CN114081440A - 可穿戴设备的佩戴松紧度识别方法及电子设备 - Google Patents
可穿戴设备的佩戴松紧度识别方法及电子设备 Download PDFInfo
- Publication number
- CN114081440A CN114081440A CN202111290397.9A CN202111290397A CN114081440A CN 114081440 A CN114081440 A CN 114081440A CN 202111290397 A CN202111290397 A CN 202111290397A CN 114081440 A CN114081440 A CN 114081440A
- Authority
- CN
- China
- Prior art keywords
- heart rate
- rate data
- wearable device
- data
- motion
- 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
- 238000000034 method Methods 0.000 title claims abstract description 55
- 230000033001 locomotion Effects 0.000 claims abstract description 211
- 238000012545 processing Methods 0.000 claims description 47
- 230000004044 response Effects 0.000 claims description 35
- 238000006243 chemical reaction Methods 0.000 claims description 34
- 238000001514 detection method Methods 0.000 claims description 15
- 230000003287 optical effect Effects 0.000 claims description 14
- 230000008859 change Effects 0.000 claims description 13
- 230000009466 transformation Effects 0.000 claims description 11
- 238000004590 computer program Methods 0.000 claims description 10
- 230000001131 transforming effect Effects 0.000 claims description 3
- 230000001133 acceleration Effects 0.000 description 15
- 238000005259 measurement Methods 0.000 description 11
- 238000010586 diagram Methods 0.000 description 9
- 230000008569 process Effects 0.000 description 9
- 238000013507 mapping Methods 0.000 description 6
- 238000012217 deletion Methods 0.000 description 4
- 238000006073 displacement reaction Methods 0.000 description 4
- 230000036541 health Effects 0.000 description 3
- 210000000707 wrist Anatomy 0.000 description 3
- 230000003247 decreasing effect Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 238000013186 photoplethysmography Methods 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 239000008280 blood Substances 0.000 description 1
- 210000004369 blood Anatomy 0.000 description 1
- 230000036772 blood pressure Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000009532 heart rate measurement Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 229910052760 oxygen Inorganic materials 0.000 description 1
- 239000001301 oxygen Substances 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
- A61B5/6801—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be attached to or worn on the body surface
- A61B5/6802—Sensor mounted on worn items
- A61B5/681—Wristwatch-type devices
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/0059—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
- A61B5/0205—Simultaneously evaluating both cardiovascular conditions and different types of body conditions, e.g. heart and respiratory condition
-
- 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
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
- A61B5/6801—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be attached to or worn on the body surface
- A61B5/6843—Monitoring or controlling sensor contact pressure
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
- A61B5/6801—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be attached to or worn on the body surface
- A61B5/6844—Monitoring or controlling distance between sensor and tissue
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
Abstract
本公开提供了一种可穿戴设备的佩戴松紧度识别方法及电子设备。该方法包括:获取佩戴所述可穿戴设备的用户的心率数据和所述用户的运动数据;基于所述心率数据和所述运动数据,识别所述可穿戴设备的佩戴松紧度。由此,获取佩戴可穿戴设备的用户的心率数据和运动数据,并基于心率数据和运动数据,识别可穿戴设备的佩戴松紧度,能够综合考虑用户的心率数据和运动数据,对可穿戴设备的佩戴松紧度进行识别,可实现可穿戴设备的佩戴松紧度的自动识别。
Description
技术领域
本公开涉及可穿戴技术领域,特别涉及一种可穿戴设备的佩戴松紧度识别方法、电子设备和存储介质。
背景技术
目前,随着可穿戴设备的普及以及人们对自身健康状况的关注,可穿戴设备具备越来越多的健康监测功能,如心率、血压、血氧等等。然而,相关技术中的可穿戴设备存在由于佩戴不合适而导致健康监测结果不稳定或准确度较低的问题。
发明内容
本公开旨在至少在一定程度上解决上述技术中的技术问题之一。
第一方面,本公开实施例提出一种可穿戴设备的佩戴松紧度识别方法,获取佩戴可穿戴设备的用户的心率数据和运动数据,并基于心率数据和运动数据,识别可穿戴设备的佩戴松紧度。由此,能够综合考虑用户的心率数据和运动数据,对可穿戴设备的佩戴松紧度进行识别,可实现可穿戴设备的佩戴松紧度的自动识别。
在本公开的一些实施例中,所述基于所述心率数据和所述运动数据,识别所述可穿戴设备的佩戴松紧度,包括:基于所述心率数据和所述运动数据,确定有效心率数据和所述心率数据的信噪比中的至少一种;基于所述有效心率数据和所述心率数据的信噪比中的至少一种,识别所述可穿戴设备的所述佩戴松紧度。
在本公开的一些实施例中,所述基于所述心率数据和所述运动数据,确定有效心率数据和所述心率数据的信噪比中的至少一种,包括:基于所述心率数据和所述运动数据,确定所述有效心率数据;基于所述心率数据和所述有效心率数据,确定所述心率数据的信噪比。
在本公开的一些实施例中,所述基于所述心率数据和所述运动数据,确定有效心率数据和所述心率数据的信噪比中的至少一种,包括:对所述运动数据进行时域-频域变换处理,得到目标运动频率;基于所述目标运动频率,对所述心率数据进行处理,得到所述有效心率数据。
在本公开的一些实施例中,所述基于所述目标运动频率,对所述心率数据进行处理,得到所述有效心率数据,包括:对所述心率数据进行时域-频域变换处理,得到所述心率数据在多个频率下的变化量,其中,所述多个频率包括所述目标运动频率;基于所述目标运动频率和所述心率数据在多个频率下的变化量,确定所述有效心率数据。
在本公开的一些例子中,可以对心率数据进行快速傅里叶变换处理,得到心率数据在多个频率下的变化量。
在本公开的一些实施例中,在所述对所述运动数据进行时域-频域变换处理之前,还包括:对所述运动数据进行模数转换处理,得到模数转换处理后的所述运动数据;在所述基于所述目标运动频率,对所述心率数据进行处理之前,还包括:对所述心率数据进行模数转换处理,得到模数转换处理后的所述心率数据。
在本公开的一些实施例中,所述基于所述有效心率数据和所述心率数据的信噪比中的至少一种,识别所述可穿戴设备的所述佩戴松紧度,包括:响应于所述有效心率数据达到第一阈值且所述心率数据的信噪比达到第二阈值,确定所述可穿戴设备处于佩戴合适状态。
在本公开的一些实施例中,所述基于所述有效心率数据和所述心率数据的信噪比中的至少一种,识别所述可穿戴设备的所述佩戴松紧度,包括:响应于所述有效心率数据低于第一阈值,确定所述可穿戴设备处于佩戴过紧状态;或者,响应于所述心率数据的信噪比低于第二阈值,确定所述可穿戴设备处于佩戴过松状态。
在本公开的一些实施例中,所述方法还包括:基于所述识别结果,调节所述可穿戴设备的佩戴件长度;或者,基于所述识别结果,输出调节提示信息,其中,所述调节提示信息包括所述用户调节所述可穿戴设备的所述佩戴件长度的方式和幅度。
在本公开的一些实施例中,所述方法还包括:响应于所述识别结果为所述可穿戴设备处于佩戴合适状态,控制所述可穿戴设备开始对所述用户进行心率检测。
在本公开的一些实施例中,所述基于所述心率数据和所述运动数据,识别所述可穿戴设备的佩戴松紧度,包括:响应于识别到所述用户处于运动状态,基于所述心率数据和所述运动数据,识别所述可穿戴设备的所述佩戴松紧度。
在本公开的一些实施例中,在所述基于所述心率数据和所述运动数据,识别所述可穿戴设备的佩戴松紧度之前,还包括:对所述心率数据进行模数转换处理,得到模数转换处理后的所述心率数据;响应于确定所述模数转换处理后的所述心率数据未达到预设识别条件,调节所述可穿戴设备的光信号发射装置的发射电流,以使得所述模数转换处理后的所述心率数据达到所述预设识别条件。
第二方面,本公开实施例还提出了一种电子设备,包括存储器、处理器;其中,所述处理器通过读取所述存储器中存储的可执行程序代码,以实现本公开第一方面任意可能实施例所述的可穿戴设备的佩戴松紧度识别方法。
在本公开的一些实施例中,该电子设备还包括:运动传感器,用于采集所述用户的运动数据;心率传感器,用于采集所述用户的心率数据。
在本公开的一些实施例中,该电子设备可以集成在该可穿戴设备中。
第三方面,本公开实施例还提出了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,该程序被计算机设备执行时实现本公开第一方面任意实施例所述的可穿戴设备的佩戴松紧度识别方法。
第四方面,本公开实施例还提出了一种计算机程序产品,所述计算机程序产品包括计算机可读指令,该计算机可读指令被计算机设备执行时实现本公开第一方面任意实施例所述的可穿戴设备的佩戴松紧度识别方法。
本公开附加的方面和优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本公开的实践了解到。
附图说明
本公开上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解,其中:
图1为根据本公开的一些实施例的可穿戴设备的佩戴松紧度识别方法的流程示意图;
图2为根据本公开的一些实施例的可穿戴设备的佩戴松紧度识别方法中识别可穿戴设备的佩戴松紧度的流程示意图;
图3为根据本公开的一些实施例的可穿戴设备的佩戴松紧度识别方法中确定有效心率数据和心率数据的信噪比的流程示意图;
图4为根据本公开的一些实施例的可穿戴设备的佩戴松紧度识别方法的流程示意图;
图5为根据本公开的一些实施例的可穿戴设备的佩戴松紧度识别装置的方框示意图;
图6为根据本公开的一些实施例的可穿戴设备的方框示意图;
图7为根据本公开的一些实施例的可穿戴设备的方框示意图;以及
图8为根据本公开的一些实施例的电子设备的方框示意图。
具体实施方式
下面详细描述本公开的实施例,所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,旨在用于解释本公开,而不能理解为对本公开的限制。
下面结合附图来描述本公开实施例的可穿戴设备的佩戴松紧度识别方法、装置、可穿戴设备、电子设备和计算机可读存储介质。可穿戴设备可以是腕戴式设备、头戴式设备、足部穿戴设备或其他可穿戴设备,本公开实施例对此不做限定。
图1为根据本公开的一些实施例的可穿戴设备的佩戴松紧度识别方法的流程示意图。
S101,获取佩戴可穿戴设备的用户的心率数据和用户的运动数据。
需要说明的是,本公开实施例中,对用户的心率数据、运动数据的类型不做过多限定。例如,心率数据包括但不限于电压、电流等,运动数据包括但不限于运动速度、运动加速度等。
在一些可选实施方式中,可以通过心率传感器采集用户的心率数据。例如,可穿戴设备包括心率传感器。该心率传感器可以为PPG(Photoplethysmograph,光电容积描记)等基于光学的心率传感器,或者为基于压力的心率传感器,等等,本公开实施例对心率传感器的实现不做限定。
在一个例子中,心率传感器包括至少一个光信号发射器和至少一个光探测器,光信号发射器可以用于发射光信号,发射的光信号入射用户皮肤,光探测器用于接收返回的光信号,并将接收到的光信号转换为电信号。在一些实施例中,光信号发射器可以为发光二极管或LED光源,光探测器可以为光电传感器,但本公开实施例对此不做限定。
在一些可选实现方式中,可以通过运动传感器采集用户的运动数据。例如,可穿戴设备可以包括一个或多个运动传感器。该运动传感器可以为加速度计、陀螺仪、速度传感器、地磁传感器等等,本公开实施例对运动传感器的实现不做限定。
在一些可选实施方式中,可分别通过速度传感器、加速度传感器采集用户的运动速度和运动加速度。相应地,用户的运动数据包括用户的加速度数据和运动速度数据,但本公开实施例对运动数据的实现不做限定。
用户的运动数据和心率数据是同步采集的。在一些可选实施方式中,可在预设时长或预设时间段内同步采集用户的心率数据和运动数据。例如,可按照预设周期采集多个心率数据和多个运动数据。其中,预设时长、预设周期均可根据实际情况进行设置,这里不做限定。再例如,可以在满足一定触发条件时采集用户的心率数据和运动数据,该触发条件可以为接收到用户指令或者可穿戴设备自动识别到某种触发事件,作为一个例子,响应于收到用户的佩戴松紧度识别指令或心率检测指令,则同步进行用户的心率数据和运动数据的采集,作为另一个例子,响应于检测到用户处于运动状态,则同步进行用户的心率数据和运动数据的采集,本公开实施例对此不做限定。由此,该方法中可在检测到用户处于运动状态时,采集心率数据和运动数据,即在用户处于运动状态时可自动识别可穿戴设备的佩戴松紧度。
在一些可选实施方式中,可以先识别用户的运动状态,并在识别到用户处于运动状态的情况下,基于心率数据和运动数据,识别可穿戴设备的佩戴松紧度。
在一些可选实施方式中,可识别用户是否处于运动状态。
在一些可选实施方式中,识别用户是否处于运动状态,可包括采集用户的运动速度和/或运动加速度,响应于运动速度大于或者等于预设速度阈值,和/或运动加速度大于或者等于预设加速度阈值,表明用户的运动速度较大和/或运动加速度较大,则可识别用户处于运动状态。其中,预设速度阈值、预设加速度阈值均可根据实际情况进行设置,这里不做过多限定。
在一些可选实施方式中,运动速度可包括至少一个预设方向的运动速度,可响应于至少一个预设方向的运动速度大于或者等于预设速度阈值,识别用户处于运动状态。
在一些可选实施方式中,运动加速度可包括至少一个预设方向的运动加速度,可响应于至少一个预设方向的运动加速度大于或者等于预设加速度阈值,识别用户处于运动状态。
在一些可选实施方式中,可分别通过速度传感器、加速度传感器采集用户的运动速度和运动加速度。
在一些可选实施方式中,识别用户是否处于运动状态,可包括采集用户的位置信息和/或位移信息,响应于采集到的用户的相邻两个位置信息的差值大于或者等于预设第一差值阈值,和/或采集到的用户的相邻两个位移信息的差值大于或者等于预设第二差值阈值,表明用户的位置变化较大,则可识别用户处于运动状态。其中,预设第一差值阈值、预设第二差值阈值均可根据实际情况进行设置,这里不做过多限定。
在一些可选实施方式中,可分别通过位置传感器、位移传感器采集用户的位置信息和位移信息。
S102,基于用户的心率数据和运动数据,识别可穿戴设备的佩戴松紧度。
在一些可选实施方式中,可以将心率数据和运动数据输入至识别算法或模型,输出可穿戴设备的佩戴松紧度的指示信息。其中,该识别算法或模型可以是通过训练得到的机器学习算法或模型,或者也可以是实时生成或确定的,具体可根据实际情况进行设置,这里不做限定。在一些例子中,可以直接将心率数据和运动数据输入到预设算法或模型,也可以对心率数据和运动数据中的至少一种进行一种或多种预处理,并将预处理后的数据输入到预设算法或模型,本公开实施例不做限定。
在另一种实施方式中,可以预先建立心率数据、运动数据和佩戴松紧度之间的映射关系,在获取到心率数据和运动数据之后,可查询上述映射关系,得到获取到的心率数据和运动数据所对应的佩戴松紧度。该映射关系可以存储在可穿戴设备或者其他设备处,例如存储在网络服务器中,本公开实施例对此不做限定。
本公开的实施例中,对可穿戴设备的佩戴松紧度的形式不做过多限定,例如,佩戴松紧度包括但不限于数值、等级、范围等。
在一些可选实施方式中,佩戴松紧度可用1至100的数值来表示,数值越大表征可穿戴设备佩戴越紧,反之,数值越小表征可穿戴设备佩戴越松。在一些可选实施方式中,佩戴松紧度可以包括佩戴不合适和佩戴合适。在一种实现方式中,佩戴松紧度可以包括过紧、过松和合适。
在一些实施例中,在确定当前佩戴松紧度不合适时,还可以进一步确定可穿戴设备的佩戴长度调节信息。例如,增长或缩短的调节步长,或者增长或缩短的调节长度,等等。
在一些可选实施方式中,可以实现佩戴长度的自动调节。此时,还可以基于识别结果,调节可穿戴设备的佩戴件长度,进而调节可穿戴设备的佩戴松紧度,有助于提高可穿戴设备的佩戴舒适度和心率检测的准确度。例如,可穿戴设备可以包括佩戴调节部件,控制器可以基于识别结果控制佩戴调节部件调节可穿戴设备的佩戴长度,本公开实施例对调节的具体实现不做限定。
在一些可选实施方式中,佩戴松紧度的识别结果为松紧度数值,数值越大表征可穿戴设备佩戴越紧,反之,数值越小表征可穿戴设备佩戴越松。则基于识别结果,调节可穿戴设备的佩戴件长度,可包括识别松紧度数值大于第一预设阈值,表明可穿戴设备佩戴过紧,增大可穿戴设备的佩戴件长度,以调松可穿戴设备;或者,识别松紧度数值小于第二预设阈值,表明可穿戴设备佩戴过松,减小可穿戴设备的佩戴件长度,以调紧可穿戴设备。其中,第一预设阈值、第二预设阈值均可根据实际情况进行设置,这里不做过多限定。
在一些可选实施方式中,佩戴松紧度的识别结果可包括可穿戴设备处于佩戴过紧状态、佩戴过松状态,则基于识别结果,调节可穿戴设备的佩戴件长度,可包括响应于识别结果为可穿戴设备处于佩戴过紧状态,增大可穿戴设备的佩戴件长度,以调松可穿戴设备;或者,响应于识别结果为可穿戴设备处于佩戴过松状态,减小可穿戴设备的佩戴件长度,以调松可穿戴设备。
在一些可选实施方式中,还可基于识别结果,输出调节提示信息,其中,调节提示信息包括用户调节可穿戴设备的佩戴件长度的方式和幅度。应说明的是,调节提示信息的类型可根据实际情况进行设置,这里不做过多限定,例如,调节提示信息包括但不限于文本、音频、图片、示范视频等。由此,该方法可基于识别结果,输出调节提示信息,可及时告知用户调节可穿戴设备的佩戴件长度的方式和幅度,使得用户可调节可穿戴设备的佩戴松紧度,有助于提高可穿戴设备的佩戴舒适度和心率检测的准确度。
在一些可选实施方式中,调节可穿戴设备的佩戴件长度的方式可包括增大或者减小可穿戴设备的佩戴件长度,调节可穿戴设备的佩戴件长度的幅度可包括增大或者减少可穿戴设备的佩戴件长度的具体数值。
在一些可选实施方式中,还可响应于识别结果为可穿戴设备处于佩戴合适状态,表明此时可穿戴设备的佩戴舒适度较高,则可控制可穿戴设备开始对用户进行心率检测。由此,该方法可在可穿戴设备处于佩戴合适状态时,及时控制可穿戴设备开始对用户进行心率检测,有助于提高心率检测的准确度。
综上,根据本公开实施例的可穿戴设备的佩戴松紧度识别方法,获取佩戴可穿戴设备的用户的心率数据和运动数据,并基于心率数据和运动数据,识别可穿戴设备的佩戴松紧度。由此,能够综合考虑用户的心率数据和运动数据,对可穿戴设备的佩戴松紧度进行识别,可实现可穿戴设备的佩戴松紧度的自动识别。
在上述任一实施例的基础上,图2示出了基于心率数据和运动数据识别可穿戴设备的佩戴松紧度的一种可选实现方式。
S201,基于心率数据和运动数据,确定有效心率数据和心率数据的信噪比中的至少一种。
本公开的实施例中,可基于心率数据和运动数据,确定有效心率数据和心率数据的信噪比(Signal-To-Noise Ratio,SNR)中的至少一种。有效心率数据可以指获取到的心率数据中用于识别可穿戴设备的佩戴松紧度的心率数据。有效心率数据可以是获取到的心率数据中滤除了运动带来的至少一部分干扰而得到的心率数据。
在一些可选实施方式中,可以将心率数据和运动数据直接或经过预处理后输入至第一预设算法或模型,由第一预设算法或模型输出有效心率数据。
在一些可选实施方式中,可以将心率数据和运动数据输入至第二预设算法或模型,由第二预设算法或模型输出心率数据的信噪比。
其中,第一预设算法或模型、第二预设算法或模型可以为相同或不同的预设算法或模型,其可根据实际情况进行设置,这里不做过多限定。
S202,基于有效心率数据和心率数据的信噪比中的至少一种,识别可穿戴设备的佩戴松紧度。
在一些可选实施方式中,可以将有效心率数据和心率数据的信噪比中的至少一种直接或经预处理后输入至预设识别算法和/或模型,得到可穿戴设备的佩戴松紧度。
在一些可选实施方式中,可以预先建立有效心率数据、心率数据的信噪比中的至少一种与佩戴松紧度之间的映射关系,在获取到有效心率数据和心率数据的信噪比中的至少一种之后,可查询上述映射关系,得到获取到的有效心率数据和心率数据的信噪比中的至少一种所对应的佩戴松紧度。上述映射关系可根据实际情况进行设置,这里不做过多限定。
在一些可选实施方式中,可以基于有效心率数据,确定可穿戴设备的佩戴松紧度。例如,响应于有效心率数据低于第一阈值,表明此时有效心率数据较小,确定可穿戴设备处于佩戴过紧状态。
在一些可选实现方式中,可以基于心率数据的信噪比,确定可穿戴设备的佩戴松紧度。例如,响应于心率数据的信噪比低于第二阈值,表明此时心率数据的信噪比较小,确定可穿戴设备处于佩戴过松状态。
在一些可选实现方式中,可以基于有效心率数据和心率数据的信噪比,确定可穿戴设备的佩戴松紧度。例如,响应于有效心率数据达到第一阈值且心率数据的信噪比达到第二阈值,可以确定可穿戴设备处于佩戴合适状态。
在一些实施例中,可以确定用户的有效心率数据以及心率数据的信噪比,此时,有效心率数据和心率数据的信噪比可以对应各自的单独阈值条件,也可以对应同一个联合阈值条件,相应地,可以分别确定用户的有效心率数据和心率数据的信噪比是否满足各自的单独阈值条件,或者,可以确定有效心率数据和心率数据的信噪比是否满足联合阈值条件,本公开实施例对此不做限定。
在另一些实施例中,也可以先确定有效心率数据,并在确定有效心率数据满足设定的阈值条件的条件下,才进一步确定心率数据的信噪比。而如果确定有效心率数据不满足设定的阈值条件,则不进行心率数据的信噪比的确定。例如,响应于确定有效心率数据低于第一阈值,则确定可穿戴设备佩戴过紧,而不进行心率数据的信噪比的确定和相应判断,这样,可以节约设备资源,并提高佩戴松紧度识别效率和速度。
在另一些实施例中,也可以先确定心率数据的信噪比,并在确定心率数据的信噪比满足设定的阈值条件的条件下,才进一步确定有效心率数据。而如果确定心率数据的信噪比不满足设定的阈值条件,则不进行有效心率数据的确定。例如,响应于确定心率数据的信噪比低于第二阈值,则确定可穿戴设备佩戴过松,而不进行有效心率数据的确定和相应判断,这样,可以节约设备资源,并提高佩戴松紧度识别效率和速度。
上述第一阈值、第二阈值的数值或范围均可根据实际情况进行设置,这里不做过多限定。
由此,该方法可基于心率数据和运动数据,确定有效心率数据和心率数据的信噪比中的至少一种,并基于有效心率数据和心率数据的信噪比中的至少一种来识别可穿戴设备的佩戴松紧度,从而在识别佩戴松紧度的过程中考虑去除了运动干扰的心率数据和运动数据,提高佩戴松紧度识别的准确性。
在上述任一实施例的基础上,图3示出了基于心率数据和运动数据确定心率数据的信噪比的一种可选实现方式。
S301,基于心率数据和运动数据,确定有效心率数据。
在一些可选实施方式中,可以对运动数据进行时域-频域变换处理,得到目标运动频率,并基于目标运动频率,对心率数据进行处理,得到有效心率数据。其中,时域-频域变换处理可以包括但不限于时域-频域变换处理可包括快速傅里叶变换(Fast FourierTransform,FFT)处理,这里不做限定。
在一些可选实施方式中,可以对运动数据进行时域-频域变换处理,得到运动数据在多个频率下的变化量,并基于运动数据在多个频率下的变化量确定目标运动频率。例如,将运动数据在多个频率下的变化量中数值最大的变化量所对应的频率确定为目标运动频率,再例如,将运动数据在多个频率下的变化量中数值连续高于某一数值的多个频率的平均值或中间值作为目标运动频率,但本公开实施例不限于此。
在一些可选实施方式中,运动数据可包括至少一个预设方向的运动数据。进一步地,对运动数据进行时域-频域变换处理,得到运动数据在多个频率下的变化量,可包括对任一预设方向的运动数据进行时域-频域变换处理,得到任一预设方向的运动数据在多个频率下的变化量。
例如,预设方向可包括三维直角坐标系中x轴、y轴、z轴的正方向。则可对x轴正方向的运动数据进行时域-频域变换处理,得到x轴正方向的运动数据在多个频率下的变化量;可对y轴正方向的运动数据进行时域-频域变换处理,得到y轴正方向的运动数据在多个频率下的变化量;可对z轴正方向的运动数据进行时域-频域变换处理,得到z轴正方向的运动数据在多个频率下的变化量。
在一些实施例中,可以通过比较运动数据在多个频率、至少一个预设方向的变化量确定目标运动频率,或者,通过比较运动数据在多个频率、多个预设方向的整体变化量(如变化量的模值)来确定目标运动频率。例如,预设方向可包括三维直角坐标系中x轴、y轴、z轴所指示的方向,可获取x轴方向的最大变化值Δqx对应的目标运动频率Ax,可获取y轴正方向的最大变化值Δqy对应的目标运动频率Ay,可获取z轴正方向的最大变化值Δqz对应的目标运动频率Az,或者,获取在三维直角坐标系中具有最大变化模值对应的目标运动频率,但本公开实施例不限于此。
在一些可选实施方式中,可以对心率数据进行时域-频域变换处理,得到心率数据在多个频率下的变化量,其中,多个频率包括目标运动频率,并基于目标运动频率和心率数据在多个频率下的变化量,确定有效心率数据。
在一些可选实施方式中,可以从多个频率中去除目标运动频率,并基于心率数据在剩余的多个频率下的变化量确定有效心率数据。可选地,基于心率数据在剩余的多个频率下的变化量确定目标心率频率,并将目标心率频率对应的变化量确定为有效心率数据。例如,可以将心率数据在剩余的多个频率下的变化量的最大值确定为有效心率数据。再例如,可以将心率数据在剩余的多个频率下的变化量中超过一定阈值的多个变化量的平均值或中间值确定为有效心率数据。再例如,可以将心率数据在剩余的多个频率下的变化量中超过一定阈值的多个变化量所对应的频率的平均值或中间值确定为目标心率频率,并将心率数据在目标心率频率下的变化量确定为有效心率数据。由此,可以避免运动对心率测量的干扰,提高用于识别佩戴松紧度的心率数据的质量。
例如,运动数据在n个频率A1、A2至An下的变化量分别为Δq1、Δq2至Δqn,心率数据在n个频率B1、B2至Bn下的变化量分别为Δp1、Δp2至Δpn,且A2=B2,若Δq1、Δq2至Δqn中最大变化量为Δq2,则可确定A2为目标运动频率,并从B1、B2至Bn中删除A2,即从B1、B2至Bn中删除B2,并可从B1、B3至Bn中获取最大变化量对应的目标心率频率,若B1、B3至Bn对应的最大变化量为Δp3,则可确定B3为目标心率频率,并将Δp3确定为有效心率数据。
在一些可选实施方式中,运动数据可包括多个预设方向的运动数据。此时,可以从多个频率中删除每个预设方向的最大变化值对应的目标运动频率,并从删除后的多个频率中获取最大变化量对应的目标心率频率,并将目标心率频率对应的变化量确定为有效心率数据。
例如,运动数据在n个频率A1、A2至An下的变化量分别为Δq1、Δq2至Δqn,心率数据在n个频率B1、B2至Bn下的变化量分别为Δp1、Δp2至Δpn,目标运动频率包括x、y、z轴正方向的最大变化量对应的目标运动频率Ax、Ay、Az,且B1=Ax,B2=Ay,B3=Az,可从B1、B2至Bn中删除Ax、Ay、Az,即从B1、B2至Bn中删除B1、B2、B3,并可从B4、B5至Bn中获取最大变化量对应的目标心率频率,若B4、B5至Bn对应的最大变化量为Δp4,则可确定B4为目标心率频率,并将Δp4确定为有效心率数据。
在一些可选实施方式中,获取到的运动数据可以是模拟信号。此时,可选地,在对运动数据进行时域-频域变换处理之前,还可以对运动数据进行模数转换处理,得到模数转换处理后的运动数据。应说明的是,模数转换处理后的运动数据为数字信号。由此,该方法可对运动数据进行模数转换处理,从而可基于数字信号的运动数据,识别可穿戴设备的佩戴松紧度。
在一些可选实施方式中,获取到的心率数据可以是模拟信号。此时,可选地,在基于目标运动频率,对心率数据进行处理之前,还可以对心率数据进行模数转换处理,得到模数转换处理后的心率数据。应说明的是,模数转换处理后的心率数据为数字信号。由此,该方法可对心率数据进行模数转换处理,从而可基于数字信号的心率数据,识别可穿戴设备的佩戴松紧度。
S302,基于心率数据和有效心率数据,确定心率数据的信噪比。
在一些可选实施方式中,可以将心率数据和有效心率数据直接或经预处理后输入至第三预设算法或模型,由第三预设算法或模型输出心率数据的信噪比。其中,第三预设算法或模型可根据实际情况进行设置,这里不做过多限定。
在一些可选实施方式中,可以获取有效心率数据和心率数据在目标运动频率下的变化量的第一和值,将有效心率数据与第一和值的比值作为心率数据的信噪比。
例如,若心率数据在目标运动频率下的变化量为Δp2,有效心率数据为Δp3,则心率数据的信噪比SNR可通过下述公式来获取:
SNR=Δp3/(Δp2+Δp3);
在一些可选实施方式中,运动数据可包括多个预设方向的运动数据。此时,可以获取心率数据在每个预设方向的目标运动频率下的变化量的第二和值,将第二和值和有效心率数据的和值作为第一和值。
例如,目标运动频率包括x、y、z轴正方向的最大变化量对应的目标运动频率Ax、Ay、Az,心率数据在Ax、Ay、Az下的变化量分别为Δpx、Δpy、Δpz,有效心率数据为Δp3,则第二和值=Δpx+Δpy+Δpz,则心率数据的信噪比SNR可通过下述公式来获取:
SNR=Δp3/(Δpx+Δpy+Δpz+Δp3);
由此,该方法可基于心率数据和运动数据,确定有效心率数据,并基于心率数据和有效心率数据,确定心率数据的信噪比,可实现有效心率数据和心率数据的信噪比的获取。
在一些实施方式中,预设识别条件可包括模数转换处理后的心率数据大于或者等于第三阈值。应说明的是,第三阈值为判别可穿戴设备是否准确的临界值,可根据实际情况进行设置,这里不做过多限定。由此,该方法可在识别模数转换处理后的心率数据大于或者等于第三阈值时,基于心率数据和运动数据,识别可穿戴设备的佩戴松紧度,即在判别可穿戴设备准确时,进行可穿戴设备的佩戴松紧度的识别,有助于提高佩戴松紧度识别的准确度。
图4为根据本公开的一些实施例的可穿戴设备的佩戴松紧度识别方法的流程示意图。
S401,获取佩戴可穿戴设备的用户的运动数据。例如,响应于满足触发条件,则获取佩戴可穿戴设备的用户的运动数据。作为一个例子,周期性获取佩戴可穿戴设备的用户的运动数据。作为另一个例子,响应于接收到用户发出的心率检测指令,获取用户的运动数据,等等,本公开实施例对此不做限定。
S402,识别用户是否处于运动状态。
如果处于运动状态,则执行步骤S403~S406;如果未处于运动状态,则执行步骤S410~S411。
S403,进行测量参数的校准。
在一个例子中,可以发射光信号,并接收返回的光信号,然后基于接收的光信号得到心率数据,并识别心率数据是否满足预设测量/识别条件。如果满足,则执行S404;如果不满足,则调整可穿戴设备的光信号发射装置的发射电流,直至心率数据满足预设测量/识别条件。
S404,获取用户的心率数据和运动数据。
S405,基于心率数据和运动数据,确定有效心率数据。
S406,识别有效心率数据是否低于第一阈值。
如果低于,则执行步骤S407;如果有效心率数据超过第一阈值,则执行步骤S408。
S407,调节可穿戴设备的佩戴件长度。
S408,基于心率数据和有效心率数据,确定心率数据的信噪比。
S409,识别心率数据的信噪比是否低于第二阈值。
如果低于,则执行步骤S407;如果心率数据的信噪比超过第二阈值,则执行步骤S411。
需要说明的是,步骤S401-S409的相关内容可参见上述实施例,这里不再赘述。
S410,进行测量参数的校准。
在一个例子中,可以发射光信号,并接收返回的光信号,然后基于接收的光信号得到心率数据,并识别心率数据是否满足预设测量/识别条件。
如果是,则执行步骤S411;如果否,则调整可穿戴设备的光信号发射装置的发射电流,直至心率数据满足预设测量/识别条件。
需要说明的是,步骤S410的相关内容可参见步骤S403,这里不再赘述。
S411,控制可穿戴设备开始对用户进行心率检测。
本公开的实施例中,识别用户未处于运动状态之后,可进行心率数据测量参数的校准,具体地,可发射光信号,接收返回的光信号,基于接收的光信号得到心率数据,识别心率数据是否满足预设测量/识别条件,如果心率数据满足预设测量/识别条件,表明测量参数的校准通过,控制可穿戴设备开始对用户进行心率检测。应说明的是,预设测量/识别条件的相关内容可参见上述实施例,这里不再赘述。
在一些实施例中,可以在用户处于运动状态时,识别可穿戴设备的佩戴松紧度,并且仅在识别可穿戴设备佩戴松紧度合适的情况下才启动心率检测,从而有利于提高心率检测的准确度。如检测到用户未处于运动状态,则可以在不进行佩戴松紧度检测的条件下控制可穿戴设备开始对用户进行心率检测,有助于提高心率检测的效率,降低设备功耗。
图5为根据本公开的一些实施例的可穿戴设备的佩戴松紧度识别装置的方框示意图。
如图5所示,本公开实施例的可穿戴设备的佩戴松紧度识别装置100,包括:获取模块110和识别模块120。
获取模块110,用于获取佩戴所述可穿戴设备的用户的心率数据和所述用户的运动数据;
识别模块120,用于基于所述心率数据和所述运动数据,识别所述可穿戴设备的佩戴松紧度。
在本公开的一些实施例中,所述识别模块120,包括:确定单元,用于基于所述心率数据和所述运动数据,确定有效心率数据和所述心率数据的信噪比中的至少一种;识别单元,用于基于所述有效心率数据和所述心率数据的信噪比中的至少一种,识别所述可穿戴设备的所述佩戴松紧度。
在本公开的一些实施例中,所述确定单元,还用于:基于所述心率数据和所述运动数据,确定所述有效心率数据;基于所述心率数据和所述有效心率数据,确定所述心率数据的信噪比。
在本公开的一些实施例中,所述确定单元,还用于:对所述运动数据进行时域-频域变换处理,得到目标运动频率;基于所述目标运动频率,对所述心率数据进行处理,得到所述有效心率数据。
在本公开的一些实施例中,所述确定单元,还用于:对所述心率数据进行时域-频域变换处理,得到所述心率数据在多个频率下的变化量,其中,所述多个频率包括所述目标运动频率;基于所述目标运动频率和所述心率数据在多个频率下的变化量,确定所述有效心率数据。
在本公开的一些实施例中,在所述对所述运动数据进行时域-频域变换处理之前,所述确定单元,还用于:对所述运动数据进行模数转换处理,得到模数转换处理后的所述运动数据;
在所述基于所述目标运动频率,对所述心率数据进行处理之前,所述确定单元,还用于:对所述心率数据进行模数转换处理,得到模数转换处理后的所述心率数据。
在本公开的一些实施例中,所述识别单元,还用于:响应于所述有效心率数据达到第一阈值且所述心率数据的信噪比达到第二阈值,确定所述可穿戴设备处于佩戴合适状态。
在本公开的一些实施例中,所述识别单元,还用于:响应于所述有效心率数据低于第一阈值,确定所述可穿戴设备处于佩戴过紧状态;或者,响应于所述心率数据的信噪比低于第二阈值,确定所述可穿戴设备处于佩戴过松状态。
在本公开的一些实施例中,所述可穿戴设备的佩戴松紧度识别装置100还包括:调节模块,所述调节模块,用于:基于所述识别结果,调节所述可穿戴设备的佩戴件长度;或者,基于所述识别结果,输出调节提示信息,其中,所述调节提示信息包括所述用户调节所述可穿戴设备的所述佩戴件长度的方式和幅度。
在本公开的一些实施例中,所述可穿戴设备的佩戴松紧度识别装置100还包括:控制模块,所述控制模块,用于:响应于所述识别结果为所述可穿戴设备处于佩戴合适状态,控制所述可穿戴设备开始对所述用户进行心率检测。
在本公开的一些实施例中,所述识别模块120,还用于:响应于识别到所述用户处于运动状态,基于所述心率数据和所述运动数据,识别所述可穿戴设备的所述佩戴松紧度。
在本公开的一些实施例中,在所述基于所述心率数据和所述运动数据,识别所述可穿戴设备的佩戴松紧度之前,所述识别模块120,还用于:对所述心率数据进行模数转换处理,得到模数转换处理后的所述心率数据;响应于确定所述模数转换处理后的所述心率数据未达到预设识别条件,调节所述可穿戴设备的光信号发射装置的发射电流,以使得所述模数转换处理后的所述心率数据达到所述预设识别条件。
需要说明的是,本公开实施例的可穿戴设备的佩戴松紧度识别装置中未披露的细节,请参照本公开上述实施例中的可穿戴设备的佩戴松紧度识别方法所披露的细节,这里不再赘述。
综上,本公开实施例的可穿戴设备的佩戴松紧度识别装置,获取佩戴可穿戴设备的用户的心率数据和运动数据,并基于心率数据和运动数据,识别可穿戴设备的佩戴松紧度。由此,能够综合考虑用户的心率数据和运动数据,对可穿戴设备的佩戴松紧度进行识别,可实现可穿戴设备的佩戴松紧度的自动识别。
为了实现上述实施例,本公开还提出一种可穿戴设备200,如图6所示,其包括上述可穿戴设备的佩戴松紧度识别装置100。
在一些实施例中,如图7所示,可穿戴设备200包括光电二极管1、LED光源2、腕带3、心率传感器4、线性马达5、微控制单元6(Micro Control Unit,MCU)。其中,LED光源2用于发射光信号,发射的光信号入射用户手腕上的皮肤,光电二极管1用于接收返回的光信号,并将接收到的光信号转换为电信号,心率传感器4用于根据电信号得到用户的心率数据,MCU6可根据心率数据和运动数据,识别可穿戴设备的佩戴松紧度,并基于识别结果控制线性马达5调节腕带3的长度。
本公开实施例的可穿戴设备,获取佩戴可穿戴设备的用户的心率数据和运动数据,并基于心率数据和运动数据,识别可穿戴设备的佩戴松紧度。由此,能够综合考虑用户的心率数据和运动数据,对可穿戴设备的佩戴松紧度进行识别,可实现可穿戴设备的佩戴松紧度的自动识别。
为了实现上述实施例,本公开还提出一种电子设备300,如图8所示,该电子设备300包括存储器310、处理器320。其中,处理器320通过读取存储器310中存储的可执行程序代码,以用于实现本公开上述任意可能实施例所述的可穿戴设备的佩戴松紧度识别方法。
在本公开的一些实施例中,该电子设备还包括:运动传感器,用于采集用户的运动数据;心率传感器,用于采集用户的心率数据。
在本公开的一些实施例中,该电子设备可以集成在该可穿戴设备中。
本公开实施例的电子设备,通过处理器执行存储在存储器上的计算机程序,获取佩戴可穿戴设备的用户的心率数据和运动数据,并基于心率数据和运动数据,识别可穿戴设备的佩戴松紧度。由此,能够综合考虑用户的心率数据和运动数据,对可穿戴设备的佩戴松紧度进行识别,可实现可穿戴设备的佩戴松紧度的自动识别。
为了实现上述实施例,本公开还提出一种计算机可读存储介质,其存储有计算机程序,该程序被计算机设备执行时实现本公开上述任意可能实施例所述的可穿戴设备的佩戴松紧度识别方法。
本公开实施例的计算机可读存储介质,通过存储计算机程序并被计算机设备执行,获取佩戴可穿戴设备的用户的心率数据和运动数据,并基于心率数据和运动数据,识别可穿戴设备的佩戴松紧度。由此,能够综合考虑用户的心率数据和运动数据,对可穿戴设备的佩戴松紧度进行识别,可实现可穿戴设备的佩戴松紧度的自动识别。
为了实现上述实施例,本公开还提出一种计算机程序产品,所述计算机程序产品包括计算机可读指令,该计算机可读指令被计算机设备执行时实现本公开上述任意可能实施例所述的可穿戴设备的佩戴松紧度识别方法。
在本公开的描述中,需要理解的是,术语“中心”、“纵向”、“横向”、“长度”、“宽度”、“厚度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”、“顺时针”、“逆时针”、“轴向”、“径向”、“周向”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本公开和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本公开的限制。
此外,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本公开的描述中,“多个”的含义是两个或两个以上,除非另有明确具体的限定。
在本公开中,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”、“固定”等术语应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或成一体;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通或两个元件的相互作用关系。对于本领域的普通技术人员而言,可以根据具体情况理解上述术语在本公开中的具体含义。
在本公开中,除非另有明确的规定和限定,第一特征在第二特征“上”或“下”可以是第一和第二特征直接接触,或第一和第二特征通过中间媒介间接接触。而且,第一特征在第二特征“之上”、“上方”和“上面”可是第一特征在第二特征正上方或斜上方,或仅仅表示第一特征水平高度高于第二特征。第一特征在第二特征“之下”、“下方”和“下面”可以是第一特征在第二特征正下方或斜下方,或仅仅表示第一特征水平高度小于第二特征。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本公开的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外,在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
尽管上面已经示出和描述了本公开的实施例,可以理解的是,上述实施例是示例性的,不能理解为对本公开的限制,本领域的普通技术人员在本公开的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (16)
1.一种可穿戴设备的佩戴松紧度识别方法,其特征在于,包括:
获取佩戴所述可穿戴设备的用户的心率数据和所述用户的运动数据;
基于所述心率数据和所述运动数据,识别所述可穿戴设备的佩戴松紧度。
2.根据权利要求1所述的方法,其特征在于,所述基于所述心率数据和所述运动数据,识别所述可穿戴设备的佩戴松紧度,包括:
基于所述心率数据和所述运动数据,确定有效心率数据和所述心率数据的信噪比中的至少一种;
基于所述有效心率数据和所述心率数据的信噪比中的至少一种,识别所述可穿戴设备的所述佩戴松紧度。
3.根据权利要求2所述的方法,其特征在于,所述基于所述心率数据和所述运动数据,确定有效心率数据和所述心率数据的信噪比中的至少一种,包括:
基于所述心率数据和所述运动数据,确定所述有效心率数据;
基于所述心率数据和所述有效心率数据,确定所述心率数据的信噪比。
4.根据权利要求2或3所述的方法,其特征在于,所述基于所述心率数据和所述运动数据,确定有效心率数据和所述心率数据的信噪比中的至少一种,包括:
对所述运动数据进行时域-频域变换处理,得到目标运动频率;
基于所述目标运动频率,对所述心率数据进行处理,得到所述有效心率数据。
5.根据权利要求4所述的方法,其特征在于,所述基于所述目标运动频率,对所述心率数据进行处理,得到所述有效心率数据,包括:
对所述心率数据进行时域-频域变换处理,得到所述心率数据在多个频率下的变化量,其中,所述多个频率包括所述目标运动频率;
基于所述目标运动频率和所述心率数据在多个频率下的变化量,确定所述有效心率数据。
6.根据权利要求4或5所述的方法,其特征在于,在所述对所述运动数据进行时域-频域变换处理之前,还包括:对所述运动数据进行模数转换处理,得到模数转换处理后的所述运动数据;
在所述基于所述目标运动频率,对所述心率数据进行处理之前,还包括:对所述心率数据进行模数转换处理,得到模数转换处理后的所述心率数据。
7.根据权利要求2-6中任一项所述的方法,其特征在于,所述基于所述有效心率数据和所述心率数据的信噪比中的至少一种,识别所述可穿戴设备的所述佩戴松紧度,包括:
响应于所述有效心率数据达到第一阈值且所述心率数据的信噪比达到第二阈值,确定所述可穿戴设备处于佩戴合适状态。
8.根据权利要求2-7中任一项所述的方法,其特征在于,所述基于所述有效心率数据和所述心率数据的信噪比中的至少一种,识别所述可穿戴设备的所述佩戴松紧度,包括:
响应于所述有效心率数据低于第一阈值,确定所述可穿戴设备处于佩戴过紧状态;或者,
响应于所述心率数据的信噪比低于第二阈值,确定所述可穿戴设备处于佩戴过松状态。
9.根据权利要求1-8中任一项所述的方法,其特征在于,所述方法还包括:
基于所述识别结果,调节所述可穿戴设备的佩戴件长度;或者,
基于所述识别结果,输出调节提示信息,其中,所述调节提示信息包括所述用户调节所述可穿戴设备的所述佩戴件长度的方式和幅度。
10.根据权利要求1-9中任一项所述的方法,其特征在于,所述方法还包括:
响应于所述识别结果为所述可穿戴设备处于佩戴合适状态,控制所述可穿戴设备开始对所述用户进行心率检测;或者
响应于识别到所述用户未处于运动状态,控制所述可穿戴设备开始对所述用户进行心率检测。
11.根据权利要求1-10中任一项所述的方法,其特征在于,所述基于所述心率数据和所述运动数据,识别所述可穿戴设备的佩戴松紧度,包括:
响应于识别到所述用户处于运动状态,基于所述心率数据和所述运动数据,识别所述可穿戴设备的所述佩戴松紧度。
12.根据权利要求1-11中任一项所述的方法,其特征在于,在所述基于所述心率数据和所述运动数据,识别所述可穿戴设备的佩戴松紧度之前,还包括:
对所述心率数据进行模数转换处理,得到模数转换处理后的所述心率数据;
响应于确定所述模数转换处理后的所述心率数据未达到预设识别条件,调节所述可穿戴设备的光信号发射装置的发射电流,以使得所述模数转换处理后的所述心率数据达到所述预设识别条件。
13.一种电子设备,其特征在于,包括:
存储器、处理器;
其中,所述处理器通过读取所述存储器中存储的可执行程序代码,以实现如权利要求1-12中任一项所述的可穿戴设备的佩戴松紧度识别方法。
14.根据权利要求13所述的电子设备,其特征在于,还包括:
运动传感器,用于采集用户的运动数据;
心率传感器,用于采集用户的心率数据。
15.根据权利要求13或14所述的电子设备,其特征在于,所述电子设备集成在可穿戴设备中。
16.一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存储有计算机程序,所述计算机程序被计算机设备执行时实现如权利要求1-12中任一项所述的可穿戴设备的佩戴松紧度识别方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111290397.9A CN114081440A (zh) | 2021-11-02 | 2021-11-02 | 可穿戴设备的佩戴松紧度识别方法及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111290397.9A CN114081440A (zh) | 2021-11-02 | 2021-11-02 | 可穿戴设备的佩戴松紧度识别方法及电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114081440A true CN114081440A (zh) | 2022-02-25 |
Family
ID=80298780
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111290397.9A Pending CN114081440A (zh) | 2021-11-02 | 2021-11-02 | 可穿戴设备的佩戴松紧度识别方法及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114081440A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116999035A (zh) * | 2023-10-07 | 2023-11-07 | 深圳曼瑞德科技有限公司 | 便携式远程监护终端及远程监护系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104571514A (zh) * | 2014-12-29 | 2015-04-29 | 联想(北京)有限公司 | 信息处理方法及可穿戴式电子设备 |
US20160278700A1 (en) * | 2014-01-02 | 2016-09-29 | Intel Corporation | Detection and calculation of heart rate recovery in non-clinical settings |
WO2017036874A1 (en) * | 2015-09-01 | 2017-03-09 | Essilor International (Compagnie Générale d'Optique) | A heart rate sensing module |
CN106580292A (zh) * | 2016-12-23 | 2017-04-26 | 广东乐源数字技术有限公司 | 一种智能手环传感器测量结果修正的方法 |
-
2021
- 2021-11-02 CN CN202111290397.9A patent/CN114081440A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160278700A1 (en) * | 2014-01-02 | 2016-09-29 | Intel Corporation | Detection and calculation of heart rate recovery in non-clinical settings |
CN104571514A (zh) * | 2014-12-29 | 2015-04-29 | 联想(北京)有限公司 | 信息处理方法及可穿戴式电子设备 |
WO2017036874A1 (en) * | 2015-09-01 | 2017-03-09 | Essilor International (Compagnie Générale d'Optique) | A heart rate sensing module |
CN106580292A (zh) * | 2016-12-23 | 2017-04-26 | 广东乐源数字技术有限公司 | 一种智能手环传感器测量结果修正的方法 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116999035A (zh) * | 2023-10-07 | 2023-11-07 | 深圳曼瑞德科技有限公司 | 便携式远程监护终端及远程监护系统 |
CN116999035B (zh) * | 2023-10-07 | 2024-01-02 | 深圳曼瑞德科技有限公司 | 便携式远程监护终端及远程监护系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
RU2681362C2 (ru) | Способ и устройство для оценивания риска падения пользователя | |
RU2681582C2 (ru) | Способ и устройство для идентификации переходов между положениями сидя и стоя | |
CN103040443B (zh) | 智能健康调整系统 | |
JP5017021B2 (ja) | 睡眠測定装置 | |
EP1964515A1 (en) | A mat for pressure measurement and a body information acquisition device | |
CN104596537A (zh) | 一种计步方法 | |
KR102043104B1 (ko) | 운동 인식 방법 및 장치 | |
KR101802780B1 (ko) | 가속도 센서 기반의 흡연 행동 검출 방법 및 그 장치 | |
US20210186196A1 (en) | Electric toothbrush system | |
US10588574B2 (en) | System and methods for adaptive noise quantification in dynamic biosignal analysis | |
JP3658580B2 (ja) | 睡眠深度推定装置及びこれを具えた布団 | |
CN114081440A (zh) | 可穿戴设备的佩戴松紧度识别方法及电子设备 | |
JP2017507750A (ja) | 心拍モニターシステム | |
US20220401033A1 (en) | Monitoring system for a feeding bottle | |
JP2013198654A5 (zh) | ||
CN109893111B (zh) | 一种动态血压测量模式选择方法及装置 | |
AU2012214113A1 (en) | Apparatus and method for classifying orientation of a body of a mammal | |
CN107767874A (zh) | 一种婴儿啼哭声识别提示方法及系统 | |
WO2019034854A1 (en) | TOOTHBRUSH MANAGEMENT SYSTEM | |
US20140200413A1 (en) | Biological information management module, sleep monitor, and control apparatus | |
CN110916673A (zh) | 一种步态监测的方法及智能设备 | |
CN106326672A (zh) | 入睡检测方法与系统 | |
CN109303565B (zh) | 一种睡眠状态的预测方法及装置 | |
EP3400872A1 (en) | Portable device for monitoring vascular access status | |
CN108697378A (zh) | 一种睡眠体动监测方法、装置及睡眠体动监测仪 |
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 |