[发明专利]计步方法和装置

权利要求书

1.一种计步方法，其特征在于，包括：

按预设窗口长度获取计步设备在当前时间窗口的三轴加速度数据；

对所述三轴加速度数据进行预处理，得到所述计步设备在当前时间窗口的信号活动性、合加速度、三个轴向的加速度最值与加速度均值；所述信号活动性用于指示所述计步设备的运动程度；

根据所述计步设备在当前时间窗口的信号活动性、三个轴向的加速度最值及加速度均值，判断所述计步设备在当前时间窗口的计步状态；所述计步状态包括计步统计状态；如果当前时间窗口的三轴加速度数据满足预设的连续走路条件，确定所述计步设备处于计步统计状态；

基于计步状态为计步统计状态的当前时间窗口的合加速度，确定所述计步设备的计步步数。

2.根据权利要求1所述的计步方法，其特征在于，所述计步状态还包括等待计步状态；根据所述计步设备在当前时间窗口的信号活动性、三个轴向的加速度最值及加速度均值，判断所述计步设备在当前时间窗口的计步状态的步骤，包括：

判断所述计步设备在当前时间窗口的信号活动性是否大于预设第一阈值；

如果是，判断所述三个轴向的加速度最值是否在预设第二阈值区间内；

如果是，将所述三轴加速度数据输入到预先训练好的分类树模型，输出分类结果；所述分类结果为连续走路或者停止走路；

如果所述分类结果为连续走路，确定所述计步设备在当前时间窗口的计步状态为计步统计状态；

如果所述分类结果为停止走路，确定所述计步设备在当前时间窗口的计步状态为等待计步状态。

3.根据权利要求2所述的计步方法，其特征在于，所述分类树模型通过下述方式构建得到：

获取训练数据集；其中，所述训练数据集中的行走数据、非行走数据、走走停停数据的占比为3:6:1；

利用极端梯度提升算法构建所述计步设备的初始网络模型；

利用所述训练数据集，以所述计步设备的预设特征集为训练特征，对所述初始网络模型进行训练，直至达到预设的训练条件，得到训练好的分类树模型。

4.根据权利要求3所述的计步方法，其特征在于，所述预设特征集包括：

所述计步设备的横向加速度的自相关系数、横向加速度的最大值、纵向加速度的最大值、纵向加速度的峰值点个数、合加速度的最值区间内的活动性绝对累加值、以及垂向加速度80％最值区间内的活动性累加值。

5.根据权利要求2所述的计步方法，其特征在于，如果当前时间窗口的三轴加速度数据满足预设的连续走路条件，确定所述计步设备处于计步统计状态的步骤，包括：

根据当前时间窗口的三轴加速度数据，确定当前时间窗口内合加速度的波峰数量、波峰和波谷的幅度差的平均值、三轴加速度的平均值，以及波形形状；

如果当前时间窗口内所述合加速度的波峰数量大于预设第三阈值、波峰和波谷的幅度差的平均值大于预设第四阈值、三轴加速度的平均值在预设范围区间内，且所述波形形状为窄而尖的峰，确定所述计步设备处于计步统计状态。

6.根据权利要求5所述的计步方法，其特征在于，所述方法还包括：

根据当前时间窗口的三轴加速度数据，确定当前时间窗口内合加速度的波峰数量、波峰和波谷的时间间隔、三轴加速度的平均值；

如果当前时间窗口内所述合加速度的波峰数量小于所述第三阈值、波峰和波谷的时间间隔大于预设时长，且三轴加速度的平均值不在所述预设范围区间内，确定所述计步设备处于等待计步状态。

7.根据权利要求1所述的计步方法，其特征在于，所述方法还包括：

基于计步状态为计步统计状态的当前时间窗口的合加速度，抓取当前时间窗口的加速度数据的波峰和波谷；

根据抓取的波峰和波谷确定所述计步设备的计步步数。

8.根据权利要求7所述的计步方法，其特征在于，根据抓取的波峰和波谷确定所述计步设备的计步步数的步骤，包括：

将抓取的波峰的数量确定为所述计步设备在当前时间窗口的计步步数。