与运动数据有关的系统、设备和方法技术方案

提供了用于研究运动的系统。计算设备[10]具有相互通信的处理器[20]、加速度计[11]、陀螺仪[12]、磁力计[13]和存储装置/计算机可读介质[30]。计算设备[10]可以对照运动库[32]中已分类的初始运动数据对移动目标的实时运动数据进行感测、分类、定性和/或量化。运动数据被处理作为特定的运动单元。计算设备[10]可以使用机器学习算法进行“训练”和“学习”。计算设备[10]可以用于许多行业，包括健身行业，在该行业中计算设备[10]可以与可穿戴技术一起使用。

Systems, devices, and methods relating to motion data

A system for studying motion is provided. The computing device [10] has a processor [20], an accelerometer [11], a gyroscope [12], a magnetometer [13], and a storage device / computer readable medium [30] that communicate with each other. The computing device [10] can sense, classify, qualitatively and / or quantify the real-time movement data of the moving target in comparison with the initial motion data classified in the motion library [32]. Motion data are processed as specific motion units. The computing device [10] can use the machine learning algorithm for training and learning\. The computing device [10] can be used in many industries, including the fitness industry, where computing devices, [10], can be used with wearable technology.

【技术实现步骤摘要】
【国外来华专利技术】与运动数据有关的系统、设备和方法相关申请本公开内容要求于2014年10月6日提交的美国临时专利申请第62/060,337号的优先权日的权益，其全部内容并入本文中。
本公开内容涉及与对运动的分析有关的系统、设备和方法。如本文所使用的，运动是3D空间中相对于时间的任何可量化的移动。系统和设备可以包括硬件和软件系统，包括但不限于适用于可穿戴技术的那些硬件和软件系统。
技术介绍
在许多行业中，研究移动目标的运动以及使用运动的结果分析来改善移动目标的表现(performance，行为、性能)是有用的。在人作为所选的移动目标的情况下，例如，健身行业和健康行业(例如物理治疗和职业治疗)可以发现对某些人体运动的研究是有益和有利的。用于实时感测运动的各种技术是已知，包括使用可以与移动目标相关的各种传感器。一些示例性传感器包括加速度计、陀螺仪和其他设备。移动目标可以是多种对象中的任何一种。例如，移动目标可以是动物——包括人、马、狗、鸟、或鱼或者其他动物——的整体或部分。移动目标可以是交通工具——包括汽车、飞机、航天器、船舶、卡车、娱乐车辆等——的整体或部分。移动目标也可以是机器人装置，或具有移动部分的机器部件。移动目标甚至可以是投射物。某些现有的运动感测和处理系统为用户提供了一种通过将实时数据与表示某些类型的已知运动的统计模型进行比较来分析数据的方法。一些这样的系统另外包括能够基于实时感测的运动数据更新统计模型的机器学习算法。不幸的是，依赖用统计模型代替实际数据用于比较目的的系统由于依赖统计而丢失了关于数据的信息。这种丢失会限制可以进行比较的内容和可以进行分析的内容，尤其是在对实时运动数据的量化中。用于运动分析的某些现有系统由于至少部分地依赖于统计而不是依赖于实际数据进行比较，因而也缺乏准确性。需要用于在定性和量化方面分析运动的准确且有效的系统、设备和方法。
技术实现思路
已经发现，来自从传感器接收的与运动相关的信号的数据可以以特定的运动单元进行处理，其内容在与运动库中的数据比较时提供了关于实时运动的定性和量化的信息。这样的运动单元在填充有数据时可以被分类到预定的运动类别中，诸如行走、跳跃等。运动的组合可以进一步被分类到更加复杂的动作类别中，诸如打网球、拳击等。当与动作库中的数据比较时，能够作为运动单元处理的实时动作数据的内容可以提供关于实时动作的定性和量化的信息。在一个实施方案中，运动库和动作库各自均包括能够按运动单元处理的实际测量数据，而非表示实际数据的统计模型。这样，可以保持数据完整性，并且令人惊讶的是，对这样的数据进行的分析是有效且准确的。在本公开内容中描述的运动单元是作为多个方程的函数的方程。馈送到运动单元中的方程的数目与由感测系统感测的自由度的数目相同。自由度和时间间隔是根据应用预定的。通过非限制性实施例，在用于分析人体运动活动的应用中，如果在50ms的间隔内测量到九个自由度(各自均在X方向、Y方向和Z方向上的加速度数据、陀螺仪数据和磁力计数据)，则每个运动单元均包括450个数据点x。特定运动单元的内容能够用特定的运动类别独特地识别。这些运动单元允许由处理器快速处理运动数据，并且将实时运动数据与实际初始运动数据进行有效且准确的比较。有效性可能是由于与运动单元中的每个数据点x相关的“强度”信息S(有时在机器学习的文献中被称为“权重”信息)在机器学习期间的保持引起。S允许对运动的紧凑表示。在描述现有技术中用于运动的机器学习应用的某些文献中，强度信息S在分类后被丢弃。尽管一般教导是在运动研究应用中丢弃S，但已经发现，强度信息S的保持可以通过向算法提供下述信息而有助于实时运动数据与初始运动数据之间的定性比较的效率/速度，上述信息为关于哪些运动数据由于高成本要被忽略以及哪些低成本运动数据要被进一步分析以用于量化的信息。S的保持不仅允许效率/速度，而且还提供了关于对要包括在定性/量化步骤中的特定运动类别而言重要的x值的信息，从而提高准确性。如本文所述的对运动单元的这种处理提供了对实时运动数据的定性和量化，这可以至少部分地基于与初始运动数据的比较。使用这些运动单元用于运动分析和动作分析的系统、设备和方法适合于民用性质和军事性质的宽范围行业中的许多应用。附图说明图1是示例性计算设备的示意图；图2是示例性计算设备的示意图；图3是移动目标上的示例性计算设备；图4A至图4C是来自加速度计的示例性信号；图4D至4F是来自陀螺仪的示例性信号；图4G至图4I是来自磁力计的示例性信号；图5是用于填充运动库和动作库的示例性流程图；图6是用于按照与存储在运动库中的数据进行比较的方式对实时运动数据进行定性和量化的示例性流程图；图7是访问一个或多个库中的数据以用于与实时运动数据进行比较的示例性计算机程序的示意图；图8是运动库的显示示例；以及图9是动作库的显示示例。具体实施方式本文中的所有附图和实施例都意在非限制性的；它们仅仅是本说明书所附权利要求的示例性复述和/或实施例。对系统、设备、方法中步骤的顺序等的修改均是可设想的。参照图1，描绘了示例性计算设备10的示意图。如所描绘的，计算设备10包括使用多个感测设备感测运动的感测系统。如所描绘的，多个感测设备包括加速度计11、陀螺仪12和磁力计13。根据运动的性质和待分析、定性和量化的其他信息，可以包括其他运动感测和其他感测设备。感测设备中的一些或全部可以组合成单个惯性测量单元(IMU)。示例性运动感测设备可以包括但不限于市售的IMU、加速度计、陀螺仪、磁力计、全球定位(GPS)传感器、RFID传感器或其他传感器。其他微机电(MEMS)传感器可以并入到与所公开的计算设备兼容的感测系统中，包括数字罗盘、惯性模块、压力传感器、湿度传感器和麦克风。还有其他的传感器或者感测系统或设备可以结合计算设备10一起使用，包括智能传感器和传感器集线器、UV指数传感器、温度传感器和触摸传感器中的一种或多种。可设想的传感器包括瑞士日内瓦的STMicroelectronics市售的那些传感器。还可设想将传感器融合与感测系统一起使用。感测系统可以与计算设备10的其他部件无线地通信。这样的通信可以涉及多种协议——包括ANT、ANT+、蓝牙、BlueRobin和/或其他协议——中的任何一种。如所描绘的，示例性运动感测设备11、12和13生成待使用市售硬件和标准软件协议(如本领域普通技术人员将意识到的)被处理成数据的至少一个信号。例如，模拟信号可以经受反混叠滤波，被转换成数字数据，并且穿过至少一个或多个数字滤波级，诸如贝塞尔和/或巴特沃斯滤波器。因而，由于传感器发送信号，所以来自传感器的数据传输可能是间接的，原因在于在运动数据可用于作为运动单元由处理器和本文公开的计算机程序处理之前存在对信号的中间处理。在所描绘的实施例中，加速度计11直接或间接地传输X方向、Y方向和Z方向上的加速度数据。陀螺仪12直接或间接地传输X方向、Y方向和Z方向上的角速度数据。磁力计13直接或间接地传输X方向、Y方向和Z方向上的定向数据。由包括一个或多个感测设备的感测系统传输的运动数据由处理器20使用至少一个计算机程序进行处理。尽管示意性地绘制为单一的框，但可设想处理器20可以表示经由网络相互通信的一组处理器。处理器20在于存储器/计算机可读介质30中本文档来自技高网...

【技术保护点】
一种用于分析移动目标的运动的计算设备[10]，所述设备包括：a)各自均被配置为相互直接或间接通信的处理器[20]、计算机可读介质[30]、加速度计[11]、陀螺仪[12]、磁力计[13]；以及b)包括能够由所述处理器执行以创建定性和量化的运动分析的指令的计算机程序[31]，所述计算机程序包括：i.被配置为访问所述计算机可读介质[30]的软件，所述计算机可读介质包括具有至少一个类别的初始运动数据的至少一个库[32]，所述的数据能够被处理作为运动单元，每个所述的运动单元是在预定时间间隔上的一方程，所述方程是针对预定数目的自由度的至少加速度数据、角速度数据和定向数据的单独初始运动数据方程的函数，每个所述的运动单元保持所述初始运动数据的质量和数量，每个所述的运动单元具有的内容包括多个数据点x，所述多个数据点x的数目等于所述自由度与所述预定时间间隔的乘积；ii.被配置为从感测的信号接收实时运动数据的软件，所述实时运动数据至少包括来自所述加速度计[11]的加速度数据、来自所述陀螺仪[12]的角速度数据和来自所述磁力计[13]的定向数据，所述的实时运动数据能够按与所述初始运动数据相同的运动单元进行处理；iii.被配置为通过运动单元将所述实时运动数据与所述初始运动数据进行比较的软件；以及iv.被配置为至少部分地基于所述比较对实时感测的运动数据进行定性和量化的软件。...

【技术特征摘要】
【国外来华专利技术】2014.10.06 US 62/060,3371.一种用于分析移动目标的运动的计算设备[10]，所述设备包括：a)各自均被配置为相互直接或间接通信的处理器[20]、计算机可读介质[30]、加速度计[11]、陀螺仪[12]、磁力计[13]；以及b)包括能够由所述处理器执行以创建定性和量化的运动分析的指令的计算机程序[31]，所述计算机程序包括：i.被配置为访问所述计算机可读介质[30]的软件，所述计算机可读介质包括具有至少一个类别的初始运动数据的至少一个库[32]，所述的数据能够被处理作为运动单元，每个所述的运动单元是在预定时间间隔上的一方程，所述方程是针对预定数目的自由度的至少加速度数据、角速度数据和定向数据的单独初始运动数据方程的函数，每个所述的运动单元保持所述初始运动数据的质量和数量，每个所述的运动单元具有的内容包括多个数据点x，所述多个数据点x的数目等于所述自由度与所述预定时间间隔的乘积；ii.被配置为从感测的信号接收实时运动数据的软件，所述实时运动数据至少包括来自所述加速度计[11]的加速度数据、来自所述陀螺仪[12]的角速度数据和来自所述磁力计[13]的定向数据，所述的实时运动数据能够按与所述初始运动数据相同的运动单元进行处理；iii.被配置为通过运动单元将所述实时运动数据与所述初始运动数据进行比较的软件；以及iv.被配置为至少部分地基于所述比较对实时感测的运动数据进行定性和量化的软件。2.根据权利要求1所述的计算设备，其中，所述运动单元是反映在所述预定时间间隔上的至少在X方向、Y方向和Z方向上的加速度数据，在X方向、Y方向和Z方向上的角速度数据以及在X方向、Y方向和Z方向上的定向数据总共九个自由度的方程的函数的方程。3.根据权利要求2所述的计算设备，其中，每个所述运动单元的内容均包括每个数据点x的强度信息S。4.根据权利要求1所述的计算设备，其中，所述计算机可读介质[30]包括至少一个初始动作数据库[36]，其中动作数据是预定时间间隔上的已分类的初始运动数据的组合。5.根据权利要求4所述的计算设备，其中，所述计算机可读介质[30]包括至少一个初始动作数据库[36]，其中动作数据是在预定时间间隔上按特定顺序发生的已分类的初始运动数据的组合。6.根据权利要求1所述的计算设备，其中，实时运动数据是通过至少一个惯性测量单元传输的，所述惯性测量单元包括所述加速度计[11]、所述陀螺仪[12]和所述磁力计[13]中的至少一个。7.根据权利要求1所述的计算设备，其中，实时运动数据还包括由与所述处理器[20]通信的全球定位系统感测的全球定位数据。8.根据权利要求1所述的计算设备，其中，实时运动数据是通过由所述加速度计[11]、所述陀螺仪[12]、所述磁力计[13]中的至少一个生成的至少一个经处理信号接收的，其中所述加速度计[11]、所述陀螺仪[12]、所述磁力计[13]中的至少一个位于可穿戴设备上或中。9.根据权利要求1所述的计算设备，其中，实时运动数据是...

【专利技术属性】
技术研发人员：斯里尼·G·奈杜，
申请(专利权)人：弋动科有限公司，
类型：发明
国别省市：美国,US