可穿戴设备及人身安全监测方法
【专利摘要】本发明公开了一种可穿戴设备及人身安全监测方法，该可穿戴设备包括：心率监测模块，用于采集用户的心率数据，判断心率数据是否异常，并将心率数据的判断结果发送给处理模块；运动监测模块，用于采集用户的运动数据，判断运动数据是否异常，并将运动数据的判断结果发送给处理模块；定位模块，用于采集用户的地理位置信息，并将所述地理位置信息发送给处理模块；所述处理模块，用于基于心率数据的判断结果和运动数据的判断结果来判定用户的人身安全状况，并在判定为异常时，发送包含所述地理位置信息的报警消息给通信模块；通信模块，用于将报警消息发送给关联设备。本发明能够更智能地推断出用户的人身安全状况，自动化程度高，易于实现。
【专利说明】
可穿戴设备及人身安全监测方法
技术领域
[0001]本发明涉及智能终端技术领域，具体涉及一种可穿戴设备及人身安全监测方法。
【背景技术】
[0002]目前，可穿戴设备的一大类应用是用于个人的安全看护，典型的产品是儿童手表、手环和老人手表。此类产品最重要的功能是及时检测到用户的人身安全隐患，并及时发出安全报警。
[0003]申请号为201410120432.6的中国专利申请公开了一种可穿戴电子设备以及人体健康监测管理系统，该可穿戴电子设备能够实时检测用户运动信息，各项生理特征(包括血糖、血氧、血压、心率、肌电、体温、脑电波等数据)，健康状况、情绪等，并将所述用户运动数据与用户生理数据相结合或者相对应进行分析判断后对所述当前用户进行健康监测管理。
[0004]申请号为201210562404.0的中国专利申请公开了一种无线腕表，将从监测生命体征参数单元接收的生命体征参数进行预警判决,针对不同的生命体征参数设置不同的生命体征参数门限值，并根据是否达到门限值来确定是否报警。
[0005]在上述方案中，需要测量较多的生命体征参数，这就使得影响测量结果的因素增多，技术上难以实现，成本也比较高；而判定手段则比较单一，这就影响了判断结果的准确性。
【发明内容】
[0006]本发明针对现有技术中需要测量过多的生命体征参数，成本较高，技术上难实现以及判断准确性不够准确的问题，提出了一种可穿戴设备以及人身安全监测方法。
[0007]为实现上述发明目的，本发明提供的可穿戴设备采用下述技术方案予以实现:
一种可穿戴设备，包括:
心率监测模块，用于采集用户的心率数据，判断所述心率数据是否异常，并将所述心率数据的判断结果发送给处理模块；
运动监测模块，用于采集所述用户的运动数据，判断所述运动数据是否异常，并将所述运动数据的判断结果发送给所述处理模块；
定位模块，用于采集所述用户的地理位置信息，并将所述地理位置信息发送给所述处理模块；
所述处理模块，与所述心率监测模块、所述运动监测模块以及所述定位模块连接，用于基于所述心率数据的判断结果和所述运动数据的判断结果来判定所述用户的人身安全状况，并在判定所述人身安全状况为异常时，发送包含所述地理位置信息的报警消息给通信模块；以及
所述通信模块，与所述处理模块连接，用于将所述报警消息发送给关联设备。
[0008]如上所述的可穿戴设备，在一种可能的实现方式中，所述心率监测模块还用于对所采集的心率数据进行自适应学习，得到所述用户的常态心率数据，并基于所述常态心率数据设置心率阈值，通过将所采集的心率数据与所述心率阈值做比较判断所述心率数据是否异常；所述心率数据包括心率或脉搏，所述心率阈值包括心率上限阈值和心率下限阈值。
[0009]如上所述的可穿戴设备，在一种可能的实现方式中，所述运动监测模块还用于对所采集的运动数据进行自适应学习，得到所述用户的常态运动数据，并基于所述常态运动数据设置加速度阈值，通过将所采集的运动数据与所述加速度阈值做比较判断所述运动数据是否异常；所述运动数据包括速度、加速度及位移中的一种或多种。
[0010]如上所述的可穿戴设备，在一种可能的实现方式中，所述处理模块基于所述心率数据的判断结果和所述运动数据的判断结果来判定所述用户的人身安全状况具体包括:
当所述心率数据的判断结果为正常，所述运动数据的判断结果为正常时，判定所述用户的人身安全状况为正常；
当所述心率数据的判断结果为异常，所述运动数据的判断结果为正常时，判定所述用户的人身安全状况为异常；以及
当所述心率数据的判断结果为正常，所述运动数据的判断结果为异常时，判定所述用户的人身安全状况为正常。
[0011]如上所述的可穿戴设备，在一种可能的实现方式中，所述运动监测模块还用于对设定时间段内采集到的运动数据进行分析，得到速度变化走势，并将所述速度变化走势发送给所述处理模块；
则所述处理模块基于所述心率数据的判断结果和所述运动数据的判断结果来判定所述用户的人身安全状况还包括:当所述心率数据的判断结果为异常，所述运动数据的判断结果为异常时，如果所述速度变化走势为下降，则所述处理模块判定所述用户的人身安全状况为异常。
[0012]如上所述的可穿戴设备，在一种可能的实现方式中，所述心率监测模块还用于对设定时间段内采集到的心率数据进行分析，得到心率变化走势，并将所述心率变化走势发送给所述处理模块；所述运动监测模块还用于对设定时间段内采集到的运动数据进行分析，得到加速度变化走势，并将所述速度变化走势发送给所述处理模块；
则所述处理模块基于所述心率数据的判断结果和所述运动数据的判断结果来判定所述用户的人身安全状况还包括:当所述心率数据的判断结果为异常，所述运动数据的判断结果为异常时，如果所述心率变化走势为上升，且所述加速度变化走势具有规律性和重复性，则所述处理模块判断所述用户的人身安全状况为正常。
[0013]如上所述的可穿戴设备，在一种可能的实现方式中，所述心率监测模块还用于对设定时间段内采集到的心率数据进行分析，得到心率变化走势，并将所述心率变化走势发送给所述处理模块；所述运动监测模块还用于对设定时间段内采集到的运动数据进行分析，得到加速度变化走势，并将所述速度变化走势发送给所述处理模块；
则所述处理模块基于所述心率数据的判断结果和所述运动数据的判断结果来判定所述用户的人身安全状况还包括:当所述心率数据的判断结果为异常，所述运动数据的判断结果为异常时，如果所述心率变化走势为上升，且所述加速度变化走势不具有规律性和重复性，则所述处理模块判断所述用户的人身安全状况为异常。
[0014]为实现上述发明目的，本发明提供的人身安全监测方法采用下述技术方案来实现: 一种人身安全监测方法，包括:
采集用户的心率数据，判断所述心率数据是否异常；
采集所述用户的运动数据，判断所述运动数据是否异常；
采集所述用户的地理位置信息；以及
基于所述心率数据的判断结果和所述运动数据的判断结果来判定所述用户的人身安全状况，并在判定所述人身安全状况为异常时，发送包含所述地理位置信息的报警消息。
[0015]如上所述的人身安全监测方法，在一种可能的实现方式中，还包括:对所采集的心率数据进行自适应学习，得到所述用户的常态心率数据，并基于所述常态心率数据设置心率阈值，通过将所采集的心率数据与所述心率阈值做比较判断所述心率数据是否异常；所述心率数据包括心率或脉搏，所述心率阈值包括心率上限阈值和心率下限阈值。
[0016]如上所述的人身安全监测方法，在一种可能的实现方式中，还包括:对所采集的运动数据进行自适应学习，得到所述用户的常态运动数据，并基于所述常态运动数据设置加速度阈值，通过将所采集的运动数据与所述加速度阈值做比较判断所述运动数据是否异常；所述运动数据包括速度、加速度及位移中的一种或多种。
[0017]如上所述的人身安全监测方法，在一种可能的实现方式中，所述基于所述心率数据的判断结果和所述运动数据的判断结果来判定所述用户的人身安全状况包括:
当所述心率数据的判断结果为正常，所述运动数据的判断结果为正常时，判定所述用户的人身安全状况为正常；
当所述心率数据的判断结果为异常，所述运动数据的判断结果为正常时，判定所述用户的人身安全状况为异常；以及
当所述心率数据的判断结果为正常，所述运动数据的判断结果为异常时，判定所述用户的人身安全状况为正常。
[0018]如上所述的人身安全监测方法，在一种可能的实现方式中，还包括:对设定时间段内采集到的运动数据进行分析，得到速度变化走势；
所述基于所述心率数据的判断结果和所述运动数据的判断结果来判定所述用户的人身安全状况包括:当所述心率数据的判断结果为异常，所述运动数据的判断结果为异常时，如果所述速度变化走势为下降，则判定所述用户的人身安全状况为异常。
[0019]如上所述的人身安全监测方法，在一种可能的实现方式中，还包括:对设定时间段内采集到的心率数据进行分析，得到心率变化走势，对设定时间段内采集到的运动数据进行分析，得到加速度变化走势；
所述基于所述心率数据的判断结果和所述运动数据的判断结果来判定所述用户的人身安全状况还包括:当所述心率数据的判断结果为异常，所述运动数据的判断结果为异常时，如果所述心率变化走势为上升，且所述加速度变化走势具有规律性和重复性，则所述处理模块判断所述用户的人身安全状况为正常。
[0020]如上所述的人身安全监测方法，在一种可能的实现方式中，还包括:对设定时间段内采集到的心率数据进行分析，得到心率变化走势，对设定时间段内采集到的运动数据进行分析，得到加速度变化走势；
所述基于所述心率数据的判断结果和所述运动数据的判断结果来判定所述用户的人身安全状况还包括:当所述心率数据的判断结果为异常，所述运动数据的判断结果为异常时，如果所述心率变化走势为上升，且所述加速度变化走势不具有规律性和重复性，则所述处理模块判断所述用户的人身安全状况为异常。
[0021]与现有技术相比，本发明的优点和积极效果是:通过对用户的心率数据和运动数据进行实时监测和综合判断，能够更智能地推断出用户的人身安全状况，并针对各种情形自动地发出报警消息，自动化程度较高，易于实现。
[0022]结合附图阅读本发明的【具体实施方式】后，本发明的其他特点和优点将变得更加清
/E.ο
【附图说明】
[0023]图1为本发明可穿戴设备一个实施例的结构示意图；
图2为本发明人身安全监测方法一个实施例的流程图。
【具体实施方式】
[0024]为了使本发明的目的、技术方案及优点更加清楚明白，以下将结合附图和实施例，对本发明作进一步详细说明。
[0025]如图1所示，为本发明可穿戴设备一个实施例的结构示意图。具体来说，该实施例的可穿戴设备100包括:心率监测模块10、运动监测模块20、定位模块30、处理模块40以及通信模块50。
[0026]其中，心率监测模块10用于采集和存储用户的心率或脉搏等心率数据，基于预设的心率阈值来判断用户的心率数据是否正常，并将判断结果发送给处理模块40。该心率监测模块10主要基于光学或电学的方法对用户的心率数据进行监测。
[0027]其中，心率监测模块10能够对设定时间段内采集到的心率数据进行自适应学习，以形成具有统计学意义的用户的常态心率数据，基于常态心率数据能够设定心率阈值，例如心率上限阈值Rmax和心率下限阈值Rmin。心率监测模块10将采集到的心率数据与心率阈值进行比较，当心率监测模块10监测到用户的当前心率值处于心率上限阈值Rmax和心率下限阈值Rmin之间时，心率监测模块10判定该用户的心率数据正常；当监测到用户的当前心率值高于心率上限阈值Rmax或低于心率下限阈值Rmin时，心率监测模块10判定该用户的心率数据异常。
[0028]运动监测模块20用于采集和存储用户的速度、加速度以及位移等运动数据，基于预设的速度阈值来判断用户的速度、加速度是否正常，并将判断结果发送给处理模块40。具体地，运动监测模块20可以通过多轴加速度传感器，对人体局部或者整体的运动数据进行监测和分析。
[0029]其中，运动监测模块20能够对设定时间段内采集到的运动数据进行自适应学习，以形成具有统计学意义的用户的常态运动数据，基于该常态运动数据，并结合人体运动极限数据能够设定加速度阈值Ath。运动监测模块20将采集到的运动数据与速度阈值进行比较，当运动监测模块20监测到用户当前的实时加速度不大于加速度阈值Ath时，判定加速度数据正常，用户的肢体运动处于正常状态；反之，当监测到用户当前的实时加速度大于加速度阈值Ath时，则判定用户的加速度数据异常。
[0030]定位模块30用于对用户进行定位，获取定位模块30所处的地理位置信息，并将采集到的地理位置信息发送给处理模块40。该定位模块30采用的定位方法可以包括卫星定位(GPS)、基站定位以及W1-Fi热点定位中的一种或多种。
[0031]处理模块40用于对心率监测模块10发送的心率数据判断结果和运动监测模块20发送的运动数据判断结果进行进一步分析，以得到用户的人身安全状况，并在分析结果为异常时，将报警消息发送给通信模块50。该报警消息包括用户的地理位置信息，还可以包括用户的异常信息，例如心率异常和/或加速度异常，还可以包括异常的持续时间等等。以便用户的家人、监护人能够进一步了解用户的情况，并基于对用户人身安全状况的了解做出初步判断和及时采取救助。
[0032]通信模块50用于将接收到处理模块40发送的报警消息发送给所关联的通信设备，例如用户的家人、监护人的移动终端、座机等设备，该报警信息中包含用户的地理位置信息，还可以包括报警消息中所描述的用户的大致异常状况。本实施例中的通信模块50采用GSM或者CDMA制式的无线通信模块，遵循2G或3G无线蜂窝电话通讯协议。
[0033]具体而言，处理模块40接收到的心率数据判断结果和运动数据判断结果包括四种组合:(I)心率数据正常，加速度数据正常；(2)心率数据异常，加速度数据正常；(3)心率数据正常，加速度数据异常；(4)心率数据异常，加速度数据异常。处理模块40对该四种数据组合来判定用户的人身安全状况。
[0034]对于情况(1)，处理模块10判断为用户的人身安全状态正常。
[0035]对于情况(2)，用户的运动数据正常意味着身体并未出现剧烈运动，但是心率数据异常，意味着用户可能遇到意外情况，例如:因发生突发事件而受到惊吓，心率加速；因遭遇坏人或不法分子而导致情绪紧张；或身体出现突发性疾病(如心脏病)等等。这种情况下，处理模块40判定用户人身安全状况异常。
[0036]对于情况(3)，通常判定为用户人身安全状况正常，也可以结合加速度数据异常所持续的时间来做进一步判定，以便为用户的家人或监护人提供更详细的消息。如果加速度数据异常持续的时间较短，例如几秒之内，可以看成是不会对用户造成不良影响的一些如电梯升降，跑车加速等偶尔的剧烈运动，这种情况下处理模块40判定为用户的人身安全状况正常。对于加速度数据异常持续的时间较长，而心率始终正常的情况，由于没有典型的实际场景，而且心率正常可认为用户情绪稳定，未有身心重大伤害或影响，因此即使出现这种情况，处理模块40也可以判定为用户的人身安全状况正常，也可认为无紧急情况。当然为了保险起见，这种情况下也可以通过通信模块50向关联设备仅仅发送一个非紧急的异常提示，提示用户的家人或监护人提高警惕。由于通常情况下，加速度数据异常持续时间较长会导致心率数据的变化，因而情况(3)可能会转变为情况(4)。
[0037]对于情况(4)，此种情况相对比较复杂，因为正常和非正常的运动情况都有可能导致心率出现异常。在这种情况下，需要对心率值的变化走势做进一步判断，如果心率值呈下降变化，意味着心脏跳动减弱，极有可能是身体受到重大创伤，可能危及生命，因此无论运动数据发生任何异常，均实施报警措施，即刻通过通信模块50发送报警消息给关联设备。该紧急求救消息包括用户所处位置，还可以包括用户的大致状况，还可以给出处理模块40的判断结果。
[0038]如果心率值呈上升变化，原因则有可能是多种，例如:①用户进行体育运动；②用户遭遇人身伤害，如车祸，身体受到巨大创伤；③用户遭遇不法分子，双方出现肢体冲突。如果用户在进行体育运动(情况①)，则属于正常情况，无需报警。对于其他情况，可以通过通信模块50发送报警消息给关联设备，以提醒用户的家人和监护人引起足够重视。为了确认属于上述哪种情况，需要运动监测模块20对采集到的运动数据进行进一步统计分析，得出各设定时间段内的加速度变化走势，并将该加速度变化走势也发给处理模块40。如果用户的加速度虽超过加速度阈值，但是在设定时间段内的加速度变化走势具有规律性和重复性，那么处理模块40判断当前情况属于上述情况①，用户在进行体育运动，用户的人身安全状况为正常。反之，如果设定时间段内的加速度数据走势不具有规律性和重复性，是杂乱的无规律可循的，那么处理模块40判断当前情况属于上述情况②和③，即用户的人身安全状况为异常。
[0039]此外，定位模块30也可以对一段时期内采集到的用户的地理位置信息进行统计分析和自适应学习，得出用户的常去地点，并对常去地点进行标注，例如购物场所，健身场所，亲朋好友家等等。地理位置信息需要与其他信息相结合才能判定人身安全状况。处理模块40结合对设定时间段内的运动数据的分析，如果运动数据具有规律性、重复性且发生在健身地点，则可以判断当前用户的人身安全状况为正常；如果运动数据不具有规律性、重复性且出现在用户从未去过的地点，则判断当前用户的人身安全状况为异常。
[0040]此外，还可以根据心率数据和运动数据的变化持续时间(或称之为异常持续时间)来进行判定。心率监测模块10还用于统计心率数据异常的持续时间，并将该持续时间发送给处理模块40 ;运动监测模块20还用于统计运动数据异常的持续时间，并将该持续时间发送给处理模块40。处理模块40将该心率异常持续时间和速度异常持续时间均超过设定阈值，则判定用户的人身安全状况为正常；如果心率异常持续时间超过设定阈值，而速度异常持续时间未超过设定阈值，则判定用户的人身安全状况为异常。
[0041]如图2所示，为本发明提供的人身安全监测方法一个实施例的流程图。具体来说，该方法实施例基于图1实施例的设备，实现人身安全监测。结合上述实施例1中对可穿戴设备100的描述，该实施例的方法具体包括:
步骤S11、心率监测模块10采集和存储用户的心率或脉搏等心率数据，基于预设置的心率阈值判断当前心率数据是否异常，并将判断结果发送给处理模块40 ；
其中，心率监测模块10对所采集的心率数据进行自适应学习，得到用户的常态心率数据，并基于常态心率数据设置心率阈值，通过对所采集的心率数据与心率阈值做比较判断所述心率数据是否异常；该心率数据包括心率或脉搏，心率阈值包括心率上限阈值和心率下限阈值。
[0042]步骤S21、运动监测模块20采集和存储用户的速度、加速度以及位移等运动数据，基于预设置的速度阈值判断当前运动数据是否异常，并将判断结果发送给处理模块40 ；
运动监测模块20对所采集的运动数据进行自适应学习，得到用户的常态运动数据，并基于常态运动数据设置加速度阈值，通过对所采集的运动数据与加速度阈值做比较判断运动数据是否异常；运动数据包括速度、加速度及位移中的一种或多种。
[0043]步骤S13、定位模块30采集用户所处的地理位置信息，并将获取的地理位置信息发送至处理模块40 ；
步骤S14、处理模块40基于接收到的心率数据判断结果和运动数据判断结果判定用户的人身安全状况，并在判定为人身状况异常时，发送包含地理位置信息的报警消息给通信模块50 ；
步骤S15、通信模块50将该报警消息发送给关联设备。
[0044]在步骤S14中，处理模块40基于接收到的数据进行判定具体包括:
当心率数据的判断结果为正常，运动数据的判断结果为正常时，判定用户的人身安全状况为正常；
当心率数据的判断结果为异常，运动数据的判断结果为正常时，判定用户的人身安全状况为异常；以及
当心率数据的判断结果为正常，运动数据的判断结果为异常时，判定用户的人身安全状况为正常。
[0045]当心率数据的判断结果为异常，运动数据的判断结果也为异常时，需要结合其他参数做进一步地判定。例如，如果心率变化走势为下降，则处理模块40判断为用户的人身安全状况为异常。如果心率变化走势为上升，且速度变化走势具有规律性和重复性，则判定为用户的人身安全状况为正常；如果心率变化走势为上升，但速度变化走势不具有规律性和重复性，则判定为用户的人身安全状况为异常。
[0046]本发明提供的可穿戴设备及基于该可穿戴设备的人身安全监测方法，通过对用户的心率数据和运动数据进行实时监测和综合判断，能够更智能地推断出用户的人身安全状况，并针对各种情形自动地发出报警消息，自动化程度较高，易于实现。
[0047]以上实施例仅用以说明本发明的技术方案，而非对其进行限制；尽管参照前述实施例对本发明进行了详细的说明，对于本领域的普通技术人员来说，依然可以对前述实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或替换，并不使相应技术方案的本质脱离本发明所要求保护的技术方案的精神和范围。
【主权项】
1.一种可穿戴设备，其特征在于，包括: 心率监测模块，用于采集用户的心率数据，判断所述心率数据是否异常，并将所述心率数据的判断结果发送给处理模块； 运动监测模块，用于采集所述用户的运动数据，判断所述运动数据是否异常，并将所述运动数据的判断结果发送给所述处理模块； 定位模块，用于采集所述用户的地理位置信息，并将所述地理位置信息发送给所述处理模块； 所述处理模块，与所述心率监测模块、所述运动监测模块以及所述定位模块连接，用于基于所述心率数据的判断结果和所述运动数据的判断结果来判定所述用户的人身安全状况，并在判定所述人身安全状况为异常时，发送包含所述地理位置信息的报警消息给通信模块；以及 所述通信模块，与所述处理模块连接，用于将所述报警消息发送给关联设备。2.根据权利要求1所述的可穿戴设备，其特征在于，所述心率监测模块还用于对所采集的心率数据进行自适应学习，得到所述用户的常态心率数据，并基于所述常态心率数据设置心率阈值，通过将所采集的心率数据与所述心率阈值做比较判断所述心率数据是否异常；所述心率数据包括心率或脉搏，所述心率阈值包括心率上限阈值和心率下限阈值。3.根据权利要求1所述的可穿戴设备，其特征在于，所述运动监测模块还用于对所采集的运动数据进行自适应学习，得到所述用户的常态运动数据，并基于所述常态运动数据设置加速度阈值，通过将所采集的运动数据与所述加速度阈值做比较判断所述运动数据是否异常；所述运动数据包括速度、加速度及位移中的一种或多种。4.根据权利要求1所述的可穿戴设备，其特征在于，所述处理模块基于所述心率数据的判断结果和所述运动数据的判断结果来判定所述用户的人身安全状况具体包括: 当所述心率数据的判断结果为正常，所述运动数据的判断结果为正常时，判定所述用户的人身安全状况为正常； 当所述心率数据的判断结果为异常，所述运动数据的判断结果为正常时，判定所述用户的人身安全状况为异常；以及 当所述心率数据的判断结果为正常，所述运动数据的判断结果为异常时，判定所述用户的人身安全状况为正常。5.根据权利要求1-4任一项所述的可穿戴设备，其特征在于，所述运动监测模块还用于对设定时间段内采集到的运动数据进行分析，得到速度变化走势，并将所述速度变化走势发送给所述处理模块； 则所述处理模块基于所述心率数据的判断结果和所述运动数据的判断结果来判定所述用户的人身安全状况还包括:当所述心率数据的判断结果为异常，所述运动数据的判断结果为异常时，如果所述速度变化走势为下降，则所述处理模块判定所述用户的人身安全状况为异常。6.根据权利要求1-4任一项所述的可穿戴设备，其特征在于，所述心率监测模块还用于对设定时间段内采集到的心率数据进行分析，得到心率变化走势，并将所述心率变化走势发送给所述处理模块；所述运动监测模块还用于对设定时间段内采集到的运动数据进行分析，得到加速度变化走势，并将所述速度变化走势发送给所述处理模块； 则所述处理模块基于所述心率数据的判断结果和所述运动数据的判断结果来判定所述用户的人身安全状况还包括:当所述心率数据的判断结果为异常，所述运动数据的判断结果为异常时，如果所述心率变化走势为上升，且所述加速度变化走势具有规律性和重复性，则所述处理模块判断所述用户的人身安全状况为正常。7.根据权利要求1-4任一项所述的可穿戴设备，其特征在于，所述心率监测模块还用于对设定时间段内采集到的心率数据进行分析，得到心率变化走势，并将所述心率变化走势发送给所述处理模块；所述运动监测模块还用于对设定时间段内采集到的运动数据进行分析，得到加速度变化走势，并将所述速度变化走势发送给所述处理模块； 则所述处理模块基于所述心率数据的判断结果和所述运动数据的判断结果来判定所述用户的人身安全状况还包括:当所述心率数据的判断结果为异常，所述运动数据的判断结果为异常时，如果所述心率变化走势为上升，且所述加速度变化走势不具有规律性和重复性，则所述处理模块判断所述用户的人身安全状况为异常。8.一种人身安全监测方法，其特征在于，包括: 采集用户的心率数据，判断所述心率数据是否异常； 采集所述用户的运动数据，判断所述运动数据是否异常； 采集所述用户的地理位置信息；以及 基于所述心率数据的判断结果和所述运动数据的判断结果来判定所述用户的人身安全状况，并在判定所述人身安全状况为异常时，发送包含所述地理位置信息的报警消息。9.根据权利要求8所述的人身安全监测方法，其特征在于，还包括:对所采集的心率数据进行自适应学习，得到所述用户的常态心率数据，并基于所述常态心率数据设置心率阈值，通过将所采集的心率数据与所述心率阈值做比较判断所述心率数据是否异常；所述心率数据包括心率或脉搏，所述心率阈值包括心率上限阈值和心率下限阈值。10.根据权利要求8所述的人身安全监测方法，其特征在于，还包括:对所采集的运动数据进行自适应学习，得到所述用户的常态运动数据，并基于所述常态运动数据设置加速度阈值，通过将所采集的运动数据与所述加速度阈值做比较判断所述运动数据是否异常；所述运动数据包括速度、加速度及位移中的一种或多种。11.根据权利要求8所述的人身安全监测方法，其特征在于，所述基于所述心率数据的判断结果和所述运动数据的判断结果来判定所述用户的人身安全状况包括: 当所述心率数据的判断结果为正常，所述运动数据的判断结果为正常时，判定所述用户的人身安全状况为正常； 当所述心率数据的判断结果为异常，所述运动数据的判断结果为正常时，判定所述用户的人身安全状况为异常；以及 当所述心率数据的判断结果为正常，所述运动数据的判断结果为异常时，判定所述用户的人身安全状况为正常。12.根据权利要求8-11任一项所述的人身安全监测方法，其特征在于，还包括:对设定时间段内采集到的运动数据进行分析，得到速度变化走势； 所述基于所述心率数据的判断结果和所述运动数据的判断结果来判定所述用户的人身安全状况包括:当所述心率数据的判断结果为异常，所述运动数据的判断结果为异常时，如果所述速度变化走势为下降，则判定所述用户的人身安全状况为异常。13.根据权利要求8-11任一项所述的人身安全监测方法，其特征在于，还包括:对设定时间段内采集到的心率数据进行分析，得到心率变化走势，对设定时间段内采集到的运动数据进行分析，得到加速度变化走势； 所述基于所述心率数据的判断结果和所述运动数据的判断结果来判定所述用户的人身安全状况还包括:当所述心率数据的判断结果为异常，所述运动数据的判断结果为异常时，如果所述心率变化走势为上升，且所述加速度变化走势具有规律性和重复性，则所述处理模块判断所述用户的人身安全状况为正常。14.根据权利要求8-11任一项所述的人身安全监测方法，其特征在于，还包括:对设定时间段内采集到的心率数据进行分析，得到心率变化走势，对设定时间段内采集到的运动数据进行分析，得到加速度变化走势； 所述基于所述心率数据的判断结果和所述运动数据的判断结果来判定所述用户的人身安全状况还包括:当所述心率数据的判断结果为异常，所述运动数据的判断结果为异常时，如果所述心率变化走势为上升，且所述加速度变化走势不具有规律性和重复性，则所述处理模块判断所述用户的人身安全状况为异常。
【文档编号】G08B21/02GK105869344SQ201510034483
【公开日】2016年8月17日
【申请日】2015年1月23日
【发明人】姜幸群
【申请人】青岛海尔智能技术研发有限公司