运动监测方法、装置、可穿戴设备与存储介质与流程

1.本技术涉及电数据处理技术领域，特别是涉及一种运动监测方法、装置、可穿戴设备与存储介质。


背景技术：

2.现代快节奏的生活下，人们的工作与学习压力均较大，且受运动空间与时间的限制，导致各种健康问题出现。随着科技的进步与生活水平的不断提高，人们越来越注重自己的身心健康，也会在日常运动时佩戴可穿戴设备，用于监测一些基本生理参数。
3.但是目前市面上的可穿戴设备，在日常生活与运动过程中进行参数检测后，一般都仅仅是用于为用户进行静态数据展示，体现用户当前的基本状态，无法在运动过程中根据参数检测为用户提供合理运动建议。


技术实现要素：

4.基于此，有必要针对上述技术问题，提供一种运动监测方法、装置、可穿戴设备与存储介质，能够根据运动数据进行分析计算，预警用户当前运动体能状态，防止因过度运动达到极限后引发的生命体征异常现象。
5.第一方面，本技术提供了一种运动监测方法，应用于可穿戴设备，所述方法包括：
6.获取用户的体表参数；
7.确定所述体表参数大于预设值，则获取用户的汗液数据、运动数据及心率数据；
8.根据所述汗液数据、所述运动数据及所述心率数据确定用户当前运动量超标，则生成运动预警信息。
9.第二方面，本技术还提供了一种运动监测装置，应用于可穿戴设备，所述装置包括：
10.体表参数获取模块，用于获取用户的体表参数；
11.数据获取模块，用于确定所述体表参数大于预设值，则获取用户的汗液数据、运动数据及心率数据；
12.运动预警模块，用于根据所述汗液数据、所述运动数据及所述心率数据确定用户当前运动量超标，则生成运动预警信息。
13.第三方面，本技术还提供了一种可穿戴设备，包括处理器以及与所述处理器连接的运动检测模块、心率检测模块、汗液检测模块、温湿度数据采集模块、交互模块，所述处理器用于根据上述的方法实现对用户的运动监测。
14.第四方面，本技术还提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述的方法的步骤。
15.上述运动监测方法、装置、可穿戴设备与存储介质，通过获取用户的体表参数，并在体表参数大于预设值时获取用户的汗液数据、运动数据与心率数据，并在根据汗液数据、运动数据与心率数据确定用户当前运动量超标时，生成运行预警信息来对用户进行运动量
预警。本技术运动监测方法能够根据用户运动过程中的数据进行分析计算，来预警用户当前运动体能状态，防止因过度运动达到极限后引发的生命体征异常现象。
附图说明
16.图1为一个实施例中运动监测方法的应用环境图；
17.图2为一个实施例中运动监测方法的流程示意图；
18.图3为一个实施例中运动状态指标获取的流程示意图；
19.图4为另一个实施例中运动状态指标获取的流程示意图；
20.图5为一个实施例中运动监测装置的结构框图；
21.图6为一个实施例中可穿戴设备的系统框图示意图；
22.图7为一个实施例中可穿戴设备的原理流程示意图。
具体实施方式
23.为了使本技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本技术进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本技术，并不用于限定本技术。
24.本技术实施例提供的运动监测方法，可以应用于的各种可穿戴设备中，例如可为智能手表、智能手环、头戴设备等。如图1所示，所应用的可穿戴设备可以是包括处理器101以及与处理器101连接的数据检测与采集模块，数据检测与采集模块包括运动检测模块102、心率检测模块103、汗液检测模块104与温湿度数据采集模块105，另外，可穿戴设备还可包括交互模块106。其中，处理器101与数据检测与采集模块进行通讯，获取用户的体表参数；确定体表参数大于预设值，则获取用户的汗液数据、运动数据及心率数据；根据汗液数据、运动数据及心率数据确定用户当前运动量超标，则生成运动预警信息；运动预警信息用于通过交互模块106对可穿戴设备佩戴者进行运动量预警，实现对可穿戴设备佩戴者的运动监测。
25.在一个实施例中，如图2所示，提供了一种运行监测方法，以该方法应用于图1中的处理器101为例进行说明，包括以下s200至s600，其中：
26.s200：获取用户的体表参数。
27.由于用户在刚开始运动时，较大概率不会出现运动量超标的情况，同时汗液数据可能在运动持续一段时间后才会产生。因此，可通过获取用户的体表参数，用于判断用户的出汗状态，在根据用户的体表参数检测到出汗后再开启运动过程数据的获取以及运动量超标确定，以达到降低耗电量的目的。具体地，用于判断用户的出汗状态的体表参数可以是用户的体表温度、体表湿度与体表出汗量中的一种或多种。例如，本实施例中，体表参数包括用户的体表温度与体表湿度。
28.s400：确定体表参数大于预设值，则获取用户的汗液数据、运动数据及心率数据。
29.具体地，在获取得到用户的体表参数后，即可根据体表参数对应的预设值，判断是否执行后续运动过程数据的采集。体表参数对应的预设值可根据体表参数的类型及具体参数需求设置，例如在本实施例体表参数包括体表温度与体表湿度的情况下，预设值也包括预设温度与预设湿度。对应地，预设温度与预设湿度的取值可在经验范围内选定，也可根据
用户在运动过程中的产生的数据进行更新，以使预设值的设定更符合用户运动状况。在一个实施例中，预设温度的取值范围为36℃～37.2℃，预设湿度的取值范围为60％-70％。
30.可以理解，在体表参数包含多个判断依据时，判断的方式并不唯一，可以是存在其中一个体表参数大于其对应预设值，则获取用户的汗液数据、运动数据及心率数据，也可以是所有体表参数均大于对应预设值，才获取用户的汗液数据、运动数据及心率数据。在一个实施例中，确定体表参数大于预设值，则获取用户的汗液数据、运动数据及心率数据，包括：确认体表温度大于预设温度且体表湿度大于预设湿度，则获取用户的汗液数据、运动数据及心率数据。在本实施例中，在确认体表温度大于预设温度的同时，确认体表湿度大于预设湿度，则执行获取用户的汗液数据、运动数据及心率数据的动作。即当温湿度传感器检测到的体表温度数据达到36～37.2摄氏度且体表湿度数据达到60％-70％时，判断满足运动过程数据对应的采集触发条件，可启动运动检测模块、心率检测模块、汗液检测模块检测得到运动过程数据。
31.在一个实施例中，s400中的获取用户的运动数据，包括：获取用户的运动模式选取指令对应的运动数据。具体地，运动数据的内容可根据用户选择的不同运动模式确定，例如跑步运动模式下，运动数据可以是跑步步数、步幅、步频以及跑步距离、时间等数据；若处于骑行模式，运动数据可以是包括踏频、时速、骑行距离、时间等数据；若处于户外爬山模式下，运动数据还可以是包含提升海拔等数据，可根据用户的运动模式选取指令选定的不同运动模式确定。
32.s600：根据汗液数据、运动数据及心率数据确定用户当前运动量超标，则生成运动预警信息。
33.具体地，汗液数据、运动数据及心率数据等运动过程数据为用户在运动过程中通过佩戴可穿戴设备采集得到的相关数据，用于表征用户的运动情况及身体数据。对应地，汗液数据用于表征用户在运动过程中出汗后的出汗量以及汗液中电解质等参数含量情况等，运动数据用于表征运动过程中运动情况的运动消耗数据，心率数据用于表征用户在运动过程中的心率与呼吸等情况的生理数据。此外，运动过程数据还可包括表征用户身高、体重及性别等信息的用户身份数据。
34.在获取得到汗液数据、运动数据及心率数据等运动过程数据后，可以是通过对上述多种数据进行特征分析，分别得到多种运动状态指标，例如运动强度、疲劳度、出汗程度与脱水程度等。其中，各运动状态指标的获取方式并不唯一，可以是根据特定的计算模型分析得到，也可以是根据历史数据训练得到的预设神经网络识别模型分析得到，还可以是根据预设阈值匹配比较得到。
35.再根据运动状态指标对应的实际值与预设条件进行比较，确定用户当前运动量是否超标。其中，预设条件可根据专家推理系统或特征提取算法确定，例如，专家推理系统确定可通过参考从历史知识库与数据库中取得的常用知识规则与参数进行设定得到，表征用户在不同身体状态下的运动状态指标表现值。特征提取算法可以是时域分析、频域分析或者小波分析等。可以理解各运动状态指标分别对应有不同预设条件，可根据不同的方式确定。
36.进一步地，在确定用户当前运动量超标后，即可生成对应的运动预警信息，用于对用户进行预警，避免继续坚持运动造成身体受损。运动预警信息可以是报告用户体表温度
及出汗程度，并提醒用户立刻停止运动，进行降温，补充电解质及水分，并告知如存在身体生命健康或有感觉不适，请立即拨打120紧急求助。
37.上述运动监测方法，通过获取用户的体表参数，并在体表参数大于预设值时获取用户的汗液数据、运动数据与心率数据，并在根据汗液数据、运动数据与心率数据确定用户当前运动量超标时，生成运行预警信息来对用户进行运动量预警。本技术运动监测方法能够根据用户运动过程中的数据进行分析计算，来预警用户当前运动体能状态，防止因过度运动达到极限后引发的生命体征异常现象。
38.在一个实施例中，如图3与图4所示，s600的根据汗液数据、运动数据及心率数据确定用户当前运动量超标，包括以下s610至s650。
39.s610：根据运动数据确定用户的运动强度是否满足第一预设条件。
40.具体地，运动数据表征用户在运动过程中的卡路里消耗情况，可用于分析得到运动强度。运动数据可以是通过可穿戴设备中的加速度传感器检测得到，在用户运动过程中，加速度传感器中的x、y、z三轴因重力感应检测到运动状态三轴数据变化，进一步可根据此变化规律获得运动数据。
41.在一个实施例中，s610的根据运动数据确定用户的运动强度，包括：根据运动数据，采用预设的卡路里计算模型计算得到实时卡路里消耗数据，并根据实时卡路里消耗数据匹配得到运动强度。
42.其中，预设的卡路里计算模型可根据用户选择的不同运动模式确定。以用户选择的为跑步运动模式为例，其预设的卡路里计算模型可以是根据以下公式确定：跑步热量(kcal)＝体重(kg)
×
距离(公里)
×
1.036。可以理解，在一些运动模式对应的卡路里计算模型可能还需用到用户身份数据。
43.具体地，当用户开始跑步后，获取得到跑步步数、步幅、步频以及跑步距离、时间等基础运动数据，以及体现用户身高体重信息的用户身份数据。进一步，对该运动数据与用户身份数据中的多种特征类型进行特征提取，得到用于计算实时卡路里消耗数据有关的跑步距离以及用户体重。将提取得到的数据输入至预设的卡路里计算模型，即可提取得到实时卡路里消耗数据。
44.在一个实施例中，s610的运动强度满足第一预设条件包括：根据实时卡路里消耗数据匹配得到的运动强度大于运动强度超标阈值。
45.具体地，在得到实时卡路里消耗数据后，将其与历史数据库中的卡路里消耗数据与运动强度对应关系结合，通过卡尔曼滤波器算法预测得到当前实时卡路里消耗数据对应的运动强度。然后，将此运动强度与运动强度超标阈值进行匹配，确定用户的运动强度是否满足第一预设条件。
46.运动强度超标阈值的设置方式可根据实际计算得到的运动强度的变化范围确定。例如，若运动强度在历史经验中的变化范围为0.5～2.0，且当运动强度小于0.8时，表征处于较低的运动强度；当运动强度大于0.8但小于1.2时，表征处于中等程度的运动强度；当运动强度大于1.2但小于1.5时，表征处于较高强度的运动强度；当运动强度大于1.5时，表征运动强度为最高强度。则对应地，可将运动强度超标阈值设定为1.5实现运动强度是否满足第一预设条件的判断。即当根据实时卡路里消耗数据匹配得到的运动强度大于1.5时，确定用户的运动强度满足第一预设条件。
47.s620：根据心率数据确定用户的疲劳程度是否满足第二预设条件。
48.具体地，心率数据表征用户在运动过程中的生理表现情况，可用于分析得到疲劳度。心率数据可以是通过可穿戴设备中的心率传感器检测得到，在用户运动过程中，心率传感器检测到皮肤血液流动变化，通过时域分析或频域分析对表征心率的光学信号进行提取，得到一定时间内ppg(photoplethysmography，光电容积脉搏波法)信号的波峰个数，然后计算得到心率值。进一步地，在检测得到心率值后，心率数据还可包括基于心率值进行连续心跳间隔测试得到的hrv(heart rate variablity，心率异变性)值，即逐次心跳周期差异的变化情况。
49.在一个实施例中，基于心率数据确定用户的疲劳程度满足第二预设条件，包括：对心率数据进行特征提取，得到心率区间数据以及hrv数据；在心率区间数据处于预设心率超标区间且hrv数据小于hrv超标阈值时，确定用户的疲劳程度满足第二预设条件。
50.具体地，在获取到心率数据后，提取得到其中的心率值并将其与心率区间表进行比对，得到心率区间数据。其中，心率区间表可根据用户最大心率值(220-年龄)确定，例如30岁的健康成年人，最大心率为220-30＝190，则当其进行跑步运动时，检测到心率为126，由于126处于最大心率的60％-70％(190
×
(60％-70％)＝114-133)之间，则心率区间数据为60％-70％。对应地，预设心率超标区间内用于表征用户心率已达到极限状态的心率区间，若用户的心率值已达到此预设心率超标区间，仍继续运行至心率持续升高，可能会增加运动受伤风险。预设心率超标区间可依据经验范围选定，例如设置为80％-90％，同样也可根据用户在运动过程中的产生的数据进行更新，以使预设心率超标区间的设定更符合用户实际运动状况。
51.其次，在获取到心率数据后，提取得到其中连续的hrv值进行时域统计分析，得到sdnn、rmssd、sdsd、sdnn/rmssd、pnn50等参数作为hrv数据，用于分析得到用户的疲劳程度。以下均以sdnn参数作为hrv数据为例进行解释说明，如下表为该参数与压力程度的对应表：
[0052][0053][0054]
在身体正常状态下，sdnn参数数值基本处于100ms，在运动训练过程中，随着心跳加快，sdnn参数数值会逐渐减小。而当sdnn参数数值小于50ms时，基本表明用户心理压力值超标，身体负担或精神压力大，发生心肌梗塞的几率也偏大。对应地，可依据此经验数据将hrv超标阈值设置为50ms，根据sdnn参数数值是否小于50ms来判断得到hrv数据是否小于hrv超标阈值。当然，此hrv超标阈值也可根据用户在运动过程中的产生的数据进行更新，以使hrv超标阈值的设定更符合用户实际运动状况。
[0055]
进一步地，在本实施例中，当得到的用户心率区间数据处于80％-90％且sdnn参数
数值小于50ms时，确定用户的疲劳程度满足第二预设条件，可对应提醒用户主动释放压力，及时进行停止运动，防止因过度运动达到极限后引发的生命体征异常现象。
[0056]
s630：根据汗液数据确定用户的脱水程度是否满足第三预设条件。
[0057]
具体地，汗液数据用于表征用户在运动过程中出汗的情况，包括出汗量数据与汗液参数数据。其中，汗液参数数据表征用户在运动过程中通过汗液排出的生理参数情况，可用于分析得到脱水程度。汗液参数数据可以是通过可穿戴设备中的汗液传感器检测得到，例如，通过电极检测到的k 离子浓度、na 离子浓度、cl－离子浓度、ph值(酸碱值)、乳酸指数、汗液葡萄糖水平等。
[0058]
在一个实施例中，根据汗液数据确定用户的脱水程度，包括：对汗液数据进行特征提取，得到与脱水程度相关的汗液参数数据；将与脱水程度相关的汗液参数数据，采用预设的脱水程度识别模型分析得到脱水程度；其中，预设的脱水程度识别模型根据历史汗液参数数据库训练得到。
[0059]
可以理解，在汗液传感器检测得到众多汗液参数数据中，可对应提取得到ph值以及电解质等与脱水程度相关的汗液参数数据，用于得到脱水程度。
[0060]
具体地，预设的脱水程度识别模型为通过汗液传感器采集得到的大量汗液参数后，形成数据库输入神经网络模型中进行训练、调参以及验证后，得到的一个具有很好脱水程度识别效果的识别模型。进一步地，在实际在线采集到与脱水程度相关的汗液参数数据后，将其输入预设的脱水程度识别模型，即可通过模型输出脱水程度，即实现了根据汗液参数数据分析得到脱水程度的识别。例如，正常生理数据下，na 离子浓度处于125mmol/l左右，ph值处于4.5-7.5之间。若将超出上述正常范围的汗液参数数据输入至预设的脱水程度识别模型，可分析得到脱水程度，即脱水超出体重的百分比。可以理解，脱水超出体重的百分比越高，表示用户的脱水程度越高。
[0061]
在一个实施例中，脱水程度满足第三预设条件包括：采用预设的脱水程度识别模型分析得到的脱水程度大于脱水程度超标阈值。
[0062]
对应地，脱水程度超标阈值可依据经验范围选定，例如正常当人体身体脱水超过体重的2％时，会出现口干、尿量减少等症状；当脱水超过体重的6％以上时，可能出现头晕、恐慌、易怒等症状；当脱水超过体重的7％～15％时，可能导致出现中毒性休克和意识丧失症状。则对应可将出汗量超标阈值设置为脱水超过体重的6％，在脱水程度大于6％时，确定用户的脱水程度满足第三预设条件。同样此脱水程度超标阈值也可根据用户在运动过程中的产生的数据进行更新，以使其设定更符合用户实际运动状况。
[0063]
s640：根据汗液数据确定用户的出汗程度是否满足第四预设条件。
[0064]
具体地，汗液数据中的出汗量数据表征用户在运动过程中的出汗量，可用于分析得到出汗程度。出汗量数据可通过可穿戴设备中的汗液传感器检测得到的实际汗液量进行表示，也可以是通过单位时间内的汗液量进行表示。在本技术中将单位时间内的汗液量作为出汗量数据，用户分析得到出汗程度。
[0065]
在一个实施例中，基于汗液数据确定用户的出汗程度满足第四预设条件，包括：对汗液数据进行特征提取，得到用户的出汗量数据；在出汗量数据大于出汗量超标阈值时，确定用户的出汗程度满足第四预设条件。
[0066]
具体地，从汗液数据中提取得到用户的出汗量数据后，即可将出汗量数据与出汗
量超标阈值进行比较，确定用户的出汗程度是否满足第四预设条件。出汗量超标阈值用于表征用户出汗程度已经偏高，需要进行降温等动作来降低出汗量。
[0067]
出汗量超标阈值可依据经验范围选定，例如正常生理出汗范围为0.15μl/min到3μl/min，若超出此范围可能表示出汗量不符合正常生理状况。则对应可将出汗量超标阈值设置为3μl/min，在出汗量数据大于3μl/min时，确定用户的出汗程度满足第四预设条件。同样此出汗量超标阈值也可根据用户在运动过程中的产生的数据进行更新，以使其设定更符合用户实际运动状况。
[0068]
s650：基于运动强度满足第一预设条件、疲劳程度满足第二预设条件、脱水程度满足第三预设条件以及出汗程度满足第四预设条件，则确定用户当前运动量超标。可以理解，本实施例是采用联合判断的方式来确定用户当前运动量是否超标，即在用户的所有运动状态指标均满足对应的预设条件后，才确定用户当前运动量超标。当然，在不脱离上述判断构思的前提下，根据其中的一个或多个运动状态指标满足预设条件的任意变形方式，判断确定用户当前运动量超标，都应当属于本技术的保护范围。
[0069]
此外，在其他实施例中，在根据汗液数据、运动数据及心率数据确定用户当前运动量超标，生成运动预警信息之前，还可在根据汗液数据、运动数据及心率数据确定用户当前运动量之后，根据用户当前的运动量进行多级运动提醒。例如，可在根据汗液数据、运动数据及心率数据确定用户当前运动量处于中等强度时，生成第一运动提醒信息，报告用户体表温度及出汗程度，每隔20分钟提醒喝水200-300毫升，适当休息10分钟，并做体能恢复。也可在根据汗液数据、运动数据及心率数据确定用户当前运动量处于较高强度时，生成第二运动提醒信息，报告体表温度及出汗程度，提醒立即进行体表降温及补充补充电解质的运动饮料及水分，休息20～30分钟体能恢复。
[0070]
其中，确定用户当前运动量处于中等运动强度，以及确定用户当前运动量处于较高运动强度的方式，可参考上述确定用户当前运动量超标的方式设定，将对应的预设条件根据上述运动状态指标对应的经验值范围进行调整即可。可以理解，用户当前运动量处于中等强度时是小于用户当前运动量处于较高强度的，同时用户当前运动量处于较高强度时是小于用户当前运动量超标的。
[0071]
在一个实施例中，在s400的获取用户的汗液数据之后，方法还包括：对汗液数据进行特征提取，得到与尿酸程度相关的汗液参数数据；在根据与尿酸程度相关的汗液参数数据判断处于高尿酸状态时，生成高尿酸提醒信息。
[0072]
具体地，在汗液传感器检测得到汗液数据中包括多种汗液参数数据，可对应提取其中的尿酸和酪氨酸等与尿酸程度相关的汗液参数数据，用于判断得到用户目前是否处于高尿酸状态。
[0073]
进一步地，可根据与尿酸程度相关的汗液参数数据与高尿酸阈值进行比较，判断用户是否处于高尿酸状态。由数据得知，人体血液尿酸正常限值为420μmol(成年男性)和360μmol(成年女性)，而汗液尿酸正常值限值为40μmol，据统计，两者的相关性达到0.864。因此，可通过汗液中的尿酸值判断是否用户处于高尿酸状态，将高尿酸阈值设置为尿酸值为40μmol，即当汗液参数数据中的尿酸值小于40μmol时，判断处于高尿酸状态。当然，也可将高尿酸阈值设置为酪氨酸正常限值，并通过汗液参数数据中的酪氨酸小于酪氨酸正常限值，判断处于高尿酸状态。也可以是根据汗液参数数据中的尿酸和酪氨酸参数联合判断，当
酪氨酸小于酪氨酸正常限值，且尿酸值小于汗液尿酸正常值限值时，判断处于高尿酸状态。
[0074]
高尿酸提醒信息用于在根据汗液检测到用户处于高尿酸状态时，对用户进行高尿酸预警。高尿酸提醒信息可包括尿酸数据与对应的健康指导数据等，进行预警的方式可以是将尿酸数据与健康指导数据通过可穿戴设备的交互模块进行显示或播报，提醒用户保持运动以及低嘌呤的饮食习惯。此外，还可将用户的尿酸数据与对应的健康指导数据等进行存储，用于后续持续跟踪报告，并查看用户的尿酸改善状况。
[0075]
在本实施例中，通过与尿酸程度相关的汗液参数数据实现对用户的尿酸程度识别，并可长期进行跟踪，可起到改善人体健康指标的良好引导作用。
[0076]
在一个实施例中，在s200的获取用户的体表参数之前，方法还包括：检测用户是否处于标准佩戴状态；在确定用户处于标准佩戴状态时，进入获取用户的体表参数的步骤。具体地，可穿戴设备中的佩戴检测模块可根据是否检测到接触判断用户是否处于佩戴状态。进一步地还可根据检测到的实际心率数据与用户处于标准佩戴状态下的标准心率数据进行比较，判断用户是否处于标准佩戴状态。在确定用户处于标准佩戴状态时，才进入s200的获取用户的体表参数。其中，可穿戴设备的佩戴检测模块可选用电容传感器实现。
[0077]
应该理解的是，虽然如上所述的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，如上所述的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
[0078]
基于同样的发明构思，本技术实施例还提供了一种用于实现上述所涉及的运动监测方法的运动监测装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似，故下面所提供的一个或多个运动监测装置实施例中的具体限定可以参见上文中对于运动监测方法的限定，在此不再赘述。
[0079]
在一个实施例中，如图5所示，提供了一种运动监测装置，包括：体表参数获取模块510、数据获取模块520和运动预警模块530，其中：
[0080]
体表参数获取模块510，用于获取用户的体表参数；
[0081]
数据获取模块520，用于确定体表参数大于预设值，则获取用户的汗液数据、运动数据及心率数据；
[0082]
运动预警模块530，用于根据汗液数据、运动数据及心率数据确定用户当前运动量超标，则生成运动预警信息。
[0083]
在本实施例中，通过获取用户的体表参数，并在体表参数大于预设值时获取用户的汗液数据、运动数据与心率数据，并在根据汗液数据、运动数据与心率数据确定用户当前运动量超标时，生成运行预警信息来对用户进行运动量预警。本技术运动监测方法能够根据用户运动过程中的数据进行分析计算，来预警用户当前运动体能状态，防止因过度运动达到极限后引发的生命体征异常现象。
[0084]
在一个实施例中，体表参数包括体表温度和体表湿度，预设值包括预设温度与预设湿度；数据获取模块520，还用于确认体表温度大于预设温度且体表湿度大于预设湿度，
则获取用户的汗液数据、运动数据及心率数据；预设温度的取值范围为36℃～37.2℃，预设湿度的取值范围为60％-70％。
[0085]
在一个实施例中，运动预警模块530，还用于根据运动数据确定用户的运动强度是否满足第一预设条件；根据心率数据确定用户的疲劳程度是否满足第二预设条件；根据汗液数据确定用户的脱水程度是否满足第三预设条件；根据汗液数据确定用户的出汗程度是否满足第四预设条件；基于运动强度满足第一预设条件、疲劳程度满足第二预设条件、脱水程度满足第三预设条件以及出汗程度满足第四预设条件，则确定用户当前运动量超标。
[0086]
在一个实施例中，运动预警模块530，还用于根据运动数据，采用预设的卡路里计算模型计算得到实时卡路里消耗数据，并根据实时卡路里消耗数据匹配得到运动强度。
[0087]
在一个实施例中，运动预警模块530，还用于在根据实时卡路里消耗数据匹配得到的运动强度大于运动强度超标阈值时，确定用户的运动强度满足第一预设条件。
[0088]
在一个实施例中，运动预警模块530，还用于对心率数据进行特征提取，得到心率区间数据以及hrv数据；并在心率区间数据处于预设心率超标区间且hrv数据小于hrv超标阈值时，确定用户的疲劳程度满足第二预设条件。
[0089]
在一个实施例中，运动预警模块530，还用于对汗液数据进行特征提取，得到与脱水程度相关的汗液参数数据；将与脱水程度相关的汗液参数数据，采用预设的脱水程度识别模型分析得到脱水程度；其中，预设的脱水程度识别模型根据历史汗液参数数据库训练得到。
[0090]
在一个实施例中，运动预警模块530，还用于在采用预设的脱水程度识别模型分析得到的脱水程度大于脱水程度超标阈值时，确定用户的脱水程度满足第三预设条件。
[0091]
在一个实施例中，运动预警模块530，还用于对汗液数据进行特征提取，得到用户的出汗量数据；在出汗量数据大于出汗量超标阈值时，确定用户的出汗程度满足第四预设条件。
[0092]
在一个实施例中，装置还包括尿酸预警模块，用于对汗液数据进行特征提取，得到与尿酸程度相关的汗液参数数据；在根据与尿酸程度相关的汗液参数数据判断处于高尿酸状态时，生成高尿酸提醒信息。
[0093]
在一个实施例中，装置还包括佩戴检测模块，用于检测用户是否处于标准佩戴状态；在确定用户处于标准佩戴状态时，调用体表参数获取模块510获取用户的体表参数。
[0094]
在一个实施例中，数据获取模块520，还用于获取用户的运动模式选取指令对应的运动数据。
[0095]
上述运动监测装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
[0096]
在一个实施例中，如图6所示，提供了一种可穿戴设备，包括处理器以及与处理器连接的运动检测模块、心率检测模块、汗液检测模块、温湿度数据采集模块、交互模块，处理器用于根据上述的运动监测方法实现对可穿戴设备佩戴者的运动监测。
[0097]
具体地，汗液检测模块用于检测人体汗液生理体征，重点分析人体汗液中的无机离子、有机分子、氨基酸、激素、蛋白质、多肽等分泌物，比如检测汗液的k 、na 、cl－和ph值。可通过对汗液成分的监测，分析人体的电解质失衡程度、乳酸指数、汗液葡萄糖水平与
脱水状况。温湿度数据采集模块为温湿度计，用于检测用户的皮肤温度与皮肤湿度。运动检测模块为gsensor(加速度传感器)，用于检测用户运动状态及卡路里消耗。处理器为蓝牙mcu，用于收集各传感器得到的检测数据进行数据融合处理，并将相关检测数据及对生成的运动提醒信息上传控制端或云端，方便用户管理健康状态。
[0098]
进一步地，交互模块可包括显示装置与输入装置，显示装置可以是显示屏、投影装置或虚拟现实成像装置。输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。在本实施例中，交互模块还可包括扬声器(speaker)与麦克风(mic)，可实现运动提醒信息的输出，也可进行音乐播放及通话录音，还可实现语音助手交互等功能。
[0099]
在本实施例中，通过获取用户的体表参数，并在体表参数大于预设值时获取用户的汗液数据、运动数据与心率数据，并在根据汗液数据、运动数据与心率数据确定用户当前运动量超标时，生成运行预警信息来对用户进行运动量预警。本技术运动监测方法能够根据用户运动过程中的数据进行分析计算，来预警用户当前运动体能状态，防止因过度运动达到极限后引发的生命体征异常现象。
[0100]
在另一实施例中，可穿戴设备还包括与处理器连接的佩戴检测模块，选用电容传感器检测可穿戴设备是否处于标准佩戴状态。
[0101]
以下以图7的流程为例对可穿戴设备实现运动监测的流程进行解释说明，在本实施例中，以可穿戴设备为智能眼镜为例进行解释说明。
[0102]
步骤1：智能眼镜佩戴开机，眼镜启动佩戴检测计时，同时用户可在手机app端打开汗液检测模式或佩戴状态下默认汗液检测模式。
[0103]
步骤2：当用户选择不同的运动模式，gsensor记录各种运动模式(如跑步，骑行，户外爬山)下的运动数据，例如步数、距离等；心率模块启动实时监测心率、压力等数据，同时眼镜温湿度模块定时检测皮肤体表温度及湿度等数据，当检测到人体皮肤温度达到36～37.2摄氏度及湿度超出65％时，说明运动发热出汗明显，mcu启动汗液传感器收集检测汗液生理数据，同时实时获取心率，压力值数据变化趋势，由mcu融合算法进行gsensor运动数据、心率数据、汗液电解质、ph值等基础数据分析判断。
[0104]
步骤3：处理器计算得到人体的运动情况，例如运动强度、疲劳度、汗液挥发电解质脱水程度等级，将人体运动卡路里消耗、人体电解质钠离子、乳酸指数、心率、压力等基础数据做一相关性呈现，提示或预警用户当前运动体能状态。
[0105]
步骤4：当人体持续高负荷运动时，出汗量及出汗时间持续加大，当汗液传感器检测到汗液乳酸浓度、ph值超出到人体正常阈值时，结合运动心率数据主动做语音报警，提醒人体停止运动做舒缓休息，避免因剧烈运动消耗体能。
[0106]
步骤5：智能眼镜将人体每次运动数据及汗液检测数据上报手机app，以便用户查询运动体能及相关健康指标，合理安排运动的强度及运动时长。
[0107]
步骤6：汗液检测传感器还可针对汗液中尿酸和酪氨酸进行检测，将指导高尿酸人群合理控制高嘌呤膳食的摄入，并长期进行汗液检测，逐步改善尿酸和酪氨酸指标，改善人体健康指标起到良好的引导作用。
[0108]
在一个实施例中，提供了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的方法的步骤。
[0109]
在一个实施例中，提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现上述的方法的步骤。
[0110]
需要说明的是，本技术所涉及的用户信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于分析的数据、存储的数据、展示的数据等)，均为经用户授权或者经过各方充分授权的信息和数据，且相关数据的收集、使用和处理需要遵守相关国家和地区的相关法律法规和标准。
[0111]
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，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本技术所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(read-only memory，rom)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(reram)、磁变存储器(magnetoresistive random access memory，mram)、铁电存储器(ferroelectric random access memory，fram)、相变存储器(phase change memory，pcm)、石墨烯存储器等。易失性存储器可包括随机存取存储器(random access memory，ram)或外部高速缓冲存储器等。作为说明而非局限，ram可以是多种形式，比如静态随机存取存储器(static random access memory，sram)或动态随机存取存储器(dynamic random access memory，dram)等。本技术所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等，不限于此。本技术所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等，不限于此。
[0112]
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
[0113]
以上所述实施例仅表达了本技术的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本技术专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本技术构思的前提下，还可以做出若干变形和改进，这些都属于本技术的保护范围。因此，本技术的保护范围应以所附权利要求为准。