CN113568505B - 入睡时间点确定方法、装置、设备及可读存储介质 - Google Patents
入睡时间点确定方法、装置、设备及可读存储介质 Download PDFInfo
- Publication number
- CN113568505B CN113568505B CN202110829430.4A CN202110829430A CN113568505B CN 113568505 B CN113568505 B CN 113568505B CN 202110829430 A CN202110829430 A CN 202110829430A CN 113568505 B CN113568505 B CN 113568505B
- Authority
- CN
- China
- Prior art keywords
- time point
- determining
- temperature data
- core temperature
- candidate
- 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
- 238000000034 method Methods 0.000 title claims abstract description 66
- 230000004622 sleep time Effects 0.000 title claims description 42
- 102000054999 human core Human genes 0.000 claims abstract description 74
- 108700026469 human core Proteins 0.000 claims abstract description 74
- 230000036578 sleeping time Effects 0.000 claims abstract description 69
- 230000008859 change Effects 0.000 claims abstract description 48
- 238000012417 linear regression Methods 0.000 claims description 63
- 230000001133 acceleration Effects 0.000 claims description 29
- 230000008569 process Effects 0.000 claims description 26
- 230000009467 reduction Effects 0.000 claims description 7
- 230000009191 jumping Effects 0.000 claims description 3
- 238000001514 detection method Methods 0.000 description 7
- 238000004891 communication Methods 0.000 description 6
- 230000033001 locomotion Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 4
- 238000010276 construction Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000009499 grossing Methods 0.000 description 3
- 230000003247 decreasing effect Effects 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 230000004060 metabolic process Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 210000000056 organ Anatomy 0.000 description 1
- 238000011946 reduction process Methods 0.000 description 1
- 238000000611 regression analysis Methods 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 230000011664 signaling Effects 0.000 description 1
- 230000003860 sleep quality Effects 0.000 description 1
- 230000002618 waking effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
- G06F3/011—Arrangements for interaction with the human body, e.g. for user immersion in virtual reality
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
- A61B5/0205—Simultaneously evaluating both cardiovascular conditions and different types of body conditions, e.g. heart and respiratory condition
- A61B5/02055—Simultaneously evaluating both cardiovascular condition and temperature
-
- 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
- A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
- A61B5/6801—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be attached to or worn on the body surface
- A61B5/6802—Sensor mounted on worn items
- A61B5/681—Wristwatch-type devices
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01K—MEASURING TEMPERATURE; MEASURING QUANTITY OF HEAT; THERMALLY-SENSITIVE ELEMENTS NOT OTHERWISE PROVIDED FOR
- G01K13/00—Thermometers specially adapted for specific purposes
- G01K13/20—Clinical contact thermometers for use with humans or animals
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
- G06F3/03—Arrangements for converting the position or the displacement of a member into a coded form
- G06F3/033—Pointing devices displaced or positioned by the user, e.g. mice, trackballs, pens or joysticks; Accessories therefor
- G06F3/0346—Pointing devices displaced or positioned by the user, e.g. mice, trackballs, pens or joysticks; Accessories therefor with detection of the device orientation or free movement in a 3D space, e.g. 3D mice, 6-DOF [six degrees of freedom] pointers using gyroscopes, accelerometers or tilt-sensors
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Veterinary Medicine (AREA)
- Pathology (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Cardiology (AREA)
- Data Mining & Analysis (AREA)
- Computational Mathematics (AREA)
- Pure & Applied Mathematics (AREA)
- Human Computer Interaction (AREA)
- Physiology (AREA)
- Mathematical Physics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Operations Research (AREA)
- Probability & Statistics with Applications (AREA)
- Bioinformatics & Computational Biology (AREA)
- Algebra (AREA)
- Evolutionary Biology (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- Anesthesiology (AREA)
- Pulmonology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本申请公开了一种入睡时间点确定方法、装置、设备及可读存储介质，该方法包括步骤：确定候选入睡时间点；并获取所述候选入睡时间点对应的人体核心温度数据；所述人体核心温度数据为所述候选入睡时间点对应的预设时间区间内的温度数据；对所述人体核心温度数据进行温度变化趋势分析，得到分析结果；若所述分析结果为人体核心温度下降，则确定所述候选入睡时间点为实际入睡时间点。本申请的由人体核心温度数据和候选入睡时间点来确定实际入睡时间点的准确性高。
Description
技术领域
本申请涉及智能可穿戴设备技术领域，尤其涉及一种入睡时间点确定方法、装置、设备及可读存储介质。
背景技术
随着人们对健康的越发重视，而睡眠质量又对健康有较大的影响，因此，如何对睡眠进行监测，是急需解决的问题。
在现有技术中，睡眠检测是智能可穿戴设备所具备的一项基本功能，该智能可穿戴设备包括手表和手环等，智能可穿戴设备通过加速度信号，或加速度信号和心率信号来识别入睡时间、出睡时间和清醒时间。然而，由于通过加速度信号来识别入睡时间的过程为通过加速度传感器检测用户的运动状态，可以理解，用户入睡时，加速度信号不发生改变或改变频率非常低，但用户在处于观影、聊天等其他场景下，该加速度信号同样不发生改变或改变频率非常低，导致在通过加速度信号判断入睡时间时不准确；心率信号由光电传感器获取，而光电传感器容易被外物遮挡，导致在通过心率信号判断入睡时间时不准确。从而导致通过加速度信号，或加速度信号和心率信号确定的入睡时间点不准确。
也即，在现有技术中，确定入睡时间点的准确性低。
发明内容
本申请的主要目的在于提供一种入睡时间点确定方法、装置、设备及可读存储介质，旨在解决现有的如何提高确定入睡时间点的准确性的技术问题。
为实现上述目的，本申请提供一种入睡时间点确定方法，所述入睡时间点确定方法包括步骤：
确定候选入睡时间点；并获取所述候选入睡时间点对应的人体核心温度数据；所述人体核心温度数据为所述候选入睡时间点对应的预设时间区间内的温度数据；
对所述人体核心温度数据进行温度变化趋势分析，得到分析结果；
若所述分析结果为人体核心温度下降，则确定所述候选入睡时间点为实际入睡时间点。
可选地，所述对该人体核心温度数据进行温度变化趋势分析，得到分析结果，包括：
对所述人体核心温度数据进行线性回归处理，得到线性回归结果；
对所述线性回归结果进行温度变化趋势分析，得到所述分析结果。
可选地，所述对所述人体核心温度数据进行线性回归处理，得到线性回归结果，包括：
构建滑动窗口；
计算所述滑动窗口对应的人体核心温度数据的均值，得到均值数据；
对所述均值数据进行线性回归处理，得到线性回归结果。
可选地，所述构建滑动窗口之前，包括：
确定所述滑动窗口的滑动窗口长度和滑动窗口步长。
可选地，所述确定候选入睡时间点，包括：
获取初始入睡确定信号；
基于所述初始入睡确定信号，确定候选入睡时间点。
可选地，所述对所述人体核心温度数据进行温度变化趋势分析，得到分析结果之后，还包括：
若所述分析结果为人体核心温度未下降，则确定所述候选入睡时间点为误判入睡时间点。
可选地，所述对所述人体核心温度数据进行温度变化趋势分析，得到分析结果之前，包括：
基于预设数据降噪规则，去除所述人体核心温度数据中的跳点。
此外，为实现上述目的，本申请还提供一种入睡时间点确定装置，所述入睡时间点确定装置包括：
第一确定模块，用于确定候选入睡时间点；
获取模块，用于获取所述候选入睡时间点对应的人体核心温度数据；
分析模块，用于对所述人体核心温度数据进行温度变化趋势分析，得到分析结果；
第二确定模块，用于若所述分析结果为人体核心温度下降，则确定所述候选入睡时间点为实际入睡时间点。
可选地，所述分析模块包括：
线性回归处理单元，用于对所述人体核心温度数据进行线性回归处理，得到线性回归结果；
分析单元，用于对所述线性回归结果进行温度变化趋势分析，得到所述分析结果。
可选地，所述线性回归处理单元包括：
构建子单元，用于构建滑动窗口；
计算子单元，用于计算所述滑动窗口对应的人体核心温度数据的均值，得到均值数据；
线性回归处理子单元，用于对所述均值数据进行线性回归处理，得到线性回归结果。
可选地，所述线性回归处理单元还包括：
确定子单元，用于确定所述滑动窗口的滑动窗口长度和滑动窗口步长。
可选地，所述第一确定模块包括：
获取单元，用于获取初始入睡确定信号；
确定单元，用于基于所述初始入睡确定信号，确定候选入睡时间点。
可选地，所述入睡时间点确定装置还包括：
第三确定模块，用于若所述分析结果为人体核心温度未下降，则确定所述候选入睡时间点为误判入睡时间点。
可选地，所述入睡时间点确定装置还包括：
去除模块，用于基于预设数据降噪规则，去除所述人体核心温度数据中的跳点。
此外，为实现上述目的，本申请还提供一种入睡时间点确定设备，所述入睡时间点确定设备包括存储器、处理器和存储在所述存储器上并可在所述处理器上运行的入睡时间点确定程序，所述入睡时间点确定程序被所述处理器执行时实现如上所述的入睡时间点确定方法的步骤。
此外，为实现上述目的，本申请还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有入睡时间点确定程序，所述入睡时间点确定程序被处理器执行时实现如上所述的入睡时间点确定方法的步骤。
与现有技术中，通过加速度信号，或加速度信号和心率信号确定的入睡时间点，致使确定入睡时间点的准确性低相比，本申请通过确定候选入睡时间点；并获取所述候选入睡时间点对应的人体核心温度数据；所述人体核心温度数据为所述候选入睡时间点对应的预设时间区间内的温度数据；对所述人体核心温度数据进行温度变化趋势分析，得到分析结果；若所述分析结果为人体核心温度下降，则确定所述候选入睡时间点为实际入睡时间点。需要说明的是，用户在准备入睡时，其人体核心温度才会下降，因此，在候选入睡时间点的基础上，结合人体核心温度数据可以准确反应用户是否入睡，可以理解，在用户准备入睡时，人体核心温度开始下降，即在确定预设时间区间内人体核心温度在下降时，可确定该候选入睡时间点为实际入睡时间点，也即，由人体核心温度数据和候选入睡时间点来确定实际入睡时间点的准确性高。
附图说明
图1是本申请入睡时间点确定方法第一实施例的流程示意图；
图2a和图2b为本申请入睡时间点确定方法第一实施例中滑动窗口的滑动过程示意图；
图3是本申请入睡时间点确定装置较佳实施例的功能模块示意图；
图4是本申请实施例方案涉及的硬件运行环境的结构示意图。
本申请目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
应当理解，此处所描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
本申请提供一种入睡时间点确定方法，参照图1，图1为本申请入睡时间点确定方法第一实施例的流程示意图。
本申请实施例提供了入睡时间点确定方法的实施例，需要说明的是，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。入睡时间点确定方法可应用于智能可穿戴设备中。为了便于描述，以下省略执行主体描述入睡时间点确定方法的各个步骤。入睡时间点确定方法包括：
步骤S10，确定候选入睡时间点；并获取所述候选入睡时间点对应的人体核心温度数据；所述人体核心温度数据为预设时间区间内的温度数据。
在本实施例中，先确定候选入睡时间点，该候选入睡时间点为初步确定的入睡时间点，可能为实际入睡时间点也可能为误判入睡时间点，因此，需要对该候选入睡时间点进行进一步处理，以确定该候选入睡时间点是否为实际入睡时间点。其中，实际入睡时间点与用户实际感知的入睡时间点一致，即反应了用户入睡的真实时间点；而误判入睡时间点与用户实际感知的入睡时间点不一致，即误判入睡时间点为智能可穿戴设备确定的用户入睡时间点，而实际上，用户并没有在该时间点入睡，即误判入睡时间点并非用户实际感知的入睡时间点。
其中，进一步处理的过程通过处理人体核心温度数据来实现，具体地，获取候选入睡时间点对应的人体核心温度数据，可以理解，该人体核心温度数据的获取过程需要基于候选入睡时间点，该获取过程为获取候选入睡时间点对应的预设时间区间内的温度数据，该预设时间区间包括候选入睡时间点前的时间区间，可以理解，该时间区间为用户准备入睡至入睡时的时间段，因此，该时间区间对应的人体核心温度数据，反应了用户准备入睡的过程中人体核心温度的变化过程；该预设时间区间还可为包括用户准备入睡的时间段和用户入睡后的时间段，相应地，对于用户准备入睡的时间段和用户入睡后的时间段，其对应的人体核心温度数据，反应了用户准备入睡和用户入睡后的过程中人体核心温度的变化过程。
需要说明的是，在用户入睡前，用户可能长时间处于准备入睡的状态，在该准备入睡的状态下，用户处于休憩状态，可以理解，此时由于用户不会进行大幅度的运动，器官代谢减缓，即此时用户的人体核心温度已经开始下降，在用户入睡后，检测到的人体核心温度下降的幅度已经不太明显，因此，将用户准备入睡的时间段作为预设时间区间更佳。
其中，候选入睡时间点的确定可通过现有的睡眠检测算法来实现，具体地，所述确定候选入睡时间点，包括：
步骤a，获取初始入睡确定信号；
步骤b，基于所述初始入睡确定信号，确定候选入睡时间点。
在本实施例中，现有的睡眠检测算法同样应用于智能可穿戴设备，通过该现有的睡眠检测算法获取的初始入睡确定信号来确定候选入睡时间点，具体地，通过该现有的睡眠检测算法获取的初始入睡确定信号，其为加速度信号，或加速度信号和心率信号，来确定候选入睡时间点。其中，加速度信号可通过设置于智能可穿戴设备上的加速度传感器获取，心率信号可通过设置于智能可穿戴设备上的光电传感器获取。
需要说明的是，通过加速度传感器检测的初始入睡确定信号为加速度信号，通过该加速度信号来确定用户的入睡时间点，其准确性较低，具体地，一般用户在非入睡状态下，由于用户处于运动状态改变状态(例如用户在行走)，该加速度信号会发生变化，而在用户处于准备入睡的状态时，该加速度信号不会发生改变，或发生改变的频率明显低于运动状态改变状态时的频率，基于此，可通过加速度信号来确定用户的入睡时间点。然而，并非用户仅处于准备入睡的状态时，加速度信号处于不会发生改变，或发生改变的频率明显低于运动状态改变状态时的频率，在其他状态下，例如用户在观影、聊天等智能可穿戴设备的位置不会发生明显变化的场景下，该加速度信号同样会处于不会发生改变，或发生改变的频率明显低于运动状态改变状态时的频率，因此，仅通过候选入睡时间点来确定入睡时间点，并不准确。
步骤S20，对所述人体核心温度数据进行温度变化趋势分析，得到分析结果。
在本实施例中，对该人体核心温度数据进行温度变化趋势分析，得到分析结果。需要说明的是，该人体核心温度数据为多个温度数据，可以理解，该多个温度数据为在预设时间区间内，每间隔一定时间获取的温度数据的集合，例如预设时间区间为50秒，间隔的时间为1秒，则该预设时间区间对应的人体核心温度数据包括50个温度数据。
其中，各温度数据可能不同，具体地，各温度数据是变化的，其变化规律为随着时间的推移呈现一定的变化趋势，即该分析结果为该变化趋势。其中，变化趋势包括温度下降、温度上升和温度维持不变。
其中，该温度变化趋势分析基于线性回归实现，具体地，所述对该人体核心温度数据进行温度变化趋势分析，得到分析结果，包括：
步骤c，对所述人体核心温度数据进行线性回归处理，得到线性回归结果。
在本实施例中，在对人体核心温度数据进行线性回归处理前，人体核心温度数据所存在的变化规律可能不明显，即难以直接根据原始的人体核心温度数据分析温度变化趋势，而是需要通过数据处理手段对人体核心温度数据进行中间处理后，才能分析该温度变化趋势。具体地，对人体核心温度数据进行线性回归处理，得到线性回归结果，该线性回归的过程为将人体核心温度数据拟合出线性回归方程，可以理解，该线性回归方程能够近似描述所有的用于拟合线性回归方程的人体核心温度数据。
其中，线性回归方程是利用最小二乘函数对一个或多个自变量和因变量之间的关系进行建模的一种回归分析，该一个或多个自变量和因变量之间的关系为人体核心温度所含的变量之间的关系，该变量包括人体核心温度和时间。
例如人体核心温度数据在时间-温度坐标系中离散分布，通过一条线可以大致贯穿各人体核心温度在该时间-温度坐标系中的分布区域，即通过该线将各人体核心温度联系起来，其中，该线是线性的，该线性的线的方程即为线性回归方程。
步骤d，对所述线性回归结果进行温度变化趋势分析，得到所述分析结果。
在本实施例中，对线性回归结果进行温度变化趋势分析，可以理解，温度变化趋势体现为线性回归方程的斜率，即通过线性回归结果确定线性回归方程的斜率，该斜率为正时，温度变化趋势为上升；该斜率为负时，温度变化趋势为下降；该斜率为零时，温度变化趋势为不变。
其中，在线性回归处理时，需要对人体核心温度数据进行处理，具体地，
所述对所述人体核心温度数据进行线性回归处理，得到线性回归结果，包括：
步骤e，构建所述人体核心温度数据对应的滑动窗口。
在本实施例中，构建人体核心温度数据对应的滑动窗口，其中，滑动窗口为滑动的窗口，该滑动窗口在人体核心温度数据中以一定步长滑动，在滑动过程中对人体核心温度数据进行框选。
具体地，滑动窗口的构建过程为：
所述构建滑动窗口之前，包括：
步骤e1，确定所述滑动窗口的滑动窗口长度和滑动窗口步长。
在本实施例中，在构建滑动窗口之前，需要确定该滑动窗口的滑动窗口长度和滑动窗口步长。其中，滑动窗口长度体现为滑动窗口在滑动过程中所框选的人体核心温度数据的数量；对于滑动窗口步长，滑动窗口在滑动过程中每移动滑动窗口步长的数量的人体核心温度数据，框选一次滑动窗口长度的数量的人体核心温度数据。
具体地，滑动窗口长度需要大于或等于滑动窗口步长，可以理解，若滑动窗口长度小于滑动窗口步长，则会出现部分人体核心温度数据未被滑动窗口框选的问题，即滑动窗口在滑动过程中会出现跳过部分人体核心温度数据的现象，导致实际得到的线性回归结果偏离真实的线性回归结果，使得线性回归结果的准确性被降低。因此，为避免实际得到的线性回归结果的准确性被降低，需要限制滑动窗口长度大于或等于滑动窗口步长。优选地，该滑动窗口步长为滑动窗口长度的一半，一方面，滑动窗口长度大于滑动窗口步长，避免了滑动窗口长度小于滑动窗口步长，从而保证滑动窗口在滑动过程中不丢失人体核心温度数据；另一方面，避免滑动窗口步长过小，导致滑动过程中的滑动次数过多，使得计算线性回归结果的时间过长，从而造成计算效率低的问题。
例如，参照图2，201为滑动窗口，该滑动窗口的滑动窗口步长为1、滑动窗口长度为2，图2b为图2a中的滑动窗口滑动一个步长之后，滑动窗口在人体核心温度数据中的位置。
步骤f，计算所述滑动窗口对应的人体核心温度数据的均值，得到均值数据。
在本实施例中，获取滑动窗口中的人体核心温度数据，并计算该人体核心温度数据的均值，得到均值数据。以图2a为例，滑动窗口201中的人体核心温度数据为人体核心温度数据2和人体核心温度数据3，计算人体核心温度数据2和人体核心温度数据3的均值，得到均值数据。
可以理解，通过滑动窗口计算人体核心温度数据的均值，得到均值数据的过程，为对人体核心温度数据进行平滑处理的过程，使得平滑处理后的均值数据达到去噪的效果。
步骤g，对所述均值数据进行线性回归处理，得到线性回归结果。
在本实施例中，对该均值数据进行线性回归处理，得到线性回归结果。可以理解，相较于未经过去噪处理的人体核心温度数据而言，均值数据更平滑，使得各均值数据更加靠近线性回归方程，从而提高了拟合线性回归方程的准确性。
步骤S30，若所述分析结果为人体核心温度下降，则确定所述候选入睡时间点为实际入睡时间点。
在本实施例中，若确定变化趋势为人体核心温度下降，即分析结果为人体核心温度下降，则说明该预设时间区间对应的用户状态为用户准备入睡或用户已经入睡，说明通过该现有的睡眠检测算法检测得到的候选入睡时间点为实际入睡时间点。
进一步地，所述对所述人体核心温度数据进行温度变化趋势分析，得到分析结果之后，还包括：
步骤h，若所述分析结果为人体核心温度未下降，则确定所述候选入睡时间点为误判入睡时间点。
在本实施例中，若确定变化趋势为人体核心温度未下降，即分析结果为人体核心温度未下降，则说明通过该现有的睡眠检测算法检测得到的候选入睡时间点为错误的入睡时间点，用户在该时间点并未准备入睡或已经入睡，因此，该候选入睡时间点为误判入睡时间点。
进一步地，所述对所述人体核心温度数据进行温度变化趋势分析，得到分析结果之前，包括：
步骤i，基于预设数据降噪规则，去除所述人体核心温度数据中的跳点。
在本实施例中，基于预设数据降噪规则，去除人体核心温度数据中的跳点，该跳点为人体核心温度数据中错误的温度数据，例如硬件损坏导致记录的温度数据为错误的温度数据，在发现人体核心温度数据中存在明显错误的温度数据(即跳点)时，去除该跳点。可以理解，上述平滑处理的过程并不能去除跳点，而是降低跳点对分析结果的影响，而通过预设数据降噪规则来去除跳点，则可以完全去除跳点对分析结果的影响，从而进一步提高确定入睡时间点的准确性。可以理解，去除跳点的操作在通过滑动窗口对人体核心温度数据进行平滑处理的操作之前。
与现有技术中，通过加速度信号，或加速度信号和心率信号确定的入睡时间点，致使确定入睡时间点的准确性低相比，本实施例通过确定候选入睡时间点；并获取所述候选入睡时间点对应的人体核心温度数据；所述人体核心温度数据为所述候选入睡时间点对应的预设时间区间内的温度数据；对所述人体核心温度数据进行温度变化趋势分析，得到分析结果；若所述分析结果为人体核心温度下降，则确定所述候选入睡时间点为实际入睡时间点。需要说明的是，用户在准备入睡时，其人体核心温度才会下降，因此，在候选入睡时间点的基础上，结合人体核心温度数据可以准确反应用户是否入睡，可以理解，在用户准备入睡时，人体核心温度开始下降，即在确定预设时间区间内人体核心温度在下降时，可确定该候选入睡时间点为实际入睡时间点，也即，由人体核心温度数据和候选入睡时间点来确定实际入睡时间点的准确性高。
此外，本申请还提供一种入睡时间点确定装置，如图3所示，所述入睡时间点确定装置包括：
第一确定模块10，用于确定候选入睡时间点；
获取模块20，用于获取所述候选入睡时间点对应的人体核心温度数据；
分析模块30，用于对所述人体核心温度数据进行温度变化趋势分析，得到分析结果；
第二确定模块40，用于若所述分析结果为人体核心温度下降，则确定所述候选入睡时间点为实际入睡时间点。
可选地，所述分析模块30包括：
线性回归处理单元，用于对所述人体核心温度数据进行线性回归处理，得到线性回归结果；
分析单元，用于对所述线性回归结果进行温度变化趋势分析，得到所述分析结果。
可选地，所述线性回归处理单元包括：
构建子单元，用于构建滑动窗口；
计算子单元，用于计算所述滑动窗口对应的人体核心温度数据的均值，得到均值数据；
线性回归处理子单元，用于对所述均值数据进行线性回归处理，得到线性回归结果。
可选地，所述线性回归处理单元还包括：
确定子单元，用于确定所述滑动窗口的滑动窗口长度和滑动窗口步长。
可选地，所述第一确定模块10包括：
获取单元，用于获取初始入睡确定信号；
确定单元，用于基于所述初始入睡确定信号，确定候选入睡时间点。
可选地，所述入睡时间点确定装置还包括：
第三确定模块，用于若所述分析结果为人体核心温度未下降，则确定所述候选入睡时间点为误判入睡时间点。
可选地，所述入睡时间点确定装置还包括：
去除模块，用于基于预设数据降噪规则，去除所述人体核心温度数据中的跳点。
本申请入睡时间点确定装置具体实施方式与上述入睡时间点确定方法各实施例基本相同，在此不再赘述。
此外，本申请还提供一种入睡时间点确定设备。其中，入睡时间点确定设备可为手表、手环等具备确定入睡时间点的功能的智能穿戴设备。如图4所示，图4是本申请实施例方案涉及的硬件运行环境的结构示意图。
需要说明的是，图4即可为入睡时间点确定设备的硬件运行环境的结构示意图。
如图4所示，该入睡时间点确定设备可以包括：处理器1001，例如CPU，存储器1005，用户接口1003，网络接口1004，通信总线1002。其中，通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard)，可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如WI-FI接口)。存储器1005可以是高速RAM存储器，也可以是稳定的存储器(non-volatile memory)，例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。
可选地，入睡时间点确定设备还可以包括RF(Radio Frequency，射频)电路，传感器、音频电路、WiFi模块等等。
本领域技术人员可以理解，图4中示出的入睡时间点确定设备结构并不构成对入睡时间点确定设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
如图4所示，作为一种计算机存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及入睡时间点确定程序。其中，操作系统是管理和控制入睡时间点确定设备硬件和软件资源的程序，支持入睡时间点确定程序以及其它软件或程序的运行。
在图4所示的入睡时间点确定设备中，用户接口1003主要用于连接终端，与终端进行数据通信，如接收终端发送的用户信令数据；网络接口1004主要用于后台服务器，与后台服务器进行数据通信；处理器1001可以用于调用存储器1005中存储的入睡时间点确定程序，并执行如上所述的入睡时间点确定方法的步骤。
本申请入睡时间点确定设备具体实施方式与上述入睡时间点确定方法各实施例基本相同，在此不再赘述。
此外，本申请实施例还提出一种计算机可读存储介质，所述计算机可读存储介质上存储有入睡时间点确定程序，所述入睡时间点确定程序被处理器执行时实现如上所述的入睡时间点确定方法的步骤。
本申请计算机可读存储介质具体实施方式与上述入睡时间点确定方法各实施例基本相同，在此不再赘述。
需要说明的是，在本文中，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、物品或者装置不仅包括那些要素，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、物品或者装置所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。
上述本申请实施例序号仅仅为了描述，不代表实施例的优劣。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，设备，或者网络设备等)执行本申请各个实施例所述的方法。
以上仅为本申请的优选实施例，并非因此限制本申请的专利范围，凡是利用本申请说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本申请的专利保护范围内。
Claims (9)
1.一种入睡时间点确定方法，其特征在于，所述入睡时间点确定方法包括以下步骤：
确定候选入睡时间点；并获取所述候选入睡时间点对应的人体核心温度数据；所述人体核心温度数据为所述候选入睡时间点对应的预设时间区间内的多个温度数据，所述多个温度数据为在所述预设时间区间内，每间隔一定时间获取的温度数据的集合；
所述确定候选入睡时间点，包括：
获取初始入睡确定信号，其中，所述初始入睡确定信号为加速度信号，或加速度信号和心率信号；
基于所述初始入睡确定信号，确定候选入睡时间点，其中，所述候选入睡时间点为初步确定的入睡时间点；
对所述人体核心温度数据进行温度变化趋势分析，得到分析结果；
若所述分析结果为人体核心温度下降，则确定所述候选入睡时间点为实际入睡时间点。
2.如权利要求1所述的入睡时间点确定方法，其特征在于，所述对所述人体核心温度数据进行温度变化趋势分析，得到分析结果，包括：
对所述人体核心温度数据进行线性回归处理，得到线性回归结果；
对所述线性回归结果进行温度变化趋势分析，得到所述分析结果。
3.如权利要求2所述的入睡时间点确定方法，其特征在于，所述对所述人体核心温度数据进行线性回归处理，得到线性回归结果，包括：
构建滑动窗口；
计算所述滑动窗口对应的人体核心温度数据的均值，得到均值数据；
对所述均值数据进行线性回归处理，得到线性回归结果。
4.如权利要求3所述的入睡时间点确定方法，其特征在于，所述构建滑动窗口之前，包括：
确定所述滑动窗口的滑动窗口长度和滑动窗口步长。
5.如权利要求1所述的入睡时间点确定方法，其特征在于，所述对所述人体核心温度数据进行温度变化趋势分析，得到分析结果之后，还包括：
若所述分析结果为人体核心温度未下降，则确定所述候选入睡时间点为误判入睡时间点。
6.如权利要求1-5中任一项所述的入睡时间点确定方法，其特征在于，所述对所述人体核心温度数据进行温度变化趋势分析，得到分析结果之前，包括：
基于预设数据降噪规则，去除所述人体核心温度数据中的跳点。
7.一种入睡时间点确定装置，其特征在于，所述入睡时间点确定装置包括：
第一确定模块，用于确定候选入睡时间点；
获取模块，用于获取所述候选入睡时间点对应的人体核心温度数据；所述人体核心温度数据为所述候选入睡时间点对应的预设时间区间内的多个温度数据，所述多个温度数据为在所述预设时间区间内，每间隔一定时间获取的温度数据的集合；获取初始入睡确定信号，其中，所述初始入睡确定信号为加速度信号，或加速度信号和心率信号；基于所述初始入睡确定信号，确定候选入睡时间点，其中，所述候选入睡时间点为初步确定的入睡时间点；
分析模块，用于对所述人体核心温度数据进行温度变化趋势分析，得到分析结果；
第二确定模块，用于若所述分析结果为人体核心温度下降，则确定所述候选入睡时间点为实际入睡时间点。
8.一种入睡时间点确定设备，其特征在于，所述入睡时间点确定设备包括存储器、处理器和存储在所述存储器上并可在所述处理器上运行的入睡时间点确定程序，所述入睡时间点确定程序被所述处理器执行时实现如权利要求1至6中任一项所述的入睡时间点确定方法的步骤。
9.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有入睡时间点确定程序，所述入睡时间点确定程序被处理器执行时实现如权利要求1至6中任一项所述的入睡时间点确定方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110829430.4A CN113568505B (zh) | 2021-07-22 | 2021-07-22 | 入睡时间点确定方法、装置、设备及可读存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110829430.4A CN113568505B (zh) | 2021-07-22 | 2021-07-22 | 入睡时间点确定方法、装置、设备及可读存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113568505A CN113568505A (zh) | 2021-10-29 |
| CN113568505B true CN113568505B (zh) | 2024-07-02 |
Family
ID=78166200
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110829430.4A Active CN113568505B (zh) | 2021-07-22 | 2021-07-22 | 入睡时间点确定方法、装置、设备及可读存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113568505B (zh) |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112971724A (zh) * | 2021-02-07 | 2021-06-18 | 北京海思瑞格科技有限公司 | 入睡点检测方法 |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US10325514B2 (en) * | 2016-06-02 | 2019-06-18 | Fitbit, Inc. | Systems and techniques for tracking sleep consistency and sleep goals |
| JP6829880B2 (ja) * | 2017-03-27 | 2021-02-17 | 公立大学法人名古屋市立大学 | 入眠評価システム、プログラムおよび記憶媒体 |
| US11185292B2 (en) * | 2017-10-17 | 2021-11-30 | Whoop, Inc. | Applied data quality metrics for physiological measurements |
| CN108375909A (zh) * | 2017-12-19 | 2018-08-07 | 海尔优家智能科技（北京）有限公司 | 一种参数分析方法、装置、设备和计算机可读存储介质 |
-
2021
- 2021-07-22 CN CN202110829430.4A patent/CN113568505B/zh active Active
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112971724A (zh) * | 2021-02-07 | 2021-06-18 | 北京海思瑞格科技有限公司 | 入睡点检测方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113568505A (zh) | 2021-10-29 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR101944630B1 (ko) | 감정 상태 검출에 기초하여 비디오 콘텐츠를 처리하는 시스템 및 방법 | |
| US20200126662A1 (en) | Method, device, and apparatus for detecting disease probability, and computer-readable storage medium | |
| US11504068B2 (en) | Methods, systems, and media for predicting sensor measurement quality | |
| US20140114609A1 (en) | Adaptive analysis of signals | |
| JP6052278B2 (ja) | 動作判定装置、動作判定システムおよび動作判定方法 | |
| US9729693B1 (en) | Determining measurement confidence for data collected from sensors of a wearable device | |
| US10004411B2 (en) | Living body determination devices and methods | |
| US20160334437A1 (en) | Mobile terminal, computer-readable recording medium, and activity recognition device | |
| CN112150444A (zh) | 人脸图像的属性特征的识别方法、装置及电子设备 | |
| CN113568505B (zh) | 入睡时间点确定方法、装置、设备及可读存储介质 | |
| CN109388737A (zh) | 一种内容项的曝光数据的发送方法、装置及存储介质 | |
| CN111341416A (zh) | 一种心理压力评估模型处理方法以及相关设备 | |
| CN112333537B (zh) | 视频整合方法、装置及计算机可读存储介质 | |
| US10803580B2 (en) | Video image processing and motion detection | |
| US9861344B2 (en) | Ovulation day estimation apparatus, ovulation day estimation method and storage medium in which ovulation day estimation program is recorded | |
| CN114898755B (zh) | 语音处理方法及相关装置、电子设备、存储介质 | |
| CN110705420A (zh) | 电梯轿厢广告精准推送方法、装置及存储介质 | |
| US20210109908A1 (en) | Computer-implemented method, an apparatus and a computer program product for processing a data set | |
| WO2018126367A1 (zh) | 数据清洗方法及装置 | |
| CN113032232B (zh) | 设备的性能检测的相关方法以及相关装置、设备 | |
| CN113486802A (zh) | 用于提供护眼模式的方法、装置、存储介质及移动设备 | |
| CN118466766B (zh) | 一种基于距离传感器唤醒ai学习场景方法、系统及介质 | |
| CN110313902A (zh) | 一种血容量变化脉冲信号处理方法及相关装置 | |
| CN113763319B (zh) | 茶叶成条率检测方法、装置及计算机可读存储介质 | |
| CN111626075A (zh) | 一种目标识别方法及装置 |
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 |