【技术实现步骤摘要】
睡眠状态检测方法、装置、设备及计算机可读介质
[0001]本申请涉及神经网络
,尤其涉及一种睡眠状态检测方法、装置、设备及计算机可读介质。
技术介绍
[0002]随着深度学习技术的发展,神经网络逐渐走进了千家万户,尤其是将神经网络模型应用于分析用户睡眠中,神经网络可以通过大量数据的训练后对用户的睡眠状态进行检测,可以利用用户的睡眠状态检测结果对用户的睡眠质量进行较为客观的评估,从而取代以往需要人为进行主观评估的方式。
[0003]目前,相关技术中,通常利用用户睡眠状态下的虹膜数据、眼动数据、眼部轮廓数据等对神经网络模型进行训练,从而通过检测虹膜特征,根据人眼位置确定人眼区域及轮廓对用户睡眠状态进行检测;还有通过脑电波信号对睡眠状态进行检测。本申请专利技术人在研究过程中发现,以上方式得到的检测模型,对同一个用户在连续时段睡眠状态的检测结果存在偏差较大的情况,检测结果不够准确。
[0004]针对睡眠状态检测结果不够准确的问题,目前尚未提出有效的解决方案。
技术实现思路
[0005]本申请提供了一种睡眠状态检测方法、装置、设备及计算机可读介质,以解决睡眠状态的检测不准确的技术问题。
[0006]根据本申请实施例的一个方面,本申请提供了一种睡眠状态检测方法,包括:
[0007]获取目标对象的体动数据,体动数据为从第一时刻至第二时刻对处于睡眠状态的目标对象采集得到的;
[0008]根据体动数据确定目标对象从第一时刻至第二时刻内机体活动的变化关系,并根据变化关系确定目 ...
【技术保护点】
【技术特征摘要】
1.一种睡眠状态检测方法,其特征在于,包括:获取目标对象的体动数据,其中,所述体动数据为从第一时刻至第二时刻对处于睡眠状态的目标对象采集得到的;根据所述体动数据确定所述目标对象从所述第一时刻至所述第二时刻内机体活动的变化关系,并根据所述变化关系确定所述目标对象在所述第二时刻的目标睡眠状态。2.根据权利要求1所述的方法,其特征在于,根据所述体动数据确定所述目标对象从所述第一时刻至所述第二时刻内机体活动的变化关系,并根据所述变化关系确定所述目标对象在所述第二时刻的目标睡眠状态包括:提取所述体动数据的体动特征,其中,所述体动特征包括所述目标对象从所述第一时刻至所述第二时刻的心率变化量、呼吸变化量及眼动变化量中的至少一种,所述体动数据包括心率数据、呼吸数据及眼动数据中的至少一种;将所述体动特征输入训练好的睡眠状态检测模型中,并获取所述睡眠状态检测模型输出的预测睡眠状态,其中,所述睡眠状态检测模型用于建立所述目标对象从所述第一时刻至所述第二时刻的机体活动的变化关系,并根据所述变化关系识别所述目标对象在所述第二时刻的睡眠状态;在所述预测睡眠状态满足目标条件的情况下,将所述预测睡眠状态确定为所述目标睡眠状态。3.根据权利要求2所述的方法,其特征在于,将所述体动特征输入训练好的睡眠状态检测模型中,并获取所述睡眠状态检测模型输出的预测睡眠状态包括以下方式中的至少一种:将所述体动特征输入滑动平均模型,并获取所述滑动平均模型输出的第一预测睡眠状态,其中,所述睡眠状态检测模型包括所述滑动平均模型,所述滑动平均模型用于利用所述体动特征计算变化曲线,并根据所述变化曲线在所述第二时刻的目标数值确定所述目标数值对应的所述第一预测睡眠状态,所述变化曲线用于表示所述目标对象的机体活动变化情况,所述变化关系包括所述变化曲线表示的关系;将所述体动特征转换为特征向量后输入门控循环单元模型,并获取所述门控循环单元模型输出的第二预测睡眠状态,其中,所述睡眠状态检测模型包括所述门控循环单元模型,所述门控循环单元模型用于利用所述特征向量确定更新门将所述第一时刻的信息带入到所述第二时刻中的带入量,及重置门将所述第一时刻的信息写入到第二时刻的候选数据集的写入量,并利用所述更新门和所述重置门的计算结果输出所述第二预测睡眠状态,所述变化关系包括所述带入量和所述写入量表示的关系。4.根据权利要求3所述的方法,其特征在于,在所述预测睡眠状态满足目标条件的情况下,将所述预测睡眠状态确定为所述目标睡眠状态包括:确定所述第一预测睡眠状态和所述第二预测睡眠状态的相似度;在所述相似度大于或等于目标阈值的情况下,将所述第一预测睡眠状态和所述第二预测睡眠状态中的至少一个确定为所述目标睡眠状态。5.根据权利要求4所述的方法,其特征在于,在所述相似度小于...
【专利技术属性】
技术研发人员:王聪,岳冬,林进华,陈翀,
申请(专利权)人:珠海联云科技有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。