CN115206483A - 一种运动识别方法及电子设备 - Google Patents

Abstract

本申请实施例公开了一种运动识别方法及电子设备，应用于电子设备技术领域，可解决现有运动识别技术因运动类型较多导致现有运动识别算法较为复杂的问题。该方法包括：获取目标数据，该目标数据包括：目标时长内通过加速度计采集的电子设备的加速度计数据，以及该目标时长内通过陀螺仪采集的该电子设备的陀螺仪数据；基于运动识别模型，对该目标数据进行分析，得到目标运动类型，该运动识别模型是根据至少两种运动类型对应的历史样本数据生成的，该目标运动类型为该至少两种运动类型中的与该目标数据对应的运动类型。

Description

一种运动识别方法及电子设备

技术领域

本申请实施例涉及电子设备技术领域，尤其涉及一种运动识别方法及电子设备。

背景技术

随着终端技术的迅速发展，电子设备的应用越来越广泛。例如，用户利用电子设备监测自身的运动类型和运动量，从而通过合适的运动类型和运动强度以达到强身健体的目的。

目前，传统的运动识别算法，需要根据用户选择的运动场景，针对与运动场景相应的运动类型的进行识别，那么若设计的运动类型较多，将会导致识别算法十分复杂。

发明内容

本申请实施例提供一种运动识别方法及电子设备，用以解决现有运动识别技术因运动类型较多导致现有运动识别算法较为复杂的问题。

为了解决上述技术问题，本申请实施例是这样实现的：

第一方面，提供一种运动识别方法，该方法包括：获取目标数据，该目标数据包括：目标时长内通过加速度计采集的电子设备的加速度计数据，以及该目标时长内通过陀螺仪采集的该电子设备的陀螺仪数据；基于运动识别模型，对该目标数据进行分析，得到目标运动类型，该运动识别模型是根据至少两种运动类型对应的历史样本数据生成的，该目标运动类型为该至少两种运动类型中的与该目标数据对应的运动类型。

作为一种可选的实施方式，在本申请实施例的第一方面中，该基于运动识别模型，对该目标数据进行分析，得到目标运动类型，包括：对该目标数据进行特征提取，得到目标特征参数；将该目标特征参数输入至运动识别模型，得到该目标运动类型。

作为一种可选的实施方式，在本申请实施例的第一方面中，该基于运动识别模型，对该目标数据进行分析，得到目标运动类型之前，该方法还包括：根据第一数据确定该电子设备是否处于运动状态，第一数据为该目标数据中的加速度计数据；该基于运动识别模型，对该目标数据进行分析，得到目标运动类型，包括：在确定该电子设备处于运动状态的情况下，基于该运动识别模型，对该目标数据进行分析，得到该目标运动类型。

作为一种可选的实施方式，在本申请实施例的第一方面中，该获取目标数据之前，该方法还包括：获取该历史样本数据；根据该历史样本数据和机器学习模型，生成该运动识别模型。

作为一种可选的实施方式，在本申请实施例的第一方面中，该基于运动识别模型，对该目标数据进行分析，得到目标运动类型之后，该方法还包括：显示提示信息，该提示信息用于提示当前运动属于该目标运动类型。

作为一种可选的实施方式，在本申请实施例的第一方面中，该提示信息包括第一选项和第二选项，第一选项用于指示当前运动属于该目标运动类型，第二选项用于指示当前运动不属于该目标运动类型；该显示提示信息之后，该方法还包括：接收用户对该提示信息的输入，该输入为用户选择第一选项时的输入操作；响应于该输入，将该目标数据和该目标运动类型作为一个样本数据更新至该历史样本数据。

第二方面，提供一种运动识别装置，该装置包括：获取模块和识别模块；该获取模块，用于获取目标数据，该目标数据包括：目标时长内通过加速度计采集的电子设备的加速度计数据，以及该目标时长内通过陀螺仪采集的该电子设备的陀螺仪数据；该识别模块，用于基于运动识别模型，对该获取模块获取的该目标数据进行分析，得到目标运动类型，该运动识别模型是根据至少两种运动类型对应的历史样本数据生成的，该目标运动类型为该至少两种运动类型中的与该目标数据对应的运动类型。

作为一种可选的实施方式，在本申请实施例的第二方面中，该识别模块，具体用于对该目标数据进行特征提取，得到目标特征参数；将该目标特征参数输入至运动识别模型，得到该目标运动类型。

作为一种可选的实施方式，在本申请实施例的第二方面中，该装置还包括：确定模块；该确定模块，用于在该识别模块基于运动识别模型，对该目标数据进行分析，得到目标运动类型之前，根据第一数据确定该电子设备是否处于运动状态，第一数据为该目标数据中的加速度计数据；该识别模块，具体用于在该确定模块确定该电子设备处于运动状态的情况下，基于该运动识别模型，对该目标数据进行分析，得到该目标运动类型。

作为一种可选的实施方式，在本申请实施例的第二方面中，该装置还包括：生成模块；该获取模块，还用于在该获取目标数据之前，获取该历史样本数据；该生成模块，用于根据该获取模块获取的该历史样本数据和机器学习模型，生成该运动识别模型。

作为一种可选的实施方式，在本申请实施例的第二方面中，该装置还包括：显示模块；该显示模块，用于在该识别模块基于运动识别模型，对该目标数据进行分析，得到目标运动类型之后，显示提示信息，该提示信息用于提示当前运动属于该目标运动类型。

作为一种可选的实施方式，在本申请实施例的第二方面中，该提示信息包括第一选项和第二选项，第一选项用于指示当前运动属于该目标运动类型，第二选项用于指示当前运动不属于该目标运动类型；该装置还包括：确定模块；接收模块和更新模块；该接收模块，用于在该显示模块显示提示信息之后，接收用户对该提示信息的输入，该输入为用户选择第一选项时的输入操作；该更新模块，用于响应于该接收模块接收的该输入，将该目标数据和该目标运动类型作为一个样本数据更新至该历史样本数据。

第三方面，提供一种电子设备，包括：处理器、存储器及存储在该存储器上并可在该处理器上运行的计算机程序，该计算机程序被该处理器执行时实现如第一方面所述的运动识别方法的部分或全部步骤。

第四方面，一种计算机可读存储介质，其特征在于，该计算机可读存储介质上存储计算机程序，该计算机程序被处理器执行时实现如第一方面所述的运动识别方法的部分或全部步骤。

第五方面，提供一种计算机程序产品，当该计算机程序产品在计算机上运行时，使得该计算机执行第一方面的运动识别方法的部分或全部步骤。

第六方面，提供一种应用发布平台，该应用发布平台用于发布计算机程序产品，其中，当该计算机程序产品在计算机上运行时，使得该计算机执行第一方面的运动识别方法的部分或全部步骤。

与现有技术相比，本申请实施例具有以下有益效果：

本申请实施例中提供的运动识别方法，通过获取电子设备的目标数据(运动数据)，并基于运动识别模型(根据至少两种运动类型对应的历史样本数据生成的)，对该目标数据进行分析，得到目标运动类型(为该至少两种运动类型中的与该目标数据对应的运动类型)。如此，可以直接对目标数据进行运动识别，确定运动类型，进而也可以对该运动类型的运动进一步分析和统计，无需在用户选择运动类型之后再针对用户选择的运动类型对运动进行识别和统计，因此，可以不用根据不同运动类型设计不同算法，如此可以降低算法的复杂度，降低功耗，降低设备成本。而且本申请实施例中自动识别的方案，由于减少人为参与，可以避免因用户改变运动类型，但未重新选择运动类型而导致的识别精度降低的问题。

附图说明

为了更清楚地说明本申请实施例中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是本申请实施例提供的运动识别方法的流程示意图之一；

图2是本申请实施例提供的运动识别方法的流程示意图之二；

图3是本申请实施例提供的运动识别方法的流程示意图之三；

图4(a)是本申请实施例提供的运动识别方法的自动识别结果的混淆矩阵；

图4(b)是本申请实施例提供的运动识别方法的自动识别结果的ROC曲线；

图5是本申请实施例提供的一种运动识别装置的结构示意图；

图6是本申请实施例提供的一种电子设备的结构示意图。

具体实施方式

下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

本申请的说明书和权利要求书中的术语“第一”和“第二”等是用于区别不同的对象，而不是用于描述对象的特定顺序。例如，第一数据和第二数据等是用于区别不同的分辨率，而不是用于描述分辨率的特定顺序。

本申请实施例的术语“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。

需要说明的是，本申请实施例中，“示例性的”或者“例如”等词用于表示作例子、例证或说明。本申请实施例中被描述为“示例性的”或者“例如”的任何实施例或设计方案不应被解释为比其它实施例或设计方案更优选或更具优势。确切而言，使用“示例性的”或者“例如”等词旨在以具体方式呈现相关概念。

传统的运动识别算法，需要根据用户选择的运动场景，针对与运动场景相应的运动类型的进行识别，那么若设计的运动类型较多，将会导致识别算法十分复杂，从而增加了设备的成本。

为了解决上述技术问题，本申请实施例提供一种运动识别方法及电子设备，可以直接对目标数据进行运动识别，确定运动类型，进而也可以对该运动类型的运动进一步分析和统计，无需在用户选择运动类型之后再针对用户选择的运动类型对运动进行识别和统计，因此，可以不用根据不同运动类型设计不同算法，如此可以降低算法的复杂度，降低功耗，降低设备成本。而且本申请实施例中自动识别的方案，由于减少人为参与，可以避免因用户改变运动类型，但未重新选择运动类型而导致的识别精度降低的问题，而且可以避免用户(尤其老人、儿童等)由于不会操作而无法进行运动识别的问题。

本申请实施例涉及的电子设备可以为手机、掌上电脑、可穿戴设备等电子设备。其中，可穿戴设备可以为智能手表、智能手环、电话手表、智能脚环、智能耳环、智能项链、智能耳机等，本申请实施例不作限定。

本申请实施例提供的运动识别方法可以应用于自动识别并分析运动类型的场景，本申请实施例中，可以自动识别并分析的运动类型包括但不限于：仰卧起坐、跑步、走路、跳绳、骑车、游泳等。本申请实施例中，不同类型的电子设备应用本申请实施例提供的运动识别方法，所能自动识别并分析的运动类型的种类可能相同，也可能不同，具体可以根据实际使用情况确定，本申请实施例不做限定。

本申请实施例提供的运动识别方法的执行主体可以为上述的电子设备，也可以为该电子设备中能够实现该运动识别方法的功能模块和/或功能实体，具体的可以根据实际使用需求确定，本申请实施例不作限定。下面以电子设备为例，对本申请实施例提供的运动识别方法进行示例性的说明。

如图1所示，本申请实施例提供一种运动识别方法，该方法可以包括下述S101至S102。

S101、电子设备获取目标数据。

其中，该目标数据包括：目标时长内通过加速度计采集的电子设备的加速度计数据，以及该目标时长内通过陀螺仪采集的该电子设备的陀螺仪数据。

可以理解，目标时长可以根据实际使用需求确定，本申请实施例不做限定。例如，目标时长可以为1s，2s，3s等。

需要说明的是，本申请实施例中，电子设备可以同时获取目标时长内的加速度计数据和陀螺仪数据，也可以分别获取目标时长内的速度计数据和陀螺仪数据，具体可以根据实际使用需求确定。

可选地，本申请实施例中，加速度计为三轴加速度传感器，陀螺仪为三轴陀螺仪传感器，三轴加速度传感器和三轴陀螺仪传感器又可以统称为六轴传感器。加速度计可以为三轴加速度数据，陀螺仪数据可以为三轴角速度数据。

需要说明的是，在三维直角坐标系中，三轴加速度传感器分别检测X轴、Y轴和Z轴的加速度，得到三个加速度分量；三轴陀螺仪传感器分别感应终端设备绕着X轴、Y轴和Z轴旋转的动态角度变化，得到三个角速度分量。

S102、电子设备基于运动识别模型，对该目标数据进行分析，得到目标运动类型。

其中，该运动识别模型是根据至少两种运动类型对应的历史样本数据生成的，该目标运动类型为该至少两种运动类型中的与该目标数据对应的运动类型。

可以理解，至少两种运动类型包括但不限于仰卧起坐、跑步、走路、跳绳、骑车、游泳等。历史样本数据中包括大量的该至少两种运动类型中的每种运动类型的样本数据。

可以理解，本申请实施例中，加速度计和陀螺仪实时采集数据，电子设备每次获取目标时长内加速度计和陀螺仪采集的运动数据，并基于运动识别模型，对该运动数据进行分析处理，以确定用户的运动类型。

可选地，本申请实施例中，电子设备可以实时对用户的运动类型进行分析，也可以周期性地对用户运动进行识别，还可以根据用户指示对用户运动进行识别，具体可以根据实际使用需求确定，本申请实施例不做限定。

可以理解，电子设备根据用户指示对用户运动进行识别，包括：在接收到用户的目标输入时，响应于目标输入对用户运动进行识别。其中，目标输入用于触发电子设备对用户运动进行识别，目标输入还可以用于指示电子设备对用户运动进行识别的第一时长，第一时长可以根据实际使用需求确定，或者，第一时长时为无限长，则电子设备在接收到用户指示停止对用户运动进行识别的输入时，停止对用户运动进行识别。

示例性地，电子设备每间隔0.5s分析一次用户的运动情况，每次获取1s内运动数据，然后基于运动识别模型，对该1s内的运动数据进行分析，确定用户的运动类型。

可选地，本申请实施例中，运动识别模型中可以包括对目标数据进行特征提取的功能，也可以不包括对目标数据进行特征提取的功能。

示例性地，本申请实施例中，上述S102具体可以通过下述S102a至S102b实现。

S102a、电子设备对该目标数据进行特征提取，得到目标特征参数。

可以理解，本申请实施例中，目标特征参数可以包括时域特征参数和频域特征参数，还可以包括其他特征参数，本申请实施例不做限定。

示例性地，目标特征参数可以包括总共6个分量的66个特征参数，其中，每个分量包括11个特征参数。该6个分量为上述S101中的三个加速度分量和三个角速度分量。该每个分量包括的11个特征参数为：(时域特征)均值、方差、标准差、最大值、最小值；(频域特征)直流分量，频谱标准差、频谱偏度、频谱峰度、频谱熵、频谱总能量。

S102b、电子设备将该目标特征参数输入至运动识别模型，得到该目标运动类型。

本申请实施例中，先对目标数据进行特征参数提取，再将特征参数输入至运动识别模型，可以降低运动识别模型的生成复杂度，而且可以保存每次提取的特征参数，再通过保存的大量特征参数，对运动识别模型进行训练，以得到更能满足电子设备用户个体需求的运动识别模型。

本申请实施例中提供的运动识别方法，通过获取电子设备的目标数据(运动数据)，并基于运动识别模型(根据至少两种运动类型对应的历史样本数据生成的)，对该目标数据进行分析，得到目标运动类型(为该至少两种运动类型中的与该目标数据对应的运动类型)。如此，可以直接对目标数据进行运动识别，确定运动类型，进而也可以对该运动类型的运动进一步分析和统计，无需在用户选择运动类型之后再针对用户选择的运动类型对运动进行识别和统计，因此，可以不用根据不同运动类型设计不同算法，如此可以降低算法的复杂度，降低功耗，降低设备成本。而且本申请实施例中自动识别的方案，由于减少人为参与，可以避免因用户改变运动类型，但未重新选择运动类型而导致的识别精度降低的问题。

可选地，结合图1，如图2所示，在上述S102之前，本申请实施例提供的运动识别方法还可以包括下述的S103，上述S102具体可以通过下述S102c实现。

S103、电子设备根据第一数据确定该电子设备是否处于运动状态。

第一数据为该目标数据中的加速度计数据。

可以理解，本申请实施例中，不限定根据第一数据确定该电子设备是否处于运动状态的方法。

示例性地，电子设备可以采用合成加速度初步判断电子设备(用户)是否处于运动状态。其中，合成加速度的计算方法为：

其中acc_x，acc_y，acc_z为同一时刻x轴，y轴，z轴加速度传感器的数据。可以理解，当处于运动状态时合成加速度值会明显大于非运动状态时的合成加速度值，因此，当acc_f大于或等于目标阈值时，电子设备可以判断用户处于运动状态，当acc_f小于目标阈值时，电子设备可以判断用户未处于运动状态。

S102c、电子设备在确定该电子设备处于运动状态的情况下，基于该运动识别模型，对该目标数据进行分析，得到该目标运动类型。

本申请实施例中，因为要进行运动类型自动识别，所以识别算法需要一直运行，通过上述S103可以初步判断用户是否处于运动状态，在判断用户处于运动状态时执行运动类型自动识别，在判断用户未处于运动状态时不执行运动类型自动识别，从而可减少电子设备的功耗。

可选地，运动识别模型可以是电子设备出厂前生成的，也可以是电子设备从其他设备获取的，本申请实施例不做限定。

示例性地，结合图2，如图3所示，在上述S101之前，本申请实施例提供的运动识别方法还可以包括下述的S104至S105。

S104、电子设备获取该历史样本数据。

可以理解，电子设备可以通过传感器采集大量的历史样本数据，也可以从网络下载大量的历史样本数据，本申请实施例不做限定。

S105、电子设备根据该历史样本数据和机器学习模型，生成该运动识别模型。

可以理解，机器学习模型可以是现有技术中的任意一种机器学习模型，本发明实施例不作限定。例如可以是逻辑回归算法模型、朴素贝叶斯分类器算法模型、K均值聚类算法模型、K最近邻算法模型、支持向量机学习算法模型、线性回归机器学习模型、决策树机器学习模型、随机森林机器学习模型、神经网络算法模型等，具体的可以参考现有相关技术，此处不予赘述。

本申请实施例中，电子设备可以先根据机器学习算法建立一个基础模型(机器学习模型)，然后用收集到的历史样本数据不断的训练这个基础模型，以生成一个满足目标要求的模型，即运动识别模型。

目标要求是评判生成的运动识别模型识别准确度的标准，例如统计电子设备基于运动识别模型分析运动数据得到的运动类型与实际运动类型相比的准确度(或分值)，当准确度(或分值)大于或等于阈值时，则判定满足目标要求。具体的生成运动识别模型的过程可以参考现有相关技术，此处不予赘述。

示例性地，本申请实施例提供的运动识别方法应用于可穿戴设备例如智能手表、智能手环、电话手表，运动识别模型为根据随机森林机器学习模型生成的，可自动识别的运动类型包括：仰卧起做，跑步，走路，跳绳以及其他。如图4中的(a)和图4中的(b)所示，分别为这几种运动类型的自动识别结果的混淆矩阵及ROC曲线。其中，ROC曲线的纵坐标为真阳性率(Ture Positive Rate)，横坐标为假阳性率(False Positive Rate)，跑步(运动类型的)识别准确率(classes of jog：auc)为0.9989039202132912，其他(运动类型的)识别准确率(classes ofothers：auc)为0.9898626337339849，跳绳(运动类型的)识别准确率(classes of rope-skipping：auc)为0.9897150859993873，仰卧起坐(运动类型的)识别准确率(classes of sit_up1：auc)为0.9995481927710843，走路(运动类型的)识别准确率(classes of walking：auc)为0.9958275629416569，(运动类型的)平均识别准确率(microroc：auc)为0.9959079596644297。由混淆矩阵及ROC曲线可知，本申请实施例提供的运动识别方法自动识别运动类型的识别精度较高。

本申请实施例中，电子设备根据历史样本数据和机器学习模型生成运动识别模型，通过运动识别模型可以实现无需人为参与、自动识别运动类型的目标，如此可以简化运动识别算法的复杂度、降低设备成本、提高用户满意度。

可选地，在上述S101之前，本申请实施例提供的运动识别方法还可以包括下述的S106。

S106、电子设备显示提示信息。

其中，该提示信息用于提示当前运动属于该目标运动类型。

可选地，提示信息可以是弹窗提示信息，提示信息还可以包括让用户确定运动类型的功能。

本申请实施例中，通过显示提示信息，可以及时提示用户处于何种运动中，然后用户可以根据需求调整运动状态，还是保持运动状态等。

可选地，该提示信息包括第一选项和第二选项，第一选项用于指示当前运动属于该目标运动类型，第二选项用于指示当前运动不属于该目标运动类型。

本申请实施例中，提示信息包括第一选项和第二选项，从而可以与用户进行人机交互，给用户不一样的体验。而且，电子设备还可以根据用户的选择确定运动识别模型识别的是否准确，进而可以提高运动识别模型的识别精度。

可选地，在上述S106之后，本申请实施例提供的运动识别方法还可以包括下述的S107至S108。

S107、电子设备接收用户对该提示信息的输入。

其中，该输入(为了避免混淆，以下称为第一输入)为用户选择第一选项时的输入操作。

可选地，本申请实施例中，第一输入可以为用户对第一选项的点击输入或滑动输入，还可以为其他的可行性输入，本申请实施例不做限定。

示例性地，上述点击输入，可以为单击输入、双击输入、双指输入等；上述滑动输入可以为向任意方向的滑动输入或多指滑动输入等。

S108、电子设备响应于该输入，将该目标数据和该目标运动类型作为一个样本数据更新至该历史样本数据。

本申请实施例中，在接收到第一输入时，则确定电子设备识别的是准确的，然后可以将带有用户特征的目标数据和目标运动类型的样本数据更新至历史样本数据中，进而可以通过带有用户特征的样本数据对运动识别模型进一步训练，已生成满足用户特性的运动识别模型。

可选地，本申请实施例中，可以在用户的样本数据中增加用户的行为习惯信息，然后对运动识别模型进行训练，以生成与用户行为习惯相关的运动识别模型。其中，用户的行为习惯信息可以包括用户的运动时间、运动地点、运动强度等信息，本申请实施例不做限定。

可选地，在上述S102之后，本申请实施例提供的运动识别方法还可以包括下述的S109。

S109、电子设备在确定所述电子设备保持处于目标运动的时长达到预定时长的情况下，输出预定信息。

其中，所述目标运动属于所述目标运动类型，所述预定信息用于提示用户所述目标运动的时长达到预定时长。

可以理解，预定时长可以根据实际使用需求设定，本申请实施例不做限定。

可以理解，预定信息还可以是其他的信息，例如预定信息可以用于提示用户休息一下，本申请实施例不做限定。

可以理解，预定信息可以是弹窗信息、可以是响铃信息，也可以是其他形式的信息，本申请实施例不做限定。

本申请实施例中，目标运动的时长达到预定时长的情况下，输出预定信息，可以提高人机交互性能，提高用户满意度。

可选地，在上述S102之后，本申请实施例提供的运动识别方法还可以包括下述的S110。

S110、电子设备在确定所述电子设备所处运动的运动类型发生变化的情况下，输出目标信息。

其中，所述目标信息用于提示用户运动类型发生变换。

本申请实施例中，当电子设备确定运动类型发生变化时提示用户，可以提高人机交互性能，提高用户满意度。

可选地，在上述S102之后，本申请实施例提供的运动识别方法还可以包括下述的S111至S112。

S111、电子设备接收用户的目标输入。

其中，该目标输入用于触发电子设备显示历史运动信息。

本申请实施例中，目标输入可以为用户对电子设备的点击输入或滑动输入、组合输入等，还可以是其他的可行性输入，本申请实施例不做限定。

示例性地，对上述点击输入和滑动输入的描述可以参考上述S107中对第一输入的描述中对点击输入和滑动输入的相关描述，此处不再赘述。

S112、电子设备响应于该目标输入，显示预设时长内的历史运动信息。

其中，历史运动信息至少包括以下至少一项，至少一个运动类型，每个运动类型所对应的运动的运动时长、每个运动类型所对应的运动的运动时间段，每个运动类型所对应的运动的运动强度，每个运动类型所对应的运动的运动强度是否达到预定目标。历史运动信息还可以包括其他内容，本申请实施例不做限定。

可以理解，预设时长可以根据实际使用需求确定，本申请实施例不做限定。

本申请实施例中，显示预设时长内的历史运动信息，便于用户获知预设时长内的运动状态，然后可以对之后的运动状态进行合理安排或调整。

如图5所示，本申请实施例提供一种运动识别装置，该运动识别装置200包括：获取模块201和识别模块202；该获取模块201，用于获取目标数据，该目标数据包括：目标时长内通过加速度计采集的电子设备的加速度计数据，以及该目标时长内通过陀螺仪采集的该电子设备的陀螺仪数据；该识别模块202，用于基于运动识别模型，对该获取模块201获取的该目标数据进行分析，得到目标运动类型，该运动识别模型是根据至少两种运动类型对应的历史样本数据生成的，该目标运动类型为该至少两种运动类型中的与该目标数据对应的运动类型。

作为本申请实施例一种可选的实施方式，该识别模块202，具体用于对该目标数据进行特征提取，得到目标特征参数；将该目标特征参数输入至运动识别模型，得到该目标运动类型。

作为本申请实施例一种可选的实施方式，如图5所示，该运动识别装置200还包括：确定模块203；该确定模块203，用于在该识别模块202基于运动识别模型，对该目标数据进行分析，得到目标运动类型之前，根据第一数据确定该电子设备是否处于运动状态，第一数据为该目标数据中的加速度计数据；该识别模块202，具体用于在该确定模块203确定该电子设备处于运动状态的情况下，基于该运动识别模型，对该目标数据进行分析，得到该目标运动类型。

作为本申请实施例一种可选的实施方式，如图5所示，该运动识别装置200还包括：生成模块204；该获取模块201，还用于在该获取目标数据之前，获取该历史样本数据；该生成模块204，用于根据该获取模块201获取的该历史样本数据和机器学习模型，生成该运动识别模型。

作为本申请实施例一种可选的实施方式，如图5所示，该运动识别装置200还包括：显示模块205；该显示模块205，用于在该识别模块202基于运动识别模型，对该目标数据进行分析，得到目标运动类型之后，显示提示信息，该提示信息用于提示当前运动属于该目标运动类型。

作为本申请实施例一种可选的实施方式，该提示信息包括第一选项和第二选项，第一选项用于指示当前运动属于该目标运动类型，第二选项用于指示当前运动不属于该目标运动类型；如图5所示，该运动识别装置200还包括：接收模块206和更新模块207；该接收模块206，用于在该显示模块205显示提示信息之后，接收用户对该提示信息的输入，该输入为用户选择第一选项时的输入操作；该更新模块207，用于响应于该接收模块206接收的该输入，将该目标数据和该目标运动类型作为一个样本数据更新至该历史样本数据。

本申请实施例中，各模块可以实现上述方法实施例提供的运动识别方法，且能达到相同的技术效果，为避免重复，这里不再赘述。

需要说明的是：如图5所示，运动识别装置200中一定包括的模块用实线框示意，如获取模块201，识别模块202；运动识别装置200中可以包括也可以不包括的模块用虚线框示意，如确定模块203，生成模块204，显示模块205，接收模块206和更新模块207。

本申请实施例中，各模块可以实现上述方法实施例提供的误差系数计算方法，且能达到相同的技术效果，为避免重复，这里不再赘述。

图6为实现本申请各个实施例的一种电子设备的硬件结构示意图，如图6所示，该电子设备包括但不限于：射频(radio frequency，RF)电路301、存储器302、输入单元303、显示单元304、传感器305、音频电路306、无线通信(wireless fidelity，Wi-Fi)模块307、处理器308、电源309、以及摄像头310等部件。其中，射频电路301包括接收器3011和发送器3012。本领域技术人员可以理解，图6中示出的电子设备结构并不构成对电子设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。

RF电路301可用于收发信息或通话过程中，信号的接收和发送，特别地，将基站的下行信息接收后，给处理器308处理；另外，将设计上行的数据发送给基站。通常，RF电路301包括但不限于天线、至少一个放大器、收发信机、耦合器、低噪声放大器(low noiseamplifier，LNA)、双工器等。此外，RF电路301还可以通过无线通信与网络和其他设备通信。上述无线通信可以使用任一通信标准或协议，包括但不限于全球移动通讯系统(globalsystem of mobile communication，GSM)、通用分组无线服务(general packet radioservice，GPRS)、码分多址(code division multiple access，CDMA)、宽带码分多址(wideband code division multiple access，WCDMA)、长期演进(long term evolution，LTE)、电子邮件、短消息服务(short messaging service，SMS)等。

存储器302可用于存储软件程序以及模块，处理器308通过运行存储在存储器302的软件程序以及模块，从而执行电子设备的各种功能应用以及数据处理。存储器302可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等；存储数据区可存储根据电子设备的使用所创建的数据(比如音频数据、电话本等)等。此外，存储器302可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。

输入单元303可用于接收输入的数字或字符信息，以及产生与电子设备的用户设置以及功能控制有关的键信号输入。具体地，输入单元303可包括触控面板3031以及其他输入设备3032。触控面板3031，也称为触摸屏，可收集用户在其上或附近的触摸操作(比如用户使用手指、触笔等任何适合的物体或附件在触控面板3031上或在触控面板3031附近的操作)，并根据预先设定的程式驱动相应的连接装置。可选地，触控面板3031可包括触摸检测装置和触摸控制器两个部分。其中，触摸检测装置检测用户的触摸方位，并检测触摸操作带来的信号，将信号传送给触摸控制器；触摸控制器从触摸检测装置上接收触摸信息，并将它转换成触点坐标，再送给处理器308，并能接收处理器308发来的命令并加以执行。此外，可以采用电阻式、电容式、红外线以及表面声波等多种实现触控面板3031。除了触控面板3031，输入单元303还可以包括其他输入设备3032。具体地，其他输入设备3032可以包括但不限于物理键盘、功能键(比如音量控制按键、开关按键等)、轨迹球、鼠标、操作杆等中的一种或多种。

显示单元304可用于显示由用户输入的信息或提供给用户的信息以及电子设备的各种菜单。显示单元304可包括显示面板3041，可选地，可以采用液晶显示器(liquidcrystal display，LCD)、有机发光二极管(organic light-Emitting diode，OLED)等形式来配置显示面板3041。进一步的，触控面板3031可覆盖显示面板3041，当触控面板3031检测到在其上或附近的触摸操作后，传送给处理器308以确定触摸事件的，随后处理器308根据触摸事件的在显示面板3041上提供相应的视觉输出。虽然在图6中，触控面板3031与显示面板3041是作为两个独立的部件来实现电子设备的输入和输入功能，但是在某些实施例中，可以将触控面板3031与显示面板3041集成而实现电子设备的输入和输出功能。

电子设备还可包括至少一种传感器305，比如光传感器、运动传感器以及其他传感器。具体地，光传感器可包括环境光传感器及接近传感器，其中，环境光传感器可根据环境光线的明暗来调节显示面板3041的亮度，接近传感器可在电子设备移动到耳边时，退出显示面板3041和/或背光。作为运动传感器的一种，加速计传感器可检测各个方向上(一般为三轴)加速度的大小，静止时可检测出重力的大小及方向，可用于识别电子设备姿态的应用(比如横竖屏切换、相关游戏、磁力计姿态校准)、振动识别相关功能(比如计步器、敲击)等；至于电子设备还可配置的陀螺仪、地磁传感器、气压计、湿度计、温度计、红外线传感器等其他传感器，在此不再赘述。本申请实施例中，该电子设备可以包括加速度计、深度传感器或者距离传感器等。

音频电路306、扬声器3061，传声器3062可提供用户与电子设备之间的音频接口。音频电路306可将接收到的音频数据转换后的电信号，传输到扬声器3061，由扬声器3061转换为声音信号输出；另一方面，传声器3062将收集的声音信号转换为电信号，由音频电路306接收后转换为音频数据，再将音频数据输出处理器308处理后，经RF电路301以发送给比如另一电子设备，或者将音频数据输出至存储器302以便进一步处理。

WiFi属于短距离无线传输技术，电子设备通过WiFi模块307可以帮助用户收发电子邮件、浏览网页和访问流式媒体等，它为用户提供了无线的宽带互联网访问。虽然图6示出了WiFi模块307，但是可以理解的是，其并不属于电子设备的必须构成，完全可以根据需要在不改变发明的本质的范围内而省略。

处理器308是电子设备的控制中心，利用各种接口和线路连接整个电子设备的各个部分，通过运行或执行存储在存储器302内的软件程序和/或模块，以及调用存储在存储器302内的数据，执行电子设备的各种功能和处理数据，从而对电子设备进行整体监控。可选地，处理器308可包括一个或多个处理单元；优选的，处理器308可集成应用处理器和调制解调处理器，其中，应用处理器主要处理操作系统、用户界面和应用程序等，调制解调处理器主要处理无线通信。可以理解的是，上述调制解调处理器也可以不集成到处理器308中。

电子设备还包括给各个部件供电的电源309(比如电池)，优选的，电源可以通过电源管理系统与处理器308逻辑相连，从而通过电源管理系统实现管理充电、放电、以及功耗管理等功能。尽管未示出，电子设备还可以包括蓝牙模块等，在此不再赘述。

本申请实施例中，处理器308，用于获取目标数据，该目标数据包括：目标时长内通过加速度计采集的电子设备的加速度计数据，以及该目标时长内通过陀螺仪采集的该电子设备的陀螺仪数据；基于运动识别模型，对该目标数据进行分析，得到目标运动类型，该运动识别模型是根据至少两种运动类型对应的历史样本数据生成的，该目标运动类型为该至少两种运动类型中的与该目标数据对应的运动类型。

可选地，上述处理器308还可以用于实现上述方法实施例中电子设备所实现的其他过程，且能达到相同的技术效果，为避免重复，这里不再赘述。

示例性地，本申请实施例中，上述传感器305(也可以称为运动数据采集模块)包括：加速度计、陀螺仪，用户携带电子设备进行运动时，传感器305可以感知用户的运动状态(例如佩戴手表、手环进行运动时，传感器305可以感知用户手腕的运动状态)，将采集到的运动数据传输到处理器308(也可以称作MCU主控模块)。上述处理器308中集成了运动类型识别算法，是电子设备的核心模块，主要包含了特征提取算法，运动识别模型。从传感器305接收运动数据，然后进行特征提取，将提取的特征参数输入到运动识别模型中，判断用户处于哪种运动类型，然后将运动类型结果传输至存储器302。存储器302：用以保存运动识别模块输出的运动类型结果，还可以保存提取的特征参数，可保存一定时间的运动数据，便于显示单元304显示历史运动数据。射频电路301可以采用WiFi，4G通讯，将存储器302中的运动数据传输至其他电子设备。电源309采用充电电池，给电子设备提供电源，可以采用体积小，重量轻的聚合物锂电池。显示单元304显示电子设备提供给用户的信息，当处理器308识别到用户处于某种运动类型中，可以在显示单元304中弹出提示，提醒用户是否处于当前运动中，或从存储器302中提取用户的历史运动信息。

本申请实施例还提供一种电子设备，该电子设备可以包括：处理器，存储器以及存储在存储器上并可在处理器上运行的计算机程序，该计算机程序被处理器执行时可以实现上述方法实施例提供的运动识别方法，且能达到相同的技术效果，为避免重复，这里不再赘述。

本申请实施例提供一种计算机可读存储介质，该计算机可读存储介质上存储计算机程序，该计算机程序被处理器执行时实现上述方法实施例提供的运动识别方法，且能达到相同的技术效果，为避免重复，这里不再赘述。

本申请实施例还提供一种计算机程序产品，其中，该计算机程序产品包括计算机指令，当该计算机程序产品在处理器上运行时，使得处理器执行该计算机指令，实现上述方法实施例提供的运动识别方法，且能达到相同的技术效果，为避免重复，这里不再赘述。

本申请实施例还提供一种应用发布平台，其中，应用发布平台用于发布计算机程序产品，其中，当计算机程序产品在计算机上运行时，使得计算机执行如以上各方法实施例中的方法的部分或全部步骤，且能达到相同的技术效果，为避免重复，这里不再赘述。

应理解，说明书通篇中提到的“一个实施例”或“一实施例”意味着与实施例有关的特定特征、结构或特性包括在本申请的至少一个实施例中。因此，在整个说明书各处出现的“在一个实施例中”或“在一实施例中”未必一定指相同的实施例。此外，这些特定特征、结构或特性可以以任意适合的方式结合在一个或多个实施例中。本领域技术人员也应该知悉，说明书中所描述的实施例均属于可选实施例，所涉及的动作和模块并不一定是本申请所必须的。

本申请实施例提供的电子设备能够实现上述方法实施例中所示的各个过程，为避免重复，此处不再赘述。

在本申请的各种实施例中，应理解，上述各过程的序号的大小并不意味着执行顺序的必然先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本申请实施例的实施过程构成任何限定。

上述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单元，即可位于一个地方，或者也可以分布到多个网络单元上。可根据实际的需要选择其中的部分或全部单元来实现本实施例方案的目的。

另外，在本申请各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。

上述集成的单元若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获取的存储器中。基于这样的理解，本申请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者部分，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器中，包括若干请求用以使得一台计算机设备(可以为个人计算机、服务器或者网络设备等，具体可以是计算机设备中的处理器)执行本申请的各个实施例上述方法的部分或全部步骤。

本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序可以存储于一种计算机可读存储介质中，存储介质包括只读存储器(Read-Only Memory，ROM)、随机存储器(Random Access Memory，RAM)、可编程只读存储器(Programmable Read-only Memory，PROM)、可擦除可编程只读存储器(Erasable Programmable Read Only Memory，EPROM)、一次可编程只读存储器(One-time Programmable Read-Only Memory，OTPROM)、电子抹除式可复写只读存储器(Electrically-Erasable Programmable Read-Only Memory，EEPROM)、只读光盘(CompactDisc Read-Only Memory，CD-ROM)或其他光盘存储器、磁盘存储器、磁带存储器、或者能够用于携带或存储数据的计算机可读的任何其他介质。

Claims (10)

1.一种运动识别方法，其特征在于，所述方法包括：

获取目标数据，所述目标数据包括：目标时长内通过加速度计采集的电子设备的加速度计数据，以及所述目标时长内通过陀螺仪采集的所述电子设备的陀螺仪数据；

基于运动识别模型，对所述目标数据进行分析，得到目标运动类型，所述运动识别模型是根据至少两种运动类型对应的历史样本数据生成的，所述目标运动类型为所述至少两种运动类型中的与所述目标数据对应的运动类型。

2.根据权利要求1所述的方法，其特征在于，所述基于运动识别模型，对所述目标数据进行分析，得到目标运动类型，包括：

对所述目标数据进行特征提取，得到目标特征参数；

将所述目标特征参数输入至运动识别模型，得到所述目标运动类型。

3.根据权利要求1所述的方法，其特征在于，所述基于运动识别模型，对所述目标数据进行分析，得到目标运动类型之前，所述方法还包括：

根据第一数据确定所述电子设备是否处于运动状态，所述第一数据为所述目标数据中的加速度计数据；

所述基于运动识别模型，对所述目标数据进行分析，得到目标运动类型，包括：

在确定所述电子设备处于运动状态的情况下，基于运动识别模型，对所述目标数据进行分析，得到所述目标运动类型。

4.根据权利要求1所述的方法，其特征在于，所述获取目标数据之前，所述方法还包括：

获取所述历史样本数据；

根据所述历史样本数据和机器学习模型，生成所述运动识别模型。

5.根据权利要求1至4中任一项所述的方法，其特征在于，所述基于运动识别模型，对所述目标数据进行分析，得到目标运动类型之后，所述方法还包括：

显示提示信息，所述提示信息用于提示当前运动属于所述目标运动类型。

6.根据权利要求5所述的方法，其特征在于，所述提示信息包括第一选项和第二选项，所述第一选项用于指示当前运动属于所述目标运动类型，所述第二选项用于指示当前运动不属于所述目标运动类型；

所述显示提示信息之后，所述方法还包括：

接收用户对所述提示信息的输入，所述输入为用户选择所述第一选项时的输入操作；

响应于所述输入，将所述目标数据和所述目标运动类型作为一个样本数据更新至所述历史样本数据。

7.一种运动识别装置，其特征在于，所述装置包括：获取模块和识别模块；

所述获取模块，用于获取目标数据，所述目标数据包括：目标时长内通过加速度计采集的电子设备的加速度计数据，以及所述目标时长内通过陀螺仪采集的所述电子设备的陀螺仪数据；

所述识别模块，用于基于运动识别模型，对所述获取模块获取的所述目标数据进行分析，得到目标运动类型，所述运动识别模型是根据至少两种运动类型对应的历史样本数据生成的，所述目标运动类型为所述至少两种运动类型中的与所述目标数据对应的运动类型。

8.一种电子设备，其特征在于，包括：处理器、存储器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现如权利要求1至6中任一项所述的运动识别方法的步骤。

9.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储计算机程序，所述计算机程序被处理器执行时实现如权利要求1至6中任一项所述的运动识别方法的步骤。

10.一种计算机程序产品，其特征在于，所述计算机程序产品包括计算机指令，当所述计算机程序产品在处理器上运行时，使得所述处理器执行所述计算机指令，以实现如权利要求1至6中任一项所述的运动识别方法的步骤。

Images