CN105796111B - 睡眠翻身动作的监测方法、装置及可穿戴设备 - Google Patents

Abstract

本申请提供一种睡眠翻身动作的监测方法、装置及可穿戴设备，该方法包括：在预设时间周期内采集多个轴向的加速度数据；根据所述多个轴向的加速度数据确定所述预设时间周期内的加速度特征值；根据所述加速度特征值确定所述预设时间周期内的睡眠活动特征值；根据所述睡眠活动特征值确定用户在所述预设时间周期内是否发生睡眠翻身动作。在本申请的技术方案可以准确地确定用户的睡眠活动特征值，进而确定用户是否发生睡眠翻身动作，进而统计出睡眠过程中的翻身次数，提高对用户睡眠质量的监测的可信度。

Description

睡眠翻身动作的监测方法、装置及可穿戴设备

技术领域

本申请涉及可穿戴设备技术领域，尤其涉及一种睡眠翻身动作的监测方法、装置及可穿戴设备。

背景技术

睡眠质量的好坏直接关系到用户的健康问题，因此用户也越来越多的关注到睡眠监测，根据睡眠监测得到的一些特征参数，可以评估睡眠质量的好坏，并且可以为某些潜在的疾病带来可靠的依据。睡眠中的翻身动作虽为无意识活动，但却能提高睡眠质量，促进身体健康，所以睡眠中的翻身次数可以作为评估人们睡眠质量的一项重要特征参数。

现有技术通过床垫上的压力传感器监测到的压力变化来监测睡眠中的翻身动作。由于人体的差异可导致压力传感器与人体的间距不同，进而造成监测不准，而人们翻身动作的差异也可导致压力传感器监测不准，进而影响对睡眠质量的监测。

发明内容

有鉴于此，本申请提供一种新的技术方案，可以解决由于人体差异或者人们翻身动作的差异导致监测不准的问题。

为实现上述目的，本申请提供技术方案如下：

根据本申请的第一方面，提出了一种睡眠翻身动作的监测方法，包括：

在预设时间周期内采集多个轴向的加速度数据；

根据所述多个轴向的加速度数据确定所述预设时间周期内的加速度特征值；

根据所述加速度特征值确定所述预设时间周期内的睡眠活动特征值；

根据所述睡眠活动特征值确定用户在所述预设时间周期内是否发生睡眠翻身动作。

根据本申请的第二方面，提出了一种睡眠翻身动作的监测装置，包括：

采集模块，用于在预设时间周期内采集多个轴向的加速度数据；

第一确定模块，用于根据所述采集模块采集的所述多个轴向的加速度数据确定所述预设时间周期内的加速度特征值；

第二确定模块，用于根据所述第一确定模块确定的所述加速度特征值确定所述预设时间周期内的睡眠活动特征值；

第三确定模块，用于根据所述第二确定模块确定的所述睡眠活动特征值确定用户在所述预设时间周期内是否发生睡眠翻身动作。

根据本申请的第三方面，提出了一种可穿戴设备，所述可穿戴设备包括：

处理器；用于存储所述处理器可执行指令的存储器；

其中，所述处理器，被配置为：

在预设时间周期内采集多个轴向的加速度数据；

根据所述多个轴向的加速度数据确定所述预设时间周期内的加速度特征值；

根据所述加速度特征值确定所述预设时间周期内的睡眠活动特征值；

根据所述睡眠活动特征值确定用户在所述预设时间周期内是否发生睡眠翻身动作。

由以上技术方案可见，本申请可以准确地确定用户的睡眠活动特征值，进而确定用户是否发生睡眠翻身动作，通过实时监测用户的睡眠活动特征值，可以更准确地判断用户是否在睡眠过程中发生了翻身动作，进而统计出睡眠过程中的翻身次数，提高对用户睡眠质量的监测的可信度。

附图说明

图1A示出了根据本发明的一示例性实施例的睡眠翻身动作的监测方法的流程示意图；

图1B示出了根据本发明的一示例性实施例的在预设时间段内采集的加速度数据的示意图；

图1C示出了根据本发明的一示例性实施例的发生翻身动作时的加速度数据；

图1D示出了根据本发明的又一示例性实施例的发生翻身动作时的加速度数据；

图1E示出了根据本发明的一示例性实施例的根据在预设时间段内采集的加速度数据确定的睡眠活动特征值的示意图；

图2示出了根据本发明的又一示例性实施例的如何得到预设时间周期内的加速度特征值的流程示意图；

图3示出了根据本发明的又一示例性实施例的确定睡眠质量的流程示意图；

图4示出了根据本发明的一示例性实施例的可穿戴设备的结构示意图；

图5示出了根据本发明的一示例性实施例的睡眠翻身动作的监测装置的结构示意图；

图6示出了根据本发明的又一示例性实施例的睡眠翻身动作的监测装置的结构示意图；

图7示出了根据本发明的再一示例性实施例的睡眠翻身动作的监测装置的结构示意图。

具体实施方式

这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。

在本申请使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本申请。在本申请和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。还应当理解，本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。

应当理解，尽管在本申请可能采用术语第一、第二、第三等来描述各种信息，但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如，在不脱离本申请范围的情况下，第一信息也可以被称为第二信息，类似地，第二信息也可以被称为第一信息。取决于语境，如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”。

本申请可以准确地识别用户的睡眠翻身动作，通过实时监测用户的可穿戴设备的加速度特征值可以更准确地判断用户的睡眠翻身动作，提高对用户睡眠质量的监测的可信度。

为对本申请进行进一步说明，提供下列实施例：

图1A示出了根据本发明的一示例性实施例的睡眠翻身动作的监测方法的流程示意图；图1B示出了根据本发明的一示例性实施例的在预设时间段内采集的加速度数据的示意图；图1C示出了根据本发明的一示例性实施例的发生翻身动作时的加速度数据；图1D示出了根据本发明的又一示例性实施例的发生翻身动作时的加速度数据；图1E示出了根据本发明的一示例性实施例的根据在预设时间段内采集的加速度数据确定的睡眠活动特征值的示意图；如图1A所示，包括如下步骤：

步骤101，在预设时间周期内采集多个轴向的加速度数据。

在一实施例中，预设时间周期可以为一分钟或者数分钟等设定时间间隔。在一实施例中，多个轴向的加速度数据可以为两个以上轴向的加速度传感器采集得到两个以上轴向的加速度数据。例如，如图1B所示，横轴表示采样点，纵轴表示加速度数据的大小(单位为：m/s²)为以一个时间长度为10个小时的睡眠来说，如果采样频率为25Hz/s，则整个睡眠可采集900000个数据，例如横轴对应的数字“1”表示第100000个采样数据，纵轴表示加速度数据的大小，其中，以三轴加速度传感器每分钟采集1500个采样点的加速度数据为例进行说明，标号11表示三轴加速度传感器在x轴方向的加速度数据，标号12表示三轴加速度传感器在y轴方向的加速度数据，标号13表示三轴加速度传感器在z轴方向的加速度数据，由图1B可知，整个睡眠过程中加速度数据变化较大。

如图1C和图1D所示，横轴表示采样点，纵轴表示加速度数据的大小，在用户翻身动作的整个过程中，三轴加速度数据的变化较大，并且具有连续性和持续性，翻身两端的加速度数据一般趋于稳定，翻身中间过程的加速度数据一般变化非常大。

步骤102，根据多个轴向的加速度数据确定预设时间周期内的加速度特征值。

在一实施例中，每一个加速度特征值为一个中值空间向量，预设时间周期内的加速度特征值可以通过下述图2所示实施例得到，在此先不详述。

步骤103，根据加速度特征值确定预设时间周期内的睡眠活动特征值。

在一实施例中，可以将预设时间周期内的每两个相邻中值空间向量的夹角作为睡眠活动特征值。

步骤104，根据睡眠活动特征值确定用户在预设时间周期内是否发生睡眠翻身动作。

在一实施例中，通过上述步骤101-步骤103对加速度数据的处理，可以使睡眠活动特征值在不同的状态下有不同的特征值。例如，如图1E所示，横轴表示时间，纵轴表示睡眠活动特征值的大小，以图1B所示的睡眠时间为10个小时，即600分钟，以预设时间周期为一分钟来举例，纵轴的每个角度值表示相邻向两个中值空间向量的夹角的大小，因此本申请可以通过睡眠活动特征值的大小可以确定是否发生了睡眠翻身动作。

由上述描述可知，本发明实施例可以准确地确定用户的睡眠活动特征值，进而确定用户是否发生睡眠翻身动作，通过实时监测用户的睡眠活动特征值，可以更准确地判断用户是否在睡眠过程中发生了翻身动作，提高对用户睡眠质量的监测的可信度。

图2示出了根据本发明的又一示例性实施例的如何得到预设时间周期内的加速度特征值的流程示意图；如图2所示，包括如下步骤：

步骤201，将每一个轴向的加速度数据分割为M段，其中，M为正整数。

步骤202，确定M段的每一段内的加速度数据的中值，得到在预设时间周期内的中值空间向量组成的长度为M的第一有序队列。

步骤203，将预设时间周期的前一预设时间周期对应的第二有序队列的后N个中值空间向量添加到第一有序队列的前端，得到第三有序队列，其中N位小于M的正整数。

步骤204，将预设时间周期的后一预设时间周期对应的第四有序队列的前N个中值空间向量添加到第三有序队列的尾端，得到目标有序队列，将目标有序队列中的中值空间向量确定为预设时间周期内的加速度特征值，其中，目标有序队列中包括M+2N个中间空间向量。

例如，通过三轴加速度传感器采集到的在一分钟内各自对应的x、y、z轴的1500个加速度数据，以x轴为例进行示例性说明，x轴的1500个加速度数据被分割为10段，每段有150个加速度数据。

计算x轴在一分钟之内的10段中的每一段的150个加速度数据的中值，得到中值向量median_x＝(x₁,x₂,...x_m)，其中，x1，x2，x3，…，xm分别表示每一段内的150个加速度数据的中值，该中值可以为150个加速度数据中的中间值，同理可得y轴和z轴上的中值向量，分别为y轴：median_y＝(y₁,y₂,...y_m)，z轴：median_z＝(z₁,z₂,...z_m)。

对所得到的三个轴向的中值向量进行合并处理，得到中值空间向量median＝(median₁,median₂,…median_m)，其中，median_i＝(x_i,y_i,z_i)，i＝1,2…m。

在一实施例中，翻身动作有可能跨越两个预设时间周期，即翻身动作发生在前一预设时间周期的结束和后一预设时间周期的时间段，因此可将前一预设时检周期的后N个元素作为后一预设时间周期的前N个元素，这样可避免翻身动作跨越两个预设时间周期所带来的影响，由此可得到每一个预设时间周期包括M+2N个中间空间向量，将这M+2N个中间空间向量确定为预设时间周期内的加速度特征值。

本实施例中，由于每一段内的加速度数据的中值可以较好的体现出用户在该段的动作表现，因此通过计算每一段的中值空间向量可以准确地表示用户在该段内的动作表现，从而可以通过加速度特征值更好地监测用户的睡眠活动。

图3示出了根据本发明的又一示例性实施例的确定睡眠质量的流程示意图；如图3所示，包括如下步骤：

步骤301，在预设时间周期内采集多个轴向的加速度数据。

步骤302，根据多个轴向的加速度数据确定预设时间周期内的加速度特征值。

步骤301和步骤302的相关描述可以参见上述图1A和图2所示实施例的相关描述，在此不再详述。

步骤303，根据加速度特征值确定预设时间周期内的睡眠活动特征值。

在一实施例中，可以对图2实施例得到的M+2N个中值空间向量计算相邻中值空间向量的余弦值：w＝cos<median_i,median_i+1>；根据该余弦值确定相邻中值空间向量的夹角angel：angle＝arcos(w)。M+2N个中值空间向量计算相邻中值空间向量的夹角个数为M+2N-1。例如，如图1D所示，纵轴为夹角的角度，大小为0至180度。

步骤304，确定睡眠活动特征值是否大于第一预设阈值并且小于第二预设阈值，如果睡眠活动特征值大于第一预设阈值并且小于第二预设阈值，则执行步骤305，否则流程结束。

在一实施例中，第一预设阈值和第二预设阈值可以通过可穿戴设备提供商通过海量的用户实际使用数据统计得到，并存储到可穿戴设备中。

在用户使用可穿戴设备并且处于睡眠状态下，可以根据可穿戴设备在测试时间段内采集的加速度数据确定的睡眠活动特征值，对可穿戴设备中预设的第一预设阈值和第二预设阈值进行更新，从而可以更准确地确定本用户的睡眠翻身动作。例如，以用户启用可穿戴设备对应的应用程序进行睡眠检测开始，在注册时间点开始的测试时间段内(例如，一个月之内)，对用户睡眠活动特征值进行统计，找到能够准确确定睡眠翻身动作的第一预设阈值和第二预设阈值。

步骤305，确定用户在预设时间周期内发生睡眠翻身动作。

步骤306，当确定用户在预设时间周期内发生睡眠翻身动作之后，将睡眠翻身动作累加在预设时间周期内发生翻身动作的次数。

在一实施例中，可以使用累加器累加整个睡眠状态下发生的睡眠翻身动作的次数。

步骤307，确定用户在睡眠状态下发生睡眠翻身动作的总数。

步骤308，根据总数确定用户的睡眠质量。

在一实施例中，整个睡眠状态下翻身的次数过多或者过少都说明睡眠质量不好，因此可根据本申请中确定的翻身动坐的次数确定用户的睡眠质量。

本实施例中，由于可以准确地确定用户的睡眠活动特征值，进而确定用户是否发生睡眠翻身动作，通过实时监测用户的睡眠活动特征值，可以更准确地判断用户是否在睡眠过程中发生了翻身动作，提高对用户睡眠质量的监测的可信度；此外，通过统计用户的使用习惯得到第一预设阈值和第二预设阈值，可以使每个用户的第一预设阈值和第二预设阈值更符合自己的睡眠习惯，从而能够根据第一预设阈值和第二预设阈值对不同用户使用可穿戴设备的状态进行更准确地监测。

本领域技术人员可以理解的是，本申请仅以三轴加速度传感器监测到的加速度数据来监测用户的睡眠翻身动作为例进行示例性说明，本申请还可以使用更多轴或者两轴的加速度传感器采集到的加速度数据得到睡眠活动特征值。

对应于上述的睡眠翻身动作的监测方法，本申请还提出了图4所示的根据本发明的一示例性实施例的可穿戴设备的结构示意图。请参考图4，在硬件层面，该可穿戴设备包括处理器、内部总线、网络接口、内存以及非易失性存储器，当然还可能包括其他业务所需要的硬件，如累加器。处理器从非易失性存储器中读取对应的计算机程序到内存中然后运行，在逻辑层面上形成睡眠翻身动作的监测装置。当然，除了软件实现方式之外，本申请并不排除其他实现方式，比如逻辑器件抑或软硬件结合的方式等等，也就是说以下处理流程的执行主体并不限定于各个逻辑单元，也可以是硬件或逻辑器件。

图5示出了根据本发明的一示例性实施例的睡眠翻身动作的监测装置的结构示意图，如图5所示，该睡眠翻身动作的监测装置可以包括：采集模块510、第一确定模块520、第二确定模块530、第三确定模块540。其中：

采集模块510，用于在预设时间周期内采集多个轴向的加速度数据；

第一确定模块520，用于根据采集模块510采集的多个轴向的加速度数据确定预设时间周期内的加速度特征值；

第二确定模块530，用于根据第一确定模块520确定的加速度特征值确定预设时间周期内的睡眠活动特征值；

第三确定模块540，用于根据第二确定模块530确定的睡眠活动特征值确定用户在预设时间周期内是否发生睡眠翻身动作。

图6示出了根据本发明的又一示例性实施例的睡眠翻身动作的监测装置的结构示意图，如图6所示，在上述图5所示实施例的基础上，在一实施例中，第一确定模块520可包括：

分割单元521，用于将采集模块所采集的每一个轴向的加速度数据分割为M段，其中，M为正整数；

第一确定单元522，用于确定分割单元521分割的M段的每一段内的加速度数据的中值，得到在预设时间周期内的中值空间向量组成的长度为M的第一有序队列；

第一添加单元523，用于将预设时间周期的前一预设时间周期对应的第二有序队列的后N个中值空间向量添加到第一确定单元522确定的第一有序队列的前端，得到第三有序队列，其中N位小于M的正整数；

第二添加单元524，用于将预设时间周期的后一预设时间周期对应的第四有序队列的前N个中值空间向量添加到第一添加单元523得到的第三有序队列的尾端，得到目标有序队列，将目标有序队列中的中值空间向量确定为预设时间周期内的加速度特征值，其中，目标有序队列中包括M+2N个中间空间向量。

在一实施例中，第二确定模块530可包括：

计算单元531，用于计算第二添加单元确定的目标有序队列中每两个相邻的中间空间向量的余弦值；

第二确定单元532，用于确定计算单元531计算的每两个相邻的中间空间向量的余弦值对应的夹角为预设时间周期内的睡眠活动特征值，其中，预设时间周期内有M+2N-1个睡眠活动特征值。

在一实施例中，第三确定模块540可包括：

第三确定单元541，用于确定第二确定模块530确定的睡眠活动特征值是否大于第一预设阈值并且小于第二预设阈值；

第四确定单元542，用于如果第三确定单元541确定睡眠活动特征值大于第一预设阈值并且小于第二预设阈值，确定用户在预设时间周期内的睡眠活动为睡眠翻身动作。

图7示出了根据本发明的再一示例性实施例的睡眠翻身动作的监测装置的结构示意图，如图7所示，在上述图5所示实施例的基础上，在一实施例中，装置还可包括：

统计模块550，用于统计用户在设定时间段内佩戴可穿戴设备时并且发生睡眠翻身动作的睡眠活动特征值；

第四确定模块560，用于根据统计模块550统计的发生睡眠翻身活动的睡眠活动特征值确定第一预设阈值和第二预设阈值。

在一实施例中，装置还可包括：

累加模块570，用于当第三确定模块540确定用户在预设时间周期内发生睡眠翻身动作之后，将睡眠翻身动作累加在预设时间周期内发生翻身动作的次数；

第五确定模块580，用于根据累加模块570累加的次数确定用户在睡眠状态下发生睡眠翻身动作的总数；

第六确定模块590，用于根据第五确定模块580确定的总数确定用户的睡眠质量。

上述实施例可见，本申请可以准确地确定用户的睡眠活动特征值，进而确定用户是否发生睡眠翻身动作，通过实时监测用户的睡眠活动特征值，可以更准确地判断用户是否在睡眠过程中发生了翻身动作，进而统计出睡眠过程中的翻身次数，提高对用户睡眠质量的监测的可信度。

本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本申请的其它实施方案。本申请旨在涵盖本申请的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本申请的一般性原理并包括本申请未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本申请的真正范围和精神由下面的权利要求指出。

还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括要素的过程、方法、商品或者设备中还存在另外的相同要素。

以上仅为本申请的较佳实施例而已，并不用以限制本申请，凡在本申请的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本申请保护的范围之内。

Claims (11)

1.一种睡眠翻身动作的监测方法，其特征在于，所述方法包括：

在预设时间周期内采集多个轴向的加速度数据；

根据所述多个轴向的加速度数据确定所述预设时间周期内的加速度特征值；

根据所述加速度特征值确定所述预设时间周期内的睡眠活动特征值；

根据所述睡眠活动特征值确定用户在所述预设时间周期内是否发生睡眠翻身动作；

所述根据所述多个轴向的加速度数据确定所述预设时间周期内的加速度特征值，包括：

将每一个轴向的加速度数据分割为M段，其中，M为正整数；

确定所述M段的每一段内的加速度数据的中值，得到在所述预设时间周期内的中值空间向量组成的长度为M的第一有序队列；

将所述预设时间周期的前一预设时间周期对应的第二有序队列的后N个中值空间向量添加到所述第一有序队列的前端，得到第三有序队列，其中N位小于M的正整数；

将所述预设时间周期的后一预设时间周期对应的第四有序队列的前N个中值空间向量添加到所述第三有序队列的尾端，得到目标有序队列；将所述目标有序队列中的中值空间向量确定为所述预设时间周期内的加速度特征值，其中，所述目标有序队列中包括M+2N个中间空间向量。

2.根据权利要求1所述的方法，其特征在于，所述根据所述加速度特征值确定所述预设时间周期内的睡眠活动特征值，包括：

计算所述目标有序队列中每两个相邻的中间空间向量的余弦值；

确定所述每两个相邻的中间空间向量的余弦值对应的夹角为预设时间周期内的睡眠活动特征值，其中，所述预设时间周期内有M+2N-1个睡眠活动特征值。

3.根据权利要求1所述的方法，其特征在于，所述根据所述睡眠活动特征值确定用户在所述预设时间周期内是否发生睡眠翻身动作，包括：

确定所述睡眠活动特征值是否大于第一预设阈值并且小于第二预设阈值；

如果所述睡眠活动特征值大于第一预设阈值并且小于第二预设阈值，确定所述用户在所述预设时间周期内发生睡眠翻身动作。

4.根据权利要求3所述的方法，其特征在于，所述方法还包括：

统计所述用户在测试时间段内佩戴可穿戴设备时并且发生睡眠翻身动作的睡眠活动特征值；

根据所述发生睡眠翻身活动的睡眠活动特征值确定所述第一预设阈值和所述第二预设阈值。

5.根据权利要求1所述的方法，其特征在于，所述方法还包括：

当确定用户在所述预设时间周期内是否发生睡眠翻身动作之后，将睡眠翻身动作累加在所述预设时间周期内发生翻身动作的次数；

确定所述用户在睡眠状态下发生睡眠翻身动作的总数；

根据所述总数确定所述用户的睡眠质量。

6.一种睡眠翻身动作的监测装置，其特征在于，所述装置包括：

采集模块，用于在预设时间周期内采集多个轴向的加速度数据；

第一确定模块，用于根据所述采集模块采集的所述多个轴向的加速度数据确定所述预设时间周期内的加速度特征值；

第二确定模块，用于根据所述第一确定模块确定的所述加速度特征值确定所述预设时间周期内的睡眠活动特征值；

第三确定模块，用于根据所述第二确定模块确定的所述睡眠活动特征值确定用户在所述预设时间周期内是否发生睡眠翻身动作；

所述第一确定模块包括：

分割单元，用于将所述采集模块所采集的每一个轴向的加速度数据分割为M段，其中，M为正整数；

第一确定单元，用于确定所述分割单元分割的所述M段的每一段内的加速度数据的中值，得到在所述预设时间周期内的中值空间向量组成的长度为M的第一有序队列；

第一添加单元，用于将所述预设时间周期的前一预设时间周期对应的第二有序队列的后N个中值空间向量添加到所述第一确定单元确定的所述第一有序队列的前端，得到第三有序队列，其中N位小于M的正整数；

第二添加单元，用于将所述预设时间周期的后一预设时间周期对应的第四有序队列的前N个中值空间向量添加到所述第一添加单元得到的所述第三有序队列的尾端，得到目标有序队列，将所述目标有序队列中的中值空间向量确定为所述预设时间周期内的加速度特征值，其中，所述目标有序队列中包括M+2N个中间空间向量。

7.根据权利要求6所述的装置，其特征在于，所述第二确定模块包括：

计算单元，用于计算所述第二添加单元确定的所述目标有序队列中每两个相邻的中间空间向量的余弦值；

第二确定单元，用于确定所述计算单元计算的每两个相邻的中间空间向量的余弦值对应的夹角为预设时间周期内的睡眠活动特征值，其中，所述预设时间周期内有M+2N-1个睡眠活动特征值。

8.根据权利要求7所述的装置，其特征在于，所述第三确定模块包括：

第三确定单元，用于确定所述第二确定模块确定的所述睡眠活动特征值是否大于第一预设阈值并且小于第二预设阈值；

第四确定单元，用于如果所述第三确定单元确定所述睡眠活动特征值大于第一预设阈值并且小于第二预设阈值，确定所述用户在所述预设时间周期内所述的睡眠活动为睡眠翻身动作。

9.根据权利要求8所述的装置，其特征在于，所述装置还包括：

统计模块，用于统计所述用户在测试时间段内佩戴可穿戴设备时并且发生睡眠翻身动作的睡眠活动特征值；

第四确定模块，用于根据所述统计模块统计的发生睡眠翻身活动的睡眠活动特征值确定所述第一预设阈值和所述第二预设阈值。

10.根据权利要求6所述的装置，其特征在于，所述装置还包括：

累加模块，用于当所述第三确定模块确定用户在所述预设时间周期内发生睡眠翻身动作之后，将睡眠翻身动作累加在所述预设时间周期内发生翻身动作的次数；

第五确定模块，用于根据所述累加模块累加的次数确定用户在睡眠状态下发生睡眠翻身动作的总数；

第六确定模块，用于根据所述第五确定模块确定的所述总数确定所述用户的睡眠质量。

11.一种可穿戴设备，其特征在于，所述设备包括：

处理器；用于存储所述处理器可执行指令的存储器；

其中，所述处理器，被配置为：

在预设时间周期内采集多个轴向的加速度数据；

根据所述多个轴向的加速度数据确定所述预设时间周期内的加速度特征值；

根据所述加速度特征值确定所述预设时间周期内的睡眠活动特征值；

根据所述睡眠活动特征值确定用户在所述预设时间周期内是否发生睡眠翻身动作；

所述根据所述多个轴向的加速度数据确定所述预设时间周期内的加速度特征值，包括：

将每一个轴向的加速度数据分割为M段，其中，M为正整数；

确定所述M段的每一段内的加速度数据的中值，得到在所述预设时间周期内的中值空间向量组成的长度为M的第一有序队列；

将所述预设时间周期的前一预设时间周期对应的第二有序队列的后N个中值空间向量添加到所述第一有序队列的前端，得到第三有序队列，其中N位小于M的正整数；

将所述预设时间周期的后一预设时间周期对应的第四有序队列的前N个中值空间向量添加到所述第三有序队列的尾端，得到目标有序队列；将所述目标有序队列中的中值空间向量确定为所述预设时间周期内的加速度特征值，其中，所述目标有序队列中包括M+2N个中间空间向量。