[發明專利]一種打坐呼吸引導方法、設備及存儲介質在審
| 申請號: | 201810873305.1 | 申請日: | 2018-08-02 |
| 公開(公告)號: | CN109063648A | 公開(公告)日: | 2018-12-21 |
| 發明(設計)人: | 徐強 | 申請(專利權)人: | 上海掌門科技有限公司 |
| 主分類號: | G06K9/00 | 分類號: | G06K9/00;G16H20/30 |
| 代理公司: | 北京辰權知識產權代理有限公司 11619 | 代理人: | 劉廣達 |
| 地址: | 201203 上海*** | 國省代碼: | 上海;31 |
| 權利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關鍵詞: | 人體特征數據 呼吸 預設條件 音樂 打坐 存儲介質 身體特征數據 數據處理技術 持續監測 監測用戶 用戶進入 有效呼吸 自動播放 狀態時 播放 智能 監測 檢測 | ||
本發明公開了一種打坐呼吸引導方法、設備及存儲介質,屬于數據處理技術領域。所述方法包括:當檢測到用戶入座時,監測用戶的第一人體特征數據,當第一人體特征數據滿足第一預設條件時,自動播放呼吸引導音樂;持續監測用戶的第一人體特征數據,當第一人體特征數據滿足第二預設條件時,自動關閉呼吸引導音樂。本發明中,能夠根據用戶的類型,適時播放呼吸引導音樂,實現了對用戶的有效呼吸引導,以使用戶快速進入入定狀態;同時結合監測的第一身體特征數據,在第一人體特征數據滿足第二預設條件時,即用戶進入入定狀態時,自動關閉呼吸引導音樂,來有效的避免呼吸引導音樂的反作用,實現了用戶打坐時的智能呼吸引導。
技術領域
本發明涉及數據處理技術領域,尤其涉及一種打坐呼吸引導方法、設備及存儲介質。
背景技術
打坐禪修是禪修者的日常事項之一,禪修者在打坐禪修時,往往不能快速的進入入定狀態,其中一個重要原因是呼吸方式不準確。當前,已有一些打坐呼吸的引導音頻,在禪修者打坐時進行呼吸引導,以助于禪修者快速進入入定狀態。然而,當前的呼吸引導音頻,多數比較死板、沒有針對性,常常在禪修者已進入入定狀態時,還在進行呼吸引導,反而起到了反作用;因而一種有效的打坐呼吸引導方法對于禪修者來說是有必要的。
發明內容
本發明的目的是通過以下技術方案實現的。
第一方面,本發明提出一種打坐呼吸引導方法,當檢測到用戶入座時,執行以下操作:
監測用戶的第一人體特征數據,當所述第一人體特征數據滿足第一預設條件時,自動播放呼吸引導音樂;
持續監測用戶的第一人體特征數據,當所述第一人體特征數據滿足第二預設條件時,自動關閉所述呼吸引導音樂。
可選的,所述監測用戶的第一人體特征數據,具體為:監測用戶的呼吸、和/或心率、和/或體溫、和/或重心。
可選的,所述當所述第一人體特征數據滿足第一預設條件時,自動播放呼吸引導音樂,具體為:當所述第一人體特征數據在預設時間內波動幅度超過預設范圍時,自動播放呼吸引導音樂;
可選的,所述當所述第一人體特征數據滿足第二預設條件時,自動關閉所述呼吸引導音樂,具體為:當所述第一特征數據的波動幅度未超過所述預設范圍內時,自動關閉呼吸引導音樂。
可選的,所述監測用戶的第一人體特征數據之前,還包括:判斷用戶是否為首次打坐;
對應的,當判定用戶是首次打坐時,監測用戶的第一人體特征數據,同時自動播放呼吸引導音樂。
可選的,所述判斷用戶是否為首次打坐,具體為:
監測用戶的第二身體特征數據,根據所述第二身體特征數據判斷用戶是否為首次打坐;
或者,采集用戶的人臉圖像,根據所述人臉圖像判斷用戶是否為首次打坐。
可選的,所述監測用戶的第二身體特征數據,根據所述第二身體特征數據判斷用戶是否為首次打坐,包括:
監測用戶的重力和心率,并與數據庫中的用戶數據比對;當比對失敗時,判定用戶是首次打坐;當比對成功時,讀取對應保存的打坐時間并獲取當前時間;
判斷所述打坐時間與當前時間的間隔是否在預設時間間隔內,是則判定用戶不是首次打坐;否則判定用戶是首次打坐。
可選的,所述比對失敗時,還包括:獲取當前時間;
對應的,所述方法還包括:將監測的重力和心率、獲取的當前時間保存至所述數據庫。
可選的,所述根據所述人臉圖像判斷用戶是否為首次打坐,具體為:
將采集的人臉圖像與數據庫中的人臉圖像比對,當對比通過時,判定用戶是首次打坐;當對比未通過時,判定用戶不是首次打坐。
該專利技術資料僅供研究查看技術是否侵權等信息,商用須獲得專利權人授權。該專利全部權利屬于上海掌門科技有限公司,未經上海掌門科技有限公司許可,擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作,請聯系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/201810873305.1/2.html,轉載請聲明來源鉆瓜專利網。
- 上一篇:目標電纜精準識別方法
- 下一篇:基于孿生行人對齊殘差網絡的行人重識別方法





