一种睡眠检测系统及检测方法与流程

本发明涉及睡眠监控技术领域，尤其涉及一种睡眠检测系统及检测方法。

背景技术：

睡眠质量的好坏对人体身体健康有至关重要的影响，尤其是处在生长期的儿童，其睡眠质量的好坏直接影响健康成长，这也是各位家长尤为关心的问题。一方面，儿童好动，睡眠时经常翻身踢被子，若家长不能及时发现，往往会着凉感冒；另一方面，如果儿童睡眠时频繁的翻身或移动，往往是因为其身体状况不佳，或者其睡眠环境不好。但家长又无法做到时刻关注着孩子，特别是当儿童到了一定的年龄和父母分房睡时，更无法经常起来观察孩子。另外，老人和病患等睡眠时也需要特殊照看。因此，有必要持续检测儿童、老人和病患等待检测者的睡眠行为，例如踢被子、翻身、移动等，并在检测到这些行为时发出警报以提醒监护人。

对于睡眠过程中的踢被检测，当前国内外已有多种实现方法，包括温度监测法、计算机视觉法等。其中，温度检测法是通过温度传感器监测被窝温度或待检测者体表温度，根据温度变化来判断待检测者是否踢被子；计算机视觉法是利用摄像机采集睡眠区域的图像，通过图像处理和识别算法来判断待检测者是否踢被子。温度检测法需要在待检测者身上穿戴或在被子、褥子上安装温度传感器、信号传输模块、电源模块等检测装置，穿戴安装复杂，有安全隐患，可靠性差，影响待检测者睡眠时的舒适感，而且温度变化较慢，当传感器监测到温度下降时，待检测者已经着凉。机器视觉法主要有背景差分、纹理分析等方法，受光照、阴影等因素影响严重，在实际应用中检测准确率较低。

对于睡眠过程中的运动监测，当前国内外已有多种实现方法，包括接触式和非接触式。接触式方法包括在待检测者身上穿戴传感器和使用微动灵敏床垫等。其中，在待检测者身上穿戴传感器会影响待检测者睡眠时的舒适感；微动灵敏床垫成本高，且不能同时检测踢被子行为。非接触式方法主要采用机器视觉法。在机器视觉法中，当前大都采用基于移动侦测的判别方法，即当摄像机视场当中有任何移动物体时就会检测出移动结果。但如果待检测者没有移动位置，而是其他人在床上挪动、或从床边经过等等，都会被检测成待检测者移动，这就造成虚警率过高。

技术实现要素：

有鉴于此，本发明要解决的技术问题是提供一种睡眠检测系统及检测方法，能够准确检测待检测者的睡眠状态。

本发明的技术方案是这样实现的：

本发明提出了一种睡眠检测系统，用于检测睡眠区域内待检测者的睡眠状态，包括图像采集单元、光学标签单元和图像分析单元；

所述图像采集单元用于获取所述睡眠区域的图像信息并发送至所述图像分析单元；

所述光学标签单元包括至少一个光学标签，至少一个所述光学标签设置在所述睡眠区域内的不同位置；所述光学标签上设置有与所述不同位置相对应的辨别模块；

所述图像分析单元包含头部检测模块、光学标签检测模块和识别模块；

所述头部检测模块用于检测所述图像信息中的头部信息，若检测出头部，则确定所述待检测者头部的方位信息；

所述光学标签检测模块用于检测所述图像信息中的光学标签，若检测出所述光学标签，则根据所述辨别模块确定与所述光学标签对应的位置，并确定该位置的方位信息；

所述识别模块用于根据头部检测的结果和/或光学标签的检测结果确定所述待检测者的睡眠状态信息。

优选的，所述图像采集单元包含若干个不同光学波段的图像采集模块，所述光学波段包含可见光波段、近红外波段或者热红外波段。

优选的，所述头部检测模块采用基于机器学习的方法进行头部检测，具体包括：

采集样本图像，所述样本图像包括含有头部的图像和不包含头部的图像；

对样本图像提取特征进行训练，确定分类器；

将所述图像采集单元获取的图像输入分类器进行分类，确定所述图像中有无头部。

优选的，所述样本图像包括不同观察角度的头部图像，所述分类器用于对不同观察角度的头部图像进行分类，确定头部的观察角度信息。

优选的，所述头部检测模块用于通过检测五官中的一者或多者，确定头部的方位角。

本发明还提出了一种睡眠检测方法，包括以下步骤：

s1：将图像采集模块设置在待检测区域的上方，将至少一个光学标签设置在睡眠区域内的不同位置，光学标签上设置有与所述不同位置相对应的辨别模块；

s2：通过图像采集单元获取所述睡眠区域的图像信息并发送至所述图像分析单元；

s3：通过图像分析单元分析所述图像信息，所述图像分析单元包含头部检测模块、光学标签检测模块和识别模块；

通过所述头部检测模块检测所述图像信息中的头部信息，若检测出头部，则确定所述待检测者头部的方位信息；

所述光学标签检测模块检测所述图像信息中的光学标签，若检测出所述光学标签，则根据所述辨别模块确定与所述光学标签对应的位置，并确定该位置的方位信息；

s4：通过所述识别模块根据头部检测的结果和/或光学标签的检测结果确定所述待检测者的睡眠状态信息。

优选的，所述图像采集单元包含若干个不同光学波段的图像采集模块，所述光学波段包含可见光波段、近红外波段或者热红外波段。

优选的，所述头部检测模块采用基于机器学习的方法进行头部检测，具体包括：

采集样本图像，所述样本图像包括含有头部的图像和不包含头部的图像；

对样本图像提取特征进行训练，确定分类器；

将所述图像采集单元获取的图像输入分类器进行分类，确定所述图像中有无头部。

优选的，所述样本图像包括不同观察角度的头部图像，所述分类器用于对不同观察角度的头部图像进行分类，确定头部的观察角度信息。

优选的，所述头部检测模块用于通过检测五官中的一者或多者，确定头部的方位角。

本发明提出的睡眠检测系统及检测方法，睡眠检测系统通过将光学标签设置在睡眠区域内，通过图像采集模块检测睡眠区域的图像，并通过图像分析单元检测图像中的头部和光学标签，结合头部和光学标签的方位信息，可以准确判断待检测者的睡眠状态。

附图说明

图1为本发明中睡眠检测系统的示意图；

图2为本发明中检测方法的流程图；

图3为本发明中头部方位信息的示意图；

图4为本发明的实施例1的示意图；

图5为本发明的实施例3中待检测者的衣服上暴露光学标签示意图。

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。

如图1所示，本发明实施例提出了一种睡眠检测系统及检测方法，主要用于检测并记录待检测者的睡眠行为，包含裸露、翻身、移动、变换睡姿等等。其中，待检测者裸露可具体理解为待检测者将必要的覆盖物移开，由于睡眠时保暖覆盖物有多种，比如被子，毛毯等，本发明为了便于理解，选取常用的被子作为覆盖物，则待检测者裸露可具体理解为待检测者踢被子或蹬被子；具体的检测对象多种，将儿童、老人和病患等作为检测对象，本实施例以睡眠的儿童为例，做出以下详细描述。

本发明的技术方案是：

本发明属于一种基于光学图像的非接触式睡眠检测系统和检测方法，这种方法的关键是如何在图像信息中检测出待检测者的身体部位,以及被子等床上用品，根据待测者的各个身体部位和/或被子等床上用品的方位信息和运动信息，即可确定待检测者的睡眠状态信息。人体头部的图像特征相对比较固定，采用基于图像处理或基于机器学习的方法，可以将头部准确检测出来。由于待检测者睡眠时穿着衣服6并覆盖被子4，而衣服6和被子4都有不同款式，其材质、颜色、纹理、图案等特征多样，且在不同的光照条件下其在图像中呈现的特征变化很大，所以躯干、四肢，以及被子等床上用品不宜直接用基于图像处理或基于机器学习的方法进行检测。对躯干和四肢的检测，可以通过设置光学标签的方式来实现，即在待检测者睡眠时所穿着的衣服6的外表面和/或待检测者的皮肤上设置若干个光学标签2；同理，对被子4等床上用品的检测，也可以通过设置光学标签的方式来实现。该光学标签2在图像信息中和周围物体的在光学特性上具有明显差异，以利于光学标签检测模块将其和周围物体准确的区分开来，差异由以下特征的一种或多种来实现：颜色、亮度、反射率、方向反射特性、图案、纹理特征。光学标签2上设置有辨别模块，辨别模块与其设置的部位相对应。

具体的，如图1所示，睡眠检测系统包括图像采集单元1、光学标签单元2以及图像分析单元3。图像采集单元1设置在睡眠区域上方；光学标签单元2设置在睡眠区域内；图像采集单元1与图像分析单元3通信连接，二者之间进行信息的传输。

其中，图像采集单元1包含一个或者多个图像采集模块，可采用若干个不同光学波段图像采集模块，例如采用可见光波段、近红外波段或者热红外波段的图像采集模块进行成像；也可以采用相同波段的若干个图像采集模块从不同角度采集睡眠区域的图像信息。每个图像采集模块包含光学镜头和图像传感器，光学镜头包含一个透镜或由多个透镜构成一组透镜，图像传感器用于获取睡眠区域的图像信息，并将图像信息传输给图像分析单元3。

光学标签单元包含一个或多个光学标签2，至少有一个光学标签2被设置在睡眠区域内。具体的，可设置在待检测者身上，包括待检测者的衣服6上或者其皮肤上；也可以设置在床上用品上，包括被子、毯子等覆盖物，以及床单、枕头等等。该光学标签2在图像信息中和周围物体的在光学特性上具有明显差异。

图像分析单元3包含头部检测模块和光学标签检测模块；头部检测模块在图像信息中进行头部检测，若检测出头部，则确定待检测者的头部方位信息；光学标签检测模块在图像信息中检测光学标签2，若检测出光学标签2，则根据辨别模块对光学标签2进行识别，确定与光学标签对应的部位，并确定该部位的方位信息；根据待测者的头部检测结果和/或光学标签检测结果，得出待检测者的睡眠状态信息。

具体的，当检测到头部而未检测到光学标签2时，图像分析单元3根据头部方位信息推算出待检测者的躯干及四肢的方位信息；当同时检测到头部和光学标签2时，图像分析单元3结合头部方位信息和光学标签2对应的部位的方位信息，确定待检测者的躯干及四肢的方位信息。

若图像分析单元3检测到设置在待检测者身体部位上的光学标签2，则可确定与该光学标签2对应的身体部位裸露；若检测到不允许裸露的身体部位对应的光学标签2，则可确定待检测者已踢被子。

另一方面，如图2所示，本发明实施例还提出了睡眠检测方法，具体包括以下步骤：

s1：将图像采集模块设置在待检测区域的上方，将至少一个光学标签设置在睡眠区域内的不同位置，光学标签上设置有与不同位置相对应的辨别模块。

其中，光学标签上可以设置不同类型的辨别模块，举例来说，可以在设置在上肢上的光学标签上设置第一种辨别模块；在设置在躯干上的光学标签上设置第二种辨别模块。

s2：通过图像采集单元获取睡眠区域的图像信息并发送至图像分析单元。

s3：通过图像分析单元分析图像信息，图像分析单元包含头部检测模块、光学标签检测模块和识别模块；

通过头部检测模块检测图像信息中的头部信息，若检测出头部，则确定待检测者头部的方位信息；

光学标签检测模块检测图像信息中的光学标签，若检测出光学标签，则根据辨别模块确定与光学标签对应的位置，并确定该位置的方位信息。

s4：通过识别模块根据头部检测的结果和/或光学标签的检测结果确定待检测者的睡眠状态信息。

以下对检测系统及方法进行进一步详细说明：

在本发明实施例中，图像采集单元1包含一个或者多个图像采集模块，可采用若干个不同光学波段图像采集模块，获取不同波段的图像信息。例如采用可见光波段、近红外波段或者热红外波段的图像采集模块进行成像。图像采集模块属于光学成像系统，光学成像系统的工作波段，可以从紫外波段到红外波段，按波长从短到长可以分为紫外、可见光、近红外(短波红外)、热红外(包括中波红外和长波红外)。由于紫外线对人体皮肤有害，中波红外成像系统成本高昂，因此，可采用可见光、近红外和长波红外波段进行成像。其中，可见光波段的波长范围是380nm～780nm，近红外通常指780nm～2526nm，长波红外这里指的是8μm～14μm。

图像采集模块可采用宽波段成像和窄波段成像方式：若需要采集多种颜色信息，则采用可见光的宽波段成像方式，以及，若需要采集热辐射强度分布信息，则采用长波红外的宽波段成像方式；另一方面，如果只需要采集某个特征波长的亮度信息而不考虑颜色信息，则采用窄波段成像方式，以抑制环境光照的干扰。例如，为了检测含有发光波长为545nm绿光的长余辉发光材料的光学标签2，则可采用中心波长为545nm的窄波段成像，只采集波长在545nm附近的很窄范围内的光，其它波长的光无法进入图像采集模块；为了检测含有回归反射材料的光学标签2，则可采用中心波长为940nm的窄波段成像，配合使用940nm的led光源。

通常，可见光波段和近红外波段的成像采用cmos图像传感器，其响应波长为300nm～1000nm，可以用来采集可见光和部分波长的近红外光，通过在镜头和图像传感器之间设置窄带通滤光片可实现窄波段成像。长波红外波段的成像可采用非制冷红外焦平面探测器，包括热电堆型、热敏电阻型、热释电型和光电二极管型等。

图像采集单元1可使用单独一个图像采集模块，但不限于一个图像采集模块，可以采用相同波段的若干个图像采集模块从不同角度采集睡眠区域的图像信息。例如，使用一个图像采集模块，其最佳位置是在儿童的正上方，在该位置有最佳的检测效果；若单独一个图像采集模块设置在儿童的斜上方，系统也能正常工作，但位置越斜，漏检率可能会越高。

在本发明实施例中，头部检测模块负责在图像信息中进行头部检测，若检测出头部，则确定待检测者的头部方位信息。如图3所示，x0和y0分别表示图像的宽度和高度；头部方位信息包含待测者的头部在图像中所处的位置信息，可以用头部的几何中心来表示，人体头部可近似为圆形，可以用图中虚线圆圈的圆心p(xh,yh)来表示，xh和yh分别表示圆心的横坐标和纵坐标；进一步的，头部方位信息还包含待测者头部的方向，可以用方位角θh来表示。

头部检测的有多种方法，例如：基于图像处理的方法、基于机器学习的方法和基于深度神经网络的方法等。

基于图像处理方法的重点是对于头部特征的选取或提取，头部特征主要指我们视觉上容易观察到的特征。头部特征最常用的有皮肤特征、头发特征和面部特征。其中皮肤特征是在关于人的检测中最常用到的特征，因为人的肤色较周围物体颜色区分度大，特征容易提取；头发特征常用到的是头发的颜色或头发轮廓；面部特征主要指一些细节将征，如五官的位置。这种方法的优点在于不需要收集大量数据训练，并且选取的特征比较直观，处理速度较快；缺点就是对外界环境变化(如光照等)敏感。

基于机器学习的方法是对收集到的大量数据进行训练得到分类器，然后用分类器判断检测部分是否为头部。它的优点在于对外界环境变化鲁棒性较好，检测准确度较高。基于机器学习的头部检测需要收集大量的正负样本，正样本就是头部图像，负样本就是不包含头部的图像，正负样本提取特征进行训练，可以得到一个分类器，检测时将输入图像通过分类器来判断。进一步的，样本图像还包括不同观察角度的头部图像，分类器可以对不同观察角度的头部进行分类，确定头部的观察角度信息。例如，观察角度包含正脸、侧脸、后脑等；相应的，分类器输出结果分为以下4类：未检测到头部、正脸、侧脸、后脑；相应的，样本图像也包含无头部、正脸、侧脸、后脑这4类。对于基于机器学习进行检测的方法，图像特征与训练方法是的两个最重要的部分。例如，选取积分通道特征作为图像特征，采用基于adaboost思想的softcascade方法来训练头部分类器。

基于深度神经网络的方法，可利用深度残差卷积神经网络进行头部检测，使用人工标注好的数据对网络进行训练，使神经网络自动学习图像中不同观察角度头部的特征，从而确定预测图片中不同观察角度头部的准确位置。

进一步的，头部检测模块在检测到头部后，可通过检测五官中的一者或多者，以确定头部的方位角，该方位角为图3中的角度θh。例如，通过检测眼睛和嘴巴，根据眼睛和嘴巴的相对位置确定头部的方位角θh。

光学标签单元包含一个或多个光学标签2，至少有一个光学标签2被设置在睡眠区域内，可设置在待检测者身上，和/或设置在被子4等床上用品上。

为了保证儿童睡眠的安全性和舒适性，并考虑到使用的便利性和可靠性，应避免在睡眠区域内放置带电工作的检测装置。因此，光学标签2应满足无需电源供电、安装方便、安全可靠、性能稳定等要求。在本发明实施例中，儿童睡眠时不需要在身上穿戴或在被子、褥子上安装任何带电的检测装置，使用便利，安全性好，可靠性高，可反复使用，不影响儿童睡眠时的舒适感。儿童睡眠时穿着外表面带有光学标签2的衣物6，等同于在儿童身上设置光学标签2。衣物6包含上衣、裤子、袜子、手环、脚环等。

光学标签2要在图像中和周围物体(如被子、床单、衣服、人体皮肤和头发等)有差异明显，以利于图像分析单元3中的光学标签检测模块能准确的检测出光学标签2。这就要求光学标签2具有某些特殊的光学特性。根据实际应用需求，光学标签2可以采用一种或者多种的光学材料使其具有特殊的光学特性，例如，采用以下的一种或多种光学材料制成：高反射率材料、低反射率材料、回归反射材料、上转换发光材料、各种不同辐射波长的长余辉发光材料等，本发明实施例对此不做具体限定。

高反射率材料指的是在某个波段或者某个波长处的反射率接近于1的材料，即对入射光几乎完全反射。相反的，低反射率材料指的是在某个波段或者某个波长处的反射率接近于0的材料，即对入射光几乎完全吸收。而衣服6和被子4等床上用品大都属于漫反射的灰体，其反射率在0.5左右，因此，在合作光源的照射下，高反射率材料的亮度会远高于其它物体的亮度，低反射率材料的亮度会远低于其它物体的亮度。

回归反射材料含有高折射率玻璃珠或者微晶格结构，每平方厘米的面积内排列着上千个微小单元，可将光线按原路反射回光源处，这种现象称为回归反射特性。当合作光源从上方照射睡眠区域时，含有回归反射材料的光学标签2会将大部分光线按原路反射回合作光源处，而视场中其它物体(如被子、床单、衣服、人体皮肤和头发等)属于漫反射体，将光线分散的反射到各个方向，所以在回归反射方向上，光学标签2的亮度会远远高于其它物体的亮度，这种现象反映在数字图像里就是光学标签2区域的灰度值会远远高于周围物体的灰度值。使用回归反射材料时，睡眠检测系统还应当设置有合作光源，合作光源紧挨图像采集单元设置，用于从图像采集单元1方向照射睡眠区域。

长余辉发光材料简称长余辉材料，是一种光致发光材料。它是一类吸收能量并在激发停止后仍可继续发出光的物质。在受到太阳光或者灯光照射后，长余辉发光材料可以将光能储存起来，并在无光源照射的情况下以光的形式将能量缓慢释放出来。在夜间没有灯光照明的情况下，含有长余辉发光材料的光学标签2会在数字图像里表现为高亮度区域。

上转换发光材料是一种反-斯托克斯发光材料，其在长波长光激发下可持续发出波长比激发波长短的光。斯托克斯定律认为材料只能受到高能量波长短的光激发，发出低能量长波长的光。而上转换发光认为长波长光激发下，可持续发射波长比激发波长短的光。例如，含有红外上转换发光材料的光学标签2，在红外合作光源的照射下，会发出波长更短的可见光。因此，在夜间没有灯光照明而只有红外合作光源的照射的情况下，含有红外上转换发光材料的光学标签2会在数字图像里表现为高亮度区域。

根据实际应用需求，光学标签2可制作成多种形态。光学标签2设置在衣物6或被子4等床上用品的外表面应满足轻薄、柔软、牢固、持久等要求，其设置方法可以有多种，例如采用以下的一者或多者：采用热熔胶材料，通过压烫方法将光学标签2固定在衣物6的外表面；采用魔术贴将光学标签2粘贴在衣物6的外表面；采用粘贴剂将光学标签2粘贴在衣物6的外表面；采用将含有光学材料的油墨印在衣物6的外表面；当然也可以通过针线缝制、使用纽扣等方式将光学标签2固定在衣物6的外表面。

实施例1

如图4所示，光学标签2设置在待检测者所盖的被子6上，例如光学标签2呈带状设置在被子6的上沿，即靠近待检测者头部的边沿。头部检测模块检测到待检测者的头部，并得出其的方位信息，即图中虚线圆圈的圆心p的坐标；光学标签检测模块检测到光学标签2，并得到其的方位信息，即图中光学标签2上的虚线的位置。d1表示待检测者的头部几何中心点p与光学标签2的垂直距离。当图像分析单元模块3计算出的d1超过预设的阈值时，将确定待检测者已踢被子。

实施例2

光学标签2在待检测者的不同身体部位上，光学标签2上的辨别模块相同，即光学标签2只用于标示待检测者需要盖被子保暖的若干部位，例如腹部、前胸、后背、手臂、腿脚等容易着凉的部位，而不对这些身体部位进行区分。当光学标签检测模块在图像信息中检测到光学标签2时，即可确定待检测者的身体部位裸露。

实施例3

采用不同的光学标签2来区别标示不同的身体部位，将不同的光学标签2设置在待检测者的不同身体部位上。不同的光学标签2可以通过设置有辨别模块来实现。辨别模块可以采用以下方式但不限于以下方式来实现：

辨别模块包括至少两种辨别图案，每种辨别图案与对应一处身体部位；辨别图案为纹理图案和/或二维码图案。

光学标签2往往会被覆盖物或者人体所覆盖，因此，图像信息中往往不能获取某个光学标签2的完整信息，而只获取到某个光学标签2的局部。采用将辨别图案拆分成多个相同的子图案的方式，可以实现当某个光学标签2只露出很小的局部时，光学标签检测模块也能识别出该光学标签2的类别。一种类别的辨别图案含有若干个相同的子图案，若干个相同的子图案排列组成一种类别的辨别图案；子图案可以为纹理图案和/或二维码图案。

例如，采用含有不同纹理图案的光学标签2来区别标示不同的身体部位。作为一种重要的视觉线索，纹理广泛存在于自然界各种物体的表面；传统意义上，在图像中纹理是特征值强度的某种局部重复模式的宏观表现，其主要特点是局部模式重复和平稳性，可采用纹理图像分类的方法进行识别。纹理图像分类是指基于待分类图像或图像区域的内容为其指定一个预先定义的纹理类别。常用的纹理图像分类方法主要包括k近邻法、k-means聚类、决策树、boosting算法、支持向量机和深度神经网络。

纹理图像分类可在灰度图像或者二值图像中进行，本发明实施例对此不做限制。

通过纹理图像分类，可确定待检测者的裸露的身体部位。例如图5所示，含有纹理图像a的光学标签2(2：a)被设置在待检测者的左臂、含有纹理图像b的光学标签2(2：b)被设置在待检测者的右臂上、含有纹理图像c的光学标签2(2：c)被设置在待检测者的胸部上；当在图像中识别出纹理图案a、b和c时，则说明待检测者的胸部、右臂和左臂裸露。根据识别出的纹理图案a、b和c在图像中的位置，即可确定待检测者的左臂、右臂和在胸部图像中的位置。

根据与光学标签2对于的身体部位在图像中的位置，以及头部的位置，可以计算待检测者的身体姿态信息。如图5所示，在图像中识别出待检测者的胸部、右臂和左臂裸露，则可确定待检测者的身体姿态为平躺。以此类推，若在图像中识别出待检测者的背部等，则可确定待检测者的身体姿态为俯卧。

根据待检测者的裸露部位在图像中的位置的记录，计算待检测者的身体运动信息。例如待检测者的左臂在图像中的位置发生了变化，则说明待检测者的左臂有移动，其位置变化的距离就是运动幅度；再例如，先检测到待检测者的胸部裸露，然后检测到背部裸露，则说明待检测者翻身。

综上所述，本发明实施例至少可以实现如下效果：

在本发明实施例中，睡眠检测系统通过将光学标签设置在睡眠区域内，通过图像采集模块检测睡眠区域的图像，并通过图像分析单元检测图像中的头部和光学标签，结合头部和光学标签的方位信息，可以准确判断待检测者的睡眠状态。

最后需要说明的是：以上仅为本发明的较佳实施例，仅用于说明本发明的技术方案，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内所做的任何修改、等同替换、改进等，均包含在本发明的保护范围内。