一种多设备协同场景识别与数据清洗方法及系统与流程
本发明涉及智能健康监测与可穿戴设备,具体涉及一种基于多个可穿戴终端协同工作的场景识别与数据清洗方法及系统。
背景技术:
1、随着智能可穿戴设备的普及,智能戒指、智能手环和智能吊坠等设备越来越多地进入人们的日常生活。然而,现有可穿戴设备在健康监测领域面临一个普遍性问题:动作的相似性容易导致场景误判,从而污染健康数据。
2、以头皮健康监测为例,用户佩戴智能戒指进行洗护行为识别时,游泳时的手臂划水动作、洗碗时的手腕旋转动作、手洗衣物时的手指往复动作,在惯性测量单元信号层面与洗头时手指揉搓头皮的动作存在一定程度的相似性。如果系统无法准确区分这些场景,大量非洗护行为数据将被错误地计入洗护行为统计,导致揉搓覆盖度、洗护频次和冲洗时长等关键指标严重失真。
3、现有技术中,智能可穿戴设备均为独立工作模式。智能戒指仅能感知手部动作,无法判断身体姿态和环境状态;智能手环虽能感知手腕动作和心率,但无法判断手指的精细动作;智能吊坠虽能感知身体姿态,但在洗浴场景中经常被摘下。任何单一设备都无法独立完成真实场景的准确判断。
4、此外,现有技术中尚无通过多设备间通信进行交叉验证、从而自动区分洗护行为与非洗护行为,并对数据进行源头清洗的方案。因此,亟需一种能够联合多个可穿戴终端,通过设备间协同通信和数据交叉验证,实现高可靠性场景识别与数据清洗的技术方案。
技术实现思路
1、本发明的目的在于提供一种多设备协同场景识别与数据清洗方法及系统,以解决现有技术中单一可穿戴设备场景判断能力有限、非洗护行为数据污染健康监测基线的问题。
2、为实现上述目的,本发明提供如下技术方案:
3、一种多设备协同场景识别与数据清洗方法,应用于包含多个可穿戴终端的系统,所述多个可穿戴终端分别佩戴于用户身体的不同部位,包括以下步骤:
4、s1:在所述多个可穿戴终端之间建立轻量级设备间通信网络,并确定其中至少一个可穿戴终端作为主节点,其余可穿戴终端作为从节点;
5、s2:通过各可穿戴终端之间的佩戴状态互检,确认各终端的在体状态;
6、s3:主节点接收来自各从节点的传感器数据,所述传感器数据包括惯性测量单元数据、生理信号数据和环境状态数据;
7、s4:主节点对来自不同可穿戴终端的动作特征、生理特征和环境特征进行联合分析,结合佩戴状态互检结果,通过场景融合判定模型判定用户当前所处的真实物理场景;
8、s5:根据场景判定结果执行数据清洗策略:当判定为有效洗护行为场景时,将该时段数据正常输入洗护行为识别流程;当判定为非洗护行为场景时,将该时段数据自动标记为非洗护数据,并排除在洗护行为识别流程之外。
9、进一步地,所述多个可穿戴终端包括:佩戴于手指的智能戒指,用于采集手部精细动作的惯性测量单元信号;佩戴于手腕的智能手环,用于采集手腕动作的惯性测量单元信号和心率信号;佩戴于胸前的智能吊坠,用于采集身体姿态信号和心率信号。
10、进一步地,s1中所述主节点为所述智能手环,从节点为所述智能戒指和所述智能吊坠。
11、进一步地,还包括自适应头部高度标定与洗护动作确认步骤:所述主节点或从节点在用户日常洗浴过程中,持续记录手部在空间中的高度变化;当检测到手部反复触达同一最高区域并在该区域停留,且同时检测到水流或淋湿状态时,自动将该最高区域标定为用户的头部参考高度。
12、在预设时间窗内,手部持续位于所述头部参考高度附近,且该状态在该时间窗内连续保持,同时存在水流且检测到手指关节的小范围屈伸揉搓动作时,判定为洗头揉搓行为;当手部位置显著低于头部参考高度时,判定为非洗护行为。
13、进一步地,所述头部参考高度的建立完全通过用户日常行为自适应完成,不采集任何音频数据,不要求用户输入身高、臂长等个人身体参数。
14、进一步地,还包括单戒指左右手自动识别步骤:所述智能戒指通过分析其内置惯性测量单元在用户自然站立状态下与重力矢量的几何关系,结合用户日常抓握动作的惯用手频率特征以及动作轨迹的旋转方向特征,自动判定其佩戴于左手或右手,无需用户手动设置。
15、进一步地,s4中所述场景融合判定模型将场景至少区分为:有效洗护行为场景、抓挠行为场景、吹干行为场景、游泳场景、淋雨场景、家务清洗场景、身体清洁场景、冲洗场景、户外运动场景、睡眠场景和室内静息场景。
16、进一步地,所述有效洗护行为场景的判定,还包括基于手指关节活跃度的握持/按摩动作区分步骤:当手指关节活跃度低于预设阈值时,判定当前手部动作不是指腹按摩,不进入洗护揉搓数据记录;所述预设阈值通过用户在初始使用周期内,由系统自动采集该用户的揉搓动作与握持动作信号特征,并基于两者分布差异自适应确定。
17、进一步地,所述游泳场景、淋雨场景、家务清洗场景、身体清洁场景和冲洗场景的排除条件为:
18、所述游泳场景的判定条件包括:手环检测到大幅度的周期性划水动作,心率显著升高且心率变异性下降,且戒指和/或吊坠处于离体状态或运动特征不符合洗护行为模式;
19、所述淋雨场景的判定条件包括:戒指和手环检测到大幅度有规律的摆臂动作,吊坠检测到直立行走姿态和垂直振动,且头部参考高度的持续停留条件不成立;
20、所述家务清洗场景的判定条件包括:手部持续位于水槽或盆体低位,头部参考高度条件不成立,且手指关节保持锁定状态;
21、所述身体清洁场景的判定条件包括:手部高度远低于头部参考高度,身体姿态为弯腰或屈膝,动作轨迹为平面往复;
22、所述冲洗场景的判定条件包括:手指关节锁定为握持状态,手腕做定向摆动,且加速度计感知到水流冲击的高频微振动。
23、进一步地,各场景判定采用统一或分级的时间窗基准。洗护行为确认采用3-5秒连续判定窗;短暂经过头部高位不触发采集;家务清洗、身体清洁、冲洗等排除场景,亦需在对应动作特征持续满足后方可判定。
24、进一步地,揉搓动作的“小范围”通过手部动作空间能量分布半径判定,该半径基于用户个人的头部曲率特征和揉搓动作基线自适应确定,以区分揉搓头皮与大幅摆臂、搓洗衣物等动作。
25、本发明还提供一种多设备协同场景识别与数据清洗系统,用于实现上述方法,包括:多个可穿戴终端,分别佩戴于用户手指、手腕和胸前,用于采集各自佩戴部位的惯性测量单元信号、生理信号和环境状态数据;所述多个可穿戴终端之间建立轻量级蓝牙通信网络,其中智能手环作为主节点,智能戒指和智能吊坠作为从节点;主节点内置场景融合判定模型,用于对来自各节点的动作特征、生理特征和环境特征进行联合分析,判定用户所处的真实物理场景,并根据判定结果执行数据清洗策略。
26、有益效果
27、与现有技术相比,本发明具有以下有益效果:
28、1. 数据纯净度大幅提升:通过源头过滤策略,游泳、淋雨、洗碗、搓内衣、搓脚、拿花洒等干扰场景的数据被自动隔离,洗护行为基线的准确率显著提高;
29、2. 洗头与非洗头的区分达到高置信度:四重条件(头部参考高度+手指关节活跃+小范围揉搓+持续水流)的综合判定,使“真洗头”和“只是湿了手”的区分更加可靠;
30、3. 手部动作语义理解从“大概”升级到“精确”:戒指不仅知道手在动,还知道手指在干什么,甚至能区分按摩和抓挠。这为揉搓覆盖度的质量评估提供了更细的维度;
31、4. 吊坠的角色清晰,功能不冗余:吊坠专注于生理节律和姿态感知,保持轻巧美观,用户愿意长期佩戴,为多模态健康分析提供稳定的数据底色;
32、5. 吹干行为的独立识别补全了洗护周期数据链条:洗头、冲洗、吹干三个环节的数据完整化,使热损伤关联分析成为可能;
33、6. 数据清洗的可视化能力构建信任:透明橱窗演示让用户直观看到系统如何“知道什么该采、什么不该采”,将技术可信度转化为用户可感知的信任;
34、7. 隐私保护到位,全程无感:无音频采集、无手动输入、自适应学习。用户不需要做任何额外操作,数据清洗在后台自动完成。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com