一种多模态融合脱落检测方法及穿戴设备技术

本发明专利技术提供一种多模态融合脱落检测方法及穿戴设备，其中多模态融合脱落检测方法包括如下步骤：步骤1、采集穿戴设备的多项数据，并对每项数据排查修复，形成多模态数据；步骤2、分类统计多模态数据，将多模态数据输入到脱落监测算法分析模型，输出设备脱落检测状态。本发明专利技术的有益效果是：对穿戴设备实时监测，监测其是否正确穿戴，保障穿戴设备正常采集体征数据。据。据。

【技术实现步骤摘要】
一种多模态融合脱落检测方法及穿戴设备


[0001]本专利技术涉及智能穿戴信息
，特别是一种多模态融合脱落检测方法及穿戴设备。

技术介绍

[0002]目前基于穿戴设备，如穿戴智能手环、手表或其他穿戴装备，这些设备的用户量日益增多。越来越多的人希望了解自己的实时身体状况，通过智能穿戴获取体征数据，根据体征数据获得干预，引导佩戴者做出正确或者积极的行为动作。
[0003]穿戴设备是人体除了衣物外，穿戴/佩戴时间长的贴身物品，甚至能24小时全天佩戴，用于侦测心率、血压、动作姿态等体征数据，特别是中老年人或者具有基础病的人群，需要24小时持续监控体征数据。穿戴设备在24小时内，由于人体的运动或动作，并不能时刻保持正确的穿戴姿势，而智能穿戴的位置不正确、智能穿戴脱落或者是流汗等因素，造成穿戴设备数据采集不齐，或者是采集数据错误、不准确，影响对身体的准确判断。

技术实现思路

[0004]本专利技术提出一种多模态融合脱落检测方法及穿戴设备，用于实时侦测穿戴设备是否穿戴正确，确保穿戴设备能正常采集体征数据，是通过如下技术方案实现的。
[0005]一种多模态融合脱落检测方法，包括如下步骤：步骤1、采集穿戴设备的多项数据，并对每项数据排查修复，形成多模态数据；步骤2、分类统计多模态数据，将多模态数据输入到脱落监测算法分析模型，输出设备脱落检测状态。
[0006]一种用于执行多模态融合脱落检测方法的穿戴设备，所述穿戴设备包括光学体征传感器、惯性传感器、温度传感器、GPS/北斗传感器的中的至少一种传感器。
[0007]本专利技术的有益效果是：对穿戴设备实时监测，监测其是否正确穿戴，保障穿戴设备正常采集体征数据。
附图说明
[0008]图1是本专利技术实施例的多模态融合脱落检测方法流程图。
[0009]图2是本专利技术实施例的穿戴设备的光学体征传感数据处理流程图。
[0010]图3是本专利技术实施例的穿戴设备的温度数据处理流程图。
[0011]图4是本专利技术实施例的穿戴设备脱落检测方法流程图。
[0012]图5是本专利技术实施例的脱落监测算法分析模型结构框图。
[0013]图6是本专利技术实施例的多模态数据的脱落监测算法分析模型功能图。
具体实施方式
[0014]以下结合附图对本专利技术的实施例进行详细说明，但是本专利技术可以由权利要求限定
和覆盖的多种不同方式实施。
[0015]本专利技术的实施例的穿戴设备，并不限于穿戴手表，还可以是手环、指环、耳环、臂环/臂包、头戴等穿戴设备。
[0016]本专利技术提出了一种基于可穿戴设备的多模态融合脱落检测算法，其中多模态形式包括了光学体征传感器、惯性传感器、温度传感器、GPS/北斗传感器等多种传感器采集的不同的模拟信号。
[0017]在本专利技术实施例中，光学体征传感器包括PPG、血氧、血压等光学体征传感器，通过光电心率传感器，记录PPG信号、血氧信号和血压等信号。
[0018]在本专利技术实施例中，惯性传感器包括加速度计（或加速度传感计）和角速度传感器（陀螺仪）以及它们的单、双、三轴组合IMU（惯性测量单元），AHRS（包括磁传感器在内的惯性姿态传感器）。
[0019]在本专利技术实施例中，穿戴设备至少包括一种以上的光学体征传感器、惯性传感器、温度传感器、GPS/北斗传感器。
[0020]如图1、6所示，一种多模态融合脱落检测方法，包括如下步骤：S1、采集穿戴设备的多项数据，并对每项数据排查修复，形成多模态数据；S2、分类统计多模态数据，将多模态数据输入到脱落监测算法分析模型，输出设备脱落检测状态。
[0021]在开始检测之前，先获取GPS/北斗数据，判断位置数据是否在变化，确定穿戴设备是否穿戴在人体上。
[0022]在本专利技术实施例中，需要对光学体征传感数据、姿态和运动数据、体温数据及GPS/北斗进行采集，所采集的数据形成多模态数据。
[0023]在本专利技术实施例中，穿戴设备主要实现的功能对不同的传感器模块进行驱动，对相关寄存器参数进行配置，对原始数据进行采集和分类。
[0024]光学体征传感数据：对光学心率传感器进行驱动，并配置和调整相关寄存器值（例如光照强度，采样频率等），进而实时获取其中包括PPG信号的原始数据。
[0025]惯性传感器数据：对包括三轴加速度在内的传感器进行驱动，并配置其相关参数（例如精确度、输出速度等），并以4Hz的频率对其进行一次采样。
[0026]温度数据:分别对两个温度传感器（用于测体表和测环境）进行驱动并配置其输出的精确度，从而以每分钟1次的频率对数据进行获取。
[0027]位置信号，通过GPS/北斗等位置信息，根据位置信号的变化判断是穿戴设备否穿戴在人体上。
[0028]穿戴设备采集到的上述数据为多模态数据。
[0029]在本专利技术实施例中，包括对多模态数据的处理，数据预处理模块包括异常数据的排除和修复和对有效数据的统计。
[0030]异常数据的排除和修复，由于采集设备故障、设备佩戴方式多样性和手腕活动状态的不确定性等原因，数据获取模块所采集的数据会存在异常。对于多模态信号中不同的信号采取的处理方式都是不同的。
[0031]如图2、6所示，对于光学体征传感数据的处理的步骤如下：S11、会在常规条件下采集大量的正确的数据，然后对这些数据进行建模，在建立
了多个模型后导入存储空间中。
[0032]S12、接收到新的光学体征传感数据，会将数据和现有的数据模型进行对比分析，如发现相似度或者数据的趋势差别太大的会将数据进行丢弃处理，若发现数据和模型对比相似度达到一定程序，则会参考模型对数据进行一定的修复。
[0033]对于惯性传感器数据的处理的步骤如下：由于惯性传感器的数据会进行连续采集，因此在收到数据后会对前后一定范围内的数据进行对比分析，如果发现当前接收的数据不符合正常情况下会出现的数值，则会对该值丢失或者根据前后两个值进行比对修复。
[0034]对惯性传感器数据的分析和处理中，可通过惯性传感器所产生的姿态和运动数据，与GPS/北斗产生的位置数据的变化，确定惯性传感器的数据是否相符，数据相符，保存相符的数据；数据不符则丢弃。
[0035]在数据修复的过程中，将惯性传感器的数据与GPS/北斗的位置变动数据进行结合，修复确实的姿态及运动数据。
[0036]如图3、6所示，对于温度传感器数据的处理的步骤如下：S21、对温度进行一个阈值的设置，对于体表温度和环境温度的阈值参数是不同的。
[0037]S22、在收到新的温度值后，会判断当前值是否在设定阈值范围内，如果不在范围内会对前面一定范围内的温度值进行分析，然后将当前的温度值进行修复并控制在设定的阈值范围内。
[0038]处理完光学体征传感数据、惯性传感器数据和温度传感器数据后，形成处理后的多模态数据，再进行有效数据的统计，丢掉无效数据。
[0039]有效数据的统计：考虑到一些特殊情况下，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种多模态融合脱落检测方法，其特征在于，包括如下步骤：步骤1、采集穿戴设备的多项数据，并对每项数据排查修复，形成多模态数据；步骤2、分类统计多模态数据，将多模态数据输入到脱落监测算法分析模型，输出穿戴设备脱落检测状态。2.根据权利要求1所述的多模态融合脱落检测方法，其特征在于，脱落监测算法分析模型包括实时脱落监测算法模型和非实时脱落监测算法模型，其中实时脱落监测算法模型基于光学体征传感数据和温度值，非实时脱落监测算法模型基于姿态和运动数据。3.根据权利要求1所述的多模态融合脱落检测方法，其特征在于，所述数据排查修复，对光学体征传感数据处理的方法，包括如下步骤：步骤11、在常规条件下采集大量的正确的数据，然后对这些数据进行建模，在建立了多个模型后导入存储空间中；步骤12、接收到新的光学体征传感数据，与现有的数据模型进行对比分析，丢弃相似度或者数据的趋势差别大的数据，对数据和模型对比相似度达到一定程度的数据进行修复。4.根据权利要求1所述的多模态融合脱落检测方法，其特征在于，所述数据排查修复，对惯性传感器数据处理的步骤是：在收到数据后会对前后一定范围内的数据进行对比分析，如果发现当前接收的数据不符合正常情况下会出现的数值，则会对该值丢失或者根据前后两个值进行比对修复。5.根据权利要求1所述的多模态融合脱落检测方法，其特征在于，所述数据排查修复，对温度传感器数据处理的步骤是：步骤21、分别设置一个体表温度和环境温度阈值；步骤22、测到新的温度值后，判断当前值是否在设定阈值范围内，如果不在范围内会对前面一定范围内的温度值进行分析，然后将当前的温度值进行修复并控制在设定的阈值范围内。6.根据权利要求1所述的多模态融合脱落检测方法，其特征在于，将预处理后的多模态信号原始数据导入算法模型进行分析，包括如下步骤：步骤31、对光学体征传感数据进行处理分析，输入的光学体...

【专利技术属性】
技术研发人员：聂泽丰，敖鹏飞，
申请(专利权)人：深圳启脉科技有限公司，
类型：发明
国别省市：