[發明專利]一種狀態識別并區分的方法、裝置及終端

在審

• 申請號: 201610539483.1
• 申請日: 2016-07-08
• 公開（公告）號: CN107588784A
• 公開（公告）日: 2018-01-16
• 發明（設計）人: 宋克克;楊建國
• 申請（專利權）人: 深圳達陣科技有限公司
• 主分類號: G01C22/00
• 分類號: G01C22/00
• 代理公司: 北京同立鈞成知識產權代理有限公司11205
• 代理人: 宋揚,劉芳

1.一種狀態識別并區分的方法，其特征在于，包括：

S100加速度原始數據采集；

S101加速度原始數據濾波；

S102依據濾波參考值進行一般狀態區分；

S103基于濾波參考值中的運動特征值進行異常狀態區分；

S104計步處理。

2.根據權利要求1所述的識別并區分的方法，其特征在于：所述步驟S102包括判斷所述濾波參考值是否位于第一閾值區間，若是則判斷為用戶處于靜止狀態、若否則判斷用戶處于運動狀態。

3.根據權利要求2所述的識別并區分的方法，其特征在于：所述步驟S102還包括，在運動狀態下，根據一段周期內的加速度最大值，記錄加速度最大值出現的次數，若超過第二閾值的次數占總次數的百分比超過一定比例，則判定為跑步；否則，則判定為步行。

4.根據權利要求1所述的識別并區分的方法，其特征在于：所述步驟S103中的運動特征值為從所述濾波參考值中提取的頻率、振幅、最大值、最小值及加速度方差中的一項或多項特征值。

5.根據權利要求4所述的識別并區分的方法，其特征在于：所述步驟S103包括針對所述運動特征值依次建立量化標準，并與預置量化標準進行比對，全部符合則為正常狀態；所述運動特征值中有一項不符合則判定為異常狀態。

6.根據權利要求4所述的識別并區分的方法，其特征在于：所述步驟S103包括針對所述運動特征值中的所有向量值構建特征向量，并于預置參考向量進行匹配，匹配成功視為正常狀態；匹配失敗視為異常狀態。

7.根據權利要求4所述的識別并區分的方法，其特征在于：所述步驟S103包括采用含有一個隱含層的前饋神經網絡，包括至少50個輸入神經元、1個輸出神經元。輸出神經元的輸出值為0或1，0表示處于跑步或走路狀態，1表示處于異常狀態。

8.根據權利要求7所述的識別并區分的方法，其特征在于：所述輸入神經元為所述濾波參考值。

9.一種狀態識別并區分的裝置，其特征在于：包括：

采集單元用于加速度原始數據采集；

濾波單元用于加速度原始數據濾波；

一般狀態區分單元用于依據濾波參考值進行一般狀態區分；

異常狀態區分單元用于基于濾波參考值中的運動特征值進行異常狀態區分；

處理單元用于計步處理。

10.根據權利要求9所述的識別并區分的裝置，其特征在于：所述一般狀態區分單元包括：

動靜態確定模塊，用以接收所述濾波參考值信息并判斷確定用戶當前處于何種狀態；

運動狀態確定模塊，用以接收一段時間內的加速度最大值次數及加速度最大值占比來確定用戶當前處于跑步或行走的狀態。

11.根據權利要求9所述的識別并區分的裝置，其特征在于：異常狀態區分單元包括如下任意一種模塊：

分類器模塊，用以接收運動特征值的量化標準與預置量化標準對比，確定用戶是否處于異常運動狀態；

向量機模塊，用以接收運動特征值的特征向量與預置參考向量匹配，確定用戶是否處于異常運動狀態；

神經網絡模塊，用以采集多個輸入神經元并經過計算得出一個輸出神經元，確定用戶是否處于異常運動狀態。

12.根據權利要求9所述的識別并區分的裝置，其特征在于：所述運動特征值為從所述濾波參考值中提取的頻率、振幅、最大值、最小值及加速度方差中的一項或多項特征值。

13.一種終端，包括計步裝置，其特征在于，還包括權利要求9～12中任意一項所述的狀態識別并區分的裝置。