CN111240481A - 基于智能手表的读写距离识别方法 - Google Patents

基于智能手表的读写距离识别方法 Download PDF

Info

Publication number
CN111240481A
CN111240481A CN202010026595.3A CN202010026595A CN111240481A CN 111240481 A CN111240481 A CN 111240481A CN 202010026595 A CN202010026595 A CN 202010026595A CN 111240481 A CN111240481 A CN 111240481A
Authority
CN
China
Prior art keywords
target
sitting posture
current
distance
target user
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.)
Granted
Application number
CN202010026595.3A
Other languages
English (en)
Other versions
CN111240481B (zh
Inventor
鄢家厚
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.)
Individual
Original Assignee
Individual
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 Individual filed Critical Individual
Priority to CN202010026595.3A priority Critical patent/CN111240481B/zh
Priority to PCT/CN2020/075568 priority patent/WO2021138964A1/zh
Publication of CN111240481A publication Critical patent/CN111240481A/zh
Application granted granted Critical
Publication of CN111240481B publication Critical patent/CN111240481B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
    • G06F3/011—Arrangements for interaction with the human body, e.g. for user immersion in virtual reality
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands

Abstract

本发明提供了基于智能手表的读写距离识别方法，包括：构建坐姿识别模型；根据智能手表中的加速度传感器和陀螺仪传感器，检测得到第一目标数据，并基于第一目标数据，判断佩戴有智能手表的目标用户的当前读写状态；根据判断结果，控制智能手表中的距离传感组检测得到第二目标数据，通过第二目标数据判断与当前读写状态对应的目标用户的当前读写距离；同时，基于构建的坐姿识别模型，对第一目标数据和第二目标数据进行识别，确定目标用户的当前坐姿，并记录。通过获取第一目标数据和第二目标数据，确定用户的读写距离，进而方便确定用户的当前坐姿。

Description

基于智能手表的读写距离识别方法
技术领域
本发明涉及移动感知技术领域，特别涉及基于智能手表的读写距离识别方法。
背景技术
随着信息爆炸的时代的到来，无论是学生还是成人，每天都需要进行大量的伏案工作、学习。但是在工作和学习过程中，错误的坐姿会导致疲劳，带来视力的下降，特别是学生群体，虽然，一般老师会对学生的坐姿进行矫正，但是仅仅是限于老师在教室的情况，而且，还存在学生下意识的出现坐姿不正确的情况，且学生可能不会去在意这些事情的发生，但是却严重影响了学生的正确坐姿，因此，在确定学生坐姿的基础上，对学生的读写距离进行检测就显得尤为重要。
发明内容
本发明提供基于智能手表的读写距离识别方法，用以通过获取第一目标数据和第二目标数据，确定用户的读写距离，进而方便确定用户的当前坐姿。
本发明实施例提供基于智能手表的读写距离识别方法，包括：
构建坐姿识别模型；
根据所述智能手表中的加速度传感器和陀螺仪传感器，检测得到第一目标数据，并基于所述第一目标数据，判断佩戴有智能手表的目标用户的当前读写状态；
根据判断结果，控制所述智能手表中的距离传感组检测得到第二目标数据，通过所述第二目标数据判断与所述当前读写状态对应的所述目标用户的当前读写距离；
同时，基于构建的所述坐姿识别模型，对所述第一目标数据和第二目标数据进行识别，确定所述目标用户的当前坐姿，并记录。
在一种可能实现的方式中，所述当前坐姿包括：正坐型、埋头读写型和手撑脸颊书写型；
其中，基于构建的所述坐姿识别模型，对所述第一目标数据和第二目标数据进行识别，确定所述目标用户的当前坐姿的步骤包括：
基于所述智能手表中的陀螺仪传感器判断所述目标用户的目标手部是否水平放置在目标物体上；
基于所述智能手表中的距离传感组判断所述智能手表与所述目标用户的目标头部的头部距离；
基于所述坐姿识别模型，如果判断出所述目标用户的目标手部水平放置在目标物体上，且所述头部距离大于预设距离，则所述目标用户的当前坐姿为正坐型；
如果判断出所述目标用户的目标手部水平放置在目标物体上，且所述头部距离不大于预设距离，则所述目标用户的当前坐姿为埋头读写型；
如果判断出所述目标用户的目标手部未水平放置在目标物体上，且与所述目标物体的第一角度在预设角度范围内，则所述目标用户的当前坐姿为手撑脸颊书写型。
在一种可能实现的方式中，基于判断结果，并通过所述第二目标数据判断与所述当前读写状态对应的所述目标用户的当前读写距离的步骤包括：
当所述判断结果为所述目标用户当前处于读写状态时，控制所述距离传感组发射激光，并根据激光发射-反射时间差计算所述目标用户的当前读写距离；
当所述判断结果为所述目标用户当前未处于读写状态时，控制所述智能手表不执行任何操作；
其中，所述第二目标数据为所述激光发射-反射时间差计算得到的当前读写距离。
在一种可能实现的方式中，基于所述智能手表中的距离传感组判断所述智能手表与所述目标用户的目标头部的头部距离的过程中，还包括获取所述智能手表与所述目标用户的目标头部的最优距离，其步骤包括：
确定所述智能手表中的距离传感组中的第一传感器获取的第一距离和第二传感器获取的第二距离；
确定所述智能手表中的陀螺仪传感器计算得出的所述智能手表与所述目标物体基于水平面的测量角度；
根据所述测量角度，从所述第一距离和第二距离中选择最优距离，作为所述智能手表与所述目标头部的头部距离。
在一种可能实现的方式中，当判断佩戴有智能手表的目标用户处于读写状态时，检测所述目标用户的当前坐姿是否正确，若是，所述智能手表不执行任何操作；
否则，所述智能手表内部的振动传感器产生震动提示当前坐姿错误，同时所述智能手表上的显示屏进行提示显示；
且，所述智能手表还按照预设时间间隔对所述目标用户的当前坐姿进行预设次数的检测，如果，所述预设次数的检测结果都为所述当前坐姿错误，则所述智能手表中的报警器发出第一报警声音。
在一种可能实现的方式中，所述智能手表还用于对检测到的第一目标数据、第二目标数据和所述目标用户的当前坐姿进行记录，并将记录结果传输到家长端进行显示；
且所述家长端的用户在对显示的记录结果进行实时查看的过程中，所述家长端还接收家长端的用户输入的纠正指令。
在一种可能实现的方式中，当判断所述目标用户处于读写状态时，对所述目标用户的当前坐姿进行计时统计；
当所述目标用户的当前坐姿发生变化时，重新对所述发生变化的当前坐姿进行计时统计，当所述目标用户的当前坐姿未发生变化时，对所述当前坐姿继续进行计时统计；
基于预设时间轴，将计时统计结果进行输出到家长端进行显示。
在一种可能实现的方式中，所述构建坐姿识别模型之后，为了提高所述坐姿识别模型的精准性，还包括：对所述坐姿识别模型进行修正处理，并对修正处理后的所述姿势识别模型进行验证，其步骤包括：
基于所述智能手表上设置的摄像头和CCD模组，获取若干个历史用户所处预设读写场景的场景图像，并将所述场景图像传输到服务器，所述场景图像包括：所述历史用户的坐姿图像信息、所述目标物体的物体图像信息；
基于所述服务器，对所述场景图像进行图像算法检测，获得场景标定点，并基于标准三维空间，获取所述场景标定点的标定坐标；
基于服务器中的图像特征数据库，获取所述场景图像的场景特征点，判断所述标定坐标与对应的场景特征点是否相一致，若是，保留对应的场景标定点；
否则，基于服务器中的偏移数据库，确定所述标定坐标与对应的场景特征点之间的偏移距离，并基于预先设定的偏移修正算法，对所述标定坐标与对应的场景特征点进行修正处理，直到修正处理后的所述标定坐标与对应的场景特征点相一致；
当所有所述标定坐标与对应的场景特征点相一致后，对每个所述标定坐标进行真伪预测，并根据真伪预测结果，判断所述标定坐标是否需要删除；
若是，将所述标定坐标删除，否则，将所述标定坐标进行保留；
同时，根据保留的所有标定坐标，重构标定图像，并基于所述标定图像对所述坐姿识别模型进行深度学习训练；
获取若干张目标用户所处预设读写场景的场景图像，并基于所述深度学习训练后的坐姿识别模型进行识别验证，根据识别验证结果，确定深度学习训练后的坐姿识别模型识别的准确性；
当准确性高于预设值时，判定验证成功，并将验证成功的坐姿识别模型传输到所述智能手表实现对当前坐姿的识别。
在一种可能实现的方式中，对所述第一目标数据和第二目标数据进行识别，确定所述目标用户的当前坐姿，并记录之后，还包括：
对所记录的所述目标用户当前坐姿的保持时间进行计时，当计时时间大于预设时间时，控制所述智能手表的显示屏显示用眼过长提醒信息，或者控制所述智能手表的报警器发出第二报警信息。
在一种可能实现的方式中，所述智能手表上设置有红外摄像头，所述红外摄像头用于拍摄所述目标用户的红外图像；
所述智能手表上设置有处理器，用于在基于所述智能手表中的陀螺仪传感器判定所述目标用户的目标手部水平放置在目标物体上时，根据所述红外图像判断所述当前用户的脸部摆动特征，并根据所述脸部摆动特征来发出相应提示；其中，所述根据所述红外图像和所述当前读写距离判断所述当前用户的脸部摆动特征，包括：
获取共N组红外图像，其中，第n组红外图像中包括第一红外图像和第二红外图像，所述第一红外图像和第二红外图像之间的拍摄时间间隔小于或等于预设时间间隔；n＝1,2,3、、、N；
按照下述公式(1)计算所述当前用户在第n组红外图像所对应的所述拍摄时间间隔内的脸部摆动系数：
Figure BDA0002362695510000051
其中，wn(12)为所述当前用户在第n组红外图像所对应的所述拍摄时间间隔内的脸部摆动系数；所述Xn1(i,j)为第n组红外图像中第一红外图像在第i行第j列的像素点的像素值；所述Xn2(i,j)为第n组红外图像中第二红外图像在第i行第j列的像素点的像素值；所述I为所述红外摄像头所拍摄的红外图像的像素总行数；所述J为所述红外摄像头所拍摄的红外图像的像素总列数；
按照如下公式(2)计算所述当前用户在所述N组红外图像中的脸部摆动系数W：
Figure BDA0002362695510000061
其中，δn为所述wn(12)对应的权重系数，取值范围为(0,1)；
当所述W等于或大于预设行动系数阈值时，确定所述当前用户的脸部摆动特征为脸部摆动频繁，所述处理器控制所述智能手表上的扬声器发出声音提示。
本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。
附图说明
附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：
图1为本发明实施例中基于智能手表的读写距离识别方法的流程图；
图2为本发明实施例中距离传感组的示意图；
图3为本发明实施例中智能手表的俯视图；
图4为本发明实施例中读写姿势的示意图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。
本发明实施例提供基于智能手表的读写距离识别方法，如图1所示，包括：
步骤1：构建坐姿识别模型；
步骤2：根据所述智能手表中的加速度传感器和陀螺仪传感器，检测得到第一目标数据，并基于所述第一目标数据，判断佩戴有智能手表的目标用户的当前读写状态；
步骤3：根据判断结果，控制所述智能手表中的距离传感组检测得到第二目标数据，通过所述第二目标数据判断与所述当前读写状态对应的所述目标用户的当前读写距离；
步骤4：同时，基于构建的所述坐姿识别模型，对所述第一目标数据和第二目标数据进行识别，确定所述目标用户的当前坐姿，并记录。
在具体的实施过程中，需要说明的是，本发明实施例中的智能手表为现有的常规智能手表，其具备现有的常规智能手表所具备的所有功能，比如GPS定位，一键报警、拨打电话、心率血压统计、计步等等。
上述构建坐姿识别模型，是为了后续便于确定用户的当前坐姿；
上述目标用户可以为，学生等；
上述第一目标数据为加速度数据和陀螺仪数据，判断佩戴有智能手表的目标用户的当前读写状态，例如可以是基于智能手表中的陀螺仪传感器判断目标用户的目标手部是否水平放置在目标物体上的相关数据，如：是水平放置、不是水平放置等；对应的判断结果为，当智能手表处于水平放置，且一定时间内只有轻微位移则判定目标用户进入读写状态；否则，判定目标用户未进入读写状态。
上述判定的当前读写距离，是在确定用户处于读写状态之后，才进行判断的，可有效的节省智能手表的使用电能；
上述基于构建的所述坐姿识别模型，对第一目标数据和第二目标数据进行识别，确定所述目标用户的当前坐姿，并记录，是为了确定用户在读写状态时，对应的坐姿是否合规，并对其继续记录，是为了方便家长对其进行监督，提高目标用户的积极性。
上述技术方案的有益效果是：用以通过获取第一目标数据和第二目标数据，确定用户的读写距离，进而方便确定用户的当前坐姿。
本发明实施例提供基于智能手表的读写距离识别方法，所述当前坐姿包括：正坐型、埋头读写型和手撑脸颊书写型；
其中，基于构建的所述坐姿识别模型，对所述第一目标数据和第二目标数据进行识别，确定所述目标用户的当前坐姿的步骤包括：
基于所述智能手表中的陀螺仪传感器判断所述目标用户的目标手部是否水平放置在目标物体上；
基于所述智能手表中的距离传感组判断所述智能手表与所述目标用户的目标头部的头部距离；
基于所述坐姿识别模型，如果判断出所述目标用户的目标手部水平放置在目标物体上，且所述头部距离大于预设距离，则所述目标用户的当前坐姿为正坐型；
如果判断出所述目标用户的目标手部水平放置在目标物体上，且所述头部距离不大于预设距离，则所述目标用户的当前坐姿为埋头读写型；
如果判断出所述目标用户的目标手部未水平放置在目标物体上，且与所述目标物体的第一角度在预设角度范围内，则所述目标用户的当前坐姿为手撑脸颊书写型。
上述目标物体，可以为书桌；
上述预设距离一般取值为30cm，且预设距离可以随着目标用户的年龄和身高进行有效调节；
上述预设角度范围一般为[70°，90°]之间，上述第一角度是根据陀螺仪传感器测量出来的。
上述技术方案的有益效果是：通过从水平放置和头部距离两方面，来有效的判断其是正坐型、埋头读写型，通过对从水平放置和第一角度两方面，来有效的判断其是手撑脸颊书写型，其判断方式简单，提高其确定当前坐姿的效率和高效性。
本发明实施例提供基于智能手表的读写距离识别方法，基于判断结果，并通过所述第二目标数据判断与所述当前读写状态对应的所述目标用户的当前读写距离的步骤包括，
当所述判断结果为所述目标用户当前处于读写状态时，控制所述距离传感组发射激光，并根据激光发射-反射时间差计算所述目标用户的当前读写距离；
当所述判断结果为所述目标用户当前未处于读写状态时，控制所述智能手表不执行任何操作；
其中，所述第二目标数据为所述激光发射-反射时间差计算得到的当前读写距离。
上述距离传感器组，可以是激光传感器或者红外传感器，且距离传感器组包括至少一个传感器在内，一般是两个。
上述技术方案的有益效果是：通过控制距离传感组发射激光，为获取当前读写距离提供了便利。
本发明实施例提供基于智能手表的读写距离识别方法，基于所述智能手表中的距离传感组判断所述智能手表与所述目标用户的目标头部的头部距离的过程中，还包括获取所述智能手表与所述目标用户的目标头部的最优距离，其步骤包括，
确定所述智能手表中的距离传感组中的第一传感器获取的第一距离和第二传感器获取的第二距离；
确定所述智能手表中的陀螺仪传感器计算得出的所述智能手表与所述目标物体基于水平面的测量角度；
根据所述测量角度，从所述第一距离和第二距离中选择最优距离，作为所述智能手表与所述目标头部的头部距离。
如图2所示，为第一传感器01和第二传感器02，且分别包括：发射接收窗、收发窗口角度，且第一传感器的收发窗口角度为25°，第二传感器的收发窗口角度为35°；
上述测量角度是根据陀螺仪传感器计算得到的；
上述智能手表内置两个距离传感器，且两个传感器角度分别不同，是因为每个学生身高不一样，但是身高有一个范围，智能手表在确定距离传感器安装在手表的位置时会根据学生身高段算出一个合适的角度和位置，保证在这个身高段内的学生都能准确测出距离。
上述技术方案的有益效果是：通过获取最优距离，便于有效的确定更具有准确定的距离传感器作为读写距离测量的仪器，保证其读写距离的精准性。
本发明实施例提供基于智能手表的读写距离识别方法，当判断佩戴有智能手表的目标用户处于读写状态时，检测所述目标用户的当前坐姿是否正确，若是，所述智能手表不执行任何操作；
否则，所述智能手表内部的振动传感器产生震动提示当前坐姿错误，同时所述智能手表上的显示屏进行提示显示；
且，所述智能手表还按照预设时间间隔对所述目标用户的当前坐姿进行预设次数的检测，如果，所述预设次数的检测结果都为所述当前坐姿错误，则所述智能手表中的报警器发出第一报警声音。
上述报警器可实施为，蜂鸣器、喇叭等；
如图3所示，为显示屏、距离传感组的俯视图；
其中，01表示传感器A,即为第一传感器，02表示传感器B，即为第二传感器，10表示显示屏；
如图4所示，a表示正确的读写姿势，b表示错误的读写姿势；
其中，03表示入射激光，04表示反射激光，05表示目标用户。
上述预设次数，一般为3次，上述基于显示屏进行显示，例如是文本提示；
上述预设时间间隔，例如为：1分钟。
上述目标用户的当前坐姿错误，一般是因为目标用户距离书桌的距离过近引起的。
上述技术方案的有益效果是：通过显示屏提醒、震动提醒、报警器提醒等多种提醒手段的结合，便于目标用户可以及时更正当前坐姿。
本发明实施例提供基于智能手表的读写距离识别方法，所述智能手表还用于对检测到的第一目标数据、第二目标数据和所述目标用户的当前坐姿进行记录，并将记录结果传输到家长端进行显示；
且所述家长端的用户在对显示的记录结果进行实时查看的过程中，所述家长端还接收家长端的用户输入的纠正指令。
智能手表实际上就是手机的手表端，在进入智能手表时，会同步智能手机中的数据，这些数据包括时间，通讯录，天气，通话记录，短信等等，这些数据的同步就是通过蓝牙、wifi、2G/3G/4G/5G等通讯模块进行通讯传输的，用智能手表打电话也就是在同步的过程中，手表与手机互联时，手表端通过蓝牙或者wifi或者2G/3G/4G/5G网络操作手机，且由于现有的智能手表是存在距离限制的，一般是通过蓝牙或者wifi信号实现与家长端的通讯连接；
同时，当智能手表上安装有SIM卡时，家长可基于2G/3G/4G/5G网络，实现智能手机控制智能手表震动、短信显示、蜂鸣、通话提示等；
并且，当家长使用4G/5G网络与智能手表连接时，家长可通过视频讯号实施直播收看孩子读写状态，并可发出指令予以纠正。
在2G/3G/4G/5G通讯模式下连接智能手表，其智能手表可有效的统计孩子每日读写时长，并在当日读写场景结束后，基于时间轴，生成各时段读写时长日志发送到家长端，以供家长判断孩子读写强度或者读写学习压力强度，其好处是，方便家长以此数据来合理安排孩子缓解压力、运动及户外活动时间。
当智能手表上未安装有SIM卡时，可使用蓝牙、wifi通讯模块进行通讯传输。
上述纠正指令，例如是：当前坐姿纠正指令，对应的纠正指令结果为：智能手表震动、短信显示、蜂鸣、通话提示等。
上述记录结果，可以是用户的读写时长以及读写过程中的坐姿情况，其中，坐姿情况包括，例如第一时间段内为正常坐姿，第二时间段内读写距离过近，第三时间段内为侧偏坐姿，其好处是，便于家长端了解的更加清晰。
上述技术方案的有益效果是：通过将记录的数据传输到家长端进行显示，便于家长及时了解目标用户的坐姿情况。
本发明实施例提供基于智能手表的读写距离识别方法，当判断所述目标用户处于读写状态时，对所述目标用户的当前坐姿进行计时统计；
当所述目标用户的当前坐姿发生变化时，重新对所述发生变化的当前坐姿进行计时统计，当所述目标用户的当前坐姿未发生变化时，对所述当前坐姿继续进行计时统计；
基于预设时间轴，将计时统计结果进行输出到家长端进行显示。
上述设置预设时间轴，是为了对计时统计结果进行清晰的表达，便于家长端的用户了解透彻。
上述家长端，可以为，智能手机、笔记本等，且家长端的用户可以在微信小程序，相关APP上，对其计时统计结果进行查看。
上述技术方案的有益效果是：通过对当前坐姿进行计时统计，便于对该目标用户在不同时间段内的坐姿情况进行及时记录，方便家长进行有效的监督。
本发明实施例提供基于智能手表的读写距离识别方法，所述构建坐姿识别模型之后，为了提高所述坐姿识别模型的精准性，还包括：对所述坐姿识别模型进行修正处理，并对修正处理后的所述姿势识别模型进行验证，其步骤包括：
基于所述智能手表上设置的摄像头和CCD模组，获取若干个历史用户所处预设读写场景的场景图像，并将所述场景图像传输到服务器，所述场景图像包括：所述历史用户的坐姿图像信息、所述目标物体的物体图像信息；
基于所述服务器，对所述场景图像进行图像算法检测，获得场景标定点，并基于标准三维空间，获取所述场景标定点的标定坐标；
基于服务器中的图像特征数据库，获取所述场景图像的场景特征点，判断所述标定坐标与对应的场景特征点是否相一致，若是，保留对应的场景标定点；
否则，基于服务器中的偏移数据库，确定所述标定坐标与对应的场景特征点之间的偏移距离，并基于预先设定的偏移修正算法，对所述标定坐标与对应的场景特征点进行修正处理，直到修正处理后的所述标定坐标与对应的场景特征点相一致；
当所有所述标定坐标与对应的场景特征点相一致后，对每个所述标定坐标进行真伪预测，并根据真伪预测结果，判断所述标定坐标是否需要删除；
若是，将所述标定坐标删除，否则，将所述标定坐标进行保留；
同时，根据保留的所有标定坐标，重构标定图像，并基于所述标定图像对所述坐姿识别模型进行深度学习训练；
获取若干张目标用户所处预设读写场景的场景图像，并基于所述深度学习训练后的坐姿识别模型进行识别验证，根据识别验证结果，确定深度学习训练后的坐姿识别模型识别的准确性；
当准确性高于预设值时，判定验证成功，并将验证成功的坐姿识别模型传输到所述智能手表实现对当前坐姿的识别。
上述当所有标定坐标与对应的场景特征点相一致后，对每个标定坐标进行真伪预测，是为了确定标定坐标的唯一不可替代性，例如：坐标c1对应的位置信息包括坐标c2、c3的位置信息，此时，坐标c1就具备唯一不可替代性，将具有唯一不可替代性的标定坐标进行保留，可以降低对每个坐标都计算的工作量，提高效率。
上述根据保留的所有标定坐标，重构标定图像，并基于标定图像对坐姿识别模型进行深度学习训练是为了提高坐姿识别模型的识别精度；
当准确性高于预设值时，判定验证成功，其中预设值，为90％及其以上。
本实施例是基于智能手表获取场景图像，由服务器进行训练识别，预加载传输到智能手表的，其可有效的减少数据的传输延迟，同时，通过基于训练好的坐姿识别模型和智能手表硬件本身进行当前姿势的识别，可有效的降低多网络资源的占用，提高效率。
上述对场景图像进行图像算法检测，获得场景标定点，并基于标准三维空间，获取所述场景标定点的标定坐标，是为了将场景图像继续进行定位点的拆分，便于对每个点进行修正处理，提高其的准确性，其中，场景图像，例如是包括目标用户、课桌在内的图像；场景标定点，是对场景图像进行定位点的确定和标注；
上述基于偏移数据库，确定所述标定坐标与对应的场景特征点之间的偏移距离，并基于预先设定的偏移修正算法，对所述标定坐标与对应的场景特征点进行修正处理，直到修正处理后的所述标定坐标与对应的场景特征点相一致；
上述对标定坐标与对应的场景特征点进行修正处理，是为了标定坐标与对应的场景特征点相一致，保证其的统一性。
上述技术方案的有益效果是：通过对所述坐姿识别模型进行修正处理，并对修正处理后的所述姿势识别模型进行验证，为了提高坐姿识别模型的精准性，可以提高对第一目标数据和第二目标数据进行识别的准确性。
本发明实施例提供基于智能手表的读写距离识别方法，对所述第一目标数据和第二目标数据进行识别，确定所述目标用户的当前坐姿，并记录之后，还包括：
对所记录的所述目标用户当前坐姿的保持时间进行计时，当计时时间大于预设时间时，控制所述智能手表的显示屏显示用眼过长提醒信息，或者控制所述智能手表的报警器发出第二报警信息。
上述第二报警信息区别于上述第一报警信息，例如：两者的报警时长不一样，第一报警信息报警时长为3S，第二报警时长为10S，间隔时间较长，可便于有效的区分对应的报警信息。
上述技术方案的有益效果是：便于对目标用户进行有效的提醒，避免用眼时间过程，造成视力下降的可能性。
本发明实施例提供基于智能手表的读写距离识别方法，所述智能手表上设置有红外摄像头，所述红外摄像头用于拍摄所述目标用户的红外图像；
所述智能手表上设置有处理器，用于在基于所述智能手表中的陀螺仪传感器判定所述目标用户的目标手部水平放置在目标物体上时，根据所述红外图像判断所述当前用户的脸部摆动特征，并根据所述脸部摆动特征来发出相应提示；其中，所述根据所述红外图像和所述当前读写距离判断所述当前用户的脸部摆动特征，包括：
获取共N组红外图像，其中，第n组红外图像中包括第一红外图像和第二红外图像，所述第一红外图像和第二红外图像之间的拍摄时间间隔小于或等于预设时间间隔；n＝1,2,3、、、N；
按照下述公式(1)计算所述当前用户在第n组红外图像所对应的所述拍摄时间间隔内的脸部摆动系数：
Figure BDA0002362695510000161
其中，wn(12)为所述当前用户在第n组红外图像所对应的所述拍摄时间间隔内的脸部摆动系数；所述Xn1(i,j)为第n组红外图像中第一红外图像在第i行第j列的像素点的像素值；所述Xn2(i,j)为第n组红外图像中第二红外图像在第i行第j列的像素点的像素值；所述I为所述红外摄像头所拍摄的红外图像的像素总行数；所述J为所述红外摄像头所拍摄的红外图像的像素总列数；
按照如下公式(2)计算所述当前用户在所述N组红外图像中的脸部摆动系数W：
Figure BDA0002362695510000162
其中，δn为所述wn(12)对应的权重系数，取值范围为(0,1)；
当所述W等于或大于预设行动系数阈值时，确定所述当前用户的脸部摆动特征为脸部摆动频繁，所述处理器控制所述智能手表上的扬声器发出声音提示。
上述技术方案的有益效果是：根据上述算法可以判断出当前用户是否脸部摆动频繁，脸部摆动频繁是指当前用户头部左右摆动频率较高，例如用户佩戴智能手表的手腕没有频繁摆动，而当前用户脸部在频繁的向左右两侧摆动，没有用心读书；当判定出当前用户脸部摆动频繁时，可以通过智能手表发出提示，以提醒当前用户要安心读书写字。
且针对上述基于公式(1)和(2)的具体实施例还提出，所述智能手表上设置有红外摄像头，所述红外摄像头用于拍摄所述目标用户的红外图像；
所述智能手表上设置有处理器，用于根据所述红外图像和所述当前读写距离判断所述当前用户的当前脸部朝向，并根据所述当前脸部朝向来发出相应提示；其中，所述根据所述红外图像和所述当前读写距离判断所述当前用户的当前脸部朝向，包括：
对所述红外图像进行红外区域的提取，获得红外区域；
根据所述红外区域的轮廓特征，确定出所述红外区域中的当前用户头部所对应的当前头部红外区域；
根据预先存储的所述当前读写距离所对应的各种脸部朝向、及每种脸部朝向所对应的红外区域特征图，确定所述当前头部红外区域所对应的当前脸部朝向；所述各种脸部朝向中包括脸部朝前、脸部偏转和脸部朝后；
所述根据所述当前脸部朝向来发出相应提示，包括：
当所述当前脸部朝向为脸部偏转或者脸部朝后时，控制所述智能手表上的扬声器发出声音提示。
其该实施例的有益效果为：根据上述方法可以判断出当前用户是否脸部偏转或者脸部朝后，当当前用户脸部脸部偏转或者脸部朝后时，说明当前用户没有用心读书；可以通过智能手表发出提示，以提醒当前用户要安心读书写字。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims (10)

1.基于智能手表的读写距离识别方法，其特征在于，包括：
构建坐姿识别模型；
根据所述智能手表中的加速度传感器和陀螺仪传感器，检测得到第一目标数据，并基于所述第一目标数据，判断佩戴有智能手表的目标用户的当前读写状态；
根据判断结果，控制所述智能手表中的距离传感组检测得到第二目标数据，通过所述第二目标数据判断与所述当前读写状态对应的所述目标用户的当前读写距离；
同时，基于构建的所述坐姿识别模型，对所述第一目标数据和第二目标数据进行识别，确定所述目标用户的当前坐姿，并记录。
2.如权利要求1所述的读写距离识别方法，其特征在于，所述当前坐姿包括：正坐型、埋头读写型和手撑脸颊书写型；
其中，基于构建的所述坐姿识别模型，对所述第一目标数据和第二目标数据进行识别，确定所述目标用户的当前坐姿的步骤包括：
基于所述智能手表中的陀螺仪传感器判断所述目标用户的目标手部是否水平放置在目标物体上；
基于所述智能手表中的距离传感组判断所述智能手表与所述目标用户的目标头部的头部距离；
基于所述坐姿识别模型，如果判断出所述目标用户的目标手部水平放置在目标物体上，且所述头部距离大于预设距离，则所述目标用户的当前坐姿为正坐型；
如果判断出所述目标用户的目标手部水平放置在目标物体上，且所述头部距离不大于预设距离，则所述目标用户的当前坐姿为埋头读写型；
如果判断出所述目标用户的目标手部未水平放置在目标物体上，且与所述目标物体的第一角度在预设角度范围内，则所述目标用户的当前坐姿为手撑脸颊书写型。
3.如权利要求1所述的读写距离识别方法，其特征在于，基于判断结果，并通过所述第二目标数据判断与所述当前读写状态对应的所述目标用户的当前读写距离的步骤包括：
当所述判断结果为所述目标用户当前处于读写状态时，控制所述距离传感组发射激光，并根据激光发射-反射时间差计算所述目标用户的当前读写距离；
当所述判断结果为所述目标用户当前未处于读写状态时，控制所述智能手表不执行任何操作；
其中，所述第二目标数据为所述激光发射-反射时间差计算得到的当前读写距离。
4.如权利要求2所述的读写距离识别方法，其特征在于，基于所述智能手表中的距离传感组判断所述智能手表与所述目标用户的目标头部的头部距离的过程中，还包括获取所述智能手表与所述目标用户的目标头部的最优距离，其步骤包括：
确定所述智能手表中的距离传感组中的第一传感器获取的第一距离和第二传感器获取的第二距离；
确定所述智能手表中的陀螺仪传感器计算得出的所述智能手表与所述目标物体基于水平面的测量角度；
根据所述测量角度，从所述第一距离和第二距离中选择最优距离，作为所述智能手表与所述目标头部的头部距离。
5.如权利要求1所述的读写距离识别方法，其特征在于，当判断佩戴有智能手表的目标用户处于读写状态时，检测所述目标用户的当前坐姿是否正确，若是，所述智能手表不执行任何操作；
否则，所述智能手表内部的振动传感器产生震动提示当前坐姿错误，同时所述智能手表上的显示屏进行提示显示；
且，所述智能手表还按照预设时间间隔对所述目标用户的当前坐姿进行预设次数的检测，如果，所述预设次数的检测结果都为所述当前坐姿错误，则所述智能手表中的报警器发出第一报警声音。
6.如权利要求1所述的读写距离识别方法，其特征在于，
所述智能手表还用于对检测到的第一目标数据、第二目标数据和所述目标用户的当前坐姿进行记录，并将记录结果传输到家长端进行显示；
且所述家长端的用户在对显示的记录结果进行实时查看的过程中，所述家长端还接收家长端的用户输入的纠正指令。
7.如权利要求1所述的读写距离识别方法，其特征在于，当判断所述目标用户处于读写状态时，对所述目标用户的当前坐姿进行计时统计；
当所述目标用户的当前坐姿发生变化时，重新对所述发生变化的当前坐姿进行计时统计，当所述目标用户的当前坐姿未发生变化时，对所述当前坐姿继续进行计时统计；
基于预设时间轴，将计时统计结果进行输出到家长端进行显示。
8.如权利要求1所述的读写距离识别方法，其特征在于，所述构建坐姿识别模型之后，为了提高所述坐姿识别模型的精准性，还包括：对所述坐姿识别模型进行修正处理，并对修正处理后的所述姿势识别模型进行验证，其步骤包括：
基于所述智能手表上设置的摄像头和CCD模组，获取若干个历史用户所处预设读写场景的场景图像，并将所述场景图像传输到服务器，所述场景图像包括：所述历史用户的坐姿图像信息、所述目标物体的物体图像信息；
基于所述服务器，对所述场景图像进行图像算法检测，获得场景标定点，并基于标准三维空间，获取所述场景标定点的标定坐标；
基于服务器中的图像特征数据库，获取所述场景图像的场景特征点，判断所述标定坐标与对应的场景特征点是否相一致，若是，保留对应的场景标定点；
否则，基于服务器中的偏移数据库，确定所述标定坐标与对应的场景特征点之间的偏移距离，并基于预先设定的偏移修正算法，对所述标定坐标与对应的场景特征点进行修正处理，直到修正处理后的所述标定坐标与对应的场景特征点相一致；
当所有所述标定坐标与对应的场景特征点相一致后，对每个所述标定坐标进行真伪预测，并根据真伪预测结果，判断所述标定坐标是否需要删除；
若是，将所述标定坐标删除，否则，将所述标定坐标进行保留；
同时，根据保留的所有标定坐标，重构标定图像，并基于所述标定图像对所述坐姿识别模型进行深度学习训练；
获取若干张目标用户所处预设读写场景的场景图像，并基于所述深度学习训练后的坐姿识别模型进行识别验证，根据识别验证结果，确定深度学习训练后的坐姿识别模型识别的准确性；
当准确性高于预设值时，判定验证成功，并将验证成功的坐姿识别模型传输到所述智能手表实现对当前坐姿的识别。
9.如权利要求1所述的读写距离识别方法，其特征在于，对所述第一目标数据和第二目标数据进行识别，确定所述目标用户的当前坐姿，并记录之后，还包括：
对所记录的所述目标用户当前坐姿的保持时间进行计时，当计时时间大于预设时间时，控制所述智能手表的显示屏显示用眼过长提醒信息，或者控制所述智能手表的报警器发出第二报警信息。
10.如权利要求1所述的读写距离识别方法，其特征在于，
所述智能手表上设置有红外摄像头，所述红外摄像头用于拍摄所述目标用户的红外图像；
所述智能手表上设置有处理器，用于在基于所述智能手表中的陀螺仪传感器判定所述目标用户的目标手部水平放置在目标物体上时，根据所述红外图像判断所述当前用户的脸部摆动特征，并根据所述脸部摆动特征来发出相应提示；其中，所述根据所述红外图像和所述当前读写距离判断所述当前用户的脸部摆动特征，包括：
获取共N组红外图像，其中，第n组红外图像中包括第一红外图像和第二红外图像，所述第一红外图像和第二红外图像之间的拍摄时间间隔小于或等于预设时间间隔；n＝1,2,3、、、N；
按照下述公式(1)计算所述当前用户在第n组红外图像所对应的所述拍摄时间间隔内的脸部摆动系数：
Figure FDA0002362695500000051
其中，wn(12)为所述当前用户在第n组红外图像所对应的所述拍摄时间间隔内的脸部摆动系数；所述Xn1(i,j)为第n组红外图像中第一红外图像在第i行第j列的像素点的像素值；所述Xn2(i,j)为第n组红外图像中第二红外图像在第i行第j列的像素点的像素值；所述I为所述红外摄像头所拍摄的红外图像的像素总行数；所述J为所述红外摄像头所拍摄的红外图像的像素总列数；
按照如下公式(2)计算所述当前用户在所述N组红外图像中的脸部摆动系数W：
Figure FDA0002362695500000052
其中，δn为所述wn(12)对应的权重系数，取值范围为(0,1)；
当所述W等于或大于预设行动系数阈值时，确定所述当前用户的脸部摆动特征为脸部摆动频繁，所述处理器控制所述智能手表上的扬声器发出声音提示。
CN202010026595.3A 2020-01-10 2020-01-10 基于智能手表的读写距离识别方法 Active CN111240481B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202010026595.3A CN111240481B (zh) 2020-01-10 2020-01-10 基于智能手表的读写距离识别方法
PCT/CN2020/075568 WO2021138964A1 (zh) 2020-01-10 2020-02-17 基于智能手表的读写距离识别方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010026595.3A CN111240481B (zh) 2020-01-10 2020-01-10 基于智能手表的读写距离识别方法

Publications (2)

Publication Number Publication Date
CN111240481A true CN111240481A (zh) 2020-06-05
CN111240481B CN111240481B (zh) 2021-02-09

Family

ID=70880472

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010026595.3A Active CN111240481B (zh) 2020-01-10 2020-01-10 基于智能手表的读写距离识别方法

Country Status (2)

Country Link
CN (1) CN111240481B (zh)
WO (1) WO2021138964A1 (zh)

Cited By (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111964674A (zh) * 2020-10-23 2020-11-20 四川写正智能科技有限公司 一种结合加速度传感器判断读写状态的方法及移动终端
CN111999999A (zh) * 2020-10-30 2020-11-27 四川写正智能科技有限公司 一种可纠正坐姿的儿童智能手表及纠正方法
CN111998829A (zh) * 2020-10-30 2020-11-27 四川写正智能科技有限公司 一种基于传感器判定读写姿态的方法
CN112414307A (zh) * 2020-10-30 2021-02-26 四川写正智能科技有限公司 基于陀螺仪传感器判断读写状态的方法、系统及移动设备
CN112698730A (zh) * 2021-01-20 2021-04-23 四川写正智能科技有限公司 一种智能手表读写姿态识别方法
CN112733626A (zh) * 2020-12-28 2021-04-30 歌尔光学科技有限公司 基于手环的坐姿提醒方法、手环及计算机可读存储介质
CN112764463A (zh) * 2020-10-29 2021-05-07 四川写正智能科技有限公司 一种主动触发的智能奖励方法及系统
CN112925190A (zh) * 2021-01-25 2021-06-08 四川写正智能科技有限公司 一种多角度安装红外传感器测距的智能手表
CN113052735A (zh) * 2021-04-15 2021-06-29 四川写正智能科技有限公司 一键纠正学生坐姿的方法
CN113129374A (zh) * 2021-04-20 2021-07-16 四川写正智能科技有限公司 用激光点云人脸识别辅助读写姿态判断的方法和装置
CN113792664A (zh) * 2021-09-16 2021-12-14 四川写正智能科技有限公司 正确读写坐标指数标定方法及系统
CN114639157A (zh) * 2022-05-18 2022-06-17 合肥的卢深视科技有限公司 不良学习行为检测方法、系统、电子设备和存储介质
CN117237923A (zh) * 2023-11-10 2023-12-15 深圳市金大智能创新科技有限公司 一种虚拟人物智能设备自动识别系统
CN117553822A (zh) * 2024-01-12 2024-02-13 深圳三基同创电子有限公司 一种基于智能手表的步数统计方法及系统

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2023119305A1 (en) * 2021-12-22 2023-06-29 Ahmed Syed Irfan Posture tracking
CN116740811A (zh) * 2023-06-15 2023-09-12 东芯泰合(深圳)科技有限公司 一种智能手表的步态识别方法、介质及设备

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104063998A (zh) * 2014-07-09 2014-09-24 广东小天才科技有限公司 一种辅助用户书写的装置及坐姿提醒方法
CN105787478A (zh) * 2016-04-14 2016-07-20 中南大学 基于神经网络和灵敏度参数的人脸转向识别方法
US20160349956A1 (en) * 2015-05-28 2016-12-01 Fih (Hong Kong) Limited Electronic device and method for controlling display interface
CN106773626A (zh) * 2016-11-29 2017-05-31 夏若凡 一种腕表及坐姿矫正装置与方法
US20170199578A1 (en) * 2016-01-08 2017-07-13 16Lab Inc. Gesture control method for interacting with a mobile or wearable device
CN108021902A (zh) * 2017-12-19 2018-05-11 珠海瞳印科技有限公司 头部姿态识别方法、头部姿态识别装置和存储介质
CN108665687A (zh) * 2017-03-28 2018-10-16 上海市眼病防治中心 一种坐姿监测方法和装置
CN109491520A (zh) * 2018-11-19 2019-03-19 广东小天才科技有限公司 一种基于腕式穿戴设备的久坐提醒方法及腕式穿戴设备
CN110077414A (zh) * 2019-04-04 2019-08-02 合肥思艾汽车科技有限公司 一种基于驾驶员状态监测的车辆行驶安全保障方法及系统
CN110211345A (zh) * 2019-05-27 2019-09-06 歌尔科技有限公司 坐姿提示方法、系统和智能手表

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103745577A (zh) * 2014-01-16 2014-04-23 中国工程物理研究院电子工程研究所 基于智能移动设备的久坐提醒及坐姿检测装置
CN104239860B (zh) * 2014-09-10 2018-01-26 广东小天才科技有限公司 一种使用智能终端时的坐姿检测与提醒方法及装置
US9855005B2 (en) * 2015-04-22 2018-01-02 Samsung Electronics Co., Ltd. Wearable posture advisory system
CN109002803B (zh) * 2018-07-24 2021-09-24 武汉大学 一种基于智能手表的握笔姿势检测和汉字笔顺识别方法
CN109584521A (zh) * 2018-10-15 2019-04-05 西安理工大学 一种基于Notch传感器的不良坐姿监测方法
CN109948435A (zh) * 2019-01-31 2019-06-28 深圳奥比中光科技有限公司 坐姿提醒方法及装置
CN110493471B (zh) * 2019-08-28 2021-05-14 重庆医药高等专科学校 一种基于智能移动终端矫正坐姿预防近视系统及其方法

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104063998A (zh) * 2014-07-09 2014-09-24 广东小天才科技有限公司 一种辅助用户书写的装置及坐姿提醒方法
US20160349956A1 (en) * 2015-05-28 2016-12-01 Fih (Hong Kong) Limited Electronic device and method for controlling display interface
US20170199578A1 (en) * 2016-01-08 2017-07-13 16Lab Inc. Gesture control method for interacting with a mobile or wearable device
CN105787478A (zh) * 2016-04-14 2016-07-20 中南大学 基于神经网络和灵敏度参数的人脸转向识别方法
CN106773626A (zh) * 2016-11-29 2017-05-31 夏若凡 一种腕表及坐姿矫正装置与方法
CN108665687A (zh) * 2017-03-28 2018-10-16 上海市眼病防治中心 一种坐姿监测方法和装置
CN108021902A (zh) * 2017-12-19 2018-05-11 珠海瞳印科技有限公司 头部姿态识别方法、头部姿态识别装置和存储介质
CN109491520A (zh) * 2018-11-19 2019-03-19 广东小天才科技有限公司 一种基于腕式穿戴设备的久坐提醒方法及腕式穿戴设备
CN110077414A (zh) * 2019-04-04 2019-08-02 合肥思艾汽车科技有限公司 一种基于驾驶员状态监测的车辆行驶安全保障方法及系统
CN110211345A (zh) * 2019-05-27 2019-09-06 歌尔科技有限公司 坐姿提示方法、系统和智能手表

Cited By (22)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111964674A (zh) * 2020-10-23 2020-11-20 四川写正智能科技有限公司 一种结合加速度传感器判断读写状态的方法及移动终端
CN112764463A (zh) * 2020-10-29 2021-05-07 四川写正智能科技有限公司 一种主动触发的智能奖励方法及系统
CN112762895B (zh) * 2020-10-30 2022-07-15 四川写正智能科技有限公司 一种基于传感器判定读写姿态的方法
CN111998829A (zh) * 2020-10-30 2020-11-27 四川写正智能科技有限公司 一种基于传感器判定读写姿态的方法
CN111999999B (zh) * 2020-10-30 2021-02-02 四川写正智能科技有限公司 一种可纠正坐姿的儿童智能手表及纠正方法
CN112414307A (zh) * 2020-10-30 2021-02-26 四川写正智能科技有限公司 基于陀螺仪传感器判断读写状态的方法、系统及移动设备
CN111999999A (zh) * 2020-10-30 2020-11-27 四川写正智能科技有限公司 一种可纠正坐姿的儿童智能手表及纠正方法
CN111998829B (zh) * 2020-10-30 2021-01-29 四川写正智能科技有限公司 一种基于传感器判定读写姿态的方法
CN112762895A (zh) * 2020-10-30 2021-05-07 四川写正智能科技有限公司 一种基于传感器判定读写姿态的方法
CN112733626A (zh) * 2020-12-28 2021-04-30 歌尔光学科技有限公司 基于手环的坐姿提醒方法、手环及计算机可读存储介质
CN112733626B (zh) * 2020-12-28 2023-02-28 歌尔科技有限公司 基于手环的坐姿提醒方法、手环及计算机可读存储介质
CN112698730A (zh) * 2021-01-20 2021-04-23 四川写正智能科技有限公司 一种智能手表读写姿态识别方法
CN112925190A (zh) * 2021-01-25 2021-06-08 四川写正智能科技有限公司 一种多角度安装红外传感器测距的智能手表
CN113052735A (zh) * 2021-04-15 2021-06-29 四川写正智能科技有限公司 一键纠正学生坐姿的方法
CN113129374A (zh) * 2021-04-20 2021-07-16 四川写正智能科技有限公司 用激光点云人脸识别辅助读写姿态判断的方法和装置
CN113129374B (zh) * 2021-04-20 2023-06-23 四川写正智能科技有限公司 用激光点云人脸识别辅助读写姿态判断的方法和装置
CN113792664A (zh) * 2021-09-16 2021-12-14 四川写正智能科技有限公司 正确读写坐标指数标定方法及系统
CN114639157A (zh) * 2022-05-18 2022-06-17 合肥的卢深视科技有限公司 不良学习行为检测方法、系统、电子设备和存储介质
CN117237923A (zh) * 2023-11-10 2023-12-15 深圳市金大智能创新科技有限公司 一种虚拟人物智能设备自动识别系统
CN117237923B (zh) * 2023-11-10 2024-01-09 深圳市金大智能创新科技有限公司 一种虚拟人物智能设备自动识别系统
CN117553822A (zh) * 2024-01-12 2024-02-13 深圳三基同创电子有限公司 一种基于智能手表的步数统计方法及系统
CN117553822B (zh) * 2024-01-12 2024-04-19 深圳三基同创电子有限公司 一种基于智能手表的步数统计方法及系统

Also Published As

Publication number Publication date
WO2021138964A1 (zh) 2021-07-15
CN111240481B (zh) 2021-02-09

Similar Documents

Publication Publication Date Title
CN111240481B (zh) 基于智能手表的读写距离识别方法
CN103400476B (zh) 一种坐姿提醒方法及装置
CN110850706B (zh) 一种基于智能手表的读写距离识别方法
CN112270815B (zh) 一种基于智能手表的读写姿态识别方法及系统
CN104116491A (zh) 视力检测装置及其方法
CN105788185A (zh) 一种坐姿监测方法及装置
CN102542247A (zh) 信息处理设备、信息处理方法以及程序
CN108577852B (zh) 颈椎活动提示方法及颈椎活动检测系统
CN111999999B (zh) 一种可纠正坐姿的儿童智能手表及纠正方法
CN112101124B (zh) 一种坐姿检测方法及装置
CN108012026B (zh) 一种保护视力方法及移动终端
CN111985393A (zh) 一种纠正运动姿态的智能镜子及其运动姿态纠正方法
CN113297938A (zh) 坐姿监控的方法、装置、电子设备及存储介质
CN111429316A (zh) 一种基于增强现实眼镜的在线学习专注力检测系统及方法
CN109620124A (zh) 一种校园视力监测系统
CN103431865B (zh) 一种检测坐姿的装置及方法
CN111444789B (zh) 一种基于视频感应技术的近视预防方法及其系统
CN112818940A (zh) 坐姿检测方法、装置、学习机及存储介质
CN104867361A (zh) 一种情景互动式教学智能终端
KR20200000680U (ko) 학습 집중도 향상 장치
CN114724229B (zh) 在线教育平台用的学习状态检测系统及方法
CN110991943A (zh) 一种基于云计算的教学质量评价系统
CN211293955U (zh) 一种基于视频深度学习的青少年视力守护系统
KR20190143742A (ko) 학습 집중도 향상 장치
WO2019071806A1 (zh) 一种引导用户使用电子产品姿势的方法及系统

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
GR01 Patent grant
GR01 Patent grant