CN110245476A - 一种基于可穿戴设备的用户管理的方法及相关装置 - Google Patents
一种基于可穿戴设备的用户管理的方法及相关装置 Download PDFInfo
- Publication number
- CN110245476A CN110245476A CN201910470737.2A CN201910470737A CN110245476A CN 110245476 A CN110245476 A CN 110245476A CN 201910470737 A CN201910470737 A CN 201910470737A CN 110245476 A CN110245476 A CN 110245476A
- Authority
- CN
- China
- Prior art keywords
- user
- behavior
- data
- wearable device
- label
- 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
- 238000000034 method Methods 0.000 title claims abstract description 55
- 230000003542 behavioural effect Effects 0.000 claims abstract description 138
- 238000004458 analytical method Methods 0.000 claims abstract description 85
- 230000006399 behavior Effects 0.000 claims description 263
- 206010000117 Abnormal behaviour Diseases 0.000 claims description 22
- 230000004044 response Effects 0.000 claims description 18
- 238000004891 communication Methods 0.000 claims description 9
- 238000004590 computer program Methods 0.000 claims description 5
- 238000007726 management method Methods 0.000 description 37
- 230000033001 locomotion Effects 0.000 description 33
- 230000007246 mechanism Effects 0.000 description 20
- 241001269238 Data Species 0.000 description 13
- 230000002159 abnormal effect Effects 0.000 description 12
- 230000036772 blood pressure Effects 0.000 description 11
- 230000009471 action Effects 0.000 description 7
- 235000013399 edible fruits Nutrition 0.000 description 7
- 238000012790 confirmation Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 230000003993 interaction Effects 0.000 description 4
- 230000005856 abnormality Effects 0.000 description 3
- 230000000747 cardiac effect Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000012546 transfer Methods 0.000 description 3
- 238000013473 artificial intelligence Methods 0.000 description 2
- 238000013475 authorization Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000012821 model calculation Methods 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 206010021703 Indifference Diseases 0.000 description 1
- 230000004872 arterial blood pressure Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000007306 turnover Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/30—Authentication, i.e. establishing the identity or authorisation of security principals
- G06F21/31—User authentication
- G06F21/316—User authentication by observing the pattern of computer usage, e.g. typical user behaviour
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/30—Authentication, i.e. establishing the identity or authorisation of security principals
- G06F21/44—Program or device authentication
- G06F21/445—Program or device authentication by mutual authentication, e.g. between devices or programs
Landscapes
- Engineering & Computer Science (AREA)
- Computer Security & Cryptography (AREA)
- Theoretical Computer Science (AREA)
- Software Systems (AREA)
- Computer Hardware Design (AREA)
- General Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Social Psychology (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本申请提供了一种基于可穿戴设备的用户管理的方法及相关装置。一种基于可穿戴设备的用户管理的方法包括：获取所述可穿戴设备采集的所述用户的行为数据，其中，所述用户的行为数据包括所述用户的运动数据和所述用户的体征数据；对所述用户的运动数据进行分析，以识别所述用户的行为标签，其中，所述用户的行为标签与所述用户的行为数据对应；根据所述用户的行为标签和所述用户的体征数据进行分析，以得到行为分析结果；根据所述行为分析结果对所述用户进行管理。本申请实施例的技术方案，实现了根据用户的真实行为数据对用户进行合理管理。
Description
技术领域
本申请涉及智能穿戴设备技术领域，尤其涉及一种基于可穿戴设备的用户管理的方法及相关装置。
背景技术
随着人口出生率的增长，工薪家庭对幼儿托管服务的需求日益增多，越来越多的家长把小孩送到幼托机构，让幼托机构的看护人员对小孩进行看管和照顾，因此幼托机构的看护人员对小孩日常生活照顾的行为对小孩的健康有非常大的影响。
目前，大多数幼托机构中，对看护人员的管理往往不够完善，由于看护人员对小孩的照顾行为往往由看护人员或者幼托机构内部记录并反馈给家长，家长无法获得看护人员对小孩的真实照顾行为，也就无法对看护人员的行为进行分析，导致无法对看护人员进行合理的管理。
发明内容
本申请实施例提供基于可穿戴设备的用户管理的方法及相关装置，通过可穿戴设备获取用户的行为数据，对用户的行为数据进行分析得到行为分析结果，根据行为分析结果对用户进行管理，实现了根据用户的真实行为数据对用户进行合理管理。
本申请第一方面提供一种基于可穿戴设备的用户管理的方法，包括：
获取所述可穿戴设备采集的所述用户的行为数据，其中，所述用户的行为数据包括所述用户的运动数据和所述用户的体征数据；
对所述用户的运动数据进行分析，以识别所述用户的行为标签，其中，所述用户的行为标签与所述用户的行为数据对应；
根据所述用户的行为标签和所述用户的体征数据进行分析，以得到行为分析结果；
根据所述行为分析结果对所述用户进行管理。
基于本申请第一方面，在第一种可能的实施方式中，获取所述可穿戴设备采集的所述用户的行为数据之前，包括：
获取所述用户的身份标识；
获取所述可穿戴设备的硬件地址；
设置所述用户的身份标识与所述可穿戴设备的硬件地址关联；
或者，获取所述用户通过所述可穿戴设备上的应用输入的用户信息；
设置所述用户的身份标识与所述用户信息关联。
基于本申请第一方面的第一种可能的实施方式，在第二种可能的实施方式中，对所述用户的运动数据进行分析，以识别所述用户的行为标签包括：
从数据库中获取预先设置的标签匹配策略，其中，所述标签匹配策略包括不同数值范围与不同行为标签的对应关系；
对所述用户的运动数据进行分析，以确定所述用户的运动数据落入第一数值范围；
确定所述第一数值范围对应的第一行为标签为所述用户的行为标签。
基于本申请第一方面或者基于本申请第一方面的第一种可能的实施方式或者基于本申请第一方面的第二种可能的实施方式，在第三种可能的实施方式中，根据所述用户的行为标签和所述用户的体征数据进行分析，以得到行为分析结果包括：
根据所述用户的行为标签，确定所述用户的M种行为类别的M个行为次数，其中，M为正整数，所述M种行为类别和所述M个行为次数对应；
分别判断所述M个行为次数是否落入预设所述M种行为类别的正常次数范围；
若存在第一行为类别的行为次数未落入预设所述第一行为类别的正常次数范围，则确定所述行为分析结果为行为异常，其中，所述第一行为类别属于所述用户的M种行为类别。
基于本申请第一方面的第三种可能的实施方式，在第四种可能的实施方式中，根据所述用户的行为标签和所述用户的体征数据进行分析，以得到行为分析结果还包括：
根据所述用户的体征数据，确定所述用户的N次行为的N组体征数据，其中，N为不小于M的正整数，所述N次行为和所述N组体征数据对应；
分别判断所述N组体征数据是否落入预设正常体征数据范围组；
若存在第一体征数据未落入所述预设正常体征数据范围组，则确定所述行为分析结果为行为异常，其中，所述第一体征数据属于所述N组体征数据。
基于本申请第一方面的第四种可能的实施方式，在第五种可能的实施方式中，根据所述行为分析结果对所述用户进行管理包括：
当所述行为分析结果为行为异常时，获取所述用户的行为视频；
对所述用户的行为视频进行分析，以判断所述用户的行为视频中是否存在K次违规行为，其中，K为正整数；
若存在，则记录所述用户的所述K次违规行为。
基于本申请第一方面，在第六种可能的实施方式中，当接收到来自终端的数据查看请求时，向所述终端发送数据查看响应；
其中，所述数据查看响应携带所述用户的行为数据，或者所述数据查看响应携带所述行为分析结果，或者所述数据查看响应携带所述用户的行为数据和所述行为分析结果。
本申请第二方面提供了一种基于可穿戴设备的用户管理的装置，包括：
获取单元，用于获取所述可穿戴设备采集的所述用户的行为数据，其中，所述用户的行为数据包括所述用户的运动数据和所述用户的体征数据；
识别单元，用于对所述用户的运动数据进行分析，以识别所述用户的行为标签，其中，所述用户的行为标签与所述用户的行为数据对应；
分析单元，用于根据所述用户的行为标签和所述用户的体征数据进行分析，以得到行为分析结果；
管理单元，用于根据所述行为分析结果对所述用户进行管理。
本申请第三方面提供了一种服务器，所述服务器包括处理器、存储器、通信接口以及一个或多个程序，其中，所述一个或多个程序被存储在所述存储器中，并且被配置由所述处理器执行，所述程序包括用于执行上述基于可穿戴设备的用户管理方法中的步骤的指令。
本申请第四方面提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行以实现上述基于可穿戴设备的用户管理的方法。
可以看到，通过本申请提供的基于可穿戴设备的用户管理的方法及相关装置，用户与可穿戴设备绑定，用户在行动过程中，通过可穿戴设备采集用户的真实行为数据，将用户的真实行为数据上传到服务器，服务器对用户的真实行为数据进行分析得到真实行为分析结果，家长可以获取真实行为分析结果，从而判断与可穿戴设备绑定的用户的真实行为，并对该用户进行管理，实现了根据用户的真实行为数据对用户进行合理管理。
附图说明
为了更清楚地说明本申请实施例中的技术方案，下面将对实施例中所需使用的附图作简单地介绍本申请。
图1为本申请实施例提供的一种基于可穿戴设备的用户管理的方法的流程图；
图2为本申请实施例提供的另一种基于可穿戴设备的用户管理的方法的流程图；
图3为本申请实施例提供的另一种基于可穿戴设备的用户管理的方法的流程图；
图4为本申请实施例提供的一种基于可穿戴设备的用户管理的装置的示意图；
图5为本申请实施例涉及的服务器的结构示意图。
具体实施方式
本申请实施例提供基于可穿戴设备的用户管理的方法及相关装置，通过可穿戴设备获取用户的行为数据，对用户的行为数据进行分析得到行为分析结果，根据行为分析结果对用户进行管理，实现了根据用户的真实行为数据对用户进行合理管理。
为了使本技术领域的人员更好地理解本申请方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述。
以下分别进行详细说明。
本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等是用于区别不同对象，而不是用于描述特定顺序。此外，术语“包括”和“具有”以及它们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。
本申请实施例涉及智能可穿戴设备，用户与可穿戴设备绑定，用户在行动过程中，通过可穿戴设备采集用户的真实行为数据，可穿戴设备将用户的真实行为数据上传到服务器，服务器对用户的真实行为数据进行分析得到真实行为分析结果，其他人员可以获取真实行为分析结果，从而判断与可穿戴设备绑定的用户的真实行为，并对该用户进行管理。
首先参见图1，图1为本申请一个实施例提供的一种基于可穿戴设备的用户管理的方法的流程图。本实施例的用户管理的系统包括可穿戴设备和服务器，其中，可穿戴设备与用户绑定，并且可穿戴设备可以采集用户数据，可穿戴设备与服务器通信连接。
其中，如图1所示，本申请的一个实施例提供的一种基于可穿戴设备的用户管理的方法可以包括：
101、获取所述可穿戴设备采集的所述用户的行为数据，其中，所述用户的行为数据包括所述用户的运动数据和所述用户的体征数据。
其中，可穿戴设备即直接穿戴在身上，或是整合到用户的衣服或配件的一种便携式设备。可穿戴设备不仅仅是一种硬件设备，更可以通过软件支持以及数据交互、云端交互来实现强大的功能。可穿戴设备多以具备部分计算功能、可连接手机及各类终端的便携式配件形式存在，本申请涉及的可穿戴设备包括智能手环、智能手表等。
具体地，用户与可穿戴设备绑定后，用户在行为过程中，会产生行为数据，可穿戴设备采集用户的行为数据，其中，行为数据包括用户的运动数据和用户的体征数据，并且，用户的运动数据可以包括运动持续时长、振动频率、运动量、或者运动幅度等数据，用户的体征数据可以包括用户的心率、温度、或者血压等数据。
可选的，用户与可穿戴设备绑定的方法可以是：
获取用户的身份标识，其中，用户的身份标识存储在服务器中，并且不同用户的身份标识不同，用户的身份标识可以唯一区分用户；
获取可穿戴设备的硬件地址，其中，硬件地址也叫媒体访问控制地址(MAC，MediaAccess Control Address)，用于确认网上设备位置，MAC地址对应于OSI参考模型的第二层数据链路层，在网络底层的物理传输过程中，是通过硬件地址来识别主机的，并且硬件地址具有唯一性，不同可穿戴设备的硬件地址不同，可穿戴设备的硬件地址可以唯一区分可穿戴设备；
设置用户的身份标识与可穿戴设备的硬件地址关联，并且将身份标识与硬件地址的关联关系存储在服务器中。
可选的，用户与可穿戴设备绑定的方法还可以是：
获取用户的身份标识，其中，用户的身份标识存储在服务器中，并且不同用户的身份标识不同，用户的身份标识可以唯一区分用户；
获取用户通过可穿戴设备上的应用输入的用户信息，其中，可穿戴设备上设有应用，用户打开应用时，可以输入用户信息，用户信息包括用户的姓名、性别、年龄、手机号码、身份证号码等信息，这样，用户再次使用可穿戴设备上的应用时，需要输入相同的用户信息才可以登录应用，即可以确认可穿戴设备；
设置用户的身份标识与用户信息关联，并且将身份标识与用户信息的关联关系存储在服务器中。
将用户的身份标识与可穿戴设备绑定后，可穿戴设备采集的用户的行为数据即可以归属为该用户。
102、对所述用户的运动数据进行分析，以识别所述用户的行为标签，其中，所述用户的行为标签与所述用户的行为数据对应。
可选的，对用户的运动数据进行分析，已识别用户的行为标签的方法可以是：
从数据库中获取预先设置的标签匹配策略，其中，标签匹配策略包括不同数值范围与不同行为标签的对应关系；对用户的运动数据进行分析，以确定用户的运动数据落入第一数值范围；确定第一数值范围对应的第一行为标签为用户的行为标签。
具体地，用户的运动属于机械运动，机械运动的运动数据是可以量化的，所以可以通过运动数据的数值范围判断行为类别，预先设置标签匹配策略，标签匹配策略包括不同数值范围与不同标签的对应关系。用户的运动数据可以包括运动持续时长、振动频率、运动量、或者运动幅度等数据，服务器从数据库中获取预先设置的标签匹配策略，标签匹配策略中对于运动持续时长、振动频率、运动量、或者运动幅度等设有不同的数值范围，并且设置了对应的标签，对用户的运动数据进行分析，可以确定用户的运动数据落入第一数值范围，根据数值范围与标签的对应关系，可以确定第一数值范围对应的第一行为标签，即可以得到用户的行为标签。
例如，用户的运动数据包括运动持续时长和运动量，服务器从数据库中获取预先设置的标签匹配策略，标签匹配策略中对于运动持续时长和运动量设有不同的数值范围，并且设置了不同数值范围对应的标签，其中，第一数值范围为运动持续时长在10秒至30秒，运动量在50至100时，对应的标签为第一行为，对用户的运动数据进行分析，用户的运动持续时长为20秒，用户的运动量为70，可以确定用户的运动数据落入第一数值范围，根据数值范围与标签的对应关系，可以确定第一数值范围对应的标签为第一行为，即可以得到用户的行为标签，确定用户的行为为第一行为。
可选的，对用户的运动数据进行分析，已识别用户的行为标签的方法还可以是：
将用户的运动数据输入预先训练得到的行为识别模型中，输出得到用户的行为标签。由于不同用户不同行为的运动数据的差异性有可能较大，为了更准确识别用户的行为，可以通过人工智能对大量运动数据进行训练，以得到可以根据运动数据预测行为的行为识别模型。
进一步可选的，为了减少模型计算量，可以对用户的运动数据进行初步分析，即根据用户的运动数据得到用户的行为归属的类，再将用户的运动数据输入该类对应的行为识别模型中，输出得到用户的行为标签。
103、根据所述用户的行为标签和所述用户的体征数据进行分析，以得到行为分析结果。
可选的，根据用户的行为标签和用户的体征数据进行分析，以得到行为分析结果的方法可以是：
根据用户的行为标签，确定用户的M种行为类别的M个行为次数，其中，M为正整数，M种行为类别和M个行为次数对应；分别判断M个行为次数是否落入预设M种行为类别的正常次数范围；若存在第一行为类别的行为次数未落入预设第一行为类别的正常次数范围，则确定行为分析结果为行为异常，其中，第一行为类别属于用户的M种行为类别。
具体地，用户行为过程中会产生多条运动数据，每一条运动数据都有对应的行为标签，根据用户所有的运动数据的行为标签，可以确定用户不同行为类别的行为次数，正常情况下，用户每一种行为类别的行为次数都应落入该行为类别的正常次数范围，如果用户某一种行为类别的行为次数少于或者超出正常次数范围，即都可以确认用户该行为类别异常，分别判断用户所有行为类别的行为次数是否异常，如果存在行为次数异常的行为类别，则确定行为分析结果为行为异常。
可选的，根据用户的行为标签和用户的体征数据进行分析，以得到行为分析结果的方法还可以是：
根据用户的体征数据，确定用户的N次行为的N组体征数据，其中，N为不小于M的正整数，N次行为和N组体征数据对应；分别判断N组体征数据是否落入预设正常体征数据范围组；若存在第一体征数据未落入预设正常体征数据范围组，则确定行为分析结果为行为异常，其中，第一体征数据属于N组体征数据。
具体地，用户行为过程中除了会产生多条运动数据外，还会产生多条体征数据，获取用户所有行为的所有体征数据，体征数据包括心率、温度或者血压等数据，正常情况下，用户的体征数据中的每条数据都应落入正常数值范围，例如，正常情况下，用户的心率会落入正常心率数值范围，用户的温度会落入正常温度数值范围，或者用户的血压会落入正常血压数值范围，如果用户的体征数据中的某条数据的数值小于或者大于正常数值范围，即可以确认用户行为异常，分别判断用户所有体征数据的每条数据是否异常，如果存在异常的体征数据，则确定行为分析结果为行为异常。
104、根据所述行为分析结果对所述用户进行管理。
可选的，根据行为分析结果对用户进行管理的方法可以是：
当行为分析结果为行为异常时，获取用户的行为视频；对用户的行为视频进行分析，以判断用户的行为视频中是否存在K次违规行为，其中，K为正整数；若存在，则记录用户的K次违规行为。
具体地，当行为分析结果为行为异常时，由于通过数据无法获取异常原因以及具体的异常行为，所以服务器获取用户的行为视频，该行为视频可以是由用户所处位置的监控摄像装置拍摄得到，服务器获取用户的行为视频后，将行为视频反馈给管理人员，管理人员查看并分析用户的行为视频，判断用户是否存在违规行为，若存在违规行为，则管理人员将用户的违规行为记录在服务器中，并且违规行为与该用户的身份标识关联存储。
可选的，当接收到来自终端的数据查看请求时，向终端发送数据查看响应；其中，数据查看响应携带用户的行为数据，或者数据查看响应携带行为分析结果，或者数据查看响应携带用户的行为数据和行为分析结果。
具体地，管理人员或者其他人员想要了解用户以及用户所在机构的日常行为情况时，可以通过终端向服务器发送数据查看请求，该数据查看请求携带了管理人员或者其他人员想查看的用户的身份标识，服务器接收该数据查看请求后，根据请求中携带的身份标识获取与该身份标识关联存储的用户的行为数据以及行为分析结果，根据管理人员或者其他人员的需求，将行为数据或者行为分析结果发给管理人员或者其他人员的终端。
可见，通过本实施例，用户与可穿戴设备唯一绑定，用户在行动过程中，通过可穿戴设备采集用户的真实行为数据，可穿戴设备将用户的真实行为数据上传到服务器，服务器对用户的真实行为数据进行分析得到真实行为分析结果，当结果异常时，管理人员可以获取用户的行为视频从而判断行为是否违规，确认违规后可以记录该用户的违规行为，以及对该用户进行其他管理。
参见图2，图2为本申请另一个实施例提供的另一种基于可穿戴设备的用户管理的方法的流程图。本实施例中，用户为看护人员，用户所处机构为幼托机构，可穿戴设备为手环，本实施例的用户管理的系统包括手环和看护人员管理平台，手环与看护人员绑定，并且手环可以采集看护人员数据，手环与看护人员管理平台通信连接。
其中，如图2所示，本申请的另一个实施例提供的另一种基于可穿戴设备的用户管理的方法可以包括：
201、看护人员管理平台设置看护人员的身份标识。
其中，看护人员的身份标识存储在看护人员管理平台中，并且不同看护人员的身份标识不同，看护人员的身份标识可以唯一区分看护人员。
202、获取手环的硬件地址。
其中，硬件地址也叫媒体访问控制地址(MAC，Media Access Control Address)，用于确认网上设备位置，MAC地址对应于OSI参考模型的第二层数据链路层，在网络底层的物理传输过程中，是通过硬件地址来识别主机的，并且硬件地址具有唯一性，不同手环的硬件地址不同，手环的硬件地址可以唯一区分手环。
203、设置看护人员的身份标识与手环的硬件地址关联，将身份标识与硬件地址的关联关系存储在服务器中。
204、看护人员管理平台获取手环采集的看护人员的行为数据。
其中，看护人员的行为数据包括该看护人员的运动数据和体征数据。
具体地，该看护人员佩戴手环后，在行为过程中，会产生行为数据，手环采集该看护人员的行为数据，其中，行为数据包括该看护人员的运动数据和体征数据，并且，该看护人员的运动数据可以包括运动持续时长、振动频率、运动量、或者运动幅度等数据，该看护人员的体征数据可以包括用户的心率、温度、或者血压等数据。
205、看护人员管理平台分析该看护人员的运动数据，以识别行为标签。
可选的，看护人员管理平台分析该看护人员的运动数据，以识别行为标签的方法可以是：
看护人员管理平台从数据库中获取预先设置的标签匹配策略，其中，标签匹配策略包括不同数值范围与不同行为标签的对应关系；对运动数据进行分析，以确定运动数据落入第一数值范围；确定第一数值范围对应的第一行为标签为该看护人员的行为标签。
例如，该看护人员的运动数据包括运动持续时长和运动量，服务器从数据库中获取预先设置的标签匹配策略，标签匹配策略中对于运动持续时长和运动量设有不同的数值范围，并且设置了不同数值范围对应的标签，其中，“给小孩翻身”的数值范围为运动持续时长在10秒至30秒，运动量在50至100，对应的标签为“给小孩翻身”，对该看护人员的运动数据进行分析，运动持续时长为20秒，运动量为70，可以确定落入“给小孩翻身”的数值范围，即可以确定该看护人员的行为标签为“给小孩翻身”。
206、根据看护人员所有的运动数据的行为标签，确定该看护人员不同行为类别的行为次数。
具体地，看护人员在照看小孩的过程中，会产生多条运动数据，每一条运动数据都有对应的行为标签，根据该看护人员所有的运动数据的行为标签，可以确定该看护人员不同行为类别的行为次数。
207、判断该看护人员所有行为类别的行为次数是否异常。
正常情况下，看护人员每一种行为类别的行为次数都应落入该行为类别的正常次数范围，如果该看护人员某一种行为类别的行为次数少于或者超出正常次数范围，即都可以确认该看护人员该行为类别异常，分别判断该看护人员所有行为类别的行为次数是否异常，如果存在行为次数异常的行为类别，则确定行为分析结果为行为异常。
例如，看护人员照顾小孩的数量是固定的，对于每个小孩而言，照顾小孩的次数也应该在正常次数范围内，照顾小改的操作可以是“给小孩翻身”、“给小孩换衣服”等，那么一天当中，“给小孩翻身”的操作最多不超过10次，“给小孩换衣服”的操作最多不超过5次，如果当天操作次数过多或者过少，都是不正常的。
208、判断该看护人员的所有体征数据的每条数据是否异常。
具体地，看护人员在照看小孩的过程中，除了会产生多条运动数据外，还会产生多条体征数据，获取该看护人员所有行为的所有体征数据，体征数据包括心率、温度或者血压等数据，正常情况下，体征数据中的每条数据都应落入正常数值范围，例如，正常情况下，看护人员的心率会落入正常心率数值范围，看护人员的温度会落入正常温度数值范围，或者看护人员的血压会落入正常血压数值范围，如果体征数据中的某条数据的数值小于或者大于正常数值范围，即可以确认该看护人员行为异常，分别判断该看护人员的所有体征数据的每条数据是否异常，如果存在异常的体征数据，则确定行为分析结果为行为异常。
209、当行为分析结果为行为异常时，获取该看护人员的行为视频。
具体地，当行为分析结果为行为异常时，由于通过数据无法获取异常原因以及具体的异常行为，所以服务器获取看护人员的行为视频，该行为视频可以是由幼托机构的监控摄像装置拍摄得到，服务器获取该看护人员的行为视频后，将行为视频反馈给管理人员。
210、对该看护人员的行为视频进行分析，以判断行为视频中是否存在违规行为。
211、若存在违规行为，则看护人员管理平台记录该看护人员的违规行为，并对该看护人员进行管理。
可选的，当接收到来自终端的数据查看请求时，向终端发送数据查看响应；其中，数据查看响应携带看护人员的行为数据，或者数据查看响应携带行为分析结果，或者数据查看响应携带看护人员的行为数据和行为分析结果。
具体地，管理人员或者其他人员想要了解看护人员或者幼托机构的日常行为情况时，可以通过终端向服务器发送数据查看请求，该数据查看请求携带了管理人员或者其他人员想查看的看护人员的身份标识，服务器接收该数据查看请求后，根据请求中携带的身份标识获取与该身份标识关联存储的看护人员的行为数据以及行为分析结果，根据管理人员或者其他人员的需求，将行为数据或者行为分析结果发给管理人员或者其他人员的终端。
可见，通过本实施例，幼托机构的看护人员佩戴手环后，与手环唯一绑定，看护人员在照看小孩的过程中，手环可以采集看护人员的行为数据，并且将行为数据上传到看护人员管理平台，平台对行为数据进行分析得到行为分析结果，其他人员也可以查看对于看护人员的行为分析结果，从而实现了对看护人员的行为监督，根据看护人员的行为对该人员进行不同管理。
参见图3，图3为本申请另一个实施例提供的另一种基于可穿戴设备的用户管理的方法的流程图。本实施例中涉及到区块链，区块链技术是利用块链式数据结构来验证与存储数据、利用分布式节点共识算法来生成和更新数据、利用密码学的方式保证数据传输和访问的安全、利用由自动化脚本代码组成的智能合约来编程和操作数据的一种全新的分布式基础架构与计算方式，主要解决交易的信任和安全问题，因此区块链技术提出了四个技术创新：
一、分布式账本，交易记账由分布在不同地方的多个节点共同完成，而且每一个节点都记录的是完整的账目，因此它们都可以参与监督交易合法性，同时也可以共同为其作证，从而保证了账目数据的安全性。
二、非对称加密和授权技术，存储在区块链上的交易信息是公开的，但是账户身份信息是高度加密的，只有在数据拥有者授权的情况下才能访问到，从而保证了数据的安全和个人的隐私。
三、共识机制，区块链提出了四种不同的共识机制，适用于不同的应用场景，在效率和安全性之间取得平衡。当加入区块链的节点足够多的时候，这基本上不可能，从而杜绝了造假的可能。
四、智能合约，智能合约是基于这些可信的不可篡改的数据，可以自动化的执行一些预先定义好的规则和条款。
区块链分为三类，分别为公有链、联盟链和私有链，其中，公有链(Public BlockChains)是指：世界上任何个体或者团体都可以发送交易，且交易能够获得该区块链的有效确认，任何人都可以参与其共识过程。联盟链(Consortium Block Chains)是指：由某个群体内部指定多个预选的节点为记账人，每个块的生成由所有的预选节点共同决定，其他接入节点可以参与交易，但不过问记账过程，其他任何人可以通过该区块链开放的API进行限定查询。私有链(Private Block Chains)是指：仅仅使用区块链的总账技术进行记账，可以是一个公司，也可以是个人，独享该区块链的写入权限。
其中，如图3所示，本申请另一个实施例提供的另一种基于可穿戴设备的用户管理的方法可以包括：
301、区块链节点获取可穿戴设备采集的用户的行为数据，其中，用户的行为数据包括用户的运动数据和用户的体征数据。
其中，本实施例涉及的区块链不限制公有链、联盟链和私有链类型，当本实施例涉及的区块链为联盟链时，区块链节点的权限不同，在联盟链里对区块链节点设置权限是通过下发CA证书来实现的，该权限设置指令具体用于指示区块链节点设置CA证书的不同等级权限，并且，区块链节点设置CA证书的等级权限后，管理平台还可以更改该区块链节点的CA证书等级权限。
其中，可穿戴设备即直接穿戴在身上，或是整合到用户的衣服或配件的一种便携式设备。可穿戴设备不仅仅是一种硬件设备，更可以通过软件支持以及数据交互、云端交互来实现强大的功能。可穿戴设备多以具备部分计算功能、可连接手机及各类终端的便携式配件形式存在，本申请涉及的可穿戴设备包括智能手环、智能手表等。
具体地，用户与可穿戴设备绑定后，用户在行为过程中，会产生行为数据，可穿戴设备采集用户的行为数据，其中，行为数据包括用户的运动数据和用户的体征数据，并且，用户的运动数据可以包括运动持续时长、振动频率、运动量、或者运动幅度等数据，用户的体征数据可以包括用户的心率、温度、或者血压等数据。
可选的，用户与可穿戴设备绑定的方法可以是：
获取用户的身份标识，其中，用户的身份标识存储在区块链节点中，并且不同用户的身份标识不同，用户的身份标识可以唯一区分用户；
获取可穿戴设备的硬件地址，其中，硬件地址也叫媒体访问控制地址(MAC，MediaAccess Control Address)，用于确认网上设备位置，MAC地址对应于OSI参考模型的第二层数据链路层，在网络底层的物理传输过程中，是通过硬件地址来识别主机的，并且硬件地址具有唯一性，不同可穿戴设备的硬件地址不同，可穿戴设备的硬件地址可以唯一区分可穿戴设备；
设置用户的身份标识与可穿戴设备的硬件地址关联，并且将身份标识与硬件地址的关联关系存储在区块链节点中。
可选的，用户与可穿戴设备绑定的方法还可以是：
获取用户的身份标识，其中，用户的身份标识存储在区块链节点中，并且不同用户的身份标识不同，用户的身份标识可以唯一区分用户；
获取用户通过可穿戴设备上的应用输入的用户信息，其中，可穿戴设备上设有应用，用户打开应用时，可以输入用户信息，用户信息包括用户的姓名、性别、年龄、手机号码、身份证号码等信息，这样，用户再次使用可穿戴设备上的应用时，需要输入相同的用户信息才可以登录应用，即可以确认可穿戴设备；
设置用户的身份标识与用户信息关联，并且将身份标识与用户信息的关联关系存储在区块链节点中。
将用户的身份标识与可穿戴设备绑定后，可穿戴设备采集的用户的行为数据即可以归属为该用户。
302、区块链节点对用户的运动数据进行分析，以识别用户的行为标签。
其中，用户的行为标签与用户的行为数据对应。
可选的，对用户的运动数据进行分析，已识别用户的行为标签的方法可以是：
获取预先设置的标签匹配策略，其中，标签匹配策略包括不同数值范围与不同行为标签的对应关系；对用户的运动数据进行分析，以确定用户的运动数据落入第一数值范围；确定第一数值范围对应的第一行为标签为用户的行为标签。
具体地，用户的运动属于机械运动，机械运动的运动数据是可以量化的，所以可以通过运动数据的数值范围判断行为类别，预先设置标签匹配策略，标签匹配策略包括不同数值范围与不同标签的对应关系。用户的运动数据可以包括运动持续时长、振动频率、运动量、或者运动幅度等数据，服务器从数据库中获取预先设置的标签匹配策略，标签匹配策略中对于运动持续时长、振动频率、运动量、或者运动幅度等设有不同的数值范围，并且设置了对应的标签，对用户的运动数据进行分析，可以确定用户的运动数据落入第一数值范围，根据数值范围与标签的对应关系，可以确定第一数值范围对应的第一行为标签，即可以得到用户的行为标签。
可选的，对用户的运动数据进行分析，已识别用户的行为标签的方法还可以是：
将用户的运动数据输入预先训练得到的行为识别模型中，输出得到用户的行为标签。由于不同用户不同行为的运动数据的差异性有可能较大，为了更准确识别用户的行为，可以通过人工智能对大量运动数据进行训练，以得到可以根据运动数据预测行为的行为识别模型。
进一步可选的，为了减少模型计算量，可以对用户的运动数据进行初步分析，即根据用户的运动数据得到用户的行为归属的类，再将用户的运动数据输入该类对应的行为识别模型中，输出得到用户的行为标签。
303、区块链节点根据用户的行为标签和用户的体征数据进行分析，以得到行为分析结果。
可选的，根据用户的行为标签和用户的体征数据进行分析，以得到行为分析结果的方法可以是：
根据用户的行为标签，确定用户的M种行为类别的M个行为次数，其中，M为正整数，M种行为类别和M个行为次数对应；分别判断M个行为次数是否落入预设M种行为类别的正常次数范围；若存在第一行为类别的行为次数未落入预设第一行为类别的正常次数范围，则确定行为分析结果为行为异常，其中，第一行为类别属于用户的M种行为类别。
具体地，用户行为过程中会产生多条运动数据，每一条运动数据都有对应的行为标签，根据用户所有的运动数据的行为标签，可以确定用户不同行为类别的行为次数，正常情况下，用户每一种行为类别的行为次数都应落入该行为类别的正常次数范围，如果用户某一种行为类别的行为次数少于或者超出正常次数范围，即都可以确认用户该行为类别异常，分别判断用户所有行为类别的行为次数是否异常，如果存在行为次数异常的行为类别，则确定行为分析结果为行为异常。
可选的，根据用户的行为标签和用户的体征数据进行分析，以得到行为分析结果的方法还可以是：
根据用户的体征数据，确定用户的N次行为的N组体征数据，其中，N为不小于M的正整数，N次行为和N组体征数据对应；分别判断N组体征数据是否落入预设正常体征数据范围组；若存在第一体征数据未落入预设正常体征数据范围组，则确定行为分析结果为行为异常，其中，第一体征数据属于N组体征数据。
具体地，用户行为过程中除了会产生多条运动数据外，还会产生多条体征数据，获取用户所有行为的所有体征数据，体征数据包括心率、温度或者血压等数据，正常情况下，用户的体征数据中的每条数据都应落入正常数值范围，例如，正常情况下，用户的心率会落入正常心率数值范围，用户的温度会落入正常温度数值范围，或者用户的血压会落入正常血压数值范围，如果用户的体征数据中的某条数据的数值小于或者大于正常数值范围，即可以确认用户行为异常，分别判断用户所有体征数据的每条数据是否异常，如果存在异常的体征数据，则确定行为分析结果为行为异常。
304、根据行为分析结果对用户进行管理。
可选的，根据行为分析结果对用户进行管理的方法可以是：
当行为分析结果为行为异常时，管理人员获取用户的行为视频；对用户的行为视频进行分析，以判断用户的行为视频中是否存在违规行为；若存在违规行为，则记录用户的违规行为。
305、区块链节点通过区块链共识机制将行为分析结果同步到其他区块链节点中。
区块链节点通过区块链共识机制将行为分析结果同步到其他区块链节点中，这样，管理人员或者其他人员可以在区块链上的任意一个节点查看行为分析结果。
其中。共识机制是区块链技术的重要组件，区块链可支持不同的共识机制，现今区块链的共识机制可分为四大类：工作量证明机制、权益证明机制、股份授权证明机制和Pool验证池。
共识机制的目标是使所有的诚实节点保存一致的区块链视图，同时满足两个性质：
1、一致性，即所有诚实节点保存的区块链的前缀部分完全相同。
2、有效性，即由某诚实节点发布的信息终将被其他所有诚实节点记录在自己的区块链中。
306、任意一个区块链节点接收来自终端的数据查看请求。
具体地，管理人员或者其他人员想要了解用户以及用户所在机构的日常行为情况时，可以通过终端向区块链节点发送数据查看请求，该数据查看请求携带了管理人员或者其他人员想查看的用户的身份标识。
307、区块链节点向终端发送数据查看响应。
其中，该数据查看响应携带用户的行为分析结果。
可见，通过本实施例，用户与可穿戴设备唯一绑定，用户在行动过程中，通过可穿戴设备采集用户的真实行为数据，可穿戴设备将用户的真实行为数据上传到区块链节点，保证了行为数据的公开性和透明性，区块链节点对用户的真实行为数据进行分析得到真实行为分析结果，当结果异常时，管理人员可以获取用户的行为视频从而判断行为是否违规，确认违规后可以记录该用户的违规行为，以及对该用户进行其他管理。
参见图4，图4为本申请的另一个实施例提供的一种基于可穿戴设备的用户管理的装置示意图。其中，如图4所示，本申请的另一个实施例提供的一种基于可穿戴设备的用户管理的装置可以包括：
获取单元401，用于获取所述可穿戴设备采集的所述用户的行为数据，其中，所述用户的行为数据包括所述用户的运动数据和所述用户的体征数据；
识别单元402，用于对所述用户的运动数据进行分析，以识别所述用户的行为标签，其中，所述用户的行为标签与所述用户的行为数据对应；
分析单元403，用于根据所述用户的行为标签和所述用户的体征数据进行分析，以得到行为分析结果；
管理单元404，用于根据所述行为分析结果对所述用户进行管理。
本申请基于可穿戴设备的用户管理的装置的具体实施可参见上述基于可穿戴设备的用户管理的方法的各实施例，在此不做赘述。
参见图5，图5为本申请的实施例涉及的服务器的结构示意图。其中，如图5所示，本申请的实施例涉及的服务器可以包括：
处理器501，例如CPU。
存储器502，可选的，存储器可以为高速RAM存储器，也可以是稳定的存储器，例如磁盘存储器。
通信接口503，用于实现处理器501和存储器502之间的连接通信。
本领域技术人员可以理解，图5中示出的服务器的结构并不构成限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
如图5所示，存储器502中可以包括操作系统、网络通信模块以及基于可穿戴设备的用户管理的程序。操作系统是管理和控制服务器硬件和软件资源的程序，支持基于可穿戴设备的用户管理的程序以及其他软件或程序的运行。网络通信模块用于实现存储器502内部各组件之间的通信，以及与服务器中其他硬件和软件之间通信。
在图5所示的服务器中，处理器501用于执行存储器502中存储的基于可穿戴设备的用户管理的程序，实现以下步骤：
获取所述可穿戴设备采集的所述用户的行为数据，其中，所述用户的行为数据包括所述用户的运动数据和所述用户的体征数据；
对所述用户的运动数据进行分析，以识别所述用户的行为标签，其中，所述用户的行为标签与所述用户的行为数据对应；
根据所述用户的行为标签和所述用户的体征数据进行分析，以得到行为分析结果；
根据所述行为分析结果对所述用户进行管理。
本申请涉及的服务器的具体实施可参见上述基于可穿戴设备的用户管理的方法的各实施例，在此不做赘述。
本申请的另一个实施例提供了一种计算机可读存储介质，计算机可读存储介质存储有计算机程序，计算机程序被处理器执行以实现以下步骤：
获取所述可穿戴设备采集的所述用户的行为数据，其中，所述用户的行为数据包括所述用户的运动数据和所述用户的体征数据；
对所述用户的运动数据进行分析，以识别所述用户的行为标签，其中，所述用户的行为标签与所述用户的行为数据对应；
根据所述用户的行为标签和所述用户的体征数据进行分析，以得到行为分析结果；
根据所述行为分析结果对所述用户进行管理。
本申请计算机可读存储介质的具体实施可参见上述基于可穿戴设备的用户管理的方法的各实施例，在此不做赘述。
需要说明的是，对于前述的各方法实施例，为了简单描述，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，本申请并不受所描述的动作顺序的限制，因为依据本申请，某些步骤可以采用其他顺序或者同时进行。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是本申请所必须的。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，可以参见其他实施例的相关描述。
以上所述，以上实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，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记载的技术方案进行修改，或者对其中部分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申请各实施例技术方案的范围。
Claims (10)
1.一种基于可穿戴设备的用户管理的方法，其特征在于，包括：
获取所述可穿戴设备采集的所述用户的行为数据，其中，所述用户的行为数据包括所述用户的运动数据和所述用户的体征数据；
对所述用户的运动数据进行分析，以识别所述用户的行为标签，其中，所述用户的行为标签与所述用户的行为数据对应；
根据所述用户的行为标签和所述用户的体征数据进行分析，以得到行为分析结果；
根据所述行为分析结果对所述用户进行管理。
2.根据权利要求1所述的方法，其特征在于，所述获取所述可穿戴设备采集的所述用户的行为数据之前，包括：
获取所述用户的身份标识；
获取所述可穿戴设备的硬件地址；
设置所述用户的身份标识与所述可穿戴设备的硬件地址关联；
或者，获取所述用户通过所述可穿戴设备上的应用输入的用户信息；
设置所述用户的身份标识与所述用户信息关联。
3.根据权利要求2所述的方法，其特征在于，所述对所述用户的运动数据进行分析，以识别所述用户的行为标签包括：
从数据库中获取预先设置的标签匹配策略，其中，所述标签匹配策略包括不同数值范围与不同行为标签的对应关系；
对所述用户的运动数据进行分析，以确定所述用户的运动数据落入第一数值范围；
确定所述第一数值范围对应的第一行为标签为所述用户的行为标签。
4.根据权利要求1至3任意一项所述的方法，其特征在于，所述根据所述用户的行为标签和所述用户的体征数据进行分析，以得到行为分析结果包括：
根据所述用户的行为标签，确定所述用户的M种行为类别的M个行为次数，其中，M为正整数，所述M种行为类别和所述M个行为次数对应；
分别判断所述M个行为次数是否落入预设所述M种行为类别的正常次数范围；
若存在第一行为类别的行为次数未落入预设所述第一行为类别的正常次数范围，则确定所述行为分析结果为行为异常，其中，所述第一行为类别属于所述用户的M种行为类别。
5.根据权利要求4所述的方法，其特征在于，所述根据所述用户的行为标签和所述用户的体征数据进行分析，以得到行为分析结果还包括：
根据所述用户的体征数据，确定所述用户的N次行为的N组体征数据，其中，N为不小于M的正整数，所述N次行为和所述N组体征数据对应；
分别判断所述N组体征数据是否落入预设正常体征数据范围组；
若存在第一体征数据未落入所述预设正常体征数据范围组，则确定所述行为分析结果为行为异常，其中，所述第一体征数据属于所述N组体征数据。
6.根据权利要求5所述的方法，其特征在于，所述根据所述行为分析结果对所述用户进行管理包括：
当所述行为分析结果为行为异常时，获取所述用户的行为视频；
对所述用户的行为视频进行分析，以判断所述用户的行为视频中是否存在K次违规行为，其中，K为正整数；
若存在，则记录所述用户的所述K次违规行为。
7.根据权利要求1所述的方法，其特征在于，还包括：
当接收到来自终端的数据查看请求时，向所述终端发送数据查看响应；
其中，所述数据查看响应携带所述用户的行为数据，或者所述数据查看响应携带所述行为分析结果，或者所述数据查看响应携带所述用户的行为数据和所述行为分析结果。
8.一种基于可穿戴设备的用户管理的装置，其特征在于，所述装置包括：
获取单元，用于获取所述可穿戴设备采集的所述用户的行为数据，其中，所述用户的行为数据包括所述用户的运动数据和所述用户的体征数据；
识别单元，用于对所述用户的运动数据进行分析，以识别所述用户的行为标签，其中，所述用户的行为标签与所述用户的行为数据对应；
分析单元，用于根据所述用户的行为标签和所述用户的体征数据进行分析，以得到行为分析结果；
管理单元，用于根据所述行为分析结果对所述用户进行管理。
9.一种服务器，其特征在于，所述服务器包括处理器、存储器、通信接口以及一个或多个程序，其中，所述一个或多个程序被存储在所述存储器中，并且被配置由所述处理器执行，所述程序包括用于执行权利要求1至7任一项方法中的步骤的指令。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行以实现权利要求1至7任意一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910470737.2A CN110245476A (zh) | 2019-05-31 | 2019-05-31 | 一种基于可穿戴设备的用户管理的方法及相关装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910470737.2A CN110245476A (zh) | 2019-05-31 | 2019-05-31 | 一种基于可穿戴设备的用户管理的方法及相关装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110245476A true CN110245476A (zh) | 2019-09-17 |
Family
ID=67885787
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910470737.2A Pending CN110245476A (zh) | 2019-05-31 | 2019-05-31 | 一种基于可穿戴设备的用户管理的方法及相关装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110245476A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111352968A (zh) * | 2020-02-28 | 2020-06-30 | 杭州云象网络技术有限公司 | 一种基于区块链网络的智能制造要素识取方法 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP3012796A1 (en) * | 2014-10-20 | 2016-04-27 | Xiaomi Inc. | Method and device for acquiring user information |
| WO2016182156A1 (ko) * | 2015-05-14 | 2016-11-17 | 디투이모션 주식회사 | 이상 활동 탐지를 위한 이동 단말기 및 이를 포함하는 시스템 |
| US9848075B1 (en) * | 2015-05-14 | 2017-12-19 | Invoy Technologies, Llc | Communication system for pairing user devices with medical devices |
| CN109687991A (zh) * | 2018-09-07 | 2019-04-26 | 平安科技（深圳）有限公司 | 用户行为识别方法、装置、设备及存储介质 |
-
2019
- 2019-05-31 CN CN201910470737.2A patent/CN110245476A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP3012796A1 (en) * | 2014-10-20 | 2016-04-27 | Xiaomi Inc. | Method and device for acquiring user information |
| WO2016182156A1 (ko) * | 2015-05-14 | 2016-11-17 | 디투이모션 주식회사 | 이상 활동 탐지를 위한 이동 단말기 및 이를 포함하는 시스템 |
| US9848075B1 (en) * | 2015-05-14 | 2017-12-19 | Invoy Technologies, Llc | Communication system for pairing user devices with medical devices |
| CN109687991A (zh) * | 2018-09-07 | 2019-04-26 | 平安科技（深圳）有限公司 | 用户行为识别方法、装置、设备及存储介质 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111352968A (zh) * | 2020-02-28 | 2020-06-30 | 杭州云象网络技术有限公司 | 一种基于区块链网络的智能制造要素识取方法 |
| CN111352968B (zh) * | 2020-02-28 | 2023-09-29 | 杭州云象网络技术有限公司 | 一种基于区块链网络的智能制造要素识取方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108604222A (zh) | 用于部署定制机器学习服务的系统和方法 | |
| Chen et al. | Systems requirements for organizational learning | |
| CN106104555A (zh) | 用于保护外围设备的行为分析 | |
| CN106575327A (zh) | 分析面部识别数据和社交网络数据以供用户鉴别 | |
| CN106663258A (zh) | 通过混合的基于统计和用户测量方法测量多屏幕互联网用户概况、交易行为和用户群体结构 | |
| CN107004019B (zh) | 单向和双向数据流系统和方法 | |
| EP2203846A2 (en) | Authorization agnostic based mechanism | |
| US20060106744A1 (en) | Apparatus and method for establishing knowledge database used in expert system and recording medium therefor | |
| Hwang et al. | A time scale-oriented approach for building medical expert systems | |
| Curtis et al. | HealthSense: software-defined mobile-based clinical trials | |
| KR102117756B1 (ko) | 모바일 앱 기반의 상담 프로세스에 의한 처방 시스템 및 상담 제공 서버 | |
| CN110245476A (zh) | 一种基于可穿戴设备的用户管理的方法及相关装置 | |
| Alahmadi et al. | Improving e-Health Services and System Requirements by Modelling the Health Environment. | |
| dos Santos et al. | A review of hybrid simulation in healthcare | |
| Vattakaven et al. | Best Practices for Data Management in Citizen Science-An Indian Outlook | |
| CN114360680A (zh) | 基于区块链和云服务的健康大数据管理系统 | |
| Karpf | Dead reckoning: where we stand on privacy and security controls for the Internet of Things | |
| Fernandez-Iglesias et al. | Integration of Diagnosis Application Data Using FHIR: The Panoramix Case Study | |
| Amarakoon et al. | A framework for modeling medical diagnosis and decision support services | |
| Kalegele | School dropout profiling and prediction approach using machine learning | |
| CN104734882A (zh) | 来自事件关系的观察建议的系统和方法 | |
| Aharony | Social fMRI: measuring and designing social mechanisms using mobile phones | |
| Merritts | Online Deception Detection Using BDI Agents | |
| Maluki | Leveraging Biometrics for Access Control Management in Learning Institutions | |
| Chilton et al. | Competitive advantage and automated sharing of tacit knowledge |
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: 20190917 |