步伐检测的方法、装置、检测设备以及计算机存储介质与流程

[0001]
本申请涉及数据检测技术领域，尤其涉及一种步伐检测的方法、装置、检测设备以及计算机存储介质。


背景技术：

[0002]
随着科技的发展，一种通过手机，智能手环等智能设备对使用者进行步伐检测的技术逐渐走进人们的视野。尤其是当一些应用软件推出步伐检测的相关功能后，使用该项技术的用户越来越多。步伐检测能反映出使用者一段时间内的运动状态，可以利用其步伐数据实现健康监测或者位置服务等功能。
[0003]
但是，在现有的步伐检测方法中，在用户手持可用于步伐检测的智能设备或者手上穿戴智能设备来进行步伐检测的过程中，往往会因为用户手部的运动的干扰，引起用户步伐的误检测，从而导致步伐检测数据的准确度降低，不能准确反映用户的运动状态。


技术实现要素：

[0004]
有鉴于此，本申请提供一种步伐检测的方法、装置、检测设备以及计算机存储介质，以解决现有技术中由于用户手部的运动的干扰，引起用户步伐的误检测，从而导致步伐检测数据的准确度降低，不能准确反映用户的运动状态的问题。
[0005]
为实现上述目的，本申请提供如下技术方案：
[0006]
本申请第一方面公开了一种步伐检测的方法，包括：
[0007]
读取当前读取周期内的多个角速度数据；其中，所述角速度数据由角速度检测设备检测物体运动而得到；
[0008]
利用所述角速度数据计算得到物体累积动作姿态值；
[0009]
利用所述物体累积动作姿态值，判断所述物体在所述当前读取周期内的运动，是否符合步行运动的要求；
[0010]
若判断出所述物体在所述当前读取周期内的运动，符合步行运动的要求，则记录在所述当前读取周期内检测到步伐产生。
[0011]
可选的，上述的方法，所述利用所述角速度数据计算得到物体累积动作姿态值，包括：
[0012]
利用所述角速度数据，计算出所述角速度检测设备的俯仰角、横滚角以及方位角；
[0013]
计算所述俯仰角、所述横滚角以及所述方位角，得到所述物体累积动作姿态值。
[0014]
可选的，上述的方法，所述利用所述物体累积动作姿态值，判断所述物体在所述当前读取周期内的运动，是否符合步行运动的要求，包括：
[0015]
判断所述物体累积动作姿态值是否不大于第一阈值；其中，所述第一阈值指代步行运动时物体姿态值的最高值；
[0016]
若判断出所述物体累积动作姿态值不大于所述第一阈值，则判断出所述物体在所述当前读取周期内的运动，符合步行运动的要求。
[0017]
可选的，上述的方法，所述记录在所述当前读取周期内检测到步伐产生之后，还包括：
[0018]
获取检测到当前步伐的时间以及上一次检测到步伐的时间；
[0019]
将所述检测到当前步伐的时间以及所述上一次检测到步伐的时间进行做差，得到迈步周期；
[0020]
将所述迈步周期与预设的倍数因子相乘，得到时间长度，并将所述时间长度设置为所述读取周期。
[0021]
本申请第二方面公开了一种步伐检测的方法，包括：
[0022]
分别读取当前读取周期内的多个加速度数据、以及所述当前读取周期内的多个角速度数据；其中，所述加速度数据由加速度检测设备检测物体运动而得到；所述角速度数据由角速度检测设备检测物体运动而得到；
[0023]
针对所述当前读取周期内的多个加速度数据，计算得到所述当前读取周期内的多个加速度数据对应的时域数据；并分别判断所述时域数据是否符合步伐数据的时域特性，以及利用所述时域数据，判断所述物体在所述当前读取周期内的运动，是否符合步伐的频率要求；
[0024]
针对当前读取周期内的多个角速度数据，利用所述角速度数据计算得到物体累积动作姿态值；并利用所述物体累积动作姿态值，判断所述物体在所述当前读取周期内的运动，是否符合步行运动的要求；
[0025]
若判断出所述时域数据符合步伐数据的时域特性，判断出所述物体在所述当前读取周期内的运动符合步伐的频率要求，以及判断出所述物体在所述当前读取周期内的运动，符合步行运动的要求，则记录在所述当前读取周期内检测到步伐产生。
[0026]
可选的，上述的方法，所述利用所述角速度数据计算得到物体累积动作姿态值，包括：
[0027]
利用所述角速度数据，计算出所述角速度检测设备的俯仰角、横滚角以及方位角；
[0028]
计算所述俯仰角、所述横滚角以及所述方位角，得到所述物体累积动作姿态值。
[0029]
本申请第三方面公开了一种步伐检测的装置，包括：
[0030]
第一读取单元，用于读取当前读取周期内的多个角速度数据；其中，所述角速度数据由角速度检测设备检测物体运动而得到；
[0031]
第一计算单元，用于利用所述角速度数据计算得到物体累积动作姿态值；
[0032]
第一判断单元，用于利用所述物体累积动作姿态值，判断所述物体在所述当前读取周期内的运动，是否符合步行运动的要求；
[0033]
第一记录单元，用于若判断出所述物体在所述当前读取周期内的运动，符合步行运动的要求，则记录在所述当前读取周期内检测到步伐产生。
[0034]
可选的，上述的装置，所述第一计算单元，包括：
[0035]
第一计算子单元，用于利用所述角速度数据，计算出所述角速度检测设备的俯仰角、横滚角以及方位角；
[0036]
第二计算子单元，用于计算所述俯仰角、所述横滚角以及所述方位角，得到所述物体累积动作姿态值。
[0037]
可选的，上述的装置，所述第一判断单元，包括：
[0038]
第一判断子单元，用于判断所述物体累积动作姿态值是否不大于第一阈值；其中，所述第一阈值指代步行运动时物体姿态值的最高值；
[0039]
第二判断子单元，用于若判断出所述物体累积动作姿态值不大于所述第一阈值，则判断出所述物体在所述当前读取周期内的运动，符合步行运动的要求。
[0040]
可选的，上述的装置，还包括：
[0041]
获取单元，用于获取检测到当前步伐的时间以及上一次检测到步伐的时间；
[0042]
周期计算单元，用于将所述检测到当前步伐的时间以及所述上一次检测到步伐的时间进行做差，得到迈步周期；
[0043]
设置单元，用于将所述迈步周期与预设的倍数因子相乘，得到时间长度，并将所述时间长度设置为所述读取周期。
[0044]
本申请第四方面公开了一种步伐检测的装置，包括：
[0045]
第二读取单元，用于分别读取当前读取周期内的多个加速度数据、以及所述当前读取周期内的多个角速度数据；其中，所述加速度数据由加速度检测设备检测物体运动而得到；所述角速度数据由角速度检测设备检测物体运动而得到；
[0046]
第二计算单元，用于针对所述当前读取周期内的多个加速度数据，计算得到所述当前读取周期内的多个加速度数据对应的时域数据；并分别判断所述时域数据是否符合步伐数据的时域特性，以及利用所述时域数据，判断所述物体在所述当前读取周期内的运动，是否符合步伐的频率要求；
[0047]
第二判断单元，用于针对当前读取周期内的多个角速度数据，利用所述角速度数据计算得到物体累积动作姿态值；并利用所述物体累积动作姿态值，判断所述物体在所述当前读取周期内的运动，是否符合步行运动的要求；
[0048]
第二记录单元，用于若判断出所述时域数据符合步伐数据的时域特性，判断出所述物体在所述当前读取周期内的运动符合步伐的频率要求，以及判断出所述物体在所述当前读取周期内的运动，符合步行运动的要求，则记录在所述当前读取周期内检测到步伐产生。
[0049]
可选的，上述的装置，所述第二计算单元，包括：
[0050]
第三计算子单元，用于利用所述角速度数据，计算出所述角速度检测设备的俯仰角、横滚角以及方位角；
[0051]
第四计算子单元，用于计算所述俯仰角、所述横滚角以及所述方位角，得到所述物体累积动作姿态值。
[0052]
本申请第五方面公开了一种检测设备，包括：
[0053]
一个或多个处理器；
[0054]
存储装置，其上存储有一个或多个程序；
[0055]
当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现如本申请第一方面和第二方面中任意一项所述的方法。
[0056]
本申请第六方面公开了一种计算机可读介质，其上存储有计算机程序，其中，所述计算机程序被处理器执行时实现如本申请第一方面和第二方面中任意一项所述的方法。
[0057]
从上述技术方案可以看出，本申请提供的一种步伐检测的方法中，首先读取当前读取周期内的多个角速度数据。其中，角速度数据由角速度检测设备检测物体运动而得到。
再利用角速度数据计算得到物体累积动作姿态值。然后利用物体累积动作姿态值，判断物体在当前读取周期内的运动，是否符合步行运动的要求。若判断出物体在当前读取周期内的运动，符合步行运动的要求，则记录在当前读取周期内检测到步伐产生。由此可见，在对步伐进行检测的过程中，会通过物体累积动作姿态值检测其候选步伐是否与手部剧烈运动相关，可以有效的防止手部动作导致的误检测操作。因此，解决了现有技术中由于用户手部的运动的干扰，引起用户步伐的误检测，从而导致步伐检测数据的准确度降低，不能准确反映用户的运动状态的问题。
附图说明
[0058]
为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的实施例，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，还可以根据提供的附图获得其他的附图。
[0059]
图1为本申请实施例公开的一种步伐检测的方法的流程图；
[0060]
图2为本申请另一实施例公开的另一种步伐检测的方法的流程图；
[0061]
图3为本申请另一实施例公开的步骤s202的一种实施方式的流程图；
[0062]
图4为本申请另一实施例公开的一种步伐检测的装置示意图；
[0063]
图5为本申请另一实施例公开的另一种步伐检测的装置示意图；
[0064]
图6为本申请另一实施例公开的一种检测设备的示意图。
具体实施方式
[0065]
下面将结合本申请实施例中的附图，对本申请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申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，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，都属于本申请保护的范围。
[0066]
在本申请中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
[0067]
并且，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。
[0068]
由背景技术可知，在现有的步伐检测方法中，在用户手持可用于步伐检测的智能设备或者手上穿戴智能设备来进行步伐检测的过程中，往往会因为用户手部的运动的干扰，引起用户步伐的误检测，从而导致步伐检测数据的准确度降低，不能准确反映用户的运动状态。
[0069]
鉴于此，本申请提供了一种步伐检测的方法、装置、检测设备以及计算机存储介质，以解决现有技术中由于用户手部的运动的干扰，引起用户步伐的误检测，从而导致步伐
检测数据的准确度降低，不能准确反映用户的运动状态的问题。
[0070]
本申请实施例提供了一种步伐检测的方法，如图1所示，具体包括：
[0071]
s101、读取当前读取周期内的多个角速度数据；其中，角速度数据由角速度检测设备检测物体运动而得到。
[0072]
需要说明的是，在进行步伐的检测时，需要按照一定的时间周期去读取物体的角速度数据，其中，角速度数据由角速度检测设备检测物体运动而得到。例如，时间周期的长度可以设置为1秒，角速度检测设备可以是用户所使用的手机、智能手环等智能设备中的角速度传感器，例如智能手机中的陀螺仪传感器。当用户发生运动时，用户所携带的智能设备也会随之运动，此时智能设备中的角速度传感器会检测到智能设备运动所产生的角速度数据。
[0073]
其中，读取角速度数据的频率可以根据实际情况进行设定，为了数据的准确性，读取角速度数据的频率一般不低20hz，因为低于20hz会影响系统性能，此处相当于基于传感器对人的行走过程进行采样，采样频率越高越能还原最原始的运动信息，频率过低会丢失部分信息。为了方便数据管理，可以选择将当前读取周期内的多个角速度数据按照角速度检测设备的检测顺序存入队列中，队列的时间长度与上述预先设置的读取角速度数据时间周期一致，例如上述时间周期的长度设置为1秒，则该队列的时间长度也为一秒。在将数据存入队列时，如果队列里首位数据到末位数据的长度小于队列的时间长度，则数据直接从队列的尾部添加进队列；如果队列里首位数据到末位数据的长度已经达到队列的时间长度，则每次新数据从队列尾部添加进队列时，同时剔除相应的队列头部数据，保持队列的时间长度。
[0074]
s102、利用角速度数据计算得到物体累积动作姿态值。
[0075]
需要说明的是，读取到当前读取周期内的多个角速度数据之后，则利用角速度数据计算得到物体累积动作姿态值。其中，物体累积动作姿态值为智能设备在一个读取周期内所有手部运动姿态角的累积值。在用户在手持可用于步伐检测的智能设备或者手上穿戴智能设备时，基于人的行走习惯，正常行走很少会同时手部会具有较大的动作。而当手部动作较大时，物体累积动作姿态值会相对比较大，因此可以通过计算得到的物体累积动作姿态值来判断物体当前的运动是否是用户的手部剧烈运动引起的。
[0076]
可选的，在本申请的另一实施例中，步骤s102的一种实施方式，可以包括：
[0077]
利用角速度数据，计算出角速度检测设备的俯仰角、横滚角以及方位角、计算俯仰角、横滚角以及方位角，得到物体累积动作姿态值。
[0078]
需要说明的是，利用角速度传感器检测得到的角速度数据[w
x
,w
y
,w
z
]
t
，代入公式：
[0079][0080]
计算出三个手部运动姿态角[pitch，roll，yaw]
t
,其中，pitch为俯仰角、roll为横滚角、yaw为方位角。然后将俯仰角、横滚角以及方位角进行求和，得到物体累积动作姿态值。
[0081]
s103、利用物体累积动作姿态值，判断物体在当前读取周期内的运动，是否符合步行运动的要求。
[0082]
需要说明的是，在用户在手持可用于步伐检测的智能设备或者手上穿戴智能设备时，基于人的行走习惯，正常行走很少会同时手部会具有较大的动作。而当手部动作较大时，物体累积动作姿态值会相对比较大，因此可以通过计算得到的物体累积动作姿态值来判断物体当前的运动是否是用户的手部剧烈运动引起的，从而判断物体当前的运动是否符合步行运动的要求。
[0083]
可选的，在本申请的另一实施例中，步骤s103的一种实施方式，可以包括：
[0084]
判断物体累积动作姿态值是否不大于第一阈值；其中，第一阈值指代步行运动时物体姿态值的最高值；
[0085]
若判断出物体累积动作姿态值不大于第一阈值，则判断出物体在当前读取周期内的运动，符合步行运动的要求。
[0086]
需要说明的是，可以根据实际情况设定一个阈值，只要物体累积动作姿态值超过该阈值，就说明当前物体的运动是由手部剧烈运动引起的运动。因此，将物体累积动作姿态值与预设的阈值进行对比，如果物体累积动作姿态值不大于预设的阈值，则物体在当前读取周期内的运动，是符合步行运动的要求。如果物体累积动作姿态值大于预设的阈值，则物体在当前读取周期内的运动，不是符合步行运动的要求。
[0087]
s104、若判断出物体在当前读取周期内的运动，符合步行运动的要求，则记录在当前读取周期内检测到步伐产生。
[0088]
需要说明的是，如果判断出物体累积动作姿态值符合步行运动的物体累积动作姿态值要求，则说明物体在当前读取周期内的运动，符合步行运动的要求，当前周期内检测到的角速度数据满足步伐的数据特性，则记录在当前读取周期内检测到步伐产生。
[0089]
本申请实施例提供的一种步伐检测的方法中，首先读取当前读取周期内的多个角速度数据。其中，角速度数据由角速度检测设备检测物体运动而得到。再利用角速度数据计算得到物体累积动作姿态值。然后利用物体累积动作姿态值，判断物体在当前读取周期内的运动，是否符合步行运动的要求。若判断出物体在当前读取周期内的运动，符合步行运动的要求，则记录在当前读取周期内检测到步伐产生。由此可见，在对步伐进行检测的过程中，会通过物体累积动作姿态值检测其候选步伐是否与手部剧烈运动相关，可以有效的防止手部动作导致的误检测操作。因此，解决了现有技术中由于用户手部的运动的干扰，引起用户步伐的误检测，从而导致步伐检测数据的准确度降低，不能准确反映用户的运动状态的问题。
[0090]
可选的，在本申请的另一实施例中，在执行步骤s104之后，步伐检测的方法还可以包括：
[0091]
获取检测到当前步伐的时间以及上一次检测到步伐的时间。
[0092]
将检测到当前步伐的时间以及上一次检测到步伐的时间进行做差，得到迈步周期。
[0093]
将迈步周期与预设的倍数因子相乘，得到时间长度，并将时间长度设置为读取周期。
[0094]
需要说明的是，记录在当前读取周期内检测到步伐产生之后，获取检测到当前步伐的时间以及上一次检测到步伐的时间，将检测到当前步伐的时间减去上一次检测到步伐的时间，得到用户的迈步周期。然后将迈步周期与预设的倍数因子相乘，得到一个新的时间
长度，并将该时间长度设置为新的数据读取周期，其中，倍数因子可以根据实际进行设置，例如1.2-1.8之间。根据用户的迈步周期更新数据的读取周期，可以有效提高行走速度变化时的步伐检测准确度。
[0095]
在本申请的另一实施例中，还公开了另一种步伐检测的方法，具体如图2所示，包括：
[0096]
s201、分别读取当前读取周期内的多个加速度数据、以及当前读取周期内的多个角速度数据；其中，加速度数据由加速度检测设备检测物体运动而得到；角速度数据由角速度检测设备检测物体运动而得到。
[0097]
需要说明的是，在进行步伐的检测时，需要按照一定的时间周期去读取物体的多个加速度数据以及物体的多个角速度数据，时间周期的长度可以根据实际情况去设定，例如设置为1秒。其中，加速度数据由加速度检测设备检测物体运动而得到，速度检测设备可以是用户所使用的手机、智能手环等智能设备中的速度传感器。角速度数据由角速度检测设备检测物体运动而得到，角速度检测设备可以是智能手机中的陀螺仪传感器等角速度传感器。
[0098]
并且，为了方便数据管理，可以选择将当前读取周期内的多个加速度数据按照加速度检测设备的检测顺序存入加速度数据队列中，以及将当前读取周期内的多个角速度数据按照角检测设备的检测顺序存入角速度数据队列中，两个队列的时间长度可以设置为上面设定的时间周期。在将数据存入队列时，如果队列里首位数据到末位数据的长度小于队列的时间长度，则数据直接从队列的尾部添加进队列；如果队列里首位数据到末位数据的长度已经达到队列的时间长度，则每次新数据从队列尾部添加进队列时，同时剔除相应的队列头部数据，保持队列的时间长度。
[0099]
s202、针对当前读取周期内的多个加速度数据，计算得到当前读取周期内的多个加速度数据对应的时域数据；并分别判断时域数据是否符合步伐数据的时域特性，以及利用时域数据，判断所物体在当前读取周期内的运动，是否符合步伐的频率要求。
[0100]
需要说明的是，由于用户产生步伐时的加速度数据在时域角度和频域角度上都会符合一些特定的规律，因此在读取当前读取周期内的多个加速度数据之后，对当前读取周期内的多个加速度数据进行计算，得到对应的时域数据。其中，时域数据能够反应出当前读取周期内的多个加速度数据的时域特性。然后通过对时域数据进行计算和分析，判断时域数据是否符合步伐数据的时域特性，以及判断物体在当前读取周期内的运动，是否符合步伐的频率要求。由此可以判断出用户所携带的智能设备在当前读取周期内读取到的加速度数据，是否在时域角度和频域角度上都满足步伐产生的要求。
[0101]
可选的，在本申请的另一实施例中，步骤s202的一种实施方式，参见图3，具体包括：
[0102]
s301、计算当前读取周期内的多个加速度数据的模值；其中，多个加速度数据的模值的顺序，与多个加速度数据被加速度检测设备的检测顺序相对应。
[0103]
需要说明的是，为了方便数据管理，可以选择将当前读取周期内的多个加速度数据按照加速度检测设备的检测顺序存入队列中，队列的时间长度为一个预先设置的加速度数据读取周期。对当前读取周期内的多个加速度数据分别计算每一个加速度数据的模值，并将计算得到每一个加速度的模值也按照当前读取周期内的多个加速度数据的顺序存入
同样时间长度的队列中。例如，用户所使用的智能手机的加速度传感器读取到的数据为[a
x
,a
y,
a
z
]
t
,那么就可以利用公式：
[0104][0105]
计算得到每一个加速度数据的模值，同时存入队列中。其中，i表示第i帧传感器数据。
[0106]
s302、查找出当前读取周期内的所有加速度数据的模值中的峰值数据，并判断峰值数据，是否位于所有加速度数据的模值的中间位置。
[0107]
其中，若判断出峰值数据位于所有加速度数据的模值的中间位置，则判断出时域数据符合步伐数据的时域特性。
[0108]
需要说明的是，在计算出每一个加速度数据的模值之后，查找出所有加速度数据的模值中的峰值数据，并基于峰值检测法判断该峰值数据对应的模值是否位于多个加速度数据的模值的顺序的中间位置。由上述步骤可知，当前读取周期内的多个加速度数据可以按照加速度检测设备的检测顺序存入队列中，而计算得到每一个加速度的模值也按照当前读取周期内的多个加速度数据的顺序存入同样时间长度的队列中，则此时就是判断该峰值数据对应的模值是否位于队列的中间位置。
[0109]
另外，由上述步骤可知，将计算得到每一个加速度的模值式按照当前读取周期内的多个加速度数据的顺序存入同样时间长度的队列中，那么在这种情况加速度数据与加速度的模值在队列中的位置是一样的，若加速度数据的模值中的峰值数据位于模值队列中的中间位置，则峰值数据对应的加速度数据同样位于当前读取周期内的多个加速度数据的队列的中间位置。因此，也可以通过判断峰值数据对应的加速度数据是否位于当前读取周期内的多个加速度数据的队列的中间位置，便可得到该峰值数据对应的模值是否位于加速度数据的模值队列的中间位置的结论。
[0110]
其中，若队列长度为奇数，则中间位置就是中间元素所在的位置。若队列长度为偶数，则中间位置可以是中间两个元素中任意一个元素的位置，例如队列的中间两个元素分为左边元素的位置或右边元素，可以选定左边元素的位置作为偶数队列的中间位置。同时，一旦选定左边元素的位置作为中间位置，就默认为偶数队列的中间两个元素中靠左的元素的位置，选定右边元素的位置作为中间位置也同理。比如8个元素的队列，选择两个中间元素中左边元素的位置作为队列的中间位置，则中间位置就为第四个元素的位置。
[0111]
还需要说明的是，因为人体行走是一个基本规律的正弦波动过程，峰值检测可以基于正弦波峰值初步判断出有效候选步伐。若该峰值数据对应的模值位于多个加速度数据的模值的顺序的中间位置，则表示在时间域上初步判断出了候选步伐。因此，如果判断出峰值数据位于所有加速度数据的模值的中间位置，则判断出时域数据符合步伐数据的时域特性。
[0112]
可选的，在本申请的另一实施例中，在执行步骤s302之后，还可以包括：
[0113]
判断峰值数据是否小于预设的第二阈值。
[0114]
其中，若判断出峰值数据位于所有加速度数据的模值的中间位置，并且峰值数据不小于预设的阈值，则判断出时域数据符合步伐数据的时域特性。
[0115]
需要说明的是，为了进一步校验数据的准确性，可以设置一个与加速度模值的峰
值数据相关的阈值，只有当峰值数据对应的模值位于多个加速度数据的模值的顺序的中间位置，并且峰值数据不小于预设的阈值时，才表示在当前读取时间周期内存在有效的候选步伐。因此在查找出所有加速度数据的模值中的峰值数据之后，判断峰值数据是否小于预设的第二阈值，如果判断出峰值数据对应的模值位于多个加速度数据的模值的顺序的中间位置，并且峰值数据不小于预设的阈值，则判断出域数据符合步伐数据的时域特性，表示当前读取时间周期内存在有效的候选步伐。这样可以更准确的筛选出候选步伐，提示步伐检测时准确性。
[0116]
s303、对当前读取周期内的每个加速度数据的模值进行处理，得到每个加速度数据的模值对应的频率。
[0117]
需要说明的是，将当前读取周期内的多个加速度数据的模值，进行短时傅里叶变换，得到每个加速度数据的模值对应的频率。当前读取周期内的多个加速度数据的模值放入队列中，会得到队列其中，seq表示队列的时间长度。然后利用公式：
[0118][0119]
将队列进行短时傅里叶变化，得到对应的频率fre_main。其中，stft表示短时傅里叶变化，fre表示用户携带的智能设备中的加速度传感器的采样频率。
[0120]
s304、查找出加速度数据的模值对应的频率中的主峰值频率。
[0121]
需要说明的是，在得到每个加速度数据的模值对应的频率之后，查找出加速度数据的模值对应的频率中的主峰值频率，然后就可以根据主峰值频率进一步判断物体在当前读取周期内的运动，是否属于符合步伐的频率要求的运动。
[0122]
s305、判断主峰值频率是否位于预设的步伐频率区间。
[0123]
其中：若判断出主峰值频率位于预设的步伐频率区间，则判断出物体在当前读取周期内的运动，符合步伐的频率要求。
[0124]
需要说明的是，在得到主峰值频率之后，则判断主峰值频率是否符步伐频率范围的频率区间，该区间可以根据实际情况进行设置，例如0.5hz-6hz。该频率范围表示限制人行走的步伐频率范围，是从频域上进行人的步伐检测。如果判断出主峰值频率符合预设的步伐频率区间，则物体在当前读取周期内的运动，是符合步伐的频率要求的运动，说明此时能有步伐产生。如果判断出主峰值频率不符合预设的频率区间，则物体在当前读取周期内的运动，不是符合步伐的频率要求的运动。
[0125]
s203、针对当前读取周期内的多个角速度数据，利用角速度数据计算得到物体累积动作姿态值；并利用物体累积动作姿态值，判断物体在当前读取周期内的运动，是否符合步行运动的要求。
[0126]
需要说明的是，利用角速度数据计算得到物体累积动作姿态值。其中，物体累积动作姿态值为智能设备在一个读取周期内所有手部运动姿态角的累积值。在用户在手持可用于步伐检测的智能设备或者手上穿戴智能设备时，基于人的行走习惯，正常行走很少会同时手部会具有较大的动作。而当手部动作较大时，物体累积动作姿态值会相对比较大，因此可以通过计算得到的物体累积动作姿态值来判断物体当前的运动是否是用户的手部剧烈运动引起的，从而判断物体当前的运动是否符合步行运动的要求。
[0127]
s204、若判断出时域数据符合步伐数据的时域特性，判断出物体在当前读取周期
内的运动符合步伐的频率要求，以及判断出物体在当前读取周期内的运动，符合步行运动的要求，则记录在当前读取周期内检测到步伐产生。
[0128]
需要说明的是，如果判断出时域数据符合步伐数据的时域特性，判断出物体在当前读取周期内的运动符合步伐的频率要求，说明当前周期内检测到的加速度数据在时域和频域上都满足步伐的数据特性。以及判断出物体在当前读取周期内的运动，符合步行运动的要求，说明当前周期内检测到的角速度数据也满足步伐的数据特性。则此时在当前读取周期内检测到步伐产生。
[0129]
本申请实施例提供的一种步伐检测的方法中，分别读取当前读取周期内的多个加速度数据、以及当前读取周期内的多个角速度数据，其中，加速度数据由加速度检测设备检测物体运动而得到；角速度数据由角速度检测设备检测物体运动而得到。然后针对当前读取周期内的多个加速度数据，计算得到当前读取周期内的多个加速度数据对应的时域数据；并分别判断时域数据是否符合步伐数据的时域特性，以及利用时域数据，判断物体在当前读取周期内的运动，是否符合步伐的频率要求。以及针对当前读取周期内的多个角速度数据，利用角速度数据计算得到物体累积动作姿态值；并利用物体累积动作姿态值，判断物体在当前读取周期内的运动，是否符合步行运动的要求。若判断出时域数据符合步伐数据的时域特性，判断出物体在当前读取周期内的运动符合步伐的频率要求，以及判断出物体在当前读取周期内的运动，符合步行运动的要求，则记录在当前读取周期内检测到步伐产生。在本方法中，不仅在时域和频域方面对物体的加速度数据进行检测，同时也对物体的角速度进行检测，因此可以有效的防止手部动作导致的误检测操作，更准确地检测到步伐的产生。
[0130]
在本申请的另一实施例中，还公开了一种步伐检测的装置，如图4所示，包括：
[0131]
第一读取单元401，用于读取当前读取周期内的多个角速度数据；其中，角速度数据由角速度检测设备检测物体运动而得到。
[0132]
第一计算单元402，用于利用角速度数据计算得到物体累积动作姿态值。
[0133]
第一判断单元403，用于利用物体累积动作姿态值，判断物体在当前读取周期内的运动，是否符合步行运动的要求。
[0134]
第一记录单元404，用于若判断出物体在当前读取周期内的运动，符合步行运动的要求，则记录在当前读取周期内检测到步伐产生。
[0135]
本申请实施例提供的一种步伐检测的装置中，首先第一读取单元401读取当前读取周期内的多个角速度数据。其中，角速度数据由角速度检测设备检测物体运动而得到。第一计算单元402再利用角速度数据计算得到物体累积动作姿态值。第一判断单元403然后利用物体累积动作姿态值，判断物体在当前读取周期内的运动，是否符合步行运动的要求。若判断出物体在当前读取周期内的运动，符合步行运动的要求，第一记录单元404则记录在当前读取周期内检测到步伐产生。由此可见，在对步伐进行检测的过程中，会通过物体累积动作姿态值检测其候选步伐是否与手部剧烈运动相关，可以有效的防止手部动作导致的误检测操作。因此，解决了现有技术中由于用户手部的运动的干扰，引起用户步伐的误检测，从而导致步伐检测数据的准确度降低，不能准确反映用户的运动状态的问题。
[0136]
本实施例中，第一读取单元401、第一计算单元402、第一判断单元403以及第一记录单元404的具体执行过程，可参见对应图1的方法实施例内容，此处不再赘述。
[0137]
可选的，在本申请的另一实施例中，第一计算单元402的一种实施方式，包括：
[0138]
第一计算子单元，用于利用角速度数据，计算出角速度检测设备的俯仰角、横滚角以及方位角。
[0139]
第二计算子单元，用于计算俯仰角、横滚角以及方位角，得到物体累积动作姿态值。
[0140]
本实施例中，第一计算子单元、第二计算子单元的具体执行过程，可参见对应上述方法实施例内容，此处不再赘述。
[0141]
可选的，在本申请的另一实施例中，第一判断单元403的一种实施方式，包括：
[0142]
第一判断子单元，用于判断物体累积动作姿态值是否不大于第一阈值；其中，第一阈值指代步行运动时物体姿态值的最高值。
[0143]
第二判断子单元，用于若判断出物体累积动作姿态值不大于第一阈值，则判断出物体在当前读取周期内的运动，符合步行运动的要求。
[0144]
本实施例中，第一判断子单元、第二判断子单元的具体执行过程，可参见对应上述方法实施例内容，此处不再赘述。
[0145]
可选的，在本申请的另一实施例中，上述步伐检测的装置，还包括：
[0146]
获取单元，用于获取检测到当前步伐的时间以及上一次检测到步伐的时间。
[0147]
周期计算单元，用于将检测到当前步伐的时间以及上一次检测到步伐的时间进行做差，得到迈步周期。
[0148]
设置单元，用于将迈步周期与预设的倍数因子相乘，得到时间长度，并将时间长度设置为读取周期。
[0149]
本实施例中，获取单元、周期计算单元、设置单元的具体执行过程，可参见对应上述方法实施例内容，此处不再赘述。
[0150]
在本申请的另一实施例中，还公开了一种步伐检测的装置，如图5所示，包括：
[0151]
第二读取单元501，用于分别读取当前读取周期内的多个加速度数据、以及当前读取周期内的多个角速度数据；其中，加速度数据由加速度检测设备检测物体运动而得到；角速度数据由角速度检测设备检测物体运动而得到。
[0152]
第二计算单元502，用于针对当前读取周期内的多个加速度数据，计算得到当前读取周期内的多个加速度数据对应的时域数据；并分别判断时域数据是否符合步伐数据的时域特性，以及利用时域数据，判断物体在当前读取周期内的运动，是否符合步伐的频率要求。
[0153]
第二判断单元503，用于针对当前读取周期内的多个角速度数据，利用角速度数据计算得到物体累积动作姿态值；并利用物体累积动作姿态值，判断物体在当前读取周期内的运动，是否符合步行运动的要求。
[0154]
第二记录单元504，用于若判断出时域数据符合步伐数据的时域特性，判断出物体在当前读取周期内的运动符合步伐的频率要求，以及判断出物体在当前读取周期内的运动，符合步行运动的要求，则记录在当前读取周期内检测到步伐产生。
[0155]
本申请实施例提供的一种步伐检测的装置中，第二读取单元501分别读取当前读取周期内的多个加速度数据、以及当前读取周期内的多个角速度数据，其中，加速度数据由加速度检测设备检测物体运动而得到；角速度数据由角速度检测设备检测物体运动而得
到。然后第二计算单元502针对当前读取周期内的多个加速度数据，计算得到当前读取周期内的多个加速度数据对应的时域数据；并分别判断时域数据是否符合步伐数据的时域特性，以及第二判断单元503利用时域数据，判断物体在当前读取周期内的运动，是否符合步伐的频率要求。以及针对当前读取周期内的多个角速度数据，利用角速度数据计算得到物体累积动作姿态值；并利用物体累积动作姿态值，判断物体在当前读取周期内的运动，是否符合步行运动的要求。若判断出时域数据符合步伐数据的时域特性，判断出物体在当前读取周期内的运动符合步伐的频率要求，以及判断出物体在当前读取周期内的运动，符合步行运动的要求，第二记录单元504则记录在当前读取周期内检测到步伐产生。在本方法中，不仅在时域和频域方面对物体的加速度数据进行检测，同时也对物体的角速度进行检测，因此可以有效的防止手部动作导致的误检测操作，更准确地检测到步伐的产生。
[0156]
本实施例中，第二读取单元501、第二计算单元502、第二判断单元503以及第二记录单元504的具体执行过程，可参见对应图2的方法实施例内容，此处不再赘述。
[0157]
可选的，在本申请的另一实施例中，第二计算单元502的一种实施方式，包括：
[0158]
第三计算子单元，用于利用角速度数据，计算出角速度检测设备的俯仰角、横滚角以及方位角；
[0159]
第四计算子单元，用于计算俯仰角、横滚角以及方位角，得到物体累积动作姿态值。
[0160]
本实施例中，第三计算子单元、第四计算子单元的具体执行过程，可参见对应上述方法实施例内容，此处不再赘述。
[0161]
本申请另一实施例还提供了一种检测设备，如图6所示，具体包括：
[0162]
一个或多个处理器601。
[0163]
存储装置602，其上存储有一个或多个程序。
[0164]
当一个或多个程序被一个或多个处理器601执行时，使得一个或多个处理器601实现如上述实施例中任意一项方法。
[0165]
本申请另一实施例还提供了计算机可读介质，其上存储有计算机程序，其中，计算机程序被处理器执行时实现如上述实施例中任意一项方法。
[0166]
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统或系统实施例而言，由于其基本相似于方法实施例，所以描述得比较简单，相关之处参见方法实施例的部分说明即可。以上所描述的系统及系统实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。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实施例方案的目的。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。
[0167]
专业人员还可以进一步意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应
认为超出本发明的范围。
[0168]
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下，在其它实施例中实现。因此，本申请将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。