睡眠质量评估方法、装置、计算机设备及可读存储介质与流程

1.本技术涉及人工智能技术领域，具体而言，涉及一种睡眠质量评估方法、装置、计算机设备及可读存储介质。


背景技术：

2.现有技术中，大多采用判断采集的睡眠数据指标是否超过预设睡眠数据阈值的方案实现对用户睡眠质量的评估。而用户的睡眠数据情况多样，仅根据预设睡眠数据阈值来对用户的睡眠质量进行评估并不能准确地反应用户的真实睡眠质量。


技术实现要素：

3.本技术的目的在于提供一种睡眠质量评估方法、装置、计算机设备及可读存储介质。
4.第一方面，本技术实施例提供一种睡眠质量评估方法，应用于计算机设备，方法包括：
5.获取体动仪采集的睡眠数据；
6.将睡眠数据输入预置睡眠质量评估数据提取模型，得到至少一个睡眠质量评估数据；
7.根据至少一个睡眠质量评估数据的类型和参数值，将至少一个睡眠质量评估数据输入预置睡眠质量评估模型，得到睡眠质量评估参考结果；
8.根据睡眠质量评估参考结果以及睡眠质量评估参考结果对应的评估权重系数，计算得到睡眠质量评估目标结果。
9.在一种可能的实施方式中，获取体动仪采集的睡眠数据，包括：
10.向体动仪发起授权请示，接收体动仪反馈的包括预设用户睡眠时间段的授权通过指令；
11.基于授权通过指令，在预设用户睡眠时间段发送睡眠监控指令至体动仪，以使体动仪在预设用户睡眠时间段内持续运作；
12.当预设用户睡眠时间段结束时，发送睡眠数据采集指令至体动仪，接收体动仪反馈的睡眠数据。
13.在一种可能的实施方式中，预置睡眠质量评估数据提取模型通过以下方式获取，包括：
14.获取样本睡眠数据和睡眠数据对应的用户数据；
15.获取初始多分类任务联合训练模型；初始多分类任务联合训练模型包括第一特征提取网络和第二特征提取网络；
16.将样本睡眠数据输入第一特征提取网络，得到样本睡眠特征，将睡眠数据对应的用户数据输入第二特征提取网络，得到样本睡眠特征对应的样本用户特征；
17.根据样本睡眠特征和样本睡眠特征对应的样本用户特征对初始多分类任务联合
训练模型进行训练，在初始多分类任务联合训练模型对应的多任务损失函数满足预设条件时，得到预置睡眠质量评估数据提取模型。
18.在一种可能的实施方式中，预置睡眠质量评估模型通过以下方式获取，包括：
19.获取样本睡眠质量评估数据的类型和睡眠质量评估数据对应的参数值；
20.获取初始bp神经网络睡眠质量评估子模型，基于样本睡眠质量评估数据对应的参数值对初始bp神经网络睡眠质量评估子模型进行训练，得到用于对样本睡眠质量评估数据的类型进行睡眠质量评估的睡眠质量评估子模型；
21.将至少一个睡眠质量评估子模型作为预置睡眠质量评估模型。
22.在一种可能的实施方式中，在将睡眠数据输入预置睡眠质量评估数据提取模型之前，方法还包括：
23.将睡眠数据输入预置环境噪音识别模型，得到环境噪音识别结果；
24.根据环境噪音识别结果，对睡眠数据进行数据清洗，得到数据清洗后的睡眠数据。
25.在一种可能的实施方式中，根据睡眠质量评估参考结果以及睡眠质量评估参考结果对应的评估权重系数，计算得到睡眠质量评估目标结果，包括：
26.根据睡眠质量评估参考结果以及睡眠质量评估参考结果对应的评估权重系数，计算得到睡眠质量评估分数；
27.根据睡眠质量评估分数从预设睡眠质量评估表中确定出睡眠质量评估区间；
28.将睡眠质量评估区间对应睡眠质量评估标识作为睡眠质量评估目标结果。
29.在一种可能的实施方式中，根据睡眠质量评估参考结果以及睡眠质量评估参考结果对应的评估权重系数，计算得到睡眠质量评估分数，包括：
30.利用公式s＝a1*n1
…
ai*ni计算得到睡眠质量评估分数，其中，s为睡眠质量评估分数，ai为第i个类型的睡眠质量评估参考结果，ni为第i个类型的睡眠质量评估参考结果对应的评估权重系数。
31.第二方面，本技术实施例提供一种睡眠质量评估装置，应用于计算机设备，装置包括：
32.获取模块，用于获取体动仪采集的睡眠数据；
33.计算模块，用于将睡眠数据输入预置睡眠质量评估数据提取模型，得到至少一个睡眠质量评估数据；根据至少一个睡眠质量评估数据的类型和参数值，将至少一个睡眠质量评估数据输入预置睡眠质量评估模型，得到睡眠质量评估参考结果；
34.评估模块，用于根据睡眠质量评估参考结果以及睡眠质量评估参考结果对应的评估权重系数，计算得到睡眠质量评估目标结果。
35.第三方面，本技术实施例提供一种计算机设备，计算机设备包括处理器及存储有计算机指令的非易失性存储器，计算机指令被处理器执行时，计算机设备执行第一方面至少一种可能的实施方式中的睡眠质量评估方法。
36.第四方面，本技术实施例提供一种可读存储介质，可读存储介质包括计算机程序，计算机程序运行时控制可读存储介质所在计算机设备执行第一方面至少一种可能的实施方式中的睡眠质量评估方法。
37.相比现有技术，本技术提供的有益效果包括：采用本技术公开了一种睡眠质量评估方法、装置、计算机设备及可读存储介质，通过获取体动仪采集的睡眠数据；然后将睡眠
数据输入预置睡眠质量评估数据提取模型，得到至少一个睡眠质量评估数据；接着根据至少一个睡眠质量评估数据的类型和参数值，将至少一个睡眠质量评估数据输入预置睡眠质量评估模型，得到睡眠质量评估参考结果；最终根据睡眠质量评估参考结果以及睡眠质量评估参考结果对应的评估权重系数，计算得到睡眠质量评估目标结果，如此设计，能够针对不同的睡眠质量评估参考结果设置差异化的评估权重系数，准确地计算出睡眠质量评估目标结果。
附图说明
38.为了更清楚地说明本技术实施例的技术方案，下面将对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。
39.图1为本技术实施例提供的睡眠质量评估系统的交互示意图；
40.图2为本技术实施例提供的睡眠质量评估方法的步骤流程示意图；
41.图3为本技术实施例提供的睡眠质量评估装置的结构示意框图；
42.图4为本技术实施例提供的计算机设备的结构示意框图。
具体实施方式
43.为使本技术实施例的目的、技术方案和优点更加清楚，下面将结合本技术实施例中的附图，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。
44.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，都属于本技术保护的范围。
45.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。
46.在本技术的描述中，需要理解的是，术语“上”、“下”、“内”、“外”、“左”、“右”等指示的方位或位置关系为基于附图所示的方位或位置关系，或者是该申请产品使用时惯常摆放的方位或位置关系，或者是本领域技术人员惯常理解的方位或位置关系，仅是为了便于描述本技术和简化描述，而不是指示或暗示所指的设备或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本技术的限制。
47.此外，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。
48.在本技术的描述中，还需要说明的是，除非另有明确的规定和限定，“设置”、“连接”等术语应做广义理解，例如，“连接”可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接连接，也可以通过中间媒介间接连接，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以根据具体情况理解上述
术语在本技术中的具体含义。
49.下面结合附图，对本技术的具体实施方式进行详细说明。
50.图1是本公开一种实施例提供的睡眠质量评估系统的交互示意图。睡眠质量评估系统可以包括计算机设备100以及与计算机设备100通信连接的体动仪200。图1所示的睡眠质量评估系统仅为一种可行的示例，在其它可行的实施例中，该睡眠质量评估系统也可以仅包括图1所示组成部分的其中一部分或者还可以包括其它的组成部分。
51.本实施例中，计算机设备100可以包括移动设备、平板计算机、膝上型计算机等或其任意组合。在一些实施例中，移动设备可以包括智能家居设备、可穿戴设备、智能移动设备、虚拟现实设备、或增强现实设备等，或其任意组合。在一些实施例中，智能家居设备可以包括智能电器设备的控制设备、智能监控设备、智能电视、智能摄像机等，或其任意组合。在一些实施例中，可穿戴设备可包括智能手环、智能鞋带、智能玻璃、智能头盔、智能手表、智能服装、智能背包、智能配件等，或其任何组合。在一些实施例中，智能移动设备可以包括智能手机、个人数字助理、游戏设备等，或其任意组合。在一些实施例中，虚拟现实设备和/或增强现实设备可以包括虚拟现实头盔、虚拟现实玻璃、虚拟现实贴片、增强现实头盔、增强现实玻璃、或增强现实贴片等，或其任意组合。例如，虚拟现实设备和/或增强现实设备可以包括各种虚拟现实产品等。在本技术实施例中，体动仪200可以包括对人体具备音频数据采集、身体体态数采集等能力的体动仪200(actigraphy)。
52.本实施例中，睡眠质量评估系统中的计算机设备100和体动仪200可以通过配合执行以下方法实施例所描述的睡眠质量评估方法，具体计算机设备100和体动仪200的执行步骤部分可以参照以下方法实施例的详细描述。
53.为了解决前述背景技术中的技术问题，图2为本公开实施例提供的睡眠质量评估方法的流程示意图，本实施例提供的睡眠质量评估方法可以由图1中所示的计算机设备100执行，下面对该睡眠质量评估方法进行详细介绍。
54.步骤s201，获取体动仪200采集的睡眠数据。
55.步骤s202，将睡眠数据输入预置睡眠质量评估数据提取模型，得到至少一个睡眠质量评估数据。
56.步骤s203，根据至少一个睡眠质量评估数据的类型和参数值，将至少一个睡眠质量评估数据输入预置睡眠质量评估模型，得到睡眠质量评估参考结果。
57.步骤s204，根据睡眠质量评估参考结果以及睡眠质量评估参考结果对应的评估权重系数，计算得到睡眠质量评估目标结果。
58.在本技术实施例中，体动仪200可以是佩戴在用户的身上的，例如手腕或者脚踝处，体动仪200本身不会对用户的睡眠过程造成影响。在本技术实施例中，可以由具备数据处理能力的计算机设备100获取由体动仪200采集的睡眠数据，该睡眠数据主要包括用户在睡眠过程中产生的音频数据和形体数据。在本技术实施例中，可以将采集的包括多个数据的睡眠数据输入预置睡眠质量评估数据提取模型，以便从多个数据中提取出能够作为用户睡眠质量评估的参考依据的睡眠质量评估数据。再获取了睡眠质量评估数据之后，可以根据其类型和参数值，调用预置睡眠质量评估模型，得到睡眠质量评估参考结果，而为了能够直观的、且更加准确的展示睡眠质量评估结果，可以根据睡眠质量评估参考结果以及睡眠质量评估参考结果对应的评估权重系数，计算得到最终的睡眠质量评估目标结果。如此设
计，由于为睡眠质量评估参考结果设置了对应的评估权重系数，能够更加准确地反映出用户的睡眠质量。
59.在一种可能的实施方式中，前述步骤s201可以通过以下实施方式实现。
60.子步骤s201-1，向体动仪200发起授权请示，接收体动仪200反馈的包括预设用户睡眠时间段的授权通过指令。
61.子步骤s201-2，基于授权通过指令，在预设用户睡眠时间段发送睡眠监控指令至体动仪200，以使体动仪200在预设用户睡眠时间段内持续运作。
62.子步骤s201-3，当预设用户睡眠时间段结束时，发送睡眠数据采集指令至体动仪200，接收体动仪200反馈的睡眠数据。
63.在本技术实施例中，用户睡眠时间段内产生的声音或者动作可能会涉及隐私，因此为了保证用户的因此不被侵害，在获取体动仪200采集的用户睡眠数据时，需要先向体动仪200发起授权请示，而该授权请会展示给用户，例如，会在体动仪200或者与该体动仪200建立通信连接(例如蓝牙)关系的移动终端上显示“是否同意采集睡眠数据？”。而在用户确定之后，体动仪200便可以返回给计算机设备100授权通过指令，而该授权通过指令中可以包括预设用户睡眠时间段，该预设用户睡眠时间段可以是用户在接收到授权请示时同步设定的，也可以是由用户预先设定的，还可以是计算机设备100默认自动设定的，在此不作限制。应当理解的是，在设定了预设用户睡眠时间段后，一旦预设用户睡眠时间段结束，那么体动仪200会直接停止对用户的睡眠数据的采集，以保证从根本上保护用户隐私，具体的措施可以是停用体动仪200的麦克风、陀螺仪等器件。
64.相应的，在设定好预设用户睡眠时间段后，一旦达到预设用户睡眠时间段，那么体动仪200便开始持续采集用户的睡眠数据，直至预设用户睡眠时间段结束。而当预设用户睡眠时间段结束时，计算机设备100便可以通过发送睡眠数据采集指令至体动仪200，以便接收睡眠数据。在本技术实施例的其他实施方式中，也可以在预设用户睡眠时间段开始时，计算机设备100发送睡眠数据采集指令至体动仪200，以便实时接收睡眠数据，在此不作限制。
65.在一种可能的实施方式中，预置睡眠质量评估数据提取模型通过以下方式获取，包括：
66.步骤s301，获取样本睡眠数据和睡眠数据对应的用户数据。
67.步骤s302，获取初始多分类任务联合训练模型。
68.其中，初始多分类任务联合训练模型包括第一特征提取网络和第二特征提取网络。
69.步骤s303，将样本睡眠数据输入第一特征提取网络，得到样本睡眠特征，将睡眠数据对应的用户数据输入第二特征提取网络，得到样本睡眠特征对应的样本用户特征。
70.步骤s304，根据样本睡眠特征和样本睡眠特征对应的样本用户特征对初始多分类任务联合训练模型进行训练，在初始多分类任务联合训练模型对应的多任务损失函数满足预设条件时，得到预置睡眠质量评估数据提取模型。
71.在本技术实施例中，预置睡眠质量评估数据提取模型的作用为从睡眠数据中找到能够作为睡眠质量评估的参考依据的睡眠质量评估数据的类型，因此在训练过程中，可以以样本睡眠数据和样本睡眠质量评估数据作为输入和输出，利用反向传播法等方式进行训练。而为了能够进一步提高预置睡眠质量评估数据提取模型的准确度，加入了样本用户数
据提取模型参与训练。首先可以获取初始多分类任务联合训练模型，该初始多分类任务联合训练模型包括第一特征提取网络和第二特征提取网络，分别将样本睡眠数据和其对应的样本用户数据输入第一特征提取网络和第二特征提取网络进行特征提取，再输入各自对应的全连接层，得到样本睡眠数据和其对应的样本用户数据的输出结果，结合样本睡眠质量评估数据进行训练。值得说明的是，样本睡眠数据对应的样本用户数据，可以理解为辅助数据，例如样本睡眠数据为打鼾音频数据，该打鼾音频数据对应的样本用户数据为“男、40岁、体重80kg、身高170cm。”，采用多任务的，结合样本睡眠数据对应的样本用户数据训练得到的预置睡眠质量评估数据提取模型，相较于仅使用样本睡眠数据和样本睡眠质量评估数据得到的模型，其准确度更高。应当理解的是，上述样本睡眠数据和样本睡眠数据对应的用户数据仅为举例，两者之间存在强关联关系即可，在此不作限制。
72.在一种可能的实施方式中，预置睡眠质量评估模型通过以下方式获取，包括：
73.步骤s401，获取样本睡眠质量评估数据的类型和睡眠质量评估数据对应的参数值。
74.步骤s402，获取初始bp神经网络睡眠质量评估子模型，基于样本睡眠质量评估数据对应的参数值对初始bp神经网络睡眠质量评估子模型进行训练，得到用于对样本睡眠质量评估数据的类型进行睡眠质量评估的睡眠质量评估子模型。
75.步骤s403，将至少一个睡眠质量评估子模型作为预置睡眠质量评估模型。
76.在本技术实施例中，样本睡眠质量评估数据的类型可以为打鼾音频数据，而打鼾音频数据对应的参数值可以是70分贝。可以设定一个预设打鼾音频数据阈值50分贝，即超出50分贝的打鼾音频数据，则认为是对睡眠质量产生影响的病理性打鼾，而低于50分贝的打鼾音频数据，则认为是对睡眠质量没有影响的生理性打鼾。至此，可以将多个打鼾音频数据对应的分贝输入初始bp神经网络睡眠质量评估子模型进行训练，得到能够对打鼾音频数据这一样本睡眠质量评估数据的类型进行评估的睡眠质量评估子模型。应当理解的是，在本技术实施例中，预置睡眠质量评估模型可以由多个睡眠质量评估子模型构成，即能够处理多种影响睡眠质量的情况的分析，而当某个子模型判定对应的输出为影响睡眠质量的输出时，则输出“1”，否则，输出“0”。例如，预置睡眠质量评估模型包括用于由打鼾音频数据(参数值为分贝，阈值为50分贝)以及梦话音频数据(参数值为持续时间，阈值为持续10s)训练得到的两个睡眠质量评估子模型构成，当用户打鼾的分贝为70分别，梦话持续时间为5s是，分别在对应的睡眠质量评估子模型输出“1”和“0”。应当理解的是，上述例子仅为对方案进行解释说明，在实际使用中，各个睡眠质量评估子模型对应的阈值可以是多个条件的组合，例如“分贝 持续时长”，也可以是其他组合，在此不做限定。应当理解的是，在本技术实施例中，睡眠质量评估数据
77.在一种可能的实施方式中，在将睡眠数据输入预置睡眠质量评估数据提取模型之前，方法还包括：
78.将睡眠数据输入预置环境噪音识别模型，得到环境噪音识别结果；
79.根据环境噪音识别结果，对睡眠数据进行数据清洗，得到数据清洗后的睡眠数据。
80.应当理解的是，采集的睡眠数据中会存在环境噪音，例如，屋外工地作噪音、大车经过噪音、家中宠物噪音、家属起夜噪音等。为了能够进一步保证后续评估的准确性，可以对睡眠数据进行数据清洗。在本技术实施例中，数据清洗的方式可以是将睡眠数据输入预
置环境噪音识别模型，得到环境噪音识别结果，然后对涉及的睡眠数据进行剔除处理，得到清洗后的睡眠数据，然后再执行前述步骤s201至步骤s204的流程，便可以准确地实现对睡眠质量的评估。
81.在一种可能的实施方式中，前述步骤s204可以通过以下详细的步骤执行。
82.子步骤s204-1，根据睡眠质量评估参考结果以及睡眠质量评估参考结果对应的评估权重系数，计算得到睡眠质量评估分数。
83.子步骤s204-2，根据睡眠质量评估分数从预设睡眠质量评估表中确定出睡眠质量评估区间。
84.子步骤s204-3，将睡眠质量评估区间对应睡眠质量评估标识作为睡眠质量评估目标结果。
85.在本技术实施例中，为了能够准确地对用户的睡眠质量进行评估，可以预先设定预设睡眠质量评估表，该预设睡眠质量评估表可以包括多个睡眠质量评估区间，每个睡眠质量评估区间可以对应为一个分段，例如睡眠质量评估区间可以包括高质量睡眠、一般质量睡眠和低质量睡眠。可以对应为每个睡眠质量评估区间设定睡眠质量评估标识，为了能够直观的给用户展示出睡眠质量评估结果，高质量睡眠的睡眠质量评估标识可以为“绿色笑脸”，一般质量睡眠的睡眠质量评估标识可以为“黄色无表情脸”，低质量睡眠的睡眠质量评估标识可以为“红色哭脸”。在本技术实施例的其他实施方式中，也可以设置其他样式的睡眠质量评估标识作为睡眠质量评估目标结果。
86.在一种可能的实施方式中，为了能够更加清楚地描述本技术实施例提供的方案，前述子步骤s204-1可以通过以下具体的实施方式得到。
87.利用公式s＝a1*n1
…
ai*8计算得到睡眠质量评估分数，其中，s为睡眠质量评估分数，ai为第i个类型的睡眠质量评估参考结果，ni为第i个类型的睡眠质量评估参考结果对应的评估权重系数。
88.在本技术实施例中，可以为不同的睡眠质量评估参考结果设置不同的评估权重系数，例如，现有打鼾、梦话、翻身三个睡眠质量评估参考结果，分别为期设置不同的评估权重系数0.5、0.3、0.2。而通过前述步骤，判断出用户存在打鼾和梦话的情况，此时的睡眠质量评估分数为1*0.5 1*0.3＝0.8。然后便可以根据0.8所在分段对应的睡眠质量评估区间，得到睡眠质量评估标识，最终准确的地确定出睡眠质量评估目标结果。
89.通过本技术实施例提供的睡眠质量评估方法，巧妙了地利用了用户数据参与模型训练过程，提高了预置睡眠质量评估模型的准确性，最后为不同的睡眠质量评估参考结果设置不同的评估权重系数，得到睡眠质量评估目标结果。
90.本技术实施例提供一种睡眠质量评估装置110，应用于计算机设备100，请结合参阅图3，装置包括：
91.获取模块1101，用于获取体动仪200采集的睡眠数据；
92.计算模块1102，用于将睡眠数据输入预置睡眠质量评估数据提取模型，得到至少一个睡眠质量评估数据；根据至少一个睡眠质量评估数据的类型和参数值，将至少一个睡眠质量评估数据输入预置睡眠质量评估模型，得到睡眠质量评估参考结果；
93.评估模块1103，用于根据睡眠质量评估参考结果以及睡眠质量评估参考结果对应的评估权重系数，计算得到睡眠质量评估目标结果。
94.在一种可能的实施方式中，获取模块1101具体用于：
95.向体动仪200发起授权请示，接收体动仪200反馈的包括预设用户睡眠时间段的授权通过指令；基于授权通过指令，在预设用户睡眠时间段发送睡眠监控指令至体动仪200，以使体动仪200在预设用户睡眠时间段内持续运作；当预设用户睡眠时间段结束时，发送睡眠数据采集指令至体动仪200，接收体动仪200反馈的睡眠数据。
96.在一种可能的实施方式中，获取模块1101还用于：
97.获取样本睡眠数据和睡眠数据对应的用户数据；获取初始多分类任务联合训练模型；初始多分类任务联合训练模型包括第一特征提取网络和第二特征提取网络；将样本睡眠数据输入第一特征提取网络，得到样本睡眠特征，将睡眠数据对应的用户数据输入第二特征提取网络，得到样本睡眠特征对应的样本用户特征；根据样本睡眠特征和样本睡眠特征对应的样本用户特征对初始多分类任务联合训练模型进行训练，在初始多分类任务联合训练模型对应的多任务损失函数满足预设条件时，得到预置睡眠质量评估数据提取模型。
98.在一种可能的实施方式中，获取模块1101还用于：
99.获取样本睡眠质量评估数据的类型和睡眠质量评估数据对应的参数值；获取初始bp神经网络睡眠质量评估子模型，基于样本睡眠质量评估数据对应的参数值对初始bp神经网络睡眠质量评估子模型进行训练，得到用于对样本睡眠质量评估数据的类型进行睡眠质量评估的睡眠质量评估子模型；将至少一个睡眠质量评估子模型作为预置睡眠质量评估模型。
100.在一种可能的实施方式中，计算模块1102还用于：
101.将睡眠数据输入预置环境噪音识别模型，得到环境噪音识别结果；根据环境噪音识别结果，对睡眠数据进行数据清洗，得到数据清洗后的睡眠数据。
102.在一种可能的实施方式中，评估模块1103具体用于：
103.根据睡眠质量评估参考结果以及睡眠质量评估参考结果对应的评估权重系数，计算得到睡眠质量评估分数；根据睡眠质量评估分数从预设睡眠质量评估表中确定出睡眠质量评估区间；将睡眠质量评估区间对应睡眠质量评估标识作为睡眠质量评估目标结果。
104.在一种可能的实施方式中，评估模块1103进一步具体用于：
105.利用公式s＝a1*n1
…
ai*ni计算得到睡眠质量评估分数，其中，s为睡眠质量评估分数，ai为第i个类型的睡眠质量评估参考结果，ni为第i个类型的睡眠质量评估参考结果对应的评估权重系数。
106.需要说明的是，前述睡眠质量评估装置110的实现原理可以参考前述睡眠质量评估方法的实现原理，在此不再赘述。应理解以上装置的各个模块的划分仅仅是一种逻辑功能的划分，实际实现时可以全部或部分集成到一个物理实体上，也可以物理上分开。且这些模块可以全部以软件通过处理元件调用的形式实现；也可以全部以硬件的形式实现；还可以部分模块通过处理元件调用软件的形式实现，部分模块通过硬件的形式实现。例如，获取模块1101可以为单独设立的处理元件，也可以集成在上述装置的某一个芯片中实现，此外，也可以以程序代码的形式存储于上述装置的存储器中，由上述装置的某一个处理元件调用并执行以上获取模块1101的功能。其它模块的实现与之类似。此外这些模块全部或部分可以集成在一起，也可以独立实现。这里所描述的处理元件可以是一种集成电路，具有信号的处理能力。在实现过程中，上述方法的各步骤或以上各个模块可以通过处理器元件中的硬
件的集成逻辑电路或者软件形式的指令完成。
107.例如，以上这些模块可以是被配置成实施以上方法的一个或多个集成电路，例如：一个或多个特定集成电路(application specific integrated circuit，asic)，或，一个或多个微处理器(digital signal processor，dsp)，或，一个或者多个现场可编程门阵列(field programmable gate array，fpga)等。再如，当以上某个模块通过处理元件调度程序代码的形式实现时，该处理元件可以是通用处理器，例如中央处理器(centralprocessing unit，cpu)或其它可以调用程序代码的处理器。再如，这些模块可以集成在一起，以片上系统(system-on-a-chip，soc)的形式实现。
108.本技术实施例提供一种计算机设备100，计算机设备100包括处理器及存储有计算机指令的非易失性存储器，计算机指令被处理器执行时，计算机设备100执行前述的睡眠质量评估装置110。如图4所示，图4为本技术实施例提供的计算机设备100的结构框图。计算机设备100包括睡眠质量评估装置110、存储器111、处理器112及通信单元113。
109.为实现数据的传输或交互，存储器111、处理器112以及通信单元113各元件相互之间直接或间接地电性连接。例如，可通过一条或多条通讯总线或信号线实现这些元件相互之间电性连接。睡眠质量评估装置110包括至少一个可以软件或固件(firmware)的形式存储于存储器111中或固化在计算机设备100的操作系统(operating system，os)中的软件功能模块。处理器112用于执行存储器111中存储的睡眠质量评估装置110，例如睡眠质量评估装置110所包括的软件功能模块及计算机程序等。
110.本技术实施例提供一种可读存储介质，可读存储介质包括计算机程序，计算机程序运行时控制可读存储介质所在计算机设备执行前述的睡眠质量评估方法。
111.出于说明目的，前面的描述是参考具体实施例而进行的。但是，上述说明性论述并不打算穷举或将本公开局限于所公开的精确形式。根据上述教导，众多修改和变化都是可行的。选择并描述这些实施例是为了最佳地说明本公开的原理及其实际应用，从而使本领域技术人员最佳地利用本公开，并利用具有不同修改的各种实施例以适于预期的特定应用。出于说明目的，前面的描述是参考具体实施例而进行的。但是，上述说明性论述并不打算穷举或将本公开局限于所公开的精确形式。根据上述教导，众多修改和变化都是可行的。选择并描述这些实施例是为了最佳地说明本公开的原理及其实际应用，从而使本领域技术人员最佳地利用本公开，并利用具有不同修改的各种实施例以适于预期的特定应用。