CN112656401A - 一种智能监护方法、装置及设备 - Google Patents
一种智能监护方法、装置及设备 Download PDFInfo
- Publication number
- CN112656401A CN112656401A CN201910978082.XA CN201910978082A CN112656401A CN 112656401 A CN112656401 A CN 112656401A CN 201910978082 A CN201910978082 A CN 201910978082A CN 112656401 A CN112656401 A CN 112656401A
- Authority
- CN
- China
- Prior art keywords
- state data
- night
- user
- intelligent monitoring
- data
- 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.)
- Granted
Links
Images
Classifications
-
- 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
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Medical Treatment And Welfare Office Work (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
一种智能监护方法包括:获取用户的状态数据,所述状态数据包括运动信息、饮水信息、体温信息和情绪信息中的一种或者多种;将所述状态数据输入预先训练的起夜预测模型,获取根据所述状态数据所预测的起夜次数;如果所预测的起夜次数大于预设的次数要求,则根据所述起夜预测模型生成状态数据调整提示。从而便于用户根据所述提示调整用户的状态数据,以减少起夜次数,提高睡眠质量和生活质量。
Description
技术领域
本申请属于监护领域,尤其涉及一种智能监护方法、装置及设备。
背景技术
老年人是社会和家庭需要关注、关心和呵护的群体。随着社会人口的老龄化,老年人的比重越来越大,老年人的起居生活的便利性得到了越来越多的重视。比如,通过远程监控设备,可以使得子女或监护人实时的查看老年人的身体状态,便于为老年人提供及时有效的帮助。
由于老年人身体机能的下降,包括如肾动脉硬化、肾小管浓缩功能下降,心功能下降,以能抗利尿激素分泌不足等原因,使得老年人更容易起夜,目前的监护设备通常根据老年人的身体状态,智能调整房间亮度。然而,频繁的起夜,不利于提高老年人的睡眠质量,影响老年人的正常生活。
发明内容
有鉴于此,本申请实施例提供了一种智能监护方法、装置及设备,以解决现有技术中频繁的起夜,不利于提高老年人的睡眠质量,影响老年人的正常生活的问题。
本申请实施例的第一方面提供了一种智能监护方法,所述智能监护方法包括:
获取用户的状态数据,所述状态数据包括运动信息、饮水信息、体温信息和情绪信息中的一种或者多种;
将所述状态数据输入预先训练的起夜预测模型,获取根据所述状态数据所预测的起夜次数;
如果所预测的起夜次数大于预设的次数要求,则根据所述起夜预测模型生成状态数据调整提示。
结合第一方面,在第一方面的第一种可能实现方式中,在将所述状态数据输入预先训练的起夜预测模型,获取所述状态数据所预测的起夜次数的步骤之前,所述方法还包括:
获取用户的样本数据,所述样本数据包括记录的用户的状态数据,以及用户的状态数据所对应的起夜次数;
预测步骤,将所述样本数据中的状态数据输入起夜预测模型,输出预测的起夜次数;
调整步骤,根据记录的起夜次数和预测的起夜次数的差值,调整所述起夜预测模型中的参数;
重复上述预测步骤和调整步骤,至所述记录的起夜次数与预测的起夜次数之间的差值小于预定值,得到训练后的起夜预测模型。
结合第一方面,在第一方面的第二种可能实现方式中,获取用户的情绪信息的步骤包括:
通过摄像头采集用户的脸部图像序列;
根据所述脸图像序列中的图像,获取所述用户的情绪状态以及情绪状态的持续时间。
结合第一方面,在第一方面的第三种可能实现方式中,所述如果所预测的起夜次数大于预设的次数要求,则根据所述起夜预测模型生成状态数据调整提示的步骤包括:
如果所预测的起夜次数大于预设的次数要求,则根据预先设定的状态数据调整规则调整所述状态数据;
根据调整后的状态数据预测起夜次数,直至调整后的状态数据所预测的起夜次数满足预设的要求;
根据调整后的状态数据生成状态数据调整提示。
结合第一方面人第三种可能实现方式,在第一方面的第四种可能实现方式中,所述根据预先设定的状态数据调整规则调整所述状态数据的步骤包括:
将所述状态数据与用户的日常状态数据比较,获取状态数据劣于日常状态数据,且差值大于预定值的异常状态数据;
根据所述异常状态数据生成调整提示。
结合第一方面的第四种可能实现方式,在第一方面的第五种可能实现方式中,所述根据预先设定的状态数据调整规则调整所述状态数据的步骤包括:
如果不存在所述异常状态数据,则获取预定的状态数据调整顺序和调整幅度;
根据所述调整顺序和所述调整幅度,依次对所述状态数据进行调整。
结合第一方面,在第一方面的第六种可能实现方式中,所述运动信息包括运动时间、运动持续时间、运动强度,所述饮水信息包括饮水时间、饮水量。
本申请实施例的第二方面提供了一种智能监护装置,所述智能监护装置包括:
数据获取单元,用于获取用户的状态数据,所述状态数据包括运动信息、饮水信息、体温信息和情绪信息中的一种或者多种;
预测单元,用于将所述状态数据输入预先训练的起夜预测模型,获取根据所述状态数据所预测的起夜次数;
提示单元,用于如果所预测的起夜次数大于预设的次数要求,则根据所述起夜预测模型生成状态数据调整提示。
本申请实施例的第三方面提供了一种智能监护设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如第一方面任一项所述智能监护方法的步骤。
本申请实施例的第四方面提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现如第一方面任一项所述智能监护方法的步骤。
本申请实施例与现有技术相比存在的有益效果是:通过将获取的用户的状态数据输入预先训练的起夜预测模型,获取所述状态数据对应的起夜次数,如果所预测的起夜次数大于预设的次数要求,则根据所述起夜预测模型生成状态数据调整提示,从而便于用户根据所述提示调整用户的状态数据,以减少起夜次数,提高睡眠质量和生活质量。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例或现有技术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申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1是本申请实施例提供的一种智能监护方法的实现流程示意图;
图2是本申请实施例提供的一种获取起夜预测模型的方法的实现流程示意图;
图3是本申请实施例提供的一种调整状态数据的方法的实现流程示意图;
图4是本申请实施例提供的一种智能监护装置的示意图;
图5是本申请实施例提供的智能监护设备的示意图。
具体实施方式
以下描述中,为了说明而不是为了限定,提出了诸如特定***结构、技术之类的具体细节,以便透彻理解本申请实施例。然而,本领域的技术人员应当清楚,在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中,省略对众所周知的***、装置、电路以及方法的详细说明,以免不必要的细节妨碍本申请的描述。
为了说明本申请所述的技术方案,下面通过具体实施例来进行说明。
图1为本申请实施例提供的一种智能监护方法的实现流程示意图,详述如下:
在步骤S101中,获取用户的状态数据,所述状态数据包括运动信息、饮水信息、体温信息和情绪信息中的一种或者多种;
由于用户的起夜次数是按照天为周期进行预测,因此,所获取的用户的状态数据,也可以根据天数为周期进行获取。即所获取的状态数据,可以在用户起床后开始获取,随时间的变化,所获取的状态数据也越来越多。
所述状态数据可以包括运动信息、饮水信息、体温信息和情绪信息中的一种或者多种。
其中,所述运动信息可以包括运动时间和运动强度。所述运动时间可以包括运动时间,以及运动的持续时间等。比如,记录用户在上午进行了运动,且运动时间为上午九点,运动持续时间为30分钟。获取所述用户的运动时间和运动持续时间时,可以通过手环检测到用户的心率、体温、步幅等参数的变化,来判断用户是否进行运动。
所述运动强度可以记录用户的运动量,所述运动强度可以通过心率参数来获取,或者所述运动强度也可以通过运动类型来表示。比如,运动强度可以包括散步、速度小于预定值的慢跑、打太极、跳舞等类型来表示。
所述饮水信息可以包括饮水的时间、饮水量。为了准确的监测到用户的饮水时间和饮水量,可以在用户活动的场景中设置摄像头,通过采集包括用户的图像,对图像进行分析,来确定用户的饮水时间和饮水量。比如,在检测到用户饮水运动时,可以根据饮用的次数,或者通过检测饮用的杯数,来确定饮水量。
所述体温信息可以根据用户佩戴的手环、设置在手套或鞋底的传感器来采集,或者也可以无线测温工具,比如红外测温仪采集用户的体温。所述体温信息为远端的体温信息,包括如手温、足温等。
所述情绪信息可以为用户的喜、怒、哀等状态。所述情绪信息可以通过采集包括用户的脸部图像序列的方式,根据所述脸部图像序列中的图像,解析用户当前的情绪。或者,所述情绪信息也可以通过采集用户的心率、声音等信息,来确定所述用户的情绪。
在步骤S102中,将所述状态数据输入预先训练的起夜预测模型,获取根据所述状态数据所预测的起夜次数;
可以根据预定的时间间隔来采集所述状态数据。并可以根据已采集的状态数据,结合在一天中的当前时间之后的***均状态数据。比如,用户早上7点起床,晚上9点入睡,所采集的用户的状态数据为7点至12点,可以查找用户在12点至晚上9点的时间段内,当前时间之前的预定天数的状态数据的平均值。所述预定天数可以为一天或一天以上。当所述预定天数为一天时,则查找当前时间的前一天在12点至晚上9点的状态数据,与当前采集的状态数据融合,进行起夜次数的预测。
或者,也可以根据预定的时间周期,比如一周或一个月,来获得所述习惯状态数据。比如,当前时间为周一12点,则可以获取上一周的周一12点至晚上9点的状态数据,作为所述习惯状态数据。
根据所采集的状态数据,结合所述习惯数据,即可得到用户在一天中的状态数据,将所述状态数据输入至已训练的起夜预测模型,可以获得所述状态数据所预测的起夜次数。
本申请实施例中,在将所述状态数据输入预先训练的起夜预测模型前,还可以包括起夜预测模型的训练过程,如图2所示,包括:
在步骤S201中,获取用户的样本数据,所述样本数据包括记录的用户的状态数据,以及用户的状态数据所对应的起夜次数;
在对所述用户进行起夜次数预测前,可以根据用户的样本数据来训练所述起夜预测模型,也可以通过大众的统计数据,来确定所述起夜预测模型中的参数。为了更为准确的对用户的起夜次数进行预测,可以根据用户的样本数据来训练所述起夜预测模型。
所获取的样本数据中,包括用户在一天的非睡眠时间中的运动信息、饮水信息、体温信息和情绪信息中的一种或者多种,并统计用户在一天中的晚间睡眠时间中的起夜次数。在初始化起夜预测模型后,将所述状态数据作为所述起夜预测模型的输入。
在步骤S202中,预测步骤,将所述样本数据中的状态数据输入起夜预测模型,输出预测的起夜次数;
在统计的用户的多个样本数据后,可以将所述样本数据中的状态数据输入所述起夜预测模型,根据所述起夜预测模型获取估计的起夜次数,将所估计的起夜次数和样本数据中的起夜次数进行比较,根据比较结果对所述起夜预测模型中的参数进行调整。
在步骤S203中,调整步骤,根据记录的起夜次数和预测的起夜次数的差值,调整所述起夜预测模型中的参数;
如果输入的样本数据中的状态数据所对应的起夜次数,与所述起夜预测模型所预测的起夜次数不同,则需要对所述起夜预测模型中的参数进行调整优化。
在步骤S204中,重复上述预测步骤和调整步骤,至所述记录的起夜次数与预测的起夜次数之间的差值小于预定值,得到训练后的起夜预测模型。
通过重复多次将样本数据输入起夜预测模型,并多次将样本数据中记录的起夜次数,与预测的起夜次数进行比较,调整起夜预测模型中的参数,直到所有预测的起夜次数,与记录的起夜次数相符,则完成所述起夜预测模型的训练,可根据已训练的起夜预测模型来预测用户可能会起夜的次数。
在步骤S103中,如果所预测的起夜次数大于预设的次数要求,则根据所述起夜预测模型生成状态数据调整提示。
如果所预测的起夜次数大于预设的次数要求,则表明当前的状态可能会起导致一次或多次起夜,会对用户的睡眠造成不好的影响。其中,所述预设的次数要求,可以为一次,也可以小于或等于用户当前的起夜次数。比如,如果用户当前时间所对应的最近一段时间的起夜次数为3次,则所述预设的次数要求可以为3次或2次。
具体的,本申请在预测的起夜次数大于预设的起夜次数时,根据起夜预测模型生成状态数据调整提示的步骤可以如图3所示,包括:
在步骤S301中,如果所预测的起夜次数大于预设的次数要求,则根据预先设定的状态数据调整规则调整所述状态数据;
具体的,在预测的起夜次数大于预设的次数要求时,则表明用户的状态数据可能会引起用户睡眠质量的下降,需要对接下来的时间的状态数据进行调整,调整的方式可以先判断是否存在异常的状态数据,如果存在异常的状态数据,则根据异常状态数据生成调整提示,如果不存在异常的状态数据,则可以根据预先设定的调整顺序和调整幅度,根据所述状态数据生成调整提示。
在将已采集的状态数据与用户的日常状态数据比较,如果采集的状态劣于日常状态数据,且两者的差值大于预定值,则表明存在异常的状态数据。比如,可能存在体温异常、运动信息异常、情绪信息异常或饮水信息异常等。
在确定了异常的状态数据后,则可以根据所述异常的状态数据,生成调整提示。比如,用户出现体温偏低的异常时,则可以生成加衣保暖的提示,或者还包括添加衣服的样式的提示、或者添加衣服的时间的提示、或者,晚上睡眠时空调温度设定的提示、被子样式的选择的提示等。用户出现缺少运动的异常时,则可以生成运动安排的提示,包括运动类型、运动时间等。用户出现情绪低落的情绪异常时,可以生成调整情绪的方式的提示,包括出散步、播放电视类型等提示。当出现饮水信息异常时,则可以生成饮水安排的提示等。
如果采集的状态数据未出现明显的异常数据,则可以按照预定的调整顺序,以及预定的调整幅度,对所述状态数据进行调整,从而使得调整后的状态数据,在输入所述起夜预测模型后,输出符合预设要求的起夜次数。
比如,所述调整顺序可以根据情绪调整、运动调整、饮水调整和体温调整的顺序,按照预定的幅度依次进行调整。并在每次调整后,通过所述起夜预测模型估计调整后的状态数据对应的起夜次数,如果满足预设的次数要求,则停止调整。其中,情绪调整为使得用户情绪平静的目标方向调整,所述运动信息调整为增加用户的运动时间或运动强度,所述饮水调整可以为减少饮水量等,所述体温调整可以为提高用户的体温,特别是远端的体温。
在步骤S32中,根据调整后的状态数据预测起夜次数,直至调整后的状态数据所预测的起夜次数满足预设的要求;
通过计算调整的状态数据在输入所述起夜预测模型所得到的预测起夜次数,可以判断当前假定的调整方式是否能满足预设的起夜次数要求,通过反复的调整计算,直到获取满足要求的调整后的状态数据。
在步骤S303中,根据调整后的状态数据生成状态数据调整提示。
根据调整后的状态数据生成在当前时间之后的状态数据调整的提示,使得用户可以根据所述提示调整用户的状态数据,从而达到减少起夜次数的目的。
通过将获取的用户的状态数据输入预先训练的起夜预测模型,获取所述状态数据对应的起夜次数,如果所预测的起夜次数大于预设的次数要求,则根据所述起夜预测模型生成状态数据调整提示,从而便于用户根据所述提示调整用户的状态数据,以减少起夜次数,提高睡眠质量和生活质量。
应理解,上述实施例中各步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本申请实施例的实施过程构成任何限定。
图4为本申请实施例提供的一种智能监护装置的结构示意图,详述如下:
所述智能监护装置包括:
数据获取单元401,用于获取用户的状态数据,所述状态数据包括运动信息、饮水信息、体温信息和情绪信息中的一种或者多种;
预测单元402,用于将所述状态数据输入预先训练的起夜预测模型,获取根据所述状态数据所预测的起夜次数;
提示单元403,用于如果所预测的起夜次数大于预设的次数要求,则根据所述起夜预测模型生成状态数据调整提示。
图4所述智能监护装置,与图1所述智能监护方法对应。
图5是本申请一实施例提供的智能监护设备的示意图。如图5所示,该实施例的智能监护设备5包括:处理器50、存储器51以及存储在所述存储器51中并可在所述处理器50上运行的计算机程序52,例如智能监护程序。所述处理器50执行所述计算机程序52时实现上述各个智能监护方法实施例中的步骤。或者,所述处理器50执行所述计算机程序52时实现上述各装置实施例中各模块/单元的功能。
示例性的,所述计算机程序52可以被分割成一个或多个模块/单元,所述一个或者多个模块/单元被存储在所述存储器51中,并由所述处理器50执行,以完成本申请。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段,该指令段用于描述所述计算机程序52在所述智能监护设备5中的执行过程。例如,所述计算机程序52可以被分割成:
数据获取单元,用于获取用户的状态数据,所述状态数据包括运动信息、饮水信息、体温信息和情绪信息中的一种或者多种;
预测单元,用于将所述状态数据输入预先训练的起夜预测模型,获取根据所述状态数据所预测的起夜次数;
提示单元,用于如果所预测的起夜次数大于预设的次数要求,则根据所述起夜预测模型生成状态数据调整提示。
所述智能监护设备可包括,但不仅限于,处理器50、存储器51。本领域技术人员可以理解,图5仅仅是智能监护设备5的示例,并不构成对智能监护设备5的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,例如所述智能监护设备还可以包括输入输出设备、网络接入设备、总线等。
所称处理器50可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器51可以是所述智能监护设备5的内部存储单元,例如智能监护设备5的硬盘或内存。所述存储器51也可以是所述智能监护设备5的外部存储设备,例如所述智能监护设备5上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(SecureDigital,SD)卡,闪存卡(Flash Card)等。进一步地,所述存储器51还可以既包括所述智能监护设备5的内部存储单元也包括外部存储设备。所述存储器51用于存储所述计算机程序以及所述智能监护设备所需的其他程序和数据。所述存储器51还可以用于暂时地存储已经输出或者将要输出的数据。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将所述装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块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。另外,各功能单元、模块的具体名称也只是为了便于相互区分,并不用于限制本申请的保护范围。上述***中单元、模块的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述或记载的部分,可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
在本申请所提供的实施例中,应该理解到,所揭露的装置/终端设备和方法,可以通过其它的方式实现。例如,以上所描述的装置/终端设备实施例仅仅是示意性的,例如,所述模块或单元的划分,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讯连接可以是通过一些接口,装置或单元的间接耦合或通讯连接,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,在本申请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。
所述集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请实现上述实施例方法中的全部或部分流程,也可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是,所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减,例如在某些司法管辖区,根据立法和专利实践,计算机可读介质不包括是电载波信号和电信信号。
以上所述实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围,均应包含在本申请的保护范围之内。
Claims (10)
1.一种智能监护方法,其特征在于,所述智能监护方法包括:
获取用户的状态数据,所述状态数据包括运动信息、饮水信息、体温信息和情绪信息中的一种或者多种;
将所述状态数据输入预先训练的起夜预测模型,获取根据所述状态数据所预测的起夜次数;
如果所预测的起夜次数大于预设的次数要求,则根据所述起夜预测模型生成状态数据调整提示。
2.根据权利要求1所述的智能监护方法,其特征在于,在将所述状态数据输入预先训练的起夜预测模型,获取所述状态数据所预测的起夜次数的步骤之前,所述方法还包括:
获取用户的样本数据,所述样本数据包括记录的用户的状态数据,以及用户的状态数据所对应的起夜次数;
预测步骤,将所述样本数据中的状态数据输入起夜预测模型,输出预测的起夜次数;
调整步骤,根据记录的起夜次数和预测的起夜次数的差值,调整所述起夜预测模型中的参数;
重复上述预测步骤和调整步骤,至所述记录的起夜次数与预测的起夜次数之间的差值小于预定值,得到训练后的起夜预测模型。
3.根据权利要求1所述的智能监控方法,其特征在于,获取用户的情绪信息的步骤包括:
通过摄像头采集用户的脸部图像序列;
根据所述脸图像序列中的图像,获取所述用户的情绪状态以及情绪状态的持续时间。
4.根据权利要求1所述的智能监护方法,其特征在于,所述如果所预测的起夜次数大于预设的次数要求,则根据所述起夜预测模型生成状态数据调整提示的步骤包括:
如果所预测的起夜次数大于预设的次数要求,则根据预先设定的状态数据调整规则调整所述状态数据;
根据调整后的状态数据预测起夜次数,直至调整后的状态数据所预测的起夜次数满足预设的要求;
根据调整后的状态数据生成状态数据调整提示。
5.根据权利要求4所述的智能监护方法,其特征在于,所述根据预先设定的状态数据调整规则调整所述状态数据的步骤包括:
将所述状态数据与用户的日常状态数据比较,获取状态数据劣于日常状态数据,且差值大于预定值的异常状态数据;
根据所述异常状态数据生成调整提示。
6.根据权利要求5所述的智能监护方法,其特征在于,所述根据预先设定的状态数据调整规则调整所述状态数据的步骤包括:
如果不存在所述异常状态数据,则获取预定的状态数据调整顺序和调整幅度;
根据所述调整顺序和所述调整幅度,依次对所述状态数据进行调整。
7.根据权利要求1所述的智能监护方法,其特征在于,所述运动信息包括运动时间、运动持续时间、运动强度,所述饮水信息包括饮水时间、饮水量。
8.一种智能监护装置,其特征在于,所述智能监护装置包括:
数据获取单元,用于获取用户的状态数据,所述状态数据包括运动信息、饮水信息、体温信息和情绪信息中的一种或者多种;
预测单元,用于将所述状态数据输入预先训练的起夜预测模型,获取根据所述状态数据所预测的起夜次数;
提示单元,用于如果所预测的起夜次数大于预设的次数要求,则根据所述起夜预测模型生成状态数据调整提示。
9.一种智能监护设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至7任一项所述智能监护方法的步骤。
10.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至7任一项所述智能监护方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910978082.XA CN112656401B (zh) | 2019-10-15 | 2019-10-15 | 一种智能监护方法、装置及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910978082.XA CN112656401B (zh) | 2019-10-15 | 2019-10-15 | 一种智能监护方法、装置及设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112656401A true CN112656401A (zh) | 2021-04-16 |
CN112656401B CN112656401B (zh) | 2023-08-22 |
Family
ID=75400153
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910978082.XA Active CN112656401B (zh) | 2019-10-15 | 2019-10-15 | 一种智能监护方法、装置及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112656401B (zh) |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1838237A (zh) * | 2000-09-13 | 2006-09-27 | 株式会社A·G·I | 情绪探测方法及其*** |
US20150164376A1 (en) * | 2013-12-17 | 2015-06-18 | International Mobile Iot Corp | System and device for healthcare monitoring |
US20160175164A1 (en) * | 2013-07-31 | 2016-06-23 | Fred Bergman Healthcare Pty. Ltd. | Methods and systems for scheduling procedures such as toileting |
US20160262356A1 (en) * | 2015-03-13 | 2016-09-15 | Nestec Sa | Methods and apparatuses to use duration and/or frequency data from uring and/or fecal pet elimination behaviors |
JP2017051102A (ja) * | 2015-09-07 | 2017-03-16 | 国立大学法人山梨大学 | 睡眠期頻尿乃至多尿モデル、及び評価対象薬剤の睡眠期頻尿乃至多尿治療効果の評価方法 |
CN106580346A (zh) * | 2015-10-14 | 2017-04-26 | 松下电器(美国)知识产权公司 | 情绪推定方法和情绪推定装置 |
CN108573358A (zh) * | 2018-05-09 | 2018-09-25 | 平安普惠企业管理有限公司 | 一种逾期预测模型生成方法及终端设备 |
CN109492768A (zh) * | 2018-12-20 | 2019-03-19 | 成都四方伟业软件股份有限公司 | 空气质量预测模型训练方法及装置 |
CN109640822A (zh) * | 2016-04-12 | 2019-04-16 | Gogo手环有限公司 | 排尿预测和监测 |
CN109871702A (zh) * | 2019-02-18 | 2019-06-11 | 深圳前海微众银行股份有限公司 | 联邦模型训练方法、***、设备及计算机可读存储介质 |
CN110013261A (zh) * | 2019-05-24 | 2019-07-16 | 京东方科技集团股份有限公司 | 情绪监测的方法、装置、电子设备及存储介质 |
-
2019
- 2019-10-15 CN CN201910978082.XA patent/CN112656401B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1838237A (zh) * | 2000-09-13 | 2006-09-27 | 株式会社A·G·I | 情绪探测方法及其*** |
US20160175164A1 (en) * | 2013-07-31 | 2016-06-23 | Fred Bergman Healthcare Pty. Ltd. | Methods and systems for scheduling procedures such as toileting |
US20150164376A1 (en) * | 2013-12-17 | 2015-06-18 | International Mobile Iot Corp | System and device for healthcare monitoring |
US20160262356A1 (en) * | 2015-03-13 | 2016-09-15 | Nestec Sa | Methods and apparatuses to use duration and/or frequency data from uring and/or fecal pet elimination behaviors |
JP2017051102A (ja) * | 2015-09-07 | 2017-03-16 | 国立大学法人山梨大学 | 睡眠期頻尿乃至多尿モデル、及び評価対象薬剤の睡眠期頻尿乃至多尿治療効果の評価方法 |
CN106580346A (zh) * | 2015-10-14 | 2017-04-26 | 松下电器(美国)知识产权公司 | 情绪推定方法和情绪推定装置 |
CN109640822A (zh) * | 2016-04-12 | 2019-04-16 | Gogo手环有限公司 | 排尿预测和监测 |
CN108573358A (zh) * | 2018-05-09 | 2018-09-25 | 平安普惠企业管理有限公司 | 一种逾期预测模型生成方法及终端设备 |
CN109492768A (zh) * | 2018-12-20 | 2019-03-19 | 成都四方伟业软件股份有限公司 | 空气质量预测模型训练方法及装置 |
CN109871702A (zh) * | 2019-02-18 | 2019-06-11 | 深圳前海微众银行股份有限公司 | 联邦模型训练方法、***、设备及计算机可读存储介质 |
CN110013261A (zh) * | 2019-05-24 | 2019-07-16 | 京东方科技集团股份有限公司 | 情绪监测的方法、装置、电子设备及存储介质 |
Non-Patent Citations (1)
Title |
---|
杨媛媛等: "老年病科住院病人睡眠质量调查及相关因素的分析", 《国际精神病学杂志》 * |
Also Published As
Publication number | Publication date |
---|---|
CN112656401B (zh) | 2023-08-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106956271B (zh) | 预测情感状态的方法和机器人 | |
US9750433B2 (en) | Using health monitor data to detect macro and micro habits with a behavioral model | |
JP5466713B2 (ja) | 生活パターン分類装置及び生活パターン分類システム | |
CN108876284B (zh) | 一种用户行为提示生成方法及终端设备 | |
CN106645978A (zh) | 智能穿戴设备的穿戴状态检测方法及检测装置 | |
CN105590007B (zh) | 刷牙姿态的分析方法及分析*** | |
CN110709940B (zh) | 用于预测传感器测量质量的方法、***和介质 | |
JP7009342B2 (ja) | 咀嚼や笑みに係る量に基づき食事を評価可能な装置、プログラム及び方法 | |
CN106331342A (zh) | 电子设备中闹钟的实现方法、装置及可穿戴设备 | |
JP2010146221A (ja) | 行動記録入力支援システム、行動入力支援方法、及びサーバ | |
CN112487235A (zh) | 音频资源的播放方法和装置、智能终端和存储介质 | |
KR101993649B1 (ko) | 가우시안 분포를 이용한 생활패턴 규칙성 산출 방법 및 그 장치 | |
CN110111815A (zh) | 动物异常声音监控方法及装置、存储介质、电子设备 | |
CN115670419A (zh) | 基于智能手表预测运动信息的数据处理方法及*** | |
CN112735563A (zh) | 推荐信息的生成方法、装置和处理器 | |
CN106821349A (zh) | 用于可穿戴式监护设备的事件生成方法及装置 | |
JP6846723B2 (ja) | 認知機能低下判定システム | |
CN114073493B (zh) | 生理数据采集方法、装置及可穿戴设备 | |
CN105662394B (zh) | 一种向用户提示信息的方法和装置 | |
CN112656401B (zh) | 一种智能监护方法、装置及设备 | |
CN112472052A (zh) | 基于个人运动机能指数pai的体重预测方法、装置和设备 | |
CN113598721A (zh) | 可穿戴终端及其核心体温监测方法和计算机可读存储介质 | |
CN111554406A (zh) | 生理数据的处理方法、装置、电子设备和存储介质 | |
CN112535464A (zh) | 基于pai的状态评估方法、装置、设备和存储介质 | |
CN113095140B (zh) | 基于Q-Learning的移动终端传感器调度方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |