[发明专利]睡眠状态检测方法、装置、设备及计算机可读介质

说明书

本申请涉及一种睡眠状态检测方法、装置、设备及计算机可读介质。该方法包括：获取目标对象的体动数据，体动数据为从第一时刻至第二时刻对处于睡眠状态的目标对象采集得到的；根据体动数据确定目标对象从第一时刻至第二时刻内机体活动的变化关系，并根据变化关系确定目标对象在第二时刻的目标睡眠状态。本申请通过前一时刻与当前时刻数据建立的联系，来对用户的睡眠状态进行更加准确的检测，解决了睡眠状态检测结果不准确的问题。

技术领域

本申请涉及神经网络技术领域，尤其涉及一种睡眠状态检测方法、装置、设备及计算机可读介质。

背景技术

随着深度学习技术的发展，神经网络逐渐走进了千家万户，尤其是将神经网络模型应用于分析用户睡眠中，神经网络可以通过大量数据的训练后对用户的睡眠状态进行检测，可以利用用户的睡眠状态检测结果对用户的睡眠质量进行较为客观的评估，从而取代以往需要人为进行主观评估的方式。

目前，相关技术中，通常利用用户睡眠状态下的虹膜数据、眼动数据、眼部轮廓数据等对神经网络模型进行训练，从而通过检测虹膜特征，根据人眼位置确定人眼区域及轮廓对用户睡眠状态进行检测；还有通过脑电波信号对睡眠状态进行检测。本申请发明人在研究过程中发现，以上方式得到的检测模型，对同一个用户在连续时段睡眠状态的检测结果存在偏差较大的情况，检测结果不够准确。

针对睡眠状态检测结果不够准确的问题，目前尚未提出有效的解决方案。

发明内容

本申请提供了一种睡眠状态检测方法、装置、设备及计算机可读介质，以解决睡眠状态的检测不准确的技术问题。

根据本申请实施例的一个方面，本申请提供了一种睡眠状态检测方法，包括：

获取目标对象的体动数据，体动数据为从第一时刻至第二时刻对处于睡眠状态的目标对象采集得到的；

根据体动数据确定目标对象从第一时刻至第二时刻内机体活动的变化关系，并根据变化关系确定目标对象在第二时刻的目标睡眠状态。

可选地，根据体动数据确定目标对象从第一时刻至第二时刻内机体活动的变化关系，并根据变化关系确定目标对象在第二时刻的目标睡眠状态包括：

提取体动数据的体动特征，体动特征包括目标对象从第一时刻至第二时刻的心率变化量、呼吸变化量及眼动变化量中的至少一种，体动数据包括心率数据、呼吸数据及眼动数据中的至少一种；

将体动特征输入训练好的睡眠状态检测模型中，并获取睡眠状态检测模型输出的预测睡眠状态，睡眠状态检测模型用于建立目标对象从第一时刻至第二时刻的机体活动的变化关系，并根据变化关系识别目标对象在第二时刻的睡眠状态；

在预测睡眠状态满足目标条件的情况下，将预测睡眠状态确定为目标睡眠状态。

可选地，将体动特征输入训练好的睡眠状态检测模型中，并获取睡眠状态检测模型输出的预测睡眠状态包括以下方式中的至少一种：

将体动特征输入滑动平均模型，并获取滑动平均模型输出的第一预测睡眠状态，睡眠状态检测模型包括滑动平均模型，滑动平均模型用于利用体动特征计算变化曲线，并根据变化曲线在第二时刻的目标数值确定目标数值对应的第一预测睡眠状态，变化曲线用于表示目标对象的机体活动变化情况，变化关系包括变化曲线表示的关系；

将体动特征转换为特征向量后输入门控循环单元模型，并获取门控循环单元模型输出的第二预测睡眠状态，睡眠状态检测模型包括门控循环单元模型，门控循环单元模型用于利用特征向量确定更新门将第一时刻的信息带入到第二时刻中的带入量，及重置门将第一时刻的信息写入到第二时刻的候选数据集的写入量，并利用更新门和重置门的计算结果输出第二预测睡眠状态，变化关系包括带入量和写入量表示的关系。

可选地，在预测睡眠状态满足目标条件的情况下，将预测睡眠状态确定为目标睡眠状态包括：