|
隨著社會(huì)的發(fā)展，很多朋友越來越注重自己的健康，跑步成為一種方便而又有效的鍛煉方式。但是如何知道自己跑了多少步，多遠(yuǎn)的路程？計(jì)步器可以幫助人們實(shí)時(shí)掌握鍛煉情況。它的主要功能是檢測(cè)步數(shù)，通過步數(shù)和步幅可計(jì)算行走的路程。步幅信息可通過行走固定的距離來計(jì)算或是直接輸入，高級(jí)的計(jì)步器還可以計(jì)算人體消耗的熱量。 但這些計(jì)算的主要依據(jù)是步數(shù)的檢測(cè)。那么一個(gè)小小的手環(huán)或手機(jī)APP是如何知道你每天運(yùn)動(dòng)的步數(shù)的呢？今天，我們就一起來看一看，計(jì)步器是怎么工作的。 你知道嗎？計(jì)步器最早是由意大利的倫納德·達(dá)芬奇醞釀的，但現(xiàn)存的最早的計(jì)步器是在達(dá)芬奇之后150年，即1667年制作的。 在日本，計(jì)步器已經(jīng)使用了40多年，主要用于體育運(yùn)動(dòng)和分析記錄行走步調(diào)。最初的計(jì)步器通常利用百種原理作為記步技術(shù)，利用加重的機(jī)械開關(guān)檢測(cè)步伐，并帶有一個(gè)簡(jiǎn)單的計(jì)數(shù)器。如果晃動(dòng)這些裝置，就可以聽到有一個(gè)金屬球來回滑動(dòng)，或者一個(gè)擺鐘左右擺動(dòng)敲響當(dāng)塊?，F(xiàn)在，這種機(jī)械式的計(jì)步器早已淡出歷史，取而代之的是電子式的計(jì)步器。
路，是一步一步走出來的。即使看似勻速的閑庭信步，對(duì)我們攜帶的設(shè)備來說（如手機(jī)、運(yùn)動(dòng)手環(huán)），每一步都經(jīng)歷了過山車般的“加速度”變化。 一般來說，抬腿邁出一步的時(shí)候，加速度是最大的。我們把它放到一個(gè)坐標(biāo)軸上，加速度的變化看起來就像一個(gè)cos波形。 兩個(gè)波峰之間，可以被認(rèn)為是一步。如果連續(xù)出現(xiàn)了8個(gè)（不同硬件廠商有不同標(biāo)準(zhǔn)）波峰，就可以基本確定這個(gè)人在運(yùn)動(dòng)狀態(tài)。 設(shè)備就開始把這些前面的波動(dòng)以及后面的波動(dòng)，算成步數(shù)。這就是最基本的計(jì)步原理了。 在實(shí)際場(chǎng)景中，算法還要去掉一系列的“噪音”。比如我們走路時(shí)，手機(jī)放兜里會(huì)上下抖動(dòng)，產(chǎn)生不同方向的加速度。這時(shí)算法就要判斷并去掉“噪音”，只留下最主要的運(yùn)動(dòng)特征。
目前，市面上的計(jì)步器主要分為兩大類：機(jī)械式計(jì)步器和電子計(jì)步器。 機(jī)械式計(jì)步器主要通過感應(yīng)手臂或腰部的抖動(dòng)來計(jì)步。機(jī)械式計(jì)步器通常設(shè)有一個(gè)運(yùn)動(dòng)門限，當(dāng)運(yùn)動(dòng)的加速度大于這個(gè)門限則能夠被內(nèi)部的機(jī)械裝置感應(yīng)到，進(jìn)而開始計(jì)步。由于運(yùn)動(dòng)門限不可調(diào)，機(jī)械式計(jì)步器在某些情況下無法計(jì)步，如走路較慢時(shí)手臂甩動(dòng)幅度較小，不會(huì)產(chǎn)生計(jì)步。另外，非走路狀態(tài)下運(yùn)動(dòng)幅度大也會(huì)產(chǎn)生計(jì)步，如抬手撓頭等動(dòng)作會(huì)產(chǎn)生誤計(jì)。 電子計(jì)步器通常內(nèi)置一個(gè)加速度傳感器(Accelerometer)和一個(gè)運(yùn)算單元（MCU），通過加速度傳感器感應(yīng)用戶的加速度變化，然后通過MCU來估算行走的步數(shù)。電子式計(jì)步器通常采用三軸加速度傳感器，可以感應(yīng)用戶在三維方向上的運(yùn)動(dòng)，且內(nèi)置較為復(fù)雜的計(jì)步算法。 相對(duì)于機(jī)械式計(jì)步器，電子計(jì)步器計(jì)步精度更高，抗干擾能力更強(qiáng)。目前智能手機(jī)和某些非智能手機(jī)都內(nèi)置了加速度傳感器，只需要增加相應(yīng)的軟件即可實(shí)現(xiàn)計(jì)步，無需增加硬件成本。智能手表，智能手環(huán)類產(chǎn)品也都內(nèi)置加速度傳感器和計(jì)步算法，方便用戶監(jiān)控自己的運(yùn)動(dòng)量。 以放置在手腕處的加速度傳感器為例。用戶在水平步行運(yùn)動(dòng)中，手腕處的加速度會(huì)收到重力加速度和甩手加速度的雙重影響。如下圖所示，紅色箭頭表示重力加速度，綠色箭頭表示甩手加速度。 在步行過程中，重力加速度始終垂直與大地，甩手動(dòng)作帶來的加速度呈周期性變化。 反映到圖表中，可以看到，在步行運(yùn)動(dòng)中，垂直和前進(jìn)產(chǎn)生的加速度與時(shí)間大致為一個(gè)周期性信號(hào)。
通過對(duì)軌跡的峰值進(jìn)行檢測(cè)計(jì)算和加速度閥值決策，即可實(shí)時(shí)計(jì)算用戶運(yùn)動(dòng)的步數(shù)，還可依此進(jìn)一步估算用戶步行距離。
計(jì)步算法可以分為四大類，一是峰值檢測(cè)算法，二是變換域算法，三是濾波算法，四是模式識(shí)別算法。根據(jù)所設(shè)計(jì)的計(jì)步器在人體上布放的位置不同，如腕部、腰部、鞋底等，可以選擇不同的計(jì)步算法。 峰值檢測(cè)類算法原理簡(jiǎn)單，易于實(shí)現(xiàn)，應(yīng)用較為廣泛。這里簡(jiǎn)單介紹峰值檢測(cè)類算法。用戶在運(yùn)動(dòng)中，可能把設(shè)備放置于口袋或者包中，亦或拿在手中。所以設(shè)備的放置方向不確定。那么首先，我們通過計(jì)算三個(gè)加速度的矢量長(zhǎng)度，可以獲得一條步行運(yùn)動(dòng)的正弦曲線軌跡。 第二步就是峰值檢測(cè)，我們記錄了上次矢量長(zhǎng)度和運(yùn)動(dòng)方向，通過矢量長(zhǎng)度的變化，可以判斷當(dāng)前加速度的方向，并和上一次保存的加速度方向進(jìn)行比較。如果是相反的，即是剛過峰值狀態(tài)，則進(jìn)入計(jì)步邏輯進(jìn)行計(jì)步，否則就舍棄這段。通過對(duì)峰值次數(shù)的累加，那我們就可得計(jì)算得到用戶步行的步數(shù)。 最后，就是去噪音(干擾)。手機(jī)或智能手表等手持設(shè)備會(huì)有一些低幅度和快速的抽動(dòng)狀態(tài)，即我們俗稱的手抖，或者某個(gè)用戶想通過短時(shí)快速反復(fù)搖動(dòng)設(shè)備來模擬人走路，這些干擾數(shù)據(jù)如果不剔除，會(huì)影響記步的準(zhǔn)確值，對(duì)于這種干擾，我們可以通過給檢測(cè)加上閥值和步頻判斷來過濾。目前人類最快的跑步頻率為5HZ（當(dāng)然不排除人類借助其它設(shè)備跑步頻率超過這個(gè)頻率），也就是說相鄰兩步的時(shí)間間隔的至少大于0.2秒，如圖中的計(jì)步時(shí)間，若兩次計(jì)步之間的時(shí)間間隔小于0.2秒，則不計(jì)步。這樣我們就過濾了高頻噪聲，即步頻過快的情況。同時(shí)我們通過和上次加速度大小進(jìn)行比較，設(shè)置一定的閥值Threshold來判斷運(yùn)動(dòng)是否屬于有效（如圖中的綠線），有效運(yùn)動(dòng)才可進(jìn)行記步。 如果已知步行和跑步的步數(shù)，那么再通過人體身高，體重及性別就可以大致知道此人的步長(zhǎng)，改進(jìn)后即可變成一個(gè)測(cè)距離及測(cè)速計(jì)。通過三軸加速度傳感器，我們可以知道用戶的運(yùn)動(dòng)狀態(tài)。除了計(jì)步，還可以利用加速度傳感器與陀螺儀及磁傳感器融合進(jìn)行步行航跡推算。 計(jì)步器的典型工作設(shè)計(jì)方案 步數(shù)識(shí)別系統(tǒng) 步數(shù)識(shí)別系統(tǒng)是指運(yùn)行在移動(dòng)手機(jī)上，能夠監(jiān)視用戶走了多少步的應(yīng)用程序。它一般由以下3個(gè)部分構(gòu)成： 傳感器模塊，用來采集傳感器數(shù)據(jù)； 特征提取模塊，處理和分析原始數(shù)據(jù)，并進(jìn)行特征提取、建立模型； 步數(shù)識(shí)別模塊，把所提取的特征用來識(shí)別步數(shù)。 硬件設(shè)備 重力傳感器（G-Sensor）又稱為加速度傳感器，用來感知加速度的變化，它使用三維方向的加速度分量來表示。G-Sensor被用在很多智能設(shè)備當(dāng)中，比如一些高端筆記本電腦內(nèi)置了G-Sensor，在發(fā)生劇烈的拉動(dòng)時(shí)（如跌落），立即啟動(dòng)硬盤保護(hù)，避免硬盤損害。再如Apple 的 iPhone 使用G-Sensor來感知手機(jī)屏幕的方向，當(dāng)在觀看視頻時(shí)手機(jī)橫放，屏幕自動(dòng)跟著旋轉(zhuǎn)，這使得用戶體驗(yàn)大大增加。 方案實(shí)現(xiàn) 日常生活當(dāng)中，人們使用手機(jī)一般是拿在手上，放在褲兜里，女士也經(jīng)常把它放在包里。因?yàn)槭謾C(jī)外界環(huán)境總是很復(fù)雜的，褲兜有松有緊，放在松褲兜的手機(jī)比放在緊的更容易抖動(dòng)，產(chǎn)生的噪音也更多。為了使該算法盡可能的適用于不同的應(yīng)用環(huán)境，需要對(duì)大部分的使用環(huán)境進(jìn)行測(cè)試。首先，由4個(gè)人（8個(gè)或更多也可以）各自對(duì)不同手機(jī)使用環(huán)境進(jìn)行數(shù)據(jù)收集，因?yàn)槿藗冊(cè)谕瑯拥膱?chǎng)合使用手機(jī)的習(xí)慣是不一樣的。其次，對(duì)采集來的這些數(shù)據(jù)分別進(jìn)行特征提取。最后，使用提取的特征模型進(jìn)行識(shí)別檢驗(yàn)。 數(shù)據(jù)采集 G-Sensor提供的數(shù)據(jù)如表1所示。
我們的算法采用的采樣頻率為20HZ，采樣環(huán)境有：慢走、快走、跑步、騎自行車、坐的士、坐公交、坐電梯(上/下)、坐地鐵、上下樓梯。其中，有走路的采集走 100 步的數(shù)據(jù)(慢走、快走等)，不是走路的采集1分鐘的數(shù)據(jù)。由于開始和結(jié)束的時(shí)候放置手機(jī)(放口袋、包里)會(huì)有一些波動(dòng)，不是我們想要的，因此這兩個(gè)時(shí)間段的數(shù)據(jù)可以刪去，或不考慮。手機(jī)放在口袋，收集的原始Length字段數(shù)據(jù)，在Excel 2007上繪制波形圖如圖1。橫軸為每個(gè)采樣點(diǎn)的索引，縱軸為L(zhǎng)ength值大小，也就是加速度大小，值在9.8附近變化。
圖 1. Length字段波形圖 特征提取 由于收集的數(shù)據(jù)包含有噪聲，特別是在兩個(gè)動(dòng)作切換之間Length字段值的波動(dòng)比較大，比如慢走和上樓梯的過程。這里使用快速傅里葉變換(FFT)來處理Length字段的數(shù)據(jù)，波形圖如圖2。縱軸已向下平移9.8。
圖 2. 經(jīng)過FFT處理的Length字段波形圖 我們發(fā)現(xiàn)上面經(jīng)過FFT處理的波形表現(xiàn)出一定的規(guī)則，就是在一定的時(shí)間間格內(nèi)總有一個(gè)波谷，我們稱這個(gè)點(diǎn)為“踩點(diǎn)”(如圖3中的1、2、3、4點(diǎn))，也就是加速度最小的時(shí)刻(腳往下踩，手機(jī)相對(duì)有一個(gè)往下“掉”的過程)。另外，圖3上A點(diǎn)也是波谷，但這一點(diǎn)是一個(gè)波動(dòng)點(diǎn)，需要排除。所以踩點(diǎn)還必須小于一定的值-Threshold。當(dāng)腳抬起來的時(shí)候(“起點(diǎn)”)，身體對(duì)手機(jī)的作用力會(huì)增大，加速度也增大。所以起點(diǎn)必須大于Threshold，大于 Threshold的都稱為起點(diǎn)，因?yàn)槲覀冎魂P(guān)心狀態(tài)的變化。通常地，走路的時(shí)候步與步之間的有一定的時(shí)間間隔，走快些間隔小，走慢些間隔大。如果是跑的話，人類的極限是1秒種跑5步，也就是1步0.2秒。從起點(diǎn)到踩點(diǎn)狀態(tài)變化1次就是走了1步。所以，我們建立包含如下2個(gè)要素的模型M： 1.Length滿足一定閥值，比如 –Threshold <Length < Threshold 2. 兩個(gè)連續(xù)踩點(diǎn)的時(shí)間間隔必須在Timespan (200~2000毫秒)之內(nèi)
圖 3. 模型滿足的條件 步數(shù)識(shí)別 我們把建立的模型用來檢驗(yàn)在坐的士環(huán)境下所采集的數(shù)據(jù)，波形圖如圖4.
圖 4. 用模型檢驗(yàn)的士環(huán)境下的數(shù)據(jù) 我們可以看到后面的一段時(shí)間是比較平穩(wěn)的，前面有一些波動(dòng)，這些波動(dòng)導(dǎo)致了錯(cuò)誤的識(shí)別，識(shí)別為走路。我們可以改進(jìn)這個(gè)模型，增加一個(gè)約束條件：在監(jiān)視了連續(xù) k(比如3)個(gè)踩點(diǎn)后才開始計(jì)步，所以從圖3上標(biāo)號(hào)為4的點(diǎn)開始計(jì)步。這樣的約束就可以把大部分的抖動(dòng)給去掉。把最終的模型用來檢驗(yàn)所采集的不同環(huán)境下的數(shù)據(jù)得到的計(jì)步結(jié)果還是比較準(zhǔn)確的。
現(xiàn)在我們已經(jīng)對(duì)計(jì)步的基本原理有了一定了解。頓時(shí)覺得好簡(jiǎn)單！那么就讓我們看一看下面幾個(gè)簡(jiǎn)單的問題吧。 問：原地踏步會(huì)計(jì)步嗎？ 答：算啊，跟走路一樣的。因?yàn)槟阍靥げ?，雖然沒有相對(duì)于地面的位移，但加速度是存在的。同理，在跑步機(jī)上跑步，放心，步數(shù)都記著呢。 問：坐著抖腿呢？ 答：這與你抖腿的幅度和頻率都有關(guān)，且看少年你骨骼驚奇還是手機(jī)廠商算法高深。任何震動(dòng)會(huì)被采集到，但不同硬件廠商算法對(duì)這些場(chǎng)景處理可能不一樣。 問：綁狗身上行嗎？ 答：既然你這么問了，那我恐怕只能說這與狗狗的性格有關(guān)。文靜一些的，或者幼犬，走路比較慢的話，他/她邁步產(chǎn)生的加速度不一定有人那么高，達(dá)不到算法的閥值。性格活潑的，或者大一些的狗狗，運(yùn)動(dòng)加速度特征與人相似，“騙過”算法的可能性較高。不同手機(jī)廠商也有不同的算法優(yōu)化方案。 問：我生活三點(diǎn)一線，一天就幾千步，如果有機(jī)會(huì)坐火車，是不是可以狠狠刷一把步數(shù)？ 答：計(jì)步的基本原理不是采集距離，也不是采集速度，而是采集加速度。不管火車走多遠(yuǎn)、跑多快，大多數(shù)情況是勻速（或勻加減速）運(yùn)動(dòng)，加速度變化不顯著，且無法形成與走路相似的波形?；疖嚿?，如果你不走路的話，計(jì)算步數(shù)的可能性是非常小的。 追問：那在火車上搖手機(jī)呢？ 答：搖也可以啊，因?yàn)橛幸粋€(gè)縱向加速度，在縱向上會(huì)產(chǎn)生波紋。但這與火車無關(guān)，和原地抖腿沒有本質(zhì)區(qū)別。 問：為什么我坐公交車就算步數(shù)了呢？ 答：對(duì)，公交上被計(jì)算步數(shù)的概率是比較高的。路況有一定影響，繁忙路段行駛時(shí)，走走停停都會(huì)產(chǎn)生加速度的變化。還和司機(jī)的開車習(xí)慣有關(guān)，如果司機(jī)不停地剎車，或者顛得厲害，加速度影響就大。如果遇上開車開得平穩(wěn)又熟悉路況的本地老司機(jī)，車上乘客比較不容易計(jì)步。 問：廠商各有算法，不同設(shè)備用戶在微信運(yùn)動(dòng)上一起排名，如何公平呢？ 答：實(shí)際上，在抖腿、公交之外，走路、跑步才是日常運(yùn)動(dòng)最主要的場(chǎng)景。這些基本場(chǎng)景的算法，業(yè)界是較為統(tǒng)一的。微信對(duì)主要場(chǎng)景也有一套測(cè)試流程，確保不同設(shè)備計(jì)入的步數(shù)差距不大。對(duì)極端場(chǎng)景，也會(huì)持續(xù)優(yōu)化算法。
最后還有你們一直想問的，作弊問題。 其實(shí)可以作弊的地方有很多。特別是安卓，作為一個(gè)開源的系統(tǒng)，人為變更上報(bào)數(shù)據(jù)都是可能的。微信有一套反作弊機(jī)制，比如在用戶手機(jī)端對(duì)速度做簡(jiǎn)單的合法性校驗(yàn)。假如一秒鐘就走了10步，這種數(shù)據(jù)就可能被系統(tǒng)直接抹掉。而且還給他暫停計(jì)步，讓他覺得作弊沒用。 如你所想，抖腿、綁狗，小小“作弊”，完全杜絕是不太可能的。對(duì)于嚴(yán)重、明顯的連續(xù)作弊，微信會(huì)請(qǐng)他進(jìn)入黑名單，他的數(shù)據(jù)不會(huì)再被別人看到，就只能自嗨了。
|
|
|
