可穿戴設備及人身安全監測方法
【專利摘要】本發明公開了一種可穿戴設備及人身安全監測方法，該可穿戴設備包括：心率監測模塊，用于采集用戶的心率數據，判斷心率數據是否異常，并將心率數據的判斷結果發送給處理模塊；運動監測模塊，用于采集用戶的運動數據，判斷運動數據是否異常，并將運動數據的判斷結果發送給處理模塊；定位模塊，用于采集用戶的地理位置信息，并將所述地理位置信息發送給處理模塊；所述處理模塊，用于基于心率數據的判斷結果和運動數據的判斷結果來判定用戶的人身安全狀況，并在判定為異常時，發送包含所述地理位置信息的報警消息給通信模塊；通信模塊，用于將報警消息發送給關聯設備。本發明能夠更智能地推斷出用戶的人身安全狀況，自動化程度高，易于實現。
【專利說明】
可穿戴設備及人身安全監測方法
技術領域
[0001]本發明涉及智能終端技術領域，具體涉及一種可穿戴設備及人身安全監測方法。
【背景技術】
[0002]目前，可穿戴設備的一大類應用是用于個人的安全看護，典型的產品是兒童手表、手環和老人手表。此類產品最重要的功能是及時檢測到用戶的人身安全隱患，并及時發出安全報警。
[0003]申請號為201410120432.6的中國專利申請公開了一種可穿戴電子設備以及人體健康監測管理系統，該可穿戴電子設備能夠實時檢測用戶運動信息，各項生理特征(包括血糖、血氧、血壓、心率、肌電、體溫、腦電波等數據)，健康狀況、情緒等，并將所述用戶運動數據與用戶生理數據相結合或者相對應進行分析判斷后對所述當前用戶進行健康監測管理。
[0004]申請號為201210562404.0的中國專利申請公開了一種無線腕表，將從監測生命體征參數單元接收的生命體征參數進行預警判決,針對不同的生命體征參數設置不同的生命體征參數門限值，并根據是否達到門限值來確定是否報警。
[0005]在上述方案中，需要測量較多的生命體征參數，這就使得影響測量結果的因素增多，技術上難以實現，成本也比較高；而判定手段則比較單一，這就影響了判斷結果的準確性。
【發明內容】
[0006]本發明針對現有技術中需要測量過多的生命體征參數，成本較高，技術上難實現以及判斷準確性不夠準確的問題，提出了一種可穿戴設備以及人身安全監測方法。
[0007]為實現上述發明目的，本發明提供的可穿戴設備采用下述技術方案予以實現:
一種可穿戴設備，包括:
心率監測模塊，用于采集用戶的心率數據，判斷所述心率數據是否異常，并將所述心率數據的判斷結果發送給處理模塊；
運動監測模塊，用于采集所述用戶的運動數據，判斷所述運動數據是否異常，并將所述運動數據的判斷結果發送給所述處理模塊；
定位模塊，用于采集所述用戶的地理位置信息，并將所述地理位置信息發送給所述處理模塊；
所述處理模塊，與所述心率監測模塊、所述運動監測模塊以及所述定位模塊連接，用于基于所述心率數據的判斷結果和所述運動數據的判斷結果來判定所述用戶的人身安全狀況，并在判定所述人身安全狀況為異常時，發送包含所述地理位置信息的報警消息給通信模塊；以及
所述通信模塊，與所述處理模塊連接，用于將所述報警消息發送給關聯設備。
[0008]如上所述的可穿戴設備，在一種可能的實現方式中，所述心率監測模塊還用于對所采集的心率數據進行自適應學習，得到所述用戶的常態心率數據，并基于所述常態心率數據設置心率閾值，通過將所采集的心率數據與所述心率閾值做比較判斷所述心率數據是否異常；所述心率數據包括心率或脈搏，所述心率閾值包括心率上限閾值和心率下限閾值。
[0009]如上所述的可穿戴設備，在一種可能的實現方式中，所述運動監測模塊還用于對所采集的運動數據進行自適應學習，得到所述用戶的常態運動數據，并基于所述常態運動數據設置加速度閾值，通過將所采集的運動數據與所述加速度閾值做比較判斷所述運動數據是否異常；所述運動數據包括速度、加速度及位移中的一種或多種。
[0010]如上所述的可穿戴設備，在一種可能的實現方式中，所述處理模塊基于所述心率數據的判斷結果和所述運動數據的判斷結果來判定所述用戶的人身安全狀況具體包括:
當所述心率數據的判斷結果為正常，所述運動數據的判斷結果為正常時，判定所述用戶的人身安全狀況為正常；
當所述心率數據的判斷結果為異常，所述運動數據的判斷結果為正常時，判定所述用戶的人身安全狀況為異常；以及
當所述心率數據的判斷結果為正常，所述運動數據的判斷結果為異常時，判定所述用戶的人身安全狀況為正常。
[0011]如上所述的可穿戴設備，在一種可能的實現方式中，所述運動監測模塊還用于對設定時間段內采集到的運動數據進行分析，得到速度變化走勢，并將所述速度變化走勢發送給所述處理模塊；
則所述處理模塊基于所述心率數據的判斷結果和所述運動數據的判斷結果來判定所述用戶的人身安全狀況還包括:當所述心率數據的判斷結果為異常，所述運動數據的判斷結果為異常時，如果所述速度變化走勢為下降，則所述處理模塊判定所述用戶的人身安全狀況為異常。
[0012]如上所述的可穿戴設備，在一種可能的實現方式中，所述心率監測模塊還用于對設定時間段內采集到的心率數據進行分析，得到心率變化走勢，并將所述心率變化走勢發送給所述處理模塊；所述運動監測模塊還用于對設定時間段內采集到的運動數據進行分析，得到加速度變化走勢，并將所述速度變化走勢發送給所述處理模塊；
則所述處理模塊基于所述心率數據的判斷結果和所述運動數據的判斷結果來判定所述用戶的人身安全狀況還包括:當所述心率數據的判斷結果為異常，所述運動數據的判斷結果為異常時，如果所述心率變化走勢為上升，且所述加速度變化走勢具有規律性和重復性，則所述處理模塊判斷所述用戶的人身安全狀況為正常。
[0013]如上所述的可穿戴設備，在一種可能的實現方式中，所述心率監測模塊還用于對設定時間段內采集到的心率數據進行分析，得到心率變化走勢，并將所述心率變化走勢發送給所述處理模塊；所述運動監測模塊還用于對設定時間段內采集到的運動數據進行分析，得到加速度變化走勢，并將所述速度變化走勢發送給所述處理模塊；
則所述處理模塊基于所述心率數據的判斷結果和所述運動數據的判斷結果來判定所述用戶的人身安全狀況還包括:當所述心率數據的判斷結果為異常，所述運動數據的判斷結果為異常時，如果所述心率變化走勢為上升，且所述加速度變化走勢不具有規律性和重復性，則所述處理模塊判斷所述用戶的人身安全狀況為異常。
[0014]為實現上述發明目的，本發明提供的人身安全監測方法采用下述技術方案來實現: 一種人身安全監測方法，包括:
采集用戶的心率數據，判斷所述心率數據是否異常；
采集所述用戶的運動數據，判斷所述運動數據是否異常；
采集所述用戶的地理位置信息；以及
基于所述心率數據的判斷結果和所述運動數據的判斷結果來判定所述用戶的人身安全狀況，并在判定所述人身安全狀況為異常時，發送包含所述地理位置信息的報警消息。
[0015]如上所述的人身安全監測方法，在一種可能的實現方式中，還包括:對所采集的心率數據進行自適應學習，得到所述用戶的常態心率數據，并基于所述常態心率數據設置心率閾值，通過將所采集的心率數據與所述心率閾值做比較判斷所述心率數據是否異常；所述心率數據包括心率或脈搏，所述心率閾值包括心率上限閾值和心率下限閾值。
[0016]如上所述的人身安全監測方法，在一種可能的實現方式中，還包括:對所采集的運動數據進行自適應學習，得到所述用戶的常態運動數據，并基于所述常態運動數據設置加速度閾值，通過將所采集的運動數據與所述加速度閾值做比較判斷所述運動數據是否異常；所述運動數據包括速度、加速度及位移中的一種或多種。
[0017]如上所述的人身安全監測方法，在一種可能的實現方式中，所述基于所述心率數據的判斷結果和所述運動數據的判斷結果來判定所述用戶的人身安全狀況包括:
當所述心率數據的判斷結果為正常，所述運動數據的判斷結果為正常時，判定所述用戶的人身安全狀況為正常；
當所述心率數據的判斷結果為異常，所述運動數據的判斷結果為正常時，判定所述用戶的人身安全狀況為異常；以及
當所述心率數據的判斷結果為正常，所述運動數據的判斷結果為異常時，判定所述用戶的人身安全狀況為正常。
[0018]如上所述的人身安全監測方法，在一種可能的實現方式中，還包括:對設定時間段內采集到的運動數據進行分析，得到速度變化走勢；
所述基于所述心率數據的判斷結果和所述運動數據的判斷結果來判定所述用戶的人身安全狀況包括:當所述心率數據的判斷結果為異常，所述運動數據的判斷結果為異常時，如果所述速度變化走勢為下降，則判定所述用戶的人身安全狀況為異常。
[0019]如上所述的人身安全監測方法，在一種可能的實現方式中，還包括:對設定時間段內采集到的心率數據進行分析，得到心率變化走勢，對設定時間段內采集到的運動數據進行分析，得到加速度變化走勢；
所述基于所述心率數據的判斷結果和所述運動數據的判斷結果來判定所述用戶的人身安全狀況還包括:當所述心率數據的判斷結果為異常，所述運動數據的判斷結果為異常時，如果所述心率變化走勢為上升，且所述加速度變化走勢具有規律性和重復性，則所述處理模塊判斷所述用戶的人身安全狀況為正常。
[0020]如上所述的人身安全監測方法，在一種可能的實現方式中，還包括:對設定時間段內采集到的心率數據進行分析，得到心率變化走勢，對設定時間段內采集到的運動數據進行分析，得到加速度變化走勢；
所述基于所述心率數據的判斷結果和所述運動數據的判斷結果來判定所述用戶的人身安全狀況還包括:當所述心率數據的判斷結果為異常，所述運動數據的判斷結果為異常時，如果所述心率變化走勢為上升，且所述加速度變化走勢不具有規律性和重復性，則所述處理模塊判斷所述用戶的人身安全狀況為異常。
[0021]與現有技術相比，本發明的優點和積極效果是:通過對用戶的心率數據和運動數據進行實時監測和綜合判斷，能夠更智能地推斷出用戶的人身安全狀況，并針對各種情形自動地發出報警消息，自動化程度較高，易于實現。
[0022]結合附圖閱讀本發明的【具體實施方式】后，本發明的其他特點和優點將變得更加清
/E.ο
【附圖說明】
[0023]圖1為本發明可穿戴設備一個實施例的結構示意圖；
圖2為本發明人身安全監測方法一個實施例的流程圖。
【具體實施方式】
[0024]為了使本發明的目的、技術方案及優點更加清楚明白，以下將結合附圖和實施例，對本發明作進一步詳細說明。
[0025]如圖1所示，為本發明可穿戴設備一個實施例的結構示意圖。具體來說，該實施例的可穿戴設備100包括:心率監測模塊10、運動監測模塊20、定位模塊30、處理模塊40以及通信模塊50。
[0026]其中，心率監測模塊10用于采集和存儲用戶的心率或脈搏等心率數據，基于預設的心率閾值來判斷用戶的心率數據是否正常，并將判斷結果發送給處理模塊40。該心率監測模塊10主要基于光學或電學的方法對用戶的心率數據進行監測。
[0027]其中，心率監測模塊10能夠對設定時間段內采集到的心率數據進行自適應學習，以形成具有統計學意義的用戶的常態心率數據，基于常態心率數據能夠設定心率閾值，例如心率上限閾值Rmax和心率下限閾值Rmin。心率監測模塊10將采集到的心率數據與心率閾值進行比較，當心率監測模塊10監測到用戶的當前心率值處于心率上限閾值Rmax和心率下限閾值Rmin之間時，心率監測模塊10判定該用戶的心率數據正常；當監測到用戶的當前心率值高于心率上限閾值Rmax或低于心率下限閾值Rmin時，心率監測模塊10判定該用戶的心率數據異常。
[0028]運動監測模塊20用于采集和存儲用戶的速度、加速度以及位移等運動數據，基于預設的速度閾值來判斷用戶的速度、加速度是否正常，并將判斷結果發送給處理模塊40。具體地，運動監測模塊20可以通過多軸加速度傳感器，對人體局部或者整體的運動數據進行監測和分析。
[0029]其中，運動監測模塊20能夠對設定時間段內采集到的運動數據進行自適應學習，以形成具有統計學意義的用戶的常態運動數據，基于該常態運動數據，并結合人體運動極限數據能夠設定加速度閾值Ath。運動監測模塊20將采集到的運動數據與速度閾值進行比較，當運動監測模塊20監測到用戶當前的實時加速度不大于加速度閾值Ath時，判定加速度數據正常，用戶的肢體運動處于正常狀態；反之，當監測到用戶當前的實時加速度大于加速度閾值Ath時，則判定用戶的加速度數據異常。
[0030]定位模塊30用于對用戶進行定位，獲取定位模塊30所處的地理位置信息，并將采集到的地理位置信息發送給處理模塊40。該定位模塊30采用的定位方法可以包括衛星定位(GPS)、基站定位以及W1-Fi熱點定位中的一種或多種。
[0031]處理模塊40用于對心率監測模塊10發送的心率數據判斷結果和運動監測模塊20發送的運動數據判斷結果進行進一步分析，以得到用戶的人身安全狀況，并在分析結果為異常時，將報警消息發送給通信模塊50。該報警消息包括用戶的地理位置信息，還可以包括用戶的異常信息，例如心率異常和/或加速度異常，還可以包括異常的持續時間等等。以便用戶的家人、監護人能夠進一步了解用戶的情況，并基于對用戶人身安全狀況的了解做出初步判斷和及時采取救助。
[0032]通信模塊50用于將接收到處理模塊40發送的報警消息發送給所關聯的通信設備，例如用戶的家人、監護人的移動終端、座機等設備，該報警信息中包含用戶的地理位置信息，還可以包括報警消息中所描述的用戶的大致異常狀況。本實施例中的通信模塊50采用GSM或者CDMA制式的無線通信模塊，遵循2G或3G無線蜂窩電話通訊協議。
[0033]具體而言，處理模塊40接收到的心率數據判斷結果和運動數據判斷結果包括四種組合:(I)心率數據正常，加速度數據正常；(2)心率數據異常，加速度數據正常；(3)心率數據正常，加速度數據異常；(4)心率數據異常，加速度數據異常。處理模塊40對該四種數據組合來判定用戶的人身安全狀況。
[0034]對于情況(1)，處理模塊10判斷為用戶的人身安全狀態正常。
[0035]對于情況(2)，用戶的運動數據正常意味著身體并未出現劇烈運動，但是心率數據異常，意味著用戶可能遇到意外情況，例如:因發生突發事件而受到驚嚇，心率加速；因遭遇壞人或不法分子而導致情緒緊張；或身體出現突發性疾病(如心臟病)等等。這種情況下，處理模塊40判定用戶人身安全狀況異常。
[0036]對于情況(3)，通常判定為用戶人身安全狀況正常，也可以結合加速度數據異常所持續的時間來做進一步判定，以便為用戶的家人或監護人提供更詳細的消息。如果加速度數據異常持續的時間較短，例如幾秒之內，可以看成是不會對用戶造成不良影響的一些如電梯升降，跑車加速等偶爾的劇烈運動，這種情況下處理模塊40判定為用戶的人身安全狀況正常。對于加速度數據異常持續的時間較長，而心率始終正常的情況，由于沒有典型的實際場景，而且心率正常可認為用戶情緒穩定，未有身心重大傷害或影響，因此即使出現這種情況，處理模塊40也可以判定為用戶的人身安全狀況正常，也可認為無緊急情況。當然為了保險起見，這種情況下也可以通過通信模塊50向關聯設備僅僅發送一個非緊急的異常提示，提示用戶的家人或監護人提高警惕。由于通常情況下，加速度數據異常持續時間較長會導致心率數據的變化，因而情況(3)可能會轉變為情況(4)。
[0037]對于情況(4)，此種情況相對比較復雜，因為正常和非正常的運動情況都有可能導致心率出現異常。在這種情況下，需要對心率值的變化走勢做進一步判斷，如果心率值呈下降變化，意味著心臟跳動減弱，極有可能是身體受到重大創傷，可能危及生命，因此無論運動數據發生任何異常，均實施報警措施，即刻通過通信模塊50發送報警消息給關聯設備。該緊急求救消息包括用戶所處位置，還可以包括用戶的大致狀況，還可以給出處理模塊40的判斷結果。
[0038]如果心率值呈上升變化，原因則有可能是多種，例如:①用戶進行體育運動；②用戶遭遇人身傷害，如車禍，身體受到巨大創傷；③用戶遭遇不法分子，雙方出現肢體沖突。如果用戶在進行體育運動(情況①)，則屬于正常情況，無需報警。對于其他情況，可以通過通信模塊50發送報警消息給關聯設備，以提醒用戶的家人和監護人引起足夠重視。為了確認屬于上述哪種情況，需要運動監測模塊20對采集到的運動數據進行進一步統計分析，得出各設定時間段內的加速度變化走勢，并將該加速度變化走勢也發給處理模塊40。如果用戶的加速度雖超過加速度閾值，但是在設定時間段內的加速度變化走勢具有規律性和重復性，那么處理模塊40判斷當前情況屬于上述情況①，用戶在進行體育運動，用戶的人身安全狀況為正常。反之，如果設定時間段內的加速度數據走勢不具有規律性和重復性，是雜亂的無規律可循的，那么處理模塊40判斷當前情況屬于上述情況②和③，即用戶的人身安全狀況為異常。
[0039]此外，定位模塊30也可以對一段時期內采集到的用戶的地理位置信息進行統計分析和自適應學習，得出用戶的常去地點，并對常去地點進行標注，例如購物場所，健身場所，親朋好友家等等。地理位置信息需要與其他信息相結合才能判定人身安全狀況。處理模塊40結合對設定時間段內的運動數據的分析，如果運動數據具有規律性、重復性且發生在健身地點，則可以判斷當前用戶的人身安全狀況為正常；如果運動數據不具有規律性、重復性且出現在用戶從未去過的地點，則判斷當前用戶的人身安全狀況為異常。
[0040]此外，還可以根據心率數據和運動數據的變化持續時間(或稱之為異常持續時間)來進行判定。心率監測模塊10還用于統計心率數據異常的持續時間，并將該持續時間發送給處理模塊40 ;運動監測模塊20還用于統計運動數據異常的持續時間，并將該持續時間發送給處理模塊40。處理模塊40將該心率異常持續時間和速度異常持續時間均超過設定閾值，則判定用戶的人身安全狀況為正常；如果心率異常持續時間超過設定閾值，而速度異常持續時間未超過設定閾值，則判定用戶的人身安全狀況為異常。
[0041]如圖2所示，為本發明提供的人身安全監測方法一個實施例的流程圖。具體來說，該方法實施例基于圖1實施例的設備，實現人身安全監測。結合上述實施例1中對可穿戴設備100的描述，該實施例的方法具體包括:
步驟S11、心率監測模塊10采集和存儲用戶的心率或脈搏等心率數據，基于預設置的心率閾值判斷當前心率數據是否異常，并將判斷結果發送給處理模塊40 ；
其中，心率監測模塊10對所采集的心率數據進行自適應學習，得到用戶的常態心率數據，并基于常態心率數據設置心率閾值，通過對所采集的心率數據與心率閾值做比較判斷所述心率數據是否異常；該心率數據包括心率或脈搏，心率閾值包括心率上限閾值和心率下限閾值。
[0042]步驟S21、運動監測模塊20采集和存儲用戶的速度、加速度以及位移等運動數據，基于預設置的速度閾值判斷當前運動數據是否異常，并將判斷結果發送給處理模塊40 ；
運動監測模塊20對所采集的運動數據進行自適應學習，得到用戶的常態運動數據，并基于常態運動數據設置加速度閾值，通過對所采集的運動數據與加速度閾值做比較判斷運動數據是否異常；運動數據包括速度、加速度及位移中的一種或多種。
[0043]步驟S13、定位模塊30采集用戶所處的地理位置信息，并將獲取的地理位置信息發送至處理模塊40 ；
步驟S14、處理模塊40基于接收到的心率數據判斷結果和運動數據判斷結果判定用戶的人身安全狀況，并在判定為人身狀況異常時，發送包含地理位置信息的報警消息給通信模塊50 ；
步驟S15、通信模塊50將該報警消息發送給關聯設備。
[0044]在步驟S14中，處理模塊40基于接收到的數據進行判定具體包括:
當心率數據的判斷結果為正常，運動數據的判斷結果為正常時，判定用戶的人身安全狀況為正常；
當心率數據的判斷結果為異常，運動數據的判斷結果為正常時，判定用戶的人身安全狀況為異常；以及
當心率數據的判斷結果為正常，運動數據的判斷結果為異常時，判定用戶的人身安全狀況為正常。
[0045]當心率數據的判斷結果為異常，運動數據的判斷結果也為異常時，需要結合其他參數做進一步地判定。例如，如果心率變化走勢為下降，則處理模塊40判斷為用戶的人身安全狀況為異常。如果心率變化走勢為上升，且速度變化走勢具有規律性和重復性，則判定為用戶的人身安全狀況為正常；如果心率變化走勢為上升，但速度變化走勢不具有規律性和重復性，則判定為用戶的人身安全狀況為異常。
[0046]本發明提供的可穿戴設備及基于該可穿戴設備的人身安全監測方法，通過對用戶的心率數據和運動數據進行實時監測和綜合判斷，能夠更智能地推斷出用戶的人身安全狀況，并針對各種情形自動地發出報警消息，自動化程度較高，易于實現。
[0047]以上實施例僅用以說明本發明的技術方案，而非對其進行限制；盡管參照前述實施例對本發明進行了詳細的說明，對于本領域的普通技術人員來說，依然可以對前述實施例所記載的技術方案進行修改，或者對其中部分技術特征進行等同替換；而這些修改或替換，并不使相應技術方案的本質脫離本發明所要求保護的技術方案的精神和范圍。
【主權項】
1.一種可穿戴設備，其特征在于，包括: 心率監測模塊，用于采集用戶的心率數據，判斷所述心率數據是否異常，并將所述心率數據的判斷結果發送給處理模塊； 運動監測模塊，用于采集所述用戶的運動數據，判斷所述運動數據是否異常，并將所述運動數據的判斷結果發送給所述處理模塊； 定位模塊，用于采集所述用戶的地理位置信息，并將所述地理位置信息發送給所述處理模塊； 所述處理模塊，與所述心率監測模塊、所述運動監測模塊以及所述定位模塊連接，用于基于所述心率數據的判斷結果和所述運動數據的判斷結果來判定所述用戶的人身安全狀況，并在判定所述人身安全狀況為異常時，發送包含所述地理位置信息的報警消息給通信模塊；以及 所述通信模塊，與所述處理模塊連接，用于將所述報警消息發送給關聯設備。2.根據權利要求1所述的可穿戴設備，其特征在于，所述心率監測模塊還用于對所采集的心率數據進行自適應學習，得到所述用戶的常態心率數據，并基于所述常態心率數據設置心率閾值，通過將所采集的心率數據與所述心率閾值做比較判斷所述心率數據是否異常；所述心率數據包括心率或脈搏，所述心率閾值包括心率上限閾值和心率下限閾值。3.根據權利要求1所述的可穿戴設備，其特征在于，所述運動監測模塊還用于對所采集的運動數據進行自適應學習，得到所述用戶的常態運動數據，并基于所述常態運動數據設置加速度閾值，通過將所采集的運動數據與所述加速度閾值做比較判斷所述運動數據是否異常；所述運動數據包括速度、加速度及位移中的一種或多種。4.根據權利要求1所述的可穿戴設備，其特征在于，所述處理模塊基于所述心率數據的判斷結果和所述運動數據的判斷結果來判定所述用戶的人身安全狀況具體包括: 當所述心率數據的判斷結果為正常，所述運動數據的判斷結果為正常時，判定所述用戶的人身安全狀況為正常； 當所述心率數據的判斷結果為異常，所述運動數據的判斷結果為正常時，判定所述用戶的人身安全狀況為異常；以及 當所述心率數據的判斷結果為正常，所述運動數據的判斷結果為異常時，判定所述用戶的人身安全狀況為正常。5.根據權利要求1-4任一項所述的可穿戴設備，其特征在于，所述運動監測模塊還用于對設定時間段內采集到的運動數據進行分析，得到速度變化走勢，并將所述速度變化走勢發送給所述處理模塊； 則所述處理模塊基于所述心率數據的判斷結果和所述運動數據的判斷結果來判定所述用戶的人身安全狀況還包括:當所述心率數據的判斷結果為異常，所述運動數據的判斷結果為異常時，如果所述速度變化走勢為下降，則所述處理模塊判定所述用戶的人身安全狀況為異常。6.根據權利要求1-4任一項所述的可穿戴設備，其特征在于，所述心率監測模塊還用于對設定時間段內采集到的心率數據進行分析，得到心率變化走勢，并將所述心率變化走勢發送給所述處理模塊；所述運動監測模塊還用于對設定時間段內采集到的運動數據進行分析，得到加速度變化走勢，并將所述速度變化走勢發送給所述處理模塊； 則所述處理模塊基于所述心率數據的判斷結果和所述運動數據的判斷結果來判定所述用戶的人身安全狀況還包括:當所述心率數據的判斷結果為異常，所述運動數據的判斷結果為異常時，如果所述心率變化走勢為上升，且所述加速度變化走勢具有規律性和重復性，則所述處理模塊判斷所述用戶的人身安全狀況為正常。7.根據權利要求1-4任一項所述的可穿戴設備，其特征在于，所述心率監測模塊還用于對設定時間段內采集到的心率數據進行分析，得到心率變化走勢，并將所述心率變化走勢發送給所述處理模塊；所述運動監測模塊還用于對設定時間段內采集到的運動數據進行分析，得到加速度變化走勢，并將所述速度變化走勢發送給所述處理模塊； 則所述處理模塊基于所述心率數據的判斷結果和所述運動數據的判斷結果來判定所述用戶的人身安全狀況還包括:當所述心率數據的判斷結果為異常，所述運動數據的判斷結果為異常時，如果所述心率變化走勢為上升，且所述加速度變化走勢不具有規律性和重復性，則所述處理模塊判斷所述用戶的人身安全狀況為異常。8.一種人身安全監測方法，其特征在于，包括: 采集用戶的心率數據，判斷所述心率數據是否異常； 采集所述用戶的運動數據，判斷所述運動數據是否異常； 采集所述用戶的地理位置信息；以及 基于所述心率數據的判斷結果和所述運動數據的判斷結果來判定所述用戶的人身安全狀況，并在判定所述人身安全狀況為異常時，發送包含所述地理位置信息的報警消息。9.根據權利要求8所述的人身安全監測方法，其特征在于，還包括:對所采集的心率數據進行自適應學習，得到所述用戶的常態心率數據，并基于所述常態心率數據設置心率閾值，通過將所采集的心率數據與所述心率閾值做比較判斷所述心率數據是否異常；所述心率數據包括心率或脈搏，所述心率閾值包括心率上限閾值和心率下限閾值。10.根據權利要求8所述的人身安全監測方法，其特征在于，還包括:對所采集的運動數據進行自適應學習，得到所述用戶的常態運動數據，并基于所述常態運動數據設置加速度閾值，通過將所采集的運動數據與所述加速度閾值做比較判斷所述運動數據是否異常；所述運動數據包括速度、加速度及位移中的一種或多種。11.根據權利要求8所述的人身安全監測方法，其特征在于，所述基于所述心率數據的判斷結果和所述運動數據的判斷結果來判定所述用戶的人身安全狀況包括: 當所述心率數據的判斷結果為正常，所述運動數據的判斷結果為正常時，判定所述用戶的人身安全狀況為正常； 當所述心率數據的判斷結果為異常，所述運動數據的判斷結果為正常時，判定所述用戶的人身安全狀況為異常；以及 當所述心率數據的判斷結果為正常，所述運動數據的判斷結果為異常時，判定所述用戶的人身安全狀況為正常。12.根據權利要求8-11任一項所述的人身安全監測方法，其特征在于，還包括:對設定時間段內采集到的運動數據進行分析，得到速度變化走勢； 所述基于所述心率數據的判斷結果和所述運動數據的判斷結果來判定所述用戶的人身安全狀況包括:當所述心率數據的判斷結果為異常，所述運動數據的判斷結果為異常時，如果所述速度變化走勢為下降，則判定所述用戶的人身安全狀況為異常。13.根據權利要求8-11任一項所述的人身安全監測方法，其特征在于，還包括:對設定時間段內采集到的心率數據進行分析，得到心率變化走勢，對設定時間段內采集到的運動數據進行分析，得到加速度變化走勢； 所述基于所述心率數據的判斷結果和所述運動數據的判斷結果來判定所述用戶的人身安全狀況還包括:當所述心率數據的判斷結果為異常，所述運動數據的判斷結果為異常時，如果所述心率變化走勢為上升，且所述加速度變化走勢具有規律性和重復性，則所述處理模塊判斷所述用戶的人身安全狀況為正常。14.根據權利要求8-11任一項所述的人身安全監測方法，其特征在于，還包括:對設定時間段內采集到的心率數據進行分析，得到心率變化走勢，對設定時間段內采集到的運動數據進行分析，得到加速度變化走勢； 所述基于所述心率數據的判斷結果和所述運動數據的判斷結果來判定所述用戶的人身安全狀況還包括:當所述心率數據的判斷結果為異常，所述運動數據的判斷結果為異常時，如果所述心率變化走勢為上升，且所述加速度變化走勢不具有規律性和重復性，則所述處理模塊判斷所述用戶的人身安全狀況為異常。
【文檔編號】G08B21/02GK105869344SQ201510034483
【公開日】2016年8月17日
【申請日】2015年1月23日
【發明人】姜幸群
【申請人】青島海爾智能技術研發有限公司