一种基于模板匹配识别的计步方法与流程

本发明涉及一种计步方法，具体是一种基于模板匹配识别的计步方法。

背景技术：

当前随着移动终端设备的普及，人们为了自己的使用需求，人们会将各种各样的程序下载到自己的手机中，随着全民健身理念的推广，人们对于自身的健康知识越来越重视，人们会在自己的手机中下载各种运动程序，计步器就是其中一种，计步器已经集成到大多数的移动手机等终端中。计步器是通过统计步数、距离、速度、时间等数据，测算卡路里或热量消耗，用以掌控运动量，防止运动量不足或运动过量的一种工具。现有计步器实现计步的原理大多是基于加速度传感器(三轴)实现的，利用加速度传感器计步目前有的将其固定在人体腿部，有的固定在手臂，有的固定在腰部。而根据人体运动原理，人在行走时，重心垂直方向会有运动。同时，腿部和手臂是自由摆动的，会有相应的运动数据产生。因此市面上的计步器基本放置在人体腿部、手臂、腰部三个位置。这三个位置中，固定在腰部时候测量结果最稳定。但是由于放在腰部时候运动数据的波峰较放在手、腿时幅度小，因此亟需一种更加精确和稳定的计步方法及终端。

另外，人运动的状态基本可以分为走路和跑步两种；其中，走路和跑步在具体数据显示来看只是运动的波峰差距有非常大的区别。而市面上对于走路和跑步这两种状态的区分度不大。要不仅仅都算做一个计步，但这两种运动对应消耗的热量不同。因此，准确的区分这两种不同消耗的状态是很有必要的，而且要快速准确的判别，最终显示步数或者热量的时候，跑步状态的需要做加权处理，将实际的多余热量消耗计算进去。

当前随着物联网及可移动设备的不断普及，加之当前智能手机数量及功能的完善，使得计步装置可以集成到其他电子设备中，因此亟需一种能准确计步、适用环境广泛、方便使用的计步方法及装置。加之，当前人们对于娱乐、体育的重视度增强，因此需要计步装置不仅能计步，而且能识别走路及跑步等不同时刻的数据，基于这些数据可以计算得出个人的能量卡路里消耗，便于保持健康的身体。

由于目前可移动设备使用的多样化，集成的计步装置可能放到上衣口袋，下肢口袋、固定在手臂或者腿部等多种情况。因此，普通的固定在腿部或者单独位置的设备很难满足或者很难有效测量用户真实的运动数据，这就为使用者带来了不便。

技术实现要素：

本发明的目的在于提供一种基于模板匹配识别的计步方法，以解决上述背景技术中提出的问题。

为实现上述目的，本发明提供如下技术方案：

一种基于模板匹配识别的计步方法，具体步骤如下：

步骤一，数据采集模块获取加速度传感器的模拟数据；

步骤二，模数转换模块将模拟数据转换为数字数据；

步骤三，提取走路和跑步两种状态模板的特征向量数组的数值；

步骤四，设置两种状态的模式识别阈值及其他基础数据；

步骤五，不断获得步骤一得到的数字数据，将其处理后进行匹配识别；

步骤六，得出真实运动数据和模板数据的近似度；

步骤七，判断是否计步，不断更新显示数据；

步骤八，不断循环步骤四到步骤六，直至结束，得出总计计步数据统计。

作为本发明进一步的方案：数字数据采用有线直连方式、蓝牙、wifi的方式传输。

作为本发明进一步的方案：模式匹配识别处理时先获取模型特征向量值，模型特征向量值的获取通过技术人员出厂前设置或者用户几次测试自动获得。

为本发明进一步的方案，所述方法还包括判断是否达到预设训练条件；

若达到预设训练条件，执行所述获取一段历史计步时间内的加速度数据的步骤。

与现有技术相比，本发明的有益效果是：本方法通过提前统计和测试加速度传感器的一些数据，得到标准化模板，在使用过程中，通过不断运动产生的数据跟模板进行匹配识别处理，当真实运动数据与模板数据在计步统计内，则进行计步；此方法简便且易于实现，并且精确度很高。另外，模板数据可以通过不同个体的特征，随着使用，进行累积统计并动态修正得出。

附图说明

图1为基于模板匹配识别的计步方法的流程示意图。

图2为基于模板匹配识别的计步方法的模块图。

图3为基于模板匹配识别的计步方法中模式分析匹配模块的工作流程图

图4为图1基于模板匹配识别的计步方法中加速传感器所示的运动轨迹图。

具体实施方式

下面结合具体实施方式对本专利的技术方案作进一步详细地说明。

实施例1

基于不同个体走路及跑步的基本物理模型分析，人在走路及跑步状态下，不论手臂时候摆动，肯定的一点是，人体的重心都会有垂直方向的上下运动，通过检测获得数字数据打印出形成的近似sin(x)图像，但是只是上半部分的。因此本发明基于建模分析后，准备通过下述方式进行计步：首先获取加速度传感器的数字数据，即用户真实运动数据；用一个特征向量数组保存经过大量实验测试得到的人体基本的走路及跑步的特征向量值数组的数字个数用n表示，代表提取一个计步波段里的多少个特征值作为模板，数组里对应的值则是运动特定时刻的波峰值，不同波峰值代表人重心垂直方向的相对高度值，由于有走路和跑步两种状态，因此需要两个数组来分别统计对应状态的模板值；此外，还需要设置其他一些基础数据样本数组：用于保存对应的走路或跑步状态时对应的真实运动数据，数组数值个数跟对应的走路、跑步时的特征向量数组的个数一样，(仅需一个样本数组即可)，比如，不断运动过程中的数据不可能每个数据一收到就存入样本数组，因此需要一个识别阈值，只有超过此阈值的值及其后面的n个数值才会存入样本数组跟对应的特征向量数组进行匹配。

一种基于模板匹配识别的计步方法，具体步骤如下：

步骤一，获得步数模式的模板数据，加速度传感器中读取的数据是模拟数据，需要经过一定处理转换成数字数据，最终得到运动轨迹的(x，y)坐标值。其中y为运动的波高，数字数据通过有线直连方式或者无线的方式发送给处理器，有线直连方式说明多个功能模块都是集成在一起，不分开，无线发送方式有蓝牙、wifi等方式，便于各个模块分别放置不同位置；

步骤二，设置识别阈值，输入匹配识别数据；

步骤三，进行模式匹配识别处理，获取模型特征向量值v[n],其中n为有效数值的个数(具体个数通过多次试验统计获得)，确定一些基础值n，t，e，t-sim的值，t为threshold阈值(即有效数值采集、对比基数值，当真实用户运动数据超过t值时，将其采集进s[n]用户运动数组中)，e为error误差值(即真实数值与对应的特征向量值的绝对值差值)，s[n]是与模板特征向量值数组对应的真实用户运动数据数组，n对应的v[n]中的，f(1,2,......i,n):获得v[n]中的第i个的具体数值的函数f(i)，f(1,f2,.......i,n):获得s[n]中对应的第i个的具体数值的函数f(i)；sim(f,f):真实数据值与模板对应值的近似度函数，结果为百分百％(1％-100％)，如下公式所示则，就是从1到n个数组中的数据，依次对应进行比对，若v[n]中对应的值fi与s[n]中对应的值fi的绝对值小于t，则表示数据属于有效步数中的数据，算作1，否则算0。最终将n个数值都进行处理后，相加。最后再除以n，得到此次的n个数值有多少个是一个完整步数中的有效值，最终转换为百分百，t-sim:近似度阈值(sim(f,f)),值为百分比，作为此次真实数据s[n]是否是一个有效步数的判断基础，p是pace步数统计值，p为自然数，初始值为0，通过不断接收到的加速度数字数值，每发送过数值，将数值存入s[n]中，假设传送过来的数据标记是：d1,d2,di,d100,则第一次处理时，将d1到dn个值存入s[n]，识别完毕后，将d2到dn+1的值存入s[n]中，以此类推获取好各种数据后，进行模式匹配处理并获得sim(f,f)；

步骤四，此次的n个数据对应的匹配度，如果sim(f,f)>t-sim,则p加一，算作此次匹配成功，s[n]数据情况，重新获得新数据并继续进行匹配得出模式的近似度值，在最后结束的时候，输出p的值就可以知道总共走了多少步，后续其他数据都可以通过p得到，则成功计步并且结束。走路和跑步两种状态对应着上述两套不同的数据系列。而跑步时候的加权值用小写v表示。在用户不断运动过程中，真实运动数据传输到分析处理模块的时候，根据不同的阈值，首先进行跑步判断，再进行走路判断，当跑步计步成功时，不论走路是否计步成功，均算作一次跑步状态的计步成功，最终计步结果不是累计加1，而是加1*v，走路的计步自动累加为0。若跑步计步不成功，则进行走路的正常计步。

对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。

此外，应当理解，虽然本说明书按照实施方式加以描述，但并非每个实施方式仅包含一个独立的技术方案，说明书的这种叙述方式仅仅是为清楚起见，本领域技术人员应当将说明书作为一个整体，各实施例中的技术方案也可以经适当组合，形成本领域技术人员可以理解的其他实施方式。