[发明专利]一种基于可穿戴设备的运动风险评估方法与系统

说明书

本发明公开了一种基于可穿戴设备的运动风险评估方法与系统。包括：通过授权获取初始数据集进行模型的训练，利用可穿戴设备采集生理指标信息，进行相关特征优选，然后通过服务端进行运动风险评估，生成运动建议，用户的反馈用于迭代更新训练模型。本发明实现可穿戴设备数据收集、集成、异构数据融合与运动风险评估；通过采集的长期生理特征的变化曲线，结合海量用户数据进行相关性分析、分箱离散编码等数据处理，完成多源数据的过滤、变换、优选和融合，提取出更有效的数据特征；最后，通过对数据融合后多种综合特征进行运动风险的评估。实现具有较高可解释性的运动风险评估方法，为用户提供一定的应对运动风险的建议。

技术领域

本发明涉及智能家居、智慧健康领域，具体涉及一种基于可穿戴设备的运动风险评估方法与系统。

背景技术

随着生活水平的提升，人们更加追求健康生活，愿意花更多时间投入运动中，主动运动、科学运动日益成为人们的自觉选择。然而，在以往的运动健身过程中，人们往往面临着运动环境指标是否合适、身体指标是否健康、运动量是否科学等问题，稍有不慎会造成运动损伤或是运动意外的发生。如何在运动前得到一定的运动风险评估建议显得尤为重要。随着可穿戴设备与运动的不断结合，市场上出现了越来越多的智能运动应用与设备，以满足人们多层次的需要。针对科学的运动管理这一需求的智能可穿戴设备也在市场上逐渐涌现，并基于此为用户提供了多种精细化的服务，如运动规划、运动风险评估等。目前市场上有着大量的可穿戴设备，帮助人们监测自身的心率，消耗的卡路里，一天的行走步数等。在现有的基于可穿戴设备的运动风险评估方法中，往往使用设定规则或者简单的线性回归的方法，严重依赖于人的先验知识。这些方法缺乏对不同可穿戴设备采集的异构数据的融合和知识发现，因此难以实现科学的精准的运动风险评估与管理。基于人们对于运动科学性和运动方便性的追求，智能可穿戴设备的大量增加也为线上的智能大数据分析提供了发展的基础。本发明因此提出在服务端部署基于可穿戴设备数据的运动风险评估模型，并进行大数据分析与挖掘，进而为用户提供科学的运动风险评估结果，帮助用户提高运动风险评估与管理的效率和准确性。

目前的现有技术之一是市面上的多功能智能可穿戴设备，如运动手表、运动手环等。现有技术方案：首先，通过使用智能可穿戴设备采集不同的运动信息，如久坐时长、步数等；其次，通过规则分析使用者的身体状态，并给出对应的运动建议。现有技术方案缺点：首先，该类产品属于通用性较高的可穿戴设备，因此采集的数据对运动风险评估的任务不具有针对性；其次，该产品缺乏结合海量数据的分析服务，应用范围局限，可拓展度不高。

目前的现有技术之二是市面上的健身场所上的运动检测设备。现有技术方案：首先，在用户进行跑步、动感单车等活动时，使用专业的运动检测设备记录用户的运动心率等生理信息；其次，通过跟踪对应用户的运动记录，提供基于对应规则的运动健康建议。现有技术方案缺点：首先，缺乏为用户提供便携的数据记录功能；最后，没有结合大数据技术为用户提供运动风险的评估分析。

发明内容

本发明的目的是克服现有方法的不足，提出了一种基于可穿戴设备的运动风险评估方法。本发明解决的主要问题：一是现有技术方案的运动管理专业性不高，数据采集量低，不利于便携记录存储，不能实现精确的风险预估的问题；二是现有技术方案没有充分利用大数据数据分析与融合，导致可拓展性不高，无法实现较好解释性的运动建议的问题。

为了解决上述问题，本发明提出了一种基于可穿戴设备的运动风险评估方法，所述方法包括：

授权获取用户的初始数据集，包括用户的生理指标、环境指标并存储至服务端，进行模型训练，得到训练好的XGBoost模型；

用户基于可穿戴设备完成各项生理指标信息采集，采集到的每个时间戳下的生理指标发送到客户端；

所述客户端根据当前时间联网查询对应的所述初始数据集中的环境指标，将其与所述生理指标信息根据所述时间戳进行拼接，得到总的用户数据并传送至所述服务端；

所述服务端对所述总的用户数据进行特征提取与优选，得到多源融合特征；