CN107788989A - 一种基于加速度传感器的写字姿态监测系统和方法 - Google Patents

Abstract

本发明公开了一种基于加速度传感器的写字姿态监测系统和方法，本发明通过安装在衣服背面上的加速度传感器，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的用户不同的呼吸顺畅度。通过显示器向用户展示训练坐姿，并根据重力加速度传感器采集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，通过安装在笔上的加速度传感器模块，感知手的姿态变化并计算出手臂的姿态变化，在错误坐姿时进行声报警。

Description

一种基于加速度传感器的写字姿态监测系统和方法

技术领域

本发明涉及了一种可穿戴设备，尤其涉及了一种实现人体姿势监测，特别是写字姿态监测的智能监测系统和方法。

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。写字姿态的监测的重要性日渐突出。现有的写字姿态的检测，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，提供一种基于加速度传感器的写字姿态监测系统和方法。

本发明的目的是通过以下技术方案来实现的：一种基于加速度传感器的写字姿态监测系统，该系统包括衣服本体和笔本体；

所述衣服本体的正面设有微处理器；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；

所述笔本体上设有至少两个传感器，其中一个为重力加速度传感器，一个为加速度传感器，传感器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、呼吸处理模块和计算模块；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，对用户报警坐姿错误；所述计算模块采集来自笔的加速度数字电压信号，结合用户输入的写字时的肩和桌面高度差、上臂长度、小臂长度数据，根据三角函数关系，计算出用户写字时手臂的空间角度；将用户写字时手臂的空间角度对比标准的写字姿态时手臂的空间角度关系，得到检测结果；当手臂的空间角度与标准写字时空间角度差值超过设定阈值，也对用户报警提醒坐姿不正确。

进一步地，所述笔本体从上至下设有两个加速度传感器模块：重力加速度传感器设置在笔上端，加速度传感器设置在笔的下端。

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。

一种基于加速度传感器的写字姿态监测方法，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；

(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，并对用户进行报警；

(8)工作面固定后，待监测用户根据显示屏提示将笔竖直并依次移动到笔尖接触工作面边缘的4个角；微处理器根据笔本体上的加速度传感器采集的数字电压信号积分计算出移动的距离，完成工作面的空间定位；

(9)根据工作面定位以及采集的笔本体上的加速度传感器的数字信号，单个轴向的空间位移有(周期离散的加速度数据计算位移的公式)，计算出笔在空间上的单个轴上位移，其中，x_k为第k个采样周期内的位移，v_kt为第k个采样时刻的速度，a_kT为第k个采样时刻的加速度，n为累加的个数，k为累加到第k个采样时刻；通过计算XYZ三个轴的位移计算出笔的空间位移；并通过坐标变化得到以工作面为XY面的对应的XYZ三个方向的空间位移x_x、x_y、x_z；其中Δh＝h‐x_z，x_x、x_y、x_z分别为XYZ三个轴向的位移，Δh为手到右肩膀的高度差；h为肩膀到工作面的高度差，d为手到右肩膀的水平距离；d₀为右肩膀到工作面的水平垂直距离；

(10)计算出肩膀到手的距离m，

(11)根据m的长度、上臂长度l₂、小臂长度l₃和余弦函数计算上臂和小臂的空间角度；

(12)微处理器采集笔本体上重力加速度传感器数字电压信号，根据重力加速度的方向，计算笔的空间角度；

(13)将用户的笔的空间角度和手臂的空间角度与标准写字姿势的笔的空间角度和手臂的空间角度对比，当任意一个角度偏差超过设定阈值时，对用户进行报警。

进一步地，在步骤12得到比对结果后，当写字姿势出现错误或步骤6出现坐姿错误时，微处理器对用户进行报警。

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的加速度传感器，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的用户不同的呼吸顺畅度。通过显示器向用户展示训练坐姿，并根据重力加速度传感器采集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，通过安装在笔上的加速度传感器模块，感知手的姿态变化并计算出手臂的姿态变化，在错误坐姿时进行声报警。本发明实现了实时监测人的姿势，特别是人的写字姿态，解决了写字姿态定位困难，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是本发明写字姿态监测系统的衣服本体示意图。

图2是衣服本体加速度传感器和微处理器的电路连接图。

图3是笔的加速度传感器和微处理器的电路连接图。

图4是标准坐姿时，根据呼吸频率滤波后，加速度数据的波形。

图5是非标准坐姿时，根据呼吸频率滤波后，加速度数据的波形。

图6是相空间法原理图。

图7是根据三角函数计算m值的原理图。

图8是本发明写字姿态监测方法流程图。

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。

本发明提供的一种基于加速度传感器写字姿态监测系统，该系统包括衣服本体和笔本体；

所述衣服本体的正面设有微处理器；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；

所述笔本体上设有至少两个传感器，其中一个为重力加速度传感器，一个为加速度传感器，传感器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、呼吸处理模块和计算模块；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，对用户报警坐姿错误；所述计算模块采集来自笔的加速度数字电压信号，结合用户输入的写字时的肩和桌面高度差、上臂长度、小臂长度数据，根据三角函数关系，计算出用户写字时手臂的空间角度；将用户写字时手臂的空间角度对比标准的写字姿态时手臂的空间角度关系，得到检测结果；当手臂的空间角度与标准写字时空间角度差值超过设定阈值，也对用户报警提醒坐姿不正确。

进一步地，所述笔本体从上至下设有两个加速度传感器模块：重力加速度传感器设置在笔上端，加速度传感器设置在笔的下端。

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、显示模块和按键模块；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；所述按键模块用于用户根据显示模块提示手动输入用户坐姿时的肩和桌面高度差h、上臂长度l₂、小臂长度l₃、肩膀到桌面的水平距离d₀的数据以及控制系统进入训练模式。

进一步地，呼吸特征的提取可以通过微处理器将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。将滤波后波形放大，通过二次求导获得滤波后波形峰值点。对峰值点进行提取，计算峰值频率和周期T。用峰值频率采样滤波后波形，以x(t)、x(t-T)和x(t-2T)为轴，用采样点作相空间图。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，所以在相空间分布聚拢，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，所以在相空间分布分散，且x(kT)变化大。

进一步地，微处理器中通过k-means聚类算法获得的包括标准坐姿、驼背坐姿、左肩偏高坐姿、右肩偏高坐姿的聚类中心数据，采用以下步骤获得：

(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；

(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。

(3)重新计算每个组的均值作为新的聚类中心。

(4)重复迭代步骤(2)、(3)，直到每个聚类中心不再发生变化，即J的值不发生变化。

(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。

一种基于加速度传感器的写字姿态监测方法，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；

(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，并对用户进行报警；

(8)工作面固定后，待监测用户根据显示屏提示将笔竖直并依次移动到笔尖接触工作面边缘的4个角；微处理器根据笔本体上的加速度传感器采集的数字电压信号积分计算出移动的距离，完成工作面的空间定位；

(9)根据工作面定位以及采集的笔本体上的加速度传感器的数字信号，单个轴向的空间位移有(周期离散的加速度数据计算位移的公式)，计算出笔在空间上的单个轴上位移，其中，x_k为第k个采样周期内的位移，v_kt为第k个采样时刻的速度，a_kT为第k个采样时刻的加速度，n为累加的个数，k为累加到第k个采样时刻；通过计算XYZ三个轴的位移计算出笔的空间位移；并通过坐标变化得到以工作面为XY面的对应的XYZ三个方向的空间位移x_x、x_y、x_z；其中Δh＝h‐x_z，x_x、x_y、x_z分别为XYZ三个轴向的位移，Δh为手到右肩膀的高度差；h为肩膀到工作面的高度差，d为手到右肩膀的水平距离；d₀为右肩膀到工作面的水平垂直距离；

(10)计算出肩膀到手的距离m，

(11)根据m的长度、上臂长度l₂、小臂长度l₃和余弦函数计算上臂和小臂的空间角度；

(12)微处理器采集笔本体上重力加速度传感器数字电压信号，根据重力加速度的方向，计算笔的空间角度；

(13)将用户的笔的空间角度和手臂的空间角度与标准写字姿势的笔的空间角度和手臂的空间角度对比，当任意一个角度偏差超过设定阈值时，对用户进行报警。

实施例1

如图1所示，本发明可以分为衣服本体部分和笔部分。本发明的本体衣服部分包括3个固定分布在衣服背面中线上的重力加速度传感器模块。本发明的笔部分包括1个固定在笔上的重力加速度传感器模块和1个加速度传感器模块。

衣服上的三个传感器通过SPI方式通过导线连接到微处理器系统，同时5V引脚连接到电源正极开关靠近微处理器一端，GND引脚连接到电源负极。

笔上的2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引脚连接到电源正极开关靠近微处理器一端，GND引脚连接到电源负极。

如图8所示，本发明可以采用下面的编程流程：上位机提示，输入用户坐姿时的肩和桌面高度差h、上臂长度l₂、小臂长度l₃、肩膀到桌面的水平距离d₀。显示模块的显示屏上展示待训练的标准坐姿和驼背坐姿让用户进行训练，训练多次，每次采集三个重力加速度传感器模块的数字电压信号，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原先通过k-means聚类分析后得到的多组包括标准坐姿、驼背坐姿、左肩偏高坐姿、右肩偏高坐姿的数据监测模型比较，找到最接近的直接检测模型。将采集的标准坐姿数据和检测模型中的标准坐姿数据相减，用所得的差值矫正驼背坐姿、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监测模型，实现初始校正。同时，将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。将滤波后波形放大，通过二次求导获得滤波后波形峰值点。对峰值点进行提取，计算峰值频率和周期T。用峰值频率采样滤波后波形，以x(t)、x(t-T)和x(t-2T)为轴关于采样点作相空间图。对相空间图进行聚类分析，得到呼吸检测模型。工作面固定后，根据上位机提示将笔依次移动到竖直接触工作面边缘的4个角，根据重力加速度传感器的加速度数据以及公式计算出空间位移。(周期离散的加速度数据计算位移的公式)，计算出笔在空间上的单个轴上位移。其中，x_k为第k个采样周期内的位移，v_kt为第k个采样时刻的速度，a_kT为第k个采样时刻的加速度，n为累加的个数，k为累加到第k个采样时刻。

取轨迹上任意3点，代入ax+by+cz＝d，求得笔迹在空间运动的平面。将已经求得的ax+by+cz＝d上的笔迹进行坐标变换，变成ex+fy＝g的xy平面上即为工作面。其中a、b、c、d为待定的空间平面表达式的系数；x、y、z为点的坐标值。其中e、f、g为待定的空间平面表达式的系数x、y为点的坐标值。

根据工作面上的边缘4个点，确定工作平面的范围。

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试，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，识别错误类型。

根据工作面定位以及采集的笔上的加速度传感器的数据，手的空间位移同笔的位移，以及根据已经确认的工作面。计算出XYZ三个方向的空间位移，x_x、x_y、x_z。其中Δh＝h‐x_z，其中x_x、x_y、x_z分别为XYZ三个轴向的位移，Δh为手到右肩膀的高度差；h肩膀到工作面的高度差；d手到为右肩膀的水平距离；d₀为右肩膀到工作面的水平垂直距离。然后根据计算出肩膀到手的距离m。根据m的长度以及上臂长度l₂、小臂长度l₃，计算的到手臂的空间角度，并根据采集的笔上的重力加速度传感器的静态加速度数据，结合加速度传感器在笔上安装的位置，计算笔的空间角度。再结合笔的空间角度和手臂的空间角度构建模型和坐姿情况，将其与标准写字姿势的笔的角度和手臂的角度对比。并在出现错误姿态时进行报警。

本发明的具体实施工作过程如下：用户根据提示，输入坐姿时的肩和桌面高度差h、上臂长度l₂、小臂长度l₃、肩膀到桌面的水平距离d₀。然后穿好衣服。根据显示屏显示的图像训练动作。微处理器根据训练动作时采集的来自重力加速度传感器的数据进行分析，建立直接检测模型和呼吸检测模型。然后根据训练结果，进行初始误差校正。用户拿起笔，移动经过工作平面四个角，进行工作平面定位。完成后，微处理器对用户的坐姿和写字手臂和手部姿势进行检测。当出现错误姿态时，对用户进行报警。用户拿起笔后，将笔移动到工作面的4个角，进行平面定位。根据笔上加速度计算位移和笔的空间角度，通过位移和三角函数计算出m值和手臂的空间角度。将手臂空间角度和笔的空间角度和写字时候标准的人体坐姿模型对比。系统在坐姿出现错误或手臂姿势或者握笔角度不正确时，对用户进行报警。

由此，本发明实现了实时监测人的姿势，特别是人的写字姿态，解决了写字姿态定位困难，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 (6)

1.一种基于加速度传感器的写字姿态监测系统，其特征在于，该系统包括衣服本体和笔本体；

所述衣服本体的正面设有微处理器；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；

所述笔本体上设有至少两个传感器，其中一个为重力加速度传感器，一个为加速度传感器，传感器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、呼吸处理模块和计算模块；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；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，对用户报警坐姿错误；所述计算模块采集来自笔的加速度数字电压信号，结合用户输入的写字时的肩和桌面高度差、上臂长度、小臂长度数据，根据三角函数关系，计算出用户写字时手臂的空间角度；将用户写字时手臂的空间角度对比标准的写字姿态时手臂的空间角度关系，得到检测结果；当手臂的空间角度与标准写字时空间角度差值超过设定阈值，也对用户报警提醒坐姿不正确。

2.根据权利要求1所述的一种基于加速度传感器的写字姿态监测系统，其特征在于，所述笔本体从上至下设有两个加速度传感器模块：重力加速度传感器设置在笔上端，加速度传感器设置在笔的下端。

3.根据权利要求1所述的一种基于加速度传感器的写字姿态监测系统，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。

4.一种利用权利要求1-3任一项所述系统进行写字姿态监测的方法，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，并对用户进行报警；

(8)工作面固定后，待监测用户根据显示屏提示将笔竖直并依次移动到笔尖接触工作面边缘的4个角；微处理器根据笔本体上的加速度传感器采集的数字电压信号积分计算出移动的距离，完成工作面的空间定位；

(9)根据工作面定位以及采集的笔本体上的加速度传感器的数字信号，单个轴向的空间位移有计算出笔在空间上的单个轴上位移，其中，x_k为第k个采样周期内的位移，v_kt为第k个采样时刻的速度，a_kT为第k个采样时刻的加速度，n为累加的个数，k为累加到第k个采样时刻；通过计算XYZ三个轴的位移计算出笔的空间位移；并通过坐标变化得到以工作面为XY面的对应的XYZ三个方向的空间位移x_x、x_y、x_z；其中Δh＝h‐x_z，x_x、x_y、x_z分别为XYZ三个轴向的位移，Δh为手到右肩膀的高度差；h为肩膀到工作面的高度差，d为手到右肩膀的水平距离；d₀为右肩膀到工作面的水平垂直距离；

(10)计算出肩膀到手的距离m，

(11)根据m的长度、上臂长度l₂、小臂长度l₃和余弦函数计算上臂和小臂的空间角度；

(12)微处理器采集笔本体上重力加速度传感器数字电压信号，根据重力加速度的方向，计算笔的空间角度；

(13)将用户的笔的空间角度和手臂的空间角度与标准写字姿势的笔的空间角度和手臂的空间角度对比，当任意一个角度偏差超过设定阈值时，对用户进行报警。

5.根据权利要求4所述的方法，其特征在于，在步骤12得到比对结果后，当写字姿势出现错误或步骤6出现坐姿错误时，微处理器对用户进行报警。

6.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。