本发明涉及智能家居，尤其涉及一种在离床检测方法。
背景技术：
1、目前，常见的在离床判断方法，一般采用传感器采集信号后进行在离床运算判断，具体流程如下：1：传感器采集信号；2：信号处理；3：对信号进行特征提取，得到压力、心率和呼吸等相关特征；4：提取到的特征，进行相应的算法运算，以判断用户是处于在床还是离床状态。然而，在实际使用过程中，针对智能床垫的在离床判断的准确性往往受到环境干扰的影响。例如，当用户抬起床头或开启震动按摩等功能时，传感器采集到的信号可能会出现误差，从而影响判断结果的准确性。
技术实现思路
1、本发明提供一种在离床检测方法，旨在解决上述技术问题中存在的至少一个问题。
2、本发明提供一种在离床检测方法，包括：
3、获取传感器采集的预设时间段内的心冲击信号和压力信号，并基于所述心冲击信号和所述压力信号，提取得到各参数特征；
4、确定智能床垫在目标时刻对应的第一环境状态，其中，所述第一环境状态是指所述智能床垫在所述目标时刻的工作模式和/或所述智能床垫关联的智能设备的工作模式状态；
5、基于各所述参数特征，对所述第一环境状态进行场景分类，得到智能床垫在目标时刻所处的目标场景状态，其中，所述目标场景状态用于表征不同干扰强度的场景状态；
6、利用实时更新的各参数阈值，分别对各所述参数特征进行在离床检测，得到多个检测结果，其中，所述参数阈值是基于在床功率、压力信息以及场景状态进行自学习更新得到；
7、基于所述目标场景状态关联的权重，对各所述检测结果进行加权处理，得到目标在离床检测结果。
8、根据本发明提供的一种在离床检测方法，所述基于各所述参数特征，对所述第一环境状态进行场景分类，得到智能床垫在目标时刻所处的目标场景状态，包括：
9、判断所述第一环境状态中的各个环境变量与前一时刻的第二环境状态中的各个环境变量是否相同，其中，所述前一时刻是指在所述目标时刻之前的时刻；
10、若所述第一环境状态中存在不相同的环境变量，则基于预设时间段内的各所述参数特征，确定所述目标时刻之前的第一预设时间窗口内各个第一参数特征以及所述目标时刻之后的第二预设时间窗口内的各个第二参数特征；
11、基于所述第一预设时间窗口内的各个第一参数特征以及所述第二预设时间窗口内的各个第二参数特征，更新所述目标时刻下任一目标环境变量的功率影响因子以及压力影响因子，其中，所述目标环境变量是指所述第一环境状态中与所述第二环境状态不相同的环境变量；
12、基于所有目标环境变量的功率影响因子以及压力影响因子，确定所述目标时刻的目标功率影响系数以及目标压力影响系数；
13、基于所述目标功率影响系数和所述目标压力影响系数，确定所述目标场景状态。
14、根据本发明提供的一种在离床检测方法，所述第一参数特征包括第一预设时间窗口内的呼吸能量、心率能量、高频能量、在床功率和压力信息；
15、所述第二参数特征包括第二预设时间窗口内的呼吸能量、心率能量、高频能量、在床功率和压力信息；
16、相应地，所述基于所述第一预设时间窗口内的各个第一参数特征以及所述第二预设时间窗口内的各个第二参数特征，更新所述目标时刻下任一目标环境变量的功率影响因子以及压力影响因子，包括：
17、基于所述第一预设时间窗口内的各个第一参数特征以及所述第二预设时间窗口内的各个第二参数特征，确定所述呼吸能量、所述心率能量、所述高频能量、所述在床功率和所述压力信息的影响因子；
18、将所述呼吸能量、所述心率能量、所述高频能量、所述在床功率分别对应的影响因子进行相加，得到所述目标时刻的参数影响因子；
19、根据前一时刻的功率影响因子以及所述目标时刻的参数影响因子，计算得到任一所述目标环境变量的功率影响因子；
20、根据前一时刻的压力信息的压力影响因子以及所述目标时刻的压力信息的影响因子，计算得到任一所述目标环境变量的压力影响因子。
21、根据本发明提供的一种在离床检测方法，所述基于所述第一预设时间窗口内的各个第一参数特征以及所述第二预设时间窗口内的各个第二参数特征，确定所述呼吸能量、所述心率能量、所述高频能量、所述在床功率和所述压力信息的影响因子，包括：
22、基于所述第一预设时间窗口内的呼吸能量、心率能量、高频能量、在床功率和压力信息，计算得到所述呼吸能量、所述心率能量、所述高频能量、所述在床功率和所述压力分别对应的第一均值，以及所述压力信息对应的第一一阶差分之和；
23、基于所述第二预设时间窗口内的呼吸能量、心率能量、高频能量、在床功率和压力信息，计算得到所述呼吸能量、所述心率能量、所述高频能量、所述在床功率和所述压力分别对应的第二均值，以及所述压力信息对应的第二一阶差分之和；
24、基于所述呼吸能量、所述心率能量、所述高频能量和在床功率分别对应的第一均值以及第二均值，计算得到所述呼吸能量、所述心率能量、所述高频能量和所述在床功率分别对应的均值比值；
25、基于所述呼吸能量、所述心率能量、所述高频能量和所述在床功率分别对应的均值比值，计算得到所述呼吸能量、所述心率能量、所述高频能量和所述在床功率分别对应的影响因子；
26、基于所述压力信息对应的第一均值与第二均值之间的第一差值，以及所述第一一阶差分之和与所述第二一阶差分之和之间的第二差值，确定所述压力信息对应的影响因子。
27、根据本发明提供的一种在离床检测方法，所述根据前一时刻的功率影响因子以及所述目标时刻的参数影响因子，计算得到任一所述目标环境变量的功率影响因子，包括：
28、确定存在不相同的环境变量的变量数量；
29、确定所述目标时刻与上一次更新系数的更新时刻之间的时间间隔，其中，所述更新系数用于表征所述前一时刻的功率影响因子以及所述目标时刻的参数影响因子在功率影响因子更新过程中所占的权重系数；
30、确定前一时刻各个环境变量对应的功率影响因子；
31、基于所述时间间隔、所述变量数量、所述前一时刻各个环境变量对应的功率影响因子，确定所述目标时刻的更新系数；
32、基于所述目标时刻的更新系数、所述前一时刻的功率影响因子以及所述目标时刻的参数影响因子，计算得到任一所述目标环境变量的功率影响因子。
33、根据本发明提供的一种在离床检测方法，所述基于所有目标环境变量的功率影响因子以及压力影响因子，确定所述目标时刻的目标功率影响系数以及目标压力影响系数，包括：
34、确定所述目标时刻下处于激活状态下的其余环境变量的功率影响因子以及压力影响因子；
35、将所有目标环境变量的功率影响因子以及所述其余环境变量的功率影响因子进行相加，得到所述目标功率影响系数；
36、将所有目标环境变量的压力影响因子以及所述其余环境变量的压力影响因子进行相加，得到所述目标压力影响系数。
37、根据本发明提供的一种在离床检测方法，所述基于所述目标功率影响系数和所述目标压力影响系数，确定所述目标场景状态，包括：
38、若所述目标功率影响系数大于第一功率系数阈值，或者所述目标压力影响系数大于预设的压力系数阈值，则确定所述目标场景状态处于第一干扰强度的场景状态；
39、若所述目标功率影响系数大于第二功率系数阈值且小于或等于所述第一功率系数阈值数，以及所述目标压力影响系数小于或等于所述压力系数阈值，则确定所述目标场景状态处于第二干扰强度的场景状态；
40、若所述目标功率影响系数小于或等于所述第二功率系数阈值，且所述目标压力影响系数小于或等于所述压力系数阈值，则确定所述目标场景状态处于第三干扰强度的场景状态；
41、其中，所述第一功率系数阈值大于所述第二功率系数阈值，所述第一干扰强度大于所述第二干扰强度，所述第二干扰强度大于所述第三干扰强度。
42、根据本发明提供的一种在离床检测方法，所述参数阈值的自学习更新过程如下：
43、获取第三预设时间窗口内的在床功率和压力信息；
44、基于第三预设时间窗口内的在床功率和压力信息，判断所述在床功率和所述压力信息是否处于稳定状态；
45、若处于稳定状态，且目标时刻的在床功率小于第一预设功率阈值，则更新智能床垫处于无人状态下各个参数特征对应的参数阈值；
46、若处于稳定状态，且目标时刻的在床功率大于第二预设功率阈值，则更新智能床垫处于有人状态下各个参数特征对应的参数阈值；
47、其中，第一预设功率阈值和第二预设功率阈值是结合目标时刻下的场景状态确定。
48、根据本发明提供的一种在离床检测方法，所述基于第三预设时间窗口内的在床功率和压力信息，判断所述在床功率和所述压力信息是否处于稳定状态，包括：
49、确定所述第三预设时间窗口内的在床功率对应的功率标准差和功率均值，以及所述第三预设时间窗口内的压力信息之间的压力标准差；
50、确定所述功率标准差和所述功率均值之间的比值；
51、若所述比值大于预设比值阈值，或者所述压力标准差大于预设标准差阈值，则判定处于非稳定状态。
52、根据本发明提供的一种在离床检测方法，所述基于所述目标场景状态关联的权重，对各所述检测结果进行加权处理，得到目标在离床检测结果，包括：
53、将所述目标场景状态关联的权重和各所述检测结果进行加权求和处理，得到加权运算结果；
54、若所述加权运算结果大于预设阈值，则判定所述目标在离床检测结果为在床状态；
55、若所述加权运算结果不大于预设阈值，则判定所述目标在离床检测结果为离床状态。
56、本发明还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任一种所述在离床检测方法。
57、本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述在离床检测方法。
58、本发明提供的在离床检测方法，包括：获取传感器采集的预设时间段内的心冲击信号和压力信号，并基于所述心冲击信号和所述压力信号，提取得到各参数特征；确定智能床垫在目标时刻对应的第一环境状态，其中，所述第一环境状态是指所述智能床垫在所述目标时刻的工作模式和/或所述智能床垫关联的智能设备的工作模式状态；基于各所述参数特征，对所述第一环境状态进行场景分类，得到智能床垫在目标时刻所处的目标场景状态，其中，所述目标场景状态用于表征不同干扰强度的场景状态；利用实时更新的各参数阈值，分别对各所述参数特征进行在离床检测，得到多个检测结果，其中，所述参数阈值是基于在床功率、压力信息以及场景状态进行自学习更新得到；基于所述目标场景状态关联的权重，对各所述检测结果进行加权处理，得到目标在离床检测结果。本发明基于各个参数特征，对智能床垫所处环境进行场景分类，得到智能床垫在目标时刻所处的目标场景状态，并且结合场景状态以及不同场景下自学习更新的参数阈值，对目标时刻的各个参数特征进行在离床判断，得到最终的目标在离床检测结果，有效提高在离床检测的准确性。
1.一种在离床检测方法，其特征在于，包括：
2.根据权利要求1所述的在离床检测方法，其特征在于，所述基于各所述参数特征，对所述第一环境状态进行场景分类，得到智能床垫在目标时刻所处的目标场景状态，包括：
3.根据权利要求2所述的在离床检测方法，其特征在于，所述第一参数特征包括第一预设时间窗口内的呼吸能量、心率能量、高频能量、在床功率和压力信息；
4.根据权利要求3所述的在离床检测方法，其特征在于，所述基于所述第一预设时间窗口内的各个第一参数特征以及所述第二预设时间窗口内的各个第二参数特征，确定所述呼吸能量、所述心率能量、所述高频能量、所述在床功率和所述压力信息的影响因子，包括：
5.根据权利要求3所述的在离床检测方法，其特征在于，所述根据前一时刻的功率影响因子以及所述目标时刻的参数影响因子，计算得到任一所述目标环境变量的功率影响因子，包括：
6.根据权利要求2所述的在离床检测方法，其特征在于，所述基于所有目标环境变量的功率影响因子以及压力影响因子，确定所述目标时刻的目标功率影响系数以及目标压力影响系数，包括：
7.根据权利要求2所述的在离床检测方法，其特征在于，所述基于所述目标功率影响系数和所述目标压力影响系数，确定所述目标场景状态，包括：
8.根据权利要求1所述的在离床检测方法，其特征在于，所述参数阈值的自学习更新过程如下：
9.根据权利要求8所述的在离床检测方法，其特征在于，所述基于第三预设时间窗口内的在床功率和压力信息，判断所述在床功率和所述压力信息是否处于稳定状态，包括：
10.根据权利要求1所述的在离床检测方法，其特征在于，所述基于所述目标场景状态关联的权重，对各所述检测结果进行加权处理，得到目标在离床检测结果，包括：
