一种基于穿戴式智能设备的游泳信息监测识别方法与流程

本发明涉及一种适用于手腕式佩戴的穿戴式智能设备，具体地说是一种基于穿戴式智能设备的游泳信息监测识别方法。

背景技术：

游泳作为一项能够有效增强人体各项机能的运动，受到各类人群的青睐。随着智能穿戴设备的兴起，能够进行泳姿识别和引导的设备也越来越多，目前市面上，佳明作为一款专业的运动监测设备也受到了专业运动员的喜爱，但是由于其监测方法设计不合理，使得其准确性还有待优化。

技术实现要素：

本发明要解决的技术问题是提供一种能够提高识别准确性的基于穿戴式智能设备的游泳信息监测识别方法。

为了解决上述技术问题，本发明的基于穿戴式智能设备的游泳信息监测识别方法，包括以下步骤：

a、数据采集

采集游泳的标准数据，利用matlab分析得到各种泳姿的信号特征图；

b、泳姿识别

选取y轴、z轴的加速度值来区分泳姿，在定宽时间窗下，若出现某种泳姿的次数远大于其他泳姿出现的次数和，认定该时间窗下，识别的该种泳姿是真实泳姿是大概率事件；

c、误动作滤除

对采集的原始波形进行预处理分析，根据手腕佩戴具体情况，以传感器为基准平面，z轴陀螺仪数据反应的是测试者手臂围绕z轴产生的角加速度，通过对角加速度求积分可以得到手臂旋转过的角度；对数据进行分段积分，对每段数据，提取信号极值，最大极值与最小极值之间的差值反映的是测试者在该时间内手臂摆动的相应的角度，设定阀值，排除误动作干扰，当超过该阀值时，认定该段数据有效，并对其进行之后的低通滤波、特征提取识别操作；

d、滤波器设计

进行低通滤波，设计3阶巴特沃斯低通滤波器，截止频率为1hz，滤除高频噪声以及谐波，得到游泳基频信号。

采用上述的方法后，在信号采集后，首先会对误动作进行滤除，在非误动作之后，会对原始信号进行低通滤波，滤除传感器本身以及外部的高频干扰噪声，在低通滤波之后，由于不同泳姿信号特征差异显著，可提取分析运动者运动信号特征进而智能识别出佩带着游泳情况，统计分析得到游泳指标其监测方法合理，使得计算量小，占用的内存空间也较少，并且能够准确识确定别泳姿和游泳相关参数(划臂次数、游泳距离、游泳时间、游泳速度等)，监测识别数据十分准确，对于嵌入式智能穿戴设备具有较好的实用性。

附图说明

图1为本发明中的识别流程图；

图2为本发明标准数据中仰泳数据采样图；

图3为本发明陀螺仪角加速度分段积分转化图；

图4为本发明中滤波后的波形图。

具体实施方式

下面结合附图和具体实施方式，对本发明的基于穿戴式智能设备的游泳信息监测识别方法作进一步详细说明。

如图所示，本发明的基于穿戴式智能设备的游泳信息监测识别方法中必要的包含有六轴传感器，其六轴传感器包括三轴加速度和三轴陀螺仪，通过驱动的配置转化，得到三维空间x轴、y轴、z轴，三个方向的加速度值以及围绕各个轴转动的角加速度，通过配置驱动，六轴传感器可存储一定长度的加速度值和角加速度值的缓存fifo(first-infirst-out)，当数据长度达到fifo长度时，可产生中断，此时能够从fifo中读取所需的值，通过对这些样本值特征分析、提取，可以识别测试者手臂的运动状态，将其应用到智能手环中，可以准确的实现游泳运动统计，其具体监测识别包括以下步骤：

a、数据采集

采集专业游泳运动员的数据，利用matlab分析得到各种泳姿的信号特征图；例如仰泳的数据采样(图2)；

b、泳姿识别

由于不同的泳姿状态下手，臂摆动的幅度是有差别的，这将导致佩戴在手腕上的六轴传感器响应的差异，加速度值反应的是传感器受外力作用的情况，也即手臂运动情况，由于不同泳姿手臂运动有规律且差异性较大，选取y轴、z轴的加速度值来区分泳姿，泳姿包括但不限于仰泳，自由泳，蝶泳，蛙泳等，但这种方法识别出的泳姿可能存在误识别，在定宽时间窗下，若出现某种泳姿的次数远大于其他泳姿出现的次数和，认定该时间窗下，识别的该种泳姿是真实泳姿是大概率事件；

c、误动作滤除

由于泳姿的识别是通过对传感器时域信号采集、分析、特征提取识别得到的，因此，测试者手臂的随意动作也可能产生与真实游泳信号特征相近的信号，因此，为了提高检测的准确性、鲁棒性，对采集的原始波形进行预处理分析，根据手腕佩戴具体情况，以传感器为基准平面，z轴陀螺仪数据反应的是测试者手臂围绕z轴产生的角加速度，通过对角加速度求积分可以得到手臂旋转过的角度；对数据进行分段积分(图3)，对图形中每段数据，提取信号极值，最大极值与最小极值之间的差值反映的是测试者在该时间内手臂摆动的相应的角度，通过对大量测试结果统计分析，此差值存在一定统计规律，设定阀值，排除误动作干扰，当超过该阀值时，认定该段数据有效，并对其进行之后的低通滤波、特征提取识别操作；

d、滤波器设计

传感器得到的原始数据由于传感器本身以及外部因素的干扰，得到的原始信号会含有高频噪声，这些高频噪声会影响算法统计的准确性，因此进行低通滤波，根据游泳的实际情况，摆臂频率不会超过1hz，因此设计3阶巴特沃斯低通滤波器，截止频率为1hz，滤除高频噪声以及谐波，得到游泳基频信号，低通滤波后的图形如图4所示。

本发明中所提到的游泳指标包括：划水次数、游泳时间、划水频率、游泳距离、消耗卡路里等，测试者实际上划水15次，根据图4，可以清晰看到波峰波谷个数，通过波峰波谷幅度设定阈值，可以很容易统计到划水次数，以划水次数为基准，再加上输入的用户信息，通过科学的计算公式，可以得到其他游泳指标。

以上所举实施例为本发明的较佳实施方式，仅用来方便说明本发明，并非对本发明作任何形式上的限制，任何所属技术领域中具有通常知识者，若在不脱离本发明所提技术特征的范围内，利用本发明所揭示技术内容所作出局部更动或修饰的等效实施例，并且未脱离本发明的技术特征内容，均仍属于本发明技术特征的范围内。

技术特征：

技术总结
本发明公开了一种基于穿戴式智能设备的游泳信息监测识别方法。它包括以下步骤：A、采集游泳的标准数据，得到各种泳姿的信号特征图；B、选取y轴、z轴的加速度值来区分泳姿；C、误动作滤除，设定阀值，排除误动作干扰，当超过该阀值时，认定该段数据有效，并对其进行之后的低通滤波、特征提取识别操作；D、滤波器设计，进行低通滤波，滤除高频噪声以及谐波，得到游泳基频信号。采用上述的方法后，统计分析得到游泳指标其监测方法合理，使得计算量小，占用的内存空间也较少，并且能够准确识确定别泳姿和游泳相关参数(划臂次数、游泳距离、游泳时间、游泳速度等)，监测识别数据十分准确，对于嵌入式智能穿戴设备具有较好的实用性。

技术研发人员：周洪亮;黄祥和;徐前
受保护的技术使用者：海能电子（深圳）有限公司
技术研发日：2017.06.08
技术公布日：2017.10.20