CN111158494B - 姿势矫正装置及姿势矫正方法 - Google Patents

Abstract

本发明公开了姿势矫正装置及姿势矫正方法，包括：吸附部件和移动终端；所述吸附部件包括：第一、第二和第三弹性膜，第一、第二和第三弹性膜上均贴敷应变片压力传感器、处理器和无线通信模块，应变片压力传感器与处理器连接，处理器与无线通信模块连接；第一弹性膜贴敷在人体皮肤表面的颈椎中心位置，第二弹性膜贴敷在人体皮肤表面的胸椎中心位置，第三弹性膜贴敷在人体皮肤表面的腰椎中心位置；每个弹性膜对应的应变片压力传感器，将各自采集的人体脊柱弯曲角度值通过无线通信模块均上传给移动终端；移动终端将获取的人体脊柱弯曲角度值，输入到预训练的分类模型中，移动终端输出人体脊柱姿势矫正提示指令。

Description

姿势矫正装置及姿势矫正方法

技术领域

本公开涉及姿势矫正技术领域，特别是涉及姿势矫正装置及姿势矫正方法。

背景技术

本部分的陈述仅仅是提到了与本公开相关的背景技术，并不必然构成现有技术。

市面上的姿势校正产品并不少见，如“背背佳”等传统的束缚型矫正绑带和利用各种人体工学设计的桌椅支架等，但传统产品不够智能，不能完全满足用户需求。万物互联的互联网时代已经到来，随着人工智能(AI)、大数据分析、第五代移动通信(5G)技术的飞速发展，智能化的人体姿势矫正设备成为可能，这也是未来姿势矫正设备市场的必然趋势。

在实现本公开的过程中，发明人发现现有技术中存在以下技术问题：

美国公司LumoBodytech研发了一款身姿矫正器Lumo Lift，利用磁感技术进行姿势矫正。该矫正器可帮助白领缓解颈椎压力，改善并塑造健康优雅的身形，曾被美国《时代》杂志评选为2014年度25大最佳发明之一。但其价格昂贵，定价99.99美元(约合人民币625元)。如何降低生产降低本是姿势矫正器快速占据市场的关键。

韩国公司NAMU设计了一款相对体型更加轻巧的耳挂式智能穿戴设备ALEX，通过三轴运动传感器采集肢体信息进行姿势矫正。但其对脖子没有形成实际支撑作用，长久佩戴会对耳朵产生压力，造成人身体不适，体验质量大大下降。因此人体姿势可以通过质量轻便的传感器进行数据采集，然后在手机手环等智能终端进行数据分析和处理，有效降低人体佩戴设备的重量，是提升人体舒适性体验的重要途径之一。

法国Percko公司携手专业骨科医院设计研发了一款新型智能身姿矫正衣Percko，该设备通过轻微触压背部关键部位，提醒肌肉引起自发调整身姿，实现随时随地的健康身姿塑造。

2017年在众筹网站kickstarte上出现了一款名Perfect Posture Coach姿态矫正器，主要通过一个磁性传感器来评估人体背部和颈部角度，利用红外线测量脊椎排列距离，评估人体坐姿是否正确。但是电磁感应和红外线对人体健康存在潜在的辐射安全隐患，安全级别较低。此外，以上所述设备均不能根据每个人的不同生活习惯进行个性化人体姿势数据设计。

发明内容

为了解决现有技术的不足，本公开提供了姿势矫正装置及姿势矫正方法；可以分析用户数据根据每位用户的习惯面向对象进行设计和训练。

第一方面，本公开提供了姿势矫正装置；

姿势矫正装置，包括：吸附部件和移动终端；

所述吸附部件包括：第一、第二和第三弹性膜，第一、第二和第三弹性膜上均贴敷应变片压力传感器、处理器和无线通信模块，应变片压力传感器与处理器连接，处理器与无线通信模块连接；

第一弹性膜贴敷在人体皮肤表面的颈椎中心位置，第二弹性膜贴敷在人体皮肤表面的胸椎中心位置，第三弹性膜贴敷在人体皮肤表面的腰椎中心位置；

每个弹性膜对应的应变片压力传感器，将各自采集的人体脊柱弯曲角度值通过无线通信模块均上传给移动终端；

移动终端将获取的人体脊柱弯曲角度值，输入到预训练的分类模型中，移动终端输出人体脊柱姿势矫正提示指令。

第二方面，本公开还提供了姿势矫正方法；

姿势矫正方法，包括：

通过姿势矫正装置，获取人体脊柱弯曲角度值；

将人体脊柱弯曲角度值由模拟信号转换为数字信号后，将数字信号通过蓝牙上传给移动终端；

移动终端将人体脊柱弯曲角度值输入到预训练的分类模型中，输出人体脊柱姿势矫正提示指令。

与现有技术相比，本公开的有益效果是：

综合考虑人体姿势矫正设备的成本、姿势矫正精确性、外观体型和人体健康等个性化因素，利用传感技术实现人体姿势采集，借助柔性技术进行人体贴合设计，并通过蓝牙技术成功实现与现有智能终端设备的链接，降低人体姿势矫正设备的计算成本，有效降低经济成本和体型重量，更加轻便、智能。

附图说明

构成本申请的一部分的说明书附图用来提供对本申请的进一步理解，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。

图1为第一个实施例的姿势矫正装置坐姿提醒示意图；

图2为第一个实施例的姿势矫正装置坐姿矫正示意图；

图3为第一个实施例的姿势矫正装置站姿提醒示意图；

图4为第一个实施例的姿势矫正装置站姿矫正示意图；

图5为第一个实施例的姿势矫正装置行走姿势提醒示意图；

图6为第一个实施例的姿势矫正装置行走姿势矫正示意图；

图7为第一个实施例的姿势矫正器产品示意图；

图8为第一个实施例的人体姿势数据的录入示意图；

图9为第一个实施例的人体姿势数据的具体分析图；

图10为第一个实施例的单片机的模块化功能示意图。

具体实施方式

应该指出，以下详细说明都是示例性的，旨在对本申请提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本申请所属技术领域的普通技术人员通常理解的相同含义。

需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本申请的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。

实施例一，本实施例提供了姿势矫正装置；

姿势矫正装置，包括：吸附部件和移动终端；

所述吸附部件包括：第一、第二和第三弹性膜，第一、第二和第三弹性膜上均贴敷应变片压力传感器、处理器和无线通信模块，应变片压力传感器与处理器连接，处理器与无线通信模块连接；

第一弹性膜贴敷在人体皮肤表面的颈椎中心位置，第二弹性膜贴敷在人体皮肤表面的胸椎中心位置，第三弹性膜贴敷在人体皮肤表面的腰椎中心位置；

每个弹性膜对应的应变片压力传感器，将各自采集的人体脊柱弯曲角度值通过无线通信模块均上传给移动终端；

移动终端将获取的人体脊柱弯曲角度值，输入到预训练的分类模型中，移动终端输出人体脊柱姿势矫正提示指令。

进一步地，所述弹性膜为具有防水性的热塑性聚氨酯弹性膜。

应理解的，所述热塑性聚氨酯弹性膜，除了具有柔性和流动性外还具有防水性，完美的解决了夏季汗液的分泌和水下作业等特殊情况，避免了装置的损坏和电路崩溃对人体造成伤害。

进一步地，所述每个弹性膜对应的应变片压力传感器，将采集的数据使用Borden氏测量法和C2-C7Cobb角/Harrison测量法，得到人体脊柱弯曲角度值。

应理解的，所述应变片压力传感器，是一种贴合人体关节的设备，主要用于感应人体部位的应变量，即人体部位弯曲的曲度，当人体被测部位发生形变时传感器也随之发生形变，此时会在相同时间间隔内产生一定的物理可观测数据，传感器将采集到的数据存储为一个时序数据流，并传输到处理器进行特征的提取。

进一步地，所述移动终端，包括以下设备的一种或多种：手机或手环。

进一步地，移动终端输出人体脊柱姿势矫正提示指令，通过语音提示或震动提醒的方式进行提醒。

进一步地，所述无线通信模块，为蓝牙；如图7所示。

进一步地，所述应变片压力传感器，为柔性应变片压力传感器。

实施例二，本实施例还提供了姿势矫正方法；

如图8所示，姿势矫正方法，包括：

通过姿势矫正装置，获取人体脊柱弯曲角度值；

将人体脊柱弯曲角度值由模拟信号转换为数字信号后，将数字信号通过蓝牙上传给移动终端；

移动终端将人体脊柱弯曲角度值输入到预训练的分类模型中，输出人体脊柱姿势矫正提示指令。

进一步地，所述通过姿势矫正装置，获取人体脊柱弯曲角度值步骤之后，所述将人体脊柱弯曲角度值由模拟信号转换为数字信号步骤之前，还包括：数据预处理步骤；

所述数据预处理步骤，是指：获取人体脊柱弯曲角度值之后，判断人体脊柱弯曲角度值在设定的时间范围内，是否超出设定的阈值，如果未超出设定的阈值，则将获取的人体脊柱弯曲角度值进行暂时存储；如果超出设定的阈值，则将获取的人体脊柱弯曲角度值进行由模拟信号到数字信号的转换处理。

上述技术方案的有益效果是，可以节省电能的消耗，有效避免无线通信模块上传一些无意义数据对电能的浪费，也避免无线通信模块上传一些无意义数据对移动终端电能的浪费，和对用户的干扰；可提升用户体验。

进一步地，所述预训练的分类模型的训练步骤包括：

选择Logistic回归模型为分类模型；

构建训练集，所述训练集，包括：已知脊柱弯曲角度标签的人体脊柱弯曲角度值，所述人体脊柱弯曲角度值，包括：颈椎角度值、胸椎角度值和腰椎角度值；

利用训练集对Logistic回归模型进行训练，得到训练好的分类模型。

进一步地，所述训练集的获取步骤包括：

选择N个人作为训练集的受试者，对每一个受试者分别在在人体皮肤表面的颈椎中心位置贴敷第一弹性膜，在人体皮肤表面的胸椎中心位置贴敷第二弹性膜，在人体皮肤表面的腰椎中心位置贴敷第三弹性膜；

采集每个受试者在保持直立姿势、上身弯曲30°、上身弯曲45°、上身弯曲60°和上身弯曲90°的不同弯曲角度下，每个弹性膜对应的应变片压力传感器采集的数据；

将每个弹性膜对应的应变片压力传感器采集的数据，配置正确姿势与错误姿势的标签。

进一步地，如图9所示，所述获取人体脊柱弯曲角度值步骤之后，还包括：

对每一个脊柱弯曲角度值，按照采集的时间顺序设定唯一编码。

进一步地，所述将数字信号通过蓝牙上传给移动终端步骤之后，所述移动终端将人体脊柱弯曲角度值输入到预训练的分类模型中步骤之前，还包括：移动终端对人体脊柱弯曲角度值数据进行预筛选步骤；

移动终端对人体脊柱弯曲角度值数据进行预筛选步骤，包括：

按照唯一编码的时间先后顺序，对人体脊柱弯曲角度值进行筛选，如果超出设定阈值范围，则认为是噪声数据，予以删除；如果在设定阈值范围内，则认为是正常数据，将正常数据存储到待分类数据库中。

进一步地，所述Logistic回归模型为概率型非线性回归模型，是研究二分类观察结果与一些影响因素之间关系的一种多变量分析方法，通常用于研究某些因素条件下某个结果是否发生。

对于给定的待训练数据集T＝{(x₁,y₁),(x₂,y₂),...,(x_n,y_n)}，即一个时间区间内的姿势数据，其中x_i∈Rⁿ(人体关节弯曲角度)，y_i∈{0,1}(该角度对应姿势是否正确，0为错误，1为正确)，设z＝-w·x-b，则称

这里我们将权值向量和输入向量进行扩充：

w＝(w⁽¹⁾,w⁽²⁾,...,w⁽ⁿ⁾,b)^T；

x＝(x⁽¹⁾,x⁽²⁾,...,x⁽ⁿ⁾,1)^T.

因此，得到Logistic回归模型为：

对于给定的待训练数据集T＝{(x₁,y₁),(x₂,y₂),...,(x_n,y_n)}，其中x_i∈Rⁿ，y_i∈{0,1}，我们应用极大似然估计法估计该模型参数：

设：P(Y＝1|x)＝π(x)，P(Y＝0|x)＝1-P(Y＝1|x)＝1-π(x).

联合概率分布函数为：(似然函数)

对数似然函数为：

对L(w)求极大值得到w的估计值

则Logistic回归模型为:

姿势正确

姿势错误

知识图谱作为一新兴研究方向，主要作用为表现看似错综复杂的实体间隐藏的相互关系。

采用基于距离方法(①Borden氏测量法；②颈椎曲度指数(CCI)法；③椎体质心测量法(CCL)测量方法)和基于角度(①Cl—C7Cobb角测量法；②C2—C7Cobb角测量法；③Harrison氏测量法)共6种测量方法分别测量颈椎曲度。以2周为间隔分别独自测量两次，对测量结果进行统计分析。

结果：6种测量方法均具有良好的可信度(r＝0.752～0.968)和可重复性(r＝0.703～0.915)。

基于距离的测量方法中可信度以Borden氏测量法最高(r＝-0.938～0.968)，其次为CCL法(r＝0.855～0.908)及CCI法(r＝0.775～0.821)，可重复性以Borden氏测量法最好(r＝0.888～0.915)，其次为CCI法(r＝0.819～0.862)及CCL法(r＝0.810～0.859)。

基于角度的测量方法中可信度以C2—C7Cobb角测量法最高(r＝0.871～0.895)，其次为Harrison氏法(r＝0.830～0.885)及C2—C7Cobb角测量法(r＝0.752～0.836)；可重复性以Harrison氏法最好(r＝0.868～0.8801)，其次为C2—C7Cobb角测量法(r＝0.859～0.876)及Cl—C7Cobb角测量法(r＝0.703～0.837)。

结论：6种不同的颈椎曲度测量方法均具有良好的可信度及可重复性。

基于距离的曲度测量方法以Borden氏测量法可信度及可重复性最好。

基于角度的曲度测量方法以C2—C7Cobb角测量法可信度最高，以Harrison氏法可重复性最好。

对于该产品而言，我们既需要重复性好的测量方法，又需要基于角度的测量方法。由以上资料可知，若只运用某一种算法实现两种测量目标很难，那么我们可考虑将两种算法结合、改进，能更好的达到预期目标，因此我们选用Borden氏测量法和C2-C7Cobb角/Harrison测量法联合使用。

单片机进行数据运算。手环蓝牙接收到姿势识别装置传来的信号后由数模转换器将数字信号转换为模拟信号与数据库数据比对而后做出反馈。

模块化嵌入式姿势识别。目前市面上的智能产品都追求功能更多，更智能，因此手环除了具有姿势识别这一功能外还应具有计步、时钟、测心率、GPS定位、WIFI通信等其他诸多功能。

主要包括：

①计步：对于手环这种精密小巧智能装置而言低功耗十分重要。ADXL362是一种具有超低功耗和3轴MEMS的加速度计，当其输出数据频率为100Hz时，其功耗低于2μA，并且在运动触发唤醒模式下功耗为270nA，是真正的超低功耗。ADXL362区别于传统的加速度计的是其采用全数据速率对传感器的整个带宽进行采样。此计步器模块可通过算法计算三轴加速度传感器的角度，而后再通过角度对所走步数进行计算。

②时钟：采用DS1302芯片作为计时模块，同时利用手环上面的蓝牙模块连接手机来进行时间校准，这样就解决了DS1302芯片计时不准确的问题，也避免了使用价格昂贵的高精度的时钟模块，既时间精准又节省了成本。

③测心率：可在手环处安装一个用于脉搏心率测算的模拟传感器，将采集到的模拟信号传输给STM32单片机用来转换为数字信号，再通过STM32单片机简单计算后就可以得到心率数值。此外,还可将脉搏波形通过串口上传到电脑显示波形用于人体心率测算分析。

④GPS定位：此模块体积小巧，性能优异，可增加放大电路，有利于无缘陶瓷天线快速搜星。可通过串口进行各种参数设置并进行保存，使用方便。而且，此模块自带SMA接口，可以连接各种有源天线，适应能力强。此GPS模块兼容3.3V/5V电平，方便连接STM32单片机，并且自带可充电后备电池。

⑤WIFI通信：在这一模块中，可以将手环自身作为服务器，手机和其他设备作为客户端与手环通信，使用socket编程方法，通过IP地址轻松连接，互传数据。根据IP新建套接字后向服务器发出请求连接信号，服务器响应后便可进行数据传递。手环端配置服务器是将单片机发送的AT指令对WIFI通信模块进行配置，其中指令可查看WIFI芯片手册。

单片微型计算机简称单片机，简单来说就是集CPU、RAM、ROM、输入输出设备(串口、并口等)和中断系统处于同一芯片的器件，在我们自己的个人电脑中，CPU、RAM、ROM、I/O这些都是单独的芯片，然后这些芯片被安装在一个主板上，这样就构成了我们的PC主板，进而组装成电脑，而单片机只是将这所有的集中在了一个芯片上而已，这里对于手环的设计我们用到“STM32F103C8T6 MCU”。STM32F103C8T6 MCU使用了高性能的ARM，32位的RISC内核，并且工作频率为72MHz，其内置高速存储器(高达128K字节的闪存和20K字节的SRAM)，增强了I/O端口和连接到两条APB总线的外设。并且包含2个12位的ADC，3个通用16位定时器和1个PWM定时器，还包含标准和先进的通信接口：多达2个I2C接口和SPI接口，3个USART接口，1个USB接口和1个CAN接口。STM32F103C8T6MCU具有省电模式，从而有效的保证了低功耗应用的要求。

移动端采用APP或微信小程序的方式进行姿势识别，其算法和功能与手环类似，不同的地方是手机端程序开源性更强，可以完全通过算法实现手环端具有的功能。再者，因为该产品的通信由蓝牙完成，所以手环端的数据信可以传递给手机端共享，手机端除具有自身功能外还囊括了手环端的信息，可以无需硬件，更便捷，更智能。手环和手机的联合使用将会使该设备更为智能，功能更为健全。

如图10所示，手环蓝牙接收到信号后由姿势反馈模块内的单片机进行信号处理，若运算结果在预先设计的正常运动范围内则作为无效信号重新接收新的信号，若在预先设计的正常运动范围之外，则被认定为错误姿势。此时，手环做出震动反馈。同时手机端接收到信号后同样由系统内的姿势反馈模块进行处理和运算，若运算结果在预先设计的正常运动范围内则作为无效信号重新接收新的信号，若在预先设计的正常运动范围之外，则被认定为错误姿势此时手机端做出震动或语言提示反馈。

对于图1、图2、图3、图4、图5和图6，由于人体姿势采集装置是“贴敷”式的设计，并且因个人差异不同的人需要贴敷的部位不同，所以对于目标位置而言，会存在偏差。因此我们进行大量的不同人体位置(脊柱、腰颈椎周围区域)数据训练，从而使该模型能够自动推理和定位并匹配适合该部位的相关参数，避免了由于位置不准确造成的结果误差。人体脊柱和腰、颈部关节的运动相较于四肢具有运动又具有较为迟缓且呈现较长时间维持原运动状态的特性，但对于人体做出的每一个姿势而言都是动态的，所以在人体长时间维持正常姿势过程中难免会出现某一超乎正常姿势的“过激行为”，例如，伸懒腰，扭脖子，转换坐姿等。因此，对于从传感器传来的单位时序数据信号而言会出现大量的正确姿势信号(即在预先设定的正确姿势所对应的向量内的数据)，并参杂着某一或某几错误姿势信号(即在预先设定的错误姿势13所对应的向量内的数据)。但由上述介绍可知一旦人体姿势错误就会发出报警。因此为了减少这种“假性报警”，我们就需要安插一个计时器(即处理器与计时器连接)以计算某一错误姿势信号存在的时间。若错误姿势信号存在时间超过了对于“过激行为”预先设定的时间则被认定为错误姿势；若未超过对于“过激行为”预先设定的时间则被认定为正确姿势并忽略此“过激行为”，最后将识别结果输出到反馈模块。

另外，在姿势识别的数据采集上，由于人四肢(例如手指)的变化在时间上可以用秒来进行存储和计算，则考虑到人姿势的变化在时间上也是秒数量级的。因此我们利用连续的时序数据来来描述人体姿势变化过程是合理的。同样，通过提前采集好的数据组建数据库并进行训练从而建立人体姿势数据库并训练Logistic回归模型一样可行。由此可见，本专利产品更贴合人体，更精确，更智能，更安全，性价比更高，能为使用者提供更为人性化的服务。

以上所述仅为本申请的优选实施例而已，并不用于限制本申请，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。

Claims (7)

1.姿势矫正装置，其特征是，包括：吸附部件和移动终端；

所述吸附部件包括：第一、第二和第三弹性膜，第一、第二和第三弹性膜上均贴敷应变片压力传感器、处理器和无线通信模块，应变片压力传感器与处理器连接，处理器与无线通信模块连接；

第一弹性膜贴敷在人体皮肤表面的颈椎中心位置，第二弹性膜贴敷在人体皮肤表面的胸椎中心位置，第三弹性膜贴敷在人体皮肤表面的腰椎中心位置；

每个弹性膜对应的应变片压力传感器，将各自采集的人体脊柱弯曲角度值通过无线通信模块均上传给移动终端；

移动终端将获取的人体脊柱弯曲角度值，输入到预训练的分类模型中，移动终端输出人体脊柱姿势矫正提示指令；

其中，所述每个弹性膜对应的应变片压力传感器，将采集的数据使用Borden氏测量法和C2-C7Cobb角/Harrison测量法，得到人体脊柱弯曲角度值；

所述预训练的分类模型的训练步骤包括：

选择Logistic回归模型为分类模型；

构建训练集，所述训练集，包括：已知脊柱弯曲角度标签的人体脊柱弯曲角度值，所述人体脊柱弯曲角度值，包括：颈椎角度值、胸椎角度值和腰椎角度值；

利用训练集对Logistic回归模型进行训练，得到训练好的分类模型；

所述训练集的获取步骤包括：

选择N个人作为训练集的受试者，对每一个受试者分别在在人体皮肤表面的颈椎中心位置贴敷第一弹性膜，在人体皮肤表面的胸椎中心位置贴敷第二弹性膜，在人体皮肤表面的腰椎中心位置贴敷第三弹性膜；

采集每个受试者在保持直立姿势、上身弯曲30°、上身弯曲45°、上身弯曲60°和上身弯曲90°的不同弯曲角度下，每个弹性膜对应的应变片压力传感器采集的数据；

将每个弹性膜对应的应变片压力传感器采集的数据，配置正确姿势与错误姿势的标签；

对于给定的待训练数据集T＝{(x₁,y₁),(x₂,y₂),...,(x_n,y_n)}，即一个时间区间内的姿势数据，其中x_i∈Rⁿ表示人体关节弯曲角度，y_i∈{0,1}表示该角度对应姿势是否正确，0为错误，1为正确；设z＝-w·x-b，则称

这里我们将权值向量和输入向量进行扩充：

w＝(w⁽¹⁾,w⁽²⁾,...,w⁽ⁿ⁾,b)^T；

x＝(x⁽¹⁾,x⁽²⁾,...,x⁽ⁿ⁾,1)^T；

因此，得到Logistic回归模型为：

对于给定的待训练数据集T＝{(x₁,y₁),(x₂,y₂),...,(x_n,y_n)}，其中x_i∈Rⁿ，y_i∈{0,1}，我们应用极大似然估计法估计该模型参数：

设：P(Y＝1|x)＝π(x)，P(Y＝0|x)＝1-P(Y＝1|x)＝1-π(x)；

联合概率分布函数为：

对数似然函数为：

对L(w)求极大值得到w的估计值

则Logistic回归模型为:

姿势正确

姿势错误

所述姿势矫正装置还包括计时器，所述计时器连接处理器，所述计时器用于计算某一错误姿势信号存在的时间，若错误姿势信号存在时间超过了对于过激行为预先设定的时间，则被认定为错误姿势；若未超过对于过激行为预先设定的时间则被认定为正确姿势，并忽略此过激行为，以避免假性报警。

2.如权利要求1所述的装置，其特征是，所述弹性膜为具有防水性的热塑性聚氨酯弹性膜。

3.如权利要求1所述的装置，其特征是，移动终端输出人体脊柱姿势矫正提示指令，通过语音提示或震动提醒的方式进行提醒。

4.姿势矫正方法，其特征是，包括：

通过姿势矫正装置，获取人体脊柱弯曲角度值；

将人体脊柱弯曲角度值由模拟信号转换为数字信号后，将数字信号通过蓝牙上传给移动终端；

移动终端将人体脊柱弯曲角度值输入到预训练的分类模型中，输出人体脊柱姿势矫正提示指令；

其中，每个弹性膜对应的应变片压力传感器，将采集的数据使用Borden氏测量法和C2-C7Cobb角/Harrison测量法，得到人体脊柱弯曲角度值；

所述预训练的分类模型的训练步骤包括：

选择Logistic回归模型为分类模型；

构建训练集，所述训练集，包括：已知脊柱弯曲角度标签的人体脊柱弯曲角度值，所述人体脊柱弯曲角度值，包括：颈椎角度值、胸椎角度值和腰椎角度值；

利用训练集对Logistic回归模型进行训练，得到训练好的分类模型；

所述训练集的获取步骤包括：

选择N个人作为训练集的受试者，对每一个受试者分别在在人体皮肤表面的颈椎中心位置贴敷第一弹性膜，在人体皮肤表面的胸椎中心位置贴敷第二弹性膜，在人体皮肤表面的腰椎中心位置贴敷第三弹性膜；

采集每个受试者在保持直立姿势、上身弯曲30°、上身弯曲45°、上身弯曲60°和上身弯曲90°的不同弯曲角度下，每个弹性膜对应的应变片压力传感器采集的数据；

将每个弹性膜对应的应变片压力传感器采集的数据，配置正确姿势与错误姿势的标签；

对于给定的待训练数据集T＝{(x₁,y₁),(x₂,y₂),...,(x_n,y_n)}，即一个时间区间内的姿势数据，其中x_i∈Rⁿ表示人体关节弯曲角度，y_i∈{0,1}表示该角度对应姿势是否正确，0为错误，1为正确；设z＝-w·x-b，则称

这里我们将权值向量和输入向量进行扩充：

w＝(w⁽¹⁾,w⁽²⁾,...,w⁽ⁿ⁾,b)^T；

x＝(x⁽¹⁾,x⁽²⁾,...,x⁽ⁿ⁾,1)^T；

因此，得到Logistic回归模型为：

对于给定的待训练数据集T＝{(x₁,y₁),(x₂,y₂),...,(x_n,y_n)}，其中x_i∈Rⁿ，y_i∈{0,1}，我们应用极大似然估计法估计该模型参数：

设：P(Y＝1|x)＝π(x)，P(Y＝0|x)＝1-P(Y＝1|x)＝1-π(x)；

联合概率分布函数为：

对数似然函数为：

对L(w)求极大值得到w的估计值

则Logistic回归模型为:

姿势正确

姿势错误

所述姿势矫正装置还包括计时器，所述计时器连接处理器，所述计时器用于计算某一错误姿势信号存在的时间，若错误姿势信号存在时间超过了对于过激行为预先设定的时间，则被认定为错误姿势；若未超过对于过激行为预先设定的时间则被认定为正确姿势，并忽略此过激行为，以避免假性报警。

5.如权利要求4所述的方法，其特征是，所述通过姿势矫正装置，获取人体脊柱弯曲角度值步骤之后，所述将人体脊柱弯曲角度值由模拟信号转换为数字信号步骤之前，还包括：数据预处理步骤；

所述数据预处理步骤，是指：获取人体脊柱弯曲角度值之后，判断人体脊柱弯曲角度值在设定的时间范围内，是否超出设定的阈值，如果未超出设定的阈值，则将获取的人体脊柱弯曲角度值进行暂时存储；如果超出设定的阈值，则将获取的人体脊柱弯曲角度值进行由模拟信号到数字信号的转换处理。

6.如权利要求4所述的方法，其特征是，所述获取人体脊柱弯曲角度值步骤之后，还包括：

对每一个脊柱弯曲角度值，按照采集的时间顺序设定唯一编码。

7.如权利要求4所述的方法，其特征是，所述将数字信号通过蓝牙上传给移动终端步骤之后，所述移动终端将人体脊柱弯曲角度值输入到预训练的分类模型中步骤之前，还包括：移动终端对人体脊柱弯曲角度值数据进行预筛选步骤；

移动终端对人体脊柱弯曲角度值数据进行预筛选步骤，包括：

按照唯一编码的时间先后顺序，对人体脊柱弯曲角度值进行筛选，如果超出设定阈值范围，则认为是噪声数据，予以删除；如果在设定阈值范围内，则认为是正常数据，将正常数据存储到待分类数据库中。