睡眠监测方法、装置、智能眼罩及存储介质与流程

1.本技术涉及智能穿戴设备领域，尤其涉及一种睡眠监测方法、睡眠监测装置、智能眼罩以及计算机可读存储介质。


背景技术：

2.随着科技的进步和人们生活水平的提高，人们日益偏好穿戴多功能的智能穿戴设备（如智能眼罩、智能手环等）入睡，以进行睡眠监测、提高睡眠质量等。
3.目前的智能穿戴设备一般是通过监测用户入睡时在各个睡眠阶段的时长，以此来评估用户睡眠质量的好坏。但目前的智能穿戴设备缺乏对用户入睡时的睡眠姿态的有效监测，而睡眠姿态往往又是影响用户睡眠质量的一个重要因素，因此如何有效监测并分析用户入睡时的睡眠姿态，以此提高用户的睡眠质量，成了亟待解决的技术问题。
4.上述内容仅用于辅助理解本技术的技术方案，并不代表承认上述内容是现有技术。


技术实现要素：

5.本技术的主要目的在于提供一种睡眠监测方法、睡眠监测装置、智能眼罩以及计算机可读存储介质，旨在通过智能眼罩监测用户的睡眠姿态，并向用户提出相应的睡眠姿态分析建议，从而提高用户的睡眠质量。
6.为实现上述目的，本技术提供一种睡眠监测方法，包括以下步骤：检测用户在睡眠时段的脑电信号和睡姿信息；根据所述脑电信号确定用户各个睡眠阶段；根据各个所述睡眠阶段对应的时间段，以及所述睡姿信息对应的采集时间，确定各个所述睡眠阶段关联的所述睡姿信息；根据各个所述睡眠阶段关联的所述睡姿信息，生成各个所述睡眠阶段对应的睡姿推荐信息。
7.可选的，所述睡姿信息包括睡眠姿态，以及所述睡眠姿态对应的持续时长；所述根据各个所述睡眠阶段关联的所述睡姿信息，生成各个所述睡眠阶段对应的睡姿推荐信息的步骤包括：根据各个所述睡眠阶段关联的所述睡姿信息和预设规则，确定各个所述睡眠阶段中的睡眠姿态对应的等级；确定各个所述睡眠阶段中等级最高的睡眠姿态为目标睡眠姿态；根据各个所述睡眠阶段对应的所述目标睡眠姿态，生成各个所述睡眠阶段对应的睡姿推荐信息。
8.可选的，所述预设规则包括以下至少一个：所述睡眠姿态对应的持续时长越长，所述睡眠姿态对应的等级越高；所述睡眠姿态对应的脑电信号的强度越低，所述睡眠姿态对应的等级越高，其中，
所述睡眠姿态对应的脑电信号根据所述睡眠姿态对应的持续时长，以及所述睡眠时段的脑电信号确定得到。
9.可选的，所述确定各个所述睡眠阶段中的睡眠姿态对应的等级的步骤之后，还包括：检测到存在等级低于预设等级的睡眠姿态时，根据等级低于预设等级的睡眠姿态生成不良睡眠姿态信息；输出所述不良睡眠姿态信息。
10.可选的，所述输出所述不良睡眠姿态信息的步骤之后，还包括：接收到所述不良睡眠姿态信息的确认指令后，当检测到用户入睡时，检测用户是否存在所述不良睡眠姿态信息对应的睡眠姿态；若是，采用电刺激方式对用户进行睡眠干预。
11.可选的，所述确定各个所述睡眠阶段中的睡眠姿态对应的等级的步骤之后，还包括：根据所有所述睡眠姿态对应的等级，确定睡眠质量分数。
12.可选的，所述根据所有所述睡眠姿态对应的等级，确定睡眠质量分数的步骤包括：根据各个所述睡眠阶段对应的时间段，以及所有所述睡眠姿态对应的等级，确定睡眠质量分数。
13.可选的，所述根据所述脑电信号确定用户各个睡眠阶段的步骤包括：将所述脑电信号输入到学习模型中，利用所述学习模型确定用户各个睡眠阶段；其中，所述学习模型根据多个训练样本训练得到，所述训练样本包括多个睡眠阶段，以及所述睡眠阶段对应的历史脑电信号。
14.为实现上述目的，本技术还提供一种睡眠监测装置，包括：检测模块，用于检测用户在睡眠时段的脑电信号和睡姿信息；分析模块，用于根据所述脑电信号确定用户各个睡眠阶段；确定模块，用于根据各个所述睡眠阶段对应的时间段，以及所述睡姿信息对应的采集时间，确定各个所述睡眠阶段关联的所述睡姿信息；生成模块，用于根据各个所述睡眠阶段关联的所述睡姿信息，生成各个所述睡眠阶段对应的睡姿推荐信息。
15.可选的，所述生成模块包括：第一处理模块，用于根据各个所述睡眠阶段关联的所述睡姿信息和预设规则，确定各个所述睡眠阶段中的睡眠姿态对应的等级；第二处理模块，用于确定各个所述睡眠阶段中等级最高的睡眠姿态为目标睡眠姿态；第三处理模块，用于根据各个所述睡眠阶段对应的所述目标睡眠姿态，生成各个所述睡眠阶段对应的睡姿推荐信息。
16.为实现上述目的，本技术还提供一种智能眼罩，所述智能眼罩包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的睡眠监测程序，所述睡眠监测程序被所述处理器执行时实现如上述睡眠监测方法的步骤。
17.为实现上述目的，本技术还提供一种计算机可读存储介质，所述计算机可读存储
介质上存储有睡眠监测程序，所述睡眠监测程序被处理器执行时实现如上述睡眠监测方法的步骤。
18.本技术提供的睡眠监测方法、睡眠监测装置、智能眼罩以及计算机可读存储介质，利用智能眼罩检测用户在睡眠时段的脑电信号和睡姿信息，并基于此生成用户在各个睡眠阶段的睡姿推荐信息，以此向用户提出相应的睡眠姿态分析建议，方便用户基于睡姿推荐信息调整睡眠姿态，从而提高用户的睡眠质量。
附图说明
19.图1为本技术一实施例中睡眠监测方法步骤示意图；图2为本技术又一实施例中睡眠监测方法步骤示意图；图3为本技术另一实施例中睡眠监测方法步骤示意图；图4为本技术一实施例的睡眠监测装置示意框图；图5为本技术一实施例的智能眼罩的内部结构示意框图。
20.本技术目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
21.下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本发明，而不能理解为对本发明的限制，基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
22.参照图1，在一实施例中，所述睡眠监测方法应用于智能眼罩，所述睡眠监测方法包括：步骤s10、检测用户在睡眠时段的脑电信号和睡姿信息；步骤s20、根据所述脑电信号确定用户各个睡眠阶段；步骤s30、根据各个所述睡眠阶段对应的时间段，以及所述睡姿信息对应的采集时间，确定各个所述睡眠阶段关联的所述睡姿信息；步骤s40、根据各个所述睡眠阶段关联的所述睡姿信息，生成各个所述睡眠阶段对应的睡姿推荐信息。
23.实施例的执行终端为智能眼罩（或睡眠监测装置），也可以是控制智能眼罩的设备。以下以执行终端为智能眼罩为例进行说明。
24.如步骤s10所述，智能眼罩上配备有eeg（electroencephalogram，脑电波）电极，当用户佩戴智能眼罩入睡时，智能眼罩可以通过eeg电极采集用户的脑电信号。
25.可选的，当用户佩戴智能眼罩入睡时，即可判定用户当前进入睡眠时段；或者，当智能眼罩检测到用户当前的脑电信号对应的强度低于一定强度时，则判定用户进入睡眠时段（智能眼罩可以定时或实时采集用户的脑电信号，以此检测用户是否进入睡眠时段）。
26.其中，脑电信号对应的强度可以用脑电频率、电位等来衡量。如当脑电信号对应的强度用脑电频率来衡量时，一般当脑电信号的频率大于或等于8hz时，人体会处于一个相对清醒的状态，而当脑电信号的频率小于8hz时，则人体处于睡眠时段。
27.可选的，当用户解除智能眼罩或检测到用户被唤醒时，则标志一个睡眠时段的结束。
28.可选的，当智能眼罩检测到用户进入睡眠时段时，则采集和记录用户在睡眠阶段的脑电信号和睡姿信息，直至睡眠时段结束。其中，所述睡姿信息至少包括用户的一种睡眠姿态，且在一个睡眠时段中，智能眼罩可以采集多种睡眠姿态。
29.可选的，智能眼罩设置有imu（inertial measurement unit）传感器和角度传感器，通过imu传感器配合角度传感器，智能眼罩不仅可以检测用户佩戴智能眼罩之后的用户头部的运动状态，进而根据相应的头部状态推导用户的睡眠姿态，还可以记录用户的翻身次数。其中，连续两次翻身次数之间的时间间隔，可对应一次睡眠姿态的持续时长（应当理解的是，用户开始入睡时到第一次翻身之间的时间间隔，为第一个睡眠姿态的持续时长）。
30.可选的，用户的睡眠姿态可大体分为仰卧、左侧身和右侧身。在一些实施例中，左侧身还可以细分为左正侧身，还有头部往身体蜷缩的左侧身（这种情况一般人体手脚也会处于偏向往上身卷缩的状态）；右侧身还可以细分为右正侧身，还有头部往身体蜷缩的右侧身（这种情况一般人体手脚也会处于偏向往上身卷缩的状态）。这些睡眠姿态都可以通过检测用户头部的运动状态来检测得到。
31.如步骤s20所述，人体在睡眠时段的睡眠周期大致可分为入睡阶段、浅睡眠阶段、深睡眠阶段和延续深睡眠阶段。其中，人体一般从入睡阶段开始持续10分钟左右后，即会转入浅睡眠阶段；而在浅睡眠阶段持续20分钟左右，则开始进入深睡眠阶段；在深睡眠阶段持续40分钟左右，则可能会进入延续深睡眠阶段。由于延续深睡眠阶段是深睡眠阶段的延伸，并不是每个人在睡眠时都能进入这一阶段的，如果睡眠质量不好，可能只会停留在深睡眠阶段。不过一般来说，人体的睡眠周期平均会持续90分钟左右，也就是说，每隔90分钟，人体就会从深度睡眠逐渐转回较浅的睡眠，然后又从较浅的睡眠再次进入深度睡眠，如此往复。
32.而当人体处于不同的睡眠阶段时，人体的脑电信号的活跃程度皆不相同。一般地，入睡阶段的脑电信号的强度会大于浅睡眠阶段；浅睡眠阶段的脑电信号的强度会大于深睡眠阶段；深睡眠阶段的脑电信号的强度会大于延续深睡眠阶段。
33.可选的，智能眼罩可以是预先记录有用户在不同睡眠阶段时，其脑电信号的强度与相应睡眠阶段的映射关系，然后根据该映射关系和用户的脑电信号对应的强度，即可判定用户所处于的睡眠阶段。如a强度的脑电信号与入睡阶段对应、b强度的脑电信号与浅睡眠阶段对应、c强度的脑电信号与深睡眠阶段对应、d强度的脑电信号与延续深睡眠阶段对应，当用户当前脑电信号的强度为b强度时，表明用户当前处于浅睡眠阶段。
34.可选的，智能眼罩根据在用户的睡眠时段采集到的所有脑电信号，确定用户在睡眠时段中的各个睡眠阶段，以及各个睡眠阶段对应的时间段。其中，每一睡眠阶段对应的时间段，根据与睡眠阶段对应的脑电信号的采集时间可以确定得到。
35.需要说明的是，由于人体的睡眠过程，是在各个睡眠阶段循环往复的过程，因此在同一睡眠时段中所出现的同一睡眠阶段可包括多个。如在一个睡眠时段中，可出现多个深睡眠阶段。当然，若用户的睡眠时段较短（如用户在短暂午睡时），有的睡眠阶段可能就只出现一次，甚至有的睡眠阶段就没有出现过（如在短暂午睡时，一般难以进入延续深睡眠阶段）。
36.可选的，每个睡眠阶段，以睡眠阶段对应的类型划分（即同一类型的睡眠阶段，划
分为同一个睡眠阶段）。
37.如步骤s30所述，智能眼罩在采集用户的睡姿信息时，还会记录所采集的睡姿信息对应的采集时间。在智能眼罩确定用户在睡眠时段中的各个睡眠阶段对应的时间段后，则通过检测每个睡姿信息对应的采集时间所属的时间段，即可确定各睡姿信息对应的睡眠阶段（即确定得到各睡眠阶段关联的睡姿信息）。
38.其中，若同一睡姿信息对应的采集时间横跨多个睡眠阶段对应的时间段，则可以根据各时间段的开始节点和/或结束节点，将该睡姿信息划分为多个睡姿信息，且所划分的每个睡姿信息对应的采集时间，仅与相应睡眠阶段的时间段对应。例如，甲睡姿信息的采集时间为23:00-23:30，而某一深睡眠阶段对应的时间段为22:40-23:20，某一延续深睡眠阶段对应的时间段为23:20-23:40，则将睡姿信息拆分为甲一睡姿信息（23:00-23:20），和甲二睡姿信息（23:20-23:30），且甲一睡姿信息与深睡眠阶段关联，甲二睡姿信息与延续深睡眠阶段关联。
39.如步骤s40所述，若检测到在一个完整的睡眠时段中，同一类型的睡眠阶段出现多次时，则可以将相同类型的睡眠阶段关联的睡姿信息进行汇总，然后再以总的睡眠阶段关联的睡姿信息作为同一睡眠阶段关联的睡姿信息，并基于此生成相应睡眠阶段的睡姿推荐信息。如在睡眠阶段中出现多次浅睡眠阶段，那么这些浅睡眠阶段关联的睡姿信息，均可以汇总为总的浅睡眠阶段所关联的睡姿信息，然后再以总的浅睡眠阶段关联的睡姿信息，生成浅睡眠阶段对应的睡姿推荐信息。
40.可选的，智能眼罩在确定各个所述睡眠阶段关联的睡姿信息后，则可以进一步得到各个睡眠阶段关联的睡眠姿态，并统计同一睡眠姿态在同一睡眠阶段的出现次数（应当理解的是，在同一睡眠阶段中多次出现的睡眠姿态，其每次出现的时间均不相同；当然，睡姿信息中也可以包括同一睡眠姿态对应的出现次数）。智能眼罩在得到同一睡眠阶段中，各个睡眠姿态对应的出现次数时，则确定其中出现次数最多的睡眠姿态，作为相应睡眠阶段对应的目标睡眠姿态。
41.或者，智能眼罩在确定各个所述睡眠阶段关联的睡姿信息后，则可以进一步得到各个睡眠阶段关联的睡眠姿态，并可统计同一睡眠姿态在同一睡眠阶段的持续时长（如同一睡眠姿态在同一睡眠阶段出现两次时，则计算两次睡眠姿态的持续时长之和）。智能眼罩在得到同一睡眠阶段中，各个睡眠姿态对应的持续时长时，则确定其中持续时长最长的睡眠姿态，作为相应睡眠阶段对应的目标睡眠姿态。
42.可选的，当智能眼罩确定各个睡眠阶段对应的目标睡眠姿态后，则根据各个睡眠阶段对应的目标睡眠姿态，生成各个睡眠阶段对应的睡姿推荐信息。
43.进一步地，智能眼罩还可以将生成的各个睡眠阶段对应的睡姿推荐信息，发送至用户的关联设备，以供醒来后的用户查阅。其中，各睡姿推荐信息还可以包括目标睡眠姿态对应的出现次数和/或持续时长。一般来说，出现次数最多或持续时长最长的睡眠姿态，是用户潜意识中感到最舒适的睡眠姿态。
44.这样，用户基于睡姿推荐信息即可获悉其在睡眠时最舒适的睡眠姿态，并可在下次入睡时根据睡姿推荐信息相应调整其入睡的姿态，以提高用户的睡眠质量。例如，在用户基于睡姿推荐信息获悉其在入睡阶段或浅睡眠阶段最舒适的睡眠姿态时，那么在用户下次入睡时，就通过调整至相应的睡眠姿态入睡，以使其快速进入入睡阶段或浅睡眠阶段，以使
其快速入睡；或者，由于深睡眠阶段或延续深睡眠阶段是人体睡眠最舒适、最深沉的阶段，那么在用户基于睡姿推荐信息获悉其在深睡眠阶段或延续深睡眠阶段最舒适的睡眠姿态时，就可以在用户下次入睡时，通过调整至相应的睡眠姿态入睡，以提高其在睡眠时的睡眠质量。
45.在本实施例中，通过利用智能眼罩检测用户在睡眠时段的脑电信号和睡姿信息，并基于此生成用户在各个睡眠阶段的睡姿推荐信息，以此向用户提出相应的睡眠姿态分析建议，方便用户基于睡姿推荐信息调整睡眠姿态，从而提高用户的睡眠质量。
46.在一实施例中，如图2所示，在上述图1所示的实施例基础上，所述睡姿信息包括睡眠姿态，以及所述睡眠姿态对应的持续时长；所述根据各个所述睡眠阶段关联的所述睡姿信息，生成各个所述睡眠阶段对应的睡姿推荐信息的步骤包括：步骤s41、根据各个所述睡眠阶段关联的所述睡姿信息和预设规则，确定各个所述睡眠阶段中的睡眠姿态对应的等级；步骤s42、确定各个所述睡眠阶段中等级最高的睡眠姿态为目标睡眠姿态；步骤s43、根据各个所述睡眠阶段对应的所述目标睡眠姿态，生成各个所述睡眠阶段对应的睡姿推荐信息。
47.本实施例中，智能眼罩采集的睡姿信息至少包括睡眠姿态，以及睡眠姿态对应的持续时长。
48.可选的，智能眼罩在得到各个睡眠阶段关联的睡眠信息后，则根据相应的睡眠信息和预设规则，确定各个睡眠阶段关联的睡眠信息中的睡眠姿态对应的等级。其中，若同一类型的睡眠阶段在睡眠时段中出现多次时，则可以将相同类型的睡眠阶段关联的睡姿信息进行汇总，然后再以汇总后的睡姿信息作为同一个睡眠阶段（每个睡眠阶段以睡眠阶段对应的类型划分，同一类型的睡眠阶段划分为同一个睡眠阶段）关联的睡姿信息。
49.可选的，所述预设规则包括以下至少一个：所述睡眠姿态对应的持续时长越长，所述睡眠姿态对应的等级越高；所述睡眠姿态对应的脑电信号的强度越低，所述睡眠姿态对应的等级越高，其中，所述睡眠姿态对应的脑电信号根据所述睡眠姿态对应的持续时长，以及所述睡眠时段的脑电信号确定得到。
50.应当理解的是，根据各个睡眠阶段对应的脑电信号的采集时间，以后各个睡眠阶段中的各睡眠姿态对应的持续时长，即可将采集时间处于该持续时长中的脑电信号，作为相应睡眠姿态对应的脑电信号。
51.其中，脑电信号的强度可以是用脑电信号的频率或电位衡量，且脑电信号的频率或电位越高，则表示脑电信号的强度越高。而由于脑电信号的频率或电位是动态变化的，因此在确定某一睡眠姿态对应的脑电信号的强度时，可以是通过计算在该睡眠姿态对应的持续时长内，各个脑电信号的频率（或电位）的均值，并将计算得到的均值作为脑电信号的强度。
52.其中，若同一睡眠姿态在同一个睡眠阶段中出现多次，则统计同一睡眠姿态各次对应的持续时长之和，然后根据计算结果确定同一睡眠姿态对应的等级。
53.可选的，终端预先为不同持续时长设置有相应的等级区间，且相应持续时长越长，该持续时长所属的等级区间对应的等级越高。智能眼罩在得到同一睡眠阶段中，各个睡眠
姿态对应的持续时长后，则检测各个睡眠姿态对应的持续时长所属的等级区间，然后获取其所属等级区间对应的等级，作为相应睡眠姿态对应的等级。例如，划分第一等级区间为(0，30min]、第二等级区间为(30min，90min]、第三等级区间为(90min， ∞)，当检测到某睡眠姿态对应的持续时长为80min时，则确定该睡眠姿态对应的等级为第二等级。
54.可选的，若同一睡眠姿态在同一个睡眠阶段中出现多次，则计算同一睡眠姿态各次对应的脑电信号的强度的均值，然后根据计算结果确定同一睡眠姿态对应的等级。
55.可选的，终端预先为不同脑电信号的强度设置有相应的等级区间，且相应脑电信号的强度越低，该脑电信号的强度所属的等级区间对应的等级越高。智能眼罩在得到同一睡眠阶段中，各个睡眠姿态对应的脑电信号的强度后，则检测各个睡眠姿态对应的脑电信号的强度所属的等级区间，然后获取其所属等级区间对应的等级，作为相应睡眠姿态对应的等级。例如，在脑电信号的强度以脑电信号的频率衡量时，则划分第一等级区间为第四等级区间为(0，2hz]、第三等级区间为(2hz，4hz]、第二等级区间为(4hz，6hz]、第一等级区间为(6hz，8hz)，当检测到某睡眠姿态对应的脑电信号的强度为3.5hz时，则确定该睡眠姿态对应的等级为第三等级。
56.或者，智能眼罩也可以是根据各睡眠姿态对应的持续时长和脑电信号的强度，确定各睡眠姿态对应的等级。其中，智能眼罩预先为不同脑电信号的强度设置有相应的第一预设分值（且脑电信号的强度越低，相应的第一预设分值越高），以及预先为不同的持续时长设置有相应的第一预设分值（且持续时长越长，相应的第一预设分值越高），并为不同分值划分有相应的等级区间（且分值越高，相应等级区间对应的等级越高）。智能眼罩在得到同一睡眠阶段中，各个睡眠姿态对应的持续时长和脑电信号的强度后，则分别检测持续时长对应的第一预设分值，以及脑电信号的强度对应的第一预设分值，然后计算总分值，并检测总分值所属的等级区间，然后获取其所属等级区间对应的等级，作为相应睡眠姿态对应的等级。例如，划分第一等级区间为(0，30]、第二等级区间为(30，60]、第三等级区间为(60，80]、第四等级区间为(80，90]、第五等级区间为(90，100]，当确定得到某睡眠姿态对应的持续时长的第一预设分值为43、脑电信号的强度的第一预设分值为45时，则确定总分值88属于第四等级区间，即该睡眠姿态对应的等级为第四等级。
57.可选的，智能眼罩在确定得到各个睡眠阶段中的睡眠姿态对应的等级后，则分别确定各个睡眠阶段对应的目标睡眠姿态。其中，在确定每个睡眠阶段对应的目标睡眠姿态时，确定每个睡眠阶段中等级最高的睡眠姿态，作为每个睡眠阶段对应的目标睡眠姿态。
58.可选的，当智能眼罩确定各个睡眠阶段对应的目标睡眠姿态后，则根据各个睡眠阶段对应的目标睡眠姿态，生成各个睡眠阶段对应的睡姿推荐信息。
59.进一步地，智能眼罩还可以将生成的各个睡眠阶段对应的睡姿推荐信息，发送至用户的关联设备，以供醒来后的用户查阅。其中，各睡姿推荐信息还可以包括目标睡眠姿态对应的等级。一般来说，相应等级最高的睡眠姿态，是用户潜意识中感到最舒适的睡眠姿态（即持续时长越长和/或脑电信号的强度越低的睡眠姿态，是让用户感到最舒适的睡眠姿态）。
60.这样，用户基于睡姿推荐信息即可获悉其在睡眠时最舒适的睡眠姿态，并可在下次入睡时根据睡姿推荐信息相应调整其入睡的姿态，以提高用户的睡眠质量。
61.在一实施例中，如图3所示，在上述图1至图2的实施例基础上，所述确定各个所述
睡眠阶段中的睡眠姿态对应的等级的步骤之后，还包括：步骤s50、检测到存在等级低于预设等级的睡眠姿态时，根据等级低于预设等级的睡眠姿态生成不良睡眠姿态信息；步骤s51、输出所述不良睡眠姿态信息。
62.本实施例中，终端可以预先将等级高于或等于预设等级的睡眠姿态，定义为良好睡眠姿态，将等级低于预设等级的睡眠姿态定义为不良睡眠姿态。其中，所述预设等级是用于衡量睡眠姿态的好坏的，可以根据实际情况需要设置，如设置为第二等级或第三等级。
63.可选的，当智能眼罩确定得到各个睡眠阶段中的睡眠姿态对应的等级后，则检测所有睡眠姿态中是否存在有等级低于预设等级的睡眠姿态。
64.可选的，当智能眼罩检测到存在等级低于预设等级的睡眠姿态时，则根据等级低于预设等级的睡眠姿态生成不良睡眠姿态信息，并将不良睡眠姿态信息输出至关联设备，以供醒来后的用户查阅。其中，不良睡眠姿态信息还可以包括不良睡眠姿态对应的等级。一般来说，等级偏低的睡眠姿态，是让用户潜意识中感到不舒适的睡眠姿态。
65.这样，用户基于不良睡眠姿态信息即可获悉其在睡眠时的不良睡眠姿态，并可在下次入睡时根据不良睡眠姿态信息相应调整其入睡的姿态，避免使用不良睡眠姿态信息对应的睡眠姿态入睡，进而提高用户的睡眠质量。
66.在一实施例中，在上述实施例基础上，所述输出所述不良睡眠姿态信息的步骤之后，还包括：步骤s52、接收到所述不良睡眠姿态信息的确认指令后，当检测到用户入睡时，检测用户是否存在所述不良睡眠姿态信息对应的睡眠姿态；步骤s53、若是，采用电刺激方式对用户进行睡眠干预。
67.本实施例中，用户通过关联设备查阅不良睡眠姿态信息后，若用户认为需要通过智能眼罩辅助干预，以矫正不良睡眠姿态时，则可以通过关联设备向智能眼罩发送不良睡眠姿态信息的确认指令。
68.可选的，在智能眼罩接收到不良睡眠姿态信息的确认指令后，当检测到用户入睡后，则定时或实时采集用户当前的睡眠姿态，并检测采集到的睡眠姿态中是否为不良睡眠姿态信息对应的睡眠姿态（即不良睡眠姿态）。
69.当检测到用户当前的睡眠姿态为不良睡眠姿态时，则智能眼罩可以通过与用户皮肤接触的电极输出轻微的电流（具体电流值在人体能承受的电流范围之内，并且电刺激的强度不至于唤醒用户），以通过电刺激的方式矫正睡眠中的用户的睡眠姿态。
70.这样，通过采用电刺激方式矫正睡眠中的用户的不良睡眠姿态，确保用户可以以良好睡眠姿态睡眠，进而提高用户的睡眠质量。
71.在一实施例中，在上述实施例基础上，所述确定各个所述睡眠阶段中的睡眠姿态对应的等级的步骤之后，还包括：步骤s60、根据所有所述睡眠姿态对应的等级，确定睡眠质量分数。
72.本实施例中，智能眼罩预先为不同睡眠姿态的等级设置有相应的第二预设分值（且睡眠姿态的等级越高，相应的第二预设分值越高）。
73.可选的，智能眼罩在确定在睡眠时段采集到的所有睡眠姿态对应的等级后，则根据各个睡眠姿态对应的等级，确定各个睡眠姿态对应的第二预设分值。然后统计所有睡眠
姿态对应的第二预设分值，再利用总分值除以满分分值，得到睡眠质量分数。
74.进一步地，智能眼罩输出计算得到的睡眠质量分数至关联设备，以供醒来后的用户查阅。由于睡眠姿态往往是影响用户睡眠质量的一个重要因素，因此通过结合用户睡眠时的睡眠姿态对用户进行睡眠质量的评分，可以得到更为合理的睡眠质量分数，以便于用户更为准确地了解其睡眠质量。
75.在一实施例中，在上述实施例基础上，所述根据所有所述睡眠姿态对应的等级，确定睡眠质量分数的步骤包括：步骤s61、根据各个所述睡眠阶段对应的时间段，以及所有所述睡眠姿态对应的等级，确定睡眠质量分数。
76.本实施例中，智能眼罩预先为不同睡眠姿态的等级设置有相应的第二预设分值（且睡眠姿态的等级越高，相应的第二预设分值越高）。而且，智能眼罩还预先为不同睡眠阶段的时间段设置有相应的第三预设分值（且睡眠阶段的时间段越长，相应的第三预设分值越高）。
77.可选的，智能眼罩在确定在睡眠时段采集到的所有睡眠姿态对应的等级后，则根据各个睡眠姿态对应的等级，确定各个睡眠姿态对应的第二预设分值。然后统计所有睡眠姿态对应的第二预设分值，得到第二预设分值的第一总分值。
78.可选的，智能眼罩在确定睡眠时段中，每一个类型的睡眠阶段对应的时间段后，则根据各个睡眠阶段对应的时间段，确定各个睡眠阶段对应的第三预设分值。然后根据各个睡眠阶段对应的第三预设分值，以及各个睡眠阶段对应的权重，进行加权求和运算，得到第二总分值。其中，预先为不同睡眠阶段设置有相应的权重，且设置延续深睡眠阶段对应的权重大于深睡眠阶段、设置深睡眠阶段对应的权重大于浅睡眠阶段、浅睡眠阶段对应的权重大于入睡阶段，而且各个睡眠阶段对应的权重之和等于1。
79.可选的，智能眼罩计算第一总分值和第二总分值之和，然后再利用计算结果除以满分分值，得到睡眠质量分数。
80.进一步地，智能眼罩输出计算得到的睡眠质量分数至关联设备，以供醒来后的用户查阅。除了睡眠姿态之外，各睡眠阶段对应的时间段长短也是影响用户睡眠质量的重要因素（尤其是延续深睡眠阶段和深睡眠阶段对应的时间段越长，则用户睡眠质量越好），因此通过结合用户睡眠时的睡眠姿态，以及用户入睡时在各睡眠阶段对应的时间段，对用户进行睡眠质量的评分，可以得到更为合理的睡眠质量分数，以便于用户更为准确地了解其睡眠质量。
81.在一实施例中，在上述实施例基础上，所述根据所述脑电信号确定用户各个睡眠阶段的步骤包括：步骤s21、将所述脑电信号输入到学习模型中，利用所述学习模型确定用户各个睡眠阶段；其中，所述学习模型根据多个训练样本训练得到，所述训练样本包括多个睡眠阶段，以及所述睡眠阶段对应的历史脑电信号。
82.本实施例中，基于机器学习技术预先构建有学习模型。
83.可选的，相关工程师可以预先通过智能眼罩采集多个用户在多个历史时段的历史脑电信号，以及这些历史脑电信号与用户各个睡眠阶段之间的映射特征，构建多个训练样
本，并将多个训练样本输入到学习模型进行迭代训练，使得学习模型可以不断学习用户的脑电信号与各个睡眠阶段之间的映射特征，直到学习模型训练完成。这样，训练完成的学习模型即具有根据用户的脑电信号，设别脑电信号对应的睡眠阶段的能力。
84.可选的，训练完成的学习模型可以是录入到智能眼罩的数据库中，也可以是上传至服务器，该服务器与智能眼罩之间可通信互联。
85.可选的，当智能眼罩采集到用户在睡眠时段的脑电信号时，则将用户在睡眠时段的脑电信号输入到学习模型之中。当学习模型接收到智能眼罩输入的脑电信号时，则根据脑电信号与各个睡眠阶段之间的映射特征，识别每个脑电信号（可以是以每个分时段（可以是半分钟、一分钟或多分钟一个分时段）的脑电信号作为一个脑电信号）对应的睡眠阶段，并将脑电信号与相应的睡眠阶段进行关联，生成睡眠阶段识别结果。
86.然后学习模型再输出睡眠阶段识别结果，智能眼罩基于睡眠阶段识别结果，即可得到用户在睡眠时段的各个睡眠阶段的相关信息（相关信息包括各睡眠时段关联的脑电信号，且根据各个睡眠时段关联的脑电信号对应的采集时间，使得相关信息中还可以包括各个睡眠时段对应的时间段）。
87.这样，通过预先构建的学习模型，可以根据利用脑电信号更为准确地识别用户在睡眠时段所处的各个睡眠阶段，进而提高后续生成各个睡眠阶段对应的睡姿推荐信息的准确率。
88.参照图4，本技术实施例中还提供一种睡眠监测装置10，包括：检测模块11，用于检测用户在睡眠时段的脑电信号和睡姿信息；分析模块12，用于根据所述脑电信号确定用户各个睡眠阶段；确定模块13，用于根据各个所述睡眠阶段对应的时间段，以及所述睡姿信息对应的采集时间，确定各个所述睡眠阶段关联的所述睡姿信息；生成模块14，用于根据各个所述睡眠阶段关联的所述睡姿信息，生成各个所述睡眠阶段对应的睡姿推荐信息。
89.可选的，在上述实施例中，所述生成模块包括：第一处理模块，用于根据各个所述睡眠阶段关联的所述睡姿信息和预设规则，确定各个所述睡眠阶段中的睡眠姿态对应的等级；第二处理模块，用于确定各个所述睡眠阶段中等级最高的睡眠姿态为目标睡眠姿态；第三处理模块，用于根据各个所述睡眠阶段对应的所述目标睡眠姿态，生成各个所述睡眠阶段对应的睡姿推荐信息。
90.参照图5，本技术实施例中还提供一种智能眼罩，该智能眼罩内部结构可以如图5所示。该智能眼罩包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中，该计算机设计的处理器用于提供计算和控制能力。该智能眼罩的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该智能眼罩的数据库用于睡眠监测程序。该智能眼罩的网络接口用于与外部的终端通过网络连接通信。该智能眼罩的输入装置用于接收外部设备输入的信号。该计算机程序被处理器执行时以实现一种如以上实施例所述的睡眠监测方法。
91.本领域技术人员可以理解，图5中示出的结构，仅仅是与本技术方案相关的部分结构的框图，并不构成对本技术方案所应用于其上的智能眼罩的限定。
92.此外，本技术还提出一种计算机可读存储介质，所述计算机可读存储介质包括睡眠监测程序，所述睡眠监测程序被处理器执行时实现如以上实施例所述的睡眠监测方法的步骤。可以理解的是，本实施例中的计算机可读存储介质可以是易失性可读存储介质，也可以为非易失性可读存储介质。
93.综上所述，为本技术实施例中提供的睡眠监测方法、睡眠监测装置、智能眼罩和计算机可读存储介质，利用智能眼罩检测用户在睡眠时段的脑电信号和睡姿信息，并基于此生成用户在各个睡眠阶段的睡姿推荐信息，以此向用户提出相应的睡眠姿态分析建议，方便用户基于睡姿推荐信息调整睡眠姿态，从而提高用户的睡眠质量。
94.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，所述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，本技术所提供的和实施例中所使用的对存储器、存储、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。非易失性存储器可以包括只读存储器（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通过多种形式可得，诸如静态ram（sram）、动态ram（dram）、同步dram（sdram）、双速据率sdram（ssrsdram）、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。
95.需要说明的是，在本文中，术语“包括”、“包含”或者其任何其它变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、装置、物品或者方法不仅包括那些要素，而且还包括没有明确列出的其它要素，或者是还包括为这种过程、装置、物品或者方法所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括该要素的过程、装置、物品或者方法中还存在另外的相同要素。
96.以上所述仅为本技术的优选实施例，并非因此限制本技术的专利范围，凡是利用本技术说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其它相关的技术领域，均同理包括在本技术的专利保护范围内。