首页资讯健康管理方法、系统、体脂秤及移动终端与流程

健康管理方法、系统、体脂秤及移动终端与流程

来源：泰然健康网时间：2024年12月23日 17:58

本发明涉及用户健康管理技术领域，尤其涉及一种健康管理方法、系统、体脂秤及移动终端。

背景技术：

随着科技的进步、人们生活水平的不断提高，健康逐渐成为人们日益关心的问题，特别是关于身体的体重、体脂量、基础代谢率等影响身体健康最直观的因素。

现有市场上出现了一种体脂秤，其可以测量体重、体脂量、蛋白质、肌肉率等身体成分，例如用户在使用体脂秤进行测量时，与体脂秤相连的移动终端上即可显示出该用户的身体成分数据，该身体成分数据即作为用户的身体健康状况的依据。由于身体成分数据是动态变化的，因此，用户使用现有体脂秤进行测量时无法知晓自己身体的实际状况。

技术实现要素：

本发明的目的在于提供一种健康管理方法、系统、体脂秤及移动终端，以解决现有技术中存在的用户使用现有体脂秤进行测量时无法知晓自己身体的实际状况的问题。

本发明是这样实现的，本发明第一方面提供一种健康管理方法，所述健康管理方法包括：

当用户在使用体脂秤时，获取用户的健康测量数据以及所述健康测量数据所对应的测量状态数据；

获取用户选择的时间段，根据所述时间段提取健康测量数据及所述健康测量数据所对应的测量状态数据，并根据预设规则对所述测量状态数据进行分析；

显示所述时间段内的健康测量数据以及所述测量状态数据的分析结果。

本发明第二方面提供一种移动终端，所述移动终端包括：

第一数据获取模块，用于当用户在使用体脂秤时，获取用户的健康测量数据以及所述健康测量数据所对应的测量状态数据；

第一时间段获取模块，用于获取用户选择的时间段；

第一数据提取分析模块，用于根据所述时间段提取健康测量数据及所述健康测量数据所对应的测量状态数据，并根据预设规则对所述测量状态数据进行分析；

第一数据显示模块，用于显示所述时间段内的健康测量数据以及所述测量状态数据的分析结果。

本发明第三方面提供一种体脂测量系统，所述体脂测量系统包括移动终端和体脂秤，所述移动终端与所述体脂秤连接；

所述体脂秤用于获取当前用户名以及用户的测量数据，并发送给所述移动终端；

所述移动终端用于将所述测量数据与预存的多组历史数据进行比较并获取比较结果；

所述移动终端用于根据所述比较结果获取显示所述测量数据的用户名；

所述移动终端用于当获取的用户名与所述当前用户名一致时，将所述测量数据显示在所述当前用户名下；

所述移动终端用于当获取的用户名与所述当前用户名不一致时，将所述当前用户名更改为所获取的用户名，并将所述测量数据显示在所获取的用户名下。

本发明第四方面提供一种体脂秤，其特征在于，所述体脂秤包括：

第二数据获取模块，用于当用户在使用体脂秤时，获取用户的健康测量数据以及所述健康测量数据所对应的测量状态数据；

第二时间段获取模块，用于获取用户选择的时间段；

第二数据提取分析模块，用于根据所述时间段提取健康测量数据及所述健康测量数据所对应的测量状态数据，并根据预设规则对所述测量状态数据进行分析；

第二数据显示模块，用于显示所述时间段内的健康测量数据以及所述测量状态数据的分析结果。

本发明公开了一种健康管理方法、系统、体脂秤及移动终端，所述健康管理方法包括：当用户在使用体脂秤时，获取用户的健康测量数据以及健康测量数据所对应的测量状态数据；获取用户选择的时间段，根据时间段提取健康测量数据及健康测量数据所对应的测量状态数据，并根据预设规则对测量状态数据进行分析；显示时间段内的健康测量数据以及测量状态数据的分析结果。本发明技术方案在测量用户的身体成分数据时还提供用户输入其当前的状态数据，然后对用户输入的多次状态数据进行分析得出分析结果，将用户的健康测量数据和身体状态分析结果进行显示，使用户更加了解自己身体的实际状况。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅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性的前提下，还可以根据这些附图获得其他的附图。

图1是本发明一种实施例提供的一种健康管理方法的流程图；

图2是本发明一种实施例提供的一种健康管理方法中的步骤s20的具体流程图；

图3是本发明一种实施例提供的一种健康管理方法中的步骤s20的又一具体流程图；

图4是本发明一种实施例提供的一种移动终端的结构示意图；

图5是本发明一种实施例提供的一种移动终端中的第一数据提取分析模块的结构示意图；

图6是本发明一种实施例提供的一种移动终端中的第一数据提取分析模块的又一结构示意图；

图7是本发明一种实施例提供的一种健康管理系统的结构示意图；

图8是本发明一种实施例提供的一种体脂秤的结构示意图；

图9是本发明一种实施例提供的一种体脂秤中的第二数据提取分析模块的结构示意图；

图10是本发明一种实施例提供的一种体脂秤中的第二数据提取分析模块的又一结构示意图；

图11是本发明一种实施例提供的一种健康管理方法的步骤s10的具体流程图；

图12是本发明一种实施例提供的一种健康管理方法中的步骤s12的具体流程图；

图13是本发明一种实施例提供的一种健康管理方法中的步骤s12的又一具体流程图；

图14是本发明一种实施例提供的一种健康管理方法中的步骤s13的具体流程图；

图15是本发明一种实施例提供的一种移动终端的结构示意图；

图16是本发明一种实施例提供的一种移动终端中的第一数据比较模块的结构示意图；

图17是本发明一种实施例提供的一种移动终端中的第一数据比较模块的又一结构示意图；

图18是本发明一种实施例提供的一种体脂秤的结构示意图；

图19是本发明一种实施例提供的一种体脂秤中的第二数据比较模块的结构示意图；

图20是本发明一种实施例提供的一种体脂秤中的第二数据比较模块的又一结构示意图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

为了说明本发明的技术方案，下面通过具体实施例来进行说明。

本发明实施例提供一种健康管理方法，如图1所示，所述健康管理方法包括：

步骤s10.当用户在使用体脂秤时，获取用户的健康测量数据以及所述健康测量数据所对应的测量状态数据。

在步骤s10中，本实施例提供的健康管理方法可以应用于移动终端或者体脂秤中，作为一种实施方式，当应用于移动终端中时，移动终端与体脂秤相连，当移动终端与体脂秤建立连接时，登录一个初始账号，移动终端通过体脂秤获取到当前用户的测量数据。

具体地，移动终端可以是智能手机、笔记本、平板电脑、掌上电脑等。在本发明中，所述移动终端是以一智能手机为例。

智能手机与体脂秤保持无线连接，例如可通过wifi或者蓝牙相连。通过wifi相连或者通过蓝牙相连的方案在下面将予以具体说明。

用户在使用体脂秤进行测量之前，首先需要建立智能手机与体脂秤的连接：

(1)蓝牙连接方案

用户打开智能手机蓝牙功能，在智能手机蓝牙匹配列表中搜寻到体脂秤的蓝牙设备id，即可通过蓝牙建立智能手机与体脂秤的连接。

(2)wifi连接方案

第一次使用之前先要对体脂秤配置wifi，具体地通过智能手机中的app来配置wifi，建立智能手机与体脂秤的对应关系，体脂秤配置wifi成功之后，后续在使用的时候可直接连接到wifi。

体脂秤的测量数据通过路由器上传至服务器，智能手机可从服务器中接收到该测量数据，如此实现了体脂秤与智能手机的数据传输。

(3)蓝牙/wifi双连接方案

在这种情况下可选择通过蓝牙传输，或者通过wifi传输。

其中，智能手机与体脂秤建立连接以后，用户上秤后，该用户的测量数据即可通过上述方式传输至智能手机中。通常地，体脂秤测量得到的测量数据包括体重数据和身体成分数据。体重数据即测量用户的体重，可以选择用斤或者kg的单位显示，该体重数据可在体脂秤的表面的显示面板上予以显示，同时也在智能手机的app上显示。

具体的，身体成分数据包括体重(单位：kg)、基础代谢率(单位：kcal)、蛋白质(单位：百分比)、内脏脂肪指数(单位：数值)、储肌能力等级(单位：数值)、脂肪率(单位：百分比)、肌肉率(单位：百分比)、水分(单位：百分比)、骨量(单位：kg)、bmi(单位：数值)等，这些身体成分数据是在智能手机的app上显示。

通常地，该智能手机的app还显示根据上述身体成分数据推导出的一些指标，例如：身体类型(肥胖型、偏胖型、标准型、偏瘦型等)、身体年龄(综合肌肉量、基础代谢率来评价身体状态的指标)等。

在另一种实施方式中，可直接应用于体脂秤中，当打开体脂秤后进入一个临时账户，用户上秤后，该用户的测量数据即可显示在体脂秤上。通常地，体脂秤测量得到的测量数据包括体重数据和身体成分数据。体重数据即测量用户的体重，可以选择用斤或者kg的单位显示，该体重数据可在体脂秤的表面的显示面板上予以显示。

在上述两种实施方式中，用户在使用体脂秤测量完体重后，可在体脂秤或者移动终端中输入其称重时所对应的测量状态数据，测量状态数据包括穿戴状态数据、饮食状态数据、运动状态数据、睡眠状态数据或者生理周期数据。

具体地，在体脂秤或者移动终端app上设有一系列的状态数据选项，其中每一状态下可包括多个状态数据供用户选择，用户在称完体重后可在该移动终端app上选择与称重时对应的状态数据，本发明的状态数据选项可包括如下几个方面：

1、穿戴状态数据：在体脂秤上进行测量时的着装穿戴，例如，睡衣、家居服、内衣、裸身或者外出衣物等等。

2、饮食状态数据：饮食状态数据可参考体脂秤或者移动终端的当前时间来智能地进行推送，例如：如果是早上称重时间，则推送内容为：吃早饭了吗？选项内容为：还没吃或者吃过了；同样地，如果是中午/晚上称重，则具有相应的推送，如果是吃过饭了，还可以推送具体的选项，例如，饮食内容、饮食量或者烹饪方式等等。

3、运动状态数据：向用户进行推送运动情况提问及选项，例如：可以推送昨天有做什么运动吗？向用户推送待用户选择的选项可以为：健走、跑步等有氧运动；阻力或负重训练等无氧运动、上下班走走路而已或者完全没怎么动等等。

4、睡眠状态数据：向用户进行推送睡眠状态提问及选项，例如：可以推送昨晚睡得怎么样？向用户推送待用户选择的选项可以为：熬夜、失眠或者睡够7小时以上等等。

5、生理周期数据：向用户进行推送生理周期数据提问及选项，例如：可以推送当前的生理周期状态是什么？向用户推送待用户选择的选项可以为：不在经期附近(10-20天左右)、经期前、经期中以及经期刚结束等等。

当用户在选择上述状态数据所包括的选项之后，体脂秤或者移动终端app即可记录该选项的具体状态数据。通常地，在一段时间内，用户称重的次数不止一次，通过监测一段时间内多次用户在称重时输入的状态数据并加以分析，可以得出该用户的一些分析结果，分析结果将在以下予以说明。

步骤s20.获取用户选择的时间段，根据所述时间段提取健康测量数据及所述健康测量数据所对应的测量状态数据，并根据预设规则对所述测量状态数据进行分析。

在步骤s20中，用户在每次上体脂秤测量时均输入其测量时的状态，通过记录其多次上秤时的身体成分数据或者状态数据，同时对用户的多组身体成分数据、多组状态数据进行分析，可以得出一分析结果。

具体地，该分析结果可以是从多组身体成分数据或者多组状态数据中单独分析得出，也可以是综合多组身体成分数据与状态数据分析得出的结果。分析结果包括统计结果与解析结果，统计结果针对身体成分数据，具体地，当相邻的两次身体成分数据(例如：体重数据、体脂数据、肌肉量数据等)或者一段时间内的身体成分数据发生变化时，体脂秤或者移动终端app上可展示出该用户的身体成分数据的变化。例如：体脂秤或者移动终端app上展示两次测量数据的变化，4月10日：体重55.2kg，脂肪率21.6％；4月14日：体重52.9kg，脂肪率22.8％。解析结果是对上述记录数据进行分析得到的，例如，在身体成分数据、状态数据的基础上再加工的数据结果。

作为一种实施方式，所述测量状态数据为饮食状态数据；如图2所示，步骤s20中的所述根据预设规则对所述测量状态数据进行分析，包括：

步骤s201.获取每条饮食状态数据中的饮食时间、饮食类型以及饮食类型内容。

步骤s202.根据所述饮食时间、所述饮食类型以及所述饮食类型内容按照预设评分规则对每条饮食状态数据进行评分。

步骤s203.将每条饮食状态数据的分数进行求和计算获取饮食状态数据的分析结果。

在步骤s201至步骤s203中，针对每次记录的饮食状态数据进行打分，饮食状态数据包括多个细分类型，并且每个细分类型中还包括多个细分选项，每个细分选项对应相应的分数，每一细分类型中的多个细分选项是互斥的，即用户每次只可能选择每个细分类型中的某一个细分选项，而且不同的饮食时间所对应的同一细分选项的分数可能不同，每次记录的饮食状态数据的分数即将各细分类型中的某一个细分选项进行加和，然后统计一段时间内该用户的得分情况，并根据得分结果判断其饮食状态结果，其中第一细分类型包括多个细分选项，且每一细分选项都对应一分值，例如：2、1、0、-1、-2、-3六个分数档。

然后统计一段时间内该用户的得分情况，并根据得分结果判断其饮食状态结果，饮食状态结果包括三种类型：合理、有待改善、不合理。例如，某用户在一个时间阶段内有3个-2分的标签，1个-1分的标签，2个1分的标签，3个2分的标签，则其得分n1＝3×(-2)+1×(-1)+2×1+3×2＝1。在本实施例中，判定规则为：总分n1>0.5时对应分析结果为“合理”，-0.5≤总分n1≤0.5时对应分析结果为“有待改善”，总分n1<-0.5时对应分析结果为“不合理”，由于本例中n1>0.5，即该用户的饮食习惯判定为“合理”，从而便于用户知晓自己的饮食习惯，同时也起到一定的督促提醒作用，提升了用户体验。

下面以一个具体的实施例予以说明预设评分规则：

饮食状态数据可包括三种评分项：饮食时间、饮食类型以及饮食类型内容，每一评分项又包括多个评分小项，饮食时间包括：早餐、午餐、晚餐以及夜宵四个细分类型，饮食类型包括饮食内容、饮食量、烹饪方式三个细分类型，每个饮食类型又包括其具体的内容，预设评分规则为根据饮食时间和饮食类型设定饮食类型内容对应的分数，当饮食时间为早餐、午餐、晚餐或者夜宵，饮食类型为饮食内容时，设定饮食内容为高蛋白时记为第一分数，饮食内容为粗粮食物时记为第二分数，饮食内容为高纤维食物时记为第三分数，饮食内容为细粮食物时记为第四分数，饮食内容为油炸食物时记为第五分数，饮食内容为白肉食物时记为第六分数，饮食内容为红肉食物时记为第七分数，饮食内容为速食食物时记为第八分数，饮食内容为应酬类宴席时记为第九分数，饮食内容为膨化食品时记为第十分数；当饮食时间为早餐、午餐、晚餐或者夜宵，饮食类型为饮食量时，饮食量内容为没吃时记为第十一分数，饮食量内容为八九分饱时记为第十二分数，饮食量内容为六分饱时记为第十三分数，饮食量内容为晚饭吃很少时记为第十四分数，饮食量内容为三餐不规律时记为第十五分数，饮食量内容为吃很饱时记为第十六分数，饮食量内容为吃了时记为第十七分数，饮食量内容为吃撑了时记为第十八分数；当饮食时间为早餐、午餐、晚餐或者夜宵，饮食类型为烹饪方式时，烹饪方式内容为偏清淡时记为第二十一分数，烹饪方式内容为比较清淡时记为第二十二分数，烹饪方式内容为油盐适中时记为第二十三分数，烹饪方式内容为重油重盐时记为第二十四分数，根据给评分标准对每条饮食状态数据进行评分，然后统计一段时间内该用户的得分情况，并根据得分结果判断其饮食状态结果，并根据得分结果判断其饮食状态结果，饮食状态结果包括三种类型：当总分数大于等于第一预设分数值时视为合理、当总分数大于等于第二预设分数值并且小于第一预设分数值时视为有待改善，当总分数小于第二预设分数值时视为不合理。

如下表1所示为用户在4月21日至4月28日期间的饮食状态数据分数明细表。

表1饮食状态数据分数明细表

从上述表1中可知，该用户在4月21日至4月28日期间，有5个-2分的标签，16个-1分的标签，7个0分标签，17个1分的标签，1个2分的标签，则其得分n＝5×(-2)+16×(-1)+7×0+17×1+1×2＝-7。在本实施例中，判定规则为：总分大于等于5分对应分析结果为“合理”，总分大于0分小于等于5分对应分析结果为“有待改善”，总分小于等于0分对应分析结果为“不合理”，由于本例中n小于0分，即对该用户在4月21日至4月28日期间的饮食习惯的分析结果为“不合理”，从而便于用户知晓自己的饮食习惯，同时也起到一定的督促提醒作用，使用户根据分析结果合理改善自己的饮食习惯，提升了用户体验。

作为一种实施方式，所述测量状态数据为饮食状态数据；如图3所示，步骤s20中的所述根据预设规则对所述测量状态数据进行分析，包括：

步骤s204.获取每条运动状态数据中的运动标签以及运动标签内容。

步骤s205.根据所述运动标签以及所述运动标签内容按照预设评分规则对每条运动状态数据进行评分。

步骤s206.将每条运动状态数据的分数进行求和计算获取运动状态数据的分析结果。

在步骤s204至步骤s206中，对运动状态数据进行分析所采取的技术手段与上述饮食状态数据类似，根据运动标签内容的不同设置不同的分数，例如，2分对应的运动标签内容为“一周有超过四天以上有运动”，1分对应的运动标签内容为“阻力或负重训练等无氧运动”、“一周有两三天会运动一下”、“健走、跑步等有氧运动”；0分对应的运动标签内容为“没时间运动”、“一周偶尔有一天能运动下”、“上下班走走路而已”；-1分对应的运动标签内容为“完全没怎么动”、“基本在坐着”等。

同样地，也可以根据上述类似的判定算法，得出该用户的运动状态结果，例如为：活跃、有待改善、不活跃等，当总分数大于等于第一预设分数值时视为活跃、当总分数大于等于第二预设分数值并且小于第一预设分数值时视为有待改善，当总分数小于第二预设分数值时视为不活跃。从而便于用户知晓自己的运动习惯，同时也起到一定的督促提醒作用，使用户根据分析结果合理改善自己的运动习惯，提升了用户体验。

步骤s30.显示所述时间段内的健康测量数据以及所述测量状态数据的分析结果。

在步骤s30中，提取出所述时间段内的健康测量数据，并根据预设评分规则计算出分析结果后，即在移动终端或者体脂秤上进行显示。

本发明另一种实施例提供一种移动终端40，如图4所示，所述移动终端40包括：

第一数据获取模块401，用于当用户在使用体脂秤时，获取用户的健康测量数据以及所述健康测量数据所对应的测量状态数据；

第一时间段获取模块402，用于获取用户选择的时间段；

第一数据提取分析模块403，用于根据所述时间段提取健康测量数据及所述健康测量数据所对应的测量状态数据，并根据预设规则对所述测量状态数据进行分析；

第一数据显示模块404，用于显示所述时间段内的健康测量数据以及所述测量状态数据的分析结果。

进一步的，如图5所示，所述第一数据提取分析模块403包括：

第一饮食数据获取单元411，用于获取每条饮食状态数据中的饮食时间、饮食类型以及饮食类型内容；

第一饮食数据评分单元412，用于根据所述饮食时间、所述饮食类型以及所述饮食类型内容按照预设评分规则对每条饮食状态数据进行评分；

第一饮食数据计算单元413，用于将每条饮食状态数据的分数进行求和计算获取饮食状态数据的分析结果。

进一步的，如图6所示，所述第一数据提取分析模块403包括：

第一运动数据获取单元414，用于获取每条运动状态数据中的运动标签以及运动标签内容；

第一运动数据评分单元415，用于根据所述运动标签以及所述运动标签内容按照预设评分规则对每条运动状态数据进行评分；

第一运动数据计算单元416，用于将每条运动状态数据的分数进行求和计算获取运动状态数据的分析结果。

本发明另一种实施例提供一种健康管理系统50，如图7所示，所述健康管理系统包括移动终端40和体脂秤60，所述移动终端40与所述体脂秤60连接；

所述体脂秤60用于获取用户的健康测量数据以及所述健康测量数据所对应的测量状态数据，并发送给所述移动终端；

所述移动终端40用于获取用户选择的时间段，根据所述时间段提取健康测量数据及所述健康测量数据所对应的测量状态数据，并根据预设规则对所述测量状态数据进行分析；

所述移动终端40用于显示所述时间段内的健康测量数据以及所述测量状态数据的分析结果。

进一步的，所述移动终端40具体用于：

获取每条饮食状态数据中的饮食时间、饮食类型以及饮食类型内容；

根据所述饮食时间、所述饮食类型以及所述饮食类型内容按照预设评分规则对每条饮食状态数据进行评分；

将每条饮食状态数据的分数进行求和计算获取饮食状态数据的分析结果。

进一步的，所述移动终端40具体用于：

获取每条运动状态数据中的运动标签以及运动标签内容；

根据所述运动标签以及所述运动标签内容按照预设评分规则对每条运动状态数据进行评分；

将每条运动状态数据的分数进行求和计算获取运动状态数据的分析结果。

本发明另一种实施例提供一种体脂秤60，如图8所示，所述体脂秤60包括：

第二数据获取模块601，用于当用户在使用体脂秤时，获取用户的健康测量数据以及所述健康测量数据所对应的测量状态数据；

第二时间段获取模块602，用于获取用户选择的时间段；

第二数据提取分析模块603，用于根据所述时间段提取健康测量数据及所述健康测量数据所对应的测量状态数据，并根据预设规则对所述测量状态数据进行分析；

第二数据显示模块604，用于显示所述时间段内的健康测量数据以及所述测量状态数据的分析结果。

进一步的，如图9所示，所述第二数据提取分析模块603包括：

第二饮食数据获取单元611，用于获取每条饮食状态数据中的饮食时间、饮食类型以及饮食类型内容；

第二饮食数据评分单元612，用于根据所述饮食时间、所述饮食类型以及所述饮食类型内容按照预设评分规则对每条饮食状态数据进行评分；

第二饮食数据计算单元613，用于将每条饮食状态数据的分数进行求和计算获取饮食状态数据的分析结果。

进一步的，如图10所示，所述第二数据提取分析模块603包括：

第二运动数据获取单元614，用于获取每条运动状态数据中的运动标签以及运动标签内容；

第二运动数据评分单元615，用于根据所述运动标签以及所述运动标签内容按照预设评分规则对每条运动状态数据进行评分；

第二运动数据计算单元616，用于将每条运动状态数据的分数进行求和计算获取运动状态数据的分析结果。

作为另一种实施例，如图11所示，步骤s10中的获取用户的健康测量数据以及所述健康测量数据所对应的测量状态数据，还包括步骤s11、步骤s12、步骤s13、步骤s14以及步骤s15，具体如下：

步骤s11.获取当前用户名以及用户的测量数据。

步骤s12.将所述测量数据与预存的多组历史数据进行比较并获取比较结果。

在步骤s12中，多组历史数据可以预存在体脂秤内，也可以存在移动终端上或者云端上，当采用移动终端与体脂秤连接的实施方式时，采用蓝牙方式连接的体脂秤的在先用户数据存储在手机上，采用wifi方式连接的体脂秤的在先用户数据可存储在手机上或者服务器上或者两者均存储。

将所述测量数据与预存的多组历史数据进行比较的方式可以包括以下两种实施方式：

一种实施方式中，如图12所示，步骤s12包括：

步骤s121.获取所述测量数据与每组历史数据之间的近似度。

步骤s122.当所述近似度大于等于预设值时，判定所述多组历史数据中存在与所述测量数据相匹配的历史数据。

步骤s123.当所述近似度小于预设值时，判定所述多组历史数据中不存在与所述测量数据相匹配的历史数据。

在步骤s121至步骤s123中，本实施方式的识别算法是按照对比近似度来进行识别的，即通过将当前用户的测量数据特征与各在先用户的历史数据特征作对比，如果当前用户的测量数据特征与某一在先用户的数据特征的对比近似度超过一定阈值，则判定当前用户为该在先用户，从而实现了测量用户的智能识别。

进一步的，本识别算法不仅按照对比一定的数据特征，而且对比这些数据特征还会按照预设的顺序。

具体的，本识别算法识别的数据特征包括：体重；其他身体成分数据：脂肪率、肌肉率、水分、bmi(身体质量指数，bodymassindex)等；体脂秤mac地址这三大组数据。

其中，将体重单独作为一个特征进行对比，是因为使用同一体脂秤称重的多个用户的体重差异较大，通过体重的单个对比，即可将多个用户分为若干个不同体重阶段，从而可以初步的区分。

优选的，在具体进行数据对比识别时的顺序可以设置为：体脂秤mac地址、体重、其他身体成分数据。

因为体脂秤mac地址是唯一的，相当于体脂秤的身份证，当用户称重时，其上秤的体脂秤即可将其mac地址传输至移动终端。

例如，在先存储的用户的历史数据特征具体可以是：

userid1：mac地址10、体重58kg、脂肪率24.3％、肌肉率76％、水分58％、bmi25.7。

userid2：mac地址10、体重73kg、脂肪率18.5％、肌肉率84％、水分69％、bmi20.5。

userid3：mac地址11、体重41kg、脂肪率15.6％、肌肉率82％、水分71％、bmi17.9。

测量数据1为mac地址11、体重42kg、脂肪率15.8％、肌肉率83％、水分70％、bmi17.5，将测量数据1分别与userid1、userid2以及userid3进行对比，计算过程如下：

测量数据1与userid1进行对比：mac地址相似度为0，体重相似度为42/58＝72.4％，脂肪率相似度为15.8/24.3＝65％，肌肉率相似度为76/83＝91.6％，水分相似度为58/71＝81.7％，bmi相似度为17.9/25.7＝69.6％。

测量数据1与userid2进行对比：mac地址相似度为0，体重相似度为42/73＝72.4％，脂肪率相似度为15.8/18.5＝85.4％，肌肉率相似度为76/84＝90.4％，水分相似度为58/69＝84.5％，bmi相似度为17.9/20.5＝87.3％。

测量数据1与userid3进行对比：mac地址相似度为100％，体重相似度为41/42＝97.6％，脂肪率相似度为15.6/15.8＝98.7％，肌肉率相似度为82/83＝98.8％，水分相似度为70/71＝98.6％，bmi相似度为17.5/17.9＝97.8％。

将预设值即每个参数的相似度设置为90％，通过对比，用户名userid3中每个参数的对比度均超过了90％，判定所述多组历史数据中存在与所述测量数据相匹配的历史数据，该历史数据对应的用户名为userid3。

作为一种优选的实施例，为了减少误差、确定在先样本的准确性，上述数据可多次测量取平均值。

需要说明的是，同时在先存储的用户的个人信息也会有相应的记录，例如：姓名、性别、年龄、身高等特征。

本实施方式中，当用户上秤称重测量时，体脂秤的mac地址、个人的数据例如体重、具体身体成分等数据会上传至移动终端上，移动终端将当前上秤人的个人数据与预先存储的在先用户的样本数据做对比，当达到一定的对比近似度以后，即可认为当前测量用户是与该样本数据对应的用户，本实施方式可以快速的根据历史数据确定用户名。

另一种实施方式中，如图13所示，步骤s12包括：

步骤s124.判断所述测量数据是否在每组历史数据的数据区间范围内。

步骤s125.当所述测量数据在至少一组历史数据的数据区间范围内时，判定所述多组历史数据中存在与所述测量数据相匹配的历史数据。

步骤s126.当所述测量数据不在所述历史数据的数据区间范围内时，判定所述多组历史数据中不存在与所述测量数据相匹配的历史数据。

在步骤s124至步骤s126中，预存用户的历史数据是一个幅度变化较小的区间范围，如果当前用户的测量数据落入该在历史数据的区间范围之内，则认为当前用户是与区间范围相对应的在先用户。

例如，在先存储的用户的历史数据特征具体可以是：

userid1：mac地址10、体重范围50至55kg、脂肪率范围24％至26％、肌肉率范围74％至76％、水分范围55％至60％、bmi范围25％至27％。

userid2：mac地址10、体重范围70至75kg、脂肪率范围18％至20％、肌肉率范围80％至84％、水分范围65％至70％、bmi范围20至25。

userid3：mac地址11、体重范围40至42kg、脂肪率范围15％至16％、肌肉率范围80％至82％、水分范围70％至75％、bmi范围17至20。

测量数据1为mac地址11、体重42kg、脂肪率15.8％、肌肉率83％、水分70％、bmi17.5，将测量数据1分别与userid1、userid2以及userid3进行对比，对比结果为测量数据在userid3的数据范围内，判定所述多组历史数据中存在与所述测量数据相匹配的历史数据，该历史数据对应的用户名为userid3。

需要说明的是，由于人体的体重、身体成分数据是动态变化的，本发明的测量方法，其对比识别算法并不能百分之百地一一对应，例如：体重完全相同、其他身体成分也相同，如果算法设置成这样有可能会导致当前用户无法对应到在先用户的任一用户，从而导致无法实现本专利的发明目的，因此本发明的算法采用的是模糊算法，当特征对比达到一定的契合度以后，即认为当前用户为在先用户中的某一个。

步骤s13.根据所述比较结果获取显示所述测量数据的用户名。

在步骤s13中，比较结果中包括测量数据与历史数据之间的匹配数量，根据匹配数量的不同执行不同的操作。

具体的，如图14所示，步骤s13包括：

步骤s131.当所述比较结果为所述测量数据与其中一组历史数据相匹配时，将该组历史数据对应的用户名设定为显示所述测量数据的用户名。

步骤s132.当所述比较结果为所述测量数据与其中至少两组历史数据相匹配时，向用户显示所匹配的历史数据对应的用户名，将用户选定的用户名设定为显示所述测量数据的用户名。

在步骤s132中，如果当前用户的测量数据在与历史数据进行对比识别时，可能存在有不止一个历史数据满足对比条件，即移动终端在使用当前用户的测量数据与用户历史数据进行对比时，有两个或者两个以上的历史数据满足上述算法识别的条件时，移动终端此时可弹出一对话框，对话框内容包括：满足条件的用户名列表以及每个用户对应的选择项；当前测量用户可在对话框中手动选择其中一个用户，然后移动终端会与该用户名建立连接，并在该用户名下显示测量结果数据。

步骤s133.当所述比较结果为所述测量数据与每组历史数据均不匹配时，将所述当前用户名设定为显示所述测量数据的用户名。

在步骤s133中，如果当前用户的测量数据与历史数据进行对比时，如果没有历史数据满足对比条件，即移动终端在使用当前用户的测量数据与历史数据进行对比时，没有在先数据满足上述算法识别的条件时，可认为当前测量用户是新用户，即其用户数据并没有在先预存在移动终端中，如此可添加其本人的账号及身体测量数据至移动终端中，同时移动终端上也可以显示本次的测量数据。

步骤s14.当获取的用户名与所述当前用户名一致时，将所述测量数据显示在所述当前用户名下。

步骤s15.当获取的用户名与所述当前用户名不一致时，将所述当前用户名更改为所获取的用户名，并将所述测量数据显示在所获取的用户名下。

在步骤s14和步骤s15中，根据用户名与所述当前用户名的比较结果选择将测量数据显示正确的用户名下。

作为本发明的一种优选的实施例，当前用户在测量时，还可以在移动终端上输入其测量状态，例如：是否饮食、运动、抽烟、喝酒、服药、睡眠状况等，从而得到一测量状态特征下的测量结果数据。一方面，可以作为上述实施例中的对比识别特征因素，同样地在先预存用户的特征也包括这些测量状态特征下的测量结果数据；另一方面，可以保证测量结果的准确性。

本发明另一实施例提供一种移动终端40，如图15所示，所述移动终端40包括：

第一数据获取模块401，用于获取当前用户名以及用户的测量数据；

第一数据比较模块405，用于将所述测量数据与预存的多组历史数据进行比较并获取比较结果；

第一用户名获取模块406，用于根据所述比较结果获取显示所述测量数据的用户名；

第一数据显示模块404，用于当获取的用户名与所述当前用户名一致时，将所述测量数据显示在所述当前用户名下，以及用于当获取的用户名与所述当前用户名不一致时，将所述当前用户名更改为所获取的用户名，并将所述测量数据显示在所获取的用户名下。

进一步的，在一种实施方式中，如图16所示，所述第一数据比较模块405包括：

第一近似度获取单元421，用于获取所述测量数据与每组历史数据之间的近似度；

第一匹配判定单元422，用于当所述近似度大于等于预设值时，判定所述多组历史数据中存在与所述测量数据相匹配的历史数据，以及用于当所述近似度小于预设值时，判定所述多组历史数据中不存在与所述测量数据相匹配的历史数据。

在另一种实施方式中，如图17所示，所述第一数据比较模块405包括：

第一数据判断单元423，用于判断所述测量数据是否在每组历史数据的数据区间范围内；

第二匹配判定单元424，当所述测量数据在至少一组历史数据的数据区间范围内时，判定所述多组历史数据中存在与所述测量数据相匹配的历史数据，以及用于当所述测量数据不在所述历史数据的数据区间范围内时，判定所述多组历史数据中不存在与所述测量数据相匹配的历史数据。

本发明另一实施例提供一种体脂测量系统50，如图7所示，所述体脂测量系统包括移动终端40和体脂秤60，所述移动终端40与所述体脂秤60连接；

所述体脂秤60用于获取当前用户名以及用户的测量数据，并发送给所述移动终端40；

所述移动终端40用于将所述测量数据与预存的多组历史数据进行比较并获取比较结果；

所述移动终端40用于根据所述比较结果获取显示所述测量数据的用户名；

所述移动终端40用于当获取的用户名与所述当前用户名一致时，将所述测量数据显示在所述当前用户名下；

所述移动终端40用于当获取的用户名与所述当前用户名不一致时，将所述当前用户名更改为所获取的用户名，并将所述测量数据显示在所获取的用户名下。

进一步的，一种实施方式中，所述移动终端40具体用于：

获取所述测量数据与每组历史数据之间的近似度；

当所述近似度大于等于预设值时，判定所述多组历史数据中存在与所述测量数据相匹配的历史数据；

当所述近似度小于预设值时，判定所述多组历史数据中不存在与所述测量数据相匹配的历史数据。

另一种实施方式中，所述移动终端40具体用于：

判断所述测量数据是否在每组历史数据的数据区间范围内；

当所述测量数据在至少一组历史数据的数据区间范围内时，判定所述多组历史数据中存在与所述测量数据相匹配的历史数据；

当所述测量数据不在所述历史数据的数据区间范围内时，判定所述多组历史数据中不存在与所述测量数据相匹配的历史数据。

本发明另一实施例提供一种体脂秤60，如图18所示，所述体脂秤60包括：

第二数据获取模块601，用于获取当前用户名以及用户的测量数据；

第二数据比较模块605，用于将所述测量数据与预存的多组历史数据进行比较并获取比较结果；

第二用户名获取模块606，用于根据所述比较结果获取显示所述测量数据的用户名；

第二数据显示模块604，用于当获取的用户名与所述当前用户名一致时，将所述测量数据显示在所述当前用户名下，以及用于当获取的用户名与所述当前用户名不一致时，将所述当前用户名更改为所获取的用户名，并将所述测量数据显示在所获取的用户名下。

进一步的，作为一种实施方式，如图19所示，所述第二数据比较模块605包括：

第二近似度获取单元621，用于获取所述测量数据与每组历史数据之间的近似度；

第三匹配判定单元622，用于当所述近似度大于等于预设值时，判定所述多组历史数据中存在与所述测量数据相匹配的历史数据，以及用于当所述近似度小于预设值时，判定所述多组历史数据中不存在与所述测量数据相匹配的历史数据。

另一种实施方式中，如图20所示，所述第二数据比较模块605包括：

第二数据判断单元623，用于判断所述测量数据是否在每组历史数据的数据区间范围内；

第四匹配判定单元624，当所述测量数据在至少一组历史数据的数据区间范围内时，判定所述多组历史数据中存在与所述测量数据相匹配的历史数据，以及用于当所述测量数据不在所述历史数据的数据区间范围内时，判定所述多组历史数据中不存在与所述测量数据相匹配的历史数据。

本发明技术方案能够智能识别出不同的用户，并将当前用户的测量结果显示在与其相对应的账号上，从而避免了现有技术中的不同用户之间测量时的繁琐的操作，提升了用户体验。

以上所述实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围，均应包含在本发明的保护范围之内。

健康管理方法、系统、体脂秤及移动终端与流程

推荐资讯

从出汗看健康出汗透露你的健康信号

早上怎么喝水最健康？

健康管理方法、系统、体脂秤及移动终端与流程

推荐资讯

从出汗看健康 出汗透露你的健康信号

早上怎么喝水最健康？

从出汗看健康出汗透露你的健康信号