CN114073513A - 一种睡眠中起夜的检测方法、装置及智能可穿戴设备 - Google Patents

Abstract

本发明提供了一种睡眠中起夜的检测方法、装置及智能可穿戴设备，检测方法包括：获取用户睡眠过程中产生的活动量；当活动量大于第一预设阈值时计算用户的活动量的持续时间；当活动量的持续时间大于第二预设阈值时，确定为用户起夜。本发明通过新的活动度量方法，无需增加额外的存储开销，能够高效精确地检测出用户睡眠中的起夜活动，从而带来更好的用户体验。

Description

一种睡眠中起夜的检测方法、装置及智能可穿戴设备

技术领域

本发明涉及睡眠检测技术领域，特别涉及一种睡眠中起夜的检测方法/装置及智能可穿戴设备。

背景技术

进行睡眠检测是可穿戴设备的一项重要功能，而睡眠中的起夜检测是其中的一个重要子任务，现有的起夜检测基本都是基于加速度传感器。加速度传感器能够分别测量X、Y、Z三个方向的加速度值，X方向值的大小代表水平移动，Y方向值的大小代表垂直移动，Z方向值的大小代表空间垂直方向，天空的方向为正，地球的方向为负，加速度传感器最终把相关的加速度值传输给操作***，操作***根据其大小变化判断用户是否起夜。

由于考虑功耗和性能的平衡，加速度传感器的采样率一般设置为25Hz，即使这样低的采样率，可穿戴设备也不可能保存所有的原始采样数据。一般会以分钟为单位保存数据，每分钟保存的数据的大小也非常有限，通常在16-24个字节。当可穿戴设备和手机进行连接的时候，这些分钟级的数据会被上传到手机端，然后手机端会对这些数据进行睡眠分析，其中重要的分析项目就有入、出睡时间点以及睡眠中的起夜活动。

而在目前的方案中，起夜活动的检测存在很多的误报情况，由于分钟级的时间粒度导致碎片的活动被连接在一起，譬如两次抬手或翻身，但是如果中间的间隔小于一分钟，这将会被认为是连续的活动。现有的一种解决方案是减小单位时间的长度，即将分钟级别减小到秒级别，譬如30秒。这样做可以减少误报，但并不能从本质上消除这种误报的现象，而且会增加存储的开销。

发明内容

(一)发明目的

本发明的目的是提供一种睡眠中起夜的检测方法、装置及智能可穿戴设备，通过提供一种新的活动度量方法，无需增加额外的存储开销，就能够高效精确地检测出用户睡眠中的起夜活动，从而带来比较好的用户体验。

(二)技术方案

为解决上述问题，根据本发明的一个方面,本发明提供了一种睡眠中起夜的检测方法，包括：获取用户睡眠过程中产生的活动量；当活动量大于第一预设阈值时计算用户的活动量的持续时间；当活动量的持续时间大于第二预设阈值时，确定用户起夜。

进一步的，根据获取的活动量计算用户的活动量的持续时间包括：确定开始产生活动量的时间点为活动开始时间点；确定在开始时间点之后再次产生睡眠数据的时间点为活动结束时间点；根据活动量的活动开始时间点和活动结束时间点计算持续时间。

进一步的，确定开始产生活动量的步骤，包括：当活动量大于第一预设阈值时，确定开始产生活动量；或当活动量大于第一预设阈值，且在当前时间点之前至少存在预设个第一时间点时，确定从当前时间点开始产生活动量；其中，活动量大于第一预设阈值对应的时间点为第一时间点。

进一步的，确定活动结束时间点的步骤，包括：当活动量小于第一预设阈值时，确定活动结束时间点；或当活动量小于第一预设阈值，且在当前时间点之前至少存在预设个第二时间点时，确定从当前时间点开始结束产生活动量；其中，活动量小于第一预设阈值对应的时间点为第二时间点。

进一步的，确定用户起夜的步骤包括：获取相邻活动量的持续时间的时间间隙；当时间间隙小于第三预设阈值时，将相邻活动量的持续时间合并为一个时间段；当时间段大于第二预设阈值，确定为用户起夜；其中，第三预设阈值用于确定相邻活动量是否连续，第二预设阈值用于确定连续的相邻活动量是否为起夜。

进一步的，通过加速度传感器获取用户睡眠过程中产生的活动量；对加速度传感器采集的历史数据做加权平均算法得到第一预设阈值、第二预设阈值和第三预设阈值。

根据本发明的另一个方面,本发明提供了一种睡眠中起夜的检测装置，包括：数据获取模块、第一处理模块和第二处理模块；数据获取模块用于获取用户睡眠过程中产生的活动量，并发送给第一处理模块；第一处理模块用于判断接收到的活动量是否大于第一预设阈值，当活动量大于第一预设阈值时计算用户的活动量的持续时间，并发送给第二处理模块；第二处理模块基于活动量的持续时间判断用户是否起夜，当持续时间大于第二预设阈值时，确定用户起夜。

进一步的，第一处理模块包括：第一确定单元，用于确定开始产生活动量的时间点为活动开始时间点；第二确定单元，用于确定在开始时间点之后再次产生睡眠数据的时间点为活动结束时间点；计算单元，根据活动量的活动开始时间点和活动结束时间点计算持续时间。

进一步的，第一处理模块还包括：第一处理单元，用于当活动量大于第一预设阈值时，确定开始产生活动量；或当活动量大于第一预设阈值，且在当前时间点之前至少存在预设个第一时间点时，确定从当前时间点开始产生活动量；其中，活动量大于第一预设阈值对应的时间点为第一时间点；第二处理单元，用于当活动量小于第一预设阈值时，确定活动结束时间点；或当活动量小于第一预设阈值，且在当前时间点之前至少存在预设个第二时间点时，确定从当前时间点开始结束产生活动量；其中，活动量小于第一预设阈值对应的时间点为第二时间点。

进一步的，第二处理模块包括：获取子单元，用于获取相邻活动量的持续时间的时间间隙；合并单元，用于当时间间隙小于第三预设阈值时，将相邻活动量的持续时间合并为一个时间段；检测确定单元，用于当时间段大于第二预设阈值时，确定用户起夜。

进一步的，数据获取模块包括：加速度传感器，用于获取用户睡眠过程中产生的活动量；确定阈值单元，用于对加速度传感器采集的历史数据做加权平均算法得到第一预设阈值、第二预设阈值和第三预设阈值。

根据本发明的另一个方面,本发明提供了一种智能可穿戴设备，包括以上所阐述的睡眠中起夜的检测装置，还包括：处理器和用于存储处理器可执行指令的存储器；其中，处理器被配置为：获取用户睡眠过程中产生的活动量；当活动量大于第一预设阈值时计算用户的活动量的持续时间；当活动量的持续时间大于第二预设阈值时，确定用户起夜。

(三)有益效果

本发明的上述技术方案具有如下有益的技术效果：

能够高效准确的检测出睡眠中的起夜活动，从而带来比较好的用户体验。

附图说明

图1是本发明提供的睡眠中起夜的检测方法的流程图；

图2是本发明提供的睡眠中起夜的检测方法中步骤S2的流程图；

图3是本发明提供的睡眠中起夜的检测方法中步骤S3的流程图；

图4是本发明提供的睡眠中起夜的检测方法的步骤S2的实施例的流程图；

图5是本发明提供的睡眠中起夜的检测方法的步骤S3的实施例的流程图；

图6是本发明提供的睡眠中起夜的检测装置框图。

附图标记：

1-数据获取模块；2-第一处理模块；3-第二处理模块；101-获取子单元；102-确定阈值单元；201-第一确定单元；202-第二确定单元；203-计算单元；301-获取子单元；302-合并单元；303-检测确定单元；S1、S2、S3、S21、S22、S23、S31、S32、S33-步骤。

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明了，下面结合具体实施方式并参照附图，对本发明进一步详细说明。应该理解，这些描述只是示例性的，而并非要限制本发明的范围。此外，在以下说明中，省略了对公知结构和技术的描述，以避免不必要地混淆本发明的概念。

下面结合附图和实施例对本发明进行详细说明。

图1是本发明提供的睡眠中起夜的检测方法的流程图。

本发明提供了一种睡眠中起夜的检测方法，包括：

S1：获取用户睡眠过程中产生的活动量；

S2：当活动量大于第一预设阈值时计算用户的活动量的持续时间；

S3：当活动量的持续时间大于第二预设阈值时，确定用户起夜。

具体地，在步骤S1中，本申请通过三轴加速度传感器获取用户睡眠过程中产生的活动量，首先采用预先安装在智能可穿戴设备上的三轴加速度传感器实时采集用户睡眠过程中，分别在x，y，z三个方向轴上产生的加速度数据，并计算三轴加速度在时间轴上的差分，用差分表示加速度数据的改变量，即距离程度，将三轴加速度在时间轴上的差分按照相关计算即可得到用户睡眠过程中产生的活动量。

其中，活动量F_i为：在单位时间内活动的累加值或者最大值。

活动量持续的时间T为：大于第一预设阈值的单帧活动量F_i的持续时间，即单帧活动量F_i开始产生的时间至单帧活动量F_i结束的时间。

起夜活动为：如果睡眠中的活动量F_i持续大于第一预设阈值，且活动量F_i的持续时间大于第二预设阈值，则被定义为一个起夜活动。

其中，第一预设阈值和第二预设阈值根据三轴加速度传感器采集到的历史数据进行统计得到的，具体地，采用加权平均算法计算历史数据的均值，以确保得到的数据符合所有用户。

在一实施例中，基于分钟级的数据，采用三轴加速度传感器获取活动量F_i，当采样率为25hz时，一分钟共有60*25个数据点，此时活动量F_i根据一下公式计算得到：

∑_i＝1 sqrt(x_i ²+y_i ²+z_i ²) (1)

或者

MAX_i(sqrt(x_i ²+y_i ²+z_i ²)) (2)

在上述的公式(1)和(2)中，i的范围是从1到60*25；x、y、z是三个方向轴的加速度在时间轴上的差分(一般是1-5阶的差分，用差分表示加速度的改变量，也就是活动的距离程度)；sqrt(x_i ²+y_i ²+z_i ²)为单帧活动量F_i。上述帧是指一个数据点，当采样率为25hz时，每秒有25个数据帧。

因此，在一实施例中，步骤S1包括：

S11：接收当前帧i(i>0)的三个方向轴的加速度在时间轴上的差分x，y，z。

S12：将x，y，z代入公式(1)或(2)计算当前帧活动量F_i。

图2是本发明提供的睡眠中起夜的检测方法中步骤S2的流程图，请查看图2，在一实施例中，步骤S2包括：

S21：确定开始产生活动量的时间点为活动开始时间点；

S22：确定在开始时间点之后再次产生睡眠数据的时间点为活动结束时间点；

S23：根据活动量的活动开始时间点和活动结束时间点计算持续时间。

可选的，步骤S21中，确定开始产生活动量的步骤，包括：当活动量大于第一预设阈值时，确定开始产生活动量。

其中，第一预设阈值用于判断用户在睡眠过程中是否出现活动量。因此，当用户在睡眠过程中的一个时间点出现活动量，且该活动量大于第一预设阈值时，将该时间点作为活动开始时间点。

可选的，步骤S21中，确定开始产生活动量的步骤，包括：当活动量大于第一预设阈值，且在当前时间点之前至少存在预设个第一时间点时，确定从当前时间点开始产生活动量；其中，活动量大于第一预设阈值对应的时间点为第一时间点。

具体地，为防止数据中的出现的偶发误差，在判断一个时间点的活动量是否大于第一预设阈值的同时，判断在该时间点之前的预设个第一时间点的活动量是否也大于第一预设阈值。

在该步骤中，每一个时间点的活动量只计算一次，并将计算得到的活动量均存储到一个缓冲区。待需要与第一预设阈值相比较时，调取缓冲区的活动量即可。

可选的，步骤S22中，确定活动结束时间点的步骤，包括：当活动量小于第一预设阈值时，确定活动结束时间点。

具体地，步骤S21已经确定用户处于活动状态，而步骤S22用于确定用户是否结束活动，并确定结束活动的时间点。

当检测到用户的活动量小于第一预设阈值时，说明在该时间点用户已经处于睡眠中，即用户已经从活动状态恢复到睡眠状态，因此将该时间点作为活动结束时间点。

可选的，步骤S22中，确定活动结束时间点的步骤，包括：当活动量小于第一预设阈值，且在当前时间点之前至少存在预设个第二时间点时，确定从当前时间点开始结束产生活动量；其中，活动量小于第一预设阈值对应的时间点为第二时间点。

具体地，为防止数据中出现偶发误差，在判断一个时间点的活动量是否小于第一预设阈值的同时，判断在该时间点之前的预设个第二时间点的活动量是否也小于第一预设阈值。

在该步骤中，每一个时间点的活动量只计算一次，并将计算得到的活动量均存储到一个缓冲区。待需要与第一预设阈值相比较时，调取缓冲区的活动量即可。

具体地，步骤S23用于计算活动量的持续时间，活动量的持续时间用于表征用户睡眠中进行活动的时间间隔。活动量的持续时间＝活动结束时间点-活动开始时间点。

图3是本发明提供的睡眠中起夜的检测方法中步骤S3的流程图，请查看图3，在一实施例中，步骤S3包括：

S31：获取相邻活动量的持续时间的时间间隙；

S32：当时间间隙小于第三预设阈值时，将相邻活动量的持续时间合并为一个时间段；

S33：当时间段大于第二预设阈值，确定为用户起夜；

其中，第三预设阈值用于确定相邻活动量是否连续，第二预设阈值用于确定连续的相邻活动量是否为起夜。

具体地，首先获取一系列活动量的持续时间的时间间隙，如果相邻活动量的持续时间间隔越短，说明相邻活动量是连续的，因此第三预设阈值用于判断相邻活动量是否是连续。

且第三预设阈值根据三轴加速度传感器采集到的历史数据进行统计得到的，具体地，采用加权平均算法计算历史数据的均值，以确保得到的数据符合所有用户。

如果相邻活动量连续，则将相邻活动量合并为一个时间段；如果该时间段越长，说明活动量持续的时间越长，进而说明此时用户是起夜的，因此第二预设阈值用于判断该时间段的时长是否满足用户起夜的条件。

以下通过具体地实施例进行详细说明，图4是本发明提供的睡眠中起夜的检测方法的步骤S2的实施例的流程图，图5是本发明提供的睡眠中起夜的检测方法的步骤S3的实施例的流程图，请查看图4和图5。

实施例：

步骤一：首先通过加速度传感器获取当前时间点用户睡眠过程中产生的活动量F_i。

步骤二：判断当前时间点活动量F_i的值是否大于第一预设阈值δ，且当前时间点之前至少存在α个第一时间点的活动量F_i的值也大于第一预设阈值δ；若大于，则将该当前时间点标记为活动开始时间点。

若不大于，则直接进行下一步。

步骤三：判断当前时间点的活动量F_i的值是否小于第一预设阈值δ，且当前时间点之前至少存在α个第二时间点的活动量F_i的值是否均小于第一预设阈值δ；若小于，则将该当前时间点标记为活动结束时间点，说明此时用户处于睡眠状态。

若不小于，则检测下一时间点的活动量。

步骤三：计算活动量的持续时间，活动量的持续时间＝活动结束时间点-活动开始时间点。

步骤四：检测多个时间点的活动量，以获取一系列有序的活动量的持续时间，且判断相邻活动量的持续时间的时间间隙是否小于第三预设阈值τ，若是，则将相邻活动量的持续时间合并为一个时间段T_i。

步骤五：判断步骤四得到的时间段T_i的时长是否大于第二预设阈值β，若是，则确定为用户起夜，该时间段T_i为用户在睡眠中的起夜时间。

图6是本发明提供的睡眠中起夜的检测装置框图，请查看图6。

本发明还提供了一种睡眠中起夜的检测装置，包括：数据获取模块1、第一处理模块2和第二处理模块3。数据获取模块1用于获取用户睡眠过程中产生的活动量，并发送给第一处理模块2；第一处理模块2用于判断接收到的活动量是否大于第一预设阈值，当活动量大于第一预设阈值时计算用户的活动量的持续时间，并发送给第二处理模块3；第二处理模块基于活动量的持续时间判断用户是否起夜，当持续时间大于第二预设阈值时，确定用户起夜。

在一实施例中，数据获取模块1包括：获取子单元101和确定阈值单元102。获取子单元101为加速度传感器，用于检测用户睡眠过程中产生的活动量，并发送给第一处理模块2；确定阈值单元102用于对加速度传感器采集的历史数据做加权平均算法得到第一预设阈值、第二预设阈值和第三预设阈值，并发送给第一处理模块2。

在一实施例中，第一处理模块2包括：第一确定单元201、第二确定单元202和计算单元203。第一确定单元201用于确定开始产生活动量的时间点为活动开始时间点；第二确定单元202用于确定在开始时间点之后再次产生睡眠数据的时间点为活动结束时间点；计算单元203用于根据活动量的活动开始时间点和活动结束时间点计算持续时间。

第一处理模块2还包括：第一处理单元和第二处理单元。第一处理单元用于当活动量大于第一预设阈值时，确定开始产生活动量；或当活动量大于第一预设阈值，且在当前时间点之前至少存在预设个第一时间点时，确定从当前时间点开始产生活动量；其中，活动量大于第一预设阈值对应的时间点为第一时间点。第二处理单元，用于当活动量小于第一预设阈值时，确定活动结束时间点；或当活动量小于第一预设阈值，且在当前时间点之前至少存在预设个第二时间点时，确定从当前时间点开始结束产生活动量；其中，活动量小于第一预设阈值对应的时间点为第二时间点。

在一实施例中，第二处理模块3包括：获取子单元301、合并单元302和检测确定单元303。获取子单元301用于获取相邻活动量的持续时间的时间间隙；合并单元302用于当时间间隙小于第三预设阈值时，将相邻活动量的持续时间合并为一个时间段；检测确定单元303用于当时间段大于第二预设阈值时，确定用户起夜。

本发明还提供了一种智能可穿戴设备，包括以上所阐述的睡眠中起夜的检测装置，还包括：处理器和用于存储处理器可执行指令的存储器；其中，处理器被配置为：获取用户睡眠过程中产生的活动量；当活动量大于第一预设阈值时计算用户的活动量的持续时间；当持续时间大于第二预设阈值时，确定用户起夜。

本发明旨在保护一种睡眠中起夜的检测方法、装置及智能可穿戴设备，其中睡眠中起夜的检测方法包括：获取用户睡眠过程中产生的活动量；当活动量大于第一预设阈值时计算用户的活动量的持续时间；当持续时间大于第二预设阈值时，确定用户起夜。睡眠中起夜的检测装置包括：数据获取模块、第一处理模块和第二处理模块；数据获取模块用于获取用户睡眠过程中产生的活动量，并发送给第一处理模块；第一处理模块用于判断接收到的活动量是否大于第一预设阈值，当活动量大于第一预设阈值时计算用户的活动量的持续时间，并发送给第二处理模块；第二处理模块基于活动量的持续时间判断用户是否起夜，当持续时间大于第二预设阈值时，确定用户起夜。智能可穿戴设备包括上述睡眠中起夜的检测装置。因此，本发明的睡眠中起夜的检测方法及装置、智能可穿戴设备能够通过一种新的活动度量方法，无需增加额外的存储开销，能够高效精确检测出用户睡眠中的起夜活动，从而带来比较好的用户体验。

应当理解的是，本发明的上述具体实施方式仅仅用于示例性说明或解释本发明的原理，而不构成对本发明的限制。因此，在不偏离本发明的精神和范围的情况下所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。此外，本发明所附权利要求旨在涵盖落入所附权利要求范围和边界、或者这种范围和边界的等同形式内的全部变化和修改例。

Claims (12)

1.一种睡眠中起夜的检测方法，其特征在于，包括：

获取用户睡眠过程中产生的活动量；

当所述活动量大于第一预设阈值时计算用户的活动量的持续时间；

当所述活动量的持续时间大于第二预设阈值时，确定用户起夜。

2.根据权利要求1所述的检测方法，其特征在于，所述根据获取的所述活动量计算用户的活动量的持续时间包括：

确定开始产生所述活动量的时间点为所述活动开始时间点；

确定在所述开始时间点之后再次产生睡眠数据的时间点为所述活动结束时间点；

根据所述活动量的活动开始时间点和活动结束时间点计算所述持续时间。

3.根据权利要求2所述的检测方法，其特征在于，确定所述开始产生所述活动量的步骤，包括：

当所述活动量大于第一预设阈值时，确定开始产生所述活动量；或

当所述活动量大于第一预设阈值，且在当前时间点之前至少存在预设个第一时间点时，确定从所述当前时间点开始产生所述活动量；

其中，活动量大于所述第一预设阈值对应的时间点为第一时间点。

4.根据权利要求2或3所述的检测方法，其特征在于，确定所述活动结束时间点的步骤，包括：

当所述活动量小于第一预设阈值时，确定所述活动结束时间点；或

当所述活动量小于第一预设阈值，且在当前时间点之前至少存在预设个第二时间点时，确定从所述当前时间点开始结束产生所述活动量；

其中，活动量小于所述第一预设阈值对应的时间点为第二时间点。

5.根据权利要求4所述的检测方法，其特征在于，所述确定用户起夜的步骤包括：

获取相邻所述活动量的持续时间的时间间隙；

当所述时间间隙小于第三预设阈值时，将相邻所述活动量的持续时间合并为一个时间段；

当所述时间段大于第二预设阈值，确定为用户起夜；

其中，所述第三预设阈值用于确定相邻活动量是否连续，所述第二预设阈值用于确定连续的相邻活动量是否为起夜。

6.根据权利要求5所述的检测方法，其特征在于，

通过加速度传感器获取用户睡眠过程中产生的活动量；

对所述加速度传感器采集的历史数据做加权平均算法得到所述第一预设阈值、所述第二预设阈值和所述第三预设阈值。

7.一种睡眠中起夜的检测装置，其特征在于，包括：数据获取模块、第一处理模块和第二处理模块；

所述数据获取模块用于获取用户睡眠过程中产生的活动量，并发送给所述第一处理模块；

所述第一处理模块用于判断接收到的所述活动量是否大于第一预设阈值，当所述活动量大于第一预设阈值时计算用户的活动量的持续时间，并发送给所述第二处理模块；

所述第二处理模块基于所述活动量的持续时间判断用户是否起夜，当所述持续时间大于第二预设阈值时，确定用户起夜。

8.根据权利要求6所述的检测装置，其特征在于，

所述第一处理模块包括：

第一确定单元，用于确定开始产生所述活动量的时间点为所述活动开始时间点；

第二确定单元，用于确定在所述开始时间点之后再次产生睡眠数据的时间点为所述活动结束时间点；

计算单元，根据所述活动量的活动开始时间点和活动结束时间点计算所述持续时间。

9.根据权利要求8所述的检测装置，其特征在于，

所述第一处理模块还包括：

第一处理单元，用于当所述活动量大于第一预设阈值时，确定开始产生所述活动量；或当所述活动量大于第一预设阈值，且在当前时间点之前至少存在预设个第一时间点时，确定从所述当前时间点开始产生所述活动量；其中，活动量大于所述第一预设阈值对应的时间点为第一时间点；

第二处理单元，用于当所述活动量小于第一预设阈值时，确定所述活动结束时间点；或当所述活动量小于第一预设阈值，且在当前时间点之前至少存在预设个第二时间点时，确定从所述当前时间点开始结束产生所述活动量；其中，活动量小于所述第一预设阈值对应的时间点为第二时间点。

10.根据权利要求9所述的检测装置，其特征在于，

所述第二处理模块包括：

获取子单元，用于获取相邻所述活动量的持续时间的时间间隙；

合并单元，用于当所述时间间隙小于第三预设阈值时，将相邻所述活动量的持续时间合并为一个时间段；

检测确定单元，用于当所述时间段大于第二预设阈值时，确定用户起夜。

11.根据权利要求10所述的检测装置，其特征在于，

所述数据获取模块包括：

获取子单元，所述获取子单元为加速度传感器，用于获取用户睡眠过程中产生的活动量；

确定阈值单元，用于对所述加速度传感器采集的历史数据做加权平均算法得到所述第一预设阈值、所述第二预设阈值和所述第三预设阈值。

12.一种智能可穿戴设备，其特征在于，包括权利要求6-11任一项所述的睡眠中起夜的检测装置，还包括：处理器和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：

获取用户睡眠过程中产生的活动量；

当所述活动量大于第一预设阈值时计算用户的活动量的持续时间；

当所述活动量的持续时间大于第二预设阈值时，确定用户起夜。

Images