CN110122929B - 一种基于惯性传感器的抽烟事件监测系统及监测方法 - Google Patents
一种基于惯性传感器的抽烟事件监测系统及监测方法 Download PDFInfo
- Publication number
- CN110122929B CN110122929B CN201910409326.2A CN201910409326A CN110122929B CN 110122929 B CN110122929 B CN 110122929B CN 201910409326 A CN201910409326 A CN 201910409326A CN 110122929 B CN110122929 B CN 110122929B
- Authority
- CN
- China
- Prior art keywords
- smoking
- action
- theta
- armh
- phase
- 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.)
- Active
Links
- 230000000391 smoking effect Effects 0.000 title claims abstract description 190
- 238000000034 method Methods 0.000 title claims abstract description 24
- 238000012544 monitoring process Methods 0.000 title claims abstract description 19
- 210000000245 forearm Anatomy 0.000 claims abstract description 35
- 238000012216 screening Methods 0.000 claims abstract description 7
- 230000006399 behavior Effects 0.000 claims description 21
- 238000005070 sampling Methods 0.000 claims description 5
- 239000000779 smoke Substances 0.000 claims description 5
- 238000012706 support-vector machine Methods 0.000 claims description 5
- 230000003068 static effect Effects 0.000 claims description 4
- 230000003797 telogen phase Effects 0.000 claims description 2
- 210000000707 wrist Anatomy 0.000 abstract description 4
- 238000010586 diagram Methods 0.000 description 7
- 230000011218 segmentation Effects 0.000 description 6
- 235000019504 cigarettes Nutrition 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 238000000605 extraction Methods 0.000 description 4
- 230000002354 daily effect Effects 0.000 description 2
- 210000004247 hand Anatomy 0.000 description 2
- 230000006641 stabilisation Effects 0.000 description 2
- 238000011105 stabilization Methods 0.000 description 2
- SNICXCGAKADSCV-JTQLQIEISA-N (-)-Nicotine Chemical compound CN1CCC[C@H]1C1=CC=CN=C1 SNICXCGAKADSCV-JTQLQIEISA-N 0.000 description 1
- 208000019693 Lung disease Diseases 0.000 description 1
- 241000208125 Nicotiana Species 0.000 description 1
- 235000002637 Nicotiana tabacum Nutrition 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 229960002715 nicotine Drugs 0.000 description 1
- SNICXCGAKADSCV-UHFFFAOYSA-N nicotine Natural products CN1CCCC1C1=CC=CN=C1 SNICXCGAKADSCV-UHFFFAOYSA-N 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A24—TOBACCO; CIGARS; CIGARETTES; SIMULATED SMOKING DEVICES; SMOKERS' REQUISITES
- A24F—SMOKERS' REQUISITES; MATCH BOXES; SIMULATED SMOKING DEVICES
- A24F47/00—Smokers' requisites not otherwise provided for
Landscapes
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本发明公开了一种基于惯性传感器的抽烟事件监测系统及监测方法,该方法首先使用戴在手腕上的智能手表采集惯性传感器数据,然后通过手表设备姿态追踪小臂方向在地球坐标系中的变化情况,通过建立地球坐标系中的手臂运动模型,进一步选取两个描述小臂方向变化的角度特征,利用用户抽烟时这两个角度特征的变化情况,分别进行了抽烟备选动作初步筛选、抽烟动作识别以及抽烟阶段识别三个步骤,将抽烟动作与阶段准确地识别出来。最终将智能手表中计算的结果保存在手机或者电脑上,用户可以查看自己每天抽烟的次数,每次抽烟发生的时间阶段等信息。
Description
技术领域
本发明属于惯性感知和人体日常活动监测技术领域,具体涉及一种基于惯性传感器的抽烟事件监测系统及监测方法。
背景技术
抽烟是一种日常生活常见的动作行为,当今中国有大致3.5亿烟民,中国吸烟人数在世界排名第一。而因为烟草中含有尼古丁等特殊物质,长期吸烟会导致肺部疾病,并且对于环境造成一定的污染,甚至对于家庭和国家带来不小的经济损失。目前研究机构表明,在合适的时机进行提醒干预,可以有效的帮助人们戒烟。虽然通过之前的一些研究表明,计算机视觉或者RF感知技术可以对抽烟动作进行监测,但是他们对于空间有一定的限制,必须要求用户在摄像头可以捕捉或者射频信号可以辐射的范围内进行动作行为;目前一些商用的烟雾报警器可以对于烟雾进行监测并报警,但是这些主要用于室内火灾预防方面,无法对于室外抽烟行为进行监测并且无法对于用户个体的抽烟行为进行监测。
因此,基于以上考虑,有必要提出一套基于便携式可穿戴设备的抽烟监测系统,不仅可以解决其他技术空间上的限制,同时还可以更好的针对个体用户进行抽烟行为的监测,从而辅助用户戒烟。
发明内容
针对于上述现有技术的不足,本发明的目的在于提供一种基于惯性传感器的抽烟事件监测系统及监测方法,以解决现有技术对于空间限制的不足,以及无法针对个体用户进行抽烟行为监测的现状。
为达到上述目的,本发明采用的技术方案如下:
本发明的一种基于惯性传感器的抽烟事件监测系统,应用于智能手臂式穿戴设备中,包括:手臂运动模型特征获取模块、单次抽烟动作识别模块及抽烟阶段识别模块;其中,
手臂运动模型特征获取模块,根据穿戴设备的设备姿态信息构建手臂运动模型,并设定两个角度特征来表示手臂运动模型中小臂向量的方向信息;
单次抽烟动作识别模块,基于手臂运动模型特征获取模块设定的角度特征,对于单次抽烟动作进行动作切分、粗粒度筛选、阶段特征提取以及动作识别,判断是否发生了抽烟动作;
抽烟阶段识别模块,在单次抽烟动作识别的基础上,结合抽烟动作的周期性,对抽烟动作的结果进行二次识别并判断抽烟行为发生的时间阶段。
进一步地,所述手臂运动模型具体为:通过穿戴设备的设备姿态信息,获取对应小臂向量在地球坐标系中的3D方向,进而通过该方向的变化来描述手臂运动的一种模型;其中,小臂向量具体为当穿戴设备戴在人体手腕上时,其设备坐标系中x轴与小臂方向一致,利用设备坐标系x轴来表示小臂向量方向信息。
进一步地,所述小臂向量具体为当穿戴设备戴在人体手腕上时,其设备坐标系中x轴与小臂方向一致,利用设备坐标系x轴来表示小臂向量方向信息,例如,当穿戴设备戴在右手时,小臂方向与手表坐标系中的x轴负方向一致,因此可以将小臂向量以设备坐标系中的(-1,0,0)来表示。
进一步地,所述两个角度特征来表示小臂向量的方向信息,具体包含小臂向量与地球坐标系Z轴与X轴的两个夹角的角度特征θag与θarmH,其中,θag表示小臂向量与地球坐标系中竖直向上的Z轴坐标轴的夹角,反应了小臂向量与身体躯干的夹角,θarmH表示小臂向量在地球坐标系水平面的投影与地球坐标系中指向正东方向及X轴坐标轴的夹角,用户朝向不同方向时θarmH值会有所不同,通过ΔθarmH来表示小臂在水平面的相对转动角度。
进一步地,所述单次抽烟动作识别模块中的动作切分具体为:以50-200Hz的频率采集到的设备姿态信息,获取小臂向量信息,通过角度特征θag的变化将小臂动作切分成运动阶段与稳定阶段。
进一步地,所述单次抽烟动作识别模块中的粗粒度筛选具体为:对于切分出来的各个阶段开始与结束时刻的θag与θarmH差值Δθag与ΔθarmH,设定相应的阈值从而获取抽烟的三个阶段:抬手阶段-吸烟阶段-放手阶段。
进一步地,所述单次抽烟动作识别模块中的特征提取阶段具体为:对于每个时间序列阶段提取三类特征值:阶段持续时间,手臂运动模型中θag与ΔθarmH的统计特征,以及陀螺仪角速度数据统计特征,这些统计特征主要包含了平均值、最大值、最小值、方差、偏度和峰度等;其中ΔθarmH指时间序列阶段过程中与时间序列阶段开始时θarmH的变化值。
进一步地,所述单次抽烟动作识别模块中的动作识别阶段具体为:基于上述三类特征值对于单次抽烟动作进行识别分类,使用支持向量机对于是否为抽烟动作进行二分类判断。
进一步地,所述抽烟动作的周期性具体指用户在抽一根烟的过程中,抽烟这一动作在吸食这根烟的阶段多次重复发生,且抽烟动作不可能在一段时间内单独出现。
进一步地,所述抽烟阶段识别模块的识别方法为:
a.根据待检测抽烟备选动作时域位置,前后各取两分钟,设置一个四分钟的窗口;
b.若窗口内仅仅发生了一次抽烟动作,则将此次动作标记为非抽烟动作,若窗口内出现四次以上抽烟动作,则将这些抽烟动作之间的非抽烟动作标记为抽烟动作;
c.当一次备选抽烟动作被判为非抽烟动作时,若其相邻时间的一侧没有动作发生,而另外一侧出现三次以上抽烟动作时,将该次动作标记为抽烟动作。
进一步地,所述的抽烟行为发生的时间阶段具体为系统识别出来的连续抽烟动作从第一次抽烟动作开始作为抽烟行为发生时间阶段的开始到最后一次抽烟动作结束作为抽烟行为发生时间阶段的结束。
本发明的一种基于惯性传感器的抽烟事件监测方法,其包括以下步骤:
1)以每秒50-200Hz的频率采集智能手臂式穿戴设备的加速度计、陀螺仪以及磁力计数据;
2)计算每个采样点的手臂运动模型中的角度特征θag与θarmH;
3)设置包含了0.2s采样点的滑动窗口通过窗口内角度特征θag的方差判断手臂是否处于运动状态,进一步设定阈值筛选出手臂是否经历了抬手、吸烟或者放手三个阶段的抽烟备选动作;
4)找到一次完整的抬手-吸烟-放手阶段的组合,提取各个阶段的关键特征,通过支持向量机(svm)判断是否为一次抽烟动作;
5)基于判断出来的抽烟结果,设置一个四分钟的滑动窗口,通过窗口内发生的抽烟动作情况,设计一套抽烟阶段识别算法来对误判的动作进行纠正并标记出抽烟发生的时间段;
6)将计算出来的抽烟行为信息保存下来并提供用户查询。
进一步地,所述的步骤3)中阈值筛选方法为:
31)当滑动窗口中角度特征θag的方差大于0.3时,为运动阶段,反之为静止阶段;
32)运动阶段中,开始时刻与结束时刻θag与θarmH变化值记为Δθag与ΔθarmH,以佩戴在右手为例,当Δθag大于30度并且ΔθarmH大于0时,判断为抬手阶段;当Δθag小于-30度并且ΔθarmH小于0时,判断为放手阶段;
33)静止阶段中,当θag平均值小于60度时,判断为吸烟阶段。
进一步地,所述的步骤4)中关键特征包含三类特征:阶段持续时间,手臂运动模型中θag与ΔθarmH的统计特征,以及陀螺仪角速度数据统计特征,这些统计特征主要包含了平均值、最大值、最小值、方差、偏度和峰度等;其中ΔθarmH指时间序列阶段过程中与时间序列阶段开始时θarmH的变化值。
进一步地,所述的步骤5)中设计一套抽烟阶段识别算法来对误判的动作进行纠正的方法为:
51)根据待检测抽烟备选动作时域位置,前后各取两分钟,设置一个四分钟的窗口;
52)若窗口内仅仅发生了一次抽烟动作,则将此次动作标记为非抽烟动作,若窗口内出现四次以上抽烟动作,则将这些抽烟动作之间的非抽烟动作标记为抽烟动作;
53)当一次备选抽烟动作被判为非抽烟动作时,若其相邻时间的一侧没有动作发生,而另外一侧出现三次以上抽烟动作时,将该次动作标记为抽烟动作。
进一步地,所述的步骤5)中抽烟发生的时间段包含一段连续的时间内第一次抽烟动作发生开始到最后一次抽烟动作结束这一段时间。
进一步地,所述的步骤6)中的抽烟行为信息包含抽烟行为发生的阶段、抽烟行为所在阶段包含的抽烟动作次数、每次抽烟动作的分段情况及特征变化情况等。
本发明的有益效果:
1、本发明设计了一套手臂运动模型,该模型可适用于描述具有差异性的不同用户小臂运动的变化情况,可以有效的刻画小臂向量在3D空间中的变化情况,并且选择的特征不受身体朝向影响,可以长时间进行动作监测。
2、准确的抽烟动作识别:本发明通过两层抽烟动作监测方法有效地判断用户是否在进行抽烟行为,并准确地判断抽烟动作的各个阶段以及抽烟行为发生的时间段。
3、详细的抽烟信息记录:本发明可以记录下来用户每天抽烟的次数时间阶段,更为详细的可以记录下用户每次抽烟所进行的抽烟动作的次数。
4、成本低廉:可应用于现有的智能手表/智能手环或其他智能手臂式穿戴设备中,无需其他硬件设备,成本很低。
附图说明
图1为系统架构图;
图2为手臂运动模型中角度特征θag示意图;
图3为手臂运动模型中角度特征θarmH示意图;
图4为抽烟动作状态转换图;
图5为本发明方法的流程图;
图6为本发明系统的离线效果示意图。
具体实施方式
为了便于本领域技术人员的理解,下面结合实施例与附图对本发明作进一步的说明,实施方式提及的内容并非对本发明的限定。
参照图1所示,本发明的一种基于惯性传感器的抽烟事件监测系统,应用于智能手臂式穿戴设备中,包括:手臂运动模型特征获取模块、单次抽烟动作识别模块及抽烟阶段识别模块;其中,
手臂运动模型特征获取模块,根据智能手臂式穿戴设备的设备姿态信息构建手臂运动模型,并设定两个角度特征来表示手臂运动模型中小臂向量的方向信息;
单次抽烟动作识别模块,基于手臂运动模型特征获取模块计算出来的特征,对于单次抽烟动作进行动作切分、粗粒度筛选、阶段特征提取以及动作识别,判断是否发生了抽烟动作;
抽烟阶段识别模块,在单次抽烟动作识别的基础上,结合抽烟动作的周期性,对于抽烟动作的结果进行二次识别并判断抽烟行为发生的时间阶段。
其中,所述手臂运动模型具体为:通过穿戴设备的设备姿态信息,获取对应小臂向量在地球坐标系中的3D方向,进而通过该方向的变化来描述手臂运动的一种模型。
其中,所述穿戴设备的设备姿态信息具体为:设备自身的三轴坐标系在地球坐标系及由重力、南北方向和东西方向确定的坐标系中的表示,具体以3×3旋转矩阵R的形式保存设备坐标系转换到地球坐标系的坐标转换来表示设备姿态信息。
其中,所述小臂向量是指穿戴设备戴在人体手腕上时,其设备坐标系中x轴与小臂方向一致,从而利用设备坐标系x轴来表示小臂向量方向信息,例如,当手表戴在右手时,小臂方向与手表坐标系中的x轴负方向一致,因此可以将小臂向量以设备坐标系中的(-1,0,0)来表示。
所述两个角度特征来表示小臂向量的方向信息,具体包含小臂向量与地球坐标系Z轴与X轴的两个夹角的角度特征θag与θarmH,参照图2与图3所示,本发明的一种基于手臂运动模型特征的角度特征θag与θarmH示意图,其中θag为指小臂向量与地球坐标系中竖直向上的Z轴坐标轴的夹角,反应了小臂向量与身体躯干的夹角,而θarmH为小臂向量在地球坐标系水平面的投影与地球坐标系中指向正东方向及X轴坐标轴的夹角;
其中,所述单次抽烟动作识别模块中的动作切分,以50-200Hz的频率采集到的设备姿态信息,获取小臂向量特征,通过手臂运动模型的角度特征θag变化将动作切分成运动阶段与稳定阶段。
其中,所述单次抽烟动作识别模块中的粗粒度筛选,对于θag与θarmH设定阈值从而将切分出来的阶段细分为多种状态,参照图4所示,进一步找到我们抽烟三个阶段:抬手阶段-吸烟阶段-放手阶段。
其中,所述单次抽烟动作识别模块中的特征提取阶段,主要包含三类特征值:阶段持续时间、手臂运动模型中角度特征的统计特征以及陀螺仪角速度数据统计特征,这些统计特征主要包含平均值、最大值、最小值、方差、偏度和峰度等。
其中,所述单次抽烟动作识别模块中的动作识别阶段,基于上述三类特征值对于单次抽烟动作进行识别分类,具体使用支持向量机对于是否为抽烟动作进行二分类判断。
其中,抽烟动作的周期性具体指用户在抽一根烟的过程中,抽烟这一动作在吸食这根烟的阶段多次重复发生,并且抽烟动作不可能在一段时间内单独出现。
其中,所述抽烟阶段识别模块中第二层抽烟动作识别的方法为:
a.根据待检测抽烟备选动作发生的时域位置,前后各取两分钟,设置一个四分钟的窗口;
b.如果窗口内仅仅发生了一次抽烟动作,则将此次动作标记为非抽烟动作,若窗口内出现四次以上抽烟动作,则将这些抽烟动作之间的非抽烟动作标记为抽烟动作;
c.当一次备选抽烟动作被判为非抽烟动作时,若其相邻时间的一侧没有动作发生,而另外一侧出现三次以上抽烟动作时,将该次动作标记为抽烟动作。
参照图5所示,本发明的一种基于惯性传感器的抽烟事件监测方法,示例中,其包括以下步骤:
1)以每秒50Hz的频率采集智能手表加速度计、陀螺仪以及磁力计数据;
2)对每个采样点计算手臂运动模型中的角度特征θag与θarmH;
3)设置包含了0.2s采样点的滑动窗口通过角度特征θag方差判断手臂是否处于运动状态,进一步设定阈值筛选出手臂是否经历了抬手、吸烟或者放手三个阶段的抽烟备选动作;
4)找到一次完整的抬手-吸烟-放手阶段的组合,提取各个阶段的关键特征,通过支持向量机(svm)判断是否为一次抽烟动作;
5)基于判断出来的抽烟结果,设置一个四分钟的滑动窗口,通过窗口内发生的抽烟动作情况,设计一套抽烟阶段识别算法来对误判的动作进行纠正并标记出抽烟发生的时间段。
6)将计算出来的抽烟行为信息保存下来并提供用户查询。
参照图6所示,所述的步骤6)中的抽烟行为信息包含了抽烟动作分段效果、部分特征值显示、抽烟事件长度等特征变化情况等。其中抽烟动作分段具体指将与抽烟相关的抬手-吸烟-放手三个阶段标记显示出来,并且记录其发生的对应时刻;部分特征值包含了θag与θarmH的变化情况;抽烟事件长度信息分别包含了单次抽烟动作所持续的时间以及抽烟阶段所持续的时间,该时间是通过统计阶段所包含采样点个数得到,另外抽烟阶段中也包含了单次抽烟动作重复的次数等信息。
本发明具体应用途径很多,以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以作出若干改进,这些改进也应视为本发明的保护范围。
Claims (2)
1.一种基于惯性传感器的抽烟事件监测方法,其特征在于,其包括以下步骤:
1)以每秒50-200Hz的频率采集智能手臂式穿戴设备的加速度计、陀螺仪以及磁力计数据;
2)计算每个采样点的手臂运动模型中的角度特征θag与θarmH;
3)设置包含了0.2s采样点的滑动窗口通过窗口内角度特征θag的方差判断手臂是否处于运动状态,进一步设定阈值筛选出手臂是否经历了抬手、吸烟或者放手三个阶段的抽烟备选动作;
4)找到一次完整的抬手-吸烟-放手阶段的组合,提取各个阶段的关键特征,通过支持向量机判断是否为一次抽烟动作;
5)基于判断出来的抽烟结果,设置一个四分钟的滑动窗口,通过窗口内发生的抽烟动作情况,设计一套抽烟阶段识别算法来对误判的动作进行纠正并标记出抽烟发生的时间段;
6)计算抽烟行为信息并保存下来供用户查询;
所述的步骤3)中阈值筛选方法为:
31)当滑动窗口中角度特征θag的方差大于0.3时,为运动阶段,反之为静止阶段;
32)运动阶段中,开始时刻与结束时刻θag与θarmH变化值记为Δθag与ΔθarmH,以佩戴在右手为例,当Δθag大于30度并且ΔθarmH大于0时,判断为抬手阶段;当Δθag小于-30度并且ΔθarmH小于0时,判断为放手阶段;
33)静止阶段中,当θag平均值小于60度时,判断为吸烟阶段;
所述的步骤4)中关键特征包含三类特征:阶段持续时间,手臂运动模型中θag与ΔθarmH的统计特征,以及陀螺仪角速度数据统计特征,这些统计特征包含了平均值、最大值、最小值、方差、偏度和峰度;其中ΔθarmH指时间序列阶段过程中与时间序列阶段开始时θarmH的变化值;θag表示小臂向量与地球坐标系中竖直向上的Z轴坐标轴的夹角,θarmH表示小臂向量在地球坐标系水平面的投影与地球坐标系中指向正东方向及X轴坐标轴的夹角。
2.根据权利要求1所述的基于惯性传感器的抽烟事件监测方法,其特征在于,所述的步骤5)中设计一套抽烟阶段识别算法来对误判的动作进行纠正的方法为:
51)根据待检测抽烟备选动作时域位置,前后各取两分钟,设置一个四分钟的窗口;
52)若窗口内仅仅发生了一次抽烟动作,则将此次动作标记为非抽烟动作,若窗口内出现四次以上抽烟动作,则将这些抽烟动作之间的非抽烟动作标记为抽烟动作;
53)当一次备选抽烟动作被判为非抽烟动作时,若其相邻时间的一侧没有动作发生,而另外一侧出现三次以上抽烟动作时,将该次动作标记为抽烟动作。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910409326.2A CN110122929B (zh) | 2019-05-17 | 2019-05-17 | 一种基于惯性传感器的抽烟事件监测系统及监测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910409326.2A CN110122929B (zh) | 2019-05-17 | 2019-05-17 | 一种基于惯性传感器的抽烟事件监测系统及监测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110122929A CN110122929A (zh) | 2019-08-16 |
CN110122929B true CN110122929B (zh) | 2021-07-30 |
Family
ID=67574684
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910409326.2A Active CN110122929B (zh) | 2019-05-17 | 2019-05-17 | 一种基于惯性传感器的抽烟事件监测系统及监测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110122929B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
AU2021106501A4 (en) * | 2020-10-23 | 2021-11-04 | Elbaware Limited | Device, system and method for determining face touching |
ES2953851A1 (es) * | 2022-04-04 | 2023-11-16 | Gonzalez Ricardo Yashin Hernandez | Dispositivo de registro para fumadores |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN200944826Y (zh) * | 2006-08-28 | 2007-09-12 | 牛广坤 | 香烟点火装置 |
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 |
CN104127242A (zh) * | 2014-07-17 | 2014-11-05 | 东软熙康健康科技有限公司 | 识别吸烟行为的方法和装置 |
CN105651392A (zh) * | 2015-12-31 | 2016-06-08 | 深圳还是威健康科技有限公司 | 检测用户吸烟的方法和装置 |
CN106056061A (zh) * | 2016-05-26 | 2016-10-26 | 南京大学 | 一种基于可穿戴设备的日常抽烟行为检测方法 |
CN107053096A (zh) * | 2015-12-21 | 2017-08-18 | 罗伯特·博世有限公司 | 手持式工具系统 |
CN107095402A (zh) * | 2017-06-16 | 2017-08-29 | 四川汇智众创科技有限公司 | 一种有利于戒烟的智能手环 |
CN107250947A (zh) * | 2014-12-16 | 2017-10-13 | 索玛提克斯公司 | 用于监控和影响基于姿势的行为的方法和系统 |
CN107968835A (zh) * | 2017-12-05 | 2018-04-27 | 南京大学 | 一种基于编码的无线异构网络视频缓存设施部署方法 |
CN108734125A (zh) * | 2018-05-21 | 2018-11-02 | 杭州杰视科技有限公司 | 一种开放空间的吸烟行为识别方法 |
CN109068983A (zh) * | 2016-01-28 | 2018-12-21 | 克鲁有限公司 | 用于跟踪食物摄入和其它行为并提供相关反馈的方法和设备 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5243329A (en) * | 1991-09-13 | 1993-09-07 | Happer Jr Robert L | Smoke alarm for use with an electronic timing device |
JP3622554B2 (ja) * | 1999-02-22 | 2005-02-23 | 松下電工株式会社 | 感知器の試験装置 |
CN105394813A (zh) * | 2015-10-17 | 2016-03-16 | 深圳市易特科信息技术有限公司 | 智能戒烟监控系统及方法 |
CN105929952A (zh) * | 2016-04-19 | 2016-09-07 | 惠州Tcl移动通信有限公司 | 基于可穿戴设备的戒烟提示方法、系统及可穿戴设备 |
US10381722B2 (en) * | 2016-04-27 | 2019-08-13 | Google Llc | Tuned grounding arm for near field radio coexistence |
CN206907078U (zh) * | 2017-07-06 | 2018-01-19 | 杭州科凡电子有限公司 | 多显示屏的点钞机 |
-
2019
- 2019-05-17 CN CN201910409326.2A patent/CN110122929B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN200944826Y (zh) * | 2006-08-28 | 2007-09-12 | 牛广坤 | 香烟点火装置 |
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 |
CN104127242A (zh) * | 2014-07-17 | 2014-11-05 | 东软熙康健康科技有限公司 | 识别吸烟行为的方法和装置 |
CN107250947A (zh) * | 2014-12-16 | 2017-10-13 | 索玛提克斯公司 | 用于监控和影响基于姿势的行为的方法和系统 |
CN107053096A (zh) * | 2015-12-21 | 2017-08-18 | 罗伯特·博世有限公司 | 手持式工具系统 |
CN105651392A (zh) * | 2015-12-31 | 2016-06-08 | 深圳还是威健康科技有限公司 | 检测用户吸烟的方法和装置 |
CN109068983A (zh) * | 2016-01-28 | 2018-12-21 | 克鲁有限公司 | 用于跟踪食物摄入和其它行为并提供相关反馈的方法和设备 |
CN106056061A (zh) * | 2016-05-26 | 2016-10-26 | 南京大学 | 一种基于可穿戴设备的日常抽烟行为检测方法 |
CN107095402A (zh) * | 2017-06-16 | 2017-08-29 | 四川汇智众创科技有限公司 | 一种有利于戒烟的智能手环 |
CN107968835A (zh) * | 2017-12-05 | 2018-04-27 | 南京大学 | 一种基于编码的无线异构网络视频缓存设施部署方法 |
CN108734125A (zh) * | 2018-05-21 | 2018-11-02 | 杭州杰视科技有限公司 | 一种开放空间的吸烟行为识别方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110122929A (zh) | 2019-08-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
AU2020273327B2 (en) | Systems and methods of swimming analysis | |
US9750433B2 (en) | Using health monitor data to detect macro and micro habits with a behavioral model | |
EP2697665B1 (en) | Device position estimates from motion and ambient light classifiers | |
CN104457751B (zh) | 室内外场景识别方法及系统 | |
CN100466690C (zh) | 检索设备 | |
CN108245172B (zh) | 一种不受位置约束的人体姿态识别方法 | |
CN110122929B (zh) | 一种基于惯性传感器的抽烟事件监测系统及监测方法 | |
CN111797858A (zh) | 模型训练方法、行为预测方法、装置、存储介质及设备 | |
CN102640085A (zh) | 用于识别手势的系统和方法 | |
CN104504623A (zh) | 一种根据动作感知进行场景识别的方法、系统及装置 | |
Delachaux et al. | Indoor activity recognition by combining one-vs.-all neural network classifiers exploiting wearable and depth sensors | |
CN107092882B (zh) | 一种基于子动作感知的行为识别系统及其工作方法 | |
CN110709940A (zh) | 用于预测传感器测量质量的方法、系统和介质 | |
CN111265841B (zh) | 一种游泳圈数确定方法、装置、设备及存储介质 | |
Kyritsis et al. | End-to-end learning for measuring in-meal eating behavior from a smartwatch | |
Colon et al. | Human fall detection with smartphones | |
CN110807471B (zh) | 一种多模态传感器的行为识别系统及识别方法 | |
Kyritsis et al. | Detecting meals in the wild using the inertial data of a typical smartwatch | |
Uslu et al. | Human activity monitoring with wearable sensors and hybrid classifiers | |
De et al. | Fall detection approach based on combined two-channel body activity classification for innovative indoor environment | |
CN110929766B (zh) | 一种基于高斯混合聚类算法的自适应行人手机姿态识别方法 | |
Ye et al. | Research of fall detection and alarm applications for the elderly | |
WO2018014432A1 (zh) | 语音应用触发控制方法、装置及终端 | |
CN111026273A (zh) | 智能穿戴设备自动设置方法、装置、电子设备及存储介质 | |
CN115204240A (zh) | 基于毫米波雷达和fpga的跌倒检测方法及装置 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |