学合理的安康预警阔值，并由信息交互模块202推送至所述智能穿戴 设备100,保存至所述存储器105中，W后按此优化后的阔值进行预警判断。
[0034]作为穿戴设备，穿戴者夜间睡眠时由于经常翻身而不便于插线充电，白天充电时 则穿戴者不便于活动，摘下穿戴设备充电则有充电期间可能发生异常问题的风险。因此本 发明实施例的充电模块118在常规的有线充电模块1181基础上，还增加了智能切换开关 1182和无线充电模块1183,参见图7。插入有线充电插头供电后，所述智能切换开关1182自 动切换至有线充电模块1181对可充电电池1184充电；当未插入优先充电插头但进入无线 充电器区域后，所述智能切换开关1182自动切换至无线充电模块1183对可充电电池1184 充电。该样可W把无线充电器放置在睡床边或客厅沙发处，穿戴者在白天可W利用有线充 电模块快速充电，上床睡眠或在沙发上休息时则自动进行无线充电。
[00巧]更佳地，本发明实施例的智能穿戴设备还包括语音导航模块114,可在穿戴者迷路 时提供语音导航服务。发生迷路后穿戴者通过点击触摸屏或直接语音指令启动语音导航功 能，根据语音提示说出目标地点名称(例如：想去的小区、街道、建筑物等地点）后，所述云安 康服务平台200根据穿戴者的导航请求，将自动下发导航路线信息给穿戴设备100,穿戴设 备100根据该导航信息，语音提示穿戴者前进路线、方向，同时判断穿戴者是否按照该导航 路径前进；如果偏离路线则提示穿戴者走回正确路线，如果穿戴者继续走错，则回传当前位 置信息和路线信息后，等待云安康服务平台200下发重新计算后的导航路径，并继续提醒 穿戴者前进，直至穿戴者抵达目的地，方结束本次语音导航。
[0036] 更佳地，本发明还提供了家电控制模块107,在穿戴者通过触摸屏或语音下达控制 指令后，或者穿戴者休息后，通过所述无线收发模块106,实现对智能家电的控制。
[0037] 优选地，所述家电控制模块107,可W直接通过无线收发模块106,与智能家电和/ 或通过智能插座直接组网，实现低成本的近程控制。
[0038] 优选地，所述家电控制模块107,也可W通过所述无线通信模块117和/或移动通 信模块115与智能家居网关通信，智能家居网关再通过无线收发模块106,与智能家电和/ 或通过智能插座直接组网，实现智能穿戴设备100对智能家电的远程和/或近程控制。
[0039] 优选地，所述智能穿戴设备100在检测到用户休息、起夜或者外出后，会结合用户 的习惯、爱好，自动控制空调、灯光的工作状态；比如检测到用户躺倒床上休息后，按穿戴者 习惯自动调低灯光亮度并延时一段时间后，特别是穿戴者进入睡眠状态后自动关灯；检测 到穿戴者起夜时自动由弱到亮打开灯光；检测到穿戴者关口外出后，则自动关闭空调等耗 能设备。
[0040]所述无线收发模块106,采用包括但不限于红外、藍牙、WIFI、ZWAVE、ZIGB邸等技 术中的一种和/或多种组合。其中，ZWAVE是一种新兴的基于射频的、低成本、低功耗、高可 靠、适于网络的短距离无线通信技术。Zi浊ee是基于IE邸802. 15. 4标准的低功耗局域网协 议。
[0041] 所述无线通信模块117,包括NFC、RFID、藍牙、WIFI等无线近距离通信技术的一种 和/或多种技术组合，实现消费、穿戴者精确定位、家电控制、穿戴者智能终端通信及与云 安康服务平台200的宽带通信。
[0042] 所述移动通信模块115,支持但不限于目前各移动通信运营商常用的2G/3G/4G及 未来5G及更新的移动通信技术中的一种或多种技术组合，且智能穿戴设备中所配的SIM卡 支持语音、流量套餐。
[0043] 更佳地，本发明实施例的智能穿戴设备100还包括深度学习模块110,用于对穿戴 者日常生活作息活动进行分析、学习及存储，结合温度、湿度和季节参数，学习穿戴者喜好 的智能家电设备的控制参数，并结合云安康服务平台200的专家系统模块204、专家会诊模 块207、药术评估模块208根据穿戴者安全健康记录数据、生理体征数据等信息提供的推荐 参数，通过所述家电控制模块107,全天候自动控制智能家电设备(例如：空调、电扇、电灯 等)，W更加健康、智能的自动化控制方式，省却穿戴者手动控制家电的麻烦。
[0044] 优选地，该深度学习模块110还用于根据上述推荐参数，对其不良行为(例如：不 良作息、不良饮食习惯、不良的运动或娱乐等）进行提醒，W便穿戴者形成较合理的行为习 惯。所述日常生活作息活动包括起居时间、活动时间、爱好的活动及运动等。所述推荐参数 包括健康评测结果、保健方案和/或医疗方案。
[0045] 优选地，该深度学习模块110还用于获取穿戴者喜欢的有声多媒体信息，提前语 音提醒穿戴者其喜欢的有声音多媒体开始时间，如果穿戴者语音或手势确认欣赏该节目， 则通过所述家电控制模块107打开智能电视切换至相应频道或节目源或打开智能穿戴设 备内置的媒体播放器进行播放；所述有声多媒体信息包括电视、电影、戏剧、评书及有声新 闻资讯、小说等有声多媒体的类型和播放时间。
[0046] 该深度学习模块110还用于获取穿戴者喜欢的无声媒体内容，并提示穿戴者是否 收听，若是，则所述语音交互模块109播放所述无声媒体内容给穿戴者收听。所述语音交互 模块109还用于接受穿戴者发出的选择控制语音指令，执行相应的媒体内容控制操作。所 述选择控制语音指令包括上、下翻页、语速语调选择、背景音乐选择、书签等语音指令。无声 媒体内容包括无声的新闻、小说等阅读类媒体内容。
[0047] 所述深度学习模块110的深度学习方法流程参见图11，包括： 步骤S21，获取穿戴者的日常生活作息活动的起止时间及行为参数，并存储记忆；具 体地，W固定的周期(例如；W天、周、月为单位)，获取穿戴者作息活动的起止时间及行为参 数并存储记忆； 步骤S22，结合温度、湿度和季节参数，获取穿戴者喜好的环境控制参数；具体地，W固定的周期(例如天、周、月为单位)，获取穿戴者喜好的环境控制参数（例如：穿戴者通 常所设置的空调温度、电扇风速，电灯光线强弱等）； 步骤S23,定时上传上述穿戴者的作息活动的起止时间及行为参数、环境控制参数至所 述云安康服务平台200， 步骤S24,获取云安康服务平台200根据大数据模块201、专家系统模块204分析得到 的推荐参数，控制智能家电设备执行相应的操作，W及对穿戴者的不良生活作息活动进行 提醒。其中，智能家电设备包括智能空调、智能电扇、智能电灯等。
[0048] 另外，本发明实施例的深度学习方法还包括： 步骤S25,获取穿戴者喜欢的有声多媒体信息；具体地，W固定的周期(例如；W天、周、 月为单位)，获取穿戴者喜欢的有声多媒体信息； 步骤S26,在穿戴者喜欢的有声多媒体开始播放时间，进行播放提示； 步骤S27,穿戴者确认是否播放，若是，则控制智能电视或内置的媒体播放器播放所述 有声多媒体。
[0049]进一步，本发明实施例的深度学习方法还包括： 步骤S28,获取穿戴者喜欢的无声媒体内容；具体地，W固定的周期(例如；W天、周、月 为单位)，获取穿戴者喜欢的无声媒体内容； 步骤S29,提示穿戴者是否收听所述无声媒体内容； 步骤S210,若穿戴者确认收听，则播放相应的无声媒体内容； 步骤S211,接收穿戴者发出的选择控制语音指令，执行相应的媒体内容控制操作。所 述选择控制语音指令包括上、下翻页、语速语调选择、背景音乐选择、书签等语音指令。
[0050]本发明实施例的语音识别模块108,基于最新的语音识别技术，可有效识别普通话 及地方方言(例如；粤语、闽南语、上海话等）的语音交互W及韩声、剧烈咳嗽、啤吟、惊叫、摔 倒等生理及异常声音的识别。
[0051] 为了进一步提高语音有效识别率及识别更多方言，该语音识别模块108还支持对 穿戴者语音进行学习的能力，采用"跟我学"的简单跟学方式，方便地记录、学习穿戴者对常 用发音(包括字、词、短语的发音)，并存储至穿戴者语音频谱特征库中，作为另一语音识别 基准库，W及学习并存储穿戴者的生理及异常声音、常用控制及应答语音至标准语音频谱 特征库。其中"跟我学"的跟学方式是相当于醋学舌的跟学形式。
[0052] 更佳地，所述语音识别模块108还结合穿戴者当前生活场景及近似语音频谱，W 及结合手势识别模块102、大数据模块201的语音辅助识别和最终穿戴者确认的手段，学习 并存储所述标准语音频谱特征库和穿戴者语音频谱特征库W外的词汇或非标的词汇，具有 一定的自学能力。具体地，当语音识别模块识别穿戴者的语音不符合所述标准语音频谱特 征库或穿戴者语音频谱特征库时，结合穿戴者当前生活场景及近似语音频谱，推测出相似 语音，待穿戴者确认正确后，添加该推测出的相似语音至穿戴者语音频谱特征库。当推测出 的相似语音不正确时，结合穿戴者的手势动作进行语音辅助识别或将语音上传至云安康服 务平台进行语音辅助识别，获得辅助识别语音，待穿戴者确认正确后，添加该辅助识别出的 语音至穿戴者语音频谱特征库。
[0053]所述语音识别模块108的语音识别方法流程参见图12,包括： 步骤S31，学习及存储生理及异常声音(例如：摔倒、韩声、啤吟、咳嗽等声音)、常用控制 及应答语音至标准语音频谱特征库中；学习并存储穿戴者的常用发音至穿戴者语音频谱特 征库； 步骤S32,进行硬件、软件噪音过滤处理； 步骤S33,判断是否检测到语音或产生语音中断请求，不是则返回步骤S32,是则执行 步骤S3