CN112185556A - 健康状态的确定方法和装置、存储介质、电子装置 - Google Patents
健康状态的确定方法和装置、存储介质、电子装置 Download PDFInfo
- Publication number
- CN112185556A CN112185556A CN202010968010.XA CN202010968010A CN112185556A CN 112185556 A CN112185556 A CN 112185556A CN 202010968010 A CN202010968010 A CN 202010968010A CN 112185556 A CN112185556 A CN 112185556A
- Authority
- CN
- China
- Prior art keywords
- data
- health
- model
- training
- wearable device
- 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
- 230000036541 health Effects 0.000 title claims abstract description 70
- 238000000034 method Methods 0.000 title claims abstract description 43
- 238000013499 data model Methods 0.000 claims abstract description 41
- 238000012549 training Methods 0.000 claims description 40
- 238000012360 testing method Methods 0.000 claims description 27
- 230000003862 health status Effects 0.000 claims description 21
- 230000015654 memory Effects 0.000 claims description 20
- 210000003205 muscle Anatomy 0.000 claims description 8
- 230000036772 blood pressure Effects 0.000 claims description 7
- 238000004590 computer program Methods 0.000 claims description 4
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 238000013075 data extraction Methods 0.000 claims description 3
- 238000000638 solvent extraction Methods 0.000 claims 1
- 230000006378 damage Effects 0.000 description 9
- 230000005540 biological transmission Effects 0.000 description 6
- 238000004458 analytical method Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 208000037805 labour Diseases 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 230000009467 reduction Effects 0.000 description 4
- 238000012216 screening Methods 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 208000027418 Wounds and injury Diseases 0.000 description 2
- 239000000969 carrier Substances 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 208000014674 injury Diseases 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012827 research and development Methods 0.000 description 2
- 206010049565 Muscle fatigue Diseases 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000013145 classification model Methods 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 210000001097 facial muscle Anatomy 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 239000013598 vector Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F1/00—Details not covered by groups G06F3/00 - G06F13/00 and G06F21/00
- G06F1/16—Constructional details or arrangements
- G06F1/1613—Constructional details or arrangements for portable computers
- G06F1/163—Wearable computers, e.g. on a belt
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2465—Query processing support for facilitating data mining operations in structured databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/25—Integrating or interfacing systems involving database management systems
- G06F16/252—Integrating or interfacing systems involving database management systems between a Database Management System and a front-end application
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/25—Integrating or interfacing systems involving database management systems
- G06F16/254—Extract, transform and load [ETL] procedures, e.g. ETL data flows in data warehouses
Abstract
本申请公开了一种健康状态的确定方法和装置、存储介质、电子装置。其中，该方法包括：通过可穿戴设备采集第一对象的第一数据，其中，所述第一数据用于表示所述第一对象在搬运物体时产生的健康数据；利用所述第一数据建立目标数据模型；通过可穿戴设备采集第二对象的第二数据，其中，所述第二数据为所述第二对象在搬运物体时产生的健康数据；在所述目标数据模型中根据所述第二数据确定所述第二对象的健康状态。本申请解决了相关技术中不能检测健康状态的技术问题。
Description
技术领域
本申请涉及可穿戴设备领域，具体而言，涉及一种健康状态的确定方法和装置、存储介质、电子装置。
背景技术
虽然我国经济得到了长足的发展，但是由于各种原因，部分人的体力劳动无法被替代，这部分人由于长期的体力劳动导致身体的某些部分出现了不同程度的损伤，但是现有的可穿戴设备中只能到检测到用户的心率，血压状况，无法检测到用户肌肉的受力情况，也并没有综合以上各种指标来检测用户的身体承受能力，无法预防高强度劳动对用户身体的损伤。
针对上述的问题，目前尚未提出有效的解决方案。
发明内容
本申请实施例提供了一种健康状态的确定方法和装置、存储介质、电子装置，以至少解决相关技术中不能检测健康状态的技术问题。
根据本申请实施例的一个方面，提供了一种健康状态的确定方法，包括：通过可穿戴设备采集第一对象的第一数据，其中，所述第一数据用于表示所述第一对象在搬运物体时产生的健康数据；利用所述第一数据建立目标数据模型；通过可穿戴设备采集第二对象的第二数据，其中，所述第二数据为所述第二对象在搬运物体时产生的健康数据；在所述目标数据模型中根据所述第二数据确定所述第二对象的健康状态。
根据本申请实施例的另一方面，还提供了一种健康状态的确定装置，包括：第一采集单元，用于通过可穿戴设备采集第一对象的第一数据，其中，所述第一数据用于表示所述第一对象在搬运物体时产生的健康数据；建立单元，用于利用所述第一数据建立目标数据模型；第二采集单元，用于通过可穿戴设备采集第二对象的第二数据，其中，所述第二数据为所述第二对象在搬运物体时产生的健康数据；确定单元，用于在所述目标数据模型中根据所述第二数据确定所述第二对象的健康状态。
根据本申请实施例的另一方面，还提供了一种存储介质，该存储介质包括存储的程序，程序运行时执行上述的方法。
根据本申请实施例的另一方面，还提供了一种电子装置，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，处理器通过计算机程序执行上述的方法。
在本申请实施例中，通过可穿戴设备采集第一对象的第一数据，所述第一数据用于表示所述第一对象在搬运物体时产生的健康数据；利用所述第一数据建立目标数据模型；通过可穿戴设备采集第二对象的第二数据，其中，所述第二数据为所述第二对象在搬运物体时产生的健康数据；在所述目标数据模型中根据所述第二数据确定所述第二对象的健康状态，可以解决相关技术中不能检测健康状态的技术问题。
附图说明
此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
图1是根据本申请实施例的一种可选的健康状态的确定方法的流程图；
图2是根据本申请实施例的一种可选的健康状态的确定方法的流程图；
图3是根据本申请实施例的一种可选的健康状态的确定装置的示意图；
以及
图4是根据本申请实施例的一种终端的结构框图。
具体实施方式
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，显然，所描述的实施例仅仅是本申请一部分的实施例，而不是全部的实施例。基于本申请中的实施例，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，都应当属于本申请保护的范围。
需要说明的是，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”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，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、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
首先，在对本申请实施例进行描述的过程中出现的部分名词或者术语适用于如下解释：
现有技术无法检测到用户在搬运不同重物所承受的重量，同时也无法检测到该用户在搬运该重物时身体所受到的损伤，本申请用于解决以上问题，同时可以达到提醒用户的目的。根据本申请实施例的一方面，提供了一种健康状态的确定方法的方法实施例。图1是根据本申请实施例的一种可选的健康状态的确定方法的流程图，如图1所示，该方法可以包括以下步骤：
步骤S1，通过可穿戴设备采集第一对象的第一数据，所述第一数据用于表示所述第一对象在搬运物体时产生的健康数据。
可选地，通过可穿戴设备采集第一对象的第一数据包括：采集所述第一对象在搬运物体时产生的健康数据，如采集所述第一对象在搬运物体时的心率值，采集所述第一对象在搬运物体时的血压值，采集所述第一对象在搬运物体时的肌肉的疲劳状态等；对所述第一对象的健康数据进行数据抽取、数据转换以及数据加载，得到所述第一数据。
步骤S2，利用所述第一数据建立目标数据模型。
可选地，利用所述第一数据建立目标数据模型包括：将所述第一数据划分为训练数据集和测试数据集，对所述训练数据集中的每个训练数据进行标记，训练数据的标记用于表示训练数据对应的健康状态，并对所述测试数据集中的每个测试数据进行标记，测试数据的标记用于表示测试数据对应的健康状态；利用所述训练数据集对原始模型进行训练，将所述训练数据集中的训练数据作为所述原始模型的输入，并将输入的训练数据对应的标记作为所述原始模型的预计输出，以训练所述原始模型的分类器进行健康状态的分类；在训练后的原始模型通过所述测试数据集的测试的情况下，将训练后的原始模型作为所述目标数据模型。
步骤S3，通过可穿戴设备采集第二对象的第二数据，其中，所述第二数据为所述第二对象在搬运物体时产生的健康数据。
步骤S4，在所述目标数据模型中根据所述第二数据确定所述第二对象的健康状态。
可选地，在所述目标数据模型中根据所述第二数据确定所述第二对象的健康状态之后，将所述第二对象的健康状态推送至所述第二对象的可穿戴设备进行提示。
通过上述步骤，通过可穿戴设备采集第一对象的第一数据，所述第一数据用于表示所述第一对象在搬运物体时产生的健康数据；利用所述第一数据建立目标数据模型；通过可穿戴设备采集第二对象的第二数据，其中，所述第二数据为所述第二对象在搬运物体时产生的健康数据；在所述目标数据模型中根据所述第二数据确定所述第二对象的健康状态，可以解决相关技术中不能检测健康状态的技术问题。
本申请提供了一种基于可穿戴的大数据分析方法，根据不同用户在搬运重物时所承受的重量，用数据模型分析出不同搬运工对不同重物所承受的重量的最大临界值，从而研发适用于不同劳动力的可穿戴的设备，并实现用户最大程度化的减少对身体的损伤以及最大程度的保护身体不受到外界的伤害的目的，智能化的减少了对用户的身体损伤。
作为一种可选的实施例，下文结合具体的实施方式进一步详述本申请的技术方案。如图2所示，本申请根据不同用户在搬运不用重物时所要承受的重量设计一种可穿戴设备的流程：
步骤S21：用户使用数据经过ETL处理之后，对其进行采集，采集出不同用户在搬运重物时所承受的不同重量数据，将收集到的数据存储到磁盘或内存中，根据数据的大小可以选择存储在单机或分布式文件系统中。数据分为结构化数据和非结构化数据，结构化数据主要存在关系型数据模型(MySQL、Hive)中，非结构化数据主要存在非关系型数据模型中(Redis、Hbase)，该数据作为初始数据。
步骤S22：根据用户反馈回来的各类信息进行智能化的分析，对信息进行量化分析，建立数据模型，并添加自动报警模式。
将用户数据进行ETL分析处理，通过检测人体在搬运重物的过程中人体参数值变化，以及将人体在该时刻的心率值、血压值，搬运重物时特定肌肉的疲劳状态(肌肉的疲劳状态，可由面部肌肉抖动状态或得肌肉疲劳状态))等数据进行存储，并将这些数据进行预处理(即对数据进行审核、筛选和排序；数据的审核是指对数据的准确性、适用性、及时性以及一致性进行审核；数据的筛选是指：将不符合要求的数据或者有明显错误的数据进行剔除，或者将符合特定条件的数据筛选出来；数据排序是指：按照一定的顺序将数据排列，以便通过浏览数据发现数据明显的特征或者趋势，从而找到解决问题的方法)，分析数据，对数据进行筛选，从而保证数据的准确性，最后将其设置为参数。
通过对步骤S21中参数的分析，将清洗后用于参数的数据进行划分，一部分数据为测试数据，一部分数据为训练数据，将筛选出的训练数据在后台进行测试，最后将测试好的数据(使用一组数据，将数据分为百分之八十的训练数据，以及百分二十是的测试数据，通过数据模型在数据中建立一个数据集，将输入的数据经过数据模型处理出来的数据与百分之二十的测试数据进行对比，从而来作为测试好的数据)作为公式的参数(cy)，计算得到结果，作为步骤23中公式的参数：
计算参数的公式：
输入：D是训练集；z测试对象，它是对象属性值构成的向量；L是对象的类别标签集合；cy为步骤S22中的训练数据；V为cy为参数计算得出的分类数据，class为分类模型，v为该分类的数据结果；
输出：Cz属于L，即z的类别；
Foreach y属于D do；
计算d(y,z)，即y和z的距离；
从数据集D中选出子集N，N包含k个距z最近的训练对象；
I(.)是一个指标函数，当其值为true时返回值为1，否则返回0。
使用分类器(KNN算法)建立数据模型，输入人体在搬运重物时的心率值、血压值，搬运重物时肌肉的疲劳状态，输出报警时需要的数据，具体公式为：
步骤S23：建好模型后执行该步骤，根据模型的分析结果Y判断是否报警，1为报警，0为不报警,最后执行步骤S24。
步骤S24：收集数据模型反馈的相关信息，再次作为模型的输入数据，对模型进行优化。
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。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到根据上述实施例的方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，或者网络设备等)执行本申请各个实施例所述的方法。
根据本申请实施例的另一个方面，还提供了一种用于实施上述健康状态的确定方法的健康状态的确定装置。图3是根据本申请实施例的一种可选的健康状态的确定装置的示意图，如图3所示，该装置可以包括：
第一采集单元31，用于通过可穿戴设备采集第一对象的第一数据，其中，所述第一数据用于表示所述第一对象在搬运物体时产生的健康数据；
建立单元33，用于利用所述第一数据建立目标数据模型；
第二采集单元35，用于通过可穿戴设备采集第二对象的第二数据，其中，所述第二数据为所述第二对象在搬运物体时产生的健康数据；
确定单元37，用于在所述目标数据模型中根据所述第二数据确定所述第二对象的健康状态。
需要说明的是，该实施例中的第一采集单元31可以用于执行本申请实施例中的步骤S1，该实施例中的建立单元33可以用于执行本申请实施例中的步骤S2，该实施例中的第二采集单元35可以用于执行本申请实施例中的步骤S3，该实施例中的确定单元37可以用于执行本申请实施例中的步骤S4。
通过上述模块，通过可穿戴设备采集第一对象的第一数据，所述第一数据用于表示所述第一对象在搬运物体时产生的健康数据；利用所述第一数据建立目标数据模型；通过可穿戴设备采集第二对象的第二数据，其中，所述第二数据为所述第二对象在搬运物体时产生的健康数据；在所述目标数据模型中根据所述第二数据确定所述第二对象的健康状态，可以解决相关技术中不能检测健康状态的技术问题。
本申请提供了一种基于可穿戴的大数据分析方案，根据不同用户在搬运重物时所承受的重量，用数据模型分析出不同搬运工对不同重物所承受的重量的最大临界值，从而研发适用于不同劳动力的可穿戴的设备，并实现用户最大程度化的减少对身体的损伤以及最大程度的保护身体不受到外界的伤害的目的，智能化的减少了对用户的身体损伤。
可选地，第一采集单元还用于：采集所述第一对象在搬运物体时产生的健康数据；对所述第一对象的健康数据进行数据抽取、数据转换以及数据加载，得到所述第一数据。
可选地，第一采集单元还用于：采集所述第一对象在搬运物体时的心率值；采集所述第一对象在搬运物体时的血压值；采集所述第一对象在搬运物体时的肌肉的疲劳状态。
可选地，建立单元还用于：将所述第一数据划分为训练数据集和测试数据集；
利用所述训练数据集对原始模型进行训练；在训练后的原始模型通过所述测试数据集的测试的情况下，将训练后的原始模型作为所述目标数据模型。
可选地，建立单元还用于：在将所述第一数据划分为训练数据集和测试数据集之后，对所述训练数据集中的每个训练数据进行标记，其中，训练数据的标记用于表示训练数据对应的健康状态；并对所述测试数据集中的每个测试数据进行标记，其中，测试数据的标记用于表示测试数据对应的健康状态。
可选地，建立单元还用于：将所述训练数据集中的训练数据作为所述原始模型的输入，并将输入的训练数据对应的标记作为所述原始模型的预计输出，以训练所述原始模型的分类器进行健康状态的分类。
本申请的装置还可包括：提示单元，用于在所述目标数据模型中根据所述第二数据确定所述第二对象的健康状态之后，将所述第二对象的健康状态推送至所述第二对象的可穿戴设备进行提示。
此处需要说明的是，上述模块与对应的步骤所实现的示例和应用场景相同，但不限于上述实施例所公开的内容。需要说明的是，上述模块作为装置的一部分可以运行在相应的硬件环境中，可以通过软件实现，也可以通过硬件实现，其中，硬件环境包括网络环境。
根据本申请实施例的另一个方面，还提供了一种用于实施上述健康状态的确定方法的服务器或终端。
图4是根据本申请实施例的一种终端的结构框图，如图4所示，该终端可以包括：一个或多个(仅示出一个)处理器201、存储器203、以及传输装置205，如图4所示，该终端还可以包括输入输出设备207。
其中，存储器203可用于存储软件程序以及模块，如本申请实施例中的健康状态的确定方法和装置对应的程序指令/模块，处理器201通过运行存储在存储器203内的软件程序以及模块，从而执行各种功能应用以及数据处理，即实现上述的健康状态的确定方法。存储器203可包括高速随机存储器，还可以包括非易失性存储器，如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中，存储器203可进一步包括相对于处理器201远程设置的存储器，这些远程存储器可以通过网络连接至终端。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
上述的传输装置205用于经由一个网络接收或者发送数据，还可以用于处理器与存储器之间的数据传输。上述的网络具体实例可包括有线网络及无线网络。在一个实例中，传输装置205包括一个网络适配器(Network Interface Controller，NIC)，其可通过网线与其他网络设备与路由器相连从而可与互联网或局域网进行通讯。在一个实例中，传输装置205为射频(Radio Frequency，RF)模块，其用于通过无线方式与互联网进行通讯。
其中，具体地，存储器203用于存储应用程序。
处理器201可以通过传输装置205调用存储器203存储的应用程序，以执行下述步骤：
通过可穿戴设备采集第一对象的第一数据，其中，所述第一数据用于表示所述第一对象在搬运物体时产生的健康数据；
利用所述第一数据建立目标数据模型；
通过可穿戴设备采集第二对象的第二数据，其中，所述第二数据为所述第二对象在搬运物体时产生的健康数据；
在所述目标数据模型中根据所述第二数据确定所述第二对象的健康状态。
可选地，本实施例中的具体示例可以参考上述实施例中所描述的示例，本实施例在此不再赘述。
本领域普通技术人员可以理解，图4所示的结构仅为示意，终端可以是智能手机(如Android手机、iOS手机等)、平板电脑、掌上电脑以及移动互联网设备(Mobile InternetDevices，MID)、PAD等终端设备。图4其并不对上述电子装置的结构造成限定。例如，终端还可包括比图4中所示更多或者更少的组件(如网络接口、显示装置等)，或者具有与图4所示不同的配置。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令终端设备相关的硬件来完成，该程序可以存储于一计算机可读存储介质中，存储介质可以包括：闪存盘、只读存储器(Read-Only Memory，ROM)、随机存取器(RandomAccess Memory，RAM)、磁盘或光盘等。
本申请的实施例还提供了一种存储介质。可选地，在本实施例中，上述存储介质可以用于执行健康状态的确定方法的程序代码。
可选地，在本实施例中，上述存储介质可以位于上述实施例所示的网络中的多个网络设备中的至少一个网络设备上。
可选地，在本实施例中，存储介质被设置为存储用于执行以下步骤的程序代码：
通过可穿戴设备采集第一对象的第一数据，其中，所述第一数据用于表示所述第一对象在搬运物体时产生的健康数据；
利用所述第一数据建立目标数据模型；
通过可穿戴设备采集第二对象的第二数据，其中，所述第二数据为所述第二对象在搬运物体时产生的健康数据；
在所述目标数据模型中根据所述第二数据确定所述第二对象的健康状态。
可选地，本实施例中的具体示例可以参考上述实施例中所描述的示例，本实施例在此不再赘述。
可选地，在本实施例中，上述存储介质可以包括但不限于：U盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
上述本申请实施例序号仅仅为了描述，不代表实施例的优劣。
上述实施例中的集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在上述计算机可读取的存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在存储介质中，包括若干指令用以使得一台或多台计算机设备(可为个人计算机、服务器或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。
在本申请的上述实施例中，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。
在本申请所提供的几个实施例中，应该理解到，所揭露的客户端，可通过其它的方式实现。其中，以上所描述的装置实施例仅仅是示意性的，例如所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，单元或模块的间接耦合或通信连接，可以是电性或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
以上所述仅是本申请的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本申请原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本申请的保护范围。
Claims (10)
1.一种健康状态的确定方法，其特征在于，包括：
通过可穿戴设备采集第一对象的第一数据，其中，所述第一数据用于表示所述第一对象在搬运物体时产生的健康数据；
利用所述第一数据建立目标数据模型；
通过可穿戴设备采集第二对象的第二数据，其中，所述第二数据为所述第二对象在搬运物体时产生的健康数据；
在所述目标数据模型中根据所述第二数据确定所述第二对象的健康状态。
2.根据权利要求1所述的方法，其特征在于，通过可穿戴设备采集第一对象的第一数据包括：
采集所述第一对象在搬运物体时产生的健康数据；
对所述第一对象的健康数据进行数据抽取、数据转换以及数据加载，得到所述第一数据。
3.根据权利要求2所述的方法，其特征在于，采集所述第一对象在搬运物体时产生的健康数据包括以下至少之一：
采集所述第一对象在搬运物体时的心率值；
采集所述第一对象在搬运物体时的血压值；
采集所述第一对象在搬运物体时的肌肉的疲劳状态。
4.根据权利要求1所述的方法，其特征在于，利用所述第一数据建立目标数据模型包括：
将所述第一数据划分为训练数据集和测试数据集；
利用所述训练数据集对原始模型进行训练；
在训练后的原始模型通过所述测试数据集的测试的情况下，将训练后的原始模型作为所述目标数据模型。
5.根据权利要求4所述的方法，其特征在于，在将所述第一数据划分为训练数据集和测试数据集之后，所述方法包括：
对所述训练数据集中的每个训练数据进行标记，其中，训练数据的标记用于表示训练数据对应的健康状态；
并对所述测试数据集中的每个测试数据进行标记，其中，测试数据的标记用于表示测试数据对应的健康状态。
6.根据权利要求4所述的方法，其特征在于，利用所述训练数据集对原始模型进行训练包括：
将所述训练数据集中的训练数据作为所述原始模型的输入，并将输入的训练数据对应的标记作为所述原始模型的预计输出，以训练所述原始模型的分类器进行健康状态的分类。
7.根据权利要求1至6中任意一项所述的方法，其特征在于，在所述目标数据模型中根据所述第二数据确定所述第二对象的健康状态之后，所述方法包括：
将所述第二对象的健康状态推送至所述第二对象的可穿戴设备进行提示。
8.一种健康状态的确定装置，其特征在于，包括：
第一采集单元，用于通过可穿戴设备采集第一对象的第一数据，其中，所述第一数据用于表示所述第一对象在搬运物体时产生的健康数据；
建立单元，用于利用所述第一数据建立目标数据模型；
第二采集单元，用于通过可穿戴设备采集第二对象的第二数据，其中，所述第二数据为所述第二对象在搬运物体时产生的健康数据；
确定单元，用于在所述目标数据模型中根据所述第二数据确定所述第二对象的健康状态。
9.一种存储介质，其特征在于，所述存储介质包括存储的程序，其中，所述程序运行时执行上述权利要求1至7任一项中所述的方法。
10.一种电子装置，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器通过所述计算机程序执行上述权利要求1至7任一项中所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010968010.XA CN112185556A (zh) | 2020-09-15 | 2020-09-15 | 健康状态的确定方法和装置、存储介质、电子装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010968010.XA CN112185556A (zh) | 2020-09-15 | 2020-09-15 | 健康状态的确定方法和装置、存储介质、电子装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112185556A true CN112185556A (zh) | 2021-01-05 |
Family
ID=73921003
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010968010.XA Pending CN112185556A (zh) | 2020-09-15 | 2020-09-15 | 健康状态的确定方法和装置、存储介质、电子装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112185556A (zh) |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107818824A (zh) * | 2017-04-10 | 2018-03-20 | 平安科技（深圳）有限公司 | 一种用于健康评估的健康模型构建方法及终端 |
| CN109712711A (zh) * | 2018-12-12 | 2019-05-03 | 平安科技（深圳）有限公司 | 基于机器学习的健康评估方法、装置、电子设备及介质 |
| CN109993403A (zh) * | 2019-02-21 | 2019-07-09 | 顺丰科技有限公司 | 劳动强度确定方法、装置和计算机可读存储介质 |
-
2020
- 2020-09-15 CN CN202010968010.XA patent/CN112185556A/zh active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107818824A (zh) * | 2017-04-10 | 2018-03-20 | 平安科技（深圳）有限公司 | 一种用于健康评估的健康模型构建方法及终端 |
| CN109712711A (zh) * | 2018-12-12 | 2019-05-03 | 平安科技（深圳）有限公司 | 基于机器学习的健康评估方法、装置、电子设备及介质 |
| CN109993403A (zh) * | 2019-02-21 | 2019-07-09 | 顺丰科技有限公司 | 劳动强度确定方法、装置和计算机可读存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108595585B (zh) | 样本数据分类方法、模型训练方法、电子设备及存储介质 | |
| CN107153871B (zh) | 基于卷积神经网络和手机传感器数据的跌倒检测方法 | |
| US20200237246A1 (en) | Automatic recognition and classification method for electrocardiogram heartbeat based on artificial intelligence | |
| CN112365171B (zh) | 基于知识图谱的风险预测方法、装置、设备及存储介质 | |
| CN110766080A (zh) | 一种标注样本确定方法、装置、设备及存储介质 | |
| CN110147389B (zh) | 帐号处理方法和装置、存储介质及电子装置 | |
| CN108073902A (zh) | 基于深度学习的视频总结方法、装置及终端设备 | |
| CN107169284A (zh) | 一种生物医学关键属性选择方法 | |
| CN111954250B (zh) | 一种轻量级Wi-Fi行为感知方法和系统 | |
| CN111091278A (zh) | 机械设备异常检测的边缘检测模型构建方法及装置 | |
| CN108038413A (zh) | 欺诈可能性分析方法、装置及存储介质 | |
| CN108846695A (zh) | 终端更换周期的预测方法及装置 | |
| CN113656558B (zh) | 基于机器学习对关联规则进行评估的方法及装置 | |
| CN107491654A (zh) | 一种数字化康复评定系统 | |
| CN104133999A (zh) | 消化道疾病远程医疗信息服务系统 | |
| CN111785366A (zh) | 患者治疗方案的确定方法、装置及计算机设备 | |
| CN106650610A (zh) | 一种人脸表情数据收集方法及装置 | |
| CN104954351B (zh) | 数据检测方法和装置 | |
| CN109800797A (zh) | 基于ai的文件黑白判断方法、装置及设备 | |
| CN110276283B (zh) | 图片识别方法、目标识别模型训练方法及装置 | |
| CN112185556A (zh) | 健康状态的确定方法和装置、存储介质、电子装置 | |
| CN113824580A (zh) | 一种网络指标预警方法及系统 | |
| CN109934352A (zh) | 智能模型的自动进化方法 | |
| CN115938600A (zh) | 一种基于关联分析的心理健康状态预测方法与系统 | |
| US11289202B2 (en) | Method and system to improve clinical workflow |
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 |