CN106030246B - 用于对对象的周期性运动的循环数目进行计数的设备、方法和*** - Google Patents
用于对对象的周期性运动的循环数目进行计数的设备、方法和*** Download PDFInfo
- Publication number
- CN106030246B CN106030246B CN201580008957.3A CN201580008957A CN106030246B CN 106030246 B CN106030246 B CN 106030246B CN 201580008957 A CN201580008957 A CN 201580008957A CN 106030246 B CN106030246 B CN 106030246B
- Authority
- CN
- China
- Prior art keywords
- movement
- cycles
- accelerometer
- equipment
- data
- 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
- 230000033001 locomotion Effects 0.000 title claims abstract description 121
- 238000000034 method Methods 0.000 title claims abstract description 25
- 238000004364 calculation method Methods 0.000 claims abstract description 11
- 230000001932 seasonal effect Effects 0.000 claims abstract description 8
- 230000001133 acceleration Effects 0.000 claims description 24
- 238000004590 computer program Methods 0.000 claims description 11
- 241001269238 Data Species 0.000 claims description 7
- 230000011218 segmentation Effects 0.000 claims description 6
- 230000001052 transient effect Effects 0.000 claims description 3
- 230000000694 effects Effects 0.000 description 18
- 238000010586 diagram Methods 0.000 description 11
- 230000001186 cumulative effect Effects 0.000 description 9
- 230000001351 cycling effect Effects 0.000 description 6
- 230000036541 health Effects 0.000 description 5
- 238000001514 detection method Methods 0.000 description 4
- 230000000737 periodic effect Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 238000005070 sampling Methods 0.000 description 4
- 238000001228 spectrum Methods 0.000 description 4
- 210000000707 wrist Anatomy 0.000 description 4
- 230000001419 dependent effect Effects 0.000 description 3
- 230000004069 differentiation Effects 0.000 description 3
- 230000005021 gait Effects 0.000 description 3
- 238000012806 monitoring device Methods 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 210000003423 ankle Anatomy 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 235000019577 caloric intake Nutrition 0.000 description 2
- 239000003814 drug Substances 0.000 description 2
- 230000035479 physiological effects, processes and functions Effects 0.000 description 2
- 241000406668 Loxodonta cyclotis Species 0.000 description 1
- 241001465754 Metazoa Species 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000013213 extrapolation Methods 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
- 210000002683 foot Anatomy 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000003306 harvesting Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000002045 lasting effect Effects 0.000 description 1
- 210000002414 leg Anatomy 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000037081 physical activity Effects 0.000 description 1
- 238000007670 refining Methods 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 210000000689 upper leg Anatomy 0.000 description 1
- 238000010200 validation analysis Methods 0.000 description 1
Classifications
-
- 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
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
-
- 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
- A61B5/103—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
- A61B5/72—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
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01P—MEASURING LINEAR OR ANGULAR SPEED, ACCELERATION, DECELERATION, OR SHOCK; INDICATING PRESENCE, ABSENCE, OR DIRECTION, OF MOVEMENT
- G01P13/00—Indicating or recording presence, absence, or direction, of movement
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01P—MEASURING LINEAR OR ANGULAR SPEED, ACCELERATION, DECELERATION, OR SHOCK; INDICATING PRESENCE, ABSENCE, OR DIRECTION, OF MOVEMENT
- G01P15/00—Measuring acceleration; Measuring deceleration; Measuring shock, i.e. sudden change of acceleration
- G01P15/02—Measuring acceleration; Measuring deceleration; Measuring shock, i.e. sudden change of acceleration by making use of inertia forces using solid seismic masses
- G01P15/08—Measuring acceleration; Measuring deceleration; Measuring shock, i.e. sudden change of acceleration by making use of inertia forces using solid seismic masses with conversion into electric or magnetic values
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01P—MEASURING LINEAR OR ANGULAR SPEED, ACCELERATION, DECELERATION, OR SHOCK; INDICATING PRESENCE, ABSENCE, OR DIRECTION, OF MOVEMENT
- G01P15/00—Measuring acceleration; Measuring deceleration; Measuring shock, i.e. sudden change of acceleration
- G01P15/18—Measuring acceleration; Measuring deceleration; Measuring shock, i.e. sudden change of acceleration in two or more dimensions
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B2560/00—Constructional details of operational features of apparatus; Accessories for medical measuring apparatus
- A61B2560/02—Operational features
- A61B2560/0204—Operational features of power management
- A61B2560/0209—Operational features of power management adapted for power saving
-
- 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
- A61B5/68—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
- A61B5/6802—Sensor mounted on worn items
- A61B5/681—Wristwatch-type devices
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Veterinary Medicine (AREA)
- Pathology (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Biophysics (AREA)
- Physiology (AREA)
- General Physics & Mathematics (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Dentistry (AREA)
- Artificial Intelligence (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Evolutionary Computation (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Psychiatry (AREA)
- Signal Processing (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本发明涉及用于对对象的周期性运动的循环数目进行计数(例如,用于对人的步子计数)的设备、***和方法。为了使得能够基于不连续加速度计数据更精确地对对象的周期性运动的循环数目进行计数,所提出的设备包括:输入单元(21),其用于接收指示所述对象的至少身体部分的运动的随时间的不连续加速度计数据;分类器(22),其用于基于所述不连续加速度计数据来将所述对象的运动分类到若干运动类之一中,每个运动类与周期性运动的速度的不同的范围有关;存储设备(23),其用于存储包括针对每个运动类的每时间单位的周期性值的表;以及运动计算单元(24),其用于通过使用已经将所述运动分类到其中的所述运动类的周期性,针对预定时间每时间单位地或随时间连续地计算所述对象的所述周期性运动的所述循环数目。
Description
技术领域
本发明涉及一种用于对对象的周期性运动的循环数目进行计数(例如,用于对人在跑步或步行期间的步数进行计数)的设备、对应的方法和***。
背景技术
当前,存在对能够非侵扰地监测生理/生活方式参数(例如,使用加速度计估计能量消耗)的设备的增加的兴趣。现今,这样的设备中的许多旨在用于健康/运动监测(例如,Nike Fuelband、MIO Alpha),但是预期这样的类型的监测将变为商品。
为了使这样的设备有吸引力,其必须是佩戴舒适的,这意味着其应当是小且轻的。因此,电池尺寸/电源是重要的设计约束。设备越不频繁地需要充电,其将是越用户友好的。
已知用于减少电池电源的不同的策略,例如,一个方法是限制生理/生活方式参数的采样频率,从而需要在随后算法上的较低的处理能力。另一方法是以较高的采样频率、但是仅针对有限量的时间进行采样。例如,在US 2006/123905 A1中描述了这样的方法。该中断的采样方式具有以下优点:取决于处理器类型,对信号采样的对应的处理器能够被有效地设置到睡眠,从而需要仅非常有限量的电池电源。
使用生活方式监测设备来监测的感兴趣参数之一是在某个时间段期间(例如,在一天期间)采取的步数,或更一般地,周期性运动的循环数目,其可以是步子、跳、游泳动作、骑自行车的旋转等等。利用用于连续的3D加速度计信号的现有算法,3D加速度计信号首先被处理为其中加速度计信号的周期性清楚可见的1D信号。在该预处理的信号上,设置固定或可变阈值,这在阈值被取代的每个时间实例处设置标记。最后,简单地对阈值通过的数目进行计数。
对于连续的采样,这是适合的方法。然而,对于不连续的采样策略,该方法能够导致问题。由于仅有限量的数据是可用的,因此信号的周期性几乎不再可见。由于上下文不再可见,因此正确地设置(自适应)阈值变得有问题。另外,需要出现一些形式的内插/外插,以便估计步数。
因此,存在对适于在仅不连续的加速度计数据可用时对对象的周期性运动的循环数目更精确地计数(例如,以在加速度计数据的采集期间节省电池电源)的方法的需要。
US2006/174685A1公开了用于对步行人员的步子进行计数的方法和装置,其中,所述方法包括检测由在每第一规定间隔处的步行人员的步子生成的加速度值;计算在每第二规定间隔处的所检测的加速度值的标准偏差;将在第一至第N步行模式之中的与计算的标准差对应的步行模式确定为步行人员的步行模式,其中,N是大于1的正整数;检查在检测的加速度值的绝对值之中是否存在大于与确定的步行模式对应的阈值加速度值的至少一个绝对值;并且如果在所检测的加速度值的绝对值当中存在大于阈值加速度值的至少一个绝对值,则对针对步行人员的步子的计数值进行增大。
US7334472B2公开了一种用于测量运动量的方法和一种装置,所述装置包括:加速度传感器,其用于通过测量根据用户运动的运动量来生成加速度信息;传感器控制单元,其用于对加速度传感器供电并且对从加速度传感器生成的加速度信息进行采样;动态能量测量单元,其用于将所采样的加速度信息转换为动态能量,如果动态能量的上升梯度具有超过预定值的局部最大值则将局部最大值与预定阈值相比较,并且如果局部最大值超过预定阈值则确定用户步子;卡路里消耗测量单元,其用于通过分析针对用户步子确定的动态能量的能量水平来对卡路里消耗进行计算;存储器,其用于存储信息;以及显示部分,其用于显示与步数和卡路里消耗有关的信息。
发明内容
本发明的目的是提供用于基于指示对象的至少身体部分的运动的不连续加速度计数据更精确地对所述对象的周期性运动的循环数目进行计数的设备、方法和***。
在本发明的第一方面中,呈现了一种用于准确地对对象的周期性运动的循环数目进行计数的设备,其包括:
-输入单元,其用于接收指示所述对象的至少身体部分的运动的随时间的不连续加速度计数据,
-分类器,其用于基于所述不连续加速度计数据来将所述对象的所述运动分类到若干运动类中的一个中,每个运动类与周期性运动的速度的不同的范围有关,
-存储设备,其用于存储包括针对每个运动类的每单位时间的周期性值的表,以及
-运动计算单元,其用于通过使用已经将所述运动分类到其中的所述运动类的周期性,每单位时间地、针对预定时间地或随时间连续地计算所述对象的所述周期性运动的所述循环数目。
在本发明的另一方面中,呈现了一种对应的计算机实施的方法。
在本法的又一方面中,呈现了一种对应的***,其包括:
-加速度计,其用于采集指示所述对象的至少身体部分的运动的随时间的不连续加速度计数据,
-如本文所公开的设备,其用于基于由所述加速度计采集的所述不连续加速度计数据来确定所述周期性运动的所述循环数目,
-输出接口,其用于输出所确定的循环数目。
在本发明的又一方面中,提供了一种包括程序代码单元的计算机程序,当在计算机上执行所述计算机程序时所述程序代码单元用于使得计算机执行本文所公开的方法的步骤,并且提供了一种非暂态计算机可读记录介质,在所述非暂态计算机可读记录介质中存储计算机程序产品,所述计算机程序产品在由处理器运行时使得本文所公开的方法被执行。
在从属权利要求中定义了本发明的优选的实施例。应当理解,所要求保护的方法、处理器、计算机程序和介质具有与所要求保护并且如从属权利要求定义的***的相似和/或相同的优选的实施例。
本发明基于对活动(对象的周期性运动)进行分类的想法,即,确定对象(例如,做运动或仅照常运动的人)的运动状态的种类和/或运动类。例如,用于对人的步数进行计数的三状态分类器的三个运动类可以是由周期性运动“步行”的不同速度区分的“步行”、“非步行”和“跑步”。然而,本发明还可以被用于将步行与骑自行车区分,或甚至还通过分类器将步行和骑自行车的不同的运动类进行区分,所述分类器例如将对象的运动分类为运动类“慢速步行”、“快速步行”、“慢速骑自行车”、“快速骑自行车”和“没有运动”。取决于所述所检测的活动,即所确定的运动类,所述信号的所述周期性通过使用预定表来确定,并且基于所述周期性,所述周期性运动的所述循环数目被确定。
所述加速度计可以由所述对象佩戴在不同的佩戴位置处,诸如颈部、口袋、大腿和手腕处。优选地,在所述活动期间由所述对象佩戴整体***,包括不仅加速度计而且所述设备和输出接口(例如,显示器)。在其他实施例中,可以以任何适合的方式(例如,以有线或无线方式)将所述加速度计信号发送给所述设备,这可以在运行中(即,在活动期间实时地)或之后(即,在活动之后非实时地)实现。所述设备可以例如是运行在智能设备(诸如智能电话、平板电脑、智能手表、健身设备、生活方式设备或计算机)上的应用。
可以每单位时间(例如,每分钟、每小时、每天、每星期等等)地、针对预定时间(例如,针对由所述用户设置的预定时间,诸如针对三个小时或预定日)地或随时间连续地完成对循环数目的计算。
在优选的实施例中,所述运动计算单元被配置为使用所述周期性并且在时间段期间对其进行积分以获得所述时间段期间的所述循环数目。这提供粗略地估计循环数目的相当简单的方式。增加在所述分类中使用的不同类的数目(即,通过进一步细化类“步行”为“非步行”、“慢速步行”和“快速步行”)和因此分配给各自的类的周期性的不同值的数目增加对循环数目的计算的准确性。
在另一实施例中,所述存储设备被配置为存储针对不同的人体测量数据的,尤其是针对不同的长度、重量、身体质量指数、性别和/或年龄的两个或更多表,每个表包括适于各自的人体测量数据的周期性值,其中,所述运动计算单元被配置为基于所述对象的所述人体测量数据来选择用于获得所述周期性的所述表。例如,在步子计数中,由于较高的人通常比较小的人完成更大的步子,因此人的高度具有强的影响。因此,针对在步子计数中的使用,可以存在具有针对运动的每个类的不同周期性的针对人的不同高度的不同的表。而且,例如对于男性、女性和儿童而言,可以存在不同的表。通常,通过使用这样的人体测量数据,能够获得循环数目的计算的准确性的强的增加。
优选地,所述输入单元被配置为接收所述对象的人体测量数据。这样的人体测量数据可以例如经由小键盘或显示器输入,或其可以从存储这样的数据(例如,在健康记录或其他人员记录中)的所述***的另一设备来发送。优选地,因此,在使用之前将所述设备个性化。
在另一实施例中,所述分类器被配置为根据所述加速度计数据确定指示所述运动频率的一个或多个特征并且将所述一个或多个特征用于所述分类。能够出于该目的使用不同的特征,这取决于活动的种类和应当采取以获得计算的期望的准确性的努力。在优选的实施例中,所述分类器被配置为将所述加速度计数据的高频分量和/或低频分量的信号功率用作特征。因此,对反映在步子计数中当步子撞击所述地面时通过身体传播到所述设备中的(高频)能量的加速度计信号的高频分量的功率进行表示的特征能够被使用。另一可用特征是表示总(低频)信号功率的特征。
在另一实施例中,所述设备还包括用于根据所述加速度计数据估计运动频率的运动频率估计单元,其中,所述运动计算单元被配置为在对循环数目的计算中使用所述估计的运动频率。所述运动频率估计单元对由所述分类提供的频率估计进行细化。例如,如果所述分类器指示具有从每秒1.5循环至每秒2循环的范围的类,则所述运动频率估计单元可以被配置为估计该范围内的频率。然后,该经细化的频率可以用在另外的处理中。这进一步改进对循环数目的计算的准确性。
优选地,所述输入单元被配置为获得指示在三个不同的方向,尤其是正交方向上的三维加速度计数据。通过使用如例如从常规加速度计递送的3D加速度计数据,能够更准确地确定运动的类。
而且,在实施例中,所述输入单元被配置为获得以间隔,尤其是以在从2至60秒的范围中的(例如,规则)间隔采集的加速度计数据的样本,和/或被配置为获得加速度计数据的样本,每个样本分段具有在从0.5至5秒的范围中的持续时间。示范性典型配置可以例如是加速度计数据自身以20Hz针对一秒被采样并且然后针对随后四秒不采样,以20Hz针对一秒被采样等等。然后,通常在15秒的固定分段中分析该不连续样本流,因此有效地包含采样数据的三秒(和12“空秒”)。
在另一实施例中,所述分类器被配置为随后评价加速度计数据的随后的分段(例如,60秒持续时间的分段,包括例如1秒数据的间隔和例如4秒无数据的间隔),其中,随后的分段在时间中交叠(例如,具有预定持续时间的交叠,例如,在60秒持续时间段的范例中具有55秒的交叠)。这改进了用户体验。例如,在以上范例中,每5秒进行分类并且对计数数目进行计算,而不管使用较长分段的事实。通常,存在可以例如由用户或制造商配置的不同的参数,包括加速度计信号的固有采样频率、其中数据被采样的时间间隔、其中没有数据被采样的时间间隔、所述分类器的分段长度和“跳大小(hop size)”,即在其之后所述估计的更新被提供的时间。
所述***优选地还包括用于获得人体测量数据的数据接口(诸如键盘、麦克风、触摸屏等等)或用于接触外部设备以检索这样的数据的发送/接收单元。
而且,所述***优选地还包括用于容纳所述加速度计、所述设备和输出接口的壳体以及用于将所述壳体保持在所述对象的身体部分处的保持元件。所述***可以例如是集成设备(诸如佩戴式腕带或手表)或能够佩戴在手腕、臂、踝或甚至在所述颈部或头部处的任何其他可佩戴设备。总体而言,本发明可以被配置为可佩戴个人健康监测设备或是可佩戴个人健康监测设备的部分。
附图说明
本发明的这些和其他方面将根据下文描述的(一个或多个)实施例而显而易见,并参考下文描述的(一个或多个)实施例得到阐述。在以下附图中,
图1示出了根据本发明的***的实施例的示意图;
图2示出了根据本发明的设备的实施例的示意图;
图3示出了连续和不连续加速度计信号的信号图;
图4示出了图示对从加速度计数据导出的不同特征的使用的信号图;
图5示出了根据本发明的***的另一实施例的示意图;
图6示出了根据本发明的设备的实施例的示意图;
图7示出了图示加速度计数据的评价的实施例的信号图;并且
图8示出了根据本发明的方法的实施例的流程图。
具体实施方式
图1示出了根据本发明的用于对周期性运动的循环数目进行计数的***1的实施例的示意图。在以下中,将参考其中其被用于对人的步数进行计数的实施例来解释本发明,但是本发明还可用于对对象(例如,人或动物)的其他周期性运动的循环数目进行计数,诸如骑自行车期间的旋转的数目。
***1包括加速度计10,所述加速度计用于采集指示对象的至少身体部分的运动的随时间的不连续的加速度计数据。这样的加速度计通常在本领域是已知的。其能够佩戴在例如腿或手臂周围(例如,如手表的腕戴式设备)或踝处,但是也可以安装到身体的任何其他部分。加速度计10通常提供三维加速度计数据,即指示各自的方向上的加速度的针对三个正交方向中的每个的独立的加速度计数据。然而,本发明也利用其他加速度计数据(例如,单个加速度计信号(即,一维加速度计数据)或二维加速度计数据)工作,只要期望的周期性运动在加速度计数据中以某种方式反映。
***1还包括设备20,所述设备用于基于由加速度计10采集的不连续加速度计数据来确定周期性运动的循环数目。设备20可以实施在硬件和/或软件中。例如,因此,处理器或计算机可以被配置为实施设备20的元件,如下文所解释的。
***1还包括用于输出所确定的循环数目的用户接口30。输出接口30可以是用于显示所确定的数目的显示器,但是也可以是用于将所确定的数目发送给另一设备(例如,智能电话、计算机或网站)以用于另外的处理(例如,出于医学目的或健康记录中的存储)和/或显示在其处的传送器。
***1的所有元件可以集成到公共可佩戴设备(如下面针对***的另一实施例更详细示出的)中或可以被实现为独立的设备。例如,仅加速度计10安装到对象的身体并且将加速度计数据(实时或非实时;以有线或无线方式)发送给设备20以用于处理。设备20可以被配置为以下或是以下的部分:计算机、膝上电脑、智能电话、平板电脑或被配置用于执行由设备20执行的步骤的任何其他设备。
图2示出了用于对对象的周期性运动的循环数目进行计数的根据本发明的设备20的实施例的示意图。设备20包括输入单元21,所述输入单元用于接收指示对象的至少身体部分的运动的随时间的不连续加速度计数据。与图3A中所示的连续的3D加速度计数据相对,在图3B中示出了这样的不连续的3D加速度计数据。具体而言,图3A示出了针对三个正交方向的三个连续加速度计信号A1、A2、A3,并且图3B示出了针对三个正交方向的三个不连续加速度计信号B1、B2、B3,其实际上是(在该范例中)每五秒的一秒的持续时间的样本,即,样本之间具有4秒的中断。因此,在中断期间,加速度计10和/或设备20能够设置到睡眠模式以节省电池电源,这是这样的可佩戴设备的使用中的实质方面。根据三个加速度计信号x、y、z,可以例如采取范数,例如sqrt(x2+y2+z2),或形成abs(x)+abs(y)+abs(z)的和。
设备还包括分类器22,所述分类器用于基于所述不连续加速度计数据来将对象的运动分类为若干运动类之一,每个运动类与周期性运动的速度的不同范围有关。存在执行该分类的若干方式,如下文将解释的。在被用于步子计数的示范性简单实施例中,三个不同的类被区分,包括非步行、步行和跑步。在其他更先进的实施例中,更多的类被区分,例如非步行、慢速步行、快速步行、跑步和冲刺。
存储设备23,诸如半导体存储器元件,存储包括针对每个运动类的每单位时间的周期性(periodicity)值的表。因此,根据所检测的活动,(一个或多个)加速度计信号的周期性被估计。在使用三个类,即使用用于区分非步行、步行和跑步的三状态分类器的简单范例中,以下预定义表然后可以被用于确定周期性:
状态 | 周期性(步/秒) |
非步行 | 0.0 |
步行 | 1.9 |
跑步 | 2.5 |
最后,由运动计算单元24来计算对象的周期性运动的循环数目。通过使用已经将运动分类到为的运动类的周期性,每单位时间(例如,每小时、每天等等)地、针对预定时间(例如,3小时、1天等)地或随时间连续地(例如,经更新的每隔15秒、每分钟等等)完成该计算。因此,从存储在存储设备23中的表中的针对所述运动类的条目来获取所述周期性。
因此,在简单实施例中,如果分类器识别步行的状态,则从表获取1.9的周期性。基于随时间的该周期性的积分,计算步数,从而得到每分钟1.9 x 60=144步或每小时6840步。
可以连续或以预定间隔(例如,每分钟或每隔15秒一次)规则地进行分类,使得能够相应地更新步数的计算。例如,如果分类器22每15秒提供状态,则将意味着步子计数将在15秒之后增长到28.5、在30秒之后57等等。额外平滑可以被应用以向用户提供更好的体验。例如,代替于每15秒逐步增长,更频繁但是以较小的增量来进行增长,例如,在7.5秒之后步子计数将增长到14(.25),在15秒之后到28.5等等。总之,例如,如果人步行15分钟并且跑步10分钟,则针对25分钟的该时间段的步数将是1.9x60 x 15+2.5 x 60 x 10=3210步。
如上文所简要提及的,进一步改进结果的一个方式是区分更多状态的多水平分类器的使用并且因此使用具有更多条目的表。例如,代替于仅对非步行、步行和跑步进行分类,能够应用更多状态,例如:
状态 | 周期性(步/秒) |
非步行 | 0.0 |
慢速步行 | 1.5 |
正常步行 | 1.9 |
快速步行 | 2.2 |
跑步 | 2.5 |
冲刺 | 2.7 |
在另外的实施例中,多水平分类器甚至能够对不同种类的运动的状态进行区分,例如骑自行车和步行。例如,分类器可以将对象的运动分类为运动类“慢速步行”、“快速步行”、“慢速骑自行车”、“快速骑自行车”和“没有运动”,即具有五个类和因此对应的表中的五个周期性值。
在分类中,使用一个或多个特征,其是对应当辨别的各自的运动状态的指示,例如其是用于区分在上述简单实施例中的步行的状态与跑步和非步行的状态的指示。图4示出了图示从针对不同的活动(即,针对步子计数的范例的运动状态)的加速度计数据导出的两个不同的特征的使用的折叠累积分布。这些特征实现在特定活动步行和跑步之中的区分以及与其他活动的区分。因此,这些特征表示活动的类型的典型特性。
图4A示出了被计算为针对不同的活动的加速度计信号的高频分量的功率的特征的折叠累积分布。x轴示出了特征值F,并且y轴示出了折叠累积分布G。折叠累积分布是上半部(高于0.5的累积分布)向下折叠的累积分布。这帮助视觉地建立累积分布的中值和离差。信号曲线C1针对活动步行,并且信号曲线C2针对活动跑步。该特征基本上反映当脚撞击地面时通过身体传播到设备中的(高频)能量。该特征还可以被称为加速度计信号的高频分量的RMS幅度,其可以通过下式获得:
其中,x、y、z表示原始样本值的向量,xlp、ylp、zlp表示经低通滤波样本的向量并且E()表示期望(平均)值。
图4B示出了针对不同的活动的加速度计信号的低频分量的功率的折叠累积分布。信号曲线D1针对活动步行,并且信号曲线D2针对活动跑步。该特征基本上反映总(低频)信号功率。该特征还可以被称为RMS垂直幅度,其可以由信号g的方差获得:
σ(g)
其中,
其中,g是总低频加速度信号的范数。
能够基于相同的两个特征来开发具有更多类的分类器,例如,如上文所描述的六状态分类器(非步行、慢速步行、正常步行、快速步行、跑步和冲刺)。由于相比于三个类(非步行、步行和跑步)的情况,针对不同类的特征的分布将更交叠,因此可以做出更多分类错误。然而,由于到邻近类中的误分类(例如,将慢速步行分类为正常步行)将仅导致相对小的周期性错误,因此这能够被容忍。
能够在L.Bao和S.Intille,“Activity recognition from user-annotatedacceleration data”、Pervasive Computing,第3001卷,2004年1月,第1-17页,FoersterF、Smeja M、Fahrenberg J,“Detection of posture and motion by accelerometry:avalidation study in ambulatory monitoring,”Computers in Human Behavior 1999;15:571-583,以及Pober DM、Staudenmayer J、Raphael C、Freedson PS,“Development ofnovel techniques to classify physical activity mode using accelerometers,”Medicine and Science in Sports and Exercise2006;38:1626-1634中找到在分类中可以有用的其他特征。
图5示出了***1’的另一实施例的示意图,并且图6示出了可以用在***1或1’中的根据本发明的设备20’的另一实施例。在***1’中,提供l了壳体40以用于容纳加速度计10、设备20’和输出接口30,从而将所有元件集成为集成可佩戴设备。而且,保持元件50(诸如带或腕带)被提供以用于将壳体保持在对象的身体部分处。
优选地,***1’还包括数据接口60,所述数据接口用于输入人体测量数据,诸如关于长度、重量、身体质量指数、性别、年龄的数据或可以对循环数目的计算具有影响的人的任何其他个人数据。例如,较高的人比较小的人具有更大的步子尺寸,这应当考虑以进一步增加计算的准确性。数据接口60可以例如是键盘、触摸屏或用于使得用户能够输入这样的数据(例如,当其第一次使用时由***1’请求)的其他单元。在另一实施例中,数据接口20’可以是用于接触外部设备(诸如个人记录或其他数据源,例如在用户的智能电话中)的单元,所述外部设备存储这样的人体测量数据,使得例如当针对用户个性化***1’时使得数据接口60自动地获得这样的数据。
在图6所示的设备20’中,输入单元21被配置为例如经由数据接口60接收对象的人体测量数据,或例如经由键盘或触摸屏直接作为用户输入部。
而且,存储设备23被配置为存储针对不同的人体测量数据(尤其是针对不同的长度、重量、身体质量指数、性别和/或年龄)的两个或更多表,每个表包括适于各自的人体测量数据的周期性值。例如,可以存在具有针对相同类的活动的周期性的不同的值的针对男性和女性用户的独立的表(例如,对于“步行”而言,周期性可以针对男性用户为1.9并且针对女性用户为2.1),和/或可以存在针对具有不同的尺寸(例如,针对低于1.4m,在1.4m与1.6m之间,在1.6m与1.8m之间,在1.8m与2m之间和高于2m等等的尺寸)的人的分离的表。因此,两个或更多准则(即,人体测量数据的种类)可以被用于选择针对实际用户的正确表,使得基于分类选择周期性的适当的值,其还增加所计算的循环数目的准确性。
作为存储和选择多个表的备选,例如一旦使***个性化,则针对用户的正确表可以被选择一次并且(仅仅)存储在存储设备中。然而,如果另一用户将使用***,则可以更新该信息。
在另一实施例中,设备20’(或并且***20)还包括运动频率估计单元25,所述运动频率估计单元用于根据所述加速度计数据估计运动频率。而且,运动计算单元24被配置为将所述估计的运动频率用在对循环数目的计算中。除运动状态之外,特定特征可以被用于调节周期性估计。一个这样的特征可以是实际频率的估计。实验已经示出,该频率自身可能由于数据的不连续性而不是可靠的参数。然而,具有状态上的分类器的知识结合例如频率估计两者可以改进在从表获得的周期性上的结果。备选可以是使用与频率相关的特征。如能够从图4的折叠累积分布看到的,不直接是频率估计的一些特征与速度相关并且能够被用于进一步改进频率估计。
在实施例中,针对分类的典型窗口长度可以例如是15秒。这意味着在对加速度计信号进行采样的上述范例中,该15秒窗口的仅总计三秒被采样(即,第1秒、第6秒和第11秒)。这三秒期间的采样频率是20Hz,从而得到针对15秒的间隔(被用于分类的窗口长度)的60个样本。为了基于该有限数据得到好的频率估计,在一个实施例中,计算每个1秒窗口x1[n]、x6[n]和x11[n]的FFT,所有具有n=0,…,19,从而得到三个频谱表示X1[k],X6[k]和X11[k]。然后,这三个频谱表示的幅度谱被计算并且平均。在图7中,针对连续的情况(信号E1)(其中,迈步速率(stepping rate)明显地是+/-2Hz)和非连续的情况(信号E2)(其中,也能够估计2Hz迈步速率)示出了对应的频谱。
图8示出了根据本发明的方法的实施例的流程图。在第一步骤S10中,接收指示对象的至少身体部分的运动的随时间的不连续的加速度计数据。在第二步骤S12中,基于所述不连续的加速度计数据,将对象的运动分类到若干运动类之一中,每个运动类与周期性运动的速度的不同的范围有关。在第三步骤S14中,从包括针对每个运动类的每单位时间的周期性值的表检索已经将运动分类到其中的运动类的周期性。在第四步骤S16中,通过使用所检索的周期性,每单位时间地、针对预定时间地或随时间连续地计算对象的周期性运动的循环数目。在本发明的实施例中,所述方法是计算机实施的方法。
尽管在附图和前面的描述中已经详细图示和描述了本发明,但是这些图示和描述应被视为说明性或示范性的而非限制性的;本发明不限于所公开的实施例。通过研究附图、公开内容以及权利要求书,本领域技术人员在实践所要求保护的本发明时能够理解和实现对所公开的实施例的其他变型。
在权利要求书中,“包括”一词不排除其他元件或步骤,并且词语“一”或“一个”不排除多个。单个元件或其他单元可以履行权利要求书中所记载的若干项目的功能。尽管在互不相同的从属权利要求中记载了特定措施,但是这并不指示不能有利地使用这些措施的组合。
计算机程序可以被存储/分布在合适的介质上,例如与其他硬件一起提供或作为其他硬件的部分提供的光学存储介质或固态介质,但计算机程序可也可以以其他形式来分布,例如经由因特网或者其他有线或无线电信***分布。
权利要求书中的任何附图标记不应被解读为对范围的限制。
Claims (18)
1.一种用于对对象的周期性运动的循环数目进行计数的设备,包括:
输入单元(21),其用于接收指示所述对象的至少身体部分的运动的随时间的不连续加速度计数据,
分类器(22),其用于基于所述不连续加速度计数据来将所述对象的所述运动分类到若干运动类中的一个中,每个运动类与周期性运动的速度的不同的范围有关,
存储设备(23),其用于存储包括针对每个运动类的每单位时间的周期性值的表,以及
运动计算单元(24),其用于基于已经将所述运动分类到其中的所述运动类的周期性,每单位时间地、针对预定时间地或随时间连续地计算所述对象的所述周期性运动的所述循环数目,其中,所述运动类的所述周期性是通过使用所述表来确定的。
2.根据权利要求1所述的设备,
其中,所述运动计算单元(24)被配置为使用所述周期性,并且在时间段上对所述周期性进行积分以获得在所述时间段期间的所述循环数目。
3.根据权利要求1所述的设备,
其中,所述存储设备(23)被配置为存储针对不同的人体测量数据的两个或更多表,每个表包括适于各自的人体测量数据的周期性值,并且
其中,所述运动计算单元(24)被配置为基于所述对象的所述人体测量数据来选择用于获得所述周期性的所述表。
4.根据权利要求3所述的设备,
其中,所述不同的人体测量数据包括不同的长度、重量、身体质量指数、性别和/或年龄。
5.根据权利要求3所述的设备,
其中,所述输入单元(21)被配置为接收所述对象的人体测量数据。
6.根据权利要求1所述的设备,
其中,所述分类器(22)被配置为根据所述加速度计数据确定指示运动频率的一个或多个特征,并且被配置为将所述一个或多个特征用于所述分类。
7.根据权利要求6所述的设备,
其中,所述分类器(22)被配置为将所述加速度计数据的高频分量和/或低频分量的信号功率用作特征。
8.根据权利要求1所述的设备,
还包括运动频率估计单元(25),其用于根据所述加速度计数据估计运动频率,
其中,所述运动计算单元(24)被配置为将所述所估计的运动频率用在对所述循环数目的所述计算中。
9.根据权利要求1所述的设备,
其中,所述输入单元(21)被配置为获得指示在三个不同的方向上的三维加速度计数据。
10.根据权利要求9所述的设备,
其中,所述输入单元(21)被配置为获得指示在三个正交方向上的三维加速度计数据。
11.根据权利要求1所述的设备,
其中,所述输入单元(21)被配置为获得以间隔采集的加速度计数据的样本。
12.根据权利要求11所述的设备,
其中,所述输入单元(21)被配置为获得以在从2秒至60秒的范围中的间隔采集的加速度计数据的样本。
13.根据权利要求1所述的设备,
其中,所述输入单元(21)被配置为获得加速度计数据的样本,每个样本分段具有在从0.5秒至5秒的范围中的持续时间。
14.一种用于对对象的周期性运动的循环数目进行计数的计算机实施的方法,包括:
从加速度计接收指示所述对象的至少身体部分的运动的随时间的不连续加速度计数据,
基于所述不连续加速度计数据来将所述对象的所述运动分类到若干运动类中的一个中,每个运动类与周期性运动的速度的不同的范围有关,
从包括针对每个运动类的每单位时间的周期性值的表检索已经将所述运动分类到其中的所述运动类的周期性,并且
通过使用所检索的周期性,每单位时间地、针对预定时间地或随时间连续地计算所述对象的所述周期性运动的所述循环数目。
15.一种用于对周期性运动的循环数目进行计数的***,包括:
加速度计(10),其用于采集指示所述对象的至少身体部分的运动的随时间的不连续加速度计数据,
根据权利要求1所述的设备(20),其用于基于由所述加速度计采集的所述不连续加速度计数据来确定所述周期性运动的所述循环数目,
输出接口(30),其用于输出所确定的循环数目。
16.根据权利要求15所述的***,
还包括数据接口(60),其用于获得人体测量数据,其中,所述设备根据权利要求3所述地进行配置。
17.根据权利要求15所述的***,还包括:
壳体(40),其用于容纳所述加速度计、所述设备以及所述输出接口,以及
保持元件(50),其用于将所述壳体保持在所述对象的身体部分处。
18.一种存储计算机程序产品的非暂态计算机可读记录介质,所述计算机程序产品具有实现在其中的计算机程序代码,所述计算机程序代码在由处理器运行时,使得根据权利要求14所述的方法被执行。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
EP14195989 | 2014-12-03 | ||
EP14195989.0 | 2014-12-03 | ||
PCT/EP2015/078038 WO2016087358A1 (en) | 2014-12-03 | 2015-11-30 | Device, method and system for counting the number of cycles of a periodic movement of a subject |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106030246A CN106030246A (zh) | 2016-10-12 |
CN106030246B true CN106030246B (zh) | 2018-06-12 |
Family
ID=52011035
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201580008957.3A Active CN106030246B (zh) | 2014-12-03 | 2015-11-30 | 用于对对象的周期性运动的循环数目进行计数的设备、方法和*** |
Country Status (6)
Country | Link |
---|---|
US (1) | US10365120B2 (zh) |
EP (1) | EP3079568B1 (zh) |
JP (1) | JP6134872B1 (zh) |
CN (1) | CN106030246B (zh) |
RU (1) | RU2719945C2 (zh) |
WO (1) | WO2016087358A1 (zh) |
Families Citing this family (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2016116592A1 (en) * | 2015-01-23 | 2016-07-28 | Koninklijke Philips N.V. | Adjusting overall duration of physical activity |
US10455816B2 (en) * | 2016-07-20 | 2019-10-29 | International Business Machines Corporation | Sensor based activity monitor |
US20180110465A1 (en) * | 2016-10-21 | 2018-04-26 | Reza Naima | Methods and systems for physiologic monitoring |
US10542939B2 (en) * | 2016-11-14 | 2020-01-28 | Medtronic Monitoring, Inc. | System and methods of processing accelerometer signals |
CN108209930A (zh) * | 2016-12-22 | 2018-06-29 | ***通信有限公司研究院 | 一种胎动计数方法及装置 |
CN106823348A (zh) * | 2017-01-20 | 2017-06-13 | 广东小天才科技有限公司 | 一种运动数据管理方法、装置及***、用户设备 |
JP7267311B2 (ja) * | 2018-06-15 | 2023-05-01 | 大塚製薬株式会社 | ゆらぎ周波数でのインビボチャネル検知及びインジェスティブルセンサ検出用の低電力レシーバー |
JP7070495B2 (ja) * | 2019-04-18 | 2022-05-18 | カシオ計算機株式会社 | 電子機器、停止判定方法、および停止判定プログラム |
CN115543213B (zh) * | 2022-11-24 | 2023-04-14 | 苏州蓝博控制技术有限公司 | 计时数据处理方法及*** |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1723848A (zh) * | 2004-07-24 | 2006-01-25 | 三星电子株式会社 | 使用加速度传感器测量体育运动量的设备和方法 |
CN102297701A (zh) * | 2010-06-22 | 2011-12-28 | 雅马哈株式会社 | 计步器 |
CN103250029A (zh) * | 2011-07-11 | 2013-08-14 | 株式会社Ntt都科摩 | 移动终端以及连续移动检测方法 |
CN103727954A (zh) * | 2013-12-27 | 2014-04-16 | 北京超思电子技术股份有限公司 | 一种计步器 |
Family Cites Families (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6018705A (en) * | 1997-10-02 | 2000-01-25 | Personal Electronic Devices, Inc. | Measuring foot contact time and foot loft time of a person in locomotion |
US6826477B2 (en) | 2001-04-23 | 2004-11-30 | Ecole Polytechnique Federale De Lausanne (Epfl) | Pedestrian navigation method and apparatus operative in a dead reckoning mode |
CN100548216C (zh) | 2002-12-10 | 2009-10-14 | 皇家飞利浦电子股份有限公司 | 活动监视 |
JP3801163B2 (ja) * | 2003-03-07 | 2006-07-26 | セイコーエプソン株式会社 | 体動検出装置、ピッチ計、歩数計、腕時計型情報処理装置、制御方法及び制御プログラム |
JP2005102773A (ja) * | 2003-09-29 | 2005-04-21 | Microstone Corp | 学生の行動管理システム |
JP2005267152A (ja) | 2004-03-18 | 2005-09-29 | Seiko Instruments Inc | 電子歩数計 |
KR100786703B1 (ko) | 2004-07-24 | 2007-12-21 | 삼성전자주식회사 | 가속도 센서를 이용한 운동량 측정장치 및 방법 |
KR100571849B1 (ko) * | 2005-02-04 | 2006-04-17 | 삼성전자주식회사 | 보행자의 보행 횟수 계수방법 및 장치 |
JP4706310B2 (ja) | 2005-04-13 | 2011-06-22 | パナソニック電工株式会社 | 歩数計 |
JP2006293861A (ja) | 2005-04-13 | 2006-10-26 | Matsushita Electric Works Ltd | 歩数計 |
WO2006131908A2 (en) * | 2005-06-05 | 2006-12-14 | David Cohen | Personal sporting activity monitor |
US20070054778A1 (en) * | 2005-08-29 | 2007-03-08 | Blanarovich Adrian M | Apparatus and system for measuring and communicating physical activity data |
JP4898514B2 (ja) | 2007-03-26 | 2012-03-14 | セイコーインスツル株式会社 | 歩数計 |
CN101646389A (zh) * | 2007-03-30 | 2010-02-10 | 松下电工株式会社 | 活动强度测量装置 |
JP5448515B2 (ja) * | 2009-03-25 | 2014-03-19 | シチズンホールディングス株式会社 | 生体信号測定装置 |
WO2011154776A1 (en) * | 2010-06-11 | 2011-12-15 | Freescale Semiconductor, Inc. | Information processing device and method |
CH703381B1 (fr) * | 2010-06-16 | 2018-12-14 | Myotest Sa | Dispositif portable intégré et procédé pour calculer des paramètres biomécaniques de la foulée. |
JP2012196332A (ja) * | 2011-03-22 | 2012-10-18 | Omron Healthcare Co Ltd | 体動検出装置、および、体動検出装置の制御方法 |
US10463300B2 (en) * | 2011-09-19 | 2019-11-05 | Dp Technologies, Inc. | Body-worn monitor |
US9352207B2 (en) * | 2012-01-19 | 2016-05-31 | Nike, Inc. | Action detection and activity classification |
CN107256329B (zh) * | 2012-01-19 | 2020-12-15 | 耐克创新有限合伙公司 | 用于检测用户的移动数据的整体式装置和非瞬时计算机可读介质 |
-
2015
- 2015-11-30 CN CN201580008957.3A patent/CN106030246B/zh active Active
- 2015-11-30 JP JP2016566792A patent/JP6134872B1/ja active Active
- 2015-11-30 EP EP15801846.5A patent/EP3079568B1/en active Active
- 2015-11-30 WO PCT/EP2015/078038 patent/WO2016087358A1/en active Application Filing
- 2015-11-30 RU RU2016128091A patent/RU2719945C2/ru active
- 2015-12-02 US US14/956,806 patent/US10365120B2/en active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1723848A (zh) * | 2004-07-24 | 2006-01-25 | 三星电子株式会社 | 使用加速度传感器测量体育运动量的设备和方法 |
CN102297701A (zh) * | 2010-06-22 | 2011-12-28 | 雅马哈株式会社 | 计步器 |
CN103250029A (zh) * | 2011-07-11 | 2013-08-14 | 株式会社Ntt都科摩 | 移动终端以及连续移动检测方法 |
CN103727954A (zh) * | 2013-12-27 | 2014-04-16 | 北京超思电子技术股份有限公司 | 一种计步器 |
Also Published As
Publication number | Publication date |
---|---|
US10365120B2 (en) | 2019-07-30 |
JP2017522060A (ja) | 2017-08-10 |
US20160161281A1 (en) | 2016-06-09 |
RU2719945C2 (ru) | 2020-04-23 |
EP3079568B1 (en) | 2017-06-21 |
WO2016087358A1 (en) | 2016-06-09 |
CN106030246A (zh) | 2016-10-12 |
EP3079568A1 (en) | 2016-10-19 |
JP6134872B1 (ja) | 2017-05-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106030246B (zh) | 用于对对象的周期性运动的循环数目进行计数的设备、方法和*** | |
Awais et al. | Physical activity classification for elderly people in free-living conditions | |
Wang et al. | A comparative study on human activity recognition using inertial sensors in a smartphone | |
EP3058441B1 (en) | Calculating pace and energy expenditure from athletic movement attributes | |
US20180264320A1 (en) | System and method for automatic location detection for wearable sensors | |
US10768196B2 (en) | Determine wearing position of a wearable device | |
Kwon et al. | Recognition of daily human activity using an artificial neural network and smartwatch | |
US20130179110A1 (en) | Activity classification in a multi-axis activity monitor device | |
CN105446480A (zh) | 可穿戴电子装置中的移动量度产生 | |
WO2012119126A2 (en) | Apparatus, system, and method for automatic identification of sensor placement | |
CN102292025A (zh) | 确定用户的能量消耗 | |
US20180353090A1 (en) | Adaptive Heart Rate Estimation | |
Adaskevicius | Method for recognition of the physical activity of human being using a wearable accelerometer | |
WO2022256716A2 (en) | Walking steadiness and fall risk assessment | |
WO2018086321A1 (zh) | 一种计步方法及装置 | |
CN114341947A (zh) | 用于使用可穿戴设备的锻炼类型辨识的***和方法 | |
KR20180066789A (ko) | 사용자의 행동 분류 방법 및 장치 | |
Psathas et al. | A Machine Learning Approach for Recognition of Elders’ Activities Using Passive Sensors | |
Li et al. | [Retracted] Application of Accelerometer to Monitor Students’ Exercise Load in 50 m Round Trip | |
Awais | Physical Activity Classification Meeting Daily Life Conditions for Older Subjects | |
Miskovic et al. | Implementation of a Flexible Bayesian Classifier for the Assessment of Patient’s Activities within a Real-time Personalized Mobile Application | |
US20240041355A1 (en) | Musculoskeletal strain | |
KR102424320B1 (ko) | 사용자의 행동 분류 방법 및 장치 | |
US20230397838A1 (en) | System, apparatus and method for activity classification | |
Schneider | Gait sensing on smartphones to support mobile exercise applications and games |
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 |