CN107744393A - 一种基于重力加速度传感器的可穿戴坐姿监测系统和方法 - Google Patents
一种基于重力加速度传感器的可穿戴坐姿监测系统和方法 Download PDFInfo
- Publication number
- CN107744393A CN107744393A CN201710785883.5A CN201710785883A CN107744393A CN 107744393 A CN107744393 A CN 107744393A CN 201710785883 A CN201710785883 A CN 201710785883A CN 107744393 A CN107744393 A CN 107744393A
- Authority
- CN
- China
- Prior art keywords
- sitting posture
- module
- user
- gravity accelerometer
- breathing
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
- A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
- A61B5/1116—Determining posture transitions
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/18—Status alarms
- G08B21/24—Reminder alarms, e.g. anti-loss alarms
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Physics & Mathematics (AREA)
- Heart & Thoracic Surgery (AREA)
- Molecular Biology (AREA)
- Dentistry (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Engineering & Computer Science (AREA)
- Biomedical Technology (AREA)
- Physiology (AREA)
- Medical Informatics (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Business, Economics & Management (AREA)
- Emergency Management (AREA)
- General Physics & Mathematics (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本发明公开了一种基于重力加速度传感器的可穿戴坐姿监测系统,本发明通过安装在衣服背面上的重力加速度传感器,感知用户的背部姿态变化以及保持正确坐姿和不正确坐姿时用户的呼吸顺畅度。通过显示器向用户展示训练坐姿,并将采集的重力加速度传感器模块的数字电压信号对预存的包括标准坐姿、驼背坐姿、左肩偏高坐姿、右肩偏高坐姿的检测模型进行初始化校正,并聚类分析用户呼吸相关特征。监测过程中,将采集的重力加速度传感器模块的数字电压信号输入两个检测模型,获得实时坐姿类型,并在错误坐姿时进行声音报警,当识别出错误类型时,通过显示模块的显示屏提示错误坐姿类型。
Description
技术领域
本发明涉及一种可穿戴设备,尤其涉及一种实现人体姿势监测,特别是坐姿监测的智能检测系统和方法。
背景技术
随着现代人们生活方式的改变和伴随而来的长期久坐导致的脊椎问题日益突出,其中长期不正确的坐姿是导致脊椎问题产生的重要原因。坐姿监测的重要性日渐突出。现有的坐姿监测方案,大多基于图像处理的方法来实现,需要有摄像头的支持,易受他人干扰,且难以解决便携性问题。
发明内容
本发明的目的在于针对现有技术的不足,提供一种基于重力加速度传感器的可穿戴坐姿监测系统和方法。
本发明的目的是通过以下技术方案来实现的:一种基于重力加速度传感器的可穿戴坐姿监测系统,该系统包括衣服本体;所述衣服本体设有微处理器;衣服本体的背面竖直中线上设有至少一个重力加速度传感器模块,向微处理器输出数字电压信号;
所述微处理器包括直接处理模块和呼吸处理模块;所述直接处理模块包括直接训练模块和直接检测模块;所述直接训练模块用于根据用户的不同坐姿类型和其对应的重力加速度传感器模块采集的数字电压信号进行聚类分析,获得背部姿态直接检测模型;所述直接检测模块,将在实时监测过程中采集的用户实时数字电压信号输入背部姿态直接检测模型,获得直接坐姿检测结果;呼吸处理模块包括呼吸训练模块和呼吸检测模块;所述呼吸训练模块用于根据用户标准坐姿和非标准坐姿时,根据重力加速度传感器模块采集的数字电压信号分析得到的呼吸的顺畅度不同进行聚类分析,获得呼吸检测模型;所述呼吸检测模块,将在实时监测过程中采集的用户实时数字电压信号输入呼吸检测模型,实时监测用户呼吸顺畅度,实现通过呼吸顺畅度判断坐姿是否正确;直接处理模块的判断结果干扰多,呼吸处理模块的判断结果稳定但相对滞后;当直接处理模块和呼吸处理模块同时得到非标准坐姿结果时,对用户报警。
进一步地,所述衣服本体的背面从上至下设有三个重力加速度传感器模块,第一个重力加速度传感器模块的位置与衣服本体的领口处相对应,第二个重力加速度传感器模块的位置与衣服本体的胸口处相对应,第三个重力加速度传感器模块的位置与衣服本体的腰处相对应。
进一步地,所述微处理器连接蜂鸣器模块和显示模块;所述显示模块用于向用户展示训练坐姿和该用户的坐姿类型;所述蜂鸣器模块用于在用户坐姿不准确时报警。
一种基于重力加速度传感器的可穿戴坐姿监测方法,方法包括以下步骤:
(1)待训练用户穿戴衣服本体,获得多组体态特征不同的用户的标准坐姿、驼背坐姿、左肩偏高坐姿、右肩偏高坐姿下的重力加速度传感器的数字电压信号,通过k-means算法得到每种姿态的聚类中心数据,并预存在微处理器中;
(2)待监测用户穿戴衣服本体,显示模块的显示屏上展示待训练的标准坐姿和驼背坐姿;用户按照显示屏显示的图像训练动作,训练多次,每次采集所有重力加速度传感器模块的数字电压信号;
(3)微处理器将采集到的重力加速度传感器模块的数字电压信号与微处理器中预先通过k-means聚类分析后得到的不同姿态的聚类中心数据比较,找到最接近的聚类中心数据;将采集的标准坐姿数据和聚类中心数据中的标准坐姿数据相减,用所得的差值矫正聚类中心数据中的驼背坐姿、左肩偏高坐姿、右肩偏高坐姿的聚类中心数据,得到校正后的包括标准坐姿、驼背坐姿、左肩偏高坐姿、右肩偏高坐姿的直接检测模型,实现初始校正;
(4)微处理器分别将训练时的用户标准坐姿和驼背坐姿的加速度数据按照用户呼吸频率进行滤波,取出其中滤波后幅值最大的波形作为滤波后波形。将滤波后波形放大,通过二次求导获得滤波后波形峰值点,计算峰值周期T;用峰值周期T采样滤波后波形,取波形中时间kT、(k+1)T和(k+2)T(k为正整数)对应的幅值分别作为X、Y、Z轴的坐标,以坐标值确定出对应的相空间的点,作相空间图;对相空间图进行聚类分析,得到呼吸检测模型;
(5)在直接检测模块中,将重力加速度传感器模块获得的数字电压信号输入直接检测模型中,跟初始校正后的标准坐姿聚类中心比较;在一定阈值内认为是标准坐姿,当超过阈值时进行计数,当连续超过阈值次数达到计数阈值后认为坐姿发生变化,变为非标准坐姿,非连续时对计数进行清零;
(6)在呼吸检测模块中,将重力加速度传感器模块获得的数字电压信号按照用户呼吸频率进行滤波,将滤波后波形放大,用步骤(4)得到的峰值周期T采样滤波后波形,以kT、(k+1)T和(k+2)T时刻对应的幅值作为X、Y、Z轴的坐标,作相空间图,对比呼吸检测模型,判断是否为标准坐姿;
(7)当直接检测模块和呼吸检测模块得到的结果同为非标准坐姿时,将采集的加速度传感器的数字电压信号与直接检测模型中的驼背坐姿、左肩偏高坐姿、右肩偏高坐姿的校正后的聚类中心进行比较,识别非标准坐姿类型。
进一步地,在步骤7得到非标准坐姿结果时,蜂鸣器进行声音报警,显示器显示非标准坐姿类型;当数据在以上聚类中心阈值外时,仅蜂鸣器进行声音报警。
本发明的有益效果是:本发明通过安装在衣服背面上加速度传感器模块,感知用户的背部姿态变化,以及保持正确坐姿和不正确坐姿时用户的呼吸顺畅度。通过显示器向用户展示训练坐姿,并将采集的重力加速度传感器模块的数字电压信号对预存的包括标准坐姿、驼背坐姿、左肩偏高坐姿、右肩偏高坐姿的检测模型进行初始化校正,并聚类分析用户呼吸相关特征。监测过程中,将采集的重力加速度传感器模块的数字电压信号输入两个检测模型,获得实时坐姿类型,并在错误坐姿时进行声音报警,当识别出错误类型时,通过显示模块的显示屏提示错误坐姿类型。本发明实现了实时监测人的姿势,特别是人的坐姿,解决了人体姿势定位困难,以及基于图像坐姿检测的缺点。实现了实时性、抗干扰和便携性等效果。
附图说明
图1是本发明的衣服本体背面示意图;
图2是本发明的衣服本体正面的口袋示意图;
图3是正面盒子的各个部分;
图4是标准坐姿时候以呼吸峰值周期采样波形示意图;
图5是非标准坐姿时候以呼吸峰值周期采样波形示意图;
图6是本发明的整体电路示意图;
图7是相空间构造图;
图8是本发明坐姿监测方法流程图;
图中:1、第一个重力加速度传感器模块,2、第二个重力加速度传感器模块,3、第三个重力加速度传感器模块,4、口袋,5、塑料盒,6、电池盒及其开关,7、数码管,8、单片机最小系统,9、蜂鸣器,10、按键。
具体实施方式
下面结合附图及具体实施例对本发明作进一步详细说明。
本发明提供了一种基于重力加速度传感器的可穿戴坐姿监测系统,该系统包括衣服本体;所述衣服本体设有微处理器;衣服本体的背面竖直中线上设有至少一个重力加速度传感器模块,向微处理器输出数字电压信号;
所述微处理器包括直接处理模块和呼吸处理模块;所述直接处理模块包括直接训练模块和直接检测模块;所述直接训练模块用于根据用户的不同坐姿类型和其对应的重力加速度传感器模块采集的数字电压信号进行聚类分析,获得背部姿态直接检测模型;所述直接检测模块,将在实时监测过程中采集的用户实时数字电压信号输入背部姿态直接检测模型,获得直接坐姿检测结果;呼吸处理模块包括呼吸训练模块和呼吸检测模块;所述呼吸训练模块用于根据用户标准坐姿和非标准坐姿时,根据重力加速度传感器模块采集的数字电压信号分析得到的呼吸的顺畅度不同进行聚类分析,获得呼吸检测模型;所述呼吸检测模块,将在实时监测过程中采集的用户实时数字电压信号输入呼吸检测模型,实时监测用户呼吸顺畅度,实现通过呼吸顺畅度判断坐姿是否正确;直接处理模块的判断结果干扰多,呼吸处理模块的判断结果稳定但相对滞后;当直接处理模块和呼吸处理模块同时得到非标准坐姿结果时,对用户报警。
进一步地,所述衣服本体的背面从上至下设有三个重力加速度传感器模块,第一个重力加速度传感器模块的位置与衣服本体的领口处相对应,第二个重力加速度传感器模块的位置与衣服本体的胸口处相对应,第三个重力加速度传感器模块的位置与衣服本体的腰处相对应。
进一步地,所述微处理器连接蜂鸣器模块和显示模块;所述显示模块用于向用户展示训练坐姿和该用户的坐姿类型;所述蜂鸣器模块用于在用户坐姿不准确时报警。
一种基于重力加速度传感器的可穿戴坐姿监测方法,该方法包括以下步骤:
(1)待训练用户穿戴衣服本体,获得多组体态特征不同的用户的标准坐姿、驼背坐姿、左肩偏高坐姿、右肩偏高坐姿下的重力加速度传感器的数字电压信号,通过k-means算法得到每种姿态的聚类中心数据,并预存在微处理器中;具体采用以下步骤获得:
(1.1)从采集的大量的不同体态特征的待训练用户的单个用户的包括标准坐姿、驼背坐姿、左肩偏高坐姿、右肩偏高坐姿的所有数据对象中,随机选4个点作为初始聚类中心;
(1.2)计算各个其他的点到聚类中心的距离,并以最近距离的点进行分组。
(1.3)重新计算每个组的均值作为新的聚类中心。
(1.4)重复迭代(2)、(3)步骤,直到每个聚类中心不再发生变化,即J的值不发生变化。
(1.5)得到一组对应的单个待训练用户的包括标准坐姿、驼背坐姿、左肩偏高坐姿、右肩偏高坐姿的聚类中心。
(2)待监测用户穿戴衣服本体,显示模块的显示屏上展示待训练的标准坐姿和驼背坐姿;用户按照显示屏显示的图像训练动作,训练多次,每次采集所有重力加速度传感器模块的数字电压信号;
(3)微处理器将采集到的重力加速度传感器模块的数字电压信号与微处理器中预先通过k-means聚类分析后得到的不同姿态的聚类中心数据比较,找到最接近的聚类中心数据;将采集的标准坐姿数据和聚类中心数据中的标准坐姿数据相减,用所得的差值矫正聚类中心数据中的驼背坐姿、左肩偏高坐姿、右肩偏高坐姿的聚类中心数据,得到校正后的包括标准坐姿、驼背坐姿、左肩偏高坐姿、右肩偏高坐姿的直接检测模型,实现初始校正;
(4)微处理器分别将训练时的用户标准坐姿和驼背坐姿的加速度数据按照用户呼吸频率进行滤波,取出其中滤波后幅值最大的波形作为滤波后波形。将滤波后波形放大,通过二次求导获得滤波后波形峰值点,计算峰值周期T;用峰值周期T采样滤波后波形,取波形中时间kT、(k+1)T和(k+2)T(k为正整数)对应的幅值分别作为X、Y、Z轴的坐标,以坐标值确定出对应的相空间的点,作相空间图;对相空间图进行聚类分析,得到呼吸检测模型;当正常坐姿时,呼吸频率相对稳定,所以周期T对滤波的波形进行取值,可以得到x(t)、x(t-T)和x(t-2T)的值固定在峰值左右,对应的点在相空间分布聚拢,且x(kT)变化小。当不正常坐姿时,呼吸相对不稳定,所以周期T对滤波的波形进行取值,可以得到x(t)、x(t-T)和x(t-2T)的值并不固定在峰值左右,对应的点在相空间分布分散,且x(kT)变化大。
(5)在直接检测模块中,将重力加速度传感器模块获得的数字电压信号输入直接检测模型中,跟初始校正后的标准坐姿聚类中心比较;在一定阈值内认为是标准坐姿,当超过阈值时进行计数,当连续超过阈值次数达到计数阈值后认为坐姿发生变化,变为非标准坐姿,非连续时对计数进行清零;
(6)在呼吸检测模块中,将重力加速度传感器模块获得的数字电压信号按照用户呼吸频率进行滤波,将滤波后波形放大,用步骤(4)得到的峰值周期T采样滤波后波形,以kT、(k+1)T和(k+2)T时刻对应的幅值作为X、Y、Z轴的坐标,作相空间图,对比呼吸检测模型,判断是否为标准坐姿;
(7)当直接检测模块和呼吸检测模块得到的结果同为非标准坐姿时,将采集的加速度传感器的数字电压信号与直接检测模型中的驼背坐姿、左肩偏高坐姿、右肩偏高坐姿的校正后的聚类中心进行比较,识别非标准坐姿类型。
进一步地,在步骤7得到非标准坐姿结果时,蜂鸣器进行声音报警,显示器显示非标准坐姿类型;当数据在以上聚类中心阈值外时,仅蜂鸣器进行声音报警。
实施例1
如图1所示,本实施例衣服本体的背面竖直中线上从上至下设有三个重力加速度传感器模块:第一个重力加速度传感器模块1、第二个重力加速度传感器模块2、第三个重力加速度传感器模块3。
如图2所示,本实施例的衣服本体正面设有一个口袋4,里面装有控制器及反馈部分。
如图3所示,本发明的控制器及反馈部分包括塑料盒5、电池盒及电源开关6、数码管7、单片机最小系统8、蜂鸣器及其驱动9、按键10。
将三个传感器通过SPI方式通过导线连接到微处理器系统,同时5V引脚连接到电池盒正极开关靠近微处理器一端,GND引脚连接到电池盒负极。
如图8所示,本发明可以采用下面的编程流程:上电复位之后,依次复位Uart、SPI、和3个ADXL345。然后等按键按下,按键按下后采集来自3个ADXL345重力加速度传感器的标准坐姿的数据,并用这些数据分别用于直接训练模块和呼吸训练模块。完成训练后,微处理器将采集来自加速度传感器的数字电压信号输入直接监测模块和呼吸监测模块。如果两个监测模块的分析的结果是正常坐姿,则重新进行采样。如果两个两个监测模块的结果同是不正确的坐姿,则驱动蜂鸣器报警,并在数码管上显示对应的错误类型,进行一个延时后再次采集数据。
本发明的具体工作过程如下:用户将整件衣服本体上身,将衣服整理整齐,打开电源开关。先保持一个正确的坐姿,并按一下按键,等待蜂鸣器响起后,保持驼背坐姿直到蜂鸣器再次响起。设备接着处于正常工作状态,对坐姿进行监测。当蜂鸣器响起来的时候,说明坐姿出现问题,然后再根据数码管上显示的结果,判别出当前坐姿存在的问题,并自觉进行矫正。本发明可以实现初始误差矫正,同时根据聚类分析的特点,根据驼背和穿衣服导致的初始误差特点不同,可以将其进行区分。同时,结合呼吸检测模块,也可以判断初始情况下的偏差是由驼背引起的,还是由衣服穿戴偏差引起的。
由此,本发明实现了实时监测人的姿势,特别是人的坐姿,解决了人体姿势定位困难,以及基于图像坐姿检测的缺点。实现了实时性、抗干扰和便携性等效果。
Claims (5)
1.一种基于重力加速度传感器的可穿戴坐姿监测系统,其特征在于,该系统包括衣服本体;所述衣服本体设有微处理器;衣服本体的背面竖直中线上设有至少一个重力加速度传感器模块,向微处理器输出数字电压信号;
所述微处理器包括直接处理模块和呼吸处理模块;所述直接处理模块包括直接训练模块和直接检测模块;所述直接训练模块用于根据用户的不同坐姿类型和其对应的重力加速度传感器模块采集的数字电压信号进行聚类分析,获得背部姿态直接检测模型;所述直接检测模块,将在实时监测过程中采集的用户实时数字电压信号输入背部姿态直接检测模型,获得直接坐姿检测结果;呼吸处理模块包括呼吸训练模块和呼吸检测模块;所述呼吸训练模块用于根据用户标准坐姿和非标准坐姿时,根据重力加速度传感器模块采集的数字电压信号分析得到的呼吸的顺畅度不同进行聚类分析,获得呼吸检测模型;所述呼吸检测模块,将在实时监测过程中采集的用户实时数字电压信号输入呼吸检测模型,实时监测用户呼吸顺畅度,实现通过呼吸顺畅度判断坐姿是否正确;直接处理模块的判断结果干扰多,呼吸处理模块的判断结果稳定但相对滞后;当直接处理模块和呼吸处理模块同时得到非标准坐姿结果时,对用户报警。
2.根据权利要求1所述的一种基于重力加速度传感器的可穿戴坐姿监测系统,其特征在于,所述衣服本体的背面从上至下设有三个重力加速度传感器模块,第一个重力加速度传感器模块的位置与衣服本体的领口处相对应,第二个重力加速度传感器模块的位置与衣服本体的胸口处相对应,第三个重力加速度传感器模块的位置与衣服本体的腰处相对应。
3.根据权利要求1所述的一种基于重力加速度传感器的可穿戴坐姿监测系统,其特征在于,所述微处理器连接蜂鸣器模块和显示模块;所述显示模块用于向用户展示训练坐姿和该用户的坐姿类型;所述蜂鸣器模块用于在用户坐姿不准确时报警。
4.一种利用权利要求1-3任一项所述系统进行坐姿监测的方法,其特征在于,该方法包括以下步骤:
(1)待训练用户穿戴衣服本体,获得多组体态特征不同的用户的标准坐姿、驼背坐姿、左肩偏高坐姿、右肩偏高坐姿下的重力加速度传感器的数字电压信号,通过k-means算法得到每种姿态的聚类中心数据,并预存在微处理器中;
(2)待监测用户穿戴衣服本体,显示模块的显示屏上展示待训练的标准坐姿和驼背坐姿;用户按照显示屏显示的图像训练动作,训练多次,每次采集所有重力加速度传感器模块的数字电压信号;
(3)微处理器将采集到的重力加速度传感器模块的数字电压信号与微处理器中预先通过k-means聚类分析后得到的不同姿态的聚类中心数据比较,找到最接近的聚类中心数据;将采集的标准坐姿数据和聚类中心数据中的标准坐姿数据相减,用所得的差值矫正聚类中心数据中的驼背坐姿、左肩偏高坐姿、右肩偏高坐姿的聚类中心数据,得到校正后的包括标准坐姿、驼背坐姿、左肩偏高坐姿、右肩偏高坐姿的直接检测模型,实现初始校正;
(4)微处理器分别将训练时的用户标准坐姿和驼背坐姿的加速度数据按照用户呼吸频率进行滤波,取出其中滤波后幅值最大的波形作为滤波后波形。将滤波后波形放大,通过二次求导获得滤波后波形峰值点,计算峰值周期T;用峰值周期T采样滤波后波形,取波形中时间kT、(k+1)T和(k+2)T(k为正整数)对应的幅值分别作为X、Y、Z轴的坐标,以坐标值确定出对应的相空间的点,作相空间图;对相空间图进行聚类分析,得到呼吸检测模型;
(5)在直接检测模块中,将重力加速度传感器模块获得的数字电压信号输入直接检测模型中,跟初始校正后的标准坐姿聚类中心比较;在一定阈值内认为是标准坐姿,当超过阈值时进行计数,当连续超过阈值次数达到计数阈值后认为坐姿发生变化,变为非标准坐姿,非连续时对计数进行清零;
(6)在呼吸检测模块中,将重力加速度传感器模块获得的数字电压信号按照用户呼吸频率进行滤波,将滤波后波形放大,用步骤(4)得到的峰值周期T采样滤波后波形,以kT、(k+1)T和(k+2)T时刻对应的幅值作为X、Y、Z轴的坐标,作相空间图,对比呼吸检测模型,判断是否为标准坐姿;
(7)当直接检测模块和呼吸检测模块得到的结果同为非标准坐姿时,将采集的加速度传感器的数字电压信号与直接检测模型中的驼背坐姿、左肩偏高坐姿、右肩偏高坐姿的校正后的聚类中心进行比较,识别非标准坐姿类型。
5.根据权利要求4所述的方法,其特征在于,在步骤7得到非标准坐姿结果时,蜂鸣器进行声音报警,显示器显示非标准坐姿类型;当数据在以上聚类中心阈值外时,仅蜂鸣器进行声音报警。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710785883.5A CN107744393B (zh) | 2017-09-04 | 2017-09-04 | 一种基于重力加速度传感器的可穿戴坐姿监测系统和方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710785883.5A CN107744393B (zh) | 2017-09-04 | 2017-09-04 | 一种基于重力加速度传感器的可穿戴坐姿监测系统和方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107744393A true CN107744393A (zh) | 2018-03-02 |
CN107744393B CN107744393B (zh) | 2019-10-25 |
Family
ID=61255642
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710785883.5A Active CN107744393B (zh) | 2017-09-04 | 2017-09-04 | 一种基于重力加速度传感器的可穿戴坐姿监测系统和方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107744393B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113288122A (zh) * | 2021-05-21 | 2021-08-24 | 河南理工大学 | 一种可穿戴坐姿监测装置和坐姿监测方法 |
WO2023103769A1 (zh) * | 2021-12-08 | 2023-06-15 | 华为技术有限公司 | 可穿戴设备及呼吸道感染评估方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH10243930A (ja) * | 1997-03-05 | 1998-09-14 | Nec Corp | 不整脈モニタ方法および装置 |
CN1582844A (zh) * | 2004-06-03 | 2005-02-23 | 上海交通大学 | 缺血缺氧心率变异信号处理方法 |
US7444179B2 (en) * | 2003-04-29 | 2008-10-28 | University Of Pittsburgh-Of The Commonwealth System Of Higher Education | Devices, systems and methods for characterization of ventricular fibrillation and for treatment of ventricular fibrillation |
CN101822534A (zh) * | 2010-04-02 | 2010-09-08 | 浙江大学 | 基于相空间重构的脉搏波观测方法 |
-
2017
- 2017-09-04 CN CN201710785883.5A patent/CN107744393B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH10243930A (ja) * | 1997-03-05 | 1998-09-14 | Nec Corp | 不整脈モニタ方法および装置 |
US7444179B2 (en) * | 2003-04-29 | 2008-10-28 | University Of Pittsburgh-Of The Commonwealth System Of Higher Education | Devices, systems and methods for characterization of ventricular fibrillation and for treatment of ventricular fibrillation |
CN1582844A (zh) * | 2004-06-03 | 2005-02-23 | 上海交通大学 | 缺血缺氧心率变异信号处理方法 |
CN101822534A (zh) * | 2010-04-02 | 2010-09-08 | 浙江大学 | 基于相空间重构的脉搏波观测方法 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113288122A (zh) * | 2021-05-21 | 2021-08-24 | 河南理工大学 | 一种可穿戴坐姿监测装置和坐姿监测方法 |
CN113288122B (zh) * | 2021-05-21 | 2023-12-19 | 河南理工大学 | 一种可穿戴坐姿监测装置和坐姿监测方法 |
WO2023103769A1 (zh) * | 2021-12-08 | 2023-06-15 | 华为技术有限公司 | 可穿戴设备及呼吸道感染评估方法 |
Also Published As
Publication number | Publication date |
---|---|
CN107744393B (zh) | 2019-10-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105632101B (zh) | 一种人体防跌倒预警方法及系统 | |
CN205041401U (zh) | 设备佩戴检测装置及具有佩戴检测功能的监护装置 | |
CN202619644U (zh) | 一种具有检测人体生命体征功能的衣物 | |
CN105118236A (zh) | 瘫倒监测和预防装置及其处理方法 | |
CN105662356A (zh) | 一种生理体征监测方法及装置 | |
CN107788989B (zh) | 一种基于加速度传感器的写字姿态监测系统和方法 | |
WO2022193850A1 (zh) | 运动数据处理方法和运动监控系统 | |
CN106456024A (zh) | 静息心率监测器系统 | |
CN104720808B (zh) | 一种检测人体睡眠呼吸的方法和装置 | |
CN103927851B (zh) | 一种个人化多阈值跌倒检测方法及系统 | |
CN107080527A (zh) | 一种可穿戴生命体征监测装置及精神状态监测方法 | |
CN109887238A (zh) | 一种基于视觉和人工智能的跌倒检测系统及检测报警方法 | |
CN107744393B (zh) | 一种基于重力加速度传感器的可穿戴坐姿监测系统和方法 | |
Zhao et al. | Recognition of human fall events based on single tri-axial gyroscope | |
CN108113657A (zh) | 一种基于d-s证据理论的驾驶员疲劳检测方法 | |
CN109770863A (zh) | 适用于高温高湿场所下人员安全监督手环 | |
CN103260512A (zh) | 仅基于二氧化碳描记信息识别呼吸的系统和方法 | |
CN107320070A (zh) | 主观视觉垂直线和主观视觉水平线检测系统及检测方法 | |
CN107146378A (zh) | 一种人体跌倒判定方法及装置 | |
CN111035376A (zh) | 一种用于学生体育运动呼吸频率监测的可穿戴式智能运动装置及其工作方法 | |
CN108704209B (zh) | 呼吸频率监测装置、系统、呼吸机及吸氧机 | |
CN212631624U (zh) | 一种呼吸气压计 | |
CN211633267U (zh) | 可穿戴式心肺功能评价设备 | |
WO2017009880A1 (en) | Customizable monitoring system for correlated vital signs | |
CN206518554U (zh) | 窒息辅助监测仪 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |