一、文献综述
（一）国内外研究现状
近几年来,通过计算机视觉识别人体睡姿的研究在国内外日益盛行。大多数基于计算机视觉的识别都类似,睡姿识别主要分两大类：静态图像的睡姿识别[1-5]和动态视频的睡姿识别[6][7]。下面是针对静态图像[5]的睡姿识别所做的工作：(1)定义了四种基本的睡姿：即仰睡、俯睡、左侧睡和右侧睡,文中主要针对这四种睡姿进行识别。(2)研究并实现了睡姿图像的预处理算法,由于睡姿图像的背景不同,大小不同,并且受光照条件的影响,所以首先采用直方图均衡化等方法对图像进行预处理,预处理为提高睡姿识别率奠定了良好的基础。(3)研究并实现了睡姿图像中的目标分割,图像中的目标即为人。由于图像的背景和形状较复杂,传统图像分割算法不能准确地判断实际目标的边界。
总而言之，需要考虑的因素有一下四点：一、图像采集与储存，大多数人睡觉不会开灯，所以传统的摄像手段不再适用，另外是通过静态图像分析还是动态视频分析，其需要考虑的技术难点又不尽相同。如针对彩色图像提出了一种基于水平集方法和神经网络的人体睡姿识别方法[8],由目标分割,BP神经网络识别两部分组成。首先利用水平集方法分割出图像中人体所在区域,然后使用BP神经网络方法训练并识别人体睡姿,其中睡姿包括仰睡、俯睡、左侧睡和右侧睡四种。二、睡姿多种多样，如何对睡姿进行归类判断，从而发出正确预警十分关键。三、除了睡姿以外，一些潜在的疾病风险无法单单通过睡姿进行判断，例如间歇性呼吸暂停，急性心肌梗塞，打呼噜等等，还需要更加多为的数据采集，与需求相比已有的样本库还是非常单薄。四、设备的简便性也需要考虑，所谓睡眠监测，当然是要在不干扰用户正常休息的情况下进行的，但目前以公开的监测技术都还无法做到不干扰用户正常睡眠，除了一些特殊人群不得不佩戴过多的仪器保证睡眠安全以外，一般人不会去花钱买罪受。
目前为止还没有一个发明专利能同时满足如此复杂且种类繁多的需求。所以，就目前已有的技术手段来看，睡眠监测无法得到普及，相反的，应该更具有针对性的去帮助已经确诊有睡眠问题或风险的人群。
（二）研究主要成果
最近有一篇文章提到的基于神经网络的WiFi睡眠呼吸暂停智能监测技术[9]。为了克服传统睡眠呼吸监测方案未考虑实际受测人员在测试区域可能存在呼吸暂停,正常呼吸或者离开测试区域的问题，设计了一种基于家庭WiFi的睡眠呼吸暂停智能监测系统。利用线性拟合消除接收天线的信道状态信息(channel state information, CSI)相位误差,并利用小波变换去除信号幅值的噪声;结合短时傅里叶变换和滑动窗口法对信号进行分割;提取天线间相位差的方差等特征并利用神经网络模型对呼吸暂停进行识别,排除睡姿变化带来的干扰.实验结果表明,该系统对于呼吸暂停的检测率达到95.6%以上,能够作为日常的呼吸暂停监测方案并为用户提供健康参考。
目前大多数的研究是为了解决实际已经存在的问题，比如睡眠呼吸综合征患者的监测，当然也有用于预防与监测的。技术手段也是比较丰富的，查阅文献发现所用较多的研究与技术手段有以下三类：
一、基于卷积神经网络的监测系统
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
