[发明专利]一种基于红外图像序列的睡眠质量评估系统和方法

权利要求书

1.一种基于红外图像序列的睡眠质量评估方法，其特征在于，所述睡眠质量评估方法包括：

获取多个待评估呼吸红外图像序列，一个待评估呼吸红外图像序列包括多帧待评估呼吸红外图像；

通过分类器对所述多个待评估呼吸红外图像序列中每个待评估呼吸红外图像序列进行睡眠质量评估，获得所述每个待评估呼吸红外图像序列对应的睡眠质量评估结果；

根据所述多个待评估呼吸红外图像序列分别对应的睡眠质量评估结果，统计不同睡眠质量评估结果的数量，并确定数量最多的睡眠质量评估结果为用户的睡眠质量评估结果；

在通过分类器对所述多个待评估呼吸红外图像序列中每个待评估呼吸红外图像序列进行睡眠质量评估之前，还包括：

通过张量化的三元生成对抗网络对所述分类器进行训练；

所述张量化的三元生成对抗网络包括生成器、所述分类器和判别器；所述通过张量化的三元生成对抗网络对所述分类器进行训练包括：

将一维随机噪声和目标标签输入至所述生成器，通过所述生成器中基于张量分解的反卷积层，获得携带所述目标标签的第一呼吸红外图像序列；

将所述第一呼吸红外图像序列输入至所述判别器，通过所述判别器中基于张量分解的网络层和全连接层，获得所述判别器对所述第一呼吸红外图像序列的判别结果；

根据所述判别结果训练所述生成器；

获取未携带标签的第二呼吸红外图像序列；

将所述第二呼吸红外图像序列输入至所述分类器，通过所述分类器中二阶池化块、基于张量分解的网络层和全连接层，获得第三呼吸红外图像序列，所述第三呼吸红外图像序列是指携带标签的第二呼吸红外图像序列；

获取携带标签的第四呼吸红外图像序列；

根据所述第一呼吸红外图像序列、所述第三呼吸红外图像序列以及所述第四呼吸红外图像序列，训练所述判别器，并获取所述判别器对所述第三呼吸红外图像序列的判别结果；

根据所述第一呼吸红外图像序列、所述判别器对所述第三呼吸红外图像序列的判别结果以及所述第四呼吸红外图像序列，训练所述分类器。

2.如权利要求1所述的睡眠质量评估方法，其特征在于，所述通过分类器对所述多个待评估呼吸红外图像序列中每个待评估呼吸红外图像序列进行睡眠质量评估，获得所述每个待评估呼吸红外图像序列对应的睡眠质量评估结果包括：

将所述每个待评估呼吸红外图像序列输入至所述分类器；

根据所述分类器中二阶池化块和基于张量分解的网络层，获取所述每个待评估呼吸红外图像序列的目标特征图；

根据所述目标特征图和所述分类器中基于张量分解的全连接层，对所述每个待评估呼吸红外图像序列进行睡眠质量评估，获得所述每个待评估呼吸红外图像序列对应的睡眠质量评估结果。

3.如权利要求1所述的睡眠质量评估方法，其特征在于，所述通过生成器中基于张量分解的反卷积层，获得携带所述目标标签的第一呼吸红外图像序列包括：

对所述生成器中反卷积层的反卷积核进行张量分解，获得第一张量；

将所述一维随机噪声与所述第一张量进行反卷积计算，获得携带所述目标标签的第一呼吸红外图像序列。

4.如权利要求1所述的睡眠质量评估方法，其特征在于，所述判别器中基于张量分解的网络层包括基于张量分解的卷积层、第一密集连接块以及第二密集连接块；所述通过所述判别器中基于张量分解的网络层和全连接层，获得所述判别器对所述第一呼吸红外图像序列的判别结果包括：

对所述判别器中卷积层的卷积核进行张量分解，获得第二张量；

将所述第一呼吸红外图像序列与所述第二张量进行卷积计算，获得第一特征图；

对所述判别器中第一密集连接块的卷积核进行张量分解，获得第三张量；

将所述第一特征图与所述第三张量进行卷积计算，获得第二特征图；

对所述判别器中第二密集连接块的卷积核进行张量分解，获得第四张量；

将所述第二特征图与所述第四张量进行卷积计算，获得第三特征图；

对所述判别器中全连接层的权重进行张量分解，获得第五张量；

根据所述第三特征图和所述第五张量，获得所述判别器对所述第一呼吸红外图像序列的判别结果；

其中，所述第一特征图、所述第二特征图以及所述第三特征图均为所述第一呼吸红外图像序列的特征图。