CN115164975A - 一种运动检测方法、装置及智能设备 - Google Patents

Abstract

本公开是关于一种运动检测方法、装置及智能设备，其中的方法包括：判断搭载的第一传感硬件的定位信号的强度是否低于阈值；如果是，获取搭载的第二传感硬件采集到的所述目标用户在所述预设时段内的移动步数，并基于所述移动步数计算所述目标用户在所述预设时段内的移动步频；基于所述目标用户的移动步频与移动步幅的第一数学关系，确定与计算出的所述移动步频对应的移动步幅，并基于所述移动步幅和所述移动步数计算所述目标用户在所述预设时段内的移动距离。本公开通过以上技术方案实现了当传感硬件异常时，使用计算出的数据替代异常的传感硬件对应的数据，既保证了数据的完整性和准确度，又提升了用户体验。

Description

一种运动检测方法、装置及智能设备

技术领域

本公开涉及运动检测技术领域，尤其涉及一种运动检测方法、装置及智能设备。

背景技术

六分钟步行试验是应用于临床中的一项运动试验，通过测试被试者在六分钟内以最快速度行走的距离，实现对被试者心肺功能的评估。

随着智能手环、智能手表以及智能手机等智能设备的普及，在进行六分钟步行试验时，被试者可以不用在医护人员的辅助测量下完成试验，通过智能设备具备的GPS定位功能就能计算行走的距离。

然而，GPS的信号容易受环境影响，在室内往往不能接收到稳定的GPS信号，而在室外则容易受高大建筑物和树木的影响。因此，在GPS信号不好时，很难精准的计算行走的距离。

发明内容

有鉴于此，本公开提供一种运动检测方法、装置及智能设备，通过将传感硬件获取的数据，基于学习到的数学关系，确定目标用户的运动数据，以解决运动检测中传感硬件不满足检测要求时无法获取运动数据的问题。

根据本公开实施例的第一方面，提出一种运动检测方法，该方法包括：

判断所述第一传感硬件的定位信号的强度是否低于阈值；其中，所述定位信号用于确定所述目标用户在所述预设时段内的移动距离；

如果所述定位信号的强度低于阈值，获取所述第二传感硬件采集到的所述目标用户在所述预设时段内的移动步数，并基于所述移动步数计算所述目标用户在所述预设时段内的移动步频；

基于所述目标用户的移动步频与移动步幅的第一数学关系，确定与计算出的所述移动步频对应的移动步幅，并基于所述移动步幅和所述移动步数计算所述目标用户在所述预设时段内的移动距离。

可选的，所述方法还包括：

判断所述第二传感硬件的采集精度是否低于阈值；

如果所述采集精度低于阈值，获取所述第一传感硬件确定出的所述目标用户在所述预设时段内的移动距离，并基于所述移动距离计算所述目标用户在所述预设时段内的平均移动速度；

基于所述目标用户的平均移动速度与移动步频的第二数学关系，确定与计算出的所述平均移动速度对应的移动步频，并基于所述移动步频计算所述目标用户在所述预设时段内的移动步数。

可选的，所述定位信号包括卫星定位信号；所述第一传感硬件包括卫星定位器。

可选的，所述卫星定位器包括GPS定位器。

可选的，所述第二传感硬件包括加速度传感器；或者，所述第二传感硬件包括陀螺仪和加速度传感器。

可选的，所述加速度传感器包括ACC三轴加速度传感器。

可选的，所述第一数学关系基于若干样本时段对应的样本数据进行数据拟合确定，所述样本数据包括所述目标用户在所述样本时段内的移动步频数据与移动步幅数据；

所述第二数学关系基于若干样本时段对应的样本数据进行数据拟合确定，所述样本数据包括所述目标用户在所述样本时段内的平均移动速度数据与移动步频数据；

可选的，所述样本时段包括所述第一传感硬件的定位信号的强度不低于阈值；并且，所述第二传感硬件的采集精度不低于阈值的时段。

可选的，所述智能设备包括可穿戴设备。

可选的，所述可穿戴设备包括用于进行运动检测的智能手环。

根据本公开实施例的第二方面，提出一种运动检测装置，应用于智能设备，其特征在于，所述智能设备搭载了用于确定目标用户在预设时段内的移动距离的第一传感硬件；以及，用于采集所述目标用户在所述预设时段内的移动步数的第二传感硬件；所述装置包括：

第一判断单元，用于判断所述第一传感硬件的定位信号的强度是否低于阈值；其中，所述定位信号用于确定所述目标用户在所述预设时段内的移动距离；

第一计算单元，用于在所述定位信号的强度低于阈值时，获取所述第二传感硬件采集到的所述目标用户在所述预设时段内的移动步数，并基于所述移动步数计算所述目标用户在所述预设时段内的移动步频；

第二计算单元，用于基于所述目标用户的移动步频与移动步幅的第一数学关系，确定与计算出的所述移动步频对应的移动步幅，并基于所述移动步幅和所述移动步数计算所述目标用户在所述预设时段内的移动距离。

可选的，所述装置还包括：

第二判断单元，用于判断所述第二传感硬件的采集精度是否低于阈值；

第三计算单元，用于在所述采集精度低于阈值时，获取所述第一传感硬件确定出的所述目标用户在所述预设时段内的移动距离，并基于所述移动距离计算所述目标用户在所述预设时段内的平均移动速度；

第四计算单元，用于基于所述目标用户的平均移动速度与移动步频的第二数学关系，确定与计算出的所述平均移动速度对应的移动步频，并基于所述移动步频计算所述目标用户在所述预设时段内的移动步数。

根据本公开实施例的第三方面，提出一种智能设备，包括：

第一传感硬件，用于确定目标用户在预设时段内的移动距离；

第二传感硬件，用于采集所述目标用户在所述预设时段内的移动步数；

处理器，以及用于存储所述处理器可执行指令的存储器；

其中，所述处理器，被配置为执行上述实施例的第一方面中任一所述的方法。

根据本公开实施例的第四方面，提出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上述实施例的第一方面中任一所述的方法。

本公开的实施例提供的技术方案可以包括以下有益效果：

由上述实施例可知，本公开通过智能设备搭载的若干传感器对目标用户进行运动检测，当某一传感器不满足运动检测要求时，将其他传感器获得的运动数据，并基于预先根据该目标用户的样本数据拟合出的数学关系，计算与不满足运动检测要求的传感器对应的运动数据。本公开通过以上技术方案实现了当传感硬件异常时，使用计算出的数据替代异常的传感硬件对应的数据，既保证了数据的完整性和准确度，又提升了用户体验。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。

附图说明

图1是根据一示例性实施例示出的一种方法的流程图；

图2是根据一示例性实施例示出的一种智能设备的硬件结构图；

图3是根据一示例性实施例示出的一种智能手环的硬件结构图；

图4是根据一示例性实施例示出的一种基于上述智能设备搭建的运动检测系统的架构图；

图5是根据一示例性实施例示出的一种运动检测装置的框图；

图6是根据一示例性实施例示出的一种智能设备的实施例；

图7是根据一示例性实施例示出的一种用于运动检测装置的示意框图；

图8是根据一示例性实施例示出的一种用于运动检测装置的框图。

具体实施方式

这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。

在本公开使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本公开。在本公开和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。还应当理解，本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。

应当理解，尽管在本公开可能采用术语第一、第二、第三等来描述各种信息，但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如，在不脱离本公开范围的情况下，第一信息也可以被称为第二信息，类似地，第二信息也可以被称为第一信息。取决于语境，如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”。

随着传感硬件微型化的发展，智能设备可以搭载的传感硬件越来越多，可以实现的功能也越来越多。

例如，可以在智能手环上搭载一个GPS定位器，通过GPS定位信号计算出用户在佩戴手环时的移动距离；也可以在智能手环上搭载一个加速度传感器，通过采集用户移动时的加速度数据确定出用户的移动步数。

对用于运动检测的智能设备来说，可以通过提高传感硬件的精度或增加用于辅助检测的传感硬件，来提升运动检测的准确性。

例如，可以在智能手环上搭载一个三轴加速度传感器和一个陀螺仪，通过三轴加速度传感器采集的用户在三维方向上的加速度数据，并结合陀螺仪采集的角速度，确定用户在移动时的姿态，通过剔除弯腰、转身等与步数统计无关的数据，使移动步数的统计更加精准。

然而，受限于定位信号强度或传感硬件可靠性的影响，智能设备在用于运动检测时，可能出现运动数据出现偏差甚至丢失的情况。

例如，受地形因素影响，在室内、地下或有高大建筑物遮挡的地方，GPS定位信号不稳定，甚至无法接收，此时很难计算出准确的移动距离。

在实际应用中，在进行六分钟步行试验时，如果携带的智能设备的GPS定位信号不好，无法满足稳定的测试要求，会导致试验获取的移动距离不准确，无法对用户的心肺功能进行准确的评估。

又如，当智能设备由于外力冲击，导致传感硬件损坏或精度下降时，由于传感硬件无法采集数据或者采集到的数据偏差很大，智能设备无法准确获取用户的移动步数。

可见，为准确获取用户的运动数据，需要在传感硬件出现异常，不能满足运动检测要求时，仍可以通过其他方式获取相关运动数据。

有鉴于此，本公开提供一种应用于智能设备的运动检测方法，通过基于预先建立的针对目标用户的运动数据拟合出的变量关系，计算出目标用户在传感器异常时对应的运动数据。

在实现时，智能设备(比如智能手环或者智能手机)可以搭载用于确定目标用户在预设时段内的移动距离的第一传感硬件(比如卫星定位器，可以通过接收卫星定位信号计算出用户在某个时段内的移动距离)，以及用于采集所述目标用户在所述预设时段内的移动步数的第二传感硬件(比如加速度传感器，可以通过用户加速度变化的情况计算出用户在某个时段内的移动步数)。

其中，智能设备在获取各传感硬件采集的数据的同时，还会判断第一传感硬件的定位信号的强度是否低于阈值。

当智能设备判断出第一传感硬件的定位信号的强度低于阈值时，可以获取第二传感硬件采集到的目标用户在预设时段内的移动步数，并基于移动步数计算目标用户在预设时段内的移动步频；

例如，当判断出GPS定位器的定位信号强度低于阈值，不能满足计算距离的要求时，获取第二传感硬件采集到的目标用户在六分钟内的移动步数，进而基于移动步数计算目标用户在六分钟内的移动步频。

在计算出移动步频之后，可以基于目标用户的移动步频与移动步幅的第一数学关系，确定与计算出的移动步频对应的移动步幅，并基于移动步幅和移动步数计算目标用户在预设时段内的移动距离。

其中，第一数学关系可以基于若干样本时段对应的样本数据进行数据拟合确定，样本数据包括目标用户在样本时段内的移动步频数据与移动步幅数据；

继续举例，可以将智能设备在不同时段获取到的，针对同一用户的移动步频数据与移动步幅数据作为样本数据，通过数据拟合获得变量关系；再根据该变量关系计算出与目标用户在六分钟内的移动步频对应的移动步幅，再基于该移动步幅和移动步数计算目标用户在六分钟内的移动距离。

在以上技术方案中，通过智能设备搭载的若干传感器对目标用户进行运动检测，当某一传感器不满足运动检测要求时，将其他传感器获得的运动数据，并基于预先根据该目标用户的样本数据拟合出的数学关系，计算与不满足运动检测要求的传感器对应的运动数据。本公开通过以上技术方案实现了当传感硬件异常时，使用计算出的数据替代异常的传感硬件对应的数据，既保证了数据的完整性和准确度，又提升了用户体验。

接下来对本公开实施例进行详细说明。

请参见图1，图1是根据一示例性实施例示出的一种运动检测方法的流程图，如图1所示，所述方法应用于智能设备，包括以下步骤：

步骤101：判断所述第一传感硬件的定位信号的强度是否低于阈值；其中，所述定位信号用于确定所述目标用户在所述预设时段内的移动距离；

步骤102：如果所述定位信号的强度低于阈值，获取所述第二传感硬件采集到的所述目标用户在所述预设时段内的移动步数，并基于所述移动步数计算所述目标用户在所述预设时段内的移动步频；

步骤103：基于所述目标用户的移动步频与移动步幅的第一数学关系，确定与计算出的所述移动步频对应的移动步幅，并基于所述移动步幅和所述移动步数计算所述目标用户在所述预设时段内的移动距离。

其中，所述智能设备搭载了用于确定目标用户在预设时段内的移动距离的第一传感硬件；以及，用于采集所述目标用户在所述预设时段内的移动步数的第二传感硬件。

上述智能设备，可以包括任意形态任意外形的智能设备；例如，智能手表、智能手环、智能眼镜，或者其他形式的可穿戴设备；也可以是智能手机、智能平板等便携电子设备。

在示出的一种实施方式中，上述智能设备具体可以是用于进行运动检测的智能手环。

请参见图2，图2为本公开一示例性实施例示出的一种智能设备的硬件结构图。

如图2所示，在本公开中，上述智能设备具体可以搭载处理器、第一传感硬件以及第二传感硬件。

其中，上述处理器可以与上述第一传感硬件和上述第二传感硬件同时保持连接，具体的连接方式在公开中不再进行详述。

上述第一传感硬件，用于确定目标用户在预设时段内的移动距离；例如，以用于六分钟步行试验的智能手环为例，确定目标用户在预设时段内的移动距离，具体是指确定被试者在六分钟内的步行距离。

在示出的一种实施方式中，上述第一传感硬件具体可以包括卫星定位器。

其中，上述卫星定位器具体可以是GPS定位器，通过测量多颗已知位置的卫星到GPS定位器的距离，计算出GPS定位器的具体位置，再进一步计算出移动的距离。

当然，上述卫星定位器具体也可以是北斗定位器，伽利略定位器等，本领域技术人员可以根据需求自行选择，本公开对此不作限定。

在示出的另一种实施方式中，上述定位信号具体可以包括基站定位信号；第一传感硬件具体可以包括基站定位器。

而上述第二传感硬件，则用于采集目标用户在预设时段内的移动步数；例如，以用于进行运动检测的智能手环为例，采集目标用户在预设时段内的移动步数，具体是指采集被试者在六分钟内步行的步数。

在示出的一种实施方式中，上述第二传感硬件具体可以包括加速度传感器；或者，上述第二传感硬件具体可以包括陀螺仪和加速度传感器。

其中，上述加速度传感器具体可以是ACC三轴加速度传感器，通过采集随着用户步数变化时表现在三维方向上的加速度数据的变化，确定用户移动的步数。

当然，上述加速度传感器也可以是单轴加速度传感器或双轴加速度传感器，本领域技术人员可以根据需求自行选择，本公开对此不作限定。

另外，还可以通过增加陀螺仪，采集用户的角速度；将三维方向上的加速度数据与角速度数据结合，精准的确定出用户在移动时的姿态，使得对移动步数的统计更加精准。

需要说明的是，上述第一传感硬件和上述第二传感硬件在上述智能设备上的安装位置，在本公开中不进行特别限定，在实际应用中，可以结合该智能设备的具体外形以及实际的需求进行定制；

例如，请参见图3，以上述用于进行运动检测的智能手环为例，上述第一传感硬件和第二传感硬件可以安装在手环内部，用于确定佩戴者在预设时段内的移动距离，以及采集佩戴者在预设时段内的移动步数。

其中，在实际应用中，上述第一传感硬件，具体可以是卫星定位器；上述第二传感硬件，具体可以是加速度传感器，或者，陀螺仪和加速度传感器。

例如，在示出的一种实施方式中，上述第一传感硬件具体可以是GPS定位器，上述智能设备可以通过该GPS定位器确定目标用户在预设时段内的移动距离；上述第二传感硬件具体可以是ACC三轴加速度传感器，上述智能设备可以通过该ACC三轴加速度传感器采集目标用户在所述预设时段内的移动步数。

请继续参见图2，在本公开中，上述智能设备搭载的硬件中，处了可以包括处理器、第一传感硬件以及第二传感硬件以外，还可以包括显示屏、通信硬件、扬声器等硬件。

以下以图2示出的硬件架构为例，并通过具体的实施例对本公开的技术方案进行详细描述。

在本公开中，在上述智能设备上，可以具备一个显示屏可以输出传感硬件采集到的运动数据，以及处理器计算出的运动数据；也可以具备一个通信硬件，用于通过无线和/或有线连接与外部进行通信；还可以具备一个扬声器，用于播报运动检测的结果，以及对用户进行提示。

上述智能设备在使用时，第一传感硬件的定位信号的强度不低于阈值时，第一传感硬件可以用于确定目标用户在预设时段内的移动距离；第二传感硬件的采集精度不低于阈值时，第二传感硬件可以用于采集目标用户在预设时段内的移动步数。

例如，当GPS定位器的定位信号强度不低于阈值时，GPS定位器可以通过接收卫星的定位信号计算出目标用户在预设时段内的移动距离；当ACC三轴加速度传感器的采样精度不低于阈值时，ACC三轴加速度传感器可以通过采集到的加速度数据确定目标用户在预设时段内的移动步数。

在实际应用中，上述智能设备在使用时，可以将第一传感硬件每次进行定位时记录的时间戳、定位信号的强度以及对应的位置等信息存储在上述智能设备中，并根据位置的变化计算出移动距离，再将该移动距离的数值通过显示屏输出。

同样的，上述智能设备在使用时，可以将第二传感硬件每次采样时记录的时间戳、采集到的数据等信息存储在上述智能设备中，并根据采集到的数据计算出移动步数，再将该移动步数的数值通过显示屏输出。

对于如何进行运动数据的显示，在本公开中不进行特别限定。除了通过显示屏输出的移动距离与移动步数，还可以通过智能设备的通信硬件，将移动距离与移动步数输出到其他具有显示功能的设备上显示。

例如，与智能设备具有无线和/或有线连接关系的显示设备，将接收到的智能设备确定出的移动距离与移动步数，输出到显示屏进行显示。

另外，对于如何存储用户的运动检测数据，在本公开中不进行特别限定。除了存储在智能设备中，还可以通过智能设备的通信硬件，将存储的运动检测数据上传到服务端进行存储和/或备份。

在一种实现方式中，对于存储在智能设备中的运动检测数据，可以将若干数据作为样本数据，进行数学拟合，获取运动数据中的变量关系。

例如，可以将若干个时段选为样本时段，样本时段对应的数据作为样本数据，将移动步频与移动步幅作为变量，基于已知的样本时段与样本数据，进行数学拟合获得变量关系。

为提高数学拟合的准确性，可以将样本时段确定为第一传感硬件，以及第二传感硬件都未发生异常的时段。

例如，上述样本时段可以包括第一传感硬件的定位信号的强度不低于阈值；并且，第二传感硬件的采集精度不低于阈值的时段。

当然，上述拟合出的变量关系，是针对与运动检测数据相对应的用户，当用户发生变更时，应重新基于新用户的运动检测数据进行变量关系的拟合。

在一种实现方式中，用户在使用智能设备时，可以进行用户身份的绑定，以及用户身份切换。例如，可以通过添加用户身份标识，区分不同的用户。

其中，用户在进行身份绑定时，可以录入身高、体重、年龄等相关信息。

另外，对于用户进行身份绑定和切换的方式，在本公开中不做限定，本领域技术人员可以根据智能设备具体的使用方式进行选择。

相应的，当数据存储在智能设备或服务端时，可以根据不同的用户身份标识，将不同的用户数据分开存储，并为每个用户确定出基于该用户的运动检测数据拟合的变量关系。

具体的，在示出的一种实施方式中，可以建立目标用户的移动步频与移动步幅的第一数学关系；第一数学关系可以基于若干样本时段对应的样本数据进行数据拟合确定，样本数据包括目标用户在样本时段内的移动步频数据与移动步幅数据；

当然，可以建立目标用户的平均移动速度与移动步频的第二数学关系；第二数学关系基于若干样本时段对应的样本数据进行数据拟合确定，样本数据包括目标用户在样本时段内的平均移动速度数据与移动步频数据；

其中，为提高建立的数学关系的准确性，在示出的一种实施方式中，可以将样本时段确定为包括第一传感硬件的定位信号的强度不低于阈值；并且，第二传感硬件的采集精度不低于阈值的时段。

另外，在本公开中，可以由智能设备的处理器，根据存储在智能设备上的若干样本时段对应的样本数据进行数据拟合确定；也可以由服务端，通过接收智能设备发送的运动检测数据，并对若干样本时段对应的样本数据进行数据拟合确定，再将该数学关系下发到智能设备。本公开对此不做限定，本领域技术人员可以根据智能设备的硬件配置进行选择。

上述智能设备在进行运动检测记录数据时，会判断各传感硬件是否处于正常工作状态，包括第一传感硬件的定位信号的强度是否低于阈值，以及第二传感硬件的采集精度是否低于阈值。

其中，上述传感硬件低于阈值时，确定传感硬件处于异常状态，此时传感硬件无法获取运动检测数据或运动检测数据偏差过大。

当第一传感硬件的定位信号的强度低于阈值时，确定第一传感硬件处于异常状态；获取第二传感硬件采集到的目标用户在预设时段内的移动步数，并基于移动步数计算目标用户在预设时段内的移动步频。

例如，在进行六分钟步行试验时，如果室内GPS定位信号很弱，低于试验要求的阈值，通过GPS定位信号无法计算准确的步行距离时；获取ACC三轴加速度传感器采集到的被试者在六分钟内的移动步数，并基于移动步数计算被试者在六分钟内的移动步频；假设被试者在六分钟内的移动步数为900步，则被试者的移动步频为150步/分钟。

在计算出目标用户在预设时段内的移动步频之后，可以基于目标用户的移动步频与移动步幅的第一数学关系，确定与计算出的移动步频对应的移动步幅，并基于移动步幅和移动步数计算目标用户在预设时段内的移动距离。

继续举例，在计算出被试者的移动步频之后，可以基于被试者对应的移动步频与移动步幅的数学关系，确定与计算出的移动步频对应的移动步幅；假设基于该数学关系，当被试者的移动步频为150步/分钟时，确定出的移动步幅为80cm；则根据被试者的移动步频150步/分钟，以及移动步数900步，计算出被试者在六分钟内的移动距离为720m。

智能设备可以根据计算出的移动距离，与如下表1所示的简单判断表进行匹配，确定出六分钟步行试验的判断结果，表1如下所示：

六分钟步行距离	心肺功能水平
		小于150m	重度功能不全
150～425m	中度功能不全
		426～550m	轻度功能不全
大于550m	功能正常

表1

在实际应用中，智能设备可以通过显示屏和/或扬声器输出被试者六分钟步行试验的步行距离和试验结果；进一步的，智能设备还可以根据试验结果输出相关建议。

在示出的一种实施方式中，当第二传感硬件的采集精度低于阈值时，确定第二传感硬件处于异常状态；获取第一传感硬件确定出的目标用户在所述预设时段内的移动距离，并基于移动距离计算目标用户在预设时段内的平均移动速度。

例如，用户在步行时，如果ACC三轴加速度传感器出现异常，数据的偏差值过大，此时采集精度低于阈值，通过ACC三轴加速度传感器无法准确采集用户在预设时段内的移动步数时；假设GPS定位器计算出的用户在6分钟内的移动距离为720m，则用户在6分钟步行期间的平均移动速度是7.2km/h。

在计算出目标用户在预设时段内的平均移动速度之后，可以基于目标用户的平均移动速度与移动步频的第二数学关系，确定与计算出的平均移动速度对应的移动步频，并基于移动步频计算目标用户在预设时段内的移动步数。

继续举例，在计算出用户的平均移动速度之后，可以基于用户对应的平均移动速度与移动步频的数学关系，确定出与计算出的平均移动速度对应的移动步频；假设基于该数学关系，当用户的平均移动速度为7.2km/h时，确定出的移动步频为150步/分钟；则根据用户的移动步频150步/分钟，以及移动时长6分钟，计算出用户在6分钟内的移动步数为900步。

在以上技术方案中，通过智能设备搭载的若干传感器对目标用户进行运动检测，当某一传感器不满足运动检测要求时，将其他传感器获得的运动数据，并基于预先根据该目标用户的样本数据拟合出的数学关系，计算与不满足运动检测要求的传感器对应的运动数据。本公开通过以上技术方案实现了当传感硬件异常时，使用计算出的数据替代异常的传感硬件对应的数据，既保证了数据的完整性和准确度，又提升了用户体验。

请参见图4，图4为本公开示出的一种基于上述智能设备搭建的运动检测系统的架构图。

如图4所示，在上述运动检测系统中，可以包括服务端，以及与上述服务端进行通信的智能设备。

在使用上述智能设备时，用户可以进行身份绑定，或者对已存储在智能设备上的身份信息进行更换。智能设备在确定用户的身份标识之后，可以将后续进行运动检测的数据与该用户的身份标识绑定。其中，具体的绑定过程本领域技术人员可以参照之前实施例的记载，本实施例中不再赘述。

当用户在运动检测过程中，该智能设备可以通过搭载的第一传感硬件来确定目标用户在预设时段内的移动距离，并对第一传感硬件每次进行定位时记录的时间戳、定位信号的强度以及对应的位置等信息进行记录；还可以通过第二传感硬件采集目标用户在预设时段内的移动步数，同时对第二传感硬件每次采样时记录的时间戳、采集到的数据等信息进行记录。其中，具体的传感硬件获取运动数据的过程本领域技术人员可以参照之前实施例的记载，本实施例中不再赘述。

其中，在智能设备获取到目标用户的运动检测数据之后，可以根据目标用户绑定的身份标识，将与该身份标识对应的运动检测数据传输给服务端；服务端再根据用户身份标识将上述数据存储到数据库中。

当服务端接收到上述数据之后，可以基于该用户的运动数据进行数学拟合，确定出针对该用户的数学关系；并将该数学关系发送至智能设备。其中，具体的数学关系建立过程本领域技术人员可以参照之前实施例的记载，本实施例中不再赘述。

上述智能设备在运动检测过程中，可以对传感硬件的工作状态进行判断，当确定某一传感硬件状态异常时，获取其他传感硬件确定的运动检测数据；并基于从服务端的接收的数学关系，计算出传感硬件状态异常期间所对应的运动数据。其中，具体的确定传感硬件状态异常的过程本领域技术人员可以参照之前实施例的记载，本实施例中不再赘述。

可见，当传感硬件异常时，使用计算出的数据替代异常的传感硬件对应的数据，既保证了数据的完整性和准确度，又提升了用户体验。

与上述的一种运动检测方法的实施例相对应，本公开还提供了一种运动检测装置的实施例。

请参见图5，图5为本公开根据一示例性实施例示出的一种运动检测装置的框图，该装置应用于智能设备，所述智能设备搭载了用于确定目标用户在预设时段内的移动距离的第一传感硬件；以及，用于采集所述目标用户在所述预设时段内的移动步数的第二传感硬件；所述装置包括：

第一判断单元501，用于判断所述第一传感硬件的定位信号的强度是否低于阈值；其中，所述定位信号用于确定所述目标用户在所述预设时段内的移动距离；

第一计算单元502，用于在所述定位信号的强度低于阈值时，获取所述第二传感硬件采集到的所述目标用户在所述预设时段内的移动步数，并基于所述移动步数计算所述目标用户在所述预设时段内的移动步频；

第二计算单元503，用于基于所述目标用户的移动步频与移动步幅的第一数学关系，确定与计算出的所述移动步频对应的移动步幅，并基于所述移动步幅和所述移动步数计算所述目标用户在所述预设时段内的移动距离。

可选的，所述装置还包括：

第二判断单元，用于判断所述第二传感硬件的采集精度是否低于阈值；

第三计算单元，用于在所述采集精度低于阈值时，获取所述第一传感硬件确定出的所述目标用户在所述预设时段内的移动距离，并基于所述移动距离计算所述目标用户在所述预设时段内的平均移动速度；

第四计算单元，用于基于所述目标用户的平均移动速度与移动步频的第二数学关系，确定与计算出的所述平均移动速度对应的移动步频，并基于所述移动步频计算所述目标用户在所述预设时段内的移动步数。

可选的，所述定位信号包括卫星定位信号；所述第一传感硬件包括卫星定位器。

可选的，所述卫星定位器包括GPS定位器。

可选的，所述第二传感硬件包括加速度传感器；或者，

所述第二传感硬件包括陀螺仪和加速度传感器。

可选的，所述加速度传感器包括ACC三轴加速度传感器。

可选的，所述第一数学关系基于若干样本时段对应的样本数据进行数据拟合确定，所述样本数据包括所述目标用户在所述样本时段内的移动步频数据与移动步幅数据；

所述第二数学关系基于若干样本时段对应的样本数据进行数据拟合确定，所述样本数据包括所述目标用户在所述样本时段内的平均移动速度数据与移动步频数据。

可选的，所述样本时段包括所述第一传感硬件的定位信号的强度不低于阈值；并且，所述第二传感硬件的采集精度不低于阈值的时段。

可选的，所述智能设备包括可穿戴设备。

可选的，所述可穿戴设备包括用于进行运动检测的智能手环或智能手表。

关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在相关方法的实施例中进行了详细描述，此处将不做详细阐述说明。

对于装置实施例而言，由于其基本对应于方法实施例，所以相关之处参见方法实施例的部分说明即可。以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理模块，即可以位于一个地方，或者也可以分布到多个网络模块上。可以根据实际的需要选择其中的部分或者全部模块来实现本公开方案的目的。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。

请参见图6，与上述方法实施例相对应，本公开还提供了一种智能设备的实施例。

如图6所示，该智能设备包括：

第一传感硬件，用于确定目标用户在预设时段内的移动距离；

第二传感硬件，用于采集所述目标用户在所述预设时段内的移动步数；

处理器，以及用于存储所述处理器可执行指令的存储器；其中，处理器和存储器通常通过内部总线相互连接。上述处理器可以采用通用的CPU(Central Processing Unit，中央处理器)、微处理器、应用专用集成电路(Application Specific Integrated Circuit，ASIC)、或者一个或多个集成电路等方式实现，用于执行相关程序，以实现本公开实施例所提供的技术方案。

在本实施例中，通过读取并执行所述存储器存储的与运动检测的控制逻辑对应的机器可执行指令，所述处理器被促使：

判断所述第一传感硬件的定位信号的强度是否低于阈值；其中，所述定位信号用于确定所述目标用户在所述预设时段内的移动距离；

如果所述定位信号的强度低于阈值，获取所述第二传感硬件采集到的所述目标用户在所述预设时段内的移动步数，并基于所述移动步数计算所述目标用户在所述预设时段内的移动步频；

基于所述目标用户的移动步频与移动步幅的第一数学关系，确定与计算出的所述移动步频对应的移动步幅，并基于所述移动步幅和所述移动步数计算所述目标用户在所述预设时段内的移动距离。

在本实施例中，通过读取并执行所述存储器存储的与运动检测的控制逻辑对应的机器可执行指令，所述处理器还被促使：

判断所述第二传感硬件的采集精度是否低于阈值；

如果所述采集精度低于阈值，获取所述第一传感硬件确定出的所述目标用户在所述预设时段内的移动距离，并基于所述移动距离计算所述目标用户在所述预设时段内的平均移动速度；

基于所述目标用户的平均移动速度与移动步频的第二数学关系，确定与计算出的所述平均移动速度对应的移动步频，并基于所述移动步频计算所述目标用户在所述预设时段内的移动步数。

在本实施例中，所述定位信号包括卫星定位信号；所述第一传感硬件包括卫星定位器。具体的，所述卫星定位器包括GPS定位器。

在本实施例中，所述第二传感硬件包括加速度传感器；或者，所述第二传感硬件包括陀螺仪和加速度传感器。具体的，所述加速度传感器包括ACC三轴加速度传感器。

在本实施例中，所述智能设备包括可穿戴设备。具体的，所述可穿戴设备包括用于进行运动检测的智能手环。

在本实施例中，所述第一数学关系基于若干样本时段对应的样本数据进行数据拟合确定，所述样本数据包括所述目标用户在所述样本时段内的移动步频数据与移动步幅数据；

所述第二数学关系基于若干样本时段对应的样本数据进行数据拟合确定，所述样本数据包括所述目标用户在所述样本时段内的平均移动速度数据与移动步频数据；

具体的，所述样本时段包括所述第一传感硬件的定位信号的强度不低于阈值；并且，所述第二传感硬件的采集精度不低于阈值的时段。

本公开的实施例还提出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上述任一实施例所述方法中的步骤。

请参见图7，与上述方法实施例相对应，本公开还提供了一种用于运动检测的装置700的示意框图。

例如，装置700可以是智能手机，智能手环，智能手表，游戏控制台，平板设备，医疗设备，健身设备，个人数字助理等。

如图7所示，装置700可以包括以下一个或多个组件：处理组件702，存储器704，电源组件706，多媒体组件708，音频组件710，输入/输出(I/O)的接口712，传感器组件714，以及通信组件716。

处理组件702通常控制装置700的整体操作，诸如与显示，数据通信，检测操作和记录操作相关联的操作。处理组件702可以包括一个或多个处理器720来执行指令，以完成上述的方法的全部或部分步骤。此外，处理组件702可以包括一个或多个模块，便于处理组件702和其他组件之间的交互。例如，处理组件702可以包括多媒体模块，以方便多媒体组件708和处理组件702之间的交互。

存储器704被配置为存储各种类型的数据以支持在装置700的操作。这些数据的示例包括用于在装置700上操作的任何应用程序或方法的指令，运动检测数据，通知等。存储器704可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(SRAM)，电可擦除可编程只读存储器(EEPROM)，可擦除可编程只读存储器(EPROM)，可编程只读存储器(PROM)，只读存储器(ROM)，磁存储器，快闪存储器，磁盘或光盘。

电源组件706为装置700的各种组件提供电力。电源组件706可以包括电源管理系统，一个或多个电源，及其他与为装置700生成、管理和分配电力相关联的组件。

多媒体组件708包括在所述装置700和用户之间的提供一个输出接口的屏幕。在一些实施例中，屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。如果屏幕包括触摸面板，屏幕可以被实现为触摸屏，以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界，而且还检测与所述触摸或滑动操作相关的持续时间和压力。

音频组件710被配置为输出和/或输入音频信号。例如，音频组件710包括一个麦克风(MIC)，当装置700处于操作模式，如记录模式和语音识别模式时，麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器704或经由通信组件716发送。在一些实施例中，音频组件710还包括一个扬声器，用于输出音频信号。

I/O接口712为处理组件702和外围接口模块之间提供接口，上述外围接口模块可以是点击轮，按钮等。这些按钮可包括但不限于：主页按钮、音量按钮、启动按钮和锁定按钮。

传感器组件714包括一个或多个传感器，用于为装置700提供各个方面的状态评估。例如，传感器组件714可以检测到装置700的打开/关闭状态，组件的相对定位，例如所述组件为装置700的GPS定位器和ACC三轴加速度传感器，传感器组件714还可以检测装置700或装置700一个组件的位置改变，用户与装置700接触的存在或不存在，装置700方位或加速/减速和装置700的温度变化。传感器组件714可以包括接近传感器，被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件714还可以包括光传感器，如CMOS或CCD图像传感器，用于在成像应用中使用。在一些实施例中，该传感器组件714还可以包括加速度传感器，陀螺仪传感器，磁传感器，压力传感器或温度传感器。

通信组件716被配置为便于装置700和其他设备之间有线或无线方式的通信。装置700可以接入基于通信标准的无线网络，如WiFi，2G或3G，4GLTE、5G NR或它们的组合。在一个示例性实施例中，通信组件716经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中，所述通信组件716还包括近场通信(NFC)模块，以促进短程通信。例如，在NFC模块可基于射频识别(RFID)技术，红外数据协会(IrDA)技术，超宽带(UWB)技术，蓝牙(BT)技术和其他技术来实现。

在示例性实施例中，装置700可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述任一实施例所述的方法。

在示例性实施例中，还提供了一种包括指令的非临时性计算机可读存储介质，例如包括指令的存储器704，上述指令可由装置700的处理器720执行以完成上述方法。例如，所述非临时性计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。

图8是根据一示例性实施例示出的一种用于运动检测的装置800的框图。例如，装置800可以被提供为一服务器。参照图8，装置800包括处理组件822，其进一步包括一个或多个处理器，以及由存储器832所代表的存储器资源，用于存储可由处理部件822的执行的指令，例如应用程序。存储器832中存储的应用程序可以包括一个或一个以上的每一个对应于一组指令的模块。此外，处理组件822被配置为执行指令，以执行上述方法……

装置800还可以包括一个电源组件826被配置为执行装置800的电源管理，一个有线或无线网络接口850被配置为将装置800连接到网络，和一个输入输出(I/O)接口858。装置800可以操作基于存储在存储器832的操作系统，例如Windows ServerTM，Mac OS XTM，UnixTM,LinuxTM，FreeBSDTM或类似。

本领域技术人员在考虑说明书及实践这里公开的公开后，将容易想到本公开的其它实施方案。本公开旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由下面的权利要求指出。

应当理解的是，本公开并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。

Claims (14)

1.一种运动检测方法，应用于智能设备，其特征在于，所述智能设备搭载了用于确定目标用户在预设时段内的移动距离的第一传感硬件；以及，用于采集所述目标用户在所述预设时段内的移动步数的第二传感硬件；所述方法包括：

判断所述第一传感硬件的定位信号的强度是否低于阈值；其中，所述定位信号用于确定所述目标用户在所述预设时段内的移动距离；

如果所述定位信号的强度低于阈值，获取所述第二传感硬件采集到的所述目标用户在所述预设时段内的移动步数，并基于所述移动步数计算所述目标用户在所述预设时段内的移动步频；

基于所述目标用户的移动步频与移动步幅的第一数学关系，确定与计算出的所述移动步频对应的移动步幅，并基于所述移动步幅和所述移动步数计算所述目标用户在所述预设时段内的移动距离。

2.根据权利要求1所述的方法，所述方法还包括：

判断所述第二传感硬件的采集精度是否低于阈值；

如果所述采集精度低于阈值，获取所述第一传感硬件确定出的所述目标用户在所述预设时段内的移动距离，并基于所述移动距离计算所述目标用户在所述预设时段内的平均移动速度；

基于所述目标用户的平均移动速度与移动步频的第二数学关系，确定与计算出的所述平均移动速度对应的移动步频，并基于所述移动步频计算所述目标用户在所述预设时段内的移动步数。

3.根据权利要求1所述的方法，所述定位信号包括卫星定位信号；所述第一传感硬件包括卫星定位器。

4.根据权利要求3所述的方法，所述卫星定位器包括GPS定位器。

5.根据权利要求1所述的方法，所述第二传感硬件包括加速度传感器；或者，

所述第二传感硬件包括陀螺仪和加速度传感器。

6.根据权利要求5所述的方法，所述加速度传感器包括ACC三轴加速度传感器。

7.根据权利要求2所述的方法，所述第一数学关系基于若干样本时段对应的样本数据进行数据拟合确定，所述样本数据包括所述目标用户在所述样本时段内的移动步频数据与移动步幅数据；

所述第二数学关系基于若干样本时段对应的样本数据进行数据拟合确定，所述样本数据包括所述目标用户在所述样本时段内的平均移动速度数据与移动步频数据。

8.根据权利要求7所述的方法，所述样本时段包括所述第一传感硬件的定位信号的强度不低于阈值；并且，所述第二传感硬件的采集精度不低于阈值的时段。

9.根据权利要求1-8任意一项所述的方法，所述智能设备包括可穿戴设备。

10.根据权利要求9所述的方法，所述可穿戴设备包括用于进行运动检测的智能手环或智能手表。

11.一种运动检测装置，应用于智能设备，其特征在于，所述智能设备搭载了用于确定目标用户在预设时段内的移动距离的第一传感硬件；以及，用于采集所述目标用户在所述预设时段内的移动步数的第二传感硬件；所述装置包括：

第一判断单元，用于判断所述第一传感硬件的定位信号的强度是否低于阈值；其中，所述定位信号用于确定所述目标用户在所述预设时段内的移动距离；

第一计算单元，用于在所述定位信号的强度低于阈值时，获取所述第二传感硬件采集到的所述目标用户在所述预设时段内的移动步数，并基于所述移动步数计算所述目标用户在所述预设时段内的移动步频；

第二计算单元，用于基于所述目标用户的移动步频与移动步幅的第一数学关系，确定与计算出的所述移动步频对应的移动步幅，并基于所述移动步幅和所述移动步数计算所述目标用户在所述预设时段内的移动距离。

12.根据权利要求11所述的装置，所述装置还包括：

第二判断单元，用于判断所述第二传感硬件的采集精度是否低于阈值；

第三计算单元，用于在所述采集精度低于阈值时，获取所述第一传感硬件确定出的所述目标用户在所述预设时段内的移动距离，并基于所述移动距离计算所述目标用户在所述预设时段内的平均移动速度；

第四计算单元，用于基于所述目标用户的平均移动速度与移动步频的第二数学关系，确定与计算出的所述平均移动速度对应的移动步频，并基于所述移动步频计算所述目标用户在所述预设时段内的移动步数。

13.一种智能设备，其特征在于，包括：

第一传感硬件，用于确定目标用户在预设时段内的移动距离；

第二传感硬件，用于采集所述目标用户在所述预设时段内的移动步数；

处理器，以及用于存储所述处理器可执行指令的存储器；

其中，所述处理器，被配置为执行上述权利要求1-10任一所述的方法。

14.一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权利要求1至10任一项所述方法。

Images