WO2023220894A1 - 运动生理数据统计方法、装置、设备、存储介质及芯片 - Google Patents

运动生理数据统计方法、装置、设备、存储介质及芯片 Download PDF

Info

Publication number
WO2023220894A1
WO2023220894A1 PCT/CN2022/093149 CN2022093149W WO2023220894A1 WO 2023220894 A1 WO2023220894 A1 WO 2023220894A1 CN 2022093149 W CN2022093149 W CN 2022093149W WO 2023220894 A1 WO2023220894 A1 WO 2023220894A1
Authority
WO
WIPO (PCT)
Prior art keywords
heart rate
user
exercise
data
rate data
Prior art date
Application number
PCT/CN2022/093149
Other languages
English (en)
French (fr)
Inventor
郭韶龙
Original Assignee
北京小米移动软件有限公司
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by 北京小米移动软件有限公司 filed Critical 北京小米移动软件有限公司
Priority to PCT/CN2022/093149 priority Critical patent/WO2023220894A1/zh
Priority to CN202280004545.2A priority patent/CN116133590A/zh
Publication of WO2023220894A1 publication Critical patent/WO2023220894A1/zh

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
    • A61B5/024—Detecting, measuring or recording pulse rate or heart rate
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D30/00—Reducing energy consumption in communication networks
    • Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks

Definitions

  • the present disclosure relates to the field of exercise monitoring, and in particular, to an exercise physiological data statistical method, device, equipment, storage medium and chip.
  • sports-related technology products require users to manually operate the device to record the start time and end time of the exercise, and perform statistical analysis on the exercise data, which is a relatively cumbersome operation.
  • users often forget to trigger the start or end action for various reasons, resulting in inaccurate sports data statistics.
  • the present disclosure provides an exercise physiological data statistical method, device, electronic equipment, computer-readable storage medium and chip.
  • a sports physiological data statistical method is provided, applied to a terminal device, including:
  • Statistics are performed on the physiological data of the user when he is in the exercise state to obtain the exercise physiological data of the user.
  • the method further includes:
  • the method also includes:
  • the reference heart rate data is determined based on the preprocessed heart rate data.
  • the statistics of physiological data when the user is in the exercise state to obtain the exercise physiological data of the user includes:
  • the collection time of the first heart rate data among the at least two consecutive heart rate data collections is determined as the starting time of the exercise state
  • the most recent collection time of heart rate data that is greater than the reference heart rate data before the user exits the exercise state is determined as the end time of the exercise state
  • the exercise physiological data is exercise heart rate data obtained by counting the heart rate data of the user when he is in the exercise state.
  • the method further includes:
  • Prompt information of the recommended exercise time is output to the user.
  • the target heart rate ratio of the user is determined based on the exercise heart rate data and the target heart rate corresponding to the user, and the target heart rate corresponding to the user is determined to be the target heart rate ratio of the user.
  • target heart rate ratio including:
  • the target heart rate ratio is determined based on the number of heart rate acquisition times and the number of times the target heart rate is reached.
  • determining the exercise intensity of the user based on the target heart rate ratio includes:
  • the exercise intensity level corresponding to the heart rate ratio range to which the target heart rate ratio belongs is determined.
  • determining that the user is in an exercise state includes:
  • step count data is greater than the step count threshold, it is determined that the user is in an exercise state.
  • determining that the user is in an exercise state includes:
  • the motion sensor parameter is greater than the corresponding parameter threshold, it is determined that the user is in a motion state.
  • a third aspect of the present disclosure provides an electronic device, including:
  • a processor configured to execute the computer program in the memory to implement the steps of the method described in the first aspect.
  • a computer-readable storage medium on which computer program instructions are stored.
  • the program instructions are executed by a processor, the sports physiological data statistical method provided by the first aspect of the present disclosure is implemented. A step of.
  • a chip including a processor and an interface; the processor is configured to read instructions to execute the method described in the first aspect of the present disclosure.
  • Figure 1 is a flow chart of a sports physiological data statistical method according to an exemplary embodiment
  • Figure 2 is a flow chart of another sports physiological data statistics method according to an exemplary embodiment
  • Figure 3 is a flow chart of yet another sports physiological data statistics method according to an exemplary embodiment
  • Figure 4 is a flow chart of yet another sports physiological data statistics method according to an exemplary embodiment
  • Figure 5 is a flow chart of yet another sports physiological data statistics method according to an exemplary embodiment
  • Figure 6 is a block diagram of a sports physiological data statistics device according to an exemplary embodiment
  • Figure 7 is a block diagram of a sports physiological data statistics device according to an exemplary embodiment.
  • the sports physiological data statistical methods provided by the embodiments of the present disclosure can be applied to terminal devices, and the terminal devices can be wearable devices.
  • the wearable equipment includes but is not limited to smart bracelets, smart watches, etc., smart rings and other wearable equipment
  • the wearable equipment is provided with one or more sensors for detecting physiological data, wherein the physiological data can include heart rate data, Blood oxygen data, blood pressure data, etc.
  • the above-mentioned sensors provided on the wearable device can contact the user's designated parts, so that the wearable device can detect one or more of the above-mentioned physiological data of the user, And based on the detected physiological data, the sports physiological data statistical method provided by the embodiment of the present disclosure is executed.
  • the terminal device can be a mobile terminal such as a mobile phone, a tablet computer, a notebook computer, etc.
  • the mobile terminal can be wirelessly connected to the wearable device (such as Bluetooth), so that the mobile terminal can detect the user's physiological data through the wirelessly connected wearable device. After the device detects the user's physiological data, it can obtain the physiological data from the wearable device based on a wireless connection, and execute the sports physiological data statistical method provided by the embodiments of the present disclosure based on the obtained physiological data.
  • the exercise physiological data statistical method provided by the embodiment of the present disclosure will be described below.
  • FIG 1 is a flow chart of a sports physiological data statistical method according to an exemplary embodiment. As shown in Figure 1, the sports physiological data statistical method is used in a terminal device.
  • the terminal device can be the above-mentioned wearable device or For mobile terminal, the method includes the following steps.
  • step S101 the user's heart rate data is detected.
  • the heart rate usually refers to the number of heartbeats per minute of a normal person in a quiet state, also called the resting heart rate, which is generally 60 to 100 beats/min.
  • the heart rate data can be the value of the heart rate, and the unit is beats/min. Individual differences may also occur due to age, gender or other physiological factors.
  • step S102 when it is detected that at least two consecutive heart rate data collected are greater than the reference heart rate data, it is determined that the user is in an exercise state.
  • the reference heart rate data can be understood as the reference heart rate value of the human body in a non-exercise state.
  • the reference heart rate value can be understood as the heart rate threshold used to determine whether the human body is in an exercise state. When the heart rate exceeds the reference heart rate value, it can be The human body is considered to be in motion.
  • the reference heart rate data may be a preset reference heart rate value, which is applicable to most people.
  • the reference heart rate data may be pre-calculated based on experimental data and stored in the terminal device.
  • different reference heart rate data can be set for different groups. For example, different reference heart rate data can be set according to different age ranges, thereby obtaining multiple reference heart rate data corresponding to multiple age ranges.
  • corresponding reference heart rate data can be set for each user. Since the heart rates of different individuals are different, different reference heart rate values can be set for different users as the user's reference heart rate. data.
  • the user's baseline heart rate data can be determined based on the user's heart rate data within a specified time period in a certain number of previous days. For example, the average of the heart rate data within a specified time period of these days can be obtained as the user's Baseline heart rate data.
  • the user in order to avoid misjudgment, it can be determined that the user is in an exercise state when it is detected that at least two consecutive heart rate data collected are greater than the reference heart rate data. That is, the user will be judged to be in an exercise state only if the heart rate data collected twice or more consecutively are greater than the baseline heart rate data, less than twice, or the user will not be judged to be in an exercise state for two non-consecutive times. .
  • the number of times the above-mentioned consecutive conditions are met can also be increased as needed.
  • the more consecutive times the more accurate the judgment. For example, it is also possible to set the situation where the heart rate data collected three consecutive times or five consecutive times are greater than the reference heart rate data. , confirm that the user is in motion.
  • step S103 statistics are collected on the physiological data of the user when the user is in an exercise state to obtain the user's exercise physiological data.
  • step S102 it can be determined whether the user is in an exercise state, based on the physiological data between the start time and the end time of the exercise state.
  • the physiological data can include heart rate data, blood oxygen data, and blood pressure data. At least one kind of data can be used as the exercise physiological data.
  • FIG. 2 is a flow chart of another exercise physiological data statistics method according to an exemplary embodiment.
  • the exercise physiological data statistics method is used in a terminal device.
  • the terminal device can be the above-mentioned wearable device.
  • the method includes the following steps.
  • Step S201 Obtain the user's heart rate data within a specified time period in the most recent preset days.
  • the heart rate data of the user within a specified time period in the last seven days or the last half month is obtained.
  • the specified time period may be, for example, the heart rate value per minute between 9:00 am and 9:00 pm.
  • Step S202 Determine the reference heart rate data based on the heart rate data within the specified time period in the preset number of days.
  • step S202 may include the following steps:
  • heart rate data smaller than the lower heart rate threshold and larger than the upper heart rate threshold are filtered out from the heart rate data within the specified time period in the preset number of days to obtain preprocessed heart rate data.
  • the base heart rate data is determined based on the preprocessed heart rate data.
  • these heart rate values are Data greater than 100 beats/min (minute) and less than 40 beats/min are deleted, and the remaining heart rate values are averaged as the baseline heart rate data.
  • the following steps S203 to S206 can be executed.
  • the base heart rate data can be updated periodically, for example, every day.
  • the current date is April 28, and the base heart rate data used to perform steps S203 to S206 on April 28 is based on April 21 to April 28.
  • the base heart rate data used when performing steps S203 to S206 on April 29 is determined based on the heart rate data on April 27, and is updated to the base heart rate data determined based on the heart rate data on April 22 to April 28.
  • Step S203 Detect the user's heart rate data.
  • Step S203 may refer to step S101 and will not be described again.
  • Step S204 When it is detected that at least two consecutive heart rate data collected are greater than the reference heart rate data, it is determined that the user is in an exercise state.
  • step S204 reference may be made to step S102, which will not be described again.
  • Step S205 When it is detected that at least two consecutive heart rate data collected are less than or equal to the reference heart rate data, it is determined that the user exits the exercise state.
  • the method of determining whether the user is in an exercise state in order to avoid misjudgment, it may be continuously detected whether the heart rate data is less than or equal to the reference heart rate data multiple times. For example, it can be set that when the heart rate data collected three consecutive times or five consecutive times are less than or equal to the reference heart rate data, it is determined that the user has exited the exercise state.
  • Step S206 Statistics are performed on the user's physiological data when the user is in the exercise state to obtain the user's exercise physiological data.
  • Figure 3 is a flow chart of another sports physiological data statistical method according to yet another exemplary embodiment. As shown in Figure 3, step S206 may include the following steps:
  • Step S2061 When it is determined that the user is in an exercise state, the collection time of the first heart rate data among the at least two consecutive heart rate data collections is determined as the starting time of the exercise state.
  • Step S2062 When it is determined that the user exits the exercise state, the most recent collection time of heart rate data greater than the reference heart rate data before the user exits the exercise state is determined as the end time of the exercise state.
  • Step S2063 Statistics are performed on the user's physiological data between the starting time and the ending time to obtain the user's exercise physiological data.
  • the physiological data may include at least one of heart rate data, blood oxygen data, and blood pressure data.
  • the user's exercise time can also be guided based on the obtained exercise physiological data.
  • the following description takes the exercise physiological data as exercise heart rate data obtained by counting the heart rate data of the user when he is in exercise as an example.
  • Figure 4 is a flow chart of yet another sports physiological data statistics method according to an exemplary embodiment. As shown in Figure 4, the method may further include:
  • Step S104 determine the target heart rate ratio of the user based on the exercise heart rate data and the target heart rate corresponding to the user. For example, in one implementation, as shown in Figure 5, the following steps are included:
  • Step S1041 Obtain the user information of the user.
  • Step S1042 Determine the user's corresponding fat-burning heart rate as the target heart rate based on the user information.
  • Step S1043 Obtain the number of heart rate collections within the specified time period and the number of times the target heart rate is reached from the exercise heart rate data.
  • Step S1044 Determine the target heart rate ratio based on the number of heart rate collection times and the number of times the target heart rate is reached.
  • the user information may include the user's age, which may be input into the terminal device by the user.
  • the method of determining the user's corresponding fat-burning heart rate based on the age information may include:
  • the target heart rate may be the upper limit of the fat-burning heart rate range, that is, the target heart rate may be (220-age) ⁇ 80% of the heart rate.
  • heart rate data can be collected multiple times within a specified period.
  • Step S105 Determine the exercise intensity of the user based on the target heart rate ratio. For example, the following steps may be included:
  • the exercise intensity level corresponding to the heart rate ratio range to which the target heart rate ratio belongs is determined.
  • Step S106 Determine the corresponding recommended exercise time based on the exercise intensity.
  • Step S107 Output the prompt information of the recommended exercise time to the user.
  • the corresponding relationships between different target heart rate ratios and heart rate ratio ranges may be as shown in Table 1, and the corresponding relationships shown in Table 1 may be pre-established.
  • exercise intensity level target heart rate ratio Recommended exercise time highest intensity 90%-100% ⁇ 5min high strength 80%-90% 2-10min medium intensity 70%-80% 10-40min
  • prompt information can be output to the user, and the prompt information can include the user's current exercise intensity level and a prompt that the recommended exercise time is 2-10 minutes.
  • the prompt information may include at least one of images, text, and voice.
  • the prompt information may be output through the display screen of the wearable device, or the prompt may be broadcast by outputting voice information. information.
  • the prompt information can be output by the display screen of the mobile device, or the prompt information can be broadcast by outputting voice information, or the prompt information can also be sent to a device bound to the mobile device through a wireless connection such as Bluetooth.
  • the wearable device outputs the prompt information through the display screen of the wearable device or outputs voice information.
  • determining that the user is in an exercise state may include the following steps:
  • the step counting data of the terminal device within a preset time period is obtained.
  • step counting data is greater than the step count threshold, it is determined that the user is in a motion state.
  • the heart rate data collected for two or more consecutive times are greater than the baseline heart rate data
  • the The user is in motion. For example, a person normally walks about 110-116 steps in one minute, and the step threshold can take any value within the range of 110-116.
  • determining that the user is in an exercise state includes:
  • the motion sensor parameters of the terminal device are obtained.
  • the motion sensor may be an acceleration sensor or a gyroscope, for example. Taking the acceleration sensor as an example, its corresponding parameter threshold may be an acceleration threshold.
  • FIG. 6 is a block diagram of a sports physiological data statistics device according to an exemplary embodiment.
  • the sports physiological data statistics device 600 includes a detection module 601 , a state recognition module 602 and a statistics module 603 .
  • the detection module 601 is configured to detect the user's heart rate data
  • the state identification module 602 is configured to determine that the user is in an exercise state when it is detected that at least two consecutive heart rate data collected are greater than the reference heart rate data;
  • the statistics module 603 is configured to collect statistics on the heart rate data of the user when he is in the exercise state.
  • the status recognition module 602 can also be configured as:
  • the sports physiological data statistics device 600 may also include:
  • a data acquisition module configured to acquire the user's heart rate data within a specified time period in the most recent preset days
  • the data determination module is configured to determine the reference heart rate data based on the heart rate data within a specified time period in the preset number of days.
  • the data determination module is configured as:
  • the base heart rate data is determined based on the preprocessed heart rate data.
  • the statistics module 603 is configured as:
  • the collection time of the first heart rate data among the at least two consecutive heart rate data collections is determined as the starting time of the exercise state
  • the most recent collection time of heart rate data that is greater than the reference heart rate data before the user exits the exercise state is determined as the end time of the exercise state
  • the exercise physiological data is exercise heart rate data obtained by counting the heart rate data of the user when he is in the exercise state.
  • the exercise physiological data statistics device 600 may also include:
  • the calculation module is configured to determine the target heart rate ratio of the user based on the exercise heart rate data and the target heart rate corresponding to the user;
  • an exercise intensity determination module configured to determine the exercise intensity of the user based on the target heart rate ratio
  • the exercise time determination module is configured to determine the corresponding recommended exercise time according to the exercise intensity
  • the output module is configured to output prompt information of the recommended exercise time to the user.
  • the computing module is configured as:
  • the target heart rate ratio is determined based on the number of times the heart rate is collected and the number of times the target heart rate is reached.
  • the exercise intensity determination module is configured as:
  • the exercise intensity level corresponding to the heart rate ratio range to which the target heart rate ratio belongs is determined.
  • the state identification module 602 is configured as:
  • step counting data is greater than the step count threshold, it is determined that the user is in an exercise state.
  • the state identification module 602 is configured as:
  • the present disclosure also provides a computer-readable storage medium on which computer program instructions are stored. When the program instructions are executed by a processor, the steps of the exercise physiological data statistical method provided by the present disclosure are implemented.
  • FIG. 7 is a block diagram of a sports physiological data statistics device 700 according to an exemplary embodiment.
  • the apparatus 700 may be an electronic device, such as a mobile phone, a computer, a digital broadcast terminal, a messaging device, a game console, a tablet device, a medical device, a fitness device, a personal digital assistant, or the like.
  • the device 700 may include one or more of the following components: a processing component 702, a memory 704, a power component 706, a multimedia component 708, an audio component 710, an input/output (I/O) interface 712, a sensor component 714, and communications component 716.
  • a processing component 702 a memory 704
  • a power component 706 a multimedia component 708, an audio component 710, an input/output (I/O) interface 712, a sensor component 714, and communications component 716.
  • I/O input/output
  • Processing component 702 generally controls the overall operations of device 700, such as operations associated with display, phone calls, data communications, camera operations, and recording operations.
  • the processing component 702 may include one or more processors 720 to execute instructions to complete all or part of the steps of the above method.
  • processing component 702 may include one or more modules that facilitate interaction between processing component 702 and other components.
  • processing component 702 may include a multimedia module to facilitate interaction between multimedia component 708 and processing component 702.
  • Memory 704 is configured to store various types of data to support operations at device 700 . Examples of such data include instructions for any application or method operating on device 700, contact data, phonebook data, messages, pictures, videos, etc.
  • Memory 704 may be implemented by any type of volatile or non-volatile storage device, or a combination thereof, such as static random access memory (SRAM), electrically erasable programmable read-only memory (EEPROM), erasable programmable read-only memory (EEPROM), Programmable read-only memory (EPROM), programmable read-only memory (PROM), read-only memory (ROM), magnetic memory, flash memory, magnetic or optical disk.
  • SRAM static random access memory
  • EEPROM electrically erasable programmable read-only memory
  • EEPROM erasable programmable read-only memory
  • EPROM Programmable read-only memory
  • PROM programmable read-only memory
  • ROM read-only memory
  • magnetic memory flash memory, magnetic or optical disk.
  • Power component 706 provides power to various components of device 700.
  • Power components 706 may include a power management system, one or more power supplies, and other components associated with generating, managing, and distributing power to device 700 .
  • Multimedia component 708 includes a screen that provides an output interface between the device 700 and the user.
  • the screen may include a liquid crystal display (LCD) and a touch panel (TP). If the screen includes a touch panel, the screen may be implemented as a touch screen to receive input signals from the user.
  • the touch panel includes one or more touch sensors to sense touches, swipes, and gestures on the touch panel. The touch sensor may not only sense the boundary of a touch or slide action, but also detect the duration and pressure associated with the touch or slide action.
  • multimedia component 708 includes a front-facing camera and/or a rear-facing camera.
  • the front camera and/or the rear camera may receive external multimedia data.
  • Each front-facing camera and rear-facing camera can be a fixed optical lens system or have a focal length and optical zoom capabilities.
  • Audio component 710 is configured to output and/or input audio signals.
  • audio component 710 includes a microphone (MIC) configured to receive external audio signals when device 700 is in operating modes, such as call mode, recording mode, and speech recognition mode. The received audio signal may be further stored in memory 704 or sent via communication component 716 .
  • audio component 710 also includes a speaker for outputting audio signals.
  • the I/O interface 712 provides an interface between the processing component 702 and a peripheral interface module, which may be a keyboard, a click wheel, a button, etc. These buttons may include, but are not limited to: Home button, Volume buttons, Start button, and Lock button.
  • Sensor component 714 includes one or more sensors that provide various aspects of status assessment for device 700 .
  • sensor component 714 can detect the open/closed state of device 700, the relative positioning of components, such as the display and keypad of device 700, and sensor component 714 can also detect a change in position of device 700 or a component of device 700. , the presence or absence of user contact with device 700 , device 700 orientation or acceleration/deceleration and temperature changes of device 700 .
  • Sensor assembly 714 may include a proximity sensor configured to detect the presence of nearby objects without any physical contact.
  • Sensor assembly 714 may also include a light sensor, such as a CMOS or CCD image sensor, for use in imaging applications.
  • the sensor component 714 may also include an acceleration sensor, a gyroscope sensor, a magnetic sensor, a pressure sensor, or a temperature sensor.
  • Communication component 716 is configured to facilitate wired or wireless communication between apparatus 700 and other devices.
  • Device 700 may access a wireless network based on a communication standard, such as WiFi, 2G or 3G, or a combination thereof.
  • communication component 716 receives broadcast signals or broadcast related information from an external broadcast management system via a broadcast channel.
  • the communications component 716 also includes a near field communications (NFC) module to facilitate short-range communications.
  • NFC near field communications
  • the NFC module can be implemented based on radio frequency identification (RFID) technology, infrared data association (IrDA) technology, ultra-wideband (UWB) technology, Bluetooth (BT) technology and other technologies.
  • RFID radio frequency identification
  • IrDA infrared data association
  • UWB ultra-wideband
  • Bluetooth Bluetooth
  • apparatus 700 may be implemented by one or more application specific integrated circuits (ASICs), digital signal processors (DSPs), digital signal processing devices (DSPDs), programmable logic devices (PLDs), field programmable Gate array (FPGA), controller, microcontroller, microprocessor or other electronic components are implemented for executing the above statistical method of sports physiological data.
  • ASICs application specific integrated circuits
  • DSPs digital signal processors
  • DSPDs digital signal processing devices
  • PLDs programmable logic devices
  • FPGA field programmable Gate array
  • controller microcontroller, microprocessor or other electronic components are implemented for executing the above statistical method of sports physiological data.
  • a non-transitory computer-readable storage medium including instructions such as a memory 704 including instructions, which can be executed by the processor 720 of the device 700 to complete the above sports physiological data statistical method is also provided.
  • the non-transitory computer-readable storage medium may be ROM, random access memory (RAM), CD-ROM, magnetic tape, floppy disk, optical data storage device, etc.
  • the above device can also be a part of an independent electronic device.
  • the device can be an integrated circuit (Integrated Circuit, IC) or a chip, where the integrated circuit can be an IC. , or it can be a collection of multiple ICs; the chip can include but is not limited to the following types: GPU (Graphics Processing Unit, graphics processor), CPU (Central Processing Unit, central processing unit), FPGA (Field Programmable Gate Array, can Programming logic array), DSP (Digital Signal Processor, digital signal processor), ASIC (Application Specific Integrated Circuit, application specific integrated circuit), SOC (System on Chip, SoC, system on a chip or system-level chip), etc.
  • GPU Graphics Processing Unit, graphics processor
  • CPU Central Processing Unit, central processing unit
  • FPGA Field Programmable Gate Array, can Programming logic array
  • DSP Digital Signal Processor, digital signal processor
  • ASIC Application Specific Integrated Circuit, application specific integrated circuit
  • SOC System on Chip, SoC, system on a chip or system-level chip
  • the above-mentioned integrated circuit or chip can be used to execute executable instructions (or codes) to implement the above-mentioned sports physiological data statistical method.
  • the executable instructions can be stored in the integrated circuit or chip, or can be obtained from other devices or devices.
  • the integrated circuit or chip includes a processor, a memory, and an interface for communicating with other devices.
  • the executable instructions can be stored in the processor, and when the executable instructions are executed by the processor, the above-mentioned sports physiological data statistical method is implemented; or, the integrated circuit or chip can receive the executable instructions through the interface and transmit them to the The processor executes to implement the above statistical method of sports physiological data.
  • a computer program product comprising a computer program executable by a programmable device, the computer program having a function for performing the above when executed by the programmable device.
  • the code part of the exercise physiological data statistical method.

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Medical Informatics (AREA)
  • Physics & Mathematics (AREA)
  • Cardiology (AREA)
  • Biophysics (AREA)
  • Pathology (AREA)
  • Engineering & Computer Science (AREA)
  • Biomedical Technology (AREA)
  • Physiology (AREA)
  • Veterinary Medicine (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • General Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Dentistry (AREA)
  • Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)

Abstract

本公开涉及一种运动生理数据统计方法、装置、设备、存储介质及芯片，涉及运动监测领域，该方法包括：通过检测用户的心率数据，在检测到至少连续两次采集的心率数据均大于基准心率数据的情况下，确定用户处于运动状态，并对用户处于该运动状态时的生理数据进行统计，以得到用户的运动生理数据。通过上述技术方案，能够对用户是否处于运动状态进行自动识别，实现对运动时的生理数据的自动记录，并对处于运动状态时的生理数据进行统计，能够解决用户手动操作进行记录导致的操作繁琐问题，避免由于用户忘记操作导致的数据记录不准确的问题。

Description

运动生理数据统计方法、装置、设备、存储介质及芯片 技术领域
本公开涉及运动监测领域，尤其涉及一种运动生理数据统计方法、装置、设备、存储介质及芯片。
背景技术
相关技术中，运动相关的科技产品，需要用户手动对设备进行操作来记录运动的开始时间和结束时间，对运动的数据进行统计分析，操作较为繁琐。然而，用户常常会因为各种各样的原因忘记触发开始或者结束动作，造成运动数据统计的不准确。
发明内容
为克服相关技术中存在的问题，本公开提供一种运动生理数据统计方法、装置、电子设备、计算机可读存储介质及芯片。
根据本公开实施例的第一方面，提供一种运动生理数据统计方法，应用于终端设备，包括：
检测用户的心率数据；
在检测到至少连续两次采集的心率数据均大于基准心率数据的情况下，确定所述用户处于运动状态；
对所述用户处于所述运动状态时的生理数据进行统计，以得到所述用户的运动生理数据。
本公开实施例中，所述方法还包括：
在检测到至少连续两次采集的心率数据均小于或等于所述基准心率数据的情况下，确定所述用户退出运动状态。
可选地，所述方法还包括：
获取所述用户在最近的预设天数中的指定时间段内的心率数据；
将所述预设天数中的指定时间段内的心率数据中小于心率下限阈值和大于心率上限阈值的心率数据进行滤除，得到预处理后的心率数据；
根据所述预处理后的心率数据，确定所述基准心率数据。
可选地，所述对所述用户处于所述运动状态时的生理数据进行统计，以得到所述用户的运动生理数据，包括：
在确定所述用户处于运动状态的情况下，将所述至少连续两次采集的心率数据中的第一次心率数据的采集时刻，确定为所述运动状态的起始时间；
在确定所述用户退出运动状态的情况下，将所述用户退出所述运动状态动状态之前最近一次大于所述基准心率数据的心率数据的采集时刻，确定为所述运动状态的结束时间；
对所述用户在所述起始时间至所述结束时间之间的生理数据进行统计， 以得到所述用户的运动生理数据。
本公开实施例中，所述运动生理数据为统计所述用户处于所述运动状态时的心率数据得到的运动心率数据，所述方法还包括：
根据所述运动心率数据，以及与所述用户对应的目标心率，确定在所述用户的目标心率比值；
根据所述目标心率比值确定所述用户所处的运动强度；
根据所述运动强度，确定对应的建议运动时间；
向所述用户输出所述建议运动时间的提示信息。
本公开实施例中，所述根据所述运动心率数据，以及与所述用户对应的目标心率，确定在所述用户的目标心率比值，以及与所述用户对应的目标心率，确定在所述用户的目标心率比值，包括：
获取所述用户的用户信息；
根据所述用户信息确定所述用户对应的燃脂心率作为所述目标心率；
从所述运动心率数据中获取在指定时长内的心率采集次数和达到所述目标心率的次数；
基于所述心率采集次数和达到所述目标心率的次数确定所述目标心率比值。
本公开实施例中，所述根据所述目标心率比值确定所述用户所处的运动强度，包括：
确定所述目标心率比值所属的心率比值范围；
根据心率比值范围与运动强度等级的对应关系，确定所述目标心率比值所属的心率比值范围对应的运动强度等级。
本公开实施例中，所述在检测到至少连续两次采集的心率数据均大于基准心率数据的情况下，确定所述用户处于运动状态，包括：
在检测到至少连续两次采集的心率数据均大于基准心率数据的情况下，获取所述终端设备在预设时长内的计步数据；
在所述计步数据大于步数阈值的情况下，确定所述用户处于运动状态。
本公开实施例中，所述在检测到至少连续两次采集的心率数据均大于基准心率数据的情况下，确定所述用户处于运动状态，包括：
在检测到至少连续两次采集的心率数据均大于基准心率数据的情况下，获取所述终端设备的运动传感器参数；
在所述运动传感器参数大于对应的参数阈值的情况下，确定所述用户处于运动状态。
本公开的第三方面，提供一种电子设备，包括：
存储器，其上存储有计算机程序；
处理器，用于执行所述存储器中的所述计算机程序，以实现第一方面所述方法的步骤。
根据本公开实施例的第四方面，提供一种计算机可读存储介质，其上存 储有计算机程序指令，所述程序指令被处理器执行时实现本公开第一方面所提供的运动生理数据统计方法的步骤。
根据本公开实施例的第五方面，提供一种芯片，包括处理器和接口；所述处理器用于读取指令以执行本公开第一方面所述的方法。
本公开的实施例提供的技术方案可以包括以下有益效果：
通过上述技术方案，通过检测用户的心率数据，在检测到至少连续两次采集的心率数据均大于基准心率数据的情况下，确定用户处于运动状态，并对用户处于该运动状态时的生理数据进行统计，以得到用户的运动生理数据。通过上述技术方案，能够对用户是否处于运动状态进行自动识别，并对处于运动状态时的生理数据进行统计，能够解决相关技术中需要用户手动操作进行记录导致的操作繁琐问题，实现对运动时的生理数据的自动记录，并且避免了由于用户忘记操作导致的数据记录不准确的问题，提高数据的有效性。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。
图1是根据一示例性实施例示出的一种运动生理数据统计方法的流程图；
图2是根据一示例性实施例示出的另一种运动生理数据统计方法的流程图；
图3是根据一示例性实施例示出的又一种运动生理数据统计方法的流程图；
图4是根据一示例性实施例示出的又一种运动生理数据统计方法的流程图；
图5是根据一示例性实施例示出的又一种运动生理数据统计方法的流程图；
图6是根据一示例性实施例示出的一种运动生理数据统计装置的框图；
图7是根据一示例性实施例示出的一种运动生理数据统计装置的框图。
具体实施方式
这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。
需要说明的是，本申请中所有获取信号、信息或数据的动作都是在遵照所在地国家相应的数据保护法规政策的前提下，并获得由相应装置所有者给 予授权的情况下进行的。
在介绍本公开实施例提供的运动生理数据统计方法之前，首先对本公开实施例涉及的应用场景进行介绍，本公开实施例提供的运动生理数据统计方法可以应用于终端设备，该终端设备可以是穿戴设备，该穿戴设备包括但不限于智能手环、智能手表等，智能指环等穿戴设备，该穿戴设备上设置有用于检测生理数据的一种或多种传感器，其中该生理数据可以包括心率数据、血氧数据、血压数据等，该穿戴设备被用户穿戴时，设置于穿戴设备上的上述传感器可以与用户的指定部位接触，从而使得该穿戴设备能够检测用户的上述一种或多种生理数据，并基于检测到的生理数据执行本公开实施例提供的运动生理数据统计方法。或者该终端设备可以是手机、平板电脑、笔记本电脑等移动终端，该移动终端可以与穿戴设备进行无线连接(例如蓝牙)，从而移动终端可以通过无线连接的穿戴设备检测用户的生理数据，在穿戴设备检测到用户的生理数据后，可以基于无线连接从该穿戴设备获取生理数据，并基于获取的生理数据执行本公开实施例提供的运动生理数据统计方法。下面对本公开实施例提供的运动生理数据统计方法进行说明。
图1是根据一示例性实施例示出的一种运动生理数据统计方法的流程图，如图1所示，运动生理数据统计方法用于终端设备中，该终端设备可以为上述所述穿戴设备或者移动终端，该方法包括以下步骤。
在步骤S101中，检测用户的心率数据。
其中，心率通常是指正常人在安静状态下每分钟心跳的次数，也称为安静心率，一般为60～100次/分，该心率数据可以为心率的数值，单位为次/min。也可因年龄、性别或其他生理因素产生个体差异。
在步骤S102中，在检测到至少连续两次采集的心率数据均大于基准心率数据的情况下，确定该用户处于运动状态。
示例地，基准心率数据可以理解为非运动状态下的人体的基准心率值，该基准心率值可理解为用于判断人体是否处于运动状态的心率阈值，在心率超过该基准心率值的情况下可以认为人体处于运动状态。
在一种实现方式中，该基准心率数据可以是一个预先设定的基准心率值，能够适用于大部分人群，该基准心率数据可以是基于实验数据预先计算得到并存储在终端设备中的。本公开实施例中，对于不同的群体可以设置不同的基准心率数据，例如可以根据不同的年龄范围，设置不同的基准心率数据，从而得到多个年龄范围对应的多个基准心率数据，在确定当前用户的年龄范围后，选择对应的基准心率数据来执行步骤S102。
或者，在另一种实现方式中，可以针对每个用户来设定对应的基准心率数据，由于不同个体的心率存在差异，因此可以针对不同的用户设置不同的基准心率值作为该用户的基准心率数据。例如，可以基于用户在之前一定天数中，指定时间段内的心率数据，根据该心率数据来确定用户的基准心率数据，例如获取这些天数的指定时间段内的心率数据的平均值作为该用户的基 准心率数据。
可以理解的是，为了避免误判，可以在检测到至少连续两次采集的心率数据均大于基准心率数据的情况下，确定该用户处于运动状态。即，需要在连续两次或两次以上采集的心率数据都大于该基准心率数据，才会判定该用户处于运动状态，少于两次，或者非连续的两次不会判定该用户处于运动状态。
本公开实施例中，也可以根据需要提高上述的连续满足条件的次数，连续的次数越多，判断越准确，例如也以设置连续三次或者连续五次采集的心率数据均大于基准心率数据的情况下，确定该用户处于运动状态。
在步骤S103中，对该用户处于运动状态时的生理数据进行统计，以得到用户的运动生理数据。
根据步骤S102中所述的判断方法，可以确定用户是否处于运动状态，基于该运动状态的起始时间和结束时间之间的生理数据，该生理数据可以包括心率数据、血氧数据、血压数据中的至少一种数据，即可作为该运动生理数据。
通过上述技术方案，通过检测用户的心率数据，在检测到至少连续两次采集的心率数据均大于基准心率数据的情况下，确定用户处于运动状态，并对用户处于该运动状态时的生理数据进行统计，以得到用户的运动生理数据。通过上述技术方案，能够对用户是否处于运动状态进行自动识别，并对处于运动状态时的生理数据进行统计，能够解决相关技术中需要用户手动操作进行记录导致的操作繁琐问题，实现对运动时的生理数据的自动记录，并且避免了由于用户忘记操作导致的数据记录不准确的问题，提高数据的有效性。
图2是根据一示例性实施例示出的另一种运动生理数据统计方法的流程图，如图2所示，运动生理数据统计方法用于终端设备中，该终端设备可以为上述所述穿戴设备或者移动终端，该方法包括以下步骤。
步骤S201，获取该用户在最近的预设天数中的指定时间段内的心率数据。
例如，获取该用户最近7天或者最近半个月的指定时间段内的心率数据，该指定时间段内例如可以是上午9:00到晚上9:00之间的每分钟的心率值。
步骤S202，根据该预设天数中的指定时间段内的心率数据确定该基准心率数据。
示例的，该步骤S202可以包括以下步骤：
首先，将该预设天数中的指定时间段内的心率数据中小于心率下限阈值和大于心率上限阈值的心率数据进行滤除，得到预处理后的心率数据。其次，根据该预处理后的心率数据，确定该基准心率数据。
示例地，在一种可能的实现方式中，以预设天数是7天为例，在获取最近7天上午9:00到晚上9:00之间的每分钟的心率值后，将这些心率值中大于100次/min(分钟)和小于40次/min的数据删除，将剩余的各个心率值取平均值，作为该基准心率数据。
在得到该基准心率数据后即可执行下述步骤S203至S206。另外，该基准心率数据可以周期性进行更新，例如每天进行更新，比如当前日期为4月28日，在4月28日执行步骤S203至S206所使用的基准心率数据是基于4月21日至4月27日的心率数据确定的，在4月29日执行步骤S203至S206时使用的基准心率数据更新为基于4月22日至4月28日的心率数据确定的基准心率数据。
步骤S203，检测用户的心率数据。
步骤S203可参照步骤S101，不再赘述。
步骤S204，在检测到至少连续两次采集的心率数据均大于基准心率数据的情况下，确定该用户处于运动状态。
步骤S204可参照步骤S102，不再赘述。
步骤S205，在检测到至少连续两次采集的心率数据均小于或等于该基准心率数据的情况下，确定该用户退出运动状态。
示例地，与判断是否处于运动状态的方法类似，为了避免误判可以连续多次检测心率数据是否小于或等于该基准心率数据。例如，例如可以设置连续三次或者连续五次采集的心率数据均小于或等于基准心率数据的情况下，确定该用户退出运动状态。
步骤S206，对该用户处于该运动状态时的生理数据进行统计，以得到该用户的运动生理数据。
本公开实施例中，在一种实现方式中，图3是根据又一示例性实施例示出的另一种运动生理数据统计方法的流程图，如图3所示，步骤S206可以包括以下步骤：
步骤S2061，在确定该用户处于运动状态的情况下，将该至少连续两次采集的心率数据中的第一次心率数据的采集时刻，确定为该运动状态的起始时间。
步骤S2062，在确定该用户退出运动状态的情况下，将该用户退出该运动状态动状态之前最近一次大于该基准心率数据的心率数据的采集时刻，确定为该运动状态的结束时间。
步骤S2063，对该用户在该起始时间至该结束时间之间的生理数据进行统计，以得到该用户的运动生理数据。
其中该生理数据可以包括心率数据、血氧数据、血压数据中的至少一种数据。
示例地，还可以基于得到的运动生理数据对用户的运动时间进行指导，下面以该运动生理数据为统计该用户处于运动状态时的心率数据得到的运动心率数据为例，进行说明。
图4是根据一示例性实施例示出的又一种运动生理数据统计方法的流程图，如图4所示，所述方法还可以包括：
步骤S104，根据该运动心率数据，以及与该用户对应的目标心率，确定 在该用户的目标心率比值。示例地，在一种实施方式，如图5所示，包括以下步骤：
步骤S1041，获取该用户的用户信息。
步骤S1042，根据该用户信息确定该用户对应的燃脂心率作为该目标心率。
步骤S1043，从该运动心率数据中获取在指定时长内的心率采集次数和达到该目标心率的次数。
步骤S1044，基于该心率采集次数和达到该目标心率的次数确定该目标心率比值。
示例地，该用户信息可以包括用户的年龄，年龄可以由用户自行输入到终端设备中，基于年龄信息确定用户对应的燃脂心率的方法可以包括：
燃脂心率的围范围＝(220-年龄)×60％～(220-年龄)×80％
该目标心率可以以燃脂心率的围范围的上限值，即目标心率可以为(220-年龄)×80％的心率。
例如，用户年龄为30岁，则对应的燃脂心率的围范围＝(220-30)×60％～(220-30)×80％＝114～152次/min。则该用户对应的目标心率为152次/min。
可以理解的是，在采集心率的时候，虽然心率的单位为次/min，但是并非一定要采集到满一分钟才能获得一次心率数据，通常也可能采用记录10秒的心跳次数乘以6，或记录15秒的心跳次数乘以4的等方式。因此在指定时长内可以采集多次的心率数据，例如指定时长可以为5分钟，可以每10秒采集一次心率数据，从而5分钟内的心率采集次数为30次，假设该用户有25次心率数据超过了目标心率为152次/min，则目标心率比值＝25÷30＝83.3％。
步骤S105，根据该目标心率比值确定该用户所处的运动强度。示例地，可以包括以下步骤：
首先，确定该目标心率比值所属的心率比值范围；
其次，根据心率比值范围与运动强度等级的对应关系，确定该目标心率比值所属的心率比值范围对应的运动强度等级。
步骤S106，根据该运动强度，确定对应的建议运动时间。
步骤S107，向该用户输出该建议运动时间的提示信息。
示例地，不同的目标心率比值与心率比值范围的对应关系可以如表1所示，表1中所示的对应关系可以为预先建立的。
表1
运动强度等级 目标心率比值 建议运动时间
最高强度 90％-100％ <5min
高强度 80％-90％ 2-10min
中等强度 70％-80％ 10-40min
低强度 60％-70％ 40-80min
最低强度 50％-60％ 20-40min
以步骤S104中所述的用户年龄为30岁为例，上述的目标心率比值＝66.7％的情况下，可以确定当前的运动强度等级为高强度。此时可以向用户输出提示信息，该提示信息可以包括该用户当前的运动强度等级，以及建议运动时间为2-10min的提示。该提示信息可以包括图像、文字、语音中的至少一种，例如，在上述终端设备为穿戴设备的情况下，该提示信息可以通过穿戴设备的显示屏输出，或者通过输出语音信息来播报该提示信息。在上述终端设备为移动设备的情况下，可以由移动设备的显示屏输出，或者通过输出语音信息来播报该提示信息，或者也可以将该提示信息通过蓝牙等无线连接发送至与移动设备绑定的穿戴设备，由该穿戴设备的显示屏输出或者通过输出语音信息来播报该提示信息。
值得一提的是，由于可能存在非运动情况下造成的心率升高，例如紧张，因此进一步地，在一种实施方式中，上述步骤S102或S204所述的在检测到至少连续两次采集的心率数据均大于基准心率数据的情况下，确定用户处于运动状态，可以包括以下步骤：
首先，在检测到至少连续两次采集的心率数据均大于基准心率数据的情况下，获取所述终端设备在预设时长内的计步数据。
其次，在该计步数据大于步数阈值的情况下，确定该用户处于运动状态。
即在连续两次或两次以上采集的心率数据均大于基准心率数据的情况下，还需要结合计步数据是否大于步数阈值来进行综合判断，在二者均满足条件的情况下，确定该用户处于运动状态。示例地，人正常行走一分钟大约走110-116步，步数阈值可以取110-116范围内的任一值。
在另一种实施方式中，上述步骤S102或S204所述的在检测到至少连续两次采集的心率数据均大于基准心率数据的情况下，确定该用户处于运动状态，包括：
首先，在检测到至少连续两次采集的心率数据均大于基准心率数据的情况下，获取该终端设备的运动传感器参数。
其次，在该运动传感器参数大于对应的参数阈值的情况下，确定该用户处于运动状态。
即在连续两次或两次以上采集的心率数据均大于基准心率数据的情况下，还需要结合运动传感器参数是否大于对应的参数阈值来进行综合判断，在二者均满足条件的情况下，确定该用户处于运动状态。其中该运动传感器例如可以是加速度传感器，或者陀螺仪。以加速度传感器为例，其对应的参数阈值可以为加速度阈值。
图6是根据一示例性实施例示出的一种运动生理数据统计装置的框图。 参照图6，该运动生理数据统计装置600包括检测模块601，状态识别模块602和统计模块603。
检测模块601，被配置为检测用户的心率数据；
状态识别模块602，被配置为在检测到至少连续两次采集的心率数据均大于基准心率数据的情况下，确定该用户处于运动状态；
统计模块603，被配置为对该用户处于该运动状态时的心率数据进行统计。
本公开实施例中，该状态识别模块602，还可以被配置为：
在检测到至少连续两次采集的心率数据均小于或等于该基准心率数据的情况下，确定该用户退出运动状态。
本公开实施例中，该运动生理数据统计装置600还可以包括：
数据获取模块，被配置为获取该用户在最近的预设天数中的指定时间段内的心率数据；
数据确定模块，被配置为根据该预设天数中的指定时间段内的心率数据确定该基准心率数据。
本公开实施例中，数据确定模块，被配置为：
将该预设天数中的指定时间段内的心率数据中小于心率下限阈值和大于心率上限阈值的心率数据进行滤除，得到预处理后的心率数据；
根据该预处理后的心率数据，确定该基准心率数据。
本公开实施例中，统计模块603，被配置为：
在确定该用户处于运动状态的情况下，将该至少连续两次采集的心率数据中的第一次心率数据的采集时刻，确定为该运动状态的起始时间；
在确定该用户退出运动状态的情况下，将该用户退出该运动状态动状态之前最近一次大于该基准心率数据的心率数据的采集时刻，确定为该运动状态的结束时间；
对该用户在该起始时间至该结束时间之间的生理数据进行统计，以得到该用户的运动生理数据。
本公开实施例中，该运动生理数据为统计该用户处于该运动状态时的心率数据得到的运动心率数据，该运动生理数据统计装置600还可以包括：
计算模块，被配置为根据该运动心率数据，以及与该用户对应的目标心率，确定在该用户的目标心率比值；
运动强度确定模块，被配置为根据该目标心率比值确定该用户所处的运动强度；
运动时间确定模块，被配置为根据该运动强度，确定对应的建议运动时间；
输出模块，被配置为向该用户输出该建议运动时间的提示信息。
本公开实施例中，计算模块，被配置为：
获取该用户的用户信息；
根据该用户信息确定该用户对应的燃脂心率作为该目标心率；
从该运动心率数据中获取在指定时长内的心率采集次数和达到该目标心率的次数；
基于该心率采集次数和达到该目标心率的次数确定该目标心率比值。
本公开实施例中，运动强度确定模块，被配置为：
确定该目标心率比值所属的心率比值范围；
根据心率比值范围与运动强度等级的对应关系，确定该目标心率比值所属的心率比值范围对应的运动强度等级。
本公开实施例中，状态识别模块602，被配置为：
在检测到至少连续两次采集的心率数据均大于基准心率数据的情况下，获取该终端设备在预设时长内的计步数据；
在该计步数据大于步数阈值的情况下，确定该用户处于运动状态。
本公开实施例中，状态识别模块602，被配置为：
在检测到至少连续两次采集的心率数据均大于基准心率数据的情况下，获取该终端设备的运动传感器参数；
在该运动传感器参数大于对应的参数阈值的情况下，确定该用户处于运动状态。
通过上述技术方案，通过检测用户的心率数据，在检测到至少连续两次采集的心率数据均大于基准心率数据的情况下，确定用户处于运动状态，并对用户处于该运动状态时的生理数据进行统计，以得到用户的运动生理数据。通过上述技术方案，能够对用户是否处于运动状态进行自动识别，并对处于运动状态时的生理数据进行统计，能够解决相关技术中需要用户手动操作进行记录导致的操作繁琐问题，实现对运动时的生理数据的自动记录，并且避免了由于用户忘记操作导致的数据记录不准确的问题，提高数据的有效性。
关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。
本公开还提供一种计算机可读存储介质，其上存储有计算机程序指令，该程序指令被处理器执行时实现本公开提供的运动生理数据统计方法的步骤。
图7是根据一示例性实施例示出的一种运动生理数据统计装置700的框图。例如，装置700可以是一种电子设备，例如移动电话，计算机，数字广播终端，消息收发设备，游戏控制台，平板设备，医疗设备，健身设备，个人数字助理等。
参照图7，装置700可以包括以下一个或多个组件：处理组件702，存储器704，电力组件706，多媒体组件708，音频组件710，输入/输出(I/O)的接口712，传感器组件714，以及通信组件716。
处理组件702通常控制装置700的整体操作，诸如与显示，电话呼叫，数据通信，相机操作和记录操作相关联的操作。处理组件702可以包括一个或多个处理器720来执行指令，以完成上述的方法的全部或部分步骤。此外，处理组件702可以包括一个或多个模块，便于处理组件702和其他组件之间 的交互。例如，处理组件702可以包括多媒体模块，以方便多媒体组件708和处理组件702之间的交互。
存储器704被配置为存储各种类型的数据以支持在装置700的操作。这些数据的示例包括用于在装置700上操作的任何应用程序或方法的指令，联系人数据，电话簿数据，消息，图片，视频等。存储器704可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(SRAM)，电可擦除可编程只读存储器(EEPROM)，可擦除可编程只读存储器(EPROM)，可编程只读存储器(PROM)，只读存储器(ROM)，磁存储器，快闪存储器，磁盘或光盘。
电力组件706为装置700的各种组件提供电力。电力组件706可以包括电源管理系统，一个或多个电源，及其他与为装置700生成、管理和分配电力相关联的组件。
多媒体组件708包括在所述装置700和用户之间的提供一个输出接口的屏幕。在一些实施例中，屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。如果屏幕包括触摸面板，屏幕可以被实现为触摸屏，以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界，而且还检测与所述触摸或滑动操作相关的持续时间和压力。在一些实施例中，多媒体组件708包括一个前置摄像头和/或后置摄像头。当装置700处于操作模式，如拍摄模式或视频模式时，前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜系统或具有焦距和光学变焦能力。
音频组件710被配置为输出和/或输入音频信号。例如，音频组件710包括一个麦克风(MIC)，当装置700处于操作模式，如呼叫模式、记录模式和语音识别模式时，麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器704或经由通信组件716发送。在一些实施例中，音频组件710还包括一个扬声器，用于输出音频信号。
I/O接口712为处理组件702和外围接口模块之间提供接口，上述外围接口模块可以是键盘，点击轮，按钮等。这些按钮可包括但不限于：主页按钮、音量按钮、启动按钮和锁定按钮。
传感器组件714包括一个或多个传感器，用于为装置700提供各个方面的状态评估。例如，传感器组件714可以检测到装置700的打开/关闭状态，组件的相对定位，例如所述组件为装置700的显示器和小键盘，传感器组件714还可以检测装置700或装置700一个组件的位置改变，用户与装置700接触的存在或不存在，装置700方位或加速/减速和装置700的温度变化。传感器组件714可以包括接近传感器，被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件714还可以包括光传感器，如CMOS或CCD图像传感器，用于在成像应用中使用。在一些实施例中，该传感器组件714还 可以包括加速度传感器，陀螺仪传感器，磁传感器，压力传感器或温度传感器。
通信组件716被配置为便于装置700和其他设备之间有线或无线方式的通信。装置700可以接入基于通信标准的无线网络，如WiFi，2G或3G，或它们的组合。在一个示例性实施例中，通信组件716经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中，所述通信组件716还包括近场通信(NFC)模块，以促进短程通信。例如，在NFC模块可基于射频识别(RFID)技术，红外数据协会(IrDA)技术，超宽带(UWB)技术，蓝牙(BT)技术和其他技术来实现。
在示例性实施例中，装置700可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述运动生理数据统计方法。
在示例性实施例中，还提供了一种包括指令的非临时性计算机可读存储介质，例如包括指令的存储器704，上述指令可由装置700的处理器720执行以完成上述运动生理数据统计方法。例如，所述非临时性计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。
上述装置除了可以是独立的电子设备外，也可是独立电子设备的一部分，例如在一种实施例中，该装置可以是集成电路(Integrated Circuit，IC)或芯片，其中该集成电路可以是一个IC，也可以是多个IC的集合；该芯片可以包括但不限于以下种类：GPU(Graphics Processing Unit，图形处理器)、CPU(Central Processing Unit，中央处理器)、FPGA(Field Programmable Gate Array，可编程逻辑阵列)、DSP(Digital Signal Processor，数字信号处理器)、ASIC(Application Specific Integrated Circuit，专用集成电路)、SOC(System on Chip，SoC，片上系统或系统级芯片)等。上述的集成电路或芯片中可以用于执行可执行指令(或代码)，以实现上述的运动生理数据统计方法。其中该可执行指令可以存储在该集成电路或芯片中，也可以从其他的装置或设备获取，例如该集成电路或芯片中包括处理器、存储器，以及用于与其他的装置通信的接口。该可执行指令可以存储于该处理器中，当该可执行指令被处理器执行时实现上述的运动生理数据统计方法；或者，该集成电路或芯片可以通过该接口接收可执行指令并传输给该处理器执行，以实现上述的运动生理数据统计方法。
在另一示例性实施例中，还提供一种计算机程序产品，该计算机程序产品包含能够由可编程的装置执行的计算机程序，该计算机程序具有当由该可编程的装置执行时用于执行上述的运动生理数据统计方法的代码部分。
本领域技术人员在考虑说明书及实践本公开后，将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化，这 些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由下面的权利要求指出。
应当理解的是，本公开并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。

Claims (13)

  1. 一种运动生理数据统计方法，应用于终端设备，包括：
    检测用户的心率数据；
    在检测到至少连续两次采集的心率数据均大于基准心率数据的情况下，确定所述用户处于运动状态；
    对所述用户处于所述运动状态时的生理数据进行统计，以得到所述用户的运动生理数据。
  2. 根据权利要求1所述的方法，其中，所述方法还包括：
    在检测到至少连续两次采集的心率数据均小于或等于所述基准心率数据的情况下，确定所述用户退出运动状态。
  3. 根据权利要求1所述的方法，其中，所述方法还包括：
    获取所述用户在最近的预设天数中的指定时间段内的心率数据；
    将所述预设天数中的指定时间段内的心率数据中小于心率下限阈值和大于心率上限阈值的心率数据进行滤除，得到预处理后的心率数据；
    根据所述预处理后的心率数据，确定所述基准心率数据。
  4. 根据权利要求1所述的方法，其中，所述对所述用户处于所述运动状态时的生理数据进行统计，以得到所述用户的运动生理数据，包括：
    在确定所述用户处于运动状态的情况下，将所述至少连续两次采集的心率数据中的第一次心率数据的采集时刻，确定为所述运动状态的起始时间；
    在确定所述用户退出运动状态的情况下，将所述用户退出所述运动状态动状态之前最近一次大于所述基准心率数据的心率数据的采集时刻，确定为所述运动状态的结束时间；
    对所述用户在所述起始时间至所述结束时间之间的生理数据进行统计，以得到所述用户的运动生理数据。
  5. 根据权利要求1所述的方法，其中，所述运动生理数据为统计所述用户处于所述运动状态时的心率数据得到的运动心率数据，所述方法还包括：
    根据所述运动心率数据，以及与所述用户对应的目标心率，确定在所述用户的目标心率比值；
    根据所述目标心率比值确定所述用户所处的运动强度；
    根据所述运动强度，确定对应的建议运动时间；
    向所述用户输出所述建议运动时间的提示信息。
  6. 根据权利要求5所述的方法，其中，所述根据所述运动心率数据，以及与所述用户对应的目标心率，确定在所述用户的目标心率比值，以及与 所述用户对应的目标心率，确定在所述用户的目标心率比值，包括：
    获取所述用户的用户信息；
    根据所述用户信息确定所述用户对应的燃脂心率作为所述目标心率；
    从所述运动心率数据中获取在指定时长内的心率采集次数和达到所述目标心率的次数；
    基于所述心率采集次数和达到所述目标心率的次数确定所述目标心率比值。
  7. 根据权利要求5所述的方法，其中，所述根据所述目标心率比值确定所述用户所处的运动强度，包括：
    确定所述目标心率比值所属的心率比值范围；
    根据心率比值范围与运动强度等级的对应关系，确定所述目标心率比值所属的心率比值范围对应的运动强度等级。
  8. 根据权利要求1所述的方法，其中，所述在检测到至少连续两次采集的心率数据均大于基准心率数据的情况下，确定所述用户处于运动状态，包括：
    在检测到至少连续两次采集的心率数据均大于基准心率数据的情况下，获取所述终端设备在预设时长内的计步数据；
    在所述计步数据大于步数阈值的情况下，确定所述用户处于运动状态。
  9. 根据权利要求1所述的方法，其中，所述在检测到至少连续两次采集的心率数据均大于基准心率数据的情况下，确定所述用户处于运动状态，包括：
    在检测到至少连续两次采集的心率数据均大于基准心率数据的情况下，获取所述终端设备的运动传感器参数；
    在所述运动传感器参数大于对应的参数阈值的情况下，确定所述用户处于运动状态。
  10. 一种运动生理数据统计装置，应用于终端设备，所述装置包括：
    检测模块，被配置为检测用户的心率数据；
    状态识别模块，被配置为在检测到至少连续两次采集的心率数据均大于基准心率数据的情况下，确定所述用户处于运动状态；
    统计模块，被配置为对所述用户处于所述运动状态时的心率数据进行统计。
  11. 一种电子设备，包括：
    存储器，其上存储有计算机程序；
    处理器，用于执行所述存储器中的所述计算机程序，以实现权利要求1-9中任一项所述方法的步骤。
  12. 一种计算机可读存储介质，其上存储有计算机程序指令，所述程序指令被处理器执行时实现权利要求1-9中任一项所述方法的步骤。
  13. 一种芯片，包括处理器和接口；所述处理器用于读取指令以执行权利要求1-9中任一项所述的方法。
PCT/CN2022/093149 2022-05-16 2022-05-16 运动生理数据统计方法、装置、设备、存储介质及芯片 WO2023220894A1 (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
PCT/CN2022/093149 WO2023220894A1 (zh) 2022-05-16 2022-05-16 运动生理数据统计方法、装置、设备、存储介质及芯片
CN202280004545.2A CN116133590A (zh) 2022-05-16 2022-05-16 运动生理数据统计方法、装置、设备、存储介质及芯片

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/CN2022/093149 WO2023220894A1 (zh) 2022-05-16 2022-05-16 运动生理数据统计方法、装置、设备、存储介质及芯片

Publications (1)

Publication Number Publication Date
WO2023220894A1 true WO2023220894A1 (zh) 2023-11-23

Family

ID=86303172

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/CN2022/093149 WO2023220894A1 (zh) 2022-05-16 2022-05-16 运动生理数据统计方法、装置、设备、存储介质及芯片

Country Status (2)

Country Link
CN (1) CN116133590A (zh)
WO (1) WO2023220894A1 (zh)

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20150251074A1 (en) * 2012-09-04 2015-09-10 Whoop, Inc. Automated exercise recommendations
CN107094203A (zh) * 2017-04-26 2017-08-25 北京小米移动软件有限公司 消息处理方法、装置及计算机可读存储介质
CN108852333A (zh) * 2018-05-14 2018-11-23 四川斐讯信息技术有限公司 一种基于智能穿戴设备的心率监控方法及系统
CN110045994A (zh) * 2018-01-12 2019-07-23 广东欧珀移动通信有限公司 应用程序处理方法和装置、电子设备、计算机可读存储介质
CN110096195A (zh) * 2019-04-29 2019-08-06 努比亚技术有限公司 运动图标显示方法、可穿戴设备及计算机可读存储介质
CN112967801A (zh) * 2021-01-28 2021-06-15 安徽华米健康科技有限公司 Pai值处理方法、装置、设备和存储介质
CN114469040A (zh) * 2022-03-08 2022-05-13 中国科学技术大学 心率检测方法及装置、存储介质及电子设备

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20150251074A1 (en) * 2012-09-04 2015-09-10 Whoop, Inc. Automated exercise recommendations
CN107094203A (zh) * 2017-04-26 2017-08-25 北京小米移动软件有限公司 消息处理方法、装置及计算机可读存储介质
CN110045994A (zh) * 2018-01-12 2019-07-23 广东欧珀移动通信有限公司 应用程序处理方法和装置、电子设备、计算机可读存储介质
CN108852333A (zh) * 2018-05-14 2018-11-23 四川斐讯信息技术有限公司 一种基于智能穿戴设备的心率监控方法及系统
CN110096195A (zh) * 2019-04-29 2019-08-06 努比亚技术有限公司 运动图标显示方法、可穿戴设备及计算机可读存储介质
CN112967801A (zh) * 2021-01-28 2021-06-15 安徽华米健康科技有限公司 Pai值处理方法、装置、设备和存储介质
CN114469040A (zh) * 2022-03-08 2022-05-13 中国科学技术大学 心率检测方法及装置、存储介质及电子设备

Also Published As

Publication number Publication date
CN116133590A (zh) 2023-05-16

Similar Documents

Publication Publication Date Title
CN107582028B (zh) 睡眠监测方法及装置
CN104850995B (zh) 操作执行方法及装置
CN108633249B (zh) 一种生理信号质量判断方法及装置
WO2020258556A1 (zh) 一种提示方法、装置及介质
CN105662371A (zh) 一种提醒方法、装置及设备
CN105227855B (zh) 一种图像处理方法及终端
WO2023005469A1 (zh) 呼吸检测区域确定方法、装置、存储介质及电子设备
WO2017140109A1 (zh) 压力检测方法和装置
WO2023061028A1 (zh) 呼吸率检测方法及装置、电子设备和存储介质
US20100268094A1 (en) Consumer electronic camera photoplethysmograph
CN112484747B (zh) 计步方法、计步装置及存储介质
CN109938722B (zh) 数据采集方法、装置、智能穿戴设备及存储介质
US10810439B2 (en) Video identification method and device
WO2023220894A1 (zh) 运动生理数据统计方法、装置、设备、存储介质及芯片
US20210381957A1 (en) Optical fingerprint assembly and signal processing method
CN104991644B (zh) 确定移动终端使用对象的方法和装置
CN108206882A (zh) 设备闹钟提醒的方法及装置
CN112462997B (zh) 内容展现方法及装置、电子设备、存储介质
CN113952578A (zh) 一种用于失眠治疗的睡眠唤醒方法及装置
JP6262875B2 (ja) スマート指標計算方法、装置、プログラム及び記録媒体
CN110248020B (zh) 一种计时方法和装置
CN115336968A (zh) 一种睡眠状态检测方法与电子设备
CN110188533B (zh) 一种防止异常解锁的方法、装置及介质
CN107122286B (zh) 统计事件信息的方法及装置
CN106851938A (zh) 呼吸灯控制方法及装置

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 22941940

Country of ref document: EP

Kind code of ref document: A1