Устройство, способ и система для подсчета количества циклов периодического движения субъекта

ОБЛАСТЬ ТЕХНИКИ, К КОТОРОЙ ОТНОСИТСЯ ИЗОБРЕТЕНИЕ

Настоящее изобретение относится к устройству, соответствующему способу и системе для подсчета количества циклов периодического движения субъекта, например, для подсчета количества шагов человека во время бега или ходьбы.

УРОВЕНЬ ТЕХНИКИ

В настоящее время наблюдается повышенный интерес к устройствам, которые могут ненавязчивым образом, или не привлекая к себе внимание, осуществлять мониторинг физиологических параметров и/или параметров, связанных с образом жизни, например, могут оценивать расход энергии с использованием акселерометров. В настоящее время многие из таких устройств предназначены для мониторинга занятий фитнесом и/или спортом (например, браслет Nike Fuelband, часы MIO Alpha), однако ожидается, что такой тип мониторинга станет повсеместным.

С тем, чтобы сделать такие устройства привлекательными, они должны быть удобными при носке, что означает, что они должны быть небольшими и легкими. Таким образом, важным конструктивным ограничением является размер и/или мощность батареи питания. Чем реже устройство необходимо подзаряжать, тем более удобным оно будет для пользователя.

Известны различные стратегии уменьшения мощности батареи питания, например, один из подходов состоит в ограничении частоты дискретизации физиологических параметров и/или параметров, связанных с образом жизни, что требует меньшей вычислительной мощности на последующие алгоритмы. Еще один подход состоит в осуществлении дискретизации при более высокой частоте дискретизации, однако, но только в течение ограниченного периода времени. Такой подход описан, например, в US 2006/123905 А1. Данный прерывистый способ дискретизации имеет преимущество, которое состоит в том, что, в зависимости от типа процессора, соответствующий процессор, осуществляющий дискретизацию сигнала, может быть, по сути, переведен в режим «сна», требующий только очень ограниченного количества энергии от батареи питания.

Один из интересуемых параметров для мониторинга с использованием устройства мониторинга образа жизни, представляет собой количество шагов, сделанных в течение конкретного периода времени, например в течение дня, или, в частности, количество циклов периодического движения, которые могут представлять собой шаги, прыжки, гребные движения при плавании, обороты во время езды на велосипеде и т.д. При использовании существующих алгоритмов для непрерывных трехмерных сигналов акселерометра такой трехмерный (3D) сигнал акселерометра сначала преобразовывают в одномерный (1D) сигнал, в котором явно прослеживается периодичность сигнала акселерометра. На основании этого предварительно преобразованного сигнала задают фиксированное или переменное пороговое значение, которое устанавливает «флаг» в каждом отдельном случае превышения указанного порогового значения. В итоге, несложно подсчитать количество превышений порогового значения.

Вышеописанный подход подходит для непрерывной дискретизации. Однако для прерывистых стратегий дискретизации данный подход может привести к возникновению проблем. Поскольку доступно только ограниченное количество данных, то периодичность сигнала сложно кому-либо отследить. Правильное (адаптивное) задание порогового значения становится проблемой, поскольку контекст уже более не является очевидным. Кроме того, для оценки количества шагов возникает необходимость в экстраполировании и интерполировании некоторых типов.

Таким образом, существует потребность в подходе, подходящем для более точного подсчета количества циклов периодического движения субъекта при условии доступности дискретных данных акселерометра, например, для экономии энергии батареи питания во время получения данных акселерометра.

В US 2006/174685 A1 раскрыт способ и устройство для подсчета количества шагов, сделанных пешеходом, причем способ включает этапы, согласно которым: регистрируют значение ускорения, сгенерированное в результате шага, сделанного пешеходом, на каждом первом заданном интервале, рассчитывают стандартное отклонение зарегистрированных значений ускорения на каждом втором заданном интервале, определяют тип ходьбы, соответствующий рассчитанному стандартному отклонению среди типов ходьбы от первого типа ходьбы по N-й тип ходьбы, как характер ходьбы пешехода, причем N представляет собой натуральное целое число, которое больше 1, проверяют, существует ли по меньшей мере одно абсолютное значение, которое больше порогового значения ускорения, соответствующего определенному типу ходьбы, среди абсолютных значений в зарегистрированных значениях ускорения, и увеличивают счет после шага, сделанного пешеходом, если имеется по меньшей мере одно абсолютное значение, превышающее пороговое значение ускорения, среди абсолютных значений в зарегистрированных значениях ускорения.

В US 7334472 B2 раскрыт способ измерения количественной величины, характеризующей нагрузку, и устройство, содержащее датчик ускорения для генерирования информации об ускорении путем измерения количественной величины, характеризующей нагрузку, в соответствии с движением пользователя, блок управления датчиками для подачи энергии питания на датчик ускорения и дискретизации информации об ускорении, сгенерированной датчиком ускорения, измерительный датчик для измерения динамической энергии, предназначенный для преобразования дискретизированной информации об ускорении в динамическую энергию, сравнения значения локального максимума с заданным пороговым значением, если подъем динамической энергии имеет значение локального максимума, превышающее заданное значение, определения шага пользователя, если значение локального максимума превышает заданное пороговое значение, измерительный блок для измерения количества потребляемых калорий, предназначенный для расчета количества потребляемых калорий путем анализа уровня динамической энергии, определенной как шаг пользователя, а также память для хранения информации и дисплейную часть для отображения информации, связанной с указанными количеством шагов и количеством потребляемых калорий.

РАСКРЫТИЕ СУЩНОСТИ ИЗОБРЕТЕНИЯ

Задача настоящего изобретения состоит в создании устройства, способа и системы для более точного подсчета количества циклов периодического движения субъекта на основании дискретных данных акселерометра, указывающих на движение по меньшей мере части тела указанного субъекта.

В первом аспекте настоящего изобретения предложено устройство для точного подсчета количества циклов периодического движения субъекта, содержащее:

- входной блок, выполненный с возможностью приема дискретных данных акселерометра с течением времени, указывающих на движение по меньшей мере части тела субъекта,

- классифицирующее устройство, выполненное с возможностью классифицирования движения субъекта в один из нескольких классов движения на основании дискретных данных акселерометра, причем каждый класс движения относится к различному диапазону скорости периодического движения,

- запоминающее устройство, выполненное с возможностью хранения таблицы, содержащей значение периодичности за единицу времени для каждого класса движения, и

- блок расчета количества циклов движения, выполненный с возможностью расчета количества циклов периодического движения субъекта за единицу времени в течение заданного времени или непрерывно во времени путем использования периодичности класса движения, к которому движение было отнесено классифицированием.

Еще в одном аспекте настоящего изобретения предложен соответствующий реализуемый с помощью компьютера способ.

Еще в одном аспекте настоящего изобретения предложена соответствующая система, содержащая:

- акселерометр, выполненный с возможностью получения дискретных данных акселерометра с течением времени, указывающих на движение по меньшей мере части тела субъекта,

- раскрытое в настоящей заявке устройство, выполненное с возможностью определения количества циклов периодического движения на основании дискретных данных акселерометра, полученных акселерометром,

- выходной интерфейс, выполненный с возможностью выдачи определенного количества циклов.

Еще в одних аспектах настоящего изобретения предложены компьютерная программа, которая содержит программный код с тем, чтобы вызвать выполнение компьютером этапов способа, раскрытого в настоящей заявке, при исполнении компьютерной программы на компьютере, а также машиночитаемый записывающий носитель для кратковременного хранения данных, предназначенный для хранения на нем компьютерного программного продукта, который, при его исполнении процессором, вызывает выполнение способа, раскрытого в настоящей заявке.

Предпочтительные варианты реализации настоящего изобретения охарактеризованы в зависимых пунктах формулы изобретения. Следует понимать, что заявленные способы, процессор, компьютерная программа и среда имеют предпочтительные варианты реализации, схожие с предпочтительными вариантами реализации заявленной системы и вариантами реализации, охарактеризованными в зависимых пунктах формулы изобретения, и/или идентичные им.

Настоящее изобретение основано на концепции классифицирования физической активности (периодическое движение субъекта), то есть на определении вида состояния движения и/или класса движения субъекта, например человека, занимающегося спортом или просто совершающего обычные движения. Например, три класса движения классифицирующего устройства для классифицирования трех состояний, используемого для подсчета количества шагов человека, могут представлять собой «ходьбу», «отсутствие ходьбы» и «бег», различающиеся по скорости периодического движения типа «ходьба». Однако настоящее изобретение также может быть использовано для установления различия между ходьбой и ездой на велосипеде или даже для установления различия между различными классами движения типа ходьба и езда на велосипеде посредством классифицирующего устройства, которое, например, классифицирует движение субъекта с отнесением в классы движения «медленная ходьба», «быстрая ходьба», «медленная езда на велосипеде», «быстрая езда на велосипеде» и «отсутствие движения». В зависимости от обнаруженной физической активности, то есть от определенного класса движения, периодичность сигнала определяют путем использования заданной таблицы, а на основании указанной периодичности определяют количество циклов периодического движения.

Акселерометр может быть надет субъектом для ношения на различных местах, таких как шея, карман, голень и запястье. Предпочтительно, если во время физической активности субъект носит всю систему, включая не только акселерометр, но и устройство и выходной интерфейс (например, дисплей). В других вариантах реализации сигналы акселерометра могут быть переданы на устройство любым подходящим образом, например проводным или беспроводным образом, что может быть реализовано на ходу (то есть в реальном времени во время физической активности) или спустя некоторое время (то есть после занятия физической активностью в масштабе времени, отличном от реального времени). Устройство может представлять собой, например, приложение, работающее на умном устройстве, таком как смартфон, планшет, умные часы, устройство для мониторинга физического состояния, устройство для мониторинга образа жизни или компьютер.

Количество циклов может быть рассчитано за единицу времени (например, в минуту, в час, в день, за неделю и т.д.) в течение заданного времени (например, пользователем в течение заданного периода времени, такого как три часа, или в течение заданного дня) или непрерывно во времени.

В предпочтительном варианте реализации блок расчета количества циклов движения выполнен с возможностью использования значения периодичности и с возможностью его интегрирования за период времени для получения количества циклов в течение указанного периода времени. Это обеспечивает скорее простой способ приблизительной оценки количества циклов. Увеличение количества различных классов (то есть путем дополнительного уточнения класса «ходьба» на «нормальная ходьба», «медленная ходьба» и «быстрая ходьба»), используемых при классифицировании и, следовательно, количества различных значений периодичностей, присвоенных соответствующим классам, улучшает точность расчета количества циклов.

Еще в одном варианте реализации запоминающее устройство выполнено с возможностью хранения двух или более таблиц для различных антропометрических данных, в частности для различных данных о длинах, весе, индексе массы тела, поле и/или возрасте, причем каждая таблица включает значения периодичности, адаптированные для соответствующих антропометрических данных, а блок расчета количества циклов движения выполнен с возможностью выбора таблицы для получения значения периодичности на основании антропометрических данных субъекта. Например, при подсчете шагов рост человека имеет сильное влияние на результат, поскольку высокий человек обычно делает больше шагов по сравнению с низким человеком. Следовательно, для использования при подсчете шагов могут существовать разные таблицы для людей различного роста с различными значениями периодичности для каждого класса движения. Кроме того, например, для мужчин, женщин и детей могут существовать разные таблицы. В целом, путем использования таких антропометрических данных может быть сильно улучшена точность расчета количества циклов.

Предпочтительно, если входной блок выполнен с возможностью приема антропометрических данных субъекта. Такие антропометрические данные могут быть, например, введены посредством клавиатуры или дисплея или они могут быть переданы из другого устройства системы, которое хранит такие данные, например, в медицинской карте или другой записи в личном деле. Таким образом, предпочтительно, если устройство персонализировано перед использованием.

Еще в одном варианте реализации классифицирующее устройство выполнено с возможностью определения одного или более признаков, указывающих на частоту движения, на основании данных акселерометра и с возможностью использования указанного одного или более признаков для классифицирования. Для этой цели могут быть использованы различные признаки в зависимости от типа физической активности, а также должны быть предприняты попытки для получения необходимой точности расчета. В предпочтительном варианте реализации классифицирующее устройство выполнено с возможностью использования в качестве признака энергии сигнала высокочастотных компонентов и/или низкочастотных компонентов данных акселерометра. Таким образом, может быть использован признак, характеризующий энергию высокочастотных компонентов сигналов акселерометра, отражающих энергию (высокочастотную), которая распространяется через тело в устройство, когда при подсчете шагов ступня ударяет о землю. Еще один используемый признак представляет собой признак, характеризующий общую (низкочастотную) энергию сигнала.

Еще в одном варианте реализации устройство дополнительно содержит блок оценки частоты движения, предназначенный для оценки частоты движения на основании данных акселерометра, причем блок расчета количества циклов движения выполнен с возможностью использования оцененной частоты движения при расчете количества циклов. Блок оценки частоты движения уточняет оценку частоту, обеспеченную путем классифицирования. Например, если классифицирующее устройство указывает на класс с диапазоном от 1,5 до 2 циклов в секунду, то блок оценки частоты движения может быть выполнен с возможностью оценки частоты в пределах данного диапазона. Это уточненное значение частоты может быть в дальнейшем использовано при дополнительной обработке. Это дополнительно улучшает точность результата расчета количества циклов.

Предпочтительно, если входной блок выполнен с возможностью получения трехмерных данных акселерометра, характеризующих три различные направления, в частности ортогональные направления. Путем использования трехмерных данных акселерометра, переданных из обычного акселерометра, класс движения может быть определен с большей точностью.

Кроме того, в одном из вариантов реализации входной блок выполнен с возможностью получения выборок данных акселерометра, полученных с интервалами, в частности с (например, равными) интервалами в диапазоне от 2 до 60 секунд и/или с возможностью получения выборок данных акселерометра, при этом каждый сегмент выборки имеет длительность в диапазоне от 0,5 до 5 секунд. Пример обычной конфигурации может представлять собой, например, конфигурацию, при которой сами данные акселерометра дискретизируют в течение одной секунды при частоте 20 Гц, а затем не дискретизируют в течение последующих четырех секунд, дискретизируют в течение одной секунды при частоте 20 Гц и т.д. Этот дискретный поток выборок в дальнейшем анализируют, обычно на фиксированных сегментах по 15 секунд, так что, по сути, имеют три секунды дискретизированных данных (и 12 «пустых секунд»).

Еще в одном варианте реализации классифицирующее устройство выполнено с возможностью последовательной оценки последующих частей данных акселерометра (например, сегментов длительностью по 60 секунд, в том числе интервалов, например, из данных за 1 секунду и данных за 4 секунды), причем последующие сегменты перекрываются во времени (например, имеют перекрывание заданной длительности, например, имеют перекрывание в 55 секунд в примере, в котором сегменты имеют длительность в 60 секунд). Это улучшает взаимодействие с пользователем. Например, в вышеописанном примере каждые 5 секунд осуществляют классифицирование, а счет рассчитывают, несмотря на тот факт, что использованы сегменты с большей длительностью. В целом, имеются различные параметры, которые могут быть настроены, например, пользователем или производителем, в том числе характерная частота дискретизации сигнала акселерометра, интервал времени, в котором дискретизируют данные, интервал времени, в котором отсутствует дискретизация данных, длина сегмента классифицирующего устройства, а также «размер скачка», то есть время, после которого обновляют результат оценки.

Система предпочтительно дополнительно содержит интерфейс данных для получения антропометрических данных, такой как клавиатура, микрофон, сенсорный экран и т.д., или приемо-передающий блок для контакта с внешним устройством для извлечения таких данных.

Кроме того, система предпочтительно дополнительно содержит корпус для размещения в нем акселерометра, устройство и выходной интерфейс и удерживающий элемент для удержания корпуса на части тела субъекта. Система может представлять собой, например, выполненное за одно целое устройство, такое как надеваемый на тело браслет или наручные часы, или любое другое носимое устройство, которое можно носить, например, на запястье, руке, лодыжке, ноге или даже на шее или голове. В целом, настоящее изобретение может быть выполнено в виде носимого персонального устройства для мониторинга здоровья или в виде его части.

КРАТКОЕ ОПИСАНИЕ ЧЕРТЕЖЕЙ

Эти и другие аспекты настоящего изобретения будут очевидны из описанного далее варианта реализации или описанных далее вариантов реализации и пояснены со ссылкой на них.

На фиг. 1 показана структурная схема варианта реализации системы согласно настоящему изобретению.

На фиг. 2 показана структурная схема варианта реализации устройства согласно настоящему изобретению.

На фиг. 3 показаны диаграммы сигналов, иллюстрирующие непрерывные и дискретные сигналы акселерометра.

На фиг. 4 показаны диаграммы сигналов, иллюстрирующие использование различных признаков, полученных на основании данных акселерометра.

На фиг. 5 показана структурная схема еще одного варианта реализации системы согласно настоящему изобретению.

На фиг. 6 показана структурная схема варианта реализации устройства согласно настоящему изобретению.

На фиг. 7 показана диаграмма сигнала, иллюстрирующая вариант реализации оценки данных акселерометра.

На фиг. 8 показана блок-схема варианта реализации способа согласно настоящему изобретению.

ОСУЩЕСТВЛЕНИЕ ИЗОБРЕТЕНИЯ

На фиг. 1 показана структурная схема варианта реализации системы 1 для подсчета количества циклов периодического движения согласно настоящему изобретению. В приведенном далее описании настоящее изобретение будет пояснено со ссылкой на пример варианта реализации, в котором настоящее изобретение используют для подсчета количества шагов, сделанных пешеходом, однако настоящее изобретение также может быть использовано для подсчета количества циклов других периодических движений субъекта (например, человека или животного), например, для подсчета количества оборотов во время езды на велосипеде.

Система 1 содержит акселерометр 10 для получения дискретных данных акселерометра с течением времени, указывающих на движение по меньшей мере части тела субъекта. Такие акселерометры в целом известны в данной области техники. Акселерометры можно носить, например, вокруг ноги или руки, в частности, они могут представлять собой, например, носимое на запястье устройство, или их можно носить на лодыжке, а также можно установить на любой другой части тела. Акселерометр 10 в целом выдает трехмерные данные акселерометра, то есть отдельный сигнал акселерометра для каждого из трех ортогональных направлений, указывающий на ускорение в соответствующем направлении. Однако настоящее изобретение также работает и с другими данными акселерометра, например, с одиночным сигналом акселерометра (то есть однокоординатными данными акселерометра) или двумерными данными акселерометра при условии, что необходимое периодическое движение тем или иным образом отражено в данных акселерометра.

Система 1 дополнительно содержит устройство 20 для определения количества циклов периодического движения на основании дискретных данных акселерометра, полученных акселерометром 10. Устройство 20 может быть реализовано в виде аппаратных средств и/или программных средств. Например, эти элементы устройства 20 могут быть реализованы процессором или компьютером.

Система 1 дополнительно содержит выходной интерфейс 30 для выдачи определенного количества циклов. Выходной интерфейс 30 может представлять собой дисплей для отображения определенного количества циклов, однако он также может представлять собой передатчик для передачи определенного количества циклов на другое устройство, например смартфон, компьютер или вебсайт, для дополнительной обработки (например, для медицинских целей или хранения в медицинской карте) и/или на дисплей.

Все элементы системы 1 могут быть встроены в обычное носимое устройство (как показано далее более подробно для еще одного варианта реализации системы) или могут быть реализованы в виде отдельных устройств. Например, только акселерометр 10 установлен на теле субъекта и передает данные акселерометра (в реальном времени или в масштабе времени, отличном от реального времени; проводным или беспроводным образом) на устройство 20 для их обработки. Устройство 20 может быть выполнено в виде части или может представлять собой часть компьютера, ноутбука, смартфона, планшета или любого другого устройства, которое выполнено с возможностью осуществления этапов, выполняемых устройством 20.

На фиг. 2 показана структурная схема варианта реализации устройства 20 согласно настоящему изобретению для подсчета количества циклов периодического движения субъекта. Устройство 20 содержит входной блок 21 для приема дискретных данных акселерометра с течением времени, указывающих на движение по меньшей мере части тела субъекта. Такие дискретные трехмерные данных акселерометра показаны на фиг. 3B в сравнении с непрерывными трехмерными данными акселерометра, показанными на фиг. 3А. В частности, на фиг. 3А показаны три непрерывных сигнала А1, А2, A3 акселерометра для трех ортогональных направлений, а на фиг. 3В показаны три дискретных сигнала акселерометра B1, В2, В3 для трех ортогональных направлений, которые в действительности представляют собой отсчеты (в данном примере) с длительностью в одну секунду через каждые пять секунд, то есть с прерыванием 4 секунды между отсчетами. Таким образом, во время прерываний акселерометр 10 и/или устройства 20 могут быть переведены в режим «сна» для сохранения энергии батареи, что является существенным аспектом при использовании носимых устройств. Из этих трех дискретных сигналов акселерометра х, y, z может быть получена, например, норма, например может быть получен квадратный корень из (х²+y²+z²) или сумма abs(x)+abs(y)+abs(z).

Устройство дополнительно содержит классифицирующее устройство 22 для классифицирования движения субъекта в один из нескольких классов движения на основании дискретных данных акселерометра, причем каждый класс движения относится к различному диапазону скорости периодического движения. Как будет пояснено далее, существует несколько способов осуществления этого классифицирования. В примере простого варианта реализации, используемого для подсчета шагов, различают три различных класса, в том числе отсутствие ходьбы, ходьба и бег. Еще в одном более совершенном варианте реализации различают значительно больше классов, таких как отсутствие ходьбы, медленная ходьба, быстрая ходьба, бег и быстрый бег.

Запоминающее устройство 23, такое как полупроводниковое запоминающее устройство, хранит таблицы, содержащие значение периодичности за единицу времени для каждого класса движения. Таким образом, в зависимости от обнаруженной физической активности оценивают периодичность сигнала или сигналов акселерометра. В простом примере использования трех классов, то есть с использованием классифицирующего устройства для классифицирования трех состояний для установления различия между отсутствием ходьбы, ходьбой и бегом, приведенная далее предварительно заданная таблица может быть в дальнейшем использована для определения периодичности:

В итоге, количество циклов периодического движения субъекта рассчитывают посредством блока 24 расчета количества циклов движения. Этот расчет осуществляют за единицу времени (например, за час, за день и т.д.) в течение заданного времени (например, за 3 часа, 1 день и т.д.) или непрерывно во времени (например, обновляют каждые 15 секунд, каждую минуту и т.д.) путем использования периодичности класса движения, к которому движение было отнесено классифицированием. Таким образом, периодичность берут из записи для класса движения в таблице, сохраненной в запоминающем устройстве 23.

Таким образом, в простом варианте реализации если классифицирующее устройство идентифицирует состояние ходьбы, то из таблицы берут периодичность, равную 1,9. На основании накопления данной периодичности с течением времени рассчитывают количество шагов, что в результате приводит к получению 1,9×60=114 шагов в минуту или 6840 шагов в час.

Классифицирование может осуществляться непрерывно или периодически в заданные интервалы, например один раз в минуту или каждые 15 секунд, так что результат расчета количества шагов может быть обновлен соответствующим образом. Например, если классифицирующее устройство 22 выдает состояние каждые 15 секунд, то это значит, что подсчет шагов может увеличиться до 28,5 после 15 секунд, до 57 после 30 секунд и т.д. Для удобства пользователя может быть применено дополнительное сглаживание. Например, вместо пошагового увеличения каждые 15 секунд, это увеличение может быть осуществлено более часто, но с меньшими значениями прироста, например, после 7,5 секунд счет шагов может быть увеличен до 14(.25), после 15 секунд до 28,5 и т.д. В целом, например, если человек идет пешком в течение 15 минут и бежит в течение 10 минут количество шагов для этого периода времени, составляющего 25 минут, составляет 1,9×60×15+2,5×60×10=3210 шагов.

Как вкратце описано выше, один из способов дальнейшего улучшения результатов заключается в использовании многоуровневого классифицирующего устройства, которое устанавливает различие между большим количеством состояний и, таким образом, используется таблица, имеющая большее количество записей. Например, вместо классифицирования как просто отсутствие ходьбы, ходьба и бег может быть использовано большее количество состояний, например:

Еще в одних вариантах реализации многоуровневое классифицирующее устройство может даже установить различие между состояниями движения различных типов, например между ездой на велосипеде и ходьбой. Например, классифицирующее устройство может классифицировать движение субъекта по классам движения «медленная ходьба», «быстрая ходьба», «медленная езда на велосипеде», «быстрая езда на велосипеде» и «отсутствие движения», то есть имеется пять классов и соответственно пять значений периодичности в соответствующей таблице.

При классифицировании используют один или более признаков, которые указывают на соответствующие состояния движения, которые необходимо различать, например, указывают на отличие состояния ходьбы от состояний бега и отсутствия ходьбы в вышеописанном простом варианте реализации. На фиг. 4 показано свернутое кумулятивное распределение, иллюстрирующее использование двух различных признаков, полученных на основании данных акселерометра для различных типов физической активности (то есть состояния движения для примера подсчета шагов). Эти признаки обеспечивает возможность установления различия между конкретными физическими активностями типа ходьба и бег между собой, а также между другими типами физической активности. Следовательно, эти признаки представляют обычную характеристику типа физической активности. На фиг. 4А показано свернутое кумулятивное распределение признака, рассчитанное в качестве энергии высокочастотных компонентов сигналов акселерометра для различных типов физической активности. На оси х показано значение F признака, а на оси y показано свернутое кумулятивное распределение G. Свернутое кумулятивное распределение представляет собой кумулятивное распределение, для которого верхняя половина (кумулятивное распределение выше 0,5) свернуто с понижением. Это помогает в визуальном установлении медианы и дисперсии кумулятивного распределения. Кривая С1 сигнала соответствует физической активности типа ходьба, а кривая С2 сигнала соответствует физической активности типа бег. Этот признак по существу отражает (высокочастотную) энергию, которая распространяется через тело в устройство, когда ступня ударяется о землю. Этот признак также может называться как RMS амплитуда высокочастотных компонентов сигналов акселерометра, которая может быть получена посредством следующей формулы:

где

х, y, z отражают векторы первоначальных выборочных значений,

x_Ip, y_Ip, z_Ip отражают вектор выборок, пропущенных через фильтр нижних частот, а

Е() отражает ожидаемое (среднее) значение.

На фиг. 4В показано свернутое кумулятивное распределение энергии низкочастотных компонентов сигналов акселерометра для различных типов физической активности. Кривая D1 сигнала соответствует физической активности типа ходьба, а кривая D2 сигнала соответствует физической активности типа бег. Этот признак по существу отражает общую (низкочастотную) энергию сигнала. Этот признак может также называться как RMS вертикальная амплитуда, которую можно получить по дисперсии сигнала g:

где g представляет собой норму общего низкочастотного сигнала ускорения.

На основании одних и тех же двух признаков может быть разработано классифицирующее устройство с большим количеством классов, например классифицирующее устройство для классифицирования вышеописанных шести состояний (отсутствие ходьбы, медленная ходьба, нормальная ходьба, быстрая ходьба, бег и быстрый бег). Поскольку распределения признаков для различных классов будут перекрываться в большей степени по сравнению со случаем с тремя классами (отсутствие ходьбы, ходьба и бег) может быть совершено больше ошибок при классифицировании. Однако поскольку ошибочное классифицирование на смежные классы (например, классифицирование медленной ходьбы как нормальная ходьба) будет приводить только к относительно небольшой погрешности значения периодичности, то с ним можно примириться.

Дополнительные признаки, которые могут быть полезны при классифицировании, могут быть найдены в статье Л. Бао и С. Интилле «Распознавание физической активности на основании данных об ускорении пользователя», Всепроникающая компьютеризация, выпуск 3001, январь 2004 года, стр. 1-17, в статье Ферстера Ф., Смейя М., Фаренберга Д., «Распознавание положения и движения методом акцелерометрии: анализ беспристрастности в амбулаторном мониторировании», Компьютеры в поведении человека, 1999; 15: 571-583, Побер Д.М., Штауденмайер Й., Рафаэль С., Фридсон П.С., «Разработка новых технологий классифицирования типа физической активности с использованием акселерометров», "Медицина и наука в спорте и физической культуре", 2006; 38: 1626-1634.

На фиг. 5 показана структурная схема еще одного варианта реализации системы 1', а на фиг. 6 показан еще один вариант реализации устройства 20' согласно настоящему изобретению, которое может быть использовано в системе 1 или 1'. В системе 1' выполнен корпус 40 для размещения в нем акселерометра 10, устройства 20' и выходного интерфейса 30 для объединения всех элементов в одном носимом устройстве. Кроме того, для удержания корпуса на части тела субъекта используется удерживающий элемент 50, такой как лента или браслет.

Предпочтительно, если система 1' дополнительно содержит интерфейс 60 данных для ввода антропометрических данных, таких как данные о длине, весе, индексе массы тела, поле, возрасте, или любых других персональных данных человека, которые могут иметь влияние на результат расчета количества циклов. Например, высокий человек имеет больший шаг по сравнению с невысоким человеком, что следует учитывать для дополнительно улучшения точности расчета. Интерфейс 60 данных может представлять собой, например, клавиатуру, сенсорный экран или другие средства, обеспечивающие возможность ввода пользователем таких данных (например, по запросу системы 1' при ее использовании в первый раз). Еще в одном варианте реализации интерфейс 20'данных может представлять собой средства для контакта с внешним устройством, таким как личное дело или другой источник данных, например в смартфоне пользователя, хранящем такие антропометрические данные, так что интерфейс 60 данных автоматически получает такие данные, например, когда система 1' персонализирована под пользователя.

В устройстве 20', показанном на фиг. 6, входной блок 21 выполнен с возможностью приема антропометрических данных субъекта, например, посредством интерфейса 60 данных или непосредственно в качестве входных данных пользователя, например, посредством клавиатуры или сенсорного экрана.

Кроме того, запоминающее устройство 23 выполнено с возможностью хранения двух или более таблиц для различных антропометрических данных, в частности для различных данных о длинах, весе, индексе массы тела, поле и/или возрасте, причем каждая таблица включает значения периодичности, адаптированные к соответствующим антропометрическим данным. Например, могут использоваться три таблицы для пользователей мужского и женского пола с различными значениями периодичности для одного и того же класса физической активности (например, для «ходьбы» периодичность может составлять 1,9 для пользователей мужского пола и 2,1 для пользователей женского пола), и/или могут использоваться три таблицы для людей с различным ростом, например с ростом ниже 1,4 м, между 1,4 м и 1,6 м, между 1,6 м и 1,8 м, между 1,8 м и 2 м, выше 2 м и т.д. Таким образом, два или более критериев (то есть типы антропометрических данных) могут быть использованы для выбора правильной таблицы для фактического пользователя таким образом, что подходящие значения периодичности выбирают на основании результата классифицирования, который дополнительно увеличивает точность рассчитанного количества циклов.

В качестве альтернативы сохранению и выбору множества таблиц, правильная таблица для пользователя может быть выбрана однажды и (единожды) сохранена на запоминающем устройстве, например, после персонифицирования системы. Однако эта информация может быть обновлена, если пользователь собирается использовать систему.

Еще в одном варианте реализации устройство 20' (или также система 20) дополнительно содержит блок 25 оценки частоты движения для оценки частоты движения на основании данных акселерометра. Кроме того, блок 24 расчета количества циклов движения выполнен с возможностью использования оцененной частоты движения при расчете количества циклов. Сверх состояния движения конкретные признаки могут быть использованы для регулировки результата оценки периодичности. Один такой признак может представлять собой результат оценки фактической частоты. Эксперименты показали, что сама по себе эта частота может и не представлять собой надежный параметр по причине дискретности данных. Однако наличие знания классифицирующего устройства о состоянии в комбинации, например, с результатом оценки частоты может улучшить результаты в пределах периодичности, полученной из таблицы. В альтернативном случае можно использовать признаки, которые взаимосвязаны с частотой. Как можно увидеть из свернутых распределений кумулятивных вероятностей, показанных на фиг. 4, некоторые признаки, которые не представляют собой прямые результаты оценки частоты, взаимосвязаны со скоростью и могут быть использованы для дополнительного улучшения результата оценки частоты.

В одном из вариантов реализации обычная длина окна для классифицирования может составлять, например, 15 секунд. Это означает, что в вышеописанном примере дискретизации сигнала акселерометра из этого 15-секундного окна выбраны всего три секунды, а именно 1-ая секунда, 6-я секунда и 11-секунда. Частота выборки в течение этих трех секунд секунд составляет 20 Гц, что в результате приводит к наличию 60 отсчетов для интервала времени (длина окна, использованная для классифицирования), равного 15 секунд. В одном из вариантов реализации для получения хорошей оценки частоты на основании этих ограниченных данных рассчитывают FFT каждого 1-секундного окна x1[n], х6[n] и x11[n], где n=0, …, 19, что приводит к наличию трех спектральных представлений X1[k], X6[k] and Х11[k]. Затем амплитудный спектр этих трех спектральных представлений рассчитывают и усредняют. На фиг. 7 соответствующие спектры показаны для непрерывного случая (сигнал Е1), где частота шага составляла +/- 2 ГЦ, и для случая с прерываниями (сигнал Е2), где также результат оценки частоты шага составлял 2 ГЦ.

На фиг. 8 показана блок-схема варианта реализации способа согласно настоящему изобретению. На первом этапе S10 принимают дискретные данные акселерометра с течением времени, указывающие на движение по меньшей мере части тела субъекта. На втором этапе S12 движение субъекта классифицируют с отнесением в один из нескольких классов движения на основании дискретных данных акселерометра, причем каждый класс движения относится к различному диапазону скорости периодического движения. На третьем этапе S14 периодичность класса движения, к которому движение было отнесено классифицированием, извлекают из таблицы, содержащей значение периодичности за единицу времени для каждого класса движения. На четвертом этапе S16 количество циклов периодического движения субъекта рассчитывают за единицу времени в течение заданного времени или непрерывно во времени путем использования извлеченного значения периодичности. В одном из вариантов реализации настоящего изобретения способ представляет собой реализуемый с помощью компьютера способ.

Несмотря на то, что настоящее изобретение было подробно показано на чертежах и раскрыто в приведенном выше описании, такие изображение и описание следует считать иллюстративными и примерными, а не ограничивающими, при этом настоящее изобретение не ограничено раскрытыми вариантами реализации. Модификации раскрытых вариантов реализации могут быть понятны специалистам в данной области техники, и осуществлены ими при реализации настоящего изобретения после изучения чертежей, описания и прилагаемой формулы изобретения.

В формуле изобретения термин «содержащий» не исключает другие элементы или этапы, а неопределенный артикль «а» или «an» не исключают множественного числа. Одиночный этап или другой блок могут выполнять функции нескольких объектов, указанных в пунктах формулы изобретения. Сам факт, что конкретные средства измерения приведены в отличных друг от друга зависимых пунктах формулы изобретения, не указывает на то, что сочетание этих средств измерения не может быть успешно использовано.

Компьютерная программа может быть сохранена и/или размещена на подходящем носителе для длительного хранения данных, таком как оптический носитель данных или твердотельный носитель, поставляемые вместе с другим аппаратным обеспечением или в виде его части, но может быть размещена и другим образом, например, посредством сети Интернет или других проводных или беспроводных систем связи.

Любые ссылочные обозначения в формуле изобретения не следует истолковывать как ограничение объема защиты.