[發(fā)明專利]一種狀態(tài)監(jiān)測方法、裝置、電子設備及存儲介質

在審

• 申請?zhí)枺?/td>: 202111101588.6
• 申請日: 2021-09-18
• 公開（公告）號: CN113870995A
• 公開（公告）日: 2021-12-31
• 發(fā)明（設計）人: 王聰;陳翀;岳冬;林進華;陳勇
• 申請（專利權）人: 珠海格力電器股份有限公司;珠海聯(lián)云科技有限公司
• 主分類號: G16H40/67
• 分類號: G16H40/67;G16H50/20;G06N20/00;G06N3/08;G06K9/62
• 代理公司: 北京華夏泰和知識產(chǎn)權代理有限公司 11662
• 代理人: 杜欣

1.一種狀態(tài)監(jiān)測方法，其特征在于，包括：

獲取來自于監(jiān)測設備的監(jiān)測數(shù)據(jù)，所述監(jiān)測設備用于監(jiān)測目標對象；

將所述監(jiān)測數(shù)據(jù)輸入預設的機器學習模型，以使所述機器學習模型輸出與所述監(jiān)測數(shù)據(jù)對應的行為曲線；

基于所述行為曲線及預設的波動范圍與行為之間的對應關系，確定所述目標對象的對象行為及所述對象行為的出現(xiàn)頻次；

基于所述對象行為及所述出現(xiàn)頻次確定所述目標對象的狀態(tài)信息，并發(fā)送。

2.根據(jù)權利要求1所述的狀態(tài)監(jiān)測方法，其特征在于，所述基于所述行為曲線及預設的波動范圍與行為之間的對應關系，確定所述目標對象的對象行為，包括：

獲取所述行為曲線的波動范圍；

將所述行為曲線的波動范圍與所述對應關系中的波動范圍進行匹配；

將所述對應關系中匹配到的波動范圍所對應的行為確定為對象行為。

3.根據(jù)權利要求1所述的狀態(tài)監(jiān)測方法，其特征在于，所述機器學習模型包括：用于對所述監(jiān)測數(shù)據(jù)進行分類的分類子模型和用于基于監(jiān)測數(shù)據(jù)生成行為曲線的曲線生成子模型；

所述將所述監(jiān)測數(shù)據(jù)輸入預設的機器學習模型，以使所述機器學習模型輸出與所述監(jiān)測數(shù)據(jù)對應的行為曲線，包括：

將所述監(jiān)測數(shù)據(jù)輸入所述分類子模型，以使所述分類子模型輸出各所述監(jiān)測數(shù)據(jù)的數(shù)據(jù)類別；

將不同數(shù)據(jù)類別的監(jiān)測數(shù)值分別輸入所述曲線生成子模型，以使所述曲線生成子模型輸出各數(shù)據(jù)類別對應的行為曲線。

4.根據(jù)權利要求3所述的狀態(tài)監(jiān)測方法，其特征在于，所述數(shù)據(jù)類別包括：壓力類別、心率類別和呼吸類別，相應的，所述監(jiān)測數(shù)據(jù)為壓力數(shù)據(jù)、心率數(shù)據(jù)或者呼吸數(shù)據(jù)；

將不同數(shù)據(jù)類別的監(jiān)測數(shù)值分別輸入所述曲線生成子模型，以使所述曲線生成子模型輸出各數(shù)據(jù)類別對應的行為曲線，包括：

將所述壓力數(shù)據(jù)、心率數(shù)據(jù)和呼吸數(shù)據(jù)分別輸入所述機器學習模型，以使所述機器學習模型分別輸出與所述壓力數(shù)據(jù)對應的第一曲線、與所述心率數(shù)據(jù)對應的第二曲線和與所述呼吸數(shù)據(jù)對應的第三曲線。

5.根據(jù)權利要求4所述的狀態(tài)監(jiān)測方法，其特征在于，所述基于所述行為曲線及預設的波動范圍與行為之間的對應關系，確定所述目標對象的對象行為，包括：

分別確定所述第一曲線的第一波動范圍、所述第二曲線的第二波動范圍和所述第三曲線的第三波動范圍；

將所述第一波動范圍、第二波動范圍和所述第三波動范圍分別與所述波動范圍與行為之間的對應關系中對應的波動范圍進行匹配，所述對應關系中包括：壓力波動范圍、心率波動范圍、呼吸波動范圍與行為之間的對應關系；

將所述對應關系中匹配到的各波動范圍所對應的行為確定為所述目標對象的對象行為。

6.根據(jù)權利要求3所述的狀態(tài)監(jiān)測方法，其特征在于，所述機器學習模型還包括：用于濾除噪聲數(shù)據(jù)的噪聲濾除子模型；

所述將所述監(jiān)測數(shù)據(jù)輸入預設的機器學習模型，以使所述機器學習模型輸出與所述監(jiān)測數(shù)據(jù)對應的行為曲線，還包括：

將所述監(jiān)測數(shù)據(jù)輸入預設的噪聲濾除子模型，以使所述噪聲濾除子模型輸出濾除噪音數(shù)據(jù)后的監(jiān)測數(shù)據(jù)。

7.根據(jù)權利要求1所述的狀態(tài)監(jiān)測方法，其特征在于，所述方法還包括：

若所述機器學習模型輸出的行為曲線中存在大于預設閾值的行為數(shù)據(jù)，基于所述行為數(shù)據(jù)與所述預設閾值之間的第一差值，確定與所述第一差值對應的第一提示等級，按照所述第一提示等級發(fā)出第一提示信息，所述預設閾值為所述目標對象的歷史行為數(shù)據(jù)的平均值或者同年齡段的多個對象的行為數(shù)據(jù)的平均值；

或者，若所述對象行為的出現(xiàn)次數(shù)大于預設次數(shù)閾值，基于所述出現(xiàn)次數(shù)與所述預設次數(shù)閾值之間的第二差值，確定與所述第二差值對應的第二提示等級，按照所述第二提示等級發(fā)出第二提示信息，所述預設次數(shù)閾值為所述目標對象的對象行為的出現(xiàn)次數(shù)的平均值或者同年齡段的多個對象行為的出現(xiàn)次數(shù)的平均值。