预览加载中,请您耐心等待几秒...
1/10
2/10
3/10
4/10
5/10
6/10
7/10
8/10
9/10
10/10

亲,该文档总共16页,到这已经超出免费预览范围,如果喜欢就直接下载吧~

如果您无法下载资料,请参考说明:

1、部分资料下载需要金币,请确保您的账户上有足够的金币

2、已购买过的文档,再次下载不重复扣费

3、资料包下载后请先用软件解压,在使用对应软件打开

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN113870995A(43)申请公布日2021.12.31(21)申请号202111101588.6(22)申请日2021.09.18(71)申请人珠海格力电器股份有限公司地址519070广东省珠海市前山金鸡西路申请人珠海联云科技有限公司(72)发明人王聪陈翀岳冬林进华陈勇(74)专利代理机构北京华夏泰和知识产权代理有限公司11662代理人杜欣(51)Int.Cl.G16H40/67(2018.01)G16H50/20(2018.01)G06N20/00(2019.01)G06N3/08(2006.01)G06K9/62(2006.01)权利要求书2页说明书11页附图2页(54)发明名称一种状态监测方法、装置、电子设备及存储介质(57)摘要本发明涉及一种状态监测方法、装置、电子设备及存储介质,状态监测方法包括:获取来自于监测设备的监测数据,所述监测设备用于监测目标对象;将所述监测数据输入预设的机器学习模型,以使所述机器学习模型输出与所述监测数据对应的行为曲线;基于所述行为曲线及预设的波动范围与行为之间的对应关系,确定所述目标对象的对象行为及所述对象行为的出现频次;基于所述对象行为及所述出现频次确定所述目标对象的状态信息,并发送。本发明实施例实现对目标对象的监测,无需用户自己实时守候在目标对象两侧,即可监测目标对象的状态。CN113870995ACN113870995A权利要求书1/2页1.一种状态监测方法,其特征在于,包括:获取来自于监测设备的监测数据,所述监测设备用于监测目标对象;将所述监测数据输入预设的机器学习模型,以使所述机器学习模型输出与所述监测数据对应的行为曲线;基于所述行为曲线及预设的波动范围与行为之间的对应关系,确定所述目标对象的对象行为及所述对象行为的出现频次;基于所述对象行为及所述出现频次确定所述目标对象的状态信息,并发送。2.根据权利要求1所述的状态监测方法,其特征在于,所述基于所述行为曲线及预设的波动范围与行为之间的对应关系,确定所述目标对象的对象行为,包括:获取所述行为曲线的波动范围;将所述行为曲线的波动范围与所述对应关系中的波动范围进行匹配;将所述对应关系中匹配到的波动范围所对应的行为确定为对象行为。3.根据权利要求1所述的状态监测方法,其特征在于,所述机器学习模型包括:用于对所述监测数据进行分类的分类子模型和用于基于监测数据生成行为曲线的曲线生成子模型;所述将所述监测数据输入预设的机器学习模型,以使所述机器学习模型输出与所述监测数据对应的行为曲线,包括:将所述监测数据输入所述分类子模型,以使所述分类子模型输出各所述监测数据的数据类别;将不同数据类别的监测数值分别输入所述曲线生成子模型,以使所述曲线生成子模型输出各数据类别对应的行为曲线。4.根据权利要求3所述的状态监测方法,其特征在于,所述数据类别包括:压力类别、心率类别和呼吸类别,相应的,所述监测数据为压力数据、心率数据或者呼吸数据;将不同数据类别的监测数值分别输入所述曲线生成子模型,以使所述曲线生成子模型输出各数据类别对应的行为曲线,包括:将所述压力数据、心率数据和呼吸数据分别输入所述机器学习模型,以使所述机器学习模型分别输出与所述压力数据对应的第一曲线、与所述心率数据对应的第二曲线和与所述呼吸数据对应的第三曲线。5.根据权利要求4所述的状态监测方法,其特征在于,所述基于所述行为曲线及预设的波动范围与行为之间的对应关系,确定所述目标对象的对象行为,包括:分别确定所述第一曲线的第一波动范围、所述第二曲线的第二波动范围和所述第三曲线的第三波动范围;将所述第一波动范围、第二波动范围和所述第三波动范围分别与所述波动范围与行为之间的对应关系中对应的波动范围进行匹配,所述对应关系中包括:压力波动范围、心率波动范围、呼吸波动范围与行为之间的对应关系;将所述对应关系中匹配到的各波动范围所对应的行为确定为所述目标对象的对象行为。6.根据权利要求3所述的状态监测方法,其特征在于,所述机器学习模型还包括:用于滤除噪声数据的噪声滤除子模型;2CN113870995A权利要求书2/2页所述将所述监测数据输入预设的机器学习模型,以使所述机器学习模型输出与所述监测数据对应的行为曲线,还包括:将所述监测数据输入预设的噪声滤除子模型,以使所述噪声滤除子模型输出滤除噪音数据后的监测数据。7.根据权利要求1所述的状态监测方法,其特征在于,所述方法还包括:若所述机器学习模型输出的行为曲线中存在大于预设阈值的行为数据,基于所述行为数据与所述预设阈值之间的第一差值,确定与所述第一差值对应的第一提示等级,按照所述第一提示等级发出第一提示信息,所述预设阈值为所述目标对象的历史行为数据的平均值或者同年龄段的多个对象的行