本申请公开了一种打鼾行为的检测方法、装置、设备及介质，通过骨传导传感器采集用户睡眠过程中的初始震动信号，通过收音装置采集所述用户睡眠过程中的初始音频信号；检测所述初始震动信号和所述初始音频信号在时域上重叠的目标时间段；裁剪所述目标时间段的初始震动信号得到目标震动信号，以及裁剪所述目标时间段的初始音频信号得到目标音频信号；将所述目标震动信号和所述目标音频信号输入到训练好的打鼾检测模型中，通过所述打鼾检测模型对所述用户是否存在打鼾行为进行检测，得到所述打鼾检测模型输出的检测结果。该方法可提高对用户打鼾行为检测的准确度，进而有利于帮助用户改善睡眠效果。本申请可广泛应用于人工智能技术领域内。术领域内。术领域内。
【技术实现步骤摘要】
一种打鼾行为的检测方法、装置、设备及介质
[0001]本申请涉及人工智能
，尤其是一种打鼾行为的检测方法、装置、设备及介质。
技术介绍
[0002]近年来，随着人们生活水平的提高，更多的人越来越重视健康。而人在睡觉过程中，可以恢复身体状态，放松全身细胞，增强身体的抵抗力，从而促进身体健康，可见睡眠质量与人体的健康状态息息相关。因此，改善人们的睡眠情况是改善健康状况的一个重要方式。打鼾是人睡眠过程中一种常见的行为，具体是指睡眠中因上呼吸道狭窄使悬雍垂(腭垂)发生振动而发出鼾声。打鼾可导致白天嗜睡、乏力、注意力不集中、头痛、工作能力下降等，严重的甚至引发阻塞性呼吸暂停，影响身体健康。
[0003]相关应用中，存在有采集用户睡眠过程中的音频信号，对用户是否存在打鼾行为进行识别的应用。但是，由于人在睡眠过程中，周围环境的音频信号是十分复杂的，而且很多情况下存在有多人同时打鼾的情况，来自同伴的干扰会导致鼾声识别算法误判，从而导致对用户打鼾行为的检测准确度偏低，无法真正有效帮助用户改善睡眠效果。
[0004]综合上述，相关技术中存在的技术问题亟需得到解决。
技术实现思路
[0005]本申请的目的在于至少一定程度上解决相关技术中存在的技术问题之一。
[0006]为此，本申请实施例的一个目的在于提供一种打鼾行为的检测方法。
[0007]本申请实施例的另一个目的在于提供一种打鼾行为的检测装置。
[0008]为了达到上述技术目的，本申请实施例所采取的技术方案包括：
[0009]第一方面，本申请实施例提供了一种打鼾行为的检测方法，包括以下步骤：
[0010]通过骨传导传感器采集用户睡眠过程中的初始震动信号，通过收音装置采集所述用户睡眠过程中的初始音频信号；
[0011]检测所述初始震动信号和所述初始音频信号在时域上重叠的目标时间段；
[0012]裁剪所述目标时间段的初始震动信号得到目标震动信号，以及裁剪所述目标时间段的初始音频信号得到目标音频信号；
[0013]将所述目标震动信号和所述目标音频信号输入到训练好的打鼾检测模型中，通过所述打鼾检测模型对所述用户是否存在打鼾行为进行检测，得到所述打鼾检测模型输出的检测结果。
[0014]另外，根据本申请上述实施例的一种打鼾行为的检测方法，还可以具有以下附加的技术特征：
[0015]进一步地，在本申请的一个实施例中，所述检测所述初始震动信号和所述初始音频信号在时域上重叠的目标时间段，包括：
[0016]检测所述初始震动信号的信号强度大于第一预设阈值的第一时间区域；
[0017]检测所述初始音频信号的信号强度大于第二预设阈值的第二时间区域；
[0018]对所述第一时间区域和所述第二时间区域求取交集，得到所述目标时间段。
[0019]进一步地，在本申请的一个实施例中，所述方法还包括：
[0020]对所述初始震动信号或者所述初始音频信号进行低通滤波处理。
[0021]进一步地，在本申请的一个实施例中，所述打鼾检测模型包括第一编码器、第二编码器、特征融合器和解码器；所述将所述目标震动信号和所述目标音频信号输入到训练好的打鼾检测模型中，通过所述打鼾检测模型对所述用户是否存在打鼾行为进行检测，得到所述打鼾检测模型输出的检测结果，包括：
[0022]将所述目标震动信号输入到所述打鼾检测模型中，通过所述第一编码器对所述目标震动信号进行特征提取得到第一特征数据，通过所述第二编码器对所述目标音频信号进行特征提取得到第二特征数据；
[0023]通过所述特征融合器对所述第一特征数据和所述第二特征数据进行融合处理，得到融合特征数据；
[0024]通过所述解码器对所述融合特征数据进行解码，得到所述检测结果。
[0025]进一步地，在本申请的一个实施例中，所述通过所述第一编码器对所述目标震动信号进行特征提取得到第一特征数据，包括：
[0026]确定所述目标震动信号的频谱特征数据；所述频谱特征数据包括振幅或者功率比中的至少一者；
[0027]将所述频谱特征数据输入到所述第一编码器中进行编码，得到所述第一特征数据。
[0028]进一步地，在本申请的一个实施例中，所述通过所述特征融合器对所述第一特征数据和所述第二特征数据进行融合处理，得到融合特征数据，包括：
[0029]通过所述特征融合器，对所述第一特征数据和所述第二特征数据进行加权处理或者拼接处理，得到所述融合特征数据。
[0030]进一步地，在本申请的一个实施例中，所述确定所述目标震动信号的频谱特征数据，包括：
[0031]对所述目标振动信号进行快速傅里叶变换，得到所述目标震动信号的频谱数据；
[0032]根据所述频谱数据，确定所述目标震动信号的频谱特征数据。
[0033]第二方面，本申请实施例提供了一种打鼾行为的检测装置，包括：
[0034]采集单元，用于通过骨传导传感器采集用户睡眠过程中的初始震动信号，通过收音装置采集所述用户睡眠过程中的初始音频信号；
[0035]检测单元，用于检测所述初始震动信号和所述初始音频信号在时域上重叠的目标时间段；
[0036]裁剪单元，用于裁剪所述目标时间段的初始震动信号得到目标震动信号，以及裁剪所述目标时间段的初始音频信号得到目标音频信号；
[0037]处理单元，用于将所述目标震动信号和所述目标音频信号输入到训练好的打鼾检测模型中，通过所述打鼾检测模型对所述用户是否存在打鼾行为进行检测，得到所述打鼾检测模型输出的检测结果。
[0038]第三方面，本申请实施例提供了一种计算机设备，包括：
[0039]至少一个处理器；
[0040]至少一个存储器，用于存储至少一个程序；
[0041]当所述至少一个程序被所述至少一个处理器执行时，使得所述至少一个处理器实现第一方面所述的一种打鼾行为的检测方法。
[0042]第四方面，本申请实施例还提供了一种计算机可读存储介质，其中存储有处理器可执行的程序，所述处理器可执行的程序在由处理器执行时用于实现第一方面所述的一种打鼾行为的检测方法。
[0043]本申请的优点和有益效果将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本申请的实践了解到：
[0044]本申请实施例中提供一种打鼾行为的检测方法，该方法通过骨传导传感器采集用户睡眠过程中的初始震动信号，通过收音装置采集所述用户睡眠过程中的初始音频信号；检测所述初始震动信号和所述初始音频信号在时域上重叠的目标时间段；裁剪所述目标时间段的初始震动信号得到目标震动信号，以及裁剪所述目标时间段的初始音频信号得到目标音频信号；将所述目标震动信号和所述目标音频信号输入到训练好的打鼾检测模型中，通过所述打鼾检测模型对所述用户是否存在打鼾行为进行检测，得到所述打鼾检测模型输出的检测结果。该方法基于用户睡眠过程中产生的骨传导震动信号和音频信号，通过机器学习算法本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种打鼾行为的检测方法，其特征在于，包括：通过骨传导传感器采集用户睡眠过程中的初始震动信号，通过收音装置采集所述用户睡眠过程中的初始音频信号；检测所述初始震动信号和所述初始音频信号在时域上重叠的目标时间段；裁剪所述目标时间段的初始震动信号得到目标震动信号，以及裁剪所述目标时间段的初始音频信号得到目标音频信号；将所述目标震动信号和所述目标音频信号输入到训练好的打鼾检测模型中，通过所述打鼾检测模型对所述用户是否存在打鼾行为进行检测，得到所述打鼾检测模型输出的检测结果。2.根据权利要求1所述的一种打鼾行为的检测方法，其特征在于，所述检测所述初始震动信号和所述初始音频信号在时域上重叠的目标时间段，包括：检测所述初始震动信号的信号强度大于第一预设阈值的第一时间区域；检测所述初始音频信号的信号强度大于第二预设阈值的第二时间区域；对所述第一时间区域和所述第二时间区域求取交集，得到所述目标时间段。3.根据权利要求1或者2所述的一种打鼾行为的检测方法，其特征在于，所述方法还包括：对所述初始震动信号或者所述初始音频信号进行低通滤波处理。4.根据权利要求1所述的一种打鼾行为的检测方法，其特征在于，所述打鼾检测模型包括第一编码器、第二编码器、特征融合器和解码器；所述将所述目标震动信号和所述目标音频信号输入到训练好的打鼾检测模型中，通过所述打鼾检测模型对所述用户是否存在打鼾行为进行检测，得到所述打鼾检测模型输出的检测结果，包括：将所述目标震动信号输入到所述打鼾检测模型中，通过所述第一编码器对所述目标震动信号进行特征提取得到第一特征数据，通过所述第二编码器对所述目标音频信号进行特征提取得到第二特征数据；通过所述特征融合器对所述第一特征数据和所述第二特征数据进行融合处理，得到融合特征数据；通过所述解码器对所述融合特征数据进行解码，得到所述检测结果。5.根据权利要求4所述的一种打鼾行为的检测方法，其特征在于，所述通过所述第一编码器对所述目标震动信号进行特征提取得到...
【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。