CN111012132A - 基于枕头的睡眠状态调整方法、装置及智能枕头 - Google Patents

Abstract

本公开涉及智能家居技术领域，具体涉及一种基于枕头的睡眠状态调整方法、装置及智能枕头，方法包括：获取监测对象在第一预设时刻的身体状态数据；根据身体状态数据，构建用于表征人体状态的特征向量，并将构建的特征向量投入到训练后的SVM模型，以获得监测对象在第一预设时刻的睡眠状态；当监测对象在第一预设时刻的睡眠状态不是浅睡眠状态时，调节枕头的高度，直至监测对象的睡眠状态调整为浅睡眠状态。解决了现有技术中不能调整用户当前的睡眠状态为浅睡眠状态，从而实现唤醒动作的问题。

Description

基于枕头的睡眠状态调整方法、装置及智能枕头

技术领域

本公开涉及智能家居技术领域，特别地涉及一种基于枕头的睡眠状态调整方法、装置及智能枕头。

背景技术

众所周知，睡眠的质量会关系到人体大脑和神经的作息，直接的影响个人的精神状态，甚至是生活质量。当人们处于睡眠状态中时，大脑和身体得到休息、休整和恢复，高质量的睡眠有助于人们提高人们的日常的工作和学习，所以睡眠对于人体的健康有着十分重要的意义。

在不同的睡眠状态对用户进行唤醒，会得到不同的结果。有时对用户进行唤醒，用户会立刻醒来，并且精神状态很好；有时对用户进行唤醒，需要费很大的工夫才能唤醒用户，而且用户醒来后的精神状态很不好。经过研究发现，出现这种情况是因为用户处于不同的睡眠周期被叫醒所致，通常在浅睡眠的用户很容易被唤醒；而在深睡眠的人们则不容易被唤醒。

在日常生活和工作中，用户通常会通过闹钟来进行唤醒，以避免上班迟到的问题，传统的闹钟在预设好的时刻会通过播放音乐进行唤醒。有些用户在被闹铃吵醒后，一整天的状态会不甚理想，而因此影响工作，学习效率。而现有技术中不能调整用户当前的睡眠状态为浅睡眠状态，从而实现唤醒动作。

发明内容

针对上述问题，本公开提供一种基于枕头的睡眠状态调整方法、装置及智能枕头，解决了现有技术中不能调整用户当前的睡眠状态为浅睡眠状态，从而实现唤醒动作的问题。

第一方面，本公开提供了一种基于枕头的睡眠状态调整方法，所述方法包括：

获取监测对象在第一预设时刻的身体状态数据；

根据所述身体状态数据，构建用于表征人体状态的特征向量，并将构建的特征向量投入到训练后的SVM模型，以获得所述监测对象在第一预设时刻的睡眠状态；

当所述监测对象在第一预设时刻的睡眠状态不是浅睡眠状态时，调节枕头的高度，直至所述监测对象的睡眠状态调整为浅睡眠状态。

根据本公开的实施例，可选的，上述基于枕头的睡眠状态调整方法中，还包括：当所述监测对象在调整枕头高度后的睡眠状态是浅睡眠状时，在第二预设时刻执行唤醒操作，其中，所述第一预设时刻在所述第二预设时刻之前

根据本公开的实施例，可选的，上述基于枕头的睡眠状态调整方法中，所述唤醒动作包括振动唤醒、语音唤醒以及光线唤醒中的至少一种。

根据本公开的实施例，可选的，上述基于枕头的睡眠状态调整方法中，所述SVM模型通过以下步骤训练获得：

获取多个用于表征人体状态的特征向量，及每个特征向量对应的睡眠状态的特征向量集；其中，每个所述特征向量至少包括一种身体状态数据；

利用核函数对所述特征向量集进行训练，得到训练后的SVM模型。

根据本公开的实施例，可选的，上述基于枕头的睡眠状态调整方法中，利用核函数对所述特征向量集进行训练，得到训练好的SVM模型之前，还包括：

判断核函数的参数与惩罚因子的内积值是否小于预设值；

当所述内积值小于预设值时，通过遗传算法调整核函数的参数与惩罚因子，直至核函数的参数与惩罚因子的内积值大于等于预设值。

根据本公开的实施例，可选的，上述基于枕头的睡眠状态调整方法中，所述身体状态数据包括人体的心率数据、呼吸数据以及人体动作数据，根据所述当前身体状态数据，构建用于表征人体状态的特征向量，包括：将心率数据、呼吸数据以及人体动作数据构成一个特征向量。

第二方面，本公开提供一种基于枕头的睡眠状态调整装置，该装置包括：

信息获取模块，被配置成获取监测对象在第一预设时刻的身体状态数据；

控制模块，被配置成根据所述当前身体状态数据，构建用于表征人体状态的特征向量，并将构建的特征向量投入到训练后的SVM模型，以获得所述监测对象在第一预设时刻的睡眠状态；

执行模块，，被配制成当所述监测对象在第一预设时刻的睡眠状态不是浅睡眠状态时，调节枕头的高度，以使所述监测对象的睡眠状态调整为浅睡眠状态。

第三方面，本公开提供了一种存储介质，该存储介质存储的计算机程序，可被一个或多个处理器执行，可用来实现如上述的基于枕头的睡眠状态调整方法。

第四方面，本公开提供了一种智能枕头，包括枕头本体、多个传感器、控制器、存储器以及枕头高度调节装置；

所述多个传感器设置于所述枕头本体上，并用于获取监测对象在第一预设时刻的身体状态数据；

所述控制器用于根据所述身体状态数据，构建用于表征人体状态的特征向量，并将构建的特征向量投入到训练后的SVM模型，以获得所述监测对象在第一预设时刻的睡眠状态，以及在第一预设时刻所述睡眠状态不是浅睡眠状态时，发送高度调节指令给所述枕头高度调节装置；

所述枕头高度调节装置用于根据处理器发送的高度调节指令调节枕头的高度，以使所述监测对象的睡眠状态调整为浅睡眠状态。

与现有技术相比，上述方案中的一个或多个实施例可以具有如下优点或有益效果：

本公开提供的一种基于枕头的睡眠状态调整方法、装置及智能枕头，包括：获取监测对象在第一预设时刻的身体状态数据；根据身体状态数据，构建用于表征人体状态的特征向量，并将构建的特征向量投入到训练后的SVM模型，以获得监测对象在第一预设时刻的睡眠状态；当监测对象在第一预设时刻的睡眠状态不是浅睡眠状态时，调节枕头的高度，直至监测对象的睡眠状态调整为浅睡眠状态。通过用户自身的睡眠参数，得到用户的睡眠状态，从而为唤醒动作操作提供了先决条件，避免暴力唤醒，解决了现有技术中不能调整用户当前的睡眠状态为浅睡眠状态，从而实现唤醒动作。

附图说明

在下文中将基于实施例并参考附图来对本公开进行更详细的描述：

图1为本公开实施例提供的一种基于枕头的睡眠状态调整方法的流程示意图；

图2为本公开实施例提供的一种基于枕头的睡眠状态调整方法的另一流程示意图；

图3为本公开实施例提供的一种智能枕头的连接图；

图4为本公开实施例提供的一种基于枕头的睡眠状态调整装置的连接框图；

图5为本公开实施例提供的另一种基于枕头的睡眠状态调整装置的连接框图。

在附图中，相同的部件使用相同的附图标记，附图并未按照实际的比例绘制。

具体实施方式

以下将结合附图及实施例来详细说明本公开的实施方式，借此对本公开如何应用技术手段来解决技术问题，并达到相应技术效果的实现过程能充分理解并据以实施。本公开实施例以及实施例中的各个特征，在不相冲突前提下可以相互结合，所形成的技术方案均在本公开的保护范围之内。

本公开提供一种基于枕头的睡眠状态调整方法、装置及智能枕头，包括：获取监测对象在第一预设时刻的身体状态数据；根据身体状态数据，构建用于表征人体状态的特征向量，并将构建的特征向量投入到训练后的SVM模型，以获得监测对象在第一预设时刻的睡眠状态；当监测对象在第一预设时刻的睡眠状态不是浅睡眠状态时，调节枕头的高度，直至监测对象的睡眠状态调整为浅睡眠状态。解决了现有技术中不能调整用户当前的睡眠状态为浅睡眠状态，从而实现唤醒动作。

实施例一

图1为本公开实施例提供的一种基于枕头的睡眠状态调整方法的流程示意图，如图1所示，该方法包括：

步骤S110：获取监测对象在第一预设时刻的身体状态数据。

上述获取监测对象的当前身体状态数据可以是通过设置在枕头上的生物传感器获取该监测对象的当前身体状态数据，也可以是通过监测对象的穿戴设备获取该监测对象的当前身体状态数据。

步骤S120：根据身体状态数据，构建用于表征人体状态的特征向量，并将构建的特征向量投入到训练后的SVM(Support Vector Machine，支持向量机)模型，以获得监测对象在第一预设时刻的睡眠状态；当监测对象在第一预设时刻的睡眠状态不是浅睡眠状态时，调节枕头的高度，直至监测对象的睡眠状态调整为浅睡眠状态。

其中，睡眠状态包括：入睡状态、浅睡眠状态、熟睡眠状态、深睡眠状态以及REM(rapid eyes movement，异相睡眠)睡眠状态。

进一步的，SVM模型通过以下步骤训练获得：获取包括多个用于表征人体状态的特征向量，及每个特征向量对应的睡眠状态的特征向量集；其中，每个特征向量至少包括一种身体状态数据；利用核函数对特征向量集进行训练，得到训练后的SVM模型。

进一步的，身体状态数据包括人体的心率数据、呼吸数据以及人体动作数据等等。

具体的，采用SEN0203心率传感器获取当前人体的心率数据，HKH-11C呼吸传感器获取当前人体的呼吸数据，采用HC-SR510传感器获取当前人体动作数据。

进一步的，通过模糊C均值聚类算法(Fuzzy C-Mean Clustering，FCM)获取每条人体状态信息的特征向量，并为每个特征向量确定对应的人体状态，得到特征向量集。

具体的，通过模糊C均值聚类算法将同一条身体状态数据中的心率数据、呼吸数据以及人体动作数据构成一个特征向量，并对得到的所有特征向量进行分类，为每个特征向量确定对应的睡眠状态。

进一步的，利用核函数对对特征向量集进行训练，以得到训练后的SVM模型之前，还包括：判断核函数的参数g与惩罚因子c的内积值是否小于预设值，当内积值小于预设值时，通过遗传算法(Genetic algorithm，GA)调整核函数的参数与惩罚因子，直至核函数的参数与惩罚因子的内积值大于等于预设值。通过对核函数的参数g与惩罚因子c的内积值的调整，提升了核函数的准确性，提升了利用核函数对特征向量集进行训练得到的SVM模型的识别结果的可靠性。

进一步的，获取每条身体状态数据的特征向量，并为该特征向量确定对应的睡眠状态，得到特征向量集，包括：将同一条身体状态数据的心率数据、呼吸数据以及人体动作数据构成一个特征向量，并对得到的所有特征向量进行分类，为每个特征向量确定对应的睡眠状态，得到特征向量集。

具体的，采用模糊C均值聚类算法将同一条身体状态数据中的心率数据、呼吸数据以及人体动作数据构成一个特征向量，并对得到的所有特征向量进行分类，为每个特征向量确定对应的睡眠状态。

步骤S130：当监测对象在第一预设时刻的睡眠状态不是浅睡眠状态时，调节枕头的高度，以使监测对象的睡眠状态调整为浅睡眠状态。

具体的，调节枕头的高度改变当前身体状态数据，以调整睡眠状态可以是调节枕头内部可调气垫的饱和度以刺激用户头部姿势，进而达到切换用户睡眠状态的目的，也可以是持续轻微的波动来刺激用户头部姿势，进而达到切换用户睡眠状态的目的。

进一步的，调节枕头的高度，直至监测对象的睡眠状态调整为浅睡眠状态包括：获取调整枕头高度后的身体状态数据；根据调整枕头高度后的身体状态数据，利用训练后的SVM模型获得监测对象在调整枕头高度后的睡眠状态；当监测对象在调整枕头高度后的睡眠状态是浅睡眠状时，停止调节枕头的高度。

进一步的，当监测对象在调整枕头高度后的睡眠状态是浅睡眠状时，在第二预设时刻执行唤醒操作。

其中，第一预设时刻在第二预设时刻之前。

具体的，唤醒方式包括：振动唤醒、语音唤醒以及光线唤醒中的至少一种。

具体的，上述唤醒方式可以是枕头在第二时刻振动进行唤醒，也可以是在第二时刻播放预先设置好的语音、音乐等进行唤醒，还可以是在第二时刻室内照明设备光线改变进行唤醒。

进一步的，第二预设时刻为用户预设的唤醒时刻，第一预设时刻在第二预设时刻之前半个小时至一个小时以内。通过在第一预设时刻判断用户的睡眠状态，从而改变枕头高度实现用户睡眠状态的改变，保证用户在预设的唤醒时刻处于浅睡眠状态，进行唤醒，避免了暴力唤醒，使得用户在唤醒后能够保持良好的精神状态。

如图2所示，通过传感器获取用户在第一预设时刻的身体状态数据；根据身体状态数据，构建用于表征人体状态的特征向量；并将构建的特征向量投入到训练后的SVM模型，直至监测对象在第一预设时刻的睡眠状态；判断睡眠状态是否为浅睡眠状态；当监测对象在第一预设时刻的睡眠状态不是浅睡眠状态时，调节枕头的高度，获取调节枕头高度后的身体状态数据，直至监测对象的睡眠状态为浅睡眠状态。

当监测对象在调整枕头高度后的睡眠状态是浅睡眠状时，在第二预设时刻执行唤醒操作。

其中，第一预设时刻在第二预设时刻之前。

当在第一预设时刻用户的睡眠状态不是浅睡眠状态时，调节枕头的高度，以调整用户的睡眠状态，获取调整枕头高度后用户的身体状态数据，再次构建用于表征人体状态的特征向量，并将构建的特征向量投入到训练后的SVM模型，以获得用户的当前睡眠状态，直到在第一预设时刻用户的睡眠状态为浅睡眠状态，在第二预设时刻执行唤醒动作。

其中，本实施例中涉及的算法具备自我更新的能力，可根据用户实际睡眠状况更改并进行完善。且算法所需数据根植于用户个人实际睡眠数据，深度契合了用户睡眠习惯，保证了算法的准确性。

其中，本实施例中涉及的硬件开销低，算法复杂度低，可轻易嵌入到小内存设备中。

本实施例提供一种基于枕头的睡眠状态调整方法、装置及智能枕头，该方法包括：获取监测对象在第一预设时刻的身体状态数据；根据身体状态数据，构建用于表征人体状态的特征向量，并将构建的特征向量投入到训练后的SVM模型，以获得监测对象在第一预设时刻的睡眠状态；当监测对象在第一预设时刻的睡眠状态不是浅睡眠状态时，调节枕头的高度，直至监测对象的睡眠状态调整为浅睡眠状态。通过用户当前的身体状态数据得到用户当前的睡眠状态，为唤醒动作的执行提供了先决条件，避免了使用传统闹钟暴力唤醒睡眠产生的不适感。

实施例二

图3为本公开实施例提供的一种智能枕头的连接图。如图3所示，包括枕头本体、多个传感器、控制器、以及枕头高度调节装置。

具体的，多个传感器设置于枕头本体上，并用于获取用户在第一预设时刻的身体状态数据；控制器根据身体状态数据，构建用于表征人体状态的特征向量，并将构建的特征向量投入到训练后的SVM模型，以获得用户在第一预设时刻的睡眠状态，以及在第一预设时刻的睡眠状态不是浅睡眠状态时，发送高度调节指令给枕头高度调节装置，直至监测对象的睡眠状态调整为浅睡眠状态。

其中，多个传感器包括心率传感器、护体传感器以及体动传感器，身体状态数据包括心率数据、呼吸数据以及人体动作数据。

进一步的，通过SEN0203心率传感器获取当前人体的心率数据，HKH-11C呼吸传感器获取当前人体的呼吸数据，采用HC-SR510传感器获取当前人体动作数据。

进一步的，枕头高度调节装置可以是气囊，通过调节枕头内部气囊的饱和度以刺激用户头部睡姿，从而实现调整用户的当前睡眠状态。

进一步的，智能枕头可与智能终端设备连接，用户根据使用后的效果在智能终端上反馈使用效果，智能终端设备将收集反馈信息反馈给智能枕头。

具体的，用户在智能终端设备上对每次唤醒操作进行打分，智能枕头接收智能终端的反馈信息，更新算法模型。用户还可以在智能终端上设置唤醒时间，智能枕头根据设置好的唤醒时间执行唤醒动作。

上述方法步骤的具体实施例过程可参见实施例一，本实施例在此不再重复赘述。

实施例三

图4为本公开实施例提供的一种基于枕头的睡眠状态调整装置200的连接框图。如图4所示，包括：

信息获取模块201，被配置成获取监测对象在第一预设时刻的身体状态数据；

控制模块202，被配置成根据当前身体状态数据，构建用于表征人体状态的特征向量，并将构建的特征向量投入到训练后的SVM模型，以获得监测对象在第一预设时刻的睡眠状态。

执行模块203，当监测对象在第一预设时刻的睡眠状态不是浅睡眠状态时，调节枕头的高度，直至监测对象的睡眠状态调整为浅睡眠状态。

本公开还提供了空调的控制装置的另一种的实施例，在本实施例中，基于枕头的睡眠状态调整装置，包括：处理器，其中，处理器用于执行存储在存储器中的以下程序模块：信息获取模块，被配置成获取监测对象在第一预设时刻的身体状态数据；控制模块，被配置成根据当前身体状态数据，构建用于表征人体状态的特征向量，并将构建的特征向量投入到训练后的SVM模型，以获得监测对象在第一预设时刻的睡眠状态；执行模块，当监测对象在第一预设时刻的睡眠状态不是浅睡眠状态时，调节枕头的高度，直至监测对象的睡眠状态调整为浅睡眠状态。

上述方法步骤的具体实施例过程可参见实施例一，本实施例在此不再重复赘述。

实施例四

本实施例还提供一种计算机可读存储介质，如闪存、硬盘、多媒体卡、卡型存储器(例如，SD或DX存储器等)、随机访问存储器(RAM)、静态随机访问存储器(SRAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、可编程只读存储器(PROM)、磁性存储器、磁盘、光盘、服务器、App应用商城等等，其上存储有计算机程序，该计算机程序被处理器执行时可以实现如下方法步骤：

步骤S110：获取当前身体状态数据；

步骤S120：根据身体状态数据，构建用于表征人体状态的特征向量，并将构建的特征向量投入到训练后的SVM模型，以获得当前睡眠状态，其中，睡眠状态包括：入睡状态、浅睡眠状态、熟睡眠状态、深睡眠状态以及REM睡眠状态；

步骤S130：在第一预设时刻判断睡眠状态是否为浅睡眠状态；

步骤S140：当在第一预设时刻睡眠状态不是浅睡眠状态时，调节枕头的高度，以调整睡眠状态。

上述方法步骤的具体实施例过程可参见实施例一，本实施例在此不再重复赘述。

实施例五

图5为本公开实施例提供的另一种基于枕头的睡眠状态调整装置300的连接框图。如图5所示，该装置300可以包括：处理器301，存储器302，多媒体组件303，输入/输出(I/O)接口304，以及通信组件305。

其中，处理器301用于执行如实施例一中的空调的控制方法中的全部或部分步骤。存储器302用于存储各种类型的数据，这些数据可以包括智能空调中的任何应用程序或方法的指令，以及应用程序相关的数据。

该处理器301可以是专用集成电路(Application Specific IntegratedCircuit，简称ASIC)、数字信号处理器(Digital Signal Processor，简称DSP)、数字信号处理设备(Digital Signal Processing Device，简称DSPD)、可编程逻辑器件(ProgrammableLogic Device，简称PLD)、现场可编程门阵列(Field Programmable Gate Array，简称FPGA)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述实施例一中的空调的控制方法。

该存储器302可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，例如静态随机存取存储器(Static Random Access Memory，简称SRAM)，电可擦除可编程只读存储器(Electrically Erasable Programmable Read-Only Memory，简称EEPROM)，可擦除可编程只读存储器(Erasable Programmable Read-Only Memory，简称EPROM)，可编程只读存储器(Programmable Read-Only Memory，简称PROM)，只读存储器(Read-OnlyMemory，简称ROM)，磁存储器，快闪存储器，磁盘或光盘。

该多媒体组件303可以包括屏幕和音频组件。其中屏幕例如可以是触摸屏，音频组件用于输出和/或输入音频信号。例如，音频组件可以包括一个麦克风，麦克风用于接收外部音频信号。所接收的音频信号可以被进一步存储在存储器302或通过通信组件305发送。音频组件还包括至少一个扬声器，用于输出音频信号。

该I/O接口304为处理器301和其他接口模块之间提供接口，上述其他接口模块可以是键盘，鼠标，按钮等。这些按钮可以是虚拟按钮或者实体按钮。

该通信组件305用于该装置400与其他设备之间进行有线或无线通信。无线通信，例如Wi-Fi，蓝牙，近场通信(Near Field Communication，简称NFC)，2G、3G或4G，或它们中的一种或几种的组合，因此相应的该通信组件305可以包括：Wi-Fi模块，蓝牙模块，NFC模块。

综上，本公开提供的一种基于枕头的睡眠状态调整方法、装置及智能枕头，包括：获取监测对象在第一预设时刻的身体状态数据；根据身体状态数据，构建用于表征人体状态的特征向量，并将构建的特征向量投入到训练后的SVM模型，以获得监测对象在第一预设时刻的睡眠状态；当监测对象在第一预设时刻的睡眠状态不是浅睡眠状态时，调节枕头的高度，直至监测对象的睡眠状态调整为浅睡眠状态。通过用户自身的睡眠参数，得到用户的睡眠状态，从而为唤醒动作操作提供了先决条件，避免暴力唤醒阐述的不适感，解决了现有技术中不能调整用户当前的睡眠状态为浅睡眠状态，从而实现唤醒动作。

在本公开实施例所提供的几个实施例中，应该理解到，所揭露的系统和方法，也可以通过其它的方式实现。以上所描述的系统和方法实施例仅仅是示意性的。

需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他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、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括要素的过程、方法、物品或者设备中还存在另外的相同要素。

虽然本公开所揭露的实施方式如上，但上述的内容只是为了便于理解本公开而采用的实施方式，并非用以限定本公开。任何本公开所属技术领域内的技术人员，在不脱离本公开所揭露的精神和范围的前提下，可以在实施的形式上及细节上作任何的修改与变化，但本公开的专利保护范围，仍须以所附的权利要求书所界定的范围为准。

Claims (9)

1.一种基于枕头的睡眠状态调整方法，其特征在于，所述方法包括：

获取监测对象在第一预设时刻的身体状态数据；

根据所述身体状态数据，构建用于表征人体状态的特征向量，并将构建的特征向量投入到训练后的SVM模型，以获得所述监测对象在第一预设时刻的睡眠状态；

当所述监测对象在第一预设时刻的睡眠状态不是浅睡眠状态时，调节枕头的高度，直至所述监测对象的睡眠状态调整为浅睡眠状态。

2.根据权利要求1所述的方法，其特征在于，还包括：

当所述监测对象在调整枕头高度后的睡眠状态是浅睡眠状时，在第二预设时刻执行唤醒操作，其中，所述第一预设时刻在所述第二预设时刻之前。

3.根据权利要求1所述的方法，其特征在于，所述唤醒动作包括振动唤醒、语音唤醒以及光线唤醒中的至少一种。

4.根据权利要求1所述的方法，其特征在于，所述SVM模型通过以下步骤训练获得：

获取包括多个用于表征人体状态的特征向量，及每个特征向量对应的睡眠状态的特征向量集；其中，每个所述特征向量至少包括一种身体状态数据；

利用核函数对所述特征向量集进行训练，得到训练后的SVM模型。

5.根据权利要求4所述的方法，其特征在于，利用核函数对所述特征向量集进行训练，得到训练好的SVM模型之前，还包括：

判断核函数的参数与惩罚因子的内积值是否小于预设值；

当所述内积值小于预设值时，通过遗传算法调整核函数的参数与惩罚因子，直至核函数的参数与惩罚因子的内积值大于等于预设值。

6.根据权利要求1所述的方法，其特征在于，所述身体状态数据包括人体的心率数据、呼吸数据以及人体动作数据，根据所述当前身体状态数据，构建用于表征人体状态的特征向量，包括：

将心率数据、呼吸数据以及人体动作数据构成一个特征向量。

7.一种基于枕头的睡眠状态调整装置，其特征在于，包括：

信息获取模块，被配置成获取监测对象在第一预设时刻的身体状态数据；

控制模块，被配置成根据所述当前身体状态数据，构建用于表征人体状态的特征向量，并将构建的特征向量投入到训练后的SVM模型，以获得所述监测对象在第一预设时刻的睡眠状态；

执行模块，被配制成当所述监测对象在第一预设时刻的睡眠状态不是浅睡眠状态时，调节枕头的高度，直至所述监测对象的睡眠状态调整为浅睡眠状态。

8.一种存储介质，其特征在于，该存储介质存储的计算机程序，可被一个或多个处理器执行，可用来实现如权利要求1-6任意一项所述的基于枕头的睡眠状态调整方法。

9.一种智能枕头，其特征在于，包括枕头本体、多个传感器、控制器以及枕头高度调节装置；

所述多个传感器设置于所述枕头本体上，并用于获取监测对象在第一预设时刻的身体状态数据；

所述控制器用于根据所述身体状态数据，构建用于表征人体状态的特征向量，并将构建的特征向量投入到训练后的SVM模型，以获得所述监测对象在第一预设时刻的睡眠状态，以及在第一预设时刻所述睡眠状态不是浅睡眠状态时，发送高度调节指令给所述枕头高度调节装置；

所述枕头高度调节装置用于根据处理器发送的高度调节指令调节枕头的高度，以使所述监测对象的睡眠状态调整为浅睡眠状态。

Images