CN115067949B

CN115067949B - 一种基于可穿戴设备对肌张力进行检测的方法和装置

Info

Publication number: CN115067949B
Application number: CN202211007994.0A
Authority: CN
Inventors: 伍军华; 赵苓忠; 赵正萍; 赵苓飞; 黄恩华
Original assignee: Shenzhen Xinzhengyu Technology Co ltd
Current assignee: Shenzhen Xinzhengyu Technology Co ltd
Priority date: 2022-08-22
Filing date: 2022-08-22
Publication date: 2022-11-18
Anticipated expiration: 2042-08-22
Also published as: CN115067949A

Abstract

本说明书实施例涉及可穿戴设备技术领域，特别涉及一种基于可穿戴设备对肌张力进行检测的方法和装置。其中，基于可穿戴设备对肌张力进行检测的方法包括：在所述可穿戴设备的佩戴者处于运动状态时，响应于接收到用户对肌张力进行检测的触发动作，向所述第二控制器发送检测指令；获取由所述第二控制器发来的所述佩戴者在当前运动状态下的肌张力等级；将所述肌张力等级以语音的方式向所述佩戴者播放。本说明书提供的技术方案能够解决目前的可穿戴设备不能测量人体处于运动状态时的肌张力的技术问题。

Description

一种基于可穿戴设备对肌张力进行检测的方法和装置

技术领域

本说明书实施例涉及可穿戴设备技术领域，特别涉及一种基于可穿戴设备对肌张力进行检测的方法和装置。

背景技术

目前，一些可穿戴设备（例如智能手表）可以测量佩戴者的运动步数、心率、睡眠指数等体征数据，以记录健康状况。肌张力用于表征肌肉静止松弛状态下的紧张度，尤其对病人的康复具有一定的指导意义。

相关技术中，目前的可穿戴设备通常可以测量人体处于静止状态（即等长运动）时的肌张力，而难以测量人体处于运动状态（即等张运动）时的肌张力。

因此，目前亟待需要一种基于可穿戴设备对肌张力进行动态检测的方案来解决上述技术问题。

发明内容

为了解决目前的可穿戴设备不能测量人体处于运动状态时的肌张力的技术问题，本说明书实施例提供了一种基于可穿戴设备对肌张力进行检测的方法和装置。

第一方面，本说明书实施例提供了一种基于可穿戴设备对肌张力进行检测的方法，所述可穿戴设备包括骨传导耳机和手表，所述骨传导耳机设置有第一控制器，所述手表设置有第二控制器以及分别与所述第二控制器电连接的肌电传感器、温度传感器、湿度传感器和MPU6050芯片，所述第一控制器用于与所述第二控制器通信连接；

所述方法应用于所述第一控制器，包括：

在所述可穿戴设备的佩戴者处于运动状态时，响应于接收到用户对肌张力进行检测的触发动作，向所述第二控制器发送检测指令；

获取由所述第二控制器发来的所述佩戴者在当前运动状态下的肌张力等级；

将所述肌张力等级以语音的方式向所述佩戴者播放；

其中，所述佩戴者在当前运动状态下的肌张力等级是通过如下方式得到的：

利用所述肌电传感器采集所述佩戴者在手腕处的肌电数据；

利用所述温度传感器采集所述佩戴者在手腕处的温度数据；

利用所述湿度传感器采集所述佩戴者在手腕处的湿度数据；

利用所述MPU6050芯片确定所述佩戴者的当前运动状态；

利用所述第二控制器基于所述佩戴者的当前运动状态以及在手腕处的肌电数据、体温数据和湿度数据，确定所述佩戴者在当前运动状态下的肌张力等级。

在一种可能的设计中，所述基于所述佩戴者的当前运动状态以及在手腕处的肌电数据、体温数据和湿度数据，确定所述佩戴者在当前运动状态下的肌张力等级，包括：

基于所述佩戴者的当前运动状态和预先存储好的第一映射关系，确定与当前运动状态对应的目标代价参数向量；其中，所述第一映射关系为运动状态与代价参数向量的映射关系；

对所述佩戴者在手腕处的肌电数据、温度数据、湿度数据和所述目标代价参数向量进行矩阵运算，得到补偿后的肌电数据、温度数据和湿度数据；

基于所述佩戴者的当前运动状态和预先存储好的第二映射关系，确定与当前运动状态对应的目标等级评估模型；其中，所述第二映射关系为运动状态与等级评估模型的映射关系；

将补偿后的肌电数据、温度数据和湿度数据输入到所述目标等级评估模型中，输出所述佩戴者在当前运动状态下的肌张力等级。

在一种可能的设计中，所述等级评估模型为随机森林模型；

所述代价参数向量是通过如下方式得到的：

遍历训练数据中的每一个特征，将当前特征输入到待训练的随机森林模型中，对所述随机森林模型的各节点进行基尼指数的计算，输出当前特征的特征重要度；其中，所述训练数据包括肌电数据、温度数据和湿度数据；

将所述特征重要度作为当前特征在代价参数向量中对应位置的权重值。

在一种可能的设计中，所述肌电数据包括时域特征和频域特征，所述时域特征包括平均绝对值、波形长度、方差、方均根、威尔逊振幅和调整平均值，所述频域特征包括平均频率、频率方差、频率熵、能量密度、频率偏度和频率峰度。

第二方面，本说明书实施例还提供了一种基于可穿戴设备对肌张力进行检测的装置，所述可穿戴设备包括骨传导耳机和手表，所述骨传导耳机设置有第一控制器，所述手表设置有第二控制器以及分别与所述第二控制器电连接的肌电传感器、温度传感器、湿度传感器和MPU6050芯片，所述第一控制器用于与所述第二控制器通信连接；

所述装置应用于所述第一控制器，包括：

发送模块，用于在所述可穿戴设备的佩戴者处于运动状态时，响应于接收到用户对肌张力进行检测的触发动作，向所述第二控制器发送检测指令；

获取模块，用于获取由所述第二控制器发来的所述佩戴者在当前运动状态下的肌张力等级；

播放模块，用于将所述肌张力等级以语音的方式向所述佩戴者播放；

利用所述肌电传感器采集所述佩戴者在手腕处的肌电数据；

利用所述温度传感器采集所述佩戴者在手腕处的温度数据；

利用所述湿度传感器采集所述佩戴者在手腕处的湿度数据；

利用所述MPU6050芯片确定所述佩戴者的当前运动状态；

在一种可能的设计中，所述等级评估模型为随机森林模型；

所述代价参数向量是通过如下方式得到的：

第三方面，本说明书实施例还提供了一种骨传导耳机，包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器执行所述计算机程序时，实现本说明书任一实施例所述的方法。

第四方面，本说明书实施例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，当所述计算机程序在计算机中执行时，令计算机执行本说明书任一实施例所述的方法。

本说明书实施例提供了一种基于可穿戴设备对肌张力进行检测的方法和装置，通过建立骨传导耳机的第一控制器与手表的第二控制器的通信连接关系，这样在可穿戴设备的佩戴者处于运动状态时，就可以利用骨传导耳机接收到用户对肌张力进行检测的触发动作后，向手表的第二控制器发送检测指令，从而可以借助手表来获取佩戴者在当前运动状态下的肌张力等级，最后骨传导耳机将肌张力等级以语音的方式向佩戴者播放；其中，手表是通过利用第二控制器基于佩戴者的当前运动状态以及在手腕处的肌电数据、温度数据和湿度数据来确定佩戴者在当前运动状态下的肌张力等级的。因此，上述技术方案可以解决目前的可穿戴设备不能测量人体处于运动状态时的肌张力的技术问题。

附图说明

为了更清楚地说明本说明书实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本说明书的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是本说明书一实施例提供的一种基于可穿戴设备对肌张力进行检测的方法流程图；

图2是本说明书一实施例提供的一种骨传导耳机的硬件架构图；

图3是本说明书一实施例提供的一种基于可穿戴设备对肌张力进行检测的装置结构图；

图4是本说明书一实施例提供的特征重要度的示意图。

具体实施方式

为使本说明书实施例的目的、技术方案和优点更加清楚，下面将结合本说明书实施例中的附图，对本说明书实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本说明书一部分实施例，而不是全部的实施例，基于本说明书中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本说明书保护的范围。

骨传导耳机不同于传统的气导式耳机，用户在佩戴骨传导耳机时，骨传导耳机通过控制器将待播放的音频信号发送至骨传导振子，骨传导振子贴紧佩戴者在头骨处的皮肤，骨传导振子将音频信号转化为振动信号后传输至头骨处的皮肤，然后头骨将振动信号传输给听觉神经，听觉神经识别振动信号，继而使佩戴者听到音频信号。

随着生活水平的提高，越来越多的人开始注重运动健康生活，骨传导耳机在用户运动过程中的使用频率越来越高。

发明人在研发过程中发现：目前检测肌张力水平的传感器仍然是靠肌电传感器，将肌电传感器应用于骨传导耳机中较为困难。为了解决该技术问题，发明人考虑将骨传导耳机和智能手表（当然，也可以是智能手环）进行交互连接，即基于这两种可穿戴设备对用户运动状态下的肌张力等级进行检测，从而丰富了骨传导耳机和智能手表的使用功能和提高了用户的使用体验。此外，如前所述，智能手表目前只能可以测量人体处于静止状态（即等长运动）时的肌张力，而难以测量人体处于运动状态（即等张运动）时的肌张力。因此，发明人考虑通过利用智能手表的控制器基于佩戴者的当前运动状态以及在手腕处的肌电数据、温度数据和湿度数据来确定佩戴者在当前运动状态下的肌张力等级。

下面介绍本说明实施例的发明构思。

请参考图1，本说明书实施例提供了一种基于可穿戴设备对肌张力进行检测的方法，可穿戴设备包括骨传导耳机和手表，骨传导耳机设置有第一控制器，手表设置有第二控制器以及分别与第二控制器电连接的肌电传感器、温度传感器、湿度传感器和MPU6050芯片，第一控制器用于与第二控制器通信连接；

该方法应用于第一控制器，具体可以包括：

步骤100：在可穿戴设备的佩戴者处于运动状态时，响应于接收到用户对肌张力进行检测的触发动作，向第二控制器发送检测指令；

步骤102：获取由第二控制器发来的佩戴者在当前运动状态下的肌张力等级；

步骤104：将肌张力等级以语音的方式向佩戴者播放；

其中，佩戴者在当前运动状态下的肌张力等级是通过如下方式得到的：

利用肌电传感器采集佩戴者在手腕处的肌电数据；

利用温度传感器采集佩戴者在手腕处的温度数据；

利用湿度传感器采集佩戴者在手腕处的湿度数据；

利用MPU6050芯片确定佩戴者的当前运动状态；

利用第二控制器基于佩戴者的当前运动状态以及在手腕处的肌电数据、体温数据和湿度数据，确定佩戴者在当前运动状态下的肌张力等级。

本说明书实施例中，通过建立骨传导耳机的第一控制器与手表的第二控制器的通信连接关系，这样在可穿戴设备的佩戴者处于运动状态时，就可以利用骨传导耳机接收到用户对肌张力进行检测的触发动作后，向手表的第二控制器发送检测指令，从而可以借助手表来获取佩戴者在当前运动状态下的肌张力等级，最后骨传导耳机将肌张力等级以语音的方式向佩戴者播放；其中，手表是通过利用第二控制器基于佩戴者的当前运动状态以及在手腕处的肌电数据、温度数据和湿度数据来确定佩戴者在当前运动状态下的肌张力等级的。因此，上述技术方案可以解决目前的可穿戴设备不能测量人体处于运动状态时的肌张力的技术问题。

可以理解的是，第一控制器和第二控制器之间的通信连接关系的建立已被本领域技术人员所熟知，在此不进行赘述。以二者为无线通信为例，无线通信主要依托于无线通信模块实现，例如局域网内常使用的蓝牙、Wi-Fi、ZIgBee等通信技术，开发者只需要使用两块控制器驱动无线模块，即可实现无线数据收发，大多情况下无线通信模组都是基于UART串口通信进行驱动。

在一些实施方式中，用户对肌张力进行检测的触发动作可以是用户通过触摸骨传导耳机产生的，也可以是用户通过终端设备（例如智能手机）向骨传导耳机发送触发指令产生的，在此本说明书实施例对“用户对肌张力进行检测的触发动作”不进行限定。

在一些实施方式中，步骤“将肌张力等级以语音的方式向佩戴者播放”，具体是指：骨传导耳机通过第一控制器将肌张力等级对应的音频信号发送至骨传导振子，骨传导振子贴紧佩戴者在头骨处的皮肤，骨传导振子将音频信号转化为振动信号后传输至头骨处的皮肤，然后头骨将振动信号传输给听觉神经，听觉神经识别振动信号，继而使佩戴者听到肌张力等级对应的音频信号。

可以知道的是，MPU6050芯片集成了3轴MEMS陀螺仪、3轴MEMS加速度计以及一个可扩展的数字运动处理器DMP（Digital Motion Processor）。通过使用MPU6050芯片可以得到待测物体（如四轴飞行器、平衡小车等）x、y、z轴的倾角（俯仰角Pitch、翻滚角Roll、偏航角Yaw）。通过I2C读取到MPU6050的六个数据（三轴加速度AD值、三轴角速度AD值）经过姿态融合后就可以得到Pitch、Roll、Yaw角。DMP是MPU6050芯片中的数据处理模块，（内置卡尔曼滤波算法）获取陀螺仪和加速度传感器数据，并处理输出四元数，可以减轻外围微处理器的工作负担且避免了繁琐的滤波和数据融合。即通过在可穿戴设备中设置MPU6050芯片，可以完成对佩戴者当前的运动状态的识别，其中运动状态包括正常散步、慢跑和快跑等。

在本说明书一个实施例中，手表的肌电传感器的数量为三个，三个肌电传感器呈扇形排列。

在本实施例中，由于肌肉是分区域的，单个肌电传感器检测得到的肌电数据不能较好地表征肌张力等级，因此为了更准确地检测得到肌张力等级，可以考虑将肌电传感器的数量设置为三个，且将三个肌电传感器设置为扇形排列的方式。

需要说明的是，基于佩戴者的肌电数据来确定佩戴者在静止状态时的肌张力等级的技术方案可以参见公开号为CN113509151A和CN113693604A的相关技术，在此不进行赘述。而确定佩戴者在运动状态时的肌张力等级的技术方案所考虑的因素与在静止状态时完全不同，其中：在静止状态时，主要考虑佩戴者在手腕处的肌电数据；在运动状态时，不仅要考虑佩戴者在手腕处的肌电数据，还要考虑佩戴者在手腕处的温度数据和湿度数据，更要考虑佩戴者的当前运动状态。

在运动状态下，肌张力等级的辨识工作由等长肌张力转变为等张肌张力，考虑到其在运动状态下的复杂度提升，为了实现运动状态下的肌张力等级辨识，发明人考虑引入皮肤温度和皮肤湿度作为新的特征向量，同时设计一种根据佩戴者运动状态动态动态调整权重值的分类方法（即利用代价参数向量对特征数据进行补偿），从而可以使得动态肌张力等级的检测更加准确。也就是说，在实际检测过程中，根据不同的运动状态调用不同的代价参数向量来调整特征数据，从而可以实现运动状态下肌张力等级的辨识工作。

在本说明书一个实施例中，步骤“基于佩戴者的当前运动状态以及在手腕处的肌电数据、体温数据和湿度数据，确定佩戴者在当前运动状态下的肌张力等级”，具体可以包括：

基于佩戴者的当前运动状态和预先存储好的第一映射关系，确定与当前运动状态对应的目标代价参数向量；其中，第一映射关系为运动状态与代价参数向量的映射关系；

对佩戴者在手腕处的肌电数据、温度数据、湿度数据和目标代价参数向量进行矩阵运算，得到补偿后的肌电数据、温度数据和湿度数据；

基于佩戴者的当前运动状态和预先存储好的第二映射关系，确定与当前运动状态对应的目标等级评估模型；其中，第二映射关系为运动状态与等级评估模型的映射关系；

将补偿后的肌电数据、温度数据和湿度数据输入到目标等级评估模型中，输出佩戴者在当前运动状态下的肌张力等级。

在本实施例中，通过基于佩戴者的当前运动状态，可以确定出与当前运动状态相对应的目标代价参数向量和目标等级评估模型；然后通过对佩戴者的肌电数据、温度数据、湿度数据和目标代价参数向量进行矩阵运算，得到补偿后的肌电数据、温度数据和湿度数据；最后将补偿后的肌电数据、温度数据和湿度数据输入到目标等级评估模型中，输出佩戴者在当前运动状态下的肌张力等级。

需要说明的是，根据Ashworth量表，将肌张力分为多个等级，由此可以构建与等级数量相同的等级评估模型。

在本说明书一个实施例中，等级评估模型为随机森林模型；

代价参数向量是通过如下方式得到的：

遍历训练数据中的每一个特征，将当前特征输入到待训练的随机森林模型中，对随机森林模型的各节点进行基尼指数的计算，输出当前特征的特征重要度（请参阅图4，图4为14维特征数据分别对应的经过归一化处理的特征重要度的示意图）；其中，训练数据包括肌电数据、温度数据和湿度数据；

将特征重要度作为当前特征在代价参数向量中对应位置的权重值。

在本实施例中，通过将训练数据的每一个特征输入到待训练的随机森林模型中，对随机森林模型的各节点进行基尼指数的计算，从而可以输出当前特征的特征重要度，进而可以得到当前特征在代价参数向量中对应位置的权重值。

例如，某特征对分类模型的Gini指数的计算公式为：

对于特征值j与有该特征值出现的节点m，定义其基于特征值j的节点特征重要度如下：

式中，

代表该中间节点的基尼指数，

、

分别代表该中间节点分裂出的左右节点的基尼指数；

定义特征值j出现的节点集合为M，则特征值j在决策树i中的特征重要度可由下式表述：

则特征值j在整个随机森林模型中的特征重要度为：

已知共有m个特征向量，则对特征值j在随机森林中的特征重要度进行归一化处理，有：

其中，

表示随机森林模型中所有特征值的特征重要度之和，依据上述特征重要度计算，进行各特征代价参数向量的构建。

基尼指数（Gini不纯度）表示在样本集合中一个随机选中的样本被分错的概率。Gini指数越小表示集合中被选中的样本被参错的概率越小，也就是说集合的纯度越高，反之，集合越不纯。当集合中所有样本为一个类时，基尼指数为0。

随机森林模型能够解决决策树模型的过拟合问题，随机森林模型用训练集生成多个决策树。在预测时，每个树的都会预测一个结果，每个结果加权表决，来避免过拟合。

可以理解的是，由于训练数据为14维，因此每个代价参数向量就是1*14的矩阵。

在一些实施方式中，肌电数据包括时域特征和频域特征，时域特征包括平均绝对值、波形长度、方差、方均根、威尔逊振幅和调整平均值，频域特征包括平均频率、频率方差、频率熵、能量密度、频率偏度和频率峰度。

需要说明的是，上述肌电数据的时域特征和频域特征已被本领域技术人员所熟知，在此对其不进行赘述。

例如，平均绝对值通过如下公式确定：

其中，Mav为平均绝对值，N为采样点的总个数，

为第i个采样点的特征值；

波形长度通过如下公式确定：

其中，

为波形长度，

为第i个采样点的特征值；

方差通过如下公式确定：

其中，

为方差，

为所有采样点的平均特征值的平方；

方均根通过如下公式确定：

其中，

为方均根；

威尔逊振幅通过如下公式确定：

其中，

为威尔逊振幅，

为预设的阈值；

调整平均值通过如下公式确定：

其中，

为调整平均值。

如图2、图3所示，本说明书实施例提供了一种基于可穿戴设备对肌张力进行检测的装置。装置实施例可以通过软件实现，也可以通过硬件或者软硬件结合的方式实现。从硬件层面而言，如图2所示，为本说明书实施例提供的一种基于可穿戴设备对肌张力进行检测的装置所在骨传导耳机的一种硬件架构图，除了图2所示的处理器、内存、网络接口、以及非易失性存储器之外，实施例中装置所在的骨传导耳机通常还可以包括其他硬件，如负责处理报文的转发芯片等等。以软件实现为例，如图3所示，作为一个逻辑意义上的装置，是通过其所在骨传导耳机的CPU将非易失性存储器中对应的计算机程序读取到内存中运行形成的。

如图3所示，本实施例提供的一种基于可穿戴设备对肌张力进行检测的装置，所述可穿戴设备包括骨传导耳机和手表，所述骨传导耳机设置有第一控制器，所述手表设置有第二控制器以及分别与所述第二控制器电连接的肌电传感器、温度传感器、湿度传感器和MPU6050芯片，所述第一控制器用于与所述第二控制器通信连接；

所述装置应用于所述第一控制器，包括：

发送模块300，用于在所述可穿戴设备的佩戴者处于运动状态时，响应于接收到用户对肌张力进行检测的触发动作，向所述第二控制器发送检测指令；

获取模块302，用于获取由所述第二控制器发来的所述佩戴者在当前运动状态下的肌张力等级；

播放模块304，用于将所述肌张力等级以语音的方式向所述佩戴者播放；

利用所述肌电传感器采集所述佩戴者在手腕处的肌电数据；

利用所述温度传感器采集所述佩戴者在手腕处的温度数据；

利用所述湿度传感器采集所述佩戴者在手腕处的湿度数据；

利用所述MPU6050芯片确定所述佩戴者的当前运动状态；

在本说明书实施例中，发送模块300可用于执行上述方法实施例中的步骤100，获取模块302可用于执行上述方法实施例中的步骤102，播放模块304可用于执行上述方法实施例中的步骤104。

在本说明书的一个实施例中，所述基于所述佩戴者的当前运动状态以及在手腕处的肌电数据、体温数据和湿度数据，确定所述佩戴者在当前运动状态下的肌张力等级，包括：

在本说明书的一个实施例中，所述等级评估模型为随机森林模型；

所述代价参数向量是通过如下方式得到的：

在本说明书的一个实施例中，所述肌电数据包括时域特征和频域特征，所述时域特征包括平均绝对值、波形长度、方差、方均根、威尔逊振幅和调整平均值，所述频域特征包括平均频率、频率方差、频率熵、能量密度、频率偏度和频率峰度。

可以理解的是，本说明书实施例示意的结构并不构成对一种基于可穿戴设备对肌张力进行检测的装置的具体限定。在本说明书的另一些实施例中，一种基于可穿戴设备对肌张力进行检测的装置可以包括比图示更多或者更少的部件，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、软件或者软件和硬件的组合来实现。

上述装置内的各模块之间的信息交互、执行过程等内容，由于与本说明书方法实施例基于同一构思，具体内容可参见本说明书方法实施例中的叙述，此处不再赘述。

本说明书实施例还提供了一种骨传导耳机，包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器执行所述计算机程序时，实现本说明书任一实施例中的一种基于可穿戴设备对肌张力进行检测的方法。

本说明书实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序在被处理器执行时，使所述处理器执行本说明书任一实施例中的一种基于可穿戴设备对肌张力进行检测的方法。

具体地，可以提供配有存储介质的系统或者装置，在该存储介质上存储着实现上述实施例中任一实施例的功能的软件程序代码，且使该系统或者装置的计算机（或CPU或MPU）读出并执行存储在存储介质中的程序代码。

在这种情况下，从存储介质读取的程序代码本身可实现上述实施例中任何一项实施例的功能，因此程序代码和存储程序代码的存储介质构成了本说明书的一部分。

用于提供程序代码的存储介质实施例包括软盘、硬盘、磁光盘、光盘（如CD-ROM、CD-R、CD-RW、DVD-ROM、DVD-RAM、DVD-RW、DVD+RW）、磁带、非易失性存储卡和ROM。可选择地，可以由通信网络从服务器计算机上下载程序代码。

此外，应该清楚的是，不仅可以通过执行计算机所读出的程序代码，而且可以通过基于程序代码的指令使计算机上操作的操作系统等来完成部分或者全部的实际操作，从而实现上述实施例中任意一项实施例的功能。

此外，可以理解的是，将由存储介质读出的程序代码写到插入计算机内的扩展板中所设置的存储器中或者写到与计算机相连接的扩展模块中设置的存储器中，随后基于程序代码的指令使安装在扩展板或者扩展模块上的CPU等来执行部分和全部实际操作，从而实现上述实施例中任一实施例的功能。

需要说明的是，在本文中，诸如第一和第二之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个…”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同因素。

本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储在计算机可读取的存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质中。

最后应说明的是：以上实施例仅用以说明本说明书的技术方案，而非对其限制；尽管参照前述实施例对本说明书进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本说明书各实施例技术方案的精神和范围。

Claims

1.一种基于可穿戴设备对肌张力进行检测的方法，其特征在于，所述可穿戴设备包括骨传导耳机和手表，所述骨传导耳机设置有第一控制器，所述手表设置有第二控制器以及分别与所述第二控制器电连接的肌电传感器、温度传感器、湿度传感器和MPU6050芯片，所述第一控制器用于与所述第二控制器通信连接；

所述方法应用于所述第一控制器，包括：

将所述肌张力等级以语音的方式向所述佩戴者播放；

利用所述肌电传感器采集所述佩戴者在手腕处的肌电数据；

利用所述温度传感器采集所述佩戴者在手腕处的温度数据；

利用所述湿度传感器采集所述佩戴者在手腕处的湿度数据；

利用所述MPU6050芯片确定所述佩戴者的当前运动状态；

利用所述第二控制器基于所述佩戴者的当前运动状态以及在手腕处的肌电数据、体温数据和湿度数据，确定所述佩戴者在当前运动状态下的肌张力等级；

所述基于所述佩戴者的当前运动状态以及在手腕处的肌电数据、体温数据和湿度数据，确定所述佩戴者在当前运动状态下的肌张力等级，包括：

将补偿后的肌电数据、温度数据和湿度数据输入到所述目标等级评估模型中，输出所述佩戴者在当前运动状态下的肌张力等级；

所述等级评估模型为随机森林模型；

所述代价参数向量是通过如下方式得到的：

2.根据权利要求1所述的方法，其特征在于，所述肌电数据包括时域特征和频域特征，所述时域特征包括平均绝对值、波形长度、方差、方均根、威尔逊振幅和调整平均值，所述频域特征包括平均频率、频率方差、频率熵、能量密度、频率偏度和频率峰度。

3.一种基于可穿戴设备对肌张力进行检测的装置，其特征在于，所述可穿戴设备包括骨传导耳机和手表，所述骨传导耳机设置有第一控制器，所述手表设置有第二控制器以及分别与所述第二控制器电连接的肌电传感器、温度传感器、湿度传感器和MPU6050芯片，所述第一控制器用于与所述第二控制器通信连接；

所述装置应用于所述第一控制器，包括：

利用所述肌电传感器采集所述佩戴者在手腕处的肌电数据；

利用所述温度传感器采集所述佩戴者在手腕处的温度数据；

利用所述湿度传感器采集所述佩戴者在手腕处的湿度数据；

利用所述MPU6050芯片确定所述佩戴者的当前运动状态；

所述等级评估模型为随机森林模型；

所述代价参数向量是通过如下方式得到的：

4.根据权利要求3所述的装置，其特征在于，所述肌电数据包括时域特征和频域特征，所述时域特征包括平均绝对值、波形长度、方差、方均根、威尔逊振幅和调整平均值，所述频域特征包括平均频率、频率方差、频率熵、能量密度、频率偏度和频率峰度。

5.一种骨传导耳机，包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器执行所述计算机程序时，实现如权利要求1-2中任一项所述的方法。

6.一种计算机可读存储介质，其上存储有计算机程序，当所述计算机程序在计算机中执行时，令计算机执行权利要求1-2中任一项所述的方法。