买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉浙江麒盛数据服务有限公司申请的专利一种基于非接触传感器的睡眠时间点检测方法及系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN120203529B 。

龙图腾网通过国家知识产权局官网在2025-09-09发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202510685817.5，技术领域涉及：A61B5/00；该发明授权一种基于非接触传感器的睡眠时间点检测方法及系统是由李红文;娄会琴;朱震宇;吴斌鑫;邱耀炜设计研发完成，并于2025-05-27向国家知识产权局提交的专利申请。

本一种基于非接触传感器的睡眠时间点检测方法及系统在说明书摘要公布了：本发明涉及一种基于非接触传感器的睡眠时间点检测方法及系统。包括基于非接触传感器采集的历史数据和检测数据获取判别特征；基于时间顺序对检测数据中提取的各个子特征值进行排序，形成与各个子特征对应的候选时间序列；基于历史数据和检测数据各自获取的判别特征计算各个子特征对应的特征权重；将各个子特征对应的候选时间序列合并，获得总候选时间序列，将总候选时间序列输入分数模型，获得分数‑候选时间序列表，将各个子特征对应的特征权重带入此表，并计算获得目标预测序列表，选取目标预测序列表中总分数值最大的最终目标候选时间点作为最终目标睡眠时间点。本方法考虑了不同的用户睡眠特征数据的差异性，提供了科学的睡眠时间点检测结果。

本发明授权一种基于非接触传感器的睡眠时间点检测方法及系统在权利要求书中公布了：1.一种基于非接触传感器的睡眠时间点检测方法，其特征在于，方法包括： 基于非接触传感器采集的历史数据和检测数据获取判别特征；所述判别特征包含多个子特征，每个子特征均包含多个子特征值，每个子特征值均对应一个时间点；任意两个相邻时间点之间的时间间隔长度均相同；所述子特征包括体动特征、呼吸特征和心跳特征； 基于时间顺序对检测数据中提取的各个子特征值进行排序，形成与各个子特征对应的候选时间序列； 基于历史数据和检测数据各自获取的判别特征计算各个子特征对应的特征权重； 将各个子特征对应的候选时间序列合并，获得总候选时间序列，将总候选时间序列输入分数模型，获得分数-候选时间序列表；所述分数-候选时间序列表包含多个候选时间点以及与每个候选时间点对应的多个分数值，所述多个分数值包括多个子特征各自对应的分数值；所述候选时间点为入睡候选时间或苏醒候选时间点中的任意一种；所述分数模型包含体动分数模型以及呼吸心跳分数模型； 用于计算各入睡候选时间对应分数的体动分数模型具体为：其中，twseep_score表示体动入睡候选时间点的入睡分数，before_sum表示体动入睡候选时间点前一段时间内的体动次数和，after_sum表示体动入睡候选时间点后一段时间内体动次数和； 用于计算各苏醒候选时间对应分数的体动分数模型具体为：其中，twwake_score表示体动苏醒候选时间点的苏醒分数，before_sum表示体动苏醒候选时间点前一段时间内的体动次数和，after_sum表示体动苏醒候选时间点后一段时间内体动次数和； 用于计算各入睡候选时间对应分数的呼吸心跳分数模型具体为：其中，bhsleep_score表示呼吸心跳入睡候选时间点的入睡分数，before_mean表示呼吸心跳入睡候选时间点前一段时间内呼吸心跳的次数均值；after_mean表示呼吸心跳候选入睡时间点后一段时间内呼吸或心跳的次数均值；mean表示呼吸心跳全睡眠过程中的均值，k1、k2是斜率可调参数，α1、α2为偏移量可调参数；=before_mean-after_mean；=before_mean-mean；用于计算各苏醒候选时间对应分数的呼吸心跳分数模型具体为：将各个子特征对应的特征权重带入分数-候选时间序列表，并计算获得目标预测序列表，目标预测序列表包含多个最终目标候选时间点和多个总分数值；每个最终目标候选时间点均与一个总分数值对应；所述总分数值基于分数-候选时间序列表中的各个子特征对应的分数值和子特征所对应的特征权重而确定； 选取目标预测序列表中总分数值最大的最终目标候选时间点作为最终目标睡眠时间点。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人浙江麒盛数据服务有限公司，其通讯地址为：314000 浙江省嘉兴市秀洲区王江泾镇秋茂路158号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。