一种智能穿戴设备的数据采集方法、装置及智能穿戴设备与流程

本发明属于电子通信技术领域，尤其涉及一种智能穿戴设备的数据采集方法、装置及智能穿戴设备。

背景技术：

智能穿戴设备通过采集和处理用户的生理数据，使用户更加清楚的了解自己的身体和生活等情况。在智能穿戴设备的使用过程中，首先检测用户是否已经穿戴该设备，当确定该智能穿戴设备被用户穿戴之后，再采集当前的用户数据，以正确地反映出用户的健康指数、行为习惯以及生活偏好等结果。

现有技术中通过电容传感器检测智能穿戴设备是否穿戴，当有物体遮挡住接近传感器时，则判定为穿戴；当没有物体遮挡的时候，则判定为未穿戴。这种检测方式在智能穿戴设备未被穿戴、且有物体遮挡住接近传感器时，也会被误判为已穿戴状态，因此使智能穿戴设备采集到的用户数据发生错误。

技术实现要素：

有鉴于此，本发明实施例提供了一种智能穿戴设备的数据采集方法、装置及智能穿戴设备，以解决现有技术中的检测方式在智能穿戴设备未被穿戴、且有物体遮挡住接近传感器时，也会被误判为已穿戴状态，使智能穿戴设备采集到的用户数据发生错误的问题。

本发明实施例的第一方面提供了一种智能穿戴设备的数据采集方法，包括：

获取所述智能穿戴设备的接近传感器的状态信息；其中，所述状态信息包括接近状态或远离状态；

若所述接近传感器的状态信息为接近状态，则获取所述智能穿戴设备的运动状态数据；所述运动状态数据用以表征所述智能穿戴设备的静止或非静止状态；

根据所述运动状态数据确定所述智能穿戴设备的穿戴状态；

根据所述智能穿戴设备的穿戴状态执行相应的数据采集动作。

所述获取所述智能穿戴设备的接近传感器的状态信息，包括：

检测所述接近传感器是否产生中断信号；

若检测到所述接近传感器产生的中断信号，则获取所述接近传感器检测到的接近值；

若所述接近值小于所述接近值阈值，则所述接近传感器当前处于接近状态；若所述接近值大于或等于所述接近值阈值，则所述接近传感器当前处于远离状态。

所述智能穿戴设备还包括加速度传感器，所述若所述接近传感器的状态信息为接近状态，则获取所述智能穿戴设备的运动状态数据，具体包括：

获取所述加速度传感器采集的加速度数据；根据预先存储的未穿戴状态对应的加速度特征数据从所述加速度数据中提取目标加速度特征数据；

计算所述目标加速度特征数据与所述加速度特征数据之间的匹配度；

若所述目标加速度特征数据与所述加速度特征数据之间的匹配度大于或等于预设的匹配度阈值，则判定所述智能穿戴设备处于静止状态。

所述根据所述运动状态数据确定所述智能穿戴设备的穿戴状态，具体包括：

若所述运动状态数据表征所述智能穿戴设备处于静止状态，则判断所述智能穿戴设备保持静止状态的时间是否超过预设时间阈值；

若超过，则确定所述智能穿戴设备处于未穿戴状态；

所述根据所述运动状态数据确定所述智能穿戴设备的穿戴状态，还包括：

若所述运动状态数据表征所述智能穿戴设备处于非静止状态，则确定所述智能穿戴设备处于穿戴状态。

本发明实施例的第二方面提供了一种智能穿戴设备的数据采集装置，包括：

状态获取单元，用于获取所述智能穿戴设备的接近传感器的状态信息；其中，所述状态信息包括接近状态或远离状态；

数据获取单元，用于若所述接近传感器的状态信息为接近状态，则获取所述智能穿戴设备的运动状态数据；其中，所述运动状态数据用以表征所述智能穿戴设备的静止或非静止状态；

状态确定单元，用于根据所述运动状态数据确定所述智能穿戴设备的穿戴状态；

数据采集单元，用于根据所述智能穿戴设备的穿戴状态执行相应的数据采集动作。

其中，所述状态获取单元，包括：

信号检测子单元，用于检测所述接近传感器是否产生中断信号；

接近值获取子单元，用于若检测到所述接近传感器产生的中断信号，则获取所述接近传感器检测到的接近值；

接近状态确定子单元，用于若所述接近值小于所述接近值阈值，则所述接近传感器当前处于接近状态；若所述接近值大于或等于所述接近值阈值，则所述接近传感器当前处于远离状态。

所述状态确定单元，包括：

特征提取子单元，用于获取所述加速度传感器采集的加速度数据；根据预先存储的未穿戴状态对应的加速度特征数据从所述加速度数据中提取目标加速度特征数据；

匹配度计算子单元，用于计算所述目标加速度特征数据与所述加速度特征数据之间的匹配度；

状态判断子单元，用于若所述目标加速度特征数据与所述加速度数据之间的匹配度大于或等于预设的匹配度阈值，则判定所述只能穿戴设备处于静止状态。

所述状态确定单元，还包括：

状态保持判断子单元，用于若所述运动状态数据表征所述智能穿戴设备处于静止状态，则判断所述智能穿戴设备保持静止状态的时间是否超过预设时间阈值；

未穿戴状态确定子单元，用于若超过，则确定所述智能穿戴设备处于未穿戴状态。

所述状态确定单元，还包括：

穿戴状态确定子单元，用于若所述运动状态数据表征所述智能穿戴设备处于非静止状态，则确定所述智能穿戴设备处于穿戴状态。

本发明实施例的第三方面提供了一种智能穿戴设备，包括：处理器、输入设备、输出设备和存储器，所述处理器、输入设备、输出设备和存储器相互连接，其中，所述存储器用于存储支持装置执行上述方法的计算机程序，所述计算机程序包括程序指令，所述处理器被配置用于调用所述程序指令，执行上述第一方面的方法。

本发明实施例的第四方面提供了一种计算机可读存储介质，所述计算机存储介质存储有计算机程序，所述计算机程序包括程序指令，所述程序指令当被处理器执行时使所述处理器执行上述第一方面的方法。

本发明实施例与现有技术相比存在的有益效果是：通过将外部物体的接近信息同内部的移动信息结合起来，更加准确地检测智能穿戴设备的状态，以达到采集准确数据的目的。

附图说明

为了更清楚地说明本发明实施例中的技术方案，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性的前提下，还可以根据这些附图获得其他的附图。

图1是本发明实施例提供的一种智能穿戴设备的数据采集方法的流程图；

图2是本发明另一实施例提供的一种智能穿戴设备的数据采集方法的流程图；

图3是本发明实施例提供的一种智能穿戴设备的数据采集装置的示意图；

图4是本发明另一实施例提供的一种智能穿戴设备的数据采集装置的示意图；

图5是本发明实施例提供的一种智能穿戴设备的示意图。

具体实施方式

以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本发明实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本发明。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本发明的描述。

为了说明本发明所述的技术方案，下面通过具体实施例来进行说明。

参见图1，图1是本发明实施例提供的一种智能穿戴设备的数据采集方法的流程图。本实施例中智能穿戴设备的数据采集的执行主体为智能穿戴设备，智能穿戴设备可以为智能手表、智能手环、智能眼镜或者智能运动鞋等设备，此处不做限定。如图1所示的智能穿戴设备的数据采集方法可以包括以下步骤：

s101：获取所述智能穿戴设备的接近传感器的状态信息；其中，所述状态信息包括接近状态或远离状态。

在本实施例中，在智能穿戴设备中安装具有感知物体接近能力的器件，例如，接近传感器，通过接近传感器对接近的物体具有敏感特性来识别物体的接近，并输出相应的信号。通过接近传感器可以代替接触式检测的传感器器件，它能在不接触被检测对象的情况下，检测被检对象与外界物体的之间的距离或位置等信息。

在本实施例中，通过接近传感器采集到当前智能穿戴设备的状态信息。状态信息包括接近状态或远离状态。当有物体接近该智能穿戴设备，或者在智能穿戴设备接近外部物体的情况下，接近传感器上报的状态信息为接近状态信息。当有物体远离该智能穿戴设备，或者在智能穿戴设备远离外部物体的情况下，接近传感器上报的状态信息为远离状态信息。

进一步的，当状态信息为接近状态信息时，接近传感器也有可能出现被外界物体遮挡的情况，此时接近传感器的状态信息依旧为接近状态信息，尤其是当智能穿戴设备并未处于穿戴状态的情况下。因此，在类似情况下，只通过接近传感器一种检测装置来检测智能穿戴设备的状态便会造成误判，错误的智能穿戴设备状态下，便会造成与之后采集的使用数据不对应的问题。

通过获取所述智能穿戴设备的接近传感器的状态信息的状态信息，以确定当前智能穿戴设备与外界物体当前所处的状态是接近状态还是远离状态，进而确定该智能穿戴设备周围是否有外界物体靠近。

s102：若所述接近传感器的状态信息为接近状态，则获取所述智能穿戴设备的运动状态数据；所述运动状态数据用以表征所述智能穿戴设备的静止或非静止状态。

当接近传感器处于接近状态时，说明该智能穿戴设备周围存在除自身之外的物体，该外界物体可以是用户、书桌或衣架等物体，此处不做限定。示例性的，用户将智能穿戴设备穿戴在身上，智能穿戴设备被放置在书桌上或者挂在衣架上，这些情况下接近传感器都将处于接近状态。

在智能穿戴设备的使用过程中，它会因为穿戴在人体上而时刻发生运动，因此产生运动数据，这种情况下为非静止状态；也会因为放置或挂在某个置物物体之上而静止不动，这种情况下为静止状态。因此，通过采集智能穿戴设备的状态数据以表示智能穿戴设备的运动状态，运动状态包括静止状态和非静止状态。

示例性的，智能穿戴设备的运动状态数据可以通过加速度传感器采集。优选的，通过三轴加速度传感器采集智能穿戴设备的运动状态数据。三轴加速度传感器基于加速度的基本原理实现工作。加速度是一个空间矢量，一方面，要准确了解智能穿戴设备的运动状态，必须测得其三个坐标轴上的分量；另一方面，在预先不知道智能穿戴设备运动方向的场合下，通过三轴加速度传感器来检测加速度信号。由于三轴加速度传感器也是基于重力原理的，因此用三轴加速度传感器可以实现双轴正负90度或双轴0～360度的倾角，通过校正后期精度要高于双轴加速度传感器大于测量角度为60度的情况。三轴加速度传感器具有体积小和重量轻特点，可以测量空间加速度，能够全面准确反映智能穿戴设备的运动性质。

进一步的，在获取智能穿戴设备的状态数据时，智能穿戴设备的状态可能会保持一定时间，因此，需要获取一定时间段内的智能穿戴设备的状态数据，以更加全面和准确地获取该设备在该时间段内的运动情况。

通过获取智能穿戴设备的状态数据，以确定该智能穿戴设备在已经有物体接近的情况下的运动状态，进而对已经确定该智能穿戴设备状态信息的情况下，通过其运动状态精准确定该智能穿戴设备处于穿戴状态还是处于未穿戴状态。

s103：根据所述运动状态数据确定所述智能穿戴设备的穿戴状态。

智能穿戴设备的状态数据为智能穿戴设备在某段时间内的运动数据，该状态数据可以是智能穿戴设备的加速度值、定位信息、移动速度、平均速度等数据，此处不做限定。

可选的，通过获取不同时刻该智能穿戴设备的定位信息，再将获取到的定位信息进行比较，若该智能穿戴设备在第一时刻的定位信息与第二时刻的定位信息不同，则说明在两个时刻之间，该智能穿戴设备发生了移动，即该时间段中智能穿戴设备处于非静止状态；如果两个时刻对应的定位信息相同，则智能穿戴设备处于静止状态。

优选的，当获取到的智能穿戴设备的状态数据为加速度值时，如果加速度值大于零，智能穿戴设备处于非静止状态，如果加速度值等于零，智能穿戴设备处于静止状态。

进一步的，在对获取到的智能穿戴设备的状态数据与预先存储的未穿戴状态对应的特征数据进行比较时，智能穿戴设备的状态可能会保持一定时间，因此，需要将该时间段内的智能穿戴设备的状态数据与预先存储的未穿戴状态对应的特征数据进行比较，以更加全面的判定该设备在该时间段内的运动情况。

若所述运动状态为静止状态，则判定所述智能穿戴设备处于未穿戴状态。

若获取到的智能穿戴设备的状态数据与预先存储的未穿戴状态对应的特征数据相同，或者两类数据在某一时间段之内的匹配度大于或等于预设的匹配度阈值，则判定智能穿戴设备为静止状态；若运动状态为非静止状态，则判定智能穿戴设备处于穿戴状态。

s104：根据所述智能穿戴设备的穿戴状态执行相应的数据采集动作。

当智能穿戴设备处于穿戴状态时，则采集用户的各种数据；若处于未穿戴状态，则停止采集各种数据。

上述方案，通过获取智能穿戴设备的接近传感器的状态信息，以确定智能穿戴设备是否处于接近状态；进而获取智能穿戴设备的状态数据，并根据状态数据确定智能穿戴设备的穿戴状态，最后根据所述智能穿戴设备的穿戴状态执行相应的数据采集动作。在外部物体的接近信息的基础上，结合智能穿戴设备自身的运动状态信息，更加准确、实时地采集智能穿戴设备在穿戴时的使用数据和用户信息。

参见图2，图2是本发明另一实施例提供的一种智能穿戴设备的数据采集方法的流程图。本实施例中智能穿戴设备的数据采集的执行主体可以为智能手表、智能手环、智能眼镜或者智能运动鞋等智能穿戴设备，此处不做限定。如图2所示的智能穿戴设备的数据采集方法可以包括以下步骤：

s201：获取所述智能穿戴设备的接近传感器的状态信息；其中，所述状态信息包括接近状态或远离状态。

其中，步骤s201包括步骤s2011-s2013。

s2011：检测所述接近传感器是否产生中断信号。

接近传感器以非接触方式检测检测对象附近有无外界物体接近。在本实施例中，接近传感器可以为感应型、静电容量型、超声波型、光电型、磁力型等类型，此处不做限制，接近传感器可以为将检测金属存在的感应型接近传感器、检测金属及非金属物体存在的静电容量型接近传感器等利用磁力产生的直流磁场的接近开关。

当有外部物体接近或者远离智能穿戴设备时，智能穿戴设备中接近传感器的外部磁场便会影响，接近传感器的导体表面产生的涡电流会引起磁性损耗，线圈内会产生交流磁场；接近传感器的金属体会产生的涡电流，引起的阻抗变化，进而产生中断信号。因此，中断信号包括接近信号和远离信号。

通过检测在接近传感器的导体表面产生的涡电流引起的磁性损耗，以及线圈内产生的交流磁场，并检测接近传感器的金属体产生的涡电流引起的阻抗变化，以确定接近传感器是否产生中断信号。来判断是否有外界物体接近智能穿戴设备，进而精确地确定该物体与智能穿戴设备的距离等接近情况。

s2012：若检测到所述接近传感器产生的中断信号，则获取所述接近传感器检测到的接近值。

当接近传感器感应到有外界物体接近，并产生中断信号之后，获取检测到的中断信号的接近值。

示例性的，接近值可以是外界物体与智能穿戴设备的距离。接近传感器发射出的激光经被外界物体的反射后又被接近传感器接收，同时记录激光往返的时间。光速和往返时间的乘积的一半，就是智能穿戴设备和外界物体之间的距离。

示例性的，接近值还可以接近传感器的金属体产生的涡电流引起的阻抗变化大小。

进一步的，若未检测到接近传感器产生的中断信号，则获取智能穿戴设备的状态数据；其中，状态数据为用于表示智能穿戴设备的运动状态的数据，运动状态包括静止状态和非静止状态。根据状态数据确定智能穿戴设备的运动状态；若智能穿戴设备的运动状态为静止状态，则判定智能穿戴设备处于未穿戴状态。

通过获取所述智能穿戴设备的接近传感器的状态信息发出的中断信号的接近值，确定该外界物体与智能穿戴设备之间的距离，以明确外界物体与智能穿戴设备之间是否处于接近状态。

s2013：若所述接近值小于所述接近值阈值，则所述接近传感器当前处于接近状态；若所述接近值大于或等于所述接近值阈值，则所述接近传感器当前处于远离状态。

接近值阈值预先被存储在智能穿戴设备中，通过将检测到的中断信号的接近值与该接近值阈值进行比较，当接近值在接近值阈值范围内时，则接近传感器当前处于接近状态。

进一步的，接近传感器所产生的中断信号包括接近信号和远离信号，因此，用于判断中断信号类型的接近值阈值和远离值阈值被预先存储于接近传感器中。同时，在预先配置接近传感器参数时，还需要配置的有：脉冲频率调制、led电流、每次发射的脉冲个数、发射间隔、接近阈值、离开阈值。

示例性的，接近传感器的脉冲频率调制频率为60khz；发光二极管电流值为100ma；每次发射的脉冲个数为12个；发射间隔为100ms；接近阈值为80以及离开阈值为30。

可选的，设置接近阈值为80、离开阈值为30，若当前获取到的中断信号的接近值大于等于80，则该中断信号为接近信号；若当前获取到的中断信号的接近值小于30，则该中断信号为远离信号。

可选的，设置接近阈值和离开阈值同为60，若当前获取到的中断信号的接近值大于等于60，则该中断信号为接近信号；若当前获取到的中断信号的接近值小于60，则该中断信号为远离信号。

可以理解的是，用户通过使用需求或者环境需求设定接近值阈值和远离值阈值的大小，接近值阈值和远离值阈值的大小可以相同，也可以不同，此处不做限制。

通过接近传感器产生接近或离开的中断信号，智能穿戴设备固件程序会判断智能穿戴设备是处于接近还是离开状态。若是接近状态，则判定智能穿戴设备当前处于已穿戴状态。

s202：若所述接近传感器的状态信息为接近状态，则获取所述智能穿戴设备的运动状态数据；所述运动状态数据用以表征所述智能穿戴设备的静止或非静止状态。

若接近传感器的状态信息为接近状态，则获取智能穿戴设备的状态数据。在本方案中，智能穿戴设备处于两种状态，即静止状态和非静止状态。若已经检测到有外界物体接近或者遮挡该智能穿戴设备，并不能确定该智能穿戴设备已经被穿戴在该外界物体上。

示例性的，当智能穿戴设备未佩戴，但是接近传感器被物体意外遮挡，按照现有技术的判断方式，便会确定该智能穿戴设备已经被穿戴，从而产生误判的情况。因此需要通过智能穿戴设备的状态数据，来确定当前智能穿戴设备的运动情况。

当智能穿戴设备已穿戴于人体上时，便会产生接近信号和移动信号。通过运动状态传感器检测该智能穿戴设备的运动状态，进而判断出该智能穿戴设备有没有发生移动。从而在外部物体的接近信息的基础上，结合智能穿戴设备自身的运动状态信息，更加准确地检测智能穿戴设备的是否处于穿戴状态。

s203：若所述接近传感器的状态信息为接近状态，则获取所述智能穿戴设备的运动状态数据。

其中，步骤s203具体包括步骤s2031-s2033。

s2031：获取所述加速度传感器采集的加速度数据；根据预先存储的未穿戴状态对应的加速度特征数据从所述加速度数据中提取目标加速度特征数据。

通过获取智能穿戴设备的状态数据，并根据预先存储的未穿戴状态对应的特征数据从状态数据中提取目标特征数据。

示例性的，通过三轴加速度传感器感知和采集智能穿戴设备的状态数据，采集到的数据为智能穿戴设备在三维空间坐标系x,y,z轴上的加速度，采集方式如下：

在第一时间段内，根据x,y,z轴的加速度计算合成加速度，提取与预先存储的未穿戴状态数据相关的数据为第一特征；

在第二时间段内，合并所有在第一时间段内提取的第一特征，组成第二特征；第二时间段的长度大于第一时间段的长度；

在第三时间段内，合并所有在第二时间段内提取的第二特征，组成第三特征；第三时间段的长度大于第二时间段的长度。

进一步的，根据统计出的数据特征作出直方图，通过一系列高度不等的纵向条纹或线段表示智能穿戴设备运动数据特征分布的情况，以更加明显和直观的数据图像显示该智能穿戴设备的运动情况。

需要说明的是，提取目标特征数据过程中，提取时间段、统计的次数可以通过预先设置得出，这里不做限定。示例性的，分别在每2秒提取与预先存储的未穿戴状态数据相关的数据为第一特征，之后的每1分钟以及每30分钟对前一次的直方图特征分布规律进行统计。

通过这种方式，在前一次提取短时间内的数据特征，在后一次较长的时间段对前一次的数据特征进行统计，以实时采集智能穿戴设备的运动数据，并能整体获取带运动数据的分布规律，更加准确和宏观地从运动数据中得出智能穿戴设备的运动状态。

s2032：计算所述目标加速度特征数据与所述加速度特征数据之间的匹配度。

预先存储的未穿戴状态对应的特征数据即为智能穿戴设备在未穿戴状态下的运动数据，目标特征数据即为预先存储的未穿戴状态对应的特征数据与采集到的状态数据相关的数据。

由于智能穿戴设备容易受到外界环境、用户行为或者生理状况等因素的影响，在很多情况下，传感器所采集到的运动数据都有一定的不稳定性，不能通过精确的运动数据和预先存储的未穿戴状态对应的特征数据进行比较，否则，会过滤掉很多有价值的信息。因此，在本方案中，在获取到目标特征数据之后，通过计算目标特征数据与特征数据之间的匹配度，以确定当前采集到的运动数据与特征数据时间的关系。

需要说明的是，目标特征数据与特征数据这两类数据并不要求全部相同。通过计算目标特征数据与特征数据之间的匹配度，并将匹配度控制超过一定的范围内即可。

示例性的，在一定的时间段之内，数据特征的数据总量为a，目标特征数据与特征数据之间的数据差别量为d，则目标特征数据总量与数据差别量之间的比值便可以作为目标特征数据与特征数据之间的匹配度。

通过计算目标特征数据与特征数据之间的匹配度，以确定在某一段时间内智能穿戴设备的实时运动数据与标准的目标特征数据之间的差别关系，进而通过该匹配度确定智能穿戴设备的运动状态。

s2033：若所述目标加速度特征数据与所述加速度特征数据之间的匹配度大于或等于预设的匹配度阈值，则判定所述智能穿戴设备处于静止状态。

通过预设匹配度阈值，用于对计算得到的目标特征数据与特征数据之间的匹配度进行评价，进而确定智能穿戴设备的运动状态。

示例性的，设置静止状态的匹配度阈值为0.7，当目标特征数据与特征数据之间的匹配度d/a大于或等于0.7时，则说明该特征数据与目标特征数据之间具有较高的匹配度，该特征数据对应的智能穿戴设备的运动状态符合目标特征数据对应的运动状态。因此，该特征数据对应的该段时间之内的穿戴设备的运动状态为静止状态。

可选的，静止状态与非静止状态的匹配度阈值可以是两个数值。例如，非静止状态的匹配度阈值为0.2，静止状态的静止状态的匹配度阈值为0.7。当目标特征数据与特征数据之间的匹配度大于或等于0.7时，该段时间之内的穿戴设备的运动状态为静止状态；目标特征数据与特征数据之间的匹配度小于或等于0.3时，该段时间之内的穿戴设备的运动状态为非静止状态。

可选的，静止状态与非静止状态的匹配度阈值可以是相同的一个数值。例如，静止状态与非静止状态的匹配度阈值为0.8，当目标特征数据与特征数据之间的匹配度大于或等于0.8时，该段时间之内的穿戴设备的运动状态为静止状态；目标特征数据与特征数据之间的匹配度小于0.8时，该段时间之内的穿戴设备的运动状态为非静止状态。

可以理解的是，用户通过使用需求或者环境需求设定静止状态与非静止状态的匹配度阈值的大小，静止状态与非静止状态的匹配度阈值可以相同，也可以不同，此处不做限制。

通过采集智能穿戴设备的运动状态数据，以确定智能穿戴设备的运动状态，修正了只用传感器判断智能穿戴设备的运动状态造成的误判，为准确采集智能穿戴设备数据和智能穿戴设备的实际应用打下良好的基础。

若所述运动状态为静止状态，则判定所述智能穿戴设备处于未穿戴状态。在确定所采集的特征数据对应的该段时间之内的穿戴设备的运动状态为静止状态之后，且该智能穿戴设备的接近传感器确定已经产生接近信号的情况下，则判定智能穿戴设备处于未穿戴状态。

若所述运动状态为非静止状态，则判定所述智能穿戴设备处于穿戴状态。

在确定所采集的特征数据对应的该段时间之内的穿戴设备的运动状态为非静止状态之后，且该智能穿戴设备的接近传感器确定已经产生接近信号的情况下，则判定智能穿戴设备处于穿戴状态。

s204：根据所述智能穿戴设备的穿戴状态执行相应的数据采集动作。

当智能穿戴设备处于穿戴状态时，则采集用户的各种数据，以确定用户在佩戴该智能穿戴设备时的生理状态；若处于未穿戴状态，则停止采集各种数据，该智能穿戴设备进入待机状态，避免持续数据采集的电量消耗过大，提升该智能穿戴设备的续航能力，以及数据采集的准确性。

上述方案，通过检测接近传感器是否产生中断信号，根据接近传感器检测到的接近值与预设的接近值阈值确定接近传感器当前所处的状态，若接近传感器的状态信息为接近状态，则获取智能穿戴设备的状态数据。根据预先存储的未穿戴状态对应的特征数据从状态数据中提取目标特征数据，通过计算两类数据之间的匹配度，并与预设的匹配度阈值进行比较，而判定智能穿戴设备的运动状态，若为静止状态，则判定智能穿戴设备处于未穿戴状态，反之，则为穿戴状态，再执行相应的数据采集动作。在外部物体的接近信息的基础上，结合智能穿戴设备自身的运动状态信息，修正了只通过一种传感器来智能穿戴设备的数据采集的片面性，降低了误判的可能性，更加准确、实时地采集智能穿戴设备的数据信息。

参见图3，图3是本发明实施例提供的一种智能穿戴设备的数据采集装置的示意图。装置300可以为智能手表、智能手环、智能眼镜或者智能运动鞋等设备，此处不做限定。本实施例的装置300包括的各单元用于执行图1对应的实施例中的各步骤，具体请参阅图1及图1对应的实施例中的相关描述，此处不赘述。本实施例的装置300包括状态获取单元301、数据获取单元302、状态确定单元303、数据采集单元304。

状态获取单元301用于获取所述智能穿戴设备的接近传感器的状态信息；其中，状态信息包括接近状态或远离状态。

数据获取单元302用于若所述接近传感器的状态信息为接近状态，则获取所述智能穿戴设备的运动状态数据；所述运动状态数据用以表征所述智能穿戴设备的静止或非静止状态。

状态确定单元303用于根据所述运动状态数据确定所述智能穿戴设备的穿戴状态。

数据采集单元304用于根据所述智能穿戴设备的穿戴状态执行相应的数据采集动作。

上述方案，通过获取所述智能穿戴设备的接近传感器的状态信息的状态信息，以确定智能穿戴设备是否处于接近状态；进而获取智能穿戴设备的状态数据，并根据状态数据确定智能穿戴设备的运动状态，最后根据智能穿戴设备的穿戴状态执行相应的数据采集动作。在外部物体的接近信息的基础上，结合智能穿戴设备自身的运动状态信息，更加准确、实时地采集智能穿戴设备在使用过程中的数据。

参见图4，图4是本发明实施例提供的一种智能穿戴设备的数据采集装置的示意图。装置400可以为智能手表、智能手环、智能眼镜或者智能运动鞋等设备，此处不做限定。本实施例的装置400包括的各单元用于执行图2对应的实施例中的各步骤，具体请参阅图2及图2对应的实施例中的相关描述，此处不赘述。本实施例的装置400包括状态获取单元401、数据获取单元402、状态确定单元403、数据采集单元404，进一步的，状态获取单元401还包括信号检测子单元4011、接近值获取子单元4012、接近状态确定子单元4013，状态确定单元403还包括特征提取子单元4031、匹配度计算子单元4032、状态判断子单元4033。

状态获取单元401用于获取所述智能穿戴设备的接近传感器的状态信息的状态信息；其中，所述状态信息包括接近状态或远离状态。

进一步的，状态获取单元401还包括信号检测子单元4011、接近值获取子单元4012、接近状态确定子单元4013。

信号检测子单元4011用于检测所述接近传感器是否产生中断信号。

接近值获取子单元4012用于若检测到所述接近传感器产生的中断信号，则获取所述接近传感器检测到的接近值。

接近状态确定子单元4013用于若所述接近值小于所述接近值阈值，则所述接近传感器当前处于接近状态；若所述接近值大于或等于所述接近值阈值，则所述接近传感器当前处于远离状态。

数据获取单元402用于若所述接近传感器的状态信息为接近状态，则获取智能穿戴设备的状态数据；所述运动状态数据用以表征所述智能穿戴设备的静止或非静止状态。

状态确定单元403用于根据所述运动状态数据确定所述智能穿戴设备的穿戴状态。

进一步的，状态确定单元403还包括特征提取子单元4031、匹配度计算子单元4032、状态判断子单元4033。

特征提取子单元4031，用于获取所述加速度传感器采集的加速度数据；根据预先存储的未穿戴状态对应的加速度特征数据从所述加速度数据中提取目标加速度特征数据。

匹配度计算子单元4032，用于计算所述目标加速度特征数据与所述加速度特征数据之间的匹配度。

状态判断子单元4033，用于若所述目标加速度特征数据与所述加速度特征数据之间的匹配度大于或等于预设的匹配度阈值，则判定所述智能穿戴设备处于静止状态。

数据采集单元404，用于根据所述智能穿戴设备的穿戴状态执行相应的数据采集动作。

上述方案，通过检测接近传感器是否产生中断信号，根据接近传感器检测到的接近值与预设的接近值阈值确定接近传感器当前所处的状态，若接近传感器的状态信息为接近状态，则获取智能穿戴设备的状态数据。根据预先存储的未穿戴状态对应的特征数据从状态数据中提取目标特征数据，通过计算两类数据之间的匹配度，并与预设的匹配度阈值进行比较，而判定智能穿戴设备的运动状态，若为静止状态，则判定智能穿戴设备处于未穿戴状态，反之，则为穿戴状态，根据所述智能穿戴设备的穿戴状态执行相应的数据采集动作。在外部物体的接近信息的基础上，结合智能穿戴设备自身的运动状态信息，修正了只通过一种传感器来智能穿戴设备的数据采集的片面性，降低了误判的可能性，更加准确、实时地采集智能穿戴设备的数据信息。

参见图5，图5是本发明实施例提供的一种智能穿戴设备的示意图。如图5所示的本实施例中的智能穿戴设备500可以包括：处理器501、存储器502以及存储在存储器502中并可在处理器501上运行的计算机程序503，例如计算所述目标加速度特征数据与所述加速度特征数据之间的匹配度的程序。处理器501执行计算机程序503时实现上述各个智能穿戴设备的数据采集方法实施例中的步骤。例如图1所示的s101至s104。或者，处理器501执行计算机程序503时实现上述各装置实施例中各单元的功能，例如图3所述的单元301至304。

示例性的，计算机程序503可以被分割成一个或多个单元，所述一个或者多个单元被存储在所述存储器502中，并由所述处理器501执行，以完成本发明。所述一个或多个单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述所述计算机程序503在智能穿戴设备500中的执行过程。例如，所述计算机程序503可以被分割成信号检测子单元、接近值获取子单元、接近状态确定子单元、状态获取单元、数据获取单元、状态确定单元、数据采集单元，各单元具体功能如下：

状态获取单元用于获取所述智能穿戴设备的接近传感器的状态信息的状态信息；其中，所述状态信息包括接近状态或远离状态。

进一步的，状态获取单元还包括信号检测子单元、接近值获取子单元、接近状态确定子单元，具体的：

信号检测子单元用于检测所述接近传感器是否产生中断信号。

接近值获取子单元用于若检测到所述接近传感器产生的中断信号，则获取所述接近传感器检测到的接近值。

接近状态确定子单元用于若所述接近值小于所述接近值阈值，则所述接近传感器当前处于接近状态；若所述接近值大于或等于所述接近值阈值，则所述接近传感器当前处于远离状态。

数据获取单元用于若所述接近传感器的状态信息为接近状态，则获取所述智能穿戴设备的运动状态数据；其中，所述运动状态数据用以表征所述智能穿戴设备的静止或非静止状态。

状态确定单元用于根据所述运动状态数据确定所述智能穿戴设备的穿戴状态。

数据采集单元，用于根据所述智能穿戴设备的穿戴状态执行相应的数据采集动作。

进一步的，状态确定单元还包括特征提取子单元、匹配度计算子单元以及状态判断子单元，具体的：

特征提取子单元用于获取所述加速度传感器采集的加速度数据；根据预先存储的未穿戴状态对应的加速度特征数据从所述加速度数据中提取目标加速度特征数据。

匹配度计算子单元用于计算所述目标加速度特征数据与所述加速度特征数据之间的匹配度。

状态判断子单元用于若所述目标特征数据与所述特征数据之间的匹配度大于或等于预设的匹配度阈值，则判定所述智能穿戴设备为所述静止状态。

数据采集单元，用于根据所述智能穿戴设备的穿戴状态执行相应的数据采集动作。

所述智能穿戴设备500可以是智能手表、智能手环、智能眼镜或者智能运动鞋等设备，此处不做限制。处理器501、存储器502。本领域技术人员可以理解，图5仅仅是智能穿戴设备500的示例，并不构成对智能穿戴设备500的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述调节封闭工作环境的装置还可以包括输入输出设备、网络接入设备、总线等。

所称处理器501可以是中央处理单元(centralprocessingunit，cpu)，还可以是其他通用处理器、数字信号处理器(digitalsignalprocessor，dsp)、专用集成电路(applicationspecificintegratedcircuit，asic)、现成可编程门阵列(field-programmablegatearray，fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。

所述存储器502可以是所述智能穿戴设备500的内部存储单元，例如智能穿戴设备500的硬盘或内存。所述存储器502也可以是智能穿戴设备500的外部存储设备，例如智能穿戴设备500上配备的插接式硬盘，智能存储卡(smartmediacard,smc)，安全数字(securedigital,sd)卡，闪存卡(flashcard)等。进一步地，所述存储器502还可以既包括智能穿戴设备500的内部存储单元也包括外部存储设备。所述存储器502用于存储所述计算机程序以及所述调节封闭工作环境的装置所需的其他程序和数据。所述存储器502还可以用于暂时地存储已经输出或者将要输出的数据。

应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。

所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。

本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。

在本发明所提供的实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性，机械或其它的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

所述集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、u盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(read-onlymemory，rom)、随机存取存储器(randomaccessmemory，ram)、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括电载波信号和电信信号。

以上所述实施例仅用以说明本发明的技术方案，而非对其限制。尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围，均应包含在本发明的保护范围之内。