[发明专利]计步方法和装置

说明书

本发明提供一种计步方法和装置，该方法包括：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；对该三轴加速度数据进行预处理，得到该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；根据该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，判断该计步设备在当前时间窗口的计步状态；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，确定该计步设备的计步步数。该方法通过对计步设备在当前时间窗口的三轴加速度数据的信号活动性、合加速度、三个轴向的加速度最值与加速度均值进行分析后统计用户步数，提高了计步设备的计步精度。

技术领域

本发明涉及电子信息技术领域，尤其是涉及一种计步方法和装置。

背景技术

随着可穿戴电子设备的快速发展，计步设备得到了广泛的应用，用户可以通过计步设备的加速度计步模组配合计步算法对一段时间内的行走步数进行统计。通常的计步流程为：通过计步设备的加速度传感器获取用户的加速度信号，根据该加速度信号生成加速度曲线，然后将该加速度曲线传递给该计步设备的计步分析模块，最后该计步分析模块利用计步算法统计该用户在一段时间内的行走步数。

其中，传统的计步算法主要根据该加速度曲线的峰谷值进行计步，即该峰谷值超出预设阈值时，开始计步。然而上述计步算法对加速度曲线的峰谷值的敏感度很高，当加速度传感器受到外界噪声干扰时，容易使采集到的加速度曲线由于干扰出现错峰或者尖峰，导致计步的准确率较低。为了得到更高的计步精度，现有技术通过引入加速度曲线的波峰间最小距离的阈值、该加速度曲线的周期判断以及该加速度曲线的连续性等约束条件来提升计步精度，然而在一些常规的生活场景中(例如：开车、弹钢琴、玩电子游戏等)，由于用户动作具有一定的规律性但不一定处于步行状态，导致计步设备出现误识别，从而计步精度依然较低。

发明内容

本发明的目的在于提供一种计步方法和装置，以提高计步设备的计步精度。

第一方面，本发明实施例提供了一种计步方法，其中，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；对该三轴加速度数据进行预处理，得到该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；该信号活动性用于指示该计步设备的运动程度；根据该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，判断该计步设备在当前时间窗口的计步状态；该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，确定该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，确定该计步设备的计步步数。

结合第一方面，本发明实施例提供了第一方面的第一种可能的实施方式，其中，该计步状态还包括等待计步状态；根据该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，判断该计步设备在当前时间窗口的计步状态的步骤，包括：判断该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，判断该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，将该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；该分类结果为连续走路或者停止走路；如果该分类结果为连续走路，确定该计步设备在当前时间窗口的计步状态为计步统计状态；如果该分类结果为停止走路，确定该计步设备在当前时间窗口的计步状态为等待计步状态。

结合第一方面的第一种可能的实施方式，本发明实施例提供了第一方面的第二种可能的实施方式，其中，该分类树模型通过下述方式构建得到：获取训练数据集；其中，该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该计步设备的初始网络模型；利用该训练数据集，以该计步设备的预设特征集为训练特征，对该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。