CN114003124B - 确定可穿戴设备的穿戴状态的方法和电子设备 - Google Patents

Abstract

本申请提供了一种确定可穿戴设备的穿戴状态的方法和电子设备，该方法包括：获取可穿戴设备的至少一个传感器在目标时段内生成的传感器数据；根据所述传感器数据的变化值确定所述可穿戴设备的穿戴状态。可穿戴设备通常包括一个或多个传感器，并能够基于该一个或多个传感器采集数据。当用户穿上可穿戴设备或者摘下可穿戴设备时，传感器所处的环境会发生较大的变化，从而导致传感器采集到的数据的值在短时间内发生较大的变化，即，传感器数据的值会发生跳变。因此，可以基于传感器数据的变化值确定可穿戴设备的穿戴状态，无需复杂算法即可确定当前的穿戴状态，减少了穿戴状态的检测时间，同时减少了穿戴状态的检测功耗。

Description

确定可穿戴设备的穿戴状态的方法和电子设备

技术领域

本申请涉及电子技术领域，具体涉及一种确定可穿戴设备的穿戴状态的方法和电子设备。

背景技术

可穿戴设备是一种可以被用户直接穿戴在身上的便携式电子设备，能够通过感知环境、云端数据交互等方式提升用户的生活体验，智能眼镜、智能手表和智能手环等电子设备均属于可穿戴设备。

可穿戴设备需要根据穿戴状态确定心率测量、通话、锁屏等上层业务的处理方式。例如，当穿戴状态为穿戴时，可穿戴设备执行心率测量，为用户提供健康检测服务；当穿戴状态为脱落时，可穿戴设备不执行心率测量，以减小功耗。一种确定穿戴状态的方法是获取电容数据、红外数据以及绿光数据中的一种或多种，随后根据上述数据、上述数据对应的阈值以及特定算法(如贝叶斯分类算法)确定穿戴状态。该方法能够在一定程度上满足穿戴状态的检测需求，但检测时间较长，如何减少可穿戴设备的穿戴状态的检测时间是当前需要解决的问题。

发明内容

本申请提供了一种确定可穿戴设备的穿戴状态的方法和电子设备，能够减少可穿戴设备的穿戴状态的检测时间。

第一方面，提供了一种确定可穿戴设备的穿戴状态的方法，包括：获取可穿戴设备的至少一个传感器在目标时段内生成的传感器数据；根据所述传感器数据的变化值确定所述可穿戴设备的穿戴状态。

可穿戴设备通常包括一个或多个传感器，并能够基于该一个或多个传感器采集数据。当用户穿戴可穿戴设备或者摘下可穿戴设备时，传感器所处的环境会发生较大的变化，从而导致传感器采集到的数据的值在短时间内发生较大的变化，即，传感器数据的值会发生跳变。因此，可以基于上述特性确定可穿戴设备的穿戴状态，例如，当传感器数据在短时间内发生了较大的变化时，说明可穿戴设备的穿戴状态有较大的可能性发生了变化，若先前的穿戴状态为可信穿戴状态或疑似穿戴状态，则当前的穿戴状态为可信脱落状态或疑似脱落状态；若先前的穿戴状态为可信脱落状态或疑似脱落状态，则当前的穿戴状态为可信穿戴状态或疑似穿戴状态。上述方法无需复杂算法即可确定当前的穿戴状态，减少了穿戴状态的检测时间，同时减少了穿戴状态的检测功耗。

可选地，所述至少一个传感器包括第一传感器和第二传感器，所述传感器数据包括所述第一传感器生成的第一传感器数据和所述第二传感器生成的第二传感器数据，所述根据所述传感器数据的变化值确定所述可穿戴设备的穿戴状态，包括：对所述第一传感器数据的变化值进行归一化处理，生成第一数值；对所述第二传感器数据的变化值进行归一化处理，生成第二数值；根据所述第一数值和所述第二数值生成目标数值，所述目标数值与所述第一数值的绝对值和所述第二数值的绝对值正相关；根据所述目标数值确定所述可穿戴设备的穿戴状态，所述目标数值与所述可穿戴设备的穿戴状态存在预设的对应关系。

可穿戴设备可以通过多个传感器检测穿戴状态，以提高穿戴状态的检测准确度。由于不同传感器采集的数据的取值范围不同，需要对多个变化值分别进行归一化处理，以使得基于多个变化值生成的目标数据能够正确反映多个传感器数据的整体跳变程度。

可选地，所述根据所述目标数值确定所述可穿戴设备的穿戴状态，包括：当所述目标数值小于等于第一阈值时，确定所述可穿戴设备的穿戴状态为保持原状态；当所述目标数值大于所述第一阈值且小于等于第二阈值时，确定所述可穿戴设备的穿戴状态为疑似穿戴状态或疑似脱落状态；当所述目标数值大于所述第二阈值时，确定所述可穿戴设备的穿戴状态为可信穿戴状态或可信脱落状态。

当目标数值小于等于第一阈值时，说明多个传感器数据的整体跳变程度较小，即，多个传感器所处的环境发生了轻微变化，则可以确定可穿戴设备的穿戴状态为保持原状态；当目标数值大于第一阈值且小于等于第二阈值时，说明多个传感器数据的整体跳变程度中等，即，多个传感器所处的环境发生了中等程度的变化，则可以确定可穿戴设备的穿戴状态为疑似穿戴状态或疑似脱落状态；当目标数值大于第二阈值时，说明多个传感器数据的整体跳变程度较大，即，多个传感器所处的环境发生了剧烈的变化，则可以确定可穿戴设备的穿戴状态为可信穿戴状态或可信脱落状态。上述实施例使得可穿戴设备能够准确确定穿戴状态，以便于基于不同的穿戴状态做出对应的处理。

可选地，所述传感器数据的变化值经过归一化处理后得到K个数值，所述K为大于1的正整数，所述确定所述可穿戴设备的穿戴状态为疑似穿戴状态或疑似脱落状态，包括：当所述K个数值中的M个数值为正值时，确定所述可穿戴设备的穿戴状态为所述疑似穿戴状态；当所述K个数值中的M个数值为负值时，确定所述可穿戴设备的穿戴状态为所述疑似脱落状态，所述M为小于等于所述K的正整数。

一些传感器采集的数据的变化值可以是正值或负值，例如，当用户穿戴上可穿戴设备时，电容传感器采集的数据的变化值为正值；当用户摘下可穿戴设备时，电容传感器采集的数据的变化值为负值；可以基于此特征确定可穿戴设备的具体穿戴状态。在多个传感器数据的整体跳变程度中等的前提下，当上述K个数值中的部分或全部数值(M个数值)为正值时，说明可穿戴设备可能处于疑似穿戴状态；当上述K个数值中的部分或全部数值(M个数值)为负值时，说明可穿戴设备可能处于疑似脱落状态。

可选地，所述传感器数据的变化值经过归一化处理后得到K个数值，所述K为大于1的正整数，所述确定所述可穿戴设备的穿戴状态为可信穿戴状态或可信脱落状态，包括：当所述K个数值中的N个数值为正值时，确定所述可穿戴设备的穿戴状态为所述可信穿戴状态；当所述K个数值中的N个数值为负值时，确定所述可穿戴设备的穿戴状态为所述可信脱落状态，所述N为小于等于所述K的正整数。

在多个传感器数据的整体跳变程度较大的前提下，当上述K个数值中的部分或全部数值(N个数值)为正值时，说明可穿戴设备有较大的可能处于可信穿戴状态；当上述K个数值中的部分或全部数值(N个数值)为负值时，说明可穿戴设备有较大的可能处于可信脱落状态。

可选地，所述方法还包括：当所述可穿戴设备的穿戴状态为所述保持原状态、所述疑似穿戴状态或所述疑似脱落状态时，确定不广播所述可穿戴设备的穿戴状态；当所述可穿戴设备的穿戴状态为所述可信穿戴状态或所述可信脱落状态时，广播所述可穿戴设备的穿戴状态。

当穿戴状态为保持原状态时，可穿戴设备无需改变处理策略；当穿戴状态为疑似穿戴状态或疑似脱落状态时，这两种状态的可信度较低，可穿戴设备需要对穿戴设备再次核实穿戴状态；因此，在上述三种情况下选择不广播穿戴状态可以减少信息开销和电量消耗。当穿戴状态为可信穿戴状态或可信脱落状态时，这两种状态的可信度较高，可穿戴设备可以直接广播穿戴状态，以便于可穿戴设备的上层业务或者与可穿戴设备关联的其它设备采取与该穿戴状态对应的处理策略。

可选地，所述方法还包括：当所述可穿戴设备的穿戴状态为所述疑似穿戴状态、所述疑似脱落状态、所述可信穿戴状态或所述可信脱落状态时，执行至少一项补充检测；根据所述至少一项补充检测的结果确定所述可穿戴设备的最终穿戴状态。

补充检测例如是红外检测、电容检测、绿光检测和活动量检测中的一种或多种，通过补充检测能够提高穿戴状态检测的准确率。

可选地，所述至少一项补充检测的结果包括第一检测结果和第二检测结果，所述根据所述至少一项补充检测的结果确定所述可穿戴设备的最终穿戴状态，包括：根据所述第一检测结果、第一权重、所述第二检测结果以及第二权重确定融合处理结果，其中，所述第一权重与所述第一检测结果对应的检测方式的准确率正相关，所述第二权重与所述第二检测结果对应的检测方式的准确率正相关，所述融合处理结果与所述第一检测结果和所述第一权重的乘积正相关，并且，所述融合处理结果与所述第二检测结果和所述第二权重的乘积正相关；当所述融合处理结果的值大于第三阈值时，确定所述最终穿戴状态为所述可信脱落状态；当所述融合处理结果的值小于等于所述第三阈值时，确定所述最终穿戴状态为所述可信穿戴状态。

由于不同的补充检测的准确率不同，因此，可以基于准确率赋予不同检测结果不同的权重。例如，对于准确率较高的补充检测，可以赋予其检测结果较高的权重；对于准确率较低的补充检测，可以赋予其检测结果较低的权重；从而可以提高补充检测的准确率。

第二方面，提供了一种确定可穿戴设备的穿戴状态的装置，包括由软件和/或硬件组成的单元，该单元用于执行第一方面所述的技术方案中任意一种方法。

第三方面，提供了一种电子设备，包括处理器和存储器，该存储器用于存储计算机程序，该处理器用于从存储器中调用并运行该计算机程序，使得该电子设备执行第一方面所述的技术方案中任意一种方法。

第四方面，提供了一种计算机可读介质，所述计算机可读介质存储有程序代码，当所述计算机程序代码在电子设备上运行时，使得该电子设备执行第一方面所述的技术方案中任意一种方法。

第五方面，提供了一种计算机程序产品，所述计算机程序产品包括：计算机程序代码，当所述计算机程序代码在电子设备上运行时，使得该电子设备执行第一方面所述的技术方案中任意一种方法。

附图说明

图1是本申请提供的一种确定可穿戴设备的穿戴状态的方法的示意图；

图2是本申请提供的一种红外光强数据跳变的示意图；

图3是本申请提供的一种电容数据跳变的示意图；

图4是本申请提供的一种角加速度数据跳变的示意图；

图5是本申请提供的一种基于传感器数据的跳变确定穿戴状态的方法的示意图；

图6是本申请提供的一种补充检测的方法的示意图；

图7是本申请提供的一种穿戴状态切换的示意图；

图8是本申请提供的一种确定可穿戴设备的穿戴状态的电子设备的示意图。

具体实施方式

为便于理解技术方案，首先对本申请涉及的几个检测可穿戴设备的穿戴状态的检测方法进行简要介绍。

红外检测。

在红外检测过程中，红外光源发射红外光，当红外光照射到障碍物时，接收器会接收到该障碍物反射的红外光。不同障碍物反射的红外光的强度不同，通过检测反射的红外光的强度，能够确定障碍物的类型。

电容检测。

电极板与障碍物之间能够形成电容，不同障碍物与电极板之间的电容的电容值不同，电容检测的原理是测量该电容值确定障碍物的类型。

绿光检测。

绿光检测也可称为光电容积脉搏波描记法(photo plethysmography，PPG)，是一种检测活体组织的血液容积变化的无创检测方法。光束穿透皮肤进入活体组织后部分光子被吸收，另外部分光子会被反射出去被光子接收器获取到，其中，肌肉、骨骼、静脉等组织对光子的吸收是基本不变的，受血管收缩和扩张的影响，动脉对光子的吸收会发生变化。因此，光子接收器会收到两种光信号，一种是肌肉、骨骼、静脉等组织反射的直流光信号，另一种是动脉反射的交流光信号，交流光信号是活体组织有别于非活体组织的一个重要特征。

活动量检测。

可以通过加速度计进行活动量检测。例如，可以使用三轴加速度计测量x、y、z三个方向的加速度，进而根据加速度确定各个方向上的活动量。

上述几种检测方法是示例性描述，适用于本申请的检测方法不限于此。下面将结合附图，对本申请中的技术方案进行描述。

图1是本申请提供的确定可穿戴设备的穿戴状态的方法的示意图。方法100可以由处理器执行，该处理器可以是可穿戴设备自身的处理器，也可以是与可穿戴设备关联的电子设备的处理器。

例如，可穿戴设备获取传感器数据后，通过蓝牙等通信方式将传感器数据发送至手机，手机处理器的处理能力通常强于可穿戴设备处理器的处理能力，并且，手机的电池容量通常高于可穿戴设备的电池容量，因此，利用手机处理器执行方法100能够快速确定穿戴状态，并且能够节省可穿戴设备的功耗。手机处理器确定可穿戴设备的穿戴状态后可以将穿戴状态发送至可穿戴设备，以便于可穿戴设备基于该穿戴状态确定应对策略。

方法100包括以下内容。

S110，获取可穿戴设备的至少一个传感器在目标时段内生成的传感器数据。

上述至少一个传感器例如是红外传感器、电容传感器和加速度计中的一个或多个，该至少一个传感器还可以是其它传感器，本申请对可穿戴设备包含的传感器的类型和数量不做限定。

上述传感器能够在可穿戴设备的控制下执行数据采集操作，生成传感器数据。例如，红外传感器生成红外光强数据、电容传感器生成电容数据、加速度计生成角加速度数据。可穿戴设备可以获取传感器在目标时段(如2秒)内生成的传感器数据，以便于通过下列步骤确定可穿戴设备的穿戴状态。

S120，根据所述传感器数据的变化值确定所述可穿戴设备的穿戴状态。

本申请中，可以依据可信度将穿戴状态划分为：疑似穿戴状态、疑似脱落状态、可信穿戴状态和可信脱落状态。

疑似穿戴状态或可信穿戴状态表示可穿戴设备被用户穿戴在身上，其中，疑似穿戴状态的可信度低于可信穿戴状态的可信度。

疑似脱落状态或可信脱落状态表示可穿戴设备未被用户穿戴在身上，其中，疑似脱落状态的可信度低于可信脱落状态的可信度。

在一些特定的场景中，例如，在精度要求不高的场景中，或者，在处理器的处理能力较弱的场景中，可以不区分穿戴状态的可信度。

在另一些特定的场景中，例如，在精度要求较高的场景中，或者，在处理器的处理能力较强的场景中，可以将各个穿戴状态划分出更细粒度的可信度。

本申请对穿戴状态的具体形式不做限定。

当用户穿戴可穿戴设备或者摘下可穿戴设备时，传感器所处的环境会发生较大的变化，从而导致传感器采集到的数据的值在短时间内发生较大的变化，即，传感器数据的值会发生跳变。可以基于上述特性以及传感器数据的变化值确定可穿戴设备的穿戴状态，例如，当传感器数据在短时间内发生了较大的变化时，说明可穿戴设备的穿戴状态有较大的可能性发生了变化，若先前的穿戴状态为可信穿戴状态或疑似穿戴状态，则当前的穿戴状态为可信脱落状态或疑似脱落状态；若先前的穿戴状态为可信脱落状态或疑似脱落状态，则当前的穿戴状态为可信穿戴状态或疑似穿戴状态。上述方法无需复杂算法即可确定当前的穿戴状态，减少了穿戴状态的检测时间，同时减少了穿戴状态的检测功耗。

下面举例介绍几种根据传感器数据跳变确定穿戴状态的示例。

图2示出了红外光强数据跳变的示意图。

图2中，横轴表示时间，纵轴表示红外传感器接收到的反射光的光强。光强由弱变强说明障碍物反射的红外光增强，此时用户穿上可穿戴设备是一个较大概率的事件，处理器可以直接确定当前的穿戴状态为可信穿戴状态，也可以确定当前的穿戴状态为疑似穿戴状态；光强由强变弱，说明障碍物反射的红外光减弱，此时用户摘下可穿戴设备是一个较大概率的事件。处理器可以基于此确定可穿戴设备的穿戴状态为可信脱落状态，也可以确定可穿戴设备的穿戴设备为疑似脱落状态。

图3示出了电容数据跳变的示意图。

图3中，横轴表示时间，纵轴表示电容传感器采集到的电容值。电容值由弱变强说明电容传感器的电极板与障碍物之间的距离缩短，此时用户穿上可穿戴设备是一个较大概率的事件，处理器可以直接确定当前的穿戴状态为可信穿戴状态，也可以确定当前的穿戴状态为疑似穿戴状态；电容值由强变若说明电容传感器的电极板与障碍物之间的距离增大，说明障碍物反射的红外光减弱，此时用户摘下可穿戴设备是一个较大概率的事件。处理器可以基于此确定可穿戴设备的穿戴状态为可信脱落状态，也可以确定可穿戴设备的穿戴设备为疑似脱落状态。

图4示出了角加速度数据跳变的示意图。

图4中，横轴表示时间，纵轴表示加速度计采集到的加速度对应的实时向量与参考向量之间的夹角。夹角的值发生跳变说明可穿戴设备发生了较剧烈的运动，此时用户穿上可穿戴设备或者摘下可穿戴设备是一个较大概率的事件，处理器可以结合先前的穿戴状态确定当前的穿戴状态。

例如，先前的穿戴状态为可信穿戴状态，实时向量与参考向量的夹角的值发生跳变，则处理器可以确定当前的穿戴状态为疑似脱落状态或者可信脱落状态。

又例如，先前的穿戴状态为可信脱落状态，实时向量与参考向量的夹角的值发生跳变，则处理器可以确定当前的穿戴状态为疑似穿戴状态或者可信穿戴状态。

上文介绍了基于单一类型的传感器数据确定穿戴状态的示例。当可穿戴设备包括多种传感器时，处理器会获取到多种类型的传感器数据，下面介绍如何基于多种类型的传感器数据确定穿戴状态。

可穿戴设备可以包括第一传感器和第二传感器。在本申请中，“第一”、“第二”等形容词用于描述同一类对象中的不同个体，例如，第一传感器和第二传感器是两个不同的传感器，除此之外不存在其它限定。第一传感器和第二传感器可以是红外传感器、电容传感器和加速度计中的任意两个。

第一传感器采集的数据可以称为第一传感器数据，第二传感器采集的数据可以称为第二传感器数据。通过多个传感器检测穿戴状态能够提高检测准确度，但是不同传感器采集的数据的取值范围不同，为了确定多个传感器数据的整体跳变程度，需要对多个传感器数据的变化值分别进行归一化处理。处理器可以按照如下方式执行S120：

对所述第一传感器数据的变化值进行归一化处理，生成第一数值；

对所述第二传感器数据的变化值进行归一化处理，生成第二数值；

根据所述第一数值和所述第二数值生成目标数值，所述目标数值与所述第一数值的绝对值和所述第二数值的绝对值正相关；

根据所述目标数值确定所述可穿戴设备的穿戴状态，所述目标数值与所述可穿戴设备的穿戴状态存在预设的对应关系。

例如，第一传感器数据的取值范围是[0,20000]，第一传感器在2s内采集到的第一传感器数据的变化值为14000，可以通过14000/20000确定第一数值为0.7；第二传感器数据的取值范围是[0,180]，第二传感器在2s内采集到的第二传感器数据的变化值为160，则可以通过160/180确定第二数值为0.89；随后，可以直接对0.7的和0.89进行加法运算，也可以分别对0.7和0.89乘以相应的权重值后再进行加法运算，最终得到目标数值。

上述归一化方法是本申请提供的一个示例，其它能够在同一个标准下衡量不同传感器数据的跳变程度的归一化方法均适用于本申请。

可以根据目标数值与阈值的大小关系确定可穿戴状态，例如：

当目标数值小于等于第一阈值时，确定可穿戴设备的穿戴状态为保持原状态；

当目标数值大于第一阈值且小于等于第二阈值时，确定可穿戴设备的穿戴状态为疑似穿戴状态或疑似脱落状态；

当目标数值大于第二阈值时，确定可穿戴设备的穿戴状态为可信穿戴状态或可信脱落状态。

当目标数值小于等于第一阈值时，说明多个传感器数据的整体跳变程度较小，即，多个传感器所处的环境发生了轻微变化，则可以确定可穿戴设备的穿戴状态为保持原状态(如可信穿戴状态或可信脱落状态)；当目标数值大于第一阈值且小于等于第二阈值时，说明多个传感器数据的整体跳变程度中等，即，多个传感器所处的环境发生了中等程度的变化，则可以确定可穿戴设备的穿戴状态为疑似穿戴状态或疑似脱落状态；当目标数值大于第二阈值时，说明多个传感器数据的整体跳变程度较大，即，多个传感器所处的环境发生了剧烈的变化，则可以确定可穿戴设备的穿戴状态为可信穿戴状态或可信脱落状态。上述实施例使得可穿戴设备能够准确确定穿戴状态，以便于基于不同的穿戴状态做出对应的处理。

上述实施例在确定可穿戴状态时未考虑传感器数据跳变的方向性，可以结合先前的穿戴状态确定当前的穿戴状态。一些传感器采集的数据的变化值可以是正值或负值，例如，当用户穿戴上可穿戴设备时，电容传感器采集的数据的变化值为正值；当用户摘下可穿戴设备时，电容传感器采集的数据的变化值为负值；可以基于此特征(跳变方向性)直接确定可穿戴设备的具体穿戴状态。

例如，传感器数据的变化值经过归一化处理后得到K个数值，所述K为大于1的正整数，该K个数值经过归一化处理后生成的目标数值大于第一阈值且小于等于第二阈值，即，可穿戴设备的穿戴状态为疑似穿戴状态或疑似脱落状态；若该K个数值中的M个数值为正值，说明M个传感器数据的值由小变大，则可以确定穿戴状态为疑似穿戴状态；若该K个数值中的M个数值为负值，说明M个传感器数据的值由大变小，则可以确定穿戴状态为所述疑似脱落状态；其中，M为小于等于K的正整数。

在多个传感器数据的整体跳变程度中等的前提下，当上述K个数值中的部分或全部数值(M个数值)为正值时，说明可穿戴设备可能处于疑似穿戴状态；当上述K个数值中的部分或全部数值(M个数值)为负值时，说明可穿戴设备可能处于疑似脱落状态。

又例如，传感器数据的变化值经过归一化处理后得到K个数值，所述K为大于1的正整数，该K个数值经过归一化处理后生成的目标数值大于第二阈值，即，可穿戴设备的穿戴状态为可信穿戴状态或可信脱落状态；当该K个数值中的N个数值为正值时，说明N个传感器数据的值由小变大，则可以确定穿戴状态为可信穿戴状态；当该K个数值中的N个数值为负值时，说明N个传感器数据的值由大变小，则可以确定穿戴状态为可信脱落状态；其中，N为小于等于K的正整数。

在多个传感器数据的整体跳变程度较大的前提下，当上述K个数值中的部分或全部数值(N个数值)为正值时，说明可穿戴设备有较大的可能处于可信穿戴状态；当上述K个数值中的部分或全部数值(N个数值)为负值时，说明可穿戴设备有较大的可能处于可信脱落状态。

下面，再给出一个基于红外光强数据、电容数据和角加速度数据的跳变确定穿戴状态的例子。

如图5所示，处理器检测到红外光强数据、电容数据和角加速度数据发生跳变；随后对这三个数据分别进行归一化处理，得到三个归一化后的数值，X1、X2和X3；对X1、X2和X3进行加法运算，得到结果SUM。

在本实施例中，存在一个阈值T。若SUM小于T，说明红外光强数据、电容数据和角加速度数据的跳变程度较小，可以确定可穿戴状态为保持原状态；若SUM大于等于T，说明红外光强数据、电容数据和角加速度数据的跳变程度较大，可以确定可穿戴状态为可信穿戴状态或可信脱落状态。

由于红外光强数据和电容数据的跳变具有方向性，当SUM大于等于T时，继续判断X1和X2的跳变方向。当X1和X2均小于0时，可以确定可穿戴状态为可信脱落状态；当X1和X2均大于0时，可以确定可穿戴状态为可信穿戴状态；当X1大于0且X2小于0时，或者，当X1小于0且X2大于0时，说明传感器可能出现可故障，此时可以确定可穿戴状态为保持原状态。

上文所述的基于传感器数据的跳变程度的检测方法可以称为跳变检测，在跳变检测之后，处理器可以基于检测结果确定后续的处理策略。

例如，当穿戴状态为保持原状态、疑似穿戴状态或疑似脱落状态时，确定不广播可穿戴设备的穿戴状态；当穿戴状态为可信穿戴状态或可信脱落状态时，广播可穿戴设备的穿戴状态，可穿戴设备的上层业务或者与可穿戴设备关联的其它设备可以根据可信穿戴状态激活特定功能以提供服务，或者，可穿戴设备的上层业务或者与可穿戴设备关联的其它设备可以根据可信脱落状态关闭特定功能以节省功耗。

当穿戴状态为保持原状态时，可穿戴设备无需改变处理策略；当穿戴状态为疑似穿戴状态或疑似脱落状态时，这两种状态的可信度较低，可穿戴设备需要对穿戴设备再次核实穿戴状态；因此，在上述三种情况下选择不广播穿戴状态可以减少信息开销和电量消耗。当穿戴状态为可信穿戴状态或可信脱落状态时，这两种状态的可信度较高，可穿戴设备可以直接广播穿戴状态，以便于可穿戴设备的上层业务或者与可穿戴设备关联的其它设备采取与该穿戴状态对应的处理策略。

在跳变检测之后，处理器还可以进行补充检测，以提高穿戴状态检测的准确率。

例如，当穿戴状态为疑似穿戴状态、疑似脱落状态、可信穿戴状态或可信脱落状态时，执行至少一项补充检测；根据该至少一项补充检测的结果确定可穿戴设备的最终穿戴状态。

上述补充检测例如是红外检测、电容检测、绿光检测和活动量检测中的一种或多种，通过补充检测能够提高穿戴状态检测的准确率。

当采用多项补充检测时，可以对多项补充检测的结果进行融合处理以提高穿戴状态检测的准确率。由于不同的补充检测的准确率不同，因此，可以基于准确率赋予不同检测结果不同的权重。例如，对于准确率较高的补充检测，可以赋予其检测结果较高的权重；对于准确率较低的补充检测，可以赋予其检测结果较低的权重；从而可以提高补充检测的准确率。

下面以采用两项补充检测为例对融合处理的方法进行说明。

上述两项补充检测的检测结果分别为第一检测结果和第二检测结果，第一检测结果的权重为第一权重，第二检测结果的权重为第二权重，其中，第一权重与第一检测结果对应的检测方式的准确率正相关，第二权重与第二检测结果对应的检测方式的准确率正相关。

可以根据第一检测结果、第一权重、第二检测结果和第二权重确定融合处理结果，其中，融合处理结果与第一检测结果和第一权重的乘积正相关，并且，融合处理结果与第二检测结果和第二权重的乘积正相关。

上述正相关指的是一个参数的值随着另一个参数的值的增大而增大，例如，当第一检测方式的准确率提高时，第一权重也随之增大；当第一检测方式的准确率降低时，第一权重也随之减小。

获取融合处理结果后，可以根据融合处理结果的值与第三阈值的大小关系确定最终可穿戴状态。

例如，当融合处理结果的值大于第三阈值时，确定最终穿戴状态为可信穿戴状态；当融合处理结果的值小于等于第三阈值时，确定最终穿戴状态为可信脱落状态。

下面，再给出一个补充检测的例子。

如图6所示，可穿戴设备在跳变检测后执行补充检测，补充检测包括红外检测、绿光检测、电容检测和活动量检测。补充检测结束后，处理器获取红外光强数据d1、PPG数据d2、电容数据d3、跳变检测数据(例如，跳变检测中的红外光强数据)d4和角加速度数据d5，其中，红外光强数据的权重为w1，PPG数据的权重为w2，电容数据的权重为w3，跳变检测数据的权重为w4，角加速度数据的权重为w5。上述几个权重可以是在可穿戴设备出厂前由工程师测试各项补充检测的准确率获得，也可以是在可穿戴设备的使用过程中基于用户数据调整各项补充检测的初始权重获得。此外，一项补充检测的准确率在不同的使用场景中可能存在不同的结果，从而导致该项补充检测在不同的使用场景中的权重不同，可以基于可穿戴设备当前所处的使用场景确定各项补充检测的权重，从而提高补充检测的准确率。

获取各项补充检测的结果之后，将各项补充检测的结果乘以对应的权重得到融合处理结果y，y＝w1*d1+w2*d2+w3*d3+w4*d4+w5*d5。可以定义y值越小，可信穿戴状态的可信度越大；y值越大，可信脱落状态的可信度越大；那么，当y小于等于第三阈值时，确定最终穿戴结果为可信穿戴状态；当y大于第三阈值时，确定最终穿戴结果为可信脱落状态。

基于上文所述的跳变检测和补充检测，可穿戴设备的穿戴状态可以存在如图7所示的切换流程。

可穿戴设备的穿戴状态包括：可信穿戴状态、疑似脱落状态、可信脱落状态和疑似脱落状态。

情况一：可穿戴设备当前处于可信穿戴状态。

可穿戴设备经过跳变检测后，确定可穿戴设备处于疑似脱落状态，可以将疑似脱落状态广播至上层业务和/或与可穿戴设备关联的手机，以便于上层业务和/或与可穿戴设备关联的手机采取暂停特定功能(如心率检测)等应对措施。

随后，可穿戴设备启动补充检测。

若补充检测的结果为可信穿戴状态，则可信穿戴状态为最终的穿戴状态，可以将可信穿戴状态广播至上层业务和/或与可穿戴设备关联的手机，以便于上层业务和/或与可穿戴设备关联的手机激活特定功能以提供服务。

若补充检测的结果为可信脱落状态，则可信脱落状态为最终的穿戴状态，可以将可信脱落状态广播至上层业务和/或与可穿戴设备关联的手机，以便于上层业务和/或与可穿戴设备关联的手机关闭特定功能以实现节能。

情况二：可穿戴设备当前处于可信脱落状态。

可穿戴设备经过跳变检测后，确定可穿戴设备处于疑似穿戴状态，可以将疑似穿戴状态广播至上层业务和/或与可穿戴设备关联的手机，以便于上层业务和/或与可穿戴设备关联的手机执行开启特定功能(如心率检测)的准备工作。

随后，可穿戴设备启动补充检测。

若补充检测的结果为可信脱落状态，则可信脱落状态为最终的穿戴状态，可以将可信脱落状态广播至上层业务和/或与可穿戴设备关联的手机，以便于上层业务和/或与可穿戴设备关联的手机关闭特定功能以实现节能。

若补充检测的结果为可信穿戴状态，则可信穿戴状态为最终的穿戴状态，可以将可信穿戴状态广播至上层业务和/或与可穿戴设备关联的手机，以便于上层业务和/或与可穿戴设备关联的手机激活特定功能以提供服务。

上文详细介绍了本申请提供的确定可穿戴设备的穿戴状态的方法的示例。可以理解的是，相应的装置为了实现上述功能，其包含了执行各个功能相应的硬件结构和/或软件模块。本领域技术人员应该很容易意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，本申请能够以硬件或硬件和计算机软件的结合形式来实现。某个功能究竟以硬件还是计算机软件驱动硬件的方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。

本申请可以根据上述方法示例对确定可穿戴设备的穿戴状态的装置进行功能单元的划分，例如，可以将各个功能划分为各个功能单元，也可以将两个或两个以上的功能集成在一个单元中。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。需要说明的是，本申请中对单元的划分是示意性的，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。

图8示出了本申请提供的一种确定可穿戴设备的穿戴状态的电子设备的结构示意图。图8中的虚线表示该单元或该模块为可选的。设备800可用于实现上述方法实施例中描述的方法。电子设备800可以是终端设备或芯片。

电子设备800包括一个或多个处理器801，该一个或多个处理器801可支持电子设备800实现方法实施例中的方法。处理器801可以是通用处理器或者专用处理器，例如，处理器801可以是中央处理器(central processing unit，CPU)。CPU可以用于对电子设备800进行控制，执行软件程序，以实现确定可穿戴设备的穿戴状态的功能。

处理器801也可以是数字信号处理器(digital signal processor，DSP)、专用集成电路(application specific integrated circuit，ASIC)、现场可编程门阵列(fieldprogrammable gate array，FPGA)或者其它可编程逻辑器件，例如，分立门、晶体管逻辑器件或分立硬件组件。本申请对处理器的具体类型不做限定。

电子设备800还可以包括通信模块805，用以实现信号的输入(接收)和/或输出(发送)。

例如，通信模块805可以是终端设备的收发器，终端设备通过收发器发送或接收无线信号；或者，通信模块805可以是芯片的通信接口，芯片通过通信接口发送或接收有线信号(如传感器数据)。

电子设备800中可以包括一个或多个存储器802，其上存有程序804，程序804可被处理器801运行，生成指令803，使得处理器801根据指令803执行上述方法实施例描述的方法。可选地，存储器802中还可以存储有数据(如方法实施例中的各个阈值)。可选地，处理器801还可以读取存储器802中存储的数据，该数据可以与程序804存储在相同的存储地址，该数据也可以与程序804存储在不同的存储地址。

处理器801和存储器802可以单独设置，也可以集成在一起，例如，集成在系统级芯片(system on chip，SOC)上。

应理解，上述方法实施例的各步骤可以通过处理器801中的硬件形式的逻辑电路或者软件形式的指令完成，电子设备800执行确定可穿戴设备的穿戴状态的方法的具体方式以及产生的有益效果可以参见方法实施例中的相关描述。

本申请还提供了一种计算机程序产品，该计算机程序产品被处理器801执行时实现本申请中任一方法实施例所述的方法。

该计算机程序产品可以存储在存储器802中，例如是程序804，程序804经过预处理、编译、汇编和链接等处理过程最终被转换为能够被处理器801执行的可执行目标文件。

本申请还提供了一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被计算机执行时实现本申请中任一方法实施例所述的方法。该计算机程序可以是高级语言程序，也可以是可执行目标程序。

该计算机可读存储介质例如是存储器802。存储器802可以是易失性存储器或非易失性存储器，或者，存储器802可以同时包括易失性存储器和非易失性存储器。其中，非易失性存储器可以是只读存储器(read-only memory，ROM)、可编程只读存储器(programmableROM，PROM)、可擦除可编程只读存储器(erasable PROM，EPROM)、电可擦除可编程只读存储器(electrically EPROM，EEPROM)或闪存。易失性存储器可以是随机存取存储器(randomaccess memory，RAM)，其用作外部高速缓存。通过示例性但不是限制性说明，许多形式的RAM可用，例如静态随机存取存储器(static RAM，SRAM)、动态随机存取存储器(dynamicRAM，DRAM)、同步动态随机存取存储器(synchronous DRAM，SDRAM)、双倍数据速率同步动态随机存取存储器(double data rate SDRAM，DDR SDRAM)、增强型同步动态随机存取存储器(enhanced SDRAM，ESDRAM)、同步连接动态随机存取存储器(synchlink DRAM，SLDRAM)和直接内存总线随机存取存储器(direct rambus RAM，DR RAM)。

本领域的技术人员可以清楚地了解到，为了描述的方便和简洁，上述描述的装置和设备的具体工作过程以及产生的技术效果，可以参考前述方法实施例中对应的过程和技术效果，在此不再赘述。

在本申请所提供的几个实施例中，所揭露的系统、装置和方法，可以通过其它的方式实现。例如，以上所描述的方法实施例的一些特征可以忽略，或不执行。以上所描述的装置实施例仅仅是示意性的，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，多个单元或组件可以结合或者可以集成到另一个系统。另外，各单元之间的耦合或各个组件之间的耦合可以是直接耦合，也可以是间接耦合，上述耦合包括电的、机械的或其它形式的连接。

在本申请的各种实施例中，序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本申请的实施例的实施过程构成任何限定。

另外，本文中的术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中字符“/”，一般表示前后关联对象是一种“或”的关系。

总之，以上所述仅为本申请技术方案的较佳实施例而已，并非用于限定本申请的保护范围。凡在本申请的原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。

Claims (15)

1.一种确定可穿戴设备的穿戴状态的方法，其特征在于，包括：

获取可穿戴设备的至少一个传感器在目标时段内生成的传感器数据，所述至少一个传感器包括第一传感器和第二传感器，所述传感器数据包括所述第一传感器生成的第一传感器数据和所述第二传感器生成的第二传感器数据；

根据所述传感器数据的变化值确定所述可穿戴设备的穿戴状态，其中，

所述根据所述传感器数据的变化值确定所述可穿戴设备的穿戴状态，包括：

对所述第一传感器数据的变化值进行归一化处理，生成第一数值；

对所述第二传感器数据的变化值进行归一化处理，生成第二数值；

根据所述第一数值和所述第二数值生成目标数值，所述目标数值与所述第一数值的绝对值和所述第二数值的绝对值正相关；

根据所述目标数值确定所述可穿戴设备的穿戴状态，所述目标数值与所述可穿戴设备的穿戴状态存在预设的对应关系。

2.根据权利要求1所述的方法，其特征在于，所述根据所述目标数值确定所述可穿戴设备的穿戴状态，包括：

当所述目标数值小于等于第一阈值时，确定所述可穿戴设备的穿戴状态为保持原状态；

当所述目标数值大于所述第一阈值且小于等于第二阈值时，确定所述可穿戴设备的穿戴状态为疑似穿戴状态或疑似脱落状态；

当所述目标数值大于所述第二阈值时，确定所述可穿戴设备的穿戴状态为可信穿戴状态或可信脱落状态。

3.根据权利要求2所述的方法，其特征在于，所述传感器数据的变化值经过归一化处理后得到K个数值，所述K为大于1的正整数，

所述确定所述可穿戴设备的穿戴状态为疑似穿戴状态或疑似脱落状态，包括：

当所述K个数值中的M个数值为正值时，确定所述可穿戴设备的穿戴状态为所述疑似穿戴状态；

当所述K个数值中的M个数值为负值时，确定所述可穿戴设备的穿戴状态为所述疑似脱落状态，所述M为小于等于所述K的正整数。

4.根据权利要求2所述的方法，其特征在于，所述传感器数据的变化值经过归一化处理后得到K个数值，所述K为大于1的正整数，

所述确定所述可穿戴设备的穿戴状态为可信穿戴状态或可信脱落状态，包括：

当所述K个数值中的N个数值为正值时，确定所述可穿戴设备的穿戴状态为所述可信穿戴状态；

当所述K个数值中的N个数值为负值时，确定所述可穿戴设备的穿戴状态为所述可信脱落状态，所述N为小于等于所述K的正整数。

5.根据权利要求2至4中任一项所述的方法，其特征在于，所述方法还包括：

当所述可穿戴设备的穿戴状态为所述保持原状态、所述疑似穿戴状态或所述疑似脱落状态时，确定不广播所述可穿戴设备的穿戴状态；

当所述可穿戴设备的穿戴状态为所述可信穿戴状态或所述可信脱落状态时，广播所述可穿戴设备的穿戴状态。

6.根据权利要求2至4中任一项所述的方法，其特征在于，所述方法还包括：

当所述可穿戴设备的穿戴状态为所述疑似穿戴状态、所述疑似脱落状态、所述可信穿戴状态或所述可信脱落状态时，执行至少一项补充检测；

根据所述至少一项补充检测的结果确定所述可穿戴设备的最终穿戴状态。

7.根据权利要求6所述的方法，其特征在于，所述至少一项补充检测的结果包括第一检测结果和第二检测结果，所述根据所述至少一项补充检测的结果确定所述可穿戴设备的最终穿戴状态，包括：

根据所述第一检测结果、第一权重、所述第二检测结果以及第二权重确定融合处理结果，其中，所述第一权重与所述第一检测结果对应的检测方式的准确率正相关，所述第二权重与所述第二检测结果对应的检测方式的准确率正相关，所述融合处理结果与所述第一检测结果和所述第一权重的乘积正相关，并且，所述融合处理结果与所述第二检测结果和所述第二权重的乘积正相关；

当所述融合处理结果的值大于第三阈值时，确定所述最终穿戴状态为所述可信脱落状态；

当所述融合处理结果的值小于等于所述第三阈值时，确定所述最终穿戴状态为所述可信穿戴状态。

8.一种确定可穿戴设备的穿戴状态的电子设备，其特征在于，包括处理器，用于执行：

获取可穿戴设备的至少一个传感器在目标时段内生成的传感器数据，所述至少一个传感器包括第一传感器和第二传感器，所述传感器数据包括所述第一传感器生成的第一传感器数据和所述第二传感器生成的第二传感器数据；

根据所述传感器数据的变化值确定所述可穿戴设备的穿戴状态，其中，

所述处理器具体用于：

对所述第一传感器数据的变化值进行归一化处理，生成第一数值；

对所述第二传感器数据的变化值进行归一化处理，生成第二数值；

根据所述第一数值和所述第二数值生成目标数值，所述目标数值与所述第一数值的绝对值和所述第二数值的绝对值正相关；

根据所述目标数值确定所述可穿戴设备的穿戴状态，所述目标数值与所述可穿戴设备的穿戴状态存在预设的对应关系。

9.根据权利要求8所述的电子设备，其特征在于，所述处理器具体用于：

当所述目标数值小于等于第一阈值时，确定所述可穿戴设备的穿戴状态为保持原状态；

当所述目标数值大于所述第一阈值且小于等于第二阈值时，确定所述可穿戴设备的穿戴状态为疑似穿戴状态或疑似脱落状态；

当所述目标数值大于所述第二阈值时，确定所述可穿戴设备的穿戴状态为可信穿戴状态或可信脱落状态。

10.根据权利要求9所述的电子设备，其特征在于，所述传感器数据的变化值经过归一化处理后得到K个数值，所述K为大于1的正整数，

所述处理器具体用于：

当所述K个数值中的M个数值为正值时，确定所述可穿戴设备的穿戴状态为所述疑似穿戴状态；

当所述K个数值中的M个数值为负值时，确定所述可穿戴设备的穿戴状态为所述疑似脱落状态，所述M为小于等于所述K的正整数。

11.根据权利要求9所述的电子设备，其特征在于，所述传感器数据的变化值经过归一化处理后得到K个数值，所述K为大于1的正整数，

所述处理器具体用于：

当所述K个数值中的N个数值为正值时，确定所述可穿戴设备的穿戴状态为所述可信穿戴状态；

当所述K个数值中的N个数值为负值时，确定所述可穿戴设备的穿戴状态为所述可信脱落状态，所述N为小于等于所述K的正整数。

12.根据权利要求9至11中任一项所述的电子设备，其特征在于，所述处理器还用于：

当所述可穿戴设备的穿戴状态为所述保持原状态、所述疑似穿戴状态或所述疑似脱落状态时，确定不广播所述可穿戴设备的穿戴状态；

当所述可穿戴设备的穿戴状态为所述可信穿戴状态或所述可信脱落状态时，广播所述可穿戴设备的穿戴状态。

13.根据权利要求9至11中任一项所述的电子设备，其特征在于，所述处理器还用于：

当所述可穿戴设备的穿戴状态为所述疑似穿戴状态、所述疑似脱落状态、所述可信穿戴状态或所述可信脱落状态时，执行至少一项补充检测；

根据所述至少一项补充检测的结果确定所述可穿戴设备的最终穿戴状态。

14.根据权利要求13所述的电子设备，其特征在于，所述至少一项补充检测的结果包括第一检测结果和第二检测结果，所述处理器具体用于：

根据所述第一检测结果、第一权重、所述第二检测结果以及第二权重确定融合处理结果，其中，所述第一权重与所述第一检测结果对应的检测方式的准确率正相关，所述第二权重与所述第二检测结果对应的检测方式的准确率正相关，所述融合处理结果与所述第一检测结果和所述第一权重的乘积正相关，并且，所述融合处理结果与所述第二检测结果和所述第二权重的乘积正相关；

当所述融合处理结果的值大于第三阈值时，确定所述最终穿戴状态为所述可信脱落状态；

当所述融合处理结果的值小于等于所述第三阈值时，确定所述最终穿戴状态为所述可信穿戴状态。

15.一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中存储了计算机程序，当所述计算机程序被处理器执行时，使得处理器执行权利要求1至7中任一项所述的方法。

Images