CN110928203A - 一种可穿戴终端及其关机方法 - Google Patents

一种可穿戴终端及其关机方法 Download PDF

Info

Publication number
CN110928203A
CN110928203A CN201911149303.9A CN201911149303A CN110928203A CN 110928203 A CN110928203 A CN 110928203A CN 201911149303 A CN201911149303 A CN 201911149303A CN 110928203 A CN110928203 A CN 110928203A
Authority
CN
China
Prior art keywords
heartbeat frequency
wearable terminal
shutdown
heartbeat
shutdown threshold
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
Application number
CN201911149303.9A
Other languages
English (en)
Other versions
CN110928203B (zh
Inventor
王国超
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Suning Intelligent Terminal Co Ltd
Original Assignee
Suning Intelligent Terminal Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Suning Intelligent Terminal Co Ltd filed Critical Suning Intelligent Terminal Co Ltd
Priority to CN201911149303.9A priority Critical patent/CN110928203B/zh
Publication of CN110928203A publication Critical patent/CN110928203A/zh
Application granted granted Critical
Publication of CN110928203B publication Critical patent/CN110928203B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G05CONTROLLING; REGULATING
    • G05BCONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00Programme-control systems
    • G05B19/02Programme-control systems electric
    • G05B19/04Programme control other than numerical control, i.e. in sequence controllers or logic controllers
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/02Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
    • A61B5/024Detecting, measuring or recording pulse rate or heart rate
    • A61B5/02438Detecting, measuring or recording pulse rate or heart rate with portable devices, e.g. worn by the patient
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/48Other medical applications
    • A61B5/4806Sleep evaluation
    • A61B5/4809Sleep detection, i.e. determining whether a subject is asleep or not
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/72Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235Details of waveform analysis
    • A61B5/7264Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Public Health (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Veterinary Medicine (AREA)
  • General Health & Medical Sciences (AREA)
  • Animal Behavior & Ethology (AREA)
  • Surgery (AREA)
  • Molecular Biology (AREA)
  • Medical Informatics (AREA)
  • Biophysics (AREA)
  • Pathology (AREA)
  • Biomedical Technology (AREA)
  • Cardiology (AREA)
  • Physiology (AREA)
  • Artificial Intelligence (AREA)
  • Fuzzy Systems (AREA)
  • Psychiatry (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Signal Processing (AREA)
  • Evolutionary Computation (AREA)
  • Mathematical Physics (AREA)
  • Anesthesiology (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)

Abstract

本发明公开了一种可穿戴终端及其关机方法,其中所述可穿戴终端的关机方法包括以下步骤:通过所述可穿戴终端监测佩戴者的心跳频率,根据所述心跳频率变化范围和持续时间,判断佩戴者的入眠状态;当所述心跳频率降低到所述可穿戴终端的第一关机阈值范围内并稳定保持在预设时间后,控制所述可穿戴终端自动关机。所述可穿戴终端及其关机方法能够根据佩戴者睡眠状态和非睡眠状态的心跳频率不同,自动对不同佩戴者的可穿戴终端在睡眠时实现精准关机,从而可以有效提高可穿戴终端的续航时间;另一方面,由于可穿戴终端的关机过程中是通过感知睡眠状态进行控制的,因此,可穿戴终端的何时关机完全自动控制,显著改善可穿戴终端佩戴者的睡眠质量。

Description

一种可穿戴终端及其关机方法
技术领域
本发明涉及人工智能领域,具体涉及一种可穿戴终端及其关机方法。
背景技术
随着近几年智能手机、平板电脑、智能可穿戴终端等终端的快速发展,无论是智能终端或者是智能终端的佩戴者数都在急剧的增加,因此,戴着智能可穿戴终端用智能手机等听音乐、听小说也渐渐成为人们日常生活中必不可少的一项消遣娱乐的方式。对于智能可穿戴终端而言,目前的智能仅仅体现在表示检测佩戴者是否佩戴可穿戴终端、检测可穿戴终端连接的智能终端是否处于工作状态等,要想控制智能可穿戴终端的关机,目前实现的方法是将佩戴者的智能可穿戴终端通过蓝牙等中介连接到智能终端,通过智能终端对智能可穿戴终端进行定时关机,但是,这种定时关机无法确定关机的时刻就是佩戴者最想要的关机时刻,此外,由于是通过蓝牙等手段实现的关机,要想准确控制智能可穿戴终端的关机,还存在蓝牙的连接过程导致消耗掉很多的电量,无疑会减少智能可穿戴终端的续航时间。
另一方面,由于大部分使用智能可穿戴终端的佩戴者喜欢在睡觉之间戴着可穿戴终端进行放松和休闲,目前绝大多数的智能可穿戴终端无法感知何时佩戴者在睡眠状态,因此很多智能可穿戴终端在佩戴者进入深度的睡觉状态时,仍然保持开机状态,这种在佩戴者睡眠是可穿戴终端仍然在工作的状态会显著影响到佩戴者的的睡眠质量,因此,如何在保证智能可穿戴终端续航时间的情况下,进一步提高佩戴者的睡眠质量需要进一步的技术创新。
发明内容
为了解决现有技术的问题,本发明实施例提供了一种可穿戴终端及其关机方法,能够根据佩戴者睡眠状态和非睡眠状态的心跳频率不同,自动对不同佩戴者的可穿戴终端实现精准关机,显著改善可穿戴终端佩戴者的睡眠质量。
为解决上述技术问题,本发明采用的技术方案是:
第一方面,本发明实施例提供了一种可穿戴终端的关机方法,包括以下步骤:
通过所述可穿戴终端监测佩戴者的心跳频率,根据所述心跳频率变化范围和持续时间,判断佩戴者的入眠状态;
当所述心跳频率降低到所述可穿戴终端的第一关机阈值范围内并稳定保持在预设时间后,控制所述可穿戴终端自动关机。
进一步地,所述心跳频率包括入眠前的第一心跳频率和深度睡眠后的第二心跳频率,当所述第一心跳频率处于增长或者保持稳定时,增加所述第一心跳频率监测的时间间隔;当所述第一心跳频率处于下降但未达到所述关机阈值范围内时,缩小所述第二心跳频率监测的时间间隔。
进一步地,所述第一关机阈值是对所述可穿戴终端的默认关机阈值进行的更新,所述更新过程包括:对所述第二心跳频率进行深度学习,确定所述可穿戴终端佩戴者在深度睡眠后的所述第二心跳频率,将所述第二心跳频率设置为第一关机阈值,利用所述第一关机阈值替换所述可穿戴终端的默认关机阈值。
进一步地,对所述第二心跳频率的深度学习包括:当所述可穿戴终端佩戴者的所述第二心跳频率持续低于默认关机阈值时,利用机器学习的方法,缩小所述第二心跳频率的数值范围,记录完成一次成功关机的操作时的第二心跳频率,通过对比此时的所述默认关机阈值和用户的第二心跳频率,找到稳定的所述第二心跳频率。
进一步地,对所述第二心跳频率的深度学习还包括:当所述可穿戴终端佩戴者的所述第二心跳频率持续高于默认关机阈值时,根据所述第二心跳频率的数值,分析出此时的最低心跳频率,将所述最低心跳频率作为最终稳定的第二心跳频率,并通过机器学习不断优化所述第二心跳频率。
另一方面,本发明实施例还提供了一种可穿戴终端,包括:
心跳监测模块,用于监测佩戴者的心跳频率,根据所述心跳频率变化范围和持续时间,判断佩戴者的入眠状态;
关机控制模块,用于在所述心跳频率降低到所述可穿戴终端的第一关机阈值范围内并稳定保持在预设时间后,控制所述可穿戴终端自动关机。
进一步地,所述心跳监测模块包括监测间隔控制单元,用于差别化的管理所述心跳频率,所述心跳频率包括入眠前的第一心跳频率和深度睡眠后的第二心跳频率;当所述第一心跳频率处于增长或者保持稳定时,所述监测间隔控制单元增加所述第一心跳频率监测的时间间隔,当所述第一心跳频率处于下降但未达到所述关机阈值范围内时,所述监测间隔控制单元缩小所述第二心跳频率监测的时间间隔。
进一步地,所述关机控制模块包括有机器学习单元,用于将所述可穿戴终端的默认关机阈值更新为所述第一关机阈值,所述机器学习单元进行的更新过程包括:对所述第二心跳频率进行深度学习,确定所述可穿戴终端佩戴者在深度睡眠后的所述第二心跳频率,将所述第二心跳频率设置为第一关机阈值,利用所述第一关机阈值替换所述可穿戴终端的默认关机阈值。
进一步地,所述机器学习单元对所述第二心跳频率的深度学习包括:
当所述可穿戴终端佩戴者的所述第二心跳频率持续低于默认关机阈值时,利用机器学习的方法,缩小所述第二心跳频率的数值范围,记录完成一次成功关机的操作时的第二心跳频率,通过对比此时的所述默认关机阈值和用户的第二心跳频率,找到稳定的所述第二心跳频率;
当所述可穿戴终端佩戴者的所述第二心跳频率持续高于默认关机阈值时,根据所述第二心跳频率的数值,分析出此时的最低心跳频率,将所述最低心跳频率作为最终稳定的第二心跳频率,并通过机器学习不断优化所述第二心跳频率。
进一步地,所述可穿戴终端至少包括智能耳机、智能手表或智能手环。
本发明实施例提供的技术方案带来的有益效果是:
本发明实施例公开了一种可穿戴终端及其关机方法,其中所述可穿戴终端能够识别佩戴者睡眠状态和非睡眠状态的心跳频率不同,并对这两种不同的心跳频率进行采集和检测,从而判断出可穿戴终端的佩戴者是否处于睡眠状态,进而自动控制可穿戴终端在佩戴者深入睡觉后自动关机,由于所述可穿戴终端能够智能识别并学习不同佩戴者的心跳频率,因此,所述可穿戴终端可以针对不同心跳频率的佩戴者都可以适用;由于对于关机时间的精准控制,所以所述可穿戴终端及其可穿戴终端的关机方法可以有效提高可穿戴终端的续航时间;另一方面,由于可穿戴终端的关机过程中是通过感知睡眠状态进行控制的,因此,可穿戴终端的何时关机完全自动控制,显著改善可穿戴终端佩戴者的睡眠质量。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例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是本发明实施例公开的可穿戴终端的关机方法的一种步骤示意图;
图2是本发明实施例公开的可穿戴终端的关机方法的关机流程示意图;
图3是本发明实施例公开的一种可穿戴终端的组成结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,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,而不是全部的实施例。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。
实施例一:
如图1和图2所示,本发明实施例公开了一种可穿戴终端的关机方法,包括以下步骤:
S1:通过所述可穿戴终端监测佩戴者的心跳频率,根据所述心跳频率变化范围和持续时间,判断佩戴者的入眠状态;
S2:当所述心跳频率降低到所述可穿戴终端的第一关机阈值范围内并稳定保持在预设时间后,控制所述可穿戴终端自动关机。
具体地,所示可穿戴终端在关机过程中能够识别佩戴者睡眠状态和非睡眠状态的心跳频率不同,并对这两种不同的心跳频率进行采集和检测,从而判断出可穿戴终端的佩戴者是否处于睡眠状态,进而自动控制可穿戴终端在佩戴者深入睡觉后自动关机,由于所述可穿戴终端能够智能识别并学习不同佩戴者的心跳频率,因此,所述可穿戴终端可以针对不同心跳频率的佩戴者都可以适用;由于对于关机时间的精准控制,所以所述可穿戴终端及其可穿戴终端的关机方法可以有效提高可穿戴终端的续航时间;另一方面,由于可穿戴终端的关机过程中是通过感知睡眠状态进行控制的,因此,可穿戴终端的何时关机完全自动控制,进而显著改善可穿戴终端佩戴者的睡眠质量。
优选地,所述心跳频率包括入眠前的第一心跳频率和深度睡眠后的第二心跳频率,当所述第一心跳频率处于增长或者保持稳定时,增加所述第一心跳频率监测的时间间隔;当所述第一心跳频率处于下降但未达到所述关机阈值范围内时,缩小所述第二心跳频率监测的时间间隔。由于对于可穿戴佩戴者的心跳频率监测是在未睡眠状态下不断进行的监测,因此,为了提高所述可穿戴终端的续航时间,通过对监测的时间间隔进行适当的调整从而适度扩大或者适度缩小监测的时间间隔,另一方面,为了提高监测的精确性,在需要缩小监测的时间间隔的时候,控制进行适当的缩小,适当对于心跳频率的监测一直具有较高的准确性。
优选地,所述第一关机阈值是对所述可穿戴终端的默认关机阈值进行的更新,所述更新过程包括:对所述第二心跳频率进行深度学习,确定所述可穿戴终端佩戴者在深度睡眠后的所述第二心跳频率,将所述第二心跳频率设置为第一关机阈值,利用所述第一关机阈值替换所述可穿戴终端的默认关机阈值。对于不同的用户而言,不同的用户由于其深度睡眠时的心跳频率都是存在很大差异的,因此,如果对于所有的用户设置一个根据心跳频率的数据进行的关机阈值显然不适宜,为解决这种问题,本发明的可穿戴终端在出厂设置的默认关机阈值的基础上,可以根据用户的深度睡眠时的心跳频率进行深度学习,通过每个用户不同的睡眠时心跳频率进行对默认关机阈值更新替换,由于默认关机阈值时根据大多数人在深度睡眠时的平均心跳频率进行设置的,所以可以兼顾大多数人在深度睡眠后可穿戴终端的准确关机,一旦出现了需要调整的关机阈值,此时,可穿戴终端就需要进行一段时间的机器学习,从而更新关机阈值。
进一步地,对所述第二心跳频率的深度学习包括:当所述可穿戴终端佩戴者的所述第二心跳频率持续低于默认关机阈值时,利用机器学习的方法,缩小所述第二心跳频率的数值范围,记录完成一次成功关机的操作时的第二心跳频率,通过对比此时的所述默认关机阈值和用户的第二心跳频率,找到稳定的所述第二心跳频率。进一步地,对所述第二心跳频率的深度学习还包括:当所述可穿戴终端佩戴者的所述第二心跳频率持续高于默认关机阈值时,根据所述第二心跳频率的数值,分析出此时的最低心跳频率,将所述最低心跳频率作为最终稳定的第二心跳频率,并通过机器学习不断优化所述第二心跳频率。例如,可穿戴终端的用户是一位运动员,其心肺功能比较好,可穿戴终端按照默认关机阈值B判断用户已进入深度睡眠,可穿戴终端自动关机后用户在几分钟之内执行开机操作,说明用户并未达到深度睡眠,此时可穿戴终端则减小此用户的睡眠心跳数值B,并记录用户的使用习惯,通过可穿戴终端一段时间自我学习,找到适合这位运动员用户的关机触发值,此时的关机触发值即为学习后的第二心跳频率,也即为最终的关机阈值。再比如,可穿戴终端的用户是一位老人,其心跳频率平时就比较快,甚至有可能睡眠时心跳频率达到初始设定的睡眠心跳数值B,可穿戴终端收集了几天的采样数据,分析出用户的最低心跳频率,那么可穿戴终端就将用户的最低心跳值作为关机触发值,并通过一段时间的使用不断优化关机触发值,这时的关机触发值则为此时的第二心跳频率,同样为最终的关机阈值。
实施例二:
如图3所示,本发明实施例还公开了一种可穿戴终端,包括:
心跳监测模块,用于监测佩戴者的心跳频率,根据所述心跳频率变化范围和持续时间,判断佩戴者的入眠状态;
关机控制模块,用于在所述心跳频率降低到所述可穿戴终端的第一关机阈值范围内并稳定保持在预设时间后,控制所述可穿戴终端自动关机。
具体地,所示可穿戴终端能够识别佩戴者睡眠状态和非睡眠状态的心跳频率不同,并通过心跳监测模块内部的心跳传感器对这两种不同的心跳频率进行采集和检测,从而判断出可穿戴终端的佩戴者是否处于睡眠状态,进而自动控制可穿戴终端在佩戴者深入睡觉后自动关机,由于所述可穿戴终端能够智能识别并学习不同佩戴者的心跳频率,因此,所述可穿戴终端可以针对不同心跳频率的佩戴者都可以适用;由于对于关机时间的精准控制,所以所述可穿戴终端及其可穿戴终端的关机方法可以有效提高可穿戴终端的续航时间;另一方面,由于可穿戴终端的关机过程中是通过感知睡眠状态进行控制的,因此,可穿戴终端的何时关机完全自动控制,进而显著改善可穿戴终端佩戴者的睡眠质量。
优选地,所述心跳监测模块包括监测间隔控制单元,用于差别化的管理所述心跳频率,所述心跳频率包括入眠前的第一心跳频率和深度睡眠后的第二心跳频率;当所述第一心跳频率处于增长或者保持稳定时,所述监测间隔控制单元增加所述第一心跳频率监测的时间间隔,当所述第一心跳频率处于下降但未达到所述关机阈值范围内时,所述监测间隔控制单元缩小所述第二心跳频率监测的时间间隔。为了提高所述可穿戴终端的待机时间和监测的精准度,通过在心跳监测模块中设置监测间隔控制单元,从而实现在延长可穿戴终端续航时间的同时,到达精确监测心跳频率。具体来说,由于对于可穿戴佩戴者的心跳频率监测是在未睡眠状态下不断进行的监测,因此,为了提高所述可穿戴终端的续航时间,通过对监测的时间间隔进行适当的调整从而适度扩大或者适度缩小监测的时间间隔,另一方面,为了提高监测的精确性,在需要缩小监测的时间间隔的时候,控制进行适当的缩小,适当对于心跳频率的监测一直具有较高的准确性。
优选地,所述关机控制模块包括有机器学习单元,用于将所述可穿戴终端的默认关机阈值更新为所述第一关机阈值,所述机器学习单元进行的更新过程包括:对所述第二心跳频率进行深度学习,确定所述可穿戴终端佩戴者在深度睡眠后的所述第二心跳频率,将所述第二心跳频率设置为第一关机阈值,利用所述第一关机阈值替换所述可穿戴终端的默认关机阈值。对于不同的用户而言,不同的用户由于其深度睡眠时的心跳频率都是存在很大差异的,因此,如果对于所有的用户设置一个根据心跳频率的数据进行的关机阈值显然不适宜,为解决这种问题,本发明的可穿戴终端在出厂设置有机器学习单元,可以根据用户的深度睡眠时的心跳频率进行深度学习,通过每个用户不同的睡眠时心跳频率进行对默认关机阈值更新替换,由于默认关机阈值时根据大多数人在深度睡眠时的平均心跳频率进行设置的,所以可以兼顾大多数人在深度睡眠后可穿戴终端的准确关机,一旦出现了需要调整更新的关机阈值,此时,可穿戴终端就需要进行一段时间的机器学习,从而更新关机阈值。
优选地,所述机器学习单元对所述第二心跳频率的深度学习包括:当所述可穿戴终端佩戴者的所述第二心跳频率持续低于默认关机阈值时,利用机器学习的方法,缩小所述第二心跳频率的数值范围,记录完成一次成功关机的操作时的第二心跳频率,通过对比此时的所述默认关机阈值和用户的第二心跳频率,找到稳定的所述第二心跳频率;当所述可穿戴终端佩戴者的所述第二心跳频率持续高于默认关机阈值时,根据所述第二心跳频率的数值,分析出此时的最低心跳频率,将所述最低心跳频率作为最终稳定的第二心跳频率,并通过机器学习不断优化所述第二心跳频率。例如,可穿戴终端的用户是一位运动员,其心肺功能比较好,可穿戴终端按照默认关机阈值B判断用户已进入深度睡眠,可穿戴终端自动关机后用户在几分钟之内执行开机操作,说明用户并未达到深度睡眠,此时可穿戴终端则减小此用户的睡眠心跳数值B,并记录用户的使用习惯,通过可穿戴终端中机器学习单元的一段时间自我学习,找到适合这位运动员用户的关机触发值,此时的关机触发值即为学习后的第二心跳频率,也即为最终的关机阈值。再比如,可穿戴终端的用户是一位老人,其心跳频率平时就比较快,甚至有可能睡眠时心跳频率达到初始设定的睡眠心跳数值B,可穿戴终端收集了几天的采样数据,分析出用户的最低心跳频率,那么可穿戴终端就将用户的最低心跳值作为关机触发值,并通过机器学习单元一段时间的使用不断优化关机触发值,这时的关机触发值则为此时的第二心跳频率,同样为最终的关机阈值。一旦深度睡眠的心跳频率达到关机阈值的范围,通过关机控制模块内部的关机触发单元对可穿戴终端进行关机。
实施例三:
本实施例中的可穿戴终端为智能耳机,其中,智能耳机中包括有实施例二公开的心跳监测模块和关机控制模块,所述心跳监测模块和关机控制模块未耳机的听筒内部,通过监测耳部气管实现对心跳频率的监测,进而在用户佩戴智能耳机睡眠时,一旦深度睡眠,就自动对智能耳机关机,提高用户的睡眠质量。
实施例四:
本实施例中的可穿戴终端为智能手表或智能手环,同样包括有心跳监测模块和关机控制模块,通过所述智能手表或智能手环监测手腕部位的心跳频率,进而控制用户的智能手表或者智能手环的关机,此时如果用户需要监测睡眠后的睡眠时间、睡眠血压等,还可以通过对智能手表或者智能手环进行手动更改,使得自动关机变为自动待机,从而提高智能手表或者智能手环的功能。
上述所有可选技术方案,可以采用任意结合形成本发明的可选实施例,在此不再一一赘述。
需要说明的是:上述实施例提供的可穿戴终端在控制可穿戴终端自动关机时,仅以上述各功能模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能模块完成,即将可穿戴终端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。另外,上述实施例提供的可穿戴终端及其可穿戴终端的关机方法实施例属于同一构思,其具体实现过程详见方法实施例,这里不再赘述。
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成,也可以通过程序来指令相关的硬件完成,所述的程序可以存储于一种计算机可读存储介质中,上述提到的存储介质可以是只读存储器,磁盘或光盘等。
以上所述仅为本发明的较佳实施例,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。

Claims (10)

1.一种可穿戴终端的关机方法,其特征在于,包括以下步骤:
通过所述可穿戴终端监测佩戴者的心跳频率,根据所述心跳频率变化范围和持续时间,判断佩戴者的入眠状态;
当所述心跳频率降低到所述可穿戴终端的第一关机阈值范围内并稳定保持在预设时间后,控制所述可穿戴终端自动关机。
2.根据权利要求1所述的可穿戴终端的关机方法,其特征在于,所述心跳频率包括入眠前的第一心跳频率和深度睡眠后的第二心跳频率,当所述第一心跳频率处于增长或者保持稳定时,增加所述第一心跳频率监测的时间间隔;当所述第一心跳频率处于下降但未达到所述关机阈值范围内时,缩小所述第二心跳频率监测的时间间隔。
3.根据权利要求2所述的可穿戴终端的关机方法,其特征在于,所述第一关机阈值是对所述可穿戴终端的默认关机阈值进行的更新,所述更新过程包括:对所述第二心跳频率进行深度学习,确定所述可穿戴终端佩戴者在深度睡眠后的所述第二心跳频率,将所述第二心跳频率设置为第一关机阈值,利用所述第一关机阈值替换所述可穿戴终端的默认关机阈值。
4.根据权利要求3所述的可穿戴终端的关机方法,其特征在于,对所述第二心跳频率的深度学习包括:当所述可穿戴终端佩戴者的所述第二心跳频率持续低于默认关机阈值时,利用机器学习的方法,缩小所述第二心跳频率的数值范围,记录完成一次成功关机的操作时的第二心跳频率,通过对比此时的所述默认关机阈值和用户的第二心跳频率,找到稳定的所述第二心跳频率。
5.根据权利要求4所述的可穿戴终端的关机方法,其特征在于,对所述第二心跳频率的深度学习还包括:当所述可穿戴终端佩戴者的所述第二心跳频率持续高于默认关机阈值时,根据所述第二心跳频率的数值,分析出此时的最低心跳频率,将所述最低心跳频率作为最终稳定的第二心跳频率,并通过机器学习不断优化所述第二心跳频率。
6.一种可穿戴终端,其特征在于,包括:
心跳监测模块,用于监测佩戴者的心跳频率,根据所述心跳频率变化范围和持续时间,判断佩戴者的入眠状态;
关机控制模块,用于在所述心跳频率降低到所述可穿戴终端的第一关机阈值范围内并稳定保持在预设时间后,控制所述可穿戴终端自动关机。
7.根据权利要求6所述的可穿戴终端,其特征在于,所述心跳监测模块包括监测间隔控制单元,用于差别化的管理所述心跳频率,所述心跳频率包括入眠前的第一心跳频率和深度睡眠后的第二心跳频率;当所述第一心跳频率处于增长或者保持稳定时,所述监测间隔控制单元增加所述第一心跳频率监测的时间间隔,当所述第一心跳频率处于下降但未达到所述关机阈值范围内时,所述监测间隔控制单元缩小所述第二心跳频率监测的时间间隔。
8.根据权利要求7所述的可穿戴终端,其特征在于,所述关机控制模块包括有机器学习单元,用于将所述可穿戴终端的默认关机阈值更新为所述第一关机阈值,所述机器学习单元进行的更新过程包括:对所述第二心跳频率进行深度学习,确定所述可穿戴终端佩戴者在深度睡眠后的所述第二心跳频率,将所述第二心跳频率设置为第一关机阈值,利用所述第一关机阈值替换所述可穿戴终端的默认关机阈值。
9.根据权利要求8所述的可穿戴终端,其特征在于,所述机器学习单元对所述第二心跳频率的深度学习包括:
当所述可穿戴终端佩戴者的所述第二心跳频率持续低于默认关机阈值时,利用机器学习的方法,缩小所述第二心跳频率的数值范围,记录完成一次成功关机的操作时的第二心跳频率,通过对比此时的所述默认关机阈值和用户的第二心跳频率,找到稳定的所述第二心跳频率;
当所述可穿戴终端佩戴者的所述第二心跳频率持续高于默认关机阈值时,根据所述第二心跳频率的数值,分析出此时的最低心跳频率,将所述最低心跳频率作为最终稳定的第二心跳频率,并通过机器学习不断优化所述第二心跳频率。
10.根据权利要求6~9任一所述的可穿戴终端,其特征在于,所述可穿戴终端至少包括智能耳机、智能手表或智能手环。
CN201911149303.9A 2019-11-21 2019-11-21 一种可穿戴终端及其关机方法 Active CN110928203B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911149303.9A CN110928203B (zh) 2019-11-21 2019-11-21 一种可穿戴终端及其关机方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911149303.9A CN110928203B (zh) 2019-11-21 2019-11-21 一种可穿戴终端及其关机方法

Publications (2)

Publication Number Publication Date
CN110928203A true CN110928203A (zh) 2020-03-27
CN110928203B CN110928203B (zh) 2021-08-06

Family

ID=69850645

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911149303.9A Active CN110928203B (zh) 2019-11-21 2019-11-21 一种可穿戴终端及其关机方法

Country Status (1)

Country Link
CN (1) CN110928203B (zh)

Citations (23)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP0790493A1 (en) * 1996-02-13 1997-08-20 Luigi Dattoli Device for preventing convulsive attacks
WO2012097156A2 (en) * 2011-01-12 2012-07-19 Iwalk, Inc. Controlling powered human augmentation devices
CN104083160A (zh) * 2014-06-30 2014-10-08 天津大学 一种基于机器视觉的睡眠状态监测方法及装置
US20150009347A1 (en) * 2010-09-13 2015-01-08 Contour, Llc Portable digital video camera configured for remote image acquisition control and viewing
US20150138354A1 (en) * 2013-11-21 2015-05-21 James Miller Method and system for communicating equipment field data to service centers
CN105042769A (zh) * 2015-06-30 2015-11-11 广东美的制冷设备有限公司 睡眠状态监控方法及装置、空调器系统
CN105078437A (zh) * 2014-11-14 2015-11-25 黎凯 一种穿戴式人体异常监测告警系统及其工作方法
CN105373227A (zh) * 2015-10-29 2016-03-02 小米科技有限责任公司 一种智能关闭电子设备的方法及装置
CN105516234A (zh) * 2015-11-13 2016-04-20 深圳市微纳集成电路与系统应用研究院 一种可穿戴智能设备心跳控制装置和方法
CN105807918A (zh) * 2016-03-03 2016-07-27 宇龙计算机通信科技(深圳)有限公司 控制方法、控制装置和可穿戴智能设备
US20160286156A1 (en) * 2015-02-12 2016-09-29 Creative Law Enforcement Resources, Inc. System for managing information related to recordings from video/audio recording devices
CN106361277A (zh) * 2016-08-26 2017-02-01 中山大学 一种基于心电信号的睡眠呼吸暂停综合征的评估方法
CN106792022A (zh) * 2016-12-17 2017-05-31 南京九致信息科技有限公司 电视手环及其控制方法
CN107145878A (zh) * 2017-06-01 2017-09-08 重庆邮电大学 基于深度学习的老人异常行为检测方法
KR101813591B1 (ko) * 2017-07-14 2017-12-29 코웨이 주식회사 사용자의 심박 패턴을 학습하여 숙면에 유리하도록 동기화하는 방법 및 이를 이용한 장치
CN107562574A (zh) * 2017-08-29 2018-01-09 中国民航大学 面向航空机场运行信息系统(aois)的弹性灾难恢复方法
CN107634570A (zh) * 2017-10-31 2018-01-26 广东小天才科技有限公司 一种可穿戴设备的电源控制管理方法及可穿戴设备
US20180125821A1 (en) * 2016-11-01 2018-05-10 Arvinas, Inc. Tau-protein targeting protacs and associated methods of use
CN108308942A (zh) * 2018-04-13 2018-07-24 浙江想能云软件股份有限公司 一种融合家庭物联网的智能软硬可调床垫及其控制方法
CN109005456A (zh) * 2018-09-18 2018-12-14 中新工程技术研究院有限公司 一种电视本体的关机控制系统及感应电视
CN109316166A (zh) * 2018-10-10 2019-02-12 大连理工大学 一种基于深度学习网络的人体睡眠阶段估计方法
CN109843165A (zh) * 2016-10-17 2019-06-04 日本电信电话株式会社 心跳检测方法和心跳检测设备
US20190192069A1 (en) * 2017-12-21 2019-06-27 Koninklijke Philips N.V. Sleep stage prediction and intervention preparation based thereon

Patent Citations (23)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP0790493A1 (en) * 1996-02-13 1997-08-20 Luigi Dattoli Device for preventing convulsive attacks
US20150009347A1 (en) * 2010-09-13 2015-01-08 Contour, Llc Portable digital video camera configured for remote image acquisition control and viewing
WO2012097156A2 (en) * 2011-01-12 2012-07-19 Iwalk, Inc. Controlling powered human augmentation devices
US20150138354A1 (en) * 2013-11-21 2015-05-21 James Miller Method and system for communicating equipment field data to service centers
CN104083160A (zh) * 2014-06-30 2014-10-08 天津大学 一种基于机器视觉的睡眠状态监测方法及装置
CN105078437A (zh) * 2014-11-14 2015-11-25 黎凯 一种穿戴式人体异常监测告警系统及其工作方法
US20160286156A1 (en) * 2015-02-12 2016-09-29 Creative Law Enforcement Resources, Inc. System for managing information related to recordings from video/audio recording devices
CN105042769A (zh) * 2015-06-30 2015-11-11 广东美的制冷设备有限公司 睡眠状态监控方法及装置、空调器系统
CN105373227A (zh) * 2015-10-29 2016-03-02 小米科技有限责任公司 一种智能关闭电子设备的方法及装置
CN105516234A (zh) * 2015-11-13 2016-04-20 深圳市微纳集成电路与系统应用研究院 一种可穿戴智能设备心跳控制装置和方法
CN105807918A (zh) * 2016-03-03 2016-07-27 宇龙计算机通信科技(深圳)有限公司 控制方法、控制装置和可穿戴智能设备
CN106361277A (zh) * 2016-08-26 2017-02-01 中山大学 一种基于心电信号的睡眠呼吸暂停综合征的评估方法
CN109843165A (zh) * 2016-10-17 2019-06-04 日本电信电话株式会社 心跳检测方法和心跳检测设备
US20180125821A1 (en) * 2016-11-01 2018-05-10 Arvinas, Inc. Tau-protein targeting protacs and associated methods of use
CN106792022A (zh) * 2016-12-17 2017-05-31 南京九致信息科技有限公司 电视手环及其控制方法
CN107145878A (zh) * 2017-06-01 2017-09-08 重庆邮电大学 基于深度学习的老人异常行为检测方法
KR101813591B1 (ko) * 2017-07-14 2017-12-29 코웨이 주식회사 사용자의 심박 패턴을 학습하여 숙면에 유리하도록 동기화하는 방법 및 이를 이용한 장치
CN107562574A (zh) * 2017-08-29 2018-01-09 中国民航大学 面向航空机场运行信息系统(aois)的弹性灾难恢复方法
CN107634570A (zh) * 2017-10-31 2018-01-26 广东小天才科技有限公司 一种可穿戴设备的电源控制管理方法及可穿戴设备
US20190192069A1 (en) * 2017-12-21 2019-06-27 Koninklijke Philips N.V. Sleep stage prediction and intervention preparation based thereon
CN108308942A (zh) * 2018-04-13 2018-07-24 浙江想能云软件股份有限公司 一种融合家庭物联网的智能软硬可调床垫及其控制方法
CN109005456A (zh) * 2018-09-18 2018-12-14 中新工程技术研究院有限公司 一种电视本体的关机控制系统及感应电视
CN109316166A (zh) * 2018-10-10 2019-02-12 大连理工大学 一种基于深度学习网络的人体睡眠阶段估计方法

Also Published As

Publication number Publication date
CN110928203B (zh) 2021-08-06

Similar Documents

Publication Publication Date Title
US10485474B2 (en) Sleep monitoring system
EP3169229B1 (en) Methods and systems for reducing energy consumption of a heart rate monitor
KR102403257B1 (ko) 홈 디바이스 제어 장치 및 동작 방법
CN106291121A (zh) 一种可穿戴设备的佩戴状态检测方法和可穿戴设备
CN107247516A (zh) 闹钟启动方法、装置、穿戴式设备及存储介质
CN105976581B (zh) 姿势提醒方法、装置及可穿戴设备
CN205941703U (zh) 一种可穿戴设备
CN106792314B (zh) 一种贴耳式头戴耳机及其佩戴状态的检测方法
CN111596751B (zh) 腕戴设备的显示控制方法、装置、腕戴设备及存储介质
CN104917902A (zh) 一种控制终端音乐播放状态的方法及其系统
CN106333691A (zh) 判断人体睡眠状态、静止状态和运动状态的方法及装置
CN105872228A (zh) 一种闹钟提醒处理的方法、装置以及终端
CN105807726A (zh) 一种终端控制系统及方法
CN104836905A (zh) 基于用户状态的系统调节方法及装置
WO2022127477A1 (zh) 控制智能播放终端方法、装置、存储介质和智能穿戴设备
CN105824294A (zh) 智能闹铃控制系统及方法
CN112217699A (zh) 智能家居设备的控制方法和装置
CN106730232B (zh) 一种智能唤醒方法及系统
CN108375909A (zh) 一种参数分析方法、装置、设备和计算机可读存储介质
CN106339199A (zh) 耳机控制方法及装置、耳机、可穿戴设备
CN112004172A (zh) 耳机的控制方法、耳机、计算机可读存储介质
Rioual et al. Reward function evaluation in a reinforcement learning approach for energy management
CN110166870A (zh) 一种带唤醒功能的耳机充电底座及无线耳机唤醒方法
CN107951466A (zh) 一种闹铃控制方法、装置及系统
WO2022037555A1 (zh) 生理数据采集方法、装置及可穿戴设备

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