CN113689660B - 可穿戴设备的安全预警方法、可穿戴设备 - Google Patents
可穿戴设备的安全预警方法、可穿戴设备 Download PDFInfo
- Publication number
- CN113689660B CN113689660B CN202010426118.6A CN202010426118A CN113689660B CN 113689660 B CN113689660 B CN 113689660B CN 202010426118 A CN202010426118 A CN 202010426118A CN 113689660 B CN113689660 B CN 113689660B
- Authority
- CN
- China
- Prior art keywords
- track
- preset
- learning model
- image
- 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.)
- Active
Links
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/02—Alarms for ensuring the safety of persons
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/02—Services making use of location information
- H04W4/029—Location-based management or tracking services
-
- 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
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computer Networks & Wireless Communication (AREA)
- Business, Economics & Management (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Signal Processing (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Emergency Management (AREA)
- Alarm Systems (AREA)
- Emergency Alarm Devices (AREA)
Abstract
本申请公开了可穿戴设备的安全预警方法、可穿戴设备,该方法包括:获取当前轨迹图像;将当前轨迹图像输入至预设第一学习模型,以使预设第一学习模型输出与当前轨迹图像对应的轨迹类型;其中,预设第一学习模型是基于历史轨迹图像训练得到;若轨迹类型满足设定条件,则将当前位置发送给与可穿戴设备关联的移动终端,以进行安全预警。通过上述方式,提高可穿戴设备的用户的安全性,减少移动终端用户对可穿戴设备佩戴者的关注度。
Description
技术领域
本申请涉及可穿戴设备领域,特别是涉及一种可穿戴设备的安全预警方法、可穿戴设备。
背景技术
随着社会的发展,人们对于可穿戴设备的使用越来越多,可穿戴设备已经成为人们生活中不可或缺的一部分,如智能手环、智能手表。
例如,专门为儿童或者老人以及需要监护的人群设计的一些可穿戴设备,能够对儿童或老人以及需要监护的人群进行定位跟踪、身体健康状况的检测、紧急情况下的呼救等。但是,可穿戴设备的这些功能需要响应移动终端发送的指令进行操作,给使用移动终端的用户带来不便。
发明内容
为了解决上述问题,本申请提供一种可穿戴设备的安全预警方法、可穿戴设备,提高可穿戴设备的用户的安全性,减少移动终端用户对可穿戴设备佩戴者的关注度。
本申请采用的一种技术方案是提供一种可穿戴设备的安全预警方法,该方法包括:获取当前轨迹图像;将当前轨迹图像输入至预设第一学习模型,以使预设第一学习模型输出与当前轨迹图像对应的轨迹类型;其中,预设第一学习模型是基于历史轨迹图像训练得到;若轨迹类型满足设定条件,则将当前位置发送给与可穿戴设备关联的移动终端,以进行安全预警。
其中,该方法还包括:获取训练图像,其中训练图像为可穿戴设备采集的历史轨迹图像;确定训练图像的当前轨迹类型,并利用当前轨迹类型对训练图像进行标注;将已标注的训练图像输入至预设第一学习模型,以对预设第一学习模型进行训练。
其中,轨迹类型至少包括上/下学轨迹、学校运动轨迹和危险轨迹,危险轨迹是除上/下学轨迹和学校运动轨迹之外的轨迹;若轨迹类型满足设定条件,则将当前位置发送给与可穿戴设备关联的移动终端,以进行安全预警,包括:若轨迹类型为危险轨迹,则将当前位置发送给与可穿戴设备关联的移动终端,以进行安全预警。
其中,可穿戴设备上设有运动传感器,用于采集用户的行为状态;若轨迹类型满足设定条件,则将当前位置发送给与可穿戴设备关联的移动终端,以进行安全预警,包括:若轨迹类型满足设定条件,获取运动传感器采集的行为状态;判断行为状态是否异常状态;若是,将当前位置发送给与可穿戴设备关联的移动终端,以进行安全预警。
其中,可穿戴设备上设有摄像头,用于拍摄环境图像;在行为状态为异常状态时,控制摄像头采集环境图像,并将环境图像和当前位置发送给与可穿戴设备关联的移动终端,以进行安全预警。
其中,该方法还包括:当无法获取当前位置时,控制摄像头采集环境图像,并识别环境图像,以得到环境图像对应的当前位置;判断当前位置是否为当前时间对应的位置信息;若否,将当前位置发送给与可穿戴设备关联的移动终端,以进行安全预警。
其中,可穿戴设备上设有拾音器,用于采集环境音;该方法还包括:获取拾音器发送的环境音;将环境音输入至预设第二学习模型,以使预设第二学习模型输出与环境音对应的学科类型;其中,预设第二学习模型是基于环境音样本数据以及预先确定的学科类型标签进行训练后得到的;从预存的课程表信息中获取当前时间对应的目标学科类型;判断目标学科类型与学科类型是否相同;若否,则将当前位置发送给与可穿戴设备关联的移动终端,以进行安全预警。
其中,获取拾音器发送的环境音之后,还包括:将环境音输入至预设第三学习模型,以使预设第三学习模型输出与环境音对应的安全等级;其中,预设第三学习模型是基于环境音样本数据以及预先确定的安全等级标签进行训练后得到的;当安全等级超过预设安全等级时,将环境音和当前位置发送给与可穿戴设备关联的移动终端,以进行安全预警。
本申请采用的另一种技术方案是提供一种可穿戴设备,该可穿戴设备包括相互连接的处理器和存储器;其中,存储器用于存储程序数据,处理器用于执行程序数据,以实现如上述方案中提供的任一方法。
本申请采用的另一种技术方案是提供一种计算机可读存储介质,该计算机可读存储介质用于存储程序数据,程序数据在被处理器执行时,用于以实现如上述方案中提供的任一方法。
本申请的有益效果是:区别于现有技术的情况,本申请提供的一种可穿戴设备的安全预警方法,该方法包括:获取当前轨迹图像;将当前轨迹图像输入至预设第一学习模型,以使预设第一学习模型输出与当前轨迹图像对应的轨迹类型;其中,预设第一学习模型是基于历史轨迹图像训练得到;若轨迹类型满足设定条件,则将当前位置发送给与可穿戴设备关联的移动终端,以进行安全预警。通过上述方式,一方面利用可穿戴设备的便携性,获取当前轨迹图像,并通过历史数据来训练学习模型来判断轨迹类型,无需进行标准轨迹的设置,可以更好的与不同用户的习惯相匹配,另一方面,通过可穿戴设备主动向移动终端进行安全预警,减少移动终端用户对可穿戴设备佩戴者的关注度。
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申请的一些实施例,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。其中:
图1是本申请提供的可穿戴设备的安全预警方法的第一实施例的流程示意图;
图2是当前轨迹图像与前一轨迹图像的一示意图;
图3是当前轨迹图像与历史上学轨迹的对比示意图;
图4是本申请提供的可穿戴设备的安全预警方法的第二实施例的流程示意图;
图5是步骤43的流程示意图;
图6是本申请提供的可穿戴设备的安全预警方法的第三实施例的流程示意图;
图7是本申请提供的可穿戴设备的安全预警方法的第四实施例的流程示意图;
图8是本申请提供的可穿戴设备一实施例的结构示意图;
图9是本申请提供的计算机可读存储介质一实施例的结构示意图。
具体实施方式
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。可以理解的是,此处所描述的具体实施例仅用于解释本申请,而非对本申请的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本申请相关的部分而非全部结构。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,都属于本申请保护的范围。
在本文中提及“实施例”意味着,结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例,也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是,本文所描述的实施例可以与其它实施例相结合。
参阅图1,图1是本申请提供的可穿戴设备的安全预警方法的第一实施例的流程示意图,该方法包括:
步骤11:获取当前轨迹图像。
可穿戴设备即直接穿在身上,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,更是通过软件支持以及数据交互、云端交互来实现强大的功能,可穿戴设备将会对我们的生活、感知带来很大的转变。
可选的,本实施例中的可穿戴设备可以是智能手表、智能眼镜、头盔、智能手环、智能服装、书包、拐杖、配饰等。
在一些实施例中,可穿戴设备设置有定位模组,用于在用户佩戴该可穿戴设备时,实时采集用户的位置。定位模组获取位置信息的方式可以是GPS(Global PositioningSystem,全球定位系统)定位、基站定位、wifi(Wireless Fidelity,无线局域网)定位、Glonass(GLOBAL NAVIGATION SATELLITE SYSTEM,全球卫星导航系统)定位、北斗定位的其中一种或多种。
在一些实施例中,通过定位模组采集到位置信息后,将设定时间段内采集的位置信息在地图上形成坐标点,然后将这些坐标点按照生成的时间顺序进行连接,形成当前轨迹图像。如按照设定频率采集位置信息;在每采集到一次位置信息时,基于设定时间段内采集的位置信息,建立当前轨迹图像;其中,设定时间段的时间截止点为当前时间。
具体地,参阅图2进行说明:以设定时间段为10分钟,设定频率为一分钟采集一次,当可穿戴设备的佩戴者在行走时,在行走时间为10分钟时,可形成如图2中所示的当前轨迹图像A。当行走时间为11分钟时,将第1分钟形成的位置点删除,留下第2分钟到第11分钟所产生的10个位置以形成如图2中所示的当前轨迹图像B,此时,当前轨迹图像A就成为了前一轨迹图像。从图中对比可以看出,每10分钟可形成一个当前轨迹图像。
可以理解,设定时间段可以按照用户需求进行设置,如1分钟、2分钟、3分钟、5分钟、20分钟、30分钟、45分钟等。设定频率根据设定时间段进行适应设置,如设定时间段为1分钟,设定频率设置为5秒;设定时间段为2分钟,设定频率设置为10秒;设定时间段为3分钟,设定频率设置为15秒;设定时间段为5分钟,设定频率设置为25秒;设定时间段为20分钟,设定频率设置为30秒等。
在一些实施例中,可穿戴设备上设置有运动传感器,用于采集可穿戴设备的佩戴者的运动方向,当佩戴者沿同一方向行走时,按照一个设定频率采集位置信息,当运动传感器检测运动方向发生改变,则按照另一个设定频率采集位置信息,以形成当前的轨迹图像。其中,运动方向发生改变后的设定频率大于发生改变前的设定频率。通过这种方式,可以快速的获取运动方向改变后的轨迹,以进行下一步判断。
步骤12:将当前轨迹图像输入至预设第一学习模型,以使学习模型输出与当前轨迹图像对应的轨迹类型。
其中,预设第一学习模型是基于历史轨迹图像训练得到。
具体地,通过可穿戴设备采集历史轨迹图像,并人为的对这些历史轨迹图像进行标注,然后将标注的历史轨迹图像进行训练。其中,标注的内容为轨迹类型。如,佩戴者为老人,老人的日常轨迹为家-菜市场、家-公园等,将老人对应这些日常轨迹的轨迹图像进行相应标注。如佩戴者为住院的病人,则病人的日常轨迹局限于医院范围内,将病人对应的这些日常轨迹的轨迹图像进行相应标注。
在一些实施例中,将当前轨迹图像进行预处理,将预处理后的当前轨迹图像输入至预设第一学习模型,以使预设第一学习模型输出与当前轨迹图像对应的轨迹类型。具体地,预处理的过程包括数字化、几何变换、归一化、平滑、复原、增强。通过预处理可以得到便于识别的轨迹图像。
在一些实施例中,可以采用高斯混合模型、隐马尔科夫模型、K近邻、神经网络、支持向量机等进行模型训练,以训练预设第一学习模型,训练完成后,可采用该模型对当前轨迹图像进行识别。
步骤13:若轨迹类型满足设定条件,则将当前位置发送给与可穿戴设备关联的移动终端,以进行安全预警。
在一些实施例中,在训练预设第一学习模型,将日常轨迹标注为正常轨迹,非日常轨迹标注为非正常轨迹,将设定条件设置为非正常轨迹,则当轨迹类型为非正常轨迹,则将当前位置发送给与可穿戴设备关联的移动终端,以进行安全预警。例如,以可穿戴设备的佩戴者为病人为例,该病人的日常轨迹均在医院范围内,当出现非日常轨迹时,则可确定该病人已不处于医院范围内,则病人可能出现其他情况,则将当前位置发送给与可穿戴设备关联的移动终端,以进行安全预警。
在一些实施例中,以可穿戴设备的佩戴者为儿童为例,儿童的轨迹类型可以包括上学轨迹、放学轨迹、校园轨迹、居家轨迹,若轨迹类型为上学轨迹,则获取一历史上学轨迹图像,并实时获取儿童的当前位置,将连续的当前位置形成的轨迹图像与历史上学轨迹图像进行比较,当轨迹图像与历史上学轨迹图像的偏离值超过阈值时,将当前位置发送给与可穿戴设备关联的移动终端,以进行安全预警。具体的,在偏离值超过阈值后,在设定时间内轨迹图像与历史上学轨迹图像的偏离值未超过阈值时,将当前位置发送给与可穿戴设备关联的移动终端,以对安全预警进行解除。
具体地,参阅图3进行说明:虚线的轨迹表示当前轨迹图像,另一个轨迹表示历史上学轨迹。在这里将两个轨迹分为A、B、C三段进行说明。在A段时,两个轨迹基本重合,在B段时,当前轨迹图像与历史上学轨迹发生偏离,且偏离值超过阈值,则将当前位置发送给与可穿戴设备关联的移动终端,以进行安全预警,在B段末段,当前轨迹图像与历史上学轨迹逐渐接近,且在C段初始阶段基本重合未超过阈值,则将当前位置发送给与可穿戴设备关联的移动终端,以对安全预警进行解除。
进一步,在偏离值超过阈值时,开始计算偏离时间,对偏离时间与安全预警进行等级划分,当偏离时间超过第一设定时间,安全预警等级为三级,当偏离时间超过第二设定时间,安全预警等级为二级,当偏离时间超过第三设定时间,安全预警等级为一级。其中,第一设定时间小于第二设定时间,第二设定时间小于第三设定时间,一级为最高安全预警等级,二级次之,三级最低。
在一些实施例中,若轨迹类型满足设定条件,则将可穿戴设备也会对佩戴者进行安全预警。
区别于现有技术的情况,本申请提供的一种可穿戴设备的安全预警方法,该方法包括:获取当前轨迹图像;将当前轨迹图像输入至预设第一学习模型,以使预设第一学习模型输出与当前轨迹图像对应的轨迹类型;其中,预设第一学习模型是基于历史轨迹图像训练得到;若轨迹类型满足设定条件,则将当前位置发送给与可穿戴设备关联的移动终端,以进行安全预警。通过上述方式,一方面利用可穿戴设备的便携性,获取当前轨迹图像,并通过历史数据来训练学习模型来判断轨迹类型,无需进行标准轨迹的设置,可以更好的与不同用户的习惯相匹配,另一方面,通过可穿戴设备主动向移动终端进行安全预警,减少移动终端用户对可穿戴设备佩戴者的关注度。
参阅图4,图4是本申请提供的可穿戴设备的安全预警方法的第二实施例的流程示意图,该方法包括:
步骤41:获取当前轨迹图像。
在本实施例中,以可穿戴设备的佩戴者为儿童为例进行说明。
获取的当前轨迹图像可以是该儿童在校园的轨迹图像,也可以是该儿童上学时间段的轨迹图像,还可以是该儿童放学时间段的轨迹图像,还可以是该儿童居家时间段的轨迹图像。
步骤42:将当前轨迹图像输入至预设第一学习模型,以使预设第一学习模型输出与当前轨迹图像对应的轨迹类型。
在本实施例中,对应于儿童而言,轨迹类型至少包括上/下学轨迹、学校运动轨迹和危险轨迹,危险轨迹是除所述上/下学轨迹和学校运动轨迹之外的轨迹。在本实施例中,暂不考虑居家时间段的轨迹图像。
在一些实施例中,预设第一学习模型的训练方法包括获取训练图像,其中训练图像为可穿戴设备采集的历史轨迹图像;确定训练图像的当前轨迹类型,并利用当前轨迹类型对训练图像进行标注;将已标注的训练图像输入至预设第一学习模型,以对预设第一学习模型进行训练。具体地,在预设第一学习模型训练好后,可以根据实际需要进行校正,如轨迹图像发生变化,则重新获取训练图像对预设第一学习模型进行改进。
在一些实施例中,上述预设第一学习模型可以通过机器学习的方式来构建。利用监督式学习的方法,通过人为的输入不同的训练图像样本及根据训练图像样本对应的轨迹类型对训练图像样本进行标注处理,将标注的训练图像样本输入至预设第一学习模型,以对预设第一学习模型进行训练,形成预设第一学习模型。当未知的轨迹图像输入该预设第一学习模型时,则输出对应的轨迹类型。
在一些实施例中,预设第一学习模型建立于服务器中,可穿戴设备在获取当前轨迹图像后,将当前轨迹图像发送至服务器,以使服务器将将当前轨迹图像输入至预设第一学习模型,并使预设第一学习模型输出与当前轨迹图像对应的轨迹类型,然后将对应的轨迹类型发送给可穿戴设备。
步骤43:若轨迹类型为危险轨迹,则将当前位置发送给与可穿戴设备关联的移动终端,以进行安全预警。
在一些实施例中,可穿戴设备上设有运动传感器,用于采集用户的行为状态。则参阅图5,步骤43可以具体为如下步骤:
步骤431:获取运动传感器采集的行为状态。
在一些实施例中,当出现危险轨迹时,往往伴随着一些行为状态的变化,如遇到坏人时,小孩可能会快速逃跑;在跌倒时往往伴随着当前位置不会发生变化。
步骤432:判断行为状态是否异常状态。
当判断是异常状态时,执行步骤433;若不是异常状态时,则继续采集用户的行为状态。
步骤433:将当前位置发送给与所述可穿戴设备关联的移动终端,以进行安全预警。
在一些实施例中,可以将上述的行为状态输入至一学习模型,以使学习模型输出该行为状态的对应状态类型,如跌倒、打架等。
在一些实施例中,可穿戴设备上设有摄像头,用于拍摄环境图像。在行为状态为异常状态时,控制摄像头采集环境图像,并将环境图像和当前位置发送给与可穿戴设备关联的移动终端,以进行安全预警。通过摄像头拍摄环境图像并发送给与可穿戴设备关联的移动终端,以进行安全预警。使移动终端的用户更加直观的了解可穿戴设备的用户所处的环境,便于认知可穿戴设备的用户的安全系数,以实施相应的方案。
在一些实施例中,当可穿戴设备的定位功能故障,无法获取当前位置时,控制摄像头采集环境图像,并识别环境图像,以得到环境图像对应的当前位置;判断当前位置是否为当前时间对应的位置信息;其中,当前时间对应的位置信息为历史时间的位置信息。此位置信息为较大方位的位置信息,如上午10点,对应的位置信息为学校,通过识别摄像头采集的环境图像识别出当前位置为学校,则相互对应。若否,将当前位置发送给与可穿戴设备关联的移动终端,以进行安全预警。同时,可以将该图像一同进行发送,使移动终端的用户更加直观的了解可穿戴设备的用户所处的环境,便于认知可穿戴设备的用户的安全系数,以实施相应的方案。
通过上述方式,能够实现可穿戴设备对儿童的日常生活监控,并在出现异常时,主动向该儿童的监护人进行安全预警,提高可穿戴设备的用户的安全性,在不影响对儿童的监控下,减少移动终端用户对可穿戴设备佩戴者的关注度。
参阅图6,图6是本申请提供的可穿戴设备的安全预警方法的第三实施例的流程示意图,该方法包括:
步骤61:获取拾音器发送的环境音。
在本实施例中,可穿戴设备包括拾音器,用于采集环境音。
可以理解,可以根据环境音识别出不用的信息。如可穿戴设备的佩戴者处于菜市场,则拾音器会采集到菜市场的叫卖声。如可穿戴设备的佩戴者处于教室,则拾音器会采集到教室里老师和学生上课所产生的语音。
步骤62:将环境音输入至预设第二学习模型,以使预设第二学习模型输出与环境音对应的学科类型;其中,预设第二学习模型是基于环境音样本数据以及预先确定的学科类型标签进行训练后得到的。
在本实施例中,以可穿戴设备的佩戴者为儿童,且儿童在课堂学习进行说明,所以环境音样本数据为课堂学科对应的常用语。
具体地,将环境音进行语音信号预处理,如预加重、分帧、加窗等预处理操作。将预处理后将环境音输入至转换为文本信息,将文本信息输入至预设第二学习模型,以使预设第二学习模型输出与环境音对应的学科类型。如学科类型可以有语文、数学、英语。
在训练预设第二学习模型时,通过可穿戴设备采集环境音样本数据,并人为的对这些环境音样本数据进行标注,然后将标注的环境音样本数据进行训练。其中,标注的内容为学科类型。如,环境音的内容为一段英文,则标注为“英语”,环境音的内容为数学符号,则标注为“数学”。其余学科可对应进行标注,这里不做赘述。将与学科无关的环境音认定为特殊学科。
步骤63:从预存的课程表信息中获取当前时间对应的目标学科类型。
在一些实施例中,预存的课程表信息是通过人为方式提前录入的。在获取时,先识别当前时间所属日期对应七日一周制中的第几日,换言之即确认当前时间属于星期一、星期二、星期三、星期四、星期五、星期六、星期天中的哪一天。然后找到当前时间的目标学科。如当前时间为XX月YY日10点10分,则对应于星期二,则获取星期二对应10点10分的目标学科。
步骤64:判断目标学科类型与学科类型是否相同。
当判断目标学科类型与预设第二学习模型输出的学科类型不相同时,执行步骤65。当判断目标学科类型与预设第二学习模型输出的学科类型相同时,可暂停环境音的采集,并在设定时间后再次进行环境音的采集。通过此种方法,可以减少对可穿戴设备的电量消耗。
步骤65:将当前位置发送给与可穿戴设备关联的移动终端,以进行安全预警。
在一些实施例中,将当前位置发送给与可穿戴设备关联的移动终端的同时可以将环境音一同发送至移动终端,以进行安全预警。
在一些实施例中,当判断目标学科类型与预设第二学习模型输出的学科类型不相同时,则可以确定可穿戴设备的佩戴者未处于课堂,可主动进行语音提醒,以提醒佩戴者回到课堂。
在一些实施例中,当判断目标学科类型与学科类型相同时,还可以获取该可穿戴设备的佩戴者的行为状态,基于行为状态以确定可穿戴设备的佩戴者是否在认真学习。如,正常课堂的行为状态应该是一些翻书、写字的动作,而采集到行为状态是一些与课堂无关的行为,则可以确定可穿戴设备的佩戴者没有认真学习。
参阅图7,图7是本申请提供的可穿戴设备的安全预警方法的第四实施例的流程示意图,该方法包括:
步骤71:获取拾音器发送的环境音。
步骤72:将环境音输入至预设第三学习模型,以使预设第三学习模型输出与环境音对应的安全等级。
其中,预设第三学习模型是基于环境音样本数据以及预先确定的安全等级标签进行训练后得到的。
在训练预设第三学习模型时,通过可穿戴设备采集环境音样本数据,并人为的对这些环境音样本数据进行标注,然后将标注的环境音样本数据进行训练。其中,标注的内容为安全等级。如,环境音的内容为噪音,且音量很大,则标注为“安全等级A”,环境音的内容为尖叫声,则标注为“安全等级B”等。
步骤73:当安全等级超过预设安全等级时,将环境音和当前位置发送给与可穿戴设备关联的移动终端,以进行安全预警。
在一些实施例中,当安全等级超过预设安全等级时,可向与可穿戴设备关联的移动终端拨打电话,以进行安全预警。还可以让可穿戴设备主动预警,以提醒佩戴者当前的安全问题。
通过上述方式,当可穿戴设备的佩戴者处于危险环境时,能够及时向移动终端的用户进行安全预警。
参阅图8,图8本申请提供的可穿戴设备一实施例的结构示意图,该可穿戴设备80包括处理器81以及与处理器81连接的存储器82;存储器82用于存储程序数据,处理器81用于执行程序数据,以实现以下方法步骤:
获取当前轨迹图像;将当前轨迹图像输入至预设第一学习模型,以使预设第一学习模型输出与当前轨迹图像对应的轨迹类型;其中,预设第一学习模型是基于历史轨迹图像训练得到;若轨迹类型满足设定条件,则将当前位置发送给与可穿戴设备关联的移动终端,以进行安全预警。
可以理解,处理器81用于执行程序数据,还用于实现上述任一实施例方法。
可以理解,本申请提供的可穿戴设备80可以是智能手表、智能手环、智能眼镜、头盔、智能服装、书包、拐杖、配饰等。
参阅图9,图9是本申请提供的计算机可读存储介质一实施例的结构示意图,计算机可读存储介质90用于存储程序数据91,程序数据91在被处理器执行时,用于实现以下的方法步骤:
获取当前轨迹图像;将当前轨迹图像输入至预设第一学习模型,以使预设第一学习模型输出与当前轨迹图像对应的轨迹类型;其中,预设第一学习模型是基于历史轨迹图像训练得到;若轨迹类型满足设定条件,则将当前位置发送给与可穿戴设备关联的移动终端,以进行安全预警。
可以理解,程序数据91在被处理器执行时,还用于实现上述任一实施例方法。
在本申请所提供的几个实施方式中,应该理解到,所揭露的方法以及设备,可以通过其它的方式实现。例如,以上所描述的设备实施方式仅仅是示意性的,例如,所述模块或单元的划分,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。
上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方式方案的目的。
另外,在本申请各个实施方式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。
上述其他实施方式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,可以存储在一个计算机可读取存储介质中。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一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)或处理器(processor)执行本申请各个实施方式所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,RandomAccess Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅为本申请的实施方式,并非因此限制本申请的专利范围,凡是利用本申请说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本申请的专利保护范围内。
Claims (9)
1.一种可穿戴设备的安全预警方法,其特征在于,所述方法包括:
获取当前轨迹图像;
将所述当前轨迹图像输入至预设第一学习模型,以使所述预设第一学习模型输出与所述当前轨迹图像对应的轨迹类型;其中,所述预设第一学习模型是基于历史轨迹图像训练得到;
若所述轨迹类型满足设定条件,则将当前位置发送给与所述可穿戴设备关联的移动终端,以进行安全预警;
以及,所述可穿戴设备上设有拾音器,所述拾音器用于采集环境音;
所述方法还包括:
获取所述拾音器发送的环境音;
将所述环境音输入至预设第二学习模型,以使所述预设第二学习模型输出与环境音对应的学科类型;其中,所述预设第二学习模型是基于环境音样本数据以及预先确定的学科类型标签进行训练后得到的;
从预存的课程表信息中获取当前时间对应的目标学科类型;
判断所述目标学科类型与所述学科类型是否相同;
若否,则将当前位置发送给与所述可穿戴设备关联的移动终端,以进行安全预警。
2.根据权利要求1所述的方法,其特征在于,
所述方法还包括:
获取训练图像,其中所述训练图像为所述可穿戴设备采集的历史轨迹图像;
确定所述训练图像的当前轨迹类型,并利用所述当前轨迹类型对所述训练图像进行标注;
将已标注的所述训练图像输入至预设第一学习模型,以对所述预设第一学习模型进行训练。
3.根据权利要求1所述的方法,其特征在于,
所述轨迹类型至少包括上/下学轨迹、学校运动轨迹和危险轨迹,所述危险轨迹是除所述上/下学轨迹和所述学校运动轨迹之外的轨迹;
所述若所述轨迹类型满足设定条件,则将当前位置发送给与所述可穿戴设备关联的移动终端,以进行安全预警,包括:
若所述轨迹类型为危险轨迹,则将当前位置发送给与所述可穿戴设备关联的移动终端,以进行安全预警。
4.根据权利要求1所述的方法,其特征在于,
所述可穿戴设备上设有运动传感器,用于采集用户的行为状态;
所述若所述轨迹类型满足设定条件,则将当前位置发送给与所述可穿戴设备关联的移动终端,以进行安全预警,包括:
若所述轨迹类型满足设定条件,获取所述运动传感器采集的行为状态;
判断所述行为状态是否异常状态;
若是,将当前位置发送给与所述可穿戴设备关联的移动终端,以进行安全预警。
5.根据权利要求4所述的方法,其特征在于,
所述可穿戴设备上设有摄像头,用于拍摄环境图像;
在所述行为状态为异常状态时,控制所述摄像头采集环境图像,并将所述环境图像和当前位置发送给与所述可穿戴设备关联的移动终端,以进行安全预警。
6.根据权利要求5所述的方法,其特征在于,
所述方法还包括:
当无法获取当前位置时,控制所述摄像头采集环境图像,并识别所述环境图像,以得到所述环境图像对应的当前位置;
判断所述当前位置是否为当前时间对应的位置信息;
若否,将所述当前位置发送给与所述可穿戴设备关联的移动终端,以进行安全预警。
7.根据权利要求1所述的方法,其特征在于,
所述获取所述拾音器发送的环境音之后,还包括:
将所述环境音输入至预设第三学习模型,以使所述预设第三学习模型输出与环境音对应的安全等级;其中,所述预设第三学习模型是基于环境音样本数据以及预先确定的安全等级标签进行训练后得到的;
当所述安全等级超过预设安全等级时,将所述环境音和所述当前位置发送给与所述可穿戴设备关联的移动终端,以进行安全预警。
8.一种可穿戴设备,其特征在于,所述可穿戴设备包括相互连接的处理器和存储器;
其中,所述存储器用于存储程序数据,所述处理器用于执行所述程序数据,以实现如权利要求1-7任一项所述的方法。
9.一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用于存储程序数据,所述程序数据在被处理器执行时,用于实现如权利要求1-7任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010426118.6A CN113689660B (zh) | 2020-05-19 | 2020-05-19 | 可穿戴设备的安全预警方法、可穿戴设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010426118.6A CN113689660B (zh) | 2020-05-19 | 2020-05-19 | 可穿戴设备的安全预警方法、可穿戴设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113689660A CN113689660A (zh) | 2021-11-23 |
CN113689660B true CN113689660B (zh) | 2023-08-29 |
Family
ID=78575960
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010426118.6A Active CN113689660B (zh) | 2020-05-19 | 2020-05-19 | 可穿戴设备的安全预警方法、可穿戴设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113689660B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114120608B (zh) * | 2022-01-24 | 2022-04-15 | 南京迈特望科技股份有限公司 | 多源数据可视化智慧养老预警系统及方法 |
CN114501362B (zh) * | 2022-02-21 | 2022-12-27 | 枣庄山好科技有限公司 | 一种基于nbiot网络儿童安全监控系统 |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1593980A (zh) * | 2003-09-09 | 2005-03-16 | 摩托罗拉公司 | 自动语音归类方法 |
CN104036617A (zh) * | 2014-06-11 | 2014-09-10 | 广东安居宝数码科技股份有限公司 | 报警方法和报警系统 |
JP2016180839A (ja) * | 2015-03-24 | 2016-10-13 | 日本放送協会 | 雑音抑圧音声認識装置およびそのプログラム |
CN107610408A (zh) * | 2017-07-25 | 2018-01-19 | 深圳天珑无线科技有限公司 | 安全预警方法、智能移动设备和具有存储功能的装置 |
CN108765869A (zh) * | 2018-05-31 | 2018-11-06 | 深圳市零度智控科技有限公司 | 基于人脸识别的儿童安全手表 |
CN109195113A (zh) * | 2018-09-27 | 2019-01-11 | 北京奇虎科技有限公司 | 一种用于识别用户出行轨迹的方法、装置及计算机设备 |
CN109300069A (zh) * | 2018-10-25 | 2019-02-01 | 重庆鲁班机器人技术研究院有限公司 | 用户学习路径模型的获取方法、装置以及电子设备 |
CN109523574A (zh) * | 2018-12-27 | 2019-03-26 | 联想(北京)有限公司 | 一种行走轨迹预测方法和电子设备 |
CN110463177A (zh) * | 2017-04-06 | 2019-11-15 | 华为技术有限公司 | 文档图像的校正方法及装置 |
CN110598208A (zh) * | 2019-08-14 | 2019-12-20 | 清华大学深圳研究生院 | Ai/ml增强发音课程设计和个性化练习计划方法 |
CN110866477A (zh) * | 2019-11-06 | 2020-03-06 | 中国人民解放军战略支援部队信息工程大学 | 一种轨迹运动模式识别方法及装置 |
CN110992506A (zh) * | 2020-01-03 | 2020-04-10 | 贺志兵 | 一种中小学学校安全管理家长访问终端控制方法 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102223601B (zh) * | 2011-06-09 | 2017-04-12 | 中兴通讯股份有限公司 | 定位服务方法、系统及终端 |
AU2014101406B4 (en) * | 2014-10-10 | 2015-10-22 | Lakshya Pawan Shyam Kaura | A portable alerting system and a method thereof |
CN105869345A (zh) * | 2016-03-24 | 2016-08-17 | 北京小米移动软件有限公司 | 基于可穿戴设备的报警方法、装置和设备 |
CN107437075A (zh) * | 2017-07-29 | 2017-12-05 | 安徽博威康信息技术有限公司 | 一种基于日常行为轨迹的危险警报系统 |
CN110413134B (zh) * | 2018-04-26 | 2023-03-14 | Oppo广东移动通信有限公司 | 佩戴状态检测方法及相关设备 |
CN110334167B (zh) * | 2019-06-26 | 2023-06-09 | 浪潮软件集团有限公司 | 基于神经网络轨迹的位置偏移预警方法和装置 |
-
2020
- 2020-05-19 CN CN202010426118.6A patent/CN113689660B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1593980A (zh) * | 2003-09-09 | 2005-03-16 | 摩托罗拉公司 | 自动语音归类方法 |
CN104036617A (zh) * | 2014-06-11 | 2014-09-10 | 广东安居宝数码科技股份有限公司 | 报警方法和报警系统 |
JP2016180839A (ja) * | 2015-03-24 | 2016-10-13 | 日本放送協会 | 雑音抑圧音声認識装置およびそのプログラム |
CN110463177A (zh) * | 2017-04-06 | 2019-11-15 | 华为技术有限公司 | 文档图像的校正方法及装置 |
CN107610408A (zh) * | 2017-07-25 | 2018-01-19 | 深圳天珑无线科技有限公司 | 安全预警方法、智能移动设备和具有存储功能的装置 |
CN108765869A (zh) * | 2018-05-31 | 2018-11-06 | 深圳市零度智控科技有限公司 | 基于人脸识别的儿童安全手表 |
CN109195113A (zh) * | 2018-09-27 | 2019-01-11 | 北京奇虎科技有限公司 | 一种用于识别用户出行轨迹的方法、装置及计算机设备 |
CN109300069A (zh) * | 2018-10-25 | 2019-02-01 | 重庆鲁班机器人技术研究院有限公司 | 用户学习路径模型的获取方法、装置以及电子设备 |
CN109523574A (zh) * | 2018-12-27 | 2019-03-26 | 联想(北京)有限公司 | 一种行走轨迹预测方法和电子设备 |
CN110598208A (zh) * | 2019-08-14 | 2019-12-20 | 清华大学深圳研究生院 | Ai/ml增强发音课程设计和个性化练习计划方法 |
CN110866477A (zh) * | 2019-11-06 | 2020-03-06 | 中国人民解放军战略支援部队信息工程大学 | 一种轨迹运动模式识别方法及装置 |
CN110992506A (zh) * | 2020-01-03 | 2020-04-10 | 贺志兵 | 一种中小学学校安全管理家长访问终端控制方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113689660A (zh) | 2021-11-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11030917B2 (en) | Wearable apparatus and method for monitoring posture | |
Lathia et al. | Smartphones for large-scale behavior change interventions | |
Lester et al. | A practical approach to recognizing physical activities | |
WO2018171223A1 (zh) | 一种看护机器人的数据处理方法及装置 | |
CN107004373A (zh) | 信息处理装置、信息处理方法以及计算机程序 | |
Thüs et al. | Mobile learning in context | |
US10431116B2 (en) | Orator effectiveness through real-time feedback system with automatic detection of human behavioral and emotional states of orator and audience | |
CN113689660B (zh) | 可穿戴设备的安全预警方法、可穿戴设备 | |
US20180114124A1 (en) | Learning mode for context identification | |
KR20150069331A (ko) | 사용자 라이프 로그 생성 방법 및 시스템 | |
US9965269B2 (en) | Systems and methods for determining and distributing an update to an inference model for wearable apparatuses | |
CN112328077B (zh) | 高校学生行为分析系统、方法、设备及介质 | |
Crowley‐Koch et al. | Automated measurement in applied behavior analysis: a review | |
KR101584685B1 (ko) | 시청 데이터를 이용한 기억 보조 방법 | |
CN112307855A (zh) | 一种用户状态检测方法、装置、电子设备及存储介质 | |
Hersh | Mobility technologies for blind, partially sighted and deafblind people: Design issues | |
KR101706474B1 (ko) | 스마트폰 이용행태 수집 가공 시스템 | |
Fallahzadeh et al. | Toward personalized and context-aware prompting for smartphone-based intervention | |
CN113835519A (zh) | 增强现实系统 | |
Doush et al. | A survey on accessible context-aware systems | |
CN115131867A (zh) | 基于学生学习效率检测方法、系统、设备及介质 | |
Su et al. | Accelerometer-based activity recognition on smartphone | |
CN107195163B (zh) | 一种报警方法、装置和可穿戴设备 | |
CN111274381A (zh) | 电子书的推荐方法及系统、电子设备、计算机存储介质 | |
CN111611812A (zh) | 翻译成盲文 |
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 | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20230803 Address after: 300450 No. 9-3-401, No. 39, Gaoxin 6th Road, Binhai Science Park, Binhai New Area, Tianjin Applicant after: 3600 Technology Group Co.,Ltd. Address before: 200000 room 323, floor 14, building 2, No. 588, Zixing Road, Minhang District, Shanghai Applicant before: SHANGHAI HUIYA INFORMATION TECHNOLOGY CO.,LTD. |
|
TA01 | Transfer of patent application right | ||
GR01 | Patent grant | ||
GR01 | Patent grant |