[go: up one dir, main page]

CN111258378B - 具有姿态识别和功率管理的腕戴式运动装置 - Google Patents

具有姿态识别和功率管理的腕戴式运动装置 Download PDF

Info

Publication number
CN111258378B
CN111258378B CN202010031324.7A CN202010031324A CN111258378B CN 111258378 B CN111258378 B CN 111258378B CN 202010031324 A CN202010031324 A CN 202010031324A CN 111258378 B CN111258378 B CN 111258378B
Authority
CN
China
Prior art keywords
sensor
gesture
computer
user
processor
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202010031324.7A
Other languages
English (en)
Other versions
CN111258378A (zh
Inventor
M.戈尔
K.卡明斯
P.莱加
D.斯威策
S.伊姆利
M.拉平斯基
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nike Innovate CV USA
Original Assignee
Nike Innovate CV USA
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Nike Innovate CV USA filed Critical Nike Innovate CV USA
Publication of CN111258378A publication Critical patent/CN111258378A/zh
Application granted granted Critical
Publication of CN111258378B publication Critical patent/CN111258378B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
    • G06F3/017—Gesture based interaction, e.g. based on a set of recognized hand gestures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F1/00—Details not covered by groups G06F3/00 - G06F13/00 and G06F21/00
    • G06F1/16—Constructional details or arrangements
    • G06F1/1613—Constructional details or arrangements for portable computers
    • G06F1/163—Wearable computers, e.g. on a belt
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F1/00—Details not covered by groups G06F3/00 - G06F13/00 and G06F21/00
    • G06F1/26—Power supply means, e.g. regulation thereof
    • G06F1/32—Means for saving power
    • G06F1/3203—Power management, i.e. event-based initiation of a power-saving mode
    • G06F1/3206—Monitoring of events, devices or parameters that trigger a change in power modality
    • G06F1/3231—Monitoring the presence, absence or movement of users
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F1/00—Details not covered by groups G06F3/00 - G06F13/00 and G06F21/00
    • G06F1/26—Power supply means, e.g. regulation thereof
    • G06F1/32—Means for saving power
    • G06F1/3203—Power management, i.e. event-based initiation of a power-saving mode
    • G06F1/3234—Power saving characterised by the action undertaken
    • G06F1/329—Power saving characterised by the action undertaken by task scheduling
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
    • G06F3/011—Arrangements for interaction with the human body, e.g. for user immersion in virtual reality
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
    • G06F3/011—Arrangements for interaction with the human body, e.g. for user immersion in virtual reality
    • G06F3/014—Hand-worn input/output arrangements, e.g. data gloves
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/10—Image acquisition
    • G06V10/12—Details of acquisition arrangements; Constructional details thereof
    • G06V10/14—Optical characteristics of the device performing the acquisition or on the illumination arrangements
    • G06V10/147—Details of sensors, e.g. sensor lenses
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/20—Movements or behaviour, e.g. gesture recognition
    • G06V40/23—Recognition of whole body movements, e.g. for sport training
    • G—PHYSICS
    • G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
    • G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
    • G09B19/00—Teaching not covered by other main groups of this subclass
    • G09B19/003—Repetitive work cycles; Sequence of movements
    • G09B19/0038—Sports
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
    • G16H20/30—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to physical therapies or activities, e.g. physiotherapy, acupressure or exercising
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D30/00—Reducing energy consumption in communication networks
    • Y02D30/50—Reducing energy consumption in communication networks in wire-line communication networks, e.g. low power modes or reduced link rate

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • General Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Human Computer Interaction (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Business, Economics & Management (AREA)
  • Computer Hardware Design (AREA)
  • Multimedia (AREA)
  • Educational Technology (AREA)
  • Educational Administration (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Primary Health Care (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biophysics (AREA)
  • Physical Education & Sports Medicine (AREA)
  • Epidemiology (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Psychiatry (AREA)
  • Social Psychology (AREA)
  • Vascular Medicine (AREA)
  • User Interface Of Digital Computer (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)

Abstract

一种腕戴式运动表现监测系统，包括构造为执行姿态识别过程的姿态识别处理器。与该表现监测系统的交互可以至少部分地基于由用户执行的姿态，并提供对使用物理按钮在表现监测系统上做出选择的替代，在执行运动活动时，所述按钮的使用可以是麻烦和/或不方便的。此外，所识别的姿态可以被用于为运动表现监测系统选择一种或多种工作模式，使得可以实现功耗的降低。

Description

具有姿态识别和功率管理的腕戴式运动装置
本申请是申请日为2014年8月7日、申请号为201480055168.0且发明名称为“具有姿态识别和功率管理的腕戴式运动装置”的发明申请的分案申请。
相关申请的交叉参考
本申请要求2013年8月7日提交的题为“GESTURE RECOGNITION”的美国临时专利申请No.61/863249的权益和优先权。所述申请的公开内容通过引用以其整体明确地并入本文，并用于任何和所有的非限制性目的。
背景技术
现代技术已产生了使用户保持彼此联系、娱乐和消息灵通的多种不同的电子和/或通信设备。各种各样的便携式电子设备可用于这些目的，诸如：蜂窝电话；个人数字助理(“PDAs”)；寻呼机；呼机；MP3或其他音频播放设备；收音机；便携式电视机、DVD播放器或其他视频播放设备；手表；GPS系统；等等。当他们锻炼和/或参与体育活动时，许多人喜欢在身上携带一个或多个这些类型的设备，以例如保持与他人的联系(例如，预防恶劣天气、伤病；或紧急情况；联系教练或训练员；等等)、让他们娱乐、提供信息(时间、方向、位置等)。
运动表现监测系统也已经从电子设备和数字技术的最新发展中受益。电子表现监测设备允许监测与锻炼或其他运动表现相关的许多物理或生理特性，包括例如：速度和距离数据、高度数据、GPS数据、心率、脉率、血压数据、体温等。具体地，这些运动性能监测系统已经得益于微处理器设计的最新发展，允许越来越复杂的计算和流程通过尺寸越来越小的微处理器执行。这些现代微处理器可以用于执行活动识别过程，使得运动员正在进行的运动或活动能够被识别，并且与该运动或活动有关的信息可以被分析和/或存储。然而，在一些情况下，与这些表现监测系统的互动可以是麻烦的，并要求运动员使用常规计算机系统或便携式电子设备典型的一系列按钮做出设备上的选择。对于进行体育活动的运动员，以传统方式与性能监测系统进行交互并做出关于系统功能的选择可以是分心、不舒服或不可行的。此外，这些系统通常由诸如可充电电池的有限电力源供电，使得设备可以由运动员佩戴以允许便携式活动监测和识别。由于通过运动表现监测系统进行的计算已经变得越来越复杂，集成微处理器执行计算的功率消耗也已经显著增加。因此，在电池充电之间的可使用时间已经下降。因此，存在对用于与运动表现监测设备进行交互并且延长运动表现监测系统的电池寿命的更有效系统和方法的需要。
本公开的各方面针对解决这些缺陷中的一个或多个的新颖系统和方法。另外的方面涉及最小化本领域中的其他缺点。
发明内容
下面呈现本公开的简化概述，以便提供对本发明的一些方面的基本理解。这个概述不是本发明的广泛综述。它并不意图确定本发明的关键和重要元件或者勾画本发明的范围。下面的概述仅以简化形式呈现了本发明的一些概念，以作为对后面提供的更详细描述的前奏。
本文描述的系统和方法的各方面涉及有计算机可执行指令的非临时性计算机可读介质，其用于将加速度数据接收到设备中的姿态识别处理器内。该设备可以被放置在用户的附肢上，并且根据第一操作模式操作。所接收到的加速度数据可以代表用户附肢的运动，并且可以被分类为一种姿态。在完成分类后，该设备可以根据第二操作模式操作，其中，所述第二操作模式基于分类后的姿态而选择。
在另一方面，本公开涉及一种被构造为穿戴在用户附肢上的装置，包括构造为采集加速度数据的传感器、姿态识别处理器和活动处理器。该装置还包括非临时性计算机可读介质，其包括用于将所采集的加速度数据分类为一种姿态的，并且基于所述分类姿态而选择用于活动处理器的操作模式的计算机可执行指令。
在又一方面，本发明涉及有计算机可执行指令的非临时性计算机可读介质，所述指令在由处理器执行时被配置为从设备上的传感器接收运动数据、从数据中识别或选择姿态，并且基于所识别的姿态调整设备的操作模式。
本概述提供为以简化形式介绍所选择的概念，所述概念在详细描述中在下面进一步描述。本概述不旨在识别所要求保护主题的关键特征或必要特征，也不旨在用于限制所要求保护主题的范围。
附图说明
图1示出了根据示例实施例可被构造为提供个人训练和/或从用户的身体运动获得数据的示例性系统；
图2示出了可以是图1的系统的一部分或者与其通信的示例性计算机设备。
图3示出了根据示例实施例的可被用户穿戴的示例性传感器组件；
图4示出了根据示例实施例的可被用户穿戴的另一示例性传感器组件；
图5示出了用于感觉输入的说明性位置，其可包括位于用户衣服上/中的物理传感器和/或是基于用户的两个移动身体部位之间关系的识别；
图6是可用于姿态识别的示例性传感器设备600的示意性框图；
图7是姿态识别训练过程的示意性框图。
图8是姿态识别过程的示意性框图。
图9是操作模式选择过程的示意性框图。
具体实施方式
本公开的各方面涉及识别由运动员执行的姿态，以便调用有关运动表现监测设备的特定功能。除了姿态信息外，姿态可以从包括代表由运动员/用户执行的一个或多个运动活动的运动数据识别出。运动数据可以主动或被动地感测和/或存储在一个或多个非临时性存储介质中，并且用于产生输出，例如，计算出的运动属性、提供指导的反馈信号，和/或其它信息。这些和其他方面将在个人训练系统的以下说明性实施例的上下文中进行讨论。
在各种实施例的以下描述中，参考了附图，附图形成本文的一部分，并且其中通过图示的方式示出了各种实施例，本公开的各方面可在所述实施例中实践。但是应该理解的是，其他实施例可以被利用，并且在不脱离本公开的范围和精神的情况下可以进行结构和功能修改。此外，本公开的范围内的标题不应该被认为是本公开的限制方面，并且示例性实施例不限于示例标题。
I.示例个人训练系统
A.说明性网络
本公开的各方面涉及可以跨越多个网络利用的系统和方法。在这方面，某些实施例可以被配置为适应动态网络环境。另外的实施例可以在不同的断续网络环境中运行。图1示出了根据示例实施例的个人训练系统100的一个例子。示例系统100可包括一个或多个互连的网络，如说明性的体域网(BAN)102、局域网(LAN)104和广域网(WAN)106。如图1所示(以及在遍及本公开中所描述的)，一个或多个网络(例如，BAN 102、LAN 104和/或WAN 106)，可能会重叠或以其他方式包含对方。本领域的技术人员将理解的是，示例性网络102-106是可以各自包括一个或多个不同通信协议和/或网络体系架构的逻辑网络，然而也可以构造为具有到彼此或其他网络的网关。例如，BAN 102、LAN 104和/或WAN 106中的每个可以可操作地连接到相同的物理网络架构，诸如蜂窝网络架构108和/或广域网架构110。例如，便携式电子设备112，其可以被考虑为是BAN 102和LAN 104两者的部件，可包括网络适配器或网络接口卡(NIC)，其构造为根据一个或多个通信协议将数据和控制信号转换为穿过一个或多个架构108和/或110的网络信息，或从所述网络信息转换数据和控制信号，所述通信协议诸如传输控制协议(TCP)、因特网协议(IP)和用户数据包协议(UDP)，这些协议是本领域中公知的，因此将不进行更详细讨论。
网络架构108和110可以包括任何类型或拓扑结构的单独或组合的一个或多个信息分发网络，诸如电缆、光纤、卫星电话、蜂窝、无线等等，并且因此可以有多种构造，例如具有一个或多个有线或无线通信信道(包括但不限于：近场通信(NFC)和/或ANT技术)。由此，图1的网络中的任何设备(例如便携式电子设备112或本文描述的任何其它设备)可以被认为属于一个或多个不同的逻辑网络102-106。考虑到上述内容，对说明性的BAN和LAN(其可以耦合到WAN 106)的示例部件进行说明。
1.示例局域网
局域网104可以包括一个或多个电子设备，诸如计算机设备114。计算机设备114或系统100的任何其它部件可以包括移动终端，诸如电话、音乐播放器、平板、上网本或任何便携式设备。在其他实施例中，计算机设备114可以包括媒体播放器或记录器、台式计算机、服务器、游戏主机、诸如XBOX、Playstation，和/或Wii游戏主机。本领域的技术人员将理解的是，这些仅仅是用于描述目的的示例设备，并且本公开不限于任何主机或计算设备。
本领域的技术人员将理解的是，计算机设备114的设计和结构可以根据多种因素而有所不同，诸如它的预期目的。计算机设备114的一个示例性实现提供在图2中，其示出了计算设备200的框图。本领域技术人员将会理解的是，图2的公开内容可以适用于本文所公开的任何设备。设备200可包括一个或多个处理器，诸如处理器202-1和202-2(在本文中统称为“多个处理器202”或“处理器202”)。处理器202可以经由互连网络或总线204彼此通信或与其他部件通信。处理器202可以包括一个或多个处理核心，诸如核心206-1和206-2(本文称为“多个核心206”，或更一般地称为“多个核心206”)，其可在单个集成电路(IC)芯片上实现。
核心206可包括共享的缓存208和/或专用的缓存(例如，分别包括缓存210-1和210-2)。一个或多个缓存208/210可以本地缓存存储在诸如存储器212的系统存储器中的数据，以用于通过处理器202的部件更快速地访问。存储器212可以经由芯片组216与处理器202通信。在某些实施例中，缓存208可以是系统存储器212的一部分。存储器212可以包括，但不限于，随机存取存储器(RAM)、只读存储器(ROM)，并且包括一个或更多的固态存储器、光或磁存储器，和/或可以是用于存储电子信息的任何其它介质。然而，其他实施例可以省略系统存储器212。
系统200可以包括一个或多个I/O设备(例如，I/O设备214-1至214-3，每一个被统称为I/O设备214)。来自一个或多个I/O设备214的I/O数据可被存储在一个或多个缓存208、210和/或系统存储器212上。每个I/O设备214可以被永久或暂时地构造为使用任何物理或无线通信协议与系统100的部件可操作地通信。
回到图1，四个示例I/O设备(示出为元件116-122)被示出为与计算机设备114通信。本领域技术人员将理解的是，一个或多个设备116-122可以是独立的设备，或可以与除计算机设备外的另一设备114相关联。例如，一个或多个I/O设备可与BAN 102和/或WAN 106的部件相关联或进行交互。I/O设备116-122可包括但不限于运动数据采集单元，诸如传感器。一个或多个I/O设备可被配置为感测、检测和/或测量来自用户的运动参数，诸如用户124。示例包括但不限于：加速度计、陀螺仪、位置确定设备(例如，GPS)、光(包括非可见光)传感器、温度传感器(包括环境温度和/或身体温度)、睡眠模式传感器、心脏监测仪、图像捕获传感器、湿度传感器、力传感器、指南针、角速度传感器和/或其组合等等。
在另外的实施例中，I/O设备116-122可以用于提供输出(例如，可听、可视或触觉提示)和/或接收输入，例如来自运动员124的用户输入。这些说明性I/O设备的示例用途在下面提供，但是，本领域的技术人员将理解的是，这样的讨论仅仅是对在本公开范围内许多选项中一些的描述。另外，对任何数据获取单元、I/O设备或者传感器的提及应被解释为公开了可以具有本文公开或本领域中已知的一个或多个I/O设备、数据采集单元和/或传感器(单独地或组合地)的实施例。
来自一个或多个设备(跨越一个或多个网络)的信息可使用(或在形式上可利用)各种不同的参数、指标或生理特性，包括但不限于：运动参数或运动数据，诸如速度、加速度、距离、步数、方向，某些身体部分或物体相对其他的相对运动，或可以被表示为角速率、直线速率或它们的组合的其他运动参数，生理参数，诸如卡路里、心率、汗液检测、精力、氧消耗、氧动力学和可以落入一个或多个类别内的其他指标，诸如：压力、冲击力、关于运动员的信息，诸如身高、体重、年龄、人口统计信息以及它们的组合。
系统100可以被构造为发送和/或接收运动数据，包括在系统100内采集或以其他方式提供给系统100的参数、指标或生理特性。作为一个例子，WAN 106可以包括服务器111。服务器111可以具有图2的系统200的一个或多个组件。在一个实施例中，服务器111至少包括处理器和存储器，诸如处理器206和存储器212。服务器111可以被构造为将计算机可执行指令存储在非临时性计算机可读介质上。所述指令可包括运动数据，诸如在系统100内收集的原始或处理后的数据。系统100可以被配置为发送数据(诸如能量消耗点)到社交网络网站或者托管这样的站点。服务器111可被用于允许一个或多个用户访问和/或比较运动数据。这样，服务器111可以被构造为基于运动数据或其他信息发送和/或接收通知。
回到LAN 104，计算机设备114示出为与显示设备116、图像采集设备118、传感器120和运动设备122处于操作性通信，其依次在下面参考示例实施例进行讨论。在一个实施例中，显示设备116可以提供音频-视觉线索给运动员124，以执行特定的运动动作。音频-视觉线索可以响应于在计算机设备114或任何其他设备上执行的计算机可执行指令而提供，所述其他设备包括BAN 102和/或WAN的设备。显示设备116可以是触摸屏设备或以其他方式构造，从而接收用户输入。
在一个实施例中，数据可以从图像采集设备118和/或其他传感器获得，例如传感器120，其可用于检测(和/或测量)运动参数，无论是单独或与其它设备组合使用，或存储的信息。图像采集设备118和/或传感器120可以包括收发器设备。在一个实施例中，传感器128可以包括红外(IR)，电磁(EM)或声波收发器。例如，图像采集设备118，和/或传感器120可以发送包括朝向运动员124方向的波形到环境中，并且接收“反射”或以其他方式检测这些释放的波形的改变。本领域的技术人员将容易理解的是，对应于不同的数据频谱的多种信号可以根据各种实施例而利用。在这方面，设备118和/或120可以检测从外部源(例如，不是系统100)发射的波形。例如，设备118和/或120可以检测用户124和/或周围环境发射的热量。因此，图像采集设备126和/或传感器128可包括一个或多个热成像设备。在一个实施例中，图像采集设备126和/或传感器128可包括构造为执行距离现象学(range phenomenology)的IR设备。
在一个实施例中，锻炼设备122可以是可构造为允许或便于运动员124执行身体运动的任何设备，诸如跑步机、踏步机等。该设备并不需要是静止的。在这方面，无线技术允许利用便携设备，由此可根据某些实施例而利用自行车或其他可动锻炼设备。本领域的技术人员将认识到的是，设备122可以是或包括用于接收包含运动数据的电子设备的接口，所述运动数据是在计算机设备114的远程执行的。例如，用户可以使用运动设备(下面关于BAN102描述)，并在返回家中或返回设备122的位置时，下载运动数据到元件122或系统100的任何其他设备。本文所公开的任何I/O设备可以被构造为接收活动数据。
2.体域网
BAN 102可包括构造为接收、传送或以其他方式促进运动数据的收集的两个或更多设备(包括无源器件)。示例性设备可以包括一个或多个数据采集单元、传感器或本领域中已知的或本文所公开的设备，包括但不限于I/O设备116-122。BAN 102的两个或多个部件可以直接通信，但在其他实施例中，通信可以经由第三设备进行，其可以是BAN 102、LAN104和/或WAN 106的一部分。LAN 104或WAN 106的一个或多个部件可以形成BAN 102的一部分。在某些实现中，诸如便携式设备112的一个设备到底是BAN 102、LAN 104和/或还是WAN106的一部分可以取决于运动员到允许与移动蜂窝网络架构108和/或WAN架构110的接入点的接近度。用户活动和/或偏好也可能影响一个或多个部件是否被用作BAN 102的一部分。示例实施例在下面提供。
用户124可以与任何数目的设备关联(例如，持有、携带、穿戴和/或与之交互)，例如便携式设备112、鞋安装设备126、腕戴设备128，和/或与感测位置相关联，诸如感测位置130，其可以包括用于收集信息的物理设备或位置。一个或多个设备112、126、128和/或130可能不是特别设计用于健身或运动目的。事实上，本公开内容的方面涉及利用来自多个设备的数据，其中某些不是健身设备，以收集、检测和/或测量运动数据。在某些实施例中，BAN102(或任何其他网络)的一个或多个设备可以包括专门为特定运动应用而设计的健身或运动设备。如本文所用，术语“运动设备”包括可在特定运动或健身活动期间使用或涉及的任何物理对象。示例性的体育设备可包括，但不限于：高尔夫球、篮球、棒球、足球、足球、威力球、冰球、重物(weights)、球拍(bats)、球棒、棒、桨、地垫以及它们的组合。在另外的实施例中，示例性健身设备可包括特定运动在其中发生的运动环境中的物体，包括环境本身，诸如球门网、球篮、篮板、球场的部分，诸如中线、外边界标记、垒和其组合。
在这点上，本领域的技术人员将理解的是，一个或多个运动设备也可以是结构的一部分(或形成结构)，反之亦然，一个结构可以包括一个或多个运动设备或构造为与交互设备交互。例如，第一结构可以包括篮框和篮板，其可以是可移除的，并用门柱取代。在这方面，一个或多个运动设备可以包括一个或多个可以提供所利用信息的传感器，诸如一个或多个在上面关于图1-3讨论的传感器，无论是独立地还是与其他传感器相结合，例如与一个或多个结构相关联的一个或多个传感器。例如，篮板可包括配置成测量篮球在篮板上的力和方向的第一传感器，并且篮筐可包括用于检测力的第二传感器。类似地，高尔夫球杆可以包括配置成检测加在轴上的握力的第一传感器，和配置成测量与高尔夫球的撞击的第二传感器。
注意说明性的便携设备112，它可以是多功能电子设备，即，例如包括电话或数字音乐播放器，包括可购自Cupertino,California的苹果公司的品牌设备或或购自Redmond,Washington的微软的或Windows设备。如本领域中公知的，数字媒体播放器可以作为计算机的输出设备、输入设备和/或存储设备。设备112可以被配置为输入设备，用于接收来自BAN 102、LAN 104或WAN 106的一个或多个设备收集的原始或处理后的数据。在一个或多个实施例中，便携设备112可包括计算机设备114的一个或多个部件。例如，便携式设备112可以包括显示器116、图像采集设备118和/或一个或多个数据采集设备，例如上面讨论的任何I/O设备116-122，无论有还是没有附加部件，以便构成移动终端。
a.说明性服装/配饰传感器
在某些实施例中，I/O设备可以形成在用户124的服装或配饰内或以其他方式与其相关联，其中包括手表、臂章、腕带、项链、衬衫、鞋、或类似物。这些设备可以被构造为监控用户的运动动作。但是应当理解的是，它们可以在用户124与计算机设备114交互期间检测运动动作，和/或独立于计算机设备114(或本文公开的任何其他设备)而运转。例如，BAN102中的一个或多个设备可以构造为用作全天活动监视器，其无论用户与计算机设备114的接近或相互作用而测量活动。应进一步理解的是，示于图3中的感测系统302和示于图4中的设备组件400仅是说明性的例子，其每一个在以下段落中描述。
i.鞋安装设备
在某些实施例中，图1所示的设备126可包括鞋类，其可以包括一个或多个传感器，所示传感器包括但不限于本文所公开和/或本领域中已知的那些。图3示出了传感器系统302的一个示例性实施例，其提供了一个或多个传感器组件304。组件304可以包括一个或多个传感器，例如，加速度计、陀螺仪、位置确定部件、力传感器和/或本文公开的或本领域已知的任何其他传感器。在图示的实施例中，组件304包含多个传感器，其可包括力敏感电阻(FSR)传感器306；然而，可利用其他传感器(多个传感器)。端口308可位于鞋的鞋底结构309内，并通常被构造用于与一个或多个电子设备通信。端口308可以可选地设置成与电子模块310通信，而鞋底结构309可以可选地包括壳体311，或接收模块310的其他结构。传感器系统302还可以包括将FSR传感器306连接到端口308的多条引线312，以使得能够与模块310和/或另一电子设备通过端口308通信。模块310可以包含在鞋的鞋底结构的凹处或空腔内，而壳体311可以定位在所述凹处或空腔内。在一个实施例中，至少一个陀螺仪和至少一个加速度计设置在单个壳体内，诸如模块310和/或壳体311。在至少一个另外的实施例中，在操作时，一个或多个传感器设置为被构造成提供方向信息和角速度数据。端口308和模块310包括用于连接和通信的互补接口314、316。
在某些实施例中，示于图3中的至少一个力敏感电阻器306可能包含第一和第二电极或电触点318、320，以及设置在电极318、320之间以将电极318、320电连接在一起的力敏感电阻材料322。当压力被施加到力敏感材料322时，力敏感材料322的电阻率和/或电导率发生变化，这改变了电极318、320之间的电势。电阻的变化可以由传感器系统302检测，从而检测施加在传感器316上的力。力敏感电阻材料322可以以多种方式在压力下改变其电阻。例如，力敏感材料322可以具有在材料被压缩时降低的内部电阻。利用“基于体积的电阻”的另外实施例可以被测量，其可以通过“智能材料”实施。作为另一例子，材料322可通过改变表面对表面的接触程度而改变电阻，诸如两件力敏感材料322之间，或力敏感材料322与一个或两个电极318、320之间。在一些情况下，这种类型的力敏感电阻行为可被描述为“基于接触的电阻”。
ii.腕戴设备
如图4所示，设备400(其可类似于或包括图1所示的观测设备128)可配置成由用户124佩戴，诸如围绕腕、臂、踝、颈或类似物。设备400可以包括输入机构，如配置成在设备400的操作期间使用的可按压输入按钮402。输入按钮402可以被可操作地连接到控制器404和/或任何其它电子组件，诸如关于图1所示的计算机设备114所讨论的一个或多个元件。控制器404可嵌入壳体406或以其他方式形成壳体406的一部分。壳体406可以由一种或多种材料形成，包括弹性体部件并包括一个或多个显示器，诸如显示器408。显示器可被认为是设备400的可照明部分。显示器408可以包括一系列单独的照明元件或发光构件，诸如LED灯410。所述灯可以阵列地形成，并且可操作地连接到控制器404。设备400可以包括指示器系统412，其也可以被认为是整个显示器408的一部分或部件。指示器系统412可以与显示器408(其可以具有像素构件414)结合地或者从显示器408完全分开地操作并照明。指示器系统412还可以包括多个附加的发光元件或发光构件，这也可采取示例性实施例中的LED灯的形式。在某些实施例中，指示器系统可以提供目标的视觉指示，诸如通过点亮指示器系统412的照明部件的一部分，以表示对一个或多个目标的完成。设备400可经配置以显示由用户基于用户的活动而获得的活动点或货币而表示的数据，所述显示通过显示器408和/或通过指示器系统412。
紧固机构416可以被脱开，其中，设备400可围绕用户124的手腕或一部分定位，并且紧固机构416可随后放置在接合位置上。在一个实施例中，紧固机构416可以包括用于与计算机设备114和/或设备(诸如设备120和/或112)可操作地相互作用的接口，包括但不限于：USB端口。在某些实施例中，紧固构件可包括一个或多个磁体。在一个实施例中，紧固构件可以不含移动部件并且完全依靠磁力。
在某些实施例中，设备400可包括传感器组件(图4中未示出)。传感器组件可包括多个不同的传感器，包括本文所公开和/或本领域中已知的。在示例实施例中，传感器组件可包括或准许到本文公开的或本领域中已知的任何传感器的操作性连接。设备400和或它的传感器组件可以配置为接收从一个或多个外部传感器获得的数据。
iii.服装和/或身体位置感测
图1的元件130示出了可以与物理装置相关联的示例感测位置，所述物理装置诸如传感器、数据采集单元或其他设备。然而，在其他实施例中，它可以是被监测的身体部分或区域的特定位置，诸如通过图像采集设备(例如，图像采集设备118)监测。在某些实施例中，元件130可以包括一个传感器，这样，元件130a和130b可以是被集成到服装的传感器，诸如运动服装。这样的传感器可被放置在用户124身体的任何期望的位置处。传感器130a/b可以与BAN 102、LAN104和/或WAN 106的一个或多个设备(包括其他传感器)进行通信(例如，无线地)。在某些实施例中，无源传感表面可以反射由图像采集设备118和/或传感器120发射的波形，诸如红外光。在一个实施例中，位于用户124服装上的无源传感器可以包括由玻璃或其他透明或半透明的表面制成的大致球形结构，其可以反射波形。可以利用不同类别的衣服，其中，给定类型的服装具有构造为在正确佩戴时邻近用户124的身体特定部位定位的特定传感器。例如，高尔夫服装可包括定位在服装上处于第一配置中的一个或多个传感器，而足球服装可包括定位在服装上处于第二配置中的一个或多个传感器。
图5示出了用于感测输入(见，例如感觉位置130a-130o)的说明性位置。在这方面，传感器可以是位于/用户衣服上的物理传感器，但在其它实施例中，传感器位置130a-130o可基于两个运动身体部位之间关系的识别。例如，传感器位置130a可通过用图像采集设备(诸如图像采集设备118)识别用户124运动而确定。因此，在某些实施例中，传感器可以不是物理地定位在特定位置(如一个或多个传感器位置130a-130o)上，而是被配置为感测该位置的性质，诸如用图像采集设备118，或从其他位置收集到的其他传感器数据。在这点上，使用者身体的整体形状或部分可以允许某些身体部位的识别。不管利用的是图像采集设备和/或是位于用户124上的物理传感器，和/或使用来自其他设备(诸如感测系统302)的数据，本文公开或本领域中公知的设备组件400和/或任何其它设备或传感器被利用，所述传感器可感测所述身体部分的当前位置和/或跟踪身体部分的运动。在一个实施例中，与位置130m有关的感测数据可以在确定用户的重心(也就是质心)中使用。例如，位置130a和位置(多个位置)130f/130l与一个或多个位置130m-130o之间的关系可用于确定用户的重心是否已沿垂直轴线上升(例如在跳跃时)，或者用户是否通过弯曲和屈曲膝盖而尝试“假装”跳跃。在一个实施例中，传感器位置130N可以在位于用户124的胸骨附近。同样，传感器位置130o可以定位用户124的肚脐。在某些实施例中，来自传感器位置130m-130o数据可以用于(单独或与其他数据组合)确定用户124的重心。在另外的实施例中，多个传感器(诸如传感器130m-130o)位置之间的关系可以用于确定用户124的方向和/或旋转力，诸如用户124躯干的扭转。此外，一个或多个位置可用来确定瞬心(center of moment)的位置。例如，在一个实施例中，一个或多个位置(多个位置)130m-130o可以作为用于用户124的瞬心的点。在另一实施例中，一个或多个位置可以作为特定身体部分或区域的瞬心。
图6描绘了根据某些实施例被构造为识别在一个或多个姿态的传感器设备600的示例性框图。如图所示，传感器设备600实施为(和/或处于操作的通信中)可构造为从传感器设备600接收/输出的传感器数据识别一个或多个姿态的元件。根据一个实施例，除了用一个或多个组成部件带来消耗功率的降低之外，识别的姿态可执行根据传感器设备600的一个或多个操作模式中的一个或多个过程。说明性传感器设备600示出为具有传感器602、滤波器604、活动处理器606、姿态识别处理器608、存储器610、电源612、收发器614，以及接口616。然而，本领域的技术人员将认识到的是，图6仅仅是传感器设备600的说明性示例，并且传感器设备600可以使用多个替代的构造实施，而不脱离本文描述的过程和系统的范围。例如，普通技术人员显而易见的是，活动处理器606和姿态识别处理器608可以实施为单个处理器，或实施为单个多核心处理器的一个或多个处理核，等等。在其他实施例中，处理器606和608可以使用专用硬件实施，或使用可以是本地化(在共同的主板上，共同的服务器内等等)或者是分布式(在多个网络连接的服务器上等等)的共享硬件实施。
此外，传感器设备600可以包括图2的计算系统200的一个或多个组件，其中传感器设备600可以被认为是更大的计算机设备的一部分，或者本身可以是独立的计算机设备。因此，在一个实施方式中，传感器设备600可以被配置成部分地或全部地执行图4的控制器404的过程。在这样的实施方式中，除其他事项外，传感器设备600可以被配置为识别带有腕戴设备400的用户执行的一个或多个姿态。作为响应，腕戴设备400可以执行一个或多个过程，从而除其他外，调整与一个或多个操作模式相关联的一个或多个数据分析条件或设定，识别用户所执行的一个或多个活动，或带来腕戴设备400的电力消耗的降低，或它们的组合。
在一个实施例中，电源612可包括电池。可选地，电源612可以是从储存的化学能取出电力的单个电池单元(一组多个这样的电池单元通常被称为电池)，或可以使用一个或多个其他技术的组合实施，包括太阳能电池、电容器，其可被配置为存储从传感器设备600可定位在其中的设备400的运动收获的电能，电能的供给通过“无线”感应，或通过从主电源出口的电能有线供给，诸如通用串行总线(USB 1.0/1.1/2.0/3.0等)出口和类似物。技术人员将容易理解到的是，本文描述的该系统和方法可以适用于降低来自这些和其他电源612的实施例的功耗，而不脱离本说明书的范围。
在一个实施方式中，传感器设备600的传感器602可以包括或多个加速度计、陀螺仪、位置确定设备(GPS)、光传感器、温度传感器、心率监测器、图像采集传感器、麦克风、湿度传感器、力传感器、罗盘、角速度传感器和/或它们的组合等等。作为包括加速度计的示例实施例，传感器602可以是三轴(X、Y和Z轴)加速度计，其实现为单个集成电路或“芯片”，其中，在一个或多个三个轴线上的加速度被检测为在横跨微机电系统(MEMS)设备中的硅结构的电容变化。因此，三轴加速度计可以被用于解决在三维空间中的任何方向上的加速度。在一个具体的实施例中，传感器602可以包括STMicroelectronics LIS3DH 3轴加速度计套件，并输出对应于该加速度计对准的三个轴线中的一个或多个的加速度幅度的数字信号。普通技术人员将理解的是，传感器602可以输出对应于加速度幅度的数字或脉冲宽度调制信号。传感器602(例如结合加速度计的一个)的数字输出可以被接收为时变频率信号，其中输出信号的频率对应于传感器602敏感的三个轴线中一个或多个上的加速度幅度。在可选实施方式中，传感器602可以输出作为时变电压的模拟信号，其对应于传感器602敏感的三个轴线中一个或多个上的加速度幅度。此外，应该理解的是，传感器602可以是单轴、或二轴加速度计，而不脱离本文所描述的实施例的范围。在又一实施方式中，传感器602可表示输出模拟或数字信号的一个或多个传感器，所述信号对应于传感器602作出响应的物理现象/输入。
可选地，传感器设备600可以包括滤波器604，其中，滤波器604可以被构造为选择性地移除来自传感器602的输出信号的某些频率。在一个实现方式中，滤波器604是有低通、高通或带通滤波器特性的模拟滤波器，或滤波器604是数字滤波器，和/或它们的组合。传感器602的输出可以被发送到滤波器604，其中，在一个实现方式中，模拟传感器602的输出将是频率和幅度变化的连续时变电压信号的形式。在一个实现方式中，电压信号的幅度对应于加速度的大小，而输出信号的频率对应于每单位时间加速度的变化次数。然而，传感器602的输出也可以可选地是对应于一个或多个不同传感器类型的时变电压信号。此外，传感器602的输出可以是模拟或数字信号，除其他外，所述信号代表电流、光信号和一个声音信号，或它们的组合。
滤波器604可以配置为去除对应于通过姿态检测设备(诸如设备400)的姿态识别和/或活动识别感兴趣的频率范围之外的那些信号。例如，滤波器604可以用于选择性地去除超过例如100Hz的高频信号，这代表了传感器602在超越人类能力的频率上的运动。在另一实现中，滤波器604可以被用来从传感器602的输出中移除低频信号，使得有低于与用户姿态相关联的频率的那些信号不会通过传感器设备600进一步处理。
滤波器604可被称为“前置滤波器”，其中，滤波器604可以从传感器602的信号输出中移除一个或多个频率，使得活动处理器606不消耗电能处理不代表用户执行的姿态或活动的数据。以这种方式，前置滤波器604可以减少传感器设备600或传感器设备600是其一部分的系统的总功耗。
在一个实现方式中，滤波器604的输出被发送到活动处理器606和姿态识别处理器608两者。当传感器设备600在第一状态下打开时，并且电能从电源612供给时，活动处理器606和姿态识别处理器608两者可从传感器602接收连续时间输出信号，其中输出信号在由活动处理器606和姿态识别处理器608接收之前可由滤波器604过滤。在另一实现方式中，由姿态识别处理器608接收的传感器数据不被滤波器604过滤，而由活动处理器606接收的传感器数据被滤波器604过滤。在又一实现方式中，当传感器设备600在第二状态下打开时，活动处理器606和姿态识别处理器608从传感器602接收间歇信号。本领域技术人员将理解的是，一个或多个处理器(例如，处理器606和/或608)可分析从除传感器602之外的传感器获得的数据。
存储器610，其可以类似于图2的系统存储器212，可用于存储计算机可执行指令，以用于通过活动处理器606和/或姿态识别处理器608执行一种或多种过程。存储器610可以包括但不限于随机存取存储器(RAM)、只读存储器(ROM)，并且包括一个或多个固态存储器、光存储器或磁存储器，和/或可以被用来存储电子信息的任何其他介质。存储器610在图6中被描绘为单个和单独的方框，但应当理解的是，存储器610可以代表彼此可以相同或不同的一种或多种类型的存储器。此外，存储器610可从传感器设备600省略，使得所执行的指令与一个或多个活动处理器606和姿态识别处理器608存储在同一集成电路上。
在一个实现方式中，姿态识别处理器608可具有类似于图2的处理器202的结构，使得姿态识别处理器608可以实现为共享的集成电路的一部分，或实现为微处理器设备。在另一实现中，姿态识别处理器608可以被配置为应用专用的集成电路(ASIC)，其可与其他过程共享或专用于单独的姿态识别处理器608。此外，本领域技术人员将显而易见的是，姿态识别处理器608可以使用多种其他配置实现，诸如使用分立的模拟和/或数字电子元件，并且可被配置为执行如本文所述的相同过程，而不脱离在图6所示的实现方式的精神。同样，活动处理器606可以构造为ASIC，或构造为图2的通用处理器202，使得活动处理器606和姿态识别处理器608两者可使用物理上独立的硬件实现，或共享它们的硬件的一部分或全部而实现。
活动处理器606可以被构造为执行过程以识别由用户进行的一个或多个活动，并且将所述一个或多个活动分类成一个或多个活动类别。在一个实现方式中，活动识别可以包括基于运动数据计量用户的步数，诸如通过检测运动数据中的臂摆动的峰和跳动峰。计量可完全基于佩戴在用户的手臂上(诸如靠近手腕)的单个设备收集的数据进行。在一个实施例中，运动数据是从加速度计获得的。加速度幅度矢量可对一个时间帧获得，并且值(诸如来自该时间帧的幅度矢量的平均值)可以被计算。平均值(或任何其他值)可以被用来确定时间帧的幅度矢量是否满足加速度阈值，以有资格在对各时间帧计算步数时使用。满足阈值的加速度数据可被放置在分析缓冲器中。与预期活动的加速度频率相关的搜索范围可被建立。在某些实现方式中，在搜索范围内的加速度数据的频率可以被分析以识别一个或多个峰，诸如跳动峰和臂摆动峰。在一个实施例中，如果它在估计的臂摆动范围内，并进一步满足臂摆动峰阈值，则第一频率峰可以被识别为臂摆动峰。类似地，如果它在估计的弹动范围内，并且进一步满足跳动峰阈值，则第二频率峰可以被识别为跳动峰。
此外，系统和方法可确定是否利用该臂摆动数据、跳动数据和/或其他数据或数据的部分，以计量步数或其他运动。峰(诸如臂摆动峰和/或跳动峰)的数量可被用来确定将利用哪个数据。在一个实施例中，系统和方法可以使用峰的数量(和峰的类型)选择用于计量步数的步频和步幅。在又一实施例中，活动数据的至少一部分可以被分类为基于步数计量的活动类别。
在一个实施例中，传感器信号(例如加速度计的频率)和基于传感器信号的计算(例如，步数)可以在活动类别的分类中被利用，诸如是行走或是跑步。在某些实施例中，如果数据不能被归类为在第一类别内时(例如，行走)或类别的组内时(例如，走路和跑步)，第一方法可以分析收集的数据。例如，在一个实施例中，如果检测到的参数不能被分类，则欧几里得范数方程(Euclidean norm equation)可以被用于进一步分析。在又一实施例中，获得的值的平均幅度矢量范数(平方和的平方根)可被利用。在又一实施例中，不同的方法可分析在分类后处于第一类别或类别组内的数据的至少一部分。在一个实施例中，也可以利用步算法。分类和未分类的数据在某些实施例中可被用于计算能量消耗值。
可以被实现为识别一个或一个以上活动的示例性系统和方法在2013年1月17日提交的美国专利申请号13/744,103中描述，该申请的全部内容在此为任何和全部非限定目的通过引用以其整体并入本文。在某些实施例中，活动处理器606可以在执行在本文所描述的过程的一个或多个时利用，所述过程包括那些在'103申请中描述的方法。
用于对用户的活动分类的过程可以将从传感器602接收到的数据与存储的数据样本进行比较，所述数据样本是特定活动所特有的，其中，一个或多个特有数据样本可以存储在存储器610中。
姿态识别处理器608可配置为执行一个或多个过程以识别或分类由用户执行的一个或多个姿态，诸如设备400的用户，传感器设备600可以是所述设备400的一个部件。以这种方式，用户可以执行一个或多个姿态，以便做出与传感器设备600的动作相关的选择。因此，用户可避免与传感器设备600经由一个或多个物理按钮的相互作用，所述物理按钮在身体活动期间的使用可能是麻烦的和/或不切实际的。
姿态识别处理器608根据从传感器602接收数据，并通过接收到的数据识别一个或多个姿态，除其他外，所述识别基于传感器设备600的运动模式、传感器设备600的触摸模式、传感器设备600的取向，和传感器设备600与信标的接近，或它们的组合。例如，姿态识别处理器608可以从传感器602接收加速度数据，其中，传感器602实施为加速度计。响应于加速度数据的接收，姿态识别处理器608可以执行一个或多个过程以将接收到的数据与运动模式的数据库进行比较。运动模式可以是代表由用户的特定运动的加速度值的序列。响应于找到对应于接收的传感器数据的运动模式，姿态识别处理器608可以执行一个或多个过程，以将活动处理器606的操作模式从第一操作模式改变到第二操作模式。操作模式可以是一个或多个过程的组，其总体限定传感器设备600的操作方式。例如，除其他外，操作模式可以包括活动处理器606的休眠模式、活动处理器606的活动识别模式，和姿态识别处理器608的传感器选择模式，或它们的组合。此外，将容易理解的是，运动模式可以是对应于除加速度计外的传感器类型的值的序列。例如，运动模式可以是一个序列，除其他外，所述序列中包括：陀螺仪值、力值、光强值、音量/音值/调值，或位置值，或它们的组合。
对于传感器602作为加速度计的示例性实施例中，除其他外，运动模式可以与用户手臂以有意的方式代表一个姿态的运动相关联。例如，通过传感器设备600，一个姿态可以调用执行一个或多个过程，以显示圈时间给用户。用户可以在他/她的左手腕上佩戴该腕戴设备400，其中，腕戴设备400可以以显示器408位于手腕上方而定位在他/她的左手腕上。因此，“圈时间姿态”可包括“轻弹”，或以大约90°摇晃用户的左手腕并返回到初始位置。姿态识别处理器608可将这种轻弹动作识别为圈时间姿态，并且作为响应，在显示器408上对用户显示圈时间。与圈时间姿态相关联的一种示例性运动模式包括，除其他外，相关联的加速度值低于第一加速度阈值的第一加速度周期，对应于在用户开始从初始位置轻弹他/她的手腕时加速度的突然增加的第二加速度周期，和对应于当用户将他/她的手腕从约90°的角度返回初始位置时的加速度突然变化的第三加速度周期。本领域技术人员将显而易见的是，运动模式可以包括与姿态相关联的多个离散“周期”或传感器值的变化。此外，动作模式可以包括来自相同或不同类型的多个传感器的值。
为了将来自传感器602的数据与一个或多个运动模式相关联，姿态识别处理器608可以执行一个或多个过程，以将绝对传感器值或传感器值中的变化与存储的传感器值进行比较，所述存储的传感器值与一个或多个运动模式相关联。此外，如果接收到的传感器数据中的一个或多个传感器值：高于/低于一个或多个阈值，在一个或多个存储的传感器值的可接受范围内，或等于一个或多个存储的传感器值，或它们的组合，则姿态识别处理器608可确定来自传感器602的传感器数据的序列对应于一个或多个运动模式。
本领域技术人员将显而易见的是，运动模式可被用于将用户执行的姿态与由传感器设备600执行的许多不同类型的过程相关联。例如，姿态可以包括用户的左右手成“T形”位置并将双手在该位置保持预定时间长度的运动。姿态识别处理器608可以接收与此姿态相关联的传感器数据，并执行一个或多个过程，以将所接收到的传感器数据与一个或多个存储的运动模式进行比较。姿态识别处理器608可确定所接收到的传感器数据对应于“暂停”运动模式。作为响应，姿态识别处理器608可以指示活动处理器606执行与“暂停”操作模式相关联的一个或多个过程。例如，“暂停”操作模式可以包括通过减少活动处理器606从传感器602接收数据的采样速率而减小活动处理器606的功耗。在另一实例中，姿态可以包括用户的手臂运动到表示在运动锻炼后伸展上半身的位置。再一次，姿态识别处理器608可以接收与此姿态相关联的传感器数据，并执行一个或多个过程以将接收到的数据与一个或多个存储的运动模式进行比较。通过将所接收的传感器数据与一个或多个存储的运动模式进行比较，姿态识别处理器608可确定所接收到的传感器数据对应于“拉伸”运动模式。作为响应，姿态识别处理器608可以指示活动处理器606执行与“拉伸”操作模式相关联的一个或多个过程。这种“拉伸”操作模式可以包括停止在拉伸姿态之前执行的一个或多个运动活动的活动识别的过程。
在一个实现方式中，在通过姿态识别处理器608执行一个或多个“训练模式”过程后，姿态可以由姿态识别处理器608识别。在训练模式过程中，姿态识别处理器608可以存储对应于一个或多个运动模式的一个或多个数据集。特别是，姿态识别处理器608可以指令用户以预定的重复次数执行“训练姿态”。对于每次重复，姿态识别处理器608可以从一个或多个传感器602接收数据。姿态识别处理器608可以比较为每次训练姿态接收到的传感器数据，并确定多次姿态所共有的一个或多个特性。这些共同特性可以被存储为传感器值的阈值的一个或多个序列，或运动模式。例如，在要分析“告诉时间”姿态的训练模式期间，姿态识别处理器608可以指示用户执行特定运动三次。除其他外，特定运动可以包括，将用户的左臂大致定位在他/她的侧面旁边并且在垂直方向上，将左臂从大致在用户侧面的位置移动到基本水平的位置，并在用户前方平直地指向外，然后在肘部弯曲用户的左臂，使得用户的手腕约在用户下巴的前方。姿态识别处理器608可以执行一个或多个进程，以识别由用户在训练模式期间执行的三个“告诉时间”训练姿态所共同的传感器数据，并将这些共同特性存储为与“告诉时间”姿态相关联的运动模式。姿态识别处理器608还可以存储在识别“告诉时间”姿态时执行的一个或多个过程，其可以包括在显示器408上对用户显示当前时间。以这种方式，如果以后用户的运动对应于“告诉时间”姿态，如由姿态识别处理器608所确定的，当前时间可被显示给用户。
在另一实现方式中，姿态识别处理器608可基于传感器设备600的触摸的模式从传感器数据识别姿态。在一个实现方式中，触摸的模式可以作为轻敲设备400的外部壳体的结果而通过用户产生。这种轻敲运动可以由一个或多个传感器602检测。在一个实施例中，轻敲可能被检测为来自加速度计所输出的数据中的一个或多个尖峰。以这种方式，姿势识别处理器608可以将轻敲模式与活动处理器606执行的一个或多个过程相关联。例如，姿态识别处理器608可以从加速度计接收代表设备400的壳体的一次或多次轻敲的传感器数据。作为响应，姿态识别处理器608可以将接收到的加速度数据与存储在存储器610中的一个或多个轻敲模式进行对比，其中，轻敲模式可包括一个或多个加速度计数值的阈值。如果例如所接收的传感器数据包含多个“尖峰”，或加速度数据中值对应于存储在轻敲模式中的那些的峰，并且是在彼此的预定时间周期之内，则姿态识别处理器608可确定从加速度计接收的数据对应于一个或多个轻敲模式。例如，如果所接收到的传感器数据中包含平均值超过2.0g阈值(g＝重力加速度)的两个加速度值峰，并彼此处于500ms之内，则姿态识别处理器608可确定从加速度计接收的数据对应于轻敲模式。
在另一种实现方式中，触摸模式可以通过用户滑动与传感器设备600可操作通信的一个或多个电容传感器而生成。以这种方式，触摸模式可以包括用户的一个或多个手指根据预定模式跨越一个或多个电容传感器的运动。
在又一实现方式中，姿态识别处理器608可基于传感器设备600在设备400内的取向而识别姿态。除其他外，传感器设备600的取向可从实施为加速度计、陀螺仪或磁场传感器，或其组合的传感器602接收。以这种方式，姿势识别处理器608可从传感器602接收代表传感器设备600的取向的数据，并且将该传感器取向数据与姿态相关联。进而，这种取向姿态可以调用姿态识别处理器608执行一个或多个过程，从而选择活动处理器606的操作模式。在一个示例中，设备400被定位在用户的手腕上。设备400可被定向成使得显示器408被定位在使用者手腕的顶部上。在这种情况下，用户手腕的“顶部”可以被定义为用户手腕的与用户手背大致在同一平面上的一侧。在这个例子中，取向姿态可以与用户旋转他/她的手腕和因此的设备400相关联，使得显示器408基本面向下。响应于识别该取向姿态，姿态识别处理器608可以执行一个或多个过程，从而除其他外，增加活动处理器606的采样率以准备剧烈活动的周期。在另一实例中，取向姿态可以与用户的手在公路自行车把手上的取向相关联，其中，除其他外，第一抓握取向姿态可以与在公路自行车上的冲刺相关联，而第二抓握取向姿态可以与在公路自行车的上坡攀登相关联。此外，普通技术人员将显而易见的是，可限定更少、多种、更多的取向姿态中而不脱离本文所描述的公开内容的精神。
在另一实施例中，姿态识别处理器608可以识别与传感器设备600接近信标相关联的姿态。信标可以是电子设备，诸如收发器，当处于传感器设备600的预定范围内时，它是可检测的。信标可以发射包括识别与信标相关联的一个或多个信息片段的信息的短距离信号，其中，信标可以代表例如马拉松/长跑比赛的起点、沿马拉松的长度或在马拉松的终点处的距离标志。与信标相关的信号可以使用无线技术/协议传送，包括但不限于：Wi-Fi、蓝牙或蜂窝网络，或其组合。从信标发射的信号可以通过传感器设备600的收发器614接收。在接收到信标信号时，收发器614可以传送数据到姿态识别处理器608。作为响应，姿态识别处理器608可以将所接收的数据识别为接近姿势。在这个例子中，所识别的接近姿态可以与一个或多个过程相关联，所述过程构造为更新与用户的马拉松赛跑相关联的进度时间。
在又一实施例中，除其他外，接近姿势可与传感器设备600进入与另一用户或物体的紧密接近相关联。以这种方式，接近姿势可以例如用于执行一个或多个过程，所述过程基于作为运动队的一部分竞争的多个个人，或基于跑步者进入与跑道上装有信标的起跑架紧密接近，等等。
图7是姿态识别训练过程700的一个示意框图。除其他外，该姿态识别训练过程700可以通过姿态识别处理器608作为“训练模式”执行。特别地，过程700开始于方框702，其中，训练模式由姿态识别处理器608启动。训练模式可以响应于传感器设备600的初始化而第一次启动，或者在使用传感器设备600的过程中的任何时间启动，以便将新的姿态模式存入存储器610。因此，这些保存的姿态模式可以通过姿态识别处理器608在设备600的“正常”操作期间识别，其中，所述600的正常操作可被限定为设备600开启并且未执行训练过程700的任何时间。
在姿态识别训练过程700中，姿态识别处理器608可以指示用户执行训练姿态的多次连续重复。在一个实施例中，与姿态相关联的动作可以由用户来定义，而在另一个实施例中，动作可以通过姿态识别处理器608规定由用户执行。除其他外，过程700的方框704包括，用户执行训练姿态的多次连续重复。在一个实现方式中，训练姿态连续重复的次数的范围可以从1到10，但本领域技术人员将显而易见的是，可在训练过程700采用任何次数的训练姿态重复。
姿态识别处理器608可以将执行训练姿态的一个或多个样本存储在存储器610中。一个或多个训练姿态共同的特性可以通过姿态识别处理器608在过程700的方框708处识别。具体地，方框708表示通过姿态识别处理器608执行以识别表征所执行的训练姿态的传感器数据点的一个或多个比较过程。除其他外，这些特性可以是，加速度数据中的峰，或陀螺仪数据点中高于阈值的变化，等等。方框708还可以包括以不同采样速率采样的一个或多个训练姿态的比较。以这种方式，并且对于给定的训练姿态，姿态识别处理器608可以识别低于与活动处理器606相关联的上采样率的采样率。在这个较低采样速率处，如果来自传感器602的数据以上采样率进行采样，所述训练姿态可仍然被识别。姿态识别处理器608可以与所述姿态样品结合地存储较低采样率。接着，并且在通过姿态识别处理器608在传感器设备600的正常操作期间从接收到的传感器数据识别姿态时，姿态识别处理器608可以指示活动处理器606以较低采样率采样数据，从而减少活动处理器606的功耗。
方框710代表的一个或多个姿态样本在存储器610中的存储。在传感器设备600的正常操作期间，在接收到来自传感器602的数据时，姿态识别处理器608可以轮询存储姿态样本的数据库。姿态样本可以被存储为对应于与一个或多个传感器类型相关联的一个或多个传感器值的数据点的序列。此外，姿态样本可与一个或多个过程相关联，使得通过姿态识别处理器608从接收到的传感器数据识别姿态时，姿态识别处理器608可以指示活动处理器606执行一个或多个相关过程。除其他外，这些相关过程可以包括将传感器设备600从第一操作模式转变到第二操作模式的过程。
图8是姿态识别过程800的示意框图。在一个实施方式中，姿态识别过程800可以是通过姿态识别处理器608执行的。过程800是由姿态识别处理器608执行的，并且响应于从传感器602接收数据。这种传感器数据接收通过方框802表示。正如先前所公开的，从传感器602输出的数据可以是模拟的或数字的。此外，从传感器602输出的数据可以是数据流的形式，使得该数据输出是连续的，或数据输出可以是间歇性的。从传感器602输出的数据可以由一个或多个数据点组成，其中，除其他外，数据点可以包括从其生成的传感器类型的标识，以及与传感器类型的读数相关联的一个或多个值。
过程800可以包括缓冲从传感器602接收到的一个或多个数据点。这通过方框804表示，其中，缓冲电路或一个或多个缓冲过程可用于暂时存储一个或多个接收的数据点。以这种方式，姿态识别处理器608或活动处理器606可以轮询缓冲器以分析从传感器602接收的数据。
在一个实现方式中，姿态识别处理器608比较从传感器602接收到的天(days I)与一个或多个存储的动作模式进行比较。这通过过程800的方框806表示。在一个实施例中，姿态识别处理器608识别已经接收数据的传感器类型。作为响应，姿态识别处理器608对存储器610轮询与所识别传感器类型关联的存储运动模式。在从所轮询的存储器610得到所识别传感器类型相关联的一个或多个存储运动模式的响应时，姿态识别处理器608可以从存储运动模式迭代地搜索对应于所接收数据的传感器值序列。如果所接收的数据在存储的传感器值序列的范围内，除其他外，姿态识别处理器608可确定所接收的数据对应于与运动模式相关联的存储传感器值序列。在另一实施例中，姿态识别处理器608不对存储器610轮询与识别传感器类型相关联的运动模式，并且相反地执行对对应于所接收的传感器数据的存储运动模式的迭代搜索。
在另一实现方式中，姿态识别处理器608可以执行一个或多个过程以将从传感器602接收到的数据与一个或多个存储的触摸模式进行比较。这是通过过程800的方框808表示的。除其他外，一个或多个存储的触摸模式可以与设备400的外壳体的轻敲序列相关联，所述传感器设备600是设备400的组件。这些触摸模式可以存储在存储器610的数据库中，使得姿态识别处理器608可以在从传感器602接收到传感器数据时轮询的这个触摸模式数据库。在一个实施例中，姿态识别处理器608可从传感器602的数据输出中识别一个或多个峰，其中，输出数据中的一个或多个峰可以代表传感器设备600的一次或多次相应“轻敲”。作为响应，姿态识别处理器608可以对存储器610轮询对应于从传感器602接收到的输出数据的有一个或多个峰的一个或多个触摸模式。
在另一种实现方式中，并且在过程800的方框810处，姿态识别处理器608可基于传感器设备600的取向识别姿态。姿态识别处理器608可基于从传感器602接收的数据检测传感器设备600的取向，其中，取向从自传感器602接收到的数据可以是清楚的，除其他外，所述传感器602实施为加速度计、陀螺仪或磁场传感器，或它们的组合。
在又一实现方式中，姿态识别处理器608可基于检测到的传感器设备600接近信标而识别姿态。这是通过过程800的方框812表示的。在一个实施例中，传感器602可经由收发器614接收代表传感器设备600接近信标的信号。
姿态识别处理器608可以执行一个或多个过程以选择传感器设备600的操作模式，并且具体地选择活动处理器606的操作模式。这种操作模式选择是通过过程800的方框816表示的。此外，操作模式的选择可以响应于姿态开始，并且其中，所述姿态可以通过姿态识别处理器608基于与方框806、808、810和812相关联的一个或多个过程而识别。在一个实施例中，在传感器设备600启动时，活动处理器606可以执行与第一操作模式相关联的一个或多个过程。在另一实施例中，第一操作模式可以被姿态识别处理器608传递到活动处理器606作为默认操作模式。在识别姿态时，姿态识别处理器608可以指示活动处理器606执行与第二操作模式相关联的一个或多个过程。普通技术人员将认识到的是，操作模式可以包括要通过传感器设备600的一个或多个部件执行的许多种不同类型的过程。在一个例子中，操作模式可包括一个或多个进程，以指示活动处理器606从一个或多个附加/替换传感器接收数据。以这种方式，在识别姿态时，活动处理器606可以被指示改变从其接收数据的传感器的数量或类型，以便识别一个或多个活动。除其他外，操作模式还可以包括指定活动处理器606从传感器602采样数据的采样率的一个或过程。以这种方式，在识别姿态时，通过姿态识别处理器608，活动处理器606可以指示以与第二操作模式相关联的采样率采样数据。这种采样率可以低于活动处理器606可能的上采样率，使得较低的采样速率可以与活动处理器606的较低功耗相关联。
过程800的方框814代表过滤从传感器602接收的数据的一个或多个过程。数据可以通过滤波器604过滤，其中，滤波器604可以作为“前置滤波器”。通过预过滤，滤波器604可以允许活动处理器606保持休眠或保持在低功率状态，直到所接收的数据高于阈值。因此，在接收到对应于或高于阈值的数据时，滤波器604可传送“唤醒”信号到活动处理器606。
在选择操作模式时，活动处理器606可以分析从传感器602接收到的数据。该分析由方框818代表，其中，活动处理器606可以执行一个或多个过程以识别由用户执行的一个或多个活动。此外，分析处理器606从传感器602接收的数据可被同时接收到姿态识别处理器608，如由从方框814到方框818的并行处理所代表的。
图9是操作模式选择过程900的示意性框图。方框902表示从传感器602接收到数据。在一个实现方式中，如通过方框904所描述的，姿态识别处理器608可以缓冲所接收的数据。随后，如方框908所指示的，并且如关于图8的过程800所讨论的，姿态识别处理器608可以执行一个或多个过程以识别与所接收的数据相关联的一个或多个姿态。
在方框902处接收到的数据可同时被传送到活动处理器606，其中，在方框910处被传递到活动处理器606之前，所接收的数据可在方框906处被过滤。活动处理器606可以执行一个或多个过程以从方框910处接收的传感器数据中识别一个或多个活动，其中，这种活动识别与姿态识别处理器608的姿态识别并行地进行。
过程900的方框912表示通过姿态识别处理器608选择操作模式。操作模式的选择可以基于从方框908识别的一个或多个姿态，但如关于过程800的方框816所描述的，附加地考虑从方框910识别的一个或多个活动。以这种方式，第二操作模式可基于一个或多个识别的姿态选择，并且附加地适应通过传感器设备600识别的由用户所执行一个或多个活动。
示例性实施例允许用户通过执行特定姿态快速并且容易地改变传感器设备的操作模式，诸如构造为围绕用户附肢佩戴的装置。这可以例如是轻弹手腕、轻敲设备，将设备以特定的方式定向，或它们的任意组合。在一些实施例中，所述操作模式可以是省电模式，或在其中显示或输出特定数据的模式。这对于正在参加一种身体活动的用户可以是特别有益的，在所述身体活动中，例如按压按钮的组合或操纵触摸屏会是困难、危险或以其他方式不期望的。例如，如果用户开始跑马拉松，有利的是可以通过执行姿态而不是按下启动按钮等而进入较高采样率的操作模式。另外，由于操作模式可以通过用户执行姿态而改变，提供有各种各样的按钮或复杂的触摸屏显示器的传感器设备是没有必要的。这可降低设备的复杂性和/或成本和/或可靠性和/持久性和/或功耗。
此外，在一些实施例中，传感器设备可识别出身体活动已开始或结束。这可以通过姿态和/或活动的识别而被识别。作为响应，这种自动识别可能会导致在操作模式被改变。例如，如果传感器设备识别或确定身体活动已经结束，它可以进入其中功耗被降低的操作模式。这可导致改进的电池寿命，其对于便携式或可佩戴设备可以是尤其重要的。
传感器设备600可以包括被构造为将采集的加速度数据分类为多种姿态中的一种的分类模块。传感器设备600还可以包括被构造为至少基于所述分类姿态为处理器选择操作模式的操作模式选择模块。这些模块可以形成该姿态识别处理器608的一部分。
所述传感器设备600可以包括构造为基于所述加速度数据识别活动的活动识别模块。这个模块可以形成活动处理器606的一部分。
在任何上述方面中，各种特征可以以硬件实现，或作为在一个或多个处理器上运行的软件模块实现。一个方面的特征可应用于任何其他方面。
此外，还可以提供一种用于执行本文所述任何方法的计算机程序或计算机程序产品，和其上存储有用于执行本文所述的任何方法的程序的计算机可读介质。一种计算机程序可以存储在计算机可读介质上，或者它可以例如是以信号的形式，诸如因特网网站上提供的可下载数据信号，或者它可以是任何其他形式。
另外的实施例在下面提供作为示例性条目：
条目1.一种操作设备的计算机实现方法，包括：
(a)在处理器处接收代表用户附肢的运动的加速度数据，所述处理器包括在以第一操作模式操作并且构造为由人穿戴的设备；
(b)将(a)处接收到的加速度数据在处理器上分类为多种姿态中的一种；
(c)至少基于分类的姿态，进入设备的第二操作模式；
(d)在处理器处接收代表用户附肢的运动的加速度数据，所述处理器包括在以第二操作模式操作的设备；和
(e)将(d)处接收到的加速度数据在处理器上分类为多种姿态中的一种。
条目2.条目1所述的计算机实现方法，其中，在(a)中的处理器、在(b)中的处理器、在(c)中的处理器和在(e)中的处理器是共用的处理器。
条目3.条目1所述的计算机实现方法，其中，所述姿态是基于设备的运动模式进行分类的。
条目4.条目1所述的计算机实现方法，其中，所述姿态是基于设备通过用户的触摸模式进行分类的。
条目5.条目4所述的计算机实现方法，其中，所述触摸模式是设备通过用户的一系列轻敲。
条目6.条目1所述的计算机实现方法，其中，所述姿态是基于所述设备的取向分类的。
条目7.条目1所述的计算机实现方法，其中，所述姿态是基于该设备对信标的接近分类的。
条目8.条目7所述的计算机实现方法，其中，所述设备是第一传感器设备，并且所述信标与第二用户上的第二设备相关联。
条目9.条目8所述的计算机实现方法，其中，所述信标与位置相关联，并且所述设备基于该设备对信标的接近而在该位置处注册注册。
条目10.条目1所述的计算机实现方法，还包括：
将从加速度计获得的加速度数据的第一值与多个阈值进行比较；
判定加速度数据的第一值对应于多个阈值内的第一阈值；和
其中，将加速度数据分类为姿态是基于加速度数据的第一值与第一阈值的对应。
条目11.构造为围绕用户的附肢穿戴的单一装置，包括：
构造为从所述用户的附肢采集加速度数据的传感器；
处理器；
包括计算机可执行指令的非临时性计算机可读介质，当所述计算机可执行指令被执行时，所述处理器至少执行：
在所述处理器处接收采集的加速度数据；
通过处理器将采集的加速度数据分类为多种姿态中的一种；
基于所分类的姿态选择处理器的操作模式，其中，所述处理器从所述加速度计基于操作模式采样数据。
条目12.条目11所述的单一装置，其中，所述处理器基于所分类的姿态选择从加速度计采样数据的采样率。
条目13.条目11所述的单一装置，其中，所述操作模式是休眠模式，使得所述处理器使用低功率水平。
条目14.条目11所述的单一装置，其中，所述操作模式还基于通过处理器识别的活动而选择。
条目15.条目11所述的单一装置，其中，所述处理器基于所分类的姿态选择从其接收用户的运动数据的第二传感器。
条目16.一种包括计算机可执行指令的非临时性计算机可读介质，当所述计算机可执行指令被执行时，所述处理器至少执行：
a)从所述设备的传感器接收用户的运动数据；
b)从接收的运动数据识别姿态；
c)基于在b)中识别的姿态调整设备的操作模式。
条目17.条目16所述的非临时性计算机可读介质，其中，所述传感器是从下组中选择的一种：加速度计、陀螺仪、力传感器、磁场传感器、全球定位系统传感器和电容传感器。
条目18.条目16所述的非临时性计算机可读介质，其中，所述姿态基于所述传感器设备的运动模式而识别。
条目19.条目16所述的非临时性计算机可读介质，其中，所述姿态基于传感器设备通过用户的触摸模式而识别。
条目20.条目16所述的非临时性计算机可读介质，其中，所述姿态基于所述传感器设备的取向而识别。

Claims (19)

1.一种操作构造为由用户穿戴并且包括一个或多个传感器的设备的计算机实现方法，所述方法包括：
使设备进入训练模式，并且当设备处于训练模式时指示用户执行训练姿态的多次连续重复；
在执行训练姿态的多次连续重复期间：
通过处理器从加速度计接收与训练姿态的多次连续重复的执行相关联的第一加速度数据；
以多个采样率采集所述第一加速度数据，所述多个采样率包括第一采样率和第二采样率，所述第二采样率低于所述第一采样率；
通过比较与训练姿态的一次或多次重复中的每一次的执行相关联的所采集的第一加速度数据，识别训练姿态的一个或多个重复共同的一个或多个特性；
比较以多个采样率采集的训练姿态的多次连续重复，其中，所述训练姿态在所述第一采样率和所述第二采样率都能够被识别；
存储所述一个或多个特性与第二采样率；
以第一操作模式操作所述设备，在第一操作模式下加速度数据以第一采样率被采集；
在以第一采样率操作所述设备时：
基于从信标接收到的信号，确定该设备在该信标附近；
将与接收到的信号相关联的信息识别为多个接近姿势中的接近姿势；和
基于识别接近姿势来执行一个或多个过程。
2.根据权利要求1所述的计算机实现方法，其中，所述信标与第二用户所佩戴的第二设备相关联。
3.根据权利要求1或2所述的计算机实现方法，其中，所述信标与地理位置相关联。
4.根据权利要求3所述的计算机实现方法，其中，所述一个或多个过程包括在所述地理位置处注册所述设备。
5.根据权利要求1或2所述的计算机实现方法，其中，所述信标与路线上的点相关联。
6.根据权利要求5所述的计算机实现方法，其中，所述一个或多个过程包括在所述路线上的点处注册所述设备。
7.根据权利要求1或2所述的计算机实现方法，其中，所述一个或多个过程包括更新与所述用户执行的活动相关联的进度时间。
8.根据权利要求1或2所述的计算机实现方法，其中，所述一个或多个过程包括使所述设备进入第二操作模式。
9.根据权利要求8所述的计算机实现方法，其中，在所述第二操作模式下，以所述第二采样率对加速度数据进行采样。
10.根据权利要求8所述的计算机实现方法，其中，进入所述第二操作模式导致从一个或多个附加传感器获得数据。
11.根据权利要求8所述的计算机实现方法，其中，进入所述第二操作模式使得特定数据被显示在与所述设备相关联的显示器上。
12.根据权利要求8所述的计算机实现方法，其中，所述第二操作模式是休眠模式，使得所述处理器使用低功率水平。
13.根据权利要求10所述的计算机实现方法，其中，所述一个或多个传感器或者所述一个或多个附加传感器包括：加速度计、陀螺仪、力传感器、磁场传感器、全球定位系统传感器和电容传感器。
14.根据权利要求1或2所述的计算机实现方法，其中，所述设备是腕带。
15.一种包括可执行指令的非临时性计算机可读介质，所述可执行指令在被执行时导致计算机设备执行根据权利要求1至14中的任一项所述的方法。
16.一种构造为由用户穿戴的单一装置，包括：
构造为从所述用户的附肢采集加速度数据的加速度传感器；
构造为接收所采集的加速度数据的处理器；
非临时性计算机可读介质（610），包括计算机可执行指令，所述计算机可执行指令当由所述处理器执行时执行权利要求1至14中任一项所述的方法。
17.一种操作包括传感器的设备的计算机实现方法，所述方法包括：
使设备进入训练模式，并且当设备处于训练模式时指示用户执行训练姿态的多次连续重复；
在执行训练姿态的多次连续重复期间：
通过处理器从加速度计接收与训练姿态的多次连续重复的执行相关联的第一加速度数据；
在训练姿态的多次连续重复期间以多个采样率采集第一加速度数据，所述多个采样率包括第一采样率和第二采样率，所述第二采样率低于所述第一采样率；
通过比较与训练姿态的一次或多次重复中的每一次的执行相关联的所采集的第一加速度数据，识别训练姿态的一个或多个重复共同的一个或多个特性；
比较以多个采样率采集的训练姿态的多次连续重复，其中，所述训练姿态在所述第一采样率和所述第二采样率都能够被识别；
存储所述一个或多个特性与第二采样率；
从信标接收信号；
从接收到的信号中识别接近姿势；
基于所识别的接近姿势来执行一个或多个姿势，所述一个或多个姿势包括调整设备的操作模式。
18.一种包括可执行指令的非临时性计算机可读介质，所述可执行指令在被执行时使计算机设备执行根据权利要求17所述的方法。
19.一种配置为由用户穿戴的一体式装置，包括：
加速度传感器，被配置为从用户的肢体捕获加速度数据；
处理器，用于接收捕获的加速度数据；
非临时性计算机可读介质，包括计算机可执行指令，所述计算机可执行指令在由处理器执行时执行如权利要求17所述的方法。
CN202010031324.7A 2013-08-07 2014-08-07 具有姿态识别和功率管理的腕戴式运动装置 Active CN111258378B (zh)

Applications Claiming Priority (4)

Application Number Priority Date Filing Date Title
US201361863249P 2013-08-07 2013-08-07
US61/863,249 2013-08-07
CN201480055168.0A CN105612475B (zh) 2013-08-07 2014-08-07 具有姿态识别和功率管理的腕戴式运动装置
PCT/US2014/050044 WO2015021223A1 (en) 2013-08-07 2014-08-07 Wrist-worn athletic device with gesture recognition and power management

Related Parent Applications (1)

Application Number Title Priority Date Filing Date
CN201480055168.0A Division CN105612475B (zh) 2013-08-07 2014-08-07 具有姿态识别和功率管理的腕戴式运动装置

Publications (2)

Publication Number Publication Date
CN111258378A CN111258378A (zh) 2020-06-09
CN111258378B true CN111258378B (zh) 2024-12-27

Family

ID=51422142

Family Applications (2)

Application Number Title Priority Date Filing Date
CN201480055168.0A Active CN105612475B (zh) 2013-08-07 2014-08-07 具有姿态识别和功率管理的腕戴式运动装置
CN202010031324.7A Active CN111258378B (zh) 2013-08-07 2014-08-07 具有姿态识别和功率管理的腕戴式运动装置

Family Applications Before (1)

Application Number Title Priority Date Filing Date
CN201480055168.0A Active CN105612475B (zh) 2013-08-07 2014-08-07 具有姿态识别和功率管理的腕戴式运动装置

Country Status (6)

Country Link
US (4) US11243611B2 (zh)
EP (1) EP3030952B1 (zh)
JP (1) JP6539272B2 (zh)
KR (1) KR102033077B1 (zh)
CN (2) CN105612475B (zh)
WO (1) WO2015021223A1 (zh)

Families Citing this family (33)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2014042121A1 (ja) * 2012-09-12 2014-03-20 独立行政法人産業技術総合研究所 動作評価装置及びそのプログラム
JP6372077B2 (ja) * 2013-12-25 2018-08-15 セイコーエプソン株式会社 生体情報測定装置及び生体情報測定装置の制御方法
US9405377B2 (en) * 2014-03-15 2016-08-02 Microsoft Technology Licensing, Llc Trainable sensor-based gesture recognition
US20160091965A1 (en) * 2014-09-30 2016-03-31 Microsoft Corporation Natural motion-based control via wearable and mobile devices
US20160098160A1 (en) * 2014-10-04 2016-04-07 Erik Groset Sensor-based input system for mobile devices
EP3258845A4 (en) * 2015-02-19 2018-09-26 6Degrees Ltd. Remote controlled physical activity monitoring
WO2016196340A1 (en) * 2015-05-29 2016-12-08 Nike Innovate C.V. Athletic data aggregation and display system
WO2016196106A1 (en) 2015-05-29 2016-12-08 Nike, Inc. Athletic activity data device firmware update
US10306687B2 (en) 2015-05-29 2019-05-28 Nike, Inc. Transmitting athletic data using non-connected state of discovery signal
TWI621968B (zh) * 2016-02-05 2018-04-21 財團法人工業技術研究院 控制電子設備之方法及穿戴裝置
WO2017171858A1 (en) * 2016-04-01 2017-10-05 Intel Corporation Gesture capture
JP6789668B2 (ja) * 2016-05-18 2020-11-25 ソニーモバイルコミュニケーションズ株式会社 情報処理装置、情報処理システム、情報処理方法
CN106073703A (zh) * 2016-05-27 2016-11-09 重庆大学 一种基于LoRa技术的运动员生命体征监测系统
CN106066780B (zh) * 2016-06-06 2020-01-21 杭州网易云音乐科技有限公司 一种跑步数据处理方法和装置
CN106075839A (zh) * 2016-06-08 2016-11-09 深圳市元征科技股份有限公司 健身数据监控方法、装置及系统
US20180082033A1 (en) * 2016-09-22 2018-03-22 At&T Intellectual Property I, L.P. Method and apparatus for controlling an artificial respiratory device via a network
CN107870681A (zh) * 2016-09-23 2018-04-03 上海葡萄纬度科技有限公司 实时识别动作的方法以及相应的手环与计算设备
US10187504B1 (en) * 2016-09-23 2019-01-22 Apple Inc. Echo control based on state of a device
CN107271723B (zh) * 2017-05-16 2020-01-03 温胜洁 一种用于运动检测的三轴加速度数据的柔性滤波方法
CN107091638B (zh) * 2017-05-16 2020-01-03 温胜洁 一种用于运动检测的三轴加速度数据的均值滤波方法
KR102406511B1 (ko) 2017-07-04 2022-06-10 현대자동차주식회사 차량 시스템 및 그 제어 방법
JP6498332B1 (ja) * 2017-11-02 2019-04-10 株式会社バンダイ 運動量測定システム、靴及びプログラム
CN108309232A (zh) * 2017-12-21 2018-07-24 北京城市系统工程研究中心 一种马甲式姿态稳定性快速检测装置及检测方法
CN108065469A (zh) * 2017-12-25 2018-05-25 珠海乐泰科技有限公司 一种智能篮球运动外衣及其使用方法
CN109325466B (zh) * 2018-10-17 2022-05-03 兰州交通大学 一种基于动作识别技术的智能运动指导系统及方法
IT201900019037A1 (it) * 2019-10-16 2021-04-16 St Microelectronics Srl Metodo perfezionato per rilevare un gesto di inclinazione del polso e unita' elettronica e dispositivo elettronico indossabile che implementano il medesimo
CN111854738A (zh) * 2020-06-22 2020-10-30 厦门亿联网络技术股份有限公司 一种基于三轴加速度计的人体运动状态检测方法及装置
TWI820347B (zh) * 2020-09-04 2023-11-01 仁寶電腦工業股份有限公司 行為識別方法、行為識別系統及手寫辨識系統
DE102021208686A1 (de) * 2020-09-23 2022-03-24 Robert Bosch Engineering And Business Solutions Private Limited Steuerung und verfahren zur gestenerkennung und gestenerkennungsvorrichtung
CN113426078B (zh) * 2021-07-27 2023-12-08 湖南大学 一种中风患者康复手环及系统
WO2024049986A1 (en) 2022-08-31 2024-03-07 Nike Innovate C.V. Electromechanical ambulatory assist device
FR3149703A1 (fr) * 2023-06-06 2024-12-13 Wormsensing Capteur tactile en forme d’anneau et interface homme-machine associee
WO2024251498A1 (fr) * 2023-06-06 2024-12-12 Wormsensing Capteur tactile en forme d'anneau et interface homme-machine associee

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103170105A (zh) * 2011-12-22 2013-06-26 阿迪达斯股份公司 健身活动的监测系统和方法

Family Cites Families (159)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5903454A (en) * 1991-12-23 1999-05-11 Hoffberg; Linda Irene Human-factored interface corporating adaptive pattern recognition based controller apparatus
US8352400B2 (en) * 1991-12-23 2013-01-08 Hoffberg Steven M Adaptive pattern recognition based controller apparatus and method and human-factored interface therefore
US6115482A (en) * 1996-02-13 2000-09-05 Ascent Technology, Inc. Voice-output reading system with gesture-based navigation
US5977957A (en) * 1997-05-22 1999-11-02 Ericsson Inc. Adaptive sampling of touch screen input
US6249606B1 (en) * 1998-02-19 2001-06-19 Mindmaker, Inc. Method and system for gesture category recognition and training using a feature vector
US6681031B2 (en) * 1998-08-10 2004-01-20 Cybernet Systems Corporation Gesture-controlled interfaces for self-service machines and other applications
US6244873B1 (en) * 1998-10-16 2001-06-12 At&T Corp. Wireless myoelectric control apparatus and methods
EP1860642A3 (en) * 2000-01-11 2008-06-11 Yamaha Corporation Apparatus and method for detecting performer´s motion to interactively control performance of music or the like
US6720984B1 (en) * 2000-06-13 2004-04-13 The United States Of America As Represented By The Administrator Of The National Aeronautics And Space Administration Characterization of bioelectric potentials
JP4198875B2 (ja) * 2000-11-30 2008-12-17 株式会社東芝 移動通信端末
GB0106037D0 (en) * 2001-03-12 2001-05-02 Univ Strathclyde Activity monitor
US6990639B2 (en) * 2002-02-07 2006-01-24 Microsoft Corporation System and process for controlling electronic components in a ubiquitous computing environment using multimodal integration
GB2400667B (en) * 2003-04-15 2006-05-31 Hewlett Packard Development Co Attention detection
US6847313B2 (en) * 2003-06-30 2005-01-25 Intel Corporation Rational sample rate conversion
US7565295B1 (en) * 2003-08-28 2009-07-21 The George Washington University Method and apparatus for translating hand gestures
US7433327B2 (en) * 2003-10-09 2008-10-07 Hewlett-Packard Development Company, L.P. Method and system for coordinating communication devices to create an enhanced representation of an ongoing event
US20070164856A1 (en) * 2003-10-27 2007-07-19 Koninklijke Philips Electronics N.V.,A Corporation Processing gesture signals
FI117308B (fi) * 2004-02-06 2006-08-31 Nokia Corp Eleohjausjärjestelmä
WO2005104010A2 (en) * 2004-04-15 2005-11-03 Gesture Tek, Inc. Tracking bimanual movements
US20060028429A1 (en) * 2004-08-09 2006-02-09 International Business Machines Corporation Controlling devices' behaviors via changes in their relative locations and positions
RO121497B1 (ro) * 2005-02-09 2007-06-29 Softwin S.R.L. Sistem informatic şi metodă pentru achiziţia, analiza şi autentificarea semnăturii olografe
US8147248B2 (en) * 2005-03-21 2012-04-03 Microsoft Corporation Gesture training
JP4604808B2 (ja) 2005-04-14 2011-01-05 パナソニック電工株式会社 活動量計
JP4867215B2 (ja) 2005-06-28 2012-02-01 トヨタ自動車株式会社 生理・心理状態判定装置、生理・心理状態判定方法、リファレンスデータ生成装置、及びリファレンスデータ生成方法。
US7733224B2 (en) * 2006-06-30 2010-06-08 Bao Tran Mesh network personal emergency response appliance
US9060683B2 (en) * 2006-05-12 2015-06-23 Bao Tran Mobile wireless appliance
US8902154B1 (en) * 2006-07-11 2014-12-02 Dp Technologies, Inc. Method and apparatus for utilizing motion user interface
US7725547B2 (en) * 2006-09-06 2010-05-25 International Business Machines Corporation Informing a user of gestures made by others out of the user's line of sight
US8005257B2 (en) * 2006-10-05 2011-08-23 The United States Of America As Represented By The Secretary Of The Navy Gesture recognition apparatus and method
KR100783552B1 (ko) * 2006-10-11 2007-12-07 삼성전자주식회사 휴대 단말기의 입력 제어 방법 및 장치
US20080129694A1 (en) * 2006-11-30 2008-06-05 Liberty Reach Inc. Keyless user interface device
US8082122B2 (en) * 2006-12-12 2011-12-20 Samsung Electronics Co., Ltd. Mobile device having a motion detector
US7653508B1 (en) * 2006-12-22 2010-01-26 Dp Technologies, Inc. Human activity monitoring device
US9311528B2 (en) * 2007-01-03 2016-04-12 Apple Inc. Gesture learning
US8952832B2 (en) * 2008-01-18 2015-02-10 Invensense, Inc. Interfacing application programs and motion sensors of a device
US20090265671A1 (en) * 2008-04-21 2009-10-22 Invensense Mobile devices with motion gesture recognition
US7770136B2 (en) * 2007-01-24 2010-08-03 Microsoft Corporation Gesture recognition interactive feedback
US20100259285A1 (en) * 2007-03-05 2010-10-14 Nokia Corporation Providing feedback in an electronic circuit
US7753861B1 (en) * 2007-04-04 2010-07-13 Dp Technologies, Inc. Chest strap having human activity monitoring device
WO2008133921A1 (en) * 2007-04-23 2008-11-06 Dp Technologies, Inc. Eyewear having human activity monitoring device
US8896529B2 (en) * 2007-08-01 2014-11-25 Nokia Corporation Apparatus, methods, and computer program products providing context-dependent gesture recognition
US20120094814A1 (en) * 2007-09-01 2012-04-19 Balancesense Llc Method and apparatus for vibrotactile motional training employing cognitive spatial activity
US9149222B1 (en) * 2008-08-29 2015-10-06 Engineering Acoustics, Inc Enhanced system and method for assessment of disequilibrium, balance and motion disorders
JP5555164B2 (ja) 2007-09-19 2014-07-23 コーニンクレッカ フィリップス エヌ ヴェ 異常状態検出方法及び装置
US8225343B2 (en) * 2008-01-11 2012-07-17 Sony Computer Entertainment America Llc Gesture cataloging and recognition
US8064560B2 (en) * 2008-02-05 2011-11-22 Honeywell International Inc. Systems and methods for detecting a signal across multiple Nyquist bands
JP5727231B2 (ja) 2008-02-22 2015-06-03 コーニンクレッカ フィリップス エヌ ヴェ ストレス及びリラクゼーション管理に関するシステム及びキット
US8555207B2 (en) * 2008-02-27 2013-10-08 Qualcomm Incorporated Enhanced input using recognized gestures
US9772689B2 (en) * 2008-03-04 2017-09-26 Qualcomm Incorporated Enhanced gesture-based image manipulation
AU2009227717B2 (en) * 2008-03-18 2015-02-05 Elliptic Laboratories As Object and movement detection
WO2009126279A1 (en) * 2008-04-09 2009-10-15 Eveready Battery Company, Inc. Device operation using a force sensor
US20090271004A1 (en) * 2008-04-28 2009-10-29 Reese Zecchin Method and apparatus for ranging detection of gestures
US8320578B2 (en) * 2008-04-30 2012-11-27 Dp Technologies, Inc. Headset
US8996332B2 (en) * 2008-06-24 2015-03-31 Dp Technologies, Inc. Program setting adjustments based on activity identification
US8447704B2 (en) * 2008-06-26 2013-05-21 Microsoft Corporation Recognizing gestures from forearm EMG signals
EP2708267B1 (en) * 2008-11-25 2017-02-08 Fox Factory, Inc. Video apparatus for virtual competition
GB2465824B (en) * 2008-12-03 2011-04-06 James Christopher Irlam Motion analysis device for sports
US20100210975A1 (en) * 2009-01-21 2010-08-19 SwimSense, LLC Multi-state performance monitoring system
US20110054359A1 (en) 2009-02-20 2011-03-03 The Regents of the University of Colorado , a body corporate Footwear-based body weight monitor and postural allocation, physical activity classification, and energy expenditure calculator
US20100306716A1 (en) * 2009-05-29 2010-12-02 Microsoft Corporation Extending standard gestures
EP2452258B1 (en) * 2009-07-07 2019-01-23 Elliptic Laboratories AS Control using movements
US9000887B2 (en) * 2009-07-23 2015-04-07 Qualcomm Incorporated Method and apparatus for communicating control information by a wearable device to control mobile and consumer electronic devices
US8341558B2 (en) * 2009-09-16 2012-12-25 Google Inc. Gesture recognition on computing device correlating input to a template
FR2950713A1 (fr) * 2009-09-29 2011-04-01 Movea Sa Systeme et procede de reconnaissance de gestes
US9338274B2 (en) * 2009-10-02 2016-05-10 Blackberry Limited Method of interacting with electronic devices in a locked state and handheld electronic device configured to permit interaction when in a locked state
US9008973B2 (en) * 2009-11-09 2015-04-14 Barry French Wearable sensor system with gesture recognition for measuring physical performance
US9174123B2 (en) * 2009-11-09 2015-11-03 Invensense, Inc. Handheld computer systems and techniques for character and command recognition related to human movements
US8436821B1 (en) * 2009-11-20 2013-05-07 Adobe Systems Incorporated System and method for developing and classifying touch gestures
KR101688655B1 (ko) * 2009-12-03 2016-12-21 엘지전자 주식회사 사용자의 프레전스 검출에 의한 제스쳐 인식 장치의 전력 제어 방법
US8406085B2 (en) * 2009-12-21 2013-03-26 Masami Sakita Swim device
US8432368B2 (en) * 2010-01-06 2013-04-30 Qualcomm Incorporated User interface methods and systems for providing force-sensitive input
US8579834B2 (en) * 2010-01-08 2013-11-12 Medtronic, Inc. Display of detected patient posture state
EP2534808A1 (en) 2010-02-08 2012-12-19 Telefonaktiebolaget L M Ericsson (PUBL) Handling ics enhanced and non enhanced msc in a pool
US8499257B2 (en) * 2010-02-09 2013-07-30 Microsoft Corporation Handles interactions for human—computer interface
US20110199292A1 (en) * 2010-02-18 2011-08-18 Kilbride Paul E Wrist-Mounted Gesture Device
US20110214082A1 (en) * 2010-02-28 2011-09-01 Osterhout Group, Inc. Projection triggering through an external marker in an augmented reality eyepiece
US9075446B2 (en) * 2010-03-15 2015-07-07 Qualcomm Incorporated Method and apparatus for processing and reconstructing data
JP4785975B1 (ja) * 2010-03-26 2011-10-05 有限会社グーテック 動作判別装置、動作判別方法、及び動作判別コンピュータ・プログラム
EP2559163A4 (en) * 2010-04-16 2014-05-14 Nicholas J Mastandrea PORTABLE CALCULATION INTERFACE FOR MOTION DETECTION
US8760392B2 (en) * 2010-04-20 2014-06-24 Invensense, Inc. Wireless motion processing sensor systems suitable for mobile and battery operation
US8284847B2 (en) * 2010-05-03 2012-10-09 Microsoft Corporation Detecting motion for a multifunction sensor device
US20130120282A1 (en) * 2010-05-28 2013-05-16 Tim Kukulski System and Method for Evaluating Gesture Usability
US20120016641A1 (en) * 2010-07-13 2012-01-19 Giuseppe Raffa Efficient gesture processing
JP2012024394A (ja) 2010-07-26 2012-02-09 Nagoya Institute Of Technology 感覚統合運動機能の計測装置
US9055925B2 (en) * 2010-07-27 2015-06-16 Carefusion 303, Inc. System and method for reducing false alarms associated with vital-signs monitoring
US20120034888A1 (en) * 2010-08-05 2012-02-09 Franco De Flaviis Method and System for Utilizing a Touchscreen Interface as an Antenna
US9076041B2 (en) * 2010-08-26 2015-07-07 Blast Motion Inc. Motion event recognition and video synchronization system and method
WO2012028884A1 (en) * 2010-09-02 2012-03-08 Elliptic Laboratories As Motion feedback
US10216893B2 (en) * 2010-09-30 2019-02-26 Fitbit, Inc. Multimode sensor devices
US9167991B2 (en) * 2010-09-30 2015-10-27 Fitbit, Inc. Portable monitoring devices and methods of operating same
US8954291B2 (en) * 2010-09-30 2015-02-10 Fitbit, Inc. Alarm setting and interfacing with gesture contact interfacing controls
US8954290B2 (en) * 2010-09-30 2015-02-10 Fitbit, Inc. Motion-activated display of messages on an activity monitoring device
US8768006B2 (en) * 2010-10-19 2014-07-01 Hewlett-Packard Development Company, L.P. Hand gesture recognition
US9011292B2 (en) * 2010-11-01 2015-04-21 Nike, Inc. Wearable device assembly having athletic functionality
US20120114181A1 (en) * 2010-11-01 2012-05-10 Borthwick James R Vehicle pose estimation and load profiling
AU2011324808A1 (en) * 2010-11-04 2013-06-27 Yoram Feldman Computer aided analysis and monitoring of mobility abnormalities in human patients
US20120131513A1 (en) * 2010-11-19 2012-05-24 Microsoft Corporation Gesture Recognition Training
US8786547B2 (en) * 2010-12-23 2014-07-22 Microsoft Corporation Effects of gravity on gestures
US9030405B2 (en) * 2011-02-04 2015-05-12 Invensense, Inc. High fidelity remote controller device for digital living room
US20120220233A1 (en) * 2011-02-28 2012-08-30 Qualcomm Incorporated Ranging with body motion capture
FI20115301A0 (fi) * 2011-03-30 2011-03-30 Polar Electro Oy Menetelmä harjoituslaitteen kalibroimiseksi
US20120259652A1 (en) * 2011-04-07 2012-10-11 Full Recovery, Inc. Systems and methods for remote monitoring, management and optimization of physical therapy treatment
US8352639B2 (en) * 2011-05-06 2013-01-08 Research In Motion Limited Method of device selection using sensory input and portable electronic device configured for same
US20120293404A1 (en) * 2011-05-19 2012-11-22 Panasonic Corporation Low Cost Embedded Touchless Gesture Sensor
US9110510B2 (en) * 2011-06-03 2015-08-18 Apple Inc. Motion pattern classification and gesture recognition
US20130176142A1 (en) 2011-06-10 2013-07-11 Aliphcom, Inc. Data-capable strapband
US20120316455A1 (en) * 2011-06-10 2012-12-13 Aliphcom Wearable device and platform for sensory input
US20130194066A1 (en) * 2011-06-10 2013-08-01 Aliphcom Motion profile templates and movement languages for wearable devices
US9218058B2 (en) * 2011-06-16 2015-12-22 Daniel Bress Wearable digital input device for multipoint free space data collection and analysis
US9417754B2 (en) * 2011-08-05 2016-08-16 P4tents1, LLC User interface system, method, and computer program product
US8793118B2 (en) * 2011-11-01 2014-07-29 PES School of Engineering Adaptive multimodal communication assist system
US9575544B2 (en) * 2011-11-07 2017-02-21 Qualcomm Incorporated Ultrasound based mobile receivers in idle mode
US8958631B2 (en) * 2011-12-02 2015-02-17 Intel Corporation System and method for automatically defining and identifying a gesture
WO2013082436A1 (en) * 2011-12-02 2013-06-06 Fitlinxx, Inc. Intelligent activity monitoring
US20150119728A1 (en) * 2011-12-02 2015-04-30 Fitlinxx, Inc. Health monitor
US9734304B2 (en) * 2011-12-02 2017-08-15 Lumiradx Uk Ltd Versatile sensors with data fusion functionality
US9014681B2 (en) * 2011-12-27 2015-04-21 Sony Corporation Establishing a communication connection between two devices based on device displacement information
WO2013109780A2 (en) 2012-01-19 2013-07-25 Nike International Ltd. Energy expenditure
US9352207B2 (en) * 2012-01-19 2016-05-31 Nike, Inc. Action detection and activity classification
US8791913B2 (en) * 2012-01-26 2014-07-29 Honeywell International Inc. Adaptive gesture recognition system and method for unstable work environments
US9024958B2 (en) * 2012-01-30 2015-05-05 Lenovo (Singapore) Pte. Ltd. Buffering mechanism for camera-based gesturing
US8638190B1 (en) * 2012-02-02 2014-01-28 Google Inc. Gesture detection using an array of short-range communication devices
US9600169B2 (en) * 2012-02-27 2017-03-21 Yahoo! Inc. Customizable gestures for mobile devices
KR102000295B1 (ko) * 2012-04-11 2019-10-01 유니버시티 오브 써던 캘리포니아 모바일 애플리케이션에 의해 요청된 서비스를 위한 가장 에너지 효율적인 방법의 실시간 선택
US8954135B2 (en) * 2012-06-22 2015-02-10 Fitbit, Inc. Portable biometric monitoring devices and methods of operating same
US9168419B2 (en) * 2012-06-22 2015-10-27 Fitbit, Inc. Use of gyroscopes in personal fitness tracking devices
US9599632B2 (en) * 2012-06-22 2017-03-21 Fitbit, Inc. Fitness monitoring device with altimeter
US9726498B2 (en) * 2012-11-29 2017-08-08 Sensor Platforms, Inc. Combining monitoring sensor measurements and system signals to determine device context
US9689887B1 (en) * 2012-12-07 2017-06-27 Amazon Technologies, Inc. Fall event monitoring
EP2741176A3 (en) * 2012-12-10 2017-03-08 Samsung Electronics Co., Ltd Mobile device of bangle type, control method thereof, and UI display method
JP5737277B2 (ja) * 2012-12-13 2015-06-17 カシオ計算機株式会社 情報表示装置及びプログラム
US9746926B2 (en) * 2012-12-26 2017-08-29 Intel Corporation Techniques for gesture-based initiation of inter-device wireless connections
US9459697B2 (en) * 2013-01-15 2016-10-04 Leap Motion, Inc. Dynamic, free-space user interactions for machine control
US10250463B2 (en) * 2013-01-31 2019-04-02 General Electric Company Methods and systems for online monitoring using a variable data sampling rate
US9268434B2 (en) * 2013-02-14 2016-02-23 Dell Products L.P. Systems and methods for reducing power consumption in a touch sensor display
US20140236529A1 (en) * 2013-02-18 2014-08-21 Motorola Mobility Llc Method and Apparatus for Determining Displacement from Acceleration Data
CN104010125B (zh) * 2013-02-22 2017-11-28 联想(北京)有限公司 电子设备和方法
US9442570B2 (en) * 2013-03-13 2016-09-13 Google Technology Holdings LLC Method and system for gesture recognition
WO2014145942A2 (en) * 2013-03-15 2014-09-18 Smart Patents L.L.C. Wearable devices and associated systems
US20140288876A1 (en) * 2013-03-15 2014-09-25 Aliphcom Dynamic control of sampling rate of motion to modify power consumption
US9314666B2 (en) * 2013-03-15 2016-04-19 Ficus Ventures, Inc. System and method for identifying and interpreting repetitive motions
US9661221B2 (en) * 2013-03-15 2017-05-23 Qualcomm Incorporated Always-on camera sampling strategies
US9885734B2 (en) * 2013-05-08 2018-02-06 Cm Hk Limited Method of motion processing and related mobile device and microcontroller unit
US9342737B2 (en) 2013-05-31 2016-05-17 Nike, Inc. Dynamic sampling in sports equipment
US9582034B2 (en) * 2013-11-29 2017-02-28 Motiv, Inc. Wearable computing device
US9782104B2 (en) * 2014-03-26 2017-10-10 GestureLogic Inc. Systems, methods and devices for acquiring and processing physiological signals
US10327670B2 (en) * 2014-03-26 2019-06-25 GestureLogic Inc. Systems, methods and devices for exercise and activity metric computation
US10222868B2 (en) * 2014-06-02 2019-03-05 Samsung Electronics Co., Ltd. Wearable device and control method using gestures
US9894009B2 (en) * 2014-08-29 2018-02-13 Microsoft Technology Licensing, Llc Client device and host device subscriptions
WO2016164485A1 (en) * 2015-04-08 2016-10-13 Amiigo, Inc. Dynamic adjustment of sampling rate based on a state of the user
EP3286579B1 (en) * 2015-04-20 2021-06-02 ResMed Sensor Technologies Limited Gesture recognition with sensors
US9724562B2 (en) * 2015-05-28 2017-08-08 Nike, Inc. Wearable USB device assembly
US10416740B2 (en) * 2015-08-26 2019-09-17 Google Llc Upsampling sensors to auto-detect a fitness activity
US10338686B2 (en) * 2016-03-31 2019-07-02 Disney Enterprises, Inc. Control system using aesthetically guided gesture recognition
US9971960B2 (en) * 2016-05-26 2018-05-15 Xesto Inc. Method and system for providing gesture recognition services to user applications
US10070799B2 (en) * 2016-12-02 2018-09-11 Pison Technology, Inc. Detecting and using body tissue electrical signals
US10459495B2 (en) * 2017-12-19 2019-10-29 North Inc. Wearable electronic devices having an inward facing input device and methods of use thereof
US11673024B2 (en) * 2018-01-22 2023-06-13 Pg Tech, Llc Method and system for human motion analysis and instruction
US10545558B1 (en) * 2019-01-25 2020-01-28 BioMech Sensor LLC Systems and methods for elastic delivery, processing, and storage for wearable devices based on system resources

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103170105A (zh) * 2011-12-22 2013-06-26 阿迪达斯股份公司 健身活动的监测系统和方法

Also Published As

Publication number Publication date
JP6539272B2 (ja) 2019-07-03
CN105612475A (zh) 2016-05-25
EP3030952A1 (en) 2016-06-15
US11243611B2 (en) 2022-02-08
JP2016529980A (ja) 2016-09-29
US20150046886A1 (en) 2015-02-12
EP3030952B1 (en) 2021-03-10
CN111258378A (zh) 2020-06-09
US20230048187A1 (en) 2023-02-16
US11513610B2 (en) 2022-11-29
WO2015021223A1 (en) 2015-02-12
US20240085988A1 (en) 2024-03-14
US20220121291A1 (en) 2022-04-21
CN105612475B (zh) 2020-02-11
US11861073B2 (en) 2024-01-02
KR20160042025A (ko) 2016-04-18
KR102033077B1 (ko) 2019-10-16

Similar Documents

Publication Publication Date Title
US11861073B2 (en) Gesture recognition
KR101745684B1 (ko) 동적 샘플링
US11862334B2 (en) Flight time
CN105828711B (zh) 配置为提供目标激励的健身设备
WO2015021280A1 (en) Activity recognition with activity reminders
WO2015057684A1 (en) Calculating pace and energy expenditure from athletic movement attributes
KR102303952B1 (ko) 다수의 디바이스들로부터의 데이터를 이용한 에너지 소비량 계산
CN105745589A (zh) 运动设备的适应性计时配置

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
TG01 Patent term adjustment