一种基于AI技术的智能穿戴设备数据的处理方法与流程

本发明涉及智能穿戴领域，具体涉及一种基于ai技术的智能穿戴设备数据的处理方法。

背景技术：

1、智能穿戴设备是应用穿戴式技术对日常穿戴进行智能化设计、开发出可以穿戴的设备的总称，如手表、手环、眼镜、服饰等。这些设备通过集成各种传感器、处理器和通信技术，能够实时监测用户的生理数据、运动状态以及环境信息，为用户提供个性化的健康管理和生活服务；

2、智能穿戴设备在使用过程中会应用到数据处理方法来对其采集到的各种数据进行分析处理。

3、现有的数据处理方法，数据分析处理效果满足不了实际使用需求，多为本地数据的单一分析，且不能及时发现设备本身存在的异常和佩戴用户存在的异常，给数据处理方法的使用带来了一定的影响，因此，提出一种基于ai技术的智能穿戴设备数据的处理方法。

技术实现思路

1、针对现有技术中的缺陷，本发明提供一种一种基于ai技术的智能穿戴设备数据的处理方法，包括以下步骤：

2、步骤一：初次佩戴时，采集人体相关信息，进行人体模型数据建立；

3、步骤二：建立完成人体模型数据后，之后将人体模型数据导入到ai分析库中进行人体状态的评估，获取到人体状态评估信息，人体状态评估信息包括健康评估、一般评估与异常评估；

4、步骤三：获取到人体状态评估信息后，智能穿戴设备根据人体状态评估信息进行实时人体信息采集；

5、步骤四：对实时人体信息分析获取到人体异常警示信息；

6、步骤五：同时实时采集智能穿戴设备信息；

7、步骤六：对智能穿戴设备信息进行分析处理获取到智能穿戴异常信息。

8、进一步在于，所述步骤一中的人体模型数据的建立过程如下：

9、提取出采集到的人体相关信息，人体相关信息包括年龄、性别、身高、体重；

10、对身高与体重进行处理，获取到身体质量指数，年龄、性别与身体质量指数组合为人体模型数据；

11、进一步在于，将人体模型数据导入到ai分析库中进行人体状态评估的具体过程如下：

12、从人体模型数据中先提取出性别，将性别导入到ai分析库中，从ai分析库中先检索出对应年龄信息的性别子数据库；

13、再将年龄导入到性别子数据库中，从性别子数据库中检索出对应年龄的年龄子数据库；

14、年龄子数据库中包括了健康段、一般段与异常段；

15、之后身体质量指数导入到年龄子数据库，根据身体质量指数所处的分段生成对应的人体状态评估；

16、当身体质量指数处于健康段时，即生成健康评估，当身体质量指数处于一般段时，即生成一般评估，当身体质量指数处于异常段时，即生成异常评估。

17、进一步在于，智能穿戴设备根据人体状态评估信息进行实时人体信息采集的具体过程如下：

18、当人体状态评估信息为健康评估时，智能穿戴在第一状态下与第二状态下进行第一类型的实时人体信息采集；

19、当人体状态评估信息为一般评估时，智能穿戴在第一状态下与第二状态下进行第二类型的实时人体信息采集；

20、当人体状态评估信息为异常评估时，智能穿戴在第一状态下与第二状态下进行第三类型的实时人体信息采集；

21、上述实时人体信息的内容包括心率、血压、血氧饱和度、心电信号、心率变异性、肌电信号与皮肤电反应。

22、进一步在于，第一类型下进行实时人体信息采集的具体过程如下：第一状态为日常状态，日常状态下每间隔预设时长a1采集一次生理数据；

23、第二状态为运动状态，运动状态每间隔预设时长b1采集一次活动数据；

24、第二类型下进行人体信息采集的具体过程如下：第一状态下每间隔预设时长a2采集一次生理数据；

25、第二状态下每间隔预设时长b2采集一次活动数据；

26、第二类型下实时人体信息采集的具体过程如下：第一状态下每间隔预设时长a3采集一次生理数据；

27、第二状态下每间隔预设时长b3采集一次活动数据；

28、a3＜a2＜a1，b3＜b2＜b1；

29、第一状态与第二状态的判定过程如下：先采集智能穿戴设备相关信息，智能穿戴设备相关信息包括智能穿戴设备的移动速度信息与智能穿戴设备位置信息；

30、当智能穿戴设备的移动速度大于预设值且超过预设时长或者智能穿戴设备的位置在预设时长内位置变化距离大于预设距离时，即表示处于第二状态；

31、当智能穿戴设备的移动速度小于预设值且超过预设时长或预设时长内位置变化距离小于预设距离，即判定为第一状态。

32、进一步在于，对实时人体信息分析获取到人体异常警示信息的具体过程如下：提取出第一状态下的实时人体信息，从第一状态下的实时人体信息中提取出心率、血压、血氧饱和度、心电信号、心率变异性与肌电信号；

33、将人体模型数据再次导入到ai分析库中，从ai分析库中检索出对应人体模型数据的第一状态和第二状态下的标准人体数据，标准人体数据包括标准心率、标准血压、标准血氧饱和度、标准心电信号、标准心率变异性与标准肌电信号；

34、将第一状态下的实时人体信息中的心率与标准心率进行比对，获取到心率比对信息，血压与标准血压进行比对，获取到血压比对信息，血氧饱和度与标准血氧饱和度进行比对，获取到血氧饱和比对信息，心电信号与标准心电信号进行比对，获取到心电比对信息，对心率变异性与标准心率变异性进行比对获取到心率变异比对信息，肌电信号与标准肌电进行比对，获取到肌电比对信息；

35、当心率比对信息、血压比对信息、血氧饱和比对信息、心电比对信息、心率变异比对信息与肌电比对信息中任意一个小于预设值时，即生成人体异常警示信息；

36、第二状态下的人体异常警示信息的生成过程参照第一状态下的人体异常警示信息的生成过程，第二状态下的人体异常警示信息的生成过程与第一状态下的人体异常警示信息的生成过程的不同处在于第二状态下使用的比对目标为从ai分析库中检索出的第二状态下的标准人体数据。

37、进一步在于，智能穿戴异常信息的具体获取过程如下：

38、提取出采集到的智能穿戴设备信息，智能穿戴设备信息包括智能穿戴设备显示亮度、智能穿戴设备播放音量大小、智能穿戴设备所处环境信息、智能穿戴设备佩戴信息、智能穿戴设备硬件信息与智能穿戴受力信息；

39、对智能穿戴设备显示亮度、智能穿戴设备播放音量大小与智能穿戴设备所处环境信息进行处理，获取到设备调控参数，当设备调控参数异常时，即生成智能穿戴异常信息；

40、对智能穿戴设备佩戴信息进行处理获取到穿戴评估参数，当穿戴评估参数异常时，即生成智能穿戴异常信息；

41、对智能穿戴设备硬件信息进行处理获取到硬件评估参数，当硬件评估参数异常时，生成智能穿戴异常信息；

42、对智能穿戴受力信息进行处理，获取到穿戴受力评估参数，当穿戴受力评估参数异常时，即生成智能穿戴异常信息；

43、对智能穿戴设备所处环境信息进行处理，获取到环境评估参数，当环境评估参数异常时，即生成智能穿戴异常信息。

44、进一步在于，所述设备调控参数的获取过程与设备调控参数异常判定过程如下：

45、提取出智能穿戴设备显示亮度、智能穿戴设备播放音量大小与智能穿戴设备所处环境信息；

46、智能穿戴设备的所处环境信息包括环境亮度信息与环境声音大小信息；

47、计算出智能穿戴设备显示亮度与环境亮度信息的差值，获取到亮度评估差；

48、计算出智能穿戴设备播放音量大小与环境声音大小信息的差值，获取到声音评估差；

49、亮度评估差与声音评估差组成设备调控参数；

50、当智能穿戴设备显示亮度大于预设值e1，亮度评估差小于预设值时，即表示设备调控参数异常；

51、当智能穿戴设备显示亮度小于预设值e2，亮度评估差大于预设值时，即表示设备调控参数异常；

52、当环境声音大小信息大于预设值f1，声音评估差小于预设值时，即表示设备调控参数异常；

53、当环境声音大小信息小于预设值f2，声音评估差大于预设值时，即表示设备调控参数异常；

54、e1＞e2，f1＞f2；

55、穿戴评估参数的获取过程与异常判定过程如下：提取出采集到的智能穿戴设备佩戴信息，智能穿戴设备佩戴信息为智能穿戴设备的底面与用户接触面之间的压力大小，即实时佩戴力大小，设置了标准佩戴力，计算出实时佩戴力大小与标准佩戴力的差值，即获取到穿戴评估参数，当穿戴评估参数超出预设范围时，即表示穿戴评估参数异常；

56、硬件评估参数的获取过程与异常判定过程如下：提取出采集到的智能穿戴设备硬件信息，智能穿戴设备硬件信息包括硬件标准运行内存信息、硬件当前运存占用信息与当前应用启用反应速度；

57、计算出硬件标准运行内存信息与硬件当前运存占用信息的差值，获取到剩余运存参数；

58、连续采集s次当前应用启用反应速度，计算出s次当前应用启用反应速度的均值，获取到启动速度参数；

59、剩余运存参数与启动速度参数组成硬件评估参数；

60、当剩余运存参数小于预设值且启动速度参数大于预设值时，即表示硬件评估参数异常；

61、穿戴受力评估参数的获取过程与异常判定过程如下：提取出智能穿戴受力信息，智能穿戴受力信息包括表带与表体连接处受力信息、表体受力信息；

62、当发现表带与表体连接处受力信息大于预设值时，记录下其时长，获取到连接受力异常参数；

63、计算出表体受力信息与标准受力信息的差值获取到受力差；

64、连接受力异常参数与受力差组成穿戴受力评估参数；

65、当连接受力异常参数大于预设值时或受力差大于预设值时，即表示穿戴受力评估参数异常；

66、环境评估参数的获取过程与异常判定过程如下：提取出采集到智能穿戴设备所处环境信息，智能穿戴设备所处环境信息还包括环境湿度信息，记录下环境湿度信息大于预设值的时长，即获取到环境评估参数，当环境评估参数大于预设值时，即表示其存在异常。

67、进一步在于，用户初次佩戴智能穿戴设备时，还采集了穿戴相关信息，对穿戴相关信息进行处理也生成人体异常警示信息，其具体过程如下：

68、穿戴相关信息为用户初次佩戴智能穿戴设备时，记录下两个表带连接处的受力信息，将其标记为t1和t2；

69、每间隔预设时长采集一次t1和t2连续采集至少w次t1和t2后，以t1和t2的大小为x轴，以预设时长为y轴建立平面直角坐标系；

70、将w次t1和t2标记在平面直角坐标系上绘制成折线图，t1部分的折线标记为p1，t2部分的折线标记为p2；

71、对折线p1和折线p2进行趋势分析，当折线p1和折线p2均处于平缓状态时，即不生成任何信息；

72、当折线p1和折线p2中任意一个出现连续上升或者连续下降的状态，即生成人体异常警示信息。

73、本发明的有益效果体现在：

74、该基于ai技术的智能穿戴设备数据的处理方法，通过初次穿戴时的人体信息建模，智能穿戴设备能够收集到用户的个性化身体数据，为后续的数据分析和功能优化提供基础，基于收集到的数据，设备可以为用户提供更加个性化的设置，从而提升用户体验，通过实时监测与数据分析和ai分析库对导入的人体模型数据进行深度分析，实时监测用户的生理指标及时发现潜在的问题或异常状况，并且针对不同类型的人员设置了不同类型不同频率的人体状态监测，进而能够更加准确的及时的发现人体存在的异常，并且及时的发现人体异常并进行警示，还用实现了对智能穿戴设备本身的相关数据处理分析，及时的发现智能穿戴设备本身存在的问题，进行及时的进行提示，减少因为智能穿戴设备本身存在的问题，导致的其无法提供稳定的人体监测和导致的监测到的人体信息准确度不够高影响分析结果的状况发生，实现了更加全面的数据处理分析，让该方法更加值得推广使用。