CN115500789A - 无接触式睡眠阶段判断方法、系统、计算机设备及介质 - Google Patents
无接触式睡眠阶段判断方法、系统、计算机设备及介质 Download PDFInfo
- Publication number
- CN115500789A CN115500789A CN202211165538.9A CN202211165538A CN115500789A CN 115500789 A CN115500789 A CN 115500789A CN 202211165538 A CN202211165538 A CN 202211165538A CN 115500789 A CN115500789 A CN 115500789A
- Authority
- CN
- China
- Prior art keywords
- frequency
- user
- heartbeat
- matching
- stage
- 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
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
- A61B5/4812—Detecting sleep stages or cycles
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—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
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/05—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves
- A61B5/0507—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves using microwaves or terahertz waves
-
- 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
- A61B5/1116—Determining posture transitions
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Medical Informatics (AREA)
- Animal Behavior & Ethology (AREA)
- Veterinary Medicine (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Engineering & Computer Science (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Public Health (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Physiology (AREA)
- Cardiology (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Pulmonology (AREA)
- Dentistry (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本发明公开了一种无接触式睡眠阶段判断方法、系统、计算机设备及介质,通过设置毫米波雷达来获取用户的姿态信息,并在判断用户的姿态为躺下姿态后自动对用户的心跳频率、体动频率、呼吸频率以及与心率时长标准差等体征参数进行无接触式获取,并根据最终根据获取到的体征参数来对用户的睡眠阶段进行识别,解决了现有技术当中现有的睡眠状态监测产品普遍都是需要直接接触到用户身体,同时普遍采用检测身体动作频率来做睡眠的检测,而不是通过直接的身体体征(如心率跟心率变异性)的变化来分析判断睡眠状态,造成了用户使用不便以及睡眠状态判断的准确性较差的问题,提升了睡眠状态判断的便利性以及准确性。
Description
技术领域
本发明涉及睡眠判断,尤其涉及一种无接触式睡眠阶段判断方法、系统、计算机设备及介质。
背景技术
市面上现有的监测用户睡眠状态的监测产品非常多,这类产品往往首先通过某些测量手段得到使用者整晚的睡眠状态,即将整晚的每分钟人体状态分为清醒、浅睡、深睡(和REM睡眠),然后根据这些信息,给出一些如睡眠时长、深睡时长等睡眠指标或体征参数。这些指标对于使用者理解整晚睡眠的好坏有直接影响,其中最重要的是已经被普遍采用的“睡眠质量”这一指标,它直观给出对睡眠效果的评价;
然而现有的睡眠状态监测产品主要分为直接接触式设备(如苹果智能手表)以及间接接触式设备(如睡眠垫)两种,这两种方式都会带来使用上的不方便跟担心,如手表要去佩戴跟周期性充电,睡眠垫要放在身子下面,不但影响睡眠体验,而且用户很容易担心有漏电等风险。
而无论是直接接触式设备以及间接接触式设备普遍都是采用检测身体动作频率来做睡眠的检测,而不是通过直接的身体体征(如心率、心率变异性、呼吸体征参数)的变化来分析判断睡眠状态,造成了睡眠状态判断的准确性不够的问题。
发明内容
基于此,有必要针对上述问题,提出了一种能直接通过用户的身体体征来对用户的睡眠状态进行判断的无接触式睡眠阶段判断方法、系统、计算机设备及介质。
一种无接触式睡眠阶段判断方法,包括毫米波雷达,所述方法包括:
获取用户的当前姿态信息;
判断所述当前姿态信息是否为躺下姿态;
若是,则通过所述毫米波雷达获取用户的体征参数,所述体征参数包括心跳频率、体动频率、呼吸频率以及与所述心跳频率匹配的心率时长标准差;
根据所述心跳频率、所述体动频率、所述呼吸频率以及所述心率时长标准差查表匹配对应的睡眠阶段。
进一步的,所述通过所述毫米波雷达获取用户的体征参数,所述体征参数包括心跳频率、体动频率、呼吸时长以及与所述心跳频率匹配的心率时长标准差的步骤,具体包括:
通过所述毫米波雷达获取用户在预设时间段内的初步呼吸频率、初步心跳频率以及与所述用户之间的波长时序信号;
将所述波长时序信号进行傅里叶变换,从而生成所述毫米波雷达与所述用户之间的距离信息合集,并根据所述距离信息合集生成所述用户的在所述预设时间段内的初步体动频率;
将所述初步体动频率、所述初步呼吸频率参数以及所述初步心跳频率进行相似度运算,从而推算出阈值参数模型;
根据所述初步心跳频率推算在所述预设时间段内用户每次心跳时长的初步心率时长标准差;
将所述初步体动频率、所述初步呼吸频率、所述初步心跳频率以及所述初步心率时长标准差分别输入所述阈值参数模型内进行筛选,从而筛选出超出预设阈值的对应参数,并分别记为所述体动频率、所述呼吸频率、所述心跳频率以及所述心率时长标准差。
进一步的,根据所述心跳频率推算在所述预设时间段内用户每次心跳时长的初步心率时长标准差的步骤,具体包括:
根据所述初步心跳频率获取所述预设时间段内包含的心跳次数,并记为心跳次数N;
获取所述预设时间段内所述用户每次心跳的心跳时长,记为心跳时长RR;
将所述心跳次数N以及所述心跳时长RR输入预设标准差推算公式中进行推算,从而推算出所述初步心率时长标准差SDNN;
其中,所述标准差推算公式具体表现为:
进一步的,所述获取用户的当前姿态信息,具体包括:
通过所述毫米波雷达获取用户的身体轮廓图形;
获取所述身体轮廓图形的最高点与最低点之间的高度差值以及所述身体轮廓图形的最左侧点与最右侧点之间的宽度差值;
判断所述高度差值是否小于第一预设阈值,所述宽度差值是否大于第二预设阈值;
若是,则判断所述用户当前处于躺下姿态。
进一步的,所述睡眠阶段包括清醒阶段、眼动阶段、深睡阶段S1以及深睡阶段S2;
则所述根据所述心跳频率、所述体动频率、所述呼吸频率以及所述心率时长标准差查表匹配对应的睡眠阶段的步骤,具体包括:
获取预设推算时长,并推算所述心跳频率、所述体动频率、所述呼吸频率以及所述心率时长标准差在所述预设推算时长内的平均值,并分别记为匹配心跳频率、匹配体动频率、匹配呼吸频率以及匹配标准差;
获取预设睡眠阶段匹配表,所述预设睡眠阶段匹配表的纵向参数与各个所述体征参数匹配,所述预设睡眠阶段的横向参数与所述睡眠阶段匹配,所述睡眠阶段匹配表内设有多个匹配单元格,所述睡眠阶段匹配表内设有多个匹配单元格,所述匹配单元格内设有与所述纵向参数匹配的匹配数值范围;
根据所述匹配数值范围分别获取与所述匹配心跳频率、所述匹配体动频率、所述匹配呼吸频率以及所述匹配标准差匹配的所述匹配单元格,并记为识别单元格;
判断所述识别单元格在所述预设睡眠阶段匹配表内是否处于与所述清醒阶段对应的同一横列中;
若是,则判断所述用户当前的睡眠阶段为所述清醒阶段。
进一步的,所述根据所述匹配数值范围分别获取与所述呼吸频率、所述体动频率、所述呼吸频率以及所述心率时长标准差查表匹配的所述匹配单元格,并记为识别单元格的步骤之后,还包括:
此外,判断所述识别单元格在所述预设睡眠阶段匹配表内是否处于与所述眼动阶段对应的同一横列中;
若是,则判断所述用户当前的睡眠阶段为所述眼动阶段;
此外,所述根据所述匹配数值范围分别获取与所述呼吸频率、所述体动频率、所述呼吸频率以及所述心率时长标准差查表匹配的所述匹配单元格,并记为识别单元格的步骤之后,还包括:
判断所述识别单元格在所述预设睡眠阶段匹配表内是否处于与所述深睡S1阶段对应的同一横列中;
若是,则判断所述用户当前的睡眠阶段为所述深睡S1阶段;
此外,所述根据所述匹配数值范围分别获取与所述呼吸频率、所述体动频率、所述呼吸频率以及所述心率时长标准差查表匹配的所述匹配单元格,并记为识别单元格的步骤之后,还包括:
判断所述识别单元格在所述预设睡眠阶段匹配表内是否处于与所述深睡S2阶段对应的同一横列中;
若是,则判断所述用户当前的睡眠阶段为所述深睡S2阶段。
进一步的,所述睡眠阶段包括清醒阶段、眼动阶段、深睡阶段S1以及深睡阶段S2;
则所述若是,则通过所述毫米波雷达获取用户的体征参数,所述体征参数包括心跳频率、体动频率、呼吸频率以及与所述心跳频率匹配的心率时长标准差的步骤之后,还包括:
根据预设拆分阈值将所述心跳频率拆分为低频频率LH以及高频频率HF;
推算所述低频频率LH与所述高频频率HF之间的合值,并获取所述低频频率LH与所述合值之间的比值,记为频率比值H;
获取与所述清醒阶段、所述眼动阶段、所述深睡阶段S1以及所述深睡阶段S2匹配的频率比值范围,记为匹配比值范围;
根据所述频率比值H落入的所述匹配比值范围查表输出对应的所述睡眠阶段。
一种无接触式睡眠阶段判断系统,包括毫米波雷达,所述系统包括:
姿态获取单元,用于获取用户的当前姿态信息;
判断单元,用于判断所述当前姿态信息是否为躺下姿态;
参数获取单元,用于判断若是,则通过所述毫米波雷达获取用户的体征参数,所述体征参数包括心跳频率、体动频率、呼吸频率以及与所述心跳频率匹配的心率时长标准差;
查表单元,用于根据所述心跳频率、所述体动频率、所述呼吸频率以及所述心率时长标准差查表匹配对应的睡眠阶段。
一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述计算机程序被所述处理器执行时,使得所述处理器执行以下步骤:
获取用户的当前姿态信息;
判断所述当前姿态信息是否为躺下姿态;
若是,则通过所述毫米波雷达获取用户的体征参数,所述体征参数包括心跳频率、体动频率、呼吸频率以及与所述心跳频率匹配的心率时长标准差;
根据所述心跳频率、所述体动频率、所述呼吸频率以及所述心率时长标准差查表匹配对应的睡眠阶段。
一种计算机可读介质,存储有计算机程序,所述计算机程序被处理器执行时,使得所述处理器执行以下步骤:
获取用户的当前姿态信息;
判断所述当前姿态信息是否为躺下姿态;
若是,则通过所述毫米波雷达获取用户的体征参数,所述体征参数包括心跳频率、体动频率、呼吸频率以及与所述心跳频率匹配的心率时长标准差;
根据所述心跳频率、所述体动频率、所述呼吸频率以及所述心率时长标准差查表匹配对应的睡眠阶段。
上述的无接触式睡眠阶段判断方法、系统、计算机设备及介质,通过设置毫米波雷达来获取用户的姿态信息,并在判断用户的姿态为躺下姿态后自动对用户的心跳频率、体动频率、呼吸频率以及与心率时长标准差等体征参数进行无接触式获取,并根据最终根据获取到的体征参数来对用户的睡眠阶段进行识别,达到了根据用户的多种体征参数来对睡眠状态进行准确判断同时防止设备错误获取到用户未开始睡眠时的身体参数导致体征参数获取失真,解决了现有技术当中现有的睡眠状态监测产品普遍都是需要直接接触到用户身体,同时普遍采用检测身体动作频率来做睡眠的检测,而不是通过直接的身体体征(如心率跟心率变异性)的变化来分析判断睡眠状态,造成了用户使用不便以及睡眠状态判断的准确性较差的问题,提升了睡眠状态判断的便利性以及准确性。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,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的前提下,还可以根据这些附图获得其他的附图。
其中:
图1为一实施例中无接触式睡眠阶段判断方法的流程示意图;
图2为一实施例中无接触式睡眠阶段判断系统的结构示意图;
图3为一实施例中计算机设备的结构框图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,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他实施例,都属于本发明保护的范围。
参考图1,一种无接触式睡眠阶段判断方法,包括毫米波雷达,所述方法包括:
S1、获取用户的当前姿态信息;
如上述步骤S1所述,后台系统通过设置在用户身边的毫米波雷达来获取用户身体的当前姿态信息,由于毫米波雷达发送的超声波信号可以通过反射信号的强弱准确获取到用户的身体姿态轮廓,则此时后台系统可将身体姿态轮廓记为所述当前姿态信息,从而实现根据所述身体姿态轮廓来识别用户当前姿态的功能;
可以理解的是,所述后台系统一般为后台服务器,此外,所述后台系统可以是独立的服务器,也可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络(Content Delivery Network,CDN)、以及大数据和人工智能平台等基础云计算服务的云服务器,本发明对此不做限定。
S2、判断所述当前姿态信息是否为躺下姿态;
如上述步骤S2所述,后台系统根据获取到的用户当前的当前姿态信息后,判断当前姿态信息是否为躺下状态,举例说明:后台系统获取上述步骤中提到的身体姿态轮廓,并判断该身体姿态轮廓是否与预设躺下姿态轮廓匹配,若是,则后台系统判定当前用户的身体姿态轮廓为躺下姿态,即当前姿态信息为躺下姿态,反之当后台系统判断该身体姿态轮廓不与预设躺下姿态轮廓匹配时,则不对用户的当前姿态信息进行判定,从而实现当用户躺下时后台系统自动开启睡眠检测的功能。
S3、若是,则通过所述毫米波雷达获取用户的体征参数,所述体征参数包括心跳频率、体动频率、呼吸频率以及与所述心跳频率匹配的心率时长标准差;
如上述步骤S3所述,当后台系统判断用户的身体姿态轮廓为躺下姿态后,后台系统再次控制毫米波雷达获取用户的体征参数,其中,毫米波雷达为毫米波雷达,且毫米波雷达的工作频率为24HZ,从而实现通过毫米波雷达发送的雷达信号穿透用户的人体后获取用户的心跳频率、体动频率、呼吸频率以及与所述心跳频率匹配的心率时长标准差;
其中,心率时长标准差为呼吸频率内对应心跳的心跳时间长度。
S4、根据所述心跳频率、所述体动频率、所述呼吸频率以及所述心率时长标准差查表匹配对应的睡眠阶段。
如上述步骤S4所述,后台系统获取预设睡眠阶段匹配表,并将心跳频率、体动频率、呼吸频率以及心率时长标准差查表输入到预设睡眠阶段匹配表内进行查表匹配,从而输出用户当前的睡眠阶段。
本实施例通过上述方法,过设置毫米波雷达来获取用户的姿态信息,并在判断用户的姿态为躺下姿态后自动对用户的心跳频率、体动频率、呼吸频率以及与心率时长标准差等体征参数进行无接触式获取,并根据最终根据获取到的体征参数来对用户的睡眠阶段进行识别,达到了根据用户的多种体征参数来对睡眠状态进行准确判断同时防止设备错误获取到用户未开始睡眠时的身体参数导致体征参数获取失真,解决了现有技术当中现有的睡眠状态监测产品普遍都是需要直接接触到用户身体,同时普遍采用检测身体动作频率来做睡眠的检测,而不是通过直接的身体体征(如心率跟心率变异性)的变化来分析判断睡眠状态,造成了用户使用不便以及睡眠状态判断的准确性较差的问题,提升了睡眠状态判断的便利性以及准确性。
一实施例中,所述步骤S3,具体包括:
S31、通过所述毫米波雷达获取用户在预设时间段内的初步呼吸频率、初步心跳频率以及与所述用户之间的波长时序信号,将所述波长时序信号进行傅里叶变换,从而生成所述毫米波雷达与所述用户之间的距离信息合集,并根据所述距离信息合集生成所述用户的在所述预设时间段内的初步体动频率,将所述初步体动频率、所述初步呼吸频率参数以及所述初步心跳频率进行相似度运算,从而推算出阈值参数模型,根据所述心跳频率推算在所述预设时间段内用户每次心跳时长的初步心率时长标准差,将所述初步体动频率、所述初步呼吸频率、所述初步心跳频率以及所述初步心率时长标准差分别输入所述阈值参数模型内进行筛选,从而筛选出超出预设阈值的对应参数,并分别记为所述体动频率、所述呼吸频率、所述心跳频率以及所述心率时长标准差。
如上述实施例所述,为了获取用户的体征参数,后台系统在获取到的身体姿态轮廓上设置若干个预设参照点,可以理解的是,预设参照点在身体姿态轮廓上的设置位置可由用户自行设定,之后后台系统获取在预设时间段内毫米波雷达与预设参照点之间的波长时序信号以及用户的初步呼吸频率与初步心跳频率,将波长时序信号进行傅里叶变换后,生成毫米波雷达与所述预设参照点之间的距离信息合集,之后后台系统根据距离信息合集内包含的距离信息对应数值的波动判断用户是否出现体动动作,从而实现获取用户在预设时间段内的初步体动频率的效果;
之后后台系统将初步体动频率、初步呼吸频率参数以及初步心跳频率进行相似度运算,从而推算出阈值参数模型,之后后台系统根据初步心跳频率推算在所述预设时间段内用户每次心跳时长的初步心率时长标准差,具体表现为:后台系统根据初步心跳频率推算在预设时间段内用户每次心跳之间间隔的时长,即为心跳频率之间的初步心率时长标准差,之后后台系统将初步体动频率、初步呼吸频率、初步心跳频率以及初步心率时长标准差分别输入所述阈值参数模型内进行筛选,从而筛选出超出预设阈值的对应参数,并分别记为体动频率、呼吸频率、心跳频率以及心率时长标准差,从而实现通过毫米波雷达获取用户在预设时间段内的体动频率、呼吸频率、心跳频率以及心率时长标准差的目的。
一实施例中,所述根据所述心跳频率推算在所述预设时间段内用户每次心跳时长的初步心率时长标准差的步骤,具体包括:
S32、根据所述心跳频率获取所述预设时间段内包含的心跳次数,并记为心跳次数N,获取所述预设时间段内所述用户每次心跳的心跳时长,记为心跳时长RR,将所述心跳次数N以及所述心跳时长RR输入预设标准差推算公式中进行推算,从而推算出所述心率时长标准差SDNN,其中,所述标准差推算公式具体表现为:
如上述实施例所述,后台系统根据用户的心跳频率获取在预设时间段内用户的心跳次数,并记为心跳次数N,之后后台系统获取预设时间段内用户每次心跳的心跳时长,记为心跳时长RR,将心跳次数N以及所述心跳时长RR输入预设标准差推算公式中进行推算,从而输出最终的初步心率时长标准差SSDN;
其中,预设标准差推算公式具体表现为:
则后台系统将心跳次数N以及心跳时长RR输入到上述预设标准差推算公式中进行推算,从而输出最终的初步心率时长标准差SSDN。
一实施例中,所述步骤S1,具体包括:
S11、通过所述毫米波雷达获取用户的身体轮廓图形,获取所述身体轮廓图形的最高点与最低点之间的高度差值以及所述身体轮廓图形的最左侧点与最右侧点之间的宽度差值,判断所述高度差值是否小于第一预设阈值同时所述宽度差值是否大于第二预设阈值,若是,则判断所述用户当前处于躺下姿态。
如上述实施例所述,毫米波雷达发送的超声波信号可以通过反射信号的强弱准确获取到用户的身体姿态轮廓,因此后台系统可通过毫米波雷达发送的超声波信号的强弱来准确识别用户的身体轮廓图形,之后后台系统获取用户的身体轮廓图形的最高点与最低点之间的高度差值以及身体轮廓图形的最左侧点与最右侧点之间的宽度差值,判断高度差值是否小于第一预设阈值同时宽度差值是否大于第二预设阈值,可以理解的是,第一预设阈值以及二预设阈值的具体数值可由用户自行设定,当后台系统判断高度差值小于第一预设阈值同时宽度差值大于第二预设阈值时,则判定身体轮廓图形倾向于往两侧延伸,符合人体躺下时的外形轮廓,则此时后台系统判定户当前处于躺下姿态。
一实施例中,所述睡眠阶段包括清醒阶段、眼动阶段、深睡阶段S1以及深睡阶段S2;
则所述步骤S4,具体包括:
S41、获取预设推算时长,并推算所述心跳频率、所述体动频率、所述呼吸频率以及所述心率时长标准差在所述预设推算时长内的平均值,并分别记为匹配心跳频率、匹配体动频率、匹配呼吸频率以及匹配标准差,获取预设睡眠阶段匹配表,所述预设睡眠阶段匹配表的纵向参数与各个所述体征参数匹配,所述预设睡眠阶段的横向参数与所述睡眠阶段匹配,所述睡眠阶段匹配表内设有多个匹配单元格,所述匹配单元格内设有与所述纵向参数匹配的匹配数值范围,根据所述匹配数值范围分别获取与所述匹配心跳频率、所述匹配体动频率、所述匹配呼吸频率以及所述匹配标准差匹配的所述匹配单元格,并记为识别单元格,判断所述识别单元格在所述预设睡眠阶段匹配表内是否处于与所述清醒阶段对应的同一横列中,若是,则判断所述用户当前的睡眠阶段为所述清醒阶段。
此外,所述根据所述匹配数值范围分别获取与所述呼吸频率、所述体动频率、所述呼吸频率以及所述心率时长标准差查表匹配的所述匹配单元格,并记为识别单元格的步骤之后,还包括:
S42、判断所述识别单元格在所述预设睡眠阶段匹配表内是否处于与所述眼动阶段对应的同一横列中,若是,则判断所述用户当前的睡眠阶段为所述眼动阶段;
此外,所述根据所述匹配数值范围分别获取与所述呼吸频率、所述体动频率、所述呼吸频率以及所述心率时长标准差查表匹配的所述匹配单元格,并记为识别单元格的步骤之后,还包括:
S43、判断所述识别单元格在所述预设睡眠阶段匹配表内是否处于与所述深睡S1阶段对应的同一横列中,若是,则判断所述用户当前的睡眠阶段为所述深睡S1阶段;
此外,所述根据所述匹配数值范围分别获取与所述呼吸频率、所述体动频率、所述呼吸频率以及所述心率时长标准差查表匹配的所述匹配单元格,并记为识别单元格的步骤之后,还包括:
S43、判断所述识别单元格在所述预设睡眠阶段匹配表内是否处于与所述深睡S2阶段对应的同一横列中,若是,则判断所述用户当前的睡眠阶段为所述深睡S2阶段。
如上述实施例所述,睡眠阶段包括清醒阶段、眼动阶段、深睡阶段S1以及深睡阶段S2,因此后台系统可根据用户的体征参数判断用户当前的睡眠阶段处于哪一阶段,具体表现为:
后台系统先获取预设推算时长,并推算心跳频率、体动频率、呼吸频率以及心率时长标准差在预设推算时长内的平均值,并分别记为匹配心跳频率、匹配体动频率、匹配呼吸频率以及匹配标准差,从而实现对心跳频率、体动频率、呼吸频率以及心率时长标准差对应数据的进一步过滤配平,之后后台系统获取预设睡眠阶段匹配表,在本实施例中,预设睡眠阶段匹配表具体表现为:
由此可见,预设睡眠阶段匹配表的纵向参数与各个体征参数匹配,即预设睡眠阶段匹配表的纵向参数分别为匹配心跳频率、匹配体动频率、匹配呼吸频率以及匹配标准差,预设睡眠阶段匹配表的横向参数与各个睡眠阶段匹配,即预设睡眠阶段匹配表的横向参数为清醒阶段、眼动阶段、深睡阶段S1以及深睡阶段S2,同时预设睡眠阶段匹配表内的横向参数以及纵向参数划分出若干个匹配单元格,匹配单元格内设有匹配数值范围,则后台系统根据匹配心跳频率、匹配体动频率、匹配呼吸频率以及匹配标准差的具体数值在预设睡眠阶段匹配表内匹配对应的匹配单元格,举例说明:后台系统根据匹配心跳频率在预设睡眠阶段匹配表选定对应的纵向参数后,获取与纵向参数对应的匹配单元格,之后后台系统根据匹配心跳频率的具体数值与匹配单元格内的匹配数值范围进行匹配,从而获取与匹配心跳频率匹配的匹配单元格,之后后台系统使用上述方式从预设睡眠阶段匹配表内分别匹配到与匹配心跳频率、匹配体动频率、匹配呼吸频率以及匹配标准差匹配的匹配单元格后,判断匹配单元格在预设睡眠阶段匹配表内是否处于同一横向参数内,若是,则将与该横向参数对应的睡眠阶段进行推送,如匹配单元格在预设睡眠阶段匹配表同时处于清醒阶段对应的横向参数内时,则判断用户当前处于清醒阶段,同理,当匹配单元格在预设睡眠阶段匹配表同时处于眼动阶段对应的横向参数内时,则判断用户当前处于眼动阶段;当匹配单元格在预设睡眠阶段匹配表同时处于深睡阶段S1对应的横向参数内时,则判断用户当前处于深睡阶段S1。
一实施例中,所述睡眠阶段包括清醒阶段、眼动阶段、深睡阶段S1以及深睡阶段S2;
则所述步骤S3之后,还包括:
S41、根据预设拆分阈值将所述心跳频率拆分为低频频率LH以及高频频率HF,推算所述低频频率LH与所述高频频率HF之间的合值,并获取所述低频频率LH与所述合值之间的比值,记为频率比值H,获取与所述清醒阶段、所述眼动阶段、所述深睡阶段S1以及所述深睡阶段S2匹配的频率比值范围,记为匹配比值范围,根据所述频率比值H落入的所述匹配比值范围输出对应的所述睡眠阶段。
如上述实施例所述,后台系统获取预设拆分阈值,并根据所述预设拆分阈值将心跳频率拆分为低频频率LH以及高频频率HF后,推算所述低频频率LH与所述高频频率HF之间的合值,并获取所述低频频率LH与所述合值之间的比值,记为频率比值H,之后后台系统获取与清醒阶段、眼动阶段、深睡阶段S1以及深睡阶段S2匹配的频率比值范围,记为匹配比值范围,最后后台系统根据频率比值H落入的匹配比值范围输出对应的所述睡眠阶段,举例说明:当后台系统判断频率比值H落入与清醒阶段对应的匹配比值范围内时,后台系统判断则判断用户当前处于清醒阶段,同理当后台系统判断频率比值H落入与眼动阶段对应的匹配比值范围内时,后台系统判断则判断用户当前处于眼动阶段,当后台系统判断频率比值H落入与深睡阶段S1对应的匹配比值范围内时,后台系统判断则判断用户当前处于深睡阶段S1,当后台系统判断频率比值H落入与深睡阶段S1对应的匹配比值范围内时,后台系统判断则判断用户当前处于深睡阶段S1,当后台系统判断频率比值H落入与深睡阶段S2对应的匹配比值范围内时,后台系统判断则判断用户当前处于深睡阶段S2。
参考图2,一种无接触式睡眠阶段判断系统,包括毫米波雷达,所述系统包括:
姿态获取单元1,用于获取用户的当前姿态信息;
判断单元2,用于判断所述当前姿态信息是否为躺下姿态;
参数获取单元3,用于判断若是,则通过所述毫米波雷达获取用户的体征参数,所述体征参数包括心跳频率、体动频率、呼吸频率以及与所述心跳频率匹配的心率时长标准差;
查表单元4,用于根据所述心跳频率、所述体动频率、所述呼吸频率以及所述心率时长标准差查表匹配对应的睡眠阶段。
上述各单元为执行上述无接触式睡眠阶段判断系统,在此不再一一介绍。
图3示出了一个实施例中计算机设备的内部结构图。该计算机设备具体可以是服务器,所述服务器包括但不限于高性能计算机和高性能计算机集群。如图3所示,该计算机设备包括通过系统总线连接的处理器、存储器和网络接口。其中,存储器包括非易失性存储介质和内存储器。该计算机设备的非易失性存储介质存储有操作系统,还可存储有计算机程序,该计算机程序被处理器执行时,可使得处理器实现所述员工状态判断方法。该内存储器中也可储存有计算机程序,该计算机程序被处理器执行时,可使得处理器执行所述无接触式睡眠阶段判断方法。
在一个实施例中,本发明提供的客户行为识别方法可以实现为一种计算机程序的形式,计算机程序可在如图3所示的计算机设备上运行。计算机设备的存储器中可存储组成邮件自动分类聚合装置的各个程序模板。比如:姿态获取单元1、判断单元2、参数获取单元3以及查表单元4。
一种计算机设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如下步骤:
获取用户的当前姿态信息,判断所述当前姿态信息是否为躺下姿态,若是,则通过所述毫米波雷达获取用户的体征参数,所述体征参数包括心跳频率、体动频率、呼吸频率以及与所述心跳频率匹配的心率时长标准差,根据所述心跳频率、所述体动频率、所述呼吸频率以及所述心率时长标准差查表匹配对应的睡眠阶段。
综合上述实施例可知,本发明最大的有益效果在于,过设置毫米波雷达来获取用户的姿态信息,并在判断用户的姿态为躺下姿态后自动对用户的心跳频率、体动频率、呼吸频率以及与心率时长标准差等体征参数进行无接触式获取,并根据最终根据获取到的体征参数来对用户的睡眠阶段进行识别,达到了根据用户的多种体征参数来对睡眠状态进行准确判断同时防止设备错误获取到用户未开始睡眠时的身体参数导致体征参数获取失真,解决了现有技术当中现有的睡眠状态监测产品普遍都是需要直接接触到用户身体,同时普遍采用检测身体动作频率来做睡眠的检测,而不是通过直接的身体体征(如心率跟心率变异性)的变化来分析判断睡眠状态,造成了用户使用不便以及睡眠状态判断的准确性较差的问题,提升了睡眠状态判断的便利性以及准确性。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的程序可存储于一非易失性计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,本发明所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、以及双数据率等。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本发明的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。因此,本发明专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种无接触式睡眠阶段判断方法,其特征在于,包括毫米波雷达,所述方法包括:
获取用户的当前姿态信息;
判断所述当前姿态信息是否为躺下姿态;
若是,则通过所述毫米波雷达获取用户的体征参数,所述体征参数包括心跳频率、体动频率、呼吸频率以及与所述心跳频率匹配的心率时长标准差;
根据所述心跳频率、所述体动频率、所述呼吸频率以及所述心率时长标准差查表匹配对应的睡眠阶段。
2.如权利要求1所述的无接触式睡眠阶段判断方法,其特征在于,所述通过所述毫米波雷达获取用户的体征参数,所述体征参数包括心跳频率、体动频率、呼吸时长以及与所述心跳频率匹配的心率时长标准差的步骤,具体包括:
通过所述毫米波雷达获取用户在预设时间段内的初步呼吸频率、初步心跳频率以及与所述用户之间的波长时序信号;
将所述波长时序信号进行傅里叶变换,从而生成所述毫米波雷达与所述用户之间的距离信息合集,并根据所述距离信息合集生成所述用户的在所述预设时间段内的初步体动频率;
将所述初步体动频率、所述初步呼吸频率参数以及所述初步心跳频率进行相似度运算,从而推算出阈值参数模型;
根据所述初步心跳频率推算在所述预设时间段内用户每次心跳时长的初步心率时长标准差;
将所述初步体动频率、所述初步呼吸频率、所述初步心跳频率以及所述初步心率时长标准差分别输入所述阈值参数模型内进行筛选,从而筛选出超出预设阈值的对应参数,并分别记为所述体动频率、所述呼吸频率、所述心跳频率以及所述心率时长标准差。
3.如权利要求2所述的无接触式睡眠阶段判断方法,其特征在于,根据所述心跳频率推算在所述预设时间段内用户每次心跳时长的初步心率时长标准差的步骤,具体包括:
根据所述初步心跳频率获取所述预设时间段内包含的心跳次数,并记为心跳次数N;
获取所述预设时间段内所述用户每次心跳的心跳时长,记为心跳时长RR;
将所述心跳次数N以及所述心跳时长RR输入预设标准差推算公式中进行推算,从而推算出所述初步心率时长标准差SDNN。
4.如权利要求1所述的无接触式睡眠阶段判断方法,其特征在于,所述获取用户的当前姿态信息,具体包括:
通过所述毫米波雷达获取用户的身体轮廓图形;
获取所述身体轮廓图形的最高点与最低点之间的高度差值以及所述身体轮廓图形的最左侧点与最右侧点之间的宽度差值;
判断所述高度差值是否小于第一预设阈值,所述宽度差值是否大于第二预设阈值;
若是,则判断所述用户当前处于躺下姿态。
5.如权利要求1所述的无接触式睡眠阶段判断方法,其特征在于,所述睡眠阶段包括清醒阶段、眼动阶段、深睡阶段S1以及深睡阶段S2;
则所述根据所述心跳频率、所述体动频率、所述呼吸频率以及所述心率时长标准差查表匹配对应的睡眠阶段的步骤,具体包括:
获取预设推算时长,并推算所述心跳频率、所述体动频率、所述呼吸频率以及所述心率时长标准差在所述预设推算时长内的平均值,并分别记为匹配心跳频率、匹配体动频率、匹配呼吸频率以及匹配标准差;
获取预设睡眠阶段匹配表,所述预设睡眠阶段匹配表的纵向参数与各个所述体征参数匹配,所述预设睡眠阶段的横向参数与所述睡眠阶段匹配,所述睡眠阶段匹配表内设有多个匹配单元格,所述睡眠阶段匹配表内设有多个匹配单元格,所述匹配单元格内设有与所述纵向参数匹配的匹配数值范围;
根据所述匹配数值范围分别获取与所述匹配心跳频率、所述匹配体动频率、所述匹配呼吸频率以及所述匹配标准差匹配的所述匹配单元格,并记为识别单元格;
判断所述识别单元格在所述预设睡眠阶段匹配表内是否处于与所述清醒阶段对应的同一横列中;
若是,则判断所述用户当前的睡眠阶段为所述清醒阶段。
6.如权利要求5所述的无接触式睡眠阶段判断方法,其特征在于,所述根据所述匹配数值范围分别获取与所述呼吸频率、所述体动频率、所述呼吸频率以及所述心率时长标准差查表匹配的所述匹配单元格,并记为识别单元格的步骤之后,还包括:
此外,判断所述识别单元格在所述预设睡眠阶段匹配表内是否处于与所述眼动阶段对应的同一横列中;
若是,则判断所述用户当前的睡眠阶段为所述眼动阶段;
此外,所述根据所述匹配数值范围分别获取与所述呼吸频率、所述体动频率、所述呼吸频率以及所述心率时长标准差查表匹配的所述匹配单元格,并记为识别单元格的步骤之后,还包括:
判断所述识别单元格在所述预设睡眠阶段匹配表内是否处于与所述深睡S1阶段对应的同一横列中;
若是,则判断所述用户当前的睡眠阶段为所述深睡S1阶段;
此外,所述根据所述匹配数值范围分别获取与所述呼吸频率、所述体动频率、所述呼吸频率以及所述心率时长标准差查表匹配的所述匹配单元格,并记为识别单元格的步骤之后,还包括:
判断所述识别单元格在所述预设睡眠阶段匹配表内是否处于与所述深睡S2阶段对应的同一横列中;
若是,则判断所述用户当前的睡眠阶段为所述深睡S2阶段。
7.如权利要求1所述的无接触式睡眠阶段判断方法,其特征在于,所述睡眠阶段包括清醒阶段、眼动阶段、深睡阶段S1以及深睡阶段S2;
则所述若是,则通过所述毫米波雷达获取用户的体征参数,所述体征参数包括心跳频率、体动频率、呼吸频率以及与所述心跳频率匹配的心率时长标准差的步骤之后,还包括:
根据预设拆分阈值将所述心跳频率拆分为低频频率LH以及高频频率HF;
推算所述低频频率LH与所述高频频率HF之间的合值,并获取所述低频频率LH与所述合值之间的比值,记为频率比值H;
获取与所述清醒阶段、所述眼动阶段、所述深睡阶段S1以及所述深睡阶段S2匹配的频率比值范围,记为匹配比值范围;
根据所述频率比值H落入的所述匹配比值范围查表输出对应的所述睡眠阶段。
8.一种无接触式睡眠阶段判断系统,其特征在于,包括毫米波雷达,所述系统包括:
姿态获取单元,用于获取用户的当前姿态信息;
判断单元,用于判断所述当前姿态信息是否为躺下姿态;
参数获取单元,用于判断若是,则通过所述毫米波雷达获取用户的体征参数,所述体征参数包括心跳频率、体动频率、呼吸频率以及与所述心跳频率匹配的心率时长标准差;
查表单元,用于根据所述心跳频率、所述体动频率、所述呼吸频率以及所述心率时长标准差查表匹配对应的睡眠阶段。
9.一种计算机设备,其特征在于,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至7任一项所述的无接触式睡眠阶段判断方法。
10.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至7任一项所述的无接触式睡眠阶段判断方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211165538.9A CN115500789A (zh) | 2022-09-23 | 2022-09-23 | 无接触式睡眠阶段判断方法、系统、计算机设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211165538.9A CN115500789A (zh) | 2022-09-23 | 2022-09-23 | 无接触式睡眠阶段判断方法、系统、计算机设备及介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115500789A true CN115500789A (zh) | 2022-12-23 |
Family
ID=84505705
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211165538.9A Pending CN115500789A (zh) | 2022-09-23 | 2022-09-23 | 无接触式睡眠阶段判断方法、系统、计算机设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115500789A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115778352A (zh) * | 2023-02-02 | 2023-03-14 | 北京华声医学科技开发公司 | 基于毫米波雷达的睡眠质量评估方法、设备、系统及介质 |
-
2022
- 2022-09-23 CN CN202211165538.9A patent/CN115500789A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115778352A (zh) * | 2023-02-02 | 2023-03-14 | 北京华声医学科技开发公司 | 基于毫米波雷达的睡眠质量评估方法、设备、系统及介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20240023886A1 (en) | Noninvasive method and system for sleep apnea detection | |
CN110742585B (zh) | 基于bcg信号的睡眠分期方法 | |
CN105636515B (zh) | 用于自动评估失神eeg的计算机程序和评估设备 | |
EP3427655A1 (en) | Biological information analysis device and system, and program | |
CN106419869A (zh) | 一种基于压电传感器的实时睡眠分期检测方法及其装置 | |
CN109285606A (zh) | 一种基于大数据智能算法的健康管理方法和系统 | |
CN104720746A (zh) | 一种睡眠阶段确定方法和系统 | |
CN105496356A (zh) | 睡眠状态判定装置、睡眠状态判定方法及睡眠管理系统 | |
CN109864736A (zh) | 心电信号的处理方法、装置、终端设备及介质 | |
WO2017101529A1 (zh) | 心电导联智能选择方法和系统 | |
CN106725383A (zh) | 基于动作和心率的睡眠状态判别系统及方法 | |
CN114391846B (zh) | 一种基于过滤式特征选择的情绪识别方法及系统 | |
JPWO2018221750A1 (ja) | 睡眠判定装置、睡眠判定方法、および、睡眠判定プログラム | |
Roy et al. | Photoplethysmogram signal quality evaluation by unsupervised learning approach | |
KR102015097B1 (ko) | 생체정보를 이용한 감성 검출 장치 및 감성 검출 방법을 실행하기 위한 프로그램을 기록한 컴퓨터로 판독 가능한 기록매체 | |
CN111370124A (zh) | 一种基于面手部识别和大数据的健康分析系统及方法 | |
CN115500789A (zh) | 无接触式睡眠阶段判断方法、系统、计算机设备及介质 | |
Huang et al. | Online mining abnormal period patterns from multiple medical sensor data streams | |
Ahmed et al. | Health Monitoring for Elderly: An Application Using Case‐Based Reasoning and Cluster Analysis | |
CN114190897B (zh) | 睡眠分期模型的训练方法、睡眠分期方法及装置 | |
CN110464369A (zh) | 一种基于人体体征数值的精神状态判断算法 | |
CN112786133A (zh) | 一种健康数据自动采集方法 | |
Kuntamalla et al. | Reduced data dualscale entropy analysis of hrv signals for improved congestive heart failure detection | |
CN106361327B (zh) | 睡眠状态分析中清醒状态检测方法和系统 | |
CN115526882A (zh) | 一种医学图像的分类方法、装置、设备及存储介质 |
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 |