CN105559751B - 监测微活动状态的方法、装置及可穿戴设备 - Google Patents
监测微活动状态的方法、装置及可穿戴设备 Download PDFInfo
- Publication number
- CN105559751B CN105559751B CN201510939058.7A CN201510939058A CN105559751B CN 105559751 B CN105559751 B CN 105559751B CN 201510939058 A CN201510939058 A CN 201510939058A CN 105559751 B CN105559751 B CN 105559751B
- Authority
- CN
- China
- Prior art keywords
- micro
- vector
- value
- user
- activity
- 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.)
- Active
Links
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/48—Other medical applications
- A61B5/4806—Sleep evaluation
- A61B5/4815—Sleep quality
-
- 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
-
- 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
- A61B5/1118—Determining activity level
-
- 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
- A61B5/1121—Determining geometric values, e.g. centre of rotation or angular range of movement
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/48—Other medical applications
- A61B5/4806—Sleep evaluation
- A61B5/4809—Sleep detection, i.e. determining whether a subject is asleep or not
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7235—Details of waveform analysis
- A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B2562/00—Details of sensors; Constructional details of sensor housings or probes; Accessories for sensors
- A61B2562/02—Details of sensors specially adapted for in-vivo measurements
- A61B2562/0219—Inertial sensors, e.g. accelerometers, gyroscopes, tilt switches
-
- 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
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Public Health (AREA)
- Medical Informatics (AREA)
- Biomedical Technology (AREA)
- General Health & Medical Sciences (AREA)
- Pathology (AREA)
- Biophysics (AREA)
- Heart & Thoracic Surgery (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Veterinary Medicine (AREA)
- Physiology (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Dentistry (AREA)
- Artificial Intelligence (AREA)
- Anesthesiology (AREA)
- Evolutionary Computation (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Psychiatry (AREA)
- Signal Processing (AREA)
- Geometry (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Epidemiology (AREA)
- Primary Health Care (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本申请提供一种监测微活动状态的方法、装置及可穿戴设备,该方法包括:根据设定时间周期内采集的多个轴向的加速度数据确定用户的活动量;如果所述活动量小于第一预设阈值,根据所述多个轴向的加速度数据确定每一个轴向的轴向特征值,其中,所述第一预设阈值为大于0的正数;根据所述每一个轴向的轴向特征值确定所述设定时间周期内的微活动特征值;根据所述微活动特征值确定所述用户在所述设定时间周期内所处的微活动状态。在本申请的技术方案可以准确地识别用户所处的微活动状态,通过实时监测用户的微活动状态可以更准确地判断用户的睡眠状态,提高对用户睡眠质量的监测的可信度。
Description
技术领域
本申请涉及可穿戴设备技术领域,尤其涉及一种监测微活动状态的方法、装置及可穿戴设备。
背景技术
睡眠质量的好坏直接关系到用户的健康问题,因此用户也越来越多的关注到睡眠质量,现有技术通过可穿戴设备记录用户的活动量来判断睡眠状态,进而通过睡眠状态来评价用户的睡眠指令。由于用户在睡前进行的一些微活动(例如,看书、玩手机等,或醒后的微活动)与睡眠状态的微活动很相似,因此通过活动量来判断睡眠状态已不能准确地判断出用户的微活动,进而影响对睡眠质量的监测。
发明内容
有鉴于此,本申请提供一种新的技术方案,可以解决睡前或醒后微活动对睡眠监测的干扰的技术问题。
为实现上述目的,本申请提供技术方案如下:
根据本申请的第一方面,提出了一种监测微活动状态的方法,包括:
根据设定时间周期内采集的多个轴向的加速度数据确定用户的活动量;
如果所述活动量小于第一预设阈值,根据所述多个轴向的加速度数据确定每一个轴向的轴向特征值,其中,所述第一预设阈值为大于0的正数;
根据所述每一个轴向的轴向特征值确定所述设定时间周期内的微活动特征值;
根据所述微活动特征值确定所述用户在所述设定时间周期内所处的微活动状态。
根据本申请的第二方面,提出了一种监测微活动状态的装置,包括:
第一确定模块,用于根据设定时间周期内采集的多个轴向的加速度数据确定用户的活动量;
第二确定模块,用于如果所述第一确定模块确定的所述活动量小于第一预设阈值,根据所述多个轴向的加速度数据确定每一个轴向的轴向特征值,其中,所述第一预设阈值为大于0的正数;
第三确定模块,用于根据所述第二确定模块确定的所述每一个轴向的轴向特征值确定所述设定时间周期内的微活动特征值;
第四确定模块,用于根据所述第三确定模块确定的所述微活动特征值确定所述用户在所述设定时间周期内所处的微活动状态。
根据本申请的第三方面,提出了一种可穿戴设备,所述可穿戴设备包括:
处理器;用于存储所述处理器可执行指令的存储器;
其中,所述处理器,被配置为:
根据设定时间周期内采集的多个轴向的加速度数据确定用户的活动量;
如果所述活动量小于第一预设阈值,根据所述多个轴向的加速度数据确定每一个轴向的轴向特征值,其中,所述第一预设阈值为大于0的正数;
根据所述每一个轴向的轴向特征值确定所述设定时间周期内的微活动特征值;
根据所述微活动特征值确定所述用户在所述设定时间周期内所处的微活动状态。
由以上技术方案可见,本申请可以准确地识别用户所处的微活动状态,从而将用户在睡前进行的一些如看书、玩手机等微活动或醒后的微活动与用户处于睡眠状态的微活动进行准确区分,通过实时监测用户的微活动状态可以更准确地判断用户的睡眠状态,提高对用户睡眠质量的监测的可信度。
附图说明
图1A示出了根据本发明的一示例性实施例的监测微活动状态的方法的流程示意图;
图1B示出了根据本发明的一示例性实施例的清醒状态下实时采集的加速度数据的示意图;
图1C示出了根据本发明的一示例性实施例的睡眠状态下实时采集的加速度数据;
图1D示出了根据本发明的一示例性实施例的不佩戴可穿戴设备状态下实时采集的加速度数据的示意图;
图1E示出了根据本发明的一示例性实施例的活动量在清醒状态、睡眠状态、不佩戴可穿戴设备状态的微活动特征值的分布示意图;
图2示出了根据本发明的又一示例性实施例的如何得到轴向特征值的流程示意图;
图3A示出了根据本发明的另一示例性实施例的监测微活动状态的方法的流程示意图;
图3B示出了根据本发明的另一示例性实施例的如何确定第二预设阈值的流程示意图;
图4A示出了根据本发明的再一示例性实施例的如何确定用户的活动量的流程示意图;
图4B示出了根据本发明的再一示例性实施例的步骤402的流程图;
图4C示出了根据本发明的再一示例性实施例的活动量的示意图;
图5示出了根据本发明的一示例性实施例的可穿戴设备的结构示意图;
图6示出了根据本发明的一示例性实施例的监测微活动状态的装置的结构示意图;
图7示出了根据本发明的又一示例性实施例的监测微活动状态的装置的结构示意图;
图8示出了根据本发明的另一示例性实施例的监测微活动状态的装置的结构示意图。
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申请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、本申请的一些方面相一致的装置和方法的例子。
在本申请使用的术语是仅仅出于描述特定实施例的目的,而非旨在限制本申请。在本申请和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式,除非上下文清楚地表示其他含义。还应当理解,本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。
应当理解,尽管在本申请可能采用术语第一、第二、第三等来描述各种信息,但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如,在不脱离本申请范围的情况下,第一信息也可以被称为第二信息,类似地,第二信息也可以被称为第一信息。取决于语境,如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”。
本申请可以准确地识别用户所处的微活动状态,从而将用户在睡前进行的一些如看书、玩手机等微活动或醒后的微活动与用户处于睡眠状态的微活动进行准确区分,通过实时监测用户的微活动状态可以更准确地判断用户的睡眠状态,提高对用户睡眠质量的监测的可信度。
为对本申请进行进一步说明,提供下列实施例:
图1A示出了根据本发明的一示例性实施例的监测微活动状态的方法的流程示意图,图1B示出了根据本发明的一示例性实施例的清醒状态下实时采集的加速度数据的示意图,图1C示出了根据本发明的一示例性实施例的睡眠状态下实时采集的的加速度数据,图1D示出了根据本发明的一示例性实施例的不佩戴可穿戴设备状态下实时采集的加速度数据的示意图,图1E示出了根据本发明的一示例性实施例的活动量在清醒状态、睡眠状态、不佩戴可穿戴设备状态的微活动特征值的分布示意图;如图1A所示,包括如下步骤:
步骤101,根据设定时间周期内采集的多个轴向的加速度数据确定用户的活动量。
在一实施例中,设定时间周期可以为每分钟或者每十秒钟等设定时间间隔。在一实施例中,多个轴向的加速度数据可以为两个以上轴向的加速度传感器采集得到多个轴向的加速度数据,例如,如图1B至图1D所示,横轴表示采样点,例如横轴对应的“200”表示第200个采样点,纵轴表示加速度数据的大小,其中,以三轴加速度传感器每分钟1500个采样点的加速度数据为例进行说明,标号11表示三轴加速度传感器在x轴方向的加速度数据,标号12表示三轴加速度传感器在y轴方向的加速度数据,标号13表示三轴加速度传感器在z轴方向的加速度数据,由图1B至图1D可知,在用户处于清醒状态、睡眠状态以及不戴可穿戴设备状态下,加速度数据的大小在三个轴向的幅值均较为平稳,因此现有技术并不能从加速度数据直观的分辨上述三种状态,进而使清醒状态、不戴可穿戴设备状态对用户的睡眠状态的监测形成干扰。为了区分上述三种状态,本申请通过将多个轴向的加速度数据转化为相应的活动量来判断用户的微活动状态,根据加速度数据的相关欧式距离、平移、差分、求和、均值得到活动量,活动量的一个实现方式可以参见下述图4A所示实施例。
步骤102,如果活动量小于第一预设阈值,根据多个轴向的加速度数据确定每一个轴向的轴向特征值,其中,第一预设阈值为大于0的正数。
在一实施例中,由于用户处于微活动状态时的活动量基本上接近0,因此为了明显区分微活动状态下的活动量与用户正常状态的活动量的区别,第一预设阈值可以设置为一个较小的正数。在一实施例中,轴向特征值可以通过下述图2所示实施例得到,在此先不详述。
步骤103,根据每一个轴向的轴向特征值确定设定时间周期内的微活动特征值。
在一实施例中,可以将多个轴向的每一个轴向的轴向特征值计算和值,得到设定时间周期内的微活动特征值,例如,将上述图1B至图1D所示的三个轴向的轴向特征值相加,从而得到三个轴向的微活动特征值。
步骤104,根据微活动特征值确定用户在设定时间周期内所处的微活动状态。
在一实施例中,通过上述步骤对加速度数据的处理,可以使微活动特征值在不同微活动状态下具有不同的分布特征,如图1E所示,标号21表示用户处于清醒状态下的微活动特征值,标号22表示用户处于睡眠状态下的微活动特征值,标号23表示用户在不戴可穿戴设备状态下的微活动特征值,通过图1E可知,本申请通过微活动特征值可以将上述三种状态准确的进行区分。
由上述描述可知,本发明实施例通过上述步骤101-步骤104可以准确地识别用户所处的微活动状态,从而将用户在睡前进行的一些如看书、玩手机等微活动或醒后的微活动与用户处于睡眠状态的微活动进行准确区分,通过实时监测用户的微活动状态可以更准确地判断用户的睡眠状态,提高对用户睡眠质量的监测的可信度。
图2示出了根据本发明的又一示例性实施例的如何得到轴向特征值的流程示意图;如图2所示,包括如下步骤:
步骤201,将每一个轴向的加速度数据分割为M段,其中,M为正整数。
步骤202,计算M段的每一段内的加速度数据的中值,得到在设定时间周期内的长度为M的中值向量。
步骤203,对中值向量的差分向量进行权重加和,得到每一轴向的轴向特征值,其中,差分向量的长度为M-1。
例如,通过三轴加速度传感器采集到的在一分钟内各自对应的x、y、z轴的1500个加速度数据,以x轴为例进行示例性说明,x轴的1500个加速度数据被分割为10段,每段有150个加速度数据。
计算x轴在一分钟之内的10段中的每一段的150个加速度数据的中值,得到中值向量medianx=[x1,x2,…,x10],其中,x1,x2,x3,…,x10分别表示每一段内的150个加速度数据的中值,该中值可以通过对150个加速度数据进行求和后平均得到,同理可得y轴和z轴上的中值向量分别为mediany=[y1,y2,...,y10],medianz=[z1,z2,...,z10]。
计算上述中值向量的差分向量diffx=[x2-x1,x3-x2,…,x10-x9],同理可得y轴和z轴上的中值向量分别为diffy=[y2-y1,y3-y2,…,y10-y9]和diffz=[z2-z1,z3-z2,…,z10-z9]。
对上述得到的差分向量进行累加,以x轴的加速度数据为例,本示例中M=10,可以包含10个不同的和值,同理可得y轴和z轴上的差分向量的累加和和
对上述不同等级的累加和分配不同的权重系数w,得到x轴、y轴以及z轴向的轴向特征值:
在一实施例中,权重系数w可以通过统计用户在最初使用可穿戴设备的一段时间内(例如,使用可穿戴设备1个月之内)的使用习惯得到。
本实施例中,由于每一段内的加速度数据的中值可以较好的体现出用户在微活动状态时的正常表现,中值向量的差分向量可以表示相邻两个采样点之间的差异,在差异足够小的情形下,差分值接近0,通过本实施例对中值向量的差分向量进行权重加和后得到轴向特征值,该轴向特征值可以准确地表示用户在该时间周期内的微活动状态,从而可以通过轴向特征值更好地监测用户的微活动状态。
图3A示出了根据本发明的另一示例性实施例的监测微活动状态的方法的流程示意图,图3B示出了根据本发明的另一示例性实施例的如何确定第二预设阈值的流程示意图;如图3A所示,包括如下步骤:
步骤301,根据设定时间周期内采集的多个轴向的加速度数据确定用户的活动量。
步骤302,如果活动量小于第一预设阈值,根据多个轴向的加速度数据确定每一个轴向的轴向特征值,其中,第一预设阈值为大于0的正数。
步骤301和步骤302的相关描述可以参见上述图1A或者图2所示实施例的相关描述,在此不再详述。
步骤303,计算每一个轴向的轴向特征值的和值,得到设定时间周期内的微活动特征值。
在一实施例中,可以对上述图2所示实施例得到的x轴、y轴以及z轴向的轴向特征值加和,得到微活动特征值
步骤304,确定微活动特征值是否大于第二预设阈值并且小于第三预设阈值,第三预设阈值大于第二预设阈值。
在一实施例中,第二预设阈值和第三预设阈值可以通过可穿戴设备提供商通过海量的用户实际使用数据统计得到,并存储到可穿戴设备中,在用户使用可穿戴设备前的设定时间段内,可以通过下述图3B对第二预设阈值与第三预设阈值进行更新,从而可以使第二预设阈值和第三预设阈值能够更好地区分微活动状态。
步骤305,如果微活动特征值大于第二预设阈值并且小于第三预设阈值,确定用户在设定时间周期内的微活动状态为睡眠状态下的微活动状态。
如图1E所示,标号21表示用户处于清醒状态下的微活动特征值,标号22表示用户处于睡眠状态下的微活动特征值,标号23表示用户在不戴可穿戴设备状态下的微活动特征值,通过图1E可知,通过图1E所示的点画线可限定一个区间范围,其中,第二预设阈值对应下方的点画线,第三预设阈值对应上方的点画线,当微活动特征值在第二预设阈值和第三预设阈值所限定的范围内时,即可确定用户在设定时间周期内的微活动状态为睡眠状态下的微活动状态。
步骤306,如果微活动特征值小于第二预设阈值或者大于第三预设阈值,根据微活动特征值确定用户是否处于清醒状态下的微活动或者可穿戴设备处于完全静止的静止状态。
通过图1E可知,当微活动特征值小于第二预设阈值时,对应的标号21,表示用户处于清醒状态下的微活动特征值,当微活动特征值大于第三预设阈值时,对应的标号23,表示用户在不戴可穿戴设备状态下的微活动特征值。
为了使第二预设阈值和第三预设阈值能够更好地表示用户的使用习惯,本申请还可以对第二预设阈值和第三预设阈值根据用户习惯进行更新,如图3B所示,更新过程包括如下步骤:
步骤311,通过统计用户在设定时间段内佩戴可穿戴设备时并且处于睡眠状态时的微活动特征值。
步骤312,根据睡眠状态时的微活动特征值确定第二预设阈值和第三预设阈值。
在一实施例中,以用户开始注册可穿戴设备对应的应用程序的时间点开始,在注册时间点开始的设定时间段内(例如,一个月之内),对用户在清醒状态、不戴可穿戴设备状态、睡眠状态下的微活动特征值进行统计,找到能够区分三者的阈值,并更新到可穿戴设备上。
本实施例中,由于不同状态的微活动特征值相差较大,因此本实施例通过第二预设阈值和第三预设阈值可以对用户使用可穿戴设备的状态进行准确的区分,避免将清醒状态的微活动以及不戴可穿戴设备状态被统计到用户的睡眠状态,从而提高了睡眠状态监测的准确度;此外,通过统计用户的使用习惯统计得到第二预设阈值和第三预设阈值,可以使每个用户的第二预设阈值和第三预设阈值互不相同,从而能够根据第二预设阈值和第三预设阈值对不同用户使用可穿戴设备的状态进行很好的区分。
图4A示出了根据本发明的再一示例性实施例的如何确定用户的活动量的流程示意图,图4B示出了根据本发明的再一示例性实施例的步骤402的流程图,图4C示出了根据本发明的再一示例性实施例的活动量的示意图;如图4A所示,包括如下步骤:
步骤401,计算多个轴向上的加速度数据的欧式距离,得到设定时间周期内的距离向量。
在一实施例中,多个轴向上的加速度数据的欧氏距离可以通过三轴加速度传感器采集到的x、y、z的在一分钟内各自对应的1500个加速度数据计算得到,例如,距离向量s=[s1,s2,…,sN],其中,N为设定时间周期内的采样点的个数,本实施例以N=1500进行示例性说明。
步骤402,根据距离向量确定一个用于表示用户活动量的活动向量。
在一实施例中,可以通过对距离向量进行平移等处理得到活动向量news=[news1,news2,news3,news4],具体的详细描述可以参见图4B的描述,在此先不详述。
步骤403,对活动向量进行求和的平方,除以2,得到用户的活动量。
在一实施例中,对上述步骤402得到的活动向量进行求和的平方,得到(news1+news2+news3+news4)2/2,由此得到用户在该设定时间周期内的活动量。如图4C所示,活动量所示的横轴坐标表示时间,单位为分钟,纵轴坐标表示活动量的强度值,在一些活动量为0的时间段内,可能为清醒状态、不戴可穿戴设备状态、睡眠状态,因此通过上述图1A或者图3B通过对活动量为0或者接近0值的对应的状态进行准确地区分。
如图4B所示,步骤402可以通过如下流程实现:
步骤411,对距离向量进行平移操作,得到平移后的第一设定个数的向量。
在一实施例中,对距离向量s=[s1,s2,…,sN]进行平移的操作包括:距离向量s=[s1,s2,…,sN]向左平移1位得到距离向量s1=[s2,…,sN,s1],距离向量s1向左平移1位得到距离向量s2=[s3,…,sN,s1,s2],距离向量s2向左平移1位s3=[s4,…,sN,s1,s2,s3]。本实施例中的第一设定个数为3。
步骤412,分别提取距离向量与第一设定个数的向量的前第二设定个数的元素,得到第三设定个数的向量,第三设定个数为第一设定个数加1得到。
在一实施例中,分别提取距离向量s、s1、s2、s3的N-3维数据,得到4个N-3维的向量,分别为news1=[s1,s2,…,sN-3]、news2=[s2,…,sN-2]、news4=[s4,…,sN]、news3=[s3,…,sN-1]。本实施例中的第二设定个数为N-3,第三设定个数为4,本领域技术人员可以理解的是,上述N-3以及4等具体值并不能形成对本申请的限制。
步骤413,对第三设定个数的向量求和,得到一个总向量。
将上述4个N-3维的向量求和,得到总向量news=news1+news2+news3+news4。
步骤414,确定总向量的差分向量。
步骤415,确定总向量的差分向量的绝对值向量。
在一实施例中,总向量的差分向量的描述可以参见上述中值向量的差分向量的相关描述,在此不再详述。通过计算差分向量中的每一个元素的绝对值即可得到总向量的差分向量的绝对值向量。
步骤416,将绝对值向量除以第三设定个数,得到活动向量。
在一实施例中,将绝对值向量除以4,即可得到活动向量active。
本实施例中,针对采集得到的基于多个轴向的实时加速度数据,得到一个用于表示用户用户活动量的活动向量,进而得到用户的活动量,从而使活动量的考量更完整、客观。
本领域技术人员可以理解的是,本申请仅以三轴加速度传感器监测到的加速度数据来监测用户的活动量为例进行示例性说明,本申请还可以使用更多轴或者两轴的加速度传感器采集到的加速度数据得到活动量;对于上述实施例中涉及到的计算活动量所使用的欧式距离、平移、差分、求和、均值等步骤,本申请对各个步骤的处理顺序不做限制;在微活动特征值的提取过程中,所使用的中值、差分、累加和、权重等步骤,本申请对各个步骤的处理顺序同样不做限制。
对应于上述的监测微活动状态的方法,本申请还提出了图5所示的根据本申请的一示例性实施例的可穿戴设备的示意结构图。请参考图5,在硬件层面,该可穿戴设备包括处理器、内部总线、网络接口、内存以及非易失性存储器,当然还可能包括其他业务所需要的硬件。处理器从非易失性存储器中读取对应的计算机程序到内存中然后运行,在逻辑层面上形成监测微活动状态的装置。当然,除了软件实现方式之外,本申请并不排除其他实现方式,比如逻辑器件抑或软硬件结合的方式等等,也就是说以下处理流程的执行主体并不限定于各个逻辑单元,也可以是硬件或逻辑器件。
图6为根据本发明的一示例性实施例的监测微活动状态的装置的结构示意图;如图6所示,该监测微活动状态的装置可以包括:第一确定模块61、第二确定模块62、第三确定模块63、第四确定模块64。其中:
第一确定模块61,用于根据设定时间周期内采集的多个轴向的加速度数据确定用户的活动量;
第二确定模块62,用于如果第一确定模块61确定的活动量小于第一预设阈值,根据多个轴向的加速度数据确定每一个轴向的轴向特征值,其中,第一预设阈值为大于0的正数;
第三确定模块63,用于根据第二确定模块62确定的每一个轴向的轴向特征值确定设定时间周期内的微活动特征值;
第四确定模块64,用于根据第三确定模块63确定的微活动特征值确定用户在设定时间周期内所处的微活动状态。
图7示出了根据本发明的又一示例性实施例的监测微活动状态的装置的结构示意图;如图7所示,在上述图6所示实施例的基础上,在一实施例中,第二确定模块62可包括:
分割单元621,用于将每一个轴向的加速度数据分割为M段,其中,M为正整数;
第一计算单元622,用于计算分割单元621分割后的M段的每一段内的加速度数据的中值,得到在设定时间周期内的长度为M的中值向量;
权重加和单元623,用于对第一计算单元622计算得到的中值向量的差分向量进行权重加和,得到每一轴向的轴向特征值,其中,差分向量的长度为M-1。
在一实施例中,第三确定模块63可包括:
第二计算单元631,用于计算每一个轴向的轴向特征值的和值,得到设定时间周期内的微活动特征值。
在一实施例中,第四确定模块64可包括:
第一确定单元641,用于确定微活动特征值是否大于第二预设阈值并且小于第三预设阈值;
第二确定单元642,用于如果第一确定单元641确定微活动特征值大于第二预设阈值并且小于第三预设阈值,确定用户在设定时间周期内的微活动状态为睡眠状态下的微活动状态;
第三确定单元643,用于如果第一确定单元641确定微活动小于第二预设阈值或者大于第三预设阈值,根据微活动特征值确定用户是否处于清醒状态下的微活动或者可穿戴设备处于完全静止的静止状态。
在一实施例中,装置还可包括:
统计模块65,用于通过统计用户在设定时间段内佩戴可穿戴设备时并且处于睡眠状态时的微活动特征值;
第五确定模块66,用于根据统计模块65统计得到的睡眠状态时的微活动特征值确定第二预设阈值和第三预设阈值,以供第一确定单元641确定微活动特征值是否大于第二预设阈值并且小于第三预设阈值。
图8示出了根据本发明的另一示例性实施例的监测微活动状态的装置的结构示意图;如图8所示,在上述图6和/或图7所示实施例的基础上,在一实施例中,第一确定模块61可包括:
第三计算单元611,用于计算多个轴向上的每一个轴向的加速度数据的欧式距离,得到设定时间周期内的距离向量;
第四确定单元612,用于根据第三计算单元611确定的距离向量确定一个用于表示用户活动量的活动向量;
求和平方单元613,用于对第四确定单元612确定的活动向量进行求和的平方,除以2,得到用户的活动量。
在一实施例中,第四确定单元612可包括:
平移子单元6121,用于对距离向量进行平移操作,得到平移后的第一设定个数的向量;
提取子单元6122,用于分别提取距离向量与平移子单元6121平移后的第一设定个数的向量的前第二设定个数的元素,得到第三设定个数的向量,第三设定个数为第一设定个数加1得到;
求和子单元6123,用于对提取子单元6122得到的第三设定个数的向量求和,得到一个总向量;
第一确定子单元6124,用于确定求和子单元6123得到的总向量的差分向量;
第二确定子单元6125,用确定第一确定子单元6121确定的总向量的差分向量的绝对值向量;
除法子单元6126,用将第二确定子单元6125确定的绝对值向量除以第三设定个数,得到活动向量。
上述实施例可见,本申请基于加速度数据提取出用户的微活动特征值,通过微活动特征值对用户的状态进行监测,解决了用户在睡前或醒后的微活动对睡眠状态监测的干扰,能够更准确地监测用户的睡眠状态。
本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本申请的其它实施方案。本申请旨在涵盖本申请的任何变型、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申请的一般性原理并包括本申请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,本申请的真正范围和精神由下面的权利要求指出。
还需要说明的是,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
以上所述仅为本申请的较佳实施例而已,并不用以限制本申请,凡在本申请的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本申请保护的范围之内。
Claims (13)
1.一种监测微活动状态的方法,其特征在于,所述方法包括:
根据设定时间周期内采集的多个轴向的加速度数据确定用户的活动量;
如果所述活动量小于第一预设阈值,根据所述多个轴向的加速度数据确定每一个轴向的轴向特征值,其中,所述第一预设阈值为大于0的正数;
根据所述每一个轴向的轴向特征值确定所述设定时间周期内的微活动特征值;
根据所述微活动特征值确定所述用户在所述设定时间周期内所处的微活动状态;
所述根据设定时间周期内采集的加速度数据确定用户的活动量,包括:
计算所述多个轴向上的每一个轴向的加速度数据的欧式距离,得到所述设定时间周期内的距离向量;
根据所述距离向量确定一个用于表示用户活动量的活动向量;
对所述活动向量进行求和的平方,除以2,得到用户的活动量。
2.根据权利要求1所述的方法,其特征在于,所述根据所述多个轴向的加速度数据确定每一个轴向的轴向特征值,包括:
将每一个轴向的加速度数据分割为M段,其中,M为正整数;
计算所述M段的每一段内的加速度数据的中值,得到在所述设定时间周期内的长度为M的中值向量;
对所述中值向量的差分向量进行权重加和,得到每一轴向的轴向特征值,其中,所述差分向量的长度为M-1。
3.根据权利要求1所述的方法,其特征在于,所述根据所述每一个轴向的轴向特征值确定所述设定时间周期内的微活动特征值,包括:
计算所述每一个轴向的轴向特征值的和值,得到所述设定时间周期内的微活动特征值。
4.根据权利要求1所述的方法,其特征在于,所述根据所述微活动特征值确定所述用户在所述设定时间周期内所处的微活动状态,包括:
确定所述微活动特征值是否大于第二预设阈值并且小于第三预设阈值;
如果所述微活动特征值大于所述第二预设阈值并且小于第三预设阈值,确定所述用户在所述设定时间周期内所述的微活动状态为睡眠状态下的微活动状态;
如果所述微活动小于所述第二预设阈值或者大于第三预设阈值,根据所述微活动特征值确定所述用户是否处于清醒状态下的微活动或者可穿戴设备处于完全静止的静止状态。
5.根据权利要求4所述的方法,其特征在于,所述方法还包括:
通过统计所述用户在设定时间段内佩戴所述可穿戴设备时并且处于睡眠状态时的微活动特征值;
根据所述睡眠状态时的微活动特征值确定所述第二预设阈值和所述第三预设阈值。
6.根据权利要求1所述的方法,其特征在于,所述根据所述距离向量确定一个用于表示用户活动量的活动向量,包括:
对所述距离向量进行平移操作,得到平移后的第一设定个数的向量;
分别提取所述距离向量与所述第一设定个数的向量的前第二设定个数的元素,得到第三设定个数的向量,所述第三设定个数为所述第一设定个数加1得到;
对所述第三设定个数的向量求和,得到一个总向量;
确定所述总向量的差分向量;
确定所述总向量的差分向量的绝对值向量;
将所述绝对值向量除以所述第三设定个数,得到活动向量。
7.一种监测微活动状态的装置,其特征在于,所述装置包括:
第一确定模块,用于根据设定时间周期内采集的多个轴向的加速度数据确定用户的活动量;
第二确定模块,用于如果所述第一确定模块确定的所述活动量小于第一预设阈值,根据所述多个轴向的加速度数据确定每一个轴向的轴向特征值,其中,所述第一预设阈值为大于0的正数;
第三确定模块,用于根据所述第二确定模块确定的所述每一个轴向的轴向特征值确定所述设定时间周期内的微活动特征值;
第四确定模块,用于根据所述第三确定模块确定的所述微活动特征值确定所述用户在所述设定时间周期内所处的微活动状态;
所述第一确定模块包括:
第三计算单元,用于计算所述多个轴向上的每一个轴向的加速度数据的欧式距离,得到所述设定时间周期内的距离向量;
第四确定单元,用于根据所述第三计算单元确定的所述距离向量确定一个用于表示用户活动量的活动向量;
求和平方单元,用于对所述第四确定单元确定的所述活动向量进行求和的平方,除以2,得到用户的活动量。
8.根据权利要求7所述的装置,其特征在于,所述第二确定模块包括:
分割单元,用于将每一个轴向的加速度数据分割为M段,其中,M为正整数;
第一计算单元,用于计算所述分割单元分割后的所述M段的每一段内的加速度数据的中值,得到在所述设定时间周期内的长度为M的中值向量;
权重加和单元,用于对所述第一计算单元计算得到的所述中值向量的差分向量进行权重加和,得到每一轴向的轴向特征值,其中,所述差分向量的长度为M-1。
9.根据权利要求7所述的装置,其特征在于,所述第三确定模块包括:
第二计算单元,用于计算所述每一个轴向的轴向特征值的和值,得到所述设定时间周期内的微活动特征值。
10.根据权利要求7所述的装置,其特征在于,所述第四确定模块包括:
第一确定单元,用于确定所述微活动特征值是否大于第二预设阈值并且小于第三预设阈值;
第二确定单元,用于如果所述第一确定单元确定所述微活动特征值大于所述第二预设阈值并且小于第三预设阈值,确定所述用户在所述设定时间周期内所述的微活动状态为睡眠状态下的微活动状态;
第三确定单元,用于如果所述第一确定单元确定所述微活动小于所述第二预设阈值或者大于第三预设阈值,根据所述微活动特征值确定所述用户是否处于清醒状态下的微活动或者可穿戴设备处于完全静止的静止状态。
11.根据权利要求10所述的装置,其特征在于,所述装置还包括:
统计模块,用于通过统计所述用户在设定时间段内佩戴所述可穿戴设备时并且处于睡眠状态时的微活动特征值;
第五确定模块,用于根据所述统计模块统计得到的所述睡眠状态时的微活动特征值确定所述第二预设阈值和所述第三预设阈值。
12.根据权利要求7所述的装置,其特征在于,所述第四确定单元包括:
平移子单元,用于对所述距离向量进行平移操作,得到平移后的第一设定个数的向量;
提取子单元,用于分别提取所述距离向量与所述平移子单元平移后的所述第一设定个数的向量的前第二设定个数的元素,得到第三设定个数的向量,所述第三设定个数为所述第一设定个数加1得到;
求和子单元,用于对所述提取子单元得到的所述第三设定个数的向量求和,得到一个总向量;
第一确定子单元,用于确定所述求和子单元得到的所述总向量的差分向量;
第二确定子单元,用确定所述第一确定子单元确定的所述总向量的差分向量的绝对值向量;
除法子单元,用将所述第二确定子单元确定的所述绝对值向量除以所述第三设定个数,得到活动向量。
13.一种可穿戴设备,其特征在于,所述设备包括:
处理器;用于存储所述处理器可执行指令的存储器;
其中,所述处理器,被配置为:
根据设定时间周期内采集的多个轴向的加速度数据确定用户的活动量;
如果所述活动量小于第一预设阈值,根据所述多个轴向的加速度数据确定每一个轴向的轴向特征值,其中,所述第一预设阈值为大于0的正数;
根据所述每一个轴向的轴向特征值确定所述设定时间周期内的微活动特征值;
根据所述微活动特征值确定所述用户在所述设定时间周期内所处的微活动状态;
所述根据设定时间周期内采集的加速度数据确定用户的活动量,包括:
计算所述多个轴向上的每一个轴向的加速度数据的欧式距离,得到所述设定时间周期内的距离向量;
根据所述距离向量确定一个用于表示用户活动量的活动向量;
对所述活动向量进行求和的平方,除以2,得到用户的活动量。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510939058.7A CN105559751B (zh) | 2015-12-14 | 2015-12-14 | 监测微活动状态的方法、装置及可穿戴设备 |
PCT/CN2016/109624 WO2017101755A1 (zh) | 2015-12-14 | 2016-12-13 | 监测微活动状态及可穿戴设备 |
US15/497,623 US10624575B2 (en) | 2015-12-14 | 2017-04-26 | Monitoring sleep using microactivity states |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510939058.7A CN105559751B (zh) | 2015-12-14 | 2015-12-14 | 监测微活动状态的方法、装置及可穿戴设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105559751A CN105559751A (zh) | 2016-05-11 |
CN105559751B true CN105559751B (zh) | 2018-06-12 |
Family
ID=55870806
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510939058.7A Active CN105559751B (zh) | 2015-12-14 | 2015-12-14 | 监测微活动状态的方法、装置及可穿戴设备 |
Country Status (3)
Country | Link |
---|---|
US (1) | US10624575B2 (zh) |
CN (1) | CN105559751B (zh) |
WO (1) | WO2017101755A1 (zh) |
Families Citing this family (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105559751B (zh) * | 2015-12-14 | 2018-06-12 | 安徽华米信息科技有限公司 | 监测微活动状态的方法、装置及可穿戴设备 |
CN106821352A (zh) * | 2017-03-14 | 2017-06-13 | 广州视源电子科技股份有限公司 | 一种健康状态提示方法和装置 |
EP3381351A1 (en) * | 2017-03-29 | 2018-10-03 | Vivior AG | System for assessing a health condition of a user |
CN108095694B (zh) * | 2018-01-12 | 2021-01-26 | 安徽华米智能科技有限公司 | 可穿戴设备的状态监测方法、装置及可穿戴设备 |
CN110151136B (zh) * | 2019-05-28 | 2022-03-08 | 深圳如一探索科技有限公司 | 有条件参考心率睡眠状态监测方法、装置、设备及介质 |
CN110151137B (zh) * | 2019-05-28 | 2022-03-11 | 深圳如一探索科技有限公司 | 基于数据融合的睡眠状态监测方法、装置、设备及介质 |
US11714658B2 (en) * | 2019-08-30 | 2023-08-01 | Microstrategy Incorporated | Automated idle environment shutdown |
US11755372B2 (en) | 2019-08-30 | 2023-09-12 | Microstrategy Incorporated | Environment monitoring and management |
CN110680338A (zh) * | 2019-11-14 | 2020-01-14 | 广州校角文化传播有限公司 | 用户活跃度监测判定方法及其装置 |
CN114469005B (zh) * | 2022-02-17 | 2023-10-24 | 珠海格力电器股份有限公司 | 睡眠状态的监测方法及其装置、计算机可读存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103263260A (zh) * | 2013-05-02 | 2013-08-28 | 北京博实联创科技有限公司 | 使用梳状滤波器的生理参数检测***和睡眠深度监测*** |
CN103717125A (zh) * | 2011-05-18 | 2014-04-09 | V视股份有限公司 | 用于确定人的睡眠和睡眠阶段的***和方法 |
CN103767710A (zh) * | 2013-12-31 | 2014-05-07 | 歌尔声学股份有限公司 | 人体运动状态监视方法和装置 |
CN104706318A (zh) * | 2013-12-16 | 2015-06-17 | ***通信集团公司 | 一种睡眠分析方法及装置 |
Family Cites Families (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3658580B2 (ja) * | 2002-08-29 | 2005-06-08 | 学校法人立命館 | 睡眠深度推定装置及びこれを具えた布団 |
KR101168156B1 (ko) * | 2008-12-08 | 2012-07-24 | 한국전자통신연구원 | 일상 생활 검출용 휴대 장치 및 시스템 |
RU2604701C2 (ru) * | 2011-05-30 | 2016-12-10 | Конинклейке Филипс Н.В. | Способ и устройство для мониторинга движений и дыхания множества субъектов в общей кровати |
US9731126B2 (en) * | 2011-11-15 | 2017-08-15 | Neurometrix, Inc. | Transcutaneous electrical nerve stimulator with automatic detection of leg orientation and leg motion for enhanced sleep analysis, including enhanced transcutaneous electrical nerve stimulation (TENS) using the same |
US9168419B2 (en) * | 2012-06-22 | 2015-10-27 | Fitbit, Inc. | Use of gyroscopes in personal fitness tracking devices |
US9610030B2 (en) * | 2015-01-23 | 2017-04-04 | Hello Inc. | Room monitoring device and sleep analysis methods |
US9808185B2 (en) * | 2014-09-23 | 2017-11-07 | Fitbit, Inc. | Movement measure generation in a wearable electronic device |
CN113951818A (zh) * | 2014-12-30 | 2022-01-21 | 日东电工株式会社 | 用于睡眠监测的设备和方法 |
US10314530B2 (en) * | 2015-10-27 | 2019-06-11 | Johnson & Johnson Vision Care, Inc. | Electronic ophthalmic lens with sleep monitoring |
CN105559751B (zh) * | 2015-12-14 | 2018-06-12 | 安徽华米信息科技有限公司 | 监测微活动状态的方法、装置及可穿戴设备 |
-
2015
- 2015-12-14 CN CN201510939058.7A patent/CN105559751B/zh active Active
-
2016
- 2016-12-13 WO PCT/CN2016/109624 patent/WO2017101755A1/zh active Application Filing
-
2017
- 2017-04-26 US US15/497,623 patent/US10624575B2/en active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103717125A (zh) * | 2011-05-18 | 2014-04-09 | V视股份有限公司 | 用于确定人的睡眠和睡眠阶段的***和方法 |
CN103263260A (zh) * | 2013-05-02 | 2013-08-28 | 北京博实联创科技有限公司 | 使用梳状滤波器的生理参数检测***和睡眠深度监测*** |
CN104706318A (zh) * | 2013-12-16 | 2015-06-17 | ***通信集团公司 | 一种睡眠分析方法及装置 |
CN103767710A (zh) * | 2013-12-31 | 2014-05-07 | 歌尔声学股份有限公司 | 人体运动状态监视方法和装置 |
Also Published As
Publication number | Publication date |
---|---|
US20170224275A1 (en) | 2017-08-10 |
US10624575B2 (en) | 2020-04-21 |
CN105559751A (zh) | 2016-05-11 |
WO2017101755A1 (zh) | 2017-06-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105559751B (zh) | 监测微活动状态的方法、装置及可穿戴设备 | |
US8781991B2 (en) | Emotion recognition apparatus and method | |
CN106030246B (zh) | 用于对对象的周期性运动的循环数目进行计数的设备、方法和*** | |
CN106441350A (zh) | 一种计步方法及终端 | |
CN108095694B (zh) | 可穿戴设备的状态监测方法、装置及可穿戴设备 | |
CN104567912B (zh) | 一种在Android手机上实现计步器的方法 | |
EP3315914B1 (en) | Step counting method, device and terminal | |
CN106108913B (zh) | 误计步消除方法、装置及可穿戴设备 | |
CN110151136B (zh) | 有条件参考心率睡眠状态监测方法、装置、设备及介质 | |
CN103492884A (zh) | 低平均速度步行运动标识 | |
CN111839465A (zh) | 睡眠检测方法、装置、智能穿戴设备及可读存储介质 | |
CN114238033B (zh) | 板卡运行状态预警方法、装置、设备及可读存储介质 | |
CN108245869A (zh) | 一种游泳信息检测方法、装置及电子设备 | |
US20150241243A1 (en) | Method for counting steps and electronic apparatus using the same | |
CN106066707A (zh) | 检测便携式设备的物理分离 | |
CN111798978A (zh) | 用户健康评估方法、装置、存储介质及电子设备 | |
CN106913313A (zh) | 一种睡眠监测方法及*** | |
CN106821336A (zh) | 睡眠监测方法及*** | |
CN108052960A (zh) | 识别终端握持状态的方法、模型训练方法及终端 | |
CN107577410A (zh) | 穿戴设备显示屏的点亮方法及装置 | |
CN114896568B (zh) | 一种游泳数据统计方法、装置、设备及介质 | |
CN113130024A (zh) | 医疗事件的预测方法及穿戴设备、计算机可读存储介质 | |
US20180252549A1 (en) | Method and apparatus for realizing step counting | |
CN105796111B (zh) | 睡眠翻身动作的监测方法、装置及可穿戴设备 | |
CN114061791A (zh) | 一种体温检测方法、***及介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |