CN113053074A - 坐姿监测方法 - Google Patents

Abstract

本发明涉及坐姿监测方法，用于监测人体的坐姿，该坐姿监测方法为：检测人体背部脊柱中线相对于铅垂线所成角度，判断角度是否达到预设的角度阈值以及人体保持角度的时间是否达到预设的时间阈值，若角度达到或超过角度阈值，且人体保持该达到或超过角度阈值的角度的时间达到或超过时间阈值，则判断人体坐姿异常，并进行提醒。判断人体坐姿异常后，进一步判断人体坐姿异常所属的类型，并根据人体坐姿异常的不同类型分别进行对应的提醒。本发明能够将人体背部脊柱中线相对于铅垂线所成角度结合角度阈值、时间阈值来对坐姿进行判断，从而可以准确判断坐姿并进行提醒，防止人体动作导致的误判断，提高准确性。

Description

坐姿监测方法

技术领域

本发明涉及一种用于监测人体坐姿的坐姿监测方法。

背景技术

坐姿不良会对人体造成脊柱弯曲、脊柱侧凸等危害，影响身体健康、体态形象。因此需要对坐姿进行监测。现有的对人体坐姿进行监测的方法往往功能单一，只能监测出人体驼背前倾时的状态，对左、右倾斜的坐姿无法识别出。而且无法排除俯身、低头或者弯腰等特殊情况，容易对人体的动作产生误判断。

发明内容

本发明的目的是提供一种能够对人体坐姿进行检测且能够防止误判断的坐姿监测方法。

为达到上述目的，本发明采用的技术方案是：

一种坐姿监测方法，用于监测人体的坐姿，所述坐姿监测方法为：检测人体背部脊柱中线相对于铅垂线所成角度，判断所述角度是否达到预设的角度阈值以及人体保持所述角度的时间是否达到预设的时间阈值，若所述角度达到或超过所述角度阈值，且人体保持该达到或超过所述角度阈值的角度的时间达到或超过所述时间阈值，则判断人体坐姿异常，并进行提醒。

优选的，判断人体坐姿异常后，进一步判断人体坐姿异常所属的类型，并根据人体坐姿异常的不同类型分别进行对应的提醒；依据人体背部脊柱中线相对于铅垂线所成角度的不同将人体坐姿异常分为四个类型，分别为前倾、后仰、左倾和右倾。

优选的，判断人体坐姿异常所属类型的方法为：将人体置于人体坐标系中，所述人体坐标系的坐标原点o为人体重心位置，x轴垂直于人体冠状面，y轴垂直于人体矢状面，z轴垂直于人体横断面；则基于人体背部脊柱中线相对于铅垂线所成角度，计算背部脊柱中线在x-y平面内的投影与y轴所成的映射角的角度，则依据所述映射角判断人体坐姿异常所属类型。

优选的，在x-y平面内以所述人体坐标系的原点为中心划分分别对应人体坐姿异常的四个类型的区域，则依据所述映射角所属的区域判断人体坐姿异常所属类型。

优选的，所述x-y平面中，利用各个象限的中分线划分人体坐姿异常的四个类型所对应的区域。

优选的，统计人体坐姿异常的各个类型的出现次数或时间，并依据统计结果进行对应的提醒。

优选的，检测人体上身相对于铅垂线所成角度包括分别测量对应前倾和后仰的俯仰角、对应左倾和右倾的斜倾角。

优选的，利用多轴传感器检测人体背部脊柱中线相对于铅垂线所成角度。

优选的，利用微处理器判断所述角度是否达到预设的角度阈值以及人体保持所述角度的时间是否达到预设的时间阈值。

优选的，利用振动提醒器、语音提醒器或移动端进行提醒。

由于上述技术方案运用，本发明与现有技术相比具有下列优点：本发明能够将人体背部脊柱中线相对于铅垂线所成角度结合角度阈值、时间阈值来对坐姿进行判断，从而可以准确判断坐姿并进行提醒，防止人体动作导致的误判断，提高准确性。

附图说明

附图1为本发明的坐姿监测方法中所建立的人体坐标系的示意图。

附图2为本发明的坐姿监测方法中坐姿异常判断示意图。

附图3为本发明的坐姿监测方法中坐姿异常类型判断示意图。

附图4为实现本发明的坐姿监测方法所采用的坐姿监测系统的原理框图。

具体实施方式

下面结合附图所示的实施例对本发明作进一步描述。

实施例一：一种坐姿监测方法，基于人体背部脊柱中线相对于铅垂线所成角度、角度阈值和时间阈值而实现。具体的，该坐姿监测方法为：检测人体背部脊柱中线相对于铅垂线所成角度，判断角度是否达到预设的角度阈值以及人体保持角度的时间是否达到预设的时间阈值，若角度达到或超过角度阈值，且人体保持该达到或超过角度阈值的角度的时间达到或超过时间阈值，则判断人体坐姿异常，并进行提醒。

进一步的，在判断人体坐姿异常后，再判断人体坐姿异常所属的类型，并根据人体坐姿异常的不同类型分别进行对应的提醒。对于人体的坐姿，依据人体背部脊柱中线相对于铅垂线所成角度的不同，将人体坐姿异常分为四个类型，分别为前倾、后仰、左倾和右倾。若人体背部脊柱中线相对于铅垂线所成角度未达到角度阈值，则认为其实正常坐姿。

判断人体坐姿异常所属类型的方法为：如附图1所示，将人体置于人体坐标系中，人体坐标系的坐标原点o为人体重心，x轴垂直于人体冠状面，y轴垂直于人体矢状面，z轴垂直于人体横断面。则基于人体背部脊柱中线相对于铅垂线所成角度，计算人体背部脊柱中线在x-y平面的投影与y轴所成的映射角的角度，则依据映射角判断人体坐姿异常所属类型。可以在x轴与y轴两坐标轴所在的平面x-y平面内以人体坐标系的原点为中心划分分别对应人体坐姿异常的四个类型的区域，如x-y平面中，利用各个象限的中分线划分人体坐姿异常的四个类型所对应的区域，则依据映射角所属的区域判断人体坐姿异常所属类型。

具体的，如附图2、图3所示，当人体倾斜时，人体背部脊柱中线与z轴形成夹角α，人体背部脊柱中线映射到x-y平面(x轴与y轴两坐标轴所在的平面)内会形成一条映射线，该映射线与y轴形成夹角β，。α和β满足：

其中，θ为人体上半身倾斜时，人体背部脊柱中线映射到x-z平面(x轴与z轴两坐标轴所在的平面)的映射线与z轴形成的的夹角，规定θ为绕y逆时针旋转形成时其值为正，绕y顺时针旋转形成时，其值为负。θ为正值时对应后仰角，θ为负值时对应前倾角；

为人体上半身左右倾斜时，人体背部脊柱中线映射到y-z平面(y轴与z轴两坐标轴所在的平面)的映射线与z轴形成的的夹角，规定

为绕x轴顺时针旋转形成时，其值为正；绕x轴逆时针旋转形成时，其值为负。

为正值时对应左倾角，

为负值时对应右倾角。θ、

值可从传感器原始数据中解算获得。上述计算公式中arctan()为反正切函数。

α为用于判断人体上半身弯曲程度的具体角度值。若此角度值等于或超过用户设定的角度阈值，则判断用户坐姿发生错误。

β为用于判断人体坐姿错误类型的具体倾向角度值。根据θ、

的正负号，来判断β处于x-y二维平面中具体象限位置，将β归一化到0-360度中。对360度再做分类化处理，分类成前倾、后仰、左倾、右倾、正常五种坐姿状态。不同的角度阈值范围对应不同坐姿状态，且每种角度阈值范围可调节。

在此基础上，统计人体坐姿异常的各个类型的出现次数或时间，并依据统计结果进行对应的提醒。例如，提醒用户向统计出的最常出现的坐姿异常的相反方向调整坐姿或者进行相应运动拉伸。

上述方案中，在检测人体脊柱中线相对于铅垂线所成角度时，包括分别测量对应前倾和后仰的俯仰角、对应左倾和右倾的斜倾角。

可以利用多轴传感器检测人体脊柱中线相对于铅垂线所成角度，利用微处理器判断角度是否达到预设的角度阈值以及人体保持角度的时间是否达到预设的时间阈值、判断异常坐姿所述类型。利用振动提醒器、语音提醒器或移动端进行提醒。

如附图4所示，是一种实现上述坐姿监测方法所在用的坐姿监测系统，该坐姿监测系统主要包括传感器模块、微处理器、错姿提醒模块、电源模块和按键模块。

传感器模块用于检测用户的坐姿数据并输出包含坐姿数据的传感信号。在这里，坐姿数据包括人体背部脊柱中线映射到x轴与z轴两坐标轴所在的平面x-z平面的映射线与z轴形成的的夹角、人体背部脊柱中线映射到y轴与z轴两坐标轴所在的平面y-z平面的映射线与z轴形成的的夹角。因此，通常将该坐姿监测系统，尤其是传感器模块设置于人体背部。传感器模块包括六轴惯性传感器或九轴运动传感器。六轴惯性传感器包括三轴加速度计和三轴陀螺仪；九轴运动传感器包括三轴陀螺仪、三轴加速度计和三轴磁力计。本实施例中传感器模块采用六轴惯性传感器，它由一个三轴加速度计和一个三轴陀螺仪，利用扩展卡尔曼滤波算法对两种传感器的输出数据进行融合，可以得到精确的姿态测量，其俯仰角和斜倾角的误差不超过1°，动态误差不超过3°。即在检测人体脊柱中线相对于铅垂线所成角度时，包括分别测量对应前倾和后仰的俯仰角、对应左倾和右倾的斜倾角。

微处理器与传感器模块相连接。微处理器的功能之一为对坐姿是否异常进行判断，故微处理器包括坐姿判断模块，坐姿判断模块用于根据获得的坐姿数据结合预设的角度阈值、时间阈值判断坐姿是否异常，并在坐姿异常时发出坐姿提醒控制信号。角度阈值、时间阈值既可以在微处理器内部的程序中设置，也可以通过外接设备进行设置。微处理器的另一功能是对坐姿类型进行判断，故微处理器还包括坐姿类型判断模块，坐姿类型判断模块用于根据坐姿数据判断人体坐姿异常所属类型，并根据不同类型发出对应的坐姿类型提醒控制信号。微处理器的再一功能是进行久坐判断，因此微处理器还包括久坐判断模块，久坐判断模块用于通过内置或外接的计时装置来获取用户连续坐立时间，并判断连续坐立时间是否达到久坐时间阈值，并在连续坐立时间达到久坐时间阈值时发出久坐提醒控制信号。微处理器还用于控制整个坐姿监测系统开关以及工作模式等。

错姿提醒模块与微处理器相连接，其功能包括：基于坐姿提醒控制信号进行坐姿提醒、基于坐姿类型提醒控制信号进行坐姿类型提醒、基于久坐提醒控制信号进行久坐提醒等。错姿提醒模块包括振动提醒器(如振动电机)和/或语音提醒器和/或智能提醒终端。其中，振动提醒器、语音提醒器可以直接与微处理器相连接，而智能提醒终端往往采用无线方式与微处理器连接，因此当错姿提醒模块包括智能提醒终端时，坐姿监测系统还包括射频模块，射频模块与微处理器相连接并与智能提醒终端通信，使得坐姿提醒控制信号、坐姿类型提醒控制信号、久坐提醒控制信号等均经射频模块发送给智能提醒终端。射频模块可以采用蓝牙通信模块，射频模块通过总线与微处理器相连接或集成于微处理器模块中。智能提醒终端除了包括用于进行上述提醒的提醒模块外，还包括模拟模块，模拟模块基于微处理器发送的坐姿数据进行模拟并显示具有对应坐姿的虚拟3D人物。

该坐姿监测系统还可以包括智能设置终端，该智能设置终端通过射频模块与微处理器通信。智能设置终端包括用于设置微处理器中所需的角度阈值和时间阈值的坐姿判断参数设置模块，还包括用于设置久坐时间阈值的久坐时间设置模块和/或用于设置是否启动运动唤醒功能的运动唤醒设置模块。则当运动唤醒功能启动时，微处理器连接用于进行动作检测并输出动作检测信号的动作检测模块，微处理器根据动作检测信号控制坐姿监测系统开关。

上述智能设置终端和智能提醒终端集成，并构成独立的智能装置或内嵌于智能设备中(如作为APP安装在智能手机、智能手表、平板电脑、智能机器人等设备中)。

电源模块用于为传感器模块、微处理器、错姿提醒模块(主要指振动提醒器、语音提醒器)供电，故电源模块分别与传感器模块、微处理器、错姿提醒模块相连接。电源模块包括充电电池。

按键模块与微处理器相连接，按键模块用于控制坐姿监测系统开关和设置坐姿监测系统工作模式。当未设置运动唤醒功能时，可以功过按键模块控制坐姿监测系统开关并切换其工作状态。

上述坐姿监测系统还可以包括指示灯模块，它与微处理器相连接，用于指示坐姿监测系统的工作状态。

该坐姿监测系统的工作过程为：利用传感器模块时时检测人体脊柱中线相对于铅垂线所成角度作为坐姿数据，并向微处理器发送包含该角度信息的传感信号。微处理器读取传感器模块发来的传感信号并获得坐姿数据，进行数据处理而对坐姿进行判断、人体坐姿异常所属类型判断、久坐判断等(判断方法如前所述)。判断后生成对应的坐姿提醒控制信号/坐姿类型提醒控制信号/久坐提醒控制信号，使得错姿提醒模块进行相应提醒。

上述实施例只为说明本发明的技术构思及特点，其目的在于让熟悉此项技术的人士能够了解本发明的内容并据以实施，并不能以此限制本发明的保护范围。凡根据本发明精神实质所作的等效变化或修饰，都应涵盖在本发明的保护范围之内。

Claims (10)

1.一种坐姿监测方法，用于监测人体的坐姿，其特征在于：所述坐姿监测方法为：检测人体背部脊柱中线相对于铅垂线所成角度，判断所述角度是否达到预设的角度阈值以及人体保持所述角度的时间是否达到预设的时间阈值，若所述角度达到或超过所述角度阈值，且人体保持该达到或超过所述角度阈值的角度的时间达到或超过所述时间阈值，则判断人体坐姿异常，并进行提醒。

2.根据权利要求1所述的坐姿监测方法，其特征在于：判断人体坐姿异常后，进一步判断人体坐姿异常所属的类型，并根据人体坐姿异常的不同类型分别进行对应的提醒；依据人体背部脊柱中线相对于铅垂线所成角度的不同将人体坐姿异常分为四个类型，分别为前倾、后仰、左倾和右倾。

3.根据权利要求2所述的坐姿监测方法，其特征在于：判断人体坐姿异常所属类型的方法为：将人体置于人体坐标系中，所述人体坐标系基于人体标准姿势T姿势定义，所述T姿势为人身体立正，双目平视前方，双臂自然张开与肩齐平，掌心朝下，双腿平行直立，双脚超前状态下的姿势。基于人体标准姿势T姿势，所述人体坐标系的坐标原点o为人体重心，x轴垂直于人体冠状面，y轴垂直于人体矢状面，z轴垂直于人体横断面；则基于人体背部脊柱中线相对于铅垂线所成角度，计算人体背部脊柱中线x-y平面内的投影与y轴所成的映射角的角度，则依据所述映射角判断人体坐姿异常所属类型，所述x-y平面是x轴与y轴两坐标轴所在的平面。

4.根据权利要求3所述的坐姿监测方法，其特征在于：在x-y平面内以所述人体坐标系的原点为中心划分分别对应人体坐姿异常的四个类型的区域，则依据所述映射角所属的区域判断人体坐姿异常所属类型。

5.根据权利要求4所述的坐姿监测方法，其特征在于：所述x-y平面中，利用各个象限的中分线划分人体坐姿异常的四个类型所对应的区域。

6.根据权利要求2所述的坐姿监测方法，其特征在于：统计人体坐姿异常的各个类型的出现次数或时间，并依据统计结果进行对应的提醒。

7.根据权利要求1所述的坐姿监测方法，其特征在于：检测人体背部脊柱中线相对于铅垂线所成角度包括分别测量对应前倾和后仰的俯仰角、对应左倾和右倾的斜倾角。

8.根据权利要求1所述的坐姿监测方法，其特征在于：利用多轴传感器检测人体背部脊柱中线相对于铅垂线所成角度。

9.根据权利要求1所述的坐姿监测方法，其特征在于：利用微处理器判断所述角度是否达到预设的角度阈值以及人体保持所述角度的时间是否达到预设的时间阈值。

10.根据权利要求1所述的坐姿监测方法，其特征在于：利用振动提醒器、语音提醒器或移动端进行提醒。

Images