佩戴检测系统、方法、电子终端、及计算机可读存储介质技术方案

技术编号:19009620 阅读:54 留言:0更新日期:2018-09-22 09:25
本发明专利技术提供佩戴检测系统、方法、电子终端、及计算机可读存储介质,其包括,一或多个佩戴检测模块,用于根据检测参数的阈值判断所述可穿戴设备是否佩戴于预设位置;处理模块,通信连接各所述佩戴检测模块,以基于机器学习算法自学习所述检测参数的阈值并建立阈值分类模型,据以优化调整所述阈值。本发明专利技术在有效控制设备硬件成本的情况下,通过多个检测参数和机器学习等软件算法和逻辑优化最大限度地实现佩戴检测的正确判断,并通过自学习使佩戴检测系统更加适用于使用者本人,且最大程度地排除非人体或非使用者本人之外的情况,使系统收集的数据更有价值地用于分析使用者的生理状态和健康情况。

Wear detection system, method, electronic terminal, and computer-readable storage medium.

The invention provides a wearable detection system, a method, an electronic terminal, and a computer-readable storage medium, comprising one or more wearable detection modules for judging whether the wearable device is worn in a preset position according to the threshold value of the detection parameters, and a processing module for communicating with the wearable detection modules to be machine-based. The thresholds of the detection parameters are self-learned and a threshold classification model is established to optimize and adjust the thresholds. Under the condition of effectively controlling the hardware cost of the equipment, the correct judgment of wear detection can be realized to the greatest extent by software algorithm and logic optimization such as multiple detection parameters and machine learning, and the wear detection system can be more suitable for the user himself by self-learning, and the non-human or non-user can be excluded to the greatest extent. In addition to myself, the data collected by the system can be used to analyze the physiological status and health of users more valuable.

【技术实现步骤摘要】
佩戴检测系统、方法、电子终端、及计算机可读存储介质
本专利技术涉及一种可穿戴智能设备领域,特别是涉及佩戴检测系统、方法、电子终端、及计算机可读存储介质。
技术介绍
现今,可穿戴设备变得越来越普及,但人们在使用过程中也不断发现其存在的问题。问题之一就是,可穿戴设备无法准确判断是否的确佩戴于人体指定位置。例如:将可穿戴设备放置于桌面或者绑于桌腿等情况下,可穿戴设备依然能够测出心率值,这就使数据的准确性下降,导致其记录的心率值无法用于正确分析用户的生理状态以及健康情况。针对上述棘手问题,现有技术也做了相应的尝试,例如:增设一红外传感器以检测该传感器一定距离内是否有物体遮挡,从而判断可穿戴设备是否佩戴于人体上。但是,该现有技术的缺陷在于,其无法正确区分遮挡红外传感器的是人体还是其他物体。现有技术也尝试结合心率传感器进行二次光学检测,但仍然无法解决上述技术问题,其主要面临如何设置合适阈值的问题。例如:若设置较宽的光学检测阈值,则会导致传感器无法排除其他物体的干扰;而若设置较窄的光学检测阈值,又会因人体不同的光学特性而导致无法囊括所有人,进而导致部分人可测,而有些用户即使正确佩戴设备亦被误认为未佩戴。当然,还有的现有技术增设电容传感器或者温度传感器,通过检测人体体表的静电流或者体表温度的方式检测设备是否被正确穿戴。众所周知的是,传感器越多,判断条件则会相应越多,故可判断地越精准。但是,设备无法无限扩大,特别是对于可穿戴设备而言,因可穿戴设备贴近人体,因而更讲究人体佩戴的舒适性和便携性。此外,考虑到设备的成本问题,也不适宜增设过多的传感器。因此,如何利用尽可能少的传感器实现尽可能高的识别率,成为本
亟需解决的一个技术问题。
技术实现思路
鉴于以上所述现有技术的缺点,本专利技术的目的在于提供佩戴检测系统、方法、电子终端、及计算机可读存储介质,用于解决现有技术中佩戴检测不够准确的问题。为实现上述目的及其他相关目的,本专利技术提供一种佩戴检测系统,应用于可穿戴设备,所述系统包括,一或多个佩戴检测模块,用于根据检测参数的阈值判断所述可穿戴设备是否佩戴于预设位置;处理模块,通信连接各所述佩戴检测模块,以基于机器学习算法自学习所述检测参数的阈值并建立阈值分类模型,据以优化调整所述阈值。于本专利技术的一实施例中,所述佩戴检测模块包括电容检测模块、红外检测模块、及绿光检测模块中的任一种或多种组合。于本专利技术的一实施例中,所述佩戴检测模块包括红外检测模块和绿光检测模块;其中,所述红外检测模块和绿光检测模块共用一光接收模块。于本专利技术的一实施例中,所述可穿戴设备包括可穿戴式心率测量设备,所述系统还包括:心率计算模块,用于计算心率数据;存储模块,用于存储心率数据;传输模块,用于将心率数据传输至外部设备。于本专利技术的一实施例中,所述处理模块基于机器学习算法,建立所述阈值分类模型,以提升佩戴检测模块的检测准确率;其中,所述机器学习算法包括监督学习算法。于本专利技术的一实施例中,所述监督学习算法包括决策树算法,还包括SVM算法、boosting算法、贝叶斯分类算法中的任一种或多种组合;所述处理模块基于决策树算法判断检测参数的阈值是否落入模糊区域内;若未落入模糊区域内,则直接输出佩戴检测结果;若落入模糊区域内,则所述处理模块基于SVM算法、boosting算法、贝叶斯分类中的任一种或多种组合,将该阈值进行归类处理并存储归类结果信息;其中,所述模糊区域包括容易混淆人体皮肤和非人体皮肤的情况所对应的数值区域。为实现上述目的及其他相关目的,本专利技术提供一种佩戴检测方法,其包括:基于机器学习算法自学习一或多个佩戴检测模块检测参数的阈值并建立阈值分类模型,据以优化调整所述阈值。于本专利技术的一实施例中,所述机器学习算法包括监督学习算法;所述监督学习算法包括决策树算法,还包括SVM算法、boosting算法、贝叶斯分类算法中的任一种或多种组合;所述处理模块基于决策树算法判断检测参数的阈值是否落入模糊区域内;若落入模糊区域内,则所述处理模块基于SVM算法、boosting算法、贝叶斯分类中的任一种或多种组合,将该阈值进行归类处理并存储归类结果信息;若未落入模糊区域内,则直接输出佩戴检测结果;其中,所述模糊区域包括容易混淆人体皮肤和非人体皮肤的情况所对应的数值区域。于本专利技术的一实施例中,所述佩戴检测模块包括红外检测模块和绿光检测模块;其中,所述红外检测模块和绿光检测模块共用一光接收模块。为实现上述目的及其他相关目的,本专利技术提供一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现所述佩戴检测方法。为实现上述目的及其他相关目的,本专利技术提供一种电子终端,包括:处理器及存储器;所述存储器用于存储计算机程序,所述处理器用于执行所述存储器存储的计算机程序,以使所述终端执行所述佩戴检测方法。如上所述,本专利技术的佩戴检测系统、方法、电子终端、及计算机可读存储介质,具有以下有益效果:本专利技术以一定数量的光学参数的阈值作为模型样本,不断提升和完善各光学参数的阈值在模糊区域的检测精准度,从而提升佩戴检测系统检测可穿戴设备是否佩戴于指定位置的准确度。本专利技术在有效控制设备硬件成本的情况下,通过多个检测参数和机器学习等软件算法和逻辑优化最大限度地实现佩戴检测的正确判断,并通过自学习使佩戴检测系统更加适用于使用者本人,且最大程度地排除非人体或非使用者本人之外的情况,使系统收集的数据更有价值地用于分析使用者的生理状态和健康情况。附图说明图1显示为本专利技术一实施例中佩戴检测系统的模块示意图。图2显示为本专利技术一实施例中佩戴检测方法的流程示意图。图3显示为本专利技术一实施例中电子终端的示意图。元件标号说明11电容检测模块12红外检测模块13绿光检测模块14处理模块15心率计算模块16存储模块17传输模块31处理器32存储器33收发器34通信接口35系统总线S21~S23方法流程具体实施方式以下通过特定的具体实例说明本专利技术的实施方式,本领域技术人员可由本说明书所揭露的内容轻易地了解本专利技术的其他优点与功效。本专利技术还可以通过另外不同的具体实施方式加以实施或应用,本说明书中的各项细节也可以基于不同观点与应用,在没有背离本专利技术的精神下进行各种修饰或改变。需说明的是,在不冲突的情况下,以下实施例及实施例中的特征可以相互组合。需要说明的是,以下实施例中所提供的图示仅以示意方式说明本专利技术的基本构想,遂图式中仅显示与本专利技术中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制,其实际实施时各组件的型态、数量及比例可为一种随意的改变,且其组件布局型态也可能更为复杂。本专利技术提供一种佩戴检测系统,应用于可穿戴设备。所述佩戴检测系统用于检测可穿戴设备是否佩戴于人体,从而防止误记录未佩戴于人体情况下的数据,使可穿戴设备收集的数据更有价值地用于分析使用者的生理状态和健康情况。需要说明的是,所述可穿戴设备包括用于测量心率、血压、睡眠质量、或者体温等指标的设备,下文以可穿戴式心率测量设备为例,说明本专利技术的实施方式和实现原理。如图1所示,展示本专利技术一实施例中佩戴检测系统的示意图。所述佩戴检测系统包括一或多个佩戴检测模块,用于根据检测参数的阈值判断所述可穿戴设备是否佩戴于预设位置。于本实施例中,所述佩戴检测模块包括电容检测模块11、红外检测本文档来自技高网
...
佩戴检测系统、方法、电子终端、及计算机可读存储介质

【技术保护点】
1.一种佩戴检测系统,其特征在于,应用于可穿戴设备,所述系统包括:一或多个佩戴检测模块,用于根据检测参数的阈值判断所述可穿戴设备是否佩戴于预设位置;处理模块,通信连接各所述佩戴检测模块,以基于机器学习算法自学习所述检测参数的阈值并建立阈值分类模型,据以优化调整所述阈值。

【技术特征摘要】
1.一种佩戴检测系统,其特征在于,应用于可穿戴设备,所述系统包括:一或多个佩戴检测模块,用于根据检测参数的阈值判断所述可穿戴设备是否佩戴于预设位置;处理模块,通信连接各所述佩戴检测模块,以基于机器学习算法自学习所述检测参数的阈值并建立阈值分类模型,据以优化调整所述阈值。2.根据权利要求1所述的佩戴检测系统,其特征在于,所述佩戴检测模块包括电容检测模块、红外检测模块、及绿光检测模块中的任一种或多种组合。3.根据权利要求1所述的佩戴检测系统,其特征在于,所述佩戴检测模块包括红外检测模块和绿光检测模块;其中,所述红外检测模块和绿光检测模块共用一光接收模块。4.根据权利要求1所述的佩戴检测系统,其特征在于,所述可穿戴设备包括可穿戴式心率测量设备,所述系统还包括:心率计算模块,用于计算心率数据;存储模块,用于存储心率数据;传输模块,用于将心率数据传输至外部设备。5.根据权利要求1所述的佩戴检测系统,其特征在于,所述处理模块基于机器学习算法,建立所述阈值分类模型,以提升佩戴检测模块的检测准确率;其中,所述机器学习算法包括监督学习算法。6.根据权利要求5所述的佩戴检测系统,其特征在于,所述监督学习算法包括决策树算法,还包括SVM算法、boosting算法、贝叶斯分类算法中的任一种或多种组合;所述处理模块基于决策树算法判断检测参数的阈值是否落入模糊区域内;若落入模糊区域内,则所述处理模块基于SVM算法、boosting算法、贝叶斯分类中的任一种或多种组合,将该阈值进行归类处理并存储归类结果信息;若未落...

【专利技术属性】
技术研发人员:姚丽峰陈越猛
申请(专利权)人:上海翰临电子科技有限公司
类型:发明
国别省市:上海,31

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1