技术领域
本发明涉及移动终端技术领域，尤其涉及一种基于移动终端的健康指数获取方法、系统及移动终端。
背景技术
随着移动通信的发展和人们生活水平的不断提高，各种移动终端如手机的使用越来越普及，手机已经成为人们生活中不可缺少的通信工具。现有技术中通常采用手机中固有的三轴加速度传感器获取用户的运动参数，从而了解用户的运动及健康情况。然而三轴加速度传感器对于不同类型的硬件及驱动的实现，可能会对监测数据产生很大影响，造成结果不准；而且现有技术中对健康情况的计算算法复杂度较高，运算量较大，容易消耗手机较多的电量，不利于用户的使用。
由此可知，现有技术还有待于改进和发展。
发明内容
本发明要解决的技术问题在于，针对现有技术的上述缺陷，提供一种基于移动终端的健康指数获取方法、系统及移动终端，旨在通过本发明克服现有技术中存在的以上缺陷，既避免过多地消耗手机电量，为用户使用移动终端提供方便，又可以提供一种精准的健康指数获取方式，便于用户及时了解自己的健康状况。
本发明解决技术问题所采用的技术方案如下：
一种基于移动终端的健康指数获取方法，其中，包括步骤：
S1、移动终端获取用户的身高值、实际体重值、以及用户当天的徒步步数总值，并根据所述身高值、体重值、以及当天的徒步步数总值计算用户当天的徒步分数值；
S2、移动终端在第一采样时间内检测到用户处于静止状态，则实时记录用户当天的久坐次数，并根据所述当天的久坐次数计算用户当天的久坐分数值；
S3、移动终端在第二采样时间内检测到用户处于睡眠状态，则实时记录用户当天的睡眠时长，并根据所述用户当天的睡眠时长计算用户当天的睡眠分数值；
S4、根据计算的所述用户当天的徒步分数值、用户当天的久坐分数值、以及用户当天的睡眠分数值计算用户当天的健康综合分数，并根据所述用户当天的健康综合分数输出用户当天的健康指数。
所述的基于移动终端的健康指数获取方法，其中，所述步骤S1具体包括步骤：
S11、在移动终端中预先设定一用于检测用户当天状态的检测周期，所述用户当天状态包括：静止状态、步行状态、运动状态、以及睡眠状态；
S12、获取用户的身高值和实际体重值，并根据计算式： (身高值-100)*0.9 计算用户的标准体重值；
S13、在移动终端中预先设置并存储一预期徒步步数值，并根据计算式： 预期徒步步数值*（1+k）计算用户的目标徒步步数值，其中参数k的计算公式为：k=(|实际体重值-标准体重值 |) / 标准体重值；
S14、根据所述检测周期获取用户当天的徒步步数总值；
S15、根据计算式：（当天的徒步步数总值/目标徒步步数值）*100 计算用户当天的徒步分数值A并进行存储输出。
所述的基于移动终端的健康指数获取方法，其中，所述步骤S14具体包括步骤：
S141、在移动终端中预先设定一用于采集用户加速度数据的采样频率；
S142、若检测到在预设的采样频率下采集的用户加速度数据为128个，则根据所述采集的用户加速度数据判断用户当前的状态；
S143、若所述用户当前的状态为运动状态/步行状态，则将所述采集的用户加速度数据进行正向傅里叶变换，并获取最大频率MaxF；
S144、判断所述最大频率MaxF是否处于指定的频率范围之内，若处于指定的频率范围之内，则将频率域中[MaxF-1, MaxF+1]的数据进行反向傅里叶变换；
S145、判断所述反向傅里叶变换的数据域中是否存在波谷值，若存在，则将所述数据域中时间间隔为200ms的两个波谷标记为1步，并实时记录步数值；
S146、若检测到用户当前的状态仍为运动状态，且所述步数值达到10步，则实时记录用户当前的步数总值，返回执行步骤S143；
S147、反之，若检测到用户当前的状态改变为步行状态，则实时记录用户当前的步数总值，返回执行步骤S143。
所述的基于移动终端的健康指数获取方法，其中，所述步骤S2具体包括步骤：
S21、预先在移动终端中设定第一采样时间；
S22、若检测到用户在所述检测周期内均处于静止状态，则采用符号0进行标记；否则，采用符号1进行标记；
S23、若检测到在所述第一采样时间内出现连续M个符号0，则记录为 1次久坐，其中M=60/检测周期；
S24、实时记录用户当天的久坐次数，并根据计算式：（1-久坐次数/8）*100计算用户当天的久坐分数值B并进行存储输出。
所述的基于移动终端的健康指数获取方法，其中，所述步骤S3具体包括步骤：
S31、预先在移动终端中设定第二采样时间和标准睡眠时间段；
S32、若检测到用户在所述检测周期内均处于睡眠状态，则采用符号0’进行标记；否则，采用符号1’进行标记；
S33、统计符号0’的个数，并根据计算式：（符号0’的个数）*检测周期/60计算用户在所述第二采样时间内的睡眠时长UL；
S34、根据睡眠时长UL以及预设的第一映射规则获取用户不在标准睡眠时间段的睡眠时长SL，并根据计算式：（SL/8）*100计算用户的睡眠长度分数S1；
S35、根据睡眠时长UL设置第二映射规则，所述第二映射规则用于记录用户睡眠每中断一次，则扣除k分，根据计算式：（UL/8）*100-（8-UL）*k计算用户的睡眠时间分数S2；
S36、根据计算式：（S1+ S2）/2计算用户当天的睡眠分数值C并进行存储输出。
所述的基于移动终端的健康指数获取方法，其特征在于，所述步骤S4具体包括步骤：
S41、分别获取用户当天的徒步分数值A、用户当天的久坐分数值B、以及用户当天的睡眠分数值C，并根据计算式：（（A+B+C）/300）*100计算用户当天的健康综合分数；
S42、将计算的所述用户当天的健康综合分数与预先存储的健康标准值进行比较，获取用户当天的健康指数并输出。
一种基于移动终端的健康指数获取系统，其中，包括：
徒步分数值计算模块，用于移动终端获取用户的身高值、实际体重值、以及用户当天的徒步步数总值，并根据所述身高值、体重值、以及当天的徒步步数总值计算用户当天的徒步分数值；
久坐分数值计算模块，用于移动终端在第一采样时间内检测到用户处于静止状态，则实时记录用户当天的久坐次数，并根据所述当天的久坐次数计算用户当天的久坐分数值；
睡眠分数值计算模块，用于移动终端在第二采样时间内检测到用户处于睡眠状态，则实时记录用户当天的睡眠时长，并根据所述用户当天的睡眠时长计算用户当天的睡眠分数值；
健康指数输出模块，用于根据计算的所述用户当天的徒步分数值、用户当天的久坐分数值、以及用户当天的睡眠分数值计算用户当天的健康综合分数，并根据所述用户当天的健康综合分数输出用户当天的健康指数。
所述基于移动终端的健康指数获取系统，其中，所述徒步分数值计算模块包括：
检测周期预设单元，用于在移动终端中预先设定一用于检测用户当天状态的检测周期，所述用户当天状态包括：静止状态、步行状态、运动状态、以及睡眠状态；
标准体重计算单元，用于获取用户的身高值和实际体重值，并根据计算式： (身高值-100)*0.9 计算用户的标准体重值；
目标徒步步数计算单元，用于在移动终端中预先设置并存储一预期徒步步数值，并根据计算式： 预期徒步步数值*（1+k）计算用户的目标徒步步数值，其中参数k的计算公式为：k=(|实际体重值-标准体重值 |) / 标准体重值；
徒步步数总值获取单元，用于根据所述检测周期获取用户当天的徒步步数总值；
徒步分数值计算单元，用于根据计算式：（当天的徒步步数总值/目标徒步步数值）*100 计算用户当天的徒步分数值A并进行存储输出；
所述徒步步数总值获取单元进一步包括：
采样频率预设子单元，用于在移动终端中预先设定一用于采集用户加速度数据的采样频率；
加速度数据采集子单元，用于若检测到在预设的采样频率下采集的用户加速度数据为128个，则根据所述采集的用户加速度数据判断用户当前的状态；
正向傅里叶变换子单元，用于若所述用户当前的状态为运动状态/步行状态，则将所述采集的用户加速度数据进行正向傅里叶变换，并获取最大频率MaxF；
反向傅里叶变换子单元，用于判断所述最大频率MaxF是否处于指定的频率范围之内，若处于指定的频率范围之内，则将频率域中[MaxF-1, MaxF+1]的数据进行反向傅里叶变换；
步数值实时记录子单元，用于判断所述反向傅里叶变换的数据域中是否存在波谷值，若存在，则将所述数据域中时间间隔为200ms的两个波谷标记为1步，并实时记录步数值；
当天步数总值记录子单元，用于若检测到用户当前的状态仍为运动状态，且所述步数值达到10步，则实时记录用户当前的步数总值，返回执行步骤S143；反之，若检测到用户当前的状态改变为步行状态，则实时记录用户当前的步数总值，返回执行步骤S143。
所述基于移动终端的健康指数获取系统，其中，所述久坐分数值计算模块包括：
第一采样时间预设单元，用于预先在移动终端中设定第一采样时间；
静止状态标记单元，用于若检测到用户在所述检测周期内均处于静止状态，则采用符号0进行标记；否则，采用符号1进行标记；
久坐次数记录单元，用于若检测到在所述第一采样时间内出现连续M个符号0，则记录为 1次久坐，其中M=60/检测周期；
久坐分数值统计单元，用于实时记录用户当天的久坐次数，并根据计算式：（1-久坐次数/8）*100计算用户当天的久坐分数值B并进行存储输出；
所述睡眠分数值计算模块还包括：
第二采样时间预设单元，用于预先在移动终端中设定第二采样时间和标准睡眠时间段；
睡眠状态标记单元，用于若检测到用户在所述检测周期内均处于睡眠状态，则采用符号0’进行标记；否则，采用符号1’进行标记；
睡眠时长计算单元，用于统计符号0’的个数，并根据计算式：（符号0’的个数）*检测周期/60计算用户在所述第二采样时间内的睡眠时长UL；
睡眠长度分数计算单元，用于根据睡眠时长UL以及预设的第一映射规则获取用户不在标准睡眠时间段的睡眠时长SL，并根据计算式：（SL/8）*100计算用户的睡眠长度分数S1；
睡眠时间分数计算单元，用于根据睡眠时长UL设置第二映射规则，所述第二映射规则用于记录用户睡眠每中断一次，则扣除k分，根据计算式：（UL/8）*100-（8-UL）*k计算用户的睡眠时间分数S2；
睡眠分数值统计单元，用于根据计算式：（S1+ S2）/2计算用户当天的睡眠分数值C并进行存储输出；
所述健康指数输出模块包括：
健康综合分数计算单元，用于分别获取用户当天的徒步分数值A、用户当天的久坐分数值B、以及用户当天的睡眠分数值C，并根据计算式：（（A+B+C）/300）*100计算用户当天的健康综合分数；
比较输出单元，用于将计算的所述用户当天的健康综合分数与预先存储的健康标准值进行比较，获取用户当天的健康指数并输出。
一种移动终端，其中，包括如上所述的基于移动终端的健康指数获取系统。
本发明所提供的一种基于移动终端的健康指数获取方法、系统及移动终端，所述方法具体包括：移动终端获取用户的身高值、实际体重值、以及用户当天的徒步步数总值，并根据所述身高值、体重值、以及当天的徒步步数总值计算用户当天的徒步分数值；移动终端在第一采样时间内检测到用户处于静止状态，则实时记录用户当天的久坐次数，并根据所述当天的久坐次数计算用户当天的久坐分数值；移动终端在第二采样时间内检测到用户处于睡眠状态，则实时记录用户当天的睡眠时长，并根据所述用户当天的睡眠时长计算用户当天的睡眠分数值；根据计算的所述用户当天的徒步分数值、用户当天的久坐分数值、以及用户当天的睡眠分数值计算用户当天的健康综合分数，并根据所述用户当天的健康综合分数输出用户当天的健康指数。本发明根据徒步分数计算算法便于用户了解自己一天的运动量，根据久坐分数计算算法便于用户了解自己一天的久坐情况从而便于用户改掉久坐的不良习惯，同时根据睡眠分数计算算法便于用户了解自己的睡眠状况从而对于睡眠不良的情况；本发明既避免了过多地消耗手机电量，又提供了一种全方面的精准的健康指数获取方式，为用户提供了方便。
附图说明
图1是本发明基于移动终端的健康指数获取方法的较佳实施例的流程图。
图2是本发明基于移动终端的健康指数获取方法的徒步步数计算流程图。
图3是本发明基于移动终端的健康指数获取系统的较佳实施例的功能模块图。
具体实施方式
本发明公开了一种基于移动终端的健康指数获取方法、系统及移动终端，为使本发明的目的、技术方案及优点更加清楚、明确，以下参照附图并举实施例对本发明进一步详细说明。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。
请参见图1，图1是本发明基于移动终端的健康指数获取方法的较佳实施例的流程图。图1所示的基于移动终端的健康指数获取方法，包括：
步骤S101、移动终端获取用户的身高值、实际体重值、以及用户当天的徒步步数总值，并根据所述身高值、体重值、以及当天的徒步步数总值计算用户当天的徒步分数值。
本发明实施例中，所述步骤S101具体包括步骤：
S11、在移动终端中预先设定一用于检测用户当天状态的检测周期，所述用户当天状态包括：静止状态、步行状态、运动状态、以及睡眠状态；
S12、获取用户的身高值和实际体重值，并根据计算式： (身高值-100)*0.9 计算用户的标准体重值；
S13、在移动终端中预先设置并存储一预期徒步步数值，并根据计算式： 预期徒步步数值*（1+k）计算用户的目标徒步步数值，其中参数k的计算公式为：k=(|实际体重值-标准体重值 |) / 标准体重值；
S14、根据所述检测周期获取用户当天的徒步步数总值；
S15、根据计算式：（当天的徒步步数总值/目标徒步步数值）*100 计算用户当天的徒步分数值A并进行存储输出。
进一步地，所述步骤S14具体包括步骤：
S141、在移动终端中预先设定一用于采集用户加速度数据的采样频率；
S142、若检测到在预设的采样频率下采集的用户加速度数据为128个，则根据所述采集的用户加速度数据判断用户当前的状态；
S143、若所述用户当前的状态为运动状态/步行状态，则将所述采集的用户加速度数据进行正向傅里叶变换，并获取最大频率MaxF；
S144、判断所述最大频率MaxF是否处于指定的频率范围之内，若处于指定的频率范围之内，则将频率域中[MaxF-1, MaxF+1]的数据进行反向傅里叶变换；
S145、判断所述反向傅里叶变换的数据域中是否存在波谷值，若存在，则将所述数据域中时间间隔为200ms的两个波谷标记为1步，并实时记录步数值；
S146、若检测到用户当前的状态仍为运动状态，且所述步数值达到10步，则实时记录用户当前的步数总值，返回执行步骤S143；
S147、反之，若检测到用户当前的状态改变为步行状态，则实时记录用户当前的步数总值，返回执行步骤S143。
本发明实施例中用户当天的徒步步数总值计算规则，举例说明如下：预先设置用于检测用户当天状态的检测周期为10min，即每10分钟检测用户的状态，所述用户的状态包括：静止状态、步行状态、运动状态、以及睡眠状态。进一步预设一用于采集用户加速度数据的采样频率为每秒50个数据，即每20ms采集一组加速度数据（其中，变量x，y，z分别表示加速度x轴、y轴、z轴上的数据值）。判断系统是否采集到128组加速度数据，若已经达到128组，则根据所述的加速度数据进一步判断用户当前的状态。初始状态下用户的状态为静止状态，仅当加速度的值的变化超过1m/s2，则切换到运动状态。
若检测到用户处于运动状态，则采用正向傅里叶变换，将128个点（即对应的128组加速度数据）的波形图转化到频率域，同时获取最大频率MaxF（即主频）。由于正常人的走路频率处于为[0.5，5]Hz的范围内，因此若检测到获取的最大频率MaxF处于[0.5, 5]Hz的范围内，则进一步将频率域中[MaxF-1, MaxF+1]的数据进行反向傅里叶变换，此时将数据从频率域转换到时域，且此时的时域波形已经是均匀的波形。进一步判断时域波形中是否存在波谷值，若存在，则获取所述数据域中时间间隔为[0.2, 2]s的两个波谷。优选地，将所述数据域中时间间隔为200ms的两个波谷标记为1步，重复以上过程，直到实时积累的标记达到10步，此时将记录的步数值上报至系统，然后切换到步行状态。如果发现主频MaxF或者振幅越过预定义的限制后，则切换到静止状态。
若检测到用户处于步行状态，则按照运动状态的计算规则，两者唯一的区别是：步行状态每累积达到1步都会上报至系统，不需要累计达到10步。
步骤S102、移动终端在第一采样时间内检测到用户处于静止状态，则实时记录用户当天的久坐次数，并根据所述当天的久坐次数计算用户当天的久坐分数值。
本发明实施例中，所述步骤S102具体包括步骤：
S21、预先在移动终端中设定第一采样时间；
S22、若检测到用户在所述检测周期内均处于静止状态，则采用符号0进行标记；否则，采用符号1进行标记；
S23、若检测到在所述第一采样时间内出现连续M个符号0，则记录为 1次久坐，其中M=60/检测周期；
S24、实时记录用户当天的久坐次数，并根据计算式：（1-久坐次数/8）*100计算用户当天的久坐分数值B并进行存储输出。
即，本发明实施例设定久坐次数的第一采样时间为工作日周一至周五的9:00 a.m-12:00 a.m和14:00 p.m-18:00 p.m这两个时间段。若在此第一采样时间段内，检测到用户在10min内没有运动，或者处于静止状态，则用符号0进行标记；否则，采用符号1进行标记。若检测到出现连续6个符号0（即60min/10min），则标记为1次久坐。统计所有的久坐次数，并根据计算式：（1-久坐次数/8）*100计算用户当天的久坐分数值并进行存储输出。
步骤S103、移动终端在第二采样时间内检测到用户处于睡眠状态，则实时记录用户当天的睡眠时长，并根据所述用户当天的睡眠时长计算用户当天的睡眠分数值。
本发明实施例中，所述步骤S103具体包括步骤：
S31、预先在移动终端中设定第二采样时间和标准睡眠时间段；
S32、若检测到用户在所述检测周期内均处于睡眠状态，则采用符号0’进行标记；否则，采用符号1’进行标记；
S33、统计符号0’的个数，并根据计算式：（符号0’的个数）*检测周期/60计算用户在所述第二采样时间内的睡眠时长UL；
S34、根据睡眠时长UL以及预设的第一映射规则获取用户不在标准睡眠时间段的睡眠时长SL，并根据计算式：（SL/8）*100计算用户的睡眠长度分数S1；
S35、根据睡眠时长UL设置第二映射规则，所述第二映射规则用于记录用户睡眠每中断一次，则扣除k分，根据计算式：（UL/8）*100-（8-UL）*k计算用户的睡眠时间分数S2；
S36、根据计算式：（S1+S2）/2计算用户当天的睡眠分数值C并进行存储输出。
即，本发明实施例设定统计睡眠时间的第二采样时间为20:00 p.m-10:00 a.m，其中人体标准的睡眠时间段为23:00 p.m-7:00 a.m，标准睡眠长度为7-9小时。本发明是实施例通过加速度传感器获取数据，如果在a在睡眠阈值[0, 1] m/s2内，则表示用户处于睡眠状态，此时采用符号0’进行标记；否则，采用符号1’进行标记。统计符号0’的个数，并根据计算式：（符号0’的个数）*10min/60min计算用户在所述第二采样时间内的睡眠时长UL。
进一步设定睡眠时长UL与睡眠长度不在标准睡眠长度7-9小时的部分SL之间的映射关系，如表1所示。通过睡眠时长UL获取用户不在标准睡眠时间段的睡眠时长值SL，并根据计算式：（SL/8）*100计算用户的睡眠长度分数S1。
表1
进一步设定睡眠时长UL与用户睡眠中断扣分情况k值之间的映射关系，如表2所示。通过睡眠时长UL获取用户睡眠中断扣分情况k值，并根据计算式：（UL/8）*100-（8-UL）*k计算用户的睡眠时间分数S2。
表2
根据所计算出的用户的睡眠长度分数S1以及用户的睡眠时间分数S2，并结合计算式：（S1+ S2）/2计算用户当天的睡眠分数值并进行存储输出。
步骤S104、根据计算的所述用户当天的徒步分数值、用户当天的久坐分数值、以及用户当天的睡眠分数值计算用户当天的健康综合分数，并根据所述用户当天的健康综合分数输出用户当天的健康指数。
本发明实施例中，所述健康指数输出模块包括：
健康综合分数计算单元，用于分别获取用户当天的徒步分数值A、用户当天的久坐分数值B、以及用户当天的睡眠分数值C，并根据计算式：（（A+B+C）/300）*100计算用户当天的健康综合分数；
比较输出单元，用于将计算的所述用户当天的健康综合分数与预先存储的健康标准值进行比较，获取用户当天的健康指数并输出。
即，本发明实施例中的分数采用百分制，将计算的所述用户当天的健康综合分数与预先存储的健康标准值进行比较，若计算出用户当天的健康综合分数位于[60, 70]分内，则设定用户当天的健康指数为及格；若计算出用户当天的健康综合分数位于（70, 80]分内，则设定用户当天的健康指数为中等；若计算出用户当天的健康综合分数位于（80, 90]分内，则设定用户当天的健康指数为良好；若计算出用户当天的健康综合分数位于（90, 1000]分内，则设定用户当天的健康指数为优秀；若计算出用户当天的健康综合分数位于[0, 60）内，则设定用户当天的健康指数为不及格。通过本发明的健康指数获取方法，用户可以实时了解自己当天的运动量、久坐、以及睡眠质量，从而适时对作息进行调整，改掉不良的生活习惯。
以下将通过具体的应用实施例对本发明的徒步步数计算规则做进一步说明。请参照图2，图2为本发明基于移动终端的健康指数获取方法的徒步步数计算流程图。如图2所示，包括步骤：
S40、预先设置一采样率。
S41、收集x, y, z轴加速度数据，计算加速度值。
S42、判断是否收集到128个数据，若是，则进入步骤S43，否则，返回步骤S41继续采集加速度数据。
S43、判断用户当前的状态。
S44、初始状态下用户的状态为静止状态。
S45、加速度的值的变化超过1m/s2，则进入步骤S46，切换到运动状态。
S46、检测到用户处于运动状态。
S47、采用正向傅里叶变换(正向FTT)，将128个点（即对应的128组加速度数据）的波形图转化到频率域，同时获取最大频率MaxF（即主频）。
S48、判断获取的最大频率MaxF是否处于正常人的走路频率 [0.5, 5]Hz的范围内，若是，则进入步骤S49；否则，返回步骤S46。
S49、进一步将频率域中[MaxF-1, MaxF+1]的数据进行反向傅里叶变换(反向FTT)，此时将数据从频率域转换到时域波形。
S50、进一步判断时域波形中是否存在波谷值，若存在，则进入步骤S51；否则，返回步骤S46。
S51、若存在波谷值，则判断两波谷之间的时间间隔是否处于为[0.2, 2]s内。优选地，所述时间间隔为200ms；若是，则进入步骤S52，否则，返回步骤S46。
S52、将所述数据域中时间间隔为200ms的两个波谷标记为1步。
S53、判断当前状态是否仍旧为运动状态，若是，则进入步骤S54；否则，进入步骤S56。
S54、进一步判断实时积累的标记是否达到10步，若是，则进入步骤S55；否则，返回步骤S46。
S55、检测到用户处于步行状态。
S56、将统计的实时步数值上报至系统进行保存。
由上可见，本发明根据徒步分数计算算法便于用户了解自己一天的运动量，根据久坐分数计算算法便于用户了解自己一天的久坐情况从而便于用户改掉久坐的不良习惯，同时根据睡眠分数计算算法便于用户了解自己的睡眠状况从而对于睡眠不良的情况，可及时发现以及尽早治疗；本发明既避免了过多地消耗手机电量，又提供了一种全方面的精准的健康指数获取方式，为用户提供了方便。
基于上述实施例，本发明还提供一种基于移动终端的健康指数获取系统，如图3所示，包括：
徒步分数值计算模块100，用于移动终端获取用户的身高值、实际体重值、以及用户当天的徒步步数总值，并根据所述身高值、体重值、以及当天的徒步步数总值计算用户当天的徒步分数值；具体如上所述。
久坐分数值计算模块200，用于移动终端在第一采样时间内检测到用户处于静止状态，则实时记录用户当天的久坐次数，并根据所述当天的久坐次数计算用户当天的久坐分数值；具体如上所述。
睡眠分数值计算模块300，用于移动终端在第二采样时间内检测到用户处于睡眠状态，则实时记录用户当天的睡眠时长，并根据所述用户当天的睡眠时长计算用户当天的睡眠分数值；具体如上所述。
健康指数输出模块400，用于根据计算的所述用户当天的徒步分数值、用户当天的久坐分数值、以及用户当天的睡眠分数值计算用户当天的健康综合分数，并根据所述用户当天的健康综合分数输出用户当天的健康指数；具体如上所述。
进一步地，所述徒步分数值计算模块100包括：
检测周期预设单元，用于在移动终端中预先设定一用于检测用户当天状态的检测周期，所述用户当天状态包括：静止状态、步行状态、运动状态、以及睡眠状态；具体如上所述。
标准体重计算单元，用于获取用户的身高值和实际体重值，并根据计算式： (身高值-100)*0.9 计算用户的标准体重值；具体如上所述。
目标徒步步数计算单元，用于在移动终端中预先设置并存储一预期徒步步数值，并根据计算式： 预期徒步步数值*（1+k）计算用户的目标徒步步数值，其中参数k的计算公式为：k=(|实际体重值-标准体重值 |) / 标准体重值；具体如上所述。
徒步步数总值获取单元，用于根据所述检测周期获取用户当天的徒步步数总值；具体如上所述。
徒步分数值计算单元，用于根据计算式：（当天的徒步步数总值/目标徒步步数值）*100 计算用户当天的徒步分数值A并进行存储输出；具体如上所述。
所述徒步步数总值获取单元进一步包括：
采样频率预设子单元，用于在移动终端中预先设定一用于采集用户加速度数据的采样频率；具体如上所述。
加速度数据采集子单元，用于若检测到在预设的采样频率下采集的用户加速度数据为128个，则根据所述采集的用户加速度数据判断用户当前的状态；具体如上所述。
正向傅里叶变换子单元，用于若所述用户当前的状态为运动状态/步行状态，则将所述采集的用户加速度数据进行正向傅里叶变换，并获取最大频率MaxF；具体如上所述。
反向傅里叶变换子单元，用于判断所述最大频率MaxF是否处于指定的频率范围之内，若处于指定的频率范围之内，则将频率域中[MaxF-1, MaxF+1]的数据进行反向傅里叶变换；具体如上所述。
步数值实时记录子单元，用于判断所述反向傅里叶变换的数据域中是否存在波谷值，若存在，则将所述数据域中时间间隔为200ms的两个波谷标记为1步，并实时记录步数值；具体如上所述。
当天步数总值记录子单元，用于若检测到用户当前的状态仍为运动状态，且所述步数值达到10步，则实时记录用户当前的步数总值；反之，若检测到用户当前的状态改变为步行状态，则实时记录用户当前的步数总值。
进一步地，所述久坐分数值计算模块200包括：
第一采样时间预设单元，用于预先在移动终端中设定第一采样时间；具体如上所述。
静止状态标记单元，用于若检测到用户在所述检测周期内均处于静止状态，则采用符号0进行标记；否则，采用符号1进行标记；具体如上所述。
久坐次数记录单元，用于若检测到在所述第一采样时间内出现连续M个符号0，则记录为 1次久坐，其中M=60/检测周期；具体如上所述。
久坐分数值统计单元，用于实时记录用户当天的久坐次数，并根据计算式：（1-久坐次数/8）*100计算用户当天的久坐分数值B并进行存储输出；具体如上所述。
进一步地，所述睡眠分数值计算模块300还包括：
第二采样时间预设单元，用于预先在移动终端中设定第二采样时间和标准睡眠时间段；具体如上所述。
睡眠状态标记单元，用于若检测到用户在所述检测周期内均处于睡眠状态，则采用符号0’进行标记；否则，采用符号1’进行标记；具体如上所述。
睡眠时长计算单元，用于统计符号0’的个数，并根据计算式：（符号0’的个数）*检测周期/60计算用户在所述第二采样时间内的睡眠时长UL；具体如上所述。
睡眠长度分数计算单元，用于根据睡眠时长UL以及预设的第一映射规则获取用户不在标准睡眠时间段的睡眠时长SL，并根据计算式：（SL/8）*100计算用户的睡眠长度分数S1；具体如上所述。
睡眠时间分数计算单元，用于根据睡眠时长UL设置第二映射规则，所述第二映射规则用于记录用户睡眠每中断一次，则扣除k分，根据计算式：（UL/8）*100-（8-UL）*k计算用户的睡眠时间分数S2；具体如上所述。
睡眠分数值统计单元，用于根据计算式：（S1+ S2）/2计算用户当天的睡眠分数值C并进行存储输出；具体如上所述。
进一步地，所述健康指数输出模块400包括：
健康综合分数计算单元，用于分别获取用户当天的徒步分数值A、用户当天的久坐分数值B、以及用户当天的睡眠分数值C，并根据计算式：（（A+B+C）/300）*100计算用户当天的健康综合分数；具体如上所述。
比较输出单元，用于将计算的所述用户当天的健康综合分数与预先存储的健康标准值进行比较，获取用户当天的健康指数并输出；具体如上所述。
基于上述实施例，本发明还提供一种移动终端的实施例，本实施例所述的移动终端包括上述所述的基于移动终端的健康指数获取系统。
综上所述，本发明所提供的一种基于移动终端的健康指数获取方法、系统及移动终端，所述方法具体包括：移动终端获取用户的身高值、实际体重值、以及用户当天的徒步步数总值，并根据所述身高值、体重值、以及当天的徒步步数总值计算用户当天的徒步分数值；移动终端在第一采样时间内检测到用户处于静止状态，则实时记录用户当天的久坐次数，并根据所述当天的久坐次数计算用户当天的久坐分数值；移动终端在第二采样时间内检测到用户处于睡眠状态，则实时记录用户当天的睡眠时长，并根据所述用户当天的睡眠时长计算用户当天的睡眠分数值；根据计算的所述用户当天的徒步分数值、用户当天的久坐分数值、以及用户当天的睡眠分数值计算用户当天的健康综合分数，并根据所述用户当天的健康综合分数输出用户当天的健康指数。本发明根据徒步分数计算算法便于用户了解自己一天的运动量，根据久坐分数计算算法便于用户了解自己一天的久坐情况从而便于用户改掉久坐的不良习惯，同时根据睡眠分数计算算法便于用户了解自己的睡眠状况从而对于睡眠不良的情况，可及时发现以及尽早治疗；本发明既避免了过多地消耗手机电量，又提供了一种全方面的精准的健康指数获取方式，为用户提供了方便。
应当理解的是，本发明的应用不限于上述的举例，对本领域普通技术人员来说，可以根据上述说明加以改进或变换，所有这些改进和变换都应属于本发明所附权利要求的保护范围。