自动推送助眠乐曲方法、装置、计算机设备及存储介质制造方法及图纸

本发明专利技术涉及人工智能技术领域，提供了一种自动推送助眠乐曲方法、装置、计算机设备及存储介质，所述自动推送助眠乐曲方法包括：以预设时间间隔获取目标用户在睡眠时采集到的电压信号和脑电信号；对所述电压信号进行向量转换，得到特征向量；对所述脑电信号进行图转换处理，得到频谱图；将所述特征向量和所述频谱图导入预先训练好的睡眠检测模型中进行识别，得到睡眠状态；基于预设条件，获取所述睡眠状态对应的助眠音乐推荐类型；根据所述助眠音乐推荐类型，为所述目标用户推送助眠乐曲。从而实现准确为目标用户推送助眠音乐，进一步提高目标用户的睡眠质量。

The method, device, computer equipment and storage medium of automatic pushing hypnotic music

【技术实现步骤摘要】
自动推送助眠乐曲方法、装置、计算机设备及存储介质
本专利技术涉及人工智能
，尤其涉及一种自动推送助眠乐曲方法、装置、计算机设备及存储介质。
技术介绍
在医疗助眠领域，通过检测人的睡眠状态，并检测到的睡眠状态向其推送相应的助眠音乐，能够有效促进人的睡眠质量。传统的检测人的睡眠状态的方法大多通过检测脑电信号来实现，但监测脑电信号的设备太庞大不便于家庭使用，而且需要贴在人脑从而影响睡眠，导致提取到的脑电信号的不准确，进一步影响对人的睡眠状态的检测准确性，从而无法准确为人推荐助眠音乐，降低人的睡眠质量。
技术实现思路
本专利技术实施例提供一种自动推送助眠乐曲方法、装置、计算机设备及存储介质，以解决无法准确为人推荐助眠音乐，降低人的睡眠质量的问题。一种自动推送助眠乐曲方法，包括：以预设时间间隔获取目标用户在睡眠时采集到的电压信号和脑电信号；对所述电压信号进行向量转换，得到特征向量；对所述脑电信号进行图转换处理，得到频谱图；将所述特征向量和所述频谱图导入预先训练好的睡眠检测模型中进行识别，得到睡眠状态；基于预设条件，获取所述睡眠状态对应的助眠音乐推荐类型；根据所述助眠音乐推荐类型，为所述目标用户推送助眠乐曲。一种自动推送助眠乐曲装置，包括：第一获取模块，用于以预设时间间隔获取目标用户在睡眠时采集到的电压信号和脑电信号；向量转换模块，用于对所述电压信号进行向量转换，得到特征向量；图转换模块，用于对所述脑电信号进行图转换处理，得到频谱图；识别模块，用于将所述特征向量和所述频谱图导入预先训练好的睡眠检测模型中进行识别，得到睡眠状态；第二获取模块，用于基于预设条件，获取所述睡眠状态对应的助眠音乐推荐类型；推送模块，用于根据所述助眠音乐推荐类型，为所述目标用户推送助眠乐曲。一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述自动推送助眠乐曲方法的步骤。一种计算机可读存储介质，所述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实现上述自动推送助眠乐曲方法的步骤。上述自动推送助眠乐曲方法、装置、计算机设备及存储介质，以预设时间间隔获取目标用户在睡眠时采集到的电压信号和脑电信号，将电压信号和脑电信号分别转换为特征向量和频谱图，并将特征向量和频谱图导入到预先训练好的睡眠检测模型中进行识别，得到睡眠状态，根据睡眠状态确定对应的助眠音乐推荐类型，并为目标用户推送助眠音乐推荐类型对应的助眠乐曲。通过利用睡眠检测模型能够准确识别目标用户对应的睡眠状态，根据睡眠状态能够准确为目标用户推送合适的助眠音乐，进一步提高目标用户的睡眠质量。附图说明为了更清楚地说明本专利技术实施例的技术方案，下面将对本专利技术实施例的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专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。图1是本专利技术实施例提供的自动推送助眠乐曲方法的流程图；图2是本专利技术实施例提供的自动推送助眠乐曲方法中步骤S2的流程图；图3是本专利技术实施例提供的自动推送助眠乐曲方法中步骤S3的流程图；图4是本专利技术实施例提供的自动推送助眠乐曲方法中利用训练样本训练得到睡眠检测模型的流程图；图5是本专利技术实施例提供的自动推送助眠乐曲方法中步骤S72的流程图；图6是本专利技术实施例提供的自动推送助眠乐曲方法中步骤S5的流程图；图7是本专利技术实施例提供的自动推送助眠乐曲方法中根据助眠乐曲的播放时间调节播放音量或暂停播放的流程图；图8是本专利技术实施例提供的自动推送助眠乐曲装置的示意图；图9是本专利技术实施例提供的计算机设备的基本机构框图。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，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，都属于本专利技术保护的范围。本申请提供的自动推送助眠乐曲方法应用于服务端，服务端具体可以用独立的服务器或者多个服务器组成的服务器集群实现。在一实施例中，如图1所示，提供一种自动推送助眠乐曲方法，包括如下步骤：S1：以预设时间间隔获取目标用户在睡眠时采集到的电压信号和脑电信号。在本专利技术实施例中，电压信号是通过专门用于采集电压信号的传感器进行采集，当目标用户在带有该传感器的地方睡觉时，电压信号将会实时保存到预设数据库中；脑电信号是通过用户佩戴的专门用于采集脑电信号的手环进行采集，当目标用户佩戴该手环时，脑电信号将会实时保存到预设数据库中。具体地，根据预设时间间隔，从预设数据库中直接获取目标用户在睡眠时采集到的电压信号和脑电信号。若预设时间间隔为1分钟，则每隔1分钟从预设数据库中获取电压信号和脑电信号。其中，预设数据库是指专门用于存储目标用户在睡眠时采集到的电压信号和脑电信号的数据库。预设时间间隔的取值具体可以是1分钟，也可以是5分钟，此处不做限制。需要说明的是，传感器是一个嵌入了压敏电阻的床垫，其床垫内部舍弃了一系列电路，并将压敏电阻分布在床垫的不同位置，在测量数据的过程中，床垫将会实时返回每个压敏电阻上的电压值，其电压值会根据患者在床上的产生的压力发生变化。S2：对电压信号进行向量转换，得到特征向量。在本专利技术实施例中，通过将步骤S1获取的电压信号导入到预设向量转换端口中进行向量转换处理，得到向量转换处理后的特征向量。其中，预设向量转换端口是指专门用于将电压信号转换成特征向量的处理端口。S3：对脑电信号进行图转换处理，得到频谱图。在本专利技术实施例中，通过将步骤S1获取的脑电信号导入到预设图转换端口中进行图转换处理，得到图转换处理后的频谱图。其中，预设图转换端口是指专门用于将脑电信号转换成频谱图的处理端口。S4：将特征向量和频谱图导入预先训练好的睡眠检测模型中进行识别，得到睡眠状态。具体地，将获取到的特征向量和频谱图输入到预先训练好的睡眠监测模型中进行识别，睡眠监测模型将根据输入的特征向量和频谱图直接判断出对应的睡眠状态，并将睡眠状态进行输出。S5：基于预设条件，获取睡眠状态对应的助眠音乐推荐类型。在本专利技术实施例中，根据步骤S4得到的睡眠状态与预设条件，从预设推荐库获取睡眠状态对应的助眠音乐推荐类型。其中，预设条件是指根据用户实际需求进行设定的规则，其具体可以是根据连续识别到的相同的睡眠状态确定助眠音乐推荐类型。预设推荐库是指专门用于存储不同的描述信息及描述信息对应的助眠音乐推荐类型的数据库。S6：根据助眠音乐推荐类型，为目标用户推送助眠乐曲。具体地，根据助眠音乐推荐类型，从预设乐曲库中随本文档来自技高网...

【技术保护点】
1.一种自动推送助眠乐曲方法，其特征在于，所述自动推送助眠乐曲方法包括：/n以预设时间间隔获取目标用户在睡眠时采集到的电压信号和脑电信号；/n对所述电压信号进行向量转换，得到特征向量；/n对所述脑电信号进行图转换处理，得到频谱图；/n将所述特征向量和所述频谱图导入预先训练好的睡眠检测模型中进行识别，得到睡眠状态；/n基于预设条件，获取所述睡眠状态对应的助眠音乐推荐类型；/n根据所述助眠音乐推荐类型，为所述目标用户推送助眠乐曲。/n

【技术特征摘要】
1.一种自动推送助眠乐曲方法，其特征在于，所述自动推送助眠乐曲方法包括：
以预设时间间隔获取目标用户在睡眠时采集到的电压信号和脑电信号；
对所述电压信号进行向量转换，得到特征向量；
对所述脑电信号进行图转换处理，得到频谱图；
将所述特征向量和所述频谱图导入预先训练好的睡眠检测模型中进行识别，得到睡眠状态；
基于预设条件，获取所述睡眠状态对应的助眠音乐推荐类型；
根据所述助眠音乐推荐类型，为所述目标用户推送助眠乐曲。


2.如权利要求1所述的自动推送助眠乐曲方法，其特征在于，所述对所述电压信号进行向量转换，得到特征向量的步骤包括：
基于预设过滤条件，对所述电压信号进行过滤，得到目标信号；
将所述目标信号进行向量转换处理，得到特征向量。


3.如权利要求1所述的自动推送助眠乐曲方法，其特征在于，所述对所述脑电信号进行图转换处理，得到频谱图的步骤包括：
对所述脑电信号进行分帧加窗处理，得到特征信号；
利用短时傅里叶变换对所述特征信号进行变换处理，得到所述频谱图。


4.如权利要求1所述的自动推送助眠乐曲方法，其特征在于，所述对所述脑电信号进行图转换处理，得到频谱图的步骤之后，所述将所述特征向量和所述频谱图导入预先训练好的睡眠检测模型中进行识别，得到睡眠状态的步骤之前，所述自动推送助眠乐曲方法还包括：
从预设样本库中获取训练样本；
将所述训练样本导入到卷积神经网络中进行训练，得到所述睡眠检测模型。


5.如权利要求4所述的自动推送助眠乐曲方法，其特征在于，所述将所述训练样本导入到卷积神经网络中进行训练，得到所述睡眠检测模型的步骤包括：
初始化所述卷积神经网络模型，得到初始模型；
将所述训练样本导入到所述初始模型中，计算所述初始模型的前向输出；
根据所述前向输出，计算所述前向输出与预设目标值之间的预测误差；
根据所述预测误差，使用误差反向传播算法对所述初始模型中各个网络层的初始参数进行调整，得到所述睡眠检测模型。


6.如权利要求1所述的自动推送助眠乐曲方法，其特征在于，所述基于预设条件，获取所述睡眠状态...

【专利技术属性】
技术研发人员：王健宗，亢祖衡，彭俊清，
申请(专利权)人：平安科技深圳有限公司，
类型：发明
国别省市：广东;44