精力评估方法、电子设备和精力评估系统与流程

1.本技术涉及数据处理技术领域，尤其涉及一种精力评估方法、电子设备和精力评估系统。


背景技术：

2.随着生活水平的提高，人们对健康的关注度随之提高，越来越多的人希望更清楚地了解自身的健康状况，以便加以改善。
3.目前，有些人会定期去体检机构进行体检，以监测自身的健康状况。由于这种方式不是很便利，现在许多终端设备都提供了健康管理功能，用户可以通过终端设备查看自身的健康数据，进而了解自身的健康状况。比如，手机可以收集一些智能健康设备(比如智能手表)采集的运动、睡眠等健康指标对应的健康数据，并可以对这些数据进行分析，评估出各项健康指标的健康度；用户可以通过查看各项健康指标的健康数据和评估结果来了解自身的健康状况。但是，目前的这些健康指标，用户基于单个健康指标不能很好的了解自身的健康状况。


技术实现要素：

4.有鉴于此，本技术提供一种精力评估方法、电子设备和精力评估系统，用于提供量化的精力值，以方便用户更好的了解自身的健康状况。
5.为了实现上述目的，第一方面，本技术实施例提供一种精力评估方法，包括：
6.获取多种健康指标的健康数据，根据获取的各健康指标的健康数据，确定用户的精力值。其中，健康指标包括下列指标中的多种：体能指标、压力指标、专注度指标和睡眠指标。
7.本技术实施例提供的精力评估方法，可以基于多种与精力相关的健康指标的健康数据评估用户的精力值，这样，用户就可以基于精力值更好的了解自身的健康状况。
8.在第一方面的一种可能的实施方式中，根据获取的各所述健康指标的健康数据，确定用户的精力值，包括：将各所述健康指标的健康数据输入至精力评估模型中，得到用户的精力值。
9.上述实施方式中，采用精力评估模型确定精力值，可以提高确定的精力值的准确性。
10.在第一方面的一种可能的实施方式中，根据获取的各健康指标的健康数据，确定用户的精力值，包括：
11.对于除睡眠指标之外的每种健康指标，根据健康指标的健康数据确定健康指标对应的精力因子值；
12.根据睡眠指标的健康数据，获取睡眠评分；
13.根据各所述精力因子值确定初始精力值，并根据所述睡眠评分调整所述初始精力值，得到用户的精力值。
14.上述实施方式中，基于各睡眠指标之外的健康指标的精力因子值确定初始精力值，基于睡眠评分对初始精力值进行调整后得到精力值，这样可以提高精力评估结果的准确性。
15.在第一方面的一种可能的实施方式中，睡眠评分包括最近多天的睡眠质量评分，根据所述睡眠评分调整所述初始精力值，包括：在睡眠质量评分高于第一目标分的天数满足第一要求时，增大初始精力值，在睡眠质量评分低于第二目标分的天数满足第二要求时，减小初始精力值；其中，第一目标分大于第二目标分。
16.第一要求为睡眠质量评分高于第一目标分的天数大于或等于第一天数阈值，或者，睡眠质量评分高于第一目标分的天数的占比大于或等于第一比值；第二要求为睡眠质量评分低于第二目标分的天数大于或等于第二天数阈值，或者，睡眠质量评分低于第二目标分的天数的占比大于或等于第二比值。
17.上述实施方式中，基于多天的睡眠质量评分进行精力评估，可以提高精力评估结果的准确性。
18.在第一方面的一种可能的实施方式中，调整后的初始精力值不小于精力值下限，和/或，调整后的初始精力值不大于精力值上限。这样可以使确定的精力值更加准确合理。
19.在第一方面的一种可能的实施方式中，精力值下限为体能指标对应的精力因子值的目标比例，精力值上限为体能指标对应的精力因子值的目标倍数，目标比例小于1，目标倍数大于1。
20.上述实施方式中，根据体能指标确定精力值上限和精力值下限，可以提高确定的精力值上限和精力值下限的准确性。
21.在第一方面的一种可能的实施方式中，精力值根据每个健康指标的至少一个子指标确定，每个健康指标的子指标根据健康指标的健康数据确定；
22.体能指标的子指标包括下列中的至少一个：最大摄氧量、静息心率和运动心率；
23.压力指标的子指标包括心率变异性；
24.专注度指标的子指标包括脑电波频率；
25.睡眠指标的子指标包括下列中的至少一个：睡眠质量评分、深睡比例、深睡连续性评分、睡眠血氧和睡眠心率。
26.上述实施方式中，各子指标能够较佳的反映对应的健康指标，因此，基于这些子指标进行精力评估，可以使精力评估结果具有较高的准确度。
27.在第一方面的一种可能的实施方式中，该方法还包括：根据各健康指标的健康数据，采用自监督学习算法更新精力评估模型。
28.上述实施方式中，通过采用自监督学习算法更新精力评估模型，可以提高精力评估结果的准确性。
29.在第一方面的一种可能的实施方式中，该方法还包括：根据云端设备的精力评估模型更新存储的精力评估模型，云端设备的精力评估模型是根据从连接的各个终端设备获取到的健康数据进行自监督学习得到的。
30.上述实施方式中，终端设备根据云端设备的精力评估模型更新存储的精力评估模型，可以提高精力评估结果的准确性。
31.在第一方面的一种可能的实施方式中，至少一个健康指标包括多个子指标，每个
健康指标的子指标根据健康指标的健康数据确定，精力值根据每个健康指标的子指标中的第一目标子指标确定。
32.该方法还包括：根据各子指标中的第二目标子指标评估获取的健康数据的可靠性，在确定获取的健康数据可靠的情况下，向云端设备上传健康数据。
33.上述实施方式中，在确定获取的健康数据可靠的情况下，向云端设备上传健康数据，可以提高上传到云端设备的数据的可靠性。
34.在第一方面的一种可能的实施方式中，根据各子指标中的第二目标子指标评估获取的健康数据的可靠性，包括：
35.根据第二目标子指标确定精力评估模型输出的精力值的置信度；
36.在置信度达到目标置信度的情况下，向用户推送与精力相关的问题；
37.根据用户的反馈结果确定获取的健康数据的可靠性。
38.上述实施方式中，在确定精力评估模型输出的精力值的置信度较高的情况下，结合用户的反馈结果进行健康数据的可靠性判断，可以进一步提高上传的健康数据的可靠性。
39.在第一方面的一种可能的实施方式中，第二目标子指标包括第一子指标和除第一子指标之外的第二子指标，置信度基于第一子指标确定，根据用户的反馈结果确定获取的健康数据的可靠性，包括：
40.若用户的反馈结果与精力评估模型所确定的精力值相匹配，则根据第二子指标确定反馈结果的可靠性；
41.若确定反馈结果可靠，则确定获取的健康数据可靠。
42.上述实施方式可以防止用户的作弊行为，从而可以进一步提高上传的健康数据的可靠性。
43.在第一方面的一种可能的实施方式中，该方法还包括：显示精力值。这样可以方便用户查看精力值，从而可以提升用户体验。
44.在第一方面的一种可能的实施方式中，该方法还包括：向目标显示设备发送精力值。这样可以使用户在其他设备(比如可穿戴设备)上查看精力值，从而可以进一步提升用户体验。
45.在第一方面的一种可能的实施方式中，该方法还包括：根据用户活动数据确定已消耗精力值；显示已消耗精力值。这样可以使用户更清楚地了解自身的精力情况。
46.第二方面，本技术实施例提供一种精力评估方法，包括：
47.获取训练样本集，训练样本集中的每个训练样本包括多种健康指标的健康数据，健康指标包括下列指标中的多种：体能指标、压力指标、专注度指标和睡眠指标；
48.根据训练样本集采用自监督学习算法进行模型训练，得到精力评估模型，精力评估模型用于根据多种健康指标的健康数据确定精力值；
49.向终端设备发送精力评估模型。
50.本技术实施例提供的精力评估方法，云端设备可以将训练的精力评估模型发送给终端设备，这样终端设备可以更新本地的精力评估模型，并基于多种与精力相关的健康指标的健康数据和精力评估模型评估用户的精力值，从而用户就可以基于精力值更好的了解自身的健康状况。
51.在第二方面的一种可能的实施方式中，训练样本集是从多个终端设备获取的。这样可以方便云端设备获取到丰富的训练样本。
52.第三方面，本技术实施例提供一种精力评估系统，包括：终端设备和云端设备，其中：
53.终端设备用于：获取多种健康指标的健康数据，健康指标包括下列指标中的多种：体能指标、压力指标、专注度指标和睡眠指标；
54.根据获取的各健康指标的健康数据和预存的第一精力评估模型，确定用户的精力值；
55.向云端设备上传健康数据；
56.云端设备用于：根据从多个终端设备获取的健康数据采用自监督学习算法更新精力评估模型，得到第二精力评估模型；
57.终端设备还用于：从云端设备获取第二精力评估模型，并根据第二精力评估模型更新第一精力评估模型。
58.本技术实施例提供的精力评估系统，终端设备可以基于多种与精力相关的健康指标的健康数据评估用户的精力值，从而用户就可以基于精力值更好的了解自身的健康状况；另外，云端设备可以将训练的精力评估模型发送给终端设备，这样终端设备可以更新本地的精力评估模型，提高精力评估结果的准确性。
59.在第三方面的一种可能的实施方式中，至少一个健康指标包括多个子指标，每个健康指标的子指标根据健康指标的健康数据确定。
60.终端设备具体用于：根据每个健康指标的子指标中的第一目标子指标确定精力值；根据各子指标中的第二目标子指标评估获取的健康数据的可靠性，在确定获取的健康数据可靠的情况下，向云端设备上传健康数据。
61.上述实施方式中，终端设备在确定获取的健康数据可靠的情况下，向云端设备上传健康数据，可以提高上传到云端设备的数据的可靠性。
62.第四方面，本技术实施例提供一种精力评估装置，包括：
63.通信模块，用于获取多种健康指标的健康数据；
64.处理模块，用于根据获取的各健康指标的健康数据，确定用户的精力值，其中，健康指标包括下列指标中的多种：体能指标、压力指标、专注度指标和睡眠指标。
65.在第四方面的一种可能的实施方式中，处理模块具体用于：将各所述健康指标的健康数据输入至精力评估模型中，得到用户的精力值。
66.在第四方面的一种可能的实施方式中，处理模块具体用于：
67.对于除睡眠指标之外的每种健康指标，根据健康指标的健康数据确定健康指标对应的精力因子值；
68.根据睡眠指标的健康数据，获取睡眠评分；
69.将根据各所述精力因子值确定初始精力值，并根据所述睡眠评分调整所述初始精力值，得到用户的精力值。
70.在第四方面的一种可能的实施方式中，睡眠评分包括最近多天的睡眠质量评分，处理模块具体用于：在睡眠质量评分高于第一目标分的天数满足第一要求时，增大初始精力值，在睡眠质量评分低于第二目标分的天数满足第二要求时，减小初始精力值；其中，第
一目标分大于第二目标分。
71.第一要求为睡眠质量评分高于第一目标分的天数大于或等于第一天数阈值，或者，睡眠质量评分高于第一目标分的天数的占比大于或等于第一比值；第二要求为睡眠质量评分低于第二目标分的天数大于或等于第二天数阈值，或者，睡眠质量评分低于第二目标分的天数的占比大于或等于第二比值。
72.在第四方面的一种可能的实施方式中，调整后的初始精力值不小于精力值下限，和/或，调整后的初始精力值不大于精力值上限。
73.在第四方面的一种可能的实施方式中，精力值下限为体能指标对应的精力因子值的目标比例，精力值上限为体能指标对应的精力因子值的目标倍数，目标比例小于1，目标倍数大于1。
74.在第四方面的一种可能的实施方式中，精力值根据每个健康指标的至少一个子指标确定，每个健康指标的子指标根据健康指标的健康数据确定；
75.体能指标的子指标包括下列中的至少一个：最大摄氧量、静息心率和运动心率；
76.压力指标的子指标包括心率变异性；
77.专注度指标的子指标包括脑电波频率；
78.睡眠指标的子指标包括下列中的至少一个：睡眠质量评分、深睡比例、深睡连续性评分、睡眠血氧和睡眠心率。
79.在第四方面的一种可能的实施方式中，处理模块还用于：
80.根据各健康指标的健康数据，采用自监督学习算法更新精力评估模型。
81.在第四方面的一种可能的实施方式中，处理模块还用于：根据云端设备的精力评估模型更新存储的精力评估模型，云端设备的精力评估模型是根据从连接的各个终端设备获取到的健康数据进行自监督学习得到的。
82.在第四方面的一种可能的实施方式中，至少一个健康指标包括多个子指标，每个健康指标的子指标根据健康指标的健康数据确定，精力值根据每个健康指标的子指标中的第一目标子指标确定。
83.处理模块还用于根据各子指标中的第二目标子指标评估获取的健康数据的可靠性；
84.通信模块还用于在处理模块确定获取的健康数据可靠的情况下，向云端设备上传健康数据。
85.在第四方面的一种可能的实施方式中，处理模块具体用于：
86.根据第二目标子指标确定精力评估模型输出的精力值的置信度；
87.在置信度达到目标置信度的情况下，向用户推送与精力相关的问题；
88.根据用户的反馈结果确定获取的健康数据的可靠性。
89.在第四方面的一种可能的实施方式中，第二目标子指标包括第一子指标和除第一子指标之外的第二子指标，置信度基于第一子指标确定，处理模块具体用于：
90.若用户的反馈结果与精力评估模型所确定的精力值相匹配，则根据第二子指标确定反馈结果的可靠性；
91.若确定反馈结果可靠，则确定获取的健康数据可靠。
92.在第四方面的一种可能的实施方式中，所述装置还包括：显示模块，用于显示精力
值。
93.在第四方面的一种可能的实施方式中，通信模块还用于：向目标显示设备发送精力值。
94.在第四方面的一种可能的实施方式中，处理模块还用于：根据用户活动数据确定已消耗精力值；
95.显示模块还用于：显示已消耗精力值。
96.第五方面，本技术实施例提供一种精力评估装置，包括：
97.处理模块，用于获取训练样本集，并根据训练样本集采用自监督学习算法进行模型训练，得到精力评估模型，其中，训练样本集中的每个训练样本包括多种健康指标的健康数据，健康指标包括下列指标中的多种：体能指标、压力指标、专注度指标和睡眠指标；精力评估模型用于根据多种健康指标的健康数据确定精力值；
98.通信模块，用于向终端设备发送精力评估模型。
99.在第五方面的一种可能的实施方式中，训练样本集是从多个终端设备获取的。
100.第六方面，本技术实施例提供一种电子设备，包括：存储器和处理器，存储器用于存储计算机程序；处理器用于在调用计算机程序时执行上述第一方面或第二方面所述的方法。
101.第七方面，本技术实施例提供一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现上述第一方面或第二方面所述的方法。
102.第八方面，本技术实施例提供一种计算机程序产品，当计算机程序产品在终端设备上运行时，使得终端设备执行上述第一方面或第二方面所述的方法。
103.第九方面，本技术实施例提供一种芯片系统，包括处理器，所述处理器与存储器耦合，所述处理器执行存储器中存储的计算机程序，以实现上述第一方面或第二方面所述的方法。其中，所述芯片系统可以为单个芯片，或者多个芯片组成的芯片模组。
104.可以理解的是，上述第四方面至第九方面的有益效果可以参见上述第一方面和第二方面中的相关描述，在此不再赘述。
附图说明
105.图1为本技术实施例提供的一种健康管理系统的示意图；
106.图2为本技术实施例提供的一种应用界面示意图；
107.图3为本技术实施例提供的精力评估方法的流程示意图；
108.图4为本技术实施例提供的精力评估模型的示意图；
109.图5为本技术实施例提供的基于健康数据评估精力值的流程示意图；
110.图6为本技术实施例提供的最大摄氧量与对应的精力因子值的关系示意图；
111.图7为本技术实施例提供的压力指数与对应的精力因子值的关系示意图；
112.图8为本技术实施例提供的脑电波的示意图；
113.图9为本技术实施例提供的脑电波频率与对应的精力因子值的关系示意图；
114.图10为本技术实施例提供的睡眠详情页面示意图；
115.图11为本技术实施例提供的另一种应用界面示意图；
116.图12为本技术实施例提供的向云端设备上传数据的流程示意图；
117.图13为本技术实施例提供的精力评估装置的结构示意图；
118.图14为本技术实施例提供的终端设备的结构示意图；
119.图15为本技术实施例提供的云端设备的结构示意图。
具体实施方式
120.下面结合本技术实施例中的附图对本技术实施例进行描述。本技术实施例的实施方式部分使用的术语仅用于对本技术的具体实施例进行解释，而非旨在限定本技术。
121.目前，手机等终端设备上可以提供的运动、睡眠、心率等健康指标都主要侧重于某一健康维度，单基于某个健康指标，不能够使用户很好的衡量自身的健康状况。
122.精力可以体现一个人的精神状态和体力情况，精力充沛的人可以更加高效的进行学习和工作，并且不容易感到疲惫。精力作为健康的根本指标，可以很好的衡量一个人的健康程度。但是目前，业界还没有相关的精力量化评估方案，人们每天只能凭感觉评估自己的精力情况。
123.基于此，本技术实施例提供一种精力评估方法，通过基于多种与精力相关的健康指标的健康数据评估用户的精力值，使得用户可以基于该精力值更好的了解自身的健康状况。
124.下面以具体地实施例对本技术的技术方案进行详细说明。下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例不再赘述。
125.首先介绍本技术实施例涉及的健康管理系统。图1为本技术实施例提供的一种健康管理系统的示意图，如图1所示，健康管理系统可以包括：终端设备100、智能健康设备200和云端设备300。
126.其中，终端设备100可以与智能健康设备200建立近距离通信连接，通过建立的近距离通信连接进行数据交互。建立近距离通信连接的技术包括但不局限于：无线局域网(wireless local area networks，wlan)(如无线保真(wireless fidelity，wi-fi)网络)、蓝牙(bluetooth，bt)技术、超宽带(ultrawide band，uwb)技术、近场通信(near field communication，nfc)技术、红外(infrared，ir)技术、通用2.4g/5g频段无线通信技术等。
127.终端设备100可以是手机、平板或智能穿戴设备等，图1中以手机为例进行示例性说明。智能健康设备200可以包括如图1中所示的智能手表、智能耳机和智能眼罩，还可以包括图1中未示出的智能手环、智能头带和智能跑步机等，本实施例中对终端设备100可连接的智能健康设备200的数量和种类不做特别限定。
128.终端设备100可以通过健康管理功能收集各种智能健康设备200采集的健康数据，具体地，终端设备100可以从智能手表和智能手环收集包含生理数据、运动数据和睡眠数据等健康数据，从智能耳机收集心率等数据，从智能眼罩和智能头带收集脑电波和心率等数据，从智能跑步机收集运动数据。
129.其中，终端设备100收集的生理数据可以包括：心率、心率变异性(heart rate viability，hrv)、最大摄氧量(maximal oxygen consumption，vo2max)和血氧饱和度等数据；运动数据可以包括：运动时间、运动强度和步数等；睡眠数据可以包括：总睡眠时间、各睡眠阶段的睡眠时间、睡眠血氧(即睡眠期间的血氧饱和度)和睡眠心率等。
130.终端设备100还可以通过健康管理功能根据收集的各种健康数据，采用相关的评
估模型评估各种健康指标，使用户可以查看各种健康指标的统计结果和健康度。终端设备100可以向云端设备300上传各种健康数据，也可以从云端设备300获取各种评估模型，基于获取的评估模型更新本地存储的评估模型。
131.本技术实施例中，健康管理功能可以是某应用程序(application，app)中的一个功能，也可以是单独的一个app，本技术实施例中以华为技术有限公司提供的“运动健康”app为例进行示例性说明。图2示出了“运动健康”app的示例性用户界面。
132.如图2中的(a)所示，用户打开“运动健康”app后，显示的用户界面10中可以包括功能名称101、卡片列表102和导航栏103，其中：
133.功能名称101可用于指示当前打开的功能，例如图中所示的“健康”功能。
134.卡片列表102中可以包括“运动健康”app提供的各种健康指标对应的卡片，例如图中所示的主卡片1021(可用于查看步数和热量等基础活动数据)、运动记录卡片1022、睡眠卡片1023、心率卡片1024和压力卡片1025，以及未示出的血氧饱和度卡片和血压卡片等，卡片列表102中可以显示全部或部分卡片；用户可以通过滑动操作查看卡片列表102的隐藏部分，例如：心率卡片1024和压力卡片1025的隐藏部分，以及卡片列表102中的其他卡片(例如：血氧饱和度卡片)。另外，卡片列表102的下方可以提供编辑卡片控件(未示出)供用户编辑卡片列表102中包含的卡片；卡片列表102下方还可以包含其他内容，例如：健康生活推荐内容。
135.用户可以通过点击卡片查看卡片对应的卡片详情页面，例如图2中的(a)所示，用户点击压力卡片1025后进入压力详情页面20；如图2中的(b)所示，压力详情页面20中可以显示历史检测的压力统计数据(可以包括日统计数据、周统计数据、月统计数据和年统计数据)和压力分析结果。压力详情页面20中可以包括功能名称201、返回控件202、压力检测控件203和更多控件204，其中，功能名称201可指示“压力”，用户可以通过返回控件202返回压力详情页面20的上一级界面，通过点击压力检测控件203进行压力检测，即压力检测操作可以是用户对测量控件203的点击操作，通过更多控件204了解更多与压力相关的功能或信息。
136.导航栏103中可以包括各种功能菜单，例如图2中的(a)所示的：用于查看各种健康指标的“健康”功能、用于查看各种运动数据的“运动”功能、用于管理连接的智能健康设备200的“设备”功能和用于进行个人账号管理的“我的”功能。
137.本实施例中，为了便于用户更好的了解自身的健康状况，终端设备100提供的健康管理功能可以根据与精力相关的多种健康指标的健康数据，采用精力评估模型评估出用户的精力值进行展示。
138.在具体实现时，与其他健康指标类似，精力值可以展示在卡片列表中，即卡片列表102中还可以包括精力对应的卡片，用户可以通过该卡片查看精力值，其中，该卡片可以是独立的卡片，也可以合并在其他卡片中，即作为其他卡片中的一个显示参数，例如图2中的(a)所示的，在主卡片1021中显示该精力值。当然，精力值也可以作为导航栏103中的一个独立的功能菜单，本实施例对精力值的具体展示形式不做特别限定。
139.下面介绍终端设备进行精力评估的过程。
140.图3为本技术实施例提供的精力评估方法的流程示意图，如图3所示，该方法可以包括如下步骤：
141.s110、根据获取的多种健康指标的健康数据和预存的精力评估模型，确定用户的精力值。
142.如前所述，终端设备可以从各种智能健康设备获取多种健康指标的健康数据。其中，终端设备可以根据用户的手动同步操作获取智能健康设备采集的健康数据，也可以在自动同步功能开启的情况下，在“运动健康”app运行过程中自动获取智能健康设备采集的健康数据，还可以根据用户的手动添加操作获取用户输入的健康数据。
143.终端设备获取到各种健康数据后，可以存储这些健康数据，并可以对这些健康数据进行数据清洗等预处理操作；然后进行相关的分析和显示。
144.经研究，人体精力的高低可以在体能、情绪和注意力方面体现出来，情绪与人体的心理压力密切相关，睡眠有助于恢复精力，基于此，本实施例中，如图4所示，精力评估模型可以结合体能、压力、专注度和睡眠四个指标来进行精力评估。
145.图5为本技术实施例提供的基于健康数据评估精力值的流程示意图，如图5所示，该方法可以包括如下步骤：
146.s111、对于除睡眠指标之外的每种健康指标，根据该健康指标的健康数据确定该健康指标对应的精力因子值。
147.如前所述，精力的高低可以体现在体能、压力、专注度三个方面，睡眠可以对整体的精力产生影响，基于此，本实施例中，可以从体能、压力、专注度三个维度进行精力值计算，并结合用户的睡眠情况进行整体精力值的调整；考虑到体能、压力、专注度三个维度差异较大，本实施例中，可以针对这三个维度分别进行精力值换算，得到每个指标对应的精力因子值，然后再进行精力值的计算。
148.对于体能、压力、专注度三个健康指标，在具体计算精力因子值时，可以根据最近获取的预设时间段(即第一预设时间段)内的各健康指标的健康数据进行计算，其中，该第一预设时间段可以根据需要设定，例如可以是一天，即终端设备可以根据前一天的健康数据计算各健康指标的精力因子值，比如，终端设备可以根据每天上午8点之前的一天内的健康数据计算各精力因子值，后续也以此为例进行示例性说明。
149.下面分别对睡眠指标之外的各健康指标(即体能、压力和专注度三个指标)的精力值换算过程进行说明。
150.一、体能指标
151.体能好的人，精力会更旺盛。体能好，尤其是心肺能力突出的人，大脑的供血、供氧、供糖都会更好，这样大脑的工作效率也会更高，长时间工作更不容易疲劳。
152.最大摄氧量(vo2max)是人体进行最大负荷运动时，单位时间内所能摄入的氧气量。vo2max是反映人体有氧运动能力的重要指标，通常被认为是影响耐力运动最主要的因素，能够有效评估人体的心肺功能。因此，如图4中所示，本实施例中，可以采用vo2max作为体能指标的评估指标。
153.如前所述，终端设备可以从智能手表或智能手环等设备获取用户每天的vo2max。基于获取到的vo2max，终端设备可以采用下述公式(1)确定体能指标对应的精力因子值f
fitness
：
154.f
fitness
＝10*log2vo2max
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1)
155.基于上述公式，vo2max与体能指标对应的精力因子值之间的关系可以如图6所示，
体能指标对应的精力因子值随vo2max的增大呈对数增长。
156.可以理解的是，用于确定体能指标对应的精力因子值的指标不限于vo2max，还可以是可用于评估体能指标的其他子指标，比如：静息心率和运动心率等。
157.其中，静息心率是人体在清醒、不活动的安静状态下，每分钟心跳的次数。较低的静息心率意味着更有效的心脏功能和更好的心血管适应性，静息心率的降低代表心脏机能和运动水平的提高，也能从一定的角度代表体能的提升。
158.运动心率是人体在做跑步等运动时每分钟心跳的次数，其也可以在一定程度上反映人体的心脏功能和运动能力，运动心率变低说明体能有所提升。
159.在计算体能指标对应的精力因子值时，也可以根据平均静息心率或目标速度下的平均运动心率进行计算。
160.二、压力指标
161.积极有张力的情绪，可以让精力快速得到提升；情绪是压力的外在表现，压力小时，情绪会比较放松，压力大时，情绪会比较紧张，因此，通过一个人的压力情况可以了解其情绪情况，进而可以判断其精力情况。
162.当人们有压力时，血压会上升，同时心率与呼吸也会急剧上升，所以通过测量心率变异性(heart rate variability，hrv)，可以很好的观测压力的大小。
163.在具体实现时，可以根据用户静止状态下，比如做呼吸训练和/或正念训练时的hrv来确定压力指数，具体的确定方法可以参见目前的相关方法，本实施例对此不做特别限定。
164.在确定出压力指数后，可以基于如下公式(2)确定压力指标对应的精力因子值f
stress
：
165.f
stress
＝10*log2(100-stress)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(2)
166.其中，stress表示压力指数，如图2中的(b)所示，终端设备每天可以获取到多个压力指数，在确定压力指标对应的精力因子值，可以采用用户的日平均压力指数进行计算，即上述stress可以是压力指数的日平均值。
167.基于上述公式，压力指数与压力指标对应的精力因子值之间的关系可以如图7所示，压力指标对应的精力因子值随压力指数的增大呈对数减小。
168.三、专注度指标
169.精力充沛的人更容易集中注意力工作，即专注度会比较高。脑电波反映了大脑的活动状态，本实施例中，如图4所示，可以采用脑电波频率判断用户的专注程度。
170.图8为本技术实施例提供的脑电波的示意图，图8中示出了脑电波的振幅(即纵坐标，可以用采样电压表示)随时间(即横坐标，可以用采样时间或采样点表示)变化的过程，如图8所示，按照频带划分，脑电波可以包括如下几种：
171.δ波：频带范围为0.5～3赫兹(hz)，该类脑电波在人们处于深度睡眠时会出现。
172.θ波：频带范围为3～8hz，该类脑电波在人们处于困倦的状态时会出现。
173.α波：频带范围为8～12hz，该类脑电波在人们处于放松而注意力集中的情况下容易被观察到，被科学界称为学习最佳状态波。
174.β波：频带范围为12～27hz，该类脑电波在人们精神紧张、情绪激动时容易观察到，一般被认为是大脑兴奋时出现的波形。
175.γ波：频带范围为27～100hz，在大脑进行某个认知任务时，将以前不曾连接在一起的神经元联系在一起而创造一个全新工作环路时，通俗理解，就是在创造性思考时，有可能观察到该类脑电波。
176.脑电波越接近α波越能够集中注意力。在进行精力评估时，可以基于如下公式(3)确定专注度指标对应的精力因子值f
x
：
177.f
x
＝10*(10-log2((x-12)2 1))
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(3)
178.其中，x表示脑电波频率，在具体计算时，可以根据用户在参与脑波专注力训练时，智能头带、智能眼罩等脑电测量仪器记录到的脑电波，计算脑电波的平均频率，采用该平均频率作为x的值计算精力因子值f
x
。
179.基于上述公式，脑电波频率与专注度指标对应的精力因子值之间的关系可以如图9所示，专注度指标对应的精力因子值在脑电波频率位于12hz时最大。
180.可以理解的是，上述各个公式只是计算对应的精力因子值的一种示例性方法，其并非用于限定本技术，在具体实现时，也可以采用其他方式确定，或者也可以对公式中的参数值进行改动，本实施例对此不做特别限定。
181.s112、根据睡眠指标的健康数据，确定睡眠评分。
182.睡眠可以补充每天的精力值，但是，如果用户长期睡眠质量不好，睡眠时长不足，则用户的精力值会受到影响。本实施例中，可以根据睡眠指标的健康数据，确定出睡眠评分，基于睡眠评分进行整体精力值的调整。其中，如图4所示，该睡眠评分具体可以是用户的睡眠质量评分。
183.具体地，睡眠可以分为三个阶段：浅度睡眠阶段、深度睡眠阶段和快速眼动(rapid eye movement，rem)睡眠阶段，各睡眠阶段的睡眠时长影响着睡眠质量，其中，深度睡眠有助于人体快速恢复精力，深度睡眠阶段的长短和连续性很大程度上决定了睡眠质量，如果深度睡眠出现集中而连续，说明睡眠质量相对较好，如果出现分散且持续性短，则睡眠质量有待提升，连续的深睡眠可以让大脑休息得更加有效，从而对精力恢复和提升更加有帮助；rem睡眠则在巩固大脑功能方面(如记忆和学习等)有重要作用。健康的睡眠具有以下特点：入睡快、睡眠深、具有足够的rem睡眠时长和较高的深睡连续性。
184.在确定睡眠质量评分时，则可以基于各睡眠阶段的睡眠时长和深睡连续性等指标进行确定。其中，睡眠质量评分的计算方法可以采用目前的各种睡眠评估算法，例如，可以采用“运动健康”app中的科学睡眠评估算法，如图10所示，示出了“运动健康”app提供的睡眠评估结果，其中包括睡眠质量评分(此处示例性的为88分)，在进行精力评估时，可以直接采用“运动健康”app确定的睡眠质量评分。
185.可以理解的是，用于评估睡眠指标的子指标不限于上述睡眠质量评分，还可以是其他子指标，例如可以是图10中所示的深睡比例、深睡连续性得分，也可以是睡眠血氧、睡眠心率等指标。
186.其中，睡眠过程中如果呼吸质量不好，血氧会下降，通过血氧数据也可以了解用户的睡眠情况；另外，睡眠期间的心率也可以反映出用户的睡眠质量，如果夜间心率波动较大，则说明睡眠质量不佳，则睡眠对精力的恢复效率就不高。
187.s113、根据各精力因子值确定初始精力值，并根据睡眠评分调整所述初始精力值，得到用户的精力值。
188.具体地，在确定出各个精力因子值和睡眠评分后，即可基于这些数据进行精力值的评估。其中，在进行精力值评估时，可以基于各精力因子值确定初始精力值，并基于睡眠评分对初始精力值进行调整后输出精力值。精力值的计算公式可以如下所示：
[0189][0190]
v＝f
sleep
(score)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(5)
[0191]
其中，score表示初始精力值，ai表示各精力因子值的系数，fi表示各精力因子值，n表示精力因子值的总数，即3；v表示精力值，f
sleep
表示睡眠计算规则函数。
[0192]
本实施例中，可以基于最近多天的睡眠质量评分来进行精力评估，以提高精力评估的准确性。其中，睡眠计算规则可以包括但不限于如下规则：
[0193]
规则1，如果睡眠质量评分高于第一目标分的天数满足第一要求，则初始精力值增长α
sleep
％。
[0194]
规则2，如果睡眠质量评分低于第二目标分的天数满足第二要求，则初始精力值减少β
sleep
％。
[0195]
其中，第一要求可以是睡眠质量评分高于第一目标分的天数大于或等于第一天数阈值，或者，睡眠质量评分高于第一目标分的天数的占比大于或等于第一比值；第二要求可以是睡眠质量评分低于第二目标分的天数大于或等于第二天数阈值，或者，睡眠质量评分低于第二目标分的天数的占比大于或等于第二比值。
[0196]
例如，可以基于最近一个月的睡眠质量评分进行精力评估，如果最近一个月的睡眠质量评分高于90分的天数占90％以上，则初始精力值增长10％；如果最近一个月的睡眠质量评分低于70分的天数占80％以上，则初始精力值减少10％。
[0197]
为了使确定的精力值更加准确合理，本实施例中，在进行初始精力值调整时，可以设置精力值下限和精力值上限，使调整后的初始精力值不小于精力值下限，和/或，调整后的初始精力值不大于精力值上限。
[0198]
其中，精力值下限和精力值上限均可以是预设的值；精力值下限和精力值上限也可以根据健康指标确定，以提高精力值下限和精力值上限的准确性。
[0199]
具体地，可以根据体能指标对应的精力因子值确定精力值下限和精力值上限，以进一步提高精力值下限和精力值上限的准确性。
[0200]
其中，精力值上限可以为体能指标对应的精力因子值的目标倍数(比如2倍)，精力值下限可以为体能指标对应的精力因子值的目标比例(比如50％)。
[0201]
精力评估模型中执行的操作可以包括上述步骤s111-s113中的部分或全部步骤，例如，精力评估模型的输入可以是上述各健康指标的健康数据，即上述步骤s111-s113均在精力评估模型中执行，终端设备获取到各健康指标的健康数据后，可以将获取的健康数据输入到精力评估模型中，得到精力值；精力评估模型的输入也可以是各精力因子值和睡眠评分，即精力评估模型中执行的操作包括上述步骤s113，不包括上述步骤s111和步骤s112，终端设备获取到健康数据后，可以先确定出各精力因子值和睡眠评分，然后将各精力因子值和睡眠评分输入到精力评估模型中，得到精力值。
[0202]
可以理解的是，精力值不限于上述公式(4)和公式(5)对应的计算方法，也可以采用其他计算方式，本实施例对此不做特别限定。另外，上述各个公式中的参数值，例如公式
(1)至公式(3)中的10、12、100等参数值、公式(4)中ai的值和公式(5)中α
sleep
、β
sleep
的值，可以根据需要设置对应的初始化值，后续可以进行更新，比如，终端设备可以在用户首次使用精力评估功能时，根据云端设备的精力评估模型更新本地存储的精力评估模型中的各参数值，也可以进行自监督学习更新精力评估模型的各参数值，以提高精力评估结果的准确性。
[0203]
此外，精力值计算方法也不限于上述方法，例如，也可以根据预先设置的各健康指标与精力值之间的映射关系确定精力值，比如：若vo2max位于第一区间，hrv位于第二区间，脑电波频率位于第三区间，睡眠评分位于第四区间，则精力值为v1；若vo2max位于第五区间，hrv位于第二区间，脑电波频率位于第三区间，睡眠评分位于第四区间，则精力值为v2。
[0204]
本实施例中，终端设备也可以更新精力值，比如，终端设备可以在接收到用户的手动同步操作后，根据获取到的健康数据重新确定(即更新)用户当天的精力值，以提高精力评估结果的准确性。
[0205]
s120、显示精力值。
[0206]
终端设备计算出精力值后，可以进行显示供用户查看，使用户可以通过该值更好的了解自身的健康情况。
[0207]
具体地，终端设备可以在息屏或亮屏状态下，在屏幕上的目标位置显示精力值；也可以是在接收到用户的精力值查询操作后，显示精力值。其中，精力值查询操作可以是开启健康管理功能的操作，例如打开“运动健康”app；也可以是对目标选项的点击操作，例如“运动健康”app在导航栏103中提供精力对应的功能菜单，精力值查询操作可以是用户点击该功能菜单的操作。
[0208]
为了方便用户更详细的了解与精力值相关的信息，本实施例中，终端设备可以提供精力值的详情查看功能，在接收到用户查看精力值详情页面的操作后，响应该操作，显示精力值详情信息。例如图11中所示的，用户可以点击精力值对应的卡片显示区域(参见图11中的(a)图)，使终端设备响应该点击操作打开精力值详情页面30(参见图11中的(b)图)。
[0209]
如图11中的(b)所示，精力值详情页面30中可以显示当天的精力值301(此处示例性的为98)，还可以显示历史确定的精力值统计数据302，图中示例性的示出了月统计数据和年统计数据。精力值详情页面30中可以包括功能名称303和返回控件304，其中，功能名称303可指示“精力”；返回控件304用于返回精力值详情页面30的上一级界面。
[0210]
本实施例中，在向用户提供精力值的同时，还可以生成对应的健康解读信息供用户了解自身健康程度，并可以引导用户保持良好的生活方式，改善不良的生活方式，以提高精力值。
[0211]
在具体实现时，如图11中的(b)所示的，可以在精力值详情页面30中显示健康解读信息305，例如：评估出的当天的精力值为98，假设用户所属年龄段精力充沛的标准为精力值大于或等于80，终端设备据此可以确定用户的精力很充沛，则可以显示健康解读信息：“您今天的精力很充沛，请继续保持良好生活习惯”。当然，此处只是一种示例，并非用于限定本技术。
[0212]
本实施例中，如图11中的(b)所示的，精力值详情页面30中还可以提供健康指南306，以引导用户改善生活方式，提高精力值。
[0213]
s130、确定并显示已消耗精力值。
[0214]
本实施例中，在评估精力值之外，还可以基于用户活动数据确定用户当天的已消
耗精力值，以供用户更清楚地了解自身的精力情况。其中，用户活动数据例如可以包括：运动数据、工作/学习数据以及其他与精力消耗相关的数据。
[0215]
在具体实现时，可以采用与计算精力值类似的方法确定各精力消耗指标对应的精力消耗因子，然后基于各精力消耗因子评估已消耗精力值；也可以采用其他方法确定已消耗精力值，本实施例对此不做特别限定。
[0216]
如图11中的(b)所示，本实施例中，可以在精力值详情页面30中显示已消耗精力值307(此处示例性的为36)。当然，也可以在精力卡片中显示，本实施例对此不做特别限定。
[0217]
本实施例中，终端设备也可以将确定的精力值和/或已消耗精力值发送给其他显示设备(此处称为目标显示设备)，在目标显示设备上显示精力值和/或已消耗精力值。
[0218]
其中，目标显示设备可以是任意具有显示功能的设备，例如，终端设备为手机，手机可以将精力值发送给智能手表(即目标显示设备)，使用户可以在智能手表上查看精力值。
[0219]
s140、采用自监督学习算法更新精力评估模型。
[0220]
如前所述，为了进一步提高精力评估结果的准确性，终端设备可以进行自监督学习更新精力评估模型的各系数。
[0221]
在具体实现时，可以采用评估精力值时所采用的健康数据进行自监督学习，以更新精力评估模型。
[0222]
终端设备可以采用一定的更新周期，周期性进行自监督学习，更新本地的精力评估模型。其中，该更新周期可以是一天也可以是一周等，本实施例对此不做特别限定。
[0223]
以更新周期为一周为例，终端设备可以根据最近一周内每天的健康数据分别构建一个训练样本。具体地，针对每天，可以将该天评估出的精力值对应的模型输入数据(例如可以包括前述的三个精力因子值和多个睡眠评分)，作为该天对应的训练样本的输入特征，然后采用相关的自监督学习算法自动生成训练样本的标签后，基于训练样本进行监督学习，更新精力评估模型。
[0224]
自监督学习可以采用常用的预训练-微调(pretrain-fintune)模式，自监督学习算法可以是基于上下文、基于时序或基于对比的自监督学习算法等，本实施例对具体的自监督学习过程不做特别限定。
[0225]
s150、向云端设备上传健康数据。
[0226]
本实施例中，终端设备也可以向云端设备上传健康数据，这样云端设备可以综合各终端设备上传的健康数据进行自监督学习，更新云端设备的精力评估模型，从而，终端设备在用户首次使用精力评估功能时，从云端设备就可以获取到更准确的精力评估模型。其中，云端设备更新精力评估模型的方法与上述终端设备采用自监督学习方法更新精力评估模型的方法类似，此处不再赘述。
[0227]
为了提高上传到云端设备的数据的可靠性，本实施例中，可以在上传健康数据前，对健康数据进行可靠性评估，在确定健康数据可靠的情况下，向云端设备上传健康数据。
[0228]
在具体实现时，可以采用与评估精力值不同的各健康指标的子指标进行可靠性评估，即，可以根据上述与精力相关的各健康指标的一部分子指标(此处称为第一目标子指标)确定精力值，根据上述与精力相关的各健康指标的其他子指标中的部分或全部指标(此处称为第二目标子指标)对健康数据进行可靠性评估。
[0229]
例如，在评估精力值时，可以采用体能指标的子指标vo2max、睡眠指标的子指标睡眠质量评分；在对健康数据进行可靠性评估时，则可以采用体能指标的子指标：静息心率、运动心率等，睡眠指标的子指标：深睡比例、深睡连续性得分、睡眠血氧、睡眠心率等。
[0230]
图12为本技术实施例提供的向云端设备上传数据的流程示意图，如图12所示，在向云端设备上传健康数据前，可以先根据第二目标子指标确定精力评估模型输出的精力值的置信度(步骤s151)，然后在置信度达到目标置信度的情况下，向用户推送与精力相关的问题(步骤s152)，再根据用户的反馈结果确定获取的健康数据的可靠性(步骤s153)；在确定健康数据可靠的情况下，向云端设备上传健康数据(步骤s154)。
[0231]
其中，对于任意一天的数据，可以根据该天对应的第二目标子指标与精力评估模型输出的精力值之间的相似度，确定精力评估模型输出的精力值的置信度；其中，相似度可以采用欧氏距离等方法计算，置信度也可以采用其他方式确定，本实施例对此不作特别限定。
[0232]
目标置信度可以根据需要设置，本实施例对此也不做特别限定。在精力评估模型输出的精力值的置信度达到目标置信度时，说明用户的其他健康数据(即第二目标子指标)与精力评估结果(即精力值)高度吻合，则说明用户的健康数据可靠性较高。
[0233]
为了进一步提高上传的健康数据的可靠性，如上所述，可以向用户推送与精力相关的主诉问题，比如可以询问用户“今天是否感到精力充沛”。如果用户的反馈结果与精力评估模型输出的精力值相匹配，则可以认为该用户的健康数据可靠，可以上传到云端设备。
[0234]
其中，如果用户反馈精力充沛，精力评估模型输出的精力值大于或等于目标精力值(比如80)，或者，用户反馈感到疲劳，精力评估模型输出的精力值小于80，则可以认为用户的反馈结果与精力评估模型输出的精力值相匹配；否则，可以认为用户的反馈结果与精力评估模型输出的精力值不匹配。
[0235]
可以理解的是，用户的精力情况可以划分为多个等级，上述只是以简单的两个等级(即精力值大于或等于80表示精力充沛，否则表示精力不够充沛)为例进行示例性说明，其并非用于限定本技术。
[0236]
如果用户的反馈结果与精力评估模型输出的精力值不匹配，则可以认为该用户的健康数据不可靠。
[0237]
考虑到可能存在用户作弊的情况，本实施例中，为了进一步提高上传的健康数据的可靠性，可以对用户的反馈结果进行防作弊检查。
[0238]
具体地，可以基于第二目标子指标中的一部分子指标(此处称为第一子指标)确定上述置信度；基于第二目标子指标中的另一部分子指标(此处称为第二子指标)进行防作弊检查，判断用户的反馈结果是否可靠。
[0239]
其中，可以根据第二子指标进行精力情况的评估，如果评估结果与用户的反馈结果相匹配，则可以确定用户的反馈结果可靠；否则，可以认为用户的反馈结果不可靠。
[0240]
例如，可以根据各第二子指标与精力值的关系，基于预先设置的第二子指标与精力评分之间的映射关系确定每个第二子指标的精力评分，例如：若静息心率位于区间a1，则精力评分为b1；若静息心率位于区间a2，则精力评分为b2。根据各第二子指标的精力评分的高低可以评估用户属于精力充沛状态还是疲劳状态。也可以采用设定的算法确定每个第二子指标的精力评分，然后进行精力情况的评估；另外，基于第二子指标判断用户反馈结果是
否可靠的方式也不限于上述方法，本实施例对此均不做特别限定。
[0241]
如果用户的反馈结果与精力评估模型输出的精力值相匹配，且用户的反馈结果可靠，则可以认为该用户的健康数据可靠，可以上传到云端设备；否则可以不上传该用户的健康数据。
[0242]
具体地，上传到云端设备的健康数据可以包括终端设备获取的上述与精力评估相关的各种健康指标的健康数据，比如最大摄氧量、hrv、心率、脑电波和睡眠数据等。
[0243]
本实施例中，终端设备向云端设备上传健康数据的过程，可以每天进行一次，也可以每隔多天进行一次，以降低向用户推送主诉问题的频率，提高用户体验度。
[0244]
例如每周进行一次，则对于任意一周，可以根据该周内每天确定的第一子指标确定该天的精力值的置信度，然后可以根据该周内各天对应的置信度与目标置信度的关系，确定是否向用户推送主诉问题。例如可以在该周内每天对应的置信度均达到目标置信度，或者，该周内各天对应的置信度的平均值达到目标置信度的情况下，认为用户的健康数据可靠性较高，可以向用户推送主诉问题。推送的问题例如可以是询问用户最近一周的精力情况。在进行防作弊检查时，可以根据一周内每天的各第二子指标的精力评分确定用户该周的精力情况，看确定结果与用户反馈结果是否匹配，以判断用户反馈结果是否可靠。
[0245]
可以理解的是，上述只是示例性的说明基于多天的第二目标子指标进行数据可靠性评估的过程，其并非用于限定本技术，在具体实现时还可以采用其他方式，比如根据多天的第二目标子指标之间的相关性和多天的精力值之间的相关性进行数据可靠性评估，本实施例对此不做特别限定。
[0246]
云端设备接收到各终端设备上传的健康数据后，可以按照预设周期，基于获取的健康数据进行自监督学习，更新云端设备的精力评估模型，比如可以每周更新一次精力评估模型。云端设备可以采用与终端设备相同的自监督学习方法更新精力评估模型。
[0247]
云端设备在每次更新完精力评估模型之后，可以通知终端设备，终端设备则也可以根据云端设备的精力评估模型更新存储的精力评估模型。
[0248]
可以理解的是，步骤s120、s130、s140和s150与其他步骤之间均没有严格的时序执行关系，本实施例对各步骤之间的执行顺序不做特别限定。
[0249]
本领域技术人员可以理解，以上实施例是示例性的，并非用于限定本技术。在可能的情况下，以上步骤中的一个或者几个步骤的执行顺序可以进行调整，也可以进行选择性组合，得到一个或多个其他实施例。本领域技术人员可以根据需要从上述步骤中任意进行选择组合，凡是未脱离本技术方案实质的，都落入本技术的保护范围。
[0250]
本实施例提供的精力评估方法，可以基于多种与精力相关的健康指标的健康数据评估用户的精力值，这样，用户就可以基于精力值更好的了解自身的健康状况。
[0251]
基于同一构思，作为对上述方法的实现，本技术实施例提供了一种精力评估装置，该装置实施例与前述方法实施例对应，为便于阅读，本装置实施例不再对前述方法实施例中的细节内容进行逐一赘述，但应当明确，本实施例中的装置能够对应实现前述方法实施例中的全部内容。
[0252]
图13为本技术实施例提供的精力评估装置的结构示意图，如图13所示，本实施例提供的装置包括：
[0253]
显示模块210、输入模块220、处理模块230和通信模块240。
unit，gpu)，图像信号处理器(image signal processor，isp)，控制器，存储器，视频编解码器，数字信号处理器(digital signal processor，dsp)，基带处理器，和/或神经网络处理器(neural-network processing unit，npu)等。其中，不同的处理单元可以是独立的器件，也可以集成在一个或多个处理器中。
[0266]
其中，控制器可以是终端设备100的神经中枢和指挥中心。控制器可以根据指令操作码和时序信号，产生操作控制信号，完成取指令和执行指令的控制。
[0267]
处理器110中还可以设置存储器，用于存储指令和数据。在一些实施例中，处理器110中的存储器为高速缓冲存储器。该存储器可以保存处理器110刚用过或循环使用的指令或数据。如果处理器110需要再次使用该指令或数据，可从所述存储器中直接调用。避免了重复存取，减少了处理器110的等待时间，因而提高了系统的效率。
[0268]
在一些实施例中，处理器110可以包括一个或多个接口。接口可以包括集成电路(inter-integrated circuit，i2c)接口，集成电路内置音频(inter-integrated circuit sound，i2s)接口，脉冲编码调制(pulse code modulation，pcm)接口，通用异步收发传输器(universal asynchronous receiver/transmitter，uart)接口，移动产业处理器接口(mobile industry processor interface，mipi)，通用输入输出(general-purpose input/output，gpio)接口，用户标识模块(subscriber identity module，sim)接口，和/或通用串行总线(universal serial bus，usb)接口等。
[0269]
i2c接口是一种双向同步串行总线，包括一根串行数据线(serial data line，sda)和一根串行时钟线(serail clock line，scl)。i2s接口可以用于音频通信。pcm接口也可以用于音频通信，将模拟信号抽样，量化和编码。uart接口是一种通用串行数据总线，用于异步通信；该总线可以为双向通信总线，它将要传输的数据在串行通信与并行通信之间转换。mipi接口可以被用于连接处理器110与显示屏194，摄像头193等外围器件；mipi接口包括摄像头串行接口(camera serial interface，csi)，显示屏串行接口(display serial interface，dsi)等。gpio接口可以通过软件配置，gpio接口可以被配置为控制信号，也可被配置为数据信号。usb接口130是符合usb标准规范的接口，具体可以是mini usb接口，micro usb接口，usb type c接口等。usb接口130可以用于连接充电器为终端设备100充电，也可以用于终端设备100与外围设备之间传输数据。也可以用于连接耳机，通过耳机播放音频。该接口还可以用于连接其他终端设备，例如ar设备等。
[0270]
可以理解的是，本技术实施例示意的各模块间的接口连接关系，只是示意性说明，并不构成对终端设备100的结构限定。在本技术另一些实施例中，终端设备100也可以采用上述实施例中不同的接口连接方式，或多种接口连接方式的组合。
[0271]
充电管理模块140用于从充电器接收充电输入。其中，充电器可以是无线充电器，也可以是有线充电器。充电管理模块140为电池142充电的同时，还可以通过电源管理模块141为终端设备供电。
[0272]
电源管理模块141用于连接电池142，充电管理模块140与处理器110。电源管理模块141接收电池142和/或充电管理模块140的输入，为处理器110，内部存储器121，外部存储器，显示屏194，摄像头193，和无线通信模块160等供电。电源管理模块141还可以用于监测电池容量，电池循环次数，电池健康状态(漏电，阻抗)等参数。在其他一些实施例中，电源管理模块141也可以设置于处理器110中。
[0273]
终端设备100的无线通信功能可以通过天线1，天线2，移动通信模块150，无线通信模块160，调制解调处理器以及基带处理器等实现。
[0274]
天线1和天线2用于发射和接收电磁波信号。终端设备100中的每个天线可用于覆盖单个或多个通信频带。不同的天线还可以复用，以提高天线的利用率。例如：可以将天线1复用为无线局域网的分集天线。在另外一些实施例中，天线可以和调谐开关结合使用。
[0275]
移动通信模块150可以提供应用在终端设备100上的包括2g/3g/4g/5g等无线通信的解决方案。移动通信模块150可以包括至少一个滤波器，开关，功率放大器，低噪声放大器(low noise amplifier，lna)等。移动通信模块150可以由天线1接收电磁波，并对接收的电磁波进行滤波，放大等处理，传送至调制解调处理器进行解调。移动通信模块150还可以对经调制解调处理器调制后的信号放大，经天线1转为电磁波辐射出去。在一些实施例中，移动通信模块150的至少部分功能模块可以被设置于处理器110中。在一些实施例中，移动通信模块150的至少部分功能模块可以与处理器110的至少部分模块被设置在同一个器件中。
[0276]
调制解调处理器可以包括调制器和解调器。其中，调制器用于将待发送的低频基带信号调制成中高频信号。解调器用于将接收的电磁波信号解调为低频基带信号。随后解调器将解调得到的低频基带信号传送至基带处理器处理。低频基带信号经基带处理器处理后，被传递给应用处理器。应用处理器通过音频设备(不限于扬声器170a，受话器170b等)输出声音信号，或通过显示屏194显示图像或视频。
[0277]
无线通信模块160可以提供应用在终端设备100上的包括无线局域网(wireless local area networks，wlan)(如无线保真(wireless fidelity，wi-fi)网络)，蓝牙(bluetooth，bt)，全球导航卫星系统(global navigation satellite system，gnss)，调频(frequency modulation，fm)，近场通信技术(near field communication，nfc)，红外技术(infrared，ir)等无线通信的解决方案。无线通信模块160可以是集成至少一个通信处理模块的一个或多个器件。无线通信模块160经由天线2接收电磁波，将电磁波信号调频以及滤波处理，将处理后的信号发送到处理器110。无线通信模块160还可以从处理器110接收待发送的信号，对其进行调频，放大，经天线2转为电磁波辐射出去。
[0278]
在一些实施例中，终端设备100的天线1和移动通信模块150耦合，天线2和无线通信模块160耦合，使得终端设备100可以通过无线通信技术与网络以及其他设备通信。所述无线通信技术可以包括全球移动通讯系统(global system for mobile communications，gsm)，通用分组无线服务(general packet radio service，gprs)，码分多址接入(code division multiple access，cdma)，宽带码分多址(wideband code division multiple access，wcdma)，时分同步码分多址(time division-synchronous code division multiple access，td-scdma)，长期演进(long term evolution，lte)，bt，gnss，wlan，nfc，fm，和/或ir技术等。所述gnss可以包括全球卫星定位系统(global positioning system，gps)，全球导航卫星系统(global navigation satellite system，gnss)，北斗卫星导航系统(beidou navigation satellite system，bds)，准天顶卫星系统(quasi-zenith satellite system，qzss)和/或星基增强系统(satellite based augmentation systems，sbas)。
[0279]
终端设备100通过gpu，显示屏194，以及应用处理器等实现显示功能。gpu为图像处理的微处理器，连接显示屏194和应用处理器。gpu用于执行数学和几何计算，用于图形渲
染。处理器110可包括一个或多个gpu，其执行程序指令以生成或改变显示信息。显示屏194用于显示图像，视频等。
[0280]
终端设备100可以通过isp，摄像头193，视频编解码器，gpu，显示屏194以及应用处理器等实现拍摄功能。
[0281]
isp用于处理摄像头193反馈的数据。摄像头193用于捕获静态图像或视频。数字信号处理器用于处理数字信号，除了可以处理数字图像信号，还可以处理其他数字信号。视频编解码器用于对数字视频压缩或解压缩。
[0282]
npu为神经网络(neural-network，nn)计算处理器，通过借鉴生物神经网络结构，例如借鉴人脑神经元之间传递模式，对输入信息快速处理，还可以不断的自学习。通过npu可以实现终端设备100的智能认知等应用，例如：图像识别，人脸识别，语音识别，文本理解等。
[0283]
外部存储器接口120可以用于连接外部存储卡，例如micro sd卡，实现扩展终端设备100的存储能力。外部存储卡通过外部存储器接口120与处理器110通信，实现数据存储功能。例如将音乐，视频等文件保存在外部存储卡中。
[0284]
内部存储器121可以用于存储计算机可执行程序代码，所述可执行程序代码包括指令。处理器110通过运行存储在内部存储器121的指令，从而执行终端设备100的各种功能应用以及数据处理。
[0285]
终端设备100可以通过音频模块170，扬声器170a，受话器170b，麦克风170c，耳机接口170d，以及应用处理器等实现音频功能。例如音乐播放，录音等。
[0286]
音频模块170用于将数字音频信息转换成模拟音频信号输出，也用于将模拟音频输入转换为数字音频信号。音频模块170还可以用于对音频信号编码和解码。扬声器170a，也称“喇叭”，用于将音频电信号转换为声音信号。受话器170b，也称“听筒”，用于将音频电信号转换成声音信号。麦克风170c，也称“话筒”，“传声器”，用于将声音信号转换为电信号。耳机接口170d用于连接有线耳机。耳机接口170d可以是usb接口130，也可以是3.5mm的开放移动终端设备平台(open mobile terminal platform，omtp)标准接口，美国蜂窝电信工业协会(cellular telecommunications industry association of the usa，ctia)标准接口。
[0287]
按键190包括开机键，音量键等。按键190可以是机械按键。也可以是触摸式按键。终端设备100可以接收按键输入，产生与终端设备100的用户设置以及功能控制有关的键信号输入。马达191可以产生振动提示。马达191可以用于来电振动提示，也可以用于触摸振动反馈。指示器192可以是指示灯，可以用于指示充电状态，电量变化，也可以用于指示消息，未接来电，通知等。sim卡接口195用于连接sim卡，sim卡可以通过插入sim卡接口195，或从sim卡接口195拔出，实现和终端设备100的接触和分离。终端设备100可以支持1个或n个sim卡接口，n为大于1的正整数。sim卡接口195可以支持nano sim卡，micro sim卡，sim卡等。
[0288]
本实施例提供的终端设备可以执行上述方法实施例，其实现原理与技术效果类似，此处不再赘述。
[0289]
基于同一构思，本技术实施例还提供一种云端设备，图15为本技术实施例提供的云端设备的结构示意图，如图15所示，本实施例提供的云端设备可以包括：存储器310、处理器320和通信模块330等部件。
[0290]
其中，存储器310可用于存储计算机程序以及模块，处理器320通过运行存储在存储器310的计算机程序以及模块可以执行上述方法实施例中云端设备所执行的方法。存储器310可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等；存储数据区可存储根据云端设备的使用所创建的数据(比如音频数据、电话本等)等。此外，存储器310可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
[0291]
处理器320是云端设备的控制中心，利用各种接口和线路连接整个云端设备的各个部分，通过运行或执行存储在存储器310内的软件程序和/或模块，以及调用存储在存储器310内的数据，执行云端设备的各种功能和处理数据，从而对云端设备进行整体监控。可选的，处理器320可包括一个或多个处理单元。
[0292]
通信模块330可以提供应用在云端设备上的包括无线局域网(wireless local area networks，wlan)(如wi-fi网络)、蓝牙、zigbee、移动通信网络、全球导航卫星系统(global navigation satellite system，gnss)、调频(frequency modulation，fm)、nfc和红外技术(infrared，ir)等通信的解决方案。通信模块330可以是集成至少一个通信处理模块的一个或多个器件。该通信模块330可以包括天线，可以通过天线接收电磁波，将电磁波信号调频以及滤波处理，将处理后的信号发送到处理器。通信模块330还可以从处理器320接收待发送的信号，对其进行调频、放大，经天线转为电磁波辐射出去。云端设备可以通过该通信模块330与终端设备进行通信。
[0293]
本领域技术人员可以理解，图15仅仅是云端设备的举例，并不构成对云端设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
[0294]
本实施例中，云端设备可以获取训练样本集，然后，通过处理器根据训练样本集采用自监督学习算法进行模型训练，得到精力评估模型；并可以通过通信模块向终端设备发送精力评估模型。其中，训练样本集中的每个训练样本包括多种健康指标的健康数据，健康指标包括下列指标中的多种：体能指标、压力指标、专注度指标和睡眠指标。
[0295]
具体地，云端设备可以通过接口获取其他设备导入的训练样本集，也可以通过通信模块接收各个终端设备上传的健康数据，将这些健康数据作为训练样本集。
[0296]
云端设备在训练精力评估模型时，对于每个训练样本中除睡眠指标之外的每种健康指标，可以根据该健康指标的健康数据确定该健康指标对应的精力因子值；根据该训练样本中睡眠指标的健康数据，确定睡眠评分。然后可以根据各训练样本中的精力因子值和睡眠评分，采用自监督学习算法进行模型训练，以更新精力评估模块。
[0297]
本技术实施例还提供一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现上述方法实施例所述的方法。
[0298]
本技术实施例还提供一种计算机程序产品，当计算机程序产品在电子设备上运行时，使得电子设备执行时实现上述方法实施例所述的方法。
[0299]
本技术实施例还提供一种芯片系统，包括处理器，所述处理器与存储器耦合，所述处理器执行存储器中存储的计算机程序，以实现上述方法实施例所述的方法。其中，所述芯片系统可以为单个芯片，或者多个芯片组成的芯片模组。
[0300]
在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实
现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时，全部或部分地产生按照本技术实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者通过所述计算机可读存储介质进行传输。所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线)或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质(例如软盘、硬盘或磁带)、光介质(例如dvd)、或者半导体介质(例如固态硬盘(solid state disk，ssd))等。
[0301]
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，该流程可以由计算机程序来指令相关的硬件完成，该程序可存储于计算机可读取存储介质中，该程序在执行时，可包括如上述各方法实施例的流程。而前述的存储介质可以包括：rom或随机存储记忆体ram、磁碟或者光盘等各种可存储程序代码的介质。
[0302]
在本技术中出现的对步骤进行的命名或者编号，并不意味着必须按照命名或者编号所指示的时间/逻辑先后顺序执行方法流程中的步骤，已经命名或者编号的流程步骤可以根据要实现的技术目的变更执行次序，只要能达到相同或者相类似的技术效果即可。
[0303]
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。
[0304]
在本技术所提供的实施例中，应该理解到，所揭露的装置/设备和方法，可以通过其它的方式实现。例如，以上所描述的装置/设备实施例仅仅是示意性的，例如，所述模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性，机械或其它的形式。
[0305]
应当理解，在本技术说明书和所附权利要求书的描述中，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或模块的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或模块，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或模块。
[0306]
在本技术的描述中，除非另有说明，“/”表示前后关联的对象是一种“或”的关系，例如，a/b可以表示a或b；本技术中的“和/或”仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，a和/或b，可以表示：单独存在a，同时存在a和b，单独存在b这三种情况，其中a，b可以是单数或者复数。
[0307]
并且，在本技术的描述中，除非另有说明，“多个”是指两个或多于两个。“以下至少一项”或其类似表达，是指的这些项中的任意组合，包括单项或复数项的任意组合。例如，a，b，或c中的至少一项，可以表示：a，b，c，a-b，a-c，b-c，或a-b-c，其中a，b，c可以是单个，也可以是多个。
[0308]
如在本技术说明书和所附权利要求书中所使用的那样，术语“如果”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”。类似地，短语“如果确
定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。
[0309]
另外，在本技术说明书和所附权利要求书的描述中，术语“第一”、“第二”、“第三”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的实施例能够以除了在这里图示或描述的内容以外的顺序实施。
[0310]
在本技术说明书中描述的参考“一个实施例”或“一些实施例”等意味着在本技术的一个或多个实施例中包括结合该实施例描述的特定特征、结构或特点。由此，在本说明书中的不同之处出现的语句“在一个实施例中”、“在一些实施例中”、“在其他一些实施例中”、“在另外一些实施例中”等不是必然都参考相同的实施例，而是意味着“一个或多个但不是所有的实施例”，除非是以其他方式另外特别强调。
[0311]
最后应说明的是：以上各实施例仅用以说明本技术的技术方案，而非对其限制；尽管参照前述各实施例对本技术进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本技术各实施例技术方案的范围。