申请/专利权人：华北理工大学

申请日：2023-04-21

公开（公告）日：2024-03-12

公开（公告）号：CN116563887B

主分类号：G06V40/10

分类号：G06V40/10;G06V10/764;G06V10/80;G06V10/82;G06V10/774;G06V10/40;G06N3/0464;G06N3/048;G06N3/082;A61B5/11

优先权：

专利状态码：有效-授权

法律状态：2024.03.12#授权;2023.08.25#实质审查的生效;2023.08.08#公开

摘要：本发明涉及数据识别及记录载体处理技术领域，尤其涉及一种基于轻量化卷积神经网络的睡姿监测方法，包括：获取单个睡姿类别的若干样本，并根据各样本的各数据在采集面上进行睡姿映射，以形成睡姿矫正数据；对睡姿矫正数据进行处理并形成若干图像数据；各睡姿类别进行特征提取并获取对应的类别特征；对实时睡姿进行采集，并对完成存储的实时睡姿进行睡姿类别识别；将对实时睡姿的识别结果存储为睡姿监测数据；本发明克服了现有睡姿识别方法需要将传感器捆绑在人体上或使用相机存在隐私隐患的问题，利用使用大面积压力传感器采集人体睡姿，从而提高了在家居环境下监测睡姿的实用性。

主权项：1.一种基于轻量化卷积神经网络的睡姿监测方法，其特征在于，包括：设定预分类的睡姿类别，并在各睡姿类别下采集若干睡姿样本，获取单个睡姿类别的若干样本时，利用采集模块对单个睡姿类别的各睡姿样本在采集面上设置的第一传感器阵列对压力分布进行采集，以形成对应单个睡姿样本的第一睡姿数据，并将各第一睡姿数据进行存储；采集模块利用分布在所述采集面下设置的第二传感器阵列采集对应所述第一睡姿数据的第二睡姿数据，并将各第二睡姿数据进行存储；睡姿预分析模块读取各睡姿样本的第二睡姿数据，并根据所述第一睡姿数据对所述压力分布在采集面上进行睡姿映射，以形成睡姿矫正数据；所述睡姿预分析模块以第一预设处理方式对各所述睡姿矫正数据进行处理，以形成第一睡姿图像数据，以第二预设处理方式分别对所述第一睡姿数据以及所述第一睡姿图像数据进行处理，形成第二睡姿图像数据；睡姿分析模块利用各睡姿样本的所述第一睡姿图像数据以及第二睡姿图像数据构建预设网络构架，并利用预设网络构架对各所述睡姿类别分别进行特征提取，以获取各睡姿类别下的类别特征；所述睡姿分析模块控制所述采集模块对实时睡姿进行采集，并根据所述类别特征对完成存储的实时睡姿进行睡姿类别识别；将对实时睡姿识别的睡姿类别结果以及实时睡姿采集时间进行存储，形成睡姿监测数据；其中，所述第一睡姿数据为所述睡姿样本在所述采集面上产生的压力数据，所述第二睡姿数据为所述睡姿样本对所述采集面产生的形变因数，且，第二睡姿数据与第一睡姿数据在所述采集面的对应坐标上匹配；所述第一预设处理方式为将压力数据进行图像化处理，所述第二预设处理方式为通过反转、局部均衡化、睡姿分割以及形态学除噪将压力分布数据进行处理，所述第一睡姿图像数据为睡姿的睡姿压力图像，所述第二睡姿图像数据为睡姿的睡姿特征图像，所述睡姿映射为通过所述第二睡姿数据对产生形变的所述采集面进行的形变修正；所述睡姿预分析模块中设有最小映射压力阈值与最大破坏压力阈值，对于采集面中单个采集点，若其发生形变，所述睡姿预分析模块判定该采集点为形变采集点；其中，若所述形变采集点对应的所述第一睡姿数据不大于最小映射压力阈值，所述睡姿预分析模块判定不对该形变采集点进行补偿；若所述形变采集点对应的所述第一睡姿数据大于最小映射压力阈值，且，不大于最大破坏压力阈值，所述睡姿预分析模块判定对该形变采集点以第一预设映射方式进行补偿；若所述形变采集点对应的所述第一睡姿数据大于最大破坏压力阈值，所述睡姿预分析模块判定对该形变采集点以第二预设映射方式进行补偿，并对其四周相邻点进行第一预设映射方式进行补偿；其中，所述第一预设映射方式为所述睡姿预分析模块设定的形变补偿方式，所述第一预设映射方式为所述睡姿预分析模块设定的形变补偿值；所述预设网络构架为轻量化卷积神经网络睡姿识别网络框架。

全文数据：

权利要求：

百度查询： 华北理工大学 一种基于轻量化卷积神经网络的睡姿监测方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD