人体状态检测方法、装置、终端设备以及存储介质与流程

1.本发明涉及人体状态监护技术领域，尤其涉及一种人体状态检测方法、装置、终端设备以及存储介质。


背景技术：

2.在日常生活中，由于每个人的身体素质和生活习惯不同，对环境的应激反应能力也不相同，对人体状态进行判断有助于结合人体状态对所处环境状态进行调节，特别是当前智能家居类的系统设计，根据判断出的人体状态改变环境状态，可以动态满足人们对舒适生活的要求，提高人体的舒适度。
3.因此，有必要提出一种对人体状态进行检测的解决方案。


技术实现要素：

4.本发明的主要目的在于提供一种人体状态检测方法、装置、终端设备以及存储介质，旨在满足人们对舒适生活的要求，提高人体的舒适度。
5.为实现上述目的，本发明提供一种人体状态检测方法，所述人体状态检测方法应用于穿戴类设备，所述人体状态检测方法包括以下步骤：
6.获取用户的心率数据；
7.基于预先确定的人体状态域，根据所述心率数据检测所述用户的人体状态，其中，所述人体状态域通过静息心率基准值、运动心率最高值以及睡眠心率最低值计算得到；
8.根据所述人体状态对用户所处环境状态进行调节。
9.可选地，所述基于预先确定的人体状态域，根据所述心率数据检测所述用户的人体状态的步骤之前还包括：
10.获取所述静息心率基准值、运动心率最高值以及睡眠心率最低值；
11.根据所述静息心率基准值与运动心率最高值计算运动心率阈值，并根据所述运动心率阈值与运动心率最高值确定运动状态域；
12.根据所述静息心率基准值与睡眠心率最低值计算睡眠心率阈值，并根据所述睡眠心率阈值与睡眠心率最低值确定睡眠状态域；
13.根据所述运动心率阈值与睡眠心率阈值确定静息状态域，所述人体状态域包括所述睡眠状态域、静息状态域以及运动状态域。
14.可选地，所述基于预先确定的人体状态域，根据所述心率数据检测所述用户的人体状态的步骤包括：
15.判断所述心率数据所处的人体状态域；
16.若所述心率数据是处于所述睡眠状态域，则判定所述用户处于睡眠状态；
17.若所述心率数据是处于所述静息状态域，则判定所述用户处于静息状态；
18.若所述心率数据是处于所述运动状态域，则判定所述用户处于运动状态。
19.可选地，所述若所述心率数据是处于所述睡眠状态域，则判定所述用户处于睡眠
状态的步骤之后还包括：
20.获取预设睡眠监测时间内所述用户的睡眠心率数据集；
21.根据所述睡眠心率数据集计算睡眠心率数据均值；
22.若所述睡眠心率数据均值小于所述睡眠心率阈值，则返回执行获取预设睡眠监测时间内所述用户的睡眠心率数据集的步骤以及后续步骤，直至执行次数达到睡眠监测阈值，输出用户处于睡眠状态。
23.可选地，所述若所述心率数据是处于所述运动状态域，则判定所述用户处于运动状态的步骤之后还包括：
24.获取预设运动监测时间内所述用户的运动心率数据集；
25.根据所述运动心率数据集计算运动心率数据均值；
26.若所述运动心率数据均值大于所述运动心率阈值，则返回执行获取预设运动监测时间内所述用户的运动心率数据集的步骤以及后续步骤，直至执行次数达到运动监测阈值，输出用户处于运动状态。
27.可选地，所述若所述心率数据是处于所述静息状态域，则判定所述用户处于静息状态的步骤之后还包括：
28.间隔预设静息监测时间获取所述用户的静息心率数据；
29.根据所述静息心率数据与静息心率基准值计算心率偏移量，并根据所述心率偏移量判断所述用户所处状态是否发生改变；
30.若所述用户所处状态发生改变，则调整所述预设静息监测时间并返回执行获取所述用户的心率数据的步骤以及后续步骤，直至确定所述用户所处的人体状态。
31.可选地，所述根据所述人体状态对用户所处环境状态进行调节的步骤包括：
32.判断所述用户的人体状态；
33.若所述用户的人体状态为运动状态，则向智能设备发送预设运动状态指令，其中，所述智能设备包括空调、新风系统、播放器、闹钟、照明系统以及饮水机中的一项或多项，所述运动状态指令包括运动温度、运动风力、运动风速、水分补充提醒、饮料种类以及饮料数量中的一项或多项；
34.若所述用户的人体状态为睡眠状态，则向所述智能设备发送预设睡眠状态指令，其中，所述睡眠状态指令包括睡眠温度、睡眠风力、睡眠风速、灯光亮度以及唤醒时间中的一项或多项。
35.此外，为实现上述目的，本发明还提供一种人体状态检测装置，所述人体状态检测装置包括：
36.获取模块，用于获取用户的心率数据；
37.判断模块，用于基于预先确定的人体状态域，根据所述心率数据检测所述用户的人体状态，其中，所述人体状态域通过静息心率基准值、运动心率最高值以及睡眠心率最低值计算得到；
38.调节模块，用于根据所述人体状态对用户所处环境状态进行调节。
39.此外，为实现上述目的，本发明还提供一种终端设备，所述终端设备包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的人体状态检测程序，所述人体状态检测程序被所述处理器执行时实现如上所述的人体状态检测方法的步骤。
40.此外，为实现上述目的，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有人体状态检测程序，所述人体状态检测程序被处理器执行时实现如上所述的人体状态检测方法的步骤。
41.本发明实施例提出的一种人体状态检测方法、装置、终端设备以及存储介质，通过获取用户的心率数据；基于预先确定的人体状态域，根据所述心率数据检测所述用户的人体状态，其中，所述人体状态域通过静息心率基准值、运动心率最高值以及睡眠心率最低值计算得到。通过静息心率基准值、运动心率最高值以及睡眠心率最低值确定人体状态域，将获取的用户的心率数据与人体状态域进行比较，从而对用户所处的人体状态作出准确判断。
附图说明
42.图1为本发明人体状态检测装置所属终端设备的功能模块示意图；
43.图2为本发明人体状态检测方法一示例性实施例的流程示意图；
44.图3为本发明人体状态检测方法另一示例性实施例的流程示意图；
45.图4为图2实施例中步骤s20的具体流程示意图；
46.图5为本发明实施例中睡眠状态心率采集示意图；
47.图6为本发明实施例中运动状态心率采集示意图；
48.图7为本发明实施例中不同心率下对应的人体状态示意图；
49.图8为本发明实施例中根据人体不同状态自适应调节家庭环境的流程示意图。
50.本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
51.应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
52.本发明实施例的主要解决方案是：通过获取用户的心率数据；基于预先确定的人体状态域，根据所述心率数据检测所述用户的人体状态，其中，所述人体状态域通过静息心率基准值、运动心率最高值以及睡眠心率最低值计算得到。通过静息心率基准值、运动心率最高值以及睡眠心率最低值确定人体状态域，将获取的用户的心率数据与人体状态域进行比较，从而对用户所处的人体状态作出准确判断。
53.具体地，参照图1，图1为本发明人体状态检测装置所属终端设备的功能模块示意图。该人体状态检测装置可以为独立于终端设备的、能够进行人体状态检测的装置，其可以通过硬件或软件的形式承载于终端设备上。该终端设备可以为手机、平板电脑等具有数据处理功能的智能移动终端，还可以为具有数据处理功能的固定终端设备或服务器等。
54.在本实施例中，该人体状态检测装置所属终端设备至少包括输出模块110、处理器120、存储器130以及通信模块140。
55.存储器130中存储有操作系统以及人体状态检测程序，人体状态检测装置可以将获取的用户的心率数据、预先确定的人体状态域、根据所述心率数据判断的所述用户的人体状态、静息心率基准值、运动心率最高值以及睡眠心率最低值等信息存储于该存储器130中；输出模块110可为显示屏等。通信模块140可以包括wifi模块、移动通信模块以及蓝牙模块等，通过通信模块140与外部设备或服务器进行通信。
56.其中，存储器130中的人体状态检测程序被处理器执行时实现以下步骤：
57.获取用户的心率数据；
58.基于预先确定的人体状态域，根据所述心率数据检测所述用户的人体状态，其中，所述人体状态域通过静息心率基准值、运动心率最高值以及睡眠心率最低值计算得到；
59.根据所述人体状态对用户所处环境状态进行调节。
60.进一步地，存储器130中的人体状态检测程序被处理器执行时还实现以下步骤：
61.获取所述静息心率基准值、运动心率最高值以及睡眠心率最低值；
62.根据所述静息心率基准值与运动心率最高值计算运动心率阈值，并根据所述运动心率阈值与运动心率最高值确定运动状态域；
63.根据所述静息心率基准值与睡眠心率最低值计算睡眠心率阈值，并根据所述睡眠心率阈值与睡眠心率最低值确定睡眠状态域；
64.根据所述运动心率阈值与睡眠心率阈值确定静息状态域，所述人体状态域包括所述睡眠状态域、静息状态域以及运动状态域。
65.进一步地，存储器130中的人体状态检测程序被处理器执行时还实现以下步骤：
66.判断所述心率数据所处的人体状态域；
67.若所述心率数据是处于所述睡眠状态域，则判定所述用户处于睡眠状态；
68.若所述心率数据是处于所述静息状态域，则判定所述用户处于静息状态；
69.若所述心率数据是处于所述运动状态域，则判定所述用户处于运动状态。
70.进一步地，存储器130中的人体状态检测程序被处理器执行时还实现以下步骤：
71.获取预设睡眠监测时间内所述用户的睡眠心率数据集；
72.根据所述睡眠心率数据集计算睡眠心率数据均值；
73.若所述睡眠心率数据均值小于所述睡眠心率阈值，则返回执行获取预设睡眠监测时间内所述用户的睡眠心率数据集的步骤以及后续步骤，直至执行次数达到睡眠监测阈值，输出用户处于睡眠状态。
74.进一步地，存储器130中的人体状态检测程序被处理器执行时还实现以下步骤：
75.获取预设运动监测时间内所述用户的运动心率数据集；
76.根据所述运动心率数据集计算运动心率数据均值；
77.若所述运动心率数据均值大于所述运动心率阈值，则返回执行获取预设运动监测时间内所述用户的运动心率数据集的步骤以及后续步骤，直至执行次数达到运动监测阈值，输出用户处于运动状态。
78.进一步地，存储器130中的人体状态检测程序被处理器执行时还实现以下步骤：
79.间隔预设静息监测时间获取所述用户的静息心率数据；
80.根据所述静息心率数据与静息心率基准值计算心率偏移量，并根据所述心率偏移量判断所述用户所处状态是否发生改变；
81.若所述用户所处状态发生改变，则调整所述预设静息监测时间并返回执行获取所述用户的心率数据的步骤以及后续步骤，直至确定所述用户所处的人体状态。
82.进一步地，存储器130中的人体状态检测程序被处理器执行时还实现以下步骤：
83.判断所述用户的人体状态；
84.若所述用户的人体状态为运动状态，则向智能设备发送预设运动状态指令，其中，
所述智能设备包括空调、新风系统、播放器、闹钟、照明系统以及饮水机中的一项或多项，所述运动状态指令包括运动温度、运动风力、运动风速、水分补充提醒、饮料种类以及饮料数量中的一项或多项；
85.若所述用户的人体状态为睡眠状态，则向所述智能设备发送预设睡眠状态指令，其中，所述睡眠状态指令包括睡眠温度、睡眠风力、睡眠风速、灯光亮度以及唤醒时间中的一项或多项。
86.本实施例通过上述方案，具体通过获取用户的心率数据；基于预先确定的人体状态域，根据所述心率数据检测所述用户的人体状态，其中，所述人体状态域通过静息心率基准值、运动心率最高值以及睡眠心率最低值计算得到。通过静息心率基准值、运动心率最高值以及睡眠心率最低值确定人体状态域，将获取的用户的心率数据与人体状态域进行比较，从而对用户所处的人体状态作出准确判断。
87.基于上述终端设备架构但不限于上述架构，提出本发明方法实施例。
88.本实施例方法的执行主体可以为一种人体状态检测装置或终端设备等，本实施例以人体状态检测装置进行举例。
89.参照图2，图2为本发明人体状态检测方法一示例性实施例的流程示意图。所述人体状态检测方法包括：
90.步骤s10，获取用户的心率数据；
91.在日常生活中，由于每个人的身体素质和生活习惯不同，对环境的应激反应能力也不相同，人体的不同状态可以由心率数据反映出来。在获取用户当前的心率数据之前，通过心率检测传感器检测所述用户的心率数据，其中，所述心率检测传感器与所述穿戴类设备连接。
92.具体地，本发明实施例中，通过在人体穿戴类设备内部额外安装心率检测传感器，以获得用户的心率数据。当人体处于睡眠状态时，新陈代谢速度降低，心率会偏低。当人体处于运动状态时，新陈代谢速度加快，心率会偏高。通过心率检测传感器检测人体当前心率，将检测到的心率转为电信号经ad转换传给穿戴类设备的处理器，从而可以对用户所处的人体状态进行判断。
93.步骤s20，基于预先确定的人体状态域，根据所述心率数据检测所述用户的人体状态，其中，所述人体状态域通过静息心率基准值、运动心率最高值以及睡眠心率最低值计算得到；
94.进一步地，在进行人体状态检测之前，需先确定当前用户的人体状态域，人体状态域主要包括睡眠状态域、静息状态域以及运动状态域，此类人体状态域是根据采集的静息心率基准值、运动心率最高值以及睡眠心率最低值计算得到。建立当前用户的人体状态域后，即可根据获取的用户的心率数据判断用户所处的人体状态，进而结合当前的环境状态进行调节，使用户所处环境与人体状态更加适宜，如果判断出运动状态超过用户的人体负荷，则可以提醒用户注意休息，如果判断出用户处于睡眠状态，则可以调节当前环境中决定温度、光照及音量等因素的智能设备，从而提高用户的舒适度。
95.步骤s30，根据所述人体状态对用户所处环境状态进行调节。
96.判断所述用户的人体状态；
97.若所述用户的人体状态为运动状态，则向智能设备发送预设运动状态指令，其中，
所述智能设备包括空调、新风系统、播放器、闹钟、照明系统以及饮水机中的一项或多项，所述运动状态指令包括运动温度、运动风力、运动风速、水分补充提醒、饮料种类以及饮料数量中的一项或多项；
98.若所述用户的人体状态为睡眠状态，则向所述智能设备发送预设睡眠状态指令，其中，所述睡眠状态指令包括睡眠温度、睡眠风力、睡眠风速、灯光亮度以及唤醒时间中的一项或多项。
99.具体地，如果穿戴类接口给出的是运动状态，智能家居控制系统会通过调节空调、新风系统，播放运动音乐和视频，设定闹铃提醒补充水分，并根据人体当前状态预定好适宜的饮料种类和数量等等，然后再实时监控家庭环境调整之后人体状态的改变，进行微调环境；
100.如果穿戴类接口给出的是睡眠态，智能家居控制系统会通过睡眠态调节调节空调、新风系统、灯光亮度，预定闹铃等等，营造一个更适合睡眠的环境状态，然后再实时监控家庭环境调整之后人体状态的改变，进行微调环境。
101.在本实施例中，通过获取用户的心率数据；基于预先确定的人体状态域，根据所述心率数据检测所述用户的人体状态，其中，所述人体状态域通过静息心率基准值、运动心率最高值以及睡眠心率最低值计算得到。通过静息心率基准值、运动心率最高值以及睡眠心率最低值确定人体状态域，将获取的用户的心率数据与人体状态域进行比较，从而对用户所处的人体状态作出准确判断。
102.参照图3，图3为本发明人体状态检测方法另一示例性实施例的流程示意图。基于上述图2所示的实施例，在本实施例中，在基于预先确定的人体状态域，根据所述心率数据检测所述用户的人体状态的步骤之前，所述人体状态检测方法还包括：
103.步骤s01，获取所述静息心率基准值、运动心率最高值以及睡眠心率最低值；
104.当用户使用可穿戴类设备时，在智能家居服务器端可以进行设定，将用户处于静息状态时采集到的心率值作为静息心率基准值p0，将用户处于运动状态下采集到的心率最高值作为运动心率最高值p
max
，将用户处于睡眠状态下采集到的心率最低值作为睡眠心率最值p
min
，由于不同的人静息心率会不相同，人体在不同的环境下静息心率也会不同，所以每次佩戴时或者环境发生改变时都需要重新校准。
105.步骤s02，根据所述静息心率基准值与运动心率最高值计算运动心率阈值，并根据所述运动心率阈值与运动心率最高值确定运动状态域；
106.进一步地，确定静息心率基准值p0与运动心率最高值p
max
后，即可根据静息心率基准值与运动率最高值计算运动心率值p1，即：
107.p1＝p0 (p
max-p0)*α
108.其中，α为心率强度系数，本发明实施例中将α设定为80％，即心率高于最大心率的80％时认为是运动状态，心率低于安静态心率的80％认为是睡眠状态。
109.计算出运动心率阈值p1后，即可根据运动心率阈值p1与运动心率最高值p
max
确定运动状态域。
110.步骤s03，根据所述静息心率基准值与睡眠心率最低值计算睡眠心率阈值，并根据所述睡眠心率阈值与睡眠心率最低值确定睡眠状态域；
111.确定静息心率基准值p0与睡眠心率最低值p
min
后，即可根据静息心率基准值p0与睡
眠心率阈值p
min
计算睡眠心率阈值p2，即：
112.p2＝p
0-(p
0-p
min
)*α
113.其中，α为心率强度系数，本发明实施例中将α设定为80％，即心率高于最大心率的80％时认为是运动状态，心率低于安静态心率的80％认为是睡眠状态。
114.计算出睡眠心率阈值p2后，即可根据睡眠心率阈值p2与睡眠心率最低值p
min
确定睡眠状态域。
115.步骤s04，根据所述运动心率阈值与睡眠心率阈值确定静息状态域，所述人体状态域包括所述睡眠状态域、静息状态域以及运动状态域。
116.计算出运动心率阈值p1与睡眠心率阈值p2后，即可根据运动心率阈值p1与睡眠心率阈值p2静息状态域，静息状态域中包括了静息心率基准值，由睡眠状态域、静息状态域以及运动状态域构成了人体状态域，将检测到的用户当前的心率数据与各睡眠状态域、静息状态域以及运动状态域的边界值进行比较，即可快速判断出用户所处的人体状态。
117.本实施例通过上述方案，具体通过获取所述静息心率基准值、运动心率最高值以及睡眠心率最低值；根据所述静息心率基准值与运动心率最高值计算运动心率阈值，并根据所述运动心率阈值与运动心率最高值确定运动状态域；根据所述静息心率基准值与睡眠心率最低值计算睡眠心率阈值，并根据所述睡眠心率阈值与睡眠心率最低值确定睡眠状态域；根据所述运动心率阈值与睡眠心率阈值确定静息状态域，所述人体状态域包括所述睡眠状态域、静息状态域以及运动状态域。由睡眠状态域、静息状态域以及运动状态域构成了人体状态域，将检测到的用户当前的心率数据与各睡眠状态域、静息状态域以及运动状态域的边界值进行比较，即可快速判断出用户所处的人体状态。
118.参照图4，图4为图2实施例中步骤s20的具体流程示意图。本实施例基于上述图2所示的实施例，在本实施例中，上述步骤s20包括：
119.步骤s201，判断所述心率数据所处的人体状态域；
120.获取到用户当前的心率数据后，将所述心率数据与睡眠状态域、静息状态域或运动状态域的边界阈值进行比较，即判断心率数据所处的范围，如果心率数据在睡眠心率最低值与睡眠心率阈值之间，则所述心率数据处于睡眠状态域，如果心率数据在睡眠心率阈值与运动心率阈值之间，则所述心率数据处于静息状态域，如果心率数据在运动心率阈值与运动心率最高值之间，则所述心率数据处于运动状态域。
121.步骤s202，若所述心率数据是处于所述睡眠状态域，则判定所述用户处于睡眠状态；
122.如果心率数据处于睡眠状态域，则初步判定用户处于睡眠状态，可进一步收集用户的心率数据对用户所处的人体状态进行准确判断，具体包括：
123.获取预设睡眠监测时间内所述用户的睡眠心率数据集；
124.根据所述睡眠心率数据集计算睡眠心率数据均值；
125.若所述睡眠心率数据均值小于所述睡眠心率阈值，则返回执行获取预设睡眠监测时间内所述用户的睡眠心率数据集的步骤以及后续步骤，直至执行次数达到睡眠监测阈值，输出用户处于睡眠状态。
126.参照图5，图5为本发明实施例中睡眠状态心率采集示意图，如图5所示，当人体处于睡眠状态时，心率数据会偏低，本发明实施例中，预设睡眠监测时间为10秒钟，即每隔1秒
采集一次心率数据，采集10次后得到用户的睡眠心率数据集，进而计算当前睡眠心率数据均值p2’
，即：
[0127][0128]
其中，x为每秒钟检测的心率，将当前睡眠心率数据均值与睡眠心率阈值p2进行比较，如果当前睡眠心率数据均值小于睡眠心率阈值p2，则判定此时用户处于睡眠状态，穿戴类设备会继续采集下一时间段的当前睡眠心率数据均值作为新的p2’
，然后与睡眠心率阈值p2作比较，下一时间段继续如此进行。当判为睡眠态的时间超过某个时间段，此时穿戴类设备认为人体已进入深度睡眠状态，穿戴类设备给出状态。当判为睡眠态的时间未超过某个时间段，此时穿戴类设备不动作。
[0129]
步骤s203，若所述心率数据是处于所述静息状态域，则判定所述用户处于静息状态；
[0130]
如果心率数据处于静息状态域，则初步判定用户处于静息状态，可进一步收集用户的心率数据对用户所处的人体状态进行准确判断，具体包括：
[0131]
间隔预设静息监测时间获取所述用户的静息心率数据；
[0132]
根据所述静息心率数据与静息心率基准值计算心率偏移量，并根据所述心率偏移量判断所述用户所处状态是否发生改变；
[0133]
若所述用户所处状态发生改变，则调整所述预设静息监测时间并返回执行获取所述用户的心率数据的步骤以及后续步骤，直至确定所述用户所处的人体状态。
[0134]
作为其中一种实施方式，当用户处于静息状态时，心率检测传感器每十分钟检测一次心率，以节省电量。一旦发现心率值异常(偏高或偏低)，即当前状态可能发生改变，则心率检测传感器每两分钟检测一次心率，快速响应，更加准确地获得当前的心率值。在这里当心率偏移量|p-p0|》
ò
(
ò
可取10)时，则心率检测传感器就会快速响应。
[0135]
步骤s204，若所述心率数据是处于所述运动状态域，则判定所述用户处于运动状态。
[0136]
如果心率数据处于运动状态域，则初步判定用户处于运动状态，可进一步收集用户的心率数据对用户所处的人体状态进行准确判断，具体包括：
[0137]
获取预设运动监测时间内所述用户的运动心率数据集；
[0138]
根据所述运动心率数据集计算运动心率数据均值；
[0139]
若所述运动心率数据均值大于所述运动心率阈值，则返回执行获取预设运动监测时间内所述用户的运动心率数据集的步骤以及后续步骤，直至执行次数达到运动监测阈值，输出用户处于运动状态。
[0140]
参照图6，图6为本发明实施例中运动状态心率采集示意图，如图6所示，当人体处于运动状态时，心率数据会偏高，本发明实施例中，预设运动监测时间为10秒钟，即每隔1秒采集一次心率数据，采集10次后得到用户的运动心率数据集，进而计算当前运动心率数据均值p1’
，即：
[0141][0142]
其中，x为每秒钟检测的心率，将当前运动心率数据均值与运动心率阈值p1进行比
较，如果当前运动心率数据均值小于运动心率阈值p1，则判定此时用户处于运动状态，穿戴类设备会继续采集下一时间段的当前运动心率数据均值作为新的p1’
，然后与运动心率阈值p1作比较，下一时间段继续如此进行。当判为运动态的时间超过某个时间段，此时穿戴类设备认为人体已长时间处于运动状态，穿戴类设备给出状态。当判为运动态的时间未超过某个时间段，此时穿戴类设备不动作。
[0143]
本实施例通过上述方案，具体通过判断所述心率数据是处于所述人体状态域中的睡眠状态域、静息状态域或运动状态域；若所述心率数据是处于所述睡眠状态域，则判定所述用户处于睡眠状态；若所述心率数据是处于所述静息状态域，则判定所述用户处于静息状态；若所述心率数据是处于所述运动状态域，则判定所述用户处于运动状态。根据用户的心率数据对用户的人体状态进行初步判断，进而进行进一步采集与监测，得到用户在一段时间内的人体状态，从而对用户所处的人体状态作出准确判断。
[0144]
此外，本发明实施例还提出一种人体状态检测装置，所述人体状态检测装置包括：
[0145]
获取模块，用于获取用户的心率数据；
[0146]
判断模块，用于基于预先确定的人体状态域，根据所述心率数据检测所述用户的人体状态，其中，所述人体状态域通过静息心率基准值、运动心率最高值以及睡眠心率最低值计算得到；
[0147]
调节模块，用于根据所述人体状态对用户所处环境状态进行调节。
[0148]
当前国内智能家居类的系统设计，大部分都是根据各种传感器对环境进行检测，并做出相应的判断，通过对应的措施，改变环境的状态，动态满足人们舒适生活的要求。但是环境不等于人体实际感官和身体状态，我们如果通过人体实际的状态，再结合环境的传感器的数据，综合判断后再实施措施，将会给予人更好的体验。
[0149]
具体地，人体佩戴时(静息状态下)可进行心率校准，在智能家居服务器端可设定当前采集心率值作为心率基准值p0。我们知道，不同的人静息心率会不相同，人体在不同的环境下静息心率也会不同，所以每次佩戴时或者环境发生改变时都需要重新校准。
[0150]
静息状态下心率检测传感器每十分钟检测一次心率，以节省电量。一旦发现心率值异常(偏高或偏低)，即当前状态可能发生改变，则心率检测传感器每两分钟检测一次心率，快速响应，更加准确地获得当前的心率值。在这里当心率偏移量|p-p0|》
ò
(
ò
可取10)时，则心率检测传感器就会快速响应。
[0151]
参照图7，图7为本发明实施例中不同心率下对应的人体状态示意图，如图7所示，在这里将运动状态下心率的最高值记作p
max
，运动心率阈值记作p1，睡眠状态下心率的最低值记作p
min
，睡眠心率阈值记作p2。
[0152]
运动心率阈值p1＝p0 (p
max-p0)*α
[0153]
睡眠心率阈值p2＝p
0-(p
0-p
min
)*α
[0154]
其中α为心率强度系数，这里可设定为80％，即心率高于最大心率的80％时认为是运动状态，心率低于安静态心率的80％认为是睡眠状态。
[0155]
当人体处于运动状态时，此时心率会偏高，取这时采集心率(假定心率采集为10秒钟)的平均值，即其中x为每秒钟检测的心率。当平均心率p1’
》p1(运动心率阈值)时，此时穿戴类设备判为运动态，穿戴类设备会继续采集下一时间段的心
率平均值作为新的p1’
，然后与运动心率阈值p1作比较，下一时间段继续如此进行。当判为运动态的时间t超过某个时间段
△
t，此时穿戴类设备认为人体长时间处于运动状态，穿戴类给出状态。当判为运动态的时间t未超过某个时间段
△
t，此时穿戴类设备不动作。
[0156]
当人体处于睡眠状态时，此时心率会偏低，取这时采集心率(假定心率采集为10秒钟)的平均值，即其中x为每秒钟检测的心率。当平均心率p2’
《p2(睡眠心率阈值)，此时穿戴类设备判为睡眠态，穿戴类设备会继续采集下一时间段的心率平均值作为新的p
2 ，然后与睡眠心率阈值p2作比较，下一时间段继续如此进行。当判为睡眠态的时间t超过某个时间段
△
t，此时穿戴类设备认为人体已进入深度睡眠状态，穿戴类设备给出状态。当判为睡眠态的时间t未超过某个时间段
△
t，此时穿戴类设备不动作。
[0157]
参照图8，图8为本发明实施例中根据人体不同状态自适应调节家庭环境的流程示意图，如图8所示，如果穿戴类接口给出的是运动状态，智能家居控制系统会通过调节空调、新风系统，播放运动音乐和视频，设定闹铃提醒补充水分，并根据人体当前状态预定好适宜的饮料种类和数量等等，然后再实时监控家庭环境调整之后人体状态的改变，进行微调环境；
[0158]
如果穿戴类接口给出的是睡眠态，智能家居控制系统会通过睡眠态调节调节空调、新风系统、灯光亮度，预定闹铃等等，营造一个更适合睡眠的环境状态，然后再实时监控家庭环境调整之后人体状态的改变，进行微调环境。
[0159]
在本实施例中，通过检测人体在不同状态下的心率变化来判断人体处于何种状态，然后结合各种环境传感器综合判断，实时调节环境状态，具有人体状态自适应识别的功能。由于每个人的生理状况和身体素质不同，其心率也不相同。本专利通过一种心率检测算法，自适应去识别人体状态，智能穿戴类设备作为一个借口去承载，与智能家居系统相配合，使人们获得更好的生活体验。
[0160]
此外，本发明实施例还提出一种终端设备，所述终端设备包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的人体状态检测程序，所述人体状态检测程序被所述处理器执行时实现如上所述的人体状态检测方法的步骤。
[0161]
由于本人体状态检测程序被处理器执行时，采用了前述所有实施例的全部技术方案，因此至少具有前述所有实施例的全部技术方案所带来的所有有益效果，在此不再一一赘述。
[0162]
此外，本发明实施例还提出一种计算机可读存储介质，所述计算机可读存储介质上存储有人体状态检测程序，所述人体状态检测程序被处理器执行时实现如上所述的人体状态检测方法的步骤。
[0163]
由于本人体状态检测程序被处理器执行时，采用了前述所有实施例的全部技术方案，因此至少具有前述所有实施例的全部技术方案所带来的所有有益效果，在此不再一一赘述。
[0164]
相比现有技术，本发明实施例提出的人体状态检测方法、装置、终端设备以及存储介质，通过获取用户的心率数据；基于预先确定的人体状态域，根据所述心率数据检测所述用户的人体状态，其中，所述人体状态域通过静息心率基准值、运动心率最高值以及睡眠心率最低值计算得到。通过静息心率基准值、运动心率最高值以及睡眠心率最低值确定人体
状态域，将获取的用户的心率数据与人体状态域进行比较，从而对用户所处的人体状态作出准确判断。
[0165]
需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。
[0166]
上述本技术实施例序号仅仅为了描述，不代表实施例的优劣。
[0167]
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本技术的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在如上的一个存储介质(如rom/ram、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，被控终端，或者网络设备等)执行本技术每个实施例的方法。
[0168]
以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。