CN109758154A - 一种运动状态确定方法、装置、设备及存储介质 - Google Patents

Abstract

本发明公开了一种运动状态确定方法、装置、设备及存储介质。该方法包括：通过六轴传感器采集用户运动时的数据和时序序列；根据所述数据和时序序列生成运动轨迹；根据所述运动轨迹确定所述用户的运动状态，通过本发明的技术方案，能够适用于搭载六轴传感器，且能够降低功耗、降低成本以及减少占用运算资源。

Description

一种运动状态确定方法、装置、设备及存储介质

技术领域

本发明实施例涉及计算机技术，尤其涉及一种运动状态确定方法、装置、设备及存储介质。

背景技术

随着人们对健康的关注日渐增多，参与运动的热情也空前高涨，运动群体不断增大。游泳作为跑步之外的第二大运动，同时也是降低死亡率的第二大运动类型，仅次于球类运动。但游泳者大多需要手动计数，或者是使用设备记录，但目前用于游泳状态和参数记录的设备和方法，主要是使用配备有GPS和九轴传感器的可穿戴设备，如Apple Watch和Garmin手表，价格都是千元以上，成本相对较高，其中GPS模块功耗相对较高，且在室内较难定位，即使定到位，定位精度也较差；目前市场上的大多数可穿戴设备都是三轴(加速度传感器)或六轴传感器，很少配备有九轴传感器。

目前市场上用于游泳的可穿戴设备，一般搭载GPS和三轴或六轴传感器，配有九轴传感器或者GPS和九轴传感器的可穿戴设备的价格都在千元以上，而只搭载三轴或六轴传感器的中低端设备的市场占有率在70％左右。另外，GPS模块除了成本和其所要求的射频天线结构导致的成本较高外，模块本身功耗也较高，且其本身只能记录游泳时的轨迹变化和记圈，要想进行击水次数等游泳分析时还至少需要再加载一个三轴加速度计或三轴陀螺仪或六轴传感器。另外，GPS在室内较难定到位，且定位的精度较差。搭配九轴传感器的设备，使用磁力计进行方向判断，进而进行记圈等分析，磁力计又易受到环境磁场的干扰导致失效，关于击水次数和泳姿等参数的计算依然是基于加速度计进行特征统计，或者是九轴数据融合得到的数据进行分析。只使用三轴加速度计进行游泳分析的，对于转身动作的识别较易受干扰较难识别。

发明内容

本发明实施例提供一种运动状态确定方法、装置、设备及存储介质，以实现适用于搭载六轴传感器，且能够降低功耗、降低成本以及减少占用运算资源。

第一方面，本发明实施例提供了一种运动状态确定方法，包括：

通过六轴传感器采集用户运动时的数据和时序序列；

根据所述数据和时序序列生成运动轨迹；

根据所述运动轨迹确定所述用户的运动状态。

进一步的，根据所述运动轨迹确定所述用户的运动状态包括：

对所述运动轨迹进行降维处理，得到一维运动轨迹；

对所述一维运动轨迹进行峰值检测，得到峰值和谷值；

根据所述峰值和谷值进行运动状态匹配；

根据匹配结果确定所述用户的运动状态，其中，所述运动状态包括游泳状态。

进一步的，对所述一维轨迹进峰值检测，得到峰值和谷值包括：

获取所述一维运动轨迹中的轨迹点的位置的差值；

若目标轨迹点与其相邻的轨迹点的位置的差值大于预设差值，则获取目标轨迹点之前的轨迹点的向量，其中，所述向量包括方向和位置对应的数值；

若目标轨迹点之前的轨迹点的方向为正方向，则将目标轨迹点之前数值最小的轨迹点确定为波谷，将目标轨迹点之后数值最大的轨迹点确定为波峰；

若目标轨迹点之前的轨迹点的方向为负方向，则将目标轨迹点之前数值最大的轨迹点确定为波峰，将目标轨迹点之后数值最小的轨迹点确定为波谷；

根据所述波峰和波谷得到对应的峰值和谷值。

进一步的，根据所述运动轨迹确定所述用户的运动状态包括：

根据所述运动轨迹确定波峰点和/或波谷点的位置；

截取所述运动轨迹中波峰点和/或波谷点前后预设时长内的数据进行模板匹配；

根据匹配结果确定所述用户的运动状态。

进一步的，根据所述运动轨迹确定波峰点和/或波谷点的位置包括：

对所述运动轨迹进行降维处理，得到一维运动轨迹；

根据所述一维运动轨迹确定波峰点和/或波谷点对应的时间点；

根据所述时间点以及运动轨迹确定波峰点和/或波谷点的位置。

进一步的，根据所述运动轨迹确定所述用户的运动状态包括：

预先存储特征数据；

将所述运动轨迹与特征数据进行特征匹配；

根据匹配结果确定所述用户的运动状态。

进一步的，根据所述运动轨迹确定所述用户的运动状态之前，还包括：

获取所述数据间的差值和/或所述运动轨迹中轨迹点的位置的差值；

相应的，根据所述运动轨迹确定所述用户的运动状态包括：

若所述数据间的差值大于第一阈值和/或所述运动轨迹中轨迹点的位置的差值大于第二阈值，则根据所述运动轨迹确定所述用户的运动状态。

进一步的，还包括：

根据所述运动轨迹获取目标动作、目标动作点、目标动作点之间的轨迹；

将所述目标动作、目标动作点、目标动作点之间的轨迹与预先存储的标准数据进行匹配，根据匹配结果确定是否为错误动作。

第二方面，本发明实施例还提供了一种运动状态确定装置，该装置包括：

采集模块，用于通过六轴传感器采集用户运动时的数据和时序序列；

生成模块，用于根据所述数据和时序序列生成运动轨迹；

确定模块，用于根据所述运动轨迹确定所述用户的运动状态。

第三方面，本发明实施例还提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如本发明实施例中任一所述的运动状态确定方法。

第四方面，本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本发明实施例中任一所述的运动状态确定方法。

本发明实施例通过六轴传感器采集用户运动时的数据和时序序列；根据所述数据和时序序列生成运动轨迹；根据所述运动轨迹确定所述用户的运动状态，能够适用于搭载六轴传感器，且能够降低功耗、降低成本以及减少占用运算资源。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。

图1A是本发明实施例一中的一种运动状态确定方法的流程图；

图1B是本发明实施例一中的***框图；

图2A是本发明实施例二中的一种运动状态确定方法的流程图；

图2B是本发明实施例二中的用户进行蛙泳时某一次划水动作的三维轨迹图；

图2C是本发明实施例二中的峰谷检测原理示意图；

图2D是本发明实施例二中的***框图；

图3是本发明实施例三中的一种运动状态确定装置的结构示意图；

图4是本发明实施例四中的一种计算机设备的结构示意图。

具体实施方式

下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。

应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。同时，在本发明的描述中，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。

实施例一

图1A为本发明实施例一提供的一种运动状态确定方法的流程图，本实施例可适用于运动状态确定的情况，该方法可以由本发明实施例中的运动状态确定装置来执行，该装置可采用软件和/或硬件的方式实现，如图1A所示，该方法具体包括如下步骤：

S110，通过六轴传感器采集用户运动时的数据和时序序列。

其中，所述六轴传感器由三轴加速度计和三轴陀螺仪组成。所述六轴传感器设置于可穿戴设备内部，可穿戴设备至少包含一个MCU和一个六轴传感器，所述六轴传感器可以是三轴加速度计和三轴陀螺仪的封装模块。优选的，所述可穿戴设备佩戴位置为用户的手腕处。将六轴传感器输出的原始数据进行校准得到校准参数，优选地，只在产品出厂前和或校准参数被清除之后校准一次。

其中，所述数据可以为六轴数据。

具体的，通过六轴传感器采集用户运动过程中的数据及其时序序列，所述六轴传感器的数据包括但不限于三轴加速度值、三轴陀螺仪数值，所述六轴传感器可以按照一定的频率进行数据采集，数据采集频率可设置为10-100Hz，优选地，数据采集频率设置为50Hz。

可选的，在通过六轴传感器采集用户运动时的数据和时序序列之后，还可以将采集到的六轴数据及其时序序列进行数据转换和数据校正，所述数据转换包括但不限于数据单位转换，所述数据校正用于使用传感器校准模块得到的校准参数对所述六轴数据及其时序序列进行校准，包括但不限于坐标系变换、数据滤波和/或数据的纠偏。

S120，根据数据和时序序列生成运动轨迹。

具体的，将采集到的六轴数据及时序序列生成人体及所佩戴传感器位置部位的运动轨迹，所述运动轨迹包括但不限于三维空间轨迹、二维空间轨迹。

可选的，还可以将所述运动轨迹传输给终端设备，所述终端设备包括但不限于智能手机、平板电脑。所述数据传输可以通过蓝牙和或wifi等无线方式传输，本发明实施例对此不进行限制。

S130，根据运动轨迹确定用户的运动状态。

其中，所述运动状态包括游泳状态、泳姿类型、击水次数、连续两次击水时的时间间隔、转身时刻、转身次数、结合泳池长度和游泳移动时长得到的游泳速度和每次击水前进的距离以及游泳效率中的至少一种。

具体的，根据运动轨迹确定用户的运动状态的方式可以为将运动轨迹经信号处理分析得到游泳相关参数，对所述运动轨迹进行降维处理得到的一维数据，所述降维处理包括但不限于，直接选取一个和或两个坐标轴上的轨迹(选取x轴和或y轴轨迹)、PCA处理、信号合成处理等，优选地，将三维运动轨迹经PCA处理，选取第一主成分PC1进行信号分析得到游泳相关参数，所述信号分析包括但不限于趋势分析，峰谷检测和/或数据筛选。所述游泳相关参数，包括但不限于泳姿、击水次数(划水次数)、连续两次击水时的时间间隔、转身时刻、转身次数、结合泳池长度和游泳移动时长得到的游泳速度和每次击水前进的距离和或游泳效率，所述游泳效率包括但不限于swolf值。所述泳池长度可通过用户手动输入或通过身高、体重和以往游泳数据等来估算。

需要说明的是，现有技术中使用多个三轴加速度计进行游泳分析，其中一个传感器放置在胸部或背部，主要用于判断转身，一个传感器佩戴在手腕上，主要用来判断泳姿和划水次数，由于使用多个传感器，增加了数据对齐难度和***的复杂性。本发明实施例提出一种较低成本、低功耗、占用运算资源少、只使用六轴传感器(三轴加速度计+三轴陀螺仪)的可穿戴设备的游泳分析方法，可以服务大多数购买中低端手表/手环的用户。

可选的，根据所述运动轨迹确定所述用户的运动状态包括：

根据所述运动轨迹确定波峰点和/或波谷点的位置；

截取所述运动轨迹中波峰点和/或波谷点前后预设时长内的数据进行模板匹配；

根据匹配结果确定所述用户的运动状态。

其中，数据截取的长度可以是固定值，根据经验所得，例如可以是，可选取三轴数据的截取的最长长度为最终长度。也可以是根据信号特征来确定，所述信号特征包括但不限于相邻波峰或波谷。本发明实施例对此不进行限制。

其中，模板匹配方法包括但不限于整体相似度计算、曲率的相似度计算。

可选的，还可以将截取的数据输入分类模型进行分类，所述分类模型，包括但不限于决策树、SVM。游泳类型包括但不限于蛙泳、自由泳、蝶泳、仰泳。

具体地，可根据所述游泳参数确定的波峰点/波谷点的位置，截取三维运动轨迹中的波峰点/波谷点前后一段时长内的数据进行模版匹配或分类。

可选的，根据所述运动轨迹确定波峰点和/或波谷点的位置包括：

对所述运动轨迹进行降维处理，得到一维运动轨迹；

根据所述一维运动轨迹确定波峰点和/或波谷点对应的时间点；

根据所述时间点以及运动轨迹确定波峰点和/或波谷点的位置。

具体的，由于运动轨迹为二维或者三维数据，因此，需要先将运动轨迹进行降维得到一维运动轨迹，通过一维运动轨迹来确定波峰点和/或波谷点对应的时间点(也就是极大值或者极小值)，然后将波峰点和/或波谷点对应的时间点映射到三维或者二维运动轨迹，可以仅截取波峰和波谷之间的数据，也可以截取波峰前一段的数据和波峰和波谷之间的数据，还可以截取波谷后一段的数据和波峰和波谷之间的数据，之后再对截取的数据进行模板匹配或分类。

可选的，根据所述运动轨迹确定所述用户的运动状态包括：

预先存储特征数据；

将所述运动轨迹与特征数据进行特征匹配；

根据匹配结果确定所述用户的运动状态。

其中，所述特征数据包括但不限于动作轨迹、连续动作间的时间间隔等，其中，所述特征数据为一次划水周期的特征，所述特征数据为预先存储的，也可由后续数据对其进行不断修正。

具体的，可以根据轨迹数据生成的特征数据来进行泳姿判别。

可选的，根据所述运动轨迹确定所述用户的运动状态之前，还包括：

获取所述数据间的差值和/或所述运动轨迹中轨迹点的位置的差值；

相应的，根据所述运动轨迹确定所述用户的运动状态包括：

若所述数据间的差值大于第一阈值和/或所述运动轨迹中轨迹点的位置的差值大于第二阈值，则根据所述运动轨迹确定所述用户的运动状态。

具体的，本发明实施例结合手环或脚环，应用于其他动作识别上，增加了动作是否开始的判断。如图1B所示，所述可穿戴设备包括：至少一个MCU和六轴传感器，传感器校准模块用于对六轴传感器进行校准，数据采集模块，用于通过六轴传感器采集六轴数据和时序序列，数据处理模块，用于对采集到的六轴数据和时序序列进行数据处理，轨迹生成模块生成运动轨迹，并根据原始数据或者轨迹点数据间的幅值关系确定动作是否已经开始，当幅值大于给定阈值时，表明动作开始。数据传输模块，用于将数据传输至终端设备，确定动作开始后执行动作识别模块，节省计算资源；游泳分析模块，用于根据生成的轨迹进游泳分析，例如可以是，分析游泳的动作是否准确，是否为错误动作等，本发明实施例对此不进行限制，游泳分析模块分析结束之后将游泳数据通过游泳数据输出模块输出游泳数据。

可选的，还包括：

根据所述运动轨迹获取目标动作、目标动作点、目标动作点之间的轨迹；

将所述目标动作、目标动作点、目标动作点之间的轨迹与预先存储的标准数据进行匹配，根据匹配结果确定是否为错误动作。

具体的，获取一次划水动作内的目标动作及目标动作点、目标动作点之间的过程(即由前一个目标动作点到后一个目标动作点之间的轨迹状态)分析，连续两次或多次划水动作之间关联性和稳定性。

可选的，还可以将游泳分析得到的泳姿和游泳数据输出和/或显示在穿戴设备本身或手机等终端设备上。所述穿戴设备配备显示模块时，可以无需连接手机等设备，直接通过显示模块实时地查看游泳数据结果。所述穿戴设备不配备显示模块时，可通过蓝牙或wifi等无线通讯方式将数据输出或显示在终端设备上。

本实施例的技术方案，通过六轴传感器采集用户运动时的数据和时序序列；根据所述数据和时序序列生成运动轨迹；根据所述运动轨迹确定所述用户的运动状态，能够适用于搭载六轴传感器，且能够降低功耗、降低成本以及减少占用运算资源。

实施例二

图2A为本发明实施例二中的一种运动状态确定方法的流程图，本实施例以上述实施例为基础进行优化，在本实施例中，根据所述运动轨迹确定所述用户的运动状态包括：对所述运动轨迹进行降维处理，得到一维运动轨迹；对所述一维运动轨迹进行峰值检测，得到峰值和谷值；根据所述峰值和谷值进行运动状态匹配；根据匹配结果确定所述用户的运动状态，其中，所述运动状态包括游泳状态。

如图2A所示，本实施例的方法具体包括如下步骤：

S210，通过六轴传感器采集用户运动时的数据和时序序列。

S220，根据数据和时序序列生成运动轨迹。

其中，所述运动轨迹为二维运动轨迹或者三维运动轨迹，例如可以是，如图2B所示的用户进行蛙泳时某一次划水动作的三维轨迹。

S230，对运动轨迹进行降维处理，得到一维运动轨迹。

S240，对一维运动轨迹进行峰值检测，得到峰值和谷值。

具体的，对一维运动轨迹进行峰值检测的方式可以为根据信号的幅度选取峰值和谷值，也可以为预先对一维运动轨迹进行分析，分析之后再选取峰值和谷值，本发明实施例对此不进行限制。

可选的，对所述一维轨迹进峰值检测，得到峰值和谷值包括：

获取所述一维运动轨迹中的轨迹点的位置的差值；

若目标轨迹点与其相邻的轨迹点的位置的差值大于预设差值，则获取目标轨迹点之前的轨迹点的向量，其中，所述向量包括方向和位置对应的数值；

若目标轨迹点之前的轨迹点的方向为正方向，则将目标轨迹点之前数值最小的轨迹点确定为波谷，将目标轨迹点之后数值最大的轨迹点确定为波峰；

若目标轨迹点之前的轨迹点的方向为负方向，则将目标轨迹点之前数值最大的轨迹点确定为波峰，将目标轨迹点之后数值最小的轨迹点确定为波谷；

根据所述波峰和波谷得到对应的峰值和谷值。

在一个具体的例子中，如图2C所示，先进行趋势分析，判断当前信号处于上方还是下方，具体地，可通过当前数据的前或后一定长度的数据段求均值来判断其整体处于上方还是下方。上方到下方的转换和/或下方到上方的转换记为一次转身。所述截取数据的长度为采样率的0.1～2倍之间，优选地，长度选取0.6倍采样率个采样点，既可保证实时性也可保证准确性。检测峰值和/或谷值，具体地，信号处于上方时，主要检测谷值，信号处于下方时，主要检测峰值。将峰值检测的结果进行峰值和/或谷值的有效性确认和转身的有效性判断，所述有效性确认，包括但不限于阈值判断，用于去除不满足条件的异常峰值和或谷值。所述异常峰值和/或谷值包括但不限于幅值超范围、所述转身的有效性判断，包括但不限于相邻两次转身的时间间隔、转身前后的击水次数和/或转身前最后一次击水到转身之间的时间间隔等时域限制，用于得到更准确的转身时刻和/或转身次数。

优选地，趋势较明显的信号用来进行趋势分析，幅度较大的信号用来进行峰值检测。所述趋势分析、峰谷检测所处理的信号可以是同一个信号(如x轴轨迹信号)，也可以是对两个信号分别处理，具体地，使用y轴轨迹信号进行趋势分析，使用x轴轨迹信号进行峰值检测。

S250，根据峰值和谷值进行运动状态匹配。

其中，根据峰值和谷值进行运动状态匹配的方式可以为，根据峰值和谷值进行动作周期匹配，例如可以是，选取一个峰值和与峰值相邻的谷值，分别计算信号幅度差和时间差，根据幅度差和时间差计算时间上相邻的动作的相似度。

具体的，根据峰值和谷值确定划水次数，当划水次数达到预设次数，则确定用户的运动状态为游泳状态。

S260，根据匹配结果确定用户的运动状态，其中，运动状态包括游泳状态。

在一个具体的例子中，如图2D所示，所述可穿戴设备包括：至少一个MCU和六轴传感器，传感器校准模块用于对六轴传感器进行校准，数据采集模块，用于通过六轴传感器采集六轴数据和时序序列，数据处理模块，用于对采集到的六轴数据和时序序列进行数据处理，轨迹生成模块生成运动轨迹，并根据原始数据或者轨迹点数据间的幅值关系确定动作是否已经开始，当幅值大于给定阈值时，表明动作开始。数据传输模块，用于将数据传输至终端设备，确定动作开始后执行动作识别模块，节省计算资源；所述动作识别模块将数据处理模块得到的六轴数据及其时序序列和/或轨迹生成模块生成的运动轨迹通过峰值检测和模版匹配等分析处理，识别出运动的动作，统计完成动作的次数，并对已完成的动作进行完成度评估。所述完成度评估，用于根据评估规则量化完成度，包括但不限于给出每个动作的总体得分，给出每个动作的不同环节所扣除分数的原因。所述评估规则包括但不限于根据运动轨迹和/或速度的匹配度计算完成动作所得分值。也可对轨迹进行处理，去除因个体身高等因素对轨迹的影响，所述处理方法包括但不限于计算轨迹每一点处的曲率，得到曲率的匹配度用来衡量轨迹的完成度。所述动作包括但不限于俄罗斯转体、蛙泳滑臂、全身舒展、弓步展体、开合跳等健身动作。

本实施例的技术方案，通过六轴传感器采集用户运动时的数据和时序序列；根据所述数据和时序序列生成运动轨迹；根据所述运动轨迹确定所述用户的运动状态，能够适用于搭载六轴传感器，且能够降低功耗、降低成本以及减少占用运算资源。

实施例三

图3为本发明实施例三提供的一种运动状态确定装置的结构示意图。本实施例可适用于运动状态确定的情况，该装置可采用软件和/或硬件的方式实现，该装置可集成在任何提供运动状态确定的功能的设备中，如图3所示，所述运动状态确定装置具体包括：采集模块310、生成模块320和确定模块330。

其中，采集模块310，用于通过六轴传感器采集用户运动时的数据和时序序列；

生成模块320，用于根据所述数据和时序序列生成运动轨迹；

确定模块330，用于根据所述运动轨迹确定所述用户的运动状态。

上述产品可执行本发明任意实施例所提供的方法，具备执行方法相应的功能模块和有益效果。

本实施例的技术方案，通过六轴传感器采集用户运动时的数据和时序序列；根据所述数据和时序序列生成运动轨迹；根据所述运动轨迹确定所述用户的运动状态，能够适用于搭载六轴传感器，且能够降低功耗、降低成本以及减少占用运算资源。

实施例四

图4为本发明实施例四中的一种计算机设备的结构示意图。图4示出了适于用来实现本发明实施方式的示例性计算机设备12的框图。图4显示的计算机设备12仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。

如图4所示，计算机设备12以通用计算设备的形式表现。计算机设备12的组件可以包括但不限于：一个或者多个处理器或者处理单元16，***存储器28，连接不同***组件(包括***存储器28和处理单元16)的总线18。

总线18表示几类总线结构中的一种或多种，包括存储器总线或者存储器控制器，***总线，图形加速端口，处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说，这些体系结构包括但不限于工业标准体系结构(ISA)总线，微通道体系结构(MAC)总线，增强型ISA总线、视频电子标准协会(VESA)局域总线以及***组件互连(PCI)总线。

计算机设备12典型地包括多种计算机***可读介质。这些介质可以是任何能够被计算机设备12访问的可用介质，包括易失性和非易失性介质，可移动的和不可移动的介质。

***存储器28可以包括易失性存储器形式的计算机***可读介质，例如随机存取存储器(RAM)30和/或高速缓存存储器32。计算机设备12可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机***存储介质。仅作为举例，存储***34可以用于读写不可移动的、非易失性磁介质(图4未显示，通常称为“硬盘驱动器”)。尽管图4中未示出，可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器，以及对可移动非易失性光盘(例如CD-ROM,DVD-ROM或者其它光介质)读写的光盘驱动器。在这些情况下，每个驱动器可以通过一个或者多个数据介质接口与总线18相连。存储器28可以包括至少一个程序产品，该程序产品具有一组(例如至少一个)程序模块，这些程序模块被配置以执行本发明各实施例的功能。

具有一组(至少一个)程序模块42的程序/实用工具40，可以存储在例如存储器28中，这样的程序模块42包括——但不限于——操作***、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块42通常执行本发明所描述的实施例中的功能和/或方法。

计算机设备12也可以与一个或多个外部设备14(例如键盘、指向设备、显示器24等)通信，还可与一个或者多个使得用户能与该计算机设备12交互的设备通信，和/或与使得该计算机设备12能与一个或多个其它计算设备进行通信的任何设备(例如网卡，调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口22进行。另外，本实施例中的计算机设备12，显示器24不是作为独立个体存在，而是嵌入镜面中，在显示器24的显示面不予显示时，显示器24的显示面与镜面从视觉上融为一体。并且，计算机设备12还可以通过网络适配器20与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。如图所示，网络适配器20通过总线18与计算机设备12的其它模块通信。应当明白，尽管图中未示出，可以结合计算机设备12使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID***、磁带驱动器以及数据备份存储***等。

处理单元16通过运行存储在***存储器28中的程序，从而执行各种功能应用以及数据处理，例如实现本发明实施例所提供的运动状态确定方法：通过六轴传感器采集用户运动时的数据和时序序列；根据所述数据和时序序列生成运动轨迹；根据所述运动轨迹确定所述用户的运动状态。

实施例五

本发明实施例五提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本申请所有发明实施例提供的运动状态确定方法：通过六轴传感器采集用户运动时的数据和时序序列；根据所述数据和时序序列生成运动轨迹；根据所述运动轨迹确定所述用户的运动状态。

可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的***、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行***、装置或者器件使用或者与其结合使用。

计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括——但不限于——电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行***、装置或者器件使用或者与其结合使用的程序。

计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括——但不限于——无线、电线、光缆、RF等等，或者上述的任意合适的组合。

可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。

注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。

Claims (11)

1.一种运动状态确定方法，其特征在于，包括：

通过六轴传感器采集用户运动时的数据和时序序列；

根据所述数据和时序序列生成运动轨迹；

根据所述运动轨迹确定所述用户的运动状态。

2.根据权利要求1所述的方法，其特征在于，根据所述运动轨迹确定所述用户的运动状态包括：

对所述运动轨迹进行降维处理，得到一维运动轨迹；

对所述一维运动轨迹进行峰值检测，得到峰值和谷值；

根据所述峰值和谷值进行运动状态匹配；

根据匹配结果确定所述用户的运动状态，其中，所述运动状态包括游泳状态。

3.根据权利要求2所述的方法，其特征在于，对所述一维轨迹进峰值检测，得到峰值和谷值包括：

获取所述一维运动轨迹中的轨迹点的位置的差值；

若目标轨迹点与其相邻的轨迹点的位置的差值大于预设差值，则获取目标轨迹点之前的轨迹点的向量，其中，所述向量包括方向和位置对应的数值；

若目标轨迹点之前的轨迹点的方向为正方向，则将目标轨迹点之前数值最小的轨迹点确定为波谷，将目标轨迹点之后数值最大的轨迹点确定为波峰；

若目标轨迹点之前的轨迹点的方向为负方向，则将目标轨迹点之前数值最大的轨迹点确定为波峰，将目标轨迹点之后数值最小的轨迹点确定为波谷；

根据所述波峰和波谷得到对应的峰值和谷值。

4.根据权利要求1所述的方法，其特征在于，根据所述运动轨迹确定所述用户的运动状态包括：

根据所述运动轨迹确定波峰点和/或波谷点的位置；

截取所述运动轨迹中波峰点和/或波谷点前后预设时长内的数据进行模板匹配；

根据匹配结果确定所述用户的运动状态。

5.根据权利要求4所述的方法，其特征在于，根据所述运动轨迹确定波峰点和/或波谷点的位置包括：

对所述运动轨迹进行降维处理，得到一维运动轨迹；

根据所述一维运动轨迹确定波峰点和/或波谷点对应的时间点；

根据所述时间点以及运动轨迹确定波峰点和/或波谷点的位置。

6.根据权利要求1所述的方法，其特征在于，根据所述运动轨迹确定所述用户的运动状态包括：

预先存储特征数据；

将所述运动轨迹与特征数据进行特征匹配；

根据匹配结果确定所述用户的运动状态。

7.根据权利要求1所述的方法，其特征在于，根据所述运动轨迹确定所述用户的运动状态之前，还包括：

获取所述数据间的差值和/或所述运动轨迹中轨迹点的位置的差值；

相应的，根据所述运动轨迹确定所述用户的运动状态包括：

若所述数据间的差值大于第一阈值和/或所述运动轨迹中轨迹点的位置的差值大于第二阈值，则根据所述运动轨迹确定所述用户的运动状态。

8.根据权利要求1所述的方法，其特征在于，还包括：

根据所述运动轨迹获取目标动作、目标动作点、目标动作点之间的轨迹；

将所述目标动作、目标动作点、目标动作点之间的轨迹与预先存储的标准数据进行匹配，根据匹配结果确定是否为错误动作。

9.一种运动状态确定装置，其特征在于，包括：

采集模块，用于通过六轴传感器采集用户运动时的数据和时序序列；

生成模块，用于根据所述数据和时序序列生成运动轨迹；

确定模块，用于根据所述运动轨迹确定所述用户的运动状态。

10.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1-8中任一所述的方法。

11.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-8中任一所述的方法。