[发明专利]一种状态识别并区分的方法、装置及终端

说明书

技术领域

本发明涉及计步领域，尤其涉及一种状态识别区分的方法、装置及终端。

背景技术

根据相应的研究，传统的步行侦测基于加速度的原始数据，研究了人体走路时的特征，由于微机电系统(Micro-Electro-Mechanical System简称“MEMS”)的发展，基于加速度计，我们可以设计相应的计步器，为了提高计步器的精度，我们需要对加速度的原始数据进行分析，人体走路的过程是一个周期性重复动作。为了检测人体的步态特征，有不同的计步器，有的计步器要求佩戴在腰部、有的计步器要求佩戴在鞋上。有的计步器也包括了另一些特点比如可以估算用户走过的里程、消耗的卡路里等。总之，各类计步器的目的就是为了检测人体的步行特征：步数、距离、步频、步幅、卡路里消耗等。

在各类计步器中，由于加速度计本身存在漂移、噪音，使得我们不能准确监测人体加速度信息，进一步造成了我们不能准确的进行计步、计算行走距离等信息。

在日常生活中，手腕的动作会进一步造成加速度计数据发生变化，这些变化不必然与步行联系在一起，如我们在乘坐公交车的时候，计步器会误认为我们在走路，在打字、敲键盘的时候也会造成相同的现象。因此我们需要在计步器工作的过程中对这些情况进行排除。

发明内容

本发明的目的在于提供一种状态识别并区分的方法、装置及终端。

本发明提供一种状态识别并区分的方法，包括：

S100加速度原始数据采集；

S101加速度原始数据滤波；

S102依据滤波参考值进行一般状态区分；

S103基于滤波参考值中的运动特征值进行异常状态区分；

S104计步处理。

优选地，所述步骤S102包括判断所述滤波参考值是否位于第一阈值区间，若是则判断为用户处于静止状态、若否则判断用户处于运动状态。

优选地，所述步骤S102还包括，在运动状态下，根据一段周期内的加速度最大值，记录加速度最大值出现的次数，若超过第二阈值的次数占总次数的百分比超过一定比例，则判定为跑步；否则，则判定为步行。

优选地，所述步骤S103中的运动特征值为从所述滤波参考值中提取的频率、振幅、最大值、最小值及加速度方差中的一项或多项特征值。

优选地，所述步骤S103包括针对所述运动特征值依次建立量化标准，并与预置量化标准进行比对，全部符合则为正常状态；所述运动特征值中有一项不符合则判定为异常状态。

优选地，所述步骤S103包括针对所述运动特征值中的所有向量值构建特征向量，并于预置参考向量进行匹配，匹配成功视为正常状态；匹配失败视为异常状态。

优选地，所述步骤S103包括采用含有一个隐含层的前馈神经网络，包括至少50个输入神经元、1个输出神经元。输出神经元的输出值为0或1，0表示处于跑步或走路状态，1表示处于异常状态。

优选地，所述输入神经元为所述滤波参考值。

本发明还提供一种状态识别并区分的装置，包括：

采集单元用于加速度原始数据采集；

滤波单元用于加速度原始数据滤波；

一般状态区分单元用于依据滤波参考值进行一般状态区分；

异常状态区分单元用于基于滤波参考值中的运动特征值进行异常状态区分；

处理单元用于计步处理。

优选地，所述一般状态区分单元包括：

动静态确定模块，用以接收所述滤波参考值信息并判断确定用户当前处于何种状态；

运动状态确定模块，用以接收一段时间内的加速度最大值次数及加速度最大值占比来确定用户当前处于跑步或行走的状态。

优选地，异常状态区分单元包括如下任意一种模块：

分类器模块，用以接收运动特征值的量化标准与预置量化标准对比，确定用户是否处于异常运动状态；

向量机模块，用以接收运动特征值的特征向量与预置参考向量匹配，确定用户是否处于异常运动状态；

神经网络模块，用以采集多个输入神经元并经过计算得出一个输出神经元，确定用户是否处于异常运动状态。

优选地，所述运动特征值为从所述滤波参考值中提取的频率、振幅、最大值、最小值及加速度方差中的一项或多项特征值。

本发明还提供一种终端，包括上述任意一项所述的状态识别并区分的装置。