睡眠环境光照条件辨识方法与阅读面测光方法技术

本发明专利技术公开了睡眠环境光照条件辨识方法与阅读面测光方法，首先以检测出的阅读面照度、色温、颜色的xyz色坐标值等光色参数作为输入量，以经数据融合与拟合后得出的用户眼睛开度变化率、闭眼持续时长变化率、心率变化率、体动频率变化率、体温变化率等体征参数作为输出量，建立动态递归Elman神经网络，用来表征环境光照条件与用户入睡效率之间的映射关系；其次，改变灯组电流，采集光色组合变化后的样本并对神经网络进行训练；最后，训练后的网络用来在线对现场光照条件下用户入睡效率各相关参数进行预测，从而进行光环境对入睡的影响进行评价，并为潜在的高入睡效率光环境的搜索与推荐提供依据。

Identification of Lighting Conditions in Sleeping Environment and Reading Surface Photometry

【技术实现步骤摘要】
睡眠环境光照条件辨识方法与阅读面测光方法
本专利技术涉及智能照明及睡眠辅助领域，具体涉及一种睡眠环境光照条件辨识方法与阅读面测光方法。
技术介绍
在典型的二十四小时生物钟周期内，人体各时间段有着不同的生理特征，如凌晨2时人的睡眠达到最大深度，早晨7时30分褪黑素的分泌停止，下午17时，人体心血管工作的效率最高，晚上21时的时候褪黑素的分泌开始。人的大脑中有一个叫做松果体的内分泌器官，松果体的功能之一就是分泌褪黑素，而褪黑素对于促进睡眠有着极其重要的作用。褪黑素的分泌能够抑制人体交感神经兴奋，使人体血压下降、心跳减慢、心脏得以休息，同时能增强免疫、消除疲劳。蓝光能抑制松果体分泌褪黑素，白天蓝光最强，人精神抖擞；夜间蓝光最弱，脑内松果体分泌褪黑素，进入血液中的褪黑素促进人体泛困、入睡和深眠。虽然光照对人体节律影响的研究已经比较多，但对于不同光照在人体入睡阶段的刺激反应特别是入睡阶段人体特征如何逐步变化的问题，则还没有相关的具体研究方案，而仅有一些普遍性的推论。如申请号为2016107972446的中国专利，采用多普勒器件检测用户的肢体动作，并基于群体概率统计的方法来对用户入睡的可能时间点进行判定，这种方法用群体统计值来对个体进行判定，针对性有限。在可调光的环境中，用户从准备睡觉到进入睡眠这个阶段，将表现出什么样的过渡过程？为此，需要一种睡眠环境光照条件辨识的方法。
技术实现思路
本专利技术的目的是，提供一种方法来检测光照条件对入睡速度或入睡效率的影响，并能在现场环境中就该现场环境光照条件对用户入睡将造成什么样的入睡影响提供预测。为此，需要首先针对用户进行入睡行为的检测与判断，然后对不同光照条件与入睡效率有关因素之间的映射关系进行建模。夜间，当人们准备休息时，经常会进行一些过渡性的活动，如工作计划安排、睡前阅读，当前还有更多的人会用智能手机或平板看一些让人放松的内容。入睡前的这个阶段，用低色温低亮度的灯具或设备背光，都能对身体放松直至犯困、入睡有帮助。但我们需要一个模型，来反映入睡效率或入睡速度与光照条件之间的关系。由于这个模型是一种多入多出的非线性系统，因此，需要依靠非线性系统辨识。在非线性系统中，人工神经网络是由大量处理单元广泛互连而成的网络，具有大规模并行模拟处理能力和很强的自适应、自组织、自学习能力，在系统建模、辨识与控制中受到普遍重视，其所具有的非线性变换特性为系统辨识尤其是非线性系统的辨识提供了有效的方法。由于人体入睡是一个连续的动态过程，相邻时间周期内人体特征之间有着密切相关性。为此，本专利技术采用动态递归神经网络来对系统进行建模。本专利技术基于动态递归Elman神经网络，对光照条件与入睡效率因素之间的复杂非线性映射关系进行建模，其中光照条件包括阅读面照度、色温、颜色的xyz色坐标值，入睡效率因素则通过用户眼睛开度变化率、闭眼持续时长变化率、心率变化率、体动频率变化率、体温变化率5个参数来表征。本专利技术的技术解决方案是，通过对与入睡相关的几种人体特征的信号采集，对信号进行趋势提取并采用数据融合的方法将多种信号中的偶然因素消除，从而获得准确的入睡特征数据。进而，在不同光照条件下重复进行入睡特征的提取，获得光照对入睡影响的评估样本。最后，基于非线性映射理论与处理计算，建立不同光环境下人体入睡特征的预判模型。基于体征传感数据，要进行入睡效率评估，存在以下几个问题。首先，所采样的体征数据中，前面一段可能是平缓无显著变化或者变化小于一定范围，后面从某个时间点如人体困意来临时才开始变化；那么，这个时间点如何判断？该时间点前面一段是否能作为有效数据样本？其次，即使后面体征开始变化，如眼睛开度变小或闭眼时长增加，但每次的变化量或变化率本身是变化的，如负指数函数的变化率或一阶导随自变量增大而逐渐越小。为此，难以用体征数据序列的一阶导来定义入睡效率。基于上述两个问题，所定义的入睡效率要能反应入睡阶段转折点不确定、变化率又不恒定的体征数据序列的总体趋势，并用量化的形式来表达。具体地，本专利技术提供一种睡眠环境光照条件辨识方法，包括以下步骤：S1、建立非线性映射：以阅读面光的照度、色温、颜色xyz色坐标值共5个光色参数作为输入量，以用户眼睛开度变化率、闭眼持续时长变化率、心率变化率、体动频率变化率、体温变化率共5个体征参数作为输出量，在控制单元中建立动态递归Elman神经网络；S2、获取训练样本集：通过控制单元的输出模块向可调光灯组发出调光信号，通过光色识别单元采集并识别阅读面光的照度、色温和颜色等光色参数，通过入睡识别单元及控制单元采集并处理识别出用户眼睛开度变化率、闭眼持续时长变化率、心率变化率、体动频率变化率、体温变化率等体征参数，记录所述光色参数值及对应的所述体征参数值，获取神经网络的训练样本，反复进行训练样本的获取，得到神经网络的训练样本集；S3、离线训练神经网络：基于所获取的训练样本集，控制单元中的迭代学习模块根据处理模块和神经网络分别通过第一连接阵输入的体征参数实际值和网络输出值，采用梯度下降法迭代调整神经网络的连接权值；S4、在线预测：在现场环境中，经训练的神经网络基于通过光色识别单元获取的当前阅读面光的照度、色温、颜色的xyz色坐标值，对用户眼睛开度变化率、闭眼持续时长变化率、心率变化率、体动频率变化率、体温变化率进行预测并将结果通过输出模块输出。作为优选，所述步骤S4之前还包括如下步骤：T1、在控制单元中，建立一个被照面朝向对应的俯仰角及横滚角两个角组合到各光色参数值的映射表，所述俯仰角及横滚角为与被照面平行的光色传感器在世界坐标系的旋转角，入睡场景下所述坐标系中有一置于用户附近的支架，所述光色传感器依次通过俯仰板、横滚板和第一连接件连接于所述支架上，所述步骤S4中还包括如下流程：T2、在现场环境中，若阅读面朝向所对应的俯仰角和横滚角的组合不在映射表中时，根据所述映射表通过角度组合空间中距离加权的插值计算来获取其对应的光色参数值；否则，若所述组合存在映射表中，则直接查表获取其对应的光色参数值。作为优选，所述入睡识别单元包括图像采集模块、可佩带模块和入睡判断模块，所述图像采集模块采用深度相机进行图像采集，所述步骤S2包括如下处理过程：由入睡判断模块中的图像处理部对用户眼睛开度进行持续检测，心率计算部、体动频率计算部及体温计算部则基于可佩带模块获取的人体传感信号计算出心率、体动频率及体温，由入睡判断模块中的数据融合处理部，对图像处理部、心率计算部、体动频率计算部及体温计算部输出的体征参数进行数据融合，消除数据集中不一致的部分，根据图像处理部的处理结果，转动支撑所述相机的云台，使相机对准用户脸部。作为优选，所述神经网络还包括一个以疲倦指数为参数的输入量，用户根据当前疲倦程度通过用户接口单元中的按键输入所述疲倦指数，所述训练样本采集过程中，还可以通过按下一个取消采样按键来暂停数据采样和样本记录。作为优选，所述步骤S2中通过如下处理过程获得所述神经网络输出量的5个体征参数：基于入睡识别单元周期性地获取各种光照条件下入睡过程中体征参数的状态变化并进行记录，对于所记录的每个入睡过程中的体征参数序列中的数据，对用户闭眼持续时长y1，对其预处理，y1＝max(y1,4)，然后，先基于如下模型进行离线数据拟合，y1＝g1(t)＝本文档来自技高网...

【技术保护点】
1.睡眠环境光照条件辨识方法，包括以下步骤：S1、建立非线性映射：以阅读面光的照度、色温、颜色xyz色坐标值共5个光色参数作为输入量，以用户眼睛开度变化率、闭眼持续时长变化率、心率变化率、体动频率变化率、体温变化率共5个体征参数作为输出量，在控制单元中建立动态递归Elman神经网络；S2、获取训练样本集：通过控制单元的输出模块向可调光灯组发出调光信号，通过光色识别单元采集并识别阅读面光的照度、色温和颜色等光色参数，通过入睡识别单元及控制单元采集并处理识别出用户眼睛开度变化率、闭眼持续时长变化率、心率变化率、体动频率变化率、体温变化率等体征参数，记录所述光色参数值及对应的所述体征参数值，获取神经网络的训练样本，反复进行训练样本的获取，得到神经网络的训练样本集；S3、离线训练神经网络：基于所获取的训练样本集，控制单元中的迭代学习模块根据处理模块和神经网络分别通过第一连接阵输入的体征参数实际值和网络输出值，采用梯度下降法迭代调整神经网络的连接权值；S4、在线预测：在现场环境中，经训练的神经网络基于通过光色识别单元获取的当前阅读面光的照度、色温、颜色的xyz色坐标值，对用户眼睛开度变化率、闭眼持续时长变化率、心率变化率、体动频率变化率、体温变化率进行预测并将结果通过输出模块输出。...

【技术特征摘要】
1.睡眠环境光照条件辨识方法，包括以下步骤：S1、建立非线性映射：以阅读面光的照度、色温、颜色xyz色坐标值共5个光色参数作为输入量，以用户眼睛开度变化率、闭眼持续时长变化率、心率变化率、体动频率变化率、体温变化率共5个体征参数作为输出量，在控制单元中建立动态递归Elman神经网络；S2、获取训练样本集：通过控制单元的输出模块向可调光灯组发出调光信号，通过光色识别单元采集并识别阅读面光的照度、色温和颜色等光色参数，通过入睡识别单元及控制单元采集并处理识别出用户眼睛开度变化率、闭眼持续时长变化率、心率变化率、体动频率变化率、体温变化率等体征参数，记录所述光色参数值及对应的所述体征参数值，获取神经网络的训练样本，反复进行训练样本的获取，得到神经网络的训练样本集；S3、离线训练神经网络：基于所获取的训练样本集，控制单元中的迭代学习模块根据处理模块和神经网络分别通过第一连接阵输入的体征参数实际值和网络输出值，采用梯度下降法迭代调整神经网络的连接权值；S4、在线预测：在现场环境中，经训练的神经网络基于通过光色识别单元获取的当前阅读面光的照度、色温、颜色的xyz色坐标值，对用户眼睛开度变化率、闭眼持续时长变化率、心率变化率、体动频率变化率、体温变化率进行预测并将结果通过输出模块输出。2.根据权利要求1所述的睡眠环境光照条件辨识方法，其特征在于，所述步骤S4之前还包括如下步骤：T1、在控制单元中，建立一个被照面朝向对应的俯仰角及横滚角两个角组合到各光色参数值的映射表，所述俯仰角及横滚角为与被照面平行的光色传感器在世界坐标系的旋转角，入睡场景下所述坐标系中有一置于用户附近的支架，所述光色传感器依次通过俯仰板、横滚板和第一连接件连接于所述支架上，所述步骤S4中还包括如下流程：T2、在现场环境中，若阅读面朝向所对应的俯仰角和横滚角的组合不在映射表中时，根据所述映射表通过角度组合空间中距离加权的插值计算来获取其对应的光色参数值；否则，若所述组合存在映射表中，则直接查表获取其对应的光色参数值。3.根据权利要求1所述的睡眠环境光照条件辨识方法，其特征在于，所述步骤S2中通过如下处理过程获得所述神经网络输出量的5个体征参数：基于入睡识别单元周期性地获取各种光照条件下入睡过程中体征参数的状态变化并进行记录，对于所记录的每个入睡过程中的体征参数序列中的数据，对用户闭眼持续时长y1，对其预处理，y1＝max(y1,4)，然后，先基于如下模型进行离线数据拟合，y1＝g1(t)＝8·b/exp(4·c·(a-t))+1，再计算闭眼持续时长变化率，kec＝k1＝t2-t1，其中t1＝g1-1(4e-1),t2＝g1-1(4-4e-1)；对用户眼睛开度、心率、体动频率、体温中的每个体征参数，对其归一化处理后，先分别基于如下模型进行离线数据拟合，y2＝g2(t)＝2·b/exp(4·c·(t-a))+1，再计算其各自变化率，ki＝t2-t1，其中t1＝g2-1(1-e-1),t2＝g2-1(e-1)，i＝2,3,4,5；其中，y1、y2为体征参数预处理或归一化后的取值，t为时间，a、b、c为拟合系数，ki(i＝2,3,4,5)分别对应眼睛开度变化率keo、心率变化率kh、体动频率变化率kb、体温变化率kp。4.根据权利要求1～3任何一项所述的睡眠环境光照条件辨识方法，其特征在于，所述神经网络的模型为：xck(t)＝xk(t-mod(k,q)-1)，其中，mod为求余函数，f()函数取为sigmoid函数；xck(t)为承接层输出，x...

【专利技术属性】
技术研发人员：邹细勇，张维特，李子印，胡晓静，李晓艳，
申请(专利权)人：中国计量大学上虞高等研究院有限公司，
类型：发明
国别省市：浙江,33