CN112270815B - 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
CN112270815B
CN112270815B CN202011532094.9A CN202011532094A CN112270815B CN 112270815 B CN112270815 B CN 112270815B CN 202011532094 A CN202011532094 A CN 202011532094A CN 112270815 B CN112270815 B CN 112270815B
Authority
CN
China
Prior art keywords
child
fit
goodness
read
write
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
CN202011532094.9A
Other languages
English (en)
Other versions
CN112270815A (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

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 64600DEST_PATH_IMAGE001
时刻产生的第三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 549939DEST_PATH_IMAGE001
时刻三维坐标系中儿童读写轮廓上表示第
Figure DEST_PATH_IMAGE002
个特征部位轮廓上第
Figure 579075DEST_PATH_IMAGE003
个位置 点
Figure 350722DEST_PATH_IMAGE004
；
在时间段内，基于各位置点
Figure 225662DEST_PATH_IMAGE004
的三轴坐标
Figure 373746DEST_PATH_IMAGE005
、
Figure 991810DEST_PATH_IMAGE006
和
Figure 809724DEST_PATH_IMAGE007
分 别绘制
Figure 513238DEST_PATH_IMAGE008
目标曲线、
Figure 465013DEST_PATH_IMAGE009
目标曲线和
Figure 937583DEST_PATH_IMAGE010
目标曲线，其中，
Figure 441245DEST_PATH_IMAGE011
，
Figure 897635DEST_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 387522DEST_PATH_IMAGE008
目标曲线、
Figure 855543DEST_PATH_IMAGE009
目标曲线和
Figure 405473DEST_PATH_IMAGE010
目标曲线 对应的
Figure 818000DEST_PATH_IMAGE013
标准曲线、
Figure 111578DEST_PATH_IMAGE014
标准曲线和
Figure 683374DEST_PATH_IMAGE015
标准曲线；
分别计算
Figure 404205DEST_PATH_IMAGE008
目标曲线和
Figure 835187DEST_PATH_IMAGE013
标准曲线的第
Figure 542243DEST_PATH_IMAGE016
吻合度，
Figure 843911DEST_PATH_IMAGE009
目标曲线和
Figure 735644DEST_PATH_IMAGE014
标准 曲线的第
Figure 122763DEST_PATH_IMAGE017
吻合度以及
Figure 882777DEST_PATH_IMAGE010
目标曲线和
Figure 304531DEST_PATH_IMAGE015
标准曲线第
Figure 367165DEST_PATH_IMAGE018
吻合度；
当
Figure 241580DEST_PATH_IMAGE019
，
Figure 556018DEST_PATH_IMAGE020
时，即特征部位为头部，头部轮廓上位置点的总数为
Figure 832278DEST_PATH_IMAGE021
时， 若各
Figure 65814DEST_PATH_IMAGE022
吻合度、第
Figure 543370DEST_PATH_IMAGE023
吻合度和第
Figure 520553DEST_PATH_IMAGE024
吻合度均大于等于预设的第一吻合度阈值，
和/或，
当
Figure 916899DEST_PATH_IMAGE025
，
Figure 321336DEST_PATH_IMAGE026
时，即特征部位为胸口，胸口轮廓上位置点的总数为
Figure 780130DEST_PATH_IMAGE027
时， 若各
Figure 561004DEST_PATH_IMAGE028
吻合度、第
Figure 811857DEST_PATH_IMAGE029
吻合度和第
Figure 387195DEST_PATH_IMAGE030
吻合度均大于等于预设的第二吻合度阈值，
和/或，
当
Figure 582553DEST_PATH_IMAGE031
，
Figure 901539DEST_PATH_IMAGE032
时，即特征部位为左臂，左臂轮廓上位置点的总数为
Figure 272477DEST_PATH_IMAGE033
时， 若各
Figure 894082DEST_PATH_IMAGE034
吻合度、第
Figure 717682DEST_PATH_IMAGE035
吻合度和第
Figure 574780DEST_PATH_IMAGE036
吻合度均大于等于预设的第三吻合度阈值，
和/或，
当
Figure 800224DEST_PATH_IMAGE037
，
Figure 841999DEST_PATH_IMAGE038
时，即特征部位为右臂，右臂轮廓上位置点的总数为
Figure 887315DEST_PATH_IMAGE039
时， 若各
Figure 548104DEST_PATH_IMAGE040
吻合度、第
Figure 628055DEST_PATH_IMAGE041
吻合度和第
Figure 591463DEST_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 124075DEST_PATH_IMAGE043
Figure 588555DEST_PATH_IMAGE044
其中，
Figure 913226DEST_PATH_IMAGE045
为吻合度，
Figure 172169DEST_PATH_IMAGE046
和
Figure 192077DEST_PATH_IMAGE047
为预设的权重值，
Figure 460248DEST_PATH_IMAGE048
为目标点集合中第
Figure 124578DEST_PATH_IMAGE049
个目标点 的值，
Figure 554423DEST_PATH_IMAGE050
为标准点集合中第
Figure 61627DEST_PATH_IMAGE049
个标准点的值，
Figure 867909DEST_PATH_IMAGE051
为目标曲线函数，
Figure 638944DEST_PATH_IMAGE052
为标准曲线函数，
Figure 505269DEST_PATH_IMAGE053
为 各目标点或标准点的总数目，
Figure 234190DEST_PATH_IMAGE054
为预设调整值列表中第
Figure 985109DEST_PATH_IMAGE055
个调整值，
Figure 483086DEST_PATH_IMAGE056
为调整值的总数 目，
Figure 520312DEST_PATH_IMAGE057
为预设的验证阈值，
Figure 736530DEST_PATH_IMAGE058
为第
Figure 9248DEST_PATH_IMAGE059
个采样点的值，
Figure 892891DEST_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 101018DEST_PATH_IMAGE061
其中，
Figure 679898DEST_PATH_IMAGE062
为对第
Figure 631674DEST_PATH_IMAGE063
吻合度阈值进行调整后的值，
Figure 369822DEST_PATH_IMAGE064
为对第
Figure 873485DEST_PATH_IMAGE063
吻合度阈值 进行调整前的值即当前值，
Figure 64295DEST_PATH_IMAGE065
为预设的误差系数，
Figure 554182DEST_PATH_IMAGE066
为扩充后第
Figure 287783DEST_PATH_IMAGE063
吻合度阈值对应的子数据 库中的曲线数量，为扩充前第
Figure 250240DEST_PATH_IMAGE063
吻合度阈值对应的子数据库中的曲线数量，
Figure 543818DEST_PATH_IMAGE069
为第
Figure 115613DEST_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 836445DEST_PATH_IMAGE001
时刻产生的第三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 736268DEST_PATH_IMAGE001
时刻三维坐标系中儿童读写轮廓上表示第
Figure 567957DEST_PATH_IMAGE002
个特征部位轮廓上第
Figure 276150DEST_PATH_IMAGE003
个位 置点
Figure 167883DEST_PATH_IMAGE004
；
在时间段内，基于各位置点
Figure 555002DEST_PATH_IMAGE004
的三轴坐标
Figure 317946DEST_PATH_IMAGE005
、
Figure 739700DEST_PATH_IMAGE006
和
Figure 67913DEST_PATH_IMAGE007
分 别绘制
Figure 817695DEST_PATH_IMAGE008
目标曲线、
Figure 725608DEST_PATH_IMAGE009
目标曲线和
Figure 267448DEST_PATH_IMAGE010
目标曲线，其中，
Figure 500983DEST_PATH_IMAGE011
，
Figure 987328DEST_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 964511DEST_PATH_IMAGE008
目标曲线、
Figure 95278DEST_PATH_IMAGE009
目标曲线和
Figure 499715DEST_PATH_IMAGE010
目标曲线 对应的
Figure 224088DEST_PATH_IMAGE013
标准曲线、
Figure 4962DEST_PATH_IMAGE014
标准曲线和
Figure 255815DEST_PATH_IMAGE015
标准曲线；
分别计算
Figure 955787DEST_PATH_IMAGE008
目标曲线和
Figure 292090DEST_PATH_IMAGE013
标准曲线的第
Figure 611076DEST_PATH_IMAGE016
吻合度，
Figure 716435DEST_PATH_IMAGE009
目标曲线和
Figure 338041DEST_PATH_IMAGE014
标准 曲线的第
Figure 161640DEST_PATH_IMAGE017
吻合度以及
Figure 18738DEST_PATH_IMAGE010
目标曲线和
Figure 978604DEST_PATH_IMAGE015
标准曲线第
Figure 285957DEST_PATH_IMAGE018
吻合度；
当
Figure 331273DEST_PATH_IMAGE019
，
Figure 257641DEST_PATH_IMAGE020
时，即特征部位为头部，头部轮廓上位置点的总数为
Figure 212959DEST_PATH_IMAGE021
时， 若各
Figure 301000DEST_PATH_IMAGE022
吻合度、第
Figure 833613DEST_PATH_IMAGE023
吻合度和第
Figure 298092DEST_PATH_IMAGE024
吻合度均大于等于预设的第一吻合度阈值，
和/或，
当
Figure 360114DEST_PATH_IMAGE025
，
Figure 619057DEST_PATH_IMAGE026
时，即特征部位为胸口，胸口轮廓上位置点的总数为
Figure 638965DEST_PATH_IMAGE027
时， 若各
Figure 641557DEST_PATH_IMAGE028
吻合度、第
Figure 305887DEST_PATH_IMAGE029
吻合度和第
Figure 1311DEST_PATH_IMAGE030
吻合度均大于等于预设的第二吻合度阈值，
和/或，
当
Figure 508515DEST_PATH_IMAGE031
，
Figure 49218DEST_PATH_IMAGE032
时，即特征部位为左臂，左臂轮廓上位置点的总数为
Figure 82902DEST_PATH_IMAGE033
时， 若各
Figure 683648DEST_PATH_IMAGE034
吻合度、第
Figure 678149DEST_PATH_IMAGE035
吻合度和第
Figure 163488DEST_PATH_IMAGE036
吻合度均大于等于预设的第三吻合度阈值，
和/或，
当
Figure 927044DEST_PATH_IMAGE037
，
Figure 964270DEST_PATH_IMAGE038
时，即特征部位为右臂，右臂轮廓上位置点的总数为
Figure 180488DEST_PATH_IMAGE070
时， 若各
Figure 453207DEST_PATH_IMAGE040
吻合度、第
Figure 71270DEST_PATH_IMAGE041
吻合度和第
Figure 279397DEST_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（即第三雷达数据，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 123856DEST_PATH_IMAGE071
Figure 810053DEST_PATH_IMAGE072
其中，
Figure 548202DEST_PATH_IMAGE045
为吻合度，
Figure 927230DEST_PATH_IMAGE046
和
Figure 242674DEST_PATH_IMAGE047
为预设的权重值，
Figure 732561DEST_PATH_IMAGE048
为目标点集合中第
Figure 59637DEST_PATH_IMAGE049
个目标点 的值，
Figure 609567DEST_PATH_IMAGE050
为标准点集合中第
Figure 163040DEST_PATH_IMAGE049
个标准点的值，
Figure 456618DEST_PATH_IMAGE051
为目标曲线函数，
Figure 903779DEST_PATH_IMAGE052
为标准曲线函数，
Figure 359032DEST_PATH_IMAGE053
为 各目标点或标准点的总数目，
Figure 929295DEST_PATH_IMAGE054
为预设调整值列表中第
Figure 760985DEST_PATH_IMAGE055
个调整值，
Figure 328232DEST_PATH_IMAGE056
为调整值的总数 目，
Figure 829752DEST_PATH_IMAGE057
为预设的验证阈值，
Figure 482450DEST_PATH_IMAGE058
为第
Figure 117831DEST_PATH_IMAGE059
个采样点的值，
Figure 274006DEST_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 461274DEST_PATH_IMAGE073
其中，
Figure 335689DEST_PATH_IMAGE062
为对第
Figure 774760DEST_PATH_IMAGE063
吻合度阈值进行调整后的值，
Figure 51021DEST_PATH_IMAGE064
为对第
Figure 159922DEST_PATH_IMAGE063
吻合度阈值 进行调整前的值即当前值，
Figure 521633DEST_PATH_IMAGE065
为预设的误差系数，
Figure 498817DEST_PATH_IMAGE066
为扩充后第
Figure 19797DEST_PATH_IMAGE063
吻合度阈值对应的子数据 库中的曲线数量，为扩充前第
Figure 273241DEST_PATH_IMAGE063
吻合度阈值对应的子数据库中的曲线数量，
Figure 788536DEST_PATH_IMAGE069
为第
Figure 914755DEST_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 490092DEST_PATH_IMAGE075
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 826396DEST_PATH_IMAGE076
不存在时，
Figure 145382DEST_PATH_IMAGE075
或
Figure 375375DEST_PATH_IMAGE077
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 121614DEST_PATH_IMAGE001
时刻产生的第三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 679634DEST_PATH_IMAGE001
时刻三维坐标系中儿童读写轮廓上表示第
Figure 802311DEST_PATH_IMAGE002
个特征部位轮廓上第
Figure 637543DEST_PATH_IMAGE003
个位 置点
Figure 554683DEST_PATH_IMAGE004
；
在时间段内，基于各位置点
Figure 865579DEST_PATH_IMAGE004
的三轴坐标
Figure 526367DEST_PATH_IMAGE005
、
Figure 733882DEST_PATH_IMAGE006
和
Figure 87503DEST_PATH_IMAGE007
分 别绘制
Figure 620116DEST_PATH_IMAGE008
目标曲线、
Figure 959961DEST_PATH_IMAGE009
目标曲线和
Figure 628840DEST_PATH_IMAGE010
目标曲线，其中，
Figure 153362DEST_PATH_IMAGE011
，
Figure 173271DEST_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 300496DEST_PATH_IMAGE008
目标曲线、
Figure 89460DEST_PATH_IMAGE009
目标曲线和
Figure 784884DEST_PATH_IMAGE010
目标曲线 对应的
Figure 26509DEST_PATH_IMAGE013
标准曲线、
Figure 708158DEST_PATH_IMAGE014
标准曲线和
Figure 617208DEST_PATH_IMAGE015
标准曲线；
分别计算
Figure 217953DEST_PATH_IMAGE008
目标曲线和
Figure 212454DEST_PATH_IMAGE013
标准曲线的第
Figure 681482DEST_PATH_IMAGE016
吻合度，
Figure 445038DEST_PATH_IMAGE009
目标曲线和
Figure 482264DEST_PATH_IMAGE014
标准 曲线的第
Figure 839428DEST_PATH_IMAGE017
吻合度以及
Figure 987512DEST_PATH_IMAGE010
目标曲线和
Figure 605575DEST_PATH_IMAGE015
标准曲线第
Figure 813703DEST_PATH_IMAGE018
吻合度；
当
Figure 641850DEST_PATH_IMAGE019
，
Figure 328047DEST_PATH_IMAGE020
时，即特征部位为头部，头部轮廓上位置点的总数为
Figure 66195DEST_PATH_IMAGE021
时， 若各
Figure 179645DEST_PATH_IMAGE022
吻合度、第
Figure 245821DEST_PATH_IMAGE023
吻合度和第
Figure 735708DEST_PATH_IMAGE024
吻合度均大于等于预设的第一吻合度阈值，
和/或，
当
Figure 328364DEST_PATH_IMAGE025
，
Figure 878294DEST_PATH_IMAGE026
时，即特征部位为胸口，胸口轮廓上位置点的总数为
Figure 683963DEST_PATH_IMAGE027
时， 若各
Figure 711962DEST_PATH_IMAGE028
吻合度、第
Figure 159124DEST_PATH_IMAGE029
吻合度和第
Figure 879955DEST_PATH_IMAGE030
吻合度均大于等于预设的第二吻合度阈值，
和/或，
当
Figure 920723DEST_PATH_IMAGE031
，
Figure 752413DEST_PATH_IMAGE032
时，即特征部位为左臂，左臂轮廓上位置点的总数为
Figure 54082DEST_PATH_IMAGE033
时， 若各
Figure 945814DEST_PATH_IMAGE034
吻合度、第
Figure 723146DEST_PATH_IMAGE035
吻合度和第
Figure 358527DEST_PATH_IMAGE036
吻合度均大于等于预设的第三吻合度阈值，
和/或，
当
Figure 780281DEST_PATH_IMAGE037
，
Figure 718281DEST_PATH_IMAGE038
时，即特征部位为右臂，右臂轮廓上位置点的总数为
Figure 592696DEST_PATH_IMAGE039
时， 若各
Figure 31768DEST_PATH_IMAGE040
吻合度、第
Figure 308028DEST_PATH_IMAGE041
吻合度和第
Figure 666197DEST_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（即第三雷达数据，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 27909DEST_PATH_IMAGE043
Figure 739513DEST_PATH_IMAGE044
其中，
Figure 135859DEST_PATH_IMAGE045
为吻合度，
Figure 415662DEST_PATH_IMAGE046
和
Figure 264669DEST_PATH_IMAGE047
为预设的权重值，
Figure 779964DEST_PATH_IMAGE048
为目标点集合中第
Figure 421030DEST_PATH_IMAGE049
个目标点 的值，
Figure 730788DEST_PATH_IMAGE050
为标准点集合中第
Figure 67092DEST_PATH_IMAGE049
个标准点的值，
Figure 651657DEST_PATH_IMAGE051
为目标曲线函数，
Figure 632382DEST_PATH_IMAGE052
为标准曲线函数，
Figure 378621DEST_PATH_IMAGE053
为 各目标点或标准点的总数目，
Figure 936642DEST_PATH_IMAGE054
为预设调整值列表中第
Figure 59319DEST_PATH_IMAGE055
个调整值，
Figure 146748DEST_PATH_IMAGE056
为调整值的总数 目，
Figure 63888DEST_PATH_IMAGE057
为预设的验证阈值，
Figure 374784DEST_PATH_IMAGE058
为第
Figure 35572DEST_PATH_IMAGE059
个采样点的值，
Figure 725311DEST_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 78932DEST_PATH_IMAGE061
其中，
Figure 611544DEST_PATH_IMAGE062
为对第
Figure 810444DEST_PATH_IMAGE063
吻合度阈值进行调整后的值，
Figure 869536DEST_PATH_IMAGE064
为对第
Figure 394058DEST_PATH_IMAGE063
吻合度阈值 进行调整前的值即当前值，
Figure 148388DEST_PATH_IMAGE065
为预设的误差系数，
Figure 416558DEST_PATH_IMAGE066
为扩充后第
Figure 346468DEST_PATH_IMAGE063
吻合度阈值对应的子数据 库中的曲线数量，为扩充前第
Figure 283517DEST_PATH_IMAGE063
吻合度阈值对应的子数据库中的曲线数量，
Figure 214433DEST_PATH_IMAGE069
为第
Figure 857904DEST_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 724229DEST_PATH_IMAGE075
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 453150DEST_PATH_IMAGE076
不存在时，
Figure 938489DEST_PATH_IMAGE075
或
Figure 702046DEST_PATH_IMAGE077
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 (5)

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；
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，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；
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；
所述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 453246DEST_PATH_IMAGE001
时刻产生的第三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 935043DEST_PATH_IMAGE001
时刻三维坐标系中所述儿童读写轮廓上表示第
Figure 958494DEST_PATH_IMAGE002
个特征部位轮廓上第
Figure 576557DEST_PATH_IMAGE003
个位 置点
Figure 519105DEST_PATH_IMAGE004
；
在所述时间段内，基于各所述位置点
Figure 222619DEST_PATH_IMAGE004
的三轴坐标
Figure 299028DEST_PATH_IMAGE005
、
Figure 771598DEST_PATH_IMAGE006
和
Figure 150627DEST_PATH_IMAGE007
分别绘制
Figure 482382DEST_PATH_IMAGE008
目标曲线、
Figure 972269DEST_PATH_IMAGE009
目标曲线和
Figure 564924DEST_PATH_IMAGE010
目标曲线，其中，
Figure 114854DEST_PATH_IMAGE011
，
Figure 652015DEST_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 945593DEST_PATH_IMAGE008
目标曲线、
Figure 392755DEST_PATH_IMAGE009
目标曲线和
Figure 113586DEST_PATH_IMAGE010
目标曲线对应的
Figure 154355DEST_PATH_IMAGE013
标准曲线、
Figure 986044DEST_PATH_IMAGE014
标准曲线和
Figure 287713DEST_PATH_IMAGE015
标准曲线；
分别计算
Figure 179445DEST_PATH_IMAGE008
目标曲线和
Figure 691198DEST_PATH_IMAGE013
标准曲线的第
Figure 326579DEST_PATH_IMAGE016
吻合度，
Figure 748333DEST_PATH_IMAGE009
目标曲线和
Figure 951912DEST_PATH_IMAGE014
标准曲线 的第
Figure 826327DEST_PATH_IMAGE017
吻合度以及
Figure 734241DEST_PATH_IMAGE010
目标曲线和
Figure 276080DEST_PATH_IMAGE015
标准曲线第
Figure 637179DEST_PATH_IMAGE018
吻合度；
当
Figure 998890DEST_PATH_IMAGE019
，
Figure 976074DEST_PATH_IMAGE020
时，即特征部位为头部，头部轮廓上位置点的总数为
Figure 372420DEST_PATH_IMAGE021
时，若各
Figure 917802DEST_PATH_IMAGE022
吻合度、第
Figure 501230DEST_PATH_IMAGE023
吻合度和第
Figure 282104DEST_PATH_IMAGE024
吻合度均大于等于预设的第一吻合度阈值，
和/或，
当
Figure 657591DEST_PATH_IMAGE025
，
Figure 232928DEST_PATH_IMAGE026
时，即特征部位为胸口，胸口轮廓上位置点的总数为
Figure 303653DEST_PATH_IMAGE027
时，若各
Figure 622638DEST_PATH_IMAGE028
吻合度、第
Figure 603364DEST_PATH_IMAGE029
吻合度和第
Figure 349603DEST_PATH_IMAGE030
吻合度均大于等于预设的第二吻合度阈值，
和/或，
当
Figure 173203DEST_PATH_IMAGE031
，
Figure 30300DEST_PATH_IMAGE032
时，即特征部位为左臂，左臂轮廓上位置点的总数为
Figure 380379DEST_PATH_IMAGE033
时，若各
Figure 297519DEST_PATH_IMAGE034
吻合度、第
Figure 342836DEST_PATH_IMAGE035
吻合度和第
Figure 144570DEST_PATH_IMAGE036
吻合度均大于等于预设的第三吻合度阈值，
和/或，
当
Figure 224521DEST_PATH_IMAGE037
，
Figure 312563DEST_PATH_IMAGE038
时，即特征部位为右臂，右臂轮廓上位置点的总数为
Figure 845175DEST_PATH_IMAGE039
时，若各
Figure 434289DEST_PATH_IMAGE040
吻合度、第
Figure 368746DEST_PATH_IMAGE041
吻合度和第
Figure 627689DEST_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 647598DEST_PATH_IMAGE043
其中，
Figure 791135DEST_PATH_IMAGE044
为对第
Figure 580099DEST_PATH_IMAGE045
吻合度阈值进行调整后的值，
Figure 9943DEST_PATH_IMAGE046
为对第
Figure 517148DEST_PATH_IMAGE045
吻合度阈值进行 调整前的值即当前值，
Figure 439275DEST_PATH_IMAGE047
为预设的误差系数，
Figure 348325DEST_PATH_IMAGE048
为扩充后第
Figure 214650DEST_PATH_IMAGE045
吻合度阈值对应的子数据库中 的曲线数量，为扩充前第
Figure 428910DEST_PATH_IMAGE045
吻合度阈值对应的子数据库中的曲线数量，
Figure 926888DEST_PATH_IMAGE051
为第
Figure 964114DEST_PATH_IMAGE045
吻合 度阈值对应的预设调整量。
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。
3.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， 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 304966DEST_PATH_IMAGE052
Figure 453050DEST_PATH_IMAGE053
其中，
Figure 71113DEST_PATH_IMAGE054
为吻合度，
Figure 279241DEST_PATH_IMAGE055
和
Figure 858121DEST_PATH_IMAGE056
为预设的权重值，
Figure 809896DEST_PATH_IMAGE057
为目标点集合中第
Figure 282466DEST_PATH_IMAGE058
个目标点的值，
Figure 661495DEST_PATH_IMAGE059
为标准点集合中第
Figure 976938DEST_PATH_IMAGE060
个标准点的值，
Figure 466825DEST_PATH_IMAGE061
为目标曲线函数，
Figure 59481DEST_PATH_IMAGE062
为标准曲线函数，
Figure 343832DEST_PATH_IMAGE063
为各目标 点或标准点的总数目，
Figure 162883DEST_PATH_IMAGE064
为预设调整值列表中第
Figure 456461DEST_PATH_IMAGE065
个调整值，
Figure 903623DEST_PATH_IMAGE066
为调整值的总数目，
Figure 749088DEST_PATH_IMAGE067
为 预设的验证阈值，
Figure 648911DEST_PATH_IMAGE068
为第
Figure 480601DEST_PATH_IMAGE069
个采样点的值，
Figure 47848DEST_PATH_IMAGE070
为采样点的总数目
Figure DEST_PATH_IMAGE071
4.一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；
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；
其中，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；
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；
所述专注检测模块执行包括如下操作：
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 80526DEST_PATH_IMAGE001
时刻产生的第三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 467645DEST_PATH_IMAGE001
时刻三维坐标系中所述儿童读写轮廓上表示第
Figure 103026DEST_PATH_IMAGE002
个特征部位轮廓上第
Figure 917923DEST_PATH_IMAGE003
个位 置点
Figure 980557DEST_PATH_IMAGE004
；
在所述时间段内，基于各所述位置点
Figure 854972DEST_PATH_IMAGE004
的三轴坐标
Figure 903831DEST_PATH_IMAGE005
、
Figure 180091DEST_PATH_IMAGE006
和
Figure 413626DEST_PATH_IMAGE007
分别绘制
Figure 165551DEST_PATH_IMAGE008
目标曲线、
Figure 142734DEST_PATH_IMAGE009
目标曲线和
Figure 273501DEST_PATH_IMAGE010
目标曲线，其中，
Figure 677937DEST_PATH_IMAGE011
，
Figure 402311DEST_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 183185DEST_PATH_IMAGE008
目标曲线、
Figure 168459DEST_PATH_IMAGE009
目标曲线和
Figure 743796DEST_PATH_IMAGE010
目标曲线对应的
Figure 204734DEST_PATH_IMAGE013
标准曲线、
Figure 523720DEST_PATH_IMAGE014
标准曲线和
Figure 629079DEST_PATH_IMAGE015
标准曲线；
分别计算
Figure 375318DEST_PATH_IMAGE008
目标曲线和
Figure 74284DEST_PATH_IMAGE013
标准曲线的第
Figure 196960DEST_PATH_IMAGE016
吻合度，
Figure 156826DEST_PATH_IMAGE009
目标曲线和
Figure 464180DEST_PATH_IMAGE014
标准曲线 的第
Figure 509496DEST_PATH_IMAGE017
吻合度以及
Figure 170285DEST_PATH_IMAGE010
目标曲线和
Figure 250236DEST_PATH_IMAGE015
标准曲线第
Figure 479223DEST_PATH_IMAGE018
吻合度；
当
Figure 11836DEST_PATH_IMAGE019
，
Figure 476315DEST_PATH_IMAGE020
时，即特征部位为头部，头部轮廓上位置点的总数为
Figure 538336DEST_PATH_IMAGE021
时，若各
Figure 797279DEST_PATH_IMAGE022
吻合度、第
Figure 817188DEST_PATH_IMAGE023
吻合度和第
Figure 960725DEST_PATH_IMAGE024
吻合度均大于等于预设的第一吻合度阈值，
和/或，
当
Figure 749689DEST_PATH_IMAGE025
，
Figure 445113DEST_PATH_IMAGE026
时，即特征部位为胸口，胸口轮廓上位置点的总数为
Figure 952317DEST_PATH_IMAGE027
时，若各
Figure 617654DEST_PATH_IMAGE028
吻合度、第
Figure 526704DEST_PATH_IMAGE029
吻合度和第
Figure 127450DEST_PATH_IMAGE030
吻合度均大于等于预设的第二吻合度阈值，
和/或，
当
Figure 121950DEST_PATH_IMAGE031
，
Figure 341710DEST_PATH_IMAGE032
时，即特征部位为左臂，左臂轮廓上位置点的总数为
Figure 105267DEST_PATH_IMAGE033
时，若各
Figure 142493DEST_PATH_IMAGE034
吻合度、第
Figure 358711DEST_PATH_IMAGE035
吻合度和第
Figure 631429DEST_PATH_IMAGE036
吻合度均大于等于预设的第三吻合度阈值，
和/或，
当
Figure 249492DEST_PATH_IMAGE037
，
Figure 723199DEST_PATH_IMAGE038
时，即特征部位为右臂，右臂轮廓上位置点的总数为
Figure 302079DEST_PATH_IMAGE039
时，若各
Figure 988275DEST_PATH_IMAGE040
吻合度、第
Figure 726424DEST_PATH_IMAGE041
吻合度和第
Figure 105453DEST_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 420897DEST_PATH_IMAGE043
其中，
Figure 910784DEST_PATH_IMAGE044
为对第
Figure 237860DEST_PATH_IMAGE045
吻合度阈值进行调整后的值，
Figure 787790DEST_PATH_IMAGE046
为对第
Figure 341262DEST_PATH_IMAGE045
吻合度阈值进行 调整前的值即当前值，
Figure 634840DEST_PATH_IMAGE047
为预设的误差系数，
Figure 82002DEST_PATH_IMAGE048
为扩充后第
Figure 537254DEST_PATH_IMAGE045
吻合度阈值对应的子数据库中 的曲线数量，为扩充前第
Figure 927489DEST_PATH_IMAGE045
吻合度阈值对应的子数据库中的曲线数量，
Figure 494736DEST_PATH_IMAGE051
为第
Figure 996256DEST_PATH_IMAGE045
吻合度 阈值对应的预设调整量。
5.如权利要求4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 CN112270815A (zh) 2021-01-26
CN112270815B true 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)

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
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
CN113749474B (zh) * 2021-09-17 2022-11-15 爱果乐科技股份有限公司 一种学习模式提醒学习桌及其学习模式触控系统
CN113835536B (zh) * 2021-09-26 2023-05-09 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

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
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

Family Cites Families (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8884734B2 (en) * 2008-11-17 2014-11-11 Roger Li-Chung Wu Vision protection method and system thereof
US8339285B2 (en) * 2009-07-27 2012-12-25 The Boeing Company Tactile pilot alerting system and method
EP3943971A1 (en) * 2015-04-20 2022-01-26 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
US10466772B2 (en) * 2017-01-09 2019-11-05 Infineon Technologies Ag System and method of gesture detection for a remote device
US11204411B2 (en) * 2017-06-22 2021-12-21 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
CN108256545B (zh) * 2017-11-29 2021-12-28 西北大学 一种曲线匹配方法及目标物体的形状匹配方法
CN110163113B (zh) * 2019-04-25 2023-04-07 上海师范大学 一种人体行为相似度计算方法及装置
CN110187341B (zh) * 2019-06-25 2021-04-30 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
CN111374450A (zh) * 2019-08-30 2020-07-07 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
CN110850706B (zh) * 2019-11-12 2021-03-23 鄢家厚 一种基于智能手表的读写距离识别方法
CN111265139A (zh) * 2020-03-19 2020-06-12 广东蓝水花智能电子有限公司 一种智能马桶座圈控制方法
CN112014850B (zh) * 2020-10-23 2021-01-15 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 (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
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

Also Published As

Publication number Publication date
CN112270815A (zh) 2021-01-26

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
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
CN213241435U (zh) 一种学生学习保护视力的桌面装置
CN212679100U (zh) 姿态检测系统、姿态检测装置以及桌子套件
CN111918133A (zh) 辅导和监督学生写作业的方法、电视机和存储介质
CN106773626A (zh) 一种腕表及坐姿矫正装置与方法
CN110934591B (zh) 一种坐姿检测方法及装置
KR101824478B1 (ko) 움직임 감지를 이용한 학습집중시간 측정장치
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
CN109118730A (zh) 一种坐姿调整提示的方法、装置、智能台灯和存储介质
CN114255508A (zh) 一种基于OpenPose的学生体态检测分析及效率评估方法
CN113034322B (zh) 一种基于互联网的线上教育监督系统及方法
CN112799060A (zh) 基于毫米波雷达的学习状态监测装置、方法及介质
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
CN111444789B (zh) 一种基于视频感应技术的近视预防方法及其系统
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
CN112464776A (zh) 一种学习状态监测方法、系统和装置
KR20200000680U (ko) 학습 집중도 향상 장치
CN106774831A (zh) 一种坐姿提醒方法、装置及系统
CN109783999B (zh) 校园近视防控装置及方法
CN113589296A (zh) 一种人体坐姿检测装置及方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant