[发明专利]基于捕捉双目运动图像监测睡眠质量的眼罩

说明书

本发明属于深度学习技术领域，具体涉及捕捉双目运动图像监测睡眠质量的眼罩。所述眼罩包括：罩体和数据中心；所述罩体的两端设置有头带，其特征在于，所述罩体上设置有第一运动监测模块、第二运动监测模块、第一脑电电极、第二脑电电极、无线传输模块、控制开关、充电口和供电电池；所述第一运动监测模块和第二运动监测模块分别位于罩体的两侧；具有分析结果准确、智能化程度高和结构简单的优点。

技术领域

本发明属于睡眠监测技术领域，具体基于捕捉双目运动图像监测睡眠质量的眼罩。

背景技术

在睡眠监测领域中，现有的睡眠监测设备主要分为专业多导睡眠监测系统和便携式(家庭用)睡眠监测仪。

专业多导睡眠监测系统多用于医院等专业机构中。根据10/20脑电位置标准(如图1所示)，脑电极位置分为F(前叶，Frontallobe)、C中(中心叶、Central)、T(颞叶，Temporallobe)、P(顶叶，parietal)、O(枕叶，Occipital)额叶。睡眠脑电的信息主要集中在F、C、O额叶，因此医院做睡眠脑电检测时，会通过专业多导睡眠监测系统采集各个额叶的脑电波。

但对于家用便携式睡眠监测来说，单通道脑电波采集过程最舒适。由于脑电波是两个脑电电极之间的电压差，因此单通道脑电波采集时，至少需要有3个电触点在人体上。这3个电触点分别是：2个脑电极和1个右腿驱动电极，其中，2个脑电极中电位较稳定的电极被称为参考电极，另一个包含脑电信息更多的电极作为脑电电极，这两个电极的电压差为一个脑电波通道；右腿驱动电极用以降低人体的共模信号，从而起到降噪的作用。

发明内容

有鉴于此，本发明的主要目的在于提供一种基于深度学习的行人重识别方法和系统，具有分析结果准确、智能化程度高和结构简单的优点。

为达到上述目的，本发明的技术方案是这样实现的：

基于捕捉双目运动图像监测睡眠质量的眼罩，所述眼罩包括：罩体和数据中心；所述罩体的两端设置有头带，所述罩体上设置有第一运动监测模块、第二运动监测模块、第一脑电电极、第二脑电电极、无线传输模块、控制开关、充电口和供电电池；所述第一运动监测模块和第二运动监测模块分别位于罩体的两侧；所述第一脑电电极和第二脑电电极也位于罩体的两侧；所述第一运动监测模块和第一脑电电极位于同一侧；所述第二运动监测模块和第二脑电电极也位于同一侧；所述供电电池、无线传输模块和信号处理模块位于所述第一运动监测模块内；所述第一运动监测模块内部还设置有第一运动监测器；所述第二运动监测模块内部设置有第二运动监测器；所述第一脑电电极和第二脑电电极均分别信号连接于信号处理模块；所述供电电池为系统供电，与控制开关和充电口电连接；所述罩体通过无线传输模块和所述数据中心信号连接。

进一步的，所述第一运动监测器用于获取监测对象的第一眼动速度数据、第一眨眼频率数据和第一眨眼频率数据；所述第二运动检测器用于获取监测对象的第二眼动速度数据、第二眨眼频率数据和第二眨眼频率数据；所述第一眼动速度数据和第二眼动速度数据传输到信号处理模块后，信号处理模块对其取均值，获取最终的眼动数据；所述第一眨眼频率数据和第二眨眼频率数据传输到信号处理模块后，信号处理模块对其取均值，获取最终的眨眼频率数据；所述第一眨眼时间数据和第二眨眼时间数据传输到信号处理模块后，信号处理模块对其取均值，获取最终的眨眼时间数据。

进一步的，所述供电电池用于为各个模块和各个电极供电；充电口用于为供电电池供电；所述控制模块用于控制所述眼罩的开启和关闭。

进一步的，所述第一脑电电极和第二脑电电极获取的脑电数据均发送到信号处理模块后，信号处理模块奖最终的眨眼频率数据、最终的眨眼时间数据和最终的眼动数据，与第一脑电电极和第二脑电电极的数据的均值进行加权平均后，获得用于数据中心进行数据分析的分析原始数据。