智能助眠方法、装置及穿戴设备制造方法及图纸

本发明专利技术公开了一种智能助眠方法、装置及穿戴设备，其包括，执行初始助眠方案；获取目标对象的体征数据，将所述体征数据输入第一循环神经网络模型并对其进行训练，以根据所述体征数据确定用户的睡眠状态；将所述睡眠状态输入第二循环神经网络模型并对其进行训练，以根据用户当前睡眠状态对所述初始助眠方案进行调整得到实时助眠方案；执行所述实时助眠方案。通过获取用户的体征数据，对用户的睡眠状态进行判断，并根据用户的睡眠状态进一步调整初始的助眠方案，以实现根据用户的实时睡眠状态对睡眠方案进行调整；在此过程中借助循环网络模型，通过对模型进行训练，不断迭代改进模型，可以更准确地对睡眠状态进行判断，以及获得更优化的睡眠方案。化的睡眠方案。化的睡眠方案。

【技术实现步骤摘要】
智能助眠方法、装置及穿戴设备


[0001]本专利技术属于智能健康管理
，尤其涉及一种智能助眠方法、装置及穿戴设备。

技术介绍

[0002]随着科技发展,智能电子设备被广泛运用于健康管理。基于此，研发出多种助眠产品，如睡眠监测仪、助眠灯等，这类型助眠产品主要是在用户睡眠前通过一定助眠方案刺激对用户进行助眠，无法进一步对睡眠方案进行调整，当用户进入到睡眠后或者迟迟未进入睡眠时，无法使助眠方案与用户睡眠的状态相匹配，从而造成不同用户使用时的辅助睡眠效果不佳。

技术实现思路

[0003]本专利技术提供了一种智能助眠方法、装置及设备，旨在解决现有的助眠方法无法使助眠方案与用户实际的睡眠状态相匹配的问题。
[0004]为解决上述技术问题，第一方面，本专利技术提供了一种智能助眠方法，包括：
[0005]执行初始助眠方案；
[0006]获取目标对象的体征数据，将所述体征数据输入第一循环神经网络模型并对其进行训练，以根据所述体征数据确定用户的睡眠状态；
[0007]将所述睡眠状态输入第二循环神经网络模型并对其进行训练，以根据用户当前睡眠状态对所述初始助眠方案进行调整得到实时助眠方案；
[0008]执行所述实时助眠方案。
[0009]第二方面，本专利技术提供了一种智能助眠装置，所述装置包括：
[0010]监测单元，用于监测并获取用户的体征数据；
[0011]存储单元，用于存储用户的体征数据、睡眠状态信息、以及助眠方案信息；
[0012]第一处理单元，用于训练第一循环神经网路模型，以根据所述体征数据确定用户的睡眠状态；
[0013]第二处理单元，用于训练第二循环神经网络模型，以根据用户当前睡眠状态对所述初始助眠方案进行调整得到实时助眠方案；
[0014]控制单元，用于控制并执行助眠方案。
[0015]第三方面，本专利技术提供了一种智能穿戴设备，所述穿戴设备包括：包括存储器、处理器、传感器装置、脉冲发生器以及振动装置，所述存储器上存储有计算机程序，所述处理器执行所述计算机程序时实现上述的方法。
[0016]本专利技术提供的一种智能助眠方法、装置及设备，首先执行初始的助眠方案，通过获取用户的体征数据，对用户的睡眠状态进行判断，并根据用户的睡眠状态进一步调整初始的助眠方案，以实现根据用户的实时睡眠状态对睡眠方案进行调整；在此过程中借助循环网络模型，通过对模型进行训练，不断迭代改进模型，可以更准确地对睡眠状态进行判断，
以及获得更优化的睡眠方案。
附图说明
[0017]为了更清楚地说明本专利技术实施例技术方案，下面将对实施例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的前提下，还可以根据这些附图获得其它的附图。
[0018]图1为本专利技术实施例提供的助眠方法的流程示意图；
[0019]图2为本专利技术实施例提供的智能助眠装置的示意性框图；
[0020]图3为本专利技术实施例提供的智能穿戴设备的示意性框图。
具体实施方式
[0021]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做出创造性劳动前提下所获得的所有其它实施例，都属于本专利技术保护的范围。
[0022]应当理解，当在本说明书和所附权利要求书中使用时，术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
[0023]请参阅图1，图1是本专利技术实施例提供的智能助眠方法流程示意图。本专利技术实施例的智能助眠方法可应用于电子设备中，例如：助眠仪器或者智能穿戴设备等。
[0024]如图1所示，该方法包括以下步骤S1
‑
S4。
[0025]S1、执行初始助眠方案；
[0026]本专利技术实施例中，用户可自行设置初始的助眠方案信息，所述初始助眠方案包括根据用户输入的助眠参数或者根据预设助眠参数同时产生振动与电流脉冲；所述实时助眠方案包括调整所述用户输入的助眠参数或者所述预设助眠参数并获得调整后助眠参数，根据所述调整后助眠参数同时产生振动与电流脉冲；其中，助眠参数包括但不限于振动幅度值、脉冲强度值以及产生间隔值。可理解地，所述初始助眠方案可以是程序预设的方案，也可以是用户输入设定的方案，助眠方案也可以是播放音乐或释放其他信号等，可以根据用户的需要进行调整。
[0027]S2、获取目标对象的体征数据，将所述体征数据输入第一循环神经网络模型并对其进行训练，以根据所述体征数据确定用户的睡眠状态；
[0028]本专利技术实施例中，通过传感器装置获取目标的体征数据，体征数据包括心率数据、体温数据以及体动数据；对获取的体征数据进行预处理，并划分训练和测试数据集，将体征数据作为输入值，定义一个LSTM模型，输入层为预处理后的体征数据，输出层为编码后的睡眠状态，LSTM层为体征数据与睡眠状态之间的关系；编译LSTM模型选择损失函数和优化器；基于所述训练集进行模型训练，并基于所述测试集进行验证和调试，得到睡眠状态模型，并通过睡眠状态模型确定睡眠状态。随着新数据的不断收集，重新训练睡眠状态模型，不断迭代改进模型。通过以上步骤可以有效地利用LSTM模型学习用户不同体征数据对应的睡眠状态，不断优化体征数据对应睡眠状态的准确性。可理解地，体征数据还以包括眼动状态、呼
Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field
‑
Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。其中，通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
[0038]本领域普通技术人员可以理解的是实现上述实施例的方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成。该计算机程序可存储于一存储介质中，该存储介质为计算机可读存储介质。该计算机程序被该计算机系统中的至少一个处理器执行，以实现上述方法的实施例的流程步骤。
[0039]可以理解，本专利技术是通过一些实施例进行描述的，本领域技术人员知悉的，在不脱离本专利技术的精神和范围的情况下，可以对这些特征和实施例进行各种改变或等效替换。另外，在本专利技术的教导下，可以对这些特征和实施例进行修改以适应具体的情况及材料而不会脱离本专利技术的精神和范围。因此，本专利技术不受此处所公开的具体实施例的限制，所有落入本申请的权利要求范围内的实施例都属于本专利技术所保护的范围内。
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种智能助眠方法，其特征在于，包括：执行初始助眠方案；获取目标对象的体征数据，将所述体征数据输入第一循环神经网络模型并对其进行训练，以根据所述体征数据确定用户的睡眠状态；将所述睡眠状态输入第二循环神经网络模型并对其进行训练，以根据用户当前睡眠状态对所述初始助眠方案进行调整得到实时助眠方案；执行所述实时助眠方案。2.根据权利要求1所述的智能助眠方法，其特征在于，所述初始助眠方案包括根据用户输入的助眠参数或者根据预设助眠参数同时产生振动与电流脉冲；所述实时助眠方案包括调整所述用户输入的助眠参数或者所述预设助眠参数并获得调整后助眠参数，根据所述调整后助眠参数同时产生振动与电流脉冲；其中，助眠参数包括振动幅度值、脉冲强度值以及产生间隔值中的至少一项。3.根据权利要求2所述的智能助眠方法，其特征在于，所述对所述初始助眠方案进行调整包括增加或者减少所述振动幅度值、所述脉冲强度值以及所述产生间隔值中的至少一项。4.根据权利要求1所述的智能助眠方法，其特征在于，所述第一循环神经网络模型与所述第二循环神经网络模型均采用LSTM循环神经网络模型。5.根据权利要求4所述的智能助眠方法，其特征在于，所述将所述体征数据输入第一循环神经网络模型并对其进行训练，以根据所述体征数据确定用户的睡眠状态，包括：将所述体征数据作为输入值，所述睡眠状态作为输出值；对所述体征数据进行预处理，并按照预设比例将所述预处理数据划分为训练集和测试集；基于所述训练集进行模型训练，并基于所述测试集进行验证和调试，得到睡眠状态模型，并通过睡...

【专利技术属性】
技术研发人员：魏志威，
申请(专利权)人：深圳市嘀嘟科技有限公司，
类型：发明
国别省市：