CN111897230A - 睡眠质量监控方法、装置、电器设备、存储介质及处理器 - Google Patents
睡眠质量监控方法、装置、电器设备、存储介质及处理器 Download PDFInfo
- Publication number
- CN111897230A CN111897230A CN202010657066.3A CN202010657066A CN111897230A CN 111897230 A CN111897230 A CN 111897230A CN 202010657066 A CN202010657066 A CN 202010657066A CN 111897230 A CN111897230 A CN 111897230A
- Authority
- CN
- China
- Prior art keywords
- sleep
- current
- user
- sleep state
- environment
- 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
- 238000012544 monitoring process Methods 0.000 title claims abstract description 76
- 238000000034 method Methods 0.000 title claims abstract description 65
- 230000003860 sleep quality Effects 0.000 title claims abstract description 65
- 230000007958 sleep Effects 0.000 claims abstract description 528
- 238000012806 monitoring device Methods 0.000 claims abstract description 9
- 230000009471 action Effects 0.000 claims description 61
- 206010041235 Snoring Diseases 0.000 claims description 57
- 230000007613 environmental effect Effects 0.000 claims description 42
- 230000007246 mechanism Effects 0.000 claims description 6
- 230000000241 respiratory effect Effects 0.000 claims description 4
- 230000000694 effects Effects 0.000 abstract description 3
- 208000037656 Respiratory Sounds Diseases 0.000 description 45
- 238000003062 neural network model Methods 0.000 description 24
- 230000008569 process Effects 0.000 description 20
- 238000005516 engineering process Methods 0.000 description 17
- 238000012549 training Methods 0.000 description 15
- 230000006870 function Effects 0.000 description 13
- 238000013528 artificial neural network Methods 0.000 description 11
- 238000012545 processing Methods 0.000 description 8
- 206010062519 Poor quality sleep Diseases 0.000 description 7
- 238000004378 air conditioning Methods 0.000 description 6
- 238000013135 deep learning Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 230000035876 healing Effects 0.000 description 5
- 238000012360 testing method Methods 0.000 description 5
- 238000010521 absorption reaction Methods 0.000 description 3
- 230000006855 networking Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 230000004630 mental health Effects 0.000 description 2
- 230000006996 mental state Effects 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000002618 waking effect Effects 0.000 description 2
- 208000035240 Disease Resistance Diseases 0.000 description 1
- 208000032140 Sleepiness Diseases 0.000 description 1
- 206010041349 Somnolence Diseases 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 230000036760 body temperature Effects 0.000 description 1
- 230000002490 cerebral effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000001054 cortical effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000517 effect on sleep Effects 0.000 description 1
- 230000008451 emotion Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 238000005057 refrigeration Methods 0.000 description 1
- 230000033764 rhythmic process Effects 0.000 description 1
- 208000019116 sleep disease Diseases 0.000 description 1
- 230000037321 sleepiness Effects 0.000 description 1
- 230000036578 sleeping time Effects 0.000 description 1
- 230000000087 stabilizing effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B15/00—Systems controlled by a computer
- G05B15/02—Systems controlled by a computer electric
-
- 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
-
- 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
- A61B5/48—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
- A61B5/72—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
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/20—Pc systems
- G05B2219/26—Pc applications
- G05B2219/2642—Domotique, domestic, home control, automation, smart house
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Veterinary Medicine (AREA)
- Public Health (AREA)
- Surgery (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physiology (AREA)
- Automation & Control Theory (AREA)
- Mathematical Physics (AREA)
- Evolutionary Computation (AREA)
- Fuzzy Systems (AREA)
- Manufacturing & Machinery (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Quality & Reliability (AREA)
- Psychiatry (AREA)
- Signal Processing (AREA)
- Anesthesiology (AREA)
- Dentistry (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本发明公开了一种睡眠质量监控方法、装置、电器设备、存储介质及处理器,该方法包括:在使用者睡眠的情况下,监测所述使用者的当前睡眠参数;根据所述当前睡眠参数,确定所述使用者的当前睡眠状态;以及,确定所述当前睡眠状态与设定的睡眠状态之间的关系;所述设定的睡眠状态,包括:第一睡眠状态或第二睡眠状态,所述第一睡眠状态下的入睡深度大于所述第二睡眠状态下的入睡深度;若所述当前睡眠状态为所述第二睡眠状态,则对所述当前睡眠状态的入睡深度进行辅助加深干预。本发明的方案,可以解决无法帮助用户提升睡眠质量的问题,达到能够帮助用户提升睡眠质量的效果。
Description
技术领域
本发明属于智能家居技术领域,具体涉及一种睡眠质量监控方法、装置、电器设备、存储介质及处理器,尤其涉及一种基于呼吸声或鼾声监测提高睡眠的空调智能调节方法、装置、电器设备、存储介质及处理器。
背景技术
随着时代的发展、以及人们生活节奏的加快,现代人把睡眠时间用在其他事情上,奔波劳碌的人们自身睡眠质量越来越差。“觉少、易醒、爱犯困”的睡眠现状,给人们平添不少烦恼,普遍存在睡得晚、睡得不规律和睡得少等这些问题,睡眠质量直接影响着人的身心健康、精神状态等。
而良好的睡眠是心理健康的基础,深睡眠使人的大脑皮层细胞处于充分休息状态,对稳定情绪、平衡心态、恢复精力极为重要。同时,良好的睡眠还可以使人体内产生许多抗体,增强抗病能力。因此,如何帮助用户提升睡眠质量,已成为亟待解决的问题。
上述内容仅用于辅助理解本发明的技术方案,并不代表承认上述内容是现有技术。
发明内容
本发明的目的在于,针对上述缺陷,提供一种睡眠质量监控方法、装置、电器设备、存储介质及处理器,以解决无法帮助用户提升睡眠质量的问题,达到能够帮助用户提升睡眠质量的效果。
本发明提供一种睡眠质量监控方法,包括:在使用者睡眠的情况下,监测所述使用者的当前睡眠参数;根据所述当前睡眠参数,确定所述使用者的当前睡眠状态;以及,确定所述当前睡眠状态与设定的睡眠状态之间的关系;所述设定的睡眠状态,包括:第一睡眠状态或第二睡眠状态,所述第一睡眠状态下的入睡深度大于所述第二睡眠状态下的入睡深度;若所述当前睡眠状态为所述第二睡眠状态,则对所述当前睡眠状态的入睡深度进行辅助加深干预。
可选地,所述当前睡眠参数,包括:呼吸声、鼾声、和/或睡觉动作;监测所述使用者的当前睡眠参数,包括:采用麦克风模块,采集所述使用者的呼吸声和/或鼾声;和/或,采用毫米波模块,采集所述使用者的睡觉动作;其中,所述麦克风模块、和/或所述毫米波模块,设置在所述使用者的睡眠环境中,和/或设置在所述使用者的睡眠环境中的电器设备上。
可选地,其中,所述确定所述使用者的当前睡眠状态,包括:根据设定睡眠参数与设定睡眠状态之间的对应关系,将该对应关系中与所述当前睡眠状态相同的设定睡眠参数所对应的设定睡眠状态,确定为所述使用者在所述当前睡眠参数下的当前睡眠状态;和/或,对所述当前睡眠状态的入睡深度进行辅助加深干预,包括:根据设定睡眠状态与设定睡眠音乐之间的对应关系,将该对应关系中与所述当前睡眠状态相同的设定睡眠状态所对应的设定睡眠音乐,确定为所述使用者在所述当前睡眠状态下所匹配的当前睡眠音乐;播放所述当前睡眠音乐,以利用所述当前睡眠音乐对所述当前睡眠状态的入睡深度进行辅助加深干预。
可选地,还包括:在确定所述当前睡眠状态的情况下,唤醒对所述使用者的睡眠环境的当前环境参数的获取机制,以获取所述使用者的睡眠环境的当前环境参数;根据所述当前睡眠状态,确定所述使用者的当前舒适睡眠环境参数;按所述当前舒适睡眠环境参数,对所述使用者的睡眠环境中的当前环境参数进行调节。
可选地,所述确定所述使用者的当前舒适睡眠环境参数,包括:根据设定睡眠状态与设定舒适睡眠环境参数之间的对应关系,将该对应关系中与所述当前睡眠状态相同的设定睡眠状态所对应的设定舒适睡眠环境参数,确定为所述使用者在所述当前睡眠状态下所匹配的当前舒适睡眠环境参数;其中,所述当前环境参数、所述设定环境参数、所述当前舒适睡眠环境参数中的环境参数,包括:温度和/或湿度。
与上述方法相匹配,本发明另一方面提供一种睡眠质量监控装置,包括:监测单元,用于在使用者睡眠的情况下,监测所述使用者的当前睡眠参数;确定单元,用于根据所述当前睡眠参数,确定所述使用者的当前睡眠状态;以及,所述确定单元,还用于确定所述当前睡眠状态与设定的睡眠状态之间的关系;所述设定的睡眠状态,包括:第一睡眠状态或第二睡眠状态,所述第一睡眠状态下的入睡深度大于所述第二睡眠状态下的入睡深度;控制单元,用于若所述当前睡眠状态为所述第二睡眠状态,则对所述当前睡眠状态的入睡深度进行辅助加深干预。
可选地,所述当前睡眠参数,包括:呼吸声、鼾声、和/或睡觉动作;所述监测单元监测所述使用者的当前睡眠参数,包括:采用麦克风模块,采集所述使用者的呼吸声和/或鼾声;和/或,采用毫米波模块,采集所述使用者的睡觉动作;其中,所述麦克风模块、和/或所述毫米波模块,设置在所述使用者的睡眠环境中,和/或设置在所述使用者的睡眠环境中的电器设备上。
可选地,其中,所述确定单元确定所述使用者的当前睡眠状态,包括:根据设定睡眠参数与设定睡眠状态之间的对应关系,将该对应关系中与所述当前睡眠状态相同的设定睡眠参数所对应的设定睡眠状态,确定为所述使用者在所述当前睡眠参数下的当前睡眠状态;和/或,所述控制单元对所述当前睡眠状态的入睡深度进行辅助加深干预,包括:根据设定睡眠状态与设定睡眠音乐之间的对应关系,将该对应关系中与所述当前睡眠状态相同的设定睡眠状态所对应的设定睡眠音乐,确定为所述使用者在所述当前睡眠状态下所匹配的当前睡眠音乐;播放所述当前睡眠音乐,以利用所述当前睡眠音乐对所述当前睡眠状态的入睡深度进行辅助加深干预。
可选地,还包括:所述监测单元,还用于在确定所述当前睡眠状态的情况下,唤醒对所述使用者的睡眠环境的当前环境参数的获取机制,以获取所述使用者的睡眠环境的当前环境参数;所述确定单元,还用于根据所述当前睡眠状态,确定所述使用者的当前舒适睡眠环境参数;所述控制单元,还用于按所述当前舒适睡眠环境参数,对所述使用者的睡眠环境中的当前环境参数进行调节。
可选地,所述确定单元确定所述使用者的当前舒适睡眠环境参数,包括:根据设定睡眠状态与设定舒适睡眠环境参数之间的对应关系,将该对应关系中与所述当前睡眠状态相同的设定睡眠状态所对应的设定舒适睡眠环境参数,确定为所述使用者在所述当前睡眠状态下所匹配的当前舒适睡眠环境参数;其中,所述当前环境参数、所述设定环境参数、所述当前舒适睡眠环境参数中的环境参数,包括:温度和/或湿度。
与上述装置相匹配,本发明再一方面提供一种电器设备,包括:以上所述的睡眠质量监控装置。
与上述方法相匹配,本发明再一方面提供一种存储介质,所述存储介质包括存储的程序,其中,在所述程序运行时控制所述存储介质所在设备执行以上所述的睡眠质量监控方法。
与上述方法相匹配,本发明再一方面提供一种处理器,所述处理器用于运行程序,其中,所述程序运行时执行以上所述的睡眠质量监控方法。
由此,本发明的方案,通过监测用户的睡眠呼吸声、鼾声、睡觉动作等睡眠参数,分析用户的睡眠情况,根据分析结果调整用户的睡眠环境,以通过改善用户的睡眠环境来帮助用户提升睡眠质量,解决无法帮助用户提升睡眠质量的问题,达到能够帮助用户提升睡眠质量的效果。
本发明的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。
下面通过附图和实施例,对本发明的技术方案做进一步的详细描述。
附图说明
图1为本发明的睡眠质量监控方法的一实施例的流程示意图;
图2为本发明的方法中对所述当前睡眠状态的入睡深度进行辅助加深干预的一实施例的流程示意图;
图3为本发明的方法中根据当前睡眠状态改善睡眠环境的一实施例的流程示意图;
图4为本发明的睡眠质量监控装置的一实施例的结构示意图;
图5为空调智能调节舒适的睡眠环境的一实施例的流程示意图;
图6为空调智能调节舒适的睡眠环境的另一实施例的流程示意图。
结合附图,本发明实施例中附图标记如下:
102-监测单元;104-确定单元;106-控制单元。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将结合本发明具体实施例及相应的附图对本发明技术方案进行清楚、完整地描述。显然,所描述的实施例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做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。
根据本发明的实施例,提供了一种睡眠质量监控方法,如图1所示本发明的方法的一实施例的流程示意图。该睡眠质量监控方法主要应用在智能家居等电器设备如空调上,空调的睡眠质量监控方法,可以包括:步骤S110至步骤S140。
在步骤S110处,在使用者睡眠的情况下即在用户睡眠的情况下,监测所述使用者的当前睡眠参数。例如:在用户处于睡觉状态时,采集用户的呼吸声、鼾声、翻身动作等睡眠参数。
可选地,所述当前睡眠参数,可以包括:呼吸声、鼾声、和/或睡觉动作。其中,所述睡觉动作,是使用者在睡眠时的动作情况。
可选地,步骤S110中监测所述使用者的当前睡眠参数,可以包括:采用麦克风模块,采集所述使用者的呼吸声和/或鼾声;和/或,采用毫米波模块,采集所述使用者的睡觉动作。
其中,所述麦克风模块、和/或所述毫米波模块,设置在所述使用者的睡眠环境中,和/或设置在所述使用者的睡眠环境中的电器设备上。
例如:空调配置麦克风,使用远场语音识别技术,麦克风通过远场语音识别技术监测用户的呼吸声和鼾声,如用麦克风采集呼吸声、鼾声;结合毫米波技术监测用户的睡眠动作,如用毫米波监测睡觉动作。
例如:用户开启空调睡觉。空调麦克风、毫米波传感器监测用户的睡眠状态。该睡眠状态中,可以包括:利用麦克风进行声音采集,得到的用户的呼吸声、鼾声等;利用毫米波传感器进行动作监测,得到用户的翻身动作等。
由此,通过采用麦克风模块、毫米波模块等对使用者睡眠时的当前睡眠参数进行采集,一方面可以方便且准确地采集到使用者睡眠时的当前睡眠参数,另一方面不会打扰使用者从而可以避免影响使用者的睡眠质量。
在步骤S120处,根据所述当前睡眠参数,确定所述使用者的当前睡眠状态。
可选地,步骤S120中所述根据所述当前睡眠参数,确定所述使用者的当前睡眠状态,可以包括:根据设定睡眠参数与设定睡眠状态之间的对应关系,将该对应关系中与所述当前睡眠状态相同的设定睡眠参数所对应的设定睡眠状态,确定为所述使用者在所述当前睡眠参数下的当前睡眠状态。
例如:根据采集到的睡眠参数,利用睡眠参数与睡眠状态之间的对应关系,如利用预先训练得到的睡眠状态神经网络模型,识别用户的睡眠情况。其中,对当前睡眠状态等的确定,可以在本地端,也可以在服务器端。
例如:空调配置有智能监测模块(麦克风模块、毫米波模块等)、扬声器模块、智能联网模块、AI模块等。AI算法模型可以是神经网络模型,设置大量样本数据训练的睡眠状态神经网络模型,设置呼吸声、鼾声和翻身动作的权重值训练,经过训练得到较优的权重参数,即最优神经网络模型。空调麦克风使用远场语音识别技术实时监测并识别用户的睡眠呼吸声、鼾声,空调的毫米波模块通过毫米波技术实时监测并识别用户的翻身动作这些数据,神经网络设置一定的时间段根据监测数据进行识别用户的睡眠状态。
由此,通过根据设定睡眠参数与设定睡眠状态之间的对应关系,确定所述使用者的当前睡眠状态,可以快速且精准地根据使用者的当前睡眠参数确定使用者的当前睡眠状态。
以及,在步骤S130处,确定所述当前睡眠状态与设定的睡眠状态之间的关系,即确定所述当前睡眠状态属于设定的睡眠状态中的哪种睡眠状态。所述设定的睡眠状态,可以包括:第一睡眠状态(如深睡状态)或第二睡眠状态(如浅睡状态),所述第一睡眠状态下的入睡深度大于所述第二睡眠状态下的入睡深度。
在步骤S140处,若所述当前睡眠状态为所述第一睡眠状态(如深睡状态),则不需匹配睡眠音乐;而若所述当前睡眠状态为所述第二睡眠状态(如浅睡状态),则对所述当前睡眠状态的入睡深度进行辅助加深干预,以改善所述使用者在所述当前睡眠状态下的睡眠质量。
例如:在用户浅睡时,匹配睡眠音乐,以通过播放睡眠音乐引导用户进入深度睡眠。通过此时的睡眠情况适当地播放助眠疗愈音乐,使用户进入到深度睡眠状态。
由此,通过在使用者睡眠的情况下监测使用者的当前睡眠参数,根据当前睡眠参数确定当前睡眠状态的入睡深度属于浅睡状态时,对当前睡眠状态的入睡深度进行辅助加深干预,以改善使用者在当前睡眠状态下的睡眠质量,有利于提升使用者的睡眠质量。
可选地,可以结合图2所示本发明的方法中对所述当前睡眠状态的入睡深度进行辅助加深干预的一实施例流程示意图,进一步说明步骤S140中对所述当前睡眠状态的入睡深度进行辅助加深干预的具体过程,可以包括:步骤S210和步骤S230。
步骤S210,根据设定睡眠状态与设定睡眠音乐之间的对应关系,将该对应关系中与所述当前睡眠状态相同的设定睡眠状态所对应的设定睡眠音乐,确定为所述使用者在所述当前睡眠状态下所匹配的当前睡眠音乐。
步骤S230,播放所述当前睡眠音乐,以利用所述当前睡眠音乐对所述当前睡眠状态的入睡深度进行辅助加深干预。
例如:在睡眠状态神经网络模型识别用户睡眠状态后,舒适度神经网络模型根据睡眠状态匹配得出最适合辅助当前睡眠状态的音乐。如用户浅睡时匹配出相应的音频,深睡状态则匹配出不需播放音频。
由此,通过根据在使用者浅睡时为使用者匹配当前睡眠音乐,并通过播放该当前睡眠音乐对所述当前睡眠状态的入睡深度进行辅助加深干预,有利于改善并提升使用者的睡眠质量。
在一个可选实施方式中,还可以包括:根据当前睡眠状态改善睡眠环境的过程。
下面结合图3所示本发明的方法中根据当前睡眠状态改善睡眠环境的一实施例流程示意图,进一步说明根据当前睡眠状态改善睡眠环境的具体过程,可以包括:步骤S310至步骤S330。
步骤S310,在确定所述当前睡眠状态的情况下,唤醒对所述使用者的睡眠环境的当前环境参数的获取机制,以获取所述使用者的睡眠环境的当前环境参数。例如:在识别用户的睡眠情况时,唤醒空调对当前环境状态信息的获取,以得到用户所在环境的当前环境状态。
步骤S320,根据所述当前睡眠状态,确定所述使用者的当前舒适睡眠环境参数。
可选地,步骤S320中所述根据所述当前睡眠状态,确定所述使用者的当前舒适睡眠环境参数,可以包括:根据设定睡眠状态与设定舒适睡眠环境参数之间的对应关系,将该对应关系中与所述当前睡眠状态相同的设定睡眠状态所对应的设定舒适睡眠环境参数,确定为所述使用者在所述当前睡眠状态下所匹配的当前舒适睡眠环境参数。
其中,所述当前环境参数、所述设定环境参数、所述当前舒适睡眠环境参数中的环境参数,可以包括:温度和/或湿度。
例如:每次识别用户睡眠状态时唤醒空调智能模块检测当前环境温度、湿度等,此时另一环境舒适度神经网络匹配模型根据用户睡眠情况和当前环境算出适合用户舒适的睡眠环境,舒适的睡眠环境包含所需的温度、湿度等,此时空调获取到所需的温度、湿度需求指令,空调智能调节温度、湿度等,以满足舒适的环境。
由此,通过根据使用者的当前睡眠状态确定其当前舒适睡眠环境参数,并将当环境参数调节至当前舒适睡眠环境参数,以改善使用者的舒适性,有利于进一步提升睡眠质量。
步骤S330,按所述当前舒适睡眠环境参数,对所述使用者的睡眠环境中的当前环境参数进行调节,如按所述当前舒适睡眠环境参数,控制所述使用者的睡眠环境中的环境参数调节设备(如空调)运行,以在所述当前睡眠状态下将所述当前环境参数调节至所述舒适环境参数,实现对所述使用者的睡眠环境的当前环境参数的改善,有利于维持甚至提升使用者的睡眠质量。例如:根据用户的睡眠情况、以及用户所在环境的当前环境状态,利用环境状态和睡眠情况之间的对应关系,如舒适度神经网络模型,确定舒适的环境状态,并对当前环境状态进行改善。
例如:利用电器设备如空调等搭载的麦克风、毫米波等传感器模块,通过麦克风采集呼吸声、鼾声,毫米波监测睡觉动作,AI深度算法模型智能分析睡眠情况并辅助空调作出相应的睡眠舒适度环境调节,提升睡眠质量。如通过AI算法模型对用户的呼吸声、鼾声、翻身动作等进行分析和精准计算,可以识别匹配出舒适睡眠环境,此时空调智能进行温度、风速调节。
例如:空调配置有智能监测模块(如麦克风模块、毫米波模块等)、扬声器模块。用户睡觉开空调,设置的温度和风速模式在一晚的时间内一直处于固定的状态,此时空调麦克风、毫米波传感器等开启监测状态,实时地监测用户睡眠时的呼吸声、鼾声、睡觉的翻身动作等,空调将采集到的数据上传至云端服务器进行AI深度学习算法模型处理识别用户的睡眠情况并精准算出适合用户舒适的睡眠环境,此时云端下发空调智能控制的指令,智能地调节空调的运行动作,提升用户睡眠质量。
经大量的试验验证,采用本实施例的技术方案,通过使电器设备如空调通过麦克风、毫米波等传感器监测用户的睡眠呼吸声、鼾声和睡觉动作,分析并识别出人的睡眠情况,空调智能地帮助用户提升睡眠质量。
根据本发明的实施例,还提供了对应于睡眠质量监控方法的一种睡眠质量监控装置。参见图4所示本发明的装置的一实施例的结构示意图。该睡眠质量监控装置主要应用在智能家居等电器设备如空调上,空调的睡眠质量监控装置,可以包括:监测单元102、确定单元104和控制单元106。
在一个可选例子中,监测单元102,可以用于在使用者睡眠的情况下即在用户睡眠的情况下,监测所述使用者的当前睡眠参数。例如:在用户处于睡觉状态时,采集用户的呼吸声、鼾声、翻身动作等睡眠参数。该监测单元102的具体功能及处理参见步骤S110。
可选地,所述当前睡眠参数,可以包括:呼吸声、鼾声、和/或睡觉动作。其中,所述睡觉动作,是使用者在睡眠时的动作情况。
可选地,所述监测单元102监测所述使用者的当前睡眠参数,可以包括:所述监测单元102,具体还可以用于采用麦克风模块,采集所述使用者的呼吸声和/或鼾声;和/或,所述监测单元102,具体还可以用于采用毫米波模块,采集所述使用者的睡觉动作。
其中,所述麦克风模块、和/或所述毫米波模块,设置在所述使用者的睡眠环境中,和/或设置在所述使用者的睡眠环境中的电器设备上。
例如:空调配置麦克风,使用远场语音识别技术,麦克风通过远场语音识别技术监测用户的呼吸声和鼾声,如用麦克风采集呼吸声、鼾声。结合毫米波技术监测用户的睡眠动作,如用毫米波监测睡觉动作。
例如:用户开启空调睡觉。空调麦克风、毫米波传感器监测用户的睡眠状态。该睡眠状态中,可以包括:利用麦克风进行声音采集,得到的用户的呼吸声、鼾声等;利用毫米波传感器进行动作监测,得到用户的翻身动作等。
由此,通过采用麦克风模块、毫米波模块等对使用者睡眠时的当前睡眠参数进行采集,一方面可以方便且准确地采集到使用者睡眠时的当前睡眠参数,另一方面不会打扰使用者从而可以避免影响使用者的睡眠质量。
在一个可选例子中,确定单元104,可以用于根据所述当前睡眠参数,确定所述使用者的当前睡眠状态。该确定单元104的具体功能及处理参见步骤S120。
可选地,所述确定单元104根据所述当前睡眠参数,确定所述使用者的当前睡眠状态,可以包括:所述确定单元104,具体还可以用于根据设定睡眠参数与设定睡眠状态之间的对应关系,将该对应关系中与所述当前睡眠状态相同的设定睡眠参数所对应的设定睡眠状态,确定为所述使用者在所述当前睡眠参数下的当前睡眠状态。
例如:根据采集到的睡眠参数,利用睡眠参数与睡眠状态之间的对应关系,如利用预先训练得到的睡眠状态神经网络模型,识别用户的睡眠情况。其中,对当前睡眠状态等的确定,可以在本地端,也可以在服务器端。
例如:空调配置有智能监测模块(麦克风模块、毫米波模块等)、扬声器模块、智能联网模块、AI模块等。AI算法模型可以是神经网络模型,设置大量样本数据训练的睡眠状态神经网络模型,设置呼吸声、鼾声和翻身动作的权重值训练,经过训练得到较优的权重参数,即最优神经网络模型。空调麦克风使用远场语音识别技术实时监测并识别用户的睡眠呼吸声、鼾声,空调的毫米波模块通过毫米波技术实时监测并识别用户的翻身动作这些数据,神经网络设置一定的时间段根据监测数据进行识别用户的睡眠状态。
由此,通过根据设定睡眠参数与设定睡眠状态之间的对应关系,确定所述使用者的当前睡眠状态,可以快速且精准地根据使用者的当前睡眠参数确定使用者的当前睡眠状态。
在一个可选例子中,所述确定单元104,还可以用于确定所述当前睡眠状态与设定的睡眠状态之间的关系,即确定所述当前睡眠状态属于设定的睡眠状态中的哪种睡眠状态。所述设定的睡眠状态,可以包括:第一睡眠状态(如深睡状态)或第二睡眠状态(如浅睡状态),所述第一睡眠状态下的入睡深度大于所述第二睡眠状态下的入睡深度。该确定单元104的具体功能及处理还参见步骤S130。
在一个可选例子中,控制单元106,可以用于若所述当前睡眠状态为所述第一睡眠状态(如深睡状态),则不需匹配睡眠音乐;而若所述当前睡眠状态为所述第二睡眠状态(如浅睡状态),则对所述当前睡眠状态的入睡深度进行辅助加深干预,以改善所述使用者在所述当前睡眠状态下的睡眠质量。该控制单元106的具体功能及处理参见步骤S140。
例如:在用户浅睡时,匹配睡眠音乐,以通过播放睡眠音乐引导用户进入深度睡眠。通过此时的睡眠情况适当地播放助眠疗愈音乐,使用户进入到深度睡眠状态。
由此,通过在使用者睡眠的情况下监测使用者的当前睡眠参数,根据当前睡眠参数确定当前睡眠状态的入睡深度属于浅睡状态时,对当前睡眠状态的入睡深度进行辅助加深干预,以改善使用者在当前睡眠状态下的睡眠质量,有利于提升使用者的睡眠质量。
可选地,所述控制单元106对所述当前睡眠状态的入睡深度进行辅助加深干预,可以包括:
所述控制单元106,具体还可以用于根据设定睡眠状态与设定睡眠音乐之间的对应关系,将该对应关系中与所述当前睡眠状态相同的设定睡眠状态所对应的设定睡眠音乐,确定为所述使用者在所述当前睡眠状态下所匹配的当前睡眠音乐。该控制单元106的具体功能及处理还参见步骤S210。
所述控制单元106,具体还可以用于播放所述当前睡眠音乐,以利用所述当前睡眠音乐对所述当前睡眠状态的入睡深度进行辅助加深干预。该控制单元106的具体功能及处理还参见步骤S220。
例如:在睡眠状态神经网络模型识别用户睡眠状态后,舒适度神经网络模型根据睡眠状态匹配得出最适合辅助当前睡眠状态的音乐。如用户浅睡时匹配出相应的音频,深睡状态则匹配出不需播放音频。
由此,通过根据在使用者浅睡时为使用者匹配当前睡眠音乐,并通过播放该当前睡眠音乐对所述当前睡眠状态的入睡深度进行辅助加深干预,有利于改善并提升使用者的睡眠质量。
在一个可选实施方式中,还可以包括:根据当前睡眠状态改善睡眠环境的过程,具体可以如下:
所述监测单元102,还可以用于在确定所述当前睡眠状态的情况下,唤醒对所述使用者的睡眠环境的当前环境参数的获取机制,以获取所述使用者的睡眠环境的当前环境参数。例如:在识别用户的睡眠情况时,唤醒空调对当前环境状态信息的获取,以得到用户所在环境的当前环境状态。该监测单元102的具体功能及处理还参见步骤S310。
所述确定单元104,还可以用于根据所述当前睡眠状态,确定所述使用者的当前舒适睡眠环境参数。该确定单元104的具体功能及处理还参见步骤S320。
可选地,所述确定单元104根据所述当前睡眠状态和所述当前环境参数,确定所述使用者的当前舒适睡眠环境参数,可以包括:所述确定单元104,具体还可以用于根据设定睡眠状态与设定舒适睡眠环境参数之间的对应关系,将该对应关系中与所述当前睡眠状态相同的设定睡眠状态所对应的设定舒适睡眠环境参数,确定为所述使用者在所述当前睡眠状态下所匹配的当前舒适睡眠环境参数。
其中,所述当前环境参数、所述设定环境参数、所述当前舒适睡眠环境参数中的环境参数,可以包括:温度和/或湿度。
例如:每次识别用户睡眠状态时唤醒空调智能模块检测当前环境温度、湿度等,此时另一环境舒适度神经网络匹配模型根据用户睡眠情况和当前环境算出适合用户舒适的睡眠环境,舒适的睡眠环境包含所需的温度、湿度等,此时空调获取到所需的温度、湿度需求指令,空调智能调节温度、湿度等,以满足舒适的环境。
由此,通过根据使用者的当前睡眠状态确定其当前舒适睡眠环境参数,并将当环境参数调节至当前舒适睡眠环境参数,以改善使用者的舒适性,有利于进一步提升睡眠质量。
所述控制单元106,还可以用于按所述当前舒适睡眠环境参数,对所述使用者的睡眠环境中的当前环境参数进行调节,如按所述当前舒适睡眠环境参数,控制所述使用者的睡眠环境中的环境参数调节设备(如空调)运行,以在所述当前睡眠状态下将所述当前环境参数调节至所述舒适环境参数,实现对所述使用者的睡眠环境的当前环境参数的改善,有利于维持甚至提升使用者的睡眠质量。例如:根据用户的睡眠情况、以及用户所在环境的当前环境状态,利用环境状态和睡眠情况之间的对应关系,如舒适度神经网络模型,确定舒适的环境状态,并对当前环境状态进行改善。该控制单元106的具体功能及处理还参见步骤S330。
例如:利用电器设备如空调等搭载的麦克风、毫米波等传感器模块,通过麦克风采集呼吸声、鼾声,毫米波监测睡觉动作,AI深度算法模型智能分析睡眠情况并辅助空调作出相应的睡眠舒适度环境调节,提升睡眠质量。如通过AI算法模型对用户的呼吸声、鼾声、翻身动作等进行分析和精准计算,可以识别匹配出舒适睡眠环境,此时空调智能进行温度、风速调节。
例如:空调配置有智能监测模块(如麦克风模块、毫米波模块等)、扬声器模块。用户睡觉开空调,设置的温度和风速模式在一晚的时间内一直处于固定的状态,此时空调麦克风、毫米波传感器等开启监测状态,实时地监测用户睡眠时的呼吸声、鼾声、睡觉的翻身动作等,空调将采集到的数据上传至云端服务器进行AI深度学习算法模型处理识别用户的睡眠情况并精准算出适合用户舒适的睡眠环境,此时云端下发空调智能控制的指令,智能地调节空调的运行动作,提升用户睡眠质量。
由于本实施例的装置所实现的处理及功能基本相应于前述图1至图3所示的方法的实施例、原理和实例,故本实施例的描述中未详尽之处,可以参见前述实施例中的相关说明,在此不做赘述。
经大量的试验验证,采用本发明的技术方案,通过使电器设备如空调的传感器监测用户睡眠时的呼吸声、鼾声、睡觉动作等数据,算法模型分析识别出用户的睡眠情况,智能调节空调动作,给用户一个舒适的睡眠环境,提升用户的睡眠质量。
根据本发明的实施例,还提供了对应于睡眠质量监控装置的一种电器设备。该电器设备可以包括:以上所述的睡眠质量监控装置。
在一些方案中,为了监测用户的睡眠状态,可以利用智能穿戴设备对用户的睡眠状态进行监测。通过使用户在睡眠过程中佩戴智能穿戴设备,以利用智能穿戴设备对用户的睡眠状态进行监测。可见,通过智能穿戴设备监测用户睡眠状态的方式,虽然实现了对用户睡眠状态的监测,但需要用户在睡眠的过程中一直佩戴智能穿戴设备,难免引起用户在睡眠状态下的不舒适感,容易导致用户的睡眠效果并不佳。另外,在睡眠过程中佩戴智能穿戴设备,仅对睡眠状态进行监测,并没有改善用户的睡眠情况。
在一个可选实施方式中,本发明的方案,提出了一种智能助眠空调,空调通过麦克风、毫米波等传感器监测用户的睡眠呼吸声、鼾声和睡觉动作,分析并识别出人的睡眠情况,空调智能地帮助用户提升睡眠质量。也就是说,空调传感器监测用户睡眠时的呼吸声、鼾声、睡觉动作等数据,算法模型分析识别出用户的睡眠情况,智能调节空调动作,给用户一个舒适的睡眠环境,提升用户的睡眠质量。从而,可以在用户睡眠质量差的情况下,通过空调智能送风、温度的调节,辅助改善用户睡眠质量,帮用户睡得更好睡得更香。
在一个可选例子中,可以对空调配置麦克风、毫米波等传感器模块,传感器模块监测用户睡觉的呼吸声、鼾声、动作等,AI深度学习算法模型通过呼吸声、鼾声、动作等所采集的数据进行分析并精准算出舒适的睡眠环境,从而改善用户的睡眠,提升睡眠质量。
其中,空调配置麦克风,使用远场语音识别技术,麦克风通过远场语音识别技术监测用户的呼吸声和鼾声,如用麦克风采集呼吸声、鼾声;结合毫米波技术监测用户的睡眠动作,如用毫米波监测睡觉动作,通过算法模型算出舒适睡眠环境,使空调根据呼吸声、鼾声等睡眠状态智能动作调节。例如:根据计算得出的舒适睡觉环境,实时调节舒适的睡眠环境,智能播放助眠疗愈音乐,辅助用户进入深度睡眠。这样,利用电器设备如空调等搭载的麦克风、毫米波等传感器模块,通过麦克风采集呼吸声、鼾声,毫米波监测睡觉动作,AI深度算法模型智能分析睡眠情况并辅助空调作出相应的睡眠舒适度环境调节,提升睡眠质量。
例如:远场语音识别技术,是相对于近场语音来说的,通常远场语音识别技术它作用的距离通常会在1米到10米之间。远场语音识别能够更好避免使用者心理上抵触靠近设备可能会有辐射的现象,远距离即可监测到使用者发出的音频信息,且在有限的活动范围内均可监测,适用性广。
例如:睡眠空间环境相对安静且稳定,当人睡眠动作的变化会干扰到毫米波的频率发生变化,从而达到检测人睡眠的动作。
在一个可选具体实施方式中,可以结合图5和图6所示的例子,对本发明的方案的具体实现过程进行示例性说明。
空调配置有智能监测模块(如麦克风模块、毫米波模块等)、扬声器模块。用户睡觉开空调,设置的温度和风速模式在一晚的时间内一直处于固定的状态,此时空调麦克风、毫米波传感器等开启监测状态,实时地监测用户睡眠时的呼吸声、鼾声、睡觉的翻身动作等,空调将采集到的数据上传至云端服务器进行AI深度学习算法模型处理识别用户的睡眠情况并精准算出适合用户舒适的睡眠环境,此时云端下发空调智能控制的指令,智能地调节空调的运行动作,提升用户睡眠质量;还可以通过此时的睡眠情况适当地播放助眠疗愈音乐,使用户进入到深度睡眠状态。
图5为空调智能调节舒适的睡眠环境的一实施例的流程示意图。如图5所示,空调智能调节舒适的睡眠环境的流程,可以包括:
步骤11、用户开启空调睡觉。
步骤12、空调麦克风、毫米波传感器监测用户的睡眠状态。该睡眠状态中,可以包括:利用麦克风进行声音采集,得到的用户的呼吸声、鼾声等;利用毫米波传感器进行动作监测,得到用户的翻身动作等。
步骤13、通过AI算法模型对用户的呼吸声、鼾声、翻身动作等进行分析和精准计算,可以识别匹配出舒适睡眠环境,此时空调智能进行温度、风速调节;还可以通过此时的睡眠情况适当地播放助眠疗愈音乐,使用户进入到深度睡眠状态。
图6为空调智能调节舒适的睡眠环境的另一实施例的流程示意图。如图6所示,空调智能调节舒适的睡眠环境的流程,可以包括:
步骤21、在用户处于睡觉状态时,采集用户的呼吸声、鼾声、翻身动作等睡眠参数。
步骤22、根据采集到的睡眠参数,利用睡眠参数与睡眠状态之间的对应关系,如利用预先训练得到的睡眠状态神经网络模型,识别用户的睡眠情况。
步骤23、在识别用户的睡眠情况时,唤醒空调对当前环境状态信息的获取,以得到用户所在环境的当前环境状态。
步骤24、根据用户的睡眠情况、以及用户所在环境的当前环境状态,利用环境状态和睡眠情况之间的对应关系,如舒适度神经网络模型,确定舒适的环境状态,并对当前环境状态进行改善。在用户浅睡时,匹配睡眠音乐,以通过播放睡眠音乐引导用户进入深度睡眠。
其中,AI算法模型可以是神经网络模型,设置大量样本数据训练的睡眠状态神经网络模型,设置呼吸声、鼾声和翻身动作的权重值训练,经过训练得到较优的权重参数,即最优神经网络模型。空调麦克风使用远场语音识别技术实时监测并识别用户的睡眠呼吸声、鼾声,空调的毫米波模块通过毫米波技术实时监测并识别用户的翻身动作这些数据,神经网络设置一定的时间段根据监测数据进行识别用户的睡眠状态;每次识别用户睡眠状态时唤醒空调智能模块检测当前环境温度、湿度等,此时另一环境舒适度神经网络匹配模型根据用户睡眠情况和当前环境算出适合用户舒适的睡眠环境,舒适的睡眠环境包含所需的温度、湿度等,此时空调获取到所需的温度、湿度需求指令,空调智能调节温度、湿度等,以满足舒适的环境。
例如:设置大量样本数据训练的睡眠状态神经网络模型,即此模型是预先进行训练后的最优模型,首先是设计神经网络算法程序,对设计好后的神经网络算法模型通过大量的样本训练不断的优化模型中的权重参数,直至得到最优神经网络算法模型。
例如:设置呼吸声、鼾声和翻身动作的权重值训练,此设置权重参数值训练是指在设计好神经网络算法模型后,对初始值进行随机初始化,从而开始模型的训练。
例如:经过训练得到较优的权重参数,可以包括:在设计好的神经网络算法模型,对初始值进行随机初始化,开始模型的训练,不断地迭代不断地调整权重参数,直至得到较优的权重参数。
例如:根据监测数据进行识别用户的睡眠状态,可以包括:神经网络模型根据呼吸声、鼾声、动作等数据信息判断识别用户睡眠状态,云端模型存在有数据对应匹配表,若采集到的数据可以通过匹配表智能识别出睡眠状态信息,若未在匹配表中则算法模型学习并识别出睡眠状态,并将此事件记录于匹配表。
优选地,在睡眠状态神经网络模型识别用户睡眠状态后,舒适度神经网络模型根据睡眠状态匹配得出最适合辅助当前睡眠状态的音乐。如用户浅睡时匹配出相应的音频,深睡状态则匹配出不需播放音频。
例如:浅睡时匹配出相应的音频,可以包括:通过睡眠状态对应的睡眠音频关系表,浅度睡眠对应浅度睡眠的音频流,若为浅度睡眠则匹配浅度睡眠信息。
例如:空调配置有智能监测模块(麦克风模块、毫米波模块等)、扬声器模块、智能联网模块、AI模块等。夏天用户开启空调睡觉,空调设置制冷模式、中等风,由于设置的温度和风速模式在一晚的时间内一直处于固定的状态,用户刚睡觉时感受空调调节温度刚好合适,用户入睡后体温会有所降低,而环境温度也会随着夜深的时间降温,用户睡着后亦能感受到环境温度高或低(如用户感受到环境温度过低,未达到理想的舒适睡眠环境,进而影响用户睡眠质量),生理特征也会表现出相应的反应,用户睡眠的呼吸声、鼾声、睡觉动作都也会有相应的反应变化,此时空调采集到用户的呼吸声、鼾声、睡觉动作等数据,空调将采集到是数据上传至云服务器,服务器上深度算法模型处理识别用户的睡眠情况(此时用户感受到环境过冷、用户易着凉、感冒),并精准算出适合用户舒适的睡眠环境(调整空调温度、风速等),云端下发空调智能控制的指令,智能地调节空调的运行,调节一个舒适温馨的睡眠环境,提升用户睡眠质量。还可以通过此时的睡眠情况适当地播放助眠疗愈音乐,使用户进入到深度睡眠状态。
例如:识别用户的睡眠情况(此时用户感受到环境过冷、用户易着凉、感冒),可以包括:神经网络模型根据呼吸声、鼾声、动作等数据信息判断识别用户睡眠情况。
例如:精准算出适合用户舒适的睡眠环境(调整空调温度、风速等),可以包括:可以通过呼吸声、鼾声、动作等数据所反映出睡眠时身体对环境的感受情况,热或冷等,识别出身体对环境的状态反馈表现,并精准算出适合用户舒适的睡眠环境。
由于本实施例的电器设备所实现的处理及功能基本相应于前述图4所示的装置的实施例、原理和实例,故本实施例的描述中未详尽之处,可以参见前述实施例中的相关说明,在此不做赘述。
经大量的试验验证,采用本发明的技术方案,通过在用户睡眠质量差的情况下,使电器设备如空调智能送风、温度的调节,辅助改善用户睡眠质量,帮用户睡得更好睡得更香。
根据本发明的实施例,还提供了对应于睡眠质量监控方法的一种存储介质,所述存储介质包括存储的程序,其中,在所述程序运行时控制所述存储介质所在设备执行以上所述的睡眠质量监控方法。
由于本实施例的存储介质所实现的处理及功能基本相应于前述图1至图3所示的方法的实施例、原理和实例,故本实施例的描述中未详尽之处,可以参见前述实施例中的相关说明,在此不做赘述。
经大量的试验验证,采用本发明的技术方案,通过对电器设备如空调配置麦克风、毫米波等传感器模块,传感器模块监测用户睡觉的呼吸声、鼾声、动作等,AI深度学习算法模型通过呼吸声、鼾声、动作等所采集的数据进行分析并精准算出舒适的睡眠环境,从而改善用户的睡眠,提升睡眠质量。
根据本发明的实施例,还提供了对应于睡眠质量监控方法的一种处理器,所述处理器用于运行程序,其中,所述程序运行时执行以上所述的睡眠质量监控方法。
由于本实施例的处理器所实现的处理及功能基本相应于前述图1至图3所示的方法的实施例、原理和实例,故本实施例的描述中未详尽之处,可以参见前述实施例中的相关说明,在此不做赘述。
经大量的试验验证,采用本发明的技术方案,通过对电器设备如空调配置麦克风,使用远场语音识别技术,麦克风通过远场语音识别技术监测用户的呼吸声和鼾声;结合毫米波技术监测用户的睡眠动作,通过算法模型算出舒适睡眠环境,使空调根据呼吸声、鼾声等睡眠状态智能动作调节。
综上,本领域技术人员容易理解的是,在不冲突的前提下,上述各有利方式可以自由地组合、叠加。
以上所述仅为本发明的实施例而已,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权利要求范围之内。
Claims (13)
1.一种睡眠质量监控方法,其特征在于,包括:
在使用者睡眠的情况下,监测所述使用者的当前睡眠参数;
根据所述当前睡眠参数,确定所述使用者的当前睡眠状态;以及,
确定所述当前睡眠状态与设定的睡眠状态之间的关系;所述设定的睡眠状态,包括:第一睡眠状态或第二睡眠状态,所述第一睡眠状态下的入睡深度大于所述第二睡眠状态下的入睡深度;
若所述当前睡眠状态为所述第二睡眠状态,则对所述当前睡眠状态的入睡深度进行辅助加深干预。
2.根据权利要求1所述的睡眠质量监控方法,其特征在于,所述当前睡眠参数,包括:呼吸声、鼾声、和/或睡觉动作;
监测所述使用者的当前睡眠参数,包括:
采用麦克风模块,采集所述使用者的呼吸声和/或鼾声;和/或,
采用毫米波模块,采集所述使用者的睡觉动作;
其中,所述麦克风模块、和/或所述毫米波模块,设置在所述使用者的睡眠环境中,和/或设置在所述使用者的睡眠环境中的电器设备上。
3.根据权利要求1所述的睡眠质量监控方法,其特征在于,其中,
所述确定所述使用者的当前睡眠状态,包括:
根据设定睡眠参数与设定睡眠状态之间的对应关系,将该对应关系中与所述当前睡眠状态相同的设定睡眠参数所对应的设定睡眠状态,确定为所述使用者在所述当前睡眠参数下的当前睡眠状态;
和/或,
对所述当前睡眠状态的入睡深度进行辅助加深干预,包括:
根据设定睡眠状态与设定睡眠音乐之间的对应关系,将该对应关系中与所述当前睡眠状态相同的设定睡眠状态所对应的设定睡眠音乐,确定为所述使用者在所述当前睡眠状态下所匹配的当前睡眠音乐;
播放所述当前睡眠音乐,以利用所述当前睡眠音乐对所述当前睡眠状态的入睡深度进行辅助加深干预。
4.根据权利要求1至3中任一项所述的睡眠质量监控方法,其特征在于,还包括:
在确定所述当前睡眠状态的情况下,唤醒对所述使用者的睡眠环境的当前环境参数的获取机制,以获取所述使用者的睡眠环境的当前环境参数;
根据所述当前睡眠状态,确定所述使用者的当前舒适睡眠环境参数;
按所述当前舒适睡眠环境参数,对所述使用者的睡眠环境中的当前环境参数进行调节。
5.根据权利要求4所述的睡眠质量监控方法,其特征在于,所述确定所述使用者的当前舒适睡眠环境参数,包括:
根据设定睡眠状态与设定舒适睡眠环境参数之间的对应关系,将该对应关系中与所述当前睡眠状态相同的设定睡眠状态所对应的设定舒适睡眠环境参数,确定为所述使用者在所述当前睡眠状态下所匹配的当前舒适睡眠环境参数;
其中,所述当前环境参数、所述设定环境参数、所述当前舒适睡眠环境参数中的环境参数,包括:温度和/或湿度。
6.一种睡眠质量监控装置,其特征在于,包括:
监测单元,用于在使用者睡眠的情况下,监测所述使用者的当前睡眠参数;
确定单元,用于根据所述当前睡眠参数,确定所述使用者的当前睡眠状态;以及,
所述确定单元,还用于确定所述当前睡眠状态与设定的睡眠状态之间的关系;所述设定的睡眠状态,包括:第一睡眠状态或第二睡眠状态,所述第一睡眠状态下的入睡深度大于所述第二睡眠状态下的入睡深度;
控制单元,用于若所述当前睡眠状态为所述第二睡眠状态,则对所述当前睡眠状态的入睡深度进行辅助加深干预。
7.根据权利要求6所述的睡眠质量监控装置,其特征在于,所述当前睡眠参数,包括:呼吸声、鼾声、和/或睡觉动作;
所述监测单元监测所述使用者的当前睡眠参数,包括:
采用麦克风模块,采集所述使用者的呼吸声和/或鼾声;和/或,
采用毫米波模块,采集所述使用者的睡觉动作;
其中,所述麦克风模块、和/或所述毫米波模块,设置在所述使用者的睡眠环境中,和/或设置在所述使用者的睡眠环境中的电器设备上。
8.根据权利要求6所述的睡眠质量监控装置,其特征在于,其中,
所述确定单元确定所述使用者的当前睡眠状态,包括:
根据设定睡眠参数与设定睡眠状态之间的对应关系,将该对应关系中与所述当前睡眠状态相同的设定睡眠参数所对应的设定睡眠状态,确定为所述使用者在所述当前睡眠参数下的当前睡眠状态;
和/或,
所述控制单元对所述当前睡眠状态的入睡深度进行辅助加深干预,包括:
根据设定睡眠状态与设定睡眠音乐之间的对应关系,将该对应关系中与所述当前睡眠状态相同的设定睡眠状态所对应的设定睡眠音乐,确定为所述使用者在所述当前睡眠状态下所匹配的当前睡眠音乐;
播放所述当前睡眠音乐,以利用所述当前睡眠音乐对所述当前睡眠状态的入睡深度进行辅助加深干预。
9.根据权利要求6至8中任一项所述的睡眠质量监控装置,其特征在于,还包括:
所述监测单元,还用于在确定所述当前睡眠状态的情况下,唤醒对所述使用者的睡眠环境的当前环境参数的获取机制,以获取所述使用者的睡眠环境的当前环境参数;
所述确定单元,还用于根据所述当前睡眠状态,确定所述使用者的当前舒适睡眠环境参数;
所述控制单元,还用于按所述当前舒适睡眠环境参数,对所述使用者的睡眠环境中的当前环境参数进行调节。
10.根据权利要求9所述的睡眠质量监控装置,其特征在于,所述确定单元确定所述使用者的当前舒适睡眠环境参数,包括:
根据设定睡眠状态与设定舒适睡眠环境参数之间的对应关系,将该对应关系中与所述当前睡眠状态相同的设定睡眠状态所对应的设定舒适睡眠环境参数,确定为所述使用者在所述当前睡眠状态下所匹配的当前舒适睡眠环境参数;
其中,所述当前环境参数、所述设定环境参数、所述当前舒适睡眠环境参数中的环境参数,包括:温度和/或湿度。
11.一种电器设备,其特征在于,包括:如权利要求6至10中任一项所述的睡眠质量监控装置。
12.一种存储介质,其特征在于,所述存储介质包括存储的程序,其中,在所述程序运行时控制所述存储介质所在设备执行权利要求1至5中任一项所述的睡眠质量监控方法。
13.一种处理器,其特征在于,所述处理器用于运行程序,其中,所述程序运行时执行权利要求1至5中任一项所述的睡眠质量监控方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010657066.3A CN111897230A (zh) | 2020-07-09 | 2020-07-09 | 睡眠质量监控方法、装置、电器设备、存储介质及处理器 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010657066.3A CN111897230A (zh) | 2020-07-09 | 2020-07-09 | 睡眠质量监控方法、装置、电器设备、存储介质及处理器 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111897230A true CN111897230A (zh) | 2020-11-06 |
Family
ID=73192078
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010657066.3A Pending CN111897230A (zh) | 2020-07-09 | 2020-07-09 | 睡眠质量监控方法、装置、电器设备、存储介质及处理器 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111897230A (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112462997A (zh) * | 2020-12-14 | 2021-03-09 | 北京小米移动软件有限公司 | 内容展现方法及装置、电子设备、存储介质 |
CN112503741A (zh) * | 2020-12-03 | 2021-03-16 | 珠海格力电器股份有限公司 | 设备的控制方法、装置、设备及存储介质 |
CN112524776A (zh) * | 2020-11-17 | 2021-03-19 | 青岛海尔空调器有限总公司 | 一种基于鼾声的室内空气调节方法及***、可读存储介质 |
CN113091271A (zh) * | 2021-04-06 | 2021-07-09 | 上海绿联软件股份有限公司 | 一种修复睡眠空调的控制方法、装置和电子设备 |
CN113288078A (zh) * | 2021-03-29 | 2021-08-24 | 江西商思伏沌科技有限公司 | 睡眠质量监测方法、装置及*** |
CN114777309A (zh) * | 2022-03-16 | 2022-07-22 | 青岛海尔空调器有限总公司 | 空调器控制方法、装置、电子设备及空调器 |
WO2022234773A1 (ja) * | 2021-05-06 | 2022-11-10 | 重一 中津川 | シェルター |
CN116459432A (zh) * | 2023-05-29 | 2023-07-21 | 秦皇岛市惠斯安普医学***股份有限公司 | 一种睡眠质量监测与干预的管理***及方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108052012A (zh) * | 2017-12-18 | 2018-05-18 | 张馨予 | 睡眠环境智能调节***及方法 |
CN109032223A (zh) * | 2018-08-17 | 2018-12-18 | 三星电子(中国)研发中心 | 一种睡眠环境调节装置、***和方法 |
CN109489212A (zh) * | 2018-11-21 | 2019-03-19 | 珠海格力电器股份有限公司 | 一种空调智能睡眠控制方法、调整***及设备 |
CN109506342A (zh) * | 2018-11-30 | 2019-03-22 | 珠海格力电器股份有限公司 | 空调的控制方法、装置和空调 |
CN110013235A (zh) * | 2019-03-29 | 2019-07-16 | 张恒运 | 一种智能家居睡眠装置及*** |
CN209270576U (zh) * | 2017-10-19 | 2019-08-20 | 深圳和而泰数据资源与云技术有限公司 | 一种智能睡眠*** |
CN111063375A (zh) * | 2019-12-19 | 2020-04-24 | 珠海格力电器股份有限公司 | 一种音乐播放控制***、方法、设备和介质 |
CN111197845A (zh) * | 2018-11-19 | 2020-05-26 | Tcl集团股份有限公司 | 一种基于深度学习的空调运行模式的控制方法及*** |
-
2020
- 2020-07-09 CN CN202010657066.3A patent/CN111897230A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN209270576U (zh) * | 2017-10-19 | 2019-08-20 | 深圳和而泰数据资源与云技术有限公司 | 一种智能睡眠*** |
CN108052012A (zh) * | 2017-12-18 | 2018-05-18 | 张馨予 | 睡眠环境智能调节***及方法 |
CN109032223A (zh) * | 2018-08-17 | 2018-12-18 | 三星电子(中国)研发中心 | 一种睡眠环境调节装置、***和方法 |
CN111197845A (zh) * | 2018-11-19 | 2020-05-26 | Tcl集团股份有限公司 | 一种基于深度学习的空调运行模式的控制方法及*** |
CN109489212A (zh) * | 2018-11-21 | 2019-03-19 | 珠海格力电器股份有限公司 | 一种空调智能睡眠控制方法、调整***及设备 |
CN109506342A (zh) * | 2018-11-30 | 2019-03-22 | 珠海格力电器股份有限公司 | 空调的控制方法、装置和空调 |
CN110013235A (zh) * | 2019-03-29 | 2019-07-16 | 张恒运 | 一种智能家居睡眠装置及*** |
CN111063375A (zh) * | 2019-12-19 | 2020-04-24 | 珠海格力电器股份有限公司 | 一种音乐播放控制***、方法、设备和介质 |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112524776A (zh) * | 2020-11-17 | 2021-03-19 | 青岛海尔空调器有限总公司 | 一种基于鼾声的室内空气调节方法及***、可读存储介质 |
CN112524776B (zh) * | 2020-11-17 | 2022-04-19 | 青岛海尔空调器有限总公司 | 一种基于鼾声的室内空气调节方法及***、可读存储介质 |
CN112503741A (zh) * | 2020-12-03 | 2021-03-16 | 珠海格力电器股份有限公司 | 设备的控制方法、装置、设备及存储介质 |
CN112462997A (zh) * | 2020-12-14 | 2021-03-09 | 北京小米移动软件有限公司 | 内容展现方法及装置、电子设备、存储介质 |
CN113288078A (zh) * | 2021-03-29 | 2021-08-24 | 江西商思伏沌科技有限公司 | 睡眠质量监测方法、装置及*** |
CN113288078B (zh) * | 2021-03-29 | 2024-05-17 | 江西商思伏沌科技有限公司 | 睡眠质量监测方法、装置及*** |
CN113091271A (zh) * | 2021-04-06 | 2021-07-09 | 上海绿联软件股份有限公司 | 一种修复睡眠空调的控制方法、装置和电子设备 |
WO2022234773A1 (ja) * | 2021-05-06 | 2022-11-10 | 重一 中津川 | シェルター |
CN114777309A (zh) * | 2022-03-16 | 2022-07-22 | 青岛海尔空调器有限总公司 | 空调器控制方法、装置、电子设备及空调器 |
CN116459432A (zh) * | 2023-05-29 | 2023-07-21 | 秦皇岛市惠斯安普医学***股份有限公司 | 一种睡眠质量监测与干预的管理***及方法 |
CN116459432B (zh) * | 2023-05-29 | 2023-09-08 | 秦皇岛市惠斯安普医学***股份有限公司 | 一种睡眠质量监测与干预的管理***及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111897230A (zh) | 睡眠质量监控方法、装置、电器设备、存储介质及处理器 | |
CN108870679B (zh) | 一种空调的控制方法、装置、存储介质及空调 | |
CN109506342B (zh) | 空调的控制方法、装置和空调 | |
US20240050027A1 (en) | Apparatus and method for diagnosing sleep quality | |
CN110706816B (zh) | 一种基于人工智能进行睡眠环境调控的方法及设备 | |
JP4954879B2 (ja) | 環境制御装置、環境制御方法、環境制御プログラム及び環境制御プログラムを記録したコンピュータ読み取り可能な記録媒体 | |
CN112066528A (zh) | 一种空调控制方法、装置、存储介质及空调 | |
CN108292173A (zh) | 用于基于生物特征信息控制装备的技术 | |
CN107920753A (zh) | 睡眠监控 | |
CN113310194A (zh) | 睡眠环境的智能调整方法与睡眠环境调节*** | |
WO2023035678A1 (zh) | 用于控制空调的方法及装置、空调、存储介质 | |
JP2007289660A (ja) | 睡眠判定装置 | |
CN108679797A (zh) | 一种空调控制方法及*** | |
CN106679124A (zh) | 利用可穿戴设备实现空调温度控制的***及方法 | |
CN113883668B (zh) | 空调器的助眠方法、装置、空调器和存储介质 | |
CN105636431A (zh) | 响应基于传感器数据的生物体状态的组合扬声器和光源 | |
CN109044272A (zh) | 睡眠状态监测及睡眠环境参数调控方法、***及终端设备 | |
CN113639449B (zh) | 用于空调器控制的方法及装置、空调器 | |
JP2020129188A (ja) | 学習方法、学習プログラムおよび学習装置 | |
US20240131294A1 (en) | Systems, methods and devices for smart humidification | |
CN112880119A (zh) | 一种空调控制方法、装置、存储介质及空调 | |
CN113108441A (zh) | 一种空调器智能控制方法及空调器 | |
CN116339509A (zh) | 一种智能终端设备的控制方法及控制装置 | |
CN115525081A (zh) | 一种建筑室内环境自适应调节***及控制方法 | |
WO2018179289A1 (ja) | エリア別環境管理システム及び方法とプログラム |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20201106 |