数据分类方法、装置、电子设备及存储介质

技术领域

本申请涉及运动研究领域，具体而言，本申请涉及一种数据分类方法、装置、电子设备及存储介质。

背景技术

随着运动研究的发展，对各项运动进行定性分析，并建立数字模型显得越来越紧迫，其中，一个好的数字模型可以高效协助运动过程，提升运动质量。但是，建立数字模型需要精确度高的数据，比如对于某一时刻而言，除了需要定位该时刻的角度、速度、加速度和高度等参数，还需定位该时刻的动作，能对同一时刻的动作和参数进行定位则是数据的精确度的体现。基于这种定位，用户可通过该时刻采集的参数去分析该时刻的动作是否标准。

目前，存在如下3种通用的数据采集方式：非接触人体方式、人体接触方式和混合方式。非接触人体方式和混合方式是通过采集运动过程中的视频或者动作参数，虽然通过视频和动作参数可以分析各个时刻的动作是否标准，但视频和动作参数是需要反复观看和分析，才能确定动作是否标准，毫无疑问该方式采集的数据精确度并不高。人体接触方式是通过佩戴于人体的各种传感器持续采集运动过程中的多种参数，然而该方式下每个时刻的参数并没有与该时刻的动作建立关联，同样精确度并不高。

因此，目前的数据采集方式所采集的数据存在精确度不够的问题。

发明内容

本申请实施例的目的旨在能解决上述问题之一。

一方面，本申请实施例提供了一种数据分类方法，该方法包括：

确定目标对象在目标时段内进行多个脚步时的参数序列和第一强度值序列，参数序列包括目标对象在目标时段内的各个时刻的运动参数，每个脚步对应多个时刻的脚部动作，第一强度值序列包括各个时刻的脚部动作对应的强度值。根据第一强度值序列，确定每个脚步对应的脚部动作的特征时刻，特征时刻为开始时刻、结束时刻和峰值时刻中的至少一者，峰值时刻为脚部发力的力度达到峰值的时刻，并将各个脚步对应的各个脚部动作的特征时刻按时序进行排列，获得多个脚步对应的特征时刻序列。根据特征时刻序列划分目标时段，获得多个第一子时段。根据各个第一子时段对参数序列进行划分，获得每个第一子时段的参数子序列。

可选的，根据第一强度值序列，确定每个脚步对应的脚部动作的特征时刻，包括：

按照单位时长划分第一强度值序列，获得至少一个单位时段的第一强度值子序列，单位时段包括目标时段中的至少一个时刻，单位时段的长度为单位时长。根据每个单位时段的第一强度值子序列确定相应单位时段的第二强度值子序列和频率值集，第一强度值子序列中的各个时刻的强度值为频率值在参考频率范围内的声音的强度值，频率值集包括单位时段内至少一种声音的频率值，参考频率范围为目标对象的脚步声音的频率值所属的频率范围。依时序组合各个第二强度值子序列，获得第二强度值序列，并根据第二强度值序列和频率值集，从目标时段中确定各个脚步对应的脚部动作的特征时刻。

可选的，第一强度值序列中每个时刻的强度值包括目标对象的脚步声音的强度值，以及目标对象所处环境的多个环境声音的强度值。

其中，根据每个单位时段的第一强度值子序列确定相应单位时段的第二强度值子序列和频率值集，包括：

对每个第一强度值子序列进行频谱分析，获得相应单位时段的声音波形数据集，声音波形数据集包括至少一个声音波形数据，每个声音波形数据包括一个声音的频率值，以及声音在相应单位时段内各个时刻的强度值。对于每个声音波形数据集，统计声音波形数据集中各个声音波形数据中声音的频率值，获得相应单位时段的频率值集，并根据参考频率范围，处理声音波形数据集中各个声音波形数据中声音的强度值，获得相应的单位时段的第二强度值子序列。

可选的，根据参考频率范围，处理声音波形数据集中各个声音波形数据中声音的强度值，获得相应的单位时段的第二强度值子序列，包括：

对于声音波形数据集中各个声音波形数据执行以下至少一种处理：若声音波形数据中声音的频率值不在参考频率范围内，则降低声音波形数据中声音在各个时刻的强度值；若声音波形数据中声音的频率值在参考频率范围内，则按照预设数值提升声音波形数据中的声音在各个时刻的强度值。

可选的，根据第二强度值序列和频率值集，从目标时段中确定各个脚步对应的脚部动作的特征时刻，包括：

从目标时段中确定多个第二子时段，每个第二子时段包括多个连续的时刻，且对于各个第二子时段中的每个时刻，时刻所在的单位时段的频率值集包括参考频率范围内的频率值，第二强度值序列中时刻的强度值不小于第一预设强度值。对于每个第二子时段，遍历第二子时段中的每个时刻，将强度值最大的时刻作为第一时刻，并根据第一时刻，确定第二子时段内脚部动作的特征时刻。

可选的，根据第一时刻，确定第二子时段内脚部动作的特征时刻，包括：

将第一时刻，确定为第二子时段内脚部离地的峰值时刻。

可选的，根据第一时刻，确定第二子时段内脚部动作的特征时刻，还包括：

确定第一参考值，第一参考值为第一预设强度值，或者第一时刻的强度值与预设百分比的乘积。依时序遍历第二子时段中的各个时刻，将在第一时刻之前且强度值不小于第一参考值的首个时刻确定为第二时刻，以及将在第一时刻之后且强度值不小于第一参考值的最后一个时刻确定为第三时刻。将第二时刻确定为第二子时段内脚部着地或者脚部离地的开始时刻。将第三时刻确定为第二子时段内脚部着地或者脚部离地的结束时刻。

可选的，每个脚步对应的多个脚部动作包括至少一个脚部着地，以及一个脚部离地，至少一个脚部着地的开始时刻、脚部离地的开始时刻依序排列。

脚部着地为脚跟着地、脚尖着地、脚外侧着地、脚内侧着地和脚掌着地中的任一者。脚部离地为脚跟离地、脚尖离地、脚外侧离地、脚内侧离地和脚掌离地中的任一者。

另一方面，本申请实施例提供了一种数据分类装置，该装置包括：

第一确定模块，用于确定目标对象在目标时段内进行多个脚步时的参数序列和第一强度值序列，参数序列包括目标对象在目标时段内的各个时刻的运动参数，每个脚步对应多个时刻的脚部动作，第一强度值序列包括各个时刻的脚部动作对应的强度值。

第二确定模块，用于根据第一强度值序列，确定每个脚步对应的各个脚部动作的特征时刻，特征时刻为开始时刻、结束时刻和峰值时刻中的至少一者，峰值时刻为脚部发力的力度达到峰值的时刻，并将各个脚步对应的各个脚部动作的特征时刻按时序进行排列，获得多个脚步对应的特征时刻序列。

第一划分模块，用于根据特征时刻序列划分目标时段，获得多个第一子时段。

第二划分模块，用于根据各个第一子时段对参数序列进行划分，获得每个第一子时段的参数子序列。

本申请实施例还提供了一种电子设备，该电子设备包括：存储器、处理器及存储在存储器上的计算机程序，处理器执行计算机程序以实现一种数据分类方法的步骤。

本申请实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现一种数据分类方法的步骤。

本申请实施例提供的技术方案带来的有益效果是：

以目标对象在目标时段进行的多个脚步为例，首先，获取目标对象在目标时段进行多个脚步时的参数序列和强度值序列，每个脚步对应多个时刻的脚部动作，如，将多个时刻的脚部动作理解为分解一个脚步之后获得的多个脚部动作，强度值序列包括各个时刻的脚部动作对应的强度值，如，每个时刻的强度值可理解为相应时刻的脚部动作所产生的脚步声音的强度值。进一步地，根据强度值序列确定每个脚步对应的各个脚部动作的特征时刻，该特征时刻为开始时刻、结束时刻和峰值时刻中的至少一者，并将各个脚步对应的各个脚部动作的特征时刻按时序进行排列，获得多个脚步对应的特征时刻序列，然后通过特征时刻序列划分目标时段，获得多个第一子时段。由于特征时刻序列中的每个时刻是一个脚部动作的开始时刻或者结束时刻，因此每个第一子时段其本质包括一个脚部动作或者一个脚步的发生时段，也即实现了对一个脚部动作或者一个脚步的发生时段的定位。最后，根据各个第一子时段对参数序列进行划分，获得每个第一子时段的参数子序列，也即定位第一子时段中目标对象的运动参数，这一步的定位直接将第一子时段中发生的脚步或者脚步对应的脚部动作与目标对象的运动参数进行了关联，也即同步了目标对象的动作和运动参数。

通过本申请提供的数据分类方法，实现了同步目标对象的动作(比如，脚步，脚步对应的每个脚部动作)和运动参数，有效提高数据精确度。

附图说明

为了更清楚地说明本申请实施例中的技术方案，下面将对本申请实施例描述中所需要使用的附图作简单地介绍。

图1为本申请实施例提供的实现一种数据分类方法的采集系统的结构示意图；

图2为本申请实施例提供的一种数据分类方法的流程示意图；

图3a为本申请实施例提供的原始的波形图和频谱图；

图3b为本申请实施例提供的强度值与色块的对照图；

图3c为本申请实施例提供的滤波后的波形图和频谱图；

图4为本申请实施例提供的多种运动项目；

图5为本申请实施例提供的一种获取特征时刻序列的流程示意图；

图6为本申请实施例提供的运动员运动过程中的多个视频帧；

图7为本申请实施例提供的一种数据分类装置的结构示意图；

图8为本申请实施例提供的一种电子设备的结构示意图。

具体实施方式

下面结合本申请中的附图描述本申请的实施例。应理解，下面结合附图所阐述的实施方式，是用于解释本申请实施例的技术方案的示例性描述，对本申请实施例的技术方案不构成限制。

本技术领域技术人员可以理解，除非特意声明，这里使用的单数形式“一”、“一个”、“所述”和“该”也可包括复数形式。应该进一步理解的是，本申请实施例所使用的术语“包括”以及“包含”是指相应特征可以实现为所呈现的特征、信息、数据、步骤、操作、元件和/或组件，但不排除实现为本技术领域所支持其他特征、信息、数据、步骤、操作、元件、组件和/或它们的组合等。应该理解，当我们称一个元件被“连接”或“耦接”到另一元件时，该一个元件可以直接连接或耦接到另一元件，也可以指该一个元件和另一元件通过中间元件建立连接关系。此外，这里使用的“连接”或“耦接”可以包括无线连接或无线耦接。这里使用的术语“和/或”指示该术语所限定的项目中的至少一个，例如“A和/或B”指示实现为“A”，或者实现为“A”，或者实现为“A和B”。

为使本申请的目的、技术方案和优点更加清楚，下面将结合附图对本申请实施方式作进一步地详细描述。

首先对本申请涉及的几个名词进行介绍和解释：

声音的产生：声音是由物体的振动引起的，这个振动可以是生源发出的声波。声源可以是正在发声的物体，比如人说话时的口腔，脚部的鞋底与地面之间的摩擦。

声波的形成：当声源开始振动时，它会使得周围的介质(如空气、固体或液体)跟着一起振动，形成疏密相间的波动。这种波动就是声波，它是通过介质传播的一种波动现象。

声波的传播：声波以波的形式在介质中传播，就像水波在水面上荡漾一样。在不同的介质中，声波的传播速度不同，通常温度越高，声速越快。声波在固体中传播最快，而在气体中最慢。

声波的接收：拾音设备可采集声波的方式获取声音的信息，比如声波的频率和强度值。

非接触人体方式：高速摄像，电影3D拍摄系统，激光深度记录仪等捕捉设备。该方式多用于电影特效的拍摄，在拍摄之前要精确地摆设高精度的标记物，以对空间的坐标进行标记校准，且捕捉设备一经安装，不能随便移动和变化。

人体接触方式：在身体多个部位佩戴传感器，传感器可采集各个时刻的三轴加速度、角速度和压力等。

混合方式：在身体的多个特定位置佩戴发光装置、特定颜色装置，再由摄像系统捕捉发光信息或者颜色信息。该方式可获得人的各种姿态数据。

比如，对于跳高运动中的一次试跳过程，通过高速摄像采集视频数据和各种传感器采集的数据，只能发现是哪些动作导致试跳失败，而不清楚这些动作的具体信息。因此，需要反复分析视频和参数，才能找到试跳失败的原因。

本申请提供的一种数据分类方法、装置、电子设备及存储介质，旨在解决现有技术的如上技术问题。

下面通过对几个示例性实施方式的描述，对本申请实施例的技术方案以及本申请的技术方案产生的技术效果进行说明。需要指出的是，下述实施方式之间可以相互参考、借鉴或结合，对于不同实施方式中相同的术语、相似的特征以及相似的实施步骤等，不再重复描述。

如图1所示，本申请实施例提供了一种采集系统10的结构示意图。采集系统10包括4个模块，分别为数据处理模块110、拾音模块120、运动参数采集模块130和摄像采集模块140。

其中，拾音模块120包括一个麦克风或者拾音器，麦克风或者拾音器可以贴近地面安装，或者，固定在目标对象的鞋子上，或者目标对象的身体上，以便于拾取目标对象的脚步声音。运动参数采集模块130包括至少一个传感器；传感器可以为压力传感器，该压力传感器安装在目标对象的运动区域；传感器还可为三轴角速度传感器，该三轴角速度传感器佩戴在目标对象的身上。摄像采集模块140包括至少一个摄像设备，摄像设备可对目标对象进行的运动过程进行摄像。

如图2所示，本申请实施例还提供了一种数据分类方法的流程示意图，其中，该方法可以应用于上述采集系统10中的数据处理模块110。该方法包括如下步骤S2100～S2400。

S2100，确定目标对象在目标时段内进行多个脚步时的参数序列和第一强度值序列。

其中，参数序列包括目标对象在目标时段内各个时刻的运动参数，比如，三轴角速度传感器采集的三轴角速度，压力传感器采集的压力值。每个脚步对应多个时刻的脚部动作，可以理解为将一个脚步按照时刻进行分解，获得每个时刻的脚部动作，部分连续的时刻的脚部动作为同一种。第一强度值序列包括目标时段内各个时刻的脚部动作对应的强度值。

其中，多个脚步可以为一个脚步，或者一个以上的脚步。

其中，各个时刻的运动参数可以为一种，也可以一种以上。

可选的，在目标时段内可按照第一采样频率设置多个时刻，在每个时刻采集一个或者多个运动参数，对各个时刻的运动参数以时序排列，获得参数序列。

可选的，在目标时段内可按照第二采样频率设置多个时刻，在每个时刻采集相应时刻的脚部动作对应的强度值，对各个时刻的强度值依时序排列，获得第一强度值序列，其中，各个时刻的强度值为该时刻目标对象的脚步声音的强度值，以及其他声音的强度值叠加之后的强度值。需要说明的是，第一采样频率和第二采样频率可以相同，也可以不同，可以根据实际需求设置。

S2200，根据第一强度值序列，确定每个脚步对应的脚部动作的特征时刻，并将各个脚步对应的各个脚部动作的特征时刻按时序进行排列，获得多个脚步对应的特征时刻序列。

其中，特征时刻为开始时刻、结束时刻和峰值时刻中的至少一者。一般而言，目标对象在进行一个脚部动作时，其脚部持续在发力，这种发力过程存在以下几个特殊的力度，比如：脚部动作开始时脚部发力的力度，脚部动作结束时脚部发力的力度，这两种力度在整个发力过程中最小，此刻脚部与地面之间摩擦导致空气波动较小，也即采集的脚部声音的强度值较小。还比如：发力过程中脚部发力的最大力度，此刻脚部与地面之间摩擦导致空气波动较大，采集的脚部声音的强度值也相应达到了峰值，因此，峰值时刻为脚部发力的力度达到峰值的时刻。

S2300，根据特征时刻序列划分目标时段，获得多个第一子时段。

具体而言，从特征时刻序列中确定至少一个第一时刻对，对于每个第一时刻对中的两个时刻从目标时段中划分出一个时段，作为第一子时段，其中，第一时刻对中的两个时刻分别为第一子时段的开始时刻和结束时刻。

由于特征时刻序列中的各个时刻是脚部动作的开始时刻、结束时刻或者峰值时刻，因此通过特征时刻序列去划分目标时段，获得的每个第一子时段关联的脚部动作或者脚步。也就是说，第一子时段可以为目标对象进行一个或者连续多个脚步的时段，也可以是目标对象进行一个或者连续多个脚部动作的时段。

S2400，根据各个第一子时段对参数序列进行划分，获得每个第一子时段的参数子序列。

具体而言，对于每个第一子时段，从参数序列中提取出从第一子时段的开始时刻至结束时刻之间的各个时刻的运动参数，并将各个时刻的运动参数依时序排列，获得第一子时段的参数子序列。

在一个示例中，运动参数包括视频帧，根据参数序列获取第一子时段的视频帧序列，视频帧序列中包括第一子时段中各个时刻的视频帧。通过分析每个特征时刻的视频帧，获得每个特征时刻的脚部动作。

由于第一子时段关联目标对象的脚步或者脚部动作，获得第一子时段的参数子序列之后，实质上是获得脚步或者脚部动作对应的参数序列。一方面，目标对象的脚步或者脚部动作本质上是目标对象的一个动作，另一方面，每个参数子序列都是目标对象的运动参数。也就是说，本方案实现了对目标对象的动作和运动参数的同步，实现了对数据精确度的提升。

由于在采集目标对象的脚步声音的信息时，可能参杂了目标对象所处环境的至少一种环境声音的信息。因此，第一强度值序列中每个时刻的强度值为相应时刻目标对象的脚步声音的强度值，以及目标对象所处环境的至少一种环境声音的强度值的叠加。

在一个示例中，目标对象所处的环境为运动场，目前的环境声音包括至少一群人在聊天的聊天声音，运动场外的工人施工的施工声音。

由于第一强度值序列中各个时刻的强度值是各种声音的强度值叠加所得，因此，第一强度值序列是受到其他声音的污染的结果，分析该序列，则会使得特征时刻出现偏差。为了解决该技术问题，本实施例还提供了一种可能的实现方式。

在上述实施例的基础上，步骤S2200还包括步骤S2210～S2230。

S2210，按照单位时长划分第一强度值序列，获得至少一个单位时段的第一强度值子序列。

其中，单位时段包括目标时段中的至少一个时刻，单位时段的长度为单位时长。

其中，第一强度值子序列为相应单位时段中各个时刻的强度值组成的序列。目标时段由各个单位时段依时序组成，而第一强度值序列由各个第一强度值子序列组成。

需要说明的是，本申请实施例在实施频谱分析时，采用的方案是将第一强度值序列按照单位时长划分出多个单位时段的第一强度值子序列，然后单独对每个单位时段的第一强度值子序列进行频谱分析。

频谱分析，是一种将复杂信号分解为较简单信号的技术，许多物理信号均可以表示为许多不同频率的简单信号的和，找出一个信号在不同频率下的信息(如振幅、功率、强度或相位等)的做法即为频谱分析。比如，本申请中的强度值序列中每个时刻声音的强度值就是一个物理信号，而每个强度值对应的声音包括多种频率的声音，对强度值序列进行频谱分析，就可以获得每个时刻采集的各种声音的波形数据。

在一个示例中，目标时段为：16时25分13秒200毫秒～16时25分13秒350毫秒，目标时段的长度为150ms，将1ms作为一个单位时长，则可以将目标时段划分为150个单位时段，依次为：

16时25分13秒200毫秒～16时25分13秒201毫秒；

16时25分13秒202毫秒～16时25分13秒203毫秒；

……

16时25分13秒349毫秒～16时25分13秒350毫秒。

本示例还包括：图3a所示的原始的波形图和频谱图，其中，波形图在上，频谱图在下，频谱图展示了未经过滤波处理的各个声音的频率和强度。具体而言，在150个单位时段中，展示了每个单位时段的频率值集中的频率值，每个单位时段的频率值集中的一个频率值采用一个长方形色块来展示。

进一步地，参见图3b所示的色块对照图，每种色块对应一个强度值区间，根据图3b所示的色块去查看图3a所示频谱图，单位时段的第一强度值子序列中各个时刻的强度值越大，其对应的色块的颜色就越深。

S2220，根据每个单位时段的第一强度值子序列确定相应单位时段的第二强度值子序列和频率值集。

其中，第一强度值子序列中的各个时刻的强度值为频率值在参考频率范围内的声音的强度值，频率值集包括单位时段内至少一种声音的频率值。

其中，参考频率范围为目标对象的脚步声音的频率值所属的频率范围。比如，参考频率范围为1kHz以上。

在该实施例的一种实现方式中，S2220包括如下步骤S2221～S2222。

S2221，对每个第一强度值子序列进行频谱分析，获得相应单位时段的声音波形数据集。

其中，声音波形数据集包括至少一个声音波形数据，每个声音波形数据包括一个声音的频率值，以及声音在相应单位时段内各个时刻的强度值。

S2222，对于每个声音波形数据集，统计声音波形数据集中各个声音波形数据中声音的频率值，获得相应单位时段的频率值集，并根据参考频率范围，处理声音波形数据集中各个声音波形数据中声音的强度值，获得相应的单位时段的第二强度值子序列。

具体而言，对于声音波形数据集中各个声音波形数据执行以下至少一种处理：

方式1：若声音波形数据中声音的频率值不在参考频率范围内，则降低声音波形数据中声音在各个时刻的强度值。频率值不在参考频率范围内的声音可以视作环境声音，也即“干扰”，通过降低声音的强度值的方式可以去掉这种干扰。

其中，方式1可以理解为一种滤波处理的技术，而在现实场景中，受限于滤波手段的不完善，即便经过滤波处理，还是无法对一些低频的环境声音实现滤除。

方式2：若声音波形数据中声音的频率值在参考频率范围内，则按照预设数值提升声音波形数据中的声音在各个时刻的强度值。将各个时刻的强度值提升预设数值，可实现对脚步声音的强度值的放大，各个时刻的强度值中则会因为是否叠加脚步声音的强度值而拉开差距。

S2230，依时序组合各个第二强度值子序列，获得第二强度值序列，并根据第二强度值序列和频率值集，从目标时段中确定各个脚步对应的脚部动作的特征时刻。

在一个示例中，如图3c所示的滤波后的波形图和频谱图，波形图在上，频谱图在下。其中，波形图中的各个时刻的强度值是经过滤波处理获得的。通过比对图3a和图3c的波形图，相较于图3a而言，图3c滤掉了低频的声音的强度，其波形图中的波形较为规范。进一步地，比对图3a和图3c可知，由于进行了滤波，0～35ms内的峰值时刻从图3a所示的“11ms”，调整为图3c所示的“18ms”。

在上述实施例的基础上，本申请还提供了一个实施例来阐述特征时刻的确定过程。

在该实施例的一种实现方式中，步骤S2230包括如下步骤S2231～S2232。

S2231，从目标时段中确定多个第二子时段。

其中，每个第二子时段包括多个连续的时刻，且对于各个第二子时段中的每个时刻，时刻所在的单位时段的频率值集包括参考频率范围内的频率值，第二强度值序列中各个时刻的强度值不小于第一预设强度值。

其中，第一预设强度值较小，对应的脚步声音表征脚部动作还处于刚开始阶段，或者已快结束。因此，可以通过第一预设强度值来筛选出在脚部动作的整个进行时段。

可选的，依时序遍历目标时段中的每个时刻，并依次确定多个候选时刻对，其中，每个候选时刻对中的首个时刻和上一个候选时刻对中的末尾时刻之间的各个时刻满足以下至少一个条件：该时刻的强度值小于第一预设强度值；该时刻所在的单位时段的频率值集不包括参考频率范围内的频率值。

可选的，依时序遍历每个候选时刻对，判断候选时刻对中是否存在至少两个峰值时刻。若存在，则将候选时刻对划分为至少两个第二子时段。峰值时刻的强度值大于预设数量的时刻的强度值，预设数量的时刻是以峰值时刻为中心确定的，预设数量的时刻对应的时长为一个脚部动作的最小时长。若不存在，则将候选时刻作为一个第二时刻对。

对于每组第二时刻对，将第二时刻对中的两个时刻分别作为开始时刻和结束时刻从目标时段中划分出一个时段，作为第二子时段。

在一个示例中，如图3c所示的频谱图，存在2个候选时刻对，分别为“0ms，35ms”、“53ms，82ms”和“128ms,156ms”。各个候选时刻对中只有一个峰值时刻，因此均可作为一个第二时刻对。

S2232，对于每个第二子时段，遍历第二子时段中的每个时刻，将强度值最大的时刻作为第一时刻，并根据第一时刻，确定第二子时段内脚部动作的特征时刻。

可选的，将第一时刻，确定为第二子时段内脚部离地的峰值时刻。

规范的动作除了规范脚部动作的形态之外，还包括规范动作过程中的发力，峰值时刻是运动研究中的重点时刻，是因为该时刻脚部发力最大。比如，获得峰值时刻身体的各个关节和骨骼的位置、方向、角度，以及肌肉的拉伸和收紧程度，通过这些信息可分析目标对象对于运动技能的把握程度。

确定了脚部动作的峰值时刻之后，如何确定脚部动作的其他时刻呢。为了解决该技术问题，本申请还提供了一种实现方式，该实现方式通过开始时刻的强度值与峰值时刻的强度值的关系，阐述如何获得开始时刻和结束时刻。该实现方式包括如下步骤S2232-1～S2232-4。

S2232-1，确定第一参考值，第一参考值为第一预设强度值，或者第一时刻的强度值与预设百分比的乘积。

预设百分比是开始时刻或者结束时刻的强度值与峰值时刻的强度值的关系，通过这种关系确定开始时刻和结束时刻的强度值，从而去反推开始时刻和结束时刻。

S2232-2，依时序遍历第二子时段中的各个时刻，将在第一时刻之前且强度值不小于第一参考值的首个时刻确定为第二时刻，以及将在第一时刻之后且强度值不小于第一参考值的最后一个时刻确定为第三时刻。

S2232-3，将第二时刻确定为第二子时段内脚部着地或者脚部离地的开始时刻。

S2232-4。将第三时刻确定为第二子时段内脚部着地或者脚部离地的结束时刻。

为了丰富对脚部动作的类型，本申请还提供了一个实施例，用来阐述各种脚部动作。

具体而言，每个脚步对应的多个脚部动作包括至少一个脚部着地，以及一个脚部离地，至少一个脚部着地的开始时刻、脚部离地的开始时刻依序排列。

脚部着地为脚跟着地、脚尖着地、脚外侧着地、脚内侧着地和脚掌着地中的任一者。

脚部离地为脚跟离地、脚尖离地、脚外侧离地、脚内侧离地和脚掌离地中的任一者。

在一个示例中，存在一种场景，目标对象进行的一个规范的脚步，该脚步对应的多个脚部动作可以为：脚跟着地、脚掌着地、脚掌离地。在该示例的另一种场景下，目标对象进行了不规范的动作，多个脚部动作还可以为：脚掌着地、脚掌离地。

每个脚部动作的特征时刻，表明了目标对象的一个特殊的发力时刻，而运动分析中，对于发力的研究是关键，规范的发力能够实现规范的动作，而不规范的发力则可能无法实现规范动作，这一点在是在各种体育运动的训练中体现的更明显。本申请还提供了一种实施例，用于阐述如何通过一个体育运动确定目标对象在目标时段内进行多个脚步时的参数序列和强度值序列。本实施例包括：通过步骤S2101～S2103来阐述S2100。

本申请提供了一个示例，如图4所示，本示例中目标运动项目可以为图4所示的运动项目中任一个。图4示出了3类运动，每类运动的步骤依次为S1、S2、S3和S4。第一类：跳高、跳远、跨栏和投掷等，第一类运动项目的多个运动步骤依次为：倒数第4步、倒数第3步、倒数第2步和起跳步。第二类，网球和羽毛球等，第二类运动项目的多个运动步骤为多个次击打，每次击打需进行多个脚步。第三类，排球，完成第三类运动项目的多个运动步骤依次为：接发球、传球、进攻和对方接发球。

在上述运动项目的训练场景中，教练通过运动项目的训练方案来指导运动员的训练过程，获得运动员的训练结果，比如原始的参数序列和原始的强度值序列。

S2102，依时序遍历原始的强度值序列中的各个时刻，直至获得一个第三时刻对，第三时刻对中的两个时刻之间的时长为预设时长。

具体而言，确定预设时段中强度值大于第一预设强度值的首个时刻，并在预设时段中确定将首个时刻延长预设时长之后的时刻，将确定的两个时刻组成一个第三时刻对，其中，预设时长可以为目标运动项目中一个运动步骤的时长中的最大值。

第三时刻对中的两个时刻可以理解为目标运动项目中一个运动步骤的开始时刻和结束时刻，也即，在第三时刻对中的两个时刻之间的时段内，目标对象进行着目标运动项目的一个运动步骤。也即，可以将第三时刻对对应的运动步骤中的多个脚步对应的特征时刻序列，作为第三时刻对对应的特征时刻序列。

S2103，从初始的参数序列和初始的强度值序列中，确定目标对象在目标时段内进行相应运动步骤中的多个脚步时的参数序列和强度值序列。

在步骤S2200之后，该方法还包括：

获取第一个第三时刻对对应的特征时刻序列中末尾的时刻，确定将末尾的时刻延长预设间隔之后的时刻，以及延长预设间隔和预设时长之后的时刻，并将确定的两个时刻组成第二个第三时刻对，其中，预设间隔为两个相邻的运动步骤之间的最短间隔。进一步地，按照S2200确定第二个时刻对对应的特征时刻序列。依次类推，直至确定最后一个第三时刻对对应的特征时刻序列。

进一步地，将各个第三时刻对对应的特征时刻序列中的时刻依时序排列，获得目标运动项目的特征时刻序列。

为了更清楚地理解本实施例的技术效果，本申请还提供了一个获取特征时刻序列的流程示意图，如图5所示，本流程包括如下步骤S1～S6。

S1，获取预设时段的强度值序列。

S2，遍历预设时段的各个时刻，直至确定t1时刻和t2时刻，将t1和t2组成为第三时刻对。

S3，获取当前的第三时刻对对应的子强度值序列。

S4，根据子强度值序列获取当前的第三时刻对对应的特征时刻序列。具体而言，如对于t1时刻～t2时刻组成的第三时刻对而言，根据子强度值序列，确定t1时刻～t2时刻之间的多个特征时刻，将其按时序排列，获得特征时刻序列，将其作为当前的第三时刻对对应的特征时刻序列。

S5，根据当前的第三时刻对中的末尾时刻确定下一第三时刻对。具体而言，从t2时刻开始遍历预设时段中的各个时刻，确定t3时刻和t4时刻，t3时刻～t4时刻组成的时刻对为新的第三时刻对。

S6，判断新的第三时刻对是否是最后一个第三时刻对。

若是，则根据新的第三时刻对执行S3～S5。若否，则结束，至此获得预设时段内多个第三时刻对。

为了理解本申请提供的数据分类方法的技术效果，本申请还提供了一个示例来进行说明。本示例中，目标运动项目为跳高。由于跳高的4个运动步骤S1～S4均为一个脚步，因此可以直接将预设时段作为一个目标时段，并将预设时段内完成的4个运动步骤作为目标时段内进行的多个脚步来处理。

本示例，还提供了运动员在进行跳高时的几个参数序列的示例。针对目标对象的运动过程进行视频录取，每个视频帧中都存在目标对象，则运动参数可以为视频帧，可以从参数序列中获取视频帧序列；比如，在运动员的脚踝处安装一个三轴角速度传感器和角度传感器，则运动参数也可以是三轴角速度和角度，则可以从参数序列获取三轴角速度序列和角度序列；比如，在运动员身体的任何部位安装一个加速度传感器，则运动参数可以为加速度，可以从参数序列获取加速度序列。

其中，对于视频帧序列，可以将从起跳步的开始时刻之前的100ms到起跳步的结束时刻之后的300ms之间的时段作为一个第一子时段，根据该第一子时段划分视频帧序列，得到该第一子时段的视频帧子序列，通过该视频帧子序列所展示的视频内容可以明确地观察运动员的助跑、起跳和过竿这三个动作的各种细节。

另外，还可以对齐视频帧序列和第一强度值序列，利用慢速、静止帧和循环播放技术对比动作和声音的强度值，这种对比可以让教练和运动员发现更多问题。

其中，对于三轴角速度序列、角度序列、压力序列和加速度序列，可以将从起跳步的结束时刻到之后的100ms之间的时段作为一个第一子时段，对三轴角速度序列、角度子序列、压力序列和加速度序列进行划分，得到该第一子时段的角速度子序列、角度子序列、压力子序列和角速度序列，通过角速度子序列和角度子序列，可以分析运动员身体的某个关节的角度变化的幅度和角度变化的规律；通过压力子序列，可以分析运动员的脚部对地面的压力；通过加速度子序列，可以分析运动员运动的快慢规律。

还可以将同一个运动员的同一个运动步骤的视频帧进行对比，这种对比也可以让教练和运动员发现问题。

另外，为了更清楚地理解运动员进行跳高时的一个脚步的全过程，本示例还提供了3个特征时刻的视频帧，如图6所示。图6包括3行视频帧，每行视频帧包括两个视频帧，左边的视频帧是从视频帧序列中获取的，右边的视频帧对左边的视频帧中小腿至脚部的内容进行放大获得的。第一行视频帧展示的是开始时刻的脚跟着地，第二行视频帧展示的是开始时刻的脚掌着地，第三行视频帧展示的是结束时刻的脚掌离地。每行视频帧的右边的视频帧，还结合了相应特征时刻的角度和角速度的信息，具体而言，是对脚踝处角度变化的幅度和变化的规律进行了展示。

本示例还阐述了一个脚步对应的各种脚部动作产生声音的原因，如下表1所示。表1中，特征频率的声波可以理解为运动员的脚步声音。第一次脚部着地，可以为以下任一种：1.脚尖着地；2.脚跟着地；3.脚外侧着地；4.脚内侧着地。第二次脚部着地，为脚掌着地。脚部离地，可以为以下任一种：1.脚尖着地；2.脚跟着地；3.脚外侧着地；4.脚内侧着地；5.脚掌离地。

表1

进一步地，目标对象的脚步声音的参考频率范围为：1kHz以上，其截取的是多个脚步中一个脚步的强度值序列，该脚步对应的一个较完整的特征时刻序列为：0ms、18ms、35ms、53ms、68ms、82ms、128ms、143ms、156ms，具体参考表2。

表2

本示例中，根据各个特征时刻的视频帧，可获知目标对象的一个脚步被依次分解为：脚跟着地、脚掌着地、脚掌离地这3个脚部动作。进一步地，根据频谱图获知，0ms～35ms、53ms～82ms和128ms～156ms，都可以为一个第一子时段，其中，0ms～35ms内发生的脚部动作为脚跟着地，53ms～82ms内发生的脚部动作为脚掌着地，128ms～156ms内发生的脚部动作为脚掌离地。

进一步地，可通过各个第一子时段来划分参数序列，如获得0ms～33ms内采集的运动参数，可通过该时段内的运动参数分析脚跟着地的细节，尤其是发力细节，比如发力的方向和发力的力度。

如图7所示，本申请实施例还提供了一种数据分类装置700，装置700包括如下模块：第一确定模块710，第二确定模块720，第一划分模块730，第二划分模块740。

第一确定模块710，用于确定目标对象在目标时段内进行多个脚步时的参数序列和第一强度值序列，参数序列包括目标对象在目标时段内的各个时刻的运动参数，每个脚步对应多个时刻的脚部动作，第一强度值序列包括各个时刻的脚部动作对应的强度值。

第二确定模块720，用于根据第一强度值序列，确定每个脚步对应的各个脚部动作的特征时刻，特征时刻为开始时刻、结束时刻和峰值时刻中的至少一者，峰值时刻为脚部发力的力度达到峰值的时刻，并将各个脚步对应的各个脚部动作的特征时刻按时序进行排列，获得多个脚步对应的特征时刻序列。

第一划分模块730，用于根据特征时刻序列划分目标时段，获得多个第一子时段。

第二划分模块740，用于根据各个第一子时段对参数序列进行划分，获得每个第一子时段的参数子序列。

本申请实施例的装置可执行本申请实施例所提供的方法，其实现原理相类似，本申请各实施例的装置中的各模块所执行的动作是与本申请各实施例的方法中的步骤相对应的，对于装置的各模块的详细功能描述具体可以参见前文中所示的对应方法中的描述，此处不再赘述。

本申请实施例还提供了一种电子设备，包括存储器、处理器及存储在存储器上的计算机程序，该处理器执行上述计算机程序以实现一种数据分类方法的步骤，与现有技术相比可实现：同步目标对象的动作(比如，一个脚步、一个脚步对应的各个脚部动作)和运动参数，提升数据精确度。

参见图8，本申请实施例还提供了一种电子设备具体示例，图8所示的电子设备8000包括：处理器8001和存储器8003。其中，处理器8001和存储器8003相连，如通过总线8002相连。可选地，电子设备8000还可以包括收发器8004，收发器8004可以用于该电子设备与其他电子设备之间的数据交互，如数据的发送和/或数据的接收等。需要说明的是，实际应用中收发器8004不限于一个，该电子设备8000的结构并不构成对本申请实施例的限定。

处理器8001可以是CPU(Central Processing Unit，中央处理器)，通用处理器，DSP(Digital Signal Processor，数据信号处理器)，ASIC(Application SpecificIntegrated Circuit，专用集成电路)，FPGA(Field Programmable Gate Array，现场可编程门阵列)或者其他可编程逻辑器件、晶体管逻辑器件、硬件部件或者其任意组合。其可以实现或执行结合本申请公开内容所描述的各种示例性的逻辑方框，模块和电路。处理器8001也可以是实现计算功能的组合，例如包含一个或多个微处理器组合，DSP和微处理器的组合等。

总线8002可包括一通路，在上述组件之间传送信息。总线8002可以是PCI(Peripheral Component Interconnect，外设部件互连标准)总线或EISA(ExtendedIndustry Standard Architecture，扩展工业标准结构)总线等。总线8002可以分为地址总线、数据总线、控制总线等。为便于表示，图8中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。

存储器8003可以是ROM(Read Only Memory，只读存储器)或可存储静态信息和指令的其他类型的静态存储设备，RAM(Random Access Memory，随机存取存储器)或者可存储信息和指令的其他类型的动态存储设备，也可以是EEPROM(Electrically ErasableProgrammable Read Only Memory，电可擦可编程只读存储器)、CD-ROM(Compact DiscRead Only Memory，只读光盘)或其他光盘存储、光碟存储(包括压缩光碟、激光碟、光碟、数字通用光碟、蓝光光碟等)、磁盘存储介质、其他磁存储设备、或者能够用于携带或存储计算机程序并能够由计算机读取的任何其他介质，在此不做限定。

存储器8003用于存储执行本申请实施例的计算机程序，并由处理器8001来控制执行。处理器8001用于执行存储器8003中存储的计算机程序，以实现前述方法实施例所示的步骤。

其中，电子设备包括但不限于：计算机。

本申请实施例提供了一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，计算机程序被处理器执行时可实现前述方法实施例的步骤及相应内容。

本申请实施例还提供了一种计算机程序产品，包括计算机程序，计算机程序被处理器执行时可实现前述方法实施例的步骤及相应内容。

应该理解的是，虽然本申请实施例的流程图中通过箭头指示各个操作步骤，但是这些步骤的实施顺序并不受限于箭头所指示的顺序。除非本文中有明确的说明，否则在本申请实施例的一些实施场景中，各流程图中的实施步骤可以按照需求以其他的顺序执行。此外，各流程图中的部分或全部步骤基于实际的实施场景，可以包括多个子步骤或者多个阶段。这些子步骤或者阶段中的部分或全部可以在同一时刻被执行，这些子步骤或者阶段中的每个子步骤或者阶段也可以分别在不同的时刻被执行。在执行时刻不同的场景下，这些子步骤或者阶段的执行顺序可以根据需求灵活配置，本申请实施例对此不限制。

以上所述仅是本申请部分实施场景的可选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本申请的方案技术构思的前提下，采用基于本申请技术思想的其他类似实施手段，同样属于本申请实施例的保护范畴。