一种用户状态识别装置及可穿戴设备制造方法及图纸

本申请实施例涉及可穿戴设备技术领域，具体涉及一种用户状态识别装置及可穿戴设备，该装置应用于可穿戴设备，包括获取模块、数据处理模块和用户状态获取模块。获取模块用于获取用户的第一生理指标、第二生理指标和社会性指标；数据处理模块用于对脉搏波信号进行处理得到呼吸频率；用户状态获取模块用于将呼吸频率、第一生理指标中除脉搏波信号以外的其他信号、第二生理指标和社会性指标输入用户状态识别模型，得到用户的情绪水平、压力水平和呼吸状况。其中，用户状态识别模型采用基于至少两种分类器构建而成的集成模型训练得到。通过上述方式，本申请实施例实现了提高用户状态识别模型判断用户状态的准确度。模型判断用户状态的准确度。模型判断用户状态的准确度。

【技术实现步骤摘要】
一种用户状态识别装置及可穿戴设备


[0001]本申请实施例涉及可穿戴设备
，具体涉及一种用户状态识别装置及可穿戴设备。

技术介绍

[0002]随着时代的发展，移动互联网技术取得飞跃的进步，可穿戴设备开始在人们生活中扮演着十分重要的角色，逐渐成为市面上流行的电子产品。可穿戴设备具有携带方便、测量准确以及扩展能力强等优势深受消费者和开发者的喜爱。当今社会，人们面临的工作和生活压力与日剧增，人们的情绪容易受到严重的影响，及时发现潜在的情绪问题变得尤为重要。
[0003]目前，市面上的大多数可穿戴设备虽然也具有一定程度上的情绪检测功能，但情绪检测的准确度不够，无法满足人们的情绪测量需求。如何提高情绪检测的准确度成为了需要解决的问题。

技术实现思路

[0004]鉴于上述问题，本申请实施例提供了一种用户状态识别装置及可穿戴设备，用于解决如何提高情绪检测的精确度的问题。
[0005]根据本申请实施例的另一方面，提供了一种用户状态识别装置，应用于可穿戴设备，所述装置包括获取模块、数据处理模块和用户状态获取模块。获取模块用于获取用户参数，所述用户参数包括由所述可穿戴设备采集的用户的第一生理指标、录入的所述用户的第二生理指标和录入的所述用户的社会性指标，所述第一生理指标至少包括脉搏波信号。数据处理模块，用于对所述脉搏波信号进行处理，得到呼吸频率。用户状态获取模块，用于将所述呼吸频率、所述第一生理指标中除所述脉搏波信号以外的其他信号、所述第二生理指标和所述社会性指标输入用户状态识别模型，得到所述用户的情绪水平、压力水平和呼吸状况。其中，所述用户状态识别模型采用集成模型训练得到，所述集成模型采用集成模型构建算法基于至少两种分类器构建而成。
[0006]在一些实施例中，所述用户状态识别模型通过模型生成模块训练得到，所述模型生成模块包括样本获取单元、模型构建单元和模型训练单元。样本获取单元用于获取至少一个所述第一生理指标、所述第二生理指标或所述社会性指标的样本数据。模型构建单元用于采用AdaBoost.M2算法，基于决策树分类器和朴素贝叶斯分类器构建集成模型。模型训练单元用于根据所述样本数据训练所述集成模型，得到所述用户状态识别模型。
[0007]在一些实施例中，所述模型生成模块还包括第一样本数据处理单元，用于对所述样本数据进行填补缺失值和去除离群点处理。
[0008]在一些实施例中，所述模型生成模块还包括：
[0009]第二样本数据处理单元，用于从所述样本数据中确定具有离散性质的样本数据，对所述具有离散性质的样本数据通过独热编码的方式得到特征向量；
[0010]所述第一生理指标的样本数据包括呼吸频率、心率和心率变异性。所述第二生理指标的样本数据包括呼吸频率、心率、血氧饱和度、心率变异性、年龄和BMI指数。所述模型生成模块还包括第三样本数据处理单元，用于对所述样本数据中的所述呼吸频率、所述心率、所述血氧饱和度、所述心率变异性和所述年龄通过标准化计算去除量纲影响。
[0011]在一些实施例中，所述数据处理模块包括信号接收单元、第一信号处理单元、第二信号处理单元和第三信号处理单元。信号接收单元用于接收所述脉搏波信号。第一信号处理单元用于采用低通滤波器过滤所述脉搏波信号的高频噪声。第二信号处理单元用于对过滤后的所述脉搏波信号根据形态学方法去除基线漂移。第三信号处理单元用于对去除基线漂移后的所述脉搏波信号根据快速傅里叶变化进行处理从而得到呼吸频率。
[0012]在一些实施例中，所述样本数据具有情绪水平标签、压力水平标签和呼吸状况标签，所述用户状态识别模型包括情绪水平识别模型、压力水平识别模型和呼吸状况识别模型，所述模型生成模块进一步用于根据所述情绪水平标签、所述压力水平标签和所述呼吸状况标签分别生成所述情绪水平识别模型、所述压力水平识别模型和所述呼吸状况识别模型。
[0013]在一些实施例中，所述第一生理指标包括呼吸频率、心率和心率变异性。所述第二生理指标包括呼吸频率、心率、血氧饱和度、心率变异性、年龄和BMI指数，所述社会性指标包括年龄、性别和职业。
[0014]在一些实施例中，所述可穿戴设备设有多个传感器，所述传感器用于采集所述用户的多个第一生理指标，所述传感器与所述获取模块通信连接。所述获取模块包括数据输入单元，所述数据输入单元用于输入所述第二生理指标和所述社会性指标；和/或，所述获取模块还包括网络通信单元，所述网络通信单元用于获取与所述网络通信单元通信连接的其他设备上传的所述第二生理指标和所述社会性指标。
[0015]在一些实施例中，所述模型构建单元包括：
[0016]第一获取部，用于获取m个所述样本数据(x
i
,y
i
)组成的序列<(x1,y1),(x2,y2),
…
,(x
m
,y
m
)>，其中x
i
代表第i个特征向量，y
i
代表第i个样本标签，m为正整数；
[0017]第二获取部，用于获取所述决策树分类器和所述朴素贝叶斯分类器以及需要的迭代轮数T；
[0018]第一处理部，用于设置集合B＝{(i,y):i∈{1,
…
,m},y≠y
i
}；
[0019]第二处理部，用于初始化其中(i,y)∈B，为分类器错误标签分布，所述分类器错误标签分布通过下标(i，y)区分和访问，|B|为所述集合B的元素数目；
[0020]第三处理部，用于迭代循环t＝1,2,
…
,T；
[0021]第四处理部，用于调用所述决策树分类器和所述朴素贝叶斯分类器，提供给所述决策树分类器和所述朴素贝叶斯分类器错误标签分布D
t
；
[0022]第五处理部，用于返回假设结果h
t
:X
×
Y
→
[0,1].，其中X
×
Y为类别权重函数；
[0023]第一计算部，用于根据公式计算h
t
的伪损失ε
t
，其中t为训练的轮数；
[0024]第六处理部，用于设置β
t
＝ε
t
/(1
‑
ε
t
)，其中β
t
是第t轮的训练中的权重更新系数；
[0025]第七处理部，用于根据公式更新D
t
，其中的Z
t
为归一化常数，D
t+1
(i,y)为第t+1轮的训练的初始错误标签分布；
[0026]第八处理部，用于输出所述集成模型
[0027]根据本申请实施例的另一方面，提供了一种可穿戴设备，可穿戴设备由用户佩戴，包括上述任一实施例中所述的用户状态识别装置。
[0028]本申请实施例通过获取第一生理指标、第二生理指标和社会性指标等多个数据，使得获得的用户数据本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用户状态识别装置，应用于可穿戴设备，其特征在于，所述装置包括：获取模块，用于获取用户参数，所述用户参数包括由所述可穿戴设备采集的用户的第一生理指标、录入的所述用户的第二生理指标和录入的所述用户的社会性指标，所述第一生理指标至少包括脉搏波信号；数据处理模块，用于对所述脉搏波信号进行处理，得到呼吸频率；用户状态获取模块，用于将所述呼吸频率、所述第一生理指标中除所述脉搏波信号以外的其他信号、所述第二生理指标和所述社会性指标输入用户状态识别模型，得到所述用户的情绪水平、压力水平和呼吸状况；其中，所述用户状态识别模型采用集成模型训练得到，所述集成模型采用集成模型构建算法基于至少两种分类器构建而成。2.如权利要求1所述的装置，其特征在于，所述用户状态识别模型通过模型生成模块训练得到，所述模型生成模块包括：样本获取单元，用于获取至少一个所述第一生理指标、所述第二生理指标或所述社会性指标的样本数据；模型构建单元，用于采用AdaBoost.M2算法，基于决策树分类器和朴素贝叶斯分类器构建集成模型；模型训练单元，用于根据所述样本数据训练所述集成模型，得到所述用户状态识别模型。3.如权利要求2所述的装置，其特征在于，所述模型生成模块还包括：第一样本数据处理单元，用于对所述样本数据进行填补缺失值和去除离群点处理。4.如权利要求2所述的装置，其特征在于，所述模型生成模块还包括：第二样本数据处理单元，用于从所述样本数据中确定具有离散性质的样本数据，对所述具有离散性质的样本数据通过独热编码的方式得到特征向量；所述第一生理指标的样本数据包括呼吸频率、心率和心率变异性；所述第二生理指标的样本数据包括呼吸频率、心率、血氧饱和度、心率变异性、年龄和BMI指数，所述模型生成模块还包括：第三样本数据处理单元，用于对所述样本数据中的所述呼吸频率、所述心率、所述血氧饱和度、所述心率变异性和所述年龄通过标准化计算去除量纲影响。5.如权利要求1所述的装置，其特征在于，所述数据处理模块包括：信号接收单元，用于接收所述脉搏波信号；第一信号处理单元，用于采用低通滤波器过滤所述脉搏波信号的高频噪声；第二信号处理单元，用于对过滤后的所述脉搏波信号根据形态学方法去除基线漂移；第三信号处理单元，用于对去除基线漂移后的所述脉搏波信号根据快速傅里叶变化进行处理从而得到呼吸频率。6.如权利要求2所述的装置，其特征在于，所述样本数据具有情绪水平标签、压力水平标签和呼吸状况标签，所述用户状态识别模型包括情绪水平识别模型、压力水平识别模型和呼吸状况识别模型，所述模型生成模块进一步用于根据所述情绪水平标签、所述压力水平标签和所述呼吸状况标签分别生成所述情绪水平识别模型、所述压力水平识别模型和所述呼吸状况识别模型。
7.如权利要求1所述的装置，其特征在于，所述第一生理指标包括呼吸频率、心率和心率变异性；所述第二生理指标包括呼吸频率、...

【专利技术属性】
技术研发人员：杨昆鹏，刘恩锋，江广浪，
申请(专利权)人：研祥智慧物联科技有限公司，
类型：发明
国别省市：