CN115120837A - 基于深度学习的睡眠环境调节方法、***、装置及介质 - Google Patents
基于深度学习的睡眠环境调节方法、***、装置及介质 Download PDFInfo
- Publication number
- CN115120837A CN115120837A CN202210736281.1A CN202210736281A CN115120837A CN 115120837 A CN115120837 A CN 115120837A CN 202210736281 A CN202210736281 A CN 202210736281A CN 115120837 A CN115120837 A CN 115120837A
- Authority
- CN
- China
- Prior art keywords
- information
- sleep
- human body
- body posture
- breathing
- 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
- 230000007958 sleep Effects 0.000 title claims abstract description 141
- 238000000034 method Methods 0.000 title claims abstract description 47
- 238000013135 deep learning Methods 0.000 title claims abstract description 37
- 230000000241 respiratory effect Effects 0.000 claims abstract description 42
- 230000029058 respiratory gaseous exchange Effects 0.000 claims abstract description 36
- 208000037656 Respiratory Sounds Diseases 0.000 claims abstract description 34
- 230000007613 environmental effect Effects 0.000 claims abstract description 4
- 238000012549 training Methods 0.000 claims description 37
- 238000001914 filtration Methods 0.000 claims description 10
- 238000012545 processing Methods 0.000 claims description 3
- 238000001228 spectrum Methods 0.000 claims description 3
- 230000006870 function Effects 0.000 description 30
- 238000012360 testing method Methods 0.000 description 7
- 230000008667 sleep stage Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 238000002372 labelling Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000003860 sleep quality Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 241001669679 Eleotris Species 0.000 description 1
- 206010062519 Poor quality sleep Diseases 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000005059 dormancy Effects 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 230000000147 hypnotic effect Effects 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000036651 mood Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000004461 rapid eye movement Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
- A61M21/00—Other devices or methods to cause a change in the state of consciousness; Devices for producing or ending sleep by mechanical, optical, or acoustical means, e.g. for hypnosis
- A61M21/02—Other devices or methods to cause a change in the state of consciousness; Devices for producing or ending sleep by mechanical, optical, or acoustical means, e.g. for hypnosis for inducing sleep or relaxation, e.g. by direct nerve stimulation, hypnosis, analgesia
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/08—Detecting, measuring or recording devices for evaluating the respiratory organs
-
- 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
- A61B5/48—Other medical applications
- A61B5/4806—Sleep evaluation
- A61B5/4815—Sleep quality
-
- 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
- A61B5/7267—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems involving training the classification device
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
- G06N3/084—Backpropagation, e.g. using gradient descent
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
- G06V10/774—Generating sets of training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/103—Static body considered as a whole, e.g. static pedestrian or occupant recognition
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
- G10L25/03—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 characterised by the type of extracted parameters
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
- G10L25/27—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 characterised by the analysis technique
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
- A61M21/00—Other devices or methods to cause a change in the state of consciousness; Devices for producing or ending sleep by mechanical, optical, or acoustical means, e.g. for hypnosis
- A61M2021/0005—Other devices or methods to cause a change in the state of consciousness; Devices for producing or ending sleep by mechanical, optical, or acoustical means, e.g. for hypnosis by the use of a particular sense, or stimulus
- A61M2021/0027—Other devices or methods to cause a change in the state of consciousness; Devices for producing or ending sleep by mechanical, optical, or acoustical means, e.g. for hypnosis by the use of a particular sense, or stimulus by the hearing sense
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
- A61M21/00—Other devices or methods to cause a change in the state of consciousness; Devices for producing or ending sleep by mechanical, optical, or acoustical means, e.g. for hypnosis
- A61M2021/0005—Other devices or methods to cause a change in the state of consciousness; Devices for producing or ending sleep by mechanical, optical, or acoustical means, e.g. for hypnosis by the use of a particular sense, or stimulus
- A61M2021/0044—Other devices or methods to cause a change in the state of consciousness; Devices for producing or ending sleep by mechanical, optical, or acoustical means, e.g. for hypnosis by the use of a particular sense, or stimulus by the sight sense
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
- A61M21/00—Other devices or methods to cause a change in the state of consciousness; Devices for producing or ending sleep by mechanical, optical, or acoustical means, e.g. for hypnosis
- A61M2021/0005—Other devices or methods to cause a change in the state of consciousness; Devices for producing or ending sleep by mechanical, optical, or acoustical means, e.g. for hypnosis by the use of a particular sense, or stimulus
- A61M2021/0066—Other devices or methods to cause a change in the state of consciousness; Devices for producing or ending sleep by mechanical, optical, or acoustical means, e.g. for hypnosis by the use of a particular sense, or stimulus with heating or cooling
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
- A61M2230/00—Measuring parameters of the user
- A61M2230/40—Respiratory characteristics
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
- A61M2230/00—Measuring parameters of the user
- A61M2230/62—Posture
-
- 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
- Y02B—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
- Y02B20/00—Energy efficient lighting technologies, e.g. halogen lamps or gas discharge lamps
- Y02B20/40—Control techniques providing energy savings, e.g. smart controller or presence detection
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Theoretical Computer Science (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Molecular Biology (AREA)
- Heart & Thoracic Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Artificial Intelligence (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Surgery (AREA)
- Evolutionary Computation (AREA)
- Pathology (AREA)
- Multimedia (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Software Systems (AREA)
- Computing Systems (AREA)
- Human Computer Interaction (AREA)
- Signal Processing (AREA)
- Physiology (AREA)
- Acoustics & Sound (AREA)
- Databases & Information Systems (AREA)
- Anesthesiology (AREA)
- Computational Linguistics (AREA)
- Mathematical Physics (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Pulmonology (AREA)
- Hematology (AREA)
- Fuzzy Systems (AREA)
- Dentistry (AREA)
- Psychiatry (AREA)
- Psychology (AREA)
- Pain & Pain Management (AREA)
- Oral & Maxillofacial Surgery (AREA)
Abstract
本发明公开了一种基于深度学习的睡眠环境调节方法、***、装置及介质,方法包括:获取用户睡眠时的第一热红外图像信息和第一呼吸声音信息;将第一热红外图像信息输入到预先训练好的人体姿态识别网络得到第一人体姿态信息,并将第一人体姿态信息和第一呼吸声音信息输入到预先训练好的呼吸状态识别网络得到第一呼吸状态信息;将第一人体姿态信息和第一呼吸状态信息输入到预先训练好的睡眠状态识别网络得到第一睡眠状态信息;根据第一睡眠状态信息对室内的环境参数进行调节。本发明无需通过可穿戴设备实时监测用户的体征参数,提高了睡眠状态识别的准确性和睡眠环境调节的准确性,提高了用户的睡眠体验,可广泛应用于智能家居技术领域。
Description
技术领域
本发明涉及智能家居技术领域,尤其是一种基于深度学习的睡眠环境调节方法、***、装置及介质。
背景技术
目前,随着生活水平的不断提高,人们对生活的质量要求也越来越高,尤其系对睡眠的要求也越来越重视。睡眠是否充足而又舒适,既影响到人们的日常工作,又影响到人们的身体健康状况;睡眠质量的好坏,睡眠环境显得相当重要。
为提高睡眠质量,市面上出现了各种各样的产品,如舒适性较好的床垫、带微加热体的床垫、带振动按摩功能的床垫;也有一些以改善房间睡眼环境的,如在房间中设置灯光调控器、或在房间中安装可播放催眠音乐的播放器等。上述这些产品,在一定程度上虽然有助于提高人们的睡眠质量,但仍存在以下不足之处:
(1)现有的助眠产品大多需要用户手动调节控制,一旦用户进入睡眠之后无法进行智能调节;
(2)部分助眠产品可以通过获取用户体征参数来进行智能调节,但往往需要配合可穿戴设备实时监测用户的体征参数,而在睡眠过程中穿戴可穿戴设备会造成用户身体的不适,影响用户的睡眠体验。
发明内容
本发明的目的在于至少一定程度上解决现有技术中存在的技术问题之一。
为此,本发明实施例的一个目的在于提供一种基于深度学习的睡眠环境调节方法,该方法提高了用户睡眠状态识别的准确性,从而提高了睡眠环境调节的准确性以及用户的睡眠体验。
本发明实施例的另一个目的在于提供一种基于深度学习的睡眠环境调节***。
为了达到上述技术目的,本发明实施例所采取的技术方案包括:
第一方面,本发明实施例提供了一种基于深度学习的睡眠环境调节方法,包括以下步骤:
获取用户睡眠时的第一热红外图像信息和第一呼吸声音信息;
将所述第一热红外图像信息输入到预先训练好的人体姿态识别网络得到第一人体姿态信息,并将所述第一人体姿态信息和所述第一呼吸声音信息输入到预先训练好的呼吸状态识别网络得到第一呼吸状态信息;
将所述第一人体姿态信息和所述第一呼吸状态信息输入到预先训练好的睡眠状态识别网络得到第一睡眠状态信息;
根据所述第一睡眠状态信息对室内的环境参数进行调节,所述环境参数包括温度、灯光以及音乐中的至少一种。
进一步地,在本发明的一个实施例中,所述获取用户睡眠时的第一热红外图像信息和第一呼吸声音信息这一步骤,其具体包括:
通过热红外摄像仪获取用户睡眠时的第一热红外图像信息;
通过声音采集设备获取用户睡眠时的第一环境声音信息,对所述第一环境声音信息进行噪声过滤得到第一呼吸声音信息;
其中,所述热红外摄像仪和所述声音采集设备均设置在床架上。
进一步地,在本发明的一个实施例中,所述对所述第一环境声音信息进行噪声过滤得到第一呼吸声音信息这一步骤,其具体包括:
对所述第一环境声音信息进行音频帧划分,得到第一音频帧序列;
根据预设的单次呼吸的第一频谱分布将所述第一音频帧序列划分为多个对应单次呼吸的第一音频帧子序列;
提取所述第一音频帧子序列的音频特征,并将所述音频特征与预设的噪声特征进行匹配,当匹配度大于等于预设的第一阈值时,过滤掉对应的第一音频帧子序列,得到第一呼吸声音信息。
进一步地,在本发明的一个实施例中,所述基于深度学习的睡眠环境调节方法还包括预先训练人体姿态识别网络的步骤,其具体包括:
获取预设的人体姿态图像数据集,所述人体姿态图像数据集包括多个人体姿态图像以及对应的姿态标签;
对所述人体姿态图像进行热图处理得到第一训练样本,并将所述第一训练样本输入到预先构建的人体姿态识别网络,得到姿态识别结果;
根据所述姿态识别结果和所述姿态标签确定所述人体姿态识别网络的第一损失值;
根据所述第一损失值更新所述人体姿态识别网络的参数。
进一步地,在本发明的一个实施例中,所述基于深度学习的睡眠环境调节方法还包括预先训练呼吸状态识别网络的步骤,其具体包括:
获取测试人员睡眠时的第二人体姿态信息和第二呼吸声音信息,并通过人工标注得到呼吸状态标签;
将所述第二人体姿态信息和所述第二呼吸声音信息输入到预先构建的呼吸状态识别网络,得到呼吸状态识别结果;
根据所述呼吸状态识别结果和所述呼吸状态标签确定所述呼吸状态识别网络的第二损失值;
根据所述第二损失值更新所述呼吸状态识别网络的参数。
进一步地,在本发明的一个实施例中,所述基于深度学习的睡眠环境调节方法还包括联合训练呼吸状态识别网络和睡眠状态识别网络的步骤,其具体包括:
通过可穿戴设备获取所述测试人员睡眠时的体征数据,根据所述体征数据确定睡眠状态标签;
将所述第二人体姿态信息和所述呼吸状态识别结果输入到预先构建的睡眠状态识别网络,得到睡眠状态识别结果;
根据所述睡眠状态识别结果和所述睡眠状态标签确定所述睡眠状态识别网络的第三损失值;
根据所述第三损失值,通过反向传播算法更新所述睡眠状态识别网络的参数和所述呼吸状态识别网络的参数。
进一步地,在本发明的一个实施例中,所述根据所述第一睡眠状态信息对室内的环境参数调节这一步骤,包括以下步骤中的至少一个:
获取预设的温度控制曲线,根据所述第一睡眠状态信息和所述温度控制曲线对室内的温度进行调节;
获取预设的灯光控制曲线,根据所述第一睡眠状态信息和所述灯光控制曲线对室内的灯光进行调节;
获取预设的音乐控制曲线,根据所述第一睡眠状态信息和所述音乐控制曲线对室内的音乐进行调节。
第二方面,本发明实施例提供了一种基于深度学习的睡眠环境调节***,包括:
数据获取模块,用于获取用户睡眠时的第一热红外图像信息和第一呼吸声音信息;
第一识别模块,用于将所述第一热红外图像信息输入到预先训练好的人体姿态识别网络得到第一人体姿态信息,并将所述第一人体姿态信息和所述第一呼吸声音信息输入到预先训练好的呼吸状态识别网络得到第一呼吸状态信息;
第二识别模块,用于将所述第一人体姿态信息和所述第一呼吸状态信息输入到预先训练好的睡眠状态识别网络得到第一睡眠状态信息;
环境调节模块,用于根据所述第一睡眠状态信息对室内的环境参数进行调节,所述环境参数包括温度、灯光以及音乐中的至少一种。
第三方面,本发明实施例提供了一种基于深度学习的睡眠环境调节装置,包括:
至少一个处理器;
至少一个存储器,用于存储至少一个程序;
当所述至少一个程序被所述至少一个处理器执行时,使得所述至少一个处理器实现上述的一种基于深度学习的睡眠环境调节方法。
第四方面,本发明实施例还提供了一种计算机可读存储介质,其中存储有处理器可执行的程序,所述处理器可执行的程序在由处理器执行时用于执行上述的一种基于深度学习的睡眠环境调节方法。
本发明的优点和有益效果将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本发明的实践了解到:
本发明实施例获取用户睡眠时的热红外图像信息和呼吸声音信息,通过预先训练好的人体姿态识别网络和呼吸状态识别网络识别得到用户的人体姿态信息和呼吸状态信息,进而通过预先训练好的睡眠状态识别网络识别得到用户的睡眠状态信息,从而可以根据该睡眠状态信息对室内的温度、灯光以及音乐进行调节。本发明实施例通过热红外图像信息和呼吸声音信息来进行用户睡眠状态的识别,无需通过可穿戴设备实时监测用户的体征参数,提高了用户的睡眠体验;通过人体姿态识别网络、呼吸状态识别网络以及睡眠状态识别网络对用户的人体姿态、呼吸状态以及睡眠状态进行逐级识别,提高了用户睡眠状态识别的准确性,进而提高了睡眠环境调节的准确性,进一步提高了用户的睡眠体验。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面对本发明实施例中所需要使用的附图作以下介绍,应当理解的是,下面介绍中的附图仅仅为了方便清晰表述本发明的技术方案中的部分实施例,对于本领域的技术人员来说,在无需付出创造性劳动的前提下,还可以根据这些附图获取到其他附图。
图1为本发明实施例提供的一种基于深度学习的睡眠环境调节方法的步骤流程图;
图2为本发明实施例提供的一种基于深度学习的睡眠环境调节***的结构框图;
图3为本发明实施例提供的一种基于深度学习的睡眠环境调节装置的结构框图。
具体实施方式
下面详细描述本发明的实施例,所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,仅用于解释本发明,而不能理解为对本发明的限制。对于以下实施例中的步骤编号,其仅为了便于阐述说明而设置,对步骤之间的顺序不做任何限定,实施例中的各步骤的执行顺序均可根据本领域技术人员的理解来进行适应性调整。
在本发明的描述中,多个的含义是两个或两个以上,如果有描述到第一、第二只是用于区分技术特征为目的,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或者隐含指明所指示的技术特征的先后关系。此外,除非另有定义,本文所使用的所有的技术和科学术语与本技术领域的技术人员通常理解的含义相同。
参照图1,本发明实施例提供了一种基于深度学习的睡眠环境调节方法,具体包括以下步骤:
S101、获取用户睡眠时的第一热红外图像信息和第一呼吸声音信息。
具体地,用户在睡眠时往往使用很微弱的灯光进行照明,这种情况下无法获取清晰的可见光图像,因此本发明实施例通过获取热红外图像来进行后续的人体姿态识别、呼吸状态识别以及睡眠状态识别。步骤S101具体包括:
S1011、通过热红外摄像仪获取用户睡眠时的第一热红外图像信息;
S1012、通过声音采集设备获取用户睡眠时的第一环境声音信息,对第一环境声音信息进行噪声过滤得到第一呼吸声音信息;
其中,热红外摄像仪和声音采集设备均设置在床架上。
具体地,本发明实施例采用热红外摄像仪获取用户睡眠时的热红外图像信息,采用声音采集设备获取用户睡眠时的环境声音信息,经噪声过滤得到呼吸声音信息。热红外摄像仪和声音采集设备均可设置在床架上,如设置在床架的床头靠板上,当检测到用户的睡眠行为后,开启热红外摄像仪和声音采集设备进行数据采集。
进一步作为可选的实施方式,对第一环境声音信息进行噪声过滤得到第一呼吸声音信息这一步骤,其具体包括:
A1、对第一环境声音信息进行音频帧划分,得到第一音频帧序列;
A2、根据预设的单次呼吸的第一频谱分布将第一音频帧序列划分为多个对应单次呼吸的第一音频帧子序列;
A3、提取第一音频帧子序列的音频特征,并将音频特征与预设的噪声特征进行匹配,当匹配度大于等于预设的第一阈值时,过滤掉对应的第一音频帧子序列,得到第一呼吸声音信息。
S102、将第一热红外图像信息输入到预先训练好的人体姿态识别网络得到第一人体姿态信息,并将第一人体姿态信息和第一呼吸声音信息输入到预先训练好的呼吸状态识别网络得到第一呼吸状态信息。
进一步作为可选的实施方式,基于深度学习的睡眠环境调节方法还包括预先训练人体姿态识别网络的步骤,其具体包括:
B1、获取预设的人体姿态图像数据集,人体姿态图像数据集包括多个人体姿态图像以及对应的姿态标签;
B2、对人体姿态图像进行热图处理得到第一训练样本,并将第一训练样本输入到预先构建的人体姿态识别网络,得到姿态识别结果;
B3、根据姿态识别结果和姿态标签确定人体姿态识别网络的第一损失值;
B4、根据第一损失值更新人体姿态识别网络的参数。
具体地,将第一训练样本输入到初始化后的人体姿态识别网络后,可以得到模型输出的姿态识别结果,可以根据姿态识别结果和姿态标签来评估人体姿态识别网络的准确性,从而对模型的参数进行更新。对于人体姿态识别网络来说,姿态识别结果的准确性可以通过损失函数(Loss Function)来衡量,损失函数是定义在单个训练数据上的,用于衡量一个训练数据的预测误差,具体是通过单个训练数据的标签和模型对该训练数据的预测结果确定该训练数据的损失值。而实际训练时,一个训练数据集有很多训练数据,因此一般采用代价函数(Cost Function)来衡量训练数据集的整体误差,代价函数是定义在整个训练数据集上的,用于计算所有训练数据的预测误差的平均值,能够更好地衡量出模型的预测效果。对于一般的机器学***方损失函数、绝对损失函数、对数损失函数、交叉熵损失函数等均可以作为机器学习模型的损失函数,在此不再一一阐述。本发明实施例中,可以从中任选一种损失函数来确定训练的损失值。基于训练的损失值,采用反向传播算法对模型的参数进行更新,迭代几轮即可得到训练好的人体姿态识别网络。具体地迭代轮数可以预先设定,或者在测试集达到精度要求时认为训练完成。
进一步作为可选的实施方式,基于深度学习的睡眠环境调节方法还包括预先训练呼吸状态识别网络的步骤,其具体包括:
C1、获取测试人员睡眠时的第二人体姿态信息和第二呼吸声音信息,并通过人工标注得到呼吸状态标签;
C2、将第二人体姿态信息和第二呼吸声音信息输入到预先构建的呼吸状态识别网络,得到呼吸状态识别结果;
C3、根据呼吸状态识别结果和呼吸状态标签确定呼吸状态识别网络的第二损失值;
C4、根据第二损失值更新呼吸状态识别网络的参数。
具体地,呼吸状态识别网络的训练需要通过人工标注获取呼吸状态标签,可以采集测试人员(如试睡员)进行试睡时的影像数据,从中获取第二人体姿态信息和第二呼吸声音信息,并由专业人员对各个阶段的数据进行人工标注得到呼吸状态标签。
呼吸状态识别网络的训练分为两个阶段,第一个阶段与前述人体姿态识别网络的训练过程类似,在此不做赘述。第二个阶段需要将呼吸状态识别网络与睡眠状态识别网络进行联合训练,即通过睡眠状态识别网络的损失值反向更新呼吸状态识别网络的参数,此阶段训练过程将在后续内容中进行说明。
S103、将第一人体姿态信息和第一呼吸状态信息输入到预先训练好的睡眠状态识别网络得到第一睡眠状态信息。
进一步作为可选的实施方式,基于深度学习的睡眠环境调节方法还包括联合训练呼吸状态识别网络和睡眠状态识别网络的步骤,其具体包括:
D1、通过可穿戴设备获取测试人员睡眠时的体征数据,根据体征数据确定睡眠状态标签;
D2、将第二人体姿态信息和呼吸状态识别结果输入到预先构建的睡眠状态识别网络,得到睡眠状态识别结果;
D3、根据睡眠状态识别结果和睡眠状态标签确定睡眠状态识别网络的第三损失值;
D4、根据第三损失值,通过反向传播算法更新睡眠状态识别网络的参数和呼吸状态识别网络的参数。
具体地,在前述采集测试人员(如试睡员)进行试睡时的影像数据时,还可以通过可穿戴设备获取测试人员睡眠时的体征数据,由专业人员根据体征数据进行人工标注得到睡眠状态标签。
在训练睡眠状态识别网络时,可以整合前述步骤得到的第二人体姿态信息和呼吸状态识别网络输出的呼吸状态识别结果,根据睡眠状态识别网络输出的睡眠状态识别结果计算第三损失值,并反向传播到睡眠状态识别网络和呼吸状态识别网络进行网络参数更新。
本发明实施例中,通过睡眠状态识别网络和呼吸状态识别网络的联合训练来更新网络参数,可以对睡眠状态识别网络和呼吸状态识别网络的特征之间的潜在关联进行学习,保持了姿态特征、呼吸特征之间的相关性,提高了识别得到的呼吸状态和睡眠状态的准确性。
S104、根据第一睡眠状态信息对室内的环境参数进行调节,环境参数包括温度、灯光以及音乐中的至少一种。
具体地,睡眠状态信息可以包括当前所处的睡眠阶段,如入睡阶段、浅睡阶段、熟睡阶段、深睡阶段以及快速眼动阶段;睡眠状态信息还可以包括当前睡眠阶段的睡眠质量、用户情绪等。步骤S104包括以下步骤中的至少一个:
S1041、获取预设的温度控制曲线,根据第一睡眠状态信息和温度控制曲线对室内的温度进行调节;
S1042、获取预设的灯光控制曲线,根据第一睡眠状态信息和灯光控制曲线对室内的灯光进行调节;
S1043、获取预设的音乐控制曲线,根据第一睡眠状态信息和音乐控制曲线对室内的音乐进行调节。
具体地,温度控制曲线、灯光控制曲线以及音乐控制曲线可以根据各个因素对睡眠的影响预先绘制,现有技术中存在许多相关的研究成果,此非本发明实施例的重点,在此不做赘述。
本发明实施例中,实时识别用户的睡眠状态信息并进行计时,根据用户当前的睡眠状态、进入当前睡眠状态的时长以及温度控制曲线、灯光控制曲线、音乐控制曲线进行实时的调节控制。
以上对本发明实施例的方法步骤进行了说明。可以理解的是,本发明实施例通过热红外图像信息和呼吸声音信息来进行用户睡眠状态的识别,无需通过可穿戴设备实时监测用户的体征参数,提高了用户的睡眠体验;通过人体姿态识别网络、呼吸状态识别网络以及睡眠状态识别网络对用户的人体姿态、呼吸状态以及睡眠状态进行逐级识别,提高了用户睡眠状态识别的准确性,进而提高了睡眠环境调节的准确性,进一步提高了用户的睡眠体验;通过睡眠状态识别网络和呼吸状态识别网络的联合训练来更新网络参数,可以对睡眠状态识别网络和呼吸状态识别网络的特征之间的潜在关联进行学习,保持了姿态特征、呼吸特征之间的相关性,提高了识别得到的呼吸状态和睡眠状态的准确性。
参照图2,本发明实施例提供了一种基于深度学习的睡眠环境调节***,包括:
数据获取模块,用于获取用户睡眠时的第一热红外图像信息和第一呼吸声音信息;
第一识别模块,用于将第一热红外图像信息输入到预先训练好的人体姿态识别网络得到第一人体姿态信息,并将第一人体姿态信息和第一呼吸声音信息输入到预先训练好的呼吸状态识别网络得到第一呼吸状态信息;
第二识别模块,用于将第一人体姿态信息和第一呼吸状态信息输入到预先训练好的睡眠状态识别网络得到第一睡眠状态信息;
环境调节模块,用于根据第一睡眠状态信息对室内的环境参数进行调节,环境参数包括温度、灯光以及音乐中的至少一种。
上述方法实施例中的内容均适用于本***实施例中,本***实施例所具体实现的功能与上述方法实施例相同,并且达到的有益效果与上述方法实施例所达到的有益效果也相同。
参照图3,本发明实施例提供了一种基于深度学习的睡眠环境调节装置,包括:
至少一个处理器;
至少一个存储器,用于存储至少一个程序;
当上述至少一个程序被上述至少一个处理器执行时,使得上述至少一个处理器实现上述的一种基于深度学习的睡眠环境调节方法。
上述方法实施例中的内容均适用于本装置实施例中,本装置实施例所具体实现的功能与上述方法实施例相同,并且达到的有益效果与上述方法实施例所达到的有益效果也相同。
本发明实施例还提供了一种计算机可读存储介质,其中存储有处理器可执行的程序,该处理器可执行的程序在由处理器执行时用于执行上述一种基于深度学习的睡眠环境调节方法。
本发明实施例的一种计算机可读存储介质,可执行本发明方法实施例所提供的一种基于深度学习的睡眠环境调节方法,可执行方法实施例的任意组合实施步骤,具备该方法相应的功能和有益效果。
本发明实施例还公开了一种计算机程序产品或计算机程序,该计算机程序产品或计算机程序包括计算机指令,该计算机指令存储在计算机可读存介质中。计算机设备的处理器可以从计算机可读存储介质读取该计算机指令,处理器执行该计算机指令,使得该计算机设备执行图1所示的方法。
在一些可选择的实施例中,在方框图中提到的功能/操作可以不按照操作示图提到的顺序发生。例如,取决于所涉及的功能/操作,连续示出的两个方框实际上可以被大体上同时地执行或上述方框有时能以相反顺序被执行。此外,在本发明的流程图中所呈现和描述的实施例以示例的方式被提供,目的在于提供对技术更全面的理解。所公开的方法不限于本文所呈现的操作和逻辑流程。可选择的实施例是可预期的,其中各种操作的顺序被改变以及其中被描述为较大操作的一部分的子操作被独立地执行。
此外,虽然在功能性模块的背景下描述了本发明,但应当理解的是,除非另有相反说明,上述的功能和/或特征中的一个或多个可以被集成在单个物理装置和/或软件模块中,或者一个或多个功能和/或特征可以在单独的物理装置或软件模块中被实现。还可以理解的是,有关每个模块的实际实现的详细讨论对于理解本发明是不必要的。更确切地说,考虑到在本文中公开的装置中各种功能模块的属性、功能和内部关系的情况下,在工程师的常规技术内将会了解该模块的实际实现。因此,本领域技术人员运用普通技术就能够在无需过度试验的情况下实现在权利要求书中所阐明的本发明。还可以理解的是,所公开的特定概念仅仅是说明性的,并不意在限制本发明的范围,本发明的范围由所附权利要求书及其等同方案的全部范围来决定。
上述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例上述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
在流程图中表示或在此以其他方式描述的逻辑和/或步骤,例如,可以被认为是用于实现逻辑功能的可执行指令的定序列表,可以具体实现在任何计算机可读介质中,以供指令执行***、装置或设备(如基于计算机的***、包括处理器的***或其他可以从指令执行***、装置或设备取指令并执行指令的***)使用,或结合这些指令执行***、装置或设备而使用。就本说明书而言,“计算机可读介质”可以是任何可以包含、存储、通信、传播或传输程序以供指令执行***、装置或设备或结合这些指令执行***、装置或设备而使用的装置。
计算机可读介质的更具体的示例(非穷尽性列表)包括以下:具有一个或多个布线的电连接部(电子装置),便携式计算机盘盒(磁装置),随机存取存储器(RAM),只读存储器(ROM),可擦除可编辑只读存储器(EPROM或闪速存储器),光纤装置,以及便携式光盘只读存储器(CDROM)。另外,计算机可读介质甚至可以是可在其上打印上述程序的纸或其他合适的介质,因为可以例如通过对纸或其他介质进行光学扫描,接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得上述程序,然后将其存储在计算机存储器中。
应当理解,本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中,多个步骤或方法可以用存储在存储器中且由合适的指令执行***执行的软件或固件来实现。例如,如果用硬件来实现,和在另一实施方式中一样,可用本领域公知的下列技术中的任一项或他们的组合来实现:具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路,具有合适的组合逻辑门电路的专用集成电路,可编程门阵列(PGA),现场可编程门阵列(FPGA)等。
在本说明书的上述描述中,参考术语“一个实施方式/实施例”、“另一实施方式/实施例”或“某些实施方式/实施例”等的描述意指结合实施方式或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施方式或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施方式或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施方式或示例中以合适的方式结合。
尽管已经示出和描述了本发明的实施方式,本领域的普通技术人员可以理解:在不脱离本发明的原理和宗旨的情况下可以对这些实施方式进行多种变化、修改、替换和变型,本发明的范围由权利要求及其等同物限定。
以上是对本发明的较佳实施进行了具体说明,但本发明并不限于上述实施例,熟悉本领域的技术人员在不违背本发明精神的前提下还可做作出种种的等同变形或替换,这些等同的变形或替换均包含在本申请权利要求所限定的范围内。
Claims (10)
1.一种基于深度学习的睡眠环境调节方法,其特征在于,包括以下步骤:
获取用户睡眠时的第一热红外图像信息和第一呼吸声音信息;
将所述第一热红外图像信息输入到预先训练好的人体姿态识别网络得到第一人体姿态信息,并将所述第一人体姿态信息和所述第一呼吸声音信息输入到预先训练好的呼吸状态识别网络得到第一呼吸状态信息;
将所述第一人体姿态信息和所述第一呼吸状态信息输入到预先训练好的睡眠状态识别网络得到第一睡眠状态信息;
根据所述第一睡眠状态信息对室内的环境参数进行调节,所述环境参数包括温度、灯光以及音乐中的至少一种。
2.根据权利要求1所述的一种基于深度学习的睡眠环境调节方法,其特征在于,所述获取用户睡眠时的第一热红外图像信息和第一呼吸声音信息这一步骤,其具体包括:
通过热红外摄像仪获取用户睡眠时的第一热红外图像信息;
通过声音采集设备获取用户睡眠时的第一环境声音信息,对所述第一环境声音信息进行噪声过滤得到第一呼吸声音信息;
其中,所述热红外摄像仪和所述声音采集设备均设置在床架上。
3.根据权利要求2所述的一种基于深度学习的睡眠环境调节方法,其特征在于,所述对所述第一环境声音信息进行噪声过滤得到第一呼吸声音信息这一步骤,其具体包括:
对所述第一环境声音信息进行音频帧划分,得到第一音频帧序列;
根据预设的单次呼吸的第一频谱分布将所述第一音频帧序列划分为多个对应单次呼吸的第一音频帧子序列;
提取所述第一音频帧子序列的音频特征,并将所述音频特征与预设的噪声特征进行匹配,当匹配度大于等于预设的第一阈值时,过滤掉对应的第一音频帧子序列,得到第一呼吸声音信息。
4.根据权利要求1所述的一种基于深度学习的睡眠环境调节方法,其特征在于,所述基于深度学习的睡眠环境调节方法还包括预先训练人体姿态识别网络的步骤,其具体包括:
获取预设的人体姿态图像数据集,所述人体姿态图像数据集包括多个人体姿态图像以及对应的姿态标签;
对所述人体姿态图像进行热图处理得到第一训练样本,并将所述第一训练样本输入到预先构建的人体姿态识别网络,得到姿态识别结果;
根据所述姿态识别结果和所述姿态标签确定所述人体姿态识别网络的第一损失值;
根据所述第一损失值更新所述人体姿态识别网络的参数。
5.根据权利要求1所述的一种基于深度学习的睡眠环境调节方法,其特征在于,所述基于深度学习的睡眠环境调节方法还包括预先训练呼吸状态识别网络的步骤,其具体包括:
获取测试人员睡眠时的第二人体姿态信息和第二呼吸声音信息,并通过人工标注得到呼吸状态标签;
将所述第二人体姿态信息和所述第二呼吸声音信息输入到预先构建的呼吸状态识别网络,得到呼吸状态识别结果;
根据所述呼吸状态识别结果和所述呼吸状态标签确定所述呼吸状态识别网络的第二损失值;
根据所述第二损失值更新所述呼吸状态识别网络的参数。
6.根据权利要求5所述的一种基于深度学习的睡眠环境调节方法,其特征在于,所述基于深度学习的睡眠环境调节方法还包括联合训练呼吸状态识别网络和睡眠状态识别网络的步骤,其具体包括:
通过可穿戴设备获取所述测试人员睡眠时的体征数据,根据所述体征数据确定睡眠状态标签;
将所述第二人体姿态信息和所述呼吸状态识别结果输入到预先构建的睡眠状态识别网络,得到睡眠状态识别结果;
根据所述睡眠状态识别结果和所述睡眠状态标签确定所述睡眠状态识别网络的第三损失值;
根据所述第三损失值,通过反向传播算法更新所述睡眠状态识别网络的参数和所述呼吸状态识别网络的参数。
7.根据权利要求1至6中任一项所述的一种基于深度学习的睡眠环境调节方法,其特征在于,所述根据所述第一睡眠状态信息对室内的环境参数调节这一步骤,包括以下步骤中的至少一个:
获取预设的温度控制曲线,根据所述第一睡眠状态信息和所述温度控制曲线对室内的温度进行调节;
获取预设的灯光控制曲线,根据所述第一睡眠状态信息和所述灯光控制曲线对室内的灯光进行调节;
获取预设的音乐控制曲线,根据所述第一睡眠状态信息和所述音乐控制曲线对室内的音乐进行调节。
8.一种基于深度学习的睡眠环境调节***,其特征在于,包括:
数据获取模块,用于获取用户睡眠时的第一热红外图像信息和第一呼吸声音信息;
第一识别模块,用于将所述第一热红外图像信息输入到预先训练好的人体姿态识别网络得到第一人体姿态信息,并将所述第一人体姿态信息和所述第一呼吸声音信息输入到预先训练好的呼吸状态识别网络得到第一呼吸状态信息;
第二识别模块,用于将所述第一人体姿态信息和所述第一呼吸状态信息输入到预先训练好的睡眠状态识别网络得到第一睡眠状态信息;
环境调节模块,用于根据所述第一睡眠状态信息对室内的环境参数进行调节,所述环境参数包括温度、灯光以及音乐中的至少一种。
9.一种基于深度学习的睡眠环境调节装置,其特征在于,包括:
至少一个处理器;
至少一个存储器,用于存储至少一个程序;
当所述至少一个程序被所述至少一个处理器执行,使得所述至少一个处理器实现如权利要求1至7中任一项所述的一种基于深度学习的睡眠环境调节方法。
10.一种计算机可读存储介质,其中存储有处理器可执行的程序,其特征在于,所述处理器可执行的程序在由处理器执行时用于执行如权利要求1至7中任一项所述的一种基于深度学习的睡眠环境调节方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210736281.1A CN115120837A (zh) | 2022-06-27 | 2022-06-27 | 基于深度学习的睡眠环境调节方法、***、装置及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210736281.1A CN115120837A (zh) | 2022-06-27 | 2022-06-27 | 基于深度学习的睡眠环境调节方法、***、装置及介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115120837A true CN115120837A (zh) | 2022-09-30 |
Family
ID=83379041
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210736281.1A Pending CN115120837A (zh) | 2022-06-27 | 2022-06-27 | 基于深度学习的睡眠环境调节方法、***、装置及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115120837A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117404783A (zh) * | 2023-10-18 | 2024-01-16 | 广州易而达科技股份有限公司 | 一种空调的控制方法、装置、空调及存储介质 |
Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130178756A1 (en) * | 2010-09-29 | 2013-07-11 | Fujitsu Limited | Breath detection device and breath detection method |
KR20180017392A (ko) * | 2016-08-09 | 2018-02-21 | 한국전자통신연구원 | 수면상태 모니터링 서비스 제공 시스템 및 방법 |
CN107928673A (zh) * | 2017-11-06 | 2018-04-20 | 腾讯科技(深圳)有限公司 | 音频信号处理方法、装置、存储介质和计算机设备 |
CN109568760A (zh) * | 2017-09-29 | 2019-04-05 | ***通信有限公司研究院 | 一种睡眠环境调节方法及*** |
CN110772700A (zh) * | 2019-09-18 | 2020-02-11 | 平安科技(深圳)有限公司 | 自动推送助眠乐曲方法、装置、计算机设备及存储介质 |
CN110974195A (zh) * | 2019-12-05 | 2020-04-10 | 珠海格力电器股份有限公司 | 调整睡眠环境的方法、装置及存储介质 |
CN111227791A (zh) * | 2020-01-09 | 2020-06-05 | 珠海格力电器股份有限公司 | 一种睡眠质量监控方法及睡眠监控装置 |
CN111281347A (zh) * | 2020-03-06 | 2020-06-16 | 韩赛红 | 一种被动侧卧器、控制方法、睡眠辅助*** |
CN111814830A (zh) * | 2020-06-08 | 2020-10-23 | 珠海格力电器股份有限公司 | 睡眠状态检测模型构建、睡眠状态检测方法及装置 |
CN112307940A (zh) * | 2020-10-28 | 2021-02-02 | 有半岛(北京)信息科技有限公司 | 模型训练方法、人体姿态检测方法、装置、设备及介质 |
CN112826461A (zh) * | 2020-12-30 | 2021-05-25 | 深圳市携康网络科技有限公司 | 睡眠分析方法、***、计算机设备及存储介质 |
CN113448438A (zh) * | 2021-06-25 | 2021-09-28 | 内蒙古工业大学 | 一种基于睡眠感知的控制***及方法 |
WO2022009008A1 (en) * | 2020-07-10 | 2022-01-13 | 3M Innovative Properties Company | Breathing apparatus and method of communicating using breathing apparatus |
US20220047160A1 (en) * | 2020-05-08 | 2022-02-17 | Research & Business Foundation Sungkyunkwan University | Ceiling ai health monitoring apparatus and remote medical-diagnosis method using the same |
CN114376564A (zh) * | 2021-12-29 | 2022-04-22 | 华南理工大学 | 一种基于心冲击信号的睡眠分期方法、***、装置及介质 |
-
2022
- 2022-06-27 CN CN202210736281.1A patent/CN115120837A/zh active Pending
Patent Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130178756A1 (en) * | 2010-09-29 | 2013-07-11 | Fujitsu Limited | Breath detection device and breath detection method |
KR20180017392A (ko) * | 2016-08-09 | 2018-02-21 | 한국전자통신연구원 | 수면상태 모니터링 서비스 제공 시스템 및 방법 |
CN109568760A (zh) * | 2017-09-29 | 2019-04-05 | ***通信有限公司研究院 | 一种睡眠环境调节方法及*** |
CN107928673A (zh) * | 2017-11-06 | 2018-04-20 | 腾讯科技(深圳)有限公司 | 音频信号处理方法、装置、存储介质和计算机设备 |
CN110772700A (zh) * | 2019-09-18 | 2020-02-11 | 平安科技(深圳)有限公司 | 自动推送助眠乐曲方法、装置、计算机设备及存储介质 |
CN110974195A (zh) * | 2019-12-05 | 2020-04-10 | 珠海格力电器股份有限公司 | 调整睡眠环境的方法、装置及存储介质 |
CN111227791A (zh) * | 2020-01-09 | 2020-06-05 | 珠海格力电器股份有限公司 | 一种睡眠质量监控方法及睡眠监控装置 |
CN111281347A (zh) * | 2020-03-06 | 2020-06-16 | 韩赛红 | 一种被动侧卧器、控制方法、睡眠辅助*** |
US20220047160A1 (en) * | 2020-05-08 | 2022-02-17 | Research & Business Foundation Sungkyunkwan University | Ceiling ai health monitoring apparatus and remote medical-diagnosis method using the same |
CN111814830A (zh) * | 2020-06-08 | 2020-10-23 | 珠海格力电器股份有限公司 | 睡眠状态检测模型构建、睡眠状态检测方法及装置 |
WO2022009008A1 (en) * | 2020-07-10 | 2022-01-13 | 3M Innovative Properties Company | Breathing apparatus and method of communicating using breathing apparatus |
CN112307940A (zh) * | 2020-10-28 | 2021-02-02 | 有半岛(北京)信息科技有限公司 | 模型训练方法、人体姿态检测方法、装置、设备及介质 |
CN112826461A (zh) * | 2020-12-30 | 2021-05-25 | 深圳市携康网络科技有限公司 | 睡眠分析方法、***、计算机设备及存储介质 |
CN113448438A (zh) * | 2021-06-25 | 2021-09-28 | 内蒙古工业大学 | 一种基于睡眠感知的控制***及方法 |
CN114376564A (zh) * | 2021-12-29 | 2022-04-22 | 华南理工大学 | 一种基于心冲击信号的睡眠分期方法、***、装置及介质 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117404783A (zh) * | 2023-10-18 | 2024-01-16 | 广州易而达科技股份有限公司 | 一种空调的控制方法、装置、空调及存储介质 |
CN117404783B (zh) * | 2023-10-18 | 2024-05-31 | 广州易而达科技股份有限公司 | 一种空调的控制方法、装置、空调及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112166475A (zh) | 基于呼吸***的声音管理呼吸状况 | |
JP6114470B2 (ja) | ヘルスケア意思決定支援システム、患者ケアシステム及びヘルスケア意思決定方法 | |
KR101535432B1 (ko) | 콘텐츠 평가 시스템 및 이를 이용한 콘텐츠 평가 방법 | |
US20220351859A1 (en) | User interface for navigating through physiological data | |
CN111920420B (zh) | 一种基于统计学习的患者行为多模态分析与预测*** | |
CN114376564A (zh) | 一种基于心冲击信号的睡眠分期方法、***、装置及介质 | |
KR102600175B1 (ko) | 음향 정보를 통해 사용자의 수면 상태를 분석하기 위한 방법, 컴퓨팅 장치 및 컴퓨터 프로그램 | |
CN104699931A (zh) | 一种基于人脸的神经网络血压预测方法及手机 | |
CN115120837A (zh) | 基于深度学习的睡眠环境调节方法、***、装置及介质 | |
JP3954295B2 (ja) | 識別・反応計測方法、識別・反応計測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及び識別・反応計測装置 | |
CN117598700B (zh) | 智能化血氧饱和度检测***及方法 | |
Zhang et al. | An effective deep learning approach for unobtrusive sleep stage detection using microphone sensor | |
CN116525063B (zh) | 基于时频分析的睡眠周期性检测及调节方法、***和装置 | |
CN108771539A (zh) | 一种基于摄像的非接触式心率的检测方法及其装置 | |
CN116509336A (zh) | 基于波形分析的睡眠周期性检测及调节方法、***和装置 | |
CN113566395B (zh) | 空调器及其控制方法及装置、计算机可读存储介质 | |
CN115579140A (zh) | 基于校园健康管理***的自助式健康监测方法及*** | |
CN114488841A (zh) | 一种智能穿戴设备的数据搜集处理方法 | |
CN115349821A (zh) | 一种基于多模态生理信号融合的睡眠分期方法及*** | |
CN106502409A (zh) | 一种利用脑信息的产品情感分析***和方法 | |
CN112086193A (zh) | 一种基于物联网的人脸识别健康预测***及方法 | |
CN117408564B (zh) | 一种在线学业辅导*** | |
CN117628669A (zh) | 一种基于行为活动的居住空间热环境调节方法及*** | |
JP2023089547A (ja) | 制御システム、制御装置、学習モデル生成方法、制御方法およびプログラム | |
CN118078255A (zh) | 一种基于注意力机制和领域泛化的呼吸事件识别方法 |
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 |
Application publication date: 20220930 |
|
RJ01 | Rejection of invention patent application after publication |