一种具有助眠功能的智能枕控制方法、系统及可读存储介质与流程

1.本技术涉及智能家居用品和智能控制技术领域，具体而言，涉及一种具有助眠功能的智能枕控制方法、系统及可读存储介质。


背景技术：

2.随着居民生活节奏的加快，特别是新中产压力加剧，导致城市居民睡眠质量普通不佳，多因素叠加下的失眠状况越来越普遍，这极大影响了居民的身体健康，如何能够有效改善睡眠质量对提高居民身心健康、提升生活满意度具有重要价值。
3.睡眠的必备是枕头，枕头质量或性能直接决定了人们的睡眠质量，而目前的枕头仅是注重使用者的触感，目光仅限于改善填充物和改善支撑功能上，而不具备可根据不同用户的差异性或者每个用户不同睡眠状态、身体状况而进行个性化调节的功能，更不具备可智能化的根据用户睡眠状况和身体情况进行调控的智能枕，因此，设计出具有个性化、智能化的枕头产品才是未来方向，而枕头目前不具备此类设计，市场也缺乏此类智能产品来满足居民日益提生的生活需求。
4.因此，针对上述问题，目前亟待相关的技术解决方案。


技术实现要素：

5.本技术实施例的目的在于提供一种具有助眠功能的智能枕控制方法、系统及可读存储介质，可以枕头的个性化、智能化调控，提升用户体验。
6.本技术实施例还提供了一种具有助眠功能的智能枕控制方法，包括以下步骤：
7.获取用户的睡眠特征数据信息，根据所述睡眠特征数据信息结合环境信息获取睡眠个性数据；
8.根据所述用户的睡眠个性数据在用户睡眠信息数据库中获取所述用户的睡眠响应特征数据集；
9.根据所述睡眠响应特征数据集进行智能枕调控并监测所述用户的睡眠动态信息数据；
10.根据所述用户在预设时间段内监测获取的睡眠动态信息数据进行阈值对比获得预警级别标识；
11.根据所述预警级别标识进行智能枕对应调控。
12.可选地，在本技术实施例所述的具有助眠功能的智能枕控制方法中，所述获取用户的睡眠特征数据信息，根据所述睡眠特征数据信息结合环境信息获取睡眠个性数据，包括：
13.获取用户的睡眠特征数据信息包括身体特征信息、睡眠姿态数据、睡眠健康指数以及颈椎健康数据；
14.获取用户睡眠所在的环境信息包括季节信息、时间信息以及室温数据；
15.所述身体特征信息包括用户体重、年龄以及性别信息；
16.所述睡眠健康指数和颈椎健康数据通过医疗平台获取；
17.根据所述用户的睡眠特征数据信息结合所述环境信息在睡眠质量检测模型中获取睡眠个性数据。
18.可选地，在本技术实施例所述的具有助眠功能的智能枕控制方法中，所述根据所述用户的睡眠特征数据信息结合所述环境信息在睡眠质量检测模型中获取睡眠个性数据，包括：
19.建立睡眠质量检测模型；
20.根据所述用户的身体特征信息、睡眠姿态数据、颈椎健康数据以及时间信息和室温数据输入所述睡眠质量检测模型中获得睡眠个性数据；
21.所述睡眠个性数据包括稳态脑电频谱、稳态体温、颈椎仰角以及稳态心率。
22.可选地，在本技术实施例所述的具有助眠功能的智能枕控制方法中，所述根据所述用户的睡眠个性数据在用户睡眠信息数据库中获取所述用户的睡眠响应特征数据集，包括：
23.根据所述用户的睡眠个性数据和身体特征信息以及环境信息获得深眠稳态系数；
24.根据所述用户的深眠稳态系数在用户睡眠信息数据库中查询符合阈值对比要求的多个历史睡眠特征样本；
25.根据所述多个历史睡眠特征样本查询符合相似度的所述用户的睡眠响应特征数据集。
26.可选地，在本技术实施例所述的具有助眠功能的智能枕控制方法中，所述根据所述多个历史睡眠特征样本查询符合相似度的所述用户的睡眠响应特征数据集，包括：
27.获取多个所述历史睡眠特征样本的样本数据集；
28.所述样本数据集包括体重、稳态脑电频谱、稳态体温、稳态心率以及室温数据；
29.根据所述用户的体重、稳态脑电频谱、稳态体温、稳态心率以及室温数据与所述多个历史睡眠特征样本的样本数据集进行相似度对比获取符合相似度要求的目标睡眠特征样本；
30.将所述目标睡眠特征样本的多个睡眠响应数据作为所述用户的睡眠响应特征数据集。
31.可选地，在本技术实施例所述的具有助眠功能的智能枕控制方法中，所述根据所述睡眠响应特征数据集进行智能枕调控并监测所述用户的睡眠动态信息数据，包括：
32.所述睡眠响应特征数据集包括颈椎修正数据、音频激励数据、氧善数据、调温数据以及脑波激励数据；
33.根据所述睡眠响应特征数据集的数据对智能枕进行姿态、音频、氧气、温度以及脑波电流的相应调控；
34.监测调控后预设时间段内所述用户受到所述智能枕激励的睡眠动态信息数据；
35.所述睡眠动态信息数据包括脑电波动态数据、体温动态数据、呼吸频谱动态数据以及心率波动数据。
36.可选地，在本技术实施例所述的具有助眠功能的智能枕控制方法中，所述根据所述用户在预设时间段内监测获取的睡眠动态信息数据进行阈值对比获得预警级别标识，包括：
37.获取用户的睡眠稳态阈值集，所述睡眠稳态阈值集包括脑电波动稳态阈值、体温稳态阈值、呼吸频谱稳态阈值以及心率稳态阈值；
38.根据所述用户的睡眠动态信息数据与所述睡眠稳态阈值集的四项阈值对应进行比较；
39.若所述睡眠动态信息数据的四项数据均大于所述睡眠稳态阈值集的对应阈值，则标记为一级预警标识；
40.若所述脑电波动态数据、体温动态数据和心率波动数据分别大于所述对应阈值，则标记为二级预警标识；
41.若所述脑电波动态数据和呼吸频谱动态数据分别大于所述对应阈值，则标记为三级预警标识；
42.若所述体温动态数据和呼吸频谱动态数据分别大于所述对应阈值，则标记为四级预警标识。
43.第二方面，本技术实施例提供了一种具有助眠功能的智能枕控制系统，该系统包括：存储器及处理器，所述存储器中包括具有助眠功能的智能枕控制方法的程序，所述具有助眠功能的智能枕控制方法的程序被所述处理器执行时实现以下步骤：
44.获取用户的睡眠特征数据信息，根据所述睡眠特征数据信息结合环境信息获取睡眠个性数据；
45.根据所述用户的睡眠个性数据在用户睡眠信息数据库中获取所述用户的睡眠响应特征数据集；
46.根据所述睡眠响应特征数据集进行智能枕调控并监测所述用户的睡眠动态信息数据；
47.根据所述用户在预设时间段内监测获取的睡眠动态信息数据进行阈值对比获得预警级别标识；
48.根据所述预警级别标识进行智能枕对应调控。
49.可选地，在本技术实施例所述的具有助眠功能的智能枕控制系统中，所述获取用户的睡眠特征数据信息，根据所述睡眠特征数据信息结合环境信息获取睡眠个性数据，包括：
50.获取用户的睡眠特征数据信息包括身体特征信息、睡眠姿态数据、睡眠健康指数以及颈椎健康数据；
51.获取用户睡眠所在的环境信息包括季节信息、时间信息以及室温数据；
52.所述身体特征信息包括用户体重、年龄以及性别信息；
53.所述睡眠健康指数和颈椎健康数据通过医疗平台获取；
54.根据所述用户的睡眠特征数据信息结合所述环境信息在睡眠质量检测模型中获取睡眠个性数据。
55.第三方面，本技术实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质中包括具有助眠功能的智能枕控制方法程序，所述具有助眠功能的智能枕控制方法程序被处理器执行时，实现如上述任一项所述的具有助眠功能的智能枕控制方法的步骤。
56.由上可知，本技术实施例提供的一种具有助眠功能的智能枕控制方法、系统及可读存储介质通过获取用户的睡眠特征数据信息，根据睡眠特征数据信息结合环境信息获取
睡眠个性数据，根据用户的睡眠个性数据在用户睡眠信息数据库中获取用户的睡眠响应特征数据集，根据睡眠响应特征数据集进行智能枕调控并监测用户的睡眠动态信息数据，根据用户在预设时间段内监测获取的睡眠动态信息数据进行阈值对比获得预警级别标识，根据预警级别标识进行智能枕对应调控；从而根据用户的睡眠数据信息结合环境信息获取睡眠响应数据进行智能枕调控并监测用户的睡眠动态信息进行预警，实现根据用户睡眠状态参数进行智能化采集和调控，提高智能枕的个性化、智能化，提升用户体验。
57.本技术的其他特征和优点将在随后的说明书阐述，并且，部分地从说明书中变得显而易见，或者通过实施本技术实施例了解。本技术的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
附图说明
58.为了更清楚地说明本技术实施例的技术方案，下面将对本技术实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本技术的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
59.图1为本技术实施例提供的具有助眠功能的智能枕控制方法的一种流程图；
60.图2为本技术实施例提供的具有助眠功能的智能枕控制方法的一种流程图；
61.图3为本技术实施例提供的具有助眠功能的智能枕控制方法的一种流程图；
62.图4为本技术实施例提供的具有助眠功能的智能枕控制系统的一种结构示意图。
具体实施方式
63.下面将结合本技术实施例中附图，对本技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本技术一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本技术实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本技术的实施例的详细描述并非旨在限制要求保护的本技术的范围，而是仅仅表示本技术的选定实施例。基于本技术的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本技术保护的范围。
64.应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。同时，在本技术的描述中，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
65.请参照图1，图1是本技术一些实施例中的一种具有助眠功能的智能枕控制的流程图。该具有助眠功能的智能枕控制方法用于终端设备中，例如手机、电脑等。该具有助眠功能的智能枕控制方法，包括以下步骤：
66.s101、获取用户的睡眠特征数据信息，根据所述睡眠特征数据信息结合环境信息获取睡眠个性数据；
67.s102、根据所述用户的睡眠个性数据在用户睡眠信息数据库中获取所述用户的睡眠响应特征数据集；
68.s103、根据所述睡眠响应特征数据集进行智能枕调控并监测所述用户的睡眠动态信息数据；
69.s104、根据所述用户在预设时间段内监测获取的睡眠动态信息数据进行阈值对比获得预警级别标识；
70.s105、根据所述预警级别标识进行智能枕对应调控。
71.需要说明的是，为适应用户对智能枕的调控需求，获取用户的睡眠特征数据信息，再结合采集的环境信息获取睡眠个性数据，根据睡眠个性数据在用户睡眠信息数据库中查询符合相似度的目标睡眠特征样本找到睡眠响应特征数据集对智能枕进行调控并监控用户睡眠动态信息数据，再根据预设时间段内的睡眠动态信息数据与用户的睡眠稳态阈值集进行对比获得预警级别标识，再根据标识进行下一步调控，本方案中通过采集用户的睡眠数据参数结合环境数据获取适应于用户的睡眠调整数据，根据调整数据对智能枕进行调控以完成对用户睡眠状态的适应性调整，本案中的智能枕调控一般是根据用户颈椎姿态、脑电波、心率、呼吸以及体温进行的对应调控，包括颈椎仰角调整、脑电波激励、温度调控、氧气释放改善以及音频激励，通过得到的数据对智能枕进行调整以使用户睡眠质量获得改善。
72.请参照图2，图2是本技术一些实施例中的一种具有助眠功能的智能枕控制的流程图。根据本发明实施例，所述获取用户的睡眠特征数据信息，根据所述睡眠特征数据信息结合环境信息获取睡眠个性数据，具体为：
73.s201、获取用户的睡眠特征数据信息包括身体特征信息、睡眠姿态数据、睡眠健康指数以及颈椎健康数据；
74.s202、获取用户睡眠所在的环境信息包括季节信息、时间信息以及室温数据；
75.s203、所述身体特征信息包括用户体重、年龄以及性别信息；
76.s204、所述睡眠健康指数和颈椎健康数据通过医疗平台获取；
77.s205、根据所述用户的睡眠特征数据信息结合所述环境信息在睡眠质量检测模型中获取睡眠个性数据。
78.需要说明的是，为准确衡量用户预设时段的睡眠状况，根据获取的用户身体特征信息、睡眠姿态数据、颈椎健康数据以及环境信息通过睡眠质量检测模型获取用户的睡眠个性数据，为下一步获得用户睡眠响应数据建立数据基础，其中，用户的睡眠健康指数和颈椎健康数据通过第三方医疗平台进行获取。
79.请参照图3，图3是本技术一些实施例中的一种具有助眠功能的智能枕控制的流程图。根据本发明实施例，所述根据所述用户的睡眠特征数据信息结合所述环境信息在睡眠质量检测模型中获取睡眠个性数据，具体为：
80.s301、建立睡眠质量检测模型；
81.s302、根据所述用户的身体特征信息、睡眠姿态数据、颈椎健康数据以及时间信息和室温数据输入所述睡眠质量检测模型中获得睡眠个性数据；
82.s303、所述睡眠个性数据包括稳态脑电频谱、稳态体温、颈椎仰角以及稳态心率。
83.需要说明的是，为准确获取用户的睡眠个性数据，根据用户的身体特征信息、睡眠姿态数据、颈椎健康数据以及时间信息和室温数据输入至睡眠质量检测模型中获取睡眠个性数据，其中，睡眠质量检测模型是根据大量用户的多个历史时期的身体特征信息、睡眠姿态数据、颈椎健康数据和时间信息、室温数据以及睡眠个性数据进行训练获得，通过历史用户记录的身体特征信息、睡眠姿态数据、颈椎健康数据和时间信息、室温数据以及睡眠个性
数据进行预处理得到训练样本集输入至初始化的睡眠质量检测模型进行训练获取输出结果的准确率，若准确率大于预设的准确率阈值则得到睡眠质量检测模型。
84.根据本发明实施例，所述根据所述用户的睡眠个性数据在用户睡眠信息数据库中获取所述用户的睡眠响应特征数据集，具体为：
85.根据所述用户的睡眠个性数据和身体特征信息以及环境信息获得深眠稳态系数；
86.根据所述用户的深眠稳态系数在用户睡眠信息数据库中查询符合阈值对比要求的多个历史睡眠特征样本；
87.根据所述多个历史睡眠特征样本查询符合相似度的所述用户的睡眠响应特征数据集。
88.需要说明的是，为获取适应于用户睡眠状态的睡眠调整数据，获取适配的用户的睡眠响应特征数据集，睡眠响应特征数据集根据用户睡眠信息数据库中符合用户相似度要求的历史睡眠特征样本进行获取，首先根据用户的睡眠个性数据和身体特征信息以及环境信息通过计算获得深眠稳态系数，再根据用户的深眠稳态系数查询用户睡眠信息数据库中与用户的深眠稳态系数符合阈值对比要求的多个历史睡眠特征样本，筛选出的多个历史睡眠特征样本的深眠稳态系数满足于用户的阈值对比要求，再根据多个历史睡眠特征样本进行相似度筛选得出用户的睡眠响应特征数据集，本方案中用户睡眠信息数据库为第三方平台建立的用户数据库，多个历史睡眠特征样本的深眠稳态系数的对比阈值为85％；
89.其中，深眠稳态系数计算公式为：
[0090][0091][0092]
t为深眠稳态系数，p为体温，f为脑电频谱，r为心率，n为预设时间段的时间节点个数，为n个时间节点中的第i个时间节点，po为稳态体温，fo为稳态脑电频谱，ro为稳态心率，ie为采集的用户睡眠活跃特征值，δ为睡眠特征系数，σ、为特征指数，a为用户年龄，b为用户体重，θ为采集的用户睡眠健康指数。
[0093]
根据本发明实施例，所述根据所述多个历史睡眠特征样本查询符合相似度的所述用户的睡眠响应特征数据集，具体为：
[0094]
获取多个所述历史睡眠特征样本的样本数据集；
[0095]
所述样本数据集包括体重、稳态脑电频谱、稳态体温、稳态心率以及室温数据；
[0096]
根据所述用户的体重、稳态脑电频谱、稳态体温、稳态心率以及室温数据与所述多个历史睡眠特征样本的样本数据集进行相似度对比获取符合相似度要求的目标睡眠特征样本；
[0097]
将所述目标睡眠特征样本的多个睡眠响应数据作为所述用户的睡眠响应特征数据集。
[0098]
需要说明的是，根据在用户睡眠信息数据库中查询的多个历史睡眠特征样本的样本数据集与用户的对应数据包括体重、稳态脑电频谱、稳态体温、稳态心率以及室温数据进行相似度对比筛选出相似度最大的历史睡眠特征样本作为目标睡眠特征样本，将目标睡眠特征样本的多个睡眠响应数据作为用户的睡眠响应特征数据集，所述睡眠响应特征数据集
是为优化用户或样本的睡眠状态而针对用户或样本的睡眠数据进行激励和调整的多个睡眠响应数据的集合，睡眠响应特征数据集存在于用户睡眠信息数据库的各样本中，睡眠响应特征数据集是通过以智能枕作为主体进行调整，实现对用户或样本的睡眠状态的优化，本案中相似度对比采用欧式距离或余弦相似度对比。
[0099]
根据本发明实施例，所述根据所述睡眠响应特征数据集进行智能枕调控并监测所述用户的睡眠动态信息数据，具体为：
[0100]
所述睡眠响应特征数据集包括颈椎修正数据、音频激励数据、氧善数据、调温数据以及脑波激励数据；
[0101]
根据所述睡眠响应特征数据集的数据对智能枕进行姿态、音频、氧气、温度以及脑波电流的相应调控；
[0102]
监测调控后预设时间段内所述用户受到所述智能枕激励的睡眠动态信息数据；
[0103]
所述睡眠动态信息数据包括脑电波动态数据、体温动态数据、呼吸频谱动态数据以及心率波动数据。
[0104]
需要说明的是，睡眠响应特征数据集是为改善用户睡眠状态的调整、激励数据的集合，包括颈椎修正数据、音频激励数据、氧善数据、调温数据以及脑波激励数据，通过数据输入智能枕实现对用户颈椎仰角调整、脑电波电流激励、氧气释放、音频播放以及温度调整，通过智能枕的功能调整用户睡眠状态，目的是使用户的体温、心率、呼吸以及脑电波频谱调整到目标状态，完成对用户的激励和调控后监测用户的睡眠动态信息数据包括脑电波动态数据、体温动态数据、呼吸频谱动态数据以及心率波动数据。
[0105]
根据本发明实施例，所述根据所述用户在预设时间段内监测获取的睡眠动态信息数据进行阈值对比获得预警级别标识，具体为：
[0106]
获取用户的睡眠稳态阈值集，所述睡眠稳态阈值集包括脑电波动稳态阈值、体温稳态阈值、呼吸频谱稳态阈值以及心率稳态阈值；
[0107]
根据所述用户的睡眠动态信息数据与所述睡眠稳态阈值集的四项阈值对应进行比较；
[0108]
若所述睡眠动态信息数据的四项数据均大于所述睡眠稳态阈值集的对应阈值，则标记为一级预警标识；
[0109]
若所述脑电波动态数据、体温动态数据和心率波动数据分别大于所述对应阈值，则标记为二级预警标识；
[0110]
若所述脑电波动态数据和呼吸频谱动态数据分别大于所述对应阈值，则标记为三级预警标识；
[0111]
若所述体温动态数据和呼吸频谱动态数据分别大于所述对应阈值，则标记为四级预警标识。
[0112]
需要说明的是，完成智能枕对用户的激励和调控后，为检验智能枕调控的效果，通过在预设时间段内监测到的用户睡眠动态信息数据与预设的睡眠稳态阈值集进行对应数据阈值对比，再根据用户睡眠动态信息数据的四项数据与对应阈值进行对比，根据阈值对比结果进行预警级别的标识分类，以检验智能枕对用户的调控效果。
[0113]
根据本发明实施例，还包括：
[0114]
根据所述预警级别标识进行智能枕对应调控；
[0115]
若监控所述用户的预警级别标识为一级预警标识，则对智能枕进行姿态、音频、氧气、温度以及脑波电流的调控；
[0116]
若监控所述用户的预警级别标识为二级预警标识，则对智能枕进行氧气、温度以及脑波电流的调控；
[0117]
若监控所述用户的预警级别标识为三级预警标识，则对智能枕进行姿态、音频以及脑波电流的调控；
[0118]
若监控所述用户的预警级别标识为四级预警标识，则对智能枕进行音频、氧气以及温度的调控。
[0119]
需要说明的是，当完成对用户睡眠状态调整后的检验后，根据获得的预警标识级别对智能枕进行相应功能参数的再调整，以进一步优化用户的睡眠状态。
[0120]
根据本发明实施例，还包括：
[0121]
对智能枕完成调控后对用户睡眠动态信息数据进行跟踪监测；
[0122]
当监测到所述用户的脑电波动态数据达到预设稳态电波数据时，读取下一时间节点对应的呼吸频谱数据、体温数据以及心率数据；
[0123]
根据所述呼吸频谱数据、体温数据以及心率数据获取睡眠稳态特征参量；
[0124]
根据所述睡眠稳态特征参量进行预设值判断所述用户的睡眠状态。
[0125]
需要说明的是，为精准判断用户的睡眠状态，设置睡眠预设值，该预设值是用户睡眠达到目标稳定状态的参考值，根据用户睡眠稳态特征参量与该预设值进行对比，若所述睡眠稳态特征参量大于等于该预设值，则表示用户达到目标睡眠稳定状态，其中，对用户睡眠动态信息数据进行根据监测，当用户脑电波达到稳定的α波段时，即读取下一时间节点的呼吸频谱数据、体温数据以及心率数据，再根据呼吸频谱数据、体温数据以及心率数据计算出用户睡眠稳态特征参量，根据睡眠稳态特征参量与预设值的对比结果判断用户睡眠状态；
[0126]
其中，睡眠稳态特征参量的计算公式为：
[0127]
u＝εk φp γr/hs；
[0128]
ε、φ、γ为特征系数，k呼吸频谱数据，p为体温数据，r为心率数据，hs为睡眠动态阈值(根据用户睡眠状态可读取到的动态值)，u为睡眠稳态特征参量。
[0129]
如图4所示，本发明还公开了一种具有助眠功能的智能枕控制系统，包括存储器201和处理器202，所述存储器201中包括具有助眠功能的智能枕控制方法程序，所述具有助眠功能的智能枕控制方法程序被所述处理器202执行时实现如下步骤：
[0130]
获取用户的睡眠特征数据信息，根据所述睡眠特征数据信息结合环境信息获取睡眠个性数据；
[0131]
根据所述用户的睡眠个性数据在用户睡眠信息数据库中获取所述用户的睡眠响应特征数据集；
[0132]
根据所述睡眠响应特征数据集进行智能枕调控并监测所述用户的睡眠动态信息数据；
[0133]
根据所述用户在预设时间段内监测获取的睡眠动态信息数据进行阈值对比获得预警级别标识；
[0134]
根据所述预警级别标识进行智能枕对应调控。
[0135]
需要说明的是，为适应用户对智能枕的调控需求，获取用户的睡眠特征数据信息，再结合采集的环境信息获取睡眠个性数据，根据睡眠个性数据在用户睡眠信息数据库中查询符合相似度的目标睡眠特征样本找到睡眠响应特征数据集对智能枕进行调控并监控用户睡眠动态信息数据，再根据预设时间段内的睡眠动态信息数据与用户的睡眠稳态阈值集进行对比获得预警级别标识，再根据标识进行下一步调控，本方案中通过采集用户的睡眠数据参数结合环境数据获取适应于用户的睡眠调整数据，根据调整数据对智能枕进行调控以完成对用户睡眠状态的适应性调整，本案中的智能枕调控一般是根据用户颈椎姿态、脑电波、心率、呼吸以及体温进行的对应调控，包括颈椎仰角调整、脑电波激励、温度调控、氧气释放改善以及音频激励，通过得到的数据对智能枕进行调整以使用户睡眠质量获得改善。
[0136]
根据本发明实施例，所述获取用户的睡眠特征数据信息，根据所述睡眠特征数据信息结合环境信息获取睡眠个性数据，具体为：
[0137]
获取用户的睡眠特征数据信息包括身体特征信息、睡眠姿态数据、睡眠健康指数以及颈椎健康数据；
[0138]
获取用户睡眠所在的环境信息包括季节信息、时间信息以及室温数据；
[0139]
所述身体特征信息包括用户体重、年龄以及性别信息；
[0140]
所述睡眠健康指数和颈椎健康数据通过医疗平台获取；
[0141]
根据所述用户的睡眠特征数据信息结合所述环境信息在睡眠质量检测模型中获取睡眠个性数据。
[0142]
需要说明的是，为准确衡量用户预设时段的睡眠状况，根据获取的用户身体特征信息、睡眠姿态数据、颈椎健康数据以及环境信息通过睡眠质量检测模型获取用户的睡眠个性数据，为下一步获得用户睡眠响应数据建立数据基础，其中，用户的睡眠健康指数和颈椎健康数据通过第三方医疗平台进行获取。
[0143]
根据本发明实施例，所述根据所述用户的睡眠特征数据信息结合所述环境信息在睡眠质量检测模型中获取睡眠个性数据，具体为：
[0144]
建立睡眠质量检测模型；
[0145]
根据所述用户的身体特征信息、睡眠姿态数据、颈椎健康数据以及时间信息和室温数据输入所述睡眠质量检测模型中获得睡眠个性数据；
[0146]
所述睡眠个性数据包括稳态脑电频谱、稳态体温、颈椎仰角以及稳态心率。
[0147]
需要说明的是，为准确获取用户的睡眠个性数据，根据用户的身体特征信息、睡眠姿态数据、颈椎健康数据以及时间信息和室温数据输入至睡眠质量检测模型中获取睡眠个性数据，其中，睡眠质量检测模型是根据大量用户的多个历史时期的身体特征信息、睡眠姿态数据、颈椎健康数据和时间信息、室温数据以及睡眠个性数据进行训练获得，通过历史用户记录的身体特征信息、睡眠姿态数据、颈椎健康数据和时间信息、室温数据以及睡眠个性数据进行预处理得到训练样本集输入至初始化的睡眠质量检测模型进行训练获取输出结果的准确率，若准确率大于预设的准确率阈值则得到睡眠质量检测模型。
[0148]
根据本发明实施例，所述根据所述用户的睡眠个性数据在用户睡眠信息数据库中获取所述用户的睡眠响应特征数据集，具体为：
[0149]
根据所述用户的睡眠个性数据和身体特征信息以及环境信息获得深眠稳态系数；
[0150]
根据所述用户的深眠稳态系数在用户睡眠信息数据库中查询符合阈值对比要求的多个历史睡眠特征样本；
[0151]
根据所述多个历史睡眠特征样本查询符合相似度的所述用户的睡眠响应特征数据集。
[0152]
需要说明的是，为获取适应于用户睡眠状态的睡眠调整数据，获取适配的用户的睡眠响应特征数据集，睡眠响应特征数据集根据用户睡眠信息数据库中符合用户相似度要求的历史睡眠特征样本进行获取，首先根据用户的睡眠个性数据和身体特征信息以及环境信息通过计算获得深眠稳态系数，再根据用户的深眠稳态系数查询用户睡眠信息数据库中与用户的深眠稳态系数符合阈值对比要求的多个历史睡眠特征样本，筛选出的多个历史睡眠特征样本的深眠稳态系数满足于用户的阈值对比要求，再根据多个历史睡眠特征样本进行相似度筛选得出用户的睡眠响应特征数据集，本方案中用户睡眠信息数据库为第三方平台建立的用户数据库，多个历史睡眠特征样本的深眠稳态系数的对比阈值为85％；
[0153]
其中，深眠稳态系数计算公式为：
[0154][0155][0156]
t为深眠稳态系数，p为体温，f为脑电频谱，r为心率，n为预设时间段的时间节点个数，为n个时间节点中的第i个时间节点，po为稳态体温，fo为稳态脑电频谱，ro为稳态心率，ie为采集的用户睡眠活跃特征值，δ为睡眠特征系数，σ、为特征指数，a为用户年龄，b为用户体重，θ为采集的用户睡眠健康指数。
[0157]
根据本发明实施例，所述根据所述多个历史睡眠特征样本查询符合相似度的所述用户的睡眠响应特征数据集，具体为：
[0158]
获取多个所述历史睡眠特征样本的样本数据集；
[0159]
所述样本数据集包括体重、稳态脑电频谱、稳态体温、稳态心率以及室温数据；
[0160]
根据所述用户的体重、稳态脑电频谱、稳态体温、稳态心率以及室温数据与所述多个历史睡眠特征样本的样本数据集进行相似度对比获取符合相似度要求的目标睡眠特征样本；
[0161]
将所述目标睡眠特征样本的多个睡眠响应数据作为所述用户的睡眠响应特征数据集。
[0162]
需要说明的是，根据在用户睡眠信息数据库中查询的多个历史睡眠特征样本的样本数据集与用户的对应数据包括体重、稳态脑电频谱、稳态体温、稳态心率以及室温数据进行相似度对比筛选出相似度最大的历史睡眠特征样本作为目标睡眠特征样本，将目标睡眠特征样本的多个睡眠响应数据作为用户的睡眠响应特征数据集，所述睡眠响应特征数据集是为优化用户或样本的睡眠状态而针对用户或样本的睡眠数据进行激励和调整的多个睡眠响应数据的集合，睡眠响应特征数据集存在于用户睡眠信息数据库的各样本中，睡眠响应特征数据集是通过以智能枕作为主体进行调整，实现对用户或样本的睡眠状态的优化，本案中相似度对比采用欧式距离或余弦相似度对比。
[0163]
根据本发明实施例，所述根据所述睡眠响应特征数据集进行智能枕调控并监测所
述用户的睡眠动态信息数据，具体为：
[0164]
所述睡眠响应特征数据集包括颈椎修正数据、音频激励数据、氧善数据、调温数据以及脑波激励数据；
[0165]
根据所述睡眠响应特征数据集的数据对智能枕进行姿态、音频、氧气、温度以及脑波电流的相应调控；
[0166]
监测调控后预设时间段内所述用户受到所述智能枕激励的睡眠动态信息数据；
[0167]
所述睡眠动态信息数据包括脑电波动态数据、体温动态数据、呼吸频谱动态数据以及心率波动数据。
[0168]
需要说明的是，睡眠响应特征数据集是为改善用户睡眠状态的调整、激励数据的集合，包括颈椎修正数据、音频激励数据、氧善数据、调温数据以及脑波激励数据，通过数据输入智能枕实现对用户颈椎仰角调整、脑电波电流激励、氧气释放、音频播放以及温度调整，通过智能枕的功能调整用户睡眠状态，目的是使用户的体温、心率、呼吸以及脑电波频谱调整到目标状态，完成对用户的激励和调控后监测用户的睡眠动态信息数据包括脑电波动态数据、体温动态数据、呼吸频谱动态数据以及心率波动数据。
[0169]
根据本发明实施例，所述根据所述用户在预设时间段内监测获取的睡眠动态信息数据进行阈值对比获得预警级别标识，具体为：
[0170]
获取用户的睡眠稳态阈值集，所述睡眠稳态阈值集包括脑电波动稳态阈值、体温稳态阈值、呼吸频谱稳态阈值以及心率稳态阈值；
[0171]
根据所述用户的睡眠动态信息数据与所述睡眠稳态阈值集的四项阈值对应进行比较；
[0172]
若所述睡眠动态信息数据的四项数据均大于所述睡眠稳态阈值集的对应阈值，则标记为一级预警标识；
[0173]
若所述脑电波动态数据、体温动态数据和心率波动数据分别大于所述对应阈值，则标记为二级预警标识；
[0174]
若所述脑电波动态数据和呼吸频谱动态数据分别大于所述对应阈值，则标记为三级预警标识；
[0175]
若所述体温动态数据和呼吸频谱动态数据分别大于所述对应阈值，则标记为四级预警标识。
[0176]
需要说明的是，完成智能枕对用户的激励和调控后，为检验智能枕调控的效果，通过在预设时间段内监测到的用户睡眠动态信息数据与预设的睡眠稳态阈值集进行对应数据阈值对比，再根据用户睡眠动态信息数据的四项数据与对应阈值进行对比，根据阈值对比结果进行预警级别的标识分类，以检验智能枕对用户的调控效果。
[0177]
根据本发明实施例，还包括：
[0178]
根据所述预警级别标识进行智能枕对应调控；
[0179]
若监控所述用户的预警级别标识为一级预警标识，则对智能枕进行姿态、音频、氧气、温度以及脑波电流的调控；
[0180]
若监控所述用户的预警级别标识为二级预警标识，则对智能枕进行氧气、温度以及脑波电流的调控；
[0181]
若监控所述用户的预警级别标识为三级预警标识，则对智能枕进行姿态、音频以
及脑波电流的调控；
[0182]
若监控所述用户的预警级别标识为四级预警标识，则对智能枕进行音频、氧气以及温度的调控。
[0183]
需要说明的是，当完成对用户睡眠状态调整后的检验后，根据获得的预警标识级别对智能枕进行相应功能参数的再调整，以进一步优化用户的睡眠状态。
[0184]
根据本发明实施例，还包括：
[0185]
对智能枕完成调控后对用户睡眠动态信息数据进行跟踪监测；
[0186]
当监测到所述用户的脑电波动态数据达到预设稳态电波数据时，读取下一时间节点对应的呼吸频谱数据、体温数据以及心率数据；
[0187]
根据所述呼吸频谱数据、体温数据以及心率数据获取睡眠稳态特征参量；
[0188]
根据所述睡眠稳态特征参量进行预设值判断所述用户的睡眠状态。
[0189]
需要说明的是，为精准判断用户的睡眠状态，设置睡眠预设值，该预设值是用户睡眠达到目标稳定状态的参考值，根据用户睡眠稳态特征参量与该预设值进行对比，若所述睡眠稳态特征参量大于等于该预设值，则表示用户达到目标睡眠稳定状态，其中，对用户睡眠动态信息数据进行根据监测，当用户脑电波达到稳定的α波段时，即读取下一时间节点的呼吸频谱数据、体温数据以及心率数据，再根据呼吸频谱数据、体温数据以及心率数据计算出用户睡眠稳态特征参量，根据睡眠稳态特征参量与预设值的对比结果判断用户睡眠状态；
[0190]
其中，睡眠稳态特征参量的计算公式为：
[0191]
u＝εk φp γr/hs；
[0192]
ε、φ、γ为特征系数，k呼吸频谱数据，p为体温数据，r为心率数据，hs为睡眠动态阈值(根据用户睡眠状态可读取到的动态值)，u为睡眠稳态特征参量。
[0193]
本发明第三方面提供了一种可读存储介质，所述可读存储介质中包括具有助眠功能的智能枕控制方法程序，所述具有助眠功能的智能枕控制方法程序被处理器执行时，实现如上述任一项所述的具有助眠功能的智能枕控制方法的步骤。
[0194]
本发明公开的一种具有助眠功能的智能枕控制方法、系统及可读存储介质，通过获取用户的睡眠特征数据信息，根据睡眠特征数据信息结合环境信息获取睡眠个性数据，根据用户的睡眠个性数据在用户睡眠信息数据库中获取用户的睡眠响应特征数据集，根据睡眠响应特征数据集进行智能枕调控并监测用户的睡眠动态信息数据，根据用户在预设时间段内监测获取的睡眠动态信息数据进行阈值对比获得预警级别标识，根据预警级别标识进行智能枕对应调控；从而根据用户的睡眠数据信息结合环境信息获取睡眠响应数据进行智能枕调控并监测用户的睡眠动态信息进行预警，实现根据用户睡眠状态参数进行智能化采集和调控，提高智能枕的个性化、智能化，提升用户体验。
[0195]
在本技术所提供的几个实施例中，应该理解到，所揭露的设备和方法，可以通过其它的方式实现。以上所描述的设备实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，如：多个单元或组件可以结合，或可以集成到另一个系统，或一些特征可以忽略，或不执行。另外，所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口，设备或单元的间接耦合或通信连接，可以是电性的、机械的或其它形式的。
[0196]
上述作为分离部件说明的单元可以是、或也可以不是物理上分开的，作为单元显示的部件可以是、或也可以不是物理单元；既可以位于一个地方，也可以分布到多个网络单元上；可以根据实际的需要选择其中的部分或全部单元来实现本实施例方案的目的。
[0197]
另外，在本发明各实施例中的各功能单元可以全部集成在一个处理单元中，也可以是各单元分别单独作为一个单元，也可以两个或两个以上单元集成在一个单元中；上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。
[0198]
本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：移动存储设备、只读存储器(rom，read-only memory)、随机存取存储器(ram，random access memory)、磁碟或者光盘等各种可以存储程序代码的介质。
[0199]
或者，本发明上述集成的单元如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个可读取存储介质中。基于这样的理解，本发明实施例的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机、服务器、或者网络设备等)执行本发明各个实施例所述方法的全部或部分。而前述的存储介质包括：移动存储设备、rom、ram、磁碟或者光盘等各种可以存储程序代码的介质。