CN116115201B - 一种身体健康状态评估系统 - Google Patents

Abstract

本申请公开了一种身体健康状态评估系统，其包括：第一传感器，用于获取用户的第一生物体征数据；第二传感器，用于获取用户所处场景的第一场景数据；处理器，用于获取与所述第一场景数据匹配的第一身体状态评估模型后，利用所述第一身体状态评估模型对所述第一生物体征数据进行处理后，得到身体状态结果。可见，本方案的身体状态的评估基准会随场景的改变而适应变化，这样能减少场景因素对评估结果的影响，保证身体状态评估结果的准确度，可广泛应用于各种状态评估方案中。

Description

一种身体健康状态评估系统

技术领域

本发明涉及数据采集处理技术，特别涉及一种基于身体状态数据检测采集处理的身体健康状态评估系统。

背景技术

为了对人体的健康状态进行实时监测和判断评估，一般会先需要对人体的生物特征信息进行采集，且基于采集到的信息进行综合分析，以得到评估结果。传统对于人体生物特征信息的采集手段，一般有：1、用户填写的健康问卷；2、医生对患者的行为进行分析记录。但这两种手段涉及较多的人为操作和判断，准确度不高的同时，效率也低。

随着医学技术的发展，针对不同生物特征进行检测采集的检测装置陆续被设计出来，例如血液检测、射线成像检测、心脏电导检测等装置，它们可以是应用在医院等固定场所的大型设备，也可以是便于用户随身携带检测采集的智能穿戴设备。然而，利用这些检测装置来实现人体生物特征信息的检测采集，减少了人为操作的干预，效率有一定的提升，但是，其仍会受外界环境或用户的活动/运动、情绪状况等因素影响，从而导致这些检测到的数据的数值所表征的身体状态与用户实际的身体状态之间产生差距，这样会影响使用这些数据而得出的各种结果的精准度，例如，通过这些数据对用户历史身体状况的了解结果、身体健康状态的评估和预警结果等。

发明内容

本发明旨在至少解决现有技术中存在的技术问题之一。为此，本发明提出一种可提高准确度的身体健康状态评估系统。

本申请实施例提供了：一种身体健康状态评估系统，该系统包括：

第一传感器，用于获取用户的第一生物体征数据；

第二传感器，用于获取用户所处场景的第一场景数据；

处理器，用于获取与所述第一场景数据匹配的第一身体状态评估模型后，利用所述第一身体状态评估模型对所述第一生物体征数据进行处理后，得到身体状态结果。

在部分实施例中，所述获取与所述第一场景数据匹配的第一身体状态评估模型，包括：

根据获取得到的所述第一场景数据以及预先存储的场景数据与身体状态评估模型之间的映射关系，获取得到匹配度最高的身体状态评估模型作为所述第一身体状态评估模型。

在部分实施例中，所述处理器还用于映射关系的预先配置存储，所述映射关系的预先配置存储包括：

获取用户属性，根据所述用户属性从若干个待选映射关系中选出对应的映射关系后进行存储。

在部分实施例中，所述获取用户属性，包括：

弹出电子问卷表单，所述电子问卷表单用于提供给用户填写各类用户信息；

根据从电子问卷表单上填写输入的用户信息，确定出对应的用户属性。

在部分实施例中，所述第一身体状态评估模型包含至少一个类型的生物体征阈值，所述利用所述第一身体状态评估模型对所述第一生物体征数据进行处理后，得到身体状态结果，包括：

利用所述生物体征阈值对第一生物体征数据进行阈值判断，根据判断结果确定出对应的身体状态结果。

在部分实施例中，所述第一场景数据为声音数据，所述获取与所述第一场景数据匹配的第一身体状态评估模型，包括：

当所述声音数据的分贝超出第一分贝阈值时，获取得到与所述声音数据对应的第一生物体征阈值，其中，所述第一生物体征阈值大于第一基准生物体征阈值。

在部分实施例中，所述第一场景数据为运动数据，所述运动数据表征的运动程度越高，与所述运动数据对应的生物体征阈值越高。

在部分实施例中，所述第一场景数据表征为急刹车状态的时候，与所述第一场景数据对应的第二生物体征阈值大于第二基准生物体征阈值。

在部分实施例中，所述第一场景数据包含加速度数据和GPS定位数据。

在部分实施例中，所述第一传感器为设置在智能手环上的传感器，所述处理器为设置在智能手机上的处理器，所述第二传感器为设置在智能手环或智能手机上的传感器。

本申请可以实现如下技术效果：本申请方案利用实时确定出的场景数据来获得匹配的身体状态评估模型后，利用此身体状态评估模型对采集到的用户的生物体征数据进行处理后，得到身体状态结果，异常或正常，可见，身体状态的评估基准会随场景的改变而有所变化，这样能减少场景因素对评估结果的影响，保证身体状态评估结果的准确度。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图做一简单地介绍。

图1为本申请实施例提供的一种身体健康状态评估系统的一实施例的模块框图；

图2为本申请实施例提供的系统中用户属性、场景数据以及身体状态评估模型之间的映射示意图；

图3为本申请实施例提供的一种身体健康状态评估系统的另一实施例的模块框图；

图4为本申请实施例提供的一种身体健康状态评估系统的工作原理流程示意图。

具体实施方式

为使本申请的目的、技术方案和优点更加清楚，以下将参照本申请实施例中的附图，通过实施方式清楚、完整地描述本申请的技术方案，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。

现在人们越来越关注自己的身体状况，故，他们常常会利用随身携带的检测装置，目前最常见的是智能健康手环，来随时了解自己的身体状况是否出现异常，若出现异常，用户即可及时了解到自己的身体情况，后续可以及时去就医解决。

而就目前的身体健康状态评估系统来看，其实现的方案一般是对采集到的用户生物体征数据进行数值或变化趋势判断后，从而根据判断结果来输出身体状态是否异常，例如，实时采集到的心跳超出正常心跳阈值范围后，就会输出心跳异常的结果。然而，在不同的场景中，正常心跳阈值范围是应该随场景的不同而有所不同的，例如，若用户在行路的场景下，与在跑步的场景下，两者所对应的正常心跳阈值范围应有所不同，要不然，若用户在行路的场景中，其正常心跳阈值为A，而在跑步的场景下，用户的心跳会容易变高，若此时利用A值来判断跑步场景下的用户的心跳进行心跳异常的判断，则会容易产生错误的判断。故，为了解决这个问题，则设计出一种可以提高准确度的身体状态评估方案是很重要的。

参照图1，一种身体健康状态评估系统，该系统包括第一传感器、第二传感器以及处理器，它们的功能如下所示。

第一传感器，用于获取用户的第一生物体征数据。

具体地，对于对用户采集的生物体征数据，可以包含有心率、血压、呼吸率、脉搏、血糖等数据，可以根据不同场景、用户不同的需求来选择相应检测设备来进行对应生物特征的数据检测采集，此处并不做特别限定。

第二传感器，获取用户所处场景的第一场景数据。

具体地，对于用户所处场景，其包括有用户所处的环境状况，例如，该环境是安静的环境还是嘈杂的环境，或者，该环境是安全的环境还是危险的环境，又或者是正常海拔的环境还是高海拔的环境；又或者可以包括有用户所处的行为状态，例如，走路、跑步、车辆驾驶、游泳、睡眠等行为状态。

在不同的场景中，用户的身体体征数据会受到一定的影响，例如，在嘈杂、噪音明显的环境中，用户的脉搏、心率和/或血压都会升高，在危机的情况下或者在激烈的运动下，脉搏、心率和/或呼吸率也会明显的快速升高，那么此时若利用在平稳或/较为静态场景下的基准生物体征阈值来对这些场景下的体征数据进行判断，则容易出现误判的情况。

处理器，用于获取与所述第一场景数据匹配的第一身体状态评估模型后，利用所述第一身体状态评估模型对所述第一生物体征数据进行处理后，得到身体状态结果。其中，对于所述的身体状态结果，其主要分为正常或异常两大类型的状态结果。

具体地，对于所述第一身体状态评估模型，其可以是训练模型，利用已知的在不同场景下，将属于正常身体状态的生物体正数据组合，和属于异常身体状态的生物体征数据组合，对训练模型进行训练，这样便可得到不同场景下对应的用于身体状态评估的训练模型，将采集到的若干个生物体正数据输入至对应的训练模型，便可输出身体状态结果，正常或异常。

又或者，由于一般训练模型会在云端运行进行数据运算，若针对一般的用户终端设备则难以适配，而且将体征数据从传感器传输至云端进行处理后在接收其返回的结果，可能耗时较长，故，为了此系统也能应用在一般用户终端设备上，对于第一身体状态评估模型，其可以是与第一场景数据匹配的若干个不同体征类型的基准生物体征阈值，这样在不同场景利用对应的基准生物体征阈值来对采集到的用户体征数据，即第一生物体征数据，进行判断，便能保证身体状态结果的准确性，而且由于主要是存储阈值数据，所耗存储量不多，故特别适用于一般智能终端设备，而且还减轻研发的设计量。

另外，需要说明的是，对于上述的阈值，其可以是指具体的数值，也可以是指数值范围，可以按照需要进行配置，此处并不做具体的限定。

可见，本实施例方案对场景数据的获取，从而得到与其对应的身体状态评估模型，即得到不同场景下的身体状态评估基准数据，这样利用得到的身体状态评估模型来对采集到的用户的生物体征数据进行判断而得到的身体状态结果，保证了该结果的准确度，而且也提高了此系统的适用兼容性和商业价值。

对于上述处理器，可以由利用软件和/或硬件方式进行实现，此处并不限定。

作为进一步优选的实施例，所述第一传感器为设置在智能手环上的传感器，所述处理器为设置在智能手机上的处理器，所述第二传感器为设置在智能手环或智能手机上的传感器。若第二传感器包含的传感器是加速度传感器、陀螺仪传感器等采集用户运动/行为数据的传感器，优选设置在智能手环上，若第二传感器包含的声音采集传感器，其可以选择设置在智能手环或智能手机上。

作为进一步优选的实施例，所述获取与所述第一场景数据匹配的第一身体状态评估模型，包括：

根据获取得到的所述第一场景数据以及预先存储的场景数据与身体状态评估模型之间的映射关系，获取得到匹配度最高的身体状态评估模型作为所述第一身体状态评估模型。

具体地，在获取第一场景数据时候，由于实时采集的数据会存有些许误差，故在获取所需的身体状态评估模型的时候，会将采集到的第一场景数据，从预先存储的若干场景数据中选取相关系数最大（接近于1），即匹配度最高，的场景数据，然后便可根据所述映射关系，得到该匹配度最高的场景数据所对应的身体状态评估模型，这样获取到的身体状态评估模型则为第一身体状态评估模型。

作为进一步优选的实施例，对于上述的映射关系，为了节省实时运行时需要远程获取，提高处理效率，故会将其预先将其配置存储在处理器中，即在初始化的过程中，所述处理器还具有用于将映射关系进行预先配置存储的功能，所述映射关系的预先配置存储包括：

获取用户属性，根据所述用户属性从若干个待选映射关系中选出对应的映射关系后进行存储。

具体地，对于存储若干个待选映射关系的数据库，由于不同人群在不同场景下的生物体征评价基准阈值也有所不同，例如，13周岁~17周岁为少年，20周岁~39周岁为青年，40周岁~59周岁为中年，60周岁以上为老年，心跳会随着年龄的变化会变得比较慢，因此针对年龄阶段不同，其所对应的不同场景下的心跳基准阈值就会有所不同，又或者，一般女性的心率会比同龄的男性要快一些，又或者，对于长期病患者，如心脏病的患者，它们心脏的承受能力会较差，故，其心跳基准阈值，要比健康人群的心跳基准阈值要低一些，因此由此可件，针对年龄的不同、性别的不同、本身身体状态的不同等因素，其所对应的不同场景下的心跳基准阈值就会有所不同，鉴于此，为了进一步地提高准确度，适配不同类型/属性人群，可以根据不同用户信息构建对应的用户属性，即相当于构建用户画像，然后，将数据库中的若干个待选映射关系会以用户属性进行进一步划分的话，例如，用户属性1对应映射关系1，用户属性2对应映射关系2……如此类推，用户属性n对应映射关系n，如图2所示。可见，为了将合适的映射关系进行获取以及预先配置存储，可先获取使用此系统的用户属性，然后适配此用户属性的映射关系预先存储在相应的存储空间。

作为进一步优选的实施例，所述获取用户属性，包括：

弹出电子问卷表单，所述电子问卷表单用于提供给用户填写各类用户信息；

根据从电子问卷表单上填写的用户信息，确定出对应的用户属性。

具体地，为了利于对使用者的用户属性进行获取，可以利用电子问卷表单的方式来获取，其中，所述电子问卷表单包含各种用户信息字段，如年龄、性别、平时运动的强度、平时运动的次数等，这些属性字段可以通过下拉表单来选择确定，在此基础上，可进一步地以包含内容填写表单，该表单用于提供给使用者对自己的历史病历信息进行描述，例如是否具有慢性病、持续时间多久等，这样利用文字识别技术，可以对历史病历信息描述内容进行关键词识别提取后，可以对使用者的当前身体状态进行确认，可见，利用此方式来获取各种用户信息，从而确定构建出对应的用户属性，方便快捷。

作为进一步优选的实施例，所述第一身体状态评估模型包含至少一个类型的生物体征阈值，所述利用所述第一身体状态评估模型对所述第一生物体征数据进行处理后，得到身体状态结果，包括：

利用所述生物体征阈值对第一生物体征数据进行阈值判断，根据判断结果确定出对应的身体状态结果。

具体地，在此实施例中，所述第一身体状态评估模型由至少一种类型的生物体征阈值构成，即所述第一身体状态评估模型为阈值模型。

作为进一步优选的实施例，所述第一场景数据为声音数据，所述获取与所述第一场景数据匹配的第一身体状态评估模型，包括：

当所述声音数据的分贝超出第一分贝阈值时，获取得到与所述声音数据对应的第一生物体征阈值，其中，所述第一生物体征阈值大于第一基准生物体征阈值。此处的第一基准生物体征阈值是指在常规环境音场景下对应的基准生物体征阈值。

具体地，当第一场景数据为声音数据，此时的场景主要是针对环境噪音场景，即所述声音数据用于表征噪音场景以及对应的程度，例如，当环境声音的分贝超过60分贝的时候，该环境声音为可让用户意识到的噪音，但用户的体征没有受到太大影响，而当环境声音的分贝超过80分贝，用户会开始烦躁，而且心跳、脉搏会明显增加，此时若利用常规环境音场景下对应的基准心跳阈值、基准脉搏阈值等基准生物体征阈值来对处于环境音超过80分贝场景下的用户的身体状态进行判断，会容易出现误判，所以可以通过有限次的测试，以超过80分贝场景下的心跳阈值、脉搏阈值，这样将它们之间的数值和场景关联起来后，存储在数据库中。然后当确定当前的场景的声音数据超过80分贝时，则可根据此场景，基于映射关系从而得到这场景下对应的基准心跳阈值、基准脉搏阈值等。

作为进一步优选的实施例，所述第一场景数据为运动数据，所述运动数据表征的运动程度越高，与所述运动数据对应的生物体征阈值越高。对于所述运动数据，其可以利用加速度传感器和/或陀螺仪传感器来确定该运动程度，例如加速度越高、陀螺仪的数据值越大，可表示其运动速度以及运动幅度较大，从而可以表征该运动程度越高，即越激烈。

同理地，对于不同的运动状态，其运动程度越高，即表示运动越激烈，其本身对应心跳、脉搏就会明显升高，若此时利用处于平静状态对应基准心跳阈值、基准脉搏阈值来对处于激烈运动场景的用户进行身体健康状态评估，那么明显容易出现误差，故，同样可以通过有限次数的测试，以得到处于不同激烈运动程度下对应的基准心跳阈值、基准脉搏阈值，这样以此来对实时采集到的心跳、脉搏进行判断，以预估出用户的身体状态是否正常，正确度能得到保证。

另外，还可能存在的场景包含两种类型的场景，如该场景的噪音超过80分贝的同时，用户处于激烈运动中，它们均会对心跳、脉搏阈值造成影响，若处于此场景，那么则可根据对用户影响程度更高的场景所对应的生物体征阈值作为该场景对应的生物体征阈值，例如，当前运动的激烈程度相较于超过80分贝的噪音更能影响用户，那么这场景所对应生物体征阈值则为当前运动程度对应的生物体征阈值。

也就是说，在构建映射关系的过程中，其包括有：当获取的第四场景数据包含第二场景数据和第三场景数据时，所述第二场景数据表征为第二场景，第三场景数据表征为第三场景，即所述第四场景数据所表征的场景第二场景和第三场景的组合；然后从第二场景和第三场景中，选出对用户影响程度更高的场景，然后将选出的场景对应的生物体征阈值，作为此场景组合对应的生物体征阈值。

作为进一步优选的实施例，所述第一场景数据表征为急刹车状态的时候，与所述第一场景数据对应的第二生物体征阈值大于第二基准生物体征阈值。此处，第二基准生物体征阈值主要是指在常规安全正常行驶状态下对应的基准生物体征阈值。

具体地，发现在急刹车的情况下，用户一般都会特别紧张，从而导致心跳、脉搏、呼吸率等数据明显的提升，故，当检测到用户处于急刹车状态下，同样也需要基于此场景下的生物体征阈值来进行身体状态判断，并且此场景下的生物体征阈值大于基准生物体征阈值。

作为进一步优选的实施例，为了对急刹车状态进行判断，其可利用加速度数据来判断。

具体地，采集此加速度数据的加速度传感器设置在智能手环上，当用户正常或跑路时的摆臂所对应的加速度数值，与急刹时采集到的加速度数值会明显不同，急刹时加速度的数值会远大于正常或跑路时的摆臂所对应的加速度数值，且该数值持续的时间比较短，如2~4s，故，对于所述处理器，其还可用于：

在确定采集到的加速度数据大于第一速度阈值，且持续时间属于预设范围内，则可确定当前处于急刹的场景下，即采集到的第一场景数据此时表征为急刹车状态。

进一步优化地，为了提高急刹车状态的判断准确度，还可以利用GSP定位数据来进一步判断。该GPS定位数据可表示当前目标的位移变化，若该位移变化速率对应的是汽车驾驶时的行驶速度，那么可以确定此时用户在驾驶车辆，或者在行驶的车辆上，当该位移变化速率在很短时间内从大变化为小，甚至为0，则可判断出此时车辆处于刹车状态，然后结合加速度数据的大小和持续时间，便可准确判断出当前是否处于急刹状态。

故，在此实施例中，该系统还包括GPS定位装置，所述处理器配置有与GPS定位装置进行数据交互传输的数据接口。由于目前的智能手机上基本都有GPS定位模块，故实际上所述GPS定位装置直接利用智能手机上现有的GPS定位模块来实现便可。

所述处理器进一步具体用于：

利用数据接口从GPS定位装置获取得到当前用户的位移变化速率；

获取加速度传感器检测采集到的加速度数据；

在根据位移变化速率确定当前状态为刹车状态，且所述加速度数据大于第一速度阈值，且持续时间属于预设范围内，则确定当前处于急刹的场景下。可见，本方案可适用多种场景，提高身体状态结果的评估准确度，减少后续预警的误触发情况。

参照图3和图4，对于本实施例的系统，其具体工作原理步骤有：

S101、在身体健康状态评估软件触发启动后，运行此软件的智能手机会弹出电子问卷表单在触摸显示屏上，所述电子问卷表单用于提供给用户填写各类用户信息，这样用户可能根据自身当前的情况，按照电子问卷表单上所显示的问题进行各类用户信息的填写输入，这样根据从电子问卷表单上填写的用户信息，确定出对应的用户属性。

具体地，对于此电子问卷表单，其可以是身体健康状态评估软件初次启动时弹出，以可以定期/不定期弹出，以令用户重新填写输入各类用户信息，以对所述用户属性进行更新。

进一步，为了提高用户的操作便利度，在弹出电子问卷表单之前，可先弹出询问弹窗，用于显示询问用户是否需要更新表单的询问内容，且该询问弹窗上设有确认按钮，当检测到该确认按钮被点击按下后，再弹出电子问卷表单。

S102、根据获取得到的用户属性，从数据库中选取出与该用户属性最接近的第一用户属性，然后将该第一用户属性对应的若干个映射关系进行获取后，预先配置存储在智能手机上。

具体地，数据库中存储有不同用户属性与其对应的若干各映射关系，如图2所示，这样利用获取到的用户实际的属性，便可得到相应的映射关系。其中，用户信息包括有年龄、性别、病历信息、当前身体状态、平时的运动状况和/和次数等。

S103、根据从第二传感器获取得到的第一场景数据。

具体地，在此实施例中，获取得到的是加速度数据，即，所述第二传感器为加速度传感器。

S104、处理器通过配置得数据接口，从GPS定位装置获取得到当前用户的位移变化速率，位移变化率即为在单位时间内目标点移动的距离，此移动的距离可以通过单位时间的开始时刻的位置与结束时刻的位置进行距离计算而得到。

S105、在根据位移变化速率确定当前状态为刹车状态，且所述加速度数据大于第一速度阈值，且持续时间属于预设范围，如2~4s内，则确定当前处于急刹的场景下，即，此时得第一场景数据用于表征为急刹车状态。

具体地，所述刹车状态具有对应的位移变化速率的数值变化曲线，因此，若实时采集到的位移变化速率的数值变化状况与对应的数值变化曲线匹配，那么则可确定该状态为刹车状态。

S106、获取与所述第一场景数据匹配的第一身体状态评估模型。

具体地，在此实施例中，根据确定得出的急刹车状态，从而根据映射关系，获得此场景对应的生物体征阈值，其中，主要包含心率体征阈值和脉搏体征阈值。

S107、利用所述第一身体状态评估模型对所述第一生物体征数据进行处理后，得到身体状态结果。

具体地，若利用第一传感器实时采集到的用户脉搏大于脉搏体征阈值，且采集到的用户心率均大于心率体征阈值，那么根据此判断结果，确定对应的身体状态结果为异常，即，表示用户当前的身体出现了异常应该注意；

若，实时采集到的用户脉搏和用户心率至少一个参数是大于对应的阈值，那么则看此情况持续的时间，若持续时间超出预设时间，如30-60分钟，那么则也确定对应的身体状态结果为异常，反之，则确定对应的身体状态结果为正常；

若实时采集到的用户脉搏和用户心率均小于对应的阈值，则确定对应的身体状态结果为正常。

S108、在确定对应的身体状态结果为异常的情况下，触发预警模块发出预警信号。

可见，对于本方案的处理器，其还可用于：在确定对应的身体状态结果为异常的情况下，输出预警信号；所述处理器与预警模块通讯连接。

其中，对于所述预警模块，其可以是智能手机上的显示屏，用于显示预警信号，或者是智能手机上的灯光模块，如显示屏的灯光模块或者是额外设置的灯光模块。

注意，上述仅为本申请的较佳实施例及所运用技术原理。本领域技术人员会理解，本申请不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本申请的保护范围。因此，虽然通过以上实施例对本申请进行了较为详细的说明，但是本申请不仅仅限于以上实施例，在不脱离本申请构思的情况下，还可以包括更多其他等效实施例，而本申请的范围由所附的权利要求范围决定。

Claims (5)

1.一种身体健康状态评估系统，其特征在于，该系统包括：

第一传感器，用于获取用户的第一生物体征数据；

第二传感器，用于获取用户所处场景的第一场景数据；

处理器，用于获取与所述第一场景数据匹配的第一身体状态评估模型后，利用所述第一身体状态评估模型对所述第一生物体征数据进行处理后，得到身体状态结果；

所述第一身体状态评估模型包含至少一个类型的生物体征阈值，所述利用所述第一身体状态评估模型对所述第一生物体征数据进行处理后，得到身体状态结果，包括：

利用所述生物体征阈值对第一生物体征数据进行阈值判断，根据判断结果确定出对应的身体状态结果；

其中，在所述第一场景数据为声音数据的情况下，所述获取与所述第一场景数据匹配的第一身体状态评估模型，包括：

当所述声音数据的分贝超出第一分贝阈值时，获取得到与所述声音数据对应的第一生物体征阈值，其中，所述第一生物体征阈值大于第一基准生物体征阈值；

在所述第一场景数据表征为急刹车状态的时候，与所述第一场景数据对应的第二生物体征阈值大于第二基准生物体征阈值；所述第一场景数据包含加速度数据和GPS定位数据，所述GPS定位数据用于表征当前用户的位移变化速率，所述急刹车状态由以下步骤来确定：

根据当前用户的位移变化速率确定当前状态为刹车状态，且所述加速度数据大于第一速度阈值，且持续时间属于预设范围内，则确定当前处于急刹的场景；

其中，所述加速度数据是由设置在智能手环上的加速度传感器来采集得到的摆臂对应的加速度数据，所述GPS定位数据由智能手机上的GPS定位模块来采集。

2.根据权利要求1所述的身体健康状态评估系统，其特征在于，所述获取与所述第一场景数据匹配的第一身体状态评估模型，包括：

根据获取得到的所述第一场景数据以及预先存储的场景数据与身体状态评估模型之间的映射关系，获取得到匹配度最高的身体状态评估模型作为所述第一身体状态评估模型。

3.根据权利要求2所述的身体健康状态评估系统，其特征在于，所述处理器还用于映射关系的预先配置存储，所述映射关系的预先配置存储包括：

获取用户属性，根据所述用户属性从若干个待选映射关系中选出对应的映射关系后进行存储。

4.根据权利要求3所述的身体健康状态评估系统，其特征在于，所述获取用户属性，包括：

弹出电子问卷表单，所述电子问卷表单用于提供给用户填写各类用户信息；

根据从电子问卷表单上填写输入的用户信息，确定出对应的用户属性。

5.根据权利要求1-4任一项所述的身体健康状态评估系统，其特征在于，所述第一传感器为设置在智能手环上的传感器，所述处理器为设置在智能手机上的处理器，所述第二传感器为设置在智能手环或智能手机上的传感器。