CN112022172B - 一种基于多模态生理数据的压力检测方法和装置 - Google Patents

一种基于多模态生理数据的压力检测方法和装置 Download PDF

Info

Publication number
CN112022172B
CN112022172B CN202010915770.4A CN202010915770A CN112022172B CN 112022172 B CN112022172 B CN 112022172B CN 202010915770 A CN202010915770 A CN 202010915770A CN 112022172 B CN112022172 B CN 112022172B
Authority
CN
China
Prior art keywords
pressure
user
information
obtaining
signal information
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
CN202010915770.4A
Other languages
English (en)
Other versions
CN112022172A (zh
Inventor
刘旭
赵国朕
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.)
Beijing Zhongke Xinyan Technology Co ltd
Original Assignee
Beijing Zhongke Xinyan 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 Beijing Zhongke Xinyan Technology Co ltd filed Critical Beijing Zhongke Xinyan Technology Co ltd
Priority to CN202010915770.4A priority Critical patent/CN112022172B/zh
Publication of CN112022172A publication Critical patent/CN112022172A/zh
Application granted granted Critical
Publication of CN112022172B publication Critical patent/CN112022172B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/16Devices for psychotechnics; Testing reaction times ; Devices for evaluating the psychological state
    • A61B5/165Evaluating the state of mind, e.g. depression, anxiety

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Psychiatry (AREA)
  • Engineering & Computer Science (AREA)
  • Educational Technology (AREA)
  • Biomedical Technology (AREA)
  • Hospice & Palliative Care (AREA)
  • Psychology (AREA)
  • Social Psychology (AREA)
  • Physics & Mathematics (AREA)
  • Child & Adolescent Psychology (AREA)
  • Biophysics (AREA)
  • Pathology (AREA)
  • Developmental Disabilities (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Medical Informatics (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

本发明提供了一种基于多模态生理数据的压力检测方法和装置,涉及心理压力测评技术领域,通过采集用户的第一压力数据之后,获得第一压力模型;采集用户的第二压力数据之后,获得第二压力模型;根据第一压力模型、第二压力模型,确定目标压力模型;根据目标压力模型,向移动终端发送实时压力数据;判断实时压力数据是否满足第一预设条件;若不满足,获得周围环境信息;判断周围环境信息是否满足第二预设条件;若满足,向用户发送第一预警信号;当用户确认第一预警信号之后,按照预设策略为用户设定情绪调节体系,达到了能够准确的对用户压力进行实时监测和预警,提高用户的心理压力模型与用户的匹配度的技术效果。

Description

一种基于多模态生理数据的压力检测方法和装置
技术领域
本发明涉及心理压力测评技术领域,尤其涉及一种基于多模态生理数据的压力检测方法和装置。
背景技术
随着经济的快速发展,社会转型,人们越来越多地面对各种压力源的威胁。若果长期处在压力环境下,不仅会对心理健康造成影响,更严重者还会威胁生命。现有技术中的测量压力方法主要通过测量在不同压力下的心理感受和生理信号的变化来评估个人心理压力水平。其中,自我报告式的问卷或量表检测是心理压力测评的传统方法,该方法是主观测评方法。
但本发明申请人发现现有技术至少存在如下技术问题:
现有心理压力测评方法,仅在一定程度上反映个体的心理压力,且心理压力模型的准确度不高,导致对压力水平的实时监测和预警效果不佳。
发明内容
本发明实施例提供了一种基于多模态生理数据的压力检测方法和装置,解决了现有技术中现有心理压力测评方法,仅在一定程度上反映个体的心理压力,且心理压力模型的准确度不高,导致对用户压力的监测和预警效果不佳的技术问题,达到了能够准确的对用户压力进行实时监测和预警,提高用户的心理压力模型与用户的匹配度的技术效果。
鉴于上述问题,提出了本申请实施例以便提供一种基于多模态生理数据的压力检测方法和装置。
第一方面,本发明提供了一种基于多模态生理数据的压力检测方法,应用于一智能电子设备,所述智能电子设备与一移动终端通过无线网络连接,且所述移动终端具有一客户端,其中,所述方法包括:采集用户的第一压力数据之后,获得第一压力模型;采集所述用户的第二压力数据之后,获得第二压力模型;根据所述第一压力模型、第二压力模型,确定目标压力模型;根据所述目标压力模型,向所述移动终端发送实时压力数据;判断所述实时压力数据是否满足第一预设条件;若不满足,则获得所述用户的周围环境信息;判断所述周围环境信息是否满足第二预设条件;若满足,则通过所述移动终端上的客户端向所述用户发送第一预警信号;当所述用户确认所述第一预警信号之后,按照预设策略为所述用户设定情绪调节体系。
第二方面,本发明提供了一种基于多模态生理数据的压力检测装置,所述装置包括:
第一获得单元,所述第一获得单元用于采集用户的第一压力数据之后,获得第一压力模型;
第二获得单元,所述第二获得单元用于采集所述用户的第二压力数据之后,获得第二压力模型;
第一确定单元,所述第一确定单元用于根据所述第一压力模型、第二压力模型,确定目标压力模型;
第一发送单元,所述第一发送单元用于根据所述目标压力模型,向所述移动终端发送实时压力数据;
第一判断单元,所述第一判断单元用于判断所述实时压力数据是否满足第一预设条件;
第三获得单元,所述第三获得单元用于若不满足,则获得所述用户的周围环境信息;
第二判断单元,所述第二判断单元用于判断所述周围环境信息是否满足第二预设条件;
第二发送单元,所述第二发送单元用于若满足,则通过所述移动终端上的客户端向所述用户发送第一预警信号;
第一设定单元,所述第一设定单元用于当所述用户确认所述第一预警信号之后,按照预设策略为所述用户设定情绪调节体系。
第三方面,本发明提供了一种基于多模态生理数据的压力检测装置,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现权利要求1-7任一项所述方法的步骤。
本申请实施例中的上述一个或多个技术方案,至少具有如下一种或多种技术效果:
本发明实施例提供的一种基于多模态生理数据的压力检测方法和装置,应用于一智能电子设备,所述智能电子设备与一移动终端通过无线网络连接,且所述移动终端具有一客户端,其中,所述方法包括:采集用户的第一压力数据之后,获得第一压力模型;采集所述用户的第二压力数据之后,获得第二压力模型;根据所述第一压力模型、第二压力模型,确定目标压力模型;根据所述目标压力模型,向所述移动终端发送实时压力数据;判断所述实时压力数据是否满足第一预设条件;若不满足,则获得所述用户的周围环境信息;判断所述周围环境信息是否满足第二预设条件;若满足,则通过所述移动终端上的客户端向所述用户发送第一预警信号;当所述用户确认所述第一预警信号之后,按照预设策略为所述用户设定情绪调节体系,从而解决了现有技术中现有心理压力测评方法,仅在一定程度上反映个体的心理压力,且心理压力模型的准确度不高,导致对用户压力的监测和预警效果不佳的技术问题,达到了能够准确的对用户压力进行实时监测和预警,提高用户的心理压力模型与用户的匹配度的技术效果。
上述说明仅是本发明技术方案的概述,为了能够更清楚了解本发明的技术手段,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
图1为本发明实施例中一种基于多模态生理数据的压力检测方法的流程示意图;
图2为本发明实施例中一种基于多模态生理数据的压力检测方法的另一的流程示意图;
图3为本发明实施例中一种基于多模态生理数据的压力检测方法的再一流程示意图;
图4为本发明实施例中一种基于多模态生理数据的压力检测方法中为了确定目标用户个人初始化压力模型的流程示意图;
图5为本发明实施例中一种基于多模态生理数据的压力检测方法中为了确定目标用户瞬间压力模型的流程示意图;
图6为本发明实施例中一种基于多模态生理数据的压力检测方法中为了对第二压力模型进行修正的流程示意图;
图7为本发明实施例中一种基于多模态生理数据的压力检测方法中为了实现对压力水平值进行预测的效果的流程示意图;
图8为本发明实施例中一种基于多模态生理数据的压力检测方法中为了对第一压力模型进行修正的流程示意图;
图9为本发明实施例中一种基于多模态生理数据的压力检测方法中为了对第一压力模型进行奖惩的流程示意图;
图10为本发明实施例中一种基于多模态生理数据的压力检测装置的结构示意图;
图11为本发明实施例中另一种示例性电子设备的结构示意图。
附图标记说明:第一获得单元11,第二获得单元12,第一确定单元13,第一发送单元14,第一判断单元15,第三获得单元16,第二判断单元17,第二发送单元18,第一设定单元19,总线300,接收器301,处理器302,发送器303,存储器304,总线接口306。
具体实施方式
本发明实施例提供了一种基于多模态生理数据的压力检测方法和装置,用于解决现有技术中现有心理压力测评方法,仅在一定程度上反映个体的心理压力,且心理压力模型的准确度不高,导致对用户压力的监测和预警效果不佳的技术问题,达到了能够准确的对用户压力进行实时监测和预警,提高用户的心理压力模型与用户的匹配度的技术效果。下面,将参考附图详细的描述根据本申请的示例实施例。显然,所描述的实施例仅是本申请的一部分实施例,而不是本申请的全部实施例,应理解,本申请不受这里描述的示例实施例的限制。
申请概述
随着经济的快速发展,社会转型,人们越来越多地面对各种压力源的威胁。若果长期处在压力环境下,不仅会对心理健康造成影响,更严重者还会威胁生命。现有技术中的测量压力方法主要通过测量在不同压力下的心理感受和生理信号的变化来评估个人心理压力水平。其中,自我报告式的问卷或量表检测是心理压力测评的传统方法,该方法是主观测评方法。但现有心理压力测评方法,仅在一定程度上反映个体的心理压力,且心理压力模型的准确度不高,导致对压力水平的实时监测和预警效果不佳。
针对上述技术问题,本发明提供的技术方案总体思路如下:
本申请实施例提供了一种基于多模态生理数据的压力检测方法,应用于一智能电子设备,所述智能电子设备与一移动终端通过无线网络连接,且所述移动终端具有一客户端,其中,所述方法包括:采集用户的第一压力数据之后,获得第一压力模型;采集所述用户的第二压力数据之后,获得第二压力模型;根据所述第一压力模型、第二压力模型,确定目标压力模型;根据所述目标压力模型,向所述移动终端发送实时压力数据;判断所述实时压力数据是否满足第一预设条件;若不满足,则获得所述用户的周围环境信息;判断所述周围环境信息是否满足第二预设条件;若满足,则通过所述移动终端上的客户端向所述用户发送第一预警信号;当所述用户确认所述第一预警信号之后,按照预设策略为所述用户设定情绪调节体系。
对于本申请实施例提供了一种基于多模态生理数据的压力检测方法,该方法运用于一智能电子设备的中心数据平台中,该数据平台与用户的手机软件进行数据关联,比如压力监测APP等。其中,本发明实施例中所获得的各类数据均是通过计算机通信技术自动从上述诸如压力监测APP中数据库进行自动匹配,关联,处理后予以获得。进一步的,通过计算机技术可以高效、自动匹配,关联,处理各类数据,进而解决本发明所要解决的技术问题,实现本发明的技术效果。
在介绍了本申请基本原理后,下面通过附图以及具体实施例对本发明技术方案做详细的说明,应当理解本申请实施例以及实施例中的具体特征是对本申请技术方案的详细的说明,而不是对本申请技术方案的限定,在不冲突的情况下,本申请实施例以及实施例中的技术特征可以相互组合。
实施例一
图1为本发明实施例中一种基于多模态生理数据的压力检测方法的流程示意图。如图1、2、3所示,本发明实施例提供了一种基于多模态生理数据的压力检测方法,应用于一智能电子设备,所述智能电子设备与一移动终端通过无线网络连接,且所述移动终端具有一客户端,所述方法包括:
步骤100:采集用户的第一压力数据之后,获得第一压力模型。
进一步的,为了确定目标用户个人初始化压力模型,如图4所示,本申请实施例步骤100还包括:
步骤110:获得问卷量表信息;
步骤120:获得压力评定信息;
步骤130:获得任务范式诱发信息;
步骤140:根据所述问卷量表信息、压力评定信息以及任务范式诱发信息,获得第一压力模型。
具体而言,本实施例中的心理压力检测方法主要应用于一智能电子设备,该智能电子设备可以是一智能手表、智能手环等,本实施例中不做具体限制。进一步的,将智能电子设备通过无线网络与一移动终端连接,该移动终端可以是智能手机、平板电脑等,同时,在移动终端上还安装有与压力检测方法相匹配的客户端,例如压力监测APP等。
在使用时,首先需要采集用户的第一压力数据,其中,本实施例中的第一压力数据为周期压力数据,包括问卷量表信息、压力评定信息以及任务范式诱发信息。也就是说,本实施例中的第一压力数据收集方案有问卷量表、主观压力评定、任务范式诱发,进而将多源生理数据合并,输出第一压力模型,并且所得到的第一压力模型即为个人初始压力模型。其中,问卷量表即为根据实际需要所设定的心理问卷量表,例如李克特量表,是美国社会心理学家李克特(R.A.Likert)提出,是对某事物的态度或看法的陈述组成,回答分为五类:非常同意、同意、不知道、不同意、非常不同意、或者赞成、比较赞成、无所谓、比较反对、反对。李克特量表是社会调查中最常用的一种量表形式,再比如鲍格达斯社会距离量表、语义差异量表等。主观压力评定是指由主观思维模式所造成的压力,也就是目标用户个人的主观评定。任务范式诱发可以根据实际需要选择不同的任务,例如视觉搜索范式、点探测范式、刺激反应一致性理论及其冲突效应实验、反向择物实验范式等等。举例而言,当智能电子设备为智能手表时,接着采用多模态生理数据手表,即可收集目标用户周期压力数据,进而达到确定目标用户个人初始化压力模型的目的。
步骤200:采集所述用户的第二压力数据之后,获得第二压力模型。
进一步的,为了确定目标用户瞬间压力模型,如图5所示,本申请实施例步骤200还包括:
步骤210:获得第一生理电信号信息;
步骤220:获得第一运动信号信息;
步骤230:根据所述第一生理电信号信息、第一运动信号信息,获得第二压力模型。
具体而言,采集用户的第二压力数据,获得第二压力模型。其中,第二压力数据为瞬时压力数据,包括生理电信号和运动信号。具体的:首先,实时收集用户生理数据,其中包括第一生理电信号信息和第一运动信号信息,进而根据第一生理电信号信息和第一运动信号信息,即可输出第二压力模型。其中,第二压力模型即为瞬间压力模型。进而通过实时收集用户生理数据,输出瞬时压力模型,达到确定目标用户瞬间压力模型的技术效果。
步骤300:根据所述第一压力模型、第二压力模型,确定目标压力模型。
具体而言,在得到第一压力模型、第二压力模型之后,即可进一步确定目标压力模型。具体的:将个人初始化压力模型和瞬间压力模型合并,然后输出目标压力模型,实时呈现用户当前压力水平,从而达到确定目标用户的目标压力模型目的。
进一步的,本实施例中的基于多模态生理数据的压力检测方法中,目标压力模型的获取也可结合人工智能技术来实现。具体的步骤为:获得用户的第一压力数据;获得用户的第二压力数据;将所述第一压力数据与所述第二压力数据输入训练模型,其中,所述训练模型通过多组训练数据训练获得,所述多组中的训练数据中的每一组训练数据均包括:所述第一压力数据、所述第二压力数据和用来标识预设压力模型的标识信息;获得所述训练模型的输出信息,其中,所述输出信息包括所述用户的目标压力模型。
其中,所述训练模型为机器学习模型中的神经网络模型,所述机器学习模型能通过大量数据不断的学习,进而不断地修正模型,最终获得满意的经验来处理其他数据。所述机器模型通过多组训练数据训练获得,所述神经网络模型通过训练数据训练的过程本质上为监督学习的过程。本申请实施例中的训练模型是通过多组训练数据利用机器学习训练得出的,多组中的训练数据中的每一组训练数据均包括:第一压力数据、第二压力数据和用来标识预设压力模型的标识信息。
其中,将预设压力模型的标识信息作为监督数据。输入所述每一组训练数据中,对第一压力数据、第二压力数据进行监督学习,确定所述训练模型的输出信息达到收敛状态。通过预设压力模型信息与所述训练模型的输出结果进行对比,当一致时,本组数据监督学习完成,进行下一组数据监督学习;当不一致时,则训练模型进行自我修正,直至其输出结果与标识的预设压力模型信息一致,本组监督学习完成,进行下一组数据监督学习;通过大量数据的监督学习,使得机器学习模型的输出结果达到收敛状态,则监督学习完成。通过对训练模型进行监督学习的过程,使得训练模型输出的目标压力模型信息更加准确,达到了能够准确的对用户压力进行实时监测和预警,提高用户的心理压力模型与用户的匹配度,实现智能化的效果。
步骤400:根据所述目标压力模型,向所述移动终端发送实时压力数据。
具体而言,在得到目标压力模型之后,即可向移动终端发送压力水平数据。换句话说,通过目标压力模型,即可输出目标用户的实时压力数据,进而实现对目标用户的压力水平进行监测的目的。例如,当目标用户戴着智能手表,然后将智能手表通过无线WI-FI和手机端App相连。在手机端App点击开始按钮,即进入压力水平的实时监测。
步骤500:判断所述实时压力数据是否满足第一预设条件;
步骤600:若不满足,则获得所述用户的周围环境信息;
步骤700:判断所述周围环境信息是否满足第二预设条件;
步骤800:若满足,则通过所述移动终端上的客户端向所述用户发送第一预警信号;
具体而言,当手机端接收到实时压力数据之后,进行实时压力显示。进一步的,需要判断该实时压力数据是否满足第一预设条件,也就是判断实时压力数据是否处于正常阈值范围内。如果不满足第一预设条件,则说明压力值出现异常。接着,需要先进行场景识别,也就是获得用户的周围环境信息,并进一步判断周围环境信息是否满足第二预设条件,也就是判断周围环境信息是否安全,当环境识别为安全后,则通过手机上安装的APP进行消息预警,说明用户此时的异常压力并非环境造成的,而是心理波动比较大,自身心理压力大。从而实现通过用户的周围环境,对用户的压力数据进行判断和分析,防止用户处于不安全的环境中,导致人身安全受到威胁的目的。
步骤900:当所述用户确认所述第一预警信号之后,按照预设策略为所述用户设定情绪调节体系。
具体而言,当用户接收到手机端弹出第一预警信号,并且按下了确认键。则需要进一步按照预设策略为用户设定情绪调节体系,即为用户提供心理干预服务。也就是说,当用户接受后,即可对用户进行情绪调节,如播放适合冥想的纯音乐、有助于放空的白噪音、调动积极情绪的谈话录音等,从而达到缓解用户心理压力的目的。若用户按下了取消键,则不再进行消息提醒。
进一步的,为了对第二压力模型进行修正,如图6所示,本申请实施例步骤400还包括:
步骤410:当所述实时压力数据满足第一预设条件时,获得所述移动终端的第一弹出信息;
步骤420:获得所述用户对于所述第一弹出信息的第一操作指令;
步骤430:当所述用户的第一操作指令为第一确认指令时,获得所述用户的第二生理电信号信息、第二运动信号信息;
步骤440:将所述第二生理电信号信息、第二运动信号信息、第一生理电信号信息和第一运动信号信息进行合并处理,获得迭代后的第二压力模型。
具体而言,当实时压力数据满足第一预设条件时,即实时压力数据为正常数据,则移动终端例如手机将会弹出第一弹出信息,用户在接收到第一弹出信息之后,将会对第一弹出信息执行相应的操作指令。当所述用户的第一操作指令为第一确认指令时,也就是说当手机端弹出当前压力水平确认,并且用户按下确认后,将此段生理数据合并到瞬时压力数据中。进而将获取到用户的第二生理电信号信息、第二运动信号信息,然后将第二生理电信号信息、第二运动信号信息、第一生理电信号信息和第一运动信号信息进行合并处理,进行瞬时压力模型的迭代。反之,如果用户没有点击确认按钮,而是点击第一取消指令,那么数据就不合并到生理数据中。只有用户点击确认按钮,数据才进行合并。因此,随着生理信号检测技术的应用,心理压力的系统性变化得以能够客观的量化,最终实现对模型进行修正的目的。
进一步的,为了实现对压力水平值进行预测的效果,如图7所示,本申请实施例步骤100还包括:
步骤150:获得所述用户在第一时间内的第一压力水平值;
步骤160:获得所述用户在第二时间内的第二压力水平值;
步骤170:根据所述第一压力水平值、第二压力水平值,获得所述用户的压力水平预测值。
具体而言,本实施例中的方法还可实现打点记录功能。用户日常可在不同场景和不同压力状态下,记录压力水平值。具体的:可以获得用户在第一时间内的第一压力水平值、以及用户在第二时间内的第二压力水平值,进而系统会根据第一压力水平值、第二压力水平值,预测出压力水平预测值,预测压力水平包括平静、中等压力、高压力,进而弹出当前预测的压力水平值,让用户确认。
进一步的,为了实现对第一压力模型进行修正的效果,如图8所示,本申请实施例步骤170还包括:
步骤171:获得所述移动终端的第二弹出信息;
步骤172:获得所述用户对于所述第二弹出信息的第二操作指令;
步骤173:当所述用户的第二操作指令为第二确认指令时,获得所述用户在第一时间内的第三生理电信号信息、第三运动信号信息,以及所述用户在第二时间内的第四生理电信号信息、第四运动信号信息;
步骤174:将所述第一压力水平值、第二压力水平值、第三生理电信号信息、第三运动信号信息、第四生理电信号信息、第四运动信号信息合并至所述第一压力模型中。
具体而言,当预测出压力水平预测值之后,移动终端将会弹出第二弹出信息,其中,第二弹出信息即为当前预测的压力水平值,然后用户在接收到第二弹出信息之后,将会对第二弹出信息执行相应的操作指令。当所述用户的第二操作指令为第二确认指令时,也就是说当手机端弹出当前压力水平预测值之后,并且用户按下确认后,进一步采集到的用户在第一时间内的第三生理电信号信息、第三运动信号信息,以及用户在第二时间内的第四生理电信号信息、第四运动信号信息,然后将此段生理数据合并到个人初始压力模型中,即,将第一压力水平值、第二压力水平值、第三生理电信号信息、第三运动信号信息、第四生理电信号信息、第四运动信号信息合并至第一压力模型中,从而迭代模型的准确率,达到了能够准确的对用户压力进行实时监测和预警,提高用户的心理压力模型与用户的匹配度,实现智能化的效果。
进一步的,为了实现对第一压力模型进行奖惩的效果,如图9所示,本申请实施例步骤173还包括:
步骤1731:当所述用户的第二操作指令为第二确认指令时,对所述第一压力模型进行奖赏;
步骤1732:当所述用户的第二操作指令为第二取消指令时,对所述第一压力模型进行惩罚。
具体而言,当用户在接收到预测压力水平之后,所选择的操作指令为确认指令时,则对第一压力模型进行奖赏,反之,若用户所选择的操作指令为取消指令时,则对第一压力模型进行惩罚。
实施例二
基于与前述实施例中一种基于多模态生理数据的压力检测方法同样的发明构思,本发明还提供一种基于多模态生理数据的压力检测方法装置,如图10所示,所述装置包括:
第一获得单元11,所述第一获得单元11用于采集用户的第一压力数据之后,获得第一压力模型;
第二获得单元12,所述第二获得单元12用于采集所述用户的第二压力数据之后,获得第二压力模型;
第一确定单元13,所述第一确定单元13用于根据所述第一压力模型、第二压力模型,确定目标压力模型;
第一发送单元14,所述第一发送单元14用于根据所述目标压力模型,向所述移动终端发送实时压力数据;
第一判断单元15,所述第一判断单元15用于判断所述实时压力数据是否满足第一预设条件;
第三获得单元16,所述第三获得单元16用于若不满足,则获得所述用户的周围环境信息;
第二判断单元17,所述第二判断单元17用于判断所述周围环境信息是否满足第二预设条件;
第二发送单元18,所述第二发送单元18用于若满足,则通过所述移动终端上的客户端向所述用户发送第一预警信号;
第一设定单元19,所述第一设定单元19用于当所述用户确认所述第一预警信号之后,按照预设策略为所述用户设定情绪调节体系。
进一步的,所述采集用户的第一压力数据之后,获得第一压力模型,包括:
第四获得单元,所述第四获得单元用于获得问卷量表信息;
第五获得单元,所述第五获得单元用于获得压力评定信息;
第六获得单元,所述第六获得单元用于获得任务范式诱发信息;
第七获得单元,所述第七获得单元用于根据所述问卷量表信息、压力评定信息以及任务范式诱发信息,获得第一压力模型。
进一步的,所述采集所述用户的第二压力数据之后,获得第二压力模型,包括:
第八获得单元,所述第八获得单元用于获得第一生理电信号信息;
第九获得单元,所述第九获得单元用于获得第一运动信号信息;
第十获得单元,所述第十获得单元用于获得根据所述第一生理电信号信息、第一运动信号信息,获得第二压力模型。
进一步的,所述向所述移动终端发送实时压力数据之后,包括:
第十一获得单元,所述第十一获得单元当所述实时压力数据满足第一预设条件时,获得所述移动终端的第一弹出信息;
第十二获得单元,所述第十二获得单元用于获得所述用户对于所述第一弹出信息的第一操作指令;
第十三获得单元,所述第十三获得单元用于当所述用户的第一操作指令为第一确认指令时,获得所述用户的第二生理电信号信息、第二运动信号信息;
第十四获得单元,所述第十四获得单元用于将所述第二生理电信号信息、第二运动信号信息、第一生理电信号信息和第一运动信号信息进行合并处理,获得迭代后的第二压力模型。
进一步的,所述装置还包括:
第十五获得单元,所述第十五获得单元用于获得所述用户在第一时间内的第一压力水平值;
第十六获得单元,所述第十六获得单元用于获得所述用户在第二时间内的第二压力水平值;
第十七获得单元,所述第十七获得单元用于根据所述第一压力水平值、第二压力水平值,获得所述用户的压力水平预测值。
进一步的,所述装置还包括:
第十八获得单元,所述第十八获得单元用于获得所述移动终端的第二弹出信息;
第十九获得单元,所述第十九获得单元用于获得所述用户对于所述第二弹出信息的第二操作指令;
第二十获得单元,所述第二十获得单元用于当所述用户的第二操作指令为第二确认指令时,获得所述用户在第一时间内的第三生理电信号信息、第三运动信号信息,以及所述用户在第二时间内的第四生理电信号信息、第四运动信号信息;
第一执行单元,所述第一执行单元用于将所述第一压力水平值、第二压力水平值、第三生理电信号信息、第三运动信号信息、第四生理电信号信息、第四运动信号信息合并至所述第一压力模型中。
进一步的,所述装置还包括:
第二执行单元,所述第二执行单元用于当所述用户的第二操作指令为第二确认指令时,对所述第一压力模型进行奖赏;
第三执行单元,所述第三执行单元用于当所述用户的第二操作指令为第二取消指令时,对所述第一压力模型进行惩罚。
前述图1实施例一中的一种基于多模态生理数据的压力检测方法的各种变化方式和具体实例同样适用于本实施例的一种基于多模态生理数据的压力检测装置,通过前述对一种基于多模态生理数据的压力检测方法的详细描述,本领域技术人员可以清楚的知道本实施例中一种基于多模态生理数据的压力检测装置的实施方法,所以为了说明书的简洁,在此不再详述。
实施例三
基于与前述实施例中一种基于多模态生理数据的压力检测方法同样的发明构思,本发明还提供一种示例性电子设备,如图11所示,包括存储器304、处理器302及存储在存储器304上并可在处理器302上运行的计算机程序,所述处理器302执行所述程序时实现前文所述基于云计算的医疗服务方法的任一方法的步骤。
其中,在图11中,总线架构(用总线300来代表),总线300可以包括任意数量的互联的总线和桥,总线300将包括由处理器302代表的一个或多个处理器和存储器304代表的存储器的各种电路链接在一起。总线300还可以将诸如外围设备、稳压器和功率管理电路等之类的各种其他电路链接在一起,这些都是本领域所公知的,因此,本文不再对其进行进一步描述。总线接口306在总线300和接收器301和发送器303之间提供接口。接收器301和发送器303可以是同一个元件,即收发机,提供用于在传输介质上与各种其他装置通信的单元。处理器302负责管理总线300和通常的处理,而存储器304可以被用于存储处理器302在执行操作时所使用的数据。
本申请实施例中的上述一个或多个技术方案,至少具有如下一种或多种技术效果:
本发明实施例提供的一种基于多模态生理数据的压力检测方法和装置,应用于一智能电子设备,所述智能电子设备与一移动终端通过无线网络连接,且所述移动终端具有一客户端,其中,所述方法包括:采集用户的第一压力数据之后,获得第一压力模型;采集所述用户的第二压力数据之后,获得第二压力模型;根据所述第一压力模型、第二压力模型,确定目标压力模型;根据所述目标压力模型,向所述移动终端发送实时压力数据;判断所述实时压力数据是否满足第一预设条件;若不满足,则获得所述用户的周围环境信息;判断所述周围环境信息是否满足第二预设条件;若满足,则通过所述移动终端上的客户端向所述用户发送第一预警信号;当所述用户确认所述第一预警信号之后,按照预设策略为所述用户设定情绪调节体系,从而解决了现有技术中现有心理压力测评方法,仅在一定程度上反映个体的心理压力,且心理压力模型的准确度不高,导致对用户压力的监测和预警效果不佳的技术问题,达到了能够准确的对用户压力进行实时监测和预警,提高用户的心理压力模型与用户的匹配度的技术效果。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。

Claims (6)

1.一种基于多模态生理数据的压力检测方法,应用于一智能电子设备,所述智能电子设备与一移动终端通过无线网络连接,且所述移动终端具有一客户端,其中,所述方法包括:
采集用户的第一压力数据之后,获得第一压力模型;
采集所述用户的第二压力数据之后,获得第二压力模型;
根据所述第一压力模型、第二压力模型,确定目标压力模型;
根据所述目标压力模型,向所述移动终端发送实时压力数据;
判断所述实时压力数据是否满足第一预设条件;
若不满足,则获得所述用户的周围环境信息;
判断所述周围环境信息是否满足第二预设条件;
若满足,则通过所述移动终端上的客户端向所述用户发送第一预警信号;
当所述用户确认所述第一预警信号之后,按照预设策略为所述用户设定情绪调节体系;
其中,所述采集用户的第一压力数据之后,获得第一压力模型,包括:
获得问卷量表信息;
获得压力评定信息;
获得任务范式诱发信息;
根据所述问卷量表信息、压力评定信息以及任务范式诱发信息,获得第一压力模型;
其中,所述采集所述用户的第二压力数据之后,获得第二压力模型,包括:
获得第一生理电信号信息;
获得第一运动信号信息;
根据所述第一生理电信号信息、第一运动信号信息,获得第二压力模型;
其中,所述向所述移动终端发送实时压力数据之后,所述方法还包括:
当所述实时压力数据满足第一预设条件时,获得所述移动终端的第一弹出信息;
获得所述用户对于所述第一弹出信息的第一操作指令;
当所述用户的第一操作指令为第一确认指令时,获得所述用户的第二生理电信号信息、第二运动信号信息;
将所述第二生理电信号信息、第二运动信号信息、第一生理电信号信息和第一运动信号信息进行合并处理,获得迭代后的第二压力模型。
2.如权利要求1所述的方法,其特征在于,所述方法还包括:
获得所述用户在第一时间内的第一压力水平值;
获得所述用户在第二时间内的第二压力水平值;
根据所述第一压力水平值、第二压力水平值,获得所述用户的压力水平预测值。
3.如权利要求2所述的方法,其特征在于,所述方法还包括:
获得所述移动终端的第二弹出信息;
获得所述用户对于所述第二弹出信息的第二操作指令;
当所述用户的第二操作指令为第二确认指令时,获得所述用户在第一时间内的第三生理电信号信息、第三运动信号信息,以及所述用户在第二时间内的第四生理电信号信息、第四运动信号信息;
将所述第一压力水平值、第二压力水平值、第三生理电信号信息、第三运动信号信息、第四生理电信号信息、第四运动信号信息合并至所述第一压力模型中。
4.如权利要求3所述的方法,其特征在于,所述方法还包括:
当所述用户的第二操作指令为第二确认指令时,对所述第一压力模型进行奖赏;
当所述用户的第二操作指令为第二取消指令时,对所述第一压力模型进行惩罚。
5.一种基于多模态生理数据的压力检测装置,其特征在于,所述装置包括:
第一获得单元,所述第一获得单元用于采集用户的第一压力数据之后,获得第一压力模型;
第二获得单元,所述第二获得单元用于采集所述用户的第二压力数据之后,获得第二压力模型;
第一确定单元,所述第一确定单元用于根据所述第一压力模型、第二压力模型,确定目标压力模型;
第一发送单元,所述第一发送单元用于根据所述目标压力模型,向移动终端发送实时压力数据;
第一判断单元,所述第一判断单元用于判断所述实时压力数据是否满足第一预设条件;
第三获得单元,所述第三获得单元用于若不满足,则获得所述用户的周围环境信息;
第二判断单元,所述第二判断单元用于判断所述周围环境信息是否满足第二预设条件;
第二发送单元,所述第二发送单元用于若满足,则通过移动终端上的客户端向所述用户发送第一预警信号;
第一设定单元,所述第一设定单元用于当所述用户确认所述第一预警信号之后,按照预设策略为所述用户设定情绪调节体系;
第四获得单元,所述第四获得单元用于获得问卷量表信息;
第五获得单元,所述第五获得单元用于获得压力评定信息;
第六获得单元,所述第六获得单元用于获得任务范式诱发信息;
第七获得单元,所述第七获得单元用于根据所述问卷量表信息、压力评定信息以及任务范式诱发信息,获得第一压力模型;
第八获得单元,所述第八获得单元用于获得第一生理电信号信息;
第九获得单元,所述第九获得单元用于获得第一运动信号信息;
第十获得单元,所述第十获得单元用于获得根据所述第一生理电信号信息、第一运动信号信息,获得第二压力模型;
第十一获得单元,所述第十一获得单元当所述实时压力数据满足第一预设条件时,获得移动终端的第一弹出信息;
第十二获得单元,所述第十二获得单元用于获得所述用户对于所述第一弹出信息的第一操作指令;
第十三获得单元,所述第十三获得单元用于当所述用户的第一操作指令为第一确认指令时,获得所述用户的第二生理电信号信息、第二运动信号信息;
第十四获得单元,所述第十四获得单元用于将所述第二生理电信号信息、第二运动信号信息、第一生理电信号信息和第一运动信号信息进行合并处理,获得迭代后的第二压力模型。
6.一种基于多模态生理数据的压力检测装置,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现权利要求1-4任一项所述方法的步骤。
CN202010915770.4A 2020-09-03 2020-09-03 一种基于多模态生理数据的压力检测方法和装置 Active CN112022172B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010915770.4A CN112022172B (zh) 2020-09-03 2020-09-03 一种基于多模态生理数据的压力检测方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010915770.4A CN112022172B (zh) 2020-09-03 2020-09-03 一种基于多模态生理数据的压力检测方法和装置

Publications (2)

Publication Number Publication Date
CN112022172A CN112022172A (zh) 2020-12-04
CN112022172B true CN112022172B (zh) 2023-03-28

Family

ID=73592374

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010915770.4A Active CN112022172B (zh) 2020-09-03 2020-09-03 一种基于多模态生理数据的压力检测方法和装置

Country Status (1)

Country Link
CN (1) CN112022172B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113243918B (zh) * 2021-06-11 2021-11-30 深圳般若计算机系统股份有限公司 基于多模态隐匿信息测试的风险检测方法及装置
CN116763312B (zh) * 2023-08-21 2023-12-05 上海迎智正能文化发展有限公司 一种基于可穿戴设备的异常情绪识别方法及系统

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101337103B (zh) * 2008-08-28 2013-03-20 北京阳光易德科技发展有限公司 一种压力与情绪调节系统及一种生理信号采集装置
CN102043894B (zh) * 2009-10-13 2014-09-17 北京大学 一种生理数据监测系统及方法
CN106923846B (zh) * 2015-12-31 2021-01-19 深圳先进技术研究院 一种心理压力评估与反馈系统
WO2018090304A1 (zh) * 2016-11-17 2018-05-24 华为技术有限公司 一种精神压力评测方法和装置
WO2019037045A1 (zh) * 2017-08-24 2019-02-28 华为技术有限公司 一种心理压力评估方法及设备
CN109065187A (zh) * 2018-07-27 2018-12-21 赵凯 一种尿液跟踪分析方法和装置
CN109460752B (zh) * 2019-01-10 2020-10-16 广东乐心医疗电子股份有限公司 一种情绪分析方法、装置、电子设备及存储介质
CN110060770A (zh) * 2019-04-22 2019-07-26 北京倍肯恒业科技发展股份有限公司 一种医疗检测的信息处理方法和装置
CN110444266A (zh) * 2019-07-01 2019-11-12 江苏环亚医用科技集团股份有限公司 一种基于疾病监控的药物管理方法和装置
CN111513730B (zh) * 2020-03-20 2023-06-09 合肥工业大学 基于多通道生理数据的心理压力预测方法和系统

Also Published As

Publication number Publication date
CN112022172A (zh) 2020-12-04

Similar Documents

Publication Publication Date Title
US20200260977A1 (en) Method for diagnosing cognitive disorder, and computer program
CN104334075B (zh) 具有调整通知的生物测定属性异常检测系统
King et al. Micro-stress EMA: A passive sensing framework for detecting in-the-wild stress in pregnant mothers
RU2757048C1 (ru) Способ и система оценки здоровья тела человека на основе данных большого объема о сне
CN112022172B (zh) 一种基于多模态生理数据的压力检测方法和装置
Sharma et al. Fast and accurate diagnosis of autism (FADA): a novel hierarchical fuzzy system based autism detection tool
KR102424629B1 (ko) 딥러닝 모듈을 이용한 발달장애 개선 시스템 및 방법
Goumopoulos et al. Mental fatigue detection using a wearable commodity device and machine learning
WO2020240534A1 (en) System and method for cognitive training and monitoring
Seelig et al. Physical exercise participation: A continuous or categorical phenomenon?
Yu et al. Air traffic controllers' mental fatigue recognition: A multi-sensor information fusion-based deep learning approach
Martínez Fernández et al. Self-aware trader: A new approach to safer trading
Jing et al. Data-driven implicit design preference prediction model for product concept evaluation via BP neural network and EEG
WO2018221488A1 (ja) ノウハウ情報処理システム、方法及び装置
CN112006701A (zh) 一种驾驶疲劳的检测方法及系统
CN112168188A (zh) 一种用于压力检测数据的处理方法和装置
Hwang et al. A real-time warning model for teamwork performance and system safety in nuclear power plants
US20200185110A1 (en) Computer-implemented method and an apparatus for use in detecting malingering by a first subject in one or more physical and/or mental function tests
Sun et al. Ada-automatic detection of alcohol usage for mobile ambulatory assessment
CN109620263B (zh) 一种企事业单位上岗人员体征安全分析方法
CN116269385A (zh) 设备使用体验的监测方法、装置、设备及存储介质
KR102302411B1 (ko) 생체 데이터를 비롯한 각종 데이터를 사용하는 인공지능 모델을 이용한 금융상품 매매 방법, 서버 및 컴퓨터프로그램
Shaposhnyk et al. Inferring cognitive load level from physiological and personality traits
Ekiz et al. Long short-term memory network based unobtrusive workload monitoring with consumer grade smartwatches
EP3255593A1 (en) Performance analysing and forecasting system

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