本发明专利技术公开了一种基于深度学习的睡眠环境调节方法、系统、装置及介质，方法包括：获取用户睡眠时的第一热红外图像信息和第一呼吸声音信息；将第一热红外图像信息输入到预先训练好的人体姿态识别网络得到第一人体姿态信息，并将第一人体姿态信息和第一呼吸声音信息输入到预先训练好的呼吸状态识别网络得到第一呼吸状态信息；将第一人体姿态信息和第一呼吸状态信息输入到预先训练好的睡眠状态识别网络得到第一睡眠状态信息；根据第一睡眠状态信息对室内的环境参数进行调节。本发明专利技术无需通过可穿戴设备实时监测用户的体征参数，提高了睡眠状态识别的准确性和睡眠环境调节的准确性，提高了用户的睡眠体验，可广泛应用于智能家居技术领域。家居技术领域。家居技术领域。
【技术实现步骤摘要】
基于深度学习的睡眠环境调节方法、系统、装置及介质
[0001]本专利技术涉及智能家居
，尤其是一种基于深度学习的睡眠环境调节方法、系统、装置及介质。
技术介绍
[0002]目前，随着生活水平的不断提高，人们对生活的质量要求也越来越高，尤其系对睡眠的要求也越来越重视。睡眠是否充足而又舒适，既影响到人们的日常工作，又影响到人们的身体健康状况；睡眠质量的好坏，睡眠环境显得相当重要。
[0003]为提高睡眠质量，市面上出现了各种各样的产品，如舒适性较好的床垫、带微加热体的床垫、带振动按摩功能的床垫；也有一些以改善房间睡眼环境的，如在房间中设置灯光调控器、或在房间中安装可播放催眠音乐的播放器等。上述这些产品，在一定程度上虽然有助于提高人们的睡眠质量，但仍存在以下不足之处：
[0004](1)现有的助眠产品大多需要用户手动调节控制，一旦用户进入睡眠之后无法进行智能调节；
[0005](2)部分助眠产品可以通过获取用户体征参数来进行智能调节，但往往需要配合可穿戴设备实时监测用户的体征参数，而在睡眠过程中穿戴可穿戴设备会造成用户身体的不适，影响用户的睡眠体验。
技术实现思路
[0006]本专利技术的目的在于至少一定程度上解决现有技术中存在的技术问题之一。
[0007]为此，本专利技术实施例的一个目的在于提供一种基于深度学习的睡眠环境调节方法，该方法提高了用户睡眠状态识别的准确性，从而提高了睡眠环境调节的准确性以及用户的睡眠体验。
[0008]本专利技术实施例的另一个目的在于提供一种基于深度学习的睡眠环境调节系统。
[0009]为了达到上述技术目的，本专利技术实施例所采取的技术方案包括：
[0010]第一方面，本专利技术实施例提供了一种基于深度学习的睡眠环境调节方法，包括以下步骤：
[0011]获取用户睡眠时的第一热红外图像信息和第一呼吸声音信息；
[0012]将所述第一热红外图像信息输入到预先训练好的人体姿态识别网络得到第一人体姿态信息，并将所述第一人体姿态信息和所述第一呼吸声音信息输入到预先训练好的呼吸状态识别网络得到第一呼吸状态信息；
[0013]将所述第一人体姿态信息和所述第一呼吸状态信息输入到预先训练好的睡眠状态识别网络得到第一睡眠状态信息；
[0014]根据所述第一睡眠状态信息对室内的环境参数进行调节，所述环境参数包括温度、灯光以及音乐中的至少一种。
[0015]进一步地，在本专利技术的一个实施例中，所述获取用户睡眠时的第一热红外图像信
息和第一呼吸声音信息这一步骤，其具体包括：
[0016]通过热红外摄像仪获取用户睡眠时的第一热红外图像信息；
[0017]通过声音采集设备获取用户睡眠时的第一环境声音信息，对所述第一环境声音信息进行噪声过滤得到第一呼吸声音信息；
[0018]其中，所述热红外摄像仪和所述声音采集设备均设置在床架上。
[0019]进一步地，在本专利技术的一个实施例中，所述对所述第一环境声音信息进行噪声过滤得到第一呼吸声音信息这一步骤，其具体包括：
[0020]对所述第一环境声音信息进行音频帧划分，得到第一音频帧序列；
[0021]根据预设的单次呼吸的第一频谱分布将所述第一音频帧序列划分为多个对应单次呼吸的第一音频帧子序列；
[0022]提取所述第一音频帧子序列的音频特征，并将所述音频特征与预设的噪声特征进行匹配，当匹配度大于等于预设的第一阈值时，过滤掉对应的第一音频帧子序列，得到第一呼吸声音信息。
[0023]进一步地，在本专利技术的一个实施例中，所述基于深度学习的睡眠环境调节方法还包括预先训练人体姿态识别网络的步骤，其具体包括：
[0024]获取预设的人体姿态图像数据集，所述人体姿态图像数据集包括多个人体姿态图像以及对应的姿态标签；
[0025]对所述人体姿态图像进行热图处理得到第一训练样本，并将所述第一训练样本输入到预先构建的人体姿态识别网络，得到姿态识别结果；
[0026]根据所述姿态识别结果和所述姿态标签确定所述人体姿态识别网络的第一损失值；
[0027]根据所述第一损失值更新所述人体姿态识别网络的参数。
[0028]进一步地，在本专利技术的一个实施例中，所述基于深度学习的睡眠环境调节方法还包括预先训练呼吸状态识别网络的步骤，其具体包括：
[0029]获取测试人员睡眠时的第二人体姿态信息和第二呼吸声音信息，并通过人工标注得到呼吸状态标签；
[0030]将所述第二人体姿态信息和所述第二呼吸声音信息输入到预先构建的呼吸状态识别网络，得到呼吸状态识别结果；
[0031]根据所述呼吸状态识别结果和所述呼吸状态标签确定所述呼吸状态识别网络的第二损失值；
[0032]根据所述第二损失值更新所述呼吸状态识别网络的参数。
[0033]进一步地，在本专利技术的一个实施例中，所述基于深度学习的睡眠环境调节方法还包括联合训练呼吸状态识别网络和睡眠状态识别网络的步骤，其具体包括：
[0034]通过可穿戴设备获取所述测试人员睡眠时的体征数据，根据所述体征数据确定睡眠状态标签；
[0035]将所述第二人体姿态信息和所述呼吸状态识别结果输入到预先构建的睡眠状态识别网络，得到睡眠状态识别结果；
[0036]根据所述睡眠状态识别结果和所述睡眠状态标签确定所述睡眠状态识别网络的第三损失值；
[0037]根据所述第三损失值，通过反向传播算法更新所述睡眠状态识别网络的参数和所述呼吸状态识别网络的参数。
[0038]进一步地，在本专利技术的一个实施例中，所述根据所述第一睡眠状态信息对室内的环境参数调节这一步骤，包括以下步骤中的至少一个：
[0039]获取预设的温度控制曲线，根据所述第一睡眠状态信息和所述温度控制曲线对室内的温度进行调节；
[0040]获取预设的灯光控制曲线，根据所述第一睡眠状态信息和所述灯光控制曲线对室内的灯光进行调节；
[0041]获取预设的音乐控制曲线，根据所述第一睡眠状态信息和所述音乐控制曲线对室内的音乐进行调节。
[0042]第二方面，本专利技术实施例提供了一种基于深度学习的睡眠环境调节系统，包括：
[0043]数据获取模块，用于获取用户睡眠时的第一热红外图像信息和第一呼吸声音信息；
[0044]第一识别模块，用于将所述第一热红外图像信息输入到预先训练好的人体姿态识别网络得到第一人体姿态信息，并将所述第一人体姿态信息和所述第一呼吸声音信息输入到预先训练好的呼吸状态识别网络得到第一呼吸状态信息；
[0045]第二识别模块，用于将所述第一人体姿态信息和所述第一呼吸状态信息输入到预先训练好的睡眠状态识别网络得到第一睡眠状态信息；
[0046]环境调节模块，用于根据所述第一睡眠状态信息对室内的环境参数进行调节，所述环境参数包括温度、灯光以及音乐中的至少一种。
[0047]第三方面，本专利技术实施例提供了一种基于深度学习的睡眠环境调节装置，本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种基于深度学习的睡眠环境调节方法，其特征在于，包括以下步骤：获取用户睡眠时的第一热红外图像信息和第一呼吸声音信息；将所述第一热红外图像信息输入到预先训练好的人体姿态识别网络得到第一人体姿态信息，并将所述第一人体姿态信息和所述第一呼吸声音信息输入到预先训练好的呼吸状态识别网络得到第一呼吸状态信息；将所述第一人体姿态信息和所述第一呼吸状态信息输入到预先训练好的睡眠状态识别网络得到第一睡眠状态信息；根据所述第一睡眠状态信息对室内的环境参数进行调节，所述环境参数包括温度、灯光以及音乐中的至少一种。2.根据权利要求1所述的一种基于深度学习的睡眠环境调节方法，其特征在于，所述获取用户睡眠时的第一热红外图像信息和第一呼吸声音信息这一步骤，其具体包括：通过热红外摄像仪获取用户睡眠时的第一热红外图像信息；通过声音采集设备获取用户睡眠时的第一环境声音信息，对所述第一环境声音信息进行噪声过滤得到第一呼吸声音信息；其中，所述热红外摄像仪和所述声音采集设备均设置在床架上。3.根据权利要求2所述的一种基于深度学习的睡眠环境调节方法，其特征在于，所述对所述第一环境声音信息进行噪声过滤得到第一呼吸声音信息这一步骤，其具体包括：对所述第一环境声音信息进行音频帧划分，得到第一音频帧序列；根据预设的单次呼吸的第一频谱分布将所述第一音频帧序列划分为多个对应单次呼吸的第一音频帧子序列；提取所述第一音频帧子序列的音频特征，并将所述音频特征与预设的噪声特征进行匹配，当匹配度大于等于预设的第一阈值时，过滤掉对应的第一音频帧子序列，得到第一呼吸声音信息。4.根据权利要求1所述的一种基于深度学习的睡眠环境调节方法，其特征在于，所述基于深度学习的睡眠环境调节方法还包括预先训练人体姿态识别网络的步骤，其具体包括：获取预设的人体姿态图像数据集，所述人体姿态图像数据集包括多个人体姿态图像以及对应的姿态标签；对所述人体姿态图像进行热图处理得到第一训练样本，并将所述第一训练样本输入到预先构建的人体姿态识别网络，得到姿态识别结果；根据所述姿态识别结果和所述姿态标签确定所述人体姿态识别网络的第一损失值；根据所述第一损失值更新所述人体姿态识别网络的参数。5.根据权利要求1所述的一种基于深度学习的睡眠环境调节方法，其特征在于，所述基于深度学习的睡眠环境调节方法还包括预先训练呼吸状态识别网络的步骤，其具体包括：获取测试人员睡眠时的第二人体姿态信息和第二呼吸声音信息，并通过人工标注得到呼吸状态标签；将所述第二人体姿态信息和所述第二呼吸声音信息输入到预先构建的呼吸状态识别网络...
【专利技术属性】
技术研发人员：王炳坤，
申请(专利权)人：慕思健康睡眠股份有限公司，
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。