相關申請的交叉引用

本申請要求2014年12月16日提交的美國臨時申請?zhí)?2/092,283的優(yōu)先權，其內(nèi)容全部并入本文。

背景技術：

近年來，可以看到在消費電子裝置市場中諸如智能手表和腕帶之類的可穿戴設備的增多?？纱┐髟O備通過將計算技術交織到用戶的日常生活中來使計算技術無處不在。這些可穿戴設備通常允許用戶通過在這些設備中使用電子裝置、軟件和傳感器來追蹤其健身、活動、健康和/或幸福感。

現(xiàn)有的可穿戴設備通常旨在改善用戶的健身和幸福感。另外，可以將可穿戴設備的使用擴展到諸如醫(yī)療保健監(jiān)控之類的其他領域。雖然可穿戴設備能夠收集關于用戶的大量數(shù)據(jù)，但是目前缺乏能夠在某些醫(yī)療保健領域內(nèi)精確且有效地分析大量數(shù)據(jù)的系統(tǒng)和算法。這些醫(yī)療保健領域的示例可以包括監(jiān)控吸煙行為(例如戒煙)、監(jiān)控某些類型的進食和/或飲酒失調(diào)、監(jiān)控某些類型的強迫癥或監(jiān)控某些類型的神經(jīng)疾病，其顯示與人的手的重復振動或擺動有關的癥狀。上述每種行為可以由不同且頻繁的“手到口”姿勢來表征?，F(xiàn)有的系統(tǒng)和算法常常缺乏實時精確地檢測和監(jiān)控這些姿勢的能力。

因此，需要能夠?qū)崟r精確地檢測和監(jiān)控各種用戶姿勢并且以及時的方式向用戶提供相關和個性化的信息的方法和系統(tǒng)，以幫助他們管理某些行為和習慣，從而幫助他們以逐步的方式改善自己的生活。

技術實現(xiàn)要素：

在一些常規(guī)系統(tǒng)中，多個物理運動輪廓模式可以存儲在庫中，并且可以通過將用戶的物理姿勢(例如，姿勢的形狀)與多個運動輪廓模式進行比較來執(zhí)行姿勢識別。然而，這種形式的姿勢識別有若干缺點。例如，身體移動對于不同的人而言是不同的并且取決于大量的參數(shù)(例如，身體結構及其物理比例、身高、體重、姿態(tài)(站立/坐著/駕駛)、習慣等)。每個人的身體移動也可能會在不同的時間取決于他/她的心情和壓力水平、傷害、位置(工作/家里/和朋友在酒吧)、正在使用哪只手、一天中的時間等而變化。例如，在吸煙的情況下，人們可能會以不同的方式吸煙，不同品牌的香煙可能會被不同地吸，并且用戶的吸煙習慣可能會取決于使用哪只手、他們的心情、一天中的時間、位置等而改變。本文所使用的香煙可以是指任何類型的煙草產(chǎn)品，包括但不限于卷煙、香煙、電子香煙、雪茄和/或吸煙管。

針對不同類型的身體移動而存在顯著大量的排列。為了記錄和存儲物理運動輪廓模式的庫，并且將大量用戶的實際實時姿勢運動與庫中的每個物理運動輪廓模式進行比較，將需要大量的存儲器儲存和計算能力，這是大多數(shù)移動設備和可穿戴設備目前所缺乏的。另外，考慮到數(shù)據(jù)通信和處理所需的高帶寬，上面使用基于云的服務器的實現(xiàn)可能是不可行的。

此外，物理運動輪廓模式通常是固定的/通用化的，并且沒有慮及用戶姿勢的細微差別。因此，現(xiàn)有的姿勢識別系統(tǒng)可能無法檢測用戶是在飲用熱飲還是飲用冷飲，或是在用左手還是右手吸煙?，F(xiàn)有的姿勢識別系統(tǒng)也缺乏適應性，并且通常無法捕獲并反映用戶的姿勢和/或行為隨時間的變化。

在許多實例中，人們可能希望通過減少或消除某些類型的不良行為例如吸煙來改善其健康和幸福感。吸煙被認為是與吸入煙草引起的癌癥和其他疾病有關的重大危險因素。一些吸煙者可能會采取旨在治愈成癮的戒煙計劃。然而，研究顯示，雖然約有50％的吸煙者在某個時間點試圖戒煙，但他們之中只有7％成功設法完成了戒煙。大多數(shù)吸煙者在這些計劃過程中容易發(fā)生失誤——無論是在潛意識中還是由于壓力、同伴壓力或是缺乏自控。特別而言，吸煙者缺乏這樣的工具：該工具可以幫助他們監(jiān)控他們的吸煙行為，并且可以在吸煙失誤期間實時提供指導，鼓勵他們掐滅香煙，并停留在戒煙計劃中。

另外，吸煙涉及唯一且復雜的手到口姿勢，其取決于香煙的類型、尺寸和/或品牌、個人的吸煙歷史、性別、吸煙的日期和時間、和許多其他因素而在吸煙者之間變化。所有這些因素使得難以跟蹤和濾出吸煙的姿勢和模式。

因此，存在對于可以幫助吸煙者控制他們的吸煙行為、減少吸煙數(shù)目以及設置幫助吸煙者減少或戒煙的目標的系統(tǒng)和算法的需要。特別而言，存在對于能夠精確地識別用戶的手到口姿勢并且實時檢測吸煙失誤的系統(tǒng)和算法的需要。還需要監(jiān)控用戶的吸煙行為并預測用戶何時/何地可能吸煙，使得可以提供信息(例如，建議)來幫助用戶繼續(xù)停留在戒煙計劃過程中并跟蹤計劃目標。這樣的信息可以被個性化并且在計算設備上實時地向用戶動態(tài)地提供。該信息可以幫助用戶對他/她的整體幸福感做出明智的決定，并向用戶顯示已經(jīng)取得的進展。本文公開的系統(tǒng)和方法至少解決了上述需要。

實施方式#1

一種姿勢識別方法，可以包括：獲取使用位于可穿戴設備上的至少一個傳感器收集的傳感器數(shù)據(jù)，其中所述可穿戴設備被配置為由用戶穿戴；以及，分析所述傳感器數(shù)據(jù)以確定所述用戶執(zhí)行預定義姿勢的概率，其中部分地基于所述傳感器數(shù)據(jù)中的運動矢量的幅度并且在不將所述運動矢量與一個或多個物理運動輪廓進行比較的情況下來確定所述概率。

實施方式#2

一種用于實現(xiàn)姿勢識別的系統(tǒng)，可以包括：存儲器，其用于存儲使用位于可穿戴設備上的至少一個傳感器收集的傳感器數(shù)據(jù)，其中所述可穿戴設備被配置為由用戶穿戴。該系統(tǒng)還可以包括一個或多個處理器，其被配置用于執(zhí)行軟件指令集，以分析所述傳感器數(shù)據(jù)以確定所述用戶執(zhí)行預定義姿勢的概率，其中部分地基于所述傳感器數(shù)據(jù)中的運動矢量的幅度并且在不將所述運動矢量與一個或多個物理運動輪廓進行比較的情況下來確定所述概率。

實施方式#3

一種存儲指令的有形計算機可讀介質(zhì)，所述指令當由一個或多個處理器執(zhí)行時使所述一個或多個處理器執(zhí)行計算機實現(xiàn)的姿勢識別方法。該方法可以包括：獲取使用位于可穿戴設備上的至少一個傳感器收集的傳感器數(shù)據(jù)，其中所述可穿戴設備被配置為由用戶穿戴；以及，分析所述傳感器數(shù)據(jù)以確定所述用戶執(zhí)行預定義姿勢的概率，其中部分地基于所述傳感器數(shù)據(jù)中的運動矢量的幅度并且在不將所述運動矢量與一個或多個物理運動輪廓進行比較的情況下來確定所述概率。

在上述實施方式#1、#2和/或#3中的一個或多個中，可以從與不同活動相關聯(lián)的不同姿勢的組中選擇預定義姿勢?？梢圆糠值鼗谒鰝鞲衅鲾?shù)據(jù)中的不同運動矢量的幅度并且在不將所述運動矢量與所述一個或多個物理運動輪廓進行比較的情況下，來彼此區(qū)分與所述不同活動相關聯(lián)的姿勢。至少一個傳感器可以包括加速度計和陀螺儀。

運動矢量的幅度可以包括：(1)從加速度計獲取的加速度矢量的幅度和/或(2)從陀螺儀獲取的角速度矢量的幅度?？梢圆糠值鼗谒黾铀俣仁噶康姆群?或所述角速度矢量的幅度來確定所述概率?？梢圆糠值鼗诓煌瑫r間段內(nèi)的所述加速度矢量的幅度和/或所述角速度矢量的幅度并且在不將所述加速度矢量和/或所述角度速度矢量與一個或多個物理運動輪廓進行比較的情況下來確定所述概率。

可以基于加速度矢量和/或角速度矢量來計算可穿戴設備的俯仰角、滾動角和/或橫擺角?？梢曰谒龈┭鼋恰⑺鰸L動角和/或所述橫擺角來確定所述概率。

可以確定不同時間段內(nèi)的所述加速度矢量的幅度與所述角速度矢量的幅度之間的相關性，以便確定所述用戶執(zhí)行所述預定義姿勢的所述概率。

至少一個傳感器還可以包括以下中的一個或多個：磁力計、心率監(jiān)控器、全球定位系統(tǒng)(gps)接收機、外部溫度傳感器、麥克風、皮膚溫度傳感器、電容傳感器和/或被配置用于檢測皮膚電反應的傳感器。

可以在不將傳感器數(shù)據(jù)與一個或多個物理運動輪廓進行比較的情況下分析所述傳感器數(shù)據(jù)。所述一個或多個物理運動輪廓的形狀可以基本上類似于所述用戶的一個或多個物理姿勢的形狀。

分析所述傳感器數(shù)據(jù)還可以包括計算多維分布函數(shù)，其中所述多維分布函數(shù)是多個特征的概率函數(shù)。所述多個特征可以與預定義姿勢的各個方面相關聯(lián)。所述多個特征可以包括以下特征中的兩個或更多個：(1)在所述姿勢期間的子動作的持續(xù)時間；(2)所述加速度矢量的幅度；(3)所述角速度矢量的幅度；(4)所述滾動角；和(5)所述俯仰角。所述多維分布函數(shù)可以與所述預定義姿勢的一個或多個特性相關聯(lián)。所述多個特征可以被編碼在所述傳感器數(shù)據(jù)內(nèi)，并從所述傳感器數(shù)據(jù)中提取。兩個或更多個特征可以是相關的。

所述多維分布函數(shù)可以被配置用于返回0和1之間的單個概率值，并且其中所述概率值表示每個特征的概率。在一些情況下，每個特征可以由離散值表示。在其他情況下，每個特征可以沿著連續(xù)體是可測量的?？梢酝ㄟ^使用奇異值分解(svd)來計算所述多維分布函數(shù)，以對所述兩個或更多個相關特征去相關，使得它們彼此近似正交。所述svd的使用可以減少計算針對所述多維分布函數(shù)的概率值所需的處理時間，并且可以減少確定所述用戶執(zhí)行所述預定義姿勢的概率所需的傳感器數(shù)據(jù)量?？梢酝ㄟ^將每個特征的去相關(旋轉)1d可能密度分布相乘來計算多維分布函數(shù)，使得多維分布函數(shù)f(p1,p2,...,pn)＝f(p1)*f(p2)*...*f(pn)。函數(shù)f(p1)可以是第一特征的1d概率密度分布，函數(shù)f(p2)可以是第二特征的1d概率密度分布，并且函數(shù)f(pn)可以是第n個特征的1d概率密度分布?？梢詮拿總€特征的采樣尺寸獲取每個特征的1d概率密度分布。在一些情況下，所述采樣尺寸在所有特征上是恒定的。在其他情況下，所述采樣尺寸可以在不同特征之間是可變的?？梢源_定多個特征中的一個或多個是否是在統(tǒng)計學上不顯著的。一個或多個統(tǒng)計學上不顯著的特征可以與所述預定義姿勢具有低相關性?？梢詮乃龆嗑S分布函數(shù)中移除所述一個或多個統(tǒng)計學上不顯著的特征。從所述多維分布函數(shù)中移除所述一個或多個統(tǒng)計學上不顯著的特征可以減少計算所述多維分布函數(shù)的概率值所需的計算時間和/或功率。

分析所述傳感器數(shù)據(jù)還可以包括將濾波器應用于所述傳感器數(shù)據(jù)。所述濾波器可以是包括有限脈沖響應(fir)濾波器和/或無限脈沖響應(iir)濾波器的較高階復數(shù)濾波器。所述濾波器可以是卡爾曼濾波器或帕克斯-麥克萊倫(parks-mcclellan)濾波器。

所述可穿戴設備可以被配置用于將傳感器數(shù)據(jù)傳輸?shù)接脩粼O備和/或服務器，以用于所述傳感器數(shù)據(jù)的分析。所述傳感器數(shù)據(jù)的傳輸可以經(jīng)由一個或多個無線或有線通信信道。所述一個或多個無線通信信道可以包括ble(藍牙低能力)、wifi、3g和/或4g網(wǎng)絡。

當所述可穿戴設備沒有與所述用戶設備和/或所述服務器處于可操作通信中時，可以將所述傳感器數(shù)據(jù)存儲在所述可穿戴設備上的存儲器中。當所述可穿戴設備與所述用戶設備和/或所述服務器之間的可操作通信被重新建立時，可以將所述傳感器數(shù)據(jù)從可穿戴設備傳輸?shù)剿鲇脩粼O備和/或所述服務器。

可以將數(shù)據(jù)壓縮步驟應用于所述傳感器數(shù)據(jù)。所述傳感器數(shù)據(jù)的壓縮可以減少傳輸所述傳感器數(shù)據(jù)所需的帶寬，并且所述傳感器數(shù)據(jù)的壓縮可以減少在所述傳感器數(shù)據(jù)的傳輸期間所述可穿戴設備的功耗。所述數(shù)據(jù)壓縮步驟可以包括沿著不同的測量軸計算所述傳感器數(shù)據(jù)的采樣之間的基于時間的差異。所述基于時間的差異可以從所述可穿戴設備傳輸?shù)接脩粼O備和/或服務器?？梢允褂妙A定義數(shù)目的比特來壓縮所述傳感器數(shù)據(jù)。

所述一個或多個傳感器可以被配置用于以預定頻率收集所述傳感器數(shù)據(jù)。所述預定頻率可以被配置用于優(yōu)化和/或減少所述可穿戴設備的功耗。所述預定頻率可以為從約10hz至約20hz的范圍。所述一個或多個傳感器可以被配置用于，當所述用戶正在執(zhí)行所述姿勢的概率低于預定義閾值時，以第一預定頻率收集所述傳感器數(shù)據(jù)。所述一個或多個傳感器可以被配置用于，當所述用戶正在執(zhí)行所述姿勢的概率高于預定義閾值時，以第二預定頻率收集所述傳感器數(shù)據(jù)。所述第二預定頻率可以高于所述第一預定頻率。所述一個或多個傳感器可以被配置用于在預定的持續(xù)時間內(nèi)收集所述傳感器數(shù)據(jù)。所述一個或多個傳感器可以被配置用于當所述可穿戴設備通電時實時地連續(xù)收集所述傳感器數(shù)據(jù)。

所述一個或多個傳感器可以包括第一組傳感器和第二組傳感器?？梢赃x擇性地激活所述第一組傳感器和所述第二組傳感器以減少所述可穿戴設備的功耗?？梢赃x擇性地激活所述第一組傳感器和所述第二組傳感器以減少所收集的傳感器數(shù)據(jù)量。所述傳感器數(shù)據(jù)量的減少可以允許更快速地分析/處理所述傳感器數(shù)據(jù)，并且減少存儲所述傳感器數(shù)據(jù)所需的存儲量。當所述可穿戴設備通電時，可以激活所述第一組傳感器?？梢允褂盟龅谝唤M傳感器來確定所述用戶執(zhí)行所述預定義姿勢的概率。當所述用戶正在執(zhí)行所述姿勢的概率低于預定義閾值時，所述第二組傳感器可以是不起作用的。當所述可穿戴設備通電時以及當所述用戶正在執(zhí)行所述姿勢的概率高于預定義閾值時，可以選擇性地激活所述第二組傳感器?？梢栽诖_定所述用戶正在執(zhí)行預定義姿勢時選擇性地激活第二組傳感器。可以激活所述第二組傳感器以收集附加的傳感器數(shù)據(jù)，以便確認所述用戶正在執(zhí)行所述預定義姿勢，監(jiān)控所述姿勢，以及收集與所述姿勢相關的附加傳感器數(shù)據(jù)。

所述可穿戴設備可以被配置用于以多個能量和/或性能模式操作。所述多個模式可以包括低功率模式，在所述低功率模式中開啟所述可穿戴設備中的至少一個加速度計。當所述可穿戴設備處于所述低功率模式時，所述可穿戴設備可以具有低功耗。由于在低功率模式下，較少的信息(較少的傳感器數(shù)據(jù)量)可用于進行分析，所以當所述可穿戴設備處于所述低功率模式時可能降低所述預定義姿勢的檢測精度。所述多個模式可以包括其中所有傳感器都被開啟的精度模式。當所述可穿戴設備處于所述精度模式時，所述可穿戴設備可以具有高功耗。由于在所述精度模式下較多的信息(較大量的傳感器數(shù)據(jù))可用于進行分析，所以當所述可穿戴設備處于所述精度模式時可以提高所述預定義姿勢的檢測精度。在一些情況下，當所述可穿戴設備處于空閑模式或充電模式時，所述傳感器數(shù)據(jù)可以不被分析或傳輸。

所述傳感器數(shù)據(jù)可以包括以下參數(shù)中的至少一個：(1)所述用戶用于進行所述姿勢的活動手；(2)所述用戶的脈沖模式；(3)所述用戶的位置；(4)所述可穿戴設備和/或用戶設備的標識符；和(5)與所述姿勢相關的所述用戶的行為統(tǒng)計。可以基于所述參數(shù)中的一個或多個來認證所述用戶的身份?？梢源_定所述用戶在一天中的不同時間和/或在不同地理位置處執(zhí)行所述預定義姿勢的概率。可以基于一天的不同時間和/或不同的地理位置來調(diào)整所述傳感器數(shù)據(jù)收集的頻率?？梢栽谒鲇脩魣?zhí)行所述預定義姿勢的概率高于預定閾值的地理位置處和/或一天的時間處增加所述傳感器數(shù)據(jù)收集的頻率?？梢栽谒鲇脩魣?zhí)行所述預定義姿勢的概率低于預定閾值的地理位置處和/或一天的時間處降低所述傳感器數(shù)據(jù)收集的頻率。可以基于所述用戶在一天中的不同時間和/或在不同地理位置執(zhí)行預定義姿勢的概率來選擇性地激活所述傳感器中的一個或多個。

實施方式#4

一種檢測抽煙姿勢的方法，可以包括：獲取使用一個或多個傳感器收集的傳感器數(shù)據(jù)，其中所述傳感器包括多軸加速度計，所述多軸加速度計位于被配置為由用戶穿戴的可穿戴設備上；以及，分析所述傳感器數(shù)據(jù)以確定所述用戶吸煙的概率，其中部分地基于所述傳感器數(shù)據(jù)中的加速度矢量的幅度并且在不將運動矢量與一個或多個物理運動輪廓進行比較的情況下來確定所述概率。

實施方式#5

一種用于實現(xiàn)姿勢識別的系統(tǒng)可以包括存儲器，其用于存儲使用一個或多個傳感器收集的傳感器數(shù)據(jù)，其中所述傳感器可以包括多軸加速度計，所述多軸加速度計位于被配置為由用戶穿戴的可穿戴設備上。所述系統(tǒng)還可以包括一個或多個處理器，其被配置用于執(zhí)行軟件指令集，以分析所述傳感器數(shù)據(jù)以確定所述用戶吸煙的概率，其中部分地基于所述傳感器數(shù)據(jù)中的加速度矢量的幅度并且在不將運動矢量與一個或多個物理運動輪廓進行比較的情況下來確定所述概率。

實施方式#6

一種存儲指令的有形計算機可讀介質(zhì)，所述指令當由一個或多個處理器執(zhí)行時使所述一個或多個處理器執(zhí)行計算機實現(xiàn)的姿勢識別方法。該方法可以包括：獲取使用一個或多個傳感器收集的傳感器數(shù)據(jù)，其中所述傳感器包括多軸加速度計，所述多軸加速度計位于被配置為由用戶穿戴的可穿戴設備上；以及，分析所述傳感器數(shù)據(jù)以確定所述用戶吸煙的概率，其中部分地基于所述傳感器數(shù)據(jù)中的加速度矢量的幅度并且在不將運動矢量與一個或多個物理運動輪廓進行比較的情況下來確定所述概率。

在上述實施方式#4、#5和/或#6中的一個或多個中，分析所述傳感器數(shù)據(jù)可以包括分析所述傳感器數(shù)據(jù)中的一個或多個特征以確定所述用戶進行香煙抽吸(puff)的概率。所述特征可以包括以下中的至少一個：(1)在所述用戶的口中檢測到潛在的香煙的持續(xù)時間；(2)所述用戶的手臂的滾動角；(3)吸煙者的手臂的俯仰角；(4)潛在吸煙抽吸的持續(xù)時間；(5)連續(xù)的潛在抽吸之間的持續(xù)時間；(6)所述用戶完成吸煙的潛在抽吸數(shù)目；(7)所述加速度矢量的幅度；(8)所述用戶的手臂的速度；(9)與手臂到口的姿勢相對應的吸氣區(qū)域；和/或(10)與手臂從口向下的姿勢相對應的呼氣區(qū)域?？梢詮乃鰝鞲衅鲾?shù)據(jù)中提取所述特征。

可以基于一個或多個用戶輸入來調(diào)整所述用戶吸煙的概率。所述用戶輸入可以包括：(1)指示所述用戶不吸煙的輸入信號；(2)指示所述用戶已經(jīng)吸煙的輸入信號；和(3)指示所述用戶已經(jīng)吸煙但沒有識別或檢測到吸煙姿勢的輸入信號?？梢曰谒治龅膫鞲衅鲾?shù)據(jù)和所述一個或多個用戶輸入來為所述用戶生成用戶配置文件(ucf)。所述ucf對于多個用戶可以是通用的。所述ucf可以在一段時間后變成對于每個用戶是唯一的。所述ucf可以被配置用于取決于所述用戶的行為而隨時間進行適配和改變。所述ucf可以包括與除了吸煙之外的不同活動相關聯(lián)的用戶參數(shù)的列表。所述不同的活動可以包括以下中的至少一個：站立、行走、坐著、駕駛、飲用、進食和/或當不管站立還是坐著時的倚靠。當在預定時間段內(nèi)沒有檢測到用戶的吸煙時，可以動態(tài)地改變所述ucf?？梢詣討B(tài)地改變所述ucf以驗證所述用戶在預定時間段內(nèi)沒有吸煙。

基于從所述傳感器數(shù)據(jù)提取的滾動角、俯仰角和/或橫擺角，可以確定用戶是用右手還是左手吸煙?？梢杂盟鲇脩舻淖?右手信息來更新所述ucf。

可以使用與一個或多個吸煙特性相關聯(lián)的多維分布函數(shù)來確定所述概率。所述一個或多個吸煙特性可以包括所述用戶進行一個或多個香煙抽吸?？梢陨舍槍γ總€抽吸的多維分布函數(shù)?；谝韵聛泶_定所述用戶吸煙的概率：(1)潛在抽吸的數(shù)目；(2)針對每個潛在抽吸的多維分布函數(shù)；和(3)發(fā)生潛在抽吸的數(shù)目的持續(xù)時間?？梢源_定針對多個潛在抽吸的多維分布函數(shù)的和是否等于或大于預定概率閾值。當所述和等于或大于所述預定概率閾值時，可以確定所述用戶正在吸煙，并且當所述和小于所述預定概率閾值時，可以確定所述用戶沒在吸煙。當在預定時間段內(nèi)已經(jīng)檢測到預定數(shù)目的抽吸時，可以確定所述用戶正在吸煙?？梢苑治雠c所述潛在抽吸相關聯(lián)的滾動角和俯仰角，并且可以丟棄其滾動角和俯仰角落在預定的滾動/俯仰閾值之外的抽吸?？梢苑治鏊鰸撛诔槲g的持續(xù)時間，并且可以丟棄所述持續(xù)時間在預定時間段之外的抽吸。

可以確定所述用戶在一天的不同時間和/或在不同地理位置處吸煙的概率?？梢曰谝惶斓牟煌瑫r間和/或不同的地理位置來調(diào)整所述傳感器數(shù)據(jù)收集的頻率。在用戶吸煙的概率高于預定閾值的地理位置處和/或一天的時間處增加所述傳感器數(shù)據(jù)收集的頻率。在用戶吸煙的概率低于預定閾值的地理位置處和/或一天的時間處降低所述傳感器數(shù)據(jù)收集的頻率?？梢曰谒鲇脩粼谝惶熘械牟煌瑫r間和/或在不同地理位置處吸煙的概率來選擇性地激活所述傳感器中的一個或多個。

應當理解，可以單獨地、共同地或彼此組合地理解本公開內(nèi)容的不同方面。本文所描述的公開內(nèi)容的各個方面可以被應用于以下闡述的任何特定應用或任何其他類型的能量監(jiān)控系統(tǒng)和方法。

通過對說明書、權利要求和附圖的查看，本公開內(nèi)容的其他目的和特征將變得顯而易見。

援引并入

本說明書中提及的所有出版物、專利和專利申請通過引用并入本文，其程度如同具體和單獨地指示通過引用并入每個單獨的出版物、專利或?qū)＠暾垺?/p>

附圖說明

在所附權利要求中具體闡述了本公開內(nèi)容的新穎特征。通過參考闡述了說明性實施方式的以下詳細描述和附圖，將獲得對本公開內(nèi)容的特征和優(yōu)點的更好理解，在所述說明性實施方式中利用了本公開內(nèi)容的原理，在附圖中：

圖1圖示出了根據(jù)一些實施方式的醫(yī)療保健監(jiān)控系統(tǒng)；

圖2圖示出了根據(jù)一些實施方式的醫(yī)療保健監(jiān)控系統(tǒng)中的示例性組件；

圖3圖示出了根據(jù)一些實施方式的基于來自可穿戴設備上的陀螺儀和/或加速度計的傳感器數(shù)據(jù)來確定可穿戴設備的俯仰角(pitchangle)、滾動角(rollangle)和/或橫擺角(yawangle)；

圖4圖示出了根據(jù)一些實施方式的用戶正在吸煙時角速度矢量的幅度與參考的相關性；

圖5圖示出了根據(jù)一些實施方式的用戶正在進食時加速度矢量和角速度矢量的幅度的相關性；

圖6圖示出了根據(jù)一些實施方式的用戶正在刷牙時加速度矢量和角速度矢量的幅度的相關性；

圖7圖示出了根據(jù)一些實施方式的用戶正在飲用冷飲時加速度矢量和角速度矢量的幅度的相關性；

圖8圖示出了根據(jù)一些實施方式的(對于單個抽吸(puff))在吸煙發(fā)作期間加速度矢量和角速度矢量的幅度的相關性；

圖9是根據(jù)一些實施方式的作為吸煙抽吸數(shù)目的函數(shù)的用戶吸煙概率的圖；

圖10是根據(jù)一些實施方式的檢測用戶吸煙的概率的方法的流程圖；

圖11是根據(jù)一些其他實施方式的檢測用戶吸煙的概率的方法的流程圖；

圖12是根據(jù)一些另外實施方式的檢測用戶吸煙的概率的方法的流程圖；

圖13圖示出了根據(jù)一些實施方式的描繪了用戶在一天中吸的香煙數(shù)目的示例性窗口；

圖14圖示出了根據(jù)一些實施方式的描繪了吸的香煙在一天中的時間上的分解的示例性窗口；

圖15圖示出了根據(jù)一些實施方式的描繪了用戶在一周內(nèi)的工作日和周末吸的香煙數(shù)目的示例性窗口；

圖16圖示出了根據(jù)一些實施方式的描繪了在四周的時間段內(nèi)吸的香煙在一天的時間上的分解的示例性窗口；

圖17圖示出了根據(jù)一些實施方式的描繪了用戶的每日目標的示例性窗口；

圖18圖示出了根據(jù)一些實施方式的對吸煙者相對于組中其他吸煙者的戒煙成功/執(zhí)行進行排名的示例性窗口；以及

圖19圖示出了根據(jù)一些實施方式的示出用戶的多個抽煙度量的示例性窗口。

具體實施方式

現(xiàn)在將詳細參考本公開內(nèi)容的一些示例性實施方式，其示例在附圖中圖示出。將盡可能地在整個附圖和公開內(nèi)容中使用相同的附圖標號來指代相同或相似的部分。

引言

可穿戴設備近年來變得越來越受歡迎。雖然可穿戴設備能夠收集有關用戶的大量數(shù)據(jù)，但目前缺乏可以精確且有效地分析大量數(shù)據(jù)的系統(tǒng)和算法——特別是在某些醫(yī)療保健領域中。

本文所描述的本公開內(nèi)容的實施方式可以使得手到口姿勢的實時測量可應用于某些醫(yī)療保健領域(例如，為了戒煙而監(jiān)控吸煙行為等)。數(shù)據(jù)可以用于幫助用戶有效地管理或控制他們的行為/習慣。在一些情況下，醫(yī)療保健組織或保險公司可以使用這些數(shù)據(jù)來為用戶量身定制預防行為健康計劃，其能夠幫助用戶改善他們的健康和幸福感。

本公開內(nèi)容的實施方式可以幫助用戶更好地了解他們的行為/習慣，以便更有效地改變他們的行為/習慣。例如，在吸煙的情況下，本公開內(nèi)容的某些實施方式允許用戶看到按時間和位置吸的香煙的數(shù)目、抽吸的數(shù)目、發(fā)生吸煙的社會環(huán)境等?？梢葬槍Σ煌挠脩羯晌鼰熃y(tǒng)計和警報，并且可以針對戒除計劃設置目標。用戶還可以將他在戒煙計劃中的進展與同一社交網(wǎng)絡中的其他用戶進行比較。在一些情況下，可向用戶實時提供激勵來獎勵進展并進一步激發(fā)用戶。

接下來，將參照附圖描述本公開內(nèi)容的各種實施方式。

圖1圖示出了根據(jù)一些實施方式的醫(yī)療保健監(jiān)控系統(tǒng)。在一個方面，醫(yī)療保健監(jiān)控系統(tǒng)100可以包括用戶設備102、可穿戴設備104、服務器106、姿勢分析引擎108和數(shù)據(jù)庫110。組件102、104、106、108和110中的每一個可以經(jīng)由網(wǎng)絡112或允許數(shù)據(jù)從一個組件傳輸?shù)搅硪粋€組件的任何類型的通信鏈路而彼此可操作地連接。姿勢分析引擎可以被配置用于分析來自用戶設備和/或可穿戴設備的輸入數(shù)據(jù)，以便檢測和/或監(jiān)控預定姿勢，并提供信息(例如，建議)以輔助用戶管理與預定姿勢相關聯(lián)的行為。姿勢分析引擎可以在醫(yī)療保健監(jiān)控系統(tǒng)內(nèi)部和/或醫(yī)療保健監(jiān)控系統(tǒng)之外的任何地方實現(xiàn)。在一些實施方式中，姿勢分析引擎可以在服務器上實現(xiàn)。在其他實施方式中，姿勢分析引擎可以在用戶設備上實現(xiàn)。另外，姿勢分析引擎可以在可穿戴設備上實現(xiàn)。在一些另外的實施方式中，可以在一個或多個服務器、用戶設備和/或可穿戴設備上實現(xiàn)多個姿勢分析引擎。備選地，姿勢分析引擎可以在一個或多個數(shù)據(jù)庫中實現(xiàn)。姿勢分析引擎可以在醫(yī)療保健監(jiān)控系統(tǒng)內(nèi)的一個或多個上面提及的組件中使用軟件、硬件或軟件和硬件的組合來實現(xiàn)。

用戶設備102可以是被配置用于執(zhí)行與所公開的實施方式一致的一個或多個操作的計算設備。用戶設備的示例可以包括但不限于移動設備、智能電話/蜂窩電話、平板電腦、個人數(shù)字助理(pda)、膝上型或筆記本計算機、臺式計算機、媒體內(nèi)容播放器、電視機、視頻游戲站/系統(tǒng)、虛擬現(xiàn)實系統(tǒng)、增強現(xiàn)實系統(tǒng)、麥克風或能夠向用戶分析、接收、提供或顯示某些類型的行為數(shù)據(jù)(例如，吸煙數(shù)據(jù))的任何電子設備。用戶設備可以是手持對象。用戶設備可以是便攜式的。用戶設備可以由人類用戶攜帶。在一些情況下，用戶設備可以位于遠離人類用戶，并且用戶可以使用無線和/或有線通信來控制用戶設備。

用戶設備102可以包括能夠執(zhí)行非暫時性計算機可讀介質(zhì)的一個或多個處理器，所述非暫時性計算機可讀介質(zhì)可以提供用于與所公開的實施方式一致的一個或多個操作的指令。用戶設備可以包括一個或多個存儲器儲存設備，其包括非暫時性計算機可讀介質(zhì)，所述非暫時性計算機可讀介質(zhì)包括用于執(zhí)行一個或多個操作的代碼、邏輯或指令。用戶設備可以包括允許用戶設備在可穿戴設備104、服務器106、姿勢分析引擎108和/或數(shù)據(jù)庫110之間傳送數(shù)據(jù)以及與之通信的軟件應用。用戶設備可以包括通信單元，其可以允許與醫(yī)療保健監(jiān)控系統(tǒng)100中的一個或多個其他組件的通信。在一些實例中，通信單元可以包括單個通信模塊或多個通信模塊。在一些實例中，用戶設備可以能夠使用單個通信鏈路或多個不同類型的通信鏈路來與醫(yī)療保健監(jiān)控系統(tǒng)100中的一個或多個組件交互。

用戶設備102可以包括顯示器。顯示器可以是屏幕。顯示器可以是或者可以不是觸摸屏。顯示器可以是發(fā)光二極管(led)屏幕、oled屏幕、液晶顯示器(lcd)屏幕、等離子屏幕或任何其他類型的屏幕。顯示器可以被配置用于示出通過應用(例如，經(jīng)由在用戶設備上執(zhí)行的應用編程接口(api))呈現(xiàn)的用戶界面(ui)或圖形用戶界面(gui)。gui可以示出允許用戶監(jiān)控一個或多個類型的行為(例如吸煙)的圖像。用戶設備還可以被配置用于顯示因特網(wǎng)上的網(wǎng)頁和/或網(wǎng)站。網(wǎng)頁/網(wǎng)站中的一個或多個可以由服務器106托管和/或由姿勢分析引擎108呈現(xiàn)。

用戶可以通過應用在gui內(nèi)導航。例如，用戶可以通過直接觸摸屏幕(例如，觸摸屏)來選擇鏈接。用戶可以通過觸摸屏幕上的點來觸摸屏幕的任何部分。備選地，用戶可以借助于用戶交互設備(例如，鼠標、操縱桿、鍵盤、軌跡球、觸摸板、按鈕、語言命令、姿勢識別、姿態(tài)傳感器、熱傳感器、觸摸電容傳感器或任何其他設備)來選擇圖像的一部分。觸摸屏可以被配置用于檢測用戶觸摸的位置、觸摸的長度、觸摸的壓力和/或觸摸動作，由此上述觸摸方式中的每一個可以指示來自用戶的特定輸入命令。

可穿戴設備104可以包括智能手表、腕帶、眼鏡、手套、頭盔(例如帽子、安全帽、虛擬現(xiàn)實耳機、增強現(xiàn)實耳機、頭戴式裝置(hmd)、頭帶)、吊墜、臂帶、腿帶、鞋、背心、運動感測設備等。可穿戴設備可以被配置為被穿戴在用戶身體的部位上(例如，智能手表或腕帶可穿戴在用戶的手腕上)?？纱┐髟O備可以包括一個或多個類型的傳感器。傳感器類型的示例可以包括慣性傳感器(例如加速度計、陀螺儀和/或重力檢測傳感器、其可以形成慣性測量單元(imu))、位置傳感器(例如全球定位系統(tǒng)(gps)傳感器、支持位置三角測量的移動設備發(fā)射機)、心率監(jiān)控器、外部溫度傳感器、皮膚溫度傳感器、電容式觸摸傳感器、被配置用于檢測皮膚電反應(gsr)的傳感器、視覺傳感器(例如能夠檢測可見光、紅外線或紫外線的成像設備，諸如相機)、接近度或范圍傳感器(例如超聲波傳感器、激光雷達、飛行時間或深度相機)、高度傳感器、姿態(tài)傳感器(例如羅盤)、壓力傳感器(例如氣壓計)、濕度傳感器、振動傳感器、音頻傳感器(例如麥克風)和/或場傳感器(例如磁力計、電磁傳感器、無線電傳感器)。

可穿戴設備104還可以包括能夠?qū)⑿盘柊l(fā)出到環(huán)境中的一個或多個設備。例如，可穿戴設備可以包括沿著電磁光譜的發(fā)射器(例如可見光發(fā)射器，紫外發(fā)射器，紅外發(fā)射器)。可穿戴設備可以包括激光器或任何其他類型的電磁發(fā)射器。可穿戴設備可以發(fā)出一個或多個振動，諸如超聲波信號。可穿戴設備可以(例如，從揚聲器)發(fā)出可聽的聲音。可穿戴設備可以發(fā)出諸如無線電信號或其他類型的信號之類的無線信號。

本文可以存在于可穿戴設備104中的傳感器的任何示例也可以應用于用戶設備102。例如，可以將一個或多個不同的傳感器并入到用戶設備102中。

盡管圖1將用戶設備102和可穿戴設備104圖示為兩個分離的設備，但是本公開內(nèi)容不限于此。在一些實施方式中，用戶設備和可穿戴設備可以集成到單個設備中。在一些實施方式中，可以將可穿戴設備并入到用戶設備中。在其他實施方式中，可以將用戶設備并入到可穿戴設備中。備選地，用戶設備可以能夠執(zhí)行可穿戴設備的一個或多個功能。可選地，可穿戴設備可以能夠執(zhí)行用戶設備的一個或多個功能，并且用戶設備可以能夠執(zhí)行可穿戴設備的一個或多個功能。

用戶設備102和可穿戴設備104可以由與所公開的實施方式一致的一個或多個用戶操作。在一些實施方式中，用戶可以與唯一的用戶設備和唯一的可穿戴設備相關聯(lián)。備選地，用戶可以與多個用戶設備和可穿戴設備相關聯(lián)。如本文所述的用戶可以指代尋求通過醫(yī)療保健監(jiān)控系統(tǒng)100改善其幸福感的個體或個體群組。例如，吸煙者或吸煙者群組可能希望戒煙?；加芯瓢a的個人或個人群組可能希望戒酒?；加羞^度飲食失調(diào)的個人或個人群組可能希望減少其食物攝入。上述用戶可以使用醫(yī)療保健監(jiān)控系統(tǒng)100來控制和管理這些行為。

用戶可以注冊到提供與由所公開的實施方式執(zhí)行的一個或多個操作相關聯(lián)的服務的實體，或者與之相關聯(lián)。例如，用戶可以是實體的注冊用戶(例如，公司、組織、個體等)，所述實體提供姿勢分析引擎108以執(zhí)行用于輔助用戶管理某些類型的行為(例如，抽煙)的操作。所公開的實施方式不限于用戶設備102和可穿戴設備104的用戶與提供姿勢分析引擎108的實體、個人或多個實體之間的任何特定關系或關聯(lián)。

用戶設備102和/或可穿戴設備104可以被配置用于接收來自一個或多個用戶的輸入。用戶可以使用輸入設備例如鍵盤、鼠標、觸摸屏面板、語音識別和/或聽寫軟件或上述的任何組合來向用戶設備和/或可穿戴設備提供輸入。用戶輸入可以包括與某些類型的行為(例如吸煙)相關的陳述、評論、問題或答案。不同的用戶可以提供不同的輸入。例如，用戶可以提供輸入以指示用戶在預定時間段內(nèi)是否正在吸煙或已經(jīng)吸了煙。在一些實例中，輸入還可以指示在旨在減輕某些行為(例如，吸煙)的計劃課程期間用戶感覺如何(例如，用戶感到被激發(fā)還是氣餒)。在這些實例中，用戶的輸入可以指示與吸煙有關的用戶的想法、感覺、情緒、意見、問題和/或答案。

服務器106可以是被配置用于執(zhí)行與所公開的實施方式一致的一個或多個操作的一個或多個服務器計算機。在一個方面，服務器可以被實現(xiàn)為單個計算機，通過該單個計算機，用戶設備102和可穿戴設備104能夠與姿勢分析引擎108和數(shù)據(jù)庫110通信。在一些實施方式中，用戶設備和/或可穿戴設備可以通過網(wǎng)絡直接與姿勢分析引擎通信。在一些實施方式中，服務器可以通過網(wǎng)絡來代表用戶設備和/或可穿戴設備與姿勢分析引擎或數(shù)據(jù)庫進行通信。在一些實施方式中，服務器可以體現(xiàn)一個或多個姿勢分析引擎的功能性。在一些實施方式中，可以在服務器內(nèi)部和/或外部實現(xiàn)一個或多個姿勢分析引擎。例如，姿勢分析引擎可以是包括在服務器中或遠離服務器的軟件和/或硬件組件。

在一些實施方式中，用戶設備和/或可穿戴設備可以通過單獨的鏈路(圖1中未示出)直接連接到服務器。在某些實施方式中，服務器可以被配置用于操作為前端設備，其被配置用于提供對與某些公開的實施方式一致的一個或多個姿勢分析引擎的訪問。在一些實施方式中，服務器可以利用一個或多個姿勢分析引擎來分析來自用戶設備和/或可穿戴設備的輸入數(shù)據(jù)，以便檢測和/或監(jiān)控預定姿勢，并且提供信息(例如，建議)以輔助用戶管理與預定姿勢相關聯(lián)的行為。服務器還可以被配置用于存儲、搜索、取回和/或分析存儲在一個或多個數(shù)據(jù)庫中的數(shù)據(jù)和信息。數(shù)據(jù)和信息可以包括從一個或多個可穿戴設備上的加速度計和陀螺儀收集的原始數(shù)據(jù)，以及每個用戶的與行為類型(例如吸煙)相關的歷史行為模式和社交交互。雖然圖1將服務器圖示為單個服務器，但是在一些實施方式中，多個設備可以實現(xiàn)與服務器相關聯(lián)的功能性。

服務器可以包括網(wǎng)絡服務器、企業(yè)服務器或任何其他類型的計算機服務器，并且可以被計算機編程以接受來自計算設備(例如用戶設備和/或可穿戴設備)的請求(例如http或者可以發(fā)起數(shù)據(jù)傳輸?shù)钠渌麉f(xié)議)并且以向計算設備提供所請求的數(shù)據(jù)。此外，服務器可以是用于分發(fā)數(shù)據(jù)的廣播設施，諸如免費、有線、衛(wèi)星和其他廣播設施。服務器也可以是數(shù)據(jù)網(wǎng)絡(例如，云計算網(wǎng)絡)中的服務器。

服務器可以包括已知的計算組件，諸如一個或多個處理器、存儲由處理器執(zhí)行的軟件指令和數(shù)據(jù)的一個或多個存儲器設備。服務器可以具有一個或多個處理器和用于存儲程序指令的至少一個存儲器。處理器可以是能夠執(zhí)行特定指令集的單個或多個微處理器、現(xiàn)場可編程門陣列(fpga)或數(shù)字信號處理器(dsp)。計算機可讀指令可以存儲在有形的非暫時性計算機可讀介質(zhì)上，諸如軟盤、硬盤、cd-rom(緊湊盤-只讀存儲器)和mo(磁光)、dvd-rom(數(shù)字多功能盤-只讀存儲器)、dvdram(數(shù)字多功能盤-隨機存取存儲器)或半導體存儲器。備選地，該方法能夠以硬件組件或硬件和軟件的組合來實現(xiàn)，諸如asic、專用計算機或通用計算機。

雖然圖1將服務器圖示為單個服務器，但是在一些實施方式中，多個設備可以實現(xiàn)與服務器相關聯(lián)的功能性。

網(wǎng)絡112可以是被配置用于提供圖1所圖示的各種組件之間的通信的網(wǎng)絡。在一些實施方式中，網(wǎng)絡可以被實現(xiàn)為連接網(wǎng)絡布局中的設備和/或組件以允許它們之間的通信的一個或多個網(wǎng)絡。例如，用戶設備102、可穿戴設備104和姿勢分析引擎108可以通過網(wǎng)絡112彼此處于可操作通信中。可以在兩個或更多個上述組件之間提供直接通信?？梢栽诓恍枰魏沃虚g設備或網(wǎng)絡的情況下發(fā)生直接通信?？梢栽趦蓚€或更多個上述組件之間提供間接通信?？梢越柚谝粋€或多個中間設備或網(wǎng)絡發(fā)生間接通信。例如，間接通信可以利用電信網(wǎng)絡。可以借助于一個或多個路由器、通信塔、衛(wèi)星或任何其他中間設備或網(wǎng)絡來執(zhí)行間接通信。通信類型的示例可以包括但不限于經(jīng)由以下的通信：因特網(wǎng)、局域網(wǎng)(lan)、廣域網(wǎng)(wan)、藍牙、近場通信(nfc)技術、基于移動數(shù)據(jù)協(xié)議的網(wǎng)絡諸如通用分組無線業(yè)務(gprs)、gsm、增強型數(shù)據(jù)gsm環(huán)境(edge)、3g、4g或長期演進(lte)協(xié)議、紅外(ir)通信技術和/或wi-fi，以及可以是無線、有線或其組合。在一些實施方式中，可以使用蜂窩和/或?qū)ず魴C網(wǎng)絡、衛(wèi)星、許可無線電或者已許可和未許可的無線電的組合來實現(xiàn)網(wǎng)絡。網(wǎng)絡可以是無線的、有線的或其組合。

用戶設備102、可穿戴設備104、服務器106和/或姿勢分析引擎110可以連接或互連至一個或多個數(shù)據(jù)庫110。數(shù)據(jù)庫可以是被配置用于存儲數(shù)據(jù)的一個或多個存儲器設備。另外，在一些實施方式中，數(shù)據(jù)庫還可以被實現(xiàn)為具有儲存設備的計算機系統(tǒng)。在一個方面，數(shù)據(jù)庫可以由網(wǎng)絡布局的組件使用以執(zhí)行與所公開的實施方式一致的一個或多個操作。

在一個實施方式中，數(shù)據(jù)庫可以包括包含與所公開的實施方式一致的各種數(shù)據(jù)集的儲存器。例如，數(shù)據(jù)庫可以包括例如由位于可穿戴設備104上的加速度計和陀螺儀所收集的原始數(shù)據(jù)。數(shù)據(jù)庫還可以包括用戶的偏好、歷史行為模式、與行為類型相關聯(lián)的特點、用戶的生活方式的改變和/或改善、用戶在管理或克服某些類型的行為方面的成功、用戶與特定類型的行為相關的社交交互、指示用戶在不同時間點感覺如何的陳述或評論等。在一些實施方式中，數(shù)據(jù)庫可以包括源自人群的數(shù)據(jù)，其包括與從互聯(lián)網(wǎng)論壇和社交媒體網(wǎng)站獲取的用戶戒煙嘗試相關的評論和見解。因特網(wǎng)論壇和社交媒體網(wǎng)站可以包括個人和/或群組博客，facebook^tm，twitter^tm等。此外，在一些實施方式中，數(shù)據(jù)庫可以包括源自人群的數(shù)據(jù)，其包括與其他用戶嘗試戒煙相關的評論和見解，由此，這些評論和見解由一個或多個其他用戶直接輸入到姿勢分析引擎中。源自人群的數(shù)據(jù)可以包含有關在試圖戒煙的其他用戶的進展情況的最新信息或當前信息、關于戒煙方式的建議等。源自人群的數(shù)據(jù)可以由具有試圖戒煙的經(jīng)驗或者已經(jīng)成功設法戒煙的其他用戶提供。

在某些實施方式中，數(shù)據(jù)庫中的一個或多個可以與服務器共同定位、可以彼此共同定位在網(wǎng)絡上、或者可以與其他設備分開定位(由將數(shù)據(jù)庫連接到網(wǎng)絡的虛線來表示)。本領域普通技術人員將認識到，所公開的實施方式不限于數(shù)據(jù)庫的配置和/或布置。

在一些實施方式中，用戶設備、可穿戴設備、服務器、姿勢分析引擎和數(shù)據(jù)庫中的任何一個可以被實現(xiàn)為計算機系統(tǒng)。另外，在圖1中將網(wǎng)絡示出為用于組件之間的通信的“中心”點，但是所公開的實施方式不限于此。例如，網(wǎng)絡布局的一個或多個組件可以以各種方式互連，并且在一些實施方式中，如本領域普通技術人員將會理解的那樣，可以彼此直接連接、彼此共同定位或彼此遠離。另外，雖然一些公開的實施方式可以在服務器上實現(xiàn)，但是所公開的實施方式不限于此。例如，在一些實施方式中，其他設備(諸如姿勢分析系統(tǒng)和/或數(shù)據(jù)庫)可以被配置用于執(zhí)行與所公開的實施方式——包括關于服務器所描述的實施方式一致的一個或多個過程和功能性。

雖然圖示了特定的計算設備和所描述的網(wǎng)絡，但是應當了解和理解，在不脫離本文所描述的實施方式的精神和范圍的情況下，可以利用其他計算設備和網(wǎng)絡。此外，網(wǎng)絡布局的一個或多個組件可以以各種方式互連，并且在一些實施方式中，如本領域普通技術人員將會理解的那樣，可以彼此直接連接、彼此共同定位或彼此遠離。

姿勢分析引擎可以被實現(xiàn)為存儲指令的一個或多個計算機，所述指令在由處理器執(zhí)行時分析來自用戶設備和/或可穿戴設備的輸入數(shù)據(jù)，以便檢測和/或監(jiān)控預定姿勢，并提供信息(例如，建議)以輔助用戶管理與預定姿勢相關聯(lián)的行為。姿勢分析引擎還可以被配置用于存儲、搜索、取回和/或分析存儲在一個或多個數(shù)據(jù)庫中的數(shù)據(jù)和信息。數(shù)據(jù)和信息可以包括從一個或多個可穿戴設備上的加速度計和陀螺儀收集的原始數(shù)據(jù)，以及每個用戶的與行為類型(例如吸煙)相關的歷史行為模式和社交交互。在一些實施方式中，服務器106可以是在其中實現(xiàn)了姿勢分析引擎的計算機。

然而，在一些實施方式中，一個或多個姿勢分析引擎108可以從服務器106遠程實現(xiàn)。例如，用戶設備可以向服務器106發(fā)送用戶輸入，并且服務器可以通過網(wǎng)絡112連接到一個或多個姿勢分析引擎108以取回、過濾和分析來自一個或多個遠程定位的數(shù)據(jù)庫110的數(shù)據(jù)。在其他實施方式中，姿勢分析引擎可以表示軟件，所述軟件當被一個或多個處理器執(zhí)行時執(zhí)行用于分析數(shù)據(jù)的過程，以檢測和/或監(jiān)控預定姿勢，以及提供信息(例如，建議)以輔助用戶管理或克服某些類型的行為。

服務器可以訪問和執(zhí)行姿勢分析引擎以執(zhí)行與所公開的實施方式一致的一個或多個過程。在某些配置中，姿勢分析引擎可以是存儲在服務器可訪問的存儲器中(例如，在對服務器而言是本地的存儲器中或者通過諸如網(wǎng)絡的通信鏈路可訪問的遠程存儲器中)的軟件。因此，在某些方面，姿勢分析引擎可以被實現(xiàn)為一個或多個計算機、實現(xiàn)為存儲在服務器可訪問的存儲器設備中的軟件或其組合。例如，一個姿勢分析引擎可以是執(zhí)行一個或多個姿勢識別技術的計算機，并且另一姿勢分析引擎可以是當被服務器執(zhí)行時執(zhí)行一個或多個姿勢識別技術的軟件。

以下將參考圖2詳細描述姿勢分析引擎的功能及其與用戶設備和可穿戴設備的通信。雖然本文中使用監(jiān)控或戒除吸煙行為作為示例來描述各種實施方式，但是應當注意，本公開內(nèi)容不限于此，并且可以用于監(jiān)控吸煙以外的其他類型的行為和活動。

圖2圖示出了根據(jù)一些實施方式的醫(yī)療保健監(jiān)控系統(tǒng)中的示例性組件。參考圖2，醫(yī)療保健監(jiān)控系統(tǒng)200可以包括用戶設備102、可穿戴設備104和姿勢分析引擎108。如前所述，在服務器內(nèi)部和/或外部均可以實現(xiàn)姿勢分析引擎。例如，姿勢分析引擎可以是包括在服務器中或遠離服務器的軟件和/或硬件組件。在一些實施方式中，姿勢分析引擎(或姿勢分析引擎的一個或多個功能)可以在用戶設備和/或可穿戴設備上實現(xiàn)。備選地，用戶設備、可穿戴設備和/或服務器可以被配置用于執(zhí)行姿勢分析引擎的不同功能?？蛇x地，可以跨在用戶設備、可穿戴設備和/或服務器上復制姿勢分析引擎的一個或多個功能。

在圖2的示例中，可穿戴設備104可以包括至少一個傳感器105。例如，可穿戴設備可以包括加速度計105-1和陀螺儀105-2。如本文其他地方所描述的一個或多個其他類型的傳感器可并入到可穿戴設備中。

用戶設備和/或可穿戴設備可以被配置用于向姿勢分析引擎提供輸入數(shù)據(jù)114。輸入數(shù)據(jù)可以包括傳感器數(shù)據(jù)114a、用戶輸入114b、用戶位置114c、歷史行為數(shù)據(jù)114d和社交網(wǎng)絡交互數(shù)據(jù)114e。

傳感器數(shù)據(jù)可以包括由可穿戴設備上的加速度計和陀螺儀收集的原始數(shù)據(jù)。傳感器數(shù)據(jù)可以存儲在可穿戴設備、用戶設備和/或服務器上的存儲器中。在一些實施方式中，傳感器數(shù)據(jù)可以存儲在一個或多個數(shù)據(jù)庫中。數(shù)據(jù)庫可以位于服務器、用戶設備和/或可穿戴設備上。備選地，數(shù)據(jù)庫可以位于遠離服務器、用戶設備和/或可穿戴設備。

用戶輸入可以由用戶經(jīng)由用戶設備和/或可穿戴設備來提供。用戶輸入可以對由姿勢分析引擎提供的問題進行回復。問題的示例可以包括：用戶當前是否吸煙，用戶是否在預定時間段內(nèi)(例如，最近8小時內(nèi))吸煙，在預定時間段內(nèi)吸的香煙數(shù)目，用戶吸煙的時間和地點、香煙品牌、用戶是否計劃吸那個香煙，用戶是單獨吸煙還是與他人吸煙、用戶與吸煙相關的特定時刻的感覺如何等等。用戶對這些問題的回復可以用來補充傳感器數(shù)據(jù)以確定當前或未來吸煙發(fā)作的概率，并預測用戶何時/何地可能吸煙?？梢允褂脵C器學習過程來分析從用戶輸入獲取的信息。

用戶位置可以由用戶設備和/或可穿戴設備上的位置傳感器(例如，gps接收機)來確定。用戶位置可以用于確定用戶正在吸煙或可能吸煙的地方。用戶位置也可以用來補充傳感器數(shù)據(jù)以確定當前或未來吸煙發(fā)作的概率。

歷史行為數(shù)據(jù)可以對應于在預定時間段上收集的吸煙相關數(shù)據(jù)。歷史行為數(shù)據(jù)可以存儲在可穿戴設備、用戶設備和/或服務器上的存儲器中。在一些實施方式中，歷史行為數(shù)據(jù)可以存儲在一個或多個數(shù)據(jù)庫中。數(shù)據(jù)庫可以位于服務器、用戶設備和/或可穿戴設備上。備選地，數(shù)據(jù)庫可以位于遠離服務器、用戶設備和/或可穿戴設備。

可以從由姿勢分析引擎提供的應用(例如，移動應用)獲取社交網(wǎng)絡交互數(shù)據(jù)。應用可以允許用戶在應用內(nèi)挑選一個社交群組，并將他/她的表現(xiàn)與社交群組中的其他用戶進行比較。社交群組可以由用戶定義。社交群組中的用戶可能正在尋求使用該應用來管理或控制某種類型的行為或習慣(例如吸煙)。與該群組中的其他用戶相比，用戶的表現(xiàn)可以包括用戶在管理該類型的行為或習慣方面的成功和/或失敗。

姿勢分析引擎可以被配置用于從位于可穿戴設備和/或用戶設備上的至少一個傳感器獲取傳感器數(shù)據(jù)。例如，姿勢分析引擎可以被配置用于從位于可穿戴設備上的加速度計和/或陀螺儀獲取傳感器數(shù)據(jù)。如前所述，可穿戴設備可被用戶穿戴(例如，在用戶的手腕上)。姿勢分析引擎還可以被配置用于分析傳感器數(shù)據(jù)以確定用戶執(zhí)行預定義姿勢的概率。可以在不將運動矢量與一個或多個物理運動輪廓(profile)進行比較的情況下，部分地基于傳感器數(shù)據(jù)中的運動矢量的幅度來確定概率。

姿勢的類型

預定義姿勢可以與以下活動中的至少一個相關聯(lián)并且對以下活動中的至少一個而言是唯一的：吸煙、飲酒、進食、刮胡、刷牙、咬指甲、嘔吐或慢性咳嗽。姿勢分析引擎可以被配置用于確定用戶執(zhí)行以上活動中的一個或多個的概率?？梢栽诓粚⑦\動矢量與一個或多個物理運動輪廓進行比較的情況下并且至少基于傳感器數(shù)據(jù)中的不同運動矢量的幅度，來將與不同活動相關聯(lián)的姿勢相互區(qū)分。

在一些情況下，姿勢分析引擎可以基于傳感器數(shù)據(jù)中的運動矢量的幅度及其持續(xù)時間來確定用戶是否正在飲用熱液體或飲用冷液體。在其他情況下，姿勢分析引擎可以能夠基于傳感器數(shù)據(jù)中的運動矢量的幅度及其持續(xù)時間來確定用戶對不同類型食物的消耗。例如，姿勢分析引擎可以基于啜飲次數(shù)、啜飲持續(xù)時間、滾動、俯仰等來標識熱飲或冷飲。姿勢分析引擎還可以標識正在消耗的食物的一般類型(例如，用戶是否在用勺子喝湯、用刀叉吃固體食物、吃零食、使用筷子等)。因此，姿勢分析引擎可以能夠檢測每個活動內(nèi)的各種子類別。

在一些情況下，預定義姿勢可以與引起用戶的肢體的重復運動和/或振動的神經(jīng)系統(tǒng)疾病相關聯(lián)。姿勢分析引擎可以被配置用于確定用戶執(zhí)行預定義姿勢的概率，以便確定用戶正在遭受神經(jīng)系統(tǒng)疾病的程度。

傳感器數(shù)據(jù)

如前所述，可以將加速度計安置在可穿戴設備上。在一些實施方式中，加速度計可以是諸如n軸加速度計的多軸加速度計，其中n可以是等于或大于2的整數(shù)。例如，在一些實施方式中，加速度計可以是3-軸加速度計。加速度計可以能夠沿著相對于可穿戴設備而定義的局部坐標系中的x軸、y軸和z軸來測量加速度。

因此，在這些實施方式中，傳感器數(shù)據(jù)中的運動矢量可以是加速度矢量，并且運動矢量的幅度可以對應于加速度矢量的幅度。加速度矢量可以包括沿著加速度計的不同軸所測量的多個加速度分量。例如，沿著x軸、y軸和z軸的多個加速度分量可以分別由ax、ay和az給出。每個加速度分量可以是矢量。加速度矢量的幅度可以由下式給出：am＝sqrt(ax²+ay²+az²)。加速度矢量的幅度可以是標量。

姿勢分析引擎可以被配置用于部分地基于加速器矢量的幅度來確定用戶執(zhí)行預定義姿勢的概率。例如，姿勢分析引擎可以被配置用于：在不將加速度矢量(和/或加速度矢量中的每個加速度分量)與一個或多個物理運動輪廓進行比較的情況下，部分地基于不同時間段內(nèi)的加速度矢量的幅度來確定概率。

在一些實施方式中，可穿戴設備的俯仰角和/或滾動角可以通過姿勢分析引擎使用沿著x軸，y軸和z軸的加速度分量來計算。在一些情況下，俯仰角可以由θ＝arctan[ay/sqrt(ax²+az²)]給出。在一些實施方式中，可以使用沿x軸和z軸的加速度分量來計算可穿戴設備的滾動角。在一些情況下，滾動角度可由下式給出：φ＝arctan[-ax/az]。俯仰角和滾動角可以分別指示用戶的身體的一部分(其中穿戴了可穿戴設備)分別圍繞y軸和x軸的旋轉運動。在一些實施方式中，姿勢分析引擎可以被配置用于部分地基于俯仰角和/或滾動角來確定用戶執(zhí)行預定義姿勢的概率。

如前所述，也可以將陀螺儀安置在可穿戴設備上。在這些實施方式中，傳感器數(shù)據(jù)中的運動矢量可以是角速度矢量，并且運動矢量的幅度可以對應于角速度矢量的幅度。角速度矢量可以包括沿著陀螺儀的不同軸測量的多個角速度分量。

姿勢分析引擎可以被配置用于：在不將角速度矢量與一個或多個物理運動輪廓進行比較的情況下，部分地基于角速度矢量的幅度來確定用戶執(zhí)行預定義姿勢的概率。例如，姿勢分析引擎可以被配置用于部分地基于不同時間段內(nèi)的角速度矢量的幅度來確定概率。

在一些實施方式中，如圖3所示，可穿戴設備的俯仰角、滾動角和/或橫擺角度可以基于來自可穿戴設備上的陀螺儀和/或加速度計的傳感器數(shù)據(jù)來確定。俯仰角、滾動角和/或橫擺角可以指示用戶身體的部位圍繞在可穿戴設備上所定義的局部坐標系中的x軸、y軸和z軸的旋轉運動。在圖3中，俯仰角可以指示用戶的手腕圍繞y軸的旋轉運動，滾動角可以指示用戶的手腕圍繞x軸的旋轉運動，并且橫擺角可以指示用戶手腕圍繞z軸的旋轉運動?？梢詫碜钥纱┐髟O備的傳感器數(shù)據(jù)傳輸?shù)接脩粼O備，該用戶設備隨后可以將傳感器數(shù)據(jù)傳輸?shù)阶藙莘治鲆?。在一些實施方式中，來自可穿戴設備的傳感器數(shù)據(jù)可以直接傳輸?shù)阶藙莘治鲆娑唤?jīng)過用戶設備。姿勢分析引擎可以被配置用于部分地基于俯仰角、滾動角和/或橫擺角來確定用戶執(zhí)行預定義姿勢的概率。

在一些實施方式中，姿勢分析引擎可以被配置用于：在不將加速度矢量以及角速度矢量與一個或多個物理運動輪廓進行比較的情況下，部分地基于加速度矢量的幅度和角速度矢量的幅度來確定用戶執(zhí)行預定義姿勢的概率。如前所提及，預定義姿勢可以與諸如吸煙、飲酒、刷牙和吸飲等活動相關聯(lián)并且對這些活動而已是唯一的。姿勢分析引擎可以被配置用于確定用戶執(zhí)行以上活動中的一個或多個的概率。可以至少基于傳感器數(shù)據(jù)中的不同運動矢量的幅度并且在不將運動矢量與一個或多個物理運動輪廓進行比較的情況下來將與不同活動相關聯(lián)的姿勢相互區(qū)分。

圖4、圖5、圖6和圖7圖示出了根據(jù)一些實施方式的用戶正在執(zhí)行不同的活動(姿勢)時由可穿戴設備上的加速度計和陀螺儀收集的數(shù)據(jù)。例如，圖4的部分a和部分b分別圖示出了用戶正在吸煙時角速度矢量和加速度矢量的幅度。如圖4所示，部分a中的角速度矢量和部分b中的加速度矢量的幅度顯示時間相關性，如圓圈區(qū)域所指示的。通過在不同的時間段上將a部分中的角速度矢量與b部分中的加速度矢量的幅度進行比較，姿勢分析引擎可以確定用戶的姿勢對應于吸煙的概率。例如，在圖4中，數(shù)據(jù)可以指示用戶已經(jīng)進行四根香煙抽吸(如部分a中的四個圓圈區(qū)域所指示)。

可以將上述分析擴展到其他類型的行為或活動。例如，圖5的部分a和部分b分別圖示出了用戶正在進食時的加速度矢量和角速度矢量的幅度。圖5的部分a和部分b中的圓圈區(qū)域圖示出了用戶正在進食時的加速度矢量與角速度矢量的幅度之間的相關性。

圖6的部分a和部分b分別圖示出了當用戶正在刷牙時加速度矢量和角速度矢量的幅度。在圖6中，盡管加速度矢量的幅度以高頻率變化(在部分a中示出)，但是可以觀察到角速度矢量的幅度以較低頻率變化。仍然可以進行相關——因為加速度矢量和角速度矢量的這種幅度模式可能是刷牙唯一的。

圖7的部分a和部分b分別圖示出了當用戶正在喝冷飲時加速度矢量和角速度矢量的幅度。如圖7所示，加速度矢量與角速度矢量的幅度之間也存在相關性。

比較圖5、圖6和圖7，可以看出，加速度矢量和角速度矢量的幅度在不同的活動之間是不同的(并且以不同的頻率變化)，因此可以用于在不同的活動之間進行區(qū)分。特別而言，根據(jù)本公開內(nèi)容中所描述的各種實施方式，在不將矢量與實際的物理運動輪廓(或模式)進行比較的情況下，并且通過在不同的時間段內(nèi)單獨地比較矢量的幅度，可以減少檢測與行為/活動相關聯(lián)的姿勢所需的處理功率和/或時間。

在一些實施方式中，姿勢分析引擎可以被配置用于確定在相同/不同的時間周期內(nèi)的加速度矢量的幅度和角速度矢量之間的相關性，以便確定用戶執(zhí)行預定義姿勢的概率。圖8圖示出了根據(jù)一些實施方式的用戶正在吸煙時由在可穿戴設備上的加速度計和陀螺儀所收集的數(shù)據(jù)。圖8的部分a和部分b分別圖示出了當用戶吸煙時的加速度矢量和角速度矢量的幅度(對于單個抽吸)。在抽煙發(fā)作的單個抽吸期間，用戶可以首先將香煙帶到口中(手到口的姿勢)、吸氣(進行抽吸)、從口中取出香煙(口到手的姿勢)、以及呼氣。在圖8的區(qū)域802中，用戶的手可以處于靜止位置。在區(qū)域804中，用戶可以將香煙帶到口中。在區(qū)域806中，用戶可以正在進行抽吸(吸氣)。在區(qū)域808中，用戶可以從口中取出香煙并呼氣。在區(qū)域810中，用戶的手可以再次處于靜止位置。如圖8所示，加速度矢量和角速度矢量的幅度可以顯示針對吸煙姿勢的每個子動作的相關性。

傳感器數(shù)據(jù)的統(tǒng)計分析，以確定用戶執(zhí)行預定義姿勢的概率

姿勢分析引擎可以被配置用于在不將傳感器數(shù)據(jù)與一個或多個物理運動輪廓模式進行比較的情況下分析傳感器數(shù)據(jù)。本文使用的物理運動輪廓模式可以是指具有與用戶的對應物理姿勢基本相同的輪廓的任何模式。物理運動輪廓模式的形狀可以基本上類似于用戶的相應物理姿勢的形狀。例如，如果用戶物理上做出一個l形姿勢，則對應的物理運動輪廓模式可以具有基本上l形的形狀。

在一些實施方式中，姿勢分析引擎可以被配置用于計算多維分布函數(shù)，所述多維分布函數(shù)是傳感器數(shù)據(jù)中的多個特征的概率函數(shù)?？梢詮膫鞲衅鲾?shù)據(jù)中提取特征。多個特征可以包括由p1到pn標注的n個特征，其中n可以是大于1的任何整數(shù)。多維分布函數(shù)可以由f(p1,p2,...,pn)表示。

多個特征可以與預定義姿勢的各種特征相關聯(lián)。例如，在一些實施方式中，多個特征可以包括以下特征中的兩個或更多個：(1)在姿勢期間的子動作的持續(xù)時間；(2)加速度矢量的幅度；(3)角速度矢量的幅度；(4)滾動角；(5)俯仰角；和/或(6)橫擺角。子動作可以是例如手到口姿勢和/或口到手姿勢。因此，取決于由姿勢分析引擎選擇和分析的特征的類型，多維分布函數(shù)可以與預定義姿勢的一個或多個特征相關聯(lián)。多維分布函數(shù)可以被配置用于返回在0和1之間的單個概率值，其中概率值表示針對每個特征的可能值的范圍上的概率。每個特征可以由離散值表示。此外，每個特征沿著連續(xù)體可以是可測量的?？梢栽趥鞲衅鲾?shù)據(jù)內(nèi)對多個特征進行編碼，并且使用姿勢分析引擎108從傳感器數(shù)據(jù)中提取多個特征。

在一些實施方式中，兩個或更多個特征可以相關。姿勢分析引擎可以被配置用于通過使用奇異值分解(svd)來計算多維分布函數(shù)以對特征進行去相關，使得特征彼此近似正交。使用svd可以減少計算針對多維分布函數(shù)的概率值所需的處理時間，并且可以減少姿勢分析引擎為了確定用戶正在執(zhí)行預定義姿勢的高概率(統(tǒng)計學上顯著的)所需的數(shù)據(jù)量。

在一些實施方式中，姿勢分析引擎可以被配置用于通過將每個特征的去相關(旋轉)1d可能密度分布相乘來計算多維分布函數(shù)，使得多維分布函數(shù)f(p1,p2,...,pn)＝f(p1)*f(p2)*...*f(pn)。函數(shù)f(p1)可以是第一特征的1d概率密度分布，函數(shù)f(p2)可以是第二特征的1d概率密度分布，函數(shù)f(p3)可以是第三特征的1d概率密度分布，函數(shù)f(pn)可以是第n個特征的1d概率密度分布。每個特征的1d概率密度分布可以從每個特征的采樣尺寸獲取。在一些實施方式中，所有特征的采樣尺寸可以是恒定的。在其他實施方式中，在不同特征之間采樣尺寸可以是可變的。

在一些實施方式中，姿勢分析引擎可以被配置用于確定多個特征中的一個或多個在統(tǒng)計學上是否是不顯著的。例如，一個或多個統(tǒng)計學上不顯著的特征可能與預定義姿勢具有低相關性。在一些實施方式中，姿勢分析引擎可以被進一步配置用于從多維分布函數(shù)中移除一個或多個統(tǒng)計學上不顯著的特征。通過從多維分布函數(shù)中移除一個或多個統(tǒng)計學上不顯著的特征，可以減少計算針對多維分布函數(shù)的概率值所需的計算時間和/或功率。

吸煙統(tǒng)計示例

在一些實施方式中，姿勢分析引擎可以被配置用于分析傳感器數(shù)據(jù)以確定用戶吸煙的概率?？梢圆糠值鼗趥鞲衅鲾?shù)據(jù)中的加速度矢量和/或角速度矢量的幅度并且在不將加速度矢量和/或角速度矢量與一個或多個物理運動輪廓進行比較的情況下來確定概率。在這些實施方式中，姿勢分析引擎可以被配置用于分析傳感器數(shù)據(jù)中的一個或多個特征以確定用戶進行香煙抽吸的概率。特征可以包括以下中的至少一個：(1)在用戶的口中檢測到潛在的香煙的持續(xù)時間；(2)用戶的手臂的滾動角；(3)吸煙者的手臂的俯仰角；(4)潛在吸煙抽吸的持續(xù)時間；(5)連續(xù)的潛在抽吸之間的持續(xù)時間；(6)用戶完成吸煙的潛在抽吸數(shù)目；(7)加速度矢量的幅度；(8)用戶的手臂的速度；(9)與手臂到口的姿勢相對應的吸氣區(qū)域；和(10)與手臂從口向下的姿勢相對應的呼氣區(qū)域。

姿勢分析引擎可以從傳感器數(shù)據(jù)中提取特征并將它們插入到數(shù)學函數(shù)中以獲取這些特征與吸煙姿勢匹配的置信度(0-100％)水平。如果置信水平較高，則姿勢分析引擎可以確定用戶已經(jīng)吸了香煙。數(shù)學函數(shù)表示用戶統(tǒng)計。不同的用戶具有不同的統(tǒng)計和函數(shù)。數(shù)學函數(shù)可以由其多項式系數(shù)(a’s)表示。因此，該函數(shù)可以由一組數(shù)字(a’s)定義。例如，在下面的等式中，p是函數(shù)，x是插入到函數(shù)中的特征，并且a’s是表示函數(shù)的系數(shù)。

在一些實施方式中，姿勢分析引擎可以被配置用于計算與一個或多個吸煙特性相關聯(lián)的多維分布函數(shù)。一個或多個吸煙特性可以與用戶進行香煙抽吸相關聯(lián)。姿勢分析引擎可以被配置用于生成針對每個抽吸的多維分布函數(shù)。姿勢分析引擎可以被配置用于基于以下來確定用戶吸煙的概率：(1)潛在抽吸的數(shù)目；(2)針對每個潛在抽吸的多維分布函數(shù)；和(3)發(fā)生潛在抽吸的數(shù)目的持續(xù)時間。姿勢分析引擎可以被配置用于確定針對多個潛在抽吸的多維分布函數(shù)的和是否等于或大于預定概率閾值。例如，當和等于或大于預定概率閾值時，姿勢分析引擎可以確定用戶正在吸煙，并且當和小于預定概率閾值時，確定用戶沒在吸煙。在一些實施方式中，當在預定時間段內(nèi)已經(jīng)檢測到預定數(shù)目的抽吸時，姿勢分析引擎可以確定用戶正在吸煙。對于在一些情況下，預定數(shù)目的抽吸可以是至少三次抽吸，并且預定時間段可以是約五到六分鐘。姿勢分析引擎可以被配置用于分析與潛在抽吸相關聯(lián)的滾動和俯仰角，并且丟棄其滾動角和俯仰角落在預定的滾動/俯仰閾值之外的那些抽吸。姿勢分析引擎還可以被配置用于分析潛在抽吸之間的持續(xù)時間，并且丟棄持續(xù)時間落在預定時間段之外的抽吸。

圖9是根據(jù)一些實施方式的作為吸煙抽吸數(shù)目的函數(shù)的用戶吸煙概率的圖。姿勢分析引擎(例如，姿勢分析引擎)可以被配置用于分析傳感器數(shù)據(jù)以確定用戶吸煙的概率。在一些情況下，如圖9所示，姿勢分析引擎可以基于第一次抽吸來確定用戶吸煙的概率約83％。第一次抽吸可能是一次實際的香煙抽吸。當用戶進行第二次抽吸時，姿勢分析引擎可以確定用戶實際吸煙的概率約95％。到用戶進行第三次抽吸的時候，姿勢分析引擎可以確定用戶實際吸煙的概率約99％。因此，姿勢分析引擎可以基于潛在的檢測到的抽吸數(shù)目來確定用戶是否正在吸煙。在一些情況下，姿勢分析引擎可以能夠基于第一次抽吸來確定用戶的高概率(例如，99％)。

自適應姿勢識別

如前所述，輸入數(shù)據(jù)可以包括由用戶提供的用戶輸入。姿勢分析引擎可以被配置用于基于一個或多個用戶輸入來調(diào)整用戶吸煙的概率。用戶輸入可以包括：(1)指示用戶不吸煙的輸入信號；(2)指示用戶已經(jīng)吸煙的輸入信號；和(3)指示用戶已經(jīng)吸煙但沒有識別或檢測到吸煙姿勢的輸入信號。

在一些實施方式中，姿勢分析引擎可以實現(xiàn)具有針對特定類型的行為或姿勢適合于普通人(每個人)的廣泛統(tǒng)計的算法。該算法可以被配置用于隨著時間使統(tǒng)計適于特定人員。每個人可以隨后擁有具有他/她個人統(tǒng)計的唯一配置文件，如下所述。

例如，姿勢分析引擎可以被配置用于基于所分析的傳感器數(shù)據(jù)和一個或多個用戶輸入來為用戶生成用戶配置文件(ucf)。最初，姿勢分析引擎可以生成通用ucf。通用ucf可以是通用的并且對于任何用戶都是非特定的。通用ucf可以包括與吸煙相關聯(lián)的用戶參數(shù)的列表。此外，通用ucf可以包括與吸煙之外的不同活動相關聯(lián)的用戶參數(shù)的列表。這些活動的示例可以包括以下中的至少一個：站立、行走、坐著、駕駛、飲酒、進食和當不管站立還是坐著時的倚靠。倚靠可以與用戶的肘部相關聯(lián)。例如，用戶可以坐著并且肘部倚靠在物體上。在一些實施方式中，姿勢分析引擎可以被配置用于除了通用ucf之外還為用戶生成左手ucf和/或右手ucf。在一些實施方式中，可以將左手ucf和/或右手ucf并入通用ucf中。

ucf可以被配置用于取決于用戶的行為來隨著時間進行適配和改變。因此，在姿勢分析引擎已經(jīng)收集并分析了用戶的歷史行為數(shù)據(jù)一段時間之后，姿勢分析引擎可以基于對通用ucf和/或左手/右手ucf的改變來生成用戶唯一的個人ucf。

在一些實施方式中，姿勢分析引擎可以被配置用于當系統(tǒng)檢測到用戶在預定時間段內(nèi)尚未執(zhí)行預定義姿勢時動態(tài)地改變通用ucf、左/右ucf和/或個人ucf。例如，當系統(tǒng)檢測到用戶在預定時間段內(nèi)尚未吸煙時，可以動態(tài)地改變上述ucf中的一個或多個。在一些實施方式中，系統(tǒng)可以向用戶(在用戶設備和/或可穿戴設備上)發(fā)送問題或提示，請求用戶驗證在預定時間段內(nèi)他/她沒有吸煙。

在一些實施方式中，姿勢分析引擎可以被配置用于基于從傳感器數(shù)據(jù)獲取的滾動角和俯仰角來確定用戶是用右手還是左手吸煙。在這些實施方式中，姿勢分析引擎可以被配置用于用用戶的左/右手信息來更新左/右手ucf。

個性化信息的遞送

在一些實施方式中，姿勢分析引擎可以被配置用于將(除了來自傳感器數(shù)據(jù)的特征外的)附加特征包括到多維分布函數(shù)中。例如，這些附加特征可以與用戶輸入、用戶位置、用戶的歷史行為數(shù)據(jù)和/或用戶的社交網(wǎng)絡交互相關聯(lián)。可以從不是基于傳感器的數(shù)據(jù)中提取這些附加特征。

姿勢分析引擎可以被配置用于使用一個或多個統(tǒng)計函數(shù)來分析輸入數(shù)據(jù)，并且將分析的數(shù)據(jù)提供給姿勢分析引擎。姿勢分析引擎可以包括自然語言處理(nlp)聚類和/或機器學習能力。nlp聚類可以基于機器學習，例如統(tǒng)計機器學習。統(tǒng)計機器學習可以基于統(tǒng)計推理。姿勢分析引擎可以被配置用于學習與預定義姿勢相關聯(lián)的度量或特性，并且確定用戶在管理某些類型的行為方面的進展。這個機器學習可以通過分析存儲在一個或多個數(shù)據(jù)庫中的現(xiàn)實世界輸入的大型語料庫來實現(xiàn)姿勢分析引擎。姿勢分析引擎可以包括能夠依賴于其上下文(例如，何時何地以及在何種情況下執(zhí)行姿勢)做出基于附加實值權重的軟性概率決策的統(tǒng)計模型。統(tǒng)計模型對于不熟悉的輸入(例如，用戶的新的手臂運動)和錯誤的輸入(例如姿勢的錯誤檢測)可以是魯棒的。

姿勢分析引擎可以被配置用于通過將信息傳輸?shù)接脩粼O備和/或可穿戴設備來向用戶遞送個性化信息(例如，建議)。該信息隨后可以在用戶設備和/或可穿戴設備上顯示給用戶。用戶可以依賴于該信息來監(jiān)控某些類型的行為。在一些實施方式中，姿勢分析引擎可以被配置用于基于提供給姿勢分析引擎和姿勢分析引擎的輸入數(shù)據(jù)來主動地提供用于輔助用戶管理某些類型的行為的指導。

在一些實施方式中，姿勢分析引擎可以被配置用于使用由姿勢分析引擎提供的應用(例如，移動應用)來分析用戶的社交網(wǎng)絡交互。應用可以允許用戶在應用內(nèi)選擇一個社交群組，并將他/她的表現(xiàn)與社交群組中的其他用戶進行比較。社交群組可以由用戶定義。社交群組中的用戶可能正在尋求使用該應用來管理或控制某種類型的行為或習慣(例如吸煙)。與該群組中的其他用戶相比，用戶的表現(xiàn)可以包括用戶在管理該類型的行為或習慣方面的成功和/或失敗。在一些實施方式中，通過在社交群組中和在不同的時間線上外推數(shù)據(jù)，姿勢分析引擎可以更精確地監(jiān)控用戶的進展并向用戶提供個性化的建議。在一些實施方式中，姿勢分析引擎可以被配置用于確定用戶在一天的不同時間和/或在不同的地理位置處執(zhí)行預定義姿勢的概率。例如，姿勢分析引擎可以被配置用于確定用戶在一天的不同時間和/或在不同的地理位置處吸煙的概率。在一些實施方式中，姿勢分析引擎可以被配置用于基于一個或多個用戶的累積吸煙模式來宣傳和廣告不同的產(chǎn)品或服務。

在一些實施方式中，姿勢分析引擎可以實時地向用戶動態(tài)地提供個性化的建議。也可以以預定的頻率——例如每小時、12小時、24小時、2天、4天等來提供個性化的建議。在某些實例中，姿勢分析引擎可以基于用戶的行為或者當用戶的行為發(fā)生變化時(例如，當用戶吸煙比之前更多的香煙或更少的香煙時)提供個性化的建議。

在一些實施方式中，除了向用戶提供用戶尋求并將最可能消費的信息之外，姿勢分析引擎還可以提供個性化的建議以影響用戶的需求和行為。

在戒煙計劃期間，用戶的需求和挑戰(zhàn)可以每天不同。例如，用戶可能遭受焦慮、抑郁、精神不振、缺乏能量、想要抽煙等。此外，用戶可能受到諸如壓力和同伴壓力之類的其他事件的影響。姿勢分析引擎可以被配置用于考慮在戒煙計劃期間的用戶體驗的動態(tài)性質(zhì)。例如，姿勢分析引擎可以將不同的時間幀處的用戶的行為和身體反應特性參數(shù)化。在一些實施方式中，姿勢分析引擎可以被配置用于確定用戶的潛在需要，并且基于那些潛在需要來提供個性化的建議。因此，在一些實施方式中，姿勢分析引擎可以能夠進行情緒分析，以便更精確地解讀和預測用戶的需求和行為。

在一些實施方式中，分析的數(shù)據(jù)可以由姿勢分析引擎提供給醫(yī)療保健組織、保險公司和/或政府機構。上述實體中的一個或多個可以使用數(shù)據(jù)來定制促進用戶健康和幸福感的預防行為計劃。

用于檢測吸煙行為的方法

圖10是根據(jù)一些實施方式的檢測用戶吸煙的概率的方法1000的流程圖。首先，傳感器數(shù)據(jù)可以由可穿戴設備上的一個或多個傳感器以固定或不同的頻率、實時、間歇地收集(步驟1002)。傳感器數(shù)據(jù)可以直接從可穿戴設備或經(jīng)由用戶設備傳輸?shù)阶藙莘治鲆?。在一些實施方式中，姿勢分析引擎可以位于遠離用戶設備和/或可穿戴設備的服務器上。備選地，姿勢分析引擎可以位于用戶設備和/或可穿戴設備上。可選地，姿勢分析引擎的各個方面或功能可以使用服務器、用戶設備和/或可穿戴設備來實現(xiàn)。姿勢分析引擎可以被配置用于基于傳感器數(shù)據(jù)來確定用戶吸煙的概率。吸煙行為可以包括用戶進行一次或多次香煙抽吸。

可以在任何時間激活可穿戴傳感器上的一些或所有傳感器。在一些實施方式中，可以激活傳感器的子集以減少可穿戴設備的功率消耗。當姿勢分析引擎和/或用戶設備檢測到用戶可能正在進行第一次潛在香煙抽吸(例如，概率<1)時，姿勢分析引擎和/或用戶設備可以被配置用于向可穿戴傳感器傳輸信號以打開其他傳感器。傳感器數(shù)據(jù)中的一些或全部可以被聚合并以塊的形式從可穿戴設備實時地(直接地或經(jīng)由用戶設備)發(fā)送到姿勢分析引擎。

姿勢分析引擎可以被配置用于從傳感器數(shù)據(jù)的一些或全部中提取預定義的特征集合(步驟1004)。姿勢分析引擎可以被配置用于使用預定義特征集合來通過評定(rating)潛在的香煙抽吸和/或抽吸數(shù)目來檢測用戶吸煙的概率(步驟1006和步驟1008)。這可以通過分析針對某些吸煙模型的手到口和口到手姿勢的加速度矢量和/或角速度矢量的幅度來實現(xiàn)。

基于評定的抽吸，姿勢分析引擎可以檢測用戶是正在吸煙還是已經(jīng)吸完了煙(步驟1010)。姿勢分析引擎可以將吸煙相關信息傳輸并存儲到數(shù)據(jù)庫中以用于進一步和/或?qū)淼姆治?步驟1012)。吸煙相關信息可以包括香煙抽吸的持續(xù)時間、香煙類型、用戶的個人信息、用戶的位置、吸煙的時間等。吸煙相關信息可以隨著時間而進行累積并且被用來生成用戶的吸煙行為趨勢。吸煙相關信息可以顯示在用戶設備上的圖形顯示器上(步驟1014)。姿勢分析引擎可以使用吸煙行為趨勢來改善統(tǒng)計分析的置信度水平，并預測用戶何時/何地可能吸煙。例如，姿勢分析引擎可以分析吸煙行為趨勢以檢測信息中不同參數(shù)之間的隱藏的相關性。隱藏的相關性可以用于預測用戶行為和/或習慣。

圖11是根據(jù)一些其他實施方式的檢測用戶吸煙的概率的方法1100的流程圖。首先，數(shù)據(jù)可以由可穿戴設備上的加速度計和陀螺儀收集(步驟1102和步驟1104)。在一些情況下，可以調(diào)整數(shù)據(jù)以補償重力的影響(步驟1106)。在一些情況下，如果數(shù)據(jù)不足以檢測姿勢，則可以增加傳感器數(shù)據(jù)收集的時間計數(shù)(例如，持續(xù)時間或頻率)(步驟1108)?？梢詫鞲衅鲾?shù)據(jù)傳輸?shù)接脩粼O備。用戶設備可以被配置用于監(jiān)控由可穿戴設備(例如，加速度計和/或陀螺儀數(shù)據(jù))收集的傳感器數(shù)據(jù)。用戶設備可以被配置用于尋找信號中的加速度計或陀螺儀數(shù)據(jù)中的一個或兩個信號低于預定義閾值的區(qū)域(步驟1110)。這些區(qū)域可能對應于“疑似抽吸區(qū)”。如果加速度計或陀螺儀數(shù)據(jù)中的一個或多個信號低于預定義閾值，則用戶設備可以指示可穿戴設備增加事件計數(shù)(步驟1112)以增加采樣頻率(步驟1112)。如果加速度計或陀螺儀數(shù)據(jù)中的一個或多個信號高于預定義閾值，則傳感器數(shù)據(jù)的收集以其先前的采樣頻率繼續(xù)。接下來，用戶設備確定時間窗口是否已經(jīng)期滿(步驟1114)。如果時間窗口尚未期滿，則可穿戴設備可以繼續(xù)收集傳感器數(shù)據(jù)。如果時間窗口已經(jīng)期滿，則用戶設備可以確定事件計數(shù)是否大于閾值計數(shù)(步驟1116)。如果事件計數(shù)小于閾值計數(shù)，則可以重置時間窗口和事件計數(shù)(步驟1120)，使得可以收集新的傳感器數(shù)據(jù)集合。如果事件計數(shù)大于閾值計數(shù)，則可以將一些或全部傳感器數(shù)據(jù)傳輸?shù)阶藙莘治鲆嬉詸z測用戶吸煙的概率(步驟1118)。例如，當在預定義的時間窗口(例如，10分鐘)中檢測到足夠的區(qū)域時，用戶設備可以將一些或全部傳感器數(shù)據(jù)(包括其已經(jīng)處理的傳感器數(shù)據(jù))傳輸?shù)阶藙莘治鲆妗?/p>

姿勢分析引擎可以被配置用于通過將每個抽吸候選與預定義的統(tǒng)計進行比較并對每個抽吸進行評定來評估每個抽吸候選。例如，姿勢分析引擎可以從抽吸信號中提取信息(例如，信號的時間長度為低等)，并將每個值與預定義的經(jīng)驗統(tǒng)計模型進行比較。該模型可以是通用的(對于所有吸煙者是相同的)，或者對于每個吸煙者是特定的。然后將概率聚合成抽吸評定值。在一些實施方式中，可以從候選抽吸信號中提取一個或多個特征，并使用機器學習算法進行處理以產(chǎn)生抽吸評定值。機器學習可以包括監(jiān)督學習、半監(jiān)督學習或無監(jiān)督學習技術。

在時間窗口中的所有候選抽吸已經(jīng)被評定之后，姿勢分析引擎繼而可以確定是否吸了香煙。例如，姿勢分析引擎可以將高于某一評定值(例如50％)的抽吸進行計數(shù)，并將抽吸的數(shù)目與閾值(例如4次抽吸)進行比較。如果計數(shù)的抽吸數(shù)目大于閾值，則姿勢分析引擎可以確定用戶正在吸煙。相反，如果計數(shù)的抽吸數(shù)目小于閾值，則姿勢分析引擎可以確定用戶沒在吸煙，并且可能正在執(zhí)行某些其他姿勢。

在一些實施方式中，姿勢分析引擎可以被配置用于處理整個香煙信號，而不是各個地分析單個抽吸(例如，10分鐘信號而不是8秒信號)。整個香煙信號可以在例如圖4中圖示出。單個抽吸信號可以在例如圖8中圖示出。姿勢分析引擎可以分析加速度計和/或陀螺儀信號的預定義時間窗口(例如，抽煙可能需要花費的時間大約是10分鐘)，并且基于該方法檢測用戶可能吸煙的信號。姿勢分析引擎可以被配置用于確定信號方差低于預定義閾值的總時間。備選地，姿勢分析引擎可以被配置用于確定信號方差低于閾值的時間與其高于閾值的時間之間的關系。

如果姿勢分析引擎確定時間大于預定義的值，那么系統(tǒng)繼而可以確定用戶可能吸煙。一旦檢測到可能的香煙，就可以將整個信號傳輸?shù)阶藙莘治鲆?。姿勢分析引擎可以分析所有的信?而不是分別地處理每個抽吸)并評定可能的香煙。這可以通過將信號變換到頻域并提取特征(例如，特定頻率中的能量等)來完成。姿勢分析引擎還可以處理信號、信號功率和/或信號導數(shù)(變化率)并從中提取特征。然后可以使用這些特征來評定可能的香煙。一旦對香煙進行評定，姿勢分析引擎可以確定評定值是否大于預定義閾值(例如50％)。如果評定值高于閾值，那么確定已經(jīng)檢測到香煙。一旦檢測到香煙，姿勢分析引擎可以嘗試基于第一抽吸采樣來估計其他抽吸。在一些實施方式中，姿勢分析引擎可以被配置用于從抽吸候選中以及從整個香煙中提取特征，以確定用戶是否已經(jīng)吸了香煙。

在一些實施方式中，姿勢分析引擎可以被配置用于警報并通知用戶有關行為、模式、目標匹配和其他與消費相關的警報的變化。例如，當用戶行為偏離用戶的典型行為或歷史行為時，姿勢分析引擎可以提供警報。例如，姿勢分析引擎可以檢測到用戶通常在早上吸2支香煙，并在晚上吸2支香煙。當系統(tǒng)檢測到用戶在中午開始抽吸2支額外的香煙時，系統(tǒng)可以向用戶發(fā)送警報，使得用戶可以克制吸額外的香煙。

圖12是根據(jù)一些另外實施方式的檢測用戶吸煙的概率的方法1200的流程圖。

首先，傳感器數(shù)據(jù)(例如，加速度計數(shù)據(jù)(acc)和陀螺儀數(shù)據(jù)(gyro))可以從可穿戴設備傳輸?shù)接脩粼O備、服務器和/或姿勢分析引擎?？梢越?jīng)由一個或多個無線或有線通信信道傳輸傳感器數(shù)據(jù)。無線通信信道包括ble(藍牙低能量)、wifi、3g和/或4g網(wǎng)絡。

如圖12所示，傳感器數(shù)據(jù)可以被傳輸?shù)剿惴ü芾砥?algo管理器)。algo管理器可以是位于可穿戴設備、用戶設備、服務器和/或姿勢分析引擎上的模塊。algo管理器可以被配置用于提取傳感器數(shù)據(jù)的部分，并將提取的部分傳輸?shù)綖V波器模塊(預濾波器)。預濾波器可以位于可穿戴設備、用戶設備、服務器和/或姿勢分析引擎上。在分析傳感器數(shù)據(jù)之前，預濾波器可以對傳感器數(shù)據(jù)應用濾波器。在一些實施方式中，分析傳感器數(shù)據(jù)還可以包括對傳感器數(shù)據(jù)應用濾波器?？梢詰脼V波器以減少傳感器數(shù)據(jù)中的噪聲。在一些實施方式中，濾波器可以是較高階復數(shù)濾波器，諸如有限脈沖響應(fir)濾波器或無限脈沖響應(iir)濾波器。例如，濾波器可以是卡爾曼濾波器或帕克斯-麥克萊倫(parks-mcclellan)濾波器。在一些實施方式中，可以使用可穿戴設備上的一個或多個處理器來應用濾波器。備選地，可以使用用戶設備上的一個或多個處理器來應用濾波器?？蛇x地，可以使用服務器上的一個或多個處理器來應用濾波器。在一些實施方式中，可以使用姿勢分析引擎中的一個或多個處理器來應用濾波器。

經(jīng)濾波的傳感器數(shù)據(jù)可以作為預定時間塊(例如，12秒塊)的緩沖數(shù)據(jù)而被提供給姿勢分析引擎?？梢栽谧藙莘治鲆嫣幰灶A定時間間隔(例如，每5秒)接收緩沖數(shù)據(jù)。姿勢分析引擎可以被配置用于從緩沖的塊中檢測抽吸的概率。例如，姿勢分析引擎可以被配置用于檢測候選抽吸信號中的靜態(tài)區(qū)。靜態(tài)區(qū)可以對應于信號中的一個或兩個信號在預定義的相應閾值之下的區(qū)域。這些區(qū)域可以對應于“疑似抽吸區(qū)”。姿勢分析引擎可以被配置用于從候選抽吸信號中提取特征，并且使用統(tǒng)計(例如，多維分布函數(shù))來對特征進行分析以產(chǎn)生抽吸評定值?？梢詫⒕哂邢鄳槲u定值的候選抽吸插入到抽吸隊列中。姿勢分析引擎可以被配置用于基于抽吸隊列中的抽吸來確定用戶吸煙的概率。另外，圖12可以并入圖10和圖11中先前描述的一個或多個步驟。

傳感器數(shù)據(jù)管理

在一些實施方式中，當可穿戴設備沒有與用戶設備和/或服務器處于可操作通信中時，可將傳感器數(shù)據(jù)存儲在可穿戴設備上的存儲器中。在那些實施方式中，當用戶設備和可穿戴設備之間的可操作通信被重新建立時，傳感器數(shù)據(jù)可以從可穿戴設備傳輸?shù)接脩粼O備。備選地，當服務器和可穿戴設備之間的可操作通信被重新建立時，傳感器數(shù)據(jù)可以從可穿戴設備傳輸?shù)椒掌鳌?/p>

在一些實施方式中，可以在數(shù)據(jù)傳輸之前將數(shù)據(jù)壓縮步驟應用于傳感器數(shù)據(jù)。傳感器數(shù)據(jù)的壓縮可以減少傳輸傳感器數(shù)據(jù)所需的帶寬，并且還可以減少了在傳感器數(shù)據(jù)的傳輸期間可穿戴設備的功耗。在一些實施方式中，數(shù)據(jù)壓縮步驟可以包括計算傳感器數(shù)據(jù)的采樣之間的差異。差異可以是基于時間的(t)或基于空間的(x，y和z)。例如，如果當前數(shù)據(jù)采樣和先前數(shù)據(jù)采樣的加速度幅度沒有差異，則傳感器數(shù)據(jù)不被重新傳輸。相反，如果當前數(shù)據(jù)采樣和先前數(shù)據(jù)采樣的加速度幅度存在差異，則可以僅傳輸差異(例如，從可穿戴設備到用戶設備和/或服務器)。傳感器數(shù)據(jù)可以使用預定義的比特數(shù)(例如，16比特)進行壓縮。例如，32比特或64比特傳感器數(shù)據(jù)可被壓縮到16比特。

可以以預定頻率收集傳感器數(shù)據(jù)。在一些實施方式中，預定頻率可以被配置用于優(yōu)化和/或減少可穿戴設備的功耗。在一些實施方式中，預定頻率可以為從約10hz至約20hz的范圍。在一些實施方式中，當姿勢分析引擎確定用戶沒在吸煙時，一個或多個傳感器可以被配置用于以第一預定頻率收集傳感器數(shù)據(jù)。當姿勢分析引擎確定用戶正在吸煙的高概率時，一個或多個傳感器可以被配置用于以第二預定頻率收集傳感器數(shù)據(jù)。第二預定頻率可以高于第一預定頻率。在一些實施方式中，一個或多個傳感器可以被配置用于在預定的持續(xù)時間內(nèi)收集傳感器數(shù)據(jù)?？蛇x地，一個或多個傳感器可以被配置用于當可穿戴設備通電時實時地連續(xù)收集傳感器數(shù)據(jù)。

可以基于一天的不同時間和/或不同的地理位置來調(diào)整傳感器數(shù)據(jù)收集的頻率。例如，可以在用戶執(zhí)行預定義姿勢的概率高于預定閾值的地理位置處和/或一天的時間處增加傳感器數(shù)據(jù)收集的頻率。相反，可以在用戶執(zhí)行預定義姿勢的概率低于預定閾值的地理位置處和/或一天的時間處降低傳感器數(shù)據(jù)收集的頻率。在一些實施方式中，可以基于用戶在一天中的不同時間處和/或在不同地理位置處執(zhí)行預定義姿勢的概率來選擇性地激活可穿戴設備和/或用戶設備中的一個或多個傳感器。

在一些實施方式中，一個或多個傳感器可以包括第一組傳感器和第二組傳感器?？梢赃x擇性地激活第一組傳感器和第二組傳感器以減少可穿戴設備的功耗，并減少所收集的傳感器數(shù)據(jù)量。傳感器數(shù)據(jù)的減少可以允許更快速地分析/處理傳感器數(shù)據(jù)，并減少存儲傳感器數(shù)據(jù)所需的存儲量。

在一些實施方式中，當可穿戴設備通電時，可以激活第一組傳感器?？梢允褂玫谝唤M傳感器來確定用戶正在吸煙的概率是否為高。在確定用戶是否正在吸煙之前，第二組傳感器可以是不起作用的。取決于用戶正在吸煙的概率是否為高，第二組傳感器可以在可穿戴設備通電時被選擇性地激活。例如，可以在確定用戶在吸煙的概率為高時選擇性地激活第二組傳感器。可以激活第二組傳感器以收集附加的傳感器數(shù)據(jù)，以便確認用戶正在吸煙、監(jiān)控吸煙并收集附加的吸煙相關數(shù)據(jù)。

在一些實施方式中，可穿戴設備可以被配置用于以多個能量和/或性能模式操作。這些模式可以包括在其中只開啟一些傳感器的低功率模式。當可穿戴設備處于低功率模式時，可穿戴設備可以具有低功耗。由于在低功率模式下，較少的信息(較少的傳感器數(shù)據(jù)量)可用于進行分析，所以當可穿戴設備處于低功率模式時可能降低預定義姿勢的檢測精度。另外，模式可以包括其中所有傳感器都被開啟的精度模式。當可穿戴設備處于精度模式時，可穿戴設備可以具有高功耗。由于在精度模式下更多的信息(較大量的傳感器數(shù)據(jù))可用于進行分析，所以當可穿戴設備處于精度模式時可以改善預定義姿勢的檢測精度。在一些實施方式中，當可穿戴設備和/或用戶設備處于空閑模式或充電模式時，可以不分析傳感器數(shù)據(jù)。

在一些實施方式中，傳感器數(shù)據(jù)可以包括一個或多個參數(shù)。參數(shù)可以包括以下中的至少一個：(1)用戶用來吸煙的手；(2)用戶的脈沖模式；(3)用戶的位置；(4)可穿戴設備標識符和用戶設備標識符(例如，msisdn或安卓id或廣告商id或imei+mac地址)；以及(5)用戶的吸煙統(tǒng)計。一個或多個參數(shù)可以對用戶、可穿戴設備和/或用戶設備而言是唯一的。在一些實施方式中，可以基于一個或多個參數(shù)來認證用戶的身份。可能需要認證用戶的身份以防止可穿戴設備和/或用戶設備的誤用。

用戶界面

在一些實施方式中，姿勢分析引擎可以生成包括用戶行為統(tǒng)計的一個或多個圖形用戶界面(gui)。gui可以在用戶設備上的顯示屏幕上呈現(xiàn)。gui是這樣一種類型的界面：其允許用戶不是基于文本的界面、鍵入的命令標簽或文本導航而是通過諸如輔助符號之類的可視指示符和圖形圖標來與電子設備進行交互。通常通過直接操縱圖形元素來執(zhí)行gui中的動作。除了計算機之外，還可以在諸如mp3播放器、便攜式媒體播放器、游戲設備和較小的家庭、辦公和工業(yè)設備之類的手持設備中找到gui。gui可以在軟件、軟件應用、網(wǎng)絡瀏覽器等中提供。gui可以顯示在用戶設備(例如，圖1的用戶設備102)上。gui可以通過移動應用來提供。此類gui的示例在圖13至圖19中圖示出并如下所述。

可以在用戶設備連接到姿勢分析引擎并且已經(jīng)從姿勢分析引擎獲取數(shù)據(jù)之后生成圖13的窗口1300。窗口1300可以是描繪各種吸煙監(jiān)控度量的示例性窗口。在一些情況下，窗口1300可以對應于用戶在打開應用或登錄到應用時將首先查看的主著陸頁面。窗口1300可以指示用戶在一天中的吸煙度量。在圖13的示例中，窗口1300可以顯示用戶那天吸了4支香煙，與前一天相比改善了0％，在香煙上花費了1.30美元，并且吸4支香煙潛在地“浪費了”他/她生命的44分鐘?！袄速M”的時間量可以指示吸煙數(shù)目對健康的影響。

在一些實施方式中，用戶可以查看針對一天內(nèi)的不同時間的他/她的吸煙模式。例如，如圖14的窗口1400所示，用戶那天可能吸了9支香煙，超過三次吸煙發(fā)作(6+1+2支香煙)。窗口1400中的餅圖進一步圖示出那天的全部吸煙中，18％的吸煙發(fā)生在早晨，39％發(fā)生在中午，23％發(fā)生在晚上，20％發(fā)生在夜里。

在一些實施方式中，用戶可以按周查看他/她的吸煙度量。例如，如窗口1500所示，條形圖指示用戶星期日吸了16支香煙，星期一14支，星期二19支，星期三17支，星期四12支，星期五15支，并且星期六14支。可以觀察到，用戶星期四吸煙最少、星期二吸煙最多。窗口1500中的餅圖進一步圖示出38％的吸煙發(fā)生在工作日，62％發(fā)生在周末。

在一些實施方式中，用戶可以按月查看他/她的吸煙度量。例如，如窗口1600所示，條形圖指示用戶在第1周吸了102支香煙，第2周115支，第3周98支，并且第4周104支。可以觀察到，用戶第3周吸煙最少，第2周吸煙最多。窗口1600中的餅圖進一步圖示出了12％的吸煙發(fā)生在早晨，45％發(fā)生在中午，26％發(fā)生在晚上，并且17％發(fā)生在夜里。

在一些實施方式中，用戶可以在應用中設置目標。例如，如圖17的窗口1700所示，用戶可以設定在一天內(nèi)限制為14支香煙的目標。這可能需要用戶在香煙上花費4.48美元。此外，吸14支香煙可能會潛在地浪費用戶生命的154分鐘。

在一些實施方式中，用戶可以查看他與其他用戶相比的吸煙行為。例如，如圖18的窗口1800所示，每天平均吸煙14支、平均每周吸煙98支可能使用戶在用戶群組中為第6位。

在一些實施方式中，用戶可以查看與他的吸煙模式相關聯(lián)的各種度量。例如，圖19的窗口1900圖示了用戶已經(jīng)吸了總共425支香煙，在香煙上花費了136美元，平均每天吸煙17支，吸煙潛在地“浪費”了他生命的77小時。另外，窗口1900顯示：18％的吸煙發(fā)生在家中，62％發(fā)生在辦公場所，并且20％發(fā)生在其他地方。

在圖13至圖19的gui中，可以使用不同的顏色和陰影來彼此區(qū)分這些段。可以以不同的顏色和陰影來提供用于各種度量的數(shù)字和單詞，以提高可讀性，并且將度量彼此區(qū)分開?？梢韵氲饺魏闻渖桨富蛉魏纹渌曈X區(qū)分方案。

在一些實施方式中，用戶可以能夠與其他用戶或聯(lián)系人共享他的吸煙度量信息。用戶還可以選擇窗口中的一個或多個社交媒體鏈接以與其他用戶(例如，他所選擇的社交媒體中的聯(lián)系人網(wǎng)絡)共享吸煙度量信息。社交媒體鏈接可以包括到諸如facebook^tm和twitter^tm之類的社交媒體的鏈接。

在一些實施方式中，姿勢分析引擎可以被配置用于從多個可穿戴設備和/或用戶設備接收抽吸/香煙信息。每個可穿戴設備和/或用戶設備可以用作將用戶消費數(shù)據(jù)提供給連接到姿勢分析引擎的數(shù)據(jù)庫的數(shù)據(jù)節(jié)點?？梢杂糜脩舻奈鼰煍?shù)據(jù)實時地更新數(shù)據(jù)庫。姿勢分析引擎可以被配置用于生成消費統(tǒng)計并確定吸煙相關的社交模式。例如，姿勢分析引擎可以生成聚合消費數(shù)據(jù)的視覺表示(例如，按日/周/月吸的香煙的數(shù)目)。消費數(shù)據(jù)還可以包括每個香煙品牌的市場份額、香煙品牌的每個用戶性別消費以及消費者偏好。消費者偏好可以包括香煙品牌的吸煙時間、吸煙位置(家里/工作/駕駛/其他)、吸煙頻率(每事件、每次、每人)、人均消費量以及吸煙與其他產(chǎn)品消費的相關性(諸如咖啡)。姿勢分析引擎還可以分析消費統(tǒng)計以確定針對不同品牌、地理和/或時間段的消費模式(相關性)。在一些情況下，通過具有吸煙行為的多個輸入，姿勢分析引擎可以能夠交叉學習并識別不同吸煙者之間的相關性/影響，這可以針對用戶以及他/她的社交圈來幫助評估戒煙的優(yōu)化途徑。例如，姿勢分析引擎可以檢測到用戶x是他的社交圈中的領導者，并且用戶x的戒煙可能會顯著影響他的社交圈中的其他人改變他們的吸煙行為。因此，姿勢分析引擎可以向用戶x提供額外的激勵以輔助他戒煙，使得效果可以在整個社交圈中擴散。

在一個或多個先前描述的實施方式中，姿勢分析系統(tǒng)能夠在移動手的吸煙模式和不是吸煙相關的其他移動之間進行區(qū)分。這里描述的算法可以部分地基于統(tǒng)計分析、機器學習、信號處理、模式識別和檢測理論。一種算法可以假設一個特定的吸煙模型，并嘗試基于該模型來檢測吸煙。該算法也可以為每個吸煙者估計不同的吸煙模型，并使用該模型來檢測特定吸煙者正在吸煙。

在一些實施方式中，姿勢分析系統(tǒng)可以通過聚合來自由多個吸煙用戶所穿戴的多個可穿戴設備的數(shù)據(jù)來分析地理的、基于時間的和用戶屬性(例如，年齡、性別、工作職業(yè)等)的香煙消費趨勢。

在一些實施方式中，通過使用在計劃中接近實時的吸煙的持續(xù)監(jiān)控和目標完成，姿勢分析系統(tǒng)可以用于部分地基于認知行為心理學來實現(xiàn)戒煙計劃。使用監(jiān)控系統(tǒng)，可以向用戶通知他/她吸的每支香煙，并收到關于他/她吸煙模式的即時通知和有關達到他/她減少吸煙目標進展的信息。吸煙警報的實時生成可以很有效地戒煙。

另外，通過將吸煙行為數(shù)據(jù)傳輸?shù)椒掌饕杂糜谶M一步分析，可以使用各種模式識別算法來確定要向用戶供給的所需里程碑/激勵以便有效地影響他/她的吸煙習慣，這可以幫助改變用戶的吸煙行為并降低吸煙引起的健康風險。

本文所使用的a和/或b包括a或b、及其組合諸如a和b中的一個或多個。應當理解，盡管術語“第一”、“第二”、“第三”等可用于描述各種元件、組件、區(qū)域和/或部分，但是這些元件、組件、區(qū)域和/或部分不應受這些術語的限制。這些術語僅用于將一個元件、組件、區(qū)域或部分與另一個元件、組件、區(qū)域或部分區(qū)分開來。因此，在不脫離本發(fā)明的教導的情況下，下面討論的第一元件、組件、區(qū)域或部分可以被稱為第二元件、組件、區(qū)域或部分。

本文使用的術語僅用于描述特定實施方式的目的，而不旨在限制本公開內(nèi)容。如本文所使用的，除非上下文另有明確指示，否則單數(shù)形式“一”，“一個”和“該”也旨在包括復數(shù)形式。進一步應理解，當在本說明書中使用時，術語“包括”或“包含”指定所述特征、區(qū)域、整體、步驟、操作、元件和/或組件的存在，但不排除一個或多個其他特征、區(qū)域、整體、步驟、操作、元件、組件和/或其組合的存在或添加。

盡管在本文中已經(jīng)示出和描述了本公開的優(yōu)選實施方式，但是對于本領域技術人員顯而易見的是，這樣的實施方式僅以示例的方式提供。在不脫離本公開內(nèi)容的情況下，本領域技術人員將會想到許多變型、變化和替換。應當理解，在實踐本公開內(nèi)容中可以采用本文所述的本公開內(nèi)容的實施方式的各種替代方案。以下權利要求旨在限定本公開內(nèi)容的范圍，并且因此涵蓋在這些權利要求及其等同物的范圍內(nèi)的方法和結構。