CN105640508A - 实时睡眠监测方法及装置、智能可穿戴设备 - Google Patents

Abstract

本公开提供了实时睡眠监测方法及装置、智能可穿戴设备，其中，所述方法包括：采集用户日常活动时的至少包括活动量和步数的生理特征数据值，所述活动量用于表征所述用户活动时的剧烈程度，所述步数用于表征所述用户进行周期性活动的次数；对所述生理特征数据值进行分析，确定包括所述用户的睡眠起始点和/或睡眠终止点的实时睡眠监测结果。本公开可以实时确定出包括用户的睡眠起始点和/或睡眠终止点的实时睡眠监测结果，实时性好，准确度高，提升了用户体验。

Description

实时睡眠监测方法及装置、智能可穿戴设备

技术领域

本公开涉及通信领域，尤其涉及实时睡眠监测方法及装置、智能可穿戴设备。

背景技术

相关技术中，智能可穿戴设备在采集到用户日常活动时的一些生理特征数据值后，需要对该数据值进行后期的分析处理才可以确定出所述用户的睡眠起始点和睡眠终止点，无法做到实时性，降低了用户体验。

发明内容

有鉴于此，本公开提供了实时睡眠监测方法及装置、智能可穿戴设备，以解决相关技术中的不足。

根据本公开实施例的第一方面，提供一种实时睡眠监测方法，用于智能可穿戴设备，所述方法包括：

采集用户日常活动时的至少包括活动量和步数的生理特征数据值，所述活动量用于表征所述用户活动时的剧烈程度，所述步数用于表征所述用户进行周期性活动的次数；

对所述生理特征数据值进行分析，确定包括所述用户的睡眠起始点和/或睡眠终止点的实时睡眠监测结果。

根据本公开实施例的第二方面，提供一种实时睡眠监测装置，用于智能可穿戴设备，所述装置包括：

数据采集模块，用于采集用户日常活动时的至少包括活动量和步数的生理特征数据值，所述活动量用于表征所述用户活动时的剧烈程度，所述步数用于表征所述用户进行周期性活动的次数；

实时睡眠监测结果分析模块，用于对所述生理特征数据值进行分析，确定包括所述用户的睡眠起始点和/或睡眠终止点的实时睡眠监测结果。

根据本公开实施例的第三方面，提供一种智能可穿戴设备，包括：

处理器；

用于存储处理器可执行指令的存储器；

其中，所述处理器被配置为：

采集用户日常活动时的至少包括活动量和步数的生理特征数据值，所述活动量用于表征所述用户活动时的剧烈程度，所述步数用于表征所述用户进行周期性活动的次数；

对所述生理特征数据值进行分析，确定包括所述用户的睡眠起始点和/或睡眠终止点的实时睡眠监测结果。

由以上技术方案可见，智能可穿戴设备在采集到用户日常活动时的生理特征数据值之后，直接对所述生理特征数据值进行分析，从而可以实时确定出包括所述用户的睡眠起始点和/或睡眠终止点的实时睡眠监测结果，实时性好，准确度高，提升了用户体验。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。

图1是本公开根据一示例性实施例示出的一种实时睡眠监测方法流程图；

图2是本公开根据一示例性实施例示出的一种实时睡眠监测中的场景示意图；

图3是本公开根据一示例性实施例示出的另一种实时睡眠监测方法流程图；

图4是本公开根据一示例性实施例示出的另一种实时睡眠监测中的场景示意图；

图5A至5C是本公开根据一示例性实施例示出的实时睡眠监测中的场景示意图；

图6A至6C是本公开根据一示例性实施例示出的实时睡眠监测中的场景示意图；

图7是本公开根据一示例性实施例示出的另一种实时睡眠监测中的场景示意图；

图8是本公开根据一示例性实施例示出的另一种实时睡眠监测中的场景示意图；

图9是本公开根据一示例性实施例示出的另一种实时睡眠监测方法流程图；

图10是本公开根据一示例性实施例示出的一种实时睡眠监测装置框图；

图11是本公开根据一示例性实施例示出的另一种实时睡眠监测装置框图；

图12是本公开根据一示例性实施例示出的一种用于实时睡眠监测的智能可穿戴设备的一结构示意图。

具体实施方式

这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。

在本公开使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本公开。在本公开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。还应当理解，本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。

应当理解，尽管在本公开可能采用术语第一、第二、第三等来描述各种信息，但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如，在不脱离本公开范围的情况下，第一信息也可以被称为第二信息，类似地，第二信息也可以被称为第一信息。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”。

如图1所示，图1是根据一示例性实施例示出的一种实时睡眠监测方法，包括以下步骤：

在步骤101中，采集用户日常活动时的至少包括活动量和步数的生理特征数据值。

本公开实施例中提供的方法可以用于智能可穿戴设备，包括但不限于智能手环、智能手表、智能手镯、智能戒指、智能项链、智能脚链，智能皮带等。

在本步骤中，可选地，智能可穿戴设备可以通过加速度传感器、陀螺仪传感器或磁感应传感器中的至少一个测量所述用户日常活动时的数据，进而按照相关技术计算得到所述生理特征数据值。其中，所述生理特征数据值至少可以包括活动量和步数，所述活动量用于表征所述用户活动时的剧烈程度，所述步数用于表征所述用户进行周期性活动的次数。

以三轴加速度传感器为例说明上述获取所述生理特征数据值的过程。如图2所示，预先安装在所述智能可穿戴设备上的所述三轴加速度传感器实时采集用户日常活动时分别在x、y、z三个轴上产生的加速度数据，从而按照相关技术计算得到所述用户的所述活动量和所述步数。

本公开实施例中，为了实时监控所述用户的睡眠状态，可以将与多个预设时间段对应的所述生理特征数据值缓存在所述智能可穿戴设备中。可选地，所述预设时间段可以以分钟为单位。

在步骤102中，对所述生理特征数据值进行分析，确定包括所述用户的睡眠起始点和/或睡眠终止点的实时睡眠监测结果。

本步骤中，在计算得到与多个预设时间段对应的所述生理特征数据值之后，可以通过对所述生理特征数据值进行分析来实时确定包括了所述用户的所述睡眠起始点和/或所述睡眠终止点的所述实时睡眠监测结果。可选地，步骤102如图3所示，可以包括以下步骤：

在步骤102-1中，根据与每个所述预设时间段对应的所述生理特征数据值，确定每个所述预设时间段所属的状态区间。

本步骤中，在确定所述状态区间之前，为了准确判断出所述用户的所述睡眠起始点和所述睡眠终止点，可以滤除所述用户的一些微小动作所产生的所述生理特征数据值。分别判断与每个所述预设时间段对应的所述生理特征数据值是否低于预设阈值，即判断与每个所述预设时间段对应的所述活动量或所述步数是否低于预设阈值，如图4所示，可以采用滑动窗口滤波的方式将低于预设阈值的所述生理特征数据值置零。

进一步地，对滤波后的多个所述生理特征数据值进行状态分割，从而确定每个所述预设时间段所属的状态区间，所述状态区间可以包括表征睡眠状态的睡眠区间、表征清醒状态的间隔区间和断点。

本公开实施例中，将所述活动量和所述步数均为零的所述预设时间段所属的状态区间确定为所述睡眠区间，如图5A所示。将所述活动量不为零并且所述步数为零的所述预设时间段所属的状态区间确定为所述间隔区间，如图5B所示。将所述活动量和所述步数均不为零的所述预设时间段所属的状态区间确定为所述断点，如图5C所示。

通常情况下，所述智能可穿戴设备缓存的多个预设时间段的所述生理特征数据值会对应上述三种情况，即多个所述预设时间段所属的状态区间由上述三个状态区间组成。

在步骤102-2中，在所述状态区间中筛选出目标睡眠区间和目标间隔区间。

在确定每个所述预设时间段所属的所述状态区间之后，所述状态区间可能有长有短，需要剔除过短的所述状态区间，避免碎片化，从而确保后续实时睡眠监测结果的准确性。本步骤中，可以通过判断是否需要对相邻的所述睡眠区间和所述间隔区间进行合并，从而根据合并结果筛选出目标睡眠区间和目标间隔区间。

在判断是否需要进行合并时，可以有以下三种情况：

第一种情况，所述间隔区间的间隔长度大于第一预设阈值。

其中，所述第一预设阈值为最短间隔时长，单位可以为分钟。如果用于表征所述用户处于清醒状态的所述间隔区间的间隔长度超过所述第一预设阈值，说明所述用户清醒的时间很长，此时可以保留所述间隔区间和所述睡眠区间，不对两个区间进行合并，如图6A所示。

第二种情况，所述间隔区间的间隔长度小于第一预设阈值且所述睡眠区间的睡眠长度大于第二预设阈值。

所述第一预设阈值为最短间隔时长，所述第二预设阈值为最短睡眠时长，单位均可以为分钟。如果用于表征所述用户处于清醒状态的所述间隔区间的所述间隔时长小于所述第一预设阈值且用于表征所述用户处于睡眠状态的所述睡眠区间的所述睡眠长度大于所述第二预设阈值，说明此时所述用户清醒的时间较短，大部分时间处于睡眠状态，因此，可以对相邻的所述间隔区间和所述睡眠区间进行第一合并，合并为所述睡眠区间，如图6B所示。

第三种情况，所述间隔长度大于所述睡眠长度，且所述间隔长度与所述睡眠长度之间的差值超过第三预设阈值。

所述第三阈值为最短长度差值，单位为分钟。如果所述间隔区间相对所述睡眠区间较长，说明所述用户睡眠时间较短，大部分时间处于清醒状态，因此，可以对相邻的所述间隔区间和所述睡眠区间进行第二合并，合并为所述间隔区间，如图6C所示。

通过上述方式判断是否需要对相邻的所述间隔区间和所述睡眠区间进行合并，并在需要合并时执行合并，此时可以得到所述目标间隔区间和所述目标睡眠区间。本公开实施例中，还需要记录断点的位置，以便后续与所述目标间隔区间和所述目标睡眠区间一起确定所述实时睡眠监测结果。

在步骤102-3中，根据所述目标睡眠区间、所述目标间隔区间和所述断点确定包括所述用户的睡眠起始点和/或睡眠终止点的实时睡眠监测结果。

在确定了每个所述预设时间段所属的所述状态区间后，可以记录下所述用户相应的状态——睡眠或清醒。当前状态区间如果是所述目标睡眠区间，则确定所述用户处于睡眠状态，当前状态区间如果是所述目标间隔区间，则确定所述用户处于清醒状态。本公开实施例中，可以用状态机来表示所述用户状态的变化，如图7所示，相应的情况如下：

第一种情况，多个所述预设时间段所属的状态区间均为所述目标间隔区间，则可以确定所述用户在多个所述预设时间段内均处于所述清醒状态。

同样地，如果多个所述预设时间段所属的状态区间均为所述目标睡眠区间，可以确定所述用户在多个所述预设时间段内均处于所述睡眠状态。

第二种情况，多个所述目标间隔区间和所述目标睡眠区间相邻，且所述目标睡眠区间的起点处包括第一断点。

如果相邻的多个所述预设时间段所属的所述状态区间中只有最后一个所述状态区间是所述目标睡眠区间，其他所述状态区间均为所述目标间隔区间，且所述目标睡眠区间的起点处包括所述第一断点，可以说明用户从所述清醒状态转入到所述睡眠状态，那么所述第一断点处就对应所述用户的所述睡眠起始点，如图8所示。

第三种情况，多个所述目标睡眠区间和所述目标间隔区间相邻，且所述目标间隔区间的起点处包括第二断点。

如果相邻的多个所述预设时间段所属的所述状态区间中只有最后一个所述状态区间是所述目标间隔区间，其他所述状态区间均为所述目标睡眠区间，且所述目标间隔区间的起点处包括所述第二断点，可以说明用户从所述睡眠状态转入到所述清醒状态，那么所述第二断点处就对应所述用户的所述睡眠终止点，同样如图8所示。

在本公开实施例中，通过上述过程确定了所述用户的所述睡眠起始点和所述睡眠终止点，不需要后期对所述智能可穿戴设备的数据进行分析，对于所述睡眠终止点可以实时监测到，没有时延具有非常好的实时性，对于所述睡眠起始点也基本可以准确判断，可用性高，用户体验好。

除了可以确定所述睡眠起始点和所述睡眠终止点外，所述实时睡眠监测结果还可以包括所述用户在睡眠过程中的起夜点，如下：

第四种情况，多个相邻的所述目标睡眠区间中包括第三断点。

如果多个所述目标睡眠区间相邻，说明所述用户一直处于睡眠状态，但是如果其中出现所述第三断点，说明所述用户在睡眠过程中出现起夜的情况，所述第三断点即为所述起夜点。

在确定了上述实时睡眠监测结果之后，可选地，上述实时睡眠监测方法如图9所示，还可以包括：

在步骤103中，发送所述实时睡眠监测结果到智能电子设备，以使所述智能电子设备根据所述实时睡眠监测结果执行相应操作。

本步骤中，所述智能电子设备可以是智能手机、智能电脑、或者智能家居中的任意智能电子设备等。

所述智能可穿戴设备在确定了所述实时睡眠监测结果后，可以通过相关技术将所述实时睡眠监测结果发送到预先绑定的所述智能电子设备，以使所述智能电子设备执行相应操作。

例如，所述智能可穿戴设备在获取到所述用户的所述睡眠起始点之后发送到与所述智能可穿戴设备绑定的路由器上，由所述路由器转发所述睡眠起始点给智能家居中的智能灯，所述智能灯获取到所述睡眠起始点之后，自动执行关闭操作，避免影响所述用户休息。

应当注意地是，本公开实施例中均是针对所述用户已经佩戴所述智能可穿戴设备的情况进行的实时睡眠监测。实际应用中，所述智能可穿戴设备可以自动检测当前是否有用户佩戴所述智能可穿戴设备，在所述用户佩戴所述智能可穿戴设备的情况下，自动记录与每个所述预设时间段对应的所述用户的所述生理特征数据值，从而获取所述睡眠起始点和/或所述睡眠终止点。对于所述睡眠终止点可以实时监测到，没有时延具有非常好的实时性，对于所述睡眠起始点也基本可以准确判断，可用性高，用户体验好。

与前述方法实施例相对应，本公开还提供了装置的实施例。

如图10所示，图10是本公开根据一示例性实施例示出的一种实时睡眠监测装置框图，包括：数据采集模块210和实时睡眠监测结果分析模块220。

其中，所述数据采集模块210，用于采集用户日常活动时的至少包括活动量和步数的生理特征数据值，所述活动量用于表征所述用户活动时的剧烈程度，所述步数用于表征所述用户进行周期性活动的次数；

所述实时睡眠监测结果分析模块220，用于对所述生理特征数据值进行分析，确定包括所述用户的睡眠起始点和/或睡眠终止点的实时睡眠监测结果。

可选地，所述数据采集模块210包括：计算子模块211。

其中，所述计算子模块211，用于通过预先安装的加速度传感器、陀螺仪传感器或磁感应传感器中的至少一个实时测量所述用户日常活动时的数据，计算得到与每个预设时间段对应的所述生理特征数据值。

可选地，所述实时睡眠监测结果分析模块220包括：第一确定子模块221、筛选子模块222和第二确定子模块223。

其中，所述第一确定子模块221，用于根据与每个所述预设时间段对应的所述生理特征数据值，确定每个所述预设时间段所属的状态区间，所述状态区间包括表征睡眠状态的睡眠区间、表征清醒状态的间隔区间和断点；

所述筛选子模块222，用于在所述状态区间中筛选出目标睡眠区间和目标间隔区间；

所述第二确定子模块223，用于根据所述目标睡眠区间、所述目标间隔区间和所述断点确定包括所述用户的睡眠起始点和/或睡眠终止点的实时睡眠监测结果。

可选地，所述第一确定子模块221包括：第一判断单元2211和第一确定单元2212。

其中，所述第一判断单元2211，用于分别判断与每个所述预设时间段对应的所述生理特征数据值是否低于预设阈值；

所述第一确定单元2212，用于如果所述预设时间段中的第一预设时间段对应的第一生理特征数据值低于预设阈值，将所述第一生理特征数据值置零之后，确定每个所述预设时间段所属的状态区间。

可选地，所述第一确定子模块221包括：第二确定单元2213、第三确定单元2214和第四确定单元2215。

其中，所述第二确定单元2213，用于将所述活动量和所述步数均为零的所述预设时间段所属的状态区间确定为所述睡眠区间；

所述第三确定单元2214，用于将所述活动量不为零并且所述步数为零的所述预设时间段所属的状态区间确定为所述间隔区间；

所述第四确定单元2215，用于将所述活动量和所述步数均不为零的所述预设时间段所属的状态区间确定为所述断点。

可选地，所述筛选子模块222包括：第二判断单元2221和合并单元2222。

其中，所述第二判断单元2221，用于判断是否需要对相邻的所述睡眠区间和所述间隔区间进行合并；

所述合并单元2222，用于如果需要进行合并，对相邻的所述睡眠区间和所述间隔区间进行合并后，得到所述目标睡眠区间和所述目标间隔区间。

可选地，所述第二判断单元2221包括：第一确定子单元310和第二确定子单元320。

其中，所述第一确定子单元310，用于如果所述间隔区间的间隔长度小于第一预设阈值且所述睡眠区间的睡眠长度大于第二预设阈值，确定需要对相邻的所述间隔区间和所述睡眠区间进行第一合并；

所述第二确定子单元320，用于如果所述间隔长度大于所述睡眠长度，且所述间隔长度与所述睡眠长度之间的差值超过第三预设阈值，确定需要对相邻的所述间隔区间和所述睡眠区间进行第二合并。

可选地，所述合并单元2222包括：第一合并子单元330和第二合并子单元340。

其中，所述第一合并子单元330，用于如果需要进行所述第一合并，将相邻的所述间隔区间和所述睡眠区间合并为所述睡眠区间；

所述第二合并子单元340，用于如果需要进行所述第二合并，将相邻的所述间隔区间和所述睡眠区间合并为所述间隔区间。

可选地，所述第二确定子模块223包括：第五确定单元2231和第六确定单元2232。

其中，所述第五确定单元2231，用于如果多个所述目标间隔区间和所述目标睡眠区间相邻，且所述目标睡眠区间的起点处包括第一断点，将所述第一断点对应的时间点确定为所述用户的所述睡眠起始点；

所述第六确定单元2232，用于如果多个所述目标睡眠区间和所述目标间隔区间相邻，且所述目标间隔区间的起点处包括第二断点，将所述第二断点对应的时间点确定为所述用户的所述睡眠终止点。

如图11所示，图11是本公开根据一示例性实施例示出的另一种实时睡眠监测装置框图，该实施例在前述图10所示实施例的基础上，所述装置还包括：发送模块230。

其中，所述发送模块230，用于发送所述实时睡眠监测结果到智能电子设备，以使所述智能电子设备根据所述实时睡眠监测结果执行相应操作。

上述实施例中，智能可穿戴设备在采集到用户日常活动时的生理特征数据值之后，直接对所述生理特征数据值进行分析，从而可以实时的确定出包括所述用户的睡眠起始点和/或睡眠终止点的实时睡眠监测结果，实时性好，准确度高，提升了用户体验。

本公开还提出了图12所示的根据本申请的一示例性实施例的智能可穿戴设备的示意结构图。如图12所示，在硬件层面，该智能可穿戴设备包括处理器、内部总线、网络接口、内存以及非易失性存储器，当然还可能包括其他业务所需要的硬件。处理器从非易失性存储器中读取对应的计算机程序到内存中然后运行，在逻辑层面上形成实时睡眠监测装置。当然，除了软件实现方式之外，本申请并不排除其他实现方式，比如逻辑器件抑或软硬件结合的方式等等，也就是说以下处理流程的执行主体并不限定于各个逻辑单元，也可以是硬件或逻辑器件。

本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本申请的其它实施方案。本申请旨在涵盖本申请的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本申请的一般性原理并包括本申请未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本申请的真正范围和精神由下面的权利要求指出。

还需要说明的是，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、商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、商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，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。

以上所述仅为本公开的较佳实施例而已，并不用以限制本公开，凡在本公开的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本公开保护的范围之内。

Claims (21)

1.一种实时睡眠监测方法，用于智能可穿戴设备，其特征在于，所述方法包括：

采集用户日常活动时的至少包括活动量和步数的生理特征数据值，所述活动量用于表征所述用户活动时的剧烈程度，所述步数用于表征所述用户进行周期性活动的次数；

对所述生理特征数据值进行分析，确定包括所述用户的睡眠起始点和/或睡眠终止点的实时睡眠监测结果。

2.根据权利要求1所述的方法，其特征在于，所述采集用户日常活动时的至少包括活动量和步数的生理特征数据值，包括：

通过加速度传感器、陀螺仪传感器或磁感应传感器中的至少一个实时测量所述用户日常活动时的数据，计算得到与每个预设时间段对应的所述生理特征数据值。

3.根据权利要求2所述的方法，其特征在于，所述对所述生理特征数据值进行分析，确定包括所述用户的睡眠起始点和/或睡眠终止点的实时睡眠监测结果，包括：

根据与每个所述预设时间段对应的所述生理特征数据值，确定每个所述预设时间段所属的状态区间，所述状态区间包括表征睡眠状态的睡眠区间、表征清醒状态的间隔区间和断点；

在所述状态区间中筛选出目标睡眠区间和目标间隔区间；

根据所述目标睡眠区间、所述目标间隔区间和所述断点确定包括所述用户的睡眠起始点和/或睡眠终止点的所述实时睡眠监测结果。

4.根据权利要求3所述的方法，其特征在于，所述根据每个预设时间段对应的所述生理特征数据值，确定每个所述预设时间段所属的状态区间，包括：

分别判断与每个所述预设时间段对应的所述生理特征数据值是否低于预设阈值；

如果所述预设时间段中的第一预设时间段对应的第一生理特征数据值低于预设阈值，将所述第一生理特征数据值置零之后，确定每个所述预设时间段所属的状态区间。

5.根据权利要求3所述的方法，其特征在于，所述根据每个预设时间段对应的所述生理特征数据值，确定每个所述预设时间段所属的状态区间，包括：

将所述活动量和所述步数均为零的所述预设时间段所属的状态区间确定为所述睡眠区间；

将所述活动量不为零并且所述步数为零的所述预设时间段所属的状态区间确定为所述间隔区间；

将所述活动量和所述步数均不为零的所述预设时间段所属的状态区间确定为所述断点。

6.根据权利要求5所述的方法，其特征在于，所述在所述状态区间中筛选出目标睡眠区间和目标间隔区间，包括：

判断是否需要对相邻的所述睡眠区间和所述间隔区间进行合并；

如果需要进行合并，对相邻的所述睡眠区间和所述间隔区间进行合并后，得到所述目标睡眠区间和所述目标间隔区间。

7.根据权利要求6所述的方法，其特征在于，所述判断是否需要对相邻的所述睡眠区间和所述间隔区间进行合并，包括：

如果所述间隔区间的间隔长度小于第一预设阈值且所述睡眠区间的睡眠长度大于第二预设阈值，确定需要对相邻的所述间隔区间和所述睡眠区间进行第一合并；

如果所述间隔长度大于所述睡眠长度，且所述间隔长度与所述睡眠长度之间的差值超过第三预设阈值，确定需要对相邻的所述间隔区间和所述睡眠区间进行第二合并。

8.根据权利要求7所述的方法，其特征在于，所述对相邻的所述睡眠区间和所述间隔区间进行合并，包括：

如果需要进行所述第一合并，将相邻的所述间隔区间和所述睡眠区间合并为所述睡眠区间；

如果需要进行所述第二合并，将相邻的所述间隔区间和所述睡眠区间合并为所述间隔区间。

9.根据权利要求3所述的方法，其特征在于，所述根据所述目标睡眠区间、所述目标间隔区间和所述断点确定包括所述用户的睡眠起始点和/或睡眠终止点的所述实时睡眠监测结果，包括：

如果多个所述目标间隔区间和所述目标睡眠区间相邻，且所述目标睡眠区间的起点处包括第一断点，将所述第一断点对应的时间点确定为所述用户的所述睡眠起始点；

如果多个所述目标睡眠区间和所述目标间隔区间相邻，且所述目标间隔区间的起点处包括第二断点，将所述第二断点对应的时间点确定为所述用户的所述睡眠终止点。

10.根据权利要求1-9任一项所述的方法，其特征在于，在所述确定包括所述用户的睡眠起始点和/或睡眠终止点的实时睡眠监测结果之后，所述方法还包括：

发送所述实时睡眠监测结果到智能电子设备，以使所述智能电子设备根据所述实时睡眠监测结果执行相应操作。

11.一种实时睡眠监测装置，用于智能可穿戴设备，其特征在于，所述装置包括：

数据采集模块，用于采集用户日常活动时的至少包括活动量和步数的生理特征数据值，所述活动量用于表征所述用户活动时的剧烈程度，所述步数用于表征所述用户进行周期性活动的次数；

实时睡眠监测结果分析模块，用于对所述生理特征数据值进行分析，确定包括所述用户的睡眠起始点和/或睡眠终止点的实时睡眠监测结果。

12.根据权利要求11所述的装置，其特征在于，所述数据采集模块包括：

计算子模块，用于通过加速度传感器、陀螺仪传感器或磁感应传感器中的至少一个实时测量所述用户日常活动时的数据，计算得到与每个预设时间段对应的所述生理特征数据值。

13.根据权利要求12所述的装置，其特征在于，所述实时睡眠监测结果分析模块包括：

第一确定子模块，用于根据与每个所述预设时间段对应的所述生理特征数据值，确定每个所述预设时间段所属的状态区间，所述状态区间包括表征睡眠状态的睡眠区间、表征清醒状态的间隔区间和断点；

筛选子模块，用于在所述状态区间中筛选出目标睡眠区间和目标间隔区间；

第二确定子模块，用于根据所述目标睡眠区间、所述目标间隔区间和所述断点确定包括所述用户的睡眠起始点和/或睡眠终止点的实时睡眠监测结果。

14.根据权利要求13所述的装置，其特征在于，所述第一确定子模块包括：

第一判断单元，用于分别判断与每个所述预设时间段对应的所述生理特征数据值是否低于预设阈值；

第一确定单元，用于如果所述预设时间段中的第一预设时间段对应的第一生理特征数据值低于预设阈值，将所述第一生理特征数据值置零之后，确定每个所述预设时间段所属的状态区间。

15.根据权利要求13所述的装置，其特征在于，所述第一确定子模块包括：

第二确定单元，用于将所述活动量和所述步数均为零的所述预设时间段所属的状态区间确定为所述睡眠区间；

第三确定单元，用于将所述活动量不为零并且所述步数为零的所述预设时间段所属的状态区间确定为所述间隔区间；

第四确定单元，用于将所述活动量和所述步数均不为零的所述预设时间段所属的状态区间确定为所述断点。

16.根据权利要求15所述的装置，其特征在于，所述筛选子模块包括：

第二判断单元，用于判断是否需要对相邻的所述睡眠区间和所述间隔区间进行合并；

合并单元，用于如果需要进行合并，对相邻的所述睡眠区间和所述间隔区间进行合并后，得到所述目标睡眠区间和所述目标间隔区间。

17.根据权利要求16所述的装置，其特征在于，所述第二判断单元包括：

第一确定子单元，用于如果所述间隔区间的间隔长度小于第一预设阈值且所述睡眠区间的睡眠长度大于第二预设阈值，确定需要对相邻的所述间隔区间和所述睡眠区间进行第一合并；

第二确定子单元，用于如果所述间隔长度大于所述睡眠长度，且所述间隔长度与所述睡眠长度之间的差值超过第三预设阈值，确定需要对相邻的所述间隔区间和所述睡眠区间进行第二合并。

18.根据权利要求17所述的装置，其特征在于，所述合并单元包括：

第一合并子单元，用于如果需要进行所述第一合并，将相邻的所述间隔区间和所述睡眠区间合并为所述睡眠区间；

第二合并子单元，用于如果需要进行所述第二合并，将相邻的所述间隔区间和所述睡眠区间合并为所述间隔区间。

19.根据权利要求13所述的装置，其特征在于，所述第二确定子模块包括：

第五确定单元，用于如果多个所述目标间隔区间和所述目标睡眠区间相邻，且所述目标睡眠区间的起点处包括第一断点，将所述第一断点对应的时间点确定为所述用户的所述睡眠起始点；

第六确定单元，用于如果多个所述目标睡眠区间和所述目标间隔区间相邻，且所述目标间隔区间的起点处包括第二断点，将所述第二断点对应的时间点确定为所述用户的所述睡眠终止点。

20.根据权利要求11-19任一项所述的装置，其特征在于，所述装置还包括：

发送模块，用于发送所述实时睡眠监测结果到智能电子设备，以使所述智能电子设备根据所述实时睡眠监测结果执行相应操作。

21.一种智能可穿戴设备，其特征在于，包括：

处理器；

用于存储处理器可执行指令的存储器；

其中，所述处理器被配置为：

采集用户日常活动时的至少包括活动量和步数的生理特征数据值，所述活动量用于表征所述用户活动时的剧烈程度，所述步数用于表征所述用户进行周期性活动的次数；

对所述生理特征数据值进行分析，确定包括所述用户的睡眠起始点和/或睡眠终止点的实时睡眠监测结果。