CN108253992B - 基于行走状态的计步方法 - Google Patents
基于行走状态的计步方法 Download PDFInfo
- Publication number
- CN108253992B CN108253992B CN201711493923.5A CN201711493923A CN108253992B CN 108253992 B CN108253992 B CN 108253992B CN 201711493923 A CN201711493923 A CN 201711493923A CN 108253992 B CN108253992 B CN 108253992B
- Authority
- CN
- China
- Prior art keywords
- acc
- axis
- curve
- acceleration
- walking
- 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
Images
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
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Measurement Of Distances Traversed On The Ground (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本发明提供了基于行走状态的计步方法,包括以下步骤:从加速度传感器连续获取加速度数据;计算出全局加速度;再计算出三个轴上的线性加速度ACCx,ACCy和ACCz;判断ACCx,ACCy和ACCz是否超过设定阈值,若超过设定阈值则标记此组数据为异常数据,并进行清除;计算线性加速度在重力方向上的分量,获得ACCg;将ACCg绘制成第一曲线,将ACCy绘制成第二曲线,并将第一曲线和第二曲线重叠构成重叠图像;依据步行特征设定步行认定条件,利用步行认定条件分析重叠图像,判断是否发生步行;当判断发生步行时,由步行时刻的ACCg值计算步长和计算步频,获得步行数据。相对现有技术,本发明能排除大部分的设备晃动干扰,能提供步长和步频数据,有效地提高计步精度。
Description
技术领域
本发明涉及计步技术领域,尤其涉及基于行走状态的计步方法。
背景技术
近年来各种智能手机和可穿戴设备越来越普及,在这些设备中,尤其是可穿戴设备,都有运动和健康相关的应用。这些应用的其中一个核心算法就是计步算法。现有的计步算法都采用比较简单的阈值检测方法,只提供计步功能,无法提供步态信息。
现有技术主要方法是:开始前先设定一个加速度阈值和两部之间的最短时间间隔;读取加速度计数据;从加速度计数据中分离出用户走动造成的加速度在重力方向上的分量,将这个数据记为V;检测两个连续的V数值是否从低到高跨越设定阈值。只要满足第一个数值V1小于阈值,第二个数值V2大于阈值,则判定两个连续的V数值从低到高跨越了设定阈值;同时如果此时与上次计步时间间隔超过设定时长,则进行计步。
但是现有技术存在以下几个缺点:
计步通常不是非常准确,无法排除一些常见的干扰,用户随意摆动设备都会导致计步;这些计步算法虽然可以运用到一些对精度要求不高的应用上,比如统计用户一天所走的步数,但是假如应用在类似于PDR(行人航迹推算)的应用中,这个误差对结果的影响会很大。
所提供的信息太少;只提供最基本的计步功能,无法提供更多的步态信息;如果能知道更多关于用户步态的信息,就能由此推算出跟多关于用户运动的数据。例如在健康类应用中,如果可以知道用户每一步的大致步长和走步的频率,就可以更准确地估算用户消耗的能量和总共行走的距离。
所以有必要对这些缺点进行解决。
发明内容
本发明的目的是提供一种基于行走状态的计步方法,所要解决的技术问题是:计步通常不是非常准确,所提供的信息太少。
于是,本发明提供了基于行走状态的计步方法,包括以下步骤:
步骤1:从加速度传感器连续获取加速度数据;通过多组原始加速度数据计算出全局加速度;通过原始加速度数据和全局加速度数据计算出三个轴上的线性加速度ACCx,ACCy和ACCz;
步骤2:判断三个轴上的线性加速度ACCx,ACCy和ACCz是否超过设定阈值,若超过设定阈值则标记此组数据为异常数据,并进行清除;计算线性加速度在重力方向上的分量,并进行平滑滤波,获得ACCg;
步骤3:将ACCg绘制成第一曲线,将ACCy绘制成第二曲线,并将第一曲线和第二曲线重叠,构成重叠图像;
步骤4:依据步行特征设定步行认定条件,且步行认定条件由ACCg和ACCy特征点组成,利用步行认定条件分析重叠图像,判断是否发生步行;
步骤5:当判断发生步行时,由步行时刻的ACCg值计算步长,由步行时刻的时间戳和上一个ACCg波谷值的时间戳计算步频,获得步行数据。
进一步,步骤1中加速度传感器获取一组原始加速度数据具体为:利用加速度传感器测量X轴、Y轴和Z轴上的加速度,获得X轴、Y轴和Z轴上的加速度值,分别为RAW_ACCX,RAW_ACCY和RAW_ACCZ。
进一步,步骤中计算过滤后的线性加速度在重力方向上的分量,并进行平行滤波具体为:利用加速度传感器进行多次数据测量,获得多组X轴、Y轴和Z轴上的加速度值;计算多组X轴、Y轴和Z轴上的加速度值的平均值,得全局加速度X轴、Y轴和Z轴上的分量,分别记为ACCworldx、ACCworldy和ACCworldz,具体为:
其中RAW_ACCX,RAW_ACCY和RAW_ACCZ分别为加速度传感器在X轴、Y轴和Z轴上的测量值。
进一步,步骤2具体为:线性加速度X轴、Y轴和Z轴上的分量,分别记为ACCx、ACCy和ACCz,具体为:
ACCx=RAW_ACCxk-ACCworldx
ACCy=RAW_ACCyk-ACCworldy
ACCz=RAW_ACCzk-ACCworldz;
其中ACCworldx、ACCworldy和ACCworldz分别为全局加速度X轴、Y轴和Z轴上的分量;RAW_ACCX,RAW_ACCY和RAW_ACCZ分别为加速度传感器在X轴、Y轴和Z轴上的测量值。
进一步,步骤2具体为:
其中ACCx、ACCy和ACCz分别为线性加速度在X轴、Y轴和Z轴上的分量;
将全局加速度归一化,具体为:
加速度传感器的测量值:
RAW_ACC=[RAW_ACCx RAW_ACCy RAW_ACCz]
将加速度传感器的测量值矩阵转置,与全局加速度归一化数值进行相乘,得到两个空间向量的点积,再减去全局加速度的模,得到重力方向上的线性加速度值,累加n个重力方向上的线性加速度值,得到ACCg;
其中,n的取值为10。
进一步,将多个ACCg绘制成第一曲线,将多个ACCy绘制成第二曲线,并将第一曲线和第二曲线重叠,构成重叠图像;
其中步行特征具体为:在第一曲线的波谷和之后的第一个波峰之间,对应的第二曲线存在波峰,且其值大于零;当第一曲线处于波峰时,处于波峰的ACCg,其对应位置的第二曲线上的ACCy为负值;当第二曲线上的波峰与其靠近的波谷处于设定的时间阈值内;
依据步行特征设定步行认定条件具体为:
当第一曲线中的ACCg处于波峰时,第二曲线中的ACCy为负值;同时第二曲线中ACCy的波峰时间戳大于第一曲线中ACCg的波谷时间戳;同时第二曲线中ACCy波峰与其邻近第一曲线中ACCg波峰之间的时间间隔未超过设定阈值;同时第一曲线中ACCg波谷与其邻近ACCg波峰之间的时间间隔超过设定的阈值;再者,第一曲线中ACCg波峰与上一个无效数据的时间间隔超过设定的阈值。
进一步,计算步长和步频,其中步长Lest为:
其中ACCg为n个重力方向上线性加速度值的累加值;
对Lest进行约束,得到最终步长L:
步频F可根据以下公式得出:
其中,Tpeak表示ACCg波峰的时间戳,Ttrough表示对应ACCg波峰上一个ACCg波谷的时间戳。
上述方案的有益效果:能排除大部分的设备晃动干扰,检测用户是否真正在步行,消除一些异常情况下的错误计步,并提供步长和步频等信息;能有效地提高计步精度。
附图说明
图1为本发明基于行走状态的计步方法的流程图;
图2为本发明第一曲线的示意图;
图3为本发明第一曲线和第二曲线构成的重叠图像的示意图;
图4为本发明实施计步示意图;
图5为本发明异常干扰下实施计步效果示意图。
具体实施方式
下面,结合附图对本发明进行详细描述。
如图1至图5所示,基于行走状态的计步方法,包括以下步骤:
步骤1:从加速度传感器连续获取加速度数据;通过多组原始加速度数据计算出全局加速度;通过原始加速度数据和全局加速度数据计算出三个轴上的线性加速度ACCx,ACCy和ACCz;
步骤2:判断三个轴上的线性加速度ACCx,ACCy和ACCz是否超过设定阈值,若超过设定阈值则标记此组数据为异常数据,并进行清除;计算线性加速度在重力方向上的分量,并进行平滑滤波,获得ACCg;
步骤3:将ACCg绘制成第一曲线,将ACCy绘制成第二曲线,并将第一曲线和第二曲线重叠,构成重叠图像;
步骤4:依据步行特征设定步行认定条件,且步行认定条件由ACCg和ACCy特征点组成,利用步行认定条件分析重叠图像,判断是否发生步行;
步骤5:当判断发生步行时,由步行时刻的ACCg值计算步长,由步行时刻的时间戳和上一个ACCg波谷值的时间戳计算步频,获得步行数据。
上述实施例中,步骤1中加速度传感器获取一组原始加速度数据具体为:利用加速度传感器测量X轴、Y轴和Z轴上的加速度,获得X轴、Y轴和Z轴上的加速度值,分别为RAW_ACCX,RAW_ACCY和RAW_ACCZ。
上述实施例中,步骤中计算过滤后的线性加速度在重力方向上的分量,并进行平行滤波具体为:利用加速度传感器进行多次数据测量,获得多组X轴、Y轴和Z轴上的加速度值;计算多组X轴、Y轴和Z轴上的加速度值的平均值,得全局加速度X轴、Y轴和Z轴上的分量,分别记为ACCworldx、ACCworldy和ACCworldz,具体为:
其中RAW_ACCX,RAW_ACCY和RAW_ACCZ分别为加速度传感器在X轴、Y轴和Z轴上的测量值。
上述实施例中,步骤2具体为:线性加速度X轴、Y轴和Z轴上的分量,分别记为ACCx、ACCy和ACCz,具体为:
ACCx=RAW_ACCxk-ACCworldx
ACCy=RAW_ACCyk-ACCworldy
ACCz=RAW_ACCzk-ACCworldz;
其中ACCworldx、ACCworldy和ACCworldz分别为全局加速度X轴、Y轴和Z轴上的分量;RAW_ACCX,RAW_ACCY和RAW_ACCZ分别为加速度传感器在X轴、Y轴和Z轴上的测量值。
上述实施例中,步骤2具体为:
其中ACCx、ACCy和ACCz分别为线性加速度在X轴、Y轴和Z轴上的分量;
将全局加速度归一化,具体为:
加速度传感器的测量值:
RAW_ACC=[RAW_ACCx RAW_ACCy RAW_ACCz]
将加速度传感器的测量值矩阵转置,与全局加速度归一化数值进行相乘,得到两个空间向量的点积,再减去全局加速度的模,得到重力方向上的线性加速度值,累加n个重力方向上的线性加速度值,得到ACCg;
其中,n的取值为10。
上述实施例中,
将多个ACCg绘制成第一曲线,将多个ACCy绘制成第二曲线,并将第一曲线和第二曲线重叠,构成重叠图像;
其中步行特征具体为:在第一曲线的波谷和之后的第一个波峰之间,对应的第二曲线存在波峰,且其值大于零;当第一曲线处于波峰时,处于波峰的ACCg,其对应位置的第二曲线上的ACCy为负值;当第二曲线上的波峰与其靠近的波谷处于设定的时间阈值内;
依据步行特征设定步行认定条件具体为:
当第一曲线中的ACCg处于波峰时,对应第二曲线中的ACCy为负值;同时第二曲线中ACCy的波峰时间戳大于第一曲线中ACCg的波谷时间戳;同时第二曲线中ACCy波峰与其邻近第一曲线中ACCg波峰之间的时间间隔未超过设定阈值;同时第一曲线中ACCg波谷与其邻近ACCg波峰之间的时间间隔超过设定的阈值;再者,第一曲线中ACCg波峰与上一个无效数据的时间间隔超过设定的阈值;
其中,线性加速度最大值:6.8;
ACCg的波峰范围:3.3~45;
ACCg的波谷范围:-45~-3.3;
ACCg波峰与上一个ACCy波峰之间的最大时间间隔:350ms;
ACCg波谷与其邻近ACCg波峰之间的最小时间间隔:200ms;
ACCg波峰与上一个无效数据之间的最大时间间隔:850ms。
当第一曲线中的ACCg处于波峰时,第二曲线中的ACCy为负值,用于过滤设备异常晃动产生的错误计步。
上述实施例中,计算步长和步频,其中步长Lest为:
其中ACCg为n个重力方向上线性加速度值的累加值;
对Lest进行约束,得到最终步长L:
步频F可根据以下公式得出:
其中,Tpeak表示ACCg波峰的时间戳,Ttrough表示对应ACCg波峰上一个ACCg波谷的时间戳。
图4为实施计步示意图;曲线图中每个竖线代表一次计步,下方文字显示步长和步频等信息;图5为在异常干扰下实施计步效果示意图,此图是由人为甩动设备产生的图像,可以看到有异常干扰情况下产生的波形图和正常走路情况下产生的波形图相似,但是却不会造成计步(可与正常状态下的实施计步示意图对比);本技术方案能计算步长大小和步伐频率,能排除大部分的设备晃动干扰,检测用户是否真正在步行,消除一些异常情况下的错误计步,并提供步长和步频等信息;能有效地提高计步精度。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (6)
1.基于行走状态的计步方法,其特征在于,包括以下步骤:
步骤1:从加速度传感器连续获取加速度数据;通过多组原始加速度数据计算出全局加速度;通过原始加速度数据和全局加速度数据计算出三个轴上的线性加速度ACCx,ACCy和ACCz;
步骤2:判断三个轴上的线性加速度值是否超过设定阈值,若超过设定阈值则标记此组数据为异常数据,并进行清除;计算线性加速度在重力方向上的分量,并进行平滑滤波,结果记为ACCg;
步骤3:将ACCg绘制成第一曲线,将ACCy绘制成第二曲线,并将第一曲线和第二曲线重叠,构成重叠图像;
步骤4:设定步行认定条件,所述步行认定条件由ACCg和ACCy特征点组成,利用步行认定条件分析重叠图像,判断是否发生步行;
步骤5:当判断发生步行时,由步行时刻的ACCg值计算步长,由步行时刻的时间戳和上一个ACCg波谷值的时间戳计算步频,获得步行数据;
其中步长Lest为:
其中ACCg为n个重力方向上线性加速度值的累加值;
对Lest进行约束,得到最终步长L:
步频F可根据以下公式得出:
其中,Tpeak表示ACCg波峰的时间戳,Ttrough表示对应ACCg波峰上一个ACCg波谷的时间戳。
2.根据权利要求1所述的基于行走状态的计步方法,其特征在于,步骤1中加速度传感器获取一组原始加速度数据具体为:利用加速度传感器测量X轴、Y轴和Z轴上的加速度,获得X轴、Y轴和Z轴上的加速度值,分别为RAW_ACCX,RAW_ACCY和RAW_ACCZ。
4.根据权利要求3所述的基于行走状态的计步方法,其特征在于,步骤2具体为:线性加速度X轴、Y轴和Z轴上的分量,分别记为ACCx、ACCy和ACCz,具体为:
ACCx=RAW_ACCxk-ACCworldx
ACCy=RAW_ACCyk-ACCworldy
ACCz=RAW_ACCzk-ACCworldz;
其中ACCworldx、ACCworldy和ACCworldz分别为全局加速度X轴、Y轴和Z轴上的分量;RAW_ACCX,RAW_ACCY和RAW_ACCZ分别为加速度传感器在X轴、Y轴和Z轴上的测量值。
6.根据权利要求5所述的基于行走状态的计步方法,其特征在于,将多个ACCg绘制成第一曲线,将多个ACCy绘制成第二曲线,并将第一曲线和第二曲线重叠,构成重叠图像;
其中步行特征具体为:在第一曲线的波谷和之后的第一个波峰之间,对应的第二曲线存在波峰,且其值大于零;当第一曲线处于波峰时,处于波峰的ACCg,其对应位置的第二曲线上的ACCy为负值;当第二曲线上的波峰与其靠近的波谷处于设定的时间阈值内;
依据步行特征设定步行认定条件具体为:
当第一曲线中的ACCg处于波峰时,第二曲线中的ACCy为负值;同时第二曲线中ACCy的波峰时间戳大于第一曲线中ACCg的波谷时间戳;同时第二曲线中ACCy波峰与其邻近第一曲线中ACCg波峰之间的时间间隔未超过设定阈值;同时第一曲线中ACCg波谷与其邻近ACCg波峰之间的时间间隔超过设定的阈值;再者,第一曲线中ACCg波峰与上一个无效数据的时间间隔超过设定的阈值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711493923.5A CN108253992B (zh) | 2017-12-31 | 2017-12-31 | 基于行走状态的计步方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711493923.5A CN108253992B (zh) | 2017-12-31 | 2017-12-31 | 基于行走状态的计步方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108253992A CN108253992A (zh) | 2018-07-06 |
CN108253992B true CN108253992B (zh) | 2021-07-02 |
Family
ID=62725604
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711493923.5A Active CN108253992B (zh) | 2017-12-31 | 2017-12-31 | 基于行走状态的计步方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108253992B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109212260B (zh) * | 2018-09-07 | 2021-06-25 | 青岛迈金智能科技有限公司 | 一种运动频率计算方法和装置 |
CN109870172B (zh) * | 2019-02-25 | 2020-12-18 | 广州市香港科大***研究院 | 计步检测方法、装置、设备及存储介质 |
CN109883531A (zh) * | 2019-03-05 | 2019-06-14 | 广州亚美信息科技有限公司 | 基于加速度传感器的车辆震动类型识别方法和*** |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1271099A2 (en) * | 2001-06-29 | 2003-01-02 | Nokia Corporation | Method and arrangement for determining movement |
WO2006073219A1 (en) * | 2005-01-04 | 2006-07-13 | Healthpia Co., Ltd. | Mobile communication terminal having exercise quantity measurement function and method of measuring exercise quantity using the same |
CN101694499A (zh) * | 2009-10-22 | 2010-04-14 | 浙江大学 | 基于行人步态检测的步速测量和传输的***和方法 |
CN101750096A (zh) * | 2008-11-28 | 2010-06-23 | 佛山市顺德区顺达电脑厂有限公司 | 计步处理***及方法 |
CN102564449A (zh) * | 2010-11-17 | 2012-07-11 | 索尼公司 | 步行情况检测装置、方法和程序 |
CN103792386A (zh) * | 2013-11-21 | 2014-05-14 | 清华大学 | 一种步行方向检测方法和装置 |
CN103997572A (zh) * | 2014-06-03 | 2014-08-20 | 深圳市爱康伟达智能医疗科技有限公司 | 一种基于手机加速度传感器数据的计步方法和装置 |
CN106123897A (zh) * | 2016-06-14 | 2016-11-16 | 中山大学 | 基于多特征的室内融合定位方法 |
CN107250727A (zh) * | 2014-09-15 | 2017-10-13 | 牛津大学创新有限公司 | 确定移动设备在地理区域中的位置 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4126388B2 (ja) * | 2002-04-08 | 2008-07-30 | カシオ計算機株式会社 | 歩行方向検出装置及びプログラム |
-
2017
- 2017-12-31 CN CN201711493923.5A patent/CN108253992B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1271099A2 (en) * | 2001-06-29 | 2003-01-02 | Nokia Corporation | Method and arrangement for determining movement |
WO2006073219A1 (en) * | 2005-01-04 | 2006-07-13 | Healthpia Co., Ltd. | Mobile communication terminal having exercise quantity measurement function and method of measuring exercise quantity using the same |
CN101750096A (zh) * | 2008-11-28 | 2010-06-23 | 佛山市顺德区顺达电脑厂有限公司 | 计步处理***及方法 |
CN101694499A (zh) * | 2009-10-22 | 2010-04-14 | 浙江大学 | 基于行人步态检测的步速测量和传输的***和方法 |
CN102564449A (zh) * | 2010-11-17 | 2012-07-11 | 索尼公司 | 步行情况检测装置、方法和程序 |
CN103792386A (zh) * | 2013-11-21 | 2014-05-14 | 清华大学 | 一种步行方向检测方法和装置 |
CN103997572A (zh) * | 2014-06-03 | 2014-08-20 | 深圳市爱康伟达智能医疗科技有限公司 | 一种基于手机加速度传感器数据的计步方法和装置 |
CN107250727A (zh) * | 2014-09-15 | 2017-10-13 | 牛津大学创新有限公司 | 确定移动设备在地理区域中的位置 |
CN106123897A (zh) * | 2016-06-14 | 2016-11-16 | 中山大学 | 基于多特征的室内融合定位方法 |
Also Published As
Publication number | Publication date |
---|---|
CN108253992A (zh) | 2018-07-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108253992B (zh) | 基于行走状态的计步方法 | |
US9791295B2 (en) | Step counting method and a pedometer based on a 3-axis accelerometer | |
CN109579853B (zh) | 基于bp神经网络的惯性导航室内定位方法 | |
US9228836B2 (en) | Inference of vehicular trajectory characteristics with personal mobile devices | |
CN101354265B (zh) | 计步方法及计步装置 | |
CN104103030B (zh) | 图像分析方法、照相机装置、控制装置及控制方法 | |
EP2985572A1 (en) | Step counting method and apparatus | |
Jensen et al. | Classification of kinematic swimming data with emphasis on resource consumption | |
CN109145696B (zh) | 一种基于深度学习的老人跌倒检测方法及*** | |
CN107393260B (zh) | 一种久坐提醒方法、装置和手腕式久坐提醒器 | |
US20150198625A1 (en) | Estimation of direction of motion of users on mobile devices | |
WO2012169051A1 (ja) | 落下判定装置、及び落下判定方法 | |
US20150241243A1 (en) | Method for counting steps and electronic apparatus using the same | |
CN109916485B (zh) | 动态车辆称重方法及装置 | |
US20170311899A1 (en) | Apparatus and method for identifying movement in a patient | |
CN108567432A (zh) | 表征运动的设备和方法 | |
JP2011030643A (ja) | 移動形態判別方法および移動形態判別装置、ならびに消費カロリー算出方法 | |
CN107392106B (zh) | 一种基于双门限的人体活动端点检测方法 | |
CN106441295A (zh) | 步行者行进方向确定方法及装置 | |
CN112036269A (zh) | 跌倒检测方法、装置、计算机设备和存储介质 | |
CN116092193A (zh) | 一种基于人体运动状态识别的行人航迹推算方法 | |
CN104010191A (zh) | 一种视频噪声强度检测方法 | |
CN110793539A (zh) | 基于运动分量阈值和机器学习的溺水检测方法和*** | |
US10467462B2 (en) | System and method for detecting at least one transient phase in a steady activity of an animated being | |
JP5815866B2 (ja) | ヨーレートセンサユニットの出力信号の評価方法、及び、ヨーレートセンサユニット |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |