【技术实现步骤摘要】
本申请涉及智能控制，尤其涉及一种基于多气囊调节的智能床垫控制方法及设备。
技术介绍
1、随着经济的发展以及人们的生活水平的提高，人们对于自己在日常生活中的健康状态也越来越关注。睡眠睡姿检测和调整是健康监测领域中很重要的一个场景，其中，对于在睡姿调整方法更是睡眠健康的重要一环。
2、现有的智能床垫的软硬程度以及调节方式多为睡前的手动调节，且难以实现智能调节，同时，目前根据睡姿进行智能调节的床垫，一般采用压力数据的判断方法，只能根据每个气囊的压力大小，进行充气或者放气，从而实现对每个气囊的控制，但是这种方式难以根据人体实际睡姿情况，适应性的调整气囊的压力大小，而且对于一些压力突变等异常情况，容易产生判定误差，使得智能床垫的控制响应不准确，容易给用户带来不良的体验。并且，现有床垫的气囊数量较少，只在个别区域放置了若干气囊，难以针对多种睡眠姿势实现多种对应控制，不能很好的符合人体睡眠状态，影响人体睡眠时的舒适体感。
技术实现思路
1、本申请实施例提供了一种基于多气囊调节的智能床垫控制方法及设备，用于解决如下技术问题：现有智能床垫中的气囊数量较少，且识别出的人体睡姿不够准确，难以对多个气囊的充放气进行精准控制，影响了用户体验。
2、本申请实施例采用下述技术方案：
3、一方面，本申请实施例提供了一种基于多气囊调节的智能床垫控制方法，包括：根据目标人体所配带的智能手环，对所述智能手环的实时监测特征参数进行多维度下的特征梯度拟合，生成基于所述智能手环的无线定位睡
4、本申请实施例通过对用户佩戴的智能手环以及床垫的传感压力，能够实现对用户睡眠姿势的精准识别，减少了对睡眠姿势的识别误差率，同时利用无线定位与压力定位的方式，能够进一步提升对用户睡眠姿态的准确率，增强了气囊的响应速度，提高了用户的舒适体验。并且针对识别出的真实睡眠姿态，还能将对应区域内的气囊进行分权控制，通过对每个气囊的充放气不同，从而生成充放气控制数据，有利于对用户实现最佳的睡眠健康控制，提升了用户的睡眠健康状态。
5、在一种可行的实施方式中，在根据目标人体所配带的智能手环，对所述智能手环的实时监测特征参数进行多维度下的特征梯度拟合，生成基于所述智能手环的无线定位睡眠姿态之前，所述方法还包括：通过所述床垫中预设的球形天线设备，将所述床垫所处的三维空间确定为目标区域；根据监督学集成模型，对于所述目标区域中的待测点进行训练序列的分类样本训练，得到在线阶段下的待测点位置信息；基于所述待测点位置信息，将所述智能手环的定位强度信号进行多点检测，得到每个待测点的定位信号强度信息；将所述待测点位置信息与所述定位信号强度信息所对应的系数矩阵进行低维度转化，得到基于所述目标区域的词向量矩阵；基于所述词向量矩阵中的待测点位置信息与定位信号强度信息之间的匹配相关性，确定出所述智能手环在所述目标区域中的空间位置参数；基于预设的时间间隔，对所述空间位置参数中的位移距离进行实时采集，并计算出所述智能手环的运动速度参数；基于所述运动速度参数，确定出所述智能手环的运动加速度参数；当所述智能手环位于所述目标区域时，基于所述智能手环所识别到的碰撞压力值，确定出所述手环压力参数；将所述智能手环所采集到的所述实时监测特征参数实时发送到所述床垫的智能控制中心中。
6、本申请实施例通过智能手环所发出的定位强度信号，以床垫为参考位置中心，通过对室内的定位强度信号进行监督学习后，能够根据信号信号之间的匹配相关性，从而确定出该智能手环在床垫上方区域空间中的空间位置参数，然后再基于实时采集的运动速度与运动加速度，结合手环自身的压力大小，能够实现对用户睡眠行为的实时监测，获取多维的实时监测特征参数。
7、在一种可行的实施方式中，根据目标人体所配带的智能手环，对所述智能手环的实时监测特征参数进行多维度下的特征梯度拟合，生成基于所述智能手环的无线定位睡眠姿态，具体包括：将历史监测特征参数确定为回归树模型的训练样本集；其中，所述回归树模型为梯度提升决策树；通过预设的初始化学习器，将所述训练样本集中的每个样本进行有关损失函数的负梯度计算，得到所述每个样本的残差估计；基于所述每个样本的残差估计，拟合出新回归树；其中，所述新回归树包括：子叶节点以及子叶节点区域；所述子叶节点区域与每个样本的残差估计相关联；对所述子叶节点区域进行线性搜索，并估计出最佳拟合值；并根据所述最佳拟合值，对初始化学习器中的所述残差估计进行迭代拟合，得到拟合回归树；通过所述拟合回归树中的最小拟合误差，对所述初始化学习器进行特征梯度提升，并将特征梯度提升后的学习器更新为最终学习器；将所述实时监测特征参数的采样实际值输入到所述最终学习器中，并对所述空间位置参数、所述运动加速度参数、所述运动速度参数以及所述手环压力参数之间进行有关所述智能手环监测状态的得分累加，得到监测状态分数；基于所述监测状态分数，确定出所述智能手环的无线定位睡眠姿态；其中，所述无线定位睡眠姿态包括：正向睡姿、反向睡姿、左侧睡姿、右侧睡姿、左倾斜睡姿以及右倾斜睡姿。
8、本申请实施例利用智能手环能够将实时监测特征参数进行特惠总能梯度的拟合处理，并基于预训练的最终学习器，能够更加准确识别出不同监测状态分数下所对应的无线定位睡眠姿态，从而实现对用户睡眠姿态的初步判定。
9、在一种可行的实施方式中，获取所述目标人体的压力分布数据，并对所述压力分布数据进行有关矩阵形式下的图像转换，生成初始姿态图像，具体包括：通过柔性压力传感器，对所述目标人体对应的压力区域进行电容检测，确定出所述压力分布数据；基于所述床垫的平面坐标，对所述压力分布数据进行小区域的面积均分处理，识别并得到若干压力关键点区域；其中，所述压力关键点区域为存在压力分布数据的面积区域；将所述压力关键点区域中的若干压力分布数据进行矩阵转换，得到若干压力矩阵；其中，每个所述压力矩阵对应一个平面坐标信息；通过深度残差网络，对同一压力关键点区域中的所述压力矩阵进行极值处理，得到基于所述压力关键点区域的置信度矩阵；并根据每个所述压力关键点区域中置信度矩阵的本文档来自技高网...
【技术保护点】
1.一种基于多气囊调节的智能床垫控制方法，其特征在于，所述方法包括：
2.根据权利要求1所述的一种基于多气囊调节的智能床垫控制方法，其特征在于，在根据目标人体所配带的智能手环，对所述智能手环的实时监测特征参数进行多维度下的特征梯度拟合，生成基于所述智能手环的无线定位睡眠姿态之前，所述方法还包括：
3.根据权利要求1所述的一种基于多气囊调节的智能床垫控制方法，其特征在于，根据目标人体所配带的智能手环，对所述智能手环的实时监测特征参数进行多维度下的特征梯度拟合，生成基于所述智能手环的无线定位睡眠姿态，具体包括：
4.根据权利要求1所述的一种基于多气囊调节的智能床垫控制方法，其特征在于，获取所述目标人体的压力分布数据，并对所述压力分布数据进行有关矩阵形式下的图像转换，生成初始姿态图像，具体包括：
5.根据权利要求4所述的一种基于多气囊调节的智能床垫控制方法，其特征在于，通过预设的目标检测模型，对所述初始姿态图像进行基于关键颜色特征下的曲线关联处理，确定出压力定位睡眠姿态，具体包括：
6.根据权利要求1所述的一种基于多气囊调节的
7.根据权利要求1所述的一种基于多气囊调节的智能床垫控制方法，其特征在于，根据所述真实睡眠姿态，并基于预设于床垫中的多个气囊，对所述床垫进行人体关键区域划分，得到多个气囊控制区域，具体包括：
8.根据权利要求7所述的一种基于多气囊调节的智能床垫控制方法，其特征在于，对多个所述气囊控制区域中的多气囊进行有关充放气的分权控制，得到每一所述气囊控制区域中每个气囊的充放气控制数据，具体包括：
9.根据权利要求1所述的一种基于多气囊调节的智能床垫控制方法，其特征在于，基于预设的时间间隔，对处于同一真实睡眠姿态下的充放气控制数据进行更新处理，得到充放气调节数据，具体包括：
10.一种基于多气囊调节的智能床垫控制设备，其特征在于，所述设备包括：
...【技术特征摘要】
1.一种基于多气囊调节的智能床垫控制方法，其特征在于，所述方法包括：
2.根据权利要求1所述的一种基于多气囊调节的智能床垫控制方法，其特征在于，在根据目标人体所配带的智能手环，对所述智能手环的实时监测特征参数进行多维度下的特征梯度拟合，生成基于所述智能手环的无线定位睡眠姿态之前，所述方法还包括：
3.根据权利要求1所述的一种基于多气囊调节的智能床垫控制方法，其特征在于，根据目标人体所配带的智能手环，对所述智能手环的实时监测特征参数进行多维度下的特征梯度拟合，生成基于所述智能手环的无线定位睡眠姿态，具体包括：
4.根据权利要求1所述的一种基于多气囊调节的智能床垫控制方法，其特征在于，获取所述目标人体的压力分布数据，并对所述压力分布数据进行有关矩阵形式下的图像转换，生成初始姿态图像，具体包括：
5.根据权利要求4所述的一种基于多气囊调节的智能床垫控制方法，其特征在于，通过预设的目标检测模型，对所述初始姿态图像进行基于关键颜色特征下的曲线关联处理，确定出压力定位睡眠姿...
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。