本發(fā)明涉及電子技術(shù)，尤其涉及一種信息處理方法及裝置。
背景技術(shù)：
：現(xiàn)有應(yīng)用程序(APP，APPlication)產(chǎn)品中，例如QQ音樂(lè)等，在APP中自動(dòng)會(huì)將某些類(lèi)型歌曲根據(jù)場(chǎng)景分成曲庫(kù)，例如“跑步”、“開(kāi)車(chē)”，里面的音樂(lè)基本固定且風(fēng)格相似。用戶(hù)在跑步時(shí)點(diǎn)擊該主題，會(huì)自動(dòng)播放一系列歌曲。也就是說(shuō)，用戶(hù)只能聽(tīng)該主題對(duì)應(yīng)的曲庫(kù)中的歌曲，由于播放的歌曲基本不變，完全沒(méi)有反映用戶(hù)的身體狀態(tài)，使得用戶(hù)在跑步時(shí)經(jīng)常會(huì)遇到自己不愿意聽(tīng)到的歌曲，影響跑步效果。還有一種通過(guò)獲取加速度傳感器輸出的加速度信息來(lái)確定用戶(hù)當(dāng)前的運(yùn)動(dòng)強(qiáng)度等級(jí)，隨后查找與確定的運(yùn)動(dòng)強(qiáng)度等級(jí)相匹配的音樂(lè)的方案。但是，僅通過(guò)加速度信息來(lái)播放相應(yīng)的音樂(lè)，并不能準(zhǔn)確反映用戶(hù)實(shí)際的運(yùn)動(dòng)狀態(tài)，相應(yīng)地，播放的音樂(lè)也不能真正給用戶(hù)起到增加運(yùn)動(dòng)效果的作用。技術(shù)實(shí)現(xiàn)要素：為解決現(xiàn)有存在的技術(shù)問(wèn)題，本發(fā)明實(shí)施例提供一種信息處理方法及裝置。為達(dá)到上述目的，本發(fā)明實(shí)施例的技術(shù)方案是這樣實(shí)現(xiàn)的：本發(fā)明實(shí)施例提供了一種信息處理方法，包括：運(yùn)動(dòng)過(guò)程中監(jiān)測(cè)用戶(hù)的生命體征參數(shù)；利用監(jiān)測(cè)的生命體征參數(shù)，并基于支持向量機(jī)(SVM，SupportVectorMachine)算法，確定所述用戶(hù)在運(yùn)動(dòng)過(guò)程中當(dāng)前的身體狀態(tài)；選擇與第一基準(zhǔn)多媒體信息特征值等同的多媒體信息；所述第一基準(zhǔn)多媒體信息為所述用戶(hù)當(dāng)前身體狀態(tài)對(duì)應(yīng)的基準(zhǔn)多媒體信息；向所述用戶(hù)輸出選擇的多媒體信息。上述方案中，確定所述用戶(hù)當(dāng)前的身體狀態(tài)后，所述方法還包括：當(dāng)所述用戶(hù)當(dāng)前的身體狀態(tài)為所述用戶(hù)的極限狀態(tài)時(shí)，停止向所述用戶(hù)輸出選擇的多媒體信息，或者向所述用戶(hù)輸出用于告警的多媒體信息。上述方案中，所述第一基準(zhǔn)多媒體信息特征值為兩個(gè)以上不同的特征值；相應(yīng)地，所述選擇與第一基準(zhǔn)多媒體信息特征值等同的多媒體信息，為：在多媒體信息庫(kù)中查找與所述第一基準(zhǔn)多媒體信息的兩個(gè)以上特征值對(duì)應(yīng)的多媒體信息集合，所述多媒體信息集合中的各多媒體信息的兩個(gè)以上特征值與所述第一基準(zhǔn)多媒體信息的對(duì)應(yīng)特征值相同的個(gè)數(shù)在預(yù)設(shè)范圍內(nèi)；將查找到的多媒體信息集合中的各多媒體信息作為選擇的多媒體信息。上述方案中，所述將多媒體信息庫(kù)中每條多媒體信息的兩個(gè)以上特征值分別與所述第一基準(zhǔn)多媒體信息的對(duì)應(yīng)特征值進(jìn)行比較之前，所述方法還包括：統(tǒng)計(jì)所述多媒體信息庫(kù)中每條多媒體信息的兩個(gè)以上特征值，并存儲(chǔ)至所述多媒體信息庫(kù)。上述方案中，統(tǒng)計(jì)所述多媒體信息庫(kù)中每條多媒體信息的兩個(gè)以上特征值時(shí)，所述方法還包括：根據(jù)所述用戶(hù)的喜好習(xí)慣，分析出所述用戶(hù)的各身體狀態(tài)下不喜歡的多媒體信息類(lèi)型，并在所述多媒體信息庫(kù)進(jìn)行標(biāo)識(shí)；相應(yīng)地，選擇的多媒體信息為符合用戶(hù)的喜好習(xí)慣的多媒體信息。上述方案中，所述利用監(jiān)測(cè)的生命體征參數(shù)，并基于SVM算法，確定所述用戶(hù)在運(yùn)動(dòng)過(guò)程中當(dāng)前的身體狀態(tài)，包括：基于身體狀態(tài)模型，利用監(jiān)測(cè)的生命體征參數(shù)，確定所述用戶(hù)在運(yùn)動(dòng)過(guò)程中當(dāng)前的身體狀態(tài)；所述身體狀態(tài)模型為基于SVM算法所建立的所述用戶(hù)身體狀態(tài)與生命體征參數(shù)的對(duì)應(yīng)關(guān)系模型。上述方案中，所述監(jiān)測(cè)用戶(hù)的生命體征參數(shù)以及運(yùn)動(dòng)參數(shù)之前，所述方法還包括：基于SVM算法，建立所述身體狀態(tài)模型。本發(fā)明實(shí)施例還提供了一種信息處理裝置，包括：監(jiān)測(cè)單元、確定單元、選擇單元以及輸出單元；其中，所述監(jiān)測(cè)單元，用于運(yùn)動(dòng)過(guò)程中監(jiān)測(cè)用戶(hù)的生命體征參數(shù)；所述確定單元，用于利用監(jiān)測(cè)的生命體征參數(shù)，并基于SVM算法，確定所述用戶(hù)在運(yùn)動(dòng)過(guò)程中當(dāng)前的身體狀態(tài)；所述選擇單元，用于選擇與第一基準(zhǔn)多媒體信息特征值等同的多媒體信息；所述第一基準(zhǔn)多媒體信息為所述用戶(hù)當(dāng)前身體狀態(tài)對(duì)應(yīng)的基準(zhǔn)多媒體信息；所述輸出單元，用于向所述用戶(hù)輸出選擇的多媒體信息。上述方案中，所述輸出單元，還用于當(dāng)所述用戶(hù)當(dāng)前的身體狀態(tài)為所述用戶(hù)的極限狀態(tài)時(shí)，停止向所述用戶(hù)輸出選擇的多媒體信息，或者向所述用戶(hù)輸出用于告警的多媒體信息。上述方案中，所述第一基準(zhǔn)多媒體信息特征值為兩個(gè)以上不同的特征值；所述選擇單元包括：查找模塊及選擇模塊；其中，所述查找模塊，用于在多媒體信息庫(kù)中查找與所述第一基準(zhǔn)多媒體信息的兩個(gè)以上特征值對(duì)應(yīng)的多媒體信息集合，所述多媒體信息集合中的各多媒體信息的兩個(gè)以上特征值與所述第一基準(zhǔn)多媒體信息的對(duì)應(yīng)特征值相同的個(gè)數(shù)在預(yù)設(shè)范圍內(nèi)；所述選擇模塊，用于將查找到的多媒體信息集合中的各多媒體信息作為選擇的多媒體信息。上述方案中，所述裝置還包括：統(tǒng)計(jì)單元，用于統(tǒng)計(jì)所述多媒體信息庫(kù)中每條多媒體信息的兩個(gè)以上特征值，并存儲(chǔ)至所述多媒體信息庫(kù)。上述方案中，所述統(tǒng)計(jì)單元，還用于根據(jù)所述用戶(hù)的喜好習(xí)慣，分析出所述用戶(hù)的各身體狀態(tài)下不喜歡的多媒體信息類(lèi)型，并在所述多媒體信息庫(kù)進(jìn)行標(biāo)識(shí)；相應(yīng)地，選擇的多媒體信息為符合用戶(hù)的喜好習(xí)慣的多媒體信息。上述方案中，所述確定單元，具體用于：基于身體狀態(tài)模型，利用監(jiān)測(cè)的生命體征參數(shù)，確定所述用戶(hù)在運(yùn)動(dòng)過(guò)程中當(dāng)前的身體狀態(tài)；所述身體狀態(tài)模 型為基于SVM算法所建立的所述用戶(hù)身體狀態(tài)與生命體征參數(shù)的對(duì)應(yīng)關(guān)系模型。上述方案中，所述裝置還包括：模型建立單元，用于基于SVM算法，建立所述身體狀態(tài)模型。本發(fā)明實(shí)施例提供的信息處理方法及裝置，運(yùn)動(dòng)過(guò)程中監(jiān)測(cè)用戶(hù)的生命體征參數(shù)；利用監(jiān)測(cè)的生命體征參數(shù)，并基于SVM算法，確定所述用戶(hù)在運(yùn)動(dòng)過(guò)程中當(dāng)前的身體狀態(tài)；選擇與第一基準(zhǔn)多媒體信息特征值等同的多媒體信息；所述第一基準(zhǔn)多媒體信息為所述用戶(hù)當(dāng)前身體狀態(tài)對(duì)應(yīng)的基準(zhǔn)多媒體信息；向所述用戶(hù)輸出選擇的多媒體信息，基于所述用戶(hù)的生命體征參數(shù)，對(duì)用戶(hù)的身體狀態(tài)進(jìn)行識(shí)別，識(shí)別結(jié)果準(zhǔn)確。同時(shí)，針對(duì)準(zhǔn)確識(shí)別的用戶(hù)當(dāng)前的身體狀態(tài)輸出相應(yīng)的多媒體信息，如此，能促進(jìn)用戶(hù)的運(yùn)動(dòng)效果，提升用戶(hù)體驗(yàn)。附圖說(shuō)明在附圖(其不一定是按比例繪制的)中，相似的附圖標(biāo)記可在不同的視圖中描述相似的部件。具有不同字母后綴的相似附圖標(biāo)記可表示相似部件的不同示例。附圖以示例而非限制的方式大體示出了本文中所討論的各個(gè)實(shí)施例。圖1為本發(fā)明實(shí)施例一信息處理的方法流程示意圖；圖2為本發(fā)明實(shí)施例向用戶(hù)推薦音樂(lè)的方法流程示意圖；圖3為本發(fā)明實(shí)施例音樂(lè)節(jié)拍對(duì)應(yīng)的音樂(lè)類(lèi)型的標(biāo)識(shí)結(jié)果示意圖；圖4為本發(fā)明實(shí)施例二第一種信息處理裝置結(jié)構(gòu)示意圖；圖5本發(fā)明實(shí)施例二第二種信息處理裝置結(jié)構(gòu)示意圖；圖6為本發(fā)明實(shí)施例二第三種信息處理裝置結(jié)構(gòu)示意圖。具體實(shí)施方式下面結(jié)合附圖及實(shí)施例對(duì)本發(fā)明再作進(jìn)一步詳細(xì)的描述。描述本發(fā)明實(shí)施例之前，向詳細(xì)了解一下目前在運(yùn)動(dòng)過(guò)程中向用戶(hù)播放音樂(lè)等多媒體信息的技術(shù)方案。1)有幾款A(yù)PP，比如QQ音樂(lè)等，自動(dòng)(或基于大眾公認(rèn))將某類(lèi)型的歌 曲根據(jù)場(chǎng)景分成了曲庫(kù)，用戶(hù)在跑步過(guò)程中，可以選擇跑步場(chǎng)景對(duì)應(yīng)的曲庫(kù)，進(jìn)行歌曲的播放，但是該方法的缺陷是：如果用戶(hù)不手動(dòng)對(duì)播放的歌曲進(jìn)行切換，則只能聽(tīng)該類(lèi)曲庫(kù)的歌曲，如此，會(huì)造成用戶(hù)在跑步時(shí)經(jīng)常會(huì)遇到自己不愿意聽(tīng)到的歌曲，影響跑步效果。2)通過(guò)加速度傳感器輸出的加速度信息來(lái)識(shí)別用戶(hù)當(dāng)時(shí)的運(yùn)動(dòng)強(qiáng)度等級(jí)，并查找與之對(duì)應(yīng)的歌曲。但是，僅通過(guò)加速度信息來(lái)播放相應(yīng)的音樂(lè)，并不能準(zhǔn)確反映用戶(hù)實(shí)際的運(yùn)動(dòng)狀態(tài)，比如將這種方式用在跑步機(jī)上(如果不手動(dòng)進(jìn)行切換)，則速度全程一致，加速度傳感器無(wú)法檢測(cè)用戶(hù)跑步時(shí)的疲勞不適的情況，從而不能準(zhǔn)確反映用戶(hù)運(yùn)動(dòng)時(shí)的身體狀態(tài)，播放的音樂(lè)也不能真正給用戶(hù)起到增加運(yùn)動(dòng)效果的作用。另外，現(xiàn)有技術(shù)中，可以通過(guò)生理指標(biāo)(脈搏、體溫、血壓、水合程度、心率、心電圖(EKG)等)來(lái)感測(cè)用戶(hù)訓(xùn)練時(shí)的狀態(tài)，但該技術(shù)只是將感測(cè)到的生理數(shù)據(jù)直接進(jìn)行顯示，從而通過(guò)既有的顯示結(jié)果來(lái)改變現(xiàn)有的訓(xùn)練方式，并未涉及如何根據(jù)生理數(shù)據(jù)對(duì)用戶(hù)的身體狀態(tài)進(jìn)行分類(lèi)，從而向用戶(hù)播放相應(yīng)的音樂(lè)?；诖?，在本發(fā)明的各種實(shí)施例中：運(yùn)動(dòng)過(guò)程中監(jiān)測(cè)用戶(hù)的生命體征參數(shù)；利用監(jiān)測(cè)的生命體征參數(shù)，并基于SVM算法，確定所述用戶(hù)在運(yùn)動(dòng)過(guò)程中當(dāng)前的身體狀態(tài)；選擇與第一基準(zhǔn)多媒體信息特征值等同的多媒體信息；所述第一基準(zhǔn)多媒體信息為所述用戶(hù)當(dāng)前身體狀態(tài)對(duì)應(yīng)的基準(zhǔn)多媒體信息；向所述用戶(hù)輸出選擇的多媒體信息。實(shí)施例一本實(shí)施例信息處理的方法，如圖1所示，該方法包括以下步驟：步驟101：運(yùn)動(dòng)過(guò)程中監(jiān)測(cè)用戶(hù)的生命體征參數(shù)；這里，所述生命體征參數(shù)可以包括：脈搏、體溫、血壓、皮膚電反應(yīng)等。其中，所述皮膚電反應(yīng)是指：皮膚電阻或電導(dǎo)隨皮膚汗腺機(jī)能變化而改變，叫做皮電反應(yīng)。實(shí)際應(yīng)用時(shí)，可以實(shí)時(shí)監(jiān)測(cè)用戶(hù)的生命體征參數(shù)。相應(yīng)地，可以通過(guò)相應(yīng) 的采集設(shè)備來(lái)實(shí)時(shí)檢測(cè)用戶(hù)的生命體征參數(shù)。舉個(gè)例子來(lái)說(shuō)，可以采用集成有光電傳感器、皮電反應(yīng)傳感器、皮膚溫度傳感器等采集設(shè)備(穿戴式設(shè)備)來(lái)實(shí)時(shí)檢測(cè)用戶(hù)的生命體征參數(shù)。其中，通過(guò)光電傳感器可以獲取所述用戶(hù)的光電容積脈搏波。光電容積脈搏波是借助光電技術(shù)在活體組織中監(jiān)測(cè)血液容積變化獲得的波形信號(hào)，其信號(hào)特征中包含人體循環(huán)系統(tǒng)、呼吸系統(tǒng)等許多生理病理信息。光電容積脈搏波在血氧飽和度、脈搏、心率、呼吸頻率、呼吸容積、血壓、血紅蛋白、血流動(dòng)力學(xué)、循環(huán)功能、麻醉應(yīng)激、動(dòng)脈硬化等生理參數(shù)的無(wú)創(chuàng)監(jiān)測(cè)中具有廣泛應(yīng)用前景。這里，實(shí)際應(yīng)用時(shí)，還可以通過(guò)麥克風(fēng)來(lái)監(jiān)測(cè)所述用戶(hù)的呼吸頻率及分貝數(shù)據(jù)，從而獲得呼吸頻率、強(qiáng)度。在執(zhí)行本步驟之前，該方法還可以包括：基于SVM算法，建立所述身體狀態(tài)模型。其中，所述身體狀態(tài)模型為基于SVM算法所建立的所述用戶(hù)身體狀態(tài)與生命體征參數(shù)的對(duì)應(yīng)關(guān)系模型。建立的身體狀態(tài)模型是與所述用戶(hù)的身體狀態(tài)相關(guān)的身體狀態(tài)模型。對(duì)于如何建立身體狀態(tài)模型，舉個(gè)例子來(lái)說(shuō)，如圖2所示，假設(shè)用戶(hù)的運(yùn)動(dòng)類(lèi)型是跑步，通過(guò)集成有監(jiān)測(cè)生命體征參數(shù)的穿戴式設(shè)備(比如運(yùn)動(dòng)手環(huán)等)監(jiān)測(cè)所述用戶(hù)跑步過(guò)程中的脈搏、體溫、血壓、皮電等生命體征參數(shù)，并通過(guò)麥克風(fēng)監(jiān)聽(tīng)所述用戶(hù)跑步過(guò)程中的呼吸頻率及分貝數(shù)據(jù)；跑步結(jié)束后，由所述用戶(hù)自己在監(jiān)測(cè)到的各種數(shù)據(jù)中標(biāo)注跑步過(guò)程中的各身體狀態(tài)對(duì)應(yīng)(包括輕松、疲勞、平穩(wěn)(恢復(fù))、極限等狀態(tài))的時(shí)刻；之后采用標(biāo)注后的監(jiān)測(cè)數(shù)據(jù)，基于SVM分類(lèi)算法，建立所述用戶(hù)的身體狀態(tài)與生命體征參數(shù)的對(duì)應(yīng)關(guān)系模型。具體地，首先，通過(guò)個(gè)人大量的監(jiān)測(cè)數(shù)據(jù)，根據(jù)其標(biāo)注的跑步過(guò)程中的運(yùn)動(dòng)狀態(tài)，獲得四種狀態(tài)樣本，分別為輕松、疲勞、平穩(wěn)(恢復(fù))、極限：標(biāo)記狀態(tài)1類(lèi)：輕松狀態(tài)—身體感覺(jué)自然，精神輕松愉快；標(biāo)記狀態(tài)2類(lèi)：疲勞—感覺(jué)疲憊，有明顯的喘氣；標(biāo)記狀態(tài)3類(lèi)：平穩(wěn)(恢復(fù))—呼吸正常；標(biāo)記狀態(tài)4類(lèi)：極限—費(fèi)力呼吸，急促劇烈喘氣，身體感覺(jué)難受。其次，基于SVM分類(lèi)算法，建立身體狀態(tài)模型；具體地，輸入為每種身體狀態(tài)下的脈搏次數(shù)(X1)、體溫溫度(X2)、血壓值(X3)、皮電值(X4)、呼吸頻率(X5)、分貝數(shù)據(jù)(X6)六個(gè)參數(shù)。根據(jù)標(biāo)記的四種身體狀態(tài)，建立模型。輸出為任意標(biāo)記的兩類(lèi)身體狀態(tài)。使用SVM算法，確定分類(lèi)模型參數(shù)。SVM分類(lèi)算法的具體實(shí)現(xiàn)如下：步驟1：歸一化：對(duì)跑步過(guò)程中的生理指標(biāo)進(jìn)行歸一化，記錄用戶(hù)跑步過(guò)程中的生理指標(biāo)Xi的最大值Ximax和最小值Ximin，計(jì)算新的Xi'＝(Xi-Ximin)/(Ximax-Ximin)。步驟2：降維本實(shí)施例中涉及六個(gè)參數(shù)，為了減少數(shù)據(jù)中蘊(yùn)含的冗余，采用主成分分析(PCA)算法，將六維向量映射為更小維度的向量，并保存協(xié)方差矩陣C和維度N，供后續(xù)用戶(hù)跑步過(guò)程中的生理指標(biāo)數(shù)據(jù)輸入后使用。步驟3：分類(lèi)參數(shù)的網(wǎng)格尋優(yōu)使用徑向基函數(shù)RBF核函數(shù)的SVM分類(lèi)模型中，涉及c、gamma兩個(gè)參數(shù)。通過(guò)交叉驗(yàn)證，將訓(xùn)練數(shù)據(jù)劃分為6類(lèi)，確定最佳的c和gamma。步驟4：分類(lèi)模型建立使用RBF核函數(shù)進(jìn)行二類(lèi)分類(lèi)，代入最佳的c和gamma值，同時(shí)設(shè)置需要概率估計(jì)，最終確定模型參數(shù)(model)。下面詳細(xì)說(shuō)明如何建立身體狀態(tài)模型。用戶(hù)跑步過(guò)程中包含大量的身體生理指標(biāo)的數(shù)據(jù)，假設(shè)用戶(hù)在跑步過(guò)程中的生理指標(biāo)包括：脈搏次數(shù)(X1)、體溫溫度(X2)、血壓值(X3)、皮電值(X4)、呼吸頻率(X5)、分貝數(shù)據(jù)(X6))。共記錄n次，即n個(gè)樣本，如表1所示。序號(hào)脈搏次數(shù)體溫溫度血壓值皮電值呼吸頻率分貝狀態(tài)分類(lèi)1X11X21X31X41X51X61狀態(tài)12X12X22X32X42X52X62狀態(tài)23X13X23X33X43X53X63狀態(tài)14X14X24X34X44X54X64狀態(tài)35X15X25X35X45X55X65狀態(tài)4……………………nX1nX1nX3nX4nX5nX6n狀態(tài)2表1對(duì)任意兩類(lèi)樣本之間設(shè)計(jì)一個(gè)SVM。在圖2所示的例子中包含四種身體狀態(tài)，故共計(jì)具體為：狀態(tài)1及狀態(tài)2，狀態(tài)1及狀態(tài)3，狀態(tài)1及狀態(tài)4，狀態(tài)2及狀態(tài)3，狀態(tài)2及狀態(tài)4，狀態(tài)3及狀態(tài)。具體地，SVM1(狀態(tài)1和狀態(tài)2)(如表2所示)序號(hào)脈搏次數(shù)體溫溫度血壓值皮電值呼吸頻率分貝狀態(tài)分類(lèi)1X11X21X31X41X51X61狀態(tài)12X12X22X32X42X52X62狀態(tài)23X13X23X33X43X53X63狀態(tài)1…X1n3X2n3X3n3X4n3X5n3X6n3狀態(tài)2nX1nX1nX3nX4nX5nX6n狀態(tài)2表2SVM2(狀態(tài)1和狀態(tài)3)(如表3所示)序號(hào)脈搏次數(shù)體溫溫度血壓值皮電值呼吸頻率分貝狀態(tài)分類(lèi)1X11X21X31X41X51X61狀態(tài)13X13X23X33X43X53X63狀態(tài)14X14X24X34X44X54X64狀態(tài)3…X1n1X2n1X3n1X4n1X5n1X6n1狀態(tài)3表3SVM3(狀態(tài)1和狀態(tài)4)(如表4所示)序號(hào)脈搏次數(shù)體溫溫度血壓值皮電值呼吸頻率分貝狀態(tài)分類(lèi)1X11X21X31X41X51X61狀態(tài)13X13X23X33X43X53X63狀態(tài)15X15X25X35X45X55X65狀態(tài)4…X1n2X2n2X3n2X4n2X5n2X6n2狀態(tài)4表4SVM4(狀態(tài)2和狀態(tài)3)(如表5所示)序號(hào)脈搏次數(shù)體溫溫度血壓值皮電值呼吸頻率分貝狀態(tài)分類(lèi)2X12X22X32X42X52X62狀態(tài)24X14X24X34X44X54X64狀態(tài)3…X1n1X2n1X3n1X4n1X5n1X6n1狀態(tài)3…X1n3X2n3X3n3X4n3X5n3X6n3狀態(tài)2nX1nX1nX3nX4nX5nX6n狀態(tài)2表5SVM5(狀態(tài)2和狀態(tài)4)(如表6所示)序號(hào)脈搏次數(shù)體溫溫度血壓值皮電值呼吸頻率分貝狀態(tài)分類(lèi)2X12X22X32X42X52X62狀態(tài)25X15X25X35X45X55X65狀態(tài)4…X1n2X2n2X3n2X4n2X5n2X6n2狀態(tài)4…X1n3X2n3X3n3X4n3X5n3X6n3狀態(tài)2nX1nX1nX3nX4nX5nX6n狀態(tài)2表6SVM6(狀態(tài)3和狀態(tài)4)(如表7所示)序號(hào)脈搏次數(shù)體溫溫度血壓值皮電值呼吸頻率分貝狀態(tài)分類(lèi)4X14X24X34X44X54X64狀態(tài)35X15X25X35X45X55X65狀態(tài)4…X1n1X2n1X3n1X4n1X5n1X6n1狀態(tài)3…X1n2X2n2X3n2X4n2X5n2X6n2狀態(tài)4表7分別對(duì)這六組SVM的數(shù)據(jù)進(jìn)行歸一化及降維，從而形成身體狀態(tài)與生命體征參數(shù)的對(duì)應(yīng)關(guān)系模型。實(shí)際應(yīng)用時(shí)，可以根據(jù)運(yùn)動(dòng)類(lèi)型的不同，采用上述方式來(lái)建立所述用戶(hù)的身體狀態(tài)與生命體征參數(shù)的對(duì)應(yīng)關(guān)系模型。步驟102：利用監(jiān)測(cè)的生命體征參數(shù)，并基于SVM算法，確定所述用戶(hù)在運(yùn)動(dòng)過(guò)程中當(dāng)前的身體狀態(tài)；具體地，基于身體狀態(tài)模型，利用監(jiān)測(cè)的生命體征參數(shù)，確定所述用戶(hù)在運(yùn)動(dòng)過(guò)程中當(dāng)前的身體狀態(tài)。對(duì)于圖2所示的例子，基于上述已經(jīng)建立的身體狀態(tài)模型，帶入新的用戶(hù)跑步過(guò)程中的生理指標(biāo)數(shù)據(jù)，對(duì)身體狀態(tài)進(jìn)行分類(lèi)。具體地，將用戶(hù)跑步過(guò)程中的生理指標(biāo)數(shù)據(jù)帶入上述的身體狀態(tài)模型，生成預(yù)測(cè)結(jié)果：步驟1：歸一化：對(duì)跑步過(guò)程中的生理指標(biāo)進(jìn)行歸一化，用戶(hù)跑步過(guò)程中新的生理指標(biāo)為X'i＝(Xi-Ximin)/(Ximax-Ximin)；步驟2：降維：根據(jù)建模時(shí)保存的協(xié)方差矩陣C，將六維參數(shù)映射為新的參數(shù)(每個(gè)維度減去各自的均值，乘以協(xié)方差矩陣后，取前N維參數(shù))。步驟3：模型預(yù)測(cè)：將數(shù)據(jù)代入模型model，設(shè)置需要概率估計(jì)，輸出類(lèi)別和概率。當(dāng)對(duì)一個(gè)未知樣本進(jìn)行分類(lèi)時(shí)，將向量帶入這六個(gè)SVM模型中，最后得票最多的類(lèi)別即為該未知樣本的類(lèi)別。其中，將六組對(duì)應(yīng)的向量作為訓(xùn)練集，然后得到六個(gè)訓(xùn)練結(jié)果，在測(cè)試的時(shí)候，把對(duì)應(yīng)的向量(X1a、X2a、X3a、X4a、X5a、X6a)分別對(duì)六個(gè)結(jié)果進(jìn)行測(cè)試，然后采取投票形式。最后得票最多的類(lèi)別即為該未知樣本的類(lèi)別。這里，投票過(guò)程及結(jié)果示意為：狀態(tài)1＝狀態(tài)2＝狀態(tài)3＝狀態(tài)4＝0；(狀態(tài)1，狀態(tài)2)：如果是狀態(tài)1票數(shù)多，則狀態(tài)1＝狀態(tài)1+1；否則，狀態(tài)2＝狀態(tài)2+1；(狀態(tài)1，狀態(tài)3)：如果是狀態(tài)1票數(shù)多，則狀態(tài)1＝狀態(tài)1+1；否則，狀態(tài)3＝狀態(tài)3+1；...(狀態(tài)3,狀態(tài)4)：如果是狀態(tài)3票數(shù)多，則狀態(tài)3＝狀態(tài)3+1；否則，狀態(tài)4＝狀態(tài)4+1。最終用戶(hù)某次運(yùn)動(dòng)過(guò)程中六個(gè)生理指標(biāo)對(duì)應(yīng)的身體狀態(tài)結(jié)果為Max(狀態(tài)1，狀態(tài)2，狀態(tài)3，狀態(tài)4)。步驟103：選擇與第一基準(zhǔn)多媒體信息特征值等同的多媒體信息；所述第一基準(zhǔn)多媒體信息為所述用戶(hù)當(dāng)前身體狀態(tài)對(duì)應(yīng)的基準(zhǔn)多媒體信息；這里，實(shí)際應(yīng)用時(shí)，所述多媒體信息可以為音樂(lè)、歌曲等。對(duì)于圖2所示的例子，同理，采用與身體狀態(tài)確定方式相同的處理方法，某個(gè)音樂(lè)對(duì)應(yīng)的音樂(lè)類(lèi)型為Max(music1、music2、music3、music4)。將身體狀態(tài)與音樂(lè)類(lèi)型建立對(duì)應(yīng)關(guān)系后(即狀態(tài)1對(duì)應(yīng)music1、狀態(tài)2對(duì)應(yīng)music2、狀態(tài)3對(duì)應(yīng)music3、狀態(tài)4對(duì)應(yīng)music4)，媒體播放器向用戶(hù)推薦適合于用戶(hù)此時(shí)狀態(tài)下的音樂(lè)歌曲。具體地，如果所述用戶(hù)的當(dāng)前身體狀態(tài)為輕松，則所述第一基準(zhǔn)多媒體信息為輕松狀態(tài)下對(duì)應(yīng)的音樂(lè)(節(jié)奏適中的音樂(lè))。如果所述用戶(hù)的當(dāng)前身體狀態(tài)為疲勞，則所述第一基準(zhǔn)多媒體信息為疲勞狀態(tài)下對(duì)應(yīng)的音樂(lè)(節(jié)奏感強(qiáng)的音樂(lè))。如果所述用戶(hù)的當(dāng)前身體狀態(tài)為平穩(wěn)(恢復(fù))，則所述第一基準(zhǔn)多媒體信息為平穩(wěn)狀態(tài)下對(duì)應(yīng)的音樂(lè)(節(jié)奏感舒緩的音樂(lè))。換句話(huà)說(shuō)，當(dāng)利用上述確定所述用戶(hù)身體狀態(tài)的過(guò)程，若確定身體狀態(tài)為狀態(tài)1(輕松狀態(tài))，則從媒體播放器中推送節(jié)奏感適中的音樂(lè)(music1)；若確定身體狀態(tài)為狀態(tài)2(疲勞狀態(tài))，則從媒體播放器中推送節(jié)奏感強(qiáng)的音樂(lè)(music2)；若確定身體狀態(tài)為狀態(tài)3(平穩(wěn)恢復(fù))，則從媒體播放器中推送節(jié)奏感舒緩的音樂(lè)(music3)；若確定身體狀態(tài)為狀態(tài)4(極限狀態(tài))，則從媒體播放器中推送警示性音樂(lè)或停止播放音樂(lè)(music4)。這里，需要說(shuō)明的是：音樂(lè)分類(lèi)方法是提取音樂(lè)中的節(jié)奏指標(biāo)，通過(guò)SVM算法進(jìn)行music1、music2、music3、music4分類(lèi)，方法同理。對(duì)于基準(zhǔn)多媒體信息，實(shí)際應(yīng)用時(shí)，所述用戶(hù)可以挑選出最符合各身體狀態(tài)(身體輕松、疲勞、平穩(wěn)狀態(tài))下的多媒體信息，作為各身體狀態(tài)對(duì)應(yīng)的基準(zhǔn)多媒體信息。舉個(gè)例子來(lái)說(shuō)，假設(shè)多媒體信息為音樂(lè)，則所述用戶(hù)可以以挑選出最符合各身體狀態(tài)(身體輕松、疲勞、平穩(wěn)狀態(tài))下的音樂(lè)，并獲得相應(yīng)地樂(lè)譜，作為各身體狀態(tài)對(duì)應(yīng)的基準(zhǔn)多媒體信息。之后統(tǒng)計(jì)每首音樂(lè)的特征值(比如音的長(zhǎng)短)的個(gè)數(shù)，包括：音符標(biāo)記、休止符個(gè)數(shù)、附點(diǎn)音符和附點(diǎn)休止符、連音線(xiàn)、音符的連音劃分；統(tǒng)計(jì)音樂(lè)中不同的節(jié)拍、節(jié)奏個(gè)數(shù)等，從而得到多個(gè)特征值。這里，實(shí)際應(yīng)用時(shí)，統(tǒng)計(jì)的個(gè)數(shù)允許有一定范圍的誤差?；诖?，實(shí)際應(yīng)用時(shí)，所述第一基準(zhǔn)多媒體信息特征值可以為兩個(gè)以上不同的特征值；相應(yīng)地，所述選擇與第一基準(zhǔn)多媒體信息特征值等同的多媒體信息，具體為：在多媒體信息庫(kù)中查找與所述第一基準(zhǔn)多媒體信息的兩個(gè)以上特征值對(duì)應(yīng)的多媒體信息集合，所述多媒體信息集合中的各多媒體信息的兩個(gè)以上特征值與所述第一基準(zhǔn)多媒體信息的對(duì)應(yīng)特征值相同的個(gè)數(shù)在預(yù)設(shè)范圍內(nèi)；將查找到的多媒體信息集合中的各多媒體信息作為選擇的多媒體信息。其中，所述預(yù)設(shè)范圍可以根據(jù)需要進(jìn)行設(shè)置。采用兩個(gè)以上不同的特征值來(lái)進(jìn)行比較，選擇的多媒體信息的類(lèi)型與所述第一基準(zhǔn)多媒體信息類(lèi)型的準(zhǔn)確度會(huì)進(jìn)一步提升。在多媒體信息庫(kù)中查找與所述第一基準(zhǔn)多媒體信息的兩個(gè)以上特征值對(duì)應(yīng)的多媒體信息集合之前，該方法還可以包括：統(tǒng)計(jì)所述多媒體信息庫(kù)中每條多媒體信息的兩個(gè)以上特征值，并存儲(chǔ)至所述多媒體信息庫(kù)，以形成所述多媒體信息集合。這里，實(shí)際應(yīng)用時(shí)，統(tǒng)計(jì)所述多媒體信息庫(kù)中每條多媒體信息的兩個(gè)以上特征值時(shí)，可以基于用戶(hù)的喜好習(xí)慣，分析出所述用戶(hù)在對(duì)應(yīng)身體狀態(tài)下不喜歡的多媒體信息類(lèi)型，從而實(shí)現(xiàn)不向所述用戶(hù)輸出用戶(hù)不喜歡的多媒體信息。基于此，該方法還可以包括：根據(jù)所述用戶(hù)的喜好習(xí)慣，分析出所述用戶(hù)的各身體狀態(tài)下不喜歡的多媒體信息類(lèi)型，并在所述多媒體信息庫(kù)進(jìn)行標(biāo)識(shí)；相應(yīng)地，選擇的多媒體信息為符合用戶(hù)的喜好習(xí)慣的多媒體信息。舉個(gè)例子來(lái)說(shuō)，對(duì)于圖2所示的例子，可以對(duì)用戶(hù)在跑步時(shí)的音樂(lè)切換次數(shù)進(jìn)行統(tǒng)計(jì)，分析出用戶(hù)在某身體狀態(tài)下不喜歡的音樂(lè)類(lèi)型，從而得到圖3所示的標(biāo)識(shí)的結(jié)果。步驟104：向所述用戶(hù)輸出選擇的多媒體信息。這里，實(shí)際應(yīng)用時(shí)，可以根據(jù)用戶(hù)運(yùn)動(dòng)過(guò)程中，根據(jù)各種身體狀態(tài)，向所述用戶(hù)輸出與所述第一基準(zhǔn)多媒體信息的對(duì)應(yīng)特征值相同的個(gè)數(shù)在預(yù)設(shè)范圍內(nèi)的多媒體信息，通過(guò)多次運(yùn)動(dòng)訓(xùn)練，每種身體狀態(tài)下的多媒體信息形成多媒體信息集合，記錄每個(gè)集合中多媒體信息的輸出次數(shù)，以及該多媒體信息的特征值個(gè)數(shù)。不斷修正代表該身體狀態(tài)下多媒體類(lèi)型的特征值個(gè)數(shù)及區(qū)間范圍，直到穩(wěn)定，從而形成一個(gè)穩(wěn)定的多媒體信息庫(kù)。對(duì)于圖2所示的例子，可以在用戶(hù)跑步過(guò)程中，根據(jù)跑步狀態(tài)，推送與該狀態(tài)下與基準(zhǔn)音樂(lè)具有類(lèi)似特征值個(gè)數(shù)的音樂(lè)。經(jīng)過(guò)多次跑步訓(xùn)練，每種身體狀態(tài)下的音樂(lè)形成曲庫(kù)(集合)，記錄每種類(lèi)型音樂(lè)的播放次數(shù)，以及該音樂(lè)的 特征值個(gè)數(shù)。不斷修正代表該身體狀態(tài)下音樂(lè)類(lèi)型的音樂(lè)特征個(gè)數(shù)及區(qū)間范圍，直到穩(wěn)定。實(shí)際應(yīng)用時(shí)，當(dāng)所述用戶(hù)當(dāng)前的身體狀態(tài)為所述用戶(hù)的極限狀態(tài)時(shí)，可以停止向所述用戶(hù)輸出選擇的多媒體信息，或者向所述用戶(hù)輸出用于告警的多媒體信息，以提示所述用戶(hù)應(yīng)逐漸停止運(yùn)動(dòng)或放緩運(yùn)動(dòng)速度。其中，所述極限狀態(tài)是指：身體狀況十分不佳的狀態(tài)。相應(yīng)地，對(duì)于圖2所示的例子，當(dāng)所述用戶(hù)當(dāng)前的身體狀態(tài)為所述用戶(hù)的極限狀態(tài)時(shí)，可以停止向所述用戶(hù)播放音樂(lè)，或者向所述用戶(hù)播放警示音樂(lè)，以提示所述用戶(hù)應(yīng)逐漸停止跑步或放緩跑步速度。本實(shí)施例提供的信息處理方法，運(yùn)動(dòng)過(guò)程中監(jiān)測(cè)用戶(hù)的生命體征參數(shù)；利用監(jiān)測(cè)的生命體征參數(shù)，并基于SVM算法，確定所述用戶(hù)在運(yùn)動(dòng)過(guò)程中當(dāng)前的身體狀態(tài)；選擇與第一基準(zhǔn)多媒體信息特征值等同的多媒體信息；所述第一基準(zhǔn)多媒體信息為所述用戶(hù)當(dāng)前身體狀態(tài)對(duì)應(yīng)的基準(zhǔn)多媒體信息；向所述用戶(hù)輸出選擇的多媒體信息，基于所述用戶(hù)的生命體征參數(shù)，對(duì)用戶(hù)的身體狀態(tài)進(jìn)行識(shí)別，識(shí)別結(jié)果準(zhǔn)確。同時(shí)，針對(duì)準(zhǔn)確識(shí)別的用戶(hù)當(dāng)前的身體狀態(tài)輸出相應(yīng)的多媒體信息，如此，能促進(jìn)用戶(hù)的運(yùn)動(dòng)效果，提升用戶(hù)體驗(yàn)。另外，當(dāng)所述用戶(hù)當(dāng)前的身體狀態(tài)為所述用戶(hù)的極限狀態(tài)時(shí)，停止向所述用戶(hù)輸出選擇的多媒體信息，或者向所述用戶(hù)輸出用于告警的多媒體信息，以提示所述用戶(hù)應(yīng)逐漸停止運(yùn)動(dòng)或放緩運(yùn)動(dòng)速度，如此，能進(jìn)一步提升用戶(hù)體驗(yàn)。實(shí)施例二為實(shí)現(xiàn)本發(fā)明實(shí)施例的方法，本實(shí)施例提供了一種信息處理裝置，如圖4所示，該裝置包括：監(jiān)測(cè)單元41、確定單元42、選擇單元43以及輸出單元44；其中，所述監(jiān)測(cè)單元41，用于運(yùn)動(dòng)過(guò)程中監(jiān)測(cè)用戶(hù)的生命體征參數(shù)；所述確定單元42，用于利用監(jiān)測(cè)的生命體征參數(shù)，并基于SVM算法，確定所述用戶(hù)在運(yùn)動(dòng)過(guò)程中當(dāng)前的身體狀態(tài)；所述選擇單元43，用于選擇與第一基準(zhǔn)多媒體信息特征值等同的多媒體信息；所述第一基準(zhǔn)多媒體信息為所述用戶(hù)當(dāng)前身體狀態(tài)對(duì)應(yīng)的基準(zhǔn)多媒體信息；所述輸出單元44，用于向所述用戶(hù)輸出選擇的多媒體信息。其中，所述生命體征參數(shù)可以包括：脈搏、體溫、血壓、皮膚電反應(yīng)等。其中，所述皮膚電反應(yīng)是指：皮膚電阻或電導(dǎo)隨皮膚汗腺機(jī)能變化而改變，叫做皮電反應(yīng)。實(shí)際應(yīng)用時(shí)，所述監(jiān)測(cè)單元44可以實(shí)時(shí)監(jiān)測(cè)用戶(hù)的生命體征參數(shù)。相應(yīng)地，可以通過(guò)相應(yīng)的采集設(shè)備來(lái)實(shí)時(shí)檢測(cè)用戶(hù)的生命體征參數(shù)。舉個(gè)例子來(lái)說(shuō)，可以采用集成有光電傳感器、皮電反應(yīng)傳感器、皮膚溫度傳感器等采集設(shè)備(穿戴式設(shè)備)來(lái)實(shí)時(shí)檢測(cè)用戶(hù)的生命體征參數(shù)。其中，通過(guò)光電傳感器可以獲取所述用戶(hù)的光電容積脈搏波。光電容積脈搏波是借助光電技術(shù)在活體組織中監(jiān)測(cè)血液容積變化獲得的波形信號(hào)，其信號(hào)特征中包含人體循環(huán)系統(tǒng)、呼吸系統(tǒng)等許多生理病理信息。光電容積脈搏波在血氧飽和度、脈搏、心率、呼吸頻率、呼吸容積、血壓、血紅蛋白、血流動(dòng)力學(xué)、循環(huán)功能、麻醉應(yīng)激、動(dòng)脈硬化等生理參數(shù)的無(wú)創(chuàng)監(jiān)測(cè)中具有廣泛應(yīng)用前景。這里，實(shí)際應(yīng)用時(shí)，還可以通過(guò)麥克風(fēng)來(lái)監(jiān)測(cè)所述用戶(hù)的呼吸頻率及分貝數(shù)據(jù)，從而獲得呼吸頻率、強(qiáng)度。在一實(shí)施例中，如圖5所示，該裝置還可以包括：模型建立單元45，用于基于SVM算法，建立所述身體狀態(tài)模型。其中，所述身體狀態(tài)模型為基于SVM算法所建立的所述用戶(hù)身體狀態(tài)與生命體征參數(shù)的對(duì)應(yīng)關(guān)系模型。建立的身體狀態(tài)模型是與所述用戶(hù)的身體狀態(tài)相關(guān)的身體狀態(tài)模型。對(duì)于如何建立身體狀態(tài)模型，舉個(gè)例子來(lái)說(shuō)，如圖2所示，假設(shè)用戶(hù)的運(yùn)動(dòng)類(lèi)型是跑步，通過(guò)集成有監(jiān)測(cè)生命體征參數(shù)的穿戴式設(shè)備(比如運(yùn)動(dòng)手環(huán)等)監(jiān)測(cè)所述用戶(hù)跑步過(guò)程中的脈搏、體溫、血壓、皮電等生命體征參數(shù)，并通過(guò)麥克風(fēng)監(jiān)聽(tīng)所述用戶(hù)跑步過(guò)程中的呼吸頻率及分貝數(shù)據(jù)；跑步結(jié)束后，由所述 用戶(hù)自己在監(jiān)測(cè)到的各種數(shù)據(jù)中標(biāo)注跑步過(guò)程中的各身體狀態(tài)對(duì)應(yīng)(包括輕松、疲勞、平穩(wěn)(恢復(fù))、極限等狀態(tài))的時(shí)刻；之后所述模型建立單元45采用標(biāo)注后的監(jiān)測(cè)數(shù)據(jù)，基于SVM分類(lèi)算法，建立所述用戶(hù)的身體狀態(tài)與生命體征參數(shù)的對(duì)應(yīng)關(guān)系模型。實(shí)際應(yīng)用時(shí)，可以根據(jù)運(yùn)動(dòng)類(lèi)型的不同，采用上述方式來(lái)建立所述用戶(hù)的身體狀態(tài)與生命體征參數(shù)的對(duì)應(yīng)關(guān)系模型。所述確定單元42，具體用于：基于身體狀態(tài)模型，利用監(jiān)測(cè)的生命體征參數(shù)，確定所述用戶(hù)在運(yùn)動(dòng)過(guò)程中當(dāng)前的身體狀態(tài)。這里，實(shí)際應(yīng)用時(shí)，所述多媒體信息可以為音樂(lè)、歌曲等。對(duì)于圖2所示的例子，如果所述用戶(hù)的當(dāng)前身體狀態(tài)為輕松，則所述第一基準(zhǔn)多媒體信息為輕松狀態(tài)下對(duì)應(yīng)的音樂(lè)(節(jié)奏適中的音樂(lè))。如果所述用戶(hù)的當(dāng)前身體狀態(tài)為疲勞，則所述第一基準(zhǔn)多媒體信息為疲勞狀態(tài)下對(duì)應(yīng)的音樂(lè)(節(jié)奏感強(qiáng)的音樂(lè))。如果所述用戶(hù)的當(dāng)前身體狀態(tài)為平穩(wěn)(恢復(fù))，則所述第一基準(zhǔn)多媒體信息為平穩(wěn)狀態(tài)下對(duì)應(yīng)的音樂(lè)(節(jié)奏感舒緩的音樂(lè))。對(duì)于基準(zhǔn)多媒體信息，實(shí)際應(yīng)用時(shí)，所述用戶(hù)可以挑選出最符合各身體狀態(tài)(身體輕松、疲勞、平穩(wěn)狀態(tài))下的多媒體信息，作為各身體狀態(tài)對(duì)應(yīng)的基準(zhǔn)多媒體信息。舉個(gè)例子來(lái)說(shuō)，假設(shè)多媒體信息為音樂(lè)，則所述用戶(hù)可以以挑選出最符合各身體狀態(tài)(身體輕松、疲勞、平穩(wěn)狀態(tài))下的音樂(lè)，并獲得相應(yīng)地樂(lè)譜，作為各身體狀態(tài)對(duì)應(yīng)的基準(zhǔn)多媒體信息。之后統(tǒng)計(jì)每首音樂(lè)的特征值(比如音的長(zhǎng)短)的個(gè)數(shù)，包括：音符標(biāo)記、休止符個(gè)數(shù)、附點(diǎn)音符和附點(diǎn)休止符、連音線(xiàn)、音符的連音劃分；統(tǒng)計(jì)音樂(lè)中不同的節(jié)拍、節(jié)奏個(gè)數(shù)等，從而得到多個(gè)特征值。這里，實(shí)際應(yīng)用時(shí)，統(tǒng)計(jì)的個(gè)數(shù)允許有一定范圍的誤差?；诖耍瑢?shí)際應(yīng)用時(shí)，所述第一基準(zhǔn)多媒體信息特征值可以為兩個(gè)以上不同的特征值；所述選擇單元43包括：查找模塊及選擇模塊；其中，所述查找模塊，用于在多媒體信息庫(kù)中查找與所述第一基準(zhǔn)多媒體信息的兩個(gè)以上特征值對(duì)應(yīng)的多媒體信息集合，所述多媒體信息集合中的各多媒體信 息的兩個(gè)以上特征值與所述第一基準(zhǔn)多媒體信息的對(duì)應(yīng)特征值相同的個(gè)數(shù)在預(yù)設(shè)范圍內(nèi)；所述選擇模塊，用于將查找到的多媒體信息集合中的各多媒體信息作為選擇的多媒體信息。其中，所述預(yù)設(shè)范圍可以根據(jù)需要進(jìn)行設(shè)置。采用兩個(gè)以上不同的特征值來(lái)進(jìn)行比較，選擇的多媒體信息的類(lèi)型與所述第一基準(zhǔn)多媒體信息類(lèi)型的準(zhǔn)確度會(huì)進(jìn)一步提升。如圖6所示，該裝置還可以包括：統(tǒng)計(jì)單元46，用于統(tǒng)計(jì)所述多媒體信息庫(kù)中每條多媒體信息的兩個(gè)以上特征值，并存儲(chǔ)至所述多媒體信息庫(kù)，以形成所述多媒體信息集合。這里，實(shí)際應(yīng)用時(shí)，統(tǒng)計(jì)所述多媒體信息庫(kù)中每條多媒體信息的兩個(gè)以上特征值時(shí)，可以基于用戶(hù)的喜好習(xí)慣，分析出所述用戶(hù)在對(duì)應(yīng)身體狀態(tài)下不喜歡的多媒體信息類(lèi)型，從而實(shí)現(xiàn)不向所述用戶(hù)輸出用戶(hù)不喜歡的多媒體信息?；诖?，所述統(tǒng)計(jì)單元46，還用于根據(jù)所述用戶(hù)的喜好習(xí)慣，分析出所述用戶(hù)的各身體狀態(tài)下不喜歡的多媒體信息類(lèi)型，并在所述多媒體信息庫(kù)進(jìn)行標(biāo)識(shí)；相應(yīng)地，選擇的多媒體信息為符合用戶(hù)的喜好習(xí)慣的多媒體信息。舉個(gè)例子來(lái)說(shuō)，對(duì)于圖2所示的例子，可以對(duì)用戶(hù)在跑步時(shí)的音樂(lè)切換次數(shù)進(jìn)行統(tǒng)計(jì)，分析出用戶(hù)在某身體狀態(tài)下不喜歡的音樂(lè)類(lèi)型，從而得到圖3所示的標(biāo)識(shí)的結(jié)果。實(shí)際應(yīng)用時(shí)，可以根據(jù)用戶(hù)運(yùn)動(dòng)過(guò)程中，根據(jù)各種身體狀態(tài)，向所述用戶(hù)輸出與所述第一基準(zhǔn)多媒體信息的對(duì)應(yīng)特征值相同的個(gè)數(shù)在預(yù)設(shè)范圍內(nèi)的多媒體信息，通過(guò)多次運(yùn)動(dòng)訓(xùn)練，每種身體狀態(tài)下的多媒體信息形成多媒體信息集合，所述統(tǒng)計(jì)單元46記錄每個(gè)集合中多媒體信息的輸出次數(shù)，以及該多媒體信息的特征值個(gè)數(shù)。不斷修正代表該身體狀態(tài)下多媒體類(lèi)型的特征值個(gè)數(shù)及區(qū)間范圍，直到穩(wěn)定，從而形成一個(gè)穩(wěn)定的多媒體信息庫(kù)。對(duì)于圖2所示的例子，可以在用戶(hù)跑步過(guò)程中，根據(jù)跑步狀態(tài)，推送與該 狀態(tài)下與基準(zhǔn)音樂(lè)具有類(lèi)似特征值個(gè)數(shù)的音樂(lè)。經(jīng)過(guò)多次跑步訓(xùn)練，每種身體狀態(tài)下的音樂(lè)形成曲庫(kù)(集合)，所述統(tǒng)計(jì)單元46記錄每種類(lèi)型音樂(lè)的播放次數(shù)，以及該音樂(lè)的特征值個(gè)數(shù)。不斷修正代表該身體狀態(tài)下音樂(lè)類(lèi)型的音樂(lè)特征個(gè)數(shù)及區(qū)間范圍，直到穩(wěn)定。實(shí)際應(yīng)用時(shí)，所述輸出單元44，還用于當(dāng)所述用戶(hù)當(dāng)前的身體狀態(tài)為所述用戶(hù)的極限狀態(tài)時(shí)，停止向所述用戶(hù)輸出選擇的多媒體信息，或者向所述用戶(hù)輸出用于告警的多媒體信息。其中，所述極限狀態(tài)是指：身體狀況十分不佳的狀態(tài)。相應(yīng)地，對(duì)于圖2所示的例子，當(dāng)所述用戶(hù)當(dāng)前的身體狀態(tài)為所述用戶(hù)的極限狀態(tài)時(shí)，所述輸出單元44可以停止向所述用戶(hù)播放音樂(lè)，或者向所述用戶(hù)播放警示音樂(lè)，以提示所述用戶(hù)應(yīng)逐漸停止跑步或放緩跑步速度。實(shí)際應(yīng)用時(shí)，所述監(jiān)測(cè)單元41可由信息處理裝置中的各種傳感器實(shí)現(xiàn)；所述確定單元42、選擇單元43、模型建立單元45、查找模塊、選擇模塊、以及統(tǒng)計(jì)單元46可由信息處理裝置中的中央處理器(CPU，CentralProcessingUnit)、微處理器(MCU，MicroControlUnit)、數(shù)字信號(hào)處理器(DSP，DigitalSignalProcessor)或可編程邏輯陣列(FPGA，F(xiàn)ield－ProgrammableGateArray)實(shí)現(xiàn)；輸出單元44可由信息處理裝置中的聽(tīng)筒實(shí)現(xiàn)。本實(shí)施例提供的信息處理裝置，監(jiān)測(cè)單元41運(yùn)動(dòng)過(guò)程中監(jiān)測(cè)用戶(hù)的生命體征參數(shù)；所述確定單元42利用監(jiān)測(cè)的生命體征參數(shù)，并基于SVM算法，確定所述用戶(hù)在運(yùn)動(dòng)過(guò)程中當(dāng)前的身體狀態(tài)；所述選擇單元43選擇與第一基準(zhǔn)多媒體信息特征值等同的多媒體信息；所述第一基準(zhǔn)多媒體信息為所述用戶(hù)當(dāng)前身體狀態(tài)對(duì)應(yīng)的基準(zhǔn)多媒體信息；所述輸出單元44向所述用戶(hù)輸出選擇的多媒體信息，基于所述用戶(hù)的生命體征參數(shù)，對(duì)用戶(hù)的身體狀態(tài)進(jìn)行識(shí)別，識(shí)別結(jié)果準(zhǔn)確。同時(shí)，針對(duì)準(zhǔn)確識(shí)別的用戶(hù)當(dāng)前的身體狀態(tài)輸出相應(yīng)的多媒體信息，如此，能促進(jìn)用戶(hù)的運(yùn)動(dòng)效果，提升用戶(hù)體驗(yàn)。另外，當(dāng)所述用戶(hù)當(dāng)前的身體狀態(tài)為所述用戶(hù)的極限狀態(tài)時(shí)，所述輸出單元44停止向所述用戶(hù)輸出選擇的多媒體信息，或者向所述用戶(hù)輸出用于告警的 多媒體信息，以提示所述用戶(hù)應(yīng)逐漸停止運(yùn)動(dòng)或放緩運(yùn)動(dòng)速度，如此，能進(jìn)一步提升用戶(hù)體驗(yàn)。本領(lǐng)域內(nèi)的技術(shù)人員應(yīng)明白，本發(fā)明的實(shí)施例可提供為方法、系統(tǒng)、或計(jì)算機(jī)程序產(chǎn)品。因此，本發(fā)明可采用硬件實(shí)施例、軟件實(shí)施例、或結(jié)合軟件和硬件方面的實(shí)施例的形式。而且，本發(fā)明可采用在一個(gè)或多個(gè)其中包含有計(jì)算機(jī)可用程序代碼的計(jì)算機(jī)可用存儲(chǔ)介質(zhì)(包括但不限于磁盤(pán)存儲(chǔ)器和光學(xué)存儲(chǔ)器等)上實(shí)施的計(jì)算機(jī)程序產(chǎn)品的形式。本發(fā)明是參照根據(jù)本發(fā)明實(shí)施例的方法、設(shè)備(系統(tǒng))、和計(jì)算機(jī)程序產(chǎn)品的流程圖和/或方框圖來(lái)描述的。應(yīng)理解可由計(jì)算機(jī)程序指令實(shí)現(xiàn)流程圖和/或方框圖中的每一流程和/或方框、以及流程圖和/或方框圖中的流程和/或方框的結(jié)合。可提供這些計(jì)算機(jī)程序指令到通用計(jì)算機(jī)、專(zhuān)用計(jì)算機(jī)、嵌入式處理機(jī)或其他可編程數(shù)據(jù)處理設(shè)備的處理器以產(chǎn)生一個(gè)機(jī)器，使得通過(guò)計(jì)算機(jī)或其他可編程數(shù)據(jù)處理設(shè)備的處理器執(zhí)行的指令產(chǎn)生用于實(shí)現(xiàn)在流程圖一個(gè)流程或多個(gè)流程和/或方框圖一個(gè)方框或多個(gè)方框中指定的功能的裝置。這些計(jì)算機(jī)程序指令也可存儲(chǔ)在能引導(dǎo)計(jì)算機(jī)或其他可編程數(shù)據(jù)處理設(shè)備以特定方式工作的計(jì)算機(jī)可讀存儲(chǔ)器中，使得存儲(chǔ)在該計(jì)算機(jī)可讀存儲(chǔ)器中的指令產(chǎn)生包括指令裝置的制造品，該指令裝置實(shí)現(xiàn)在流程圖一個(gè)流程或多個(gè)流程和/或方框圖一個(gè)方框或多個(gè)方框中指定的功能。這些計(jì)算機(jī)程序指令也可裝載到計(jì)算機(jī)或其他可編程數(shù)據(jù)處理設(shè)備上，使得在計(jì)算機(jī)或其他可編程設(shè)備上執(zhí)行一系列操作步驟以產(chǎn)生計(jì)算機(jī)實(shí)現(xiàn)的處理，從而在計(jì)算機(jī)或其他可編程設(shè)備上執(zhí)行的指令提供用于實(shí)現(xiàn)在流程圖一個(gè)流程或多個(gè)流程和/或方框圖一個(gè)方框或多個(gè)方框中指定的功能的步驟。以上所述，僅為本發(fā)明的較佳實(shí)施例而已，并非用于限定本發(fā)明的保護(hù)范圍。當(dāng)前第1頁(yè)1 2 3