CN112270815A - 一种基于智能手表的读写姿态识别方法及系统 - Google Patents

一种基于智能手表的读写姿态识别方法及系统 Download PDF

Info

Publication number
CN112270815A
CN112270815A CN202011532094.9A CN202011532094A CN112270815A CN 112270815 A CN112270815 A CN 112270815A CN 202011532094 A CN202011532094 A CN 202011532094A CN 112270815 A CN112270815 A CN 112270815A
Authority
CN
China
Prior art keywords
child
read
write
goodness
fit
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
CN202011532094.9A
Other languages
English (en)
Other versions
CN112270815B (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.)
Sichuan Shuzheng Intelligent Technology Co ltd
Original Assignee
Sichuan Shuzheng 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 Sichuan Shuzheng Intelligent Technology Co ltd filed Critical Sichuan Shuzheng Intelligent Technology Co ltd
Priority to CN202011532094.9A priority Critical patent/CN112270815B/zh
Publication of CN112270815A publication Critical patent/CN112270815A/zh
Application granted granted Critical
Publication of CN112270815B publication Critical patent/CN112270815B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • G08B21/24—Reminder alarms, e.g. anti-loss alarms
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/88—Radar or analogous systems specially adapted for specific applications
    • G01S13/886—Radar or analogous systems specially adapted for specific applications for alarm systems

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • General Physics & Mathematics (AREA)
  • Electromagnetism (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Business, Economics & Management (AREA)
  • Emergency Management (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)

Abstract

本发明提供一种基于智能手表的读写姿态识别方法及系统，其中，方法包括：通过智能手表中的毫米波雷达传感器检测儿童是否进入读写状态；若进入读写状态，通过毫米波雷达传感器检测儿童的当前读写姿态是否正确；若当前读写姿态不正确，对儿童进行提醒；根据儿童当天保持读写状态的总读写时间和总提醒次数生成读写报告并将其发送至对应家长和/或老师的客户端。本发明的基于智能手表的读写姿态识别方法及系统，通过毫米波雷达传感器检测儿童是否进入读写状态，若进入，检测其读写姿态是否正确，若不正确对其进行提醒，可有效帮助儿童预防近视，培养良好的坐姿习惯，并且无需家长或老师看陪即可对儿童的读写坐姿进行监管，减轻家长或老师的负担。

Description

一种基于智能手表的读写姿态识别方法及系统
技术领域
本发明涉及智能识别技术领域，特别涉及一种基于智能手表的读写姿态识别方法及系统。
背景技术
目前，目前中国近视患者人数多达6亿，几乎是总人口数量的一半，其中青少年是“重灾区”。根据国家卫生健康委员会资料显示，儿童读写坐姿不正确是造成其近视的主要原因。
但是，由于家长和老师的时间和精力有限，当儿童在课桌前读书写字时，无法无时无刻陪在儿童身边对其进行监管。
发明内容
本发明目的之一在于提供了一种基于智能手表的读写姿态识别方法及系统，通过毫米波雷达传感器检测儿童是否进入读写状态，若进入，检测其读写姿态是否正确，若不正确对其进行提醒，可有效帮助儿童预防近视，培养良好的坐姿习惯，并且无需家长或老师看陪即可对儿童的读写坐姿进行监管，减轻家长或老师的负担，同时，无论手表戴在手上还是放置在课桌前或附近，均可进行识别，避免儿童长时间佩戴手表造成手腕不适的情况发生，目前，儿童智能手表盛行推广，使得其具有更大的适用性。
本发明实施例提供的一种基于智能手表的读写姿态识别方法，包括：
通过智能手表中的毫米波雷达传感器检测儿童是否进入读写状态；
若进入读写状态，通过毫米波雷达传感器检测儿童的当前读写姿态是否正确；
若当前读写姿态不正确，对儿童进行提醒；
根据儿童当天保持读写状态的总读写时间和总提醒次数生成读写报告并将其发送至对应家长和/或老师的客户端。
优选的，通过智能手表中的毫米波雷达传感器检测儿童是否进入读写状态，具体包括：
控制毫米波雷达传感器对其所处环境进行全方位扫描，此时，确定毫米波雷达传感器产生的第一雷达数据中是否存在满足预设生命体数据条件的生命体数据，若存在，则确定所处环境存在生命体，否则不存在生命体；
当存在生命体时，确定生命体存在的目标区域，控制毫米波雷达传感器对目标区域进行定向扫描，此时，根据毫米波雷达传感器产生的第二雷达数据确定生命体的目标轮廓信息；
当目标轮廓信息与预设第一标准轮廓信息数据库中的任一第一标准轮廓信息匹配且与预设第二标准轮廓信息数据库中的任一第二标准轮廓信息匹配时，确定生命体为儿童且儿童进入读写状态。
优选的，通过毫米波雷达传感器检测儿童的当前读写姿态是否正确，具体包括：
当确定儿童进入读写状态时，若目标轮廓信息与预设第三标准轮廓信息数据库中的任一第三标准轮廓信息匹配时，确定儿童的当前读写姿态正确，否则不正确。
优选的，对儿童进行提醒，包括：
通过语音装置播放预设读写姿态不正确语音提醒儿童更正读写姿态；
和/或，
通过震动电机产生震动提醒儿童更正读写姿态；
和/或，
通过信号灯闪烁提醒儿童更正读写姿态。
优选的，一种基于智能手表的读写姿态识别方法，还包括：
当儿童进入读写状态时，通过毫米波雷达传感器检测其是否专注，若不专注，对其进行提醒；
其中，通过毫米波雷达传感器检测其是否专注，具体包括：
在预设时间段内控制毫米波雷达传感器每隔预设的时间间隔呈预设角度进行扫描，此 时，根据毫米波雷达传感器在时间段内第
Figure 791993DEST_PATH_IMAGE001
时刻产生的第五雷达数据确定儿童的读写轮廓 信息和位置信息；
以智能手表的位置点为原点构建三维坐标系；
基于读写轮廓信息和位置信息在三维坐标系上表示儿童读写轮廓；
获取第
Figure 579951DEST_PATH_IMAGE001
时刻三维坐标系中儿童读写轮廓上表示第
Figure 327327DEST_PATH_IMAGE002
个特征部位轮廓上第
Figure 944253DEST_PATH_IMAGE003
个位置点
Figure 827896DEST_PATH_IMAGE004
；
在时间段内，基于各位置点
Figure 567182DEST_PATH_IMAGE004
的三轴坐标
Figure 739537DEST_PATH_IMAGE005
、
Figure 206159DEST_PATH_IMAGE006
和
Figure 209887DEST_PATH_IMAGE007
分别绘 制
Figure 792179DEST_PATH_IMAGE008
目标曲线、
Figure 514147DEST_PATH_IMAGE009
目标曲线和
Figure 472876DEST_PATH_IMAGE010
目标曲线，其中，
Figure 596689DEST_PATH_IMAGE011
，
Figure 615461DEST_PATH_IMAGE012
为时间段内的时刻总数 目；
获取预设标准曲线数据库中分别与
Figure 575458DEST_PATH_IMAGE008
目标曲线、
Figure 72298DEST_PATH_IMAGE009
目标曲线和
Figure 50619DEST_PATH_IMAGE010
目标曲线对应的
Figure 240291DEST_PATH_IMAGE013
标准曲线、
Figure 936852DEST_PATH_IMAGE014
标准曲线和
Figure 237383DEST_PATH_IMAGE015
标准曲线；
分别计算
Figure 70210DEST_PATH_IMAGE008
目标曲线和
Figure 430784DEST_PATH_IMAGE013
标准曲线的第
Figure 863909DEST_PATH_IMAGE016
吻合度，
Figure 702552DEST_PATH_IMAGE009
目标曲线和
Figure 655464DEST_PATH_IMAGE014
标准曲线 的第
Figure 186940DEST_PATH_IMAGE017
吻合度以及
Figure 592513DEST_PATH_IMAGE010
目标曲线和
Figure 500426DEST_PATH_IMAGE015
标准曲线第
Figure 307845DEST_PATH_IMAGE018
吻合度；
当
Figure 10222DEST_PATH_IMAGE019
，
Figure 653824DEST_PATH_IMAGE020
时，即特征部位为头部，头部轮廓上位置点的总数为
Figure 834270DEST_PATH_IMAGE021
时，若各
Figure 761774DEST_PATH_IMAGE022
吻合度、第
Figure 431790DEST_PATH_IMAGE023
吻合度和第
Figure 749639DEST_PATH_IMAGE024
吻合度均大于等于预设的第一吻合度阈值，
和/或，
当
Figure 576519DEST_PATH_IMAGE025
，
Figure 296213DEST_PATH_IMAGE026
时，即特征部位为胸口，胸口轮廓上位置点的总数为
Figure 402709DEST_PATH_IMAGE027
时，若各
Figure 207854DEST_PATH_IMAGE028
吻合度、第
Figure 57998DEST_PATH_IMAGE029
吻合度和第
Figure 632199DEST_PATH_IMAGE030
吻合度均大于等于预设的第二吻合度阈值，
和/或，
当
Figure 909597DEST_PATH_IMAGE031
，
Figure 936459DEST_PATH_IMAGE032
时，即特征部位为左臂，左臂轮廓上位置点的总数为
Figure 341026DEST_PATH_IMAGE033
时，若各
Figure 769734DEST_PATH_IMAGE034
吻合度、第
Figure 218032DEST_PATH_IMAGE035
吻合度和第
Figure 997770DEST_PATH_IMAGE036
吻合度均大于等于预设的第三吻合度阈值，
和/或，
当
Figure 189717DEST_PATH_IMAGE037
，
Figure 472930DEST_PATH_IMAGE038
时，即特征部位为右臂，右臂轮廓上位置点的总数为
Figure 357710DEST_PATH_IMAGE039
时，若各
Figure 359164DEST_PATH_IMAGE040
吻合度、第
Figure 332631DEST_PATH_IMAGE041
吻合度和第
Figure 735930DEST_PATH_IMAGE042
吻合度均大于等于预设的第四吻合度阈值时，确定儿童 不专注。
优选的，依据以下预设方法计算各目标曲线与对应标准曲线的吻合度，包括：
获取预设的多个采样点；
获取目标曲线上与采样点对应的各目标点组合成目标点集合，获取目标曲线对应的标准曲线上与采样点对应的各标准点组合成标准点集合；
计算目标曲线与对应标准曲线的吻合度：
Figure 791611DEST_PATH_IMAGE043
Figure 14782DEST_PATH_IMAGE044
其中，
Figure 814111DEST_PATH_IMAGE045
为吻合度，
Figure 71917DEST_PATH_IMAGE046
和
Figure 32919DEST_PATH_IMAGE047
为预设的权重值，
Figure 8966DEST_PATH_IMAGE048
为目标点集合中第
Figure 831559DEST_PATH_IMAGE049
个目标点的值，
Figure 6189DEST_PATH_IMAGE050
为标准点集合中第
Figure 606934DEST_PATH_IMAGE049
个标准点的值，
Figure 601435DEST_PATH_IMAGE051
为目标曲线函数，
Figure 680249DEST_PATH_IMAGE052
为标准曲线函数，
Figure 974965DEST_PATH_IMAGE053
为各目标 点或标准点的总数目，
Figure 215453DEST_PATH_IMAGE054
为预设调整值列表中第
Figure 477676DEST_PATH_IMAGE055
个调整值，
Figure 94602DEST_PATH_IMAGE056
为调整值的总数目，
Figure 243824DEST_PATH_IMAGE057
为预 设的验证阈值，
Figure 655213DEST_PATH_IMAGE058
为第
Figure 889886DEST_PATH_IMAGE059
个采样点的值，
Figure 310503DEST_PATH_IMAGE060
为采样点的总数目；
同时，当确定儿童不专注时，执行包括如下操作：
将儿童在时间段内产生的与标准曲线吻合度大于等于吻合度阈值的目标曲线输入标准曲线数据库中对应的子数据库中，对其进行扩充；
每次扩充时，依据以下预设方法对各吻合度阈值进行调整，包括：
Figure 314231DEST_PATH_IMAGE061
其中，
Figure 162101DEST_PATH_IMAGE062
为对第
Figure 634802DEST_PATH_IMAGE063
吻合度阈值进行调整后的值，
Figure 593531DEST_PATH_IMAGE064
为对第
Figure 717344DEST_PATH_IMAGE063
吻合度阈值进行 调整前的值即当前值，
Figure 736116DEST_PATH_IMAGE065
为预设的误差系数，
Figure 679801DEST_PATH_IMAGE066
为扩充后第
Figure 442221DEST_PATH_IMAGE063
吻合度阈值对应的子数据库中 的曲线数量，
Figure 420541DEST_PATH_IMAGE067
为扩充前第
Figure 610214DEST_PATH_IMAGE063
吻合度阈值对应的子数据库中的曲线数量，
Figure 556042DEST_PATH_IMAGE068
为第
Figure 856574DEST_PATH_IMAGE063
吻合度 阈值对应的预设调整量。
本发明实施例提供的一种基于智能手表的读写姿态识别系统，包括：
第一检测模块，用于通过智能手表中的毫米波雷达传感器检测儿童是否进入读写状态；
第二检测模块，用于若进入读写状态，通过毫米波雷达传感器检测儿童的当前读写姿态是否正确；
提醒模块，用于若当前读写姿态不正确，对儿童进行提醒；
报告生成及发送模块，用于根据儿童当天保持读写状态的总读写时间和总提醒次数生成读写报告并将其发送至对应家长和/或老师的客户端。
优选的，第一检测模块执行包括如下操作：
控制毫米波雷达传感器对其所处环境进行全方位扫描，此时，确定毫米波雷达传感器产生的第一雷达数据中是否存在满足预设生命体数据条件的生命体数据，若存在，则确定所处环境存在生命体，否则不存在生命体；
当存在生命体时，确定生命体存在的目标区域，控制毫米波雷达传感器对目标区域进行定向扫描，此时，根据毫米波雷达传感器产生的第二雷达数据确定生命体的目标轮廓信息；
当目标轮廓信息与预设第一标准轮廓信息数据库中的任一第一标准轮廓信息匹配且与预设第二标准轮廓信息数据库中的任一第二标准轮廓信息匹配时，确定生命体为儿童且儿童进入读写状态。
优选的，第二检测模块执行包括如下操作：
当确定儿童进入读写状态时，若目标轮廓信息与预设第三标准轮廓信息数据库中的任一第三标准轮廓信息匹配时，确定儿童的当前读写姿态正确，否则不正确。
优选的，提醒模块执行包括如下操作：
通过语音装置播放预设读写姿态不正确语音提醒儿童更正读写姿态；
和/或，
通过震动电机产生震动提醒儿童更正读写姿态；
和/或，
通过信号灯闪烁提醒儿童更正读写姿态。
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为本发明实施例中一种基于智能手表的读写姿态识别方法的流程图；
图2为本发明实施例中一种基于智能手表的读写姿态识别系统的示意图。
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。
本发明实施例提供了一种基于智能手表的读写姿态识别方法，如图1所示，包括：
S1、通过智能手表中的毫米波雷达传感器检测儿童是否进入读写状态；
S2、若进入读写状态，通过毫米波雷达传感器检测儿童的当前读写姿态是否正确；
S3、若当前读写姿态不正确，对儿童进行提醒；
S4、根据儿童当天保持读写状态的总读写时间和总提醒次数生成读写报告并将其发送至对应家长和/或老师的客户端。
上述技术方案的工作原理为：
智能手表中设置有毫米波雷达传感器，当儿童佩戴智能手表时或将智能手表摘下放在课桌上时，通过毫米波雷达传感器检测儿童是否进入读写状态（呈读写姿势坐在课桌前，双臂摆在课桌上，后背坐直），当确认儿童进入读写状态时，实时通过毫米波雷达传感器检测其进入读写状态后的当前读写姿态是否正确，当确认当前读写姿态不正确（驼背、头部贴近课桌和托腮等），对儿童进行提醒，提醒其更正坐姿；儿童进入读写状态时，预设计时器开始计时，当未进入读写状态时，计时器停止计时，输出一次读写时间，汇总当天的全部读写时间作为总读写时间；汇总当天对儿童进行提醒的总提醒次数；将总读写时间和总提醒次数生成读写报告发送至对应绑定家长和/或老师的客户端（手机、平板或电脑），家长或老师可以了解到儿童每天的读写看书时间和坐姿错误次数，还可以根据多天的坐姿错误次数判断儿童是否有改善现象。
上述技术方案的有益效果为：本发明实施例通过毫米波雷达传感器检测儿童是否进入读写状态，若进入，检测其读写姿态是否正确，若不正确对其进行提醒，可有效帮助儿童预防近视，培养良好的坐姿习惯，并且无需家长或老师看陪即可对儿童的读写坐姿进行监管，减轻家长或老师的负担，同时，无论手表戴在手上还是放置在课桌前或附近，均可进行识别，避免儿童长时间佩戴手表造成手腕不适的情况发生，目前，儿童智能手表盛行推广，使得其具有更大的适用性。
本发明实施例提供了一种基于智能手表的读写姿态识别方法，通过智能手表中的毫米波雷达传感器检测儿童是否进入读写状态，具体包括：
控制毫米波雷达传感器对其所处环境进行全方位扫描，此时，确定毫米波雷达传感器产生的第一雷达数据中是否存在满足预设生命体数据条件的生命体数据，若存在，则确定所处环境存在生命体，否则不存在生命体；
当存在生命体时，确定生命体存在的目标区域，控制毫米波雷达传感器对目标区域进行定向扫描，此时，根据毫米波雷达传感器产生的第二雷达数据确定生命体的目标轮廓信息；
当目标轮廓信息与预设第一标准轮廓信息数据库中的任一第一标准轮廓信息匹配且与预设第二标准轮廓信息数据库中的任一第二标准轮廓信息匹配时，确定生命体为儿童且儿童进入读写状态。
上述技术方案的工作原理为：
全方位扫描（即对周边环境中全部区域进行扫描），毫米波雷达传感器在全方位扫描时，其向不同角度发射发射信号；毫米波雷达传感器对其所处环境（例如：儿童的卧室等）进行扫描时，其会产生雷达数据（即第一雷达数据，该雷达数据是毫米波雷达传感器发射的信号经所处环境中的障碍物体上反射形成的反射信号），若该雷达数据中存在满足预设生命体数据条件（即存在呼吸频率数据和心率数据）时，确定所处环境存在生命体；追溯毫米波雷达传感器在确定存在生命体时其发射信号的发射角度，与发射角度对应的扫描区域即为目标区域；控制毫米波雷达传感器对该目标区域进行定向扫描（呈固定角度发射信号），解析此刻产生的雷达数据（即第二雷达数据，该雷达数据是毫米波雷达传感器发射的信号经生命体上反射形成的反射信号）确定轮廓信息；因为生命体可能是成人或儿童，需要根据轮廓信息与第一标准轮廓信息（系统预存的经过大量实验测得的儿童轮廓）匹配确定生命体是否为儿童；若轮廓数据与第二标准轮廓信息（系统预存的经过大量实验测得儿童正坐在课桌前即呈读写状态的轮廓）也匹配时，确定儿童进入读写状态。
上述技术方案的有益效果为：本发明实施例通过毫米波雷达传感器检测其周边环境是否存在生命体，若存在，检测生命体是否为儿童，若为儿童，再检测其是否进入读写状态，事先通过大量实验确定标准轮廓，通过轮廓比对生成判断结果，极大程度提升了识别的准确性，同时，也更加智能化。
本发明实施例提供了一种基于智能手表的读写姿态识别方法，通过毫米波雷达传感器检测儿童的当前读写姿态是否正确，具体包括：
当确定儿童进入读写状态时，若目标轮廓信息与预设第三标准轮廓信息数据库中的任一第三标准轮廓信息匹配时，确定儿童的当前读写姿态正确，否则不正确。
上述技术方案的工作原理为：
当确认儿童进入读写状态时，根据此刻毫米波雷达传感器产生的雷达数据确定轮廓信息，若该轮廓信息与预设第三标准轮廓信息数据库中任一第三标准轮廓信息（即系统预存的经过大量实验测得的大量儿童读写标准姿态轮廓中任一轮廓）匹配时，说明儿童当前读写姿态正确，否则不正确。
上述技术方案的有益效果为：本发明实施例通过毫米波雷达传感器检测儿童的当前读写姿态是否正确，事先通过大量实验确定标准轮廓，通过轮廓比对生成判断结果，极大程度提升了识别的准确性。
本发明实施例提供了一种基于智能手表的读写姿态识别方法，对儿童进行提醒，包括：
通过语音装置播放预设读写姿态不正确语音提醒儿童更正读写姿态；
和/或，
通过震动电机产生震动提醒儿童更正读写姿态；
和/或，
通过信号灯闪烁提醒儿童更正读写姿态。
上述技术方案的工作原理为：
智能手表中设置有语音播放装置（扬声器）、震动电机和信号灯，当确认儿童的当前读写姿态不正确时，通过语音播放装置播放预设读写姿态不正确语音（例如：XXX同学，注意您的坐姿哦，请及时调整），通过震动电机震动提醒儿童更正坐姿，信号灯（例如：红色信号灯）快速闪烁，提醒儿童更正坐姿。
上述技术方案的有益效果为：本发明实施例通过语音播放装置和/或震动电机和/或信号灯提醒，无论儿童是否佩戴手表，当识别出其当前读写姿态不正确时，均能进行提醒，具有更大的应用场景。
本发明实施例提供了一种基于智能手表的读写姿态识别方法，还包括：
当儿童进入读写状态时，通过毫米波雷达传感器检测其是否专注，若不专注，对其进行提醒；
其中，通过毫米波雷达传感器检测其是否专注，具体包括：
在预设时间段内控制毫米波雷达传感器每隔预设的时间间隔呈预设角度进行扫描，此 时，根据毫米波雷达传感器在时间段内第
Figure 689400DEST_PATH_IMAGE001
时刻产生的第五雷达数据确定儿童的读写轮廓 信息和位置信息；
以智能手表的位置点为原点构建三维坐标系；
基于读写轮廓信息和位置信息在三维坐标系上表示儿童读写轮廓；
获取第
Figure 49975DEST_PATH_IMAGE001
时刻三维坐标系中儿童读写轮廓上表示第
Figure 968252DEST_PATH_IMAGE002
个特征部位轮廓上第
Figure 72474DEST_PATH_IMAGE003
个位置点
Figure 25387DEST_PATH_IMAGE004
；
在时间段内，基于各位置点
Figure 556862DEST_PATH_IMAGE004
的三轴坐标
Figure 713168DEST_PATH_IMAGE005
、
Figure 355502DEST_PATH_IMAGE006
和
Figure 162921DEST_PATH_IMAGE007
分别绘 制
Figure 662036DEST_PATH_IMAGE008
目标曲线、
Figure 492588DEST_PATH_IMAGE009
目标曲线和
Figure 781356DEST_PATH_IMAGE010
目标曲线，其中，
Figure 974440DEST_PATH_IMAGE011
，
Figure 847718DEST_PATH_IMAGE012
为时间段内的时刻总 数目；
获取预设标准曲线数据库中分别与
Figure 962305DEST_PATH_IMAGE008
目标曲线、
Figure 212020DEST_PATH_IMAGE009
目标曲线和
Figure 744764DEST_PATH_IMAGE010
目标曲线对应 的
Figure 788943DEST_PATH_IMAGE013
标准曲线、
Figure 390826DEST_PATH_IMAGE014
标准曲线和
Figure 178653DEST_PATH_IMAGE015
标准曲线；
分别计算
Figure 815171DEST_PATH_IMAGE008
目标曲线和
Figure 30252DEST_PATH_IMAGE013
标准曲线的第
Figure 385010DEST_PATH_IMAGE016
吻合度，
Figure 710949DEST_PATH_IMAGE009
目标曲线和
Figure 722679DEST_PATH_IMAGE014
标准曲线 的第
Figure 108661DEST_PATH_IMAGE017
吻合度以及
Figure 685136DEST_PATH_IMAGE010
目标曲线和
Figure 814766DEST_PATH_IMAGE015
标准曲线第
Figure 425876DEST_PATH_IMAGE018
吻合度；
当
Figure 982759DEST_PATH_IMAGE019
，
Figure 46530DEST_PATH_IMAGE020
时，即特征部位为头部，头部轮廓上位置点的总数为
Figure 979851DEST_PATH_IMAGE021
时，若各
Figure 196200DEST_PATH_IMAGE022
吻合度、第
Figure 923985DEST_PATH_IMAGE023
吻合度和第
Figure 475052DEST_PATH_IMAGE024
吻合度均大于等于预设的第一吻合度阈值，
和/或，
当
Figure 212064DEST_PATH_IMAGE025
，
Figure 532186DEST_PATH_IMAGE026
时，即特征部位为胸口，胸口轮廓上位置点的总数为
Figure 430872DEST_PATH_IMAGE027
时，若各
Figure 469235DEST_PATH_IMAGE028
吻合度、第
Figure 744359DEST_PATH_IMAGE029
吻合度和第
Figure 168256DEST_PATH_IMAGE030
吻合度均大于等于预设的第二吻合度阈值，
和/或，
当
Figure 503422DEST_PATH_IMAGE031
，
Figure 763502DEST_PATH_IMAGE032
时，即特征部位为左臂，左臂轮廓上位置点的总数为
Figure 842317DEST_PATH_IMAGE033
时，若各
Figure 871453DEST_PATH_IMAGE034
吻合度、第
Figure 377520DEST_PATH_IMAGE035
吻合度和第
Figure 124897DEST_PATH_IMAGE036
吻合度均大于等于预设的第三吻合度阈值，
和/或，
当
Figure 289293DEST_PATH_IMAGE037
，
Figure 641777DEST_PATH_IMAGE038
时，即特征部位为右臂，右臂轮廓上位置点的总数为
Figure 318746DEST_PATH_IMAGE039
时，若各
Figure 553418DEST_PATH_IMAGE040
吻合度、第
Figure 974035DEST_PATH_IMAGE041
吻合度和第
Figure 977763DEST_PATH_IMAGE042
吻合度均大于等于预设的第四吻合度阈值时，确定儿童 不专注。
上述技术方案的工作原理为：
当儿童进入读写状态时（正坐在课桌前），由于时间的推移，其一定会有注意力不集中（瞌睡和做小动作等）的情况发生；控制毫米波雷达传感器呈预设角度扫描（即当手表戴在手臂上，对正对手臂的身体一侧角度进行扫描）；可根据毫米波雷达传感器产生的雷达数据（即第五雷达数据，该雷达数据是毫米波雷达传感器发射的信号在课桌前的儿童身体上反射形成的反射信号）确定儿童的读写轮廓信息，毫米波雷达传感器可根据扫描角度和其测得儿童身体位于其自身的距离生成相应位置信息，以智能手表的位置点为原点构建三维坐标系，根据轮廓信息和位置信息在三维坐标系中表示轮廓（一般仅为头部轮廓、胸口轮廓和左右手臂轮廓）；在各轮廓对应截面（头部轮廓为平行于脸部的截面，胸口轮廓为平行于胸口的截面，左右手臂轮廓为平行于手面的截面）上每隔预设的距离间隔（例如：0.5cm）选取位置点；依据预设时间段（例如：10秒）内各位置点的坐标绘制目标曲线（以时间为横轴，数值大小为纵轴，基于X轴坐标绘制X曲线，Y轴坐标绘制Y曲线，Z轴坐标绘制Z曲线），将目标曲线与对应的标准曲线进行比较（计算吻合度），若各位置点在该时间段内对应的全部目标曲线与标准曲线的吻合度均大于等于对应吻合度阈值时，确定对应轮廓部位存在专注度不高（不专注）的情况；例如：头部可能由于瞌睡不停前后移动（晃动），左右手臂由平放向托腮转变，胸口前后移动（一般由于儿童抖腿造成）；当确定儿童不专注时，通过语音播放装置和/或震动电机和/或信号灯提醒其注意集中注意力；标准曲线具体为系统预存的经过大量实验获得的儿童在课桌前做小动作的时间段内，在儿童轮廓上各部位对应截面上选取位置点绘制成的曲线；选择与目标曲线对应的标准曲线时，例如：某儿童的身高为150cm，体重为55kg，该儿童在课桌前读写时，在其头部轮廓对应截面上选取位置点绘制目标曲线，在获取与各目标曲线对应的标准曲线，在标准曲线数据库中寻找与其体重身高体重最相近的儿童对应的头部做小动作（例如：晃头）时各位置点制成的曲线；还可以统计该儿童头部对应截面的面积大小，选择标准曲线数据库中与其头部截面面积大小最相近的儿童对应的头部做小动作（例如：晃头）时各位置点制成的曲线；第一吻合度阈值、第二吻合度阈值、第三吻合度阈值和第四吻合度阈值为预先设定的值，当某吻合度大于等于对应吻合度阈值，执行对应操作。
上述技术方案的有益效果为：本发明实施例通过毫米波雷达传感器实时对儿童进入读写状态后其是否专注进行检测，通过对儿童坐在课桌前的轮廓进行分割，实现了多个部位（头部、胸口和左右手臂）同时进行检测，通过将儿童各部位相应位置点在一定时间段内的变化制成的目标曲线与系统预先经大量实验绘制成的小动作标准曲线进行匹配（计算吻合度），若吻合度满足要求，确定儿童不专注，检测精度高，更提升了儿童读写的效率，帮助其培养认真读写的好习惯，同时，也减轻了家长或老师的负担。
本发明实施例提供了一种基于智能手表的读写姿态识别方法，依据以下预设方法计算各目标曲线与对应标准曲线的吻合度，包括：
获取预设的多个采样点；
获取目标曲线上与采样点对应的各目标点组合成目标点集合，获取目标曲线对应的标准曲线上与采样点对应的各标准点组合成标准点集合；
计算目标曲线与对应标准曲线的吻合度：
Figure 622371DEST_PATH_IMAGE043
Figure 282023DEST_PATH_IMAGE044
其中，
Figure 552336DEST_PATH_IMAGE045
为吻合度，
Figure 613833DEST_PATH_IMAGE046
和
Figure 429342DEST_PATH_IMAGE047
为预设的权重值，
Figure 576289DEST_PATH_IMAGE048
为目标点集合中第
Figure 401026DEST_PATH_IMAGE049
个目标点的值，
Figure 317029DEST_PATH_IMAGE050
为标准点集合中第
Figure 569019DEST_PATH_IMAGE049
个标准点的值，
Figure 937684DEST_PATH_IMAGE051
为目标曲线函数，
Figure 51264DEST_PATH_IMAGE052
为标准曲线函数，
Figure 87353DEST_PATH_IMAGE053
为各目标 点或标准点的总数目，
Figure 510244DEST_PATH_IMAGE054
为预设调整值列表中第
Figure 366205DEST_PATH_IMAGE055
个调整值，
Figure 532744DEST_PATH_IMAGE056
为调整值的总数目，
Figure 423340DEST_PATH_IMAGE057
为预 设的验证阈值，
Figure 17132DEST_PATH_IMAGE058
为第
Figure 360389DEST_PATH_IMAGE059
个采样点的值，
Figure 314307DEST_PATH_IMAGE060
为采样点的总数目；
同时，当确定儿童不专注时，执行包括如下操作：
将儿童在时间段内产生的与标准曲线吻合度大于等于吻合度阈值的目标曲线输入标准曲线数据库中对应的子数据库中，对其进行扩充；
每次扩充时，依据以下预设方法对各吻合度阈值进行调整，包括：
Figure 59409DEST_PATH_IMAGE061
其中，
Figure 824103DEST_PATH_IMAGE062
为对第
Figure 654656DEST_PATH_IMAGE063
吻合度阈值进行调整后的值，
Figure 162997DEST_PATH_IMAGE064
为对第
Figure 762606DEST_PATH_IMAGE063
吻合度阈值进行 调整前的值即当前值，
Figure 698201DEST_PATH_IMAGE065
为预设的误差系数，
Figure 16050DEST_PATH_IMAGE066
为扩充后第
Figure 78815DEST_PATH_IMAGE063
吻合度阈值对应的子数据库中 的曲线数量，
Figure 532930DEST_PATH_IMAGE067
为扩充前第
Figure 639426DEST_PATH_IMAGE063
吻合度阈值对应的子数据库中的曲线数量，
Figure 444571DEST_PATH_IMAGE068
为第
Figure 294716DEST_PATH_IMAGE063
吻合度 阈值对应的预设调整量。
上述技术方案的工作原理为：
预设的多个采样点具体为：每隔预设的时间间隔（例如：0.1秒）在曲线横轴（即时间轴） 上选取一个点作为采样点；曲线上与采样点对应的纵轴坐标为目标点；根据各目标点和对 应标准点的数值关系并赋予一定权重值计算目标曲线和标准曲线的吻合度；其中，
Figure 868916DEST_PATH_IMAGE069
为一采样点的值加上调整值作为横坐标后在对应的曲线上纵坐标的值，其余 类似其形式同理；预设调整值列表中预存有多个调整值（例如：0.1、0.2、0.3等等）；当
Figure 146314DEST_PATH_IMAGE070
不存在时，
Figure 438755DEST_PATH_IMAGE069
或
Figure 906357DEST_PATH_IMAGE071
自动赋值为0；将儿童在时间段内产生的 各标准曲线输入标准曲线数据库中对应的子数据库中，对其进行扩充具体为：标准曲线数 据库中设置有4个子数据库（即头部曲线数据库、胸口曲线数据库、左手臂曲线数据库和右 手臂曲线数据库），若在该时间段内产生头部专注度不高的曲线，即输入头部曲线数据库， 对其进行扩充；随着各子数据库中曲线数量的增加，可适当增加其对应吻合度阈值，增加匹 配精度；在调整时，存在一定误差，因此需引入误差系数；每一个吻合度阈值都对应一个调 整量；预设的验证阈值为常数。
上述技术方案的有益效果为：本发明实施例通过计算各目标曲线与标准曲线的匹配度，从而确定儿童的当前读写姿态是否存在不专注情况，同时，每次确定儿童不专注时，将其产生的目标曲线存入对应子数据库中，对其进行扩充，边检测边扩充数据库，提升系统的工作效率，同时，随着各子数据库中曲线数量的增加，可适当增加其对应吻合度阈值，极大程度上增加了匹配精度，提升了检测儿童是否存在不专注情况的准确性。
本发明实施例提供了一种基于智能手表的读写姿态识别系统，如图2所示，包括：
第一检测模块1，用于通过智能手表中的毫米波雷达传感器检测儿童是否进入读写状态；
第二检测模块2，用于若进入读写状态，通过毫米波雷达传感器检测儿童的当前读写姿态是否正确；
提醒模块3，用于若当前读写姿态不正确，对儿童进行提醒；
报告生成及发送模块4，用于根据儿童当天保持读写状态的总读写时间和总提醒次数生成读写报告并将其发送至对应家长和/或老师的客户端。
上述技术方案的工作原理为：
智能手表中设置有毫米波雷达传感器，当儿童佩戴智能手表时或将智能手表摘下放在课桌上时，通过毫米波雷达传感器检测儿童是否进入读写状态（呈读写姿势坐在课桌前，双臂摆在课桌上，后背坐直），当确认儿童进入读写状态时，实时通过毫米波雷达传感器检测其进入读写状态后的当前读写姿态是否正确，当确认当前读写姿态不正确（驼背、头部贴近课桌和托腮等），对儿童进行提醒，提醒其更正坐姿；儿童进入读写状态时，预设计时器开始计时，当未进入读写状态时，计时器停止计时，输出一次读写时间，汇总当天的全部读写时间作为总读写时间；汇总当天对儿童进行提醒的总提醒次数；将总读写时间和总提醒次数生成读写报告发送至对应绑定家长和/或老师的客户端（手机、平板或电脑），家长或老师可以了解到儿童每天的读写看书时间和坐姿错误次数，还可以根据多天的坐姿错误次数判断儿童是否有改善现象。
上述技术方案的有益效果为：本发明实施例通过毫米波雷达传感器检测儿童是否进入读写状态，若进入，检测其读写姿态是否正确，若不正确对其进行提醒，可有效帮助儿童预防近视，培养良好的坐姿习惯，并且无需家长或老师看陪即可对儿童的读写坐姿进行监管，减轻家长或老师的负担，同时，无论手表戴在手上还是放置在课桌前或附近，均可进行识别，避免儿童长时间佩戴手表造成手腕不适的情况发生，目前，儿童智能手表盛行推广，使得其具有更大的适用性。
本发明实施例提供了一种基于智能手表的读写姿态识别系统，第一检测模块1执行包括如下操作：
控制毫米波雷达传感器对其所处环境进行全方位扫描，此时，确定毫米波雷达传感器产生的第一雷达数据中是否存在满足预设生命体数据条件的生命体数据，若存在，则确定所处环境存在生命体，否则不存在生命体；
当存在生命体时，确定生命体存在的目标区域，控制毫米波雷达传感器对目标区域进行定向扫描，此时，根据毫米波雷达传感器产生的第二雷达数据确定生命体的目标轮廓信息；
当目标轮廓信息与预设第一标准轮廓信息数据库中的任一第一标准轮廓信息匹配且与预设第二标准轮廓信息数据库中的任一第二标准轮廓信息匹配时，确定生命体为儿童且儿童进入读写状态。
上述技术方案的工作原理为：
全方位扫描（即对周边环境中全部区域进行扫描），毫米波雷达传感器在全方位扫描时，其向不同角度发射发射信号；毫米波雷达传感器对其所处环境（例如：儿童的卧室等）进行扫描时，其会产生雷达数据（即第一雷达数据，该雷达数据是毫米波雷达传感器发射的信号经所处环境中的障碍物体上反射形成的反射信号），若该雷达数据中存在满足预设生命体数据条件（即存在呼吸频率数据和心率数据）时，确定所处环境存在生命体；追溯毫米波雷达传感器在确定存在生命体时其发射信号的发射角度，与发射角度对应的扫描区域即为目标区域；控制毫米波雷达传感器对该目标区域进行定向扫描（呈固定角度发射信号），解析此刻产生的雷达数据（即第二雷达数据，该雷达数据是毫米波雷达传感器发射的信号经生命体上反射形成的反射信号）确定轮廓信息；因为生命体可能是成人或儿童，需要根据轮廓信息与第一标准轮廓信息（系统预存的经过大量实验测得的儿童轮廓）匹配确定生命体是否为儿童；若轮廓数据与第二标准轮廓信息（系统预存的经过大量实验测得儿童正坐在课桌前即呈读写状态的轮廓）也匹配时，确定儿童进入读写状态。
上述技术方案的有益效果为：本发明实施例通过毫米波雷达传感器检测其周边环境是否存在生命体，若存在，检测生命体是否为儿童，若为儿童，再检测其是否进入读写状态，事先通过大量实验确定标准轮廓，通过轮廓比对生成判断结果，极大程度提升了识别的准确性，同时，也更加智能化。
本发明实施例提供了一种基于智能手表的读写姿态识别系统，第二检测模块2执行包括如下操作：
当确定儿童进入读写状态时，若目标轮廓信息与预设第三标准轮廓信息数据库中的任一第三标准轮廓信息匹配时，确定儿童的当前读写姿态正确，否则不正确。
上述技术方案的工作原理为：
当确认儿童进入读写状态时，根据此刻毫米波雷达传感器产生的雷达数据确定轮廓信息，若该轮廓信息与预设第三标准轮廓信息数据库中任一第三标准轮廓信息（即系统预存的经过大量实验测得的大量儿童读写标准姿态轮廓中任一轮廓）匹配时，说明儿童当前读写姿态正确，否则不正确。
上述技术方案的有益效果为：本发明实施例通过毫米波雷达传感器检测儿童的当前读写姿态是否正确，事先通过大量实验确定标准轮廓，通过轮廓比对生成判断结果，极大程度提升了识别的准确性。
本发明实施例提供了一种基于智能手表的读写姿态识别系统，提醒模块3执行包括如下操作：
通过语音装置播放预设读写姿态不正确语音提醒儿童更正读写姿态；
和/或，
通过震动电机产生震动提醒儿童更正读写姿态；
和/或，
通过信号灯闪烁提醒儿童更正读写姿态。
上述技术方案的工作原理为：
智能手表中设置有语音播放装置（扬声器）、震动电机和信号灯，当确认儿童的当前读写姿态不正确时，通过语音播放装置播放预设读写姿态不正确语音（例如：XXX同学，注意您的坐姿哦，请及时调整），通过震动电机震动提醒儿童更正坐姿，信号灯（例如：红色信号灯）快速闪烁，提醒儿童更正坐姿。
上述技术方案的有益效果为：本发明实施例通过语音播放装置和/或震动电机和/或信号灯提醒，无论儿童是否佩戴手表，当识别出其当前读写姿态不正确时，均能进行提醒，具有更大的应用场景。
本发明实施例提供了一种基于智能手表的读写姿态识别系统，还包括：
专注检测模块，用于当儿童进入读写状态时，通过毫米波雷达传感器检测其是否专注，若不专注，对其进行提醒；
专注检测模块执行包括如下操作：
当儿童进入读写状态时，通过毫米波雷达传感器检测其是否专注，若不专注，对其进行提醒；
其中，通过毫米波雷达传感器检测其是否专注，具体包括：
在预设时间段内控制毫米波雷达传感器每隔预设的时间间隔呈预设角度进行扫描，此 时，根据毫米波雷达传感器在时间段内第
Figure 335064DEST_PATH_IMAGE001
时刻产生的第五雷达数据确定儿童的读写轮廓 信息和位置信息；
以智能手表的位置点为原点构建三维坐标系；
基于读写轮廓信息和位置信息在三维坐标系上表示儿童读写轮廓；
获取第
Figure 48942DEST_PATH_IMAGE001
时刻三维坐标系中儿童读写轮廓上表示第
Figure 563100DEST_PATH_IMAGE002
个特征部位轮廓上第
Figure 755047DEST_PATH_IMAGE003
个位置点
Figure 303840DEST_PATH_IMAGE004
；
在时间段内，基于各位置点
Figure 923040DEST_PATH_IMAGE004
的三轴坐标
Figure 924494DEST_PATH_IMAGE005
、
Figure 670865DEST_PATH_IMAGE006
和
Figure 74164DEST_PATH_IMAGE007
分别绘 制
Figure 864266DEST_PATH_IMAGE008
目标曲线、
Figure 353016DEST_PATH_IMAGE009
目标曲线和
Figure 886765DEST_PATH_IMAGE010
目标曲线，其中，
Figure 144571DEST_PATH_IMAGE011
，
Figure 371153DEST_PATH_IMAGE012
为时间段内的时刻总数 目；
获取预设标准曲线数据库中分别与
Figure 347199DEST_PATH_IMAGE008
目标曲线、
Figure 668328DEST_PATH_IMAGE009
目标曲线和
Figure 46220DEST_PATH_IMAGE010
目标曲线对应 的
Figure 178124DEST_PATH_IMAGE013
标准曲线、
Figure 641466DEST_PATH_IMAGE014
标准曲线和
Figure 517019DEST_PATH_IMAGE015
标准曲线；
分别计算
Figure 749417DEST_PATH_IMAGE008
目标曲线和
Figure 317801DEST_PATH_IMAGE013
标准曲线的第
Figure 2861DEST_PATH_IMAGE016
吻合度，
Figure 432836DEST_PATH_IMAGE009
目标曲线和
Figure 519741DEST_PATH_IMAGE014
标准曲线 的第
Figure 259027DEST_PATH_IMAGE017
吻合度以及
Figure 431382DEST_PATH_IMAGE010
目标曲线和
Figure 648737DEST_PATH_IMAGE015
标准曲线第
Figure 855727DEST_PATH_IMAGE018
吻合度；
当
Figure 765914DEST_PATH_IMAGE019
，
Figure 425566DEST_PATH_IMAGE020
时，即特征部位为头部，头部轮廓上位置点的总数为
Figure 695879DEST_PATH_IMAGE021
时，若各
Figure 491797DEST_PATH_IMAGE022
吻合度、第
Figure 572885DEST_PATH_IMAGE023
吻合度和第
Figure 719833DEST_PATH_IMAGE024
吻合度均大于等于预设的第一吻合度阈值，
和/或，
当
Figure 544569DEST_PATH_IMAGE025
，
Figure 460573DEST_PATH_IMAGE026
时，即特征部位为胸口，胸口轮廓上位置点的总数为
Figure 446983DEST_PATH_IMAGE027
时，若各
Figure 81227DEST_PATH_IMAGE028
吻合度、第
Figure 194808DEST_PATH_IMAGE029
吻合度和第
Figure 230897DEST_PATH_IMAGE030
吻合度均大于等于预设的第二吻合度阈值，
和/或，
当
Figure 388209DEST_PATH_IMAGE031
，
Figure 509748DEST_PATH_IMAGE032
时，即特征部位为左臂，左臂轮廓上位置点的总数为
Figure 676287DEST_PATH_IMAGE033
时，若各
Figure 301304DEST_PATH_IMAGE034
吻合度、第
Figure 895096DEST_PATH_IMAGE035
吻合度和第
Figure 238353DEST_PATH_IMAGE036
吻合度均大于等于预设的第三吻合度阈值，
和/或，
当
Figure 457850DEST_PATH_IMAGE037
，
Figure 202953DEST_PATH_IMAGE038
时，即特征部位为右臂，右臂轮廓上位置点的总数为
Figure 967646DEST_PATH_IMAGE039
时，若 各
Figure 798199DEST_PATH_IMAGE040
吻合度、第
Figure 306541DEST_PATH_IMAGE041
吻合度和第
Figure 702887DEST_PATH_IMAGE042
吻合度均大于等于预设的第四吻合度阈值时，确定儿 童不专注。
上述技术方案的工作原理为：
当儿童进入读写状态时（正坐在课桌前），由于时间的推移，其一定会有注意力不集中（瞌睡和做小动作等）的情况发生；控制毫米波雷达传感器呈预设角度扫描（即当手表戴在手臂上，对正对手臂的身体一侧角度进行扫描）；可根据毫米波雷达传感器产生的雷达数据（即第五雷达数据，该雷达数据是毫米波雷达传感器发射的信号在课桌前的儿童身体上反射形成的反射信号）确定儿童的读写轮廓信息，毫米波雷达传感器可根据扫描角度和其测得儿童身体位于其自身的距离生成相应位置信息，以智能手表的位置点为原点构建三维坐标系，根据轮廓信息和位置信息在三维坐标系中表示轮廓（一般仅为头部轮廓、胸口轮廓和左右手臂轮廓）；在各轮廓对应截面（头部轮廓为平行于脸部的截面，胸口轮廓为平行于胸口的截面，左右手臂轮廓为平行于手面的截面）上每隔预设的距离间隔（例如：0.5cm）选取位置点；依据预设时间段（例如：10秒）内各位置点的坐标绘制目标曲线（以时间为横轴，数值大小为纵轴，基于X轴坐标绘制X曲线，Y轴坐标绘制Y曲线，Z轴坐标绘制Z曲线），将目标曲线与对应的标准曲线进行比较（计算吻合度），若各位置点在该时间段内对应的全部目标曲线与标准曲线的吻合度均大于等于对应吻合度阈值时，确定对应轮廓部位存在专注度不高（不专注）的情况；例如：头部可能由于瞌睡不停前后移动（晃动），左右手臂由平放向托腮转变，胸口前后移动（一般由于儿童抖腿造成）；当确定儿童不专注时，通过语音播放装置和/或震动电机和/或信号灯提醒其注意集中注意力；标准曲线具体为系统预存的经过大量实验获得的儿童在课桌前做小动作的时间段内，在儿童轮廓上各部位对应截面上选取位置点绘制成的曲线；选择与目标曲线对应的标准曲线时，例如：某儿童的身高为150cm，体重为55kg，该儿童在课桌前读写时，在其头部轮廓对应截面上选取位置点绘制目标曲线，在获取与各目标曲线对应的标准曲线，在标准曲线数据库中寻找与其体重身高体重最相近的儿童对应的头部做小动作（例如：晃头）时各位置点制成的曲线；还可以统计该儿童头部对应截面的面积大小，选择标准曲线数据库中与其头部截面面积大小最相近的儿童对应的头部做小动作（例如：晃头）时各位置点制成的曲线；第一吻合度阈值、第二吻合度阈值、第三吻合度阈值和第四吻合度阈值为预先设定的值，当某吻合度大于等于对应吻合度阈值，执行对应操作。
上述技术方案的有益效果为：本发明实施例通过毫米波雷达传感器实时对儿童进入读写状态后其是否专注进行检测，通过对儿童坐在课桌前的轮廓进行分割，实现了多个部位（头部、胸口和左右手臂）同时进行检测，通过将儿童各部位相应位置点在一定时间段内的变化制成的目标曲线与系统预先经大量实验绘制成的小动作标准曲线进行匹配（计算吻合度），若吻合度满足要求，确定儿童不专注，检测精度高，更提升了儿童读写的效率，帮助其培养认真读写的好习惯，同时，也减轻了家长或老师的负担。
本发明实施例提供了一种基于智能手表的读写姿态识别系统，专注检测模块依据以下预设方法计算各目标曲线与对应标准曲线的吻合度，包括：
获取预设的多个采样点；
获取目标曲线上与采样点对应的各目标点组合成目标点集合，获取目标曲线对应的标准曲线上与采样点对应的各标准点组合成标准点集合；
计算目标曲线与对应标准曲线的吻合度：
Figure 576165DEST_PATH_IMAGE043
Figure 707063DEST_PATH_IMAGE072
其中，
Figure 691200DEST_PATH_IMAGE045
为吻合度，
Figure 473211DEST_PATH_IMAGE046
和
Figure 782970DEST_PATH_IMAGE047
为预设的权重值，
Figure 588115DEST_PATH_IMAGE048
为目标点集合中第
Figure 438259DEST_PATH_IMAGE049
个目标点的值，
Figure 12460DEST_PATH_IMAGE050
为标准点集合中第
Figure 289857DEST_PATH_IMAGE049
个标准点的值，
Figure 316719DEST_PATH_IMAGE051
为目标曲线函数，
Figure 960102DEST_PATH_IMAGE052
为标准曲线函数，
Figure 451126DEST_PATH_IMAGE053
为各目标 点或标准点的总数目，
Figure 837108DEST_PATH_IMAGE054
为预设调整值列表中第
Figure 679162DEST_PATH_IMAGE055
个调整值，
Figure 808792DEST_PATH_IMAGE056
为调整值的总数目，
Figure 154323DEST_PATH_IMAGE057
为预 设的验证阈值，
Figure 976786DEST_PATH_IMAGE058
为第
Figure 243819DEST_PATH_IMAGE059
个采样点的值，
Figure 990189DEST_PATH_IMAGE060
为采样点的总数目；
同时，当确定儿童不专注时，专注检测模块执行包括如下操作：
将儿童在时间段内产生的与标准曲线吻合度大于等于吻合度阈值的目标曲线输入标准曲线数据库中对应的子数据库中，对其进行扩充；
每次扩充时，依据以下预设方法对各吻合度阈值进行调整，包括：
Figure 127909DEST_PATH_IMAGE073
其中，
Figure 183590DEST_PATH_IMAGE062
为对第
Figure 469078DEST_PATH_IMAGE063
吻合度阈值进行调整后的值，
Figure 940511DEST_PATH_IMAGE064
为对第
Figure 260633DEST_PATH_IMAGE063
吻合度阈值进行 调整前的值即当前值，
Figure 424899DEST_PATH_IMAGE065
为预设的误差系数，
Figure 446950DEST_PATH_IMAGE066
为扩充后第
Figure 722074DEST_PATH_IMAGE063
吻合度阈值对应的子数据库中 的曲线数量，
Figure 896703DEST_PATH_IMAGE067
为扩充前第
Figure 28607DEST_PATH_IMAGE063
吻合度阈值对应的子数据库中的曲线数量，
Figure 491949DEST_PATH_IMAGE068
为第
Figure 367501DEST_PATH_IMAGE063
吻合度 阈值对应的预设调整量。
上述技术方案的工作原理为：
预设的多个采样点具体为：每隔预设的时间间隔（例如：0.1秒）在曲线横轴（即时间轴） 上选取一个点作为采样点；曲线上与采样点对应的纵轴坐标为目标点；根据各目标点和对 应标准点的数值关系并赋予一定权重值计算目标曲线和标准曲线的吻合度；其中，
Figure 599900DEST_PATH_IMAGE069
为一采样点的值加上调整值作为横坐标后在对应的曲线上纵坐标的值，其余 类似其形式同理；预设调整值列表中预存有多个调整值（例如：0.1、0.2、0.3等等）；当
Figure 653437DEST_PATH_IMAGE070
不存在时，
Figure 604076DEST_PATH_IMAGE069
或
Figure 283319DEST_PATH_IMAGE071
自动赋值为0；将儿童在时间段内产生的各 标准曲线输入标准曲线数据库中对应的子数据库中，对其进行扩充具体为：标准曲线数据 库中设置有4个子数据库（即头部曲线数据库、胸口曲线数据库、左手臂曲线数据库和右手 臂曲线数据库），若在该时间段内产生头部专注度不高的曲线，即输入头部曲线数据库，对 其进行扩充；随着各子数据库中曲线数量的增加，可适当增加其对应吻合度阈值，增加匹配 精度；在调整时，存在一定误差，因此需引入误差系数；每一个吻合度阈值都对应一个调整 量；预设的验证阈值为常数。
上述技术方案的有益效果为：本发明实施例通过计算各目标曲线与标准曲线的匹配度，从而确定儿童的当前读写姿态是否存在不专注情况，同时，每次确定儿童不专注时，将其产生的目标曲线存入对应子数据库中，对其进行扩充，边检测边扩充数据库，提升系统的工作效率，同时，随着各子数据库中曲线数量的增加，可适当增加其对应吻合度阈值，极大程度上增加了匹配精度，提升了检测儿童是否存在不专注情况的准确性。
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)

1.一种基于智能手表的读写姿态识别方法，其特征在于，包括：
通过智能手表中的毫米波雷达传感器检测儿童是否进入读写状态；
若进入读写状态，通过毫米波雷达传感器检测儿童的当前读写姿态是否正确；
若所述当前读写姿态不正确，对儿童进行提醒；
根据儿童当天保持读写状态的总读写时间和总提醒次数生成读写报告并将其发送至对应家长和/或老师的客户端。
2.如权利要求1所述的一种基于智能手表的读写姿态识别方法，其特征在于，所述通过智能手表中的毫米波雷达传感器检测儿童是否进入读写状态，具体包括：
控制毫米波雷达传感器对其所处环境进行全方位扫描，此时，确定毫米波雷达传感器产生的第一雷达数据中是否存在满足预设生命体数据条件的生命体数据，若存在，则确定所处环境存在生命体，否则不存在生命体；
当存在生命体时，确定生命体存在的目标区域，控制毫米波雷达传感器对所述目标区域进行定向扫描，此时，根据毫米波雷达传感器产生的第二雷达数据确定所述生命体的目标轮廓信息；
当所述目标轮廓信息与预设第一标准轮廓信息数据库中的任一第一标准轮廓信息匹配且与预设第二标准轮廓信息数据库中的任一第二标准轮廓信息匹配时，确定所述生命体为儿童且所述儿童进入读写状态。
3.如权利要求2所述的一种基于智能手表的读写姿态识别方法，其特征在于，所述通过毫米波雷达传感器检测儿童的当前读写姿态是否正确，具体包括：
当确定儿童进入读写状态时，若所述目标轮廓信息与预设第三标准轮廓信息数据库中的任一第三标准轮廓信息匹配时，确定所述儿童的当前读写姿态正确，否则不正确。
4.如权利要求1所述的一种基于智能手表的读写姿态识别方法，其特征在于，所述对儿童进行提醒，包括：
通过语音装置播放预设读写姿态不正确语音提醒儿童更正读写姿态；
和/或，
通过震动电机产生震动提醒儿童更正读写姿态；
和/或，
通过信号灯闪烁提醒儿童更正读写姿态。
5.如权利要求1所述的一种基于智能手表的读写姿态识别方法，其特征在于，还包括：
当儿童进入读写状态时，通过毫米波雷达传感器检测其是否专注，若不专注，对其进行提醒；
其中，通过毫米波雷达传感器检测其是否专注，具体包括：
在预设的时间段内控制毫米波雷达传感器每隔预设的时间间隔呈预设角度进行扫描， 此时，根据毫米波雷达传感器在所述时间段内第
Figure 547451DEST_PATH_IMAGE001
时刻产生的第五雷达数据确定所述儿童 的读写轮廓信息和位置信息；
以智能手表的位置点为原点构建三维坐标系；
基于所述读写轮廓信息和所述位置信息在所述三维坐标系上表示儿童读写轮廓；
获取第
Figure 995750DEST_PATH_IMAGE001
时刻三维坐标系中所述儿童读写轮廓上表示第
Figure 41066DEST_PATH_IMAGE002
个特征部位轮廓上第
Figure 701855DEST_PATH_IMAGE003
个位置 点
Figure 532539DEST_PATH_IMAGE004
；
在所述时间段内，基于各所述位置点
Figure 886160DEST_PATH_IMAGE004
的三轴坐标
Figure 418772DEST_PATH_IMAGE005
、
Figure 883252DEST_PATH_IMAGE006
和
Figure 83289DEST_PATH_IMAGE007
分别绘制
Figure 342232DEST_PATH_IMAGE008
目标曲线、
Figure 112873DEST_PATH_IMAGE009
目标曲线和
Figure 381043DEST_PATH_IMAGE010
目标曲线，其中，
Figure 170008DEST_PATH_IMAGE011
，
Figure 865431DEST_PATH_IMAGE012
为所述时 间段内的时刻总数目；
获取预设标准曲线数据库中分别与
Figure 372636DEST_PATH_IMAGE008
目标曲线、
Figure 178918DEST_PATH_IMAGE009
目标曲线和
Figure 835771DEST_PATH_IMAGE010
目标曲线对应的
Figure 436516DEST_PATH_IMAGE013
标准曲线、
Figure 431017DEST_PATH_IMAGE014
标准曲线和
Figure 775411DEST_PATH_IMAGE015
标准曲线；
分别计算
Figure 804547DEST_PATH_IMAGE008
目标曲线和
Figure 841773DEST_PATH_IMAGE013
标准曲线的第
Figure 57991DEST_PATH_IMAGE016
吻合度，
Figure 956808DEST_PATH_IMAGE009
目标曲线和
Figure 574871DEST_PATH_IMAGE014
标准曲线 的第
Figure 782998DEST_PATH_IMAGE017
吻合度以及
Figure 486512DEST_PATH_IMAGE010
目标曲线和
Figure 172708DEST_PATH_IMAGE015
标准曲线第
Figure 910857DEST_PATH_IMAGE018
吻合度；
当
Figure 289886DEST_PATH_IMAGE019
，
Figure 480696DEST_PATH_IMAGE020
时，即特征部位为头部，头部轮廓上位置点的总数为
Figure 721315DEST_PATH_IMAGE021
时，若各
Figure 48392DEST_PATH_IMAGE022
吻合度、第
Figure 598322DEST_PATH_IMAGE023
吻合度和第
Figure 276428DEST_PATH_IMAGE024
吻合度均大于等于预设的第一吻合度阈值，
和/或，
当
Figure 570006DEST_PATH_IMAGE025
，
Figure 282747DEST_PATH_IMAGE026
时，即特征部位为胸口，胸口轮廓上位置点的总数为
Figure 737999DEST_PATH_IMAGE027
时，若各
Figure 654133DEST_PATH_IMAGE028
吻合度、第
Figure 485823DEST_PATH_IMAGE029
吻合度和第
Figure 53071DEST_PATH_IMAGE030
吻合度均大于等于预设的第二吻合度阈值，
和/或，
当
Figure 679224DEST_PATH_IMAGE031
，
Figure 331922DEST_PATH_IMAGE032
时，即特征部位为左臂，左臂轮廓上位置点的总数为
Figure 232882DEST_PATH_IMAGE033
时，若各
Figure 389057DEST_PATH_IMAGE034
吻合度、第
Figure 205353DEST_PATH_IMAGE035
吻合度和第
Figure 79768DEST_PATH_IMAGE036
吻合度均大于等于预设的第三吻合度阈值，
和/或，
当
Figure 518840DEST_PATH_IMAGE037
，
Figure 795100DEST_PATH_IMAGE038
时，即特征部位为右臂，右臂轮廓上位置点的总数为
Figure 28636DEST_PATH_IMAGE039
时，若各
Figure 390347DEST_PATH_IMAGE040
吻合度、第
Figure 633109DEST_PATH_IMAGE041
吻合度和第
Figure 514609DEST_PATH_IMAGE042
吻合度均大于等于预设的第四吻合度阈值时，确定儿童 不专注；
当确定儿童不专注时，将儿童在所述时间段内产生的与标准曲线吻合度大于等于吻合度阈值的目标曲线输入所述标准曲线数据库中对应的子数据库中，对其进行扩充；
每次扩充时，依据以下预设方法对各吻合度阈值进行调整，包括：
Figure 919045DEST_PATH_IMAGE043
其中，
Figure 768053DEST_PATH_IMAGE044
为对第
Figure 283348DEST_PATH_IMAGE045
吻合度阈值进行调整后的值，
Figure 534200DEST_PATH_IMAGE046
为对第
Figure 109538DEST_PATH_IMAGE045
吻合度阈值进行调 整前的值即当前值，
Figure 445842DEST_PATH_IMAGE047
为预设的误差系数，
Figure 764827DEST_PATH_IMAGE048
为扩充后第
Figure 620919DEST_PATH_IMAGE045
吻合度阈值对应的子数据库中的 曲线数量，
Figure 367158DEST_PATH_IMAGE049
为扩充前第
Figure 925179DEST_PATH_IMAGE045
吻合度阈值对应的子数据库中的曲线数量，
Figure 47855DEST_PATH_IMAGE050
为第
Figure 7721DEST_PATH_IMAGE045
吻合度阈 值对应的预设调整量。
6.如权利要求5所述的一种基于智能手表的读写姿态识别方法，其特征在于， 依据以下预设方法计算各目标曲线与对应标准曲线的吻合度，包括：
获取预设的多个采样点；
获取所述目标曲线上与所述采样点对应的各目标点组合成目标点集合，获取所述目标曲线对应的标准曲线上与所述采样点对应的各标准点组合成标准点集合；
计算目标曲线与对应标准曲线的吻合度：
Figure 924862DEST_PATH_IMAGE051
Figure 501336DEST_PATH_IMAGE052
其中，
Figure 912857DEST_PATH_IMAGE053
为吻合度，
Figure 727230DEST_PATH_IMAGE054
和
Figure 80850DEST_PATH_IMAGE055
为预设的权重值，
Figure 613463DEST_PATH_IMAGE056
为目标点集合中第
Figure 77942DEST_PATH_IMAGE057
个目标点的值，
Figure 746821DEST_PATH_IMAGE058
为标准点集合中第
Figure 271343DEST_PATH_IMAGE057
个标准点的值，
Figure 304634DEST_PATH_IMAGE059
为目标曲线函数，
Figure 307225DEST_PATH_IMAGE060
为标准曲线函数，
Figure 96189DEST_PATH_IMAGE061
为各目标 点或标准点的总数目，
Figure 791613DEST_PATH_IMAGE062
为预设调整值列表中第
Figure 33238DEST_PATH_IMAGE063
个调整值，
Figure 839520DEST_PATH_IMAGE064
为调整值的总数目，
Figure 748571DEST_PATH_IMAGE065
为预 设的验证阈值，
Figure 365628DEST_PATH_IMAGE066
为第
Figure 360129DEST_PATH_IMAGE067
个采样点的值，
Figure 704522DEST_PATH_IMAGE068
为采样点的总数目。
7.一种基于智能手表的读写姿态识别系统，其特征在于，包括：
第一检测模块，用于通过智能手表中的毫米波雷达传感器检测儿童是否进入读写状态；
第二检测模块，用于若进入读写状态，通过毫米波雷达传感器检测儿童的当前读写姿态是否正确；
提醒模块，用于若所述当前读写姿态不正确，对儿童进行提醒；
报告生成及发送模块，用于根据儿童当天保持读写状态的总读写时间和总提醒次数生成读写报告并将其发送至对应家长和/或老师的客户端。
8.如权利要求7所述的一种基于智能手表的读写姿态识别系统，其特征在于，所述第一检测模块执行包括如下操作：
控制毫米波雷达传感器对其所处环境进行全方位扫描，此时，确定毫米波雷达传感器产生的第一雷达数据中是否存在满足预设生命体数据条件的生命体数据，若存在，则确定所处环境存在生命体，否则不存在生命体；
当存在生命体时，确定生命体存在的目标区域，控制毫米波雷达传感器对所述目标区域进行定向扫描，此时，根据毫米波雷达传感器产生的第二雷达数据确定所述生命体的目标轮廓信息；
当所述目标轮廓信息与预设第一标准轮廓信息数据库中的任一第一标准轮廓信息匹配且与预设第二标准轮廓信息数据库中的任一第二标准轮廓信息匹配时，确定所述生命体为儿童且所述儿童进入读写状态。
9.如权利要求8所述的一种基于智能手表的读写姿态识别系统，其特征在于，所述第二检测模块执行包括如下操作：
当确定儿童进入读写状态时，若所述目标轮廓信息与预设第三标准轮廓信息数据库中的任一第三标准轮廓信息匹配时，确定所述儿童的当前读写姿态正确，否则不正确。
10.如权利要求7所述的一种基于智能手表的读写姿态识别系统，其特征在于，所述提醒模块执行包括如下操作：
通过语音装置播放预设读写姿态不正确语音提醒儿童更正读写姿态；
和/或，
通过震动电机产生震动提醒儿童更正读写姿态；
和/或，
通过信号灯闪烁提醒儿童更正读写姿态。
CN202011532094.9A 2020-12-23 2020-12-23 一种基于智能手表的读写姿态识别方法及系统 Active CN112270815B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011532094.9A CN112270815B (zh) 2020-12-23 2020-12-23 一种基于智能手表的读写姿态识别方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011532094.9A CN112270815B (zh) 2020-12-23 2020-12-23 一种基于智能手表的读写姿态识别方法及系统

Publications (2)

Publication Number Publication Date
CN112270815A true CN112270815A (zh) 2021-01-26
CN112270815B CN112270815B (zh) 2021-03-16

Family

ID=74350215

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011532094.9A Active CN112270815B (zh) 2020-12-23 2020-12-23 一种基于智能手表的读写姿态识别方法及系统

Country Status (1)

Country Link
CN (1) CN112270815B (zh)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112924972A (zh) * 2021-01-28 2021-06-08 四川写正智能科技有限公司 基于毫米波进行智能测距和避障提醒的装置和方法
CN112998699A (zh) * 2021-04-02 2021-06-22 四川写正智能科技有限公司 一种用于检测用户运动状态的雷达传感器系统及检测方法
CN113190198A (zh) * 2021-04-29 2021-07-30 上海探寻信息技术有限公司 一种用于保护视力的显示方法与设备
CN113749474A (zh) * 2021-09-17 2021-12-07 苏州爱果乐科技有限公司 一种学习模式提醒学习桌及其学习模式触控系统
CN113835536A (zh) * 2021-09-26 2021-12-24 四川写正智能科技有限公司 正确读写的坐标标定方法及智能电话手表
CN114636219A (zh) * 2022-03-18 2022-06-17 青岛海尔空调器有限总公司 用于控制空调的方法及装置、空调
WO2022228665A1 (en) * 2021-04-28 2022-11-03 Huawei Technologies Co., Ltd. Detection system for electronic apparatus

Citations (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110018740A1 (en) * 2009-07-27 2011-01-27 The Boeing Company Tactile pilot alerting system and method
CN204534263U (zh) * 2015-04-21 2015-08-05 珠海百亚电子科技有限公司 智能台灯
US9165263B2 (en) * 2008-11-17 2015-10-20 Roger Li-Chung Wu Vision protection method and system thereof
WO2016170005A1 (en) * 2015-04-20 2016-10-27 Resmed Sensor Technologies Limited Detection and identification of a human from characteristic signals
CN107152917A (zh) * 2017-07-24 2017-09-12 哈尔滨工业大学 一种立体视觉结构三维变形全场测量方法
CN108256545A (zh) * 2017-11-29 2018-07-06 西北大学 一种曲线匹配方法及目标物体的形状匹配方法
CN108287608A (zh) * 2017-01-09 2018-07-17 英飞凌科技股份有限公司 用于远程设备的姿势检测的系统和方法
US20180372844A1 (en) * 2017-06-22 2018-12-27 Infineon Technologies Ag Radar Systems and Methods of Operation Thereof
CN110163113A (zh) * 2019-04-25 2019-08-23 上海师范大学 一种人体行为相似度计算方法及装置
CN110187341A (zh) * 2019-06-25 2019-08-30 珠海格力电器股份有限公司 人体活动姿态的监测方法及系统、人体姿态监测器
CN110287864A (zh) * 2019-06-24 2019-09-27 火石信科(广州)科技有限公司 一种读写场景读写元素的智能认定方法
CN110544301A (zh) * 2019-09-06 2019-12-06 广东工业大学 一种三维人体动作重建系统、方法和动作训练系统
CN110850706A (zh) * 2019-11-12 2020-02-28 鄢家厚 一种基于智能手表的读写距离识别方法
CN111639574A (zh) * 2020-05-22 2020-09-08 广东小天才科技有限公司 坐姿纠正方法及电子设备、存储介质
CN111685635A (zh) * 2020-03-19 2020-09-22 广东蓝水花智能电子有限公司 一种人体坐姿矫正方法
CN111968350A (zh) * 2019-08-30 2020-11-20 孙维萍 一种学生学习保护视力的桌面装置和方法
CN112014850A (zh) * 2020-10-23 2020-12-01 四川写正智能科技有限公司 一种基于激光测距传感器判断读写状态的方法及移动设备

Patent Citations (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9165263B2 (en) * 2008-11-17 2015-10-20 Roger Li-Chung Wu Vision protection method and system thereof
US20110018740A1 (en) * 2009-07-27 2011-01-27 The Boeing Company Tactile pilot alerting system and method
WO2016170005A1 (en) * 2015-04-20 2016-10-27 Resmed Sensor Technologies Limited Detection and identification of a human from characteristic signals
CN204534263U (zh) * 2015-04-21 2015-08-05 珠海百亚电子科技有限公司 智能台灯
CN108287608A (zh) * 2017-01-09 2018-07-17 英飞凌科技股份有限公司 用于远程设备的姿势检测的系统和方法
US20180372844A1 (en) * 2017-06-22 2018-12-27 Infineon Technologies Ag Radar Systems and Methods of Operation Thereof
CN107152917A (zh) * 2017-07-24 2017-09-12 哈尔滨工业大学 一种立体视觉结构三维变形全场测量方法
CN108256545A (zh) * 2017-11-29 2018-07-06 西北大学 一种曲线匹配方法及目标物体的形状匹配方法
CN110163113A (zh) * 2019-04-25 2019-08-23 上海师范大学 一种人体行为相似度计算方法及装置
CN110287864A (zh) * 2019-06-24 2019-09-27 火石信科(广州)科技有限公司 一种读写场景读写元素的智能认定方法
CN110187341A (zh) * 2019-06-25 2019-08-30 珠海格力电器股份有限公司 人体活动姿态的监测方法及系统、人体姿态监测器
CN111968350A (zh) * 2019-08-30 2020-11-20 孙维萍 一种学生学习保护视力的桌面装置和方法
CN110544301A (zh) * 2019-09-06 2019-12-06 广东工业大学 一种三维人体动作重建系统、方法和动作训练系统
CN110850706A (zh) * 2019-11-12 2020-02-28 鄢家厚 一种基于智能手表的读写距离识别方法
CN111685635A (zh) * 2020-03-19 2020-09-22 广东蓝水花智能电子有限公司 一种人体坐姿矫正方法
CN111639574A (zh) * 2020-05-22 2020-09-08 广东小天才科技有限公司 坐姿纠正方法及电子设备、存储介质
CN112014850A (zh) * 2020-10-23 2020-12-01 四川写正智能科技有限公司 一种基于激光测距传感器判断读写状态的方法及移动设备

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
A. CHRIS LONG等: ""Visual Similarity of Pen Gestures"", 《PROCEEDINGS OF THE CHI 2000 CONFERENCE ON HUMAN FACTORS IN COMPUTING SYSTEMS》 *
何思: ""基于kinect的青少年坐姿监测技术的研究"", 《中国优秀硕士学位论文全文数据库 医药卫生科技辑》 *

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112924972A (zh) * 2021-01-28 2021-06-08 四川写正智能科技有限公司 基于毫米波进行智能测距和避障提醒的装置和方法
CN112924972B (zh) * 2021-01-28 2023-05-16 四川写正智能科技有限公司 基于毫米波进行智能测距和避障提醒的装置和方法
CN112998699A (zh) * 2021-04-02 2021-06-22 四川写正智能科技有限公司 一种用于检测用户运动状态的雷达传感器系统及检测方法
CN112998699B (zh) * 2021-04-02 2022-12-13 四川写正智能科技有限公司 一种用于检测用户运动状态的雷达传感器系统及检测方法
WO2022228665A1 (en) * 2021-04-28 2022-11-03 Huawei Technologies Co., Ltd. Detection system for electronic apparatus
CN113190198A (zh) * 2021-04-29 2021-07-30 上海探寻信息技术有限公司 一种用于保护视力的显示方法与设备
CN113749474A (zh) * 2021-09-17 2021-12-07 苏州爱果乐科技有限公司 一种学习模式提醒学习桌及其学习模式触控系统
CN113835536A (zh) * 2021-09-26 2021-12-24 四川写正智能科技有限公司 正确读写的坐标标定方法及智能电话手表
CN114636219A (zh) * 2022-03-18 2022-06-17 青岛海尔空调器有限总公司 用于控制空调的方法及装置、空调

Also Published As

Publication number Publication date
CN112270815B (zh) 2021-03-16

Similar Documents

Publication Publication Date Title
CN112270815B (zh) 一种基于智能手表的读写姿态识别方法及系统
WO2021138964A1 (zh) 基于智能手表的读写距离识别方法
CN105788185A (zh) 一种坐姿监测方法及装置
CN112014850B (zh) 一种基于激光测距传感器判断读写状态的方法及移动设备
NL2029643B1 (en) Ai eye protection desk lamp with sitting posture correction reminder and implementation method thereof
CN111918133A (zh) 辅导和监督学生写作业的方法、电视机和存储介质
CN212679100U (zh) 姿态检测系统、姿态检测装置以及桌子套件
CN110934591B (zh) 一种坐姿检测方法及装置
CN111999999A (zh) 一种可纠正坐姿的儿童智能手表及纠正方法
KR20190047648A (ko) 행동에 대한 피드백을 제공하는 웨어러블 디바이스 및 방법
CN110148092A (zh) 基于机器视觉的青少年坐姿及情绪状态的分析方法
CN113128379A (zh) 人体跌倒检测方法、计算机可读存储介质和电子装置
CN109783999B (zh) 校园近视防控装置及方法
CN113034322B (zh) 一种基于互联网的线上教育监督系统及方法
CN109141346A (zh) 穿戴式设备的坐姿更正引导方法、装置、设备及存储介质
CN113589296A (zh) 一种人体坐姿检测装置及方法
CN112698314B (zh) 一种基于毫米波雷达传感器的儿童智能健康管理方法
CN106774831A (zh) 一种坐姿提醒方法、装置及系统
CN109887248B (zh) 一种基于ai学习的智能防近视系统和方法
CN113903161A (zh) 一种坐姿提醒装置及方法
Moon et al. Novel design of artificial eye using EOG (electrooculography)
CN113486789A (zh) 基于脸部面积的坐姿检测方法、电子设备及存储介质
CN115690867A (zh) 课堂专注度检测方法、装置、设备及存储介质
CN113835536B (zh) 正确读写的坐标标定方法及智能电话手表
CN216387366U (zh) 基于毫米波雷达的学习状态监测装置

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