CN115414022A - 数据的处理方法、处理装置、电子设备和存储介质 - Google Patents
数据的处理方法、处理装置、电子设备和存储介质 Download PDFInfo
- Publication number
- CN115414022A CN115414022A CN202211082046.3A CN202211082046A CN115414022A CN 115414022 A CN115414022 A CN 115414022A CN 202211082046 A CN202211082046 A CN 202211082046A CN 115414022 A CN115414022 A CN 115414022A
- Authority
- CN
- China
- Prior art keywords
- heart rate
- acquisition
- period
- periods
- motion data
- 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
- 238000012545 processing Methods 0.000 title claims abstract description 75
- 238000003672 processing method Methods 0.000 title claims abstract description 20
- 230000033001 locomotion Effects 0.000 claims abstract description 132
- 230000002159 abnormal effect Effects 0.000 claims abstract description 120
- 238000005070 sampling Methods 0.000 claims abstract description 22
- 238000000034 method Methods 0.000 claims description 49
- 230000006793 arrhythmia Effects 0.000 claims description 30
- 206010003119 arrhythmia Diseases 0.000 claims description 30
- 230000008569 process Effects 0.000 claims description 19
- 230000002763 arrhythmic effect Effects 0.000 claims description 6
- 230000033764 rhythmic process Effects 0.000 description 22
- 238000013186 photoplethysmography Methods 0.000 description 15
- 238000010586 diagram Methods 0.000 description 10
- 230000008859 change Effects 0.000 description 8
- 230000006870 function Effects 0.000 description 8
- 238000001514 detection method Methods 0.000 description 7
- 238000004891 communication Methods 0.000 description 5
- 238000009532 heart rate measurement Methods 0.000 description 5
- 230000001360 synchronised effect Effects 0.000 description 5
- 238000012937 correction Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 230000005856 abnormality Effects 0.000 description 3
- 230000019771 cognition Effects 0.000 description 3
- 238000010030 laminating Methods 0.000 description 3
- 230000000007 visual effect Effects 0.000 description 3
- 210000000707 wrist Anatomy 0.000 description 3
- 238000004590 computer program Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 210000004243 sweat Anatomy 0.000 description 2
- 235000008331 Pinus X rigitaeda Nutrition 0.000 description 1
- 235000011613 Pinus brutia Nutrition 0.000 description 1
- 241000018646 Pinus brutia Species 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000003190 augmentative effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 230000003862 health status Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000009467 reduction Effects 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
- A61B5/02—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
- A61B5/02416—Detecting, measuring or recording pulse rate or heart rate using photoplethysmograph signals, e.g. generated by infrared radiation
-
- 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
- A61B5/02438—Detecting, measuring or recording pulse rate or heart rate with portable devices, e.g. worn by the patient
-
- 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
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7221—Determining signal validity, reliability or quality
Abstract
本申请公开了一种数据的处理方法、处理装置、电子设备和存储介质，属于可穿戴设备技术领域。数据的处理方法包括：采集第一运动数据，第一运动数据包括N个第一采集周期对应的平均步频和平均心率，N为正整数；在目标采集周期对应的平均步频，和目标采集周期对应的平均心率的差值的绝对值，小于预设的差值阈值的情况下，将目标采样周期确定为心率异常周期，其中，N个第一采集周期包括目标采集周期；对第一运动数据中心率异常周期内的运动数据进行处理。
Description
技术领域
本申请属于可穿戴设备技术领域，具体涉及一种数据的处理方法、处理装置、电子设备和存储介质。
背景技术
在相关技术中，智能手环、智能手表等智能可穿戴设备，能够获取并记录穿戴用户运动过程中的心率，从而帮助用户掌握运动健康状态。
智能手环和智能手表等可穿戴设备实现心率测量需要依赖光电容积描记(Photoplethysmography，PPG)数据，而由于用户佩戴手环、手表类可穿戴设备时，一般会在手环、手表与皮肤之间保留宽松度，因此随用户身体运动和出汗等情况，手环和手表会产生松脱，与皮肤的贴合程度降低，导致PPG信号差，可能会造成可穿戴设备错误的将步频数据当做心率数据，导致心率测量的结果偏差大。
发明内容
本申请实施例的目的是提供一种数据的处理方法、处理装置、电子设备和存储介质，能够解决可穿戴设备心率测量的结果偏差大，可穿戴设备错误的将步频数据当做心率数据的问题。
第一方面，本申请实施例提供了一种数据的处理方法，包括：
获取第一运动数据，第一运动数据包括N个第一采集周期对应的平均步频和平均心率，N为正整数；
在目标采集周期对应的平均步频，和目标采集周期对应的平均心率的差值的绝对值，小于预设的差值阈值的情况下，将目标采样周期确定为心率异常周期，其中，N个第一采集周期包括目标采集周期；
对第一运动数据中心率异常周期内的运动数据进行处理。
第二方面，本申请实施例提供了一种数据的处理装置，包括：
获取模块，用于获取第一运动数据，第一运动数据包括N个第一采集周期对应的平均步频和平均心率，N为正整数；
确定模块，用于在目标采集周期对应的平均步频，和目标采集周期对应的平均心率的差值的绝对值，小于预设的差值阈值的情况下，将目标采样周期确定为心率异常周期，其中，N个第一采集周期包括目标采集周期；
处理模块，用于对第一运动数据中心率异常周期内的运动数据进行处理。
第三方面，本申请实施例提供了一种电子设备，包括处理器和存储器，存储器存储可在处理器上运行的程序或指令，程序或指令被处理器执行时实现如第一方面的方法的步骤。
第四方面，本申请实施例提供了一种可读存储介质，该可读存储介质上存储程序或指令，该程序或指令被处理器执行时实现如第一方面的方法的步骤。
第五方面，本申请实施例提供了一种芯片，该芯片包括处理器和通信接口，该通信接口和该处理器耦合，该处理器用于运行程序或指令，实现如第一方面的方法的步骤。
第六方面，本申请实施例提供一种计算机程序产品，该程序产品被存储在存储介质中，该程序产品被至少一个处理器执行以实现如第一方面的方法。
在本申请实施例中，在采集到用户的运动数据后，根据运动数据中，相同采集周期的平均心率和平均步频的差值，来判断是否出现了因PPG信号差，可穿戴设备错误的将步频数据当做心率数据的异常采样情况，如果出现了心率异常周期，则判断运动数据有误，并对第一运动数据中，心率异常周期内的运动数据进行处理，从而使处理后的运动数据中的心率数据，更加贴近用户的实际心率数据，提高心率测量的准确度。
附图说明
图1示出了根据本申请实施例的数据的处理方法的流程图；
图2示出了根据本申请实施例的变化曲线的示意图之一；
图3示出了根据本申请实施例的变化曲线的示意图之二；
图4示出了根据本申请实施例的数据的处理装置的结构框图；
图5示出了根据本申请实施例的电子设备的结构框图；
图6为实现本申请实施例的一种电子设备的硬件结构示意图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员获得的所有其他实施例，都属于本申请保护的范围。
本申请的说明书和权利要求书中的术语“第一”、“第二”等是用于区别类似的对象，而不用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施，且“第一”、“第二”等所区分的对象通常为一类，并不限定对象的个数，例如第一对象可以是一个，也可以是多个。此外，说明书以及权利要求中“和/或”表示所连接对象的至少其中之一，字符“/”，一般表示前后关联对象是一种“或”的关系。
下面结合附图，通过具体的实施例及其应用场景对本申请实施例提供的数据的处理方法、处理装置、电子设备和存储介质进行详细地说明。
在本申请的一些实施例中，提供了一种数据的处理方法，图1示出了根据本申请实施例的数据的处理方法的流程图，如图1所示，方法包括：
步骤102，采集第一运动数据，第一运动数据包括N个第一采集周期对应的平均步频和平均心率；
其中，N为正整数；
步骤104，在目标采集周期对应的平均步频，和目标采集周期对应的平均心率的差值的绝对值小于预设的差值阈值的情况下，将目标采样周期确定为心率异常周期；
其中，N个第一采集周期包括目标采集周期；
步骤106，对第一运动数据中心率异常周期内的运动数据进行处理。
在本申请实施例中，运动数据具体是用户佩戴可穿戴设备运动时，如佩戴智能手环或智能手表跑步时，采集到的运动数据，其中，可穿戴设备按照预设的采集周期对运动数据进行采集，即上述第一采集周期，第一采集周期的周期时长可以是1分钟、30秒或2分钟等，本申请实施例对此不作限制。
在可穿戴设备采集到到一个采集周期的数据后，可穿戴设备确定该采集周期内，用户的平均步频和平均心率，在用户运动结束后，共记录有N个第一采集周期一一对应的N个平均步频数据和N个平均心率数据。
其中，以一个采集周期为1分钟为例，则一个采集周期内的平均步频可以是X步/分钟，平均心率可以是Y次/分钟。
具体地，由于用户在佩戴手环、手表等可穿戴设备时，为了保证佩戴舒适性，用户一般不会将手环、手表的腕带调到紧贴皮肤的程度，而是会保留一定的宽松度，因此当用户长时间运动式，由于运动所产生的震动，以及用户腕部出汗等客观现象，会使得手环、手表上用于采集PPG信号的传感器与用户皮肤贴合程度变差，进而导致采集到的PPG信号变弱。
而可穿戴设备在采集用户心率时，需要依赖良好的PPG信号，通过PPG信号确定PPG数据，并根据PPG数据换算得到用户心率。因此当PPG信号变弱时，心率计算就会错误的将步频信号认成心率信号，而用户在运动过程中，心率是大概率大于步频的，因此导致了心率数据不准。
针对上述问题，本申请在每得到一个采集周期的平均步频和平均心率后，可穿戴设备对平均心率和平均步频的差值进行计算。如果平均心率和平均步频的差值的绝对值，小于预设的差值阈值，则说明平均心率数据和平均步频数据非常接近，大概率发生了PPG信号弱导致错误将步频数据识别为心率数据的情况，此时将该采集周期标记为心率异常周期。
在用户运动结束后，可穿戴设备共记录有N个第一采集周期的步频数据和平均心率数据，这些数据形成为第一运动数据。对第一运动数据内，被标记为心率异常周期内的运动数据进行处理，从而使处理后的运动数据中的心率数据，更加贴近用户的实际心率数据，提高心率测量的准确度。
在本申请的一些实施例中，心率异常周期包括连续的M个心率异常周期，M为小于或等于N的正整数；
对第一运动数据中目标采集周期内的运动数据进行处理，包括：
接收第二运动数据，第二运动数据包括N个第二采集周期对应的平均步频和平均心率，其中，第二采集周期的周期时长与第一采集周期的周期时长相同，N个第二采集周期不包括心率异常周期；
在N个第二采集周期中，确定与M个连续的心率异常周期一一对应的M个第二采集周期；
根据M个第二采集周期对应的平均心率的最大值，对M个心率异常周期的平均心率进行处理。
在本申请实施例中，当确定心率异常周期在全部N个第一采集周期中的占比大于比例阈值时，在心率异常周期中，确定连续的M个心率异常周期。
具体地，假设第一采集周期的周期时长为1分钟，用户运动了10分钟，共采集到包括10个第一采集周期的第一运动数据，也即N＝10，其中，存在5个心率异常周期，分别为第4个第一采样周期、第5个第一采样周期、第6个第一采样周期、第7个第一采样周期和第8个第一采样周期。
此时，接收第二运动数据，该第二运动数据可以是用户的历史运动数据，也可以是用户手动输入的运动数据，还可以是通过建立可穿戴设备与智能手机等电子设备的无线数据连接，通过无限数据连接获取的运动数据。
其中，在采集第二运动数据时，用户的运动方式与采集第一运动数据时，用户的运动数据相同，即第二运动数据也包括与第一运动数据相同的N个数据采集周期，即包括10个第二采集周期，这10个第二采集周期内采集到的平均心率，均是正常的心率数据，即没有发生平均心率与平均步频的差值小于差值阈值的情况，也就是说，第二运动数据中的心率数据均为用户的准确心率数据。
进一步地，在第二运动数据中，确定与第一数据的M个心率异常周期相对应的M个第二采集周期，沿用上述举例，也就是在10个第二采集周期中，确定出为第4个第二采样周期、第5个第二采样周期、第6个第二采样周期、第7个第二采样周期和第8个第二采样周期。
在这些第二采样中对应的平均心率中，找到平均心率的最大值，该最大值即为用户在相同运动情况下，在相同的运动进度时的心率极值，通过该最大值来对心率异常周期的平均心率进行处理，能够使得处理后的异常平均心率，覆盖用户实际的心率区间，进而使处理后的平均心率更加符合实际的心率，解决PPR信号弱时，可穿戴设备采集的心率数据偏差大的问题。
能够理解的是，在获取到第二运动数据，具体包括平均心率的最大值、平均心率的最大值对应的时间点、步频数据等，可对这些数据进行自动保存，当再次出现心率异常周期的数量占比大于阈值的情况时，可通过这些数据自动对心率异常周期平均心率进行校正。
本申请通过采集用户在运动过程中的正常运动数据，包括心率数据和步频数据等，对可能出现的心率异常数据进行自动校正，提高了智能手环、智能手表等可穿戴设备的心率检测准确率，使检测的用户运动心率更贴近实际情况，满足用户需求。
在本申请的一些实施例中，根据M个第二采集周期对应的平均心率的最大值，对M个心率异常周期的平均心率进行处理，包括：
在M个心率异常周期中确定最大值对应的目标心率异常周期；
根据目标心率异常周期和最大值，确定目标顶点坐标值；
根据目标顶点坐标值调整M个心率周期的平均心率的变化曲线；
通过调整后的变化曲线，确定处理后的M个心率异常周期的平均心率。
在本申请实施例中，以时间为横坐标，以平均心率为纵坐标，拟合连续的M个心率异常周期对应的变化曲线，图2示出了根据本申请实施例的变化曲线的示意图之一，如图2所示，以第一采样周期的周期时长为1分钟，共有5个心率异常周期为例，每个心率异常周期对应坐标系中的一个点，坐标系中点的横坐标是时间，纵坐标是平均心率，以图2为例，第一个点的横坐标是1分钟，平均心率是100，第二个点的横坐标是2分钟，平均心率是100。
将5个心率异常周期对应的5个点拟合成曲线，则得到了5个心率异常周期的平均心率对应的变化曲线202。
进一步地，在第二运动数据包含的N个第二采集周期中，确定与图2示出的5个心率异常周期对应的5个第二采集周期，并在这5个第二采集周期中，找到平均心率的最大值，假设5个第二采集周期的平均心率分别为142次/分钟、143次/分钟、146次/分钟、145次/分钟和142次/分钟，也即5个第二采集周期中的第三个采集周期时，平均心率达到了最大值146次/分钟。
记录该最大值，并在5个心率异常周期内，确定目标异常周期，该目标异常周期，则是对应于该平均心率最大值的周期。具体地，由于此处心率异常周期的数量和对应的第二采集周期的数量是相同的，因此可以确定5个心率异常周期中的第三个采集周期，对应该平均心率的最大值，因此5个心率异常周期中的第三个采集周期记为目标心率异常周期。
此时，在图2所示的坐标系中，确定目标顶点204，该目标顶点204的横坐标与目标心率异常周期相同，且目标顶点204的纵坐标等于上述平均心率的最大值。
图3示出了根据本申请实施例的变化曲线的示意图之二，以目标顶点为目标，对变化曲线进行调整，如图3所示，具体为整体拉高变化曲线202，从而使得调整后的变化曲线202中，横坐标与目标心率异常周期相同的点，与目标顶点204相重合。
示例性地，在调整变化曲线时，假设M＝5，即心率异常周期的数量为5个，这些心率异常周期分别对应变化曲线上的点P1、P2、P3、P4和P5，其中，P1的平均心率为a1，P2的平均心率为a2，P3的平均心率为a3，P4的平均心率为a4，P5的平均心率为a5。
确定P3对应于出现平均心率的最大值的点，设该平均心率的最大值为b，则计算b与a1的差值c。
在调整变化曲线时，保持点P1不动，将点P2的纵坐标由a2调整为(a2+c)，将点P3的纵坐标调整为b，将点P4的坐标调整为(a4-c)，保持点P5不动，因此调整后的变化曲线呈平滑过渡的抛物曲线，且该抛物曲线的斜率，与平均心率最大值和曲线首个点的纵坐标的差相关。
在调整完成后，调整后的变化曲线中，对应于每个第一采集周期的点的纵坐标，则是处理后的心率异常周期对应的平均心率，第一个心率异常周期的平均心率保持a1，第二个心率异常周期的平均心率调整为(a2+c)，第三个心率异常周期的平均心率调整为b，第四个心率异常周期的平均心率调整为(a4-c)，第五个心率异常周期的平均心率调整为a5。
本申请实施例通过基于拟合的曲线来调整心率异常周期的平均心率，使得调整后的平均心率更符合用户的实际心率，也符合用户对心率变化的经验认知，从而提高了可穿戴设备检测心率的数据准确性，同时保证了用户体验。
在本申请的一些实施例中，确定最大值对应的目标心率异常周期，包括：
确定最大值对应的第二采集周期对应的时间点，在M个第二采集周期的总时长的比值；
根据比值，在M个心率异常周期中确定目标心率异常周期。
在本申请实施例中，在保存用户的第二运动数据，即不存在心率异常周期的运动数据后，当用户佩戴可穿戴设备运动，且再次出现心率异常周期的数量占比大于比例阈值时，可通过保存的第二数据再次对异常心率数据进行自动校正。
其中，由于用户每次运动的时长可能不同，因此需要确定平均心率最大值对应的目标心率异常周期。
具体地，假设本次用户运动时，心率异常周期的总周期时长是A0’，其中，可以通过单个采集周期的周期时长与心率异常周期的数量，来计算心率异常周期的总周期时长。设平均心率的最大值对应的时间点为A3’,则满足：
A3’＝(A3÷A0)×A0’；
其中，A3’为目标心率异常周期对应的时间点，A3为平均心率的最大值对应的第二采集周期的时间点，A0为M个第二采集周期的总周期时长，A0’是本次运动时心率异常周期的总周期时长。
本申请通过推算平均心率的最大值可能出现的时间点，来对异常心率周期的平均心率进行调整，使调整后的平均心率更贴近用户运动时的实际心率，提高了心率检测的准确度。
在本申请的一些实施例中，在根据M个第二采集周期对应的平均心率的最大值，对M个心率异常周期的平均心率进行处理之前，处理方法还包括：
显示M个心率异常周期；
接收用户的处理输入；
响应于处理输入，根据M个第二采集周期对应的平均心率的最大值，对M个心率异常周期的平均心率进行处理。
在本申请实施例中，在用户运动的过程中，由于运动所产生的震动，以及用户腕部出汗等客观现象，会使得手环、手表上用于采集PPG信号的传感器与用户皮肤贴合程度变差，导致采集到的PPG信号变弱，进而导致采集到的心率数据异常，如心率数据与步频数据同步。
而用户的一次运动过程，可能会存在多段心率异常周期，因此，可以在智能手表或智能手环的显示屏上，或者在于可穿戴设备相连接的手机、平板电脑上显示这些心率异常周期。用户可以选中某个心率异常点，或某几个连续的心率异常周期，来执行对被选中的心率异常周期的平均心率进行处理的步骤，如收入对应的平均心率最大值等。
本申请通过可视化界面来引导用户对异常心率周期的平均心率进行处理，提高了用户体验。
本申请实施例提供的数据的处理方法，执行主体可以为数据的处理装置。本申请实施例中以数据的处理装置执行运动数据的处理的方法为例，说明本申请实施例提供的运动数据的处理的装置。
在本申请的一些实施例中，在对第一运动数据中心率异常周期内的运动数据进行处理之前，处理方法还包括：
确定心率异常周期在N个第一采集周期中的数量占比；
在数量占比大于或等于预设的比例阈值的情况下，对第一运动数据中心率异常周期内的运动数据进行处理。
在本申请实施例中，在用户运动结束后，可穿戴设备遍历全部N个第一采集周期，确定其中被标记为心率异常周期的采集周期，在全部N个第一采集周期内的占比，如果占比大于或等于预设的比例阈值，如超过50％，则说明本次运动数据采集过程中，心率数据异常的情况较多，则按照预设的处理方法，对采集到的第一运动数据进行处理，从而使处理后的运动数据中的心率数据，更加贴近用户的实际心率数据，提高心率测量的准确度。
在本申请的一些实施例中，提供了一种数据的处理装置，图4示出了根据本申请实施例的数据的处理装置的结构框图，如图4所示，数据的处理装置400，包括：
采集模块402，用于采集第一运动数据，第一运动数据包括N个第一采集周期对应的平均步频和平均心率，N为正整数；
确定模块404，用于在目标采集周期对应的平均步频，和目标采集周期对应的平均心率的差值的绝对值小于预设的差值阈值的情况下，将目标采样周期确定为心率异常周期，其中，N个第一采集周期包括目标采集周期；
处理模块406，用于对第一运动数据中心率异常周期内的运动数据进行处理。
在本申请实施例中，在用户运动结束后，可穿戴设备共记录有N个第一采集周期的步频数据和平均心率数据，这些数据形成为第一运动数据。对第一运动数据内，被标记为心率异常周期内的运动数据进行处理，从而使处理后的运动数据中的心率数据，更加贴近用户的实际心率数据，提高心率测量的准确度。
在本申请的一些实施例中，心率异常周期包括连续的M个心率异常周期，M为小于或等于N的正整数；
处理装置还包括：
接收模块，用于接收第二运动数据，第二运动数据包括N个第二采集周期对应的平均步频和平均心率，其中，第二采集周期的周期时长与第一采集周期的周期时长相同，N个第二采集周期不包括心率异常周期；
确定模块，还用于在N个第二采集周期中，确定与M个连续的心率异常周期一一对应的M个第二采集周期；
处理模块，还用于根据M个第二采集周期对应的平均心率的最大值，对M个心率异常周期的平均心率进行处理。
本申请通过采集用户在运动过程中的正常运动数据，包括心率数据和步频数据等，对可能出现的心率异常数据进行自动校正，提高了智能手环、智能手表等可穿戴设备的心率检测准确率，使检测的用户运动心率更贴近实际情况，满足用户需求。
在本申请的一些实施例中，确定模块，还用于：
在M个心率异常周期中确定最大值对应的目标心率异常周期；
根据目标心率异常周期和最大值，确定目标顶点坐标值以目标心率异常周期对应的时间点为横坐标，以最大值为纵坐标，确定目标顶点；
处理模块，还用于：
根据目标顶点坐标值调整M个心率周期的平均心率的变化曲线以目标顶点为目标，调整变化曲线，直至变化曲线中，目标心率异常周期所在的点，与目标顶点相重合；
通过调整后的变化曲线，确定处理后的M个心率异常周期的平均心率。
本申请实施例通过基于拟合的曲线来调整心率异常周期的平均心率，使得调整后的平均心率更符合用户的实际心率，也符合用户对心率变化的经验认知，从而提高了可穿戴设备检测心率的数据准确性，同时保证了用户体验。
在本申请的一些实施例中，确定模块，具体用于：
确定最大值对应的第二采集周期对应的时间点，在M个第二采集周期的总时长的比值；
根据比值，在M个心率异常周期中确定目标心率异常周期。
本申请通过推算平均心率的最大值可能出现的时间点，来对异常心率周期的平均心率进行调整，使调整后的平均心率更贴近用户运动时的实际心率，提高了心率检测的准确度。
在本申请的一些实施例中，处理装置还包括：
显示模块，用于显示M个心率异常周期；
接收模块，用于接收用户的处理输入；
处理模块，具体用于响应于处理输入，根据M个第二采集周期对应的平均心率的最大值，对M个心率异常周期的平均心率进行处理。
本申请通过可视化界面来引导用户对异常心率周期的平均心率进行处理，提高了用户体验。
在本申请的一些实施例中，确定模块，还用于确定心率异常周期在N个第一采集周期中的数量占比；在数量占比大于或等于预设的比例阈值的情况下，对第一运动数据中心率异常周期内的运动数据进行处理。
在本申请实施例中，在用户运动结束后，可穿戴设备遍历全部N个第一采集周期，确定其中被标记为心率异常周期的采集周期，在全部N个第一采集周期内的占比，如果占比大于或等于预设的比例阈值，如超过50％，则说明本次运动数据采集过程中，心率数据异常的情况较多，则按照预设的处理方法，对采集到的第一运动数据进行处理，从而使处理后的运动数据中的心率数据，更加贴近用户的实际心率数据，提高心率测量的准确度。
本申请实施例中的数据的处理装置可以是电子设备，也可以是电子设备中的部件，例如集成电路或芯片。该电子设备可以是终端，也可以为除终端之外的其他设备。示例性的，电子设备可以为手机、平板电脑、笔记本电脑、掌上电脑、车载电子设备、移动上网装置(Mobile Internet Device，MID)、增强现实(augmented reality，AR)/虚拟现实(virtual reality，VR)设备、机器人、可穿戴设备、超级移动个人计算机(ultra-mobilepersonal computer，UMPC)、上网本或者个人数字助理(personal digital assistant，PDA)等，还可以为服务器、网络附属存储器(Network Attached Storage，NAS)、个人计算机(personal computer，PC)、电视机(television，TV)、柜员机或者自助机等，本申请实施例不作具体限定。
本申请实施例中的数据的处理装置可以为具有操作系统的装置。该操作系统可以为安卓(Android)操作系统，可以为iOS操作系统，还可以为其他可能的操作系统，本申请实施例不作具体限定。
本申请实施例提供的数据的处理装置能够实现上述方法实施例实现的各个过程，为避免重复，这里不再赘述。
可选地，本申请实施例还提供一种电子设备，图5示出了根据本申请实施例的电子设备的结构框图，如图5所示，电子设备500包括处理器502，存储器504，存储在存储器504上并可在处理器502上运行的程序或指令，该程序或指令被处理器502执行时实现上述方法实施例的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。
需要说明的是，本申请实施例中的电子设备包括上述的移动电子设备和非移动电子设备。
图6为实现本申请实施例的一种电子设备的硬件结构示意图。
该电子设备600包括但不限于：射频单元601、网络模块602、音频输出单元603、输入单元604、传感器605、显示单元606、用户输入单元607、接口单元608、存储器609以及处理器610等部件。
本领域技术人员可以理解，电子设备600还可以包括给各个部件供电的电源(比如电池)，电源可以通过电源管理系统与处理器610逻辑相连，从而通过电源管理系统实现管理充电、放电、以及功耗管理等功能。图6中示出的电子设备结构并不构成对电子设备的限定，电子设备可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置，在此不再赘述。
其中，处理器610用于采集第一运动数据，第一运动数据包括N个第一采集周期对应的平均步频和平均心率，N为正整数；在目标采集周期对应的平均步频，和目标采集周期对应的平均心率的差值的绝对值小于预设的差值阈值的情况下，将目标采样周期确定为心率异常周期，其中，N个第一采集周期包括目标采集周期；对所述第一运动数据中所述心率异常周期内的运动数据进行处理。
在本申请实施例中，在采集到用户的运动数据后，根据运动数据中，相同采集周期的平均心率和平均步频的差值，来判断是否出现了因PPG信号差，可穿戴设备错误的将步频数据当做心率数据的异常采样情况，如果出现了心率异常周期，则判断运动数据有误，并对第一运动数据中，心率异常周期内的运动数据进行处理，从而使处理后的运动数据中的心率数据，更加贴近用户的实际心率数据，提高心率测量的准确度。
可选地，心率异常周期包括连续的M个心率异常周期，M为小于或等于N的正整数；
处理器610还用于接收第二运动数据，第二运动数据包括N个第二采集周期对应的平均步频和平均心率，其中，第二采集周期的周期时长与第一采集周期的周期时长相同，N个第二采集周期不包括心率异常周期；在N个第二采集周期中，确定与M个连续的心率异常周期一一对应的M个第二采集周期；根据M个第二采集周期对应的平均心率的最大值，对M个心率异常周期的平均心率进行处理。
本申请通过采集用户在运动过程中的正常运动数据，包括心率数据和步频数据等，对可能出现的心率异常数据进行自动校正，提高了智能手环、智能手表等可穿戴设备的心率检测准确率，使检测的用户运动心率更贴近实际情况，满足用户需求。
可选地，处理器610还用于在M个心率异常周期中确定最大值对应的目标心率异常周期；根据目标心率异常周期和最大值，确定目标顶点坐标值；根据目标顶点坐标值调整M个心率周期的平均心率的变化曲线；通过调整后的变化曲线，确定处理后的M个心率异常周期的平均心率。
本申请实施例通过基于拟合的曲线来调整心率异常周期的平均心率，使得调整后的平均心率更符合用户的实际心率，也符合用户对心率变化的经验认知，从而提高了可穿戴设备检测心率的数据准确性，同时保证了用户体验。
可选地，处理器610还用于确定最大值对应的第二采集周期对应的时间点，在M个第二采集周期的总时长的比值；根据比值，在M个心率异常周期中确定目标心率异常周期。
本申请通过推算平均心率的最大值可能出现的时间点，来对异常心率周期的平均心率进行调整，使调整后的平均心率更贴近用户运动时的实际心率，提高了心率检测的准确度。
可选地，显示单元606用于显示M个心率异常周期；
处理器610还用于接收用户的处理输入；响应于处理输入，根据M个第二采集周期对应的平均心率的最大值，对M个心率异常周期的平均心率进行处理。
本申请通过可视化界面来引导用户对异常心率周期的平均心率进行处理，提高了用户体验。
应理解的是，本申请实施例中，输入单元604可以包括图形处理器(GraphicsProcessing Unit，GPU)6041和麦克风6042，图形处理器6041对在视频捕获模式或图像捕获模式中由图像捕获装置(如摄像头)获得的静态图片或视频的图像数据进行处理。显示单元606可包括显示面板6061，可以采用液晶显示器、有机发光二极管等形式来配置显示面板6061。用户输入单元607包括触控面板6071以及其他输入设备6072中的至少一种。触控面板6071，也称为触摸屏。触控面板6071可包括触摸检测装置和触摸控制器两个部分。其他输入设备6072可以包括但不限于物理键盘、功能键(比如音量控制按键、开关按键等)、轨迹球、鼠标、操作杆，在此不再赘述。
存储器609可用于存储软件程序以及各种数据。存储器609可主要包括存储程序或指令的第一存储区和存储数据的第二存储区，其中，第一存储区可存储操作系统、至少一个功能所需的应用程序或指令(比如声音播放功能、图像播放功能等)等。此外，存储器609可以包括易失性存储器或非易失性存储器，或者，存储器609可以包括易失性和非易失性存储器两者。其中，非易失性存储器可以是只读存储器(Read-OnlyMemory，ROM)、可编程只读存储器(ProgrammableROM，PROM)、可擦除可编程只读存储器(ErasablePROM，EPROM)、电可擦除可编程只读存储器(ElectricallyEPROM，EEPROM)或闪存。易失性存储器可以是随机存取存储器(Random Access Memory，RAM)，静态随机存取存储器(Static RAM，SRAM)、动态随机存取存储器(Dynamic RAM，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，DDRSDRAM)、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，DRRAM)。本申请实施例中的存储器609包括但不限于这些和任意其它适合类型的存储器。
处理器610可包括一个或多个处理单元；可选的，处理器610集成应用处理器和调制解调处理器，其中，应用处理器主要处理涉及操作系统、用户界面和应用程序等的操作，调制解调处理器主要处理无线通信信号，如基带处理器。可以理解的是，上述调制解调处理器也可以不集成到处理器610中。
本申请实施例还提供一种可读存储介质，可读存储介质上存储有程序或指令，该程序或指令被处理器执行时实现上述方法实施例的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。
其中，处理器为上述实施例中的电子设备中的处理器。可读存储介质，包括计算机可读存储介质，如计算机只读存储器(Read-Only Memory，ROM)、随机存取存储器(RandomAccess Memory，RAM)、磁碟或者光盘等。
本申请实施例另提供了一种芯片，芯片包括处理器和通信接口，通信接口和处理器耦合，处理器用于运行程序或指令，实现上述方法实施例的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。
应理解，本申请实施例提到的芯片还可以称为系统级芯片、系统芯片、芯片系统或片上系统芯片等。
本申请实施例提供一种计算机程序产品，该程序产品被存储在存储介质中，该程序产品被至少一个处理器执行以实现如上述方法实施例的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。
需要说明的是，在本文中，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、物品或者装置不仅包括那些要素，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、物品或者装置所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。此外，需要指出的是，本申请实施方式中的方法和装置的范围不限按示出或讨论的顺序来执行功能，还可包括根据所涉及的功能按基本同时的方式或按相反的顺序来执行功能，例如，可以按不同于所描述的次序来执行所描述的方法，并且还可以添加、省去、或组合各种步骤。另外，参照某些示例所描述的特征可在其他示例中被组合。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以计算机软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端(可以是手机，计算机，服务器，或者网络设备等)执行本申请各个实施例的方法。
上面结合附图对本申请的实施例进行了描述，但是本申请并不局限于上述的具体实施方式，上述的具体实施方式仅仅是示意性的，而不是限制性的，本领域的普通技术人员在本申请的启示下，在不脱离本申请宗旨和权利要求所保护的范围情况下，还可做出很多形式，均属于本申请的保护之内。
Claims (12)
1.一种数据的处理方法，其特征在于，包括：
获取第一运动数据，所述第一运动数据包括N个第一采集周期对应的平均步频和平均心率，N为正整数；
在目标采集周期对应的平均步频，和所述目标采集周期对应的平均心率的差值的绝对值小于预设的差值阈值的情况下，将所述目标采样周期确定为心率异常周期，其中，所述N个第一采集周期包括所述目标采集周期；
对所述第一运动数据中所述心率异常周期内的运动数据进行处理。
2.根据权利要求1所述的处理方法，其特征在于，所述心率异常周期包括连续的M个心率异常周期，M为小于或等于N的正整数；
所述对所述第一运动数据中所述目标采集周期内的运动数据进行处理，包括：
接收第二运动数据，所述第二运动数据包括N个第二采集周期对应的平均步频和平均心率，其中，所述第二采集周期的周期时长与所述第一采集周期的周期时长相同，所述N个第二采集周期不包括所述心率异常周期；
在所述N个第二采集周期中，确定与所述M个连续的心率异常周期一一对应的M个第二采集周期；
根据所述M个第二采集周期对应的平均心率的最大值，对所述M个心率异常周期的平均心率进行处理。
3.根据权利要求2所述的处理方法，其特征在于，所述根据所述M个第二采集周期对应的所述平均心率的最大值，对所述M个心率异常周期的平均心率进行处理，包括：
在所述M个心率异常周期中确定所述最大值对应的目标心率异常周期；
根据所述目标心率异常周期和所述最大值，确定目标顶点坐标值；
根据所述目标顶点坐标值调整所述M个心率周期的平均心率的变化曲线；
通过调整后的所述变化曲线，确定处理后的所述M个心率异常周期的平均心率。
4.根据权利要求3所述的处理方法，其特征在于，所述确定所述最大值对应的目标心率异常周期，包括：
确定所述最大值对应的第二采集周期对应的时间点，在所述M个第二采集周期的总时长的比值；
根据所述比值，在所述M个心率异常周期中确定所述目标心率异常周期。
5.根据权利要求1至4中任一项所述的处理方法，其特征在于，在所述对所述第一运动数据中所述心率异常周期内的运动数据进行处理之前，所述处理方法还包括：
确定所述心率异常周期在所述N个第一采集周期中的数量占比；
在所述数量占比大于或等于预设的比例阈值的情况下，对所述第一运动数据中所述心率异常周期内的运动数据进行处理。
6.一种数据的处理装置，其特征在于，包括：
获取模块，用于获取第一运动数据，所述第一运动数据包括N个第一采集周期对应的平均步频和平均心率，N为正整数；
确定模块，用于在目标采集周期对应的平均步频，和所述目标采集周期对应的平均心率的差值的绝对值小于预设的差值阈值的情况下，将所述目标采样周期确定为心率异常周期，其中，所述N个第一采集周期包括所述目标采集周期；
处理模块，用于对所述第一运动数据中所述心率异常周期内的运动数据进行处理。
7.根据权利要求6所述的处理装置，其特征在于，所述心率异常周期包括连续的M个心率异常周期，M为小于或等于N的正整数；
所述处理装置还包括：
接收模块，用于接收第二运动数据，所述第二运动数据包括N个第二采集周期对应的平均步频和平均心率，其中，所述第二采集周期的周期时长与所述第一采集周期的周期时长相同，所述N个第二采集周期不包括所述心率异常周期；
所述确定模块，还用于在所述N个第二采集周期中，确定与所述M个连续的心率异常周期一一对应的M个第二采集周期；
所述处理模块，还用于根据所述M个第二采集周期对应的平均心率的最大值，对所述M个心率异常周期的平均心率进行处理。
8.根据权利要求7所述的处理装置，其特征在于，
所述确定模块，还用于：
在所述M个心率异常周期中确定所述最大值对应的目标心率异常周期；
根据所述目标心率异常周期和所述最大值，确定目标顶点坐标值；
所述处理模块，还用于：
根据所述目标顶点坐标值调整所述M个心率周期的平均心率的变化曲线；
通过调整后的所述变化曲线，确定处理后的所述M个心率异常周期的平均心率。
9.根据权利要求8所述的处理装置，其特征在于，所述确定模块，具体用于：
确定所述最大值对应的第二采集周期对应的时间点，在所述M个第二采集周期的总时长的比值；
根据所述比值，在所述M个心率异常周期中确定所述目标心率异常周期。
10.根据权利要求6至9中任一项所述的处理装置，其特征在于，
所述确定模块，还用于确定所述心率异常周期在所述N个第一采集周期中的数量占比；
所述处理模块，具体用于在所述数量占比大于或等于预设的比例阈值的情况下，对所述第一运动数据中所述心率异常周期内的运动数据进行处理。
11.一种电子设备，其特征在于，包括处理器和存储器，所述存储器存储可在所述处理器上运行的程序或指令，所述程序或指令被所述处理器执行时实现如权利要求1至5中任一项所述的处理方法的步骤。
12.一种可读存储介质，其特征在于，所述可读存储介质上存储程序或指令，所述程序或指令被处理器执行时实现如权利要求1至5中任一项所述的处理方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211082046.3A CN115414022A (zh) | 2022-09-06 | 2022-09-06 | 数据的处理方法、处理装置、电子设备和存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211082046.3A CN115414022A (zh) | 2022-09-06 | 2022-09-06 | 数据的处理方法、处理装置、电子设备和存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115414022A true CN115414022A (zh) | 2022-12-02 |
Family
ID=84202640
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211082046.3A Pending CN115414022A (zh) | 2022-09-06 | 2022-09-06 | 数据的处理方法、处理装置、电子设备和存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115414022A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116701886A (zh) * | 2023-08-07 | 2023-09-05 | 知心健(南京)科技有限公司 | 一种运动肺测试数据智能分析管理系统 |
-
2022
- 2022-09-06 CN CN202211082046.3A patent/CN115414022A/zh active Pending
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116701886A (zh) * | 2023-08-07 | 2023-09-05 | 知心健(南京)科技有限公司 | 一种运动肺测试数据智能分析管理系统 |
| CN116701886B (zh) * | 2023-08-07 | 2023-10-27 | 知心健(南京)科技有限公司 | 一种运动肺测试数据智能分析管理系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107809673B (zh) | 根据情绪状态检测处理视频内容的系统和方法 | |
| US11504068B2 (en) | Methods, systems, and media for predicting sensor measurement quality | |
| US20180078156A1 (en) | Blood Pressure Measurement Data Processing Method and Apparatus | |
| CN103713739A (zh) | 一种运动数据的采集处理方法及系统 | |
| JP2013065103A (ja) | 追跡装置、追跡方法およびプログラム | |
| CN107422844B (zh) | 一种信息处理方法及电子设备 | |
| CN115414022A (zh) | 数据的处理方法、处理装置、电子设备和存储介质 | |
| CN107016996A (zh) | 一种音频数据的处理方法及装置 | |
| CN115349841A (zh) | 心率修正方法、装置、电子设备及存储介质 | |
| CN112291480B (zh) | 跟踪对焦方法、跟踪对焦装置、电子设备和可读存储介质 | |
| CN114584836B (zh) | 电子产品使用行为检测方法、装置、系统及介质 | |
| CN105204626A (zh) | 一种对用户分级控制的方法和装置 | |
| WO2023186009A1 (zh) | 计步方法及装置 | |
| CN112150444A (zh) | 人脸图像的属性特征的识别方法、装置及电子设备 | |
| CN111493459A (zh) | 一种调节方法、装置和可穿戴设备 | |
| CN112902983B (zh) | 步数统计的方法、装置及电子设备 | |
| CN111240540B (zh) | 视频调整方法、具有柔性屏的终端及存储介质 | |
| CN113835804A (zh) | 信息的显示方法和电子设备 | |
| CN110071734B (zh) | 一种选取信号通道的方法以及可穿戴智能设备 | |
| CN113397497A (zh) | 信号处理方法、装置和电子设备 | |
| CN114385012A (zh) | 运动的识别方法、装置、电子设备和可读存储介质 | |
| CN115153511A (zh) | 睡姿监测方法、装置、可穿戴设备及存储介质 | |
| CN113157090A (zh) | 电子设备的亮屏控制方法、装置及电子设备 | |
| CN112790752B (zh) | 心率值修正方法、装置及电子设备 | |
| CN115374359A (zh) | 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 |