睡眠中运动状态检测方法、装置、设备、介质及程序产品与流程

本公开涉及移动通信，尤其涉及一种睡眠中运动状态检测方法、装置、设备、介质及程序产品。

背景技术：

1、随着科技的不断进步，可穿戴设备已经成为我们日常生活中不可或缺的一部分。这些设备不仅能够追踪我们的运动和健康数据，还开始涉足睡眠监测领域。在众多的睡眠监测产品中，它们通过分析用户的心率、呼吸频率、体动等生理指标，为用户提供了睡眠周期的详细分析，帮助人们更好地了解和改善自己的睡眠质量。然而，尽管上述可穿戴设备在睡眠监测方面取得了一定的成果，但在识别和监测睡眠中特定的运动状态方面的能力仍然有限。

技术实现思路

1、为克服相关技术中存在的问题，本公开实施例提供一种睡眠中运动状态检测方法、装置、设备、介质及程序产品，用以解决相关技术中的缺陷。

2、根据本公开实施例的第一方面，提供一种睡眠中运动状态检测方法，所述方法包括：

3、响应于检测到用户处于睡眠状态，获取所述用户的脉搏信号和加速度信号；

4、将所述脉搏信号和所述加速度信号基于预设时长的时间窗口进行分割，得到多个脉搏信号片段和多个加速度信号片段；

5、将相同时间窗口内的脉搏信号片段和加速度信号片段进行组合，得到多个信号片段组合，其中每个信号片段组合对应于一个时间窗口；

6、基于所述每个信号片段组合以及预先训练的睡眠中运动状态识别模型，得到对应时间窗口的睡眠中运动状态识别结果。

7、在一些实施例中，所述基于所述每个信号片段组合以及预先训练的睡眠中运动状态识别模型，得到对应时间窗口的睡眠中运动状态识别结果，包括：

8、对所述信号片段组合进行特征提取，得到信号特征；

9、将所述信号特征输入至预先训练的睡眠中运动状态识别模型，得到所述睡眠中运动状态识别结果。

10、在一些实施例中，所述对所述信号片段组合进行特征提取，包括：

11、提取所述信号片段组合的时间域特征和/或频域特征。

12、在一些实施例中，所述基于所述每个信号片段组合以及预先训练的睡眠中运动状态识别模型，得到对应时间窗口的睡眠中运动状态识别结果，包括：

13、获取在用户界面中输入的肢体的类型，所述肢体的类型包括手腕或脚踝；

14、基于所述信号片段组合以及预先训练的与所述肢体的类型匹配的睡眠中运动状态识别模型，得到所述睡眠中运动状态识别结果。

15、在一些实施例中，所述方法还包括：

16、对所述睡眠中运动状态识别结果进行处理，得到处理结果；

17、在用户界面中对所述处理结果进行呈现。

18、在一些实施例中，所述对所述睡眠中运动状态识别结果进行处理，得到处理结果，包括：

19、统计单位时长内检测到的周期性肢体运动的数量，所述单位时长大于所述预设时长；

20、基于所述数量的统计结果生成预设图形，所述预设图形包括柱形图、条形图、饼图、直方图中的至少一种。

21、在一些实施例中，所述对所述睡眠中运动状态识别结果进行处理，得到处理结果：

22、统计所述用户在本次睡眠中的睡眠中运动状态的总数量；

23、基于所述总数量与所述用户的本次睡眠时长确定周期性肢体运动指数plmi。

24、在一些实施例中，所述方法还包括：

25、将所述plmi与预设阈值范围进行匹配，得到匹配结果；

26、基于预先构建的对应关系，查找与所述匹配结果对应的建议；

27、响应于检测到满足预设的建议呈现条件，在用户界面中对所述建议进行呈现。

28、在一些实施例中，所述睡眠中运动状态识别模型基于以下方式进行训练：

29、获取样本用户的样本脉搏信号和样本加速度信号；

30、将所述样本脉搏信号和所述样本加速度信号基于预设时长的时间窗口进行分割，得到多个样本脉搏信号片段和多个样本加速度信号片段；

31、将相同时间窗口内的样本脉搏信号片段和样本加速度信号片段进行组合，得到多个样本信号片段组合，其中每个样本信号片段组合对应于一个时间窗口；

32、对所述样本信号片段组合进行特征提取，得到样本信号特征；

33、基于多个样本信号特征以及各自对应的睡眠中运动状态识别标签作为训练样本数据，对构建的待训练模型进行训练，得到所述睡眠中运动状态识别模型。

34、在一些实施例中，所述睡眠中运动状态识别标签基于所述样本用户的多导睡眠图psg监测结果确定。

35、在一些实施例中，所述睡眠中运动状态识别模型包括以下至少一种模型：

36、transformer模型、卷积神经网络cnn模型、循环神经网络rnn模型、长短期记忆网络lstm模型。

37、根据本公开实施例的第二方面，提供一种睡眠中运动状态检测装置，所述装置包括：

38、信号获取模块，用于响应于检测到用户处于睡眠状态，获取所述用户的脉搏信号和加速度信号；

39、信号分割模块，用于将所述脉搏信号和所述加速度信号基于预设时长的时间窗口进行分割，得到多个脉搏信号片段和多个加速度信号片段；

40、片段组合模块，用于将相同时间窗口内的脉搏信号片段和加速度信号片段进行组合，得到多个信号片段组合，其中每个信号片段组合对应于一个时间窗口；

41、结果获取模块，用于基于所述每个信号片段组合以及预先训练的睡眠中运动状态识别模型，得到对应时间窗口的睡眠中运动状态识别结果。

42、在一些实施例中，所述结果获取模块，包括：

43、特征提取单元，用于对所述信号片段组合进行特征提取，得到信号特征；

44、特征输入单元，用于将所述信号特征输入至预先训练的睡眠中运动状态识别模型，得到所述睡眠中运动状态识别结果。

45、在一些实施例中，所述特征提取单元还用于：

46、提取所述信号片段组合的时间域特征和/或频域特征。

47、在一些实施例中，所述结果获取模块，包括：

48、类型获取单元，用于获取在用户界面中输入的肢体的类型，所述肢体的类型包括手腕或脚踝；

49、结果获取单元，用于基于所述信号片段组合以及预先训练的与所述肢体的类型匹配的睡眠中运动状态识别模型，得到所述睡眠中运动状态识别结果。

50、在一些实施例中，所述装置还包括：结果呈现模块；

51、所述结果呈现模块，包括：

52、结果处理单元，用于对所述睡眠中运动状态识别结果进行处理，得到处理结果；

53、结果呈现单元，用于在用户界面中对所述处理结果进行呈现。

54、在一些实施例中，所述结果处理单元还用于：

55、统计单位时长内检测到的周期性肢体运动的数量，所述单位时长大于所述预设时长；

56、基于所述数量的统计结果生成预设图形，所述预设图形包括柱形图、条形图、饼图、直方图中的至少一种。

57、在一些实施例中，所述结果处理单元还用于：

58、统计所述用户在本次睡眠中的睡眠中运动状态的总数量；

59、基于所述总数量与所述用户的本次睡眠时长确定周期性肢体运动指数plmi。

60、在一些实施例中，所述结果处理单元还用于：

61、将所述plmi与预设阈值范围进行匹配，得到匹配结果；

62、基于预先构建的对应关系，查找与所述匹配结果对应的建议；

63、响应于检测到满足预设的建议呈现条件，在用户界面中对所述建议进行呈现。

64、在一些实施例中，所述睡眠中运动状态识别模型基于以下方式进行训练：

65、获取样本用户的样本脉搏信号和样本加速度信号；

66、将所述样本脉搏信号和所述样本加速度信号基于预设时长的时间窗口进行分割，得到多个样本脉搏信号片段和多个样本加速度信号片段；

67、将相同时间窗口内的样本脉搏信号片段和样本加速度信号片段进行组合，得到多个样本信号片段组合，其中每个样本信号片段组合对应于一个时间窗口；

68、对所述样本信号片段组合进行特征提取，得到样本信号特征；

69、基于多个样本信号特征以及各自对应的睡眠中运动状态识别标签作为训练样本数据，对构建的待训练模型进行训练，得到所述睡眠中运动状态识别模型。

70、在一些实施例中，所述睡眠中运动状态识别标签基于所述样本用户的多导睡眠图psg监测结果确定。

71、在一些实施例中，所述睡眠中运动状态识别模型包括以下至少一种模型：

72、transformer模型、卷积神经网络cnn模型、循环神经网络rnn模型、长短期记忆网络lstm模型。

73、根据本公开实施例的第三方面，提供一种睡眠中运动状态检测设备，所述设备包括：

74、脉搏信号传感器、加速度信号传感器、处理器以及用于存储计算机程序的存储器；

75、其中，所述脉搏信号传感器被配置为采集用户的脉搏信号；

76、所述加速度信号传感器被配置为采集所述用户的加速度信号；

77、所述处理器被配置为在执行所述计算机程序时实现：

78、响应于检测到所述用户处于睡眠状态，获取所述脉搏信号和所述加速度信号；

79、将所述脉搏信号和所述加速度信号基于预设时长的时间窗口进行分割，得到多个脉搏信号片段和多个加速度信号片段；

80、将相同时间窗口内的脉搏信号片段和加速度信号片段进行组合，得到多个信号片段组合，其中每个信号片段组合对应于一个时间窗口；

81、基于所述每个信号片段组合以及预先训练的睡眠中运动状态识别模型，得到对应时间窗口的睡眠中运动状态识别结果。

82、根据本公开实施例的第四方面，提供一种计算机可读存储介质，其上存储有计算机程序，所述程序被处理器执行时实现：

83、响应于检测到用户处于睡眠状态，获取所述用户的脉搏信号和加速度信号；

84、将所述脉搏信号和所述加速度信号基于预设时长的时间窗口进行分割，得到多个脉搏信号片段和多个加速度信号片段；

85、将相同时间窗口内的脉搏信号片段和加速度信号片段进行组合，得到多个信号片段组合，其中每个信号片段组合对应于一个时间窗口；

86、基于所述每个信号片段组合以及预先训练的睡眠中运动状态识别模型，得到对应时间窗口的睡眠中运动状态识别结果。

87、根据本公开实施例的第五方面，提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现：

88、响应于检测到用户处于睡眠状态，获取所述用户的脉搏信号和加速度信号；

89、将所述脉搏信号和所述加速度信号基于预设时长的时间窗口进行分割，得到多个脉搏信号片段和多个加速度信号片段；

90、将相同时间窗口内的脉搏信号片段和加速度信号片段进行组合，得到多个信号片段组合，其中每个信号片段组合对应于一个时间窗口；

91、基于所述每个信号片段组合以及预先训练的睡眠中运动状态识别模型，得到对应时间窗口的睡眠中运动状态识别结果。

92、本公开的实施例提供的技术方案可以包括以下有益效果：

93、本公开的睡眠中运动状态检测方法通过响应于检测到用户处于睡眠状态，获取所述用户的脉搏信号和加速度信号，并将所述脉搏信号和所述加速度信号基于预设时长的时间窗口进行分割，得到多个脉搏信号片段和多个加速度信号片段，然后将相同时间窗口内的脉搏信号片段和加速度信号片段进行组合，得到多个信号片段组合，进而基于每个信号片段组合以及预先训练的睡眠中运动状态识别模型，得到对应时间窗口的睡眠中运动状态识别结果，可以实现准确的检测睡眠中运动状态，可以适用于家庭等环境下的睡眠监测，适用范围广泛，且可以降低硬件成本，提升用户的体验。

94、应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。