1.本发明属于数据处理
技术领域：
：，尤其涉及一种用户姿势监测系统、方法及智能穿戴设备。
背景技术：
：：2.近年来，随着科技的进步，人们生活的便利性不断提高，越来越多的人习惯用计算机、手机、平板电脑来办公、阅读、娱乐等，但是长时间保持一种姿势可能会造成颈部、背部、肩部的肌肉骨骼疼痛，对于大部分时间都坐在办公室或工作站的上班族来说尤其如此。如果上班族在坐着时表现出不良姿势，例如长时间向下凝视，会给颈部和肩部肌肉带来压力，则疼痛还可能会加剧。3.用户若长时间保持一种不良姿势不变，就有必要提醒用户进行姿势纠正，但是实际情况中，一些客观的慢性或急性病症或疾病也可能是一个人头部或颈部倾斜的原因，这时如果只在纠正不良姿势这一层面对用户进行简单提醒，用户不仅可能会受限于本身的疾病无法有效纠正不良姿势，而且还可能忽略自身的病症，为身体健康埋下更大的隐患。技术实现要素：4.本发明旨在提供一种可通过对用户头部姿势的实时监测，分析用户是否患有头部和/或肩颈部疾病并予以提醒的用户姿势监测系统、方法及智能穿戴设备。5.本发明一方面提供了一种用户姿势监测系统，包括：智能穿戴设备以及监测终端，其中所述智能穿戴设备上设置有运动传感器和无线通信装置；6.所述智能穿戴设备，用于通过所述运动传感器实时获取用户头部的姿势数据，将获取的姿势数据通过所述无线通信装置发送给所述监测终端；7.所述监测终端，用于接收所述智能穿戴设备发送的所述姿势数据，根据所述姿势数据监测所述用户是否患有头部和/或肩颈部疾病，并当监测到所述用户患有所述头部和/或肩颈部疾病时，按照预设的提醒方式输出提醒信息。8.本发明一方面还提供了一种智能穿戴设备，包括：处理器以及与所述处理器电性耦合的存储器、运动传感器和无线通信装置；9.存储器上存储有可被所述处理器执行的计算机代码，当所述计算机代码被执行时，所述处理器执行以下步骤：10.通过所述运动传感器，实时获取用户头部的姿势数据；11.通过所述无线通信装置，将获取的姿势数据发送给监测终端或云端服务器；12.根据所述姿势数据，监测所述用户是否患有头部和/或肩颈部疾病，并当监测到所述用户患有所述头部和/或肩颈部疾病时，按照预设的提醒方式输出提醒信息。13.本发明一方面还提供了一种用户姿势监测方法，包括：14.智能穿戴设备通过运动传感器实时获取用户头部的姿势数据，并将获取的姿势数据发送给监测终端；15.所述监测终端根据接收的所述姿势数据，监测所述用户是否患有头部和/或肩颈部疾病，并当监测到所述用户患有所述头部和/或肩颈部疾病时，按照预设的提醒方式输出提醒信息。16.本发明与现有技术相比，有益效果在于：通过智能穿戴设备实时获取用户头部的姿势数据并发送给监测终端，并通过监测终端对接收的姿势数据进行分析，实现了基于用户头部姿势监测的用户头部和/或肩颈部疾病的分析及提醒，从而可帮助用户及时发现身体健康的隐患并予以纠正。附图说明17.图1为本发明一实施例提供的智能穿戴设备的结构示意图；18.图2为本发明另一实施例提供的智能穿戴设备的结构示意图；19.图3为本发明一实施例提供的用户姿势监测系统的结构示意图；20.图4为图3所示用户姿势监测系统中监测终端的结构示意图；21.图5为本发明另一实施例提供的用户姿势监测系统的结构示意图；22.图6为本发明一实施例提供的用户姿势监测方法的时序图；23.图7为作为图6所示用户姿势监测方法中的智能穿戴设备的示例的智能眼镜的结构示意图；24.图8为图6所示用户姿势监测方法中四元数算法的示意图；25.图9为图6所示用户姿势监测方法中不同状态下用户的头部姿势的示意图；26.图10为本发明实施例提供的用户姿势监测方法中利用无监督学习算法获取姿势分类模型的示意图；27.图11为本发明实施例提供的用户姿势监测方法中利用有监督学习算法获取姿势分类模型的示意图；28.图12为本发明实施例提供的用户姿势监测方法中第一姿势监测图和第二姿势监测图的示意图；29.图13为本发明实施例提供的用户姿势监测方法中设备佩戴时长示意图和姿势恢复状态示意图的示意图；30.图14为本发明实施例提供的用户姿势监测方法中评级示意图和分数变化示意图的示意图；31.图15为本发明实施例提供的用户姿势监测方法中监测终端通过客户端程序提供的交互界面的示意图；32.图16为本发明实施例提供的用户姿势监测方法的例示图。具体实施方式33.为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。34.请参考图1，本发明一实施例提供的智能穿戴设备的结构示意图。为便于理解，图1中仅示出了部分结构，在实际应用中，智能穿戴设备可以具有比图1所示更多的结构。如图1所示，智能穿戴设备10包括：处理器11以及与处理器11电性耦合的存储器12、运动传感器13和无线通信装置14。35.无线通信装置14例如可以是无线收发器，该无线收发器基于例如：蓝牙、wifi、zigbee、2g/3g/4g/5g蜂窝等无线通信协议中的任意一种与外部设备进行数据交互。36.存储器12上存储有可被处理器11执行的计算机代码，当该计算机代码被执行时，处理器11执行以下步骤：37.通过运动传感器13，实时获取用户头部的姿势数据；38.通过无线通信装置14，将获取的姿势数据发送给监测终端或云端服务器；39.根据该姿势数据，监测该用户是否患有头部和/或肩颈部疾病，并当监测到该用户患有该头部和/或肩颈部疾病时，按照预设的提醒方式输出提醒信息。40.进一步的，该步骤还包括：41.将该姿势数据与预设的角度范围进行比较，若该姿势数据超出该预设的角度范围的持续时长大于预设持续时长，则按照预设的提示方式提示用户纠正不良姿势。42.可选的，如图2所示，智能穿戴设备10还包括与处理器11电性耦合的扬声器15、显示屏16以及振动装置17(如，微型振动电机)中的至少一种。该预设的提示方式可以但不限于包括：通过扬声器15输出提示语音，在显示屏16中展示提示文字或动画，以及通过振动装置17发出振动等中的至少一种。43.具体的，处理器11与存储器12、运动传感器13、无线通信装置14扬声器15、显示屏16以及振动装置17可以通过总线电性耦合。44.可选的，运动传感器13为九轴运动传感器，如包括三轴加速度计、三轴陀螺仪以及三轴磁力计的9轴imu(inertialmeasurementunit，惯性测量单元)。45.进一步的，通过运动传感器13实时获取用户头部的姿势数据，具体包括：实时获取运动传感器13的原始感测数据，并利用四元数算法或反正切函数将该原始感测数据转换为该姿势数据。46.进一步的，该姿势数据包括：偏航角、俯仰角以及翻滚角。可选的，为每一种该姿势数据设置至少一个对应的角度范围。47.进一步的，上述将该姿势数据与预设的角度范围进行比较，若该姿势数据超出该预设的角度范围的持续时长大于预设持续时长，则按照预设的提示方式提示用户纠正不良姿势的步骤，具体包括：将该偏航角、该俯仰角以及该翻滚角分别与各自对应的角度范围进行比较；若该偏航角、该俯仰角以及该翻滚角中的部分或全部超出其对应的角度范围的时长大于该预设持续时长，则按照该预设的提示方式提示用户纠正不良姿势。48.可选的，显示屏16可以是触控显示屏，上述按照预设的提醒方式输出提醒信息包括：49.在该触控显示屏上展示用于提醒该用户就医的信息；或者，50.通过无线通信装置14，向指定的第三方终端发送用于提醒智能穿戴设备10的穿戴者需就医的信息。51.进一步的，当该计算机代码被执行时，处理器11执行的步骤还包括：52.实时统计该姿势数据在预设的实时健康监测周期内分别落入不同的预设阈值范围的第一时长，以及该姿势数据在该实时健康监测周期的每个第一预设时间段，分别落入该不同的预设阈值范围的第二时长，其中该不同的阈值范围分别表示不同的健康程度；53.根据该第一时长生成该用户的第一姿势监测图，根据该第二时长生成该用户的第二姿势监测图，并将该第一姿势监测图和该第二姿势监测图展示在该触控显示屏，其中，该第一姿势监测图用于表现该用户的不同健康程度的姿势在该实时健康监测周期内的分布情况，该第二姿势监测图用于表现该用户的不同健康程度的姿势在该实时健康监测周期内的各该第一预设时间段内的分布情况。可选的，该第一姿势监测图是圆环图，该第二姿势监测图是柱状图。54.可选的，当该计算机代码被执行时，处理器11执行的步骤还包括：55.当监测到该用户患有该头部和/或肩颈部疾病时，对该用户的恢复状态进行实时监测，统计该用户在预设的恢复状态监测周期的每个第二预设时间段内，佩戴智能穿戴设备10的第三时长；56.将该姿势数据与预设目标值进行比较，得到每个该第二预设时间段内，该姿势数据达到该目标值的第四时长与该第二预设时间段的时长的比率，并根据该比率以及该姿势数据与预设目标值的差值确定恢复趋势，该恢复趋势包括：维持、改善和恶化；57.根据该第三时长生成设备佩戴时长示意图；58.根据该第四时长生成姿势恢复状态示意图；59.将该设备佩戴时长示意图和该姿势恢复状态示意图展示在该触控显示屏，其中，该姿势恢复状态示意图中包括该比率、该预设目标比率以及该恢复趋势的描述信息。60.可选的，当该计算机代码被执行时，处理器11执行的步骤还包括：61.将该恢复状态监测周期内获取的该姿势数据发送至指定的医疗机构方。62.可选的，当该计算机代码被执行时，处理器11执行的步骤还包括：63.根据实时获取的该姿势数据、预设的标准姿势数据以及预设的评级标准，对预设的姿势评级周期的各预设第三时间段内，该用户的头部和/或肩颈部的姿势进行评级和打分；64.根据评级结果生成评级示意图，并根据打分结果和预设的目标分数生成分数变化示意图；65.将该评级示意图和该分数变化示意图在该触控显示屏中进行展示。66.可选的，该分数变化示意图包括分数变化曲线图。67.可选的，当该计算机代码被执行时，处理器11执行的步骤还包括：68.根据该用户在该触控显示屏的预设操作，执行该预设操作对应的操作，该对应的操作包括：设置该预设时长和/或该角度范围，控制开启或关闭姿势监测，设置该预设目标比率，设置该提醒方式，设置该实时健康监测周期，设置该恢复状态监测周期，设置该姿势评级周期，设置该提示语音的音量中的至少一种。69.可选的，当该计算机代码被执行时，处理器11执行的步骤还包括：70.将监测数据发送给云端服务器，该监测数据可以但不限于包括：该原始感测数据、该姿势数据以及该用户的帐号信息。71.进一步的，该根据该姿势数据，监测该用户是否患有头部和/或肩颈部疾病的步骤，具体包括：72.当智能穿戴设备10处于离线状态时，根据该姿势数据和本地存储的姿势分类模型，监测该用户是否患有该头部和/或肩颈部疾病，并确定该用户患有的疾病的类别；73.当智能穿戴设备10处于在线状态时，通过无线通信装置14从该云端服务器获取姿势分类模型并将获取的姿势分类模型存储在存储器12中，根据该姿势数据和获取的姿势分类模型，监测该用户是否患有该头部和/或肩颈部疾病，确定该用户患有的疾病的类别，并根据该类别获取运动提醒信息，其中该姿势分类模型由该云端服务器通过利用有监督学习算法或无监督学习算法得到，该预设的提醒方式包括按照预设的输出方式输出该运动提醒信息。74.可选的，智能穿戴设备10还包括激光投射装置，处理器11可以通过激光投射装置将上述生成的第一姿势监测图、第二姿势监测图、设备佩戴时长示意图、姿势恢复状态示意图、评级示意图以及分数变化示意图投射到用户的视网膜上。75.可选的，当智能穿戴设备10处于在线状态且与监测终端建立连接时，智能穿戴设备10可将实时获取的姿势数据发送给监测终端，由监测终端对该姿势数据进行统计和分析并生成上述各图表。76.进一步的，当该计算机代码被执行时，处理器11执行的步骤还包括：77.当通过无线通信装置14接收到监测终端发送的图表时，通过该激光投射装置将接收的图表投射到用户的视网膜上，该图表包括：该第一姿势监测图、该第二姿势监测图、该设备佩戴时长示意图、该姿势恢复状态示意图、该评级示意图以及该分数变化示意图中的至少一种。78.也就是说，上述第一姿势监测图、第二姿势监测图、设备佩戴时长示意图、姿势恢复状态示意图、评级示意图以及分数变化示意图可由监测终端根据智能穿戴设备10发送的姿势数据生成，并回传给智能穿戴设备10。通过利用监测终端来生成各种图表，可以减少处理器11的运算量，提高数据处理速度，降低智能穿戴设备10的硬件成本。79.上述实施例提供的智能穿戴设备，通过实时获取用户头部的姿势数据，并对实时获取的姿势数据进行分析，实现了基于用户头部姿势监测的用户头部和/或肩颈部疾病的分析及提醒，从而可帮助用户及时发现身体健康的隐患并予以纠正。80.请参考图3，本发明一实施例提供的用户姿势监测系统的结构示意图。如图3所示，用户姿势监测系统30包括：智能穿戴设备31和监测终端32。其中，智能穿戴设备31的结构可如图1和图2所示。智能穿戴设备31的具体形式可以但不限于包括：智能眼镜、智能耳环、智能发带、智能耳机等可穿戴在用户头部的智能穿戴设备。监测终端32可以但不限于包括：蜂窝电话、智能手机、个人数字助理、媒体播放器、媒体记录器、智能收音机、膝上型计算机、个人数字助理(pda)、便携式多媒体播放器(pmp)、运动图像专家组(mpeg-1或mpeg-2)音频层3(mp3)播放器、数码相机、台式计算机等。81.如图4所示，监测终端32可以包括控制电路，该控制电路可以包括存储和处理电路300。该存储和处理电路300可以包括存储器，例如硬盘驱动存储器，非易失性存储器(例如闪存或用于形成固态驱动器的其它电子可编程限制删除的存储器等)，易失性存储器(例如静态或动态随机存取存储器等)等，本发明实施例不作限制。存储和处理电路300中的处理电路可以用于控制监测终端32的运行。该处理电路可以基于一个或多个微处理器，微控制器，数字信号处理器，基带处理器，功率管理单元，音频编解码器芯片，专用集成电路，显示驱动器集成电路等来实现。82.存储和处理电路300可用于运行监测终端32中的软件，例如：人工智能管家应用程序、互联网浏览应用程序，互联网协议语音(voiceoverinternetprotocol，voip)电话呼叫应用程序，电子邮件应用程序，媒体播放应用程序，操作系统功能等。这些软件可以用于执行一些控制操作，例如，基于预设的分析算法对智能眼镜301发送的运动数据进行的数据处理和分析、基于照相机的图像采集，基于环境光传感器的环境光测量，基于接近传感器的接近传感器测量，基于诸如发光二极管的状态指示灯等状态指示器实现的信息显示功能，基于触摸传感器的触摸事件检测，与在多个(例如分层的)显示器上显示信息相关联的功能，与执行无线通信功能相关联的操作，与收集和产生音频信号相关联的操作，与收集和处理按钮按压事件数据相关联的控制操作，以及监测终端32中的其它功能等，本技术实施例不作限制。83.进一步的，该存储器存储有可执行程序代码，与该存储器耦合的处理器，调用该存储器中存储的该可执行程序代码，执行本技术以下方法实施例中的相关步骤，以实现本技术各实施例中的监测终端32的各项功能。84.监测终端32还可以包括输入/输出电路420。输入/输出电路420可用于使监测终端32实现数据的输入和输出，即允许监测终端32从外部设备接收数据和也允许监测终端32将数据从监测终端32输出至外部设备。输入/输出电路420可以进一步包括传感器320。传感器320可以包括环境光传感器，基于光和电容的接近传感器，触摸传感器(例如，基于光触摸传感器和/或电容式触摸传感器，其中，触摸传感器可以是触控显示屏的一部分，也可以作为一个触摸传感器结构独立使用)，加速度计，和其它传感器等。85.输入/输出电路420还可以包括一个或多个显示器，例如显示器140。显示器140可以包括液晶显示器，有机发光二极管显示器，电子墨水显示器，等离子显示器，使用其它显示技术的显示器中一种或者几种的组合。显示器140可以包括触摸传感器阵列(即，显示器140可以是触控显示屏)。触摸传感器可以是由透明的触摸传感器电极(例如氧化铟锡(ito)电极)阵列形成的电容式触摸传感器，或者可以是使用其它触摸技术形成的触摸传感器，例如音波触控，压敏触摸，电阻触摸，光学触摸等，本发明实施例不作限制。86.监测终端32还可以包括音频组件360。音频组件360可以用于为监测终端32提供音频输入和输出功能。监测终端32中的音频组件360可以包括扬声器，拾音装置，蜂鸣器，音调发生器以及其它用于产生和检测声音的组件。87.通信电路380可以用于为监测终端32提供与外部设备通信的能力。通信电路380可以包括模拟和数字输入/输出接口电路，和基于射频信号和/或光信号的无线通信电路。通信电路380中的无线通信电路可以包括射频收发器电路、功率放大器电路、低噪声放大器、开关、滤波器和天线。举例来说，通信电路380中的无线通信电路可以包括用于通过发射和接收近场耦合电磁信号来支持近场通信(nearfieldcommunication，nfc)的电路。例如，通信电路380可以包括近场通信天线和近场通信收发器。通信电路380还可以包括蜂窝电话收发器和天线，蓝牙、wifi、zigbee、dlna、uwb、rfid等无线局域网收发器电路和天线等。88.监测终端32还可以进一步包括电池，电力管理电路和其它输入/输出单元400。输入/输出单元400可以包括按钮，操纵杆，点击轮，滚动轮，触摸板，小键盘，键盘，照相机，发光二极管和其它状态指示器等。89.用户可以通过输入/输出电路420输入命令来控制监测终端32的操作，并且可以使用输入/输出电路420的输出数据以实现接收来自监测终端32的状态信息和其它输出。90.智能穿戴设备31，用于通过内置的运动传感器实时获取用户头部的姿势数据，将获取的姿势数据通过内置的无线通信装置发送给监测终端32。91.监测终端32，用于接收智能穿戴设备31发送的该姿势数据，根据该姿势数据监测该用户是否患有头部和/或肩颈部疾病，并当监测到该用户患有该头部和/或肩颈部疾病时，按照预设的提醒方式输出提醒信息。92.进一步的，智能穿戴设备31，还用于将该姿势数据与预设的角度范围进行比较，若该姿势数据超出该预设的角度范围的持续时长大于预设持续时长，则按照预设的提示方式提示该用户纠正当前的不良姿势。93.可选的，该运动传感器为九轴运动传感器，智能穿戴设备31，还用于利用四元数算法将实时获取的该运动传感器的原始感测数据转换为该姿势数据。94.可选的，该姿势数据包括：偏航角、俯仰角以及翻滚角，为每一种该姿势数据设置至少一个对应的角度范围。智能穿戴设备31，还用于将该偏航角、该俯仰角以及该翻滚角分别与各自对应的角度范围进行比较，若该偏航角、该俯仰角以及该翻滚角中的部分或全部超出其对应的角度范围的时长大于该预设持续时长，则按照预设的提示方式提示该用户纠正当前的不良姿势。95.进一步的，监测终端32上安装有预设的客户端程序，该预设的提醒方式包括：在该客户端程序的交互界面上展示用于提醒该用户就医的信息；或者，向指定的第三方终端发送用于提醒智能穿戴设备31的穿戴者需就医的信息。96.进一步的，监测终端32，还用于实时统计该姿势数据在预设的实时健康监测周期内(如一天)分别落入不同的预设阈值范围的第一时长，以及该姿势数据在该实时健康监测周期的每个第一预设时间段(如每两个小时)，分别落入该不同的预设阈值范围的第二时长，其中该不同的阈值范围分别表示不同的健康程度；97.监测终端32，还用于根据该第一时长生成该用户的第一姿势监测图，根据该第二时长生成该用户的第二姿势监测图，并将该第一姿势监测图和该第二姿势监测图展示在该交互界面，其中，该第一姿势监测图用于表现该用户的不同健康程度的姿势在该实时健康监测周期内的分布情况，该第二姿势监测图用于表现该用户的不同健康程度的姿势在该实时健康监测周期内的各该第一预设时间段内的分布情况。98.进一步的，监测终端32，还用于当监测到该用户患有该头部和/或肩颈部疾病时，对该用户的恢复状态进行实时监测，统计该用户在预设的恢复状态监测周期(如一周)的每个第二预设时间段(如每一天)内，佩戴智能穿戴设备31的第三时长，将该姿势数据与预设目标值进行比较，得到每个该第二预设时间段内，该姿势数据达到该目标值的第四时长与该第二预设时间段的时长的比率，以及根据该比率以及该姿势数据与预设目标值的差值确定恢复趋势，该恢复趋势包括：维持(maintaining)、改善(improving)和恶化(declining)；99.监测终端32，还用于根据该第三时长生成设备佩戴时长示意图，根据该第四时长生成姿势恢复状态示意图，将该设备佩戴时长示意图和该姿势恢复状态示意图展示在该交互界面，其中，该姿势恢复状态示意图中包括该比率、该预设目标比率以及该恢复趋势的描述信息。100.进一步的，监测终端32还用于将该恢复状态监测周期内获取的该姿势数据发送至指定的医疗机构方。101.进一步的，监测终端32，还用于根据实时获取的该姿势数据、预设的标准姿势数据以及预设的评级标准，对预设的姿势评级周期的各预设第三时间段内，该用户的头部和/或肩颈部的姿势进行评级和打分，并根据评级结果生成评级示意图，根据打分结果和预设的目标分数生成分数变化示意图，将该评级示意图和该分数变化示意图在该交互界面中进行展示。102.进一步的，监测终端32，还用于获取该用户在该交互界面输入的数值，并将配置指令和该数值发送给智能穿戴设备31；103.智能穿戴设备31，还用于响应于监测终端32发送的该配置指令，根据该数值，设置该预设时长和/或该角度范围；104.监测终端32，还用于根据该用户在该交互界面的预设操作，执行该预设操作对应的操作，该对应的操作包括：控制开启或关闭姿势监测，设置该预设目标比率，设置该提醒方式，设置该实时健康监测周期，设置该恢复状态监测周期，设置该姿势评级周期，设置该提示语音的音量中的至少一种。105.进一步的，如图5所示，用户姿势监测系统30还包括：云端服务器33。可选的，智能穿戴设备31、监测终端32以及云端服务器33之间可基于蓝牙、wifi、zigbee、2g/3g/4g/5g蜂窝等无线通信协议中的任意一种进行通信。云端服务器33可以是单个服务器，也可以是由多个服务器组成的分布式服务器集群。106.智能穿戴设备31，还用于将该原始感测数据发送给监测终端32；107.监测终端32，还用于将监测数据发送给云端服务器33，该监测数据可以但不限于包括：该原始感测数据、该姿势数据以及该用户的帐号信息；108.云端服务器33，用于存储监测终端32发送的该原始感测数据、该姿势数据以及该用户的帐号信息，并在云端将该原始感测数据、该姿势数据与该用户的帐号信息关联。109.进一步的，云端服务器33，还用于利用预设的有监督学习算法或无监督学习算法，定期对云端存储的所有该姿势数据进行训练，得到姿势分类模型；110.监测终端32，还用于在监测终端32处于在线状态时，从云端服务器33获取该姿势分类模型，根据该姿势数据和获取的姿势分类模型，监测该用户是否患有该头部和/或肩颈部疾病，并确定该用户患有的疾病的类别，根据确定出的类别获取运动提醒信息，该预设的提醒方式包括按照预设的输出方式输出该运动提醒信息；111.监测终端32，还用于在监测终端32处于离线状态时，根据该姿势数据和监测终端32中存储的姿势分类模型，监测该用户是否患有该头部和/或肩颈部疾病，并确定该用户患有的疾病的类别。112.上述实施例提供的用户姿势监测系统，通过智能穿戴设备实时获取用户头部的姿势数据并发送给监测终端，以及通过监测终端对接收的姿势数据进行分析，实现了基于用户头部姿势监测的用户头部和/或肩颈部疾病的分析及提醒，从而可帮助用户及时发现身体健康的隐患并予以纠正。113.请参考图6，本发明一实施例提供的用户姿势监测方法的时序图。该方法可应用于图3或图5所示的用户姿势监测系统。如图6所示，该方法包括：114.步骤s501、智能穿戴设备通过运动传感器实时获取用户头部的姿势数据；115.步骤s502、该智能穿戴设备将获取的姿势数据发送给监测终端；116.在一实际应用例中，智能穿戴设备例如可以是如图7所示的智能眼镜。如图7所示，该智能眼镜包括镜框、镜腿以及安装在镜腿的运动传感器和扬声器。117.可选的，该运动传感器为九轴运动传感器，如9轴imu。该智能穿戴设备具体可获取该运动传感器的原始感测数据(如：imu数据)，并利用四元数算法(quaternionalgorithm)将该原始感测数据转换为该姿势数据。118.可选的，为提高感测数据的准确性和稳定性，可每隔预设时长(如10秒)计算一次该运动传感器采集的数据的平均值，作为该原始感测数据。119.具体的，该姿势数据包括：偏航角(yaw)、俯仰角(pitch)以及翻滚角(roll)。yaw指水平方向的用户头部的指向，绕预设的坐标系的y轴旋转。pitch指与水平方向的夹角，绕预设的坐标系的x轴旋转。roll指用户头部绕预设的坐标系的z轴旋转角度。其中预设的坐标系可以是世界坐标系或物体坐标系。如图9所示，以智能穿戴设备为智能眼镜为例，智能眼镜的俯仰角α与用户的耳眼线和预设的水平线之间的角度非常相似。其中，该耳眼线是用户耳朵与眼睛的连线，可选的，该水平线与地面平行且与用户的耳朵等高，在实际应用中，该水平线的位置不限于此，具体可以根据智能穿戴设备的穿戴位置确定。120.当智能眼镜佩戴正确时，偏航角、俯仰角以及翻滚角可以用于表示用户的头部和肩颈部的姿势。可以理解的，偏航角、俯仰角以及翻滚角中的任意一个或者多个的不同组合可以表示用户的头部和肩颈部的不同姿势。例如，俯仰角可以用于表示用户头部前倾和后仰的角度，偏航角可以用于表示用户头部左右倾斜的角度，翻滚角可以用于表示用户头部斜侧方歪斜的角度。其中，肩颈部与头部联动，肩颈部的姿势通常会随着头部的姿势的改变而改变，但二者改变的程度并不完全一致，因此根据头部的姿势以及预设的偏移量，可得到肩颈部的姿势。不同的姿势对应的偏移量可以一样，也可以不一样。121.具体的，首先使用来自9轴imu的加速度计、陀螺仪和磁力计的值，找到传感器的方向(以四元数表示的形式)，使得地球坐标系中场的预定义参考方向与传感器坐标系中的测量场对齐，然后通过利用四元数梯度下降算法，将该原始感测数据转换为该姿势数据。122.如图8所示，首先，根据当前时刻测量的磁力值计算当前时刻的地球磁场方向，计算公式为得到的计算结果为然后，对上述计算结果进行补偿磁畸变，得到即，为经过补偿磁畸变的方式标准化后的参数。123.进一步地，根据和当前时刻测量的加速度值进行梯度下降计算，得到124.进一步地，根据公式求方向估计，其中，β为q的导数，表示陀螺仪测量值的误差，其中，代表利用陀螺仪的值计算出的方向估计，代表方向改变比例的估计值，进一步地，对方向改变比例的估计值进行积分计算∫.dt和标准化计算得到用于表示时间值t的方向估计的根据再进行下一个计算循环，计算时间值t+1的方向估计，从而得到姿势数据。125.上述公式中，m为磁力值(即，标准化磁力计读数)；a为标准化加速度计读数；g为标准重力加速度；w为陀螺仪值(即，陀螺仪读数)；b为地球坐标系中磁场的预定义参考方向；h为地球磁场的测量方向；q为方向的四元数表示；qest表示q为算法的估计值，而不是测量值；s为相对于传感器参考系描述的数据；e为地球参考系的测量值；t表示当前时刻；t-1表示上一时刻，表示张量积运算。126.进一步地，f和j的完整公式如下：[0127][0128][0129]其中，q1-q4是q的四元数；bx和bz为地球坐标系中磁场的预定义参考方向中的x轴和z轴的方向分量；mx、my和mz为磁力计的值在该地球坐标系中磁场的预定义参考方向中的x轴、y轴和z轴方向上的分量。[0130]可选的，除了上述四元数算法之外，还可以利用以下一种简单的方法进行俯仰角、翻滚角计算及平均值计算，以得到姿势数据：[0131]首先，利用以下反正切函数公式，根据运动传感器的原始感测数据中的加速度值计算俯仰角pitch和翻滚角roll：[0132][0133][0134]其中，accel_x、accel_y、accel_z分别是x，y，z的加速度计读数；[0135]然后，在恒定周期内取平均值作为姿势数据，如每1秒进行一次平均以平滑由于抖动引起的错误。[0136]此时，姿势数据中的航向角可根据九轴运动传感器中的陀螺仪值得到。[0137]上述用户的头部和肩颈部的不同姿势包括：健康状态下用户的头部和肩颈部所具有的各种姿势，用户在患有各种头部和肩颈部疾病时所具有的各种姿势(举例来说，当人的大脑的左半球或右半球发生病变时，会影响人的主观视觉垂直(svv)知觉，从而导致人的头部向一侧倾斜)，以及长期保持可能会导致身体不适或造成某种疾病的用户头部和肩颈部的各种不良姿势(例如，长时间向下凝视时头部所做出的向前弯曲的姿势，该姿势可能会导致用户肌肉骨骼疼痛的)。[0138]步骤s503、该监测终端根据接收的该姿势数据，监测该用户是否患有头部和/或肩颈部疾病，并当监测到该用户患有该头部和/或肩颈部疾病时，按照预设的提醒方式输出提醒信息，该提醒信息包括用于提醒该用户注意可能患有的头部和/或肩颈部疾病的信息。[0139]可选的，该监测终端上安装有预设的客户端程序。智能穿戴设备可以通过蓝牙与监测终端进行无线通信，并持续向该监测终端发送通过内置的运动传感器获取的该智能穿戴设备的佩戴者的姿势数据。该姿势数据可以存储在该监测终端的存储器中，并被该客户端程序用于分析该佩戴者的头部或肩颈部的姿势，以监测该用户是否患有头部和/或肩颈部疾病。该分析是基于将用户佩戴该智能穿戴设备时该智能穿戴设备捕获的数据与预设的阈值进行比较，或者基于预设的姿态分类模型来完成的。[0140]其中，该姿态分类模型可由云端服务器构建。进一步的，该方法还包括：[0141]该智能穿戴设备将该原始感测数据发送给该监测终端；[0142]该监测终端将监测数据发送给该云端服务器，该监测数据可以但不限于包括该原始感测数据、该姿势数据以及该用户的帐号信息；[0143]该云端服务器存储该监测终端发送的该原始感测数据、该姿势数据以及该用户的帐号信息，并在云端将该原始感测数据、该姿势数据与该用户的帐号信息关联；[0144]该云端服务器利用预设的有监督学习算法或无监督学习算法，定期对云端存储的所有该姿势数据进行训练，得到姿势分类模型。[0145]其中，无监督学习算法例如可以但不限于是k-means聚类(k-meansclustering)算法。k-means聚类算法是无类别标记(classlabel)的非监督学习(unsupervisedlearning)算法。k-means聚类算法的原理是以空间中k个点为中心进行聚类，对最靠近他们的对象归类，并通过迭代的方法，逐次更新各聚类中心的值，直至得到最好的聚类结果。如图10所示，该云端服务器将云端存储的所有姿势数据输入k-means模型，以将类似数据聚合在一起，从而得到包含多个姿势形态类别和相应姿势建议的训练完成的姿势分类模型。训练完成的姿势分类模型中包含的姿势形态类别可以包括：健康状态下用户的头部和肩颈部所具有的各种姿势形态类别，以及用户在患有各种头部和肩颈部疾病时所具有的各种姿势形态类别。[0146]有监督学习算法例如可以但不限于是神经网络(neuralnetwork)算法。如图11所示，该云端服务器将云端存储的所有姿势数据以及根据专家对数据作出的潜在健康影响或建议等标记的每个数据点的目标，输入未经训练的神经网络模型进行训练，并执行一定次数的训练迭代，从而得到训练完成的姿势分类模型。[0147]该监测终端定期或当接入网络时，从云端服务器下载上述训练完成的姿势分类模型，并将该智能穿戴设备发送的姿势数据输入下载的姿势分类模型，通过该姿势分类模型将该姿势数据与该姿势分类模型中训练得到的各类姿势的特征数据进行匹配，得到该智能穿戴设备的佩戴者的头部和/或肩颈部当前姿势的姿势分类和建议。其中，该建议可以但不限于包括：当用户的当前姿势为具有某种疾病才会出现的姿势时，针对该当前姿势的运动建议或者治疗方法建议，以及，用于预防用户的当前姿势可能导致的疾病的运动建议。[0148]可选的，该监测终端具有在线监测模式和离线监测模式。该监测终端根据接收的该姿势数据，监测该用户是否患有头部和/或肩颈部疾病，具体包括：[0149]监测该监测终端是否处于在线状态；[0150]当该监测终端处于在线状态时，该监测终端从该云端服务器获取该姿势分类模型，根据该姿势数据和获取的姿势分类模型，监测该用户是否患有该头部和/或肩颈部疾病，并确定该用户患有的疾病的类别；[0151]当该监测终端处于离线状态时，该监测终端根据该姿势数据和本地存储的姿势分类模型，监测该用户是否患有该头部和/或肩颈部疾病，并确定该用户患有的疾病的类别。[0152]可选的，当监测到该用户患有该头部和/或肩颈部疾病时，按照预设的提醒方式输出提醒信息，具体包括：当监测到该用户患有该头部和/或肩颈部疾病时，该监测终端在该客户端程序的交互界面上展示用于提醒该用户就医的信息。或者，当监测到该用户患有该头部和/或肩颈部疾病时，该监测终端向指定的第三方终端发送用于提醒该智能穿戴设备的穿戴者需就医的信息。其中，第三方终端可以是智能穿戴设备的佩戴者的家人或看护人使用的终端。该第三方终端可通过该监测终端上安装的客户端程序指定。[0153]可选的，上述训练完成的姿势分类模型中还包含运动提醒信息，或者，该云端服务器中还预设有存储有不同类别的头部和/或肩颈部疾病与不同运动提醒信息之间的对应关系的数据库，当监测到该用户患有该头部和/或肩颈部疾病时，若该监测终端处于在线状态时，则该监测终端根据确定出的该用户患有的疾病的类别，通过利用该姿势分类模型或该对应关系获取运动提醒信息。[0154]该监测终端可以将该数据库预先下载并存储在本地并定期更新，通过查询本地存储的该数据库，得到对应的运动提醒信息。或者，该监测终端也可以直接将确定出的该用户患有的疾病的类别发送给云端服务器，通过利用云端服务器查询该数据库，得到对应的运动提醒信息。[0155]当监测到该用户患有该头部和/或肩颈部疾病时，按照预设的提醒方式输出提醒信息，具体还包括：按照预设的输出方式输出该运动提醒信息，该运动提醒信息用于建议该用户可以进行某些特定的运动，以治疗或缓解该用户患有的疾病。其中按照预设的输出方式输出该运动提醒信息可以但不限于包括：通过监测终端和/或智能穿戴设备的扬声器输出运动提醒语音，通过监测终端和/或智能穿戴设备的显示屏输出运动提醒文字和/或动画中的至少一种。[0156]进一步的，该方法还包括：该智能穿戴设备将该姿势数据与预设的角度范围进行比较；若该姿势数据超出该预设的角度范围的持续时长大于预设持续时长，则确定用户当前的姿势属于不良姿势，按照预设的提示方式提示该用户纠正当前的不良姿势。通过利用智能穿戴设备基于获取的该姿势数据对用户的不良姿势进行监测和提醒，可以帮助用户及时纠正不良姿势，从而减小用户患上相关疾病的几率。[0157]可选的，为每一种姿势数据设置至少一个对应的角度范围。该智能穿戴设备将该偏航角、该俯仰角以及该翻滚角分别与各自对应的角度范围进行比较。若该偏航角、该俯仰角以及该翻滚角中的部分或全部超出其对应的角度范围的时长大于该预设持续时长，则该智能穿戴设备按照预设的提示方式提示该用户纠正当前的不良姿势。[0158]其中，该预设的提示方式可以但不限于包括：通过内置的扬声器输出提示语音，在显示屏中展示提示文字或动画，通过内置的振动装置发出振动，以及通过内置激光投射装置投射提示影像等中的至少一种。[0159]进一步的，该监测终端还可以通过预设的客户端程序对智能穿戴设备发送的姿势数据进行分析，以得到该用户的健康程度并监测用户的恢复情况。具体的，该方法还包括：[0160]该监测终端实时统计该姿势数据在预设的实时健康监测周期内(如一天)分别落入不同的预设阈值范围的第一时长，以及该姿势数据在该实时健康监测周期的每个第一预设时间段(如每小时)，分别落入该不同的预设阈值范围的第二时长，其中该不同的阈值范围分别表示不同的健康程度；[0161]根据该第一时长生成该用户的第一姿势监测图，根据该第二时长生成该用户的第二姿势监测图，并将该第一姿势监测图和该第二姿势监测图展示在该交互界面，其中，该第一姿势监测图用于表现该用户的不同健康程度的姿势在该实时健康监测周期内的分布情况，该第二姿势监测图用于表现该用户的不同健康程度的姿势在该实时健康监测周期内的各该第一预设时间段内的分布情况。[0162]如图12上半部分所示，该第一姿势监测图例如可以是圆环图，用于反映用户一整天的姿势的总体健康程度。如图12的下半部分所示，该第二姿势监测图例如可以是柱状图，用于反映用户姿势的实时健康程度。健康程度可以但不限于包括：良好(good)、可接受(acceptable)、一般(slouching)、欠佳(serious)以及极为不佳(severe)。举例来说，健康程度可以基于头部和水平线之间的角度确定，该角度越大反映头部的姿势对应的健康程度越差。[0163]进一步的，该方法还包括：[0164]当监测到该用户患有该头部和/或肩颈部疾病时，该监测终端对该用户的恢复状态进行实时监测，统计该用户在预设的恢复状态监测周期(如一周)的每个第二预设时间段(如每一天)内，佩戴该智能穿戴设备的第三时长；[0165]将该姿势数据与预设目标值进行比较，得到每个该第二预设时间段内，该姿势数据达到该目标值的第四时长与该第二预设时间段的时长的比率；[0166]根据该比率以及该姿势数据与预设目标值的差值确定恢复趋势，该恢复趋势包括：维持(maintaining)、改善(improving)和恶化(declining)；[0167]根据该第三时长生成设备佩戴时长示意图，根据该第四时长生成姿势恢复状态示意图，将该设备佩戴时长示意图和该姿势恢复状态示意图展示在该交互界面，其中，该姿势恢复状态示意图中包括该比率、该预设目标比率以及该恢复趋势的描述信息。[0168]如图13所示，该设备佩戴时长(weartime)示意图和该姿势恢复状态示意图(goal)例如可以是柱状图。[0169]进一步的，该方法还包括：该监测终端将该恢复状态监测周期内获取的该姿势数据发送至指定的医疗机构方。例如，该监测终端可以将该姿势数据发送给脊椎按摩师或物理治疗师以促进诊断或治疗。[0170]进一步的，该方法还包括：[0171]该监测终端根据实时获取的该姿势数据、预设的标准姿势数据以及预设的评级标准，对预设的姿势评级周期(如一周)的各预设第三时间段(如每一天)内，该用户的头部和/或肩颈部的姿势进行评级和打分；[0172]根据评级结果生成评级示意图，根据打分结果和预设的目标分数生成分数变化示意图，并将该评级示意图和该分数变化示意图在该交互界面中进行展示。[0173]如图14的下半部分所示，该分数变化示意图例如可以是曲线图。评级(rating)结果例如可以但不限于包括：a(good，好)，b(acceptable，可接受)以及c(needimprovement，需改进)三个等级。其中打分结果(score)可以是百分制。预设的评级标准可根据用户头部或肩颈部在不同方向上的倾斜角度和保持该倾斜角度的时长确定。进一步的，还可为不同方向的倾斜角度(或偏航角、俯仰角以及翻滚角)和不同时长分别配置对应的基本值和权重，利用加权算法进行打分。[0174]进一步的，该监测终端还可根据预设的姿势评级周期的各预设第三时间段的打分结果(score)与各预设第三时间段的目标分数(target)的差距变化，确定用户的恢复趋势，并将确定出的恢复趋势以图标和/文字的形式在该分数变化示意图中进行标注，如图14所示该分数变化示意图中的文字“improving”和向上的箭头。[0175]需要说明的是，图12至图14仅为一种示例，该监测终端还可以生成具有与图12至14相同含义，但利用其他图形表示或具有其他数字描述的形式的图表。上述各图表可根据用户在该监测终端的客户端程序提供的交互界面进行的预设操作生成并进行展示。该预设操作例如可以是用户点击该交互界面中预设的用于生成上述各图表的按钮或菜单的操作。[0176]通过利用上述图表，可以帮助用户及时了解自己头部和/或肩颈部姿势的健康程度及恢复趋势，并鼓励用户长期保持良好姿势。[0177]可选的，上述各种预设时长、角度范围、阈值、目标等参数可由用户自定义。具体的，该方法还包括：[0178]该监测终端获取该用户在该交互界面输入的数值，并将配置指令和该数值发送给该智能穿戴设备；[0179]该智能穿戴设备，响应于该监测终端发送的该配置指令，根据该数值，设置该预设时长和/或该角度范围；[0180]该监测终端根据该用户在如图15所示的交互界面的预设操作，执行该预设操作对应的操作，该对应的操作包括：控制开启或关闭姿势监测，设置该预设目标比率，设置该提醒方式，设置该实时健康监测周期，设置该恢复状态监测周期，设置该姿势评级周期，设置该提示语音的音量中的至少一种。[0181]如图16所示，举例来说，本发明实施例提供的用户姿势监测方法通过智能眼镜、智能手机和云端服务器实现。智能眼镜与智能手机之间基于蓝牙进行通信，智能手机与云端服务器之间基于无线或有线网络连接。[0182]智能眼镜基于眼镜提醒机制，利用预设的姿势数据转换算法对运动传感器的9轴数据进行处理得到姿势数据，并结合姿势数据和时间数据对用户的姿势进行监测，分析该用户当前的姿势是否为不良姿势并进行预警，并将实时获取的感测数据(如：9轴数据和姿势数据)通过蓝牙实时发送给智能手机。其中，预设的姿势数据转换算法可以是四元数算法，或者，该姿势数据转换算法还可以是反正切函数。[0183]智能手机为智能眼镜的用户建立个人账户，并将接收的该用户的实时感测数据与该个人账户关联存储。智能手机定期与云端服务器建立网络连接，通过该网络连接从云端服务器获取姿势分类模型，并将监测数据发送给智能服务器，监测数据包括该个人账户的信息以及该个人账户关联的感测数据。智能手机具有在线模式和离线模式，当处于在线状态(即在线模式下)时，智能手机从云端服务器下载最新的姿势分类模型，并根据下载的姿势分类模型对智能眼镜实时发送的姿势数据进行分析，以确定该用户是否患有头部和/或肩颈部疾病并进行预警。当处于离线状态(即离线模式下)时，智能手机根据最后一次从云端服务器下载的姿势分类模型对智能眼镜实时发送的姿势数据进行分析，以确定该用户是否患有头部和/或肩颈部疾病并进行预警。[0184]云端服务器存储智能手机发送的监测数据，并定期利用无监督或有监督学习算法对云端存储的所有监测数据进行人工智能学习训练，以进行姿势分类得到姿势分类模型并存储在云端服务器中。[0185]可选的，云端存储的所有监测数据中不仅可以包括当前用户的所有监测数据，还可以包括其他用户的监测数据。[0186]上述实施例提供的用户姿势监测方法，通过智能穿戴设备实时获取用户头部的姿势数据并发送给监测终端，以及监测终端对接收的姿势数据进行分析，实现了基于用户头部姿势监测的用户头部和/或肩颈部疾病的分析及提醒，从而可帮助用户及时发现身体健康的隐患并予以纠正。[0187]在本技术所提供的几个实施例中，应该理解到，所揭露的用户姿势监测方法、系统及智能穿戴设备，可以通过其它的方式实现。例如多个模块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信连接可以是通过一些接口，装置或模块的间接耦合或通信连接，可以是电性，机械或其它的形式。[0188]需要说明的是，对于前述的各方法实施例，为了简便描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本技术并不受所描述的动作顺序的限制，因为依据本技术，某些步骤可以采用其它顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定都是本技术所必须的。[0189]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的部分，可以参见其它实施例的相关描述。[0190]以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。当前第1页12当前第1页12