一种跑步姿态检测方法及设备与流程

1.本技术涉及终端技术领域，尤其涉及一种跑步姿态检测方法及设备。


背景技术：

2.随着生活节奏的加快，人类越来越注重身体锻炼。跑步锻炼是人们最常用的一种身体锻炼方式，这是因为跑步技术要求简单，无需特殊的场地、器械等。但是，不正确的跑步姿态会导致身体关节的损坏，正确的跑姿是持续健康跑步、减少身体损伤的重要保证。
3.目前，虽然运动传感器设备可用于监测用户的跑步活动数据，如跑步时的步幅、步频、触地冲击力等数据，但是运动传感器设备通常采用统一的运动参数指标对不同用户的跑步活动数据进行评价，且评价结果只是罗列各种跑姿参数的值，并不适用于对具体用户做针对性的运动指导。


技术实现要素：

4.本技术提供一种跑步姿态检测方法及设备，用于检测和评估用户的跑步姿态。
5.第一方面，本技术实施例提供一种跑步姿态检测方法，该方法可以由可穿戴设备实现，也可以由与可穿戴设备连接的终端设备实现，可穿戴设备可以是手环或运动传感器设备等。示例性地，该方法由终端设备执行时，该方法包括：终端设备从可穿戴设备获取用户当前的跑步活动数据和所述用户的特征信息，所述当前的跑步活动数据包括m类跑姿参数的采样值，所述m类跑姿参数包括着地冲击力；终端设备确定与所述用户的特征信息对应的n类跑姿参数的参考取值区间，所述n类跑姿参数包括所述m类跑姿参数，n大于或等于m。终端设备从所述m类跑姿参数中，确定所述m类跑姿参数的采样值未落入所述n类跑姿参数的参考取值区间的k个跑姿参数，所述k个跑姿参数包括着地冲击力，k小于或等于m，m、n和k为正整数；终端设备确定所述k个跑姿参数中的l个跑姿参数与着地冲击力之间的l个相关系数，所述l个跑姿参数为所述k个跑姿参数中除所述着地冲击力之外的与着地冲击力相关的跑姿参数，l小于或等于k，l为正整数；终端设备输出与所述l个相关系数对应的所述用户的跑步姿态检测结果，所述跑步姿态检测结果用于提示所述用户根据所述l个相关系数，调整所述l个跑姿参数对应的l个错误跑步姿态。
6.需要说明的是，上述方法也可以有可穿戴设备执行。
7.本技术实施例中，终端或运动传感器设备就可以根据当前用户标识确定与当前用户对应的跑姿参数的合理取值区间。从而利用该用户对应的合理取值区间监测用户的跑步数据，筛选出处于合理取值区间外的目标跑姿参数，并利用相关关系模型计算该目标跑姿参数与着地冲击力之间的相关性大小，从而按照相关性大小输出包括目标跑姿参数的运动报告，因相关性值的绝对值越大的跑姿参数对身体的压力越大，所以按照该方法与所述l个相关系数对应的用户的跑步姿态检测结果，跑步姿态检测结果用于提示所述用户根据所述l个相关系数，调整所述l个跑姿参数对应的l个错误跑步姿态，有助于指导用户正确、健康的跑步。
8.在一种可能的实施例中，确定与所述用户的特征信息对应的n类跑姿参数的参考取值区间，包括：
9.终端设备或可穿戴设备根据所述用户的特征信息，从数据库的多个模板中确定目标模板；
10.终端设备或可穿戴设备将所述目标模板中包括的n类跑姿参数的参考取值区间确定为与所述用户的特征信息对应的n类跑姿参数的参考取值区间，所述目标模板中n类跑姿参数的参考取值区间用于表示用户的正确跑步姿态对应的跑姿参数的取值范围。
11.其中，所述数据库中的多个模板是预先根据历史用户的个人属性信息和历史跑步活动数据进行概率统计分析得到的，所述模板包括每类用户的特征信息，以及与每类用户的特征信息对应的n类跑姿参数的参考取值区间。其中，数据流中的多个模板可以由终端设备来生成，也可以由可穿戴设备生成，或者由应用服务器生成。
12.本技术实施例中，因不同的用户采用不同的跑姿参数的参考取值区间进行跑步姿态的评估，所以可以避免采用统一的跑姿参数的取值区间来评估不同用户的跑步姿态不够准确的问题，提高跑步姿态评估结果的准确性。
13.在一种可能的设计中，确定所述k个跑姿参数中的l个跑姿参数与着地冲击力之间的l个相关系数，包括：
14.终端设备或可穿戴设备根据预设的相关关系模型，确定所述l个跑姿参数与着地冲击力之间的l个相关系数；其中，所述预设的相关关系模型是预先根据历史用户的个人属性信息和历史跑步活动数据，建立的着地冲击力与跑姿参数的相关关系模型。其中，预设的相关关系模型可以由终端设备来执行，也可以由可穿戴设备执行，或者由应用服务器执行。
15.本技术实施例中，针对每一类用户，分别建立着地冲击力和各类其它的跑姿参数之间的相关关系模型，得到各类其它的跑姿参数与着地冲击力之间的相关性大小，从而以便于确定与身体损伤比较相关的跑姿参数。
16.在一种可能的设计中，预设的相关关系模型满足如下线性回归公式：
17.其中，n表示所述n类跑姿参数中与着地冲击力相关的n类跑姿参数的总数n，向量xi表示所述n类跑姿参数中的第i类跑姿参数的值，ai表示第i类跑姿参数的相关系数，向量y表示着地冲击力的大小；
18.其中，ai为正值时，表明向量xi与着地冲击力正相关，ai为负值时，表明向量xi与着地冲击力负相关，|ai|的越大，说明向量xi对着地冲击力的影响越大，||表示取绝对值。
19.在一种可能的设计中，跑步姿态检测结果中的l个跑姿参数对应的l个错误跑步姿态是按照所述相关系数的绝对值的大小由大到小的顺序排列的；跑步姿态检测结果还包括运动指导信息，所述运动指导信息包括提醒减小所述相关系数为正值的跑姿参数的值，以及增大所述相关系数为负值的跑姿参数的值。
20.本技术实施例中，跑步姿态检测结果用于提示所述用户根据所述l个相关系数，调整所述l个跑姿参数对应的l个错误跑步姿态，有助于指导用户正确、健康的跑步。
21.在一种可能的设计中，跑姿参数包括身高、体重、步频、步幅、着地方式、触地时长、着地冲击力、外翻幅度和摆动角度中的一种或多种。应理解，上述几种跑姿参数仅是举例，不是限定。上述的跑姿参数可以用于判断用户的跑步姿态是否正确。
22.第二方面，还提供一种可穿戴设备，包括运动传感器，用于采集运动参数；一个或多个处理器；存储器；以及一个或多个计算机程序，其中所述一个或多个计算机程序被存储在所述存储器中，所述一个或多个计算机程序包括指令，当所述指令被可穿戴设备执行时，使得可穿戴设备可以执行上述第一方面中任意可能的设计中的方法步骤。
23.第三方面，还提供一种终端设备，包括一个或多个处理器；存储器；以及一个或多个计算机程序，其中所述一个或多个计算机程序被存储在所述存储器中，所述一个或多个计算机程序包括指令，当所述指令被终端设备执行时，使得终端设备执行上述第一方面中任意可能的设计中的方法步骤。
24.第四方面，还提供一种可穿戴设备，包括：用于执行上述第一方面或第一方面的任意一种可能的设计的方法的模块/单元；这些模块/单元可以通过硬件实现，也可以通过硬件执行相应的软件实现。
25.第五方面，还提供一种终端设备，包括：用于执行上述第一方面或第一方面的任意一种可能的设计的方法的模块/单元；这些模块/单元可以通过硬件实现，也可以通过硬件执行相应的软件实现。
26.第六方面，还提供一种芯片，所述芯片与穿戴设备中的存储器耦合，使得所述芯片在运行时调用所述存储器中存储的程序指令，实现如上述第一方面提供的方法。
27.第七方面，还提供一种芯片，所述芯片与终端设备中的存储器耦合，使得所述芯片在运行时调用所述存储器中存储的程序指令，实现如上述第一方面提供的方法。
28.第八方面，还提供一种计算机可读存储介质，所述计算机可读存储介质包括计算机程序，当计算机程序在可穿戴设备上运行时，使得可穿戴设备执行如上述第一方面提供的方法。
29.第九方面，还提供一种计算机可读存储介质，所述计算机可读存储介质包括计算机程序，当计算机程序在终端设备上运行时，使得终端设备执行如上述第一方面提供的方法。
30.第十方面，还提供一种计算机程序产品，包括指令，当所述指令在计算机上运行时，使得所述计算机及执行如上述第一方面提供的方法。
31.第十一方面，还提供一种计算机程序产品，包括指令，当所述指令在计算机上运行时，使得所述计算机及执行如上述第一方面提供的方法。
32.以上第三方面到第十一方面的有益效果，请参考第一方面提出各个技术方案的有益效果，这里不再重复赘述。
附图说明
33.图1为本技术提供的一种运动场景示意图；
34.图2a至图2c为本技术实施例提供的可穿戴设备的组成结构示意图；
35.图3为本技术实施例提供的可穿戴设备的硬件结构的一种示意图；
36.图4为本技术实施例提供的一种终端设备的结构示意图；
37.图5为本技术实施例提供的一种可穿戴设备的软件结构示意图；
38.图6a为本技术实施例提供的一种运动损伤示意图；
39.图6b为本技术实施例提供的一种不同运动体位的着地冲击力示意图；
40.图7为本技术实施例提供的一种运动数据的统计分析方法流程示意图；
41.图8a为本技术实施例提供的一种用户画像分类示意图；
42.图8b为本技术实施例提供的一种参考取值区间示意图；
43.图9为本技术实施例提供的相关关系模型建立方式示意图；
44.图10为本技术实施例提供的一种跑步姿态检测方法流程示意图；
45.图11a和图11b为本技术实施例提供的一组界面示意图；
46.图12为本技术实施例提供的一种跑步姿态检测装置示意图。
具体实施方式
47.为了使本技术实施例的目的、技术方案和优点更加清楚，下面将结合说明书附图以及具体的实施方式对本技术实施例中的技术方案进行详细的说明。
48.本技术实施例涉及的至少一个，包括一个或者多个；其中，多个是指大于或者等于两个。另外，需要理解的是，在本技术的描述中，“第一”、“第二”等词汇，仅用于区分描述的目的，而不能理解为指示或暗示相对重要性，也不能理解为指示或暗示顺序。
49.以下实施例中所使用的术语只是为了描述特定实施例的目的，而并非旨在作为对本技术的限制。如在本技术的说明书和所附权利要求书中所使用的那样，单数表达形式“一个”、“一种”、“所述”、“上述”、“该”和“这一”旨在也包括例如“一个或多个”这种表达形式，除非其上下文中明确地有相反指示。还应当理解，在本技术实施例中，“一个或多个”是指一个、两个或两个以上；“和/或”，描述关联对象的关联关系，表示可以存在三种关系；例如，a和/或b，可以表示：单独存在a，同时存在a和b，单独存在b的情况，其中a、b可以是单数或者复数。字符“/”一般表示前后关联对象是一种“或”的关系。
50.在本说明书中描述的参考“一个实施例”或“一些实施例”等意味着在本技术的一个或多个实施例中包括结合该实施例描述的特定特征、结构或特点。由此，在本说明书中的不同之处出现的语句“在一个实施例中”、“在一些实施例中”、“在其他一些实施例中”、“在另外一些实施例中”等不是必然都参考相同的实施例，而是意味着“一个或多个但不是所有的实施例”，除非是以其他方式另外特别强调。术语“包括”、“包含”、“具有”及它们的变形都意味着“包括但不限于”，除非是以其他方式另外特别强调。
51.图1示出本技术实施例提供的一种应用场景的示意图。用户将可穿戴设备10(比如手环)和终端设备20(比如手机)佩戴在身体或者服饰(衣服或鞋子)上。图中以可穿戴设备10系在用户鞋子的鞋带上，终端设备20绑在肩上为例，但是，本技术并不限定可穿戴设备10和终端设备20的佩戴位置，例如，还可以将可穿戴设备10佩戴在用户脚踝上等等，本技术实施例不作限定。在用户跑步过程中，可穿戴设备10上的运动传感器(例如，加速度计、陀螺仪等)采集跑步活动数据(例如加速度、角速度等)。
52.本技术实施例提供的跑步姿态检测方法可以应用于可穿戴设备10中，由可穿戴设备10检测和评估用户的跑步姿态。或者，本技术实施例提供的跑步姿态检测方法可以应用于与可穿戴设备10连接的终端设备20中，由终端设备20根据从可穿戴设备获取的运动数据，检测和评估用户的跑步姿态，可穿戴设备10和终端设备20可通过蓝牙连接，也可以通过除蓝牙通信协议之外的其他近距离通信协议进行通信，包括但不限于wifi、红外等。近距离通信协议下面有时也被称之为短距离通信协议。本技术实施例中，在用户跑步姿态不正确
时，可以通过可穿戴设备10或终端设备20的屏幕显示内容提示用户有哪些不正确的跑步姿态，以帮助用户健康、正确的跑步，减小对身体关节的损坏。
53.请参考图2a，其示出本技术实施例提供的一种可穿戴设备10的产品形态示意图。如图2a所示，可穿戴设备10可以包括：设备主体101和用于承载设备主体101的载体，其中，载体可以是表带102，也可以是鞋扣103等。载体用于固定设备主体101，设备主体101通过载体佩戴于用户身上、鞋服上或者其他配饰上。
54.例如，当载体为表带102时，如图2b中的(a)所示，用户将设备主体101固定在表带102上，可得到图2b中的(b)所示的手环200。用户可以将手环200佩戴在手腕上。手环200(即设备主体101)可以用于采集用户的运动数据。
55.又例如，当载体为鞋扣103时，如图2c中的(a)所示，用户将设备主体101固定在鞋扣103上，可得到如图2c中的(b)所示的运动传感器设备300。示例性的，如图2c中的(a)所示，用户可将鞋扣103固定在鞋带上(例如，将鞋扣103从鞋带下面穿进去)；然后，将设备主体101固定在鞋扣103上。这样，运动传感设备300便可以固定在用户的鞋子上，可以用于采集用户的运动数据。
56.参见图3，为本技术实施例提供的一种设备主体101的结构示意图。图2a至图2c中任一附图所示的设备主体101主要包括：处理器301、存储器302、无线通信模块303和运动传感器304。
57.存储器302一般包括内存和外存。内存可以为随机存储器(random access memory，ram)、双倍速率随机存储器(ddr ram)、只读存储器(read only memory，rom)或者高速缓存器(cache)等。外存可以为硬盘、光盘、通用串行总线(universal serial bus，usb)、闪存(flash)、软盘或磁带机等。存储器302用于存储计算机程序(包含各种固件、操作系统等)和用户的运动数据等。在本技术实施例中，当跑步姿态检测方法由与可穿戴设备连接的终端设备执行时，存储器302中可以存储有用于唯一标识该可穿戴设备的蓝牙地址，以便于与终端设备建立无线连接。
58.处理器301用于读取存储器302中的计算机程序，然后执行计算机程序。可选的，处理器301可以包括一个或多个通用处理器，还可以包括一个或多个数字信号处理器(digital signal processor，dsp)，用于执行相关操作，以实现本技术实施例所提供的跑步姿态检测方法。
59.无线通信模块303可以通过多种制式的无线通信网络进行信息收发，多种制式的无线通信网络包括但不限于为无线局域网(wireless local area networks，wlan)、无线保真(wireless fidelity，wi-fi)网络，蓝牙(bluetooth，bt)网络，全球导航卫星系统(global navigation satellite system，gnss)，调频(frequency modulation，fm)系统，近距离无线通信(near field communication，nfc)系统，红外技术(infrared，ir)等。无线通信模块303可以是集成至少一个通信处理模块的一个或多个器件。无线通信模块303经由天线接收电磁波，将电磁波信号调频以及滤波处理，将处理后的信号发送到处理器301。无线通信模块303还可以从处理器301接收待发送的信号，对其进行调频，放大，经天线转为电磁波辐射出去。本技术实施例中，无线通信模块303可以是蓝牙模块，当跑步姿态检测方法由与可穿戴设备连接的终端设备执行时，主要用于对可穿戴设备周围的无线信号源进行扫描，获取终端设备的蓝牙信号的参数信息，如蓝牙的mac地址和蓝牙信号强度等参数信息。
60.运动传感器304可以包括加速度传感器和陀螺仪等。在本技术实施例中，加速度传感器可以用于检测可穿戴设备10在各个方向上(一般为三轴)加速度的大小。陀螺仪可以用于检测可穿戴设备10在各个方向上的角速度等。用户佩戴可穿戴设备10，在用户的带动下，加速度传感器可以检测到在各个方向的加速度大小，陀螺仪可以检测到各个方向的角速度。
61.可选的，该可穿戴设备还可以包括：电源、天线等部件。
62.可选的，设备主体101还可以包括：受话器和麦克风。受话器也可以称为“听筒”，可以用于将音频电信号转换成声音信号并播放。麦克风也可以称为“话筒”、“传声器”，用于将声音信号转换为音频电信号。可穿戴设备可与其他可穿戴设备建立无线连接，作为其他可穿戴设备的音频输入/输出设备。例如，当可穿戴设备作为可穿戴设备的音频输出设备时，受话器可以将接收到的音频电信号转换为声音信号并播放。当可穿戴设备作为可穿戴设备的音频输入设备时，在用户说话(如通话或发语音消息)的过程中，麦克风可以采集用户的声音信号，并将其转换为音频电信号。
63.可选的，上述设备主体101还可以包括sim卡接口。该sim卡接口用于连接sim卡。sim卡可以通过插入sim卡接口，或从sim卡接口拔出，实现和可穿戴设备(即设备主体101)的接触和分离。可穿戴设备通过sim卡和网络交互，实现通话以及数据通信等功能。
64.可以理解的是，本技术实施例示意的结构并不构成对可穿戴设备的设备主体101的具体限定。其可以具有比图3中所示出的更多的或者更少的部件，可以组合两个或更多的部件，或者可以具有不同的部件配置。例如，该设备主体还可以包括指示灯(可以指示设备主体101的电量等状态)等部件。图3中所示出的各种部件可以在包括一个或多个信号处理或专用集成电路在内的硬件、软件、或硬件和软件的组合中实现。
65.本技术实施例中的终端设备可以是手机(mobile phone)、平板电脑(pad)、带无线收发功能的电脑、虚拟现实(virtual reality，vr)设备、增强现实(augmented reality，ar)设备、工业控制(industrial control)中的无线设备、无人驾驶(self driving)中的无线设备、远程医疗(remote medical)中的无线设备、智能电网(smart grid)中的无线设备、运输安全(transportation safety)中的无线设备、智慧城市(smart city)中的无线设备、智慧家庭(smart home)中的无线设备等等。参见图4，为本技术实施例提供的一种终端设备20的硬件结构示意图。
66.终端设备20可包括处理器410、外部存储器接口420、内部存储器421、通用串行总线(universal serial bus，usb)接口430、充电管理模块440、电源管理模块441，电池442、天线1、天线2、移动通信模块450、无线通信模块460、音频模块470、扬声器470a、受话器470b、麦克风470c、耳机接口470d、传感器模块480、按键490、马达491、指示器492、摄像头493、显示屏494、以及用户标识模块(subscriber identification module，sim)卡接口495等。其中传感器模块480可以包括压力传感器480a、陀螺仪传感器480b、气压传感器480c、磁传感器480d、加速度传感器480e、距离传感器480f、接近光传感器480g、指纹传感器480h、温度传感器480j、触摸传感器480k、环境光传感器480l、骨传导传感器480m等。
67.可以理解的是，本技术实施例示意的结构并不构成对终端设备20的具体限定。在本技术另一些实施例中，终端设备20可以包括比图示更多或更少的部件，或者组合某些部件，或者拆分某些部件，或者不同的部件布置。图示的部件可以以硬件，软件或软件和硬件
的组合实现。
68.处理器410可以包括一个或多个处理单元，例如：处理器410可以包括应用处理器(application processor，ap)、调制解调处理器、图形处理器(graphics processing unit，gpu)、图像信号处理器(image signal processor，isp)、控制器、视频编解码器、数字信号处理器(digital signal processor，dsp)、基带处理器、和/或神经网络处理器(neural-network processing unit，npu)等。其中，不同的处理单元可以是独立的器件，也可以集成在一个或多个处理器中。
69.终端设备20通过gpu，显示屏494，以及应用处理器等实现显示功能。gpu为图像处理的微处理器，连接显示屏494和应用处理器。gpu用于执行数学和几何计算，用于图形渲染。处理器410可包括一个或多个gpu，其执行程序指令以生成或改变显示信息。
70.终端设备20可以通过isp、摄像头493、视频编解码器、gpu、显示屏494以及应用处理器等实现拍摄功能。
71.sim卡接口495用于连接sim卡。sim卡可以通过插入sim卡接口495，或从sim卡接口495拔出，实现和终端设备20的接触和分离。终端设备20可以支持1个或n个sim卡接口，n为大于1的正整数。sim卡接口495可以支持nano sim卡、micro sim卡、sim卡等。同一个sim卡接口495可以同时插入多张卡。所述多张卡的类型可以相同，也可以不同。sim卡接口495也可以兼容不同类型的sim卡。sim卡接口495也可以兼容外部存储卡。终端设备20通过sim卡和网络交互，实现通话以及数据通信等功能。在一些实施例中，终端设备20采用esim，即：嵌入式sim卡。
72.终端设备20的无线通信功能可以通过天线1、天线2、移动通信模块450、无线通信模块460、调制解调处理器以及基带处理器等实现。天线1和天线2用于发射和接收电磁波信号。终端设备20中的每个天线可用于覆盖单个或多个通信频带。不同的天线还可以复用，以提高天线的利用率。例如：可以将天线1复用为无线局域网的分集天线。在另外一些实施例中，天线可以和调谐开关结合使用。
73.移动通信模块450可以提供应用在终端设备20上的包括2g/3g/4g/5g等无线通信的解决方案。移动通信模块450可以包括至少一个滤波器、开关、功率放大器、低噪声放大器(low noise amplifier，lna)等。移动通信模块450可以由天线1接收电磁波，并对接收的电磁波进行滤波，放大等处理，传送至调制解调处理器进行解调。移动通信模块450还可以对经调制解调处理器调制后的信号放大，经天线1转为电磁波辐射出去。在一些实施例中，移动通信模块450的至少部分功能模块可以被设置于处理器410中。在一些实施例中，移动通信模块450的至少部分功能模块可以与处理器410的至少部分模块被设置在同一个器件中。
74.无线通信模块460可以提供应用在终端设备20上的包括无线局域网(wireless local area networks，wlan)(如无线保真(wireless fidelity，wi-fi)网络)、蓝牙(bluetooth，bt)、全球导航卫星系统(global navigation satellite system，gnss)、调频(frequency modulation，fm)、近距离无线通信技术(near field communication，nfc)、红外线(infrared radiation，ir)技术等无线通信的解决方案。无线通信模块460可以是集成至少一个通信处理模块的一个或多个器件。无线通信模块460经由天线2接收电磁波，将电磁波信号调频以及滤波处理，将处理后的信号发送到处理器410。无线通信模块460还可以从处理器410接收待发送的信号，对其进行调频，放大，经天线2转为电磁波辐射出去。
75.在一些实施例中，终端设备20的天线1和移动通信模块450耦合，天线2和无线通信模块460耦合，使得终端设备20可以通过无线通信技术与网络以及其他设备通信。所述无线通信技术可以包括全球移动通讯系统(global system for mobile communications，gsm)、通用分组无线服务(general packet radio service，gprs)、码分多址接入(code division multiple access，cdma)、宽带码分多址(wideband code division multiple access，wcdma)、时分码分多址(time-division code division multiple access，td-scdma)、长期演进(long term evolution，lte)、bt、gnss、wlan、nfc、fm、和/或ir技术等。
76.终端设备20的结构也可参见图4终端设备20的结构，此处不再赘述。在本技术另一些实施例中，终端设备20可以包括比图示更多或更少的部件，或者组合某些部件，或者拆分某些部件，或者不同的部件布置。图示的部件可以以硬件，软件或软件和硬件的组合实现。
77.设备本体101或终端设备20的软件系统可以采用分层架构，事件驱动架构，微核架构，微服务架构，或云架构。本技术实施例以分层架构的android系统为例，示例性说明设备本体101或终端设备20的软件结构。
78.若图4是本发明实施例的可穿戴设备的软件结构框图，该软件架构的软件模块和/或代码可以存储在存储器302中，当处理器301运行该软件模块或代码时，执行本技术实施例所提供的跑步姿态检测方法。若图4是本发明实施例的可穿戴设备的软件结构框图，该软件架构的软件模块和/或代码可以存储在内部存储器421中，当处理器410运行该软件模块或代码时，执行本技术实施例所提供的跑步姿态检测方法。
79.分层架构将软件分成若干个层，每一层都有清晰的角色和分工。层与层之间通过软件接口通信。在一些实施例中，将android系统分为四层，从上至下分别为应用程序层，应用程序框架层，安卓运行时(android runtime)和系统库，以及内核层。
80.应用程序层可以包括一系列应用程序包。
81.如图5所示，应用程序包可以包括电话、相机，图库，日历，通话，地图，导航，wlan，蓝牙，音乐，视频，短信息等应用程序。
82.应用程序框架层为应用程序层的应用程序提供应用编程接口(application programming interface，api)和编程框架。应用程序框架层包括一些预先定义的函数。
83.如图5所示，应用程序框架层可以包括窗口管理器，内容提供器，视图系统，电话管理器，资源管理器，通知管理器等。
84.窗口管理器用于管理窗口程序。窗口管理器可以获取显示屏大小，判断是否有状态栏，锁定屏幕，截取屏幕等。
85.内容提供器用来存放和获取数据，并使这些数据可以被应用程序访问。所述数据可以包括视频，图像，音频，拨打和接听的电话，浏览历史和书签，电话簿等。
86.视图系统包括可视控件，例如显示文字的控件，显示图片的控件等。视图系统可用于构建应用程序。显示界面可以由一个或多个视图组成的。例如，包括短信通知图标的显示界面，可以包括显示文字的视图以及显示图片的视图。
87.电话管理器用于提供可穿戴设备的通信功能。例如通话状态的管理(包括接通，挂断等)。
88.资源管理器为应用程序提供各种资源，比如本地化字符串，图标，图片，布局文件，视频文件等等。
89.通知管理器使应用程序可以在状态栏中显示通知信息，可以用于传达告知类型的消息，可以短暂停留后自动消失，无需用户交互。比如通知管理器被用于告知下载完成，消息提醒等。通知管理器还可以是以图表或者滚动条文本形式出现在系统顶部状态栏的通知，例如后台运行的应用程序的通知，还可以是以对话窗口形式出现在屏幕上的通知。例如在状态栏提示文本信息，发出提示音，可穿戴设备振动，指示灯闪烁等。
90.android runtime包括核心库和虚拟机。android runtime负责安卓系统的调度和管理。
91.核心库包含两部分：一部分是java语言需要调用的功能函数，另一部分是安卓的核心库。
92.应用程序层和应用程序框架层运行在虚拟机中。虚拟机将应用程序层和应用程序框架层的java文件执行为二进制文件。虚拟机用于执行对象生命周期的管理，堆栈管理，线程管理，安全和异常的管理，以及垃圾回收等功能。
93.系统库可以包括多个功能模块。例如：表面管理器(surface manager)，媒体库(media libraries)，三维图形处理库(例如：opengl es)，2d图形引擎(例如：sgl)等。
94.表面管理器用于对显示子系统进行管理，并且为多个应用程序提供了2d和3d图层的融合。
95.媒体库支持多种常用的音频，视频格式回放和录制，以及静态图像文件等。媒体库可以支持多种音视频编码格式，例如：mpeg4,h.264,mp3,aac,amr,jpg,png等。
96.三维图形处理库用于实现三维图形绘图，图像渲染，合成，和图层处理等。
97.2d图形引擎是2d绘图的绘图引擎。
98.内核层是硬件和软件之间的层。内核层至少包含显示驱动，摄像头驱动，音频驱动，传感器驱动。其中，硬件可以指的是各类传感器，例如本技术实施例中涉及的加速度传感器、陀螺仪传感器、触摸传感器、压力传感器等。
99.据统计显示，由跑步运动造成损伤的数量在日益增长。运动人员若热身不足、跑量过大、自身肌肉力量弱、跑姿不正确等，都会造成运动人员不同程度的损伤。
100.图6a示出在跑步过程中，因跑姿不正确可能造成的几种类型的身体损伤。表1示出了与每种身体损伤所对应的损伤原因。
101.表1
[0102][0103][0104]
然而由跑姿不正确造成的运动损伤，常常被运动人员忽略。其原因在于运动人员对正确跑姿不明确，也不清楚身体受到的损伤是由哪些错误跑姿造成的，故而用户无法对自己的跑步姿态及时作出调整，因此如何评估用户的跑姿是需要解决的问题。
[0105]
从图6b可见，这几种损伤都是由于腿部或脚部某部位受到了过大的着地冲击力造成的。着地冲击力是指用户脚着地时受到的地面冲击，可用于反映运动人员在跑步过程中脚或腿部器官受到的压力。本技术实施例中，通过着地冲击力的大小来衡量运动人员的身体器官受到的压力，着地冲击力越大，运动人员的身体器官受到的压力也越大，身体器官受到的压力越大，则对身体器官造成的危害越大。
[0106]
现有技术中，一般预先为每种类型的跑姿参数设置取值区间，例如步频、步幅、触地时长均设有对应的取值区间，运动传感器设备或手机可以通过监测用户在跑步过程中的运动数据，判断运动过程中的各类型的跑姿参数是否在取值区间内，并对落在取值区间之外的运动数据进行跑姿提醒，或在运动结束后以报告的形式将该次跑步过程的跑步参数呈现给用户。事实上，不同年龄段的用户的跑姿参数具有不同的特点，例如，成年人的步幅通常大于儿童的步幅；或者，不同性别的用户的跑姿参数具有不同的特点，例如，男性的步幅通常大于女性的步幅。所以采用统一的跑姿参数的取值区间来评估不同用户的跑步姿态显然不够准确。再者，目前只能将落在取值区间之外的跑姿参数以运动报告的形式呈现给用户，用户无从得知哪些不正确的跑姿与身体损伤最相关，所以目前输出的运动报告对用户的运动指导作用不大。
[0107]
为此，本技术实施例中，一方面，利用从云端获取的大量用户的历史跑步数据，构建用户画像模型，并对用户进行分类，统计每一类用户的跑姿参数的数据分布，从而建立同一类用户各跑姿参数和对应的合理取值区间之间的对应关系。另一方面，针对每一类用户，分别建立着地冲击力和各类其它的跑姿参数之间的相关关系模型，得到各类其它的跑姿参数与着地冲击力之间的相关性大小，从而以便于确定与身体损伤比较相关的跑姿参数。
[0108]
这样，终端或运动传感器设备就可以根据当前用户标识确定与当前用户对应的跑姿参数的合理取值区间。从而利用该用户对应的合理取值区间监测用户的跑步数据，筛选
出处于合理取值区间外的目标跑姿参数，并利用相关关系模型计算该目标跑姿参数与着地冲击力之间的相关性大小，从而按照相关性大小输出包括目标跑姿参数的运动报告，因相关性值的绝对值越大的跑姿参数对身体的压力越大，所以按照该方法与所述l个相关系数对应的用户的跑步姿态检测结果，跑步姿态检测结果用于提示所述用户根据所述l个相关系数，调整所述l个跑姿参数对应的l个错误跑步姿态，有助于指导用户正确、健康的跑步。
[0109]
实施例1
[0110]
参见图7，为本技术实施例提供的一种运动数据统计分析方法流程示意图。该方法可以由图1所示的可穿戴设备或终端设备实现，或者由运动健康应用的应用服务器实现。以下以应用服务器执行该方法为例进行说明，如图7所示，该流程包括：
[0111]
步骤701，应用服务器获取大量用户的历史跑步数据和个人属性信息，从大量用户的历史跑步数据和个人属性信息中提取用户的特征信息，并依赖用户的特征信息对用户进行分类。
[0112]
具体地，用户的个人属性信息可以包括用户的性别、年龄、身高、体型等，用户的历史跑步数据可以包括步频和步幅、触地时长、着地冲击力、外翻幅度等跑姿参数的采样值，下面列举几种跑姿参数的说明。
[0113]
1)、步频和步幅，步频是指单位时间例如每分钟着地次数。步频乘以步幅就等于距离，单位时间的距离也就是速度。因此，在速度一定的情况下，步频快，步幅就相对小，步频慢，步幅就相对大。当然，当速度较慢时，人们通常倾向于步频慢，步幅小，而当速度较快时，则步频快，步幅大。如前文，可穿戴设备可以确定左脚离地点和左脚触地点；记录一分钟内左脚的触地点或离地点的次数，即步频。步幅可以是预设值，或者是相邻两个触地点或离地点之间的时间间隔乘以跑步速度(例如预设值)即步幅。
[0114]
2)、触地时长，是指左脚或右脚从接触地面到离开地面的时长，即上述触地阶段。可穿戴设备根据运动参数确定触地时长的过程，在此不重复。
[0115]
3)、着地冲击力，左脚或右脚在着地时，速度方向向下，蹬地时，速度方向朝上，从速度方向朝下减速为零再朝上是在极短时间内完成的。穿戴设备中的处理器根据加速度变化值计算出着地冲击力度，着地冲击力度过大时，说明缺乏缓冲，对身体关节有损坏。
[0116]
4)、外翻幅度，通常，左脚或右脚在腾空阶段处于轻度内翻状态，着地时脚从内翻状态到向内滚动的过程就称为外翻。如果外翻过度，容易出现扁平足、下肢力线异常、足踝肌肉出现问题，如果外翻不足，容易出现高足弓。
[0117]
上述几种跑姿参数仅是举例，还可以包括更多的跑姿参数，本技术实施例不一一赘述。
[0118]
基于上述用户的历史跑步数据和个人属性信息，应用服务器可以对数据进行处理，并将处理后的数据输入神经网络模型进行运算，得到各类用户的用户画像，并依赖用户画像对用户的历史跑步数据进行分类。具体地可以包括如下步骤。
[0119]
步骤a，应用服务器从用户的历史跑步数据和个人属性信提取用户的特征信息，并根据用户的特征信息进行分段。
[0120]
例如，如图8a所示，按照年龄这一信息进行分段，可以将用户划分为：青少年、青年、中年和中老年等类型；再比如，按照性别这一信息进行分段，可以将用户划分为：男性和女性等类型；再比如，按照身高这一信息进行分段，可以将男性用户划分为：身高≥180cm、
身高＜180cm，以及将女性用户划分为：身高≥165cm、身高＜165cm；再比如，按照身体质量指数(body mass index，bmi)这一信息进行分段，可以将用户体型划分为：bmi≥24、bmi＜24；再比如，按照运动量这一信息进行分段，可以将用户划分为：每月跑步次数大于10次的运动达人、每月跑步次数小于4次的普通健身人员，以及不跑步人员。
[0121]
步骤b，应用服务器对用户的特征信息进行组合分类，得到每一类用户的历史跑步运动数据。
[0122]
例如，某一类用户被定义为身高超过180cm，bmi小于24，每月跑步次数大于10次的男性青少年，应用服务器获取满足身高超过180cm，bmi小于24，每月跑步次数大于10次的男性青少年这一条件的历史跑步运动数据。
[0123]
步骤702，应用服务器统计每一类用户的历史跑步运动数据的数据分布，确定同一类用户的各个跑姿参数的合理取值区间，建立多个模板，每个模板包括该类用户的特征信息，以及与该类用户的特征信息对应的n类跑姿参数的参考取值区间。
[0124]
具体地，针对每类用户的历史跑步数据，运动服务器统计同一类用户的历史跑步数据中各类跑姿参数的分布情况。根据大数定律，同一类人群中，同一类的跑姿参数应服从正态分布。
[0125]
例如，针对满足如下条件的用户：身高超过180cm，bmi小于24，每月跑步次数大于10次的男性青少年，以跑姿参数为步幅为例，运动服务器从该类用户的历史跑步运动数据中获取该类用户的步幅数据集合，得到该类用户的步幅数据集合的正态分布图，并计算该类用户的步幅数据集合的标准差和均值。如图8b所示，应用服务器可选取[μ-σ,μ σ]为该类用户的步幅的合理取值区间，其中μ表示该类用户的步幅的均值，σ表示该类用户的步幅的标准差，将位于合理取值区间[μ-σ,μ σ]之外的步幅定义为错误的步幅。需要说明的是，合理取值区间指的是该类用户的正常步幅的取值范围，合理取值区间的上下边界值的选取可以根据实际需要设定，例如，合理取值区间还可以设定为[μ-2σ,μ 2σ]或者[μ-3σ,μ 3σ]，本文对此不作限定。
[0126]
最终，应用服务器中存储有数据库，该数据库中包括多个模板，一个模板包括对应同一类用户的一组跑姿参数的取值区间。示例性的，下表2示出了数据库的一种示例。需要说明的是，下表2中的数值仅是举例，不是限定。
[0127]
表2
[0128][0129]
该数据库可以是预先设置在可穿戴设备或终端设备中的存储器中，或者可穿戴设备或终端设备在接入网络后，主动从应用服务器下载该数据库。
[0130]
实施例2
[0131]
该实施例中介绍同一类用户的着地冲击力和其它跑姿参数之间的相关关系模型的建立过程。该方法可以由图1所示的可穿戴设备或终端设备实现，或者由运动健康应用的
应用服务器实现。以下以应用服务器执行该方法为例进行说明，参见图9所示，为本技术实施例提供的相关关系模型的建立流程示意图，该流程包括：
[0132]
s901，应用服务器获取同一类用户的历史运动数据，并从中确定各类跑姿参数对应的数据集合。
[0133]
示例性地，应用服务器获取满足如下条件的用户：身高超过180cm，bmi小于24，每月跑步次数大于10次的男性青少年。运动服务器从该类用户的历史跑步运动数据中获取该类用户的着地冲击力数据集合、步幅数据集合、步频数据集合、着地方式数据集合、外翻幅度数据集合、摆动角度数据集合和触地时长数据集合等。
[0134]
s902，针对每一类用户的历史运动数据，应用服务器利用降维算法有主成分分析(principal component analysis，pca)或者最小绝对值收敛和选择算子(least absolute shrinkage and selection operator，lasso)算法，去除与着地冲击力无关的跑姿参数对应的数据集合，利用筛选后的与着地冲击力相关的跑姿参数对应的数据集合，建立该类用户的着地冲击力与其它跑姿参数之间的相关关系模型。
[0135]
示例性地，以该相关关系模型为线性模型为例(需要说明的是，该相关关系模型还可以是指数模型等其它形式的模型，本技术对模型形式不作限定)，其中，其中，n表示与着地冲击力相关的各类跑姿参数的个数，xi表示第i个与着地冲击力相关的跑姿参数，ai表示xi的相关性系数。若ai为正，则表明该类跑姿参数与着地冲击力正相关。若ai为负，表明该类跑姿参数与着地冲击力负相关。ai的绝对值越大，说明该类跑姿参数对着地冲击力的影响越大，即对身体造成的伤害越大。
[0136]
实施例3
[0137]
基于上述运动数据分析结果和相关关系模型，终端设备或可穿戴设备可以检测和评估用户的跑步姿态，参见图10所示，为本技术实施例提供的跑步姿态检测方法流程示意图，该方法可以由图1所示的可穿戴设备或终端设备实现。以下以终端设备执行该方法为例进行说明，该流程包括：
[0138]
步骤1001，终端设备获取当前用户的跑步活动数据和当前用户的特征信息，终端设备根据用户的特征信息，确定与该用户特征信息对应的m类跑姿参数的参考取值区间。
[0139]
其中，当前用户的特性信息可以包括用户的个人属性信息(如身高180cm、性别男性、bmi小于24等)，以及历史跑步活动数据的特征信息(如历史运动量为每月跑步次数大于10次)，。
[0140]
示例性地，假设当前用户为男性，年龄为19岁，身高超过180cm，bmi小于24，历史跑步数据显示每月跑步次数大于10次，则当前用户的用户画像为：身高超过180cm，bmi小于24，每月跑步次数大于10次的男性青少年。针对该用户的用户画像，第一设备从数据库中查找与该类用户画像对应的目标模板，从目标模板中获取一组跑姿参数的合理取值区间。示例性地，假设目标模板为表1中的模板1，则该用户的步频的合理取值区间为[50,60]、触地时长的合理取值区间为[0.5,0.6]、着地冲击力的合理取值区间为[2,3]等。
[0141]
在一种可能的实施例中，终端设备可以先与可穿戴设备建立近距离通信连接，终端设备可以周期性地或实时地从可穿戴设备获取当前用户的跑步活动数据。
[0142]
以可穿戴设备通过蓝牙传输协议与终端设备建立蓝牙连接来说，一种可能的方式是，可穿戴设备的设备主体101中存储有与该终端设备之前成功配对过的终端设备的连接
数据信息。例如，该连接数据信息可以为与该可穿戴设备成功配对过的终端设备的蓝牙地址。基于该连接数据信息，该可穿戴设备能够与终端设备自动配对，而不必用户手动配置与终端设备之间的连接，如进行合法性验证等。这样，当用户手动开启可穿戴设备的运动模式时，可穿戴设备可以利用存储的终端设备的连接数据信息，自动与终端设备建立蓝牙连接。或者，当可穿戴设备中的加速度计传感器检测运动状态时启动运动模式，可穿戴设备可以利用存储的终端设备的连接数据信息，自动终端设备建立蓝牙连接。
[0143]
另一种可能的方式是，用户可以通过操作可穿戴设备的显示屏，手动与终端设备建立蓝牙连接。例如，当可穿戴设备首次与终端设备建立蓝牙连接时，可穿戴设备可以接收用户作用于设备主体101上的触摸操作，响应于触摸操作，获取终端设备的蓝牙地址，从而与终端设备建立蓝牙连接。
[0144]
在一种可能的实施例中，触发可穿戴设备采集用户的跑步数据的方式可以有多种，一种可能的方式：当用户手动开启可穿戴设备的运动模式时，可穿戴设备的蓝牙模块被打开，可穿戴设备可以开始周期性地采集用户的跑步数据，直至用户手动关闭可穿戴设备的运动模式。示例性地，载体上设有金属触点，当设备主体101被固定在载体上时，设备主体101可以检测到金属触点的电压为第一电压值，从而触发设备主体101开启运动模式，也就是说，用户通过将设备主体101固定在载体上这一方式，可以手动开启两个运动传感器设备的运动模式。这时，可穿戴设备开始采集用户的跑步数据，直至设备主体101被关闭运动模式，也就是说，用户通过将设备主体101从载体上取出这一方式，可以手动关闭可穿戴设备的运动模式。
[0145]
另一种可能的方式，可穿戴设备中均具备加速度计传感器，可以由加速度计传感器检测运动状态，自动开启或关闭运动模式。当加速度计传感器检测用户处于运动状态时，可穿戴设备开始周期性地采集用户的跑步活动数据，直至加速度计传感器检测到用户停止运动。
[0146]
步骤1002，终端设备从m类跑姿参数中，确定m类跑姿参数的采样值未落入所述n类跑姿参数的参考取值区间的k个跑姿参数。
[0147]
具体地，针对m类跑姿参数中的任意一类跑姿参数，终端设备可以判断该类跑姿参数的取值范围是否均落入该类跑姿参数的参考取值区间内，若未落入，则确定该类跑姿参数为目标跑姿参数，最终生成由k个目标跑姿参数组成的目标跑姿参数集合。
[0148]
示例性地，假设用户的触地时长的采样值中有部分采样值落入触地时长的参考取值区间之外，则终端设备将触地时长作为目标跑姿参数。
[0149]
在一种可能的实施例中，在该步骤1002中，终端设备可以先判断当前用户的跑步活动数据中的着地冲击力的均值是否超过设定阈值，若超过，则从m类跑姿参数中，确定m类跑姿参数的采样值未落入所述n类跑姿参数的参考取值区间的k个跑姿参数，否则，则不进行该步骤1002至步骤1003。
[0150]
步骤1003，终端设备确定k个跑姿参数中的l个跑姿参数与着地冲击力之间的l个相关系数。
[0151]
其中，l个跑姿参数为所述k个跑姿参数中除所述着地冲击力之外的与着地冲击力相关的跑姿参数，l小于或等于k，l为正整数。终端设备可以利用pca)或者lasso算法，去除与着地冲击力无关的跑姿参数，计算筛选后的l个与着地冲击力相关的跑姿参数对应的相
关系数。
[0152]
示例性地，终端设备可以按照实施例二提供的公式计算得到当前用户的跑步活动数据中平均步频的值为73步/分钟、平均步幅为65厘米、平均触地时长为807毫秒、平均外翻幅度为2度，则第一设备确定平均步频与着地冲击力的相关性系数为1.8、平均触地时长与着地冲击力的相关性系数为-1.6、平均外翻幅度与着地冲击力的相关性系数为1.3，等等。示例性地，如表3所示。
[0153]
表3
[0154][0155][0156]
需要说明的是，若相关性系数为正，则说明该跑姿参数的值偏大，应提示用户减小该值，以减小着地冲击力，若相关性系数为负值，则说明该跑姿参数的值偏小，应提示用户增大该值，以减小着地冲击力。
[0157]
步骤1004，终端设备输出与所述l个相关系数对应的所述用户的跑步姿态检测结果，所述跑步姿态检测结果用于提示所述用户根据所述l个相关系数，调整所述l个跑姿参数对应的l个错误跑步姿态。
[0158]
一种可能的实施例中，跑步姿态检测结果中的l个跑姿参数对应的l个错误跑步姿态是按照所述相关系数的绝对值的大小由大到小的顺序排列的。
[0159]
另一种可能的实施例中，跑步姿态检测结果还包括运动指导信息，所述运动指导信息包括提醒减小所述相关系数为正值的跑姿参数的值，以及增大所述相关系数为负值的跑姿参数的值。
[0160]
示例性地，如图11a和图11b所示，用户的手机或手环的显示屏显示当前跑步活动的运动报告，运动报告中显示有错误跑姿有：步频、触底时间、外翻幅度，并且建议用户修改错误跑步姿势的顺序为：1、增大步频；2、增大外翻幅度；3、减小触地时长。
[0161]
基于以上实施例，本技术实施例提供了一种跑步姿态检测装置，该装置应用于终端设备或可穿戴设备中，用于实现如图10所示的跑步姿态检测方法，参阅图12所示，所述装置1200包括：收发单元1201和处理单元1202，其中，
[0162]
收发单元1201，用于获取用户当前的跑步活动数据和所述用户的特征信息，当前的跑步活动数据包括m类跑姿参数的采样值，所述m类跑姿参数包括着地冲击力。
[0163]
处理单元1202，用于确定与所述用户的特征信息对应的n类跑姿参数的参考取值区间，所述n类跑姿参数包括所述m类跑姿参数，n大于或等于m；
[0164]
从所述m类跑姿参数中，确定所述m类跑姿参数的采样值未落入所述n类跑姿参数的参考取值区间的k个跑姿参数，所述k个跑姿参数包括着地冲击力，k小于或等于m，m、n和k为正整数；
[0165]
确定所述k个跑姿参数中的l个跑姿参数与着地冲击力之间的l个相关系数，所述l个跑姿参数为所述k个跑姿参数中除所述着地冲击力之外的与着地冲击力相关的跑姿参
数，l小于或等于k，l为正整数；
[0166]
输出与所述l个相关系数对应的所述用户的跑步姿态检测结果，所述跑步姿态检测结果用于提示所述用户根据所述l个相关系数，调整所述l个跑姿参数对应的l个错误跑步姿态。
[0167]
在一种可能的实施例中，处理单元1202，用于根据所述用户的特征信息，从数据库的多个模板中确定目标模板；
[0168]
将所述目标模板中包括的n类跑姿参数的参考取值区间确定为与所述用户的特征信息对应的n类跑姿参数的参考取值区间，所述目标模板中n类跑姿参数的参考取值区间用于表示用户的正确跑步姿态对应的跑姿参数的取值范围；
[0169]
其中，所述数据库中的多个模板是预先根据历史用户的个人属性信息和历史跑步活动数据进行概率统计分析得到的，所述模板包括每类用户的特征信息，以及与每类用户的特征信息对应的n类跑姿参数的参考取值区间。
[0170]
在一种可能的实施例中，处理单元1202，用于根据预设的相关关系模型，确定所述l个跑姿参数与着地冲击力之间的l个相关系数；其中，所述预设的相关关系模型是预先根据历史用户的个人属性信息和历史跑步活动数据，建立的着地冲击力与跑姿参数的相关关系模型。
[0171]
在一种可能的实施例中，所述预设的相关关系模型满足如下线性回归公式：
[0172]
其中，n表示所述n类跑姿参数中与着地冲击力相关的n类跑姿参数的总数n，向量xi表示所述n类跑姿参数中的第i类跑姿参数的值，ai表示第i类跑姿参数的相关系数，向量y表示着地冲击力的大小；
[0173]
其中，ai为正值时，表明向量xi与着地冲击力正相关，ai为负值时，表明向量xi与着地冲击力负相关，|ai|的越大，说明向量xi对着地冲击力的影响越大，||表示取绝对值。
[0174]
在一种可能的实施例中，所述跑步姿态检测结果中的l个跑姿参数对应的l个错误跑步姿态是按照所述相关系数的绝对值的大小由大到小的顺序排列的；
[0175]
所述跑步姿态检测结果还包括运动指导信息，所述运动指导信息包括提醒减小所述相关系数为正值的跑姿参数的值，以及增大所述相关系数为负值的跑姿参数的值。
[0176]
本技术实施例中，按照上述方法可以确定用户的跑步姿态是否正确，通过计算跑姿参数与着地冲击力之间的相关系数，确定对用户身体伤害较大，即用户最应该及时纠正的跑姿，有助于指导用户健康、正确的健身。
[0177]
为了实现上述本技术实施例提供的方法中的各功能，终端设备或可穿戴设备可以包括硬件结构和/或软件模块，以硬件结构、软件模块、或硬件结构加软件模块的形式来实现上述各功能。上述各功能中的某个功能以硬件结构、软件模块、还是硬件结构加软件模块的方式来执行，取决于技术方案的特定应用和设计约束条件。
[0178]
本实施例还提供一种计算机存储介质，该计算机存储介质中存储有计算机指令，当该计算机指令在可穿戴设备上运行时，使得可穿戴设备执行图8所示的实施例中的一个或多个步骤，以实现上述实施例中的方法。
[0179]
本实施例还提供了一种程序产品，当该程序产品在计算机上运行时，使得计算机执行图8所示的实施例中的一个或多个步骤，以实现上述实施例中的方法。
[0180]
另外，本技术的实施例还提供一种装置，这个装置具体可以是芯片，组件或模块，该装置可包括相连的处理器和存储器；其中，存储器用于存储计算机执行指令，当装置运行时，处理器可执行存储器存储的计算机执行指令，以使芯片执行图8所示的实施例中的一个或多个步骤，以实现上述实施例中的方法。
[0181]
其中，本实施例提供的终端设备、可穿戴设备、计算机存储介质、程序产品或芯片均用于执行上文所提供的对应的方法，因此，其所能达到的有益效果可参考上文所提供的对应的方法中的有益效果，此处不再赘述。
[0182]
通过以上的实施方式的描述，所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将装置的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。上述描述的系统，装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
[0183]
在本技术实施例各个实施例中的各功能单元可以集成在一个处理单元中，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单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
[0184]
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本技术实施例的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)或处理器执行本技术各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：快闪存储器、移动硬盘、只读存储器、随机存取存储器、磁碟或者光盘等各种可以存储程序代码的介质。
[0185]
以上所述，仅为本技术实施例的具体实施方式，但本技术实施例的保护范围并不局限于此，任何在本技术实施例揭露的技术范围内的变化或替换，都应涵盖在本技术实施例的保护范围之内。因此，本技术实施例的保护范围应以所述权利要求的保护范围为准。