【技术实现步骤摘要】
基于人工智能的智能手表监测系统及方法
[0001]本专利技术涉及数据处理
，具体涉及基于人工智能的智能手表监测系统及方法。
技术介绍
[0002]一般所监测主要是反应身体状态检测的体征信号，比如常见的心率数据。此时所获得的原始心率数据序列的准确性直接影响着身体状态监测的准确性，但是智能手表在采集过程中可能采集到异常的原始心率数据序列，所以需要对所采集的监测数据进行采集异常筛选，保证所获得监测数据的准确性。而在采集原始心率数据序列过程的异常数据主要表现在对原始心率数据序列变数趋势的破坏，一般常利用STL对原始心率数据序列进行分解，然后利用残差项反映所对应的原始心率数据序列的变化趋势异常，即原始心率数据的异常程度。但在实际操作的过程中，残差项对原始心率数据序列的异常表现受对应趋势项的影响，导致残差项不能直接表示原始心率数据序列的异常程度。同时由于人体心率采集过程中受环境光照的影响，同样也会使原始心率数据序列具有异常变化，而这些异常变化的数据会对其前后相邻数据的趋势项计算产生异常影响，从而进一步影响趋势项对原始心率数据序列变...
【技术保护点】
【技术特征摘要】
1.基于人工智能的智能手表监测方法，其特征在于，该方法包括以下步骤：获取智能手表的原始心率数据序列以及对应的光照强度；结合人体心率变化特征，得到原始心率数据序列中每个原始心率数据的异常表现；根据原始心率数据的异常表现，通过结合前后相邻原始心率数据的互相影响关系，得到每个原始心率数据的第一趋势表现程度；根据前后相邻原始心率数据的互相影响关系、时间间隔以及对应光照强度的变化量，得到每个原始心率数据的第二趋势表现程度；根据原始心率数据的第一趋势表现程度和第二趋势表现程度，得到每个残差项对原始心率数据序列的异常表现程度；根据每个原始心率数据对应的残差项对原始心率数据序列的异常表现程度以及残差项，得到每个原始心率数据的异常程度；根据每个原始心率数据的异常程度进行筛选，得到原始心率数据序列中所有的异常心率数据；根据原始心率数据序列中的异常心率数据进行剔除处理，得到剔除后的原始心率数据序列，并对剔除后的原始心率数据序列进行心率监测。2.根据权利要求1所述基于人工智能的智能手表监测方法，其特征在于，所述原始心率数据的异常表现的获取方法如下：将原始心率数据序列每个原始心率数据与前一个原始心率数据相减，相减结果记为第一差值；若第一差值大于0，则将第一差值进行归一化处理，并将处理结果记为对应的原始心率数据的异常表现；若第一差值小于或等于0，则对应的原始心率数据的异常表现则为1；另外，第一个原始心率数据异常表示默认为1。3.根据权利要求1所述基于人工智能的智能手表监测方法，其特征在于，所述前后相邻原始心率数据的获取方法如下：预设一个第i个原始心率数据前后相邻数据个数N0；获取第i个原始心率数据之前的N0/2个原始心率数据，获取第i个原始心率数据之后的N0/2个原始心率数据，这些N0个原始心率数据记为第i个原始心率数据的所有前后相邻的原始心率数据，并且这些N0个原始心率数据依自身数据对应时序上的前后顺序进行排序；另外，当第i个原始心率数据之前的数据或第i个原始心率数据之后的数据不足N0/2个时，那么将第i个原始心率数据之前的数据或第i个数据之后的原始心率数据全都作为第i个数据的前后相邻的原始心率数据，直至满足N0个原始心率数据。4.根据权利要求1所述基于人工智能的智能手表监测方法，其特征在于，所述原始心率数据的第一趋势表现程度的获取表达式如下：其中表示第i个原始心率数据前后相邻的第v个原始心率数据的差异关系的影响下第i个趋势项对应原始心率数据的趋势表现程度，记为第一趋势表现程度；表示第i个原始心率数据；表示第i个原始心率数据前后相邻的第v个原始心率数据；表示与前一个原始心率数据的差值的绝对值，记为第一绝对值；表示与之间的第u个原始
心率数据与第u
‑
1个原始心率数据的差值的绝对值；表示与之间所有个原始心率数据；表示第v个原始心率数据的异常表现。5.根据权利要求1所述基于人工智能的智能手表监测方法，其特征在于，所述原始心率数据的第二趋势表现程度的获取表达式如下：其中表示第一绝对值；、分别表示第v个原始心率数据、第v
...
【专利技术属性】
技术研发人员：孟帅，
申请(专利权)人：深圳市魔样科技有限公司，
类型：发明
国别省市：
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。