CN116943130A - 一种计数方法、装置、设备及存储介质 - Google Patents
一种计数方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN116943130A CN116943130A CN202210391664.XA CN202210391664A CN116943130A CN 116943130 A CN116943130 A CN 116943130A CN 202210391664 A CN202210391664 A CN 202210391664A CN 116943130 A CN116943130 A CN 116943130A
- Authority
- CN
- China
- Prior art keywords
- signal
- determining
- target
- interval
- value
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 85
- 230000001133 acceleration Effects 0.000 claims abstract description 127
- 230000033001 locomotion Effects 0.000 claims abstract description 120
- 239000013598 vector Substances 0.000 claims abstract description 98
- 230000009471 action Effects 0.000 claims abstract description 76
- 238000004364 calculation method Methods 0.000 claims abstract description 33
- 238000000638 solvent extraction Methods 0.000 claims abstract description 13
- 238000012545 processing Methods 0.000 claims description 20
- 238000004590 computer program Methods 0.000 claims description 17
- 238000012549 training Methods 0.000 abstract description 29
- 230000008569 process Effects 0.000 abstract description 28
- 230000008859 change Effects 0.000 abstract description 8
- 238000001914 filtration Methods 0.000 description 19
- 239000004973 liquid crystal related substance Substances 0.000 description 13
- 238000010586 diagram Methods 0.000 description 12
- 238000005070 sampling Methods 0.000 description 9
- 238000004891 communication Methods 0.000 description 8
- 230000000737 periodic effect Effects 0.000 description 8
- 238000013461 design Methods 0.000 description 4
- 206010033307 Overweight Diseases 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 210000003205 muscle Anatomy 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 206010034719 Personality change Diseases 0.000 description 2
- 238000012952 Resampling Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 235000019577 caloric intake Nutrition 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 239000012634 fragment Substances 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- A—HUMAN NECESSITIES
- A63—SPORTS; GAMES; AMUSEMENTS
- A63B—APPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
- A63B71/00—Games or sports accessories not covered in groups A63B1/00 - A63B69/00
- A63B71/06—Indicating or scoring devices for games or players, or for other sports activities
- A63B71/0619—Displays, user interfaces and indicating devices, specially adapted for sport equipment, e.g. display mounted on treadmills
- A63B71/0669—Score-keepers or score display devices
-
- A—HUMAN NECESSITIES
- A63—SPORTS; GAMES; AMUSEMENTS
- A63B—APPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
- A63B71/00—Games or sports accessories not covered in groups A63B1/00 - A63B69/00
- A63B71/06—Indicating or scoring devices for games or players, or for other sports activities
- A63B71/0619—Displays, user interfaces and indicating devices, specially adapted for sport equipment, e.g. display mounted on treadmills
- A63B2071/0658—Position or arrangement of display
- A63B2071/0661—Position or arrangement of display arranged on the user
-
- A—HUMAN NECESSITIES
- A63—SPORTS; GAMES; AMUSEMENTS
- A63B—APPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
- A63B2220/00—Measuring of physical parameters relating to sporting activity
- A63B2220/17—Counting, e.g. counting periodical movements, revolutions or cycles, or including further data processing to determine distances or speed
Landscapes
- Engineering & Computer Science (AREA)
- Human Computer Interaction (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Physical Education & Sports Medicine (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本发明公开了一种计数方法、装置、设备及存储介质。该方法包括:对加速度数据和陀螺仪数据进行四元数解算,得到四维空间姿态信号;根据所述四维空间姿态信号的强度确定各个维度对应的波峰位置序列或者波谷位置序列;根据所述波峰位置序列或者波谷位置序列对所述四维空间姿态信号进行分区,得到各个维度对应的区间信号;根据所述区间信号确定目标运动特征向量;根据所述目标运动特征向量确定动作计数值。通过本发明的技术方案,利用在力量训练动作过程中设备的空间姿态往复变化的特点,对空间姿态的某种描述信号做周期性检测,从而实现对空间姿态往复变化的计次,进而对应了力量训练动作的计数统计。
Description
技术领域
本发明实施例涉及智能可穿戴设备技术领域,尤其涉及一种计数方法、装置、设备及存储介质。
背景技术
当下健身的基数群体比较大,为了达到科学的健身效果,健身执行人对于健身的时长和动作个数比较关注。现有的计数方法依赖于既定的健身力量训练动作,会对动作执行做约束和假设,忽略了人的主观性。另一方面,现有的计数方法中的加速度和陀螺仪信号无法直观描述力量训练动作,对一些重复性的力量训练动作的周期确定不准确,在一定程度上会影响计数的准确性。
发明内容
本发明实施例提供一种计数方法、装置、设备及存储介质,以实现能够不依赖任何既定的健身力量训练动作就可以实现对单类型、稳定重复的力量训练动作的计数统计。
根据本发明的一方面,提供了一种计数方法,包括:
对加速度数据和陀螺仪数据进行四元数解算,得到四维空间姿态信号;
根据所述四维空间姿态信号的强度确定各个维度对应的波峰位置序列或者波谷位置序列;
根据所述波峰位置序列或者波谷位置序列对所述四维空间姿态信号进行分区,得到各个维度对应的区间信号;
根据所述区间信号确定目标运动特征向量;
根据所述目标运动特征向量确定动作计数值。
根据本发明的另一方面,提供了一种计数装置,该装置包括:
解算模块,用于对加速度数据和陀螺仪数据进行四元数解算,得到四维空间姿态信号;
第一确定模块,用于根据所述四维空间姿态信号的强度确定各个维度对应的波峰位置序列或者波谷位置序列;
分区模块,用于根据所述波峰位置序列或者波谷位置序列对所述四维空间姿态信号进行分区,得到各个维度对应的区间信号;
第二确定模块,用于根据所述区间信号确定目标运动特征向量;
第三确定模块,用于根据所述目标运动特征向量确定动作计数值。
根据本发明的另一方面,提供了一种电子设备,所述电子设备包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的计算机程序,所述计算机程序被所述至少一个处理器执行,以使所述至少一个处理器能够执行本发明任一实施例所述的计数方法。
根据本发明的另一方面,提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使处理器执行时实现本发明任一实施例所述的计数方法。
本发明实施例通过对加速度数据和陀螺仪数据进行四元数解算,得到四维空间姿态信号,根据四维空间姿态信号的强度确定各个维度对应的波峰位置序列或者波谷位置序列,根据波峰位置序列或者波谷位置序列对四维空间姿态信号进行分区,得到各个维度对应的区间信号,根据区间信号确定目标运动特征向量,根据目标运动特征向量确定动作计数值。本发明实施例将IMU传感器信号转换到可以描述设备空间姿态的四元数域,将无法直观描述力量训练动作的加速度和陀螺仪信号转化为可以空间表征动作朝向变化的姿态波动信号,提高了对微弱和抖动周期动作的计数检出率,特别是对于大重量的力量训练场景,减少了因为动作缓慢和肌肉抖动导致的计数失败。
应当理解,本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征,也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。
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1是本发明实施例中的一种计数方法的流程图;
图2是本发明实施例中的另一种计数方法的流程图;
图3是本发明实施例中的一种滑动分窗更新规则的示意图;
图4a是本发明实施例中的一种伪波峰的示意图;
图4b是本发明实施例中的一种伪波谷的示意图;
图5是本发明实施例中的一种重叠比例的计算方法的示意图;
图6是本发明实施例中的一种计数装置的结构示意图;
图7是实现本发明实施例的计数方法的电子设备的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,下面将结合本发明实施例中的附图,对本发明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发明一部分的实施例,而不是全部的实施例。基于本发明中的实施例,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,都应当属于本发明保护的范围。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、***、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
实施例一
图1是本发明实施例中的一种计数方法的流程图,本实施例可适用于计数的情况,该方法可以由本发明实施例中的计数装置来执行,该装置可采用软件和/或硬件的方式实现,如图1所示,该方法具体包括如下步骤:
S101、对加速度数据和陀螺仪数据进行四元数解算,得到四维空间姿态信号。
需要解释的是,加速度数据可以是对加速度传感器3轴原始数据进行分窗处理后的数据,加速度传感器3轴原始数据可以是由加速度传感器输出的数据,加速度传感器是一种利用感受加速度并将其转换为电信号的方式来测量加速力的设备。陀螺仪数据可以是陀螺仪传感器3轴原始数据,具体可以是由陀螺仪传感器输出的数据,陀螺仪传感器是用于测量或维护方位和角速度的设备。在本发明实施例中,加速度传感器和陀螺仪传感器可以是存在于智能手表/手环上的IMU(Inertial Measurement Unit,惯性测量单元)传感器中,通过测量方向和加速度力量,判断智能手表/手环设备是否移动,从而达到计数的目的。加速度数据和陀螺仪数据可以是采用相同的采样频率进行采集,通过收集的数据匹配用户正在进行的运动类型,进而监测用户的步行数、卡路里消耗量等。IMU传感器是测量物体三轴姿态角(或角速率)以及加速度的装置,一般的,IMU传感器由三个单轴的加速度计和三个单轴的陀螺仪组成,加速度计检测物体在载体坐标***独立三轴的加速度信号,陀螺仪检测载体相对于导航坐标系的角速度信号,对这些信号进行处理之后,便可解算出物体的姿态。
需要说明的是,四元数解算指的是利用四元数法对加速度数据和陀螺仪数据进行姿态计算,四元数可以表征刚体姿态变换时顺时欧拉轴和所需的转角。
其中,四维空间姿态信号可以是对加速度数据和陀螺仪数据进行四元数解算后得到的信号。
具体的,采集加速度传感器3轴原始数据和陀螺仪传感器3轴原始数据,对加速度传感器3轴原始数据进行分窗处理得到加速度数据,对加速度数据和陀螺仪传感器3轴原始数据进行四元数解算,得到四维空间姿态信号。
本发明实施例提出的对加速度3轴信号和陀螺仪3轴信号做四元数解算,将传感器信号变换为可以描述力量训练动作导致的设备空间姿态波动信号,使力量训练的往复动作对应了空间姿态信号的波动重复,将微弱且抖动的动作信号变为明显且稳定的空间姿态信号。
S102、根据四维空间姿态信号的强度确定各个维度对应的波峰位置序列或者波谷位置序列。
需要说明的是,波峰位置序列可以是四维空间姿态信号作为波动信号中所有的波峰位置所组成的序列,波谷位置序列可以是四维空间姿态信号作为波动信号中所有的波谷位置所组成的序列。
在实际操作过程中,将解算后的四维空间姿态信号的不同维度的信号,分别作为描述空间姿态变化的波动信号,这种波动信号中的波峰和波谷表征了空间姿态往复的周期起点或终点。因此,在四维空间姿态信号各个维度的波动信号上寻找波峰和波谷是确定空间姿态往复区间的关键。
具体的,对四维空间姿态信号进行分窗处理,得到窗口内的四维空间姿态信号,对窗口内的四维空间姿态信号进行二阶差分,得到窗口内的四维空间姿态信号的强度的最大值和最小值,即可能的波峰和波谷位置,根据窗口内的四维空间姿态信号的强度的最大值和最小值确定窗口对应的高度差参考值(优选的,可将最大值和最小值差值的1/6作为高度差参考值),根据每个窗口对应的高度差参考值确定各个维度对应的波峰位置序列或者波谷位置序列。
S103、根据波峰位置序列或者波谷位置序列对四维空间姿态信号进行分区,得到各个维度对应的区间信号。
其中,区间信号可以是对四维空间姿态信号进行分区后的各区间的信号。
具体的,确定各个维度对应的波峰位置序列或者波谷位置序列后,将波峰位置序列或波谷位置序列作为分界点,对四维空间姿态信号进行分区,可以得到各个维度对应的区间信号。
S104、根据区间信号确定目标运动特征向量。
需要说明的是,目标运动特征向量可以是基于区间信号提取的进行计数的运动特征对应的运动特征向量,可以用于描述在原始加速度数据层面上往复动作的信号变化特点。
具体的,获取相邻区间信号的置信度,对连续稳定的高置信度区间信号提取目标运动特征向量。
S105、根据目标运动特征向量确定动作计数值。
其中,动作计数值可以是对用户当前正在做的动作的计数值。
具体的,确定动作指纹,将目标运动特征向量与动作指纹做重叠面积的检查确定动作计数值。
本发明实施例通过对加速度数据和陀螺仪数据进行四元数解算,得到四维空间姿态信号,根据四维空间姿态信号的强度确定各个维度对应的波峰位置序列或者波谷位置序列,根据波峰位置序列或者波谷位置序列对四维空间姿态信号进行分区,得到各个维度对应的区间信号,根据区间信号确定目标运动特征向量,根据目标运动特征向量确定动作计数值。本发明实施例将IMU传感器信号转换到可以描述设备空间姿态的四元数域,将无法直观描述力量训练动作的加速度和陀螺仪信号转化为可以空间表征动作朝向变化的姿态波动信号,提高了对微弱和抖动周期动作的计数检出率,特别是对于大重量的力量训练场景,减少了因为动作缓慢和肌肉抖动导致的计数失败。
实施例二
图2是本发明实施例中的另一种计数方法的流程图,本实施例以上述实施例为基础进行优化。在本实施例中,可以将对加速度数据和陀螺仪数据进行四元数解算,得到四维空间姿态信号具体表述为:获取加速度数据和陀螺仪数据;对加速度数据进行分窗处理,得到窗口内的加速度数据;对窗口内的加速度数据和陀螺仪数据进行四元数解算,得到四维空间姿态信号。
同时,本实施例二还可以将根据四维空间姿态信号的强度确定各个维度对应的波峰位置序列或者波谷位置序列进一步描述为:对四维空间姿态信号进行分窗处理,得到窗口内的四维空间姿态信号;获取窗口内的四维空间姿态信号的强度的最大值和最小值;根据窗口内的四维空间姿态信号的强度的最大值和最小值确定窗口对应的高度差参考值;根据每个窗口对应的高度差参考值确定各个维度对应的波峰位置序列或者波谷位置序列。
具体的,本实施例二还可以将根据区间信号确定目标运动特征向量进一步化为:获取相邻区间信号的置信度;将目标空间姿态信号中每个区间信号的运动特征向量的均值确定为目标运动特征向量,其中,目标空间姿态信号包括预设数量置信度大于置信度阈值的连续相邻区间信号。
进一步的,本实施例二还可以将根据目标运动特征向量确定动作计数值具体表述为:若运动特征向量和目标动作指纹向量的重叠比例大于或者等于比例阈值,则对目标动作指纹向量对应的动作进行计数。
如图2所示,本发明实施例中的另一种计数方法具体包括如下步骤:
S201、获取加速度数据和陀螺仪数据。
具体的,可以采用相同的采样频率采集智能手表/手环上IMU传感器的加速度传感器3轴原始数据和陀螺仪传感器3轴原始数据。
在实际操作过程中,原始加速度数据的采样频率将影响是否能真实还原常见快速/慢速的力量训练动作的关键信息。考虑到在存储和计算速度有限的智能手表/手环中应用本发明实施例所提出的计数方法,在兼顾功耗和性能的前提下,优选的,确定加速度的采样率为25Hz,即每秒钟获得25个加速度x轴采样值、25个加速度y轴采样值和25个加速度z轴采样值。
S202、对加速度数据进行分窗处理,得到窗口内的加速度数据。
可以知道的是,分窗处理可以是设定固定时长的窗口,对窗口内的数据进行处理,之后将窗口按照设定步长进行滑移,从而实现对整个数据的处理。
在实际操作过程中,考虑到日常从事力量训练动作中单组单个动作的持续时间和单组训练中某个动作可能重复的次数,对加速度传感器3轴原始数据的数据分窗大小将影响是否能够在窗口内观察到足够多的连续的动作信息。通过对一定规模的真实用户数据集的统计,优选的,确定数据窗口的长度为15秒,即对加速度传感器3轴原始数据做缓存,缓存长度对应连续15秒的动作时长。为确保在单个窗口内尽可能观察到完整的动作信号,优选的,分窗处理同时采用1秒滑动更新的规则。
图3是本发明实施例中的一种滑动分窗更新规则的示意图。如图3所示,数据窗口的长度设置为15秒,采用1秒滑动更新规则,滑动分窗依次为t1、t2和t3,即t1时刻的加速度x轴、y轴和z轴的滑动窗口的起始时间为0秒结束时间为15秒,t2时刻的加速度x轴、y轴和z轴的滑动窗口的起始时间为1秒结束时间为16秒,t3时刻的加速度x轴、y轴和z轴的滑动窗口的起始时间为2秒结束时间为17秒。
在实际操作过程中,在获取到足够填充满数据分窗大小的加速度传感器3轴原始数据的条件下,可以对加速度传感器3轴原始数据分别做截止频率不低于2.5Hz的低通滤波,以去除信号的测量噪声和动作抖动引起的干扰。具体的低通滤波方法的选取将影响到滤波收敛的速度、信号波形的畸变和存储计算开销。优选的,低通滤波方法选用阶数为2的巴特沃滋低通滤波,并在滤波执行过程中舍去前8个滤波后的数据,以屏蔽滤波收敛过程中信号波形的抖动所引起的误计数。
本发明实施例提出的数据分窗处理和滤波预处理中,关键参数和设定是基于较全面的真实力量训练用户和数据集优化确定的。
S203、对窗口内的加速度数据和陀螺仪数据进行四元数解算,得到四维空间姿态信号。
具体的,对得到的低通滤波后的加速度数据和相同采样频率的陀螺仪数据进行四元数解算,四元数解算采用互补滤波手段,计算得到同频率的四维空间姿态信号,可以用进行表示,其中,/>和/>分别表示四维空间姿态信号中的某一个维度的空间姿态信号。该四维空间姿态信号包括4个维度,每一个维度上的空间姿态信号可以用/>(i表示维度数,i=0,1,2,3)进行表示,其中,/>表示每一个维度上的空间姿态信号的第一个数据,以此类推,/>表示每一个维度上的空间姿态信号的第n个数据,n表示四元数解算后任意维度的长度。
S204、对四维空间姿态信号进行分窗处理,得到窗口内的四维空间姿态信号。
在实际操作过程中,由于解算后的四维空间姿态信号可能存在直流分量和低频漂移,因此可以对四维空间姿态信号的各个维度的空间姿态信号做高通滤波处理。通过在对一定规模的真实用户数据集上调优后,优选的,确定高通滤波的截止频率为0.2Hz,并综合考虑波形畸变和存储计算开销,高通滤波方法选用阶数为2的巴特沃滋高通滤波。
之后,对经过高通滤波预处理的四维空间姿态信号各维度空间姿态信号分别进行分窗处理,数据窗口的长度大小应确保在单个窗口内至少可以看到2个完整的动作信号。经过在一定规模的真实用户数据集上统计,优选的,确定数据窗口的长度为6秒,且分窗处理同时采用1秒滑动更新的规则,具体滑动更新规则与步骤S202中的方法一致,在此不再一一赘述,滑动步进长度1秒的确定是基于尽可能减少计数延迟的考虑。需要注意的是,对于不同的硬件计算执行速度和应用需求,滑动步进长度可做调整,但不应大于数据窗口长度的1/2。
经过上述步骤处理后,对各个维度上的空间姿态信号(i表示维度数,i=0,1,2,3)进行高通滤波处理后得到的各个维度上的空间姿态信号可以用Qi={qi0,qi1,…,qi(n-1)}(i表示维度数,i=0,1,2,3)进行表示,其中,qi0表示进行高通滤波处理后得到的每一个维度上的空间姿态信号的第一个数据,以此类推,qi(n-1)表示进行高通滤波处理后得到的每一个维度上的空间姿态信号的第n个数据,n表示对各个维度上的空间姿态信号/>(i表示维度数,i=0,1,2,3)进行高通滤波处理后的四元数解算后任意维度的长度。需要说明的是,n的大小在本操作中等于150,即25乘以6的结果,25是加速度和陀螺仪的采样率为25Hz,6是确定数据窗口的长度。
S205、获取窗口内的四维空间姿态信号的强度的最大值和最小值。
具体的,将四维空间姿态信号分别作为描述空间姿态变化的波动信号,这种波动信号中的波峰和波谷表征了空间姿态往复的周期起点或终点。因此,在四维空间姿态信号/>各个维度的波动信号上寻找波峰和波谷是确定空间姿态往复区间的关键。对窗口内的四维空间姿态信号/>的各个维度的空间姿态信号Qi={qi0,qi1,…,qi(n-1)}(i表示维度数,i=0,1,2,3,n表示对各个维度上的空间姿态信号进行高通滤波处理后的四元数解算后任意维度的长度)做二阶差分以确定窗口内的四维空间姿态信号/>的强度的最大值和最小值,窗口内的四维空间姿态信号/>的强度的最大值和最小值即为可能的波动信号中的波峰和波谷。
S206、根据窗口内的四维空间姿态信号的强度的最大值和最小值确定窗口对应的高度差参考值。
其中,高度差参考值可以是设定的波峰和波谷之间的最小高度差参考值。
具体的,对窗口内的四维空间姿态信号的最大值和最小值做统计,优选的,可以将窗口内的四维空间姿态信号/>的最大值和最小值的差值的1/6作为窗口对应的高度差参考值,即波峰与波谷之间的最小高度差参考值。
S207、根据每个窗口对应的高度差参考值确定各个维度对应的波峰位置序列或者波谷位置序列。
具体的,在该波动信号的可能的波峰位置附近搜索具有更大幅值的点作为波峰,在该波动信号的可能的波谷位置附近搜索具有更小幅度的点作为波谷,并将波峰与波谷的高度差与高度差参考值做比较,进一步筛选符合波峰和波谷定义的波峰位置序列和波谷位置序列。其中,波峰位置序列可以用(i表示维度数,i=0,1,2,3)进行表示,其中,/>表示波峰位置序列中第一个波峰的波峰位置信息,以此类推,/>表示波峰位置序列中第/>个波峰的波峰位置信息,/>表示波峰位置序列的元素个数;波谷位置序列可以用/>(i表示维度数,i=0,1,2,3)进行表示,其中,/>表示波谷位置序列中第一个波谷的波谷位置信息,以此类推,/>表示波谷位置序列中第/>个波谷的波谷位置信息,/>表示波谷位置序列的元素个数。
进一步的,可以将根据每个窗口对应的高度差参考值确定各个维度对应的波峰位置序列或者波谷位置序列具体为下述步骤:
A1、根据每个窗口对应的高度差参考值确定目标集合。
需要说明的是,目标集合可以是根据每个窗口对应的高度差参考值确定的所有的波峰位置信息和波谷位置信息所组成的集合。其中,目标集合中包括:波峰位置信息和波谷位置信息。
需要解释的是,波峰位置信息可以是所有存在的波峰在波动信号中的位置信息,波谷位置信息可以是所有存在的波谷在波动信号中的位置信息。
具体的,对作为波动信号的窗口内的四维空间姿态信号的每一维度波动信号Qi={qi0,qi1,…,qi(n-1)}(i表示维度数,i=0,1,2,3,n表示对各个维度上的空间姿态信号进行高通滤波处理后的四元数解算后任意维度的长度)的波峰和波谷进行搜索后,初步确定所有的波峰和波谷。
B1、根据波峰位置信息和波谷位置信息确定相邻波峰和波谷之间的幅值差值。
其中,幅值差值可以是相邻波峰和波谷之间的信号幅值的差值。
具体的,根据波峰位置信息和波谷位置信息计算相邻波峰和波谷之间的幅值差值。
C1、根据相邻波峰和波谷之间的幅值差值确定待删除位置信息。
需要说明的是,待删除位置信息可以是待删除的波峰位置信息和/或波谷位置信息。其中,待删除位置信息包括:伪波峰位置信息和/或伪波谷位置信息。
需要解释的是,伪波峰位置信息可以是幅值小于两侧相邻波峰幅值的波峰的位置信息,伪波谷位置信息可以是幅值大于两侧相邻波谷幅值的波谷的位置信息。
在实际操作过程中,初步确定的波峰和波谷中有可能部分波峰和波谷是空间姿态往复过程中的子动作片段的周期起点或终点,因此需要对目标集合中的波峰和波谷位置信息做进一步的筛选和排查。
图4a是本发明实施例中的一种伪波峰的示意图,如图4a所示,A、C和E均为波峰,B和D均为波谷。实际A点为某个力量训练动作的单个周期起点,应为这个周期内唯一的波峰位置,但确定的所有波峰位置除了包括A点外,还包括C点,这个点即伪波峰。本发明实施例设计了适用于力量训练动作信号的伪波峰位置信息的确定规则,具体规则如下:
计算相邻波峰和波谷之间的幅值差值,当第一组波峰和波谷的幅值差值(A与B间的幅值差值)与第四组波峰和波谷的幅值差值(E与D间的幅值差值)均明显大于第二组波峰和波谷的幅值差值(C与B间的幅值差值)与第三组波峰和波谷的幅值差值(C与D间的幅值差值)时,则判定第二组和第三组中的波峰C为伪波峰。
图4b是本发明实施例中的一种伪波谷的示意图,如图4b所示,A′、C′和E′均为波谷,B′和D′均为波峰。实际A′点为某个力量训练动作的单个周期起点,应为这个周期内唯一的波谷位置,但确定的所有波谷位置除了包括A′点外,还包括C′点,这个点即伪波谷。本发明实施例设计了适用于力量训练动作信号的伪波谷位置信息的确定规则,具体规则如下:
计算相邻波峰和波谷之间的幅值差值,当第一组波峰和波谷的幅值差值(B′与A′间的幅值差值)与第四组波峰和波谷的幅值差值(D′与E′间的幅值差值)均明显大于第二组波峰和波谷的幅值差值(B′与C′间的幅值差值)与第三组波峰和波谷的幅值差值(D′与C′间的幅值差值)时,则判定第二组和第三组中的波谷C′为伪波谷。
优选的,上述两种确定规则中采用的“明显”的标准为1.62,即较大一组波峰和波谷的幅值差值是较小一组波峰和波谷的幅值差值的1.62倍。
D1、根据目标集合和待删除位置信息确定各个维度对应的波峰位置序列或者波谷位置序列。
具体的,通过上述两种确定规则,将单个窗口内的用于标记周期动作单个周期起点或终点的波峰位置确定,各个维度对应的波峰位置序列可以用{pi0,pi1,…,pi(m-1)}(i表示维度数,i=0,1,2,3)进行表示,其中,pi0表示根据目标集合和待删除位置信息确定各个维度对应的波峰位置序列中第一个波峰的波峰位置信息,以此类推,pi(m-1)表示根据目标集合和待删除位置信息确定各个维度对应的波峰位置序列中第m个波峰的波峰位置信息,m表示经过上述去除伪波峰和伪波谷操作后的波峰位置信息的个数。确定的各个维度对应的波谷位置序列可以用{vi0,vi1,…,vi(k-1)}(i表示维度数,i=0,1,2,3)进行表示,其中,vi0表示根据目标集合和待删除位置信息确定各个维度对应的波谷位置序列中第一个波谷的波谷位置信息,以此类推,vi(k-1)表示根据目标集合和待删除位置信息确定各个维度对应的波谷位置序列中第k个波谷的波谷位置信息,k表示经过上述去除伪波峰和伪波谷操作后的波谷位置信息的个数。
在实际操作过程中,由于窗口滑动更新策略,相邻窗口对于同一个动作单个周期起点或终点的确定,即波峰位置可能存在偏移,因此需要对不同窗口间原本是同一个位置的波峰做检查和合并,合并临近的波峰的规则如下:
对于任意相邻的4个波峰位置{pi0,pi1,pi2,pi3}(其中,i表示维度数,i=0,1,2,3)应确保两两相邻的波峰之间的区间长度均匀,即4个波峰位置{pi0,pi1,pi2,pi3}(i表示维度数,i=0,1,2,3)组成了3个区间,3个区间的长度可表示为{l0,l1,l2},那么当中间2个相邻波峰形成的区间长度l1明显小于左右相邻的区间长度l0和l2时,作为这个区间右边界的波峰pi2(i表示维度数,i=0,1,2,3)将被从波峰位置序列中剔除。
经过上述跨窗口合并后的波峰位置序列确定为{pi0,pi1,…,pi(M-1)}(i表示维度数,i=0,1,2,3),其中,pi0表示经过跨窗口合并后的波峰位置序列中第一个波峰的波峰位置信息,以此类推,pi(M-1)表示经过跨窗口合并后的波峰位置序列中第M个波峰的波峰位置信息,M为更新后的波峰位置序列中波峰位置信息的个数。
本发明实施例提出的在四维空间姿态信号各个维度的空间姿态波动信号上提取波峰位置信息,并叠加伪峰和伪谷剔除策略,同时在跨窗口间做波峰位置信息的合并,可以有效实现对力量训练动作周期起点或终点位置的确定。
S208、根据波峰位置序列或者波谷位置序列对四维空间姿态信号进行分区,得到各个维度对应的区间信号。
示例性的,下面以根据波峰位置序列对四维空间姿态信号进行分区,得到各个维度对应的区间信号为例进行说明。
具体的,经过上述步骤,实现了在四维空间姿态信号的4个维度空间姿态波动信号上分别各自寻找到用于标记单个周期动作起点或终点的波峰位置序列{pi0,pi1,…,pi(M-1)}(其中,i表示维度数,i=0,1,2,3,M为更新后的波峰位置序列中波峰位置信息的个数),将确定的波峰位置序列作为切分低通滤波后的加速度数据的窗口数据的分界点,可以获得4族区间信号{L0,L1,L2,L3},每族区间信号Li(i=0,1,2,3)的确定是基于四维空间姿态信号各个维度空间姿态信号的往复波动特性确定的,即是根据这个维度上的波峰位置序列{pi0,pi1,…,pi(M-1)}(其中,i表示维度数,i=0,1,2,3,M为更新后的波峰位置序列中波峰位置信息的个数)确定的。其中,各个维度对应的这一族区间信号由加速度3轴区间信号{Lix,Liy,Liz}(i表示维度数,i=0,1,2,3)组成。以x轴为例,其中加速度x轴区间信号Lix根据{pi0,pi1,…,pi(M-1)}(i表示维度数,i=0,1,2,3,M为更新后的波峰位置序列中波峰位置信息的个数)的波峰位置作为索引值被切分为M个加速度x轴上的区间信号可以是由组成,其中,i表示维度数,i=0,1,2,3,j表示第j个区间,j=0,1,…,M+1,其中M为加速度x轴上的区间信号的个数,其中pij和pi(j+1)为第i个四维空间姿态信号各个维度上相邻的2个波峰位置序列{pi0,pi1,…,pi(M-1)}(i表示维度数,i=0,1,2,3,M为加速度x轴上的区间信号的个数)中的元素确定的原始加速度区间信号。
S209、获取相邻区间信号的置信度。
在本实施例中,相邻区间信号的置信度可以是相邻区间信号的相似性和稳定性的置信度。
在实际操作过程中,考虑到在日常力量训练动作的执行过程中,单组的相邻两次动作就有运动快慢的一致性或渐变性,因此本发明实施例采用的用于评估相邻区间信号稳定的置信度是基于相邻区间信号的时间长度实现的。
进一步的,可以将获取相邻区间信号的置信度具体为下述步骤:
A2、获取相邻区间信号的持续时间和相邻区间信号的互相关系数。
其中,相邻区间信号的持续时间可以是相邻区间信号的时间长度。具体的,相邻区间信号的持续时间可以是从区间第一个信号的起始时间到区间最后一个信号的终止时间。
需要说明的是,互相关系数可以是对相邻两个区间信号做互相关计算得到的互相关系数。
具体的,在此以四维空间姿态信号第i个维度上的加速度x轴为例进行说明。设加速度相邻区间信号和/>中的持续时间分别为/>和/>其中,i表示维度数,i=0,1,2,3,j表示第j个区间,j=0,1,…,M+1(其中M为加速度x轴上的区间信号的个数),若比值大于等于某个阈值T1且大于等于某个阈值T2(T1小于T2)时,比值被强制修改为1;若比值/>大于等于某个阈值T1且小于某个阈值T2(T1小于T2)时,比值/>被强制修改为0。这样设计的优点是确保在相邻两个动作执行周期相差不大的情况下,时间长度的差异不影响置信度的大小。
对于2个相邻区间信号,一般存在信号时间长度差异。本发明实施例采用了对信号长度较短的序列做插值重采样,将其长度拓展到与长度较长的序列一致。在长度一致的情况下,对插值重采样后的区间信号和与其相邻的区间信号做互相关计算,得到两个相邻区间信号的互相关系数,第j个区间和第j+1个区间的互相关系数可以用Rj(j+1)进行表示,其中,j表示第j个区间,j=0,1,…,M+1(其中M为加速度x轴上的区间信号的个数)。需要注意的是,在互相关系数小于0的情况下,将被强制修改为0,即从统计学上互相关系数为负被认为严格不相关。
B2、根据相邻区间信号的持续时间和相邻区间信号的互相关系数确定相邻区间信号的置信度。
具体的,获取到相邻区间信号的持续时间和相邻区间信号的互相关系数之后,以四维空间姿态信号第i个维度上的加速度x轴为例,综合考虑相邻区间信号的相似性和稳定性的置信度被定义为:
其中,Pconf表示相邻区间信号的置信度,和/>为两个加速度相邻区间信号,和/>分别为加速度相邻区间信号/>和/>中的持续时间,Rj(j+1)为相邻区间信号/>和/>的互相关系数,i表示维度数,i=0,1,2,3,j表示第j个区间,j=0,1,…,M+1(其中M为加速度x轴上的区间信号的个数)。
由于区间信号的划分是在滑动分窗后提取的,因此某个区间信号可能在当前窗口的中部,也可能在上一个滑动窗口的尾部,这使得同一个区间信号在不同的滑动窗口内可能有不同的置信度。本发明实施例认为置信度主要用于衡量动作执行的周期性和稳定性,因此始终选择这个区间信号截止到当前最大的置信度作为后续步骤的输入。
本发明实施例提出的对相邻区间信号做融合动作时长稳定性和动作形态一致性的置信度计算,将前后两个动作周期的相似性和稳定性量化为概率模型,可以减少对人为设定的规则的依赖。
S210、将目标空间姿态信号中每个区间信号的运动特征向量的均值确定为目标运动特征向量。
在本实施例中,目标空间姿态信号可以是连续稳定的高置信度区间信号。其中,目标空间姿态信号包括预设数量置信度大于置信度阈值的连续相邻区间信号。
其中,预设数量可以是根据实际情况预先设定的连续相邻区间信号的对数,优选的,预设数量可以是4对。置信度阈值可以是根据实际情况预先设定的相邻区间信号的置信度的值,优选的,置信度阈值可以是0.8。
需要说明的是,运动特征向量可以是加速度3轴区间信号在区间内的运动特征的向量表示。
具体的,计算目标空间姿态信号中每个区间信号的运动特征向量的均值,将目标空间姿态信号中每个区间信号的运动特征向量的均值确定为目标运动特征向量。
进一步的,在将目标空间姿态信号中每个区间信号的运动特征向量的均值确定为目标运动特征向量之前,还包括:
A3、获取目标空间姿态信号中每个区间信号的90分位数值和10分位数值。
其中,90分位数值可以包括目标空间姿态信号中每个区间信号的加速度x轴的90分位数值、加速度y轴的90分位数值和加速度z轴的90分位数值,同理,10分位数值可以包括目标空间姿态信号中每个区间信号的加速度x轴的10分位数值、加速度y轴的10分位数值和加速度z轴的10分位数值。
具体的,在加速度传感器数据的3个轴上分别根据区间信号的划分,计算3个轴的信号在区间内的运动特征,用来描述动作的特征包括:加速度x轴的90分位数值和10分位数值,加速度y轴的90分位数值和10分位数值,加速度z轴的90分位数值和10分位数值。
B3、根据目标空间姿态信号中每个区间信号的90分位数值和10分位数值确定目标空间姿态信号中每个区间信号的运动特征向量。
具体的,根据目标空间姿态信号中每个区间信号的90分位数值和10分位数值确定的目标空间姿态信号中每个区间信号的运动特征向量可表示为:
其中,表示运动特征向量,i表示维度数,i=0,1,2,3,j表示第j个区间,j=0,1,…,M+1(其中M为加速度x轴上的区间信号的个数),frc(c,X)表示对信号X计算c分位值,即frc(90,x)表示加速度x轴的90分位数值,frc(10,x)表示加速度x轴的10分位数值,frc(90,y)表示加速度y轴的90分位数值,frc(10,y)表示加速度y轴的10分位数值,frc(90,z)表示加速度z轴的90分位数值,frc(10,z)表示加速度z轴的10分位数值。
进一步的,可以将获取相邻区间信号的置信度具体为下述步骤:
A4、若存在至少两个目标空间姿态信号,则获取每个目标空间姿态信号的显著性因子。
在本实施例中,显著性因子可以是用于描述在目标空间姿态信号各个维度上伴随置信度的一个因子,显著性因子应体现在目标空间姿态信号象限下该区间划分内动作的显著性。
具体的,对于目标空间姿态信号的每一个维度,如果在某个维度上当且仅当连续预设数量(优选的,预设数量可以是4)个区间信号的置信度都超过置信度阈值(优选的,置信度阈值可以是0.8)时,则认定该维度作为备选的用于计数跟踪的目标空间姿态信号维度。当同一时刻有多于1个备选维度时,选择在单个维度下各区间信号显著性因子总和最大的备选维度作为最终确定用于计数跟踪的目标空间姿态信号维度。
本发明实施例采用上述原则的原因为,在用以描述动作周期性和稳定性度量接近的情况下,选择能更显著地描述动作的维度,是比较稳妥的。
获取每个目标空间姿态信号的显著性因子的过程为:当目标空间姿态信号的4个维度上的置信度相近时,选择合理的目标空间姿态信号维度作为跟踪与匹配计数的依据,需要描述在目标空间姿态信号维度上伴随置信度的显著性因子,显著性因子应体现在目标空间姿态信号象限下该区间划分内动作的显著性。
进一步的,可以将获取每个目标空间姿态信号的显著性因子具体为下述步骤:
a、获取每个目标空间姿态信号中每个区间信号的75分位数值与25分位数值的差值。
其中,75分位数值可以包括目标空间姿态信号中每个区间信号的加速度x轴的75分位数值、加速度y轴的75分位数值和加速度z轴的75分位数值,同理,25分位数值可以包括目标空间姿态信号中每个区间信号的加速度x轴的25分位数值、加速度y轴的25分位数值和加速度z轴的25分位数值。
具体的,计算加速度传感器数据每一轴在该区间内的75分位数值与25分位数值的差值。这个分位差值量化了这个区间划分内加速度某个轴波动的显著性,最终用于表征该区间信号的显著性因子被定义为加速度3个轴上分位差值的最大值。
b、将目标空间姿态信号中区间信号的75分位数值与25分位数值的差值之和确定为目标空间姿态信号的显著性因子。
具体的,对第i个维度上第j个区间划分下的显著性因子可表示为:
其中,表示第i个维度上第j个区间划分下的显著性因子,/>表示加速度x轴第i个维度上第j个区间划分下的显著性因子,/>表示加速度y轴第i个维度上第j个区间划分下的显著性因子,/>表示加速度z轴第i个维度上第j个区间划分下的显著性因子,i表示维度数,i=0,1,2,3,j表示第j个区间,j=0,1,…,M+1(其中M为加速度x轴上的区间信号的个数)。
其中,显著性因子的计算公式为:
其中,表示加速度x轴第i个维度上第j个区间划分下的显著性因子,frc(c,X)表示对信号X计算c分位值,即/>表示区间信号的75分位数值,/>表示区间信号/>的25分位数值,i表示维度数,i=0,1,2,3,j表示第j个区间,j=0,1,…,M+1(其中M为加速度x轴上的区间信号的个数)。
其中,显著性因子的计算公式为:
其中,表示加速度y轴第i个维度上第j个区间划分下的显著性因子,frc(c,X)表示对信号X计算c分位值,即/>表示区间信号的75分位数值,/>表示区间信号/>的25分位数值,i表示维度数,i=0,1,2,3,j表示第j个区间,j=0,1,…,M+1(其中M为加速度x轴上的区间信号的个数)。
其中,显著性因子的计算公式为:
其中,表示加速度x轴第i个维度上第j个区间划分下的显著性因子,frc(c,X)表示对信号X计算c分位值。即/>表示区间信号的75分位数值,/>表示区间信号/>的25分位数值,i表示维度数,i=0,1,2,3,j表示第j个区间,j=0,1,…,M+1(其中M为加速度x轴上的区间信号的个数)。
本发明实施例提出的确定用于跟踪匹配和计数的目标空间姿态信号维度策略中,引入了显著性因子,在空间姿态变化的周期起点或终点实现对原始加速度信号的切分,并通过比较不同维度上的切分所引起的区间信号的显著程度,作为选择目标空间姿态信号维度的依据。
本发明实施例提出的基于分位数的显著性因子和动作特征,分别在确定跟踪匹配计数的象限轴和描述运动特异性上发挥作用,具有计算量小、存储消耗小的特点。
B4、将至少两个目标空间姿态信号中显著性因子最大的目标空间姿态信号中每个区间信号的运动特征向量的均值确定为目标运动特征向量。
优选的,在上述确定用于计数跟踪的目标空间姿态信号维度的过程中,计算选定的目标空间姿态信号象限中前4个区间信号的运动特征向量的均值作为目标运动特征向量(也可称为动作指纹),用于描述在原始加速度数据层面上往复动作的信号变化特点。
具体的,目标运动特征向量的计算方式如下:
其中,fvfingerprint表示目标运动特征向量,表示frc(90,x)的均值,frc(90,x)表示加速度x轴的90分位数值,/>表示frc(10,x)的均值,frc(10,x)表示加速度x轴的10分位数值,/>表示frc(90,y)的均值,frc(90,y)表示加速度y轴的90分位数值,/>表示frc(10,y)的均值,frc(10,y)表示加速度y轴的10分位数值,表示frc(90,z)的均值,frc(90,z)表示加速度z轴的90分位数值,/>表示frc(10,z)的均值,frc(10,z)表示加速度z轴的10分位数值。
本发明实施例提出的聚类形成动作指纹,是基于区间信号提取的运动特征向量实现的,在统计学上自动获取最近稳定且重复动作的关键信息,存储为指纹做后续的匹配,动作指纹的确定在不采用复杂的聚类操作的前提下,保留了不同动作之间的区分度。
S211、若运动特征向量和目标动作指纹向量的重叠比例大于或者等于比例阈值,则对目标动作指纹向量对应的动作进行计数。
其中,目标动作指纹向量可以是上述目标运动特征向量。
需要说明的是,重叠比例可以是运动特征向量和目标动作指纹向量的重叠面积的比例。
其中,比例阈值可以是根据实际情况预先设定的运动特征向量和目标动作指纹向量的重叠面积的比例的值,本实施例对此不进行限定。
图5是本发明实施例中的一种重叠比例的计算方法的示意图。如图5所示,计算新的区间信号的动作特征向量(即上述运动特征向量)的{frc 90,frc10},计算已存储的动作指纹(即上述目标动作指纹向量)的{frc 90,frc10},计算新的区间信号的动作特征向量(即上述运动特征向量)和动作指纹(即上述目标动作指纹向量)的{frc 90,frc10}的重叠比例。
具体的,对后续区间信号做指纹匹配和估计概率输出。确定了要跟踪的目标空间姿态信号维度后,后续对力量训练动作的计数过程,只需要在已经选定的目标空间姿态信号维度上做步骤S201到步骤S210。
对于后续计算的新的区间信号的运动特征导出的运动特征向量与目标动作指纹向量fvfingerprint做重叠面积的检查。若运动特征向量和目标动作指纹向量的重叠比例大于或者等于比例阈值,则对目标动作指纹向量对应的动作进行计数;若运动特征向量和目标动作指纹向量的重叠比例小于比例阈值,即认为新的区间信号的动作与目标动作指纹不匹配,停止对该动作的计数。
此外,对于符合动作特征的区间信号,进一步检查对应的置信度Pconf,仅接受置信度大于置信度阈值的区间信号并继续计数,否则该区间信号不计入计数统计中。
本发明实施例提出的指纹匹配和估计概率输出,计算较为简单的运动特征重叠面积比例,融合置信度和动作宏观形态因素,得到了动作匹配概率,以概率的形式实现对力量训练计数的量化统计。本发明实施例提出的指纹匹配的输出概率,将计数问题转化为模式匹配问题,以量化概率的形式实现对动作计数的统计,并且在时间维度上以概率输出的形式,提高了计数的准确率。
本发明所提出的基于智能手表/手环上IMU传感器的应用空间姿态往复特性的力量训练计数方法,不依赖于任何既定的健身力量训练动作,不对动作执行做约束和假设,主要处理步骤和计算环节所需要的存储和计算开销,适合在资源受限的嵌入式设备上实施。本发明实施例提出的将IMU传感器信号转换到可以描述设备空间姿态的四元数域,将无法直观描述力量训练动作的加速度和陀螺仪信号转化为可以空间表征动作朝向变化的姿态波动信号,提高了对微弱和抖动周期动作的计数检出率,特别是对于大重量的力量训练场景,减少了因为动作缓慢和肌肉抖动导致的计数失败。
实施例三
图6是本发明实施例中的一种计数装置的结构示意图。本实施例可适用于计数的情况,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计数的功能的设备中,如图6所示,所述计数装置具体包括:解算模块301、第一确定模块302、分区模块303、第二确定模块304和第三确定模块305。
其中,解算模块301,用于对加速度数据和陀螺仪数据进行四元数解算,得到四维空间姿态信号;
第一确定模块302,用于根据所述四维空间姿态信号的强度确定各个维度对应的波峰位置序列或者波谷位置序列;
分区模块303,用于根据所述波峰位置序列或者波谷位置序列对所述四维空间姿态信号进行分区,得到各个维度对应的区间信号;
第二确定模块304,用于根据所述区间信号确定目标运动特征向量;
第三确定模块305,用于根据所述目标运动特征向量确定动作计数值。
可选的,所述解算模块301包括:
第一获取单元,用于获取加速度数据和陀螺仪数据;
第一分窗处理单元,用于对所述加速度数据进行分窗处理,得到窗口内的加速度数据;
解算单元,用于对窗口内的加速度数据和所述陀螺仪数据进行四元数解算,得到四维空间姿态信号。
可选的,所述第一确定模块302包括:
第二分窗处理单元,用于对所述四维空间姿态信号进行分窗处理,得到窗口内的四维空间姿态信号;
第二获取单元,用于获取窗口内的四维空间姿态信号的强度的最大值和最小值;
第一确定单元,用于根据所述窗口内的四维空间姿态信号的强度的最大值和最小值确定窗口对应的高度差参考值;
第二确定单元,用于根据每个窗口对应的高度差参考值确定各个维度对应的波峰位置序列或者波谷位置序列。
可选的,所述第二确定单元具体用于:
根据每个窗口对应的高度差参考值确定目标集合,其中,所述目标集合中包括:波峰位置信息和波谷位置信息;
根据所述波峰位置信息和波谷位置信息确定相邻波峰和波谷之间的幅值差值;
根据相邻波峰和波谷之间的幅值差值确定待删除位置信息,其中,所述待删除位置信息包括:伪波峰位置信息和/或伪波谷位置信息;
根据所述目标集合和所述待删除位置信息确定各个维度对应的波峰位置序列或者波谷位置序列。
可选的,所述第二确定模块304包括:
第三获取单元,用于获取相邻区间信号的置信度;
第三确定单元,用于将目标空间姿态信号中每个区间信号的运动特征向量的均值确定为目标运动特征向量,其中,所述目标空间姿态信号包括预设数量置信度大于置信度阈值的连续相邻区间信号。
可选的,所述第三获取单元具体用于:
获取相邻区间信号的持续时间和相邻区间信号的互相关系数;
根据所述相邻区间信号的持续时间和所述相邻区间信号的互相关系数确定所述相邻区间信号的置信度。
可选的,所述第二确定模块304还包括:
第四获取单元,用于在将目标空间姿态信号中每个区间信号的运动特征向量的均值确定为目标运动特征向量之前,获取目标空间姿态信号中每个区间信号的90分位数值和10分位数值;
第四确定单元,用于在将目标空间姿态信号中每个区间信号的运动特征向量的均值确定为目标运动特征向量之前,根据所述目标空间姿态信号中每个区间信号的90分位数值和10分位数值确定所述目标空间姿态信号中每个区间信号的运动特征向量。
可选的,所述第三确定单元包括:
获取子单元,用于若存在至少两个目标空间姿态信号,则获取每个目标空间姿态信号的显著性因子;
确定子单元,用于将所述至少两个目标空间姿态信号中显著性因子最大的目标空间姿态信号中每个区间信号的运动特征向量的均值确定为目标运动特征向量。
可选的,所述获取子单元具体用于:
获取每个目标空间姿态信号中每个区间信号的75分位数值与25分位数值的差值;
将目标空间姿态信号中区间信号的75分位数值与25分位数值的差值之和确定为所述目标空间姿态信号的显著性因子。
可选的,所述第三确定模块305具体用于:
若所述运动特征向量和目标动作指纹向量的重叠比例大于或者等于比例阈值,则对所述目标动作指纹向量对应的动作进行计数。
本发明实施例所提供的可执行本发明任意实施例所提供的计数方法,具备执行方法相应的功能模块和有益效果。
实施例四
图7示出了可以用来实施本发明的实施例的电子设备40的结构示意图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备(如头盔、眼镜、手表等)和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本发明的实现。
如图7所示,电子设备40包括至少一个处理器41,以及与至少一个处理器41通信连接的存储器,如只读存储器(ROM)42、随机访问存储器(RAM)43等,其中,存储器存储有可被至少一个处理器执行的计算机程序,处理器41可以根据存储在只读存储器(ROM)42中的计算机程序或者从存储单元48加载到随机访问存储器(RAM)43中的计算机程序,来执行各种适当的动作和处理。在RAM 43中,还可存储电子设备40操作所需的各种程序和数据。处理器41、ROM 42以及RAM 43通过总线44彼此相连。输入/输出(I/O)接口45也连接至总线44。
电子设备40中的多个部件连接至I/O接口45,包括:输入单元46,例如键盘、鼠标等;输出单元47,例如各种类型的显示器、扬声器等;存储单元48,例如磁盘、光盘等;以及通信单元49,例如网卡、调制解调器、无线通信收发机等。通信单元49允许电子设备40通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
处理器41可以是各种具有处理和计算能力的通用和/或专用处理组件。处理器41的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的处理器、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。处理器41执行上文所描述的各个方法和处理,例如计数方法:
对加速度数据和陀螺仪数据进行四元数解算,得到四维空间姿态信号;
根据所述四维空间姿态信号的强度确定各个维度对应的波峰位置序列或者波谷位置序列;
根据所述波峰位置序列或者波谷位置序列对所述四维空间姿态信号进行分区,得到各个维度对应的区间信号;
根据所述区间信号确定目标运动特征向量;
根据所述目标运动特征向量确定动作计数值。
在一些实施例中,计数方法可被实现为计算机程序,其被有形地包含于计算机可读存储介质,例如存储单元48。在一些实施例中,计算机程序的部分或者全部可以经由ROM42和/或通信单元49而被载入和/或安装到电子设备40上。当计算机程序加载到RAM 43并由处理器41执行时,可以执行上文描述的计数方法的一个或多个步骤。备选地,在其他实施例中,处理器41可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行计数方法。
本文中以上描述的***和技术的各种实施方式可以在数字电子电路***、集成电路***、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上***的***(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程***上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储***、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储***、该至少一个输入装置、和该至少一个输出装置。
用于实施本发明的方法的计算机程序可以采用一个或多个编程语言的任何组合来编写。这些计算机程序可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器,使得计算机程序当由处理器执行时使流程图和/或框图中所规定的功能/操作被实施。计算机程序可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本发明的上下文中,计算机可读存储介质可以是有形的介质,其可以包含或存储以供指令执行***、装置或设备使用或与指令执行***、装置或设备结合地使用的计算机程序。计算机可读存储介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体***、装置或设备,或者上述内容的任何合适组合。备选地,计算机可读存储介质可以是机器可读信号介质。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在电子设备上实施此处描述的***和技术,该电子设备具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给电子设备。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的***和技术实施在包括后台部件的计算***(例如,作为数据服务器)、或者包括中间件部件的计算***(例如,应用服务器)、或者包括前端部件的计算***(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的***和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算***中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将***的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)、区块链网络和互联网。
计算***可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,又称为云计算服务器或云主机,是云计算服务体系中的一项主机产品,以解决了传统物理主机与VPS服务中,存在的管理难度大,业务扩展性弱的缺陷。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发明中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本发明的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本发明保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等,均应包含在本发明保护范围之内。
Claims (13)
1.一种计数方法,其特征在于,包括:
对加速度数据和陀螺仪数据进行四元数解算,得到四维空间姿态信号;
根据所述四维空间姿态信号的强度确定各个维度对应的波峰位置序列或者波谷位置序列;
根据所述波峰位置序列或者波谷位置序列对所述四维空间姿态信号进行分区,得到各个维度对应的区间信号;
根据所述区间信号确定目标运动特征向量;
根据所述目标运动特征向量确定动作计数值。
2.根据权利要求1所述的方法,其特征在于,对加速度数据和陀螺仪数据进行四元数解算,得到四维空间姿态信号,包括:
获取加速度数据和陀螺仪数据;
对所述加速度数据进行分窗处理,得到窗口内的加速度数据;
对窗口内的加速度数据和所述陀螺仪数据进行四元数解算,得到四维空间姿态信号。
3.根据权利要求2所述的方法,其特征在于,根据所述四维空间姿态信号的强度确定各个维度对应的波峰位置序列或者波谷位置序列,包括:
对所述四维空间姿态信号进行分窗处理,得到窗口内的四维空间姿态信号;
获取窗口内的四维空间姿态信号的强度的最大值和最小值;
根据所述窗口内的四维空间姿态信号的强度的最大值和最小值确定窗口对应的高度差参考值;
根据每个窗口对应的高度差参考值确定各个维度对应的波峰位置序列或者波谷位置序列。
4.根据权利要求3所述的方法,其特征在于,根据每个窗口对应的高度差参考值确定各个维度对应的波峰位置序列或者波谷位置序列,包括:
根据每个窗口对应的高度差参考值确定目标集合,其中,所述目标集合中包括:波峰位置信息和波谷位置信息;
根据所述波峰位置信息和波谷位置信息确定相邻波峰和波谷之间的幅值差值;
根据相邻波峰和波谷之间的幅值差值确定待删除位置信息,其中,所述待删除位置信息包括:伪波峰位置信息和/或伪波谷位置信息;
根据所述目标集合和所述待删除位置信息确定各个维度对应的波峰位置序列或者波谷位置序列。
5.根据权利要求4所述的方法,其特征在于,根据所述区间信号确定目标运动特征向量,包括:
获取相邻区间信号的置信度;
将目标空间姿态信号中每个区间信号的运动特征向量的均值确定为目标运动特征向量,其中,所述目标空间姿态信号包括预设数量置信度大于置信度阈值的连续相邻区间信号。
6.根据权利要求5所述的方法,其特征在于,获取相邻区间信号的置信度,包括:
获取相邻区间信号的持续时间和相邻区间信号的互相关系数;
根据所述相邻区间信号的持续时间和所述相邻区间信号的互相关系数确定所述相邻区间信号的置信度。
7.根据权利要求5所述的方法,其特征在于,在将目标空间姿态信号中每个区间信号的运动特征向量的均值确定为目标运动特征向量之前,还包括:
获取目标空间姿态信号中每个区间信号的90分位数值和10分位数值;
根据所述目标空间姿态信号中每个区间信号的90分位数值和10分位数值确定所述目标空间姿态信号中每个区间信号的运动特征向量。
8.根据权利要求5所述的方法,其特征在于,将目标空间姿态信号中每个区间信号的运动特征向量的均值确定为目标运动特征向量,包括:
若存在至少两个目标空间姿态信号,则获取每个目标空间姿态信号的显著性因子;
将所述至少两个目标空间姿态信号中显著性因子最大的目标空间姿态信号中每个区间信号的运动特征向量的均值确定为目标运动特征向量。
9.根据权利要求8所述的方法,其特征在于,获取每个目标空间姿态信号的显著性因子,包括:
获取每个目标空间姿态信号中每个区间信号的75分位数值与25分位数值的差值;
将目标空间姿态信号中区间信号的75分位数值与25分位数值的差值之和确定为所述目标空间姿态信号的显著性因子。
10.根据权利要求1所述的方法,其特征在于,根据所述运动特征向量确定动作计数值包括:
若所述运动特征向量和目标动作指纹向量的重叠比例大于或者等于比例阈值,则对所述目标动作指纹向量对应的动作进行计数。
11.一种计数装置,其特征在于,包括:
解算模块,用于对加速度数据和陀螺仪数据进行四元数解算,得到四维空间姿态信号;
第一确定模块,用于根据所述四维空间姿态信号的强度确定各个维度对应的波峰位置序列或者波谷位置序列;
分区模块,用于根据所述波峰位置序列或者波谷位置序列对所述四维空间姿态信号进行分区,得到各个维度对应的区间信号;
第二确定模块,用于根据所述区间信号确定目标运动特征向量;
第三确定模块,用于根据所述目标运动特征向量确定动作计数值。
12.一种电子设备,其特征在于,包括:
一个或多个处理器;
存储器,用于存储一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行时,使得所述处理器实现如权利要求1-10中任一所述的计数方法。
13.一种包含计算机程序的计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被一个或多个处理器执行时实现如权利要求1-10中任一所述的计数方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210391664.XA CN116943130A (zh) | 2022-04-14 | 2022-04-14 | 一种计数方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210391664.XA CN116943130A (zh) | 2022-04-14 | 2022-04-14 | 一种计数方法、装置、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116943130A true CN116943130A (zh) | 2023-10-27 |
Family
ID=88456895
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210391664.XA Pending CN116943130A (zh) | 2022-04-14 | 2022-04-14 | 一种计数方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116943130A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117312997A (zh) * | 2023-11-21 | 2023-12-29 | 乾程电力有限公司 | 一种电力管理***智能诊断方法及*** |
-
2022
- 2022-04-14 CN CN202210391664.XA patent/CN116943130A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117312997A (zh) * | 2023-11-21 | 2023-12-29 | 乾程电力有限公司 | 一种电力管理***智能诊断方法及*** |
CN117312997B (zh) * | 2023-11-21 | 2024-03-08 | 乾程电力有限公司 | 一种电力管理***智能诊断方法及*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109579853B (zh) | 基于bp神经网络的惯性导航室内定位方法 | |
WO2017000563A1 (zh) | 智能设备的实时定位方法及***、手机运动姿态的判定方法 | |
CN109883423B (zh) | 基于卡尔曼滤波的定位方法、***、设备及存储介质 | |
CN109631888B (zh) | 动作轨迹识别方法、装置、可穿戴设备及存储介质 | |
CN107917707B (zh) | 一种任意姿态下行人方向的确定方法、装置及电子设备 | |
BR102017026251A2 (pt) | Método e sistema de reconhecimento de dados de sensor utilizando o enriquecimento de dados para o processo de aprendizagem | |
CN110113116B (zh) | 基于wifi信道信息的人体行为识别方法 | |
CN111595344B (zh) | 一种基于地图信息辅助的多姿态下行人行位推算方法 | |
SE1350894A1 (sv) | Metod och system för bestämning av utförandeindikatorer förperiodiska rörelser | |
JP2016134182A (ja) | 多軸慣性センサを用いた手首装着型歩数計 | |
CN116943130A (zh) | 一种计数方法、装置、设备及存储介质 | |
Qin et al. | Compensating the NLoS occlusion errors of UWB for pedestrian localization with MIMU | |
CN109035303B (zh) | Slam***相机跟踪方法及装置、计算机可读存储介质 | |
CN107632966B (zh) | 运动轨迹确定方法及电子设备 | |
CN107392106B (zh) | 一种基于双门限的人体活动端点检测方法 | |
CN116489596A (zh) | 一种室内人员的定位方法、装置、电子设备及存储介质 | |
CN114739412B (zh) | 一种基于智能手机的行人步态实时检测方法及设备 | |
CN116465412A (zh) | 一种基于lstm和注意力机制的改进pdr室内定位方法 | |
Truong et al. | Nonparametric regression-based step-length estimation for arm-swing walking using a smartphone | |
CN113032028B (zh) | 一种空中鼠标唤醒方法、装置、电子设备及存储介质 | |
CN115727871A (zh) | 一种轨迹质量检测方法、装置、电子设备和存储介质 | |
US20220218230A1 (en) | System and method of detecting walking activity using waist-worn inertial sensors | |
CN114674317A (zh) | 基于活动识别和融合滤波的自校正航位推算***及方法 | |
Hua et al. | SmartFPS: Neural network based wireless-inertial fusion positioning system | |
CN115155044A (zh) | 一种确定游泳转身时间的方法、装置、设备及介质 |
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 |