CN117462081A - 一种睡眠检测方法、可穿戴设备及可读介质 - Google Patents

一种睡眠检测方法、可穿戴设备及可读介质 Download PDF

Info

Publication number
CN117462081A
CN117462081A CN202311314053.6A CN202311314053A CN117462081A CN 117462081 A CN117462081 A CN 117462081A CN 202311314053 A CN202311314053 A CN 202311314053A CN 117462081 A CN117462081 A CN 117462081A
Authority
CN
China
Prior art keywords
user
score
determining
wearable device
activity level
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
Application number
CN202311314053.6A
Other languages
English (en)
Inventor
贺鹏
陈海杰
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen Xiaoche Technology Co ltd
Original Assignee
Shenzhen Xiaoche Technology Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Shenzhen Xiaoche Technology Co ltd filed Critical Shenzhen Xiaoche Technology Co ltd
Priority to CN202311314053.6A priority Critical patent/CN117462081A/zh
Publication of CN117462081A publication Critical patent/CN117462081A/zh
Pending legal-status Critical Current

Links

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
    • A61B5/103—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
    • A61B5/1118—Determining activity level
    • 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
    • A61B5/1126—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb using a particular sensing technique
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
    • A61B5/6801—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be attached to or worn on the body surface
    • A61B5/6802—Sensor mounted on worn items
    • A61B5/681—Wristwatch-type devices
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H80/00—ICT specially adapted for facilitating communication between medical practitioners or patients, e.g. for collaborative diagnosis, therapy or health monitoring
    • 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

Abstract

本发明提供了一种睡眠检测方法、可穿戴设备及可读介质,方法包括:方法包括：获取加速度计采集的三轴加速度数据；基于三轴加速度数据确定可穿戴设备的动量以及旋转特征；根据动量以及旋转特征进行活动等级分级；响应于活动等级分级确定用户入睡或起床。基于此，不仅根据可穿戴设备动量变化情况来进行睡眠识别，还基于可穿戴设备的旋转特征进行睡眠识别，对于用户躺在床上如玩手机或看书动量比较轻微的情况，能够提升睡眠识别的准确性。并且，检测方法简单，计算量小，有利于降低可穿戴设备的功耗。

Description

一种睡眠检测方法、可穿戴设备及可读介质
技术领域
本发明属于电子设备领域,更具体地说,是涉及一种睡眠检测方法、可穿戴设备及可读介质。
背景技术
睡眠的质量与人体健康息息相关，现代人生活压力逐渐增大，人们对于睡眠的监控和科学睡眠的指导有了越来越大的需求。在现有技术中，常采用智能手表、手环等可穿戴设备跟踪人体睡眠。
但在现有技术中，用于可穿戴设备的睡眠检测方法复杂，将会增大可穿戴设备的功耗，并且对于某些用户场景(如玩手机，动量比较轻微)没有特殊考虑，导致睡眠识别准确性差。
发明内容
本公开实施例的目的在于提供一种睡眠检测方法、可穿戴设备及可读介质,其能解决现有技术中检测方法的问题，能够提升睡眠识别的准确性。
第一方面,本公开实施例提供一种睡眠检测方法,应用于可穿戴设备，方法包括:
获取加速度计采集的三轴加速度数据；
基于三轴加速度数据确定可穿戴设备的动量以及旋转特征；
根据动量以及旋转特征进行活动等级分级；
响应于活动等级分级确定用户入睡或起床。
根据本公开的第一方面，基于三轴加速度数据确定可穿戴设备的动量以及旋转特征，包括：
确定三轴加速度数据中相邻采样点的各轴加速度数据之差；
对各轴加速度数据之差进行求和处理以获取求和结果；
将第一预设时长内的求和结果大于0的次数作为旋转特征。
根据本公开的第一方面，基于三轴加速度数据确定可穿戴设备的动量以及旋转角度，包括：
基于第一预设时长内的最大三轴加速度与最小三轴加速度之差确定可穿戴设备的动量。
根据本公开的第一方面，响应于活动等级分级确定用户入睡或起床，包括：
根据活动等级进行静止评分，并对第二预设时长内的静止评分进行累加，第二预设时长大于第一预设时长；
响应于第二预设时长内的静止评分超过第一预设阈值则将入睡评分加1；
响应于第二预设时长内的静止评分小于或等于第一预设阈值则将入睡评分减1；
当入睡评分大于等于第二预设阈值则确定入睡。
根据本公开的第一方面，响应于活动等级分级确定用户入睡或起床，之后包括：
响应于确定用户入睡，向前查找入睡评分首次等于0的时间点作为入睡时间。
根据本公开的第一方面，响应于活动等级分级确定用户入睡或起床，包括：
响应于用户处于睡眠状态，获取用户的起床评分值，若第三预设时长内的活动等级超过第三预设阈值则将起床评分加1，若第三预设时长内的活动等级小于或等于第三预设阈值则将起床评分减1，第三预设时长大于第一预设时长；
响应于起床评分大于等于第四预设阈值则确定起床。
根据本公开的第一方面，响应于活动等级分级确定用户入睡或起床，之后包括：
响应于确定用户起床，向前查找起床评分首次等于0的时间点作为起床时间。
第二方面,本公开实施例还提供一种可穿戴设备,包括处理器、存储器以及加速度计,加速度计和存储器通过总线与处理器连接,其中,
存储器,用于存储处理器执行的程序代码；
处理器,用于调用存储器存储的程序代码,并执行上述方法。
第三方面,本公开实施例还提供一种可读存储介质,可读存储介质上存储有指令,当指令在可穿戴设备上执行时使可穿戴设备执行上述方法。
本公开实施例提供的睡眠检测方法中，方法包括：获取加速度计采集的三轴加速度数据；基于三轴加速度数据确定可穿戴设备的动量以及旋转特征；根据动量以及旋转特征进行活动等级分级；响应于活动等级分级确定用户入睡或起床。基于此，不仅根据可穿戴设备动量变化情况来进行睡眠识别，还基于可穿戴设备的旋转特征进行睡眠识别，对于用户躺在床上如玩手机或看书动量比较轻微的情况，能够提升睡眠识别的准确性。并且，检测方法简单，计算量小，有利于降低可穿戴设备的功耗。
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本公开实施例提供的一种可穿戴设备的框图；
图2是本公开实施例提供的加速度计的三轴示意图；
图3是本公开实施例提供的一种睡眠检测方法的流程图；
图4是本公开实施例提供的入睡检测的流程图；
图5是本公开实施例提供的起床检测的流程图。
具体实施方式
为了使本发明所要解决的技术问题、技术方案及有益效果更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
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一个或者更多个该特征。在本发明的描述中,“多个”的含义是两个或两个以上,除非另有明确具体的限定。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。
图1提供了一种可穿戴设备的实施方式。本公开实施例提供的可穿戴设备100是一种佩戴在用户手腕便携式设备,可以包括但不限于为智能手表、智能手环、智能腕带等等。在本实施例中以智能手表为例进行说明。
参考图1,可穿戴设备100可以包括一个或多个处理器101、存储器102、显示屏103、通信模块104、传感器模块105、音频模块106、扬声器107、麦克风108、马达109、按键110、电源管理模块111、电池112、指示器113。这些部件可以通过一条或多条通信总线或信号线连接并进行通信。
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(Central Processing Unit,CPU)、图形处理单元(Graphics Processing Unit,GPU)、图像信号处理器(Image Signal Processing,ISP)、传感器中枢处理器或通信处理器(Central Processor,CP)应用处理器(ApplicationProcessor,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,至少一个功能所需的应用程序等,例如检测用户睡眠状态的应用程序。存储数据区可存储可穿戴设备100使用过程中所创建的数据,例如用户每次运动的运动参数以及用户的生理参数,如步数、步幅、配速、心率、血氧、血糖浓度等，又例如用户的睡眠数据。存储器102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。操作系统可以包括但不限于安卓(android)操作系统、苹果操作系统(ios)或者嵌入式系统。应用程序可以包括联系人、电话、电子邮件客户端、即时通信、浏览器、个人运动、图像管理、音视频播放器、日历、插件(例如,天气、股票、计算器、时钟、词典)、自定义插件、搜索、笔记、地图等。
显示屏103用于显示图形用户界面(Graphical User Interface,GUI),图形用户界面可以包括图形、文本、图标、视频及其任意组合。显示屏103还可以显示包括应用程序图标列表的界面,显示屏103也可以显示包括时间信息及其他信息的表盘界面,表盘界面是可穿戴设备100的主界面(一级界面)。显示屏103可以是液晶显示屏、有机发光二极管显示屏等。当显示屏103是触摸显示屏时,显示屏103能够采集在显示屏103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。
无线通信模块104可支持可穿戴设备100通过无线通信技术与网络以及其他设备通信。无线通信模块104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。无线通信模块104包括:天线、RF收发器、一个或多个放大器、调谐器、振荡器、数字信号处理器、编解码芯片组等等。可穿戴设备100的通信模块104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。蜂窝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100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105用于测量物理量或检测可穿戴智能设备的操作状态。传感器模块105可以包括加速度计105A、陀螺仪传感器105B、气压传感器105C、磁传感器105D、生物信号传感器105E、接近传感器105F、环境光传感器105G、触摸传感器105H等。传感器模块105还可以包括控制电路,以用于控制包括在传感器模块105中的一个或多个传感器。
其中,加速度计105A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。加速度计105A还可以用于识别可穿戴设备100姿态,应用于横竖屏切换,计步器等应用。加速度计105A还可以用于用户的手势识别,例如识别用户是否抬腕。在一些实施例中,可穿戴设备100可以通过加速度计105A所采集的运动信息获取用户的睡眠状态,确定用户是否处于睡眠。
陀螺仪传感器105B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105B确定可穿戴设备100围绕三个轴(即,x,y和z轴)的角速度。加速度计105A以及陀螺仪传感器105B可以单独或者结合起来用于识别用户的运动,例如识别用户处于静止状态、轻微运动状态、中等强度运动状态或者高强度运动状态。
气压传感器105C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105C测得的气压值计算海拔高度,辅助定位和导航。
磁传感器105D包括霍尔传感器,或者磁力计等,可以用于确定用户位置。
生物信号传感器105E用于测量用户的生命体征信息,包括但不限于光电容积脉搏波传感器、心电图传感器、肌电图传感器、脑电图传感器、虹膜扫描传感器、指纹扫描传感器、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获取用户的光电容积信号,以计算用户的心率或者血氧饱和度等信息。例如可穿戴设备100可以通过心电图传感器获取用户心脏所产生的电活动变化。在一些实施例中,可穿戴设备100可以通过生物信号传感器105E采集的生命体征信息以及加速度计105A、陀螺仪传感器105B所采集的运动信息获取用户的睡眠状态,确定用户是否处于睡眠。
接近传感器105F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105F可以包括发光二极管和光检测器。可穿戴设备100使用光检测器检测是否被佩戴,当检测到充分的反射光时,可以确定可穿戴设备100被佩戴。
环境光传感器105G用于感知环境光亮度。在一些实施例中,可穿戴设备100可以根据感知的环境光亮度自适应调节显示屏103亮度,以降低功耗。在一些实施例中,环境光传感器105G还可以与接近传感器配合,检测可穿戴设备100是否在口袋里,以防误触。
触摸传感器105H,触摸传感器105H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105H可以设置于显示屏103,由触摸传感器105H与显示屏103组成触摸屏。
音频模块106、扬声器107以及麦克风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。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。其中麦克风108还可用于检测用户的呼气声来检测用户的呼吸频率。
马达109可以将电信号转换为机械振动,以产生振动效果。马达109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110包括开机键,音量键等。按键110可以是机械按键110(物理按钮)或者触摸式按键。按键110还可以是旋转输入按钮,处理器101可以基于用户对旋转输入按钮的旋转改变显示屏103上的用户界面。
指示器113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。指示器113可以是安装于可穿戴设备100壳体上的灯。
电池112用于为可穿戴设备100的各个部件提供电力。电源管理模块111用于电池112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111可以通过有线或者无线方式为可穿戴设备100充电。
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。
图2是本公开实施例提供的加速度计的三轴示意图。如图2所示,加速度计可以获取可穿戴设备关于X、Y、Z轴三个方向上的加速度数据。其中X轴可以是可穿戴设备被佩戴值用户手臂时与于用户手臂平行的轴；X轴可以是可穿戴设备被佩戴值用户手臂时与于用户手臂垂直的轴；Z轴是垂直于可穿戴设备显示屏表面的轴。当可穿戴设备发生移动或转动时，加速度计的X、Y、Z轴读数将会发生变化，并且在可穿戴设备转动时，加速度计的至少一个轴可能会与标准坐标系形成角度。
图3是本公开实施例提供的一种睡眠检测方法的流程图。该睡眠检测方法可应用于如图1所示的可穿戴设备。睡眠检测方法包括:
S301.获取加速度计采集的三轴加速度数据。其中,加速度计输出的三轴加速度数据通常为二进制数据,不同的加速度计具有不同的量程、分辨率(灵敏度)以及不同的采样频率。例如常见的加速度的量程包括±2g,±4g,±8g,±16g等等；加速度计的分辨率代表在设定好的量程范围下,加速度计可以感应到的最小输入加速度增量,一般通过数据转换精度来表示,常有8bit,12bit,14bit,16bit等；加速度计的采样频率是指单位时间内的采样个数,例如采样频率为25HZ的加速度计每秒采样25个点,采样频率为50HZ的加速度计每秒采样50个点。
为兼容不同的加速度计,可以将加速度计输出的二进制三轴加速度数据转换为实际的重力加速度数据。具体的,可以采用以下公式获取实际重力加速度数据。
在公式(一)中,G表示实际重力加速度值,V表示加速度计的某个轴的实际读数,C表示加速度计的最大读数,R表示加速度计的量程。以量程为±2g,分辨率为8bit的加速度计为例,该加速度计的最大读数为256,若某一采样点的某个轴的实际读数为64,那么该轴的加速度值为-1g；若实际读数为192,那么该轴的加速度值为1g。
S302.基于三轴加速度数据确定可穿戴设备的动量以及旋转特征。
具体的，本步骤包括：基于第一预设时长内的最大三轴加速度与最小三轴加速度之差确定可穿戴设备的动量。以加速度计的采样频率为50HZ，第一预设时长为1秒为例，获取1秒内50个采样点的三轴加速度值，以最大的三轴加速度值减去最小三轴加速度值来确定可穿戴设备的动量。
本步骤还包括：确定三轴加速度数据中相邻采样点的各轴加速度数据之差；对各轴加速度数据之差进行求和处理以获取求和结果；将第一预设时长内(1s)的求和结果大于0的次数作为旋转特征。
其中，相邻采样点的各轴加速度数据之差的求和结果可以采用如下公式计算：
A＝(Xn+1-Xn)+(Yn+1-Yn)+(Zn+1-Zn)……(公式二)
A表示各轴加速度数据之差的求和结果，Xn表示第n个采样点的X轴加速度值，Yn表示第n个采样点的Y轴加速度值，Zn表示第n个采样点的X轴加速度值。
基于上述公式(二)，可以计算第一预设时长内所有相邻采样点的求和结果，并将第一预设时长内的求和结果大于0的次数作为旋转特征。具体的，可以采用一旋转特征计数器，当各轴加速度数据之差的求和结果后，判断该求和结果是否大于0，若大于0则将旋转特征计数器的值加1。
S303.根据动量以及旋转特征进行活动等级分级。
具体的，可以预先定义动量、旋转特征以及活动等级分级的对照表，然后根据计算得到的动量以及旋转特征，通过查找表的方式来确定活动等级分级。其中，较低的活动等级表示用于用户活动强度较低或未活动，较高的活动等级表示用户活动较为剧烈。
S304.响应于活动等级分级确定用户入睡或起床。具体的，用户入睡时活动等级会降低；用户起床时活动等级会提升，据此可以进行用户入睡以及起床的检测。本实施例在进行用户入睡或起床判断时引入旋转特征，通过用户在预设时长内的旋转情况对用户的活动进行分级，然后根据用户的活动进行入睡或起床判断。能够避免将用户睡前存在微小活动(例如玩手机，看书等)的时间段误识别为用户入睡，例如用户在睡前用手机看电影、看小说，手部并没有较大的动作，动量较轻微，通过引入旋转特征提升睡眠识别的精准性。
步骤S304包括根据活动等级分级确定用户是否入睡的流程，该流程如图4所示，包括：
S401，根据活动等级进行静止评分，并对第二预设时长内的静止评分进行累加，第二预设时长大于第一预设时长。以第一时长为1秒为例，第二预设时长可以选择30秒，60秒、90秒等，优选采用60秒(1分钟)。其中，高活动等级的静止评分小于低活动等级的静止评分，可以将较低的活动等级的静止评分设置为正值，将较高的活动等级的静止评分设置为负值，第二预设时长内的静止评分累加值也可以为正值、负值或者0。具体的，可以活动等级与静止评分的对照表，然后根据得到的活动等级通过查找表的方式来静止评分。
S402，响应于第二预设时长内的静止评分超过第一预设阈值则将入睡评分加1。其中，第一预设阈值可以采用大数据样本通过机器学习的方法确定。
S403，响应于第二预设时长内的静止评分小于或等于第一预设阈值则将入睡评分减1。
S404，当入睡评分大于等于第二预设阈值则确定入睡。其中，第二预设阈值可以采用大数据样本通过机器学习的方法确定。
在图4所示实施例中，第二预设时长内的静止评分表示用户在第二预设时长内的整体运动情况，第二预设时长内的静止评分超过第一预设阈值则将入睡评分加1，第二预设时长内的静止评分超过第一预设阈值则将入睡评分减1，当入睡评分大于等于第二预设阈值则确定入睡。在入睡评分大于等于第二预设阈值时，说明用户在较长时间内的整体活动等级较低，可以识别为用户已入睡，从而，对于用户睡前在静止和微小活动之间不断的切换的场景，能够过滤用户入睡前的一些微小动作对入睡判断的影响，提升睡眠识别率。
在确定用户入睡后，还可以确定入睡的时间点。具体的，响应于活动等级分级确定用户入睡或起床，之后包括：响应于确定用户入睡，向前查找入睡评分首次等于0的时间点作为入睡时间。具体的，例如第二预设时长为1分钟，入睡评分每分钟输出1次结果，用户在第时间22:41-22:50内的入睡评分为(-3,-2，0，1,2,4,0，3,5，6)，第二预设阈值为6；那么时间22:50的入睡评分为6，等于第二预设阈值，确定用户入睡；然后基于22:50的入睡评分向前查找，找到时间22:47的入睡评分为0，那么则将用户入睡的时间点确定为时间22:47。由于在判断用户是否入睡时，是通过较长时间内的活动等级来进行确定，而不能真正确定用户的入睡时间点，采用向前查找入睡评分的方式能够准确确定用户的入睡时间点，能够提升睡眠识别率。
步骤S304包括根据活动等级分级确定用户是否起床的流程，该流程如图5所示，包括：
S501,响应于用户处于睡眠状态，获取用户的起床评分值，若第三预设时长内的活动等级超过第三预设阈值则将起床评分加1，若第三预设时长内的活动等级小于或等于第三预设阈值则将起床评分减1。其中，第三预设时长大于第一预设时长，以第一时长为1秒为例，第二预设时长可以选择30秒，60秒、90秒等，优选采用60秒(1分钟)。
S502,响应于起床评分大于等于第四预设阈值则确定起床。第三预设阈值以及第四预设阈值可以采用大数据样本通过机器学习的方法确定。
在本实施例中，在用户处于睡眠状态时(用户的睡眠状态可以通过如图3和图4的流程确定)，通过获取用户在第三预设时长的活动等级，若第三预设时长内的活动等级超过第三预设阈值则将起床评分加1，若第三预设时长内的活动等级小于或等于第三预设阈值则将起床评分减1，当起床评分大于等于第四预设阈值则确定起床。在起床过程中，由于用户起床时通常动作变化较大，因此无需采用类似于在入睡识别过程中采用的静止评分方式，而是直接采用用户的活动等级的累加值来确定用户是否起床，能够减少可穿戴设备的计算量，有利于降低可穿戴设备的功耗。
在确定用户入睡后，还可以确定入睡的时间点。具体的，响应于活动等级分级确定用户入睡或起床，之后包括：响应于确定用户起床，向前查找起床评分首次等于0的时间点作为起床时间。具体的，例如第三预设时长为1分钟，起床评分每分钟输出1次结果，用户在第时间7:41-7:50内的起床评分为(-2,-2，0，3,2,1,0，3,5，6)，第四预设阈值为6；那么时间7:50的起床评分为6，等于第四预设阈值，确定用户起床；然后基于7:50的入睡评分向前查找，找到时间7:47的入睡评分为0，那么则将用户起床的时间点确定为时间7:47。由于在判断用户是否起床时，是通过较长时间内的活动等级来进行确定，而不能真正确定用户的起床时间点，采用向前查找起床评分的方式能够准确确定用户的起床间点，能够提升睡眠过程的识别率。
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。
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指令。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,程序代码用于使可穿戴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3至图5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)。
以上仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。

Claims (9)

1.一种睡眠检测方法,应用于可穿戴设备，其特征在于,方法包括:
获取加速度计采集的三轴加速度数据；
基于所述三轴加速度数据确定所述可穿戴设备的动量以及旋转特征；
根据所述动量以及所述旋转特征进行活动等级分级；
响应于所述活动等级分级确定用户入睡或起床。
2.根据权利要求1所述的睡眠检测方法，其特征在于，基于所述三轴加速度数据确定所述可穿戴设备的动量以及旋转特征，包括：
确定所述三轴加速度数据中相邻采样点的各轴加速度数据之差；
对所述各轴加速度数据之差进行求和处理以获取求和结果；
将第一预设时长内的所述求和结果大于0的次数作为所述旋转特征。
3.根据权利要求2所述的睡眠检测方法，其特征在于，基于所述三轴加速度数据确定所述可穿戴设备的动量以及旋转角度，包括：
基于第一预设时长内的最大三轴加速度与最小三轴加速度之差确定所述可穿戴设备的动量。
4.根据权利要求3所述的睡眠检测方法，其特征在于，响应于所述活动等级分级确定用户入睡或起床，包括：
根据所述活动等级进行静止评分，并对第二预设时长内的静止评分进行累加，所述第二预设时长大于所述第一预设时长；
响应于第二预设时长内的静止评分超过第一预设阈值则将入睡评分加1；
响应于第二预设时长内的静止评分小于或等于第一预设阈值则将入睡评分减1；
当入睡评分大于等于第二预设阈值则确定入睡。
5.根据权利要求4所述的睡眠检测方法，其特征在于，响应于所述活动等级分级确定用户入睡或起床，之后包括：
响应于确定用户入睡，向前查找入睡评分首次等于0的时间点作为入睡时间。
6.根据权利要求3所述的睡眠检测方法，其特征在于，响应于所述活动等级分级确定用户入睡或起床，包括：
响应于用户处于睡眠状态，获取用户的起床评分值，若第三预设时长内的活动等级超过第三预设阈值则将起床评分加1，若第三预设时长内的活动等级小于或等于第三预设阈值则将起床评分减1，所述第三预设时长大于所述第一预设时长；
响应于起床评分大于等于第四预设阈值则确定起床。
7.根据权利要求6所述的睡眠检测方法，其特征在于，响应于所述活动等级分级确定用户入睡或起床，之后包括：
响应于确定用户起床，向前查找起床评分首次等于0的时间点作为起床时间。
8.一种可穿戴设备,其特征在于,包括处理器、存储器以及加速度计,所述加速度计和所述存储器通过总线与所述处理器连接,其中,
所述存储器,用于存储所述处理器执行的程序代码；
所述处理器,用于调用所述存储器存储的程序代码,并执行如权利要求1至7任意一项所述的方法。
9.一种可读存储介质,其特征在于,所述可读存储介质上存储有指令,当所述指令在可穿戴设备上执行时使所述可穿戴设备执行如权利要求1至7任意一项所述的方法。
CN202311314053.6A 2023-10-11 2023-10-11 一种睡眠检测方法、可穿戴设备及可读介质 Pending CN117462081A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311314053.6A CN117462081A (zh) 2023-10-11 2023-10-11 一种睡眠检测方法、可穿戴设备及可读介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311314053.6A CN117462081A (zh) 2023-10-11 2023-10-11 一种睡眠检测方法、可穿戴设备及可读介质

Publications (1)

Publication Number Publication Date
CN117462081A true CN117462081A (zh) 2024-01-30

Family

ID=89626624

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311314053.6A Pending CN117462081A (zh) 2023-10-11 2023-10-11 一种睡眠检测方法、可穿戴设备及可读介质

Country Status (1)

Country Link
CN (1) CN117462081A (zh)

Similar Documents

Publication Publication Date Title
US10609207B2 (en) Sending smart alerts on a device at opportune moments using sensors
US20240126504A1 (en) Voice assistant for wireless earpieces
US11200026B2 (en) Wireless earpiece with a passive virtual assistant
US10313779B2 (en) Voice assistant system for wireless earpieces
US9641991B2 (en) Systems and methods for determining a user context by correlating acceleration data from multiple devices
EP3162284B1 (en) Communication method and apparatus for wearable device
US8751194B2 (en) Power consumption management of display in portable device based on prediction of user input
US8768648B2 (en) Selection of display power mode based on sensor data
US8781791B2 (en) Touchscreen with dynamically-defined areas having different scanning modes
US10694286B2 (en) Systems and methods of reducing acoustic noise
KR20180047654A (ko) 사용자 활동 인식 방법 및 이를 구현한 전자 장치
US9620000B2 (en) Wearable system and method for balancing recognition accuracy and power consumption
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
WO2014068175A1 (en) Method and apparatus for determining biometrics utilizing 3-dimensional sensor data
US11059438B2 (en) Vehicle on-boarding recognition method and electronic device implementing same
KR20180137915A (ko) 모션 센서로부터 획득된 데이터를 이용하여 기압 센서의 데이터를 결정하는 방법 및 이를 구현한 전자 장치
CN117037657A (zh) 一种显示控制方法、智能手表及可读介质
CN114532992B (zh) 小睡状态检测方法、装置、系统及计算机可读存储介质
CN117462081A (zh) 一种睡眠检测方法、可穿戴设备及可读介质
KR20170055884A (ko) 생체 신호를 이용하여 전자 장치의 기능을 수행하는 방법 및 그를 위한 전자 장치
CN117503051A (zh) 一种睡眠检测方法、可穿戴设备及可读介质
CN114209298A (zh) 一种ppg传感器控制方法、装置及电子设备
CN117451074A (zh) 一种计步方法、可穿戴设备及可读存储介质
CN112506337B (zh) 操作请求处理方法、装置、计算机设备和存储介质
CN116483304A (zh) 一种显示控制方法、腕部穿戴设备及可读介质

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