CN108614433B - 一种视觉智能座椅及其控制方法 - Google Patents
一种视觉智能座椅及其控制方法 Download PDFInfo
- Publication number
- CN108614433B CN108614433B CN201810599362.5A CN201810599362A CN108614433B CN 108614433 B CN108614433 B CN 108614433B CN 201810599362 A CN201810599362 A CN 201810599362A CN 108614433 B CN108614433 B CN 108614433B
- Authority
- CN
- China
- Prior art keywords
- seat
- user
- height
- pressure
- distance
- 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.)
- Expired - Fee Related
Links
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
- G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
- G05B13/042—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators in which a parameter or coefficient is automatically adjusted to optimise the performance
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Chair Legs, Seat Parts, And Backrests (AREA)
Abstract
本发明公开了一种视觉智能座椅的控制方法,包括以下步骤:步骤一、摄像头拍摄使用者正常坐姿时的头像;步骤二、按照采样周期,采集座椅上方压力F,使用者面部偏离正常坐姿的水平距离Sx和竖直距离Sy,使用者胸部与桌子的距离Sz,连续使用时间t;步骤三、依次将采集的数据信息进行规格化,确定三层BP神经网络的输入层向量x={x1,x2,x3,x4,x5};步骤四、所述输入层向量映射到中间层,所述中间层向量y={y1,y2,…,ym};m为中间层节点个数;步骤五、得到输出层向量z={z1,z2,z3};其中,z1为座椅高度调节系数,z2为座椅椅背角度调节系数,z3为预警提示信号。本发明根据具体的使用者坐姿和使用情况来调节座椅的高度及背椅角度,使其达到最合适状态。
Description
技术领域
本发明涉及智能家电领域,尤其涉及一种视觉智能座椅及其控制方法。
背景技术
现代办公室的工作人员特别是电脑程序员和文员每天都需要伏案工作,而长期伏案工作对身体健康危害极大,例如,长期伏案工作者易患颈椎病等疾病。随着技术发展,人脸识别技术日趋成熟,目前大部分人脸识别技术都是应用于身份判断、情绪判断、人流量检测等领域,如果对人脸进行此类复杂判断,需要系统根据光照等因素设计复杂的算法进行测试,而场景图中人脸的定位只涉及简单的OpenCV函数调用和位置坐标计算,却可以监控座椅使用者的坐姿是否正确,或过长时间伏案工作,进而提醒使用者保持正确坐姿或起身休息。
随着嵌入式技术的发展,单片机系统成本低、功耗小、占用空间小的特点促使智能家电迅速发展,使得智能座椅控制硬件成本大大降低。
因此,设计一种基于嵌入式技术和人脸识别技术的智能座椅控制系统既有技术可行性更可以帮助办公室工作人员保持坐姿,控制连续工作时间,保持身体健康。
发明内容
本发明为解决目前的技术不足之处,提供了一种视觉智能座椅,其能实时检测使用者的状态。
本发明还提供了一种视觉智能座椅的控制方法,根据具体的使用者坐姿和使用情况来调节座椅的高度及背椅角度,使其达到最合适状态。
本发明提供的技术方案为:一种视觉智能座椅,包括:
座椅,其高度和椅背角度能够调节;
桌子,其与所述座椅配套设置;
压力传感器,其设置在所述座椅上;
摄像头,其设置在桌子上方,用来拍摄使用者的面部特征;
控制器,其设置在所述座椅下方,连接所述压力传感器、摄像头,并控制座椅的高度以及所述压力传感器和所述摄像头的工作状态。
优选的是,红外传感器,其设置在所述椅背上,用于检测距离、身高以及桌子高度;
光线传感器,其设置在所述椅背顶部,用于检测光线强度;
其中,所述红外传感器和所述光线传感器与所述控制器通信连接。
一种视觉智能座椅的控制方法,包括以下步骤:
步骤一、摄像头拍摄使用者正常坐姿时的头像;
步骤二、按照采样周期,采集座椅上方压力F,使用者面部偏离正常坐姿的水平距离Sx和竖直距离Sy,使用者胸部与桌子的距离Sz,连续使用时间t;
步骤三、依次将采集的座椅上方压力F,使用者面部偏离正常坐姿的水平距离Sx和竖直距离Sy,使用者胸部与桌子的距离Sz,连续使用时间t;进行规格化,确定三层BP神经网络的输入层向量x={x1,x2,x3,x4,x5};其中,x1为座椅上方压力系数,x2为使用者面部偏离正常坐姿的水平距离系数,x3为使用者面部偏离正常坐姿的竖直距离系数,x4为使用者胸部与桌子的距离系数,x5为连续使用时间系数;
步骤四、所述输入层向量映射到中间层,所述中间层向量y={y1,y2,…,ym};m为中间层节点个数;
步骤五、得到输出层向量z={z1,z2,z3};其中,z1为座椅高度调节系数,z2为座椅椅背角度调节系数,z3为预警提示信号,使
Hi+1=z1 iHmax
βi+1=z2 iβmax
其中,z1 i、z2 i分别为第i个采样周期输出层向量参数,Hmax、βmax分别为座椅最大高度、座椅椅背最大角度,Hi+1、βi+1分别为第i+1个采样周期的座椅高度、座椅椅背角度。
优选的是,
其中,xj为输入层向量中的参数,Xj分别代表测量参数F、Sx、Sy、Sz、t,j=1,2,3,4,5;Xjmax和Xjmin分别为相应测量参数中的最大值和最小值。
优选的是,还包括步骤六:
根据第i次周期中的座椅上方压力F,使用者面部偏离正常坐姿的水平距离Sx和竖直距离Sy,使用者胸部与桌子的距离Sz,连续使用时间t,判断使用者的工作疲劳状态,当z3i=0时进行预警提示,提示使用者休息。
优选的是,初始状态时,使座椅高度H1满足:
其中,h1为使用者身高,h3为使用者上半身高度,I为室内光强度,h2为桌面高度。
优选的是,初始状态时,使座椅椅背角度β1满足:
优选的是,座椅上设置有n个压力传感器,采集的压力值分别为F1′,F2′,…Fi′,…,Fn′,根据压力传感器的位置赋予该压力值权值WFi,通过下式计算压力:
本发明所述的有益效果:1)本发明的视觉智能座椅能够实时检测使用者的坐姿状态,实现实时检测;2)本发明提供的视觉智能座椅控制方法,能够根据具体的使用者坐姿和使用情况来调节座椅的高度和椅背的角度,使其达到合适状态,方便使用人的工作与学习,保持良好坐姿;3)本发明的方法还能及时提供预警提示信号,提醒使用者及时调整坐姿或者适当休息,避免长时间伏案工作影响身体健康。
附图说明
图1为本发明所述的实际智能座椅的控制方法流程图。
具体实施方式
下面对本发明做进一步的详细说明,以令本领域技术人员参照说明书文字能够据以实施。
本发明的一种视觉智能座椅,包括座椅,其高度和椅背角度能够调节;桌子,其与所述座椅配套设置;压力传感器,其设置在所述座椅上;摄像头,其设置在桌子上方,用来拍摄使用者的面部特征;控制器,其设置在所述座椅下方,连接所述压力传感器、摄像头,并控制座椅的高度以及所述压力传感器和所述摄像头的工作状态。红外传感器,其设置在所述椅背上,用于检测使用者身高以及桌子高度等;光线传感器,设置在座椅椅背上端,其用于检测光线强度;并且,所述红外传感器和所述光线传感器与所述控制器通信连接。
其中,压力传感器设置在座椅上,用于测量座椅上方压力。作为一种优选的,在座椅上设置有n个压力传感器,它们测量的压力值分别为F1′,F2′,…Fi′,…,Fn′,Fi′表示第i个压力传感器测量的压力值,其单位为N。根据每个压力传感器所在位置的不同,赋予其一定的权值,即第i个压力传感器的权值为WFi,然后可将所有压力传感器的加权平均压力定义为座椅上方压力F,其单位为N。因此,某一时刻座椅上方压力F可定义为:
权值WFi根据经验分析得出,并且满足:
表1列出了一组压力传感器的分布情况和测量值。
表1一组压力传感器测量值
序号 | 权值 | 位置 | 测量值 |
F<sub>1</sub> | W<sub>F1=0.5</sub> | 椅背中部 | 100 |
F<sub>2</sub> | W<sub>F2=0.5</sub> | 椅背上部 | 80 |
F<sub>3</sub> | W<sub>F3=2</sub> | 座椅中心 | 550 |
F<sub>4</sub> | W<sub>F4=1.5</sub> | 座椅外边缘 | 600 |
F<sub>5</sub> | W<sub>F5=0.5</sub> | 座椅与椅背连接处 | 100 |
则根据公式可得:
F=(100×0.5+80×0.5+550×2.0+600×1.5+100×0.5)/5=428则表示此时座椅上方的压力为428N
本发明提供了一种视觉智能座椅的控制方法,如图1所示,包括以下步骤:
步骤一:建立BP神经网络模型。
本发明采用的BP网络体系结构由三层组成,第一层为输入层,共n个节点,对应了表示n个输入参数,这些信号参数由数据预处理模块给出。第二层为隐层,共m个节点,由网络的训练过程以自适应的方式确定。第三层为输出层,共q个节点,由系统实际需要输出的响应确定。
该网络的数学模型为:
输入向量:x=(x1,x2,...,xn)T
中间层向量:y=(y1,y2,...,ym)T
输出向量:z=(z1,z2,...,zq)T
本发明中,输入层节点数为n=5,输出层节点数为q=3。隐藏层节点数m由下式估算得出:
输入信号5个参数分别表示为:x1为座椅上方压力系数,x2为使用者面部偏离正常坐姿的水平距离系数,x3为使用者面部偏离正常坐姿的竖直距离系数,x4为使用者胸部与桌子的距离系数,x5为连续使用时间系数;
由于传感器获取的数据属于不同的物理量,其量纲各不相同。因此,在数据输入人工神经网络之前,需要将数据规格化为0-1之间的数。
具体而言,对于使用压力传感器测量的座椅上方压力F,进行规格化后,得到座椅上方压力F系数x1:
其中,Fmax和Fmin分别为座椅上方最大压力和最小压力。
同样的,对于使用摄像机和控制器测量的使用者面部偏离正常坐姿的水平距离Sx,进行规格化后,得到使用者面部偏离正常坐姿的水平距离系数x2:
其中,Sx-max和Sx-min分别为使用者面部偏离正常坐姿的最大水平距离和最小水平距离。
同样的,对于使用摄像机和控制器测量的使用者面部偏离正常坐姿的竖直距离Sy,进行规格化后,得到使用者面部偏离正常坐姿的水平距离系数x3:
其中,Sy-max和Sy-min分别为使用者面部偏离正常坐姿的最大竖直距离和最小竖直距离。
同样的,对于使用摄像机使用者胸部与桌子的距离Sz,进行规格化后,得到使用者胸部与桌子的距离系数x4:
其中,Sz-max和Sz-min分别为摄像机使用者与桌子的最大距离和最小距离。
同样的,对于连续使用时间t,进行规格化后,得到连续使用时间系数x5:
其中,tmax和tmin分别为连续使用最长时间和最短时间。
输出的三个参数分别表示为:z1为座椅高度调节系数,z2为座椅椅背角度调节系数,z3为预警提示信号。
座椅高度调节系数z1表示下一个采样周期时座椅高度与座椅最大高度之比,即在第i个采样周期获取输入参数,通过BP神经网络输出第i个采样周期的座椅高度调节系数z1 i后,控制第i+1个采样周期中的座椅高度Hi+1,使其满足:
Hi+1=z1 iHmax
其中,Hmax为座椅最大高度。
座椅椅背角度调节系数z2表示下一个采样周期时座椅椅背角度与座椅椅背最大角度之比,即在第i个采样周期获取输入参数,通过BP神经网络输出第i个采样周期的座椅椅背角度调节系数z2 i后,控制第i+1个采样周期中的座椅椅背角度βi+1,使其满足:
βi+1=z2 iβmax
其中,βmax为座椅椅背最大角度。
步骤二、进行BP神经网络的训练。
建立好BP神经网络节点模型后,即可进行BP神经网络的训练。根据产品的历史经验数据获取训练的样本,并给定输入节点i和隐含层节点j之间的连接权值wij,隐层节点j和输出层节点k之间的连接权值wjk,隐层节点j的阈值θj,输出层节点k的阈值θk、wij、wjk、θj、θk均为-1到1之间的随机数。
在训练过程中,不断修正wij和wjk的值,直至系统误差小于等于期望误差时,完成神经网络的训练过程。
如表2所示,给定了一组训练样本以及训练过程中各节点的值。
表2训练过程各节点值
步骤三、采集输入参数,得到输出参数,并对视觉智能座椅进行控制。具体包括如下分步骤:
将训练好的人工神经网络固化在芯片之中,使硬件电路具备预测和智能决策功能,从而形成智能硬件。
S310:摄像头拍摄使用者正常坐姿时的头像;
S320:按照采样周期,获取第i个采样周期时座椅上方压力F,使用者面部偏离正常坐姿的水平距离Sx和竖直距离Sy,使用者胸部与桌子的距离Sz,连续使用时间t;其中,i=1,2,……。
S330:依次将上述5个参数进行规格化,得到第i个采样周期时三层BP神经网络的输入层向量x={x1,x2,x3,x4,x5}。
S340:所述输入层向量映射到中间层,得到第i个采样周期时中间层向量y={y1,y2,y3,y4}。
S350:所述中间层向输出层映射,得到第i个采样周期时得到输出层向量z={z1,z2,z3}。
S360、对座椅高度、座椅椅背角度进行控制,使下一个周期即第i+1个采样周期时满足:
Hi+1=z1 iHmax
βi+1=z2 iβmax
其中,初始状态时,使座椅高度H1满足:
其中,h1为使用者身高,h3为使用者上半身高度,I为室内光强度,单位为mcd,h2为桌面高度。
座椅椅背角度β1满足:
尽管本发明的实施方案已公开如上,但其并不仅仅限于说明书和实施方式中所列运用,它完全可以被适用于各种适合本发明的领域,对于熟悉本领域的人员而言,可容易地实现另外的修改,因此在不背离权利要求及等同范围所限定的一般概念下,本发明并不限于特定的细节和这里示出与描述的实施例。
Claims (7)
1.一种视觉智能座椅的控制方法,其特征在于,使用一种视觉智能座椅,包括:
座椅,其高度和椅背角度能够调节;
桌子,其与所述座椅配套设置;
压力传感器,其设置在所述座椅上;
摄像头,其设置在桌子上方,用来拍摄使用者的面部特征;
控制器,其设置在所述座椅下方,连接所述压力传感器、摄像头,并控制座椅的高度以及所述压力传感器和所述摄像头的工作状态;
红外传感器,其设置在所述椅背上,用于检测距离、身高以及桌子高度;
光线传感器,其设置在所述椅背顶部,用于检测光线强度;
其中,所述红外传感器和所述光线传感器与所述控制器通信连接;
包括以下步骤:
步骤一、摄像头拍摄使用者正常坐姿时的头像;
步骤二、按照采样周期,采集座椅上方压力F,使用者面部偏离正常坐姿的水平距离Sx和竖直距离Sy,使用者胸部与桌子的距离Sz,连续使用时间t;
步骤三、依次将采集的座椅上方压力F,使用者面部偏离正常坐姿的水平距离Sx和竖直距离Sy,使用者胸部与桌子的距离Sz,连续使用时间t进行规格化,确定三层BP神经网络的输入层向量x={x1,x2,x3,x4,x5};其中,x1为座椅上方压力系数,x2为使用者面部偏离正常坐姿的水平距离系数,x3为使用者面部偏离正常坐姿的竖直距离系数,x4为使用者胸部与桌子的距离系数,x5为连续使用时间系数;
步骤四、所述输入层向量映射到中间层,所述中间层向量y={y1,y2,…,ym};m为中间层节点个数;
步骤五、得到输出层向量z={z1,z2,z3};其中,z1为座椅高度调节系数,z2为座椅椅背角度调节系数,z3为预警提示信号,使
Hi+1=z1 iHmax
βi+1=z2 iβmax
其中,z1 i、z2 i分别为第i个采样周期输出层向量参数,Hmax、βmax分别为座椅最大高度、座椅椅背最大角度,Hi+1、βi+1分别为第i+1个采样周期的座椅高度、座椅椅背角度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810599362.5A CN108614433B (zh) | 2018-06-12 | 2018-06-12 | 一种视觉智能座椅及其控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810599362.5A CN108614433B (zh) | 2018-06-12 | 2018-06-12 | 一种视觉智能座椅及其控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108614433A CN108614433A (zh) | 2018-10-02 |
CN108614433B true CN108614433B (zh) | 2020-11-27 |
Family
ID=63664969
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810599362.5A Expired - Fee Related CN108614433B (zh) | 2018-06-12 | 2018-06-12 | 一种视觉智能座椅及其控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108614433B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104332031A (zh) * | 2014-10-27 | 2015-02-04 | 百度在线网络技术(北京)有限公司 | 坐姿提醒方法及装置 |
CN106335408A (zh) * | 2016-10-25 | 2017-01-18 | 辽宁工程技术大学 | 一种用于汽车驾驶员座椅的自适调整系统 |
CN106724176A (zh) * | 2017-01-09 | 2017-05-31 | 罗双林 | 一种学生多媒体学习矫姿桌椅及矫姿方法 |
WO2017116364A1 (en) * | 2015-12-30 | 2017-07-06 | Ford Otomotiv Sanayi A. S. | A vehicle seat movement area measurement and sitting position detection system |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TW201617007A (zh) * | 2014-11-05 | 2016-05-16 | 鴻海精密工業股份有限公司 | 自動調整椅高的系統及方法 |
-
2018
- 2018-06-12 CN CN201810599362.5A patent/CN108614433B/zh not_active Expired - Fee Related
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104332031A (zh) * | 2014-10-27 | 2015-02-04 | 百度在线网络技术(北京)有限公司 | 坐姿提醒方法及装置 |
WO2017116364A1 (en) * | 2015-12-30 | 2017-07-06 | Ford Otomotiv Sanayi A. S. | A vehicle seat movement area measurement and sitting position detection system |
CN106335408A (zh) * | 2016-10-25 | 2017-01-18 | 辽宁工程技术大学 | 一种用于汽车驾驶员座椅的自适调整系统 |
CN106724176A (zh) * | 2017-01-09 | 2017-05-31 | 罗双林 | 一种学生多媒体学习矫姿桌椅及矫姿方法 |
Non-Patent Citations (2)
Title |
---|
基于改进BP神经网络的坐姿评价模型研究;周钰等;《电子技术研发》;20171231;全文 * |
基于神经网络的坐姿传感技术;何园;《中国优秀硕士学位论文全文数据库 信息科技辑》;20180215;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN108614433A (zh) | 2018-10-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105718868B (zh) | 一种针对多姿态人脸的人脸检测系统及方法 | |
CN111274860B (zh) | 一种基于机器视觉的在线自动烟叶等级分选的识别方法 | |
WO2020186480A1 (zh) | 近视预测系统及方法 | |
CN105910225A (zh) | 一种基于人员信息检测的空调负荷控制系统及方法 | |
CN109157194B (zh) | 一种软硬可调床垫的人体健康数据采集和分析系统及方法 | |
CN109920544A (zh) | 基于体感信息的实时自适应智能楼宇系统 | |
CN109330846B (zh) | 一种基于深度学习算法的空气波压力按摩仪参数优化方法 | |
CN110377084B (zh) | 一种基于智慧控制策略的建筑室内环境调控方法 | |
CN102520796A (zh) | 一种基于逐步回归分析映射模型的视线跟踪方法 | |
CN113936335B (zh) | 一种智能坐姿提醒方法和装置 | |
CN107590460B (zh) | 人脸分类方法、装置及智能终端 | |
CN107309213B (zh) | 基于bp神经网络的红枣超声波清洗机控制方法 | |
CN110751015B (zh) | 面部红外热图的灌注优化及人工智能情绪监测方法 | |
CN104484562B (zh) | 一种基于模糊神经网络的体域网健康信息监测、交互系统 | |
CN108446021A (zh) | 基于压缩感知的p300脑机接口在智能家居中的应用方法 | |
CN110560278A (zh) | 浴室喷头智能预设方法及系统 | |
CN109166611A (zh) | 一种基于数据分析的睡眠按摩方法及系统 | |
CN112465773A (zh) | 一种基于人脸面部肌肉运动特征的面部神经麻痹疾病检测方法 | |
CN108614433B (zh) | 一种视觉智能座椅及其控制方法 | |
CN106650206A (zh) | 一种基于增量式神经网络模型的高血压预测方法和预测系统 | |
CN111658931B (zh) | 一种智能经鼻高流量湿化氧疗系统 | |
CN112097378A (zh) | 一种基于前馈型神经网络的空调舒适度调节方法 | |
CN111291465B (zh) | 基于遗传算法与神经网络的船舶空调热舒适温度预测方法 | |
CN108426349A (zh) | 基于复杂网络与图像识别的空调个性化健康管理方法 | |
CN111696684A (zh) | 一种智能测温物联网大数据预警平台的方法 |
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 | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20201127 Termination date: 20210612 |