CN114532992A - 小睡状态检测方法、装置、系统及计算机可读存储介质 - Google Patents
小睡状态检测方法、装置、系统及计算机可读存储介质 Download PDFInfo
- Publication number
- CN114532992A CN114532992A CN202210286865.3A CN202210286865A CN114532992A CN 114532992 A CN114532992 A CN 114532992A CN 202210286865 A CN202210286865 A CN 202210286865A CN 114532992 A CN114532992 A CN 114532992A
- Authority
- CN
- China
- Prior art keywords
- state
- minute
- user
- snooze
- detecting
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims description 61
- 230000001133 acceleration Effects 0.000 claims abstract description 48
- 230000002618 waking effect Effects 0.000 claims abstract description 32
- 238000001514 detection method Methods 0.000 claims abstract description 27
- 230000003068 static effect Effects 0.000 claims description 16
- 238000000605 extraction Methods 0.000 claims description 11
- 230000008859 change Effects 0.000 claims description 10
- 238000004364 calculation method Methods 0.000 claims description 7
- 238000004590 computer program Methods 0.000 claims description 7
- 230000036578 sleeping time Effects 0.000 claims description 3
- 238000012544 monitoring process Methods 0.000 abstract description 13
- 238000004891 communication Methods 0.000 description 27
- 238000013480 data collection Methods 0.000 description 16
- 230000006870 function Effects 0.000 description 14
- 238000010586 diagram Methods 0.000 description 12
- 230000008569 process Effects 0.000 description 9
- 238000005516 engineering process Methods 0.000 description 8
- 238000007726 management method Methods 0.000 description 8
- 238000012545 processing Methods 0.000 description 8
- 238000010295 mobile communication Methods 0.000 description 6
- 230000003287 optical effect Effects 0.000 description 6
- 230000005236 sound signal Effects 0.000 description 5
- 239000008280 blood Substances 0.000 description 4
- 210000004369 blood Anatomy 0.000 description 4
- 230000001413 cellular effect Effects 0.000 description 4
- 230000005484 gravity Effects 0.000 description 4
- 230000036541 health Effects 0.000 description 4
- 238000010801 machine learning Methods 0.000 description 4
- WQZGKKKJIJFFOK-GASJEMHNSA-N Glucose Natural products OC[C@H]1OC(O)[C@H](O)[C@@H](O)[C@@H]1O WQZGKKKJIJFFOK-GASJEMHNSA-N 0.000 description 3
- 230000009471 action Effects 0.000 description 3
- 239000008103 glucose Substances 0.000 description 3
- 238000013186 photoplethysmography Methods 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000007599 discharging Methods 0.000 description 2
- 239000011521 glass Substances 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 1
- 230000003190 augmentative effect Effects 0.000 description 1
- 230000036772 blood pressure Effects 0.000 description 1
- 230000009194 climbing Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 230000000977 initiatory effect Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 229910052760 oxygen Inorganic materials 0.000 description 1
- 239000001301 oxygen Substances 0.000 description 1
- 238000007637 random forest analysis Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 238000010079 rubber tapping Methods 0.000 description 1
- 201000002859 sleep apnea Diseases 0.000 description 1
- 230000008667 sleep stage Effects 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 238000010998 test method Methods 0.000 description 1
- 230000000007 visual effect 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
- A61B5/02—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
- A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
- A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
-
- 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
- A61B5/4818—Sleep apnoea
-
- 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
-
- 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
- A61B5/6844—Monitoring or controlling distance between sensor and tissue
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/08—Feature extraction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/12—Classification; Matching
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Animal Behavior & Ethology (AREA)
- Public Health (AREA)
- Pathology (AREA)
- Physics & Mathematics (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Veterinary Medicine (AREA)
- General Health & Medical Sciences (AREA)
- Biophysics (AREA)
- Physiology (AREA)
- Cardiology (AREA)
- Anesthesiology (AREA)
- Dentistry (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Pulmonology (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Psychiatry (AREA)
- Signal Processing (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本申请提供了一种睡眠状态的检测方法、装置、系统及计算机可读存储介质。其中,检测方法包括:获取可穿戴设备的加速度信号;基于加速度信号,计算得到分钟级特征;根据分钟级特征确定用户为清醒状态还是睡眠状态;当用户连续处于睡眠状态超过第一时间阈值,则确定处于小睡状态。本申请通过获取可穿戴设备的加速度信号,基于加速度信号,计算得到分钟级特征,根据分钟级特征确定用户为清醒状态还是睡眠状态,当用户连续处于睡眠状态超过第一时间阈值,则确定处于小睡状态,从而能够对用户小睡状态进行高效准确的识别,进一步提高了对用户睡眠状况的监测,使得对睡眠状况的监测更为完整。从而解决了对于短时间的睡眠识别成功率低的技术问题。
Description
技术领域
本发明属于智能穿戴技术领域,更具体地说,是涉及一种睡眠状态的检测方法、装置、系统及计算机可读存储介质。
背景技术
智能穿戴设备越来越普及,除了可以接收手机的信息和电话,智能穿戴设备还可以进行日常健康监测如心率、睡眠等,和帮助用户进行运动的监测和管理,运动和健康是智能穿戴设备重要的应用场景。
目前大多数可穿戴产品仅可识别用户夜间的长时间睡眠,而对于用户白天短时间的小憩、午休等情况,识别成功率较低。
发明内容
本发明实施例的目的在于提供一种睡眠状态的检测方法、装置、系统及计算机可读存储介质,以解决现有技术中存在的对于短时间的睡眠识别成功率低的技术问题。
第一方面,本申请实施例提供了一种小睡状态的检测方法,应用在可穿戴设备端,其特征在于,包括:获取可穿戴设备的加速度信号;基于所述加速度信号,计算得到分钟级特征;根据所述分钟级特征确定用户为清醒状态还是睡眠状态;当用户连续处于睡眠状态超过第一时间阈值,则确定处于小睡状态。
在一种可能的实现方式中,所述小睡状态的检测方法还包括:基于所述加速度信号,计算得到分钟级特征,包括:对所述加速度信号进行秒级特征提取,获得秒级特征;根据所述秒级特征,计算得到分钟级特征。
在一种可能的实现方式中,所述对所述加速度信号进行秒级特征提取,获得秒级特征,包括:获取秒级振幅和振幅变化值,所述秒级振幅为1秒内ACC三轴最大值和最小值之差的最大值所述振幅变化值为1秒内ACC三轴最后一点和这1秒第一个点的差分绝对值的和∑i=x,y,z|ACCi[N-1]-ACCi[0]|,其中N为一秒内ACC总点数,ACC表示加速度。
在一种可能的实现方式中,所述小睡状态的检测方法还包括:根据所述秒级特征,计算得到分钟级特征,根据所述秒级特征,计算得到分钟级特征包括:计算静止秒数、运动次数、最大振幅、连续静止分钟数;计算所述静止秒数、运动次数、最大振幅、连续静止分钟数,以及秒级变化总和;其中,所述静止秒数为一分钟内秒级振幅小于阈值的秒数;连续的非静止秒确定为一次运动;最大振幅为一分钟内秒级振幅的最大值;一分钟运动次数为零,则连续静止分钟数加一反之则归零;秒级变化总和为一分钟内秒级变化之和。
在一种可能的实现方式中,所述根据所述分钟级特征确定用户为清醒状态还是睡眠状态,包括:当符合第一条件时,则确定所述一分钟为清醒状态;所述第一条件为静止秒数小于第一阈值,或者运动次数大于第二阈值;当符合第二条件时,则确定所述一分钟为睡眠状态;所述第二条件为连续静止分钟数大于第三阈值,或者秒级变化总和小于第四阈值。
在一种可能的实现方式中,如果不符合所述第一条件,且不符合所述第二条件,则所述检测方法还包括:判断最大振幅是否小于第五阈值,若是则确定所述一分钟为睡眠状态,若否则确定所述一分钟为清醒状态。
在一种可能的实现方式中,所述小睡状态的检测方法,还包括:确定小睡的入睡时间点。
在一种可能的实现方式中,所述确定小睡的入睡时间点包括:若连续处于睡眠状态超过所述第一时间阈值,则将开始进入睡眠状态的一分钟作为入睡时间点。
在一种可能的实现方式中,所述小睡状态的检测方法,还包括:确定小睡的第一起床时间点。
在一种可能的实现方式中,所述确定小睡的第一起床时间点,包括:
识别到入睡时间点后,如果出现了清醒状态,则将对应的一分钟作为所述第一起床时间点。
在一种可能的实现方式中,所述小睡状态的检测方法,还包括:
识别到所述第一起床时间点后,若预设时间内没有连续处于睡眠状态超过第二时间阈值,则确定为所述第一起床时间点。
在一种可能的实现方式中,所述小睡状态的检测方法,还包括:输出小睡的所述入睡时间点和所述第一起床时间点作为小睡的状态检测结果。
在一种可能的实现方式中,所述小睡状态的检测方法,还包括:
确定第二起床时间点,所述第二起床时间点在预设时间内没有连续处于睡眠状态超过所述第二时间阈值。
在一种可能的实现方式中,所述小睡状态的检测方法,还包括:
输出小睡的所述入睡时间点和所述第二起床时间点作为小睡的状态检测结果。
第二方面,本申请实施例提供了一种小睡状态的检测装置,包括:获取模块,被配置为获取可穿戴设备的加速度信号;计算模块,被配置为基于所述加速度信号,计算得到分钟级特征;状态判断模块,被配置为根据所述分钟级特征确定用户为清醒状态还是睡眠状态;确定模块,被配置为当用户连续处于睡眠状态超过第一时间阈值,则确定处于小睡状态。
在一种可能的实现方式中,所述计算模块包括:提取单元,被配置为对所述加速度信号进行秒级特征提取,获得秒级特征;计算单元,被配置为根据所述秒级特征,计算得到分钟级特征。
在一种可能的实现方式中,所述提取单元,包括:获取秒级振幅和振幅变化值,所述秒级振幅为1秒内ACC三轴最大值和最小值之差的最大值所述振幅变化值为1秒内ACC三轴最后一点和这1秒第一个点的差分绝对值的和∑i=x,y,z|ACCi[N-1]-ACCi[0]|,其中N为一秒内ACC总点数,ACC表示加速度。
在一种可能的实现方式中,所述计算单元,包括:第一计算子单元,被配置为计算静止秒数、运动次数、最大振幅、连续静止分钟数;第二计算子单元,被配置为计算所述静止秒数、运动次数、最大振幅、连续静止分钟数,以及秒级变化总和;其中,所述静止秒数为一分钟内秒级振幅小于阈值的秒数;连续的非静止秒确定为一次运动;最大振幅为一分钟内秒级振幅的最大值;一分钟运动次数为零,则连续静止分钟数加一反之则归零;秒级变化总和为一分钟内秒级变化之和。
在一种可能的实现方式中,所述状态判断模块,包括:第一确定单元,被配置为当符合第一条件时,则确定所述一分钟为清醒状态;所述第一条件为静止秒数小于第一阈值,或者运动次数大于第二阈值;第二确定单元,被配置为当符合第二条件时,则确定所述一分钟为睡眠状态;所述第二条件为连续静止分钟数大于第三阈值,或者秒级变化总和小于第四阈值。
在一种可能的实现方式中,所述小睡状态的检测装置还包括:第三确定单元,被配置为判断最大振幅是否小于第五阈值,若是则确定所述一分钟为睡眠状态,若否则确定所述一分钟为清醒状态。
在一种可能的实现方式中,所述小睡状态的检测装置还包括:第三确定模块,被配置为确定小睡的入睡时间点。
在一种可能的实现方式中,所述第三确定模块,包括:
第四确定单元,被配置为若连续处于睡眠状态超过所述第一时间阈值,则将开始进入睡眠状态的一分钟作为入睡时间点。
在一种可能的实现方式中,所述小睡状态的检测装置还包括:第四确定模块,被配置为确定小睡的第一起床时间点。
在一种可能的实现方式中,所述小睡状态的检测装置第四确定模块,包括:
第五确定单元,被配置为识别到入睡时间点后,如果出现了清醒状态,则将对应的一分钟作为所述第一起床时间点。
在一种可能的实现方式中,所述小睡状态的检测装置还包括:
第六确定单元,被配置为识别到所述起床点后,若预设时间内没有连续处于睡眠状态超过第二时间阈值,则确定为所述起床点。
在一种可能的实现方式中,所述小睡状态的检测装置还包括:
第一输出模块,被配置为输出小睡的所述入睡时间点和所述第一起床时间点作为小睡的状态检测结果。
在一种可能的实现方式中,所述小睡状态的检测装置还包括:
第七确定单元,被配置为识别到所述起床点后,若预设时间内存在连续处于睡眠状态超过第二时间阈值,则删除所述起床点,识别新的起床时间点,所述新的起床时间点在预设时间内没有连续处于睡眠状态超过阈值。
在一种可能的实现方式中,所述小睡状态的检测装置,还包括:
第二输出模块,被配置为输出小睡的所述入睡时间点和所述第二起床时间点作为小睡的状态检测结果。
第三方面,本申请实施例提供了一种服务器,包括处理器和存储器,所述处理器与所述存储器通信连接,其中:所述存储器用于存储软件指令;所述处理器用于执行所述存储器中的所述指令,执行如第一方面任一所述的小睡状态的检测方法。
第四方面,本申请实施例提供了一种计算机可读存储介质,用于存储一个或多个计算机程序,所述一个或多个计算机程序包括指令,当所述计算机程序在计算机上运行时,所述指令用于执行如第一方面任一所述的小睡状态的检测方法的步骤。
在本申请实施例中的技术方案,通过获取可穿戴设备的加速度信号,基于所述加速度信号,计算得到分钟级特征,根据所述分钟级特征确定用户为清醒状态还是睡眠状态,当用户连续处于睡眠状态超过第一时间阈值,则确定处于小睡状态,从而能够对用户小睡状态进行高效准确的识别,进一步提高了对用户睡眠状况的监测,使得对睡眠状况的监测更为完整。从而解决了对于短时间的睡眠识别成功率低的技术问题。
附图说明
为了更清楚地说明本发明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发明的一些实施例,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为本发明实施例提供的可穿戴设备的一示意图;
图2为本发明实施例提供的睡眠状态的检测方法的一示意图;
图3为本发明实施例提供的睡眠状态的检测方法的一示意图;
图4为本发明实施例提供的睡眠状态的检测方法的一示意图;
图5为本发明实施例提供的睡眠状态的检测方法的一示意图;
图6为本发明实施例提供的睡眠状态的检测方法的一示意图;
图7为本发明实施例提供的睡眠状态的检测装置的一示意图;
图8为本发明实施例提供的移动终端的一示意图。
具体实施方式
首先,对于现有的数据采集及存储方案进行说明。当前数据采集文件采用的是平铺式存储,类似于将所有文件存放在一个文件夹内,如图2所示;查找的方式是采用文件属性作为查找关键字,然后进行匹配的方式,文件属性包括文件名、文件大小、文件创建时间等。这种方案在初期,文件数量少,可以满足要求;但是当采集数据类别增多,导致文件数量庞大,则无法满足需求。
下面将结合本发明仅是本发明一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。
因此,以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围,而是仅仅表示本发明的选定实施例。基于本发明的实施例,本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本发明保护的范围。
需要说明的是,术语“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,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、物品或者设备不仅包括那些要素,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、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括要素的过程、方法、物品或者设备中还存在另外的相同要素。
本申请实施例提供的小睡状态的检测方法可以应用于终端设备,终端设备可以是可穿戴设备,也可以是手机、平板电脑、车载设备、增强现实(augmentedreality,AR)/虚拟现实(virtual reality,VR)设备、笔记本电脑、超级移动个人计算机(ultra-mobilepersonal computer,UMPC)、上网本、个人数字助理(personal digital assistant,PDA)等移动终端,本申请实施例不对终端设备的具体类型作任何限制。例如,所述终端设备具体可以是蜂窝电话、无绳电话、会话启动协议(Sessionnitiation Protocol,SIP)电话、个人数字处理(Personal Digital Assistant,PDA) 设备、具有无线通信功能的手持设备、计算设备或连接到无线调制解调器的其它处理设备、手持式通信设备、手持式计算设备或者用于在无线系统上进行网络通信的其它设备以及下一代通信系统,例如,5G网络中的移动终端或者未来演进的公共陆地移动网络(Public LandMobile Network,PLMN)网络中的移动终端等。作为示例而非限定,当所述终端设备为可穿戴设备时,该可穿戴设备还可以是应用穿戴式技术对日常穿戴进行智能化设计、开发出可以穿戴的设备的总称,如眼镜、手套、手表、服饰及鞋等。可穿戴设备即直接穿在身上,或是整合到运动者的衣服或配件的一种便携式设备。可穿戴设备不仅仅是一种硬件设备,更是通过软件支持以及数据交互、云端交互来实现强大的功能。广义穿戴式智能设备包括功能全、尺寸大、可不依赖智能手机实现完整或者部分的功能,如智能手表或智能眼镜等,以及只专注于某一类应用功能,需要和其它设备如智能手机配合使用,如各类可进行运动者生理数据采集、运动者运动数据采集以及生命体征监测等的智能手环、智能首饰等。请参阅图1,图1是本申请实施例提供的一种小睡状态的检测方法所适用的终端设备的硬件结构示意图。如图1所示,终端设备100可以是可穿戴设备,也可以是手机、平板电脑等移动终端。
以终端设备为可穿戴设备为例,如图1所示,可穿戴设备100具体可以包括:一个或多个处理器101、存储器102、通信模块103、传感器模块104、显示屏105、音频模块106、扬声器107、麦克风108、相机模块109、马达110、按键111、指示器112、电池113、电源管理模块114。这些部件可以通过一条或多条通信总线或信号线来进行通信。
处理器101是信息处理、程序运行的最终执行单元,可以运行操作系统或应用程序,以执行可穿戴设备100的各种功能应用以及数据处理。处理器101可以包括一个或多个处理单元,例如:处理器101可以包括中央处理器101(central processing unit,CPU)、图形处理单元(Graphics Processing Unit,GPU)、图像信号处理器101(Image SignalProcessing,ISP)、传感器中枢处理器101或通信处理器101(Central Processor,CP)应用处理器101(Application Processor,AP)等等。在一些实施例中,处理器101可以包括一个或多个接口。接口用于将外围设备耦接到处理器101,以传输处理器101与外围设备之间的指令或者数据。
存储器102可以用于存储计算机可执行程序代码,可执行程序代码包括指令。存储器102 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以及至少一个应用程序。该应用程序用于实现可穿戴设备100的功能,例如,控制可穿戴设备100接收并存储来自数据采集终端200的运动类型描述信息,并在用户界面中显示包括运动图标的运动类型列表;又例如,响应于用户在用户界面中点击运动图标的用户输入,控制可传输设备100依据运动类型ID调用关联的传感器以及运动算法进行运动监测,启用关联的运动引导用户界面;又例如,控制可穿戴设备统计多个运动类型的启动频次以及启动时间,并在可穿戴设备100 的运动类型列表中按照启动频次以及启动时间对多个运动类型的运动图标进行排序。
存储数据区可存储可穿戴设备使用过程中所创建的数据,例如存储可穿戴设备100所采集的用户运动健康数据;存储与运动类型对应的运动类型描述信息等。存储器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,例如至少一个磁盘存储器件,闪存器件,通用闪存存储器(universal flash storage,UFS)等。
通信模块103可支持可穿戴设备100通过无线通信技术与网络以及数据采集终端200通信。通信模块103将电信号转换为电磁信号进行发送,或者将接收到的电磁信号转换为电信号。通信模块103可以包括蜂窝移动通信模块、短距离无线通信模块、无线互联网模块、位置信息模块中的一个或者多个。移动通信模块可以基于移动通信的技术标准发送或接收无线信号,可以使用任一移动通信标准或协议,包括但不限于全球移动通信系统(GSM)、码分多址(CDMA)、码分多址2000(CDMA2000)、宽带CDMA(WCDMA)、时分同步码分多址(TD-SCDMA)、长期演进(LTE)、LTE-A(高级长期演进)等。无线互联网模块可以根据无线互联网技术经由通信网络发送或接收无线信号,包括无线LAN(WLAN)、无线保真(Wi-Fi)、 Wi-Fi直连、数字生活网络联盟(DLNA)、无线宽带(WiBro)等。短距离无线通信模块可根据短距离通信技术进行发送或接收无线信号,这些技术包括蓝牙、射频识别(RFID)、红外数据通讯(IrDA)、超宽带(UWB)、ZigBee、近场通信(NFC)、无线保真(Wi-Fi)、Wi-Fi直连、无线 USB(无线通用串行总线)等。位置信息模块可以基于全球导航卫星系统(GNSS)获取可穿戴设备的位置,全球导航卫星系统(GNSS)可以包括全球定位系统(GPS)、全球卫星导航系统(Glonass)、北斗卫星导航系统和伽利略卫星导航系统中的一个或多个。
传感器模块104用于测量物理量或检测可穿戴设备100的操作状态。传感器模块104可以包括加速度传感器104A、陀螺仪传感器104B、气压传感器104C、磁传感器104D、生物特征传感器104E、接近传感器104F、环境光传感器104G、触摸传感器104H等。传感器模块104还可以包括控制电路,以用于控制包括在传感器模块104中的一个或多个传感器。
其中,加速度传感器104A可检测可穿戴设备100在各个方向上的加速度大小。当可穿戴设备100静止时可检测出重力的大小及方向。还可以用于识别可穿戴设备100的姿态,应用于横竖屏切换,计步器等应用。在一种实施方式中,加速度传感器104A可以和陀螺仪传感器104B结合起来,用于监测用户在运动过程中的步幅、步频及配速等。
陀螺仪传感器104B可以用于确定可穿戴设备100的运动姿态。在一些实施例中,可以通过陀螺仪传感器104B确定可穿戴设备围绕三个轴(即,x,y和z轴)的角速度。
气压传感器104C用于测量气压。在一些实施例中,可穿戴设备100通过气压传感器104C 测得的气压值计算海拔高度,辅助定位和导航。在一种实施方式中,气压传感器104C可以与加速度传感器104A结合起来,用于监测用户的爬楼数据。
磁传感器104D包括霍尔传感器,或者磁力计等,可以用于确定用户位置。
生物特征传感器104E用于测量用户的生理参数,包括但不限于光电容积脉搏波(Photoplethysmography,PPG)传感器、ECG传感器、EMG传感器、血糖传感器、温度传感器。例如可穿戴设备100可以通过光电容积脉搏波传感器和/或ECG传感器的信号测量用户的心率、血氧、血压数据,基于血糖传感器产生的数据识别用户的血糖值。在一些实施例中,可穿戴设备100可以基于加速度传感器104A和生物特征传感器104E检测用户是否处于睡眠状态,识别用户的睡眠阶段以及识别睡眠呼吸暂停。
接近传感器104F用于在没有任何的物理接触时检测可穿戴设备100附近物体的存在。在一些实施例中,接近传感器104F可以包括发光二极管和光检测器。发光二极管可以是红外光,可穿戴设备100使用光检测器检测来自附近物体的反射光。当检测到反射光时,可以确定可穿戴设备100附近有物体。可穿戴设备100可以利用接近传感器104F检测其佩戴状态。
环境光传感器104G用于感知环境光亮度。在一些实施例中,可穿戴设备可以根据感知的环境光亮度自适应调节显示屏亮度,以降低功耗。
触摸传感器104H用于检测作用于其上或附近的触摸操作,也称“触控器件”。触摸传感器104H可以设置于显示屏105,由触摸传感器104H与显示屏105组成触摸屏。
显示屏105用于显示图形用户界面(User Interface,UI),图形用户界面可以包括图形、文本、图标、视频及其它们的任意组合。显示屏105可以是液晶显示屏(LiquidCrystal Display,液晶显示屏)、有机发光二极管(Organic Light-Emitting Diode,OLED)显示屏等。当显示屏105是触摸显示屏时,显示屏105能够采集在显示屏105的表面或表面上方的触摸信号,并将该触摸信号作为控制信号输入至处理器101。
在一些实施例中,显示屏105可以显示运动类型列表界面,在运动类型列表界面中包括多个运动类型的运动图标。在一些实施例中,显示屏105将最近启动时间为第一预设时间段内的运动图标排列在其他运动图标之前,并且将最近启动时间在第一预设时间段内的运动图标按照启动频次的高低进行排列,以及将最近启动时间在第一预设时间段外的运动图标按照启动频次的高低进行排列。在一些实施例中,显示屏105可以显示运动引导界面,以引导用户正确的运动。该运动类型列表界面可以包括多个运动类型的运动名称和运动图标。
音频模块106,扬声器107,麦克风108提供用户与可穿戴设备100之间的音频功能等,例如收听音乐或通话;又例如当可穿戴设备100接收来自便携式终端设备的通知消息时,处理器101控制音频模块106输出预设的音频信号,扬声器107发出声音提醒用户。其中,音频模块106将接收到的音频数据转换为电信号发送至扬声器107,由扬声器107将电信号转换为声音;或者由麦克风108将声音转换为电信号发送至音频模块106,再由音频模块106将音频电信号转换为音频数据。在一些实施例中,扬声器105可以在用户运动过程中播放用户喜欢的音乐或者运动引导音频。
相机模块109用于捕获静态图像或视频。相机模块109可以包括图像传感器、图像信号处理器(ISP)和数字信号处理器(DSP)。图像传感器把光信号转换成电信号,图像信号处理器将电信号转换成数字图像信号,数字信号处理器将数字图像信号转换成标准格式(RGB、 YUV)的图像信号。图像传感器可以是电荷耦合元件(charge coupled device,CCD)或金属氧化物半导体元件(complementary metal-oxide-semiconductor,CMOS)。
马达110可以将电信号转换为机械振动,以产生振动效果。马达110可以用于来电、消息的振动提示,也可以用于触摸振动反馈。按键111包括开机键,音量键等。按键111可以是机械按键(物理按钮)或者触摸式按键。指示器112用于指示可穿戴设备100的状态,例如用于指示充电状态、电量变化,也可以用于指示消息,未接来电,通知等。在一些实施例中,可穿戴设备100接收到来自便携式终端设备应用的通知消息后,提供振动反馈。在一些实施例中,可穿戴设备100在用户达到运动目标时,提供振动反馈。
电池113用于为可穿戴设备的各个部件提供电力。电源管理模块114用于电池的充放电管理,以及监测电池容量,电池循环次数,电池健康状态(是否漏电,阻抗、电压、电流以及温度)等参数。在一些实施例中,电源管理模块114可以通过有线或者无线方式为电池充电。
图2示出了本发明实施例提供的一种小睡状态的检测方法,应用在可穿戴设备端,包括如下步骤:
S101:获取可穿戴设备的加速度信号。
在本实施例中,加速度信号通过可穿戴设备的加速度传感器获取。加速度信号可以包括三轴方向,即x、y、z三个方向的加速度信号。
S102:基于所述加速度信号,计算得到分钟级特征。
在本实施例中,根据预设的算法根据加速度信号计算得到分钟级特征。所述分钟级特征用于判断客户在一分钟内的睡眠状态。
S103:根据所述分钟级特征确定用户为清醒状态还是睡眠状态。
在本实施例中,所述清醒状态还是睡眠状态并非瞬间的状态而是一分钟内的状态,即在所述一分钟内是属于清醒还是睡眠状态。可以使用机器学习分类器判断并确定为用户为清醒状态还是睡眠状态。机器学习分类器可以是贝叶斯、支持向量机(supportvector machines,SVM)、决策树、随机森林等分类器,本发明实施例优选使用决策树分类器。
S104:当用户连续处于睡眠状态超过第一时间阈值,则确定处于小睡状态。
在本实施例中,第一时间阈值可以为10分钟。当用户连续10个一分钟处于睡眠状态,即连续处于睡眠状态超过10分钟,则确定处于小睡状态。可以理解的是,第一阈值可以根据用户的日常作息习惯进行调整,例如,对于容易入睡的用户其第一时间阈值也可以设置为 6分钟,不太容易入睡的用户,其第一时间阈值可以设置为18分钟。
作为本发明的实施例,通过获取可穿戴设备的加速度信号,基于所述加速度信号,计算得到分钟级特征,根据所述分钟级特征确定用户为清醒状态还是睡眠状态,当用户连续处于睡眠状态超过第一时间阈值,则确定处于小睡状态,从而能够对用户小睡状态进行高效准确的识别,进一步提高了对用户睡眠状况的监测,使得对睡眠状况的监测更为完整。
从而解决了对于短时间的睡眠识别成功率低的技术问题。
作为本发明的一个实施例,S102具体包括:
S201:对所述加速度信号进行秒级特征提取,获得秒级特征。
在本实施例中,秒级特征可以包括但不限于秒级振幅和振幅变化值。
S202:根据所述秒级特征,计算得到分钟级特征。
S201具体可包括:
获取秒级振幅和振幅变化值,所述秒级振幅为1秒内ACC三轴最大值和最小值之差的最大值所述振幅变化值为1秒内ACC三轴最后一点和这1秒第一个点的差分绝对值的和∑i=x,y,z|ACCi[N-1]-ACCi[0]|,其中N为一秒内ACC总点数,ACC表示加速度。
S202具体可包括:
S301:计算静止秒数、运动次数、最大振幅、连续静止分钟数。
S302:计算所述静止秒数、运动次数、最大振幅、连续静止分钟数,以及秒级变化总和。
其中,所述静止秒数为一分钟内秒级振幅小于阈值的秒数;连续的非静止秒确定为一次运动;最大振幅为一分钟内秒级振幅的最大值;一分钟运动次数为零,则连续静止分钟数加一反之则归零;秒级变化总和为一分钟内所有秒级变化之和,换句话说,为静止秒数、运动次数、最大振幅与连续静止分钟数的变化之和。
参考图3,在上述实施例的基础上,S103具体包括:
S401:当符合第一条件时,则确定所述一分钟为清醒状态;所述第一条件为静止秒数小于第一阈值,或者运动次数大于第二阈值。
其中,第一阈值可以是40~55秒,第二阈值可以是1-4次。
S402:当符合第二条件时,则确定所述一分钟为睡眠状态;所述第二条件为连续静止分钟数大于第三阈值,或者秒级变化总和小于第四阈值。
其中,第三阈值可以是3~7秒,第四阈值可以是50~60。
在上述实施例的基础上,如果不符合所述第一条件,且不符合所述第二条件,则小睡状态的检测方法还包括:
S403:判断最大振幅是否小于第五阈值,若是则确定所述一分钟为睡眠状态,若否则确定所述一分钟为清醒状态。
作为本发明的实施例,最大振幅的第五阈值可根据实际进行设置,例如为2~5。
参考图4,作为本发明的另一个实施例,还包括S105:确定小睡的入睡时间点。
作为本发明的一个实施例,S105包括:
S501:若连续处于睡眠状态超过所述第一时间阈值,则将开始进入睡眠状态的一分钟作为入睡时间点。
参考图5,在上述实施例的基础上,作为本发明的一个实施例,还包括S106:
确定小睡的第一起床时间点。
作为本发明的一个实施例,S106具体包括:
S601:识别到入睡时间点后,如果出现了清醒状态,则将对应的一分钟作为所述第一起床时间点。
作为本发明的实施例,例如入睡时间点为13:30,在13:50出现了清醒状态,则将13: 50作为第一起床时间点。
参考图6,作为本发明的另一个实施例,在S106之后,还包括:
S107:识别到所述第一起床时间点后,若预设时间内没有连续处于睡眠状态超过第二时间阈值,则确定为所述第一起床时间点。
其中,预设时间可以是20分钟,第二时间阈值可设为5分钟。
作为本发明的另一个实施例,在S106之后,识别到所述第一起床时间点后,若预设时间内存在连续处于睡眠状态超过第二时间阈值,则还包括:
S108:确定第二起床时间点,所述第二起床时间点在预设时间内没有连续处于睡眠状态超过所述第二时间阈值。
在本实施例中,识别到所述起床点后,若预设时间内存在连续处于睡眠状态超过第二时间阈值(可设为5分钟),则可以删除所述第一起床时间点点,识别第二起床时间点作为新的起床时间点,所述第二起床时间点即新的起床时间点在预设时间内没有连续处于睡眠状态超过所属第二时间阈值。本实施例能够对存在多次小睡的情形进行准确的识别,将最后一次起床时间点作为最终的起床时间点。
作为本发明的另一个实施例,在S108之后,还包括,
S109:输出小睡的所述入睡时间点和所述第二起床时间点作为小睡的状态检测结果。
作为本发明的实施例,能够检测大于15分钟且小于3小时的睡眠,并记录其入睡时间点和起床时间点。
需要说明的是,若入睡起床时间点和用户的真实情况有偏差,可进行校准。用户可对入睡时间点和起床时间点进行修改,确认无误后会生成新的小睡的状态检测结果。
根据校准后的结果,结合存储的ACC特征,对状态判断模块中的机器学习分类器重新进行训练,得到新的阈值,该阈值包括但不限于上述第一时间阈值、第二时间阈值、第一阈值、第二阈值、第三阈值、第四阈值和第五阈值。经过校准,逐渐适应用户的生活习惯和生理特点,小睡识别的结果会更加准确。
参考图7,本发明实施例提供了小睡状态的检测装置70,包括:
获取模块71,被配置为获取可穿戴设备的加速度信号;
计算模块72,被配置为基于所述加速度信号,计算得到分钟级特征;
状态判断模块73,被配置为根据所述分钟级特征确定用户为清醒状态还是睡眠状态;
确定模块74,被配置为当用户连续处于睡眠状态超过第一时间阈值,则确定处于小睡状态。
在一种可能的实现方式中,小睡状态的检测装置还包括,校准模块,被配置为根据校准后的结果,结合存储的ACC特征,对状态判断模块中的机器学习分类器重新进行训练,得到新的阈值,该阈值包括但不限于上述第一时间阈值、第二时间阈值、第一阈值、第二阈值、第三阈值、第四阈值和第五阈值。经过校准,逐渐适应用户的生活习惯和生理特点,小睡识别的结果会更加准确。
在一种可能的实现方式中,所述计算模块包括:
提取单元,被配置为对所述加速度信号进行秒级特征提取,获得秒级特征;
计算单元,被配置为根据所述秒级特征,计算得到分钟级特征。
在一种可能的实现方式中,所述提取单元,包括:
获取秒级振幅和振幅变化值,所述秒级振幅为1秒内ACC三轴最大值和最小值之差的最大值所述振幅变化值为1秒内ACC三轴最后一点和这1秒第一个点的差分绝对值的和∑i=x,y,z|ACCi[N-1]-ACCi[0]|,其中N为一秒内ACC总点数,ACC表示加速度。
在一种可能的实现方式中,所述计算单元,包括:
第一计算子单元,被配置为计算静止秒数、运动次数、最大振幅、连续静止分钟数;
第二计算子单元,被配置为计算所述静止秒数、运动次数、最大振幅、连续静止分钟数,以及秒级变化总和;其中,所述静止秒数为一分钟内秒级振幅小于阈值的秒数;连续的非静止秒确定为一次运动;最大振幅为一分钟内秒级振幅的最大值;一分钟运动次数为零,则连续静止分钟数加一反之则归零;秒级变化总和为一分钟内秒级变化之和。
在一种可能的实现方式中,所述状态判断模块,包括:
第一确定单元,被配置为当符合第一条件时,则确定所述一分钟为清醒状态;所述第一条件为静止秒数小于第一阈值,或者运动次数大于第二阈值;
第二确定单元,被配置为当符合第二条件时,则确定所述一分钟为睡眠状态;所述第二条件为连续静止分钟数大于第三阈值,或者秒级变化总和小于第四阈值。
在一种可能的实现方式中,所述小睡状态的检测装置还包括:
第三确定单元,被配置为判断最大振幅是否小于第五阈值,若是则确定所述一分钟为睡眠状态,若否则确定所述一分钟为清醒状态。
在一种可能的实现方式中,所述小睡状态的检测装置还包括:第三确定模块,被配置为确定小睡的入睡时间点。
在一种可能的实现方式中,所述第三确定模块,包括:
第四确定单元,被配置为若连续处于睡眠状态超过所述第一时间阈值,则将开始进入睡眠状态的一分钟作为入睡时间点。
在一种可能的实现方式中,所述小睡状态的检测装置还包括:第四确定模块,被配置为确定小睡的第一起床时间点。
在一种可能的实现方式中,所述小睡状态的检测装置第四确定模块,包括:
第五确定单元,被配置为识别到入睡时间点后,如果出现了清醒状态,则将对应的一分钟作为所述第一起床时间点。
在一种可能的实现方式中,所述小睡状态的检测装置还包括:
第六确定单元,被配置为识别到所述起床点后,若预设时间内没有连续处于睡眠状态超过第二时间阈值,则确定为所述起床点。
在一种可能的实现方式中,所述小睡状态的检测装置还包括:
第一输出模块,被配置为输出小睡的所述入睡时间点和所述第一起床时间点作为小睡的状态检测结果。
在一种可能的实现方式中,所述小睡状态的检测装置还包括:
第七确定单元,被配置为识别到所述起床点后,若预设时间内存在连续处于睡眠状态超过第二时间阈值,则删除所述起床点,识别新的起床时间点,所述新的起床时间点在预设时间内没有连续处于睡眠状态超过阈值。
在一种可能的实现方式中,所述小睡状态的检测装置,还包括:
第二输出模块,被配置为输出小睡的所述入睡时间点和所述第二起床时间点作为小睡的状态检测结果。
作为本发明的实施例,通过获取可穿戴设备的加速度信号,基于所述加速度信号,计算得到分钟级特征,根据所述分钟级特征确定用户为清醒状态还是睡眠状态,当用户连续处于睡眠状态超过第一时间阈值,则确定处于小睡状态,从而能够对用户小睡状态进行高效准确的识别,进一步提高了对用户睡眠状况的监测,使得对睡眠状况的监测更为完整。
从而解决了对于短时间的睡眠识别成功率低的技术问题。
应当理解,在一些实施例中,可穿戴设备100可由前述部件中的一个或多个组成,可穿戴设备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。
需要说明的是,终端设备还可以为移动终端,如图8所示,移动终端200具体可以包括: RF电路210、存储器220、输入单元230、显示单元240、传感器250、音频电路260、扬声器261、传声器262、WiFi模块270、处理器280、电源290等部件。本领域技术人员可以理解,图3中示出的便携式终端设备结构并不构成对便携式终端设备的限定,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。
处理器210是数据采集终端200的控制中心,利用各种接口和线路连接整个便携式终端设备的各个部分,通过运行或执行存储在存储器220内的软件程序和/或模块,以及调用存储在存储器220内的数据,执行数据采集终端200的各种功能和处理数据,从而对数据采集终端200进行整体监控。可选的,处理器210可包括一个或多个处理单元;优选的,处理器 210可集成应用处理器和调制解调处理器,其中,应用处理器主要处理操作系统、用户界面和应用程序等,调制解调处理器主要处理无线通信。可以理解的是,上述调制解调处理器也可以不集成到处理器210中。
存储器220可用于存储软件程序以及模块,软件程序包括指令,处理器210通过运行存储在存储器220的指令,从而执行数据采集终端200的各种功能应用以及数据处理。本申请实施例中,存储器可用于存储用于体能测试方法的可穿戴设备管理程序。
输入单元230可用于接收输入的数字或字符信息,以及产生与数据采集终端200的用户设置以及功能控制有关的键信号输入。具体地,输入单元230可包括触控面板231以及其他输入设备232。触控面板231,也称为触摸屏,可收集用户在其上或附近的触摸操作(比如用户使用手指、触笔等任何适合的物体或附件在触控面板231上或在触控面板231附近的操作),并根据预先设定的程式驱动相应的连接装置。在本申请实施例中,触控面板231设置有触摸传感器,该触摸传感器能够采集用户在可穿戴应用程序的通知管理列表界面中的对权限控制用户界面对象的点击操作。
显示单元240可用于显示由用户输入的信息或提供给用户的信息以及手机的各种菜单。显示单元240可包括显示屏241,可选的,可以采用液晶显示器(Liquid CrystalDisplay,LCD)、有机发光二极管(Organic Light-EmittingDiode,OLED)等形式来配置显示屏241。进一步地,触控面板231可覆盖显示屏241,当触控面板231检测到在其上或附近的触摸操作后,传送给处理器210以确定触摸事件的类型,随后处理器210根据触摸事件的类型在显示屏241 上提供相应的视觉输出。在本申请实施例中,显示屏241可以用于显示运动类型列表界面,运动类型列表界面可以包括多个运动类型的运动名称、运动图标以及用于供用户选择是否将相关运动类型在可穿戴设备100显示的图形界面对象,用户界面对象可以是图像、文本、数字、符号、按钮、窗口或其他用户界面元素,图像可以是静态的或动态的。
传感器250可以包括重力传感器(gravity sensor),以检测数据采集终端200在各个方向上(一般为三轴)加速度的大小,静止时可检测出重力的大小及方向,可用于识别手机姿态的应用(比如横竖屏切换、相关游戏、磁力计姿态校准)、振动识别相关功能(比如计步器、敲击) 等。数据采集终端200还可以包括其它传感器,比如光传感器。具体地,光传感器可包括环境光传感器及接近光传感器。其中,环境光传感器可根据环境光线的明暗来调节显示面板231 的亮度;接近光传感器可以检测是否有物体靠近或接触数据采集终端200,可在数据采集终端200移动到耳边时,关闭显示屏241。数据采集终端200还可配置的陀螺仪、气压计、湿度计、温度计、红外线传感器等其他传感器,在此不再赘述。
音频电路260、扬声器261、传声器262可提供用户与手机之间的音频接口。音频电路 260可将接收到的音频数据转换后的电信号,传输到扬声器261,由扬声器261转换为声音信号输出;另一方面,传声器262将收集的声音信号转换为电信号,由音频电路260接收后转换为音频数据,再将音频数据输出处理器210处理后,经RF电路210以发送给比如另一手机,或者将音频数据输出至存储器220以便进一步处理。
通信模块270可支持数据采集终端200通过无线通信技术与网络以及数据采集终端200 通信。通信模块103可以包括蜂窝移动通信模块、短距离无线通信模块、无线互联网模块、位置信息模块中的一个或者多个。短距离无线通信模块可根据短距离通信技术进行发送或接收无线信号,这些技术包括蓝牙、射频识别(RFID)、红外数据通讯(IrDA)、超宽带(UWB)、 ZigBee、近场通信(NFC)、无线保真(Wi-Fi)、Wi-Fi直连、无线USB(无线通用串行总线)等。在一些实施例中,数据采集终端200可以通过蓝牙模块270与可穿戴设备100无线连接,并建立绑定关系,以在数据采集终端200与可穿戴设备100之间与传输数据、控制指令等。
数据采集终端200还包括给各个部件供电的电源290(比如电池)。优选的,电源可以通过电源管理系统与处理器210逻辑相连,从而通过电源管理系统实现管理充电、放电、以及功耗管理等功能。
应当理解,在一些实施例中,可穿戴设备可由前述部件中的一个或多个组成,可穿戴设备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。
上述方法中各步骤的具体细节在装置部分实施方式中已经详细说明,未披露的细节内容可以参见装置部分的实施方式内容,因而不再赘述。
需要注意的是,上述附图仅是根据本公开示例性实施例的方法所包括的处理的示意性说明,而不是限制目的。易于理解,上述附图所示的处理并不表明或限制这些处理的时间顺序。另外,也易于理解,这些处理可以是例如在多个模块中同步或异步执行的。
所属技术领域的技术人员能够理解,本公开的各个方面可以实现为系统、方法或程序产品。因此,本公开的各个方面可以具体实现为以下形式,即:完全的硬件实施方式、完全的软件实施方式(包括固件、微代码等),或硬件和软件方面结合的实施方式,这里可以统称为“电路”、“模块”或“系统”。
本公开的示例性实施方式还提供了一种计算机可读存储介质,其上存储有能够实现本说明书上述方法的程序产品。在一些可能的实施方式中,本公开的各个方面还可以实现为一种程序产品的形式,其包括程序代码,当程序产品在终端设备上运行时,程序代码用于使终端设备执行本说明书上述“示例性方法”部分中描述的根据本公开各种示例性实施方式的步骤,例如可以执行图2至6至中任意一个或多个步骤。
需要说明的是,本公开所示的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或者是上述两者的任意组合。计算机可读存储介质例如可以是电、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可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(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。
在本公开中,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。而在本公开中,计算机可读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、RF等等,或者上述的任意合适的组合。
此外,可以以一种或多种程序设计语言的任意组合来编写用于执行本公开操作的程序代码,程序设计语言包括面向对象的程序设计语言—诸如Java、C++等,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设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中,远程计算设备可以通过任意种类的网络,包括局域网(LAN)或广域网(WAN),连接到用户计算设备,或者,可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
在本申请所提供的几个实施例中,应该理解到,所揭露的装置和方法,也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,附图中的流程图和框图显示了根据本发明的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分,模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现方式中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或动作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
另外,在本发明各个实施例中的各功能模块可以集成在一起形成一个独立的部分,也可以是各个模块单独存在,也可以两个或两个以上模块集成形成一个独立的部分。
功能如果以软件功能模块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,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案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中,包括若干指令用以使得一台计算机设备执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (17)
1.一种小睡状态的检测方法,应用在可穿戴设备端,其特征在于,包括:
获取可穿戴设备的加速度信号;
基于所述加速度信号,计算得到分钟级特征;
根据所述分钟级特征确定用户为清醒状态还是睡眠状态;
当用户连续处于睡眠状态超过第一时间阈值,则确定处于小睡状态。
2.如权利要求1所述的小睡状态的检测方法,其特征在于,所述基于所述加速度信号,计算得到分钟级特征,包括:
对所述加速度信号进行秒级特征提取,获得秒级特征;
根据所述秒级特征,计算得到分钟级特征。
4.如权利要求3所述的小睡状态的检测方法,其特征在于,所述根据所述秒级特征,计算得到分钟级特征包括:
计算静止秒数、运动次数、最大振幅、连续静止分钟数;
计算所述静止秒数、运动次数、最大振幅、连续静止分钟数,以及秒级变化总和;
其中,所述静止秒数为一分钟内秒级振幅小于阈值的秒数;连续的非静止秒确定为一次运动;最大振幅为一分钟内秒级振幅的最大值;一分钟运动次数为零,则连续静止分钟数加一反之则归零;秒级变化总和为一分钟内秒级变化之和。
5.如权利要求4所述的小睡状态的检测方法,其特征在于,所述根据所述分钟级特征确定用户为清醒状态还是睡眠状态,包括:
当符合第一条件时,则确定所述一分钟为清醒状态;所述第一条件为静止秒数小于第一阈值,或者运动次数大于第二阈值;
当符合第二条件时,则确定所述一分钟为睡眠状态;所述第二条件为连续静止分钟数大于第三阈值,或者秒级变化总和小于第四阈值。
6.如权利要求5所述的小睡状态的检测方法,其特征在于,如果不符合所述第一条件,且不符合所述第二条件,则所述检测方法还包括:
判断最大振幅是否小于第五阈值,若是则确定所述一分钟为睡眠状态,若否则确定所述一分钟为清醒状态。
7.如权利要求1-6任一所述的小睡状态的检测方法,其特征在于,还包括:确定小睡的入睡时间点。
8.如权利要求7所述的小睡状态的检测方法,其特征在于,所述确定小睡的入睡时间点包括:
若连续处于睡眠状态超过所述第一时间阈值,则将开始进入睡眠状态的一分钟作为入睡时间点。
9.如权利要求7所述的小睡状态的检测方法,其特征在于,还包括:确定小睡的第一起床时间点。
10.如权利要求9所述的小睡状态的检测方法,其特征在于,所述确定小睡的第一起床时间点,包括:
识别到入睡时间点后,如果出现了清醒状态,则将对应的一分钟作为所述第一起床时间点。
11.如权利要求10所述的小睡状态的检测方法,其特征在于,还包括:
识别到所述第一起床时间点后,若预设时间内没有连续处于睡眠状态超过第二时间阈值,则确定为所述第一起床时间点。
12.如权利要求11所述的小睡状态的检测方法,其特征在于,还包括:
输出小睡的所述入睡时间点和所述第一起床时间点作为小睡的状态检测结果。
13.如权利要求11所述的小睡状态的检测方法,其特征在于,还包括:
确定第二起床时间点,所述第二起床时间点在预设时间内没有连续处于睡眠状态超过所述第二时间阈值。
14.如权利要求13所述的小睡状态的检测方法,其特征在于,还包括:
输出小睡的所述入睡时间点和所述第二起床时间点作为小睡的状态检测结果。
15.一种小睡状态的检测装置,其特征在于,包括:
获取模块,被配置为获取可穿戴设备的加速度信号;
计算模块,被配置为基于所述加速度信号,计算得到分钟级特征;
状态判断模块,被配置为根据所述分钟级特征确定用户为清醒状态还是睡眠状态;
确定模块,被配置为当用户连续处于睡眠状态超过第一时间阈值,则确定处于小睡状态。
16.一种服务器,其特征在于,包括处理器和存储器,所述处理器与所述存储器通信连接,其中:
所述存储器用于存储软件指令;
所述处理器用于执行所述存储器中的所述指令,执行如权利要求1-14任一所述的方法。
17.一种计算机可读存储介质,用于存储一个或多个计算机程序,所述一个或多个计算机程序包括指令,当所述计算机程序在计算机上运行时,所述指令用于执行权利要求1-14任一项所述的小睡状态的检测方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210286865.3A CN114532992B (zh) | 2022-03-23 | 2022-03-23 | 小睡状态检测方法、装置、系统及计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210286865.3A CN114532992B (zh) | 2022-03-23 | 2022-03-23 | 小睡状态检测方法、装置、系统及计算机可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114532992A true CN114532992A (zh) | 2022-05-27 |
CN114532992B CN114532992B (zh) | 2024-04-02 |
Family
ID=81665207
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210286865.3A Active CN114532992B (zh) | 2022-03-23 | 2022-03-23 | 小睡状态检测方法、装置、系统及计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114532992B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116616721A (zh) * | 2023-07-24 | 2023-08-22 | 北京中科心研科技有限公司 | 一种基于ppg信号的作息信息确定方法、装置及可穿戴设备 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130018284A1 (en) * | 2011-07-13 | 2013-01-17 | Philippe Kahn | Sleep Monitoring System |
US20140081179A1 (en) * | 2012-09-19 | 2014-03-20 | Martin Christopher Moore-Ede | Personal Fatigue Risk Management System And Method |
CN105534527A (zh) * | 2015-12-01 | 2016-05-04 | 深圳还是威健康科技有限公司 | 智能穿戴设备特殊状态的识别方法及智能穿戴设备 |
CN108992040A (zh) * | 2018-07-30 | 2018-12-14 | 深圳智芯数据服务有限公司 | 一种人体睡眠状态监测方法和装置 |
CN109199325A (zh) * | 2017-07-05 | 2019-01-15 | 中移(杭州)信息技术有限公司 | 一种睡眠监测方法及装置 |
CN110710962A (zh) * | 2019-11-08 | 2020-01-21 | 北京卡路里信息技术有限公司 | 睡眠状态检测方法及装置 |
CN111956197A (zh) * | 2020-09-18 | 2020-11-20 | 深圳市爱都科技有限公司 | 睡眠状态检测方法和装置、电子设备及存储介质 |
CN113470803A (zh) * | 2021-06-07 | 2021-10-01 | 深圳市爱都科技有限公司 | 一种佩戴识别方法、可穿戴设备及存储介质 |
CN114007496A (zh) * | 2019-07-10 | 2022-02-01 | 松下知识产权经营株式会社 | 小睡评价装置、小睡评价系统、小睡评价方法和程序 |
-
2022
- 2022-03-23 CN CN202210286865.3A patent/CN114532992B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130018284A1 (en) * | 2011-07-13 | 2013-01-17 | Philippe Kahn | Sleep Monitoring System |
US20160073951A1 (en) * | 2011-07-13 | 2016-03-17 | Philippe Richard Kahn | Sleep Monitoring System |
US20140081179A1 (en) * | 2012-09-19 | 2014-03-20 | Martin Christopher Moore-Ede | Personal Fatigue Risk Management System And Method |
CN105534527A (zh) * | 2015-12-01 | 2016-05-04 | 深圳还是威健康科技有限公司 | 智能穿戴设备特殊状态的识别方法及智能穿戴设备 |
CN109199325A (zh) * | 2017-07-05 | 2019-01-15 | 中移(杭州)信息技术有限公司 | 一种睡眠监测方法及装置 |
CN108992040A (zh) * | 2018-07-30 | 2018-12-14 | 深圳智芯数据服务有限公司 | 一种人体睡眠状态监测方法和装置 |
CN114007496A (zh) * | 2019-07-10 | 2022-02-01 | 松下知识产权经营株式会社 | 小睡评价装置、小睡评价系统、小睡评价方法和程序 |
CN110710962A (zh) * | 2019-11-08 | 2020-01-21 | 北京卡路里信息技术有限公司 | 睡眠状态检测方法及装置 |
CN111956197A (zh) * | 2020-09-18 | 2020-11-20 | 深圳市爱都科技有限公司 | 睡眠状态检测方法和装置、电子设备及存储介质 |
CN113470803A (zh) * | 2021-06-07 | 2021-10-01 | 深圳市爱都科技有限公司 | 一种佩戴识别方法、可穿戴设备及存储介质 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116616721A (zh) * | 2023-07-24 | 2023-08-22 | 北京中科心研科技有限公司 | 一种基于ppg信号的作息信息确定方法、装置及可穿戴设备 |
CN116616721B (zh) * | 2023-07-24 | 2023-10-13 | 北京中科心研科技有限公司 | 一种基于ppg信号的作息信息确定方法、装置及可穿戴设备 |
Also Published As
Publication number | Publication date |
---|---|
CN114532992B (zh) | 2024-04-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10176255B2 (en) | Mobile terminal, recommendation system, and recommendation method | |
CN107193455B (zh) | 一种信息处理方法及移动终端 | |
KR20180047654A (ko) | 사용자 활동 인식 방법 및 이를 구현한 전자 장치 | |
KR20170136317A (ko) | 전자 장치 및 그의 동작 방법 | |
CN104636034A (zh) | 组合式电子装置及其控制方法 | |
CN108076217A (zh) | 用于显示使用图标的应用的执行屏幕的电子装置和方法 | |
KR20160035394A (ko) | 센서 데이터 처리 방법 및 그 장치 | |
JP6325384B2 (ja) | 携帯端末、トレーニング管理プログラムおよびトレーニング管理方法 | |
US11222729B2 (en) | Electronic device and method for providing stress index corresponding to activity of user | |
CN108362304B (zh) | 一种数据处理方法及移动终端 | |
CN110109539A (zh) | 一种手势控制方法、穿戴式设备及计算机可读存储介质 | |
KR20150049942A (ko) | 전자 장치의 제어 방법, 장치 및 컴퓨터 판독 가능한 기록 매체 | |
CN107734170B (zh) | 一种通知消息处理方法、移动终端及穿戴设备 | |
EP3822934A1 (en) | Hand-washing monitoring method and hand-washing monitoring system | |
CN113873075B (zh) | 一种通知消息管理方法、系统及移动终端、存储介质 | |
EP2996316B1 (en) | Methods and systems for communication management between an electronic device and a wearable electronic device | |
CN108702806A (zh) | 电子设备及用于其的操作方法 | |
CN113778282A (zh) | 一种运动类型管理方法、系统及移动终端 | |
CN114668368A (zh) | 一种睡眠状态监测方法、电子设备及计算机可读存储介质 | |
CN114532992B (zh) | 小睡状态检测方法、装置、系统及计算机可读存储介质 | |
CN113873076B (zh) | 一种通知消息管理方法、系统、移动终端及可读存储介质 | |
CN117037657A (zh) | 一种显示控制方法、智能手表及可读介质 | |
CN114631798A (zh) | 体能测试方法、系统、可穿戴设备及计算机可读存储介质 | |
JP2022517624A (ja) | スマート・ウォッチの操作を制御するための方法、装置、及びシステム | |
CN114209298A (zh) | 一种ppg传感器控制方法、装置及电子设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |