一种用于压力检测数据的处理方法和装置与流程

本发明涉及心理压力检测技术领域，尤其涉及一种用于压力检测数据的处理方法和装置。

背景技术：

在激烈的竞争和社会变革的环境下，人们越来越多地面对各种压力源的威胁。若果长期处在压力环境下，不仅会对心理健康造成影响，更严重者还会威胁生命。因此，需要对人们所面临的压力进行检测和评估，进而再通过科学全面的健康管理，以达到提高生活质量，延长寿命的目的。

但本发明申请人发现现有技术至少存在如下技术问题：

现有技术可以通过ppg或者gsr等传感器的数值，推导出压力的数值，但是这个数值都是以1秒或者非常小的时间间隔出现的，稳定性非常差，可能两个连续数值间的差异非常大，并不能体现真实的压力水平，同时用户对于数据的解读也非常困难。

技术实现要素：

本发明实施例提供了一种用于压力检测数据的处理方法和装置，解决了现有技术中所检测到的压力数值稳定性差，难以体现用户的真实压力水平，也不便于用户进行数据解读，导致准确判断用户的心理状态并进行处理的技术问题，达到了提升压力数值的稳定性和可读性，能够准确判断用户的心理状态，在出现问题时可以及时进行处理的技术效果。

鉴于上述问题，提出了本申请实施例以便提供一种用于压力检测数据的处理方法和装置。

第一方面，本发明提供了一种用于压力检测数据的处理方法，其中，所述方法包括：步骤1：获得第一预设时间段；步骤2：根据第一预设时间段，获得第一用户在第一时刻的第一压力数据、第二时刻的第二压力数据直至获得第n时刻的第n压力数据，其中，所述第一压力数据、第二压力数据、第n压力数据均通过ppg或gsr的方式采集；步骤3：按照第一压力数据，并根据第一神经网络模型对所述第二压力数据进行优化之后，获得第二输出结果；步骤4：重复上述步骤3，直至获得第n输出结果；步骤5：根据所述第一输出结果、第二输出结果直至第n输出结果，获得第一压力下限值和第一压力上限值；步骤6：根据所述第一压力下限值和所述第一压力上限值，获得第一压力警戒值；步骤7：依次判断所述第一输出结果、第二输出结果直至第n输出结果是否超过所述第一压力警戒值；步骤8：若超过，则获得第一警戒时长；步骤9：根据第一预设时间段，判断所述第一警戒时长是否满足第一预设条件；步骤10：若不满足，则发送第一警戒信息给所述第一用户。

第二方面，本发明提供了一种用于压力检测数据的处理装置，所述装置包括：

第一获得单元，所述第一获得单元用于获得第一预设时间段；

第二获得单元，所述第二获得单元用于根据第一预设时间段，获得第一用户在第一时刻的第一压力数据、第二时刻的第二压力数据直至获得第n时刻的第n压力数据，其中，所述第一压力数据、第二压力数据、第n压力数据均通过ppg或gsr的方式采集；

第三获得单元，所述第三获得单元用于按照第一压力数据，并根据第一神经网络模型对所述第二压力数据进行优化之后，获得第二输出结果；

第四获得单元，所述第四获得单元用于重复上述步骤3，直至获得第n输出结果；

第五获得单元，所述第五获得单元用于根据所述第一输出结果、第二输出结果直至第n输出结果，获得第一压力下限值和第一压力上限值；

第六获得单元，所述第六获得单元用于根据所述第一压力下限值和所述第一压力上限值，获得第一压力警戒值；

第一判断单元，所述第一判断单元用于依次判断所述第一输出结果、第二输出结果直至第n输出结果是否超过所述第一压力警戒值；

第七获得单元，所述第七获得单元用于若超过，则获得第一警戒时长；

第二判断单元，所述第二判断单元用于根据第一预设时间段，判断所述第一警戒时长是否满足第一预设条件；

第一发送单元，所述第一发送单元用于若不满足，则发送第一警戒信息给所述第一用户。

第三方面，本发明提供了一种用于压力检测数据的处理装置，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现前述第一方面中任一项所述方法的步骤。

本申请实施例中的上述一个或多个技术方案，至少具有如下一种或多种技术效果：

本发明实施例提供的一种用于压力检测数据的处理方法和装置，搜索方法包括：步骤1：获得第一预设时间段；步骤2：根据第一预设时间段，获得第一用户在第一时刻的第一压力数据、第二时刻的第二压力数据直至获得第n时刻的第n压力数据，其中，所述第一压力数据、第二压力数据、第n压力数据均通过ppg或gsr的方式采集；步骤3：按照第一压力数据，并根据第一神经网络模型对所述第二压力数据进行优化之后，获得第二输出结果；步骤4：重复上述步骤3，直至获得第n输出结果；步骤5：根据所述第一输出结果、第二输出结果直至第n输出结果，获得第一压力下限值和第一压力上限值；步骤6：根据所述第一压力下限值和所述第一压力上限值，获得第一压力警戒值；步骤7：依次判断所述第一输出结果、第二输出结果直至第n输出结果是否超过所述第一压力警戒值；步骤8：若超过，则获得第一警戒时长；步骤9：根据第一预设时间段，判断所述第一警戒时长是否满足第一预设条件；步骤10：若不满足，则发送第一警戒信息给所述第一用户，从而解决了现有技术中所检测到的压力数值稳定性差，难以体现用户的真实压力水平，也不便于用户进行数据解读，导致准确判断用户的心理状态并进行处理的技术问题，达到了提升压力数值的稳定性和可读性，能够准确判断用户的心理状态，在出现问题时可以及时进行处理的技术效果。

上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂，以下特举本发明的具体实施方式。

附图说明

图1为本发明实施例中一种用于压力检测数据的处理方法的流程示意图；

图2为本发明实施例中一种用于压力检测数据的中第一训练模型的流程示意图；

图3为本发明实施例中一种用于压力检测数据的处理方法中为了获得第一用户的警戒等级的流程示意图；

图4为本发明实施例中一种用于压力检测数据的处理方法中为了获得所述第一用户的第一画像信息的流程示意图；

图5为本发明实施例中一种用于压力检测数据的处理方法中为了实现对第一警戒信息进行修正的效果的流程示意图；

图6为本发明实施例中一种用于压力检测数据的处理方法中为了及时为用户提供健康指导的效果的流程示意图；

图7为本发明实施例中一种用于压力检测数据的中为了获得第一警戒时长的流程示意图；

图8为本发明实施例中一种用于压力检测数据的处理装置的结构示意图；

图9为本发明实施例中另一种示例性电子设备的结构示意图。

附图标记说明：第一获得单元11，第二获得单元12，第三获得单元13，第四获得单元14，第五获得单元15，第六获得单元16，第一判断单元17，第七获得单元18，第二判断单元19，第一发送单元20，总线300，接收器301，处理器302，发送器303，存储器304，总线接口306。

具体实施方式

本发明实施例提供了一种用于压力检测数据的处理方法和装置，用于解决现有技术中所检测到的压力数值稳定性差，难以体现用户的真实压力水平，也不便于用户进行数据解读，导致准确判断用户的心理状态并进行处理的技术问题，达到了提升压力数值的稳定性和可读性，能够准确判断用户的心理状态，在出现问题时可以及时进行处理的技术效果。下面，将参考附图详细的描述根据本申请的示例实施例。显然，所描述的实施例仅是本申请的一部分实施例，而不是本申请的全部实施例，应理解，本申请不受这里描述的示例实施例的限制。

申请概述

在激烈的竞争和社会变革的环境下，人们越来越多地面对各种压力源的威胁。若果长期处在压力环境下，不仅会对心理健康造成影响，更严重者还会威胁生命。因此，需要对人们所面临的压力进行检测和评估，进而再通过科学全面的健康管理，以达到提高生活质量，延长寿命的目的。现有技术可以通过ppg或者gsr等传感器的数值，推导出压力的数值，但是这个数值都是以1秒或者非常小的时间间隔出现的，稳定性非常差，可能两个连续数值间的差异非常大，并不能体现真实的压力水平，同时用户对于数据的解读也非常困难。

针对上述技术问题，本发明提供的技术方案总体思路如下：

本申请实施例提供了一种用于压力检测数据的处理方法，其中，所述方法包括：步骤1：获得第一预设时间段；步骤2：根据第一预设时间段，获得第一用户在第一时刻的第一压力数据、第二时刻的第二压力数据直至获得第n时刻的第n压力数据，其中，所述第一压力数据、第二压力数据、第n压力数据均通过ppg或gsr的方式采集；步骤3：按照第一压力数据，并根据第一神经网络模型对所述第二压力数据进行优化之后，获得第二输出结果；步骤4：重复上述步骤3，直至获得第n输出结果；步骤5：根据所述第一输出结果、第二输出结果直至第n输出结果，获得第一压力下限值和第一压力上限值；步骤6：根据所述第一压力下限值和所述第一压力上限值，获得第一压力警戒值；步骤7：依次判断所述第一输出结果、第二输出结果直至第n输出结果是否超过所述第一压力警戒值；步骤8：若超过，则获得第一警戒时长；步骤9：根据第一预设时间段，判断所述第一警戒时长是否满足第一预设条件；步骤10：若不满足，则发送第一警戒信息给所述第一用户。

对于本申请实施例提供了一种用于压力检测数据的处理方法，该方法运用于一智能电子设备的中心压力数据平台中，该压力数据平台与用户的手机软件进行压力数据关联，比如压力监测app等。其中，本发明实施例中所获得的各类压力数据均是通过计算机通信技术自动从上述诸如压力监测app中压力数据库进行自动匹配，关联，处理后予以获得。进一步的，通过计算机技术可以高效、自动匹配，关联，处理各类压力数据，进而解决本发明所要解决的技术问题，实现本发明的技术效果。

在介绍了本申请基本原理后，下面通过附图以及具体实施例对本发明技术方案做详细的说明，应当理解本申请实施例以及实施例中的具体特征是对本申请技术方案的详细的说明，而不是对本申请技术方案的限定，在不冲突的情况下，本申请实施例以及实施例中的技术特征可以相互组合。

实施例一

图1为本发明实施例中一种用于压力检测数据的处理方法的流程示意图。如图1所示，本发明实施例提供了一种用于压力检测数据的处理方法，所述方法包括：

步骤1：获得第一预设时间段。

步骤2：根据第一预设时间段，获得第一用户在第一时刻的第一压力数据、第二时刻的第二压力数据直至获得第n时刻的第n压力数据，其中，所述第一压力数据、第二压力数据、第n压力数据均通过ppg或gsr的方式采集。

具体而言，第一预设时间段为对用户的压力进行监测的一次任务的时间，例如需要采集用户一天内的压力变化，则第一预设时间段为一天，若需要采集用户一周内的压力变化，则第一预设时间段为一周。进一步的，根据第一预设时间段，根据预定的采集时间间隔，获取到第一用户在每一个时刻的压力数据。在本实施例中，每个时刻的压力原始数据均是通过ppg或者gsr等传感器采集到的，其中，ppg(photoplethysmography)为光容积法脉搏波信号，gsr(galvanicskinresponse)为皮肤电反应生理信号。换句话说，获得第一用户在第一时刻的第一压力数据、第二时刻的第二压力数据直至获得第n时刻的第n压力数据，ppg或者gsr等传感器采集到数据之后，再推导出压力的数值。

步骤3：按照第一压力数据，并根据第一神经网络模型对所述第二压力数据进行优化之后，获得第二输出结果。

进一步的，为了获得第二输出结果，如图2所示，本申请实施例步骤3还包括：

步骤301：将所述第一压力数据与所述第二压力数据输入第一训练模型，其中，所述第一训练模型通过多组训练数据训练获得，所述多组中的训练数据中的每一组训练数据均包括：所述第一压力数据、所述第二压力数据和用来标识所述第二压力数据的第二输出结果的标识信息；

步骤302：获得所述第一训练模型的输出信息，其中，所述输出信息包括所述第二压力数据的第二输出结果。

具体而言，所述第一训练模型为机器学习模型中的神经网络模型，所述机器学习模型能通过大量压力数据不断的学习，进而不断地修正模型，最终获得满意的经验来处理其他压力数据。所述机器模型通过多组训练压力数据训练获得，所述神经网络模型通过训练压力数据训练的过程本质上为监督学习的过程。本申请实施例中的第一训练模型是通过多组训练压力数据利用机器学习训练得出的，多组中的训练压力数据中的每一组训练压力数据均包括：第一压力数据、第二压力数据和用来标识第二压力数据的第二输出结果的标识信息。

其中，将第二压力数据的第二输出结果的标识信息作为监督压力数据。输入所述每一组训练压力数据中，对第一压力数据、第二压力数据进行监督学习，确定所述第一训练模型的输出信息达到收敛状态。通过第二压力数据的第二输出结果信息与所述第一训练模型的输出结果进行对比，当一致时，本组压力数据监督学习完成，进行下一组压力数据监督学习；当不一致时，则第一训练模型进行自我修正，直至其输出结果与标识的第二压力数据的第二输出结果信息一致，本组监督学习完成，进行下一组压力数据监督学习；通过大量压力数据的监督学习，使得机器学习模型的输出结果达到收敛状态，则监督学习完成。通过对第一训练模型进行监督学习的过程，使得第一训练模型输出的第二压力数据的第二输出结果信息更加准确，达到了能够准确的对用户压力进行实时监测，并且对压力数据进行优化，提高数据的稳定性的效果。

进一步的，第二时刻的第二输出结果即根据第一压力数据、第二压力数据，进行优化之后的输出结果信息，当第一时刻为第一预设时间段的起始点时，则第一输出结果设定为第一压力数据，也就是通过ppg/gsr传感器所采集到的第一时刻的原始数据。优化方式为通过指数算法的方式进行数据的稳定化处理，例如第一秒通过原始数据(ppg/gsr)输出值为n1，第二秒原始数据为n2，那么经过优化后的计算，第二秒输出的结果r2＝n1×80％+n2×20％，通过这种指数的方式来进行数据的稳定化处理，使得输出的数据结果更加稳定、便于读取。

步骤4：重复上述步骤3，直至获得第n输出结果。

步骤5：根据所述第一输出结果、第二输出结果直至第n输出结果，获得第一压力下限值和第一压力上限值。

步骤6：根据所述第一压力下限值和所述第一压力上限值，获得第一压力警戒值。

具体而言，将每一个时刻的压力数据都优化完之后，即可得到n个输出结果信息，进而，将第一输出结果、第二输出结果直至第n输出结果，进行对比之后，即可获得第一压力下限值和第一压力上限值，也就是说，可以进一步确定n个输出结果中，第一用户压力值的最高点和最低点。接着，即可根据第一压力下限值和第一压力上限值，可以计算得到压力警戒值，例如可以根据压力值的最高点和最低点，将75％高的点作为高危线，进一步的，第一压力警戒值还可根据具体情况设定，本实施例中不做具体限制。从而达到更加便于用户对压力数据进行读取，使得检测结果更加准确的目的。

进一步的，为了保证压力警戒数据存储的安全性，根据第一压力警戒值生成第一验证码，其中，第一验证码与第一压力警戒值是一一对应的；根据第二压力警戒值和第一验证码生成第二验证码…以此类推，将第一压力警戒值与所述第一验证码作为第一存储单位，将第二压力警戒值与第二验证码作为第二存储单位…以此类推，共获得m个存储单位。所述验证码信息作为主体标识信息，主体的标识信息用来与其他主体作出区别。当需要调用所述训练数据时，每后一个节点接收前一节点存储的数据后，通过“共识机制”进行校验后保存，通过哈希技术对于每一存储单位进行串接，使得所述训练数据不易丢失和遭到破坏，通过基于区块链的数据信息处理技术，提升了压力警戒数据的安全性、准确性，保证了由验证码调取压力警戒值的准确性，实现了保证获取到压力警戒值的准确性。

步骤7：依次判断所述第一输出结果、第二输出结果直至第n输出结果是否超过所述第一压力警戒值。

步骤8：若超过，则获得第一警戒时长。

进一步的，为了获得第一警戒时长，如图7所示，本申请实施例步骤8还包括：

步骤801：将所述第一输出结果、第二输出结果直至第n输出结果中，超过所述第一压力警戒值的所有输出结果进行记录；

步骤802：将超过所述第一压力警戒值的所有输出结果对应的时刻进行累积，获得第一警戒时长。

具体而言，一次任务结束后，也就是第一预设时间段的压力值采集完之后，会把这次任务区间内的所有压力值(优化后)计算出来，确认数据的最低点和最高点，然后找到75％高的点，进而根据第一压力警戒值，依次判断第一输出结果、第二输出结果直至第n输出结果是否超过第一压力警戒值，若存在超过第一压力警戒值的输出结果，则将所有的超过第一压力警戒值的输出结果对应的时间进行累积，获得第一警戒时长，其中，第一警戒时长即为用户在第一预设时间段内，压力输出结果超过警戒值的时间。即，将第一输出结果、第二输出结果直至第n输出结果中，所有超过第一压力警戒值的输出结果进行记录，然后将超过第一压力警戒值的输出结果对应的时间进行累积之后，得到第一警戒时长。举例而言，在得到所有优化后的压力值之后，可以根据数据绘制压力曲线图，进而在曲线图中找到75％高的线作为高危线，则在高危线以上的数据即代表压力值高，然后将所有在高危线之上的压力值对应的时刻累积之后，即可得到第一警戒时长。

步骤9：根据第一预设时间段，判断所述第一警戒时长是否满足第一预设条件；

步骤10：若不满足，则发送第一警戒信息给所述第一用户。

具体而言，在得到第一警戒时长之后，即可根据第一预设时间段，判断第一警戒时长是否满足第一预设条件，其中，第一预设条件即为预先设定的第一警戒时长与第一预设时间段的比值的阈值范围。当第一警戒时长不满足第一预设条件时，即第一警戒时长与第一预设时间段的比值超过预设的比值范围，说明第一用户超过警戒线的压力值超过了一定的占比，则需要进一步向第一用户发送第一警戒信息，以达到对用户进行高危提醒的目的，防止用户因长期处于高压之下对身心健康产生影响。

进一步的，为了获得第一用户的警戒等级，如图3所示，本申请实施例步骤10还包括：

步骤101：根据所述第一警戒时长和所述第一预设时间段，获得第一比例关系信息；

步骤102：获得所述第一用户的第一画像信息；

步骤103：将所述第一比例关系信息与所述第一画像信息输入第二训练模型，其中，所述第二训练模型通过多组训练数据训练获得，所述多组中的训练数据中的每一组训练数据均包括：所述第一比例关系信息、所述第一画像信息和用来标识用户的警戒等级的标识信息；

步骤104：获得所述第二训练模型的输出信息，其中，所述输出信息包括所述第一用户的警戒等级信息；

步骤105：根据所述警戒等级信息，获得第一指令信息，其中，所述第一指令信息用于从预设警戒信息列表中获得第一警戒信息之后，将所述第一警戒信息发送给所述第一用户。

具体而言，如前所述，所述第二训练模型同样为机器学习模型中的神经网络模型，所述机器学习模型能通过大量压力数据不断的学习，进而不断地修正模型，最终获得满意的经验来处理其他压力数据。所述机器模型通过多组训练压力数据训练获得，所述神经网络模型通过训练压力数据训练的过程本质上为监督学习的过程。本申请实施例中的第二训练模型是通过多组训练压力数据利用机器学习训练得出的，多组中的训练压力数据中的每一组训练压力数据均包括：第一比例关系信息、第一画像信息和用来标识用户的警戒等级的标识信息。

其中，将用户的警戒等级的标识信息作为监督压力数据。输入所述每一组训练压力数据中，对第一比例关系信息、第一画像信息进行监督学习，确定所述第二训练模型的输出信息达到收敛状态。通过用户的警戒等级信息与所述第二训练模型的输出结果进行对比，当一致时，本组压力数据监督学习完成，进行下一组压力数据监督学习；当不一致时，则第二训练模型进行自我修正，直至其输出结果与标识的用户的警戒等级信息一致，本组监督学习完成，进行下一组压力数据监督学习；通过大量压力数据的监督学习，使得机器学习模型的输出结果达到收敛状态，则监督学习完成。通过对第二训练模型进行监督学习的过程，使得第二训练模型输出的用户的警戒等级信息更加准确，达到了能够准确的对用户压力进行实时监测，在出现异常值时能够及时发现和处理的效果。

进一步的，第一比例关系信息为第一警戒时长与第一预设时间段之间的比值，第一画像信息为第一用户的个人标签信息，在得到第一用户的警戒等级信息之后，即可根据警戒等级信息，然后生成第一指令信息，进而从预设警戒信息列表中，获取到与警戒等级对应的第一警戒信息，再将第一警戒信息发送给第一用户即可。其中，预设警戒信息列表为预先设定的警戒等级与警戒信息的对应关系的列表，也就是说，不同的警戒等级，所发送的警戒信息是不同的。例如，当警戒等级高时，说明用户的高压力数据占比较重，需要及时提醒用户，并且在得到用户的回应之后可以采取相应的措施，若是用户在预设时间未回应，则需要间隔一定的频率持续进行警戒提醒。从而进一步达到保障用户的人身健康，发现问题及时进行提醒的效果。

进一步的，为了获得所述第一用户的第一画像信息，如图4所示，本申请实施例步骤102还包括：

步骤1021：获得所述第一用户的基本属性信息；

步骤1022：获得所述第一用户的个人形态信息；

步骤1023：获得所述第一用户的健康状况信息；

步骤1024：根据所述基本属性信息、健康状况信息、个人形态信息，获得所述第一用户的第一画像信息。

具体而言，基本属性信息即为与第一用户个人相关的基础信息，包括但不限于第一用户的年龄、职业、工作、性别等；个人形态信息为第一用户的身材体态信息，例如用户的身高情况、胖瘦情况等；健康状况信息为第一用户的个人身体健康状况，例如健康、亚健康、存在某种疾病等。通过采集到第一用户的基本属性信息、健康状况信息、个人形态信息之后，即可将这三类信息结合形成第一画像信息，例如第一用户的画像信息为：年龄30岁，身体健康，体型消瘦的男计算机程序员。在采集到第一用户的基本属性信息、健康状况信息、个人形态信息之后，可以进一步对相关信息进行分析处理，以使得更加方便的对模型进行学习，进而提升模型对于画像信息学习的准确性，提升数据处理速度，实现数据的准确性的效果。

进一步的，为了实现对第一警戒信息进行修正的效果，如图5所示，本申请实施例步骤10还包括：

步骤106：获得所述第一用户在第二预设时间段内的历史压力数据；

步骤107：获得所述第一用户在所述第二预设时间段内的历史行为数据；

步骤108：根据所述历史压力数据、历史行为数据，获得所述第一用户的第一影响系数；

步骤109：根据所述第一影响系数，获得第二指令信息，其中，所述第二指令信息用于对所述第一警戒信息进行调整之后，获得第二警戒信息；

步骤110：将所述第二警戒信息发送给所述第一用户。

具体而言，获得第一用户在第二预设时间段内的历史压力数据，其中，第二预设时间段可根据实际需要进行选择，本实施例中不做具体限制。例如第二预设时间段可以是一天、两天、一周等。进一步的，可以相应的采集到第一用户在第二预设时间段内的历史行为数据，即在第二预设时间段内，用户是否参加过一些较为刺激的活动，或者是家里有无发生变故、用户个人是否遭受过意外状况例如考试失利、失恋等。进一步的，根据历史压力数据、历史行为数据，可以得到对于用户压力值的第一影响系数，接着根据第一影响系数生成第二指令信息，并根据第一影响系数、第二指令信息对第一警戒信息进行调整之后，获得调整之后的第二警戒信息，然后将第二警戒信息发送给第一用户，从而达到了能够准确的对用户压力进行实时监测、调整和预警，提高用户的心理压力数据的准确性的效果。

进一步的，为了实现实时监测用户压力数据，避免对用户的身心健康造成伤害和影响，及时为用户提供健康指导的效果，如图6所示，本申请实施例步骤5还包括：

步骤501：根据所述第一输出结果、第二输出结果直至第n输出结果，绘制所述第一用户的压力曲线图；

步骤502：获得压力标准曲线图；

步骤503：根据所述压力曲线图及所述压力标准曲线图，获得所述第一用户的压力偏差信息；

步骤504：判断所述第一用户的压力偏差信息是否满足第二预设条件；

步骤505：若不满足，则获得所述第一医院信息，其中，所述第一医院信息为距离所述第一用户预设距离内的医院；

步骤506：根据所述第一医院信息，获得第一医生信息，其中，所述第一医生信息与所述第一用户具有第一关联度；

步骤507：将所述第一医院信息、第一医生信息，发送给所述第一用户，或，所述第一用户的第一联系人。

具体而言，在得到第一预设时间段内的所有优化之后的输出结果之后，即可根据所有的输出结果绘制第一用户的压力曲线图，然后根据第一用户的画像信息，获得与之对应的压力标准曲线图，进而将压力曲线图与压力标准曲线图进行对比之后，获得第一用户的压力偏差信息，并判断压力偏差信息是否满足第二预设条件，也就是判断压力偏差是否超过预先设定的偏差范围，若超过，则说明压力偏差信息不满足第二预设条件。进一步的，说明用户的压力值很高，需要进行就医治疗，以便获得最佳的诊疗结果。因此，需要进一步获得第一医院信息，其中，第一医院信息为距离第一用户预设距离内的医院，然后可以获取到第一医生信息，且第一医生信息与第一用户具有第一关联度，即第一医生所治疗的心理病症与第一用户存在相应的关联，最后，将第一医院信息、第一医生信息、路线信息均可发送给第一用户，或者是第一用户的第一联系人，从而进一步实现实时监测用户压力数据，避免对用户的身心健康造成伤害和影响，及时为用户提供健康指导的效果。

实施例二

基于与前述实施例中一种用于压力检测数据的处理方法同样的发明构思，本发明还提供一种用于压力检测数据的处理方法装置，如图8所示，所述装置包括：

第一获得单元11，所述第一获得单元11用于获得第一预设时间段；

第二获得单元12，所述第二获得单元12用于根据第一预设时间段，获得第一用户在第一时刻的第一压力数据、第二时刻的第二压力数据直至获得第n时刻的第n压力数据，其中，所述第一压力数据、第二压力数据、第n压力数据均通过ppg或gsr的方式采集；

第三获得单元13，所述第三获得单元13用于按照第一压力数据，并根据第一神经网络模型对所述第二压力数据进行优化之后，获得第二输出结果；

第四获得单元14，所述第四获得单元14用于重复上述步骤3，直至获得第n输出结果；

第五获得单元15，所述第五获得单元15用于根据所述第一输出结果、第二输出结果直至第n输出结果，获得第一压力下限值和第一压力上限值；

第六获得单元16，所述第六获得单元16用于根据所述第一压力下限值和所述第一压力上限值，获得第一压力警戒值；

第一判断单元17，所述第一判断单元17用于依次判断所述第一输出结果、第二输出结果直至第n输出结果是否超过所述第一压力警戒值；

第七获得单元18，所述第七获得单元18用于若超过，则获得第一警戒时长；

第二判断单元19，所述第二判断单元19用于根据第一预设时间段，判断所述第一警戒时长是否满足第一预设条件；

第一发送单元20，所述第一发送单元20用于若不满足，则发送第一警戒信息给所述第一用户。

进一步的，所述按照第一输出结果，并根据第一神经网络模型对所述第二压力数据进行优化之后，获得第二输出结果，包括：

第一训练单元，所述第一训练单元用于将所述第一压力数据与所述第二压力数据输入第一训练模型，其中，所述第一训练模型通过多组训练数据训练获得，所述多组中的训练数据中的每一组训练数据均包括：所述第一压力数据、所述第二压力数据和用来标识所述第二压力数据的第二输出结果的标识信息；

第八获得单元，所述第八获得单元用于获得所述第一训练模型的输出信息，其中，所述输出信息包括所述第二压力数据的第二输出结果。

进一步的，所述装置还包括：

第九获得单元，所述第九获得单元用于根据所述第一警戒时长和所述第一预设时间段，获得第一比例关系信息；

第十获得单元，所述第十获得单元用于获得所述第一用户的第一画像信息；

第二训练单元，所述第二训练单元用于将所述第一比例关系信息与所述第一画像信息输入第二训练模型，其中，所述第二训练模型通过多组训练数据训练获得，所述多组中的训练数据中的每一组训练数据均包括：所述第一比例关系信息、所述第一画像信息和用来标识用户的警戒等级的标识信息；

第十一获得单元，所述第十一获得单元用于获得所述第二训练模型的输出信息，其中，所述输出信息包括所述第一用户的警戒等级信息；

第十二获得单元，所述第十二获得单元用于根据所述警戒等级信息，获得第一指令信息，其中，所述第一指令信息用于从预设警戒信息列表中获得第一警戒信息之后，将所述第一警戒信息发送给所述第一用户。

进一步的，获得所述第一用户的第一画像信息，包括：

第十三获得单元，所述第十三获得单元用于获得所述第一用户的基本属性信息；

第十四获得单元，所述第十四获得单元用于获得所述第一用户的个人形态信息；

第十五获得单元，所述第十五获得单元用于获得所述第一用户的健康状况信息；

第十六获得单元，所述第十六获得单元用于根据所述基本属性信息、健康状况信息、个人形态信息，获得所述第一用户的第一画像信息。

进一步的，所述装置还包括：

第十七获得单元，所述第十七获得单元用于获得所述第一用户在第二预设时间段内的历史压力数据；

第十八获得单元，所述第十八获得单元用于获得所述第一用户在所述第二预设时间段内的历史行为数据；

第十九获得单元，所述第十九获得单元用于根据所述历史压力数据、历史行为数据，获得所述第一用户的第一影响系数；

第二十获得单元，所述第二十获得单元用于根据所述第一影响系数，获得第二指令信息，其中，所述第二指令信息用于对所述第一警戒信息进行调整之后，获得第二警戒信息；

第二发送单元，所述第二发送单元用于将所述第二警戒信息发送给所述第一用户。

进一步的，所述装置还包括：

第一执行单元，所述第一执行单元用于根据所述第一输出结果、第二输出结果直至第n输出结果，绘制所述第一用户的压力曲线图；

第二十一获得单元，所述第二十一获得单元用于获得压力标准曲线图；

第二十二获得单元，所述第二十二获得单元用于根据所述压力曲线图及所述压力标准曲线图，获得所述第一用户的压力偏差信息；

第三判断单元，所述第三判断单元用于判断所述第一用户的压力偏差信息是否满足第二预设条件；

第二十三获得单元，所述第二十三获得单元用于若不满足，则获得所述第一医院信息，其中，所述第一医院信息为距离所述第一用户预设距离内的医院；

第二十四获得单元，所述第二十四获得单元用于根据所述第一医院信息，获得第一医生信息，其中，所述第一医生信息与所述第一用户具有第一关联度；

第三发送单元，所述第三发送单元用于将所述第一医院信息、第一医生信息，发送给所述第一用户，或，所述第一用户的第一联系人。

进一步的，所述获得第一警戒时长，包括：

第二执行单元，所述第二执行单元用于将所述第一输出结果、第二输出结果直至第n输出结果中，超过所述第一压力警戒值的所有输出结果进行记录；

第二十五获得单元，所述第二十五获得单元用于将超过所述第一压力警戒值的所有输出结果对应的时刻进行累积，获得第一警戒时长。

前述图1实施例一中的一种用于压力检测数据的处理方法的各种变化方式和具体实例同样适用于本实施例的一种用于压力检测数据的处理装置，通过前述对一种用于压力检测数据的处理方法的详细描述，本领域技术人员可以清楚的知道本实施例中一种用于压力检测数据的处理装置的实施方法，所以为了说明书的简洁，在此不再详述。

实施例三

基于与前述实施例中一种用于压力检测数据的处理方法同样的发明构思，本发明还提供一种示例性电子设备，如图9所示，包括存储器304、处理器302及存储在存储器304上并可在处理器302上运行的计算机程序，所述处理器302执行所述程序时实现前文所述用于压力检测数据的处理方法的任一方法的步骤。

其中，在图9中，总线架构(用总线300来代表)，总线300可以包括任意数量的互联的总线和桥，总线300将包括由处理器302代表的一个或多个处理器和存储器304代表的存储器的各种电路链接在一起。总线300还可以将诸如外围设备、稳压器和功率管理电路等之类的各种其他电路链接在一起，这些都是本领域所公知的，因此，本文不再对其进行进一步描述。总线接口306在总线300和接收器301和发送器303之间提供接口。接收器301和发送器303可以是同一个元件，即收发机，提供用于在传输介质上与各种其他装置通信的单元。处理器302负责管理总线300和通常的处理，而存储器304可以被用于存储处理器302在执行操作时所使用的压力数据。

本申请实施例中的上述一个或多个技术方案，至少具有如下一种或多种技术效果：

本发明实施例提供的一种用于压力检测数据的处理方法和装置，其中，所述方法包括：步骤1：获得第一预设时间段；步骤2：根据第一预设时间段，获得第一用户在第一时刻的第一压力数据、第二时刻的第二压力数据直至获得第n时刻的第n压力数据，其中，所述第一压力数据、第二压力数据、第n压力数据均通过ppg或gsr的方式采集；步骤3：按照第一压力数据，并根据第一神经网络模型对所述第二压力数据进行优化之后，获得第二输出结果；步骤4：重复上述步骤3，直至获得第n输出结果；步骤5：根据所述第一输出结果、第二输出结果直至第n输出结果，获得第一压力下限值和第一压力上限值；步骤6：根据所述第一压力下限值和所述第一压力上限值，获得第一压力警戒值；步骤7：依次判断所述第一输出结果、第二输出结果直至第n输出结果是否超过所述第一压力警戒值；步骤8：若超过，则获得第一警戒时长；步骤9：根据第一预设时间段，判断所述第一警戒时长是否满足第一预设条件；步骤10：若不满足，则发送第一警戒信息给所述第一用户，解决了现有技术中所检测到的压力数值稳定性差，难以体现用户的真实压力水平，也不便于用户进行数据解读，导致准确判断用户的心理状态并进行处理的技术问题，达到了提升压力数值的稳定性和可读性，能够准确判断用户的心理状态，在出现问题时可以及时进行处理的技术效果。

本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。

本发明是参照根据本发明实施例的方法、设备(系统)和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程压力数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程压力数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程压力数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程压力数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

起点商标作为专业知识产权交易平台，可以帮助大家解决很多问题，如果大家想要了解更多知产交易信息请点击 【在线咨询】或添加微信 【19522093243】与客服一对一沟通，为大家解决相关问题。

此文章来源于网络,如有侵权,请联系删除