[go: up one dir, main page]

WO2015184987A1 - 用户身份识别方法、识别系统及健康仪 - Google Patents

用户身份识别方法、识别系统及健康仪 Download PDF

Info

Publication number
WO2015184987A1
WO2015184987A1 PCT/CN2015/080645 CN2015080645W WO2015184987A1 WO 2015184987 A1 WO2015184987 A1 WO 2015184987A1 CN 2015080645 W CN2015080645 W CN 2015080645W WO 2015184987 A1 WO2015184987 A1 WO 2015184987A1
Authority
WO
WIPO (PCT)
Prior art keywords
user
parameter
parameters
identity
probability
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Ceased
Application number
PCT/CN2015/080645
Other languages
English (en)
French (fr)
Inventor
胡宝华
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Individual
Original Assignee
Individual
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Individual filed Critical Individual
Publication of WO2015184987A1 publication Critical patent/WO2015184987A1/zh
Anticipated expiration legal-status Critical
Ceased legal-status Critical Current

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/117—Identification of persons
    • A61B5/1171—Identification of persons based on the shapes or appearances of their bodies or parts thereof

Definitions

  • the present invention relates to a user identification method, an identification system, and a health apparatus, and more particularly to a user identification method, an identification system, and a health apparatus for use in the medical field.
  • the measurement of physical parameters, the observation of historical data, and the trend of physical parameters of multiple members of the family require a large number of active operations by family members, which cannot automatically identify the identity of family members, and cannot automatically provide convenient and continuous data tracking for each family member.
  • the current household scales on the market can only be a single active measurement by the user. Although the measured user knows the current weight at that time, it can also manually record the weight information for a period of time, but this operation is relatively complicated. , manual recording may also be wrong.
  • the object of the present invention is to provide a user identification method, an identification system and a health instrument, so as to solve the problem that the user attribution cannot be automatically recognized after the physical parameter measurement.
  • An embodiment of the present invention provides a user identity identification method, including:
  • a first analyzing step combining each of the physical parameter parameters with a historical physical parameter corresponding to each existing user in the user group, respectively, to obtain a correlation between each of the physical parameter and each of the existing users. probability;
  • a second analyzing step performing comprehensive analysis on the correlation probability of all the physical parameters and the same stored user according to the preset weight of each of the physical parameters, respectively obtaining all the physical parameters and each of the existing users Corresponding probability
  • the comparing step is to compare all the corresponding odds, and determine the existing user corresponding to the largest corresponding probability as the identity user, and the identity user is the identity of the user to be identified.
  • the physical parameter includes one or more of the following: body temperature, body weight, height, blood pressure, heart rate, blood oxygen, sound, appearance, iris, fingerprint, foot pattern, plantar imaging map, odor.
  • the user identification method further comprises: storing all the physical parameter extracted in the extracting step into each physical parameter database of the identity user. And; wherein the historical sign parameters in the first analyzing step include all data in the corresponding vital parameter database.
  • the user identification method may further include the steps of: recording a measurement time, and defining the measurement time as a physical parameter; The time is combined with the historical measurement time of each of the stored users, and the time correlation probability of the measurement time and each of the stored users is analyzed; then, the preset weight of the measurement time and the time correlation probability also participate in the Comprehensive analysis in the second analysis step.
  • the first analysis step is calculated as:
  • the calculation formula of the second analysis step is:
  • A is a preset weight for each of the stated vital signs
  • the present invention also provides a user identity recognition system using the above user identification method, which includes:
  • An extraction module configured to extract one or more vital parameters of the user to be identified
  • a first analysis module configured to combine each of the physical parameter parameters with a historical physical parameter corresponding to each existing user in the user group, and obtain each of the physical parameter and each of the existing users. Relevant probability
  • a second analysis module configured to perform comprehensive analysis on the correlation probability of all the physical parameters and the same stored user according to the preset weight of each of the physical parameters, and obtain all the physical parameters and each of the described The corresponding probability of the user;
  • the comparison module is configured to compare all the corresponding odds, and determine the existing user corresponding to the largest corresponding probability as an identity user, where the identity user is the identity of the user to be identified.
  • the user identification system may further include: a storage module, configured to store all the physical parameters extracted by the extraction module into each physical parameter database of the identity user; Then, the first analysis module is further configured to retrieve the historical vital parameter from the storage module.
  • the user identification system further includes: a time extraction module, configured to record a measurement time, and define the measurement time as a physical parameter; wherein the first analysis module further The second analysis module may be further configured to combine the measurement time with a historical measurement time of each of the stored users, and analyze a time correlation probability between the measurement time and each of the stored users; The preset weights and time related probabilities of the measurement time participate in the comprehensive analysis.
  • the present invention also provides a health apparatus comprising the user identification system, the vital parameter extraction component and the user health data meter according to any one of the above, wherein the extraction module of the user identification system and the physical parameter The extraction components are connected, the user identification system The comparison module is connected to the user health data meter by wire or wirelessly, and the user health data meter is used to store and display the vital parameters of each existing user in the user group.
  • the vital parameter extraction component may include one or more of the following: a thermometer, a weight scale, a height gauge, a blood pressure meter, a heart rate monitor, an oximeter, a sound recorder, and a appearance. Recorder, iris collector, fingerprint collector, foot pattern collector, plantar image map collector, smell collector.
  • the user identification method, the identification system, and the health instrument provided by the embodiments of the present invention extract multiple physical parameter parameters, and respectively perform correlation probability analysis on the plurality of physical parameter parameters respectively with the existing users, and combine the physical parameter parameters.
  • the preset weights are analyzed by correlating all the physical parameters with the same existing user, and the correspondence probability between all the physical parameters and the different existing users is obtained, and finally all the corresponding odds are compared, and the corresponding probability is the largest.
  • the corresponding existing user is listed as the identity of the user to be identified. This method is based on the long-term stability of the user's physical parameters, and the same physical parameters between the users have a certain difference.
  • the multiple physical parameters are comprehensively analyzed, and the accurate identity of the user to be identified can be obtained through fuzzy calculation.
  • FIG. 1 is a schematic flow chart of a user identification method in an embodiment
  • FIG. 2 is a schematic structural diagram of a user identification system in an embodiment
  • Figure 3 is a schematic view showing the structure of a health meter in an embodiment.
  • a method for identifying a user identity includes the following steps, in view of the fact that the system requires manual storage after the current parameter measurement, and the system cannot automatically identify the identity of the measurer.
  • the first analyzing step combines each individual sign parameter with a historical sign parameter corresponding to each existing user in the user group to analyze, and obtains a correlation probability between each individual sign parameter and each existing user;
  • the second analyzing step performs comprehensive analysis on the correlation probability of all the vital parameters and the same existing user according to the preset weight of each individual sign parameter, and obtains the corresponding probability of all the vital parameters and the existing users respectively;
  • the comparison step compares all the corresponding odds and determines the existing user corresponding to the largest corresponding probability as the identity of the user to be identified.
  • the user identification system using the above user identification method may be a stand-alone device or a processing chip or processor integrated on the physical parameter collection device, including:
  • An extraction module configured to extract one or more vital parameters of the user to be identified
  • a first analysis module configured to combine each individual symptom parameter with a historical physical parameter corresponding to each existing user in the user group, and obtain a correlation probability between each individual parameter and each existing user;
  • the second analysis module is configured to comprehensively analyze the correlation probability of all the vital parameters and the same existing user according to the preset weight of each individual parameter, and respectively obtain the correspondence probability of all the physical parameters and the existing users;
  • the comparison module is configured to compare all the corresponding odds, and determine the identity of the user to be identified by the existing user corresponding to the largest corresponding probability.
  • the health instrument comprises: the user identification system described above, the extraction module of the user identification system is connected with the vital parameter extraction component, the comparison module of the user identification system and the user health data
  • the instrument is connected by wire or wirelessly, and the user health data meter is used to store and display the vital parameters of each existing user in the user group.
  • multiple physical parameter parameters are extracted, and correlation probability analysis is performed on each of the plurality of physical parameter parameters separately from the existing user, and the physical weight parameters are associated with the same existing user in combination with the preset weight of the physical parameter.
  • Sexual analysis the probability of correspondence between all the physical parameters and different existing users is obtained, and finally all the corresponding odds are compared, and the existing users corresponding to the largest probability are listed as the identity of the user to be identified.
  • This method is based on the long-term stability of the user's physical parameters, and the same physical parameters between the users have a certain difference.
  • the multiple physical parameters are comprehensively analyzed, and the accurate identity of the user to be identified can be obtained through fuzzy calculation.
  • Step 101 Extract one or more vital signs of the user to be identified
  • the present invention comprehensively judges multiple physical parameters.
  • the method of identifying the user In view of the fact that the physical parameters of the same user show a stable trend within a certain period of time, the change is slight, and with the passage of time, the change of the physical parameters has continuity and no mutation occurs. Therefore, the present invention comprehensively judges multiple physical parameters. The method of identifying the user.
  • the method requires a certain difference in the same physical parameters of each user.
  • the greater the difference the higher the accuracy of the user identification, and the time for the user to extract the vital parameters is preferably fixed, at least the change cannot be too Large, such as hypertensive patients due to huge changes in blood pressure before and after taking medicine, blood pressure values are not continuous, is not conducive to user identification, therefore, for some special patients need to establish a more uniform extraction habits.
  • the physical parameters can be selected from any of the characteristics of the body reaction, such as body temperature, weight, height, blood pressure, heart rate, blood oxygen, sound, appearance, iris, fingerprint, foot pattern, image of the foot, and odor.
  • iris, fingerprint and footprint have unique identity, which is more conducive to user identification.
  • the collection of these kinds of physical parameters will consume more cost, so it is not the best choice; if using iris, Other physical parameters other than fingerprints and foot lines can be used for user identification, and can also be analyzed for health status. Therefore, the effect is more, which is a very good choice.
  • historical symbol parameters are needed in subsequent user identification. Therefore, the execution of this step is performed multiple times. In the process of multiple extractions in the previous process, the user identity needs to be manually input or selected. It is for the accumulation of historical parameter data. When the historical sign parameter data has a certain amount of accumulation (for example, it has been extracted more than 5 times), it can enter the subsequent work of automatic user identification and automatic storage according to the extracted sign parameters.
  • Step 102 Combine each individual sign parameter with a historical sign parameter corresponding to each stored user in the user group, and obtain a correlation probability between each individual sign parameter and each existing user;
  • the physical parameters extracted according to the extraction habits have continuity and stability. Therefore, by combining with the historical physical parameters, the correlation between the physical parameters and the existing users can be roughly obtained.
  • the specific method is various, and those skilled in the art can directly compare the extracted physical parameters with the historical physical parameters, or calculate the weighted average and find the vertical growth proportional similarity algorithm. Or use the following method:
  • n is the number of records
  • the current number of measurements is the nth measurement
  • t is the number of the vital parameter
  • W is the value of the vital parameter
  • K is the parameter.
  • Step 103 Set a weight of each individual parameter in the user identification
  • the identity of the users to be identified participating in the identification is different, age is different, gender is different, their physical parameters will be more or less different, for example: the difference between men and women is greater, the heart rate difference between the elderly and children is greater There is a large difference in height between adults and non-adults. Therefore, for the identity of different existing users, it is necessary to combine the identification strength and identification of different physical parameters to assign corresponding weights.
  • Step 104 recording the time of the extraction
  • the measurement time can also be defined as a physical parameter
  • Step 105 combining the measurement time with the historical measurement time of each stored user, and analyzing the time correlation probability between the measurement time and each existing user;
  • the calculation method is: Where n is the number of records, the current number of measurements is the nth measurement; t is the number of the physical parameter; W is the value of the physical parameter; K is the parameter; P is each individual parameter and each existing user Relevant chances.
  • steps 104-105 do not strictly follow the step ordering and can be performed simultaneously with steps 101-103.
  • Step 106 Perform comprehensive analysis on the correlation probability and the time correlation probability of all the vital parameters and the same existing user according to the preset weight of each individual sign and the preset weight of the measurement time, respectively, and obtain all the physical parameters and the existing existing User's correspondence probability;
  • the correlation probability and the time correlation probability of each individual user parameter are obtained.
  • all the physical parameters (including the measurement time) need to be comprehensively analyzed with respect to the same existing user.
  • the accuracy of the identification is improved, and the correlation probability is further increased, and the correlation probability is lowered to a lower level.
  • the specific calculation method is not strictly limited. For example, all relevant probabilities can be added and subtracted, and addition can improve the similarity. Subtraction will reduce the similarity.
  • A is a preset weight for each of the stated vital signs
  • Step 107 Compare all the corresponding odds, and determine the existing user corresponding to the largest corresponding probability as the identity user, and the identity user is the identity of the user to be identified.
  • the comparison of all corresponding odds can also be understood as descending ordering. At the top, it must be the most likely. Therefore, the existing user corresponding to the largest corresponding probability is determined as the identity user, and the identity user is the identity of the user to be identified. .
  • step 102 each time the extracted physical parameters are determined after the identity of the user to be identified is determined.
  • the parameter is stored in the database of each physical parameter of the corresponding existing user (ie, the identity user).
  • the newly stored physical parameter will participate in step 102, which reflects a dynamic identification. The way, the characteristics of the change of the physical parameters with time continuity are skillfully utilized.
  • body fat weighing including weight measurement, body fat, measurement time
  • receiving device smartphone smartphone
  • the system will automatically calculate the current parameter matching value by weighted average.
  • W 0 is the most recent data
  • W (-1) is the previous data
  • W (-N) is the data of the Nth time from the last
  • the measurement time T m and the body fat B m calculated in the same manner.
  • the person with the highest probability value is the current user. Then save the data under this user.
  • This solution is proposed to simplify the operation and facilitate the recording and storage of data.
  • the user With the body fat scale of this program, the user only needs to stand on the body fat scale, and can automatically record the body fat and body weight information, and the data will be automatically transmitted to the center device, and the data can be stored for a long time, so that the data can be viewed later. And analysis.
  • the user identification system implementing the user identification method includes:
  • An extraction module configured to extract one or more vital parameters of the user to be identified
  • a first analysis module configured to combine each individual symptom parameter with a historical physical parameter corresponding to each existing user in the user group, and obtain a correlation probability between each individual parameter and each existing user;
  • the second analysis module is configured to comprehensively analyze the correlation probability of all the vital parameters and the same existing user according to the preset weight of each individual parameter, and respectively obtain the correspondence probability of all the physical parameters and the existing users;
  • the comparison module is configured to compare all the corresponding odds, and determine the existing user corresponding to the largest corresponding probability as the identity user, and the identity user is the identity of the user to be identified.
  • the user identification system further includes a storage module, configured to store all the physical parameters extracted by the extraction module into the physical parameter database of the identity user; and, the first analysis module, Used to retrieve historical parameter parameters from the storage module.
  • the user identification system further includes: a time extraction module, configured to record the measurement time, and define the measurement time as a physical parameter;
  • the first analysis module is further configured to combine the measurement time with the historical measurement time of each stored user, and analyze the time correlation probability between the measurement time and each existing user; the second analysis module is further configured to measure the time. Pre-set weights and time-related odds are involved in the comprehensive analysis.
  • the above user identification method and user identification system can be widely applied in medicine, especially for health management, especially health management of a family or a small area, such as a health meter.
  • the health instrument comprises: the above user identification system, a vital parameter extraction component and a user health data meter, as shown in FIG. 3 , wherein
  • the extraction module of the user identification system is connected with the vital parameter extraction component, and the physical parameter extraction component is capable of extracting the physical parameter of the user to be identified;
  • the physical parameter extraction component can be set by referring to the physical parameters mentioned in the user identification method above, such as: thermometer, weight scale, height measuring device, blood pressure meter, heart rate measuring instrument, blood oxygen meter, sound recorder, appearance One or more of a recorder, an iris collector, a fingerprint collector, a foot pattern collector, a plantar image map collector, and an odor collector.
  • sign reference extraction components can be inherited on an extraction device, or can be assigned to different extraction devices (depending on the specific situation), and then the extracted physical parameter data is transmitted to the user identity processing system through wired or wireless connection. .
  • the comparison module of the user identification system and the user health data meter are wired or wireless (for example: wireless including but not limited to public frequency custom protocol, zigbee, bluetooth, low power Bluetooth, wired including but not limited to 232, usb, 485 , parallel port, etc.), the user health data meter is used to store and display the vital parameters of each existing user in the user group.
  • the user's health data The instrument can be integrated into a computer, or integrated into a mobile phone client or other mobile terminal device, and can be used as an optional device as long as it is advantageous for management and information reception.
  • the user health data meter can allow the user to make user changes or add new users to the results of the automatic judgment.
  • the data can be uploaded to the cloud or a designated user's mobile phone via the Internet or the Internet of Things or the mobile communication network or distributed through the mobile application.
  • a body fat meter or a weight scale (collecting height, body fat, and weight) is a good choice.
  • the collection is The physical parameters are located to identify the weight, height, and body fat enough to identify the only user.
  • a low-power or DC externally-powered vital parameter measuring device can be used.
  • the present invention solves the above problems, and the present invention analyzes one or more physical parameter measurement values and a combination of analysis results including, but not limited to, weight, height, blood pressure, heart rate, blood oxygen, sound, appearance, fingerprint, foot
  • the combination analysis of various physical parameters such as lines, plantar images, odors, etc., establishes a one-to-one fuzzy relationship between the comprehensive analysis results and family members.
  • the system can automatically identify the family members currently in the measurement process and upload the measurement results to the central processing device to record long-term continuous data for each family member. According to the long-term monitoring data, a targeted analysis can be given for each physical parameter, and life improvement suggestions can be provided to the user according to the analysis result, thereby improving the quality of life of the user.

Landscapes

  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Biophysics (AREA)
  • Pathology (AREA)
  • Engineering & Computer Science (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Physics & Mathematics (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • General Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Veterinary Medicine (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)
  • Medical Treatment And Welfare Office Work (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)

Abstract

一种用户身份识别方法、识别系统及健康仪。该方法包括：提取待识别用户的一个以上体征参数（101）；将每一个体征参数与用户群中的各已存用户对应的历史体征参数分别相结合进行分析，得出每一个体征参数与每一个已存用户的相关几率（102）；根据每一个体征参数的预设权重，对所有体征参数与同一个已存用户的相关几率进行综合分析，分别得到所有体征参数与各已存用户的对应几率（106）；对所有对应几率进行比较，将最大的所述对应几率对应的已存用户确定为待识别用户的身份（107）。该方法借助了用户体征参数长期稳定，且用户之间的同一体征参数存在一定的区别的基础上，将多个体征参数进行综合分析，能够通过模糊计算得到待识别用户的准确身份。

Description

用户身份识别方法、识别系统及健康仪 技术领域
本发明涉及用户身份识别方法、识别系统及健康仪，具体而言，涉及用于医学领域中的用户身份识别方法、识别系统及健康仪。
背景技术
目前家庭多成员的体征参数的测量、历史数据的查看、体征参数的变化趋势，需要家庭成员进行大量的主动操作，无法自动识别家庭成员的身份，无法自动针对各家庭成员提供方便连续的数据跟踪。例如：现在市面上的家用体重秤，只能是用户的单次的主动测量，虽然被测用户当时知道目前的体重，也可以通过手动的记录一段时间的体重信息，但是这个操作起来相对比较复杂，手动记录也可能会出错。
发明内容
本发明的目的在于提供一种用户身份识别方法、识别系统及健康仪，以解决体征参数测量后无法自动识别用户归属的问题。
本发明实施例提供了一种用户身份识别方法，其包括：
提取步骤，提取待识别用户的一个以上体征参数；
第一分析步骤，将每一个所述体征参数与用户群中的各已存用户对应的历史体征参数分别相结合进行分析，得出每一个所述体征参数与每一个所述已存用户的相关几率；
第二分析步骤，根据每一个所述体征参数的预设权重，对所有所述体征参数与同一个所述已存用户的相关几率进行综合分析，分别得到所有体征参数与各所述已存用户的对应几率；
比较步骤，对所有对应几率进行比较，将最大的所述对应几率对应的已存用户确定为身份用户，所述身份用户为待识别用户的身份。
在一些实施例中，优选为，所述体征参数包括以下一种或多种：体温、体重、身高、血压、心率、血氧、声音、容貌、虹膜、指纹、脚纹、足底成像图、气味。
在一些实施例中，优选为，在所述比较步骤之后，所述用户身份识别方法还包括：将所述提取步骤中提取的所有所述体征参数分别存入所述身份用户的各体征参数数据库中；则，所述第一分析步骤中的所述历史体征参数包括相应的所述体征参数数据库中所有的数据。
在一些实施例中，优选为，所述第二分析步骤之前，所述用户身份识别方法还可包括下述步骤：记录测量时间，将所述测量时间也定义为一个体征参数；将所述测量时间与每一个所述已存用户的历史测量时间相结合，分析所述测量时间与每一个所述已存用户的时间相关几率；则，测量时间的预设权重和时间相关几率也参与所述第二分析步骤中的综合分析。
在一些实施例中，优选为，所述第一分析步骤的计算方式为：
Figure PCTCN2015080645-appb-000001
1≥Ki≥Ki-1
其中，n为记录的次数，当前测量的次数为第n次测量；t为所述体征参数的编号；W为体征参数的数值；K为参数；P为每一个体征参数与每一个已存用户的相关几率；
所述第二分析步骤的计算公式为：
Figure PCTCN2015080645-appb-000002
A为每一个所述体征参数的预设权重；
Ai+Ajk+Ajkl+……+Ajkl……m＝1。
本发明还提供了一种采用上述用户身份识别方法的用户身份识别系统，其包括：
提取模块，用于提取待识别用户的一个以上体征参数；
第一分析模块，用于将每一个所述体征参数与用户群中的各已存用户对应的历史体征参数分别相结合进行分析，得出每一个所述体征参数与每一个所述已存用户的相关几率；
第二分析模块，用于根据每一个所述体征参数的预设权重，对所有所述体征参数与同一个所述已存用户的相关几率进行综合分析，分别得到所有体征参数与各所述已存用户的对应几率；
比较模块，用于对所有对应几率进行比较，将最大的所述对应几率对应的已存用户确定为身份用户，所述身份用户为待识别用户的身份。
在一些实施例中，优选为，所述的用户身份识别系统还可包括：存储模块，用于将所述提取模块提取的所有所述体征参数存入所述身份用户的各体征参数数据库中；则，所述第一分析模块还可用于从所述存储模块中调取所述历史体征参数。
在一些实施例中，优选为，所述的用户身份识别系统还包括：时间提取模块，用于记录测量时间，将所述测量时间也定义为一个体征参数；其中，所述第一分析模块还可用于将所述测量时间与每一个所述已存用户的历史测量时间相结合，分析所述测量时间与每一个所述已存用户的时间相关几率；所述第二分析模块还可用于将测量时间的预设权重和时间相关几率参与所述综合分析。
本发明还提供了一种健康仪，其包括上述任一项所述的用户身份识别系统、体征参数提取组件和用户健康数据仪，其中，所述用户身份识别系统的提取模块与所述体征参数提取组件相连接，所述用户身份识别系统的 比较模块与所述用户健康数据仪通过有线或无线方式相连接，所述用户健康数据仪用于存储和显示用户群中每一位已存用户的体征参数。
在一些实施例中，优选为，所述体征参数提取组件可包括以下一种或多种：体温计、体重秤、身高测量器、血压仪、心率测量仪、血氧测量仪、声音记录仪、容貌记录仪、虹膜采集器、指纹采集器、脚纹采集器、足底成像图采集器、气味采集器。
本发明实施例提供的用户身份识别方法、识别系统和健康仪，与现有技术相比，提取多个体征参数，对多个体征参数分别与已存用户分别进行相关几率分析，又结合体征参数的预设权重，将所有体征参数与同一个已存用户进行关联性分析，得出所有体征参数分别与不同已存用户之间的对应几率，最后再将所有对应几率进行比较，将对应几率最大者对应的已存用户列为待识别用户的身份。这种方法借助了用户体征参数长期稳定，且用户之间的同一体征参数存在一定的区别的基础上，将多个体征参数进行综合分析，能够通过模糊计算得到待识别用户的准确身份。
应当理解，前面的概述和下面的详细描述都是示例性的、说明性的，并且旨在提供对要求保护的本发明的进一步的说明。
附图说明
根据下面的结合附图对实施例的描述，本发明的这些和/或其他方面将变得更明显并且更加容易被认识到，在附图中：
图1为一个实施例中用户识别方法的流程示意图；
图2为一个实施例中用户识别系统的结构示意图；
图3为一个实施例中健康仪的结构示意图。
具体实施方式
现在将详细地描述本发明的实施例，其例子在附图中示出，其中，相同的附图标记在全部附图中都表示相同的元件。但是，本发明可以以诸多 不同的形式实施，并且不应当被解释为仅仅局限与本文中陈述的实施例。确切地，提供这些实施例使得本发明是彻底的，并且，将本发明的范围全面地传达给本领域的技术人员。
对于本领域的技术人员来说是显而易见的，在不脱离本发明的精神或范围的情况中可以在本发明中进行各种修改和改变。因此，本发明旨在涵盖本发明的修改和改变，只要他们在权利要求及其等同形式的范围内。
在整个附图和详细描述中，除了另有说明或提供以外，相同的附图标记被理解为是指相同的元件、特征和结构。为了清楚起见，这些元件的相对尺寸和描述可以被扩大。
虽然可以针对各实施例描述一些特征，但是各方面不必局限于此，使得来自一个或多个实施例的特征可以与来自一个或多个实施例的其他特征组合。
考虑到目前体征参数测量后需要手动存储，系统无法自动辨认测量者身份的问题，在本发明实施例提供了一种用户身份识别方法，其包括下述步骤：
提取步骤，提取待识别用户的一个以上体征参数；
第一分析步骤，将每一个体征参数与用户群中的各已存用户对应的历史体征参数分别相结合进行分析，得出每一个体征参数与每一个已存用户的相关几率；
第二分析步骤，根据每一个体征参数的预设权重，对所有体征参数与同一个已存用户的相关几率进行综合分析，分别得到所有体征参数与各已存用户的对应几率；
比较步骤，对所有对应几率进行比较，将最大的对应几率对应的已存用户确定为待识别用户的身份。
采用上述用户身份识别方法的用户身份识别系统可以为一个独立的设备，也可以为一个集成于体征参数采集设备上的一个处理芯片或处理器，其包括：
提取模块，用于提取待识别用户的一个以上体征参数；
第一分析模块，用于将每一个体征参数与用户群中的各已存用户对应的历史体征参数分别相结合进行分析，得出每一个体征参数与每一个已存用户的相关几率；
第二分析模块，用于根据每一个体征参数的预设权重，对所有体征参数与同一个已存用户的相关几率进行综合分析，分别得到所有体征参数与各已存用户的对应几率；
比较模块，用于对所有对应几率进行比较，将最大的对应几率对应的已存用户确定身份用户，身份用户为待识别用户的身份。
将上述用户身份识别系统应用到健康仪上，该健康仪包括：上述的用户身份识别系统，用户身份识别系统的提取模块与体征参数提取组件相连接，用户身份识别系统的比较模块与用户健康数据仪通过有线或无线方式相连接，用户健康数据仪用于存储和显示用户群中每一位已存用户的体征参数。
与现有技术相比，提取多个体征参数，对多个体征参数分别与已存用户分别进行相关几率分析，又结合体征参数的预设权重，将所有体征参数与同一个已存用户进行关联性分析，得出所有体征参数分别与不同已存用户之间的对应几率，最后再将所有对应几率进行比较，将对应几率最大者对应的已存用户列为待识别用户的身份。这种方法借助了用户体征参数长期稳定，且用户之间的同一体征参数存在一定的区别的基础上，将多个体征参数进行综合分析，能够通过模糊计算得到待识别用户的准确身份。
接下来，本发明将详细介绍该用户身份识别方法，如图1所示：
步骤101，提取待识别用户的一个以上的体征参数；
鉴于同一个用户的体征参数在一定时间内均呈稳定趋势，变化轻微，且随着时间的推移，体征参数的改变具备连续性，不会出现突变，因此，本发明采用多个体征参数综合判断的方法鉴别用户身份。
同时需要说明的是，该种方法需要建各用户的同一体征参数存在一定的差别，尤其差别越大，用户身份识别准确度越高，用户提取体征参数的时间最好比较固定，至少变化不能太大，比如高血压患者由于吃药前后血压变化巨大，血压值不具备连续性，不利于用户身份识别，因此，对一些特殊患者需要建立较为统一的提取习惯。
体征参数可以选取任一种身体反应的特征，比如：体温、体重、身高、血压、心率、血氧、声音、容貌、虹膜、指纹、脚纹、足底成像图、气味。其中，虹膜、指纹、脚纹具有身份唯一性，比较有利于用户身份识别，但是，这几种体征参数的采集会耗用较多的成本，因此，并非最好的选择；如果采用除虹膜、指纹、脚纹之外的其他的体征参数，除了能够用于用户身份识别外，还可以进行健康状况分析，所以，效果较多，相比来说是一种非常好的选择。
另外，还需要说明的是，在后续用户身份识别中需要用到历史体征参数，因此，本步骤的执行是多次实施的，前面多次提取的过程中，用户身份需要手动输入或选择，目的是为了历史体征参数数据的积累。当历史体征参数数据具备一定的积累量(比如：已经提取5次以上)，就可以进入后续的根据提取体征参数进行自动用户身份识别、自动存储的工作。
步骤102，将每一个体征参数与用户群中的各已存用户对应的历史体征参数分别相结合进行分析，得出每一个体征参数与每一个已存用户的相关几率；
为了确认提取的体征参数属于哪一位已存用户，需要将提取的体征参数与每一位已存用户进行相关性分析。
同上文所说，遵从提取习惯提取的体征参数具备连续性、稳定性，因此，通过与历史体征参数相结合分析，就可以粗略的得出体征参数与已存用户之间的关联性。
具体的做法是多种多样的，本领域技术人员可以将提取的体征参数与历史体征参数直接减法对比，也可以通过加权平均，并求纵向增长比例相似算法进行计算。或者采用如下方法：
Figure PCTCN2015080645-appb-000003
1≥Ki≥Ki-1
其中，n为记录的次数，当前测量的次数为第n次测量；t为所述体征参数的编号；W为体征参数的数值；K为参数。
总之，具体算法不做具体限定，本领域技术人员可以根据已存用户的数目设计出从简单到复杂的不同的计算方式。
步骤103，设定每一个体征参数在用户身份识别中的权重；
由于参与身份识别的待识别用户的身份不同，年龄不同，性别不同，他们的体征参数会存在或多或少的区别，比如：男女之间声音差别较大，老人、孩子之间心率差别较大；成人与未成人之间身高差别较大，因此，针对不同的已存用户的身份，需要结合不同体征参数的身份识别强度、辨识度来分配相应的权重。
步骤104，记录提取的时间；
长期关注并实施健康数据管理的用户为了得到更为准确和统一的体征参数，往往会形成自己的提取习惯(或称为使用习惯，当然使用习惯还有很多，比如秤体重时，左右脚的先后顺序等)，因此，在用户身份识别 的过程中，提取体征参数的时间，也是一个非常重要的判断因素，在实际操作中，可以将测量时间也定义为一个体征参数；
步骤105，将测量时间与每一个已存用户的历史测量时间相结合，分析测量时间与每一个已存用户的时间相关几率；
将测量时间与历史测量时间进行结合分析，一方面能够遵从规律性的使用习惯，同时也能够避免使用习惯打乱的偶然现象。
在一些实施例中，计算方法为：
Figure PCTCN2015080645-appb-000004
其中，n为记录的次数，当前测量的次数为第n次测量；t为所述体征参数的编号；W为体征参数的数值；K为参数；P为每一个体征参数与每一个已存用户的相关几率。
需要指出的是，步骤104-105并不严格遵循步骤排序，可以与步骤101-103同时进行。
步骤106，根据每一个体征参数的预设权重和测量时间的预设权重，对所有体征参数与同一个已存用户的相关几率、时间相关几率进行综合分析，分别得到所有体征参数与各已存用户的对应几率；
由上面的步骤已经得出了每一个体征参数对应每一个已存用户的相关几率以及时间相关几率，下面，需要将所有的体征参数(包含测量时间)相对同一个已存用户进行综合性分析，进而提高身份识别的准确性，并且，将相关几率高的进一步提高，将相关几率低的压得更低。
具体采用的计算方式不做严格限定，比如：可以将所有相关几率进行加减处理，加法能够提高相似性，减法会降低相似性。
在一些实施例中可以采用如下的算法：
Figure PCTCN2015080645-appb-000005
A为每一个所述体征参数的预设权重；
Ai+Ajk+Ajkl+……+Ajkl……m＝1
需要说明的是，所有体征参数(包括测量时间)的预先设定的权重的之和为1。
步骤107，对所有对应几率进行比较，将最大的对应几率对应的已存用户确定为身份用户，身份用户为待识别用户的身份。
所有对应几率的比较其实也可以理解为降序排序，在最上面的一定是最有可能的，因此，将最大的对应几率对应的已存用户确定为身份用户，该身份用户为待识别用户的身份。
需要说明的是，本方法在实施过程中，实施的时间越长，身份识别的准确度就越高，因此，每一次提取的体征参数，在确定好待识别用户的身份后，会将这些体征参数存于相应的已存用户(即身份用户)的各体征参数数据库中，在下一次身份识别时，新存入的体征参数会参与到步骤102中，这种处理方式体现了一种动态的识别方式，巧妙的利用了体征参数随时间连续性变化的特性。
下面，给出一个用户身份识别方法的具体例子:
使用环境：家庭(包括成员爸爸，妈妈，爷爷，奶奶，儿子)
使用设备：体脂称(包含测体重，体脂,测量时间)，接收设备智能手机
采集的参数：体重w，测量时间T,体脂b
使用方法：
1.首先在app上建立家庭成员用户，前N次(N>＝5)测量时需手动选择指定用户接收数据。
2.对于每个用户的每个参数，系统会自动采用加权平均的方式计算出当前的参数匹配值。以W为例，W0为最近一个数据，W(-1)为前一次的数据，W(-N)为倒数第N次的数据，记Wm＝k0*W0+K1*W(-1)+。。。。+ Kn*W(-N)，其中k0+K1+…+Kn＝1.K0>＝K1>＝K2。。。>＝Kn。采用同样的方式计算出来的测量时间Tm和体脂Bm。
3.当前测量值定义为W，ΔW＝W-Wm，Wp＝ΔW/Wm，Pw＝1-K0*Wp-K1*Wp^2-….-Kn*Wp^n，Kn<＝1，同样计算出来PT和Pb。
4.针对每一个用户，综合多个P，计算出每一个用户的对应几率值。um＝Aw*Pw+AT*PT+Ab*Pb+…Ax*Px+Awb*Pw*Pb+AwT*Pw*PT+…..，(Ax为相应的权重值，满足Aw+Ab+…+Ax+Awb+AwT+….+Ax..＝1)
5.对应几率值最大的人即为当前用户。然后将数据保存在此用户下。
本方案就是为了简化操作，方便数据的记录和存储而提出的。采用本方案的体脂秤，用户只需要站在体脂秤上，就可以达到体脂、体重信息的自动记录，并且数据会自动传输到中心设备，数据可以长期存储，便于以后对数据的查看和分析。
实施该用户身份识别方法的用户身份识别系统，如图2所示，包括：
提取模块，用于提取待识别用户的一个以上体征参数；
第一分析模块，用于将每一个体征参数与用户群中的各已存用户对应的历史体征参数分别相结合进行分析，得出每一个体征参数与每一个已存用户的相关几率；
第二分析模块，用于根据每一个体征参数的预设权重，对所有体征参数与同一个已存用户的相关几率进行综合分析，分别得到所有体征参数与各已存用户的对应几率；
比较模块，用于对所有对应几率进行比较，将最大的对应几率对应的已存用户确定为身份用户，身份用户为待识别用户的身份。
其中，考虑到历史体征参数被调用，该用户身份识别系统还包括了存储模块，用于将提取模块提取的所有体征参数存入身份用户的各体征参数数据库中；则，第一分析模块，还用于从存储模块中调取历史体征参数。
其中，考虑到用户使用习惯的问题，该用户身份识别系统还包括：时间提取模块，用于记录测量时间，将测量时间也定义为一个体征参数；
其中，第一分析模块还用于将测量时间与每一个已存用户的历史测量时间相结合，分析测量时间与每一个已存用户的时间相关几率；第二分析模块还用于将测量时间的预设权重和时间相关几率参与综合分析。
上述用户身份识别方法、用户身份识别系统可以在医学上广泛应用，尤其应用于健康管理，尤其是家庭或小区域人群的健康管理，比如：健康仪。
该健康仪包括：上述用户身份识别系统、体征参数提取组件和用户健康数据仪，如图3所示，其中，
上述用户身份识别系统，其作用如上文所讲；
用户身份识别系统的提取模块与体征参数提取组件相连接，体征参数提取组件能够提取待识别用户的体征参数；
该体征参数提取组件可以参照上文用户身份识别方法中提到的体征参数进行设置，比如：体温计、体重秤、身高测量器、血压仪、心率测量仪、血氧测量仪、声音记录仪、容貌记录仪、虹膜采集器、指纹采集器、脚纹采集器、足底成像图采集器、气味采集器中的一种或多种。
这些体征参照提取组件可以继承于一个提取设备上，也可以分属于不同的提取设备(根据具体情况而定)，然后通过有线或无线的连接方式，将提取的体征参数数据传输给用户身份处理系统。
用户身份识别系统的比较模块与用户健康数据仪通过有线或无线方式(比如：无线包括但不限于公频自定义协议、zigbee、蓝牙、低功耗蓝牙，有线包括但不限于232、usb、485、并口等)相连接，用户健康数据仪用于存储和显示用户群中每一位已存用户的体征参数。该用户健康数据 仪可以集成于电脑上，也可以集成于手机客户端或其它的移动终端设备等，只要利于管理、信息接收都是可以作为可选择的设备。
另一方面，用户健康数据仪可以允许用户对自动判断的结果进行用户的更改或者添加新用户。
另外，确定好用户身份后，可以通过互联网或物联网或移动通信网将数据上传到云端或指定的用户手机或通过手机应用分发分享。
就该健康仪来说，举两个简单的例子，(集身高、体脂、体重为一体的)体脂仪或体重秤，都是比较好的选择，目前对于大多数家庭来说，采集的体征参数定位体重、身高、体脂足够识别唯一的用户。
但也有特殊的情况，可以添加指纹或者叫脚掌纹额外的参数进行判断。
另外，对上述的用户身份识别系统，以及健康仪，都可以采用低功耗的或可直流外部供电的体征参数测量设备。
本发明即解决上述问题，本发明通过对一种或多种体征参数测量值进行分析以及分析结果的组合，包括但不限于体重、身高、血压、心率、血氧、声音、容貌，指纹、脚纹、足底成像图,气味等多种体征参数的组合分析，建立综合分析结果与家庭成员的一对一模糊关系。系统可以自动识别当前处于测量过程的家庭成员，并将测量结果上传至中心处理设备，对每个家庭成员的数据做长期连续的记录。并可以根据长期的监测数据，对各体征参数给出有针对性的分析，并根据分析结果提供生活改进建议给用户，提高用户的生活质量。
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

  1. 一种用户身份识别方法，其特征在于，包括：
    提取步骤，提取待识别用户的一个以上体征参数；
    第一分析步骤，将每一个所述体征参数与用户群中的各已存用户对应的历史体征参数分别相结合进行分析，得出每一个所述体征参数与每一个所述已存用户的相关几率；
    第二分析步骤，根据每一个所述体征参数的预设权重，对所有所述体征参数与同一个所述已存用户的相关几率进行综合分析，分别得到所有体征参数与各所述已存用户的对应几率；
    比较步骤，对所有对应几率进行比较，将最大的所述对应几率对应的已存用户确定为身份用户，所述身份用户为待识别用户的身份。
  2. 根据权利要求1所述的用户身份识别方法，其特征在于，所述体征参数包括以下一种或多种：体温、体重、身高、血压、心率、血氧、声音、容貌、虹膜、指纹、脚纹、足底成像图、气味。
  3. 根据权利要求1所述的用户身份识别方法，其特征在于，在所述比较步骤之后，所述用户身份识别方法还包括：将所述提取步骤中提取的所有所述体征参数分别存入所述身份用户的各体征参数数据库中；则，所述第一分析步骤中的所述历史体征参数包括相应的所述体征参数数据库中所有的数据。
  4. 根据权利要求1-3中任一项所述的用户身份识别方法，其特征在于，在所述第二分析步骤之前，所述用户身份识别方法还包括：记录测量时间，将所述测量时间也定义为一个体征参数；将所述测量时间与每一个所述已 存用户的历史测量时间相结合，分析所述测量时间与每一个所述已存用户的时间相关几率；则，
    测量时间的预设权重和时间相关几率也参与所述第二分析步骤中的综合分析。
  5. 根据权利要求1-3中任一项所述的用户身份识别方法，其特征在于，
    所述第一分析步骤的计算方式为：
    Figure PCTCN2015080645-appb-100001
    其中，n为记录的次数，当前测量的次数为第n次测量；t为所述体征参数的编号；W为体征参数的数值；K为参数；P为每一个体征参数与每一个已存用户的相关几率；
    所述第二分析步骤的计算公式为：
    Figure PCTCN2015080645-appb-100002
    A为每一个所述体征参数的预设权重；
    Ai+Ajk+Ajkl+……+Ajkl……m＝1。
  6. 一种用户身份识别系统，其特征在于，包括：
    提取模块，用于提取待识别用户的一个以上体征参数；
    第一分析模块，用于将每一个所述体征参数与用户群中的各已存用户对应的历史体征参数分别相结合进行分析，得出每一个所述体征参数与每一个所述已存用户的相关几率；
    第二分析模块，用于根据每一个所述体征参数的预设权重，对所有所述体征参数与同一个所述已存用户的相关几率进行综合分析，分别得到所有体征参数与各所述已存用户的对应几率；
    比较模块，用于对所有对应几率进行比较，将最大的所述对应几率对应的已存用户确定为身份用户，所述身份用户为待识别用户的身份。
  7. 根据权利要求6所述的用户身份识别系统，其特征在于，还包括：存储模块，用于将所述提取模块提取的所有所述体征参数存入所述身份用户的各体征参数数据库中；则，
    所述第一分析模块还用于从所述存储模块中调取所述历史体征参数。
  8. 根据权利要求6或7所述的用户身份识别系统，其特征在于，还包括：时间提取模块，用于记录测量时间，将所述测量时间也定义为一个体征参数；
    其中，所述第一分析模块还用于将所述测量时间与每一个所述已存用户的历史测量时间相结合，分析所述测量时间与每一个所述已存用户的时间相关几率；
    所述第二分析模块还用于将测量时间的预设权重和时间相关几率参与所述综合分析。
  9. 一种健康仪，其特征在于，包括：如权利要求6-8任一项所述的用户身份识别系统、体征参数提取组件和用户健康数据仪，其中，所述用户身份识别系统的提取模块与所述体征参数提取组件相连接，所述用户身份识别系统的比较模块与所述用户健康数据仪通过有线或无线方式相连接， 所述用户健康数据仪用于存储和显示用户群中每一位已存用户的体征参数。
  10. 根据权利要求9所述的健康仪，其特征在于，所述体征参数提取组件包括以下一种或多种：体温计、体重秤、身高测量器、血压仪、心率测量仪、血氧测量仪、声音记录仪、容貌记录仪、虹膜采集器、指纹采集器、脚纹采集器、足底成像图采集器、气味采集器。
PCT/CN2015/080645 2014-06-05 2015-06-03 用户身份识别方法、识别系统及健康仪 Ceased WO2015184987A1 (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN201410246051.2 2014-06-05
CN201410246051.2A CN104055521B (zh) 2014-06-05 2014-06-05 用户身份识别方法、识别系统及健康仪

Publications (1)

Publication Number Publication Date
WO2015184987A1 true WO2015184987A1 (zh) 2015-12-10

Family

ID=51543655

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/CN2015/080645 Ceased WO2015184987A1 (zh) 2014-06-05 2015-06-03 用户身份识别方法、识别系统及健康仪

Country Status (2)

Country Link
CN (1) CN104055521B (zh)
WO (1) WO2015184987A1 (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115562079A (zh) * 2022-09-07 2023-01-03 余姚市欧贝电器有限公司 一种华夫饼机管控方法以及系统
CN116243611A (zh) * 2021-12-07 2023-06-09 云米互联科技(广东)有限公司 一种智能化提醒方法及装置

Families Citing this family (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104055521B (zh) * 2014-06-05 2017-10-27 胡宝华 用户身份识别方法、识别系统及健康仪
CN105119720B (zh) * 2015-07-17 2019-03-12 小米科技有限责任公司 访问控制方法及装置
CN105147299A (zh) * 2015-07-31 2015-12-16 深圳市理邦精密仪器股份有限公司 胎儿监护系统中确认无线探头使用者身份的方法及装置
CN105224845A (zh) * 2015-09-01 2016-01-06 京东方科技集团股份有限公司 身份识别装置及其制造方法、身份识别方法
CN105581570B (zh) * 2015-12-16 2018-04-03 美的集团股份有限公司 浴室的控制系统、方法和浴室镜
CN107101706A (zh) * 2016-02-20 2017-08-29 中山乐心电子有限公司 一种用户识别方法与装置以及具有用户识别功能的健康秤
CN105550717A (zh) * 2016-02-23 2016-05-04 英华达（上海）科技有限公司 体脂测量系统及配对方法
US10931859B2 (en) * 2016-05-23 2021-02-23 InSyte Systems Light emitter and sensors for detecting biologic characteristics
CN106446581A (zh) * 2016-10-18 2017-02-22 江西博瑞彤芸科技有限公司 体征数据的分析方法
CN108073781A (zh) * 2016-11-16 2018-05-25 腾讯科技（深圳）有限公司 体征数据显示方法及装置
CN106911674A (zh) * 2017-02-06 2017-06-30 缤刻普锐(北京)科技有限责任公司 一种信息提示方法及电子通信设备
CN107253202B (zh) * 2017-06-15 2020-10-16 重庆柚瓣科技有限公司 一种养老机器人唤醒的方法
CN107517434A (zh) * 2017-07-31 2017-12-26 上海斐讯数据通信技术有限公司 一种体重检测装置识别用户的方法及系统
CN109243611A (zh) * 2018-09-30 2019-01-18 缤刻普达（北京）科技有限责任公司 体脂测量方法、系统及体脂秤
CN109948729A (zh) * 2019-03-28 2019-06-28 北京三快在线科技有限公司 司机身份识别方法及装置、电子设备
CN112674726A (zh) * 2020-12-14 2021-04-20 珠海格力电器股份有限公司 健康状态的监控方法、设备、系统和可穿戴设备
CN113628704A (zh) * 2021-07-22 2021-11-09 海信集团控股股份有限公司 一种健康数据存储的方法及设备
CN117100544A (zh) * 2023-09-26 2023-11-24 福建微龙电子科技有限公司 一种按摩椅人体形体检测方法系统

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
FR2674051A1 (fr) * 1991-03-14 1992-09-18 Gemplus Card Int Dispositif d'identification d'une personne, notamment par detection d'empreinte digitale.
CN1678240A (zh) * 2002-09-03 2005-10-05 皇家飞利浦电子股份有限公司 用于识别人的系统
US20100169118A1 (en) * 2008-12-29 2010-07-01 Microsoft Corporation Centralized healthcare data management
CN201558116U (zh) * 2009-05-12 2010-08-25 上海银晨智能识别科技有限公司 具有比对功能的人体生物信息一体化采集系统
CN102274029A (zh) * 2011-05-25 2011-12-14 中国科学院深圳先进技术研究院 身份识别方法及系统
CN102904885A (zh) * 2012-09-26 2013-01-30 北京工业大学 多身份认证信息特征复合认证方法
EP2641540A1 (en) * 2012-03-21 2013-09-25 Microlife Intellectual Property GmbH Blood pressure measuring device, method of operation and software for blood measuring device
CN103445783A (zh) * 2013-08-20 2013-12-18 浙江工业大学 一种适用于家用体重秤的使用者身份识别方法
CN103559487A (zh) * 2013-11-12 2014-02-05 浙江维尔科技股份有限公司 一种基于皮肤纹理特征的身份识别方法和系统
CN104055521A (zh) * 2014-06-05 2014-09-24 胡宝华 用户身份识别方法、识别系统及健康仪

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7623970B2 (en) * 2001-04-17 2009-11-24 Panasonic Corporation Personal authentication method and device
SG124246A1 (en) * 2001-11-26 2006-08-30 Inventio Ag System for security control and/or transportation of persons with an elevator installation, method of operating this system, and method of retro-fitting an elevator installation with this system
JP4128570B2 (ja) * 2003-01-28 2008-07-30 富士通株式会社 生体情報照合装置
CN201200405Y (zh) * 2008-05-29 2009-03-04 重庆大学 基于握力特征量的人身份和状态识别系统
CN201453274U (zh) * 2009-07-10 2010-05-12 上海银晨智能识别科技有限公司 人体身份信息全自动采集一体装置
TWI539386B (zh) * 2011-11-21 2016-06-21 Pixart Imaging Inc The use of a variety of physiological information mixed identification of the identity of the system and methods

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
FR2674051A1 (fr) * 1991-03-14 1992-09-18 Gemplus Card Int Dispositif d'identification d'une personne, notamment par detection d'empreinte digitale.
CN1678240A (zh) * 2002-09-03 2005-10-05 皇家飞利浦电子股份有限公司 用于识别人的系统
US20100169118A1 (en) * 2008-12-29 2010-07-01 Microsoft Corporation Centralized healthcare data management
CN201558116U (zh) * 2009-05-12 2010-08-25 上海银晨智能识别科技有限公司 具有比对功能的人体生物信息一体化采集系统
CN102274029A (zh) * 2011-05-25 2011-12-14 中国科学院深圳先进技术研究院 身份识别方法及系统
EP2641540A1 (en) * 2012-03-21 2013-09-25 Microlife Intellectual Property GmbH Blood pressure measuring device, method of operation and software for blood measuring device
CN102904885A (zh) * 2012-09-26 2013-01-30 北京工业大学 多身份认证信息特征复合认证方法
CN103445783A (zh) * 2013-08-20 2013-12-18 浙江工业大学 一种适用于家用体重秤的使用者身份识别方法
CN103559487A (zh) * 2013-11-12 2014-02-05 浙江维尔科技股份有限公司 一种基于皮肤纹理特征的身份识别方法和系统
CN104055521A (zh) * 2014-06-05 2014-09-24 胡宝华 用户身份识别方法、识别系统及健康仪

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116243611A (zh) * 2021-12-07 2023-06-09 云米互联科技(广东)有限公司 一种智能化提醒方法及装置
CN115562079A (zh) * 2022-09-07 2023-01-03 余姚市欧贝电器有限公司 一种华夫饼机管控方法以及系统

Also Published As

Publication number Publication date
CN104055521A (zh) 2014-09-24
CN104055521B (zh) 2017-10-27

Similar Documents

Publication Publication Date Title
WO2015184987A1 (zh) 用户身份识别方法、识别系统及健康仪
CN106343976B (zh) 建立血压模型的方法和装置以及确定血压的方法和装置
TWI768216B (zh) 用於血液透析的脫水量預測方法與使用該方法的電子裝置
RU2535615C2 (ru) Определение затрат энергии пользователя
US12097049B2 (en) Methods, apparatus and systems for adaptable presentation of sensor data
US20170351825A1 (en) Method and apparatus for quantifying and monitoring the frailty of a subject
JP6592416B2 (ja) タスク実行順序決定システムおよびタスク実行方法
CN108565023A (zh) 一种儿童疾病防控监测方法、装置和系统
CN107077523A (zh) 健康风险指标确定
CN110249390A (zh) 用于分析指示体液中的葡萄糖水平的葡萄糖监测数据的计算机实现的方法和便携式设备，以及计算机程序产品
WO2020091053A1 (ja) 健康ポジショニングマップおよび健康関数を作成する方法、システム、およびプログラム、ならびにそれらの使用方法
CN117158938B (zh) 一种应用于智能手表的健康监测方法、装置及电子设备
WO2018090304A1 (zh) 一种精神压力评测方法和装置
WO2020211255A1 (zh) 人体形体及体质数据采集方法、装置及存储介质
CN107358556A (zh) 基于物联网的健康监测及评价平台
CN116451110A (zh) 基于信号能量特征和脉搏周期的血糖预测模型构建方法
CN105769171B (zh) 心律失常检测的方法及装置
JP2020513274A (ja) バランスを定量化するための多重パラメータ法
CN118016302A (zh) 一种多源数据输入的健康风险评估方法及系统
CN106777872A (zh) 一种基于智能穿戴技术进行老年人生活质量评价的方法
CN115312194A (zh) 生理数据分析系统、方法、设备及存储介质
WO2020196812A1 (ja) 情報提供システム、情報提供プログラム、及びコンピュータ読み取り可能な非一時的記憶媒体
CN112786185B (zh) 血压健康状态获取方法、装置和系统
US20160220127A1 (en) Wellness or illness assessment system, method, and computer program product
KR102418339B1 (ko) 연속혈당 데이터를 이용한 혈당 수치 추출 장치 및 그 방법

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 15803452

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

32PN Ep: public notification in the ep bulletin as address of the adressee cannot be established

Free format text: NOTING OF LOSS OF RIGHTS PURSUANT TO RULE 112(1) EPC (EPO FORM 1205 DATED 16.05.2017)

122 Ep: pct application non-entry in european phase

Ref document number: 15803452

Country of ref document: EP

Kind code of ref document: A1