自动锻炼分割和识别的制作方法
【专利说明】自动锻炼分割和识别
[0001]
[0002]锻炼和其他体力活动对人的健康和安康非常有益。一些人利用私人教练通过结构化锻炼计划来增强健康和幸福。然而，并非每个人都能负担得起私人教练。甚至与私人教练一起频繁训练的人也不可能在进行体力活动时总是能联系到私人教练。
【发明内容】
[0003]体力活动监视设备包括具有配置成测量用户的体力活动属性的一个或多个传感器的传感器阵列。控制器基于体力活动属性来自动确定用户主动参与体力活动的时间间隔。控制器还基于体力活动属性来自动确定用户在所确定的时间间隔期间主动参与的体力活动的类型。报告器将与体力活动的类型有关的信息输出给用户。
[0004]提供概述以便以简化形式介绍将在以下详细描述中进一步描述的一些概念的选集。本
【发明内容】
并不旨在标识所要求保护主题的关键特征或必要特征，也不旨在用于限制所要求保护主题的范围。此外，所要求保护的主题不限于解决在本公开的任一部分中所提及的任何或所有缺点的实现。
[0005]附图简沐
[0006]图1示出用户佩戴根据本公开的一实施例的体力活动监视设备。
[0007]图2示出根据本公开的一实施例的体力活动监视设备。
[0008]图3示出根据本公开的一实施例的确定其中用户主动参与体力活动的时段的示例方法。
[0009]图4示出根据本公开的一实施例的健身计划的示例片段的分析。
[0010]图5示出了根据本公开的一实施例的识别体力活动的类型的示例方法。
[0011]图6示出了根据本公开的一实施例的对锻炼重复进行计数的示例方法。
[0012]图7示出了根据本公开的一实施例的扩充游戏体验的示例方法。
[0013]图8示出了根据本公开的一实施例的对用户进行身体训练的示例方法。
【具体实施方式】
[0014]本公开涉及可被用来扩充游戏体验和/或接收并监视健身计划的体力活动监视设备(PAMD) ο
[0015]在健身中，一个人可能花费执行体力活动或锻炼的时间以及花费从活动中恢复的时间、花费准备该活动的时间、以及花费执行非锻炼活动(如喝水)的时间。为了使PAMD识别并区分佩戴PAMD的用户所执行的体力活动或锻炼，它首先可区分实际锻炼的时间和非锻炼活动的时间。在一些实施例中，PAMD使用包括配置成测量佩戴PAMD的用户的体力活动属性的一个或多个传感器的传感器阵列对用户移动进行采样。采样数据随后可被分割成各锻炼时段和非锻炼时段。在锻炼时段内，PAMD随后被训练成唯一性地标识采样数据中的表示特定体力活动或锻炼的模式，从而识别由佩戴PAMD的用户所执行的体力活动或锻炼。对于重复性体力活动或锻炼，PAMD随后可对佩戴PAMD的用户所执行的给定重复性体力活动或锻炼的重复数量进行计数。
[0016]图1示出用户101佩戴根据本公开的体力活动监视设备102。在一些实施例中，PAMD 102可以具有可佩戴腕带的形式。PAMD 102可在用户101锻炼或以其他方式执行特定体力活动时由用户101佩戴。PAMD 102可以采用智能活动分析方法。智能活动分析可以允许PAMD识别并区分佩戴PAMD的用户所执行的体力活动或锻炼，并且还可允许PAMD对佩戴PAMD的用户所执行的体力活动或锻炼的重复进行计数。
[0017]图2示意性地示出根据本公开的一实施例的体力活动监视设备200。PAMD200可包括传感器阵列210、逻辑机215、存储机217、控制器220、受监督的分类器230a、受监督的分类器230b、聚集器240、通信子系统250、报告器260、投票机270以及显示子系统280。
[0018]传感器阵列210可包括一个或多个传感器，如加速度计214、GPS 212、陀螺仪216、心率监视器218、和/或其他合适的传感器。来自传感器阵列210的数据可以允许该设备自动区分佩戴PAMD的用户所执行的不同的体力活动或锻炼。在一些示例中，加速度计214可以按固定的采样速率对用户移动进行采样。采样可以按25Hz的采样速率或另一合适的采样速率(如50Hz)来发生。来自GPS 212的数据可被用来获悉用户在室外执行体力活动或锻炼的速度。例如，GPS导出的数据可被用来区分跑步时段、步行时段以及骑行时段。此夕卜，GPS可被用来评估用户的位置。这样的位置信息可被用来区分各活动。例如，用户当在网球场上时可能在打网球或当在高尔夫球场上时可能在打高尔夫。与从加速度计接收到的数据一致，GPS数据可被用来校准用户的步幅。这一信息可被存储并用来区分和校准当在室内执行时或在GPS数据以其他方式不可用时的相同的体力活动或锻炼，从而允许在缺少GPS数据的情况下计算出准确的距离和步伐信息。
[0019]加速度计214优选地可以是3轴加速度计。从加速度计214接收到的数据可被用来检测可包括伏地挺身、仰卧起坐、下蹲等不同重复性体力活动或锻炼的模式的变型。这样的重复性体力活动或锻炼的信号的可重复性可被用来检测这些和类似锻炼的重复。从加速度计214接收到的数据也可被用来检测可包括靠墙下蹲、平板支撑、瑜伽姿势等不同静态体力活动或锻炼的模式的变型。
[0020]对于基于距离的活动，PAMD 200还可检测并区分各种移动的速度，包括步行、慢跑、快跑、以及奔跑。这可通过用加速度计214测量用户落脚的速度来实现。这一数据随后可被用来动态地调整专用于该活动的距离计算。例如，用户在步行时所走过的步数可等同于同一用户在奔跑时所跑过的相同步数的较短距离。在体力活动或锻炼的多个时段期间，使用来自GPS 212和加速度计214的数据，可以获悉用户步行、慢跑、奔跑等的真实步幅长度。
[0021 ] PAMD 200还可包括可任选地经由使用逻辑机215和存储机217来实例化的控制器220。控制器220可被配置成基于体力活动属性来自动确定用户主动参与体力活动的时间间隔。在本文中，这一过程还可被称为分割。在一个示例中，PAMD 200可以指示用户要执行开合跳(jumping jack)来锻炼。遵循这一指示，用户可花费时间来准备锻炼，例如在房间中四处走动、喝水、或就位来开始开合跳。分割过程可以将实际锻炼的时段与不相关于体力活动或锻炼的其他活动分开。从分析中移除非锻炼时段可以减少PAMD 200对虚假重复进行计数的概率。类似地，如果识别系统只分析来自用户主动参与体力活动或锻炼的时段的数据，PAMD 200可以能够更准确地确定用户参与哪一体力活动或锻炼。
[0022]在一个示例中，PAMD 200可以指示用户要执行基于时间的活动，例如伏地挺身达30秒。如果PAMD 200没有在用户就位以执行伏地挺身的时间期间开始评估用户的体力活动属性，它就可更精确地跟踪30秒的伏地挺身。通过精确地确定用户何时在执行伏地挺身，PAMD 200可以能够作出与用户生物测量有关的精确声明，例如用户在执行伏地挺身时燃烧了多少卡路里。
[0023]PAMD 200可通过机器学习来被训练以识别用户主动参与体力活动或锻炼的时段。这一分割过程还可被分解成预处理、特征计算、分类、以及聚集的各子过程。
[0024]图3示出可由控制器220用来确定用户主动参与体力活动的时段的示例方法300。在302，方法300包括接收来自传感器阵列(例如，传感器阵列210)的信号信息。例如，这样的信号信息可由控制器220接收。信号信息表示用户的体力活动属性。在一些示例中，这一信号信息可包括来自加速度计214或陀螺仪216的原始数据。加速度计214和陀螺仪216可各自输出三个原始信号，从而给出总共六个原始输入信号。原始输入信号随后可通过低通滤波器，其输出随后可以是六个经平滑的信号。
[0025]在304，方法300可包括确定用户主动参与体力活动的时间间隔。例如，控制器220可以使用在302接收到的信号信息作为用于确定时间间隔的基础。如图3所示，确定时间间隔的过程可包括多个子过程。这样的子过程的非限制性示例在下文提供。然而，应当理解，主动参与的时间间隔可以按任何合适的方式来确定，而不背离本公开的范围。
[0026]在306，方法300可包括将信号信息划分成各重叠片段。在一个示例中，该数据可被划分成具有5秒长度的窗口。每一窗口可自前一窗口前进200ms，使得每一 5秒窗口与前一窗口和后续窗口共享4.8秒的数据。
[0027]在308，方法300可包括标识每一重叠片段的预定信号特性(例如，传感器阵列的加速度计测得的加速度信息的加速度特性)。在一些示例中，控制器220可以将经平滑的数据的每一 5秒窗口变换成200个信号特性，这些信号特性随后被用来表征体力活动或锻炼，但可以存在更少或更多的信号特性。在一个示例中，6个经平滑的信号可被变换成10个输出信号。在该示例中，10个输出信号可包括x、y和ζ轴中的经平滑的加速度计数据，x、y和ζ轴中的经平滑的陀螺仪数据，每一样本处的加速度计信号的大小，每一样本处的陀螺仪信号的大小，三维加速度计信号在该信号的第一主分量上的投影，y和ζ轴中的加速度计信号在它们自己的主分量上的投影，以及三维陀螺仪信号在该信号的第一主分量上的投影。
[0028]输出信号可以基于PAMD的特性来被选择。在一些实施例中，在信号信息包括三个维度中的