CN108392212A - 一种基于手环的人体疲劳度判断方法及手环 - Google Patents
一种基于手环的人体疲劳度判断方法及手环 Download PDFInfo
- Publication number
- CN108392212A CN108392212A CN201810035943.6A CN201810035943A CN108392212A CN 108392212 A CN108392212 A CN 108392212A CN 201810035943 A CN201810035943 A CN 201810035943A CN 108392212 A CN108392212 A CN 108392212A
- Authority
- CN
- China
- Prior art keywords
- user
- minute
- current
- step number
- judgment module
- 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.)
- Pending
Links
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/16—Devices for psychotechnics; Testing reaction times ; Devices for evaluating the psychological state
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
- A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
- A61B5/1118—Determining activity level
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
- A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
- A61B5/1123—Discriminating type of movement, e.g. walking or running
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/48—Other medical applications
- A61B5/4806—Sleep evaluation
- A61B5/4815—Sleep quality
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
- A61B5/6801—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be attached to or worn on the body surface
- A61B5/6802—Sensor mounted on worn items
- A61B5/681—Wristwatch-type devices
Abstract
本发明涉及一种基于手环的人体疲劳度判断方法:步骤一,测量得出三轴加速度数值;步骤二,所述存储模块存储单位分钟的基础卡路里消耗b;步骤三,对用户运动剧烈程度进行判断;步骤四,得出当前用户的分钟步数;步骤五,对用户当前的运动类型进行判断;步骤六,计算用户当前分钟运动卡路里消耗;步骤七,计算当天用户总的运动卡路里消耗和总的运动卡路里消耗之间的比值r;步骤八,计算当前时间用户活力得分;步骤九,所述判断模块根据所述当前时间活力得分VS划分人体疲劳程度。通过上述技术方案,本发明可以根据用户的运动参数对用户的人体疲劳程度进行判断。
Description
技术领域
本发明涉及智能手环控制领域,特别设计一种基于手环的人体疲劳度判断方法及手环。
背景技术
目前智能手环已经广泛应用到人们的健康生活中,已经具有取代传统手表的趋势。智能手环由于体积小,能放置的电池包也较小,十分迫切需要人们在使用过程中尽量减少能量消耗。
智能手环目前已经可以对用户的运动参数进行参考性的测量,用户可以根据测量的数据对自身的身体情况做出简单的判断。目前的手环可以进行心率、步数、加速度等等实时数据的测量,但是,目前没有将手环用户对用户一整天的用户状态情况判断,如疲劳度的判断。
发明内容
本发明旨在提供一种基于手环的人体疲劳度判断方法及手环,通过该方法和手环,用户可以根据运动情况和睡眠的情况得出人体疲劳程度。
本发明的具体技术方案如下:
手环包括处理器和三轴加速度传感器,处理器包括存储模块和计算模块。基于该手环,可以显示判断用户的人体疲劳程度的方法如下:
步骤一,所述处理器连接所述三轴加速度传感器,所述三轴加速度传感器采集所述智能手环的三轴加速度的数据,并将该三轴加速度的数据传送至所述处理器;且所述处理器对上述采集到的三轴加速度的数据进行滤波处理,得到处理后的所述的三轴的加速度数据。三轴加速度传感器采集数据是基础。
步骤二,所述智能手环还包括存储模块,所述存储模块存储单位分钟的基础卡路里消耗b。
步骤三,所述处理器的判断模块根据三轴的加速度数据对用户运动剧烈程度进行判断。
步骤四,所述手环进行计步,得出当前用户的分钟步数。计步按照现有的计步方式进行计步,可得当前用户的分钟步数。
步骤五,所述判断模块根据步骤三的运动剧烈程度和步骤四得到的当前分钟步数,对用户当前的运动类型进行判断。
步骤六,所述处理器包括计算模块,所述计算模块根据所述步骤五的判断结果计算用户当前分钟运动卡路里消耗。
步骤七,所述计算模块可计算当天时间内用户总的基础卡路里消耗和总的运动卡路里消耗,并计算当天用户总的运动卡路里消耗和总的运动卡路里消耗之间的比值r。
步骤八,所述计算模块获取用户前一天晚上用户的睡眠质量得分,并计算当前时间用户活力得分;所述活力得分VS为用户前一晚睡眠质量得分SQ、比值r的一次函数:VS=f(SQ,r)。
步骤九,所述判断模块根据所述当前时间活力得分VS划分人体疲劳程度。
进一步地,所述单位分钟的基础卡路里消耗为根据用户的身高h、体重w、性别s和年龄a计算得出的用户单位分钟的基础卡路里消耗b,用户单位分钟基础卡路里消耗与用户的性别、身高、体重、年龄等参数之间的关系满足函数b=f(s,h,w,a)。
进一步地,用户运动的剧烈程度包括轻微运动、剧烈运动;对用户运动剧烈程度进行判断的方法如下:
所述处理器的存储模块存储第一幅度阈值和第一时间阈值,所述处理器还包括判断模块,在当前时间向前推所述第一时间阈值的时间内,当三轴的加速度数据最大值之和大于所述第一幅度阈值时,所述判断模块判断当前运动为剧烈运动;当三轴的加速度数据之和小于所述第一幅度阈值时,所述判断模块判断当前运动为轻微运动。
进一步地,用户运动的剧烈程度包括轻微运动、正常运动和剧烈运动;对用户运动剧烈程度进行判断的方法如下:
所述处理器的存储模块还存储第一幅度阈值、第二幅度阈值和第一时间阈值,所述第一幅度阈值小于所述第二幅度阈值,所述处理器还包括判断模块,在当前时间向前推所述第一时间阈值的时间内,当三轴的加速度数据之和大于所述第二幅度阈值时,所述判断模块当前运动为剧烈运动;当三轴的加速度数据之和小于所述第二幅度阈值且大于所述第一幅度阈值时,所述判断模块判断当前运动为正常运动;当三轴的加速度数据之和小于所述第一幅度阈值时,所述判断模块当前运动为轻微运动。
进一步地,用户当前的运动类型可分为休息、走路和跑步。对用户当前的运动类型进行判断的方法如下:
所述存储模块存储有从小到大的第一步数阈值、第二步数阈值和第三步数阈值;
所述分钟步数小于所述第一步数阈值时,所述判断模块判断所述运动类型为休息;
所述分钟步数大于所述第一步数阈值且小于所述第二步数阈值时:当所述判断模块判断当前运动为轻微运动时,所述判断模块判断所述运动类型为休息;当所述判断模块判断当前运动为正常运动或剧烈运动时,所述判断模块判断所述运动类型为走路;
所述分钟步数大于所述第二步数阈值且小于所述第三步数阈值时:当所述判断模块判断当前运动为轻微运动或正常运动时,所述判断模块判断所述运动类型为走路;当所述判断模块判断当前运动为剧烈运动时,所述判断模块判断所述运动类型为跑步;
所述分钟步数大于所述第三步数阈值时,所述判断模块判断所述运动类型为跑步。
进一步地,所述计算模块计算用户当前分钟运动卡路里消耗的方法如下:
所述判断模块判断用户的运动类型为休息时:当所述分钟步数等于零时且所述判断模块判断当前运动为轻微运动时,所述当前分钟运动卡路里消耗=0;当所述分钟步数等于零时且所述判断模块判断当前运动为正常运动时,所述当前分钟运动卡路里消耗=U;当所述分钟步数等于零时且所述判断模块判断当前运动为剧烈运动时,所述当前分钟运动卡路里消耗=2U;当所述分钟步数大于零,且所述判断模块判断当前运动为正常运动或轻微运动时,所述当前分钟运动卡路里消耗=U*当前用户的分钟步数/2;当所述分钟步数大于零,且所述判断模块判断当前运动为剧烈运动时,所述当前分钟运动卡路里消耗=1.1U*当前用户的分钟步数/2;
所述判断模块判断用户的运动类型为走路时:所述当前分钟运动卡路里消耗=1.1U*当前用户的分钟步数/2;
所述判断模块判断用户的运动类型为跑步时:所述当前分钟运动卡路里消耗=1.5U*当前用户的分钟步数/2;
其中,所述U为运动卡路里最小单元,U=用户单位分钟基础卡路里消耗b * 0.2。
进一步地,所述睡眠质量得分的计算方法如下:睡眠质量得分SQ取值范围为:0-100(满分100),分值越高越好。睡眠质量得分与深睡时长dt、浅睡时长lt、清醒时间awt、醒来次数awn之间满足线性一次函数关系SQ=f(dt,lt, awt,awn)。
通过上述技术方案,本发明可以根据用户的运动参数对用户的人体疲劳程度进行判断。
具体实施方式
手环包括处理器和三轴加速度传感器,处理器包括存储模块和计算模块。基于该手环,可以显示判断用户的人体疲劳程度的方法如下:
步骤一,所述处理器连接所述三轴加速度传感器,所述三轴加速度传感器采集所述智能手环的三轴加速度的数据,并将该三轴加速度的数据传送至所述处理器;且所述处理器对上述采集到的三轴加速度的数据进行滤波处理,得到处理后的所述的三轴的加速度数据。三轴加速度传感器采集数据是基础。
步骤二,所述智能手环还包括存储模块,所述存储模块存储单位分钟的基础卡路里消耗b。
基础卡路里消耗在业内具有不同的算法,本发明可采用业内的任何计算方法得出的基础卡路里消耗。优选地,本发明提供一种独特的基础卡路里算法:
所述单位分钟的基础卡路里消耗为根据用户的身高h、体重w、性别s和年龄a计算得出的用户单位分钟的基础卡路里消耗b,用户单位分钟基础卡路里消耗与用户的性别、身高、体重、年龄等参数之间的关系满足函数b=f(s,h,w,a)。
用户单位分钟基础卡路里消耗又叫基础代谢率(basal metabolic rate,BMR),是指人体在清醒而又极端安静的状态下,不受肌肉活动、环境温度、食物及精神紧张等影响时的能量代谢率。
本发明优选的的算法为:
女性:655 + (9.6 * 体重w) + (1.7 * 身高h) - (4.7*年龄a) ;
男性:66 + (13.7 *体重w) + (5.0 * 身高h) - (6.8*年龄a) 。
例如:
W小姐体重55公斤、身高165公分、年芳21,她的每天基础代谢率(BMR)是: 655+(9.6x55) + (1.7x165)-(4.7x21) =655 +528 +280.5-98.7 = 1364.8卡。
L先生的体重80公斤、身高180公分、今年24岁,他的每天基础代谢率(BMR)是: 66+(13.7x80) + (5.Ox180)-(6.8x24) =66 +1096 +900-163.2 = 1898.8卡。
步骤三,所述处理器的判断模块根据三轴的加速度数据对用户运动剧烈程度进行判。
用户运动的剧烈程度包括轻微运动、剧烈运动;判断方法如下:
所述处理器的存储模块存储第一幅度阈值和第一时间阈值,所述处理器还包括判断模块,在当前时间向前推所述第一时间阈值的时间内,当三轴的加速度数据最大值之和大于所述第一幅度阈值时,所述判断模块判断当前运动为剧烈运动;当三轴的加速度数据之和小于所述第一幅度阈值时,所述判断模块判断当前运动为轻微运动。
用户运动的剧烈程度进一步细分的话可以分为轻微运动、正常运动和剧烈运动;判断方法如下:
所述处理器的存储模块还存储第一幅度阈值、第二幅度阈值和第一时间阈值,所述第一幅度阈值小于所述第二幅度阈值,所述处理器还包括判断模块,在当前时间向前推所述第一时间阈值的时间内,当三轴的加速度数据之和大于所述第二幅度阈值时,所述判断模块当前运动为剧烈运动;当三轴的加速度数据之和小于所述第二幅度阈值且大于所述第一幅度阈值时,所述判断模块判断当前运动为正常运动;当三轴的加速度数据之和小于所述第一幅度阈值时,所述判断模块当前运动为轻微运动。
步骤四,所述手环进行计步,得出当前用户的分钟步数。计步按照现有的计步方式进行计步,可得当前用户的分钟步数。
步骤五,所述判断模块根据步骤三的运动剧烈程度和步骤四得到的当前分钟步数,对用户当前的运动类型进行判断。
用户当前的运动类型可分为休息、走路和跑步。
本发明优选的判断方法如下:
所述存储模块存储有从小到大的第一步数阈值、第二步数阈值和第三步数阈值;
所述分钟步数小于所述第一步数阈值时,所述判断模块判断所述运动类型为休息;
所述分钟步数大于所述第一步数阈值且小于所述第二步数阈值时:当所述判断模块判断当前运动为轻微运动时,所述判断模块判断所述运动类型为休息;当所述判断模块判断当前运动为正常运动或剧烈运动时,所述判断模块判断所述运动类型为走路;
所述分钟步数大于所述第二步数阈值且小于所述第三步数阈值时:当所述判断模块判断当前运动为轻微运动或正常运动时,所述判断模块判断所述运动类型为走路;当所述判断模块判断当前运动为剧烈运动时,所述判断模块判断所述运动类型为跑步;
所述分钟步数大于所述第三步数阈值时,所述判断模块判断所述运动类型为跑步。
一个优选的实施例可参加下表1。
表1 运动类型分类表。
步数 剧烈程度 | 0~5 | 5~20 | 20~70 | 大于70 |
轻微 | 休息 | 休息 | 走路 | 跑步 |
正常 | 休息 | 走路 | 走路 | 跑步 |
剧烈 | 休息 | 走路 | 跑步 | 跑步 |
步骤六,所述处理器包括计算模块,所述计算模块根据所述步骤五的判断结果计算用户当前分钟运动卡路里消耗。
具体的计算方法可以参照现有技术的计算方法。优选的,本发明针对性地提出如下的计算方法:
所述判断模块判断用户的运动类型为休息时:当所述分钟步数等于零时且所述判断模块判断当前运动为轻微运动时,所述当前分钟运动卡路里消耗=0;当所述分钟步数等于零时且所述判断模块判断当前运动为正常运动时,所述当前分钟运动卡路里消耗=U;当所述分钟步数等于零时且所述判断模块判断当前运动为剧烈运动时,所述当前分钟运动卡路里消耗=2U;当所述分钟步数大于零,且所述判断模块判断当前运动为正常运动或轻微运动时,所述当前分钟运动卡路里消耗=U*当前用户的分钟步数/2;当所述分钟步数大于零,且所述判断模块判断当前运动为剧烈运动时,所述当前分钟运动卡路里消耗=1.1U*当前用户的分钟步数/2;
所述判断模块判断用户的运动类型为走路时:所述当前分钟运动卡路里消耗=1.1U*当前用户的分钟步数/2;
所述判断模块判断用户的运动类型为跑步时:所述当前分钟运动卡路里消耗=1.5U*当前用户的分钟步数/2;
其中,所述U为运动卡路里最小单元,U=用户单位分钟基础卡路里消耗b * 0.2。
具体的可参见下表2。
表2 运动卡路里计算表。
步骤七,所述计算模块可计算当天时间内用户总的基础卡路里消耗和总的运动卡路里消耗,并计算当天用户总的运动卡路里消耗和总的运动卡路里消耗之间的比值r。
总的运动卡路里消耗和总的运动卡路里消耗均是在当天时间内所有单位分钟或者当前分钟数据的累加。
步骤八,所述计算模块获取用户前一天晚上用户的睡眠质量得分,并计算当前时间用户活力得分;所述活力得分VS为用户前一晚睡眠质量得分SQ、比值r的一次函数:VS=f(SQ,r)。
睡眠质量得分可以采用现有技术的算法。当然,本发明也设计一种优选的计算方法,具体的计算方法如下:
睡眠质量得分SQ取值范围为:0-100(满分100),分值越高越好。睡眠质量得分与深睡时长dt、浅睡时长lt、清醒时间awt、醒来次数awn之间满足线性一次函数关系SQ=f(dt,lt,awt,awn)。
如下表3的具体的数值计算。
表3:睡眠质量分计算表。
深睡时长 | 浅睡时长 | 清醒时间 | 醒来次数 | 睡眠质量分 |
15 | 14 | 60 | 0 | 35 |
129 | 299 | 18 | 2 | 77 |
256 | 149 | 21 | 0 | 88 |
157 | 162 | 12 | 1 | 82 |
117 | 289 | 6 | 0 | 83 |
258 | 184 | 8 | 1 | 87 |
315 | 188 | 5 | 0 | 91 |
363 | 156 | 3 | 0 | 92 |
当前时间活力得分计算的一个实施例如下表4。
表4:当前时间活力得分计算表。
步骤九,所述判断模块根据所述当前时间活力得分VS划分人体疲劳程度。
划分的具体方式如下:
活力得分 | 疲劳程度 |
【0,60) | 严重疲劳 |
【60,80) | 中度疲劳 |
【80,90) | 轻度疲劳 |
【90,100】 | 不疲劳 |
其中,所述手环可以包括显示屏,显示屏可显示分体疲劳程序。如当当前时间活力得分为65,则所述显示屏显示中度疲劳。
存储单元包括第一存储单元和第二存储单元,其中,单位分钟的基础卡路里消耗b存储在所述第一存储单元中;所述当前用户的分钟步数存储在所述第二存储单元中。进一步地,所述第一幅度阈值、第二幅度阈值、第一时间阈值、第一步数阈值、第二步数阈值和第三步数阈值都存储在所述第一存储模块。分为两个存储单元的优点是,单位分钟的基础卡路里消耗b、第一幅度阈值、第二幅度阈值、第一时间阈值、第一步数阈值、第二步数阈值和第三步数阈值都是属于仅仅只用读取的数值,因此将他们都存储在一个存储单元中,而当前用户的分钟步数为随时写入并且需要读取的数据,因此,存储一个单独的第二存储单元中。
计算模块包括第一计算模块、第二计算模块、第三计算模块和第四计算模块,所述第一计算模块处理所述步骤六中的用户当前分钟运动卡路里消耗的计算。所述第二计算模块处理所述步骤7中的当天时间内用户总的基础卡路里消耗和总的运动卡路里消耗以及当天用户总的运动卡路里消耗和总的运动卡路里消耗之间的比值r。第三计算模块计算用户的睡眠质量分。第四计算模块计算当前时间活力得分。每个计算模块中设置不同的算法以进行上述的计算。
判断模块包括第一判断模块、第二判断模块、第三判断模块;所述第一判断模块判断所述步骤三中的用户运动剧烈程度;所述第二判断模块所述步骤五中的用户当前的运动类型;所述第三判断模块判断人体疲劳程度。由于判断的标准均不一样,因此,对于不同标准的判断分别设置不同的判断模块。
通过上述技术方案,本发明可以根据用户的运动参数对用户的人体疲劳程度进行判断。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (8)
1.一种基于手环的人体疲劳度判断方法,所述手环包括处理器和三轴加速度传感器,处理器包括存储模块和计算模块,基于该手环,判断用户的人体疲劳程度的方法如下:
步骤一,所述处理器连接所述三轴加速度传感器,所述三轴加速度传感器采集所述智能手环的三轴加速度的数据,并将该三轴加速度的数据传送至所述处理器;且所述处理器对上述采集到的三轴加速度的数据进行滤波处理,得到处理后的所述的三轴的加速度数据;
步骤二,所述智能手环还包括存储模块,所述存储模块存储单位分钟的基础卡路里消耗b;
步骤三,所述处理器的判断模块根据三轴的加速度数据对用户运动剧烈程度进行判断;
步骤四,所述手环进行计步,得出当前用户的分钟步数并存储在所述存储模块中;
步骤五,所述判断模块根据步骤三的运动剧烈程度和步骤四得到的当前分钟步数,对用户当前的运动类型进行判断;
步骤六,所述处理器包括计算模块,所述计算模块根据所述步骤五的判断结果计算用户当前分钟运动卡路里消耗;
步骤七,所述计算模块可计算当天时间内用户总的基础卡路里消耗和总的运动卡路里消耗,并计算当天用户总的运动卡路里消耗和总的运动卡路里消耗之间的比值r;
步骤八,所述计算模块获取用户前一天晚上用户的睡眠质量得分,并计算当前时间用户活力得分;所述活力得分VS为用户前一晚睡眠质量得分SQ、比值r的一次函数:VS=f(SQ,r);
步骤九,所述判断模块根据所述当前时间活力得分VS划分人体疲劳程度。
2.根据权利要求1所述的一种基于手环的人体疲劳度判断方法,其特征在于,所述单位分钟的基础卡路里消耗为根据用户的身高h、体重w、性别s和年龄a计算得出的用户单位分钟的基础卡路里消耗b,用户单位分钟基础卡路里消耗与用户的性别、身高、体重、年龄等参数之间的关系满足函数b=f(s,h,w,a)。
3.根据权利要求1所述的一种基于手环的人体疲劳度判断方法,其特征在于,用户运动的剧烈程度包括轻微运动、剧烈运动;对用户运动剧烈程度进行判断的方法如下:
所述处理器的存储模块存储第一幅度阈值和第一时间阈值,所述处理器还包括判断模块,在当前时间向前推所述第一时间阈值的时间内,当三轴的加速度数据最大值之和大于所述第一幅度阈值时,所述判断模块判断当前运动为剧烈运动;当三轴的加速度数据之和小于所述第一幅度阈值时,所述判断模块判断当前运动为轻微运动。
4.根据权利要求1所述的一种基于手环的人体疲劳度判断方法,其特征在于,用户运动的剧烈程度包括轻微运动、正常运动和剧烈运动;对用户运动剧烈程度进行判断的方法如下:
所述处理器的存储模块还存储第一幅度阈值、第二幅度阈值和第一时间阈值,所述第一幅度阈值小于所述第二幅度阈值,所述处理器还包括判断模块,在当前时间向前推所述第一时间阈值的时间内,当三轴的加速度数据之和大于所述第二幅度阈值时,所述判断模块当前运动为剧烈运动;当三轴的加速度数据之和小于所述第二幅度阈值且大于所述第一幅度阈值时,所述判断模块判断当前运动为正常运动;当三轴的加速度数据之和小于所述第一幅度阈值时,所述判断模块当前运动为轻微运动。
5.根据权利要求1所述的一种基于手环的人体疲劳度判断方法,其特征在于,用户当前的运动类型可分为休息、走路和跑步;
对用户当前的运动类型进行判断的方法如下:
所述存储模块存储有从小到大的第一步数阈值、第二步数阈值和第三步数阈值;
所述分钟步数小于所述第一步数阈值时,所述判断模块判断所述运动类型为休息;
所述分钟步数大于所述第一步数阈值且小于所述第二步数阈值时:当所述判断模块判断当前运动为轻微运动时,所述判断模块判断所述运动类型为休息;当所述判断模块判断当前运动为正常运动或剧烈运动时,所述判断模块判断所述运动类型为走路;
所述分钟步数大于所述第二步数阈值且小于所述第三步数阈值时:当所述判断模块判断当前运动为轻微运动或正常运动时,所述判断模块判断所述运动类型为走路;当所述判断模块判断当前运动为剧烈运动时,所述判断模块判断所述运动类型为跑步;
所述分钟步数大于所述第三步数阈值时,所述判断模块判断所述运动类型为跑步。
6.根据权利要求1所述的一种基于手环的人体疲劳度判断方法,其特征在于,所述计算模块计算用户当前分钟运动卡路里消耗的方法如下:
所述判断模块判断用户的运动类型为休息时:当所述分钟步数等于零时且所述判断模块判断当前运动为轻微运动时,所述当前分钟运动卡路里消耗=0;当所述分钟步数等于零时且所述判断模块判断当前运动为正常运动时,所述当前分钟运动卡路里消耗=U;当所述分钟步数等于零时且所述判断模块判断当前运动为剧烈运动时,所述当前分钟运动卡路里消耗=2U;当所述分钟步数大于零,且所述判断模块判断当前运动为正常运动或轻微运动时,所述当前分钟运动卡路里消耗=U*当前用户的分钟步数/2;当所述分钟步数大于零,且所述判断模块判断当前运动为剧烈运动时,所述当前分钟运动卡路里消耗=1.1U*当前用户的分钟步数/2;
所述判断模块判断用户的运动类型为走路时:所述当前分钟运动卡路里消耗=1.1U*当前用户的分钟步数/2;
所述判断模块判断用户的运动类型为跑步时:所述当前分钟运动卡路里消耗=1.5U*当前用户的分钟步数/2;
其中,所述U为运动卡路里最小单元,U=用户单位分钟基础卡路里消耗b * 0.2。
7.根据权利要求1所述的一种基于手环的人体疲劳度判断方法,其特征在于,所述睡眠质量得分的计算方法如下:睡眠质量得分与深睡时长dt、浅睡时长lt、清醒时间awt、醒来次数awn之间满足线性一次函数关系SQ=f(dt,lt, awt,awn)。
8.实现权利要求1-7中任一项所述的一种基于手环的人体疲劳度判断方法的手环。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810035943.6A CN108392212A (zh) | 2018-01-15 | 2018-01-15 | 一种基于手环的人体疲劳度判断方法及手环 |
PCT/CN2019/071512 WO2019137514A1 (zh) | 2018-01-15 | 2019-01-14 | 一种基于手环的人体疲劳度判断方法及手环 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810035943.6A CN108392212A (zh) | 2018-01-15 | 2018-01-15 | 一种基于手环的人体疲劳度判断方法及手环 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108392212A true CN108392212A (zh) | 2018-08-14 |
Family
ID=63094798
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810035943.6A Pending CN108392212A (zh) | 2018-01-15 | 2018-01-15 | 一种基于手环的人体疲劳度判断方法及手环 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN108392212A (zh) |
WO (1) | WO2019137514A1 (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109276254A (zh) * | 2018-11-16 | 2019-01-29 | 深圳还是威健康科技有限公司 | 一种运动状态表征方法、装置及相关设备 |
CN109873899A (zh) * | 2018-11-30 | 2019-06-11 | 努比亚技术有限公司 | 一种终端控制方法、终端及计算机可读存储介质 |
CN109984762A (zh) * | 2019-04-01 | 2019-07-09 | 广东乐芯智能科技有限公司 | 一种基于可穿戴设备的疲劳驾驶判断方法 |
WO2019137514A1 (zh) * | 2018-01-15 | 2019-07-18 | 广东乐芯智能科技有限公司 | 一种基于手环的人体疲劳度判断方法及手环 |
CN110960222A (zh) * | 2019-12-17 | 2020-04-07 | 心核心科技(北京)有限公司 | 一种运动类型检测方法及装置 |
WO2022089369A1 (zh) * | 2020-10-29 | 2022-05-05 | 蜜曰科技(北京)有限公司 | 基于姿态控制双马达按摩装置的方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8075484B2 (en) * | 2005-03-02 | 2011-12-13 | Martin Moore-Ede | Systems and methods for assessing equipment operator fatigue and using fatigue-risk-informed safety-performance-based systems and methods to replace or supplement prescriptive work-rest regulations |
CN202677083U (zh) * | 2012-06-01 | 2013-01-16 | 中国人民解放军第四军医大学 | 睡眠与疲劳监测类手表装置 |
CN104055499A (zh) * | 2014-06-16 | 2014-09-24 | 朱宇东 | 连续监控人体生理体征的可穿戴式智能手环及方法 |
CN105899129A (zh) * | 2013-10-09 | 2016-08-24 | 瑞思迈传感器技术有限公司 | 疲劳监测和管理系统 |
CN106503444A (zh) * | 2016-10-26 | 2017-03-15 | 石国威 | 运动量的获取方法及装置 |
CN106510658A (zh) * | 2016-10-25 | 2017-03-22 | 广东乐源数字技术有限公司 | 一种基于手环的人体情绪判断方法 |
CN106974376A (zh) * | 2016-12-12 | 2017-07-25 | 广东探金电子科技有限公司 | 一种智能健康运动防水手环 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108392212A (zh) * | 2018-01-15 | 2018-08-14 | 广东乐芯智能科技有限公司 | 一种基于手环的人体疲劳度判断方法及手环 |
-
2018
- 2018-01-15 CN CN201810035943.6A patent/CN108392212A/zh active Pending
-
2019
- 2019-01-14 WO PCT/CN2019/071512 patent/WO2019137514A1/zh active Application Filing
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8075484B2 (en) * | 2005-03-02 | 2011-12-13 | Martin Moore-Ede | Systems and methods for assessing equipment operator fatigue and using fatigue-risk-informed safety-performance-based systems and methods to replace or supplement prescriptive work-rest regulations |
CN202677083U (zh) * | 2012-06-01 | 2013-01-16 | 中国人民解放军第四军医大学 | 睡眠与疲劳监测类手表装置 |
CN105899129A (zh) * | 2013-10-09 | 2016-08-24 | 瑞思迈传感器技术有限公司 | 疲劳监测和管理系统 |
CN104055499A (zh) * | 2014-06-16 | 2014-09-24 | 朱宇东 | 连续监控人体生理体征的可穿戴式智能手环及方法 |
CN106510658A (zh) * | 2016-10-25 | 2017-03-22 | 广东乐源数字技术有限公司 | 一种基于手环的人体情绪判断方法 |
CN106503444A (zh) * | 2016-10-26 | 2017-03-15 | 石国威 | 运动量的获取方法及装置 |
CN106974376A (zh) * | 2016-12-12 | 2017-07-25 | 广东探金电子科技有限公司 | 一种智能健康运动防水手环 |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2019137514A1 (zh) * | 2018-01-15 | 2019-07-18 | 广东乐芯智能科技有限公司 | 一种基于手环的人体疲劳度判断方法及手环 |
CN109276254A (zh) * | 2018-11-16 | 2019-01-29 | 深圳还是威健康科技有限公司 | 一种运动状态表征方法、装置及相关设备 |
CN109873899A (zh) * | 2018-11-30 | 2019-06-11 | 努比亚技术有限公司 | 一种终端控制方法、终端及计算机可读存储介质 |
CN109984762A (zh) * | 2019-04-01 | 2019-07-09 | 广东乐芯智能科技有限公司 | 一种基于可穿戴设备的疲劳驾驶判断方法 |
CN109984762B (zh) * | 2019-04-01 | 2021-12-17 | 乐清市鑫众摩配有限公司 | 一种基于可穿戴设备的疲劳驾驶判断方法 |
CN110960222A (zh) * | 2019-12-17 | 2020-04-07 | 心核心科技(北京)有限公司 | 一种运动类型检测方法及装置 |
WO2022089369A1 (zh) * | 2020-10-29 | 2022-05-05 | 蜜曰科技(北京)有限公司 | 基于姿态控制双马达按摩装置的方法 |
Also Published As
Publication number | Publication date |
---|---|
WO2019137514A1 (zh) | 2019-07-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108392212A (zh) | 一种基于手环的人体疲劳度判断方法及手环 | |
CN105748043B (zh) | 睡眠质量监测方法及装置、可穿戴设备 | |
CN104207761B (zh) | 心率数据收集 | |
CN104720748B (zh) | 一种睡眠阶段确定方法和系统 | |
CN106126895A (zh) | 基于移动终端的健康生活行为管理系统及方法 | |
CN104218976A (zh) | 使用蓝牙的自适应数据传送 | |
CN103027696A (zh) | 人体运动能量消耗仪 | |
KR101701114B1 (ko) | 개인 맞춤형 정보를 제공하는 체성분 측정 장치 및 서버 | |
US20210401314A1 (en) | Illness Detection Based on Nervous System Metrics | |
CN106202953A (zh) | 一种数据分析方法及系统 | |
CN204203969U (zh) | 一种基于传感器技术的健康运动指导装置 | |
CN109009017A (zh) | 一种智能健康监测系统及其数据处理方法 | |
WO2021004510A1 (zh) | 基于传感器的分离式部署的人体行为识别健康管理系统 | |
WO2018077020A1 (zh) | 一种基于手环的人体情绪判断方法 | |
CN112509696A (zh) | 基于卷积自编码器高斯混合模型的健康数据检测方法 | |
CN106175724A (zh) | 一种监测健康的方法、智能穿戴设备及服务器 | |
Wang et al. | Impact of fractals emerging from the fitness activities on the retail of smart wearable devices | |
Eid et al. | A real time vibrotactile biofeedback system for optimizing athlete training | |
CN108542368A (zh) | 一种可穿戴设备促进睡眠质量的方法及系统 | |
CN110381833A (zh) | 信息处理设备、信息处理方法和程序 | |
CN103547216B (zh) | 活动量计、活动年龄管理方法和活动年龄管理系统 | |
CN115670444A (zh) | 运动监测方法、装置、可穿戴设备与存储介质 | |
CN115206526A (zh) | 一种基于身体指标的运动量管理系统 | |
KR20210059538A (ko) | 건강 관리 단말기, 건강 관리 서버 및 건강 관리 시스템 | |
CN110534197A (zh) | 一种体质识别系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180814 |