quilt blanket分別的問題，透過圖書和論文來找解法和答案更準確安心。 我們找到下列問答集和整理懶人包

睡眠事件之偵測與瀏覽

為了解決quilt blanket分別的問題，作者陳昭伶 這樣論述：

本研究的目的，在提供睡眠自我檢測的客觀量測工具，並提出應用於蓋被情境的睡姿辨識方法。醫學上的睡眠多項生理檢查，需要使用接觸式的設備，取得生理訊號資訊；然而接觸式的設備可能影響睡眠，且檢查的費用昂貴。本研究設計非接觸式的睡眠瀏覽系統，採用普及的深度攝影機設備，方便於居家使用。目前採用影像處理的睡姿辨識方法，在未蓋被情況下進行睡姿分類，無法應用於真實睡眠情境。使用深度影像的三維訊息，本研究實現在蓋被情況下進行睡姿辨識的方法。 本研究提出時間區間的方法用於偵測睡眠事件，基於深度資訊的睡姿辨識方法用於分類睡姿。睡眠瀏覽系統採用具有多重感測器的裝置，偵測床上的使用者及周遭環境中發生的睡眠事件。裝置包含

紅外線深度感測器、彩色攝影機及麥克風陣列，分別偵測三種睡眠事件：動作事件、光照事件及聲音事件。由輸入的深度訊號流及彩色影像流，系統建立背景模型，偵測動作變化及光照變化，並同步量化三種訊號。當訊號分數超過各別的實驗門檻值，即觸發時間區間的方法，紀錄各別的睡眠事件，紀錄的內容包含深度影像、彩色影像及聲音檔案。系統提供睡眠歷程的瀏覽介面，呈現睡眠事件的分數曲線及整合後的影音檔案。睡姿偵測的方法分類四種睡姿類別：左側睡、右側睡、平躺及趴睡；其中左側睡及右側睡包含胎兒型、思念型及木頭型睡姿，平躺包含軍人型及海星型睡姿，趴睡包含木頭型和自由落體型睡姿。在實驗前測階段，為了計算床平面，將記錄空床的深度影像轉

換為世界座標系。將每張記錄使用者的深度影像轉換為世界座標系，計算每個深度點至床平面的距離。將每張深度影像的距離陣列做為輸入，採用支持向量機的機器學習方法，實現睡姿分類。實驗模擬真實睡眠情境，在三種條件下進行，沒蓋被狀態、蓋薄被狀態及蓋厚被狀態。本研究結果顯示：（1）睡眠瀏覽系統具有效率及可靠性，使用者透過本系統快速瀏覽睡眠事件紀錄，並經由觀看影片檢視睡眠事件的內容。（2）睡姿辨識方法在厚被的條件下，比未蓋被和薄毯的條件下有更好的辨識結果，因為厚被的厚度增強睡姿動作的特徵。本研究的發現可作為未來在居家情境中，進行睡眠事件偵測及睡姿辨識研究的指南。