一种身体状态的监测方法、监测装置、监测设备及介质

技术领域

本发明涉及对身体监测的技术领域，尤其涉及一种身体状态的监测方法、监测装置、监测设备及介质。

背景技术

心血管疾病具有高并发性和高危性，预防心血管疾病的有效方式是长期监测心电信号。由于心电信号本身易受干扰，而且新冠疫情爆发以来最主要的临床特征之一是发热，后长伴随心率不齐等症状，针对疫情居家自主隔离监测以及心血管疾病预防两种场景下，对于便携式小型可穿戴设备需要解决的是处理心率监测精度不够精确，可能会产生误监测高的问题。

发明内容

为了克服现有技术方案的不足，本发明实施例提供了一种身体状态的监测方法、监测装置、监测设备及介质。

本发明解决其技术问题所采用的技术方案是：

第一方面，本发明实施例提供了一种身体状态的监测方法，所述监测方法应用于穿戴设备的控制器，所述穿戴设备包括多个传感器，所述控制器与用户终端及每一传感器建立数据传输连接，所述监测方法包括：

获得与用户所对应的心电信息、模拟电压数值以及动作姿态信息；

对所述心电信息进行降噪处理，以得到心电波形数据；

根据预先设定的均值类算法对所述心电波形数据的R波尖峰进行计算，以得到多个瞬时心率值；

对所述模拟电压数值进行模数转换，以得到电压数值；

对所述电压数值按照传递函数进行计算，以得到实时体温数值；

根据所述动作姿态信息的姿态变化过程进行解析，以得到用户的当前运动信息；

将所述瞬时心率值、所述实时体温数值以及所述当前运动信息作为监测信息，用于对用户身体进行监测，同时将所述监测信息发送至用户终端。

第二方面，本发明实施例还提供了一种身体状态的监测装置，所述监测装置配置于穿戴设备的控制器，所述穿戴设备包括多个传感器，所述控制器与用户终端及每一传感器建立数据传输连接，所述监测装置包括：

获得模块，用于获得与用户所对应的心电信息、模拟电压数值以及动作姿态信息；

降噪模块，用于对心电信息进行降噪处理，以得到心电波形数据；

第一计算模块，用于根据预先设定的均值类算法对心电波形数据的R波尖峰进行计算，以得到多个瞬时心率值；

转换模块，用于对模拟电压数值进行模数转换，以得到电压数值；

第二计算模块，用于对电压数值按照传递函数进行计算，以得到实时体温数值；

解析模块，用于根据动作姿态信息的姿态变化过程进行解析，以得到用户的当前运动信息；

发送模块，用于将瞬时心率值、实时体温数值以及当前运动信息作为监测信息，用于对用户身体进行监测，同时将监测信息发送至用户终端。

第三方面，本发明实施例再提供了一种身体状态的监测设备，所述监测设备包括处理器、通信接口、存储器和通信总线，其中，处理器、通信接口、存储器通过通信总线完成相互间的通信；

存储器，用于存放计算机程序；

处理器，用于执行存储器上所存放的程序时，执行第一方面任一项实施例所述的身体状态的监测方法的步骤。

第四方面，本发明实施例又再提供一种计算机可读存储的介质，其上存储有计算机程序，所述计算机程序被处理器执行时，执行第一方面任一项实施例所述的身体状态的监测方法的步骤。

与现有技术相比，本发明的有益效果是：

适用于疫情下快速有效的测量实时心率和体温，同时还可以通过收集运动数据信息，并结合心电及体温监测对自身身体健康状况进行长期的监测。

附图说明

为了更清楚地说明本发明实施例技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是本发明实施例的身体状态的监测方法的一种流程示意图。

图2是本发明实施例的身体状态的监测装置的方框示意图。

图3是本发明实施例的身体状态的监测设备的方框示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

应当理解，当在本说明书和所附权利要求书中使用时，术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。

还应当理解，在本发明说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本发明。如在本发明说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。

还应当进一步理解，在本发明说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。

为了解决现有技术中应用于穿戴设备的监测方法所出现的处理心率监测精度不够精确，可能会产生误监测高的问题，本发明实施例提供了一种身体状态的监测方法，具体是应用在穿戴设备的控制器中，可以了解为该身体状态的监测方法通过安装于中的应用软件或程序来进行执行相关步骤或工序，而控制器与用户终端建立数据传输连接，由控制器对相关数据处理后，并发送到用户终端中；例如，控制器通过无线信号传输器与外部设备(平板、手机或笔记本等)建立网络连接以实现数据信息的传输。控制器即是穿戴设备中用于对各单元模块进行控制的元器件，也即是穿戴设备中具有MCU芯片的控制电路板，无线信号传输器可与外部设备建立移动热点、蓝牙等无线连接连接方式，以对信息或数据进行无线传输。

下面详细阐述本发明例提供的一种身体状态的监测方法的具体实施过程。如图1所示，该方法包括步骤S110～S160。

S110、获得与用户所对应的心电信息、模拟电压数值以及动作姿态信息。

具体地，可通过穿戴设备中的相关传感模块来获取上述的心电信息、模拟电压数值以及动作姿态信息，接着对该获得的心电信息、模拟电压数值以及动作姿态信息进行计算，以得到对应的瞬时心率值、实时体温数值以及当前运动信息。在预设的一段时间中，通过这部分传感模块对用户身体的心电信息、模拟电压数值以及动作姿态信息进行采集，该预设的时间可以通过自定义的方式来设定采集时间，只要到达这个时间点时，穿戴设备中的传感模块则自动对用户的身体进行采集，也可以是只需用户将该穿戴设备穿戴在手腕时，则自动对用户自行采集。

例如，穿戴设备中包含了心率模块、显示模块、温度采集电路模块、运动数据收集模块以及无线传输模块，由心率模块负责采集当前用户的心电信息，而温度采集电路模块负责采集的模拟电压数值，运动数据收集模块负责采集当前用户的当前运动信息，将采集所得到的心电信息、模拟电压数值以及动作姿态信息经过数据处理后，由显示模块示出，以便用户查看。

S120、对心电信息进行降噪处理，以得到心电波形数据。

具体地，由于对心电信息进行采集的过程中，可能会出现噪音，导致采集获得的心电信息不够准确，心电信息是微弱的电信号,在采集的过程中,心电信息的采集过程容易受环境、仪器等其他外部因素的影响,这些因素会影响心电信号P波和Q波等低频部分的采集。所以,降低ECG信号中的噪声显得尤其重要。因此需要对心电信息进行降噪处理，以得到更为准确的心电信息。

例如，利用相关系数法,找出以噪声为主的高频噪声本征模态函数分量,再进行小波改进阈值去噪。对于低频分量,通过设定固定阈值,将低于该阈值的分量确定为基线漂移信号,将其剔除,最后重构分量。心电信息经过降噪处理之后，该降噪过程相比于未降噪处理之前，达到的去噪算法效果更佳,取得了良好的去噪效果。在心率采集模块中，为了获得心率模块所采集得到的原始数据，接着首先对TIM2定时器进行初始化，编写中断函数，然后通过SPI协议传输到主控当中。

本发明实施例的心率采集模块具体型号为ADS1292。

S130、根据预先设定的均值类算法对心电波形数据的R波尖峰进行计算，以得到多个瞬时心率值。

具体地，通过基于均值类算法生成目标索引矩阵,并去除干扰目标像素,提高恒虚警概率算子对复杂场景的适用性；采用一种基于积分图像的快速策略,大大降低了算法的运行时间,使得算法的计算时间复杂度与滑动窗口的尺寸无关；最后,通过计数滤波和形态学处理得到精确的目标检测结果，所提算法既具有自适应性,又比现有同类算法的运算速度大大提高，从而对心电信息的基线漂移及工频干扰等噪音信号，并且适应心电信号中的R波检测。

例如，将心电信号经过滤波器的处理，在这个过程时，其频率能最大限定保留于Q波、R波及S波，而输入信号虽有所降低，但是Q波、R波及S波的频率集中在滤波器中，因此高频率噪音和低频率噪音都能得到处理，也即是相当于增大了Q波、R波及S波的群分量，接着对心电信号进行绝对值处理后，获得多个波峰，再通过滤波器进行绝对值处理的信号进行平滑处理，由于经过滤波后的心电信号会出现损失，因此需用两次滑动窗口滤波以对心电信息进行处理，增强了心电信号中的R波幅值。通过均值类算法处理后的心电信号，有利于在干扰噪音中获得目标R波。

S140、对模拟电压数值进行模数转换，以得到电压数值。

具体地，根据获得的模拟电压数值经过多阶传递函数进行模数转换，从而得到电压数值，模拟电压数值进行模数转换的过程具体为将时间连续和幅值连续的模拟量转换为时间离散、幅值也离散的数字量。使输出的数字量与输入的模拟量成正比。

该转换的过程包括四个阶段，分别是采样、保持、量化和编码。采样过程指的是将连续时间信号变成离散时间信号的过程。经过采样，时间连续、数值连续的模拟信号就变成了时间离散、数值连续的信号，称为采样信号。采样电路相当于一个模拟开关,模拟开关周期性地工作。量化过程指的是将连续数值信号变成离散数值信号的过程。经过量化就可以将时间离散、数值连续的采样信号变成时间离散、数值离散的数字信号。保持过程指的是将时间离散、数值连续的信号变成时间连续、数值离散信号的过程。在量化和编码期间，保持电路相当于一个恒压源，它将采样时刻的信号电压“保持”在量化器的输入端。

S150、对电压数值按照传递函数进行计算，以得到实时体温数值。

具体地，按照电气特性温度表，所获得的一个电压输出值，接着用小二乘和公式进行计算，以得到传递函数。本发明实施例的传递函数具体是多阶传递函数，例如包含了一阶传递函数、二阶传递函数以及三阶传递函数，甚至还可以包含四阶传递函数，但一般获得的是三阶传递函数，而三阶传递函数的接数会更高，之后拟合处理过程中也会更为准确，因此一般得到的是三阶传递函数，接着以该三阶传递函数用matlab进行拟合处理。

上述的Matlab指的是是矩阵实验室(Matrix Laboratory)，属于集成开发环境(IDE/Integrated Develop Environment)。

S160、根据动作姿态信息的姿态变化过程进行解析，以得到用户的当前运动信息。

具体的，用户在佩戴穿戴设备时，若处于一个运动状态，则监测此时用户的动作姿态信息，而用户在运动状态时需要不断的摆动身体的各个部位的姿态，接着监测用户的姿态变化过程，并对其进行解析处理，从而得到了用户在当前的一个运动信息。

例如，用户处于跑步状态或走路状态时，则监测用户的腿部抬高过程中的垂线的相对角度，也即是用户抬起第一腿部，该第一腿部的垂线的相对角度。该第一腿部抬起并落下后，另外的一只第二腿部处于抬起时，同样监测该第二腿部的线的相对角度，以这种方式来监测并收集此时用户的当前运动信息。

在一具体实施例中，步骤S130、根据预先设定的均值类算法对心电波形数据的R波尖峰进行计算，以得到多个瞬时心率值，包括的步骤为：

生成与心电波形数据所对应的心电阈值，判断心电波形数据是否超出心电阈值。

具体地，不同的心电波形数据所对应的心电阈值也是不相同，因此需要根据不同的心电波形数据，以确定与该心电波形数据所对应的心电阈值，而心电阈值也可以根据实际需求，对该心电阈值进行部分调整，从而达到与心电波形数据更为适配对应。

接着根据获得的心电波形数据，对其进行判断，判断该心电波形数据是否超出生成的心电阈值，每一心电波形数据是具有一个心电数值，若该心电数值大于生成的心电阈值，则确定为超出心电阈值；若该心电数值是小于生成的心电阈值，则确定为未超出心电阈值，也即是需要根据心电波形数据的心电数值是否大于生成的心电阈值，来判断心电波形数据是否超出心电阈值，接着对于每次判断结果进行记录。

若心电波形数据是超出心电阈值，则记录一次心电阈值的目标点。

具体地，根据获得心电波形数据的心电数值所超出心电阈值的判断结果进行记录，也即是每当心电波形数据的心电数值超出心电阈值时，则记录一次心电阈值的目标点，一个目标点相当于一心电波形数据的心电数值超出心电阈值，依此类推，计算多个心电波形数据的心电数值所超出心电阈值的次数，并记录心电阈值的目标点的总共数量。

若心电波形数据未超出心电阈值，则记录一次心电阈值的无目标点。

具体地，根据获得心电波形数据的心电数值所未超出心电阈值的判断结果进行记录，也即是每当心电波形数据的心电数值未超出心电阈值时，则记录一次心电阈值的无目标点，一个无目标点相当于一心电波形数据的心电数值未超出心电阈值，依此类推，计算多个心电波形数据的心电数值所未超出心电阈值的总共次数，并记录心电阈值的无目标点的总共数量。

将心电阈值的目标点的所有次数进行计算，以得到多个瞬时心率值。

具体地，对所有根据心电波形数据的心电数值所超出心电阈值，所记录所有心电阈值的目标点的总共次数进行总结，也即是记录该过程中，一共出现多少次心电波形数据的心电数值所超出心电阈值的目标点，进而可以计算得到多个瞬时心率值。

在一具体实施例中，步骤对心电信息进行降噪处理，以得到心电波形数据，包括的步骤是：

获得心电信息在一个周期的多个采样值。

具体地，在预先设定的周期内，获得该心电信息的多个采样值，每个采样值的数值各不相同，各个采样值的数值之间也会出现差异较为大，例如包含了数值较为大的采样值，也包含了数值较为小的采样值，接着根据获得的各个采样值的数值进行筛选处理，使得被筛选处理后的各个采样值的数值都能进行归一化的方式处理。而本发明实施例的周期也可以为多个周期，上述的该实施例是以一个周期来获得多个采样值，一个周期所需要的具体时间可以根据实际计算需求进行自定义，也即是可以设定一个周期的具体时间。

从多个所述采样值中筛选出最高上限的第一采样值和最低下限的第二采样值。

具体地，由于获得的多个采样值的数值各不相同，因此需要从多个采样值中，筛选出最高上限的采样值作为第一采样值，也即是从多个采样值的数值中，选出一部分最大数值的采样值，并以这部分最大数值的采样值作为第一采样值；同时需要从多个采样值中，筛选出最低下限的采样值作为第二采样值，也即是从多个采样值的数值中，选出一部分最低数值的采样值，并以这部分最低数值的采样值作为第二采样值，进而获得多个最大数值的第一采样值和多个最低数值的第二采样值。

另外需要说明的是，每个最大数值的第一采样值之间也是各不相同，也即是每个第一采样值的数值都各不相同；每个最低数值的第二采样值之间也是同样各不相同，也即是每个第二采样值的数值都各不相同。

确定第一采样值和第二采样值的多个最高值和多个最低值，计算第一采样值和第二采样值的多个最高值与多个最低值的平均数值，以得到第一采样平均值和第二采样平均值。

具体地，由于每个第一采样值的数值都各不相同和每个第二采样值的数值都各不相同，因此需要确定第一采样值的多个最高值和多个最低值，也即是从这部分第一采样值中，确定第一采样值的最高值与最低值的平均数值，由于第一采样值也是包含了最高值和最低值，因此将第一采样值的最高值与第一采样值的最低值进行计算，获得第一采样值的最高值与第一采样值的最低值之间的平均数值，并以该平均数值作为第一采样平均值；另外，需要确定第二采样值的多个最高值和多个最低值也是同理，从这部分第二采样值中，确定第二采样值的最高值与最低值的平均数值，由于第二采样值也是包含了最高值和最低值，因此将第二采样值的最高值与第二采样值的最低值进行计算，获得第二采样值的最高值与第二采样值的最低值之间的平均数值，并以该平均数值作为第二采样平均值。

将第一采样平均值和第二采样平均值限定在预设的数值范围中，以得到第一心电波形数据和第二心电波形数据。

具体地，根据获得的第一采样平均值进行限定在预设数值范围内的处理，从而防止其它不必要的数值列入在第一采样平均值中，也即是对第一采样平均值进行归一化处理，使得获得的任何第一采样平均值计算成0-1的数值范围内，可防止第一采样平均值的数值过大，不方便后续步骤的处理，因此需要将第一采样平均值限定在一个合适的数值范围；根据获得的第二采样平均值进行限定在预设数值范围内的处理，也是为了防止其它不必要的数值列入在第二采样平均值中，对第二采样平均值进行归一化处理，使得获得的任何第二采样平均值计算成0-1的数值范围内，可防止第二采样平均值的数值过大，需要将第二采样平均值限定在一个合适的数值范围。

在一具体实施例中，步骤将第一采样平均值和第二采样平均值限定在预设的数值范围中，以得到第一心电波形数据和第二心电波形数据，包括的步骤是：

将第一采样平均值扣除第一采样值的最低值，以得到第一采样扣除值。

具体地，根据获得的第一采样平均值并扣除之前获得的第一采样值的最低值，从而计算获得了第一采样扣除值，该第一采样扣除值具体为第一采样平均值与第一采样值的最低值的差异值。

例如，第一采样平均值的数值为9，而第一采样值的最低值为1，则将该第一采样平均值扣除第一采样值的最低值之后，从而获得了第一采样扣除值为8。

将第一采样扣除值除去第一采样值的高低差异值，以得到第一心电波形数据。

具体地，根据获得的第一采样扣除值并与除去第一采样值的高低差异值，从而计算获得了第一心电波形数据，该第一心电波形数据具体为第一心电波形数据与第一采样值的高低差异值的相除值。

例如，第一采样扣除值为8，而第一采样值的高低差异值具体为10，则将第一采样扣除值并与除去第一采样值的高低差异值之后，从而获得了第一心电波形数据具体为0.8。

将第二采样平均值扣除第二采样值的最低值，以得到第二采样扣除值。

具体地，根据获得的第二采样平均值并扣除之前获得的第二采样值的最低值，从而计算获得了第二采样扣除值，该第二采样扣除值具体为第二采样平均值与第二采样值的最低值的差异值。

例如，第二采样平均值的数值为4，而第二采样值的最低值同样为1，则将该第二采样平均值扣除第二采样值的最低值之后，从而获得了第二采样扣除值为3。

将第二采样扣除值除去第二采样值的高低差异值，以得到第二心电波形数据。

具体地，根据获得的第二采样扣除值并与除去第二采样值的高低差异值，从而计算获得了第二心电波形数据，该第二心电波形数据具体为第二心电波形数据与第二采样值的高低差异值的相除值。

例如，根据计算第二采样扣除值为3，而第二采样值的高低差异值具体为10，则将第二采样扣除值并与除去第二采样值的高低差异值之后，从而获得了第二心电波形数据具体为0.3。

需要说明的是，第一采样值的高低差异值和第二采样值的高低差异值，都是将采样值的最高值扣除采样值的最低值，从而获得对应的第一采样值的高低差异值和第二采样值的高低差异值，也即是第一采样值的高低差异值为第一采样值的最高值扣除第一采样值的的最低值，从而得到第一采样值的高低差异值。

例如，第一采样值的最高值为11，第一采样值的最低值为1，因此获得的第一采样值的高低差异值为10。

在一具体的实施例中，S150、电压数值按照传递函数进行计算之前，还包括的步骤：

根据预先设定的电气特性温度表筛选出与电压数值所对应的电压输出值。

具体地，每一电压数值所对应的电压输出值各不相同，因此需根据不同的电压数值筛选出电压输出值。

将电压输出值按照小二乘和公式进行计算，以得到传递函数。

具体地，最小化误差的平方和寻找数据的最佳函数匹配。利用最小二乘法可以简便地求得未知的数据，并使得这些求得的数据与实际数据之间误差的平方和为最小。另外，最小二乘法还可用于曲线拟合。通过该公式，一是要将误差最小化，二是将误差最小化的方法是使误差的平方和最小化。利用最小二乘法可以简便地求得未知的数据，并使得这些求得的数据与实际数据之间误差的平方和为最小。最小二乘法还可用于曲线拟合，所拟合的曲线可以是线性拟合与非线性拟合。

在一具体的实施例中，步骤S160、根据动作姿态信息的姿态变化过程进行解析，以得到用户的当前运动信息，包括的步骤：

获取当前用户在移动时的抬脚信息，判断抬脚信息是否满足姿态特征条件。

具体地，使用惯性测量单元测量用户移动时的抬脚信息，也即是用户在抬腿时，其中一只大腿与垂线的相对角度，根据用户在正常行走时所执行的姿态特征中，获得至少3个特征点，例如分别为抬右腿、落右腿、抬左腿，分别用来判断用户的右腿迈出、左腿落下、左腿迈出到右腿落下的动作。抬脚信息需要满足于姿态特征条件，才能获得运动姿态的采集，具体是要判断抬脚信息的幅度阈值和斜率阈值是否满足该姿态特征条件。若抬脚信息满足姿态特征条件，则确定当前用户处于运动状态；反之，若抬脚信息不满足姿态特征条件，则确定当前用户处于非运动状态。

在一具体的实施例中，步骤获取由多个传感器发送用户在移动时的抬脚信息，判断抬脚信息是否满足姿态特征条件，包括的步骤：

获得抬脚信息的轴向加速度值的最大加速值和最小加速值。

具体地，轴向加速值指的是用户在正常行走时，腿部抬起时的轴向数值，该轴向加速值包含了第一轴向加速值、第二轴向加速值及第三轴向加速值，也即是X轴向加速值、Y轴向加速值及Z轴向加速值；获取其中一轴向加速度值的最大加速值和最小加速值。

计算轴向加速度值的最大加速值与轴向加速度值的最小加速值的加速平均值，并以所述加速平均值作为姿态特征条件。

具体地，根据获得的加速度值的最大加速值与轴向加速度值的最小加速值，并计算该最大加速值与最小加速值之间的平均值，后续判断用户是否踏出一步，需要以该加速平均值作为是否满足姿态特征条件的判断条件。

判断幅度变化最大的轴向加速值的前一个轴向加速值是否满足姿态特征条件。

具体地，根据获得的三个轴向加速度值进行对比，判断该三个轴向加速度值的幅度变化最大的轴向加速度值，例如X轴向加速值的幅度变化最大，则以该X轴向加速值的前一个轴向加速度值作为判断是否满足姿态特征条件，也即是X轴向加速值的前一个轴向加速度值是否大于加速平均值(姿态特征条件)，若判断结果是前一个轴向加速度值不大于加速平均值，则确定当前用户处于运动状态。

通过本发明实施例的身体状态的监测方法，实现了适用于疫情下快速有效的测量实时心率和体温，同时还可以通过收集运动数据信息，并结合心电及体温监测对自身身体健康状况进行长期的监测。

与上述身体状态的监测方法所对应，本发明实施例还提供一种身体状态的监测装置100，该身体状态的监测装置100可配置于穿戴设备的控制器，穿戴设备包括多个传感器，控制器与用户终端及每一传感器建立数据传输连接，身体状态的监测装置100用于执行上述的身体状态的监测方法的任一实施例。具体地，根据附图2所示，具体包括：

获得模块110，用于获得与用户所对应的心电信息、模拟电压数值以及动作姿态信息；

降噪模块120，用于对心电信息进行降噪处理，以得到心电波形数据；

第一计算模块130，用于根据预先设定的均值类算法对心电波形数据的R波尖峰进行计算，以得到多个瞬时心率值；

转换模块140，用于对模拟电压数值进行模数转换，以得到电压数值；

第二计算模块150，用于对电压数值按照传递函数进行计算，以得到实时体温数值；

解析模块160，用于根据动作姿态信息的姿态变化过程进行解析，以得到用户的当前运动信息；

发送模块170，用于将瞬时心率值、实时体温数值以及当前运动信息作为监测信息，用于对用户身体进行监测，同时将监测信息发送至用户终端。

通过本发明实施例的身体状态的监测装置100，实现了适用于疫情下快速有效的测量实时心率和体温，同时还可以通过收集运动数据信息，并结合心电及体温监测对自身身体健康状况进行长期的监测。

另外，本发明实施例还提供了一种身体状态的监测设备，根据附图3所示，该监测设备10包括处理器401、通信接口402、存储器403和通信总线404；其中，处理器401，通信接口402，存储器403通过通信总线404完成相互间的通信；存储器403，用于存放计算机程序；在本发明一个实施例中，处理器401，用于执行存储器403上所存放的程序时，执行前述任意一个方法发明实施例所提供的身体状态的监测方法的步骤。

本发明实施例再提供了一种计算机可读存储的介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如上述任意一个方法实施例提供的身体状态的监测方法的步骤。

需要说明的是，在本文中，诸如“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

以上所述仅是本发明的具体实施方式，使本领域技术人员能够理解或实现本发明。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所申请的原理和新颖特点相一致的最宽的范围。