CN111028908B - 睡眠状态监测方法、装置、设备和计算机可读存储介质 - Google Patents

Abstract

本申请公开了一种睡眠状态监测方法、装置、设备和计算机可读存储介质，涉及人工智能领域。具体实现方案为：监测用户在第一预设时间段内的第一睡眠信息；根据第一睡眠信息，预测用户在闹钟触发时刻的第一睡眠状态；在第一睡眠状态为深睡眠状态的情况下，播放第一调节声音。上述技术方案通过在闹钟触发之前预测用户在闹钟触发时的睡眠状态，并在预测到用户处于深睡眠状态的情况下，播放第一调节声音，可以降低用户被闹钟唤醒时的不舒服感，优化用户体验。

Description

睡眠状态监测方法、装置、设备和计算机可读存储介质

技术领域

本申请涉及数据处理领域，尤其涉及人工智能领域。

背景技术

闹钟的唤醒方式通常是定点唤醒，即到达设定的闹钟触发时刻时就触发闹钟。而在深度睡眠状态下被唤醒会让人产生沉重的困乏感，从而更倾向于赖床。

发明内容

本申请实施例提供一种睡眠状态监测方法、装置、设备和计算机可读存储介质，以解决现有技术中的一个或多个技术问题。

第一方面，本申请实施例提供一种睡眠状态监测方法，包括：

监测用户在第一预设时间段内的第一睡眠信息；

根据第一睡眠信息，预测用户在闹钟触发时刻的第一睡眠状态；

在第一睡眠状态为深睡眠状态的情况下，播放第一调节声音。

上述技术方案通过在闹钟触发之前预测用户在闹钟触发时的睡眠状态，并在预测到用户处于深睡眠状态的情况下，播放第一调节声音，可以帮助用户在闹钟触发时进入浅睡眠状态，以降低被闹钟唤醒时的困乏感，提高用户舒适度。

在一种实施方式中，播放第一调节声音，包括：

确定与用户对应的身份标识信息；

匹配与身份标识信息对应的第一调节声音。

上述技术方案可以为不同用户播放不同的第一调节声音，从而有针对性地为用户提供服务。

在一种实施方式中，本申请实施例的睡眠状态监测方法还包括：

监测用户在第二预设时间段内的第二睡眠信息；

根据第二睡眠信息，确定用户在第二预设时间段的第二睡眠状态；

在第二睡眠状态为深睡眠状态的情况下，播放第一候选声音；

在播放第一候选声音后获取用户的第三睡眠状态；

在第三睡眠状态为浅睡眠状态的情况下，将第一候选声音标识为第一调节声音，并与身份标识信息相关联。

上述技术方案可以为用户定制更适合该用户的第一调节声音，优化用户体验。

在一种实施方式中，睡眠信息包括声音片段，根据第一睡眠信息，预测用户在闹钟触发时刻的第一睡眠状态，包括：

从睡眠环境中采集与第一预设时间段对应的第一声音片段；

从第一声音片段中提取第一声音特征；

将第一声音特征输入睡眠状态监测模型，预测第一睡眠状态。

在一种实施方式中，本申请实施例的睡眠状态监测方法还包括：

监测用户在第三预设时间段的第三睡眠信息；

根据第三睡眠信息，预测用户在第四预设时间段内的第四睡眠状态，第四预设时间段早于第一预设时间段；

在第四睡眠状态为浅睡眠状态的情况下，播放第二调节声音。

上述技术方案可以在距离闹钟唤醒时刻较远的时间段中，帮助用户快速进入深睡眠状态，提高用户的睡眠质量。

第二方面，本申请实施例提供一种睡眠状态监测装置，包括：

第一监测模块，用于监测用户在第一预设时间段内的第一睡眠信息；

第一预测模块，用于根据第一睡眠信息，预测用户在闹钟触发时刻的第一睡眠状态；

第一播放模块，用于在第一睡眠状态为深睡眠状态的情况下，播放第一调节声音。

在一种实施方式中，第一播放模块包括：

身份标识信息确定单元，用于确定与用户对应的身份标识信息；

匹配单元，用于匹配与身份标识信息对应的第一调节声音。

在一种实施方式中，本申请实施例的睡眠状态监测装置还包括：

第二监测模块，用于监测用户在第二预设时间段内的第二睡眠信息；

第二睡眠状态确定模块，用于根据第二睡眠信息，确定用户在第二预设时间段的第二睡眠状态；

第二播放模块，用于在第二睡眠状态为深睡眠状态的情况下，播放第一候选声音；

获取模块，用于在播放第一候选声音后获取用户的第三睡眠状态；

关联模块，用于在第三睡眠状态为浅睡眠状态的情况下，将第一候选声音标识为第一调节声音，并与身份标识信息相关联。

上述可选方式所具有的其他效果将在下文中结合具体实施例加以说明。

附图说明

附图用于更好地理解本方案，不构成对本申请的限定。其中：

图1是根据本申请实施例一种实施方式的睡眠状态监测方法的流程图；

图2是根据本申请实施例另一种实施方式的睡眠状态监测方法的流程图；

图3是根据本申请实施例又一种实施方式的睡眠状态监测方法的流程图；

图4是根据本申请实施例一种实施方式的睡眠状态监测装置的框图；

图5是用来实现本申请实施例的睡眠状态监测方法的电子设备的框图。

具体实施方式

以下结合附图对本申请的示范性实施例做出说明，其中包括本申请实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本申请的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。

人类的正常睡眠，一般是由浅睡眠状态到深睡眠状态再到浅睡眠状态，这样反复几个周期构成。由生活经验可知，如果在深睡眠状态被闹钟唤醒是很不舒服的。本申请提供一种睡眠状态监测方法、装置、设备和计算机可读存储介质，通过在闹钟触发时刻之前监测用户的睡眠信息，来预测用户在闹钟触发时刻的睡眠状态，如果预测到用户在闹钟触发时刻处于深睡眠状态，则播放第一调节声音，第一调节声音有利用帮助用户在闹钟触发时刻处于浅睡眠状态的声音。本申请实施例的方法可以应用于智能音箱中。

图1示出申请实施例的睡眠状态监测方法的流程图。如图1所示，本申请实施例的方法可以包括：

步骤S101、监测用户在第一预设时间段内的第一睡眠信息。

在一个示例中，睡眠信息可以包括从用户睡眠环境中采集到的声音片段，例如：可以利用放置在用户睡眠环境中的智能音箱，采集睡眠环境的声音片段。睡眠信息可以为睡眠参数信息，如从佩戴在用户身上的手环或头戴装置等智能设备获取到的该用户的心跳频率、呼吸频率、睡姿变化频率等。

本实施例中，第一预设时间段可以为闹钟触发时刻之前的时间段。例如：闹钟触发时间为7:00，第一预设时间段可以为6:40～6:50。预设时间段的时间跨度本实施例不作限定。在一个示例中，第一预设时间段的结束时刻为闹钟触发时刻。

步骤S102、根据第一睡眠信息，预测用户在闹钟触发时刻的第一睡眠状态。

睡眠状态可以包括深睡眠状态和浅睡眠状态。在一个示例中，根据经验数据设置不同睡眠参数信息对应的睡眠状态。例如：呼吸频率在8次/分钟～15次/分钟，对应深睡眠状态；呼吸频率在16～19次/分钟，对应浅睡眠状态。进一步地，根据第一睡眠信息，如第一预设时间段的呼吸频率，确定第一预设时间段的睡眠状态，从而可以根据人们通常的深睡眠状态和浅睡眠状态的交替时间，利用第一预设时间段与闹钟触发时刻的间隔时间，预测用户在闹钟触发时刻的第一睡眠状态。

在又一个示例中，可以将睡眠信息输入训练好的睡眠状态监测模型中，进而得到对应的睡眠状态。例如：将第一睡眠信息输入睡眠状态监测模型，得到闹钟触发时刻的第一睡眠状态。更具体地，睡眠状态监测模型可以通过训练多层神经网络得到。例如：按照时间顺序由远及近，将睡眠周期划分为第一个时间段、第二个时间段、第三个时间段……；将第一个时间段的睡眠信息输入初始的睡眠状态监测模型，得到第一个时间段的睡眠状态检测结果和第二个时间段的睡眠状态预测结果；将第二个时间段的睡眠信息输入初始的睡眠状态监测模型，得到第二个时间段的睡眠状态检测结果和第三个时间段的睡眠状态预测结果；利用第二个时间段的睡眠状态预测结果与第二个时间段的睡眠状态检测结果之间的误差，调整睡眠状态监测模型的参数。按照类似的方法，不断调整睡眠状态监测模型的参数，直到得到训练好的睡眠状态监测模型。进一步地，在步骤S102中，将第一睡眠信息输入训练好的睡眠状态监测模型，预测第一预设时间段之后的时间段的睡眠状态，该第一预设时间段之后的时间段包括闹钟触发时刻，进而得到第一睡眠状态。

在一种实施方式中，在步骤S102中可以包括：从睡眠环境中采集与第一预设时间段对应的第一声音片段；从第一声音片段中提取第一声音特征；将第一声音特征输入睡眠状态监测模型，预测第一睡眠状态。

在本实施方式中，睡眠状态监测模型的训练过程可以包括：从第一个时间段对应的声音片段中提取对应的第一个声音特征，将第一个声音特征输入初始的睡眠状态监测模型，得到第一个时间段的睡眠状态检测结果和第二个时间段的睡眠状态预测结果；从第二个时间段对应的声音片段中提取对应的第二个声音特征，将第二个声音特征输入初始的睡眠状态监测模型，得到第二个时间段的睡眠状态检测结果和第三个时间段的睡眠状态预测结果；利用第二个时间段的睡眠状态预测结果与第二个时间段的睡眠状态检测结果之间的误差，调整睡眠状态监测模型的参数。按照类似的方法，不断调整睡眠状态监测模型的参数，直到得到训练好的睡眠状态监测模型。进一步地，将第一声音特征输入训练好的睡眠状态监测模型，预测第一睡眠状态。

声音特征可以包括声音能量和/或声音频率等经过脱敏处理的信息，即提取到的声音特征不能够被用作语音识别，或者，无法从提取到的声音特征中还原出声音片段或音频内容，从而保护用户隐私。在提取到声音特征后，可以在智能设备上删除对应的声音片段，即采集到的声音片段不会被上传至云端服务器，以保护用户隐私，并减小数据占用空间。

请继续参阅图1，本实施例的方法还可以包括：

步骤S103、在第一睡眠状态为深睡眠状态的情况下，播放第一调节声音。

其中，第一调节声音可以包括鸟叫声、水流声、慢节奏的高频乐曲等可以帮助用户从深睡眠状态进入浅睡眠状态(非唤醒状态)的声音。高频一般为频率在60赫兹～80赫兹的声音。在一个示例中，可以基于大数据统计分析得到哪些声音可以作为第一调节声音。

在一种实施方式中，如图2所示，在步骤S103中可以包括：

步骤S201、确定与用户对应的身份标识信息；

步骤S202、匹配与身份标识信息对应的第一调节声音。

也就是说，第一调节声音可以有多个，例如第一声音库中包括多个第一调节声音。各第一调节声音分别关联有身份标识信息。通过身份标识信息匹配到的第一调节声音与该用户具有对应关系，更适于帮助该用户从深睡眠状态进入浅睡眠状态。由于不同的用户对于声音的敏感度不同，同一个第一调节声音可以帮助用户A从深睡眠状态进入浅睡眠状态，但不一定对用户B有效。通过第一调节声音与身份标识信息的关联性，可以使播放的第一调节声音更有针对性和有效性。

进一步地，如图2所示，本实施例的方法还可以包括：

步骤S203、监测用户在第二预设时间段内的第二睡眠信息；

步骤S204、根据第二睡眠信息，确定用户在第二预设时间段的第二睡眠状态；

步骤S205、在第二睡眠状态为深睡眠状态的情况下，播放第一候选声音；

步骤S206、在播放第一候选声音后获取用户的第三睡眠状态；

步骤S207、在第三睡眠状态为浅睡眠状态的情况下，将第一候选声音标识为第一调节声音，并与身份标识信息相关联。

第二预设时间段可以为定制化阶段的睡眠周期中的任意时间段。定制化阶段早于第一预设时间段所在的睡眠周期。其中，从入睡到清醒的时间可以作为一个睡眠周期。例如：第一预设时间段所在的睡眠周期为当天，定制化阶段包括前N天(N为大于等于1的整数)。也就是说，可以提前为不同用户量身定制适合的第一调节声音。

在一个示例中，在步骤S204中可以包括：将第二睡眠信息输入训练好的睡眠状态监测模型中，进而得到第二睡眠状态。在步骤S206中可以包括：在播放第一候选声音后监测用户的睡眠信息，并将监测到的该睡眠信息输入训练好的睡眠状态监测模型中，进而得到第三睡眠状态。

可以在定制化阶段中的多个第二预设时间段，分别播放相同的第一候选声音，然后根据之后用户的第三睡眠状态得到不同的分值，例如：第三睡眠状态为浅睡眠状态对应正分值；第三睡眠状态为非浅睡眠状态对应负分值，从而得到该第一候选声音对应的总分值。在一个示例中，可以设置预设值，如果某一第一候选声音超过该预设值，则可以将该第一候选声音标识为第一调节声音，并与该用户的身份标识信息相关联。在另一示例中，可以利用类似的方法获得多个第一候选声音的总分值，进而将总分值最高的第一候选声音标识为第一调节声音，并与该用户的身份标识信息相关联。

在一种实施方式中，如图3所示，本实施例的方法还可以包括：

步骤S301、监测用户在第三预设时间段的第三睡眠信息；

步骤S302、根据第三睡眠信息，预测用户在第四预设时间段内的第四睡眠状态，第四预设时间段早于第一预设时间段；

步骤S303、在第四睡眠状态为浅睡眠状态的情况下，播放第二调节声音。

其中，在同一睡眠周期，第三预设时间段早于第四预设时间段，第四预设时间段早于第一预设时间段。第二调节声音可以包括催眠故事、催眠乐曲、白噪音等可以帮助用户进入深睡眠状态的声音。在一个示例中，可以基于大数据统计分析得到哪些声音可以作为第二调节声音。

从而，在距离闹钟唤醒时刻较远的时间段中，可以帮助用户快速进入深睡眠状态，提高睡眠质量。这尤其适应用婴儿，可以帮助婴儿快速从浅睡眠状态到深睡眠状态的过渡，增长睡眠周期。

在一种实施方式中，在步骤S302中可以包括：从睡眠环境中采集与第三预设时间段对应的第二声音片段；从第二声音片段中提取第二声音特征；将第二声音特征输入睡眠状态监测模型，预测第四睡眠状态。

在一种实施方式中，在步骤S303中，播放第二调节声音可以包括：确定与用户对应的身份标识信息；匹配与身份标识信息对应的第二调节声音。

也就是说，与第一调节声音类似地，第二调节声音可以有多个，例如第二声音库中包括多个第二调节声音。各第二调节声音分别关联有身份标识信息。通过身份标识信息匹配到的第二调节声音与该用户具有对应关系，更适于帮助该用户从浅睡眠状态进入深睡眠状态。由于不同的用户对于声音的敏感度不同，同一个第二调节声音可以帮助用户A从浅睡眠状态进入深睡眠状态，但不一定对用户B有效。通过第二调节声音与身份标识信息的关联性，可以使播放的第二调节声音更有针对性和有效性。

进一步地，第二调节声音的确定可以包括：步骤S203～步骤S204，以及在第二睡眠状态为浅睡眠状态的情况下，播放第二候选声音；在播放第二候选声音后获取用户的第五睡眠状态；在第五睡眠状态为深睡眠状态的情况下，将第二候选声音标识为第二调节声音，并与身份标识信息相关联。

在一个示例中，在播放第二候选声音后监测用户的睡眠信息，并将监测到的该睡眠信息输入训练好的睡眠状态监测模型中，进而得到第五睡眠状态。

可以在定制化阶段中的多个第二预设时间段，分别播放相同的第二候选声音，然后根据之后用户的第五睡眠状态得到不同的分值，例如：第五睡眠状态为深睡眠状态对应正分值；第五睡眠状态为非深睡眠状态对应负分值，从而得到该第二候选声音对应的总分值。在一个示例中，可以设置预设值，如果某一第二候选声音超过该预设值，则可以将该第二候选声音标识为第二调节声音，并与该用户的身份标识信息相关联。在另一示例中，可以利用类似的方法获得多个第二候选声音的总分值，进而将总分值最高的第二候选声音标识为第二调节声音，并与该用户的身份标识信息相关联。

本申请实施例还提供一种睡眠状态监测装置，如图4所示，该装置可以包括：

第一监测模块401，用于监测用户在第一预设时间段内的第一睡眠信息；第一预测模块402，用于根据第一睡眠信息，预测用户在闹钟触发时刻的第一睡眠状态；第一播放模块403，用于在第一睡眠状态为深睡眠状态的情况下，播放第一调节声音。

在一种实施方式中，第一播放模块403可以包括：身份标识信息确定单元，用于确定与用户对应的身份标识信息；匹配单元，用于匹配与身份标识信息对应的第一调节声音。

在一种实施方式中，本申请实施例的睡眠状态监测装置还可以包括：

第二监测模块，用于监测用户在第二预设时间段内的第二睡眠信息；第二睡眠状态确定模块，用于根据第二睡眠信息，确定用户在第二预设时间段的第二睡眠状态；第二播放模块，用于在第二睡眠状态为深睡眠状态的情况下，播放第一候选声音；获取模块，用于在播放第一候选声音后获取用户的第三睡眠状态；关联模块，用于在第三睡眠状态为浅睡眠状态的情况下，将第一候选声音标识为第一调节声音，并与身份标识信息相关联。

在一种实施方式中，睡眠信息包括声音片段，第一预测模块402可以包括：采集单元，用于从睡眠环境中采集与第一预设时间段对应的第一声音片段；提取单元，用于从第一声音片段中提取第一声音特征；预测单元，用于将第一声音特征输入睡眠状态监测模型，预测第一睡眠状态。

在一种实施方式中，本申请实施例的睡眠状态监测装置还可以包括：

第三检测模块，用于监测用户在第三预设时间段的第三睡眠信息；

第二预测模块，用于根据第三睡眠信息，预测用户在第四预设时间段内的第四睡眠状态，第四预设时间段早于第一预设时间段；

第三播放模块，用于在第四睡眠状态为浅睡眠状态的情况下，播放第二调节声音。

本申请实施例各装置中的各模块的功能可以参见上述方法中的对应描述，在此不再赘述。

根据本申请的实施例，本申请还提供了一种电子设备和一种可读存储介质。

如图5所示，是根据本申请实施例的睡眠状态监测方法的电子设备的框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本申请的实现。

如图5所示，该电子设备包括：一个或多个处理器501、存储器502，以及用于连接各部件的接口，包括高速接口和低速接口。各个部件利用不同的总线互相连接，并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在电子设备内执行的指令进行处理，包括存储在存储器中或者存储器上以在外部输入/输出装置(诸如，耦合至接口的显示设备)上显示图形用户界面(Graphical User Interface，GUI)的图形信息的指令。在其它实施方式中，若需要，可以将多个处理器和/或多条总线与多个存储器和多个存储器一起使用。同样，可以连接多个电子设备，各个设备提供部分必要的操作(例如，作为服务器阵列、一组刀片式服务器、或者多处理器系统)。图5中以一个处理器501为例。

存储器502即为本申请所提供的非瞬时计算机可读存储介质。其中，所述存储器存储有可由至少一个处理器执行的指令，以使所述至少一个处理器执行本申请所提供的睡眠状态监测方法。本申请的非瞬时计算机可读存储介质存储计算机指令，该计算机指令用于使计算机执行本申请所提供的睡眠状态监测方法。

存储器502作为一种非瞬时计算机可读存储介质，可用于存储非瞬时软件程序、非瞬时计算机可执行程序以及模块，如本申请实施例中的睡眠状态监测方法对应的程序指令/模块(例如，附图4所示的各模块)。处理器501通过运行存储在存储器502中的非瞬时软件程序、指令以及模块，从而执行服务器的各种功能应用以及数据处理，即实现上述方法实施例中的睡眠状态监测方法。

存储器502可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储根据睡眠状态监测电子设备的使用所创建的数据等。此外，存储器502可以包括高速随机存取存储器，还可以包括非瞬时存储器，例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些实施例中，存储器502可选包括相对于处理器501远程设置的存储器，这些远程存储器可以通过网络连接至睡眠状态监测电子设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。

睡眠状态监测方法的电子设备还可以包括：输入装置503和输出装置504。处理器501、存储器502、输入装置503和输出装置504可以通过总线或者其他方式连接，图5中以通过总线连接为例。

输入装置503可接收输入的数字或字符信息，以及产生与睡眠状态监测电子设备的用户设置以及功能控制有关的键信号输入，例如触摸屏、小键盘、鼠标、轨迹板、触摸板、指示杆、一个或者多个鼠标按钮、轨迹球、操纵杆等输入装置。输出装置504可以包括显示设备、辅助照明装置(例如，LED)和触觉反馈装置(例如，振动电机)等。该显示设备可以包括但不限于，液晶显示器(Liquid Crystal Display，LCD)、发光二极管(Light EmittingDiode，LED)显示器和等离子体显示器。在一些实施方式中，显示设备可以是触摸屏。

此处描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、专用集成电路(Application Specific Integrated Circuits，ASIC)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。

这些计算程序(也称作程序、软件、软件应用、或者代码)包括可编程处理器的机器指令，并且可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。如本文使用的，术语“机器可读介质”和“计算机可读介质”指的是用于将机器指令和/或数据提供给可编程处理器的任何计算机程序产品、设备、和/或装置(例如，磁盘、光盘、存储器、可编程逻辑装置(programmable logic device，PLD))，包括，接收作为机器可读信号的机器指令的机器可读介质。术语“机器可读信号”指的是用于将机器指令和/或数据提供给可编程处理器的任何信号。

为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(Cathode Ray Tube，阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。

可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(Local Area Network，LAN)、广域网(Wide Area Network，WAN)和互联网。

计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。

根据本申请实施例的技术方案，通过在闹钟触发之前预测用户在闹钟触发时的睡眠状态，并在预测到用户处于深睡眠状态的情况下，播放第一调节声音，可以帮助用户在闹钟触发时进入浅睡眠状态，以降低被闹钟唤醒时的困乏感，提高用户舒适度。

应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本申请中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本申请公开的技术方案所期望的结果，本文在此不进行限制。

上述具体实施方式，并不构成对本申请保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本申请的精神和原则之内所作的修改、等同替换和改进等，均应包含在本申请保护范围之内。

Claims (7)

1.一种睡眠状态监测方法，其特征在于，包括：

从睡眠环境中采集用户的与第一预设时间段对应的第一声音片段；

从所述第一声音片段中提取第一声音特征；

将所述第一声音特征输入睡眠状态监测模型，预测第一睡眠状态；

在所述第一睡眠状态为深睡眠状态的情况下，确定与所述用户对应的身份标识信息，并匹配与所述身份标识信息对应的第一调节声音；

播放第一调节声音；

其中，所述睡眠状态检测模型通过训练多层神经网络得到；所述睡眠状态监测模型的训练过程包括：从第一个时间段对应的声音片段中提取对应的第一个声音特征，将第一个声音特征输入初始的睡眠状态监测模型，得到第一个时间段的睡眠状态检测结果和第二个时间段的睡眠状态预测结果；从第二个时间段对应的声音片段中提取对应的第二个声音特征，将第二个声音特征输入初始的睡眠状态监测模型，得到第二个时间段的睡眠状态检测结果和第三个时间段的睡眠状态预测结果；利用第二个时间段的睡眠状态预测结果与第二个时间段的睡眠状态检测结果之间的误差，调整睡眠状态监测模型的参数；不断调整睡眠状态监测模型的参数，直到得到训练好的睡眠状态监测模型。

2.根据权利要求1所述的方法，其特征在于，还包括：

监测所述用户在第二预设时间段内的第二睡眠信息；

根据所述第二睡眠信息，确定所述用户在所述第二预设时间段的第二睡眠状态；

在所述第二睡眠状态为深睡眠状态的情况下，播放第一候选声音；

在播放所述第一候选声音后获取所述用户的第三睡眠状态；

在所述第三睡眠状态为浅睡眠状态的情况下，将所述第一候选声音标识为所述第一调节声音，并与所述身份标识信息相关联。

3.根据权利要求1所述的方法，其特征在于，还包括：

监测所述用户在第三预设时间段的第三睡眠信息；

根据所述第三睡眠信息，预测所述用户在第四预设时间段内的第四睡眠状态，所述第四预设时间段早于所述第一预设时间段；

在所述第四睡眠状态为浅睡眠状态的情况下，播放第二调节声音。

4.一种睡眠状态监测装置，其特征在于，包括：

第一监测模块，用于监测用户在第一预设时间段内的第一睡眠信息；

第一预测模块，用于根据所述第一睡眠信息，预测所述用户在闹钟触发时刻的第一睡眠状态；

第一播放模块，用于在所述第一睡眠状态为深睡眠状态的情况下，播放第一调节声音；

其中，所述第一预测模块，包括：

采集单元，用于从睡眠环境中采集与第一预设时间段对应的第一声音片段；

提取单元，用于从第一声音片段中提取第一声音特征；

预测单元，用于将第一声音特征输入睡眠状态监测模型，预测第一睡眠状态；

其中，所述第一播放模块，包括：

身份标识信息确定单元，用于确定与所述用户对应的身份标识信息；

匹配单元，用于匹配与所述身份标识信息对应的第一调节声音；

其中，所述睡眠状态检测模型通过训练多层神经网络得到；睡眠状态监测模型的训练过程包括：从第一个时间段对应的声音片段中提取对应的第一个声音特征，将第一个声音特征输入初始的睡眠状态监测模型，得到第一个时间段的睡眠状态检测结果和第二个时间段的睡眠状态预测结果；从第二个时间段对应的声音片段中提取对应的第二个声音特征，将第二个声音特征输入初始的睡眠状态监测模型，得到第二个时间段的睡眠状态检测结果和第三个时间段的睡眠状态预测结果；利用第二个时间段的睡眠状态预测结果与第二个时间段的睡眠状态检测结果之间的误差，调整睡眠状态监测模型的参数；不断调整睡眠状态监测模型的参数，直到得到训练好的睡眠状态监测模型。

5.根据权利要求4所述的装置，其特征在于，还包括：

第二监测模块，用于监测所述用户在第二预设时间段内的第二睡眠信息；

第二睡眠状态确定模块，用于根据所述第二睡眠信息，确定所述用户在所述第二预设时间段的第二睡眠状态；

第二播放模块，用于在所述第二睡眠状态为深睡眠状态的情况下，播放第一候选声音；

获取模块，用于在播放所述第一候选声音后获取所述用户的第三睡眠状态；

关联模块，用于在所述第三睡眠状态为浅睡眠状态的情况下，将所述第一候选声音标识为所述第一调节声音，并与所述身份标识信息相关联。

6.一种电子设备，其特征在于，包括：

至少一个处理器；以及

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-3中任一项所述的方法。

7.一种存储有计算机指令的非瞬时计算机可读存储介质，其特征在于，所述计算机指令用于使所述计算机执行权利要求1-3中任一项所述的方法。