基于可穿戴设备的心理压力校准方法和设备与流程

1.本技术涉及可穿戴式设备，特别是一种基于可穿戴设备的心理压力校准方法和设备。


背景技术：

2.现代生活中，人们面对着来自各个方面的压力，适当的压力有助于工作、学习的效率提升，但如果长期处于较大压力下，可能会导致抑郁等心理疾病，给人的心理健康带来严重的负面影响，甚至威胁生命。因此，人们及时且准确的了解自身心理压力状况及历史统计值，对保障自己的身心健康十分必要。
3.传统的心理咨询方法主要有2种。其一、进行基于心理学相关的问卷测试，根据测试结果进行心理压力评估，该方法具有较强的即时性，操作相对简单，但是评估结果与问卷的设计及被试的自我认知具有强相关，且为了问卷评估的可靠性，题量往往较大，导致的结果是常出现心理压力评测结果与自身感受存在较大差异，或问卷测评结果较为符合但问卷题量过大的情况。其二、通过心理医生进行专业的心理健康评估。该方法准确性较高，但评估往往成本过高、即时性差，且涉及到用户隐私问题。
4.目前市场上存在使用心率变异性进行压力评估的相关方法，该类方法具有较强的即时性、且单次测量成本低廉，但由于不同个体之间具有较强差异性，且不同个体处于不同的生理状态下的心理压力表现也不尽相同，因此，仅通过大量数据根据心率变异性建立的统计模型，虽然在某些特定情况下可以反应用户的压力特征，但很难适配不同状态下的不同个体。现有技术中存在通过单一问卷针对心率变异性进行压力校准的技术，该方法在一定程度上提升了压力出值的准确性，但该类方法大多仅仅是通过问卷对用户分类，进而调整压力值，校准机制简单且与用户实际的压力感知存在较大差异。


技术实现要素：

5.本发明旨在至少解决现有技术中存在的技术问题之一。为此，本发明提出一种基于可穿戴设备的心理压力校准方法和设备，以准确校准用户的心理压力值。
6.一方面，本技术实施例提供了一种基于可穿戴设备的心理压力校准方法，包括：
7.获取校准指令；
8.根据校准指令获取用户信息，并根据所述用户信息选择校准问卷；
9.根据针对所述校准问卷的回答信息，得到主动校准结果；
10.获取被动校准结果，所述被动校准结果包括当天或者前一天睡眠质量以及静息心率；
11.根据所述主动校准结果和被动校准结果对压力检测功能进行校准。
12.在一些实施例中，还包括以下步骤：
13.在获取校准指令后，触发被动校准。
14.在一些实施例中，所述用户信息包括用户的年龄、性别以及近一周的运动量；
15.所述根据所述用户信息选择校准问卷，具体是：
16.根据用户的年龄、性别以及近一周的运动量对用户进行分类，根据用户的分类结果选择对应的校准问卷。
17.在一些实施例中，所述主动校准包括：
18.通过所述穿戴设备采集ppg信号和acc信号；其中，ppg信号包括128hz的绿光和红外信号，acc信号包括25hz的三轴加速度信号；
19.根据所述pgg信号和acc信号计算主动校准结果。
20.在一些实施例中，主动校准时还包括以下步骤：
21.根据ppg信号和acc信号判断采集的信号是否满足校准要求，若满足，则计算和更新主动校准结果；若否，则保留上一次主动校准结果；
22.其中，校准要求包括：
23.根据acc信号判定校准过程未出现在预设时间窗口内加速度波动强度大于第一阈值的动作；
24.以及
25.对绿光ppg信号滤波后其中的波峰的波动和心博周期rri超出0.5-2倍均值范围所占比例未超过阈值。
26.在一些实施例中，还包括以下步骤：
27.在设定时间执行被动校准。
28.在一些实施例中，所述根据所述主动校准结果和被动校准结果对压力检测功能进行校准，具体包括：
29.将主动校准结果对应的压力等级和被动校准结果对应的压力等级进行加权，得到综合压力等级；
30.根据被动校准结果确定校准过程中的心率变异性特征；
31.以及根据被动校准结果确定静息心率和参考心率之间的心率差；
32.根据所述综合压力等级、变异性特征和心率差进行加权得到本次校准压力值；将本次校准压力和参考校准压力进行加权，得到最终的校准压力值。
33.在一些实施例中，将主动校准结果对应的压力等级和被动校准结果对应的压力等级进行加权，得到综合压力等级,具体包括：
34.将主动校准结果对应的压力等级乘以相关度，然后加上被动校准结果对应的压力等级乘以1减去相关度，对结果四舍五入后得到综合压力等级；
35.其中，所述相关度属于[0,1]，所述相关度与主动校准时间点和当前时间之间的时间间隔相关，当所述时间间隔等于0时，相关度为1，当所述时间间隔等于预设有效期时，相关度等于0，当所述时间间隔属于0和预设有效期之间时，相关度与所述时间间隔负相关。
[0036]
在一些实施例中，所述将本次校准压力和参考校准压力进行加权，得到最终的校准压力值，具体包括：
[0037]
根据测量过程中的信号质量确定本次校准的置信度，所述置信度属于[0,1]；
[0038]
将本次校准压力乘以置信度，然后加上参考校准压力乘以1减去置信度的差值，得到最终的校准压力值。
[0039]
另一方面，本技术实施例提供了一种可穿戴设备，包括：
[0040]
佩戴组件，用于将可穿戴设备穿戴在人体上；
[0041]
存储器，用于存储程序；
[0042]
处理器，用于加载所述程序以执行如权利要求1-9任一项所述的基于可穿戴设备的心理压力校准方法。
[0043]
本技术实施例通过获取校准指令；根据校准指令获取用户信息，并根据所述用户信息选择校准问卷；然后根据针对所述校准问卷的回答信息，得到主动校准结果；接着获取被动校准结果，所述被动校准结果包括当天或者前一天睡眠质量以及静息心率；最后根据所述主动校准结果和被动校准结果对压力检测功能进行校准，通过这一方式，可以结合用户主动填写调查问卷和被动测量的方式来对用户压力进行校准，校准的方式更加综合更加准确，主动校准和被动校准的时间可以是异步的也可以同步的，因此具有一定的灵活性，适应穿戴式设备的使用环境。
附图说明
[0044]
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图做一简单地介绍，显而易见地，下面描述中的附图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，还可以根据这些附图获得其他的附图。
[0045]
图1是本技术实施例提供的一种基于可穿戴设备的心理压力校准方法的流程图；
[0046]
图2是本技术实施例提供的校准流程简图；
[0047]
图3是本技术实施例提供的主动校准流程图；
[0048]
图4是本技术实施例提供的被动校准流程图；
[0049]
图5是本技术实施例提供的主动校准问卷设置示例图；
[0050]
图6是本技术实施例提供的校准信息同步机制示意图；
[0051]
图7是本技术实施例提供的穿戴式设备结构框图。
具体实施方式
[0052]
为使本技术的目的、技术方案和优点更加清楚，以下将参照本技术实施例中的附图，通过实施方式清楚、完整地描述本技术的技术方案，显然，所描述的实施例是本技术一部分实施例，而不是全部的实施例。基于本技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本技术保护的范围。
[0053]
在本发明的描述中，若干的含义是一个以上，多个的含义是两个以上，大于、小于、超过等理解为不包括本数，以上、以下、以内等理解为包括本数。如果有描述到第一、第二只是用于区分技术特征为目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量或者隐含指明所指示的技术特征的先后关系。
[0054]
本发明的描述中，除非另有明确的限定，设置等词语应做广义理解，所属技术领域技术人员可以结合技术方案的具体内容合理确定上述词语在本发明中的具体含义。
[0055]
本发明的描述中，参考术语“一个实施例”、“一些实施例”、“示意性实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不
一定指的是相同的实施例或示例。而且，描述的具体特征或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
[0056]
首先，参照图7，对本技术实施例的穿戴式设备进行介绍。如图7所示，其主要包括上位机相关模块、ppg信号采集模块、acc信号采集模块、佩戴检测模块、信号质量检测模块、心理压力计算模块、心理压力校准模块。
[0057]
s11为上位机相关模块，其包括手机app、云服务和网关，其中app用于执行主动校准测量任务下发、获取用户信息、更新校准问卷、获取问卷校准结果等功能，云服务主要用于用户历史信息存储，网关负责请求的筛选。
[0058]
s12为ppg信号采集模块，其负责采集128hz的绿光及128hz的红外ppg信号。
[0059]
s13为acc信号采集模块，其负责采集25hz的三轴加速度信号。
[0060]
s14为佩戴检测模块，佩戴判断条件为：1)判断红外ppg反射值是否满足阈值要求,2)判断绿光ppg中是否存在心率周期，如果满足以上两个要求则为佩戴状态，否则为未佩戴，出现未佩戴情况将会出现校准过程被中断的现象。
[0061]
s15为信号质量检测模块，其负责判断此次校准是否满足信号要求，信号质量较差，或者校准过程中出现过于频繁的动作，则会出现终止校准的现象，信号质量判断条件为：1)该模块会通过三轴加速度(acc)来判断校准过程中是否出现长时间大幅度动作，大幅度动作是通过判断1s窗口内合加速度波动强度(振幅、方差)是否超过阈值进行，2)该模块会通过绿光ppg中波峰(滤波后)的波动和rri(心博间期)超过0.5-2倍均值所占比例是否超过阈值。
[0062]
s16为心理压力计算模块，该模块负责计算校准过程中的心理压力值，该模块通过信号处理，提取出rri均值、sdnn、rmssd、lf、hf、lf/hf6个特征值，通过线性加权计算校准过程中的压力测量值。
[0063]
s17为心理压力校准模块，该模块分为2个部分，1)主动校准，该校准功能由用户通过app发起，发起后开始ppg及acc信号采集，并同时进行问卷填写(问卷题型与用户信息相关)，2)被动校准，该校准功能在每天0点或主动校准是触发，被动校准涉及的参数包括睡眠质量及静息心率，其中睡眠质量中更多关注于夜醒次数、浅睡时长占比(睡眠中具有较多动作)及睡眠时长，静息心率为满足动量小于阈值且持续超过一定时长的清醒情况下，测量的有效心率值，这里的静息心率并不是每天只有一个值，而是每天符合条件有效心率的均值。
[0064]
参照图1，本技术实施例提供了一种基于可穿戴设备的心理压力校准方法，包括：
[0065]
步骤1、获取校准指令。本步骤是指设备获取了用户发起的校准指令。这里校准指令触发的校准属于主动校准。
[0066]
步骤2、根据校准指令获取用户信息，并根据所述用户信息选择校准问卷。在本步骤中，所述用户信息包括用户的年龄、性别以及近一周的运动量；
[0067]
本步骤具体为：根据用户的年龄、性别以及近一周的运动量对用户进行分类，根据用户的分类结果选择对应的校准问卷。调查问卷可以预设多套，也可以预设多个题目，根据用户信息来选择问卷或者从题库中抽取相当数量的题目来作为问卷。通过这一方式，可以对用户进行细分，以增加校准的准确性。
[0068]
步骤3、根据针对所述校准问卷的回答信息，得到主动校准结果。其中，主动校准结果是根据用户针对问卷的选择结果来进行评分得到一个压力等级的。
[0069]
步骤4、获取被动校准结果，所述被动校准结果包括当天或者前一天睡眠质量以及静息心率。在获取校准指令后，触发被动校准。如果本次被动校准失败，则会获取上一次被动校准的结果来进行压力值的计算。在部分情况中，会在设定时间执行被动校准，例如每天的凌晨会自动执行被动校准。
[0070]
具体地，所述主动校准包括：
[0071]
步骤41、通过所述穿戴设备采集ppg信号和acc信号；其中，ppg信号包括128hz的绿光和红外信号，acc信号包括25hz的三轴加速度信号。其中，光体积变化描记图法(photop l ethysmography，简称ppg)是借光电手段在活体组织中监测血液容积变化的一种无创监测方法。acc信号是三轴加速度信号，主要用于检测人体是否运动。
[0072]
步骤42、根据ppg信号和acc信号判断采集的信号是否满足校准要求，若满足，则计算和更新主动校准结果；若否，则保留上一次主动校准结果。
[0073]
步骤43、根据所述pgg信号和acc信号计算主动校准结果。
[0074]
其中，校准要求包括：
[0075]
根据acc信号判定校准过程未出现在预设时间窗口内加速度波动强度大于第一阈值的动作。从该条件可知，如果存在较大加速度的波动，说明用户在大幅抖动，这样会导致测量的结果不准，这样的测量结果应当被舍弃。
[0076]
以及
[0077]
对绿光ppg信号滤波后其中的波峰的波动和心博周期rri超出0.5-2倍均值范围所占比例未超过阈值。从该条件可知，如果信号波峰的波动和rri超出0.5-2倍均值范围的占比较高，说明这个信号整体波动比较大，因此，这样的测量结果应当被舍弃。
[0078]
步骤5、根据所述主动校准结果和被动校准结果对压力检测功能进行校准。
[0079]
具体地，本步骤包括：
[0080]
步骤51、将主动校准结果对应的压力等级和被动校准结果对应的压力等级进行加权，得到综合压力等级。
[0081]
具体地，将主动校准结果对应的压力等级乘以相关度，然后加上被动校准结果对应的压力等级乘以1减去相关度，对结果四舍五入后得到综合压力等级；
[0082]
其中，所述相关度属于[0,1]，所述相关度与主动校准时间点和当前时间之间的时间间隔相关，当所述时间间隔等于0时，相关度为1，当所述时间间隔等于预设有效期时，相关度等于0，当所述时间间隔属于0和预设有效期之间时，相关度与所述时间间隔负相关。
[0083]
从该步骤可知，引入相关度，使得相关度与问卷调查时间与校准时间的间隔相关，这样可以确保问卷调查的有效性。需要理解的是，在触发校准后，如果问卷填写存在明显问题，问卷结果会被舍弃，可能会采用上一次问卷的结果。因此，基于问卷调查时间与校准时间的间隔来确定相关度，可以增加校准的准确性。
[0084]
步骤52、根据被动校准结果确定校准过程中的心率变异性特征。变异性特征可以通过ai模型或者数据分析模型来从检测数据中获取。这些特征通常是医学意义上心率变异性特征。
[0085]
步骤53、以及根据被动校准结果确定静息心率和参考心率之间的心率差。在本步骤中，静息心率是用户测得的心率，而参考心率是普通人平均的静息心率。参考心率属于预设的参考值。
[0086]
步骤54、根据所述综合压力等级、变异性特征和心率差进行加权得到本次校准压力值。通过将上述计算得到的信息进行加权，可以得到本次的校准值。
[0087]
步骤55、将本次校准压力和参考校准压力进行加权，得到最终的校准压力值。
[0088]
具体地，根据测量过程中的信号质量确定本次校准的置信度，所述置信度属于[0,1]；
[0089]
将本次校准压力乘以置信度，然后加上参考校准压力乘以1减去置信度的差值，得到最终的校准压力值。
[0090]
从本步骤可知，根据本次检测的置信度来调整参数，可以进一步校准准确度。如果本次测试的结果置信度较低，则降低本次校准结果的权重，增加平均结果的权重，从而获得一个比较准确的压力值。本方案中置信度与本次校准压力的置信度相关，本次压力的置信度和测量数据的波动有关，如果波动越大，说明置信度越低，波动越小，置信度越高。
[0091]
参照图2至图6，本技术实施例提供了一种基于可穿戴设备的心理压力校准方法，该方法应用在如图7所示的穿戴式设备中。
[0092]
整个校准流程可简单的描述为如图2所示：
[0093]
s21为主动校准部分，主动校准由用户在app发起，主动校准具体描述见图3，若用户一天内未进行主动校准，则主动校准参数保留前一次校准值，若从未进行过主动校准，则主动校准参数均使用默认值。
[0094]
s22为被动校准部分，被动校准由穿戴设备定时或在指定策略下发起，被动校准具体描述见图4，设备若一天内未进行被动校准，或被动校准失败，则保留上一次被动校准参数，同样若从未进行被动校准，则被动校准参数为默认值。
[0095]
主动测量流程如图3所示：
[0096]
s31用户在app中点击压力校准，触发主动校准事件。
[0097]
s32发起主动校准后，app会使用用户的年龄、性别、近一周的运动量对用户进行初步人群分类，调取对应的问卷校准题目。目的是将用户人群进行初步区分，以提高在校准题量较少情况下校准的准确性。
[0098]
s33用户在该阶段将会去完成10道心理压力相关的问卷校准题目，同时将会发起ppg信号采集及acc信号采集。
[0099]
s34问卷校准题目回答完毕后，会触发被动校准事件，该阶段会主动去获取是否存在被动校准相关信息，并将其和主动校准信息合并。
[0100]
s35测量过程中会实时调用信号质量检测模块，如果测量过程中出现频繁较大幅度动作，或者测量过程中佩戴过松、出现漏光等导致绿光ppg信号质量过差，校准过程将会被中断，导致校准失败。
[0101]
s36如果校准成功，本发明将会返回经过校准后的本次测量结果，后续测量将会以此次测量信息作为参考。如果校准失败，则会在app中返回校准失败页面。
[0102]
被动校准流程图如图4所示，
[0103]
s41被动校准触发条件有两种，1)每天0点固定时间触发，但不限于0点，2)主动校准机制触发时同时触发。被动校准机制是主动校准机制的补充，减小部分用户长时间不进行校准所导致的算法失配带来的影响，同时对主动校准进行了其他维度的数据补充，增强校准的可靠性；
[0104]
s42在进行被动校准时需要获取当天或前一晚的睡眠质量及静息心率，由于用户当天可能为佩戴、或其他原因导致睡眠质量和静息心率值均缺失，则被动校准不能正常进行，获取默认值(前一次被动校准值)并返回被动校准失败状态，若二者中存在有效值则会获取有效值，并返回被动校准成功状态，进入校准流程；
[0105]
s43被动校准过程实际为将获取到的被动校准参数写入算法内并传入被动校准状态。
[0106]
主动校准目前设计了4套问卷，通过主动校准s32步骤，针对不同用户群体分发不同的校准问卷，其中默认问卷示例如图5所示，
[0107]
s51本发明将心理压力主要来源：情绪反应、生理反应、社会行为，进行了进一步细分，划分为主观心理感受、休息状态、身体状态、饮食习惯、生活态度五个方面，由于每个题目的权值相同，故每个方面的权重由其中的题量决定，而题量是通过同时进行140人次的候选问卷(105道题)与pstr压力测试表测试，通过将候选题与pstr总得分的相关系数进行排序，统计前50题中各个方面题量占比得来，但需要确保每个方面至少有一题。通过对不同人群的分开统计，得到了最终的4套问卷，4套问卷得分与pstr得分的相关系数分别为0.797、0.824、0.783、0.845，其双侧p均小于0.001。
[0108]
s52为主动校准时的具体校准题目，为了避免用户回答的问题均为积极或消极类，校准问题描述方式做了适当的提醒，问题答案为不符合、有些符合、基本符合、非常符合，积极类问题不符合得3分、有些符合得2分、基本符合得1分、非常符合得0分，消极类问题不符合得0分、有些符合得1分、基本符合得2分、非常符合得3分，以该示例中10题为例，各题与该问卷最终得分的相关分析如下表所示：
[0109][0110]
注：*p《0.05(双侧)，**p《0.01(双侧)，***p《0.001(双侧)。
[0111]
s53在统计得到问卷总分后，将根据问卷总分进行阈值划分得到问卷校准等级q，当总得分小于10分，则q＝0,问卷结果处于低压力状态，当总得分大于等于10，小于20时，则q＝1,问卷结果处于中等压力状态，当总分大于等于20时，则q＝2,问卷结果处于高压力状态。此时设备会同时获取被动校准参数：静息心率及睡眠质量。针对睡眠质量会进行阈值划分得到睡眠校准等级s，睡眠质量数值在0～100之间,得分越高认为睡眠情况越好，该值与睡眠时长、浅睡占比、夜醒次数等相关，睡眠质量大于85时，则s＝0，睡眠对压力影响等级为低状态,睡眠质量大于等于75，小于85，则s＝1,睡眠对压力影响等级为中状态，当睡眠质量小于75时，则s＝2，睡眠对压力的影响等级为高状态。最后的压力等级l将采用：
[0112]
l＝α*q+(1-α)*s
[0113]
其中α为问卷校准时间相关权值，在主动校准时α＝1，当在被动校准时，α与校准时间点与当前时间间隔有关，当时间间隔t＜ths时，其中ths为问卷校准有效
lymemory，简称rom)、随机存取存储器(random access memory，简称ram)、磁碟或者光盘等各种可以存储程序代码的介质。
[0125]
注意，上述仅为本技术的较佳实施例及所运用技术原理。本领域技术人员会理解，本技术不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本技术的保护范围。因此，虽然通过以上实施例对本技术进行了较为详细的说明，但是本技术不仅仅限于以上实施例，在不脱离本技术构思的情况下，还可以包括更多其他等效实施例，而本技术的范围由所附的权利要求范围决定。