | 2011-12-07 | オムロンヘルスケア株式会社 | 体動検出装置、情報送信装置、ノルディックウォーキング用ストック、および歩行運動量算出システム |
JP2008246177A (ja) | 2007-03-30 | 2008-10-16 | Matsushita Electric Works Ltd | 活動量計及び活動量分析システム |
US8979762B2 (en) * | 2008-01-07 | 2015-03-17 | Well Being Digital Limited | Method of determining body parameters during exercise |
JP2009279211A (ja) | 2008-05-23 | 2009-12-03 | Tokai Rubber Ind Ltd | 体動センサ |
KR101551881B1 (ko) | 2008-10-30 | 2015-09-21 | 삼성전자주식회사 | 통합적인 생체신호 처리장치 및 방법 |
EP3357419A1 (en) * | 2009-02-25 | 2018-08-08 | Valencell, Inc. | Light-guiding devices and monitoring devices incorporating same |
KR20100104021A (ko) | 2009-03-16 | 2010-09-29 | 삼성전자주식회사 | 운동량 측정 어셈블리 및 그 운용 방법 |
WO2011050283A2 (en) | 2009-10-22 | 2011-04-28 | Corventis, Inc. | Remote detection and monitoring of functional chronotropic incompetence |
KR101649907B1 (ko) | 2009-12-18 | 2016-08-22 | 한국전자통신연구원 | 개인 건강 관리를 위한 휴대형 시스템 |
KR101180087B1 (ko) | 2010-04-26 | 2012-09-05 | 주식회사 바이오닉스 | 능동형 재활운동 장치 및 시스템 |
US8610582B2 (en) | 2010-11-16 | 2013-12-17 | Lg Electronics Inc. | Exercise monitoring apparatus, system and controlling method thereof |
KR101672609B1 (ko) * | 2012-01-19 | 2016-11-03 | 나이키 이노베이트 씨.브이. | 에너지 소비 |
-
2012
- 2012-10-30 KR KR1020120121163A patent/KR101911218B1/ko active IP Right Grant
-
2013
- 2013-09-24 CN CN201310436584.2A patent/CN103784118B/zh active Active
- 2013-09-26 EP EP13186048.8A patent/EP2727527B1/en active Active
- 2013-09-30 JP JP2013204017A patent/JP6210819B2/ja active Active
- 2013-10-21 US US14/058,965 patent/US9445753B2/en active Active
-
2016
- 2016-09-02 US US15/255,212 patent/US10238320B2/en active Active
Also Published As
Publication number | Publication date |
---|---|
EP2727527B1 (en) | 2020-02-26 |
KR20140054986A (ko) | 2014-05-09 |
US10238320B2 (en) | 2019-03-26 |
US9445753B2 (en) | 2016-09-20 |
US20170007162A1 (en) | 2017-01-12 |
KR101911218B1 (ko) | 2018-10-24 |
EP2727527A1 (en) | 2014-05-07 |
JP2014087622A (ja) | 2014-05-15 |
CN103784118A (zh) | 2014-05-14 |
US20140121566A1 (en) | 2014-05-01 |
JP6210819B2 (ja) | 2017-10-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11412979B2 (en) | Apparatus and method for estimating anaerobic threshold | |
CN101467881B (zh) | 睡眠评估装置及其睡眠评估方法 | |
CN103784118B (zh) | 用于计算执行的运动量的方法和设备 | |
JP5920364B2 (ja) | 情報処理装置、代表波形生成方法および代表波形生成プログラム | |
CN103961113A (zh) | 用于基于用户的行为测量压力的设备和方法 | |
Ohtaki et al. | Automatic classification of ambulatory movements and evaluation of energy consumptions utilizing accelerometers and a barometer | |
TW201538127A (zh) | 睡眠檢測系統和方法 | |
JP5445263B2 (ja) | 生体情報取得装置 | |
CN103784134A (zh) | 用于测量生物信号的设备和方法 | |
KR20110127856A (ko) | 운동패턴 분석방법 및 이를 이용한 운동량 산출장치 | |
JPWO2019069417A1 (ja) | 生体情報処理装置、生体情報処理システム、生体情報処理方法、およびプログラム | |
Bonomi | Physical activity recognition using a wearable accelerometer | |
Verma et al. | Preliminary results for estimating pulse transit time using seismocardiogram | |
Hirten et al. | Evaluation of a machine learning approach utilizing wearable data for prediction of SARS-CoV-2 infection in healthcare workers | |
Tiwari et al. | Stress and anxiety measurement" in-the-wild" using quality-aware multi-scale hrv features | |
Bondugula et al. | Identification of schizophrenic individuals using activity records through visualization of recurrent networks | |
Miah et al. | Low cost computer based heart rate monitoring system using fingertip and microphone port | |
JP6597900B2 (ja) | 生体リズムの検出装置、検出方法、及び、検出プログラム | |
JP6559095B2 (ja) | 睡眠モデル作成装置、睡眠段階推定装置、方法およびプログラム | |
CN108814580A (zh) | 一种无接触式心率测试的方法及相关设备 | |
JP2012108836A (ja) | 日常計測データからの対人特性推定装置、推定方法および推定プログラム | |
Shakya et al. | A circuit-embedded reservoir computer for smart noise reduction of MCG signals | |
JPWO2016139802A1 (ja) | シャント音解析装置、シャント音解析方法、コンピュータプログラム及び記録媒体 | |
Lokare et al. | Cognition Prediction Model for MOOCs Learners Based on ANN | |
KR20210064797A (ko) | 디지털 데이터로부터 정신 질환 증상을 간접적으로 감지하는 장치 및 방법 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |