CN108362365A - 具有识别用户功能的体重计及其识别用户的方法 - Google Patents
具有识别用户功能的体重计及其识别用户的方法 Download PDFInfo
- Publication number
- CN108362365A CN108362365A CN201810048547.7A CN201810048547A CN108362365A CN 108362365 A CN108362365 A CN 108362365A CN 201810048547 A CN201810048547 A CN 201810048547A CN 108362365 A CN108362365 A CN 108362365A
- Authority
- CN
- China
- Prior art keywords
- user
- batheroom scale
- sole
- pressure
- data
- 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.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01G—WEIGHING
- G01G19/00—Weighing apparatus or methods adapted for special purposes not provided for in the preceding groups
- G01G19/44—Weighing apparatus or methods adapted for special purposes not provided for in the preceding groups for weighing persons
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01G—WEIGHING
- G01G23/00—Auxiliary devices for weighing apparatus
- G01G23/18—Indicating devices, e.g. for remote indication; Recording devices; Scales, e.g. graduated
- G01G23/36—Indicating the weight by electrical means, e.g. using photoelectric cells
- G01G23/37—Indicating the weight by electrical means, e.g. using photoelectric cells involving digital counting
Abstract
本发明提供一种具有识别用户功能的体重计及其识别用户的方法,包括一面板、一压力感测单元以及一处理器。面板用以测量一用户的体重。压力感测单元设置于面板上,压力感测单元具有感应用户的体重而使电性特性产生变化的一材料,用以检测施加于压力感测单元上的一压力分布信息,压力分布信息对应用户的一脚掌特征。处理器用以根据压力分布信息及对应的用户的脚掌特征识别用户的身份。采用本发明,不需在事先以手动选取用户的情况下,即可自动完成识别用户的身份,并可依照用户的身份更新数据库内的用户数据,使用上更有效、方便,且设定更容易。
Description
技术领域
本发明涉及一种体重计,且特别涉及一种具有识别用户功能的体重计及其识别用户的方法。
背景技术
目前的体重计的功能越来越来丰富,除了测量体重之外,还可储存多组用户的数据,并且能长期记录追踪用户的体重变化,以方便医生诊疗。然而,目前的体重计无法检测用户的身份,因此每次使用时均需通过人工选择用户,非常不方便,尤其是对年纪大或不知如何设定用户的人来说,操作上仍有待改善。
发明内容
为了解决上述技术问题,本发明提供了一种具有识别用户功能的体重计及其识别用户的方法,用以识别用户的身份,将测量的体重与用户身份关联。
根据本发明的一方面,提出一种具有识别用户功能的体重计,包括一面板、一压力感测单元以及一处理器。面板用以测量一用户的体重。压力感测单元设置于面板上,压力感测单元具有感应用户的体重而使电性特性产生变化的一材料,用以检测施加于压力感测单元上的一压力分布信息,压力分布信息对应用户的一脚掌特征。处理器用以根据压力分布信息及对应的用户的脚掌特征识别用户的身份。
根据本发明的一方面,提出一种体重计识别用户的方法,包括下列步骤。测量一用户的体重。检测用户脚掌的一压力分布信息,以得到对应用户的一脚掌特征。根据压力分布信息及对应的用户的脚掌特征识别用户的身份。
附图说明
为了对本发明的上述及其他方面有更佳的了解,下文特举实施例,并配合附图详细说明如下:
图1为依照本发明一实施例的具有识别用户功能的体重计的分解示意图。
图2为采用图1的体重计识别用户的流程图。
图3为以多任务器检测不同检测点上的电流阻抗值的示意图。
图4为用户的脚掌压力分布信息的示意图。
图5为计算用户脚掌特征的其中一种算法的示意图。
图6为从多组用户数据中比对出与新的用户数据相似度最高的一组用户数据的示意图。
图7为依照本发明一实施例的具有识别用户功能的体重计的方法流程图。
附图标记说明:
100:具有识别用户功能的体重计
110:面板
111:重量传感器
120:压力感测单元
125:材料
126:压力分布信息
130:处理器
121:第一电极线
122:第二电极线
123:检测点
131:行多任务器
132:列多任务器
AF、BF、CF、DF、EF:线段
A至E:各脚趾坐标位置
F:脚跟下缘坐标位置
具体实施方式
以下提出实施例进行详细说明,实施例仅用以作为范例说明,并非用以限制本发明欲保护的范围。以下是以相同/类似的符号表示相同/类似的组件做说明。
请参照图1及图2,其中图1为依照本发明一实施例的具有识别用户功能的体重计100的分解示意图,图2为采用图1的体重计100识别用户的流程图。具有识别用户功能的体重计100包括一面板110、一压力感测单元120以及一处理器130。面板110的四个角落处例如设有重量传感器111,用以测量一用户的体重。压力感测单元120设置于面板110上,用户可站立在具有压力感测单元120的面板110上,以检测用户脚掌的压力分布信息126(如图4所示)。此外,处理器130可以设置于面板110内,用以获取用户脚掌的压力分布信息126。
在一实施例中,压力感测单元120具有感应用户的体重而使电性特性产生变化的一材料125,例如是量子穿隧复合物(quantum tunneling composites,QTC)或具有类似特性的压感材料。此量子穿隧复合物中的金属粒子高密度地分布在基质中,在未受压情况下金属粒子相互之间没有接触而形成绝缘体,当量子穿隧复合物受到施压形变后,金属粒子相互接触而产生导电性,称之为“场效应量子隧道效应”现象,且量子穿隧复合物的电流阻抗值可随着施加的压力改变而产生变化。因此,量子穿隧复合物可用以检测施加于压力感测单元120上的一压力分布信息126。
在本实施例中,通过计算施加于压力感测单元120上的压力分布信息126,可对应得到用户的一脚掌特征。如图2所述,在步骤S11中,先检测用户的脚掌施加于压力感测单元120上的压力分布信息126,接着,在步骤S12中,处理器130获取压力分布信息126,以得到对应的用户脚掌特征。接着,在步骤S13中,处理器130可根据压力分布信息126及对应的用户脚掌特征识别用户的身份。接着,在步骤S14中,依用户的身份记录体重。因此,利用本发明的具有识别用户功能的体重计100,不需在事先以手动选取用户的情况下,即可自动完成识别用户的身份,并可依照用户的身份更新数据库内的用户数据。此外,本发明的体重计100还可结合云端,将用户数据上传或备份至云端数据库内。
请参照图3及图4,其中图3为以多任务器检测不同检测点123上的电流阻抗值的示意图,图4为用户脚掌的压力分布信息126的示意图。在图3中,压力感测单元120的上方设有多个纵向排列的第一电极线121,且压力感测单元120的下方设有多个横向排列的第二电极线122。第一电极线121与第二电极线122彼此交叉且材料125间隔于第一电极线121与第二电极线122之间,以形成二维矩阵的多个检测点123。检测点123的数量不限,数量越多,检测到的压力数据越完整,更能准确反映出用户脚掌的压力分布。当压力感测单元120的某一检测点123受压而具有导电性时,检测点123上下的第一电极线121与第二电极线122电性导通,因此可测得第一电极线121与第二电极线122之间的电流阻抗值。一般而言,在某一检测点123上测得的电流阻抗值越低,表示在检测点123上所受到的压力越大,由此得知用户脚掌的压力分布信息126,如图4所示。
请参照图3,处理器130包括至少一多任务器,例如是行多任务器131及列多任务器132,此组多任务器依序计算压力感测单元120的每一检测点123上的电流阻抗值,且各检测点123上的电流阻抗值对应施加于压力感测单元120上的压力分布信息126,也就是对应用户脚掌特征,其中压力分布数据126为各检测点123上的电流阻抗值所组成。如图4所示,根据用户脚掌的压力分布信息126,可透过图像处理技术得到用户脚掌形状、脚掌大小(总长度及最大宽度)、脚掌心及脚掌根及各脚趾的面积分布,或是通过更多的算法以得到更多的用户脚掌特征,以供识别。
举例来说,请参照图5,其示出计算用户脚掌特征的其中一种算法的示意图。根据图4的用户脚掌的压力分布信息126,可得知各脚趾的坐标位置(以A至E点表示)以及脚跟下缘的坐标位置(以F点表示),接着,计算各脚趾至脚跟下缘的距离(以线段AF、BF、CF、DF、EF表示),以得知用户脚掌特征。在另一实施例中,也可计算各脚趾间的距离(例如线段AB、AC、AD、AE等),以得知用户脚掌特征。以下实施例以用户的各脚趾至脚跟下缘的距离为脚掌特征进行说明,但本发明不以此为限。
请参照图6,其示出从多组用户数据中比对出与新的用户数据相似度最高的一组用户数据的示意图。在图6中,体重计100包括一数据库,数据库内包括多组用户数据。在图6中列出8组用户数据,例如是已知七位成员的体重数据以及各脚趾至脚跟下缘的距离(以线段AF、BF、CF、DF、EF表示)以及新的一组数据。当体重计100得到新的一组资料时,可根据上述图2的步骤S11~S13得知用户脚掌特征,并可再通过相似度算法,从七位用户数据中比对出与此用户的脚掌特征相似度最高的其中一组用户数据,以识别新的一组数据属于已知七位成员中的哪一位成员。上述的相似度算法用以从七位用户数据中比对出与新数据的用户的各脚趾至脚跟下缘的距离有最小欧基理得几何距离(简称为最小欧式距离)的一组用户数据。欧式距离指两个n维向量a(x11,x12,…,x1n)与b(x21,x22,…,x2n)间的最短距离,表示为:
通过上述的表达式,将各用户与新的一组数据中的AF、BF、CF、DF、EF代入表达式中,求出各用户与新的一组数据间的欧式距离,如图6所示的一范例,其中用户1与新的一组数据间的欧式距离为8.12,用户2与新的一组数据间的欧式距离为2.55,用户3与新的一组数据间的欧式距离为11.68,用户4与新的一组数据间的欧式距离为2.55,用户5与新的一组数据间的欧式距离为10.79,用户6与新的一组数据间的欧式距离为0.71,用户7与新的一组数据间的欧式距离为8.32。从上述的范例数据中,可比得出用户6与新的一组数据间具有最小欧式距离,因此可判断新的一组数据应属于用户6。
请参照图7,其示出依照本发明一实施例的具有识别用户功能的体重计100的方法流程图。首先,在步骤S21中,提示用户确认是否第一次使用,若是,进入步骤S22中,体重计100将提示用户输入用户数据(例如姓名、年龄、身高等);若不是第一次使用,进入步骤S23中,体重计100将进入一测量模式。在步骤S24至S26中,当用户站在面板110上,除了测量体重之外,如图2的步骤S11~S13所述,处理器130还可获取压力分布信息126,并根据压力分布信息126取得对应的用户脚掌特征。接着,在步骤S27中,体重计100根据相似度算法判断用户是否为第一次使用,若是,进入步骤S29中,将取得的体重及脚掌特征依照步骤S22所得的新用户数据建立至数据库(例如是云端数据库)。若判断用户不是第一次使用,则进入步骤S28中,识别用户的身份,并依照识别的用户身份更新该用户的体重及脚掌特征至数据库。
本发明上述实施例所揭露的具有识别用户功能的体重计及其识别用户的方法,利用压力感测单元检测施加于压力感测单元上的一压力分布信息,利用处理器取得对应的用户脚掌特征,并根据压力分布信息及对应的用户脚掌特征识别用户的身份。因此,本发明的具有识别用户功能的体重计,不需在事先以手动选取用户的情况下,即可自动完成识别用户的身份,并可依照用户的身份更新数据库内的用户数据,使用上更有效、方便,且设定更容易。
综上所述,虽然本发明已以实施例揭露如上,然其并非用以限定本发明。本发明所属技术领域中的技术人员,在不脱离本发明的精神和范围内,可以进行各种的变形与润饰。因此,本发明的保护范围当以权利要求书所界定的范围为准。
Claims (11)
1.一种具有识别用户功能的体重计,其特征在于,包括:
一面板,用以测量一用户的体重;
一压力感测单元,设置于该面板上,该压力感测单元具有感应该用户的体重而使电性特性产生变化的一材料,用以检测施加于该压力感测单元上的一压力分布信息,该压力分布信息对应该用户的一脚掌特征;以及
一处理器,用以根据该压力分布信息及对应的该用户的该脚掌特征识别该用户的身份。
2.如权利要求1所述的体重计,其特征在于,该压力感测单元的该材料为量子穿隧复合物。
3.如权利要求1所述的体重计,其特征在于,该处理器还包括至少一多任务器,用以依序计算该压力感测单元的多个检测点上的电流阻抗值,其中该压力分布数据由各该检测点上的电流阻抗值所组成。
4.如权利要求3所述的体重计,其特征在于,该电流阻抗值由多个纵向排列的第一电极线以及多个横向排列的第二电极线所形成二维矩阵的该多个检测点计算得知,该第一电极线与该第二电极线彼此交叉且该材料间隔于该第一电极线与该第二电极线之间。
5.如权利要求1所述的体重计,其特征在于,该脚掌特征为脚掌形状、大小、面积分布、各脚趾至脚跟的距离及各脚趾间的距离的任一组合。
6.如权利要求1所述的体重计,其特征在于,该体重计包括一数据库,该数据库内包括多组用户数据,该处理器根据相似度算法从该多组用户数据中比对出与该用户的该脚掌特征相似度最高的其中一组用户数据。
7.如权利要求6所述的体重计,其特征在于,该相似度算法用以从该多组用户数据中比对出与该用户的各脚趾至脚跟下缘的距离间有最小欧基理得几何距离的一组用户数据。
8.一种体重计识别用户的方法,其特征在于,包括:
测量一用户的体重;
检测该用户脚掌的一压力分布信息,以得到对应该用户的一脚掌特征;以及
根据该压力分布信息及对应的该用户的该脚掌特征识别该用户的身份。
9.如权利要求8所述的体重计识别用户的方法,其特征在于,该体重计包括一数据库用以存放多组用户数据,并根据相似度算法从该多组用户数据中比对出与该用户的该脚掌特征相似度最高的其中一组用户数据。
10.如权利要求9所述的体重计识别用户的方法,其特征在于,该用户为新用户时,该体重计提示该用户输入一新用户数据,并依照所得的该新用户数据,将该用户的体重及该脚掌特征添加至该数据库中。
11.如权利要求9所述的体重计识别用户的方法,其特征在于,该用户非为第一次使用的用户时,依照识别的该用户身份更新该用户的体重及该脚掌特征至该数据库中。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810048547.7A CN108362365A (zh) | 2018-01-18 | 2018-01-18 | 具有识别用户功能的体重计及其识别用户的方法 |
TW107122723A TW201932799A (zh) | 2018-01-18 | 2018-07-02 | 具識別用戶功能之體重計及其識別用戶的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810048547.7A CN108362365A (zh) | 2018-01-18 | 2018-01-18 | 具有识别用户功能的体重计及其识别用户的方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108362365A true CN108362365A (zh) | 2018-08-03 |
Family
ID=63006607
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810048547.7A Pending CN108362365A (zh) | 2018-01-18 | 2018-01-18 | 具有识别用户功能的体重计及其识别用户的方法 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN108362365A (zh) |
TW (1) | TW201932799A (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108981886A (zh) * | 2018-08-14 | 2018-12-11 | 广东小天才科技有限公司 | 一种称重方式检测方法、装置及电子秤 |
CN110720921A (zh) * | 2019-10-23 | 2020-01-24 | 京东方科技集团股份有限公司 | 电子设备 |
CN111121940A (zh) * | 2020-03-31 | 2020-05-08 | 芯海科技(深圳)股份有限公司 | 一种电子秤、检测方法及计算机可读存储介质 |
CN111238620A (zh) * | 2020-01-08 | 2020-06-05 | 缤刻普达(北京)科技有限责任公司 | 人体数据检测记录方法、系统及智能体重秤、移动终端 |
CN112699783A (zh) * | 2020-12-29 | 2021-04-23 | 深圳力维智联技术有限公司 | 脚印识别方法、装置以及计算机可读存储介质 |
WO2022042200A1 (zh) * | 2020-08-27 | 2022-03-03 | 华为技术有限公司 | 人体成分检测的方法、系统、电子设备及存储介质 |
US11561123B2 (en) * | 2019-04-19 | 2023-01-24 | Mateo | Smart scale systems and methods of using the same |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7186930B1 (en) * | 2005-12-20 | 2007-03-06 | Sunbeam Products, Inc | Buttonless household scale |
CN102165298A (zh) * | 2008-09-29 | 2011-08-24 | 日本写真印刷株式会社 | 感压传感器 |
CN103476335A (zh) * | 2011-02-17 | 2013-12-25 | 耐克国际有限公司 | 具有传感器系统的鞋 |
CN104184589A (zh) * | 2014-08-26 | 2014-12-03 | 重庆邮电大学 | 一种身份认证方法、终端设备,及系统 |
CN104535155A (zh) * | 2015-01-19 | 2015-04-22 | 成都怡康科技有限公司 | 光学摄像扫描智能身份识别体重秤及其自动识别身份方法 |
CN104535156A (zh) * | 2015-01-19 | 2015-04-22 | 成都怡康科技有限公司 | 阵列式扫描智能身份识别体重秤及其自动识别身份方法 |
CN206403774U (zh) * | 2016-08-31 | 2017-08-15 | 徐新强 | 智能体质秤 |
-
2018
- 2018-01-18 CN CN201810048547.7A patent/CN108362365A/zh active Pending
- 2018-07-02 TW TW107122723A patent/TW201932799A/zh unknown
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7186930B1 (en) * | 2005-12-20 | 2007-03-06 | Sunbeam Products, Inc | Buttonless household scale |
CN102165298A (zh) * | 2008-09-29 | 2011-08-24 | 日本写真印刷株式会社 | 感压传感器 |
CN103476335A (zh) * | 2011-02-17 | 2013-12-25 | 耐克国际有限公司 | 具有传感器系统的鞋 |
CN104184589A (zh) * | 2014-08-26 | 2014-12-03 | 重庆邮电大学 | 一种身份认证方法、终端设备,及系统 |
CN104535155A (zh) * | 2015-01-19 | 2015-04-22 | 成都怡康科技有限公司 | 光学摄像扫描智能身份识别体重秤及其自动识别身份方法 |
CN104535156A (zh) * | 2015-01-19 | 2015-04-22 | 成都怡康科技有限公司 | 阵列式扫描智能身份识别体重秤及其自动识别身份方法 |
CN206403774U (zh) * | 2016-08-31 | 2017-08-15 | 徐新强 | 智能体质秤 |
Non-Patent Citations (1)
Title |
---|
陈雯柏: "《人工神经网络原理与实践》", 31 January 2016, 西安电子科技大学出版社 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108981886A (zh) * | 2018-08-14 | 2018-12-11 | 广东小天才科技有限公司 | 一种称重方式检测方法、装置及电子秤 |
US11561123B2 (en) * | 2019-04-19 | 2023-01-24 | Mateo | Smart scale systems and methods of using the same |
CN110720921A (zh) * | 2019-10-23 | 2020-01-24 | 京东方科技集团股份有限公司 | 电子设备 |
CN111238620A (zh) * | 2020-01-08 | 2020-06-05 | 缤刻普达(北京)科技有限责任公司 | 人体数据检测记录方法、系统及智能体重秤、移动终端 |
CN111121940A (zh) * | 2020-03-31 | 2020-05-08 | 芯海科技(深圳)股份有限公司 | 一种电子秤、检测方法及计算机可读存储介质 |
WO2022042200A1 (zh) * | 2020-08-27 | 2022-03-03 | 华为技术有限公司 | 人体成分检测的方法、系统、电子设备及存储介质 |
CN112699783A (zh) * | 2020-12-29 | 2021-04-23 | 深圳力维智联技术有限公司 | 脚印识别方法、装置以及计算机可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
TW201932799A (zh) | 2019-08-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108362365A (zh) | 具有识别用户功能的体重计及其识别用户的方法 | |
EP3473177B1 (en) | Baseline impedance maps for tissue proximity indications | |
US20150168238A1 (en) | Pressure Signature Based Biometric Systems, Sensor Assemblies and Methods | |
US11723602B2 (en) | Smart scale with plurality of sensors | |
KR102335768B1 (ko) | 체지방을 측정하는 방법 및 장치 | |
Suprapto et al. | Low-cost pressure sensor matrix using velostat | |
JP2010520780A5 (zh) | ||
TW200841025A (en) | Electrically stimulated fingerprint sensor test method | |
CN103654765A (zh) | 电势标测 | |
US11589828B2 (en) | System and methods for electrocardiogram beat similarity analysis using deep neural networks | |
CN109101983B (zh) | 一种基于深度学习的鞋样及足迹关键点检测方法 | |
Sun et al. | On bed posture recognition with pressure sensor array system | |
CN106598366B (zh) | 输入装置、传感器控制方法、电子设备及其控制方法 | |
CN107334212A (zh) | 测量足底压力中心轨迹的方法、模型建立方法及智能鞋垫 | |
CN110680328B (zh) | 一种足底应力检测系统、装置、服务器、方法和存储介质 | |
TWI766914B (zh) | 身體測定裝置及身體測定系統 | |
Affortunati et al. | Tomographic Artificial Skin for Robotic Application | |
CN213309713U (zh) | 一种足底压力检测装置 | |
KR102155911B1 (ko) | 신체 불균형에 대한 보정기능을 갖는 체성분 분석장치 | |
CN109470394A (zh) | 多点触觉力传感器及在规则沟槽表面提取特征信息的方法 | |
Abdelwahed et al. | Use of multi-frequency electrical impedance tomography as tactile sensor for material discrimination | |
CN107091858B (zh) | 一种由电流-电压映射构造电压-电流映射的方法 | |
Drimus et al. | Footwear discrimination using dynamic tactile information | |
US20220370794A1 (en) | Computing local propagation velocities in real-time | |
Ramya et al. | Classification of Foot Pressure Images Using Machine Learning Algorithm. |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180803 |
|
RJ01 | Rejection of invention patent application after publication |