基于六轴传感器的脚着地确定方法及装置与流程

本发明涉及脚着地识别技术领域，具体而言，涉及一种基于六轴传感器的脚着地确定方法及装置。

背景技术：

走路、跑步时的脚着地方式对于运动者来说非常重要，错误的着地方式不仅影响成绩发挥，也会给运动者带来伤害。目前，用于对运动者在走路或跑步时的脚着地方式的检测方法分为基于视觉和基于非视觉手段的人体姿态识别。其中，基于视觉的人体姿态识别方法，成本相对较高，且对产品结构设计要求较严苛，且不太适宜户外活动。例如，在专利号为cn106730770a的文件中公开的是基于视觉手段的人体姿态识别，可用于跑步机；基于非视觉手段的人体姿态识别又有使用加速度传感器、压力传感器和六轴传感器的，如在专利号为cn107343789a的文件中公开了使用三轴加速度计来判定脚的落地姿态；另外，在专利号为cn106621250b的文件中公开了使用带有压力传感器的鞋垫来判断脚的着地方式；在专利号为cn107303181a的文件中公开了一种使用六轴传感器对人体姿态进行识别的方式，具体地，在运动者运动时的脚步进行识别，具体地，使用合加速度确定脚落地时刻，在判断脚落地时刻之后的一段信号y轴角速度值，根据最大、最小、平均值等数值之间的关系判断是前脚落地还是后脚落地。然而上述基于视觉和基于非视觉手段进行人体姿态识别，进而进行脚着地方式的识别的方式要么存在成本较高的弊端，要么存在识别效率较低的弊端，均无法满足运动者的需求。

针对上述相关技术中用于对运动者的脚着地方式进行检测的方式可靠性较低的问题，目前尚未提出有效的解决方案。

技术实现要素：

本发明实施例提供了一种基于六轴传感器的脚着地确定方法及装置，以至少解决相关技术中用于对运动者的脚着地方式进行检测的方式可靠性较低的技术问题。

根据本发明实施例的一个方面，提供了一种基于六轴传感器的脚着地确定方法，包括：采集运动者在运动过程中的运动数据，其中，所述运动数据为六轴传感器在所述运动者运动过程中检测得到的运动特征数据和所述运动特征数据对应的时刻；对所述运动特征数据对应的时刻进行特征点提取，得到预定特征点；对所述预定特征点对应的时刻所在时间区间的运动特征数据进行特征值提取，以基于提取得到的特征值生成所述运动数据中目标运动数据的特征向量；基于所述特征向量确定所述运动者在运动过程中的脚着地方式。

可选地，所述六轴传感器包括：三轴加速度计和三轴陀螺仪，所述运动特征数据至少包括：由所述三轴加速度计检测得到的所述运动者的运动过程中的加速度，由所述三轴陀螺仪检测得到的所述运动者在运动过程中的角速度。

可选地，基于所述特征向量确定所述运动者在运动过程中的脚着地方式包括：通过判别分类模型，确定与所述特征向量对应的所述运动者在运动过程中的脚着地方式，其中，所述判别分类模型为使用多组数据通过机器学习训练得到的，所述多组数据中的每组数据均包括：特征向量，与所述特征向量对应的所述运动者在运动过程中的脚着地方式。

可选地，在通过判别分类模型，确定与所述特征向量对应的所述运动者在运动过程中的脚着地方式之前，该基于六轴传感器的脚着地确定方法还包括：获取历史时间段的多个历史特征向量，以及多个历史脚着地方式，其中，所述多个历史脚着地方式是根据所述多个历史特征向量确定的；对获取的包括所述多个历史特征向量和所述多个历史脚着地方式进行训练，得到所述判别分类模型。

可选地，所述预定特征点包括：所述运动者的脚离开地面的时刻，所述运动者的腿抬起到最高位置的时刻，所述运动者的脚接触到地面的时刻，所述运动者的脚掌全部接触地面的时刻。

可选地，在采集运动者在运动过程中的运动数据之后，还包括：对所述运动数据进行过滤，得到过滤后的运动数据。

可选地，所述脚着地方式包括以下之一：脚跟着地，全脚掌着地，前脚掌着地。

根据本发明实施例的另外一个方面，还提供了一种基于六轴传感器的脚着地确定装置，包括：采集单元，用于采集运动者在运动过程中的运动数据，其中，所述运动数据为六轴传感器在所述运动者运动过程中检测得到的运动特征数据和所述运动特征数据对应的时刻；提取单元，用于对所述运动特征数据对应的时刻进行特征点提取，得到预定特征点；生成单元，用于对所述预定特征点对应的时刻所在时间区间的运动特征数据进行特征值提取，以基于提取得到的特征值生成所述运动数据中目标运动数据的特征向量；确定单元，用于基于所述特征向量确定所述运动者在运动过程中的脚着地方式。

可选地，所述六轴传感器包括：三轴加速度计和三轴陀螺仪，所述运动特征数据至少包括：由所述三轴加速度计检测得到的所述运动者的运动过程中的加速度，由所述三轴陀螺仪检测得到的所述运动者在运动过程中的角速度。

可选地，所述确定单元包括：确定子单元，用于通过判别分类模型，确定与所述特征向量对应的所述运动者在运动过程中的脚着地方式，其中，所述判别分类模型为使用多组数据通过机器学习训练得到的，所述多组数据中的每组数据均包括：特征向量，与所述特征向量对应的所述运动者在运动过程中的脚着地方式。

可选地，该基于六轴传感器的脚着地确定装置还包括：获取子单元，用于在通过判别分类模型，确定与所述特征向量对应的所述运动者在运动过程中的脚着地方式之前，获取历史时间段的多个历史特征向量，以及多个历史脚着地方式，其中，所述多个历史脚着地方式是根据所述多个历史特征向量确定的；训练子单元，用于对获取的包括所述多个历史特征向量和所述多个历史脚着地方式进行训练，得到所述判别分类模型。

可选地，所述预定特征点包括：所述运动者的脚离开地面的时刻，所述运动者的腿抬起到最高位置的时刻，所述运动者的脚接触到地面的时刻，所述运动者的脚掌全部接触地面的时刻。

可选地，该基于六轴传感器的脚着地确定装置还包括：过滤单元，用于在采集运动者在运动过程中的运动数据之后，对所述运动数据进行过滤，得到过滤后的运动数据。

可选地，所述脚着地方式包括以下之一：脚跟着地，全脚掌着地，前脚掌着地。

根据本发明实施例的另外一个方面，还提供了一种存储介质，所述存储介质包括存储的程序，其中，所述程序执行上述中任意一项所述的基于六轴传感器的脚着地确定方法。

根据本发明实施例的另外一个方面，还提供了一种处理器，所述处理器用于运行程序，其中，所述程序运行时执行上述中任意一项所述的基于六轴传感器的脚着地确定方法。

在本发明实施例中，采用采集运动者在运动过程中的运动数据，其中，运动数据为六轴传感器在运动者运动过程中检测得到的运动特征数据和运动特征数据对应的时刻；对运动特征数据对应的时刻进行特征点提取，得到预定特征点；对预定特征点对应的时刻所在时间区间的运动特征数据进行特征值提取，以基于提取得到的特征值生成运动数据中目标运动数据的特征向量；基于特征向量确定运动者在运动过程中的脚着地方式的方式对运动者在运动过程中的脚着地方式进行判别，通过本发明实施例提供的基于六轴传感器的脚着地确定方法可以实现基于六轴传感器采集得到的运动数据进行分析处理后得到的特征向量确定运动者在运动过程中的脚着地方式的目的，达到了提高对运动者在运动过程中的脚着地方式进行精确检测的技术效果，进而解决了相关技术中用于对运动者的脚着地方式进行检测的方式可靠性较低的技术问题。

附图说明

此处所说明的附图用来提供对本发明的进一步理解，构成本申请的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：

图1是根据本发明实施例的基于六轴传感器的脚着地确定方法的流程图；

图2是根据本发明实施例的基于六轴传感器的脚着地确定方法中特征点提取的示意图

图3是根据本发明实施例的可选的基于六轴传感器的脚着地确定系统的结构图；

图4是根据本发明实施例的基于六轴传感器的脚着地确定装置的示意图。

具体实施方式

为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明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发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，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，都应当属于本发明保护的范围。

需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

实施例1

根据本发明实施例，提供了一种基于六轴传感器的脚着地确定方法的方法实施例，需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。

图1是根据本发明实施例的基于六轴传感器的脚着地确定方法的流程图，如图1所示，该基于六轴传感器的脚着地确定方法包括如下步骤：

步骤s102，采集运动者在运动过程中的运动数据，其中，运动数据为六轴传感器在运动者运动过程中检测得到的运动特征数据和运动特征数据对应的时刻。

需要说明的是，这里的时刻既可以是相对时刻，也可以是绝对时刻。具体地，可以根据实际情况而定。

在一个可选的实施例中，六轴传感器可以包括：三轴加速度计和三轴陀螺仪，运动特征数据至少可以包括：由三轴加速度计检测得到的运动者的运动过程中的加速度，由三轴陀螺仪检测得到的运动者在运动过程中的角速度。例如，上述运动特征数据可以包括但不限于以下几种：三轴加速度计和/或三轴陀螺仪的传感器数据，基于三轴加速度计和/或三轴陀螺仪的传感器数据变换得到的角度变换或者运动轨迹。

步骤s104，对运动特征数据对应的时刻进行特征点提取，得到预定特征点。

其中，上述预定特征点可以包括：运动者的脚离开地面的时刻，运动者的腿抬起到最高位置的时刻，运动者的脚接触到地面的时刻，运动者的脚掌全部接触地面的时刻。

作为步骤s104的一个可选的实施例，也可以通过对运动特征数据进行滑窗处理以截取运动特征数据中的一段数据进行特征值提取。优选的，上述截取得到的运动特征数据的长度为不少于一个运动周期；其中，这里的运动周期可以包括但不限于：单步周期，复步周期。

其中，图2是根据本发明实施例的基于六轴传感器的脚着地确定方法中特征点提取的示意图，图2中，横轴为时间轴，曲线a表示合成加速度信号，曲线b表示对合成加速度信号进行滤波后的信号，曲线c表示选取的三轴陀螺仪的信号。其中，图中的箭头标示了三个步行周期内的几个特征点，有tcpoint、mspoint、icpoint和fcpoint，分别为脚离开地面的时刻(即，运动者的脚离开地面的时刻)，腿悬在空中最高位置的时刻(即，运动者的腿抬起到最高位置的时刻)，脚刚接触地面的时刻(即，运动者的脚接触到地面的时刻)，脚掌全部接触地面的时刻(即，运动者的脚掌全部接触地面的时刻)。

步骤s106，对预定特征点对应的时刻所在时间区间的运动特征数据进行特征值提取，以基于提取得到的特征值生成运动数据中目标运动数据的特征向量。

在步骤s104和步骤s106中，可以利用特征提取模块对数据采集模块获取的运动数据进行特征点提取，并根据指定特征点对应时刻的时间区间内的运动特征数据进行特征值提取，以基于提取得到的特征值生成运动数据中目标运动数据的特征向量。

其中，上述特征值可以包括但不限于：表征运动特征数据大小和轴向变化的值，三轴加速度计中三轴数据之间的差值以及变化，三轴陀螺仪中三轴数据之间的差值以及变化，三轴加速度计以及三轴陀螺仪中某个轴或者某几个轴对应的合成轴的角度或者轨迹的特征数据(这里的特征数据可以包括但不限于：角度或轨迹的最大值、角度或轨迹的最小值、角度或轨迹的均值(针对合成轴)、角度或轨迹的方差和/或方差、角度或轨迹的中值，角度或轨迹的比值)。

步骤s108，基于特征向量确定运动者在运动过程中的脚着地方式。

通过上述步骤，可以采集运动者在运动过程中的运动数据，其中，运动数据为六轴传感器在运动者运动过程中检测得到的运动特征数据和运动特征数据对应的时刻；然后对运动特征数据对应的时刻进行特征点提取，得到预定特征点；并对预定特征点对应的时刻所在时间区间的运动特征数据进行特征值提取，以基于提取得到的特征值生成运动数据中目标运动数据的特征向量；以及基于特征向量确定运动者在运动过程中的脚着地方式。相对于相关技术中用于对运动者运动过程的脚着地方式进行识别的方式存在成本高、检测精度低的弊端，通过本发明实施例提供的基于六轴传感器的脚着地确定方法可以实现基于六轴传感器采集得到的运动数据进行分析处理后得到的特征向量确定运动者在运动过程中的脚着地方式的目的，达到了提高对运动者在运动过程中的脚着地方式进行精确检测的技术效果，进而解决了相关技术中用于对运动者的脚着地方式进行检测的方式可靠性较低的技术问题。

在步骤s108中，基于特征向量确定运动者在运动过程中的脚着地方式可以包括：通过判别分类模型，确定与特征向量对应的运动者在运动过程中的脚着地方式，其中，判别分类模型为使用多组数据通过机器学习训练得到的，多组数据中的每组数据均包括：特征向量，与特征向量对应的运动者在运动过程中的脚着地方式。

其中，图3是根据本发明实施例的可选的基于六轴传感器的脚着地确定系统的结构图，如图3所示，该系统可以包括：数据采集模块、特征提取模块、特征识别模块、模型训练模块以及结果输出模块。其中，这里的数据采集模块可以用来获取六轴传感器采集到的运动者在运动过程中的运动数据。另外，这里的特征识别模块可以用来使用模型训练模块生成的判别分类模型对特征向量进行运算和分类识别，得到分类结果，其中，这里的分类结果可以包括但不限于：脚跟着地，全脚掌着地，前脚掌着地。结果输出模块用来将特征识别模块得到的分类结果输出，其中输出形式可以包括但不限于：单个步行周期内的脚着地方式，一段时间内的脚着地方式。

上述判别分类模型为上述图3中模型训练模块中的功能模块，这里的模型训练模块可以用来使用特征提取模块得到的特征向量进行模型训练和优化，生成判别分类模型。需要说明的是，这里的模型训练模块一般是在训练模型阶段使用。另外，利用特征向量进行训练，包括但不限于对以下模型进行训练：神经网络模型、决策树模型、svm模型、随机森林模型、深度学习模型。

另外，在通过判别分类模型，确定与特征向量对应的运动者在运动过程中的脚着地方式之前，该基于六轴传感器的脚着地确定方法还可以包括：获取历史时间段的多个历史特征向量，以及多个历史脚着地方式，其中，多个历史脚着地方式是根据多个历史特征向量确定的；对获取的包括多个历史特征向量和多个历史脚着地方式进行训练，得到判别分类模型。

另外，在判别分类模型训练阶段的历史脚着地方式，除了可以通过上述多个历史特征向量确定，也可以是通过人为标注或自动标注来获得。

在一个可选的实施例中，在采集运动者在运动过程中的运动数据之后，还包括：对运动数据进行过滤，得到过滤后的运动数据。通过对运动数据进行过滤，可以使得用于对运动者的脚着地方式进行确定的结果更加精确。

在本发明实施例中，脚着地方式可以包括以下之一：脚跟着地，全脚掌着地，前脚掌着地。

实施例2

根据本发明实施例的另外一个方面，还提供了一种基于六轴传感器的脚着地确定装置，图4是根据本发明实施例的基于六轴传感器的脚着地确定装置的示意图，如图4所示，该基于六轴传感器的脚着地确定装置包括：采集单元41，提取单元43，生成单元45以及确定单元47。下面对该基于六轴传感器的脚着地确定装置进行详细说明。

采集单元41，用于采集运动者在运动过程中的运动数据，其中，运动数据为六轴传感器在运动者运动过程中检测得到的运动特征数据和运动特征数据对应的时刻。

提取单元43，用于对运动特征数据对应的时刻进行特征点提取，得到预定特征点。

生成单元45，用于对预定特征点对应的时刻所在时间区间的运动特征数据进行特征值提取，以基于提取得到的特征值生成运动数据中目标运动数据的特征向量。

确定单元47，用于基于特征向量确定运动者在运动过程中的脚着地方式。

此处需要说明的是，上述采集单元41，提取单元43，生成单元45以及确定单元47对应于实施例1中的步骤s102至s108，上述模块与对应的步骤所实现的示例和应用场景相同，但不限于上述实施例1所公开的内容。需要说明的是，上述模块作为装置的一部分可以在诸如一组计算机可执行指令的计算机系统中执行。

由上可知，在本发明实施例中，可以利用采集单元采集运动者在运动过程中的运动数据，其中，运动数据为六轴传感器在运动者运动过程中检测得到的运动特征数据和运动特征数据对应的时刻；并利用提取单元对运动特征数据对应的时刻进行特征点提取，得到预定特征点；接下来利用生成单元对预定特征点对应的时刻所在时间区间的运动特征数据进行特征值提取，以基于提取得到的特征值生成运动数据中目标运动数据的特征向量；以及利用确定单元基于特征向量确定运动者在运动过程中的脚着地方式。相对于相关技术中用于对运动者运动过程的脚着地方式进行识别的方式存在成本高、检测精度低的弊端，通过本发明实施例提供的基于六轴传感器的脚着地确定装置可以实现基于六轴传感器采集得到的运动数据进行分析处理后得到的特征向量确定运动者在运动过程中的脚着地方式的目的，达到了提高对运动者在运动过程中的脚着地方式进行精确检测的技术效果，进而解决了相关技术中用于对运动者的脚着地方式进行检测的方式可靠性较低的技术问题。

作为一种可选的实施例，六轴传感器包括：三轴加速度计和三轴陀螺仪，运动特征数据至少包括：由三轴加速度计检测得到的运动者的运动过程中的加速度，由三轴陀螺仪检测得到的运动者在运动过程中的角速度。

作为一种可选的实施例，确定单元包括：确定子单元，用于通过判别分类模型，确定与特征向量对应的运动者在运动过程中的脚着地方式，其中，判别分类模型为使用多组数据通过机器学习训练得到的，多组数据中的每组数据均包括：特征向量，与特征向量对应的运动者在运动过程中的脚着地方式。

作为一种可选的实施例，该基于六轴传感器的脚着地确定装置还包括：获取子单元，用于在通过判别分类模型，确定与特征向量对应的运动者在运动过程中的脚着地方式之前，获取历史时间段的多个历史特征向量，以及多个历史脚着地方式，其中，多个历史脚着地方式是根据多个历史特征向量确定的；训练子单元，用于对获取的包括多个历史特征向量和多个历史脚着地方式进行训练，得到判别分类模型。

作为一种可选的实施例，预定特征点包括：运动者的脚离开地面的时刻，运动者的腿抬起到最高位置的时刻，运动者的脚接触到地面的时刻，运动者的脚掌全部接触地面的时刻。

作为一种可选的实施例，该基于六轴传感器的脚着地确定装置还包括：过滤单元，用于在采集运动者在运动过程中的运动数据之后，对运动数据进行过滤，得到过滤后的运动数据。

作为一种可选的实施例，脚着地方式包括以下之一：脚跟着地，全脚掌着地，前脚掌着地。

实施例3

根据本发明实施例的另外一个方面，还提供了一种存储介质，存储介质包括存储的程序，其中，程序执行上述中任意一项的基于六轴传感器的脚着地确定方法。

实施例4

根据本发明实施例的另外一个方面，还提供了一种处理器，处理器用于运行程序，其中，程序运行时执行上述中任意一项的基于六轴传感器的脚着地确定方法。

上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。

在本发明的上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。

在本申请所提供的几个实施例中，应该理解到，所揭露的技术内容，可通过其它的方式实现。其中，以上所描述的装置实施例仅仅是示意性的，例如单元的划分，可以为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，单元或模块的间接耦合或通信连接，可以是电性或其它的形式。

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单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例方法的全部或部分步骤。而前述的存储介质包括：u盘、只读存储器(rom，read-onlymemory)、随机存取存储器(ram，randomaccessmemory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。

以上仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。