一种划水次数监测方法和装置与流程

本发明涉及运动监测领域，具体涉及一种划水次数监测方法和装置。

背景技术

随着科技的发展，可穿戴设备进入越来越多人的生活，越来越多用户选择通过可穿戴中的多传感器采集人体数据，并通过算法分析，得到各种活动和体征数据，游泳作为一种非常有助于提高体能的有运动形式，成为了人们最喜爱的有氧运动形式之一。

如果用户可以通过自身佩戴的电子设备来了解自己的游泳时划水状态，有效准确地监测游泳过程中划水次数，将会为用户提供极大的便利，帮助用户更好地进行运动训练，具有较高的用户体验。随着移动互联网的发展和技术的进步，穿戴式智能设备已经从概念化走向商用化，通过这些设备，人可以更好的感知外部与自身的信息，能够在计算机、网络甚至其它人的辅助下更为高效率的处理信息，能够实现更为无缝的交流。

现有技术中，具有划水次数监测功能的穿戴式智能设备的划水次数监测技术不能准确监测划水次数，且容易将非划水状态判断为划水状态，影响划水次数监测的准确度。

技术实现要素：

本发明旨在至少在一定程度上解决相关技术中的技术问题之一。为此，本发明的一个目的是提供一种划水次数监测方法和设备。

本发明所采用的技术方案是：

一种划水次数监测方法，包括：

获取划水信息采集设备中传感器数据；

获取动态阈值；

根据所述动态阈值和所述传感器数据进行划水次数分析；

所述动态阈值为按照第一方式自适应更新的动态阈值。

进一步地，所述获取划水信息采集设备中传感器数据具体包括：

周期性获取加速度传感器的三轴数据动作总值sn，n＝1,2……n。

进一步的，所述获取划水信息采集设备中传感器数据之后，还包括步骤：

利用滑动平均滤波算法对传感器数据进行预处理。

进一步地，所述第一方式包括：将预设时间内的三轴数据动作总值的最大值和最小值的平均值作为动态阈值。

进一步地，所述根据所述动态阈值和所述预处理后的数据进行划水次数分析具体包括：

获取当前时刻的三轴数据动作总值和前一时刻的三轴数据动作总值与所述动态阈值进行比较；

根据所述比较结果判断下降曲线；

根据所述下降曲线判断划水状态。

进一步地，还包括步骤：将相邻两次三轴数据动作总值的差值绝对值与预设的阈值范围进行比较，在预设阈值范围内则判断为有效的划水状态。

进一步地，还包括步骤：将相邻两项下降曲线产生时间的差值绝对值与预设的阈值范围进行比较，在预设阈值范围内则判断为一次有效的划水次数。

进一步地，还包括步骤：累计有效划水次数与预设次数进行比较，大于预设次数则累计至总划水次数；

所述累计总划水次数还包括：预设时间内未检测到有效划水次数，则重新获取有效划水次数。

进一步地，还包括步骤：根据所述划水次数判断单位时间划水率。

另一方面，还提供一种划水次数监测装置，包括：

划水信息采集模块，用于采集划水信息；

动态阈值获取模块，用于获取自适应更新的动态阈值；

划水次数分析模块，用于根据动态阈值和预处理后的数据进行划水次数分析。

本发明的有益效果是：

本发明采用的划水次数监测算法能够准确地自动侦测出佩戴者在游泳状态时的划水次数，自动进行游泳状态记录分析，无需进行手动操作，有很好的用户体验，而且考虑到不同的人游泳有不同的加速度，采用一种自适应的动态阈值用来判定不同的人的划水状态，因此运用本算法，通过对划水状态的有效性进行判断，识别出易误判的非划水状态，得到准确度高的划水信息，帮助用户根据有效的理论依据进行游泳状态监测管理，提供了一种准确度高的划水次数监测方法供可穿戴设备使用。

附图说明

图1是本发明一种实施例中的划水次数监测方法示意图；

图2是本发明另一种实施例中的加速度传感器数据预处理效果示意图；

图3是本发明另一种实施例中的划水状态判断示意图。

图4是本发明另一种实施例中的有效划水状态判断示意图。

图5是本发明另一种实施例中的有效划水次数判断示意图。

图6是本发明另一种实施例中的总划水次数计算示意图。

图7是本发明另一种实施例中的划水次数监测整体流程图。

图8是本发明另一种实施例中的划水次数监测装置结构框图。

具体实施方式

需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。

本发明的第一实施例，提供一种划水次数监测方法，如图1所示，包括步骤s1：获取划水信息采集设备中传感器数据；s2:获取动态阈值；s3:根据动态阈值和传感器数据进行划水次数分析；

动态阈值为按照第一方式自适应更新的动态阈值。

传感器包括加速度传感器，传感器信息指加速度传感器的x、y、z三轴数据。

作为第一实施例的一种实施方式，用户手动进入游泳场景后，加速度传感器开始按预设的采样间隔和采样范围采集三轴加速度数据。

在某一个实施例中，用户进入预设的游泳场景后，加速度传感器采样频率为25hz，采样范围±2g。

作为本发明另一种实施例，获取划水信息采集设备中传感器数据指：周期性获取加速度传感器的三轴数据动作总值sn，n＝1,2……n，获取划水信息采集设备中传感器数据之后，还包括步骤，利用滑动平均滤波算法对传感器数据进行预处理。数据预处理利用滑动平均滤波算法，即对采集到的三轴加速度数据做平滑滤波处理，再将三轴动作数据相加，求得三轴动作总值sn＝xn+yn+zn。

在一个实施例中，平滑滤波算法采用滑动平均滤波算法，滑动平均滤波算法即将连续取的n个采样值看成一个队列，队列的长度固定为n，将每次采样后得到一个新数据放入队尾，并删除队首的一个数据，再对队列中的n个数据进行算术平均运算，就可获得新的滤波结果，设窗口数为12，经过平滑滤波后的数据如图2所示，由图可见，经过滑动滤波算法后，数据波形变得更加平滑，图中圆圈所示之处，数据的波形都实现了平稳过渡，能够极大地方便后续步骤的划水次数分析。

作为本发明另一种实施例，动态阈值自适应更新的第一方式指将预设时间内的三轴数据动作总值的最大值和最小值的平均值作为动态阈值，即每隔预设时间更新一次动态阈值，将预设时间内的最大三轴动作总值和最小三轴动作总值的平均值作为动态阈值。

在某一个实施例中，预设时间为2s，即动态阈值，指在2s的时间窗内将当前的三轴动作总值s与当前2s内的最大三轴动作总值smax、最小三轴总值smin作比较，若s大于smax时，则将s作为最新的smax，当s小于smin时，则当前值s作为最新的smin，取动态阈值d＝(smax+smin)/2。

划水次数分析包括：获取当前时刻的三轴数据动作总值和前一时刻的三轴数据动作总值与所述动态阈值进行比较；根据比较结果判断下降曲线，出现下降曲线即代表一次划水状态。

作为本发明的另一种实施例，提供一种划水状态的判断方法，如图3所示，首先获取当前时刻三轴动作总值、前一时刻三轴动作总值和动态阈值，如果当前时刻三轴动作总值小于动态阈值且前一时刻动作总值大于动态阈值，即为一个下降曲线，判断为划水状态，否则判断其不符合划水状态，需要重新确认其是否处于划水状态。

在某一个实施例中，动态阈值d＝25，当前时刻三轴动作总值s1＝15，前一时刻三轴动作总值s2＝40，根据判断方法s2＞d＞s1，判断为一个下降曲线。

本发明另一种实施例提供一种判断有效划水状态的方法如图4所示，包括步骤：获取当前时刻三轴总值和前一时刻三轴总值的绝对值，获取预设阈值范围，判断绝对值是否在阈值范围内，如果在预设阈值范围内，则该下降曲线为有效下降曲线，划水状态为有效划水状态。

在某一个实施例中，本次的三轴动作总值为s1，前一次的三轴动作总值为s2，预设阈值范围为(t1，t2)，即当满足判断条件t1＜|s1-s2|＜t2时，该下降曲线为有效下降曲线。

在某一个实施例中，t1＝10，t2＝50，s1＝15，s2＝40，根据判断条件10<s1-s2<50，判断此下降曲线为有效下降曲线，划水状态为有效划水状态。

本发明另一种实施例提供一种判断有效划水次数的方法如图5所示，包括步骤：获取上一次下降曲线产生时间和本次下降曲线产生的时间差值绝对值，获取预设周期阈值范围，判断差值绝对值是否在预设周期阈值范围内，如果在预设阈值范围内，则该下降曲线为有效下降曲线，此次划水为一次有效划水次数。

在某一个实施例中，上一次产生下降曲线的时间为time1，本次产生下降曲线的时间为time2，预设周期阈值范围为(c1，c2)，即当满足判断条件c1<|time1-time2|<c2时，该下降曲线为有效下降曲线，是有效划水次数。

在某一个实施例中，c1＝4，c2＝12，|time1-time2|＝8，根据判断条件有4＜|time1-time2|＜12，判断此下降曲线为有效下降曲线，此次划水为一次有效划水次数。

作为本发明的另一种实施例，如图6所示划水次数分析还包括游泳状态判断，游泳状态指连续划水次数达到预设次数。

游泳状态判断步骤为：累计有效划水次数，比较有效划水次数达到预设次数的大小，累计至总划水次数，预设时间内未检测到有效划水次数，则重新获取有效划水次数；

在某一个实施例中：预设次数为4次，即如果连续划水次数达到4次，则处于游泳状态，并且累计划水次数至总划水次数，将初始的4次也累加至总划水次数中。如果未检测到划水次数，则重新开始计数，当其达到4次时，则判断处于游泳状态，用于滤除对其他动作的误判。

作为本发明的另一种实施例，提供一种划水率的计算方法，划水率指一分钟内的划水次数，当一分钟内划水次数为m次，则划水率s＝m/min。

在某一个实施例中，如当前5s内划水次数为4次，则划水率为s＝48/min。

如图7所示，为本发明一种实施例中的划水次数监测整体流程图。划水次数监测步骤包括：

1)进入游泳场景；

2)传入加速度传感器获取的三轴加速度值；

3)对获取的三轴加速度值做数据预处理得到三轴动作总值；

4)获取自适应的动态阈值；

5)根据所述动态阈值判断动作数据曲线是否为下降曲线；

6)若为下降曲线则继续判断所述下降曲线是否为有效下降曲线，采用的方法是判断三轴总值差值绝对值是否在预设阈值范围内，如果三轴总值差值绝对值在预设阈值范围内，则判断为有效下降曲线；

7)若为有效下降曲线，继续判断其下降曲线的时间差值绝对值是否在周期阈值范围内，若在预设范围内，则判定为一次有效划水次数；

8)累计有效划水次数，并判断其是否达到预设划水次数，若达到预设划水次数，则记录为游泳状态，并且累计划水次数至总划水次数，如果未检测到划水次数，则重新开始计数，用于滤除对其他动作的误判；

9)当判断不符合有效划水状态时，重新进行划水状态确认。

本发明一种实施例还包括显示划水信息至显示终端，划水信息包括划水次数、划水率等游泳运动信息，数据发送方式为：蓝牙、无线或红外的方式。

如图8所示，为本发明一种实施例中的一种划水次数监测装置，包括划水信息采集模块，用于采集划水信息；

数据预处理模块，用于对划水信息采集模块采集的数据进行预处理；

动态阈值获取模块，用于获取自适应更新的动态阈值；

划水次数分析模块，用于根据动态阈值和预处理后的数据进行划水次数分析。

本发明一种实施例的划水次数监测装置可以穿戴于人体的手腕、手臂、前胸或者头部，作为一种可穿戴设备，其使用广泛。

本发明采用的划水次数监测算法能够准确地自动侦测出佩戴者在游泳状态时的划水次数，自动进行游泳状态记录分析，无需进行手动操作，有很好的用户体验，而且考虑到不同的人游泳有不同的加速度，采用一种自适应的动态阈值用来判定不同的人的划水状态，因此运用本算法，通过对划水状态的有效性进行判断，识别出易误判的非划水状态，得到准确度高的划水信息，帮助用户根据有效的理论依据进行游泳状态监测管理，提供了一种准确度高的划水次数监测方法供可穿戴设备使用。

以上是对本发明的较佳实施进行了具体说明，但本发明创造并不限于所述实施例，熟悉本领域的技术人员在不违背本发明精神的前提下还可做出种种的等同变形或替换，这些等同的变形或替换均包含在本申请权利要求所限定的范围内。