智能可穿戴设备如何跨越监测数据不准的鸿沟?

简介:

可以说监测数据不准是当前所有智能手环、手表所面临的共同问题。

智能可穿戴设备如何跨越监测数据不准的鸿沟?1

前不久,耐克和苹果因耐克FuelBand手环数据不准惹上了官司,让耐克和苹果从共同致富的合作伙伴变成了难兄难弟。最后这场集体诉讼案与原告方达成和解协议而尘埃落定。

不仅仅是记录热量消耗、行走步数不准,其实监测不准是当前所有智能手环、手表所面临的共同问题。所以可以说FuelBand的这场官司并非只是耐克的官司,同时也是整个可穿戴设备产业的官司。

现在,由于对可穿戴设备的美好期望与骨感现实存在落差,一些用户选择“弃用”来进行无声的抗议。在对这个行业产生深深的忧虑同时,我们也要接受当前鲜有可穿戴设备是真正意义上完全合格产品的客观现实。当然,我们也应该更冷静地着眼于现有的产品技术水平,对行业的发展报以理性的乐观,相信起步的艰难并不影响其作为物联网载体的趋势地位。

一、心率监测准确吗?

现在只有拥有“可穿戴设备”的头衔的产品,几乎都配有记录各项与人体有关数据的功能,比如睡眠、心率、运动量等。貌似如果不够“全能”,就不能立足于智能可穿市场,当然这也无可厚非,因为没了数据的可穿戴设备没有任何存在价值。那么问题来了,这些可穿戴设备它们的数据准确吗?

为了解市面上的智能设备心率监测功能到底如何,CNET的Sharon Profis在心脏病学家Jon Zaroff博士的帮助下,选取了Garmin VivoFit、Basis Carbon Steel、Withings Pulse O2、三星Gear Fit以及三星搭载指尖传感器的Galaxy S5作为测试对象,展开了三个静止测试和三个运动测试。

智能可穿戴设备如何跨越监测数据不准的鸿沟?2

从上图五款智能手环心率监测产生的误差对比表,我们可以发现,只有在静止状态五款可穿戴设备才能把误差率控制在10%左右。如果在运动状态中,除了Garmin VivoFit和Galaxy S5表现惊人外,其余几款设备的监测误差较大。

从原理上看,目前大部分的移动设备端搭载的传感器是一种通过光反射测量的光电心率传感器,即通过 LED 照明毛细血管,监测血液流动速度,以获得每分钟心跳数。如果想获得比较精准的监测数据,光电心率传感器往往对实际监测的环境要求相当高,即用户不能说话、不能移动、不能出汗。因此在运动环境下,其误差几率就会比较大。专业医疗环境使用的心电图机器或胸带心率监测器利用的是电极式心率传感器,这类设备往往操作比较复杂且庞大,因此还无法应用于较小的可穿戴设备上。

为什么Garmin VivoFit和Galaxy S5可以避免这个问题呢?那是因为Garmin VivoFit是胸带心率传感器,技术原理类似于心电图机器,而Galaxy S5尽管原理上与手环一致,但不同的是手机测量的位置在指尖,由于食指指尖存在一个动脉血管,它基本上能与心脏保持相同的频率,从而能在运动情况下保持相对准确的数据记录。

智能可穿戴设备如何跨越监测数据不准的鸿沟?3

据实验结果可发现,像智能手环以及手表类产品,佩戴在手腕心率监测数据很不“靠谱”。想要在运动的状态下获得准确的心率数据,可穿戴设备的佩戴位置很重要,即要么在靠近心脏的地方,要么在靠近指尖的地方。

二、那么睡眠监测呢?

除了心率监测之外,还有一项被大家关注的技术,就是对睡眠的监测。

比如,宣传称可以监测用户深度睡眠时间的Jawbone UP手环,其监测原理也被相关的医学专家给否定了。在监测用户深度睡眠时间的功能上,Jawbone UP的实现原理是通过活动监测仪跟踪用户在睡觉时间的微幅运动,以判断其睡眠状态。另外一种对睡眠的监测是参照心率来实现,由于我们的心率随着睡眠周期的变化会发生相应的改变,当我们处于深度睡眠时,心率会相应的下降,所以我们就参照了这个睡眠时间的心率变化来监测睡眠质量。

显然,Jawbone UP手环的监测方式并不科学,其得出的数据也并不可靠。因为对睡眠深度的判断是根据睡眠过程中脑电、肌电和眼电的表现和特征来进行综合判断的。而另外参照于心率的监测,由于目前可穿戴设备上的心率传感器准确度偏低,其可信度有待考量,而此时如果依据心率为参考依据得出的睡眠周期数据“错上加错”。

显然,无论如何都不能说目前那些没有经过医疗认证的可穿戴设备上的数据是准确的,或者是接近于真实世界的,尤其是智能手表与智能手环类产品。其实,我们可以从各类可穿戴设备的广告宣传中看到,企业是尽量避开数据准确这个问题的,同时回避了用户对产品寄予“无穷大”期望所带来的风险。于他们而言这不过是一个营销策略。

不过,“准确”本来就是一个相对概念,即使是专业级的医疗设备也还会存在一定的误差。所以如果你不介意,这些数据也可以作为参考的,你可以根据这些数据大致判断出一个趋势,增加对自身的了解,进而科学地调整生活方式。

三、如何面对监测“不准”

我们首先要正视现实,当前的智能手表、手环,由于在产品形态上更加微型化,与当前的医疗级监测产品相比精确性差距较大。当前也有一些专注于做医疗级监测的智能手表,其在监测上并不亚于医疗级的监测产品。对当前的医疗级监测产品而言,其监测的“准确”性也只是一个相对的概念,并不能完全真实地反应人体真实生理状况的全部。

对于企业而言,我们需要客观地面对当前产业发展过程的阶段,站在用户的角度将自身核心监测,并且是成熟的技术通过营销的方式传递给消费者。对于一些处于发展过程中的技术,或许我们需要采取“保守”的方式,以一种附加功能的形式,在营销宣传的过程中清晰的告知消费者改功能只能作为参考依据。

对于消费者而言,尤其是那些电子产品发烧友,需要对新科技事物给予更多的包容,特别是是可穿戴设备这种颠覆性的产品技术,罗马不是一天建成的。我们站在今天一下成熟的电子设备角度来看待可穿戴设备,或许有着各种各样的不完美,但如果站在整个物联网时代的趋势角度来看待,当前的可穿戴正处于时代的风口上,正在以超越PC、智能手机曾经的发展速度在进化。

虽然现在人们对可穿戴设备的美好期望与骨感现实之间还有一定距离。但随着时间的推移,产业链技术的不断完善,算法技术经验的修正、积累,不论是基于手表、手环、衣服等任意形态的穿戴类设备,其监测数据将会不断地接近于人体真实的生理状态。最后,它将会像我们所期待那样走向成熟、造福人类。


原文发布时间: 2015-08-26 17:52
本文作者: 豆瑞米
本文来自云栖社区合作伙伴镁客网,了解相关信息可以关注镁客网。
相关文章
|
1月前
|
边缘计算 物联网 5G
5G小基站技术:解决室内覆盖难题
【10月更文挑战第25天】
113 5
|
4月前
|
传感器 自动驾驶 安全
无人驾驶汽车可以通过优化路线和交通流动来减少交通拥堵
无人驾驶汽车可以通过优化路线和交通流动来减少交通拥堵
|
7月前
|
监控 安全 5G
浅谈新兴室内外无线局域精准定位技术UWB(超宽带
浅谈新兴室内外无线局域精准定位技术UWB(超宽带
67 0
|
7月前
|
机器学习/深度学习 算法 自动驾驶
集检测与分类于一身的LVLane来啦 | 正面硬刚ADAS车道线落地的困难点
集检测与分类于一身的LVLane来啦 | 正面硬刚ADAS车道线落地的困难点
196 0
|
机器学习/深度学习 存储 传感器
华为机器视觉的“产业”军团定位和“集团军”效应
华为机器视觉的“产业”军团定位和“集团军”效应
|
物联网 芯片
为两轮电动车植入“大脑”,智能ECU拓宽出行新边界
编辑语: 应用速递栏目:应用速递是面向IoT厂商推荐芯片开放社区(OCC)上的典型应用案例,便于IoT厂商精准获取方案,快速实现产品落地。
569 0
为两轮电动车植入“大脑”,智能ECU拓宽出行新边界
|
传感器 算法 安全
在可穿戴技术中发挥作用的传感器
可穿戴式连接设备具有广阔的前景,尤其是在医疗保健领域。使用这些设备,我们可以连续访问重要的数据源,而不是定期测量与健康相关的征兆。本文介绍了支持这些可穿戴设备的各种传感器,其中包括陀螺仪,加速度计,可穿戴电极,温度传感器,高度计,接近传感器和生化传感器。
501 0
在可穿戴技术中发挥作用的传感器