一种身体能量的估算方法、可穿戴设备及计算机存储介质与流程

文档序号:32162569发布日期:2022-11-12 03:09阅读:184来源:国知局
一种身体能量的估算方法、可穿戴设备及计算机存储介质与流程

1.本发明涉及可穿戴设备领域,更具体地说,是涉及一种身体能量的估算方法、可穿戴设备及计算机存储介质。


背景技术:

2.可穿戴设备技术可以监测某一项生理指标人们的生理信息,例如心率、血氧、温度等,但对人体综合状况关注较少。
3.在专利wo 2009/057033 a2中,提出在可穿戴设备中测量用户的睡眠、心率变异性、面部表情、激素和肌肉张力等来衡量用户的能量水平。人的能量水平是用户当前状况的度量,用户能量输入是指使人感到精力充沛的活动(例如睡眠和用餐),与用户能量输出相关的参数包括压力以及活动等。可以理解,能量水平反映了人们当前在精神以及生理方面的综合情况。采用能量水平衡量用户状况的技术已应用于可穿戴设备中,例如佳明公司在其手表中采用的身体电量(body battery)指标,小米公司在其手表中采用的身体能量指标。
4.但现有可穿戴设备受限于功耗,不会将生理传感器长期持续开启,导致在测量用户能量水平时精度较低。


技术实现要素:

5.本发明实施例的目的在于提供一种身体能量的估算方法、可穿戴设备及计算机存储介质,其目的是解决现有技术中可穿戴设备在测量用户能量水平时,精度低的问题。在本技术实施例中,采用身体能量衡量用户的能量水平,也即身体能量表示用户在精神和生理方面的综合情况。
6.第一方面,本技术实施例提供了一种身体能量的估算方法,应用于可穿戴设备,包括:
7.根据运动传感器采集的运动信号确定运动强度等级;
8.根据ppg传感器采集的脉搏波信号获取用户的心率值和目标脉搏波特征;
9.获取所述ppg传感器的工作模式,所述工作模式包括持续开启模式以及间隔开启模式;
10.响应于所述ppg传感器处于持续开启模式,采用第一评估模型确定用户的身体能量变化值,所述第一评估模型为对多个第一训练样本和身体能量变化值进行训练得到的模型,所述第一训练样本包括运动强度等级、心率值以及用户的储备心率;
11.响应于所述ppg传感器处于间隔开启模式,采用第二评估模型确定用户的身体能量变化值,所述第二评估模型为多个第二训练样本和身体能量变化值进行得到的模型,所述第二训练样本包括目标脉搏波特征以及用户的储备心率;
12.基于所述身体能量变化值及前一时刻的身体能量值确定当前身体能量值。
13.根据本公开的第一方面,基于所述身体能量变化值及用户前一时刻的身体能量值
确定用户当前身体能量值,包括:
14.采用所述前一时刻的身体能量值对所述身体能量变化值进行校正得到校正值;
15.根据所述前一时刻的身体能量值以及所述校正值确定所述当前身体能量值。
16.根据本公开的第一方面,采用所述前一时刻的身体能量值对所述身体能量变化值进行校正得到校正值,包括:
17.采用如下公式对所述身体能量变化值进行校正:
18.yc=y
×
co
19.其中,yc表示校正值,y表示身体能量变化值,co表示校正系数;校正系数采用如下公式计算:
[0020][0021]
其中,pr_e表示前一时刻的身体能量值,k表示相关系数,相关系数k可通过机器学习的方式获得。
[0022]
根据本公开的第一方面,所述方法还包括:
[0023]
根据所述个人基础信息确定用户的最大心率;
[0024]
根据所述运动信号确定用户是否为静息状态;
[0025]
响应于用户处于静息状态,根据所述脉搏波信号确定所述用户的静息心率;
[0026]
基于所述最大心率以及所述静息心率确定所述储备心率。
[0027]
根据本公开的第一方面,所述个人基础信息至少包括用户的年龄。
[0028]
根据本公开的第一方面,所述方法还包括:
[0029]
确定所述可穿戴设备的佩戴状态,所述佩戴状态包括未佩戴状态以及已佩戴状态;
[0030]
响应于所述可穿戴的设备的佩戴状态由未佩戴状态切换为已佩戴状态,根据未佩戴时长确定所述当前身体能量值。
[0031]
根据本公开的第一方面,根据未佩戴时长确定所述当前身体能量值,包括:
[0032]
响应于未佩戴时长小于等于第一阈值,则将用户脱下所述可穿戴设备的身体能量值作为当前身体能量值;
[0033]
响应于未佩戴时长大于第一阈值且小于等于第二阈值,则基于基准身体能量变化曲线相应时间段内的变化量确定当前身体当量值;
[0034]
响应于未佩戴时长大于所述第二阈值,则基于所述基准身体能量变化曲线在当前时刻的基准值作为当前身体能量值。
[0035]
第三方面,本技术实施例提供了一种可穿戴设备,包括处理器、存储器、运动传感器以及ppg传感器,其特征在于,所述存储器上存储有可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述方法的步骤。
[0036]
第三方面,本技术实施例提供了一种计算机存储介质,计算机存储介质存储有计算机程序,其特征在于,计算机程序被处理器执行时实现上述方法的步骤。
[0037]
在本技术实施例中,响应于ppg传感器处于持续开启模式,采用第一评估模型确定用户的身体能量变化值,响应于ppg传感器处于间隔开启模式,采用第二评估模型确定用户的身体能量变化值,基于身体能量变化值及用户前一时刻的身体能量值确定用户当前身体
能量值。其中,第一评估模型与运动强度等级、心率值以及用户的储备心率相关,第二评估模型为与目标脉搏波特征以及用户的储备心率相关。由于ppg传感器的功耗较高,为降低功耗,可穿戴设备仅在用户选择启动运动监测或者检测到用户运动强度超过预设阈值时,才会持续开启ppg传感器。在用户运动时,用户运动强度以及心率变化对身体能量影响较大,而在用户不运动时,用户的压力情况对身体能量影响较大。本发明实施例采用在ppg持续开启时,将运动强度等级以及心率值参与身体能量计算,在ppg间隔开启时将目标脉搏波特征参与身体能量的计算,提升了身体能量的测量精度。
附图说明
[0038]
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
[0039]
图1为本技术实施例提供的可穿戴设备的框图;
[0040]
图2是本技术实施例提供的一种身体能量测量方法的流程图;
[0041]
图3是本技术实施例提供的一种身体能量测量方法中确定储备心率的流程图;
[0042]
图4是本技术实施例提供的另一种身体能量测量方法的流程图;
[0043]
图5是本技术实施例提供的另一种身体能量测量方法的流程图;
[0044]
图6是本技术实施例提供的基准身体能量变化曲线的示意图。
具体实施方式
[0045]
下面将结合本发明实施例中附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。
[0046]
因此,以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围,而是仅仅表示本发明的选定实施例。基于本发明的实施例,本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本发明保护的范围。
[0047]
另外,在本技术说明书和所附权利要求书的描述中,术语“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。本领域的技术人员还应当理解,术语“包括”、“具有”在本说明书中使用时指定了特征、整体、步骤、操作、元件和/或部件的存在,但并不排除一个或多个其他特征、整体、步骤、操作、元件、部件和/或它们的组合。术语“如果”、“若”取决于上下文可以被解读为表示“在

时”或“响应于”。
[0048]
在本技术实施例中,身体能量是反映人们在精神以及生理方面的综合指标,可以理解为精力,影响身体能量的因素包括与精神压力、身体疲劳、睡眠、饮食等相关的因素。例如,用户的活动、精神压力均为导致身体能量降低,睡眠以及食物摄入将会导致身体能量得到提升。在现有技术中,可以通过智能手表来采集用户的生理及运动参数来衡量用户的身体能量,例如佳明手表中通过身体电量(body battery)指标,又例如小米手表中的身体能量指标。
[0049]
目前,可穿戴设备大多采用ppg#(photoplethysmographic,光电容积脉搏波描记法)传感器采集用户的生理参数,但出于功耗考虑,不会长期持续开启ppg#传感器,导致身体能量测量精度较低。
[0050]
本发明的基本思路是:在ppg传感器处于不同的工作模式时,采用不同的评估模型来确定用户的身体能量变化。在用户运动时,用户运动强度情况以及心率变化对身体能量影响较大,而在用户不运动时,用户的压力情况对身体能量影响较大。本发明实施例采用在ppg持续开启时,将运动强度等级以及心率值参与身体能量计算,在ppg间隔开启时将目标脉搏波特征参与身体能量的计算,提升了身体能量的测量精度。
[0051]
图1示出了用于实现卡路里消耗测量方法的可穿戴设备框图。可穿戴设备100包括但不限于智能手表、智能手环、智能戒指等。可穿戴设备可以包括一个或多个处理器101、存储器102、通信模块103、传感器模块104、显示屏105、音频模块106、扬声器107、麦克风108、相机模块109、马达110、按键111、指示器112、电池113、电源管理模块114等。这些部件可以通过一条或多条通信总线或信号线来进行通信。
[0052]
处理器101是信息处理、程序运行的最终执行单元,可以运行操作系统或应用程序,以执行可穿戴设备100的各种功能应用以及数据处理。处理器101可以包括一个或多个处理单元,例如:处理器101可以包括中央处理器(central processing unit,cpu)、图形处理单元(graphics processing unit,gpu)、图像信号处理器100(image signal processing,isp)、传感器中枢处理器或通信处理器(central processor,cp)应用处理器(application processor,ap)等等。在一些实施例中,处理器101可以包括一个或多个接口。接口用于将外围设备耦接到处理器101,以传输处理器101与外围设备之间的指令或者数据。
[0053]
存储器102可以用于存储计算机可执行程序代码,可执行程序代码包括指令。存储器102可以包括存储程序区和存储数据区。其中,存储程序区可存储操作系统,至少一个功能所需的应用程序(比如用于测量身体电量相关的应用程序)等。存储数据区可存储可穿戴设备100使用过程中所创建的数据,例如用户个人基础信息,个人基础信息可以包括年龄、身高、体重、性别等,存储数据区还可以存储用户每次运动的运动参数以及生理参数,如步数、步幅、配速、运动类型、运动时长、心率、血压、血氧等。存储器可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件,闪存器件,通用闪存存储器(universal flash storage,ufs)等。
[0054]
通信模块103可支持可穿戴设备100通过无线通信技术与网络以及其他设备通信(例如与可穿戴设备通信)。通信模块103将电信号转换为电磁信号进行发送,或者将接收到的电磁信号转换为电信号。通信模块103包括:天线、rf收发器、一个或多个放大器、调谐器、振荡器、数字信号处理器、编解码芯片组等等。可穿戴设备100的通信模块103可以包括蜂窝移动通信模块、短距离无线通信模块、无线互联网模块、位置信息模块中的一个或者多个。
[0055]
传感器模块104用于测量物理量或检测可穿戴设备的操作状态。传感器104可以包括加速度传感器104a、陀螺仪传感器104b、气压传感器104c、磁传感器104d、生物传感器104e、接近传感器104f、环境光传感器104g、触摸传感器104h等。传感器模块104还可以包括控制电路,以用于控制包括在传感器模块104中的一个或多个传感器。
[0056]
其中,加速度传感器104a可检测可穿戴设备100在各个方向上的加速度大小。当可
穿戴设备100静止时可检测出重力的大小及方向。在一些实施方式中,加速度传感器104a还可以用于识别可穿戴设备100的姿态,以计算用户在运动过程中步数。加速度传感器104a可以和陀螺仪传感器104b结合起来,用于监测用户在运动过程中的步幅、步频及配速等。
[0057]
陀螺仪传感器104b可以用于确定可穿戴设备100的运动姿态。在一些实施例中,可以通过陀螺仪传感器104b确定可穿戴设备100围绕三个轴(即,x,y和z轴)的角速度。在一些实施例中,可以通过加速度传感器104a配合陀螺仪传感器104b共同识别用户的运动,例如识别用户的运动类型,用户运动的开始与结束。
[0058]
气压传感器104c用于测量气压。在一些实施例中,可穿戴设备100通过气压传感器104c测得的气压值计算海拔高度,辅助定位和导航。
[0059]
磁传感器104d包括霍尔传感器,或者磁力计等,可以用于确定用户位置。
[0060]
ppg传感器104e用于测量用户的生理参数。例如可穿戴设备100可以通过ppg传感器104e获取用户的ppg信号,以计算用户的心率或者血氧饱和度等信息。在一些实施例中,可穿戴设备100还可包括用于测量用户生理产生的其他生理传感器,例如指纹传感器、心电图传感器等。可穿戴设备100也可基于心电图传感器来获取用户的心率。在一些实施例中,可以基于ppg传感器104e来检测可穿戴设备100的佩戴状态。在一些实施例中,也可以基于电容传感器或其他传感器来检测可穿戴设备100的佩戴状态。
[0061]
接近传感器104f用于在没有任何的物理接触时检测可穿戴设备100附近物体的存在。在一些实施例中,接近传感器104f可以包括发光二极管和光检测器。
[0062]
环境光传感器104g用于感知环境光亮度。在一些实施例中,可穿戴设备100可以根据感知的环境光亮度自适应调节显示屏亮度,以降低功耗。在一些实施例中,环境光传感器104g还可以与接近传感器104f配合,检测可穿戴设备100是否在口袋里,以防误触。
[0063]
触摸传感器104h,触摸传感器104h用于检测作用于其上或附近的触摸操作,也称“触控器件”。触摸传感器104h可以设置于显示屏105,由触摸传感器104h与显示屏105组成触摸屏。
[0064]
显示屏105用于显示图形用户界面(user interface,ui),图形用户界面可以包括图形、文本、图标、视频及其它们的任意组合。显示屏105可以是液晶显示屏(liquid crystaldisplay,液晶显示屏)、有机发光二极管(organic light-emitting diode,oled)显示屏等。当显示屏105是触摸显示屏时,显示屏105能够采集在显示屏105的表面或表面上方的触摸信号,并将该触摸信号作为控制信号输入至处理器101。
[0065]
音频模块106、扬声器107,麦克风108提供用户与可穿戴设备100之间的音频功能等,例如收听音乐或通话。其中,音频模块106将接收到的音频数据转换为电信号发送至扬声器107,由扬声器107将电信号转换为声音;或者由麦克风108将声音转换为电信号发送至音频模块106,再由音频模块106将音频电信号转换为音频数据。
[0066]
相机模块109用于捕获静态图像或视频。相机模块109可以包括图像传感器、图像信号处理器(isp)和数字信号处理器(dsp)。图像传感器把光信号转换成电信号,图像信号处理器将电信号转换成数字图像信号,数字信号处理器将数字图像信号转换成标准格式(rgb、yuv)的图像信号。图像传感器可以是电荷耦合元件(charge coupled device,ccd)或金属氧化物半导体元件(complementary metal-oxide-semiconductor,cmos)。
[0067]
马达110可以将电信号转换为机械振动,以产生振动效果。马达110可以用于来电、
消息的振动提示,也可以用于触摸振动反馈。
[0068]
按键111包括开机键,音量键等。按键111可以是机械按键(物理按钮)或者触摸式按键。
[0069]
指示器112用于指示可穿戴设备100的状态,例如用于指示充电状态、电量变化,也可以用于指示消息,未接来电,通知等。
[0070]
电池113用于为可穿戴设备100的各个部件提供电力。电源管理模块114用于电池的充放电管理,以及监测电池容量,电池循环次数,电池健康状态(是否漏电,阻抗、电压、电流以及温度)等参数。在一些实施例中,电源管理模块114可以通过有线或者无线方式为可穿戴设备100充电。
[0071]
应当理解,在一些实施例中,可穿戴设备100可由前述部件中的一个或多个组成,可穿戴设备100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。
[0072]
图2是本技术实施例提供的一种身体能量测量方法的流程图。该方法可应用于如图1所示的可穿戴设备。该方法包括:
[0073]
s201,根据运动传感器采集的运动信号确定运动强度等级。具体的,可以通过加速度传感器、陀螺仪传感器、磁力计等运动传感器获取用户的运动信号,并根据不同的运动信号特征来确定运动强度等级。例如,可以用0、1、2等数值表示不同等级的运动强度,数值越大则运动强度越大,并预先每一个等级对应不同的运动信号特征,运动信号特征可以是三轴加速度动量和、三轴加速度振幅大小等等。
[0074]
s202,根据ppg传感器采集的脉搏波信号获取用户的心率值和目标脉搏波特征。由于心脏周期性搏动,产生在血液和血管壁震荡的脉搏波,脉搏波可以通过ppg传感器进行检测,并可以根据脉搏波的周期性的变化计算出心率值。另外,脉搏波的一些特征如心率变异性(hrv),可以反映用户压力情况。心率变异性是指逐次心搏间期的微小差异情况,它产生于自主神经系统对心脏窦房结的调制,交感神经兴奋可以导致心率的加快,副交感神经兴奋可以导致心率的减慢。压力会激活自主神经系统的交感神经分支,即压力越高,交感神经系统的活动状态就越高。在一些实施例中,目标脉搏波特征可以把包括如下特征中的至少一个:rr间期的标准差(sdnn),高频能量占比、低频能量占比、脉搏波总能量等分析用户的压力情况。其中rr间期,是指两个相邻脉搏波中r波之间的距离。
[0075]
s203,获取ppg传感器的工作模式,工作模式包括持续开启模式以及间隔开启模式。具体的,可穿戴设备为达到减少电量消耗的目的,通常ppg传感器仅在用户运动时持续开启,并以固定频率进行光信号的发射和收集,例如可穿戴设备监测到用户运动,或用户在可穿戴设备的用户界面中选择发起运动时开启ppg传感器;在用户未运动时,ppg传感器间隔开启,例如间隔5分钟、8分钟或者10分钟开启一次,直至获取到较稳定的脉搏波信号时或能识别到用户心率时关闭。
[0076]
s204,响应于ppg传感器处于持续开启模式,采用第一评估模型确定用户的身体能量变化值,第一评估模型为对多个第一训练样本和身体能量变化值进行训练得到的模型,所述第一训练样本包括运动强度等级、心率值以及用户的储备心率。
[0077]
其中,第一评估模型反映了在ppg持续开启期间,可穿戴设备获得的运动强度等级、目标脉搏波特征、用户的储备心率与身体能量变化值之间的映射关系。第一评估模型为
通过机器学习方式获得。示例性的,可以采用数值1~100表示用户的身体能量,通过问卷调查形式获取用户全天的身体能量变化情况,并通过可穿戴设备间隔开启ppg传感器获取用户的脉搏波信号;并将运动强度等级、心率值、用户的储备心率和问卷调查结果进行机器学习训练,以获得第一评估模型。储备心率是指用户的最大心率与静息心率的差,储备心率不同,其代表的运动能力以及抗疲劳能力也不同。对于储备心率不同的用户,其身体能量变化情况也不相同。
[0078]
第一评估模型可以是线性回归模型、逻辑回归模型、朴素贝叶斯、最近邻、决策树、支持向量机等模型。示例性的,第一评估模型满足如下线性回归公式:
[0079]
y=r
×
a1+a
×
b1+h
×
c1
……
公式1
[0080]
其中,y表示身体能量变化值,r表示平均储备心率,a表示平均活动等级,h表示心率,a1、b1、c1为表示相关系数,通过机器学习方式获得。其中,可穿戴设备每隔预定时长计算一次身体能量变化值,例如1分钟,那么r表示1分钟平均储备心率,a表示1分钟内的平均活动等级。
[0081]
s205,响应于ppg传感器处于间隔开启模式,采用第二评估模型确定用户的身体能量变化值,第二评估模型为多个第二训练样本和身体能量变化值进行得到的模型,第二训练样本包括目标脉搏波特征以及用户的储备心率。
[0082]
其中,第二评估模型反映了在ppg间隔开启期间,可穿戴设备获得的目标脉搏波特征、用户的储备心率与身体能量变化值之间的映射关系。第二评估模型为通过机器学习方式获得。示例性的,可以采用数值1~100表示用户的身体能量,通过问卷调查形式获取用户全天的身体能量变化情况,并通过可穿戴设备持续开启ppg传感器获取用户的脉搏波信号;并将目标脉搏波特征、用户的储备心率和问卷调查结果进行机器学习训练,以获得第二评估模型。
[0083]
第二评估模型可以是线性回归模型、逻辑回归模型、朴素贝叶斯、最近邻、决策树、支持向量机等模型。示例性的,第二评估模型满足如下线性回归公式:
[0084]
y=r
×
a2+sdnn
×
b2+hf
×
c2
……
公式2
[0085]
其中,y表示身体能量变化值,r表示平均储备心率,sdnn表示脉搏波信号的rr间期标准差,hf表示脉搏波信号高频能量占比,a2、b2、c2为表示相关系数,通过机器学习方式获得。其中,可穿戴设备每隔预定时长计算一次身体能量变化值,例如1分钟,那么r表示1分钟平均储备心率,sdnn表示1分钟内的脉搏波信号的rr间期标准差,hf表示1分钟内的脉搏波信号高频能量占比。
[0086]
s206,基于身体能量变化值及前一时刻的身体能量值确定当前身体能量值。具体的,当通过第一评估模型或第二评估模型获得用户的身体能量变化值后,基于用户前一刻身体能量值和身体能量变化值确定当前身体能量值,例如采用前一刻身体能量值和身体能量变化值相加的方式确定当前身体能量值。前一时刻是指上一个计算周期,身体能量值每隔固定周期计算一次,例如可以是30秒、1分钟、2分钟等。可以将前一时刻身体能量值与s204或者s205获得的身体能量变化值进行相加确定当前身体能量值。
[0087]
可选的,基于身体能量变化值及前一时刻的身体能量值确定当前身体能量值,包括:采用前一时刻的身体能量值对身体能量变化值进行校正得到校正值;根据前一时刻的身体能量值以及校正值确定当前身体能量值。具体的,可以采用如下公式对所述身体能量
变化值进行校正:
[0088]
yc=y
×
co
……
公式4
[0089]
其中,yc表示校正值,y表示身体能量变化值,co表示校正系数;校正系数采用如下公式计算:
[0090][0091]
其中,pr_e表示前一时刻的身体能量值,k表示相关系数,相关系数k可通过机器学习的方式获得。由于在身体能量较低时,其身体能量的下降趋势较为缓慢,因此可以采用前一刻的身体能量值对身体能量变化值进行校正,提升身体能量的测量精度。
[0092]
在本实施例中,在ppg传感器处于不同的工作模式时,采用不同的评估模型来确定用户的身体能量变化。在用户运动时,用户运动强度情况以及心率变化对身体能量影响较大,而在用户不运动时,用户的压力情况对身体能量影响较大。本发明实施例采用在ppg持续开启时,将运动强度等级以及心率值参与身体能量计算,在ppg间隔开启时将目标脉搏波特征参与身体能量的计算,提升了身体能量的测量精度。
[0093]
图3是本技术实施例提供的一种身体能量测量方法中确定储备心率的流程图,该流程包括:
[0094]
s301,根据个人基础信息确定用户的最大心率。其中,个人基础信息至少包括年龄,还可以包括身高、体重、性别等。用户的最大心率可以基于220与年龄的差来进行计算。
[0095]
s302,根据运动信号确定用户是否为静息状态。
[0096]
s303,响应于用户处于静息状态,根据脉搏波信号确定用户的静息心率。
[0097]
s304,基于最大心率以及静息心率确定储备心率。具体的,储备心率为最大心率与静息心率之差。
[0098]
图4是本技术实施例提供的另一种身体能量测量方法的流程图。该方法可应用于如图1所示的可穿戴设备。该方法包括:
[0099]
s401,确定可穿戴设备的佩戴状态,佩戴状态包括未佩戴状态以及已佩戴状态。可穿戴设备可以通过ppg传感器、电容传感器等确定可穿戴设备的佩戴状态。在未佩戴状态下,可穿戴设备无法获取到用户的运动及生理信号,不输出身体电量值。
[0100]
s402,响应于可穿戴的设备的佩戴状态由未佩戴状态切换为已佩戴状态,根据未佩戴时长确定当前身体能量值。
[0101]
在可穿戴设备为已佩戴状态情况下,需确定前一时刻是否为未佩戴状态,若前一时刻为已佩戴状态,则穿戴设备可基于图2所示的流程确定当前的身体能量值。若前一时刻为未佩戴状态,则说明可穿戴设备由未佩戴状态切换为已佩戴状态,可以根据未佩戴的时长确定当前身体能量值。
[0102]
根据未佩戴时长确定所述当前身体能量值,包括:响应于未佩戴时长小于等于第一阈值,则将用户脱下可穿戴设备的身体能量值作为当前身体能量值;响应于未佩戴时长大于第一阈值且小于等于第二阈值,则基于基准身体能量变化曲线相应时间段内的变化量确定当前身体当量值;响应于未佩戴时长大于第二阈值,则基于基准身体能量变化曲线在当前时刻的基准值作为当前身体能量值。由于在较短时间内,用户身体能量下降较为缓慢,因此设置未佩戴时长在第一阈值(例如10分钟、20分钟、30分钟)范围内,则根据用户脱下可
穿戴设备的身体能量值作为当前身体能量值;而在较长的一段时间内,例如6小时内,用户的身体能量可能发生较大变化,则根据可穿戴设备预先存储的基准身体能量变化曲线在相应时间段内的变化情况与用户脱下可穿戴设备时的身体能量值来确定当前身体能量值;若在较长时间(例如超过6小时)内,用户未佩戴可穿戴设备,则按照基准身体能量变化曲线对应的当前时刻的身体能量值作为用户当前身体能量值输出。
[0103]
基准身体能量变化曲线包括全天每一时刻与身体能量值的关联关系,可以通过对多人的全天身体能量变化情况进行问卷调查及统计得出,内置于可穿戴设备;并且,在用户长时间使用可穿戴设备后,采用机器学习的方式,根据用户个人情况更新该基准身体能量变化曲线。
[0104]
示例性的,基准身体能量变化曲线如图6所示。在图6中,身体能量最大值为100,最小值为20。用户在每日上午的6点至7点达到最高值,然后逐渐降低,在12点到14点由于休息及食物摄入身体能量暂时不发生变化,然后继续下降,在18点以后达到最低,在20点之后由于休息,开始逐渐上升。
[0105]
采用本实施例的方法,能够使身体能量值的输出,考虑了可穿戴设备佩戴情况的影响,以基准身体能量变化曲线来确定未佩戴时的身体能量变化情况,能够提高身体能量值的精准程度。
[0106]
图5是本技术实施例提供的另一种身体能量测量方法的流程图。该方法可应用于如图1所示的可穿戴设备。该方法包括:
[0107]
s502,获取可穿戴设备的佩戴状态。具体的,可穿戴设备可以通过ppg传感器、电容传感器等确定可穿戴设备的佩戴状态,佩戴状态包括未佩戴状态以及已佩戴状态。
[0108]
s504,判断是否为已佩戴状态。若是则进入步骤s508,否则进入步骤s506。
[0109]
s506,不输出身体电量值。在未佩戴状态下,可穿戴设备无法获取到用户的运动及生理信号,不输出身体电量值。
[0110]
s508,判断前一时刻是否为未佩戴状态。若是则进入是则进入步骤s510,否则进入步骤s512。在可穿戴设备为已佩戴状态情况下,需判断前一时刻是否为未佩戴状态,若为未佩戴状态,则需要根据未佩戴的时长确定当前身体能量值。若前一时刻是否为为已佩戴状态则根据所采集的运动信号及脉搏波信号来确定当前身体电量值。若前一时刻为未佩戴状态,说明可穿戴设备由未佩戴状态却环卫已佩戴状态。可采用如图4所示的流程确定当前身体能量值。
[0111]
s510,根据未佩戴时长确定当前身体能量值。
[0112]
s512,根据运动信号确定运动强度等级。具体的,可以通过运动信号特征以及预先配置的运动信号特征与运动强度等级的关联关系来确定用户的运动强度等级。运动信号特征可以是三轴加速度动量和、三轴加速度振幅大小等等。
[0113]
s514,根据脉搏波信号获取用户的心率和目标脉搏波特征。
[0114]
s516,获取ppg传感器的工作模式。
[0115]
s518,判断ppg传感器是否为持续开启模式,若是则进入步骤s520,否则进入步骤s522。
[0116]
s520,采用第一评估模型确定用户的身体能量变化值。第一评估模型反映了在ppg持续开启期间,可穿戴设备获得的运动强度等级、目标脉搏波特征、用户的储备心率与身体
能量变化值之间的映射关系。第一评估模型为通过机器学习方式获得。
[0117]
s522,采用第二评估模型确定用户的身体能量变化值。第二评估模型反映了在ppg间隔开启期间,可穿戴设备获得的目标脉搏波特征、用户的储备心率与身体能量变化值之间的映射关系。第二评估模型为通过机器学习方式获得。
[0118]
s524,采用前一时刻的身体能量值对身体能量变化值进行校正。
[0119]
s526,根据前一时刻的身体能量值以及校正值确定当前身体能量值。具体的,当通过第一评估模型或第二评估模型获得用户的身体能量变化值后,基于用户前一刻身体能量值和身体能量变化值确定当前身体能量值,例如采用前一刻身体能量值和身体能量变化值相加的方式确定当前身体能量值。
[0120]
本领域的技术人员应当理解,上述方法仅为示例性的说明,各个步骤的顺序不构成对本发明的限定。
[0121]
本技术的示例性实施方式还提供了一种计算机存储介质,计算机存储介质包括计算机指令,当计算机指令在通信终端运行时,使得电子设备运行上述奖章管理方法的部分或者全部步骤。
[0122]
在本技术所提供的几个实施例中,应该理解到,所揭露的装置和方法,也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,附图中的流程图和框图显示了根据本发明的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分,模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现方式中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或动作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
[0123]
功能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,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,本发明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执行本发明各个实施例方法的全部或部分步骤。而前述的存储介质包括:u盘、移动硬盘、只读存储器(rom,read-only memory)、随机存取存储器(ram,random access memory)、磁碟或者光盘等各种可以存储程序代码的介质。
[0124]
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
当前第1页1 2 
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1