[发明专利]一种睡眠状态分析方法及装置

说明书

本申请涉及一种睡眠状态分析方法及装置，其中方法包括：获取通过对目标物体的状态进行检测，得到的检测信号；所述目标物体与待分析用户相互接触；将所述检测信号输入预设的体征分析模型，得到与所述检测信号对应的预测体征信号；将所述预测体征信号输入至预设的睡眠状态分析模型分析得到所述待分析用户的睡眠状态。通过本申请中的方法，可以通过对目标物体进行检测，通过先将目标物体的检测信号预测为预测体征信号，然后根据预测体征信号分析得到待分析用户的睡眠状态，即可在不获取待分析用户的体征状态信息的情况下，分析得到待分析用户的睡眠状态；因此可以有效保障待分析用户的体征状态等隐私信息的安全性，可以避免数据外泄。

技术领域

本申请涉及智能家居领域，尤其涉及一种睡眠状态分析方法及装置。

背景技术

随着人工智能和物联网的快速发展，带动了智能家居的广泛应用。与此同时，越来越多的人因为生活和工作节奏加快而存在睡眠障碍的问题。因此，如何利用智能化技术提升睡眠质量成为当前广受关注的研究点。

相关技术中的一些睡眠监测设备需要用户贴身佩戴来监测睡眠状态，其带来的身体不适感可能更加影响睡眠。此外，还存在一些智能化的睡眠状态检测系统，可以通过采集用户虹膜特征或者呼吸声音分析睡眠状态，虽然智能且不会影响用户睡眠质量，却因为会收集用户的体征信息，导致存在隐私泄露的风险。

针对相关技术中存在的诸多技术问题，目前尚未提供有效的解决方案。

发明内容

为了解决通过检测用户体征信息进行睡眠状态检测，导致的隐私泄露的技术问题，本申请提供了一种睡眠状态分析方法及装置。

第一方面，本申请实施例提供了一种睡眠状态分析方法，包括：

获取通过对目标物体的状态进行检测，得到的检测信号；所述目标物体与待分析用户相互接触；

将所述检测信号输入预设的体征分析模型，得到与所述检测信号对应的预测体征信号；

将所述预测体征信号输入至预设的睡眠状态分析模型分析得到所述待分析用户的睡眠状态。

可选的，如前述的方法，通过对平均教师模型进行训练得到所述体征分析模型；所述平均教师模型包括：学生模型、教师模型及群组归一化编码模块，所述群组归一化编码模块分别与学生模型以及教师模型连接；

所述通过对平均教师模型进行训练得到所述体征分析模型，包括：

获取所述待分析用户的至少一组信号集合；所述信号集合中包括相同时间段检测得到的历史体征信号片段以及历史检测信号片段；

确定所述历史体征信号片段对应的睡眠状态；

将所述历史体征信号片段以及所述睡眠状态输入预设的学生模型中，得到分类损失；

将所述历史检测信号片段输入所述学生模型中得到第一预测结果，将所述第一预测结果输入群组归一化编码模块，通过所述群组归一化编码模块进行归一化操作后得到第一归一化特征，将所述第一归一化特征输入所述睡眠状态分析模型，得到第一睡眠状态标签；

将所述历史检测信号片段输入教师模型中得到第二预测结果，将所述第二预测结果输入群组归一化编码模块，通过所述群组归一化编码模块进行归一化操作后得到第二归一化特征，将所述第二归一化特征输入所述睡眠状态分析模型，得到第二睡眠状态标签；所述教师模型的网络结构与所述学生模型的网络结构一致；

通过将所述第一睡眠状态标签拟合第二睡眠状态标签，得到一致性损失；

根据所述分类损失与所述一致性损失之和对所述学生模型的权重进行更新，确定所述权重的滑动平均值；

通过所述权重的滑动平均值对所述教师模型进行更新，得到训练后教师模型。