【技术实现步骤摘要】
本专利技术涉及可穿戴设备，尤其涉及一种全天卡路里消耗的计算方法、装置及可穿戴设备。
技术介绍
1、随着社会的快速发展，人们生活质量越来越好，如果摄入的卡路里长期远超过消耗的卡路里，就会引起肥胖。生活中肥胖的人数也不断增加，许多人通过运动燃烧卡路里去达到减肥的目的或者锻炼身体。利用智能可穿戴设备，通过运动检测算法能够识别运动、静坐或睡眠等状态，不同状态下的卡路里消耗是不同的，从而能够更方便地检测运动、静坐、睡眠等状态下的卡路里消耗。然而，目前的卡路里消耗计算方法存在检测准确性不高的问题。
技术实现思路
1、本专利技术提供的全天卡路里消耗的计算方法、装置及可穿戴设备，能够更加准确地计算出全天卡路里消耗。
2、第一方面，本专利技术提供一种全天卡路里消耗的计算方法，包括：
3、检测人体所处的状态；
4、当人体所处的状态为运动状态时，计算运动状态下的卡路里消耗，其中，运动状态下的卡路里消耗为根据通过binary cornet网络计算出的心率而计算得到；
5、当人体所处的状态为静坐状态时，计算静坐状态下的卡路里消耗；
6、当人体所处的状态为睡眠状态时，计算睡眠状态下的卡路里消耗；
7、当人体处于运动状态、静坐状态和睡眠状态下的时间总和达到24小时时，将运动状态下的卡路里消耗、静坐状态下的卡路里消耗和睡眠状态下的卡路里消耗相加，得到全天卡路里消耗。
8、可选地，计算运动状态下的卡路里消耗包括：
9、计
10、根据运动状态下的心率计算运动状态下的卡路里消耗。
11、可选地，计算运动状态下的心率包括：
12、获取运动状态下的ppg信号；
13、采用高通滤波器去除ppg信号中的基线漂移；
14、采用低通滤波器去除ppg信号中的高频噪声；
15、采用自适应滤波器去除ppg信号中的运动伪影；
16、采用binary cornet网络处理去除运动伪影之后的ppg信号，得到运动状态下的心率。
17、可选地，采用binary cornet网络处理去除运动伪影之后的ppg信号，得到运动状态下的心率包括：
18、通过卷积核提取去除运动伪影之后的ppg信号的特征，得到特征数据；
19、通过最大池化层对特征数据进行降采样，减少特征数据，提取贡献最大的特征数据，得到特征图；
20、采用relu函数对特征图进行2次非线性化处理，得到另一特征图；
21、通过2层长-短期网络lstm处理另一特征图，捕捉周期的ppg信号特征；
22、通过密集回归层处理周期的ppg信号特征，得到运动状态下的心率。
23、第二方面，本专利技术提供一种全天卡路里消耗的计算装置，包括：
24、检测单元，用于检测人体所处的状态；
25、第一计算单元，用于当人体所处的状态为运动状态时，计算运动状态下的卡路里消耗，其中，运动状态下的卡路里消耗为根据通过binary cornet网络计算出的心率而计算得到；
26、第二计算单元，用于当人体所处的状态为静坐状态时，计算静坐状态下的卡路里消耗；
27、第三计算单元，用于当人体所处的状态为睡眠状态时，计算睡眠状态下的卡路里消耗；
28、第四计算单元，用于当人体处于运动状态、静坐状态和睡眠状态下的时间总和达到24小时时，将运动状态下的卡路里消耗、静坐状态下的卡路里消耗和睡眠状态下的卡路里消耗相加，得到全天卡路里消耗。
29、可选地，第一计算单元包括：
30、第一计算模块，用于计算运动状态下的心率；
31、第二计算模块，用于根据运动状态下的心率计算运动状态下的卡路里消耗。
32、可选地，第一计算模块包括：
33、获取子模块，用于获取运动状态下的ppg信号；
34、第一处理子模块，用于采用高通滤波器去除ppg信号中的基线漂移；
35、第二处理子模块，用于采用低通滤波器去除ppg信号中的高频噪声；
36、第三处理子模块，用于采用自适应滤波器去除ppg信号中的运动伪影；
37、计算子模块，用于采用binary cornet网络处理去除运动伪影之后的ppg信号，得到运动状态下的心率。
38、可选地，计算子模块，用于通过卷积核提取去除运动伪影之后的ppg信号的特征，得到特征数据；通过最大池化层对特征数据进行降采样，减少特征数据，提取贡献最大的特征数据，得到特征图；采用relu函数对特征图进行2次非线性化处理，得到另一特征图；通过2层长-短期网络lstm处理另一特征图，捕捉周期的ppg信号特征；通过密集回归层处理周期的ppg信号特征，得到运动状态下的心率。
39、第三方面，本专利技术提供一种可穿戴设备，包括：
40、至少一个处理器；以及
41、与至少一个处理器通信连接的存储器；其中，
42、存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够执行上述全天卡路里消耗的计算方法。
43、第四方面，本专利技术提供一种计算机可读存储介质，其中，计算机可读存储介质存储有计算机指令，计算机指令被处理器执行时实现上述全天卡路里消耗的计算方法。
44、本专利技术实施例提供的全天卡路里消耗的计算方法、装置及可穿戴设备，根据人体所处的状态，分别计算不同状态下的卡路里消耗，对于运动状态下的卡路里消耗，根据通过binary cornet网络计算出的心率而计算得到，这种方式计算出的心率准确度较高，因此计算出的运动状态下的卡路里消耗的准确度较高，从而能够更加准确地计算出全天卡路里消耗。
本文档来自技高网...【技术保护点】
1.一种全天卡路里消耗的计算方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述计算所述运动状态下的卡路里消耗包括：
3.根据权利要求2所述的方法，其特征在于，所述计算所述运动状态下的心率包括：
4.根据权利要求3所述的方法，其特征在于，所述采用所述Binary CorNET网络处理去除运动伪影之后的所述PPG信号，得到所述运动状态下的心率包括：
5.一种全天卡路里消耗的计算装置，其特征在于，所述装置包括：
6.根据权利要求5所述的装置，其特征在于，所述第一计算单元包括：
7.根据权利要求6所述的装置，其特征在于，所述第一计算模块包括：
8.根据权利要求7所述的装置，其特征在于，所述计算子模块，用于通过卷积核提取所述去除运动伪影之后的所述PPG信号的特征，得到特征数据；通过最大池化层对所述特征数据进行降采样，减少特征数据，提取贡献最大的特征数据，得到特征图；采用Relu函数对所述特征图进行2次非线性化处理，得到另一特征图；通过2层长-短期网络LSTM处理所述另一特征图，
9.一种可穿戴设备，其特征在于，所述可穿戴设备包括：
10.一种计算机可读存储介质，其中，所述计算机可读存储介质存储有计算机指令，所述计算机指令被处理器执行时实现如权利要求1至4中任一项所述的方法。
...【技术特征摘要】
1.一种全天卡路里消耗的计算方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述计算所述运动状态下的卡路里消耗包括：
3.根据权利要求2所述的方法，其特征在于，所述计算所述运动状态下的心率包括：
4.根据权利要求3所述的方法，其特征在于，所述采用所述binary cornet网络处理去除运动伪影之后的所述ppg信号，得到所述运动状态下的心率包括：
5.一种全天卡路里消耗的计算装置，其特征在于，所述装置包括：
6.根据权利要求5所述的装置，其特征在于，所述第一计算单元包括：
7.根据权利要求6所述的装置，其特征在于，所述第一计算模块包括：
8...
【专利技术属性】
技术研发人员：游伟强，陈志列，
申请(专利权)人：深圳市研祥潜动软件有限公司，
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。