CN106774861B - 智能设备及行为数据纠正方法和装置 - Google Patents
智能设备及行为数据纠正方法和装置 Download PDFInfo
- Publication number
- CN106774861B CN106774861B CN201611095686.2A CN201611095686A CN106774861B CN 106774861 B CN106774861 B CN 106774861B CN 201611095686 A CN201611095686 A CN 201611095686A CN 106774861 B CN106774861 B CN 106774861B
- Authority
- CN
- China
- Prior art keywords
- data
- behavior
- task
- behavior data
- guidance
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
- G06F3/011—Arrangements for interaction with the human body, e.g. for user immersion in virtual reality
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/10—Office automation; Time management
- G06Q10/109—Time management, e.g. calendars, reminders, meetings or time accounting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2203/00—Indexing scheme relating to G06F3/00 - G06F3/048
- G06F2203/01—Indexing scheme relating to G06F3/01
- G06F2203/011—Emotion or mood input determined on the basis of sensed human body parameters such as pulse, heart rate or beat, temperature of skin, facial expressions, iris, voice pitch, brain activity patterns
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Operations Research (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Economics (AREA)
- Data Mining & Analysis (AREA)
- Human Computer Interaction (AREA)
- Medical Treatment And Welfare Office Work (AREA)
- User Interface Of Digital Computer (AREA)
Abstract
本发明公开了一种行为数据纠正方法和装置,包括如下按运行周期循环运行的步骤:调用用户自定义的适于周期性运行的任务列表,该任务列表包括多个任务记录,每个任务记录均包括任务执行时间段与数据源指定信息;获取该任务列表的每个运行周期中所述任务执行时间段内的行为数据;检验所述行为数据是否与预设的指导行为模型数据相匹配;当检验结果为不匹配时,向可穿戴设备推送引导佩戴者执行与修改行为数据相关的操作指令;当检验结果为匹配时,向可穿戴设备推送表征修正成功的通知信息以引导佩戴者维持既有的行为数据。本发明通过上述方法和装置,实现对行为数据的及时修正,有利于用户养成良好的行为习惯。
Description
技术领域
本发明涉及通信技术领域,更具体地,涉及一种智能设备及行为数据纠正方法和装置。
背景技术
现代生活压力与日俱增,家长陪伴孩子成长的时间变短,孩子在学校中的行为举止,家长无法获知,通过家长监督孩子养成良好的行为习惯变得越来越不可能。
现有技术中,存在通过智能设备督促孩子养成好习惯的方法,如:智能手表、智能手环等。通过服务器接收智能设备上传的行为数据并进行分析处理,根据获取行为数据与设定值的比较结果判断孩子是否完成任务,家长端根据接收到的比较结果对孩子进行提醒和奖励。
现有技术有明显的缺陷,无法通过采集到的行为数据准确地判别用户当前行为,不能实现在计划执行过程中对用户行为数据的修正,其智能化程度不足,无法利用大数据优势,在任务计划与用户行为数据之间做出合理的优化处理。
发明内容
鉴于上述问题,本发明的首要目的在于提供一种行为数据纠正方法和相应的装置。
本发明的另一目的在于提供一种用于执行上述方法的智能设备。
为了实现上述目的,本发明采取如下技术方案:
第一方面,本发明提供了一种行为数据纠正方法,包括如下按运行周期循环运行的步骤:
调用用户自定义的适于周期性运行的任务列表,该任务列表包括多个任务记录,每个任务记录均包括任务执行时间段与数据源指定信息;
获取该任务列表的每一个运行周期中所述任务执行时间段内的行为数据,该行为数据由任务记录的数据源指定信息所指定的传感器采集;
检验所述行为数据是否与预设的指导行为模型数据相匹配;
当所述行为数据与所述指导行为模型数据不相匹配时,向可穿戴设备推送引导佩戴者执行与修正行为数据相关的操作指令,使所述可穿戴设备响应于该指令而引导佩戴者执行相应操作,以便获取与预设指导行为模型数据相匹配的行为数据;
当所述行为数据与所述指导行为模型数据相匹配时,向可穿戴设备推送表征修正成功的通知信息,以引导佩戴者维持既有的行为数据。
结合第一方面,本发明在第一方面的第一种实现方式中,所述任务记录还包括,与所述任务执行时间段相关的激励数据,当所述行为数据与所述指导行为模型数据相匹配时,修改与所述任务执行时间段相关的激励数据,并向可穿戴设备推送与修改激励数据相关的通知信息,以驱动可穿戴设备显示相应的通知。
任务记录中包括激励数据,增强了人机的互动性,提高了佩戴者按照任务列表执行任务的积极性。
结合第一方面,本发明在第一方面的第二种实现方式中,所述行为数据与所述指导行为模型数据相匹配需要至少按照预设的运行周期循环运行一次,直至所述行为数据与所述指导行为模型数据相匹配,所述行为数据与所述指导行为模型数据的匹配度正比于周期性运行所述任务列表的次数。
结合第一方面,本发明在第一方面的第三种实现方式中,所述数据源指定信息包括对加速度传感器、心率传感器、血压传感器中任意一项或任意多项的指定信息,对于同一任务计划表的不同任务记录而言,允许在数据源指定信息中指定不同的传感器,以对应获取不同类型的所述行为数据。
根据不同的任务,在数据源指定信息中指定不同的传感器,根据不同的任务灵活地指定不同的传感器,节约了***资源,减少了可穿戴设备的损耗,提升了可穿戴设备的智能化程度。
结合第一方面,本发明在第一方面的第四种实现方式中,所述检验所述行为数据是否与预设的指导行为模型数据相匹配的步骤中,所述指导行为模型数据与任务记录中的数据源指定信息相关联,适应不同传感器来源的行为数据,适配其相应的指导行为模型数据。
结合第一方面,本发明在第一方面的第五种实现方式中,所述任务记录还包括设置在所述任务执行时间段之前的准备时间段,在准备时间段驱动可穿戴设备执行与任务执行相关的通知。
结合本发明在第一方面的第五种实现方式,本发明在第一方面的第六种实现方式中,包括:当***时间信息与所述任务执行时间段的起始时间相匹配时,发送与该任务执行时间段相对应的任务启动指令至可穿戴设备。
结合第一方面,本发明在第一方面的第七种实现方式中,获取多个周期的所述行为数据,所述任务单元的指导行为模型数据是由不同周期相同任务执行时间段的多组所述行为数据结合预设的规则和/或算法运算而得。
结合第一方面,本发明在第一方面的第八种实现方式中,检验所述行为数据是否与预设的指导行为模型数据相匹配包括,多个所述指导行为模型数据映射于同一个行为模型,检验所述行为数据中的每一个具体数据与行为模型中的指导行为模型数据是否一一对应,若检验结果为一一对应,则视为所述行为数据表征的用户行为与所述行为模型数据表征的行为模型相匹配。
结合第一方面,本发明在第一方面的第九种实现方式中,检验所述行为数据是否与预设的指导行为模型数据相匹配包括,检验所述行为数据是否存在于所述指导行为模型数据预设的阈值范围内。
结合第一方面,本发明在第一方面的第十种实现方式中,所述向可穿戴设备推送引导佩戴者执行与修正行为数据相关的操作指令之前,计算所述行为数据与所述指导行为模型中相对应数据的相对偏移比例,按照相对偏移比例的大小对所述行为数据映射的用户行为排序,针对该顺序列表中相对偏移比例最大的用户行为,向可穿戴设备推送引导指令。
第二方面,本发明还提供了一种行为数据纠正方法,包括如下按运行周期循环运行的步骤:
调用从服务器接收的适于周期性运行的任务列表,该任务列表包括多个任务记录,每个任务记录均包括任务执行时间段与数据源指定信息;
获取该任务列表每个运行周期中所述任务执行时间段内的行为数据,该行为数据由任务记录的数据源指定信息所指定的传感器采集;
检验所述行为数据是否与预设的指导行为模型数据相匹配;
当所述行为数据与所述指导行为模型数据不相匹配时,响应于服务器发送的引导佩戴者执行与修正行为数据相关的操作指令而引导佩戴者执行相应操作;
当所述行为数据与所述指导行为模型数据相匹配时,接收表征修正成功的通知信息,以引导佩戴者维持既有的行为数据。
结合第二方面,本发明在第二方面的第一种实现方式中,包括:将所述行为数据提交到服务器,由服务器执行所述检验的步骤,并接收服务器检验之后的匹配结果。
结合第二方面,本发明在第二反面的第二种实现方式中,所述任务记录中还包含与任务执行时间段相对应的激励数据,当所述行为数据与所述指导行为模型数据相匹配时,接收服务器发送的与修改激励数据相关的通知信息,并在可穿戴设备界面上显示,以便获取与预设指导行为模型数据相匹配的行为数据。
第三方面,本发明还提供了行为数据纠正装置,该装置具有实现上述第一方面行为数据纠正方法的功能。所述功能可以通过硬件实现,也可以通过硬件执行相应的软件实现。所述硬件或软件包括一个或多个与上述功能相对应的模块。包括:
调用模块,用于调用用户自定义的适于周期性运行的任务列表,该任务列表包括多个任务记录,每个任务记录均包含任务执行时间段与数据源指定信息;
获取模块,用于获取该任务列表每个运行周期中所述任务执行时间段内的行为数据,该行为数据由任务记录的数据源指定信息所指定的传感器采集;
检验模块,用于检验所述行为数据是否与预设的指导行为模型数据相匹配;
第一推送模块,用于当所述行为数据与所述指导行为模型数据不相匹配时,向可穿戴设备推送引导佩戴者执行与修正行为数据相关的操作指令,使所述可穿戴设备响应于该指令而引导佩戴者执行相应操作;
第二推送模块,用于当所述行为数据与所述指导行为模型数据相匹配时,向可穿戴设备推送表征修正成功的通知信息,以引导佩戴者维持既有的行为数据。
结合第三方面,本发明在第三方面的第一种实现方式中,所述任务记录还包括与所述任务执行时间段相关的激励数据,当所述行为数据与所述指导行为模型数据相匹配时,修改与所述任务执行时间段相关的激励数据,并向可穿戴设备推送与修改激励数据相关的通知信息,以驱动可穿戴设备显示相应的通知。
结合第三方面,本发明在第三方面的第二种实现方式中,所述行为数据与所述指导行为模型数据相匹配需要至少按照预设的运行周期循环运行一次,直至所述行为数据与所述指导行为模型数据相匹配,所述行为数据与所述指导行为模型数据的匹配度正比于周期性运行所述任务列表的次数。
结合第三方面,本发明在第三方面的第三种实现方式中,所述数据源指定信息包括对加速度传感器、心率传感器、血压传感器中任意一项或任意多项的指定信息,对于同一任务计划表的不同任务记录而言,允许在数据源指定信息中指定不同的传感器,以对应获取不同类型的所述行为数据。
结合第三方面,本发明在第三方面的第四种实现方式中,所述检验所述行为数据是否与预设的指导行为模型数据相匹配的步骤中,所述指导行为模型数据与任务记录中的数据源指定信息相关联,适应不同传感器来源的行为数据,适配其相应的指导行为模型数据。
结合第三方面,本发明在第三方面的第五种实现方式中,所述任务记录还包括设置在所述任务执行时间段之前的准备时间段,在准备时间段驱动可穿戴设备执行与任务执行相关的通知。
结合第三方面的第五种实现方式,本发明在第三方面的第六种实现方式中,包括:当***时间信息与所述任务执行时间段的起始时间相匹配时,发送与该任务执行时间段相对应的任务启动指令至可穿戴设备。
结合第三方面,本发明在第三方面的第七种实现方式中,所述获取该时间段相对应的行为数据还包括获取多个周期的所述行为数据,所述指导行为模型数据由不同周期相同任务执行时间段的多组所述行为数据结合预设的规则和/或算法运算而得。
结合第三方面,本发明在第三方面的第八种实现方式中,检验所述行为数据是否与预设的指导行为模型数据相匹配包括:多个所述指导行为模型数据映射于同一个行为模型,检验所述行为数据中的每一个具体数据与行为模型中的指导行为模型数据是否一一对应,若检验结果为一一对应,则视为所述行为数据表征的用户行为与所述行为模型数据表征的行为模型相匹配。
结合第三方面,本发明在第三方面的第九种实现方式中,检验所述行为数据是否与预设的指导行为模型数据相匹配的步骤中包括,检验所述行为数据是否存在于所述指导行为模型数据预设的阈值范围内。
结合第三方面,本发明在第三方面的第十种实现方式中,所述向可穿戴设备推送引导佩戴者执行与修改行为数据相关的操作指令之前,计算所述行为数据与所述指导行为模型中相对应数据的相对偏移比例,按照相对偏移比例的大小对所述行为数据映射的用户行为排序,针对该顺序列表中相对偏移比例最大的用户行为,向可穿戴设备推送引导指令。
第四方面,本发明还提供了行为数据纠正装置,该装置具有实现上述第三方面行为数据纠正方法的功能,包括:
调用模块,用于调用从服务器接收的适于周期性运行的任务列表,该任务列表包括多个任务记录,每个任务记录均包括任务执行时间段与数据源指定信息;
获取模块,用于获取该任务列表每个运行周期中所述任务执行时间段内的行为数据,该行为数据由任务记录的数据源指定信息所指定的传感器采集;
检验模块,用于检验所述行为数据是否与预设的指导行为模型数据相匹配;
实施模块,用于当所述行为数据与所述指导行为模型数据不相匹配时,响应于服务器发送的引导佩戴者执行与修改行为数据相关的操作指令而引导佩戴者执行相应操作;
接收模块,用于当所述行为数据与所述指导行为模型数据相匹配时,接收表征修正成功的通知信息,以引导佩戴者维持既有的行为数据。
结合第四方面,本发明在第四方面的第一种实现方式中,包括:将所述行为数据提交至服务器,由服务器执行所述检验的步骤,并接收服务器检验后的匹配结果。
结合第四方面,本发明在第四方面的第二种实现方式中,所述行为记录中还包括与任务执行时间段相对应的激励数据,当所述行为数据与所述指导行为模型数据相匹配时,接收服务器发送的与修改激励数据相关的通知信息,并在可穿戴设备界面上显示。
第五方面,本发明还提供了一种智能设备,为服务器或终端计算机,包括处理器,该处理器用于执行第一方面第一种至第十种实现方式和第二方面的第一种至第二种实现方式所述的行为数据纠正方法的步骤。
与现有技术相比,本发明提供的技术方案至少具有以下优点:
本发明根据获取的行为数据与指导行为模型数据是否相匹配来判别用户是否执行任务列表任务的方法,有利于服务器准确解析用户当前的行为是否按照计划执行,便于对行为数据进行及时修正,由此,在用户行为数据与云端大数据之间构成相当于闭环式的正反馈关系,使得终端设备可以在一个原始的任务计划组的基础上,结合大数据控制,渐次优化任务计划,直至获得期望的用户行为数据。
进一步地,本发明针对不同的任务记录,在数据源指定信息中指定不同的传感器采集相对应的行为数据,节约了***资源,提升了可穿戴设备的智能化程度。
更进一步地,在任务记录中设置激励数据,根据用户的兴趣爱好设置激励的方法,增强了人机互动性,提高佩戴者执行任务的积极性。
本发明的这些方面或其他方面在以下的描述中会更加简明易懂。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1示出了根据本发明实施例的行为数据纠正方法的流程图。
图2示出了本发明实施例二的行为数据纠正方法的流程图。
图3示出了本发明实施例的服务器端的框架示意图。
图4示出了本发明实施例的智能设备的框架示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述。
在本发明的说明书和权利要求书及上述附图中的描述的一些流程中,包含了按照特定顺序出现的多个操作,但是应该清楚了解,这些操作可以不按照其在本文中出现的顺序来执行或并行执行,操作的序号如11、12等,仅仅是用于区分开各个不同的操作,序号本身不代表任何的执行顺序。另外,这些流程可以包括更多或更少的操作,并且这些操作可以按顺序执行或并行执行。需要说明的是,本文中的“第一”、“第二”等描述,是用于区分不同的消息、设备、模块等,不代表先后顺序,也不限定“第一”和“第二”是不同的类型。
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本技术领域技术人员可以理解,除非另外定义,这里使用的所有术语(包括技术术语和科学术语),具有与本发明所属领域中的普通技术人员的一般理解相同的意义,还应该理解的是,诸如通用字典中定义的那些术语,应该被理解为具有与现有技术的上下文中的意义一致的意义,除非被特定定义,否则不会用理想化或过于正式的含义来解释。
下面结合附图具体介绍本发明实施例的技术方案。
实施例一
本实施例的行为数据纠正方法主要在服务器中实现,详细实现过程请参阅图1。该方法包括如下按运行周期循环运行的步骤:
S10,调用用户自定义的适于周期性运行的任务列表,该任务列表包括多个任务记录,每个任务记录均包括任务执行时间段与数据源指定信息;
优选地,在移动终端界面上显示用于编辑任务列表的用户界面,该任务列表可以周期性运行,编辑完成后,上传至服务器,服务器接收终端上传的任务列表。
具体地,该任务列表至少包含一个任务记录,每个任务记录的结构均相同,任务记录包含任务执行时间、数据源指定信息。
在移动终端编辑任务列表,该任务列表可以周期性运行,该周期可以自定义为一天、一周、一个月等等。
表一为一种任务列表的示例,详情如下:
任务执行时间 | 数据源指定信息 |
11:00~11:40 | 加速度、心率 |
13:00~14:00 | 加速度 |
15:00~15:40 | 加速度、血压 |
… | … |
具体地,任务记录中的数据源指定信息包括对可穿戴设备上加速度传感器、心率传感器、血压传感器、声敏传感器等传感器中任意一项或任意多项的指定信息。
优选地,在任务列表中每个任务记录的任务执行时间段之前设置准备时间段,在准备时间段驱动可穿戴设备执行与任务执行相关的通知。
具体地,当***时间信息与该准备时间段的起始时间相匹配时,发送准备启动该时间段相关任务的提醒指令至可穿戴设备端,驱动可穿戴设备执行该提醒指令;当***时间信息与任务列表中任务执行时间段的起始时间相匹配时,发送任务启动指令以驱动可穿戴设备启动该任务的执行。
优选地,当***时间信息与任务记录中某任务执行时间段的起始时间相匹配时,发送该时间段相关任务的启动指令及任务启动的提醒指令,驱动可穿戴设备启动该任务,同时执行该提醒指令。
优选地,当***时间信息与任务列表指定的任务终止时间相匹配时,发送与该任务执行时间段相关的终止指令及该任务终止的提醒指令。
上述在关键时间点设置提醒或设置准备时间段的方法,增强了人机交互性,增大了后续任务中采集到的行为数据与指导行为模型数据匹配的概率。
例如,结合表一示例,若设置准备时间段为5分钟,则在10:55发送任务启动提醒指令,当检测到***时间为11:00时,发送启动指令至可穿戴设备,或发送启动指令的同时发送启动提醒指令至可穿戴设备以引导佩戴者启动该时段的任务。
S11,获取该任务列表每个运行周期中所述任务执行时间段内的行为数据,该行为数据由任务记录的数据源指定信息所指定的传感器采集;
优选地,同一任务列表中的不同记录,在数据源指定信息中可以指定不同的传感器,以对应获取不同类型的行为数据。
优选地,传感器为与任务相关的数据源指定信息指定的位移传感器、速度传感器、加速度传感器、视觉传感器、声敏传感器、光敏传感器、心率传感器、血压传感器等传感器中的任意一种或任意几种。
优选地,数据源指定为加速度传感器时,采集用户在任务执行时间段的加速度数据,将获取的相关数据进行数据处理,以确定可穿戴设备佩戴者的运动频率、运动速度及位移。
优选地,所述行为数据为运动速度、加速度、频率、心率、血压、血糖、声音、影像等数据中的一种或任意几种。
行为数据由不同类型的传感器采集,不仅可以实时对用户行为数据进行采集,而且大大提高了采集的用户行为数据的可靠性及提高对用户行为数据的分析结果的准确性。
例如,结合表一所示,在任务执行时间段为11:00~11:40时,数据源指定信息是由加速度传感器采集的加速度数据、由心率传感器采集的心率数据。在任务执行时间段为15:00~15:40时,数据源指定信息是由加速度传感器采集的加速度数据、由血压传感器采集的血压数据。
根据不同的任务,在数据源指定信息中指定不同的传感器,根据不同的任务灵活地指定不同的传感器,节约了***资源,减少了可穿戴设备的损耗,提升了可穿戴设备的智能化程度。
优选地,若可穿戴设备为电子产品,则采集的行为数据里包括可穿戴设备的剩余电量数据,当检测到可穿戴设备终端的电池电量低于预设值时,服务器端发送充电的提醒提示,以免影响所述行为数据的采集。
S12,检验所述行为数据是否与预设的指导行为模型数据相匹配;
具体地,指导行为模型数据与任务记录中的数据源指定信息相关联,适应不同传感器来源的行为数据,适配其相应的指导行为模型数据。
获取可穿戴设备自其至少一个传感器采集的多个周期的行为数据,将不同周期相同任务执行时间段的行为数据,利用预设算法运算而得的数据集创建所述指导行为模型。
具体地,数据集中包含多个指导行为模型数据,多个指导行为模型数据映射于同一个行为模型,检验所述行为数据中的每一个具体数据与行为模型中的指导行为模型数据是否一一对应,若检验结果为一一对应,则视为所述行为数据表征的用户行为与所述行为模型数据表征的行为模型相匹配。
优选地,检验所述行为数据中的每一个具体数据与行为模型中的指导行为模型数据是否一一对应包括,若检验结果不是完全一一对应,检验所述行为数据存在于所述指导行为模型数据预设的阈值范围内,若行为数据存在于指导行为模型数据预设的阈值范围内,则视为所述行为数据表征的用户行为与所述行为模型数据表征的行为模型相匹配,若否,则视为所获取行为数据与指导行为模型数据不相匹配。
例如:结合表一示例,假设时间段11:00~11:40的任务为学习,采集多个周期该时段的行为数据,数据源指定信息是由加速度传感器采集的加速度数据、由心率传感器采集的心率数据。利用用户执行学习任务的样本数据结合相关的算法运算得出数据集,从中抽取规律,建立学习模型。学习任务的指导模型建立后,将获取的用户在该时段采集到的行为数据如:加速度数据及心率数据分别与学习任务的指导模型中的加速度数据及心率数据做比较。例如采集到一段时间内的加速度数据为1.2m/s2,心率数据为79次/分,相对应时间段内学习的指导模型中的加速度数据为1.2m/s2,心率数据为75次/分。加速度数据完全相同,心率数据有所偏差。如果预设心率数据的阈值为:70次/分至80次/分,获取的心率数据处于该预设阈值之内,加速度数据与心率数据均相匹配,则它们映射的学习行为对应匹配学习行为模型。如果预设的心率数据的阈值为72次/分至78次/分,获取的心率数据不处于该预设阈值之内,则加速度数据与预设加速度数据相匹配,而心率数据不匹配,它们映射的行为不匹配于预设的学习行为模型。
优选地,获取任务执行时间段的一段时间内的加速度数据,与该指导行为模型内该时间段内的加速度数据做比较,判断所述行为数据是否与该任务的指导行为模型数据相匹配,以减小判断误差。
利用行为数据与设定的指导行为模型数据对比的方法,便于快速判断佩戴者是否按照计划列表执行任务,简化了佩戴者行为的判断程序。
采集到的行为数据与云端大数据之间构成闭环式的正反馈关系,使得终端设备可以在一个原始的任务计划组的基础上,结合大数据分析,渐次优化任务计划,直至获得期望的用户行为数据。
例如,结合表一示例,若时间段11:00~11:40的任务是学习,获取多组同时间段的加速度数据与心率数据,分析结果表明,用户在任务开始10分钟后才进入学习状态,则任务计划可以调整为在10:50分设置提醒通知,引导用户准备进入学习状态。运行调整过的任务列表,分析获取的多个周期的行为数据,若分析结果表明用户在该11:30左右出现若干次打盹现象,在该任务计划中调整为在11:30分增加提醒通知,引导用户调整状态。
诸如此类,分析多个运行周期内采集到的行为数据,根据与指导行为模型数据的差距调整任务计划列表,直至获取与指导行为模型数据一致的行为数据。
所述行为数据与所述指导行为模型的匹配度正比于周期性运行所述任务列表的次数。
在同一个任务列表的运行周期内,服务器发送与任务相关的通知指令,引导佩戴者执行调整后续任务行为数据的操作,利用采集到的行为数据与指导行为模型数据做对比,获取多个运行周期的行为数据,大数据分析该数据,根据分析结果调整任务列表,使得任务执行过程中的行为数据不断贴合指导行为模型数据。运行任务列表的周期数越多,获取的行为数据与指导行为模型数据的匹配度越高。
S13,当所述行为数据与所述指导行为模型数据不相匹配时,向可穿戴设备推送引导佩戴者执行与修正行为数据相关的操作指令,使所述可穿戴设备响应于该指令而引导佩戴者执行相应操作。
优选地,向可穿戴设备推送引导佩戴者执行与修正行为数据相关的操作指令之前,计算获取的行为数据与指导行为模型中相对应数据的偏移比例,该偏移比例为相对偏差量,多项行为数据映射一种用户行为,综合各项行为数据的偏移比例对映射的用户行为进行排序,按照获取的用户行为列表顺序或倒叙执行引导操作。
实际情形中,用户的大多数行为与预设的指导模型都不相符,但如果用户在运行任务列表时,不分轻重缓急地全部提醒或引导用户更正自己的执行方式,一方面不利于用户对某一具体行为习惯的快速培养,另一方面容易引起用户的情绪问题。
上述对不符合指导行为模型数据的行为进行排序,优选地,在一个运行周期中,选择只对上一周期获得的与指导行为模型差距最大/最小的行为进行提醒引导,有利于用户有针对性地重点更改对该任务的行为方式。
具体地,服务器端检测到某任务执行时间段内获取的行为数据与该任务执行时间段对应的指导行为模型数据不匹配,则向可穿戴设备发送修正行为数据的通知指令,在可穿戴设备上显示该通知指令,并引导佩戴者执行人机交互操作。
例如:结合表一示例,假设时间段11:00~11:40内的任务是学习,在任务执行过程中或完成后,服务器检测到获取的加速度数据及心率数据与学习指导模型中的加速度数据及心率数据不匹配,向可穿戴设备发送提醒或警告,并向佩戴者推送与学习任务相关的信息,引导佩戴者进入学习状态。
利用获取的行为数据与指导行为模型是否匹配判断佩戴者当前的行为,便于及时调整佩戴者的行为数据,发送通知指令引导佩戴者行为的方法增强了人机互动性。
优选地,所述任务记录中还包括激励数据,即每个任务记录均包含任务执行时间、数据源指定信息、激励数据。其中,激励数据可以根据用户的兴趣爱好设置。
表二是包含激励数据的一种任务列表的示例,详情如下:
任务执行时间 | 数据源指定信息 | 激励措施 |
11:00~11:40 | 加速度、心率 | 小红花 |
13:00~14:00 | 加速度 | 小红花 |
15:00~15:40 | 加速度、血压 | 点赞 |
… | … | … |
具体地,当所述行为数据与所述指导行为模型数据相匹配时,修改与所述时间段相关的激励数据,并向可穿戴设备推送与修改激励数据相关的通知信息,以驱动可穿戴设备显示相应的通知。
例如:结合表二示例,假设在时间段11:00~11:40内的任务是学习,服务器检测到在该时间段,可穿戴设备佩戴者的加速度数据及心率数据与学习指导模型数据相匹配,在服务器端增加该佩戴者获取的小红花数量,同时在可穿戴设备用户界面显示一朵小红花告知佩戴者获得的奖励。
任务记录中包括激励数据,增强了人机的互动性,提高了佩戴者按照任务列表执行任务的积极性。
S14,当所述行为数据与所述指导行为模型数据相匹配时,向可穿戴设备推送表征修正成功的通知信息,以引导佩戴者维持既有的行为数据。
结合表二示例,假设15:00至15:20时间段的任务是运动,服务器检测到可穿戴设备佩戴者的行为数据与运动模式相匹配,在服务器端修改该佩戴者获取赞的数量,同时向可穿戴设备端发送行为数据修正成功的通知信息,并以语音的形式激励佩戴者,如:太棒了、你又多了一个赞,继续保持等语音提示,同时在可穿戴设备界面显示赞的手势。在接收到修正成功的通知信息之前,可穿戴设备上至少需要按照上述可循环运行的步骤执行一个周期,更加贴合实际情况的是,任务单元的行为数据往往需要经过几次甚至几十次的循环运行,才能实现获取的行为数据与该任务单元的指导行为模型数据相匹配,按照上述步骤每循环运行该任务列表一次,运行周期内可穿戴设备不断接收用于引导用户按任务列表执行的指令,在该周期获取的用户行为数据与指导行为模型数据的匹配度高于运行上一周期的获取的用户行为数据与指导行为模型数据的匹配度,以指导行为模型数据为标准,获取的用户行为数据是被修正了。当接收到的用户行为数据与指导行为模型数据一一对应时,用户行为数据修正成功,接收服务器发送的与数据修正成功的通知信息,告知佩戴者其行为数据符合任务计划的标准,引导用户保持现有对任务计划的执行方式。
实施例二
为了说明本发明的行为数据纠正方法的详细实现过程,本方法还存在另一种实施方式,本实施例的行为数据纠正方法主要在可穿戴设备端实现,包括如下按周期循环运行的步骤:
S20,调用从服务器接收的适于周期性运行的任务列表,该任务列表包括多个任务记录,每个任务记录均包括任务执行时间段与数据源指定信息;
具体地,可穿戴设备调用服务器中的任务列表,该任务列表在移动终端的用户界面上编辑完成后上传至服务器,且至少包含一个任务记录,每个任务记录的结构均相同,所述任务记录包括任务执行时间、数据源指定数据。
可穿戴设备调用服务器端的任务列表,节省了可穿戴设备的存储空间。
调用服务器端的任务列表,该任务列表可以周期性运行,该周期可以自定义为一天、一周、一月等等。
表三为一种任务列表的示例,详情如下:
任务执行时间 | 数据源指定信息 |
11:00~11:40 | 加速度、心率 |
13:00~14:00 | 加速度 |
15:00~15:40 | 加速度、血压 |
… | … |
具体地,任务记录中包含的数据源指定信息包括对可穿戴设备上加速度传感器、心率传感器、血压传感器、声敏传感器等传感器中任意一项或任意多项的指定信息。
优选地,在任务列表中每个任务记录的任务执行时间段之前设置准备时间段,可穿戴设备接收通知指令,在准备时间段执行与任务执行相关的通知。
具体地,当***时间信息与该准备时间段的起始时间相匹配时,接收准备启动该时间段相关任务的提醒指令,响应于该提醒指令,可穿戴设备以语音或震动等形式提醒佩戴者与该时间段相关的任务进入准备时间段;启动内部计时器,当***时间信息与任务列表中任务执行时间段的起始时间相匹配时,接收任务启动指令,启动该任务的执行或引导佩戴者进行人机交互操作。
优选地,当***时间信息与任务记录中某任务执行时间段的起始时间相匹配时,接收该时间段相关任务的启动指令及任务启动的提醒指令,响应于该提醒指令,以语音或震动等形式告知佩戴者与该时间段相关的任务启动,同时启动该任务的执行。
优选地,当***时间信息与任务列表指定的任务终止时间相匹配时,接收与该任务执行时间段相关任务的终止指令及该任务终止指令的提醒指令,响应于该任务终止指令的提醒指令,以语音或/和震动的形式告知佩戴者该任务终止,同时停止对该任务时间段相关任务的驱动。
上述在关键时间点设置提醒的方法,增强了人机交互性,增大后续任务的行为数据与指导行为模型匹配的概率。
例如,结合表三示例,若任务记录中设置的准备时间段为5分钟,则在10:55时刻接收任务启动提醒指令,可穿戴设备以预设的方式响应于该指令,提醒佩戴者准备启动任务,在11:00时刻接收启动指令,响应于该启动指令引导佩戴者启动该时段的任务。
S21,获取该任务列表每个运行周期中所述任务执行时间段内的行为数据,该行为数据由任务记录的数据源指定信息所指定的传感器采集;
优选地,同一任务列表中的不同记录,在数据源指定信息中可以指定不同的传感器,以对应获取不同类型的行为数据。
优选地,传感器为与任务相关的数据源指定信息指定的位移传感器、速度传感器、加速度传感器、视觉传感器、声敏传感器、光敏传感器、心率传感器、血压传感器等传感器中的任意一种或任意几种。
优选地,数据源指定为加速度传感器时,采集用户在任务执行时间段的加速度数据,将获取的相关数据进行数据处理,以确定可穿戴设备佩戴者的运动频率、运动速度及位移。
优选地,所述行为数据为运动速度、加速度、频率、心率、血压、血糖、声音、影像等数据中的一种或任意几种。
行为数据由不同类型的传感器采集,不仅可以实时对用户行为数据进行采集,而且大大提高了采集的用户行为数据的可靠性及提高对用户行为数据的分析结果的准确性。
例如,结合表三所示,在任务执行时间段为11:00~11:40时,数据源指定信息是由加速度传感器采集的加速度数据、由心率传感器采集的心率数据。在任务执行时间段为15:00~15:40时,数据源指定信息是由加速度传感器采集的加速度数据、由血压传感器采集的血压数据。
根据不同的任务,在数据源指定信息中指定不同的传感器,根据不同的任务灵活地指定不同的传感器,节约了***资源,减少了可穿戴设备的损耗,提升了可穿戴设备的智能化程度。
优选地,若可穿戴设备为电子产品,则采集的行为数据里包括可穿戴设备的剩余电量数据,当检测到可穿戴设备终端的电池电量低于预设值时,服务器端发送充电的提醒提示,以免影响所述行为数据的采集。
S22,检验所述行为数据是否与预设的指导行为模型数据相匹配;
具体地,指导行为模型数据与任务记录中的数据源指定信息相关联,适应不同传感器来源的行为数据,适配其相应的指导行为模型数据。
获取任务记录中数据源指定信息中指定的至少一个传感器采集的多个周期的行为数据,将不同周期相同任务执行时间段的行为数据,利用预设算法运算而得的数据集创建所述指导行为模型。
具体地,数据集中包含多个指导行为模型数据,多个指导行为模型数据映射于同一个行为模型,检验所述行为数据中的每一个具体数据与行为模型中的指导行为模型数据是否一一对应,若检验结果为一一对应,则视为所述行为数据表征的用户行为与所述行为模型数据表征的行为模型相匹配。
优选地,检验所述行为数据中的每一个具体数据与行为模型中的指导行为模型数据是否一一对应包括,若检验结果不是完全一一对应,检验所述行为数据存在于所述指导行为模型数据预设的阈值范围内,若行为数据存在于指导行为模型数据预设的阈值范围内,则视为所述行为数据表征的用户行为与所述行为模型数据表征的行为模型相匹配,若否,则视为所获取行为数据与指导行为模型数据不相匹配。
例如:结合表一示例,假设时间段11:00~11:40的任务为学习,采集多个周期该时段的行为数据,数据源指定信息是由加速度传感器采集的加速度数据、由心率传感器采集的心率数据。利用用户执行学习任务的样本数据结合相关的算法运算得出数据集,从中抽取规律,建立学习模型。学习任务的指导模型建立后,将获取的用户在该时段采集到的行为数据如:加速度数据及心率数据分别与学习任务的指导模型中的加速度数据及心率数据做比较。例如采集到一段时间内的加速度数据为1.2m/s2,心率数据为79次/分,相对应时间段内学习的指导模型中的加速度数据为1.2m/s2,心率数据为75次/分。加速度数据完全相同,心率数据有所偏差。如果预设心率数据的阈值为:70次/分至80次/分,获取的心率数据处于该预设阈值之内,加速度数据与心率数据均相匹配,则它们映射的学习行为对应匹配学习行为模型。如果预设的心率数据的阈值为72次/分至78次/分,获取的心率数据不处于该预设阈值之内,则加速度数据与预设加速度数据相匹配,而心率数据不匹配,它们映射的行为不匹配于预设的学习行为模型。
优选地,获取任务执行时间段的一段时间内的加速度数据,与该指导行为模型内该时间段内的加速度数据做比较,判断所述行为数据是否与该任务的指导行为模型数据相匹配,以减小判断误差。
利用行为数据与设定的指导行为模型对比的方法,便于快速判断佩戴者是否按照计划列表执行任务,简化了佩戴者行为的判断程序。
采集到的行为数据与云端大数据之间构成闭环式的正反馈关系,终端设备可以在原始计划列表的基础上,结合大数据分析,逐渐优化任务计划,直至获取期望的用户行为数据。
例如,结合表三示例,若时间段11:00~11:40的任务是学习,获取多组同时间段的加速度数据与心率数据,分析结果表明,用户在任务开始10分钟后才进入学习状态,则任务计划可以调整为在10:50分设置提醒通知,引导用户准备进入学习状态。运行调整过的任务列表,分析获取的多个周期的行为数据,若分析结果表明用户在该11:30左右出现若干次打盹现象,在该任务计划中调整为在11:30分增加提醒通知,引导用户调整状态。
诸如此类,分析多个运行周期内采集到的行为数据,根据与指导行为模型数据的差距调整任务计划列表,直至获取与指导行为模型数据一致的行为数据。
所述行为数据与所述指导行为模型数据的匹配度正比于周期性运行所述任务列表的次数。
在同一个任务列表的运行周期内,可穿戴设备不断接受与任务相关的通知指令,引导佩戴者执行相应的操作,任务执行过程中的行为数据不断贴合指导行为模型数据,运行任务列表的周期数越多,获取的行为数据与指导行为模型数据的匹配度越高。
另外一种执行方式为通过将所述行为数据提交到服务器,由服务器执行如实施例一所述检验的步骤,并接受服务器检验之后的匹配结果。
S23,当所述行为数据与所述指导行为模型数据不相匹配时,响应于服务器发送的引导佩戴者执行与修正行为数据相关的操作指令而引导佩戴者执行相应操作。
优选地,可穿戴设备接收到引导佩戴者执行与修正行为数据相关的操作指令之前,计算获取的行为数据与指导行为模型中相对应数据的偏移比例,该偏移比例为相对偏差量,多项行为数据映射一种用户行为,综合各项行为数据的偏移比例对映射的用户行为进行排序,按照获取的用户行为列表顺序或倒叙执行引导操作。
实际情形中,用户的大多数行为与预设的指导模型都不相符,但如果用户在运行任务列表时,不分轻重缓急地全部提醒或引导用户更正自己的执行方式,一方面不利于用户对某一具体行为习惯的快速培养,另一方面容易引起用户的情绪问题。
上述对不符合指导行为模型数据的行为进行排序,优选地,在一个运行周期中,选择只对上一周期获得的与指导行为模型差距最大/最小的行为进行提醒引导,有利于用户有针对性地重点更改对该任务的行为方式。
例如:结合表三示例,假设时间段11:00~11:40内的任务是学习,在任务执行过程中或完成后,检测到获取的加速度数据及心率数据与学习指导模型中的加速度数据及心率数据不相匹配,接收服务器发送的提醒或警告,引导佩戴者执行学习任务的指令,在可穿戴设备的界面显示该指令的通知信息,同时通过语音提醒佩戴者进行学习。
利用获取的行为数据与指导行为模型是否匹配判断佩戴者当前的行为,便于及时调整佩戴者的行为数据,发送通知指令引导佩戴者行为的方法增强了人机互动性。
优选地,所述任务记录中还包括激励数据,即每个认为记录均包含任务执行时间、数据源指定信息、激励数据。其中,激励数据可以根据用户的兴趣爱好设置。
表四为包含激励数据的一种任务列表的示例,详情如下:
任务执行时间 | 任务执行模式 | 激励措施 |
11:00~11:40 | 安静 | 小红花 |
13:00~14:00 | 安静 | 小红花 |
15:00~15:40 | 运动 | 点赞 |
… | … | … |
具体地,当获取的行为数据与该时间段的指导行为模型数据相匹配时,修改与该时间段相关的激励数据,接收修改激励的相关指令,在可穿戴设备上显示相应的通知信息。
例如:结合表四示例,假设在时间段11:00~11:40内的任务是学习,当获取的该时间段行为数据与学习指导行为模型相匹配时,接收到奖励一朵小红花的指令,可穿戴设备界面显示一朵小红花,同时语音告知佩戴者获得小红花的奖励。
任务记录中包括激励数据,增强了人机互动性,提高了佩戴者按照任务列表执行任务的积极性。
S24,当所述行为数据与所述指导行为模型数据相匹配时,接收表征修正成功的通知信息,以引导佩戴者维持既有的行为数据。
结合表四示例,假设15:00~15:20时间段的任务是运动,可穿戴设备端接收行为数据修正成功的通知信息,并以语音的形式激励佩戴者以引导佩戴者按照获取该组行为数据的方式执行现有任务计划表,如:太棒了、你又多了一个赞,继续保持等语音提示,同时在可穿戴设备界面显示赞的手势。
在接收到修正成功的通知信息之前,可穿戴设备上至少需要按照上述可循环运行的步骤执行一个周期,更加贴合实际情况的是,任务单元的行为数据往往需要经过几次甚至几十次的循环运行,才能实现获取的行为数据与该任务单元的指导行为模型数据相匹配,按照上述步骤每循环运行该任务列表一次,运行周期内可穿戴设备不断接收用于引导用户按任务列表执行的指令,在该周期获取的用户行为数据与指导行为模型数据的匹配度高于运行上一周期的获取的用户行为数据与指导行为模型数据的匹配度,以指导行为模型数据为标准,获取的用户行为数据是被修正了。当接收到的用户行为数据与指导行为模型数据一一对应时,用户行为数据修正成功,接收服务器发送的与数据修正成功的通知信息,告知佩戴者其行为数据符合任务计划的标准,引导用户保持现有对任务计划的执行方式。
实施例三
适应前述各实施例,基于计算机模块化思维,本发明进一步提供一种与实施例一相应的行为数据纠正装置。为了说明本发明行为数据纠正装置的详细模块组成,请参阅图3。本实施例中至少包含以下模块:
调用模块30、获取模块31、检验模块32、第一推送模块33、第二推送模块34。以下针对各模块的具体功能做进一步的说明:
调用模块30,用于调用用户自定义的适于周期性运行的任务列表,该任务列表包括多个任务记录,每个任务记录均包含任务执行时间段与数据源指定信息;
优选地,在移动终端界面上显示用于编辑任务列表的用户界面,该任务列表可以周期性运行,编辑完成后,上传至服务器,服务器接收终端上传的任务列表。
具体地,该任务列表至少包含一个任务记录,每个任务记录的结构均相同,任务记录包含任务执行时间、数据源指定信息。
在移动终端编辑任务列表,该任务列表可以周期性运行,该周期可以自定义为一天、一周、一个月等等。
表五为一种任务列表的示例,详情如下:
具体地,任务记录中的数据源指定信息包括对可穿戴设备上加速度传感器、心率传感器、血压传感器、声敏传感器等传感器中任意一项或任意多项的指定信息。
优选地,在任务列表中每个任务记录的任务执行时间段之前设置准备时间段,在准备时间段驱动可穿戴设备执行与任务执行相关的通知。
具体地,当***时间信息与该准备时间段的起始时间相匹配时,发送准备启动该时间段相关任务的提醒指令至可穿戴设备端,驱动可穿戴设备执行该提醒指令;当***时间信息与任务列表中任务执行时间段的起始时间相匹配时,发送任务启动指令以驱动可穿戴设备启动该任务的执行。
优选地,当***时间信息与任务记录中某任务执行时间段的起始时间相匹配时,发送该时间段相关任务的启动指令及任务启动的提醒指令,驱动可穿戴设备启动该任务,同时执行该提醒指令。
优选地,当***时间信息与任务列表指定的任务终止时间相匹配时,发送与该任务执行时间段相关的终止指令及该任务终止的提醒指令。
上述在关键时间点设置提醒或设置准备时间段的方法,增强了人机交互性,增大了后续任务中采集到的行为数据与指导行为模型数据匹配的概率。
例如,结合表五示例,若设置准备时间段为5分钟,则在10:55发送任务启动提醒指令,当检测到***时间为11:00时,发送启动指令至可穿戴设备,或发送启动指令的同时发送启动提醒指令至可穿戴设备以引导佩戴者启动该时段的任务。
获取模块31,用于获取该任务列表每个运行周期中所述任务执行时间段内的行为数据,该行为数据由任务记录的数据源指定信息所指定的传感器采集;
优选地,同一任务列表中的不同记录,在数据源指定信息中可以指定不同的传感器,以对应获取不同类型的行为数据。
优选地,传感器为与任务相关的数据源指定信息指定的位移传感器、速度传感器、加速度传感器、视觉传感器、声敏传感器、光敏传感器、心率传感器、血压传感器等传感器中的任意一种或任意几种。
优选地,数据源指定为加速度传感器时,采集用户在任务执行时间段的加速度数据,将获取的相关数据进行数据处理,以确定可穿戴设备佩戴者的运动频率、运动速度及位移。
优选地,所述行为数据为运动速度、加速度、频率、心率、血压、血糖、声音、影像等数据中的一种或任意几种。
行为数据由不同类型的传感器采集,不仅可以实时对用户行为数据进行采集,而且大大提高了采集的用户行为数据的可靠性及提高对用户行为数据的分析结果的准确性。
例如,结合表五所示,在任务执行时间段为11:00~11:40时,数据源指定信息是由加速度传感器采集的加速度数据、由心率传感器采集的心率数据。在任务执行时间段为15:00~15:40时,数据源指定信息是由加速度传感器采集的加速度数据、由血压传感器采集的血压数据。
根据不同的任务,在数据源指定信息中指定不同的传感器,根据不同的任务灵活地指定不同的传感器,节约了***资源,减少了可穿戴设备的损耗,提升了可穿戴设备的智能化程度。
优选地,若可穿戴设备为电子产品,则采集的行为数据里包括可穿戴设备的剩余电量数据,当检测到可穿戴设备终端的电池电量低于预设值时,服务器端发送充电的提醒提示,以免影响所述行为数据的采集。
检验模块32,用于检验所述行为数据是否与预设的指导行为模型数据相匹配;
具体地,指导行为模型数据与任务记录中的数据源指定信息相关联,适应不同传感器来源的行为数据,适配其相应的指导行为模型数据。
获取可穿戴设备自其至少一个传感器采集的多个周期的行为数据,将不同周期相同任务执行时间段的行为数据,利用预设算法运算而得的数据集创建所述指导行为模型。
具体地,数据集中包含多个指导行为模型数据,多个指导行为模型数据映射于同一个行为模型,检验所述行为数据中的每一个具体数据与行为模型中的指导行为模型数据是否一一对应,若检验结果为一一对应,则视为所述行为数据表征的用户行为与所述行为模型数据表征的行为模型相匹配。
优选地,检验所述行为数据中的每一个具体数据与行为模型中的指导行为模型数据是否一一对应包括,若检验结果不是完全一一对应,检验所述行为数据存在于所述指导行为模型数据预设的阈值范围内,若行为数据存在于指导行为模型数据预设的阈值范围内,则视为所述行为数据表征的用户行为与所述行为模型数据表征的行为模型相匹配,若否,则视为所获取行为数据与指导行为模型数据不相匹配。
例如:结合表五示例,假设时间段11:00~11:40的任务为学习,采集多个周期该时段的行为数据,数据源指定信息是由加速度传感器采集的加速度数据、由心率传感器采集的心率数据。利用用户执行学习任务的样本数据结合相关的算法运算得出数据集,从中抽取规律,建立学习模型。学习任务的指导模型建立后,将获取的用户在该时段采集到的行为数据如:加速度数据及心率数据分别与学习任务的指导模型中的加速度数据及心率数据做比较。例如采集到一段时间内的加速度数据为1.2m/s2,心率数据为79次/分,相对应时间段内学习的指导模型中的加速度数据为1.2m/s2,心率数据为75次/分。加速度数据完全相同,心率数据有所偏差。如果预设心率数据的阈值为:70次/分至80次/分,获取的心率数据处于该预设阈值之内,加速度数据与心率数据均相匹配,则它们映射的学习行为对应匹配学习行为模型。如果预设的心率数据的阈值为72次/分至78次/分,获取的心率数据不处于该预设阈值之内,则加速度数据与预设加速度数据相匹配,而心率数据不匹配,它们映射的行为不匹配于预设的学习行为模型。
优选地,获取任务执行时间段的一段时间内的加速度数据,与该指导行为模型内该时间段内的加速度数据做比较,判断所述行为数据是否与该任务的指导行为模型数据相匹配,以减小判断误差。
利用行为数据与设定的指导行为模型数据对比的方法,便于快速判断佩戴者是否按照计划列表执行任务,简化了佩戴者行为的判断程序。
采集到的行为数据与云端大数据之间构成闭环式的正反馈关系,使得终端设备可以在一个原始的任务计划组的基础上,结合大数据分析,渐次优化任务计划,直至获得期望的用户行为数据。
例如,结合表五示例,若时间段11:00~11:40的任务是学习,获取多组同时间段的加速度数据与心率数据,分析结果表明,用户在任务开始10分钟后才进入学习状态,则任务计划可以调整为在10:50分设置提醒通知,引导用户准备进入学习状态。运行调整过的任务列表,分析获取的多个周期的行为数据,若分析结果表明用户在该11:30左右出现若干次打盹现象,在该任务计划中调整为在11:30分增加提醒通知,引导用户调整状态。
诸如此类,分析多个运行周期内采集到的行为数据,根据与指导行为模型数据的差距调整任务计划列表,直至获取与指导行为模型数据一致的行为数据。
所述行为数据与所述指导行为模型数据的匹配度正比于周期性运行所述任务列表的次数。
在同一个任务列表的运行周期内,服务器发送与任务相关的通知指令,引导佩戴者执行调整后续任务行为数据的操作,任务执行过程中的行为数据不断贴合指导行为模型数据。运行任务列表的周期数越多,获取的行为数据与指导行为模型数据的匹配度越高。
第一推送模块33,用于当所述行为数据与所述指导行为模型数据不相匹配时,向可穿戴设备推送引导佩戴者执行与修正行为数据相关的操作指令,使所述可穿戴设备响应于该指令而引导佩戴者执行相应操作。
优选地,向可穿戴设备推送引导佩戴者执行与修正行为数据相关的操作指令之前,计算获取的行为数据与指导行为模型中相对应数据的偏移比例,该偏移比例为相对偏差量,多项行为数据映射一种用户行为,综合各项行为数据的偏移比例对映射的用户行为进行排序,按照获取的用户行为列表顺序或倒叙执行引导操作。
实际情形中,用户的大多数行为与预设的指导模型都不相符,但如果用户在运行任务列表时,不分轻重缓急地全部提醒或引导用户更正自己的执行方式,一方面不利于用户对某一具体行为习惯的快速培养,另一方面容易引起用户的情绪问题。
上述对不符合指导行为模型数据的行为进行排序,优选地,在一个运行周期中,选择只对上一周期获得的与指导行为模型差距最大/最小的行为进行提醒引导,有利于用户有针对性地重点更改对该任务的行为方式。
具体地,服务器端检测到某任务执行时间段内获取的行为数据与该任务执行时间段对应的指导行为模型数据不匹配,则向可穿戴设备发送引导佩戴者执行修正行为数据的操作指令,如:深呼吸、打开播放器播放音乐或打电话给联系人等,在可穿戴设备上显示与该指令相关的通知指令,并引导佩戴者执行上述操作,以便获取符合指导行为模型数据的行为数据。
例如:结合表五示例,假设时间段11:00~11:40内的任务是学习,在任务执行过程中或完成后,服务器检测到获取的加速度数据与心率数据与学习的指导模型数据不匹配,向可穿戴设备发送提醒或警告通知使佩戴者调整学习状态,引导佩戴者进入学习状态。
利用获取的行为数据与指导行为模型数据是否匹配判断佩戴者当前的行为,便于及时调整佩戴者的行为数据,发送通知指令引导佩戴者行为的方法增强了人机互动性。
优选地,行为数据纠正装置中海包括激励模块34,用于当所述行为数据与所述指导行为模型数据相匹配时,修改与所述时间段相关的激励数据,并向可穿戴设备推送与修改激励数据相关的通知信息,以驱动可穿戴设备显示相应的通知。
所述任务记录中还包括激励数据,即每个任务记录均包含任务执行时间、数据源指定信息、激励数据。
其中,激励模块中的激励数据可以根据用户的兴趣爱好设置。
表六是包含激励数据的一种任务列表的示例,详情如下:
任务执行时间 | 数据源指定信息 | 激励措施 |
11:00~11:40 | 加速度、心率 | 小红花 |
13:00~14:00 | 加速度 | 小红花 |
15:00~15:40 | 加速度、血压 | 点赞 |
… | … | … |
具体地,当服务器检测到获取的行为数据与该任务单元的指导行为模型数据匹配时,修改其激励数据并发送通知信息至可穿戴设备,在可穿戴设备上显示该通知信息。
例如:结合表六示例,假设在时间段11:00~11:40内的任务是学习,服务器检测到在该时间段,可穿戴设备佩戴者的加速度数据及心率数据与学习指导模型中的加速度数据及心率数据相匹配,在服务器端增加该佩戴者获取的小红花数量,同时在可穿戴设备用户界面显示一朵小红花告知佩戴者获得的奖励。
任务记录中包括激励数据,增强了人机的互动性,提高了佩戴者按照任务列表执行任务的积极性。
第二推送模块34,用于当所述行为数据与所述指导行为模型数据相匹配时,向可穿戴设备推送表征修正成功的通知信息,以引导佩戴者维持既有的行为数据。
结合表六示例,假设15:00至15:20时间段的任务是运动,服务器检测到可穿戴设备佩戴者的行为数据与运动模式相匹配,在服务器端修改该佩戴者获取赞的数量,同时向可穿戴设备端发送行为数据修正成功的通知信息,并以语音的形式激励佩戴者,如:太棒了、你又多了一个赞,继续保持等语音提示,同时在可穿戴设备界面显示赞的手势。
以上述步骤循环运行该任务列表,一个运行周期内不断发送用于引导用户按任务列表执行的指令,该周期接收到的用户行为数据与指导行为模型数据的匹配度高于运行上一周期的接收到的用户行为数据与指导行为模型数据的匹配度,以指导行为模型数据为标准,获取的用户行为数据是被修正了。当接收到的用户行为数据与指导行为模型数据一一对应,则属于用户行为数据修正成功,发送通知信息至可穿戴设备端,告知佩戴者其行为数据符合任务计划的标准,引导用户保持现有对任务计划的执行方式。
获取的行为数据与对应任务单元的指导行为模型数据相匹配至少需要运行一个周期,更加符合实际情况的是,任务单元的行为数据往往需要经过几次甚至几十次的循环运行,才实现与该任务单元的指导行为模型数据相匹配,每循环一次上述可循环执行的步骤,获取的行为数据与对应任务单元的指导行为模型数据的匹配度高于上一周期获取的行为数据与对应任务单元的指导行为模型数据的匹配度。
实施例四
本发明进一步提供一种与实施例二相对应的行为数据纠正装置,如图4所示,本实施例中至少包含以下模块:
调用模块40、获取模块41、检验模块42、实施模块43、接收模块44。
调用模块40,用于调用从服务器接收的适于周期性运行的任务列表,该任务列表包括多个任务记录,每个任务记录均包括任务执行时间段与数据源指定信息;
具体地,可穿戴设备调用服务器中的任务列表,该任务列表在移动终端的用户界面上编辑完成后上传至服务器,且至少包含一个任务记录,每个任务记录的结构均相同,所述任务记录包括任务执行时间、数据源指定数据。
可穿戴设备调用服务器端的任务列表,节省了可穿戴设备的存储空间。
调用服务器端的任务列表,该任务列表可以周期性运行,该周期可以自定义为一天、一周、一月等等。
表七为一种任务列表的示例,详情如下:
任务执行时间 | 数据源指定信息 |
11:00~11:40 | 加速度、心率 |
13:00~14:00 | 加速度 |
15:00~15:40 | 加速度、血压 |
… | … |
具体地,任务记录中包含的数据源指定信息包括对可穿戴设备上加速度传感器、心率传感器、血压传感器、声敏传感器等传感器中任意一项或任意多项的指定信息。
优选地,在任务列表中每个任务记录的任务执行时间段之前设置准备时间段,可穿戴设备接收通知指令,在准备时间段执行与任务执行相关的通知。
具体地,当***时间信息与该准备时间段的起始时间相匹配时,接收准备启动该时间段相关任务的提醒指令,响应于该提醒指令,可穿戴设备以语音或震动等形式提醒佩戴者与该时间段相关的任务进入准备时间段;启动内部计时器,当***时间信息与任务列表中任务执行时间段的起始时间相匹配时,接收任务启动指令,启动该任务的执行或引导佩戴者进行人机交互操作。
优选地,当***时间信息与任务记录中某任务执行时间段的起始时间相匹配时,接收该时间段相关任务的启动指令及任务启动的提醒指令,响应于该提醒指令,以语音或震动等形式告知佩戴者与该时间段相关的任务启动,同时启动该任务的执行。
优选地,当***时间信息与任务列表指定的任务终止时间相匹配时,接收与该任务执行时间段相关任务的终止指令及该任务终止指令的提醒指令,响应于该任务终止指令的提醒指令,以语音或/和震动的形式告知佩戴者该任务终止,同时停止对该任务时间段相关任务的驱动。
上述在关键时间点设置提醒的方法,增强了人机交互性,增大后续任务的行为数据与指导行为模型匹配的概率。
例如,结合表七示例,若任务记录中设置的准备时间段为5分钟,则在10:55时刻接收任务启动提醒指令,可穿戴设备以预设的震动方式响应于该指令,提醒佩戴者准备启动任务,在11:00时刻接收启动指令,响应于该启动指令引导佩戴者启动该时段的任务。
获取模块41,用于获取该任务列表每个运行周期中所述任务执行时间段内的行为数据,该行为数据由任务记录的数据源指定信息所指定的传感器采集;
优选地,同一任务列表中的不同记录,在数据源指定信息中可以指定不同的传感器,以对应获取不同类型的行为数据。
优选地,传感器为与任务相关的数据源指定信息指定的位移传感器、速度传感器、加速度传感器、视觉传感器、声敏传感器、光敏传感器、心率传感器、血压传感器等传感器中的任意一种或任意几种。
优选地,数据源指定为加速度传感器时,采集用户在任务执行时间段的加速度数据,将获取的相关数据进行数据处理,以确定可穿戴设备佩戴者的运动频率、运动速度及位移。
优选地,所述行为数据为运动速度、加速度、频率、心率、血压、血糖、声音、影像等数据中的一种或任意几种。
行为数据由不同类型的传感器采集,不仅可以实时对用户行为数据进行采集,而且大大提高了采集的用户行为数据的可靠性及提高对用户行为数据的分析结果的准确性。
例如,结合表七所示,在任务执行时间段为11:00~11:40时,数据源指定信息是由加速度传感器采集的加速度数据、由心率传感器采集的心率数据。在任务执行时间段为15:00~15:40时,数据源指定信息是由加速度传感器采集的加速度数据、由血压传感器采集的血压数据。
根据不同的任务,在数据源指定信息中指定不同的传感器,根据不同的任务灵活地指定不同的传感器,节约了***资源,减少了可穿戴设备的损耗,提升了可穿戴设备的智能化程度。
优选地,若可穿戴设备为电子产品,则采集的行为数据里包括可穿戴设备的剩余电量数据,当检测到可穿戴设备终端的电池电量低于预设值时,服务器端发送充电的提醒提示,以免影响所述行为数据的采集。
检验模块42,用于检验所述行为数据是否与预设的指导行为模型数据相匹配;
具体地,指导行为模型数据与任务记录中的数据源指定信息相关联,适应不同传感器来源的行为数据,适配其相应的指导行为模型数据。
获取任务记录中数据源指定信息中指定的至少一个传感器采集的多个周期的行为数据,将不同周期相同任务执行时间段的行为数据,利用预设算法运算而得的数据集创建所述指导行为模型。
具体地,数据集中包含多个指导行为模型数据,多个指导行为模型数据映射于同一个行为模型,检验所述行为数据中的每一个具体数据与行为模型中的指导行为模型数据是否一一对应,若检验结果为一一对应,则视为所述行为数据表征的用户行为与所述行为模型数据表征的行为模型相匹配。
优选地,检验所述行为数据中的每一个具体数据与行为模型中的指导行为模型数据是否一一对应包括,若检验结果不是完全一一对应,检验所述行为数据存在于所述指导行为模型数据预设的阈值范围内,若行为数据存在于指导行为模型数据预设的阈值范围内,则视为所述行为数据表征的用户行为与所述行为模型数据表征的行为模型相匹配,若否,则视为所获取行为数据与指导行为模型数据不相匹配。
例如:结合表一示例,假设时间段11:00~11:40的任务为学习,采集多个周期该时段的行为数据,数据源指定信息是由加速度传感器采集的加速度数据、由心率传感器采集的心率数据。利用用户执行学习任务的样本数据结合相关的算法运算得出数据集,从中抽取规律,建立学习模型。学习任务的指导模型建立后,将获取的用户在该时段采集到的行为数据如:加速度数据及心率数据分别与学习任务的指导模型中的加速度数据及心率数据做比较。例如采集到一段时间内的加速度数据为1.2m/s2,心率数据为79次/分,相对应时间段内学习的指导模型中的加速度数据为1.2m/s2,心率数据为75次/分。加速度数据完全相同,心率数据有所偏差。如果预设心率数据的阈值为:70次/分至80次/分,获取的心率数据处于该预设阈值之内,加速度数据与心率数据均相匹配,则它们映射的学习行为对应匹配学习行为模型。如果预设的心率数据的阈值为72次/分至78次/分,获取的心率数据不处于该预设阈值之内,则加速度数据与预设加速度数据相匹配,而心率数据不匹配,它们映射的行为不匹配于预设的学习行为模型。
优选地,获取任务执行时间段的一段时间内的加速度数据,与该指导行为模型内该时间段内的加速度数据做比较,判断所述行为数据是否与该任务的指导行为模型数据相匹配,以减小判断误差。
利用行为数据与设定的指导行为模型对比的方法,便于快速判断佩戴者是否按照计划列表执行任务,简化了佩戴者行为的判断程序。
采集到的行为数据与云端大数据之间构成闭环式的正反馈关系,使得终端设备可以在一个原始的任务计划组的基础上,结合大数据分析,渐次优化任务计划,直至获得期望的用户行为数据。
例如,结合表七示例,若时间段11:00~11:40的任务是学习,获取多组同时间段的加速度数据与心率数据,分析结果表明,用户在任务开始10分钟后才进入学习状态,则任务计划可以调整为在10:50分设置提醒通知,引导用户准备进入学习状态。运行调整过的任务列表,分析获取的多个周期的行为数据,若分析结果表明用户在该11:30左右出现若干次打盹现象,在该任务计划中调整为在11:30分增加提醒通知,引导用户调整状态。
诸如此类,分析多个运行周期内采集到的行为数据,根据与指导行为模型数据的差距调整任务计划列表,直至获取与指导行为模型数据一致的行为数据。
所述行为数据与所述指导行为模型数据的匹配度正比于周期性运行所述任务列表的次数。
在同一个任务列表的运行周期内,可穿戴设备不断接受与任务相关的通知指令,引导佩戴者执行相应的操作,任务执行过程中的行为数据不断贴合指导行为模型,运行任务列表的周期数越多,获取的行为数据与指导行为模型的匹配度越高。
另外一种执行方式为通过将所述行为数据提交到服务器,由服务器执行如实施例一所述检验的步骤,并接受服务器检验之后的匹配结果。
实施模块43,用于当所述行为数据与所述指导行为模型数据不相匹配时,响应于服务器发送的引导佩戴者执行与修正行为数据相关的操作指令而引导佩戴者执行相应操作。
优选地,可穿戴设备接收引导佩戴者执行与修正行为数据相关的操作指令之前,计算获取的行为数据与指导行为模型中相对应数据的偏移比例,该偏移比例为相对偏差量,多项行为数据映射一种用户行为,综合各项行为数据的偏移比例对映射的用户行为进行排序,按照获取的用户行为列表顺序或倒叙执行引导操作。
实际情形中,用户的大多数行为与预设的指导模型都不相符,但如果用户在运行任务列表时,不分轻重缓急地全部提醒或引导用户更正自己的执行方式,一方面不利于用户对某一具体行为习惯的快速培养,另一方面容易引起用户的情绪问题。
上述对不符合指导行为模型数据的行为进行排序,优选地,在一个运行周期中,选择只对上一周期获得的与指导行为模型差距最大/最小的行为进行提醒引导,有利于用户有针对性地重点更改对该任务的行为方式。
具体地,当检测到所述行为数据与所述指导行为模型数据不相匹配,则接收服务器发送的与修正行为数据相关的指令,如打开播放器播放音乐、打电话给联系人等,并在可穿戴设备上显示与该指令相关的通知信息,并引导佩戴者执行人机交互操作,以便获取符合指导行为模型数据的行为数据。
例如:结合表七示例,假设时间段11:00~11:40内的任务是学习,在任务执行过程中或完成后,检测到获取的加速度数据与心率数据与学习指导模型数据不相匹配,接收服务器发送的提醒或警告,使佩戴者调整学习状态,在可穿戴设备的界面显示该指令的通知信息,同时通过语音提醒佩戴者需要进行学习。
利用获取的行为数据与指导行为模型是否匹配判断佩戴者当前的行为,便于及时调整佩戴者的行为数据,发送通知指令引导佩戴者行为的方法增强了人机互动性。
优选地,行为数据纠正装置中还包括激励模块44,用于当获取的行为数据与该时间段的指导行为模型相匹配时,修改与该时间段相关的激励数据,接收修改激励的相关指令,在可穿戴设备上显示相应的通知信息。其中,激励数据可以根据用户的兴趣爱好设置。
表八为包含激励数据的一种任务列表的示例,详情如下:
任务执行时间 | 任务执行模式 | 激励措施 |
11:00~11:40 | 安静 | 小红花 |
13:00~14:00 | 安静 | 小红花 |
15:00~15:40 | 运动 | 点赞 |
… | … | … |
例如:结合表八示例,假设在时间段11:00~11:40内的任务是学习,当获取的该时间段行为数据与学习指导行为模型相匹配时,接收到奖励一朵小红花的指令,可穿戴设备界面显示一朵小红花,同时语音告知佩戴者获得小红花的奖励。
任务记录中包括激励数据,增强了人机互动性,提高了佩戴者按照任务列表执行任务的积极性。
接收模块44,用于当所述行为数据与所述指导行为模型数据相匹配时,接收表征修正成功的通知信息,以引导佩戴者维持既有的行为数据。
结合表八示例,假设15:00~15:20时间段的任务是运动,可穿戴设备端接收行为数据修正成功的通知信息,并以语音的形式激励佩戴者以引导佩戴者按照获取该组行为数据的方式执行现有任务计划表,如:太棒了、你又多了一个赞,继续保持等语音提示,同时在可穿戴设备界面显示赞的手势。
在接收到修正成功的通知信息之前,可穿戴设备上至少需要按照上述可循环运行的步骤执行一个周期,更加贴合实际情况的是,任务单元的行为数据往往需要经过几次甚至几十次的循环运行,才能实现获取的行为数据与该任务单元的指导行为模型数据相匹配,按照上述步骤每循环运行该任务列表一次,运行周期内可穿戴设备不断接收用于引导用户按任务列表执行的指令,在该周期获取的用户行为数据与指导行为模型数据的匹配度高于运行上一周期的获取的用户行为数据与指导行为模型数据的匹配度,以指导行为模型数据为标准,获取的用户行为数据是被修正了。当接收到的用户行为数据与指导行为模型数据一一对应时,用户行为数据修正成功,接收服务器发送的与数据修正成功的通知信息,告知佩戴者其行为数据符合任务计划的标准,引导用户保持现有对任务计划的执行方式。实施例五
本发明实施例还提供了终端设备,为了便于说明,仅描述与本发明实施例相关的部分,具体技术细节未揭示,请参照本发明实施例方法部分。
该终端可以为包括手表、手环、手机、平板电脑、PDA(Personal DigitalAssistant,个人数字助理)等任意终端设备,以终端为手机为例:
手机包括:射频(Radio Frequency,RF)电路、存储器、输入单元、显示单元、传感器、音频电路、无线保真(wireless fidelity,WiFi)模块、处理器、以及电源等部件。本领域技术人员可以理解,上述手机结构并不构成对手机的限定,可以包括比上述内容更多或更少的部件,或者组合某些部件,或者不同的部件布置。
下面对手机的各个构成部件进行具体的介绍:
RF电路可用于收发信息或通话过程中,信号的接收和发送,特别地,将基站的下行信息接收后,给处理器处理;另外,将设计上行的数据发送给基站。通常,RF电路包括但不限于天线、至少一个放大器、收发信机、耦合器、低噪声放大器(Low Noise Amplifier,LNA)、双工器等。此外,RF电路还可以通过无线通信与网络和其他设备通信。上述无线通信可以使用任一通信标准或协议,包括但不限于全球移动通讯***(Global System of Mobilecommunication,GSM)、通用分组无线服务(General Packet Radio Service,GPRS)、码分多址(Code Division Multiple Access,CDMA)、宽带码分多址(Wideband Code DivisionMultiple Access,WCDMA)、长期演进(Long Term Evolution,LTE)、电子邮件、短消息服务(Short Messaging Service,SMS)等。
存储器可用于存储软件程序以及模块,处理器通过运行存储在存储器的软件程序以及模块,从而执行手机的各种功能应用以及数据处理。存储器可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作***、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等;存储数据区可存储根据手机的使用所创建的数据(比如音频数据、电话本等)等。此外,存储器可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
输入单元可用于接收输入的数字或字符信息,以及产生与手机的用户设置以及功能控制有关的键信号输入。具体地,输入单元可包括触控面板以及其他输入设备。触控面板,也称为触摸屏,可收集用户在其上或附近的触摸操作(比如用户使用手指、触笔等任何适合的物体或附件在触控面板上或在触控面板附近的操作),并根据预先设定的程式驱动相应的连接装置。可选的,触控面板可包括触摸检测装置和触摸控制器两个部分。其中,触摸检测装置检测用户的触摸方位,并检测触摸操作带来的信号,将信号传送给触摸控制器;触摸控制器从触摸检测装置上接收触摸信息,并将它转换成触点坐标,再送给处理器,并能接收处理器发来的命令并加以执行。此外,可以采用电阻式、电容式、红外线以及表面声波等多种类型实现触控面板。除了触控面板,输入单元还可以包括其他输入设备。具体地,其他输入设备可以包括但不限于物理键盘、功能键(比如音量控制按键、开关按键等)、轨迹球、鼠标、操作杆等中的一种或多种。
显示单元可用于显示由用户输入的信息或提供给用户的信息以及手机的各种菜单。显示单元可包括显示面板,可选的,可以采用液晶显示器(Liquid Crystal Display,LCD)、有机发光二极管(Organic Light-Emitting Diode,OLED)等形式来配置显示面板。进一步的,触控面板可覆盖显示面板,当触控面板检测到在其上或附近的触摸操作后,传送给处理器以确定触摸事件的类型,随后处理器根据触摸事件的类型在显示面板上提供相应的视觉输出。在某些实施例中,可以将触控面板与显示面板集成而实现手机的输入和输出功能。
手机还可包括至少一种传感器,比如光传感器、运动传感器以及其他传感器。具体地,光传感器可包括环境光传感器及接近传感器,其中,环境光传感器可根据环境光线的明暗来调节显示面板的亮度,接近传感器可在手机移动到耳边时,关闭显示面板和/或背光。作为运动传感器的一种,加速计传感器可检测各个方向上(一般为三轴)加速度的大小,静止时可检测出重力的大小及方向,可用于识别手机姿态的应用(比如横竖屏切换、相关游戏、磁力计姿态校准)、振动识别相关功能(比如计步器、敲击)等;至于手机还可配置的陀螺仪、气压计、湿度计、温度计、红外线传感器等其他传感器,在此不再赘述。
音频电路、扬声器,传声器可提供用户与手机之间的音频接口。音频电路可将接收到的音频数据转换后的电信号,传输到扬声器,由扬声器转换为声音信号输出;另一方面,传声器将收集的声音信号转换为电信号,由音频电路接收后转换为音频数据,再将音频数据输出处理器处理后,经RF电路以发送给比如另一手机,或者将音频数据输出至存储器以便进一步处理。
WiFi属于短距离无线传输技术,手机通过WiFi模块可以帮助用户收发电子邮件、浏览网页和访问流式媒体等,它为用户提供了无线的宽带互联网访问。虽然上述了WiFi模块,但是可以理解的是,其并不属于手机的必须构成,完全可以根据需要在不改变发明的本质的范围内而省略。
处理器是手机的控制中心,利用各种接口和线路连接整个手机的各个部分,通过运行或执行存储在存储器内的软件程序和/或模块,以及调用存储在存储器内的数据,执行手机的各种功能和处理数据,从而对手机进行整体监控。可选的,处理器可包括一个或多个处理单元;优选的,处理器可集成应用处理器和调制解调处理器,其中,应用处理器主要处理操作***、用户界面和应用程序等,调制解调处理器主要处理无线通信。可以理解的是,上述调制解调处理器也可以不集成到处理器中。
手机还包括给各个部件供电的电源(比如电池),优选的,电源可以通过电源管理***与处理器逻辑相连,从而通过电源管理***实现管理充电、放电、以及功耗管理等功能。
尽管未示出,手机还可以包括摄像头、蓝牙模块等,在此不再赘述。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的***,装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本申请所提供的几个实施例中,应该理解到,所揭露的***,装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个***,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分步骤是可以通过程序来指令相关的硬件完成,所述的程序可以存储于一种计算机可读存储介质中,存储介质可以包括:只读存储器,磁盘或光盘等。
以上对本发明所提供的一种任务计划执行控制的方法和装置进行了详细介绍,对于本领域的一般技术人员,依据本发明实施例的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本发明的限制。
概括的说,本发明提供的技术方案概括如下:
A1.一种行为数据纠正方法,包括如下步骤:
调用用户自定义的适于周期性运行的任务列表,该任务列表包括多个任务记录,每个任务记录均包括任务执行时间段与数据源指定信息;
获取该任务列表每个运行周期中所述任务执行时间段内的行为数据,该行为数据由任务记录的数据源指定信息所指定的传感器采集;
检验所述行为数据是否与预设的指导行为模型数据相匹配;
当所述行为数据与所述指导行为模型数据不相匹配时,向可穿戴设备推送引导佩戴者执行与修正行为数据相关的操作指令,使所述可穿戴设备响应于该指令而引导佩戴者执行相应操作;
当所述行为数据与所述指导行为模型数据相匹配时,向可穿戴设备推送表征修正成功的通知信息,以引导佩戴者维持既有的行为数据。
A2.根据A1所述的行为数据纠正方法,所述任务记录还包括,与所述任务执行时间段相关的激励数据,当所述行为数据与所述指导行为模型相匹配时,修改与所述任务执行时间段相关的激励数据,并向可穿戴设备推送与修改激励数据相关的通知信息,以驱动可穿戴设备显示相应的通知。
A3.根据A1所述的行为数据纠正方法,所述行为数据与所述指导行为模型数据相匹配需要至少按照预设的运行周期循环运行一次,所述行为数据与所述指导行为模型数据的匹配度正比于周期性运行所述任务列表的次数。
A4.根据A1所述的行为数据纠正方法,所述数据源指定信息包括对加速度传感器、心率传感器、血压传感器中任意一项或任意多项的指定信息,对于同一任务列表的不同任务记录而言,允许在数据源指定信息中指定不同的传感器,以对应获取不同类型的所述行为数据。
A5.根据A1所述的行为数据纠正方法,所述检验所述行为数据是否与预设的指导行为模型数据相匹配的步骤中,所述指导行为模型数据与任务记录中的数据源指定信息相关联,适应不同传感器来源的行为数据,适配其相应的指导行为模型数据。
A6.根据A1所述的行为数据纠正方法,所述任务记录还包括设置在所述任务执行时间段之前的准备时间段,在准备时间段驱动可穿戴设备执行与任务执行相关的通知。
A7.根据A6所述的行为数据纠正方法,包括:当***时间信息与所述任务执行时间段的起始时间相匹配时,发送与该任务执行时间段相对应的任务启动指令至可穿戴设备。
A8.根据A1所述的行为数据纠正方法,获取多个周期的所述行为数据,所述指导行为模型数据是由不同周期相同任务执行时间段的多组所述行为数据结合预设的规则和/或算法运算而得。
A9.根据A1所述的行为数据纠正方法,检验所述行为数据是否与预设的指导行为模型数据相匹配包括:多个所述指导行为模型数据映射于同一个行为模型,检验所述行为数据中的每一个具体数据与行为模型中的指导行为模型数据是否一一对应,若检验结果为一一对应,则视为所述行为数据表征的用户行为与所述行为模型数据表征的行为模型相匹配。
A10.根据A1所述的行为数据纠正方法,检验所述行为数据是否与预设的指导行为模型数据相匹配的步骤中包括,检验所述行为数据是否存在于所述指导行为模型数据预设的阈值范围内。
A11.根据A1所述的行为数据控制方法,所述向可穿戴设备推送引导佩戴者执行与修正行为数据相关的操作指令之前,计算所述行为数据与所述指导行为模型中相对应数据的相对偏移比例,按照相对偏移比例的大小对所述行为数据映射的用户行为排序,针对该顺序列表中相对偏移比例最大的用户行为,向可穿戴设备推送引导指令。
B12.一种行为数据纠正方法,包括如下步骤:
调用从服务器接收的适于周期性运行的任务列表,该任务列表包括多个任务记录,每个任务记录均包括任务执行时间段与数据源指定信息;
获取该任务列表每个运行周期中所述任务执行时间段内的行为数据,该行为数据由任务记录的数据源指定信息所指定的传感器采集;
检验所述行为数据是否与预设的指导行为模型数据相匹配;
当所述行为数据与所述指导行为模型数据不相匹配时,响应于服务器发送的引导佩戴者执行与修正行为数据相关的操作指令而引导佩戴者执行相应操作;
当所述行为数据与所述指导行为模型数据相匹配时,接收表征修正成功的通知信息,以引导佩戴者维持既有的行为数据。
B13.根据B12所述的行为数据纠正方法,包括:将所述行为数据提交到服务器,由服务器执行所述检验的步骤,并接收服务器检验之后的匹配结果。
B14.根据B12所述的行为数据纠正方法,所述任务记录中还包含与任务执行时间段相对应的激励数据,当所述行为数据与所述指导行为模型相匹配时,接收服务器发送的与修改激励数据相关的通知信息,并在可穿戴设备界面上显示。
C15.一种行为数据纠正装置,包括:
调用模块,用于调用用户自定义的适于周期性运行的任务列表,该任务列表包括多个任务记录,每个任务记录均包含任务执行时间段与数据源指定信息;
获取模块,用于获取该任务列表每个运行周期中所述任务执行时间段内的行为数据,该行为数据由任务记录的数据源指定信息所指定的传感器采集;
检验模块,用于检验所述行为数据是否与预设的指导行为模型数据相匹配;
推送模块,用于当所述行为数据与所述指导行为模型数据不相匹配时,向可穿戴设备推送引导佩戴者执行与修改行为数据相关的操作指令,使所述可穿戴设备响应于该指令而引导佩戴者执行相应操作;
第二推送模块,用于当所述行为数据与所述指导行为模型数据相匹配时,向可穿戴设备推送表征修正成功的通知信息,以引导佩戴者维持既有的行为数据。
C16.根据C15所述的行为数据纠正装置,所述任务记录还包括,与所述任务执行时间段相关的激励数据,当所述行为数据与所述指导行为模型数据相匹配时,修改与所述任务执行时间段相关的激励数据,并向可穿戴设备推送与修改激励数据相关的通知信息,以驱动可穿戴设备显示相应的通知。
C17.根据C15所述的行为数据纠正装置,所述行为数据与所述指导行为模型数据相匹配需要至少按照预设的运行周期循环运行一次,所述行为数据与所述指导行为模型数据的匹配度正比于周期性运行所述任务列表的次数。
C18.根据C15所述的行为数据纠正装置,所述数据源指定信息包括对加速度传感器、心率传感器、血压传感器中任意一项或任意多项的指定信息,对于同一任务列表的不同任务记录而言,允许在数据源指定信息中指定不同的传感器,以对应获取不同类型的所述行为数据。
C19.根据C15所述的行为数据纠正装置,所述检验所述行为数据是否与预设的指导行为模型数据相匹配的步骤中,所述指导行为模型数据与任务记录中的数据源指定信息相关联,适应不同传感器来源的行为数据,适配其相应的指导行为模型数据。
C20.根据C15所述的行为数据纠正装置,所述任务记录还包括设置在所述任务执行时间段之前的准备时间段,在准备时间段驱动可穿戴设备执行与任务执行相关的通知。
C21.根据C20所述的行为数据纠正装置,包括:当***时间信息与所述任务执行时间段的起始时间相匹配时,发送与该任务执行时间段相对应的任务启动指令至可穿戴设备。
C22.根据C15所述的行为数据纠正装置,所述获取该时间段相对应的行为数据还包括获取多个周期的所述行为数据,所述指导行为模型数据是由不同周期相同任务执行时间段的多组所述行为数据结合预设的规则和/或算法运算而得。
C23.根据C15所述的行为数据纠正装置,检验所述行为数据是否与预设的指导行为模型数据相匹配包括:多个所述指导行为模型数据映射于同一个行为模型,检验所述行为数据中的每一个具体数据与行为模型中的指导行为模型数据是否一一对应,若检验结果为一一对应,则视为所述行为数据表征的用户行为与所述行为模型数据表征的行为模型相匹配。
C24.根据C15所述的行为数据纠正装置,检验所述行为数据是否与预设的指导行为模型数据相匹配的步骤中包括,检验所述行为数据是否存在于所述指导行为模型数据预设的阈值范围内。
C25.根据C15所述的行为数据纠正装置,所述向可穿戴设备推送引导佩戴者执行与修改行为数据相关的操作指令之前,计算所述行为数据与所述指导行为模型中相对应数据的相对偏移比例,按照相对偏移比例的大小对所述行为数据映射的用户行为排序,针对该顺序列表中相对偏移比例最大的用户行为,向可穿戴设备推送引导指令。
D26.一种行为数据纠正装置,包括:
调用模块,用于调用从服务器接收的适于周期性运行的任务列表,该任务列表包括多个任务记录,每个任务记录均包括任务执行时间段与数据源指定信息;
获取模块,用于获取该任务列表每个运行周期中所述任务执行时间段内的行为数据,该行为数据由任务记录的数据源指定信息所指定的传感器采集;
检验模块,用于检验所述行为数据是否与预设的指导行为模型数据相匹配;
实施模块,用于当所述行为数据与所述指导行为模型数据不相匹配时,响应于服务器发送的引导佩戴者执行与修正行为数据相关的操作指令而引导佩戴者执行相应操作;
接收模块,用于当所述行为数据与所述指导行为模型数据相匹配时,接收表征修正成功的通知信息,以引导佩戴者维持既有的行为数据。
D27.根据D26所述的行为数据纠正装置,包括:将所述行为数据提交至服务器,由服务器执行所述检验的步骤,并接收服务器检验后的匹配结果。
D28.根据D26所述的行为数据纠正装置,所述行为记录中还包括与任务执行时间段相对应的激励数据,当所述行为数据与所述指导行为模型数据相匹配时,接收服务器发送的与修改激励数据相关的通知信息,并在可穿戴设备界面上显示。
E29.一种智能设备,为服务器或终端计算机,包括处理器,该处理器用于执行如A1至B14任意一项所述的行为数据纠正方法的步骤。
Claims (27)
1.一种行为数据纠正方法,其特征在于,包括如下按运行周期循环运行的步骤:
调用用户自定义的适于周期性运行的任务列表,该任务列表包括多个任务记录,每个任务记录均包括任务执行时间段与数据源指定信息;
获取该任务列表每个运行周期中所述任务执行时间段内的行为数据,该行为数据由任务记录的数据源指定信息所指定的传感器采集,所述行为数据的类型与所述传感器的种类一一对应;
检验所述行为数据是否与预设的指导行为模型数据相匹配;其中,所述指导行为模型数据是根据获取至少一个所述传感器所采集到的多个周期的行为数据,将不同周期相同任务执行时间段的多组所述行为数据结合预设的规则和/或算法运算而得;
当所述行为数据与所述指导行为模型数据不匹配时,向可穿戴设备推送引导佩戴者执行与修正行为数据相关的操作指令,使所述可穿戴设备响应于该指令而引导佩戴者执行相应操作;
当所述行为数据与所述指导行为模型数据相匹配时,向可穿戴设备推送表征修正成功的通知信息,以引导佩戴者维持既有的行为数据。
2.根据权利要求1所述的行为数据纠正方法,其特征在于,所述任务记录还包括,与所述任务执行时间段相关的激励数据,当所述行为数据与所述指导行为模型数据相匹配时,修改与所述任务执行时间段相关的激励数据,并向可穿戴设备推送与修改激励数据相关的通知信息,以驱动可穿戴设备显示相应的通知。
3.根据权利要求1所述的行为数据纠正方法,其特征在于,所述行为数据与所述指导行为模型数据相匹配需要至少按照预设的运行周期循环运行一次,所述行为数据与所述指导行为模型数据的匹配度正比于周期性运行所述任务列表的次数。
4.根据权利要求1所述的行为数据纠正方法,其特征在于,所述数据源指定信息包括对加速度传感器、心率传感器、血压传感器中任意一项或任意多项的指定信息,对于同一任务列表的不同任务记录而言,允许在数据源指定信息中指定不同的传感器,以对应获取不同类型的所述行为数据。
5.根据权利要求1所述的行为数据纠正方法,其特征在于,所述检验所述行为数据是否与预设的指导行为模型数据相匹配的步骤中,所述指导行为模型数据与任务记录中的数据源指定信息相关联,适应不同传感器来源的行为数据,适配其相应的指导行为模型数据。
6.根据权利要求1所述的行为数据纠正方法,其特征在于,所述任务记录还包括设置在所述任务执行时间段之前的准备时间段,在准备时间段驱动可穿戴设备执行与任务执行相关的通知。
7.根据权利要求6所述的行为数据纠正方法,其特征在于,包括:当***时间信息与所述任务执行时间段的起始时间相匹配时,发送与该任务执行时间段相对应的任务启动指令至可穿戴设备。
8.根据权利要求1所述的行为数据纠正方法,其特征在于,检验所述行为数据是否与预设的指导行为模型数据相匹配包括:多个所述指导行为模型数据映射于同一个行为模型,检验所述行为数据中的每一个具体数据与行为模型中的指导行为模型数据是否一一对应,若检验结果为一一对应,则视为所述行为数据表征的用户行为与所述行为模型数据表征的行为模型相匹配。
9.根据权利要求1所述的行为数据纠正方法,其特征在于,检验所述行为数据是否与预设的指导行为模型数据相匹配的步骤中包括,检验所述行为数据是否存在于所述指导行为模型数据预设的阈值范围内。
10.根据权利要求1所述的行为数据纠正方法,其特征在于,所述向可穿戴设备推送引导佩戴者执行与修正行为数据相关的操作指令之前,计算所述行为数据与所述指导行为模型中相对应数据的相对偏移比例,按照相对偏移比例的大小对所述行为数据映射的用户行为排序,针对顺序列表中相对偏移比例最大的用户行为,向可穿戴设备推送引导指令。
11.一种行为数据纠正方法,其特征在于,包括如下按运行周期循环运行的步骤:
调用从服务器接收的适于周期性运行的任务列表,该任务列表包括多个任务记录,每个任务记录均包括任务执行时间段与数据源指定信息;
获取该任务列表每个运行周期中所述任务执行时间段内的行为数据,该行为数据由任务记录的数据源指定信息所指定的传感器采集,所述行为数据的类型与所述传感器的种类一一对应;
检验所述行为数据是否与预设的指导行为模型数据相匹配;其中,所述指导行为模型数据是根据获取至少一个所述传感器所采集到的多个周期的行为数据,将不同周期相同任务执行时间段的多组所述行为数据结合预设的规则和/或算法运算而得;
当所述行为数据与所述指导行为模型数据不相匹配时,响应于服务器发送的引导佩戴者执行与修正行为数据相关的操作指令而引导佩戴者执行相应操作;
当所述行为数据与所述指导行为模型数据相匹配时,接收表征修正成功的通知信息,以引导佩戴者维持既有的行为数据。
12.根据权利要求11所述的行为数据纠正方法,其特征在于,包括:将所述行为数据提交到服务器,由服务器执行所述检验的步骤,并接收服务器检验之后的匹配结果。
13.根据权利要求11所述的行为数据纠正方法,其特征在于,所述任务记录中还包含与任务执行时间段相对应的激励数据,当所述行为数据与所述指导行为模型数据相匹配时,接收服务器发送的与修改激励数据相关的通知信息,并在可穿戴设备界面上显示。
14.一种行为数据纠正装置,其特征在于,包括:
调用模块,用于调用用户自定义的适于周期性运行的任务列表,该任务列表包括多个任务记录,每个任务记录均包含任务执行时间段与数据源指定信息;
获取模块,用于获取该任务列表每个运行周期中所述任务执行时间段内的行为数据,该行为数据由任务记录的数据源指定信息所指定的传感器采集,所述行为数据的类型与所述传感器的种类一一对应;
检验模块,用于检验所述行为数据是否与预设的指导行为模型数据相匹配;其中,所述指导行为模型数据是根据获取至少一个所述传感器所采集到的多个周期的行为数据,将不同周期相同任务执行时间段的多组所述行为数据结合预设的规则和/或算法运算而得;
第一推送模块,用于当所述行为数据与所述指导行为模型数据不相匹配时,向可穿戴设备推送引导佩戴者执行与修正行为数据相关的操作指令,使所述可穿戴设备响应于该指令而引导佩戴者执行相应操作;
第二推送模块,用于当所述行为数据与所述指导行为模型相匹配时,向可穿戴设备推送表征修正成功的通知信息,以引导佩戴者维持既有的行为数据。
15.根据权利要求14所述的行为数据纠正装置,其特征在于,所述任务记录还包括,与所述任务执行时间段相关的激励数据,当所述行为数据与所述指导行为模型数据相匹配时,修改与所述任务执行时间段相关的激励数据,并向可穿戴设备推送与修改激励数据相关的通知信息,以驱动可穿戴设备显示相应的通知。
16.根据权利要求14所述的行为数据纠正装置,其特征在于,所述行为数据与所述指导行为模型数据相匹配需要至少按照预设的运行周期循环运行一次,所述行为数据与所述指导行为模型数据的匹配度正比于周期性运行所述任务列表的次数。
17.根据权利要求14所述的行为数据纠正装置,其特征在于,所述数据源指定信息包括对加速度传感器、心率传感器、血压传感器中任意一项或任意多项的指定信息,对于同一任务列表的不同任务记录而言,允许在数据源指定信息中指定不同的传感器,以对应获取不同类型的所述行为数据。
18.根据权利要求14所述的行为数据纠正装置,其特征在于,所述检验所述行为数据是否与预设的指导行为模型数据相匹配的步骤中,所述指导行为模型数据与任务记录中的数据源指定信息相关联,适应不同传感器来源的行为数据,适配其相应的指导行为模型数据。
19.根据权利要求14所述的行为数据纠正装置,其特征在于,所述任务记录还包括设置在所述任务执行时间段之前的准备时间段,在准备时间段驱动可穿戴设备执行与任务执行相关的通知。
20.根据权利要求19所述的行为数据纠正装置,其特征在于,包括:当***时间信息与所述任务执行时间段的起始时间相匹配时,发送与该任务执行时间段相对应的任务启动指令至可穿戴设备。
21.根据权利要求14所述的行为数据纠正装置,其特征在于,检验所述行为数据是否与预设的指导行为模型数据相匹配包括:多个所述指导行为模型数据映射于同一个行为模型,检验所述行为数据中的每一个具体数据与行为模型中的指导行为模型数据是否一一对应,若检验结果为一一对应,则视为所述行为数据表征的用户行为与所述行为模型数据表征的行为模型相匹配。
22.根据权利要求14所述的行为数据纠正装置,其特征在于,检验所述行为数据是否与预设的指导行为模型数据相匹配的步骤中包括,检验所述行为数据是否存在于所述指导行为模型数据预设的阈值范围内。
23.根据权利要求14所述的行为数据纠正装置,其特征在于,所述向可穿戴设备推送引导佩戴者执行与修改行为数据相关的操作指令之前,计算所述行为数据与所述指导行为模型中相对应数据的相对偏移比例,按照相对偏移比例的大小对所述行为数据映射的用户行为排序,针对顺序列表中相对偏移比例最大的用户行为,向可穿戴设备推送引导指令。
24.一种行为数据纠正装置,其特征在于,包括:
调用模块,用于调用从服务器接收的适于周期性运行的任务列表,该任务列表包括多个任务记录,每个任务记录均包括任务执行时间段与数据源指定信息;
获取模块,用于获取该任务列表每个运行周期中所述任务执行时间段内的行为数据,该行为数据由任务记录的数据源指定信息所指定的传感器采集,所述行为数据的类型与所述传感器的种类一一对应;
检验模块,用于检验所述行为数据是否与预设的指导行为模型数据相匹配;其中,所述指导行为模型数据是根据获取至少一个所述传感器所采集到的多个周期的行为数据,将不同周期相同任务执行时间段的多组所述行为数据结合预设的规则和/或算法运算而得;
实施模块,用于当所述行为数据与所述指导行为模型数据不相匹配时,响应于服务器发送的引导佩戴者执行与修正行为数据相关的操作指令而引导佩戴者执行相应操作;
接收模块,用于当所述行为数据与所述指导行为模型数据相匹配时,接收表征修正成功的通知信息,以引导佩戴者维持既有的行为数据。
25.根据权利要求24所述的行为数据纠正装置,其特征在于,包括:将所述行为数据提交至服务器,由服务器执行所述检验的步骤,并接收服务器检验后的匹配结果。
26.根据权利要求24所述的行为数据纠正装置,其特征在于,所述行为记录中还包括与任务执行时间段相对应的激励数据,当所述行为数据与所述指导行为模型数据相匹配时,接收服务器发送的与修改激励数据相关的通知信息,并在可穿戴设备界面上显示。
27.一种智能设备,为服务器或终端计算机,其特征在于,包括处理器,该处理器用于执行如1至13任意一项所述的行为数据纠正方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611095686.2A CN106774861B (zh) | 2016-12-01 | 2016-12-01 | 智能设备及行为数据纠正方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611095686.2A CN106774861B (zh) | 2016-12-01 | 2016-12-01 | 智能设备及行为数据纠正方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106774861A CN106774861A (zh) | 2017-05-31 |
CN106774861B true CN106774861B (zh) | 2020-07-28 |
Family
ID=58883711
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201611095686.2A Active CN106774861B (zh) | 2016-12-01 | 2016-12-01 | 智能设备及行为数据纠正方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106774861B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2019036844A1 (en) * | 2017-08-21 | 2019-02-28 | Nokia Technologies Oy | METHOD, SYSTEM AND PRODUCT FOR PROVIDING A REMINDER TO A USER FOR A FORGOTTEN ARTICLE |
US11653845B2 (en) * | 2017-10-26 | 2023-05-23 | International Business Machines Corporation | Continuous physiological sensing in energy-constrained wearables |
SG10201801749PA (en) | 2018-03-05 | 2019-10-30 | Kaha Pte Ltd | Methods and system for determining and improving behavioural index |
CN108804708B (zh) * | 2018-06-22 | 2023-04-07 | 平安科技(深圳)有限公司 | 业务数据表归档修正方法、装置、计算机设备和存储介质 |
CN115767711A (zh) * | 2021-09-03 | 2023-03-07 | 维沃移动通信有限公司 | 信息处理方法、装置、通信设备及可读存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104042219A (zh) * | 2014-06-28 | 2014-09-17 | 青岛歌尔声学科技有限公司 | 一种用于检测运动状态的方法和装置 |
CN105743981A (zh) * | 2016-02-04 | 2016-07-06 | 中国联合网络通信集团有限公司 | 监控方法、监控终端和监控*** |
CN105868256A (zh) * | 2015-12-28 | 2016-08-17 | 乐视网信息技术(北京)股份有限公司 | 处理用户行为数据的方法和*** |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150294432A1 (en) * | 2014-04-11 | 2015-10-15 | Bank Of America Corporation | Gesture-based notification |
-
2016
- 2016-12-01 CN CN201611095686.2A patent/CN106774861B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104042219A (zh) * | 2014-06-28 | 2014-09-17 | 青岛歌尔声学科技有限公司 | 一种用于检测运动状态的方法和装置 |
CN105868256A (zh) * | 2015-12-28 | 2016-08-17 | 乐视网信息技术(北京)股份有限公司 | 处理用户行为数据的方法和*** |
CN105743981A (zh) * | 2016-02-04 | 2016-07-06 | 中国联合网络通信集团有限公司 | 监控方法、监控终端和监控*** |
Also Published As
Publication number | Publication date |
---|---|
CN106774861A (zh) | 2017-05-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106774861B (zh) | 智能设备及行为数据纠正方法和装置 | |
CN112364439B (zh) | 自动驾驶***的仿真测试方法、装置以及存储介质 | |
TWI533241B (zh) | 一種實現人工智能的方法、服務器和設備 | |
CN108090855B (zh) | 一种学习计划推荐方法及移动终端 | |
CN108632658B (zh) | 一种弹幕显示方法、终端 | |
CN104170360A (zh) | 用户设备的智能响应方法和用户设备 | |
US20180043261A1 (en) | Method, apparatus and terminal for displaying prompt information | |
CN108073437B (zh) | 一种应用推荐方法及移动终端 | |
CN109063583A (zh) | 一种基于点读操作的学习方法及电子设备 | |
CN106878390B (zh) | 电子宠物互动控制方法、装置及可穿戴设备 | |
CN109993234B (zh) | 一种无人驾驶训练数据分类方法、装置及电子设备 | |
WO2018108174A1 (zh) | 界面互动组件控制方法、装置及可穿戴设备 | |
DE112018005499T5 (de) | Venenscanvorrichtung zur automatischen Gesten- und Fingererkennung | |
CN110908513B (zh) | 一种数据处理方法及电子设备 | |
CN111798811B (zh) | 屏幕背光亮度的调节方法、装置、存储介质及电子设备 | |
CN109756626B (zh) | 一种提醒方法和移动终端 | |
CN107613146A (zh) | 一种音量调整方法、装置及移动终端 | |
CN108681483A (zh) | 一种任务处理方法及装置 | |
CN107659717A (zh) | 状态检测方法、装置和存储介质 | |
CN111798978A (zh) | 用户健康评估方法、装置、存储介质及电子设备 | |
CN109886408A (zh) | 一种深度学习方法及装置 | |
CN113495609A (zh) | 睡眠状态的判断方法、***、穿戴设备及存储介质 | |
CN107729144B (zh) | 应用控制方法、装置、存储介质及电子设备 | |
CN108744505A (zh) | 一种速率控制方法、终端和计算机可读存储介质 | |
CN111026955A (zh) | 一种应用程序推荐方法及电子设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
TA01 | Transfer of patent application right | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20200528 Address after: 100015 604, 6 / F, 102 / F, building 2, yard 6, Jiuxianqiao Road, Chaoyang District, Beijing Applicant after: BEIJING QIBAO TECHNOLOGY Co.,Ltd. Address before: 100088 Beijing city Xicheng District xinjiekouwai Street 28, block D room 112 (Desheng Park) Applicant before: BEIJING QIHOO TECHNOLOGY Co.,Ltd. Applicant before: Qizhi software (Beijing) Co., Ltd |
|
GR01 | Patent grant | ||
GR01 | Patent grant |