CN105589977A - 一种运动次数监测方法及装置 - Google Patents

Abstract

本发明涉及一种运动次数监测方法及装置，所述方法包括：当监测到有加速度时，识别出至少一种运动模式；将至少一种运动模式记录至有最大长度限制的运动模式链表中，并在运动模式链表中记录每种运动模式的出现次数；当每监测到一个运动模式时：判断监测到的该运动模式是否属于运动模式链表中的一种运动模式；当监测到的该运动模式属于运动模式链表中的一种运动模式时，将所属的运动模式的出现次数加1；当监测到的该运动模式不属于运动模式链表中的任一种运动模式时，将监测到的该运动模式作为新的一种运动模式记录至运动模式链表中。并在运动模式链表中记录该新的一种运动模式的出现次数为1。本发明有效降低了误识别率，且可扩展性强。

Description

一种运动次数监测方法及装置

技术领域

本发明涉及智能设备领域，尤其涉及一种运动次数监测方法及装置。

背景技术

随着智能设备越来越流行，人们开始习惯使用智能设备来记录自己一天的运动量，比如智能手机和智能手环都能记录一个人每天走路的步数，跑步的步数等。这项记录功能的一项基本需求就是能够智能地识别一个人一天的走路步数，并且这种识别过程是全自动的，不需要人为干涉的，这个识别的过程在计算机科学中叫做模式识别。

运动的模式识别是指根据智能设备上传感器产生的数据，分析用户正在做什么样的活动。目前最基本的也是最重要的传感器就是加速度传感器(Gravity-sensor,G-sensor)，又名重力传感器、重力感应器。如何根据加速度传感器识别用户的运动计数是运动模式识别中的重要组成部分。

就目前而言，很多运动是周期性的，也就是说运动的相邻两个动作基本上都是相似的。比如走路，跑步，跳绳，仰卧起坐等等，每个动作都是很类似的。但在已有的工作里存在两个大的问题。(1)识别的准确性不高。具体体现在：晃动会被计算成有效的运动计数，误识别率很高，比如用户佩戴智能手环时，敲键盘时的手部晃动的动作都会被当做走路计算在步数里面。再比如，以跳绳为例，如图1所示，I、II、III分别表示跳绳运动员在跳绳前、跳绳中、跳绳后在X轴(横轴)方向加速度值变化的波形图。横轴表示采样点的编号，纵轴表示加速度值(相比于重力加速度)。从图1中可以看出，跳绳前，运动员做了一系列准备活动，产生了很多噪音波形；跳绳中，运动员跳绳20下，产生的波形具有很强的规律性；跳绳后，产生的波形与跳绳中的波形截然不同，产生了噪音波形。现有技术中，跳绳前和跳绳后的动作也都会计算在跳绳次数内。(2)可扩展性不强。基本上每一种运动的识别都需要单独去实现，并没有考虑这些运动之间的共性，所以使得程序员在实现运动时每个运动都会独立地编码，非常耗费时间。

发明内容

为克服相关技术中存在的问题，本发明实施例提供运动次数监测方法及装置，用以帮助用户准确监测多种运动模式的运动次数。

根据本发明实施例的第一方面，提供一种运动次数监测方法，包括：

当监测到有加速度时，识别出至少一种运动模式；

将至少一种运动模式记录至运动模式链表中，并在运动模式链表中记录每种运动模式的出现次数；

当每监测到一个运动模式时：判断监测到的该运动模式是否属于有最大长度限制的运动模式链表中的一种运动模式；当监测到的该运动模式属于运动模式链表中的一种运动模式时，将所属的运动模式的出现次数加1；当监测到的该运动模式不属于运动模式链表中的任一种运动模式时，将监测到的该运动模式作为新的一种运动模式记录至运动模式链表中，并在运动模式链表中记录该新的一种运动模式的出现次数为1；

将所述运动模式链表中记录的最大出现次数作为运动次数输出。

在一个实施例中，所述当监测到有加速度时，识别出至少一种运动模式，可包括：

当监测到有加速度时，按照预设识别规则识别出至少一种运动模式；

其中，预设识别规则包括：将加速度具有预设变化特征的运动识别为一种运动模式，所述预设变化特征包括按照从零变为正值、从正值变为零、从零变为负值、从负值变为零的变化特征变化；或者，所述预设变化特征包括按照从零变为负值、从负值变为零、从零变为正值、从正值变为零的变化特征变化。

在一个实施例中，所述将至少一种运动模式记录至运动模式链表中，并在运动模式链表中记录每种运动模式的出现次数，可包括：

按照出现次数由大到小的顺序，在运动模式链表上为至少一种运动模式中的每种运动模式分配节点，并在每个节点上记录相对应的运动模式及其出现次数，其中，出现次数最大的运动模式对应头节点，出现次数次大的运动模式对应第二节点、依次类推；

所述判断监测到的该运动模式是否属于运动模式链表中的一种运动模式，可包括：

将监测到的该运动模式，从头节点开始依序与运动模式链条上每个节点上记录的运动模式进行比对，判断监测到的该运动模式是否属于运动模式链表中的一种运动模式。

在一个实施例中，所述当监测到的该运动模式不属于运动模式链表中的任一种运动模式时，将监测到的该运动模式作为新的一种运动模式记录至运动模式链表中，并在运动模式链表中记录该新的一种运动模式的出现次数为1，可包括：

当监测到的该运动模式不属于运动模式链表中的任一种运动模式时，若运动模式链表长度不超过设定的最大长度，则直接将监测到的该运动模式作为新的一种运动模式附加至运动模式链表的尾部，并在运动模式链表中记录该新的一种运动模式的出现次数为1；否则，先去掉运动模式链表中出现次数最少的运动模式，然后再添加监测到的该运动模式作为新的一种运动模式，并在该最后一个节点上记录该新的一种运动模式的出现次数为1。

在一个实施例中，所述判断监测到的该运动模式是否属于运动模式链表中的一种运动模式，可包括：

判断监测到的该运动模式与运动模式链表中的每一种运动模式之间的相似度；

当监测到的该运动模式与运动模式链表中的一种运动模式之间的相似度等于或大于预定值时，判定出监测到的该运动模式属于该种运动模式；

当监测到的该运动模式与运动模式链表中的任一种运动模式之间的相似度小于预定值时，判定出监测到的该运动模式不属于运动模式链表中的任一种运动模式。

在一个实施例中，所述将所述运动模式链表中记录的最大出现次数作为运动次数输出之后，所述方法还可包括：

将本次监测到的所述最大出现次数对应的运动模式的特征值，记录至同种运动模式的历史特征值库中；

根据所述同种运动模式的历史特征值，确定所述同种运动模式的特征值平均值，作为该运动模式链表中对应节点的特征值，用于下一次监测；

在下次监测过程开始时，当监测到的运动模式的特征值与所述同种运动模式的特征值平均值之间的差距小于预设差距，则开始记录监测到的运动模式的出现次数为1。

根据本发明实施例的第二方面，提供一种运动次数监测装置，包括：

识别模块，用于当监测到有加速度时，识别出至少一种运动模式；

第一记录模块，用于将至少一种运动模式记录至运动模式链表中，并在运动模式链表中记录每种运动模式的出现次数；

判断模块，用于当每监测到一个运动模式时：判断监测到的该运动模式是否属于有最大长度限制的运动模式链表中的一种运动模式；当监测到的该运动模式属于运动模式链表中的一种运动模式时，将所属的运动模式的出现次数加1；当监测到的该运动模式不属于运动模式链表中的任一种运动模式时，将监测到的该运动模式作为新的一种运动模式记录至运动模式链表中，并在运动模式链表中记录该新的一种运动模式的出现次数为1；

输出模块，用于将所述运动模式链表中记录的最大出现次数作为运动次数输出。

在一个实施例中，所述识别模块可包括：

识别子模块，用于当监测到有加速度时，按照预设识别规则识别出至少一种运动模式；

其中，预设识别规则包括：将加速度具有预设变化特征的运动识别为一种运动模式，所述预设变化特征包括按照从零变为正值、从正值变为零、从零变为负值、从负值变为零的变化特征变化；或者，所述预设变化特征包括按照从零变为负值、从负值变为零、从零变为正值、从正值变为零的变化特征变化。

在一个实施例中，所述第一记录模块可包括：

第一记录子模块，用于按照出现次数由大到小的顺序，在运动模式链表上为至少一种运动模式中的每种运动模式分配节点，并在每个节点上记录相对应的运动模式及其出现次数，其中，出现次数最大的运动模式对应头节点，出现次数次大的运动模式对应第二节点、依次类推；

所述判断模块包括：

第一判断子模块，用于将监测到的该运动模式，从头节点开始依序与运动模式链条上每个节点上记录的运动模式进行比对，判断监测到的该运动模式是否属于运动模式链表中的一种运动模式。

在一个实施例中，所述判断模块可包括：

第二判断子模块，用于当监测到的该运动模式不属于运动模式链表中的任一种运动模式时，若运动模式链表长度不超过设定的最大长度，则直接将监测到的该运动模式作为新的一种运动模式附加至运动模式链表的尾部，并在运动模式链表中记录该新的一种运动模式的出现次数为1；否则，先去掉运动模式链表中出现次数最少的运动模式，然后再添加监测到的该运动模式作为新的一种运动模式，并在该最后一个节点上记录该新的一种运动模式的出现次数为1。

在一个实施例中，所述判断模块可包括：

第三判断子模块，用于判断监测到的该运动模式与运动模式链表中的每一种运动模式之间的相似度；

第一判定子模块，用于当监测到的该运动模式与运动模式链表中的一种运动模式之间的相似度等于或大于预定值时，判定出监测到的该运动模式属于该种运动模式；

第二判定子模块，用于当监测到的该运动模式与运动模式链表中的任一种运动模式之间的相似度小于预定值时，判定出监测到的该运动模式不属于运动模式链表中的任一种运动模式。

在一个实施例中，所述装置还可包括：

第二记录模块，用于将本次监测到的所述最大出现次数对应的运动模式的特征值，记录至同种运动模式的历史特征值库中；

确定模块，用于根据所述同种运动模式的历史特征值，确定所述同种运动模式的特征值平均值，作为该运动模式链表中对应节点的特征值，用于下一次监测；

第三记录模块，用于在下次监测过程开始时，当监测到的运动模式的特征值与所述同种运动模式的特征值平均值之间的差距小于预设差距，则开始记录监测到的运动模式的出现次数为1。

本发明的实施例提供的技术方案可以包括以下有益效果：

通过判断当前运动模式是否属于运动模式链表中的运动模式，如果属于则运动次数加1，不属于则不计数，从而方便、准确的记录运动次数，有效降低了误识别率，提高了准确率，而且由于运动模式链表中有多种运动模式，使得该方法适用于多种运动模式的运动计数，可扩展性强。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本发明。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本发明的实施例，并与说明书一起用于解释本发明的原理。

图1是跳绳运动员在X轴方向加速度变化波形图。

图2是根据一示例性实施例示出的运动次数监测方法的流程图。

图3是每个运动周期加速度值变化波形图。

图4是运动模式的频带示意图。

图5是调整前X轴方向加速度变化波形图。

图6是调整后X轴方向加速度变化波形图。

图7是单轴方向运动模式链表计数的示意图。

图8是根据一示例性实施例示出的另一种运动次数监测方法的流程图。

图9是根据一示例性实施例示出的一种运动次数监测装置的框图。

图10是根据一示例性实施例示出的另一种运动次数监测装置的框图。

具体实施方式

这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本发明相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本发明的一些方面相一致的装置和方法的例子。

图2是根据一示例性实施例示出的一种运动次数监测方法流程图，该方法用于智能设备。智能设备可以是智能手机、智能手环、智能手表、智能戒指、智能项链、智能夹扣、智能腰带和头戴显示设备等设备。如图2所示，该方法包括以下步骤S101-S104：

在步骤S101中，当监测到有加速度时，识别出至少一种运动模式。

在一个实施例中，加速度传感器能够感知比如上升、下降、晃动等各种移动变化的加速度变化。因此可通过加速度传感器监测加速度值，加速度传感器以预定频率采样，比如采样频率是10HZ，即每秒采样10个点，每个点记录三个标准坐标轴方向的加速度值，这三个坐标轴都是相对于加速度传感器而言的，与传感器在物理空间中的朝向没有关系，根据采样点的编号和采样点的数值为每一个标准坐标轴画出一个波形图(参考图1)。运动模式可以是步行、走路、跑步等。

在一个实施例中，步骤S101中运动模式的识别可具体实施为方式A：

方式A、当监测到有加速度时，按照预设识别规则识别出至少一种运动模式。

其中，预设识别规则包括：将加速度具有预设变化特征的运动识别为一种运动模式，如图3所示，预设变化特征包括按照加速度波形数据从零变为正值、从正值变为零、从零变为负值、从负值变为零的变化特征变化；或者，预设变化特征包括按照加速度波形数据从零变为负值、从负值变为零、从零变为正值、从正值变为零的变化特征变化。可将这些特征变化看作一个运动周期，在一个运动周期中，每个特征变化都包含如下特征值：1.采样点个数：正/负窗口包含的采样点的个数；2.平均值：正/负窗口所含有的采样点的平均值；3.标准差：正/负窗口所含有的采样点的标准差；4.绝对值的最大值：正/负窗口所含有的采样点的绝对值的最大值；5.频带个数：设定一个阈值，统计绝对值超过该阈值的子窗口的个数，如图4所示1、2、3分别表示频带1、频带2、频带3，a表示阈值；6.频带宽度最大值：所有频带里包含采样点个数的最大值。如图4所示，相比频带2、频带3，频带1包含采样点个数最多，频带宽度最宽。采用这些特征值可准确表示每种运动模式的特征。

但该方法在具体实施时会碰到如下问题：如图5所示，加速度值整体偏高或偏低，使得整体在0轴上方或者下方变化，跨0次数很少。此时，可利用加速度值与当前所有采样点的平均值的偏移值代替原始的加速度值，来平衡0轴上下方的正负值的比例。

以X轴为例，第n+1个采样点在X轴方向的平均值的计算公式为：

${\mathrm{Avg}}_{n+1}=\frac{{\mathrm{Avg}}_n*n+x_{n+1}}{n+1}={\mathrm{Avg}}_n+\frac{x_n-{\mathrm{Avg}}_n}{n+1}$

其中，Avg_n+1表示第n+1个采样点的平均值，Avg_n表示第n个采样点的平均值，x_n+1第n+1个采样点的加速度值，x_n第n个采样点的加速度值.也就是说第n+1个采样点的平均值Avg_n+1只需要在Avg_n的基础上稍加调整即可。然后利用D_n替代原始的x_n+1。

D_n＝x_n-Avg_n

如图6所示为调整之后的单轴加速度变化波形图，从图中可以看出，调整后，0轴上下的比例比较均衡。

在步骤S102中，将至少一种运动模式记录至运动模式链表中，并在运动模式链表中记录每种运动模式的出现次数。

运动模式链表中的节点指示运动模式，每个节点有一个计数，来记录每种运动模式的出现次数。

在步骤S103中，当每监测到一个运动模式时，判断监测到的该运动模式是否属于有最大长度限制的运动模式链表中的一种运动模式；当监测到的该运动模式属于运动模式链表中的一种运动模式时，将所属的运动模式的出现次数加1；当监测到的该运动模式不属于运动模式链表中的任一种运动模式时，将监测到的该运动模式作为新的一种运动模式记录至运动模式链表中。若运动模式链表长度不超过设定的最大长度，则直接将监测到的该运动模式作为新的一种运动模式附加至运动模式链表的尾部，并在运动模式链表中记录该新的一种运动模式的出现次数为1；否则，先去掉运动模式链表中出现次数最少的运动模式，然后再添加监测到的该运动模式作为新的一种运动模式，并在运动模式链表中记录该新的一种运动模式的出现次数为1。

其中，有最大长度的运动模式链表是指运动模式链表长度不超过设定的最大长度，例如，最多5个节点的链表。

步骤S103可实施为步骤A1-A3：

在步骤A1中，判断监测到的该运动模式与运动模式链表中的每一种运动模式之间的相似度。运动模式之间的相似度可利用方式A中的特征值来计算两个运动模式之间的欧式距离的相似度得出，欧式距离相似度的计算方式如下：

给定两个向量A、B，具有相同的维度n，A＝{a₁,a₂,··,a_n}，B＝{b₁,b₂,··,b_n}，则两个向量的欧式距离d可表示为：

$d=\sqrt[2]{{(a_1-b_1)}^2+{(a_2-b_2)}^2+...+{(a_n-b_n)}^2}$

欧式距离相似度sim可表示为：

$\mathrm{sim}=\frac{1}{1+d}$

在步骤A2中，当监测到的该运动模式与运动模式链表中的一种运动模式之间的相似度等于或大于预定值时，判定出监测到的该运动模式属于该种运动模式。根据步骤A1中的欧式距离相似度计算公式计算出两个运动模式之间的欧式距离相似度，当欧氏距离相似度sim大于一定预定值时认为两个运动模式之间是相似的。不同的运动模式可以设定不同的预定值。

在步骤A3中，当监测到的该运动模式与运动模式链表中的任一种运动模式之间的相似度小于预定值时，判定出监测到的该运动模式不属于运动模式链表中的任一种运动模式。

上述方法能够非常方便、准确的实现运动计数，有效降低了误识别率。

在一个实施例中，步骤S102可实施为：按照出现次数由大到小的顺序，在运动模式链表上为至少一种运动模式中的每种运动模式分配节点，并在每个节点上记录相对应的运动模式及其出现次数，其中，出现次数最大的运动模式对应头节点，出现次数次大的运动模式对应第二节点、依次类推；该方法在实施过程中，可采用冒泡排序保持链表的降序排列，保证头节点记录的是出现次数最多的运动模式

在一个实施例中，判断监测到的该运动模式是否属于运动模式链表中的一种运动模式，可实施为：

将监测到的该运动模式，从头节点开始依序与运动模式链表上每个节点上记录的运动模式进行比对，判断监测到的该运动模式是否属于运动模式链表中的一种运动模式。头节点表示一个运动正确的运动模式。

在一个实施例中，运动模式链表为最多5个节点的链表，当运动模式之间的相似度低于预定值时，即运动模式不相似，将该部相似的运动模式保存在节点中，5个节点表示5个不相似的运动模式。每一个节点有一个计数，来记录当前与该节点相似的运动模式的个数。如图7所示，其中，1-8分别表示8个运动模式，运动模式1超时，为无效的运动模式，运动模式2-8有效，A表示加速度传感器测得的原始数据，B表示将原始数据切分，生成运动模式，T表示运动计数。整个运动模式链表中的节点按照计数的降序排列。每次新来一个运动模式，从第一个节点开始比较相似度，若相似，则计数加1，并且合并平均值；若不相似，则比较下一个节点。当进行加1操作后，若比前面的节点数字高，则采用冒泡排序保持运动模式链表的降序排列。当比较到最后一个仍然不相似，则直接去掉最后一个节点，将新的运动模式并在后面，计数器设为1。最终有效的运动模式始终由第一个节点所有的计数器的数值表示。图7为单轴方向运动模式计数的方法，最终的运动模式计数将输出当前时间三个坐标轴(或双轴)方向运动模式计数最多的数值。

在一个实施例中，当监测到的该运动模式不属于运动模式链表中的任一种运动模式时，将监测到的该运动模式作为新的一种运动模式记录至运动模式链表中，并在运动模式链表中记录该新的一种运动模式的出现次数为1，可具体实施为步骤m-n：

步骤m、当监测到的该运动模式不属于运动模式链表中的任一种运动模式时，将监测到的该运动模式作为新的一种运动模式，若运动模式链表长度不超过设定的最大长度，则直接将监测到的该运动模式作为新的一种运动模式附加至运动模式链表的尾部，并在运动模式链表中记录该新的一种运动模式的出现次数为1；否则，先去掉运动模式链表中出现次数最少的运动模式，然后再添加监测到的该运动模式作为新的一种运动模式，并在该最后一个节点上记录该新的一种运动模式的出现次数为1。

在步骤S104中，将运动模式链表中记录的最大出现次数作为运动次数输出。

其中，每个坐标轴单独执行上述步骤来记录运动次数，最后使用运动计数最大的那个坐标轴上的运动计数，作为真正的运动计数。

本发明实施例提供的运动次数监测方法，通过判断当前运动模式是否属于运动模式链表中的运动模式，如果属于则运动次数加1，不属于则不计数，从而方便、准确的记录运动次数，有效降低了误识别率，提高了准确率，而且由于运动模式链表中有多种运动模式，使得该方法适用于多种运动模式的运动计数，可扩展性强。

在步骤S104之后，如图8所示，上述方法还可包括：

在步骤S105中，将本次监测到的最大出现次数对应的运动模式的特征值，记录至同种运动模式的历史特征值库中。

在步骤S106中，根据同种运动模式的历史特征值，确定同种运动模式的特征值平均值，作为该运动模式链表中对应节点的特征值，用于下一次监测。可将该运动模式的特征值平均值存储下来，以供以后更精确的识别运动模式。

在步骤S107中，在下次监测过程开始时，当监测到的运动模式的特征值与同种运动模式的特征值平均值之间的差距小于预设差距，则开始记录监测到的运动模式的出现次数为1。

步骤S101-S104的方法在实时显示的运动模式计数的应用中使用时，运动开始前的噪音会使得实时显示出不应有的数值，即便这些数值不会计入最终的正确数值，但是会使得刚用户还没开始运动时就会因为噪音显示了计数，这会大大降低用户的体验度。步骤S105-S107可解决这一问题，具体地：

利用历史数据(比如历史特征值)来过滤新数据中的运动模式，即利用不同的人多次运动了以上步骤S101-S104之后所得到的运动模式特征值，来过滤以后新数据切分后所得到的备选的运动模式，以跳绳为例。

步骤1、当不同的人多次跳绳之后，能够得到这些人的跳绳数据，这些数据的特征都反映在运动模式链表上的第一个节点中。

步骤2、提取所有人的第一个节点并存储下来，计算所有人在这个节点中特征值的平均值，则可以得到一个正确的跳绳模式在所有人身上的跳绳平均特征值向量。

步骤3、当以后有新的人来跳绳的时候，设定一个相似度阈值，他所产生的噪音运动模式因为和跳绳平均特征值不相似，就会在加入运动模式链表之前被过滤掉，从而不会将运动开始前的噪音计数。使得只有在开始跳绳的时候才会开始显示计数数值。

上述方法通过存储特征值平均值，可更精确识别以后的运动模式，且对于实时显示的运动计数，也不会将噪音显示为运动次数，使计数更科学，提升了用户体验。

图9是根据一示例性实施例示出的一种运动次数监测装置的框图，如图9所示，该通讯装置包括：

识别模块91，用于当监测到有加速度时，识别出至少一种运动模式；

第一记录模块92，用于将至少一种运动模式记录至运动模式链表中，并在运动模式链表中记录每种运动模式的出现次数；

判断模块93，用于当每监测到一个运动模式时：判断监测到的该运动模式是否属于有最大长度限制的运动模式链表中的一种运动模式；当监测到的该运动模式属于运动模式链表中的一种运动模式时，将所属的运动模式的出现次数加1；当监测到的该运动模式不属于运动模式链表中的任一种运动模式时，将监测到的该运动模式作为新的一种运动模式记录至运动模式链表中，若运动模式链表长度不超过设定的最大长度，则直接将监测到的该运动模式作为新的一种运动模式附加至运动模式链表的尾部，并在运动模式链表中记录该新的一种运动模式的出现次数为1；否则，先去掉运动模式链表中出现次数最少的运动模式，然后再添加监测到的该运动模式作为新的一种运动模式，并在运动模式链表中记录该新的一种运动模式的出现次数为1；

输出模块94，用于将运动模式链表中记录的最大出现次数作为运动次数输出。

在一个实施例中，识别模块91可包括：

识别子模块，用于当监测到有加速度时，按照预设识别规则识别出至少一种运动模式；

其中，预设识别规则包括：将加速度具有预设变化特征的运动识别为一种运动模式，预设变化特征包括按照从零变为正值、从正值变为零、从零变为负值、从负值变为零的变化特征变化；或者，预设变化特征包括按照从零变为负值、从负值变为零、从零变为正值、从正值变为零的变化特征变化。

在一个实施例中，第一记录模块92可包括：

第一记录子模块，用于按照出现次数由大到小的顺序，在运动模式链表上为至少一种运动模式中的每种运动模式分配节点，并在每个节点上记录相对应的运动模式及其出现次数，其中，出现次数最大的运动模式对应头节点，出现次数次大的运动模式对应第二节点、依次类推；

判断模块93可包括：

第一判断子模块，用于将监测到的该运动模式，从头节点开始依序与运动模式链表上每个节点上记录的运动模式进行比对，判断监测到的该运动模式是否属于运动模式链表中的一种运动模式。

在一个实施例中，判断模块93可包括：

第二判断子模块，用于当监测到的该运动模式不属于运动模式链表中的任一种运动模式时，若运动模式链表长度不超过设定的最大长度，则直接将监测到的该运动模式作为新的一种运动模式附加至运动模式链表的尾部，并在运动模式链表中记录该新的一种运动模式的出现次数为1；否则，先去掉运动模式链表中出现次数最少的运动模式，然后再添加监测到的该运动模式作为新的一种运动模式，并在该最后一个节点上记录该新的一种运动模式的出现次数为1。

在一个实施例中，判断模块93可包括：

第三判断子模块，用于判断监测到的该运动模式与运动模式链表中的每一种运动模式之间的相似度；

第一判定子模块，用于当监测到的该运动模式与运动模式链表中的一种运动模式之间的相似度等于或大于预定值时，判定出监测到的该运动模式属于该种运动模式；

第二判定子模块，用于当监测到的该运动模式与运动模式链表中的任一种运动模式之间的相似度小于预定值时，判定出监测到的该运动模式不属于运动模式链表中的任一种运动模式。

在一个实施例中，如图10所示，上述装置还可包括：

第二记录模块95，用于将本次监测到的最大出现次数对应的运动模式的特征值，记录至同种运动模式的历史特征值库中。

确定模块96，用于根据同种运动模式的历史特征值，确定同种运动模式的特征值平均值，作为该运动模式链表中对应节点的特征值，用于下一次监测。

第三记录模块97，用于在下次监测过程开始时，当监测到的运动模式的特征值与同种运动模式的特征值平均值之间的差距小于预设差距，则开始记录监测到的运动模式的出现次数为1。

本发明实施例提供的运动次数监测装置，通过判断当前运动模式是否属于运动模式链表中的运动模式，如果属于则运动次数加1，不属于则不计数，从而方便、准确的记录运动次数，有效降低了误识别率，提高了准确率，而且由于运动模式链表中有多种运动模式，使得该方法适用于多种运动模式的运动计数，可扩展性强。

本领域内的技术人员应明白，本发明的实施例可提供为方法、***、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器和光学存储器等)上实施的计算机程序产品的形式。

本发明是参照根据本发明实施例的方法、设备(***)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims (12)

1.一种运动次数监测方法，其特征在于，包括：

当监测到有加速度时，识别出至少一种运动模式；

将至少一种运动模式记录至运动模式链表中，并在运动模式链表中记录每种运动模式的出现次数；

当每监测到一个运动模式时：判断监测到的该运动模式是否属于有最大长度限制的运动模式链表中的一种运动模式；当监测到的该运动模式属于运动模式链表中的一种运动模式时，将所属的运动模式的出现次数加1；当监测到的该运动模式不属于运动模式链表中的任一种运动模式时，将监测到的该运动模式作为新的一种运动模式记录至运动模式链表中，并在运动模式链表中记录该新的一种运动模式的出现次数为1；

将所述运动模式链表中记录的最大出现次数作为运动次数输出。

2.如权利要求1所述的方法，其特征在于，

所述当监测到有加速度时，识别出至少一种运动模式，包括：

当监测到有加速度时，按照预设识别规则识别出至少一种运动模式；

其中，预设识别规则包括：将加速度具有预设变化特征的运动识别为一种运动模式，所述预设变化特征包括按照从零变为正值、从正值变为零、从零变为负值、从负值变为零的变化特征变化；或者，所述预设变化特征包括按照从零变为负值、从负值变为零、从零变为正值、从正值变为零的变化特征变化。

3.如权利要求1所述的方法，其特征在于，

所述将至少一种运动模式记录至运动模式链表中，并在运动模式链表中记录每种运动模式的出现次数，包括：

按照出现次数由大到小的顺序，在运动模式链表上为至少一种运动模式中的每种运动模式分配节点，并在每个节点上记录相对应的运动模式及其出现次数，其中，出现次数最大的运动模式对应头节点，出现次数次大的运动模式对应第二节点、依次类推；

所述判断监测到的该运动模式是否属于运动模式链表中的一种运动模式，包括：

将监测到的该运动模式，从头节点开始依序与运动模式链表上每个节点上记录的运动模式进行比对，判断监测到的该运动模式是否属于运动模式链表中的一种运动模式。

4.如权利要求3所述的方法，其特征在于，所述当监测到的该运动模式不属于运动模式链表中的任一种运动模式时，将监测到的该运动模式作为新的一种运动模式记录至运动模式链表中，并在运动模式链表中记录该新的一种运动模式的出现次数为1，包括：

当监测到的该运动模式不属于运动模式链表中的任一种运动模式时，若运动模式链表长度不超过设定的最大长度，则直接将监测到的该运动模式作为新的一种运动模式附加至运动模式链表的尾部，并在运动模式链表中记录该新的一种运动模式的出现次数为1；否则，先去掉运动模式链表中出现次数最少的运动模式，然后再添加监测到的该运动模式作为新的一种运动模式，并在该最后一个节点上记录该新的一种运动模式的出现次数为1。

5.如权利要求1所述的方法，其特征在于，

所述判断监测到的该运动模式是否属于运动模式链表中的一种运动模式，包括：

判断监测到的该运动模式与运动模式链表中的每一种运动模式之间的相似度；

当监测到的该运动模式与运动模式链表中的一种运动模式之间的相似度等于或大于预定值时，判定出监测到的该运动模式属于该种运动模式；

当监测到的该运动模式与运动模式链表中的任一种运动模式之间的相似度小于预定值时，判定出监测到的该运动模式不属于运动模式链表中的任一种运动模式。

6.如权利要求5所述的方法，其特征在于，

所述将所述运动模式链表中记录的最大出现次数作为运动次数输出之后，所述方法还包括：

将本次监测到的所述最大出现次数对应的运动模式的特征值，记录至同种运动模式的历史特征值库中，根据所述同种运动模式的历史特征值，确定所述同种运动模式的特征值平均值，作为该运动模式链表中对应节点的特征值，用于下一次监测；

在下次监测过程开始时，当监测到的运动模式的特征值与所述同种运动模式的特征值平均值之间的差距小于预设差距，则开始记录监测到的运动模式的出现次数为1。

7.一种运动次数监测装置，其特征在于，包括：

识别模块，用于当监测到有加速度时，识别出至少一种运动模式；

第一记录模块，用于将至少一种运动模式记录至运动模式链表中，并在运动模式链表中记录每种运动模式的出现次数；

判断模块，用于当每监测到一个运动模式时：判断监测到的该运动模式是否属于有最大长度限制的运动模式链表中的一种运动模式；当监测到的该运动模式属于运动模式链表中的一种运动模式时，将所属的运动模式的出现次数加1；当监测到的该运动模式不属于运动模式链表中的任一种运动模式时，将监测到的该运动模式作为新的一种运动模式记录至运动模式链表中，并在运动模式链表中记录该新的一种运动模式的出现次数为1；

输出模块，用于将所述运动模式链表中记录的最大出现次数作为运动次数输出。

8.如权利要求7所述的装置，其特征在于，

所述识别模块包括：

识别子模块，用于当监测到有加速度时，按照预设识别规则识别出至少一种运动模式；

其中，预设识别规则包括：将加速度具有预设变化特征的运动识别为一种运动模式，所述预设变化特征包括按照从零变为正值、从正值变为零、从零变为负值、从负值变为零的变化特征变化；或者，所述预设变化特征包括按照从零变为负值、从负值变为零、从零变为正值、从正值变为零的变化特征变化。

9.如权利要求7所述的装置，其特征在于，

所述第一记录模块包括：

第一记录子模块，用于按照出现次数由大到小的顺序，在运动模式链表上为至少一种运动模式中的每种运动模式分配节点，并在每个节点上记录相对应的运动模式及其出现次数，其中，出现次数最大的运动模式对应头节点，出现次数次大的运动模式对应第二节点、依次类推；

所述判断模块包括：

第一判断子模块，用于将监测到的该运动模式，从头节点开始依序与运动模式链表上每个节点上记录的运动模式进行比对，判断监测到的该运动模式是否属于运动模式链表中的一种运动模式。

10.如权利要求9所述的装置，其特征在于，所述判断模块包括：

第二判断子模块，用于当监测到的该运动模式不属于运动模式链表中的任一种运动模式时，若运动模式链表长度不超过设定的最大长度，则直接将监测到的该运动模式作为新的一种运动模式附加至运动模式链表的尾部，并在运动模式链表中记录该新的一种运动模式的出现次数为1；否则，先去掉运动模式链表中出现次数最少的运动模式，然后再添加监测到的该运动模式作为新的一种运动模式，并在该最后一个节点上记录该新的一种运动模式的出现次数为1。

11.如权利要求7所述的装置，其特征在于，

所述判断模块包括：

第三判断子模块，用于判断监测到的该运动模式与运动模式链表中的每一种运动模式之间的相似度；

第一判定子模块，用于当监测到的该运动模式与运动模式链表中的一种运动模式之间的相似度等于或大于预定值时，判定出监测到的该运动模式属于该种运动模式；

第二判定子模块，用于当监测到的该运动模式与运动模式链表中的任一种运动模式之间的相似度小于预定值时，判定出监测到的该运动模式不属于运动模式链表中的任一种运动模式。

12.如权利要求11所述的装置，其特征在于，所述装置还包括：

第二记录模块，用于将本次监测到的所述最大出现次数对应的运动模式的特征值，记录至同种运动模式的历史特征值库中

确定模块，用于根据所述同种运动模式的历史特征值，确定所述同种运动模式的特征值平均值，作为该运动模式链表中对应节点的特征值，用于下一次监测；

第三记录模块，用于在下次监测过程开始时，当监测到的运动模式的特征值与所述同种运动模式的特征值平均值之间的差距小于预设差距，则开始记录监测到的运动模式的出现次数为1。