一种用于压力传感阵列的人类睡姿识别方法技术

本发明专利技术提供了一种用于压力传感阵列的人类睡姿识别方法，包括：步骤S1,每隔预设时间间隔，获取用户躺于压力传感阵列上的一段实时压力数据；步骤S2，针对每段实时压力数据进行去噪、去极值和融合平均预处理得到对应的预处理后实时压力数据；步骤S3，针对每个预处理后实时压力数据，进行图片化处理得到对应的实时灰度图像；步骤S4，针对每张实时灰度图像，将实时灰度图像输入至预先训练得到的残差卷积神经网络的睡姿识别模型中，得到表征用户睡眠姿势类别的睡姿识别结果。有益效果是本发明专利技术能够准确地识别出用户卧床时的睡眠姿态，且识别速度快，能够很好的用于卧床睡姿检测。能够很好的用于卧床睡姿检测。能够很好的用于卧床睡姿检测。

【技术实现步骤摘要】
一种用于压力传感阵列的人类睡姿识别方法


[0001]本专利技术涉及信号处理与模式识别的
，具体而言，涉及一种用于压力传感阵列的人类睡姿识别方法。

技术介绍

[0002]近些年来，人工智能技术得到了飞速的发展，在这个时代背景下，健康监测也走进了人们的生活中，随着经济不断飞速发展，生活水平不断提高，人们在购买家居产品时不仅仅满足于基本的需求了，转而追求具有更加智能化的科技产品，这些产品往往具有安全性、交互性等新型特性，随着传感技术和互联网技术的不断融合，越来越多的研究人员开始利用各种传感器来对人类进行健康监测。
[0003]睡眠姿势在评估睡眠质量和预防褥疮方面起着至关重要的作用，对于睡眠姿势的研究可以在很大程度上帮助患者调整睡眠姿势来预防褥疮，近年来一直受到研究者的关注，目前，开发出来的识别方法主要可分为三类：(1)基于摄像头采集的图像和视频的视觉特征提取；(2)基于可穿戴设备记录的体征分析；(3)基于压力传感阵列的压力信息提取与识别。
[0004]但是上述基于图像和视频的识别方法由于需要基础的摄像头装置，识别结果会受到视野明暗的干扰，且存在泄露隐私的问题，而基于可穿戴设备的识别方法容易使用户在睡眠时感到不适，且体征评估对睡眠姿态的分析准确性较低，基于压力传感阵列的识别方法通常通过采集用户的呼吸、体动以及心律信号造成的压力变化来进行睡眠质量分析，仅基于压力数值上的变化分析不能做到准确地识别出用户卧床时的睡眠姿态。

技术实现思路

[0005]本专利技术要解决的问题是：提供一种用于压力传感阵列的人类睡姿识别方法，能够不受视野明暗的干扰，避免泄露隐私，保证用户睡眠时的舒适性，且能够准确地识别出用户卧床时的睡眠姿态。
[0006]为解决上述问题，本专利技术提供一种用于压力传感阵列的人类睡姿识别方法，预先于床板上铺设压力传感阵列，并于所述压力传感阵列上铺设床垫以供用户躺于所述床垫上进行睡眠，所述人类睡姿识别方法包括以下步骤：
[0007]步骤S1,每隔预设时间间隔，获取用户躺于所述压力传感阵列上的一段实时压力数据；
[0008]步骤S2，针对每段所述实时压力数据，对所述实时压力数据进行去噪、去极值和融合平均预处理得到对应的预处理后实时压力数据；
[0009]步骤S3，针对每个所述预处理后实时压力数据，对所述预处理后实时压力数据进行图片化处理得到对应的一实时灰度图像；
[0010]步骤S4，针对每张所述实时灰度图像，将所述实时灰度图像输入至预先训练得到的残差卷积神经网络的睡姿识别模型中，得到表征用户睡眠姿势类别的睡姿识别结果。
[0011]优选的，所述压力传感阵列上设有168个压力传感点，则所述步骤S1中，通过每个所述压力传感点获取用户躺于所述压力传感阵列上的传感数据，并将各所述传感数据整合为所述实时压力数据。
[0012]优选的，所述压力传感阵列上设有蓝牙通信模组，所述蓝牙通信模组的输入端分别连接各所述压力传感点，所述蓝牙通信模组的输出端连接外部的上位机，则所述步骤S1中，通过所述上位机于所述蓝牙通信模组获取各所述压力传感点输出的所述传感数据并整合为所述实时压力数据。
[0013]优选的，所述步骤S4中，所述睡姿识别结果表征的所述睡眠姿势类别包括仰卧、左侧卧、右侧卧、趴卧、左侧蜷缩和右侧蜷缩。
[0014]优选的，执行所述步骤S1之前还包括一模型训练过程，所述模型训练过程包括以下步骤：
[0015]步骤A1，分别获取不同实验人员以不同的睡眠姿势躺于所述压力传感阵列上的历史压力数据；
[0016]步骤A2，针对每个所述历史压力数据，对所述历史压力数据进行去噪、去极值和融合平均预处理得到对应的预处理后历史压力数据；
[0017]步骤A3，针对每个所述预处理后历史压力数据，对所述预处理后历史压力数据进行图片化处理得到对应的历史灰度图像；
[0018]步骤A4，以各所述历史灰度图像为输入，以标注的各所述历史灰度图像对应的所述睡眠姿势类别为输出，训练得到所述睡姿识别模型。
[0019]优选的，所述步骤A1中，针对每个实验人员的每个所述睡眠姿势，以3Hz为采样频率，于一分钟内持续采集实验人员以所述睡眠姿势躺于所述压力传感阵列上的所述历史压力数据。
[0020]优选的，所述步骤A2包括：
[0021]步骤A21，删除各所述历史压力数据中压力数值重复的所述历史压力数据，将保留下来的各所述历史压力数据作为第一预处理数据；
[0022]步骤A22，针对每个所述第一预处理数据，判断所述第一预处理数据的压力数值是否大于预设阈值：
[0023]若是，则删除所述第一预处理数据，并转向步骤A23；
[0024]若否，则保留所述第一预处理数据，并转向步骤A23；
[0025]步骤A23，将保留下来的各所述第一预处理数据作为第二预处理数据，对各所述第二预处理数据中存在压力值波动的所述第二预处理数据进行滤波处理得到对应的第三预处理数据，并将各所述第三预处理数据作为所述预处理后历史压力数据。
[0026]优选的，所述步骤A4中所使用的所述残差卷积神经网络内包含多个于输入层和输出层之间分层排布的残差块，以对所述历史灰度图像进行层层提取得到对应的所述图像特征。
[0027]本专利技术具有以下有益效果：
[0028](1)本专利技术摒弃传统的基于摄像头采集图像的分析识别方法，通过压力传感阵列进行压力数据采集并分析，任何时段均可适用，不受视野明暗的干扰且不会泄露隐私；
[0029](2)本专利技术中无法用户另外佩戴设备，且压力传感阵列上铺设有床垫，不会造成用
户的不适感，能保证用户睡眠时的舒适性；
[0030](3)本专利技术中采用去噪、去极值和融合平均预处理手段预先清除数据干扰，提升实时压力数据的有效性，并且引入预先训练得到的基于残差卷积神经网络的睡姿识别模型，来对实时灰度图像进行图像特征识别，能够准确地识别出用户卧床时的睡眠姿态。
附图说明
[0031]图1为本专利技术的步骤流程图；
[0032]图2为本专利技术的实时压力数据处理流程图；
[0033]图3为本专利技术的模型训练过程的步骤流程图；
[0034]图4为本专利技术的步骤A2的具体流程图；
[0035]图5为本专利技术的残差卷积神经网络的网络结构示意图；
[0036]图6为本专利技术的残差块的示意图；
[0037]图7为本专利技术的各睡眠姿势类别对应的灰度图像。
具体实施方式
[0038]为使本专利技术的上述目的、特征和优点能够更为明显易懂，下面结合附图对本专利技术的具体实施例做详细的说明。
[0039]本专利技术的较佳的实施例中，基于现有技术中存在的上述问题，现提供一种用于压力传感阵列的人类睡姿识别方法，预先于床板上铺设压力传感阵列，并于压力传感阵列上铺设床垫以供用户躺于床垫上进行睡眠，人类睡姿识别方法如图1、2所示，包括以下步骤：
[0040]步骤S1,每隔预设时间间隔，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于压力传感阵列的人类睡姿识别方法，其特征在于，预先于床板上铺设压力传感阵列，并于所述压力传感阵列上铺设床垫以供用户躺于所述床垫上进行睡眠，所述人类睡姿识别方法包括以下步骤：步骤S1,每隔预设时间间隔，获取用户躺于所述压力传感阵列上的一实时压力数据；步骤S2，针对每个所述实时压力数据，对所述实时压力数据进行去噪、去极值和融合平均预处理得到对应的预处理后实时压力数据；步骤S3，针对每个所述预处理后实时压力数据，对所述预处理后实时压力数据进行图片化处理得到对应的一实时灰度图像；步骤S4，针对每张所述实时灰度图像，将所述实时灰度图像输入至预先训练得到的残差卷积神经网络的睡姿识别模型中，得到表征用户睡眠姿势类别的睡姿识别结果。2.根据权利要求1所述的人类睡姿识别方法，其特征在于，所述压力传感阵列上设有168个压力传感点，则所述步骤S1中，通过每个所述压力传感点获取用户躺于所述压力传感阵列上的传感数据，并将各所述传感数据整合为所述实时压力数据。3.根据权利要求2所述的人类睡姿识别方法，其特征在于，所述压力传感阵列上设有蓝牙通信模组，所述蓝牙通信模组的输入端分别连接各所述压力传感点，所述蓝牙通信模组的输出端连接外部的上位机，则所述步骤S1中，通过所述上位机于所述蓝牙通信模组获取各所述压力传感点输出的所述传感数据并整合为所述实时压力数据。4.根据权利要求1所述的人类睡姿识别方法，其特征在于，所述步骤S4中，所述睡姿识别结果表征的所述睡眠姿势类别包括仰卧、左侧卧、右侧卧、趴卧、左侧蜷缩和右侧蜷缩。5.根据权利要求1所述的人类睡姿识别方法，其特征在于，执行所述步骤S1之前还包括一模型训练过程，所述模型训练过程包括以下步骤：步骤A1，分...

【专利技术属性】
技术研发人员：尚杰，胡振宇，方建波，李润伟，
申请(专利权)人：中国科学院宁波材料技术与工程研究所，
类型：发明
国别省市：