论文部分内容阅读
睡眠占据婴儿生活的大半部分,优质的睡眠不仅有利于婴儿骨骼、组织器官和免疫系统的发育,更有助于中枢神经系统的成熟、智力的成长。当前国内外关于睡眠评估的研究主要是针对病人或者成人,对婴儿的研究较少。本文主要研究了基于视频的婴儿睡眠评估算法。由于本文所使用的视频均来自于网络,考虑到视频来源的独特性及不同年龄阶段婴儿独特的睡眠习性,本文分别对入眠、睡眠姿势、睡眠质量共三方面的内容进行了研究,本文的主要工作如下:第一,婴儿入眠检测。本文提出了一种基于支持向量机(Support Vector Machine,SVM)的婴儿入眠检测算法。因睡眠是一个持续性的过程,判断某一时刻婴儿是否处于睡眠,应该结合包含此时刻的某个区间综合判断。本算法使用当前时刻前后一分钟内的数据来评估,并根据距离目标时刻的远近赋予不同的权值,最后使用SVM分类器进行训练。在本文婴儿视频的条件下,实际测试的睡眠检测准确率为85.5%。第二,婴儿睡眠姿势分类。本文提出了一种基于XGBoost(eXtreme Gradient Boosting)的婴儿睡眠姿势分类算法。目前流行的睡眠姿势检测是基于压力传感器和深度相机,没有发现基于普通视频的婴儿睡眠姿势分类,而且婴儿的睡眠姿势对比于成人更是千差万别、五花八门。本算法为了简化工作和利于后续睡眠质量评估,将婴儿的睡眠姿势分为左侧卧、右侧卧、正卧、俯卧共四种姿势。本算法结合婴儿睡眠姿势的特点,针对性的提取了基于有向梯度直方图(Histogram of Oriented gradients,HOG)的特征、Hu矩特征、差特征。最后,算法使用了主成分分析(Principle Component Analysis,PCA)降低特征维度,使用集成训练模型XGBoost来完成睡姿分类。在本文所采用数据集的条件下,婴儿睡眠姿势分类的准确率为84.7%。第三,婴儿睡眠质量评估。本文提出了一种基于视频的婴儿睡眠质量评估算法。目前市面上,通常有智能手环、睡眠检测仪、压力传感器等多种方式来评估睡眠质量,但是这些都不适用于婴儿。本算法考虑到不同年龄阶段婴儿的睡眠习性,并结合了不同睡眠姿势对睡眠质量的影响,做到了和睡眠长短无关、婴儿年龄无关的客观数学评估。对比于专业医师对视频婴儿睡眠质量的评估结果,发现两者大体上相近。在本文睡眠评估的条件下,本文算法可以用作婴儿睡眠质量的评估。