[0001] 本发明涉及睡眠分析技术领域，尤其涉及一种基于多传感器数据的睡眠分析方法、装置、终端及介质。

[0002] 睡眠对健康和生活质量至关重要，而现代传感技术的进步使得通过IMU（Inertial measurement unit）、PPG（Photoplethysmography）和温度传感器进行睡眠分析成为可能。

[0003] 但是目前对于睡眠分析基本都是通过单一心率、呼吸等数据来进行分析，单一数据无法真正体现用户的睡眠状态以及睡眠质量，因此，现有技术中对于睡眠分析并不准确，无法准确分析出用户真正的睡眠情况。

[0004] 因此，现有技术还有待改进和提高。

[0026] 为使本发明的目的、技术方案及效果更加清楚、明确，以下参照附图并举实施例对本发明进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。

[0027] 本实施例提供一种基于多传感器数据的睡眠分析方法，具体应用时，本实施例可首先基于预设的IMU传感器获取用户身体IMU数据、基于预设的光电传感器获取用户生理状态数据以及基于预设的温度传感器获取用户体温数据，并基于所述用户身体IMU数据、所述用户生理状态数据以及所述用户体温数据，得到用户睡眠特征。然后，将所述用户睡眠特征输入至预设的睡眠分析模型，确定与所述用户睡眠特征所对应的当前睡眠阶段。最后，实时获取所述用户身体IMU数据、所述用户生理状态数据以及所述用户体温数据中的任意一种或者多种所对应的当前波动数据，并将所述当前波动数据输入至所述当前睡眠阶段对应的事件分析模型，确定与所述当前波动数据所对应的当前异常事件。本发明结合多维度的传感器数据，能够有效地监测和分析个体的睡眠情况，为健康管理和睡眠障碍分析提供了可靠的工具和解决方案。

[0028] 本实施例的基于多传感器数据的睡眠分析方法可应用于终端中，该终端可以为电脑、智能电视、手机等智能化产品终端。在本实施例中，如图1中所示，所述基于多传感器数据的睡眠分析方法包括如下步骤：步骤S100、基于预设的IMU传感器获取用户身体IMU数据、基于预设的光电传感器获取用户生理状态数据以及基于预设的温度传感器获取用户体温数据，并基于所述用户身体IMU数据、所述用户生理状态数据以及所述用户体温数据，得到用户睡眠特征。

[0029] 本实施例可预先设置IMU（Inertial measurement unit）传感器、光电传感器以及温度传感器分别用于采集用户在睡眠期限的各种数据，比如，IMU传感器可以是加速度计、陀螺仪、磁力计，用于测量与记录床上活动、体位变化和身体运动状态等数据，从而得到用户身体IMU数据。该用户身体IMU数据可以反映出用户的身体在睡眠期间的任何运动变化以及姿态变化。光电传感器可以是PPG（Photoplethysmography，光电容积描记），可以用于监测心率变化、血氧含量、呼吸频率，得到用户在睡眠期限的生理状态数据。温度传感器可测量皮肤表面温度，反映用户睡眠过程中的体温变化。具体地，本实施例的IMU传感器、光电传感器以及温度传感器可以设置在穿戴设备上，比如智能手环等，该穿戴设备可与终端进行通信连接，将采集到的各种数据传输至终端中进行数据分析。进一步地，本实施例可基于所述用户身体IMU数据，确定用户体动次数；基于所述用户生理状态数据，确定心率变化数据；基于所述用户体温数据，确定体温变化数据。然后，将所述用户体动次数、所述心率变化数据以及所述体温变化数据作为所述用户睡眠特征。所述用户睡眠特征可用于后续步骤中对于睡眠阶段的分析。

[0030] 步骤S200、将所述用户睡眠特征输入至预设的睡眠分析模型，确定与所述用户睡眠特征所对应的当前睡眠阶段。

[0031] 本实施例预先训练一个睡眠分析模型，该睡眠分析模型可用于自动根据用户的睡眠特征来分析出用户当前所出的睡眠阶段。睡眠阶段通常依次包括入睡期、浅睡期、熟睡期、深睡期和快速眼动期。本实施例通过确定出用户睡眠特征所对应的当前睡眠阶段可以有利于评估出用户的睡眠质量。

[0032] 具体地，本实施例在训练睡眠分析模型时，首先，获取睡眠阶段样本所对应的样本特征数据，所述样本特征数据包括：体动次数样本、心率变化样本以及体温变化样本，所述睡眠阶段样本与所述样本特征数据均来自历史睡眠数据。本实施例的历史睡眠数据是通过采集同一个用户在过去3个月或者半年的睡眠数据进行整理分析，并分别确定在这3个月或者半年中该用户所经历的每一个历史睡眠阶段得到睡眠阶段样本，并获取每一个睡眠阶段样本所对应的样本特征数据，用于反映该用户在经历每一个历史睡眠阶段时的体动次数、心率变化以及体温变化。在另一种实现方式中，本实施例还可以获取不同用户在3个月或者半年的睡眠数据，从而得到数据量更为庞大的训练集，训练得到的睡眠分析模型也更为准确。此外，由于在历史睡眠数据中，并不是每一个历史睡眠阶段都会存在体动次数、心率变化以及体温变化，因此，本实施例在从历史睡眠数据中获取训练集时，单独针对每一次出现的历史睡眠阶段来获取对应出现的体动次数、心率变化以及体温变化中的任意一种或者多种，然后再在这3个月或者半年所出现的所有睡眠阶段所对应的体动次数、心率变化以及体温变化全部按照历史睡眠阶段来融合与汇总，最终得到的训练集中就是每一种历史睡眠阶段所对应的所有体动次数、心率变化以及体温变化。基于此，本实施例就可以得到样本特征数据与睡眠阶段样本的映射关系， 该映射关系反映的实质是体动次数样本、心率变化样本以及体温变化样本与睡眠阶段样本之间的对应关系。接着，本实施例基于所述睡眠阶段样本以及对应的样本特征数据对预设的第一神经网络模型进行训练，得到所述睡眠分析模型。

[0033] 当训练得到该睡眠分析模型后，本实施例还可以基于预先设置的测试集来对睡眠分析模型进行测试，以测试该睡眠分析模型是否可以自动分析用户睡眠特征，以便得到准确的睡眠阶段。优选地，本实施例的测试集同样可从历史睡眠数据中得到。当得到上述用户睡眠特征后，本实施例可将该用户睡眠特征直接输入至睡眠分析模型，经过该睡眠分析模型对用户睡眠特征的分析，就可以确定与所述用户睡眠特征所对应的当前睡眠阶段。

[0034] 步骤S300、实时获取所述用户身体IMU数据、所述用户生理状态数据以及所述用户体温数据中的任意一种或者多种所对应的当前波动数据，并将所述当前波动数据输入至所述当前睡眠阶段对应的事件分析模型，确定与所述当前波动数据所对应的当前异常事件。

[0035] 在分析出用户的当前睡眠阶段后，为了更好地对用户睡眠情况进行分析，本实施例可进一步分析用户在当前睡眠阶段是否出现了异常事件，以便能及时发现用户的睡眠问题，便于及时采取相应的措施以及输出相应的建议。

[0036] 具体地，本实施例预先训练一个事件分析模型，该事件分析模型可以自动分析当前异常事件。由于用户在睡眠期限发生异常事件均是与用户身体IMU数据、所述用户生理状态数据以及所述用户体温数据中的任意一种或者多种有关联的，即当用户身体IMU数据、所述用户生理状态数据以及所述用户体温数据中的任意一种或者多种出现波动，都会对用户的睡眠质量造成影响。并且，对于用户来说，不同的睡眠阶段所出现的异常事件类型会不相同，出现异常事件的概率也会不相同，为此，本实施例可分别针对不同的睡眠阶段分别训练不同的事件分析模型，每一个事件分析模型用于定向分析对应睡眠阶段的异常事件。

[0037] 具体地，本实施例在训练事件分析模型时，可首先基于历史睡眠数据，确定历史睡眠阶段所对应的历史异常事件。同样地，本实施例的历史睡眠数据是通过采集同一个用户在过去3个月或者半年的睡眠数据进行整理分析，并分别确定在这3个月或者半年中该用户所经历的每一个历史睡眠阶段中所出现的历史异常事件。所述历史睡眠阶段包括：入睡期、浅睡期、熟睡期、深睡期和快速眼动期，所述历史异常事件包括两种事件类型，分别为：睡眠中断事件以及睡眠状态异常。接着，基于历史睡眠数据，获取所述历史异常事件所对应的历史身体IMU数据、历史生理状态数据以及历史体温数据，并确定所述历史身体IMU数据、历史生理状态数据以及历史体温数据中的任意一种或者多种所对应的历史波动数据。为了体现每一个历史睡眠阶段所对应历史波动数据之间的差异，本实施例针对每一个历史睡眠阶段，分别对在该历史睡眠阶段下的历史异常事件与历史波动数据进行汇总，因此就可以得到每一个历史睡眠阶段下，历史波动数据与历史异常事件之间的映射关系。基于该映射关系就可以得到训练数据，接着，本实施例分别针对每一个历史睡眠阶段，将所述历史异常事件以及对应的历史波动数据输入至预设的第二神经网络模型中进行训练，得到每一个历史睡眠阶段的事件分析模型。基于此，本实施例就可以分别训练出每一个睡眠阶段所对应的事件分析模型，以便对于每一个睡眠阶段的异常事件进行分析。同样地，在另一种实现方式中，本实施例还可以获取不同用户在3个月或者半年的睡眠数据，从而得到不同用户在这3个月或者半年中该用户所经历的每一个历史睡眠阶段中所出现的历史异常事件，得到数据量更为庞大的训练数据，训练得到的睡眠分析模型也更为准确。

[0038] 基于此，本实施例可实时获取所述用户身体IMU数据、所述用户生理状态数据以及所述用户体温数据中的任意一种或者多种所对应的当前波动数据，具体实现时，本实施例可将获取用户身体IMU数据、所述用户生理状态数据以及所述用户体温数据绘制波形图，然后实时监控波形图发生的变化，并根据波形图发生的变化，确定当前波动数据，该当前波动数据可以为波形图中的峰值与谷值之间的差值。然后获取当前睡眠阶段所对应的事件分析模型，将获取到的当前波动数据输入至事件分析模型中，得到与该当前波动数据所对应的当前异常事件。

[0039] 进一步地，本实施例在确定所述当前异常事件后，分析所述当前异常事件的事件类型，该事件类型即为睡眠中断事件或者睡眠状态异常，并实时记录所述当前异常事件的持续时长以及异常程度，所述异常程度反映所述当前波动数据对应的波动幅度。然后，基于所述事件类型、所述持续时长以及所述异常程度，确定睡眠质量，并输出睡眠报告。在确定睡眠质量时，本实施例首先获取所述事件类型所对应的权重系数。然后，分别获取所述持续时长与所述异常程度所对应分值信息。若当前异常事件的持续时长越长，则对应的分值信息越大，若当前异常事件的异常程度越大，则对应的分值信息越大。在实际应用中，本实施例基于预设的分值参照表来确定所述持续时长与所述异常程度所对应的分值信息，接着，基于所述权重系数与所述分值信息，确定睡眠评分，基于所述睡眠评分确定所述睡眠质量。本实施例可将权重系数与所述持续时长与所述异常程度所对应分值信息进行相乘，从而得到睡眠评分。当睡眠评分越高，睡眠质量也越高，而当睡眠评分越低，则睡眠质量也就越低。

[0040] 此外，本实施例还可以获取用户信息，基于所述用户信息确定标准睡眠数据，其中，所述标准睡眠数据为与用户年龄或者用户身份所对应的理想睡眠数据。接着，基于所述标准睡眠数据与所述睡眠报告，确定在该睡眠报告中不符合标准睡眠数据的内容，然后针对这些内容定向输出睡眠建议信息，从而帮助用户更好地帮助用户提升睡眠质量。

[0041] 综上，本实施例首先基于预设的IMU传感器获取用户身体IMU数据、基于预设的光电传感器获取用户生理状态数据以及基于预设的温度传感器获取用户体温数据，并基于所述用户身体IMU数据、所述用户生理状态数据以及所述用户体温数据，得到用户睡眠特征。然后，将所述用户睡眠特征输入至预设的睡眠分析模型，确定与所述用户睡眠特征所对应的当前睡眠阶段。最后，实时获取所述用户身体IMU数据、所述用户生理状态数据以及所述用户体温数据中的任意一种或者多种所对应的当前波动数据，并将所述当前波动数据输入至所述当前睡眠阶段对应的事件分析模型，确定与所述当前波动数据所对应的当前异常事件。本实施例结合多维度的传感器数据，能够有效地监测和分析个体的睡眠情况，为健康管理和睡眠障碍分析提供了可靠的工具和解决方案。

[0042] 基于上述实施例，本发明还提供一种基于多传感器数据的睡眠分析装置，如图2中所示，所述装置包括：睡眠特征确定模块10、睡眠阶段确定模块20以及异常事件确定模块30。具体地，所述睡眠特征确定模块10，用于基于预设的IMU传感器获取用户身体IMU数据、基于预设的光电传感器获取用户生理状态数据以及基于预设的温度传感器获取用户体温数据，并基于所述用户身体IMU数据、所述用户生理状态数据以及所述用户体温数据，得到用户睡眠特征。所述睡眠阶段确定模块20，用于将所述用户睡眠特征输入至预设的睡眠分析模型，确定与所述用户睡眠特征所对应的当前睡眠阶段。所述异常事件确定模块30，用于实时获取所述用户身体IMU数据、所述用户生理状态数据以及所述用户体温数据中的任意一种或者多种所对应的当前波动数据，并将所述当前波动数据输入至所述当前睡眠阶段对应的事件分析模型，确定与所述当前波动数据所对应的当前异常事件。

[0043] 在一种实现方式中，所述睡眠特征确定模块10，包括：体动次数确定单元，用于基于所述用户身体IMU数据，确定用户体动次数；
心率变化确定单元，用于基于所述用户生理状态数据，确定心率变化数据；
体温变化确定单元，用于基于所述用户体温数据，确定体温变化数据；
睡眠特征确定单元，用于将所述用户体动次数、所述心率变化数据以及所述体温变化数据作为所述用户睡眠特征。

[0044] 在一种实现方式中，所述装置还包括模型训练模块，所述模型训练模块包括睡眠分析模型训练单元，所述睡眠分析模型训练单元包括：样本特征确定子单元，用于获取睡眠阶段样本所对应的样本特征数据，所述样本特征数据包括：体动次数样本、心率变化样本以及体温变化样本，所述睡眠阶段样本与所述样本特征数据均来自历史睡眠数据；
第一神经网络训练子单元，用于基于所述睡眠阶段样本以及对应的样本特征数据对预设的第一神经网络模型进行训练，得到所述睡眠分析模型。

[0045] 在一种实现方式中，所述模型训练模块包括还包括事件分析模型训练单元，所述事件分析模型训练单元包括：历史异常事件确定子单元，用于基于历史睡眠数据，确定历史睡眠阶段所对应的历史异常事件，其中，所述历史睡眠阶段包括：入睡期、浅睡期、熟睡期、深睡期和快速眼动期，所述历史异常事件包括：睡眠中断事件以及睡眠状态异常；
历史波动数据确定子单元，用于基于历史睡眠数据，获取所述历史异常事件所对应的历史身体IMU数据、历史生理状态数据以及历史体温数据，并确定所述历史身体IMU数据、历史生理状态数据以及历史体温数据中的任意一种或者多种所对应的历史波动数据；
第二神经网络训练子单元，用于分别针对每一个历史睡眠阶段，将所述历史异常事件以及对应的历史波动数据输入至预设的第二神经网络模型中进行训练，得到每一个历史睡眠阶段的事件分析模型。

[0046] 在一种实现方式中，所述装置还包括：异常事件分析单元，用于在确定所述当前异常事件后，分析所述当前异常事件的事件类型，并实时记录所述当前异常事件的持续时长以及异常程度，所述异常程度反映所述当前波动数据对应的波动幅度；
睡眠报告生成单元，用于基于所述事件类型、所述持续时长以及所述异常程度，确定睡眠质量，并输出睡眠报告。

[0047] 在一种实现方式中，所述睡眠报告生成单元，包括：权重系数获取子单元，用于获取所述事件类型所对应的权重系数；
分值信息获取子单元，用于分别获取所述持续时长与所述异常程度所对应的分值信息；
睡眠质量确定子单元，用于基于所述权重系数与所述分值信息，确定睡眠评分，基于所述睡眠评分确定所述睡眠质量。

[0048] 在一种实现方式中，所述装置，包括：标准睡眠数据确定单元，用于获取用户信息，基于所述用户信息确定标准睡眠数据，其中，所述标准睡眠数据为与用户年龄或者用户身份所对应的理想睡眠数据；
睡眠建议信息输出单元，用于基于所述标准睡眠数据与所述睡眠报告，输出睡眠建议信息。

[0049] 本实施例的基于多传感器数据的睡眠分析装置中各个模块的工作原理与上述方法实施例中各个步骤的原理相同，此处不再赘述。

[0050] 基于上述实施例，本发明还提供了一种终端，所述终端的原理框图可以如图3所示。终端可以包括一个或多个处理器100（图3中仅示出一个），存储器101以及存储在存储器101中并可在一个或多个处理器100上运行的计算机程序102，例如，基于多传感器数据的睡眠分析程序。一个或多个处理器100执行计算机程序102时可以实现基于多传感器数据的睡眠分析方法实施例中的各个步骤。或者，一个或多个处理器100执行计算机程序102时可以实现基于多传感器数据的睡眠分析装置实施例中各模块/单元的功能，此处不作限制。

[0051] 在一个实施例中，所称处理器100可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器 (Digital Signal 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。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。

[0052] 在一个实施例中，存储器101可以是电子设备的内部存储单元，例如电子设备的硬盘或内存。存储器101也可以是电子设备的外部存储设备，例如电子设备上配备的插接式硬盘，智能存储卡（smart media card，SMC），安全数字（secure digital，SD）卡，闪存卡（flash card）等。进一步地，存储器101还可以既包括电子设备的内部存储单元也包括外部存储设备。存储器101用于存储计算机程序以及终端所需的其他程序和数据。存储器101还可以用于暂时地存储已经输出或者将要输出的数据。

[0053] 本领域技术人员可以理解，图3中示出的原理框图，仅仅是与本发明方案相关的部分结构的框图，并不构成对本发明方案所应用于其上的终端的限定，具体的终端以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。

[0054] 本领域普通技术人员可以理解实现上述实施例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的，计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本发明所提供的各实施例中所使用的对存储器、存储、运营数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器（ROM）、可编程ROM（PROM）、电可编程ROM（EPROM）、电可擦除可编程ROM（EEPROM）或闪存。易失性存储器可包括随机存取存储器（RAM）或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM（SRAM）、动态RAM（DRAM）、同步DRAM（SDRAM）、双运营数据率SDRAM（DDRSDRAM）、增强型SDRAM（ESDRAM）、同步链路（Synchlink） DRAM（SLDRAM）、存储器总线（Rambus）直接RAM（RDRAM）、直接存储器总线动态RAM（DRDRAM）、以及存储器总线动态RAM（RDRAM）等。

[0055] 最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。