CN111870250B - 用户状态监测方法、装置、计算设备及计算机存储介质 - Google Patents

用户状态监测方法、装置、计算设备及计算机存储介质 Download PDF

Info

Publication number
CN111870250B
CN111870250B CN202010676035.2A CN202010676035A CN111870250B CN 111870250 B CN111870250 B CN 111870250B CN 202010676035 A CN202010676035 A CN 202010676035A CN 111870250 B CN111870250 B CN 111870250B
Authority
CN
China
Prior art keywords
preset
body movement
sequence
value
time period
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
Application number
CN202010676035.2A
Other languages
English (en)
Other versions
CN111870250A (zh
Inventor
谢帆
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.)
Shenzhen Shuliantianxia Intelligent Technology Co Ltd
Original Assignee
Shenzhen Shuliantianxia Intelligent Technology 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 Shenzhen Shuliantianxia Intelligent Technology Co Ltd filed Critical Shenzhen Shuliantianxia Intelligent Technology Co Ltd
Priority to CN202010676035.2A priority Critical patent/CN111870250B/zh
Publication of CN111870250A publication Critical patent/CN111870250A/zh
Application granted granted Critical
Publication of CN111870250B publication Critical patent/CN111870250B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D30/00—Reducing energy consumption in communication networks
    • Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Medical Informatics (AREA)
  • Physics & Mathematics (AREA)
  • Dentistry (AREA)
  • Biophysics (AREA)
  • Pathology (AREA)
  • Physiology (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • General Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Veterinary Medicine (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)

Abstract

本发明实施例涉及运动监测技术领域，公开了一种用户状态监测方法、装置、计算设备及计算机存储介质，该方法包括：获取加速度传感器采集的目标用户在预设时间段内的体动数据；根据体动数据计算目标用户在各单位时间窗内的单位体动值，单位体动值用于指示目标用户在单位时间窗对应的时间段内的体动变化剧烈程度，单位时间窗对应的时间段小于预设时间段且属于预设时间段，单位时间窗对应的时间段组合形成预设时间段；根据目标用户在各单位时间窗内的单位体动值，确定目标用户在预设时间段内处于各预设状态的持续时间，以得到目标用户在预设时间段内的状态监测结果。通过上述方式，本发明实施例实现了状态监测。

Description

用户状态监测方法、装置、计算设备及计算机存储介质
技术领域
本发明实施例涉及健康监测技术领域，具体涉及一种用户状态监测方法、装置、计算设备及计算机存储介质。
背景技术
随着生活节奏的加快和生活水平的提高，越来越多的人开始关注身体健康状况。
目前，通过监测人体运动信息，例如，步数信息，可以估计人体能量消耗、新陈代谢综合指征等信息，从而估计身体健康状况。
上述方式仅考虑了人体运动时的状况，忽略了其他状态时人体的活动信息，造成对健康状况的评估不准确。
发明内容
鉴于上述问题，本发明实施例提供了一种用户状态监测方法、装置、计算设备及计算机存储介质，用于解决现有技术中存在的仅对运动状态监测造成的健康评估不准确的问题。
根据本发明实施例的一个方面，提供了一种用户状态监测方法，所述方法包括：
获取加速度传感器采集的目标用户在预设时间段内的体动数据；
根据所述体动数据计算所述目标用户在各单位时间窗内的单位体动值，所述单位体动值用于指示所述目标用户在所述单位时间窗对应的时间段内的体动变化剧烈程度，所述单位时间窗对应的时间段小于所述预设时间段且属于所述预设时间段，所述单位时间窗对应的时间段组合形成所述预设时间段；
根据所述目标用户在各单位时间窗内的单位体动值，确定所述目标用户在所述预设时间段内处于各预设状态的持续时间，以得到所述目标用户在所述预设时间段内的状态监测结果。
可选的，相邻两个所述单位时间窗对应的时间段在时间上部分重叠。
可选的，所述根据所述目标用户在各单位时间窗内的单位体动值，确定所述目标用户在所述预设时间段内处于各预设状态的持续时间，包括：
以预设时间长度为预设周期的时间长度，将预设周期对应的单位体动值累加，以得到各预设周期对应的输出体动值，所述预设周期包括至少一个所述单位时间窗；
根据所述预设周期对应的权重序列对所述各预设周期对应的输出体动值进行加权计算，以得到多个加权体动值；
根据所述多个加权体动值确定目标用户在所述预设时间段内处于各预设状态的持续时间。
可选的，所述根据所述多个加权体动值确定目标用户在所述预设时间段内处于各预设状态的持续时间，包括：
计算预设滑动窗口内所有加权体动值的均值，所述预设滑动窗口的时间长度大于或等于所述预设周期的时间长度；
将所述预设时间段对应的各预设滑动窗口的均值与预设阈值比较，得到所述各预设滑动窗口对应的预设状态；
如果相邻两个预设滑动窗口的预设状态发生变化，则标记所述相邻两个预设滑动窗口的切换时刻；
根据所述切换时刻计算各预设状态的持续时间。
可选的，所述预设状态包括活动状态、休息状态和睡眠状态；
所述将所述预设时间段对应的各预设滑动窗口的均值与预设阈值比较，得到所述各预设滑动窗口对应的预设状态，包括：
如果预设滑动窗口对应的均值大于或等于所述预设阈值，则确定所述预设滑动窗口对应的预设状态为活动状态；
如果预设滑动窗口对应的均值小于所述预设阈值，且所述预设滑动窗口中存在一个大于所述预设阈值的加权体动值，则确定所述预设滑动窗口对应的预设状态为休息状态；
如果预设滑动窗口对应的均值小于所述预设阈值，且所述预设滑动窗口中的每一个加权体动值均小于所述预设阈值，则确定所述预设滑动窗口对应的预设状态为睡眠状态。
可选的，所述根据所述预设周期对应的权重序列对所述各预设周期对应的输出体动值进行加权计算，以得到多个加权体动值，包括：
根据所述权重序列和第一输出体动值，在第一序列中确定第二序列，所述第一序列为所述各预设周期对应的输出体动值组成的序列，所述第一输出体动值为所述第一序列中的任一输出体动值，所述第二序列包括所述第一输出体动值，所述第二序列中的输出体动值个数与所述权重序列中的权重个数相同；
根据所述权重序列，对第二序列进行加权计算，得到所述第一输出体动值对应的加权体动值；
将所述第一输出体动值更新为第二输出体动值，并执行根据所述权重序列和第一输出体动值，在第一序列中确定第二序列的步骤，所述第二输出体动值在所述第一序列中位于所述第一输出体动值之后。
可选的，所述权重序列中的各个权重值符合正态分布；
所述根据所述权重序列和第一输出体动值，在第一序列中确定第二序列，包括：
根据所述权重序列和第一输出体动值，在第一序列中确定符合预设条件的第二序列；
所述预设条件为：所述第一输出体动值在所述第二序列中的位置与所述权重序列中的最大权重在所述权重序列中的位置相同。
根据本发明实施例的另一方面，提供了一种状态监测装置，包括：
获取模块，用于获取加速度传感器采集的目标用户在预设时间段内的体动数据；
计算模块，用于根据所述体动数据计算所述目标用户在各单位时间窗内的单位体动值，所述单位体动值用于指示所述目标用户在所述单位时间窗对应的时间段内的体动变化剧烈程度，所述单位时间窗对应的时间段小于所述预设时间段且属于所述预设时间段，所述单位时间窗对应的时间段组合形成所述预设时间段；
确定模块，用于根据所述目标用户在各单位时间窗内的单位体动值，确定所述目标用户在所述预设时间段内处于各预设状态的持续时间，以得到所述目标用户在所述预设时间段内的状态监测结果。
根据本发明实施例的另一方面，提供了一种计算设备，包括：
处理器、存储器、通信接口和通信总线，所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信；
所述存储器用于存放至少一可执行指令，所述可执行指令使所述处理器执行上述的一种用户状态监测方法对应的操作。
根据本发明实施例的又一方面，提供了一种计算机可读存储介质，所述存储介质中存储有至少一可执行指令，所述可执行指令使计算设备/装置执行上述的一种用户状态监测方法对应的操作。
本发明实施例在加速度传感器采集的体动值基础上得到单位时间窗内的单位体动数据，在单位体动值基础上得到得到各预设状态的持续时间，从而确定目标用户在预设时间段内的状态监测结果。由于是通过单位体动值来确定各种状态的持续时间，单位体动值反映了单位时间段内的体动变化剧烈程度，通过监测体动变化剧烈程度可以监测到各个状态下的体动，从而可以实现对人体状态的准确监测。此外，本发明实施例通过分析各预设状态的持续时间得到各预设状态的监测结果，在根据监测结果评估健康状况时，综合考虑了各个预设状态的监测结果，健康状况评估结果更加准确可靠。
上述说明仅是本发明实施例技术方案的概述，为了能够更清楚了解本发明实施例的技术手段，而可依照说明书的内容予以实施，并且为了让本发明实施例的上述和其它目的、特征和优点能够更明显易懂，以下特举本发明的具体实施方式。
附图说明
附图仅用于示出实施方式，而并不认为是对本发明的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：
图1示出了本发明实施例提供的一种用户状态监测方法的流程示意图；
图2示出了本发明另一实施例提供的一种用户状态监测方法的流程图；
图3示出了本发明另一实施例提供的一种用户状态监测的方法中各状态持续时间的确定流程图；
图4示出了本发明另一实施例提供的一种用户状态监测的方法中加权体动值的计算流程图；
图5示出了本发明实施例的一种用户状态监测装置的功能框图；
图6示出了本发明实施例提供的一种计算设备的结构示意图。
具体实施方式
下面将参照附图更详细地描述本发明的示例性实施例。虽然附图中显示了本发明的示例性实施例，然而应当理解，可以以各种形式实现本发明而不应被这里阐述的实施例所限制。
本发明实施例的执行主体是状态监测设备，该状态监测设备包含加速度传感器和具有计算功能的处理器。本发明实施例并不限定状态监测设备的具体类型。例如，状态监测设备可以是便携式设备或智能穿戴类设备，例如，智能腕表等设备。当人体处于不同状态时，状态监测设备中的加速度传感器采集到的体动值不同，通过对采集到的体动值进行处理确定各状态的监测结果。通过本发明实施例可以根据各个状态全面评估健康状况。
图1示出了本发明实施例的一种用户状态监测方法的流程图。如图1所示，该方法包括以下步骤：
步骤110：获取加速度传感器采集的目标用户在预设时间段内的体动数据。
在本步骤中，加速度传感器可以是任一种加速度传感器，例如，单轴加速度传感器、双轴加速度传感器、三轴加速度传感器等。本发明实施例中的体动数据是指加速度传感器的采集值。不同状态下加速度传感器的采集值不同，该采集值可以反映人体所处的状态。
当加速度传感器为单轴加速度传感器时，加速度传感器的采集值是单个轴采集的加速度值。当加速度传感器为多轴加速度传感器时，加速度传感器的采集值包括多个轴中每一个轴的采集值。
预设时间段是对目标用户进行状态监测的时间段。预设时间段对应的具体时间数值可以由本领域技术人员进行设定，本发明实施例并不以此为限。
步骤120：根据体动数据计算目标用户在各单位时间窗内的单位体动值。
在本步骤中，单位时间窗可以任意时间单位构成的时间窗，本发明实施例并不对单位时间的具体值进行限定。单位时间窗对应的时间段小于预设时间段且属于预设时间段。若干个单位时间窗对应的时间段组合形成预设时间段。单位时间窗也可以按照本领域技术人员的常规理解设置为1秒钟。单位体动值是根据单位时间窗内包含的所有体动值得到的。例如，单位时间窗为1秒，加速度传感器的采样频率是40Hz为例，则对于单轴加速度传感器，单位时间窗内共包含有40个体动值，根据这40个体动值确定单位体动值。
单位体动值包含单位时间窗内所有体动值的信息，单位体动值用于指示目标用户在单位时间窗对应的时间段内的体动变化剧烈程度。本发明实施例并不限定单位体动值的具体形式。例如，单位体动值可以是单位时间内所有体动值方差、标准差等。优选的，单位体动值是单位时间内所有体动值的标准差，通过单位体动值可以反映出单位时间内体动值的变化程度，从而使状态的确定更加准确。
在一些实施例中，如果加速度传感器为多轴加速度传感器，则将多轴加速度传感器的绝对值按照体动数据对应的采样时刻累加，得到累加体动值，根据累加体动值计算单位时间窗内的单位体动值。以三轴加速度传感器为例，累加体动值G(t)＝|Gx(t)|+|Gy(t)|+|Gz(t)|，其中，t表示采样时刻，|Gx(t)|、|Gy(t)|、|Gz(t)|分别表示三轴加速度传感器三个轴在t时刻对应的体动数据的绝对值。根据累加体动值计算单位时间窗内的体动值的计算过程与根据单轴加速度传感器采集的体动值计算单位体动值的计算过程相同。以单位体动值为单位时间窗内所有体动数据的标准差为例，单位体动值
Figure BDA0002584088740000061
其中，
Figure BDA0002584088740000071
G(t)表示单位时间窗内任一采样时刻t对应的累加体动值，T表示单位时间窗对应的时间段，
Figure BDA0002584088740000072
表示单位时间窗内所有累加体动值的均值，n表示单位时间窗内累加体动值的总个数。
步骤130：根据目标用户在各单位时间窗内的单位体动值，确定目标用户在预设时间段内处于各预设状态的持续时间，以得到目标用户在预设时间段内的状态监测结果。
在本步骤中，根据各单位时间窗内的单位体动值确定各单位时间窗对应的预设状态，根据预设时间段内各单位时间窗对应的预设状态得到各预设状态的持续时间，以得到目标用户在预设时间段内的状态监测结果。例如，预设时间段包括100个单位时间窗，其中，连续50个单位时间窗对应的预设状态均为同一预设状态，则该预设状态的持续时间为连续50个单位时间窗对应的时间。
其中，预设状态是指用户当前所处的状态，预设状态用于衡量健康状况，本发明实施例并不对各预设状态进行限定。例如，在一种具体的实施方式中，预设状态包括活动状态、休息状态和睡觉状态。在一些实施例中，可以将各预设状态的持续时间作为各预设状态的监测结果。
本发明实施例在加速度传感器采集的体动值基础上得到单位时间窗内的单位体动数据，在单位体动值基础上得到得到各预设状态的持续时间，从而确定目标用户在预设时间段内的状态监测结果。由于是通过单位体动值来确定各种状态的持续时间，单位体动值反映了单位时间段内的体动变化剧烈程度，通过监测体动变化剧烈程度可以监测到各个状态下的体动，从而可以实现对人体状态的准确监测。此外，本发明实施例通过分析各预设状态的持续时间得到各预设状态的监测结果，在根据监测结果评估健康状况时，综合考虑了各个预设状态的监测结果，健康状况评估结果更加准确可靠。
在一些实施例中，相邻的两个单位时间窗部分重叠。例如，单位时间窗对应的时间段为1秒钟，相邻的两个单位时间窗有1/2重叠，则第一个单位时间窗为0-1秒，第二个单位时间窗为0.5-1.5秒，第三个单位时间窗为1.5-2.5秒，依次类推。通过上述方式，避免了计算得到的单位体动值波动太大，根据得到的单位体动值得到的监测结果更加准确。
图2示出了本发明另一实施例的一种用户状态监测方法的流程图。如图2所示，该方法包括以下步骤：
步骤210：获取加速度传感器采集的目标用户在预设时间段内的体动数据。
步骤220：根据体动数据计算目标用户在各单位时间窗内的单位体动值。
步骤210～步骤220与图1中的步骤110～步骤120一致，请参阅图1中步骤110～步骤120的具体说明，为了描述简洁，在此不做赘述。
步骤230：以预设时间长度为预设周期的时间长度，将预设周期对应的单位体动值累加，以得到各预设周期对应的输出体动值。
在本步骤中，以预设时间长度为预设周期的时间长度，将预设周期对应的单位体动值累加，以得到各预设周期对应的输出体动值。其中，预设周期是预先设置的输出体动值的时间周期，该时间周期包括至少一个单位时间窗。例如，单位时间窗为1秒钟，预设周期可以为15秒钟、30秒钟、60秒钟等。本发明实施例并不以预设周期的具体时间长度为限。以单位时间窗为1秒钟，预设周期为15秒钟为例，预设周期内共包含有15个单位体动值，则输出体动值
Figure BDA0002584088740000081
其中，Gstd(n)表示第n个单位体动值。
步骤240：根据预设周期对应的权重序列对各预设周期对应的输出体动值进行加权计算，以得到多个加权体动值。
在本步骤中，不同预设周期对应的输出体动值不同，预设周期越长，输出体动值越大。权重序列用于对不同预设周期的输出体动值进行归一化。预设周期越长，对应的权重序列中的权重值越小。不同预设周期的权重序列可以根据预设周期进行设定，本发明实施例并不以预设周期对应的具体权重序列为限。应理解，如果各个预设周期对应同一个预设周期，则各个预设周期的输出体动值通过同一个权重序列进行加权。例如，在一种具体的实施方式中，预设周期为15秒钟时，权重序列为A，预设周期为30秒钟时，权重序列为1/2A，预设周期为60秒钟时，权重序列为1/4A。通过上述方式，实现了各预设周期输出体动值的归一化，避免了不同预设周期输出体动值数量级的差异，从而提高了状态监测的可靠性。
步骤250：根据多个加权体动值确定目标用户在预设时间段内处于各预设状态的持续时间，以得到目标用户在预设时间段内的状态监测结果。
在本步骤中，可以将各预设状态的持续时间作为各预设状态的监测结果，也可以在各预设状态的持续时间基础上作进一步分析，得到更加直观的监测结果。本发明实施例并不对进一步分析的分析方法作限定。例如，在一些实施例中，预设状态包括睡眠状态，预设时间段为24小时，将24小时内的睡眠状态的持续时间相加，得到24小时内的睡眠时间，计算一定统计时间内的睡眠时间的均值、最大值、最小值、均值、标准差等，得到监测结果。例如，统计一月内每天睡眠时间的均值、标准差，一月内最大睡眠时间、最小睡眠时间，得到监测结果。在另外一些实施例中，统计睡眠时间占一天总时间的百分比，得到睡眠效率，将睡眠效率作为监测结果。在另外一些实施例中，预设状态包括活动状态，将24小时内的活动状态的持续时间相加，得到24小时内的活动时间，将该活动时间作为监测结果。
本发明实施例根据预设周期对应的权重序列对各预设周期对应的输出体动值进行加权计算，得到多个加权体动值，实现了不同预设周期的输出体动值的归一化，避免了不同预设周期的输出体动值的数量级差异对监测结果造成的影响。
在一些实施例中，各预设状态的持续时间的确定包括如图3所示的如下步骤：
步骤310：计算预设滑动窗口内所有加权体动值的均值。
在本步骤，预设滑动窗口的时间长度大于或等于预设周期的时间长度。本发明实施例并不限定滑动时间窗口包含的具体时间。优选的，预设滑动窗口大于预设周期。各预设状态具有连续性，且预设状态的持续时间是根据各预设滑动窗口对应的预设状态确定的，通过设置一个较大的滑动窗口可以提高各预设状态的持续时间确定的效率。
在确定各预设滑动窗口对应的预设状态后，根据连续个预设状态相同的预设滑动窗口的总时间可以得到各预设状态的持续时间。将预设滑动窗口内所有的加权体动值相加后得到加和，该加和除以预设滑动窗口中加权体动值的个数得到预设滑动窗口内所有加权体动值的均值。
步骤320：将预设时间段对应的各预设滑动窗口对应的均值与预设阈值比较，得到各预设滑动窗口对应的预设状态。
在本步骤中，预设阈值用于区分不同的预设状态。根据将各预设滑动窗口对应的均值与各预设阈值进行比较得到的比较结果可以确定各预设滑动窗口对应的预设状态。以预设状态包括活动状态、休息状态和睡眠状态为例，如果预设滑动窗口对应的均值大于或等于预设阈值，确定预设滑动窗口对应的预设状态为活动状态。如果预设滑动窗口对应的均值小于预设阈值，且预设滑动窗口中存在任意一个加权体动值大于预设阈值，则确定预设滑动窗口对应的预设状态为休息状态。如果预设滑动窗口对应的均值小于预设阈值，且预设滑动窗口中每一个加权体动值均小于预设预设阈值，则确定预设滑动窗口对应的预设状态为睡眠状态。
步骤330：如果相邻两个预设滑动窗口的预设状态发生变化，则标记相邻两个预设滑动窗口的切换时刻。
在本步骤中，在发生状态切换时，相邻两个预设滑动窗口的预设状态发生变化。例如，第一预设滑动窗口和第二预设滑动窗口为两个预设滑动窗口，第一预设滑动窗口包含的时间段为9:00-9:30，第二预设滑动窗口包含的时间段为9:30-10:00，第一预设滑动窗口对应的预设状态为睡眠状态，第二预设滑动窗口对应的预设状态为活动状态，则将切换时刻9：30进行标记。在进行标记时，可以使用任意一种标记方式，本发明实施例并不以此为限。例如，使用文字进行标记，将切换时刻9：30标记为“睡眠状态切换为活动状态”。在一些实施方式中，为了标记简便，通过标签对切换时刻进行标记。相同的切换状态对应的标签相同，不同的切换状态对应的标签不同。标签可以为数字、字母、数字字母组合等方式，本发明实施例并不以此为限。例如，“1”表示睡眠状态切换为活动状态，“2”表示活动状态切换为休息状态，“3”表示休息状态切换为睡眠状态，“4”表示睡眠状态切换为休息状态，“5”表示活动状态切换为睡眠状态，“6”表示休息状态切换为活动状态。
步骤340：根据切换时刻计算各预设状态的持续时间。
在标记所有切换时刻后，相邻切换时刻中间的时间即为相邻切换时间中间的状态对应的持续时间。例如，相邻的切换时刻为9:30和10:30，其中9:30表示睡眠状态切换为活动状态的切换时刻，10:30表示活动状态切换为休息状态的时刻，则活动状态的持续时间为1个小时。根据持续时间得到监测结果的说明可以参阅图1中步骤130的具体说明或者图2中步骤210～步骤250的说明，在此不做赘述。
通过本发明实施例，根据各预设滑动窗口的均值确定各预设滑动窗口对应的状态，根据各预设窗口对应的状态得到各状态的持续时间。通过上述方式，可以监测到各状态的切换时刻，监测结果更加准确。
在一些实施例中，图2中的步骤240进一步包括如图4所示的如下步骤：
步骤410：根据权重序列和第一输出体动值，在第一序列中确定第二序列。
在本步骤中，第一序列是任意一个输出体动值序列，第一序列中包括多个输出体动值。第一输出体动值为第一序列中的任一输出体动值。第二序列包括第一输出体动值，第二序列中的输出体动值个数与权重序列中的权重个数相同。例如，权重序列是[a，b，c，d，e]，第一序列为[m0，m1，m2，mo，m3，m4...]，假设第一输出体动值为mo，则在第一序列中确定的第二序列为[m1，m2，mo，m3，m4]。
步骤420：根据权重序列，对第二序列进行加权计算，得到第一输出体动值对应的加权体动值。
在本步骤中，将第一输出体动值序列中的各个输出体动值与权重序列中相应的权重对应相乘求和，得到加权体动值。例如，权重序列为是[a，b，c，d，e]，第一输出体动值是mo，第二序列为[m1，m2，mo，m3，m4]，则第一输出体动值对应的加权体动值为：a*m1+b*m2+c*mo+d*m3+e*m4。
步骤430：将第一输出体动值更新为第二输出体动值，并返回步骤410。
在本步骤中，第二输出体动值在第一序列中位于第一输出体动值之后。即，在第一输出体动值的基础上，在第一序列中移动若干个输出体动值单位，得到第二输出体动值。移动输出体动值单位的个数与需要计算的输出体动值和目标输出体动值之间的距离相同。在具体实施过程中，对每一个输出体动值均进行加权计算，因此，在目标输出体动值序列的基础上移动一个输出体动值单位，得到更新后的目标输出体动值序列。例如，所有的输出体动值为[a，b，c，d，e，f，g....]，目标输出体动值为c，目标输出体动值序列为[a，b，c，d，e]，更新后的目标输出体动值为d，更新后的目标输出体动值序列为[b，c，d，e，f]。
通过上述方式，在对第一输出体动值进行加权计算时，综合考虑了第一输出体动值之前和第一输出体动值之后的若干个输出体动值。即，由于各状态的连续性，第一输出体动值前后的输出体动值对第一输出体动值造成一定的影响，通过上述方式，可以弱化第一输出体动值对应的加权体动值的计算误差，使计算结果更加可靠。
在一些实施例中，权重序列符合正态分布，即，权重序列的中间数值最大，则在根据权重序列确定目标输出体动值序列时，将目标输出体动值与权重序列中的最大权重对应，根据最大权重之前的权重个数选择目标输出体动值之前的输出体动值，根据最大权重之后的权重个数选择目标输出体动值之后的输出体动值，从而得到输出体动值序列。例如，权重序列为是[a，b，c，d，e]，其中，c是最大权重。目标输出体动值是mo，目标输出体动值序列为[m1，m2，mo，m3，m4]。通过上述方式，在考虑了信号连续性的同时，目标输出体动值对应的权重最大，即目标输出体动值对加权体动值的影响最大，在目标输出体动值相较于前后的输出体动值变化较大时，可以保证计算结果的可靠性。
图5示出了本发明实施例的一种用户状态监测装置的功能框图。如图5所示，该装置包括：获取模块510、计算模块520和确定模块530。获取模块510，用于获取加速度传感器采集的目标用户在预设时间段内的体动数据。计算模块520，用于根据所述体动数据计算所述目标用户在各单位时间窗内的单位体动值，所述单位体动值用于指示所述目标用户在所述单位时间窗对应的时间段内的体动变化剧烈程度，所述单位时间窗对应的时间段小于所述预设时间段且属于所述预设时间段，所述单位时间窗对应的时间段组合形成所述预设时间段。确定模块530，用于根据所述目标用户在各单位时间窗内的单位体动值，确定所述目标用户在所述预设时间段内处于各预设状态的持续时间，以得到所述目标用户在所述预设时间段内的状态监测结果。
在一种可选的方式中，相邻两个所述单位时间窗对应的时间段在时间上部分重叠。
在一种可选的方式中，确定模块530进一步用于：
以预设时间长度为预设周期的时间长度，将预设周期对应的单位体动值累加，以得到各预设周期对应的输出体动值，所述预设周期包括至少一个所述单位时间窗；
根据所述预设周期对应的权重序列对所述各预设周期对应的输出体动值进行加权计算，以得到多个加权体动值；
根据所述多个加权体动值确定目标用户在所述预设时间段内处于各预设状态的持续时间。
在一种可选的方式中，确定模块530进一步用于：
计算预设滑动窗口内所有加权体动值的均值，所述预设滑动窗口的时间长度大于或等于所述预设周期的时间长度；
将所述预设时间段对应的各预设滑动窗口的均值与预设阈值比较，得到所述各预设滑动窗口对应的预设状态；
如果相邻两个预设滑动窗口的预设状态发生变化，则标记所述相邻两个预设滑动窗口的切换时刻；
根据所述切换时刻计算各预设状态的持续时间。
在一种可选的方式中，预设状态包括活动状态、休息状态和睡眠状态；确定模块530进一步用于：
如果预设滑动窗口对应的均值大于或等于所述预设阈值，则确定所述预设滑动窗口对应的预设状态为活动状态；
如果预设滑动窗口对应的均值小于所述预设阈值，且所述预设滑动窗口中存在一个大于所述预设阈值的加权体动值，则确定所述预设滑动窗口对应的预设状态为休息状态；
如果预设滑动窗口对应的均值小于所述预设阈值，且所述预设滑动窗口中的每一个加权体动值均小于所述预设阈值，则确定所述预设滑动窗口对应的预设状态为睡眠状态。
在一种可选的方式中，确定模块530进一步用于：
如根据所述权重序列和第一输出体动值，在第一序列中确定第二序列，所述第一序列为所述各预设周期对应的输出体动值组成的序列，所述第一输出体动值为所述第一序列中的任一输出体动值，所述第二序列包括所述第一输出体动值，所述第二序列中的输出体动值个数与所述权重序列中的权重个数相同；
根据所述权重序列，对第二序列进行加权计算，得到所述第一输出体动值对应的加权体动值；
将所述第一输出体动值更新为第二输出体动值，并执行根据所述权重序列和第一输出体动值，在第一序列中确定第二序列的步骤，所述第二输出体动值在所述第一序列中位于所述第一输出体动值之后。
在一种可选的方式中，权重序列中的各个权重值符合正态分布；所述确定模块530进一步用于：
根据所述权重序列和第一输出体动值，在第一序列中确定符合预设条件的第二序列；
所述预设条件为：所述第一输出体动值在所述第二序列中的位置与所述权重序列中的最大权重在所述权重序列中的位置相同。
本发明实施例在加速度传感器采集的体动值基础上得到单位时间窗内的单位体动数据，在单位体动值基础上得到得到各预设状态的持续时间，从而确定目标用户在预设时间段内的状态监测结果。由于人体在各个状态下均会产生体动，不同状态下的体动值不同，因此，通过上述方式可以实现对人体状态的实时监测。此外，本发明实施例通过分析各预设状态的持续时间得到各预设状态的监测结果，在根据监测结果评估健康状况时，综合考虑了各个预设状态的监测结果，健康状况评估结果更加准确可靠。
图6示出了本发明实施例的一种计算设备的结构示意图，本发明具体实施例并不对计算设备的具体实现做限定。
如图6所示，该计算设备可以包括：处理器(processor)602、通信接口(Communications Interface)604、存储器(memory)606、以及通信总线608。
其中：处理器602、通信接口604、以及存储器606通过通信总线608完成相互间的通信。通信接口604，用于与其它设备比如客户端或其它服务器等的网元通信。处理器602，用于执行程序610，具体可以执行上述用于状态监测方法实施例中的相关步骤。
具体地，程序610可以包括程序代码，该程序代码包括计算机可执行指令。
处理器602可能是中央处理器CPU，或者是特定集成电路ASIC(ApplicationSpecific Integrated Circuit)，或者是被配置成实施本发明实施例的一个或多个集成电路。计算设备包括的一个或多个处理器，可以是同一类型的处理器，如一个或多个CPU；也可以是不同类型的处理器，如一个或多个CPU以及一个或多个ASIC。
存储器606，用于存放程序610。存储器606可能包含高速RAM存储器，也可能还包括非易失性存储器(non-volatile memory)，例如至少一个磁盘存储器。
程序610具体可以被处理器602调用使计算设备执行图1中的步骤110～步骤130，图2中的步骤210～步骤250，图3中的步骤310～步骤340，图4中的步骤410～步骤430，或者实现图5中的模块510～模块530的功能。
本发明实施例提供了一种计算机可读存储介质，所述存储介质存储有至少一可执行指令，该可执行指令在计算设备/装置上运行时，使得所述计算设备/装置执行上述任意方法实施例中的一种用户状态监测方法对应的操作。
本发明实施例提供了一种计算机程序，所述计算机程序可被处理器调用使计算设备执行上述任意方法实施例中的一种用户状态监测方法对应的操作。
本发明实施例提供了一种计算机程序产品，计算机程序产品包括存储在计算机可读存储介质上的计算机程序，计算机程序包括程序指令，当程序指令在计算机上运行时，使得所述计算机执行上述任意方法实施例中的一种用户状态监测方法对应的操作。
在此提供的算法或显示不与任何特定计算机、虚拟系统或者其它设备固有相关。各种通用系统也可以与基于在此的示教一起使用。根据上面的描述，构造这类系统所要求的结构是显而易见的。此外，本发明实施例也不针对任何特定编程语言。应当明白，可以利用各种编程语言实现在此描述的本发明的内容，并且上面对特定语言所做的描述是为了披露本发明的最佳实施方式。
在此处所提供的说明书中，说明了大量具体细节。然而，能够理解，本发明的实施例可以在没有这些具体细节的情况下实践。在一些实例中，并未详细示出公知的方法、结构和技术，以便不模糊对本说明书的理解。
类似地，应当理解，为了精简本发明并帮助理解各个发明方面中的一个或多个，在上面对本发明的示例性实施例的描述中，本发明实施例的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而，并不应将该公开的方法解释成反映如下意图：即所要求保护的本发明要求比在每个权利要求中所明确记载的特征更多的特征。
本领域技术人员可以理解，可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件，以及可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外，可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述，本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。
应该注意的是上述实施例对本发明进行说明而不是对本发明进行限制，并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中，不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本发明可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中，这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。上述实施例中的步骤，除有特殊说明外，不应理解为对执行顺序的限定。

Claims (8)

1.一种用户状态监测方法，其特征在于，所述方法包括：
获取加速度传感器采集的目标用户在预设时间段内的体动数据；
根据所述体动数据计算所述目标用户在各单位时间窗内的单位体动值，所述单位体动值用于指示所述目标用户在所述单位时间窗对应的时间段内的体动变化剧烈程度，所述单位时间窗对应的时间段小于所述预设时间段且属于所述预设时间段，所述单位时间窗对应的时间段组合形成所述预设时间段；
根据所述目标用户在各单位时间窗内的单位体动值，确定所述目标用户在所述预设时间段内处于各预设状态的持续时间，以得到所述目标用户在所述预设时间段内的状态监测结果；
所述根据所述目标用户在各单位时间窗内的单位体动值，确定所述目标用户在所述预设时间段内处于各预设状态的持续时间，包括：
以预设时间长度为预设周期的时间长度，将预设周期对应的单位体动值累加，以得到各预设周期对应的输出体动值，所述预设周期包括至少一个所述单位时间窗；
根据所述预设周期对应的权重序列对所述各预设周期对应的输出体动值进行加权计算，以得到多个加权体动值；
根据所述多个加权体动值确定目标用户在所述预设时间段内处于各预设状态的持续时间；
所述根据所述预设周期对应的权重序列对所述各预设周期对应的输出体动值进行加权计算，以得到多个加权体动值，包括：
根据所述权重序列和第一输出体动值，在第一序列中确定第二序列，所述第一序列为所述各预设周期对应的输出体动值组成的序列，所述第一输出体动值为所述第一序列中的任一输出体动值，所述第二序列包括所述第一输出体动值，所述第二序列中的输出体动值个数与所述权重序列中的权重个数相同；
根据所述权重序列，对第二序列进行加权计算，得到所述第一输出体动值对应的加权体动值；
将所述第一输出体动值更新为第二输出体动值，并执行根据所述权重序列和第一输出体动值，在第一序列中确定第二序列的步骤，所述第二输出体动值在所述第一序列中位于所述第一输出体动值之后。
2.根据权利要求1所述的方法，其特征在于，相邻两个所述单位时间窗对应的时间段在时间上部分重叠。
3.根据权利要求1所述的方法，其特征在于，所述根据所述多个加权体动值确定目标用户在所述预设时间段内处于各预设状态的持续时间，包括：
计算预设滑动窗口内所有加权体动值的均值，所述预设滑动窗口的时间长度大于或等于所述预设周期的时间长度；
将所述预设时间段对应的各预设滑动窗口的均值与预设阈值比较，得到所述各预设滑动窗口对应的预设状态；
如果相邻两个预设滑动窗口的预设状态发生变化，则标记所述相邻两个预设滑动窗口的切换时刻；
根据所述切换时刻计算各预设状态的持续时间。
4.根据权利要求3所述的方法，其特征在于，所述预设状态包括活动状态、休息状态和睡眠状态；
所述将所述预设时间段对应的各预设滑动窗口的均值与预设阈值比较，得到所述各预设滑动窗口对应的预设状态，包括：
如果预设滑动窗口对应的均值大于或等于所述预设阈值，则确定所述预设滑动窗口对应的预设状态为活动状态；
如果预设滑动窗口对应的均值小于所述预设阈值，且所述预设滑动窗口中存在一个大于所述预设阈值的加权体动值，则确定所述预设滑动窗口对应的预设状态为休息状态；
如果预设滑动窗口对应的均值小于所述预设阈值，且所述预设滑动窗口中的每一个加权体动值均小于所述预设阈值，则确定所述预设滑动窗口对应的预设状态为睡眠状态。
5.根据权利要求1所述的方法，其特征在于，所述权重序列中的各个权重值符合正态分布；
所述根据所述权重序列和第一输出体动值，在第一序列中确定第二序列，包括：
根据所述权重序列和第一输出体动值，在第一序列中确定符合预设条件的第二序列；
所述预设条件为：所述第一输出体动值在所述第二序列中的位置与所述权重序列中的最大权重在所述权重序列中的位置相同。
6.一种状态监测装置，其特征在于，所述装置包括：
获取模块，用于获取加速度传感器采集的目标用户在预设时间段内的体动数据；
计算模块，用于根据所述体动数据计算所述目标用户在各单位时间窗内的单位体动值，所述单位体动值用于指示所述目标用户在所述单位时间窗对应的时间段内的体动变化剧烈程度，所述单位时间窗对应的时间段小于所述预设时间段且属于所述预设时间段，所述单位时间窗对应的时间段组合形成所述预设时间段；
确定模块，用于根据所述目标用户在各单位时间窗内的单位体动值，确定所述目标用户在所述预设时间段内处于各预设状态的持续时间，以得到所述目标用户在所述预设时间段内的状态监测结果；
所述根据所述目标用户在各单位时间窗内的单位体动值，确定所述目标用户在所述预设时间段内处于各预设状态的持续时间，包括：
以预设时间长度为预设周期的时间长度，将预设周期对应的单位体动值累加，以得到各预设周期对应的输出体动值，所述预设周期包括至少一个所述单位时间窗；
根据所述预设周期对应的权重序列对所述各预设周期对应的输出体动值进行加权计算，以得到多个加权体动值；
根据所述多个加权体动值确定目标用户在所述预设时间段内处于各预设状态的持续时间；
所述根据所述预设周期对应的权重序列对所述各预设周期对应的输出体动值进行加权计算，以得到多个加权体动值，包括：
根据所述权重序列和第一输出体动值，在第一序列中确定第二序列，所述第一序列为所述各预设周期对应的输出体动值组成的序列，所述第一输出体动值为所述第一序列中的任一输出体动值，所述第二序列包括所述第一输出体动值，所述第二序列中的输出体动值个数与所述权重序列中的权重个数相同；
根据所述权重序列，对第二序列进行加权计算，得到所述第一输出体动值对应的加权体动值；
将所述第一输出体动值更新为第二输出体动值，并执行根据所述权重序列和第一输出体动值，在第一序列中确定第二序列的步骤，所述第二输出体动值在所述第一序列中位于所述第一输出体动值之后。
7.一种计算设备，其特征在于，所述计算设备包括：处理器、存储器、通信接口和通信总线，所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信；
所述存储器用于存放至少一可执行指令，所述可执行指令使所述处理器执行如权利要求1-5任意一项所述的一种用户状态监测方法对应的操作。
8.一种计算机存储介质，其特征在于，所述计算机存储介质存储有至少一条可执行指令，所述可执行指令在计算装置/设备上运行时，使所述计算装置/设备执行如权利要求1-5任意一项所述的一种用户状态监测方法对应的操作。
CN202010676035.2A 2020-07-14 2020-07-14 用户状态监测方法、装置、计算设备及计算机存储介质 Active CN111870250B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010676035.2A CN111870250B (zh) 2020-07-14 2020-07-14 用户状态监测方法、装置、计算设备及计算机存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010676035.2A CN111870250B (zh) 2020-07-14 2020-07-14 用户状态监测方法、装置、计算设备及计算机存储介质

Publications (2)

Publication Number Publication Date
CN111870250A CN111870250A (zh) 2020-11-03
CN111870250B true CN111870250B (zh) 2023-05-09

Family

ID=73150238

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010676035.2A Active CN111870250B (zh) 2020-07-14 2020-07-14 用户状态监测方法、装置、计算设备及计算机存储介质

Country Status (1)

Country Link
CN (1) CN111870250B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113592116B (zh) * 2021-09-28 2022-03-01 阿里云计算有限公司 设备状态分析方法、装置、设备和存储介质
CN114326490A (zh) * 2021-12-15 2022-04-12 深圳市龙光云众智慧科技有限公司 一种设备的控制方法、装置、监控设备和介质

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6114918B2 (ja) * 2013-05-16 2017-04-19 株式会社タニタ 活動量計
JP6186896B2 (ja) * 2013-06-03 2017-08-30 アイシン精機株式会社 睡眠判定装置と睡眠判定方法
CN103750820B (zh) * 2013-12-26 2015-09-23 沈阳熙康阿尔卑斯科技有限公司 一种睡眠质量监测方法及装置
CN108697378B (zh) * 2017-10-20 2021-02-23 深圳和而泰智能控制股份有限公司 一种睡眠体动监测方法、装置及睡眠体动监测仪
CN109394227A (zh) * 2018-09-19 2019-03-01 深圳市赛亿科技开发有限公司 基于头枕的体动监测方法和装置、电子设备、存储介质
CN109498001B (zh) * 2018-12-25 2021-08-31 深圳和而泰数据资源与云技术有限公司 睡眠质量评估方法和装置

Also Published As

Publication number Publication date
CN111870250A (zh) 2020-11-03

Similar Documents

Publication Publication Date Title
CN110851338B (zh) 异常检测方法、电子设备及存储介质
JP6849106B2 (ja) 生体信号を用いるストレス推定装置およびストレス推定方法
CN111870250B (zh) 用户状态监测方法、装置、计算设备及计算机存储介质
CN109363659B (zh) 基于深度学习的心率监控方法、装置及存储介质
Kang et al. Real-time elderly activity monitoring system based on a tri-axial accelerometer
JP6052278B2 (ja) 動作判定装置、動作判定システムおよび動作判定方法
CN107918688B (zh) 场景模型动态估计方法、数据分析方法及装置、电子设备
US20230117088A1 (en) Method and device for improving performance of data processing model, storage medium and electronic device
CN110151136A (zh) 有条件参考心率睡眠状态监测方法、装置、设备及介质
WO2019121655A1 (en) A probability-based detector and controller apparatus, method, computer program
Sideridis et al. Gesturekeeper: Gesture recognition for controlling devices in iot environments
CN105212941A (zh) 一种人体活动状态识别方法及系统
CN109065176B (zh) 一种血糖预测方法、装置、终端和存储介质
CN107729144B (zh) 应用控制方法、装置、存储介质及电子设备
CN110472788B (zh) 一种人员信息预测方法及装置
CN115619138B (zh) 基于数字孪生的楼宇管控运营的方法、装置、设备及介质
MacEachern et al. Configurable fpga-based outlier detection for time series data
EP3499513A1 (en) Determining whether a hypothesis concerning a signal is true
Schibon et al. Saving energy on wrist-mounted inertial sensors by motion-adaptive duty-cycling in free-living
CN113361381B (zh) 人体关键点检测模型训练方法、检测方法及装置
CN113208566A (zh) 一种数据处理方法、装置、电子设备及存储介质
CN112162595B (zh) 一种垂臂旋转识别方法及可穿戴终端
CN114237394B (zh) 一种运动识别方法、装置、设备及介质
CN115732087A (zh) 基于可穿戴设备的在床状态监测方法、装置及计算机设备
RU2761500C1 (ru) Вероятностное устройство вычисления математического ожидания

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