CN105167761A - 智能穿戴设备佩戴状态检测方法及装置 - Google Patents

Abstract

本发明公开了一种智能穿戴设备佩戴状态检测方法及装置，其中该方法包括：通过至少两种体征传感器采集用户的多个人体特征数据；若预置时长内，该至少两种体征传感器中有超过第一预置数量的传感器未采集到人体特征数据，则判定智能穿戴设备处于非佩戴状态；若该预置时长内，该至少两种体征传感器中无超过该第一预置数量的传感器未采集到人体特征数据，则判定该智能穿戴设备处于佩戴状态。相较于现有技术，本发明可有效检测出智能穿戴设备的佩戴状态，从而保障与佩戴有关的测试数据的准确性，提高智能穿戴产品的粘性。

Description

智能穿戴设备佩戴状态检测方法及装置

技术领域

本发明属于电子技术领域，尤其涉及一种智能穿戴设备佩戴状态检测方法及装置。

背景技术

智能穿戴产品，是应用穿戴式技术对日常穿戴进行智能化设计、开发出可以穿戴的设备的总称，如眼镜、手套、手表、服饰及鞋等，其中最为常见的是智能手表与智能手环。

智能穿戴设备因具有多种功能，如：计时、空气检测、计步等等，其市场日益发展壮大。然而，智能穿戴设备的绝大多数与人体检测有关的功能，如：心率检测、血压检测等等，都需要通过用户佩戴才能实现。但现有技术中，尚无有效的检测智能穿戴设备佩戴状态的方法，导致有些时候，虽然用户并没有佩戴或正确佩戴相关智能穿戴设备，但智能穿戴设备实际却产生了与佩戴有关的测试数据，从而影响了最终获得的测试数据的准确性，给用户带来不好的体验。

发明内容

本发明提供一种智能穿戴设备佩戴状态检测方法及装置，通过根据多个传感器采集的人体特征数据进行综合判断，可有效检测出智能穿戴设备的佩戴状态，从而保障与佩戴有关的测试数据的准确性，提高智能穿戴产品的粘性。

本发明第一方面提供一种智能穿戴设备佩戴状态检测方法，所述方法包括：

通过至少两种体征传感器采集用户的多个人体特征数据；若预置时长内，所述至少两种体征传感器中有超过第一预置数量的传感器未采集到人体特征数据，则判定智能穿戴设备处于非佩戴状态；若所述预置时长内，所述至少两种体征传感器中无超过所述第一预置数量的传感器未采集到人体特征数据，则判定所述智能穿戴设备处于佩戴状态。

本发明第二方面提供一种智能穿戴设备佩戴状态检测装置，所述装置包括：

采集模块，用于通过至少两种体征传感器采集用户的多个人体特征数据；判断模块，用于判断预置时长内，所述至少两种体征传感器中是否有超过第一预置数量的传感器未采集到人体特征数据；第一判定模块，用于若所述判断模块判断所述预置时长内，所述至少两种体征传感器中有超过所述第一预置数量的传感器未采集到人体特征数据，则判定智能穿戴设备处于非佩戴状态；第二判定模块，用于若所述判断模块判断所述预置时长内，所述至少两种体征传感器中无超过所述第一预置数量的传感器未采集到人体特征数据，则判定所述智能穿戴设备处于佩戴状态。

从上述本发明实施例可知，本发明通过利用至少两种体征传感器采集用户的多个人体特征数据，并根据采集的人体特征数据从多个维度综合判断智能穿戴设备的佩戴状态，可有效检测出智能穿戴设备的佩戴状态，从而解决现有技术中存在的无法对智能穿戴设备的佩戴状态进行有效检测的技术问题，保障与佩戴有关的测试数据的准确性，提高智能穿戴产品的粘性。

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是本发明实施例一提供的智能穿戴设备佩戴状态检测方法的流程示意图；

图2是本发明实施例二提供的智能穿戴设备佩戴状态检测方法的流程示意图；

图3是本发明实施例三提供的智能穿戴设备佩戴状态检测方法的流程示意图；

图4是本发明实施例四提供的智能穿戴设备佩戴状态检测方法的流程示意图；

图5是本发明实施例五提供的智能穿戴设备佩戴状态检测装置的结构示意图；

图6是本发明实施例六提供的智能穿戴设备佩戴状态检测装置的结构示意图。

具体实施方式

为使得本发明的发明目的、特征、优点能够更加的明显和易懂，下面将结合本发明实施例中的附图，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，而非全部实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动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。

本发明实施例中的智能穿戴设备佩戴状态检测方法，应用于智能穿戴设备，智能穿戴设备是应用穿戴式技术对日常穿戴进行智能化设计、开发出可以穿戴的设备的总称，如眼镜、手套、手表、服饰及鞋等。而广义的智能穿戴设备包括功能全、尺寸大、可不依赖智能手机实现完整或者部分的功能，例如智能手表或智能眼镜等，以及只专注于某一类应用功能，需要和其它设备如智能手机配合使用，如各类进行体征监测的智能手环、智能首饰等。随着技术的进步以及用户需求的变迁，可穿戴式智能设备的形态与应用热点也在不断的变化。为便于描述，以下各实施例中的智能穿戴设备以内置有多种特征传感器的智能手表为例。

请参阅附图1，附图1为本发明实施例一提供的智能穿戴设备佩戴状态检测方法的实现流程示意图，主要包括以下步骤S11至步骤S13：

S11、通过至少两种体征传感器采集用户的多个人体特征数据；

智能手表中内置多种体征传感器，用于采集用户的人体特征数据。体征，是指医生给病人检查时发现的具有诊断意义的人体征候，如生命体征，包括体温、脉搏、呼吸、血压等。

该体征传感器可以但不限于包括：用于检测人体体表温度的体温传感器、用于检测人体与智能佩戴产品之间的距离的距离感应器、用于检测人体脉搏的脉搏传感器、用于检测人体心率的心率传感器、用于检测人体血压的血压传感器以及用于检测人的呼吸模式的呼吸传感器。

其中体温传感器，例如可以是红外体温探测器。红外体温探测器是光探测器的另一种形式，它可由入侵者身体发出的热能触发，当温度约等于人体温度的目标(如入侵者)从敏感区域进入非敏感区域时，报警器就能检测出辐射的差别，并触发报警。红外体温探测器的灵敏度很高，而且不容易被破坏。被动红外入侵探测器采用热释电红外探测元件来探测路动目标。只要物体的温度高于绝对零度，就会不停地向四周辐射红外线，利用移动目标(如人、畜、车)自身辐射的红外线进行探测。

距离感应器，又叫位移传感器，是一种属于金属感应的线性器件，主要是利用各种元件检测对象物的物理变化量，通过将该变化量换算为距离，来测量从传感器到对象物的距离位移的机器。根据使用元件不同，可以分为光学式位移传感器、线性接近传感器、超声波位移传感器等。

智能手表实时，或在开启需要用户佩戴以后才能正确使用的功能前，或在收集与佩戴有关的测试数据前，如根据智能手机的指令开启心率测试功能前，分别通过上述多个体征传感器中的至少两种或两种以上的任意组合，采集用户的多个人体特征数据。如：分别通过体温传感器与心率传感器，采集用户体温数据与心率数据；分别通过脉搏传感器、距离感应器以及心率传感器，采集用户的脉搏数据、距离数据以及心率数据等等。

可以理解地，在开启与佩戴无关的功能或收集与佩戴无关的测试数据前，如开启天气、温度、闹钟等功能前，无需检测智能手表的佩戴状态。

S12、若预置时长内，该至少两种体征传感器中有超过第一预置数量的传感器未采集到人体特征数据，则判定智能穿戴设备处于非佩戴状态；

S13、若该预置时长内，该至少两种体征传感器中无超过该第一预置数量的传感器未采集到人体特征数据，则判定该智能穿戴设备处于佩戴状态。

其中，第一预置数量可以为小于用于采集用户的多个人体特征数据的体征传感器的总数的任意数值。该第一预置数量优选为0，即，预置时长内，如10秒内，只要有一个体征传感器未采集到人体特征数据，就判定智能手表处于非佩戴状态；否则，如果所有的体征传感器均采集到人体特征数据，则判定智能手表处于佩戴状态。其中非佩戴状态可以包括：未佩戴以及佩戴不正确。

本发明实施例提供的智能穿戴设备佩戴状态检测方法，通过利用至少两种体征传感器采集用户的多个人体特征数据，并根据采集的人体特征数据从多个维度综合判断智能穿戴设备的佩戴状态，可有效检测出智能穿戴设备的佩戴状态，从而解决现有技术中存在的无法对智能穿戴设备的佩戴状态进行有效检测的技术问题，保障与佩戴有关的测试数据的准确性，提高智能穿戴产品的粘性。

请参阅附图2，附图2为本发明实施例二提供的智能穿戴设备佩戴状态检测方法的实现流程示意图，主要包括以下步骤S21至步骤S24：

S21、通过至少两种体征传感器采集用户的多个人体特征数据；

智能手表中内置多种体征传感器，用于采集用户的人体特征数据。体征，是指医生给病人检查时发现的具有诊断意义的人体征候，如生命体征，包括体温、脉搏、呼吸、血压等。

该体征传感器可以但不限于包括：用于检测人体体表温度的体温传感器、用于检测人体与智能佩戴产品之间的距离的距离感应器、用于检测人体脉搏的脉搏传感器、用于检测人体心率的心率传感器、用于检测人体血压的血压传感器以及用于检测人的呼吸模式的呼吸传感器。

S22、若预置时长内，该至少两种体征传感器中有超过第一预置数量的传感器未采集到人体特征数据，则判定智能穿戴设备处于非佩戴状态；

其中，第一预置数量可以为小于用于采集用户的多个人体特征数据的体征传感器的总数的任意数值。该第一预置数量优选为0，即，采集开始后预置时长内，如10秒内，只要有1个体征传感器未采集到人体特征数据，就判定智能手表处于非佩戴状态。

S23、若该预置时长内，该至少两种体征传感器中无超过该第一预置数量的传感器未采集到人体特征数据，则将采集的人体特征数据与预置的基准人体特征数据进行匹配；

智能手表中内置多个分别与不同的体征传感器对应的基准人体特征数据。基准人体特征数据是特征传感器采集到的人体在正常状态下的生命特征数据，其可以是一个范围值。例如：人体在正常状态下的体温36.0℃～37℃、脉搏60～100次每分钟等等。

逐一将采集的人体特征数据与其对应的基准人体特征数据进行匹配，获取匹配结果。若采集的人体特征数据位于基准人体特征数据的范围值以内，则判定采集的人体特征数据与其对应的基准人体特征数据相匹配；否则，判定采集的人体特征数据与其对应的基准人体特征数据不匹配。

S24、根据匹配结果以及预置的评判规则，对该智能穿戴设备的佩戴状态进行判断。

具体地，可根据匹配结果中与基准人体特征数据相匹配的人体特征数据的数量，对智能穿戴设备的佩戴状态进行判断，若与基准人体特征数据相匹配的人体特征数据的数量超过第二预置数量，则判定智能穿戴设备处于佩戴状态。其中超过第二预置数量，例如可以是全部或超过半数。

或者，可根据不同的体征传感器在检测智能穿戴设备佩戴状态中所起的作用的高低，赋予不同的匹配结果以对应的基值和权重值，其中起的作用越大，基值和权重值就越大，例如，由于距离感应器误判的可能要大于心率传感器，所以距离感应器采集到的距离数据的匹配结果的权值小于心率传感器采集到的心率数据的匹配结果的权值。然后根据各个匹配结果对应的基值和权重值对智能穿戴设备的佩戴状态的进行评分，根据评分结果，判断智能穿戴设备的佩戴状态。

本发明实施例提供的智能穿戴设备佩戴状态检测方法，通过利用至少两种体征传感器采集用户的多个人体特征数据，并根据采集的人体特征数据从多个维度综合判断智能穿戴设备的佩戴状态，可有效检测出智能穿戴设备的佩戴状态，从而解决现有技术中存在的无法对智能穿戴设备的佩戴状态进行有效检测的技术问题，保障与佩戴有关的测试数据的准确性，提高智能穿戴产品的粘性。

请参阅附图3，附图3为本发明实施例三提供的智能穿戴设备佩戴状态检测方法的实现流程示意图，主要包括以下步骤S31至步骤S35：

S31、通过至少两种体征传感器采集用户的多个人体特征数据；

智能手表中内置多种体征传感器，用于采集用户的人体特征数据。体征，是指医生给病人检查时发现的具有诊断意义的人体征候，如生命体征，包括体温、脉搏、呼吸、血压等。

该体征传感器可以但不限于包括：用于检测人体体表温度的体温传感器、用于检测人体与智能佩戴产品之间的距离的距离感应器、用于检测人体脉搏的脉搏传感器、用于检测人体心率的心率传感器、用于检测人体血压的血压传感器以及用于检测人的呼吸模式的呼吸传感器。

智能手表实时或在开启需要用户佩戴以后才能正确使用的功能前，如根据智能手机的指令开启心率测试功能前，分别通过上述多个体征传感器中的至少两种或两种以上的任意组合，采集用户的多个人体特征数据。如：分别通过体温传感器与心率传感器，采集用户体温数据与心率数据；分别通过脉搏传感器、距离感应器以及心率传感器，采集用户的脉搏数据、距离数据以及心率数据等等。

S32、判断预置时长内，该至少两种体征传感器中是否有超过第一预置数量的传感器未采集到人体特征数据；

其中，第一预置数量优选为0，即判断在采集人体特征数据的过程中是否有至少1个传感器在预置时长内，如10秒内，未采集到人体特征数据。若是，则执行步骤S33；若否，则执行步骤S34。

S33、判定该智能穿戴设备处于非佩戴状态；

若预置时长内，该至少两种体征传感器中有超过第一预置数量的传感器未采集到人体特征数据，则判定该智能穿戴设备处于非佩戴状态。例如：在心率传感器与体温传感器中，如果有一个能采集到数据，另一个无法采集到数据，则判定用户并未佩戴智能手表。

S34、将采集的人体特征数据与预置的基准人体特征数据进行匹配；

智能手表中内置多个分别与不同的体征传感器对应的基准人体特征数据。基准人体特征数据是特征传感器采集到的人体在正常状态下的生命特征数据，其可以是一个范围值。例如：人体在正常状态下的体温36.0℃～37℃、脉搏60～100次每分钟等等。可以理解地，由于不同年龄层、不同性别的人在一天的不同时间段的基准人体特征数据存在差异，例如：正常情况下，成年人的体温稍高于老年人，女性的体温平均比男性高0.3℃，同一个人的体温，一般清晨2：00～4：00时最低，14：00～20：00时最高。

如下表1所示，智能手表中可针对同一个体征传感器获得的人体特征数据，内置不同年龄层不同性别的人在一天的不同时间段的基准人体特征数据，根据佩戴者的性别、年龄以及当前的时间，确定对应的基准人体特征数据。

表1

人体特征数据类型	性别	年龄层	基准数据
				脉搏	男/女	青少年	80～90次/分钟
脉搏	女	成年	70～90次/分钟
				脉搏	男	成年	60～100次/分钟

需要说明的是，上述表1只是关于脉搏的一种示例，其他类型的基准人体特征数据可以此为参照获得。此外，在实际应用中，基准人体特征数据还可以其他形式内置于智能手表中，且包含更多的内容，例如不同时间段的体温数据，此处不做限制。

逐一将采集的人体特征数据与其对应的基准人体特征数据进行匹配，若采集的人体特征数据位于基准人体特征数据的范围值以内，或偏离该范围值不超过预置的数值，则判定采集的人体特征数据与其对应的基准人体特征数据相匹配；若采集的人体特征数据偏离该范围值，或偏离该范围值超过预置的数值，则判定采集的人体特征数据与其对应的基准人体特征数据不匹配。

S35、若采集到的所有人体特征数据中有超过第二预置数量的人体特征数据与对应的基准人体特征数据相匹配，则判定该智能穿戴设备处于佩戴状态，否则，判定该智能穿戴设备处于非佩戴状态。

具体地，可根据匹配结果中与基准人体特征数据相匹配的人体特征数据的数量，对智能穿戴设备的佩戴状态进行判断，若与基准人体特征数据相匹配的人体特征数据的数量超过第二预置数量，则判定智能穿戴设备处于佩戴状态。例如：假设采集到心率、体温、距离三种人体特征数据，若这三种数据均与其各自对应的基准数据相匹配，则判定智能手表处于佩戴状态，否则，只要有其中任一个数据与其对应的基准数据不匹配，则判定智能手表处于非佩戴状态；或者，若其中有任意两种数据与其各自对应的基准数据相匹配，则判定智能手表处于佩戴状态，否则，判定智能手表处于非佩戴状态。

当判定智能手表处于佩戴状态时，收集与佩戴相关的功能产生的基本数据并进行传输，例如，当判定智能手表处于佩戴状态时，才收集心率测试功能产生的心率测试数据，并传输至智能手机。

当判定智能手表处于非佩戴状态时，则不收集与佩戴相关的功能产生的基本数据并进行传输。

本发明实施例提供的智能穿戴设备佩戴状态检测方法，通过利用至少两种体征传感器采集用户的多个人体特征数据，并根据采集的人体特征数据与预置基准人体特征数据的匹配结果中相匹配的数据的数量，从多个维度综合判断智能穿戴设备的佩戴状态，可有效检测出智能穿戴设备的佩戴状态，从而解决现有技术中存在的无法对智能穿戴设备的佩戴状态进行有效检测的技术问题，保障与佩戴有关的测试数据的准确性，提高智能穿戴产品的粘性。

请参阅附图4，附图4为本发明实施例四提供的智能穿戴设备佩戴状态检测方法的实现流程示意图，主要包括以下步骤S41至步骤S46：

S41、通过至少两种体征传感器采集用户的多个人体特征数据；

S42、判断预置时长内，该至少两种体征传感器中是否有超过第一预置数量的传感器未采集到人体特征数据；

若是，则执行步骤S43；若否，则执行步骤S44。

S43、判定该智能穿戴设备处于非佩戴状态；

S44、将采集的人体特征数据与预置的基准人体特征数据进行匹配；

步骤S41至步骤S44与实施例二中的步骤S31至步骤S34相同，具体请参考实施例二中的相关内容，此处不再赘述。

S45、获取各该人体特征数据的匹配结果各自对应的基值与权重值，对该基值与权重值作加权运算，以得到该智能穿戴设备的佩戴评分；

S46、若该佩戴评分大于或等于预置分数，则判定该智能穿戴设备处于佩戴状态，否则，判定该智能穿戴设备处于非佩戴状态。

具体地，可根据不同的体征传感器在检测智能穿戴设备佩戴状态中所起的作用的高低，赋予不同的匹配结果以对应的基值和权重值，其中起的作用越大，基值和权重值就越大，例如，由于距离感应器误判的可能要大于心率传感器，所以可赋予距离感应器采集到的距离数据的匹配结果较小的权值，赋予心率传感器采集到的心率数据的匹配结果较大的权值。

智能手表中内置如表2所示的权值表，该权值表中记录不同的体征传感器采集的人体特征数据的匹配结果与其对应的基值和权重值之间的对应关系。通过查询该权值表，获取各个匹配结果对应的基值和权重值，然后将查询到的基值和权重值进行加权运算，以得到智能手表的佩戴评分，若该佩戴评分大于或等于预置分数，则判定智能手表处于佩戴状态，若该佩戴评分小于预置分数，则判定智能手表处于非佩戴状态。

表2

例如：假设距离数据的匹配结果为匹配、体温数据的匹配结果为不匹配，血压数据的匹配结果为匹配，则智能手表的佩戴评分为：1×0.15+2×0.1+2×0.3＝0.95。

本发明实施例提供的智能穿戴设备佩戴状态检测方法，通过利用至少两种体征传感器采集用户的多个人体特征数据，并根据采集的人体特征数据与预置基准人体特征数据的匹配结果，从多个维度利用权重的方式，综合判断智能穿戴设备的佩戴状态，可有效检测出智能穿戴设备的佩戴状态，从而解决现有技术中存在的无法对智能穿戴设备的佩戴状态进行有效检测的技术问题，保障与佩戴有关的测试数据的准确性，提高智能穿戴产品的粘性。

请参阅附图5，附图5是本发明实施例五提供的智能穿戴设备佩戴状态检测装置的结构示意图，为了便于说明，仅示出了与本发明实施例相关的部分。附图5示例的智能穿戴设备佩戴状态检测装置可以是前述实施例提供的智能穿戴设备佩戴状态检测方法的执行主体，其可以是智能穿戴设备或者智能穿戴设备中的一个功能模块。附图5示例的智能穿戴设备佩戴状态检测装置，主要包括以下功能模块：

采集模块51，用于通过至少两种体征传感器采集用户的多个人体特征数据；

判断模块52，用于判断预置时长内，该至少两种体征传感器中是否有超过第一预置数量的传感器未采集到人体特征数据；

第一判定模块53，用于若判断模块52判断该预置时长内，该至少两种体征传感器中有超过该第一预置数量的传感器未采集到人体特征数据，则判定智能穿戴设备处于非佩戴状态；

第二判定模块54，用于若判断模块52判断该预置时长内，该至少两种体征传感器中无超过该第一预置数量的传感器未采集到人体特征数据，则判定该智能穿戴设备处于佩戴状态。

需要说明的是，以上附图5示例的智能穿戴设备佩戴状态检测装置的实施方式中，各功能模块的划分仅是举例说明，实际应用中可以根据需要，例如相应硬件的配置要求或者软件的实现的便利考虑，而将上述功能分配由不同的功能模块完成，即将所述智能穿戴设备佩戴状态检测装置的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。而且，实际应用中，本实施例中的相应的功能模块可以是由相应的硬件实现，也可以由相应的硬件执行相应的软件完成(本说明书提供的各个实施例都可应用上述描述原则)。

本实施例对智能穿戴设备佩戴状态检测装置的各功能模块实现各自功能的具体过程，请参见上述附图1所示实施例中描述的具体内容，此处不再赘述。

本发明实施例提供的智能穿戴设备佩戴状态检测装置，通过利用至少两种体征传感器采集用户的多个人体特征数据，并根据采集的人体特征数据从多个维度综合判断智能穿戴设备的佩戴状态，可有效检测出智能穿戴设备的佩戴状态，从而解决现有技术中存在的无法对智能穿戴设备的佩戴状态进行有效检测的技术问题，保障与佩戴有关的测试数据的准确性，提高智能穿戴产品的粘性。

请参阅附图6，附图6是本发明实施例六提供的智能穿戴设备佩戴状态检测装置的结构示意图，为了便于说明，仅示出了与本发明实施例相关的部分。附图6示例的智能穿戴设备佩戴状态检测装置可以是前述实施例提供的智能穿戴设备佩戴状态检测方法的执行主体，其可以是智能穿戴设备或者智能穿戴设备中的一个功能模块。附图6示例的智能穿戴设备佩戴状态检测装置，主要包括以下功能模块：

采集模块61，用于通过至少两种体征传感器采集用户的多个人体特征数据；

判断模块62，用于判断预置时长内，该至少两种体征传感器中是否有超过第一预置数量的传感器未采集到人体特征数据；

第一判定模块63，用于若判断模块62判断该预置时长内，该至少两种体征传感器中有超过该第一预置数量的传感器未采集到人体特征数据，则判定智能穿戴设备处于非佩戴状态；

第二判定模块64，用于若判断模块62判断该预置时长内，该至少两种体征传感器中无超过该第一预置数量的传感器未采集到人体特征数据，则判定该智能穿戴设备处于佩戴状态。

进一步地，第二判定模块64包括：

匹配子模块641，用于若判断模块62判断该预置时长内，该至少两种体征传感器中无超过该第一预置数量的传感器未采集到人体特征数据，则将采集的人体特征数据与预置的基准人体特征数据进行匹配；

判断子模块642，用于根据匹配结果以及预置的评判规则，对该智能穿戴设备的佩戴状态进行判断。

进一步地，判断子模块642包括：

第一判定子模块6421，用于若采集到的所有人体特征数据中有超过第二预置数量的人体特征数据与对应的基准人体特征数据相匹配，则判定该智能穿戴设备处于佩戴状态，否则，判定该智能穿戴设备处于非佩戴状态。

进一步地，判断子模块642还包括：

评分子模块6422，用于获取各该人体特征数据的匹配结果各自对应的基值与权重值，对该基值与权重值作加权运算，以得到该智能穿戴设备的佩戴评分；

第二判定子模块6423，用于若该佩戴评分大于或等于预置分数，则判定该智能穿戴设备处于佩戴状态，否则，判定该智能穿戴设备处于非佩戴状态。

进一步地，该人体特征传感器包括：体温传感器、距离感应器、脉搏传感器、心率传感器、血压传感器以及呼吸传感器中的任意两种或两种以上的组合。

本实施例对智能穿戴设备佩戴状态检测装置的各功能单元实现各自功能的具体过程，请参见上述附图1至附图4所示实施例中描述的具体内容，此处不再赘述。

本发明实施例提供的智能穿戴设备佩戴状态检测装置，通过利用至少两种体征传感器采集用户的多个人体特征数据，并根据采集的人体特征数据从多个维度综合判断智能穿戴设备的佩戴状态，可有效检测出智能穿戴设备的佩戴状态，从而解决现有技术中存在的无法对智能穿戴设备的佩戴状态进行有效检测的技术问题，保障与佩戴有关的测试数据的准确性，提高智能穿戴产品的粘性。

在本申请所提供的几个实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述模块的划分，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，例如多个模块或组件可以结合或者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，装置或模块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模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理模块，即可以位于一个地方，或者也可以分布到多个网络模块上。可以根据实际的需要选择其中的部分或者全部模块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模块可以集成在一个处理模块中，也可以是各个模块单独物理存在，也可以两个或两个以上模块集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。

所述集成的模块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全部或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(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述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-OnlyMemory)、随机存取存储器(RAM，RandomAccessMemory)、磁碟或者光盘等各种可以存储程序代码的介质。

需要说明的是，对于前述的各方法实施例，为了简便描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本发明并不受所描述的动作顺序的限制，因为依据本发明，某些步骤可以采用其它顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定都是本发明所必须的。

在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其它实施例的相关描述。

以上为对本发明所提供的一种智能穿戴设备佩戴状态检测方法及装置的描述，对于本领域的一般技术人员，依据本发明实施例的思想，在具体实施方式及应用范围上均会有改变之处，综上，本说明书内容不应理解为对本发明的限制。

Claims (10)

1.一种智能穿戴设备佩戴状态检测方法，其特征在于，所述方法包括：

通过至少两种体征传感器采集用户的多个人体特征数据；

若预置时长内，所述至少两种体征传感器中有超过第一预置数量的传感器未采集到人体特征数据，则判定智能穿戴设备处于非佩戴状态；

若所述预置时长内，所述至少两种体征传感器中无超过所述第一预置数量的传感器未采集到人体特征数据，则判定所述智能穿戴设备处于佩戴状态。

2.根据权利要求1所述的方法，其特征在于，所述若所述预置时长内，所述至少两种体征传感器中无超过所述第一预置数量的传感器未采集到人体特征数据，则判定所述智能穿戴设备处于佩戴状态包括：

若所述预置时长内，所述至少两种体征传感器中无超过所述第一预置数量的传感器未采集到人体特征数据，则将采集的人体特征数据与预置的基准人体特征数据进行匹配；

根据匹配结果以及预置的评判规则，对所述智能穿戴设备的佩戴状态进行判断。

3.根据权利要求2所述的方法，其特征在于，所述根据匹配结果以及预置的评判规则，对智能穿戴设备的佩戴状态进行判断包括：

若采集到的所有人体特征数据中有超过第二预置数量的人体特征数据与对应的基准人体特征数据相匹配，则判定所述智能穿戴设备处于佩戴状态，否则，判定所述智能穿戴设备处于非佩戴状态。

4.根据权利要求2所述的方法，其特征在于，所述根据匹配结果以及预置的评判规则，对智能穿戴设备的佩戴状态进行判断还包括：

获取各所述人体特征数据的匹配结果各自对应的基值与权重值，对所述基值与权重值作加权运算，以得到所述智能穿戴设备的佩戴评分；

若所述佩戴评分大于或等于预置分数，则判定所述智能穿戴设备处于佩戴状态，否则，判定所述智能穿戴设备处于非佩戴状态。

5.根据权利要求1至4任意一项所述的方法，其特征在于，所述人体特征传感器包括：体温传感器、距离感应器、脉搏传感器、心率传感器、血压传感器以及呼吸传感器中的任意两种或两种以上的组合。

6.一种智能穿戴设备佩戴状态检测装置，其特征在于，所述装置包括：

采集模块，用于通过至少两种体征传感器采集用户的多个人体特征数据；

判断模块，用于判断预置时长内，所述至少两种体征传感器中是否有超过第一预置数量的传感器未采集到人体特征数据；

第一判定模块，用于若所述判断模块判断所述预置时长内，所述至少两种体征传感器中有超过所述第一预置数量的传感器未采集到人体特征数据，则判定智能穿戴设备处于非佩戴状态；

第二判定模块，用于若所述判断模块判断所述预置时长内，所述至少两种体征传感器中无超过所述第一预置数量的传感器未采集到人体特征数据，则判定所述智能穿戴设备处于佩戴状态。

7.根据权利要求6所述的装置，其特征在于，所述第二判定模块包括：

匹配子模块，用于若所述判断模块判断所述预置时长内，所述至少两种体征传感器中无超过所述第一预置数量的传感器未采集到人体特征数据，则将采集的人体特征数据与预置的基准人体特征数据进行匹配；

判断子模块，用于根据匹配结果以及预置的评判规则，对所述智能穿戴设备的佩戴状态进行判断。

8.根据权利要求7所述的装置，其特征在于，所述判断子模块包括：

第一判定子模块，用于若采集到的所有人体特征数据中有超过第二预置数量的人体特征数据与对应的基准人体特征数据相匹配，则判定所述智能穿戴设备处于佩戴状态，否则，判定所述智能穿戴设备处于非佩戴状态。

9.根据权利要求7所述的装置，其特征在于，所述判断子模块还包括：

评分子模块，用于获取各所述人体特征数据的匹配结果各自对应的基值与权重值，对所述基值与权重值作加权运算，以得到所述智能穿戴设备的佩戴评分；

第二判定子模块，用于若所述佩戴评分大于或等于预置分数，则判定所述智能穿戴设备处于佩戴状态，否则，判定所述智能穿戴设备处于非佩戴状态。

10.根据权利要求6至9任意一项所述的装置，其特征在于，所述人体特征传感器包括：体温传感器、距离感应器、脉搏传感器、心率传感器、血压传感器以及呼吸传感器中的任意两种或两种以上的组合。