CN114027795A - 婴儿睡眠状态监测方法、装置、终端设备及可读存储介质 - Google Patents
婴儿睡眠状态监测方法、装置、终端设备及可读存储介质 Download PDFInfo
- Publication number
- CN114027795A CN114027795A CN202111334709.1A CN202111334709A CN114027795A CN 114027795 A CN114027795 A CN 114027795A CN 202111334709 A CN202111334709 A CN 202111334709A CN 114027795 A CN114027795 A CN 114027795A
- Authority
- CN
- China
- Prior art keywords
- information
- infant
- sleep
- neural network
- network model
- 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.)
- Pending
Links
- 230000007958 sleep Effects 0.000 title claims abstract description 380
- 238000000034 method Methods 0.000 title claims abstract description 111
- 238000012544 monitoring process Methods 0.000 title claims abstract description 102
- 238000003062 neural network model Methods 0.000 claims abstract description 235
- 238000004891 communication Methods 0.000 claims description 79
- 238000012549 training Methods 0.000 claims description 65
- 230000001537 neural effect Effects 0.000 claims description 30
- 206010011469 Crying Diseases 0.000 claims description 18
- 238000012806 monitoring device Methods 0.000 claims description 12
- 230000004617 sleep duration Effects 0.000 claims description 12
- 230000002618 waking effect Effects 0.000 claims description 9
- 230000006870 function Effects 0.000 description 17
- 238000012545 processing Methods 0.000 description 12
- 238000001514 detection method Methods 0.000 description 11
- 238000010586 diagram Methods 0.000 description 11
- 238000010295 mobile communication Methods 0.000 description 11
- 230000008569 process Effects 0.000 description 9
- 208000022249 Sleep-Wake Transition disease Diseases 0.000 description 6
- 230000003287 optical effect Effects 0.000 description 5
- 230000009471 action Effects 0.000 description 4
- 238000013145 classification model Methods 0.000 description 4
- 230000004044 response Effects 0.000 description 4
- 229920001621 AMOLED Polymers 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 206010011224 Cough Diseases 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 2
- 230000003416 augmentation Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000012790 confirmation Methods 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000003032 molecular docking Methods 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 230000004622 sleep time Effects 0.000 description 2
- 230000001052 transient effect Effects 0.000 description 2
- 230000001960 triggered effect Effects 0.000 description 2
- WHXSMMKQMYFTQS-UHFFFAOYSA-N Lithium Chemical compound [Li] WHXSMMKQMYFTQS-UHFFFAOYSA-N 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 229910052744 lithium Inorganic materials 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000012847 principal component analysis method Methods 0.000 description 1
- 239000002096 quantum dot Substances 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 230000036578 sleeping time Effects 0.000 description 1
- 230000005236 sound signal Effects 0.000 description 1
Images
Classifications
-
- 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
- A61B5/72—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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Physics & Mathematics (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- Molecular Biology (AREA)
- Artificial Intelligence (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Evolutionary Computation (AREA)
- Veterinary Medicine (AREA)
- Animal Behavior & Ethology (AREA)
- Pathology (AREA)
- Mathematical Physics (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Theoretical Computer Science (AREA)
- Surgery (AREA)
- Physiology (AREA)
- Signal Processing (AREA)
- Psychiatry (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Anesthesiology (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Software Systems (AREA)
- Fuzzy Systems (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
本申请实施例提出了一种婴儿睡眠状态监测方法,装置、终端设备及可读存储介质,上述婴儿睡眠状态监测方法包括:当婴儿进入睡眠状态后,实时获取婴儿状态信息、睡眠环境信息,接收所述第二终端设备发送的外部环境信息;每间隔预设时间段将所述婴儿状态信息、睡眠环境信息和外部环境信息输入所述第一神经网络模型,获得所述第一神经网络模型输出的睡眠状态信息。通过使用训练好的神经网络模型对婴儿睡眠状态进行监测,实现了对婴儿睡眠状态的准确分类。
Description
【技术领域】
本申请实施例涉及模型应用技术领域,尤其涉及一种婴儿睡眠状态监测方法、装置、终端设备及可读存储介质。
【背景技术】
由于婴儿长时间哭闹会对其身心造成伤害,因而在婴幼儿睡觉时,陪护人常常需要陪伴在其身边以免其睡醒后一直哭闹,或将婴幼儿放于房间内睡觉,陪护人需要不定时的去查看婴儿是否睡醒或哭闹,这些都无形中增加了陪护人的陪护负担。
现有技术主要采用传感器对婴儿睡眠状态进行检测,检测数据超过一定阈值时进行提醒,由于每个婴儿的个体情况未必相同,现有技术没有考虑婴儿的个体性,没有为每个婴儿生成适合其个体特征的检测阈值,并且不能识别出婴儿仅为睡醒而不哭闹的场景,另外检测时也没有充分发掘影响婴儿睡眠的因素,如气温,地理环境等,难免出现检测结果不准确的情况。
【发明内容】
本申请实施例提供了一种婴儿睡眠状态监测方法、装置、终端设备及计算机可读存储介质,能够提供适合每个婴儿个体情况的自适应检测方法。
第一方面,本申请实施例提供一种婴儿睡眠状态监测方法,应用于第一终端设备,所述第一终端设备预存有用于睡眠状态分类的第一神经网络模型,所述第一终端设备与第二终端设备建立通信连接,所述方法包括:
当婴儿进入睡眠状态后,实时获取婴儿状态信息、睡眠环境信息,接收所述第二终端设备发送的外部环境信息;
每间隔预设时间段将所述婴儿状态信息、睡眠环境信息和外部环境信息输入所述第一神经网络模型,获得所述第一神经网络模型输出的睡眠状态信息,所述睡眠状态信息用于表征婴儿当前处于睡眠状态、睡醒状态或者哭闹状态。
第一方面的有益效果:通过获取婴儿状态信息、睡眠环境信息和外部环境信息,将其输入经过训练的第一神经网络模型对婴儿睡眠状态进行分类,获得婴儿睡眠状态信息的方法,实现了对婴儿睡眠状态的准确分类。
在一种可能的实现方式中,所述方法还包括:
将所述睡眠状态信息发送给所述第二终端设备,以使所述第二终端设备输出所述睡眠状态信息以提示用户婴儿的当前睡眠状态。
在一种可能的实现方式中,所述第二终端设备预存有所述第一神经网络模型,所述方法还包括:
将所述婴儿状态信息、睡眠环境信息和睡眠状态信息发送给所述第二终端设备,以使所述第二终端设备定期对所述第一神经网络模型进行升级训练,得到更新后的第一神经网络模型;
接收所述第二终端设备发送的更新后的第一网络神经模型,将预存的所述第一神经网络模型替换为所述更新后的第一网络神经模型。
在一种可能的实现方式中,所述第一终端设备还预存有用于预测睡眠时长的第二神经网络模型,所述外部环境信息包括当前时间信息,所述方法还包括:
当婴儿进入睡眠状态后,获取所述第二终端设备发送给所述第一终端设备的第一个所述外部环境信息,将第一个所述外部环境信息中的当前时间信息作为婴儿睡眠起始时间;
将所述婴儿睡眠起始时间、婴儿状态信息、睡眠环境信息和外部环境信息输入所述第二神经网络模型,获得所述第二神经网络模型输出的睡醒时间信息,所述睡醒时间信息用于表征婴儿的预测睡醒时间。
在一种可能的实现方式中,所述方法还包括:
将所述睡醒时间信息发送给所述第二终端设备,以使所述第二终端设备输出所述睡醒时间信息以提示用户婴儿的预测睡醒时间。
在一种可能的实现方式中,所述方法还包括:
将所述婴儿状态信息、睡眠环境信息和睡醒时间信息发送给所述第二终端设备,以使所述第二终端设备定期对所述第二神经网络模型进行升级训练,得到更新后的第二神经网络模型;
接收所述第二终端设备发送的更新后的第二网络神经模型,将预存的所述第二神经网络模型替换为所述更新后的第二网络神经模型。
第二方面,本申请实施例还提供一种婴儿睡眠状态监测方法,应用于第二终端设备,所述第二终端设备与第一终端设备建立通信连接,所述方法包括:
在婴儿进入睡眠状态后,实时获取外部环境信息,将获取的所述外部环境信息发送给所述第一终端设备;
接收所述第一终端设备发送的睡眠状态信息,触发第一事件,所述第一事件用于提示用户婴儿的当前睡眠状态。
在一种可能的实现方式中,所述第二终端设备预存有用于睡眠状态分类的第一神经网络模型,所述方法还包括:
获取状态反馈信息,所述状态反馈信息是用户反馈的所述睡眠状态信息正确或者错误的信息;
接收所述第一终端设备发送的婴儿状态信息、睡眠环境信息和睡眠状态信息;
根据所述婴儿状态信息、睡眠环境信息、外部环境信息、睡眠状态信息和状态反馈信息,定期对所述第一神经网络模型进行升级训练,得到更新后的第一神经网络模型;
将所述更新后的第一神经网络模型发送给所述第一终端设备。
在一种可能的实现方式中,所述方法还包括:
接收所述第一终端设备发送的睡醒时间信息,触发第二事件,所述第二事件用于提示用户婴儿的预测睡醒时间。
在一种可能的实现方式中,所述第二终端设备还预存有用于预测睡眠时长的第二神经网络模型,所述方法还包括:
获取时间反馈信息,所述时间反馈信息是用户反馈的婴儿睡醒的实际时间信息;
接收所述第一终端设备发送的所述睡眠起始时间、婴儿状态信息、睡眠环境信息和所述睡醒时间信息;
根据所述睡眠起始时间、所述婴儿状态信息、所述睡眠环境信息、所述外部环境信息、所述睡醒时间信息和所述时间反馈信息,定期对所述第二神经网络模型进行升级训练,得到更新后的第二神经网络模型;
将所述更新后的第二神经网络模型发送给所述第一终端设备。
第三方面,本申请实施例还提供一种婴儿睡眠状态监测装置,应用于第一终端设备,所述第一终端设备预存有用于睡眠状态分类的第一神经网络模型,所述第一终端设备与第二终端设备建立通信连接,所述装置包括:
第一信息获取模块,用于当婴儿进入睡眠状态后,实时获取婴儿状态信息、睡眠环境信息,接收所述第二终端设备发送的外部环境信息;
第一状态获取模块,用于每间隔预设时间段将所述婴儿状态信息、睡眠环境信息和外部环境信息输入所述第一神经网络模型,获得所述第一神经网络模型输出的睡眠状态信息,所述睡眠状态信息用于表征婴儿当前处于睡眠状态、睡醒状态或者哭闹状态。
在一种可能的实现方式中,所述装置还包括:
第一状态发送模块,用于将所述睡眠状态信息发送给所述第二终端设备,以使所述第二终端设备输出所述睡眠状态信息以提示用户婴儿的当前睡眠状态。
在一种可能的实现方式中,所述第二终端设备预存有所述第一神经网络模型,所述装置还包括:
第一信息发送模块,用于将所述婴儿状态信息、睡眠环境信息和睡眠状态信息发送给所述第二终端设备,以使所述第二终端设备定期对所述第一神经网络模型进行升级训练,得到更新后的第一神经网络模型;
第一模型替换模块,用于接收所述第二终端设备发送的更新后的第一网络神经模型,将预存的所述第一神经网络模型替换为所述更新后的第一网络神经模型。
在一种可能的实现方式中,所述第一终端设备还预存有用于预测睡眠时长的第二神经网络模型,所述外部环境信息包括当前时间信息,所述装置还包括:
第二信息获取模块,用于当婴儿进入睡眠状态后,获取所述第二终端设备发送给所述第一终端设备的第一个所述外部环境信息,将第一个所述外部环境信息中的当前时间信息作为婴儿睡眠起始时间;
第一时间获取模块,用于将所述婴儿睡眠起始时间、婴儿状态信息、睡眠环境信息和外部环境信息输入所述第二神经网络模型,获得所述第二神经网络模型输出的睡醒时间信息,所述睡醒时间信息用于表征婴儿的预测睡醒时间。
在一种可能的实现方式中,所述装置还包括:
第一时间发送模块,用于将所述睡醒时间信息发送给所述第二终端设备,以使所述第二终端设备输出所述睡醒时间信息以提示用户婴儿的预测睡醒时间。
在一种可能的实现方式中,所述装置还包括:
第二信息发送模块,用于将所述婴儿状态信息、睡眠环境信息和睡醒时间信息发送给所述第二终端设备,以使所述第二终端设备定期对所述第二神经网络模型进行升级训练,得到更新后的第二神经网络模型;
第二模型替换模块,用于接收所述第二终端设备发送的更新后的第二网络神经模型,将预存的所述第二神经网络模型替换为所述更新后的第二网络神经模型。
第四方面,本申请实施例还提供一种婴儿睡眠状态监测装置,应用于第二终端设备,所述第二终端设备与第一终端设备建立通信连接,所述装置包括:
第三信息发送模块,用于在婴儿进入睡眠状态后,实时获取外部环境信息,将获取的所述外部环境信息发送给所述第一终端设备;
第一信息通知模块,用于接收所述第一终端设备发送的睡眠状态信息,触发第一事件,所述第一事件用于提示用户婴儿的当前睡眠状态。
在一种可能的实现方式中,所述第二终端设备预存有用于睡眠状态分类的第一神经网络模型,所述装置还包括:
第三信息获取模块,用于获取状态反馈信息,所述状态反馈信息是用户反馈的所述睡眠状态信息正确或者错误的信息;
第一信息接收模块,用于接收所述第一终端设备发送的婴儿状态信息、睡眠环境信息和睡眠状态信息;
第一模型更新模块,用于根据所述婴儿状态信息、睡眠环境信息、外部环境信息、睡眠状态信息和状态反馈信息,定期对所述第一神经网络模型进行升级训练,得到更新后的第一神经网络模型;
第一模型发送模块,用于将所述更新后的第一神经网络模型发送给所述第一终端设备。
在一种可能的实现方式中,所述装置还包括:
第二信息通知模块,用于接收所述第一终端设备发送的睡醒时间信息,触发第二事件,所述第二事件用于提示用户婴儿的预测睡醒时间。
在一种可能的实现方式中,所述第二终端设备还预存有用于预测睡眠时长的第二神经网络模型,所述装置还包括:
第四信息获取模块,用于获取时间反馈信息,所述时间反馈信息是用户反馈的婴儿睡醒的实际时间信息;
第二信息接收模块,用于接收所述第一终端设备发送的所述睡眠起始时间、婴儿状态信息、睡眠环境信息和所述睡醒时间信息;
第二模型更新模块,用于根据所述睡眠起始时间、婴儿状态信息、睡眠环境信息、外部环境信息、睡醒时间信息和所述时间反馈信息,定期对所述第二神经网络模型进行升级训练,得到更新后的第二神经网络模型;
第二模型发送模块,用于将所述更新后的第二神经网络模型发送给所述第一终端设备。
第五方面,本申请实施例还提供一种终端设备,包括:至少一个处理器,以及与所述处理器通信连接的至少一个存储器、一个无线通信模块和一个传感器模块,其中:
所述存储器存储有可被所述处理器执行的程序指令,所述传感器模块能够获取婴儿状态信息和睡眠环境信息,所述无线通信模块能够用于所述终端设备与其他终端设备建立通信,所述处理器调用所述传感器模块、所述无线通信模块和所述程序指令能够执行第一方面提供的婴儿睡眠状态监测方法。
第六方面,本申请实施例还提供一种终端设备,包括:至少一个处理器,以及与所述处理器通信连接的至少一个存储器、一个无线通信模块和一个定位模块,其中:
所述存储器存储有可被所述处理器执行的程序指令,所述无线通信模块能够用于所述终端设备与其他终端设备通信,所述定位模块能够获取外部环境信息,所述处理器调用所述无线通信模块、所述定位模块和所述程序指令能够执行第二方面提供的婴儿睡眠状态监测方法。
第七方面,本申请实施例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存储计算机指令,所述计算机指令使所述计算机执行第一方面或者第二方面提供的婴儿睡眠状态监测方法。
应当理解的是,本发明实施例的第三至第七方面与本发明实施例的第一方面或者第二方面的技术方案一致,各方面及对应的可行实施方式所取得的有益效果相似,不再赘述。
【附图说明】
为了更清楚地说明本申请实施例的技术方案,下面将对实施例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说明书的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其它的附图。
图1为本申请实施例提供的一种婴儿睡眠状态监测方法的流程示意图;
图2为本申请实施例提供的另一种婴儿睡眠状态监测方法的流程示意图;
图3为本申请实施例提供的又一种婴儿睡眠状态监测方法的流程示意图;
图4为本申请实施例提供的再一种婴儿睡眠状态监测方法的流程示意图;
图5为本申请实施例提供的另一种婴儿睡眠状态监测方法的流程示意图;
图6为本申请实施例提供的又一种婴儿睡眠状态监测方法的流程示意图;
图7为本申请实施例提供的再一种婴儿睡眠状态监测方法的流程示意图;
图8为本申请实施例提供的另一种婴儿睡眠状态监测方法的流程示意图;
图9为本申请实施例提供的又一种婴儿睡眠状态监测方法的流程示意图;
图10为本申请实施例提供的再一种婴儿睡眠状态监测方法的流程示意图;
图11为本申请实施例提供的一种婴儿睡眠状态监测装置的结构示意图;
图12为本申请实施例提供的另一种婴儿睡眠状态监测装置的结构示意图;
图13为本申请实施例提供的一种终端设备的结构示意图;
图14为本申请实施例提供的另一种终端设备的结构示意图。
【具体实施方式】
为了更好的理解本说明书的技术方案,下面结合附图对本申请实施例进行详细描述。
应当明确,所描述的实施例仅仅是本说明书一部分实施例,而不是全部的实施例。基于本说明书中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例,都属于本说明书保护的范围。
在本申请实施例中使用的术语是仅仅出于描述特定实施例的目的,而非旨在限制本说明书。在本申请实施例和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式,除非上下文清楚地表示其他含义。
现有技术中,婴儿睡眠的监测设备采用的监测方案主要为固定阈值法,即实时监测婴儿睡眠数据,当监测数据超过设定的阈值时,即判断为哭闹状态,并通知提醒监护人。此类方案无法监测婴儿仅为睡醒而不哭闹的场景,婴儿睡醒与哭闹的阈值是不同的,且婴儿睡醒和哭闹的阈值会随着婴儿个体差异而有所不同,现有方案也无法为适应婴儿个体差异自动调整对应阈值,实现适应婴儿个体的一种自适应阈值设定功能。
基于以上问题,本申请实施例提供一种婴儿睡眠状态监测方法、装置、终端设备及计算机可读存储介质,以实现对婴儿睡眠状态的准确监测。
图1为本申请实施例提供的一种婴儿睡眠状态监测方法的流程示意图,所述婴儿睡眠状态监测方法应用于第一终端设备,所述第一终端设备预存有用于睡眠状态分类的第一神经网络模型,所述第一终端设备与第二终端设备建立通信连接,如图1所示,上述婴儿睡眠状态监测方法可以包括:
步骤101:当婴儿进入睡眠状态后,实时获取婴儿状态信息、睡眠环境信息,接收所述第二终端设备发送的外部环境信息;
步骤102:每间隔预设时间段将所述婴儿状态信息、睡眠环境信息和外部环境信息输入所述第一神经网络模型,获得所述第一神经网络模型输出的睡眠状态信息,所述睡眠状态信息用于表征婴儿当前处于睡眠状态、睡醒状态或者哭闹状态。
需要说明的是,第一终端设备可以为设置在婴儿端的监测终端,例如可以将监测终端设置在婴儿睡眠的房间中对婴儿睡眠状态进行监测,监测终端可以包括处理器,无线通信模块和传感器等模块。第二终端设备可以为设置在用户端的智能设备,例如可以为智能手机、平板电脑等。当婴儿进入睡眠状态后,第一终端设备和第二终端设备建立通信连接,通信连接的方式可以为WiFi通信连接、蓝牙通信连接等,只要是能够实现第一终端设备与第二终端设备交换数据的通信方式都可以,本实施例对第一终端设备和第二终端设备建立通信连接的方式不作限定。
其中,第一神经网络模型可以采用现有的神经网络模型,第一神经网络模型是已经训练好的能够用于睡眠状态分类的神经网络模型,第一神经网络模型的输入数据为采集或者接收的婴儿状态信息、睡眠环境信息和外部环境信息,第一神经网络模型的输出数据为睡眠状态信息,睡眠状态信息用于表征婴儿当前处于睡眠状态、睡醒状态或者哭闹状态。其中婴儿状态信息可以包括婴儿声音信息和/或婴儿动作信息,所述睡眠环境信息可以包括环境温度信息和/或环境湿度信息,所述外部环境信息可以包括当前位置信息、当前天气信息、当前日期信息和/或当前时间信息。
考虑婴儿在睡眠过程中可能发生翻身、咳嗽等短暂动作状态,因此采用时间窗方法向模型输入数据,例如,设置一定的时间窗口,即设置预设时间段,将监测的预设时间段内的数据作为模型的输入,这样可以避免翻身/咳嗽等瞬时动作引起第一神经网络模型的误判,提高系统的准确性。
通过获取婴儿状态信息、睡眠环境信息和外部环境信息,将其输入经过训练的第一神经网络模型对婴儿睡眠状态进行分类,获得婴儿睡眠状态信息的方法,实现了对婴儿睡眠状态的准确分类。
在一些实施例中,第一神经网络模型的输入为采集到的数据和数据化预处理后的标签数据,输出值为睡眠状态标签值,睡眠状态标签值最接近哪个输出标签,即为对应状态。其中获取的声音信息,动作信息,温湿度信息,位置信息这些本身已经是数字信息,因而可以直接使用,但日期,天气等直观的数字数据,需要进行一定的预处理,例如可以将日期信息转换成一年中的第几天或第几个季节,天气则进行标签指定,如晴天表示1,阴天表示2,雨天表示3等,输出也是需要进行标签处理的,如睡醒状态为1,睡眠状态为2,哭闹状态为3。本实施例中尽可能将影响婴儿睡眠状态的因素都参与输入,以获得更准确的输出结果。若发现由于输入数据维度较多,导致模型运算过慢,还可以采用主成分分析法进行模型的降维运算,例如可以采用市面上一些主流算法,如PCA等,以提高模型的运算速度。
可以理解的是,针对第一终端设备也就是监测终端,在出厂前已经安装了训练好的第一神经网络模型,出厂前对第一神经网络模型进行训练的方法可以采用:建立神经网络等机器学习模型,通过多次实验记录婴儿睡眠中,睡醒时以及哭闹时的输入数据,并记录标签,将输入数据与对应标签输入模型中进行训练,得到初始的训练好的第一神经网络模型。
以下举例详细介绍在监测终端出厂前,第一神经网络模型的训练过程可以包括:(1)在婴儿睡眠时,开启监测终端读取声音数据,温湿度数据,震动数据,以时间窗口(如15秒)进行数据切割存储,在婴儿睡眠状态中所获得的窗口数据标记为处于睡眠状态的训练数据。(2)在婴儿睡醒时,以同等长度的时间窗口记录的数据标记为处于睡醒状态下的训练数据。(3)在婴儿哭闹时,以同等长度的时间窗口记录的数据标记为处于哭闹状态下的训练数据。(4)由此得到一个婴儿三种睡眠状态的训练数据,并记录测试的日期,天气,地理位置等数据,多个婴儿重复此步骤。(5)将上述得到的带有睡眠状态的传感器数据,以及记录的日期,天气,位置信息作为输入,所标记的睡眠状态数据作为输出,放置在模型中进行训练,得到各因素与睡眠状态的关系函数,即获得初始的训练好的第一神经网络模型。
在第一终端设备获得了第一神经网络模型输出的睡眠状态信息后,为了方便用户查看,可以把睡眠状态信息发送给第二终端设备,通过第二终端设备提示用户婴儿当前的睡眠状态。
图2为本申请实施例提供的另一种婴儿睡眠状态监测方法的流程示意图,如图2所示,在本申请图1所示的实施例中,还可以包括步骤:
步骤103:将所述睡眠状态信息发送给所述第二终端设备,以使所述第二终端设备输出所述睡眠状态信息以提示用户婴儿的当前睡眠状态。
需要说明的是,由于第二终端设备是用户使用的智能终端设备,如手机,用户基本是随身携带的,因此不容易出现遗漏信息的情况,因此第一终端设备将睡眠状态信息发送给第二终端设备,由第二终端设备通知用户,不仅操作方便效率高,还减少了第一终端设备通知用户的工作量。
第一终端设备在出厂前训练的第一神经网络模型是根据很多婴儿的数据进行训练的,在进入用户家庭后,如果能够根据用户的婴儿的个体特征,进一步优化第一神经网络模型的参数,使其更适合于用户的婴儿,则可以输出更准确的信息。
图3为本申请实施例提供的又一种婴儿睡眠状态监测方法的流程示意图,如图3所示,在本申请图1所示的实施例中,所述第二终端设备预存有所述第一神经网络模型,还可以包括步骤:
步骤201:将所述婴儿状态信息、睡眠环境信息和睡眠状态信息发送给所述第二终端设备,以使所述第二终端设备定期对所述第一神经网络模型进行升级训练,得到更新后的第一神经网络模型;
步骤202:接收所述第二终端设备发送的更新后的第一网络神经模型,将预存的所述第一神经网络模型替换为所述更新后的第一网络神经模型。
需要说明的是,由于第一终端设备,即监测终端采用低功耗设计,较低的运算能力使其只能利用得到的第一神经网络模型进行睡眠状态分类,不能自身进行模型训练和升级,而第二终端设备为用户使用的智能终端设备,如手机,运算能力较强,可以承担模型训练与升级的任务,因此第二终端设备上也预存有第一神经网络模型,可以根据获取的数据定期对第一神经网络模型进行升级训练后,得到更新后的第一神经网络模型。
示例性的,为了让第二终端设备进行第一神经网络模型的升级训练,第一终端设备需要将自己采集的信息发送给第二终端设备用于模型升级训练,比如将所述婴儿状态信息、睡眠环境信息和睡眠状态信息发送给所述第二终端设备。
示例性的,在监测终端开机与手机进行通信连接后,例如进行蓝牙连接并成功对接后,手机将更新后的第一神经网络模型发送至监测终端,监测终端将预存的第一神经网络模型替换为更新后的第一神经网络模型,由监测终端使用更新后的第一神经网络模型对输入数据进行睡眠状态判断。这样既可以保证监测终端的低成本、低功耗以及便携性,又可以保证模型的定期升级与更新,使其成为适应婴儿个人的睡眠状态分类模型。
在提供婴儿睡眠状态监测功能的情况下,如果还可以提前判断婴儿睡醒时间并提示用户,使用户可以提前到婴儿身边等待婴儿醒来或者提前准备好婴儿睡醒后需要的物品,可以进一步的提高用户的体验。
图4为本申请实施例提供的再一种婴儿睡眠状态监测方法的流程示意图,如图4所示,所述第一终端设备还预存有用于预测睡眠时长的第二神经网络模型,所述外部环境信息包括当前时间信息,在本申请图1所示的实施例中,还可以包括步骤:
步骤301:当婴儿进入睡眠状态后,获取所述第二终端设备发送给所述第一终端设备的第一个所述外部环境信息,将第一个所述外部环境信息中的当前时间信息作为婴儿睡眠起始时间;
步骤302:将所述婴儿睡眠起始时间、婴儿状态信息、睡眠环境信息和外部环境信息输入所述第二神经网络模型,获得所述第二神经网络模型输出的睡醒时间信息,所述睡醒时间信息用于表征婴儿的预测睡醒时间。
需要说明的是,第二神经网络模型是已经训练好的能够用于预测婴儿睡醒时间的神经网络模型,第二神经网络模型的输入数据为采集或者接收的婴儿睡眠起始时间、婴儿状态信息、睡眠环境信息和外部环境信息,第二神经网络模型的输出数据为睡醒时间信息,睡醒时间信息用于表征婴儿的预测睡醒时间。其中婴儿状态信息可以包括婴儿声音信息和/或婴儿动作信息,睡眠环境信息可以包括环境温度信息和/或环境湿度信息,外部环境信息可以包括当前位置信息、当前天气信息、当前日期信息和/或当前时间信息,婴儿睡眠起始时间则是第一终端设备与第二终端设备建立通信连接后,第二终端设备向第一终端设备发送的第一个外部环境信息中的当前时间信息。
通过获取婴儿睡眠起始时间、婴儿状态信息、睡眠环境信息和外部环境信息,将其输入经过训练的第二神经网络模型对婴儿睡醒时间进行预测,获得睡醒时间信息的方法,能够准确的对婴儿睡醒时间进行预测。
可以理解的是,针对第一终端设备也就是监测终端,在出厂前已经安装了训练好的第二神经网络模型,出厂前对第二神经网络模型进行训练的方法可以采用:建立神经网络等机器学习模型,通过多次实验记录婴儿睡眠时长、婴儿睡眠中,睡醒时以及哭闹时的输入数据,并记录标签,将输入数据与对应标签输入模型中进行训练,得到初始的训练好的第二神经网络模型。
以下举例详细介绍在监测终端出厂前,第二神经网络模型的训练过程可以包括:(1)在婴儿开始睡眠时,开启监测终端读取声音数据,温湿度数据,震动数据,通过手机获得睡眠开始时间数据,(2)通过手机记录测试的日期,天气,地理位置等数据,(3)标记婴儿睡眠结束时间,(4)由此得到一个预测婴儿睡眠结束时间的训练数据,多个婴儿重复此步骤。(5)将上述得到的开始睡眠时间的传感器数据,睡眠开始时间,以及记录的日期,天气,位置信息作为输入,所标记的睡眠结束时间数据作为输出,放置在模型中进行训练,得到各因素与睡眠结束时间的关系函数,即获得初始的训练好的第二神经网络模型。
在第一终端设备获得了第二神经网络模型输出的睡醒时间信息后,为了方便用户查看,还可以把睡醒时间信息发送给第二终端设备,通过第二终端设备提示用户婴儿的预测睡醒时间。
图5为本申请实施例提供的另一种婴儿睡眠状态监测方法的流程示意图,如图5所示,在本申请图4所示的实施例中,还可以包括步骤:
步骤303:将所述睡醒时间信息发送给所述第二终端设备,以使所述第二终端设备输出所述睡醒时间信息以提示用户婴儿的预测睡醒时间。
需要说明的是,由于第二终端设备是用户使用的智能终端设备,用户基本是随身携带的,因此不容易出现遗漏信息的情况,因此第一终端设备将睡醒时间信息发送给第二终端设备,由第二终端设备通知用户,不仅操作方便效率高,还减少了第一终端设备通知用户的工作量。
第一终端设备在出厂前训练的第二神经网络模型是根据很多婴儿的数据进行的训练,在进入用户家庭后,如果能够根据用户的婴儿的个体特征,进一步优化第二神经网络模型的参数,使其更适合于用户的婴儿,则可以输出更准确的信息。
图6为本申请实施例提供的又一种婴儿睡眠状态监测方法的流程示意图,如图6所示,所述第二终端设备预存有所述第二神经网络模型,在本申请图4所示的实施例中,还可以包括步骤:
步骤401:将所述婴儿状态信息、睡眠环境信息和睡醒时间信息发送给所述第二终端设备,以使所述第二终端设备定期对所述第二神经网络模型进行升级训练,得到更新后的第二神经网络模型;
步骤402:接收所述第二终端设备发送的更新后的第二网络神经模型,将预存的所述第二神经网络模型替换为所述更新后的第二网络神经模型。
需要说明的是,由于第一终端设备,即监测终端采用低功耗设计,较低的运算能力使其只能利用得到的第二神经网络模型进行睡醒时间预测,不能自身进行模型训练和升级,而第二终端设备为用户使用的智能终端设备,例如手机,运算能力较强,所以可以承担模型训练与升级的任务,因此第二终端设备上也预存有第二神经网络模型,可以根据获取的数据定期对第二神经网络模型进行升级训练后,得到更新后的第二神经网络模型。
示例性的,为了让第二终端设备进行第二神经网络模型的升级训练,第一终端设备需要将自己采集的信息发送给第二终端设备用于模型升级训练,比如将所述婴儿睡眠起始时间、婴儿状态信息、睡眠环境信息和睡醒时间信息发送给所述第二终端设备,以使所述第二终端设备定期对所述第二神经网络模型进行升级训练,得到更新后的第二神经网络模型。
示例性的,在监测终端开机与手机进行通信连接后,例如进行蓝牙连接并成功对接后,手机将更新后的第二神经网络模型发送至监测终端,监测终端将预存的第二神经网络模型替换为更新后的第二神经网络模型,由监测终端使用更新后的第二神经网络模型对输入数据进行睡醒时间预测。这样既可以保证监测终端的低成本、低功耗以及便携性,又可以保证模型的定期升级与更新,使其成为适应婴儿个人的睡醒时间预测模型。
在一些实施例中,第一神经网络模型与第二神经网络可以为一个神经网络模型,当输入采集的数据后,可以同时输出睡眠状态信息和睡醒时间信息。当第一神经网络模型与第二神经网络为一个神经网络模型时,在监测终端出厂前,该神经网络模型的训练过程可以包括:(1)在婴儿开始睡眠时,开启监测终端读取声音数据,温湿度数据,震动数据,通过手机获取睡眠开始时间数据,(2)在婴儿睡眠时,开启监测终端读取声音数据,温湿度数据,震动数据,以时间窗口(如15秒)进行数据切割存储,在婴儿睡眠状态中所获得的窗口数据标记为处于睡眠状态的训练数据。(3)在婴儿睡醒时,以同等长度的时间窗口记录的数据标记为处于睡醒状态下的训练数据。(4)在婴儿哭闹时,以同等长度的时间窗口记录的数据标记为处于哭闹状态下的训练数据。(5)标记婴儿睡眠结束时间。(6)由此得到一个婴儿三种睡眠状态和睡眠结束时间的训练数据,并记录测试的日期,天气,地理位置,婴儿的睡眠时长等数据,多个婴儿重复此步骤。(7)将上述得到的带有睡眠状态的传感器数据,开始睡眠时间的传感器数据,开始睡眠时间,以及记录的日期,天气,位置信息作为输入,所标记的睡眠状态数据和睡眠结束时间作为输出,放置模型中进行训练,得到各因素与睡眠状态、睡眠结束时间的关系函数,即获得能够同时输出睡眠状态信息和睡醒时间信息的神经网络模型。
训练模型时,我们尽可能考虑影响婴儿睡眠的因素,且这些数据是可以通过手机或传感器容易直接获取的。将其作为模型的输入,获取每个因素对睡眠状态判断和睡醒时间预测的影响系数,训练出模型后可以对这些因素值直接计算判断睡眠状态和预设睡醒时间,还可以发现一定的统计规律,如夏天和冬天的时候(可以通过日期来判断夏天还是冬天),婴儿睡眠时长可能不同,不同个体的婴儿,睡眠时长也不同,从而准确预测婴儿睡醒时间。
图7为本申请实施例提供的再一种婴儿睡眠状态监测方法的流程示意图,所述婴儿睡眠状态监测方法应用于第二终端设备,所述第二终端设备与第一终端设备建立通信连接,如图7所示,上述婴儿睡眠状态监测方法包括:
步骤501:在婴儿进入睡眠状态后,实时获取外部环境信息,将获取的所述外部环境信息发送给所述第一终端设备;
步骤502:接收所述第一终端设备发送的睡眠状态信息,触发第一事件,所述第一事件用于提示用户婴儿的当前睡眠状态。
需要说明的是,第二终端设备可以为设置在用户端的智能设备,例如可以为带有蓝牙、位置定位和通知功能的智能手机、平板电脑等。若为手机,手机CPU主频尽量在1GHz以上,且越高越好,因为涉及模型的训练与运算处理。第一终端设备可以为设置在婴儿端的监测终端,例如可以将监测终端设置在婴儿睡眠的房间中对婴儿睡眠状态进行监测。当婴儿进入睡眠状态后,第一终端设备和第二终端设备建立通信连接,通信连接的方式可以为WiFi通信连接、蓝牙通信连接等,只要是能够实现第一终端设备与第二终端设备交换数据的通信方式都可以,本实施例对第一终端设备和第二终端设备建立通信连接的方式不作限定。
其中,第二终端设备在婴儿进入睡眠状态后,实时获取外部环境信息,外部环境信息可以包括当前位置信息、当前天气信息、当前日期信息和/或当前时间信息。第二终端设备将获取的所述外部环境信息发送给所述第一终端设备,以使第一终端设备将获取的信息输入第一神经网络模型,获得睡眠状态信息,再将睡眠状态信息发送给第二终端设备。
其中,当第二终端设备收到第一终端设备发送的睡眠状态信息,则触发第一事件,第一事件用于提示用户婴儿的当前睡眠状态。这里的第一事件可以包括输出提示短信信息,在屏幕显示提示信息,还可以包括震动提示、响铃提示等方式提示用户,第一事件的具体形式可以根据用户需求或者场景需求设置,本实施例对第一事情的具体形式不作限定。
由于出厂前训练的第一神经网络模型是根据很多婴儿的数据进行训练的,在进入用户家庭后,不一定能够完全适合用户婴儿的个体特征,因此需要进一步优化第一神经网络模型的参数,使其更适合于用户的婴儿,为了对第一神经网络模型进行升级优化,需要第一终端设备将采集的数据发送给第二终端设备,还需要用户能够对睡眠状态信息进行反馈,以帮助确定睡眠状态信息的正确或者错误,根据获取的信息和反馈的信息生成训练数据,对第一神经网络模型进行升级训练。
图8为本申请实施例提供的另一种婴儿睡眠状态监测方法的流程示意图,如图8所示,在本申请图7所示的实施例中,第二终端设备预存有用于睡眠状态分类的第一神经网络模型,还可以包括步骤:
步骤601:获取状态反馈信息,所述状态反馈信息是用户反馈的所述睡眠状态信息正确或者错误的信息;
步骤602:接收所述第一终端设备发送的婴儿状态信息、睡眠环境信息和睡眠状态信息;
步骤603:根据所述婴儿状态信息、睡眠环境信息、外部环境信息、睡眠状态信息和状态反馈信息,定期对所述第一神经网络模型进行升级训练,得到更新后的第一神经网络模型;
步骤604:将所述更新后的第一神经网络模型发送给所述第一终端设备。
需要说明的是,当第二终端触发第一事件,提示用户婴儿的当前睡眠状态时,同时也会提示用户确认实际睡眠状态是否与通知的睡眠状态相同,例如当提示用户当前的睡眠状态为睡醒时,可以在屏幕上显示“确认”、“睡眠中”和“哭闹”的选项,在客户点击屏幕上的选项后,则第二终端设备收到状态反馈信息,根据状态反馈信息可以获得正确的睡眠状态信息。
为了获得完整的训练数据,还要接收第一终端设备发送的婴儿状态信息、睡眠环境信息和睡眠状态信息,将每次进行婴儿睡眠状态监测获得的包括婴儿状态信息、睡眠环境信息、外部环境信息、睡眠状态信息和状态反馈信息的完整数据记录形成一条训练数据,在积累了一定数量的训练数据后,定期对第一神经网络模型进行升级训练,获得更新后的第一神经网络模型。其中对第一神经网络模型进行升级训练仍然采用与第一神经网络模型出厂前的训练方法相同的方法进行训练,获得更新后的第一神经网络模型。
在每次第二终端设备与第一终端设备通信连接成功后,第二终端设备将更新后的第一神经网络模型发送给第一终端设备,以使第一终端设备将预存的第一神经网络模型替换为更新的第一神经网络模型,使用更新的第一神经网络模型进行睡眠状态判断。
通过第二终端设备对第一神经网络模型进行更新后再发送给第一终端设备使用的方法,既可以保证监测终端的低成本、低功耗以及便携性,又可以保证模型的定期升级与更新,使其成为适应婴儿个人的睡眠状态分类模型。
图9为本申请实施例提供的又一种婴儿睡眠状态监测方法的流程示意图,如图9所示,在本申请图7所示的实施例中,还可以包括步骤:
步骤503:接收所述第一终端设备发送的睡醒时间信息,触发第二事件,所述第二事件用于提示用户婴儿的预测睡醒时间。
需要说明的是,当第二终端设备收到第一终端设备发送的睡醒时间信息,则触发第二事件,第二事件用于提示用户婴儿的预测睡醒时间。这里的第二事件可以包括输出提示信息短信,在屏幕显示提示信息,还可以包括震动提示、响铃提示等方式提示用户,第二事件的具体形式可以根据用户需求或者场景需求设置,本实施例对第二事情的具体形式不作限定。
由于出厂前训练的第二神经网络模型是根据很多婴儿的数据进行训练的,在进入用户家庭后,不一定能够完全适合用户婴儿的个体特征,因此需要进一步优化第二神经网络模型的参数,使其更适合于用户的婴儿,为了对第二神经网络模型进行升级优化,需要第一终端设备将采集的数据发送给第二终端设备,还需要用户能够对睡醒时间信息进行反馈,以帮助确定睡醒时间信息的正确或者错误,并获取婴儿的实际睡醒时间,根据获取的信息和反馈的信息生成训练数据,对第二神经网络模型进行升级训练。
图10为本申请实施例提供的再一种婴儿睡眠状态监测方法的流程示意图,如图10所示,在本申请图7所示的实施例中,所述第二终端设备还预存有用于预测睡醒时间的第二神经网络模型,还可以包括步骤:
步骤701:获取时间反馈信息,所述时间反馈信息是用户反馈的婴儿的实际睡醒时间;
步骤702:接收所述第一终端设备发送的所述睡眠起始时间、婴儿状态信息、睡眠环境信息和所述睡醒时间信息;
步骤703:根据所述睡眠起始时间、婴儿状态信息、睡眠环境信息、外部环境信息、睡醒时间信息和时间反馈信息,定期对所述第二神经网络模型进行升级训练,得到更新后的第二神经网络模型;
步骤704:将所述更新后的第二神经网络模型发送给所述第一终端设备。
需要说明的是,当第二终端触发第二事件,提示用户婴儿的预测睡醒时间时,同时也会提示用户确认实际睡醒时间是否与通知的预测睡醒时间相同,例如当提示用户婴儿的预测睡醒时间时,可以在屏幕上显示“正确”、“睡眠中”和“实际睡醒时间”的选项,在客户可以点击屏幕上的选项、或者输入实际睡醒时间,则第二终端设备收到时间反馈信息,根据时间反馈信息可以获得正确的实际睡醒时间。
为了获得完整的训练数据,还要接收第一终端设备发送的睡眠起始时间、婴儿状态信息、睡眠环境信息和睡醒时间信息,将每次进行婴儿睡醒时间预测获得的包括睡眠起始时间、婴儿状态信息、睡眠环境信息、外部环境信息、睡醒时间信息和时间反馈信息的完整数据记录形成一条训练数据,在积累了一定数量的训练数据后,定期对第二神经网络模型进行升级训练,获得更新后的第二神经网络模型。其中对第二神经网络模型进行升级训练仍然采用与第二神经网络模型出厂前的训练方法相同的方法进行训练,获得更新后的第二神经网络模型。
在每次第二终端设备与第一终端设备通信连接成功后,第二终端设备将更新后的第二神经网络模型发送给第一终端设备,以使第一终端设备将预存的第二神经网络模型替换为更新的第二神经网络模型,使用更新的第二神经网络模型进行睡醒时间预测。
通过第二终端设备对第二神经网络模型进行更新后再发送给第一终端设备使用的方法,既可以保证监测终端的低成本、低功耗以及便携性,又可以保证模型的定期升级与更新,使其成为适应婴儿个人的睡醒时间预测模型。
可以理解的是,第一神经网络模型与第二神经网络模型也可以为一个神经网络模型,当第一神经网络模型与第二神经网络模型为一个神经网络模型时,则将输入第一神经网络模型的数据与输入第二神经网络模型的数据一起输入模型,则模型同时输出睡眠状态信息和睡醒时间信息。
以下举例说明第一终端设备与第二终端设备的整个交互过程,其中第一终端设备以监测终端为例,第二终端设备以手机为例,交互流程可以包括:监测终端开机启动后会读取存储的配置信息(如蓝牙配对信息,用户在手机上设置需要监测的状态实现用户可选式的监测对应睡眠状态等配置信息),读取完配置信息并配置完成后对手机发起蓝牙连接,设备连接完成后,进行LED指示,提示用户连接成功。蓝牙连接成功后接收到手机发送过来的天气信息、日期信息、时间信息、位置信息,并接收手机中最新训练出的第一神经网络模型用于睡眠状态分类(若没有更新分类模型,则使用默认出厂时设置的第一神经网络模型,而后随着用户的使用不断更新升级)。然后监测设备监测婴儿睡眠状态数据(声音,动作)及睡眠环境信息(温度,湿度),再结合手机发送过来的位置,天气,日期,时间一起放入第一神经网络模型进行实时睡眠分类得到睡眠状态信息,将睡眠状态信息发送给手机,当手机发现睡眠状态信息为睡醒状态或者哭闹状态时,发送提示消息通知用户。当第一神经网络模型判断为哭闹状态时,手机输出信息并使其响铃和震动,以大幅度提醒用户。用户收到提示和提醒后,点击手机上的“确认”或“睡眠中”或“哭闹”的选项来进行反馈,状态反馈信息可用于手机中第一神经网络模型的升级与更新。
另外在监测终端与手机建立蓝牙通信连接成功后,监测终端接收手机中最新训练出的第二神经网络模型用于睡醒时间预测(若没有更新预测模型,则使用默认出厂时设置的第二神经网络模型,而后随着用户的使用不断更新升级),此外监测终端会获取建立通信连接后手机发送的第一次时间信息作为婴儿的睡眠起始时间,然后监测设备将睡眠起始时间、监测婴儿睡眠状态数据(声音,动作)及睡眠环境信息(温度,湿度),再结合手机发送过来的位置,天气,日期,时间一起放入第二神经网络模型进行睡醒时间预测得到睡醒时间信息,将睡醒时间信息发送给手机,当手机发送提示消息通知用户。用户收到提示信息后,点击手机上的“确认”或“睡眠中”选项,或者输入“实际睡醒时间”来进行反馈,时间反馈信息可用于手机中第二神经网络模型的升级与更新。
另外还可以给用户配置手环,监测终端会在发送手机进行提示和提醒的同时,发送至手环进行震动和声光提醒,用户可通过触摸开关关闭提醒。
本申请旨在设计一套婴儿睡眠状态监测与提醒的自适应方法,在进行婴儿睡眠状态监测时,在婴儿睡醒和哭闹时及时提醒监护人,同时将采集的婴儿状态信息(如声音,动作),睡眠环境信息(如温度、湿度),外部环境信息(如地理位置、日期、时间、天气),婴儿的睡眠起始时间等信息用于模型训练,训练出一个适应于每个所监护的婴儿个体的睡眠状态分类模型,再利用模型对检测数据进行判断,当判断为睡醒和哭闹状态时,及时提醒用户(如震动和响铃),减轻监护负担。
同时,还可以利用历史检测到的数据及对应睡眠状态信息,历史睡眠起始时间,生成一个睡醒预判模型,实现判断婴儿睡醒时间的功能,并提醒用户,当用户看到消息提醒后,提前到婴儿身边或提前准备好婴儿睡醒后需要的物品。
图11为本申请实施例提供的一种婴儿睡眠状态监测装置的结构示意图,应用于第一终端设备,所述第一终端设备预存有用于睡眠状态分类的第一神经网络模型,所述第一终端设备与第二终端设备建立通信连接,如图11中所示,所述婴儿睡眠状态监测装置包括第一信息获取模块81和第一状态获取模块82,其中:
第一信息获取模块81,用于当婴儿进入睡眠状态后,实时获取婴儿状态信息、睡眠环境信息,接收所述第二终端设备发送的外部环境信息;
第一状态获取模块82,用于每间隔预设时间段将所述婴儿状态信息、睡眠环境信息和外部环境信息输入所述第一神经网络模型,获得所述第一神经网络模型输出的睡眠状态信息,所述睡眠状态信息用于表征婴儿当前处于睡眠状态、睡醒状态或者哭闹状态。
在一些实施例中,所述装置还包括:
第一状态发送模块,用于将所述睡眠状态信息发送给所述第二终端设备,以使所述第二终端设备输出所述睡眠状态信息以提示用户婴儿的当前睡眠状态。
在一些实施例中,所述第二终端设备预存有所述第一神经网络模型,所述装置还包括:
第一信息发送模块,用于将所述婴儿状态信息、睡眠环境信息和睡眠状态信息发送给所述第二终端设备,以使所述第二终端设备定期对所述第一神经网络模型进行升级训练,得到更新后的第一神经网络模型;
第一模型替换模块,用于接收所述第二终端设备发送的更新后的第一网络神经模型,将预存的所述第一神经网络模型替换为所述更新后的第一网络神经模型。
在一些实施例中,所述第一终端设备还预存有用于预测睡眠时长的第二神经网络模型,所述外部环境信息包括当前时间信息,所述装置还包括:
第二信息获取模块,用于当婴儿进入睡眠状态后,获取所述第二终端设备发送给所述第一终端设备的第一个所述外部环境信息,将第一个所述外部环境信息中的当前时间信息作为婴儿睡眠起始时间;
第一时间获取模块,用于将所述婴儿睡眠起始时间、婴儿状态信息、睡眠环境信息和外部环境信息输入所述第二神经网络模型,获得所述第二神经网络模型输出的睡醒时间信息,所述睡醒时间信息用于表征婴儿的预测睡醒时间。
在一些实施例中,所述装置还包括:
第一时间发送模块,用于将所述睡醒时间信息发送给所述第二终端设备,以使所述第二终端设备输出所述睡醒时间信息以提示用户婴儿的预测睡醒时间。
在一些实施例中,所述装置还包括:
第二信息发送模块,用于将所述婴儿状态信息、睡眠环境信息和睡醒时间信息发送给所述第二终端设备,以使所述第二终端设备定期对所述第二神经网络模型进行升级训练,得到更新后的第二神经网络模型;
第二模型替换模块,用于接收所述第二终端设备发送的更新后的第二网络神经模型,将预存的所述第二神经网络模型替换为所述更新后的第二网络神经模型。
可以理解的是,所述婴儿睡眠状态监测装置例如可以是:芯片、或者芯片模组。关于上述实施例中描述的各个装置、产品包含的各个模块/子模块/单元,其可以是软件模块/子模块/单元,也可以是硬件模块/子模块/单元,或者也可以部分是软件模块/子模块/单元,部分是硬件模块/子模块/单元。例如,对于应用于或集成于芯片的各个装置、产品,其包含的各个模块/子模块/单元可以都采用电路等硬件的方式实现,或者,至少部分模块/子模块/单元可以采用软件程序的方式实现,该软件程序运行于芯片内部集成的处理器,剩余的(如果有)部分模块/子模块/单元可以采用电路等硬件方式实现;对于应用于或集成于芯片模组的各个装置、产品,其包含的各个模块/子模块/单元可以都采用电路等硬件的方式实现,不同的模块/子模块/单元可以位于芯片模组的同一组件(例如芯片、电路模块等)或者不同组件中,或者,至少部分模块/子模块/单元可以采用软件程序的方式实现,该软件程序运行于芯片模组内部集成的处理器,剩余的(如果有)部分模块/子模块/单元可以采用电路等硬件方式实现;对于应用于或集成于终端的各个装置、产品,其包含的各个模块/子模块/单元可以都采用电路等硬件的方式实现,不同的模块/子模块/单元可以位于终端内同一组件(例如,芯片、电路模块等)或者不同组件中,或者,至少部分模块/子模块/单元可以采用软件程序的方式实现,该软件程序运行于终端内部集成的处理器,剩余的(如果有)部分模块/子模块/单元可以采用电路等硬件方式实现。
图11所示实施例提供的婴儿睡眠状态监测装置可用于执行本说明书图1-图6所示方法实施例的技术方案,其实现原理和技术效果可以进一步参考方法实施例中的相关描述。
图12为本申请实施例提供的另一种婴儿睡眠状态监测装置的结构示意图,应用于第二终端设备,所述第二终端设备与第一终端设备建立通信连接,如图12中所示,所述婴儿睡眠状态监测装置包括:第三信息发送模块91和第一信息通知模块92,其中,
第三信息发送模块91,用于在婴儿进入睡眠状态后,实时获取外部环境信息,将获取的所述外部环境信息发送给所述第一终端设备;
第一信息通知模块92,用于接收所述第一终端设备发送的睡眠状态信息,触发第一事件,所述第一事件用于提示用户婴儿的当前睡眠状态。
在一些实施例中,所述第二终端设备预存有用于睡眠状态分类的第一神经网络模型,所述装置还包括:
第三信息获取模块,用于获取状态反馈信息,所述状态反馈信息是用户反馈的所述睡眠状态信息正确或者错误的信息;
第一信息接收模块,用于接收所述第一终端设备发送的婴儿状态信息、睡眠环境信息和睡眠状态信息;
第一模型更新模块,用于根据所述婴儿状态信息、睡眠环境信息、外部环境信息、睡眠状态信息和状态反馈信息,定期对所述第一神经网络模型进行升级训练,得到更新后的第一神经网络模型;
第一模型发送模块,用于将所述更新后的第一神经网络模型发送给所述第一终端设备。
在一些实施例中,所述装置还包括:
第二信息通知模块,用于接收所述第一终端设备发送的睡醒时间信息,触发第二事件,所述第二事件用于提示用户婴儿的预测睡醒时间。
在一些实施例中,所述第二终端设备还预存有用于预测睡眠时长的第二神经网络模型,所述装置还包括:
第四信息获取模块,用于获取时间反馈信息,所述时间反馈信息是用户反馈的婴儿睡醒的实际时间信息;
第二信息接收模块,用于接收所述第一终端设备发送的所述睡眠起始时间、婴儿状态信息、睡眠环境信息和所述睡醒时间信息;
第二模型更新模块,用于根据所述睡眠起始时间、婴儿状态信息、睡眠环境信息、外部环境信息、睡醒时间信息和所述时间反馈信息,定期对所述第二神经网络模型进行升级训练,得到更新后的第二神经网络模型;
第二模型发送模块,用于将所述更新后的第二神经网络模型发送给所述第一终端设备。
可以理解的是,所述婴儿睡眠状态监测装置例如可以是:芯片、或者芯片模组。关于上述实施例中描述的各个装置、产品包含的各个模块/子模块/单元,其可以是软件模块/子模块/单元,也可以是硬件模块/子模块/单元,或者也可以部分是软件模块/子模块/单元,部分是硬件模块/子模块/单元。例如,对于应用于或集成于芯片的各个装置、产品,其包含的各个模块/子模块/单元可以都采用电路等硬件的方式实现,或者,至少部分模块/子模块/单元可以采用软件程序的方式实现,该软件程序运行于芯片内部集成的处理器,剩余的(如果有)部分模块/子模块/单元可以采用电路等硬件方式实现;对于应用于或集成于芯片模组的各个装置、产品,其包含的各个模块/子模块/单元可以都采用电路等硬件的方式实现,不同的模块/子模块/单元可以位于芯片模组的同一组件(例如芯片、电路模块等)或者不同组件中,或者,至少部分模块/子模块/单元可以采用软件程序的方式实现,该软件程序运行于芯片模组内部集成的处理器,剩余的(如果有)部分模块/子模块/单元可以采用电路等硬件方式实现;对于应用于或集成于终端的各个装置、产品,其包含的各个模块/子模块/单元可以都采用电路等硬件的方式实现,不同的模块/子模块/单元可以位于终端内同一组件(例如,芯片、电路模块等)或者不同组件中,或者,至少部分模块/子模块/单元可以采用软件程序的方式实现,该软件程序运行于终端内部集成的处理器,剩余的(如果有)部分模块/子模块/单元可以采用电路等硬件方式实现。
图12所示实施例提供的婴儿睡眠状态监测装置可用于执行本说明书图7-图10所示方法实施例的技术方案,其实现原理和技术效果可以进一步参考方法实施例中的相关描述。
现有技术中,从监测设备形态上分类,婴儿睡眠状态监测系统主要有三种形态:一种是婴儿佩戴带有传感器的可穿戴设备,第二种是带有睡眠监测功能的婴儿床,第三种是采用无线检测设备,对婴儿进行无接触检测,当监测设备监测到婴儿哭闹时,通过无线传输技术及时提醒监护人;考虑婴儿睡眠的自由性、舒适性以及便携性,本申请实施例提供的监测设备形态与第三种相似,采用无线监测,无需与婴儿体表接触,且设备便携,成本低廉,可以随时随地使用。
图13为本申请实施例提供的一种终端设备的结构示意图,如图13所示,上述终端设备可以包括:至少一个处理器,以及与所述处理器通信连接的至少一个存储器、一个无线通信模块和一个传感器模块,其中:所述存储器存储有可被所述处理器执行的程序指令,所述传感器模块能够获取婴儿状态信息和睡眠环境信息,所述无线通信模块能够用于所述终端设备与其他终端设备建立通信,所述处理器调用所述传感器模块、所述无线通信模块和所述程序指令能够执行如图1至图6实施例所提供的婴儿睡眠状态监测方法。
示例性的,如图13所示,终端设备100可以包括处理器110,存储模块120,传感器模块130和无线通信模块140。终端设备100可以为第一终端设备,即监测终端。可以理解的是,本申请实施例示意的结构并不构成对终端设备100的具体限定。在本申请另一些实施例中,终端设备100可以包括比图示更多或更少的部件,或者组合某些部件,或者拆分某些部件,或者不同的部件布置。图示的部件可以以硬件,软件或软件和硬件的组合实现。
其中,处理器110中可以集成有无线通信模块而不再需要单独的无线通信模块,或者无线通信模块140中也可以集成有处理器而不需要单独的处理器。例如无线通信模块140可以为BLE(Bluetooh Low Energy,蓝牙低功耗)无线通信模块,主要负责系统的无线通信,自带的MCU(Microcontroller Unit,微控制单元)处理器实现IO控制,控制各个模块的协调工作,该BLE无线通信模块支持蓝牙协议4.0及以上的协议,且功耗较低。存储模块120可以为SD存储模块,主要用于存储模块配置数据,避免系统关闭时数据丢失,同时存储采集的数据,为后期使用采集的数据进行模型训练做储备,还存储有第一神经网络模型和/或第二神经网络模型,通过处理器将采集的数据输入第一神经网络模型,可以得到第一神经网络模型输出的睡眠状态信息,通过处理器将采集的数据输入第二神经网络模型,可以得到第二神经网络模型输出的睡醒时间信息。传感器模块130可以包括声音采集传感器、红外移动传感器和温湿度传感器,声音采集传感器用于采集婴儿哭闹声音数据,红外移动传感器(类似光敏鼠标)利用其光学灵敏度监测来检测第一终端设备发生的位移和抖动来间接监测婴儿的动作幅度,温湿度传感器主要用于检测婴儿睡眠环境中的温度与湿度。此外,终端设备100还可以包括与处理器110电连接的开关模块,主要用于开启和关闭终端设备100;还可以包括与处理器110电连接的LED指示灯,主要用于提示设备状态,例如可以提示电源开启状态,蓝牙连接状态等;还可以包括与处理器110电连接的锂电池与mini USb充电口,主要用于监测终端的供电和充电。
图14为本申请实施例提供的另一种终端设备的结构示意图,如图14所示,上述终端设备可以包括:至少一个处理器,以及与所述处理器通信连接的至少一个存储器、一个无线通信模块和一个定位模块,其中:所述存储器存储有可被所述处理器执行的程序指令,所述无线通信模块能够用于所述终端设备与其他终端设备建立通信,所述定位模块能够获取外部环境信息,所述处理器调用所述无线通信模块、所述定位模块和所述程序指令能够执行如图7至图10实施例提供的婴儿睡眠状态监测方法。
其中,上述终端设备可以为智能手机、平板电脑或笔记本电脑等智能终端设备,本实施例对上述终端设备的形式不作限定。
示例性的,图14以智能手机为例示出了终端设备的结构示意图,如图14所示,终端设备200可以包括处理器210,外部存储器接口220,内部存储器221,显示屏230,按键240,定位模块250,无线通信模块260,移动通信模块270,天线1和天线2等。终端设备200可以为第二终端设备,即智能手机。
可以理解的是,本申请实施例示意的结构并不构成对终端设备200的具体限定。在本申请另一些实施例中,终端设备200可以包括比图示更多或更少的部件,或者组合某些部件,或者拆分某些部件,或者不同的部件布置。图示的部件可以以硬件,软件或软件和硬件的组合实现。
处理器210可以包括一个或多个处理单元,例如:处理器210可以包括应用处理器(application processor,AP),调制解调处理器,图形处理器(graphics processingunit,GPU),图像信号处理器(image signal processor,ISP),控制器,视频编解码器,数字信号处理器(digital signal processor,DSP),基带处理器,和/或神经网络处理器(neural-network processing unit,NPU)等。其中,不同的处理单元可以是独立的器件,也可以集成在一个或多个处理器中。
控制器可以根据指令操作码和时序信号,产生操作控制信号,完成取指令和执行指令的控制。
处理器210中还可以设置存储器,用于存储指令和数据。在一些实施例中,处理器210中的存储器为高速缓冲存储器。该存储器可以保存处理器210刚用过或循环使用的指令或数据。如果处理器210需要再次使用该指令或数据,可从所述存储器中直接调用。避免了重复存取,减少了处理器210的等待时间,因而提高了系统的效率。
处理器210通过运行存储在内部存储器221中的程序,从而执行各种功能应用以及数据处理,例如实现本申请图7至图10所示实施例提供的婴儿睡眠状态监测方法。
在一些实施例中,处理器210可以包括一个或多个接口。接口可以包括集成电路(inter-integrated circuit,I2C)接口,集成电路内置音频(inter-integrated circuitsound,I2S)接口,脉冲编码调制(pulse code modulation,PCM)接口,通用异步收发传输器(universal asynchronous receiver/transmitter,UART)接口,移动产业处理器接口(mobile industry processor interface,MIPI),通用输入输出(general-purposeinput/output,GPIO)接口,用户标识模块(subscriber identity module,SIM)接口,和/或通用串行总线(universal serial bus,USB)接口等。
终端设备200的无线通信功能可以通过天线1,天线2,移动通信模块270,无线通信模块260,调制解调处理器以及基带处理器等实现。
天线1和天线2用于发射和接收电磁波信号。终端设备200中的每个天线可用于覆盖单个或多个通信频带。不同的天线还可以复用,以提高天线的利用率。例如:可以将天线1复用为无线局域网的分集天线。在另外一些实施例中,天线可以和调谐开关结合使用。
移动通信模块270可以提供应用在终端设备200上的包括2G/3G/4G/5G等无线通信的解决方案。移动通信模块270可以包括至少一个滤波器,开关,功率放大器,低噪声放大器(low noise amplifier,LNA)等。移动通信模块270可以由天线1接收电磁波,并对接收的电磁波进行滤波,放大等处理,传送至调制解调处理器进行解调。移动通信模块270还可以对经调制解调处理器调制后的信号放大,经天线1转为电磁波辐射出去。在一些实施例中,移动通信模块270的至少部分功能模块可以被设置于处理器210中。在一些实施例中,移动通信模块270的至少部分功能模块可以与处理器210的至少部分模块被设置在同一个器件中。
调制解调处理器可以包括调制器和解调器。其中,调制器用于将待发送的低频基带信号调制成中高频信号。解调器用于将接收的电磁波信号解调为低频基带信号。随后解调器将解调得到的低频基带信号传送至基带处理器处理。低频基带信号经基带处理器处理后,被传递给应用处理器。应用处理器通过音频设备输出声音信号,或通过显示屏230显示图像或视频。在一些实施例中,调制解调处理器可以是独立的器件。在另一些实施例中,调制解调处理器可以独立于处理器210,与移动通信模块270或其他功能模块设置在同一个器件中。
无线通信模块260可以提供应用在终端设备200上的包括无线局域网(wirelesslocal area networks,WLAN)(如无线保真(wireless fidelity,Wi-Fi)网络),蓝牙(bluetooth,BT),全球导航卫星系统(global navigation satellite system,GNSS),调频(frequency modulation,FM),近距离无线通信技术(near field communication,NFC),红外技术(infrared,IR)等无线通信的解决方案。无线通信模块260可以是集成至少一个通信处理模块的一个或多个器件。无线通信模块260经由天线2接收电磁波,将电磁波信号调频以及滤波处理,将处理后的信号发送到处理器210。无线通信模块260还可以从处理器210接收待发送的信号,对其进行调频,放大,经天线2转为电磁波辐射出去。
在一些实施例中,终端设备200的天线1和移动通信模块270耦合,天线2和无线通信模块260耦合,使得终端设备200可以通过无线通信技术与网络以及其他设备通信。所述无线通信技术可以包括全球移动通讯系统(global system for mobile communications,GSM),通用分组无线服务(general packet radio service,GPRS),码分多址接入(codedivision multiple access,CDMA),宽带码分多址(wideband code division multipleaccess,WCDMA),时分码分多址(time-division code division multiple access,TD-SCDMA),长期演进(long term evolution,LTE),BT,GNSS,WLAN,NFC,FM,和/或IR技术等。
定位模块250可以提供当前所处位置的信息,目前可以用于定位的系统包括全球卫星定位系统(global positioning system,GPS),全球导航卫星系统(globalnavigation satellite system,GLONASS),北斗卫星导航系统(beidou navigationsatellite system,BDS),准天顶卫星系统(quasi-zenith satellite system,QZSS)和/或星基增强系统(satellite based augmentation systems,SBAS),对应的定位模块250可以为GPS模块、GLONASS模块、北斗卫星导航模块、准天顶卫星模块和/或星基增强模块。
终端设备200通过GPU,显示屏230,以及应用处理器等实现显示功能。GPU为图像处理的微处理器,连接显示屏230和应用处理器。GPU用于执行数学和几何计算,用于图形渲染。处理器210可包括一个或多个GPU,其执行程序指令以生成或改变显示信息。
显示屏230用于显示图像,视频等。显示屏230包括显示面板。显示面板可以采用液晶显示屏(liquid crystal display,LCD),有机发光二极管(organic light-emittingdiode,OLED),有源矩阵有机发光二极体或主动矩阵有机发光二极体(active-matrixorganic light emitting diode的,AMOLED),柔性发光二极管(flex light-emittingdiode,FLED),Miniled,MicroLed,Micro-oLed,量子点发光二极管(quantum dot lightemitting diodes,QLED)等。在一些实施例中,终端设备200可以包括1个或N个显示屏230,N为大于1的正整数。
外部存储器接口220可以用于连接外部存储卡,例如Micro SD卡,实现扩展终端设备200的存储能力。外部存储卡通过外部存储器接口220与处理器210通信,实现数据存储功能。例如将音乐,视频等文件保存在外部存储卡中。
内部存储器221可以用于存储计算机可执行程序代码,所述可执行程序代码包括指令。内部存储器221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,至少一个功能所需的应用程序(比如声音播放功能,图像播放功能等)等。存储数据区可存储终端设备200使用过程中所创建的数据(比如音频数据,电话本等)等。此外,内部存储器221可以包括高速随机存取存储器,还可以包括非易失性存储器。
按键240包括开机键,音量键等。按键240可以是机械按键。也可以是触摸式按键。终端设备200可以接收按键输入,产生与终端设备200的用户设置以及功能控制有关的键信号输入。
本申请实施例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存储计算机指令,所述计算机指令使所述计算机执行本说明书图1至图10所示实施例提供的婴儿睡眠状态监测方法。
上述计算机可读存储介质可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(readonly memory,ROM)、可擦式可编程只读存储器(erasable programmable read onlymemory,EPROM)或闪存、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括——但不限于——电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括——但不限于——无线、电线、光缆、射频(radio frequency,RF)等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本说明书操作的计算机程序代码,所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(localarea network,LAN)或广域网(wide area network,WAN)连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下,在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外,在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
在本发明实施例的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本说明书的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外,在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
此外,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本说明书的描述中,“多个”的含义是至少两个,例如两个,三个等,除非另有明确具体的限定。
流程示意图中或在此以其他方式描述的任何过程或方法描述可以被理解为,表示包括一个或更多个用于实现定制逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分,并且本说明书的优选实施方式的范围包括另外的实现,其中可以不按所示出或讨论的顺序,包括根据所涉及的功能按基本同时的方式或按相反的顺序,来执行功能,这应被本说明书的实施例所属技术领域的技术人员所理解。
取决于语境,如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”或“响应于检测”。类似地,取决于语境,短语“如果确定”或“如果检测(陈述的条件或事件)”可以被解释成为“当确定时”或“响应于确定”或“当检测(陈述的条件或事件)时”或“响应于检测(陈述的条件或事件)”。
需要说明的是,本申请实施例中所涉及的终端可以包括但不限于个人计算机(personal computer,PC)、个人数字助理(personal digital assistant,PDA)、无线手持设备、平板电脑(tablet computer)、手机、MP3播放器、MP4播放器等。
在本说明书所提供的几个实施例中,应该理解到,所揭露的系统、装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,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信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
另外,在本说明书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,也可以采用硬件加软件功能单元的形式实现。
上述以软件功能单元的形式实现的集成的单元,可以存储在一个计算机可读取存储介质中。上述软件功能单元存储在一个存储介质中,包括若干指令用以使得一台计算机装置(可以是个人计算机,服务器,或者网络装置等)或处理器(processor)执行本说明书各个实施例所述方法的部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM)、随机存取存储器(RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅为本说明书的较佳实施例而已,并不用以限制本说明书,凡在本说明书的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本说明书保护的范围之内。
Claims (23)
1.一种婴儿睡眠状态监测方法,其特征在于,应用于第一终端设备,所述第一终端设备预存有用于睡眠状态分类的第一神经网络模型,所述第一终端设备与第二终端设备建立通信连接,所述方法包括:
当婴儿进入睡眠状态后,实时获取婴儿状态信息、睡眠环境信息,接收所述第二终端设备发送的外部环境信息;
每间隔预设时间段将所述婴儿状态信息、睡眠环境信息和外部环境信息输入所述第一神经网络模型,获得所述第一神经网络模型输出的睡眠状态信息,所述睡眠状态信息用于表征婴儿当前处于睡眠状态、睡醒状态或者哭闹状态。
2.根据权利要求1所述的方法,其特征在于,所述方法还包括:
将所述睡眠状态信息发送给所述第二终端设备,以使所述第二终端设备输出所述睡眠状态信息以提示用户婴儿的当前睡眠状态。
3.根据权利要求1所述的方法,其特征在于,所述第二终端设备预存有所述第一神经网络模型,所述方法还包括:
将所述婴儿状态信息、睡眠环境信息和睡眠状态信息发送给所述第二终端设备,以使所述第二终端设备定期对所述第一神经网络模型进行升级训练,得到更新后的第一神经网络模型;
接收所述第二终端设备发送的更新后的第一网络神经模型,将预存的所述第一神经网络模型替换为所述更新后的第一网络神经模型。
4.根据权利要求1所述的方法,其特征在于,所述第一终端设备还预存有用于预测睡眠时长的第二神经网络模型,所述外部环境信息包括当前时间信息,所述方法还包括:
当婴儿进入睡眠状态后,获取所述第二终端设备发送给所述第一终端设备的第一个所述外部环境信息,将第一个所述外部环境信息中的当前时间信息作为婴儿睡眠起始时间;
将所述婴儿睡眠起始时间、婴儿状态信息、睡眠环境信息和外部环境信息输入所述第二神经网络模型,获得所述第二神经网络模型输出的睡醒时间信息,所述睡醒时间信息用于表征婴儿的预测睡醒时间。
5.根据权利要求4所述的方法,其特征在于,所述方法还包括:
将所述睡醒时间信息发送给所述第二终端设备,以使所述第二终端设备输出所述睡醒时间信息以提示用户婴儿的预测睡醒时间。
6.根据权利要求4所述的方法,其特征在于,所述方法还包括:
将所述婴儿状态信息、睡眠环境信息和睡醒时间信息发送给所述第二终端设备,以使所述第二终端设备定期对所述第二神经网络模型进行升级训练,得到更新后的第二神经网络模型;
接收所述第二终端设备发送的更新后的第二网络神经模型,将预存的所述第二神经网络模型替换为所述更新后的第二网络神经模型。
7.一种婴儿睡眠状态监测方法,其特征在于,应用于第二终端设备,所述第二终端设备与第一终端设备建立通信连接,所述方法包括:
在婴儿进入睡眠状态后,实时获取外部环境信息,将获取的所述外部环境信息发送给所述第一终端设备;
接收所述第一终端设备发送的睡眠状态信息,触发第一事件,所述第一事件用于提示用户婴儿的当前睡眠状态。
8.根据权利要求7所述的方法,其特征在于,所述第二终端设备预存有用于睡眠状态分类的第一神经网络模型,所述方法还包括:
获取状态反馈信息,所述状态反馈信息是用户反馈的所述睡眠状态信息正确或者错误的信息;
接收所述第一终端设备发送的婴儿状态信息、睡眠环境信息和睡眠状态信息;
根据所述婴儿状态信息、睡眠环境信息、外部环境信息、睡眠状态信息和状态反馈信息,定期对所述第一神经网络模型进行升级训练,得到更新后的第一神经网络模型;
将所述更新后的第一神经网络模型发送给所述第一终端设备。
9.根据权利要求7所述的方法,其特征在于,所述方法还包括:
接收所述第一终端设备发送的睡醒时间信息,触发第二事件,所述第二事件用于提示用户婴儿的预测睡醒时间。
10.根据权利要求7所述的方法,其特征在于,所述第二终端设备还预存有用于预测睡眠时长的第二神经网络模型,所述方法还包括:
获取时间反馈信息,所述时间反馈信息是用户反馈的婴儿睡醒的实际时间信息;
接收所述第一终端设备发送的睡眠起始时间、婴儿状态信息、睡眠环境信息和睡醒时间信息;
根据所述睡眠起始时间、所述婴儿状态信息、所述睡眠环境信息、所述外部环境信息、所述睡醒时间信息和所述时间反馈信息,定期对所述第二神经网络模型进行升级训练,得到更新后的第二神经网络模型;
将所述更新后的第二神经网络模型发送给所述第一终端设备。
11.一种婴儿睡眠状态监测装置,其特征在于,应用于第一终端设备,所述第一终端设备预存有用于睡眠状态分类的第一神经网络模型,所述第一终端设备与第二终端设备建立通信连接,所述装置包括:
第一信息获取模块,用于当婴儿进入睡眠状态后,实时获取婴儿状态信息、睡眠环境信息,接收所述第二终端设备发送的外部环境信息;
第一状态获取模块,用于每间隔预设时间段将所述婴儿状态信息、睡眠环境信息和外部环境信息输入所述第一神经网络模型,获得所述第一神经网络模型输出的睡眠状态信息,所述睡眠状态信息用于表征婴儿当前处于睡眠状态、睡醒状态或者哭闹状态。
12.根据权利要求11所述的装置,其特征在于,所述装置还包括:
第一状态发送模块,用于将所述睡眠状态信息发送给所述第二终端设备,以使所述第二终端设备输出所述睡眠状态信息以提示用户婴儿的当前睡眠状态。
13.根据权利要求11所述的装置,其特征在于,所述第二终端设备预存有所述第一神经网络模型,所述装置还包括:
第一信息发送模块,用于将所述婴儿状态信息、睡眠环境信息和睡眠状态信息发送给所述第二终端设备,以使所述第二终端设备定期对所述第一神经网络模型进行升级训练,得到更新后的第一神经网络模型;
第一模型替换模块,用于接收所述第二终端设备发送的更新后的第一网络神经模型,将预存的所述第一神经网络模型替换为所述更新后的第一网络神经模型。
14.根据权利要求11所述的装置,其特征在于,所述第一终端设备还预存有用于预测睡眠时长的第二神经网络模型,所述外部环境信息包括当前时间信息,所述装置还包括:
第二信息获取模块,用于当婴儿进入睡眠状态后,获取所述第二终端设备发送给所述第一终端设备的第一个所述外部环境信息,将第一个所述外部环境信息中的当前时间信息作为婴儿睡眠起始时间;
第一时间获取模块,用于将所述婴儿睡眠起始时间、婴儿状态信息、睡眠环境信息和外部环境信息输入所述第二神经网络模型,获得所述第二神经网络模型输出的睡醒时间信息,所述睡醒时间信息用于表征婴儿的预测睡醒时间。
15.根据权利要求14所述的装置,其特征在于,所述装置还包括:
第一时间发送模块,用于将所述睡醒时间信息发送给所述第二终端设备,以使所述第二终端设备输出所述睡醒时间信息以提示用户婴儿的预测睡醒时间。
16.根据权利要求14所述的装置,其特征在于,所述装置还包括:
第二信息发送模块,用于将所述婴儿状态信息、睡眠环境信息和睡醒时间信息发送给所述第二终端设备,以使所述第二终端设备定期对所述第二神经网络模型进行升级训练,得到更新后的第二神经网络模型;
第二模型替换模块,用于接收所述第二终端设备发送的更新后的第二网络神经模型,将预存的所述第二神经网络模型替换为所述更新后的第二网络神经模型。
17.一种婴儿睡眠状态监测装置,其特征在于,应用于第二终端设备,所述第二终端设备与第一终端设备建立通信连接,所述装置包括:
第三信息发送模块,用于在婴儿进入睡眠状态后,实时获取外部环境信息,将获取的所述外部环境信息发送给所述第一终端设备;
第一信息通知模块,用于接收所述第一终端设备发送的睡眠状态信息,触发第一事件,所述第一事件用于提示用户婴儿的当前睡眠状态。
18.根据权利要求17所述的装置,其特征在于,所述第二终端设备预存有用于睡眠状态分类的第一神经网络模型,所述装置还包括:
第三信息获取模块,用于获取状态反馈信息,所述状态反馈信息是用户反馈的所述睡眠状态信息正确或者错误的信息;
第一信息接收模块,用于接收所述第一终端设备发送的婴儿状态信息、睡眠环境信息和睡眠状态信息;
第一模型更新模块,用于根据所述婴儿状态信息、睡眠环境信息、外部环境信息、睡眠状态信息和状态反馈信息,定期对所述第一神经网络模型进行升级训练,得到更新后的第一神经网络模型;
第一模型发送模块,用于将所述更新后的第一神经网络模型发送给所述第一终端设备。
19.根据权利要求17所述的装置,其特征在于,所述装置还包括:
第二信息通知模块,用于接收所述第一终端设备发送的睡醒时间信息,触发第二事件,所述第二事件用于提示用户婴儿的预测睡醒时间。
20.根据权利要求17所述的装置,其特征在于,所述第二终端设备还预存有用于预测睡眠时长的第二神经网络模型,所述装置还包括:
第四信息获取模块,用于获取时间反馈信息,所述时间反馈信息是用户反馈的婴儿睡醒的实际时间信息;
第二信息接收模块,用于接收所述第一终端设备发送的睡眠起始时间、婴儿状态信息、睡眠环境信息和睡醒时间信息;
第二模型更新模块,用于根据所述睡眠起始时间、婴儿状态信息、睡眠环境信息、外部环境信息、睡醒时间信息和所述时间反馈信息,定期对所述第二神经网络模型进行升级训练,得到更新后的第二神经网络模型;
第二模型发送模块,用于将所述更新后的第二神经网络模型发送给所述第一终端设备。
21.一种终端设备,其特征在于,包括:至少一个处理器,以及与所述处理器通信连接的至少一个存储器、一个无线通信模块和一个传感器模块,其中:
所述存储器存储有可被所述处理器执行的程序指令,所述传感器模块能够获取婴儿状态信息和睡眠环境信息,所述无线通信模块能够用于所述终端设备与其他终端设备建立通信,所述处理器调用所述传感器模块、所述无线通信模块和所述程序指令能够执行如权利要求1至6任一所述的婴儿睡眠状态监测方法。
22.一种终端设备,其特征在于,包括:至少一个处理器,以及与所述处理器通信连接的至少一个存储器、一个无线通信模块和一个定位模块,其中:
所述存储器存储有可被所述处理器执行的程序指令,所述无线通信模块能够用于所述终端设备与其他终端设备通信,所述定位模块能够获取外部环境信息,所述处理器调用所述无线通信模块、所述定位模块和所述程序指令能够执行如权利要求7至10任一所述的婴儿睡眠状态监测方法。
23.一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存储计算机指令,所述计算机指令使所述计算机执行如权利要求1至6或者7至10任一所述的婴儿睡眠状态监测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111334709.1A CN114027795A (zh) | 2021-11-11 | 2021-11-11 | 婴儿睡眠状态监测方法、装置、终端设备及可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111334709.1A CN114027795A (zh) | 2021-11-11 | 2021-11-11 | 婴儿睡眠状态监测方法、装置、终端设备及可读存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114027795A true CN114027795A (zh) | 2022-02-11 |
Family
ID=80137352
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111334709.1A Pending CN114027795A (zh) | 2021-11-11 | 2021-11-11 | 婴儿睡眠状态监测方法、装置、终端设备及可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114027795A (zh) |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105354975A (zh) * | 2015-08-26 | 2016-02-24 | 马晓阳 | 一种可实现移动终端实时通信的婴儿床监控报警系统 |
KR20160106252A (ko) * | 2015-03-02 | 2016-09-12 | (주)유로스마트 | 영유아별 수면패턴에 적응적인 지능형 실시간 영유아 수면관리 모니터링시스템 |
CN106175714A (zh) * | 2016-08-10 | 2016-12-07 | 安徽喜悦信息科技有限公司 | 一种幼儿睡眠智能监控系统 |
CN108024712A (zh) * | 2015-04-05 | 2018-05-11 | 斯米拉布莱斯有限公司 | 预测婴幼儿睡眠模式并基于与婴幼儿相关联的观察结果来推导婴幼儿模型 |
CN109640822A (zh) * | 2016-04-12 | 2019-04-16 | Gogo手环有限公司 | 排尿预测和监测 |
CN109730660A (zh) * | 2019-01-07 | 2019-05-10 | 吴浩宇 | 一种婴幼儿穿戴设备和用户端 |
CN110101392A (zh) * | 2018-02-01 | 2019-08-09 | 德国福维克控股公司 | 具有生命体征数据传感器和分析单元的系统 |
CN110432908A (zh) * | 2018-05-04 | 2019-11-12 | 威里利生命科学有限责任公司 | 对婴儿的感知和活动分类 |
CN111543948A (zh) * | 2020-05-12 | 2020-08-18 | 河海大学常州校区 | 一种基于神经网络的婴儿睡眠检测脚环 |
CN111568380A (zh) * | 2020-05-19 | 2020-08-25 | 北京顺源开华科技有限公司 | 基于睡醒时间预测的闹钟设定方法、装置和设备 |
WO2020168448A1 (zh) * | 2019-02-18 | 2020-08-27 | 深圳市欢太科技有限公司 | 睡眠预测方法、装置、存储介质及电子设备 |
CN112069949A (zh) * | 2020-08-25 | 2020-12-11 | 开放智能机器(上海)有限公司 | 一种基于人工智能的婴儿睡眠监测系统及监测方法 |
-
2021
- 2021-11-11 CN CN202111334709.1A patent/CN114027795A/zh active Pending
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20160106252A (ko) * | 2015-03-02 | 2016-09-12 | (주)유로스마트 | 영유아별 수면패턴에 적응적인 지능형 실시간 영유아 수면관리 모니터링시스템 |
CN108024712A (zh) * | 2015-04-05 | 2018-05-11 | 斯米拉布莱斯有限公司 | 预测婴幼儿睡眠模式并基于与婴幼儿相关联的观察结果来推导婴幼儿模型 |
CN105354975A (zh) * | 2015-08-26 | 2016-02-24 | 马晓阳 | 一种可实现移动终端实时通信的婴儿床监控报警系统 |
CN109640822A (zh) * | 2016-04-12 | 2019-04-16 | Gogo手环有限公司 | 排尿预测和监测 |
CN106175714A (zh) * | 2016-08-10 | 2016-12-07 | 安徽喜悦信息科技有限公司 | 一种幼儿睡眠智能监控系统 |
CN110101392A (zh) * | 2018-02-01 | 2019-08-09 | 德国福维克控股公司 | 具有生命体征数据传感器和分析单元的系统 |
CN110432908A (zh) * | 2018-05-04 | 2019-11-12 | 威里利生命科学有限责任公司 | 对婴儿的感知和活动分类 |
CN109730660A (zh) * | 2019-01-07 | 2019-05-10 | 吴浩宇 | 一种婴幼儿穿戴设备和用户端 |
WO2020168448A1 (zh) * | 2019-02-18 | 2020-08-27 | 深圳市欢太科技有限公司 | 睡眠预测方法、装置、存储介质及电子设备 |
CN113164056A (zh) * | 2019-02-18 | 2021-07-23 | 深圳市欢太科技有限公司 | 睡眠预测方法、装置、存储介质及电子设备 |
CN111543948A (zh) * | 2020-05-12 | 2020-08-18 | 河海大学常州校区 | 一种基于神经网络的婴儿睡眠检测脚环 |
CN111568380A (zh) * | 2020-05-19 | 2020-08-25 | 北京顺源开华科技有限公司 | 基于睡醒时间预测的闹钟设定方法、装置和设备 |
CN112069949A (zh) * | 2020-08-25 | 2020-12-11 | 开放智能机器(上海)有限公司 | 一种基于人工智能的婴儿睡眠监测系统及监测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11039004B1 (en) | Method and apparatus for automatically setting alarms and notifications | |
WO2021052263A1 (zh) | 语音助手显示方法及装置 | |
JP6912120B2 (ja) | 知能感知装置及び感知システム | |
WO2020073288A1 (zh) | 一种触发电子设备执行功能的方法及电子设备 | |
US11172450B2 (en) | Electronic device and method for controlling operation thereof | |
CN105830016B (zh) | 用户设备的电源管理方法和电源管理装置 | |
CN115391161B (zh) | 日志传输方法、设备、系统及存储介质 | |
CN106663362A (zh) | 在移动设备为用户提供电池电量通知的方法及其移动设备 | |
WO2021213337A1 (zh) | 可穿戴电子设备的使用监测方法、介质及其电子设备 | |
CN110687998A (zh) | 一种应用管理方法及装置 | |
CN113220176B (zh) | 基于微件的显示方法、装置、电子设备及可读存储介质 | |
CN111711463B (zh) | 一种基于可穿戴设备的安防监控装置的人身安防方法 | |
CN108108090B (zh) | 通信消息提醒方法及装置 | |
CN101822537A (zh) | 提醒装置及其提醒方法 | |
WO2020042112A1 (zh) | 一种终端对ai任务支持能力的评测方法及终端 | |
CN110742580A (zh) | 一种睡眠状态识别方法及装置 | |
CN106412312A (zh) | 自动唤醒智能终端摄像功能的方法、系统及智能终端 | |
WO2023103499A1 (zh) | 一种应用程序的运行方法及电子设备 | |
CN103605281A (zh) | 基于pad技术的智能挂钟 | |
KR20150025609A (ko) | 저전력으로 위치 변화를 측정하는 전자 장치 및 방법 | |
WO2021249281A1 (zh) | 一种用于电子设备的交互方法和电子设备 | |
CN115525372B (zh) | 显示界面的方法和装置 | |
CN114666694A (zh) | 蓝牙耳机防丢失方法及电子设备 | |
CN114430542A (zh) | 一种节能方法及终端设备 | |
CN110046033A (zh) | 应用程序处理方法和装置、电子设备、计算机可读存储介质 |
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 |