CN115969346A - 一种久坐检测方法、装置、设备及介质 - Google Patents
一种久坐检测方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN115969346A CN115969346A CN202310097034.6A CN202310097034A CN115969346A CN 115969346 A CN115969346 A CN 115969346A CN 202310097034 A CN202310097034 A CN 202310097034A CN 115969346 A CN115969346 A CN 115969346A
- Authority
- CN
- China
- Prior art keywords
- user
- motion
- data
- scene
- sedentary
- 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.)
- Granted
Links
- 230000000276 sedentary effect Effects 0.000 title claims abstract description 113
- 238000001514 detection method Methods 0.000 title claims abstract description 51
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 claims abstract description 31
- 239000008280 blood Substances 0.000 claims abstract description 31
- 210000004369 blood Anatomy 0.000 claims abstract description 31
- 229910052760 oxygen Inorganic materials 0.000 claims abstract description 31
- 239000001301 oxygen Substances 0.000 claims abstract description 31
- 238000000034 method Methods 0.000 claims abstract description 11
- 108010064719 Oxyhemoglobins Proteins 0.000 claims abstract description 4
- 230000009471 action Effects 0.000 claims description 16
- 230000029058 respiratory gaseous exchange Effects 0.000 claims description 13
- 238000012549 training Methods 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 6
- 210000000544 articulatio talocruralis Anatomy 0.000 claims description 4
- 230000003187 abdominal effect Effects 0.000 claims description 3
- 230000005055 memory storage Effects 0.000 claims 1
- 230000008569 process Effects 0.000 abstract description 2
- 230000001133 acceleration Effects 0.000 description 24
- 238000013186 photoplethysmography Methods 0.000 description 8
- 230000006399 behavior Effects 0.000 description 6
- 238000012986 modification Methods 0.000 description 5
- 230000004048 modification Effects 0.000 description 5
- 230000006378 damage Effects 0.000 description 4
- 230000006870 function Effects 0.000 description 3
- 210000002414 leg Anatomy 0.000 description 3
- 230000000241 respiratory effect Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 210000003127 knee Anatomy 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000000737 periodic effect Effects 0.000 description 2
- 208000017667 Chronic Disease Diseases 0.000 description 1
- 208000001145 Metabolic Syndrome Diseases 0.000 description 1
- 206010028289 Muscle atrophy Diseases 0.000 description 1
- 208000006011 Stroke Diseases 0.000 description 1
- 201000000690 abdominal obesity-metabolic syndrome Diseases 0.000 description 1
- 230000003213 activating effect Effects 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 206010003246 arthritis Diseases 0.000 description 1
- 238000005452 bending Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000017531 blood circulation Effects 0.000 description 1
- 210000000988 bone and bone Anatomy 0.000 description 1
- 230000003930 cognitive ability Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 206010012601 diabetes mellitus Diseases 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 208000019622 heart disease Diseases 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000004630 mental health Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
Images
Landscapes
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本申请公开了一种久坐检测方法、装置、设备及介质，应用于智能检测技术领域，用以解决现有技术中存在的久坐检测过程中精准性较差、久坐状态的划分不够细化的问题。具体为：检测用户的心率数据、血氧饱和度数据和运动数据；基于心率数据和运动数据确定用户处于久坐状态时，根据运动数据的运动特征确定用户的运动场景；基于运动场景和血氧饱和度数据向用户推送运动课程。这样，通过基于心率数据和运动数据共同确定用户处于久坐状态，可以提升对久坐状态判断的精准性，并根据运动数据的运动特征将久坐状态划分为多个运动场景，细化了对久坐状态的划分，此外，运动课程的还结合了用户的血氧饱和度数据，进一步提升了运动课程推送的匹配度与针对性。
Description
技术领域
本申请涉及智能检测技术领域，尤其涉及一种久坐检测方法、装置、设备及介质。
背景技术
现如今，久坐少动往往是人们在生活、学习工作中的常态。久坐少动有诸多危害，久坐不仅会增加心脏病、中风、糖尿病或代谢综合征等慢性病的患病率，还会伤害骨骼，造成肌肉退化及血液循环不佳，进而影响人的认知能力以及心理健康，除此之外久坐还会让人含胸驼背，同时会增加肩颈酸痛。久坐时间太长，还会让人们下腰背产生特异性疼痛，影响人们的生产生活。另外，长期久坐人群与经常跑步活动的人群相比较，膝关节炎的风险会更高。
目前，智能手表多会对用户的久坐进行检测和提醒，并对用户进行行为指导。现有的对久坐检测主要有两种方式，一种是每隔指定时间对用户进行提醒，比如每隔一小时对用户的行为进行提醒，这种久坐检测方式不够智能，容易出现误判的情况；另一种是基于久坐时加速度的累计数值比走跑等其他活动的加速度数值更小的原理，通过判断用户加速度的累计数值是否小于预设的阈值而确定用户是否久坐，这种方式虽然可以进行智能的久坐检测，但仅仅基于加速度数值无法很精准的判断用户久坐状态，且对用户久坐状态的划分不够细化，从而无法给予用户更具体的、更有针对性的、减轻久坐的危害的行为指导。
发明内容
本申请实施例提供了一种久坐检测方法、装置、设备及介质，用以解决现有技术存在的久坐检测过程中精准性较差、久坐状态的划分不够细化的问题。
本申请实施例提供的技术方案如下：
一方面，本申请实施例提供了一种久坐检测方法，包括：
检测用户的心率数据、血氧饱和度数据和运动数据；
基于心率数据和运动数据确定用户处于久坐状态时，根据运动数据的运动特征确定用户的运动场景；
基于运动场景和血氧饱和度数据向用户推送运动课程。
另一方面，本申请实施例提供了一种久坐检测装置，包括：
数据获取模块，用于检测用户的心率数据、血氧饱和度数据和运动数据；
场景确定模块，用于基于心率数据和运动数据确定用户处于久坐状态时，根据运动数据的运动特征确定用户的运动场景；
课程推送模块，用于基于运动场景和血氧饱和度数据向用户推送运动课程。
另一方面，本申请实施例提供了一种电子设备，包括：传感器模块、存储器、处理器和显示器，传感器模块检测用户的心率数据、血氧饱和度数据和运动数据数据并发送至处理器，存储器存储可在处理器上运行的计算机程序，显示器显示处理器推送的运动课程，处理器执行计算机程序时实现本申请实施例提供的久坐检测方法。
另一方面，本申请实施例还提供了一种计算机可读存储介质，计算机可读存储介质存储有计算机指令，计算机指令被处理器执行时实现本申请实施例提供的久坐检测方法。
本申请实施例的有益效果如下：
本申请实施例中，通过检测用户的心率数据和运动数据，基于所述心率数据和所述运动数据共同确定所述用户处于久坐状态，可以提升对用户是否处于久坐状态判断的精准性，并且根据运动数据的运动特征，将久坐状态更加具体的划分为多个运动场景，进一步细化了对久坐状态的划分，从而可以向用户提供更具有针对应性的运动课程。此外，运动课程的推送不仅仅基于所述运动场景，还结合了用户的血氧饱和度数据这一生理指标，进一步提升了运动课程推送的匹配度与针对性。
本申请的其它特征和优点将在随后的说明书中阐述，并且，部分地可以从说明书中变得显而易见，或者通过实施本申请而了解。本申请的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中特别指出的结构来实现和获得。
附图说明
此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
图1为本申请实施例中久坐检测方法的概况流程示意图；
图2为本申请实施例中久坐检测方法的具体流程示意图；
图3为本申请实施例中久坐检测装置的功能结构示意图；
图4为本申请实施例中电子设备的硬件结构示意图。
具体实施方式
为了使本申请的目的、技术方案及有益效果更加清楚明白，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、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，并不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
为便于本领域技术人员更好地理解本申请，下面先对本申请涉及的技术用语进行简单介绍。
运动数据是表示用户运动情况的数据，主要包括由加速度传感器检测的加速度数据和由陀螺仪传感器检测的角度数据。
运动场景是用户久坐所处于的场景，也是久坐状态的用户可以进行运动的场景，运动场景主要包括久坐办公场景、会议听课场景和普通久坐场景。久坐办公场景一般是指在电脑前打字、浏览等办公场景，会议听课场景是指参加会议、课程和讲座等场景，普通久坐场景一般是指除久坐办公场景和会议听课场景以外的其他久坐场景。
运动课程是指向用户推送的使用户根据对应的课程进行运动可以得到放松的行为指导，主要包括肩颈拉伸课程、坐姿拉伸课程、普通拉伸课程和呼吸训练课程。
需要说明的是，本申请中提及的“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样的用语在适当情况下可以互换，以便这里描述的实施例能够以除了在这里图示或描述的内容以外的顺序实施。
在介绍了本申请涉及的技术用语后，接下来，对本申请实施例的应用场景和设计思想进行简单介绍。
久坐少动往往是人们在生活、学习工作中的常态，这种久坐少动对人们的身体有诸多危害。目前，智能手环可以对用户的久坐进行检测和提醒，并对用户进行行为指导。现有的久坐检测方式可以划分为以下两种，一种是每隔指定时间对用户进行提醒，这种久坐检测方式的智能化程度较低，容易出现误判的情况；另一种是通过判断用户加速度的累计数值是否小于预设的阈值而确定用户是否久坐，这种方式虽然可以实现智能化的久坐检测，但仅基于加速度数值对判断用户久坐状态的精准性较差，且对用户久坐状态的划分不够细化，从而无法给予用户更具体的、更有针对性的运动课程推送。
为此，本申请通过检测用户的心率数据和运动数据，基于心率数据和运动数据共同确定用户处于久坐状态，可以提升对用户是否处于久坐状态判断的精准性，并且根据运动数据的运动特征，将久坐状态更加具体的划分为多个运动场景，进一步细化了对久坐状态的划分，从而可以向用户提供更具有针对应性的运动课程。此外，运动课程的推送不仅仅基于运动场景，还结合了用户的血氧饱和度数据这一生理指标，进一步提升了运动课程推送的匹配度与针对性。
在介绍了本申请实施例的应用场景和设计思想之后，下面对本申请实施例提供的技术方案进行详细说明。
本申请实施例提供了一种久坐检测方法，参阅图1所示，本申请实施例提供的久坐检测方法的概况流程如下：
步骤101：检测用户的心率数据、血氧饱和度数据和运动数据。
实际应用中，用户的心率数据和血氧饱和度可以由光电容积脉搏波(Photoplethysmography，PPG)传感器检测。用户的运动数据是表示用户运动情况的数据，主要包括由加速度传感器检测的加速度数据和由陀螺仪传感器检测的角度数据的用户数据。
步骤102：基于心率数据和运动数据确定用户处于久坐状态时，根据运动数据的运动特征确定用户的运动场景。
实际应用中，预设阈值包括心率数据阈值和包括加速度阈值与角度阈值的运动数据阈值。通过将用户的心率数据和运动数据分别对应与预先设置的阈值比较可以确定用户是否处于久坐状态。针对处于久坐状态的用户，可以结合用户的运动数据进一步确定运动特征，并根据运动特征确定用户当前所处的运动场景，其中，运动场景是用户久坐所处于的场景，也是久坐状态的用户可以进行运动的场景，运动场景主要包括久坐办公场景、会议听课场景和普通久坐场景。久坐办公场景一般是指在电脑前打字、浏览等办公场景，会议听课场景是指参加会议、课程和讲座等场景，普通久坐场景一般是指除久坐办公场景和会议听课场景以外的其他久坐场景。
在具体实施时，基于心率数据和运动数据确定用户处于久坐状态，可以采用但不限于以下方式：
判断心率数据和运动数据均小于对应的预设阈值时，确定用户处于久坐状态。
实际应用中，通过将用户的心率数据和运动数据分别对应与预先设置的阈值比较，只有在用户的心率数据小于心率数据阈值，并且用户的运动数据中，加速度数据小于加速度阈值且角度数据小于角度阈值时，确定用户处于久坐状态。若存在包括用户的心率数据小于心率数据阈值、用户的加速度数据小于加速度阈值和用户的角度数据小于角度阈值的三种情况中的至少一种时，确定用户未处于久坐状态。
在具体实施时，根据运动数据的运动特征确定用户的运动场景，可以采用但不限于以下方式：
首先，根据运动数据确定用户的振动特征和用户的旋转特征；
然后，基于用户的振动特征和用户的旋转特征确定用户的运动场景。
实际应用中，运动数据的振动特征是指运动数据中加速度数据的变化量和变化周期；运动数据的旋转特征是指运动数据中角度数据的变化量和变化周期。用户所处的运动场景不同，对应用户的运动数据的振动特征和旋转特征均存在差异。久坐办公场景的运动数据中，加速度数据的变化量和角度数据的变化量均较小，且加速度数据和角度数据均呈周期性变化。会议听课场景的加速度数据和角度数据的变化量均大于久坐办公场景的加速度数据和角度数据的变化量，但仍小于普通久坐场景的加速度数据和角度数据的变化量，并且会议听课场景的加速度数据和角度数据仍均呈周期性变化。普通久坐场景的加速度数据和角度数据可以呈周期性变化，也可以呈非周期性变化。基于通过分析用户在一个时间段中的运动数据得到的振动特征和旋转特征可以进一步确定用户的运动场景。在具体实施时，基于用户的振动特征和用户的旋转特征确定用户的运动场景，包括：
判断用户的振动特征和用户的旋转特征是否满足第一要求；
若是，则确定用户的运动场景为久坐办公场景；
若否，则判断用户的振动特征和用户的旋转特征是否满足第二要求；若是，则确定用户的运动场景为会议听课场景，若否，则确定用户的运动场景为普通久坐场景。
实际应用中，由于三种运动场景的振动特征和旋转特征不同，通过依次判断振动特征和旋转特征是否满足个运动场景的要求可以确定用户的运动场景。第一要求是与久坐办公场景对应的用户的振动特征和旋转特征满足的要求，主要是用户的振动特征和旋转特征均需要满足小幅度周期性变化的规律。第二要求是与会议听课场景对应的用户的振动特征和旋转特征满足的要求，主要是用户的振动特征和旋转特征均需要满足中小幅度周期性变化的规律。第一要求和第二要求用户的振动特征的幅度值和旋转特征的幅度值可以根据实际需要进行设置。在确定用户的运动场景时可以逐类判断，根据第一要求判断用户是否处于久坐办公场景，若用户未处于久坐办公场景，则根据第二要求判断用户是否处于会议听课场景，若用户未处于会议听课场景，则确定用户的运动场景为普通久坐场景。
步骤103：基于运动场景和血氧饱和度数据向用户推送运动课程。
实际应用中，运动课程是指向用户推送的使用户根据对应的课程进行运动可以得到放松的行为指导。每个运动场景均对应着匹配的运动课程，在进行课程的推送的过程中，可以结合用户的血氧饱和度数据，根据用户的身体状况确定更加适合用户的运动课程。
在具体实施时，基于运动场景和血氧饱和度数据向用户推送运动课程，可以采用但不限于以下方式：
判断用户的血氧饱和度数据是否低于第一阈值；
若是，则向用户推送呼吸训练课程；
若否，则向用户推送与用户的运动场景匹配的运动课程。
实际应用中，可以根据预设的第一阈值判断用户当前的身体状况确定适合用户的运动课程。在用户的血氧饱和度数据低于第一阈值时，用户的血氧饱和度较低，用户更加需要进行呼吸训练，在该种情况下向用户推送呼吸训练课程。在用户的血氧饱和度数据高于于第一阈值时，用户的血氧饱和度处于正常水平，用户不需要进行呼吸训练，在该种情况下向用户推送与用户的运动场景匹配的运动课程。在具体实施时，向用户推送与用户的运动场景匹配的运动课程，包括：
向运动场景为久坐办公场景的用户推送肩颈拉伸课程；
向运动场景为会议听课场景的用户推送坐姿拉伸课程；
向运动场景为普通久坐场景的用户推送普通拉伸课程。
实际应用中，每个运动场景的场地特点不同，匹配的运动课程不同。运动场景为久坐办公场景时，可以进行上半身的拉伸运动，所以可以向运动场景为久坐办公场景的用户推送肩颈拉伸课程。运动场景为会议听课场景时，不适宜进行上半身的拉伸运动，但是可以在保持坐姿的情况下进行下半身的拉伸运动，所以可以向运动场景为久坐办公场景的用户推送肩颈拉伸课程。
在一种可能的实施方式中，肩颈拉伸课程包括颈部拉伸动作和背部拉伸动作；坐姿拉伸课程包括坐姿腿部活动动作、坐姿踝关节运动动作和坐姿臀部拉伸动作；普通拉伸课程包括背部运动动作、颈椎运动动作和全身运动动作；呼吸训练课程包括深呼吸动作和腹式呼吸动作。
实际应用中，在肩颈拉伸课程中，颈部拉伸动作可以包括颈部后侧拉伸动作、颈部前侧拉伸动作，背部拉伸动作一般是指上背部拉伸动作。在坐姿拉伸课程中，坐姿腿部活动动作一般是指坐姿屈膝伸膝，坐姿踝关节运动动作一般是指坐姿提踵。在普通拉伸课程中，背部运动动作一般是指上背部激活动作，颈椎运动动作一般是指点头仰头动作，全身运动动作一般是指深蹲等动作。在肩颈拉伸课程、坐姿拉伸课程、普通拉伸课程和呼吸训练课程中，各个动作的执行顺序和执行次数在此不作限制。
下面采用“运动手环的久坐检测”为具体应用场景，对本申请实施例提供的久坐检测方法作进一步详细说明，参阅图2所示，本申请实施例提供的久坐检测方法的具体流程如下：
步骤201：运动手环检测用户的心率数据、血氧饱和度数据和运动数据。
步骤202：运动手环判断心率数据和运动数据是否均小于对应的预设阈值，若是，则执行步骤204；若否，则执行步骤203。
步骤203：用户处于非久坐状态，结束久坐检测的判断。
步骤204：用户处于久坐状态，运动手环判断用户的振动特征和用户的旋转特征是否满足第一要求；若是，则执行步骤205；若否，则执行步骤206。
步骤205：运动手环确定用户的运动场景为久坐办公场景。
步骤206：运动手环判断用户的振动特征和用户的旋转特征是否满足第二要求；若是，则执行步骤207；若否，则执行步骤208。
步骤207：运动手环确定用户的运动场景为会议听课场景。
步骤208：运动手环确定用户的运动场景为普通久坐场景。
步骤209：运动手环判断用户的血氧饱和度数据是否低于第一阈值；是，则执行步骤210；若否，则执行步骤211。
步骤210：运动手环向用户推送呼吸训练课程。
步骤211：运动手环向用户推送与用户的运动场景匹配的运动课程，即向运动场景为久坐办公场景的用户推送肩颈拉伸课程；向运动场景为会议听课场景的用户推送坐姿拉伸课程；向运动场景为普通久坐场景的用户推送普通拉伸课程。
基于上述实施例，本申请实施例提供了一种久坐检测装置，参阅图3所示，本申请实施例提供的久坐检测装置300至少包括：
数据获取单元301，用于检测用户的心率数据、血氧饱和度数据和运动数据；
场景确定单元302，用于基于心率数据和运动数据确定用户处于久坐状态时，根据运动数据的运动特征确定用户的运动场景；
课程推送单元303，用于基于运动场景和血氧饱和度数据向用户推送运动课程。
在一种可能的实施方式中，场景确定单元302具体用于：
判断心率数据和运动数据均小于对应的预设阈值时，确定用户处于久坐状态。
在一种可能的实施方式中，场景确定单元302具体用于：
根据运动数据确定用户的振动特征和用户的旋转特征；
基于用户的振动特征和用户的旋转特征确定用户的运动场景。
在一种可能的实施方式中，场景确定单元302具体用于：
判断用户的振动特征和用户的旋转特征是否满足第一要求；
若是，则确定用户的运动场景为久坐办公场景；
若否，则判断用户的振动特征和用户的旋转特征是否满足第二要求；若是，则确定用户的运动场景为会议听课场景，若否，则确定用户的运动场景为普通久坐场景。
在一种可能的实施方式中，课程推送单元303具体用于：
判断用户的血氧饱和度数据是否低于第一阈值；
若是，则向用户推送呼吸训练课程；
若否，则向用户推送与用户的运动场景匹配的运动课程。
在一种可能的实施方式中，课程推送单元303具体用于：
向运动场景为久坐办公场景的用户推送肩颈拉伸课程；
向运动场景为会议听课场景的用户推送坐姿拉伸课程；
向运动场景为普通久坐场景的用户推送普通拉伸课程。
在一种可能的实施方式中，肩颈拉伸课程包括颈部拉伸动作和背部拉伸动作；坐姿拉伸课程包括坐姿腿部活动动作、坐姿踝关节运动动作和坐姿臀部拉伸动作；普通拉伸课程包括背部运动动作、颈椎运动动作和全身运动动作；呼吸训练课程包括深呼吸动作和腹式呼吸动作。
需要说明的是，本申请实施例提供的久坐检测装置300解决技术问题的原理与本申请实施例提供的久坐检测方法相似，因此，本申请实施例提供的久坐检测装置300的实施可以参见本申请实施例提供的久坐检测方法的实施，重复之处不再赘述。
在介绍了本申请实施例提供的久坐检测方法和装置之后，接下来，对本申请实施例提供的电子设备进行简单介绍。
参阅图4所示，本申请实施例提供的电子设备400至少包括：传感器模块401、存储器402、处理器403和显示器404，传感器模块401检测用户的心率数据、血氧饱和度数据和运动数据数据并发送至处理器403，存储器402存储可在处理器503上运行的计算机程序，显示器404显示处理器推送的运动课程，处理器403执行计算机程序时实现本申请实施例提供的久坐检测方法。
传感器模块401可以至少包括加速度传感器、陀螺仪传感器和光电容积脉搏波(Photoplethysmography，PPG)传感器。加速度传感器、陀螺仪传感器和光电容积脉搏波(Photoplethysmography，PPG)传感器分别与处理器连接。加速度传感器和陀螺仪传感器用于检测运动数据，光电容积脉搏波(Photoplethysmography，PPG)传感器用于检测心率数据和血氧饱和度数据。
需要说明的是，图4所示的电子设备400仅仅是一个示例，不应对本申请实施例的功能和使用范围带来任何限制。
本申请实施例提供的电子设备400还可以包括连接不同组件(包括处理器403和存储器402)的总线405。其中，总线405表示几类总线结构中的一种或多种，包括存储器总线、外围总线、局域总线等。
存储器402可以包括易失性存储器形式的可读介质，例如随机存储器(RandomAccess Memory，RAM)4021和/或高速缓存存储器4022，还可以进一步包括只读存储器(ReadOnly Memory，ROM)4023。
存储器402还可以包括具有一组(至少一个)程序模块4024的程序工具4025，程序模块4024包括但不限于：操作子系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。
电子设备400也可以与一个或多个外部设备406(例如键盘、遥控器等)通信，还可以与一个或者多个使得用户能与电子设备400交互的设备通信(例如手机、电脑等)，和/或，与使得电子设备400与一个或多个其它电子设备400进行通信的任何设备(例如路由器、调制解调器等)通信。这种通信可以通过输入/输出(Input/Output，I/O)接口407进行。并且，电子设备400还可以通过网络适配器408与一个或者多个网络(例如局域网(Local AreaNetwork，LAN)，广域网(Wide Area Network，WAN)和/或公共网络，例如因特网)通信。如图4所示，网络适配器408通过总线405与电子设备400的其它模块通信。应当理解，尽管图4中未示出，可以结合电子设备400使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理器、外部磁盘驱动阵列、磁盘阵列(Redundant Arrays of IndependentDisks，RAID)子系统、磁带驱动器以及数据备份存储子系统等。
下面对本申请实施例提供的计算机可读存储介质进行介绍。本申请实施例提供的计算机可读存储介质存储有计算机指令，计算机指令被处理器执行时实现本申请实施例提供的久坐检测方法。具体地，该计算机指令可以内置或者安装在电子设备400中，这样，电子设备400就可以通过执行内置或者安装的计算机指令实现本申请实施例提供的久坐检测方法。
此外，本申请实施例提供的久坐检测方法还可以实现为一种程序产品，该程序产品包括程序代码，当该程序产品可以在电子设备400上运行时，该程序代码用于使电子设备400执行本申请实施例提供的久坐检测方法。
本申请实施例提供的程序产品可以采用一个或多个可读介质的任意组合，其中，可读介质可以是可读信号介质或者可读存储介质，而可读存储介质可以是但不限于是电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合，具体地，可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式盘、硬盘、RAM、ROM、可擦式可编程只读存储器(Erasable Programmable Read Only Memory，EPROM)、光纤、便携式紧凑盘只读存储器(Compact Disc Read-Only Memory，CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
本申请实施例提供的程序产品可以采用CD-ROM并包括程序代码，还可以在计算设备上运行。然而，本申请实施例提供的程序产品不限于此，在本申请实施例中，可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
应当注意，尽管在上文详细描述中提及了装置的若干单元或子单元，但是这种划分仅仅是示例性的并非强制性的。实际上，根据本申请的实施方式，上文描述的两个或更多单元的特征和功能可以在一个单元中具体化。反之，上文描述的一个单元的特征和功能可以进一步划分为由多个单元来具体化。
此外，尽管在附图中以特定顺序描述了本申请方法的操作，但是，这并非要求或者暗示必须按照该特定顺序来执行这些操作，或是必须执行全部所示的操作才能实现期望的结果。附加地或备选地，可以省略某些步骤，将多个步骤合并为一个步骤执行，和/或将一个步骤分解为多个步骤执行。
尽管已描述了本申请的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本申请范围的所有变更和修改。
显然，本领域的技术人员可以对本申请实施例进行各种改动和变型而不脱离本申请实施例的精神和范围。这样，倘若本申请实施例的这些修改和变型属于本申请权利要求及其等同技术的范围之内，则本申请也意图包含这些改动和变型在内。
Claims (10)
1.一种久坐检测方法，其特征在于，包括：
检测用户的心率数据、血氧饱和度数据和运动数据；
基于所述心率数据和所述运动数据确定所述用户处于久坐状态时，根据所述运动数据的运动特征确定用户的运动场景；
基于所述运动场景和所述血氧饱和度数据向用户推送运动课程。
2.如权利要求1所述的久坐检测方法，其特征在于，所述基于所述心率数据和所述运动数据确定所述用户处于久坐状态，包括：
判断所述心率数据和所述运动数据均小于对应的预设阈值时，确定所述用户处于久坐状态。
3.如权利要求1所述的久坐检测方法，其特征在于，所述根据所述运动数据的运动特征确定用户的运动场景，包括：
根据所述运动数据确定所述用户的振动特征和所述用户的旋转特征；
基于所述用户的振动特征和所述用户的旋转特征确定所述用户的运动场景。
4.如权利要求1-3任一项所述的久坐检测方法，其特征在于，所述基于所述用户的振动特征和所述用户的旋转特征确定所述用户的运动场景，包括：
判断所述用户的振动特征和所述用户的旋转特征是否满足第一要求；
若是，则所述确定用户的运动场景为久坐办公场景；
若否，则判断所述用户的振动特征和所述用户的旋转特征是否满足第二要求；若是，则确定所述用户的运动场景为会议听课场景，若否，则确定所述用户的运动场景为普通久坐场景。
5.如权利要求4所述的久坐检测方法，其特征在于，所述基于所述运动场景和所述心率数据向用户推送运动课程，包括：
判断所述用户的血氧饱和度数据是否低于第一阈值；
若是，则向用户推送呼吸训练课程；
若否，则向用户推送与用户的运动场景匹配的运动课程。
6.如权利要求5所述的久坐检测方法，其特征在于，所述向用户推送与用户的运动场景匹配的运动课程，包括：
向所述运动场景为久坐办公场景的用户推送肩颈拉伸课程；
向所述运动场景为会议听课场景的用户推送坐姿拉伸课程；
向所述运动场景为普通久坐场景的用户推送普通拉伸课程。
7.如权利要求6所述的久坐检测方法，其特征在于，所述肩颈拉伸课程包括颈部拉伸动作和背部拉伸动作；所述坐姿拉伸课程包括坐姿腿部活动动作、坐姿踝关节运动动作和坐姿臀部拉伸动作；所述普通拉伸课程包括背部运动动作、颈椎运动动作和全身运动动作；所述呼吸训练课程包括深呼吸动作和腹式呼吸动作。
8.一种久坐检测装置，其特征在于，包括：
数据获取模块，用于检测用户的心率数据、血氧饱和度数据和运动数据；
场景确定模块，用于基于所述心率数据和所述运动数据确定所述用户处于久坐状态时，根据所述运动数据的运动特征确定用户的运动场景；
课程推送模块，用于基于所述运动场景和所述血氧饱和度数据向用户推送运动课程。
9.一种电子设备，其特征在于，包括：传感器模块、存储器、处理器和显示器，所述传感器模块检测用户的心率数据、血氧饱和度数据和运动数据数据并发送至处理器，所述存储器存储可在处理器上运行的计算机程序，所述显示器显示处理器推送的运动课程，所述处理器执行所述计算机程序时实现如权利要求1-7任一项所述的久坐检测方法。
10.一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指令，所述计算机指令被处理器执行时实现如权利要求1-7任一项所述的久坐检测方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310097034.6A CN115969346B (zh) | 2023-01-31 | 2023-01-31 | 一种久坐检测方法、装置、设备及介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310097034.6A CN115969346B (zh) | 2023-01-31 | 2023-01-31 | 一种久坐检测方法、装置、设备及介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115969346A true CN115969346A (zh) | 2023-04-18 |
| CN115969346B CN115969346B (zh) | 2024-05-28 |
Family
ID=85968112
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310097034.6A Active CN115969346B (zh) | 2023-01-31 | 2023-01-31 | 一种久坐检测方法、装置、设备及介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115969346B (zh) |
Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20140085077A1 (en) * | 2012-09-26 | 2014-03-27 | Aliphcom | Sedentary activity management method and apparatus using data from a data-capable band for managing health and wellness |
| CN204926443U (zh) * | 2015-09-23 | 2015-12-30 | 宁波小匠电子科技有限公司 | 人体久坐状态检测装置的控制系统 |
| WO2016051379A1 (en) * | 2014-10-01 | 2016-04-07 | Koninklijke Philips N.V. | User state classification |
| US20170079578A1 (en) * | 2015-09-23 | 2017-03-23 | Koninklijke Philips N.V. | Determining a sedentary state of a subject |
| US20170243508A1 (en) * | 2016-02-19 | 2017-08-24 | Fitbit, Inc. | Generation of sedentary time information by activity tracking device |
| CN107393260A (zh) * | 2017-07-31 | 2017-11-24 | 青岛真时科技有限公司 | 一种久坐提醒方法、装置和手腕式久坐提醒器 |
| US20180192921A1 (en) * | 2017-01-06 | 2018-07-12 | Qualcomm Incorporated | Activity monitoring via accelerometer threshold interrupt method |
| CN109938720A (zh) * | 2019-03-29 | 2019-06-28 | 努比亚技术有限公司 | 基于心率的提醒方法、可穿戴设备及计算机可读存储介质 |
| CN110151152A (zh) * | 2015-03-24 | 2019-08-23 | 菲特比特公司 | 利用可穿戴电子装置的久坐时间段检测 |
| CN111387989A (zh) * | 2020-03-18 | 2020-07-10 | 京东方科技集团股份有限公司 | 一种久坐状态监测装置、系统及监测方法 |
| CN115040097A (zh) * | 2022-05-26 | 2022-09-13 | 奥佳华智能健康科技集团股份有限公司 | 心率检测方法、装置、存储介质和电子设备 |
| CN115281481A (zh) * | 2022-08-09 | 2022-11-04 | 孔静霞 | 一种具有坐姿检测及防久坐功能的智能座椅 |
-
2023
- 2023-01-31 CN CN202310097034.6A patent/CN115969346B/zh active Active
Patent Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20140085077A1 (en) * | 2012-09-26 | 2014-03-27 | Aliphcom | Sedentary activity management method and apparatus using data from a data-capable band for managing health and wellness |
| WO2016051379A1 (en) * | 2014-10-01 | 2016-04-07 | Koninklijke Philips N.V. | User state classification |
| CN110151152A (zh) * | 2015-03-24 | 2019-08-23 | 菲特比特公司 | 利用可穿戴电子装置的久坐时间段检测 |
| CN204926443U (zh) * | 2015-09-23 | 2015-12-30 | 宁波小匠电子科技有限公司 | 人体久坐状态检测装置的控制系统 |
| US20170079578A1 (en) * | 2015-09-23 | 2017-03-23 | Koninklijke Philips N.V. | Determining a sedentary state of a subject |
| US20170243508A1 (en) * | 2016-02-19 | 2017-08-24 | Fitbit, Inc. | Generation of sedentary time information by activity tracking device |
| US20180192921A1 (en) * | 2017-01-06 | 2018-07-12 | Qualcomm Incorporated | Activity monitoring via accelerometer threshold interrupt method |
| CN107393260A (zh) * | 2017-07-31 | 2017-11-24 | 青岛真时科技有限公司 | 一种久坐提醒方法、装置和手腕式久坐提醒器 |
| CN109938720A (zh) * | 2019-03-29 | 2019-06-28 | 努比亚技术有限公司 | 基于心率的提醒方法、可穿戴设备及计算机可读存储介质 |
| CN111387989A (zh) * | 2020-03-18 | 2020-07-10 | 京东方科技集团股份有限公司 | 一种久坐状态监测装置、系统及监测方法 |
| CN115040097A (zh) * | 2022-05-26 | 2022-09-13 | 奥佳华智能健康科技集团股份有限公司 | 心率检测方法、装置、存储介质和电子设备 |
| CN115281481A (zh) * | 2022-08-09 | 2022-11-04 | 孔静霞 | 一种具有坐姿检测及防久坐功能的智能座椅 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115969346B (zh) | 2024-05-28 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN114898832B (zh) | 一种康复训练远程控制系统、方法、装置、设备及介质 | |
| US10376739B2 (en) | Balance testing and training system and method | |
| Kos et al. | Wearable sensor devices for prevention and rehabilitation in healthcare: Swimming exercise with real-time therapist feedback | |
| Su et al. | Kinect-enabled home-based rehabilitation system using Dynamic Time Warping and fuzzy logic | |
| US9171201B2 (en) | Portable computing device and analyses of personal data captured therefrom | |
| CN218187703U (zh) | 一种基于kabp的心脏康复装置 | |
| US20150202492A1 (en) | Personal digital trainer for physiotheraputic and rehabilitative video games | |
| CN115884742B (zh) | 用于使症状与医学病症相关联的系统和方法 | |
| Abdollahi et al. | Body-machine interface enables people with cervical spinal cord injury to control devices with available body movements: proof of concept | |
| US20220072374A1 (en) | Systems and methods for wearable devices that determine balance indices | |
| US20230181058A1 (en) | System and method for estimating cardiorespiratory fitness | |
| Schez-Sobrino et al. | A distributed gamified system based on automatic assessment of physical exercises to promote remote physical rehabilitation | |
| Carrington et al. | Exploring the data tracking and sharing preferences of wheelchair athletes | |
| KR102429630B1 (ko) | 헬스케어를 위한 커뮤니케이션 npc아바타를 생성하는 시스템 | |
| US20190175989A1 (en) | Method for setting difficulty level of training contents and electronic device implementing the same | |
| CN115969346B (zh) | 一种久坐检测方法、装置、设备及介质 | |
| Lawson et al. | Preliminary evaluation of a mobile app for everyday stroke rehabilitation | |
| EP4273872A1 (en) | Apparatus for differentially calculating target heart rates of different users | |
| Saha et al. | A Kinect-based motor rehabilitation system for stroke recovery | |
| US11148006B2 (en) | Conditioning and rehabilitation system and related methods using companion electronic devices | |
| Suriani et al. | Gait Analysis for Rehabilitation Assessment System Simulator | |
| Zhang et al. | Lower Limb Rehabilitation System Based on Wearable Device and Virtual Reality | |
| Suriani et al. | MODELLING AND SIMULATION | |
| Valerio | Development of Machine Learning-Based Algorithms for Assessing Tai Chi Exercise Proficiency in Older Adults | |
| Kressbach | Bodies in Action |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |