睡眠状态的监控方法、装置、智能床垫及介质与流程

本发明涉及计算机技术领域，尤其涉及一种睡眠状态的监控方法、装置、智能床垫及计算机可读存储介质。

背景技术：

人的一生大约有1/3的时间是在睡眠中度过的。当人们处于睡眠状态中时，可以使人们的大脑和身体得到休息、休整和恢复，适量的睡眠有助于人们日常的工作和学习。科学提高睡眠质量，是人们正常工作学习生活的保障。随着现代生活质量提高，越来越多人开始注重自己的睡眠质量，好的睡眠对稳定情绪、平衡心态、恢复精力极为重要。

睡眠监测做为一种有效记录监控锻炼的监控手段，已经广泛应用在移动终端中。睡眠监测可以帮助用户了解自身的睡眠情况，及时的进行调整，或者在失眠等睡眠治疗方案中作为用户状态检测的一部分，以根据睡眠监测的结果来确定对应的治疗或者其他的控制方案。

但是，目前现有技术中，睡眠监测的的准确性不足，误判的情况较多。

技术实现要素：

基于此，有必要针对上述问题，提出了一种睡眠状态的监控方法、装置、智能床垫及计算机可读存储介质。

一种睡眠状态的监控方法，所述方法包括：

获取待测用户的睡眠参数数据，所述睡眠参数数据包括心率数据、呼吸数据、用户温度数据、用户运动数据中的一个或多个；

按照预设的特征提取算法，分别提取每一个睡眠参数数据的睡眠特征；

按照预设的目标睡眠状态计算模型，根据所述睡眠特征确定待测用户的目标睡眠状态。

其中，所述按照预设的目标睡眠状态计算模型，根据所述睡眠特征确定待测用户的目标睡眠状态的步骤之后，还包括：

获取预设的与所述目标睡眠状态对应的目标控制策略并执行。

其中，所述获取待测用户的睡眠参数数据的步骤，还包括：

通过心率传感器获取所述待测用户的心率数据；

通过温度传感器获取所述待测用户的用户温度数据；

通过运动传感器和/或压力传感器获取所述待测用户的用户运动数据；

所述心率传感器、所述心率传感器、所述运动传感器设置于一可穿戴设备上，所述压力传感器设置于智能床垫上。

其中，所述按照预设的目标睡眠状态计算模型，根据所述睡眠特征确定待测用户的目标睡眠状态的步骤，还包括：

将所述睡眠特征输入所述目标睡眠状态计算模型，获取所述目标睡眠状态计算模型的输出结果作为所述目标睡眠状态；

或，

根据所述目标睡眠状态计算模型中包含的睡眠特征与睡眠状态之间的对应关系，确定与所述睡眠特征对应的睡眠状态作为所述目标睡眠状态。

其中，所述目标睡眠状态计算模型为神经网络模型。

其中，所述睡眠参数数据还包括声音数据，所述声音数据用于表示用户说话、打呼等状态下的发声情况。

其中，所述按照预设的目标睡眠状态计算模型，根据所述睡眠特征确定待测用户的目标睡眠状态的步骤之前，还包括：

获取与所述待测用户对应的身体状态数据，所述身体状态数据包括体检数据、用药数据、基本数据中的一个或多个，所述基本数据包括年龄、性别、体重、身高中的一个或多个；

根据所述身体状态数据对预设的初始睡眠状态计算模型进行校正，将校正后的睡眠状态计算模型作为所述目标睡眠状态计算模型。

一种睡眠状态的监控装置，所述装置包括：

数据检测模块，用于获取待测用户的睡眠参数数据，所述睡眠参数数据包括心率数据、呼吸数据、用户温度数据、用户运动数据中的一个或多个；

特征提取模块，用于按照预设的特征提取算法，分别提取每一个睡眠参数数据的睡眠特征；

睡眠状态计算模块，用于按照预设的目标睡眠状态计算模型，根据所述睡眠特征确定待测用户的目标睡眠状态。

一种智能床垫，包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行以下步骤：

获取待测用户的睡眠参数数据，所述睡眠参数数据包括心率数据、呼吸数据、用户温度数据、用户运动数据中的一个或多个；

按照预设的特征提取算法，分别提取每一个睡眠参数数据的睡眠特征；

按照预设的目标睡眠状态计算模型，根据所述睡眠特征确定待测用户的目标睡眠状态。

一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行以下步骤：

获取待测用户的睡眠参数数据，所述睡眠参数数据包括心率数据、呼吸数据、用户温度数据、用户运动数据中的一个或多个；

按照预设的特征提取算法，分别提取每一个睡眠参数数据的睡眠特征；

按照预设的目标睡眠状态计算模型，根据所述睡眠特征确定待测用户的目标睡眠状态。

采用本发明实施例，具有如下有益效果：

采用了上述睡眠状态的监控方法、装置、智能床垫及计算机可读存储介质之后，在需要对用户的睡眠状态进行检测或监控的情况下，通过各个传感器分别测量用户的各种睡眠参数数据，并分别提取对应的睡眠特征，然后按照预设的目标睡眠状态计算模型来计算用户的目标睡眠状态。相较于相关技术方案中仅以心率数据或打呼数据来确定用户的睡眠状态的技术方案来讲，通过上述多项睡眠参数数据来综合确定用户的睡眠状态，可以提高睡眠状态检测的准确性，提高后续基于睡眠状态监控结果的控制或者治疗的有效性，从而大大的提升了用户体验。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，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的前提下，还可以根据这些附图获得其他的附图。

其中：

图1为一个实施例中一种睡眠状态的监控方法的流程示意图；

图2为一个实施例中一种睡眠状态的监控装置的结构示意图；

图3为一个实施例中运行上述睡眠状态的监控方法的计算机设备的结构示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅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作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。

在本实施例中，为了提高对睡眠状态监控的准确性，提出了一种睡眠状态的监控方法。该睡眠状态的监控方法的实现可以是基于一包含有多个对用户的各种状态或数据进行采集的传感器(例如心率传感器等传感器)的计算机设备，例如，睡眠状态的监控方法的实现可以是基于一智能床垫，该智能床垫上集成了多个传感器，可以对置于智能床垫上的用户(后称待测用户)的状态或数据进行采集，并且，该智能床垫还包括处理器，可以根据采集到的数据进行睡眠状态的确定以及后续的控制过程(该步骤的执行也可以是基于与智能床垫连接的计算机设备，例如，后台服务器)。

具体的，上述睡眠状态的监控方法包括如图1所示的步骤s102-s106：

步骤s102：获取待测用户的睡眠参数数据，所述睡眠参数数据包括心率数据、呼吸数据、用户温度数据、用户运动数据中的一个或多个。

在本步骤中，为了对待测用户的睡眠状态进行评估和确定，首先需要对待测用户的各项生理参数进行检测，例如，心率。具体的，通过各个传感器采集待测用户的各种睡眠参数数据，其中，睡眠参数数据可以包括了心率数据、呼吸数据、用户温度数据、用户运动数据等中的一个或多个，并且还可以包含其他睡眠参数数据。

具体实施中，通过心率传感器获取所述待测用户的心率数据，例如，通过ppg传感器或ecg传感器采集待测用户的ppg信号、ecg信号，然后根据ecg信号和/或ppg信号来确定待测用户的心率数据。

通过温度传感器获取待测用户的用户温度数据，例如，通过红外温度传感器或者其他温度传感器采集待测用户的体表温度或核心体温。并且，可选的，还可以采集待测用户多个位置的体温数据(例如，手腕、额温等)，然后根据多个位置的体温数据按照预设的算法来计算用户的体温情况(即用户温度数据)。

通过运动传感器和/或压力传感器获取待测用户的用户运动数据，以了解用户当前是否有非睡眠状态的运动或者翻身等动作。

进一步的，上述心率传感器、心率传感器、运动传感器可以是设置于可穿戴设备上，在待测用户睡觉的情况下，通过可穿戴设备来测量待测用户的各项睡眠参数数据。在另一个实施例中，上述传感器以及压力传感器还设置于智能床垫，在待测用户置于智能床垫上的情况下，可以通过设置于智能床垫上的传感器来检测待测用户的各项睡眠参数数据。

除了上述各项睡眠参数数据之外，还可以包含有声音数据，例如，通过可穿戴设备或智能床垫上的麦克风装置来获取对应的声音数据，其中，声音数据可以是标识用户说话或打呼、或者环境中的相关声音数据。

步骤s104：按照预设的特征提取算法，分别提取每一个睡眠参数数据的睡眠特征。

在获取到各项睡眠参数数据之后，还需要进一步的对睡眠参数数据进行特征提取，即根据预设的特征提取算法，分别提取每一种睡眠参数数据对应的特征，即睡眠特征。其中，睡眠特征用于标识每一项睡眠参数数据中与睡眠状态相关的特征，例如，心率参数数据为ppg信号的情况下，对应的睡眠特征为根据ppg信号计算得到的心率，后续根据心率来确定用户处于的睡眠状态。在本实施例中，不对睡眠特征的特征提取算法进行详细的描述。

步骤s106：按照预设的目标睡眠状态计算模型，根据所述睡眠特征确定待测用户的目标睡眠状态。

在检测到待测用户的各种睡眠参数数据并提取对应的睡眠特征的情况下，即可根据预设的目标睡眠状态计算模型，计算对应的睡眠状态作为待测用户对应的目标睡眠状态。

具体的，在一个实施例中，预先根据睡眠特征与睡眠状态构建对应的对应关系，例如，在各项睡眠特征的取值为预设值的情况下，其对应的睡眠状态为第一睡眠状态。具体实施中，根据预先构建睡眠特征与睡眠状态之间的对应关系，确定与睡眠特征对应的睡眠状态作为目标睡眠状态。

在另一个实施例中，还可以是将睡眠特征输入目标睡眠状态计算模型，然后获取目标睡眠状态计算模型的输出结果来作为目标睡眠状态；其中，目标睡眠状态计算模型为神经网络模型。具体实施中，需要预先采集睡眠特征以及睡眠状态，然后与预设的神经网络模型进行训练，以使得相应的神经网络模型具备根据睡眠特征预测睡眠状态的能力。

需要说明的是，睡眠状态包括清醒状态和睡眠状态，并且睡眠状态还进一步的包含了深度睡眠状态和浅度睡眠状态，在其它实施例中，还可以根据不同的状态定义多个不同的睡眠状态，以表示用户不同的睡眠状态，从而对睡眠状态进行更准确的细分。

上述目标睡眠状态计算模型无论是睡眠特征与睡眠状态构建对应的对应关系还是神经网络模型，均与用户自身的状态相关，例如，不同年龄或性别的用户的睡眠状态之间会存在明显的区别。因此，在本实施例中，还可以根据用户自身的相关数据来确定个性化的目标睡眠状态计算模型，以提高睡眠状态确定的准确性。

具体的，在进行睡眠监控之前，还需要获取与所述待测用户对应的身体状态数据，这些身体状态数据的获取可以是用户通过预设的输入设备输入的(例如连接的手机等智能终端)，也可以直接与相应的数据库连接获取的(例如，连接医院数据库获取相应的数据)。其中，身体状态数据包括体检数据、用药数据、基本数据中的一个或多个，基本数据包括年龄、性别、体重、身高中的一个或多个。

然后，根据身体状态数据对预设的初始睡眠状态计算模型进行校正或修改，以获取与待测用户个性化对应的模型，并将校正后的睡眠状态计算模型作为目标睡眠状态计算模型，然后将该模型用于步骤s106中的睡眠状态的计算。

在本实施例中，睡眠状态的监控方法除了包括上述步骤s102-s106之外，还进一步的包括：

步骤s108：获取预设的与所述目标睡眠状态对应的目标控制策略并执行。

也就是说，在确定了待测用户的目标睡眠状态之后，根据当前的应用场景需要进行的控制确定与目标睡眠状态对应的目标控制策略并执行，以实现基于准确的睡眠状态监控的控制，提高控制的准确性及有效性。

例如，在上述睡眠状态的监控方法是基于智能床垫的睡眠辅助及失眠治疗的情况下，根据检测到的睡眠状态为清醒状态还是浅度睡眠状态、深度睡眠状态，来获取预设的对应的控制策略，然后控制智能床垫中相应的模块来执行对应的操作，以实现睡眠辅助和失眠治疗。

进一步的，在另一个实施例中，如图2所示，还提出了一种睡眠状态的监控装置。

具体的，请参见图2，上述睡眠状态的监控装置包括：

数据检测模块102，用于获取待测用户的睡眠参数数据，所述睡眠参数数据包括心率数据、呼吸数据、用户温度数据、用户运动数据中的一个或多个；

特征提取模块104，用于按照预设的特征提取算法，分别提取每一个睡眠参数数据的睡眠特征；

睡眠状态计算模块106，用于按照预设的目标睡眠状态计算模型，根据所述睡眠特征确定待测用户的目标睡眠状态。

在一个实施例中，如图2所示，上述睡眠状态的监控装置还包括控制模块108，用于获取预设的与所述目标睡眠状态对应的目标控制策略并执行。

在一个实施例中，数据检测模块102还用于通过心率传感器获取所述待测用户的心率数据；通过温度传感器获取所述待测用户的用户温度数据；通过运动传感器和/或压力传感器获取所述待测用户的用户运动数据；其中，所述心率传感器、所述心率传感器、所述运动传感器设置于一可穿戴设备上，所述压力传感器设置于智能床垫上。

在一个实施例中，睡眠状态计算模块106还用于将所述睡眠特征输入所述目标睡眠状态计算模型，获取所述目标睡眠状态计算模型的输出结果作为所述目标睡眠状态；或，根据所述目标睡眠状态计算模型中包含的睡眠特征与睡眠状态之间的对应关系，确定与所述睡眠特征对应的睡眠状态作为所述目标睡眠状态。

在一个实施例中，所述目标睡眠状态计算模型为神经网络模型。

在一个实施例中，所述睡眠参数数据还包括声音数据，所述声音数据用于表示用户说话、打呼等状态下的发声情况。

在一个实施例中，睡眠状态计算模块106还用于获取与所述待测用户对应的身体状态数据，所述身体状态数据包括体检数据、用药数据、基本数据中的一个或多个，所述基本数据包括年龄、性别、体重、身高中的一个或多个；根据所述身体状态数据对预设的初始睡眠状态计算模型进行校正，将校正后的睡眠状态计算模型作为所述目标睡眠状态计算模型。

图3示出了一个实施例中计算机设备的内部结构图。该计算机设备具体可以是终端，也可以是服务器。如图3所示，该计算机设备包括通过系统总线连接的处理器、存储器和网络接口。其中，存储器包括非易失性存储介质和内存储器。该计算机设备的非易失性存储介质存储有操作系统，还可存储有计算机程序，该计算机程序被处理器执行时，可使得处理器实现睡眠状态的监控方法。该内存储器中也可储存有计算机程序，该计算机程序被处理器执行时，可使得处理器执行睡眠状态的监控方法。本领域技术人员可以理解，图3中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。

在一个实施例中，提出了一种智能床垫，包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行以下步骤：

获取待测用户的睡眠参数数据，所述睡眠参数数据包括心率数据、呼吸数据、用户温度数据、用户运动数据中的一个或多个；

按照预设的特征提取算法，分别提取每一个睡眠参数数据的睡眠特征；

按照预设的目标睡眠状态计算模型，根据所述睡眠特征确定待测用户的目标睡眠状态。

在一个实施例中，提出了一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行以下步骤：

获取待测用户的睡眠参数数据，所述睡眠参数数据包括心率数据、呼吸数据、用户温度数据、用户运动数据中的一个或多个；

按照预设的特征提取算法，分别提取每一个睡眠参数数据的睡眠特征；

按照预设的目标睡眠状态计算模型，根据所述睡眠特征确定待测用户的目标睡眠状态。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一非易失性计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(rom)、可编程rom(prom)、电可编程rom(eprom)、电可擦除可编程rom(eeprom)或闪存。易失性存储器可包括随机存取存储器(ram)或者外部高速缓冲存储器。作为说明而非局限，ram以多种形式可得，诸如静态ram(sram)、动态ram(dram)、同步dram(sdram)、双数据率sdram(ddrsdram)、增强型sdram(esdram)、同步链路(synchlink)dram(sldram)、存储器总线(rambus)直接ram(rdram)、直接存储器总线动态ram(drdram)、以及存储器总线动态ram(rdram)等。

以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本申请专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。