1.一种姿势识别方法，包括：
获取使用位于可穿戴设备上的至少一个传感器收集的传感器数据，其中所述可穿戴设备被配置为由用户穿戴；以及
分析所述传感器数据以确定所述用户执行预定义姿势的概率，其中部分地基于所述传感器数据中的运动矢量的幅度并且在不将所述运动矢量与一个或多个物理运动轮廓进行比较的情况下来确定所述概率。
2.一种用于实现姿势识别的系统，包括：
存储器，其用于存储使用位于可穿戴设备上的至少一个传感器收集的传感器数据，其中所述可穿戴设备被配置为由用户穿戴；以及
一个或多个处理器，其被配置用于执行软件指令集，以分析所述传感器数据以确定所述用户执行预定义姿势的概率，其中部分地基于所述传感器数据中的运动矢量的幅度并且在不将所述运动矢量与一个或多个物理运动轮廓进行比较的情况下来确定所述概率。
3.一种存储指令的有形计算机可读介质，所述指令当由一个或多个处理器执行时使所述一个或多个处理器执行计算机实现的姿势识别方法，所述方法包括：
获取使用位于可穿戴设备上的至少一个传感器收集的传感器数据，其中所述可穿戴设备被配置为由用户穿戴；以及
分析所述传感器数据以确定所述用户执行预定义姿势的概率，其中部分地基于所述传感器数据中的运动矢量的幅度并且在不将所述运动矢量与一个或多个物理运动轮廓进行比较的情况下来确定所述概率。
4.根据权利要求1所述的方法，其中，从与不同活动相关联的不同姿势的组中选择所述预定义姿势。
5.根据权利要求4所述的方法，还包括：部分地基于所述传感器数据中的不同运动矢量的幅度并且在不将所述运动矢量与所述一个或多个物理运动轮廓进行比较的情况下，来彼此区分与所述不同活动相关联的姿势。
6.根据权利要求1所述的方法，其中，所述至少一个传感器包括加速度计和陀螺仪。
7.根据权利要求6所述的方法，其中，所述运动矢量的幅度包括：(1)从所述加速度计获取的加速度矢量的幅度和/或(2)从所述陀螺仪获取的角速度矢量的幅度。
8.根据权利要求7所述的方法，还包括：部分地基于所述加速度矢量的幅度和/或所述角速度矢量的幅度来确定所述概率。
9.根据权利要求8所述的方法，还包括：部分地基于不同时间段内的所述加速度矢量的幅度和/或所述角速度矢量的幅度并且在不将所述加速度矢量和/或所述角度速度矢量与一个或多个物理运动轮廓进行比较的情况下来确定所述概率。
10.根据权利要求7所述的方法，还包括：基于所述加速度矢量和/或所述角速度矢量来计算所述可穿戴设备的俯仰角、滚动角和/或横摆角。
11.根据权利要求10所述的方法，还包括：基于所述俯仰角、所述滚动角和/或所述横摆角来确定所述概率。
12.根据权利要求7所述的方法，还包括：确定不同时间段内的所述加速度矢量的幅度与所述角速度矢量的幅度之间的相关性，以便确定所述用户执行所述预定义姿势的所述概率。
13.根据权利要求1所述的方法，其中，所述至少一个传感器还包括以下中的一个或多个：磁力计、心率监控器、全球定位系统(GPS)接收机、外部温度传感器、麦克风、皮肤温度传感器、电容传感器和/或被配置用于检测皮肤电反应的传感器。
14.根据权利要求1所述的方法，其中，在不将所述传感器数据与所述一个或多个物理运动轮廓进行比较的情况下分析所述传感器数据。
15.根据权利要求14所述的方法，其中，所述一个或多个物理运动轮廓的形状基本上类似于所述用户的一个或多个物理姿势的形状。
16.根据权利要求11所述的方法，其中，分析所述传感器数据还包括计算多维分布函数，其中所述多维分布函数是多个特征的概率函数。
17.根据权利要求16所述的方法，其中，所述多个特征与所述预定义姿势的各个方面相关联。
18.根据权利要求17所述的方法，其中，所述多个特征包括以下特征中的两个或更多个：(1)在所述姿势期间的子动作的持续时间；(2)所述加速度矢量的幅度；(3)所述角速度矢量的幅度；(4)所述滚动角；和(5)所述俯仰角。
19.根据权利要求16所述的方法，其中，所述多维分布函数与所述预定义姿势的一个或多个特性相关联。
20.根据权利要求16所述的方法，其中，所述多维分布函数被配置用于返回0和1之间的单个概率值，并且其中所述概率值表示每个特征的概率。
21.根据权利要求16所述的方法，其中，每个特征由离散值表示。
22.根据权利要求16所述的方法，其中，每个特征沿着连续体是可测量的。
23.根据权利要求16所述的方法，其中，所述多个特征被编码在所述传感器数据内，并从所述传感器数据中提取。
24.根据权利要求16所述的方法，其中，两个或更多个特征是相关的。
25.根据权利要求24所述的方法，其中，通过使用奇异值分解(SVD)来计算所述多维分布函数以对所述两个或更多个相关特征去相关。
26.根据权利要求25所述的方法，其中，所述SVD的使用减少了计算针对所述多维分布函数的概率值所需的处理时间，并且减少了确定所述用户执行所述预定义姿势的概率所需的传感器数据量。
27.根据权利要求16所述的方法，其中，通过将每个特征的去相关(旋转)1D可能密度分布相乘来计算所述多维分布函数，使得所述多维分布函数f(p1,p2,...,pn)＝f(p1)*f(p2)*...*f(pn)。
28.根据权利要求27所述的方法，其中，函数f(p1)是第一特征的1D概率密度分布，函数f(p2)是第二特征的1D概率密度分布，并且函数f(pn)是第n个特征的1D概率密度分布。
29.根据权利要求28所述的方法，其中，从每个特征的采样获取每个特征的1D概率密度分布。
30.根据权利要求29所述的方法，其中，所述采样尺寸在所有特征上是恒定的。
31.根据权利要求29所述的方法，其中，所述采样尺寸在不同特征之间是可变的。
32.根据权利要求16所述的方法，还包括：确定所述多个特征中的一个或多个是否是在统计学上不显著的。
33.根据权利要求32所述的方法，其中，一个或多个统计学上不显著的特征与所述预定义姿势具有低相关性。
34.根据权利要求32所述的方法，还包括：从所述多维分布函数中移除所述一个或多个统计学上不显著的特征。
35.根据权利要求34所述的方法，其中，从所述多维分布函数中移除所述一个或多个统计学上不显著的特征减少了计算所述多维分布函数的概率值所需的计算时间和/或功率。
36.根据权利要求1所述的方法，其中，分析所述传感器数据还包括将滤波器应用于所述传感器数据。
37.根据权利要求37所述的方法，其中，所述滤波器是包括有限脉冲响应(FIR)滤波器和/或无限脉冲响应(IIR)滤波器的较高阶复数滤波器。
38.根据权利要求37所述的方法，其中，所述滤波器是卡尔曼滤波器或帕克斯-麦克莱伦滤波器。
39.根据权利要求1所述的方法，其中，所述可穿戴设备被配置用于将一些或全部传感器数据传输到用户设备和/或服务器以用于所述传感器数据的分析。
40.根据权利要求1所述的方法，其中，所述传感器数据的传输是经由一个或多个无线或有线通信信道。
41.根据权利要求40所述的方法，其中所述一个或多个无线通信信道包括BLE(蓝牙低能量)、WiFi、3G和/或4G网络。
42.根据权利要求39所述的方法，还包括：当所述可穿戴设备没有与所述用户设备和/或所述服务器处于可操作通信中时，将所述传感器数据存储在所述可穿戴设备上的存储器中。
43.根据权利要求42所述的方法，还包括：当所述可穿戴设备与所述用户设备和/或所述服务器之间的可操作通信被重新建立时，将所述传感器数据从所述可穿戴设备传输到所述用户设备和/或所述服务器。
44.根据权利要求1所述的方法，还包括：将数据压缩步骤应用于所述传感器数据。
45.根据权利要求44所述的方法，其中，所述传感器数据的压缩减少了传输所述传感器数据所需的带宽，并且其中所述传感器数据的压缩减少了在所述传感器数据的传输期间所述可穿戴设备的功耗。
46.根据权利要求44所述的方法，其中，所述数据压缩步骤包括沿着不同的测量轴计算所述传感器数据的采样之间的基于时间的差异。
47.根据权利要求46所述的方法，其中，所述基于时间的差异从所述可穿戴设备传输到用户设备和/或服务器。
48.根据权利要求44所述的方法，其中，使用预定义数目的比特来压缩所述传感器数据。
49.根据权利要求1所述的方法，其中，所述一个或多个传感器被配置用于以预定频率收集所述传感器数据。
50.根据权利要求49所述的方法，其中，所述预定频率被配置用于优化和/或减少所述可穿戴设备的功耗。
51.根据权利要求49所述的方法，其中，所述预定频率为从约10Hz至约20Hz的范围。
52.根据权利要求49所述的方法，其中，所述一个或多个传感器被配置用于，当所述用户正在执行所述姿势的概率低于预定义阈值时，以第一预定频率收集所述传感器数据。
53.根据权利要求52所述的方法，其中，所述一个或多个传感器被配置用于，当所述用户正在执行所述姿势的概率高于预定义阈值时，以第二预定频率收集所述传感器数据。
54.根据权利要求53所述的方法，其中，所述第二预定频率高于或等于所述第一预定频率。
55.根据权利要求49所述的方法，其中，所述一个或多个传感器被配置用于在预定的持续时间内收集所述传感器数据。
56.根据权利要求49所述的方法，其中，所述一个或多个传感器被配置用于当所述可穿戴设备通电时实时地连续收集所述传感器数据。
57.根据权利要求49所述的方法，其中所述一个或多个传感器包括第一组传感器和第二组传感器，并且所述方法还包括：选择性地激活所述第一组传感器和所述第二组传感器以减少所述可穿戴设备的功耗。
58.根据权利要求57所述的方法，还包括：选择性地激活所述第一组传感器和所述第二组传感器以减少所收集的传感器数据量。
59.根据权利要求58所述的方法，其中，所述传感器数据量的减少允许更快速地分析/处理所述传感器数据，并且减少存储所述传感器数据所需的存储量。
60.根据权利要求57所述的方法，其中，当所述可穿戴设备通电时，激活所述第一组传感器。
61.根据权利要求60所述的方法，其中，所述第一组传感器用于确定所述用户执行所述预定义姿势的概率。
62.根据权利要求57所述的方法，其中，当所述用户正在执行所述姿势的概率低于预定义阈值时，所述第二组传感器是不起作用的。
63.根据权利要求57所述的方法，其中，当所述可穿戴设备通电时以及当所述用户正在执行所述姿势的概率高于预定义阈值时，选择性地激活所述第二组传感器。
64.根据权利要求64所述的方法，其中，在确定所述用户正在执行所述预定义姿势时，选择性地激活所述第二组传感器。
65.根据权利要求64所述的方法，其中，激活所述第二组传感器以收集附加的传感器数据，以便确认所述用户正在执行所述预定义姿势，监控所述姿势，以及收集与所述姿势相关的附加传感器数据。
66.根据权利要求1所述的方法，其中，所述可穿戴设备被配置用于以多个能量和/或性能模式操作。
67.根据权利要求66所述的方法，其中，所述多个模式包括低功率模式，在所述低功率模式中开启所述可穿戴设备中的至少一个加速度计。
68.根据权利要求67所述的方法，其中，当所述可穿戴设备处于所述低功率模式时，所述可穿戴设备具有低功耗。
69.根据权利要求68所述的方法，其中，当所述可穿戴设备处于所述低功率模式时，降低了检测所述用户是否正在执行所述预定义姿势的精度。
70.根据权利要求66所述的方法，其中，所述多个模式包括其中所有所述传感器都开启的精度模式。
71.根据权利要求70所述的方法，其中，当所述可穿戴设备处于所述精度模式时，所述可穿戴设备具有高功耗。
72.根据权利要求71所述的方法，其中，当所述可穿戴设备处于所述精度模式时，提高了检测所述用户是否正在执行所述预定义姿势的精度。
73.根据权利要求1所述的方法，其中，当所述可穿戴设备处于空闲模式或充电模式时，所述传感器数据不被分析或传输。
74.根据权利要求1所述的方法，其中，所述传感器数据包括以下参数中的至少一个：
(1)所述用户用于进行所述姿势的活动手；(2)所述用户的脉冲模式；(3)所述用户的位置；
(4)所述可穿戴设备和/或用户设备的标识符；和(5)与所述姿势相关的所述用户的行为统计。
75.根据权利要求74所述的方法，还包括：基于所述参数中的一个或多个来认证所述用户的身份。
76.根据权利要求1所述的方法，还包括：确定所述用户在一天的不同时间和/或在不同地理位置处执行所述预定义姿势的概率。
77.根据权利要求76所述的方法，还包括：基于一天的不同时间和/或不同的地理位置来调整所述传感器数据收集的频率。
78.根据权利要求77所述的方法，其中，在所述用户执行所述预定义姿势的概率高于预定阈值的地理位置处和/或一天的时间处增加所述传感器数据收集的频率。
79.根据权利要求77所述的方法，其中，在所述用户执行所述预定义姿势的概率低于预定阈值的地理位置处和/或一天的时间处降低所述传感器数据收集的频率。
80.根据权利要求77所述的方法，还包括：基于所述用户在一天中的不同时间和/或在不同地理位置处执行所述预定义姿势的概率来选择性地激活所述传感器中的一个或多个。
81.一种检测吸烟姿势的方法，包括：
获取使用一个或多个传感器收集的传感器数据，其中所述传感器包括多轴加速度计，所述多轴加速度计位于被配置为由用户穿戴的可穿戴设备上；以及
分析所述传感器数据以确定所述用户吸烟的概率，其中部分地基于所述传感器数据中的加速度矢量的幅度并且在不将运动矢量与一个或多个物理运动轮廓进行比较的情况下来确定所述概率。
82.一种用于实现姿势识别的系统，包括：
存储器，其用于存储使用一个或多个传感器收集的传感器数据，其中所述传感器包括多轴加速度计，所述多轴加速度计位于被配置为由用户穿戴的可穿戴设备上；以及一个或多个处理器，其被配置用于执行软件指令集，以分析所述传感器数据以确定所述用户吸烟的概率，其中，部分地基于所述传感器数据中的加速度矢量的幅度并且在不将运动矢量与一个或多个物理运动轮廓进行比较的情况下来确定所述概率。
83.一种存储指令的有形计算机可读介质，所述指令在由一个或多个处理器执行时使所述一个或多个处理器执行计算机实现的姿势识别方法，所述方法包括：
获取使用一个或多个传感器收集的传感器数据，其中所述传感器包括多轴加速度计，所述多轴加速度计位于被配置为由用户穿戴的可穿戴设备上；以及
分析所述传感器数据以确定所述用户吸烟的概率，其中部分地基于所述传感器数据中的加速度矢量的幅度并且在不将运动矢量与一个或多个物理运动轮廓进行比较的情况下来确定所述概率。
84.根据权利要求81所述的方法，其中，分析所述传感器数据包括分析所述传感器数据中的一个或多个特征以确定所述用户进行香烟抽吸的概率。
85.根据权利要求84所述的方法，其中，所述特征包括以下中的至少一个：(1)在所述用户的口中检测到潜在的香烟的持续时间；(2)所述用户的手臂的滚动角；(3)吸烟者的手臂的俯仰角；(4)潜在吸烟抽吸的持续时间；(5)连续的潜在抽吸之间的持续时间；(6)所述用户完成吸烟的潜在抽吸数目；(7)所述加速度矢量的幅度；(8)所述用户的手臂的速度；(9)与手臂到口的姿势相对应的吸气区域；和/或(10)与手臂从口向下的姿势相对应的呼气区域。
86.根据权利要求85所述的方法，还包括：从所述传感器数据中提取所述特征。
87.根据权利要求81所述的方法，还包括：基于一个或多个用户输入来调整所述用户吸烟的概率。
88.根据权利要求87所述的方法，其中，所述用户输入包括：(1)指示所述用户不吸烟的输入信号；(2)指示所述用户已经吸烟的输入信号；和(3)指示所述用户已经吸烟但没有识别或检测到吸烟姿势的输入信号。
89.根据权利要求88所述的方法，还包括：基于所分析的传感器数据和所述一个或多个用户输入来为所述用户生成用户配置文件(UCF)。
90.根据权利要求89所述的方法，其中，所述UCF对于多个用户是通用的。
91.根据权利要求89所述的方法，其中，所述UCF在一段时间后变成对于每个用户是唯一的。
92.根据权利要求91所述的方法，其中，所述UCF被配置用于取决于所述用户的行为而随时间进行适配和改变。
93.根据权利要求91所述的方法，其中，所述UCF包括与除了吸烟之外的不同活动相关联的用户参数的列表。
94.根据权利要求93所述的方法，其中，所述不同的活动包括以下中的至少一个：站立、行走、坐着、驾驶、饮用、进食和/或当不管站立还是坐着时的倚靠。
95.根据权利要求89所述的方法，还包括：当在预定时间段内没有检测到用户的吸烟时，动态地改变所述UCF。
96.根据权利要求95所述的方法，其中，动态地改变所述UCF以反映所述用户的吸烟行为的变化。
97.根据权利要求89所述的方法，还包括：基于从所述传感器数据提取的滚动角/俯仰角和/或横摆角，确定所述用户是用右手还是左手吸烟。
98.根据权利要求97所述的方法，还包括：用所述用户的左/右手信息来更新所述UCF。
99.根据权利要求81所述的方法，其中，使用与一个或多个吸烟特性相关联的多维分布函数来确定所述概率。
100.根据权利要求99所述的方法，其中，所述一个或多个吸烟特性包括所述用户进行一个或多个香烟抽吸。
101.根据权利要求100所述的方法，还包括：生成针对每个抽吸的多维分布函数。
102.根据权利要求101所述的方法，还包括：基于以下来确定所述用户吸烟的概率：(1)潜在抽吸的数目；(2)针对每个潜在抽吸的多维分布函数；和(3)发生潜在抽吸的数目的持续时间。
103.根据权利要求102所述的方法，还包括：确定针对多个潜在抽吸的多维分布函数的和是否等于或大于预定概率阈值。
104.根据权利要求103所述的方法，还包括：当所述和等于或大于所述预定概率阈值时，确定所述用户正在吸烟，并且当所述和小于所述预定概率阈值时，确定所述用户没在吸烟。
105.根据权利要求104所述的方法，其中，当在预定时间段内已经检测到预定数目的抽吸时，确定所述用户正在吸烟。
106.根据权利要求102所述的方法，还包括：分析与所述潜在抽吸相关联的滚动角和俯仰角，并且丢弃其滚动角和俯仰角落在预定的滚动/俯仰阈值之外的抽吸。
107.根据权利要求102所述的方法，还包括：分析所述潜在抽吸之间的持续时间，并且丢弃所述持续时间在预定时间段之外的抽吸。
108.根据权利要求81所述的方法，还包括：确定所述用户在一天的不同时间和/或在不同的地理位置处吸烟的概率。
109.根据权利要求108所述的方法，还包括：基于一天的不同时间和/或在不同的地理位置来调整所述传感器数据收集的频率。
110.根据权利要求109所述的方法，其中，在用户吸烟的概率高于预定阈值的地理位置处和/或一天的时间处增加所述传感器数据收集的频率。
111.根据权利要求109所述的方法，其中，在用户吸烟的概率低于预定阈值的地理位置处和/或一天的时间处降低所述传感器数据收集的频率。
112.根据权利要求108所述的方法，还包括：基于所述用户在一天的不同时间和/或在不同地理位置处吸烟的概率来选择性地激活所述传感器中的一个或多个。