智能穿戴设备特殊状态的识别方法及智能穿戴设备的制造方法
【技术领域】
[0001] 本发明设及智能终端技术领域，尤其设及一种智能穿戴设备特殊状态的识别方法 及智能穿戴设备。
【背景技术】
[0002] 目前，智能穿戴设备正在日渐普及，智能穿戴设备通过多种传感器可W监测佩戴 者的运动信号及状态信息。然而，智能穿戴设备尚处于起步阶段，现有的智能穿戴设备在状 态判断时，极易将未佩戴状态判断为睡眠状态，不能准确地判断运种特殊状态。
【发明内容】
[0003] 本发明实施例提供了一种智能穿戴设备特殊状态的识别方法及智能穿戴设备，W 准确地判断当前处于睡眠状态还是未佩戴状态。
[0004] 一方面，提供了一种智能穿戴设备特殊状态的识别方法，包括：
[0005] 对智能穿戴设备实时采集到的=轴加速度信息进行平滑滤波，获取滤波后的加速 度信息；
[0006] 根据所述滤波后的加速度信息获取设定时间内的安静指数和体动强度；
[0007] 根据所述设定时间内的安静指数和体动强度，判断设定时间内是否处于静止状 态；
[0008] 对所述滤波后的加速度信息进行直方图统计，获取所述滤波后的加速度信息的分 布区间和分布规律，并根据所述滤波后的加速度信息的分布区间和分布规律，获取静止时 长；
[0009] 若所述设定时间内每个当前一分钟及每个当前一分钟之前的设定时间段均为静 止状态，且所述静止时长大于设定时长，确定所述智能穿戴设备当前处于未佩戴状态。 [00 10]另一方面，提供了一种智能穿戴设备，包括：
[0011] 滤波模块，用于对智能穿戴设备实时采集到的=轴加速度信息进行平滑滤波，获 取滤波后的加速度信息；
[0012] 获取模块，用于根据所述滤波后的加速度信息获取设定时间内的安静指数和体动 强度；
[0013] 判断模块，用于根据所述设定时间内的安静指数和体动强度，判断设定时间内是 否处于静止状态；
[0014] 所述获取模块还用于对所述滤波后的加速度信息进行直方图统计，获取所述滤波 后的加速度信息的分布区间和分布规律，并根据所述滤波后的加速度信息的分布区间和分 布规律，获取静止时长；
[0015] 确定模块，用于若所述设定时间内每个当前一分钟及每个当前一分钟之前的设定 时间段均为静止状态，且所述静止时长大于设定时长，确定所述智能穿戴设备当前处于未 佩戴状态。
[0016] 实施本发明实施例提供的一种智能穿戴设备特殊状态的识别方法及智能穿戴设 备，具有如下有益效果：
[0017] 通过对智能穿戴设备实时采集到的=轴加速度信息进行平滑滤波，获取滤波后的 加速度信息，根据所述滤波后的加速度信息获取设定时间内的安静指数和体动强度，根据 设定时间内的安静指数和体动强度，判断设定时间内是否处于静止状态，对所述滤波后的 加速度信息进行直方图统计，获取所述滤波后的加速度信息的分布区间和分布规律，并根 据所述滤波后的加速度信息的分布区间和分布规律，获取静止时长，若设定时间内每个当 前一分钟及每个当前一分钟之前的设定时间段均为静止状态，且所述静止时长大于设定时 长，确定所述智能穿戴设备当前处于未佩戴状态，从而防止误判断当前处于睡眠状态，可W 准确地判断当前处于睡眠状态还是未佩戴状态。
【附图说明】
[0018] 为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现 有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本 发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可W 根据运些附图获得其他的附图。
[0019] 图1为本发明实施例提供的一种智能穿戴设备特殊状态的识别方法的流程示意 图；
[0020] 图2为对图1所示的一种智能穿戴设备特殊状态的识别方法进一步详细的流程示 意图；
[0021] 图3为本发明实施例提供的一种智能穿戴设备的结构示意图；
[0022] 图4为对图3所示的一种智能穿戴设备进一步详细的结构示意图。
【具体实施方式】
[0023] 下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完 整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于 本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他 实施例，都属于本发明保护的范围。
[0024] 图1为本发明实施例提供的一种智能穿戴设备特殊状态的识别方法的流程示意 图，该方法包括W下步骤：
[0025] 步骤SlOl，对智能穿戴设备实时采集到的=轴加速度信息进行平滑滤波，获取滤 波后的加速度信息。
[0026] 在本实施例中，智能穿戴设备上设有=轴加速度传感器，用于采集佩戴者的=维 加速度信息。对于空间域的平滑滤波，可采用简单的平均法进行，获得滤波后的加速度信 息。
[0027] 运里，实时采集可W是采集一次加速度的时间，例如1秒，对应50个采样点，即1秒 读50个采样点的数据。当数据长度达到设定长度时，开始平滑滤波，例如，该设定长度可W 为100个采样点，即时间长度为2秒。
[0028] 步骤S102,根据所述滤波后的加速度信息获取设定时间内的安静指数和体动强 度。
[0029] 计算安静指数，需要获取区间段内合加速度的最大值和最小值计算区间幅度，后 判断其大小，依此进行该设定时间内小幅度时段数目统计。
[0030] 计算体动强度，需要计算波形面积。波形面积是根据每个采样时段的合加速度距 离基线的积分而得到的。
[0031] 然后，依据安静指数和体动强度，判断设定时间内处于"安静状态"或"非安静状 态'。
[0032] 步骤S103，根据所述设定时间内的安静指数和体动强度，判断所述设定时间内是 否处于静止状态。
[0033] 步骤S104,对所述滤波后的加速度信息进行直方图统计，获取所述滤波后的加速 度信息的分布区间和分布规律，并根据所述滤波后的加速度信息的分布区间和分布规律， 获取静止时长。
[0034] 具体的，根据区间幅度范围Range判断是否存在大的巧发干扰，如果Range值小于 设定的统计直方图的区间幅度范围的阔值化StRange,则定义为满足统计条件的信号时段， 然后对其进行一分钟直方图统计。
[0035] 寻找直方图的基准参数，参考基准参数移动加速度信号校准其基线后进行直方图 统计。
[0036] 步骤S105,若设定时间内每个当前一分钟及每个当前一分钟之前的设定时间段均 为静止状态，且所述静止时长大于设定时长，确定所述智能穿戴设备当前处于未佩戴状态。
[0037] 根据获取的相关参数进行状态判断，进而准确地识别出佩戴状态。
[0038] 根据本发明实施例提供的一种智能穿戴设备特殊状态的识别方法，确定智能穿戴 设备当前处于未佩戴状态，从而防止误判断当前处于睡眠状态，可W准确地判断当前处于 睡眠状态还是未佩戴状态。
[0039] 图2为对图1所示的一种智能穿戴设备特殊状态的识别方法进一步详细的流程示 意图，该方法包括W下步骤：
[0040] S201:对智能穿戴设备实时采集到的=轴加速度信息进行平滑滤波，获取滤波后 的加速度信息。
[0041] 具体的，首先通过=轴加速度传感器按照一定的采样频率采集传感器所述=维空 间的S轴加速度信息。根据S轴加速度信息求取合加速度。