CN111134687B - 坐姿风险评估方法、装置及设备 - Google Patents

坐姿风险评估方法、装置及设备 Download PDF

Info

Publication number
CN111134687B
CN111134687B CN202010039273.2A CN202010039273A CN111134687B CN 111134687 B CN111134687 B CN 111134687B CN 202010039273 A CN202010039273 A CN 202010039273A CN 111134687 B CN111134687 B CN 111134687B
Authority
CN
China
Prior art keywords
pressure
area
matrix
maximum value
risk factor
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.)
Active
Application number
CN202010039273.2A
Other languages
English (en)
Other versions
CN111134687A (zh
Inventor
梁杰
柳丝
刘洪涛
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen Shuliantianxia Intelligent Technology Co Ltd
Original Assignee
Shenzhen Shuliantianxia Intelligent Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shenzhen Shuliantianxia Intelligent Technology Co Ltd filed Critical Shenzhen Shuliantianxia Intelligent Technology Co Ltd
Priority to CN202010039273.2A priority Critical patent/CN111134687B/zh
Publication of CN111134687A publication Critical patent/CN111134687A/zh
Application granted granted Critical
Publication of CN111134687B publication Critical patent/CN111134687B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/74—Details of notification to user or communication with user or patient ; user input means
    • A61B5/7405—Details of notification to user or communication with user or patient ; user input means using sound
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/74—Details of notification to user or communication with user or patient ; user input means
    • A61B5/742—Details of notification to user or communication with user or patient ; user input means using visual displays
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/74—Details of notification to user or communication with user or patient ; user input means
    • A61B5/746—Alarms related to a physiological condition, e.g. details of setting alarm thresholds or avoiding false alarms
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01L—MEASURING FORCE, STRESS, TORQUE, WORK, MECHANICAL POWER, MECHANICAL EFFICIENCY, OR FLUID PRESSURE
    • G01L5/00—Apparatus for, or methods of, measuring force, work, mechanical power, or torque, specially adapted for specific purposes
    • G01L5/0028—Force sensors associated with force applying means
    • 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
    • G08B21/182—Level alarms, e.g. alarms responsive to variables exceeding a threshold

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Veterinary Medicine (AREA)
  • Public Health (AREA)
  • Animal Behavior & Ethology (AREA)
  • Surgery (AREA)
  • Biophysics (AREA)
  • Pathology (AREA)
  • Engineering & Computer Science (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Molecular Biology (AREA)
  • General Physics & Mathematics (AREA)
  • Physiology (AREA)
  • Analytical Chemistry (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Chemical & Material Sciences (AREA)
  • Dentistry (AREA)
  • Business, Economics & Management (AREA)
  • Emergency Management (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)

Abstract

本申请提供坐姿风险评估方法、装置及设备，其中，方法包括：获取第一压力矩阵；根据所述第一压力矩阵确定第一风险因子，所述第一风险因子用于指示所述用户的两个不同施力部位在所述第一区域和所述第二区域的移动情况；根据所述第一压力矩阵确定第二风险因子，所述第二风险因子用于指示所述用户的坐姿为不良坐姿的持续时间；根据所述第一压力矩阵确定第三风险因子，所述第三风险因子用于指示所述第一区域和所述第二区域受到的压力差异程度；根据所述第一风险因子、所述第二风险因子以及所述第三风险因子确定风险指数值。采用本申请实施例，可以实现准确判断用户的坐姿是否为不良坐姿。

Description

坐姿风险评估方法、装置及设备
技术领域
本申请涉及坐姿检测领域，尤其涉及坐姿风险评估方法、装置及设备。
背景技术
对于大部分人群而言，工作或者学习的方式为坐立办公或者学习，而长时间坐立办公或者学习，再加上大部分用户具有左右倾斜一侧、前后倾斜、跷二郎腿等不良坐姿，长期不良坐姿会导致盆骨前倾、椎骨炎症、腰背等部位的侧弯、腰椎间盘突出、股骨头炎症等疾病。因此，准确检测出用户是否处于不良坐姿极为重要。
现有的坐姿检测方法一般为通过检测用户的身体与桌子或者坐姿检测装置之间的距离，从而判断用户的坐姿是否规范，该坐姿检测方法只关注了用户与桌子或者坐姿检测装置之间的距离，无法准确判断用户的坐姿是否为不良坐姿。
发明内容
本申请实施例提供坐姿风险评估方法、装置及设备，可以准确检测出用户的坐姿是否为不良坐姿。
第一方面，提供坐姿风险评估方法，包括：
获取第一压力矩阵，所述第一压力矩阵用于表示第一区域的压力分布情况和第二区域的压力分布情况，所述第一区域与所述第二区域为用户处于坐立姿态时的两个不同施力部位对应的区域；
根据所述第一压力矩阵确定第一风险因子，所述第一风险因子用于指示所述用户的两个不同施力部位在所述第一区域和所述第二区域的移动情况；
根据所述第一压力矩阵确定第二风险因子，所述第二风险因子用于指示所述用户的坐姿为不良坐姿的持续时间；
根据所述第一压力矩阵确定第三风险因子，所述第三风险因子用于指示所述第一区域和所述第二区域受到的压力差异程度；
根据所述第一风险因子、所述第二风险因子以及所述第三风险因子确定风险指数值，所述风险指数值用于指示所述用户的不良坐姿风险程度。
结合第一方面，在一种可能的实现方式中，所述获取第一压力矩阵，包括：采集第一周期内的至少一个原始压力数据，所述原始压力数据为通过传感器采集到的所述用户的两个不同施力部位施加在所述传感器上的压力数据；对所述至少一个原始压力数据进行转换，得到至少一个第一压力数据，一个原始压力数据对应一个第一压力数据；对所述至少一个第一压力数据进行滤波处理，得到至少一个第二压力数据，所述滤波处理用于滤除所述至少一个第一压力数据中的干扰压力数据；根据所述至少一个第二压力数据，得到所述第一压力矩阵。
结合第一方面，在一种可能的实现方式中，所述根据所述第一压力矩阵确定第一风险因子之前，还包括：根据第一压力矩阵，获取所述第一区域的最大值和所述第一区域的最大值对应的坐标，以及，获取所述第二区域的最大值和所述第二区域的最大值对应的坐标，所述第一压力矩阵中的压力元素包括所述第一区域的压力元素与所述第二区域的压力元素，所述第一区域的最大值为所述第一区域的压力元素中数值最大的压力元素，所述第二区域的最大值为所述第二区域的压力元素中数值最大的压力元素，所述第一区域的最大值对应的坐标为将所述第一压力矩阵映射在二维坐标系上，所述第一区域的最大值对应的坐标点的坐标，所述第二区域的最大值对应的坐标为将所述第一压力矩阵映射在所述二维坐标系上，所述第二区域的最大值对应的坐标点的坐标；所述根据所述第一压力矩阵确定第一风险因子，包括：根据所述第一区域的最大值对应的坐标，以及所述第二区域的最大值对应的坐标，确定第一风险因子；所述根据所述第一压力矩阵确定第二风险因子，包括：根据所述第一区域的最大值和所述第二区域的最大值，确定第二风险因子；所述根据所述第一压力矩阵确定第三风险因子，包括：根据所述第一区域的最大值和所述第二区域的最大值，确定第三风险因子。
结合第一方面，在一种可能的实现方式中，所述根据所述第一区域的最大值对应的坐标，以及所述第二区域的最大值对应的坐标，，确定第一风险因子，包括：计算所述第一区域的最大值对应的坐标和所述第二区域的最大值对应的坐标的中点坐标，得到第一中点坐标；计算第二压力矩阵中第三区域的最大值对应的坐标和所述第二压力矩阵中第四区域的最大值对应的坐标，得到第二中点坐标，所述第二压力矩阵为第二周期内的压力矩阵，所述第二周期与所述第一周期相邻，所述第三区域与所述第四区域为所述用户处于所述坐立姿态时的两个不同施力部位对应的区域；根据所述第一中点坐标和所述第二中点坐标之间的距离，确定所述第一风险因子。
结合第一方面，在一种可能的实现方式中，所述根据所述第一区域的最大值和所述第二区域的最大值，确定第二风险因子，包括：将所述第一区域的最大值和所述第二区域的最大值中的较大值确定为目标数值；根据所述目标数值和目标绝对差值，确定所述第二风险因子，所述目标绝对差值为所述第一区域的最大值和所述第二区域的最大值之间的绝对差值。
结合第一方面，在一种可能的实现方式中，所述根据所述第一区域的最大值和所述第二区域的最大值，确定第三风险因子，包括：根据目标绝对差值，确定所述第三风险因子，所述目标绝对差值为所述第一区域的最大值和所述第二区域的最大值之间的绝对差值。
结合第一方面，在一种可能的实现方式中，所述第一压力矩阵包括至少一个压力元素，所述方法还包括：获取所述第一压力矩阵中各个压力元素；统计所述第一压力矩阵中各个压力元素对应的颜色，并根据所述第一压力矩阵中各个压力元素的位置和所述第一压力矩阵中各个压力元素对应的颜色，确定压力分布图；显示所述压力分布图。
第二方面，提供坐姿风险评估装置，包括：
矩阵获取模块，用于获取第一压力矩阵，所述第一压力矩阵用于表示第一区域的压力分布情况和第二区域的压力分布情况，所述第一区域与所述第二区域为用户处于坐立姿态时的两个不同施力部位对应的区域；
第一获取模块，用于根据所述第一压力矩阵确定第一风险因子，所述第一风险因子用于指示所述用户的两个不同施力部位在所述第一区域和所述第二区域的移动情况；
第二获取模块，用于根据所述第一压力矩阵确定第二风险因子，所述第二风险因子用于指示所述用户的坐姿为不良坐姿的持续时间；
第三获取模块，用于根据所述第一压力矩阵确定第三风险因子，所述第三风险因子用于指示所述第一区域和所述第二区域受到的压力差异程度；
风险指数确定模块，用于根据所述第一风险因子、所述第二风险因子以及所述第三风险因子确定风险指数值，所述风险指数值用于指示所述用户的不良坐姿风险程度。
结合第二方面，在一种可能的实现方式中，所述矩阵获取模块具体用于：采集第一周期内的至少一个原始压力数据，所述原始压力数据为通过传感器采集到的所述用户的两个不同施力部位施加在所述传感器上的压力数据；对所述至少一个原始压力数据进行转换，得到至少一个第一压力数据，一个原始压力数据对应一个第一压力数据；对所述至少一个第一压力数据进行滤波处理，得到至少一个第二压力数据，所述滤波处理用于滤除所述至少一个第一压力数据中的干扰压力数据；根据所述至少一个第二压力数据，得到所述第一压力矩阵。
结合第二方面，在一种可能的实现方式中，所述装置还包括：坐标获取模块，用于根据第一压力矩阵，获取所述第一区域的最大值和所述第一区域的最大值对应的坐标，以及，获取所述第二区域的最大值和所述第二区域的最大值对应的坐标，所述第一压力矩阵中的压力元素包括所述第一区域的压力元素与所述第二区域的压力元素，所述第一区域的最大值为所述第一区域的压力元素中数值最大的压力元素，所述第二区域的最大值为所述第二区域的压力元素中数值最大的压力元素，所述第一区域的最大值对应的坐标为将所述第一压力矩阵映射在二维坐标系上，所述第一区域的最大值对应的坐标点的坐标，所述第二区域的最大值对应的坐标为将所述第一压力矩阵映射在所述二维坐标系上，所述第二区域的最大值对应的坐标点的坐标；所述第一获取模块，具体用于：根据所述第一区域的最大值和所述第一区域的最大值对应的坐标，以及所述第二区域的最大值和所述第二区域的最大值对应的坐标，确定第一风险因子；所述第二获取模块，具体用于：根据所述第一区域的最大值和所述第一区域的最大值对应的坐标，以及所述第二区域的最大值和所述第二区域的最大值对应的坐标，确定第二风险因子；所述第三获取模块，具体用于：根据所述第一区域的最大值和所述第一区域的最大值对应的坐标，以及所述第二区域的最大值和所述第二区域的最大值对应的坐标，确定第三风险因子。
结合第二方面，在一种可能的实现方式中，所述第一获取模块，具体用于：计算所述第一区域的最大值对应的坐标和所述第二区域的最大值对应的坐标的中点坐标，得到第一中点坐标；计算第二压力矩阵中第三区域的最大值对应的坐标和所述第二压力矩阵中第四区域的最大值对应的坐标，得到第二中点坐标，所述第二压力矩阵为第二周期内的压力矩阵，所述第二周期与所述第一周期相邻，所述第三区域与所述第四区域为所述用户处于所述坐立姿态时的两个不同施力部位对应的区域；根据所述第一中点坐标和所述第二中点坐标之间的距离，确定所述第一风险因子。
结合第二方面，在一种可能的实现方式中，所述第二获取模块，具体用于：将所述第一区域的最大值和所述第二区域的最大值中的较大值确定为目标数值；根据所述目标数值和目标绝对差值，确定所述第二风险因子，所述目标绝对差值为所述第一区域的最大值和所述第二区域的最大值之间的绝对差值。
结合第二方面，在一种可能的实现方式中，所述第三获取模块，具体用于：根据目标绝对差值，确定所述第三风险因子，所述目标绝对差值为所述第一区域的最大值和所述第二区域的最大值之间的绝对差值。
结合第二方面，在一种可能的实现方式中，所述第一压力矩阵包括至少一个压力元素，所述装置还包括：压力图显示模块，用于获取所述第一压力矩阵中各个压力元素；统计所述第一压力矩阵中各个压力元素对应的颜色，并根据所述第一压力矩阵中各个压力元素的位置和所述第一压力矩阵中各个压力元素对应的颜色，确定压力分布图；显示所述压力分布图。
第三方面，提供电子设备，包括处理器、存储器、以及输入输出接口，所述处理器、存储器和输入输出接口相互连接，其中，所述输入输出接口用于输入或输出数据，所述存储器用于存储电子设备执行上述方法的应用程序代码，所述处理器被配置用于执行上述第一方面的坐姿风险评估方法。
第四方面，提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序包括程序指令，所述程序指令当被处理器执行时使所述处理器执行上述第一方面的坐姿风险评估方法。
本申请实施例中，通过获取第一压力矩阵；根据第一压力矩阵确定第一风险因子、第二风险因子以及第三风险因子；并根据第一风险因子、第二风险因子以及第三风险因子确定用于指示用户的不良坐姿风险程度的风险指数值，从而根据风险指数值确定用户的坐姿是否为不良坐姿。由于第一压力矩阵是通过用户的坐姿压力分布情况得到的，且坐姿压力分布情况反映了用户处于坐立姿态时施力部位的施力情况，通过对施力部位的施力情况进行分析，得到的用户坐姿情况较准确，且由于通过对第一压力矩阵中的多个可能造成不良坐姿的风险因子进行了分析，并根据多个风险因子计算得到风险指数值，因此得到的风险指数值更准确，从而能准确反映出用户当前的坐姿情况。
附图说明
为了更清楚地说明本申请实施例中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本申请实施例提供的一种坐姿风险评估方法的流程示意图；
图2是本申请实施例提供的一种第一压力矩阵示意图；
图3是本申请实施例提供的第一压力矩阵与二维坐标系的映射关系的示意图；
图4是本发明实施例提供的另一种坐姿风险评估方法的流程示意图；
图5是本申请实施例提供的一种根据用户坐姿确定的压力分布图；
图6是本申请实施例提供的一种坐姿风险评估装置的组成结构示意图；
图7是本申请实施例提供的一种电子设备的组成结构示意图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
本申请实施例的方案适用于对用户的坐姿进行检测，根据检测结果确定用户的坐姿是否为不良坐姿的场景中，由于在用户处于正常坐立姿态的情况下，用户的两个施力部位施加的压力较为均衡，例如施力部位可以包括用户的左臀部和右臀部，即对应的第一压力矩阵中的第一区域和第二区域的压力分布情况(即第一区域和第二区域的受力情况)较均衡，因此可以通过检测第一压力矩阵中的第一区域和第二区域的压力分布情况，确定出可能造成不良坐姿的风险因子，并根据风险因子确定用户是否处于不良坐姿。由于风险指数值是通过对第一压力矩阵中的压力分布情况进行分析后得到多个风险因子，并根据多个风险因子确定的，因此确定出的风险指数值更准确，从而确定出的用户是否处于不良坐姿结果更准确。
参见图1，图1是本申请实施例提供的一种坐姿风险评估方法的流程示意图，如图所示，该方法包括：
S101，获取第一压力矩阵，第一压力矩阵用于表示第一区域的压力分布情况和第二区域的压力分布情况，第一区域与第二区域为用户处于坐立姿态时的两个不同施力部位对应的区域。
在一种可能的场景中，用户处于坐立姿态时的两个不同施力部位可以分别为用户的左臀部和右臀部，则第一压力矩阵中的第一区域的压力分布情况和第二区域的压力分布情况为用户处于坐立姿态时左臀部和右臀部的施力情况。由于用户处于坐立姿态时，与左臀部距离较近的左大腿也会存在施力情况，与右臀部距离较近的右大腿也会存在施力情况，因此，本申请实施例中所指的左臀部对应的区域包括左臀部以及左大腿等与坐姿风险评估装置所接触的区域，右臀部对应的区域包括右臀部以及右大腿等与坐姿风险评估装置所接触的区域。
可以理解的是，当用户处于正常坐姿情况时，用户的左臀部和右臀部的施力情况较为均衡；当用户处于不良坐姿时，例如用户的坐姿为左右倾斜一侧、前后倾斜、跷二郎腿等，用户的左臀部和右臀部的施力情况差异较大，即第一压力矩阵中的第一区域和第二区域的压力分布差异较大。
这里，第一压力矩阵可以为用户在预设时间段内的多个周期中除第一个周期以外的任意一个周期对应的矩阵，一个周期对应一个压力矩阵。第一区域可以为用户处于坐立姿态时左臀部对应的区域，第二区域可以为用户处于坐立姿态时右臀部对应的区域；或者，第一区域可以为用户处于坐立姿态时右臀部对应的区域；第二区域可以为用户处于坐立姿态时左臀部对应的区域。
在一种可能的实现方式中，可以根据预设采样频率对用户在预设时间段内的压力数据进行采样，从而得到第一压力矩阵。预设采样频率例如可以为30赫兹(Hz，频率的基本单位)，也可以为20Hz、50Hz等数值。预设时间段例如可以为用户的工作时间段，例如上午9:00-12:00，下午1:30-5:00，等等。
本申请实施例中，可以通过以下步骤获取第一压力矩阵：
一、采集第一周期内的至少一个原始压力数据，原始压力数据为通过传感器采集到的用户的两个不同施力部位施加在该传感器上的压力数据。
这里，第一周期例如可以为预设时间段内除第一个周期以外的任意一个周期，该第一个周期为预设时间段内时间顺序最小的周期。例如，预设时间段为30S，周期为3S，则30S内的第一个周期为1S～3S对应的周期、预设时间段内的第二个周期为4S～6S对应的周期、预设时间段内的第三个周期为7S～9S对应的周期、预设时间段内的第十个周期为28S～30S对应的周期，等等。则第一周期为该预设时间段内第二个周期至第十个周期中的任意一个周期。原始压力数据可以为采集到的ADC数值，ADC数值可以为八位正整数、也可以为十二位正整数，等等。
在一种可能的实现方式中，该传感器可以为设置在坐垫中的传感器，可以通过坐垫采集用户在第一周期内的原始压力数据，当用户坐在该坐垫上时，则通过坐垫中的传感器采集到用户的原始压力数据。传感器例如可以为压力传感器，压力传感器例如可以为压力阵列传感器。其中，压力阵列传感器在一个采样周期内可同时采集到至少一个压力数据。可选地，该坐垫中可以设置一个或多个压力阵列传感器。
二、对至少一个原始压力数据进行转换，得到至少一个第一压力数据，一个原始压力数据对应一个第一压力数据。
这里，第一压力数据可以为压强值，例如1毫米汞柱(mmHg，一种压强单位)、10mmHg、20mmHg等。
这里，通过坐垫中的传感器采集到原始压力数据后，可对原始压力数据进行转换得到压力值，例如1牛顿(N，压力基本单位)，通过压强转换公式：压强＝压力/受压面积，即P＝F/S，计算得到第一压力数据(即压强值)。其中，P为压强，F为压力，S为该传感器的受压面积。具体地，可以根据原始压力数据转换得到压力值，再根据压强转换公式将压力值转换为第一压力数据。
三、对至少一个第一压力数据进行滤波处理，得到至少一个第二压力数据，滤波处理用于滤除至少一个第一压力数据中的干扰压力数据。
这里，可以对至少一个第一压力数据进行平滑滤波，例如可以采用中值滤波、均值滤波、高斯滤波、双边滤波等滤波方法中的任意一种对至少一个第一压力数据进行滤波，从而滤除至少一个第一压力数据中的干扰压力数据。
具体实现中，可以采用移动窗口对至少一个第一压力数据进行滤波，移动窗口的大小可以为2*2、4*4、8*8、16*16，等等。这里，以2*2的移动窗口对至少一个第一压力数据进行滤波的具体方式可以为：例如，移动窗口的大小为2*2，移动窗口内的4个第一压力数据分别为1、3、5、7，则对移动窗口内的4个第一压力数据进行均值滤波后得到的4个第一压力数据均为(1+3+5+7)/4＝4。
由于对至少一个第一压力数据进行了滤波，可以滤除至少一个第一压力数据中的干扰压力数据，可以使第二压力数据更准确，从而使得得到的第一压力矩阵更准确。
四、根据至少一个第二压力数据，得到第一压力矩阵。
这里，第一压力矩阵由至少一个第二压力数据中的各个第二压力数据构成，例如得到2个第二压力数据分别为1、3，则第一压力矩阵为[1 3]；例如得到4个第二压力数据分别为1、3、4、5，则第一压力矩阵为
Figure BDA0002366564160000071
等等。
在一种可能的实现方式中，得到至少一个第二压力数据后，可以对至少一个第二压力数据进行插值处理后，得到第一压力矩阵。这里，插值处理的作用在于将至少一个第二压力数据构成的低维压力矩阵转化为高维压力矩阵，即得到的第一压力矩阵为高维压力矩阵。例如，至少一个第二压力数据构成的低维压力矩阵为40*40的压力矩阵，通过插值处理后得到的高维压力矩阵为1000*1000的压力矩阵，即第一压力矩阵为插值处理后得到的高维压力矩阵，如1000*1000的压力矩阵。
这里，插值处理后的矩阵也可以为其他大小的矩阵，例如100*100、400*400、4000*4000，等等。可以理解的是，为了便于后续计算，插值处理后得到的压力矩阵为K*K的倍数，其中，K为正偶数。可选地，插值处理可以包括邻插值处理、双线性插值处理、均值插值处理、中值插值处理等插值方式。通过对由第二压力数据构成的低维压力矩阵进行插值处理，得到高维压力矩阵，即第一压力矩阵，通过插值处理可以使得由第二压力数据构成的拟合曲面更平滑，即处理后得到的第一压力矩阵更准确，从而能更准确地反映第一区域和第二区域的压力分布情况。
在获取到第一压力矩阵后，可以将第一压力矩阵划分为第一区域和第二区域，第一区域可以为矩阵中的中线的左边区域，第二区域可以为矩阵中的中线的右边区域，如图2所示，图2是本申请实施例提供的一种第一压力矩阵示意图，图2中的中线左边区域为第一区域，图2中的中线右边区域为第二区域，第一区域中的第二压力数据的数量可以等于第一区域中的第二压力数据数量。可选地，第一压力矩阵中的第一区域也可以为中线的右边区域，第一压力矩阵中的第二区域也可以为中线的左边区域。具体实现中可根据用户的坐姿确定第一压力矩阵中的中线位置，从而确定第一压力矩阵中的第一区域和第二区域。
S102，根据第一压力矩阵确定第一风险因子，第一风险因子用于指示用户的两个不同施力部位在第一区域和第二区域的移动情况。
本申请实施例中，可以根据第一压力矩阵，获取第一区域的最大值和第一区域的最大值对应的坐标，以及，获取第二区域的最大值和第二区域的最大值对应的坐标；再根据第一区域的最大值对应的坐标和第二区域的最大值对应的坐标，确定第一风险因子。其中，第一压力矩阵中的压力元素包括第一区域的压力元素与所述第二区域的压力元素，第一区域的最大值为第一区域的压力元素中数值最大的压力元素，第二区域的最大值为第二区域的压力元素中数值最大的压力元素，第一区域的最大值对应的坐标为将第一压力矩阵映射在二维坐标系上，第一区域的最大值对应的坐标点的坐标，第二区域的最大值对应的坐标为将第一压力矩阵映射在二维坐标系上，第二区域的最大值对应的坐标点的坐标。
具体确定第一风险因子的方法可包括以下步骤：
一、计算第一区域的最大值对应的坐标和第二区域的最大值对应的坐标的中点坐标，得到第一中点坐标。
具体实现中，可以将第一压力矩阵中的各个压力元素映射到二维坐标系上，以得到第一压力矩阵中的各个压力元素对应的坐标点，并将与各个压力元素对应的坐标点的坐标确定为各个压力元素的位置坐标，一个压力元素对应一个坐标点；如图3所示，图3是本申请实施例提供的第一压力矩阵与二维坐标系的映射关系的示意图；第一压力矩阵中的压力元素a11映射为二维坐标系上的坐标原点b11(0,0)，第一压力矩阵中的压力元素a12映射为二维坐标系上的坐标点b12(0,1)，第一压力矩阵中的压力元素a13映射为二维坐标系上的坐标点b13(0,2)，第一压力矩阵中的压力元素a14映射为二维坐标系上的坐标点b14(0,3)，等等。由此可得到第一压力矩阵中的压力元素映射在二维坐标系上的坐标点。二维坐标系上的bij为坐标点，bij与b(i+1)j之间的距离等于bij与bi(j+1)之间的距离，bij与b(i-1)j之间的距离等于bij与bi(j-1)之间的距离，bij与b(i+1)j之间的距离等于bij与b(i-1)j之间的距离，bij与bi(j-1)之间的距离等于bij与bi(j+1)之间的距离。例如，i＝1，j＝1，b11与相邻坐标点b12之间的距离等于a11与相邻坐标点b21之间的距离可以为1或2等数值，图3中相邻两个坐标点之间的距离为1。
可知，第一压力矩阵中的压力元素a11映射在二维坐标系上的坐标点b11的坐标为(0,0)；第一压力矩阵中的压力元素a12映射在二维坐标系上的坐标点b12的坐标为(0,1)；第一压力矩阵中的压力元素a13映射在二维坐标系上的坐标点b13的坐标为(0,2)，等等。由此可得到第一压力矩阵中的各个压力元素映射在二维坐标系上的坐标点的坐标。
通过二维坐标系可得到第一压力矩阵中第一区域的最大值(即第一压力矩阵中第一区域数值最大的压力元素)对应的坐标和第二区域的最大值(即第一压力矩阵中第二区域数值最大的压力元素)对应的坐标，通过计算第一区域的最大值对应的坐标和第二区域的最大值对应的坐标的中点坐标，得到第一中点坐标。
如图3所示，第一压力矩阵为6*6的矩阵，例如第一区域的最大值为a32，则第一区域的最大值对应的坐标为b32的坐标，即(1,2)，第二区域的最大值为a35，则第二区域的最大值对应的坐标为b35的坐标，即(4,2)，则计算得到的第一中点坐标的横坐标为(1+4)/2＝2.5，第一中点坐标的纵坐标为(2+2)/2＝2，即第一中点坐标的坐标为(2.5,2)。
二、计算第二压力矩阵中第三区域的最大值对应的坐标和第二压力矩阵中第四区域的最大值对应的坐标，得到第二中点坐标，第二压力矩阵为第二周期内的压力矩阵，第二周期与第一周期相邻，第三区域与第四区域为用户处于坐立姿态时的两个不同施力部位对应的区域。
具体实现中，由于在预设时间段内有多个周期，针对多个周期中的每个周期都会采集到该周期对应的压力矩阵，则第二周期可以为周期顺序在第一周期之前的一个周期，或者第二周期可以为周期顺序在第一周期之后的一个周期。
通过上述步骤S101～S102中的方法可以获取到第二周期对应的第二压力矩阵，将第二压力矩阵划分为第三区域和第四区域，第三区域中的压力元素的数量可以等于第四区域中的压力元素的数量，第三区域可以为第二压力矩阵的中线左边的区域，第四区域可以为第二压力矩阵的中线右边的区域；或者，第三区域也可以为第二压力矩阵的中线右边的区域，第四区域也可以为第二压力矩阵的中线左边的区域。
可参照上述将第一压力矩阵中的各个压力元素映射到二维坐标系的方法将第二压力矩阵中的各个压力元素映射到二维坐标系上，以得到第二压力矩阵中的各个压力元素对应的坐标点，并将与各个压力元素对应的坐标点的坐标确定为各个压力元素的位置坐标，一个压力元素对应一个坐标点。由此，通过二维坐标系可得到第二压力矩阵中第三区域的最大值(即第二压力矩阵中第三区域数值最大的压力元素)对应的坐标和第四区域的最大值(即第二压力矩阵中第四区域数值最大的压力元素)对应的坐标，通过计算第三区域的最大值对应的坐标和第四区域的最大值对应的坐标的中点坐标，得到第二中点坐标。
三、根据第一中点坐标和第二中点坐标之间的距离，确定第一风险因子。
在得到第一中点坐标的情况下，可根据距离计算公式计算第一中点坐标和第二中点坐标之间的距离，距离计算公式可以如(1-1)所示：
Figure BDA0002366564160000091
其中，L为第一中点坐标和第二中点坐标之间的距离，xi为第一中点坐标的横坐标，yi为第一中点坐标的纵坐标，xi-1为第二中点坐标的横坐标，yi-1为第二中点坐标的纵坐标。
通过上述公式(1-1)可计算得到第一中点坐标和第二中点坐标之间的距离，若第一中点坐标和第二中点坐标之间的距离大于第一阈值，第一风险因子对应的数值加1，第一风险因子的计算公式可以如公式(1-2)所示：
F1＝f0+1(1-2)
其中，F1为第一周期的第一风险因子，f0为预设时间段内第一周期的前一个周期的第一风险因子。这里，第一风险因子对应的数值加1是指第一风险因子的数值等于第一周期的前一个周期的数值加1，例如第一周期的前一个周期的第一风险因子数值为3，则第一周期的第一风险因子对应的数值为3+1＝4。第一阈值例如可以为4.2、4.8、5.6、7.0等数值，此处不对第一阈值进行限定。例如，第一阈值为4.8，计算得到第一中点坐标和第二中点坐标之间的距离为5.0，第一周期的前一个周期对应的第一风险因子对应的数值为2，则得到第一周期的第一风险因子对应的数值为3。
若第一中点坐标和第二中点坐标之间的距离小于或等于第一阈值，则第一风险因子对应的数值等于第一周期的前一个周期的第一风险因子对应的数值，即F1＝f0。若第一阈值为4.8，计算得到第一中点坐标和第二中点坐标之间的距离为4.0，第一周期的前一个周期对应的第一风险因子对应的数值为2，则得到第一风险因子对应的数值为2。
S103，根据第一压力矩阵确定第二风险因子，第二风险因子用于指示用户的坐姿为不良坐姿的持续时间。
在一种可能的实现方式中，可以根据第一区域的最大值和第二区域的最大值，确定第二风险因子。
本申请实施例中，具体根据第一区域的最大值和第二区域的最大值确定第二风险因子的方法可以包括：
将第一区域的最大值和第二区域的最大值中的较大值确定为目标数值；
可以理解的是，第一区域的最大值和第二区域的最大值中的较大值即第一压力矩阵中的最大值，即目标数值为第一压力矩阵中的最大值。
根据目标数值和目标绝对差值，确定第二风险因子，目标绝对差值为第一区域的最大值和第二区域的最大值之间的绝对差值。
本申请实施例中，在目标数值大于第二阈值，且目标绝对差值大于第三阈值的情况下，开始计时为T，并根据公式(1-3)计算得到第二风险因子：
Figure BDA0002366564160000101
其中，F2为第二风险因子，T为时间。第二阈值例如可以为10、15、20、25等任意数值，第三阈值例如可以为0.5、1、1.5、2等任意数值，本申请实施例中不对第二阈值和第三阈值进行限定。
可选地，在目标数值不大于第二阈值，且目标绝对差值不大于第三阈值的情况下，即目标数值小于或等于第二阈值和/或目标绝对差值小于或等于第三阈值；或者，目标数值大于第二阈值，且目标绝对差值小于或等于第三阈值；或者，目标数值小于或等于第二阈值，且目标绝对差值大于第三阈值的情况下，T＝0，即第二风险因子F2等于0。例如，预设时间段内第5个周期的第二风险因子为3/4，且第6个周期对应的矩阵中的目标数值不大于第二阈值且目标绝对差值不大于第三阈值的情况下，则第6个周期对应的T为0，则通过公式(1-3)计算得到的第二风险因子也为0。目标绝对差值的计算方法可以如公式(1-4)所示：
ΔP＝|P1max-P2max|(1-4)
其中，ΔP为第一区域的最大值和第二区域的最大值之间的绝对差值(即目标绝对差值)，P1max为第一区域的最大值，P2max为第二区域的最大值。通过公式(1-4)可计算得到第一区域的最大值和第二区域的最大值之间的绝对差值(目标绝对差值)。
S104，根据第一压力矩阵确定第三风险因子，第三风险因子用于指示第一区域和第二区域受到的压力差异程度。
这里，第一区域和第二区域受到的压力差异程度即用户处于坐立姿态时两个施力部位的施力程度。
在一种可能的实现方式中，可以根据第一区域的最大值和第二区域的最大值，确定第三风险因子。具体地，可以根据目标绝对差值，确定第三风险因子，目标绝对差值为第一区域的最大值和第二区域的最大值之间的绝对差值。
本申请实施例中，可参考步骤S103中的方法确定第一区域的最大值和第二区域的最大值，再根据第一区域的最大值和第二区域的最大值之间的绝对差值，确定第三风险因子。
可选的，可参考公式(1-4)计算得到第三风险因子，即第三风险因子F3＝ΔP。
S105，根据第一风险因子、第二风险因子以及第三风险因子确定风险指数值，风险指数值用于指示用户的不良坐姿风险程度。
通过上述步骤可确定出第一风险因子F1、第二风险因子F2以及第三风险因子F3，可以通过公式(1-5)计算得到风险指数值：
Figure BDA0002366564160000111
其中，H为风险指数值，α为权重，α例如可以为0.1、0.5、1、3等数值或者其他数值；
Figure BDA0002366564160000112
H2＝F2，
Figure BDA0002366564160000113
将步骤S102～步骤S104中计算得到的第一风险因子F1、第二风险因子F2以及第三风险因子F3代入上述公式(1-5)，可计算得到风险指数值。通过风险指数值H可反映出用户的不良坐姿风险程度，风险指数值H越大，用户的不良坐姿风险程度越高；风险指数值H越小，用户的不良坐姿风险程度越低，风险指数值H可以为0～100的数值。
可选地，在风险指数值超过第四阈值的情况下，可以输出提示信息，提示信息用于指示用户的不良坐姿风险程度高，即提示用户调整当前坐姿；在检测到风险指数值小于第四阈值的情况下，可以停止输出提示信息。输出提示信息的方式可以为通过语音播报、其他提示音播报的方式，也可以通过输出文字等信息的方式提示用户。第四阈值例如可以为20、25、30、35、40等数值，具体实现中可根据用户需求进行调整。例如，当第四阈值为30，且计算得到的当前风险指数值为31的情况下，可通过输出文字信息或者语音播报“您当前处于不良坐姿”等方式来提示用户调整当前坐姿。
本申请实施例中，通过获取第一压力矩阵；根据第一压力矩阵确定第一风险因子、第二风险因子以及第三风险因子；并根据第一风险因子、第二风险因子以及第三风险因子确定用于指示用户的不良坐姿风险程度的风险指数值，从而根据风险指数值确定用户的坐姿是否为不良坐姿。由于第一压力矩阵是通过用户的坐姿压力分布情况得到的，且坐姿压力分布情况反映了用户处于坐立姿态时施力部位的施力情况，通过对施力部位的施力情况进行分析，得到的用户坐姿情况较准确，且由于通过对第一压力矩阵中的多个可能造成不良坐姿的风险因子进行了分析，并根据多个风险因子计算得到风险指数值，因此得到的风险指数值更准确，从而能准确反映出用户当前的坐姿情况；在检测到风险指数值大于预设阈值的情况下，通过提示用户的方式可以提高用户对当前坐姿风险情况的了解效率，从而实现快速调整坐姿，减少用户因不良坐姿造成疾病的概率。
在一种可能的实现方式中，在获取到第一压力矩阵后，还可以根据第一压力矩阵中的各个压力数据(压力元素)生成压力分布图，通过压力分布图可以更直观的显示用户当前的坐姿情况，具体步骤如图4所示，图4是本发明实施例提供的另一种坐姿风险评估方法的流程示意图，如图所示，该方法包括：
S201，获取第一压力矩阵，第一压力矩阵用于表示第一区域的压力分布情况和第二区域的压力分布情况，第一区域与第二区域为用户处于坐立姿态时的两个不同施力部位对应的区域。
S202，根据第一压力矩阵确定第一风险因子，第一风险因子用于指示用户的两个不同施力部位在第一区域和第二区域的移动情况。
S203，根据第一压力矩阵确定第二风险因子，第二风险因子用于指示用户的坐姿为不良坐姿的持续时间。
S204，根据第一压力矩阵确定第三风险因子，第三风险因子用于指示第一区域和第二区域受到的压力差异程度。
S205，根据第一风险因子、第二风险因子以及第三风险因子确定风险指数值，风险指数值用于指示用户的不良坐姿风险程度。
这里，步骤S201～步骤S205的具体实现方式可参考图1对应的实施例中步骤S101～S105的描述，此处不再赘述。
S206，获取第一压力矩阵中各个压力元素。
具体实现中，可以预先设置压力元素与颜色之间的对应关系。具体地，可以设置属于相同压力区间的压力元素的颜色相同，即属于某一个压力区间的各个压力元素对应的颜色都为同一种颜色，且每个压力区间对应的颜色不同，即一个压力区间对应一种颜色，由此可得到压力元素与颜色之间的对应关系。
例如有5个压力区间，压力区间1中的压力元素对应的数值为(0,5]、压力区间2中的压力元素对应的数值为[6,10]、压力区间3中的压力元素对应的数值为[11,15]、压力区间4中的压力元素对应的数值为[16,20]、压力区间5中的压力元素对应的数值为[20,+∞)。压力区间1中的各个压力元素对应的颜色可以为蓝色、压力区间2中的各个压力元素对应的颜色可以为绿色、压力区间3中的各个压力元素对应的颜色可以为黄色、压力区间4中的各个压力元素对应的颜色可以为橙色、压力区间5中的各个压力元素对应的颜色可以为红色。可选地，若第一压力矩阵中存在压力元素对应的数值为0，则对应的颜色可以为白色或者无色。
例如，第一压力矩阵中包含10*10个压力元素，即100个压力元素，其中，该100个压力元素中有20个压力元素属于压力区间5，即[20,+∞)，则该20个压力元素对应的颜色都为红色；该100个压力元素中有15个压力元素属于压力区间4，即[16,20]，则该15个压力元素对应的颜色都为橙色；该100个压力元素中有10个压力元素属于压力区间3，即[11,15]，则该10个压力元素对应的颜色都为黄色；该100个压力元素中有10个压力元素属于压力区间2，即[6,10]，则该10个压力元素对应的颜色都为绿色；100个压力元素中有25个压力元素属于压力区间1，即(0,5]，则该25个压力元素对应的颜色都为蓝色；该100个压力元素中有20个压力元素对应的数值为0，则该20个压力元素对应的颜色可以为白色或者无色。
可选地，还可以根据压力区间中压力元素对应的数值由大到小设置各个区间的颜色为深红到深蓝的渐变颜色。
S207，统计第一压力矩阵中各个压力元素对应的颜色，并根据第一压力矩阵中各个压力元素的位置和第一压力矩阵中各个压力元素对应的颜色，确定压力分布图。
这里，压力分布图可以反映用户的施力部位的施力情况，即坐垫受到用户的施力部位施加的压力情况。由于预先设置了压力元素与颜色之间的对应关系，可以根据压力元素与颜色之间的对应关系确定第一压力矩阵中各个压力元素对应的颜色，从而统计出第一压力矩阵中各个压力元素对应的颜色。根据第一压力矩阵中各个压力元素的位置和第一压力矩阵中各个压力元素对应的颜色，确定压力分布图。根据第一压力矩阵中各个压力元素的位置和第一压力矩阵中各个压力元素对应的颜色，确定压力分布图可以为：将第一压力矩阵中每个压力元素对应的区域标记为该压力元素对应的颜色，则标记后的图为压力分布图，且每个压力元素对应的区域没有交集，即每种颜色之间不重叠。
例如，压力分布图可以如图5所示，图5是本申请实施例提供的一种根据用户坐姿确定的压力分布图；其中，压力分布图包括两个区域，即左边区域和右边区域，根据用户的坐姿可以确定左边区域第一位置的压力元素对应的数值最大；右边区域第二位置的压力元素对应的数值最大。左边区域可以为用户的左臀部对应的区域，即左边区域的颜色反映了用户的左臀部的施力情况，右边区域可以为用户的右臀部对应的区域，右边区域的颜色反映了用户的右臀部的施力情况，由于可以看出该压力分布图中右边区域的压力分布情况大于左边区域的压力分布情况，则可以确定用户的右臀部施力程度高于左臀部施力程度，则用户的坐姿可能处于向右倾斜一侧或者跷二郎腿的不良坐姿。
可选地，若根据压力元素对应的数值的大小确定出压力元素对应的颜色为渐变色，则压力元素对应的数值越大颜色越深，压力元素对应的数值越小颜色越浅，则左边区域第一位置相较于左边区域其他位置而言颜色较深，从第一位置往外颜色逐渐变浅；右边区域第二位置相较于右边区域其他位置而言颜色较深，从第二位置往外颜色逐渐变浅，由此可得到压力分布图。
S208，显示压力分布图。
本申请实施例中，通过显示压力分布图，用户可以直观的看到当前坐姿对应的压力分布情况，相较于看压力数据而言，压力分布图更直观、更形象。
由于预设时间段内包括多个周期，每个周期对应一个压力矩阵，由此可以根据步骤S206～步骤S207的方法得到每个压力矩阵对应的压力分布图，即得到每个周期对应的压力分布图，则在显示压力分布图时，可以在每个周期内显示该周期对应的压力分布图，由于预设时间段内每个周期是连续的，因此可以实现根据周期的顺序显示压力分布图，从而呈现出实时显示压力分布图。
本申请实施例中，通过预先设置每个压力元素对应的颜色，并根据压力元素的位置和压力元素的颜色确定压力分布图后，显示压力分布图，由于压力分布图具有不同的颜色，可以使用户更直观的看到当前坐姿对应的压力情况，从而实现调整当前坐姿，进而提高用户坐姿调整效率。
上面介绍了本申请实施例的方法，下面介绍本申请实施例的装置。
参见图6，图6是本申请实施例提供的一种坐姿风险评估装置的组成结构示意图，该装置60包括：
矩阵获取模块601，用于获取第一压力矩阵，所述第一压力矩阵用于表示第一区域的压力分布情况和第二区域的压力分布情况，所述第一区域与所述第二区域为用户处于坐立姿态时的两个不同施力部位对应的区域；
第一获取模块602，用于根据所述第一压力矩阵确定第一风险因子，所述第一风险因子用于指示所述用户的两个不同施力部位在所述第一区域和所述第二区域的移动情况；
第二获取模块603，用于根据所述第一压力矩阵确定第二风险因子，所述第二风险因子用于指示所述用户的坐姿为不良坐姿的持续时间；
第三获取模块604，用于根据所述第一压力矩阵确定第三风险因子，所述第三风险因子用于指示所述第一区域和所述第二区域受到的压力差异程度；
风险指数确定模块605，用于根据所述第一风险因子、所述第二风险因子以及所述第三风险因子确定风险指数值，所述风险指数值用于指示所述用户的不良坐姿风险程度。
在一种可能的设计中，所述矩阵获取模块601，具体用于：
采集第一周期内的至少一个原始压力数据，所述原始压力数据为通过传感器采集到的所述用户的两个不同施力部位施加在所述传感器上的压力数据；
对所述至少一个原始压力数据进行转换，得到至少一个第一压力数据，一个原始压力数据对应一个第一压力数据；
对所述至少一个第一压力数据进行滤波处理，得到至少一个第二压力数据，所述滤波处理用于滤除所述至少一个第一压力数据中的干扰压力数据；
根据所述至少一个第二压力数据，得到所述第一压力矩阵。
在一种可能的设计中，所述装置60还包括：坐标获取模块606，用于根据第一压力矩阵，获取所述第一区域的最大值和所述第一区域的最大值对应的坐标，以及，获取所述第二区域的最大值和所述第二区域的最大值对应的坐标，所述第一压力矩阵中的压力元素包括所述第一区域的压力元素与所述第二区域的压力元素，所述第一区域的最大值为所述第一区域的压力元素中数值最大的压力元素，所述第二区域的最大值为所述第二区域的压力元素中数值最大的压力元素，所述第一区域的最大值对应的坐标为将所述第一压力矩阵映射在二维坐标系上，所述第一区域的最大值对应的坐标点的坐标，所述第二区域的最大值对应的坐标为将所述第一压力矩阵映射在所述二维坐标系上，所述第二区域的最大值对应的坐标点的坐标；
所述第一获取模块602，具体用于：根据所述第一区域的最大值对应的坐标和所述第二区域的最大值对应的坐标，确定第一风险因子；
所述第二获取模块603，具体用于：根据所述第一区域的最大值和所述第二区域的最大值，确定第二风险因子；
所述第三获取模块604，具体用于：根据所述第一区域的最大值和所述第二区域的最大值，确定第三风险因子。
在一种可能的设计中，所述第一获取模块602，具体用于：计算所述第一区域的最大值对应的坐标和所述第二区域的最大值对应的坐标的中点坐标，得到第一中点坐标；
所述第一获取模块602，具体用于：计算第二压力矩阵中第三区域的最大值对应的坐标和所述第二压力矩阵中第四区域的最大值对应的坐标，得到第二中点坐标，所述第二压力矩阵为第二周期内的压力矩阵，所述第二周期与所述第一周期相邻，所述第三区域与所述第四区域为所述用户处于所述坐立姿态时的两个不同施力部位对应的区域；
所述第一获取模块602，具体用于：根据所述第一中点坐标和所述第二中点坐标之间的距离，确定所述第一风险因子。
在一种可能的设计中，所述第二获取模块603，具体用于：将所述第一区域的最大值和所述第二区域的最大值中的较大值确定为目标数值；
所述第二获取模块603，具体用于：根据所述目标数值和目标绝对差值，确定所述第二风险因子，所述目标绝对差值为所述第一区域的最大值和所述第二区域的最大值之间的绝对差值。
在一种可能的设计中，所述第三获取模块604，具体用于：根据目标绝对差值，确定所述第三风险因子，所述目标绝对差值为所述第一区域的最大值和所述第二区域的最大值之间的绝对差值。
在一种可能的设计中，所述第一压力矩阵包括至少一个压力元素，所述装置60还包括：压力图显示模块607，用于获取所述第一压力矩阵中各个压力元素；
所述压力图显示模块607，用于统计所述第一压力矩阵中各个压力元素对应的颜色，并根据所述第一压力矩阵中各个压力元素的位置和所述第一压力矩阵中各个压力元素对应的颜色，确定压力分布图；
所述压力图显示模块607，用于显示所述压力分布图。
需要说明的是，图6对应的实施例中未提及的内容可参见方法实施例的描述，这里不再赘述。
本申请实施例中，通过获取第一压力矩阵；根据第一压力矩阵确定第一风险因子、第二风险因子以及第三风险因子；并根据第一风险因子、第二风险因子以及第三风险因子确定用于指示用户的不良坐姿风险程度的风险指数值，从而根据风险指数值确定用户的坐姿是否为不良坐姿。由于第一压力矩阵是通过用户的坐姿压力分布情况得到的，且坐姿压力分布情况反映了用户处于坐立姿态时施力部位的施力情况，通过对施力部位的施力情况进行分析，得到的用户坐姿情况较准确，且由于通过对第一压力矩阵中的多个可能造成不良坐姿的风险因子进行了分析，并根据多个风险因子计算得到风险指数值，因此得到的风险指数值更准确，从而能准确反映出用户当前的坐姿情况；在检测到风险指数值大于预设阈值的情况下，通过提示用户的方式可以提高用户对当前坐姿风险情况的了解效率，从而实现快速调整坐姿，减少用户因不良坐姿造成疾病的概率；通过预先设置每个压力元素对应的颜色，并根据压力元素的位置和压力元素的颜色确定压力分布图后，显示压力分布图，由于压力分布图具有不同的颜色，可以使用户更直观的看到当前坐姿对应的压力情况，从而实现调整当前坐姿，进而提高用户坐姿调整效率。
参见图7，图7是本申请实施例提供的一种电子设备的组成结构示意图，该设备70包括处理器701、存储器702以及输入输出接口703。处理器701连接到存储器702和输入输出接口703，例如处理器701可以通过总线连接到存储器702和输入输出接口703。
处理器701被配置为支持所述电子设备执行图1、图4所述的坐姿风险评估方法中相应的功能。该处理器701可以是中央处理器(central processing unit，CPU)，网络处理器(network processor，NP)，硬件芯片或者其任意组合。上述硬件芯片可以是专用集成电路(application specific integrated circuit，ASIC)，可编程逻辑器件(programmablelogic device，PLD)或其组合。上述PLD可以是复杂可编程逻辑器件(complexprogrammable logic device，CPLD)，现场可编程逻辑门阵列(field-programmable gatearray，FPGA)，通用阵列逻辑(generic array logic，GAL)或其任意组合。
存储器702用于存储程序代码等。存储器702可以包括易失性存储器(volatilememory，VM)，例如随机存取存储器(random access memory，RAM)；存储器702也可以包括非易失性存储器(non-volatile memory，NVM)，例如只读存储器(read-only memory，ROM)，快闪存储器(flash memory)，硬盘(hard disk drive，HDD)或固态硬盘(solid-state drive，SSD)；存储器702还可以包括上述种类的存储器的组合。
所述输入输出接口703用于输入或输出数据。
处理器701可以调用所述程序代码以执行以下操作：
获取第一压力矩阵，所述第一压力矩阵用于表示第一区域的压力分布情况和第二区域的压力分布情况，所述第一区域与所述第二区域为用户处于坐立姿态时的两个不同施力部位对应的区域；
根据所述第一压力矩阵确定第一风险因子，所述第一风险因子用于指示所述用户的两个不同施力部位在所述第一区域和所述第二区域的移动情况；
根据所述第一压力矩阵确定第二风险因子，所述第二风险因子用于指示所述用户的坐姿为不良坐姿的持续时间；
根据所述第一压力矩阵确定第三风险因子，所述第三风险因子用于指示所述第一区域和所述第二区域受到的压力差异程度；
根据所述第一风险因子、所述第二风险因子以及所述第三风险因子确定风险指数值，所述风险指数值用于指示所述用户的不良坐姿风险程度。
需要说明的是，各个操作的实现还可以对应参照上述方法实施例的相应描述；所述处理器701还可以与输入输出接口703配合执行上述方法实施例中的其他操作。
本申请实施例还提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序包括程序指令，所述程序指令当被计算机执行时使所述计算机执行如前述实施例所述的方法，所述计算机可以为上述提到的电子设备的一部分。例如为上述的处理器701。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)或随机存储记忆体(Random AccessMemory，RAM)等。
以上所揭露的仅为本申请较佳实施例而已，当然不能以此来限定本申请之权利范围，因此依本申请权利要求所作的等同变化，仍属本申请所涵盖的范围。

Claims (8)

1.一种坐姿风险评估方法，其特征在于，包括：
获取第一压力矩阵和第二压力矩阵，所述第一压力矩阵用于表示第一区域的压力分布情况和第二区域的压力分布情况，所述第一区域与所述第二区域为用户处于坐立姿态时的两个不同施力部位对应的区域，所述第一压力矩阵为所述第二压力矩阵相邻周期内的压力矩阵，所述第二压力矩阵用于表示第三区域的压力分布情况和第四区域的压力分布情况，所述第三区域与所述第四区域为所述用户处于坐立姿态时的两个不同施力部位对应的区域；
根据所述第一压力矩阵和所述第二压力矩阵确定第一风险因子，所述第一风险因子用于指示所述用户的两个不同施力部位在所述第一区域和所述第二区域的移动情况；
根据所述第一压力矩阵确定第二风险因子，具体为：将所述第一区域的最大值和所述第二区域的最大值中的较大值确定为目标数值；根据所述目标数值和目标绝对差值，确定所述第二风险因子，所述目标绝对差值为所述第一区域的最大值和所述第二区域的最大值之间的绝对差值，所述第二风险因子用于指示所述用户的坐姿为不良坐姿的持续时间；
根据所述第一压力矩阵确定第三风险因子，具体为：根据所述目标绝对差值，确定所述第三风险因子，所述第三风险因子用于指示所述第一区域和所述第二区域受到的压力差异程度；
根据所述第一风险因子、所述第二风险因子以及所述第三风险因子确定风险指数值，所述风险指数值用于指示所述用户的不良坐姿风险程度。
2.根据权利要求1所述的方法，其特征在于，所述获取第一压力矩阵，包括：
采集第一周期内的至少一个原始压力数据，所述原始压力数据为通过传感器采集到的所述用户的两个不同施力部位施加在所述传感器上的压力数据；
对所述至少一个原始压力数据进行转换，得到至少一个第一压力数据，一个原始压力数据对应一个第一压力数据；
对所述至少一个第一压力数据进行滤波处理，得到至少一个第二压力数据，所述滤波处理用于滤除所述至少一个第一压力数据中的干扰压力数据；
根据所述至少一个第二压力数据，得到所述第一压力矩阵。
3.根据权利要求1所述的方法，其特征在于，所述根据所述第一压力矩阵和所述第二压力矩阵确定第一风险因子之前，还包括：
根据第一压力矩阵，获取所述第一区域的最大值和所述第一区域的最大值对应的坐标，以及，获取所述第二区域的最大值和所述第二区域的最大值对应的坐标，所述第一压力矩阵中的压力元素包括所述第一区域的压力元素与所述第二区域的压力元素，所述第一区域的最大值为所述第一区域的压力元素中数值最大的压力元素，所述第二区域的最大值为所述第二区域的压力元素中数值最大的压力元素，所述第一区域的最大值对应的坐标为将所述第一压力矩阵映射在二维坐标系上，所述第一区域的最大值对应的坐标点的坐标，所述第二区域的最大值对应的坐标为将所述第一压力矩阵映射在所述二维坐标系上，所述第二区域的最大值对应的坐标点的坐标；将所述第二压力矩阵中的各个压力元素映射到所述二维坐标系上，得到所述第二压力矩阵中的各个压力元素对应的坐标点，并将与各个压力元素对应的坐标点的坐标确定为所述各个压力元素的位置坐标，通过所述二维坐标系得到所述第二压力矩阵中第三区域的最大值对应的坐标和所述第四区域的最大值对应的坐标。
4.根据权利要求1或3所述的方法，其特征在于，所述根据所述第一压力矩阵和所述第二压力矩阵确定第一风险因子，包括：
计算所述第一区域的最大值对应的坐标和所述第二区域的最大值对应的坐标的中点坐标，得到第一中点坐标；
计算所述第二压力矩阵中第三区域的最大值对应的坐标和所述第二压力矩阵中第四区域的最大值对应的坐标，得到第二中点坐标；
根据所述第一中点坐标和所述第二中点坐标之间的距离，确定所述第一风险因子。
5.根据权利要求1或2所述的方法，其特征在于，所述第一压力矩阵包括至少一个压力元素，所述方法还包括：
获取所述第一压力矩阵中各个压力元素；
统计所述第一压力矩阵中各个压力元素对应的颜色，并根据所述第一压力矩阵中各个压力元素的位置和所述第一压力矩阵中各个压力元素对应的颜色，确定压力分布图；
显示所述压力分布图。
6.一种坐姿风险评估装置，其特征在于，包括：
矩阵获取模块，用于获取第一压力矩阵和第二压力矩阵，所述第一压力矩阵用于表示第一区域的压力分布情况和第二区域的压力分布情况，所述第一区域与所述第二区域为用户处于坐立姿态时的两个不同施力部位对应的区域，所述第一压力矩阵为所述第二压力矩阵相邻周期内的压力矩阵，所述第二压力矩阵用于表示第三区域的压力分布情况和第四区域的压力分布情况，所述第三区域与所述第四区域为所述用户处于坐立姿态时的两个不同施力部位对应的区域；
第一获取模块，用于根据所述第一压力矩阵和所述第二压力矩阵确定第一风险因子，所述第一风险因子用于指示所述用户的两个不同施力部位在所述第一区域和所述第二区域的移动情况；
第二获取模块，用于根据所述第一压力矩阵确定第二风险因子，所述第二风险因子用于指示所述用户的坐姿为不良坐姿的持续时间；
所述第二获取模块，具体用于：将所述第一区域的最大值和所述第二区域的最大值中的较大值确定为目标数值；根据所述目标数值和目标绝对差值，确定所述第二风险因子，所述目标绝对差值为所述第一区域的最大值和所述第二区域的最大值之间的绝对差值，
第三获取模块，用于根据所述第一压力矩阵确定第三风险因子，所述第三风险因子用于指示所述第一区域和所述第二区域受到的压力差异程度；
所述第三获取模块，具体用于：根据所述目标绝对差值，确定所述第三风险因子；
风险指数确定模块，用于根据所述第一风险因子、所述第二风险因子以及所述第三风险因子确定风险指数值，所述风险指数值用于指示所述用户的不良坐姿风险程度。
7.一种电子设备，其特征在于，包括处理器、存储器以及输入输出接口，所述处理器、存储器和输入输出接口相互连接，其中，所述输入输出接口用于输入或输出数据，所述存储器用于存储程序代码，所述处理器用于调用所述程序代码，执行如权利要求1-5任一项所述的方法。
8.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机程序，所述计算机程序包括程序指令，所述程序指令当被处理器执行时使所述处理器执行如权利要求1-5任一项所述的方法。
CN202010039273.2A 2020-01-14 2020-01-14 坐姿风险评估方法、装置及设备 Active CN111134687B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010039273.2A CN111134687B (zh) 2020-01-14 2020-01-14 坐姿风险评估方法、装置及设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010039273.2A CN111134687B (zh) 2020-01-14 2020-01-14 坐姿风险评估方法、装置及设备

Publications (2)

Publication Number Publication Date
CN111134687A CN111134687A (zh) 2020-05-12
CN111134687B true CN111134687B (zh) 2022-05-20

Family

ID=70524935

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010039273.2A Active CN111134687B (zh) 2020-01-14 2020-01-14 坐姿风险评估方法、装置及设备

Country Status (1)

Country Link
CN (1) CN111134687B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112330196B (zh) * 2020-11-23 2024-03-26 浙江斯坦格运动护具科技有限公司 一种运动护膝防护等级评价方法
CN112515662B (zh) * 2020-12-24 2023-11-03 深圳数联天下智能科技有限公司 坐姿评估方法、装置、计算机设备和存储介质
CN114224288B (zh) * 2021-12-13 2023-10-31 中国人民解放军军事科学院军事医学研究院 检测癫痫脑电信号的微型胶囊神经网络训练方法及设备

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2018036953A1 (en) * 2016-08-24 2018-03-01 Koninklijke Philips N.V. Device, system and method for patient monitoring to predict and prevent bed falls
CN108814616A (zh) * 2018-04-12 2018-11-16 深圳和而泰数据资源与云技术有限公司 一种坐姿识别的方法及智能座椅

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20120253233A1 (en) * 2011-03-31 2012-10-04 Greene Barry Algorithm for quantitative standing balance assessment
CA3033605C (en) * 2018-02-14 2021-11-23 Aaron Derouin Three-dimensional visual target acquisition systems
US20190259475A1 (en) * 2018-02-20 2019-08-22 SameDay Security, Inc. Connected Kiosk for the Real-Time Assessment of Falls Risk

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2018036953A1 (en) * 2016-08-24 2018-03-01 Koninklijke Philips N.V. Device, system and method for patient monitoring to predict and prevent bed falls
CN108814616A (zh) * 2018-04-12 2018-11-16 深圳和而泰数据资源与云技术有限公司 一种坐姿识别的方法及智能座椅

Also Published As

Publication number Publication date
CN111134687A (zh) 2020-05-12

Similar Documents

Publication Publication Date Title
CN111134687B (zh) 坐姿风险评估方法、装置及设备
CN107292948B (zh) 一种人体建模方法、装置及电子设备
CN111084606A (zh) 基于图像识别的视力检测方法、装置、及计算机设备
Jackson Displaying uncertainty with shading
CN100334888C (zh) 用于人类视觉系统模型的自适应时空滤波器
CN111382714B (zh) 图像检测方法、装置、终端及存储介质
EP3466324A1 (en) Skin diagnostic device and skin diagnostic method
CN104902143B (zh) 一种基于分辨率的图像去噪方法及装置
CN105338214B (zh) 图像处理方法和图像处理装置
CN109427053A (zh) 皮肤老化状态评估方法与电子装置
CN111289110A (zh) 人体温度检测方法、系统、装置及热红外图像处理器
CN107655567A (zh) 一种紫外预警方法、装置、穿戴设备及存储介质
CN111985371A (zh) 坐姿检测方法、坐姿检测设备及课桌
CN111027517A (zh) 一种基于视觉的坐姿矫正提醒系统及方法、应用
CN109902537A (zh) 一种人数统计方法、装置、系统及电子设备
JPH1156818A (ja) 入力装置
CN111407110A (zh) 一种座椅调整方法、装置、电子设备和介质
CN110349090A (zh) 一种基于牛顿二阶插值的图像缩放方法
CN110868913A (zh) 利用口内3d扫描图跟踪牙龈线并且显示牙周测量结果的工具
CN108564638A (zh) 一种基于地理图像学确定人流热区的方法和装置
CN107945468A (zh) 一种座椅的坐姿提醒装置和方法以及座椅
CN114202797A (zh) 行为识别方法、装置和存储介质
CN109948679B (zh) 一种车辆座椅对象分类方法、装置及电子设备
CN101620191A (zh) 具校正ct平扫图像失真的图像获取方法及其装置
CN103679122B (zh) 基于图像灰度信息进行手指检测实现系统

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
TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20210127

Address after: 518000 Fangda building 1706, No. 011, Keji South 12th Road, high tech Zone, Yuehai street, Nanshan District, Shenzhen, Guangdong Province

Applicant after: Shenzhen shuliantianxia Intelligent Technology Co.,Ltd.

Address before: 1003, 10th floor, block D, Shenzhen Institute of aerospace technology innovation building, no.6, South Science and technology 10 road, high tech South District, Nanshan District, Shenzhen, Guangdong 518000

Applicant before: SHENZHEN H & T HOME ONLINE NETWORK TECHNOLOGY Co.,Ltd.

GR01 Patent grant
GR01 Patent grant