CN112843425B - 基于睡眠枕的睡姿检测方法、装置、电子设备及存储介质 - Google Patents

基于睡眠枕的睡姿检测方法、装置、电子设备及存储介质 Download PDF

Info

Publication number
CN112843425B
CN112843425B CN202110049473.0A CN202110049473A CN112843425B CN 112843425 B CN112843425 B CN 112843425B CN 202110049473 A CN202110049473 A CN 202110049473A CN 112843425 B CN112843425 B CN 112843425B
Authority
CN
China
Prior art keywords
sleeping
sleep
state
user
pillow
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
Application number
CN202110049473.0A
Other languages
English (en)
Other versions
CN112843425A (zh
Inventor
姚萌
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen Xiaomeng Zhimian Technology Co ltd
Original Assignee
Shenzhen Xiaomeng Zhimian Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shenzhen Xiaomeng Zhimian Technology Co ltd filed Critical Shenzhen Xiaomeng Zhimian Technology Co ltd
Priority to CN202110049473.0A priority Critical patent/CN112843425B/zh
Publication of CN112843425A publication Critical patent/CN112843425A/zh
Application granted granted Critical
Publication of CN112843425B publication Critical patent/CN112843425B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
    • A61M21/00—Other devices or methods to cause a change in the state of consciousness; Devices for producing or ending sleep by mechanical, optical, or acoustical means, e.g. for hypnosis
    • A61M21/02—Other devices or methods to cause a change in the state of consciousness; Devices for producing or ending sleep by mechanical, optical, or acoustical means, e.g. for hypnosis for inducing sleep or relaxation, e.g. by direct nerve stimulation, hypnosis, analgesia
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/48—Other medical applications
    • A61B5/4806—Sleep evaluation
    • A61B5/4809—Sleep detection, i.e. determining whether a subject is asleep or not
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/48—Other medical applications
    • A61B5/4806—Sleep evaluation
    • A61B5/4812—Detecting sleep stages or cycles
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/48—Other medical applications
    • A61B5/4806—Sleep evaluation
    • A61B5/4815—Sleep quality
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235—Details of waveform analysis
    • A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Public Health (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • General Health & Medical Sciences (AREA)
  • Veterinary Medicine (AREA)
  • Pathology (AREA)
  • Biophysics (AREA)
  • Medical Informatics (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Anesthesiology (AREA)
  • Artificial Intelligence (AREA)
  • Acoustics & Sound (AREA)
  • Psychology (AREA)
  • Hematology (AREA)
  • Pain & Pain Management (AREA)
  • Evolutionary Computation (AREA)
  • Fuzzy Systems (AREA)
  • Mathematical Physics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physiology (AREA)
  • Psychiatry (AREA)
  • Signal Processing (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)

Abstract

本申请提供了一种基于睡眠枕的睡姿检测方法、装置、电子设备及存储介质，其方法包括：识别用户躺在睡眠枕上时是否处于睡眠状态，所述睡眠状态包括浅睡状态和深睡状态；若所述用户处于睡眠状态，基于所述睡眠枕获取用户当前的睡眠数据；根据所述睡眠数据对用户进行睡姿检测分析，获取所述用户的睡姿状态。上述方法可以让睡眠枕更准确地检测出用户的睡姿状态，以便后续更有效地帮助用户提高睡眠质量。

Description

基于睡眠枕的睡姿检测方法、装置、电子设备及存储介质
技术领域
本申请属于智能设备技术领域，尤其涉及一种基于睡眠枕的睡姿检测方法、装置、电子设备及存储介质。
背景技术
现代社会中，生活的快节奏和社会的竞争力带给人们很大的压力，这种压力容易使人们出现睡眠问题，例如入睡困难问题，严重影响人们的睡眠质量。随着人工智能技术的不断发展，智能家居也越来也受到人们的关注，有助于睡眠的智能家居成为人们的广泛需求。然而，发明人在研究中发现，目前市面上的一些智能枕头通常是简单地通过智能枕头受压的位置来确定用户的睡姿，睡姿检测的准确性差，难以有效地帮助用户提高睡眠质量。
发明内容
有鉴于此，本申请实施例提供了一种基于睡眠枕的睡姿检测方法、装置、电子设备及存储介质，可以让睡眠枕更准确地检测出用户的睡姿状态，以便后续更有效地帮助用户提高睡眠质量。
本申请实施例的第一方面提供了一种基于睡眠枕的睡姿检测方法，所述基于睡眠枕的睡姿检测方法包括：
识别用户躺在睡眠枕上时是否处于睡眠状态，所述睡眠状态包括浅睡状态和深睡状态；
若所述用户处于睡眠状态，基于所述睡眠枕获取用户当前的睡眠数据；
根据所述睡眠数据对用户进行睡姿状态分析，获取所述用户的睡姿状态。
结合第一方面，在第一方面的第一种可能实现方式中，所述基于睡眠枕的睡姿检测方法还包括：
通过神经网络训练构建睡姿检测模型，其中，所述睡姿检测模型包括睡眠状态识别子模型和睡姿分析子模型，分别被训练用于识别用户是否处于睡眠状态和分析出用户的睡姿状态。
结合第一方面的第一种可能实现方式，在第一方面的第二种可能实现方式中，所述识别用户躺在睡眠枕上时是否处于睡眠状态，所述睡眠状态包括浅睡状态和深睡状态的步骤，包括：
接收所述睡眠枕检测获得的待识别数据，所述待识别数据中包含有气囊气压变化特征和气囊气压大小特征；
将所述待识别数据输入至所述睡眠状态识别子模型中进行特征提取以及特征归类处理，以使所述睡眠状态识别模型根据特征归类结果确定用户躺在睡眠枕上时是否处于睡眠状态。
结合第一方面的第一种可能实现方式，在第一方面的第三种可能实现方式中，所述根据所述睡眠数据对用户进行睡姿状态分析，获取所述用户的睡姿状态的步骤，包括：
将所述睡眠数据输入至所述睡姿分析子模型中进行气压分布特征分析，以使所述睡姿分析子模型根据气压分布特征分析结果确定所述用户的睡姿状态。
结合第一方面，在第一方面的第四种可能实现方式中，所述根据所述睡眠数据对用户进行睡姿状态分析，获取所述用户当前的睡姿状态的步骤之后，还可以包括：
实时监控所述用户是否出现打鼾声；
若所述用户出现打鼾声，根据所述用户当前的睡姿状态对所述用户进行睡姿调整。
结合第一方面的第四种可能实现方式，在第一方面的第五种可能实现方式中，所述若所述用户出现打鼾声，根据所述用户当前的睡姿状态对所述用户进行睡姿调整的步骤，包括：
若用户当前处于左侧睡状态，则通过减少睡眠枕中右侧气囊的气压，将用户睡姿调整至仰睡状态；或
若用户当前处于右侧睡状态，则通过减少睡眠枕中左侧气囊的气压，将用户睡姿调整至仰睡状态；或
若用户当前处于仰睡状态，则可以通过增强睡眠枕中左侧或右侧的气囊气压，以将用户睡姿调整至侧睡状态，其中，若增强左侧气囊气压，则用户的睡姿状态调整为右侧睡状态；若增强右侧气囊气压，则用户的睡姿状态调整为左侧睡状态。
结合第一方面以及第一方面的第一至第五种可能实现方式中的任意一种，在第一方面的第六种可能实现方式中，所述根据所述睡眠数据对用户进行睡姿状态分析，获取所述用户的睡姿状态的步骤之后，还包括：
对用户睡眠过程中的睡姿状态变更进行记录处理，生成睡姿状态变更列表。
本申请实施例的第二方面提供了一种基于睡眠枕的睡姿检测装置，所述基于睡眠枕的睡姿检测装置包括：
睡眠状态识别模块，用于识别用户躺在睡眠枕上时是否处于睡眠状态，所述睡眠状态包括浅睡状态和深睡状态；
睡眠数据获取模块，用于若所述用户处于睡眠状态，基于所述睡眠枕获取用户当前的睡眠数据；
睡姿状态分析模块，用于根据所述睡眠数据对用户进行睡姿状态分析，获取所述用户的睡姿状态。
本申请实施例的第三方面提供了一种电子设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如第一方面任意一项所述基于睡眠枕的睡姿检测方法的步骤。
本申请实施例的第四方面提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如第一方面任一项所述基于睡眠枕的睡姿检测方法的步骤。
本申请实施例与现有技术相比存在的有益效果是：
本申请通过识别用户躺在睡眠枕上时是否处于睡眠状态，所述睡眠状态包括浅睡状态和深睡状态；若所述用户处于睡眠状态，基于所述睡眠枕获取用户当前的睡眠数据；根据所述睡眠数据对用户进行睡姿检测分析，获取所述用户的睡姿状态。该方法通过先识别用户是否处于睡眠状态，在用户处于睡眠状态时在对用户进行睡姿检测，保证了睡眠枕对用户的睡姿检测准确、有效。
附图说明
为了更清楚地说明本申请实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本申请实施例提供的一种基于睡眠枕的睡姿检测方法的基本方法流程示意图；
图2为本申请实施例提供的基于睡眠枕的睡姿检测方法中识别用户是否处于睡眠状态的一种方法流程示意图；
图3为本申请实施例提供的基于睡眠枕的水姿检测方法中睡眠枕的一种检测装置示意图；
图4为本申请实施例提供的基于睡眠枕的睡姿检测方法中依据检测到的睡姿状态执行止鼾操作的一种方法流程示意图；
图5为本申请实施例提供的一种基于睡眠枕的睡姿检测装置的结构示意图；
图6为本申请实施例提供的一种实现基于睡眠枕的睡姿检测方法的电子设备的示意图。
具体实施方式
以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本申请实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本申请的描述。
为了说明本申请所述的技术方案，下面通过具体实施例来进行说明。
本申请的一些实施例中，请参阅图1，图1为本申请实施例提供的一种基于睡眠枕的睡姿检测方法的基本方法流程示意图，详述如下：
在步骤S11中，识别用户躺在睡眠枕上时是否处于睡眠状态，所述睡眠状态包括浅睡状态和深睡状态。
本实施例中，所述基于睡眠枕的睡姿检测方法基于一预先训练好的睡姿检测模型实现，该睡姿检测模型包含有对用户进行睡眠状态检测和睡姿状态检测两个步骤，每个步骤对应一个神经网络训练模型，其中，用户的睡眠状态以及睡姿状态由其对应的神经网络模型通过机器学习算法分析得出。在本实施例中，在获取用户的睡姿状态之前，需要先判断用户当前躺在睡眠枕上是否处于睡眠状态，只有当用户处于睡眠状态时才会对该用户进行进一步的睡姿状态检测。在本实施例中，对于睡眠枕而言，可以分为有人或无人躺在睡眠枕上两种情况，而有人躺在睡眠枕上时又可以按照人的精神状态分为用户处于意识完全清醒的清醒状态、用户有意识但准备进入睡眠的入睡状态、用户处于浅层睡眠的浅睡状态以及用户处于深度睡眠的深睡状态四种情况。其中，用户浅睡状态和用户深睡状态这两种情况认定为用户处于睡眠状态。
在步骤S12中，若所述用户处于睡眠状态，基于所述睡眠枕获取用户当前的睡眠数据。
本实施例中，当睡姿检测模型经过睡眠状态检测步骤检测得到用户当前躺在睡眠枕上处于睡眠状态时，通过睡眠枕获取用户当前的睡眠数据，睡眠数据包括由睡眠枕中的气压检测装置在用户处于睡眠状态时检测得到的气压信号数据。
在步骤S13中，根据所述睡眠数据对用户进行睡姿状态分析，获取所述用户的睡姿状态。
本实施例中，通过睡眠枕获得用户当前的睡眠数据后，将该睡眠数据输入至睡姿检测模型中睡姿状态检测步骤对应的神经网络模型中进行机器学习算法分析，以由该睡姿检测模型输出其睡姿状态检测步骤对应的神经网络模型分析得出用户的睡姿状态结果。其中用户的睡姿状态包括但不限于左侧睡、右侧睡、仰睡等。在本实施例中，通过将用户当前的睡眠数据输入至睡姿状态检测步骤对应的神经网络模型，即可由该神经网络模型从睡眠数据中识别出用户的睡眠特征，然后通过对这些睡眠特征进行归类分析即可获得用户的睡姿状态。
上述实施例提供的基于睡眠枕的睡姿检测方法通过睡姿检测模型中的睡眠状态检测步骤先识别出用户躺在睡眠枕上时是否处于睡眠状态，睡眠状态包括浅睡状态和深睡状态。当确定用户处于睡眠状态时，再则基于睡眠枕获取用户当前的睡眠数据。进而通过睡姿检测模型中的睡姿状态检测步骤，根据睡眠数据对用户进行睡姿状态分析，以此获取用户的睡姿状态。通过先识别用户是否处于睡眠状态，然后在用户处于睡眠状态时再对用户进行睡姿状态分析，保证了睡眠枕对用户的睡姿检测准确且有效。
本申请的一些实施例中，通过神经网络训练构建一睡姿检测模型，用于执行基于睡眠枕的睡姿检测方法。在本实施例中，该睡姿检测模型中包含有睡眠状态识别子模型和睡姿分析子模型。睡眠状态识别子模型被训练用于执行睡眠状态检测步骤，以识别用户是否处于睡眠状态。睡姿分析子模型被训练用于执行睡姿状态检测步骤，以分析出用户的睡姿状态。在本实施例中，睡姿检测模型在训练构建过程中具体先采用大量分别标记有“无人状态”、“清醒状态”、“入睡状态”、“浅睡状态”、“深睡状态”等五种状态标签的气囊气压信号数据训练样本进行训练学习，分别学习得到表征上述五种状态对应的特征，以获得睡眠状态识别子模型。睡眠状态识别子模型通过将从输入数据中获得的特征与模型学习获得的特征进行相似度比对来识别用户是否处于睡眠状态。然后，通过对“浅睡状态”、“深睡状态”这两种状态标签的气囊气压信号数据训练样本进行“左侧睡”、“右侧睡”、“仰睡”等睡姿状态标签建立，进而在睡眠状态识别子模型的基础上，采用这些标记有“左侧睡”、“右侧睡”、“仰睡”等睡姿状态标签的气囊气压信号数据训练样本进行进一步的训练学习，为“浅睡状态”和“深睡状态”对应的特征分别增加对应的表征“左侧睡”、“右侧睡”、“仰睡”等睡姿状态的特征，从而获得睡姿分析子模型。睡姿分析子模型通过从输入数据中获得的特征与模型学习获得的特征进行相似度比对来确定用户的睡姿状态。在本实施例中，构建睡姿检测模型时分两步进行训练，第一步通过大量的数据样本训练得到睡眠状态识别子模型，实现睡眠状态识别；第二步再从该大量的数据样本中获取具有睡眠姿态的数据，即识别为睡眠状态的数据进行进一步的训练，获取表征睡姿的特征，得到睡姿分析子模型。此种构建睡姿检测模型的方式大大的减少了模型训练时间，提高了模型训练的效率。
本申请的一些实施例中，请参阅图2，图2为本申请实施例提供的基于睡眠枕的睡姿检测方法中识别用户是否处于睡眠状态的一种方法流程示意图。详细如下：
在步骤S21中，接收所述睡眠枕检测获得的待识别数据，所述待识别数据中包含有气囊气压变化特征和气囊气压大小特征；
在步骤S22中，将所述待识别数据输入至预设的睡眠状态识别模型中进行特征提取以及特征归类处理，以使所述睡眠状态识别模型根据特征归类结果确定用户躺在睡眠枕上时是否处于睡眠状态。
本实施例中，请一并参阅图3，图3为本申请实施例提供的基于睡眠枕的水姿检测方法中睡眠枕的一种检测装置示意图。如图3所示，在本实施例中，睡眠枕中设置有一检测装置30，具体可以包括在睡眠枕中左右并排分布的第一气囊31和第二气囊32以及分别与该两个气囊对应可连接的第一气压检测传感器33、第二气压检测传感器34以及给第一气囊31充/放气的第一气泵35、给第二气囊32充/放气的第二气泵36。该检测装置30用于获取反映睡眠枕当前使用情况的状态数据，该获取的状态数据作为待识别数据输入至睡眠状态识别模型中进行特征提取以及特征归类处理，通过对提取得到的特征进行归类处理，以使睡眠状态识别模型根据特征归类结果确定用户躺在睡眠枕上时是否处于睡眠状态。在本实施例中，该状态数据中包含有气囊气压变化特征和气囊气压大小特征，特征提取处理过程即为提取出该状态数据中的气囊气压变化特征和气囊气压大小特征。睡眠状态识别模型中针对睡眠枕设置有多种状态，例如包括但不限于：无人状态和有人状态，而有人状态包括清醒状态、入睡状态、浅睡状态以及深睡状态，其中浅睡状态以及深睡状态为被认定为是用户处于睡眠状态。睡眠状态识别模型为训练至收敛状态的卷积神经网络模型，该卷积神经网络模型被训练用于对从待识别数据中提取得到的特征与所述睡眠状态识别模型中表征睡眠枕各种状态的预设特征之间的相似度进行评价，表征上述设置的五种状态的预设特征通过训练睡眠状态识别模型获得。特征归类处理过程即将对待识别数据进行特征提取获得的气囊气压变化特征和气囊气压大小特征与睡眠识别模型中各种状态对应的预设特征进行相似度比对，判断与该气囊气压变化特征和气囊气压大小特征相匹配的状态是否为浅睡状态或深睡状态，若是，则确定用户处于睡眠状态，否则确定用户不处于睡眠状态。
本申请的一些实施例中，当检测到用户处于睡眠状态后，对该用户进行睡姿状态检测，具体将获得的用户当前睡眠状态下的睡眠数据输入至睡姿分析模型中，睡姿分析子模型通过从睡眠数据中提取出该用户当前睡姿状态下睡眠枕的气压分布特征，例如气压分布热力图，通过将该气压分布特征与睡姿分析模型训练获得的表征睡姿的特征进行相似度比对，以此确定用户当前的睡姿状态。
本申请的一些实施例中，请参阅图4，图4为本申请实施例提供的基于睡眠枕的睡姿检测方法中依据检测到的睡姿状态执行止鼾操作的一种方法流程示意图。详细如下：
在步骤S41中，实时监控所述用户是否出现打鼾声；
在步骤S42中，若所述用户出现打鼾声，根据所述用户当前的睡姿状态对所述用户进行睡姿调整。
本实施例中，水面正中可以配置一鼾声识别装置，实时监控用户躺在该睡眠枕上睡眠过程中是否出现打鼾声。当鼾声识别装置监控到用户出现打鼾声时，可以根据此前对该用户进行睡姿状态分析获得的用户的当前睡姿状态，对该用户进行睡姿调整。其中，若用户当前处于侧睡状态(左侧睡或右侧睡)，对该用户进行睡姿调整时可以通过减少睡眠枕中左侧或右侧气囊的气压，让左右两侧气囊气压平衡，以此实现将用户睡姿调整至仰睡状态。比如，当用户当前处于左侧睡状态时，通过减少睡眠枕中右侧气囊的气压可以将用户睡姿调整至仰睡状态；而当用户当前处于右侧睡状态时，则通过减少睡眠枕中左侧气囊的气压可以将用户睡姿调整至仰睡状态。若用户当前处于仰睡状态，则可以通过增强睡眠枕中左侧或右侧的气囊气压，以此实现将用户睡姿调整至侧睡状态。比如，增强左侧气囊气压，可以将用户睡姿调整至右侧睡状态；增强右侧气囊气压，则可以将用户睡姿调整至左侧睡状态。
本申请的一些实施例中，还可以依据睡姿检测对用户睡眠过程中的睡姿状态变更进行记录，每当用户发生一次睡姿状态的改变，则记录一次用户的睡姿状态，以此生成一个睡姿状态变更列表，使得用户的睡姿状态可追溯。此时，若需要将用户的睡姿从仰睡状态调整至侧睡状态时，还可以追溯得到该用户当前仰睡状态的上一个睡姿状态是左侧睡状态还是右侧睡状态，若是左侧睡状态，则增强左侧气囊气压，可以将用户睡姿调整至右侧睡状态；若是右侧睡状态，增强右侧气囊气压，以将用户睡姿调整至左侧睡状态。以此可以避免用户在睡眠过程中睡姿转换单一而影响用户身体机能的健康。
可以理解的是，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本申请实施例的实施过程构成任何限定。
在本申请的一些实施例中，请参阅图5，图5为本申请实施例提供的一种基于睡眠枕的睡姿检测装置的结构示意图，详述如下：
所述基于睡眠枕的睡姿检测装置包括：睡眠状态识别模块51、睡眠数据获取模块52以及睡姿状态分析模块53。其中，所述睡眠状态识别模块51用于识别用户躺在睡眠枕上时是否处于睡眠状态，所述睡眠状态包括浅睡状态和深睡状态。所述睡眠数据获取模块52用于若所述用户处于睡眠状态，基于所述睡眠枕获取用户当前的睡眠数据。所述睡姿状态分析模块53用于根据所述睡眠数据对用户进行睡姿状态分析，获取所述用户的睡姿状态。
所述基于睡眠枕的睡姿检测装置，与上述的基于睡眠枕的睡姿检测方法一一对应。
在本申请的一些实施例中，请参阅图6，图6为本申请实施例提供的一种实现基于睡眠枕的睡姿检测方法的电子设备的示意图。如图6所示，该实施例的电子设备6包括：处理器61、存储器62以及存储在所述存储器62中并可在所述处理器61上运行的计算机程序63，例如睡姿检测程序。所述处理器61执行所述计算机程序62时实现上述各个基于睡眠枕的睡姿检测方法实施例中的步骤。或者，所述处理器61执行所述计算机程序63时实现上述各装置实施例中各模块/单元的功能。
示例性的，所述计算机程序63可以被分割成一个或多个模块/单元，所述一个或者多个模块/单元被存储在所述存储器62中，并由所述处理器61执行，以完成本申请。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述所述计算机程序63在所述电子设备6中的执行过程。例如，所述计算机程序63可以被分割成：
睡眠状态识别模块，用于识别用户躺在睡眠枕上时是否处于睡眠状态，所述睡眠状态包括浅睡状态和深睡状态；
睡眠数据获取模块，用于若所述用户处于睡眠状态，基于所述睡眠枕获取用户当前的睡眠数据；
睡姿状态分析模块，用于根据所述睡眠数据对用户进行睡姿状态分析，获取所述用户的睡姿状态。
所述电子设备可包括，但不仅限于，处理器61、存储器62。本领域技术人员可以理解，图6仅仅是电子设备6的示例，并不构成对电子设备6的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述电子设备还可以包括输入输出设备、网络接入设备、总线等。
所称处理器61可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器62可以是所述电子设备6的内部存储单元，例如电子设备6的硬盘或内存。所述存储器62也可以是所述电子设备6的外部存储设备，例如所述电子设备6上配备的插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)等。进一步地，所述存储器62还可以既包括所述电子设备6的内部存储单元也包括外部存储设备。所述存储器62用于存储所述计算机程序以及所述电子设备所需的其他程序和数据。所述存储器62还可以用于暂时地存储已经输出或者将要输出的数据。
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。
在本申请所提供的实施例中，应该理解到，所揭露的装置/终端设备和方法，可以通过其它的方式实现。例如，以上所描述的装置/终端设备实施例仅仅是示意性的，例如，所述模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
所述集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括是电载波信号和电信信号。
以上所述实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围，均应包含在本申请的保护范围之内。

Claims (8)

1.一种基于睡眠枕的睡姿检测方法，其特征在于，包括：
识别用户躺在睡眠枕上时是否处于睡眠状态，所述睡眠状态包括浅睡状态和深睡状态；
若所述用户处于睡眠状态，基于所述睡眠枕获取用户当前的睡眠数据；
根据所述睡眠数据对用户进行睡姿状态分析，获取所述用户的睡姿状态；
根据所述用户当前的睡姿状态，对所述用户进行睡姿调整；
还包括：通过神经网络训练构建睡姿检测模型，其中，所述睡姿检测模型包括睡眠状态识别子模型和睡姿分析子模型，分别被训练用于识别用户是否处于睡眠状态和分析出用户的睡姿状态；
所述识别用户躺在睡眠枕上时是否处于睡眠状态，所述睡眠状态包括浅睡状态和深睡状态的步骤，包括：
接收所述睡眠枕检测获得的待识别数据，所述待识别数据中包含有气囊气压变化特征和气囊气压大小特征；
将所述待识别数据输入至所述睡眠状态识别子模型中进行特征提取以及特征归类处理，以使所述睡眠状态识别子模型根据特征归类结果确定用户躺在睡眠枕上时是否处于睡眠状态；
其中，所述特征归类处理过程即：
将对待识别数据进行特征提取获得的气囊气压变化特征和气囊气压大小特征与所述睡眠状态识别子模型中各种状态对应的预设特征进行相似度比对；
判断与该气囊气压变化特征和气囊气压大小特征相匹配的状态是否为浅睡状态或深睡状态；
若是，则确定用户处于睡眠状态，否则确定用户不处于睡眠状态。
2.根据权利要求1所述的基于睡眠枕的睡姿检测方法，其特征在于，所述根据所述睡眠数据对用户进行睡姿状态分析，获取所述用户的睡姿状态的步骤，包括：
将所述睡眠数据输入至所述睡姿分析子模型中进行气压分布特征分析，以使所述睡姿分析子模型根据气压分布特征分析结果确定所述用户的睡姿状态。
3.根据权利要求1所述的基于睡眠枕的睡姿检测方法，其特征在于，所述根据所述睡眠数据对用户进行睡姿状态分析，获取所述用户当前的睡姿状态的步骤之后，还包括：
实时监控所述用户是否出现打鼾声；
若所述用户出现打鼾声，根据所述用户当前的睡姿状态对所述用户进行睡姿调整。
4.根据权利要求3所述的基于睡眠枕的睡姿检测方法，其特征在于，所述若所述用户出现打鼾声，根据所述用户当前的睡姿状态对所述用户进行睡姿调整的步骤，包括：
若用户当前处于左侧睡状态，则通过减少睡眠枕中右侧气囊的气压，将用户睡姿调整至仰睡状态；或
若用户当前处于右侧睡状态，则通过减少睡眠枕中左侧气囊的气压，将用户睡姿调整至仰睡状态；或
若用户当前处于仰睡状态，则通过增强睡眠枕中左侧或右侧的气囊气压，以将用户睡姿调整至侧睡状态，其中，若增强左侧气囊气压，则用户的睡姿状态调整为右侧睡状态；若增强右侧气囊气压，则用户的睡姿状态调整为左侧睡状态。
5.根据权利要求1-4任意一项所述的基于睡眠枕的睡姿检测方法，其特征在于，所述根据所述睡眠数据对用户进行睡姿状态分析，获取所述用户的睡姿状态的步骤之后，还包括：
对用户睡眠过程中的睡姿状态变更进行记录处理，生成睡姿状态变更列表。
6.一种基于睡眠枕的睡姿检测装置，其特征在于，用于实现如权利要求1-5任一项所述的基于睡眠枕的睡姿检测方法，所述基于睡眠枕的睡姿检测装置包括：
睡眠状态识别模块，用于识别用户躺在睡眠枕上时是否处于睡眠状态，所述睡眠状态包括浅睡状态和深睡状态；
睡眠数据获取模块，用于若所述用户处于睡眠状态，基于所述睡眠枕获取用户当前的睡眠数据；
睡姿状态分析模块，用于根据所述睡眠数据对用户进行睡姿状态分析，获取所述用户的睡姿状态。
7.一种电子设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至5任一项所述基于睡眠枕的睡姿检测方法的步骤。
8.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至5任一项所述基于睡眠枕的睡姿检测方法的步骤。
CN202110049473.0A 2021-01-14 2021-01-14 基于睡眠枕的睡姿检测方法、装置、电子设备及存储介质 Active CN112843425B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110049473.0A CN112843425B (zh) 2021-01-14 2021-01-14 基于睡眠枕的睡姿检测方法、装置、电子设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110049473.0A CN112843425B (zh) 2021-01-14 2021-01-14 基于睡眠枕的睡姿检测方法、装置、电子设备及存储介质

Publications (2)

Publication Number Publication Date
CN112843425A CN112843425A (zh) 2021-05-28
CN112843425B true CN112843425B (zh) 2023-06-06

Family

ID=76006119

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110049473.0A Active CN112843425B (zh) 2021-01-14 2021-01-14 基于睡眠枕的睡姿检测方法、装置、电子设备及存储介质

Country Status (1)

Country Link
CN (1) CN112843425B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114065059B (zh) * 2022-01-17 2022-04-19 浙江想能睡眠科技股份有限公司 一种基于大数据的睡姿推荐控制方法、系统和存储介质
CN114305346B (zh) * 2022-03-03 2022-05-24 深圳市心流科技有限公司 睡眠监测方法、装置、智能眼罩及存储介质

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TW201818876A (zh) * 2016-11-22 2018-06-01 正修學校財團法人正修科技大學 睡眠姿勢之分析系統
CN106618040A (zh) * 2017-02-15 2017-05-10 杨松 枕头和睡眠干预方法
KR101959034B1 (ko) * 2017-11-28 2019-03-18 주식회사 아이오베드 알람 제어가 가능한 스마트 매트리스 시스템의 작동 방법
CN108764123A (zh) * 2018-05-25 2018-11-06 暨南大学 基于神经网络算法的智能识别人体睡眠姿势方法
CN109199395A (zh) * 2018-07-20 2019-01-15 渝新智能科技（上海）有限公司 一种睡眠状态识别方法、装置及设备
KR102096599B1 (ko) * 2018-11-08 2020-04-02 주식회사 아이오베드 스마트 매트리스 시스템
CN109513090B (zh) * 2018-12-26 2021-07-09 速眠创新科技（深圳）有限公司 速眠仪及其控制方法

Also Published As

Publication number Publication date
CN112843425A (zh) 2021-05-28

Similar Documents

Publication Publication Date Title
CN110135246B (zh) 一种人体动作的识别方法及设备
CN110147717B (zh) 一种人体动作的识别方法及设备
CN112843425B (zh) 基于睡眠枕的睡姿检测方法、装置、电子设备及存储介质
CN104732601B (zh) 一种基于人脸识别技术的高识别率自动考勤装置及方法
KR101939683B1 (ko) 사용자 행동 실시간 인식장치 및 방법
KR101727438B1 (ko) 가변형 표현 검출기
CN104346503A (zh) 一种基于人脸图像的情感健康监控方法及手机
CN112101124B (zh) 一种坐姿检测方法及装置
CN111954250B (zh) 一种轻量级Wi-Fi行为感知方法和系统
CN107316029A (zh) 一种活体验证方法及设备
CN116821809B (zh) 基于人工智能的生命体征数据采集系统
CN112418135A (zh) 人体行为识别方法、装置、计算机设备及可读存储介质
CN106056083A (zh) 一种信息处理方法及终端
CN104679967B (zh) 一种判断心理测试可靠性的方法
CN110175500B (zh) 指静脉比对方法、装置、计算机设备及存储介质
CN111291749B (zh) 手势识别方法、装置及机器人
CN104850225A (zh) 一种基于多层次融合的活动识别方法
CN104463143A (zh) 一种基于图像处理的身份识别系统
CN102890822B (zh) 具有物体位置侦测功能的装置及其侦测方法
CN1457015A (zh) 基于人脸识别和手形识别的双模态生物认证系统
CN114065838B (zh) 一种低光照障碍物检测方法、系统、终端以及存储介质
CN115240647A (zh) 声音事件检测方法、装置、电子设备及存储介质
CN115035450A (zh) 确定动物种类的方法及装置
WO2021093744A1 (zh) 一种瞳孔直径的测量方法、装置及计算机可读存储介质
CN110659676A (zh) 一种信息处理方法、装置和存储介质

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
TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20211026

Address after: 518000 3410, building 1, Dachong Business Center (phase II), No. 9680, Shennan Avenue, Dachong community, Yuehai street, Nanshan District, Shenzhen, Guangdong

Applicant after: Shenzhen Xiaomeng Zhimian Technology Co.,Ltd.

Address before: 518000 Room 101, mortal renewable resources office dormitory building, 6101 Pingshan Avenue, Kengzi community, Kengzi street, Pingshan District, Shenzhen City, Guangdong Province

Applicant before: Shenzhen haishimeng home furnishing Co.,Ltd.

GR01 Patent grant
GR01 Patent grant