CN114581358A - 心率检测方法及电子设备 - Google Patents
心率检测方法及电子设备 Download PDFInfo
- Publication number
- CN114581358A CN114581358A CN202011376504.5A CN202011376504A CN114581358A CN 114581358 A CN114581358 A CN 114581358A CN 202011376504 A CN202011376504 A CN 202011376504A CN 114581358 A CN114581358 A CN 114581358A
- Authority
- CN
- China
- Prior art keywords
- heart rate
- user
- electronic device
- time period
- interval
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0012—Biomedical image inspection
-
- 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
- A61B5/02—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
- A61B5/024—Detecting, measuring or recording pulse rate or heart rate
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30088—Skin; Dermal
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30196—Human being; Person
- G06T2207/30201—Face
Abstract
本申请提供一种心率检测方法及电子设备。在该方法中,电子设备可以利用非接触式心率检测方法来计算目标用户在运动过程中的心率,得到目标用户的待验证心率。电子设备可以结合目标用户的运动数据以及年龄、体脂率等身体数据计算目标用户实际的运动强度,并根据该实际的运动强度确定目标用户的预期心率区间。电子设备可以利用上述预期心率区间对上述待验证心率进行验证,并对存在误差的待验证心率进行修正,以得到心率最终的检测结果。该方法可以减少用户运动对心率检测的干扰,提高心率检测的准确率。
Description
技术领域
本申请涉及终端技术领域,尤其涉及心率检测方法及电子设备。
背景技术
心率对衡量人的心脏健康程度具有重要的意义。不正常的心率有可能是猝死或其他疾病的征兆。尤其在运动过程中,用户可以根据自己的心率来判断运动强度是否过高,从而避免运动强度超出自己的承受范围而产生风险。
但电子设备在检测用户运动过程中的心率时,用户运动往往会对心率检测产生干扰。例如,电子设备基于采集到的人脸图像对用户进行心率检测。由于用户运动,摄像头采集到的人脸图像模糊。模糊的人脸图像会降低心率检测的准确率。
发明内容
本申请提供了心率检测方法及电子设备,旨在判断电子设备通过采集人脸图像得到的心率是否存在误差,并对存在误差的心率进行修正,从而减少用户运动对电子设备进行心率检测的干扰,提高心率检测的准确率。
第一方面,本申请实施例提供了一种心率检测方法。该方法包括:电子设备可以获取第一用户在第一时间段的第一图像。电子设备可以基于第一图像中第一用户的第一运动强度确定第一用户在第一时间段的第一心率区间。电子设备可以基于第一图像中第一用户的脸部人脸图像确定第一用户在第一时间段内的第一心率。电子设备判断出第一心率包含于第一心率区间,电子设备可以显示第一心率。电子设备判断出第一心率不包含于第一心率区间,电子设备可以显示第二心率。该第二心率包含于上述第一心率区间。
由上述方法可知,在检测用户在运动过程中的心率时,电子设备可以根据用户实际的运动强度确定用户的预期心率区间(即第一心率区间)。电子设备可以根据采集到的用户的人脸图像确定用户的心率。该心率为待验证心率。电子设备可以根据该预期心率区间来判断待验证心率是否是存在误差。若确定存在误差,电子设备可以根据该预期心率区间来修正待验证,并以经过修正后的心率作为心率的最终检测结果。上述方法可以降低用户运动对心率检测的干扰,提高心率检测的准确率。
上述电子设备得到待验证心率的方法可以是基于人脸图像的非接触式心率检测方法。其中,用户人脸图像中皮肤颜色的变化是与血管中血液的流动相关的。皮肤颜色的变化可以反映出心率的变化。从而,电子设备可以根据用户的人脸图像确定用户的心率。本申请实施例对电子设备得到上述待验证心率的方法不作限定。电子设备100还可以从其它设备获取用户的心率,并利用预期心率区间对得到的心率进行验证。
结合第一方面,在一些实施例中,上述第一心率不包含于第一心率区间具体可以为第一心率小于第一心率区间的最小值,或者第一心率大于第一心率区间的最大值。
电子设备判断出第一心率小于第一心率区间的最小值,电子设备显示的第二心率可以为第一心率区间前半个区间的任一值。
电子设备判断出第一心率大于第一心率区间的最大值,电子设备显示的第二心率可以为第一心率区间后半个区间的任一值。
结合第一方面,在一些实施例中,电子设备可以在用户开始运动前获取上述第一用户的静息心率。
具体的,电子设备可以获取第一用户在第二时间段的第二图像。该第二时间段在上述第一时间段之前。电子设备可以基于所述第二图像中第一用户的人脸图像确定第一用户的静息心率。
结合第一方面,在一些实施例中,电子设备可以确定第一运动强度属于第一运动强度区间。该第一运动强度区间可以由人体的运动强度的跨度划分得到。电子设备可以以静息心率为基准,向心率增大的方向偏移,得到第一心率区间。其中,偏移的范围为第一范围。第一运动强度区间的运动强度平均值度越大,第一范围的心率平均值越大。第一运动强度区间的大小越大,第一范围的范围宽度越宽。
另外,第一用户的最大心率与第一用户的静息心率的差值越大,上述第一范围的心率平均值越大。
结合第一方面,在一些实施例中,电子设备可以获取第一用户在第三时间段内的第二运动强度和第三心率。上述第三时间段是第一时间段的上一个时间段,第二运动强度是第二图像中第一用户的运动强度,第二图像是第一用户在第三时间段的图像,第三心率包含于电子设备基于第二运动强度确定出的心率区间。电子设备可以以第三心率为基准,进行偏移,得到第一心率区间。其中,偏移的范围为第二范围,第一运动强度和第二运动强度的差值越大,第二范围的心率平均值越大。
可以理解的,电子设备可以根据上述第一运动强度和上述第二运动强度的大小来确定上述以第三心率为基准进行偏移的方向。具体的,电子设备判断出第一运动强度高于第二运动强度,电子设备可以以第三心率为基准,向心率增大的方向偏移,得到第一心率区间。电子设备判断出第一运动强度低于第二运动强度,电子设备可以以第三心率为基准,向心率减小的方向偏移,得到第一心率区间。
在一种可能的实现方式中,电子设备中可存储有心率变化速率模型。该心率变化速率模型可用于表示心率变化速率与运动强度变化量之间的映射关系。该心率变化速率模型可以是根据大量数据所反映的心率变化速率与运动强度变化量之间关系所确定的。当得到上述第一运动强度与二运动强度的差值,电子设备100可以根据上述心率变化速率模型确定第一用户在第一时间段心率的变化速率。进一步的,电子设备可以根据第一时间段的时间长度以及第一用户在第一时间段心率的变化速率确定第一用户在第一时间段心率的变化量区间。该心率的变化量区间即为上述第二范围。
结合第一方面,在一些实施例中,上述第一时间段和上述第二时间段是相邻的时间段。第一用户在第二时间段的心率为静息心率。电子设备可以以静息心率为基准,向心率增大的方向偏移,得到第一心率区间。其中,偏移的范围为第二范围,第一运动强度越大,第二范围的心率平均值越大。
在一种可能的实现方式中,上述第二范围的范围宽度可以与第一运动强度的大小成负相关。
结合第一方面,在一些实施例中,第一运动强度可以由电子设备基于第一图像中第一用户各关节点在第一时间段的运动位移,以及第一用户在第一时间段完成动作的频率确定。
上述第一运动强度还可以由电子设备基于以下一项或多项内容确定:第一用户的年龄、第一用户的性别、第一用户的体脂率、健身课程的标准运动数据;健身课程可用于为第一用户提供运动指导,健身课程的标准运动数据包括健身课程中教练的运动强度。
可以理解的,用户的心率往往是随着运动强度的变化而变化的。用户实际的运动强度越高,其心率也越高。用户在单位时间内运动强度上升越多,其心率上升也越多。电子设备可以根据用户在运动过程中的图像,确定用户各关节点的运动位移以及用户完成动作的频率。在单位时间内各关节点的运动位移越多,用户的运动强度越大。用户在单位时间段完成动作的频率越高,用户的运动强度越大。另外,不同年龄、不同体脂率的用户,运动能力可能不一样,在单位时间内各关节点的运动位移相同、完成动作的频率相同的情况下,实际的运动强度也可能不一样。电子设备结合用户的年龄、体脂率来计算运动强度可以更加准确地计算用户实际的运动强度。
结合第一方面,在一些实施例中,电子设备可以在获取第一用户在第一时间段的第一图像之前,确定第一用户为目标用户。上述目标用户可以为需要电子设备获取人脸图像并进行心率检测的用户。上述目标用户包含一个或多个用户。
在一种可能的实现方式中,当确定了目标用户的人脸图像,电子设备可以通过目标跟踪算法来确定获取的图像中目标用户所在区域。这样,电子设备可以确定目标用户的运动强度。
上述确定目标用户有利于避免在电子设备获取的图像中包含目标用户以外的其他用户时,电子设备100确定的运动强度不准确。
结合第一方面,在一些实施例中,电子设备在某一时间段获取的图像中不包含第一用户的人脸图像。电子设备可以以这一时间段的上一时间段的检测心率作为这一时间段的检测心率。即电子设备在这一时间段显示的心率为上一时间段的检测心率。上述检测心率为经过上一时间段的预期心率区间进行验证后得到的心率。
可选的,电子设备可以根据这一时间段的图像中第一用户的运动强度以及个人心率,例如年龄、体脂率等,来确定第一用户在这一时间段的预期心率区间。电子设备可以以上述预期心率区间中的任一值作为第一用户在这一时间段的检测心率。
在一些实施例中,电子设备判断出上述第一运动强度未超过预设阈值,电子设备可以基于该第一运动强度所述的运动强度区间来确定上述第一心率区间。电子设备判断出上述第一运动强度超过预设阈值,电子设备可以基于该第一运动强度与上一个时间段的第二运动强度之间的差值来确定上述第一心率区间。
第二方面,本申请实施例提供了一种电子设备。该电子设备包括图像采集装置、存储器、一个或多个处理器。其中,图像可采集装置用于采集用户的图像。存储器可用于存储计算机程序。上述一个或多个处理器可用于调用计算机程序,使得上述电子设备执行如第一方面中任一项可能的实现方法。
第三方面,本申请实施例提供一种芯片,该芯片应用于电子设备,该芯片包括一个或多个处理器,该处理器用于调用计算机指令以使得该电子设备执行如第一方面中任一可能的实现方法。
第四方面,本申请实施例提供一种包含指令的计算机程序产品,当上述计算机程序产品在设备上运行时,使得上述电子设备执行如第一方面中任一可能的实现方法。
第五方面,本申请实施例提供一种计算机存储介质,包括计算机指令,当上述计算机指令在电子设备上运行时,使得上述电子设备执行如第一方面中任一可能的实现方法。
可以理解地,上述第二方面提供的电子设备、第三方面提供的芯片、第四方面提供的计算机程序产品和第五方面提供的计算机存储介质均用于执行本申请实施例所提供的方法。因此,其所能达到的有益效果可参考对应方法中的有益效果,此处不再赘述。
附图说明
图1是本申请实施例提供的一种心率检测的场景示意图;
图2是本申请实施例提供的一种人体关节点的示意图;
图3是本申请实施例提供的一种电子设备计算用户在运动过程中各关节点的运动位移的实现方式;
图4A~图4G是本申请实施例提供的一些心率检测的场景示意图;
图5是本申请实施例提供的一种运动强度模型的示意图;
图6是本申请实施例提供的一种电子设备中健身课程的健身报告界面示意图;
图7是本申请实施例提供的一种心率检测方法流程图;
图8是本申请实施例提供的一种心率变化速率模型的示意图;
图9是本申请实施例提供的另一种心率检测方法流程图;
图10是本申请实施例提供的一种电子设备的结构示意图。
具体实施方式
本申请以下实施例中所使用的术语只是为了描述特定实施例的目的,而并非旨在作为对本申请的限制。如在本申请的说明书和所附权利要求书中所使用的那样,单数表达形式“一个”、“一种”、“所述”、“上述”、“该”和“这一”旨在也包括复数表达形式,除非其上下文中明确地有相反指示。还应当理解,本申请中使用的术语“和/或”是指并包含一个或多个所列出项目的任何或所有可能组合。
本申请实施例提供一种心率检测方法,该方法可以提高电子设备检测用户在运动过程中的心率的准确率。具体的,在该方法中,电子设备可以利用非接触式心率检测方法来计算用户在第一时间段的第一心率。其中,电子设备可以结合用户的身体数据(如年龄、体脂率等)和用户在第一时间段运动过程中的运动数据(如运动位移、运动频率等)确定用户实际的运动强度,并根据该运动强度计算第一心率的预期心率区间。若上述第一心率包含于上述预期心率区间内,则电子设备可以以上述第一心率作为第一时间段用户心率的最终检测结果。若上述第一心率不包含于上述预期心率区间内,则电子设备可以根据上述预期心率区间对第一心率进行修正,并以经过修正的第一心率作为第一时间段用户心率的最终检测结果。
在上述非接触式心率检测方法中,用户可以无需触碰用于心率检测的电子设备。例如,电子设备可以根据摄像头采集的用户的人脸图像,来检测血管中血容积变化而引起的人脸颜色的变化,从而计算心率。但在用户运动过程中,例如用户进行跳跃、左右移动等运动动作,用户的人脸与摄像头的距离和角度发生变化,并且摄像头采集的图像可能是模糊的。这对电子设备计算用户的心率产生了较大的干扰。电子设备检测心率容易出现误差。
可以理解的是,用户在运动过程中心率的变化与运动强度的变化是相关的。当用户运动强度较高,用户的心率往往是较高的。电子设备可以根据用户实际的运动强度来确定用户在该运动强度下的预期心率区间。该预期心率区间可用于修正电子设备检测用户在对应运动强度下进行运动时得到的心率。示例性的,电子设备检测到用户的运动强度较低,且在该运动强度下预期心率区间为[60次/分钟(beat per minute,bpm),130bpm]。但电子设备通过非接触式心率检测方法得到的心率为150bpm。电子设备可以确定该心率为异常值。进而,电子设备可以根据上述预期心率区间对该心率进行修正。例如,将该心率的值修正为130bpm。
上述预期心率区间为[60bpm,130bpm]可以表示预期心率区间内的心率大于或者等于60bpm,且小于或者等于130bpm。
由上述方法可知,在检测用户在运动过程中的心率时,电子设备可以根据用户实际的运动强度确定用户的预期心率区间。电子设备可以根据该预期心率区间来判断检测得到的心率是否是异常值。若确定是异常值,电子设备可以根据该预期心率区间来修正检测得到的心率,并以经过修正后的心率作为心率的最终检测结果。上述方法可以降低用户运动对心率检测的干扰,提高心率检测的准确率。
为了便于更好地理解本方案中的心率检测方法,下面具体介绍一种非接触式心率检测方法的实现方式。
如图1所示,电子设备100可包含摄像头193。当进行非接触式心率检测时,摄像头193可以采集用户的图像。电子设备100可以在用户界面20的区域201显示摄像头193采集到的图像。上述图像中可包含用户的人脸图像。其中,电子设备100可以根据上述人脸图像计算用户的心率。例如计算得到用户当前的心率为70bpm。电子设备100可以在用户界面20的心率显示框202显示用户的心率(如70bpm)。
由于每次心跳带来的血液流动在人体皮肤组织的血管中可以形成周期性的变化,这些血液吸收或反射的光可以形成周期性的信号。从而人脸图像上皮肤的颜色也会随之出现变化。电子设备可以从摄像头采集的人脸图像中分析出上述周期性的信号,进而计算用户的心率。
具体的,电子设备100可以在摄像头193第一时间段内采集的多帧第一用户的人脸图像中,确定每一帧人脸图像中人脸所在第一区域的第一图像数据。上述第一区域可以是前额、脸颊、下颌等区域中的一个区域或多个区域的集合。上述第一图像数据可以为电子设备100对上述第一区域所在图像的像素数据进行颜色通道提取后得到的数据。上述颜色通道提取可以例如是在颜色模式为红绿蓝(red green blue,RGB)色彩模式下,电子设备100提取第一区域所在图像的像素数据中一个颜色通道(如绿色通道)或多个颜色通道的像素数据。电子设备100可以按照上述多帧第一用户的人脸图像的时间先后顺序,将上述多帧图像的第一图像数据先后排列积累为原始信号。上述多帧第一用户的人脸图像可以是摄像头193在第一时间段内采集的所有帧图像,也可以是上述所有帧图像中的一部分帧图像。
然后,电子设备100可以利用移动平均滤波或带通滤波等降噪方法对上述原始信号进行降噪处理。影响人脸颜色变化的因素除了血管中血容积的变化,还可能存在其他因素。电子设备100可以利用盲源分离方法(blind source separation,BSS)或联合盲源分离方法(jointblind source separation,JBSS)从经过降噪处理的原始信号中提取主信号,从而得到第一用户在第一时间段人脸的血容积脉冲信号。上述血容积脉冲信号中包含有心率分量。不限于上述BSS和上述JBSS,电子设备100还可以通过其他的血容积脉冲信号提取方法从人脸图像中提取血容积脉冲信号。
当得到上述血容积脉冲信号,电子设备100可以利用时频域分析法(如峰值检测法、快速傅里叶变换方法等)、或者基于深度学习的算法处理上述血容积脉冲信号,以得到第一用户在第一时间段的心率。
本申请实施例对上述非接触式心率检测方法的具体实现不作限定。非接触式心率检测方法还可以例如是基于无线保真(wireless fidelity,WiFi)信号的检测方法。例如,心脏跳动可以引起胸部运动、并且呼吸可以引起皮肤震动。电子设备可以发射WiFi信号,并计算每次WiFi信号从发射到返回所经过的时间,从而计算用户的心率。
用户运动会对上述非接触式心率检测方法计算得到的心率产生干扰。为了提高心率检测的准确率,电子设备100可以以上述非接触式心率检测方法计算得到的心率作为待验证心率。电子设备100可以根据用户实际的运动强度确定上述待验证心率的预期心率区间。电子设备100可以通过上述预期心率区间对上述待验证心率进行修正,并将经过修正的心率作为最终的检测心率。上述检测心率即为电子设备100提供给用户的心率检测结果。如图1所示,电子设备100对待验证心率进行修正后,确定用户的检测心率为70bpm。电子设备100可以将上述检测心率(70bpm)显示在用户界面20的心率显示框202中。
关于如何确定用户的实际运动强度以及预期心率区间,后续实施例会详细说明,这里先不展开介绍。
本申请实施例中的心率检测方法主要用于检测用户在运动过程中的心率,并提高心率检测的准确率。其中,用户进行运动可以为根据电子设备100中的相关健身课程进行运动。下面对本申请实施例中涉及的健身课程、健身课程的标准运动数据、用户的运动数据的概念进行介绍。
1、健身课程
健身课程通常包括多个动作,上述多个动作中两个连续的动作间可以有预设的休息时间,上述多个动作中任意两个动作可以相同也可以不同。健身课程可以是电子设备根据用户历史健身数据推荐的,也可以是用户根据实际需求选择的。健身课程可以是本地播放,也可以是在线播放。此处均不作具体限定。
在一些实施例中,一个健身课程可以包括多个子课程,每个子课程可以包括健身课程的一或多个连续的动作。上述多个子课程可以是依据运动类型、运动目的、锻炼部位等划分的。此处不作具体限定。
例如,一个健身课程包括三个子课程。其中,第一个子课程为热身运动,第二个子课程为正式运动,第三个子课程为拉伸运动,上述三个子课程中的任一子课程包括一或多个连续的动作。
本申请实施例中,健身课程中可以包括视频、动画、语音、文字等方式中的一或多种类型的内容,此处不做具体限定。
2、标准运动数据
在本申请的一些实施例中,电子设备100的健身课程中包含有教练进行健身课程中的动作的视频。这可以指导用户完成相应的动作。健身课程的标准运动数据可以包括与健身课程播放进程对应的每个动作中教练各关节点的标准位置信息、教练各关节点在某一时间段内的标准运动位移、教练完成每个动作的标准运动频率、以及健身课程的标准运动强度等。
示例性的,如图2所示,人体关节点可包括:头部点、颈部点、左肩点、右肩点、右肘点、左肘点、右手点、左手点、右髋点、左髋点、左右髋中间点、右膝点、左膝点、右脚点、左脚点。不限于上述关节点,本申请实施例中还可以包括其他包括关节点,此处不做具体限定。
在本申请实施例中,位置信息可以通过空间中的三维坐标来表示。各关节点的位置信息可以是上述各关节点中以一个关节点为参考节点的位置信息。例如,以头部点为参考节点,头部点位置信息可以为坐标(0,0,0)。然后,电子设备100可以根据其他节点与头部节点的相对位置确定其他节点的位置信息。
其中,电子设备100可以对健身课程播放过程中教练进行某一动作时的图像进行人体姿态检测,以确定教练的各关节点,进而确定各关节点的位置信息。上述人体姿态检测的具体实现方式可以参考现有技术中人体姿态检测的方法,本申请实施例对此不作限定。
根据上述位置信息,电子设备100可以确定教练各关节点在某一时间段内的标准运动位移。具体的,电子设备100可以确定在第一时间段内健身课程播放过程中的多帧图像中,教练各关节点的标准位置信息。然后,电子设备100可以计算上述多帧图像中连续两帧图像之间,各关节点的位移。电子设备100可以将某一关节点在上述多帧图像中所有连续两帧图像之间的位移相加,得到这一关节点在第一时间段内的标准运动位移。
上述多帧图像可以是第一时间段内健身课程播放过程中的所有帧图像,也可以是一部分帧图像。例如,电子设备可以在上述所有帧图像中每隔预设帧数间隔取帧,并根据选取的多帧图像来计算各关节点在第一时间段内的标准运动位移。
示例性的,如图3所示,电子设备100确定在第一时间段内健身课程播放过程中的n帧图像。以计算左膝点在第一时间段内的标准运动位移为例进行说明。电子设备100可以确定在第1帧图像中的第一位置信息和在第2帧图像中的第二位置信息。电子设备100可以计算上述第一位置信息和第二位置信息的差值,得到教练的左膝点在第1帧图像对应的时刻至第2帧图像对应的时刻之间的运动位移(Δxt1,Δyt1,Δzt1)。同样的,电子设备100可以得到教练的左膝点在第2帧图像对应的时刻至第3帧图像对应的时刻之间的运动位移(Δxt2,Δyt2,Δzt2),以及在n-1帧图像对应的时刻至第n帧图像对应的时刻之间的运动位移(Δxt(n-1),Δyt(n-1),Δzt(n-1))。电子设备100可以将上述从第1帧图像至第n帧图像内,每连续两帧图像之间左膝点的运动位移相加,从而得到教练左膝点在第一时间段内的标准运动位移。另外,电子设备100还可以将所有关节点在第一时间段内的标准运动位移相加,得到教练在第一时间段内的标准总运动位移。
电子设备100可以根据健身课程播放过程中的多帧图像来计算教练完成各个动作的标准运动频率。示例性的,在健身课程播放教练完成一次开合跳过程的多帧图像中,教练的姿态可以从站立姿态,变化为向上跳跃的姿态,再变化为向下降落的姿态,最后变回站立姿态。电子设备100可以根据健身课程播放过程中的图像确定教练完成一次开合跳过程的时间,例如3秒(second,s)。进一步的,电子设备100可以计算得到教练完成一次开合跳的频率为1/3(次/s)。在一些实施例中,健身课程中包含有教练完成各个动作的时间。例如,健身课程的一部分运动内容为在30s内完成10次开合跳。电子设备100可以获取健身课程中上述运动内容的时间和完成的开合跳的次数。进而,电子设备100可以计算教练完成一次开合跳的频率。
健身课程的标准运动强度可以是在该健身课程制定时根据其中各动作的难度、完成各动作的频率、各动作之间的间歇时间等因素确定的。标准运动强度越高的健身课程,对用户的体能要求也越高。标准运动强度可以作为用户选择健身课程的参考。
在一些实施例中,健身课程的标准运动强度还可以表示健身课程中各子课程的标准运动强度。例如,健身课程中包含热身运动、正式运动和拉伸运动这三个子课程。其中,热身运动和拉伸运动的标准运动强度比拉伸运动的标准运动强度要低。
在本申请实的一些实施例中,实际使用的标准运动数据还可以是根据健身课程中教练的标准运动数据和用户各关节点的位置信息生成的。可以理解,由于用户体型和教练体型不一致,不能直接拿用户的运动数据和教练的标准运动数据进行对比。电子设备100可以根据用户的体型和教练的体型的对比,对教练的标准运动数据中各关节点的各项数据进行处理,从而生成适用于用户的标准运动数据。
3、用户的运动数据
在本申请的一些实施例中,用户的运动数据可以包括用户在进行每个动作时各关节点的位置信息,用户各关节点在某一时间段内的运动位移,以及用户完成每个动作的运动频率等。
其中,电子设备100可以通过摄像头193采集目标用户在运动过程中身体的图像,并从上述身体的图像中获取目标用户的运动数据。
具体的,电子设备100可以根据摄像头193采集的目标用户的身体图像,进行人体姿态检测以确定用户的各关节点。进而,电子设备100可以计算目标用户的运动数据。其中,电子设备100确定目标用户各关节点的位置信息的方法、确定目标用户各关节点在某一时间段内的运动位移的方法、以及确定目标用户完成每个动作的运动频率的方法可分别参考前述实施例中确定标准运动数据的方法。这里不再赘述。
下面介绍本申请实施例涉及的一种心率检测场景。
该心率检测场景为检测用户在运动过程中的心率的场景。这里以用户根据电子设备100上的健身课程进行运动为例来作说明。
阶段1:开启健身课程。
如图4A所示,图4A示例性示出了电子设备100上用于展示电子设备100安装的应用程序的用户界面21。
用户界面21可包括应用程序健身的图标211,以及其他的应用程序(如邮件、图库和音乐等)的图标。任一个应用的图标可用于响应用户的操作,例如触摸操作,使得电子设备100启动图标对应的应用。用户界面21还可以包含更多或更少的内容,本申请实施例对此不作限定。
响应于作用在健身的图标211上的用户操作,电子设备100可以显示如图4B所示的健身课程界面22。健身课程界面22可包括应用程序标题栏221、功能栏222、显示区223。其中:
应用程序标题栏221可用于指示当前页面用于展示电子设备100的设置界面。应用程序标题栏221的表现形式可以为文本信息“智能健身”、图标或其他形式。
功能栏222可包括:用户中心控件、课程推荐控件、燃脂专区控件、塑形专区控件、塑形专区控件。不限于上述控件,功能栏222可以包含更多或更少的控件。
响应于作用在功能栏222中任一控件的用户操作,电子设备100可以在显示区223显示该控件指示的内容。
例如,响应于作用在用户中心控件的用户操作,电子设备100可以在显示区223显示用户个人中心的界面内容。响应于作用在课程推荐控件的用户操作,电子设备100可以在显示区223显示一或多个推荐的健身课程。如图4B所示,显示区223显示多个推荐课程的课程封面。课程封面上可包括对应健身课程的课程分类、时长、名称、运动强度。响应于作用在任一课程封面的用户操作,电子设备100可以开启该课程封面对应的健身课程,显示该健身课程中的运动内容。
本申请实施例对上面提及的各用户操作均不作限定。例如,用户还可以通过遥控器控制电子设备100执行相应的指令(如启动健身应用程序、开启健身课程等)。
健身课程界面22还可以包含更多或更少的内容,本申请实施例对此不作限定。
响应于作用在任一健身课程(如课程名称为“全身燃脂初级”的健身课程)的课程封面的用户操作,电子设备100可以开启该健身课程。其中,在播放健身课程的过程中,电子设备100需要通过摄像头采集用户的图像。那么在播放健身课程之前,电子设备100可以提示用户摄像头即将开启。
如图4C所示,电子设备100可以显示提示框224。其中,提示框224可包括开启摄像头的文字说明。例如,该文字说明可以为“开启健身课程默认打开摄像头权限(摄像头拍摄画面仅用于本地视觉算法处理,不会存储也不会上传云端服务器)”。该文字说明可用于提示用户健身课程播放的过程中,摄像头是处于开启状态的。本申请实施例对上述文字说明的具体内容不作限定。
提示框224还可包含确定控件224A。响应于作用在确定控件224A的用户操作,电子设备100可以开启摄像头193。
阶段2:确定目标用户及其个人信息。
上述目标用户可以表示在电子设备播放健身课程的过程中,进行运动且需要记录运动数据的用户。
上述个人信息可以包括但不限于:静息心率、年龄、体脂率。
在一些实施例中,如图4D所示,电子设备100可以采集用户的人脸信息,来确定进行运动的目标用户。确定目标用户有利于电子设备100准确获取目标用户的运动数据。这样可以避免摄像头的拍摄范围内出现目标用户以外的其他用户时,电子设备100获取的运动数据不准确。
示例性的,电子设备100可以显示目标用户确定界面23。目标用户确定界面23可包括提示语和人脸采集框231。其中,提示语可用于提示用户进行人脸录入。提示语可以为文字提示“请将正脸保持在采集框内”。本申请实施例对上述提示语的形式和具体内容不作限定。人脸采集框231可用于显示摄像头采集到的人脸图像。
当人脸采集完成,电子设备100可以在目标用户确定界面23上显示如图4E所示的提示框232。提示框232可用于提示目标用户人脸采集成功。其中,当采集到人脸图像,电子设备100可以根据前述实施例中的非接触式心率检测方法检测用户的静息心率。由于此时目标用户还未开始运动,根据当前采集到的人脸图像计算得到的心率可以认为是没有运动干扰的。例如,电子设备100根据在目标用户确定过程中采集的人脸图像,计算得到用户的静息心率为70bpm。电子设备100可以在提示框232中提示目标用户其静息心率为70bpm。
当确定了目标用户的人脸图像,电子设备100可以通过目标跟踪算法来确定在健身课程播放过程中,摄像头采集到的图像数据中目标用户所在区域的数据。这样,电子设备可以计算目标用户的运动数据。上述目标跟踪算法的实现方式可以参考现有技术中目标跟踪算法的具体实现,这里不作赘述。
进一步的,电子设备100可以获取目标用户的年龄、体脂率等个人信息。如图4F所示,电子设备100可以显示用户界面24。用户界面24可包括提示语241、信息输入区242、确认控件243和跳过控件244。其中:
提示语241可用于提示用户在信息输入区242输入个人信息。提示语241可以包括文字提示“输入一下数据,可以更准确检测您运动过程中的心率噢!”。本申请实施例对提示语241中的具体内容不作限定。
信息输入区242可用于用户输入自己的个人信息。例如年龄、体脂率等。信息输入区242可包括关联设备控件242A。关联设备控件242A可用于电子设备100与体脂率检测设备关联,并获取用户的体脂率。关联设备控件242A上可包含有文字提示“关联设备获取体脂率”。上述文字提示可用于提示用户可以通过关联自己的体脂率检测设备来输入体脂率。响应于作用在关联设备控件242A上的用户操作,电子设备100可以搜索附近的体脂率检测设备,并与搜索到的体脂率检测设备建立通信连接。电子设备100可以从该体脂率检测设备获取用户的体脂率。这样可以提高用户输入个人信息的便捷性,以免用户忘记或者不知道自己的体脂率等个人信息。
确认控件243可用于电子设备100存储用户在信息输入区242中输入的个人信息。
跳过控件244可用于用户跳过个人信息输入的过程。
响应于作用在确认控件243或跳过控件244的用户操作,电子设备100可以播放健身课程。
本申请实施例对上述确认目标用户的方法不作限定。
在一些实施例中,电子设备100可以通过摄像头采集用户的其他生物特征信息,例如手部生物特征信息,来定目标用户。或者,电子设备100还可以提示用户完成预设的动作,并通过摄像头采集的图像确定完成上述预设的动作的用户为目标用户。
在一些实施例中,电子设备100中存储有目标用户的人脸图像。目标用户在播放健身课程前,可以登录健身应用程序的个人账号。在计算用户的运动数据和进行心率检测时,电子设备100可以获取目标用户的人脸图像。根据该目标用户的人脸图像,电子设备100可以从摄像头采集的图像中确定目标用户所在的区域,进而计算用户的运动数据以及心率。
其中,电子设备100中还可存储有目标用户的个人信息(如静息心率、年龄、体脂率等)。当健身应用程序登录有用户的账号,电子设备100可以确认该账号对应的用户为目标用户,并可以获取与存储的个人信息。这样,用户可以不用在每一次播放健身课程前均进行人脸图像采集和个人信息录入。
在一些实施例中,上述目标用户可以包括多个用户。其中,电子设备100可以在播放健身课程之前,获取目标用户的数量。进一步的,电子设备100可以获取所有目标用户的人脸图像以及各目标用户的个人信息。在播放健身课程的过程中,电子设备100可以计算所有目标用户的运动数据以及心率。
本申请实施例以目标用户的数量为一进行示例性介绍。
阶段三:检测目标用户在运动过程中的心率。
如图4G所示,电子设备100可以播放健身课程。示例性的,电子设备100可以显示运动界面25。运动界面25可包括健身课程窗口251和用户健身窗口252。其中,
健身课程窗口251可用于显示健身课程的具体内容。健身课程的具体内容可包括:时间指示符251A、动作名称251B、动作次数指示符251C、动作时长指示符251D以及教练进行健身课程中的动作的图像等等。
上述时间指示符251可用于指示健身课程当前已经进行的时间。例如,时间指示符251A为“03:21”可以表示健身课程当前已经进行了3分钟21秒。
上述动作名称251B可用于指示健身课程当前进行的动作的名称。例如,动作名称251B为“抱头左抬膝”,以表示当前进行的动作为抱头左抬膝。
上述动作次数指示符251C可用于指示健身课程当前进行的动作需要完成的总次数以及当前已经完成的次数。例如,动作次数指示符251C为“3/10”,可以表示动作“抱头左抬膝”需要完成的总次数为10次,且教练当前已经完成了3次。
上述动作时长指示符251D可用于指示健身课程当前进行的动作需要进行的总时间长度以及当前已经进行的时间长度。例如,动作时长指示符251D为“9s/30s”,可以表示当前进行的动作“抱头左抬膝”需要做30秒,且教练当前已经做了9秒。
根据上述健身课程的具体内容,电子设备100可以获取该健身课程的标准运动数据。例如,根据上述动作次数指示符251C和上述动作时长指示符251D,电子设备100可以确定教练进行动作“抱头左抬膝”的频率为1/3(次/s)。根据上述教练进行健身课程中的动作的图像,电子设备100可以确定教练各关节点在某一段时间内的标准运动位移。确定标准运动位移的具体实现方式可以参考前述实施例,这不再赘述。
用户健身窗口252可用于实时显示摄像头采集到的目标用户的身体姿态。用户健身窗口252还可用于显示电子设备100实时检测得到的目标用户的心率。例如,电子设备100根据某一时间段内摄像头实时采集得到的目标用户的人脸图像,计算得到目标用户在这一时间段内的检测心率为83bpm。则心率显示框252A中心率的值可以为83bpm。电子设备100可以每隔预设时间段更新心率显示框252A中的心率。
本申请实施例对上述健身课程窗口251和上述用户健身窗口252在运动界面25上的分布方式不作限定。健身课程窗口251和用户健身窗口252可以是如图4G所示左右分布,且无重合区域的分布方式,还可以是健身课程窗口251占据全部运动界面25,用户健身窗口252以悬浮小窗悬浮在健身课程窗口251之上的分布方式。
上述运动界面25还可以包含更多或更少的内容,本申请实施例对此不作限定。例如,电子设备100可以比较目标用户的运动数据和标准运动数据,来判断目标用户的动作是否正确、目标用户动作的幅度是否达到标准运动数据中该动作的幅度。然后,电子设备100可以在运动界面25显示目标用户动作的得分、提示目标用户对动作进行改进的相关提示语等内容。
电子设备100在运动界面25上实时显示目标用户的心率,有利于目标用户直观地了解自己的心率变化,合理地调整自己的运动强度。例如,在检测心率较低,目标用户感知到健身课程当前的运动强度较低时,目标用户可以主动提高自己实际的运动强度(如提高动作的频率、增加完成一次动作的幅度等)。这样,目标用户可以达到更好地运动效果。在检测心率较高(如达到甚至超过目标用户的最大心率),目标用户可以暂时停止运动或者主动降低自己实际的运动强度,以避免运动过度对身体产生伤害。
在本申请实施例中,电子设备100可以根据目标用户的运动数据以及个人信息来计算目标用户在某一时间段内实际的运动强度。根据目标用户实际的运动强度,电子设备100可以计算目标用户在这一时间段内的预期心率区间。进而,电子设备100可以根据上述预期心率区间验证通过非接触式心率检测方法得到的待验证心率是否存在误差,并对存在误差的待验证心率进行修正。
下面对电子设备100得到目标用户的检测心率的具体实现方式进行介绍。
(1)计算目标用户在运动过程中实际的运动强度。
在一些实施例中,电子设备100可以根据目标用户各关节点的运动位移、目标用户所做动作的频率、目标用户的年龄以及体脂率来计算目标用户在这一时间段内实际的运动强度。
具体的,电子设备100从摄像头在第一时间段内采集的多帧图像中确定出n帧图像。上述n帧图像可以是摄像头在第一时间段内采集的所有帧图像。上述n帧图像也可以是摄像头在第一时间段内采集的部分帧图像。例如,电子设备100在摄像头第一时间段内采集的多帧图像中,每隔预设间隔帧数选取一帧图像,总共选取出n帧图像。本申请实施例对电子设备确定目标用户在运动过程中第一时间段内n帧图像的方法不作限定。
上述第一时间段为电子设备100播放健身课程过程中的任一时间段。上述第一时间段的长度可以为1s、2s等时间长度。本申请实施例对第一时间段的长度不作限定。
根据前述实施例中计算各关节点运动位移的方式,电子设备100可以计算得到目标用户在第一时间段内所有关节点的总运动位移dis。dis的表达式可以参考下述公式(1):
其中,m表示电子设备100在一帧图像上确定的关节点的数量。Δxk_ti可以表示第k个关节点在第i帧图像和第i+1帧图像之间在前后方向上的运动位移。Δyk_ti可以表示k个关节点在第i帧图像和第i+1帧图像之间在水平方向上的运动位移。Δzk_ti可以表示k个关节点在第i帧图像和第i+1帧图像之间在竖直方向上的运动位移。
电子设备100可以计算目标用户在第一时间段内所做动作的频率。其中,电子设备100可以根据人体姿态检测算法确定用户开始做某一动作到结束某一动作所经过的时间,进而得到目标用户做这一动作的频率。电子设备100可以以该频率作为目标用户在第一时间段内所做动作的频率fre。
或者,目标用户在第一时间段内未完成一个动作。电子设备100可以获取离第一时间段最近的时间段内,所计算得到的目标用户完成某一个动作的频率。电子设备100可以以该频率作为目标用户在第一时间段内所做动作的频率fre。本申请实施例对电子设备100计算目标用户在第一时间段内所做动作的频率的方法不作限定。
进一步的,电子设备100可以计算上述目标用户在第一时间段内所有关节点的总运动位移dis、目标用户在第一时间段内所做动作的频率fre、目标用户的体脂率fat_rate以及目标用户的年龄age这四项参数的加权值W。加权值W的表达式可以参考下述公式(2):
W=α*dis+β*fre+χ*fat_rate+δ*age (2)
其中,α、β、χ、δ均为大于0且小于1的正数。并且,α+β+χ+δ=1。本申请实施例对α、β、χ、δ的具体取值不作其它限定。
当计算得到上述加权值W,电子设备100可以根据已存储的运动强度模型来确定目标用户实际的运动强度Q。
上述运动强度模型可以是根据大量数据所反映的加权值W和运动强度Q之间的关系所确定的。本申请实施例对确定上述运动强度模型的具体方法不作限定。
图5示例性示出了上述运动强度模型中运动强度Q和加权值W的一种关系示意图。
其中,运动强度Q的具体取值可以是大于或等于0且小于或等于1的正数。电子设备100可以根据运动强度Q的值划分运动强度区间。例如,电子设备100可以划分三个运动强度区间:第一运动强度区间(或低强度区间)、第二运动强度区间(或中强度区间)以及第三运动强度区间(或高强度区间)。第一运动强度区间内运动强度Q的取值可以为大于或等于0且小于0.5的值。第二运动强度区间内运动强度Q的取值可以为大于0.5且小于0.75的值。第三运动强度区间内运动强度Q的取值可以为大于0.75且小于或等于1的值。本申请实施例对上述运动强度区间的划分方式不作限定。
由图5可知,当确定了上述加权值W,电子设备100可以根据运动强度模型计算出目标用户实际的运动强度及其所属的运动强度区间。图5仅是运动强度模型中运动强度Q和加权值W的关系的一种示例,并不对运动强度模型的具体内容产生限定。
检测用户实际的运动位移和完成动作的频率,运动强度可以根据运动位移以及完成动作的频率来衡量。电子设备根据目标用户实际的各关节点的运动位移以及完成动作的频率,可以估计目标用户实际的运动强度。另外,不同年龄、不同体脂率的用户,在运动过程中完成相同的动作(动作的类型和产生的运动位移均一样)以及完成动作的频率一致时,运动强度是存在区别的。例如,以相同的频率完成相同的动作时,年龄为40岁的用户的运动强度往往比年龄为20岁的用户的运动强度高。因此,结合目标用户的年龄、体脂率来计算运动强度可以更加准确地计算目标用户实际的运动强度。
在一些实施例中,电子设备100还可以结合第一时间段内健身课程的标准运动数据来计算目标用户在第一时间段内实际的运动强度。
具体的,健身课程的标准运动数据中可包括健身课程在第一时间段内运动内容的标准运动强度Qstan。结合上述标准运动强度Qstan、前述实施例中的dis、fre、fat_rate和age,电子设备100可以根据下述公式(3)来计算加权值W1。
W1=α1*dis+β1*fre+χ1*fat_rate+δ1*age+ε1*φ*Qstan (3)
其中,α1、β1、χ1、δ1、ε1均为大于0且小于1的正数。并且,α1+β1+χ1+δ1+ε1=1。本申请实施例对α1、β1、χ1、δ1、ε1的具体取值不作其它限定。φ可以为目标用户在第一时间段运动过程中相对于健身课程的标准运动数据的完成度。例如,上述完成度可以根据目标用户各关节点的运动位移、标准运动数据中教练各关节点的运动位移、目标用户在第一时间段所做动作的频率以及标准运动数据中教练在第一时间段所做动作的频率这几项数据估算得到。φ的表达式可以参考下述公式(4):
其中,γ可以表示频率在计算完成度φ时所占的权重。可以表示第k个关节点的运动位移在计算完成度φ时所占的权重。m表示电子设备100在一帧图像上确定的关节点的数量。frestan可以表示标准运动数据中教练在第一时间段所做动作的频率。disk可以表示目标用户第k个关节点在第一时间段内的运动位移。disstan_k可以表示标准运动数据中教练第k个关节点在第一时间段内的运动位移。本申请实施例对计算上述完成度φ的方法不作限定。
进一步的,电子设备100可以根据已存储的运动强度模型来计算目标用户在第一时间段内实际的运动强度及其所属的运动强度区间。其中,上述运动强度模型可用于反映上述加权值W1和目标用户实际的运动强度Q之间的映射关系。
健身课程的标准运动强度可以作为估计目标用户实际的运动强度的一个因素。健身课程的标准运动强度越高,目标用户实际的运动强度往往也越高。电子设备通过比较目标用户各关节点实际的运动位移以及所做动作的频率与健身课程的标准运动数据,得到目标用户完成健身课程的完成度。根据该完成度与标准运动强度的乘积,电子设备可以估计目标用户实际的运动强度。结合健身课程的标准运动强度,电子设备可以更加准确地计算目标用户实际的运动强度。
在一些实施例中,电子设备100未获取到目标用户的年龄和/或体脂率。如图4F所示,电子设备100未接收到用户输入的年龄和体脂率,并接收到作用在跳过控件244的用户操作。电子设备100在计算目标用户实际的运动强度时,可以根据上述目标用户各关节点的运动位移、目标用户完成动作的频率、健身课程的标准运动数据中的一项或多项来计算目标用户实际的运动强度。本申请实施例对上述计算目标用户实际的运动强度时使用的参数不作限定。例如,电子设备还可以结合目标用户的性别、单位时间内的耗氧量等来计算目标用户实际的运动强度。
(2)确定目标用户的预期心率区间。
当确定了目标用户在第一时间段内实际的运动强度及其所属的运动强度区间,电子设备100可以确定目标用户在第一时间段内的预期心率区间。
具体的,电子设备100可以根据下述公式(5)计算目标用户在第一时间段内的预期心率区间。
预期心率区间=(最大心率-静息心率)*运动强度区间+静息心率(5)
其中,上述最大心率可以表示目标用户的心率所能达到的最大值。最大心率的值可以为220减去目标用户的年龄所得到的值。本申请实施例对最大心率的计算方法不作限定。静息心率可以为电子设备100在如图4D和图4E采集目标用户的人脸图像时计算得到的心率值。静息心率还可以为电子设备100从已存储的目标用户的个人信息中获取的。本申请实施例对电子设备100获取目标用户的静息心率的方法不作限定。
示例性的,第一运动强度区间为[0,0.5)。第二运动强度区间为[0.5,0.75)。第三运动强度区间为[0.75,1]。上述区间[0,0.5)可以表示第一运动强度区间内运动强度的取值大于或等于0且小于0.5。上述区间[0.5,0.75)可以表示第二运动强度区间内运动强度的取值大于或等于0.5且小于0.75。上述区间[0.75,1]可以表示第三运动强度区间内运动强度的区间大于或等于0.75且小于或等于1。
目标用户在第一时间段内实际的运动强度属于上述第一运动强度区间。目标用户的年龄为20岁,且静息心率为70bpm。则目标用户的最大心率为200bpm。电子设备100可以计算得到目标用户在第一时间段内的预期心率区间:[70,135)。上述区间[70,135)可以表示预期心率区间内心率的值大于或等于70bpm且小于135bpm。
上述运动强度区间和预期心率区间的具体取值仅为本申请的示例,不对运动强度区间和预期心率区间的取值产生限定。
(3)对待验证心率进行验证,得到检测心率。
电子设备100可以根据前述实施例中的非接触式心率检测方法计算目标用户在第一时间段内的心率,得到第一时间段的待验证心率。进一步的,电子设备100可以利用上述第一时间段内的预期心率区间对第一时间段的待验证心率进行验证,来判断该待验证心率是否存在误差。
若上述第一时间段的待验证心率属于上述第一时间段内的预期心率区间,电子设备100可以判断出该待验证心率区间不存在误差。那么电子设备100可以以上述第一时间段的待验证心率作为目标用户在第一时间段的检测心率。
若上述第一时间段的待验证心率不属于上述第一时间段内的预期心率区间,电子设备100可以判断出该待验证心率存在误差。那么,电子设备100可以对第一时间段的待验证心率进行修正,得到第一时间段的检测心率。上述第一时间段的检测心率属于第一时间段内的预期心率区间。
其中,若目标用户在第一时间段的待验证心率小于第一时间段内预期心率区间中心率的最小值,电子设备100可以将第一时间段的待验证心率修正为第一时间段内预期心率区间中心率的最小值。或者,电子设备100可以根据位于第一时间段内预期心率区间中间的心率值,将第一时间段内预期心率区间划分成前半部分和后半部分。电子设备100可以将第一时间段的待验证心率修正为上述第一时间段内预期心率区间的前半部分中的任一心率值。
若目标用户在第一时间段的待验证心率大于第一时间段内区域心率区间中心率的最大值,电子设备100可以将第一时间段的待验证心率修正为第一时间段内预期心率区间中心率的最大值。或者,电子设备100可以将第一时间段的待验证心率修正为上述第一时间段内预期心率区间后半部分中的任一心率值。
本申请实施例对电子设备100根据预期心率区间修正存在误差的待验证心率的具体方法不作限定。
示例性的,目标用户在第一时间段内的预期心率区间为[70,135)。若电子设备100计算得到目标用户在第一时间段的待验证心率为55bpm,则电子设备100可以将该待验证心率修正为70bpm。即电子设备100可以以70bpm作为目标用户在第一时间段的检测心率。若电子设备100计算得到目标用户在第一时间段的待验证心率为160bpm,则电子设备100可以将该待验证心率修正为134bpm。即电子设备100可以以134bpm作为目标用户在第一时间段的检测心率。
通过上述非接触式心率检测方法,目标用户不用额外佩带其他用于检测心率的穿戴设备,就可以方便地了解自己在运动过程中的心率。并且,根据本申请实施例提供的心率检测方法,电子设备可以通过用户实际的运动强度来确定目标用户的预期心率区间。根据该预期心率区间,电子设备可以对存在误差的心率进行修正。这样,电子设备可以更加准确地计算目标用户在运动过程中的心率,使得目标用户获取的心率更加具有参考意义。
在一些实施例中,电子设备100的摄像头在某些时间段内采集的图像中不包含目标用户的人脸图像。例如,在目标用户进行的动作为俯卧撑、平板支撑等动作时,由于目标用户的脸部朝向地面,摄像头无法采集到目标用户的人脸图像。那么电子设备100无法根据前述实施例中的非接触式心率检测方法来计算目标用户的心率。
电子设备100可以以离采集不到目标用户的人脸图像的时间段最近一个可以采集到目标用户的人脸图像所在时间段的检测心率,作为该采集不到目标用户的人脸图像的时间段内的检测心率。也即是说,若电子设备100的摄像头在第一时间段内采集的图像中不包含目标用户的人脸图像,电子设备100可以以从开始检测目标用户的心率的时间到上述第一时间段这一过程中,最后一次计算得到的目标用户的检测心率作为目标用户第一时间段内的检测心率,并提供给用户(例如显示在电子设备100的显示屏上)。
可选的,电子设备100可以基于从开始检测目标用户的心率的时间到上述第一时间段这一过程中,最后一次计算得到的目标用户的检测心率以及目标用户在第一时间段内实际的运动强度,来预测目标用户在第一时间段的检测心率。例如,根据本申请实施例中的心率检测方法,电子设备100可以利用目标用户在第一时间段内实际的运动强度以及目标用户的个人信息计算目标用户在第一时间段内的预期心率区间。电子设备100可以结合上述第一时间段内的预期心率区间对目标用户在第一时间段的检测心率进行预测。例如,电子设备100可以以第一时间段内的预期心率区间中的任一值作为目标用户在第一时间段的检测心率。本申请实施例对电子设备100预测在采集不到目标用户人脸图像的时间段内的检测心率的方法不作限定。
不限于对基于非接触式心率检测方法计算得到的心率进行验证,以提高心率检测的准确率。电子设备100还可以对基于接触式心率检测方法计算得到的心率进行验证。
在上述接触式心率检测方法中,用户需要触碰用于心率检测的电子设备。上述用于心率检测的电子设备可以例如是智能手环、心率检测胸带等。上述接触式心率检测方法可以例如是光电容积脉搏描记(photoplethysmography,PPG)检测法、心电描记(electrocardiography,ECG)检测法等。接触式心率检测方法的具体实现可以参考现有技术中接触式心率检测方法的实现方式,本申请实施例对此不作限定。
在一些实施例中,电子设备100可以获取上述用于心率检测的电子设备检测得到的心率,并以该心率作为待验证心率。进一步的,电子设备100可以根据前述实施例中的方法确定目标用户实际的运动强度,并根据该实际的运动强度确定目标用户的预期心率区间。电子设备100可以利用上述预期心率区间对通过非接触式心率检测方法得到的待验证心率进行验证,以得到最终的检测结果。电子设备100可以将上述最终的检测结果在显示屏上呈现给目标用户。
在一些实施例中,电子设备100还可以从其他电子设备获取目标用户的运动数据。上述其他电子设备可以例如是包含有运动传感器(如加速度传感器、陀螺仪传感器、惯性传感器)的电子设备。该电子设备可以通过运动传感器计算目标用户在运动过程中的运动位移以及完成动作的频率等运动数据。电子设备100可以从上述包含有运动传感器的电子设备获取目标用户的运动数据。根据前述实施例中计算目标用户实际的运动强度的方法,电子设备100可以确定目标用户的运动强度区间,进而确定目标用户的预期心率区间。然后,电子设备100可以利用预期心率区间对待验证心率进行验证,以提高心率检测的准确率。
本申请实施例对电子设备100获取目标用户的运动数据的方法不作限定。
在一些实施例中,用户进行运动可以为自主运动。即用户没有根据电子设备100中的相关健身课程进行运动。其中,在用户进行自主运动时,电子设备100并未播放健身课程。或者,用户可以根据电子设备100中的体感健身游戏进行运动。上述体感健身游戏可以通过相关的游戏场景来指示用户完成相应的运动内容。其中,用户根据电子设备100中的体感健身游戏记性运动时,电子设备100可以播放体感健身游戏的游戏界面。
在上述用户自主运动或者根据电子设备100中的体感健身游戏进行运动的场景中,电子设备100仍可以根据前述实施例中的方法确定目标用户,并获取目标用户的个人信息以及在运动过程中的运动数据以计算该目标用户实际的运动强度。进一步的,电子设备100可以根据用户实际的运动强度确定目标用户的预期心率区间,并利用该预期心率区间对计算得到的待验证心率进行验证。
图6示例性示出了本申请实施例提供的一种健身报告界面26。
当用户完成健身课程后,电子设备100可以显示图6所示的健身报告界面26,来展示用户在运动过程中的相关数据。如图6所示,健身报告界面26可包括运动时间261、运动得分262、健身课程名称263、心率图264、低强度运动时间265、中强度运动时间266、高强度运动时间267、消耗热量268、运动项目269、再来一次控件2610和关闭控件2611。其中,
运动时间261可以表示用户完成健身课程所花费的时间。例如,运动时间261为“30:00”可以表示用户完成健身课程花费了30分钟。
运动得分262可以表示用户完成健身课程的成绩。运动得分262的具体数值可以是电子设备100根据健身课程的标准运动数据与用户的运动数据进行比较得到。这里对运动得分262的计算方法不作限定。
健身课程名称263可以表示该健身课程的名称。例如,健身课程的名称为“全身燃脂初级”。
心率图264可以表示用户在进行该健身课程过程中心率的变化。心率图264中的心率可以是电子设备100根据前述实施例中的心率检测方法得到的目标用户的检测心率。
低强度运动时间265、中强度运动时间266、高强度运动时间267可分别表示用户在进行该健身课程的过程中,低强度运动的时间、中强度运动的时间和高强度运动的时间。上述低强度运动、中强度运动和高强度运动的划分方式可以为前述实施例中划分第一运动强度区间、第二运动强度区间和第三运动强度区间的划分方式。其中,低强度运动可以表示该运动强度的值属于第一运动强度区间。中强度运动可以表示该运动强度的值属于第二运动强度区间。高强度运动可以表该运动强度的值属于第三运动强度区间。
消耗热量268可以表示用户完成该健身课程所消耗的热量。本申请实施例对计算消耗热量268的方式不作限定。
运动项目269可以表示该健身课程中包含的动作。例如,肩部旋绕、双手伸展等等。
再来一次控件2610可以用于再进行一次上述健身课程名称263所指示的健身课程。
关闭控件2611可以用于电子设备100关闭健身报告界面26。
图7示例性示出了本申请实施例提供的一种心率检测方法的流程图。如图7所示,该心率检测方法可包括步骤S101~S109。其中:
S101、电子设备100通过摄像头确定目标用户。
当接收到开启健身课程的用户操作,电子设备100可以开启摄像头。上述开启健身课程的用户操作可以例如是作用在如图4B所示健身课程的课程封面的用户操作。或者,电子设备100中包含检测运动心率的设置选项。目标用户在进行自主运动时,可以开启电子设备100中检测运动心率的功能。响应于作用在检测运动心率的设置选项上的用户操作,电子设备100可以开启摄像头来确定目标用户,并检测目标用户的心率。本申请实施例对电子设备100开启摄像头的时机不作限定。
电子设备100通过摄像头确定目标用户的方式可以参考前述实施例中对图4D和图4E的介绍。这里不再赘述。本申请实施例对电子设备100确定目标用户的方式不作限定,除了可以利用摄像头,还可以利用红外光传感器、激光传感器等检测装置。
S102、电子设备100获取目标用户的个人信息。上述个人信息可包括静息心率、年龄、体脂率。
在一种可能的实现方式中,电子设备100可以在播放健身课程前显示个人信息录入界面。目标用户可以在上述个人信息录入界面输入自己的个人信息。电子设备100可以接收目标用户的输入以获取目标用户的个人信息。上述个人信息录入界面可以例如是前述图4F所示的用户界面24。
在另一种可能的实现方式中,目标用户在健身应用程序中登录自己的账号。电子设备100可以从本地或者云端获取当前登录账号对应的目标用户的个人信息。
本申请实施例对电子设备100获取目标用户的个人信息的方式不作限定。不限于静息心率、年龄、体脂率,个人信息还可以包含更少或更多的内容。例如,个人信息还可以包含目标用户的性别、单位时间的耗氧量等。
S103、电子设备100通过摄像头持续采集目标用户在运动过程中的身体图像。
S104、电子设备100从上述身体图像中确定目标用户在第一时间段内的人脸图像,并根据上述人脸图像计算得到目标用户在第一时间段内的待验证心率。
电子设备100可以根据前述实施例中的非接触式心率检测方法计算目标用户的心率。上述计算得到的心率即为目标用户在第一时间段内的待验证心率。
S105、电子设备100根据步骤S103采集得到的身体图像中目标用户在第一时间段内的身体图像,来计算第一时间段内目标用户实际的运动强度。
S106、根据上述目标用户实际的运动强度,电子设备100计算目标用户在第一时间段内的预期心率区间。
电子设备100计算第一时间段内目标用户实际的运动强度以及预期心率区间的方法可以参考前述实施例的介绍,这里不再赘述。
需要进行说明的是,上述步骤S104和上述步骤S105没有时间先后顺序的限定。电子设备100可以根据目标用户在第一时间段内的身体图像,同时计算目标用户在第一时间段内的待验证心率自己实际的运动强度。
S107、电子设备100利用第一时间段内的预期心率区间判断步骤S104得到的待验证心率是否存在误差。
具体的,电子设备100可以根据目标用户在第一时间段内的待验证心率是否包含在上述第一时间段内的预期心率区间,来判断第一时间段内的待验证心率是否存在误差。
若第一时间段内的待验证心率属于上述第一时间段内的预期心率区间,电子设备100可以确定第一时间段内的待验证心率不存在误差。进一步的,电子设备100可以执行下述步骤S108。
若第一时间段内的待验证心率不属于上述第一时间段内的预期心率区间,电子设备100可以确定第一时间段内的待验证心率存在误差。进一步的,电子设备100可以执行下述步骤S109。
S108、若第一时间段内的待验证心率不存在误差,电子设备100以第一时间段内的待验证心率作为第一时间段内的检测心率。
S109、若第一时间段内的待验证心率存在误差,电子设备100根据第一时间段内的预期心率区间对第一时间段内的待验证心率进行修正,并以经过修正得到的心率作为第一时间段内的检测心率。
电子设备100可以将根据步骤S108或步骤S109得到的目标用户在第一时间段内的检测心率提供给目标用户。例如,如图4G所示,电子设备100可以将第一时间段内的检测心率显示在显示屏上。这样,目标用户在运动过程中可以直观地获取自己的心率。
上述步骤S108和上述步骤S109的具体实现方法可以参考前述实施例中电子设备100确定目标用户在第一时间段内的检测心率的方法,这里不再赘述。
由图7所示的心率检测方法可知,用户实际的运动强度可以较准确地估计用户在运动过程中心率的变化。电子设备通过用户实际的运动强度来确定目标用户的预期心率区间,并根据该预期心率区间,对存在误差的心率进行修正。上述心率检测方法可以降低用户运动对心率检测的干扰,提高心率检测的准确率。从而用户获取的检测心率对用户更加具有参考意义。
在一些实施例中,电子设备100可以比较第一时间段内和第一时间段上一时间段内用户实际的运动强度。若这两个连续时间段计算得到的运动强度的差值大于预设阈值,则电子设备100可以不利用根据第一时间段内的运动强度计算得到的预期心率区间对第一时间段内的待验证心率进行修正。具体的,电子设备100可以以上一时间段得到的检测心率作为第一时间段的检测心率。即电子设备100在第一时间段内可以在显示屏的心率显示框252A中显示上一时间段得到的检测心率。
其中,用户在某一时间段内的实际运动强度是与用户在这一时间段内各关节点的运动位移以及完成动作的频率相关的。若用户在两个连续时间段内各关节点的运动位移以及完成动作的频率的差距较大,例如,用户在前一个时间段内进行的是比较舒缓的拉伸运动,在后一个时间段内进行的是快速的跳跃运动,则电子设备100计算得到的这两个时间段的运动强度的差值可能会较大。若两个连续时间段计算得到的运动强度的差值过大,则这两个连续时间段的运动强度所述的运动强度区间可能出现突变。从而利用上述运动强度区间计算得到的预期心率区间也会出现突变。即这两个连续时间段的预期心率区间的差距较大。那么电子设备100利用预期心率区间对待验证心率进行修正后,可能会导致这两个连续时间段的检测心率出现突变。而人体的心率是缓慢变换的。心率在两个连续时间段内一般不会出现突变。因此,电子设备100可以在判断出用户在两个连续时间段内的运动强度出现突变时,不利用预期心率区间对待验证心率进行修正,以免检测心率出现误差。
可以理解的,上述图7所示的心率检测方法特别可以实施在用户实际的运动强度是逐渐变化的场景中,以提高电子设备在用户运动过程中心率检测的准确率。
在一些实施例中,电子设备100可以根据目标用户在两个连续时间段内实际运动强度的变化,来估计目标用户的心率变化量,进而确定目标用户在当前时间段内的预期心率区间。
可以理解的,用户实际的运动强度可用于估计该用户的心率。若用户在当前时间段实际的运动强度高于上一时间段实际的运动强度,该用户的心率从上一时间段到当前时间段的变化趋势往往是上升的。并且,当前时间段实际的运动强度比上一时间段实际的运动强度越高,该用户心率上升的速率往往是越快的。若用户在当前时间段实际的运动强度低于上一时间段实际的运动强度,该用户的心率从上一时间段到当前时间段的变化趋势往往是下降的。并且,当前时间段实际的运动强度比上一时间段实际的运动强度越低,该用户心率下降的速率往往是越快的。
下面具体介绍本申请实施例提供的另一种确定目标用户的预期心率区间的方法。
(1)确定目标用户的预期心率变化量区间。
目标用户在第一时间段内的预期心率变化量区间可以表示目标用户在第一时间段内心率的预期变化量。电子设备100根据第一时间段的上一个时间段内的检测心率,以及第一时间段内的预期心率变化量区间,可以计算目标用户在第一时间段内的预期心率区间。
电子设备100中可存储有心率变化速率模型。该心率变化速率模型可用于表示心率变化速率v与运动强度变化量ΔQ之间的映射关系。该心率变化速率模型可以是根据大量数据所反映的心率变化速率v与运动强度变化量ΔQ之间关系所确定的。
在一种可能的实现方式中,电子设备100可以根据目标用户历史运动数据中心率变化速率与运动强度变化量之间的关系,对上述心率变化速率模型进行调整。经过调整的心率变化速率模型可以更好地适用于该目标用户。这样,电子设备100可以计算出更加准确的预期心率变化量区间,从而更好地提高心率检测的准确率。
本申请实施例对确定上述心率变化速率模型的方法不作限定。
图8示例性示出了上述心率变化速率模型中心率变化速率v与运动强度变化量ΔQ的一种关系示意图。上述心率变化速率模型可以为函数关系式:v=f(ΔQ)。本申请实施例对上述函数关系的具体表达式不作限定。
其中,心率变化速率v可用于反映一段时间内心率变化的快慢。运动强度变化量ΔQ可以为目标用户在当前时间段实际的运动强度减上一时间段实际的运动强度所得到的差值。
由图8可知,当确定了当前时间段与上一时间段目标用户实际的运动强度变化量,电子设备100可以根据心率变化速率模型确定目标用户在当前时间段的心率变化速率。图8仅是心率变化速率模型中心率变化速率与运动强度变化量之间关系的一种示例,并不对心率变化速率模型的具体内容产生限定。
在一种可能的实现方式中,电子设备100可以根据上述确定出的当前时间段的心率变化速率,确定目标用户在当前时间段的心率变化速率区间。电子设备100可以根据上述心率变化速率区间计算目标用户在当前时间段内的预期心率变化量区间。
其中,心率变化速率区间可以为[心率变化速率-μ,心率变化速率+μ]。
在一种可能的实现方式中,上述μ的值可以是根据经验预设的。其中,μ的值可以是大于0且小于或等于10的值。
在另一种可能的实现方式中,电子设备100可以根据当前时间段用户实际的运动强度的大小来确定μ的值。μ的值可以与当前时间段用户实际的运动强度成负相关。
电子设备利用非接触式心率检测方法检测用户的心率时,若采集到的用户的人脸图像是模糊的,则计算得到的待验证心率出现误差的概率比较高。而人脸图像模糊主要是由用户进行运动强度较高的运动导致的。例如,在用户快速跳跃时,电子设备采集到的人脸图像常常是模糊的。那么电子设备可以在待验证心率出现误差的概率较高时,提高利用预期心率区间对待验证心率进行修正的概率,以提高心率检测的准确率。
其中,预期心率区间的范围越小,该预期心率区间的精度越高,待验证心率落入该预期心率区间的概率越低,电子设备对待验证心率进行修正的概率越高。第一时间段预期心率区间的范围的大小可以由上述μ的值和第一时间段的时间长度T决定。用户在第一时间段内实际的运动强度越高,μ和T的乘积则越小。电子设备可以根据公式μ=g(Q)/T来确定μ的值。其中,g(Q)可以表示以运动强度Q为变量的函数关系式。本申请实施例对函数关系式g(Q)的具体表达式不作限定。
相比于单个心率变化速率的值,上述心率变化速率区间具有更高的置信度。即用户实际的心率变化量落入根据上述心率变化速率区间计算得到的预期心率变化量区间的概率更高。这样,电子设备100可以提高计算用户在当前时间段内心率变化量的准确率。
当确定了目标用户在当前时间段内的心率变化速率区间,电子设备100可以结合当前时间段的时间长度T来计算目标用户在当前时间段内的预期心率变化量区间。具体的,计算预期心率变化量区间的表达式可以为:预期心率变化量区间=心率变化速率区间*T=[(心率变化速率-μ)*T,(心率变化速率+μ)*T]。
示例性的,电子设备100根据前述实施例中计算目标用户实际的运动强度的方法,确定目标用户在第一时间段内实际的运动强度为0.3。电子设备100还确定目标用户在第一时间段的上一时间段内实际的运动强度为0.1。则电子设备100可以确定目标用户在第一时间段内运动强度变化量为0.2。根据上述心率变化速率模型,电子设备100可以确定在ΔQ为0.2时对应的心率变化速率为2bpm/s。上述心率变化速率区间中的μ为1bpm/s。第一时间段的时间长度为1s。则电子设备100可以确定目标用户在第一时间段内的预期心率变化量区间为[1,3]。
上述运动强度变化量、μ的取值、第一时间段的长度的具体取值均为示例性说明,不对本申请实施例中确定目标用户在第一时间段内的预期心率变化量区间的方式产生限定。
(2)确定目标用户的预期心率区间。
当确定了目标用户在第一时间段内的预期心率变化量区间,电子设备100可以结合第一时间段的上一个时间段的检测心率,计算目标用户的预期心率区间。
具体的,第二时间段为目标用户在运动过程中第一时间段的上一个时间段。若目标用户在第一时间段内实际的运动强度高于在第二时间段内实际的运动强度,则电子设备100可以计算得到目标用户在第一时间段的预期心率区间:第一时间段内的预期心率区间=第二时间段的检测心率+预期心率变化量区间。
若目标用户在第一时间段内实际的运动强度低于在第二时间段内实际的运动强度,则电子设备100可以计算得到目标用户在第一时间段的预期心率区间:第一时间段内的预期心率区间=第二时间段的检测心率-预期心率变化量区间。
在一些实施例中,上述第一时间段是目标用户运动过程中初始的一个时间段。电子设备100可以结合目标用户的静息心率来计算目标用户的预期心率区间。具体的,第一时间段内的预期心率区间可以为目标用户的静息心率与预期心率变化量区间之和。
根据上述确定目标用户的预期心率区间的方法,下面介绍本申请实施例提供的另一种心率检测方法。
图9示例性示出了一种心率检测方法的流程图。如图9所示,该心率检测方法可包括步骤S201~S211。其中:
步骤S201~S203主要为电子设备100确定目标用户,获取目标用户的个人信息,以及采集目标用户在运动过程中的图像的方法。步骤S201~S203可以参考前述图7所示方法中的步骤S101~S103,这里不再赘述。
步骤S204为电子设备100计算得到目标用户的待验证心率的方法。该步骤可以参考前述图7所示方法中的步骤S104,这里不再赘述。
步骤S205~S208为电子设备100计算目标用户的预期心率区间的方法。这里计算目标用户的预期心率区间的方法,可以参考前述实施例根据目标用户在两个连续时间段内实际运动强度的变化来确定目标用户的预期心率区间的方法,这里不再赘述。
步骤S209~S211为电子设备100根据目标用户的预期心率区间对目标用户的验证心率进行验证,并修正存在误差的待验证心率以得到目标用户的检测心率的方法。步骤S209~S211可以参考前述图7所示方法中的步骤S107~S109,这里不再赘述。
由图9所示的心率检测方法可知,电子设备可以根据目标用户实际的运动强度变化计算目标用户心率的变化量。基于前一时间段的检测心率,电子设备可以计算目标用户在当前时间段的预期心率区间,并用该预期心率区间对当前时间段计算得到的待验证心率进行验证。上述心率检测方法可以降低用户运动对心率检测的干扰,提高心率检测的准确率。从而用户获取的检测心率对用户更加具有参考意义。
在一些实施例中,电子设备100可以结合图7和图9所示的心率检测方法。例如,若检测到第一时间段与上一个时间段用户的运动强度差距未超过预设阈值,电子设备100可以根据图7所示的心率检测方法确定第一时间段的预期心率区间,并根据该预期心率区间对待验证心率进行验证。若检测到第一时间段与上一个时间段用户的运动强度差距超过预设阈值,电子设备100可以根据图9所示的心率检测方法确定第一时间段的预期心率区间,并根据该预期心率区间对待验证心率进行验证。
图10示例性示出了本申请实施例提供的一种电子设备100的结构示意图。
电子设备100可以包括处理器110,外部存储器接口120,内部存储器121,通用串行总线(universal serial bus,USB)接口130,充电管理模块140,电源管理模块141,电池142,天线1,天线2,移动通信模块150,无线通信模块160,音频模块170,扬声器170A,受话器170B,麦克风170C,耳机接口170D,传感器模块180,按键190,马达191,指示器192,摄像头193,显示屏194,以及用户标识模块(subscriber identification module,SIM)卡接口195等。其中传感器模块180可以包括压力传感器180A,陀螺仪传感器180B,气压传感器180C,磁传感器180D,加速度传感器180E,距离传感器180F,接近光传感器180G,指纹传感器180H,温度传感器180J,触摸传感器180K,环境光传感器180L,骨传导传感器180M等。
可以理解的是,本发明实施例示意的结构并不构成对电子设备100的具体限定。在本申请另一些实施例中,电子设备100可以包括比图示更多或更少的部件,或者组合某些部件,或者拆分某些部件,或者不同的部件布置。图示的部件可以以硬件,软件或软件和硬件的组合实现。
处理器110可以包括一个或多个处理单元,例如:处理器110可以包括应用处理器(application processor,AP),调制解调处理器,图形处理器(graphics processingunit,GPU),图像信号处理器(image signal processor,ISP),控制器,存储器,视频编解码器,数字信号处理器(digital signal processor,DSP),基带处理器,和/或神经网络处理器(neural-network processing unit,NPU)等。其中,不同的处理单元可以是独立的器件,也可以集成在一个或多个处理器中。
其中,控制器可以是电子设备100的神经中枢和指挥中心。控制器可以根据指令操作码和时序信号,产生操作控制信号,完成取指令和执行指令的控制。
处理器110中还可以设置存储器,用于存储指令和数据。在一些实施例中,处理器110中的存储器为高速缓冲存储器。该存储器可以保存处理器110刚用过或循环使用的指令或数据。如果处理器110需要再次使用该指令或数据,可从所述存储器中直接调用。避免了重复存取,减少了处理器110的等待时间,因而提高了系统的效率。
充电管理模块140用于从充电器接收充电输入。其中,充电器可以是无线充电器,也可以是有线充电器。
电源管理模块141用于连接电池142,充电管理模块140与处理器110。电源管理模块141接收电池142和/或充电管理模块140的输入,为处理器110,内部存储器121,外部存储器,显示屏194,摄像头193,和无线通信模块160等供电。电源管理模块141还可以用于监测电池容量,电池循环次数,电池健康状态(漏电,阻抗)等参数。在其他一些实施例中,电源管理模块141也可以设置于处理器110中。在另一些实施例中,电源管理模块141和充电管理模块140也可以设置于同一个器件中。
电子设备100的无线通信功能可以通过天线1,天线2,移动通信模块150,无线通信模块160,调制解调处理器以及基带处理器等实现。
天线1和天线2用于发射和接收电磁波信号。电子设备100中的每个天线可用于覆盖单个或多个通信频带。不同的天线还可以复用,以提高天线的利用率。例如:可以将天线1复用为无线局域网的分集天线。在另外一些实施例中,天线可以和调谐开关结合使用。
移动通信模块150可以提供应用在电子设备100上的包括2G/3G/4G/5G等无线通信的解决方案。移动通信模块150可以包括至少一个滤波器,开关,功率放大器,低噪声放大器(low noise amplifier,LNA)等。移动通信模块150可以由天线1接收电磁波,并对接收的电磁波进行滤波,放大等处理,传送至调制解调处理器进行解调。移动通信模块150还可以对经调制解调处理器调制后的信号放大,经天线1转为电磁波辐射出去。
无线通信模块160可以提供应用在电子设备100上的包括无线局域网(wirelesslocal area networks,WLAN)(如无线保真(wireless fidelity,Wi-Fi)网络),蓝牙(bluetooth,BT),全球导航卫星系统(global navigation satellite system,GNSS),调频(frequency modulation,FM),近距离无线通信技术(near field communication,NFC),红外技术(infrared,IR)等无线通信的解决方案。无线通信模块160可以是集成至少一个通信处理模块的一个或多个器件。无线通信模块160经由天线2接收电磁波,将电磁波信号调频以及滤波处理,将处理后的信号发送到处理器110。无线通信模块160还可以从处理器110接收待发送的信号,对其进行调频,放大,经天线2转为电磁波辐射出去。
电子设备100通过GPU,显示屏194,以及应用处理器等实现显示功能。GPU为图像处理的微处理器,连接显示屏194和应用处理器。GPU用于执行数学和几何计算,用于图形渲染。处理器110可包括一个或多个GPU,其执行程序指令以生成或改变显示信息。
显示屏194用于显示图像,视频等。显示屏194包括显示面板。显示面板可以采用液晶显示屏(liquid crystal display,LCD),有机发光二极管(organic light-emittingdiode,OLED),有源矩阵有机发光二极体或主动矩阵有机发光二极体(active-matrixorganic light emitting diode的,AMOLED),柔性发光二极管(flex light-emittingdiode,FLED),Miniled,MicroLed,Micro-oLed,量子点发光二极管(quantum dot lightemitting diodes,QLED)等。在一些实施例中,电子设备100可以包括1个或N个显示屏194,N为大于1的正整数。
电子设备100可以通过ISP,摄像头193,视频编解码器,GPU,显示屏194以及应用处理器等实现拍摄功能。
ISP用于处理摄像头193反馈的数据。例如,拍照时,打开快门,光线通过镜头被传递到摄像头感光元件上,光信号转换为电信号,摄像头感光元件将所述电信号传递给ISP处理,转化为肉眼可见的图像。ISP还可以对图像的噪点,亮度,肤色进行算法优化。ISP还可以对拍摄场景的曝光,色温等参数优化。在一些实施例中,ISP可以设置在摄像头193中。
摄像头193用于捕获静态图像或视频。物体通过镜头生成光学图像投射到感光元件。感光元件可以是电荷耦合器件(charge coupled device,CCD)或互补金属氧化物半导体(complementary metal-oxide-semiconductor,CMOS)光电晶体管。感光元件把光信号转换成电信号,之后将电信号传递给ISP转换成数字图像信号。ISP将数字图像信号输出到DSP加工处理。DSP将数字图像信号转换成标准的RGB,YUV等格式的图像信号。在一些实施例中,电子设备100可以包括1个或N个摄像头193,N为大于1的正整数。
数字信号处理器用于处理数字信号,除了可以处理数字图像信号,还可以处理其他数字信号。例如,当电子设备100在频点选择时,数字信号处理器用于对频点能量进行傅里叶变换等。
视频编解码器用于对数字视频压缩或解压缩。电子设备100可以支持一种或多种视频编解码器。这样,电子设备100可以播放或录制多种编码格式的视频,例如:动态图像专家组(moving picture experts group,MPEG)1,MPEG2,MPEG3,MPEG4等。
NPU为神经网络(neural-network,NN)计算处理器,通过借鉴生物神经网络结构,例如借鉴人脑神经元之间传递模式,对输入信息快速处理,还可以不断的自学习。通过NPU可以实现电子设备100的智能认知等应用,例如:图像识别,人脸识别,语音识别,文本理解等。
外部存储器接口120可以用于连接外部存储卡,例如Micro SD卡,实现扩展电子设备100的存储能力。外部存储卡通过外部存储器接口120与处理器110通信,实现数据存储功能。例如将音乐,视频等文件保存在外部存储卡中。
内部存储器121可以用于存储计算机可执行程序代码,所述可执行程序代码包括指令。处理器110通过运行存储在内部存储器121的指令,从而执行电子设备100的各种功能应用以及数据处理。内部存储器121可以包括存储程序区和存储数据区。其中,存储程序区可存储操作系统,至少一个功能所需的应用程序(比如声音播放功能,图像播放功能等)等。存储数据区可存储电子设备100使用过程中所创建的数据(比如音频数据,电话本等)等。此外,内部存储器121可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件,闪存器件,通用闪存存储器(universal flash storage,UFS)等。
电子设备100可以通过音频模块170,扬声器170A,受话器170B,麦克风170C,耳机接口170D,以及应用处理器等实现音频功能。例如音乐播放,录音等。
音频模块170用于将数字音频信息转换成模拟音频信号输出,也用于将模拟音频输入转换为数字音频信号。音频模块170还可以用于对音频信号编码和解码。在一些实施例中,音频模块170可以设置于处理器110中,或将音频模块170的部分功能模块设置于处理器110中。
扬声器170A,也称“喇叭”,用于将音频电信号转换为声音信号。电子设备100可以通过扬声器170A收听音乐,或收听免提通话。
受话器170B,也称“听筒”,用于将音频电信号转换成声音信号。当电子设备100接听电话或语音信息时,可以通过将受话器170B靠近人耳接听语音。
麦克风170C,也称“话筒”,“传声器”,用于将声音信号转换为电信号。
耳机接口170D用于连接有线耳机。
陀螺仪传感器180B可以用于确定电子设备100的运动姿态。在一些实施例中,可以通过陀螺仪传感器180B确定电子设备100围绕三个轴(即,x,y和z轴)的角速度。陀螺仪传感器180B可以用于拍摄防抖。示例性的,当按下快门,陀螺仪传感器180B检测电子设备100抖动的角度,根据角度计算出镜头模组需要补偿的距离,让镜头通过反向运动抵消电子设备100的抖动,实现防抖。陀螺仪传感器180B还可以用于导航,体感游戏场景。
加速度传感器180E可检测电子设备100在各个方向上(一般为三轴)加速度的大小。当电子设备100静止时可检测出重力的大小及方向。还可以用于识别电子设备姿态,应用于横竖屏切换,计步器等应用。
距离传感器180F,用于测量距离。电子设备100可以通过红外或激光测量距离。在一些实施例中,拍摄场景,电子设备100可以利用距离传感器180F测距以实现快速对焦。
接近光传感器180G可以包括例如发光二极管(LED)和光检测器,例如光电二极管。发光二极管可以是红外发光二极管。电子设备100通过发光二极管向外发射红外光。电子设备100使用光电二极管检测来自附近物体的红外反射光。当检测到充分的反射光时,可以确定电子设备100附近有物体。当检测到不充分的反射光时,电子设备100可以确定电子设备100附近没有物体。电子设备100可以利用接近光传感器180G检测用户手持电子设备100贴近耳朵通话,以便自动熄灭屏幕达到省电的目的。接近光传感器180G也可用于皮套模式,口袋模式自动解锁与锁屏。
环境光传感器180L用于感知环境光亮度。电子设备100可以根据感知的环境光亮度自适应调节显示屏194亮度。环境光传感器180L也可用于拍照时自动调节白平衡。环境光传感器180L还可以与接近光传感器180G配合,检测电子设备100是否在口袋里,以防误触。
指纹传感器180H用于采集指纹。电子设备100可以利用采集的指纹特性实现指纹解锁,访问应用锁,指纹拍照,指纹接听来电等。
温度传感器180J用于检测温度。在一些实施例中,电子设备100利用温度传感器180J检测的温度,执行温度处理策略。例如,当温度传感器180J上报的温度超过阈值,电子设备100执行降低位于温度传感器180J附近的处理器的性能,以便降低功耗实施热保护。在另一些实施例中,当温度低于另一阈值时,电子设备100对电池142加热,以避免低温导致电子设备100异常关机。在其他一些实施例中,当温度低于又一阈值时,电子设备100对电池142的输出电压执行升压,以避免低温导致的异常关机。
触摸传感器180K,也称“触控面板”。触摸传感器180K可以设置于显示屏194,由触摸传感器180K与显示屏194组成触摸屏,也称“触控屏”。触摸传感器180K用于检测作用于其上或附近的触摸操作。触摸传感器可以将检测到的触摸操作传递给应用处理器,以确定触摸事件类型。可以通过显示屏194提供与触摸操作相关的视觉输出。在另一些实施例中,触摸传感器180K也可以设置于电子设备100的表面,与显示屏194所处的位置不同。
按键190包括开机键,音量键等。按键190可以是机械按键。也可以是触摸式按键。电子设备100可以接收按键输入,产生与电子设备100的用户设置以及功能控制有关的键信号输入。
马达191可以产生振动提示。马达191可以用于来电振动提示,也可以用于触摸振动反馈。例如,作用于不同应用(例如拍照,音频播放等)的触摸操作,可以对应不同的振动反馈效果。作用于显示屏194不同区域的触摸操作,马达191也可对应不同的振动反馈效果。不同的应用场景(例如:时间提醒,接收信息,闹钟,游戏等)也可以对应不同的振动反馈效果。触摸振动反馈效果还可以支持自定义。
指示器192可以是指示灯,可以用于指示充电状态,电量变化,也可以用于指示消息,未接来电,通知等。
SIM卡接口195用于连接SIM卡。
不限于图10所示的部件,电子设备100可以包含更多或更少的部件。本申请实施例中的电子设备100可以是电视、手机、平板电脑、笔记本电脑、超级移动个人计算机(ultra-mobile personal computer,UMPC)、手持计算机、上网本、个人数字助理(personaldigital assistant,PDA)、便携式多媒体播放器(portable multimedia player,PMP)、专用媒体播放器、AR(增强现实)/VR(虚拟现实)设备等其他类型的电子设备。本申请实施例对电子设备100的具体类别不作限定。
在本申请实施例中,电子设备获取第一用户在第一时间段的第一图像。上述第一图像中可包括摄像头在第一时间段内采集得到的多帧图像。
电子设备基于第一图像中第一用户的第一运动强度确定第一用户在第一时间段的第一心率区间。其中,电子设备可以根据前述实施例中计算用户在运动过程中实际的运动强度的方法确定上述第一运动强度。上述第一心率区间可以为前述实施例中第一用户在第一时间段的预期心率区间。电子设备确定上述第一心率区间的具体方法也可以参考前述实施例。
在本申请实施例中,电子设备确定上述第一运动强度属于第一运动强度区间。该第一运动强度区间由人体的运动强度跨度划分得到。在一种可能的实现方式中,人体的运动强度可以划分为低强度区间、中强度区间和高强度区间这三个区间。上述低强度区间中运动强度的取值可以大于或等于0且小于0.5。中强度区间中运动强度的取值可以大于0.5且小于0.75。高强度区间中运动强度的取值可以大于0.75且小于或等于1。本申请实施例对人体的运动强度的划分方法不作限定。
在本申请实施例中,电子设备可以基于第一运动强度所属的第一运动强度区间确定第一心率区间。其中,电子设备以第一用户的静息心率为基准,向心率增大的方向偏移,偏移的范围为第一范围,得到第一心率区间。在一种可能的实现方式中,第一心率区间可以为最大心率与静息心率的差值乘以第一运动强度区间后,再加上静息心率得到的心率区间。上述第一范围即为最大心率与静息心率的差值乘以第一运动强度区间得到的区间。
上述实施例中所用,根据上下文,术语“当…时”可以被解释为意思是“如果…”或“在…后”或“响应于确定…”或“响应于检测到…”。类似地,根据上下文,短语“在确定…时”或“如果检测到(所陈述的条件或事件)”可以被解释为意思是“如果确定…”或“响应于确定…”或“在检测到(所陈述的条件或事件)时”或“响应于检测到(所陈述的条件或事件)”。
在上述实施例中,可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时,可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时,全部或部分地产生按照本申请实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一个计算机可读存储介质传输,例如,所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线)或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质,(例如,软盘、硬盘、磁带)、光介质(例如DVD)、或者半导体介质(例如固态硬盘)等。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,该流程可以由计算机程序来指令相关的硬件完成,该程序可存储于计算机可读取存储介质中,该程序在执行时,可包括如上述各方法实施例的流程。而前述的存储介质包括:ROM或随机存储记忆体RAM、磁碟或者光盘等各种可存储程序代码的介质。
Claims (15)
1.一种心率检测方法,其特征在于,所述方法包括:
电子设备获取第一用户在第一时间段的第一图像;
所述电子设备基于所述第一图像中所述第一用户的第一运动强度确定所述第一用户在所述第一时间段的第一心率区间;
所述电子设备基于所述第一图像中所述第一用户的人脸图像确定所述第一用户在所述第一时间段内的第一心率;
所述电子设备判断出所述第一心率包含于所述第一心率区间,所述电子设备显示所述第一心率;
所述电子设备判断出所述第一心率不包含于所述第一心率区间,所述电子设备显示第二心率;所述第二心率包含于所述第一心率区间。
2.根据权利要求1所述的方法,其特征在于,所述电子设备判断出所述第一心率不包含于所述第一心率区间,所述电子设备显示第二心率;所述第二心率包含于所述第一心率区间,具体包括:
所述电子设备判断出所述第一心率小于所述第一心率区间的最小值,所述电子设备显示所述第二心率;所述第二心率为所述第一心率区间前半个区间的任一值;
所述电子设备判断出所述第一心率大于所述第一心率区间的最大值,所述电子设备显示所述第二心率;所述第二心率为所述第一心率区间后半个区间的任一值。
3.根据权利要求1或2所述的方法,其特征在于,所述方法还包括:
所述电子设备获取所述第一用户在第二时间段的第二图像;所述第二时间段在所述第一时间段之前;
所述电子设备基于所述第二图像中所述第一用户的人脸图像确定所述第一用户的静息心率。
4.根据权利要求3所述的方法,其特征在于,所述电子设备基于所述第一图像中所述第一用户的第一运动强度确定所述第一用户在所述第一时间段的第一心率区间,具体包括:
所述电子设备确定所述第一运动强度属于第一运动强度区间;所述第一运动强度区间由人体的运动强度的跨度划分得到;
所述电子设备以所述静息心率为基准,向心率增大的方向偏移,得到所述第一心率区间;
其中,偏移的范围为第一范围;所述第一运动强度区间的运动强度平均值度越大,所述第一范围的心率平均值越大;所述第一运动强度区间的大小越大,所述第一范围的范围宽度越宽。
5.根据权利要求4所述的方法,其特征在于,所述第一用户的最大心率与所述第一用户的静息心率的差值越大,所述第一范围的心率平均值越大。
6.根据权利要求1-3中任一项所述的方法,其特征在于,所述电子设备基于所述第一图像中所述第一用户的第一运动强度确定所述第一用户在所述第一时间段的第一心率区间,具体包括:
所述电子设备获取所述第一用户在第三时间段内的第二运动强度和第三心率;所述第三时间段是所述第一时间段的上一个时间段,所述第二运动强度是第二图像中所述第一用户的运动强度,所述第二图像是所述第一用户在所述第三时间段的图像,所述第三心率包含于所述电子设备基于所述第二运动强度确定出的心率区间;
所述电子设备以所述第三心率为基准,进行偏移,得到所述第一心率区间;
其中,偏移的范围为第二范围,所述第一运动强度和所述第二运动强度的差值越大,所述第二范围的心率平均值越大。
7.根据权利要求6所述的方法,其特征在于,所述电子设备以所述第三心率为基准,进行偏移,得到所述第一心率区间,具体包括:
所述电子设备判断出所述第一运动强度高于所述第二运动强度,所述电子设备以所述第三心率为基准,向心率增大的方向偏移,得到所述第一心率区间;
所述电子设备判断出所述第一运动强度低于所述第二运动强度,所述电子设备以所述第三心率为基准,向心率减小的方向偏移,得到所述第一心率区间。
8.根据权利要求3所述的方法,其特征在于,所述第一时间段与所述第二时间段是相邻的时间段,所述电子设备基于所述第一图像中所述第一用户的第一运动强度确定所述第一用户在所述第一时间段的第一心率区间,具体包括:
所述电子设备以所述静息心率为基准,向心率增大的方向偏移,得到所述第一心率区间;
其中,偏移的范围为第二范围,所述第一运动强度越大,所述第二范围的心率平均值越大。
9.根据权利要求6-8任一项所述的方法,其特征在于,所述第二范围的范围宽度与所述第一运动强度的大小成负相关。
10.根据权利要求1-9中任一项所述的方法,其特征在于,所述第一运动强度由所述电子设备基于所述第一图像中所述第一用户各关节点在所述第一时间段的运动位移,以及所述第一用户在所述第一时间段完成动作的频率确定。
11.根据权利要求10所述的方法,其特征在于,所述第一运动强度还由所述电子设备基于以下一项或多项内容确定:所述第一用户的年龄、所述第一用户的性别、所述第一用户的体脂率、健身课程的标准运动数据;所述健身课程用于为所述第一用户提供运动指导,所述健身课程的标准运动数据包括所述健身课程中教练的运动强度。
12.根据权利要求1-11中任一项所述的方法,其特征在于,所述电子设备获取第一用户在第一时间段的第一图像之前,所述方法还包括:
所述电子设备确定所述第一用户为目标用户;所述目标用户为需要所述电子设备获取人脸图像并进行心率检测的用户,所述目标用户包含一个或多个用户。
13.一种电子设备,其特征在于,包括:图像采集装置、存储器、一个或多个处理器;所述图像采集装置用于采集用户的图像;所述存储器用于存储计算机程序;所述一个或多个处理器用于调用所述计算机程序,使得所述电子设备执行如权利要求1-12中任一项所述的方法。
14.一种计算机存储介质,其特征在于,包括:计算机指令;当所述计算机指令在电子设备上运行时,使得所述电子设备执行如权利要求1-12中任一项所述的方法。
15.一种计算机程序产品,其特征在于,当所述计算机程序产品在电子设备上运行时,使得所述电子设备执行如权利要求1-12中任一项所述的方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011376504.5A CN114581358A (zh) | 2020-11-30 | 2020-11-30 | 心率检测方法及电子设备 |
PCT/CN2021/134132 WO2022111704A1 (zh) | 2020-11-30 | 2021-11-29 | 心率检测方法及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011376504.5A CN114581358A (zh) | 2020-11-30 | 2020-11-30 | 心率检测方法及电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114581358A true CN114581358A (zh) | 2022-06-03 |
Family
ID=81754058
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011376504.5A Pending CN114581358A (zh) | 2020-11-30 | 2020-11-30 | 心率检测方法及电子设备 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN114581358A (zh) |
WO (1) | WO2022111704A1 (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116741376A (zh) * | 2023-06-07 | 2023-09-12 | 合肥综合性国家科学中心人工智能研究院(安徽省人工智能实验室) | 心肺耐力测试方法及系统 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11151610B2 (en) * | 2010-06-07 | 2021-10-19 | Affectiva, Inc. | Autonomous vehicle control using heart rate collection based on video imagery |
CN106448055B (zh) * | 2016-12-21 | 2020-06-19 | Tcl科技集团股份有限公司 | 一种监控报警的方法及装置 |
US20180303351A1 (en) * | 2017-04-20 | 2018-10-25 | General Electric Company | Systems and methods for optimizing photoplethysmograph data |
EP3476282B1 (en) * | 2017-08-22 | 2020-11-25 | Shenzhen Goodix Technology Co., Ltd. | Heart rate measuring method and apparatus, and electronic terminal |
-
2020
- 2020-11-30 CN CN202011376504.5A patent/CN114581358A/zh active Pending
-
2021
- 2021-11-29 WO PCT/CN2021/134132 patent/WO2022111704A1/zh active Application Filing
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116741376A (zh) * | 2023-06-07 | 2023-09-12 | 合肥综合性国家科学中心人工智能研究院(安徽省人工智能实验室) | 心肺耐力测试方法及系统 |
CN116741376B (zh) * | 2023-06-07 | 2024-04-05 | 合肥综合性国家科学中心人工智能研究院(安徽省人工智能实验室) | 心肺耐力测试方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
WO2022111704A1 (zh) | 2022-06-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2021036568A1 (zh) | 辅助健身的方法和电子装置 | |
CN110119684A (zh) | 图像识别方法和电子设备 | |
WO2022161037A1 (zh) | 一种用户确定方法、电子设备和计算机可读存储介质 | |
WO2021218940A1 (zh) | 健身课程推送方法和装置 | |
WO2022206639A1 (zh) | 人体关键点检测方法及相关装置 | |
WO2022111704A1 (zh) | 心率检测方法及电子设备 | |
EP4020389A1 (en) | Target user locking method and electronic device | |
CN115188064A (zh) | 一种运动指导信息的确定方法、电子设备和运动指导系统 | |
CN114762588A (zh) | 睡眠监测方法及相关装置 | |
EP4224485A1 (en) | Adaptive action evaluation method, electronic device, and storage medium | |
WO2022105715A1 (zh) | 一种体感交互方法及电子设备 | |
EP4006754A1 (en) | Prompting method for fitness training, and electronic device | |
CN114983338A (zh) | 一种皮肤检测方法和电子设备 | |
CN113705283A (zh) | 干扰提示方法和设备 | |
EP4293684A1 (en) | Hypertension risk measurement method and related apparatus | |
WO2023001165A1 (zh) | 一种运动指导方法及相关装置 | |
CN113359120B (zh) | 用户活动距离的测量方法、设备和电子设备 | |
WO2021233018A1 (zh) | 运动后肌肉疲劳度的检测方法及装置、电子设备 | |
CN117711565A (zh) | 一种运动恢复时间确定方法及电子设备 | |
CN115336968A (zh) | 一种睡眠状态检测方法与电子设备 | |
CN115445170A (zh) | 一种运动提醒方法以及相关设备 | |
CN113823379A (zh) | 划桨频率的推荐方法、装置和设备 | |
CN117034095A (zh) | 瑜伽动作检测的方法、装置以及系统 | |
CN113823378A (zh) | 运动次数的确定方法和终端 | |
CN115203524A (zh) | 一种健身推荐方法和电子设备 |
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 |