本申请涉及运动健康监测领域，尤其涉及一种手表佩戴松紧检测方法和装置。
背景技术：
1、当前用于判断手表佩戴松紧度的方法主要依赖于用户的主观判断或简单的物理传感器数据。
2、主观判断依赖用户个人感觉和习惯，容易产生误差，无法准确反映实际佩戴情况；传统方法多依赖单一传感器(如压力传感器)，数据单一，无法全面捕捉手表的运动状态和佩戴松紧度的变化。因此，现有的手表佩戴松紧度的检查方式往往缺乏实时检测能力，无法及时反馈佩戴松紧度的变化，导致心率测量的精度受到影响。
3、因此，亟需一种手表佩戴松紧检测方法和装置。
技术实现思路
1、本申请提供一种手表佩戴松紧检测方法和装置，解决了现有的手表佩戴松紧度的检查方式往往缺乏实时检测能力，无法及时反馈佩戴松紧度的变化，导致心率测量的精度受到影响的问题。
2、在本申请的第一方面提供了一种手表佩戴松紧检测方法，方法包括：通过六轴加速度陀螺仪传感器实时采集用户佩戴目标手表的当前运动数据，当前运动数据包括加速度数据和角速度数据；获取当前运动数据对应的运动特征，运动特征为加速度数据和角速度数据分别对应的时间序列特征；通过运动数据动态分析模型，根据时间序列特征判断目标手表的佩戴状态；若确认佩戴状态为佩戴松状态，向用户发送预设提示信息，预设提示信息用于提示用户将佩戴状态由佩戴松状态调整为佩戴紧状态。
3、可选地，在获取当前运动数据对应的运动特征之前，对当前运动数据进行预处理操作，具体包括：获取第一当前运动数据和第二当前运动数据，第一当前运动数据和第二当前运动数据为当前运动数据中任意两组相邻的运动数据；获取第一当前运动数据和第二当前运动数据之间的波动变化值；判断波动变化值是否小于预设波动值；若波动变化值小于预设波动值，则判断当前运动数据中不存在异常数据，且完成预处理操作。
4、可选地，在通过六轴加速度陀螺仪传感器实时采集用户佩戴目标手表的当前运动数据之前，方法还包括：获取静态数据，静态数据包括第一静态数据和第二静态数据，第一静态数据和第二静态数据为静态数据中任意两组相邻的数据；获取第一静态数据和第二静态数据之间的波动变化值；判断波动变化值是否小于预设波动值；若波动变化值小于预设波动值，则确认静态数据为稳定静态数据，并通过六轴加速度陀螺仪传感器实时采集当前运动数据。
5、可选地，通过运动数据动态分析模型，根据时间序列特征判断目标手表的佩戴状态，具体包括：根据历史运动数据，计算松紧状态阈值；根据时间序列特征，计算松紧状态特征值；判断松紧状态阈值是否大于或等于松紧状态特征值；若松紧状态阈值大于或等于松紧状态特征值，则确认佩戴状态为佩戴紧状态；若松紧状态阈值小于松紧状态特征值，则确认佩戴状态为佩戴松状态。
6、可选地，根据历史运动数据，计算松紧状态阈值，具体包括：通过如下公式计算松紧状态阈值：
7、
8、其中，为松紧状态阈值，c为权重因子，且c＞1，w为移动窗口的大小，xi为第i个时间序列特征，xi-w+j为第i-w+j个时间序列特征，noc表示佩戴紧状态，ζj表示对固定概率阈值的乘积进行加权。
9、可选地，根据时间序列特征，计算松紧状态特征值，具体包括：通过如下公式计算松紧状态特征值：
10、
11、其中，表示，p(noc|xi)为松紧状态阈值，xi为第i个当前运动数据，p(xi|noc)表示佩戴状态为佩戴紧状态时，能够观测到第i个当前运动数据的条件概率，p(noc)为佩戴紧状态对应的先验概率，先验概率通过历史运动数据获取，p(xi)通过如下全概率公式计算：
12、p(xi)＝p(xi|noc)p(noc)+p(xi|f1)p(f1)…+p(xi|fk)p(fk)；
13、其中，f1，f2，…，fk分别表示k种不同佩戴松紧程度下获取到的历史运动数据，不同佩戴松紧程度对应目标手表的不同表扣位置。
14、可选地，若确认出松紧状态特征值小于或等于松紧状态阈值，则确认佩戴状态为佩戴紧状态，具体包括：根据如下不等式判断佩戴状态：
15、
16、其中，p(noc|xi)为算松紧状态特征值，为松紧状态阈值，若满足上述不等式，则确认佩戴状态为佩戴紧状态。
17、在本申请的第二方面提供了一种手表佩戴松紧检测装置，装置包括运动特征获取模块以及佩戴状态分析处理模块，其中，
18、运动特征获取模块，用于通过六轴加速度陀螺仪传感器实时采集用户佩戴目标手表的当前运动数据，当前运动数据包括加速度数据和角速度数据；获取当前运动数据对应的运动特征，运动特征为加速度数据和角速度数据分别对应的时间序列特征。
19、佩戴状态分析处理模块，用于通过运动数据动态分析模型，根据时间序列特征判断目标手表的佩戴状态；若确认佩戴状态为佩戴松状态，向用户发送预设提示信息，预设提示信息用于提示用户将佩戴状态由佩戴松状态调整为佩戴紧状态。
20、在本申请的第三方面提供了一种电子设备，包括处理器、存储器、用户接口及网络接口，存储器用于存储指令，用户接口和网络接口用于给其他设备通信，处理器用于执行存储器中存储的指令，以使电子设备执行如上述任意一项的方法。
21、在本申请的第四方面提供了一种计算机可读存储介质，计算机可读存储介质存储有计算机程序，计算机程序被处理器执行如上述任意一项的方法。
22、本申请实施例中提供的一个或多个技术方案，至少具有如下技术效果或优点：
23、1、通过六轴加速度陀螺仪传感器实时采集用户佩戴目标手表的当前运动数据，当前运动数据包括加速度数据和角速度数据，且获取加速度数据和角速度数据分别对应的时间序列特征，从而通过运动数据动态分析模型，根据时间序列特征判断目标手表的佩戴状态，若确认佩戴状态为佩戴松状态，向用户发送预设提示信息，预设提示信息用于提示用户将佩戴状态由佩戴松状态调整为佩戴紧状态，进而通过实时反馈机制，用户可以及时调整目标手表的佩戴方式，避免因佩戴松紧度不合适而影响心率数据的准确性。
24、2、通过将固定的松紧状态阈值改进为自适应的松紧状态阈值，从而在用户剧烈运动导致信号的剧烈变化时，通过自适应松紧状态阈值下降并低于改进前的松紧状态阈值，以防止错误报警。
25、3、通过获取历史运动数据，所述历史运动数据包括所述佩戴松状态时对应的历史运动数据和所述佩戴紧状态下对应的历史运动数据，并根据通过所述历史运动数据，构建所述运动数据动态分析模型，以便于模型能够学习到不同状态下的特征变化规律，进而提高对实时佩戴状态判定的精确性。
1.一种手表佩戴松紧检测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，在所述通过六轴加速度陀螺仪传感器实时采集用户佩戴目标手表的当前运动数据之前，所述方法还包括：
3.根据权利要求1所述的方法，其特征在于，在所述通过运动数据动态分析模型，根据所述时间序列特征判断所述目标手表的佩戴状态之前，还需构建所述运动数据动态分析模型，具体包括：
4.根据权利要求3所述的方法，其特征在于，所述通过运动数据动态分析模型，根据所述时间序列特征判断所述目标手表的佩戴状态，具体包括：
5.根据权利要求4所述的方法，其特征在于，所述根据所述历史运动数据，计算松紧状态阈值，具体包括：
6.根据权利要求5所述的方法，其特征在于，所述根据所述时间序列特征，计算松紧状态特征值，具体包括：
7.根据权利要求3所述的方法，其特征在于，所述若所述松紧状态阈值大于或等于所述松紧状态特征值，则确认所述佩戴状态为所述佩戴紧状态：
8.一种手表佩戴松紧检测装置，其特征在于，所述装置包括运动特征获取模块以及佩戴状态分析处理模块，其中，
9.一种电子设备，其特征在于，包括处理器、通信总线、用户接口、网络接口以及存储器，所述存储器用于存储指令，所述用户接口和网络接口用于给其他设备通信，所述处理器用于执行所述存储器中存储的指令，以使所述电子设备执行如权利要求1至7任意一项所述的方法。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有指令，当所述指令被执行时，执行如权利要求1至7任意一项所述的方法。
