CN118140271A - 基于位置的活动跟踪 - Google Patents
基于位置的活动跟踪 Download PDFInfo
- Publication number
- CN118140271A CN118140271A CN202280070515.1A CN202280070515A CN118140271A CN 118140271 A CN118140271 A CN 118140271A CN 202280070515 A CN202280070515 A CN 202280070515A CN 118140271 A CN118140271 A CN 118140271A
- Authority
- CN
- China
- Prior art keywords
- activity
- user
- data
- segment
- parameters associated
- 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
- 230000000694 effects Effects 0.000 title claims abstract description 398
- 238000000034 method Methods 0.000 claims abstract description 128
- 230000037081 physical activity Effects 0.000 claims abstract description 127
- 238000001514 detection method Methods 0.000 claims abstract description 15
- 238000012790 confirmation Methods 0.000 claims description 20
- 230000004044 response Effects 0.000 claims description 10
- 230000008859 change Effects 0.000 claims description 9
- 230000008321 arterial blood flow Effects 0.000 claims description 5
- 230000036387 respiratory rate Effects 0.000 claims description 2
- 230000007958 sleep Effects 0.000 description 100
- 238000012545 processing Methods 0.000 description 79
- 230000006854 communication Effects 0.000 description 42
- 238000004891 communication Methods 0.000 description 42
- 230000033001 locomotion Effects 0.000 description 42
- 230000006870 function Effects 0.000 description 25
- 239000012634 fragment Substances 0.000 description 21
- 230000000875 corresponding effect Effects 0.000 description 18
- 230000029058 respiratory gaseous exchange Effects 0.000 description 17
- 230000033764 rhythmic process Effects 0.000 description 16
- 230000008569 process Effects 0.000 description 15
- 238000005070 sampling Methods 0.000 description 13
- 230000008667 sleep stage Effects 0.000 description 12
- 239000000758 substrate Substances 0.000 description 12
- 230000027288 circadian rhythm Effects 0.000 description 11
- 238000010801 machine learning Methods 0.000 description 11
- 230000003287 optical effect Effects 0.000 description 11
- 210000000707 wrist Anatomy 0.000 description 11
- 230000001133 acceleration Effects 0.000 description 10
- 238000010586 diagram Methods 0.000 description 8
- 230000000284 resting effect Effects 0.000 description 7
- 238000005259 measurement Methods 0.000 description 6
- 238000004458 analytical method Methods 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 5
- 235000019577 caloric intake Nutrition 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 5
- 230000037074 physically active Effects 0.000 description 5
- 229920000642 polymer Polymers 0.000 description 5
- 238000011084 recovery Methods 0.000 description 5
- 230000009182 swimming Effects 0.000 description 5
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 4
- 239000008280 blood Substances 0.000 description 4
- 210000004369 blood Anatomy 0.000 description 4
- 230000036760 body temperature Effects 0.000 description 4
- 229910052760 oxygen Inorganic materials 0.000 description 4
- 239000001301 oxygen Substances 0.000 description 4
- 230000036385 rapid eye movement (rem) sleep Effects 0.000 description 4
- 238000012549 training Methods 0.000 description 4
- 206010062519 Poor quality sleep Diseases 0.000 description 3
- 230000008901 benefit Effects 0.000 description 3
- 238000009529 body temperature measurement Methods 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 239000003990 capacitor Substances 0.000 description 3
- 230000000747 cardiac effect Effects 0.000 description 3
- 238000013480 data collection Methods 0.000 description 3
- 230000006872 improvement Effects 0.000 description 3
- 230000003993 interaction Effects 0.000 description 3
- 239000000463 material Substances 0.000 description 3
- 229910052751 metal Inorganic materials 0.000 description 3
- 239000002184 metal Substances 0.000 description 3
- 230000002093 peripheral effect Effects 0.000 description 3
- 238000002360 preparation method Methods 0.000 description 3
- 239000000243 solution Substances 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 210000001367 artery Anatomy 0.000 description 2
- 230000000386 athletic effect Effects 0.000 description 2
- 230000004888 barrier function Effects 0.000 description 2
- 210000004204 blood vessel Anatomy 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 230000003247 decreasing effect Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 201000010099 disease Diseases 0.000 description 2
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 230000002611 ovarian Effects 0.000 description 2
- 239000002245 particle Substances 0.000 description 2
- 230000004622 sleep time Effects 0.000 description 2
- 208000019888 Circadian rhythm sleep disease Diseases 0.000 description 1
- 208000001456 Jet Lag Syndrome Diseases 0.000 description 1
- WHXSMMKQMYFTQS-UHFFFAOYSA-N Lithium Chemical compound [Li] WHXSMMKQMYFTQS-UHFFFAOYSA-N 0.000 description 1
- HBBGRARXTFLTSG-UHFFFAOYSA-N Lithium ion Chemical compound [Li+] HBBGRARXTFLTSG-UHFFFAOYSA-N 0.000 description 1
- 239000004642 Polyimide Substances 0.000 description 1
- RTAQQCXQSZGOHL-UHFFFAOYSA-N Titanium Chemical compound [Ti] RTAQQCXQSZGOHL-UHFFFAOYSA-N 0.000 description 1
- 208000008445 altitude sickness Diseases 0.000 description 1
- 230000003321 amplification Effects 0.000 description 1
- 210000003423 ankle Anatomy 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000000712 assembly Effects 0.000 description 1
- 238000000429 assembly Methods 0.000 description 1
- 230000007175 bidirectional communication Effects 0.000 description 1
- 230000036772 blood pressure Effects 0.000 description 1
- 244000309466 calf Species 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000009194 climbing Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 230000003750 conditioning effect Effects 0.000 description 1
- 239000004020 conductor Substances 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 238000013523 data management Methods 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 210000005069 ears Anatomy 0.000 description 1
- 230000004424 eye movement Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 210000000245 forearm Anatomy 0.000 description 1
- 210000001061 forehead Anatomy 0.000 description 1
- 210000003128 head Anatomy 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 235000021098 high calorie intake Nutrition 0.000 description 1
- 238000002329 infrared spectrum Methods 0.000 description 1
- 238000002347 injection Methods 0.000 description 1
- 239000007924 injection Substances 0.000 description 1
- 208000033915 jet lag type circadian rhythm sleep disease Diseases 0.000 description 1
- 210000002414 leg Anatomy 0.000 description 1
- 230000000670 limiting effect Effects 0.000 description 1
- 229910052744 lithium Inorganic materials 0.000 description 1
- 229910001416 lithium ion Inorganic materials 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 230000002503 metabolic effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000003199 nucleic acid amplification method Methods 0.000 description 1
- 230000010355 oscillation Effects 0.000 description 1
- 230000010412 perfusion Effects 0.000 description 1
- 238000013186 photoplethysmography Methods 0.000 description 1
- 230000001766 physiological effect Effects 0.000 description 1
- 229920001721 polyimide Polymers 0.000 description 1
- 230000001681 protective effect Effects 0.000 description 1
- 238000002106 pulse oximetry Methods 0.000 description 1
- 230000035485 pulse pressure Effects 0.000 description 1
- 230000002829 reductive effect Effects 0.000 description 1
- 230000001932 seasonal effect Effects 0.000 description 1
- 231100000430 skin reaction Toxicity 0.000 description 1
- 230000008454 sleep-wake cycle Effects 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 230000000920 spermatogeneic effect Effects 0.000 description 1
- 238000009987 spinning Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 230000001502 supplementing effect Effects 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 239000010936 titanium Substances 0.000 description 1
- 229910052719 titanium Inorganic materials 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 210000000689 upper leg Anatomy 0.000 description 1
- 238000010200 validation analysis Methods 0.000 description 1
- 230000002618 waking effect Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
- 230000003442 weekly effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
- G16H20/30—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to physical therapies or activities, e.g. physiotherapy, acupressure or exercising
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F1/00—Details not covered by groups G06F3/00 - G06F13/00 and G06F21/00
- G06F1/16—Constructional details or arrangements
- G06F1/1613—Constructional details or arrangements for portable computers
- G06F1/163—Wearable computers, e.g. on a belt
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/44—Arrangements for executing specific programs
- G06F9/451—Execution arrangements for user interfaces
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
- G16H40/60—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices
- G16H40/63—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices for local operation
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Theoretical Computer Science (AREA)
- Software Systems (AREA)
- Epidemiology (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Primary Health Care (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Hardware Design (AREA)
- Physics & Mathematics (AREA)
- Human Computer Interaction (AREA)
- Physical Education & Sports Medicine (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- Business, Economics & Management (AREA)
- General Business, Economics & Management (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
- User Interface Of Digital Computer (AREA)
- Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)
Abstract
描述了用于活动跟踪的方法、系统和设备。一种用于自动活动检测的方法可以包括:从可穿戴设备接收与用户相关联的生理数据;以及基于生理数据来识别活动片段,在活动片段期间用户进行身体活动。该方法可以进一步包括针对活动片段的至少一部分识别与用户相关联的位置数据以及基于生理数据和位置数据识别与身体活动相关联的一个或更多个参数。该方法可以进一步包括使用户设备显示与身体活动相关联的一个或更多个参数。
Description
交叉引用
本专利申请要求由辛格尔顿(Singleton)等人于2021年8月24日提交的标题为“LOCATION-BASED ACTIVITY TRACKING(基于位置的活动跟踪)”的美国非临时专利申请第17/410,858号的权益,已经将其转让给本受让人并且通过引用明确地并入本文。
技术领域
以下涉及可穿戴设备和数据处理,包括基于位置的活动跟踪。
背景技术
一些可穿戴设备可以被配置成用于从与移动和其他活动相关联的用户收集数据。例如,一些可穿戴设备可被配置为检测用户何时进行身体活动。然而,由一些可穿戴设备实施的常规活动跟踪技术是有缺陷的。
附图说明
图1示出了根据本公开的各方面的支持用于基于位置的活动跟踪的技术的系统的示例。
图2示出了根据本公开的各方面的支持用于基于位置的活动跟踪的技术的系统的示例。
图3示出了根据本公开的各方面的支持用于基于位置的活动跟踪的技术的图形用户界面(GUI)的示例。
图4示出了根据本公开的各方面的支持用于基于位置的活动跟踪的技术的GUI的示例。
图5示出了根据本公开的各方面的支持用于基于位置的活动跟踪的技术的装置的框图。
图6示出了根据本公开的各方面的支持用于基于位置的活动跟踪的技术的可穿戴应用的框图。
图7示出了根据本公开的各方面的包括支持用于基于位置的活动跟踪的技术的设备的系统的图。
图8至图10示出了根据本公开的各方面的支持基于位置的活动跟踪的方法的流程图。
具体实施方式
一些可穿戴设备可以被配置成用于从与移动和其他活动相关联的用户收集数据。例如,一些可穿戴设备可被配置为检测用户何时进行身体活动并基于所测量的生理数据、运动数据或两者来预测身体活动的类型。此类活动跟踪设备可以在生理数据或运动数据满足阈值之后检测到用户进行身体活动,并且可以提示用户确认他们是否进行所预测的身体活动。这些活动跟踪设备可仅根据用户确认相应活动的时间计算所识别活动的参数或特性。此类技术可导致不准确的活动跟踪,因为它们可省略或以其他方式忽视在确认活动片段之前发生的身体活动。类似地,此类活动跟踪设备可在检测到指示用户不再参与活动的生理数据或运动数据之后提示用户确认身体活动的完成,这可导致活动跟踪设备不准确地计算或包括活动的特征,即使在用户已经结束活动之后。
根据本公开的一些方面,本文描述的技术可以利用位置信息以便更高效和准确地执行活动跟踪,如预测活动何时开始和停止。具体地,本文所描述的技术可以利用经由可穿戴设备从用户收集的生理数据连同用户的位置信息来识别用户进行身体活动的时间段,以及与所识别的身体活动相关联的参数或特性(例如,速度、配速(pace)、距离、路线图、爬高(elevation gain))。
根据本公开的一些方面,经由可佩戴设备从用户收集的生理数据可以用于识别其间用户进行身体活动(例如,“活动片段”)的时间间隔。在一些情况下,系统可自动识别用户进行身体活动(例如,在没有来自用户的输入的情况下)。另外或可替代地,系统可以提示用户确认他们是否进行身体活动,并且可以基于从用户接收的确认来识别活动片段。类似地,在一些方面中,系统可以基于从用户接收的活动片段的完成的确认或两者来自动检测所识别的活动片段的完成(例如,在没有来自用户的输入的情况下)。在一些方面,该系统可以将所识别的活动片段分类为与一个或更多个活动类型(例如,跑步、步行、骑行)相对应。每个活动类型可与对应的置信度值相关联,并且可由用户确认或编辑。
在一些实现方式中,系统可以利用与用户相关联的位置数据(例如,全球定位系统(GPS)数据)以便更准确地确定与所识别的活动片段相关联的参数(例如,开始时间、停止时间、开始位置、停止位置、速度、路线、距离等)。在一些方面,位置数据可根据经由对应于每个给定用户和/或每个给定可穿戴设备的用户设备生成或收集的数据来确定。位置数据可以用于确定与所识别的活动片段或身体活动相关联的一个或更多个参数。例如,在系统检测到用户去跑步(例如,跑步活动片段)的情况下,用户的位置数据可用于确定跑步的起点/终点、跑步的持续时间、跑步的路线图等。在一些实施方式中,本文中所描述的技术可执行连续位置跟踪。使用连续位置数据导出位置(例如,起始位置、结束位置)与一些常规解决方案相比可能更加准确,因为它可以使得本文描述的系统和方法能够追溯地查明活动(例如,锻炼)何时以及在何处发生。这可实现更高效的活动检测(例如,与一些其他解决方案的十分钟相比,在一分钟内识别活动片段的开始/停止)。此外,位置数据可以用于确定跑步的海拔变化、配速、海拔调节的配速等。就此而言,利用位置数据连同从可穿戴设备收集的生理数据可以用于改进用户的活动跟踪。
初始地在支持经由可穿戴设备从用户收集生理数据的系统的背景下描述本公开的各方面。在用于基于位置的活动跟踪的示例图形用户接口(GUI)的上下文中描述本发明的附加各方面。本发明的方面进一步由涉及基于位置的活动跟踪的装置图、系统图和流程图说明且参考其描述。
图1示出了根据本公开的各方面的支持用于基于位置的活动跟踪的技术的系统100的示例。系统100包括可由一个或更多个用户102穿戴和/或操作的多个电子设备(例如,可穿戴设备104、用户设备106)。系统100进一步包括网络108和一个或更多个服务器110。
电子设备可以包括本领域已知的任何电子设备,包括可穿戴设备104(例如,指环可穿戴设备、手表可穿戴设备等)、用户设备106(例如,智能电话、膝上型计算机、平板计算机)。与相应用户102相关联的电子设备可包括以下功能中的一个或更多个:1)测量生理数据;2)存储测量数据;3)处理数据;4)基于处理的数据将输出(例如,经由GUI)提供给用户102;以及5)与彼此和/或其他计算设备通信数据。不同的电子设备可以执行一个或更多个功能。
示例可穿戴设备104可包括可穿戴计算设备,诸如被配置成用于穿戴在用户102的手指上的指环计算设备(以下称为“指环”)、被配置成用于穿戴在用户102的手腕上的手腕计算设备(例如,智能手表、健身带或手镯)、和/或头戴式计算设备(例如,眼镜/护目镜)。可穿戴设备104还可包括可定位在其他位置中的带、条带(例如,柔性或非柔性带或条带)、粘扣传感器等,诸如头部周围的带(例如,前额头带)、手臂(例如,前臂带和/或双头带)、和/或腿部(例如,大腿或小腿带)、耳朵后面、腋窝下方等。可穿戴设备104还可附接到衣服物品或包括在衣服物品中。例如,可穿戴设备104可包括在衣服上的口袋和/或小袋中。作为另一示例,可穿戴设备104可被夹到和/或钉到衣服上,或者可以其他方式保持在用户102的附近之内。示例性衣服物品可包括但不限于帽子、衬衫、手套、裤子、袜子、外套(例如,夹克)和内衣。在一些实现方式中,可穿戴设备104可包括在其他类型的设备中,诸如在身体活动期间使用的训练/体育设备。例如,可穿戴设备104可附接至或包括在自行车、滑雪板、网球拍、高尔夫球杆和/或训练重物中。
可以在指环可穿戴设备104的上下文中描述本公开的大部分内容。因此,除非本文中另外指出,否则术语“指环104”、“可穿戴设备104”以及类似术语可以可互换地使用。然而,术语“指环104”的使用不应被视为限制性的,因为本文中预期的是,本公开的方面可以使用其他可穿戴设备(例如,手表可穿戴设备、项链可穿戴设备、手镯可穿戴设备、耳环可穿戴设备、脚踝可穿戴设备等)来执行。
在一些方面,用户设备106可以包括手持式移动计算设备,如智能电话和平板计算设备。用户设备106还可包括个人计算机,诸如膝上型和台式计算设备。其他示例用户设备106可包括可与其他电子设备(例如,经由互联网)通信的服务器计算设备。在一些实现方式中,计算设备可以包括医疗设备,诸如外部可穿戴计算设备(例如,Holter监视器)。医疗设备还可包括可植入医疗设备,诸如起搏器和复律除颤器。其他示例用户设备106可包括家庭计算设备,诸如物联网(IoT)设备(例如,IoT设备)、智能电视、智能扬声器、智能显示器(例如,视频呼叫显示器)、集线器(例如,无线通信集线器)、安全系统、智能电器(例如,恒温器和冰箱)、以及健身装备。
一些电子设备(例如,可穿戴设备104、用户设备106)可以测量相应用户102的生理参数,诸如光体积描记波形、连续皮肤温度、脉冲波形、呼吸率、心率、心率变异性(HRV)、活动描记术、皮肤电反应、脉搏血氧测定法和/或其他生理参数。测量生理参数的一些电子设备还可执行本文描述的一些/所有计算。一些电子设备可以不测量生理参数,但可以执行本文所描述的一些/所有计算。例如,指环(例如,可穿戴设备104)、移动设备应用或服务器计算设备可处理所接收的由其他设备测量的生理数据。
在一些实现方式中,用户102可以操作多个电子设备或可以与多个电子设备相关联,这些电子设备中的一些可以测量生理参数并且这些电子设备中的一些可以处理所测量的生理参数。在一些实现方式中,用户102可以具有测量生理参数的指环(例如,可穿戴设备104)。用户102还可以具有用户设备106(例如,移动设备、智能电话)或与用户设备106相关联,其中可穿戴设备104和用户设备106彼此通信耦合。在一些情况下,用户设备106可从可穿戴设备104接收数据并且执行本文所描述的一些/所有计算。在一些实施方式中,用户设备106还可测量本文中描述的生理参数,诸如运动/活动参数。
例如,如图1所示,第一用户102-a(用户1)可以操作可穿戴设备104-a(例如,指环104-a)和可以如本文所述进行操作的用户设备106-a或可以与可穿戴设备104-a(例如,指环104-a)和可以如本文所述进行操作的用户设备106-a相关联。在该示例中,与用户102-a相关联的用户设备106-a可以处理/存储由指环104-a测量的生理参数。相比之下,第二用户102-b(用户2)可以与指环104-b、手表可穿戴设备104-c(例如,手表104-c)和用户设备106-b相关联,其中与用户102-b相关联的用户设备106-b可以处理/存储由指环104-b和/或手表104-c测量的生理参数。此外,第n个用户102-n(用户N)可以与本文中所描述的电子设备(例如,指环104-n、用户设备106-n)的布置相关联。在一些方面中,可穿戴设备104(例如,指环104、手表104)和其他电子设备可以经由蓝牙、Wi-Fi和其他无线协议通信地耦合到相应用户102的用户设备106。
在一些实施方式中,系统100的指环104(例如,可穿戴设备104)可被配置为基于用户手指内的动脉血流从相应用户102收集生理数据。具体地,指环104可利用在用户手指的手掌侧上发光的一个或更多个LED(例如,红色LED、绿色LED)来基于用户手指内的动脉血流量收集生理数据。在一些实施方式中,指环104可使用绿色LED和红色LED的组合来获取生理数据。生理数据可以包括本领域已知的任何生理数据,包括但不限于温度数据、加速度计数据(例如,移动/运动数据)、心率数据、HRV数据、血氧水平数据、或其任何组合。
绿色LED和红色LED两者的使用可提供优于其他解决方案的若干优点,因为已经发现红色LED和绿色LED在不同条件下(例如,亮/暗、活动/不活动)和经由身体的不同部分等采集生理数据时具有其自身的明显优点。例如,已经发现绿色LED在锻炼期间表现出更好的性能。此外,已经发现使用围绕指环104分布的多个LED(例如,绿色和红色LED)与使用彼此接近定位(诸如在手表可穿戴设备内)的LED的可穿戴设备相比表现出优异的性能。此外,与手腕中的血管相比,手指中的血管(例如,动脉、毛细血管)经由LED更易接近。具体地,手腕中的动脉位于手腕的底部(例如,手腕的手掌侧),意味着在其中可穿戴手表设备和类似设备通常被穿戴的手腕的顶部(例如,手腕的手侧的背面)仅可接近毛细血管。照此,已经发现在指环104内利用LED和其他传感器与佩戴在手腕上的可穿戴设备相比表现出优异的性能,因为指环104可具有更大的动脉入口(与毛细血管相比),从而导致更强的信号和更有价值的生理数据。
系统100的电子设备(例如,用户设备106、可穿戴设备104)可以经由有线或无线通信协议通信地耦合至一个或更多个服务器110。例如,如图1所示,电子设备(例如,用户设备106)可以经由网络108通信地耦合到一个或更多个服务器110。网络108可以实现传输控制协议和诸如因特网之类的互联网协议(TCP/IP),或者可以实现其他网络108协议。网络108和相应电子设备之间的网络连接可以促进经由电子邮件、网络、文本消息、邮件或计算机网络108内的任何其他适当形式的交互的数据传输。例如,在一些实现方式中,与第一用户102-a相关联的指环104-a可通信地耦合到用户设备106-a,其中用户设备106-a经由网络108通信地耦合到服务器110。在另外的或替代的情况下,可穿戴设备104(例如,指环104、手表104)可直接通信地耦接至网络108。
系统100可以在用户设备106与一个或更多个服务器110之间提供按需数据库服务。在一些情况下,服务器110可以经由网络108从用户设备106接收数据,并且可以存储和分析数据。类似地,服务器110可以经由网络108将数据提供给用户设备106。在一些情况下,服务器110可以位于一个或更多个数据中心处。服务器110可以用于数据存储、管理和处理。在一些实现方式中,服务器110可经由网络浏览器将基于网络的界面提供给用户设备106。
在一些方面,系统100可以检测用户102睡眠的时间段,并且将用户102睡眠的时间段分类为一个或更多个睡眠阶段(例如,睡眠阶段分类)。例如,如图1所示,用户102-a可以与可穿戴设备104-a(例如,指环104-a)和用户设备106-a相关联。在该示例中,指环104-a可以收集与用户102-a相关联的生理数据,包括温度、心率、HRV、呼吸率等。在一些方面中,由指环104-a收集的数据可以被输入到机器学习分类器,其中机器学习分类器被配置成用于确定用户102-a睡眠(或睡着)的时间段。此外,机器学习分类器可以被配置成用于将时间段分类为不同的睡眠阶段,包括清醒睡眠阶段、快速眼动(REM)睡眠阶段、轻度睡眠阶段(非REM(NREM))、以及深度睡眠阶段(NREM)。在一些方面,经分类的睡眠阶段可经由用户设备106-a的GUI显示给用户102-a。睡眠阶段分类可以用于向用户102-a提供关于用户的睡眠模式的反馈,例如推荐的睡觉时间、推荐的唤醒时间等。此外,在一些实现方式中,本文所描述的睡眠阶段分类技术可用于计算相应用户的分数,诸如睡眠分数、准备度分数等。
在一些方面,系统100可利用源自昼夜节律的特征来进一步改进生理数据收集、数据处理程序和本文描述的其他技术。术语昼夜节律可以指调节大约每24小时重复的个体的睡眠-唤醒周期的自然的内部过程。就这一点而言,本文所描述的技术可以利用昼夜节律调节模型来改进生理数据收集、分析和数据处理。例如,可以将昼夜节律调节模型以及经由可穿戴设备104-a从用户102-a收集的生理数据输入到机器学习分类器中。在这个实例中,昼夜节律调节模型可以被配置为“加权”或调节在用户的整个自然的、大约24小时昼夜节律收集中的生理数据。在一些实施方式中,系统可以最初从“基线”昼夜节律调节模型开始,并且可以使用从每个用户102采集的生理数据来修改基线模型,以生成特定于每个相应用户102的定制的个性化昼夜节律调节模型。
在一些方面,系统100可以利用其他生物节律以便通过这些其他节律的阶段进一步改进生理数据收集、分析和处理。例如,如果在个体的基线数据内检测到每周节律,则该模型可以被配置成用于按该周的一天来调整数据的“权重”。可能需要通过此方法对模型进行调节的生物节律包括:1)次昼夜节律(比一天节律更快,包括睡眠状态下的睡眠周期,以及在清醒状态期间所测量的生理变量中从小于一小时至若干小时周期的振荡;2)昼夜节律;3)示出施加在昼夜节律之上的非内源性日常节律,如在工作计划中;4)每周节律,或外源施加的其他人工时间周期性(例如,在具有12天“周”的假设培养物中,可以使用12天节律);5)女性的多日卵巢节律和男性的精子发生节律;6)月球节律(与生活在低人工光或没有人工光的个体相关);以及7)季节节律。
生物节律不总是静止节律。例如,许多女性经历卵巢周期长度在各周期之间的可变性,并且即使在用户内,也不期望在数天内恰好相同时间或周期性发生次昼夜节律。如此,足以量化频率组成同时保持生理数据中的这些节律的时间分辨率的信号处理技术可以用于改进对这些节律的检测、将每种节律的相位分配给所测量的每个时刻、并且由此修改调节模型和时间间隔的比较。生物节律调整模型和参数可以按照适当的线性或非线性组合来添加,以便更准确地捕获个体或个体组的动态生理基线。
在一些方面,系统100的对应设备/组件可以支持用于基于位置的活动跟踪的技术。具体地,图1中示出的系统100可支持用于基于经由可穿戴设备104(例如,指环104)收集的生理数据来识别用户102何时进行身体活动并且利用用户102的位置数据来确定检测到的身体活动的一个或更多个参数的技术。
例如,如图1所示,指环104-a可以从用户102-a(例如,用户1)收集生理数据,包括温度数据、心率数据、加速度计数据、呼吸率数据等等。由指环104-a收集的生理数据可以用于确定用户102-a进行身体活动的时间段(例如,“活动片段”)。例如,系统100可以确定用户102-a表现出升高的温度读数、提高的心率和提高的呼吸率,并且因此可以确定用户102-a进行身体活动。活动片段(例如,用户102-a进行身体活动的时间间隔)的识别可以由系统100的任何组件来执行,所述组件包括指环104-a、用户设备106-a、服务器110或其任何组合。
在一些情况下,系统100可以自动地识别用户102-a在没有来自用户102-a的输入的情况下进行身体活动。例如,系统100可基于经由指环104-a收集的生理数据来识别用户102-a的活动片段,而无需接收来自用户102-a的任何用户输入。附加地或可替代地,系统100可提示用户102-a确认它们是否进行身体活动,并且可基于从用户102-a接收的确认(例如,经由通过用户设备106-a接收的用户输入)识别活动片段。类似地,在一些方面中,系统100可自动检测所识别活动片段的完成而无需来自用户102-a的输入。例如,在一些情况下,系统100可以识别用户的温度和心率都在降低,并且因此可以自动识别活动片段的完成。换言之,系统100可利用从指环104-a收集的生理数据(和/或位置数据)来自动确定用户102-a不再进行身体活动。
继续相同的示例,在一些实现方式中,系统100可利用与相应用户102相关联的位置数据(例如,GPS数据)以更准确地确定与所识别的活动片段相关联的参数。在一些方面中,每个相应用户102的位置数据可以经由对应用户设备106、指环104或其他可穿戴设备104来生成、接收或以其他方式获取。例如,在用户设备106-a启用GPS能力的情况下,第一用户102-a的位置数据可以基于经由用户设备106-a生成/接收的数据来确定。另外或替代地,指环104-a可启用GPS或其他定位能力。作为另一示例,在可穿戴设备104-c(例如,手表104-c)启用GPS能力的情况下,可基于经由可穿戴设备104-c生成/接收的数据来确定第二用户102-b的位置数据。
位置数据可以用于确定与所识别的活动片段或身体活动相关联的一个或更多个参数。例如,在系统100检测到用户102-a进行了跑步(例如,跑步活动片段)的情况下,用户102-a的位置数据可用于确定跑步的起点/终点、跑步的持续时间、跑步的路线图等。此外,位置数据可用于确定跑步的海拔变化、配速、海拔调节的速度、燃烧的卡路里等。就此而言,利用位置数据以及经由指环104-a收集的生理数据可以用于改善用户102-a的活动跟踪。
本领域的技术人员应理解的是,本公开的一个或更各方面可以在系统100中实现,以便另外地或可替代地解决除上述那些问题之外的其他问题。此外,本公开的各方面可以为如本文所描述的“常规的”系统或过程提供技术改进。然而,说明书和附图仅包括从实现本公开的各方面产生的示例技术改进,并且因此不表示在权利要求的范围内提供的所有技术改进。
图2示出了根据本公开的各方面的支持用于基于位置的活动跟踪的技术的系统200的示例。系统200可以实施系统100或者由系统100实施。具体地,系统200示出了指环104(例如,可穿戴设备104)、用户设备106和服务器110的示例,如参考图1所描述的。
在一些方面中,指环104可以被配置成用于戴在用户手指上,并且当戴在用户手指上时可以确定一个或更多个用户生理参数。示例测量和确定可包括但不限于用户皮肤温度、脉冲波形、呼吸率、心率、HRV、血氧水平等。
系统200进一步包括与指环104通信的用户设备106(例如,智能电话)。例如,指环104可与用户设备106进行无线和/或有线通信。在一些实施例中,指环104可将所测量和处理的数据(例如,温度数据、光体积描记图(PPG)数据、运动/加速度计数据、指环输入数据等)发送到用户设备106。用户设备106还可向指环104发送数据,诸如指环104固件/配置更新。用户设备106可处理数据。在一些实现方式中,用户设备106可以向服务器110传输数据以用于处理和/或存储。
指环104可以包括壳体205,该壳体可以包括内壳体205-a和外壳体205-b。在一些方面中,指环104的壳体205可以存储或以其他方式包括指环的各个组件,这些组件包括但不限于设备电子器件、电源(例如,电池210、和/或电容器)、将设备电子器件和/或电源互连的一个或更多个基板(例如,可印刷电路板)、等等。设备电子器件可以包括设备模块(例如,硬件/软件),诸如:处理模块230-a、存储器215、通信模块220-a、电源模块225等。设备电子器件还可以包括一个或更多个传感器。示例传感器可以包括一个或更多个温度传感器240、PPG传感器组件(例如,PPG系统235)、以及一个或更多个运动传感器245。
传感器可以包括被配置成用于与指环104的相应组件/模块进行通信并且生成与这些相应传感器相关联的信号的相关联模块(未示出)。在一些方面中,指环104的组件/模块中的每一者可经由有线或无线连接彼此通信耦合。此外,指环104可包括附加的和/或替代的传感器或被配置为从用户收集生理数据的其他组件,包括光传感器(例如,LED)、血氧计等。
参照图2示出并描述的指环104仅出于说明性目的而提供。这样,指环104可包括如图2所示的那些的附加或替代组件。可制造提供本文所述的功能的其他指环104。例如,可制造具有较少组件(例如,传感器)的指环104。在特定实例中,可制造具有单个温度传感器240(或其他传感器)、电源和经配置以读取单个温度传感器240(或其他传感器)的设备电子器件的指环104。在另一特定实例中,温度传感器240(或其他传感器)可附接到用户的手指(例如,使用夹具、弹簧加载夹具等)。在这种情况下,传感器可以有线连接到另一计算设备,诸如读取温度传感器240(或其他传感器)的腕戴计算设备。在其他实例中,可制造包含附加传感器和处理功能性的指环104。
壳体205可以包括一个或更多个壳体205组件。壳体205可以包括外壳体205-b组件(例如,外壳)和内壳体205-a组件(例如,模制件)。壳体205可包括在图2中未明确示出的附加组件(例如,附加层)。例如,在一些实现方式中,指环104可包括将设备电子器件和其他导电材料(例如,电迹线)与外壳体205-b(例如,金属外壳体205-b)电绝缘的一个或更多个绝缘层。壳体205可为设备电子器件、电池210、基板和其他组件提供结构支撑。例如,壳体205可保护设备电子器件、电池210和基板免受机械力,例如压力和冲击。壳体205还可保护设备电子器件、电池210和基板免于水和/或其他化学品损害。
外壳体205-b可以由一种或多种材料制成。在一些实现方式中,外壳体205-b可包含金属,例如钛,其可在相对较轻重量下提供强度和耐磨性。外壳体205-b也可由其他材料(诸如聚合物)制成。在一些实现方式中,外壳体205-b可为保护性的和装饰性的。
内壳体205-a可以被配置成用于与用户的手指接口连接。内壳体205-a可以由聚合物(例如,医用级聚合物)或其他材料形成。在一些实现方式中,内壳体205-a可为透明的。例如,内壳体205-a可对PPG发光二极管(LED)发射的光是透明的。在一些实现方式中,内壳体205-a组件可以被模制到外壳体205-a上。例如,内壳体205-a可以包括被模制(例如,注射模制)以配合到外壳体205-b金属壳中的聚合物。
指环104可以包括一个或更多个基板(未示出)。设备电子器件和电池210可以被包括在一个或更多个基板上。例如,设备电子器件和电池210可以安装在一个或更多个基板上。示例基板可包括一个或更多个印刷电路板(PCB),诸如柔性PCB(例如,聚酰亚胺)。在一些实现方式中,电子器件/电池210可包含柔性PCB上的表面安装器件(例如,表面安装技术(SMT)器件)。在一些实现方式中,所述一个或更多个基板(例如,一个或更多个柔性PCB)可包含提供设备电子器件之间的电通信的电迹线。电迹线还可将电池210连接到设备电子器件。
设备电子器件、电池210、以及基板可以按多种方式布置在指环104中。在一些实现方式中,包括设备电子器件的一个基板可沿指环104的底部(例如,下半部)安装,使得传感器(例如,PPG系统235、温度传感器240、运动传感器245和其他传感器)与用户的手指的下侧介接。在这些实现方式中,可沿指环104的顶部部分包括电池210(例如,在另一基板上)。
指环104的各个组件/模块表示可以包括在指环104中的功能(例如,电路和其他组件)。模块可包括实施能够产生归因于本文中的模块的功能的模拟和/或数字电路的任何离散和/或集成电子电路组件。例如,模块可包括模拟电路(例如,放大电路、滤波电路、模拟/数字转换电路和/或其他信号调节电路)。所述模块还可包括数字电路(例如,组合或时序逻辑电路、存储器电路等)。
指环104的存储器215(存储器模块)可以包括任何易失性、非易失性、磁性、或电介质,如随机存取存储器(RAM)、只读存储器(ROM)、非易失性RAM(NVRAM)、电可擦除可编程ROM(EEPROM)、闪存、或任何其他存储器设备。存储器215可以存储本文描述的任何数据。例如,存储器215可以被配置成用于存储由对应的传感器和PPG系统235收集的数据(例如,运动数据、温度数据、PPG数据)。此外,存储器215可以包括指令,所述指令当由一个或更多个处理电路执行时使得所述模块执行归属于本文中的模块的各个功能。本文描述的指环104的设备电子器件仅是示例设备电子器件。因此,用于实施设备电子器件的电子组件的类型可基于设计考虑而变化。
归于本文描述的指环104的模块的功能可以体现为一个或更多个处理器、硬件、固件、软件或其任何组合。将不同特征描述为模块旨在突出不同功能方面,并且不一定暗示这些模块必须通过单独的硬件/软件组件来实现。相反,与一个或更多个模块相关联的功能可以由单独的硬件/软件组件执行或者集成在共同的硬件/软件组件内。
指环104的处理模块230-a可以包括一个或更多个处理器(例如,处理单元)、微控制器、数字信号处理器、片上系统(SOC)、和/或其他处理设备。处理模块230-a与指环104中包含的模块通信。例如,处理模块230-a可以向/从指环104的模块和其他组件(诸如传感器)发送/接收数据。如本文中所描述,所述模块可由各个电路组件实施。因而,所述模块也可被称为电路(例如,通信电路和电源电路)。
处理模块230-a可以与存储器215进行通信。存储器215可以包括计算机可读指令,当计算机可读指令由处理模块230-a执行时,这些指令使处理模块230-a执行归属于本文中的处理模块230-a的各个功能。在一些实现方式中,处理模块230-a(例如,微控制器)可以包括与其他模块相关联的附加特征,例如由通信模块220-a(例如,集成的蓝牙低功耗收发器)和/或附加的板载存储器215提供的通信功能。
通信模块220-a可以包括提供与用户设备106的无线和/或有线通信的电路(例如,用户设备106的通信模块220-b)。在一些实现方式中,通信模块220-a、220-b可包括无线通信电路,诸如蓝牙电路和/或Wi-Fi电路。在一些实现方式中,通信模块220-a、220-b可包括有线通信电路,诸如通用串行总线(USB)通信电路。使用通信模块220-a,指环104和用户设备106可被配置为彼此通信。指环的处理模块230-a可被配置为经由通信模块220-a向/从用户设备106发送/接收数据。示例数据可以包括但不限于运动数据、温度数据、脉冲波形、心率数据、HRV数据、PPG数据、和状态更新(例如,充电状态、电池充电水平、和/或指环104配置设置)。指环的处理模块230-a还可以被配置为从用户设备106接收更新(例如,软件/固件更新)和数据。
指环104可以包括电池210(例如,可再充电电池210)。示例性电池210可以包括锂离子或锂聚合物型电池210,尽管各种电池210的选择是可能的。电池210可被无线充电。在一些实现方式中,指环104可包含除电池210以外的电源,例如电容器。电源(例如,电池210或电容器)可具有与指环104的曲线相匹配的弯曲几何形状。在一些方面中,充电器或其他电源可包含附加传感器,所述附加传感器可用以收集除由指环104自身收集的数据之外的数据或补充由指环104自身收集的数据。此外,指环104的充电器或其他电源可用作用户设备106,在这种情况下,指环104的充电器或其他电源可被配置为从指环104接收数据,存储和/或处理从指环104接收的数据,并在指环104和服务器110之间进行数据通信。
在一些方面,指环104包括电源模块225,该电源模块可控制电池210的充电。例如,电源模块225可与外部无线充电器对接,该外部无线充电器在与指环104对接时对电池210进行充电。充电器可包括与指环104基准结构配合以在104充电期间与指环104产生指定取向的基准结构。电源模块225还可调节设备电子器件的电压、调节至设备电子器件的功率输出、和监测电池210的充电状态。在一些实现方式中,电池210可包含保护电路模块(PCM),其保护电池210免于高电流放电、104充电期间的过电压和104放电期间的欠电压。电源模块225还可包括静电放电(ESD)保护。
一个或更多个温度传感器240可以电耦合至处理模块230-a。温度传感器240可被配置为产生温度信号(例如,温度数据),该温度信号指示由温度传感器240读取或感测到的温度。处理模块230-a可以确定用户在温度传感器240的位置处的温度。例如,在指环104中,由温度传感器240生成的温度数据可指示用户的手指处的温度(例如,皮肤温度)。在一些实现方式中,温度传感器240可以接触用户的皮肤。在其他实现方式中,壳体205的一部分(例如,内壳体205-a)可以在温度传感器240与用户的皮肤之间形成屏障(例如,薄的导热屏障)。在一些实现方式中,指环104的经配置以接触用户的手指的部分可具有导热部分和热绝缘部分。导热部分可将热量从用户的手指传导至温度传感器240。热绝缘部分可使指环104的部分(例如,温度传感器240)与周围温度绝缘。
在一些实现方式中,温度传感器240可以生成数字信号(例如,温度数据),处理模块230-a可以使用该数字信号来确定温度。作为另一示例,在温度传感器240包括无源传感器的情况下,处理模块230-a(或温度传感器240模块)可测量由温度传感器240生成的电流/电压,并基于所测量的电流/电压来确定温度。示例温度传感器240可包括热敏电阻(诸如负温度系数(NTC)热敏电阻)或其他类型的传感器(包括电阻器、晶体管、二极管和/或其他电气/电子组件)。
处理模块230-a可以随着时间推移对用户的温度进行采样。例如,处理模块230-a可以根据采样率对用户的温度进行采样。示例采样率可以包括每秒一个样本,尽管处理模块230-a可以被配置成用于以高于或低于每秒一个样本的其他采样率对温度信号进行采样。在一些实现方式中,处理模块230-a可以在整个白天和夜晚连续地对用户的温度进行采样。在整个一天中以足够的速率(例如,每秒一个样本)采样可以提供足够的温度数据以供本文描述的分析。
处理模块230-a可以将经采样的温度数据存储在存储器215中。在一些实现方式中,处理模块230-a可处理经采样的温度数据。例如,处理模块230-a可确定一段时间内的平均温度值。在一个示例中,处理模块230-a可以确定每分钟的平均温度值,方法是通过对在该分钟内收集的所有温度值求和并除以在该分钟内的样本数量。在以每秒一个样本对温度进行采样的具体示例中,平均温度可以是一分钟的所有采样温度的总和除以六十秒。存储器215可以随时间推移存储平均温度值。在一些实现方式中,存储器215可存储平均温度(例如,每分钟一个)而不是经采样的温度,以便节省存储器215。
可以存储在存储器215中的采样率可以是可配置的。在一些实现方式中,采样率在整个白天和夜晚可以是相同的。在其他实现方式中,采样率可以在整个白天/夜晚改变。在一些实现方式中,指环104可过滤/拒绝温度读数,例如不指示生理变化的温度的大尖峰(例如,来自热淋浴的温度尖峰)。在一些实现方式中,指环104可过滤/拒绝由于其他因素(例如,104锻炼期间的过度运动(例如,如由运动传感器245指示))而可能不可靠的温度读数。
指环104(例如,通信模块)可以将采样的温度数据和/或平均温度数据发送至用户设备106用于存储和/或进一步处理。用户设备106可将采样的温度数据和/或平均温度数据传送到服务器110以供存储和/或进一步处理。
虽然指环104被示出为包括单个温度传感器240,但是指环104可以在一个或更多个位置中包括多个温度传感器240,诸如沿着内壳体205-a布置在用户的手指附近。在一些实现方式中,温度传感器240可为独立温度传感器240。附加地或可替代地,一个或更多个温度传感器240可与其他组件一起被包括(例如,与其他组件封装在一起),诸如与加速度计和/或处理器一起被包括。
处理模块230-a可以以关于单个温度传感器240描述的类似方式从多个温度传感器240采集和处理数据。例如,处理模块230可单独地对来自多个温度传感器240中的每个温度传感器的温度数据进行采样、平均和存储。在其他示例中,处理模块230-a可以以不同速率对传感器进行采样并且针对不同传感器求平均/存储不同值。在一些实现方式中,处理模块230-a可经配置以基于由手指上的不同位置中的两个或两个以上温度传感器240确定的两个或两个以上温度的平均值来确定单个温度。
指环104上的温度传感器240可以获取用户的手指(例如,任何手指)处的远侧温度。例如,指环104上的一个或更多个温度传感器240可从手指的下侧或手指上的不同位置处获取用户的温度。在一些实现方式中,指环104可连续地获取远侧温度(例如,以采样速率)。虽然在本文中描述了由手指处的指环104测量的远侧温度,但是其他设备可以测量在相同/不同位置处的温度。在一些情况下,在用户手指处测量的远侧温度可不同于在用户手腕或其他外部身体位置处测量的温度。此外,在用户手指处测量的远侧温度(例如,“壳”温度)可不同于用户的核心温度。如此,指环104可提供有用的温度信号,该温度信号可能不能在身体的其他内部/外部位置处获取。在一些情况下,手指处的连续温度测量可捕获核心温度中可能不明显的温度波动(例如,小或大波动)。例如,手指处的连续温度测量可以捕获提供附加洞察的分钟到分钟或小时到小时温度波动,该附加洞察可能无法由身体中的其他地方的其他温度测量提供。
指环104可以包括PPG系统235。PPG系统235可以包括发射光的一个或更多个光发射器。PPG系统235还可以包括接收由该一个或更多个光发射器传输的光的一个或更多个光接收器。光接收器可以生成指示由光接收器接收的光量的信号(以下称为“PPG”信号)。光发射器可以照亮用户手指的区域。由PPG系统235生成的PPG信号可以指示照亮区域中的血液的灌注。例如,PPG信号可以指示由用户的脉压引起的照亮区域中的血容量变化。处理模块230-a可以对PPG信号进行采样并且基于PPG信号来确定用户的脉冲波形。处理模块230-a可基于用户的脉冲波形来确定多种生理参数,诸如用户的呼吸率、心率、HRV、氧饱和度和其他循环参数。
在一些实现方式中,PPG系统235可以被配置成反射PPG系统235,其中一个或更多个光接收器接收通过用户手指的区域反射的透射光。在一些实现方式中,PPG系统235可被配置为透射PPG系统235,在该透射PPG系统235中,一个或更多个光发射器和一个或更多个光接收器被布置成彼此相对,以使得光通过用户手指的一部分被直接透射到一个或更多个光接收器。
PPG系统235中所包括的发射器和接收器的数量和比率可以变化。示例光发射器可以包括发光二极管(LED)。光发射器可以发射红外光谱和/或其他光谱中的光。示例光接收器可包括但不限于光传感器、光电晶体管和光电二极管。光接收器可以被配置为响应于从光发射器接收的波长而生成PPG信号。发射器和接收器的位置可改变。此外,单个设备可以包括反射和/或透射PPG系统235。
在一些实现方式中,图2中所示的PPG系统235可以包括反射PPG系统235。在这些实现方式中,PPG系统235可以包括位于中心的光接收器(例如,在指环104的底部)以及位于该光接收器的每侧上的两个光发射器。在本文实现方式中,PPG系统235(例如,光接收器)可以基于从这些光发射器中的一者或两者接收到的光来生成PPG信号。在其他实现方式中,设想一个或更多个光发射器和/或光接收器的其他放置、组合和/或配置。
处理模块230-a可以控制光发射器中的一者或两者在对由光接收器生成的PPG信号进行采样的同时发射光。在一些实现方式中,处理模块230-a可以使得具有较强接收信号的光发射器在对由光接收器生成的PPG信号进行采样的同时发射光。例如,当PPG信号以采样率(例如,250Hz)进行采样时,所选择的光发射器可以连续地发光。
对由PPG系统235生成的PPG信号进行采样可以产生脉冲波形,该脉冲波形可以被称为“PPG”。脉冲波形可指示多个心动周期的血压对时间。脉冲波形可包括指示心动周期的峰值。此外,脉冲波形可包括可用于确定呼吸率的呼吸诱导变化。在一些实现方式中,处理模块230-a可将脉冲波形存储在存储器215中。处理模块230-a可在脉冲波形被生成时处理和/或处理来自存储器215的脉冲波形,以确定本文所述的用户生理参数。
处理模块230-a可以基于脉冲波形来确定用户的心率。例如,处理模块230-a可基于脉冲波形中的峰值之间的时间来确定心率(例如,以每分钟搏动为单位)。峰值之间的时间可被称为心博间期(IBI)。处理模块230-a可以将所确定的心率值和IBI值存储在存储器215中。
处理模块230-a可以随时间推移确定HRV。例如,处理模块230-a可基于IBI中的变化来确定HRV。处理模块230-a可随时间推移将HRV值存储在存储器215中。此外,处理模块230-a可随时间推移确定用户的呼吸率。例如,处理模块230-a可基于用户IBI值在一段时间内的频率调制、振幅调制或基线调制来确定呼吸率。呼吸率可以按每分钟的呼吸或作为另一个呼吸率(例如,每30秒的呼吸)来计算。处理模块230-a可以随时间将用户呼吸率值存储在存储器215中。
指环104可以包括一个或更多个运动传感器245,如一个或更多个加速度计(例如,6-D加速度计)和/或一个或更多个陀螺仪(陀螺)。运动传感器245可产生指示传感器的运动的运动信号。例如,指环104可包括产生指示加速计的加速度的加速度信号的一个或更多个加速度计。作为另一示例,指环104可包括一个或更多个陀螺仪传感器,其生成指示角运动(例如,角速度)和/或取向变化的陀螺仪信号。运动传感器245可以包括在一个或更多个传感器封装中。示例加速度计/陀螺仪传感器是Bosch BMI160惯性微机电系统(MEMS)传感器,它可以测量三个垂直轴上的角速率和加速度。
处理模块230-a可以以采样率(例如,50Hz)对运动信号进行采样,并且基于所采样的运动信号来确定指环104的运动。例如,处理模块230-a可对加速度信号进行采样以确定指环104的加速度。又例如,处理模块230-a可以对陀螺仪信号进行采样以确定角运动。在一些实现方式中,处理模块230-a可以将运动数据存储在存储器215中。运动数据可以包括采样的运动数据以及基于采样的运动信号(例如,加速度和角度值)计算的运动数据。
指环104可以存储本文描述的各种数据。例如,指环104可存储温度数据,诸如原始采样温度数据和计算的温度数据(例如,平均温度)。作为另一实例,指环104可存储PPG信号数据,例如脉冲波形和基于脉冲波形计算的数据(例如,心率值、IBI值、HRV值和呼吸率值)。指环104还可存储运动数据,例如指示线性和角运动的经采样的运动数据。
指环104或其他计算设备可以基于所采样/所计算的生理数据来计算和存储附加值。例如,处理模块230可以计算和存储不同度量,诸如睡眠度量(例如,睡眠得分)、活动度量和准备度度量。在一些实现方式中,另外的值/度量可以被称为“导出值”。指环104或其他计算/可穿戴设备可计算关于运动的各种值/度量。运动数据的示例导出值可包括(但不限于)运动计数值、规律性值、强度值、任务代谢等效性值(MET)和定向值。运动计数、规律性值、强度值和MET可以指示用户随时间的运动量(例如,速度/加速度)。定向值可指示指环104如何在用户的手指上定向以及指环104是戴在左手还是右手上。
在一些实现方式中,运动计数和规律性值可以通过对一个或更多个时段(例如,一个或更多个30秒至1分钟时段)内的加速度峰值的数量进行计数来确定。强度值可指示移动的数目和移动的相关联强度(例如,加速度值)。取决于相关联的阈值加速度值,强度值可被分类为低、中和高。可基于一时间段(例如,30秒)期间的移动的强度、移动的规律性/不规律性以及与不同强度相关联的移动的数目来确定MET。
在一些实现方式中,处理模块230-a可以压缩存储在存储器215中的数据。例如,处理模块230-a可以在基于采样的数据进行计算之后删除采样的数据。作为另一示例,处理模块230-a可在较长时间段内对数据求平均值以便减少所存储值的数目。在特定示例中,如果用户在一分钟内的平均温度被存储在存储器215中,则处理模块230-a可计算五分钟时间段内的平均温度以用于存储,并且随后擦除一分钟平均温度数据。处理模块230-a可基于多种因素来压缩数据,诸如所使用的/可用的存储器215的总量和/或自指环104最后将数据传输到用户设备106起经过的时间。
虽然可以通过包括在指环104上的传感器测量用户的生理参数,但其他设备可以测量用户的生理参数。例如,虽然可通过包括在指环104中的温度传感器240来测量用户的温度,但其他设备可测量用户的温度。在一些示例中,其他可穿戴设备(例如,手腕设备)可包括测量用户生理参数的传感器。另外,诸如外部医疗设备(例如,可穿戴医疗设备)和/或可植入医疗设备之类的医疗设备可测量用户的生理参数。可以使用任何类型的计算设备上的一个或更多个传感器来实现本文所描述的技术。
生理测量可以在整个白天和/或夜间持续进行。在一些实现方式中,生理测量可以在白天的104部分和/或夜间的部分期间进行。在一些实现方式中,可以响应于确定用户处于特定状态(例如,活动状态、休息状态和/或睡眠状态)来进行生理测量。例如,指环104可在静止/睡眠状态下进行生理测量,以获取更干净的生理信号。在一个示例中,指环104或其他设备/系统可检测用户何时休息和/或睡眠并且获取所检测到的状态的生理参数(例如,温度)。当用户处于其他状态时,设备/系统可以使用休息/睡眠生理数据和/或其他数据,以便实现本公开的技术。
在一些实现方式中,如本文之前所描述的,指环104可以被配置成用于收集、存储和/或处理数据,并且可以将本文所描述的任何数据传输至用户设备106用于存储和/或处理。在一些方面,用户设备106包括可穿戴应用250、操作系统(OS)、web浏览器应用(例如,web浏览器280)、一个或更多个附加应用、和GUI 275。用户设备106可进一步包含其他模块和组件,包括传感器、音频设备、触觉反馈设备等。可穿戴应用250可以包括可以安装在用户设备106上的应用程序(例如,“应用”)的示例。可穿戴应用250可以配置为从指环104获取数据,存储所获取的数据,以及处理所获取的数据,如本文所描述的。例如,可穿戴应用250可以包括被配置为存储应用数据的用户接口(UI)模块255、获取模块260、处理模块230-b、通信模块220-b和存储模块(例如,数据库265)。
本文所描述的各个数据处理操作可以由指环104、用户设备106、服务器110或其任何组合来执行。例如,在一些情况下,由指环104收集的数据可被预处理并被传输到用户设备106。本文实例中,用户设备106可对所接收的数据执行一些数据处理操作,可将所述数据发送到服务器110以用于数据处理,或两者。例如,在一些情况下,用户设备106可执行需要相对低的处理功率的处理操作和/或需要相对低的等待时间的操作,而用户设备106可将数据发送到服务器110以用于需要相对高的处理功率的处理操作和/或可允许相对高的等待时间的操作。
在一些方面中,系统200的指环104、用户设备106和服务器110可以被配置成用于评估用户的睡眠模式。具体地,系统200的各个组件可以用于经由指环104从用户收集数据,并且基于所收集的数据为用户生成一个或更多个分数(例如,睡眠分数、准备度分数)。例如,如本文先前指出的,系统200的指环104可由用户佩戴以从用户收集数据,包括温度、心率、HRV等。由指环104收集的数据可用于确定用户何时睡着以评估用户对于给定“睡眠日”的睡眠。在一些方面,可以为用户计算每个相应睡眠日的分数,使得第一睡眠日与第一分数集合相关联,并且第二睡眠日与第二分数集合相关联。可基于指环104在相应睡眠日期间收集的数据来计算每个相应睡眠日的分数。分数可以包括但不限于睡眠分数、准备度分数等。
在一些情况下,“睡眠日”可以与传统日历日对齐,从而使得给定睡眠日从相应日历日的午夜到午夜运行。在其他情况下,睡眠日可相对于日历日偏移。例如,睡眠日可以从日历日的下午6:00(18:00)运行到后续日历日的下午6:00(18:00)。在这个示例中,下午6:00可以充当“截止时间”,其中对于当前睡眠日对在下午6:00之前从用户收集的数据进行计数,并且对于随后的睡眠日对在下午6:00之后从用户收集的数据进行计数。由于大多数个人在夜间睡眠最多的事实,相对于日历日偏移睡眠日可以使得系统200能够以与他们的睡眠时间表一致的方式评估用户的睡眠模式。在一些情况下,用户可能够相对于日历日选择性地调整(例如,经由GUI)睡眠日的定时,使得睡眠日与相应用户通常睡眠的持续时间对齐。
在一些实现方式中,可以基于一个或更多个“贡献者”、“因素”、或“贡献因素”来确定/计算用户在每个相应日的每个总分数(例如,睡眠分数、准备度分数)。例如,用户的总睡眠分数可以基于一组贡献者来计算,包括:总睡眠、效率、宁静、REM睡眠、深度睡眠、等待时间、定时、或其任何组合。睡眠分数可以包括任何数量的贡献者。“总睡眠”贡献者可以指睡眠日的所有睡眠时段的总和。“效率”贡献者可以反映与在睡觉中时唤醒所花费的时间相比睡熟所花费的时间的百分比,并且可以使用由每个睡眠时段的持续时间加权的睡眠日的长睡眠时段(例如,主睡眠时段)的效率平均值来计算。“安憩”贡献者可以指示用户的睡眠有多宁静,并且可以使用由每个时段的持续时间加权的睡眠日的所有睡眠时段的平均值来计算。安憩贡献者可以基于“唤醒计数”(例如,在不同睡眠时段期间检测到的所有唤醒(当用户唤醒时)的总和)、过度移动和“起床计数”(例如,在不同睡眠时段期间检测到的所有起床(当用户下床时)的总和)。
“REM睡眠”贡献者可以指跨包括REM睡眠的睡眠日的所有睡眠时段的REM睡眠持续时间的总和。类似地,“深度睡眠”贡献者可以指跨包括深度睡眠的睡眠日的所有睡眠时段的深度睡眠持续时间的总和。“等待时间”贡献者可以表示用户花费多长时间(例如,平均、中值、最长)进入睡眠,并且可以使用整个睡眠日的长睡眠时段的平均值来计算,该平均值由每个时段的持续时间和这样的时段的数量加权(例如,合并一个或更多个给定的睡眠阶段或睡眠阶段可以是其自身的贡献者或对其他贡献者加权)。最后,“定时”贡献者可以指睡眠日和/或日历日内的睡眠时段的相对定时,并且可以使用由每个时段的持续时间加权的睡眠日的所有睡眠时段的平均值来计算。
作为另一示例,可以基于贡献者集合来计算用户的总体准备度分数,所述贡献者集合包括:睡眠、睡眠平衡、心率、HRV平衡、恢复指数、温度、活动、活动平衡、或其任何组合。准备度分值可以包括任何数量的贡献者。“睡眠”贡献者可以指睡眠日内的所有睡眠时段的组合睡眠分数。“睡眠平衡”贡献者可以指睡眠日内的所有睡眠时段的累积持续时间。具体地,睡眠平衡可以向用户指示该用户在某个持续时间(例如,过去的两周)内已经获得的睡眠是否与该用户的需要平衡。通常,成人每天晚上需要7-9小时的睡眠以保持健康、警觉并且在精神上和身体上都表现得最好。然而,具有不良睡眠的偶然夜晚是正常的,因此睡眠平衡贡献者考虑长期睡眠模式以确定是否满足每个用户的睡眠需要。“静息心率”贡献者可以指示来自睡眠日的最长睡眠时段(例如,主睡眠时段)的最低心率和/或来自发生在主睡眠时段之后的小睡的最低心率。
继续参考准备度分数的“贡献者”(例如,因素、贡献因素),“HRV平衡”贡献者可以指示来自初级睡眠时段和在初级睡眠时段之后发生的小睡的最高HRV平均值。HRV平衡贡献者可通过将其在第一时间段(例如,两周)内的HRV趋势与在某一第二较长时间段(例如,三个月)内的平均HRV进行比较来帮助用户跟踪其恢复状态。可以基于最长睡眠时段计算“恢复指数”贡献者。恢复指数量度用户的静息心率在夜间稳定需要多长时间。非常好的恢复的迹象是用户的静止心率在前半夜期间稳定,用户醒来前至少六小时,给身体留有时间来在第二天恢复。如果用户在小睡期间的最高温度高于最长时期期间的最高温度至少0.5℃,则可以基于最长睡眠时段(例如,主睡眠时段)或基于在最长睡眠时段之后发生的小睡来计算“体温”贡献者。在一些方面中,指环可以在用户睡着的同时测量用户的体温,并且系统200可以相对于用户的基线温度显示用户的平均温度。如果用户的体温在他们的正常范围之外(例如,明显地高于或低于0.0),则体温贡献者可被加亮(例如,进入“注意”状态)或以其他方式为用户生成警报。
在一些方面中,系统200的相应设备(例如,指环104、用户设备106、服务器110)可以支持用于基于位置的活动跟踪的技术。具体地,图2中示出的系统200可支持用于基于经由指环104收集的生理数据来识别用户102何时进行身体活动并且利用用户102的位置数据来确定所检测的身体活动的一个或更多个参数/特征的技术。在一些方面,检测到的用户的活动片段(例如,检测到的用户进行身体活动的时间间隔)可被用于更新用户的相应分数,诸如活动分数、准备度分数等。
例如,如图2所示,指环104可以从用户102收集生理数据,包括温度数据、心率数据等。由指环104收集的生理数据可以用于确定用户102进行身体活动的时间段(例如,“活动片段”)。换言之,系统200可以基于所接收的生理数据来识别用户的活动片段(例如,用户进行身体活动的时间间隔)。例如,系统200可确定用户表现出升高的温度读数、提高的心率和提高的呼吸率,并且可因此确定用户102进行身体活动(例如,标识用户的活动片段)。进一步,系统200可被配置成搜索所收集的位置数据以确定所识别的活动片段的确切的开始和结束位置/地点。
在一些方面,系统200可以被配置成用于训练一个或更多个算法或分类器(例如,机器学习分类器、神经网络、机器学习算法)以识别活动片段。例如,所获取的生理数据可以被输入到机器学习分类器中以训练机器学习分类器来识别用户的活动片段。在一些方面,可以针对每个相应用户训练分类器,从而使得分类器被“定制”以基于用户自身的独特的生理特征来识别活动片段。
本文应注意,本文描述的不同过程和操作可以由系统200的任何组件来执行。例如,活动片段的识别可以由系统200的任何组件执行,包括指环104、用户设备106、服务器110或其任意组合。例如,由指环104收集的生理数据可以被传输至用户设备106,其中用户设备106将生理数据转发或中继至服务器110用于识别活动片段。
在一些实现方式中,系统200可以利用与用户相关联的位置数据(例如,GPS数据)以便更准确地识别活动片段和/或确定与所识别的活动片段相关联的参数。在一些方面中,可经由用户设备106产生、接收或以其他方式获得用户的位置数据。例如,在用户设备106启用GPS能力的情况下,可以基于经由用户设备106生成/接收的数据来确定用户的位置数据。另外或替代地,指环104可启用GPS或其他定位能力。此外,在一些实现方式中,可以从对应于用户的其他可穿戴设备(诸如可穿戴手表设备)获得用户的位置数据。
位置数据可以用于确定与所识别的活动片段或身体活动相关联的一个或更多个参数。例如,在系统200检测到用户去跑步(例如,跑步活动片段)的情况下,用户的位置数据可用于确定跑步的起点/终点、跑步的持续时间、跑步的路线图等。此外,位置数据可以用于确定跑步的海拔变化、配速、海拔调节后的配速等。就此而言,利用位置数据以及经由指环104收集的生理数据可以用于改善用户102的活动跟踪。在一些方面中,还可将位置数据输入到所述一个或更多个分类器中以进一步改进本文中所描述的活动跟踪技术。
可以使用所获取的生理数据和/或位置数据来确定的与所识别的活动片段/身体活动相关联的参数/特性可以包括身体活动的类型/分类(例如,步行、跑步、骑行、游泳)、活动片段的持续时间、用户在活动片段期间所行进的距离、用户在活动片段期间的海拔变化、用户在活动片段期间所消耗的卡路里量、配速、速度、路线图、分段时间/步调、海拔调节后的配速等。
例如,系统200可以基于所采集的生理数据和/或所采集的位置数据来识别用户进行身体活动(例如,识别活动片段的开始),并且可以基于所采集的用户的位置数据来确定在活动片段开始时的用户的第一地理位置。在该示例中,系统200可以利用在整个活动片段中收集的用户的位置信息以确定活动片段的参数/特性,诸如配速、距离、速度、路线图等。类似地,系统200可以基于所获取的生理数据和/或所获取的位置数据来识别所识别的身体活动的完成(例如,识别活动片段的完成),并且可以基于所获取的用户的位置数据来确定在活动片段结束时用户的第二地理位置。系统200可以利用用户的第一和第二地理位置(例如,开始/结束地理位置)以进一步确定身体活动/活动片段的参数/特性(例如,路线图、行进的距离等)。
在一些情况下,所识别的活动片段/身体活动的参数/特性可以取决于该身体活动的分类(例如,类型)。例如,如果系统200检测到用户在身体活动期间行进两英里,则计算出的身体活动的卡路里消耗可基于用户是步行、跑步、骑行还是游泳而显著地不同。就这一点而言,系统200可以接收/生成针对所识别的活动片段的活动分类数据,并且可以基于活动分类数据来确定针对所识别的活动片段的参数/特性。活动分类数据可以包括分类的活动类型(例如,步行、跑步、骑行、游泳),以及与每个相应的分类的活动类型相关联的置信度水平(例如,置信度值/度量)。
例如,用户设备106可以从指环104接收生理数据,并且可以将该生理数据传输至服务器110进行处理。用户设备106可另外将用户的位置数据发送到服务器110。在该示例中,服务器110可以基于生理数据和/或位置数据来识别用户正在进行身体活动(例如,识别活动片段)。服务器110可以基于生理数据和/或位置数据来另外生成活动片段的活动分类数据。即,服务器110可基于生理数据和/或位置数据来确定用户进行不同分类的活动类型的相对置信度水平。例如,服务器110可以确定用户正在行走的90%置信度水平、用户正在骑行的74%置信度水平、以及用户正在游泳的10%置信度水平。就这一点而言,系统200可以基于活动分类数据来确定活动片段的参数。在一些情况下,服务器110可以利用一个或更多个经训练的分类器,该一个或更多个经训练的分类器被配置成用于基于所接收的生理数据和位置数据来识别活动片段、活动片段分类等。在一些情况下,系统200可基于具有最高置信度水平的已分类活动类型(例如,基于最可能的活动类型)确定活动片段的参数/特性(例如,燃烧的卡路里、强度)。
系统200可以利用生理数据和位置数据两者来确定活动分类数据。例如,系统200可以基于获取的生理数据来识别用户进行身体活动。在该示例中,如果系统200利用用户的位置数据识别出用户以18mph的配速行进,则系统200可以确定与步行或跑步相比用户更有可能在骑行,并且因此可以基于位置数据和所确定的配速来生成活动分类数据(例如,分类的活动类型和对应的置信度水平)。就这一点而言,与一些常规活动跟踪技术相比,本文所述的基于位置的活动跟踪技术可实现更高效和精确的活动分类。
作为另一个示例,系统200可以基于所获取的生理数据(例如,增加的心率、增加的温度、增加的呼吸率)识别用户进行身体活动,但可以识别用户的位置保持相同(或基本上相同)。在这个实例中,系统200可以识别用户正在室内跑步或骑行,诸如在跑步机或固定自行车上,而不是在室外跑步/骑行。可以利用关于身体活动是在室内还是室外发生的确定来提供更准确和深入的数据,诸如更准确的卡路里消耗确定、更准确的活动分类等。作为另一示例,系统200可识别出用户进行身体活动以及用户的位置以50米长的向下和向后模式连续改变。在该示例中,系统200可以利用位置数据来确定用户可能正在游泳。类似地,如果系统200识别出用户进行身体活动并且用户的海拔正在实质性地改变,则系统200可以识别出用户正在滑雪或滑板滑雪。就这一点而言,与一些常规活动跟踪技术相比,本文所述的基于位置的活动跟踪技术可实现更高效和精确的活动分类。
在一些实现方式中,在基于所获取的用户的生理数据和/或位置数据识别用户的活动片段时,系统200可以向用户显示活动片段的指示。例如,服务器110可以使得用户设备106经由GUI 275显示所识别的活动片段的指示。这可以参考图3进一步示出和描述。
图3示出了根据本公开的各方面的支持用于基于位置的活动跟踪的技术的GUI300的示例。GUI 300可以实现系统100、系统200或两者的各方面,或由它们实现。例如,GUI300可以包括图2中所示的用户设备106的GUI 275的示例。
图3中示出的GUI 300示出了可以经由GUI 300(例如,图2中示出的GUI 275)显示给用户的一系列应用页面305。具体地,在识别出用户的活动片段时,应用页面305-a可在用户下一次打开可穿戴应用250时经由用户设备106的GUI 275被呈现给用户。
如图3所示,应用页面305-a可以包括菜单310、活动片段卡315、活动目标进度卡320和活动列表325。经由应用页面305-a显示的菜单310可使得用户能够导航以查看可穿戴应用250的不同应用页面(例如,主页、准备度分数、睡眠分数、活动分数)。活动目标进度卡320可相对于用户的一天的卡路里消耗目标显示用户的相应一天(例如,当前睡眠日)的消耗的总卡路里。活动目标进度卡320还可以显示用户所计算的当前睡眠日的活动分数,以及用户的“非活动时间”,其指示用户在当前睡眠日已经不活动的持续时间。
此外,GUI 300可以显示由系统200所识别的用户的活动片段的指示。例如,应用页面305-a可以显示所识别的活动片段(例如,步行活动片段)的活动片段卡315的指示。如图3所示,活动片段卡可以包括活动片段开始的时间(下午7:09)、活动片段结束的时间、所识别的活动片段的持续时间(52分钟)以及在所识别的活动片段期间的估计卡路里消耗。在一些情况下,活动片段卡315可以显示与最高置信度水平相关联的活动分类/类型(例如,步行),如本文之前所描述的。换言之,在活动片段卡315内显示的数据(例如,分类的活动类型、燃烧的卡路里、强度)可基于所识别的活动片段的最可能分类的活动类型。经由活动片段卡315显示的所识别的活动片段的参数/特性可以基于在活动片段期间从用户获取的生理数据、在活动片段期间针对用户的位置数据或者这两者来确定。
在一些实现方式中,用户可以能够经由活动片段卡315确认、解散、和/或编辑所识别的活动片段。例如,如应用页面305-a中所示,用户能够选择“确认”用户界面元素,在这种情况下,所识别的活动片段(例如,步行活动片段)可以被添加到应用页面305-a中的活动列表325中。对此,用户可以能够输入活动片段的确认。在确认了所识别的活动片段时,活动片段可被添加到活动列表325,其中用户可查看和/或编辑活动片段的附加参数/特性。
在一些方面,系统200可以接收从用户接收的输入以进一步训练和改进用于活动跟踪的分类器。例如,当接收到活动片段的确认(例如,经由用户选择“确认”)时,系统200可以将所接收的确认输入到分类器(例如,监督学习)中以进一步训练分类器。类似地,在用户编辑活动片段的特性(例如,编辑活动片段的持续时间、编辑路线、编辑活动片段分类)的情况下,所接收的用户编辑可以输入到分类器中以进一步训练分类器以改善未来活动片段的未来标识。
在一些情况下,与活动列表325内包括的活动片段相关联的数据可以用于调整用户的分数(例如,活动分数、准备度分数)、调整在活动目标进度卡320内显示的数据(例如,燃烧的活跃卡路里、活动分数)等。例如,在确认经由活动片段卡315显示的步行活动片段时,与步行活动片段相关联的数据(例如,燃烧的卡路里、步行持续时间)可用于更新用户的活动分数、准备度分数、非活动时间和用户针对相应睡眠日的其他分数/参数。
在其他情况下,用户可能够选择“编辑”用户界面元素,该用户界面元素可使得用户能够编辑所识别的活动片段的一个或更多个特性,诸如开始/停止时间、持续时间、强度(例如,容易、适中、硬)、所识别的活动片段的分类(例如,经分类的活动类型)等。换言之,用户可能能够选择性地修改所识别的活动片段的参数/特性(例如,检测到的身体活动)。
例如,在选择活动片段卡315中的“编辑”按钮或选择活动列表315内的活动片段时,GUI 300可以显示所选择的活动片段的一个或更多个潜在分类活动类型,并且用户可以能够选择正确的分类活动类型。在由用户选择的分类活动类型不同于所显示的活动类型(例如,不同于具有最高置信度水平的分类活动类型)的情况下,系统200可以基于所选择的活动类型来重新计算活动片段的参数/特性,并且经由GUI 300显示重新计算的参数。
在另外的或替代的情况下,系统200可自动识别用户进行身体活动而无需来自用户的输入。例如,系统200可以基于生理数据和/或位置数据并且在没有从用户接收任何用户输入的情况下识别用户的活动片段。在这样的情况下,识别的活动片段可被直接添加到确认的活动列表325,如应用页面305-a中所示。换言之,系统200可被配置为在没有从用户接收手动用户输入的情况下识别和跟踪用户的活动片段。
在用户手动地确认活动片段(例如,通过在活动片段卡315中选择“确认”)的情况下,系统200可以被配置成用于基于活动片段被首次识别的时间而不是用户确认该活动片段的时间来确定所识别的活动片段的参数/特性。也就是说,系统200可以从活动片段开始的时间而不是用户确认活动片段的时间起计算所识别的活动片段的距离、时间、卡路里消耗和其他参数。此外,如本文中先前指出的,检测到的活动片段的确认可以用于进一步训练分类器(例如,机器学习分类器),所述分类器被配置成用于识别活动片段,并且确定活动片段的特性。
例如,系统200可以识别用户正在步行,并且可以在应用页面305-a上显示活动片段卡315。在该示例中,用户可在步行十分钟时打开用户设备106的可穿戴应用250以确认步行(例如,经由活动片段卡315),并且可步行额外的二十分钟(例如,三十分钟步行活动片段)。在这个实例中,系统200可以被配置成用于基于系统200首次识别步行的时间(与用户确认步行的时间相比)确定步行的持续时间(例如,30分钟)、步行的卡路里消耗、和步行的其他参数。即,系统200可以基于用户开始步行的时间来计算三十分钟步行的参数,而不是从用户确认步行的时间开始二十分钟步行。换言之,系统200可以使用在活动片段的开始和接收到确认的时间之间收集的生理数据和位置数据来计算活动片段的参数。
相比之下,某些其他活动跟踪设备仅从用户确认相应活动片段的时间起计算所识别的活动片段的参数/特性。此类技术可导致不准确的活动跟踪,因为这些技术可省略或以其他方式忽视在确认活动片段之前发生的身体活动。照此,本文描述的活动跟踪技术可导致更准确和高效的活动跟踪。
在一些实现方式中,系统200还可以在没有来自用户的输入的情况下自动检测所识别活动片段的完成。例如,在一些情况下,系统200可以识别用户的温度和心率都在降低,并且因此可以自动识别活动片段的完成。换言之,系统200可利用从指环104收集的生理数据来自动确定用户不再进行身体活动。作为另示例,系统200可以识别用户正在跑步(例如,跑步活动片段),并且可以随后确定用户的位置在阈值时间段内保持不变(例如,用户没有移动),或者用户位置的变化率小于某个阈值(例如,用户以低配速移动)。在该示例中,系统200可以基于位置数据确定用户不再跑步,并且因此可以自动识别活动片段的完成。因此,系统200可以利用生理数据、位置数据或两者来自动识别所识别的活动片段的完成。
相比之下,一些常规可穿戴设备可能需要用户手动地指示锻炼结束。例如,在用一些常规可佩戴设备完成跑步时,用户可能必须手动选择“结束跑步”以完成并确认锻炼。然而,用户通常忘记手动地指示他们的锻炼的完成。在这样的情况下,一些常规的可穿戴设备可能连续地跟踪用户的运动等,并且将收集的数据错误地归属为“锻炼”的一部分,即使在用户实际上完成锻炼之后很久。这种错误的活动跟踪可继续,直到用户注意到他们的“锻炼”仍然被跟踪。这可导致不准确的活动跟踪,因为设备可大大高估锻炼持续时间或在锻炼期间燃烧的卡路里,或低估平均配速等。照此,通过基于所采集的生理数据和/或位置数据自动识别锻炼的完成(例如,活动片段的完成),本公开的各方面可提供更高效和精确的活动监测。
在一些方面,用户可能够选择活动片段卡315和/或活动列表325内的活动片段以查看与所选活动片段相关联的附加信息。例如,在选择在应用页面305-a的活动列表325中显示的跑步活动片段时,GUI 300(例如,图2中的用户设备106的GUI 275)可显示示出了所选择的活动片段的“锻炼细节”的应用页面305-b。
应用页面305-b可以显示与运行活动片段相关联的一个或更多个参数或特性。例如,应用页面305-b可以包括显示分类的活动类型(例如,跑步)和活动片段的定时(例如,开始时间、结束时间)的活动片段概要卡330。应用页面305-b可以进一步包括显示活动片段的不同参数/特性的活动参数卡335。例如,活动参数卡335-a示出活动片段的持续时间,活动参数卡335-b示出在活动片段期间燃烧的卡路里的量(例如,燃烧的活动卡路里),活动参数卡335-c示出用户在跑步活动片段期间跑步的距离,并且活动参数卡335-c示出整个活动片段的平均配速。
应用页面305-b可以附加地包括路线图卡340,该路线图卡示出了贯穿该活动片段的用户路线。路线图可示出用户的起始和结束地理位置以及用户的总体路线,这些可基于用户的位置数据来确定。在一些情况下,路线图可以与活动片段的位置的地理地图重叠或以其他方式组合。例如,路线图可覆盖在从谷歌地图或另一地图应用程序产生或检索的地理地图之上。
在一些方面,位置信息(例如,路线图卡340)可被输入到本文中所描述的活动跟踪分类器中以改进未来活动片段的标识。具体地,使用位置信息训练分类器,位置信息可以由分类器利用以改进活动片段识别,并且导致对活动片段特性的更准确确定(例如,对所燃烧的卡路里、活动片段的类型、锻炼路线等的更准确确定)。例如,用户可以每天跑步,并且通常可以沿着三条不同的路线跑步。在本示例中,系统200可以训练机器学习分类器以基于所获取的生理数据和位置数据来识别用户的锻炼(例如,识别用户何时正在跑步)。进一步地,由用户接收的确认和编辑(例如,用户对于检测到的跑步选择“确认”)可以用于进一步训练和细化分类器以改进活动跟踪。在该示例中,分类器可被配置为将用户的位置和路线与跑步活动片段相关联。即,当用户的位置沿着那三条路线之一移动时,机器学习分类器可以“学习”用户通常跑步。进一步,通过识别所学习的路线通常与用户的跑步锻炼相关联,分类器可以能够以更高的准确性和/或置信度分数来预测沿着这些路线的跑步锻炼。
类似地,对于通常进行室内骑行锻炼的用户,系统200可以被配置成用于训练分类器以识别该用户的锻炼。可使用获取的生理数据、位置数据和从用户接收的输入(例如,锻炼确认、锻炼编辑)来训练分类器。在该示例中,如果用户的位置保持恒定(例如,在用户家中保持恒定)并且用户的生理数据指示用户进行生理活动,分类器可“学习”用户可能进行骑行锻炼。就这一点而言,分类器可能能够更准确地识别用户的活动片段,可能能够更好地区分活动片段与非活动片段,并且可能能够更准确地分类和识别用于所识别的活动片段的参数。
应用页面305-b可以附加地包括活动强度卡345,该活动强度卡345可以说明贯穿所识别的活动片段的身体活动的相对强度。活动强度卡345还可以指示活动片段的相对强度。例如,在应用页面305-b中示出的活动强度卡345指示针对跑步活动片段的“中等”强度,其可以基于所获取的生理数据、位置数据或两者来确定。
针对每个相应活动片段确定的并且经由应用页面305显示给用户的不同参数/特性可以基于相应分类活动类型而变化。例如,对于跑步活动片段,应用页面305-b可经由活动参数卡335以及路线图卡340显示跑步活动片段的持续时间、燃烧的活跃卡路里、距离和平均配速。相比较而言,对于徒步活动片段,应用页面305-b可以显示活动片段的爬高,而不是平均配速或某个其他参数。例如,GUI 300可以显示用于徒步活动片段的海拔图,其图示了在整个活动片段中随时间推移的用户海拔。
此外,在一些实现方式中,用户能够为不同类型的分类活动类型定制在应用页面305-b中示出的“锻炼细节”。具体地,用户可能够针对每个相应的分类活动类型选择要显示哪些参数/特性。例如,用户可以选择要针对跑步活动片段显示的第一组参数(例如,持续时间、燃烧的卡路里、距离、平均配速、最高速度、分段计时/配速、海拔调节后的配速),和要针对徒步活动片段显示的第二组参数(例如,持续时间、距离、爬高)。
系统200内的位置数据的收集和使用可以实现改进的活动跟踪,并且可以实现其他唯一特征和使用情况。当随着时间推移收集和分析给定用户的位置数据时(例如,在基于位置的活动跟踪的上下文中),系统200可能能够通过用更多上下文来补充加速度计数据(例如,用户在本地道路上骑行,还是在拥挤的公路上行驶?)以及通过添加对用户位置的语义理解(例如,用户在家还是健身房?),来提高活动片段预测和活动片段分析的质量。此外,随着系统200收集用户的位置数据,系统200可能够更高效地区分室内锻炼和室外锻炼,例如室内动感单车课和骑行到办公室。
此外,对用户位置数据的收集和分析可以实现宽范围的附加功能和用例,这些功能和用例可以用于改进系统200执行的其他功能,如睡眠跟踪。可以通过为用户收集位置数据来启用的附加功能可以包括时差预测和准备、夏令预测和准备、海拔/高原病预测和准备、阳光/日落的确定(其可以用于调整睡觉时间和醒来时间建议)、空气质量警报、天气警报和影响等。
此外,在一些方面中,用户的位置数据的收集和分析可以实现有关用户的活动分数、准备度分数、用力和总体健康的有帮助和更有洞察力的洞察和指导。具体地,通过利用位置数据,系统200可能能够更准确地确定给定用户的生理数据和分数(例如,睡眠分数、准备度分数、活动分数)是否归因于用户的整体活动和睡眠,或者与位置相关联的特性(例如,海拔、时间变化、时差)是否已经在用户的生理数据和相应分数中起到了作用。
例如,用户可以从处于低到中等海拔的他们的家中行进到山上(例如,高海拔),并且可以在山中锻炼。在该示例中,用户的生理数据(例如,HRV、心率、呼吸率)可建议,或以其他方式导致较差的睡眠和准备度分数,这是由于较高的海拔和较高海拔下的较低氧含量导致的。即使用户可能已经睡觉或以其他方式恢复良好,异常生理数据可以指示他们的身体正由于外部因素(例如,较高的海拔)而不是内部因素而挣扎。因此,通过结合其他数据(例如,从用户收集的生理数据)分析用户的位置,系统200可能能够确定用户的异常生理数据(以及因此降低的睡眠/准备度分数)可能是由于用户从低/中海拔行进至较高海拔,而不是由于例如过度训练、恢复不足或其他内部因素引起的。此外,在较高的海拔处,与较低的海拔相比,用户可能必须付出更艰苦的努力(例如,与较低的海拔相比,在较高的海拔处跑一英里更困难)。在这样的情况下,系统200可能够基于用户的位置数据选择性地调整睡眠/准备度分数(例如,基于用户在较高海拔处执行活动而选择性地增加用户的活动分数)。
另外地或可替代地,系统200可以被配置成用于向用户提供关于较高海拔对用户的生理数据和/或分数的潜在影响的更深入的消息传递。例如,系统200可以显示陈述“你的睡眠和准备度分数低于平常”的消息。这可能是由于行进到更高的海拔所倒置。”本文描述的位置分析技术还可提供与活动和用力相关的更深入的消息传递,诸如确认在较高海拔执行的活动可导致较高卡路里消耗、较高活动分数等的消息。
在一些实现方式中,系统200可以请求许可访问用户的位置数据,并且可以仅在相应用户已经确认或批准位置跟踪时开始跟踪用户的位置数据。这可以参考图4进一步示出和描述。
图4示出了根据本公开的各方面的支持用于基于位置的活动跟踪的技术的GUI400的示例。GUI 300可以实现系统100、系统200或两者的各方面,或由它们实现。例如,GUI400可以包括图2中所示的用户设备106的GUI 275的示例。
图4中的GUI 400示出了可以经由GUI 400(例如,图2中所示的GUI 275)显示给用户的一系列应用页面405。具体地,图4中示出的应用页面405可以说明当请求访问以跟踪用户的位置数据时经由用户设备106的GUI 275显示给用户的应用页面。
例如,用户可将他们的用户设备106上的可穿戴应用250更新为支持位置跟踪的可穿戴应用250的版本,并且随后可执行锻炼(例如,活动片段)。当在锻炼之后打开可穿戴应用250时,用户可被呈现有应用页面405-a,该应用页面405-a示出已检测到锻炼(例如,活动片段)。在确认应用页面405-a上显示的活动片段/锻炼时,GUI400可显示应用页面405-b。附加地或可替代地,在其中活动片段/锻炼由系统200自动检测的情况下,应用页面405-b可在锻炼之后首次打开可穿戴应用250时被显示给用户。
应用页面405-b示出了信息卡,该信息卡描述了位置跟踪可以如何用于补充和改进由系统200执行的活动跟踪特征。用户可以能够经由应用页面405-b选择退出或确认/批准位置跟踪特征(例如,选择“不,谢谢”或“继续”)。
在用户批准位置跟踪特征的情况下(例如,在应用页面405-b上选择“继续”),GUI400可以显示应用页面405-c。应用页面405-c可以包括与用户设备106相关联的系统级许可提示,其中用户可以再次选择退出或确认/批准位置跟踪特征。与可请求对可穿戴应用250跟踪用户的位置的许可的应用页面405-b中所示的提示相比,应用页面405-c中所示的提示可包括由用户设备106的操作系统生成的请求。在一些实现方式中,仅在用户经由应用页面405-b、应用页面405-c或两者确认/批准位置跟踪特征的使用的情况下,系统200才可以开始跟踪用户的位置数据。
在一些方面中,应用页面405-a、405-b和405-c的使用可以通过使得用户能够准确地知道可以如何使用他们的位置数据来确保用户隐私性。应用页面405可以包括表明用户的位置数据将不与第三方或其他用户共享的信息以及关于位置数据将如何被使用的其他信息。例如,应用页面405可以包括附加的提示或请求:用户的位置数据被用在匿名化研究中以改进系统200执行的不同功能和特征。在用户拒绝系统200跟踪其位置数据的情况下,用户可能能够稍后经由用户设备106(例如,经由可穿戴应用250)选择加入位置跟踪特征。相反,选择加入位置跟踪特征的用户可能能够稍后经由用户设备106选择退出。
图5示出了根据本公开的各方面的设备505的框图500,该设备支持用于基于位置的活动跟踪的技术。在一些方面中,设备505可以包括用户设备106的实例,如参照图1至图4所示出和描述的。设备505可以包括输入模块510、输出模块515和可穿戴应用520。设备505还可包括处理器。这些组件中的每一个可彼此通信(例如,经由一个或更多个总线)。
输入模块510可以提供一种用于接收与不同信息信道(例如,控制信道、数据信道、与疾病检测技术相关的信息信道)相关联的信息(如分组、用户数据、控制信息、或其任何组合)的装置。信息可以被传递到设备505的其他组件。输入模块510可以利用单个天线或一组多个天线。
输出模块515可以提供一种用于传输由设备505的其他组件生成的信号的装置。例如,输出模块515可以传输与各个信息信道(例如,控制信道、数据信道、与疾病检测技术相关的信息信道)相关联的信息,如分组、用户数据、控制信息、或其任何组合。在一些示例中,输出模块515可以在收发机模块中与输入模块510共置。输出模块515可以利用单个天线或一组多个天线。
例如,可穿戴应用520可以包括数据获取组件525、活动片段组件530、位置数据组件535、用户接口组件540、或其任何组合。在一些示例中,可穿戴应用520或其各个组件可以被配置为使用输入模块510、输出模块515或两者或以其他方式与输入模块510、输出模块515或两者协作来执行不同操作(例如,接收、监控、传输)。例如,可穿戴应用520可以从输入模块510接收信息、向输出模块515发送信息、或与输入模块510、输出模块515、或两者结合集成以接收信息、传输信息、或执行本文描述的各个其他操作。
根据本文所公开的示例,可穿戴应用520可以支持自动活动检测。数据获取组件525可以被配置为或以其他方式支持用于从可穿戴设备接收与用户相关联的生理数据的装置。活动片段组件530可以被配置为或以其他方式支持用于至少部分地基于生理数据来识别用户进行身体活动的活动片段的装置。位置数据组件535可以被配置为或以其他方式支持用于针对活动片段的至少一部分识别与用户相关联的位置数据的装置。活动片段组件530可以被配置为或以其他方式支持用于至少部分地基于生理数据和位置数据来识别与身体活动相关联的一个或更多个参数的装置。用户接口组件540可以被配置为或以其他方式支持用于使得用户设备的GUI显示与身体活动相关联的一个或更多个参数的装置。
图6示出了根据本公开的各方面的支持用于基于位置的活动跟踪的技术的可穿戴应用620的框图600。可穿戴应用620可以是如本文所描述的可穿戴应用或可穿戴应用520或两者的方面的示例。可穿戴应用620或其不同组件可以是用于执行如本文所述的基于位置的活动跟踪的各个方面的装置的示例。例如,可穿戴应用620可以包括数据获取组件625、活动片段组件630、位置数据组件635、用户接口组件640、用户输入组件645或其任何组合。这些组件中的每个可直接或间接地彼此通信(例如,经由一个或更多个总线)。
根据本文公开的示例,可穿戴应用620可以支持自动活动检测。数据获取组件625可以被配置为或以其他方式支持用于从可穿戴设备接收与用户相关联的生理数据的装置。活动片段组件630可被配置为或以其他方式支持用于至少部分地基于生理数据来识别用户在期间进行身体活动的活动片段的装置。位置数据组件635可以被配置为或以其他方式支持用于针对活动片段的至少一部分识别与用户相关联的位置数据的装置。在一些示例中,活动片段组件630可以被配置为或以其他方式支持用于至少部分地基于生理数据和位置数据来识别与身体活动相关联的一个或更多个参数的装置。用户接口组件640可被配置为或以其他方式支持用于使得用户设备的GUI显示与身体活动相关联的一个或更多个参数的装置。
在一些示例中,用户接口组件640可以被配置为或以其他方式支持用于使得用户设备的GUI显示活动片段的指示的装置。在一些示例中,用户输入组件645可以被配置为或以其他方式支持用于经由用户设备并且响应于活动片段的指示接收活动片段的确认的装置,其中使GUI显示与身体活动相关联的一个或更多个参数是至少部分地基于接收到确认的。
在一些示例中,为了支持识别与身体活动相关联的一个或更多个参数,活动片段组件630可以被配置为或以其他方式支持用于至少部分地基于与活动片段的开始与确认的接收之间的活动片段的一部分相关联的生理数据和位置数据来识别与身体活动相关联的一个或更多个参数的装置。
在一些示例中,活动片段组件630可以被配置为或以其他方式支持用于至少部分地基于所接收的生理数据来自动标识活动片段的完成的装置,其中致使GUI显示与身体活动相关联的一个或更多个参数是至少部分地基于自动识别活动片段的完成的。
在一些示例中,用户输入组件645可被配置成或以其他方式支持用于经由用户设备接收选择性地修改与身体活动相关联的一个或更多个参数中的至少一个参数的用户输入的装置。
在一些示例中,与身体活动相关联的一个或更多个参数包括身体活动的类型、活动片段的持续时间、用户在活动片段期间行进的距离、用户在活动片段期间的海拔变化、用户在活动片段期间燃烧的卡路里的量、或其任何组合。在一些示例中,与身体活动相关联的一个或更多个参数包括配速、速度、海拔、路线图、分段时间、海拔调节后的配速、或其任何组合。
在一些示例中,位置数据组件635可以被配置为或以其他方式支持用于识别用户在活动片段开始时的第一地理位置和用户在活动片段结束时的第二地理位置的装置,其中识别与身体活动相关联的一个或更多个参数是至少部分地基于第一地理位置、第二地理位置或两者。
在某些示例中,活动片段组件630可以被配置为或以其他方式支持用于从服务器接收与该活动片段相关联的活动分类数据的装置,该活动分类数据包括多个分类的活动类型和相应的置信度值,这些置信度值指示与该相应的分类的活动类型相关联的置信度水平,其中识别与该身体活动相关联的一个或更多个参数是至少部分地基于接收该活动分类数据的。
在一些示例中,用户接口组件640可以被配置为或以其他方式支持用于至少部分地基于接收所述活动分类数据而使所述用户设备的所述GUI显示所述多个分类活动类型中的一个或更多个分类活动类型的装置。在一些示例中,用户输入组件645可以被配置为或以其他方式支持用于经由用户设备并且响应于显示一个或更多个分类活动类型来接收对一个或更多个分类活动类型中的分类活动类型的选择的装置,其中识别与身体活动相关联的一个或更多个参数是至少部分地基于接收到该选择的。
在一些示例中,生理数据包括温度数据、加速度计数据、心率数据、呼吸率数据、或其任何组合。在一些示例中,可穿戴设备包括可穿戴指环设备。在一些示例中,可穿戴设备使用动脉血流量从用户收集生理数据。
图7示出了根据本公开的各方面的包括支持用于基于位置的活动跟踪的技术的设备705的系统700的示图。设备705可以是如本文所描述的设备505的组件的示例或包括如本文所描述的设备505的组件。设备705可包括用户设备106的示例,如本文前面参考图1-6所描述的。设备705可以包括用于与可穿戴设备(例如,指环104)和服务器110双向通信的组件,包括用于发送和接收通信的组件,诸如可穿戴应用720、通信模块710、天线715、用户接口组件725、数据库(应用数据)730、存储器735和处理器740。这些组件可以经由一条或多条总线(例如,总线745)进行电子通信或以其他方式耦合(例如,操作性地、通信地、功能地、电子地、电气地)。
通信模块710可以经由天线715来管理用于设备705的输入和输出信号。通信模块710可以包括在图2中示出和描述的用户设备106的通信模块220-b的示例。在这方面,通信模块710可以管理与指环104和服务器110的通信,如图2所示。通信模块710还可以管理未集成到设备705中的外围设备。在一些情况下,通信模块710可以表示到外部外围设备的物理连接或端口。在一些情况下,通信模块710可以利用操作系统,如
或另一种已知的操作系统。在其他情况下,通信模块710可以表示可穿戴设备(例如,指环104)、调制解调器、键盘、鼠标、触摸屏或类似设备或者与其进行交互。在一些情况下,通信模块710可以被实现为处理器740的一部分。在一些示例中,用户可以经由通信模块710、用户接口组件725或经由由通信模块710控制的硬件组件来与设备705交互。
在一些情况下,设备705可包括单个天线715。然而,在一些其他情况下,设备705可具有一个以上天线715,所述天线715可能能够同时发射或接收多个无线发射。通信模块710可以经由一个或更多个天线715、如本文所述的有线链路或无线链路进行双向通信。例如,通信模块710可表示无线收发器并且可与另一无线收发器双向通信。通信模块710还可以包括调制解调器,所述调制解调器用于对分组进行调制、将经调制的分组提供给一个或更多个天线715以供传输、以及对从一个或更多个天线715接收到的分组进行解调。
用户接口组件725可以管理数据库730中的数据存储和处理。在一些情况下,用户可以与用户接口组件725交互。在其他情况下,用户接口组件725可以在没有用户交互的情况下自动操作。数据库730可以是单个数据库、分布式数据库、多个分布式数据库、数据商店、数据湖或紧急备份数据库的示例。
存储器735可以包括RAM和ROM。存储器735可存储包括指令的计算机可读、计算机可执行软件,所述指令在被执行时致使处理器740执行本文描述的各种功能。在某些情况下,除了其他之外,存储器735可以包含基本I/O系统(BIOS),该基本I/O系统可以控制基本硬件或软件操作,如与外围组件或设备的交互。
处理器740可以包括智能硬件设备(例如,通用处理器、数字信号处理器(DSP)、中央处理单元(CPU)、微控制器、专用集成电路(ASIC)、现场可编程门阵列(FPGA)、可编程逻辑器件、分立的门或晶体管逻辑组件、分立的硬件组件、或其任何组合)。在一些情况下,处理器740可以被配置为使用存储器控制器来操作存储器阵列。在其他情况下,存储器控制器可以被集成到处理器740中。处理器740可被配置为执行存储在存储器735中的计算机可读指令以执行各种功能(例如,支持用于睡眠分期算法的方法和系统的功能或任务)。
根据本文所公开的示例,可穿戴应用720可以支持自动活动检测。例如,可穿戴应用720可以被配置为或以其他方式支持用于从可穿戴设备接收与用户相关联的生理数据的装置。可穿戴应用720可以被配置为或以其他方式支持用于至少部分地基于生理数据来识别用户进行身体活动的活动片段的装置。可穿戴应用720可以被配置为或以其他方式支持用于对于活动片段的至少一部分识别与用户相关联的位置数据的装置。可穿戴应用720可以被配置为或以其他方式支持用于至少部分地基于生理数据和位置数据来识别与身体活动相关联的一个或更多个参数的装置。可穿戴应用720可以被配置为或以其他方式支持用于使得用户设备的GUI显示与身体活动相关联的一个或更多个参数的装置。
根据如本文所描述的示例,通过包括或配置可穿戴应用720,设备705可以支持用于改进的活动检测的技术。具体地,本文描述的技术可以通过利用与检测到的活动相关联的位置数据来促进改善的活动数据跟踪。通过利用位置数据来改进活动跟踪,本文所述的技术可向用户提供关于其活动的更准确和有用的信息,这可促进增加的用户活动和参与,并促进更高效的活动训练程序。
可穿戴应用720可以包括被配置成用于促进与指环104、服务器110、其他用户设备106等的通信的应用程序(例如,“应用”)、程序、软件或其他组件。例如,可穿戴应用720可以包括可在用户设备106上执行的应用,用户设备106被配置为从指环104接收数据(例如,生理数据),对所接收的数据执行处理操作,利用服务器110发送和接收数据,并且导致向用户102呈现数据。
图8示出了根据本发明的各方面的支持用于基于位置的活动跟踪的技术的方法800的流程图。方法800的操作可由如本文描述的用户设备或其组件实施。例如,方法800的操作可由如参考图1至图7所描述的用户设备执行。在一些示例中,用户设备可执行一组指令以控制用户设备的功能元件执行所描述的功能。另外或替代地,用户设备可使用专用硬件执行所描述功能的方面。
在805处,该方法可以包括:从可穿戴设备接收与用户相关联的生理数据。805的操作可根据如本文所公开的示例来执行。在一些示例中,805的操作的方面可以由如参考图6所描述的数据获取组件625执行。
在810处,所述方法可以包括:至少部分地基于所述生理数据来识别活动片段,在活动片段期间,所述用户进行身体活动。810的操作可根据如本文所公开的示例来执行。在一些示例中,810的操作的方面可以由如参考图6所描述的活动片段组件630执行。
在815处,该方法可以包括:针对活动片段的至少一部分识别与用户相关联的位置数据。815的操作可根据如本文所公开的示例来执行。在一些示例中,815的操作的方面可以由如参见图6所描述的位置数据组件635执行。
在820处,该方法可以包括:至少部分地基于该生理数据和该位置数据来识别与该身体活动相关联的一个或更多个参数。820的操作可根据如本文所公开的示例来执行。在一些示例中,820的操作的方面可以由如参考图6所描述的活动片段组件630执行。
在825处,该方法可包括:使用户设备的GUI显示与身体活动相关联的一个或更多个参数。可根据如本文中所公开的示例来执行825的操作。在一些示例中,825的操作的方面可以由如参考图6所描述的用户接口组件640执行。
图9示出了流程图,该流程图示出了根据本公开的各方面的方法900,该方法支持用于基于位置的活动跟踪的技术。方法900的操作可以由如本文所述的用户设备或其组件来实现。例如,方法900的操作可以如参考图1至图7所描述的由用户设备执行。在一些示例中,用户设备可执行一组指令以控制用户设备的功能元件执行所描述的功能。另外或替代地,用户设备可使用专用硬件执行所描述功能的方面。
在905处,该方法可以包括:从可穿戴设备接收与用户相关联的生理数据。905的操作可根据如本文所公开的示例来执行。在一些示例中,905的操作的方面可以由如参考图6所描述的数据获取组件625执行。
在910处,该方法可以包括至少部分地基于该生理数据来识别用户在期间进行身体活动的活动片段。910的操作可根据如本文所公开的示例来执行。在一些示例中,910的操作的方面可以由如参考图6所描述的活动片段组件630执行。
在915处,该方法可包括:针对活动片段的至少一部分识别与用户相关联的位置数据。915的操作可以根据如本文所公开的示例来执行。在一些示例中,915的操作的方面可以由如参考图6所描述的位置数据组件635执行。
在920处,该方法可以包括:至少部分地基于该生理数据和该位置数据来识别与该身体活动相关联的一个或更多个参数。可以根据如本文所公开的示例来执行920的操作。在一些示例中,920的操作的方面可以由如参考图6所描述的活动片段组件630执行。
在925处,该方法可以包括:使得用户设备的GUI显示活动片段的指示。可以根据如本文所公开的示例来执行925的操作。在一些示例中,925的操作的方面可以由如参考图6所描述的用户接口组件640执行。
在930处,该方法可以包括:经由用户设备并且响应于活动片段的指示接收活动片段的确认。930的操作可根据如本文所公开的示例来执行。在一些示例中,930的操作的方面可以由如参考图6所描述的用户输入组件645执行。
在935处,该方法可包括:使用户设备的GUI显示与身体活动相关联的一个或更多个参数,其中至少部分地基于接收该确认使GUI显示与身体活动相关联的一个或更多个参数。935的操作可根据如本文中所公开的示例来执行。在一些示例中,935的操作的方面可由如参考图6所述的用户接口组件640执行。
图10示出了流程图,该流程图示出了根据本公开的各方面的支持用于基于位置的活动跟踪的技术的方法1000。方法1000的操作可由如本文所述的用户设备或其组件实施。例如,方法1000的操作可由如参见图1至图7所述的用户设备执行。在一些示例中,用户设备可执行一组指令以控制用户设备的功能元件执行所描述的功能。另外或替代地,用户设备可使用专用硬件执行所描述功能的方面。
在1005处,该方法可以包括:从可穿戴设备接收与用户相关联的生理数据。可以根据如本文所公开的示例来执行1005的操作。在一些示例中,操作1005的方面可以由如参考图6描述的数据获取组件625执行。
在1010处,所述方法可以包括:至少部分地基于所述生理数据来识别所述用户在期间进行身体活动的活动片段。1010的操作可根据如本文所公开的示例来执行。在一些示例中,1010的操作的方面可以由如参考图6所描述的活动片段组件630执行。
在1015处,该方法可以包括:针对活动片段的至少一部分识别与用户相关联的位置数据。1015的操作可以根据如本文所公开的示例来执行。在一些示例中,1015的操作的方面可以由如参考图6所描述的位置数据组件635执行。
在1020处,该方法可以包括:至少部分地基于该生理数据和该位置数据来识别与该身体活动相关联的一个或更多个参数。1020的操作可根据如本文所公开的示例来执行。在一些示例中,1020的操作的方面可以由如参考图6所描述的活动片段组件630执行。
在1025处,该方法可以包括:至少部分地基于所接收的生理数据来自动地识别该活动片段的完成。可以根据如本文所公开的示例来执行1025的操作。在一些示例中,1025的操作的方面可以由如参考图6所描述的活动片段组件630执行。
在1030处,该方法可以包括:使得用户设备的GUI显示与该身体活动相关联的一个或更多个参数,其中使该GUI显示与该身体活动相关联的一个或更多个参数至少部分地基于自动地识别出该活动片段的完成。1030的操作可根据如本文所公开的示例来执行。在一些示例中,1030的操作的方面可以由如参考图6所描述的用户接口组件640执行。
描述了一种用于自动活动检测的方法。该方法可以包括:从可穿戴设备接收与用户相关联的生理数据;至少部分地基于该生理数据来识别活动片段,在该活动片段期间用户进行身体活动;针对该活动片段的至少一部分识别与用户相关联的位置数据;至少部分地基于该生理数据和该位置数据来识别与该身体活动相关联的一个或更多个参数;以及使得用户设备的GUI显示与该身体活动相关联的一个或更多个参数。
描述了一种用于自动活动检测的装置。该装置可包括处理器、与处理器耦合的存储器、以及存储在存储器中的指令。所述指令可以由所述处理器执行以使所述装置:从可穿戴设备接收与用户相关联的生理数据;至少部分地基于所述生理数据来识别活动片段,在所述活动片段期间,所述用户进行身体活动,针对所述活动片段的至少一部分识别与所述用户相关联的位置数据,至少部分基于所述生理数据和所述位置数据来识别与所述身体活动相关联的一个或更多个参数,以及使得用户设备的GUI显示与所述身体活动相关联的所述一个或更多个参数。
描述了用于自动活动检测的另一个装置。所述装置可以包括:用于从可穿戴设备接收与用户相关联的生理数据的模块;用于至少部分地基于所述生理数据来识别活动片段的模块,在所述活动片段期间所述用户进行身体活动;用于针对所述活动片段的至少一部分识别与所述用户相关联的位置数据的模块,用于至少部分地基于所述生理数据和所述位置数据来识别与所述身体活动相关联的一个或更多个参数的模块,以及用于使得用户设备的GUI显示与身体活动相关联的一个或更多个参数的模块。
描述了一种存储用于自动活动检测的代码的非暂时性计算机可读介质。所述代码可以包括可由处理器执行以进行以下操作的指令:从可穿戴设备接收与用户相关联的生理数据;至少部分地基于所述生理数据来识别活动片段,在所述活动片段期间,所述用户进行身体活动,针对所述活动片段的至少一部分识别与所述用户相关联的位置数据,至少部分地基于所述生理数据和所述位置数据来识别与所述身体活动相关联的一个或更多个参数,以及使得用户设备的GUI显示与所述身体活动相关联的所述一个或更多个参数。
本文描述的方法、装置和非暂时性计算机可读介质的一些示例可以进一步包括用于使得用户设备的GUI显示活动片段的指示并且经由用户设备并且响应于活动片段的指示来接收活动片段的确认的操作、特征、模块或指令,其中使得GUI显示与身体活动相关联的一个或更多个参数可以至少部分地基于接收到该确认。
在本文所描述的方法、装置和非暂时性计算机可读介质的一些示例中,识别与身体活动相关联的一个或更多个参数可以包括用于至少部分地基于与活动片段的开始与确认的接收之间的活动片段的一部分相关联的生理数据和位置数据来识别与身体活动相关联的一个或更多个参数的操作、特征、模块或指令。
在本文所描述的方法、装置和非暂时性计算机可读介质的一些示例中,至少部分地基于所接收的生理数据自动识别所述活动片段的完成,其中使所述GUI显示与所述身体活动相关联的所述一个或更多个参数可至少部分地基于自动识别所述活动片段的完成。
本文描述的方法、装置和非暂时性计算机可读介质的一些示例可以进一步包括用于经由用户设备接收用户输入的操作、特征、模块、或指令,该用户输入选择性地修改与身体活动相关联的一个或更多个参数中的至少一个参数。
在本文所描述的方法、装置和非暂时性计算机可读介质的一些示例中,与身体活动相关联的一个或更多个参数包括身体活动的类型、活动片段的持续时间、用户在活动片段期间行进的距离、用户在活动片段期间的海拔变化、用户在活动片段期间燃烧的卡路里的量、或其任何组合。
在本文所描述的方法、设备和非暂时性计算机可读介质的一些示例中,与身体活动相关联的一个或更多个参数包括配速、速度、海拔、路线图、分段时间、海拔调节后的配速、或其任何组合。
本文描述的方法、装置和非暂时性计算机可读介质的一些示例可以进一步包括用于识别活动片段开始时的用户的第一地理位置和活动片段结束时的用户的第二地理位置的操作、特征、模块或指令,其中识别与身体活动相关联的一个或更多个参数可以至少部分地基于第一地理位置、第二地理位置或两者。
本文所述的方法、设备和非暂时性计算机可读介质的一些实例可进一步包含用于从服务器接收与活动片段相关联的活动分类数据的操作、特征、模块或指令,所述活动分类数据包含多个分类活动类型和对应的置信度值,所述置信度值指示与对应的分类活动类型相关联的置信度水平,其中识别与身体活动相关联的所述一个或更多个参数可至少部分基于接收到所述活动分类数据。
本文描述的方法、装置和非暂时性计算机可读介质的一些示例可以进一步包括用于至少部分地基于接收到该活动分类数据使该用户设备的GUI显示多个分类的活动类型中的一个或更多个分类活动类型以及经由所述用户设备并且响应于显示所述一个或更多个分类活动类型来接收对所述一个或更多个分类活动类型中的分类活动类型的选择的操作、特征、模块、或指令,其中识别与身体活动相关联的一个或更多个参数可以至少部分地基于接收到选择。
在本文所描述的方法、装置和非暂时性计算机可读介质的一些示例中,所述生理数据包括温度数据、加速度计数据、心率数据、呼吸率数据、或其任何组合。
本文所描述的方法、装置和非暂时性计算机可读介质的一些示例中,该可穿戴设备包括可穿戴指环设备。
在本文所描述的方法、装置和非暂时性计算机可读介质的一些示例中,所述可穿戴设备使用基于动脉血流量从所述用户收集所述生理数据。
应注意的是,以上描述的方法描述了可能的实现方式,并且这些操作和步骤可以被重新布置或以其他方式被修改并且其他实现方式是可能的。此外,可以组合来自这些方法中的两种或更多种的方面。
结合附图,本文阐述的描述描述了示例配置并且不表示可以实现或在权利要求书的范围内的所有实例。本文中使用的术语“示例性”是指“用作实例、例子或例证”,而不是“优选的”或“优于其他实例”。具体实施方式包括出于提供对所描述的技术的理解的目的的具体细节。然而,这些技术可以在没有这些具体细节的情况下实践。在一些实例中,公知的结构和设备以框图形式示出,以避免使所描述示例的概念模糊。
在附图中,类似的组件或特征可以具有相同的参考标记。此外,相同类型的各种组件可以通过跟随由短划线指示的参考标记和区别类似组件的第二标记来区分。如果在说明书中仅使用第一参考标记,那么描述适用于具有相同第一参考标记的相似组件中的任一个,而不考虑第二参考标记。
本文所描述的信息和信号可以使用多种不同技术和技艺中的任一种来表示。例如,可通过电压、电流、电磁波、磁场或磁粒子、光场或光粒子或其任何组合来表示贯穿以上描述可参考的数据、指令、命令、信息、信号、位、符号和码片。
结合本文中的本公开所描述的各个说明性框和模块可以用通用处理器、DSP、ASIC、FPGA或其他可编程逻辑器件、分立的门或晶体管逻辑、分立的硬件组件、或被设计成执行本文中所描述的功能的其任何组合来实现或执行。通用处理器可以是微处理器,但是在替代方案中,该处理器可以是任何常规处理器、控制器、微控制器、或状态机。处理器还可实施为计算设备的组合(例如,DSP与微处理器的组合、多个微处理器、结合DSP核心的或以上微处理器,或任何其他此类配置)。
本文描述的功能可以在硬件、由处理器执行的软件、固件、或其任何组合中实现。如果在由处理器执行的软件中实施,那么所述功能可作为一个或更多个指令或代码存储在计算机可读介质上或经由计算机可读介质发射。其他示例和实现方式在本公开和所附权利要求的范围内。例如,由于软件的性质,可以使用由处理器执行的软件、硬件、固件、硬连线、或者这些中的任何的组合来实现上述功能。实现功能的特征也可以在物理上位于各种位置,包括分布,使得功能的部分在不同的物理位置实现。此外,如本文所使用的,包括在权利要求书中,如在项目列表(例如,以诸如“至少一个”或“一个或更多个”的短语开始的项目列表)中使用的“或”指示包含性列表,使得例如,A、B或C中的至少一个的列表意味着A或B或C或AB或AC或BC或ABC(即,A和B和C)。而且,如本文所使用的,短语“基于”不应被解释为引用一组封闭条件。例如,在不背离本公开的范围的情况下,描述为“基于条件A”的示例性步骤可基于条件A和条件B两者。换言之,如本文所使用的,短语“基于”应当以与短语“至少部分地基于”相同的方式来解释。
计算机可读介质包括非暂态计算机存储介质和通信介质两者,通信介质包括促进将计算机程序从一个地方转移至另一个地方的任何介质。非暂态存储介质可为可由通用或专用计算机存取的任何可用介质。作为示例而非限制,非暂态计算机可读介质可包括RAM、ROM、电可擦除可编程ROM(EEPROM)、致密盘(CD)ROM或其他光盘存储、磁盘存储或其他磁存储设备、或可用于携带或存储指令或数据结构形式的期望程序代码装置并且可由通用或专用计算机、或通用或专用处理器访问的任何其他非瞬态介质。而且,任何连接被适当地称为计算机可读介质。例如,如果使用同轴电缆、光纤电缆、双绞线、数字用户线(DSL)或诸如红外、无线电和微波之类的无线技术从网站、服务器或其他远程源传输软件,则同轴电缆、光纤电缆、双绞线、DSL或诸如红外、无线电和微波之类的无线技术包括在介质的定义中。如本文中所使用的磁盘和光盘包括CD、激光光盘、光学光盘、数字多功能光盘(DVD)、软盘和蓝光光盘,其中磁盘通常磁性地再现数据,而光盘使用激光来光学地再现数据。上述的组合也包括在计算机可读介质的范围内。
提供本文的描述以使本领域技术人员能够制作或使用本公开。对本公开的各个修改对本领域技术人员来说将是显而易见的,并且本文中定义的一般原理可应用于其他变型而不背离本公开的范围。由此,本公开不限于本文描述的示例和设计,而是要符合与本文公开的原理和新颖特征一致的最广范围。
Claims (20)
1.一种用于自动活动检测的方法,包括:
从可穿戴设备接收与用户相关联的生理数据;
至少部分地基于所述生理数据来识别活动片段,在所述活动片段期间所述用户进行身体活动;
针对所述活动片段的至少一部分识别与所述用户相关联的位置数据;
至少部分地基于所述生理数据和所述位置数据来识别与所述身体活动相关联的一个或更多个参数;以及
使用户设备的图形用户界面显示与所述身体活动相关联的所述一个或更多个参数。
2.如权利要求1所述的方法,进一步包括:
使所述用户设备的所述图形用户界面显示所述活动片段的指示;以及
经由所述用户设备并且响应于活动片段的指示接收所述活动片段的确认,其中使所述图形用户界面显示与所述身体活动相关联的所述一个或更多个参数至少部分地基于接收到所述确认。
3.如权利要求2所述的方法,其中所述确认在所识别的活动片段的开始之后被接收,其中识别与所述身体活动相关联的所述一个或更多个参数包括:
至少部分地基于与在所述活动片段的开始与所述确认的接收之间的所述活动片段的一部分相关联的生理数据和位置数据,来识别与所述身体活动相关联的所述一个或更多个参数。
4.如权利要求1所述的方法,进一步包括:
至少部分地基于所接收的生理数据自动识别所述活动片段的完成,其中使所述图形用户界面显示与所述身体活动相关联的所述一个或更多个参数至少部分地基于自动识别所述活动片段的完成。
5.如权利要求4所述的方法,进一步包括:
经由所述用户设备接收用户输入,所述用户输入选择性地修改与所述身体活动相关联的所述一个或更多个参数中的至少一个参数。
6.如权利要求1所述的方法,其中与所述身体活动相关联的所述一个或更多个参数包括:所述身体活动的类型、所述活动片段的持续时间、所述用户在所述活动片段期间行进的距离、所述用户在所述活动片段期间的海拔变化、所述用户在所述活动片段期间消耗的卡路里的量、或其任意组合。
7.如权利要求1所述的方法,其中与所述身体活动相关联的所述一个或更多个参数包括配速、速度、海拔、路线图、分段时间、海拔调节后的配速或其任何组合。
8.如权利要求1所述的方法,进一步包括:
识别在所述活动片段的开始处的所述用户的第一地理位置以及在所述活动片段的结束处的所述用户的第二地理位置,其中识别与所述身体活动相关联的所述一个或更多个参数至少部分地基于所述第一地理位置、所述第二地理位置或两者。
9.如权利要求1所述的方法,进一步包括:
从服务器接收与所述活动片段相关联的活动分类数据,所述活动分类数据包括多个分类活动类型和对应的置信度值,所述置信度值指示与对应的分类活动类型相关联的置信度水平,其中识别与所述身体活动相关联的所述一个或更多个参数至少部分地基于接收到所述活动分类数据。
10.如权利要求9所述的方法,进一步包括:
至少部分地基于接收到所述活动分类数据使所述用户设备的所述图形用户界面显示所述多个分类活动类型中的一个或更多个分类活动类型;以及
经由所述用户设备并且响应于显示所述一个或更多个分类活动类型,接收对所述一个或更多个分类活动类型中的分类活动类型的选择,其中识别与所述身体活动相关联的所述一个或更多个参数至少部分地基于接收到所述选择。
11.如权利要求1所述的方法,其中所述生理数据包括温度数据、加速度计数据、心率数据、呼吸率数据或其任意组合。
12.如权利要求1所述的方法,其中所述可穿戴设备包括可穿戴指环设备。
13.如权利要求1所述的方法,其中所述可穿戴设备使用基于动脉血流量从所述用户收集所述生理数据。
14.一种用于自动活动检测的装置,包括:
处理器;
存储器,所述存储器与所述处理器耦接;以及
存储在所述存储器中且能够由所述处理器执行以使所述装置执行以下操作的指令:
从可穿戴设备接收与用户相关联的生理数据;
至少部分地基于所述生理数据来识别活动片段,在所述活动片段期间所述用户进行身体活动;
针对所述活动片段的至少一部分识别与所述用户相关联的位置数据;
至少部分地基于所述生理数据和所述位置数据,来识别与所述身体活动相关联的一个或更多个参数;以及
使用户设备的图形用户界面显示与所述身体活动相关联的所述一个或更多个参数。
15.如权利要求14所述的装置,其中所述指令能够由所述处理器进一步执行以使所述装置:
使所述用户设备的所述图形用户界面显示所述活动片段的指示;以及
经由所述用户设备并且响应于活动片段的指示接收所述活动片段的确认,其中使所述图形用户界面显示与所述身体活动相关联的所述一个或更多个参数至少部分基于接收到所述确认。
16.如权利要求15所述的装置,其中识别与所述身体活动相关联的所述一个或更多个参数的所述指令能够由所述处理器执行以使所述装置:
至少部分地基于与在所述活动片段的开始与所述确认的接收之间的所述活动片段的一部分相关联的生理数据和位置数据,来识别与所述身体活动相关联的所述一个或更多个参数。
17.如权利要求14所述的装置,其中所述指令能够由所述处理器进一步执行以使所述装置:
至少部分地基于所接收的生理数据自动识别所述活动片段的完成,其中使所述图形用户界面显示与所述身体活动相关联的所述一个或更多个参数至少部分地基于自动识别所述活动片段的完成。
18.如权利要求17所述的装置,其中所述指令进一步能够由所述处理器执行以使所述装置:
经由所述用户设备接收用户输入,所述用户输入选择性地修改与所述身体活动相关联的所述一个或更多个参数中的至少一个参数。
19.如权利要求14所述的装置,其中与所述身体活动相关联的所述一个或更多个参数包括:所述身体活动的类型、所述活动片段的持续时间、所述用户在所述活动片段期间行进的距离、所述用户在所述活动片段期间的海拔变化、所述用户在所述活动片段期间消耗的卡路里的量、或其任意组合。
20.如权利要求14所述的装置,其中与所述身体活动相关联的所述一个或更多个参数包括配速、速度、海拔、路线图、分段时间、海拔调节后的配速或其任何组合。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US17/410,858 US20230065695A1 (en) | 2021-08-24 | 2021-08-24 | Location-based activity tracking |
US17/410,858 | 2021-08-24 | ||
PCT/US2022/041275 WO2023028087A1 (en) | 2021-08-24 | 2022-08-23 | Location-based activity tracking |
Publications (1)
Publication Number | Publication Date |
---|---|
CN118140271A true CN118140271A (zh) | 2024-06-04 |
Family
ID=83508668
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202280070515.1A Pending CN118140271A (zh) | 2021-08-24 | 2022-08-23 | 基于位置的活动跟踪 |
Country Status (5)
Country | Link |
---|---|
US (1) | US20230065695A1 (zh) |
CN (1) | CN118140271A (zh) |
AU (1) | AU2022332122A1 (zh) |
CA (1) | CA3230131A1 (zh) |
WO (1) | WO2023028087A1 (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20230075382A1 (en) * | 2021-08-27 | 2023-03-09 | Stmicroelectronics S.R.L. | Enhanced human activity recognition |
CN117234543B (zh) * | 2023-11-10 | 2024-02-13 | 亿咖通(湖北)技术有限公司 | 基于多开应用运行的应用安装方法、装置以及设备 |
Family Cites Families (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8028443B2 (en) * | 2005-06-27 | 2011-10-04 | Nike, Inc. | Systems for activating and/or authenticating electronic devices for operation with footwear |
JP2009502298A (ja) * | 2005-07-28 | 2009-01-29 | ヒッポック リミティド | 耳取付け式バイオセンサ |
KR101817048B1 (ko) * | 2010-08-09 | 2018-01-09 | 나이키 이노베이트 씨.브이. | 모바일 장치를 이용한 피트니스 모니터링 |
US20150258415A1 (en) * | 2014-03-14 | 2015-09-17 | Aliphcom | Physiological rate coaching by modifying media content based on sensor data |
US9950236B1 (en) * | 2014-07-15 | 2018-04-24 | Verily Life Sciences Llc | Activity metric calculation for wearable devices |
US20160166161A1 (en) * | 2014-10-09 | 2016-06-16 | Bruce Yang | Novel Design Considerations in the Development of a Photoplethysmography Ring |
WO2016196295A1 (en) * | 2015-05-29 | 2016-12-08 | Nike Innovate C.V. | Activity monitoring device with assessment of exercise intensity |
US10952682B2 (en) * | 2015-07-19 | 2021-03-23 | Sanmina Corporation | System and method of a biosensor for detection of health parameters |
US20170039480A1 (en) * | 2015-08-06 | 2017-02-09 | Microsoft Technology Licensing, Llc | Workout Pattern Detection |
US20210169417A1 (en) * | 2016-01-06 | 2021-06-10 | David Burton | Mobile wearable monitoring systems |
US10488527B2 (en) * | 2016-05-19 | 2019-11-26 | Fitbit, Inc. | Automatic tracking of geolocation data for exercises |
US10918907B2 (en) * | 2016-08-14 | 2021-02-16 | Fitbit, Inc. | Automatic detection and quantification of swimming |
WO2019168474A1 (en) * | 2018-03-02 | 2019-09-06 | Nitto Denko Corporation | Method, computing device and wearable device for sleep stage detection |
US10953307B2 (en) * | 2018-09-28 | 2021-03-23 | Apple Inc. | Swim tracking and notifications for wearable devices |
US20210068713A1 (en) * | 2019-09-09 | 2021-03-11 | Apple Inc. | Detecting swimming activities on a wearable device |
US20210093918A1 (en) * | 2019-09-27 | 2021-04-01 | Apple Inc. | Detecting the end of hiking activities on a wearable device |
US20210093917A1 (en) * | 2019-09-27 | 2021-04-01 | Apple Inc. | Detecting outdoor walking workouts on a wearable device |
US11998801B2 (en) * | 2019-12-04 | 2024-06-04 | The Dandy Horse, Inc. | Systems and methods for verifying physical activities of users |
-
2021
- 2021-08-24 US US17/410,858 patent/US20230065695A1/en active Pending
-
2022
- 2022-08-23 CA CA3230131A patent/CA3230131A1/en active Pending
- 2022-08-23 WO PCT/US2022/041275 patent/WO2023028087A1/en active Application Filing
- 2022-08-23 CN CN202280070515.1A patent/CN118140271A/zh active Pending
- 2022-08-23 AU AU2022332122A patent/AU2022332122A1/en active Pending
Also Published As
Publication number | Publication date |
---|---|
CA3230131A1 (en) | 2023-03-02 |
US20230065695A1 (en) | 2023-03-02 |
AU2022332122A1 (en) | 2024-04-04 |
WO2023028087A1 (en) | 2023-03-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20220151512A1 (en) | Activity classification and display | |
CN118140271A (zh) | 基于位置的活动跟踪 | |
US20230298761A1 (en) | Subjective input data for a wearable device | |
US20230115575A1 (en) | Techniques for application personalization | |
US20220110547A1 (en) | Providing guidance during rest and recovery | |
US11937905B2 (en) | Techniques for leveraging data collected by wearable devices and additional devices | |
US20240094821A1 (en) | Techniques for gesture recognition using wearable device data | |
US20240096463A1 (en) | Techniques for using a hybrid model for generating tags and insights | |
US20230144761A1 (en) | Techniques for providing insights according to tags and physiological data | |
US20230215557A1 (en) | Content recommendations according to tags and physiological data | |
US20240203585A1 (en) | Techniques for leveraging data collected by wearable devices and additional devices | |
US20230380776A1 (en) | Measuring impact of environmental factors on physiological data collected from a wearable | |
US20230210385A1 (en) | Techniques for determining relationships between skin temperature and surrounding temperature | |
US20230197265A1 (en) | Techniques for providing insights according to application data and biometric data | |
US20240071597A1 (en) | Techniques for activity goal personalization | |
US20230114833A1 (en) | Techniques for measuring heart rate during exercise | |
US20230086651A1 (en) | Content delivery techniques for controlling biometric parameters | |
US20230190201A1 (en) | Techniques for multiple wearable devices | |
US20230113714A1 (en) | Configurable photoplethysmogram system | |
US20240122544A1 (en) | Techniques for experimental programs using data from wearable device | |
US20230081794A1 (en) | Wearing detection techniques for wearable devices | |
US20240041340A1 (en) | Cardiovascular health metric determination from wearable-based physiological data | |
US20240206804A1 (en) | Techniques for managing sleep | |
US20220344057A1 (en) | Method and system for supplemental sleep detection | |
US20240203586A1 (en) | Techniques for biofeedback using heart rate data |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication |