一种体重管理方法及系统与流程

本技术涉及体重管理的，尤其是涉及一种体重管理方法及系统。

背景技术：

1、肥胖是指一定程度的明显超重与脂肪层过厚，是体内脂肪，尤其是甘油三酯积聚过多而导致的一种状态。由于食物摄入过多或机体代谢的改变而导致体内脂肪积聚过多造成体重过度增长并导致人体产生危害的慢性病。肥胖不是评判一个人健康状况的标准，超重和肥胖的界定标准为体质指数(bmi)，是衡量肥胖的筛查指标。肥胖影响形体美，严重危害人们身体健康，降低生活质量，降低寿命。随着人们生活水平的提高，人们的饮食结构和生活习惯发生了很大的变化，加上工作生活节奏快，很多人没有时间锻炼，肥胖问题日渐突出，尤其是中老年人，肥胖问题更加严重。

2、在控制体重时，除了管住嘴，还需迈开腿，目前市面上的运动设备五花八门，如何选择适合自己的运动方式，是困扰大众的一个难点；

3、在目前健身过程中，健身者仅通过主观的判断进行健身，其评价是否达到相应的运动量也是依靠主观的判断进行评价，完全缺乏相应的数据作为支撑。主观的判断具有不确定性，对于不同的人由于身体素质不同因而同样的运动量对于每个人的消耗并不一致，因此健身者在锻炼后其实并不能准确的判断是否达到了训练目标。

4、同样的在饮食方面也是如此，如何确定饮食是否健康，哪些饮食适合健身者，也缺乏相应的指导；

5、因此如何确定健身者的生活习惯达到健康指标，并根据用户状态给出相对应的改善计划或建议就是本发明所要解决的问题。

技术实现思路

1、为了至少部分解决上述技术问题，本技术提供了一种体重管理方法及系统。

2、第一方面，本技术提供的一种体重管理方法采用如下的技术方案。

3、一种体重管理方法，其特征在于，包括：

4、获取由第一智能终端发送的心率信息及所述心率信息所对应的心态信息；所述第一智能终端为智能手环或者智能手表；

5、获取由第二智能终端中的饮食软件记载的当天的饮食信息；所述饮食信息包括食品种类及食品重量；所述第二智能终端为智能手机；

6、获取第一智能终端或者绑定的运动app发送的运动信息；

7、获取第二智能终端中记载得到排泄信息；所述排泄信息包括排泄类型、排泄时间；所述排泄信息由用户进行填写后保存得到；

8、获取第一智能终端中记录的睡眠信息；

9、基于所述心态信息、饮食信息、运动信息、排泄信息及睡眠信息得到体重管理评分及体重管理建议方案；

10、将所述体重管理评分及所述体重管理建议方案发送至所述第二智能终端。

11、可选的，基于所述心态信息、饮食信息、运动信息、排泄信息及睡眠信息得到体重管理评分及体重管理建议方案，包括：

12、基于心态信息得到情绪状态的识别结果以得到心态评分f1；

13、基于饮食信息中的食品种类及重量得到各种营养成分的总摄入量并进行营养均衡评估；基于营养均衡评估结果得到饮食评分f2;

14、基于运动信息进行运动量计算及运动效果评估；基于运动量及运动效果等得到运动评分f3；

15、基于排泄信息分析排泄频率和类型以判断是否存在便秘或腹泻问题得到代谢状态，根据代谢状态得到代谢评分f4；

16、基于睡眠信息进行睡眠质量评估；所述睡眠质量评估包括计算总的睡眠时长以及分析深睡、浅睡和rem睡眠的比例；根据睡眠质量评估结果得到睡眠评分f5；

17、基于心态评分f1、饮食评分f2、运动评分f3、代谢评分f4、睡眠评分f5及预设的评价公式得到体重管理评分；

18、基于心态评分f1、饮食评分f2、运动评分f3、代谢评分f4及睡眠评分f5中的异常项生成体重管理建议方案。

19、可选的，所述方法还包括：

20、基于用户信息获取用户历史数据；

21、分析用户行为模式；所述分析用户行为模式包括：分析历史心态信息，识别用户的情绪波动规律；分析历史饮食信息，识别用户的饮食偏好与习惯；分析历史运动信息，识别用户的运动频率与强度习惯；分析历史排泄信息，识别用户的排泄规律；分析历史睡眠信息，识别用户的睡眠模式；

22、基于所述用户历史数据及用户行为模式预测用户的体重变化趋势；

23、基于体重变化趋势预测结果调整所述体重管理建议方案以适应用户的体重变化趋势；

24、将调整后的体重管理建议方案发送至第二智能终端。

25、可选的，基于运动信息进行运动量计算及运动效果评估，包括：

26、从运动信息中定位得到运动时间、运动模式及运动强度；所述运动模式包括走路、跑步、健身；所述运动强度用于表征运动过程中的心率变化；

27、基于运动时间、运动模式及运动强度计算运动量得到运动系数e1；e1越大代表运动量越大；

28、基于体重管理目标及运动系数e1得到运动强度预测范围；所述运动强度预测范围包括最大运动强度emax及最小运动强度emin；

29、判断运动过程中实测的最大负荷值是否大于最大运动强度emax，若实测的最大负荷值大于最大运动强度emax则为超负荷；

30、获取超负荷的次数；判断是否为第一次超负荷，若为第一次超负荷则生成运动状态良好评分提示；

31、若为非第一次超负荷则进入预设的疲劳恢复期，若在疲劳恢复期后实测的最大负荷值小于emin则为超负荷恢复良好，疲劳恢复期结束；

32、若在疲劳恢复期后最大负荷值未小于emin，则判定当前运动强度对运动效果无帮助。

33、可选的，所述基于心率信息及预设心率波动曲线进行情绪状态识别，包括：接收所述第一智能终端发送的心率曲线，所述心率曲线基于用户正常状态下的心率信息生成；

34、获取心率曲线的波峰及波谷；

35、根据预设心率波动曲线将每个波峰及波谷与所述预设心率波动曲线进行比对；

36、根据比对结果判断波峰与波谷的偏离程度；基于偏离程度进行情绪状态的评估以得到当前的情绪状态信息。

37、可选的，所述方法还包括：

38、提取所述情绪状态信息中的情绪变化趋势；所述情绪变化趋势根据心率信息计算得到；

39、根据情绪变化趋势及历史情绪状态信息判定用户情绪与所述心率曲线的关联性以对所述情绪变化趋势修正得到正确的用户情绪；

40、基于正确的用户情绪及对应的心率曲线的波峰及波谷确定用户情绪与心率曲线的对应关系；

41、根据用户情绪与心率曲线的对应关系及用户情绪的规律判断当前情绪是否处于异常状态；

42、基于所述异常状态中的情绪影响因素进行规律分析，得到异常状态原因信息。

43、可选的，所述用户情绪影响因素包括饮食信息、运动信息、排泄信息、行为习惯、睡眠信息；

44、所述规律分析的过程包括：

45、将影响体重变化的影响因素从影响因素组中剔除得到分析组；所述影响因素包括影响因素组中的全部因素及相应的影响程度；

46、对所述分析组内的影响因素根据影响程度由小到大依次排列；将分析组内影响因素随机两两组合；

47、将组合得到的各个组合基于预设的关系评估模型与用户历史行为进行匹配，得到每一组合对应的匹配度；

48、判断分析组的每一个影响因素是否存在至少一个组合中的匹配度高和/或低于预设匹配度阈值的影响因素与其相关联，若存在关联，则将所述影响因素从所述分析组内剔除并加入异常状态原因信息；

49、若不存在关联，则将所述影响因素作为建议因素保存，将建议因素及对应的影响程度作为体重管理建议方案的部分；将所述影响因素组内剔除出的影响因素进行单独分析，若单独分析得到的匹配度满足预设匹配度阈值，则将所述影响因素放入异常状态原因信息；

50、若单独分析得到的匹配度不满足预设匹配度阈值，则将所述影响因素作为建议因素保存，将建议因素及对应的影响程度作为体重管理建议方案的部分。

51、第二方面，本技术提供的一种体重管理方法采用如下的技术方案。

52、第三方面，本技术公开一种电子设备，包括存储器和处理器，所述存储器上存储有被处理器加载并执行上述的任一方法的计算机程序。

53、第四方面，本技术公开一种计算机可读存储介质，存储有能够被处理器加载并执行上述的任一方法的计算机程序。