CN114896568B - 一种游泳数据统计方法、装置、设备及介质 - Google Patents

一种游泳数据统计方法、装置、设备及介质 Download PDF

Info

Publication number
CN114896568B
CN114896568B CN202210817990.2A CN202210817990A CN114896568B CN 114896568 B CN114896568 B CN 114896568B CN 202210817990 A CN202210817990 A CN 202210817990A CN 114896568 B CN114896568 B CN 114896568B
Authority
CN
China
Prior art keywords
swimming
data
turn
around
reliability
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
Application number
CN202210817990.2A
Other languages
English (en)
Other versions
CN114896568A (zh
Inventor
魏一振
申屠晗
朱袁伟
张卓鹏
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hangzhou Guangli Technology Co ltd
Original Assignee
Hangzhou Guangli Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Hangzhou Guangli Technology Co ltd filed Critical Hangzhou Guangli Technology Co ltd
Priority to CN202210817990.2A priority Critical patent/CN114896568B/zh
Publication of CN114896568A publication Critical patent/CN114896568A/zh
Application granted granted Critical
Publication of CN114896568B publication Critical patent/CN114896568B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/25—Fusion techniques
    • G06F18/251—Fusion techniques of input or preprocessed data

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Algebra (AREA)
  • Evolutionary Biology (AREA)
  • Software Systems (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Operations Research (AREA)
  • Databases & Information Systems (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Probability & Statistics with Applications (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)

Abstract

本申请公开了一种游泳数据统计方法、装置、设备及介质，涉及信息融合技术领域。该方法应用于AR游泳眼镜，包括：获取游泳数据；将游泳数据按转身判断时间窗长度进行划分得到转身数据，转身判断时间窗用于判断用户是否转身，并统计转身次数；将转身数据按照滑窗长度进行划分得到GM粒子；根据游泳数据和GM粒子确定转身判断时间窗的信度，信度为表征用户是否转身的信度；判断信度大于预设信度时，采用协方差交叉融合得到转身时间节点和估计协方差；输出转身时间节点。该方法将达到表征用户在游泳过程中的信度的数据标记为转身，未达到可信度的数据不记为转身，提高记录运动数据的准确度；用户无需额外佩戴记录数据的设备，提升用户体验感。

Description

一种游泳数据统计方法、装置、设备及介质
技术领域
本申请涉及信息融合技术领域，特别是涉及一种游泳数据统计方法、装置、设备及介质。
背景技术
随着科技不断进步，越来越多的技术应用在游泳运动中，其中对于游泳转身次数和时间的估计尤为重要，游泳转身主要分为碰壁转身和翻滚转身两种，通过转身的判断可以计算游泳的距离、卡路里等人们较为关注的信息，为用户提供更精确的运动数据，提高用户的体验度。
目前，市场上大多数游泳数据统计方法都是由运动手环所提供。当用户游泳时，通常需要测量用户的臂伸展，臂伸展可帮助区分较小的偶然摆臂运动和真正的泳姿。运动手环获取到游泳数据，并对游泳数据进行分析时，根据游泳数据获得用户运动的时长等运动过程中产生的参数。例如：运动手环将手臂从头移动到脚看作一次游泳过程中的转身，当用户在水中蹲下或做伸展运动时，运动手环此时也将这样的动作记为一次游泳过程中的转身。此时，运动手环所记录得出的运动数据不准确。
鉴于上述存在的问题，寻求如何精确的记录游泳过程中的运动数据是本领域技术人员竭力解决的问题。
发明内容
本申请的目的是提供一种游泳数据统计方法、装置、设备及介质，用于精确的记录游泳过程中的运动数据。
为解决上述技术问题，本申请提供一种游泳数据统计方法，应用于AR游泳眼镜，包括：
获取游泳数据；
将游泳数据按照转身判断时间窗长度进行划分，得到转身数据，转身判断时间窗用于判断用户是否转身，并统计转身次数；
将转身数据按照滑窗长度进行划分，得到GM粒子；
根据游泳数据和GM粒子确定转身判断时间窗的信度，所述信度为表征用户是否转身的信度；
判断信度是否大于预设信度；
若是，则采用协方差交叉融合得到用户的转身时间节点和估计协方差；
输出转身时间节点。
优选地，将游泳数据按照转身判断时间窗长度进行划分，得到转身数据包括：
获取游泳数据长度；
将游泳数据长度除以转身判断时间窗长度，得到第一划分值；
将第一划分值取整，根据取整后的第一划分值划分游泳数据，得到转身数据。
优选地，将转身数据按照滑窗长度进行划分，得到GM粒子包括：
将转身判断时间窗长度除以滑窗长度，得到第二划分值；
将第二划分值取整，根据第二划分值划分转身数据，得到GM粒子。
优选地，根据游泳数据和GM粒子确定转身判断时间窗内的表征用户是否转身的信度包括：
对GM粒子初始化；
根据GM粒子确定表征用户是否转身的概率、初始信度和游泳数据幅值；
根据概率、初始信度和游泳数据幅值更新GM粒子；
根据更新后的GM粒子确定信度。
优选地，在输出转身时间节点之后，还包括：
判断第一划分值个转身判断时间窗是否全部输出转身次数和转身时间节点；
若是，则结束；
若否，则返回至获取游泳数据的步骤。
优选地，转身判断时间窗和滑窗均为多个且互不重叠。
优选地，在获取游泳数据之后，在将游泳数据按照转身判断时间窗长度进行划分，得到转身数据之前，还包括：
对游泳数据进行卡尔曼滤波处理。
为解决上述技术问题，本申请还提供了一种游泳数据统计装置，应用于上述游泳数据统计方法包括：
获取模块，用于获取游泳数据；
第一划分模块，用于将游泳数据按照转身判断时间窗长度进行划分，得到转身数据，转身判断时间窗用于判断用户是否转身，并统计转身次数；
第二划分模块，用于将转身数据按照滑窗长度进行划分，得到GM粒子；
确定模块，用于根据游泳数据和GM粒子确定转身判断时间窗内的表征用户是否转身的信度；
判断模块，用于判断信度是否大于预设信度；
得到模块，用于若判断模块得出信度大于预设信度，则采用协方差交叉融合得到用户的转身时间节点和估计协方差；
输出模块，用于输出转身时间节点。
为解决上述技术问题，本申请还提供了一种游泳数据统计设备，包括：
存储器，用于存储计算机程序；
处理器，用于执行计算机程序时实现上述游泳数据统计方法的步骤。
为解决上述技术问题，本申请还提供了一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序，计算机程序被处理器执行时实现上述游泳数据统计方法的步骤。
本申请所提供的一种游泳数据统计方法，应用于AR游泳眼镜，包括：获取游泳数据；将游泳数据按照转身判断时间窗长度进行划分，得到转身数据，转身判断时间窗用于判断用户是否转身，并统计转身次数；将转身数据按照滑窗长度进行划分，得到GM粒子；根据游泳数据和GM粒子确定转身判断时间窗内的表征用户是否转身的信度；判断信度是否大于预设信度；若是，则采用协方差交叉融合得到用户的转身时间节点和估计协方差；输出转身时间节点。由于对游泳数据进行了划分，且得到对应的GM粒子，进而得出表征用户在游泳过程中的信度，将达到信度的数据标记为一次转身，未达到信度的数据不记为一次转身，此时提高了记录游泳过程中的运动数据的准确度；同时，当该方法应用于AR游泳眼镜时，用户无需额外佩戴记录数据的设备，提升用户体验感。
本申请还提供了一种游泳数据统计装置、设备和介质，效果同上。
附图说明
为了更清楚地说明本申请实施例，下面将对实施例中所需要使用的附图做简单的介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，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的附图。
图1为本申请实施例所提供的一种游泳数据统计方法的流程图；
图2为本申请实施例所提供的另一种游泳数据统计方法的流程图；
图3为本申请实施例所提供的一种游泳数据统计装置结构图；
图4为本申请实施例所提供的一种游泳数据统计设备结构图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下，所获得的所有其他实施例，都属于本申请保护范围。
本申请的核心是提供一种游泳数据统计方法、装置、设备及介质，其能够精确的记录游泳过程中的运动数据。
为了使本技术领域的人员更好地理解本申请方案，下面结合附图和具体实施方式对本申请作进一步的详细说明。
图1为本申请实施例所提供的一种游泳数据统计方法的流程图。如图1所示，该游泳数据统计方法，应用于AR游泳眼镜，该AR游泳眼镜中设置有6通道IMU传感器，且该传感器为两个三轴传感器组合而成。该方法包括：
S10：获取游泳数据；
通过6通道IMU传感器获取游泳数据，并得出游泳数据的长度，其中，将6通道IMU传 感器采样频率记为
Figure 701870DEST_PATH_IMAGE001
，单位为赫兹（Hz）。获取游泳数据的采样时间记为S，单位为秒（s），则 游泳数据的长度可以通过以下公式计算：
Figure 87852DEST_PATH_IMAGE002
其中，对于长度为L的6通道IMU传感器获取的游泳数据可以表示为
Figure 867589DEST_PATH_IMAGE003
。
其中，
Figure 590695DEST_PATH_IMAGE004
表示k采样时刻x轴坐标方向的加速度分量、
Figure 670646DEST_PATH_IMAGE005
表示k采样时刻y轴坐标 方向的加速度分量、
Figure 696371DEST_PATH_IMAGE006
表示k采样时刻z轴坐标方向的加速度分量；
Figure 228983DEST_PATH_IMAGE007
表示k采样时刻x轴 坐标方向的角速度分量、
Figure 506512DEST_PATH_IMAGE008
表示k采样时刻y轴坐标方向的角速度分量、
Figure 175391DEST_PATH_IMAGE009
表示k采样时刻 z轴坐标方向的角速度分量。其中，可以只选用加速度，可以只选用角速度，也可以选择加速 度和角速度。考虑到其中一些数据不能很好的用来判断用户的游泳转身动作，因此作为一 种最优的实施方式，是将角速度以及加速度互相结合，以便于对不能很好判断用户的游泳 转身动作的数据进行弥补。游泳数据为按照时间序列获取的数据。在本实施例中，三轴传感 器可以是三轴加速度计、三轴磁强计、三轴陀螺仪和压力传感器中的一种，而6通道IMU传感 器可以是上述提及的传感器中的一种或多种的组合。
S11：将游泳数据按照转身判断时间窗长度进行划分，得到转身数据，转身判断时间窗用于判断用户是否转身，并统计转身次数；
设定转身判断时间窗长度为d，则将游泳数据根据转身判断时间窗长度划分出的转身判断时间窗的个数以如下公式进行计算：
Figure 434334DEST_PATH_IMAGE010
其中，
Figure 391926DEST_PATH_IMAGE011
表示向下取整函数，用于得到整数的计算结果，即取不大于x的 最大整数，M为转身判断时间窗的个数，也为第一划分值。此时对于第n个转身判断时间窗， 存在长度为d的游泳数据，表示为：
Figure 394517DEST_PATH_IMAGE012
，其中
Figure 245798DEST_PATH_IMAGE013
。
S12：将转身数据按照滑窗长度进行划分，得到GM粒子；
设定滑窗长度为l，则将转身数据根据滑窗长度划分出的滑窗的个数以如下公式进行计算：
Figure 941222DEST_PATH_IMAGE014
其中，
Figure 386109DEST_PATH_IMAGE015
表示向下取整函数，用于得到整数的计算结果，即取不大于x的最 大整数，N为滑窗的个数，也为GM粒子的个数，也为第二划分值。此时对于第
Figure 926812DEST_PATH_IMAGE016
个滑窗，存在 长度为l的游泳数据，表示为：
Figure 648912DEST_PATH_IMAGE017
，其中
Figure 249657DEST_PATH_IMAGE018
。
需要说明的是，在本实施例中所提及的转身判断时间窗和滑窗均为多个且互不重叠（互斥）。滑窗即根据指定的单位长度来框住时间序列进行数据采样，从而计算框内的数据。相当于一个长度指定的滑块在刻度尺上面滑动，每滑动一个单位即可反馈滑块内的数据。设定滑窗的目的是利用设定长度的滑窗将时间序列数据进行切段，依次判断，向下取整即代表多余的时间序列是不足以完成一个转身动作。其中即将多个GM粒子构建为随机有限集。
S13：根据游泳数据和GM粒子确定转身判断时间窗的信度；
信度为表征用户是否转身的信度。每个采样滑窗内的游泳数据存在转身与非转身 两种情况，游泳转身变量可以建模为随机有限集，一个滑窗可以视作一个GM粒子，GM粒子即 为高斯粒子，即可以理解为，在一个转身判断时间窗内存在多个GM粒子。对于第
Figure 181841DEST_PATH_IMAGE019
个滑窗 中的游泳数据，对于k时刻游泳转身变量可以表示为离散有限集变量，记为：
Figure 526235DEST_PATH_IMAGE020
。其中
Figure 24212DEST_PATH_IMAGE021
表示空集，即非转身，1表示转身。则此时对于第
Figure 123755DEST_PATH_IMAGE022
个滑窗中的游泳数据建模为：
Figure 339973DEST_PATH_IMAGE023
对上述数据建模成离散有限集。
S14：判断信度是否大于预设信度；
若是，则进入步骤S15：采用协方差交叉融合得到用户的转身时间节点和估计协方差；
进行判断后，上述离散有限集可以表示为如下形式：
Figure 425741DEST_PATH_IMAGE024
其中，可以看出，在第k个转身判断时间窗中的数据表示为1，则表示在第k个转身判断时间窗中出现一次转身。需要说明的是，该判断发生在高斯混合概率假设密度估计模型中。
S16：输出转身时间节点。
由于上述已经得到了在哪个转身判断时间窗中出现转身，即可统计并收集获取转身次数，以及在相应的判断时间窗中的滑窗中确定其转身时间节点，最后输出即可。输出的形式可以为“转身时间节点为14:29”，“转身次数共计12次”等，上述提及的输出形式仅为众多实施例中的一种，不对输出方式进行限定，可以根据具体实施场景确定其实施方式。
将第
Figure 43804DEST_PATH_IMAGE025
个滑窗作为一个GM粒子，每个GM粒子中包含是三个数据，分别为：权重w、分 布均值m、分布协方差p。其中权重表示转身动作发生的信度、分布均值表示转身时间点的均 值估计、分布协方差表示转身时间点的离散程度，即可以如下表示：
Figure 64981DEST_PATH_IMAGE026
其中，关于权重w、分布均值m、分布协方差p的计算公式如下：
Figure 768494DEST_PATH_IMAGE027
Figure 392374DEST_PATH_IMAGE028
Figure 130523DEST_PATH_IMAGE029
其中，
Figure 243972DEST_PATH_IMAGE030
为先验权重，
Figure 497099DEST_PATH_IMAGE031
为在
Figure 986986DEST_PATH_IMAGE032
采样时刻游泳数据的幅值，
Figure 251745DEST_PATH_IMAGE033
为滑窗中全 部时刻，则对于第n个转身判断时间窗的第
Figure 801675DEST_PATH_IMAGE034
个滑窗的
Figure 295760DEST_PATH_IMAGE035
表示如下：
Figure 589339DEST_PATH_IMAGE036
对于第n个转身判断时间窗的GM粒子集如下表示：
Figure 770921DEST_PATH_IMAGE037
如图2所示，在上述实施例的基础上，作为一种更优的实施例，将游泳数据按照转身判断时间窗长度进行划分，得到转身数据包括：
获取游泳数据长度；
将游泳数据长度除以转身判断时间窗长度，得到第一划分值；
将第一划分值取整，根据取整后的第一划分值划分游泳数据，得到转身数据。
设定转身判断时间窗长度为d，则将游泳数据根据转身判断时间窗长度划分出的转身判断时间窗的个数以如下公式进行计算：
Figure 163856DEST_PATH_IMAGE038
其中，
Figure 329259DEST_PATH_IMAGE039
表示向下取整函数，用于得到整数的计算结果，即取不大于x的 最大整数，M为转身判断时间窗的个数，也为第一划分值。此时对于第n个转身判断时间窗， 存在长度为d的游泳数据，表示为：
Figure 223265DEST_PATH_IMAGE040
，其中
Figure 790513DEST_PATH_IMAGE041
。
在上述实施例的基础上，作为一种更优的实施例，将转身数据按照滑窗长度进行划分，得到GM粒子包括：
将转身判断时间窗长度除以滑窗长度，得到第二划分值；
将第二划分值取整，根据第二划分值划分转身数据，得到GM粒子。
设定滑窗长度为l，则将转身数据根据滑窗长度划分出的滑窗的个数以如下公式进行计算：
Figure 354349DEST_PATH_IMAGE042
其中，
Figure 7047DEST_PATH_IMAGE043
表示向下取整函数，用于得到整数的计算结果，即取不大于x的最 大整数，N为滑窗的个数，也为GM粒子的个数，也为第二划分值。此时对于第
Figure 455477DEST_PATH_IMAGE044
个滑窗，存在 长度为l的游泳数据，表示为：
Figure 346073DEST_PATH_IMAGE045
，其中
Figure 408707DEST_PATH_IMAGE046
。
在上述实施例的基础上，作为一种更优的实施例，根据游泳数据和GM粒子确定转身判断时间窗内的表征用户是否转身的信度包括：
对GM粒子初始化；
根据GM粒子确定表征用户是否转身的概率、初始信度和游泳数据幅值；
根据概率、初始信度和游泳数据幅值更新GM粒子；
根据更新后的GM粒子确定信度。
在第n个处理周期，输入第n个转身判断时间窗的游泳数据。
此时的游泳数据表示为：
Figure 220805DEST_PATH_IMAGE047
且第
Figure 659877DEST_PATH_IMAGE048
个滑窗可以表示为一个GM粒子，此时GM粒子表示为：
Figure 998454DEST_PATH_IMAGE049
对于第
Figure 231990DEST_PATH_IMAGE050
个GM粒子进行初始化，初始化公式如下：
Figure 531384DEST_PATH_IMAGE051
Figure 242988DEST_PATH_IMAGE052
Figure 373755DEST_PATH_IMAGE053
根据GM粒子计算得到转身的检测概率
Figure 591241DEST_PATH_IMAGE054
，公式如下：
Figure 440248DEST_PATH_IMAGE055
其中，
Figure 893226DEST_PATH_IMAGE056
为sigmoid函数，H为预设信度。
对于第n个转身判断时间窗，其表征用户是否转身的信度可以表示为：
Figure 144079DEST_PATH_IMAGE057
对于GM粒子更新为：
Figure 781734DEST_PATH_IMAGE058
Figure 852458DEST_PATH_IMAGE059
Figure 171444DEST_PATH_IMAGE060
其中，k表示
Figure 214486DEST_PATH_IMAGE061
低于预设信度时，计算得到的信度，更新后的后验GM粒子表示 为：
Figure 960725DEST_PATH_IMAGE062
则更新后的第 n 个转身判断时间窗的信度为：
Figure 331795DEST_PATH_IMAGE063
第n个处理周期，得到更新后第n个转身判断时间窗的信度，并判断信度与预设信度的大小关系，当信度大于预设信度时，对更新后得到的后验GM粒子进行协方差融合，公式如下：
Figure 454472DEST_PATH_IMAGE064
其中，
Figure 352020DEST_PATH_IMAGE065
表示第n个转身判断时间窗的转身时间点，
Figure 269161DEST_PATH_IMAGE066
表示转身时间点的离散 程度。
在上述实施例的基础上，作为一种更优的实施例，在输出转身时间节点之后，还包括：
判断第一划分值个转身判断时间窗是否全部输出转身次数和转身时间节点；
若是，则结束；
若否，则返回至获取游泳数据的步骤。
为了使得得到的数据更加精确，需要将全部转身判断时间窗都遍历一遍，以此实现得到数据更加准确，提升用户使用体验感。
在上述实施例的基础上，作为一种更优的实施例，在获取游泳数据之后，在将游泳数据按照转身判断时间窗长度进行划分，得到转身数据之前，还包括：
对游泳数据进行卡尔曼滤波处理。以便于去除杂乱波的干扰。此外，需要说明的是，还可以使用粒子滤波的方式避免杂乱波的干扰。
以下给出一个将游泳数据按照转身判断时间窗长度进行划分，得到转身数据以及将转身数据按照滑窗长度进行划分，得到GM粒子的具体实例，其过程如下：
一条数据6通道IMU传感器提供的游泳数据的长度为5532，转身判断窗口长度为 200，向下取整后，共有27个转身判断窗口，对于一个转身判断窗口的转身数据，对应转身和 非转身的情况，即这种数据可以用随机有限集描述，表示为
Figure 642373DEST_PATH_IMAGE067
，那么，对于这一整条数 据有：
Figure 303162DEST_PATH_IMAGE068
在一个转身判断窗口中，数据采样滑窗长度为50，则共有4个数据采样滑窗。每个数据采样滑窗中的数据特征可以用GM粒子来描述，该GM粒子包含三个维度，分别是权重、分布均值 m和分布协方差 p。在一个转身判断窗口中，包含了多个GM粒子，多个GM粒子构成了GM粒子集。根据上述公式以及相对应步骤得到最后的转身时间点。
由此，通过对游泳数据进行划分，且得到对应的GM粒子，进而得出表征用户在游泳过程中的信度，将达到信度的数据标记为一次转身，未达到信度的数据不记为一次转身，此时提高了记录游泳过程中的运动数据的准确度；同时，当该方法应用于AR游泳眼镜时，用户无需额外佩戴记录数据的设备，提升用户体验感。
在上述实施例中，对于游泳数据统计方法进行了详细描述，本申请还提供游泳数据统计装置对应的实施例。需要说明的是，本申请从两个角度对装置部分的实施例进行描述，一种是基于功能模块的角度，另一种是基于硬件的角度。
图3为本申请实施例所提供的一种游泳数据统计装置结构图。如图3所示，本申请还提供了一种游泳数据统计装置，包括：
获取模块30，用于获取游泳数据；
第一划分模块31，用于将游泳数据按照转身判断时间窗长度进行划分，得到转身数据，转身判断时间窗用于判断用户是否转身，并统计转身次数；
第二划分模块32，用于将转身数据按照滑窗长度进行划分，得到GM粒子；
确定模块33，用于根据游泳数据和GM粒子确定转身判断时间窗的信度，信度为表征用户是否转身的信度；
判断模块34，用于判断信度是否大于预设信度；
得到模块35，用于若判断模块得出信度大于预设信度，则采用协方差交叉融合得到用户的转身时间节点和估计协方差；
输出模块36，用于输出转身时间节点。
由于装置部分的实施例与方法部分的实施例相互对应，因此装置部分的实施例请参见方法部分的实施例的描述，这里暂不赘述。
图4为本申请实施例所提供的一种游泳数据统计设备结构图，如图4所示，游泳数据统计设备包括：
存储器40，用于存储计算机程序；
处理器41，用于执行计算机程序时实现如上述实施例中所提到的游泳数据统计方法的步骤。
本实施例提供的游泳数据统计设备可以包括但不限于智能手机、平板电脑、笔记本电脑或台式电脑等。
其中，处理器41可以包括一个或多个处理核心，比如4核心处理器、8核心处理器等。处理器41可以采用数字信号处理(Digital Signal Processing，DSP)、现场可编程门阵列(Field－Programmable Gate Array，FPGA)、可编程逻辑阵列(Programmable LogicArray，PLA)中的至少一种硬件形式来实现。处理器41也可以包括主处理器和协处理器，主处理器是用于对在唤醒状态下的数据进行处理的处理器，也称中央处理器(CentralProcessing Unit，CPU)；协处理器是用于对在待机状态下的数据进行处理的低功耗处理器。在一些实施例中，处理器41可以集成有图像处理器(Graphics Processing Unit，GPU)，GPU用于负责显示屏所需要显示的内容的渲染和绘制。一些实施例中，处理器41还可以包括人工智能(Artificial Intelligence，AI)处理器，该AI处理器用于处理有关机器学习的计算操作。
存储器40可以包括一个或多个计算机可读存储介质，该计算机可读存储介质可以是非暂态的。存储器40还可包括高速随机存取存储器，以及非易失性存储器，比如一个或多个磁盘存储设备、闪存存储设备。本实施例中，存储器40至少用于存储以下计算机程序，其中，该计算机程序被处理器41加载并执行之后，能够实现前述任意一个实施例公开的游泳数据统计方法的相关步骤。另外，存储器40所存储的资源还可以包括操作***和数据等，存储方式可以是短暂存储或者永久存储。其中，操作***可以包括Windows、Unix、Linux等。数据可以包括但不限于游泳数据统计方法等。
在一些实施例中，游泳数据统计设备还可包括有显示屏、输入输出接口、通信接口、电源以及通信总线。
本领域技术人员可以理解，图4中示出的结构并不构成对游泳数据统计设备的限定，可以包括比图示更多或更少的组件。
本申请实施例提供的游泳数据统计设备，包括存储器40和处理器41，处理器41在执行存储器40存储的程序时，能够实现游泳数据统计方法。
最后，本申请还提供一种计算机可读存储介质对应的实施例。计算机可读存储介质上存储有计算机程序，计算机程序被处理器执行时实现如上述方法实施例中记载的步骤。
可以理解的是，如果上述实施例中的方法以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(Read-Only Memory)，ROM、随机存取存储器(Random Access Memory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上对本申请所提供的一种游泳数据统计方法、装置、设备及介质进行了详细介绍。说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。应当指出，对于本技术领域的普通技术人员来说，在不脱离本申请原理的前提下，还可以对本申请进行若干改进和修饰，这些改进和修饰也落入本申请权利要求的保护范围内。
还需要说明的是，在本说明书中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

Claims (10)

1.一种游泳数据统计方法，其特征在于，应用于AR游泳眼镜，包括：
获取游泳数据；
将所述游泳数据按照转身判断时间窗长度进行划分，得到转身数据，所述转身判断时间窗用于判断用户是否转身，并统计转身次数；
将所述转身数据按照滑窗长度进行划分，得到GM粒子；其中，所述滑窗作为所述GM粒子，所述GM粒子包含权重w、分布均值m、分布协方差p；
根据所述游泳数据和所述GM粒子确定所述转身判断时间窗的信度，所述信度为表征所述用户是否转身的信度；其中，所述权重用于表示所述信度、分布均值表示转身时间点的均值估计、分布协方差表示所述转身时间点的离散程度，则第个所述GM粒子可以表示为：
Figure FDA0003840661550000011
其中，关于权重w、分布均值m、分布协方差p的计算公式如下：
w＝w0
Figure FDA0003840661550000012
Figure FDA0003840661550000013
其中，w0为先验权重，h(xt)为在xt采样时刻所述游泳数据的幅值，xt为所述滑窗中全部时刻，则对于第n个所述转身判断时间窗的第nj个所述滑窗的xt表示如下：
xt＝(n-1)·d+(nj-1)·l+1+t
其中，d为滑窗长度，l为转身数据的长度，对于第n个所述转身判断时间窗的所述GM粒子集如下表示：
Figure FDA0003840661550000014
判断所述信度是否大于预设信度；
若是，则采用协方差交叉融合得到所述用户的所述转身时间节点和估计协方差；
输出所述转身时间节点。
2.根据权利要求1所述的游泳数据统计方法，其特征在于，所述将所述游泳数据按照转身判断时间窗长度进行划分，得到转身数据包括：
获取所述游泳数据长度；
将所述游泳数据长度除以所述转身判断时间窗长度，得到第一划分值；
将所述第一划分值取整，根据取整后的所述第一划分值划分所述游泳数据，得到所述转身数据。
3.根据权利要求1所述的游泳数据统计方法，其特征在于，所述将所述转身数据按照滑窗长度进行划分，得到GM粒子包括：
将所述转身判断时间窗长度除以所述滑窗长度，得到第二划分值；
将所述第二划分值取整，根据所述第二划分值划分所述转身数据，得到所述GM粒子。
4.根据权利要求1所述的游泳数据统计方法，其特征在于，所述根据所述游泳数据和所述GM粒子确定所述转身判断时间窗的信度包括：
对所述GM粒子初始化；
根据所述GM粒子确定表征所述用户是否转身的概率、初始信度和游泳数据幅值；
根据所述概率、所述初始信度和所述游泳数据幅值更新所述GM粒子；
根据更新后的所述GM粒子确定所述信度。
5.根据权利要求2所述的游泳数据统计方法，其特征在于，在所述输出所述转身时间节点之后，还包括：
判断所述第一划分值个所述转身判断时间窗是否全部输出所述转身次数和所述转身时间节点；
若是，则结束；
若否，则返回至所述获取游泳数据的步骤。
6.根据权利要求1所述的游泳数据统计方法，其特征在于，所述转身判断时间窗和所述滑窗均为多个且互不重叠。
7.根据权利要求1所述的游泳数据统计方法，其特征在于，在所述获取游泳数据之后，在所述将所述游泳数据按照转身判断时间窗长度进行划分，得到转身数据之前，还包括：
对所述游泳数据进行卡尔曼滤波处理。
8.一种游泳数据统计装置，其特征在于，应用于权利要求1至7任意一项所述的游泳数据统计方法包括：
获取模块，用于获取游泳数据；
第一划分模块，用于将所述游泳数据按照转身判断时间窗长度进行划分，得到转身数据，所述转身判断时间窗用于判断用户是否转身，并统计转身次数；
第二划分模块，用于将所述转身数据按照滑窗长度进行划分，得到GM粒子；
确定模块，用于根据所述游泳数据和所述GM粒子确定所述转身判断时间窗的信度，所述信度为表征所述用户是否转身的信度；
判断模块，用于判断所述信度是否大于预设信度；
得到模块，用于若所述判断模块得出所述信度大于预设信度，则采用协方差交叉融合得到所述用户的转身时间节点和估计协方差；
输出模块，用于输出所述转身时间节点。
9.一种游泳数据统计设备，其特征在于，包括：
存储器，用于存储计算机程序；
处理器，用于执行所述计算机程序时实现如权利要求1至7任意一项所述的游泳数据统计方法的步骤。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至7任意一项所述的游泳数据统计方法的步骤。
CN202210817990.2A 2022-07-13 2022-07-13 一种游泳数据统计方法、装置、设备及介质 Active CN114896568B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210817990.2A CN114896568B (zh) 2022-07-13 2022-07-13 一种游泳数据统计方法、装置、设备及介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210817990.2A CN114896568B (zh) 2022-07-13 2022-07-13 一种游泳数据统计方法、装置、设备及介质

Publications (2)

Publication Number Publication Date
CN114896568A CN114896568A (zh) 2022-08-12
CN114896568B true CN114896568B (zh) 2022-11-01

Family

ID=82729405

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210817990.2A Active CN114896568B (zh) 2022-07-13 2022-07-13 一种游泳数据统计方法、装置、设备及介质

Country Status (1)

Country Link
CN (1) CN114896568B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116541668B (zh) * 2023-07-06 2023-09-22 杭州光粒科技有限公司 一种游泳划水次数确定方法、装置、设备及存储介质

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108837476A (zh) * 2018-06-08 2018-11-20 青岛真时科技有限公司 一种检测游泳起点的方法、装置和智能穿戴设备

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7642921B2 (en) * 2007-07-23 2010-01-05 Aquatic Safety Concepts, LLC Electronic swimmer monitoring system
FR2943554B1 (fr) * 2009-03-31 2012-06-01 Movea Systeme et procede d'observation d'une activite de nage d'une personne
CN104298680B (zh) * 2013-07-18 2019-01-11 腾讯科技（深圳）有限公司 数据统计方法及数据统计装置
CN107566797A (zh) * 2017-09-07 2018-01-09 青岛博晶微电子科技有限公司 一种泳池溺水监控检测装置
CN110400446B (zh) * 2019-08-02 2021-03-26 重庆文理学院 一种用于游泳池溺水检测的方法
CN111265841B (zh) * 2020-02-05 2021-07-27 北京卡路里信息技术有限公司 一种游泳圈数确定方法、装置、设备及存储介质
CN114613097A (zh) * 2022-03-10 2022-06-10 孔丽 一种基于功能集成关联的自动规划***

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108837476A (zh) * 2018-06-08 2018-11-20 青岛真时科技有限公司 一种检测游泳起点的方法、装置和智能穿戴设备

Also Published As

Publication number Publication date
CN114896568A (zh) 2022-08-12

Similar Documents

Publication Publication Date Title
EP2962637B1 (en) Human motion status monitoring method and device
US8781991B2 (en) Emotion recognition apparatus and method
CN114896568B (zh) 一种游泳数据统计方法、装置、设备及介质
US20130138394A1 (en) State detecting device, electronic apparatus, and program
CN111558195B (zh) 基于穿戴式设备的跳绳计数方法、装置、设备及存储介质
CN112067015B (zh) 基于卷积神经网络的计步方法、装置及可读存储介质
JP6788350B2 (ja) 多軸慣性センサを用いた手首装着型歩数計
SE1350894A1 (sv) Metod och system för bestämning av utförandeindikatorer förperiodiska rörelser
CN110020630B (zh) 评估动作完成度的方法、装置、存储介质及电子设备
EP2910954B1 (en) Method for counting steps and electronic apparatus using the same
JPWO2014147785A1 (ja) 動作検知装置及び動作検知方法
CN115155044A (zh) 一种确定游泳转身时间的方法、装置、设备及介质
CN108052960A (zh) 识别终端握持状态的方法、模型训练方法及终端
Huang et al. Activity classification and analysis during a sports training session using a fuzzy model
CN116541668B (zh) 一种游泳划水次数确定方法、装置、设备及存储介质
Aoshima et al. Deep discrete-time Lagrangian mechanics
Chen An LSTM recurrent network for step counting
CN111870250A (zh) 用户状态监测方法、装置、计算设备及计算机存储介质
US10161954B2 (en) Motion detecting device and detecting method for repetitive motion
CN114341947A (zh) 用于使用可穿戴设备的锻炼类型辨识的***和方法
CN106821336A (zh) 睡眠监测方法及***
CN111982149B (zh) 一种计步识别方法、装置、设备及可读存储介质
CN116943130A (zh) 一种计数方法、装置、设备及存储介质
CN106249298B (zh) 一种微震数据噪声压制方法及***
Raimundo SwitP: Mobile Application for Real-Time Swimming Analysis

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