Люди носят фитнес браслеты по разным причинам, я могу предположить некоторые из них:
- Для того, чтобы поддерживать себя в форме и выполнять цели по активности
- Некая модная штучка
- Ставят над собой эксперименты или хотят узнать себя лучше.
Я ношу фитнес браслет по причине 3).
В этой заметке я хочу рассказать как можно извлечь данные из браслета и попробовать получить некоторые зависимости.
Методы для извлечения этих данных работают для Mi Band 1, 1S, и, возможно 2 (приложение для 2 кажется такое же)
Для извлечения данных с браслета в первую очередь надо достать с телефона SQLite базу данных в которых хранятся собираемые метрики. В случае Android'a делается это предельно просто см. топик на форуме xda-developers, скрипты под актуальную базу:
- Подключаем Android телефон с включенным режимом отладки по USB к компьютеру.
- Делаем бэкап приложения
adb backup -f mi.ab -noapk -noshared com.xiaomi.hm.health - Создаем
dd if=mi.ab bs=1 skip=24 | python -c "import zlib,sys;sys.stdout.write(zlib.decompress(sys.stdin.read()))" > mi.tar - Распаковываем архив с БД:
tar xvf mi.tar apps/com.xiaomi.hm.health/db/ 2>&1 | tee -a log - Копируем БД:
cp -f apps/com.xiaomi.hm.health/db/origin_db* ./db/
Как результат, мы получаем SQLite базу данных с именем файла db/origin_db_[0-9]+$ в которой хранятся метрики Mi Band.
Для изучения данных на мой взгляд удобно использовать IPython notebook. Xiaomi_Mifit_miband_data.ipynb
Метрики хранятся в таблице DATE_DATA:
df = pd.read_sql_query("SELECT * from DATE_DATA", con)Колонки в таблице которые представляют интерес:
|колонка|описание| |--:|-:-| |DATE|дата| |SUMMARY|JSON с обработанными данными за день| |DATA|сырые поминутные данные за сон[активность1], активность2, активность3| |DATA_HR|сырые поминутные данные пульса|
Агрегированные данные хранятся в виде JSON
{"slp":{"usrEd":-1440,"lt":457,"st":1464376080,"wk":15,"dp":30,"usrSt":-1440,"ed":1464406200},"v":5,"goal":8000,"stp":{"rn":2,"cal":257,"runDist":256,"wk":69,"ttl":5244,"runCal":13,"dis":3817}}Данные делятся на 2 части сон - slp и активность stp. Для сна хранится время начала и окончания - st, ed, а также время глубокого и легкого сна в минутах - lt, dp. Также хранится время просыпания между межды началом и окончанием сна - wk. Для активности хранится суммарное количество "шагов" ttl - сумма показаний первичного датчика за день, и другие производные величины func(ttl, рост, вес).
Сырые данные активности сохраняются каждую минуту (за сутки 1440), и представляют из себя 3 значения за кажду минуту. Первое значение - сон и значение от 0 до 127 (но в моем случае максимум 126), второе и третье активность 0 - 255 (у меня максимум activity2 - 189, activity3 - 240).
Пульс сохраняется каждую минуту и значения от 0 до 255.
Самый простой агрегат - это количество шагов за день - сумма значений activity3 за день. Со сном сложнее, я так и не научился сырые данные сна превращать в агрегированные. На форумах, высказывалась мысль что значение activity1 == 4 глубокий сон, а 5 - легкий, но также просто как с шагами установить взаимосвязь между агрегированными данными и сырыми не получается.
Во первых сколько я спал в течение года. Это значение оказалось ~ (7 +- 1) час. Кажется с этим все ок.
Другая очевидная вещь, что высыпаюсь я по выходным:
А если назвать отношение глубокого сна к легкому - качеством, то выяснится, что лучшее качество сна у меня в четверг, и при этом глубой сон - 23% от всего сна. А в пятницу самое плохое качество сна, боюсь даже предположить почему.
А максимальное количество "шагов" я совершаю в пятницу и субботу:
При этом среда у меня день когда я мало сплю и мало хожу, очевидных объяснений из разряда "я работаю из дома", нет, поэтому это, что-то новое для меня.
Надеюсь, что кто-нибудь из обладателей популярных браслетов Mi band тоже захочет поизучать себя, и расскажет о своих особенностях.