計步器演算法是如何實現的？

近來出於自己對運動的興趣，突然想做一個app，但是在核心演算法實現上出現了一點難題。在數據採集之後，通過excel可以明顯的觀測出數據存在的周期心跳，但是對於離散的數據，統計心跳個數著實犯難。此數據基於加速度感測器採集。

想到兩個方案：1.取一個固定間斷的點進行平均，換取曲線的光滑，然後再統計波峰

2.對於和加速度的偏移角度達到某個閾值。

但上述兩種方案的精度都很低，而且不通用。

所以向知友們討教一下是否有好的實現方案，能夠最大限度地滿足通用性及精確性。還有可以順路告訴我對於現有的一些計步app的演算法又是如何實現的。

本人目前也尚屬於大二學生，曾經找到一篇關於計步器的學術論文，不過對於其內容中的演算法思想還沒有理解的能力。故麻煩知友能夠點化一下。附加論文信息：《步數檢測方法及在手腕式計步器中的應用研究》交通大學的謝如花女士的論文。

望各位大牛賜教，小弟不勝感激

---

step detection其實很簡單，這篇paper中有講 FootPath: Accurate Map-based Indoor Navigation Using Smartphones

(1)加速度取模，然後加一個 Low pass filter,窗口大小一般為300ms - 500ms，因為人的步頻大概就是這個量級

(2) 檢測峰值，並判斷是否超過閾值，超過就是一步

我用自己的手機採集了一些數據，親測可行。在Matlab下畫出計算結果，跟實際完全一致。

---

Android_基於G-Sensor的計步演算法

一、寫在分享之前

學習Android也有將近一年的時間了，一直在看大牛們分享的知識，今天也想分享自己之前的一點研究，關於計步器演算法的。目前在計步領域比較領先的有樂動力以及春雨計步器，在做演算法的參數調試的時候也是一直拿這兩個應用做對比。樂動力當之無愧行業第一，不管是應用的體驗還是準確度都是非常棒，春雨計步器的亮點是輕量級，使用以及界面操作都很簡單。之前因為一些需求，需要做一個計步器，所以就開始自己研究演算法了，各種場景（走路拿在手上，放在口袋，跑步），演算法的準確度大概可以達到95.7%，綜合起來覺得是比春雨略好，但是贏不了樂動力（可以達到97.7%）在體驗和大局觀為王的互聯網時代，我覺得技術上的差距會越來越小，重要的是體驗還有對於產品的定位，所以決定將演算法與大家分享，第一是希望可以幫到到家，第二也是希望大家提一些意見，讓這個演算法可以得到改進。

計步器apk下載

apk反編譯下載

二、計步器演算法的總體思路以及輔助調試的工具

人在走路時大致分為下面幾種場景：

1、正常走路，手機拿在手上（邊走邊看、甩手、不甩手）

2、慢步走，手機拿在手上（邊走邊看、甩手、不甩手）

3、快步走，手機拿在手上（甩手、不甩手、走的很快一般不會看手機吧）

4、手機放在褲袋裡（慢走、快走、正常走）

5、手機放在上衣口袋裡（慢走、快走、正常走）

6、上下樓梯（上面五中場景可以在這個場景中再次適用一遍）

以上，不管出於哪一種場景（其實對應手機不同的運動規律），g-sensor的三軸數據都是有規律可以尋找的。

每一步都有特徵點，找到這個特徵點，就是識別出來一步。

下面推薦一個工具，叫gsensor-debug，可以觀察三軸的曲線，下面是手機上下擺動的曲線

這是很規律曲線只要檢測波峰就行了，實際的走路曲線會有很多雜波，演算法的作用就是濾除這些雜波（走路的波形可以用工具自己看，可以保存為文件，用excel打開有數據，將數據轉換為波形就可以自己看）

三、演算法的介紹（貼出核心代碼）1、變數的定義//存放三軸數據 float[] oriValues = new float[3]; final int valueNum = 4; //用於存放計算閾值的波峰波谷差值 float[] tempValue = new float[valueNum]; int tempCount = 0; //是否上升的標誌位 boolean isDirectionUp = false; //持續上升次數 int continueUpCount = 0; //上一點的持續上升的次數，為了記錄波峰的上升次數 int continueUpFormerCount = 0; //上一點的狀態，上升還是下降 boolean lastStatus = false; //波峰值 float peakOfWave = 0; //波谷值 float valleyOfWave = 0; //此次波峰的時間 long timeOfThisPeak = 0; //上次波峰的時間 long timeOfLastPeak = 0; //當前的時間 long timeOfNow = 0; //當前感測器的值 float gravityNew = 0; //上次感測器的值 float gravityOld = 0; //動態閾值需要動態的數據，這個值用於這些動態數據的閾值 final float initialValue = (float) 1.3; //初始閾值 float ThreadValue = (float) 2.0; private StepListener mStepListeners;&

2. 代碼，結合注釋看

檢測步子就是檢測波峰，但是要濾除無效的波峰，主要採用了如下三種措施

a、規定曲線連續上升的次數

b、波峰波谷的差值需要大於閾值

c、閾值是動態改變的

另一個是一些參數的初始值，比如initialValue 以及ThreadValue 的初始值，以及averageValue函數的梯度化範圍值

需要結合各種場景的波形圖來統計，還有幾十實際的測試來調試參數，這些參數大概前後調了兩個星期，其實總體思路不複雜。

下面貼出核心代碼以及一些注釋：

（因為一些原因，整個工程我就不傳了，後面有時間我可以將app傳上來）

/*

* 註冊了G-Sensor後一隻會調用這個函數

* 對三軸數據進行平方和開根號的處理

* 調用DetectorNewStep檢測步子

* */

@Override

public void onSensorChanged(SensorEvent event) {

for (int i = 0; i &< 3; i++) {

oriValues[i] = event.values[i];

}

gravityNew = (float) Math.sqrt(oriValues[0] * oriValues[0]

+ oriValues[1] * oriValues[1] + oriValues[2] * oriValues[2]);

DetectorNewStep(gravityNew);

}

/*

* 檢測步子，並開始計步

* 1.傳入sersor中的數據

* 2.如果檢測到了波峰，並且符合時間差以及閾值的條件，則判定為1步

* 3.符合時間差條件，波峰波谷差值大於initialValue，則將該差值納入閾值的計算中

* */

public void DetectorNewStep(float values) {

if (gravityOld == 0) {

gravityOld = values;

} else {

if (DetectorPeak(values, gravityOld)) {

timeOfLastPeak = timeOfThisPeak;

timeOfNow = System.currentTimeMillis();

if (timeOfNow - timeOfLastPeak &>= 250

(peakOfWave - valleyOfWave &>= ThreadValue)) {

timeOfThisPeak = timeOfNow;

/*

* 更新界面的處理，不涉及到演算法

* 一般在通知更新界面之前，增加下面處理，為了處理無效運動：

* 1.連續記錄10才開始計步

* 2.例如記錄的9步用戶停住超過3秒，則前面的記錄失效，下次從頭開始

* 3.連續記錄了9步用戶還在運動，之前的數據才有效

* */

mStepListeners.onStep();

}

if (timeOfNow - timeOfLastPeak &>= 250

(peakOfWave - valleyOfWave &>= initialValue)) {

timeOfThisPeak = timeOfNow;

ThreadValue = Peak_Valley_Thread(peakOfWave - valleyOfWave);

}

}

}

gravityOld = values;

}

/*

* 檢測波峰

* 以下四個條件判斷為波峰：

* 1.目前點為下降的趨勢：isDirectionUp為false

* 2.之前的點為上升的趨勢：lastStatus為true

* 3.到波峰為止，持續上升大於等於2次

* 4.波峰值大於20

* 記錄波谷值 * 1.觀察波形圖，可以發現在出現步子的地方，波谷的下一個就是波峰，有比較明顯的特徵以及差值 * 2.所以要記錄每次的波谷值，為了和下次的波峰做對比

* */ public boolean DetectorPeak(float newValue, float oldValue) {

lastStatus = isDirectionUp;

if (newValue &>= oldValue) { isDirectionUp = true;

continueUpCount++;

} else {

continueUpFormerCount = continueUpCount;

continueUpCount = 0;

isDirectionUp = false;

}

if (!isDirectionUp lastStatus

(continueUpFormerCount &>= 2 || oldValue &>= 20)) {

peakOfWave = oldValue;

return true;

} else if (!lastStatus isDirectionUp) {

valleyOfWave = oldValue;

return false;

} else { return false;

}

}

/*

* 閾值的計算

* 1.通過波峰波谷的差值計算閾值

* 2.記錄4個值，存入tempValue[]數組中

* 3.在將數組傳入函數averageValue中計算閾值

* */

public float Peak_Valley_Thread(float value) {

float tempThread = ThreadValue;

if (tempCount &< valueNum) {

tempValue[tempCount] = value;

tempCount++;

} else {

tempThread = averageValue(tempValue, valueNum);

for (int i = 1; i &< valueNum; i++) {

tempValue[i - 1] = tempValue[i];

}

tempValue[valueNum - 1] = value;

}

return tempThread;

}

/*

* 梯度化閾值

* 1.計算數組的均值

* 2.通過均值將閾值梯度化在一個範圍里

* */

public float averageValue(float value[], int n) {

float ave = 0;

for (int i = 0; i &< n; i++) {

ave += value[i];

}

ave = ave / valueNum;

if (ave &>= 8)

ave = (float) 4.3;

else if (ave &>= 7 ave &< 8)

ave = (float) 3.3;

else if (ave &>= 4 ave &< 7)

ave = (float) 2.3;

else if (ave &>= 3 ave &< 4)

ave = (float) 2.0;

else {

ave = (float) 1.3;

}

return ave;

}

---

搜索大法好~發明輪子哇哈哈。。。

接觸到了一款APP，就算關閉狀態也能檢測計步器，隨便搜了一下，關鍵詞：

TYPE_STEP_COUNTER

http://developer.android.com/reference/android/hardware/Sensor.html#TYPE_STEP_COUNTER

註冊了這個感測器之後，可以拿到用戶自重啟以來走過的步數

---

這個用手機還是比較困難的，網上已經有很多計步器應用，你可以體驗一下他們的準確度。

我認為手機感測器的精度不是問題，問題在於手機的位置，如果是綁在腿上那自然就簡單多了。

很多與定位相關的論文會涉及到步伐檢測（用來實現慣性定位），我之前粗略閱讀過現在記不太清了，隱約記得有一篇講到一個雙峰+加速度檢測，即每一步都會出現一個雙峰再加上一定量的加速度。

---

偶爾搜索到這個東西，怒答一下，下面鏈接是我之前寫的一篇文章，基本上中國互聯網上有教育意義的記步連接我都放裡面了。

演算法在大多數情況下都比較准，唯一問題是，跑步的時候如果放在褲兜裡面手機來回晃動，不準確，如果用腰帶緊貼腰上則比較准。連接在下面。

另外一種基於手機感測器簡單的記步演算法

---

根據自己開發遇到的問題，所謂的某些手機自帶計步器的說法保持懷疑！

如果使用繼承SensorEventListener 方式獲取步數，在某些手機上會出現極大地偏差。

包括魅族全系、華為部分機器。個人感覺是api中返回的數據錯誤導致不可用

---

手機上的計步軟體或多或少有些不準，這是加速度感測器實現演算法的通病。

動動、咕咚這些計步軟體都不錯，偏向社交一點。

如果要一款純粹的專註的計步軟體，有一款簡潔，小巧的——力成計步器，可以試試：

應用詳情 - 應用寶官網

---

推薦閱讀：