CN106446830B - 智能辅助睡眠中的催眠状态识别方法和系统 - Google Patents
智能辅助睡眠中的催眠状态识别方法和系统 Download PDFInfo
- Publication number
- CN106446830B CN106446830B CN201610843690.6A CN201610843690A CN106446830B CN 106446830 B CN106446830 B CN 106446830B CN 201610843690 A CN201610843690 A CN 201610843690A CN 106446830 B CN106446830 B CN 106446830B
- Authority
- CN
- China
- Prior art keywords
- electro
- hypnosis
- area
- ocular signal
- user
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 230000000147 hypnotic effect Effects 0.000 title claims abstract description 81
- 230000007958 sleep Effects 0.000 title claims abstract description 54
- 238000000034 method Methods 0.000 title abstract description 21
- 238000001514 detection method Methods 0.000 claims abstract description 48
- 238000010586 diagram Methods 0.000 claims abstract description 27
- 230000002618 waking effect Effects 0.000 claims description 4
- 230000004424 eye movement Effects 0.000 claims 1
- 230000008569 process Effects 0.000 abstract description 6
- 238000005516 engineering process Methods 0.000 abstract description 2
- 230000000694 effects Effects 0.000 description 3
- 230000005059 dormancy Effects 0.000 description 2
- 230000005611 electricity Effects 0.000 description 2
- 210000000744 eyelid Anatomy 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 208000013738 Sleep Initiation and Maintenance disease Diseases 0.000 description 1
- 230000000517 effect on sleep Effects 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000001939 inductive effect Effects 0.000 description 1
- 206010022437 insomnia Diseases 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000011514 reflex Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
Abstract
本发明涉及一种智能辅助睡眠中的催眠状态识别方法,包括:在智能辅助睡眠中,向用户播放催眠引导词;检测所述用户的眼电信号,并在时间‑幅值坐标系上绘制对应的眼电信号波形图;在所述时间‑幅值坐标系上建立沿时间轴方向移动的检测窗口,并根据眨眼速度和眼电信号幅值设置所述检测窗口长度和高度阈值;在播放催眠引导词后的设定时间内,利用所述检测窗口移动检测所述眼电信号波形图,若所述眼电信号波形图的幅值没有超过所述高度阈值,则判定所述用户当前处于第一级催眠深度状态。本发明的技术,在播放催眠引导词过程中,通过检测用户的眼电信号并利用检测窗口进行识别,能够提高识别准确性,而且提高了识别效率,为执行下一阶段催眠的提供了良好的参考。
Description
技术领域
本发明涉及辅助睡眠技术领域,特别是涉及一种智能辅助睡眠中的催眠状态识别方法和系统。
背景技术
在睡眠中,人体进行了自我放松及恢复的过程。因此良好的睡眠是保持身体健康的一项基本条件。但是由于工作压力大、生活作息不规律等原因,导致了部分人群的睡眠质量欠佳,表现为失眠、半夜惊醒等。
智能辅助睡眠是一种结合现代科技的睡眠方法,当被试者进入催眠状态后,其受暗示性明显提高,能与催眠师保持密切的感应关系,会不加批判地接受其暗示指示。将催眠术应用于辅助睡眠时,当催眠者被催眠师所催眠后,催眠师发出睡眠指令即可使被催眠者进入睡眠状态。与药物干预(安眠药)相比,基于催眠术的辅助睡眠对身体的副作用较小,比较适合日常应用。
在智能辅助睡眠中,如何准确地识别催眠深度是重要因素,在不同的催眠深度需要进行不同的催眠策略,引导用户进入睡眠,目前对于催眠深度,一般可以分为,催眠深度一般可分成三个阶段和六个等级:轻度催眠(1-2级),中度催眠(3-4级)和深度催眠(5-6)级。对于每个等级的催眠深度而言,有相应的判断标准,根据被催眠者的表现出来的动作特征进行评判,对于轻度催眠中的第一级催眠深度而言,正确的识别是执行下一阶段催眠的前提,但这一般需要催眠师依据足够经验才能进行判断,对于一般用户而言则难以判断,同时这些觉察方式识别催眠深度,准确性难以保证,效率低。
发明内容
基于此,有必要针对上述问题,提供一种智能辅助睡眠中的催眠状态识别方法和系统,能够较为准确地识别用户的催眠深度,有效地提高辅助睡眠效果。
一种智能辅助睡眠中的催眠状态识别方法,包括:
在智能辅助睡眠中,向用户播放催眠引导词;
检测所述用户的眼电信号,并在时间-幅值坐标系上绘制对应的眼电信号波形图;
在所述时间-幅值坐标系上建立沿时间轴方向移动的检测窗口,并根据眨眼速度和眼电信号幅值设置所述检测窗口长度和高度阈值;
在播放催眠引导词后的设定时间内,利用所述检测窗口移动检测所述眼电信号波形图,若所述眼电信号波形图的幅值没有超过所述高度阈值,则判定所述用户当前处于第一级催眠深度状态。
一种智能辅助睡眠中的催眠状态识别系统,包括:
引导词播放模块,用于在智能辅助睡眠中,向用户播放催眠引导词;
眼电信号绘制模块,用于检测所述用户的眼电信号,并在时间-幅值坐标系上绘制对应的眼电信号波形图;
窗口参数设置模块,用于在所述时间-幅值坐标系上建立沿时间轴方向移动的检测窗口,并根据眨眼速度和眼电信号幅值设置所述检测窗口长度和高度阈值;
催眠深度识别模块,用于在播放催眠引导词后的设定时间内,利用所述检测窗口移动检测所述眼电信号波形图,若所述眼电信号波形图的幅值没有超过所述高度阈值,则判定所述用户当前处于第一级催眠深度状态。
上述智能辅助睡眠中的催眠状态识别方法和系统,在播放催眠引导词过程中,通过检测用户的眼电信号并利用检测窗口进行识别,能够提高识别准确性,而且提高了识别效率,为执行下一阶段催眠的提供了良好的参考。
附图说明
图1为一个实施例的智能辅助睡眠中的催眠状态识别方法的流程图;
图2为一个眼电信号波形示意图;
图3为检测窗口内眼电信号波形尖峰面积示意图;
图4为一个实施例的智能辅助睡眠中的催眠状态识别系统结构示意图;
图5为一个实施例的窗口参数设置模块的结构示意图。
具体实施方式
下面结合附图阐述本发明的智能辅助睡眠中的催眠状态识别方法和系统的实施例。
参考图1所示,图1为一个实施例的智能辅助睡眠中的催眠状态识别方法的流程图,包括:
S101,在智能辅助睡眠中,向用户播放催眠引导词;
在本步骤中,一般是用户在未睡着的情况下,进行智能辅助睡眠,向用户播放催眠引导词,以对用户进行睡眠干预。
在一个实施例中,在向用户播放催眠引导词前,还对用户的睡眠状态进行检测,在检测到用户是清醒状态时,再启动催眠干预和识别流程。
具体的,在检测所述用户的眼电信号前,还包括:
采集用户在智能辅助睡眠过程中产生的脑电信号;根据所述脑电信号对用户的睡眠状态进行检测,当所述用户处于清醒状态,执行所述向用户播放催眠引导词的步骤。
S102,检测所述用户的眼电信号,并在时间-幅值坐标系上绘制对应的眼电信号波形图;
在本步骤中,利用相关器件,检测用户的眼电信号,并利用数据处理设备,在时间-幅值坐标系上绘制对应的眼电信号波形图;坐标系可以以时间为横轴,以眼电信号幅值为纵轴。
在采集信号时,可以以30s为一帧进行采集,后续对每帧眼电信号进行分析处理。
S103,在所述时间-幅值坐标系上建立沿时间轴方向移动的检测窗口,并根据眨眼速度和眼电信号幅值设置所述检测窗口长度和高度阈值;
在本步骤中,利用一个检测窗口来检测眼皮活动情况,按时间轴移动方向,检测绘制出来的眼电信号波形图。
对于检测窗口的选取,需要设置检测窗口长度和高度阈值,在一个实施例中,设置的方法可以包括如下:
(a)在正常情况下,统计所述用户在测试过程当中多次眨眼中快速的闭眼动作(眨眼,即瞬目反射)的时间;根据所述统计的时间获取所述用户的眨眼速度;
(b)统计所述用户多次眨眼中的眼电信号幅值的最大值或最小值;根据所述眼电信号幅值的最大值或最小值获取所述用户的眼电信号幅值;
(c)根据所述眨眼速度设置所述检测窗口长度,以及根据所述眼电信号幅值设置所述高度阈值。
在一个实施例中,若所述眨眼速度为[Ta,Tb],则所述检测窗口长度取值≥2Ta;若所述眼电信号幅值为M,则所述高度阈值取值≤0.7M。
例如,参考图2所示,图2为一个眼电信号波形示意图,当计算的眨眼速度为0.3s-0.4s,眼电信号幅值为200uV,则检测窗口长度可以设为0.6s,高度阈值可以设为140uV。
S104,在播放催眠引导词后的设定时间内,利用所述检测窗口移动检测所述眼电信号波形图,若所述眼电信号波形图的幅值没有超过所述高度阈值,则判定所述用户当前处于第一级催眠深度状态。
在本步骤中,在播放催眠引导词进行干预后,在设定时间(一般取30s)内利用检测窗口按时间轴方向移动,移动检测眼电信号波形图,以检测眼皮活动情况,当眼电信号波形图的幅值没有超过所述高度阈值,即没有检测到窗口内的眼电信号波形幅值波动幅度超过高度阈值,则判定所述用户当前处于第一级催眠深度状态。
在一个实施例中,考虑到眼电信号波形是判断眨眼的重要特征,在波形判断时,容易收到外界的干扰。因此,如果仅依赖于时间和幅值判断,容易导致误判,因此,可以进一步对波形尖锐程度进行判断,以提高识别准确性。
即当检测到眼电信号波形图的幅值超过所述高度阈值时,计算检测窗口内眼电信号波形尖峰的尖锐程度参数,若所述尖锐程度参数小于预设的尖锐程度参数阈值,判定所述用户当前处于第一级催眠深度状态。
在一个实施例中,计算检测窗口内眼电信号波形尖峰的尖锐程度参数,可以包括如下:
(a)分别计算眼电信号波形在检测窗口内的上部区域面积和下部区域面积,计算公式如下:
式中,pi为检测窗口内的眼电信号,pmax为检测窗口内眼电信号的最大值,pmin为检测窗口内眼电信号的最小值,areaup表示上部区域面积,areadown表示下部区域面积;
(b)根据所述上部区域面积和下部区域面积计算所述眼电信号波形尖峰的面积,计算公式如下:
式中,blinkarea表示尖峰的面积,if表示满足条件;
参考图3所示,图3为检测窗口内眼电信号波形尖峰面积示意图,两种方向的尖峰上、下部区域面积如图所示,左图尖峰方向向上,右图的尖峰方向向下。
(c)根据尖峰面积计算尖锐程度参数,计算公式如下:
blinkratio=blinkarea/in-blinkarea
式中,blinkratio表示尖锐程度参数,in-blinkarea表示非尖峰部分的面积,这里尖锐程度参数也可以转化为是上部区域面积和下部区域面积之间的比值。
综合上述实施例的方案,在播放催眠引导词过程中,通过检测用户的眼电信号并利用检测窗口进行识别,能够提高识别准确性,而且提高了识别效率,为执行下一阶段催眠的提供了良好的参考。
参考图4所示,图4为一个实施例的智能辅助睡眠中的催眠状态识别系统结构示意图,包括:
引导词播放模块101,用于在智能辅助睡眠中,向用户播放催眠引导词;
眼电信号绘制模块102,用于检测所述用户的眼电信号,并在时间-幅值坐标系上绘制对应的眼电信号波形图;
窗口参数设置模块103,用于在所述时间-幅值坐标系上建立沿时间轴方向移动的检测窗口,并根据眨眼速度和眼电信号幅值设置所述检测窗口长度和高度阈值;
催眠深度识别模块104,用于在播放催眠引导词后的设定时间内,利用所述检测窗口移动检测所述眼电信号波形图,若所述眼电信号波形图的幅值没有超过所述高度阈值,则判定所述用户当前处于第一级催眠深度状态。
在一个实施例中,所述的智能辅助睡眠中的催眠状态识别系统,还包括:睡眠状态检测模块,用于采集用户在智能辅助睡眠过程中产生的脑电信号;根据所述脑电信号对用户的睡眠状态进行检测,当所述用户处于清醒状态,执行所述催眠深度识别模块的功能。
在一个实施例中,参考图5所示,图5为一个实施例的窗口参数设置模块103的结构示意图,进一步包括:
速度获取单元1031,用于在正常情况下,统计所述用户多次眨眼中快速的闭眼动作的时间;根据所述统计的时间获取所述用户的眨眼速度;
阈值获取单元1032,用于统计所述用户多次眨眼中的眼电信号幅值的最大值或最小值;根据所述眼电信号幅值的最大值或最小值获取所述用户的眼电信号幅值;
参数设置单元1033,用于根据所述眨眼速度设置所述检测窗口长度,以及根据所述眼电信号幅值设置所述高度阈值。
在一个实施例中,若所述眨眼速度为[Ta,Tb],则所述检测窗口长度取值≥2Ta;若所述眼电信号幅值为M,则所述高度阈值取值≤0.7M。
在一个实施例中,所述播放催眠引导词后的设定时间为30s。
本发明的智能辅助睡眠中的催眠状态识别系统与本发明的智能辅助睡眠中的催眠状态识别方法一一对应,在上述智能辅助睡眠中的催眠状态识别方法的实施例阐述的技术特征及其有益效果均适用于智能辅助睡眠中的催眠状态识别系统的实施例中,特此声明。
以上所述实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本发明的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。因此,本发明专利的保护范围应以所附权利要求为准。
Claims (8)
1.一种智能辅助睡眠中的催眠状态识别系统,其特征在于,包括:
引导词播放模块,用于在智能辅助睡眠中,向用户播放催眠引导词;
眼电信号绘制模块,用于检测所述用户的眼电信号,并在时间-幅值坐标系上绘制对应的眼电信号波形图;
窗口参数设置模块,用于在所述时间-幅值坐标系上建立沿时间轴方向移动的检测窗口,并根据眨眼速度和眼电信号幅值设置所述检测窗口长度和高度阈值;
催眠深度识别模块,用于在播放催眠引导词后的设定时间内,利用所述检测窗口移动检测所述眼电信号波形图,若所述眼电信号波形图的幅值没有超过所述高度阈值,则判定所述用户当前处于第一级催眠深度状态;若所述眼电信号波形图的幅值超过所述高度阈值,计算检测窗口内眼电信号波形尖峰的尖锐程度参数,若所述尖锐程度参数小于预设的尖锐程度参数阈值,判断所述用户当前处于第一级催眠深度状态。
2.根据权利要求1所述的智能辅助睡眠中的催眠状态识别系统,其特征在于,还包括:
睡眠状态检测模块,用于采集用户在智能辅助睡眠过程中产生的脑电信号;根据所述脑电信号对用户的睡眠状态进行检测,当所述用户处于清醒状态,执行所述引导词播放模块的功能。
3.根据权利要求1所述的智能辅助睡眠中的催眠状态识别系统,其特征在于,所述窗口参数设置模块进一步包括:
速度获取单元,用于在正常情况下,统计所述用户多次眨眼中的眼电信号中快速的闭眼动作的时间;根据所述统计的时间获取所述用户的眨眼速度;
阈值获取单元,用于统计所述用户多次眨眼中的眼电信号幅值的最大值或最小值;根据所述眼电信号幅值的最大值或最小值获取所述用户的眼电信号幅值;参数设置单元,用于根据所述眨眼速度设置所述检测窗口长度,以及根据所述眼电信号幅值设置所述高度阈值。
4.根据权利要求1所述的智能辅助睡眠中的催眠状态识别系统,其特征在于,所述计算检测窗口内眼电信号波形尖峰的尖锐程度参数的步骤包括:
分别计算眼电信号波形在检测窗口内的上部区域面积和下部区域面积;
根据所述上部区域面积和下部区域面积计算所述眼电信号波形尖峰的面积;
根据尖峰面积计算尖锐程度参数。
5.根据权利要求4所述的智能辅助睡眠中的催眠状态识别系统,其特征在于,所述上部区域面积和下部区域面积的计算公式如下:
式中,pi为检测窗口内的眼电信号,pmax为检测窗口内眼电信号的最大值,pmin为检测窗口内眼电信号的最小值,areaup表示上部区域面积,areadown表示下部区域面积;
所述眼电信号波形尖峰的面积的计算公式如下:
式中,blinkarea表示尖峰的面积,if表示满足条件;
所述尖锐程度参数的计算公式如下:
blinkratio=blinkarea/in-blinkarea
式中,blinkratio表示尖锐程度参数,in-blinkarea表示非尖峰部分的面积。
6.根据权利要求3所述的智能辅助睡眠中的催眠状态识别系统,其特征在于,若所述眨眼速度为[Ta,Tb],则所述检测窗口长度取值≥2Ta。
7.根据权利要求3所述的智能辅助睡眠中的催眠状态识别系统,其特征在于,若所述眼电信号幅值为M,则所述高度阈值取值≤0.7M。
8.根据权利要求1所述的智能辅助睡眠中的催眠状态识别系统,其特征在于,所述播放催眠引导词后的设定时间为30s。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610843690.6A CN106446830B (zh) | 2016-09-21 | 2016-09-21 | 智能辅助睡眠中的催眠状态识别方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610843690.6A CN106446830B (zh) | 2016-09-21 | 2016-09-21 | 智能辅助睡眠中的催眠状态识别方法和系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106446830A CN106446830A (zh) | 2017-02-22 |
CN106446830B true CN106446830B (zh) | 2019-06-11 |
Family
ID=58166968
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610843690.6A Active CN106446830B (zh) | 2016-09-21 | 2016-09-21 | 智能辅助睡眠中的催眠状态识别方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106446830B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112347851B (zh) * | 2020-09-30 | 2023-02-21 | 山东理工大学 | 多目标检测网络的构建方法、多目标检测方法及装置 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101583313A (zh) * | 2007-01-19 | 2009-11-18 | 旭化成株式会社 | 觉醒状态判断模型生成装置、觉醒状态判断装置以及警告装置 |
CN102430182A (zh) * | 2011-09-01 | 2012-05-02 | 汪卫东 | 反馈式催眠治疗仪 |
CN105054951A (zh) * | 2015-08-11 | 2015-11-18 | 西安科技大学 | 一种基于眨眼频率识别的疲劳驾驶脑电监测方法 |
CN105105714A (zh) * | 2015-08-26 | 2015-12-02 | 吴建平 | 一种睡眠分期方法及系统 |
-
2016
- 2016-09-21 CN CN201610843690.6A patent/CN106446830B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101583313A (zh) * | 2007-01-19 | 2009-11-18 | 旭化成株式会社 | 觉醒状态判断模型生成装置、觉醒状态判断装置以及警告装置 |
CN102430182A (zh) * | 2011-09-01 | 2012-05-02 | 汪卫东 | 反馈式催眠治疗仪 |
CN105054951A (zh) * | 2015-08-11 | 2015-11-18 | 西安科技大学 | 一种基于眨眼频率识别的疲劳驾驶脑电监测方法 |
CN105105714A (zh) * | 2015-08-26 | 2015-12-02 | 吴建平 | 一种睡眠分期方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN106446830A (zh) | 2017-02-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107595245B (zh) | 一种睡眠管理方法、系统及终端设备 | |
CN103426275B (zh) | 检测用眼疲劳度的装置、台灯及方法 | |
CN106333673B (zh) | 催眠深度检测器 | |
CN105054951B (zh) | 一种基于眨眼频率识别的疲劳驾驶脑电监测方法 | |
CN105395192A (zh) | 一种基于脑电的可穿戴情感识别方法和系统 | |
CN110236491B (zh) | 一种睡眠分期监控方法 | |
CN103705234B (zh) | 动态心电信号数据中的检波方法和装置 | |
CN106108843A (zh) | 一种确定用户睡眠时长的方法及系统 | |
CN103699226A (zh) | 一种基于多信息融合的三模态串行脑-机接口方法 | |
CN105595997B (zh) | 一种基于台阶式疲劳判定的疲劳驾驶脑电监测方法 | |
CN108543193A (zh) | 一种用户状态干预方法及装置 | |
CN109620158A (zh) | 睡眠监控的方法、智能终端及存储装置 | |
CN108309329A (zh) | 一种基于脑网络分析的cnv脑电测谎方法 | |
CN106361330B (zh) | 智能辅助睡眠中的催眠状态识别方法和系统 | |
CN106446830B (zh) | 智能辅助睡眠中的催眠状态识别方法和系统 | |
CN105700687A (zh) | 基于folding HDCA算法的单试次脑电P300成分检测方法 | |
CN106730232A (zh) | 一种智能唤醒方法及系统 | |
CN106333674B (zh) | 睡眠状态分析中睡眠周期检测方法和系统 | |
CN106175698B (zh) | 睡眠状态分析中睡眠周期检测装置 | |
CN113907709A (zh) | 一种基于耳部eeg的便携式睡眠监测系统 | |
CN103544809A (zh) | 一种检测用户疲劳状态的方法 | |
CN105854147A (zh) | 一种智能家庭环境调控系统及方法 | |
KR20150000609A (ko) | 뇌파의 집중력 향상 시스템 및 그 기록매체 | |
CN108491792A (zh) | 基于眼电信号的办公场景人机交互行为识别方法 | |
CN108577214A (zh) | 一种学生桌 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |