一种睡眠状态识别方法及装置制造方法及图纸

本申请公开了一种睡眠状态识别方法，包括：获取观测对象在观测时间点的睡眠数据；将睡眠数据输入到睡眠状态预识别器中，获取观测对象在观测时间点的睡眠状态的预识别结果；睡眠状态预识别器预先根据睡眠状态已知的睡眠数据训练生成；从与观测时间点连续相邻的多个观测时间点的多个预识别结果中，将重复率超过预设阈值的预识别结果作为观测时间点的睡眠状态。本申请通过预先根据睡眠状态已知的睡眠数据训练生成的睡眠状态预识别器，对睡眠数据进行识别，并不依赖于经验规则，因此具有较高的准确性和适应性。本申请还公开了一种睡眠状态识别装置，同样具有上述有益效果。

A Sleep State Recognition Method and Device

This application discloses a sleep state recognition method, which includes: acquiring the sleep data of the observed object at the observation time point; inputting the sleep data into the sleep state pre-recognizer to obtain the pre-recognition results of the observed object's sleep state at the observation time point; training and generating the sleep state pre-recognizer according to the sleep data known in the sleep state in advance; connecting the sleep data with the observation time point. In the multiple pre-recognition results of successive adjacent observation time points, the pre-recognition results whose repetition rate exceeds the preset threshold are regarded as the sleep state of observation time points. In this application, a sleep state pre-recognizer is trained according to the sleep data known in advance to recognize the sleep data, which does not depend on empirical rules, so it has high accuracy and adaptability. The application also discloses a sleep status recognition device, which has the same beneficial effect as the above.

【技术实现步骤摘要】
一种睡眠状态识别方法及装置
本申请涉及睡眠检测
，特别涉及一种睡眠状态识别方法及装置。
技术介绍
随着睡眠检测技术的发展，许多具备睡眠状态识别功能的便携式智能可穿戴设备已经进入了市场。目前，现有技术中的睡眠状态识别方法多依据经验规则，具体是以测量得到的加速度等信号与预先设定的经验阈值的对比结果为识别依据。常用的判定指标包括单位时间内观测对象动作的次数、单位时间内观测对象的信号强度或者信号积分面积分别超过预设阈值的次数等。可见，现有技术中这些识别方法的依据均是单一的经验规则，而事实上，睡眠状态是很难用简单的指标规则来描述的，即使是处于睡眠状态的观测对象，也会在不同时间段内有不同频率、幅度、加速度和强度的翻转、起身等动作，并且因人而异，而这些很难用简单的经验规则来统一概括，更难以适用于所有的观测对象。因此，现有技术中的睡眠状态识别方法往往具有较大的误差，并且适应性较差。由此，采用何种睡眠状态识别方法及装置，以便有效地提高准确性和适应性，是本领域技术人员所亟待解决的技术问题。
技术实现思路
本申请的目的在于提供一种睡眠状态识别方法及装置，以便有效地提高准确性和适应性。为解决上述技术问题，本申请提供一种睡眠状态识别方法，包括：获取观测对象在观测时间点的睡眠数据；将所述睡眠数据输入到睡眠状态预识别器中，获取所述观测对象在所述观测时间点的睡眠状态的预识别结果；所述睡眠状态预识别器预先根据睡眠状态已知的睡眠数据训练生成；从与所述观测时间点连续相邻的多个观测时间点的多个预识别结果中，将重复率超过预设阈值的预识别结果作为所述观测时间点的睡眠状态。可选地，所述睡眠数据为加速度数据。可选地，还包括：在所述获取观测对象在观测时间点的睡眠数据之后、所述将所述睡眠数据输入到睡眠状态预识别器中之前，对所述睡眠数据进行滤波处理。可选地，还包括：在对所述睡眠数据进行滤波处理之后、将所述睡眠数据输入到睡眠状态预识别器中之前，分别计算所述观测对象在所述观测时间点前、后预设时长时间段内的睡眠数据的统计特征值；所述将所述睡眠数据输入到睡眠状态预识别器中，获取所述观测对象在所述观测时间点的睡眠状态的预识别结果包括：将所述睡眠数据和所述统计特征值输入到所述睡眠状态预识别器中，获取所述观测对象在所述观测时间点的睡眠状态的预识别结果。可选地，所述统计特征值为标准差。可选地，所述睡眠状态预识别器预先根据睡眠状态已知的睡眠数据训练生成包括：所述睡眠状态预识别器预先根据睡眠状态已知的睡眠数据采用随机森林算法或者径向基函数核支持向量机算法训练生成。可选地，还包括：在所述将重复率超过预设阈值的预识别结果作为所述观测时间点的睡眠状态之后，根据所述睡眠数据和所述睡眠状态，对所述睡眠状态识别器进行微调训练。本申请还提供了一种睡眠状态识别装置，包括：获取模块：用于获取观测对象在观测时间点的睡眠数据；预识别模块：用于将所述睡眠数据输入到睡眠状态预识别器中，获取所述观测对象在所述观测时间点的睡眠状态的预识别结果；所述睡眠状态预识别器预先根据睡眠状态已知的睡眠数据训练生成；确认模块：用于从与所述观测时间点连续相邻的多个观测时间点的多个预识别结果中，将重复率超过预设阈值的预识别结果作为所述观测时间点的睡眠状态。可选地，还包括：预处理模块：用于对所述获取模块获取到的所述睡眠数据进行滤波处理。可选地，还包括：计算模块：用于计算所述观测对象在所述观测时间点前、后预设时长时间段内的睡眠数据的统计特征值；所述预识别模块具体用于：将所述睡眠数据和所述统计特征值输入到所述睡眠状态预识别器中，获取所述观测对象在所述观测时间点的睡眠状态的预识别结果。本申请所提供的睡眠状态识别方法包括：获取观测对象在观测时间点的睡眠数据；将所述睡眠数据输入到睡眠状态预识别器中，获取所述观测对象在所述观测时间点的睡眠状态的预识别结果；所述睡眠状态预识别器预先根据睡眠状态已知的睡眠数据训练生成；从与所述观测时间点连续相邻的多个观测时间点的多个预识别结果中，将重复率超过预设阈值的预识别结果作为所述观测时间点的睡眠状态。可见，相比于现有技术，本申请所提供的睡眠状态识别方法中，通过预先根据睡眠状态已知的睡眠数据训练生成的睡眠状态预识别器，可以根据睡眠数据得到有效的睡眠状态识别结果。由于睡眠状态预识别器的训练过程不依赖于经验规则，因此准确性可以得到保障。同时，根据该方法，对不同的用户群体可以建立各自不同的睡眠状态预识别器，从而还可以提高对用户个体差异的适应性。本申请所提供的睡眠状态识别装置可以实现上述睡眠状态识别方法，同样具有上述有益效果。附图说明为了更清楚地说明现有技术和本申请实施例中的技术方案，下面将对现有技术和本申请实施例描述中需要使用的附图作简要的介绍。当然，下面有关本申请实施例的附图描述的仅仅是本申请中的一部分实施例，对于本领域普通技术人员来说，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图，所获得的其他附图也属于本申请的保护范围。图1为本申请实施例所提供的一种睡眠状态识别方法的流程图；图2为本申请实施例所提供的一种睡眠状态识别装置的结构框图；图3为本申请实施例所提供的睡眠状态识别方法的预识别结果对比图；图4为本申请实施例所提供的睡眠状态识别方法的最终识别结果对比图；图5为本申请实施例所提供的采用随机森林算法的睡眠状态预识别器的ROC曲线图。具体实施方式本申请的核心在于提供一种睡眠状态识别方法及装置，以便有效地提高准确性和适应性。为了对本申请实施例中的技术方案进行更加清楚、完整地描述，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行介绍。显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，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，都属于本申请保护的范围。请参考图1，图1为本申请实施例所提供的一种睡眠状态识别方法的流程图，主要包括以下步骤：步骤1：获取观测对象在观测时间点的睡眠数据。具体地，睡眠数据一般优选为通过加速度计获取到的加速度数据，并优选为三轴加速度；当然也可以为采集到的心率数据等其他数据。其采集频率，即相邻两个观测时间点之间的间隔时间的倒数，也可由本领域技术人员自行选择设计并实现，本申请对此并不进行限定；但优选地，可以在20～30Hz范围内进行选择。步骤2：将睡眠数据输入到睡眠状态预识别器中，获取观测对象在观测时间点的睡眠状态的预识别结果。其中，睡眠状态预识别器预先根据睡眠状态已知的睡眠数据训练生成。具体地，本申请所采用的识别依据是睡眠状态已知的睡眠数据，利用这些已知信息，采用软件方法经过一定的算法编程训练，可以建立一个睡眠状态预识别器，使其可以对输入的睡眠数据进行预识别，并输出睡眠状态的预识别结果。所谓的预识别结果包括两种状态，即“睡眠”和“清醒”，并具体可以用数字信号“1”和“0”表示。可见，睡眠状态预识别器在建立过程中，所需用到的信息只有输入和输出，而并不需要清楚地描述出两者之间所符合的具体规则，因而不会受到规则的限制，只要得到足够多的训练数据，睡眠状态预识别器就可以具有较好的精度。步骤3：从与观测时间点连续相邻的多个观测时间点的多个预识别结果中，将重复率超过预设阈值的预识别结果作为观测时间点本文档来自技高网...

【技术保护点】
1.一种睡眠状态识别方法，其特征在于，包括：获取观测对象在观测时间点的睡眠数据；将所述睡眠数据输入到睡眠状态预识别器中，获取所述观测对象在所述观测时间点的睡眠状态的预识别结果；所述睡眠状态预识别器预先根据睡眠状态已知的睡眠数据训练生成；从与所述观测时间点连续相邻的多个观测时间点的多个预识别结果中，将重复率超过预设阈值的预识别结果作为所述观测时间点的睡眠状态。

【技术特征摘要】
1.一种睡眠状态识别方法，其特征在于，包括：获取观测对象在观测时间点的睡眠数据；将所述睡眠数据输入到睡眠状态预识别器中，获取所述观测对象在所述观测时间点的睡眠状态的预识别结果；所述睡眠状态预识别器预先根据睡眠状态已知的睡眠数据训练生成；从与所述观测时间点连续相邻的多个观测时间点的多个预识别结果中，将重复率超过预设阈值的预识别结果作为所述观测时间点的睡眠状态。2.根据权利要求1所述的睡眠状态识别方法，其特征在于，所述睡眠数据为加速度数据。3.根据权利要求1所述的睡眠状态识别方法，其特征在于，还包括：在所述获取观测对象在观测时间点的睡眠数据之后、所述将所述睡眠数据输入到睡眠状态预识别器中之前，对所述睡眠数据进行滤波处理。4.根据权利要求3所述的睡眠状态识别方法，其特征在于，还包括：在对所述睡眠数据进行滤波处理之后、将所述睡眠数据输入到睡眠状态预识别器中之前，分别计算所述观测对象在所述观测时间点前、后预设时长时间段内的睡眠数据的统计特征值；所述将所述睡眠数据输入到睡眠状态预识别器中，获取所述观测对象在所述观测时间点的睡眠状态的预识别结果包括：将所述睡眠数据和所述统计特征值输入到所述睡眠状态预识别器中，获取所述观测对象在所述观测时间点的睡眠状态的预识别结果。5.根据权利要求4所述的睡眠状态识别方法，其特征在于，所述统计特征值为标准差。6.根据权利要求1至5任一项所述的睡眠状态识别方法，其特征在...

【专利技术属性】
技术研发人员：张冠群，贺钰杰，刘子毅，
申请(专利权)人：广东乐心医疗电子股份有限公司，
类型：发明
国别省市：广东,44