游泳动作分析方法、装置、可穿戴设备及存储介质与流程

1.本公开涉及数据处理技术领域，尤其涉及一种游泳动作分析方法、装置、可穿戴设备及存储介质。


背景技术：

2.近些年，可穿戴设备的热度持续上升，且技术越来越成熟，人们对健身需求也越来越强烈，游泳是目前的第三大运动，且游泳分析作为可穿戴设备的基础功能、在市场上越来越普及，大众接受程度和使用频次也越来越高。
3.相关技术中，通常使用地磁传感器对游泳动作进行分析。
4.这种方式下，导致对游泳动作的分析结果不准确，分析效果不佳。


技术实现要素：

5.本公开旨在至少在一定程度上解决相关技术中的技术问题之一。
6.为此，本公开的目的在于提出一种游泳动作分析方法、装置、可穿戴设备、存储介质及计算机程序产品，由于是通过对游泳动作的初始轨迹信息进行质心处理，获得修正后的轨迹信息，以对游泳动作进行分析，能够降低游泳动作分析误差，有效提升游泳动作分析的准确度和分析效果。
7.本公开第一方面实施例提出的游泳动作分析方法，包括：判断进入游泳状态；获取游泳动作的动作感测信号；根据动作感测信号，获得初始轨迹信息；对初始轨迹信息进行质心处理，以获得修正后的轨迹信息。
8.本公开第一方面实施例提出的游泳动作分析方法，通过判断进入游泳状态，获取游泳动作的动作感测信号，根据动作感测信号，获得初始轨迹信息，对初始轨迹信息进行质心处理，以获得修正后的轨迹信息，由于是通过对游泳动作的初始轨迹信息进行质心处理，获得修正后的轨迹信息，以对游泳动作进行分析，能够降低游泳动作分析误差，有效提升游泳动作分析的准确度和分析效果。
9.本公开第二方面实施例提出的游泳动作分析装置，包括：判断模块，用于判断进入游泳状态；第一获取模块，用于获取游泳动作的动作感测信号；第二获取模块，用于根据动作感测信号，获得初始轨迹信息；处理模块，用于对初始轨迹信息进行质心处理，以获得修正后的轨迹信息。
10.本公开第二方面实施例提出的游泳动作分析装置，通过判断进入游泳状态，获取游泳动作的动作感测信号，根据动作感测信号，获得初始轨迹信息，对初始轨迹信息进行质心处理，以获得修正后的轨迹信息，由于是通过对游泳动作的初始轨迹信息进行质心处理，获得修正后的轨迹信息，以对游泳动作进行分析，能够降低游泳动作分析误差，有效提升游泳动作分析的准确度和分析效果。
11.根据本公开第三方面，提供了一种可穿戴设备，包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器
执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行本公开第一方面实施例的游泳动作分析方法。
12.根据本公开第四方面，提出了一种存储有计算机指令的非瞬时计算机可读存储介质，所述计算机指令用于使所述计算机执行本公开第一方面实施例的游泳动作分析方法。
13.根据本公开第五方面，提供了一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现本公开第一方面实施例的游泳动作分析方法。
14.根据本公开所公开上述方案，通过判断进入游泳状态，获取游泳动作的动作感测信号，根据动作感测信号，获得初始轨迹信息，对初始轨迹信息进行质心处理，以获得修正后的轨迹信息，由于是通过对游泳动作的初始轨迹信息进行质心处理，获得修正后的轨迹信息，以对游泳动作进行分析，能够降低游泳动作分析误差，有效提升游泳动作分析的准确度和分析效果。
15.本公开附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本公开的实践了解到。
附图说明
16.本公开上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：
17.图1是本公开一实施例提出的游泳动作分析方法的流程示意图；
18.图2是本公开另一实施例提出的游泳动作分析方法的流程示意图；
19.图3是本公开另一实施例提出的游泳动作分析模型示意图；
20.图4是本公开另一实施例提出的游泳动作分析方法的流程示意图；
21.图5是本公开另一实施例提出的游泳动作分析方法的流程示意图；
22.图6是本公开另一实施例提出的游泳动作分析方法的流程示意图；
23.图7是本公开另一实施例提出的游泳动作分析流程图；
24.图8是本公开另一实施例提出的游泳动作分析流程图；
25.图9是根据本公开一实施例提出的游泳动作分析装置的结构示意图；
26.图10是根据本公开另一实施例提出的游泳动作分析装置的结构示意图；
27.图11示出了适于用于实现本公开实施方式的示例性可穿戴设备的框图。
具体实施方式
28.下面详细描述本公开的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本公开，而不能理解为对本公开的限制。相反，本公开的实施例包括落入所附加权利要求书的精神和内涵范围内的所有变化、修改和等同物。
29.图1是本公开一实施例提出的游泳动作分析方法的流程示意图。
30.其中，需要说明的是，本实施例的游泳动作分析方法的执行主体为游泳动作分析装置，该装置可以由软件和/或硬件的方式实现，该装置可以配置在可穿戴设备中，可穿戴设备例如智能手表、智能手环等，对此不做限制。
31.其中，可穿戴设备即直接穿在身上，或是整合到用户的衣服或配件的一种便携式设备。可穿戴设备不仅仅是一种硬件设备，更是通过软件支持以及数据交互、云端交互来实现相应的功能。
32.需要说明的是，本公开实施例中的获取游泳动作相关的信号与数据，均是在经过相关用户授权后获取的，其获取过程均符合相关法律、法规的规定，且不违背公序良俗。
33.如图1所示，该游泳动作分析方法，包括：
34.s101：判断进入游泳状态。
35.其中，用于确定被测者在游泳中的状态信息，可以被称为游泳状态，游泳状态可以用于确定被测者正在水中进行游泳动作，对此不做限制。
36.本公开实施例中，可以使用传感器等装置，用于检测被测者是否处于游泳状态，或者，也可以在相应的系统中设置游泳状态切换按钮，根据被测者对切换按钮的操作，判断被测者是否进入游泳状态，或者，还可以是其他任意可能的实现方式用于判断被测者进入游泳状态，对此不做限制。
37.举例而言，当被测者在进入泳池且做出游泳动作时，被测者身上的传感器通过记录被测者的动作，用于判断被测者进入游泳状态，或者，也可以是被测者操作游泳动作分析装置中的状态切换按钮，将状态切换为游泳状态，对此不做限制。
38.s102：获取游泳动作的动作感测信号。
39.其中，用于对游泳动作进行动作分析的信号，可以被称为动作感测信号，动作感测信号可以是具有传感器的可穿戴设备经过传感器实时对游泳动作进行感测，采集得到的信号，或者，动作感测信号也可以是大数据平台中已存储的游泳动作的动作感测信号，对此不做限制。
40.本公开实施例中，传感器可以例如是六轴传感器、视觉传感器、流体传感器、地磁传感器等的一种或多种，对此不做限制。
41.本公开实施例中，可以直接获取各个传感器对游泳动作进行感测所采集到的传感器信号，并将该传感器信号作为动作感测信号，或者，也可以对获取得到的传感器信号进行预处理，例如数据去噪、中值滤波等处理方式，将处理得到的信号作为动作感测信号，或者，还可以使用其他任意可能的实现方式获取游泳动作的动作感测信号，对此不做限制。
42.一些实施例中，动作感测信号可以包括：游泳动作的加速度信号；和/或游泳动作的角运动信号；和/或融合加速度信号和角运动信号，得到的衍生感测信号，由于是将加速度信号、和/或角运动信号，和/或融合加速度信号和角运动信号得到的衍生感测信号作为动作感测信号，能够采集得到多种类型的动作感测信号，有效提升动作感测信号的采集全面性和维度多样性，当基于多样维度的动作感测信号对游泳动作进行分析时，能够有效提升分析考量的全面性，使得分析效果更为准确，有效提升动作感测信号对游泳动作特征表征的可靠性和准确性。
43.其中，与被测者在游泳过程中加速度相关的信号，可以被称为加速度信号，与被测者在游泳过程中角速度相关的信号，可以被称为角速度信号，采用一些融合算法对加速度与角速度进行融合，融合得到的信号，可以被称为衍生感测信号，加速度信号可以用于确定被测者在游泳过程中加速度相关的特征，角速度信号可以用于确定被测者在游泳过程中角速度相关的特征，衍生感测信号可以用于确定被测者在游泳过程中对加速度和角速度进行
融合得到的相关的特征，对此不做限制。
44.本公开实施例中，可以使用加速度传感器探测游泳动作的加速度信号、使用角速度传感器探测游泳动作的角速度信号，而后对加速度信号和角速度进行融合处理，得到衍生感测信号，可以将前述加速度信号、角速度信号、衍生感测信号中的至少一种信号作为动作感测信号，或者，还可以使用定位系统定位被测者，得到定位位置，使用动作追踪装置，参考定位位置对被测者的游泳动作进行追踪，以得到被测者的游泳过程中对应的加速度信号、角速度信号、衍生感测信号，并将前述加速度信号、角速度信号、衍生感测信号中的至少一种信号作为动作感测信号，对此不做限制。
45.另一些实施例中，动作感测信号还可以包括描述划次频率的频率感测信号，和/或描述运动轨迹的轨迹感测信号，和/或描述运动姿态的的姿态感测信号等，对此不做限制。
46.s103：根据动作感测信号，获得初始轨迹信息。
47.其中，基于动作感测信号初始确定出的被测者在游泳过程中的运动轨迹，可以被称为初始轨迹信息，初始轨迹信息可以是手臂滑动的轨迹信息，游泳路线的轨迹信息等，轨迹信息例如轨迹中各个轨迹点的位置、相应轨迹点对应的采集时间点等，对此不做限制。
48.本公开实施例中，可以通过对动作感测信号进行信号特征分析处理，以分析出相应的轨迹信息作为初始轨迹信息，或者，也可以根据动作感测信号中记录的加速度、角速度等多种信息，使用轨迹模拟模型模拟对应的轨迹信息作为初始轨迹信息，或者，还可以是其他任意可能的实现方式用于确定初始轨迹信息，对此不做限制。
49.举例而言，可以搭建游泳轨迹分析模型，将动作感测信号中的加速度信号、角速度信号和衍生感测信号等信号输入至游泳轨迹分析模型中，得到对应的初始轨迹信息。
50.s104：对初始轨迹信息进行质心处理，以获得修正后的轨迹信息。
51.其中，质量中心简称质心，指物质系统上被认为质量集中于此的一个假想点。而对初始轨迹信息进行质心处理，是指对初始轨迹信息涉及的质量集中于的一个假想点进行相应的修正处理，其中，该质心，可以具体例如是初始轨迹信息相关的轨迹数据段的质量集中于的一个假想点，对此不做限制。
52.本公开实施例中对初始轨迹信息进行处理，可以是对各个轨迹数据段相关的质心进行相应的修正处理，例如，可以使用质心处理的方法对初始轨迹信息进行修正调整，以得到修正后的轨迹信息，修正过后的轨迹信息用于对被测者的游泳动作进行分析。
53.一些实施例中，对初始轨迹信息进行质心处理，可以是确定游泳轨迹中的各个质心点，而后依据动作感测信号对各个质心点的位置、坐标等进行相应的调整修正处理，以得到修正后的轨迹信息，对此不做限制。
54.另一些实施例中，也可以将初始轨迹信息输入至质心处理模型中，以采用该执行处理模型对初始轨迹信息进行质心处理，以得到修正后的轨迹信息，对此不做限制。
55.另一些实施例中，也可以采用其他任意可能的方式实现对初始轨迹信息进行质心处理，以获得修正后的轨迹信息，对此不做限制。
56.本实施例中，通过判断进入游泳状态，获取游泳动作的动作感测信号，根据动作感测信号，获得初始轨迹信息，对初始轨迹信息进行质心处理，以获得修正后的轨迹信息，由于是通过对游泳动作的初始轨迹信息进行质心处理，获得修正后的轨迹信息，以对游泳动作进行分析，能够降低游泳动作分析误差，有效提升游泳动作分析的准确度和分析效果。
57.图2是本公开另一实施例提出的游泳动作分析方法的流程示意图。
58.如图2所示，该游泳动作分析方法，包括：
59.s201：判断进入游泳状态。
60.可选地，本公开实施例中，可以根据动作感测信号，确定进入游泳动作的游泳状态，或者根据软件指令判断进入游泳状态，如果游泳状态满足状态条件，则确定游泳动作的游泳时间范围，由于是根据动作感测信号或软件指令确定对应的游泳状态，并设置状态条件用于确定游泳时间范围，能够实现准确地判定出是否进入游泳状态，有效提升游泳状态判断的准确性与可靠性。
61.其中，状态条件可以被用于界定游泳状态是否处于游泳中，即当游泳状态是游泳中时，可以判定游泳状态满足状态条件，当游泳状态不是游泳中时，可以判定游泳状态不满足状态条件。
62.本公开实施例中，可以对动作感测信号进行分析处理，以确定游泳动作的游泳状态，例如，可以使用特征比对方法、工程学方法、模型匹配方法等联合动作感测信号，确定游泳动作的游泳状态，对此不做限制。
63.本公开实施例中，可以使用阈值判断，决策树、随机森林、多层感知(multi-layer perceptron，mlp)等机器学习方法确定游泳动作的游泳状态，或者，也可以使用深度学习方法确定游泳动作的游泳状态，或者，还可以是其他任意可能的实现方式确定游泳动作的游泳状态，对此不做限制。
64.也即是说，本公开实施例中可以判断游泳状态是否满足状态条件，当判定游泳状态满足状态条件时，可以触发确定游泳动作的游泳时间范围。
65.其中，从判定游泳开始至判定游泳结束之间的游泳持续时间，可以被称为游泳时间范围，在游泳过程中，可以将游泳对应的全程、单程或者单趟的游泳开始时间和游泳结束时间之间间隔的时间范围作为游泳时间范围，对此不做限制。
66.本公开实施例中，还可以设置状态条件为是否做出游泳动作，当检测到被测者做出游泳动作，则确定游泳状态满足状态条件，当检测到被测者未做出游泳动作，则确定游泳状态不满足状态条件，游泳动作可以例如是入水动作、手臂滑动动作、腿部摆动动作等，或者，也可以是在相关设备中设置状态确认交互按钮，当检测到被测者触发按钮，则确认游泳状态满足状态条件，对此不做限制。
67.可选地，一些实施例中，如果游泳状态满足状态条件，则确定游泳动作的动作场景是否是水中场景，并根据动作感测信号，确定游泳动作的动作连续性，如果动作场景是水中场景，和/或动作连续性满足连续性条件，则确定游泳动作的游泳时间范围，由于是联合动作场景和动作连续性来触发确定游泳时间范围，能够有效保障游泳时间范围确定的客观性、合理性与准确性。
68.其中，被测者在运动过程中的游泳动作的连续性，可以被称为动作连续性，可以结合游泳姿态，确定被测者对应的动作连续性，动作连续性的判断标准，可以是被测者在运动过程中是否产生连续性的动作，例如周期性滑动手臂、周期性踢腿等动作，根据被测者在运动过程中的运动是否产生间断或是否停止运动，来确定动作连续性是否满足连续性条件，对此不做限制。
69.本公开实施例中，可以使用与液体检测相关的传感器确定被测者的动作场景是否
是水中场景，或者，也可以是被测者自行设定的状态(例如热身模式、水下游泳模式等)，以确定被测者的动作场景是否是水中场景，或者，还可以是其他任意可能的实现方式确定动作场景是否是水中场景，对此不做限制。
70.本公开实施例中，当检测到动作场景不是水中场景，或者动作连续性不满足连续性条件时，可以持续检测，直至动作场景是水中场景，且动作连续性满足连续性条件，触发记录游泳动作的游泳时间范围，对此不做限制。
71.s202：获取游泳动作的动作感测信号。
72.由此，可以获取游泳动作在游泳时间范围内的动作信号，作为动作感测信号，对动作感测信号的描述说明可以参见上述实施例，在此不再赘述。
73.s203：根据动作感测信号，获得初始轨迹信息。
74.s203的描述说明可以具体参见上述实施例，在此不再赘述。
75.s204：对初始轨迹信息进行轨迹划分，以得到多个轨迹数据段。
76.其中，对初始轨迹信息进行轨迹划分得到的数据段，可以被称为轨迹数据段，轨迹数据段可以用于表示对应的某段运动轨迹的数据信息。
77.本公开实施例中，可以对游泳时间范围内的初始轨迹信息进行划分，确定多个轨迹数据段，也可以使用预设周期的方式，按照一定预设周期记录游泳时间范围内的初始轨迹信息，并对每个预设周期内获得的初始轨迹信息进行轨迹分析，以得到对应的多个轨迹数据段，对此不做限制。
78.可选地，一些实施例中，在对初始轨迹信息进行轨迹划分，以得到多个轨迹数据段时，可以是每次对初始轨迹信息截取相同数量的数据点，并根据每次截取的相同数量的数据点形成轨迹数据段；或者基于波峰点的分割、和/或基于波谷点的分割，和/或基于零点的分割对初始轨迹信息进行轨迹划分，以得到多个轨迹数据段，由于是每次截取相同数量的数据点，并根据每次截取的相同数量的数据点相应形成轨迹数据段，和/或基于波峰点的分割，和/或基于波谷点的分割，和/或基于零点的分割等方法，用于得到多个轨迹数据段，能够更为准确地得到轨迹数据段，使得轨迹数据段的划分更为客观地描述对应的初始轨迹信息，并且，通过采用多种轨迹数据段的划分方式实现得到多个轨迹数据段时，能够有效提升轨迹数据段划分的灵活性。
79.一些实施例中，可以使用峰值检测方法，设置信号峰值，根据峰值确定对应的轨迹数据段，峰值可以是波峰点或波谷点，可以根据场景和动作的进行调整，或者，也可以使用过零点检测的方式，设置零点信息，根据信号经过零点的情况，得到对应的多个轨迹数据段，对此不做限制。
80.另一些实施例中，还可以联合峰值检测方法和过零点检测方法等多个方法，以确定对应的多个轨迹数据段，对此不做限制。
81.s205：分别对多个轨迹数据段进行质心识别，以得到与多个轨迹数据段分别对应的多个质心信息。
82.其中，动作感测信号中多个轨迹数据段，对多个轨迹数据段进行质心识别，得到多个质心点(该质心点，即轨迹数据段的质心)，多个质心点所对应的信息，可以被称为质心信息，质心信息，可以被用于确定被测者在游泳时间范围内的运动轨迹与轨迹特征等，对此不做限制。
83.本公开实施例中，一段轨迹数据段可以对应一个质心点，该质心点可以被用于确定该段轨迹数据段中运动轨迹所对应的轨迹特征，例如，与该质心点对应的平均速度、加速度、时间等信息，对此不做限制。
84.可选地，本公开实施例中，在分别对多个轨迹数据段进行质心识别，以得到与多个轨迹数据段分别对应的多个质心信息时，可以是确定与多个质心点分别对应的多个质心点位置，确定相邻质心点位置之间的质心点距离，其中，相邻质心点位置，指示第一质心点位置和与其时域距离n个点位置的第二质心点位置之间相邻，n大于或者等于1，确定多个质心点位置之间的位置变化信息，将多个质心点位置、和/或质心点距离、和/或位置变化信息作为多个质心信息，由于是将多个质心点位置、和/或质心点距离、和/或位置变化信息作为多个质心信息，能够对多个质心点进行准确地、多维度的表征，有效保障质心信息确定的准确性，从而有效提升整体轨迹信息修正的准确性，有效提升游泳动作分析的准确性。
85.其中，质心点在相应轨迹数据段中的位置，可以被称为质心点位置，相邻质心点位置之间的距离，可以被称为质心点距离，质心点位置所产生的位置点变化、位置矢量的方向变化等信息，可以被称为位置变化信息。
86.本公开实施例中，可以将多个质心点位置、质心点距离、位置变化信息中的任一种或者多种的组合，作为多个质心信息，对此不做限制。
87.一些实施例中，可以预先设置多个质心点中的一个作为第一质心点，第一质心点所对应的位置可以被称为第一质心点位置，则与其时域距离n个点位置的质心点可以被称为第二质心点，第二质心点所对应的位置可以被称为第二质心点位置，由此，确定第一质心点位置与第二质心点位置间的质心点距离，确定多个质心点位置之间的位置变化信息，以及确定各个质心点的质心点位置、将前述确定的质心点距离、位置变化信息、质心点位置中的一种或者多种的组合作为质心信息，对此不做限制。
88.另一些实施例中，还可以使用定位系统对游泳轨迹进行定位，根据定位确定初始轨迹信息，对初始轨迹信息进行划分，以得到多个轨迹数据段，而后将划分的多个轨迹数据段分别对应映射至定位系统中的多个定位数据信息中，基于各个定位数据信息对相应轨迹数据段进行质心识别，确定多个质心点位置、和/或质心点距离、和/或位置变化信息，并将其作为质心信息，对此不做限制。
89.另一些实施例中，还可以是使用其他任意可能的实现方式实现分别对多个轨迹数据段进行质心识别，以得到与多个轨迹数据段分别对应的多个质心信息，对此不做限制。
90.s206：对多个质心信息进行质心处理，以获得修正后的轨迹信息。
91.本公开实施例中，可以对多个质心信息进行分析处理，根据分析结果，修正被测者在游泳时间范围内的初始轨迹信息，得到修正后的轨迹信息。
92.一些实施例中，可以是使用数据处理的方式，对质心信息进行数据处理(例如设置大数据模型等)，或者，也可以是使用数据分析的方式，例如可以使用游泳效率(swim+golf，swolf)分析模型，以用于提取相应的质心信息并对其进行质心信息的分析处理，以获得修正后的轨迹信息，对此不做限制。
93.可选地，一些实施例中，根据多个质心信息，确定游泳动作在游泳时间范围内的动作划次信息、和/或游泳转身信息，和/或游泳姿态信息；将动作划次信息、和/或游泳转身信息，和/或游泳姿态信息，作为修正后的轨迹信息，由于是对多个质心信息进行分析与获取，
根据质心信息确定游泳时间范围内的动作划次信息、和/或游泳转身信息，和/或游泳姿态信息，能够得到游泳时间范围内更准确的、全面的信息，能够有效提升游泳动作分析的全面性和完整性，有效拓展游泳动作分析方法的应用场景。
94.其中，用于描述游泳动作的动作划次的信息，可以被称为动作划次信息。
95.举例而言，动作划次信息可以例如是表示游泳过程中被测者手臂划动次数，或者，也可以是腿部摆动次数等信息，对此不做限制。
96.其中，用于描述游泳动作的姿态的信息，可以被称为游泳姿态信息。
97.举例而言，游泳姿态信息，可以是游泳过程中被测者的泳姿与身形，具体例如蛙泳、仰泳、自由泳、蝶泳等，对此不做限制。
98.其中，用于描述游泳动作中转身动作相关的信息，可以被称为游泳转身信息。
99.举例而言，游泳转身信息可以例如是表示游泳过程中被测者的转身次数、和/或转身位置、和/或转身方向等，对此不做限制。
100.本公开实施例中，可以使用深度学习方法，搭建对应的游泳动作分析模型，如图3所示，图3是本公开另一实施例提出的游泳动作分析模型示意图，其中，游泳检测模块用于获取游泳动作的动作感测信号，对动作感测信号进行处理，得到对应的动作划次信息、游泳姿态信息和游泳转身信息，划次检测模块用于确定动作划次信息、泳姿识别模块用于确定游泳姿态信息，转身判断模块用于确定游泳转身信息，并将动作划次信息、游泳姿态信息，以及游泳转身信息作为修正后的轨迹信息，输入至后处理模块进行分析处理，得到游泳动作分析结果。
101.可选地，本公开实施例中，根据动作划次信息、和/或游泳转身信息，和/或游泳姿态信息对游泳动作进行分析，可以是分析动作划次信息、游泳姿态信息，以及游泳转身信息，得到当前游泳程数，和/或游泳趟数，和/或游泳距离，分析动作划次信息、游泳姿态信息，以及游泳转身信息，得到每程划次，和/或设定时间范围内划次，和/或游泳总划次，和/或划水频率，和/或泳姿统计信息，其中，泳姿统计信息包括：主泳姿信息，和/或混合泳姿信息，由于对多种信息进行分析与获取，能够得到游泳过程中更准确的、全面的信息，能够有效提升游泳动作分析的全面性和完整性，有效拓展游泳动作分析方法的应用场景。
102.本公开实施例中，可以结合动作划次信息、游泳姿态信息，以及游泳转身信息，对被测者在游泳时间范围内的多种信息进行分析，分析方式可以是预先设置数据分析模型，或者，也可以使用人工智能、大数据分析等方式，对此不做限制。
103.本实施例中，由于是通过对游泳动作的初始轨迹信息进行质心处理，获得修正后的轨迹信息，以对游泳动作进行分析，能够降低游泳动作分析误差，有效提升游泳动作分析的准确度和分析效果，由于是联合动作场景和动作连续性来触发确定游泳时间范围，能够有效保障游泳时间范围确定的客观性、合理性与准确性，由于是使用截取相同数量的数据点，和/或基于波峰点的分割，和/或基于波谷点的分割，和/或基于零点的分割等方法，用于得到多个轨迹数据段，能够更为准确地得到轨迹数据段，使得轨迹数据段的划分更为客观地描述对应的初始轨迹信息，有效提升轨迹数据段划分的灵活性。由于是将多个质心点位置、和/或质心点距离、和/或位置变化信息作为多个质心信息，能够对多个质心点进行准确地、多维度的表征，有效保障质心信息确定的准确性，从而有效提升整体轨迹信息修正的准确性，有效提升游泳动作分析的准确性。由于是对多个质心信息进行分析与获取，根据质心
信息确定游泳时间范围内的动作划次信息、和/或游泳转身信息，和/或游泳姿态信息，能够得到游泳时间范围内更准确的、全面的信息，有效提升游泳动作分析的全面性和完整性，有效拓展游泳动作分析方法的应用场景，由于对多种信息进行分析与获取，能够得到游泳过程中更准确的、全面的信息，能够有效提升游泳动作分析的全面性和完整性，有效拓展游泳动作分析方法的应用场景，由于是对初始轨迹信息进行轨迹划分，以得到多个轨迹数据段，分别对多个轨迹数据段进行质心识别，以得到与多个轨迹数据段分别对应的多个质心信息，对多个质心信息进行质心处理，以获得修正后的轨迹信息，能够根据多个轨迹数据段对初始轨迹信息进行质心处理，修正初始轨迹信息，进而得到更为客观的轨迹信息，有效提升轨迹信息的准确性与客观性。
104.图4是本公开另一实施例提出的游泳动作分析方法的流程示意图。
105.如图4所示，该游泳动作分析方法，包括：
106.s401：判断进入游泳状态。
107.s402：获取游泳动作的动作感测信号。
108.s403：根据动作感测信号，获得初始轨迹信息。
109.s404：对初始轨迹信息进行轨迹划分，以得到多个轨迹数据段。
110.s405：分别对多个轨迹数据段进行质心识别，以得到与多个轨迹数据段分别对应的多个质心信息。
111.s401-s405的描述说明可以具体参见上述实施例，在此不再赘述。
112.s406：从游泳时间范围内的多个质心位置中确定出目标质心位置。
113.其中，从游泳时间范围内的多个质心位置中，按照预先设置好的筛选条件筛选出的一个或多个质心位置，可以被称为目标质心位置，其中，可以根据实际场景需求自适应配置筛选条件，对此不做限制。
114.举例而言，在游泳划次信息确定的过程中，可以设置筛选条件为手臂摆动至某一角度的位置，以此统计多个目标质心位置，对此不做限制。
115.本公开实施例中，可以使用滑动窗口算法确定质心位置，根据峰值检测、过零点检测、数值差分等方法来计算和统计目标质心位置，或者，也可以搭建条件判断模型，设置筛选条件，判断符合筛选条件的多个质心位置作为目标质心位置，或者，还可以是采用深度学习方法训练深度学习模型，通过训练后深度学习模型筛选多个质心位置，得到目标质心位置，对此不做限制。
116.可选地，一些实施例中，可以采用峰值检测方法，和/或过零点检测方法，和/或数值差分方法从游泳时间范围内的多个质心位置中确定出目标质心位置，由于是使用峰值检测方法，和/或过零点检测方法，和/或数值差分方法等用于确定出目标质心位置，能够更为准确地得到目标质心位置，减小目标质心位置确定的误差，进而提升目标质心位置确定的准确性。
117.一些实施例中，可以使用峰值检测方法，设置信号峰值，根据峰值确定对应的目标质心位置，峰值可以是波峰点或波谷点，可以根据场景和动作的进行调整，或者，也可以使用过零点检测的方式，设置零点信息，根据信号经过零点的情况，得到对应的多个目标质心位置，对此不做限制。
118.另一些实施例中，还可以联合峰值检测方法和过零点检测方法等多个方法，以确
定对应的多个目标质心位置，对此不做限制。
119.s407：将目标质心位置的数量作为游泳动作在游泳时间范围内的动作划次信息。
120.本公开实施例中，目标质心位置的数量可以表示被测者在游泳过程中对应的划次。
121.举例而言，在使用过零点检测的方法确定目标质心位置时，目标质心位置的数量可以代表被测者滑动到该零点时的数量，通过统计目标质心位置的数量，以及时间等信息，可以得到被测者在有用过程中对应的划动次数、划动频率。
122.本公开实施例中，可以统计在游泳时间范围内确定的目标质心位置的数量，并将该数量作为游泳动作对应的动作划次信息，或者，也可以将目标质心位置所对应的时间信息、距离信息等信息，共同作为动作划次信息，对此不做限制。
123.本实施例中，由于是通过对游泳动作的初始轨迹信息进行质心处理，获得修正后的轨迹信息，以对游泳动作进行分析，能够降低游泳动作分析误差，有效提升游泳动作分析的准确度和分析效果，由于是对初始轨迹信息进行轨迹划分，以得到多个轨迹数据段，分别对多个轨迹数据段进行质心识别，以得到与多个轨迹数据段分别对应的多个质心信息，能够根据多个轨迹数据段对初始轨迹信息进行质心处理，得到更为客观准确的轨迹信息，由于是使用峰值检测方法，和/或过零点检测方法，和/或数值差分方法等用于确定出目标质心位置，能够更为准确地得到目标质心位置，减小目标质心位置确定的误差，进而提升目标质心位置确定的准确性，由于是从游泳时间范围内的多个质心位置中确定出目标质心位置，并将目标质心位置的数量作为游泳动作在游泳时间范围内的动作划次信息，从多个信号质心位置中确定出目标信号质心位置，将目标信号质心位置的数量作为游泳动作在游泳时间范围内的动作划次信息，能够有效提升动作划次信息确定的便捷性，且有效保障动作划次信息确定的准确性，实现确定效率与准确性的兼顾，保障游泳动作分析方法的适用性。
124.图5是本公开另一实施例提出的游泳动作分析方法的流程示意图。
125.如图5所示，该游泳动作分析方法，包括：
126.s501：判断进入游泳状态。
127.s502：获取游泳动作的动作感测信号。
128.s503：根据动作感测信号，获得初始轨迹信息。
129.s504：对初始轨迹信息进行轨迹划分，以得到多个轨迹数据段。
130.s505：分别对多个轨迹数据段进行质心识别，以得到与多个轨迹数据段分别对应的多个质心信息。
131.s501-s505的描述说明可以具体参见上述实施例，在此不再赘述。
132.s506：根据多个质心信息，拟合得到游泳动作在游泳时间范围内的姿态特征。
133.其中，用于表征被测者在游泳时间范围内动作与姿态的特征，可以被称为游泳动作的姿态特征，姿态特征可以例如是被测者整体姿态特征、手臂摆动特征、腿部摆动特征等，对此不做限制。
134.本公开实施例中，可以使用信息解析模型从多个质心信息中解析并拟合被测者在游泳时间范围内对应的整体姿态特征、手臂摆动特征、腿部摆动特征等姿态特征，或者，也可以对多个质心信息进行处理，提取能够表征游泳动作的姿态特征的信息，以分析姿态特征，或者，也可以采用其他任意可能的方式实现根据多个质心信息，拟合得到游泳动作在游
泳时间范围内的姿态特征，例如，人工智能方式、数学算法的方式等，对此不做限制。
135.s507：确定姿态特征匹配的参考姿态特征，其中，参考姿态特征是参考游泳姿态的特征。
136.其中，预先设置的用于当作参考的游泳姿态的特征，可以被称为参考姿态特征，参考姿态特征可以用于表示标准的游泳姿态的特征，或者，也可以是预先设置的与被测者身形对应的游泳姿态特征，对此不做限制。
137.本公开实施例中，参考游泳姿态可以是多种标准的游泳姿态，由此，参考姿态特征，可以具体例如是标准的蝶泳姿态对应的姿态特征、标准的蛙泳对应的姿态特征等，对此不做限制。
138.本公开实施例中，还可以根据图像识别方式，识别被测者在游泳过程中的图像信息，分析得到对应的姿态特征，并与预先设置的多种参考姿态特征进行匹配识别，匹配得到对应的参考姿态特征，或者，也可以根据数据处理，将参考姿态特征对应的游泳姿态信息作为参考数据，设置判断标准，当检测得到被测者在游泳过程中姿态特征对应的数据满足判断标准，进而辅助判断出与姿态特征匹配的参考姿态特征，对此不做限制。
139.举例而言，预先记录多种标准泳姿下的手臂摆动、腿部摆动等姿态对应的数据信息(角度信息、幅度信息等信息)，并将其作为对应游泳动作的参考姿态特征对应的数据信息记录在泳姿判定模型中。在被测者处于游泳过程中，获取动作感测信号，并从动作感测信号中解析得到被测者手臂摆动幅度、角度等信息，输入至泳姿判定模型中，与多种参考姿态特征进行对比，选择相似度最高的参考姿态特征作为匹配的参考姿态特征。
140.可选地，根据多个质心信息对初始轨迹信息进行分帧处理，以得到多个轨迹数据帧，其中，相邻轨迹数据帧之间的帧移是目标帧移，根据动作划次信息和多个轨迹数据帧，分析游泳动作的姿态特征，由于是对初始轨迹信息进行分帧处理，得到多个轨迹数据帧，根据动作划次信息和多个轨迹数据帧，分析游泳动作的姿态特征，能够有效提升游泳动作的姿态特征识别分析的准确性，同时，使用相邻轨迹数据帧间的帧移作为目标帧移，能够实现对初始轨迹信息进行有效地、准确地逐帧分析处理，有效提升逐帧分析处理的效率，并且能够有效提升所得游泳动作的姿态特征的可参考性。
141.本公开实施例中，根据动作划次信息和多个轨迹数据帧，分析游泳动作的姿态特征，可以是使用预训练的姿态判定模型，将动作划次信息和多个轨迹数据帧输入至姿态判定模型中，基于姿态判定模型分析并确定游泳动作的姿态特征，或者，也可以是使用决策树方式，对动作划次信息和多个轨迹数据帧进行决策处理，确定姿态特征，或者，还可以是使用多层感知机、随机森林等方式，分析游泳动作的姿态特征，对此不做限制。
142.举例而言，设置决策树模型，并预先设置好的多种泳姿识别的决策方案，分析动作划次信息和多个轨迹数据帧中携带的有效数据信息，基于该有效数据信息得到相应的分析结果，并基于该分析结果确认游泳动作的姿态特征。
143.本公开实施例中，可以通过数据分帧对传感器收集得到的数据信号进行数据分割，得到多帧轨迹数据帧，或者，可以通过数据分帧对传感器收集得到的衍生数据进行数据分割，得到多帧轨迹数据帧，或者，可以对传感器收集得到的数据信号进行预处理，并对于处理后的数据信号进行数据分割，得到多帧轨迹数据帧，进而实现泳姿识别，对此不做限制。
144.其中，数据分割的方法可以是定长分割，或者，也可以是非定长分割，对此不做限制。
145.举例而言，假定轨迹数据帧的帧长可以为l，目标帧移为k，该目标帧移为k，可以根据对泳姿判定的实时性和准确性需求来共同确定，对此不做限制。
146.可选地，一些实施例中，将动作划次信息和多个轨迹数据帧输入至预训练的姿态判定模型之中，以得到姿态判定模型输出的姿态特征，由于是通过搭建预训练的姿态判定模型，确定游泳动作的姿态特征，能够有效提升姿态判定的效率和准确性，有效提升游泳动作的姿态特征的判定效果。
147.本公开实施例中，可以根据不同游泳姿态对应的动作划次信息和轨迹数据帧，搭建深度学习模型，并对深度学习模型进行预训练，得到姿态判定模型，用于输出姿态特征，其中，姿态判定模型的搭建，可以是预先收集多种已知姿态特征的轨迹数据帧作为样本，将样本输入至深度学习模型中，以对深度学习模型进行迭代训练，当深度学习模型收敛时，将训练得到的深度学习模型作为姿态判定模型，由此，根据预训练的姿态判定模型确定游泳动作的姿态特征，对此不做限制。
148.s508：将参考游泳姿态作为游泳姿态信息。
149.本公开实施例中，由于参考姿态特征是参考游泳姿态的特征，该参考姿态特征可以是预先对参考游泳姿态进行特征分析得到的，在确定姿态特征匹配的参考姿态特征之后，可以直接将参考姿态特征所属的参考游泳姿态作为游泳姿态信息，或者，还可以是对参考游泳姿态进行相应的指导校正处理，将指导校正后的游泳姿态作为游泳姿态信息，对此不做限制。
150.举例而言，当检测到被测者在游泳过程中的姿态特征与蝶泳对应的参考姿态特征相匹配时，可以将蝶泳对应的参考游泳姿态作为游泳姿态信息，也即表示表示被测者此时正在进行蝶泳。
151.本实施例中，由于是通过对游泳动作的初始轨迹信息进行质心处理，获得修正后的轨迹信息，以对游泳动作进行分析，能够降低游泳动作分析误差，有效提升游泳动作分析的准确度和分析效果，由于是对初始轨迹信息进行轨迹划分，以得到多个轨迹数据段，分别对多个轨迹数据段进行质心识别，以得到与多个轨迹数据段分别对应的多个质心信息，能够根据多个轨迹数据段对初始轨迹信息进行质心处理，得到更为客观准确的轨迹信息，由于是根据多个质心信息，拟合得到游泳动作在游泳时间范围内的姿态特征，确定姿态特征匹配的参考姿态特征，将参考游泳姿态作为游泳姿态信息，能够准确地、快速地识别游泳动作对应的游泳姿态，进而提升泳姿判定的效率和准确性，由于是对初始轨迹信息进行分帧处理，得到多个轨迹数据帧，根据动作划次信息和多个轨迹数据帧，分析游泳动作的姿态特征，能够有效提升游泳动作的姿态特征识别分析的准确性，同时，使用相邻轨迹数据帧间的帧移作为目标帧移，能够实现对初始轨迹信息进行有效地、准确地逐帧分析处理，有效提升逐帧分析处理的效率，并且能够有效提升所得游泳动作的姿态特征的可参考性，由于是通过搭建预训练的姿态判定模型，确定游泳动作的姿态特征，能够有效提升姿态判定的效率和准确性，有效提升游泳动作的姿态特征的判定效果。
152.图6是本公开另一实施例提出的游泳动作分析方法的流程示意图。
153.如图6所示，该游泳动作分析方法，包括：
154.s601：判断进入游泳状态。
155.s602：获取游泳动作的动作感测信号。
156.s603：根据动作感测信号，获得初始轨迹信息。
157.s604：对初始轨迹信息进行轨迹划分，以得到多个轨迹数据段。
158.s605：分别对多个轨迹数据段进行质心识别，以得到与多个轨迹数据段分别对应的多个质心信息。
159.s601-s605的描述说明可以具体参见上述实施例，在此不再赘述。
160.s606：根据位置变化信息和质心点距离，确定游泳动作在游泳时间范围内的游泳转身信息。
161.本公开实施例中，将质心点距离、和位置变化信息作为质心信息，根据位置变化信息和质心点距离，确定游泳动作在游泳时间范围内的游泳转身信息。
162.本公开实施例中，可以根据位置变化信息和质心点距离，通过决策树方法、随机森林方法等方法，确定转身位置、趟数、距离累加值等游泳转身信息，或者，也可以通过搭建卷积神经网络(convolutional neural networks，cnn)模型、长短期记忆(long short-term memory，lstm)模型等方法，通过对位置变化信息和质心点距离进行分析处理，确定转身位置、趟数、距离累加值等游泳转身信息，对此不做限制。
163.举例而言，当位置变化信息和质心点距离相同时，可以表示被测者正在进行直线运动，未发生转身动作，当位置变化信息明显大于质心点距离时，可以表示在该段范围内发生转身动作，从而确定该段路线对应的转身位置、趟数、距离累加值等游泳转身信息。
164.本实施例中，由于是通过对游泳动作的初始轨迹信息进行质心处理，获得修正后的轨迹信息，以对游泳动作进行分析，能够降低游泳动作分析误差，有效提升游泳动作分析的准确度和分析效果，由于是对初始轨迹信息进行轨迹划分，以得到多个轨迹数据段，分别对多个轨迹数据段进行质心识别，以得到与多个轨迹数据段分别对应的多个质心信息，能够根据多个轨迹数据段对初始轨迹信息进行质心处理，得到更为客观准确的轨迹信息，由于是通过分析位置变化信息和质心点距离，确定游泳动作在游泳时间范围内的游泳转身信息，能够使得对游泳转身的判断更为准确，提升游泳转身位置、转身距离等的数据的准确性，有效提升游泳动作分析的准确性。
165.综上，一些实施例中，如图7所示，图7是本公开另一实施例提出的游泳动作分析流程图，首先，使用多个传感器收集游泳信号，获取游泳数据，并对游泳数据进行预处理，得到动作感测信号，而后进行划次检测和转身判断，并判断被测者当前状态是否为游泳状态，若为游泳状态，则将划次检测得到的数据进行划次确认和泳姿识别，生成动作划次信息和游泳姿态信息，并进行转身确认，生成游泳转身信息，而后对得到的动作划次信息、游泳姿态信息、游泳转身信息进行后处理，生成对应的分析结果。
166.另一些实施例中，如图8所示，图8是本公开另一实施例提出的游泳动作分析流程图，首先，使用多个传感器收集游泳信号，获取游泳数据，并对游泳数据进行预处理，得到动作感测信号，而后进行动作感测信号的数据分帧和划次检测，划次检测生成动作划次信息，对动作感测信号进行数据分帧处理，得到多个轨迹数据帧，轨迹数据帧可以被用于泳姿识别，生成游泳姿态信息，轨迹数据帧还可以被用于质心点和质心点距离的计算，并基于质心点位置和质心点距离共同实现转身检测，生成游泳转身信息，对得到的动作划次信息、游泳
姿态信息，以及游泳转身信息进行后处理，生成对应的分析结果。
167.图9是根据本公开一实施例提出的游泳动作分析装置的结构示意图。
168.如图9所示，该游泳动作分析装置90，包括：
169.判断模块901，用于判断进入游泳状态；
170.第一获取模块902，用于获取游泳动作的动作感测信号；
171.第二获取模块903，用于根据动作感测信号，获得初始轨迹信息；
172.处理模块904，用于对初始轨迹信息进行质心处理，以获得修正后的轨迹信息。
173.在本公开的一些实施例中，如图10所示，图10是根据本公开另一实施例提出的游泳动作分析装置的结构示意图，其中，处理模块904，包括：
174.划分子模块9041，用于对初始轨迹信息进行轨迹划分，以得到多个轨迹数据段；
175.识别子模块9042，用于分别对多个轨迹数据段进行质心识别，以得到与多个轨迹数据段分别对应的多个质心信息；
176.处理子模块9043，用于对多个质心信息进行质心处理，以获得修正后的轨迹信息。
177.在本公开的一些实施例中，如图10所示，识别子模块9042，具体用于：
178.确定与多个轨迹数据段分别对应的多个质心点；
179.确定与多个质心点分别对应的多个质心点位置；
180.确定相邻质心点位置之间的质心点距离，其中，相邻质心点位置，指示第一质心点位置和与其时域距离n个点位置的第二质心点位置之间相邻，n大于或者等于1；
181.确定多个质心点位置之间的位置变化信息；
182.将多个质心点位置、和/或质心点距离、和/或位置变化信息作为多个质心信息。
183.在本公开的一些实施例中，如图10所示，划分子模块9041，具体用于：
184.每次对初始轨迹信息截取相同数量的数据点，并根据每次截取的相同数量的数据点形成轨迹数据段；或者
185.基于波峰点的分割、和/或基于波谷点的分割，和/或基于零点的分割对初始轨迹信息进行轨迹划分，以得到多个轨迹数据段。
186.在本公开的一些实施例中，如图10所示，处理子模块9043，具体用于：
187.根据多个质心信息，确定游泳动作在游泳时间范围内的动作划次信息、和/或游泳转身信息，和/或游泳姿态信息；
188.将动作划次信息、和/或游泳转身信息，和/或游泳姿态信息，作为修正后的轨迹信息。
189.在本公开的一些实施例中，如图10所示，判断模块901，具体用于：
190.根据动作感测信号，确定进入游泳动作的游泳状态；或者
191.根据软件指令判断进入游泳状态；
192.如果游泳状态满足状态条件，则确定游泳动作的游泳时间范围；
193.其中，第一获取模块902，具体用于：
194.获取游泳动作在游泳时间范围内的动作感测信号。
195.在本公开的一些实施例中，如图10所示，判断模块901，具体用于：
196.在游泳状态满足状态条件时，确定游泳动作的动作场景是否是水中场景；
197.根据动作感测信号，确定游泳动作的动作连续性；
198.在动作场景是水中场景，和/或动作连续性满足连续性条件时，确定游泳动作的游泳时间范围。
199.在本公开的一些实施例中，如图10所示，质心信息，是质心点位置；
200.其中，处理子模块9043，具体用于：
201.从游泳时间范围内的多个质心位置中确定出目标质心位置；
202.将目标质心位置的数量作为游泳动作在游泳时间范围内的动作划次信息。
203.在本公开的一些实施例中，如图10所示，处理子模块9043，具体用于：
204.采用峰值检测方法，和/或过零点检测方法，和/或数值差分方法从游泳时间范围内的多个质心位置中确定出目标质心位置。
205.在本公开的一些实施例中，如图10所示，处理子模块9043，具体用于：
206.根据多个质心信息，拟合得到游泳动作在游泳时间范围内的姿态特征；
207.确定姿态特征匹配的参考姿态特征，其中，参考姿态特征是参考游泳姿态的特征；
208.将参考游泳姿态作为游泳姿态信息。
209.在本公开的一些实施例中，如图10所示，处理子模块9043，具体用于：
210.根据多个质心信息对初始轨迹信息进行分帧处理，以得到多个轨迹数据帧，其中，相邻轨迹数据帧之间的帧移是目标帧移；
211.根据动作划次信息和多个轨迹数据帧，分析游泳动作的姿态特征。
212.在本公开的一些实施例中，如图10所示，处理子模块9043，具体用于：
213.将动作划次信息和多个轨迹数据帧输入至预训练的姿态判定模型之中，以得到姿态判定模型输出的姿态特征。
214.在本公开的一些实施例中，如图10所示，质心信息，是质心点距离、和位置变化信息；
215.其中，处理子模块9043，具体用于：
216.根据位置变化信息和质心点距离，确定游泳动作在游泳时间范围内的游泳转身信息。
217.在本公开的一些实施例中，如图10所示，还包括：
218.第一分析模块905，用于根据动作划次信息、和/或游泳转身信息，和/或游泳姿态信息对游泳动作进行分析；
219.第二分析模块906，用于分析动作划次信息、游泳姿态信息，以及游泳转身信息，得到当前游泳程数，和/或游泳趟数，和/或游泳距离；
220.第三分析模块907，用于分析动作划次信息、游泳姿态信息，以及游泳转身信息，得到每程划次，和/或设定时间范围内划次，和/或游泳总划次，和/或划水频率，和/或泳姿统计信息，其中，泳姿统计信息包括：主泳姿信息，和/或混合泳姿信息。
221.与上述图1至图8实施例提供的游泳动作分析方法相对应，本公开还提供一种游泳动作分析装置，由于本公开实施例提供的游泳动作分析装置与上述图1至图8实施例提供的游泳动作分析方法相对应，因此在游泳动作分析方法的实施方式也适用于本公开实施例提供的游泳动作分析装置，在本公开实施例中不再详细描述。
222.本实施例中，通过判断进入游泳状态，获取游泳动作的动作感测信号，根据动作感测信号，获得初始轨迹信息，对初始轨迹信息进行质心处理，以获得修正后的轨迹信息，由
于是通过对游泳动作的初始轨迹信息进行质心处理，获得修正后的轨迹信息，以对游泳动作进行分析，能够降低游泳动作分析误差，有效提升游泳动作分析的准确度和分析效果。
223.为了实现上述实施例，本公开还提出一种非临时性计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本公开前述实施例提出的游泳动作分析方法。
224.为了实现上述实施例，本公开还提出一种可穿戴设备，包括：存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行程序时，实现如本公开前述实施例提出的游泳动作分析方法。
225.为了实现上述实施例，本公开还提出一种计算机程序产品，当计算机程序产品中的指令处理器执行时，执行如本公开前述实施例提出的游泳动作分析方法。
226.图11示出了适于用于实现本公开实施方式的示例性可穿戴设备的框图。图11显示的可穿戴设备12仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。
227.如图11所示，可穿戴设备12以通用计算设备的形式表现。可穿戴设备12的组件可以包括但不限于：一个或者多个处理器或者处理单元16，系统存储器28，连接不同系统组件(包括系统存储器28和处理单元16)的总线18。总线18表示几类总线结构中的一种或多种，包括存储器总线或者存储器控制器，外围总线，图形加速端口，处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说，这些体系结构包括但不限于工业标准体系结构(industry standard architecture；以下简称：isa)总线，微通道体系结构(micro channel architecture；以下简称：mac)总线，增强型isa总线、视频电子标准协会(video electronics standards association；以下简称：vesa)局域总线以及外围组件互连(peripheral component interconnection；以下简称：pci)总线。
228.可穿戴设备12典型地包括多种计算机系统可读介质。这些介质可以是任何能够被可穿戴设备12访问的可用介质，包括易失性和非易失性介质，可移动的和不可移动的介质。
229.存储器28可以包括易失性存储器形式的计算机系统可读介质，例如随机存取存储器(random access memory；以下简称：ram)30和/或高速缓存存储器32。可穿戴设备12可以进一步包括其他可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例，存储系统34可以用于读写不可移动的、非易失性磁介质(图11未显示，通常称为“硬盘驱动器”)。
230.尽管图11中未示出，可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器，以及对可移动非易失性光盘(例如：光盘只读存储器(compact disc read only memory；以下简称：cd-rom)、数字多功能只读光盘(digital video disc read only memory；以下简称：dvd-rom)或者其他光介质)读写的光盘驱动器。在这些情况下，每个驱动器可以通过一个或者多个数据介质接口与总线18相连。存储器28可以包括至少一个程序产品，该程序产品具有一组(例如至少一个)程序模块，这些程序模块被配置以执行本公开各实施例的功能。
231.具有一组(至少一个)程序模块42的程序/实用工具40，可以存储在例如存储器28中，这样的程序模块42包括但不限于操作系统、一个或者多个应用程序、其他程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块42通常执行本公开所描述的实施例中的功能和/或方法。
232.可穿戴设备12也可以与一个或多个外部设备14(例如键盘、指向设备、显示器24等)通信，还可与一个或者多个使得用户能与该可穿戴设备12交互的设备通信，和/或与使得该可穿戴设备12能与一个或多个其他计算设备进行通信的任何设备(例如网卡，调制解调器等等)通信。这种通信可以通过输入/输出(i/o)接口22进行。并且，可穿戴设备12还可以通过网络适配器20与一个或者多个网络(例如局域网(local area network；以下简称：lan)，广域网(wide area net work；以下简称：wan)和/或公共网络，例如因特网)通信。如图所示，网络适配器20通过总线18与可穿戴设备12的其他模块通信。应当明白，尽管图中未示出，可以结合可穿戴设备12使用其他硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、raid系统、磁带驱动器以及数据备份存储系统等。
233.处理单元16通过运行存储在系统存储器28中的程序，从而执行各种功能应用以及数据处理，例如实现前述实施例中提及的游泳动作分析方法。
234.本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本公开的其他实施方案。本公开旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由下面的权利要求指出。
235.应当理解的是，本公开并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。
236.需要说明的是，在本公开的描述中，术语“第一”、“第二”等仅用于描述目的，而不能理解为指示或暗示相对重要性。此外，在本公开的描述中，除非另有说明，“多个”的含义是两个或两个以上。
237.流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本公开的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本公开的实施例所属技术领域的技术人员所理解。
238.应当理解，本公开的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(pga)，现场可编程门阵列(fpga)等。
239.本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。
240.此外，在本公开各个实施例中的各功能单元可以集成在一个处理模块中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机
可读取存储介质中。
241.上述提到的存储介质可以是只读存储器，磁盘或光盘等。
242.在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本公开的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
243.尽管上面已经示出和描述了本公开的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本公开的限制，本领域的普通技术人员在本公开的范围内可以对上述实施例进行变化、修改、替换和变型。

技术特征：
1.一种游泳动作分析方法，其特征在于，包括：判断进入游泳状态；获取游泳动作的动作感测信号；根据所述动作感测信号，获得初始轨迹信息；对所述初始轨迹信息进行质心处理，以获得修正后的轨迹信息。2.如权利要求1所述的方法，其特征在于，所述对所述初始轨迹信息进行质心处理，以获得修正后的轨迹信息，包括：对所述初始轨迹信息进行轨迹划分，以得到多个轨迹数据段；分别对所述多个轨迹数据段进行质心识别，以得到与所述多个轨迹数据段分别对应的多个质心信息；对所述多个质心信息进行质心处理，以获得修正后的轨迹信息。3.如权利要求2所述的方法，其特征在于，所述分别对所述多个轨迹数据段进行质心识别，以得到与所述多个轨迹数据段分别对应的多个质心信息，包括：确定与所述多个轨迹数据段分别对应的多个质心点；确定与所述多个质心点分别对应的多个质心点位置；确定相邻所述质心点位置之间的质心点距离，其中，所述相邻所述质心点位置，指示第一质心点位置和与其时域距离n个点位置的第二质心点位置之间相邻，所述n大于或者等于1；确定所述多个质心点位置之间的位置变化信息；将所述多个质心点位置、和/或所述质心点距离、和/或所述位置变化信息作为所述多个质心信息。4.如权利要求2所述的方法，其特征在于，所述对所述初始轨迹信息进行轨迹划分，以得到多个轨迹数据段，包括：每次对所述初始轨迹信息截取相同数量的数据点，并根据每次截取的所述相同数量的数据点形成所述轨迹数据段；或者基于波峰点的分割、和/或基于波谷点的分割，和/或基于零点的分割对所述初始轨迹信息进行轨迹划分，以得到多个轨迹数据段。5.如权利要求3所述的方法，其特征在于，所述对所述多个质心信息进行质心处理，以获得修正后的轨迹信息，包括：根据所述多个质心信息，确定游泳动作在游泳时间范围内的动作划次信息、和/或游泳转身信息，和/或游泳姿态信息；将所述动作划次信息、和/或所述游泳转身信息，和/或所述游泳姿态信息，作为所述修正后的轨迹信息。6.如权利要求5所述的方法，其特征在于，所述判断进入游泳状态，包括：根据所述动作感测信号，确定进入所述游泳动作的游泳状态；或者根据软件指令判断进入游泳状态；如果所述游泳状态满足状态条件，则确定所述游泳动作的游泳时间范围；其中，所述获取游泳动作的动作感测信号，包括：获取所述游泳动作在所述游泳时间范围内的动作感测信号。
7.如权利要求6所述的方法，其特征在于，所述如果所述游泳状态满足状态条件，则确定所述游泳动作的游泳时间范围，包括：如果所述游泳状态满足所述状态条件，则确定所述游泳动作的动作场景是否是水中场景；根据所述动作感测信号，确定所述游泳动作的动作连续性；如果所述动作场景是所述水中场景，和/或所述动作连续性满足连续性条件，则确定所述游泳动作的游泳时间范围。8.如权利要求5所述的方法，其特征在于，所述质心信息，是所述质心点位置；其中，所述根据所述多个质心信息，确定游泳动作在游泳时间范围内的动作划次信息，包括：从所述游泳时间范围内的所述多个质心位置中确定出目标质心位置；将所述目标质心位置的数量作为所述游泳动作在所述游泳时间范围内的所述动作划次信息。9.如权利要求8所述的方法，其特征在于，所述从所述游泳时间范围内的所述多个质心位置中确定出目标质心位置，包括：采用峰值检测方法，和/或过零点检测方法，和/或数值差分方法从所述游泳时间范围内的所述多个质心位置中确定出目标质心位置。10.如权利要求8所述的方法，其特征在于，其中，所述根据所述多个质心信息，确定游泳动作在游泳时间范围内的游泳姿态信息，包括：根据所述多个质心信息，拟合得到所述游泳动作在游泳时间范围内的姿态特征；确定所述姿态特征匹配的参考姿态特征，其中，所述参考姿态特征是参考游泳姿态的特征；将所述参考游泳姿态作为所述游泳姿态信息。11.如权利要求10所述的方法，其特征在于，所述根据所述多个质心信息，拟合得到所述游泳动作在游泳时间范围内的姿态特征，包括：根据所述多个质心信息对所述初始轨迹信息进行分帧处理，以得到多个轨迹数据帧，其中，相邻所述轨迹数据帧之间的帧移是目标帧移；根据所述动作划次信息和所述多个轨迹数据帧，分析所述游泳动作的姿态特征。12.如权利要求11所述的方法，其特征在于，所述根据所述动作划次信息和所述多个轨迹数据帧，分析所述游泳动作的姿态特征，包括：将所述动作划次信息和所述多个轨迹数据帧输入至预训练的姿态判定模型之中，以得到所述姿态判定模型输出的所述姿态特征。13.如权利要求5所述的方法，其特征在于，所述质心信息，是所述质心点距离、和所述位置变化信息；其中，所述根据所述多个质心信息，确定游泳动作在游泳时间范围内的游泳转身信息，包括：根据所述位置变化信息和所述质心点距离，确定游泳动作在游泳时间范围内的游泳转身信息。14.如权利要求5所述的方法，其特征在于，还包括：
根据所述动作划次信息、和/或所述游泳转身信息，和/或所述游泳姿态信息对所述游泳动作进行分析；分析所述动作划次信息、所述游泳姿态信息，以及所述游泳转身信息，得到当前游泳程数，和/或游泳趟数，和/或游泳距离；分析所述动作划次信息、所述游泳姿态信息，以及所述游泳转身信息，得到每程划次，和/或设定时间范围内划次，和/或游泳总划次，和/或划水频率，和/或泳姿统计信息，其中，所述泳姿统计信息包括：主泳姿信息，和/或混合泳姿信息。15.一种游泳动作分析装置，其特征在于，包括：判断模块，用于判断进入游泳状态；第一获取模块，用于获取游泳动作的动作感测信号；第二获取模块，用于根据所述动作感测信号，获得初始轨迹信息；处理模块，用于对所述初始轨迹信息进行质心处理，以获得修正后的轨迹信息。16.如权利要求15所述的装置，其特征在于，所述处理模块，包括：划分子模块，用于对所述初始轨迹信息进行轨迹划分，以得到多个轨迹数据段；识别子模块，用于分别对所述多个轨迹数据段进行质心识别，以得到与所述多个轨迹数据段分别对应的多个质心信息；处理子模块，用于对所述多个质心信息进行质心处理，以获得修正后的轨迹信息。17.如权利要求16所述的装置，其特征在于，所述识别子模块，具体用于：确定与所述多个轨迹数据段分别对应的多个质心点；确定与所述多个质心点分别对应的多个质心点位置；确定相邻所述质心点位置之间的质心点距离，其中，所述相邻所述质心点位置，指示第一质心点位置和与其时域距离n个点位置的第二质心点位置之间相邻，所述n大于或者等于1；确定所述多个质心点位置之间的位置变化信息；将所述多个质心点位置、和/或所述质心点距离、和/或所述位置变化信息作为所述多个质心信息。18.如权利要求17所述的装置，其特征在于，所述判断模块，具体用于：根据所述动作感测信号，确定进入所述游泳动作的游泳状态；或者根据软件指令判断进入游泳状态；如果所述游泳状态满足状态条件，则确定所述游泳动作的游泳时间范围；其中，所述第一获取模块，具体用于：获取所述游泳动作在所述游泳时间范围内的动作感测信号。19.如权利要求17所述的装置，其特征在于，所述质心信息，是所述质心点位置；其中，所述处理子模块，具体用于：从所述游泳时间范围内的所述多个质心位置中确定出目标质心位置；将所述目标质心位置的数量作为所述游泳动作在所述游泳时间范围内的所述动作划次信息。20.如权利要求19所述的装置，其特征在于，其中，所述处理子模块，具体用于：根据所述多个质心信息，拟合得到所述游泳动作在游泳时间范围内的姿态特征；
确定所述姿态特征匹配的参考姿态特征，其中，所述参考姿态特征是参考游泳姿态的特征；将所述参考游泳姿态作为所述游泳姿态信息。所述处理子模块，具体用于：根据所述多个质心信息对所述初始轨迹信息进行分帧处理，以得到多个轨迹数据帧，其中，相邻所述轨迹数据帧之间的帧移是目标帧移；根据所述动作划次信息和所述多个轨迹数据帧，分析所述游泳动作的姿态特征。21.如权利要求17所述的装置，其特征在于，所述质心信息，是所述质心点距离、和所述位置变化信息；其中，所述处理子模块，具体用于：根据所述位置变化信息和所述质心点距离，确定游泳动作在游泳时间范围内的游泳转身信息。22.如权利要求17所述的装置，其特征在于，还包括：第一分析模块，用于根据所述动作划次信息、和/或所述游泳转身信息，和/或所述游泳姿态信息对所述游泳动作进行分析；第二分析模块，用于分析所述动作划次信息、所述游泳姿态信息，以及所述游泳转身信息，得到当前游泳程数，和/或游泳趟数，和/或游泳距离；第三分析模块，用于分析所述动作划次信息、所述游泳姿态信息，以及所述游泳转身信息，得到每程划次，和/或设定时间范围内划次，和/或游泳总划次，和/或划水频率，和/或泳姿统计信息，其中，所述泳姿统计信息包括：主泳姿信息，和/或混合泳姿信息。23.一种可穿戴设备，包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-14中任一项所述的游泳动作分析方法。24.一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行权利要求1-14中任一项所述的游泳动作分析方法。

技术总结
本公开提出一种游泳动作分析方法、装置、可穿戴设备及存储介质，该方法包括：判断进入游泳状态；获取游泳动作的动作感测信号；根据动作感测信号，获得初始轨迹信息；对初始轨迹信息进行质心处理，以获得修正后的轨迹信息，由于是通过对游泳动作的初始轨迹信息进行质心处理，获得修正后的轨迹信息，以对游泳动作进行分析，能够降低游泳动作分析误差，有效提升游泳动作分析的准确度和分析效果。升游泳动作分析的准确度和分析效果。升游泳动作分析的准确度和分析效果。


技术研发人员：姚丽峰
受保护的技术使用者：北京小米移动软件有限公司
技术研发日：2022.01.25
技术公布日：2023/8/4