导航：X技术最新专利医药医疗技术的改进;医疗器械制造及应用技术

　　本专利针对传统锻炼监测中动作识别不准确、数据计算不全面的问题，提出基于穿戴式设备的实时心率监测与多维运动分析系统。通过惯性传感器采集三维加速度数据，结合预设动作模型匹配训练类型，利用重力阈值与距离计算判断动作完成度，同步分析心率变化实现运动强度量化，从而精准评估锻炼效果。

　　目前存在多种装置可整合不同传感器以判断与所述装置相关联的运动，这些装置包括由用户穿戴的穿戴式装置(例如，智能手表)。这些装置中的许多装置有助于提供显见的优点，例如使用方便。遗憾的是，这些装置不能够向进行各种体育活动或锻炼的用户提供详细信息。因此，需要提供解决这些技术缺陷的解决方案。

　　本发明提供一种系统，包括穿戴式装置、用户界面存储器及存储器。穿戴式装置被配置成由用户穿戴，所述穿戴式装置包括惯性传感器，所述惯性传感器具有惯性传感器电路系统，所述惯性传感器被配置成基于所述惯性传感器的运动来报告运动读数，所述惯性传感器包括加速度计，所述加速度计具有加速度计电路系统，所述加速度计被配置成产生加速度计读数。用户界面具有通知装置及清单设定界面，所述清单设定界面具有清单设定界面电路系统，所述清单设定界面被配置成提供训练类型的清单，所述通知装置具有通知装置电路系统，所述通知装置被配置成基于所述训练类型的清单向所述用户提供通知，所述通知包括与所述清单中的当前训练类型对应的信息，所述训练类型包括至少两种全身训练类型，所述至少两种全身训练类型中的每一个均与锻炼所述用户的上身及下身两者相关联。存储器被配置成存储计算模型，所述计算模型中的每一个界定与所述训练类型中的相应一个相关联的匹配特性集合，与所述至少两种全身训练类型相关联的所述匹配特性集合共享与所述加速度计读数相关联的共用确定向量。处理器，具有处理器电路系统，所述处理器被配置成：获得从所述惯性传感器报告的且与所述清单中的训练类型对应的所述运动读数；接收所述训练类型的清单以及与所述训练类型中的每一个对应的目标训练计数或目标训练时间的目标状态；基于所述训练类型的清单来确定所述当前训练类型；基于所述当前训练类型来选择所述计算模型中的一个；将与所述当前训练类型对应的所述匹配特性集合与所述运动读数进行比较，直到已获取所述当前训练类型的所述目标状态；基于所述训练类型的清单来选择下一训练类型；基于所述下一训练类型来选择所述计算模型中的另一个；确定与所述训练类型的清单相关联的活动信息；以及基于所述目标状态、所述活动信息、及所述训练类型的清单来计算所述用户的锻炼量。

　　本发明提供一种使用穿戴式装置的方法，所述穿戴式装置被配置成由用户穿戴且包括惯性传感器，所述惯性传感器具有惯性传感器电路系统，所述惯性传感器被配置成基于所述惯性传感器的运动来报告运动读数，所述惯性传感器包括加速度计，所述加速度计具有加速度计电路系统，所述加速度计被配置成产生加速度计读数，所述方法包括：向所述用户提供训练类型的清单，所述训练类型的清单包括与当前训练类型对应的信息，所述训练类型包括至少两种全身训练类型，所述至少两种全身训练类型中的每一个均与锻炼所述用户的上身及下身两者相关联；以及使用具有处理器电路系统的处理器来：获得从所述惯性传感器报告的且与所述清单中的训练类型对应的所述运动读数；接收所述训练类型的清单以及与所述训练类型中的每一个对应的目标训练计数或目标训练时间的目标状态；基于所述训练类型的清单来确定所述当前训练类型；基于所述当前训练类型来从存储在存储器中的计算模型中选择计算模型，所述计算模型中的每一个界定与所述训练类型中的相应一个相关联的匹配特性集合，与所述至少两种全身训练类型相关联的所述匹配特征集合共享与所述加速度计读数相关联的共用确定向量；将与所述当前训练类型对应的所述匹配特性集合与所述运动读数进行比较，直到已获取所述当前训练类型的所述目标状态；基于所述训练类型的清单来选择下一训练类型；基于所述下一训练类型来选择所述计算模型中的另一个；确定与所述训练类型的清单相关联的活动信息；以及基于所述目标状态、所述活动信息、及所述训练类型的清单来计算所述用户的锻炼量。

　　包含附图是为了提供对本发明的进一步理解，且附图被并入本说明书中并构成本说明书的一部分。图式说明本发明的实施例，并且与本说明一起用于解释本发明的原理。

　　图13a至图13c是示出以立卧撑跳(burpee)形式进行的全身训练类型的实例。

　　现将参照附图在下文中更全面地阐述本发明的一些实施例，附图中示出有本申请的一些但非所有实施例。实际上，本发明的各种实施例可被实施为许多不同形式且不应被视为仅限于本文中所述的实施例；确切而言，提供这些实施例是为了使此公开内容将满足适用的法律要求。通篇中相同的参考编号指代相同的元件。

　　图1是示出根据本发明其中一个示例性实施例的所提出系统。首先在图1中介绍所述系统的所有组件及其配置。图2更详细地公开所述组件的功能性。

　　参照图1，出于示例性目的，所提出系统100可包括心率传感器110、显示器120、界面模块130、及处理器140。明显地，前述组件中的每一个均包括用于实行相关功能的相关联电路系统(例如，传感器电路系统、显示器电路系统、界面电路系统、及处理器电路系统，尽管图1中未绘示此种电路系统)。

　　心率传感器110可为通过各种方式实时测量个体的心率的装置。出于示例性目的，心率传感器110可为使用红外光来估计每一单位长度皮肤血液流动变化的光体积描记法(photoplethymography，ppg)装置，也可使用自身为人熟知的其他方式，例如气动体积描记法(pneumaticplethysmography)、阻抗心动描记法(impedancecardiography)、心音描记法(phonocardiography)、心电描记法(electrocardiography)。

　　还应理解，所提出系统100中还可包括存储器(图中未示出)。所述存储器可包括各种形式的非暂时性、易失性、及非易失性存储器，例如以下中的一个或其组合：静态或移动的随机存取存储器(randomaccessmemory，ram)、只读存储器(read-onlymemory，rom)、闪速存储器、硬驱动机(harddrive)、或者其他相似装置或界面。所述存储器可存储用于实行所述所提出方法的应用程序、代码、或指令以及从心率传感器110收集的实时数据。

　　在示例性实施例中，心率传感器110可被实作成将穿戴在使用者手腕周围的穿戴式装置，例如手表、腕带、健康手镯(healthbracelet)等。显示器120、界面模块130、及处理器140可被实作成例如智能手机、膝上型计算机(laptopcomputer)、管式计算机(tabularcomputer)、或桌上型计算机(desktopcomputer)等与穿戴式装置成对的配套装置，以从所述穿戴式装置接收数据。穿戴式装置及配套装置可包括通信界面(图中未示出)，例如用于数据传输的有线(例如，以太网(ethernet)及通用串行总线(universalserialbus，usb))或无线(例如，无线局域网(wirelesslocalareanetwork，wlan)、蓝牙(bluetooth)、近场通信(near-fieldcommunication，nfc)、蜂窝(cellular)、无线保真(wirelessfidelity，wifi))电路系统及协议。在一些实施例中，穿戴式装置可将原始测量数据传输到配套装置而不进行进一步处理。配套装置可施行所确定功能以灵活地且以开放集成(openintegration)的方式处理原始测量数据。在其他实施例中，穿戴式装置可被编程或固线连接为对原始测量数据实行预处理，以提取特定特性来减轻数据传输负担。在另一示例性实施例中，系统100可被实作成独立穿戴式装置。本发明在此方面不受限制。

　　图2是示出根据本发明其中一个示例性实施例的从心率的角度来看的所提出方法的流程图。可通过如图1中所示的所提出系统100来实作图2所示步骤。

　　同时参照图1及图2，可触发心率传感器110来进行心率测量(步骤s202)，其中可将心率分类成静态心率(staticheartrate)及锻炼心率(exerciseheartrate)。静态心率是指当用户不进行锻炼(s204)且实质上处于静态状态时由心率传感器110测量的心率，且也被称作安静心率(at-restheartrate)。在示例性实施例中，对用户是否处于静态状态的判断(s206)可依靠通过额外的运动传感器进行的测量(s208)来进行。当用户处于静态状态，则处理器140可将此种测量结果设定成静态心率(s210)。在另一示例性实施例中，可在显示器120上示出消息来指令用户坐下或站立不动以进行静态心率测量。在又一示例性实施例中，处理器140可简单地检索用户的历史测量结果或与所述用户同年龄的个体的正常安静心率并将此心率设定成静态心率测量结果。

　　另一方面，锻炼心率是指当用户进行锻炼(s212)时由心率传感器110测量的心率。当处理器140获得用户的锻炼心率(s214)时，处理器140可基于静态心率及锻炼心率来计算心率递增量(s216)并进一步将所述心率递增量转换成心率水平和/或卡路里(s218)来告知所述用户。在此，可依据例如生理参数(例如，年龄、性别、体重、身高、体质指数(bodymassindex))、过往病史、最近的锻炼数据等一些心率影响因素(impactfactor，fa)来进行所述转换。

　　在示例性实施例中，处理器140可针对整个间歇训练时段来计算包括心率水平和/或卡路里在内的总体统计数据。处理器140还可针对每一间歇训练循环来计算包括心率水平和/或卡路里在内的各别统计数据。还应注意，在所述时段期间可以文本或图形形式显示任意瞬时测量或计算的数据，例如锻炼心率、燃烧掉的卡路里、经过的锻炼时间。

　　图3是示出根据本发明其中一个示例性实施例的所提出系统。在图3中介绍所述系统的所有组件及其配置。结合图4更详细地公开所述组件的功能性。

　　参照图3，出于示例性目的，所提出系统300可包括运动传感器315、显示器320、界面模块330、及处理器340，其中使用具有前缀“3”的相似数字来表示与图1所示组件相似的组件。

　　运动传感器315可为实作在穿戴式装置中的一个或多个惯性传感器，所述一个或多个惯性传感器检测事件或用户位置改变并相对应地提供对应输出。出于示例性目的，在本发明示例性实施例中，运动传感器315可为以下中的一个或其组合：加速度计(例如，重力传感器(g-sensor))、陀螺仪(例如，陀螺仪传感器(gyro-sensor))、或检测穿戴式装置的线性移动、所述线性移动的方向、或旋转移动的任意传感器。举例来说，三轴加速度计(three-axisaccelerometer)将响应于对当穿戴式装置遇到外力时发生的突然移动的任一次检测来输出与每一(x-y-z)轴对应的加速度数据。陀螺仪将检测穿戴式装置绕空间中的特定轴旋转的旋转移动并输出表现所述旋转移动的数据。加速度计与陀螺仪的组合可实现对穿戴式装置的总体移动及取向的更精确测量。

　　图4是示出根据本发明其中一个示例性实施例从运动的角度来看的所提出方法的流程图。可通过如图3中所示的所提出系统300来实作图4所示步骤。

　　首先应注意，在迭代开始之前，处理器340可获得含有锻炼(例如，间歇训练)的锻炼(训练)类型的训练列表(或清单)。在本发明示例性实施例中，此种训练列表可由用户通过界面330来界定。举例来说，系统300可存储适合于例如(举例来说，俯卧撑、仰卧起坐、蹲坐、弓步运动(lunge)、短跑、立卧撑跳、及分腿跳(jumpingjack))等间歇训练的低强度及高强度锻炼类型。可通过包括例如(举例来说，平均值、标准差、波幅、长度、频率、距离的直方图、速度、加速度、和/或时域中的强度)等图形或数值特征的对应描述性计算模型来阐述存储在系统300中的每一锻炼类型。用户可将与放松/休息周期散置在一起的优选锻炼类型添加到训练列表。在其他示例性实施例中，可从用户的历史训练列表、预存在系统300中或可从互联网(internet)得到的专业训练列表中选择此种训练列表。

　　现在同时参照图3及图4，处理器340可根据训练列表来报告当前锻炼类型(s402)。同时，可触发运动传感器315(s404)，且处理器340可开始从运动传感器315获得运动数据并通过使用例如高通滤波器(high-passfilter)、低通滤波器(low-passfilter)、移动均值滤波器(movingmeanfilter)、噪声滤波器(noisefilter)等滤波器过滤出噪声(noise)及异常值(outlier)(s406)。处理器340可根据当前锻炼类型的描述性计算模型来对经过滤的运动数据实行运动特征提取及分析(s408)，以识别例如模式、姿势、力量、距离、和/或标准差。由于已报告当前锻炼类型，因此处理器340也可根据当前锻炼类型的描述性计算模型来确定可针对所述当前锻炼类型对使用者的锻炼强度进行分类的锻炼计数、频率、强度、和/或摇动(s410)。

　　在本发明示例性实施例中，锻炼强度可基于预定时间周期内的锻炼计数。举例来说，如果当前锻炼类型是俯卧撑，则处理器340可确定在预定时间周期内姿势重复改变的数目。如果当前锻炼类型是分腿跳，则处理器340可确定在预定时间周期内强度重复改变的数目。如果当前锻炼类型是蹲坐，则处理器340可确定在预定时间周期内距离的重复改变。

　　接下来，处理器340可接着为用户将此种锻炼强度转换成运动水平和/或卡路里(s412)。处理器340可在接收到报告之后接着转向下一锻炼类型以开始另一迭代。处理器340可在当前锻炼类型的预设锻炼时间到点时或在已到达当前锻炼类型的预设锻炼计数时作出报告。

　　相似地，在示例性实施例中，处理器340可针对整个间歇训练时段来计算包括运动水平和/或卡路里在内的总体统计数据。处理器340还可针对每一间歇训练循环或甚至每一锻炼类型来计算包括运动水平和/或卡路里在内的各别统计数据。还应注意，可以文本或图形形式显示任意瞬时测量或计算的数据，例如直方图、运动水平、燃烧掉的卡路里、经过的锻炼时间。

　　可将系统100的功能性和/或组件与系统300的功能性和/或组件集成到单个系统中。举例来说，图5是示出根据本发明其中一个示例性实施例的所提出系统。在图5中介绍所述系统的所有组件及其配置。图6及图7更详细地公开所述组件的功能性。

　　参照图5，出于示例性目的，所提出系统500可包括心率传感器510、运动传感器515、显示器520、界面模块530、及处理器540，其中使用具有前缀“5”的相似数字来表示与图1及图3所示组件相似的组件。

　　图6是示出根据本发明其中一个示例性实施例的从心率及运动两个角度来看的所提出方法的流程图。可通过如图5中所示的所提出系统500来实作图6所示步骤。

　　同时参照图5及图6，从一般性的角度来看，处理器540可从心率传感器510获得心率水平和/或卡路里(在此称作“心率训练数据”)(s602)且从运动传感器515获得与当前锻炼类型对应的运动水平和/或卡路里(在此称作“运动训练数据”)(s604)。应注意，在s602及s604之前，处理器540可实行与图2中的s202至s218及图4中的s402至s412相似的步骤。换句线的连续步骤。

　　接下来，处理器540可根据给定的所分派权重(proratedweight)对心率训练数据与运动训练数据实行融合(fusion)(s606)以产生融合水平/卡路里(在此称作“融合训练数据”)来实现更强健的测量(s608)。举例来说，处理器540可计算心率水平与运动水平的加权平均数。分配给心率水平及运动水平的所分派权重可基于锻炼类型来变化。在一些示例性实施例中，所分派权重也可与性别、年龄等相关联。

　　图7是示出根据本发明其中一个示例性实施例的从心率及运动两个角度来看的所提出方法的流程图。可通过如图5中所示的所提出系统500来实作图7所示步骤。

　　参照图5及图7，从更详细的角度来看，处理器540可在显示器520上显示用户设定菜单界面(s702)，此使得用户能够通过界面模块530来界定他自己的间歇训练时段。在本发明示例性实施例中，用户可首先选择时间模式(即，训练时间基础)或计数模式(即，重复计数基础)，构建他自己包括多种锻炼类型的训练列表，并设定训练时间、训练计数和/或训练轮次的数目(s704)。处理器540可接着获得前述用户设定并开始间歇训练时段。也就是ued体育说，处理器340可根据训练列表来报告当前锻炼类型。

　　处理器540可开始从运动传感器515获得运动数据(s706)并通过如图4中的s406至s408中的特征提取及分析来实行运动跟踪(s708)，以计算运动训练数据。同时，处理器540还可开始从心率传感器510获得心率数据(s710)并确定锻炼心率(s712)以确定心率训练数据。

　　处理器540可接下来对心率训练数据与运动训练数据实行融合以产生融合训练数据(s714)并输出与当前锻炼类型对应的燃烧掉的卡路里、强度水平、锻炼时间、及锻炼计数(s716)。在当前锻炼类型已完成时，处理器540可转向下一锻炼类型。

　　在本发明示例性实施例中，将心率训练数据视作辅助信息以实现更健壮的测量。处理器540可基于运动、根据锻炼计数及锻炼时间来针对每一锻炼类型计算燃烧掉的卡路里及强度水平。接下来，处理器540可基于基于心率来校准所计算的燃烧掉的卡路里及所计算的强度水平。在时间模式中，锻炼时间指示设定的总训练时间，且锻炼计数指示此种训练时间内的重复计数的数目。在计数模式中，锻炼计数指示设定的训练计数的总数目，且锻炼时间指示在已达到此种训练计数之后经过的时间。

　　图8是示出根据本发明其中一个示例性实施例的所提出方法的功能性流程图。可通过如图5中所示的所提出系统500来实作图8所示步骤。

　　参照图5及图8，用户可通过与穿戴式装置850(例如，手表)成对的配套装置800(例如，智能手机)来设定间歇训练时段。

　　用户可首先选择时间模式或计数模式来定义训练循环(轮次)的类型(s802)并接着对锻炼类型的次序进行选择及排列以构建训练列表(s804)。在此示例性实施例中，训练列表可包括俯卧撑、仰卧起坐、及弓步运动。接下来，用户将设定训练时间、训练计数和/或训练轮次的数目(s806)，且间歇训练时段可开始(s808)。从系统500的角度来看，处理器540可在间歇训练时段开始之前、用户通过界面模块530进行设定时接收时间/计数模式选择、训练列表、及训练时间设定、训练计数和/或训练轮次的数目。应注意，可修改s802至s806的次序。举例来说，可在如s802中的模式选择及如s806中的训练设定之前构建s804中的训练列表。本发明在此方面不受限制。

　　间歇训练时段可从训练列表上的第一锻炼类型开始(s8081)，针对第一锻炼类型使锻炼时间进行累加(s8083a)或使锻炼计数进行累加(s8083b)，当第一锻炼类型结束时进入放松/休息周期(例如，20秒)(s8085)，并接着转向训练列表上的下一锻炼类型。作为实例，s808指示当前轮次为m且当前锻炼类型为n。从系统500的角度来看，可由处理器540根据在s802至s806中接收到的选择及设定来实行s8081至s8085。在已完成每一锻炼类型之后，间歇训练时段可转向下一轮次并从训练列表上的第一锻炼类型重新开始。应注意，可贯穿整个间歇训练时段来显示例如包括当前锻炼类型、累加锻炼时间、及累加锻炼计数的训练列表等信息。

　　当用户已完成所有轮次时，可显示例如燃烧掉的卡路里、强度水平、锻炼时间、及锻炼计数等训练结果(s810)。也就是说，处理器540可控制显示器520显示训练结果。也可将训练结果分解到每一各别轮次或每一锻炼类型，以为用户提供关于任一特定锻炼的直观视觉化显示。

　　图9是示出根据本发明其中一个示例性实施例的所提出系统。如图9中所示，出于示例性目的，所提出系统900可包括被配置成由用户穿戴的穿戴式装置910(例如，智能手表、智能手环(smartband)等)。穿戴式装置910包括惯性传感器912，惯性传感器912包括惯性传感器电路系统914。惯性传感器912被配置成基于惯性传感器的运动来报告运动读数。惯性传感器912还包括加速度计916，加速度计916包括加速度计电路系统918。加速度计916被配置成基于加速度计的加速度来产生加速度计读数。在一些实施例中，还可提供具有相关联心率传感器电路系统(图中未示出)的可选的心率传感器919。

　　系统900还包括用户界面920、存储器930、及处理器940，在一些实施例中用户界面920、存储器930、及处理器940中的每一个均可由穿戴式装置来承载。应注意，穿戴式装置910可为被配置成穿戴在用户上身或下身中的仅一个上的单个装置。在清单设定界面924的帮助下，处理器940可在不使用穿戴在用户的另一部分上(例如，上身及下身中的另一个上)的另一穿戴式装置的条件下确定所述用户正在实行所述至少两种全身训练类型中的哪一个。在一些实施例中，用户界面920、存储器930、及处理器940中的一个或多个可由例如便携式电子装置(例如，智能手机)等另一装置来承载。

　　用户界面920包括通知装置922(例如，显示器、扬声器、或触觉装置)及清单设定界面924(例如，触摸垫、键盘)。举例来说，包括清单设定界面电路系统926的清单设定界面924被配置成提供供用户使用的训练类型的清单且在一些实施例中，可能够由本地/远程的用户、教练、和/或健身项目提供人来设定。通知装置922被配置成基于训练类型的清单来向用户提供通知。在一些实施例中，所述通知包括与清单中的当前训练类型对应的信息。在此方面，在一些实施例中，所述训练类型包括至少两种全身训练类型，所述至少两种全身训练类型中的每一个均与锻炼用户的上身及下身两者相关联。举例来说，除其他众多类型以外，全身训练类型包括蹲坐及立卧撑跳。

　　存储器930被配置成存储一个或多个计算模型(例如，计算模型a、计算模型b)，所述一个或多个计算模型中的每一个界定与训练类型中的相应一个相关联的匹配特性集合。具体来说，每一匹配特性集合可包括但不限于以下中的一个或多个：用户表现出特定姿势/取向，此可基于加速度计读数(加速度计)、旋转读数(陀螺仪)、和/或磁力计(magnetometer)读数来计算；用户在特定时间期间保持相同姿势/取向，此可基于在预定时间期间的加速度计读数的小的变化(例如，低于阈值的变化)来计算；用户表现出急速姿势改变；用户表现出朝某一方向的移动向量(例如，总和加速度比重力加速度低得多/高得多且在预定时间内沿同一轴存在减小/增大)；以及用户表现出冲击图案(impactpattern)(例如，在跳跃之后下降到地上、拍手、或在地上进行俯卧撑)。在一些实施例中，与全身训练类型中的至少两个相关联的匹配特性集合共享与加速度计读数相关联的共用确定向量。还应注意，所述两个匹配特性集合的确定阈值可不同。举例来说，可提供两种不同的减速度(de-acceleration)程度。

　　包括处理器电路系统942的处理器940被配置成：获得从惯性传感器报告的且与清单中的训练类型对应的运动读数；接收训练类型的清单以及与训练类型中的每一个对应的目标训练计数或目标训练时间的目标状态；以及基于训练类型的清单来确定当前训练类型。基于当前训练类型，处理器进一步被配置成：选择计算模型中的一个；以及将与当前训练类型对应的匹配特性集合与运动读数进行比较，直到已获取所述当前训练类型的目标状态。此后，处理器被配置成：基于训练类型的清单来选择下一训练类型；基于所述下一训练类型来选择所述计算模型中的另一个；确定与所述训练类型的清单相关联的活动信息(例如，心率、移动强度、体温)；以及基于目标状态、活动信息、及训练类型的清单来计算用户的锻炼量(例如，锻炼强度、燃烧掉的卡路里)。在一些实施例中，所述锻炼量是根据由用户的上身及下身表现出的锻炼强度或消耗掉的卡路里来表达。

　　在一些实施例中，如果目标状态是目标训练计数，则处理器可进一步被配置成将与当前训练类型对应的匹配特性集合与运动读数进行比较以基于所述运动读数表现出与所述匹配特性的匹配图案的次数来确定计数。此时，所述活动信息可包括使得计数进行累加并达到目标训练计数的锻炼时间。

　　相比之下，如果目标状态是目标训练时间，则处理器可进一步被配置成将在所述目标训练时间期间所报告的运动读数和与当前训练类型对应的匹配特性集合进行比较，以基于在所述目标训练时间期间所述运动读数表现出与所述匹配特性的匹配图案的次数来确定计数。所述活动信息此时可包括所确定的计数。

　　在一些实施例中，在当前训练类型是全身训练类型时计算所述锻炼量可包括使所述处理器被配置成：根据与所述当前训练类型对应的计算模型中所选择的一个计算模型，将加速度计读数与共用确定向量及确定阈值进行比较，以提供比较结果。在此种实施例中，如果比较结果是正的，则除非出现冻结条件，否则可对累加触发计数进行递增。在此方面，冻结条件对应于在冻结时间阈值内出现接连的正的比较结果。通过此方式，冻结条件指示用户可能正在作弊(即，试图绕过系统的检测方案以提前达到训练结果)。可接着基于累加触发计数或训练时间及当前训练类型来针对所述当前训练类型计算锻炼量。

　　图10是示出根据本发明其中一个示例性实施例的所提出方法的功能性流程图。可通过如图9中所示的所提出系统900来实作图10所示步骤。

　　如图10中所示，方法1000可被视为开始于s1002，在s1002中，向用户提供训练类型的清单。应注意，训练类型的清单包括与当前训练类型对应的信息，且训练类型包括至少两种全身训练类型，所述至少两种全身训练类型中的每一个与锻炼用户的上身及下身两者相关联。

　　接着使用处理器来：获得从惯性传感器报告的且与清单中的训练类型对应的运动读数(s1004)；接收训练类型的清单以及与训练类型中的每一个对应的目标训练计数或目标训练时间的目标状态(s1006)；以及基于训练类型的清单来确定当前训练类型(s1008)。此后，基于当前训练类型来从存储在存储器中的计算模型中选择计算模型(s1010)。应注意，计算模型中的每一个界定与训练类型中的对应一个相关联的匹配特性集合，与所述至少两种全身训练类型相关联的所述匹配特性集合共享与加速度计读数相关联的共用确定向量。接着将与当前训练类型对应的匹配特性集合和运动读数进行比较，直到已获取所述当前训练类型的目标状态(s1012)，此后，基于训练类型的清单来选择下一训练类型(s1014)。

　　基于下一训练类型，选择计算模型中的另一个(s1016)。接着，确定与训练类型的清单相关联的活动信息(s1018)，且基于目标状态、活动信息、及训练类型的清单来计算用户的锻炼量(s1020)。在一些实施例中，在当前训练类型是全身训练类型时计算锻炼量可涉及：根据与所述当前训练类型对应的计算模型中所选择的一个计算模型，将加速度计读数与共用确定向量及确定阈值进行比较，以提供比较结果；如果比较结果是正的，则除非出现冻结条件，否则对累加触发计数进行递增；以及基于累加触发计数或训练时间及当前训练类型来计算锻炼量。

　　对于全身训练类型，在图11a至图11d中绘示此种训练类型的实例。具体来说，这些图说明蹲坐训练类型。如图11a中所示，用户1100可基于以图11a中所表现出的站立姿态1102为开始的所检测运动读数序列而被确定为实行蹲坐，在站立姿态1102中用户穿戴穿戴式装置(例如，图9所示装置910)而站立并将手臂(例如，唯一被绘示出的手臂——手臂1104)置于所述用户体侧。在图11b中，检测与用户1100将手臂伸展成手臂前伸姿态1106相关联的运动读数。在图11c中，检测包括用户移动到坐姿的蹲坐姿态1108。具体来说，在一些实施例中，计算沿向下方向的移动(下降)距离(d1)以判断蹲坐姿态1108是否得到实现。接着，如图11d中所示，用户1100返回至手臂前伸姿态1106以完成计数。

　　图12是示出根据本发明其中一个示例性实施例的所提出方法的功能性流程图。可通过处理器来实作图12所示步骤，以例如判断是否已如图11a至图11d中所示实行了蹲坐。

　　如图12中所示，方法1200可被视为开始于s1202，在s1202中，可对于x轴、y轴、及z轴中的每一个计算加速度计读数的平方根以获得总和加速度，且接着可判断下降姿势是否得到匹配(s1204)。在一些实施例中，此可通过检测总和加速度是否小于低重力阈值来实现。在s1206中，可基于总和加速度、重力值、以及在下降姿势得到匹配期间经过的时间之间的差异来计算下降距离(d1)。如果所述下降距离超过预定蹲坐距离，则可将所述下降距离复位(例如，复位到零)(s1208)。接着，如果在所述下降距离复位之后未出现冻结条件，则可对累加触发计数进行递增(s1210)，且可基于所述累加触发计数来计算活动信息(s1212)。

　　在图13a至图13c中绘示全身训练类型的另一实例——立卧撑跳。如图所示，用户1300可基于以图13a中所表现出的站立姿态1302为开始的所检测运动读数序列而被确定为实行立卧撑跳。应注意，当姿态保持静态时，沿x方向、y方向、z方向的加速度测量结果的平方根将等于重力的平方根(即，9.8m/s2)。在图13b中，示出在移动到俯卧撑姿态1304之后的用户1300，移动方向由箭头指示。可基于在时间跨度期间加速度测量结果的改变来确定俯卧撑姿态1304。在实行俯卧撑之后，用户1300实行跳跃(图13c)，所述跳跃可通过检测增大的力(因跳跃而造成)来确定，所述增大的力可指示顶点处的峰值(因拍手运动而造成)。用户1300接着返回到例如图13a中所绘示的站立姿态1302。

　　图14是示出根据本发明其中一个示例性实施例的所提出方法的功能性流程图。可通过处理器来实作图14所示步骤，以例如判断是否已如图13a至图13c中所示实行了立卧撑跳。

　　如图14中所示，所述方法可被视为开始于s1402，在s1402中，对于x轴、y轴、及z轴中的每一个计算加速度计读数的平方根以获得总和加速度，且接着可判断下降姿势是否得到匹配(s1404)。在一些实施例中，此可通过检测总和加速度是否小于低重力阈值来实现。在s1406中，在确定下降姿势已得到匹配之后，可判断总和加速度是否超过跳跃阈值。如果总和加速度超过跳跃阈值，则可对累加触发计数进行递增(s1408)，且可基于所述累加触发计数来计算活动信息(s1410)。

　　本文中已阐述各种功能、功能性组件和/或区块。如所属领域中的技术人员所将理解，功能性区块将优选地通过电路(在一个或多个处理器及编码指令的控制下运作的专用电路或通用电路)来实作，所述电路将通常包括被配置成根据本文所述功能及操作来控制电路系统的运作的晶体管或其他电路元件。如将进一步理解，电路元件的具体结构或内连线(interconnection)将通常由例如寄存器传送语言(registertransferlanguage，rtl)编译器(compiler)等编译器来确定。寄存器传送语言编译器基于与汇编语言代码(assemblylanguagecode)非常类似的脚本(script)来运作以将所述脚本编译成供最终电路系统的布局或制作使用的形式。实际上，寄存器传送语言因其在实现电子及数字系统的设计过程时起到的作用及用途而为人熟知。

　　对于所属领域中的技术人员来说将显而易见，在不背离本发明的范围或精神的条件下，可对本发明的结构作出各种修改及变化。鉴于是上述内容，本发明旨在涵盖本发明的修改及变化形式，只要这些修改及变化形式归属于以上权利要求书及其等效内容的范围即可。

　　本发明申请主张2016年9月21日提出申请的美国临时申请62/397，357的权利及优先权，所述美国临时申请的全文并入本文供参考。

　　本技术针对穿戴式传感器在运动或佩戴不当情况下，PPG技术导致心率监测数据存在噪声干扰的问题，提出基于切-斯克呼吸模型的噪声识别方法。通过计算呼吸数据点的噪声可能性与呼吸模型匹配度，剔除异常呼吸数据，...

　　针对传统心率监测设备成本高、穿戴式设备易引发不适的问题，提出基于摄像头的非接触式实时监测方案。通过采集RGB图像，提取内脸颊区域的色彩均值构建三维点集，利用流形学习方法构建拉普拉斯矩阵，结合广...

　　1.制浆造纸 2.植物资源精细化工与化学 3.生物质精炼 4.天然产物化学

　　1.CRISPR-Cas系统 2.基因编辑 3.基因修复 4.天然产物合成 5.单分子技术开发与应用

　　1. 基于糖类的抗肿瘤药物的合成和活性评价及糖类疫苗的研制 2.功能糖类的化学酶法合成及构效关系研究 3.多糖及仿生材料功能的开发及应用

　　1.天然产品的提取分离与活性研究 2.天然产物活性与安全性评价 3.中药组方配伍机制研究