一种基于可穿戴设备的运动状态监测方法及可穿戴设备技术

本发明专利技术实施例公开了一种基于可穿戴设备的运动状态监测方法及可穿戴设备，通过将获取的加速度数据窗口的特征信息输入到预先训练的运动模式分类模型中以获取运动模式分类，并根据所述运动模式分类和运动传感数据确定运动状态参数，由此，可以提高运动状态监测方法的泛化能力和鲁棒性，并提高运动状态监测的准确率。

A Method of Motion Monitoring Based on Wearable Equipment and Wearable Equipment

The embodiment of the present invention discloses a wearable device-based motion state monitoring method and a wearable device. By inputting the feature information of the acquired acceleration data window into the pre-trained motion pattern classification model, the motion pattern classification can be obtained, and the motion state parameters can be determined according to the motion pattern classification and motion sensing data. The generalization ability and robustness of the state monitoring method are improved, and the accuracy of motion state monitoring is improved.

【技术实现步骤摘要】
一种基于可穿戴设备的运动状态监测方法及可穿戴设备
本专利技术涉及数据处理
，更具体地，涉及一种基于可穿戴设备的运动状态监测方法及可穿戴设备。
技术介绍
在传统的技术中，对运动者的运动状态(例如，游泳状态)的监测主要通过视觉进行，之后根据视频数据进行分析和识别，这种方案不能实时地监测运动状态并统计出识别结果。目前，通常采用智能可穿戴设备(例如，智能手环、智能运动手表等)来监测运动状态，但是，如何准确并实时地监测并输出运动状态参数，仍是目前亟待解决的问题。
技术实现思路
有鉴于此，本专利技术实施例提供一种基于可穿戴设备的运动状态监测方法及可穿戴设备，以提高运动状态监测方法的泛化能力和鲁棒性，并提高运动状态监测的准确率。第一方面，本专利技术实施例提供一种基于可穿戴设备的运动状态监测方法，所述方法包括：获取加速度数据窗口，所述加速度数据窗口具有预定的时间长度；获取所述加速度数据窗口的特征信息；将所述特征信息输入到预先训练的运动模式分类模型中以获取运动模式分类结果，所述运动模式分类结果包括非运动模式和至少一个运动模式；根据所述运动模式分类结果和运动传感数据确定运动状态参数；以及输出当前运动周期的运动模式和所述运动状态参数。进一步地，所述获取所述加速度数据窗口的特征信息包括：通过惯性测量装置获取所述加速度数据窗口的运动传感数据；根据所述运动传感数据获取所述加速度数据窗口的特征信息，所述特征信息包括三轴上加速度的最小值、最大值、平均值、标准差和两轴之间的相关系数。进一步地，所述运动状态参数包括当前运动周期的游泳划水次数；所述根据所述运动模式分类结果和运动传感数据确定运动状态参数包括：获取所述运动传感数据的峰值个数，根据所述峰值个数获取当前周期的游泳划水次数。进一步地，所述获取所述运动传感数据的峰值个数包括：响应于所述峰值大于第一阈值，且所述峰值与前一个峰值的时间间隔大于第二阈值，峰值个数计数加1。进一步地，所述运动状态参数包括转身动作的次数；所述根据所述运动模式分类结果和运动传感数据确定运动状态参数包括：获取转身动作的次数。进一步地，所述获取转身动作的次数包括：响应于所述运动模式分类结果为非运动模式且非运动模式持续时间小于预定连续时间，在当前的所述转向角大于转向角阈值且当前运动周期的游泳划水次数在预定次数范围内时，转身动作的次数加1；其中，所述转向角通过所述运动传感数据计算获得，所述预定次数范围根据运动周期动态更新。进一步地，所述输出所述运动模式分类结果包括：记录当前周期的多个所述加速度数据窗口的运动模式分类结果，并对所述运动模式分类结果对应的运动模式分别计数；输出计数最高的运动模式。进一步地，所述方法还包括：响应于所述运动模式分类结果在预定连续时间内均为非运动模式，判定运动结束。进一步地，所述运动类型为游泳运动，所述运动模式包括蛙泳、蝶泳、仰泳和自由泳。第二方面，本专利技术实施例提供一种可穿戴设备，所述可穿戴设备中设置有惯性测量装置、处理器和存储器，所述存储器用于存储一条或多条计算机程序指令，其中，所述一条或多条计算机程序指令被所述处理器执行以实现如上所述的方法。本专利技术实施例的技术方案通过将获取的加速度数据窗口的特征信息输入到预先训练的运动模式分类模型中以获取运动模式分类，并根据所述运动模式分类和运动传感数据确定运动状态参数，由此，可以提高运动状态监测方法的泛化能力和鲁棒性，并提高运动状态监测的准确率。附图说明通过以下参照附图对本专利技术实施例的描述，本专利技术的上述以及其它目的、特征和优点将更为清楚，在附图中：图1是本专利技术实施例的运动状态监测方法的流程图；图2是本专利技术实施例的运动传感数据的峰值的示意图；图3是本专利技术实施例的运行状态监测方法的数据流向图；图4是本专利技术实施例的可穿戴设备的示意图。具体实施方式以下基于实施例对本专利技术进行描述，但是本专利技术并不仅仅限于这些实施例。在下文对本专利技术的细节描述中，详尽描述了一些特定的细节部分。对本领域技术人员来说没有这些细节部分的描述也可以完全理解本专利技术。为了避免混淆本专利技术的实质，公知的方法、过程、流程、元件和电路并没有详细叙述。此外，本领域普通技术人员应当理解，在此提供的附图都是为了说明的目的，并且附图不一定是按比例绘制的。除非上下文明确要求，否则整个说明书和权利要求书中的“包括”、“包含”等类似词语应当解释为包含的含义而不是排他或穷举的含义；也就是说，是“包括但不限于”的含义。在本专利技术的描述中，需要理解的是，术语“第一”、“第二”等仅用于描述目的，而不能理解为指示或暗示相对重要性。此外，在本专利技术的描述中，除非另有说明，“多个”的含义是两个或两个以上。以下对于本专利技术实施例的描述以游泳运动为例，应理解，本专利技术实施例还可以应用于其他运动类型。图1是本专利技术实施例的运动状态监测方法的流程图。如图1所示，本实施例的运动状态监测方法包括以下步骤：步骤S100，获取加速度数据窗口。其中，加速度数据窗口具有预定的时间长度。优选地，加速度数据窗口的时间长度为2秒。其中，加速度数据窗口的时间长度可以根据数据采样的采样率设置。在一种可选的实现方式中，相邻的加速度数据窗口有预定的重叠时间，以使得采样的加速度数据窗口的运动传感数据对应的待识别事件具有连贯性，由此，可以提高运动状态识别的准确率。例如，一个加速度数据窗口的时间长度为2秒，相邻的两个加速度数据窗口具有1秒的重叠时间。步骤S200，获取加速度数据窗口的特征信息。在一种可选的实现方式中，通过在可穿戴设备中内置IMU(Inertialmeasurementunit，惯性测量装置)获取加速度数据窗口的运动传感数据，并根据运动传感数据获取加速度数据窗口的特征信息。其中，运动传感数据包括三轴方向((也即x轴、y轴、z轴))上的加速度及运动时的角速度等。加速度数据窗口的特征信息包括但不限于三轴上加速度的最小值、最大值、平均值、标准差和两轴之间的相关系数。具体地，可穿戴设备上配置有惯性测量装置，惯性测量装置包括三轴加速度传感器、陀螺仪和/或磁力计。其中，三轴加速度传感器用于采集获取用户在运动状态时三轴方向上的加速度，陀螺仪用于采集获取用户在运动状态时的角速度，磁力计用于采集获取用户在运动状态时的磁感应强度。步骤S300，将加速度数据窗口的特征信息输入到预先训练的运动模式分类模型中以获取当前加速度数据窗口的运动模式分类结果。其中，运动模式分类结果包括非运动模式和至少一个运动模式。例如游泳运动，运动模式可以包括蛙泳、蝶泳、仰泳和自由泳等。在一种可选的实现方式中，通过深度学习算法预先训练运动分类模型。例如，SVM(Supportvectormachine，支持向量机)和ANN(Artificialneuralnetwork，人工神经网络)。SVM是一种在分类与回归分析中分析数据的一种监督式学习模型。SVM通过一个非线性映射，把样本空间映射到一个高维乃至无穷维的特征空间中，使得在原来的样本空间中非线性可分的问题转化为特征空间中的线性可分的问题。同时，SVM基于结构风险最小化理论在特征空间中构件最优超平面，使得学习模型得到全局最优化，并且在整个样本空间的期望为概率满足一定上限。由此，SVM可以在训练数据量较少的情况下仍然具有较好的泛化能力。ANN是一种模仿生物神经网络的结构和本文档来自技高网...

【技术保护点】
1.一种基于可穿戴设备的运动状态监测方法，其特征在于，所述方法包括：获取加速度数据窗口，所述加速度数据窗口具有预定的时间长度；获取所述加速度数据窗口的特征信息；将所述特征信息输入到预先训练的运动模式分类模型中以获取运动模式分类结果，所述运动模式分类结果包括非运动模式和至少一个运动模式；根据所述运动模式分类结果和运动传感数据确定运动状态参数；以及输出当前运动周期的运动模式和所述运动状态参数。

【技术特征摘要】
1.一种基于可穿戴设备的运动状态监测方法，其特征在于，所述方法包括：获取加速度数据窗口，所述加速度数据窗口具有预定的时间长度；获取所述加速度数据窗口的特征信息；将所述特征信息输入到预先训练的运动模式分类模型中以获取运动模式分类结果，所述运动模式分类结果包括非运动模式和至少一个运动模式；根据所述运动模式分类结果和运动传感数据确定运动状态参数；以及输出当前运动周期的运动模式和所述运动状态参数。2.根据权利要求1所述的运动状态监测方法，其特征在于，所述获取所述加速度数据窗口的特征信息包括：通过惯性测量装置获取所述加速度数据窗口的运动传感数据；根据所述运动传感数据获取所述加速度数据窗口的特征信息，所述特征信息包括三轴上加速度的最小值、最大值、平均值、标准差和两轴之间的相关系数。3.根据权利要求1所述的运动状态监测方法，其特征在于，所述运动状态参数包括当前运动周期的游泳划水次数；所述根据所述运动模式分类结果和运动传感数据确定运动状态参数包括：获取所述运动传感数据的峰值个数，根据所述峰值个数获取当前周期的游泳划水次数。4.根据权利要求3所述的运动状态监测方法，其特征在于，所述获取所述运动传感数据的峰值个数包括：响应于所述峰值大于第一阈值，且所述峰值与前一个峰值的时间间隔大于第二阈值，峰值个数计数加1。5.根据权利要求1所述的运动状态监测方法，其特征在于，所述运...

【专利技术属性】
技术研发人员：龚亚光，李家祥，周舒然，
申请(专利权)人：出门问问信息科技有限公司，
类型：发明
国别省市：北京,11