CN108597607A - 一种基于穿戴式智能设备自动判断睡眠状态的方法 - Google Patents
一种基于穿戴式智能设备自动判断睡眠状态的方法 Download PDFInfo
- Publication number
- CN108597607A CN108597607A CN201810311071.1A CN201810311071A CN108597607A CN 108597607 A CN108597607 A CN 108597607A CN 201810311071 A CN201810311071 A CN 201810311071A CN 108597607 A CN108597607 A CN 108597607A
- Authority
- CN
- China
- Prior art keywords
- data
- state
- initial data
- initial
- corresponding period
- 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.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
Landscapes
- Medical Informatics (AREA)
- Engineering & Computer Science (AREA)
- Public Health (AREA)
- Health & Medical Sciences (AREA)
- Pathology (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Biomedical Technology (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
- Investigating Or Analysing Biological Materials (AREA)
Abstract
本发明公开一种基于穿戴式智能设备自动判断睡眠状态的方法,包括以下步骤:1)查找过去睡眠数据库中最后一条数据是否存在起始时间,若是,则将该起始时间设定为睡眠基准起始时间;若否,则将某一时间设定为睡眠基准起始时间;2)在原始数据库中读取由步骤1)得到的睡眠基准起始时间之后的所有原始数据,对时间间隔超过单位时间的无数据空挡进行插0补缺处理;3)对经步骤2)得到的原始数据库进行分析,生成过渡数据库;4)对由步骤3)得到的过渡数据库进行分析,生成最终数据库;5)根据由步骤4)得到的最终数据库确定设备佩戴者的状态数据。本发明能实现自动判断佩戴者的睡眠状态,无需用户手动操作,更人性化,使用户得到良好体验感。
Description
技术领域
本发明涉及睡眠状态判断技术领域,特别涉及一种基于穿戴式智能设备自动判断睡眠状态的方法。
背景技术
人的一生有将近1/3 的时间处在睡眠阶段,有效准确地监测人体睡眠状态,反应睡眠质量,可为人体健康管理提供有效的依据。
随着移动互联网的发展和技术的进步,穿戴式智能设备已经从概念化走向商用化,通过这些智能设备,人可以更好的感知外部与自身的信息,能够在计算机、网络甚至其它人的辅助下更为高效率的处理信息,能够实现更为无缝的交流。目前市场上大部分具有判断睡眠状态功能的穿戴式智能设备的睡眠状态判断技术不够智能,不能做到自动判断佩戴者的睡眠状态,睡眠的开始和结束均需要用户手动操作,设计不人性化,用户体验感差。
发明内容
本发明要解决的技术问题是,针对上述现有技术中的不足,提供一种基于穿戴式智能设备自动判断睡眠状态的方法,其能实现自动判断佩戴者的睡眠状态,无需用户手动操作,更人性化,使用户得到良好的体验感。
为解决上述技术问题,本发明的技术方案是:
一种基于穿戴式智能设备自动判断睡眠状态的方法,包括以下步骤:
1)查找过去的睡眠数据库中最后一条记录是否存在起始时间,若是,则将该起始时间设定为睡眠基准起始时间;若否,则将某一时间设定为睡眠基准起始时间;所述睡眠数据库包括原始数据库、过渡数据库和最终数据库;
2)在原始数据库中读取由步骤1)得到的睡眠基准起始时间之后的所有原始数据,并对时间间隔超过单位时间的无数据空挡进行插0补缺处理;所述原始数据包括运动幅度值、起始时间和结束时间;
3)对经步骤2)得到的原始数据库进行分析,生成过渡数据库;
4)对由步骤3)得到的过渡数据库进行分析,生成最终数据库;
5)根据由步骤4)得到的最终数据库确定设备佩戴者的状态数据;所述状态数据包括深睡时长、浅睡时长、清醒时长和未佩戴时长。
作为一种优选方案,步骤2)中所述原始数据的获得方式为:
通过穿戴式智能设备上配备的传感器在单位时间内采集佩戴者的运动幅度值。
作为一种优选方案,步骤3)中,对原始数据库进行分析生成过渡数据库的方法,包括以下步骤:
1)对原始数据进行初次分析,并将部分原始数据对应的时间段的状态标记为未佩戴状态;
2)对经步骤1)的原始数据进行二次分析,并将原始数据对应的时间段的状态分别标记为清醒状态、睡眠状态、深睡状态和浅睡状态;
3)将步骤2)中标记为深睡状态的原始数据转标记为清醒状态以及将步骤2)中标记为睡眠状态的原始数据转标记为深睡状态,然后对原始数据进行初次合并,形成过渡数据库。
作为一种优选方案,对原始数据进行初次分析的方法,包括以下步骤:
1)判断原始数据中运动幅度值是否在大于2和小于100的区间范围内,若是,则进入步骤2),若否,则判断原始数据中运动幅度值在不大于2和不小于100的区间范围内是否持续超过20个单元时间,若是,则将该部分原始数据相对应的时间段的状态标记为未佩戴状态,然后进入步骤2),若否,则进入步骤2);
2)判断当前原始数据是否为最后一条数据,若是,则退出初次分析,若否,则返回步骤1)。
作为一种优选方案,对经步骤1)的原始数据进行二次分析的方法,包括以下步骤:
1)判断原始数据相对应的时间段的状态是否标记为未佩戴状态,若是,则进入步骤2),若否,则进入步骤3);
2)判断原始数据中的运动幅度值是否在不小于2的区间范围内,若是,则将该部分原始数据相对应时间段的状态标记为清醒状态,若否,则判断原始数据中运动幅度值在小于2的区间范围内是否持续超过第一时间阈值,若是,则将该部分原始数据相对应时间段的状态标记为深睡状态,若否,则判断原始数据中运动幅度值在小于2的区间范围内是否持续超过第二时间阈值,若是,则将该部分原始数据相对应时间段的状态标记为浅睡状态,若否,则判断该原始数据是否为最后一条数据,若是,则退出二次分析,若否,则返回步骤1);
3)判断原始数据中的运动幅度值是否在不大于2的区间范围内,若是,则将该部分原始数据相对应时间段的状态标记为睡眠状态,若否,则进入步骤4);
4)判断原始数据中的运动幅度值是否在不大于100的区间范围内,若是,则将该部分原始数据相对应时间段的状态标记为深睡状态,若否,则判断原始数据中运动幅度值在大于100的区间范围内是否持续小于第三时间阈值且在该原始数据之前的原始数据和之后的原始数据相对应时间段的状态是否都为深睡状态,若是,则将该部分原始数据相对应时间段的状态标记为深睡状态,若否,则判断原始数据中运动幅度值在大于100的区间范围内是否持续小于第三时间阈值且在该原始数据之前的原始数据和之后的原始数据相对应时间段的状态是否都为浅睡状态,若是,则将该部分原始数据相对应时间段的状态标记为浅睡状态,若否,则判断该原始数据是否为最后一条数据,若是,则进入步骤5),若否,则返回步骤1);
5)判断原始数据相对应时间段的状态是否标记为深睡状态,若是,则不处理,若否,则进入步骤6);
6)判断原始数据相对应时间段的状态是否标记为浅睡状态,若是,则不处理,若否,则将该原始数据相对应时间段的状态标记为清醒状态,然后退出二次分析。
作为一种优选方案,所述第一时间阈值大于第二时间阈值,所述第二时间阈值大于第三时间阈值。
作为一种优选方案,形成过渡数据库的方法,包括以下步骤:
1)判断当前原始数据相对应时间段的状态是否标记为深睡状态,若是,则将该原始数据相对应时间段的状态转标记为清醒状态;若否,则进入步骤2);
2)判断当前原始数据相对应时间段的状态是否标记为睡眠状态,若是,则将该原始数据相对应时间段的状态转标记为深睡状态;若否,则进入步骤3);
3)判断当前数据相对应时间段的状态是否与上一条数据相对应时间段的状态相同,若是,则将当前数据相对应的结束时间更改为上一条数据相对应的结束时间,然后使用修改后的数据重新进行判断;若否,则进入步骤4);
4)判断当前数据是否为最后一条数据,若是,则退出形成过渡数据库,若否,则返回步骤1)。
作为一种优选方案,步骤4),对过渡数据库进行分析生成最终数据库的方法,包括以下步骤:
1)准备一个分拣列表,然后将标记为浅睡状态和深睡状态的数据加入到分拣列表中;
2)判断当前数据是否为最后一条数据,若是,则进入步骤3),若否,则返回步骤1);
3)对经步骤1)得到的分拣列表中的数据进行二次合并,生成最终数据库。
作为一种优选方案,对分拣列表中的数据进行二次合并的方法,包括以下步骤:
1)获取分拣列表中连续两条数据;
2)判断两条数据之间的时间间隔是否小于第四时间阈值,若是,则将后一条数据的结束时间更改为上一条数据的结束时间,且将后一条数据相对应时间段的状态修改为上一条数据相对应时间段的状态,然后进入步骤3),若否,则直接进入步骤3);
3)判断当前数据是否为最后一条数据,若是,则退出二次合并,若否,则返回步骤1)。
作为一种优选方案,在根据最终数据库确定设备佩戴者的状态数据之前,先查找出最终数据库中持续时间最长的数据,然后判断该数据的持续时间是否小于第五时间阈值,若是,则退出判断睡眠状态,若否,则根据最终数据库确定设备佩戴者的状态数据。
本发明的有益效果是:本发明所述的方法能够实现自动判断佩戴者的睡眠状态,无需用户手动操作,更人性化,使用户得到良好的体验感,更好的满足了穿戴式智能设备用户的需求。
附图说明
图1为本发明之判断睡眠状态的方法流程框架图;
图2为本发明之对原始数据库进行分析生成过渡数据库的方法流程框架图;
图3为本发明之对原始数据进行初次分析的方法流程框架图;
图4为本发明之对原始数据进行二次分析的方法流程框架图;
图5为本发明之形成过渡数据库的方法流程框架图;
图6为本发明之过渡数据库进行分析生成最终数据库的方法流程框架图;
图7为本发明之对分拣列表中的数据进行二次合并的方法流程框架图。
具体实施方式
下面结合附图对本发明的结构原理和工作原理作进一步详细说明。
如图1所示,一种基于穿戴式智能设备自动判断睡眠状态的方法,包括以下步骤:
1)查找过去的睡眠数据库中最后一条记录是否存在起始时间,若是,则将该起始时间设定为睡眠基准起始时间;若否,则以2016年7月1日作为睡眠基准起始时间;所述睡眠数据库包括原始数据库、过渡数据库和最终数据库;
2)在原始数据库中读取由步骤1)得到的睡眠基准起始时间之后的所有原始数据,并对时间间隔超过单位时间的无数据空挡进行插0补缺处理;所述原始数据包括运动幅度值、起始时间和结束时间;
3)对经步骤2)得到的原始数据库进行分析,生成过渡数据库;
4)对由步骤3)得到的过渡数据库进行分析,生成最终数据库;
5)根据由步骤4)得到的最终数据库确定设备佩戴者的状态数据;所述状态数据包括深睡时长、浅睡时长、清醒时长和未佩戴时长。
作为一种优选方案,在根据最终数据库确定设备佩戴者的状态数据之前,先查找出最终数据库中持续时间最长的数据,然后判断该数据的持续时间是否小于第五时间阈值,若是,则退出判断睡眠状态,若否,则根据最终数据库确定设备佩戴者的状态数据。
作为一种优选方案,步骤2)中所述原始数据的获得方式为:
通过穿戴式智能设备上配备的传感器在单位时间内采集佩戴者的运动幅度值。一般单位时间设定为5分钟。
如图2所示,步骤3)中,对原始数据库进行分析生成过渡数据库的方法,包括以下步骤:
1)对原始数据进行初次分析,并将部分原始数据对应的时间段的状态标记为未佩戴状态;
2)对经步骤1)的原始数据进行二次分析,并将原始数据对应的时间段的状态分别标记为清醒状态、睡眠状态、深睡状态和浅睡状态;
3)将步骤2)中标记为深睡状态的原始数据转标记为清醒状态以及将步骤2)中标记为睡眠状态的原始数据转标记为深睡状态,然后对原始数据进行初次合并,形成过渡数据库。
如图3所示,对原始数据进行初次分析的方法,包括以下步骤:
1)判断原始数据中运动幅度值是否在大于2和小于100的区间范围内,若是,则进入步骤2),若否,则判断原始数据中运动幅度值在不大于2和不小于100的区间范围内是否持续超过20个单元时间,若是,则将该部分原始数据相对应的时间段的状态标记为未佩戴状态,然后进入步骤2),若否,则进入步骤2);
2)判断当前原始数据是否为最后一条数据,若是,则退出初次分析,若否,则返回步骤1)。
如图4所示,对经步骤1)的原始数据进行二次分析的方法,包括以下步骤:
1)判断原始数据相对应的时间段的状态是否标记为未佩戴状态,若是,则进入步骤2),若否,则进入步骤3);
2)判断原始数据中的运动幅度值是否在不小于2的区间范围内,若是,则将该部分原始数据相对应时间段的状态标记为清醒状态,若否,则判断原始数据中运动幅度值在小于2的区间范围内是否持续超过第一时间阈值,若是,则将该部分原始数据相对应时间段的状态标记为深睡状态,若否,则判断原始数据中运动幅度值在小于2的区间范围内是否持续超过第二时间阈值,若是,则将该部分原始数据相对应时间段的状态标记为浅睡状态,若否,则判断该原始数据是否为最后一条数据,若是,则退出二次分析,若否,则返回步骤1);
3)判断原始数据中的运动幅度值是否在不大于2的区间范围内,若是,则将该部分原始数据相对应时间段的状态标记为睡眠状态,若否,则进入步骤4);
4)判断原始数据中的运动幅度值是否在不大于100的区间范围内,若是,则将该部分原始数据相对应时间段的状态标记为深睡状态,若否,则判断原始数据中运动幅度值在大于100的区间范围内是否持续小于第三时间阈值且在该原始数据之前的原始数据和之后的原始数据相对应时间段的状态是否都为深睡状态,若是,则将该部分原始数据相对应时间段的状态标记为深睡状态,若否,则判断原始数据中运动幅度值在大于100的区间范围内是否持续小于第三时间阈值且在该原始数据之前的原始数据和之后的原始数据相对应时间段的状态是否都为浅睡状态,若是,则将该部分原始数据相对应时间段的状态标记为浅睡状态,若否,则判断该原始数据是否为最后一条数据,若是,则进入步骤5),若否,则返回步骤1);
5)判断原始数据相对应时间段的状态是否标记为深睡状态,若是,则不处理,若否,则进入步骤6);
6)判断原始数据相对应时间段的状态是否标记为浅睡状态,若是,则不处理,若否,则将该原始数据相对应时间段的状态标记为清醒状态,然后退出二次分析。
其中,所述第一时间阈值大于第二时间阈值,所述第二时间阈值大于第三时间阈值。
如图5所示,形成过渡数据库的方法,包括以下步骤:
1)判断当前原始数据相对应时间段的状态是否标记为深睡状态,若是,则将该原始数据相对应时间段的状态转标记为清醒状态;若否,则进入步骤2);
2)判断当前原始数据相对应时间段的状态是否标记为睡眠状态,若是,则将该原始数据相对应时间段的状态转标记为深睡状态;若否,则进入步骤3);
3)判断当前数据相对应时间段的状态是否与上一条数据相对应时间段的状态相同,若是,则将当前数据相对应的结束时间更改为上一条数据相对应的结束时间,然后使用修改后的数据重新进行判断;若否,则进入步骤4);
4)判断当前数据是否为最后一条数据,若是,则退出形成过渡数据库,若否,则返回步骤1)。
如图6所示,步骤4),对过渡数据库进行分析生成最终数据库的方法,包括以下步骤:
1)准备一个分拣列表,然后将标记为浅睡状态和深睡状态的数据加入到分拣列表中;
2)判断当前数据是否为最后一条数据,若是,则进入步骤3),若否,则返回步骤1);
3)对经步骤1)得到的分拣列表中的数据进行二次合并,生成最终数据库。
如图7所示,对分拣列表中的数据进行二次合并的方法,包括以下步骤:
1)获取分拣列表中连续两条数据;
2)判断两条数据之间的时间间隔是否小于第四时间阈值,若是,则将后一条数据的结束时间更改为上一条数据的结束时间,且将后一条数据相对应时间段的状态修改为上一条数据相对应时间段的状态,然后进入步骤3),若否,则直接进入步骤3);
3)判断当前数据是否为最后一条数据,若是,则二次合并,若否,则返回步骤1)。
其中,第四时间阈值一般设定为15分钟。
以上所述,仅是本发明较佳实施方式,凡是依据本发明的技术方案对以上的实施方式所作的任何细微修改、等同变化与修饰,均属于本发明技术方案的范围内。
Claims (10)
1.一种基于穿戴式智能设备自动判断睡眠状态的方法,其特征在于:包括以下步骤:
1)查找过去的睡眠数据库中最后一条数据是否存在起始时间,若是,则将该起始时间设定为睡眠基准起始时间;若否,则将某一时间设定为睡眠基准起始时间;所述睡眠数据库包括原始数据库、过渡数据库和最终数据库;
2)在原始数据库中读取由步骤1)得到的睡眠基准起始时间之后的所有原始数据,并对时间间隔超过单位时间的无数据空挡进行插0补缺处理;所述原始数据包括运动幅度值、起始时间和结束时间;
3)对经步骤2)得到的原始数据库进行分析,生成过渡数据库;
4)对由步骤3)得到的过渡数据库进行分析,生成最终数据库;
5)根据由步骤4)得到的最终数据库确定设备佩戴者的状态数据;所述状态数据包括深睡时长、浅睡时长、清醒时长和未佩戴时长。
2.根据权利要求1所述的一种基于穿戴式智能设备自动判断睡眠状态的方法,其特征在于:步骤2)中所述原始数据的获得方式为:
通过穿戴式智能设备上配备的传感器在单位时间内采集佩戴者的运动幅度值。
3.根据权利要求1所述的一种基于穿戴式智能设备自动判断睡眠状态的方法,其特征在于:步骤3)中,对原始数据库进行分析生成过渡数据库的方法,包括以下步骤:
1)对原始数据进行初次分析,并将部分原始数据对应的时间段的状态标记为未佩戴状态;
2)对经步骤1)的原始数据进行二次分析,并将原始数据对应的时间段的状态分别标记为清醒状态、睡眠状态、深睡状态和浅睡状态;
3)将步骤2)中标记为深睡状态的原始数据转标记为清醒状态以及将步骤2)中标记为睡眠状态的原始数据转标记为深睡状态,然后对原始数据进行初次合并,形成过渡数据库。
4.根据权利要求3所述的一种基于穿戴式智能设备自动判断睡眠状态的方法,其特征在于:对原始数据进行初次分析的方法,包括以下步骤:
1)判断原始数据中运动幅度值是否在大于2和小于100的区间范围内,若是,则进入步骤2),若否,则判断原始数据中运动幅度值在不大于2和不小于100的区间范围内是否持续超过20个单元时间,若是,则将该部分原始数据相对应的时间段的状态标记为未佩戴状态,然后进入步骤2),若否,则进入步骤2);
2)判断当前原始数据是否为最后一条数据,若是,则退出初次分析,若否,则返回步骤1)。
5.根据权利要求3所述的一种基于穿戴式智能设备自动判断睡眠状态的方法,其特征在于:对经步骤1)的原始数据进行二次分析的方法,包括以下步骤:
1)判断原始数据相对应的时间段的状态是否标记为未佩戴状态,若是,则进入步骤2),若否,则进入步骤3);
2)判断原始数据中的运动幅度值是否在不小于2的区间范围内,若是,则将该部分原始数据相对应时间段的状态标记为清醒状态,若否,则判断原始数据中运动幅度值在小于2的区间范围内是否持续超过第一时间阈值,若是,则将该部分原始数据相对应时间段的状态标记为深睡状态,若否,则判断原始数据中运动幅度值在小于2的区间范围内是否持续超过第二时间阈值,若是,则将该部分原始数据相对应时间段的状态标记为浅睡状态,若否,则判断该原始数据是否为最后一条数据,若是,则退出二次分析,若否,则返回步骤1);
3)判断原始数据中的运动幅度值是否在不大于2的区间范围内,若是,则将该部分原始数据相对应时间段的状态标记为睡眠状态,若否,则进入步骤4);
4)判断原始数据中的运动幅度值是否在不大于100的区间范围内,若是,则将该部分原始数据相对应时间段的状态标记为深睡状态,若否,则判断原始数据中运动幅度值在大于100的区间范围内是否持续小于第三时间阈值且在该原始数据之前的原始数据和之后的原始数据相对应时间段的状态是否都为深睡状态,若是,则将该部分原始数据相对应时间段的状态标记为深睡状态,若否,则判断原始数据中运动幅度值在大于100的区间范围内是否持续小于第三时间阈值且在该原始数据之前的原始数据和之后的原始数据相对应时间段的状态是否都为浅睡状态,若是,则将该部分原始数据相对应时间段的状态标记为浅睡状态,若否,则判断该原始数据是否为最后一条数据,若是,则进入步骤5),若否,则返回步骤1);
5)判断原始数据相对应时间段的状态是否标记为深睡状态,若是,则不处理,若否,则进入步骤6);
6)判断原始数据相对应时间段的状态是否标记为浅睡状态,若是,则不处理,若否,则将该原始数据相对应时间段的状态标记为清醒状态,然后退出二次分析。
6.根据权利要求5所述的一种基于穿戴式智能设备自动判断睡眠状态的方法,其特征在于:所述第一时间阈值大于第二时间阈值,所述第二时间阈值大于第三时间阈值。
7.根据权利要求3所述的一种基于穿戴式智能设备自动判断睡眠状态的方法,其特征在于:形成过渡数据库的方法,包括以下步骤:
1)判断当前原始数据相对应时间段的状态是否标记为深睡状态,若是,则将该原始数据相对应时间段的状态转标记为清醒状态;若否,则进入步骤2);
2)判断当前原始数据相对应时间段的状态是否标记为睡眠状态,若是,则将该原始数据相对应时间段的状态转标记为深睡状态;若否,则进入步骤3);
3)判断当前数据相对应时间段的状态是否与上一条数据相对应时间段的状态相同,若是,则将当前数据相对应的结束时间更改为上一条数据相对应的结束时间,然后使用修改后的数据重新进行判断;若否,则进入步骤4);
4)判断当前数据是否为最后一条数据,若是,则退出形成过渡数据库,若否,则返回步骤1)。
8.根据权利要求1所述的一种基于穿戴式智能设备自动判断睡眠状态的方法,其特征在于:步骤4),对过渡数据库进行分析生成最终数据库的方法,包括以下步骤:
1)准备一个分拣列表,然后将标记为浅睡状态和深睡状态的数据加入到分拣列表中;
2)判断当前数据是否为最后一条数据,若是,则进入步骤3),若否,则返回步骤1);
3)对经步骤1)得到的分拣列表中的数据进行二次合并,生成最终数据库。
9.根据权利要求8所述的一种基于穿戴式智能设备自动判断睡眠状态的方法,其特征在于:对分拣列表中的数据进行二次合并的方法,包括以下步骤:
1)获取分拣列表中连续两条数据;
2)判断两条数据之间的时间间隔是否小于第四时间阈值,若是,则将后一条数据的结束时间更改为上一条数据的结束时间,且将后一条数据相对应时间段的状态修改为上一条数据相对应时间段的状态,然后进入步骤3),若否,则直接进入步骤3);
3)判断当前数据是否为最后一条数据,若是,则退出二次合并,若否,则返回步骤1)。
10.根据权利要求1所述的一种基于穿戴式智能设备自动判断睡眠状态的方法,其特征在于:在根据最终数据库确定设备佩戴者的状态数据之前,先查找出最终数据库中持续时间最长的数据,然后判断该数据的持续时间是否小于第五时间阈值,若是,则退出判断睡眠状态,若否,则根据最终数据库确定设备佩戴者的状态数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810311071.1A CN108597607B (zh) | 2018-04-09 | 2018-04-09 | 一种基于穿戴式智能设备自动判断睡眠状态的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810311071.1A CN108597607B (zh) | 2018-04-09 | 2018-04-09 | 一种基于穿戴式智能设备自动判断睡眠状态的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108597607A true CN108597607A (zh) | 2018-09-28 |
CN108597607B CN108597607B (zh) | 2022-04-01 |
Family
ID=63621182
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810311071.1A Active CN108597607B (zh) | 2018-04-09 | 2018-04-09 | 一种基于穿戴式智能设备自动判断睡眠状态的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108597607B (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140129008A1 (en) * | 2012-11-06 | 2014-05-08 | Aliphcom | General health and wellness management method and apparatus for a wellness application using data associated with a data-capable band |
CN105030199A (zh) * | 2015-06-24 | 2015-11-11 | 深圳市元征软件开发有限公司 | 睡眠监测方法及装置 |
CN105380600A (zh) * | 2015-11-04 | 2016-03-09 | 北京握奇数据系统有限公司 | 一种基于穿戴式智能设备的自动睡眠侦测方法及系统 |
CN105640508A (zh) * | 2016-03-30 | 2016-06-08 | 安徽华米信息科技有限公司 | 实时睡眠监测方法及装置、智能可穿戴设备 |
US20160270721A1 (en) * | 2013-11-28 | 2016-09-22 | Koninklijke Philips N.V. | Sleep monitoring device |
CN205644548U (zh) * | 2015-12-31 | 2016-10-12 | 美的集团股份有限公司 | 穿戴式设备的控制装置及具有其的穿戴式设备 |
CN106333691A (zh) * | 2016-10-27 | 2017-01-18 | 深圳市万机创意电子科技有限公司 | 判断人体睡眠状态、静止状态和运动状态的方法及装置 |
CN206714743U (zh) * | 2016-12-27 | 2017-12-08 | 广州碧德电子科技有限公司 | 睡眠质量分析装置 |
CN107545134A (zh) * | 2017-07-25 | 2018-01-05 | 广东乐心医疗电子股份有限公司 | 用于可穿戴设备的与睡眠相关的特征数据处理方法与装置 |
CN107731299A (zh) * | 2017-10-11 | 2018-02-23 | 上海展扬通信技术有限公司 | 一种基于智能设备的用户睡眠的管理方法及管理装置 |
-
2018
- 2018-04-09 CN CN201810311071.1A patent/CN108597607B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140129008A1 (en) * | 2012-11-06 | 2014-05-08 | Aliphcom | General health and wellness management method and apparatus for a wellness application using data associated with a data-capable band |
US20160270721A1 (en) * | 2013-11-28 | 2016-09-22 | Koninklijke Philips N.V. | Sleep monitoring device |
CN105030199A (zh) * | 2015-06-24 | 2015-11-11 | 深圳市元征软件开发有限公司 | 睡眠监测方法及装置 |
CN105380600A (zh) * | 2015-11-04 | 2016-03-09 | 北京握奇数据系统有限公司 | 一种基于穿戴式智能设备的自动睡眠侦测方法及系统 |
CN205644548U (zh) * | 2015-12-31 | 2016-10-12 | 美的集团股份有限公司 | 穿戴式设备的控制装置及具有其的穿戴式设备 |
CN105640508A (zh) * | 2016-03-30 | 2016-06-08 | 安徽华米信息科技有限公司 | 实时睡眠监测方法及装置、智能可穿戴设备 |
CN106333691A (zh) * | 2016-10-27 | 2017-01-18 | 深圳市万机创意电子科技有限公司 | 判断人体睡眠状态、静止状态和运动状态的方法及装置 |
CN206714743U (zh) * | 2016-12-27 | 2017-12-08 | 广州碧德电子科技有限公司 | 睡眠质量分析装置 |
CN107545134A (zh) * | 2017-07-25 | 2018-01-05 | 广东乐心医疗电子股份有限公司 | 用于可穿戴设备的与睡眠相关的特征数据处理方法与装置 |
CN107731299A (zh) * | 2017-10-11 | 2018-02-23 | 上海展扬通信技术有限公司 | 一种基于智能设备的用户睡眠的管理方法及管理装置 |
Also Published As
Publication number | Publication date |
---|---|
CN108597607B (zh) | 2022-04-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3649883A1 (en) | Individual traction profiles for footwear | |
CN104490401B (zh) | 基于加速度数据的智能终端进行人体行为自动识别的方法 | |
CN110063736B (zh) | 基于MOD-Net网络的眼动参数监测的疲劳检测及促醒系统 | |
CN107102717A (zh) | 屏幕控制方法和装置 | |
KR20180016599A (ko) | 지능형 의류 세탁 제어 시스템 및 제어 방법 | |
CN103475790A (zh) | 一种智能移动终端功耗管理方法 | |
CN105380600A (zh) | 一种基于穿戴式智能设备的自动睡眠侦测方法及系统 | |
CN104864558A (zh) | 空调控制方法、装置及终端 | |
CN106730232B (zh) | 一种智能唤醒方法及系统 | |
CN110503063A (zh) | 基于沙漏卷积自动编码神经网络的跌倒检测方法 | |
CN104939817A (zh) | 一种睡眠状态监测方法 | |
CN107951466A (zh) | 一种闹铃控制方法、装置及系统 | |
CN108648259A (zh) | 图像绘制方法、装置、存储介质及智能终端 | |
CN106845066A (zh) | 一种人体健康监控系统 | |
CN109620158A (zh) | 睡眠监控的方法、智能终端及存储装置 | |
CN115691801A (zh) | 一种用于可穿戴设备的健康评估方法及系统 | |
CN108597607A (zh) | 一种基于穿戴式智能设备自动判断睡眠状态的方法 | |
CN106681477A (zh) | 一种低功耗运动模式的控制方法及智能终端 | |
CN108211311A (zh) | 健身动作的运动效果显示方法及装置 | |
CN108089693A (zh) | 手势识别方法及装置、智能穿戴终端及服务器 | |
CN110084217B (zh) | 基于MOD-Net网络的眼动参数监测的疲劳检测方法 | |
CN108168032A (zh) | 空调的控制方法、装置和系统、存储介质、处理器 | |
CN104111991B (zh) | 通过搜索引擎进行提醒的方法和搜索引擎 | |
CN107953346A (zh) | 机器人哄睡方法及机器人 | |
CN109674459A (zh) | 一种数据处理的方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |