移动距离确定方法、装置及存储介质

文档序号:133918 发布日期:2021-10-22 浏览:34次 >En<

阅读说明:本技术 移动距离确定方法、装置及存储介质 (Moving distance determining method, device and storage medium ) 是由 郝宁 于 2020-04-17 设计创作,主要内容包括:本公开是关于一种移动距离确定方法、装置及存储介质;其中,所述方法包括:采集用户移动时所产生的声音信号;根据采集的所述声音信号,确定所述用户移动时的移动参数;根据所述移动参数,确定移动距离。如此,能够基于对移动时的声音信号的采集,实现在无定位信号的条件下对移动距离的确定。(The present disclosure relates to a method, an apparatus and a storage medium for determining a moving distance; wherein the method comprises the following steps: collecting sound signals generated when a user moves; determining a movement parameter when the user moves according to the collected sound signal; and determining the moving distance according to the moving parameters. In this way, the determination of the movement distance without a positioning signal can be realized based on the collection of the sound signal during movement.)

移动距离确定方法、装置及存储介质

技术领域

本公开涉及定位控制领域,尤其涉及一种移动距离确定方法、装置及存储介质。

背景技术

随着居民成生活质量的提高,民居需求已从基本的物质需求转向更高层次的需求,对身体素质的要求也越来越高。近年来,随着室内运动的普及和天气状态的影响,越来越多的人开始选择室内运动。目前的室内运动,如步行、跑步这类应用中,用户有需要记录步行或者跑步距离的需求,但现阶段,现有设备在室内会出现定位信号不稳定或者无法使用定位信号的问题,导致无法计算出运时的移动距离。

发明内容

本公开提供一种移动距离确定方法、装置及存储介质。

根据本公开实施例的第一方面,提供一种移动距离确定方法,所述方法包括:

采集用户移动时所产生的声音信号;

根据采集的所述声音信号,确定所述用户移动时的移动参数;

根据所述移动参数,确定移动距离。

可选地,所述根据采集的所述声音信号,确定所述用户移动时的移动参数,包括:

根据采集的所述声音信号,确定所述用户移动时的步频;

根据所述步频及所述用户的步幅,确定所述用户移动时的移动参数。

可选地,所述根据采集的所述声音信号,确定所述用户移动时的步频,包括:

根据采集的所述声音信号,获取所述声音信号的波形;

基于所述波形中相邻两个同类型峰值出现的时刻点,确定所述步频;其中,相邻两个同类型峰值包括:相邻两个波峰;或者,相邻两个波谷。

可选地,所述方法还包括:

基于所述用户的生理特征、所述用户输入指示的第一步幅值以及所述用户的历史移动数据至少之一,确定所述用户的步幅。

可选地,所述基于所述用户的生理特征、所述用户输入指示的第一步幅值以及所述用户的历史移动数据至少之一,确定所述用户的步幅,包括:

根据所述用户的生理特征,确定第二步幅值;

根据所述用户的历史移动数据,确定第三步幅值;

根据所述第一步幅值、所述第二步幅值、所述第三步幅值,结合所述第一步幅值所占权重、所述第二步幅值所占权重及所述第三步幅值所占权重,确定所述用户的步幅。

可选地,所述方法还包括:

确定所述用户在预设时间段内的累计移动时长;

根据所述累计移动时长与权重的对应关系,确定所述第一步幅值所占权重、所述第二步幅值所占权重和所述第三步幅值所占权重。

可选地,所述第一步幅值所占权重和所述第二步幅值所占权重相等;

所述第一步幅值所占权重、所述第二步幅值所占权重和所述第三步幅值所占权重的和为1。

根据本公开实施例的第二方面,提供一种移动距离确定装置,包括:

采集模块,用于采集用户移动时所产生的声音信号;

移动参数确定模块,用于根据采集的所述声音信号,确定所述用户移动时的移动参数;

移动距离确定模块,用于根据所述移动参数,确定移动距离。

可选地,所述移动参数确定模块,包括:

步频确定模块,用于根据采集的所述声音信号,确定所述用户移动时的步频;

移动参数确定子模块,用于根据所述步频及所述用户的步幅,确定所述用户移动时的移动参数。

可选地,所述步频确定模块,包括:

波形获取模块,用于根据采集的所述声音信号,获取所述声音信号的波形;

步频确定子模块,用于基于所述波形中相邻两个同类型峰值出现的时刻点,确定所述步频;其中,相邻两个同类型峰值包括:相邻两个波峰;或者,相邻两个波谷。

可选地,所述装置还包括:

步幅确定模块,用于基于所述用户的生理特征、所述用户输入指示的第一步幅值以及所述用户的历史移动数据至少之一,确定所述用户的步幅。

可选地,所述步幅确定模块,具体用于:

根据所述用户的生理特征,确定第二步幅值;

根据所述用户的历史移动数据,确定第三步幅值;

根据所述第一步幅值、所述第二步幅值、所述第三步幅值,结合所述第一步幅值所占权重、所述第二步幅值所占权重及所述第三步幅值所占权重,确定所述用户的步幅。

可选地,所述装置还包括:

移动时长确定模块,用于确定所述用户在预设时间段内的累计移动时长;

权重确定模块,用于根据所述累计移动时长与权重的对应关系,确定所述第一步幅值所占权重、所述第二步幅值所占权重和所述第三步幅值所占权重。

可选地,所述第一步幅值所占权重和所述第二步幅值所占权重相等;

所述第一步幅值所占权重、所述第二步幅值所占权重和所述第三步幅值所占权重的和为1。

根据本公开实施例的第三方面,提供一种移动距离确定装置,包括:

处理器;

用于存储处理器可执行指令的存储器;

其中,所述处理器被配置为:执行所述存储器中存储的可执行指令时,实现上述第一方面的任一项所述的方法。

根据本公开实施例的第四方面,提供一种非临时性计算机可读存储介质,当所述存储介质中的指令由移动距离确定装置的处理器执行时,使得所述移动距离确定装置能够执行上述第一方面的任一项所述的方法。

本公开的实施例提供的技术方案可以包括以下有益效果:

本公开实施例,通过对用户移动时所产生的声音信号的采集,来确定用户移动时的移动参数,进而根据所述移动参数,确定出移动距离。这样,通过对移动时的声音信号的采集就可以实现对移动距离的获取,而无需定位信号的参与。如此,就可以有效地解决无定位信号或定位信号存在问题的环境下的移动距离确定的问题,也为用户运动时的移动距离的确定提供了新的实现方式。

应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本公开。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本发明的实施例,并与说明书一起用于解释本发明的原理。

图1是根据一示例性实施例示出的一种移动距离确定方法的流程图一。

图2是根据一示例性实施例示出的一种移动距离确定方法的流程图二。

图3为一种声音信号的波形示意图。

图4是根据一示例性实施例示出的一种移动距离确定方法的流程图三。

图5是根据一示例性实施例示出的一种移动距离确定方法的流程图四。

图6是根据一示例性实施例示出的一种移动距离确定装置的结构示意图。

图7是根据一示例性实施例示出的一种移动距离确定装置的框图。

具体实施方式

这里将详细地对示例性实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。

在用户运动时,计算用户运动时的移动距离的方式一般都是用户佩戴可穿戴设备,通过可穿戴设备来获取用户双腿的移动频次,进而结合时间来计算运动距离。在不佩戴可穿戴设备的方案中,如果想要计算用户的运动距离,就可以使用手机中的定位装置发出的定位信号来获取用户的运动路线,进而计算出运动距离。

在一些没有定位信号,或者定位信号较弱无法工作的环境下,则是通过记录运动的时间和摇摆次数,大致模拟出用户的运动距离。这种基于时间和摇摆次数模拟用户的步数和运动距离的方式,基本属于“猜测”用户运动的情况,准确度不高。并且由于摇摆次数只是针对手臂摇摆,腿部迈出的步频和步数无法通过手臂的摇摆计算。如此,使得在一些没有定位信号,或者定位信号较弱无法工作的环境下无法准确地计算出用户运动时的移动距离。

为了在没有定位信号,或者定位信号较弱无法工作的环境下准确计算出移动距离,本公开实施例提供一种移动距离确定方法,图1是根据一示例性实施例示出的一种移动距离确定方法的流程图一,如图1所示,包括以下步骤:

步骤101,采集用户移动时所产生的声音信号;

步骤102,根据采集的声音信号,确定用户移动时的移动参数;

步骤103,根据移动参数,确定移动距离。

需要说明的是,该移动距离确定方法可以应用于移动终端。这里的移动终端具体是指可以采集声音信号的移动电子设备,例如,智能手机、平板电脑或者可穿戴式电子设备等。

采集声音信号可以通过在移动终端内安装声音传感器或拾音传感器实现。如此,在一些实施例中,移动终端是指包含有声音传感器或拾音传感器的移动终端。

拾音传感器包括:麦克风(MIC)脉冲拾音传感器或模拟拾音传感器。

本公开实施例中,移动是指用户通过双脚实现的以步数来衡量移动距离的运动,包括行走、快走和跑步等应用场景。

移动参数包括:步频、移动时长或移动距离等参数。步频是指移动的频率,即单位时间内的步数。移动时长是指从移动起始时刻到移动结束时刻之间的时间差。移动距离是指用户运动时的移动路线所对应的距离,是指累计的移动距离。

由于实际应用中,可能存在用户发生了移动,但用户相对于地面的位置未发生移动的情况,即用户在跑步机上的运动,此时用户的移动路线就是重复在两脚之间移动,移动距离就是重复在两脚之间移动的累计移动距离。

本公开实施例中,根据采集的声音信号,确定用户移动时的移动参数,包括:通过采集的声音信号,确定用户移动时的步频,进而可以在步频的基础上结合获取的步幅,确定用户移动时的移动距离。

所述在步频的基础上结合获取的步幅,确定用户移动时的移动距离,包括:通过步频和步幅作乘法运算,确定出用户在单位时间内移动时的移动距离,再将用户在单位时间内的移动距离与对应的移动时长相乘,得到移动距离。

在一些实施例中,根据采集的声音信号,确定用户移动时的移动参数,还包括:通过采集的声音信号的波形对应的时刻点,确定移动时长;进而在移动时长的基础上结合获取得到的用户的移动速度,确定用户移动时的移动距离。

这里,移动速度可以通过如加速度传感器在内的惯性传感器获取,即通过在移动终端内安装加速度传感器,根据加速度传感器检测用户的移动加速度,对移动加速度进行积分运算,确定出移动速度。

这里,通过采集的声音信号的波形对应的时刻点,确定移动时长,包括:根据采集的声音信号的波形,确定用户移动的移动起始时刻和移动结束时刻,基于移动的移动起始时刻和移动结束时刻的差值,确定用户移动时的移动时长。

在确定出移动参数后,就可以从中获取或计算得到移动距离。即例如,当确定的移动参数是步频,就可以如上所述结合获取的步幅,计算出移动距离,当确定的移动参数是移动距离,就可以直接获取到移动距离。

如此,本公开实施例通过对用户移动时所产生的声音信号的采集,来确定用户移动时的移动参数,进而根据移动参数,确定出移动距离。这样,通过对移动时的声音信号的采集就可以实现对移动距离的获取,而无需定位信号的参与。如此,就可以有效地解决无定位信号或定位信号存在问题的环境下的移动数据确定的问题,也为用户运动时的移动距离的确定提供了新的实现方式。

这里,由于在移动终端的使用中,拾音传感器会检测到很多的声音信号。而为了实现对用户移动时的声音信号的采集,该方法还包括:

利用加速度传感器等惯性传感器,检测移动终端是否处于预设时长的由于被用户走路时所携带而导致的摇摆状态;当移动终端处于预设时长的摇摆状态时,发送控制指令;基于控制指令,启动拾音传感器实现对移动时的声音信号的采集。这里,移动终端处于预设时长的摇摆状态可以表征用户处于移动状态。

为了实现对用户移动时的声音信号的采集,该方法还可以包括:

根据用户输入的采集指令,控制拾音传感器开启并实现对移动时的声音信号的采集。即用户在开始移动之后,通过在移动终端上输入采集指令,使得移动终端可以基于该采集指令启动拾音传感器,实现对移动时的声音信号的采集。

这里,用户输入的采集指令包括:语音指令或文字指令等。

为了实现对用户移动时的声音信号的采集,该方法还可以包括:

根据预设的采集周期,开启拾音传感器,当通过拾音传感器检测到声音信号时,对声音信号进行分析,确定是否是用户移动时的声音信号;当确定是用户移动时的声音信号时,启动拾音传感器,并在开启拾音传感器后,控制拾音传感器保持预设时长的开启状态以对声音信号进行采集。

这里,对声音信号进行分析,确定是否是用户移动时的声音信号,包括:基于对声音信号的声音频率、声音幅度和/或声音音色的分析,确定是否是用户移动时的声音信号。

再或者,为了实现对用户移动时的声音信号的采集,该方法还包括:

检测定位信号的信号强度;当信号强度低于阈值,则触发拾音传感器的启动,进而在采集到声音信号后,对声音信号进行分析,确定是否是用户移动时的声音信号;当确定是用户移动时的声音信号时,启动拾音传感器,并在开启拾音传感器后,控制拾音传感器保持预设时长的开启状态以对声音信号进行采集。

如此,可以尽可能地保证采集的声音信号是用户移动时的声音信号,进一步增加了后续计算各类移动参数的准确度。

在一些实施例中,图2是根据一示例性实施例示出的一种移动距离确定方法的流程图二,如图2所示,步骤102中的,根据采集的声音信号,确定用户移动时的移动参数,包括:

步骤1021,根据采集的声音信号,确定用户移动时的步频;

步骤1022,根据步频及用户的步幅,确定用户移动时的移动参数。

这里,步频是指移动的频率,即单位时间内移动的步数。例如,1分钟左右脚共跨动100步,则步频为100次/分钟。

步幅是指移动时一步跨过的距离。例如,成年人一步可以跨过65厘米,则步幅为65厘米。

由于根据采集的声音信号,可以确定用户跨出一步所需的时间,对时间作倒数运算,可以确定用户移动时的步频。即:步频t为用户跨出一步所需的时间。这里,用户跨出一步所需的时间t也称为步间距时间。

这里,用户跨出一步所需的时间可以通过采集的用户左右脚落地时的声音来确定,即当检测到相邻2次左右脚落地声时,确定2次左右脚落地声对应的时刻,将这2次落地对应的时刻作差,即可以确定用户跨出一步所需的时间。

基于此,步骤1021中,根据采集的声音信号,确定用户移动时的步频,包括:

根据采集的声音信号,获取声音信号的波形;

基于波形中相邻两个同类型峰值出现的时刻点,确定步频;其中,相邻两个同类型峰值包括:相邻两个波峰;或者,相邻两个波谷。

这里,声音信号的波形可以直接基于拾音传感器采集得到。

基于波形中相邻两个同类型峰值的出现时刻点,确定步频,包括:

基于波形中相邻两个同类型峰值的出现时刻点,确定用户跨出一步所需的时间(即步间距时间);对步间距时间作倒数运算,确定用户移动时的步频。

如此,通过采集的声音信号,即可直接确定用户移动时的步频,而不需要额外的其他设备参与,也不需要定位信号的参与,简化了操作流程,也可以适应更多的应用场景(有定位信或无定位信号的场景均可)。

图3为一种声音信号的波形示意图,如图3所示,波形图的横坐标表示时间t(单位:s),纵坐标表示声音信号的振幅A(单位:m)。基于图3中的波形,即可将相邻周期上对应时刻点作差,确定步间距时间。如图3所示为,将相邻两个波峰对应时刻点作差可以确定出步间距时间。

这里,声音信号的波形包括:波峰和波谷。相邻两个同类型峰值包括:相邻两个波峰;或者,相邻两个波谷。那么,可以根据相邻两个同类型峰值的出现时刻点,确定用户跨出一步所需的时间(即步间距时间)。需要说明的是,相邻两个波峰对应的振幅,即为用户左右脚落地时刻对应的振幅。

在一些实施例中,图4是根据一示例性实施例示出的一种移动距离确定方法的流程图三,如图4所示,步幅的确定,包括:

步骤104,基于用户的生理特征、用户输入指示的第一步幅值以及用户的历史移动数据至少之一,确定用户的步幅。

这里,在基于用户的生理特征,确定步幅的方案中,生理特征包括:身高、体重、腿长和/或年龄。不同的生理特征对应的步幅会存在区别。例如,儿童的步幅是会小于成年人的步幅;其他条件类似的情况下,体重过胖的用户的步幅会小于体重标准的用户的步幅。

故在一些实施例中,可以单独根据生理特征预测用户移动的步幅。

需要说明的是,由于同一个用户在不同移动状态下的步幅可能不同。例如,跑步时的步幅就不同于慢走时的步幅。那么,在一些实施例中,还可以结合当前检测到步频对应的移动状态和用户的生理特征,估算同一个用户在不同移动状态下的步幅,以提升精确性。

在基于用户的历史移动数据,确定步幅的方案中,历史移动数据是指根据用户之前发生的运动所获取的移动数据,包括:历史步幅和/或历史步频。

需要说明的是,在一些实施例中,历史移动数据具体是指户外运动中,有定位信号参与时所获取的移动数据。由于室内环境的复杂度要高于室外环境,定位信号在户外环境所实现的检测的准确度高于室内环境,那么,户外运动中有定位信号参与时所获取的移动数据中的步幅就更贴近真实的步幅,准确度相对较高。如此,基于用户的历史移动数据,所确定步幅就属于准确度较高的步幅。

这里,为了更进一步地提高步幅确定的准确度,可以对用户在预设时间段内的历史移动数据进行统计,确定预设时间段内的平均步幅。预设时间段是指:从采集用户移动时的声音信号的当前时间,到当前时间之前预设天数的时间。

由于是基于多次的历史移动数据所确定的步幅,相较于随机或者取最近一次的移动数据中的步幅的方式,可以更为准确地反映真实的步幅。

在基于用户的指示来确定步幅的方案中,用户在移动终端上输入步幅值,则输入的步幅值即为用户指示的步幅。这里用户指示的步幅是指用户认为自己移动时一步可以跨过的距离,可以是估算的步幅。

如此,步骤104中,基于用户的生理特征、用户输入指示的第一步幅值以及用户的历史移动数据至少之一,确定用户的步幅,包括:

根据用户的生理特征,确定第二步幅值;

根据用户的历史移动数据,确定第三步幅值;

根据第一步幅值、第二步幅值、第三步幅值,结合第一步幅值所占权重、第二步幅值所占权重及第三步幅值所占权重,确定用户的步幅。

即,本公开实施例中,步幅可以是仅基于用户输入指示所得到的第一步幅值;还可以是根据用户的生理特征,所确定的第二步幅值,或者是,根据用户的历史移动数据,所确定的第三步幅值;再或者是,根据第一步幅值、第二步幅值、第三步幅值,结合第一步幅值所占权重、第二步幅值所占权重及第三步幅值所占权重,确定用户的步幅。

需要说明的是,如果是直接由用户输入指示所得到的第一步幅值,由于是用户主观的估算,所得到的步幅可能不太准确。如果是直接根据用户的生理特征,所确定的第二步幅值,由于生理特征可以反映一些真实的数据,那么相较于用户输入指示所得到的第一步幅值来说,所得到的步幅相对更为准确。如果是直接用户的历史移动数据,所确定的第三步幅值,由于属于实践数据,准确度较高,但是如果历史数据的数据量较少,可能也无法保证准确度。基于此,在一些实施例中,可以选择根据第一步幅值、第二步幅值、第三步幅值,结合第一步幅值所占权重、第二步幅值所占权重及第三步幅值所占权重,确定用户的步幅的方式。

这里,根据第一步幅值、第二步幅值、第三步幅值,结合第一步幅值所占权重、第二步幅值所占权重及第三步幅值所占权重,确定用户的步幅,包括:

根据第一步幅值和第一步幅值所占权重的乘积、第二步幅值和第二步幅值所占权重的乘积,以及第三步幅值和第三步幅值所占权重的乘积求和,再求平均,确定用户的步幅。

即:

S=(k1·S1+k2·S2+k3·S3)/3

式中,S1为由用户输入指示所得到的第一步幅值。S2为根据用户的生理特征,所确定的第二步幅值。S3为根据用户的历史移动数据,所确定的第三步幅值。k1为第一步幅值所占权重,k2为第二步幅值所占权重,k3为第三步幅值所占权重。

在本公开实施例中,一个步幅值所占权重大小,是与步幅值为准确值的概率正相关的。此处的概率,可以是根据大数据统计得到的统计概率。

这里,综合用户输入指示所得到的第一步幅值、用户的生理特征所确定的第二步幅值和用户的历史移动数据所确定的第三步幅值的方式,可以实现更为准确的步幅确定,为后续移动距离的准确计算提供了基础。

为了确定步幅,需要先确定权重,如此,方法还包括:

步骤105,确定用户在预设时间段内的累计移动时长;

步骤106,根据累计移动时长与权重的对应关系,确定第一步幅值所占权重、第二步幅值所占权重和第三步幅值所占权重。

这里,预设时间段是指:从采集用户移动时的声音信号的当前时间,到当前时间之前预设天数的时间。预设天数可以基于用户户外运动的频次确定,即用户户外运动的频次越高,则预设天数可以设置的越短。用户在预设时间段内的累计移动时长是指用户在预设时间段内进行户外运动时的总移动时长,即用户以往在预设时间段内发生运动的总移动时长。

例如,采集用户移动时的声音信号的当前时间为4月3号,则预设时间段可以是3月24号到4月3号这一时间段。用户在预设时间段内的累计移动时长就是3月24号到4月3号这一时间段的10天所进行的移动的总时长。

在本公开实施例中,为了确定第一步幅值所占权重、第二步幅值所占权重和第三步幅值所占权重,可以预先配置好累计移动时长与权重的对应关系,基于对应关系确定出第一步幅值所占权重、第二步幅值所占权重和第三步幅值所占权重。

累计移动时长与权重的对应关系可以基于实验数据得到,即在历史使用中,确定出移动时长与各个权重所确定的步幅准确度的对应关系。如此,确定的权重可以更为符合实际需要,也更为准确。

累计移动时长与权重的对应关系可以是:

这里,T为累计移动时长,k1为第一步幅值所占权重,k2为第二步幅值所占权重,k3为第三步幅值所占权重。S3为根据用户的历史移动数据,所确定的第三步幅值。

在一些实施例中,第一步幅值所占权重和第二步幅值所占权重相等;

第一步幅值所占权重、第二步幅值所占权重和第三步幅值所占权重的和为1。

这里,由于是基于第一步幅值、第二步幅值和第三步幅值综合来确定的幅值,那么,在分配权重后,第一步幅值所占权重、第二步幅值所占权重和第三步幅值所占权重的和应该为1;即:k1+k2+k3=1。

这里,考虑到当前检测时可能存在用户的身体状态不太好,导致基于用户的生理特征所确定的第二步幅值在此次的步幅确定中可能不准确,而由于用户输入指示所得到的第一步幅值是用户的主观估算值,在用户身体状态不太好时反而可以存在较为准确的估算。

那么,综合来考虑,在一些实施例中,可以将第一步幅值的权重和第二步幅值的权重设置为相等,以此来简化计算难度,以及减少如上述特殊情况所带来的较大的误差。

还需要说明的是,由于用户输入指示所得到的第一步幅值是用户自行输入的数据,可能由于输入错误的原因,造成输入的数据与实际情况存在较大不同。例如,一般人的步幅是有一个正常范围,如50厘米至75厘米之间,如果当前用户收入200厘米,显然第一步幅值是异常的。

为了减少用户输入指示所得到的第一步幅值不符合实际情况而带来的计算误差,可以预先对第一步幅值设置一个赋值范围,当检测到第一步幅值不处于赋值范围,则将第一步幅值所占权重设置为0,或者,输出数据异常的提示信息,请求用户重新输入。

这里,在输出数据异常的提示信息时,除了提示第一步幅值异常,还可以提示一个赋值范围。

这里,还可以设置输入次数阈值,当达到输入次数阈值后,输入的第一步幅值仍存在问题,则直接将第一步幅值的权重设置为0,或者直接去除输入的第一步幅值。

如此,通过对第一步幅值的检测以及分析,可以极大地保证第一步幅值的合理性,进而为后续计算各类移动参数的准确性提供保障。

这里,由于累计移动时长越长,第一步幅值所占权重和第二步幅值所占权重就越小,相对应的第三步幅值所占权重就越大。而由于用户的历史移动数据的数据量越多,所确定的步幅就更为准确,那么,计算得到的步幅就更准确。相对应的,当累计移动时长较短时,第一步幅值所占权重和第二步幅值所占权重就较大,此时由于历史移动数据的数据量不足,准确度不高,那么以第一步幅值和第二步幅值为主导来确定步幅就更符合实际需要。

需要说明的是,当没有用户的历史移动数据时,即S3=0时:

这里,当S3=0,由于第一步幅值和第二步幅值对应的权重相同,那么,第一步幅值所占权重和第二步幅值所占权重均可以设置为0.5。

如此,在得到步幅后,根据步频及用户的步幅,确定用户移动时的移动距离,包括:

将步频及步幅相乘,确定用户在单位时间内的移动距离,再将用户在单位时间内的移动距离与对应的移动时长相乘,确定移动距离。即:

W=L·T0

这里,L为单位时间内的移动距离,f为步频,S为步幅,t为步间距时间。

T0为用户此次移动时的移动时长,W为用户此次移动时的移动距离。

这种综合用户输入指示所得到的第一步幅值、用户的生理特征所确定的第二步幅值和用户的历史移动数据所确定的第三步幅值的方式,可以实现更为准确地对步幅进行确定,为后续移动距离的准确计算提供了基础。

图5是根据一示例性实施例示出的一种移动距离确定方法的流程图四,如图5所示,移动距离确定方法包括:

一方面,根据拾音传感器来采集用户移动时的声音信号,获取声音信号的波形,根据声音信号的波形,确定用户移动时的步频f。

另一方面,由用户输入指示,得到第一步幅值S1;根据用户的生理特征,确定第二步幅值S2;根据用户的历史移动数据,确定第三步幅值S3;将第一步幅值S1、第二步幅值S2和第三步幅值S3进行拟合,得到本公开实施例需要的步幅S。

进而,将步频f及步幅S相乘,确定用户移动时的单位时间内的移动距离L,在基于单位时间内的移动距离L和移动时长的相乘,确定用户此次移动时的移动距离W。

如此,本公开实施例,通过对用户移动时所产生的声音信号的采集,结合用户的生理特征、用户输入指示的第一步幅值以及用户的历史移动数据至少之一,来确定用户移动时的步幅,进而基于步频及用户的步幅,确定用户移动时的移动距离。这样,通过对移动时的声音信号的采集就可以实现对移动数据的获取,而无需定位信号的参与,可以有效地解决无定位信号或定位信号存在问题的环境下的移动数据确定的问题,也为用户运动时的移动数据的确定提供了新的实现方式。

除此之外,由于是通过用户的历史移动数据、用户的生理特征、用户输入指示的第一步幅值至少之一和拾音传感器检测的数据,两方面结合所得到的整合数据,基于更丰富的数据实现的移动参数的确定,使得数据更为准确。并且这种结合方式也可以与其它(如心率、血氧等)数据相配合,也提供了更多的实现方案,丰富了应用场景。

需要说明的是,由于实际应用中,可能存在环境声音很大而导致用户移动的声音信号无法被采集到。例如,电视处于开启状态声音过大。基于此,该方法还包括:

对移动终端所处环境的环境声音进行采集,得到环境声音信号;在环境声音信号大于预设阈值时,根据定位信号和惯性传感器进行移动距离的确定;在环境声音信号不大于预设阈值时,根据本公开实施例的移动距离确定方法进行移动距离的确定。

如此,在使用本公开实施例的移动距离确定方法之前,将环境声音信号与预设阈值比较的方式,可以减少由于环境声音过大而导致的移动距离确定方法的实现效果不佳的问题发生,可以尽可能地保证移动距离计算的准确性。

本公开实施例,通过对用户移动时所产生的声音信号的采集,来确定用户移动时的移动参数,进而根据所述移动参数,确定出移动距离。这样,通过对移动时的声音信号的采集就可以实现对移动距离的确定,而无需定位信号的参与。如此,就可以有效地解决无定位信号或定位信号存在问题的环境下的移动距离确定的问题,也为用户运动时的移动距离的确定提供了新的实现方式。并且,这种直接通过采集的声音信号就确定出了用户移动时的步频的方式,不需要额外的其他设备参与,也不需要定位信号的参与,简化了操作流程,也可以适应更多的应用场景。再者,在步幅的确定上,综合了用户输入指示所得到的第一步幅值、用户的生理特征所确定的第二步幅值和用户的历史移动数据三者来共同确定,使得确定的步幅更为准确。除此之外,由于是通过用户的历史移动数据、用户的生理特征、用户输入指示的第一步幅值至少之一和拾音传感器检测的数据,两方面结合所得到的整合数据,基于更丰富的数据实现的移动参数的确定,使得数据更为准确。并且这种结合方式也可以与其它(如心率、血氧等)数据相配合,也提供了更多的实现方案,丰富了应用场景。

为了在没有定位信号,或者定位信号较弱无法工作的环境下准确计算出移动距离,本公开实施例提供一种移动距离确定装置,图6是根据一示例性实施例示出的一种移动距离确定装置的结构示意图,如图6所示,移动距离确定装置600,包括:

采集模块601,用于采集用户移动时所产生的声音信号;

移动参数确定模块602,用于根据采集的声音信号,确定用户移动时的移动参数;

移动距离确定模块603,用于根据移动参数,确定移动距离。

在一些实施例中,移动参数确定模块602,包括:

步频确定模块,用于根据采集的声音信号,确定用户移动时的步频;

移动参数确定子模块,用于根据步频及用户的步幅,确定用户移动时的移动参数。

在一些实施例中,步频确定模块,包括:

波形获取模块,用于根据采集的声音信号,获取声音信号的波形;

步频确定子模块,用于基于波形中相邻两个同类型峰值出现的时刻点,确定步频;其中,相邻两个同类型峰值包括:相邻两个波峰;或者,相邻两个波谷。

在一些实施例中,装置还包括:

步幅确定模块,用于基于用户的生理特征、用户输入指示的第一步幅值以及用户的历史移动数据至少之一,确定用户的步幅。

在一些实施例中,步幅确定模块,具体用于:

根据用户的生理特征,确定第二步幅值;

根据用户的历史移动数据,确定第三步幅值;

根据第一步幅值、第二步幅值、第三步幅值,结合第一步幅值所占权重、第二步幅值所占权重及第三步幅值所占权重,确定用户的步幅。

在一些实施例中,装置还包括:

移动时长确定模块,用于确定用户在预设时间段内的累计移动时长;

权重确定模块,用于根据累计移动时长与权重的对应关系,确定第一步幅值所占权重、第二步幅值所占权重和第三步幅值所占权重。

在一些实施例中,第一步幅值所占权重和第二步幅值所占权重相等;

第一步幅值所占权重、第二步幅值所占权重和第三步幅值所占权重的和为1。

关于上述实施例中的装置,其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述,此处将不做详细阐述说明。

图7是根据一示例性实施例示出的一种移动距离确定装置1800的框图。例如,装置1800可以是移动电话、计算机、数字广播终端、消息收发设备、游戏控制台、平板设备、医疗设备、健身设备、个人数字助理等。

参照图7,装置1800可以包括以下一个或多个组件:处理组件1802,存储器1804,电力组件1806,多媒体组件1808,音频组件1810,输入/输出(I/O)接口1812,传感器组件1814,以及通信组件1816。

处理组件1802通常控制装置1800的整体操作,诸如与显示、电话呼叫、数据通信、相机操作和记录操作相关联的操作。处理组件1802可以包括一个或多个处理器1820来执行指令,以完成上述的方法的全部或部分步骤。此外,处理组件1802还可以包括一个或多个模块,便于处理组件1802和其他组件之间的交互。例如,处理组件1802可以包括多媒体模块,以方便多媒体组件1808和处理组件1802之间的交互。

存储器1804被配置为存储各种类型的数据以支持在装置1800的操作。这些数据的示例包括用于在装置1800上操作的任何应用程序或方法的指令、联系人数据、电话簿数据、消息、图片、视频等。存储器1804可以由任何类型的易失性或非易失性存储设备或者它们的组合实现,如静态随机存取存储器(SRAM)、电可擦除可编程只读存储器(EEPROM)、可擦除可编程只读存储器(EPROM)、可编程只读存储器(PROM)、只读存储器(ROM)、磁存储器、快闪存储器、磁盘或光盘。

电力组件1806为装置1800各种组件提供电力。电力组件1806可以包括:电源管理系统,一个或多个电源,及其他与为装置1800生成、管理和分配电力相关联的组件。

多媒体组件1808包括在装置1800和用户之间提供一个输出接口的屏幕。在一些实施例中,屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。如果屏幕包括触摸面板,屏幕可以被实现为触摸屏,以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。触摸传感器可以不仅感测触摸或滑动动作的边界,而且还检测与触摸或滑动操作相关的持续时间和压力。在一些实施例中,多媒体组件1808包括一个前置摄像头和/或后置摄像头。当装置1800处于操作模式,如拍摄模式或视频模式时,前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和/或后置摄像头可以是一个固定的光学透镜系统或具有焦距和光学变焦能力。

音频组件1810被配置为输出和/或输入音频信号。例如,音频组件1810包括一个麦克风(MIC),当装置1800处于操作模式,如呼叫模式、记录模式和语音识别模式时,麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器1804或经由通信组件1816发送。在一些实施例中,音频组件1810还包括一个扬声器,用于输出音频信号。

I/O接口1812为处理组件1802和外围接口模块之间提供接口,上述外围接口模块可以是键盘、点击轮、按钮等。这些按钮可包括但不限于:主页按钮、音量按钮、启动按钮和锁定按钮。

传感器组件1814包括一个或多个传感器,用于为装置1800提供各个方面的状态评估。例如,传感器组件1814可以检测到装置1800的打开/关闭状态、组件的相对定位,例如组件为装置1800的显示器和小键盘,传感器组件1814还可以检测装置1800或装置1800一个组件的位置改变,用户与装置1800接触的存在或不存在,装置1800方位或加速/减速和装置1800的温度变化。传感器组件1814可以包括接近传感器,被配置为在没有任何的物理接触时检测附近物体的存在。传感器组件1814还可以包括光传感器,如CMOS或CCD图像传感器,用于在成像应用中使用。在一些实施例中,该传感器组件1814还可以包括加速度传感器、陀螺仪传感器、磁传感器、压力传感器或温度传感器。

通信组件1816被配置为便于装置1800和其他设备之间有线或无线方式的通信。装置1800可以接入基于通信标准的无线网络,如WiFi、2G或3G,或它们的组合。在一个示例性实施例中,通信组件1816经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中,通信组件1816还包括近场通信(NFC)模块,以促进短程通信。例如,在NFC模块可基于射频识别(RFID)技术,红外数据协会(IrDA)技术、超宽带(UWB)技术、蓝牙(BT)技术或其他技术来实现。

在示例性实施例中,装置1800可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现,用于执行上述方法。

在示例性实施例中,还提供了一种包括指令的非临时性计算机可读存储介质,例如包括指令的存储器1804,上述指令可由装置1800的处理器1820执行以完成上述方法。例如,非临时性计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。

一种非临时性计算机可读存储介质,当存储介质中的指令由移动距离确定装置的处理器执行时,使得能够执行上述移动距离确定方法。

本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本公开的其它实施方案。本公开旨在涵盖本公开的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本公开的真正范围和精神由所附的权利要求指出。

应当理解的是,本公开并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。

20页详细技术资料下载
上一篇:一种医用注射器针头装配设备
下一篇:传感器及传感器系统

网友询问留言

已有0条留言

还没有人留言评论。精彩留言会获得点赞!

精彩留言,会给你点赞!