一种无干扰睡眠的睡姿和睡眠行为测试识别方法
【技术领域】
[0001] 本发明涉及一种睡姿和睡眠行为的自动化识别技术。
【背景技术】
[0002] 床具系统或床垫常被认为是影响睡眠质量的重要的外部因素，睡眠过程中，床具 系统或床垫持续与人体相接触，支撑人体，使人体肌肉放松和椎间盘获得恢复。比较理想的 床具系统或床垫支撑条件应该使使用者的卧姿脊柱处于自然弯曲的状态。正是基于这一 点，目前许多先进的床垫设计为"分区调节式"，即通过床垫肩部、腰部、臀部等区域硬度特 征的调节，响应不同体型的人的不同脊柱支撑需求。但事实上，大量的实验研宄表明这种床 垫并没达到明显提高睡眠质量的目的，这主要是因为这种床垫只能满足人体的某种特定睡 姿，而健康睡眠需要每晚进行各种各样的动作行为和姿势调节，以避免局部肌肉、软组织持 续受压。另一方面，睡眠过程中动作行为和姿势调节不能过于频繁，否则也会影响睡眠质 量，如不宁腿综合征、周期性肢体动作等睡眠障碍问题多表现为睡眠过程中动作行为的增 加，从而使睡眠时断时续，难易保持。因此，通过自动化地控制床具或床垫的支撑性能，动态 地优化脊柱支撑条件、优化睡姿、优化睡眠行为应该是床具人性化设计发展的趋势，同时也 是床具或床垫真正地、最大化地满足不同体型、不同睡姿、不同睡眠行为模式和不同文化背 景的人群需求的必然发展趋势，更是将来床具智能化发展的"核心内涵"。而实现这些目标 的前提是如何在不干扰睡眠的状态下准确识别睡姿和睡眠行为。目前睡姿和睡眠行为的测 试方法主要有多导睡眠图记录法、体动记录图分析法和摄像法。其中多导睡眠图记录法虽 然可以获得睡眠结构的详细信息，但该方法只能在实验室内完成，并且需要将多导电极置 于人体之上，因此，对正常睡眠有一定程度的影响。体动记录图分析法是一种测试具体人体 肢体动作的较好的方法，但为了获得全面的睡眠动作行为，需要给人体肢体部位的多处佩 戴体动记录装置，因此，也会对睡眠产生一定程度的影响。摄像法虽然可以在不干扰睡眠的 前提下测试睡姿和睡眠动作行为，但这种方法不够尊重受试者的隐私，同时，也无法精确测 试细微动作行为和被褥掩盖下的动作行为。另外，由于这些测试方法无法将睡姿、睡眠行为 与床具或床垫的力学性能联系起来，因此，也是无法根据睡姿和睡眠行为的需求智能化地 改变床具或床垫的力学性能。
【发明内容】
[0003] 本发明旨在克服以上睡眠行为测试技术中所存在的缺点和不足之处，提供一种基 于支持向量机的无干扰睡眠的睡姿识别分类方法，为实现床具系统或床垫的智能化设计和 健康睡眠的监测与评估提供技术支持。
[0004] 本发明目的的实现采用如下技术方案：
[0005] -种无干扰睡眠的睡姿和睡眠行为测试识别方法，包括人-床界面压陷形状的提 取、睡姿的分类与识别、睡眠动作行为的识别与分类以及睡眠行为模式的分析，其特点在 于，所述睡姿的分类与识别包括如下步骤：
[0006] (1)自动识别之前，利用支撑向量机（SVMs)，在有限样本监督识别训练的基础上， 构建精准的仰卧、左侧卧、右侧卧和俯卧四种睡姿的识别准则，即建立睡姿识别的支持向量 机分类器；具体步骤如下，
[0007] ①首先采集训练样本目标人群仰卧、侧卧、俯卧条件下人-床界面压陷形状，并计 算人-床界面压陷量矩阵的肩臀比R jt、膝臀比Rxt、总压陷量T、小腿压陷量Tt、侧向不对称 系数C、侧向不对称压陷量T。六项指标表征人-床界面压陷量矩阵的特征，其中肩臀比R jt 为肩部区域总压陷量与臀部区域总压陷量之比；膝臀比Rxt为膝部区域总压陷量与臀部区 域总压陷量之比；总压陷量T即整个床垫表面的总压陷量；腿部压陷量T t是小腿区域总压 陷量；侧向不对称系数C为肩部、腰部、臀部压陷对称中心曲线CL至该曲线起止点连线距离 的平均值，侧向不对称压陷量T。为肩部、腰部、臀部压陷对称中心曲线CL两侧压陷总量之 差的绝对值，公式分别为：
【主权项】
1. 一种无干扰睡眠的睡姿和睡眠行为测试识别方法，包括人-床界面压陷形状的提 取、睡姿的分类与识别、睡眠动作行为的识别与分类以及睡眠行为模式的分析，其特征在 于，所述睡姿的分类与识别包括如下步骤： ⑴自动识别之前，利用支撑向量机（SVMs)，在有限样本监督识别训练的基础上，建立 仰卧、左侧卧、右侧卧和俯卧四种睡姿识别的支持向量机模型；具体步骤如下： ① 首先采集训练样本目标人群仰卧、侧卧、俯卧条件下人-床界面压陷形状，并计算 人-床界面压陷量矩阵的肩臀比Rjt、膝臀比R xt、总压陷量T、小腿压陷量Tt、侧向不对称系 数C、侧向不对称压陷量T。六项指标表征人-床界面压陷量矩阵的特征，其中肩臀比R jt为 肩部区域总压陷量与臀部区域总压陷量之比；膝臀比Rxt为膝部区域总压陷量与臀部区域 总压陷量之比；总压陷量T即整个床垫表面的总压陷量；腿部压陷量T t是小腿区域总压陷 量；侧向不对称系数C为肩部、腰部、臀部压陷对称中心曲线CL至该曲线起止点连线距离的 平均值，侧向不对称压陷量T c为肩部、腰部、臀部压陷对称中心曲线CL两侧压陷总量之差 的绝对值，公式分别为：
其中，Z为床垫压陷量矩阵，为肩部压陷量矩阵，Z xi为膝部压陷量矩阵，Z tui为臀部 压陷量矩阵，Zttrtal为肩部、腰部、臀部总压陷量矩阵;m为侧向压陷量测试点数，η为纵向压 陷量测试点数，111、112、113、114、115分别为肩部、腰部、臀部、膝部、小腿部区域纵向压陷量测试 点数，1为肩部、腰部、臀部纵向总压陷量测试点数，m、n、nl、n2、n3、n4、n5、1取值自然数； d(i，j)为肩部、腰部、臀部压陷对称中心曲线CL上任意一点（i，j)至该曲线起止点连线的 距离； ② 利用Z-score标准化法将以上六项指标规格化，组成人-床界面压陷量矩阵的特征 向量，即仰卧、左侧卧、右侧卧、俯卧四种睡姿识别的特征向量； ③ 每两类睡姿间训练一个分类器，获得6个支持向量机分类器； (2)睡姿识别时，首先提取受试者的人-床界面压陷形状；然后计算人-床界面压陷量 矩阵的肩臀比Rjt、膝臀比Rxt、总压陷量T、小腿压陷量Tt、侧向不对称系数C、侧向不对称压 陷量1^六项指标，对上述指标规格化，组成用以睡姿识别的特征向量；最后利用获得的6个 支持向量机分类器对睡姿进行分类和识别。
2. 根据权利要求1所述的一种无干扰睡眠的睡姿和睡眠行为测试识别方法，其特征在 于，所述睡眠动作行为识别和分类具体包括如下步骤： 51、 对受试床垫设置186个呈矩阵分布的对数电位传感器，所述对数电位传感器用于 监测受试者人-床界面压陷量；所述对数电位传感器输出电压信号的变化与受试者人-床 界面压陷量变化同步； 52、 受试者动作行为事件发生时，利用与人-床界面压陷量变化同步的对数电位传感 器输出电压信号的变化，获取睡眠者动作行为事件发生信号；将采集到的对数电位传感器 的输出电压相对时间求导数，计算整个床垫上186个对数电位传感器输出电压时间导数的 和f(t)，f(t)的各个峰值即为受试者睡眠动作行为的信号；
其中，Vi是第i个对数电位传感器的输出电压； 为了消除人体胖瘦对人体睡眠动作行为信号强弱的影响，利用如下公式对受试者睡眠 动作行为的信号进行校准： fr (t) = f (t) -A (8) 其中，A为动作行为事件发生的阈限值，即动作行为事件发生的最小值； 校准后，要求睡眠者的主要动作行为事件的持续时间在4s以及以上，且一组连续变化 的波只记为一个动作发生； 53、 按人体动作行为持续的时间将人体的动作行为分为四类，第一类为持续时间在5s 以内的动作行为；第二类为持续时间在5s-10s的动作行为；第三类为持续时间在10s-15s 之间的动作行为；第四类为持续时间在15s以上的动作行为。
3. 根据权利要求1所述的一种无干扰睡眠的睡姿和睡眠行为测试识别方法，其特征在 于，所述睡眠行为模式的分析是指统计受试者睡眠状态的动作总量、动作总时间、各类动作 行为的时间分布、不动指数，即不动的总时间与动作总次数的比值、翻身次数、超过30分钟 的不动片段出现次数、每种睡姿的保持时间的指标，并运用所述指标评价睡眠质量。
【专利摘要】一种无干扰睡眠的睡姿和睡眠行为测试识别方法，包括人-床界面压陷形状的提取、睡姿的分类与识别、睡眠动作行为的分类与识别以及睡眠行为模式的分析，睡姿的分类与识别是利用支持向量机，在有限样本监督训练识别的基础上，通过人-床界面压陷量矩阵的分类，识别仰卧、左侧卧、右侧卧和俯卧四种睡姿；睡眠动作行为的识别是利用与人-床界面压陷量变化同步的对数电位传感器输出电压信号的变化，获取睡眠者动作行为事件发生的信号。本发明为实现床具系统或床垫的智能化设计和健康睡眠的监测与评估提供了技术支持。
【IPC分类】G06K9-66, A47C31-00, A61B5-11
【公开号】CN104732250
【申请号】CN201510133654
【发明人】陈玉霞, 涂道伍, 郭勇, 刘盛全, 高慧, 刘亚梅, 赵冠艳
【申请人】安徽农业大学
【公开日】2015年6月24日
【申请日】2015年3月25日