CN104127242A - 识别吸烟行为的方法和装置 - Google Patents
识别吸烟行为的方法和装置 Download PDFInfo
- Publication number
- CN104127242A CN104127242A CN201410342428.4A CN201410342428A CN104127242A CN 104127242 A CN104127242 A CN 104127242A CN 201410342428 A CN201410342428 A CN 201410342428A CN 104127242 A CN104127242 A CN 104127242A
- Authority
- CN
- China
- Prior art keywords
- cigarette
- arm
- individual
- time
- smoking
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Landscapes
- Manufacturing Of Cigar And Cigarette Tobacco (AREA)
- Manipulator (AREA)
Abstract
本发明实施例公开了一种识别吸烟行为的方法和装置。该方法包括:监测个体的手臂每当处于静止状态时上臂和下臂之间的夹角,和/或,监测个体的手臂每当处于静止状态时的时间点以及每当从静止状态变为运动状态时的时间点,并分别作为第一时间点和第二时间点;判断所述上臂和下臂之间的夹角是否满足预设的手臂夹角条件,和/或,判断所述第二时间点与所述第一时间点的差值是否满足针对每吸一口烟预设的吸烟时长条件;如果所述上臂和下臂之间的夹角满足预设的吸烟手臂夹角条件,和/或,所述第二时间点与所述第一时间点的差值满足预设的吸烟时长条件,确定个体发生一次吸烟行为。根据本发明实施例,可根据个体的手臂运动,识别个体的每一次吸烟行为。
Description
技术领域
本发明涉及智能机器人领域,特别是涉及识别吸烟行为的方法和装置。
背景技术
吸烟会危害个人甚至是整个社会群体的健康。对于吸烟者来说,吸烟已经成为其生活的一部分,并成为一种本能的行为,有意或无意的情况下都会吸烟。
正因为这种本能的行为的作用,导致吸烟者根本无法察觉到自己的吸烟行为,也无法察觉到自己的吸烟量(即,每天吸几根烟)和吸烟频率(即,每小时吸几根烟)。进而也就无法对自己的吸烟行为进行约束,对自己的吸烟量或吸烟频率进行有效控制。
目前,迫切需要解决的一个技术问题是:如何可以在吸烟者吸烟的同时,自动识别出吸烟者每次发生的吸烟行为。
发明内容
为了解决上述技术问题,本发明实施例提供了识别吸烟行为的方法和装置,以根据个体的手臂运动,识别个体的每一次吸烟行为。
本发明实施例公开了如下技术方案:
一种识别吸烟行为的方法,包括:
监测个体的手臂每当处于静止状态时上臂和下臂之间的夹角,和/或,监测个体的手臂每当处于静止状态时的时间点以及每当从静止状态变为运动状态时的时间点,并分别作为第一时间点和第二时间点;
判断所述上臂和下臂之间的夹角是否满足预设的手臂夹角条件,和/或,判断所述第二时间点与所述第一时间点的差值是否满足针对每吸一口烟预设的吸烟时长条件;
如果所述上臂和下臂之间的夹角满足预设的吸烟手臂夹角条件,和/或,所述第二时间点与所述第一时间点的差值满足预设的吸烟时长条件,确定个体发生一次吸烟行为。
优选的,所述方法还包括:
在个体发生吸烟行为时对应的第一时间点中,依次序判断每一对相邻两个第一时间点的差值是否满足针对一根烟预设的相邻两次吸烟行为时间间隔条件,如果是,依次序继续判断,如果否,停止判断;
统计判断出的差值满足预设的相邻两次吸烟行为时间间隔条件的所有相邻两个第一时间点的总个数;
按照公式(总个数中的最后一个第一时间点-总个数中的第一个第一时间点)/总个数,计算个体针对一根烟的平均吸入频率,所述一根烟的平均吸入频率为在吸一根烟的过程中所有相邻两次吸烟行为的时间间隔的平均值。
优选的,所述方法还包括:
在按照公式(总个数中的最后一个第一时间点-总个数中的第一个第一时间点)/总个数,计算个体针对一根烟的平均吸入频率之前,判断所述总个数是否满足针对一根烟预设的抽烟次数条件;
所述按照公式(总个数中的最后一个第一时间点-总个数中的第一个第一时间点)/总个数,计算个体针对一根烟的平均吸入频率具体为:
如果所述总个数满足针对一根烟预设的抽烟次数条件,按照公式(总个数中的最后一个第一时间点-总个数中的第一个第一时间点)/总个数,计算个体针对一根烟的平均吸入频率。
优选的,所述方法还包括:
统计个体针对多根烟的平均吸入频率,并根据所述多根烟的平均吸入频率更新预设的吸入频率范围,作为个体的吸入频率范围。
优选的,所述方法还包括:
判断个体针对一根烟的平均吸入频率是否在所述个体的吸入频率范围内;
如果是,确定个体吸入完整的一根烟,否则,确定个体没有吸入完整的一根烟。
优选的,通过如下方式监测个体的手臂处于静止状态:
利用三轴加速度传感器对个体的手臂在x轴、y轴和z轴上的加速度分量进行采样;
针对各采样点,判断在所述采样点上三轴向的加速度分量的平方根是否等于重力加速度;
如果是,确定在所述采样点个体的手臂处于静止状态。
优选的,通过如下方式计算个体的手臂处于静止状态时上臂和下臂之间的夹角:
按照公式计算个体的手臂处于静止状态时上臂和下臂之间的夹角,其中,α为个体的手臂处于静止状态时上臂和下臂之间的夹角,Ax、Ay和Az分别为三轴加速度传感器在x轴、y轴和z轴的加速度分量。
优选的,通过如下方式监测个体的手臂从静止状态变为运动状态:
利用三轴加速度传感器对个体的手臂在x轴、y轴和z轴上的加速度分量进行采样;
针对各采样点,判断在所述采样点上三轴向的加速度分量的平方根是否等于重力加速度;
如果是,确定在所述采样点个体的手臂处于静止状态;
继续判断在所述采样点之后的采样点上三轴向的加速度分量的平方根是否不等于重力加速度;
如果是,确定在第一次出现三轴向的加速度分量的平方根不等于重力加速度的采样点个体的手臂从静止状态变为运动状态。
一种识别吸烟行为的装置,包括:
监测单元,用于监测个体的手臂每当处于静止状态时上臂和下臂之间的夹角,和/或,监测个体的手臂每当处于静止状态时的时间点以及每当从静止状态变为运动状态时的时间点,并分别作为第一时间点和第二时间点;
第一判断单元,用于判断所述上臂和下臂之间的夹角是否满足预设的手臂夹角条件,和/或,判断所述第二时间点与所述第一时间点的差值是否满足针对每吸一口烟预设的吸烟时长条件;
识别单元,用于如果所述上臂和下臂之间的夹角满足预设的吸烟手臂夹角条件,和/或,所述第二时间点与所述第一时间点的差值满足预设的吸烟时长条件,确定个体发生一次吸烟行为。
优选的,所述装置还包括:
第二判断单元,用于在个体发生吸烟行为时对应的第一时间点中,依次判断每一对相邻两个第一时间点的差值是否满足针对一根烟预设的相邻两次吸烟行为时间间隔条件,如果是,依次序继续判断,如果否,停止判断;
统计单元,用于统计判断出的差值满足预设的相邻两次吸烟行为时间间隔条件的所有相邻两个第一时间点的总个数;
计算单元,用于按照公式(总个数中的最后一个第一时间点-总个数中的第一个第一时间点)/总个数,计算个体针对一根烟的平均吸入频率,所述一根烟的平均吸入频率为在吸一根烟的过程中所有相邻两次吸烟行为的时间间隔的平均值。
优选的,所述装置还包括:
第三判断单元,用于在所述计算单元计算个体针对一根烟的平均吸入频率之前,判断所述总个数是否满足针对一根烟预设的抽烟次数条件;
所述计算单元具体用于,如果所述总个数满足针对一根烟预设的抽烟次数条件,按照公式(总个数中的最后一个第一时间点-总个数中的第一个第一时间点)/总个数,计算个体针对一根烟的平均吸入频率。
优选的,所述装置还包括:
更新单元,用于统计个体针对多根烟的平均吸入频率,并根据所述多根烟的平均吸入频率更新预设的吸入频率范围,作为个体的吸入频率范围。
优选的,所述装置还包括:
第四判断单元,用于判断个体针对一根烟的平均吸入频率是否在所述个体的吸入频率范围内;
确定单元,用于如果所述第四判断单元的判断结果为是,确定个体吸入完整的一根烟,如果所述第四判断单元的判断结果为否,确定个体没有吸入完整的一根烟。
优选的,所述监测单元包括:
采样子单元,用于利用三轴加速度传感器对个体的手臂在x轴、y轴和z轴上的加速度分量进行采样;
静止状态判断子单元,用于针对各采样点,判断在所述采样点上三轴向的加速度分量的平方根是否等于重力加速度;
静止状态确定子单元,用于如果所述静止状态判断子单元的判断结果为是,确定在所述采样点个体的手臂处于静止状态。
优选的,所述监测单元具体用于,按照公式计算个体的手臂处于静止状态时上臂和下臂之间的夹角,其中,α为个体的手臂处于静止状态时上臂和下臂之间的夹角,Ax、Ay和Az分别为三轴加速度传感器在x轴、y轴和z轴的加速度分量。
优选的,所述监测单元包括:
采样子单元,用于利用三轴加速度传感器对个体的手臂在x轴、y轴和z轴上的加速度分量进行采样;
静止状态判断子单元,用于针对各采样点,判断在所述采样点上三轴向的加速度分量的平方根是否等于重力加速度;
静止状态确定子单元,用于如果所述静止状态判断子单元的判断结果为是,确定在所述采样点个体的手臂处于静止状态;
状态变换判断子单元,用于继续判断在所述采样点之后的采样点上三轴向的加速度分量的平方根是否不等于重力加速度;
状态变换确定子单元,用于如果所述运动状态判断子单元的判断结果为是,确定在第一次出现三轴向的加速度分量的平方根不等于重力加速度的采样点个体的手臂从静止状态变为运动状态。
由上述实施例可以看出,与现有技术相比,本发明的优点在于:
根据个体的手臂运动,从手臂运动中提取出上述两个参量(最能反映吸烟行为的参量)中的任意一个或全部,这两个参量分别为:手臂在处于静止状态时上臂与下臂之间的夹角作为一个参量,以及,手臂处于静止状态的时间点与从静止状态变为运动状态的时间点之间的差值。当提取出的参量满足预设的参量条件时,就可以认为个体发生一次吸烟行为。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,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。
图1为本发明提供的一种识别吸烟行为的方法的一个实施例的流程图;
图2为本发明提供的一种识别吸烟行为的方法的另一个实施例的流程图;
图3为本发明中一种更新个体的吸入频率范围的示意图;
图4为本发明中一种监测个体的手臂处于静止状态的方法流程图;
图5为本发明中一种监测个体的手臂从静止状态变为运动状态的方法流程图;
图6为本发明中手臂处于静止状态时上臂和下臂之间的几何关系示意图;
图7为本发明提供的一种识别吸烟行为的装置的一个实施例的结构图;
图8为本发明提供的一种识别吸烟行为的装置的另一个实施例的结构图;
图9为本发明提供的一种识别吸烟行为的装置的另一个实施例的结构图;
图10为本发明提供的一种识别吸烟行为的装置的另一个实施例的结构图;
图11为本发明提供的一种识别吸烟行为的装置的另一个实施例的结构图。
具体实施方式
本发明实施例提供了识别吸烟行为的方法和装置。本发明实施例主要是基于个体的手臂运动,识别个体的每一次吸烟行为(即,每一次将烟放入嘴中进行吸入的行为)。
本发明的发明人在研究中发现,当每个个体将烟放入嘴中进行吸入的瞬间,其手臂必然是处于静止状态的,并且,其手臂的上臂与下臂之间的夹角具有比较固定的度数,而不会存在特别明显的个体差异性。因此,可以将手臂在处于静止状态时上臂与下臂之间的夹角作为一个参量,可以反映每个个体的一次吸烟行为。
另外,本发明的发明人在研究中还发现,每个个体每次吸入一口烟的时间也具有比较固定的时间长度,不会存在特别明显的个体差异性,而每个个体每次吸入一口烟的时间反映在手臂运动上,就是手臂处于静止状态(可以理解为刚刚将烟放入嘴中)与手臂从静止状态变为运动状态(可以理解为刚刚将烟从嘴中拿出)之间的时间差值(可以理解将烟放入嘴中到将烟从嘴中拿出的时间差)。因此,将手臂处于静止状态的时间点与从静止状态变为运动状态的时间点之间的差值作为另一个参量,可以反映每个个体的一次吸烟行为。
综上,在本发明实施例中,从手臂运动中提取出上述两个参量(最能反映吸烟行为的参量)中的任意一个或全部,当提取出的参量满足预设的参量条件时,就可以认为个体发生一次吸烟行为。例如,从某个体张三中提取出的参量是手臂处于静止状态时上臂与下臂之间的夹角,且夹角为40度,而经过统计发现,大多数个体在吸烟时上臂与下臂之间的夹角通常在35度至45度之间,提取出的夹角角度在预设的夹角角度范围之内,因此,可以识别出该个体张三发生一次吸烟行为。
当然,需要说明的是,同时基于两个参量进行识别比基于任意一个参量进行识别的准确度高。为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图对本发明实施例进行详细描述。
方法实施例
请参阅图1,其为本发明提供的一种识别吸烟行为的方法的一个实施例的流程图,该方法包括以下步骤:
步骤101:监测个体的手臂每当处于静止状态时手臂和下臂之间的夹角,和/或,监测个体的手臂每当处于静止状态时的时间点以及每当从静止状态变为运动状态时的时间点,并分别作为第一时间点和第二时间点。
步骤102:判断所述上臂和下臂之间的夹角是否满足预设的手臂夹角条件,和/或,判断所述第二时间点与所述第一时间点的差值是否满足针对每吸一口烟预设的吸烟时长条件,如果是,进入步骤103。
步骤103:确定个体发生一次吸烟行为。
即,如果所述上臂和下臂之间的夹角满足预设的吸烟手臂夹角条件,和/或,所述第二时间点与所述第一时间点的差值满足预设的吸烟时长条件,确定个体发生一次吸烟行为。
如果所述上臂和下臂之间的夹角不满足预设的吸烟手臂夹角条件,并且,所述第二时间点与所述第一时间点的差值也不满足预设的吸烟时长条件,确定个体没有发生一次吸烟行为。
需要说明的是,预设的“手臂夹角条件”可以是一个手臂夹角阈值范围,也可以是一个手臂夹角最小阈值,还可以是一个手臂夹角最大阈值。
可以理解的,当为一个手臂夹角阈值范围时,如果监测出的上臂与下臂之间的夹角在该手臂夹角阈值范围内时,识别个体发生一次吸烟行为,否则,识别个体没有发生一次吸烟行为。当为一个手臂夹角最小阈值时,如果监测出的上臂与下臂之间的夹角大于和/或等于该手臂夹角最小阈值时,识别个体发生一次吸烟行为,否则,识别个体没有发生一次吸烟行为。当为一个手臂夹角最大阈值时,如果监测出的手臂与下臂之间的夹角小于和/或等于该手臂夹角最大阈值时,识别个体发生一次吸烟行为,否则,识别各个没有发生一次吸烟行为。
同样,针对每一口烟预设的“吸烟时长条件”可以是一个吸烟时长阈值范围,可以是一个吸烟时长最小阈值,还可以是一个吸烟时长最大阈值。
还需要说明的是,针对上述“手臂夹角阈值范围”以及“吸烟时长阈值范围”,可以通过标准差法获得。例如,预先通过高清摄像机采样训练样本在吸烟瞬间的图像(该图像中显示有上臂与下臂之间的夹角),然后通过测量工具测量图像中各训练样本在吸烟瞬间上臂与下臂之间的夹角:α1、α2、α3…αn,均值为:标准差为:手臂夹角阈值范围为:μ1±σ1。再例如,预先通过秒表采样训练样本在每吸一口烟时的吸烟时长:t1、t2、t3…tm,均值为:标准差为:吸烟时长阈值范围为:μ2±σ2。
另外,需要强调的是,在某些情况下,当个体在吃东西时,在将食物放入嘴中的瞬间其上臂和下臂之间的夹角也可能会满足预设的手臂夹角条件,从而有可能会将个体吃东西的动作误识别为一次吸烟的动作。而在某些情况下,当个体在喝饮料时,其每喝一口饮料时手臂处于静止状态的时间点与手臂从静止状态变为运动状态的时间点的差值也可能会满足预设的吸烟时长条件,从而有可能会将个体喝饮料的动作误识别为一次吸烟的动作。因此,为了减少误识别的发生概率,甚至避免误识别的发生,更优选的方式是,同时基于两个参量(即,个体的手臂每当处于静止状态时上臂和下臂之间的夹角,以及,个体的手臂每当处于静止状态时的第二时间点与每当从静止状态变为运动状态的第二时间点的差值)进行识别。显然,其识别的准确率要比基于任意一个参量进行识别的准确率都要高。
在本发明的技术方案中,为了能够准确地识别出每个个体是否发生一次吸烟行为,必须要准确地监测出个体的手臂每当处于静止状态时上臂和下臂之间的夹角,和/或,准确地监测出个体的手臂每当处于静止状态时的时间点以及每当从静止状态变为运动状态时的时间点。在一种实现方式中,可以通过加速度传感器进行监测,后续将详细说明具体的监测过程。
由上述实施例可以看出,与现有技术相比,本发明的优点在于:
根据个体的手臂运动,从手臂运动中提取出上述两个参量(最能反映吸烟行为的参量)中的任意一个或全部,这两个参量分别为:手臂在处于静止状态时上臂与下臂之间的夹角作为一个参量,以及,手臂处于静止状态的时间点与从静止状态变为运动状态的时间点之间的差值。当提取出的参量满足预设的参量条件时,就可以认为个体发生一次吸烟行为。
当基于个体的手臂运动识别出个体每一次的吸烟行为后,还可以根据与每一次的吸烟行为所对应的个体的手臂处于静止状态时的第一时间点,确定个体针对每一根烟的平均吸入频率,即,个体在吸一根烟的过程中所有相邻两次吸烟行为的时间间隔的平均值。
请参阅图2,其为本发明提供的一种识别吸烟行为的方法的另一个实施例的流程图,该方法包括以下步骤:
步骤201:监测个体的手臂每当处于静止状态时上臂和下臂之间的夹角,以及,监测个体的手臂每当处于静止状态时的时间点以及每当从静止状态变为运动状态时的时间点,并分别作为第一时间点和第二时间点。
步骤202:判断所述上臂和下臂之间的夹角是否满足预设的手臂夹角条件,以及,判断所述第二时间点与所述第一时间点的差值是否满足针对每吸一口烟预设的吸烟时长条件,如果是,进入步骤203。
步骤203:确定个体发生一次吸烟行为,并保存该次吸烟行为对应的第一时间点。
步骤204:在个体发生吸烟行为时对应的第一时间点中,依次判断每一对相邻两个第一时间点的差值是否满足预设的相邻两次吸烟行为时间间隔条件,如果是,进入步骤205,如果否,返回步骤204。
步骤205:统计判断出的差值满足预设的相邻两次吸烟行为时间间隔条件的所有相邻两个第一时间点的总个数。
步骤206:按照公式(总个数中的最后一个第一时间点-总个数中的第一个第一时间点)/总个数,计算个体针对一根烟的平均吸入频率。
其中,总个数中的最后一个第一时间点-总个数中的第一个第一时间点即为个体吸一根烟所用的时间,总个数为每一根烟吸入的总次数,两者直接的比值即为个体针对一根烟的平均吸入频率。
可以理解的是,经过监测后所保存的是,每个个体在一定时间内的所有吸烟行为(即,个体在一定时间内吸多根烟时所发生的吸烟行为)对应的第一时间点。针对这些第一时间点,需要确定哪些时间点是个体在吸同一个根烟时记录的时间点。
本发明的发明人在研究中还发现,针对每个个体,其在吸同一个根烟时,相邻两次吸烟行为时间间隔会比较均匀,也比较固定。而前一根的最后一次吸烟行为与后一根烟的第一次吸烟行为之间的时间间隔不具有这样的规律。因此,可以用相邻两次吸烟行为时间间隔来确定哪些时间点是个体在吸同一个根烟时记录的时间点。即,如果相邻两次吸烟行为时间间隔满足针对一根烟预设的相邻两次吸烟行为时间间隔条件,如果满足,认定相邻两次吸烟行为是个体在吸同一根烟时发生的,如果不满足,则认定相邻两次吸烟行为不是个体在吸两根不同的烟时发生的。
需要说明的是,预设的“相邻两次吸烟行为时间间隔条件”可以是一个相邻两次吸烟行为时间间隔的阈值范围,也可以是一个相邻两次吸烟行为时间间隔的最大阈值。针对上述“相邻两次吸烟行为时间间隔的阈值范围”,可以通过标准差法获得。
另外,本发明的发明人在研究中还发现,针对吸烟行为来说,基本上属于有穷且往复的动作,一根烟理论上可以吸入的总次数是有限的,例如,通常在15次-20次之间。为了更准确地确定出哪些时间点是个体在吸同一个根烟时记录的时间点。
因此,在本发明的一个优选实施方式中,在执行完步骤205后,并在执行上述步骤206之前,还包括:判断所述总个数是否满足针对一根烟预设的抽烟次数条件;如果是,继续执行步骤206,否则,不执行步骤206。
其中,预设的“抽烟次数条件”可以是一个抽烟次数的阈值范围,例如,15次-20次之间。
由上述实施例可以看出,与现有技术相比,本发明的优点在于:
根据识别出的个体每次发生的吸烟行为,还可以进一步计算出个体针对一根烟的平均吸入频率。
本发明的发明人在研究中还发现,与每个个体将烟放入嘴中进行吸入的瞬间其手臂的上臂与下臂之间的夹角具有比较固定的度数以及每个个体每次吸入一口烟的时间不同,每个个体针对一根烟的吸入频率各不相同,存在比较明显的个体差异性。针对每一个个体,都需要确定该个体的吸入频率范围。根据每个个体的吸入频率范围,可以确定该个体的吸烟情况(频繁程度)。
因此,在本发明的另一个优选实施方式中,统计个体针对多跟烟的平均吸入频率,并根据所述多根烟的平均吸入频率更新预设的吸入频率范围,作为个体的吸入频率范围。
其中,预先采样训练样本每吸一根烟所用的时间T以及每一根烟吸入的总次数P,按照公式计算训练样本的吸入频率:f1、f2、f3…fo,均值为:标准差为:预设的吸入频率范围为:μ3±σ3。
例如,预设的吸入频率范围为0.125-0.45,并统计了某个个体针对14根烟(即,14个采样点)的平均吸入频率。如图3所示,其中,A、B、C、D和E五个采样点的平均吸入频率不在预设的吸入频率范围内,更新该预设的吸入频率范围的方式是:等距离地提升或降低该吸入频率范围,并判断更新后的吸入频率范围是否可以包含比更新前的吸入频率范围更多的采样点,如果是,将更新后的吸入频率范围内的平均吸入频率作为新的训练样本,重新计算吸入频率范围,作为该个体的吸入频率范围。
如图3所示,当根据A点等距离提升预设的吸入频率范围时,A、B和D点将会被包含在更新后的吸入频率范围内,而原来被包含在更新前的吸入频率范围内的F点将不再被包含在更新后的吸入频率范围内。当根据B点等距离提升预设的吸入频率时,B和D点将会被包含在更新后的吸入频率范围内,而原来被包含在更新前的吸入频率范围内的F点将不再被包含在更新后的吸入频率范围内。显然,根据最大可适应理论,根据A点等距离提升预设的吸入频率范围可以包含更多的采样点,A、B和C点的平均吸入频率也将作为新的训练样本重新计算吸入频率范围,作为该个体的吸入频率范围。并且,可以通过上述更新方式实现个体的吸入频率范围的定期更新。
在本发明的另一个优选实施方式中,还可以进一步包括:判断个体对一根烟的平均吸入频率是否在所述个体的吸入频率范围内,如果是,确定个体吸入完整的一根烟,否则,确定个体没有吸入完整的一根烟。
例如,针对图3中的情形,可以确定某个体在一天内吸入了完整的9根烟,该个体的吸烟频率为9/24,即,每小时吸入0.375根烟。同时,由于图3中包含了每个采样点的开始时间和结束时间,因此,还可以统计出该个体一天中吸烟比较集中的时间段,并通过多个时间段的累积,获得该个体高频吸烟时间段,从而掌握该个体的吸烟规律。
由上述实施例可以看出,与现有技术相比,本发明的优点在于:
根据每个个体针对多根烟的平均吸入频率,还可以确定该个体的吸入频率范围,进而可以确定该个体的吸烟情况(频繁程度),例如,该个体的吸烟频率,该个体一天中吸烟比较集中的时间段,甚至于该个体高频吸烟时间段,从而掌握该个体的吸烟规律。
在本发明的技术方案中,为了实现对吸烟行为进行识别,不仅需要监测出个体的手臂是否处于静止状态,并且,在处于静止状态时,上臂和下臂之间的夹角,还需要监测出个体的手臂是否从静止状态变为运动状态。
下面先介绍一种通过三轴加速度传感器监测个体的手臂是否处于静止状态的方法。
在吸烟瞬间,人体的手臂将处于相对静止,此时,佩戴在人体的手臂上的三轴加速度传感器只会受到重力作用,根据空间几何公式可以推导出:重力加速度g在三轴上的分量存在的关系,Ax、Ay和Az分别为三轴加速度传感器在x轴、y轴和z轴的加速度分量。
基于此,在本发明的一个优选实施方式中,如图4所示,通过如下方式监测个体的手臂处于静止状态:
步骤401:利用三轴加速度传感器对个体的手臂在x轴、y轴和z轴上的加速度分量进行采样。
步骤402:针对各采样点,判断在所述采样点上三轴向的加速度分量的平方根是否等于重力加速度,如果是,进入步骤403,否则,返回步骤401。
步骤403:确定在所述采样点个体的手臂处于静止状态。
下面详细介绍一种通过三轴加速度传感器监测从静止状态变为运动状态。
当吸入一口烟后,在将烟从嘴边移开的瞬间,人体的手臂将从静止状态变为运动状态,此时,佩戴在人体的手臂上的三轴加速度传感器不只受到重力作用,根据空间几何公式可以推导出:重力加速度g在三轴上的分量存在的关系,Ax、Ay和Az分别为三轴加速度传感器在x轴、y轴和z轴的加速度分量。
基于此,在本发明的一个优选实施方式中,如图5所示,通过如下方式监测个体的手臂从静止状态变为运动状态:
步骤501:利用三轴加速度传感器对个体的手臂在x轴、y轴和z轴上的加速度分量进行采样。
步骤502:针对各采样点,判断在所述采样点上三轴向的加速度分量的平方根是否等于重力加速度,如果是,进入步骤503,否则,返回步骤501。
步骤503:确定在所述采样点个体的手臂处于静止状态;
步骤504:判断在所述采样点之后的采样点上三轴向的加速度分量的平方根是否不等于重力加速度,如果是,进入步骤505,否则,返回步骤501。
步骤505:确定在第一次出现三轴向的加速度分量的平方根不等于重力加速度的采样点个体的手臂从静止状态变为运动状态。
下面再详细介绍当确定个体的手臂处于静止状态时,如何计算上臂和下臂之间的夹角的方法。
本发明的发明人在研究中发现,人体的手臂活动可以看成是由两个连杆连接组成的关节系统,如图6所示,假设人体的上臂和下臂之间的夹角为α,当手臂处于静止状态,且手臂构成的平面与水平面垂直时,如果在人体的手臂上佩戴一个三轴加速度传感器,该加速度传感器将只受到重力作用,并且,重力加速度g只在该传感器的X轴和Y轴产生重力加速度分量:Ax和Ay。根据几何定理可以推导出:即,
如果将加速度传感器固定在人体的腕部,通过人体的上臂和下臂(不包括手)等长的理论可知,上臂和下臂所围成的三角形将基本接近等腰三角形。根据几何定理可以推导出:
①β=β1
②90°-β1=90°-θ(即,β1=β=θ)
那么,对于X-Y平面而言,α=180°-2θ
但是,考虑到吸烟时人体的手臂构成的平面与水平面很难保证是垂直的,比如,躺着抽烟的时候。但是,当人体的手臂处于静止状态时,重力加速度g在三轴上的分量存在的关系,通过空间倾角公式可以推导出:根据α=180°-2θ,
可以获得:
装置实施例
与上述一种识别吸烟行为的方法相对应,本发明实施例还提供了一种识别吸烟行为的装置。请参阅图7,其为本发明提供的一种识别吸烟行为的装置的一个实施例的结构图,该装置包括:监测单元701、第一判断单元702和识别单元703。下面结合该装置的工作原理进一步介绍其内部结构以及连接关系。
监测单元701,用于监测个体的手臂每当处于静止状态时上臂和下臂之间的夹角,和/或,监测个体的手臂每当处于静止状态时的时间点以及每当从静止状态变为运动状态时的时间点,并分别作为第一时间点和第二时间点;
第一判断单元702,用于判断所述上臂和下臂之间的夹角是否满足预设的手臂夹角条件,和/或,判断所述第二时间点与所述第一时间点的差值是否满足针对每吸一口烟预设的吸烟时长条件;
识别单元703,用于如果所述上臂和下臂之间的夹角满足预设的吸烟手臂夹角条件,和/或,所述第二时间点与所述第一时间点的差值满足预设的吸烟时长条件,确定个体发生一次吸烟行为。
在本发明的一个优选实施方式中,如图8所示,在图7所示的装置结构的基础上,该装置还包括:
第二判断单元704,用于在个体发生吸烟行为时对应的第一时间点中,依次判断每一对相邻两个第一时间点的差值是否满足针对一根烟预设的相邻两次吸烟行为时间间隔条件,如果是,依次序继续判断,如果否,停止判断;
统计单元705,用于统计判断出的差值满足预设的相邻两次吸烟行为时间间隔条件的所有相邻两个第一时间点的总个数;
计算单元706,用于按照公式(总个数中的最后一个第一时间点-总个数中的第一个第一时间点)/总个数,计算个体针对一根烟的平均吸入频率,所述一根烟的平均吸入频率为在吸一根烟的过程中所有相邻两次吸烟行为的时间间隔的平均值。
进一步的,在本发明的另一个优选实施方式中,如图9所示,在图8所示的装置结构的基础上,该装置还包括:
第三判断单元707,用于在所述计算单元计算个体针对一根烟的平均吸入频率之前,判断所述总个数是否满足针对一根烟预设的抽烟次数条件;
所述计算单元706具体用于,如果所述总个数满足针对一根烟预设的抽烟次数条件,按照公式(总个数中的最后一个第一时间点-总个数中的第一个第一时间点)/总个数,计算个体针对一根烟的平均吸入频率。
在本发明的另一个优选实施方式中,如图10所示,在图8所示的装置结构的基础上,该装置还包括:
更新单元708,用于统计个体针对多根烟的平均吸入频率,并根据所述多根烟的平均吸入频率更新预设的吸入频率范围,作为个体的吸入频率范围。
在本发明的另一个优选实施方式中,如图11所示,在图10所示的装置结构的基础上,该装置还包括:
第四判断单元709,用于判断个体针对一根烟的平均吸入频率是否在所述个体的吸入频率范围内;
确定单元710,用于如果所述第四判断单元的判断结果为是,确定个体吸入完整的一根烟,如果所述第四判断单元的判断结果为否,确定个体没有吸入完整的一根烟。
在本发明的另一个优选实施方式中,监测单元701包括:
采样子单元,用于利用三轴加速度传感器对个体的手臂在x轴、y轴和z轴上的加速度分量进行采样;
静止状态判断子单元,用于针对各采样点,判断在所述采样点上三轴向的加速度分量的平方根是否等于重力加速度;
静止状态确定子单元,用于如果所述静止状态判断子单元的判断结果为是,确定在所述采样点个体的手臂处于静止状态。
在本发明的另一个优选实施方式中,监测单元具体用于,按照公式计算个体的手臂处于静止状态时上臂和下臂之间的夹角,其中,α为个体的手臂处于静止状态时上臂和下臂之间的夹角,Ax、Ay和Az分别为三轴加速度传感器在x轴、y轴和z轴的加速度分量。
在本发明的另一个优选实施方式中,监测单元701包括:
采样子单元,用于利用三轴加速度传感器对个体的手臂在x轴、y轴和z轴上的加速度分量进行采样;
静止状态判断子单元,用于针对各采样点,判断在所述采样点上三轴向的加速度分量的平方根是否等于重力加速度;
静止状态确定子单元,用于如果所述静止状态判断子单元的判断结果为是,确定在所述采样点个体的手臂处于静止状态。
状态变换判断子单元,用于继续判断在所述采样点之后的采样点上三轴向的加速度分量的平方根是否不等于重力加速度;
状态变换确定子单元,用于如果所述运动状态判断子单元的判断结果为是,确定在第一次出现三轴向的加速度分量的平方根不等于重力加速度的采样点个体的手臂从静止状态变为运动状态。
需要说明的是,该装置可以位于一个可穿戴式设备中,该可穿戴式设备被个体穿戴在其手臂上。
由上述实施例可以看出,与现有技术相比,本发明的优点在于:
根据个体的手臂运动,从手臂运动中提取出上述两个参量(最能反映吸烟行为的参量)中的任意一个或全部,这两个参量分别为:手臂在处于静止状态时上臂与下臂之间的夹角作为一个参量,以及,手臂处于静止状态的时间点与从静止状态变为运动状态的时间点之间的差值。当提取出的参量满足预设的参量条件时,就可以认为个体发生一次吸烟行为。
根据识别出的个体每次发生的吸烟行为,还可以进一步计算出个体针对一根烟的平均吸入频率。
根据每个个体针对多根烟的平均吸入频率,还可以确定该个体的吸入频率范围,进而可以确定该个体的吸烟情况(频繁程度),例如,该个体的吸烟频率,该个体一天中吸烟比较集中的时间段,甚至于该个体高频吸烟时间段,从而掌握该个体的吸烟规律。
所述领域的技术人员可以清楚地了解到,为了描述的方便和简洁,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。
在本发明所提供的几个实施例中,应该理解到,所揭露的系统、装置和方法,可以通过其它的方式实现。例如,以上所描述到的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性、机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明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,可以采用软件功能单元的形式实现。
需要说明的是,本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的程序可存储于一计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)或随机存储记忆体(Random AccessMemory,RAM)等。
以上对本发明所提供的识别吸烟行为的方法和装置进行了详细介绍,本文中应用了具体实施例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本发明的限制。
Claims (16)
1.一种识别吸烟行为的方法,其特征在于,包括:
监测个体的手臂每当处于静止状态时上臂和下臂之间的夹角,和/或,监测个体的手臂每当处于静止状态时的时间点以及每当从静止状态变为运动状态时的时间点,并分别作为第一时间点和第二时间点;
判断所述上臂和下臂之间的夹角是否满足预设的手臂夹角条件,和/或,判断所述第二时间点与所述第一时间点的差值是否满足针对每吸一口烟预设的吸烟时长条件;
如果所述上臂和下臂之间的夹角满足预设的吸烟手臂夹角条件,和/或,所述第二时间点与所述第一时间点的差值满足预设的吸烟时长条件,确定个体发生一次吸烟行为。
2.根据权利要求1所述的方法,其特征在于,所述方法还包括:
在个体发生吸烟行为时对应的第一时间点中,依次序判断每一对相邻两个第一时间点的差值是否满足针对一根烟预设的相邻两次吸烟行为时间间隔条件,如果是,依次序继续判断,如果否,停止判断;
统计判断出的差值满足预设的相邻两次吸烟行为时间间隔条件的所有相邻两个第一时间点的总个数;
按照公式(总个数中的最后一个第一时间点-总个数中的第一个第一时间点)/总个数,计算个体针对一根烟的平均吸入频率,所述一根烟的平均吸入频率为在吸一根烟的过程中所有相邻两次吸烟行为的时间间隔的平均值。
3.根据权利要求2所述的方法,其特征在于,所述方法还包括:
在按照公式(总个数中的最后一个第一时间点-总个数中的第一个第一时间点)/总个数,计算个体针对一根烟的平均吸入频率之前,判断所述总个数是否满足针对一根烟预设的抽烟次数条件;
所述按照公式(总个数中的最后一个第一时间点-总个数中的第一个第一时间点)/总个数,计算个体针对一根烟的平均吸入频率具体为:
如果所述总个数满足针对一根烟预设的抽烟次数条件,按照公式(总个数中的最后一个第一时间点-总个数中的第一个第一时间点)/总个数,计算个体针对一根烟的平均吸入频率。
4.根据权利要求2或3所述的方法,其特征在于,所述方法还包括:
统计个体针对多根烟的平均吸入频率,并根据所述多根烟的平均吸入频率更新预设的吸入频率范围,作为个体的吸入频率范围。
5.根据权利要求4所述的方法,其特征在于,所述方法还包括:
判断个体针对一根烟的平均吸入频率是否在所述个体的吸入频率范围内;
如果是,确定个体吸入完整的一根烟,否则,确定个体没有吸入完整的一根烟。
6.根据权利要求1所述的方法,其特征在于,通过如下方式监测个体的手臂处于静止状态:
利用三轴加速度传感器对个体的手臂在x轴、y轴和z轴上的加速度分量进行采样;
针对各采样点,判断在所述采样点上三轴向的加速度分量的平方根是否等于重力加速度;
如果是,确定在所述采样点个体的手臂处于静止状态。
7.根据权利要求6所述的方法,其特征在于,通过如下方式计算个体的手臂处于静止状态时上臂和下臂之间的夹角:
按照公式计算个体的手臂处于静止状态时上臂和下臂之间的夹角,其中,α为个体的手臂处于静止状态时上臂和下臂之间的夹角,Ax、Ay和Az分别为三轴加速度传感器在x轴、y轴和z轴的加速度分量。
8.根据权利要求1所述的方法,其特征在于,通过如下方式监测个体的手臂从静止状态变为运动状态:
利用三轴加速度传感器对个体的手臂在x轴、y轴和z轴上的加速度分量进行采样;
针对各采样点,判断在所述采样点上三轴向的加速度分量的平方根是否等于重力加速度;
如果是,确定在所述采样点个体的手臂处于静止状态;
继续判断在所述采样点之后的采样点上三轴向的加速度分量的平方根是否不等于重力加速度;
如果是,确定在第一次出现三轴向的加速度分量的平方根不等于重力加速度的采样点个体的手臂从静止状态变为运动状态。
9.一种识别吸烟行为的装置,其特征在于,包括:
监测单元,用于监测个体的手臂每当处于静止状态时上臂和下臂之间的夹角,和/或,监测个体的手臂每当处于静止状态时的时间点以及每当从静止状态变为运动状态时的时间点,并分别作为第一时间点和第二时间点;
第一判断单元,用于判断所述上臂和下臂之间的夹角是否满足预设的手臂夹角条件,和/或,判断所述第二时间点与所述第一时间点的差值是否满足针对每吸一口烟预设的吸烟时长条件;
识别单元,用于如果所述上臂和下臂之间的夹角满足预设的吸烟手臂夹角条件,和/或,所述第二时间点与所述第一时间点的差值满足预设的吸烟时长条件,确定个体发生一次吸烟行为。
10.根据权利要求9所述的装置,其特征在于,所述装置还包括:
第二判断单元,用于在个体发生吸烟行为时对应的第一时间点中,依次判断每一对相邻两个第一时间点的差值是否满足针对一根烟预设的相邻两次吸烟行为时间间隔条件,如果是,依次序继续判断,如果否,停止判断;
统计单元,用于统计判断出的差值满足预设的相邻两次吸烟行为时间间隔条件的所有相邻两个第一时间点的总个数;
计算单元,用于按照公式(总个数中的最后一个第一时间点-总个数中的第一个第一时间点)/总个数,计算个体针对一根烟的平均吸入频率,所述一根烟的平均吸入频率为在吸一根烟的过程中所有相邻两次吸烟行为的时间间隔的平均值。
11.根据权利要求10所述的装置,其特征在于,所述装置还包括:
第三判断单元,用于在所述计算单元计算个体针对一根烟的平均吸入频率之前,判断所述总个数是否满足针对一根烟预设的抽烟次数条件;
所述计算单元具体用于,如果所述总个数满足针对一根烟预设的抽烟次数条件,按照公式(总个数中的最后一个第一时间点-总个数中的第一个第一时间点)/总个数,计算个体针对一根烟的平均吸入频率。
12.根据权利要求10或11所述的装置,其特征在于,所述装置还包括:
更新单元,用于统计个体针对多根烟的平均吸入频率,并根据所述多根烟的平均吸入频率更新预设的吸入频率范围,作为个体的吸入频率范围。
13.根据权利要求12所述的装置,其特征在于,所述装置还包括:
第四判断单元,用于判断个体针对一根烟的平均吸入频率是否在所述个体的吸入频率范围内;
确定单元,用于如果所述第四判断单元的判断结果为是,确定个体吸入完整的一根烟,如果所述第四判断单元的判断结果为否,确定个体没有吸入完整的一根烟。
14.根据权利要求9所述的装置,其特征在于,所述监测单元包括:
采样子单元,用于利用三轴加速度传感器对个体的手臂在x轴、y轴和z轴上的加速度分量进行采样;
静止状态判断子单元,用于针对各采样点,判断在所述采样点上三轴向的加速度分量的平方根是否等于重力加速度;
静止状态确定子单元,用于如果所述静止状态判断子单元的判断结果为是,确定在所述采样点个体的手臂处于静止状态。
15.根据权利要求14所述的装置,其特征在于,所述监测单元具体用于,按照公式计算个体的手臂处于静止状态时上臂和下臂之间的夹角,其中,α为个体的手臂处于静止状态时上臂和下臂之间的夹角,Ax、Ay和Az分别为三轴加速度传感器在x轴、y轴和z轴的加速度分量。
16.根据权利要求9所述的装置,其特征在于,所述监测单元包括:
采样子单元,用于利用三轴加速度传感器对个体的手臂在x轴、y轴和z轴上的加速度分量进行采样;
静止状态判断子单元,用于针对各采样点,判断在所述采样点上三轴向的加速度分量的平方根是否等于重力加速度;
静止状态确定子单元,用于如果所述静止状态判断子单元的判断结果为是,确定在所述采样点个体的手臂处于静止状态;
状态变换判断子单元,用于继续判断在所述采样点之后的采样点上三轴向的加速度分量的平方根是否不等于重力加速度;
状态变换确定子单元,用于如果所述运动状态判断子单元的判断结果为是,确定在第一次出现三轴向的加速度分量的平方根不等于重力加速度的采样点个体的手臂从静止状态变为运动状态。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410342428.4A CN104127242B (zh) | 2014-07-17 | 2014-07-17 | 识别吸烟行为的方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410342428.4A CN104127242B (zh) | 2014-07-17 | 2014-07-17 | 识别吸烟行为的方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104127242A true CN104127242A (zh) | 2014-11-05 |
CN104127242B CN104127242B (zh) | 2016-10-05 |
Family
ID=51800277
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410342428.4A Active CN104127242B (zh) | 2014-07-17 | 2014-07-17 | 识别吸烟行为的方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104127242B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105286873A (zh) * | 2015-10-28 | 2016-02-03 | 东软熙康健康科技有限公司 | 一种饮用行为的识别方法、装置以及智能设备 |
CN109872510A (zh) * | 2017-12-04 | 2019-06-11 | 通用汽车环球科技运作有限责任公司 | 用于汽车共享和乘坐共享车辆的车内烟雾检测和报告系统和方法 |
CN110122929A (zh) * | 2019-05-17 | 2019-08-16 | 南京大学 | 一种基于惯性传感器的抽烟事件监测系统及监测方法 |
CN110674717A (zh) * | 2019-09-16 | 2020-01-10 | 合肥中科奔巴科技有限公司 | 基于姿态识别的吸烟监测系统 |
CN111914667A (zh) * | 2020-07-08 | 2020-11-10 | 浙江大华技术股份有限公司 | 一种吸烟检测方法及装置 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090109042A1 (en) * | 2007-10-03 | 2009-04-30 | King Saud University | Smoke monitor |
WO2009069299A1 (ja) * | 2007-11-30 | 2009-06-04 | Japan Tobacco Inc. | データ処理システム、そのコンピュータプログラムおよびデータ処理方法 |
KR101098112B1 (ko) * | 2011-03-30 | 2011-12-26 | 한정환 | 흡연 횟수 및 흡연 시간에 따라 전자 담배를 제어하는 시스템 |
CN102488495A (zh) * | 2011-12-19 | 2012-06-13 | 陈心广 | 数字化智能尼古丁依赖性测评方法 |
CN103699795A (zh) * | 2013-12-20 | 2014-04-02 | 东软熙康健康科技有限公司 | 一种运动行为识别方法、装置及运动强度监测系统 |
-
2014
- 2014-07-17 CN CN201410342428.4A patent/CN104127242B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090109042A1 (en) * | 2007-10-03 | 2009-04-30 | King Saud University | Smoke monitor |
WO2009069299A1 (ja) * | 2007-11-30 | 2009-06-04 | Japan Tobacco Inc. | データ処理システム、そのコンピュータプログラムおよびデータ処理方法 |
KR101098112B1 (ko) * | 2011-03-30 | 2011-12-26 | 한정환 | 흡연 횟수 및 흡연 시간에 따라 전자 담배를 제어하는 시스템 |
CN102488495A (zh) * | 2011-12-19 | 2012-06-13 | 陈心广 | 数字化智能尼古丁依赖性测评方法 |
CN103699795A (zh) * | 2013-12-20 | 2014-04-02 | 东软熙康健康科技有限公司 | 一种运动行为识别方法、装置及运动强度监测系统 |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105286873A (zh) * | 2015-10-28 | 2016-02-03 | 东软熙康健康科技有限公司 | 一种饮用行为的识别方法、装置以及智能设备 |
CN109872510A (zh) * | 2017-12-04 | 2019-06-11 | 通用汽车环球科技运作有限责任公司 | 用于汽车共享和乘坐共享车辆的车内烟雾检测和报告系统和方法 |
CN110122929A (zh) * | 2019-05-17 | 2019-08-16 | 南京大学 | 一种基于惯性传感器的抽烟事件监测系统及监测方法 |
CN110122929B (zh) * | 2019-05-17 | 2021-07-30 | 南京大学 | 一种基于惯性传感器的抽烟事件监测系统及监测方法 |
CN110674717A (zh) * | 2019-09-16 | 2020-01-10 | 合肥中科奔巴科技有限公司 | 基于姿态识别的吸烟监测系统 |
CN110674717B (zh) * | 2019-09-16 | 2022-08-26 | 杭州奔巴慧视科技有限公司 | 基于姿态识别的吸烟监测系统 |
CN111914667A (zh) * | 2020-07-08 | 2020-11-10 | 浙江大华技术股份有限公司 | 一种吸烟检测方法及装置 |
CN111914667B (zh) * | 2020-07-08 | 2023-04-07 | 浙江大华技术股份有限公司 | 一种吸烟检测方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN104127242B (zh) | 2016-10-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104127242A (zh) | 识别吸烟行为的方法和装置 | |
US20150100613A1 (en) | Random number generation using a network of mobile devices | |
CN108027643B (zh) | 用于可穿戴计算设备的基于微运动的输入姿势控制的方法、设备和装置 | |
JP6567658B2 (ja) | ユーザーの活動を分類し及び/又はユーザーの歩数をカウントするデバイス及び方法 | |
CN105824735B (zh) | 一种移动终端的跌落处理方法及移动终端 | |
ES2813611T3 (es) | Aprovechamiento de un apretón de manos físico en pantallas montadas en la cabeza | |
WO2015127059A3 (en) | Smart wearable devices and methods with attention level and workload sensing | |
Uddin et al. | Wearable sensing framework for human activity monitoring | |
JP6083799B2 (ja) | 携帯デバイスの携帯場所判定方法、携帯デバイス、携帯デバイスの携帯場所判定システム、プログラム及び情報記憶媒体 | |
CN103944977A (zh) | 基于可穿戴设备的云健康信息管理系统及方法 | |
EP3065010A3 (en) | Field device commissioning system and method | |
JP2023513060A (ja) | 器具追跡機械 | |
EP2634696A3 (en) | Information processing apparatus, control method, and control program | |
CN107376341B (zh) | 一种用于游戏手柄的数据处理方法、装置及游戏手柄 | |
EP2587243A3 (en) | System and method for obtaining and de-noising vibratory data | |
WO2014145994A3 (en) | Intermediate motion signal extraction to determine activity | |
RU2018127668A (ru) | Способы и системы для предоставления обратной связи о сеансе чистки | |
EP2985059A3 (en) | Apparatus and method of user interaction | |
EP3107000A3 (en) | System and method for detecting outliers in real-time for a univariate time-series signal | |
US20160331327A1 (en) | Detection of a traumatic brain injury with a mobile device | |
CN112219234B (zh) | 标识虚拟现实环境的用户的生理压力的方法、介质和系统 | |
US20170115726A1 (en) | Incorporating biometric data from multiple sources to augment real-time electronic interaction | |
JP2011109563A (ja) | 作業内容検定装置、方法およびプログラム | |
US11287876B2 (en) | Managing user movement via machine learning | |
CN110312184A (zh) | 防止耳机触控误触发的方法、系统、耳机和存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CP02 | Change in the address of a patent holder |
Address after: Room 2070, building 2, Lane 1800, Xinyang Road, Lingang New Area, China (Shanghai) pilot Free Trade Zone, Pudong New Area, Shanghai, 200120 Patentee after: NEUSOFT XIKANG HEALTHCARE TECHNOLOGY Co.,Ltd. Address before: 100179, No. 315-9, building 321, room 6, 8 West Wang Lu, Haidian District, Beijing Patentee before: NEUSOFT XIKANG HEALTHCARE TECHNOLOGY Co.,Ltd. |
|
CP02 | Change in the address of a patent holder |